XiaoMi-AI文件搜索系统
World File Search System眼动
早产急性冠状动脉综合征对眼动力学的研究论文
背景：过早的急性冠状动脉综合征（ACS）由于复发性缺血性事件和死亡率高而引起了人们的注意。我们旨在探索过早ACS患者眼动力学的特征变化。方法：招募了116名参与者（30个健康对照，30个患有过早ACS的参与者，56例非质子ACS）进行了计算机断层造影术（CTA）。头部和颈部CTA图像用于构建参与者眼动脉（OAS）的三维模型。形态参数，并使用基于计算流体动力学的数值模拟来获取OA的血液动力学参数。通过彩色底面图像和光学相干断层扫描获得视网膜和脉络膜血管参数。结果：这三组之间的OA形态上没有显着差异。血液动力学模拟的过早ACS患者的OA血液速度明显慢（P <0.001）和非质子组（P = 0.038）。在过早的AC患者中发现了低壁剪应力，而不是对照组（P = 0.015）和非成本组（P = 0.049）。非发明ACS患者的壁压高于健康对照组（P = 0.035）。质量流比均降低（P <0.001）。ACS过早的患者中央视网膜动脉等效和脉络膜血管指数较小。OA的血液动力学参数与几个临床指标相关。过早的ACS可能比非外观AC多加重眼部缺血性病变。结论：在OA形态变化之前，出现了过早ACS患者的OA和视网膜和脉络膜微循环的血液动力学变化。我们的发现可能有可能指导未来的研究，以更好地了解眼病变与ACS早产患者的全身状况的关联。
快速眼动睡眠行为障碍
摘要 - 尽管近年来区块链系统取得了巨大的成功，但区块链仍然很难提供与集中财务系统相同的延迟和吞吐量。此问题的核心在于共识协议的效率低下。在本文中，我们提供了一项有关改善区块链可扩展性的最新努力的调查。 我们专注于层 - 第二个协议，例如支付通道网络和交易汇总，这些协议是处理链外计算的，并且仅将共识用于争议解决。 层 - 第二个协议被提出以处理次秒延迟和减少费用的微交易，从而使区块链的扩展。 这项工作的大部分都解决了支付渠道网络的开放挑战，例如付款路由，频道重新平衡，网络设计策略，安全性和隐私，付款计划，拥塞控制，模拟器和对轻节点的支持。 我们还将一部分专门用于基于智能合同的交易汇总的现有实现。 我们的工作使最先进的层 - 第二个协议系统化，为将来的进步铺平了道路。 索引项 - 窗口链，支付频道网络，汇总。在本文中，我们提供了一项有关改善区块链可扩展性的最新努力的调查。我们专注于层 - 第二个协议，例如支付通道网络和交易汇总，这些协议是处理链外计算的，并且仅将共识用于争议解决。层 - 第二个协议被提出以处理次秒延迟和减少费用的微交易，从而使区块链的扩展。这项工作的大部分都解决了支付渠道网络的开放挑战，例如付款路由，频道重新平衡，网络设计策略，安全性和隐私，付款计划，拥塞控制，模拟器和对轻节点的支持。我们还将一部分专门用于基于智能合同的交易汇总的现有实现。我们的工作使最先进的层 - 第二个协议系统化，为将来的进步铺平了道路。索引项 - 窗口链，支付频道网络，汇总。
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。
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。
FACET：使用椭圆建模实现快速准确的基于事件的眼动追踪，实现扩展现实
摘要 — 眼动追踪是扩展现实 (XR) 中基于凝视的交互的关键技术，但传统的基于帧的系统难以满足 XR 对高精度、低延迟和低功耗的要求。事件摄像机由于其高时间分辨率和低功耗而提供了一种有前途的替代方案。在本文中，我们提出了 FACET（快速准确的基于事件的眼动追踪），这是一种端到端神经网络，可直接从事件数据输出瞳孔椭圆参数，针对实时 XR 应用进行了优化。椭圆输出可直接用于后续基于椭圆的瞳孔追踪器。我们通过扩展带注释的数据并将原始掩模标签转换为基于椭圆的注释来训练模型，从而增强了 EV-Eye 数据集。此外，采用了一种新颖的三角损失来解决角度不连续性问题，并提出了一种快速因果事件体积事件表示方法。在增强版 EV-Eye 测试集上，FACET 实现了平均瞳孔中心误差 0.20 像素，推理时间为 0.53 毫秒，与现有技术 EV-Eye 相比，像素误差和推理时间分别减少了 1.6 倍和 1.8 倍，参数和算术运算减少了 4.4 倍和 11.7 倍。代码可在 https://github.com/DeanJY/FACET 上找到。
动作视频游戏在眼动行为中的影响
*通讯作者：MarcArgilés，Marc.argiles@upc.edu于2024年2月17日收到；出版于2024年9月6日。引用：Montolio-Vila，A.，Argilés，M; Sunyer-Gau，b; Quevedo，L； Erickson，G。（2024）。动作视频游戏在眼动行为中的影响：系统评价。眼动研究杂志，17（3）：6。10.16910/jemr.17.3.6 ISSN：1995-8692版权所有©2024本文在创意共享署名4.0国际许可下获得许可。1
便携式增强现实用户界面中结合 BCI 和眼动追踪的共享机器人控制系统的用户评估
摘要：本研究通过将脑机接口 (BCI) 技术和眼动追踪集成到移动增强现实用户界面的共享控制系统中，评估了一种辅助机器人的创新控制方法。该系统旨在增强身体残疾人士的自主性，特别是那些因中风等情况而运动功能受损的人，利用 BCI 从脑电图信号和眼动追踪中解读用户意图以识别焦点对象，从而改进控制命令。这种集成旨在创建一种更直观、响应更快的辅助机器人控制策略。对现实世界的可用性进行了评估，显示出提高严重运动障碍患者自主性的巨大潜力。将控制系统与基于眼动追踪的替代方案进行了比较，以确定需要改进的领域。尽管 BCI 在最后阶段取得了可接受的成功率 0.83，但眼动追踪更为有效，成功率完美，完成时间始终更短（p < 0.001）。用户体验响应在 26 个问题中的 11 个问题中支持眼动追踪，其余问题没有显着差异，使用 BCI 的主观疲劳更高（p = 0.04）。虽然 BCI 性能落后于眼动追踪，但用户评估支持我们控制策略的有效性，表明它可以在现实条件下部署，并为进一步发展指明了道路。
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。
使用脑电图和眼动追踪功能对虚拟现实中的外部和内部注意力进行多模式检测
未来的虚拟现实环境将感知用户的环境，实现广泛的智能交互，从而通过注意力感知虚拟现实系统实现多样化的应用并提高可用性。然而，基于脑电图数据的注意力感知虚拟现实系统训练周期长，阻碍了其普遍性和广泛应用。同时，在哪些生理特征（脑电图和眼动追踪）对解码虚拟现实范式中的注意力方向最有效的研究中仍然存在空白。我们通过评估使用脑电图和眼动追踪数据的几种分类模型来解决这一问题。我们在 N-Back 任务中需要内部注意力或在视觉监控中需要外部注意力分配的任务期间同时记录了训练数据。我们使用线性和深度学习模型比较了几种单峰和多峰特征集以及不同窗口大小下的分类性能。结果表明，多峰特征可以提高经典和现代分类模型的预测能力。我们讨论了评估生理特征重要性并实现自动、稳健和个性化特征选择的方法。
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。