چکيده
در اين سمينار به كاربردهاي فناوري رديابي چشم در حوزه‌هاي شناختي و پزشكي اشاره شده است. رديابي چشم به‌عنوان ابزاري براي تحليل رفتار بصري افراد بررسي شد.
داده‌هاي رديابي چشم از مكالمات چهره‌به‌چهره كودكان مبتلا به اوتيسم و كودكان با رشد طبيعي جمع‌آوري شد. از ويژگي‌هاي بصري مانند تمركز بر نقاط خاص (دهان، چشم، كل بدن) و مدت‌زمان مكالمات استفاده شد. مدل SVM با دقت 92.31٪، بهترين عملكرد را در طبقه‌بندي نشان داد.
داده‌هاي رديابي چشم با الگوريتم‌هاي يادگيري ماشين تحليل شد. تمركز بر سينماتيك حركات چشم و مقايسه آن با الگوهاي طبيعي، مبناي مدل‌سازي قرار گرفت. دقت بالا در طبقه‌بندي بين دو گروه به دست آمد.
يك پلتفرم براي شبيه‌سازي تعاملات اجتماعي و ثبت داده‌هاي بصري طراحي شد. اين پلتفرم نشان داد كه رفتار بصري در تعاملات اجتماعي زنده مي‌تواند اطلاعات دقيق‌تري نسبت به وظايف تصويري فراهم كند.
تحليل داده‌هاي بيشتر با تمركز بر ويژگي‌هاي ديداري و تركيب آن‌ها با عوامل زماني انجام شد. تركيب داده‌ها در شرايط مختلف اجتماعي و بصري، دقت مدل‌ها را افزايش داد.
استفاده از واقعيت مجازي همراه با يادگيري ماشين براي تحليل داده‌هاي رديابي چشم بررسي شد. نتايج نشان داد اين فناوري امكان شناسايي بهتر الگوهاي بصري در كودكان اوتيسم را دارد.
بررسي داده‌هاي رديابي چشم در محيط وب انجام شد. تحليل‌ها نشان داد كه رفتار بصري در محيط‌هاي غيررسمي نيز قابليت استفاده در تشخيص اوتيسم را دارد.
تركيب داده‌هاي ديداري و زماني با مدل‌هاي يادگيري ماشين، روشي مؤثر و غيرتهاجمي براي تشخيص اوتيسم ارائه كرد. اين روش مي‌تواند به بهبود ابزارهاي تشخيصي و مداخلات درماني كمك كند.
