然而,当动眼控制恶化时,凝视跟踪设备的使用受到阻碍,因为最终发生在ALS的进展中,或者脑病变会影响眼部迁移率。在称为完全锁定状态(CLIS)[7]的条件下,眼睛运动可能会完全丢失。对于这些患者,维持沟通的唯一机会是依靠其他系统,例如基于EEG信号来控制AAC设备。这些方法通常称为大脑计算机界面(BCIS)[8]。在与某些BCI的与CLIS患者沟通方面的部分成功,尤其是基于事件相关电位的BCI [9,10]。但是,这些系统需要相对较长的准备工作以及专门的AAC促进者的存在,并且学习曲线困难,因为患者必须了解对特定生理信号的适当控制[11]。此外,它们通常非常昂贵。因此,需要更简单,更适合患者的方法。
摘要。大气湍流通常会阻碍远距离光学成像应用。湍流对成像系统的影响可以表现为图像模糊效应,通常通过系统中存在的相位失真来量化。模糊效应可以根据沿传播路径测量的大气光学湍流强度及其对成像系统内相位扰动统计的影响来理解。获取这些测量值的一种方法是使用动态范围的瑞利信标系统,该系统利用沿传播路径的战略性变化的信标范围,有效地获得影响光学成像系统的像差的估计值。我们开发了一种从动态范围的瑞利信标系统中提取断层扫描湍流强度估计值的方法,该系统使用 Shack - Hartmann 传感器作为相位测量装置。介绍了从快速序列中获得的战略性范围变化的信标测量中提取断层扫描信息的基础,以及典型湍流场景的建模示例。此外,处理算法还用于模拟孤立强湍流层的识别。我们介绍了所选处理算法的基础,并讨论了该算法作为大气湍流分析方法的实用性。© 作者。由 SPIE 根据 Creative Commons Attribution 4.0 Unported 许可证出版。分发或复制本作品的全部或部分内容需要完全署名原始出版物,包括其 DOI。[DOI:10.1117/1.OE.59.8.081807]
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。
患者,女,29岁,已婚,无业,2024年8月23日就诊原因为“反复不开心6年,惊恐发作1个月”。6年前,患者因工作原因,逐渐心情不开心,心烦意乱,觉得活着没有意义,有不想活下去的想法,想割腕自杀,睡眠不好,表现为入睡困难,遂至杭州树兰医院门诊就诊,诊断为“抑郁状态”,给予“草酸艾司西酞普兰1片QD,盐酸曲唑酮1/4片QN”。患者服药后感到肢体麻木,情绪平淡,遂调整药物为“阿戈美拉汀1片QN”,患者自觉症状改善,便自行停药。
酒吧标准委员会(BSB)有法定义务鼓励独立,强大,多样化和有效的法律职业。BSB关于律师培训的年度统计报告已有多年了,强调了获得瞳孔的差异率,尤其是种族。为了将围绕招聘的证据扩展到学生,BSB致力于对两个要素进行研究 - 针对招聘成果的定量分析,以及一项定性研究,以研究采用特定招聘方法的组织的经验。定性研究是由社区研究的BSB进行的,该研究是根据对瞳孔提供者和其他利益相关者的访谈进行的,并分别出版(链接)。该项目是定量分析,BSB使用有关瞳孔提供者和学生的现有数据在内部进行了定量分析。
摘要背景:识别重症监护病房 (ICU) 昏迷和其他意识障碍 (DoC) 患者的隐性意识对于治疗决策至关重要,但缺乏灵敏的低成本床边标记。我们研究了自动瞳孔测量结合被动和主动认知范式是否可以检测出患有 DoC 的 ICU 患者的残留意识。方法:我们前瞻性地招募了来自三级转诊中心 ICU 的临床反应低或无反应的创伤性或非创伤性 DoC 患者。年龄和性别匹配的健康志愿者作为对照组。患者被分为临床无反应(昏迷或无反应性觉醒综合征)或临床反应低(微意识状态或更好)。使用自动瞳孔测量法,我们记录了被动(视觉和听觉刺激)和主动(心算)认知范式下的瞳孔扩张情况,并设定了特定任务的成功标准(例如,连续 5 次心算任务中 5 次瞳孔扩张中有 ≥ 3 次)。结果:我们从 91 名 ICU 脑损伤患者(平均年龄 60 ± 13.8 岁,31% 为女性,49.5% 为非创伤性脑损伤)的 178 个时间点获取了 699 次瞳孔测量记录。还从 26 名匹配的对照者(59 ± 14.8 岁,38% 为女性)获取了记录。被动范式对患者和对照者之间的区别有限。然而,主动范式可以区分不同的意识状态。对于中等复杂程度的心算,17.8% 的临床无反应患者和 50.0% 的临床低反应患者出现≥ 3 次瞳孔扩张(风险比 4.56,95% 置信区间 2.09–10.10;p < 0.001)。相比之下,76.9% 的健康对照者出现≥ 3 次瞳孔扩张(p = 0.028)。使用不同成功阈值进行的敏感性分析的结果保持一致。Spearman 等级分析强调了心算过程中瞳孔扩张与意识水平之间的密切关联(rho = 1,p = 0.017)。值得注意的是,一名行为无反应的患者在出现明显的意识迹象前 2 周表现出持续的服从命令行为,表明认知运动分离存在长时间。结论:自动瞳孔测量结合心算可以识别 ICU 急性 DoC 患者的认知努力,从而识别隐性意识。关键词:心脏骤停、认知运动分离、昏迷、重症监护医学、创伤性脑损伤
摘要 - 心脏病现在已成为一种非常普遍且有影响力的疾病,如果早期介入治疗,实际上很容易避免这种疾病。因此,每天对心脏健康的监测变得越来越重要。现有的移动心脏监测系统主要基于地震核心(SCG)或光摄影学(PPG)。但是,这些方法遭受了不便和其他设备要求的损失,从而阻止人们随时监视自己的心脏。受到我们观察到学生大小和心率变异性(HRV)之间的关系的启发,我们考虑使用瞳孔响应,当用户使用面部识别来解锁手机,以在此期间推断用户的HRV,从而实现心脏监测。为此,我们提出了一个基于计算机视觉的移动HRV监视框架 - 瞳孔,该框架采用移动终端和服务器端设计。在移动终端上,学生在通过前置摄像头解锁手机时从用户那里收集学生大小的信息。然后,在服务器端预处理原始的学生大小数据。特别是,学生使用1-D综合神经网络(1-D CNN)来识别与HRV相关的时间序列特征。此外,学生心脏训练具有三个隐藏层的复发性神经网络(RNN),以建模学生和HRV。采用这种模型,学生每次解锁手机时都会侵入用户的HRV。我们原型学生并进行了实验和领域的研究,以通过招募60名志愿者来充分评估学生的有效性。总体结果表明,学生可以准确预测用户的HRV。
摘要 提出了一种新颖的眼动追踪瞳孔直径振荡频率测量方法,用于捕捉被认为是认知负荷指标的内容。所提出的度量标准称为瞳孔活动指数,在一项实验中,参与者在注视中心目标(复制先前工作的要求)的同时执行简单和困难的心算任务,结果表明,该指标可以区分任务难度与认知负荷(如果可以假设隐含的因果关系)。本文的贡献是双重的:提供了对所提出的测量方法计算的完整文档,可以将其视为现有专有认知活动指数 (ICA) 的替代方案。因此,研究人员可以复制实验并构建自己的软件来实现此测量。其次,ICA 的几个方面以更数据敏感的方式进行处理,目的是提高测量的性能。
HAL 是一个多学科开放存取档案库,用于存放和传播科学研究文献,无论这些文献是否已出版。这些文献可能来自法国或国外的教学和研究机构,也可能来自公共或私人研究中心。
瞳孔大小的变化与大脑活动模式的变化有关,与特定的认知因素有关,例如唤醒,注意力和精神努力。基因座(LC)是大脑去甲肾上腺素能系统中的关键枢纽,被认为是对学生大小的认知控制的关键调节剂,瞳孔直径的变化与去甲肾上腺素(NE)的释放相对应。目光跟踪技术和开源软件的进步已促进了各种实验环境中准确的学生大小测量,从而增加了对使用瞳孔计量法来跟踪神经系统激活状态的兴趣,并作为脑疾病的潜在生物标志物。本评论探讨了瞳孔测定法作为一种非侵入性和完全翻译的工具,用于研究皮质可塑性,从最近的文献开始,这表明羽毛状测定法可能是估计人类受试者残留可塑性程度的有希望的技术。鉴于NE被称为皮质可塑性和唤醒的关键介体,因此综述包括数据揭示了LC-NE系统在调节脑可塑性和瞳孔大小中的重要性。最后,我们将回顾一下数据,表明瞳孔测定法可以在临床前研究中提供对皮质可塑性的定量和互补度量。