Реализация и апробация алгоритма автоматической обработки данных для цифрового окулографа

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Для регистрации движений глаз создан цифровой инфракрасный окулограф. Использованы миниатюрные камеры с кадровой частотой 500 Гц и с высоким пространственным разрешением 1440 × 1080 рх, расположенные на очковых оправах. Развита технология анализа окулограмм, разработан алгоритм обнаружения временных характеристик саккад и фиксаций взора. Алгоритм анализа окулограмм согласован с измерениями других физиологических параметров. Для статистической обработки и оценки эффективности созданного алгоритма использовали дискриминантный анализ. Технология опробована на основании исследования движений глаз 500 испытуемых. Измерена продолжительность и скорость движения глаз в 16 экспериментах. Проведен анализ окулограмм и получены множества, соответствующие фиксациям и саккадам. Разработан алгоритм автоматического поиска этих параметров. Для окулографа очкового типа согласовано описание координат приемных матриц видеокамер и дисплеев, на которых предъявляли стимулы. Алгоритм обнаружения основных временных и пространственных характеристик обеспечивает классификацию саккад и фиксаций взора (между саккадами) при поиске цели оператором в разных условиях. Обеспечена коррекция координатных систем при несовпадении начал отсчета монитора и видеокамеры, введен учет смещения и поворота системы координат видеокамеры относительно системы координат монитора. Показано, что алгоритм дает достоверные результаты для последующего анализа и интерпретации движения взора с 0.97 уровнем распознавания. Реализованный алгоритм включен в программно-аппаратный комплекс “Нейробюро”, востребованный в структурах управления, в промышленности, транспорте, маркетинге и медицине, согласованный с другими устройствами физиологического контроля когнитивных функций непосредственно в ходе исследования, контроля и коррекции действий оператора при поиске цели.

Об авторах

Е. Ю. Шелепин

Институт физиологии им. И. П. Павлова РАН

Email: shelepiney@infran.ru
ORCID iD: 0000-0002-3124-5540
199034, наб. Макарова, 6, Санкт-Петербург, Российская Федерация

К. А. Скуратова

Институт физиологии им. И. П. Павлова РАН

Email: kseskuratova@gmail.com
ORCID iD: 0000-0001-8371-4348
199034, наб. Макарова, 6, Санкт-Петербург, Российская Федерация

П. А. Лехницкая

Казанский федеральный университет

Email: lekhnitskaya.polina@gmail.com
ORCID iD: 0000-0002-3689-3213
420008, ул. Кремлевская, 18-1, Казань, Российская Федерация

К. Ю. Шелепин

Институт физиологии им. И. П. Павлова РАН; Институт когнитивных наук и нейротехнологий ФГБУ “НМИЦ ПН им. В. П. Сербского” Минздрава России

Email: shelepin.k@serbsky.ru
ORCID iD: 0000-0003-2218-9716
119002, 199034, наб. Макарова, 6, Санкт-Петербург, Российская Федерация; Малый Могильцевский переулок, 3, Москва, Российская Федерация

Список литературы

  1. Барабанщиков В.А., Жегалло А.В. Айтрекинг: Методы регистрации движений глаз в психологических исследованиях и практике. М.: Когито-Центр, 2014. 128 с. ISBN 978-5-89353-415-3
  2. Гассовский Л.Н., Никольская Н.А. Движения глаз в процессе непрерывной фиксации точки // Труды ГОИ. 1941. Т. 15. С. 112–120.
  3. Каламбет Ю.А., Козьмин Ю.П., Самохин А.С. Фильтрация шумов. Сравнительный анализ методов // Аналитика. 2017. Т. 36(5). С. 88–101.
  4. Скуратова К.А., Шелепин Е.Ю., Шелепин К.Ю. Программные возможности применения метода айтрекинга в исследованиях зрительного восприятия // Российский психологический журнал. 2022. Т. 19(4). С. 173−185. https://doi.org/10.21702/rpj.2022.4.12
  5. Ярбус А.Л. Роль движения глаз в процессе зрения. М.: Наука. 1965. 167 с.
  6. Akshay S., Megha Y.J., Shetty C.B. Machine learning algorithm to identify eye movement metrics using raw eye tracking data // Third International Conference on Smart Systems and Inventive Technology (ICCIT). IEEE. 2020. P. 949−95
  7. Barlow H.B. Eye movements during fixation // J. Physiol. I952. P. 290–306.
  8. Birawo B., Kasprowski P. Review and evaluation of eye movement event detection algorithms // Sensors. 2022. V. 22 (22). P. 8810. https://doi.org/10.3390/s22228810
  9. Drews M., Dierkes K. Strategies for enhancing automatic fixation detection in head-mounted eye tracking // Behavior Research Methods. 2024. V. 56. P. 1–23. https://doi.org/10.3758/s13428-024-02360-0
  10. Graham L., Das J., Vitorio R., McDonald C., Walker R., Godfrey A., Morris R., Stuart S. Ocular microtremor: a structured review // Experimental Brain Research. 2023. V. 241. P. 2191–2203. https://doi.org/10.1007/s00221-023-06691-w
  11. Hooge I.T.C., Niehorster D.C., Nystrom M., Andersson R., Hessels R.S. Fixation classification: how to merge and select fixation candidates // Behavior Research Methods. 2022. V. 54. P. 2765–2776.
  12. Llanes-Jurado J., Marin-Morales J., Guixeres J., Alcaniz M. Development and calibration of an eye-tracking fixation identification algorithm for immersive virtual reality // Sensors. 2020. V. 20. P. 4956. https://doi.org/10.3390/s20174956
  13. Nyström M., Holmqvist K. An adaptive algorithm for fixation, saccade, and glissade detection in eyetracking data // Behavior research methods. 2010. V. 42 (1). P. 188−204. https://doi.org/10.3758/BRM.42.1.188
  14. Salvucci D.D., Goldberg J.H. Identifying fixations and saccades in eye-tracking protocols. Proceedings of the Symposium on eye tracking research & applications – ETRA 2000. 2000. P. 71−78.
  15. Shelepin E. Eye tracking in expertise assessment case studies // Abstracts of Annual meeting of the Vision Sciences Society – VSS 2024, USA. 2024. P. 154–155. https://www.visionsciences.org/documents/VSS_2024_Abstracts.pdf
  16. Tabachnick B.G., Fidell L.S. Using Multivariate Statistics. (3rd ed.). New York: Harper Collins. 1996. 880 p. ISBNP 978-0673994141
  17. Trabulsi J., Norouzi K., Suurmets S., Storm M., Ramsøy T.Z. Optimizing Fixation Filters for Eye-Tracking on Small Screens // Front. Neurosci. 2021.V. 15. P. 578439. https://doi.org/10.3389/fnins.2021.578439

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».