Name: 都市公園環境における歩行の映像を自由に視聴する映像コンテンツの分析とアイトラッキングデータを組み合わせる (動画) | JoVE Journal
Uploaded: 2019-05-07T12:30:00.000+00:00
Duration: 8 min 25 s
Description: 学ぶアイトラッキング映像データの機械学習による自動解析手法。複雑な視覚刺激に対する注視行動を定量的に分析し、景観研究や神経科学の応用に貢献します。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

この作業は、メルボルン市と部分的にアーク DP 150103135 によって財政的にサポートされました。私たちは彼のアドバイスと協調的なアプローチのための Eamonn Fennessy に感謝したいと思います。研究助手イザベル Janecki とイーサン・チェンにも特別な感謝を込めて、このデータの収集と分析を支援しました。すべてのエラーは作者のままです。

<ol><li>Patrik, P., Stigsdotter, U. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+relation+between+perceived+sensory+dimensions+of+urban+green+space+and+stress+restoration%5BTitle%5D)+AND+%22Landscape+and+Urban+Planning%22%5BJournal%5D)">The relation between perceived sensory dimensions of urban green space and stress restoration.</a> Landscape and Urban Planning. 94 (3-4), 264-275 (2010).</li>
<li>Bjørn, G., Patil, G. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Biophilia%3A+does+visual+contact+with+nature+impact+on+health+and+well-being%3F%5BTitle%5D)+AND+%22International+Journal+of+Environmental+Research+and+Public+Health%22%5BJournal%5D)">Biophilia: does visual contact with nature impact on health and well-being?</a> International Journal of Environmental Research and Public Health. 6 (9), 2332-2343 (2009).</li>
<li>Velarde, M. aD., Fry, G., Tveit, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Health+effects+of+viewing+landscapes-Landscape+types+in+environmental+psychology%5BTitle%5D)+AND+%22Urban+Forestry+%26+Urban+Greening%22%5BJournal%5D)">Health effects of viewing landscapes-Landscape types in environmental psychology.</a> Urban Forestry & Urban Greening. 6 (4), 199-212 (2007).</li>
<li>Polat, A. T., Ahmet, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Relationships+between+the+visual+preferences+of+urban+recreation+area+users+and+various+landscape+design+elements%5BTitle%5D)+AND+%22Urban+Forestry+%26+Urban+Greening%22%5BJournal%5D)">Relationships between the visual preferences of urban recreation area users and various landscape design elements.</a> Urban Forestry & Urban Greening. 14 (3), 573-582 (2015).</li>
<li>Peter, P., Giannopoulos, I., Raubal, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Where+am+I%3F+Investigating+map+matching+during+self-localization+with+mobile+eye+tracking+in+an+urban+environment%5BTitle%5D)+AND+%22Transactions+in+GIS%22%5BJournal%5D)">Where am I? Investigating map matching during self-localization with mobile eye tracking in an urban environment.</a> Transactions in GIS. 18 (5), 660-686 (2014).</li>
<li>Berto, R., Massaccesi, S., Pasini, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Do+Eye+Movements+Measured+across+High+and+Low+Fascination+Photographs+Differ%3F+Addressing+Kaplan%27s+Fascination+Hypothesis%5BTitle%5D)+AND+%22Journal+of+Environmental+Psychology%22%5BJournal%5D)">Do Eye Movements Measured across High and Low Fascination Photographs Differ? Addressing Kaplan's Fascination Hypothesis.</a> Journal of Environmental Psychology. 28 (2), 185-191 (2008).</li>
<li>Kaplan, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+restorative+benefits+of+nature%3A+Towards+an+integrative+framework%5BTitle%5D)+AND+%22Journal+of+Environmental+Psychology%22%5BJournal%5D)">The restorative benefits of nature: Towards an integrative framework.</a> Journal of Environmental Psychology. 15, 169-182 (1995).</li>
<li>Duchowski, A. T. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aDuchowski%2C+AT+%22Eye+Tracking+Methodology%3A+Theory+and+Practice%22">Eye Tracking Methodology: Theory and Practice</a>. , 3rd ed, Springer International Publishing. London. (2017).</li>
<li>Amati, M., Ghanbari Parmehr, E., McCarthy, C., Sita, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((How+eye-catching+are+natural+features+when+walking+through+a+park%3F+Eye-+tracking+responses+to+videos+of+walks%3F%5BTitle%5D)+AND+%22Urban+Forestry+and+Urban+Greening%22%5BJournal%5D)">How eye-catching are natural features when walking through a park? Eye- tracking responses to videos of walks?</a> Urban Forestry and Urban Greening. 31, 67-78 (2018).</li>
<li>Gould, S. D. A. R. W. I. N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+Framework+for+Machine+Learning+and+Computer+Vision+Research+and+Development%5BTitle%5D)+AND+%22Journal+of+Machine+Learning+Research%22%5BJournal%5D)">A Framework for Machine Learning and Computer Vision Research and Development.</a> Journal of Machine Learning Research. (Dec), 3533-3537 (2012).</li>
<li>Richardson, D., Matlock, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+integration+of+figurative+language+and+static+depictions%3A+an+eye+movement+study+of+fictive+motion%5BTitle%5D)+AND+%22Cognition%22%5BJournal%5D)">The integration of figurative language and static depictions: an eye movement study of fictive motion.</a> Cognition. 102 (1), 129-138 (2007).</li>
<li>Bojko, A. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aBojko%2C+A+%22Eye+Tracking+the+User+Experience%3A+A+Practical+Guide+to+Research%22">Eye Tracking the User Experience: A Practical Guide to Research</a>. , Rosenfeld, New York. (2013).</li>
</ol>

一般的に、アイトラッキングデータを解析するための標準的なソフトウェアパッケージでは、ベクトル AOI が使用されます。1つの静止画像でも、ベクトルのサイズを簡単に測定することはできません。さらに、画像中の全ての AOIs を含む、AOIs の相対量を計算することは面倒である。説明したような機械学習の手法を使用せずに、ビデオに手動でこれを行うことはほとんど不可能です。これは、自由な表示状況を推測する比較的単純なステートメントでした。はるかに正確なシナリオを使用することができ、同じ刺激の前に異なるシナリオの説明は、眼球の動き11にも影響を与えることができます。
本研究では、映像中の物体を正確に分類し、目に見える範囲を解析する手法を用いた。この方法は、視線の動きが目的のオブジェクトにリンクされている範囲を表す1つの計算方法を表します。これにより、対象となるオブジェクトが、異なる被験者からの視線追跡をモバイルアイトラッキングデバイスと比較する際に、またはデスクトップベースのシステムを使用している場合に異なる場所で制御される視野内に存在する範囲...

都市環境における私たちの日々の経験は、私たちの健康と幸福に大きく影響します。私たちの幸福は、私たちが見ることができる緑の空間の量に依存することができ、1,2,3, そして、これらのビューは、公園の設計についての意思決定を導くために、アイトラッキング機器を使用して定量化することができます.ただし、生成される視線追跡データの量と、このデータの意味に関する問題が発生します。ラボや自然環境で視線データを記録するための設備がより使いやすく、より強力になるにつれて、研究者は、意思決定の質問に役立つデータをどのように収集して分析できるかを検討する必要があります。
これまでのところ、多くのアイトラッキング研究では、調査や実験室の設定4で写真を使用してきました。この方法は、再現性と結果の制御の多くを可能にしながら, ビデオやウェアラブルモバイルアイトラッカーの使用を含むアイトラッキング技術の最新の進歩を活用することができません。.さらに、歩行とリラックスの行為は、特にウェイファインディング5のような仕事に向いているとき、必然的に動的であると主張します。したがって、これらの設定の完全に科学的な理解は、研究室の外で行われるべきです。しかし、現時点では、現実の自然環境でのアイトラッキングは、被験者間の経験を非常に困難なものと比較します。たとえば、ある回答者が樹木を他のものよりも見ているかどうかを比較する場合、自分の視点が他の人に比べて常に変化しているか、または頭が回転しているかどうかを制御する方法があります。これらの条件での詳細な解析は、現在の解析手法ではほぼ不可能です。私たちは、調査されている個人に利用可能な表示領域を制御することが重要であると主張し、分析では、任意の時点で見られている全体のシーンを考慮することができるようにします。
ストレスレベルと安全性の認識を景観ビューに結びつける一連の理論と、応力6,7のよく進化した尺度があります。視線8を測定するアイトラッキング装置の高度化も急速に進展している。目を追跡することは、不随意の目の動きがより確実に好み、ストレスや他の従来の測定よりも、アンケートや、唾液のコルチゾールなどの侵入性の生理学的検査よりも安全に接続される可能性があるため重要です。本研究の目的は、より自然な設定に適用される視線追跡データのより正確な測定を可能にするツールを開発することであり、これにより、公園の設計に情報を提供した長期にわたるランドスケープ理論を反論したり、数 十 年。
このプロジェクトの目的は、パークウォークのシミュレーションのさまざまなビデオに関連する視線追跡データを生成する新しい分析手法を開発し、テストすることです。ここと他の場所で報告された私たちの仕事は、完全にモバイルのアイトラッキングシステムの自然主義的な設定と上記で言及したラボベースの写真研究との中間点を表しています。特に、私たちは刺激材料としてビデオを使用することに集中し、この材料を使用してメルボルン市で異なる公園が生成する魅力の量をテストする方法を模索しています。私たちの仕事は、ビデオの詳細な分析がストレスからの回復を提供するために、公園の可能性の完全な、より自然な評価を行う前に、違反する必要があるステップであるという仮定に基づいています。
本研究では、都市公園を散策した映像を用いたデスクトップ・アイ・トラッカーを用いて、公園内をのんびりと散歩しているとの想像を求めた。我々は、参加者が異なるオブジェクトを見て、公園間で匹敵する時間を費やすことを可能にする方法を説明する。一般に、デスクトップスタディはモバイル ET の研究と比較して制御が容易で、各被験者の比較分析が可能です。
標準的なアイトラッキングソフトウェアでは、手動による対象領域ツールを使用して、オペレータが各シーンで目的のオブジェクトの周囲に手動で境界を描画することができます。これにより、参加者が異なるオブジェクトを見て自動的にカウントされるまでの時間を設定できます。ビデオデータの場合、このプロセスは労働集約的であり、オペレータの主観とエラーの対象となります。アイトラッキング解析ソフトウェアのそれ以降のバージョンでは、AOIs は、それらがビデオで同じサイズである場合、フレーム間でオブジェクトを自動的に追跡することができます。これは改善であるが、これは各画像の少数の刺激に対してのみ使用されることを意図しており、各画像は確認および確認されなければならない。
画像内のオブジェクトの手動ラベリングは一般的であり、GNU 画像操作プログラム (GIMP) などの画像編集ソフトウェアによってサポートされています。1 s が30フレームまたはイメージを生成することを考えると、ビデオの手動ラベリングは実用的ではありません。さらに、樹木の天蓋のような複雑なオブジェクトの端の周りに描画ベクトルポリゴンによる AOI ラベリングは非常に時間がかかります。最後に、ベクトルラベリングを使用してビューのフィールド内のオブジェクトのサイズを計算することは可能ですが、この機能は現在使用できません。
以下で報告する方法は、これらの制限を扱っています。本研究ではオブジェクトの自動ラベリングを採用した。これは、ビデオのすべてのフレーム内のすべてのピクセルにオブジェクトクラスを示すラベルが割り当てられる、セマンティックラベリングと呼ばれる画像処理手法を使用して可能です。機械学習は、対象のオブジェクトクラスごとにピクセル分類子を導出するために使用されます。これらの分類子は、各ピクセルに確率的なラベル (単項電位として知られている) を提供し、最終的なラベル出力を達成するために後続の最適化プロセスでリファインされます。これらの分類子は、テクスチャ、エッジの向きのヒストグラム、RGB カラー値、正規化された画像座標など、画像から抽出されたフィーチャの空間における各オブジェクトクラス間の統計的決定境界を学習します。このための適切な技術は、ダーウィン機械学習ツールボックス10に実装されており、以下に説明されています。

<table><tbody><tr><td>12mmレンズ</td><td>オリンパス</td><td></td><td>レンズ</td></tr><tr><td>パナソニック GH4&nbsp;</td><td></td><td></td>パナソニック <td>ビデオカメラ</td></tr><tr><td>Tobii Studio バージョン (2.1.14)&nbsp;&nbsp;</td><td>Tobii</td><td></td><td>ソフトウェア</td></tr><tr><td>Tobii x120 デスクトップアイトラッカー</td><td>Tobii</td><td></td><td>アイトラッカー</td></tr></tbody></table>

都市公園環境における歩行の映像を自由に視聴する映像コンテンツの分析とアイトラッキングデータを組み合わせる

Combining Eye-tracking Data with an Analysis of Video Content from Free-viewing a Video of a Walk in an Urban Park Environment

都市で生活する人が増えていく中で、日々の動きや収集できるデータを研究する方法が重要で価値あるものとなっています。アイトラッキング情報は、感情、健康状態、精神状態や行動の範囲に接続することが知られています。しかし、ビジョンは絶え間ない目の動きの結果であるため、雑音とは何かということから重要なことは、複雑でデータ集約的である。さらに、彼らに提示されたものと比較して人々が見るものを制御することも重要な課題です。
次に、自然で複雑なシーンのビデオのアイトラッキングを組み合わせて分析する方法と、ビデオのコンテンツを分析するための機械学習手法を示します。このプロトコルでは、撮影したビデオからのデータの分析、ビデオが参加者の視線データを記録するのに最もよく使用される方法、ビデオのコンテンツを分析してアイトラッキングデータと組み合わせる方法に重点をおいています。我々は、結果の簡潔な要約と、複雑な環境におけるさらなる研究のための方法の可能性についての議論を提示する。

図 1と図 2は、すべての参加者のビデオ全体のすべての目のトラッキングデータを取得し、ヒートマップを作成した結果を示しています。これは、アイトラッキングソフトウェアパッケージで利用できる標準的なアプローチです。図1と図 2を比較することにより、図1のビデオの x 座標上で平均的な参加者が左右に走査した図2に比べて、丸い形を示していることが確認できる。図1では、図2の公園と比較して、ビデオ全体で水平方向の要素が増えています。ヒートマップの背後にあるイメージは単一のフレームであり、ビデオの完全な内容を適切に表現していません。</p...

プロトコルの目的は、実験室で使用するためのビデオデータを収集する方法を詳述することです。データを見ている参加者の目を追跡するデータと、機械学習の手法を使用して見ていたビデオのコンテンツを効率的に分析する方法を記録する方法。

As individuals increasingly live in cities, methods to study their everyday movements and the data that can be collected becomes important and valuable. ...

多くのアイトラッキング研究は、複雑なビデオ刺激と現実世界の設定に依存しており、データの分析は非常に複雑です。この解析手法により、現在利用可能な方法よりも、ビデオベースのデータを分析するための、より豊富で自動化されたアプローチが可能になり、より複雑なデータの抽出が豊富になります。この方法は、特に現実世界の状況や刺激としてビデオを使用するもので、多くの異なるアイトラッキングアプリケーションで使用することができます。景観研究は、人々が異なる視覚刺激にどのように反応するかを理解することに依存してきました。この手法とアイトラッキングを組み合わせることで、これらの仮定をテストすることができます。この種の研究では、高いレベルのインプットと配慮が必要な複数の側面に対して、チームアプローチが不可欠です。私と一緒に手順を実証することは、私の大学院生アンドリュー・トラーになります。フィルムシーケンスは、自然光が利用可能であるが、視野の多くを占めるためにできるだけ大きな画面の画面上の反射を避けるために制御することができるアイトラッキング実験室で示されるべきであり、それによって視野の外からの気晴らしを避ける。参加者を画面から60〜65センチメートル離れたところに座った後、参加者がアイトラッキングビデオの文脈で想像できる文章を使って修復が必要であることを想像してもらいます。次に、デスクトップアイトラッキングデバイスを使用して所定のランダムな順序で参加者のフィルムを再生し、各ビデオ中に参加者の目の動きを記録します。対象領域を設計するには、樹木、低木、道標、建物、経路、ステップなど、スタディに関心のある項目を選択します。最適なパフォーマンスと最小限のトレーニング要件を実現するには、互いに目と目で見分けやすい要素や、各ビデオ フレームの異なる領域を一貫して占有する要素を使用します。一般に、各AOIの違いを視覚的に区別する十分なトレーニング例を含め、堅牢なパフォーマンスを得るには十分です。すべての項目が変更されたら、トレーニングセットを構成するトレーニングフレームの適切な数を選択します。適切な固定番号はありません。次に、画像編集ソフトウェアのビデオから各トレーニングフレームを開き、各フレームに対して、ラベリングのためにロードされた画像上に透明な画像レイヤーをオーバーレイし、対象となるオブジェクトクラスごとに1色を提供するカラーパレットを作成します。対象となるサンプル領域の色を選択するには、領域内のピクセルをクリックしてドラッグし、適切なパレット選択でサンプルの領域内で色分けします。フレームのラベリングが完了したら、ベースファイル名が元のフレームベースファイル名と一致するが、最後に C が付加されていることを考慮して、オーバーレイレイヤーを別のイメージファイルとして書き出します。トレーニング済み分類器の精度を定量的に検証するには、トレーニングセットに含める選択されていない元のビデオシーケンスからフレームを選択し、トレーニングフレームが可能な限り正確かつ包括的な状態で示したように、各フレームのピクセルにラベルを付けます。フレームのラベル付けが完了したら、トレーニングと同じ命名規則を使用して、ファイルを別の検証フレーム フォルダーに保存します。ビデオシーケンスの自動ピクセルラベリングの場合は、Darwin グラフィック ユーザー インターフェイスを起動し、[ロード トレーニング ラベル] をクリックします。トレーニングとラベリング用に GUI を構成するには、[プロジェクトの作成] を選択し、ポップアップ ダイアログ ボックスを使用してプロジェクト名を指定します。ポップアップウィンドウで、ビデオシーケンスの元のフレームをすべて含むフォルダを選択します。ポップアップ ファイル エクスプローラダイアログ ボックスを使用して、関連するビデオ シーケンスのラベル付きトレーニング イメージが含まれているフォルダを選択します。ファイル エクスプローラダイアログ ボックスで、関連するビデオ シーケンスのラベル付き検証イメージをすべて含むフォルダを選択します。プロンプトに従って、トレーニングで使用されているのと同じカラーパレットを使用して、ラベル付き画像の形式で表示されるすべての出力フレームの宛先フォルダを選択します。ポップアップダイアログボックスを使用して、対象エリアの下に、トレーニング例で各地域をマークするために使用される赤/緑/青の値を含むラベル付けする対象領域を入力します。アルゴリズムは、各ラベル付きトレーニングフレームを調べ、ピクセルを対象の指定されたオブジェクトクラスのいずれかに分類するための外観のモデルを学習します。トレーニングが完了したら、[トレーニングの検証] をクリックします。ファイル エクスプローラダイアログ ボックスで、関連するビデオ シーケンスのラベル付き検証イメージをすべて含むフォルダを選択します。生成されたラベルを視覚的に検証するには、[ビジュアル検証] をクリックします。生成されたラベル付きイメージは、元の検証フレームの横に表示されます。定量的または定性的な検証で観察された精度が許容レベルを下回る場合は、トレーニング例を含め、再トレーニングします。分類子のトレーニングと検証の各フェーズが完了したら、[実行の推定] をクリックして、トレーニング済みの分類子を使用してビデオ シーケンス内のすべてのフレームの完全なラベル付けを開始します。ラベルが完成し、数時間かかる場合があります。ほとんどのアイトラッキングソフトウェアは、ヒートマップが丸い形状を示す2番目のビデオと比較して、参加者が平均して最初のビデオのビデオのx座標で左右にスキャンしたことを示します。この論文で説明した機械学習ピクセルラベリング手法を使用すると、より詳細な情報を得ることができます。固定率時間のこのグラフィカルな表現は、ビデオの過程でパスがはっきりと見えるということを示しています。しかし、視線追跡データのこの図が示すように、参加者は重要なポイントで時折この機能を見ただけです。ここでは、ビデオの長さ全体のオブジェクトを見たときに、この代表的な研究のすべての39人の参加者の住み時間の概要が示されています。このグラフでは、同じ時間データを、異なるオブジェクトがビデオで占める時間と空間の量で割った。値が 1 の場合、その時間はビデオ内のオブジェクトの量によって考慮できることを示します。たとえば、両方のイメージの空など、あまり適切でないオブジェクトは、他のオブジェクトよりも比較的少なく表示されていました。街灯やベンチなどの人工物は、他の自然物と比較してより大きな範囲に住んでいました。このような分析は、注意と顕著さの質問を調べるための多くの幅広い用途を持ち、さまざまな研究分野に多くの広範な応用を持つことができます。視覚刺激としての短編映画の使用がますます一般的になるにつれて、我々はこの技術がより一般的になることを期待しています。

combining-eye-tracking-data-with-an-analysis-video-content-from-free

Research

JoVE Journal

Environment

環境

幼児ない受動的、世界を観察が、むしろ積極的に探索を行い環境に従事。このプロトコルは、原則の自然な動作のコンテキストで乳児を記録する目のヘッド...

アクションの視線: 自然主義的な行動の中に子供の動的視覚的注意のヘッド マウント型の目の追跡

これは 3 名の参加者で見る社会映像シーンの最初の瞬間に目追跡データの定性的比較事例分析: 自閉症スペクトラム障害併存注意欠陥多動障害の 1 つ、1 つ 1...

動画の社会制御の高機能 ASD の併発 ADHD 児の目追跡データを比較します。

ここでは、非認知症パーキンソン病患者における眼球運動パラメータと認知機能との関係を研究するプロトコルを提示する。実験では、アイトラッカーを使用して、視覚的な検索タスクでサカディック振幅と固定時間を測定しました。その後、マルチドメイン認知タスクのパフォーマンスとの相関関係を測定した。...

眼球追跡を用いた非認知症パーキンソン病患者における眼球運動パラメータと認知機能の関係の特徴付け

マルチモーダルセンサーの使用は、教育の設定における社会的相互作用の役割を理解する有望な方法です。本論文では、モバイルアイトラッカーを用いて共振ダイアドから関節視覚的注意を捉える方法論について述べている。...

モバイルアイトラッカーを用いた関節視覚注意を捉える方法論

この研究は、孤独な観客が合理的で感情的な魅力の集中砲火ビデオを見たときに孤独がどのように軽減されるかを研究するためのアクティベーションマッチモデルを提案しています。このプロトコルは、アイトラッキングを使用して期間と固定を文書化し、感情的なニーズがコンテンツや集中砲火によって緩和されたときに満足度を考慮します。...

孤独を引き起こす:集中砲火ビデオを見ている観客をアイトラッキング

本プロトコルは、シミュレートされた廃用環境への曝露後のラットの歩行運動変化を描写するための3次元運動追跡/評価を記載する。...

げっ歯類における不活動誘発歩行変化の包括的理解

アイトラッキングは、情報処理をプローブするための非侵襲的な方法です。この記事では、アイトラッキングを使用して、短時間パイロットのフライトシミュレーション緊急タスク中の視線行動を研究する方法について説明します(つまり、&lt;350飛行時間)。...

複雑な航空タスク中のアイトラッキングによる情報処理への洞察

この方法論では、視運動および全身回転中の視線安定化に対する視覚的および前庭の寄与を調査しました。刺激は、視覚、前庭、および視前庭の試験を通じて実施されました。ねじれ眼球運動の増加と眼振の頻度は、各試験の反射的脳幹反応に対する感覚特異的運動情報の皮質下リレーの指標として機能しました。...

アイトラッキングを使用して、ロール面での皮質下運動処理に対する視覚および前庭入力の相対的な重要性を評価する

機械的な細胞破壊、溶媒ベースの脂質抽出、エステル交換、および定量化およびガスクロマトグラフィーを用いて脂肪酸の同定に基づく微細藻類中の脂肪酸含量および組成の決定のための方法が記載されている。 tripentadecanoin内部標準抽出及び不完全なエステル交換時の損失の可能性を補償するために使用される。...

微細藻類中の脂肪酸含量および組成の分析

本論文では、からの流出水に化学成分の定量化のために選択された間隔で、時間と流出サブサンプル集で、総流出量を測定するために装備24の個別33.6メートル2フィールドプロットを含む千メートル2施設の設計、建設、および機能について説明しますシミュレートされた家の芝生。...

アーバン流出研究施設の設計と建設

学ぶアイトラッキング映像データの機械学習による自動解析手法。複雑な視覚刺激に対する注視行動を定量的に分析し、景観研究や神経科学の応用に貢献します。

都市公園環境における歩行の映像を自由に視聴する映像コンテンツの分析とアイトラッキングデータを組み合わせる

さらに動画を探す