一种使用卷积神经网络进行生物医学图像分割的啮齿动物眼动精确追踪与视频记录系统
图像与视频处理
2025-06-11 v1 计算机视觉与模式识别
摘要
神经科学与视觉科学的研究严重依赖于对动物受试者注视方向的精确测量。由于经济优势和强健性，啮齿动物是此类研究中使用最广泛的动物受试者。近年来，基于视频并使用图像处理技术的眼动仪已成为注视追踪的热门选择，因为它们易于使用且完全无创。尽管在提高眼动追踪算法的准确性和鲁棒性方面已取得重大进展，但遗憾的是，几乎所有技术都聚焦于人眼，未考虑啮齿动物眼部图像的独特特征，例如眼部参数的变异性、周围毛发的丰富性及其微小的尺寸。为了克服这些独特的挑战，本文提出了一种灵活、鲁棒且高精度的模型，用于啮齿动物注视确定中的瞳孔与角膜反射识别，该模型可进行增量训练以应对现场遇到的眼部参数变异性。据我们所知，这是第一篇展示基于生物医学图像分割的卷积神经网络架构以用于眼部图像中瞳孔与角膜反射识别的论文，具有高精度和实用性。结合我们自动化的红外视频眼动记录系统，这一新方法为啮齿动物的神经科学与视觉科学研究提供了最先进的眼动追踪技术。
引用
@article{arxiv.2506.08183,
title = {A System for Accurate Tracking and Video Recordings of Rodent Eye Movements using Convolutional Neural Networks for Biomedical Image Segmentation},
author = {Isha Puri and David Cox},
journal= {arXiv preprint arXiv:2506.08183},
year = {2025}
}