XiaoMi-AI文件搜索系统
World File Search System动眼
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。
评估编程语言和任务类型对计算机科学专业学生眼动的影响
研究方法：使用眼动仪来跟踪学生程序员如何浏览和查看不同编程语言中不同类型的任务的源代码。学生在 Geany 集成开发环境（IDE，也用于他们的课程）中工作，同时在后台收集眼动数据，使他们的工作环境与之前的研究相比更加真实。每种任务类型都有 Python 和 C++ 版本，尽管针对不同的问题以避免学习效果。在屏幕的各个区域和源代码行上计算了注视次数和注视持续时间的标准眼动仪指标。这些指标的标准化版本用于跨语言和任务进行比较。
程序员效能的相关性及其与经验的联系：脑电图和眼动追踪相结合的研究
背景：尽管受教育程度和背景相似，程序员的效能却可能存在巨大差异。虽然研究已经确定了一些潜在因素，例如编程经验和领域知识，但这些因素对程序员效能的影响尚不清楚。目的：我们旨在揭示效能（速度和正确性）与编程经验指标之间的关系。我们进一步研究了程序员效能与阅读行为和认知负荷之间的相关性。方法：为此，我们使用脑电图 (EEG) 和眼动追踪对 37 名参与者进行了一项对照实验。我们要求参与者理解多达 32 个 Java 源代码片段，并观察他们的目光注视和认知负荷的神经相关性。我们分析了参与者效能与流行的编程经验指标之间的相关性。结果：我们发现高效能程序员阅读源代码更有针对性，认知负荷更低。常用的经验水平不能很好地预测程序员效能，但自我评估和学习热情指标相当准确。意义：已确定的程序员效能相关性可用于未来的研究和实践（例如招聘）。未来的研究还应该将功效视为一种群体抽样方法，而不是使用简单的经验测量。
回顾眼动追踪技术在航空、海事和建筑行业中的应用：系统评价
摘要：航空、航海和建筑行业的大多数事故都是由人为失误引起的，而人为失误可以归因于精神表现受损和注意力不集中。1596年，法国解剖学家和医学家杜·劳伦斯（Du Laurens）说，眼睛是心灵的窗户。眼动追踪研究的历史可以追溯到近150年前，它已被广泛应用于不同领域的多种用途。总体而言，眼动追踪技术可以实时捕捉各种反映人类不同认知、情感和生理状态的眼球运动，可用于在不同场景中更广泛地了解人类的思维。本系统文献综述探讨了眼动追踪研究在航空、航海和建筑三个高风险行业的不同应用。本研究结果揭示了眼动追踪研究的人口分布和应用，以及用于研究人类心理表现的视觉、认知和注意力方面的不同技术。此外，还强调了不同的研究差距和潜在的未来研究方向，涉及使用其他技术支持、验证和增强眼动追踪研究，以更好地了解人类的心理表现。
在完全沉浸式 VR 中同步使用脑电图和眼动追踪的方法
本研究探索了多模态生理数据流的同步，特别是脑电图 (EEG) 与具有眼动追踪功能的虚拟现实 (VR) 耳机的集成。通过在完全沉浸式 VR 环境中实现基于混合稳态视觉诱发电位 (SSVEP) 的脑机接口 (BCI) 拼写器，展示了同步数据流的潜在用例。硬件延迟分析显示 EEG 和眼动追踪数据流之间的平均偏移为 36 毫秒，平均抖动为 5.76 毫秒。该研究进一步介绍了 VR 中脑机接口 (BCI) 拼写器的概念验证，展示了其在现实世界中的应用潜力。研究结果强调了将商业 EEG 和 VR 技术结合起来进行神经科学研究的可行性，并为在生态有效的 VR 环境中研究大脑活动开辟了新途径。未来的研究可以集中在改进同步方法和探索各种情况下的应用，例如学习和社交互动。
顾客永远是对的……面向战斗飞行员的犀牛指向和眼动追踪界面
应作战人员的要求，进行了研究以确定眼动追踪 (ET) 作为战术实战环境中大面积显示器 (LAD) 的人机界面 (HMI) 的军事用途。飞行测试确定 ET 感觉毫不费力，直到快速变化的光照条件和瞳孔大小以及升高的重力负荷系数导致 ET 滑动导致请求的界面无法使用。本着“顾客永远是对的”的精神，研究人员通过在 ET 的同时测试一种称为“Rhino Pointing (RP)”的头部跟踪算法，证明了作战人员对新型 LAD HMI 的要求最终是明智的。RP 更易于实施，并且提供了更高的准确性并缩短了任务完成时间。虽然从物理工作量的角度来看并不像 ET 那么轻松，但在飞行测试期间对 RP 概念的评估表明，它比传统的触摸屏 LAD HMI 有显著的改进，并为作战人员在大多数性能指标上提供了比 ET 更好的替代方案。
使用基于决策树的方法和CNN分类的强化学习有助于眼动电脑游戏
采用基于生物信号的输入的抽象人机接口很难转化为现实生活应用，部分原因是开发一般模型的困难来对代表用户行动的生理事件进行分类。在拟议的框架中，通过决策方法的管道来操作基于电视学（EOG）的游戏。这些包括使用卷积神经网络（CNN）的眼动物运动的分类模型，该模型以信号窗口创建的图像和公用事业决策网络（EUDN）的合奏为食，这使经常会冲突的事件的影响在实现更自然的控制级别的界面上，从而缓解了界面事件的影响。CNN和EUDN取代了EOG的正常使用的基于特征的眼事件检测方法。最后，一种基于强化的学习驱动方法同时更新了每个奖励结果的多个（状态，动作）对，干预以减轻错误的游戏命令的后果，并可以用作“共享控制”范围的一部分。结果显示，加强学习在改善参与者的游戏表现以及减少其一些主观工作量指标方面的积极影响。