基于深度学习的眼动分析利用 3D 综合视觉刺激诊断阿尔茨海默病
图像与视频处理
2023-03-14 v1 人工智能
计算机视觉与模式识别
摘要
阿尔茨海默病（AD）导致记忆、思维和判断力的持续衰退。传统诊断通常基于临床经验，受一些现实因素限制。本文致力于利用深度学习技术基于眼动行为诊断 AD。视觉注意作为典型的眼动行为，对检测 AD 患者的认知异常具有重要临床价值。为更好地分析 AD 患者与正常人之间视觉注意的差异，我们首先在非侵入式眼动系统上开展 3D 综合视觉任务以收集视觉注意热力图。随后提出一种多层比较卷积神经网络（MC-CNN）来区分 AD 患者与正常人的视觉注意差异。在 MC-CNN 中，热力图的多层表示通过分层卷积获得，以更好地编码眼动行为，并进一步整合为距离向量以裨益综合视觉任务。在收集数据集上的大量实验结果表明，MC-CNN 利用眼动数据对 AD 患者与正常人分类具有一致的有效性。
引用
@article{arxiv.2303.06868,
title = {Deep Learning-based Eye-Tracking Analysis for Diagnosis of Alzheimer's Disease Using 3D Comprehensive Visual Stimuli},
author = {Fangyu Zuo and Peiguang Jing and Jinglin Sun and Jizhong and Duan and Yong Ji and Yu Liu},
journal= {arXiv preprint arXiv:2303.06868},
year = {2023}
}