重点推荐应用
本研究提出的基于置信度引导的备用机制（CGF）框架，在前庭视频眼震图（VNG）临床记录、基于注视的交互以及边缘设备的眼动追踪方面展现出巨大潜力（目前还需在专门的VNG硬件和嵌入式平台上进行验证）。该框架无需依赖高性能GPU，即可实现接近深度学习精度的实时瞳孔定位。
摘要
实时瞳孔检测是诸如前庭视频眼震图（VNG）和基于注视的交互等眼动追踪应用的关键前提：深度学习方法虽然精度高，但计算成本高昂；而传统的阈值处理方法虽然速度快，但在复杂光照条件下的稳定性较差。本文提出了基于置信度引导的备用机制（CGF）框架，该框架通过四个几何因素——圆形度、长宽比、面积一致性以及凸包比例——来评估传统检测结果的可靠性。只有当置信度低于特定阈值时，才会启用RITNet（一种在随机裁剪的s-OpenEDS数据上微调过的深度分割网络），从而实现逐帧平衡精度与效率。由于RITNet并非在LPW数据集上训练的，因此在其上的测试同时也构成了跨数据集验证。相关超参数（置信度权重和阈值）是在验证集（占LPW数据集的15%）上调整的，最终性能则是在独立的测试集（占18%）上评估的，以此避免数据泄露问题。在验证集上，这些置信度因素共同作用，可使高质量帧的AUROC值达到0.961；同时，置信度分布呈现双峰结构，且在0.7左右存在一个低值区，这为阈值选择提供了数据支撑。在独立的测试集（共23,999帧）中，CGF框架能够检测出79.0%的帧；在已检测出的帧中，有84.0%的帧在NVIDIA RTX 5090芯片上以298 FPS的速度实现小于5像素的精确度（中位误差为1.25像素）。在另一测试条件下，检测率可达到89.6%，其中72.0%的帧能实现小于5像素的精确度，对应速度为391 FPS。故障模式分析显示，大约64.3%的需启动深度学习模型的帧属于“难题帧”，即传统方法和深度学习方法都无法准确识别这类帧，这表明了单帧视觉方法的实际局限性，也暗示了未来需要发展时间序列建模技术。该框架对置信度权重的变化具有很强的鲁棒性（权重变化±20%时，性能变化不到1%）；在高置信度帧上，其识别精度也非常高（在测试集上，93.4%的帧的识别精度在5像素以内）。
