Camera-based eye tracking improves the signal-to-noise ratio of EEG
Notice bibliographique
Résumé
To examine event-related potentials (ERPs) - the brain responses associated with specific sensory, cognitive, and motor processes - researchers record brain activity using electroencephalography (EEG) while participants perform carefully designed tasks. EEG is inherently noisy, hence ERPs are derived by averaging over many trials. Since eye movements and blinks generate large electrical signals that contaminate EEG, methods have been developed to deal with these artifacts. Electrooculography uses activity from electrodes near the eyes to identify and remove contaminated trials, or participants who move their eyes too often. This method reduces reduces the signal-to-noise ratio and/or increases the number of participants required. Mathematical techniques, such as independent component analysis, have been used to allegedly remove eye movement activity. However, it is unclear whether all such activity is definitively removed, while leaving the neural activity of interest unaltered. Moreover, this approach necessarily includes trials with eye movements, often contrary to task requirements. In four recent experiments combining camera-based eye tracking and EEG, we demonstrated the potential of combining these technologies to increase ERP data quality. We used a cueing task where participants maintained fixation, ignored or made eye movements to uninformative exogenous or endogenous cues, then made manual localization responses to targets. Eye tracking ensured appropriate oculomotor behavior at all times. Error messages were presented when incorrect eye movements were observed and such trials were recycled. The ERPs were much cleaner (enhanced signal-to-noise ratio) here, relative to similar experiments without concurrent eye tracking. There are at least two (not mutually exclusive) explanations for this observation: a) participants learn to learn to control their oculomotor behavior through online feedback, minimizing untoward blinks and eye movements, and b) eye monitoring allows more accurate categorization of trials to be excluded than traditional techniques. Meeting abstract presented at VSS 2013
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».