Методы глубинного обучения для выявления дислексии у школьников, говорящих на русском языке, на основе данных о фиксации глаз

В этом исследовании рассматривается возможность использования данных о фиксации глаз для диагностики дислексии, с акцентом на различные типы представления этих данных. Цель состояла в том, чтобы определить наиболее подходящий тип представления данных для выявления дислексии. Мы провели детальный анализ и сравнение нескольких типов нейронных сетей, включая сверточные нейронные сети (CNN), сети с долгой кратко- срочной памятью (LSTM) и сверточные сети с долгой краткосрочной памятью (ConvLSTM). Также были использованы ансамблевые модели, такие как случайный лес (RF) и градиент- ный бустинг (GBC). Для эффективного подбора параметров моделей применялись методы байесовской оптимизации. Данные, использованные в исследовании, были собраны в Центре языка и мозга в национальном исследовательском университете «Высшая школа экономи- ки» и формируют крупнейший на сегодняшний день набор данных о движениях глаз. Ис- следование показало, что представление фиксаций взгляда в виде оконного представления временных рядов и их обработка с помощью нейронных сетей LSTM обеспечивают высокую эффективность, достигнув 96.8% ROC AUC в задаче выявления дислексии.