XiaoMi-AI文件搜索系统
World File Search System眼动仪
在低成本眼动追踪装置中使用前庭眼反射自动检测瞳孔并估计凝视
摘要 — 自动眼动追踪对于与患有肌萎缩侧索硬化症的人互动、用眼睛控制电脑鼠标以及对葡萄膜黑色素瘤进行控制性放射治疗都具有重要意义。据推测，凝视估计的准确性可能通过使用前庭眼动反射来提高。这种不自主的反射会导致缓慢的补偿性眼动，与头部运动的方向相反。因此，我们假设在眼动追踪过程中让头部自由移动一定比保持头部固定、只让眼睛移动产生更准确的结果。本研究的目的是创建一个低成本的眼动追踪系统，通过保持头部自由移动，将前庭眼动反射纳入凝视估计中。所用的仪器包括一个低成本的头戴式网络摄像头，可记录一只眼睛。尽管用于记录的网络摄像头是低端的，并且没有直接照明，但瞳孔检测是完全自动和实时的，采用了简单的基于颜色和基于模型的混合算法。本研究测试了基于模型的算法和基于插值的算法。根据凝视估计结果中的平均绝对角度差，我们得出结论，基于模型的算法在头部不动时表现更好，而在头部移动时同样表现良好。当头部自由移动时，使用任一算法，凝视点与目标点的大多数偏差小于 1 ◦，可以得出结论，我们的设置完全符合文献中的 2 ◦ 基准，而头部不动时的偏差超过 2 ◦。所使用的算法之前未在被动照明下进行测试。这是首次研究考虑到前庭眼反射的低成本眼动追踪装置。
用于近眼显示设备光栅中Cr 的ICP 刻蚀工艺研究
周燕萍 ( 通信作者 ), 硕士 , 研究员 , 主要研究方向为半导体材料的刻蚀工艺开发 。E-mail:yanping_zhou@ ulvac. com
PhyDAA：评估注意力的生理数据集
摘要 — 注意力缺陷多动障碍 (ADHD) 是儿童中最常见的神经发育障碍。它以多种方式影响患者的生活：注意力不集中、刺激抑制困难或运动功能调节困难。目前存在不同的治疗方法，但这些治疗方法可能会产生副作用或并非对所有亚组都有效。神经反馈 (NF) 是一种创新治疗方法，包括大脑活动显示。NF 训练可以包括虚拟现实 (VR) 视频游戏，其中参与者的注意力会影响游戏。注意力通过生理信号进行评估，主要步骤之一是设计注意力状态的估计器。我们提出了一个新颖的框架，能够记录特定注意力状态下的生理信号并能够估计相应的注意力状态。我们提出了一个由脑电图信号 (EEG) 和一个眼动仪组成的数据库，该眼动仪标有代表 32 名健康参与者注意力持续时间的分数。从信号中提取不同的特征并提出机器学习 (ML) 算法。我们的方法在注意力估计方面表现出很高的准确性，这证实了注意力状态与生理信号（即 EEG、眼动追踪信号）之间的相关性。该数据集已公开，以促进该领域的研究，我们鼓励其他科学家使用自己的方法进行注意力估计。
基于多尺度 Inception 的深度融合网络用于眼电图眼动分类
摘要 — 准确地对眼动进行分类对于人机界面、睡眠分期和疲劳检测等各种实际应用都至关重要。然而，基于眼电图 (EOG) 的眼动分类 (EMC) 仍然具有挑战性，现有的解决方案在准确性方面仍然不是最优的。传统的基于机器学习 (ML) 的方法主要关注手工制作的特征，严重依赖于 EOG 分析的先验知识。此外，大多数现有的基于深度学习 (DL) 的方法仅仅专注于提取单尺度或多尺度特征，而不考虑不同层次特征的贡献，从而限制了模型学习判别表示的能力。为了解决上述问题，提出了一种新的基于多尺度 Inception 的深度融合网络 (MIDF-NET)，由并行 CNN 流和多尺度特征融合 (MSFF) 模块组成，用于从原始 EOG 信号中提取信息特征。并行的 CNN 流可以有效地提取 EOG 的多尺度表示，而 MSFF 模块融合了这些特征，利用了低级和高级多尺度特征。在 5 个公共 EOG 数据集（50 名受试者和 59 条记录）上进行了全面的实验，包含 5 种眼球运动（眨眼、向上、向下、向右和向左）。还实现了最先进的基于 EOG 的眼球运动方法，包括经典机器学习模型和深度网络，以供比较。实验结果表明，我们的 MIDF-NET 在 5 个公共数据集中实现了最高的准确率（87.7%、86.0%、95.0%、94.2% 和 95.4%），优于最先进的方法，准确率显著提高。总之，提出的 MIDF-NET 可以根据特征融合子网络综合考虑多级特征，并通过增强的 EOG 表示有效地对眼球运动模式进行分类。
在 MOBA 游戏中使用眼动追踪进行电子竞技分析
1 简介................................................................................................................................................................ 1
平稳的追捕眼动动作有助于下肢长期反射调制
抽象的体感介导的反应在适应环境变化方面起着基本作用，尤其是通过长期响应（LLRS）。我们研究了用于跟踪移动物体的缓慢移动的平滑追捕眼运动（SPEM）如何在机械与移动物体的机械相互作用期间影响上肢和下肢的LLR。17名参与者在站立时以25 cm/s接近的虚拟物体发生碰撞，稳定了肢体。此任务发生在受试者在视觉上追踪对象或固定中心位置时发生。在两个时间点应用机械扰动：在预期碰撞之前约为200ms和60ms。在随机的试验子集中，机器人在预期的碰撞之前应用了200ms（早期）或60ms（晚）的机械扰动。与以前的研究一样，在腿部肌肉中观察到上肢位移。此外，腿部LLR是通过凝视调节的，在追捕过程中比固定更大，但仅在晚期扰动中。这种特定时序调制与先前关于反馈控制中的政策转变的报告在影响之前大约60ms。上肢LLR不受目光的影响，表明对姿势控制电路有优先排序。这项工作扩展了我们对感觉运动积分基础的神经机制的理解，并突出了人类运动控制系统的复杂性，以与全身姿势反应协调眼运动。
眼动测量技术的进步用于评估神经退行性疾病
眼运动长期以来一直被认为是神经系统疾病的宝贵指标。眼运动异常可以表明神经系统状况的严重程度，在某些情况下会区分疾病表型。在成像传感器和计算能力方面的最新进展，尤其是在机器学习和人工智能方面，技术的发展有了显着的激增，促进了对眼睛运动的提取和分析，以评估神经退行性疾病。这次迷你审查提供了这些进步的概述，强调了它们在提供患者友好的眼镜措施方面的潜力，以帮助评估患者状况和进步。通过总结了过去几十年来评估神经退行性疾病的最新技术创新及其在评估神经退行性疾病方面的应用，该综述还深入研究了这一扩展领域的当前趋势和未来方向。
在 MOBA 游戏中使用眼动追踪进行电子竞技分析
1 简介................................................................................................................................................................ 1
测量和分析眼动表现以预测健康大脑老化
摘要 目的：本文介绍了 145 名年龄在 20 至 86 岁之间的健康志愿者的健康眼球运动 (EM) 模式。志愿者根据年龄分为四组。在水平和垂直轴上执行扫视范式。我们描述了健康志愿者的模式行为，以证明它可用于测量大脑的衰老和功能。方法：使用基于视频眼科技术的凝视追踪器。在 EM 测试之前，收集临床数据，参与者进行认知测试以排除细微异常并签署知情同意书。为了证明 EM 与大脑衰老之间的关系，计算了线性或二次模型并展示了组间统计分析。结论：EM 变量可被视为测量大脑衰老效应和功能的生物标志物。视频眼科是一种适合在临床实践中测量 EM 的技术。意义：本临床研究中的眼部健康模式以及遵循的方法是正在进行的研究的基础，旨在将 EM 分析纳入日常实践中，作为阿尔茨海默氏痴呆症或帕金森氏病等神经退行性疾病患者早期诊断的标志物。