亚洲精品狼友在线播放,成年免费视频黄网站在线观看,国产同事露脸对白在线视频

  • <code id="wta21"><em id="wta21"><kbd id="wta21"></kbd></em></code>

    <th id="wta21"><option id="wta21"></option></th>
    <strike id="wta21"></strike>
          <tr id="wta21"></tr> <th id="wta21"><option id="wta21"></option></th>

          首頁 產品中心 解決方案 新聞中心 關于我們 技術支持

          利用眼動追蹤技術進行深度學習和言語表現測量探索兒童面部情緒處理特征與言語交流能力之間的關系

          來源:博潤視動 編輯:博潤視動 發布時間:2022-06-11

          1654932994230242.png摘要:
          有效的面部情緒識別(FER)能力在人類交流中起著重要作用,并與兒童的多種語言交流障礙(SCD)密切相關。盡管存在相關性,但對于言語交流能力 (SCA) 和 FER 是如何相互關聯的,以及它們的潛在認知加工機制了解很少。為了解決這個問題,我們采集了115名兒童被試在觀察具有不同情緒的人臉過程中的眼動追蹤數據,并設計了基于機器學習的SCD預測模型以探索 FER 任務期間眼動特征的潛在模式及其 SCA 的相關性。在 SCA 的不同維度和各種眼動特征之間發現了很高的相關性。一組FER凝視模式對SCD特征高度敏感,其預測模型的準確率高達88.9%,為兒童SCD的快速篩查提供了一種可能的技術。


          圖片

          FER程序示意圖
          實驗被試:
          共有115名兒童,年齡從4歲到14歲不等(M=7.95;SD=6.177)
          實驗儀器:

          實驗在一間暗光線的房間里進行。實驗刺激通過SR Research Experience Builder實驗軟件顯示在19英寸DELL顯示器上(分辨率為1280×1024像素,60pHz刷新率),屏幕距離被試眼睛約75厘米。在整個實驗過程中,讓被試將下巴放在下巴托上。使用EyeLink 1000 Plus眼動儀(SR Research Co., Canada, https://www.sr-research.com/eyelink-1000-plus/,RMS0.01°,微眼跳分辨率0.05°)采樣率1000Hz進行數據采集。

          實驗分析與結果:

          1654932746305184.png

          面部興趣區示意圖

          1654932781793707.png

          統計測試GBDT模型輸入的65個眼動特征

          平股份數.png

          三個級別的18個SCA評估分數

          1654932894329848.png

          本研究的實驗流程

          1654932931444852.png

          眼動特征與SCA得分的Pearson相關結果

          結論:

          這項研究對眼動追蹤過程中測量的面部情緒識別處理模式進行了廣泛的探索—兒童言語交際能力與綜合評價?;跈C器學習的SCD預測模型旨在將SCA正常組和可能的潛在組進行分類。我們發現五個方面SCA分數(發音、語義、表達效率、流利性、語法)與各種眼動特征廣泛相關,展示兒童SCA能力與其FER處理模式之間的密切關系。
          SCD預測模型準確率高達88.9%,表明該模型可能是一種快速篩查兒童SCD的潛在技術。關于SCA和FER之間關系的許多詳細研究結果首次被發現,即兒童的發音技能與FER關系特別密切。一組FER凝視模式對SCD特征高度敏感,包括瞳孔大小、試驗持續時間和注視嘴巴區域。它增強了兒童言語交際能力的表征,這種行為模式將能幫助理解其背后的加工機制,并為干預和治療提供線索。
          參考文獻:
          Jingwen Yang, Zelin Chen, Guoxin Qiu, Xiangyu Li, Caixia Li, Kexin Yang, Zhuanggui Chen, Leyan Gao, Shuo Lu,Exploring the relationship between children's facial emotion processing characteristics and speech communication ability using deep learning on eye tracking and speech performance measures,

          Computer Speech & Language,Volume 76,2022,101389,ISSN 0885-2308,https://doi.org/10.1016/j.csl.2022.101389.


          本文部分內容翻譯自參考文獻,僅做學習分享使用,若存在錯誤及疑問,請后臺聯系我們!

          亚洲精品狼友在线播放,成年免费视频黄网站在线观看,国产同事露脸对白在线视频