来自DTU的研究人员找到了一种检查眼睛跟踪器数据的新方法。
“我们的数据驱动方法是基于机器学习，可以为患者的诊断做出贡献，并确定治疗或进一步的途径是新开发的药物具有预期的效果，” DTU Compute的前博士后Paolo Masulli说。现在由IMOTIONS使用，他一直参与开发用于数据分析和生物识别数据建模的软件。
研究结果是由丹麦创新基金支持的最近完成的项目的组成部分，并发表在国际神经科学中日记皮质。
当使用眼神跟踪检查患者的神经系统或精神病患者时，研究人员会向患者展示一系列照片或视频，并在屏幕上表面面部。然后，引人注目的传感器跟踪患者的眼睛运动，并跟踪图像中的特定区域。结果可以在热图上看到。患者花费的次数查看图像的某些区域会影响颜色或热图。
“研究人员通常定义和框架哪些领域感兴趣。但是，没有确切的科学来定义图像中这些字段的大小和位置。其中有很多主观性。我们的方法不同。我们没有提前定义特定领域，而是让数据说话，因此我们的方法为我们提供了对患者眼球运动的更客观评估。” Paolo Masulli说。
18至25岁的患者从111名门诊精神病患者的数据中，瑞典大学合作伙伴Gillberg Neuropsychiary Center记录了这些患者 - 显示了自闭症，抑郁症或ADHD的症状，并希望参与研究项目并提供其匿名数据可用进行研究。
在试验中，患者回答了一些标准的临床测试，这些测试根据其症状的严重程度将其放在数值尺度上。然后，向他们展示了一系列黑白图像，其中图像中的人表达了喜悦，愤怒或看起来中立，而眼线笔则从整个图像中收集了数据。
随后，使用机器学习分析了所有热图，其中最重要的组件（面对面）是从数据集中统计鉴定的。
然后，研究人员使用症状的临床测试中的成分和数量来建立将组件与自闭症，抑郁症和多动症程度联系起来的数学模型。基于该模型，已经创建了与临床测试的特定水平相对应的新数据驱动的热图。
Paolo的主管，Compute Tobias Andersen的副教授说：“我们的方法证实了最近的研究发现的趋势，并表明机器学习可以用于神经科学研究。”
该方法将能够在诊所中使用，在诊所中，医生经常会遇到尚未得到诊断的患者。在眼睛跟踪软件中实施算法将使它能够显示患者在自闭症，抑郁症和多动症的尺度上如何排名。
通常还有一个合并症的问题，患者患有多个精神科或
托比亚斯·安德森（Tobias Andersen）说：“有些患有自闭症的人希望在社交互动方面变得更好，在这里，该方法可用于检测眼睛运动，并查看患者如何受到其自闭症的影响，并给予他或她的自动反馈。而且，如果您训练患者更轻松地看面孔，您将能够使用该方法来查看培训是否有效。”
根据瑞典伙伴哥德堡大学吉尔伯格神经精神病学中心的研究，该研究结果为新知识提供了重要的新知识：
“大多数使用目光追踪进行的研究都使用了任意实验定义的感兴趣领域。我们的方法构成了重要的进步，因为它是客观的，数据驱动的，并且可以使维度（多边）方法应用于神经精神疾病的研究及其在凝视行为方面的相关性。” Nouchine Hadjikhani说。哥德堡大学和哈佛医学院。
吉尔伯格神经精神病学中心指出，这种新方法也可以产生创新的假设：
“例如，我们观察到左视野偏置的减少与抑郁有关。这是这种状态还是一个特征，以及是否可以用作与抑郁症有关的治疗效果的随访的生物标志物，这是可以在未来的研究中探索的问题之一。” Nouchine说。哈迪卡尼，
