利用人工智能技术研究人眼的方法及应用，通过计算机视野和青光眼诊断来收集数据，利用软件工具分析图像，通过 Tobii Pro Glasses 3 设备和虚拟现实视频来研究眼球运动和焦点，使用数学建模研究眼瞳运动的相关性，为医学中的青光眼患者评估病程和恶化，以及研究注意力机制提供了研究方法。

Apr, 2024

本研究使用人眼追踪数据结合计算机视觉，探究了视觉搜索模式的稳定性、计算机视觉的空间 - 时间兴趣点采样策略与人类注视策略之间的差异，证明人类注视可以被准确预测，且在使用先进计算机视觉实践建立端到端可训练的计算机视觉系统时表现优良。

Dec, 2013

本文提出了一种使用眼动模式进行生物识别的新框架，利用 fixations 和 saccades 提取特征，并使用 Gaussian Radial Basis Function Network 用于生物认证。使用文本阅读和屏幕上的随机点跟随等两种视觉刺激进行了测试，结果表明眼动模式是一种强大的生物证明模式，该算法已经在 BioEye 2015 数据库上进行了验证，并发现胜过其他所有方法。结合虹膜识别技术使用眼动动力学可能会导致一个牢固的防伪人员身份识别系统。

Jan, 2016

本文利用同时测量的脑电图 (EEG) 和眼动数据集，提出了一种可解释的基于关注机制的深度学习框架用于估计眼球注视方向，通过对结果的分析可见该方法在准确性和鲁棒性方面优于现有方法，并提供了解释和强调注意力机制在 EEG 数据分析中提高效率和有效性的潜力。

Aug, 2023

利用眼球追踪技术提取医学图像中有意义的特征和洞察力，以改进医疗诊断的方法。通过整合人类认知和人工智能发展，将眼球追踪数据与机器学习和深度学习方法相结合，提高医学图像分析的准确性和效率。该系统性综述研究着眼于探索通过眼球追踪应用和方法来增强医学图像分析中的机器学习和深度学习算法。

Mar, 2024

该论文综述了视觉注意力、眼动追踪及基于注视点的意图识别在智能机器人、电信系统和辅助机器人系统中的应用，并强调了设计这些系统时需要考虑的重要人因素问题和当前的限制。

Feb, 2023

本文介绍了一种基于眼动特征的生物识别身份验证方法，并针对多个数据集对其进行了广泛的用户身份识别研究。通过对刺激类型、IVT 参数等多方面的分析，发现选择最佳 IVT 参数、添加高阶导数特征和包含额外的眨眼识别器等三个方法对身份验证准确性的提高具有积极影响。

Nov, 2021

收集了 20 种不同 Atari 视频游戏中 117 小时的人类行为与眼动同时记录的大规模高质量数据集，引入了一种新形式的游戏玩法，演示了预测人类注视和模仿人类表现动作的应用，并证明指导学习中加入人类注视行为可以提高游戏性能，这凸显了在决策制定过程中加入人类视觉注意力的重要性与本数据集对视觉注意力、模仿学习和强化学习研究领域的价值。

Mar, 2019

通过使用眼动追踪数据，分析巴金森病诊断和分类的深度学习算法，研究发现通过用于准备阶段的短时间序列数据作为输入可实现疾病分类任务，结果表明这些数据具有较低的主体间变异性并携带关于大脑认知和运动状况的有用信息，有效用于机器学习发现与疾病相关的生物标志物。

Nov, 2023

研究了基于眼动的生物识别中的非自愿微动，并提出了一种处理原始眼动信号的深度卷积网络的方法，相较于先前的工作，该网络误差率提高一个数量级，速度提升两个数量级，可以在几秒钟内准确地识别用户。

Jun, 2019