REMoDNaV: 動的刺激のための頑健な眼球運動の分類

眼球運動の追跡は、多くの実験的パラダイムにおいて確立された測定方法です。より複雑でより長期間の視覚刺激は、眼球運動イベント分類にアルゴリズミックアプローチを最も実用的な選択肢としています。最近の分析では、現在の多くのアルゴリズムが動画シーケンスなどの動的刺激からのデータでは冴えないことが明らかになりました。ここでは、静的および動的刺激の両方に適したイベント分類アルゴリズムを提案します。このアルゴリズムは、既存の速度ベースのアプローチに基づいており、サッカード、ポストサッカディックオシレーション、注視、スムーズな追従イベントを分類できる能力があります。私たちは、3つの公共データセットで分類性能と頑健性を検証しました: 1) 静的画像、動く点、および短い動画シーケンスを視聴するための手動注釈付きトライアルベースの注視軌道、2) 特徴長映画のためのラボ品質の注視録音、3) 同じフルレングス映画のための磁気共鳴画像（MRI）スキャナー内の最適でない照明条件下で取得された注視録音。提案されたアルゴリズムは、静的刺激に関して最先端の代替手段と同等またはそれ以上の性能を発揮することが分かりました。さらに、長時間の動的録音では、生物学的に妥当な特徴を持つ眼球運動イベントを得ることができます。最後に、アルゴリズムの性能は、時間的に変化するノイズレベルを示す最適でない条件下で取得されたデータに対して頑健です。これらの結果は、提案されたアルゴリズムがさまざまな使用ケースにおいて分類精度を向上させる頑健なツールであることを示しています。このアルゴリズムはクロスプラットフォーム互換性があり、Pythonプログラミング言語を使用して実装されており、公共のソースから無料でオープンソースソフトウェアとして入手可能です。