贝叶斯动力学模型解析注视性眼动的个体差异与微跳触发机制

这篇综述创新性地采用贝叶斯数据同化方法，构建自回避随机游走模型（SAW）解析高精度眼动追踪数据中的注视性眼动（fixational eye movements）统计特征。研究通过计算模型似然函数实现个体化参数估计，首次揭示生理性漂移（physiological drift）与微跳（microsaccades）的动力学关联，证实SAW模型潜变量激活可预测微跳触发机制，为理解视觉信息处理的个体差异提供了量化工具。

　　

摘要

人类即使在视觉注视期间也会产生无意识的微小眼动，包括慢成分（生理性漂移和震颤）与快成分（微跳）。研究团队通过高分辨率眼动追踪实验数据，建立自回避随机游走（SAW）模型的贝叶斯动力学框架，首次实现个体观察者水平的参数估计。模型拟合显示，SAW预测的潜变量激活与微跳发生存在显著关联，支持微跳存在触发机制的假说。

模型构建

SAW模型将生理性漂移定性为统计自回避随机游走，在100×100网格上模拟准连续运动。关键参数包括：

• 激活衰减速率γ（控制记忆持续时间）
• 步长分布参数r_i
  、r_j
  （决定运动幅度）
• 势场斜率λ（约束注视范围）
  通过微分进化自适应Metropolis算法（DREAM）进行贝叶斯参数估计，获得个体化后验分布。

个体差异表征

对48名受试者的眼动数据分析显示：

1. 步长参数r_i
   、r_j
   与实验测量步幅强相关（r>0.9）
2. 方向偏好参数?（0.9-1.3）反映个体对基本运动方向的倾向性
3. 势场参数λ解释89%的个体间变异，提示注视控制策略差异

后验预测验证

模拟数据成功复现关键实验特征：

• 步长分布（KS检验p>0.05）
• 绝对转向角在0°、90°、180°、270°出现峰值
• 短时程（<50ms）超扩散（Hurst指数>1）与长时程（>100ms）亚扩散（Hurst指数<1）的转变

微跳触发机制

模型潜变量q_t
(i,j)在微跳发生前200ms显著上升（p<0.001），较随机对照高32%。比较模型变体发现：

1. 仅含势场的模型（W）无法复现激活峰值
2. 无势场的自回避模型（SAW-NP）预测误差增加47%
   证实微跳触发与注视位置控制机制密切关联。

讨论

该研究突破性地实现三点：

1. 首次量化个体注视性眼动的动力学参数
2. 揭示潜变量激活可作为微跳预测指标
3. 为"漂移-微跳协同作用"理论提供计算证据

局限性包括视频眼动仪的空间分辨率限制（无法捕捉<0.01°震颤），以及静态势场假设未考虑任务调制效应。未来可结合分层贝叶斯框架探索认知任务对眼动参数的动态影响。

方法学创新

研究采用DREAM_ZS
算法实现高维参数空间探索，通过：

1. 多链马尔可夫蒙特卡洛采样
2. 训练集/测试集分离验证（2:1比例）
3. 后验预测检查（PPC）确保模型稳健性

实验数据来自Eyelink 2系统（500Hz采样率），严格排除眨眼和幅度>1.2°的试次。微跳检测采用Engbert速度阈值算法，确保事件识别一致性。