Разработка и проверка глубоких нейронных сетей для идентификации и классификации мерцания

Этот метод основан на сегментации радужной оболочки и склеры обоих глаз по полученным изображениям с использованием современных нейронных архитектур кодировщика-декодера глубокого обучения (DLED). Последовательность сегментированных кадров подвергается постобработке для расчета расстояния между веками каждого глаза (глазной щели) и соответствующего диаметра радужной оболочки. Эти величины фильтруются во времени, а их доля подвергается адаптивной пороговой обработке для идентификации моргания и определения его типа независимо для каждого глаза. Два DLED были обучены с помощью сегментированных вручную изображений, а постобработка была параметризована с помощью 4-минутного видео. После обучения DLED предложенная система была протестирована на 8 различных субъектах, каждому из которых было показано 4-10-минутное видео. Несколько показателей обнаружения моргания и точности классификации были рассчитаны по отношению к истине, полученной тремя независимыми экспертами, чьи конфликты разрешались старшим экспертом. Предполагается, что две независимые идентификации моргания согласуются тогда и только тогда, когда существует достаточное временное перекрытие, а тип моргания одинаков между системой DLED и наземной истиной.