XiaoMi-AI文件搜索系统
World File Search SystemGaze
9 个月大的婴儿的 Alpha 和 Theta 大脑活动 - Chieti
摘要 在他人注视方向和所观察物体之间建立联系的能力对社会认知和学习的发展具有重要意义。在本研究中，我们通过实施面对面的现场范式分析了一组 9 个月大婴儿的 alpha 和 theta 波段振荡，该范式为婴儿提供了与真实人类的三元社会互动。我们比较了两种实验条件下的神经激活情况：物体出现后的一致和不一致凝视转移。在不一致物体注视转移条件下，我们观察到与一致条件相比，theta 功率有所增加。我们还发现，在一致物体注视条件下，alpha 活动比不一致物体注视条件下有所增强。这些发现证实了当他人的目光转向参考目标时，theta 和 alpha 波段活动参与了对目光的检测。我们认为 theta 波段调节可能与意外事件的处理有关。此外，在一致物体凝视条件下，alpha 波段活动的增加似乎与之前关于生命第一年之前出现的内部控制注意力机制的研究结果一致。与非现场标准范式相比，现场范式的实施引发了部分不同的振荡模式，支持了重现现实生活条件的生态设置对于研究社会认知发展的重要性。
使用眼动追踪系统的平板电脑阅读障碍筛查应用程序的可靠性
目的：及早发现和管理阅读障碍对于防止不可逆转的教育差距和受影响学生的各种负面影响至关重要。然而，诊断阅读障碍具有挑战性，因为它需要全面的评估。利用快速、自动化、基于计算机的技术的阅读障碍筛查测试可用于及早识别和管理。在本文中，我们介绍了一种基于平板电脑的阅读障碍筛查应用程序，该应用程序使用眼动追踪系统并验证了其可靠性。方法：研究包括来自一所小学的 200 名年龄在 8 至 13 岁之间的参与者，他们都接受了两次阅读障碍筛查测试。筛查是使用在三星 Galaxy Tab S5e 平板电脑上实施的 VisualCamp SeeSo 眼动追踪 Android 软件开发工具包 v3.0.0 进行的。眼动追踪系统测量凝视阅读速度、平均凝视时间、凝视频率、扫视长度和回归率。为了评估两组测量的可靠性，我们采用了组内相关系数 (ICC)。结果：凝视频率 (ICC=0.83)、凝视平均时间 (ICC=0.82) 和凝视阅读速度 (ICC=0.76) 的测量结果具有极好的可靠性，回归比 (ICC=0.75) 和扫视长度 (ICC=0.72) 的测量结果具有良好的可靠性。结论：本研究表明，基于平板电脑的阅读障碍筛查应用程序可以可靠地测量阅读障碍患者的眼球运动。此外，该应用程序被证明具有高度可靠性，可能适合在临床或学校环境中使用，无需实验室环境和大量设备。
内窥镜国际开放-Thieme Connect
摘要：背景：腺瘤的检测率较高，这些内镜者花费更多时间观察结肠镜检查中的屏幕边缘。尽管如此，与病变检测有关的眼动参数仍然未知。这项研究旨在终止与结直肠腺瘤检测有关的特定眼动参数，包括特定区域的凝视率和眼动速度。方法：这项研究是对一项随机对照试验的事后分析，该试验研究了修改内镜医生对结直肠腺瘤检测的眼睛运动的影响。根据内窥镜医生在每次检查中的凝视坐标计算特定区域和眼动速度的凝视速率。排除了观察和处理息肉所需的时间。将屏幕分为6×6部分时，将下部外围区域定义为底部行。在患有和没有腺瘤的患者之间比较了这些参数。结果：五名医生进行了158次结肠镜检查。腺瘤检测组表现出较低的外围目光率（13.7％比9.5％，p = 0.004）和较小的平均眼动运动距离（29.9像素/30 ms，而33.3像素/30 ms，p = 0.022）。逻辑回归分析表明，较低的外围视觉率> 13.0％和平均眼动运动距离<30像素/30 ms是增加了腺瘤检测的独立预测指标（P = 0.024，优势比[OR]：2.53，95％的置信区间[CI]：1.71–3.28; P = 0.045; P = 0.045; 1.03–20.2），而年龄，性别和戒断时间却没有。结论：较低的外周观察速率和缓慢的眼睛运动与结直肠腺瘤的检测有关。
锁定的凝视控制的虚拟键盘
人类计算机的互动是一种新兴技术，它是指大量算法和不同类型的技术来增强相互作用过程。眼目光技术是现代科学最重要的技术之一。需要用于身体残疾人的系统的需求激励了许多研究人员开发只能使用眼睛注视和眨眼才能使用的系统。在这个项目中，我们将代表通过检测眼睛凝视和眼睛闪烁的虚拟键盘的开发。它涉及建立一个直接从PC相机捕获视频并检测到人脸和眼睛的系统。要准确地检测面孔，我们将遵循一个简单的规则，眼睛和嘴唇总是在样品位置作为图像，这将使眼睛检测过程变得更加容易。为此它还检测到左眼的目光，然后向右选择键盘部分和眼睛闪烁以从板上的虚拟键盘中选择所需的键。系统的输出可以是文本或语音的形式，并在16x2 LCD上显示或使用扬声器发音。文本或语音输出由用户在虚拟键盘上的选择确定。总而言之，眼睛注视控制的打字系统是一种创新的技术，它使患有运动障碍或残疾的人可以使用眼动和眨眼进行交流。系统使用高级计算机视觉算法来检测用户的面部，眼睛和凝视方向，并提供了一个简单而直观的接口，用于控制虚拟键盘并调整系统设置。
Biron -Birkbeck机构研究在线
婴儿指导的言语和直接目光是重要的社会线索，这些暗示促进了婴儿对父母的关注。传统方法探测其对婴儿注意力的影响涉及少数预选的基于屏幕的刺激，这些刺激不会捕获现实世界相互作用的复杂性。在这里，我们使用神经适应性的贝叶斯优化（NBO）来搜索不同自然主义社会体验的大型“空间”，这些体验的视觉范围（直接避免到避免）和听觉性能（婴儿向非vocal声音的言语定向）都在变化。，我们在57种通常患有6至12个月大的婴儿的自然主义社会经历中测量了振荡性的大脑反应（相对theta功率）。相对theta功率被用作NBO算法的输入，以确定自然主义的社会环境，最大程度地引起了每个婴儿的关注。结果表明，在刺激中，个别婴儿是异质的，引起了最大theta，而总体上对直接凝视或婴儿指导的语音没有更大的关注。然而，在避免凝视的关注方面的个体差异与人际交往能力有关，并且在父母表现出更积极影响的婴儿中观察到了更喜欢语音和直接凝视的可能性。我们的工作表明NBO可能是探讨不同社会线索在个人层面上引起人们关注的作用的富有成果的方法。
日本机械学会论文集 - J-Stage
Abstract 本研究的目的是通过使用可见光相机来调查眼动参数来估计汽车驾驶期间的心理负荷（MWL）。本研究涉及 12 名学生（6 名男性和 6 名女性）。参与者同时使用驾驶模拟器执行驾驶任务和次要任务，以控制MWL。N-back任务的级别如下：无、0-back。 , 1-回,使用可见光相机测量 2-back 和 3-back 的视线和头部角度以及眨眼频率，根据视线和头部角度计算眼球旋转角度，即头部运动的比率。还测量了 N-back 任务的主观 MWL 和准确性，结果表明，随着 N-back 任务难度的增加，主观 MWL 单调增加。 N-back 任务具有统计显着性对水平和垂直注视角度的标准差（SD）、眼球水平旋转角度的标准差、水平方向头部运动的共享率以及眨眼频率进行Logistic回归分析，结果显示，眼球水平旋转角度的标准差和眨眼频率的标准差（SD）。眨眼频率是估计 MWL 的最重要参数 受试者工作特征 (ROC) 曲线的曲线下面积 (AUC)
s3：语音，脚本和场景驱动的头和眼动画
我们介绍𝑆3，一种新颖的方法，用于产生表达性，以动画为中心的3D头和对话中角色的眼睛动画。给定语音音频，导演脚本和摄影3D场景作为输入，我们会自动输出每个角色的头和眼睛的动画3D旋转。𝑆3将动画和心理语言的见解提炼成一个新颖的模块化框架，以捕捉对话式捕捉：音频驱动的节奏性头运动；叙事脚本驱动的象征性的头和眼睛手势；以及根据音频驱动的凝视焦点/厌恶和3D视觉场景显着性计算出的凝视轨迹。我们的评估是四个方面：我们针对地面真相数据和基线替代方案进行定量验证算法；我们进行了一项感知研究，表明我们的结果与先前的艺术相比有利。我们介绍了动画仪控制和对3输出的批评的示例；并提出大量引人入胜且多样化的对话凝视动画。
MIDAS触摸问题在眼睛凝视
左：眼睛跟踪器摄像机拾取用户的目光。右：使用目光来控制打字应用程序。已经提出了几种遏制MIDAS触摸问题的方法。一种方法是选择注视，但不能激活接口元素。一个典型的例子是使用自愿眨眼来确认基于目光的选择。，但这假定眼睛始终是自愿的。第二种方法是测量用户眼睛的总时间在接口元素中（“ dell Time”）（Jacob和Stellmach，2016年）。如果停留时间超过一定的阈值值，则该元素将被激活。选择阈值大于典型的眼固定持续时间。这种方法的问题是没有固定的固定时间表明用户的意图。第三种方法是具有凝视驱动的光标（“凝视鼠标”）并进行鼠标点击以确认选择（Kasprowski等，2016）。，但这不是免提解决方案。第四种方法是双重视线方法（Mohan等，2018），在这种情况下，用户凝视着他/她想要
不仅仅是输入：利用注视心理学链接实现更易于访问的增强现实
Apple Vision Pro 和 Meta Quest Pro 等眼动追踪混合现实头戴设备已将眼动追踪推向主流。截至撰写本文时，消费级混合现实 (XR) 产品通常将眼动追踪用于两个主要目的。首先，Vision Pro 将目光注视和手指捏合 [ 11 , 12 ] 作为其主要输入模式。其次，VRChat 等社交 XR 应用可以使用目光注视数据在虚拟形象中实现准确的目光表现和目光接触 [ 1 ]。这些机制通常将瞳孔位置数据作为输入，并产生光线投射或虚拟形象运动作为输出。然而，目光注视和人类心理学之间的深厚联系可以使研究方向超越显式位置输入。传统上，HCI 专注于显式输入领域的眼动追踪——用于交互或运动追踪的位置数据。在系统综述中，Vasseur 等人 2019 年 9 月发表了一篇系统综述，介绍了一种用于追踪眼动追踪的眼动追踪方法。 [ 13 ] 发现大多数眼动追踪研究传统上都是使用桌面设置进行的，并建议将眼动追踪人机交互扩展到新的指标、分析和设备中。心理生理学领域率先使用可观察的物理数据来揭示人类的认知过程。眼球运动和特征以及心跳、脑电波和荷尔蒙变化等其他指标已被用来得出有关用户行为和认知状态的结论。可观察的认知行为可以包括有目的的（有意识的）状态和冲动的（无意识的）状态 [ 3 ]。此外，可测量的认知还可以包括一般的个人现象，如学习、反思、情感和记忆。凝视数据可以预测疲劳、注意力、分心和走神等认知状态 [ 9 ]。除了瞳孔扩张和眨眼率可以 61% 的准确率预测用户的困惑之外 [ 5 ]，瞳孔大小还与