Rozwój i walidacja głębokich sieci neuronowych do identyfikacji i klasyfikacji migania

Metoda ta opiera się na segmentacji tęczówki i twardówki w obu oczach z uzyskanych obrazów, przy użyciu najnowocześniejszych architektur neuronowych koder-dekoder głębokiego uczenia się (DLED). Sekwencja podzielonych ramek jest poddawana obróbce końcowej w celu obliczenia odległości między powiekami każdego oka (szczelina powiekowa) i odpowiedniej średnicy tęczówki. Wielkości te są czasowo filtrowane, a ich ułamek poddawany jest adaptacyjnemu progowaniu w celu identyfikacji mrugnięć i określenia ich rodzaju, niezależnie dla każdego oka. Dwie diody DLED zostały przeszkolone za pomocą ręcznie podzielonych obrazów, a proces końcowy został sparametryzowany za pomocą 4-minutowego wideo. Po szkoleniu DLED proponowany system został przetestowany na 8 różnych osobach, z których każda zawierała 4-10-minutowy film. Kilka wskaźników wykrywania mrugnięć i dokładności klasyfikacji zostało obliczonych na podstawie prawdy podstawowej, która została wygenerowana przez 3 niezależnych ekspertów, których konflikty zostały rozwiązane przez starszego eksperta. Zakłada się, że dwie niezależne identyfikacje mrugnięć są zgodne, wtedy i tylko wtedy, gdy występuje wystarczające nakładanie się czasowe, a rodzaj mrugnięcia jest taki sam między systemem DLED a prawdą podstawową.