ПРОЕКТИРОВАНИЕ И МОДЕЛИРОВАНИЕ

Точность программного айтрекинга на потребительских устройствах в задачах скрининга нарушений цветового зрения

Авторы

  • Станислав Максимович Санталов Российский экономический университет им. Г.В. Плеханова, 117997, г. Москва, Стремянный пер., д. 36

Как цитировать

ГОСТ Санталов С. М. Точность программного айтрекинга на потребительских устройствах в задачах скрининга нарушений цветового зрения // СТРОИТЕЛЬНЫЕ И ДОРОЖНЫЕ МАШИНЫ. 2026. Т. 70. № 3. С. 202-210.
APA Санталов, С. М. (2026). Точность программного айтрекинга на потребительских устройствах в задачах скрининга нарушений цветового зрения. СТРОИТЕЛЬНЫЕ И ДОРОЖНЫЕ МАШИНЫ, 70(3), 202-210.

Аннотация

Настоящий повествовательный обзор посвящен анализу возможности использования программного айтрекинга на потребительских устройствах для объективного скрининга нарушений цветового зрения (НЦЗ). Систематизированы данные о точности и частоте дискретизации программных решений на платформах iOS (TrueDepth / ARKit), Android (MediaPipe, ML Kit), веб-камеры ноутбуков (WebGazer.js, модели глубокого обучения). Определены минимальные требования к айтрекингу для регистрации оптокинетического нистагма (ОКН) в ответ на хроматические стимулы. Показано, что современные потребительские устройства способны обеспечить достаточную точность для скрининга НЦЗ в контролируемых условиях.

Ключевые слова

нарушения цветового зрения дальтонизм оптокинетический нистагм программный айтрекинг потребительские устройства ARKit MediaPipe WebGazer машинное обучение объективный скрининг

Библиографические ссылки

Bastani P., Riero H., Badjhian S. Quantifying induced nystagmus using a smartphone eye tracking application (EyePhone) // Journal of the American Heart Association. 2024. Vol. 13. Art. e030927.

Chen Z., Shi B.E. Appearance-based gaze estimation using dilated-convolutions // Proc. ACCV. 2018. pp. 309-324.

Cheng Y., Wang H., Bao Y., Lu F. Appearance-Based Gaze Estimation with deep learning: a review and benchmark // IEEE Transactions on pattern analysis and machine intelligence. 2021. Vol. 46. pp. 7509-7528.

Chhimpa, G., Kumar A., Garhwal S. Revolutionizing gaze-based human-computer interaction using iris tracking: a webcam-based low-cost approach // IEEE Access. 2024. Vol. 12. pp. 168256-168269.

Costa M.F., Henriques L.D., Souza G.S. An integrative review for clinical evaluation of color vision: The right test for the right disease // Journal of current ophthalmology. 2024. Vol. 36. № 4. pp. 355-364.

Davalos E., Zhang Y., Srivastava N. Webeyetrack: Scalable eye-tracking for the browser via on-device few-shot personalization // ArXiv. 2025.

Ehinger B.V., Groß K., Ibs I., König P. A new comprehensive eye-tracking test battery concurrently evaluating the Pupil Labs glasses and the EyeLink 1000 // PeerJ. 2019. Vol. 7. Art. e7086.

Falch L., Lohan K. Webcam-based gaze estimation for computer screen interaction // Frontiers in robotics and AI. 2024. Vol. 11.

Fanlo Z.A., Gutierrez Vasquez J., Pueyo Royo V. Review of the main colour vision clinical assessment tests // Files of the Spanish Society of Ophthalmology. 2019. Vol. 94. № 1. pp. 25-32.

Fliotsos M., Zhao J., Pradeep T. Testing a popular smartphone application for colour vision assessment in healthy volunteer subjects // Neuro-ophthalmology. 2020. Vol. 45. № 2. pp. 99-104.

Friedrich M., Schneider E., Buerklein M. Smartphone video nystagmography using convolutional neural networks: ConVNG // Journal of neurology. 2022. Vol. 270. pp. 2518-2530.

Greinacher R., Voigt-Antons J.-N. Accuracy assessment of ARKit 2 based gaze estimation // Proc. QoMEX. 2020. pp. 439-449.

He J., Bex P., Skerswetat J. Rapid measurement and machine learning classification of colour vision deficiency // Ophthalmic and physiological optics. 2023. Vol. 43. pp. 1379-1390.

Jeong Y.D., Cho J., Son Y. Global prevalence of congenital color vision deficiency among children and adolescents, 1932-2022 // Ophthalmology. 2025.

Kaduk T.C., Goeke C., Finger H., Konig P. Webcam eye tracking close to laboratory standards: Comparing a new webcam-based system and the EyeLink 1000 // Behavior research methods. 2023. Vol. 56. pp. 5002-5022.

Katanska A., Krasta E., Klavinska A. Eye tracking applications in colour vision assessment // Latvian journal of physics and technical sciences. 2025. Vol. 62. pp. 46-57.

Khizer M., Ijaz U., KhanT.A. Smartphone color vision testing as an alternative to the Conventional Ishihara Booklet // Cureus. 2022. Vol. 14.

Knorr A., Gravot C.M., Glasauer S., Straka H. Image motion with color contrast suffices to elicit an optokinetic reflex in Xenopus laevis tadpoles // Scientific reports. 2021. Vol. 11. Art. 8445.

Krafka K., Khosla A., Kellnhofer P. Eye tracking for everyone // Proc. CVPR. 2016. pp. 2176-2184.

Nissen L., Hubner J., Klinker J. Towards preventing gaps in health care systems through smartphone use: analysis of arkit for accurate measurement of facial distances in different angles // Sensors. 2023. Vol. 23. Art. 4486.

Papoutsaki A., Laskey J., Huang J. SearchGazer: webcam eye tracking for remote studies of web search // Proc. CHIIR. 2017.

Papoutsaki A., Sangkloy P., Laskey J. WebGazer: scalable webcam eye tracking using user interactions // Proc. IJCAI. 2016. pp. 3839-3845.

Phillips V., Bastani P., Rieiro H. A pilot study of smartphone eye tracking for detection of positional nystagmus // Digital biomarkers. 2025. Vol. 9. pp. 124-129.

Reynders M., Bos J., Mert A. Feasibility of virtual reality to induce and measure optokinetic after-nystagmus (OKAN): a pilot study // Scientific reports. 2025. Vol. 15.

Sakharkar M., Jalihal P.K., Ramirez K. Characterization of optokinetic nystagmus in healthy participants with a novel oculography device // Otolaryngology – head and neck surgery. 2025.

Saxena S., Fink L.K., Lange E.B. Deep learning models for webcam eye tracking in online experiments // Behavior research methods. 2023. Vol. 56. pp. 3487-3503.

Schutz A.C., Braun D., Gegenfurtner K. Chromatic contrast sensitivity during optokinetic nystagmus, visually enhanced vestibulo-ocular reflex, and smooth pursuit eye movements // Journal of neurophysiology. 2009. Vol. 101. № 5. pp. 2317-2327.

Sorkin N., Rosenblatt A., Cohen E. Comparison of Ishihara Booklet with color vision smartphone applications // Optometry and vision science. 2016. Vol. 93. № 7. pp. 667-672.

Taore A., Lobo G., Turnbull P.R.K., Dakin S.C. Diagnosis of colour vision deficits using eye movements // Scientific reports. 2022. Vol. 12.

Valliappan N., Dai N., Steinberg E. Accelerating eye movement research via accurate and affordable smartphone eye tracking // Nature communications. 2020. Vol. 11.

Yang X., Krajbich I. Webcam-based online eye-tracking for behavioral research // Judgment and decision making. 2021. Vol. 16. № 6. pp. 1485-1505.

Zhu B., Yang M., Liu X. Assessing pediatric visual acuity with a computerized optokinetic nystagmus analyzer // Clinics. 2025. Vol. 80. Art. 100671.

Zhu G., Li Y., Zhang S. Neural networks with linear adaptive batch normalization and swarm intelligence calibration for real-time gaze estimation on smartphones // International journal of intelligent systems. 2024. Art. 2644725.

Выпуск

Раздел

ПРОЕКТИРОВАНИЕ И МОДЕЛИРОВАНИЕ

Метрики

48 просмотров
0 скачиваний
Хотите опубликоваться?
Подать статью

Машиночитаемые метаданные

Похожие статьи

<< < 1 2 3 > >> 

Вы также можете начать расширеннвй поиск похожих статей для этой статьи.