验证时间眼动追踪指标作为攻击性特征的正交生物标志物:一项混合效应分析 Omar Alvarado-Cando、 Oscar Casanova-Carvajal 和 José-Javier Serrano-Olmedo

《Journal of Eye Movement Research》:Validating Temporal Eye Tracking Metrics as Orthogonal Biomarkers for Aggressive Traits: A Mixed-Effects Analysis Omar Alvarado-Cando, Oscar Casanova-Carvajal and José-Javier Serrano-Olmedo

【字体: 大 中 小 】 时间:2026年05月01日 来源:Journal of Eye Movement Research 2.8

编辑推荐:

  摘要 对厌恶或威胁性刺激的非典型视觉关注是攻击性行为的一个临床相关特征。然而,持续视觉分配与早期定向之间的发展差异仍不清楚。本研究考察了119名儿童和青少年(51名男性,68名女性)的视觉注意偏好的时间动态,这些样本在临床和行为上被分为攻击性和非攻击性两组

  摘要 对厌恶或威胁性刺激的非典型视觉关注是攻击性行为的一个临床相关特征。然而,持续视觉分配与早期定向之间的发展差异仍不清楚。本研究考察了119名儿童和青少年(51名男性,68名女性)的视觉注意偏好的时间动态,这些样本在临床和行为上被分为攻击性和非攻击性两组。使用来自国际情感图片系统(IAPS)的标准化情感刺激对进行自由观看范式,眼动追踪分析重点关注首次注视方向和停留时间。推断分析采用线性混合效应模型(LMM)和广义线性混合效应模型(GLMM)进行。线性模型显示行为条件的主效应显著:无论发展阶段如何,具有攻击性特征的个体对负面刺激表现出更持续的视觉分配。相比之下,GLMM对首次注视方向的分析发现年龄与条件的交互作用显著,表明在攻击性青少年组中早期定向差异更为明显。这些发现表明,对负面内容的持续视觉偏好可能是攻击性特征的相对稳定的相关因素,而早期定向差异可能随发展阶段而变化。这两种时间眼动追踪测量方法可以为未来的攻击性筛查计算方法提供互补信息。总之,这两个时间眼动维度可能为未来的机器学习流程提供一个有用的特征空间,并可作为比较计算预测与临床确定的事实的补充候选标志。

1. 引言
青少年的攻击性行为是一个重大的公共卫生问题,其根源在于社会信息处理的适应不良模式(SIP)。根据SIP模型,攻击性个体倾向于将模糊的社会信号解读为敌对的,这种现象称为敌对归因偏差[1,2]。传统上,这种特征的临床和法医评估主要依赖于标准化的自我报告问卷和观察量表。虽然Buss-Perry攻击性问卷[3]、Br?set暴力检查表(BVC)[4]和动态情境攻击性评估(DASA)[5]等工具在预测即将发生的暴力方面表现出较强的可靠性和有效性[6],但它们依赖于主观评估,这限制了其可扩展性和对攻击性认知基础的机制洞察。最近的神经认知证据表明,攻击性行为不仅仅是高级认知错误,而是基于早期阶段的视觉注意力缺陷[7,8,9]。具体来说,攻击性个体的视觉系统可以调整以优先检测和维持对威胁性刺激的关注,从而强化敌对认知和反应性行为的循环[10,11,12]。眼动追踪研究表明,具有较高敌对特征的个体在视觉注意力方面表现出系统性差异,包括对负面或暴力刺激的选择性关注以及对社会相关线索的定向改变[13,14,15,16]。然而,视觉注意力不是一个单一的过程,它包括两个由不同神经网络控制的时间组成部分:(i) 初始定向(自下而上),一种由刺激的显著性驱动的快速自动捕获机制,由杏仁核和纹状体回路介导;(ii) 注意力维持(自上而下),一种由前额叶皮层(PFC)调节的受控持续参与,以脱离情绪干扰[17,18,19]。在攻击性的背景下,区分这两种机制至关重要。

尽管这两种注意力机制在理论上是清晰的,但现有文献关于眼动追踪分类的结果存在冲突,主要是由于样本量小以及数据跨广泛年龄范围的汇总。我们认为这种发展性汇总掩盖了关键的生理差异。青春期的特点是神经发育不匹配,与情绪反应相关的边缘结构比负责认知控制的前额叶区域成熟得更早[20,21]。因此,儿童时期的攻击性视觉处理与青春期巩固的视觉处理存在根本差异。因此,必须将发展阶段作为关键的交互变量进行建模。除了发展性混杂因素外,以往的研究往往还存在方法学上的异质性。方法学最佳实践明确建议定义理论兴趣区域(AOIs)并依赖明确的注视指标,而不是大型探索性测试组合[22,23,24]。从生物医学工程的角度来看,克服这些限制对于识别可作为自动化分类系统可靠输入的客观生理特征至关重要。尽管功能性神经成像(fMRI)和可穿戴生物传感器在预测攻击性方面表现出中等到强的有效性[25,26],但它们通常成本高昂或解剖学上有限制。相反,时间眼动追踪指标,特别是注视开始和停留时间,提供了一种非侵入性的、高分辨率的方法来量化这些偏差。尽管当前的眼动追踪测量作为独立指标与攻击性倾向有显著但适度的关联[22],但将它们作为正交维度整合起来可以大大改进计算分类。

本研究旨在通过应用混合效应建模方法,对包含标准化情感刺激(IAPS)的自由观看范式来解开攻击性青少年的视觉注意力的时间动态。我们测试了这样一个假设:自上而下的调节缺陷(注意力维持)是攻击性的稳定特征,而自下而上的过度警觉(初始定向)是青春期巩固的发展模式。通过将这些正交眼动维度与临床事实进行验证,本研究旨在为未来的AI辅助诊断工具建立一个稳健的特征空间。

2. 材料与方法
本研究采用了在厄瓜多尔教育系统内进行的观察性分析病例对照设计。该方法论框架旨在系统地描述预分层行为组(攻击性 vs. 非攻击性)之间的眼动差异,而不操纵攻击性水平。该设计能够检查攻击性特征与注意力生物标志物之间的关联,同时最小化干预相关的偏差。

2.1. 参与者
共有119名学生参与了这项研究,他们来自小学和中学,并被组织成两个年龄均衡的组。所有参与者都接受了由持证心理健康专业人士(临床心理学家和神经心理学家)进行的严格的多信息源临床评估,以确定攻击性水平。诊断协议基于方法论三角测量,包括:(i) 来自经过验证的攻击性量表的标准化心理测量分数;(ii) 与父母或监护人的结构化访谈,以评估行为历史;(iii) 教育机构心理学部门提供的临床确认。儿童组包括60名参与者(23名男性,37名女性),年龄在6-10岁之间,其中30名被归类为攻击性,30名被归类为非攻击性。青少年组包括59名参与者(28名男性,31名女性),年龄在13-16岁之间,其中29名被归类为攻击性,30名被归类为非攻击性。攻击性水平使用两种适合年龄的、经过验证的西班牙语工具进行评估。使用不同的量表在理论上是必要的,因为攻击性的表型表现会随着神经发育阶段而演变。对于儿童组,我们使用了Cuestionario de Agresividad Física y Verbal (AFV) [27],这是Physical and Verbal Aggression Scale [28]的西班牙语翻译版本,具有较高的内部一致性(Cronbach’s α)。对于青少年组,我们使用了Cuestionario de Agresividad Premeditada e Impulsividad en Adolescentes (CAPI-A) [29],这是一个专为拉丁美洲青少年设计的西班牙语工具,也具有较高的可靠性(Cronbach’s α)。根据多来源评估框架,参与者根据临床标准被分为“攻击性”和“非攻击性”两组。

从父母或法定监护人处获得了书面知情同意,并得到了参与者的同意。本研究遵守了赫尔辛基宣言,并得到了机构审查委员会(UCCUE-CEISH-2024-045)的批准。

2.2. 刺激
视觉刺激包括从国际情感图片系统(IAPS)[30,31]中选出的32张标准化照片。由于IAPS图像受使用限制协议的约束,因此原始刺激未在本手稿中复制。为了便于复制,实验中使用的IAPS目录编号、规范评分和试验配对将在补充材料中提供。刺激选择基于IAPS手册中报告的规范情感评分。正面图像来自评分范围为6到9的刺激,而负面图像来自评分范围为1到4的刺激。中性图像(评分=5)被排除在外。此外,由于样本包括儿童和青少年,还应用了额外的排除标准,以去除包含明确性内容或极端血腥内容的图像;必要时,用同一评分范围内的下一个合格图像替换被排除的图像。所有选定的图像都被标准化为相同的像素尺寸,并以统一的视觉角度呈现。此外,对16对刺激进行了计算评估,以最小化每对中正面和负面图像之间的系统级视觉属性差异。配对比较基于Itti-Koch模型[32]、视觉熵[ ]和平均亮度[ ]确认了算法显著性上的类别间差异不存在。

2.3. 设备
视觉刺激显示在27英寸LCD显示器上(1920 × 1080像素;60 Hz)(LG Electronics Inc.,韩国平泽市)。刺激的呈现和实验使用Gazepoint Analysis (v6.9.0)和Gazepoint Control (v6.9.0)编程。眼动使用桌面安装的视频眼动仪GP3 HD(Gazepoint Research,加拿大不列颠哥伦比亚省温哥华)以150 Hz的频率记录。该设备利用角膜反射和暗瞳孔检测技术来估计相对于屏幕坐标的注视向量,使用高分辨率图像传感器和专用处理单元。通过在防光房间进行任务来仔细控制设置。

2.4. 程序
参与者按照制造商的技术建议,以65厘米的固定观看距离坐在显示器前。眼动追踪传感器位于显示器底部,在整个会话过程中不会造成干扰。为了最小化运动干扰和注意力偏差,参与者无法使用键盘或鼠标,也不需要手动响应。

2.5. 数据预处理
原始注视数据使用Python (v3.13)实现的结构化预处理流程进行处理,以确保信号完整性并提取用于推断分析的眼动变量。AOIs基于刺激的评分和空间边界预先定义。每个试验包含两个AOIs,一个对应于正面图像,另一个对应于负面图像,因此在16个试验中总共有32个AOIs。初步数据清洗集中在眼动追踪信号的瞬态丢失上,特别是眨眼。为了提高停留时间估计的有效性,使用原始硬件变量Blink ID和Blink Duration识别与眨眼相关的伪影。在自定义的预处理流程中,将注视期间发生的任何眨眼的持续时间从该AOI的累积停留时间中减去。这种校正确保了停留时间估计反映了积极的视觉参与,而不是信号中断。

对于与延迟相关的预处理,从未注视到AOI的试验被编码为该AOI的第一次注视时间(TTFF)的缺失值(NaN)。这些缺失值没有应用插值程序,因为在自由观看试验中未发生注视被视为对该AOI的实际无视觉分配,而不是需要重建的值。然后应用了严格的有效性标准。当两个感兴趣区域(AOIs)的累积停留时间为0毫秒时,这些试验被排除在外,这表明在3000毫秒的展示窗口内,没有一张图像受到主动的视觉检查。只有有效的试验被保留下来用于后续的推断分析。经过质量控制后,使用验证过的试验级数据集来推导出两个互补的结果变量:一个基于停留时间的持续视觉分配的连续度量,以及一个基于第一次有效注视方向的早期定向的二元度量。

2.5.1 注意力维持偏差(停留时间)
持续视觉分配是通过每次试验中两个AOIs内的停留时间来量化的。对于每个参与者和每次试验,计算出一个试验级的标准化偏差指数(NBI),以表示在控制了试验间总观看时间差异的情况下,正面和负面图像之间的停留时间分布[33,34]。因此,NBI是在试验级别上在受试者内部计算的,随后使用混合效应框架对重复观察结果进行建模。NBI的定义如下:
(1) 该指数的范围是从-1到+1,其中负值表示在负面刺激上停留时间相对较长,正值表示在正面刺激上停留时间相对较长,接近0的值表示两种图像之间的观看时间分布更均衡。这种转换用于捕捉相对的注意力偏好,而不是绝对的注视持续时间。

2.5.2 初始定向度量(第一次注视方向)
早期定向被定义为每次试验中第一次有效注视的方向。尽管在预处理过程中提取了每个AOI的第一次注视时间(TTFF),但它并没有被用作推断结果变量。相反,TTFF仅用于识别在刺激显示期间哪个AOI首先获得了有效注视。因此,将TTFF较短的那个AOI分类为首次注视的AOI。基于这一规则,创建了一个用于推断分析的二元试验级变量:1 = 正面刺激首次被注视,当正面价值的AOI首先获得有效注视时;0 = 负面刺激首次被注视,当负面价值的AOI首先获得有效注视时。那些两个AOI都没有获得任何注视的试验被排除在分析之外,因为无法确定首次注视的方向。

2.6 统计分析
在推断建模之前,考虑了眼动数据集在试验级别的分析结构。由于每个参与者在16次实验试验中都提供了重复观察结果,因此得到的数据具有层次结构,其中试验嵌套在受试者内部,这违反了传统固定效应参数方法所需的独立性假设。此外,对汇总的受试者级数据进行的Shapiro-Wilk检验表明,时间维持偏差()和初始定向概率()显著偏离正态分布。因此,选择混合效应建模作为最合适的推断框架,因为它允许同时估计总体水平的固定效应和受试者特定的随机变异性。这一理由与之前用于重复观察和非正态行为结果的基于GLMM的方法论方法一致[35]。
所有统计程序都是在R(奥地利维也纳的R统计计算基金会)中使用lme4包[36]实现的。注意力维持,通过连续的标准化偏差指数(NBI)来操作化,使用限制最大似然(REML)估计的LMM进行分析。相比之下,初始定向被定义为二元试验级结果(正面刺激首次被注视 vs. 负面刺激首次被注视),使用具有二项误差分布和logit链接函数的GLMM进行分析。模型拟合使用赤池信息量准则(AIC)和贝叶斯信息量准则(BIC)进行总结,这些是基于似然的信息准则,用于量化拟合优度和模型复杂性之间的权衡;较低的值表示在比较同一数据集上估计的模型时拟合更为简洁。使用这些准则与之前基于GLMM的分析一致,其中AIC和BIC被用来比较竞争模型并减少过拟合的风险[35]。
在两种建模框架中,年龄组(儿童 vs. 青少年)、行为条件(攻击性 vs. 非攻击性)及其交互作用被指定为固定效应,而受试者ID被包括为随机截距,以解释眼动行为之间的基线差异。为了便于解释模型系数和交互作用项,应用了处理对比编码。相应地,截距的参考水平被定义为攻击性青少年组。
由于标准的lme4对象不报告LMM固定效应的p值,因此使用lmerTest包中实现的Satterthwaite近似来估计统计显著性[37]。最后,当检测到显著的交互作用效应时,使用emmeans包[38]计算了事后成对比较和估计的边际均值(EMMs),并进行了多重比较的调整。

3. 结果
在推断建模之前,对注视数据集进行了质量控制程序。对于完成16次实验试验的119名参与者,预期的总试验数为1904次。当在整个3000毫秒的刺激窗口内,正面或负面AOI都没有获得任何注视时,这些试验被排除(导致试验级的停留时间为0毫秒)。这种模式通常反映了瞬间的追踪丢失或屏幕外的观看,这在儿童眼动范式中很常见。共有37次试验被排除,保留率为98.06%(1867次有效试验)。大多数被排除的试验集中在儿童组(36次),而在青少年组中只观察到1次被排除的试验。在儿童组内,被排除的试验占攻击性组总试验数的3.33%(16/480)和非攻击性组4.17%(20/480),表明按行为条件划分的试验排除没有显著不平衡。没有施加额外的最小观看时间阈值来排除试验。

对于保留的1867次试验,全球视觉参与指标表明整体任务参与度良好。平均而言,参与者在注视十字消失后需要0.79秒将视线转向目标图像之一。此外,预定义AOIs内的平均活跃停留时间为每次试验2.064秒,表明参与者在3000毫秒的刺激期间大约有68%的时间用于对配对图像的主动视觉探索。皮尔逊相关分析显示停留时间偏差和注视次数偏差()之间存在强烈的正相关。因为这两个度量指标都反映了相同的视觉分配维度,因此仅使用连续的停留时间指标(NBI-Time)进行了注意力维持的推断分析,从而避免了冗余建模和家族误差率的不必要膨胀。

3.1 注意力维持偏差(停留时间)
一个LMM被拟合到试验级的NBI值上,以检查年龄组和行为条件对持续视觉分配的影响。固定效应在表1中总结。模型显示,固定效应解释了方差的相当一部分(边际),在包括参与者的随机截距后,这一比例有所增加(条件)。表1. 关于注意力维持偏差的线性混合效应模型的固定效应。如表1所示,参考组(攻击性青少年)的截距显著低于零(),表明该组在负面刺激上的停留时间相对较长。如图2所示,也观察到了行为条件的显著主效应,即非攻击性参与者的NBI值平均比攻击性参与者高0.16个单位()。这种模式表明,具有攻击性特征的参与者比非攻击性同伴在负面刺激上分配了相对更多的持续观看时间。

3.2 初始定向偏差(第一次注视方向)
一个具有二项分布和logit链接函数的GLMM被拟合到试验级的第一次注视方向结果(正面刺激首次被注视 vs. 负面刺激首次被注视),以检查早期定向是否随年龄组和行为条件而有所不同。固定效应在表2中总结。表2. 关于第一次注视方向的广义线性混合效应模型的固定效应。如表2所示,参考组(攻击性青少年)的截距显著为负(),表明在该组中,第一次注视正面刺激的概率低于0.50。也观察到了行为条件的显著主效应(),表明非攻击性参与者比攻击性参与者更有可能将第一次注视转向正面图像。年龄组的显著主效应没有达到统计显著性()。然而,年龄组×行为条件的交互作用是显著的(),表明行为条件与第一次注视方向之间的关联在发展阶段上存在差异。估计的边际均值(EMMs)是在logit尺度上计算的,随后转换回预测概率以便于解释这种交互作用。如图3所示,年龄组与行为条件之间的交互作用显示出发展调节的第一次注视方向模式。在儿童组内,攻击性和非攻击性参与者的预测概率接近机会水平,并且置信区间有重叠(攻击性:0.46,95% CI [0.42, 0.52];非攻击性:0.43,95% CI [0.39, 0.48];OR = 1.13,z = 0.94,p = 0.347)。这种模式表明,在儿童期,初始定向在两组之间没有明显的组间差异。

3.2. 初始定向偏差(第一次注视方向)
一个具有二项分布和logit链接函数的GLMM被拟合到试验级的第一次注视方向结果(正面刺激首次被注视 vs. 负面刺激首次被注视),以检查早期定向是否随年龄组和行为条件而有所不同。固定效应在表2中总结。表2. 关于第一次注视方向的广义线性混合效应模型的固定效应。如表2所示,参考组(攻击性青少年)的截距显著为负(),表明在该组中,第一次注视正面刺激的概率低于0.50。也观察到了行为条件的显著主效应(),表明非攻击性参与者比攻击性参与者更有可能将第一次注视转向正面图像。年龄组的主效应没有达到统计显著性()。然而,年龄组×行为条件的交互作用是显著的(),表明行为条件与第一次注视方向之间的关联在不同发展阶段有所不同。估计的边际均值(EMMs)是在logit尺度上计算的,随后转换回预测概率以便于解释这种交互作用。如图3所示,年龄组与行为条件之间的交互作用揭示了发展调节的第一次注视方向模式。在儿童组内,攻击性和非攻击性参与者的预测概率接近机会水平,并且置信区间有重叠(攻击性:0.46,95% CI [0.42, 0.52];非攻击性:0.43,95% CI [0.39, 0.48];OR = 1.13,z = 0.94,p = 0.347)。这种模式表明,在儿童期,初始定向在两组之间没有明显的组间差异。图3. 随年龄组和行为条件变化的第一次注视方向的预测概率。y轴表示第一次有效注视朝向正面刺激的概率。0.50处的虚线表示朝向任一图像的第一次定向概率相等。低于0.50的值表示朝向负面刺激的第一次定向概率相对较高。误差条代表95%的置信区间。然而,在青春期,发展轨迹出现了分歧。尽管非攻击性青少年组保持朝向任一图像的定向概率接近相等(0.48,95% CI [0.44, 0.53]),但攻击性青少年朝向正面图像的第一次注视概率较低(0.41,95% CI [0.37, 0.46])。这种对比在统计上是显著的(OR = 0.75,z = ?2.18,p = 0.029),表明具有攻击性特征的青少年更倾向于首先朝向负面刺激定向。

总的来说,这些发现表明,早期定向的组间差异在青春期比在儿童期更为明显。图4总结了两个推断模型中固定效应的幅度、方向和统计显著性。在A面板中,行为条件是停留时间偏差的唯一显著预测因素,而年龄组或交互作用项都没有达到显著性。在B面板中,年龄组与行为条件之间的交互作用是与第一次注视方向相关的关键效应。综合来看,这些模型表明持续视觉分配和初始定向之间存在分离。攻击性特征与两个年龄组中负面刺激上的相对较长停留时间相关,而第一次注视方向的差异在青春期比在儿童期更为明显。这种模式表明,对负面内容的持续观看偏好可能代表了攻击性特征的更稳定相关因素,而早期定向的差异可能在不同发展阶段有所不同。图4. 森林图总结了推断模型的固定效应。(A)注意力维持偏差的LMM预测因子(贝塔系数)。(B)第一次注视方向的GLMM预测因子(比值比)。该图对比了行为条件对停留时间分配的主效应与年龄组×行为条件对第一次注视方向的观察结果。星号表示统计显著性(* p < 0.05,** p < 0.01)。

4. 讨论
本研究考察了与攻击性特征相关的视觉注意力的两个时间组成部分的发展差异:通过停留时间偏差指标的持续视觉分配,以及通过第一次注视方向指标的早期定向。结果表明,这两个组成部分之间存在分离。在两个年龄组中,攻击性参与者对负面刺激的持续注视分配更多,而第一次注视方向的差异在青春期比在儿童期更为明显。这些发现支持这样的观点:不同时间点的眼动追踪测量可以捕捉与攻击性特征相关的社会情感信息处理的互补方面。当前的研究结果与先前将攻击性行为与社会情感信息偏见处理联系起来的证据一致。从社会信息处理(SIP)的角度来看,具有攻击性倾向的个体倾向于表现出敌对的归因模式,并优先关注负面或威胁性线索[13,39,40]。在此背景下,当前的结果表明,攻击性特征与对负面内容的持续视觉偏好有关,而早期的定向差异似乎会随着发展阶段的不同而变化。

4.1 对负面刺激的持续视觉分配
线性混合模型(LMM)显示,无论发展阶段如何,具有攻击性的参与者都表现出比非攻击性参与者更高的标准化偏差指数(NBI)值,这表明他们在负面图像上停留的时间相对较长。从行为学角度来看,这种模式表明具有攻击性特征的个体对负面内容的视觉注意力分配更为持久。这一发现与先前将攻击性与社会情感信息的偏见处理以及对厌恶或威胁性线索的优先关注联系起来的文献一致[13,39,40]。从神经认知的角度来看,对情感显著材料的持续视觉探索通常与前额叶和边缘系统相关的调节过程有关[41]。然而,由于本研究采用了一种自由观看范式,没有明确的任务目标或竞争性的任务相关目标,因此这些数据应谨慎解读。更具体地说,当前的结果提供了对负面刺激的持续视觉偏好的证据,而不是直接证明无法脱离这些刺激。

重要的是,年龄组与行为条件之间没有显著的交互作用,这表明这种模式在儿童和青少年中都存在。从发展的角度来看,这表明对负面社会情感信息的持续视觉分配可能是这些年龄段攻击性特征的相对稳定相关因素。反复偏好负面内容可能会导致适应不良的解释和反应模式,包括攻击性文献中描述的敌对归因倾向。

4.2 初始定向的发展差异
与停留时间的研究结果相反,首次注视方向的广义线性混合模型(GLMM)表明,与攻击性特征相关的早期定向模式受到发展阶段的调节。具体来说,攻击性和非攻击性参与者之间的差异在青少年时期更为明显,而两个行为组的儿童在首次注视概率上表现出更多的相似性。这些发现也应在当前范式的限制范围内进行解读。在自由观看条件下,参与者可以自由地观看任何图像,没有任务相关目标与干扰物竞争。因此,观察到的模式更适当地描述为对负面刺激的相对偏好,而不是注意力的捕获或非自愿的高度警觉的明确证据。这种区分很重要,因为当前的设计支持关于优先视觉分配的推断,但不支持关于无法抑制对任务无关材料的注意力的推断。在这种解释范围内,青少年的模式在理论上仍然相关。攻击性青少年更倾向于首先注视负面图像的倾向可能与提出在青少年时期社会情感反应性增强与调节系统尚未完全成熟之间不匹配的发展理论相符[42]。从这个意义上说,当前的数据并没有证明对威胁的早期定向是在青少年时期新获得的,但它们确实表明,在这个发展阶段,群体间的差异更为明显。这种发展差异与双系统模型一致,这些模型认为在青少年早期,对情感线索的皮下敏感性可能超过了自上而下的调节网络的成熟[18]。此外,正面和负面图像之间的低级视觉属性的计算匹配减少了这些结果仅由显著性、亮度或熵的系统性差异驱动的可能性。如果早期定向模式主要由微不足道的感官不对称性解释,那么预计在年龄和行为组之间会观察到更普遍的偏差。相反,选择性的青少年效应支持这样的解释:这些差异与刺激的价值以及行为条件的相互作用有关,而不仅仅是与低级图像属性有关。

4.3 局限性
尽管这些发现很有启示性,但仍需承认几个局限性。首先,尽管使用IAPS中的32张图像对刺激库进行了标准化,但其静态性质可能无法完全捕捉现实世界社交互动的动态复杂性。未来的研究可以采用动态刺激、基于视频的范式或沉浸式虚拟现实(VR)环境来提高生态效度[43]。其次,虽然横断面样本量(N = 119)对于所使用的混合效应模型来说已经足够,但需要更大的纵向队列来确定首次注视方向的发展差异是否反映了随时间的稳定成熟变化。当前的数据支持发展差异,但它们不允许对这些注意力模式如何出现做出因果结论。最后,该研究没有包括心率变异性、皮肤电活动或瞳孔反应等补充生理测量。在未来的工作中包含这些信号可以帮助澄清观察到的视觉偏差是否与更广泛的自主或情感反应特征同时出现。

4.4 未来方向和计算意义
最近的文献强调,当预测性生物信号模型个性化或捕捉多维特征时,它们的有效性最高(AUC为0.80–0.98[44,45])。在这种情况下,识别不同时间点的眼动特征可能有助于推进心理健康领域客观筛查方法的发展。未来的工作可以通过结合非线性时间描述符和生理动态来扩展当前的眼动特征空间。例如,Calà等人的最近研究表明,复发量化分析(RQA)在眼动数据上用于表征隐式处理[46],以及利用瞳孔扩张动态间接测量交互任务中的自主唤醒和情绪激活[47]。将这些测量与这里检查的停留时间和首次注视指标结合起来,可以为未来的预测模型提供更丰富的特征架构。

图5展示了青少年队在二维眼动特征空间中的分布。通过将停留时间偏差与首次注视正面图像的概率进行绘制,可以观察到一种描述性的群体倾向,即攻击性青少年更频繁地占据特征空间的左下区域。该区域的特点是对负面刺激的停留时间相对较长,最初朝向正面图像的概率较低。

图5. 青少年队的二维眼动特征空间,将停留时间偏差(x轴)与初始定向(首次注视正面图像的概率;y轴)进行绘制。数据点代表个别参与者,标记表示临床分组(攻击性 vs. 非攻击性)。尽管这种可视化应被视为描述性的而非决定性的,但它表明这两种时间点的眼动测量可能为未来的计算建模提供独特且可能互补的信息。从这个意义上说,当前的研究结果表明,结合注视和停留时间的特征可能是未来机器学习流程中有用的组成部分,旨在帮助识别攻击性特征。在考虑任何转化应用之前,应先对这些方法进行前瞻性验证,并与临床确立的真实情况进行对比。

5. 结论
本研究提供了眼动证据,表明与攻击性特征相关的视觉注意力模式在时间成分和发展阶段上存在差异。在两个年龄组中,攻击性参与者对负面刺激的持续视觉分配更为持久,而早期定向的差异在青少年时期更为明显。这些发现支持标准化偏差指数和首次注视概率作为未来计算模型的互补眼动标志物的潜在价值,这些模型旨在辅助攻击性筛查。进一步的前瞻性验证将有助于确定它们的预测性和临床适用性。

补充材料
以下支持信息可在以下链接下载:https://www.mdpi.com/article/10.3390/jemr19030044/s1,表S1:IAPS目录编号、规范评分和试验配对。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号