思影科技眼动数据处理服务
眼动数据看似简单，但其数据结构紧密结合了平面空间特性和时间特性。单纯的感兴趣分析，不仅难以挖掘出数据中有用的隐含信息，在文章发表的过程中，也会由于分析手段简单而不易引起审稿人的重视，难以发出高质量的文章。因此，思影科技结合最新的眼动数据处理技术，为客户的认知科学研究保驾护航。
1.实验范式推荐与设计
得当的实验设计不仅可以帮助研究者探测由感兴趣的变量引起的固定效应，还能更好的控制系统误差。但眼动实验在设计方法上灵活多变，针对不同的材料、不同的效应以及不同的被试都有不同的实验范式。好的实验设计可以帮助研究者得到更鲁棒的实验结果，发表出更优秀的论文。
实验范式包括但不限于：移动窗口范式、移动掩蔽范式、边界范式、快速启动范式、消失文本范式和视觉—情境范式、视觉导向眼跳范式、预测性眼跳范式、记忆导向眼跳范式和反向眼跳范式等。
思影科技能够结合研究者的兴趣，设计对应的实验方案，或者帮助研究者优化实验设计，并结合数据处理方法改良实验设计，帮助研究者们更有效的采集数据。
反向注意眼跳实验设计范例
视觉导向眼跳实验设计范例
2.数据清洗
早期关于统计“稳定性”的研究多次强调数据“清洁度”的重要性。数据清洗作为定量研究的基本内容，以往研究中仅有22%—38%的文献报告了该过程。
因此，思影科技推出了专门的数据清洗方案，以保证客户数据的清洁度。同时，定制化的数据清洗方案，可以帮助客户更好地满足不同杂志在数据处理方面提出的要求。
数据清洗的系统步骤
3.基于感兴趣区（AOI）的基本眼动指标分析
时间维度指标分析：
包括但不限于：
单一注视时间：single fixation duration，是指在最初的对刺激材料的观察中, 兴趣区内有且只有一次注视时的注视时间, 单一注视时间被认为是阅读和网页研究中良好的指标。
首次注视时间：first fixation duration，指在首次通过阅读中某兴趣区内的首个注视点的注视时间, 不用考虑该兴趣区有多少个注视点，该指标反应了被试在初始加工中的注意倾向，在视觉导向任务、反向眼跳任务中都具有重要意义
第二次注视时间：second fixation duration，当一个兴趣区在首次加工过程中被多次注视时, 在首次加工过程中除了首次注视点外的所有注视点的持续时间构成第二次注视时间，改指标反映了被试的早期注意加工
凝视时间：gaze Duration，是指从首次注视点开始到注视点首次离开当前兴趣区之间的持续时间, 包括兴趣区内的回视，该指标反映了被试在初次加工中对视觉对象的识别过程。
离开目标后的首次注视时间：first fixation duration after leaving，是指注视点离开当前兴趣区后的首次注视时间，是视觉导向任务、预测性眼跳任务中重要的反应指标
回视时间：regression time，是指所有回视到当前兴趣区的注视时间之和，反映了被试的再加工过程，在记忆导向眼跳范式、反向眼跳范式中都是重要的反应指标
总注视时间：total fixation duration，也被称为总停留时间(total dwell time) 或总观看时间(total viewing time），是落在兴趣区的所有注视点的时间的总和，该指标能良好的反应被试在单个试次加工中对不同兴趣区的加工过程
平均注视时间：mean fixation duration，兴趣区内所有注视点的持续时间的平均值，与总注视时间反应类似的加工过程
空间维度指标分析：
包括但不限于：
眼跳距离：saccadic amplitude/saccadic length/saccadic size，是指从眼跳开始到此次眼跳结束之间的距离。眼跳距离大, 说明被试在眼跳前的注视中所获得的信息越多
注视位置：是指注视点所处的位置, 当前的注视位置既是前一次眼跳的落点位置(landing site)也是下一次眼跳的起跳位置(launch site)。在眼动记录数据时, 注视位置一般都是以二维的(x, y)坐标系统采样, 单位为像素,在数据分析时需要对注视位置数据进行转换。注视位置可以有效地反应被试的实时眼动过程，通过结合时间分析，可以对注视路径进行分析。
注视次数：number of fixations，是指兴趣区被注视的总次数。该指标能有效反映实验材料的认知加工负荷, 认知负荷较大的视觉材料, 注视次数也更多。
再注视比率：refixation rate，就是首次观看兴趣区被多次注视的概率, 等于首次观看兴趣区被多次注视的频率与该兴趣区被单一注视和多次注视的频率之和的比值。该指标对许多认知变量反映敏感，是视觉导向任务、记忆导向任务中的重要指标。
回视次数：regression count，反映了读者对之前视觉信息的再加工过程。
眼动指标层出不穷，这里仅例举了在以往研究中最常见且使用广泛的指标，在不同文献中，都有不同的眼动指标被定义。思影科技将会为您提供最合适的眼动指标（可以由您提供的参考文献决定）以及使用时下最优的模型（例如混合线性模型、MCMC贝叶斯模型等）进行数据分析。确保您在投稿时不因技术方法而感到为难。
基于感兴趣（AOI）的基本眼动指标的可视化
4.基于采样点数据的时程分析
眼动数据的时间进程分析，能够有效反映不同被试或者相同被试在不同条件下，注视过程的动态变化。该方法已经被多篇文章使用，具有良好的统计检验效力。
时程分析示意图
5.基于热图的平面空间分析
虽然很多眼动仪提供了热图制作软件，但是对于热图无法进行统计，而热图的统计能够更加直观的反应被试对加工对象的加工过程。因此，对热图统计仍旧是重要的，并且在最新的文献中也仍旧被使用。
使用iMAP4工具包，可以在多组受试者之间和/或受试者内部进行灵活的编码和比较，并对固定效果(主要效果、交互作用等)执行所有可能的线性对比。该工具还有基于重采样的非参数检验，在统计分析上具有较强的鲁棒性。
思影科技可以在该工具包的基础上，为您提供更好的热图统计分析，从此让您对热图的分析不仅仅停留在视觉描述上。
iMPA4 眼动热图的统计分析
6.瞳孔数据分析
原始的瞳孔直径数据记录的是，在当前刺激情境下观看者的瞳孔直径大小。但在数据分析中多采用瞳孔直径的变化值作为指标。
思影科技将使用最前沿的方法对瞳孔直径数据进行分析，并定制数据分析代码。
瞳孔直径变化的时程分析
7.基于眼动数据的机器学习方法
基于眼动数据感兴趣的眼动指标（如上所述），构建机器学习模型，实现对不同群组的分类以及对量表得分的预测。除此以外，在眼动分析中，通过机器学习方法检测眼动事件也是当前许多研究者关注的重点，该方法可以大大提升数据的利用率。
机器学习模型：
包括但不限于：支持向量机（SVM）、线性判别分析（LDA）、Logistic回归、随机森林（Random Forest）、RVR、Elastic Net。
结果可视化
可视化重要分类特征或者预测特征的眼动AOI区域的贡献值；提供基于某个AOI区域指标的机器学习分析的点线图和圈状图。
通过随机森林方法检测眼动事件
8.眼动和EEG的融合分析
眼动和EEG手段都是高时间分辨率采集仪器，可以通过同步采集方法对同一实验的眼动数据和EEG数据进行同步追踪。
融合分析主要包括两个部分：
第一个部分主要是通过眼动数据的采集，进一步保证EEG数据的清洁度。这些分析包括但不限于：控制注视、检测微眼跳的信号畸变、改善眼伪影校正、测量眼跳反应时间、以偶发的方式呈现刺激物、同时进行瞳孔测量或改进脑-机接口
第二个部分主要是眼动数据和EEG数据的联合分析。包括但不限于：
将眼动作为新的时间锁定事件添加到EEG分析中的事件结构中，使得与扫视和注视相关的脑电图分析变得容易(例如，与注视相关的电位，FRPs)。
将EEG数据与刺激onsets相匹配，并根据特定试验中的动眼神经运动行为(例如瞳孔大小、微眼跳)进行分析。
眼动数据数据和EEG数据的ICA分析。除了上述分析外，还可以结合任务态fMRI、EEG数据和眼动数据进行表征相似性分析（RSA）。
EEG和眼动数据的同步采集和去噪
EEG和眼动数据的耦合分析
9.定制化分析
当您阅读一篇经典论文觉得很有新意的同时，是否期望把先进的数据分析方法应用在自己的研究中？思影科技可以为您提供定制化的数据分析服务。
（1）定制分析方法
思影科技可根据您提供的模板文献，基于您的实验数据，实现文献中使用的数据分析方法。此外，文献中未列出的分析方法，只要在思影科技的能力范围内，尽力实现您的想法。
（2）分析代码可定制。
没有现有的软件适用于您的数据分析需求时，思影科技会与您协商，通过编写代码实现您的想法，并提供代码的完整实现。