Eye tracking is more sensitive than skin conductance response in detecting mild environmental stimuli
Notice bibliographique
Résumé
Abstract The skin conductance (SC) and eye tracking data are two potential arousal-related psychophysiological signals that can serve as the interoceptive unconditioned response to aversive stimuli (e.g. electric shocks). The current research investigates the sensitivity of these signals in detecting mild electric shock by decoding the hidden arousal and interoceptive awareness (IA) states. While well-established frameworks exist to decode the arousal state from the SC signal, there is a lack of a systematic approach that decodes the IA state from pupillometry and eye gaze measurements. We extract the physiological-based features from eye tracking data to recover the IA-related neural activity. Employing a Bayesian filtering framework, we decode the IA state in fear conditioning and extinction experiments where mild electric shock is used. We independently decode the underlying arousal state using binary and marked point process (MPP) observations derived from concurrently collected SC data. Eight of 11 subjects present a significantly (P-value <0.001) higher IA state in trials that were always accompanied by electric shock (CS+US+) compared to trials that were never accompanied by electric shock (CS−). According to the decoded SC-based arousal state, only five (binary observation) and four (MPP observation) subjects present a significantly higher arousal state in CS+US+ trials than CS− trials. In conclusion, the decoded hidden brain state from eye tracking data better agrees with the presented mild stimuli. Tracking IA state from eye tracking data can lead to the development of contactless monitors for neuropsychiatric and neurodegenerative disorders.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».