Hidden Markov Models for Analysis of Eye Movements of Dyslexic Children

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F13%3A00208768" target="_blank" >RIV/68407700:21230/13:00208768 - isvavai.cz</a>

Výsledek na webu

<a href="http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=6622783" target="_blank" >http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=6622783</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/ICDSP.2013.6622783" target="_blank" >10.1109/ICDSP.2013.6622783</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Hidden Markov Models for Analysis of Eye Movements of Dyslexic Children

Popis výsledku v původním jazyce

The paper describes an application of hidden Markov models to dyslexia detection from eye movements. Eye movements of reading-age dyslexic and control children are measured, pre-processed and hidden Markov model with two hidden states is trained on velocity time series for each child. The two states of the model correspond to two component of the eye movements signal - fixations and saccades. The elements of transition matrix are further used one by one as features for 1-dimensional linear Bayes classifier. It is shown that this method applied to eye movements during the simplest non-verbal task can lead to relatively high performance. Thus, we propose this feature extraction for a more sophisticated systems which would be able to detect dyslexia in pre-school children.

Název v anglickém jazyce

Hidden Markov Models for Analysis of Eye Movements of Dyslexic Children

Popis výsledku anglicky

The paper describes an application of hidden Markov models to dyslexia detection from eye movements. Eye movements of reading-age dyslexic and control children are measured, pre-processed and hidden Markov model with two hidden states is trained on velocity time series for each child. The two states of the model correspond to two component of the eye movements signal - fixations and saccades. The elements of transition matrix are further used one by one as features for 1-dimensional linear Bayes classifier. It is shown that this method applied to eye movements during the simplest non-verbal task can lead to relatively high performance. Thus, we propose this feature extraction for a more sophisticated systems which would be able to detect dyslexia in pre-school children.

Druh

D - Stať ve sborníku

CEP obor

JC - Počítačový hardware a software

OECD FORD obor

—

Projekt

<a href="/cs/project/GP13-21696P" target="_blank" >GP13-21696P: Selekce příznaků pro modely vícedimenzionálních časových řad uvažující časový kontext</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2013

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of the 18th International Conference on Digital Signal Processing

ISBN

978-1-4673-5805-7

ISSN

1546-1874

e-ISSN

—

Počet stran výsledku

5

Strana od-do

—

Název nakladatele

IEEE

Místo vydání

Piscataway

Místo konání akce

Santorini

Datum konání akce

1. 7. 2013

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—