JP2019513516A - 人の視覚パフォーマンスを査定するために視覚データを入手し、集計し、解析する方法およびシステム - Google Patents

Abstract

本明細書は、視覚プロファイルおよびターゲット・アプリケーションに基づいて、仮想現実感、増補現実感、混合現実感（ＶＲ／ＡＲ／ＭｘＲ）媒体などの媒体を変更する方法およびシステムを説明する。本明細書の実施形態では、ユーザおよびユーザ・グループの様々な視覚プロファイルの同定を可能にする感覚データ交換（ＳＤＥ）が作成される。ＳＤＥは、ユーザおよび／またはユーザ・グループの各タイプに関連して１つまたは複数の媒体を変更するのに使用される。【選択図】図８

Description

相互参照
本願は、優先権に関して、以下の米国特許仮出願に依拠する。
２０１６年１１月２３日に出願した「Ｍｅｔｈｏｄｓ ａｎｄ Ｓｙｓｔｅｍｓ ｆｏｒ Ｇａｔｈｅｒｉｎｇ Ｖｉｓｕａｌ Ｐｅｒｆｏｒｍａｎｃｅ Ｄａｔａ ａｎｄ Ｍｏｄｉｆｙｉｎｇ Ｍｅｄｉａ Ｂａｓｅｄ ｏｎ ｔｈｅ Ｖｉｓｕａｌ Ｐｅｒｆｏｒｍａｎｃｅ Ｄａｔａ」を名称とする、米国特許仮出願第６２／４２５，７３６号、、
同一の名称で２０１６年８月３１日に出願した米国特許仮出願第６２／３８１，７８４号、
２０１６年７月１５日に出願した「Ｓｙｓｔｅｍｓ ａｎｄ Ｍｅｔｈｏｄｓ ｆｏｒ Ｃｒｅａｔｉｎｇ Ｖｉｒｔｕａｌ Ｃｏｎｔｅｎｔ Ｒｅｐｒｅｓｅｎｔａｔｉｏｎｓ Ｖｉａ Ａ Ｓｅｎｓｏｒｙ Ｄａｔａ Ｅｘｃｈａｎｇｅ Ｐｌａｔｆｏｒｍ」を名称とする、米国特許仮出願第６２／３６３，０７４号、
２０１６年７月８日に出願した「Ｖｉｒｔｕａｌ Ｃｏｎｔｅｎｔ Ｒｅｐｒｅｓｅｎｔａｔｉｏｎｓ」を名称とする、米国特許仮出願第６２／３５９，７９６号、
同一の名称で２０１６年４月１４日に出願した米国特許仮出願第６２／３２２，７４１号、および
同一の名称で２０１６年４月８日に出願した米国特許仮出願第６２／３１９，８２５号。

本明細書は、概してビジョン・ケア（ｖｉｓｉｏｎ ｃａｒｅ）に関し、より具体的には、個人の視覚パフォーマンス（ｖｉｓｉｏｎ ｐｅｒｆｏｒｍａｎｃｅ）を査定するために視覚データを入手し、集計し、解析する方法およびシステムに関する。

近年、タブレット・コンピュータおよび携帯電話機などの様々な媒体を介する仮想現実感（ＶＲ）環境、増補現実感（ＡＲ）、混合現実感（ＭｘＲ）応用例を含む様々な視覚的経験の到来が、ユーザの視覚により多くの負担をかけてきた。視覚に対する負担の信頼できる測定は、多数の心理測定、様々な視野パラメータがこれらの心理測定にどのように影響するのか、およびある種の視覚障害を回避するためにこれらの視野パラメータがどのように変更され得るのかの理解を必要とする。

次に、これは、その多くが閉ループである、脳との複数の感覚インターフェースの相互運用性、接続性、およびモジュール性の理解を必要とする。

ＡＲ／ＶＲ用の現在の測定システムおよびレーティング・システムは、本質的に定性的である。さらに、臨床検査インターフェースは、ＥＥＧ、ＭＲＩ、ＥＯＧ、ＭＥＧ、ｆＭＲＩ、超音波、およびマイクロ波を含む。視界を測定するための従来の業界標準規格は、アムスラー・グリッド、ハンフリー視野計、Ｆｒｅｑｕｅｎｃｙ−Ｄｏｕｂｌｉｎｇ ｔｅｃｈｎｏｌｏｇｙ、視野検査（Ｔａｎｇｅｎｔ Ｓｃｒｅｅｎ Ｅｘａｍ）、ゴールドマン法（Ｇｏｌｄｍａｎｎ Ｍｅｔｈｏｄ）、およびオクトパス視野計などの検査を含む。正確さのために、補償トラッキング、Ｊｅｎｓｏｎ Ｂｏｘ、およびヒックの法則の検査／標準規格が通常は使用される。マルチトラッキングの業界標準検査は、聴覚的連続加算（ａｕｄｉｔｏｒｙ ｓｅｒｉａｌ ａｄｄｉｔｉｏｎ）、Ｐｏｓｎｅｒ Ｃｕｅｉｎｇ Ｔａｓｋ、およびＤ２ Ｔｅｓｔ ｏｆ Ａｔｔｅｎｔｉｏｎを含む。持久力に関して、通常の業界標準検査は、Ｖｉｓｕａｌ Ｆｉｅｌｄ Ｐｅｒｉｍｅｔｒｙ（固視を維持する）検査および光干渉断層撮影（ＯＣＴ）検査を含む。業界標準検出検査は、石原検査（色覚／検査表）、ファンズワース−マンセル１００色試験、Ｐｅｌｌｉ Ｒｏｂｓｏｎ Ｃｏｎｔｒａｓｔ Ｓｅｎｓｉｔｉｖｉｔｙ Ｃｈａｒｔ、Ｖｉｓｔｅｃｈ Ｃｏｎｔｒａｓｔ検査、スネレン試視力表、ＥＴＤＲＳ、および視力検査表（向きを変えた「Ｃ」）を含む。

これらの従来の業界標準および臨床基準が、視力検査に関して存在はするが、複数の別個の測定を単一の集計された測定値に統合する包括的な視覚機能インデックスまたは視覚機能査定の必要が未だに存在する。また、複数のデータ点の集計定量化を提供するソフトウェア・インターフェースが必要である。また、眼の健康を監視し、視覚に対する経時的な変化を同定する方法およびシステムが必要である。

本明細書は、複数のプログラム命令を実行するようにプログラムされたコンピューティング・デバイスを使用して患者の視覚パフォーマンスを査定する方法であって、コンピューティング・デバイスを介して、視覚的刺激および／または聴覚的刺激の第１のセットを提示することと、コンピューティング・デバイスおよび別々のハードウェア・デバイスのうちの少なくとも１つを使用して患者の第１の複数のリアクション（ｒｅａｃｔｉｏｎ）を監視することと、コンピューティング・デバイスを介して、視覚的刺激および／または聴覚的刺激の第２のセットを提示することと、コンピューティング・デバイスおよび別々のハードウェア・デバイスのうちの少なくとも１つを使用して患者の第２の複数のリアクションを監視することと、前記第１の複数のリアクションおよび前記第２の複数のリアクションに基づいて、患者の視界、視力、複数の刺激をトラッキングする患者の能力、視覚的持久力、および視覚的検出を表す定量値を判定することとを含む方法に関する。

任意選択で、本方法は、視界、視力、複数の刺激を追跡する患者の能力、視覚的持久力、および視覚的検出の集計を表す単一の視覚パフォーマンス値を生成することをさらに含む。任意選択で、第１の複数のリアクションは、高速走査データ、サッケード運動データ、瞬目率（ｂｌｉｎｋ ｒａｔｅ）データ、固視データ、瞳孔径データ、および瞼裂距離データのうちの少なくとも１つを含む。任意選択で、第２の複数のリアクションは、高速走査データ、サッケード運動データ、固視データ、瞬目率データ、瞳孔径データ、頭部運動速さデータ、頭部運動方向データ、心拍数データ、運動反応時間データ、円滑追跡データ、瞼裂距離データ、脳波活動の度合およびレート・データ、ならびに収束の度合データのうちの少なくとも１つを含む。

任意選択で、ハードウェア・デバイスは、眼球運動データを獲得するように構成されたカメラと、頭部運動のレートおよび／または方向を検出するように構成されたセンサと、心拍数を検出するように構成されたセンサと、脳波を検出するためのＥＥＧセンサとのうちの少なくとも１つを含む。任意選択で、患者の視界を表す定量値は、患者の中心視の質を表すデータと、患者の周辺視の質を表すデータとを含む。任意選択で、患者の視力を表す定量値は、視覚的刺激および／または聴覚的刺激の前記第１のセットに対する患者のリアクション時間の質を表すデータを含む。任意選択で、患者の視力を表す定量値は、視覚的刺激の前記第１のセットの患者の正確なターゲティングの質を表すデータを含み、視覚的刺激の前記第１のセットの患者の正確なターゲティングの前記質は、視覚的刺激の第１のセットの位置に対する患者の身体反応の位置に基づく。

任意選択で、複数の刺激をトラッキングする患者の患者の能力を表す定量値は、視覚的刺激の第２のセット内の複数の要素を同時にトラッキングする患者の能力の質を表すデータを含む。任意選択で、患者の視覚的持久力を表す定量値は、視覚的刺激および／または聴覚的刺激の第１のセットの提示の持続時間にわたる患者のリアクション時間の減少を表すデータを含む。任意選択で、患者の視覚的持久力を表す定量値は、休憩期間の後の視覚的刺激および／または聴覚的刺激の第２のセットの提示の持続時間にわたる患者のリアクション時間の改善を表すデータを含む。任意選択で、患者の視覚的検出を表す定量値は、患者が視覚的刺激の第１のセットをどの程度まで見るのかを表すデータを含む。任意選択で、患者の視覚的検出を表す定量値は、患者が視覚的刺激の第１のセット内の同じ色、コントラスト、または形状を有する物体間をどの程度まで区別できるのかを表すデータを含む。

別の実施形態では、本明細書は、複数のプログラム命令を実行するようにプログラムされたコンピューティング・デバイスを使用して患者の視覚パフォーマンスを査定する方法であって、コンピューティング・デバイス上のディスプレイを介して、視覚的刺激の第１のセットを提示することであって、視覚的刺激の第１のセットは、患者の周辺視から患者の中心視へ移動する第１の複数の視覚要素を含む、提示することと、コンピューティング・デバイスおよび別々のハードウェア・デバイスのうちの少なくとも１つを使用して患者の第１の複数のリアクションを監視することと、コンピューティング・デバイス上のディスプレイを介して、視覚的刺激の第２のセットを提示することであって、視覚的刺激の第２のセットは、患者が前記第２の複数の視覚要素に物理的にタッチする際に出現し、消滅する、第２の複数の視覚要素を含む、提示することと、コンピューティング・デバイスおよび前記別々のハードウェア・デバイスのうちの少なくとも１つを使用して患者の第２の複数のリアクションを監視することと、前記第１の複数のリアクションおよび前記第２の複数のリアクションに基づいて、患者の視界、視力、複数の刺激を追跡する患者の能力、視覚的持久力、および視覚的検出を表す定量値を判定することとを含む方法に関する。

任意選択で、第１の複数の視覚要素の少なくとも一部は、経時的に減少するサイズを有する。任意選択で、第１の複数の視覚要素の少なくとも一部は、経時的に増加する運動の速さを有する。任意選択で、経時的に、第１の複数の視覚要素のうちのより多くが、前記コンピューティング・デバイス上に同時に現れる。任意選択で、第３の複数の視覚要素は、前記第２の複数の視覚要素と並行に現れ、第３の複数の視覚要素は、第２の複数の視覚要素とは異なって見え、患者が前記第３の複数の視覚要素のいずれかに物理的にタッチする場合に、患者の視力を表す定量値は、減らされる。

任意選択で、コンピューティング・デバイス上のディスプレイを介して、視覚的刺激の第３のセットを提示することであって、視覚的刺激の第３のセットは、第４の複数の視覚要素を含む、提示することと、コンピューティング・デバイスおよび前記別々のハードウェア・デバイスのうちの少なくとも１つを使用して患者の第３の複数のリアクションを監視することと、前記第１の複数のリアクション、前記第２の複数のリアクション、および前記第３の複数のリアクションに基づいて、患者の視界、視力、複数の刺激をトラッキングする患者の能力、視覚的持久力、および視覚的検出を表す定量値を判定することとをさらに含む。任意選択で、患者は、色、コントラスト、および／または形状の特定の組合せを有する第４の複数の視覚要素のうちの１つを同定するように指示される。

本方法が、上では視覚的刺激を提示する特定の順序を有するものとして説明されるが、本発明が、視覚要素の提示および特定の患者視覚定量値の対応する監視の任意の順序に関することを理解されたい。たとえば、任意選択で、第２の複数の視覚要素のうちの少なくとも一部が、経時的に減少するサイズを有する。任意選択で、第２の複数の視覚要素のうちの少なくとも一部が、経時的に増加する移動の速さを有する。任意選択で、経時的に、第２の複数の視覚要素のうちのより多くが、前記コンピューティング・デバイス上に並行して現れる。任意選択で、第３の複数の視覚要素が、前記第１の複数の視覚要素と同時に現れ、第３の複数の視覚要素は、第１の複数の視覚要素とは異なって見え、患者が、前記第１の複数の視覚要素ではなく前記第３の複数の視覚要素のいずれかに物理的に触れる場合に、患者の視力の定量値表現が減らされる。

本発明の前述の実施形態および他の実施形態は、図面および下で提供される詳細な説明においてより徹底的に説明される。

本明細書の上記および他の特徴および利点は、添付図面に関連して考慮される時に以下の詳細な説明を参照することによってより一層分かるため、理解されるであろう。

本明細書の実施形態による、感覚データ交換プラットフォーム（ＳＤＥＰ）とのユーザ対話を示すブロック図である。 本明細書の実施形態による、クエリ・プロセッサに達する前のセンサ・データ・ストリームの処理を示すブロック図である。 データ解析チェーンの例示的概要を示す図である。 データ解析チェーンの例示的概要を示す図である。 本明細書の実施形態による、デジタル・データのソースの概要を示す図である。 本明細書の実施形態による、映像データの特性メトリックを示す図である。 本明細書の実施形態による、色対混同構成要素のグラフ表現を示す図である。 ３Ｄクロモルミナンス空間に投影されたディスプレイ色域の最上部表面にある所与の色度に関して輝度がどのように見つけられ得るのかを示すグラフである。 本明細書の実施形態による、聴覚情報の特性メトリックを示す図である。 本明細書の例示的実施形態による、アイ・トラッキングの特性メトリックを示す図である。 本明細書の実施形態による、手入力の特性メトリックを示す図である。 本明細書の実施形態による、ヘッド・トラッキングの特性メトリックを示す図である。 本明細書の実施形態による、電気生理学監視データおよび自律神経監視データの特性メトリックを示す図である。 本明細書の実施形態による、精選されたデータを構築するイメージ解析の例示的プロセスを示す図である。 本明細書の実施形態による、精選されたデータを構築するイメージ解析の例示的プロセスを示す図である。 本明細書の実施形態による、精選されたデータを構築するイメージ解析の例示的プロセスを示す図である。 本明細書の実施形態による、精選されたデータを構築するイメージ解析の例示的プロセスを示す図である。 経時的な瞳孔の位置およびサイズと凝視位置とを示す図である。 経時的な瞳孔の位置およびサイズと凝視位置とを示す図である。 本明細書のいくつかの実施形態による、求心性ソースおよび遠心性ソースの例示的なメトリックのリストを含む表である。 本明細書のいくつかの実施形態による、求心性ソースおよび遠心性ソースの例示的なメトリックのリストを含む表である。 本明細書のいくつかの実施形態による、求心性ソースおよび遠心性ソースの例示的なメトリックのリストを含む表である。 本明細書のいくつかの実施形態による、求心性ソースおよび遠心性ソースの例示的なメトリックのリストを含む表である。 本明細書のいくつかの実施形態による、求心性ソースおよび遠心性ソースの例示的なメトリックのリストを含む表である。 ソフトウェア・アプリケーションからＳＤＥＰへのデータの流れの概要を示す例示的な流れ図である。 本明細書の実施形態による、プロセス・フローの前処理部分の例示的な概要を示す図である。 解析チェーンのパイソン・スクリプト部分の例示的な概要を示す図である。 解析チェーンのパイソン・スクリプト部分の例示的な概要を示す図である。 解析チェーンのパイソン・スクリプト部分の例示的な概要を示す図である。 解析チェーンのパイソン・スクリプト部分の例示的な概要を示す図である。 ユーザ対話の生体模倣に基づいて精神測定関数を処理し、視覚的挙動および知覚をモデル化するのにＳＤＥＰを利用する中央システムを実施する例示的環境を示す図である。 本明細書の実施形態による、サイト・キット（ｓｉｇｈｔ ｋｉｔ）アプリケーションを介して現れる可能性がある空の画面およびエラー画面のスクリーンショットを示す図である。 本明細書の実施形態による、サイト・キット・アプリケーションを介して現れる可能性があるスプラッシュ画面のスクリーンショットを示す図である。 本明細書の実施形態による、サイト・キット・アプリケーションを介して現れる可能性があるホーム画面のスクリーンショットを示す図である。 本明細書の実施形態による、サイト・キット・アプリケーションを介して現れる可能性がある「ジョン・スノウ」という名前のユーザによる例示的な登録を含むログイン（登録）プロセスの一連の（ＡからＦまで）スクリーンショットを示す図である。 本明細書の実施形態による、サイト・キット・アプリケーションを介して現れる可能性がある契約条件を含む画面のスクリーンショットを示す図である。 本明細書の実施形態による、ユーザが自分のログイン情報を忘れた場合にサイト・キット・アプリケーションを介して現れる可能性がある一連の（ＡからＢまで）スクリーンショットを示す図である。 本明細書の実施形態による、サイト・キット・アプリケーションを介して現れる可能性がある、ユーザに人口統計の質問を与える画面の一連のスクリーンショットを示す図である。 本明細書の実施形態による、サイト・キット・アプリケーションを介して現れる可能性がある、ユーザに人口統計の質問を与える画面のさらなる一連のスクリーンショットを示す図である。 本明細書の実施形態による、サイト・キット・アプリケーションを介して現れる可能性がある、ユーザに人口統計の質問を与える画面のさらなる一連のスクリーンショットを示す図である。 本明細書の実施形態による、サイト・キット・アプリケーションを介して現れる可能性がある、ユーザに初期ＶＰＩレポートを提示する画面の一連のスクリーンショットを示す図である。 本明細書の実施形態による、サイト・キット・アプリケーションを介して現れる可能性がある、プレイするゲームを選択するようにユーザに促す、別々の時に現れる可能性がある異なる画面のスクリーンショットを示す図である。 本明細書の実施形態による、サイト・キット・アプリケーションを介して提示される可能性がある、風船割りラウンド１指示のスクリーンショットを示す図である。 本明細書の実施形態による、サイト・キット・アプリケーションを介して提示される可能性がある、風船割りラウンド１ゲームのスクリーンショットを示す図である。 本明細書の実施形態による、サイト・キット・アプリケーションを介して提示される可能性がある、風船割りラウンド２指示のスクリーンショットを示す図である。 本明細書の実施形態による、サイト・キット・アプリケーションを介して提示される可能性がある、風船割りラウンド２ゲームのスクリーンショットを示す図である。 本明細書の実施形態による、サイト・キット・アプリケーションを介して提示される可能性がある、風船割りラウンド３指示のスクリーンショットを示す図である。 本明細書の実施形態による、サイト・キット・アプリケーションを介して提示される可能性がある、風船割りラウンド３ゲームのスクリーンショットを示す図である。 本明細書の実施形態による、サイト・キット・アプリケーションを介して提示される可能性がある、ピクチャ・パーフェクト（Ｐｉｃｔｕｒｅ Ｐｅｒｆｅｃｔ）ラウンド１ゲームの一連のスクリーンショットを示す図である。 本明細書の実施形態による、サイト・キット・アプリケーションを介して提示される可能性がある、ピクチャ・パーフェクト・ラウンド１ゲームの一連のスクリーンショットを示す図である。 本明細書の実施形態による、サイト・キット・アプリケーションを介して提示される可能性がある、ピクチャ・パーフェクト・ラウンド２ゲームの一連のスクリーンショットを示す図である。 本明細書の実施形態による、サイト・キット・アプリケーションを介して提示される可能性がある、ピクチャ・パーフェクト・ラウンド２ゲームの一連のスクリーンショットを示す図である。 本明細書の実施形態による、サイト・キット・アプリケーションを介して提示される可能性がある、ピクチャ・パーフェクト・ラウンド２ゲームの一連のスクリーンショットを示す図である。 本明細書の実施形態による、サイト・キット・アプリケーションを介して提示される可能性がある、ユーザのための例示的なゲーム後レポートのスクリーンショットを示す図である。 本明細書の実施形態による、サイト・キット・アプリケーションを介して提示される可能性がある、「形状リミックス（Ｓｈａｐｅ Ｒｅｍｉｘ）」ゲーム、その指示、およびゲーム後レポートのスクリーンショットの同様のセットを示す図である。 本明細書の実施形態による、サイト・キット・アプリケーションを介して提示される可能性がある、「形状リミックス」ゲーム、その指示、およびゲーム後レポートのスクリーンショットの同様のセットを示す図である。 本明細書の実施形態による、サイト・キット・アプリケーションを介して提示される可能性がある、「形状リミックス」ゲーム、その指示、およびゲーム後レポートのスクリーンショットの同様のセットを示す図である。 本明細書の実施形態による、サイト・キット・アプリケーションを介して提示される可能性がある、異なるゲームをプレイした後のＶＰＩゲーム・レポートのスクリーンショットを示す図である。 本明細書の実施形態による、医師および／またはアイ・ケア従業者を提案する、ユーザのＶＰＩレポートに基づいて現れる可能性があるいくつかのスクリーンショットを示す図である。 本明細書の実施形態による、サイト・キット・アプリケーションを介して現れる可能性がある、ユーザのプロファイルを提示する画面のいくつかのスクリーンショットを示す図である。 本明細書の実施形態による、サイト・キット・アプリケーションを介して現れる可能性がある、ＶＰＩ解析結果のいくつかのスクリーンショットを示す図である。 本明細書の実施形態による、サイト・キット・アプリケーションを介して各ＦＡＭＥＤパラメータに関する詳細を提供するＶＰＩ解析結果のいくつかのスクリーンショットを示す図である。 本明細書の実施形態による、サイト・キット・アプリケーションを介して各ＦＡＭＥＤパラメータ内のパラメータの詳細を提供するＶＰＩ解析結果のいくつかのスクリーンショットを示す図である。 本明細書の実施形態による、サイト・キット・アプリケーションを介して各ＦＡＭＥＤパラメータ内のパラメータのさらなる詳細を提供するＶＰＩ解析結果のいくつかのスクリーンショットを示す図である。 本明細書の実施形態による、サイト・キット・アプリケーションを介して提示される可能性がある「セッティング」および「セッティング」内の関連するオプションのスクリーンショットを示す図である。 異なるゲームおよびラウンドからの異なるＶＰＩパラメータの例示的な経験を示す表である。 異なるゲームおよびラウンドからの異なるＶＰＩパラメータの例示的な経験を示す表である。

一実施形態では、本明細書は、様々な刺激に反応する人間の眼の機能および解剖学に関するより詳細なデータを収集するためにビジョン・サービス・プロバイダに提供される方法、システム、およびソフトウェアを説明する。

一実施形態では、感覚データ交換プラットフォーム（ＳＤＥＰ）が提供され、ＳＤＥＰは、ゲーム、特にモバイル・アプリケーションまたは他の媒体および／もしくはソフトウェアの開発者がユーザおよび／またはユーザのグループのために媒体を最適化することを可能にすることができる。実施形態では、ＳＤＥＰまたは少なくともその一部は、コンピュータ、ポータブル・コンピューティング・デバイス、モバイル・デバイス、または仮想現実感（ＶＲ）、増補現実感（ＡＲ）、および／もしくは混合現実感ＭｘＲ媒体を提示することのできる任意の他のデバイスを含む１つまたは複数の電子媒体デバイスを介してエンドユーザに提示されるソフトウェア・アプリケーション内に実装される。

一実施形態では、ユーザは、ソフトウェアがユーザ・データを収集し、これをＳＤＥＰに供給することを可能にする形でＳＤＥＰの少なくとも一部を実施するソフトウェア・プログラムと対話する。一実施形態では、ユーザは、データ収集を容易にするためにＳＤＥＰと直接的にまたは間接的に対話することができる。一実施形態では、ＳＤＥＰは、複数の感覚データ入力およびバイオメトリック・データ入力と、感覚データおよびバイオメトリック・データを解析するための複数のプログラム命令と、統合された視覚的査定を送信するための複数の出力とを備える動的な両方向データ交換プラットフォームである。

いくつかの実施形態では、ＳＤＥＰは、全般的な集合的出力として「映像データ・プロファイル」または「視覚パフォーマンス・インデックス」（ＶＰＩ）を出力する。いくつかの実施形態では、ＳＤＥＰは、全般的な集合的出力として視覚パフォーマンス・ペルソナを出力する。映像データ・プロファイルまたは視覚パフォーマンス・インデックスは、ＶＲ／ＡＲ／ＭｘＲシステムでの宣伝、ゲーミング、またはコンテンツの媒体プレゼンテーションを最適化するのに使用され得る。実施形態では、本明細書のプラットフォームは、個人のライフスタイルおよび習慣の理解の質を高めることのできる複数の他のデータ・セットを取り込むことができる。さらに、機械学習技法、コンピュータ・ビジョン技法、および深層学習技法が、個人のデータの解析を介して健康結果を監視し、予測するのを助けるのに使用される。実施形態では、視覚パフォーマンス・インデックスが、視覚機能を測定するツールとして使用される。実施形態では、視覚パフォーマンス・インデックスは、本明細書全体で説明される任意の複数のデータまたはデータの組合せに基づいて生成され得、本明細書で提示される例には限定されない。

一実施形態では、ＳＤＥＰは、ハードウェア（モバイル、コンピュータ、またはヘッド・マウント・ディスプレイ（ＨＭＤ）など）上で実行されるオペレーティング・システムを介して使用される。別の実施形態では、ＳＤＥＰは、１つまたは複数のコンテンツ開発者によって使用される。一実施形態では、ハードウェアとコンテンツ開発者との両方がＳＤＥＰを使用する。ＳＤＥＰは、ユーザが提示されるコンテンツにどのようにインターフェースをとるのか、ユーザがコンテンツのどの態様に最も深くかかわるのか、およびユーザがどのようにかかわるのかに関するデータの収集を可能にすることができる。ＳＤＥＰを介して収集されたデータは、同様の人口統計を有するユーザおよびまたはユーザのグループのプロファイルを作成するために処理され得る。コンテンツは、そのユーザおよび同様のプロファイルを有する他のユーザの経験を最適化する形でＶＲ／ＡＲ／ＭｘＲシステムのハードウェア能力に従う形で、特定のプロファイルに関して表現され得る。

本明細書は、複数の実施形態に関する。以下の開示は、当業者が本発明を実践することを可能にするために提供されるものである。本明細書で使用される言葉は、任意の一特定の実施形態の全般的否定として解釈されてはならず、本明細書で使用される用語の意味を超えて特許請求の範囲を限定するのに使用されてはならない。本明細書で定義される全般的な原理は、本発明の趣旨および範囲から逸脱することなく、他の実施形態および応用例に適用され得る。また、使用される用語および語法は、例示的実施形態を説明するためのものであって、限定的と考えられてはならない。したがって、本発明は、開示される原理および特徴と一貫する多数の代替形態、変更、および同等物を含む最も広い範囲に従わなければならない。明瞭さのために、本発明に関する技術分野で既知の技術的材料に関する詳細は、本発明を不必要に不明瞭にすることをなくすために、詳細には説明されない。

用語「および／または」は、リストされた要素のうちの１つもしくはすべてまたはリストされた要素のうちの任意の２つ以上の組合せを意味する。

用語「含む（ｃｏｍｐｒｉｓｅｓ）」およびその変形は、これらの用語がこの説明および特許請求の範囲の現れる場合に、限定的な意味を有しない。

別途指定のない限り、「ａ」、「ａｎ」、「ｔｈｅ」、「１つまたは複数（ｏｎｅ ｏｒ ｍｏｒｅ）」、および「少なくとも１つ（ａｔ ｌｅａｓｔ ｏｎｅ）」は、交換可能に使用され、１つまたは複数を意味する。

別個のステップを含む本明細書で開示されるすべての方法について、ステップは、任意の実現可能な順序で実行され得る。また、適当な場合に、２つ以上のステップの任意の組合せが、同時に実行され得る。

また、本明細書では、端点による数値範囲の記述は、その範囲に含まれるすべての整数または少数を含む（たとえば、１から５までは、１、１．５、２、２．７５、３、３．８０、４、５などを含む）。別途指定のない限り、本明細書および特許請求の範囲で使用される構成要素の量、分子量、その他を表すすべての数は、すべての場合において、用語「約」によって修飾されるものとして理解されなければならない。したがって、別途指定のない限り、本明細書および特許請求の範囲で示される数値パラメータは、本発明によって入手されることが目指される所望の特性に依存して変化する可能性がある近似値である。少なくとも、請求項の範囲の同等物の原理を制限する試みとしてではなく、各数値パラメータは、少なくとも、報告される有効桁の数に鑑み、通常の丸め技法を適用することによって解釈されなければならない。

本発明の広義の範囲を示す数値範囲およびパラメータ・セッティングが近似であるにもかかわらず、特定の例において示される数値は、できる限り正確に報告される。しかし、すべての数値は、それぞれの検査測定において見出される標準偏差から余儀なく生ずる範囲を本質的に含む。

本明細書では、別途指定のない限り、特定の実施形態に関連して説明されるすべての特徴または構成要素が、任意の他の実施形態と共に使用され得、実施され得ることに留意されたい。

本明細書で提示されるすべての求心性データおよび収集される遠心性データが、下でさらに説明されるように、求心性データを提示し、追跡し、監視し、遠心性データを監視し、測定し、追跡するように特に設計された複数のプログラム命令を実行する携帯電話機、ラップトップ、タブレット・コンピュータ、または特製ハードウェア・デバイスなどのハードウェア・デバイスを使用して実行されることをさらに理解されたい。

一般的な定義
用語「仮想現実感」または「ＶＲ」は、本明細書全体で使用され、実施形態において、没入的なコンピュータによってシミュレートされた現実感すなわち、内部に画面を有するヘルメットおよび／またはセンサを取り付けられたグローブなどの特殊な電子機器を使用する人によって外見上は現実的な方法または物理的な方法で対話され得る３次元イメージまたは３次元環境のコンピュータで生成されたシミュレーションを指す。

実施形態において、本明細書全体でＶＲと一緒にも使用される増補現実感（ＡＲ）は、現実世界のユーザのビューにコンピュータ生成されたイメージを重畳し、これによって合成ビューを提供する技術である。実施形態において、一般的なヘルメット様デバイスは、ＨＭＤであり、このＭＨＤは、頭に装着されるかヘルメットの一部として装着され、片眼（単眼ＨＭＤ）または各眼（両眼ＨＭＤ）の前に小型ディスプレイ光学系を有するディスプレイ・デバイスである。実施形態において、ＳＤＥＰは、任意の当事者が視覚的に提示される成果またはサービスを改善しまたは他の形で変更するためにアクセスすることのできるクラウドベースのサービスである。

さらに、実施形態において、混合現実感（ＭｘＲ）も、本明細書全体でＶＲおよびＡＲと共に使用される。ＭｘＲは、ハイブリッド現実感とも呼ばれるが、物理的な物体とデジタルな物体とが共存し、リアル・タイムで相互作用する、新しいレベルの視覚的経験を作るための、ＶＲ環境および／またはＡＲ環境と現実環境との合併である。

実施形態では、ＶＲデバイス、ＡＲデバイス、およびＭｘＲデバイスは、電子媒体デバイスと、コンピューティング・デバイスと、携帯電話機、ラップトップ、携帯情報端末（ＰＤＡ）、またはＶＲ媒体、ＡＲ媒体、もしくはＭｘＲ媒体をサポートできる任意の他の電子デバイスを含むポータブル・コンピューティング・デバイスのうちの１つまたは複数を含むことができる。本明細書では、本明細書が仮想現実感のコンテキストにおいて開示されるが、下で説明されるシステムおよび方法のすべてが、増補現実感環境ならびに混合現実感環境においても使用され得ることに留意されたい。したがって、仮想現実感（ＶＲ）システムが説明される場合には、当業者は、同一の概念が増補現実感（ＡＲ）システムおよび混合現実感（ＭｘＲ）システムに適用され得ることを理解されたい。

アイトラッキングの定義
パフォーマンスに関して、複数のアイ・トラッキング測定値が、本明細書の後続部分で定義され、詳細に説明される視覚パフォーマンス・インデックス（ＶＰＩ）構成要素のコンテキストに入れられる。瞬目率測定値および両眼転導測定値が、疲労および回復の測定値に供給され得る。凝視位置およびより具体的には固視位置が、リアクション測定値およびターゲティング測定値を推定するのに使用され得る。追跡眼球運動中の連続エラー・レートも、ターゲティング測定値になり得る。

実施形態において、視覚パフォーマンス・インデックスは、視覚機能を測定するツールとして使用される。実施形態において、視覚パフォーマンス・インデックスは、本明細書全体で説明される任意の複数のデータまたはデータの組合せに基づいて生成され得、本明細書で提示される例には限定されない。

アイ・トラッキングの物理的測定値の様々な例は、所望の規格単位、測定値の期待される範囲、および／または、適用可能な場合に、これらの測定値に基づく様々な状態またはカテゴリのしきい値に関して入手可能である可能性がある。いくつかの参照が、アイ・トラッキングの様々な構成要素および副構成要素を議論するセクションを介して提供される。

以下の用語は、ビデオ録画技法およびイメージ処理技法の組合せ、エキスパート・ヒューマン・スコアリング（ｅｘｐｅｒｔ ｈｕｍａｎ ｓｃｏｒｉｎｇ）、および／または電気眼球図記録法（ＥＯＧ）記録から作られるアイトラッキング測定値に関連する。ビデオ・アイ・トラッキング（ＶＥＴ）技法は、明示的なアルゴリズム的解析および／または機械学習を使用して、目ごとに独立に比例眼瞼開閉（ｐｒｏｐｏｒｔｉｏｎａｌ ｅｙｅｌｉｄ ｏｐｅｎｉｎｇ／ｃｌｏｓｕｒｅ）、瞳孔サイズ、瞳孔位置（顔に対する）、および凝視方向を推定することができる。ＥＯＧ記録は、眼瞼および眼の動きと、制限された精度を伴うが視線方向とを推定するのに使用され得る。両方の記録モーダリティが、毎秒数十回から数千回のレートでサンプリングし、様々な測定に関する位置、速度、方向、および加速度の解析を可能にすることができる。２つの目の間の比較は、両眼転導の測定を可能にし、これが、３次元（３Ｄ）凝視方向の推定を可能にする。

瞼裂は、眼瞼が開くことを指す。通常は約３０ミリメートル（ｍｍ）幅×１０ｍｍ高であるが、ほとんどの測定値は、ビデオ上で測定されたベースライン距離にになることがある。特に対象となるのが、高さ（瞼裂間高さ）である。というのは、これが以下の項目に関係するからである。

開パーセント（ｐ_{ｅｙｅ ｏｐｅｎ}）は、最大開距離に対して相対的に左目（ｐ_{ｌｅｆｔ ｅｙｅ ｏｐｅｎ}）、右目（ｐ_{ｒｉｇｈｔ ｅｙｅ ｏｐｅｎ}）、または両眼（ｐ_{ｂｏｔｈ ｅｙｅｓ ｏｐｅｎ}）がどれほど開いているかを指し、通常は事前定義の期間にわたって測定される。

開比率（Ｐ_{ｅｙｅｓ ｏｐｅｎ}）は、ある期間（たとえば、１セッション中（Ｐ＿（ｅｙｅｓ ｏｐｅｎ｜ｓｅｓｓｉｏｎ）））にわたって目が開かれている時間の比率を指す。「開」のしきい値は、変数とすることができる（たとえば、Ｐ_{ｅｙｅｓ ｏｐｅｎ}（ここで、ｐ_{ｂｏｔｈ ｅｙｅｓ ｏｐｅｎ}≧２５％））。

瞬きは、おおむね１０から４００ミリ秒（ｍｓ）の間の、両眼が完全に閉じること（ｐ_{ｂｏｔｈ ｅｙｅｓ ｏｐｅｎ}＝０％）と定義することができ、特定の測定される瞬きの閉じ時間は、ユーザの間の相違とアイ・トラッキング方法とに基づく。

瞬目率（周波数）（ｆ_{ｂｌｉｎｋ}）は、すべての瞬きおよび／またはある期間にわたる瞬き（たとえばｆ＿（ｂｌｉｎｋ｜ｔａｒｇｅｔ ｐｒｅｓｅｎｔ））について測定された毎秒の瞬きの平均回数（ｓ^−１またはＨｚ）を指す。瞬目率は、瞬目率の変化のレートまたは完全な瞬きに対する部分的な瞬きの比率と呼ばれる場合もある。

瞬きカウント数（Ｎ＿ｂｌｉｎｋ）は、すべての瞬きおよび／またはある期間にわたる瞬き（たとえば、Ｎ＿（ｂｌｉｎｋ｜ｔａｒｇｅｔ ｐｒｅｓｅｎｔ））について測定された瞬きの回数を指す。

瞳孔サイズ（Ｓ＿ｐｕｐｉｌ）は、瞳孔のサイズ、通常はミリメートル（ｍｍ）単位の直径を指す。

瞳孔位置（〔［ｘ，ｙ］〕＿ｐｕｐｉｌ）は、通常は時間の関数として、顔の固定された基準フレーム内の左の瞳孔（〔［ｘ，ｙ］〕＿（ｌｅｆｔ ｐｕｐｉｌ））または右の瞳孔（〔［ｘ，ｙ］〕＿（ｒｉｇｈｔ ｐｕｐｉｌ））の位置を指す。瞳孔位置の定義は、初期瞳孔位置および最終瞳孔位置を含み、これに依存する。

凝視方向（〔［θ，φ］〕＿ｇａｚｅ）は、通常は時間の関数として、顔に対する左視線（〔［θ，φ］〕＿（ｌｅｆｔ ｇａｚｅ））または右視線（〔［θ，φ］〕＿（ｒｉｇｈｔ ｇａｚｅ））の３Ｄ極座標での方向を指す。これは、目が何を見ているのかにかかわりなく、目がどこに面しているのかの測定値である。これは、課題またはターゲットに応じて、関連または非関連としてさらに分類され得る。

凝視位置（〔［ｘ，ｙ，ｚ］〕＿ｇａｚｅまたは〔［ｒ，θ，ψ］〕＿ｇａｚｅ）は、通常は時間の関数として、直交３Ｄ座標または球面３Ｄ座標での環境内の凝視の位置（または対象）を指す。基準フレームは、ユーザ、デバイス、または空間内のなんらかの他の点に関するものとすることができるが、最も一般的には、座標空間の原点は、ユーザの目（一方、他方、またはその中間の点）になる。凝視位置の定義は、初期凝視位置および最終凝視位置を含み、これに依存する。

両眼転導は、推定された凝視方向から導出され、２つの目の角度の差（正の差は発散であり、負の差は収束である）として定量化され得る。凝視位置から導出される時に、両眼転導は、目／顔からの凝視位置の距離に寄与し、その距離として定量化され得る。収束および発散は、それぞれ、その持続時間および変化のレートによって定義され得る。

固視位置（［ｘ，ｙ，ｚ］_{ｆｉｘａｔｉｏｎ}または［ｒ，θ，ψ］_{ｆｉｘａｔｉｏｎ}）は、ある時点でのユーザの凝視の推定位置として測定された直交３Ｄ座標または球面３Ｄ座標での固視の位置である。固視位置の定義は、初期固視位置および最終固視位置を含み、これに依存する。

固視持続時間（Ｄ_{ｆｉｘａｔｉｏｎ}）は、通常はミリ秒または秒（ｓ）単位で測定される、固視の持続時間（すなわち、目の凝視が固定された位置に達する時とそこから離れる時との間の期間）である。平均持続時間は、バーＤ＿_{ｆｉｘａｔｉｏｎ}を用いて表され、すべての固視、ある期間にわたる固視（たとえば、＿Ｄ＿（ｆｉｘａｔｉｏｎ｜ｔａｒｇｅｔ ｐｒｅｓｅｎｔ））、および／または特定の領域内の固視（たとえば、＿Ｄ＿（ｆｉｘａｔｉｏｎ｜ｄｉｓｐｌａｙ ｃｅｎｔｅｒ））を表すことができる。固視持続時間の定義は、固視の変化のレートを含み、これに依存する。

固視レート（周波数）（ｆ＿ｆｉｘａｔｉｏｎ）は、すべての固視、ある期間にわたる固視（たとえば、ｆ＿（ｆｉｘａｔｉｏｎ｜ｔａｒｇｅｔ ｐｒｅｓｅｎｔ））、および／または特定の領域内の固視（たとえば、ｆ＿（ｆｉｘａｔｉｏｎ｜ｄｉｓｐｌａｙ ｃｅｎｔｅｒ））について測定された毎秒の固視の平均回数（ｓ＾（−１）またはＨｚ）を指す。

固視カウント（数）（Ｎ_{ｆｉｘａｔｉｏｎ}）は、すべての固視、ある期間にわたる固視（たとえば、Ｎ＿（ｆｉｘａｔｉｏｎ｜ｔａｒｇｅｔ ｐｒｅｓｅｎｔ））、および／または特定の領域内の固視（たとえば、Ｎ＿（ｆｉｘａｔｉｏｎ｜ｄｉｓｐｌａｙ ｃｅｎｔｅｒ））について測定された固視の回数を指す。

サッケード位置（［ｘ_１，ｙ_１，ｚ_１｜ｘ_２，ｙ_２，ｚ_２］_{ｓａｃｃａｄｅ}または［ｒ_１，θ_１，ψ_１｜ｒ_２，θ_２，ψ_２］_{ｓａｃｃａｄｅ}）は、直交３Ｄ空間または球面３Ｄ空間での衝動性眼球運動の開始位置（１）および終了位置（２）を指す。基準フレームは、一般に、所与のシナリオ内で、凝視位置に関して使用されるものと同一である。サッケード位置の定義は、変化のレート、初期サッケード位置、および最終サッケード位置を含み、これに依存する。

サッケード角（Θ_{ｓａｃｃａｄｅ}）は、度（°）またはラジアン（ｒａｄ）単位の、ある基準に関するサッケードの２次元（奥行きを無視）方向を記述する角度を指す。別途指定のない限り、基準は、垂直に上昇し、角度は、時計回りに増加する。基準は、ある所望の（すなわち、ターゲットに向かう）方向からのサッケード方向の逸脱を表すために指定される場合がある（たとえば、Θ_{ｓａｃｃａｄｅ−ｔａｒｇｅｔ}）。平均サッケード方向は、バーΘ＿_{ｓａｃｃａｄｅ}を用いて表され（たとえば、＿Θ＿（ｓａｃｃａｄｅ｜ｔａｒｇｅｔ ｐｒｅｓｅｎｔ））、すべてのサッケードまたはサッケードの部分集合を表すことができる。この方向が角度（すなわち円形）なので、平均方向は、関連する基準が指定され（たとえば、＿Θ＿（ｓａｃｃａｄｅ−ｔａｒｇｅｔ｜ｔａｒｇｅｔ ｐｒｅｓｅｎｔ））ない限り、ランダムになる可能性がある。サッケード角は、ターゲットがユーザにどれほど関係するのかを判定するのに使用され得、ターゲットへの関連性のコンテキストと呼ばれる場合もある。

サッケード大きさ（Ｍ_{ｓａｃｃａｄｅ}）は、移動距離に関するサッケードの大きさを指し、これは、度（°）またはラジアン（ｒａｄ）単位の視角、推定凝視位置に関する物理的距離（たとえば、センチメートル（ｃｍ）またはインチ（ｉｎ）単位）、またはディスプレイ上の推定凝視位置に関するディスプレイ空間内の距離（たとえば、画素（ｐｘ）単位）として与えられ得る。空間内の特定の点（Ｐ）に関して、サッケード大きさの、その点への直線に平行な成分は、
Ｍ_{ｓａｃｃａｄｅ−Ｐ}＝Ｍ_{ｓａｃｃａｄｅ}・ｃｏｓ（Θ_{ｓａｃｃａｄｅ−Ｐ}）
によって与えられ得、ここで、Ｍ_{ｓａｃｃａｄｅ}は、サッケードの大きさであり、Θ_{ｓａｃｃａｄｅ−Ｐ}は、サッケード方向とその点Ｐに向かうベクトルとの間の角度である。平均サッケード大きさは、バーＭ＿_{ｓａｃｃａｄｅ}を用いて表され、この表記は、サッケード大きさまたは指定された点に対するサッケード大きさの成分に関して、すべてのサッケードおよび／または時間もしくは空間内の部分集合に適用される。

プロサッケード（Ｐｒｏ−Ｓａｃｃａｄｅ）は、空間内のある点、しばしばターゲット、対象領域、またはなんらかの注意を引く事象に対する運動を指す。上の用語法によって、プロサッケードは、相対的に小さいサッケード角と、指定された位置に対する正の大きさ成分とを有するはずである。

アンチサッケード（Ａｎｔｉ−Ｓａｃｃａｄｅ）は、しばしば嫌悪に起因するか課題（目をそらす指示）に基づく、空間内のある点から離れる運動を指す。上の用語法によって、アンチサッケードは、相対的に大きいサッケード角（約±１８０°または±πｒａｄ）と、指定された位置に対する負の大きさ成分とを有するはずである。

復帰抑制（ＩＯＲ）は、アンチサッケードに関係し、探索中またはフリー・ビューイング中の、より情報の少ない最近に固視された領域を回避する傾向を記述する。ＩＯＲは、シーンの効率的なサンプリングに関する全般的な戦略を反映する。ＩＯＲは、アンチサッケードによって促進され定義される場合があり、またはアンチサッケードの関数とすることができる。

サッケード速度（ｖ_{ｓａｃｃａｄｅ}）またはサッケードの速度は、経時的な大きさの変化と考えられる（一般に、基準点に向かう大きさ成分からではない）。サッケード速度の大きさの度合および方向に基づいて、サッケード速度は、ユーザに対するターゲットの関連の度合を示す可能性がある。平均サッケード速度は、バーｖ＿_{ｓａｃｃａｄｅ}を用いて表され、すべてのサッケードまたは時間および／もしくは空間内の部分集合に適用され得る。

サッケード・レート（周波数）（ｆ_{ｓａｃｃａｄｅ}）は、すべてのサッケード、ある期間にわたるサッケード（たとえば、ｆ＿（ｓａｃｃａｄｅ｜ｔａｒｇｅｔ ｐｒｅｓｅｎｔ））、特定の領域内のサッケード（たとえば、ｆ＿（ｓａｃｃａｄｅ｜ｄｉｓｐｌａｙ ｃｅｎｔｅｒ））、および／またはその方向によって定義されるサッケード（たとえば、ｆ＿（ｓａｃｃａｄｅ｜ｔｏｗａｒｄｓ ｔａｒｇｅｔ））について測定された毎秒のサッケードの平均回数（ｓ^−１またはＨｚ）を表す。

サッケード・カウント（数）（Ｎ_{ｓａｃｃａｄｅ}）は、すべてのサッケード、ある期間にわたるサッケード（たとえば、Ｎ＿（ｓａｃｃａｄｅ｜ｔａｒｇｅｔ ｐｒｅｓｅｎｔ））、特定の領域内のサッケード（たとえば、Ｎ＿（ｓａｃｃａｄｅ｜ｄｉｓｐｌａｙ ｃｅｎｔｅｒ））、および／またはその方向によって定義されるサッケード（たとえば、Ｎ＿（ｓａｃｃａｄｅ｜ｔｏｗａｒｄｓ ｔａｒｇｅｔ））について測定されたサッケードの回数である。

追跡眼球運動（ＰＥＭ）は、凝視が空間を通って移動する物体を追跡する円滑追跡眼球運動と、頭または胴体の移動を補償する前庭眼球運動との両方を指すのに使用される。ＰＥＭは、円滑ＰＥＭの開始、持続時間、および／または方向を示すデータによってさらに定義され得る。基準の移動するフレームからの静止物体の補償トラッキングも含まれる。ＰＥＭは、一般に、固視およびサッケードからなるのではなく、時折の誤りを訂正するサッケードによって中断される連続的な相対的に遅い運動からなる。ＰＥＭトレースの円滑部分およびサッケード部分は、別々に減算され、解析され得る。

ボディ・トラッキングの定義
ボディ・トラッキングは、時間および／またはあるクラスの運動（たとえば、頭のうなずき）に関連する時間内の別個の事象の関数として、胴体および手足の位置を測定し、推定することを伴う。情報ソースは、イメージ処理および解析を助けるための装着型マーカー、位置トラッカ、加速度計、および様々な手持ちのまたは装着型デバイス、プラットフォーム、椅子、もしくはベッドを用いるまたはこれを用いないビデオ・トラッキングを含む。

画面距離（ｄ_{ｓｃｒｅｅｎ}）は、ユーザの目（顔）と所与のディスプレイ・デバイスとの間の距離を指す。静的な量として、画面距離は、画面上の様々な要素に向かう方向（視角）を判定するために重要であるが、時間に関する変数として、画面距離は、画面に向かい画面から離れるユーザの運動を測定することができる。画面距離は、変化のレート、初期位置、およびユーザの目（顔）と所与のディスプレイ・デバイスとの間の最終位置に依存する。顔検出アルゴリズムと組み合わされて、この測定は、デバイス・カメラおよびディスプレイに対する既知の位置を有する別々のカメラから行われ得る。

頭部方向（向き）（［θ，φ］_{ｆａｃｉｎｇ}）は、胴体またはディスプレイもしくは環境内の他の物体のいずれかに対する頭の面する方向の３Ｄ極座標での方向を指す。これは、経時的に追跡されて、うなずき（没頭と疲労との両方に関する）、身震い、上下運動、または任意の他の形の方向付けなどの事象を導出するのに使用され得る。頭部方向は、胴体またはディスプレイもしくは環境内の他の物体のいずれかに対する頭の面する方向の変化のレート、初期位置、および最終位置に依存する。

頭部固定は、固視および眼球運動に関連する様々な測定値に似ているが、測定され、挙動推論され得る。一般に、頭部固定は、固視よりはるかに長い。頭部運動は、前庭眼球補償と組み合わされる時に、視線方向の変化を必ずしも示さない。頭部固定は、頭部固定の変化のレート、初期位置、および最終位置に依存する。

頭部サッケード（Ｈｅａｄ Ｓａｃｃａｄｅ）は、サッケードおよび眼球運動に関連するその様々な測定値に似ているが、素早い別個の頭部運動として測定され得る。これらは、大きい視角にまたがって凝視をシフトする時に、衝動性眼球運動が付随する可能性が高い。適応頭部サッケード（ｏｒｉｅｎｔｉｎｇ ｈｅａｄ ｓａｃｃａｄｅ）は、聴覚処理の一部になる場合もあり、環境内の新規の音響または予期されない音響に反応して発生する可能性がある。

頭部追跡（Ｈｅａｄ Ｐｕｒｓｕｉｔ）は、追跡眼球運動に似ているが、しばしば、移動する物体を追跡する際および／または基準の移動するフレームを補償する際の、より遅く維持される運動になる傾向がある。

手足トラッキング（Ｌｉｍｂ Ｔｒａｃｋｉｎｇ）は、それら自体がビデオ、加速度計、または三角測量によって追跡されるイメージ処理デバイスまたは装着型／手持ちデバイスを用いてビデオを使用して経時的に手足位置について行われ得る様々な測定を指す。これは、コンピュータ・マウスなどのポインティング・デバイスおよびハンドヘルド・モーション・コントローラを含む。相対的な手足位置は、ポインティング方向などの副測定値を導出するのに使用され得る。手足トラッキングは、手足の変化のレート、初期位置、および最終位置に依存する。

重量分布は、ユーザが立ち、座り、または横たわる間のセンサの空間配置に対する重量の分布を指し、胴体の運動、位置、および姿勢を測定するのに使用され得る。重量分布は、重量の変化のレート、初期位置、および最終位置に依存する。

微表情、眉の位置、人の口の縁、角、および境界、ならびにユーザの頬骨の位置を含む表情も、記録され得る。

電気生理学および自律神経の定義
電気生理学測定は、通常は皮膚に配置された導電電極による電位（電圧）または電位差の記録に基づく。電極が配置される胴体の部分に依存して、様々な生理学的測定および／または行動測定が、メトリックおよび解析のセットに基づいて行われ得る。通常、電圧（非常に小さい−マイクロボルトμＶ）が、毎秒数千回（ｋＨｚ）のサンプリング・レートで時間の関数として記録される。電気生理学的記録は、自律神経機能を測定することができるが、様々なセンサを用いる他の方法も使用され得る。圧力変換器、光センサ（たとえば、パルス酸素化（ｐｕｌｓｅ ｏｘｙｇｅｎａｔｉｏｎ））、加速度計、その他が、連続データまたは事象関連データを提供することができる。

周波数領域（フーリエ）解析は、時間の関数としての電位（時間領域）の、周波数の関数としての波形エネルギへの変換を可能にする。これは、スペクトログラムを作成するために時間の移動ウィンドウにわたって行われ得る。時間の関数としての、特定の周波数または周波数の範囲の総エネルギが、反応および状態の変化を測定するのに使用され得る。

脳波記録法（ＥＥＧ）は、脳機能の電気生理学的記録を指す。時間平均解析および周波数領域解析（下で詳細に説明する）が、状態の測定値をもたらす。刺激に関する正確なタイミング情報と組み合わされて、事象関連ポテンシャル（ＥＥＧ−ＥＲＰ）が、情報処理の特定の態様の特性を示す波形として解析され得る。

周波数帯は、通常は脳活動（ＥＥＧ）に関連し、周波数領域解析のコンテキストでは、周波数の異なる範囲が、一般に、特定の神経過程または共通の状態の特性を示す活動を探すのに使用される。周波数範囲は、毎秒サイクル数（ｓ^−１またはＨｚ）単位で指定される。
・デルタ ４Ｈｚ未満の周波数。通常は徐波睡眠に関連する。
・シータ ４〜７Ｈｚの間の周波数。通常は眠気に関連する。
・アルファ ８〜１５Ｈｚの間の周波数。
・ベータ １６〜３１Ｈｚの間の周波数。
・ガンマ ３２Ｈｚを超える周波数。

心電図検査（ＥＣＧ）は、心機能の電気生理学的記録を指す。このコンテキストで対象となる主な測定値は、心拍数である。

筋電図検査（ＥＭＧ）は、筋肉の緊張および運動の電気生理学的記録を指す。必ずしも明白な運動にはつながらない微妙な筋肉の活性化の測定が行われ得る。顔に配された電極が、表情およびリアクションを検出するのに使用され得る。

眼電図（ＥＯＧ）は、眼球にまたがる電気生理学的記録を指す。これは、眼球および眼瞼の運動の敏感な測定を提供することができるが、瞳孔位置および凝視方向の導出において制限された用途を有する。

網膜電図（ＥＲＧ）は、網膜活動の電気生理学的記録を指す。

ガルバニック皮膚反応（Ｇａｌｖａｎｉｃ Ｓｋｉｎ Ｒｅｓｐｏｎｓｅ）（ＧＳＲ）（皮膚電気反応）は、皮膚伝導の測定である。これは、汗の放出に関係するので、交感神経系の間接測定である。

体温測定は、離散的な形または連続的な形で行われ得る。体温の相対的に素早いシフトは、刺激に対する反応の測定値とすることができる。シフトは、温度の変化のレート、初期温度、および最終温度を追跡することによって測定され得る。

呼吸数は、呼吸のレートを指し、光学／ビデオ、呼吸記録法（ｐｎｅｕｍｏｇｒａｐｈｙ）、および聴覚を含む複数のソースから測定され得、通常は毎分の呼吸回数（ｍｉｎ^−１単位で測定され、呼吸の短い停止（すなわち、息を止めること）が、開始の時刻および持続時間に関して測定され得る。

酸素飽和度（

）は、血液酸素化の測定値であり、自律神経機能および生理学的状態の表示として使用され得る。

心拍数は、毎分の脈拍数（ｍｉｎ^−１ｎｄ単位で測定され、複数のソースから測定され、自律神経機能および生理学的状態の表示として使用され得る。

血圧は、通常、２つの値すなわち、水銀柱ミリメートル（ｍｍＨｇ）単位の最高（心収縮）血圧および最低（心拡張）血圧を用いて測定される。血圧は、自律神経機能および生理学的状態の表示として使用され得る。

遠心性オーディオ記録の定義
近くのマイクロホンからのオーディオ記録は、ユーザからの行動反応および自律神経反応さえも測定することができる。音声応答は、反応時間、反応の意味または内容（すなわち、何が言われたのか）、ならびに反応の持続時間（たとえば、「イエイ」対「イエーーーーイ」）の測定値を提供することができる。あくび、ブーブー言う声、またはいびきなどの他の発声を測定することができる。タップ、揺さぶり、引っ掻き、または全般的にそわそわする挙動などの他の可聴挙動を測定することができる。ある種のコンテキストでは、呼吸などの自律神経挙動を記録することができる。

話された単語、句、およびより長い構造などの発声を記録し、アルゴリズム的にテキスト文字列に変換して、特定の反応を導出することができる。各成分（反応、単語、音節）の開始時刻および持続時間を測定することができる。他の非言語反応（叫ぶ、ブーブー言う、鼻歌など）の特徴を表すこともできる。発声は、ピッチ、音の強さ、および意味論を含む、ある範囲の音声パラメータを反映する可能性がある。

推論された遠心性反応は、オーディオによって記録され得る、対象のある種の遠心性反応を指し、刺激に対する分離した反応を示すか、全般的な状態または気分を知らせるかのいずれかである。対象の挙動は、タップ、引っ掻き、繰り返される機械的対話（たとえば、ペンのクリック）手足をはねるか振ること、揺さぶり、および他の反復する挙動または他の形で顕著な挙動を含む。

呼吸数、強度（体積）、および潜在的にモダリティ（口対鼻）の測定値などの呼吸も、行われ得る。

求心性の分類／定義
下で議論される状態は、一般に、様々な刺激と刺激および環境状態の組合せとのコンテキストにおいて、またはこれに対する反応において測定される。刺激は、求心性入力モダリティ（視覚、聴覚、触覚、その他）によって定義され、その特徴によって記述され得る。特徴は、アプリケーションによってセットされ（たとえば、画面上に表示されるスプライトの位置、サイズ、および透明度をセットする）、または、イメージ処理解析／オーディオ処理解析（たとえば、フーリエ変換、顕著性マッピング（ｓａｌｉｅｎｃｙ ｍａｐｐｉｎｇ）、物体分類、その他）によって推論され得る。

下で議論される関心領域は、前もって知られ、アプリケーションによってセットされ得、様々な視覚的刺激の位置および範囲によって定義され得、かつ／または連続領域、関連領域、および／もしくは突出領域を同定するイエージ処理解析によってデータ収集の後に後で導出され得る。刺激特徴に加えて、遠心性測定値は、関心領域を同定するのに使用され得る（たとえば、ユーザが固視する傾向がある領域が、凝視位置データによって定義される）。同様に、求心性測定値と遠心性測定値との両方が、要約解析（たとえば、息を止めている間の固視の総数）のために時間を期間にセグメント化するのに使用され得る。

感覚データ交換プラットフォームの概要
図１を参照すると、図１は、本明細書の実施形態による、例示的なＳＤＥＰとのユーザ対話を示すブロック図１００を示す。一実施形態では、ユーザ１０２は、タブレット・コンピュータまたはＶＲ／ＡＲ／ＭｘＲシステム１０４上のアプリなどの媒体システムとインターフェースをとる。媒体システム１０４は、ＨＭＤ、センサ、ならびに／または視覚媒体、聴覚媒体、および他の感覚媒体をユーザに提示し、提示された媒体とのユーザ対話中のユーザ反応データの収集を可能にする任意の他の形のハードウェア要素１０６などのデバイスを含むことができる。媒体は、サーバによって、ネットワークを介して、またはＨＭＤなどのハードウェア・デバイスにコンテンツを供給できる任意の他のタイプのコンテンツ・プラットフォームを介して通信され得る。センサは、ユーザ１０２を監視するための、生理学センサ、バイオメトリック・センサ、または他の基本的なセンサおよび高度なセンサとすることができる。さらに、センサは、ユーザ１０２の視覚パフォーマンスに直接的または間接的に影響する可能性があるオーディオ条件、視覚条件、触覚条件、または任意の他のタイプの環境条件を記録する環境センサを含むことができる。媒体システム１０４は、ハードウェア要素１０６に関連して実行され得るソフトウェア要素１０８をも含むことができる。例示的なソフトウェア要素１０８は、ゲーミング・プログラム、ソフトウェア・アプリケーション（アプリ）、またはユーザ１０２への媒体の提示に寄与することのできる任意の他のタイプのソフトウェア要素を含む。ソフトウェア要素１０８は、システムがユーザ反応データを収集することを可能にすることもできる。収集されたデータは、ユーザ、ソフトウェア・アプリケーション、ゲーム（存在する場合）、ユーザに提示された媒体、ユーザがシステムと対話したセッション、または任意の他のデータに関する情報を用いてタグ付けされ得る。ハードウェア要素１０６とソフトウェア要素１０８との組合せを使用して、ユーザ１０２に媒体を提示することができる。

一実施形態では、ソフトウェア・システム１０４とのユーザ１０２の対話から収集された刺激データおよび反応データが、データ・ソース１１０を構成することができる。データ・ソース１１０は、ソフトウェア要素１０８とＳＤＥＰ １１８との間の相互作用に基づいてＳＤＥＰ １１８内で作成され得る。ソフトウェア要素１０８は、開発者用のソフトウェア開発キット（ＳＤＫ）内に含まれるプロプライエタリ関数呼出しを介してＳＤＥＰ １１８と相互作用することもできる（すなわち、開発者は、事前定義の関数を使用してＳＤＥＰ １１８へ／からデータを送信／受信することができる）。ＳＤＥＰ １１８は、ストレージ構成要素および処理構成要素を含むことができ、コンピューティング・システムとすることができる。ＳＤＥＰ １１８の機能性は、主として、１つまたは複数のサーバと、記憶され、クラウド・サービスから検索されるデータとに存在することができる。データのソースは、映像データ、オーディオ・データ、ソフトウェア・システム１０４と共に展開されたセンサによって収集されたデータ、ユーザ・プロファイル・データ、またはユーザ１０２に関係付けられ得る任意の他のデータの形であるものとすることができる。映像データは、主として、刺激データを含むことができ、カメラ（セル電話機カメラまたは他の視覚機器／デバイスなど）からまたはゲームおよびアプリケーション（アプリ）などの他の間接ソースから供給され得る。センサは、空間データおよび時系列データを供給することができる。ユーザ・データは、ログイン情報または、ユーザのプロファイルから、ソーシャル・メディア・アプリから、もしくは他のパーソナライズされたソースから導出された他のユーザ固有情報に関するものとすることができる。実施形態では、データ・ソースは、おおまかに求心性データ・ソースおよび遠心性データ・ソースとして分類され、これらは、本明細書の後続セクションでより詳細に説明される。一実施形態では、ユーザ・プロファイル・データは、別のデータベースから収集され得、あるいは、異なるソースを介して供給され得る。例示的な実施形態では、ユーザ・プロファイル・データは、１つまたは複数のビジョン・ケア保険会社を含むサービス・プロバイダによって供給され得る。他の実施形態では、ユーザ・プロファイル・データは、ユーザのデバイス、アプリ／ゲームのオプトイン・オプション、または任意の他のソースを含む他のソースから収集され得る。

データ・ソース１１０は、データ取込システム１１２に供給され得る。データ取込システム１１２は、データ処理システム１１４内でのデータのさらなる処理に備えて、データを抽出し、かつ／または変換することができる。データ・アダプタは、データ・ソースとデータセットとの間で通信するのに使用される１組のオブジェクトであり、データ取込システム１１２を構成することができる。たとえば、イメージ・データ・アダプタ・モジュールは、イメージからメタデータを抽出することができ、イメージ・データを処理することもできる。別の例では、ビデオ・データ・アダプタ・モジュールが、ビデオ・データ・ソースからメタデータを抽出することもでき、分散ファイル・システム内に大量のビデオを記憶するためにビデオ・トランスコーダを含むこともできる。別の例では、時系列データ・アダプタ・モジュールが、センサ・データを時系列に解析する。別の実施形態では、空間データ・アダプタ・モジュールが、皮膚などの相対的に小さい面積からのデータを利用し、面積測定のためにそのデータを空間的に変換することができる。別の例では、ユーザ・プロファイル・データ・アダプタ・モジュールが、ログイン、ソーシャル・メディア接続ＡＰＩ、電話機上の一意識別子、および類似物などの全般的なユーザ・データをソートすることができる。

ＳＤＥＰ １１８は、条件付けられたデータをデータ取込システム１１２から受信するデータ処理システム１１４をさらに含むことができる。データ処理システム１１４内の機械学習モジュール１５２は、ストレージ１５４およびリアル・タイム・キュー１５６と通信して、データをデータ・サービング・システム１１６に出力することができ、データ・サービング・システム１１６は、アプリケーション・プログラム・インターフェース（ＡＰＩ）を含むことができる。実施形態では、機械学習システムは、１つまたは複数の既知のモデルおよびカスタム・モデルを実施して、データ取込システム１１２からのデータ出力を処理することができる。

実施形態では、ＳＤＥＰ １１８は、別のＡＰＩ １２２に供給するバックエンド分析論用のモジュール１２０をさらに含むことができる。ＡＰＩ １２２は、ユーザ１０２とインターフェースをとり、変更された媒体をユーザ１０２に供給することができる。

図２Ａは、本明細書の実施形態による、クエリ・プロセッサに達する前のセンサ・データ・ストリームの処理を示すブロック図である。一実施形態では、図２Ａは、ＳＤＥＰによって受信されるセンサ・データ・ストリームのラムダ・アーキテクチャ２００を示す。データ処理アーキテクチャ２００は、データ・ストリームおよびバッチの並列処理によって大量のデータを処理するように設計され得る。一実施形態では、ユーザからリアル・タイムで収集されたセンサ・データを含むセンサ・データ・ストリーム２０２が、リアル・タイム・レイヤ２０４に供給される。リアル・タイム・レイヤ２０４は、オンライン・データを受信し、リアル・タイム・プロセッサ２１４を介して処理することができる。バッチ内に収集されたデータは、バッチ・レイヤ２０６に供給され得る。バッチ・レイヤ２０６は、既存の事象に付加されるタイム・スタンプを付けられた事象の処理のために受信し、利用すべきマスタ・データ・セット２２２を含む。バッチ・レイヤ２０６は、大量のデータを処理することができるバッチ・プロセッサ２１６を含む分散処理システムを使用して結果を事前に計算することができる。バッチ・レイヤ２０６は、バッチ・ビュー２１８を生成するために、すべての使用可能なセンサ・データを処理できることによって、正確なデータを供給することを目的とすることができる。バルク・アップローダ２２０は、データベース２１０内に記憶される出力をアップロードすることができ、更新は、既存の事前に計算されたバッチ・ビューを完全に置換する。両方のレイヤからの処理されたデータは、リアル・タイム・サービングおよびバッチ・サービングのためにそれぞれのデータベース２０８および２１０にアップロードされ得る。データベース２０８および２１０からのデータは、その後、クエリ・プロセッサ２１２を介してアクセスされ得、クエリ・プロセッサ２１２は、サービング・レイヤの一部とすることができる。クエリ・プロセッサ２１２は、事前に計算されたビューを返すこと、または処理されたデータからビューを構築することによって、アドホック・クエリに応答することができる。実施形態では、リアル・タイム・レイヤ２０４、バッチ・レイヤ２０６、およびサービング・レイヤが、独立的に利用され得る。

データ獲得
事象は、潜在的にアプリ、ユーザ、および環境センサに由来するデータのストリーム内でコーディングされ得、物事が起きた時を示すタイムスタンプを担うことができる。曖昧ではない発生時刻を有するすべてのものが、「事象」として適格とされ得る。対象のほとんどの事象は、時刻において別個である可能性があり、タイム・スタンプは、ある状態の開始または終了のいずれかを示す。例外として、電気生理学データは、連続的に記録され、他の事象と時間において同期化されたデータのセグメントの平均をとることによってまたはなんらかの他の解析によって全般的に解析され得る。

一実施形態では、ユーザ１０２との対話から収集されたデータは、求心性事象および遠心性事象に対応する求心性データおよび遠心性データとしておおまかに分類される。末梢神経系では、求心性神経線維は、求心性ニューロン（感覚ニューロン）の神経線維（軸索）である。求心性神経線維は、感覚受容器または感覚器官から中枢神経系へ神経インパルスを伝える、神経細胞体からはるかに延びる長い突起（突出）である。神経活動の反対方向が、遠心性伝導（ｅｆｆｅｒｅｎｔ ｃｏｎｄｕｃｔｉｏｎ）である。逆に、遠心性神経線維は、遠心性ニューロン（運動ニューロン）の神経線維（軸索）である。遠心性神経線維は、中枢神経系から末梢効果器器官（ｐｅｒｉｐｈｅｒａｌ ｅｆｆｅｃｔｏｒ ｏｒｇａｎ）（主に筋肉および腺）に向かって神経インパルスを伝える、神経細胞体からはるかに延びる長い突起（突出）である。

「刺激」は、通常は求心性の、ユーザが反応できる物理世界での別個の出来事を形成する１つまたは複数の事象として分類され得る。刺激事象は、ユーザからの反応を顕在化させる場合とそうでない場合とがあり、実際に、意識して知覚されまたは感知されることが全くない場合があり、したがって、事象が発生する場合には、その事象は解析に使用可能にされる。刺激事象クラスは、「アプリケーション固有事象」ならびに「一般のおよび／または導出された刺激事象」を含むことができる。

アプリケーション固有事象は、特定のアプリケーションの光景、音響、および他の感覚効果に固有である可能性がある多数の刺激事象クラスを含むことができる。美術資産のすべてが、潜在的な視覚的刺激であり、音響資産のすべてが、潜在的な聴覚的刺激である。生理学的入力（心拍数、パルス・オキシメトリ、基礎体温）と一緒に、位置データ（加速度計）、視覚運動（手足の運動）、ジャイロスコープ（頭部の移動／胴体の移動）、方向、力、およびタイミングと一緒に、味覚、嗅覚、触覚を含むがこれに限定されない他の形の入力がある可能性がある。突然のまたは徐々の出現または消失、運動の開始または消失、これらの要素のプレイ、一時停止、またはその状態の他の変化が、その特定のタイムスタンプを決定する。これらの刺激事象クラスの定義は、アプリ開発者がＳＤＥと共同して働くことを必要とする可能性があり、イメージ／オーディオの処理および解析のコードの特定の開発を含む場合がある。

一般のおよび／または導出された刺激事象は、すべてのアプリケーションにまたがって一般的である可能性がある刺激事象である。これらは、シーンの記録されたビデオ（たとえば頭部に装着されたカメラ）データまたはオーディオ・データから導出される、アプリに直接に由来するのではない（アプリ自体はこれらの事象のより正確な記録を提供する）、求心性事象を含む可能性がある。デバイス固有であるがアプリ固有ではない事象も、分類され得る。同様に、すべてのアプリに関して実行される較正および他の活動は、一般的と考えられ得る（しかしながら、それでもおそらくは使用されようとしているアプリによって分類され得る）。

一部の刺激事象は、大量のデータが収集され、解析された後になるまで明白ではない場合がある。新しい刺激事象クラスが、ユーザの間での反応のパターンを説明するために作成される場合に、傾向を検出し、調査することができる。さらに、記述的分析および予測解析が、ユーザ経験をパーソナライズするために傾向／パターンに依存する刺激／コンテンツのリアルタイム交換を容易にするために実行され得る。

「反応」は、通常は遠心性の、潜在的に知覚された刺激（実際のまたは想像された）に反応するユーザによる別個のアクションまたはアクションのパターンを形成する、１つまたは複数の事象として分類され得る。反応は、電気生理学センサおよび／または自律神経監視センサによって測定される生理学的状態のあらゆる変化をさらに含むことができる。反応は、必ずしも意識的または随意的とは限らないが、可能な時には必ず、意識的／無意識的および随意的／不随意的として同定される。反応事象クラスは、分離した反応、タイムロックド平均反応（ｔｉｍｅ−ｌｏｃｋｅｄ ｍｅａｎ ｒｅｓｐｏｎｓｅ）、時間微分反応（ｔｉｍｅ ｄｅｒｉｖａｔｉｖｅ ｒｅｓｐｏｎｓｅ）、および／または導出された反応事象を含むことができる。

「分離した反応」は、意志的ユーザ行動に関連する最も一般的な反応事象を表し、明瞭な始まりと終りと（通常は、数秒または数ミリ秒程度持続する）を有して時間において分離されている。これは、とりわけ、マウス入力またはタッチ・スクリーン入力、発声、サッケード眼球運動および追跡眼球運動、瞬き（随意または不随意）、頭部または他の身体部分の運動、ならびに電気生理学的に検出された筋肉の運動を含む。

一部のデータ記録、特に電気生理学的記録の、雑音が多いという性質に起因して、個々の刺激事象に対する反応を検査することは難しい。タイムロックド平均反応は、特定の刺激事象に対する反応のパターンを指し、このパターンは、平均をとることによって多数の刺激反応事象から抽出され得る。特定の刺激の各提示の直後のある長さの時間（通常は数秒程度）に関するデータが、たくわえられ、その後、多数の「試行」にわたて平均をとられ、その結果、データ内の雑音（おそらく本質的にランダム）がそれ自体を打ち消し、平均反応が残され、その特性を測定できるようになる。

時間微分反応は、一部の反応、特に自律神経反応が経時的にゆっくり変化し、時には分離した刺激事象に関連付けるには遅すぎることを反映するものである。しかし、ある期間内の平均値、変化の速度、または速度の加速度（および他の導出された測定値）は、他の測定された状態（求心性または遠心性）と相関され得る。

刺激事象と同様に、一部の反応事象は、データ収集の前に明白であるのではなく、経時的に正体を表す場合がある。人間または機械によって案内される解析のいずれを介するにせよ、一部の特徴的な反応は、データ内に現れる可能性があり、したがって、推論された反応事象と呼ばれる場合がある。

可能な時にはいつでも、反応は、それを顕在化させた（可能性がある）刺激と対にされる。一部のアプリケーションは、データ・ストリーム内で、刺激および反応がどのように対にされるのかを明確にすることができる（精神物理学の実験のように）。一般的な場合に関して、刺激事象クラスは、提示の直後に、その間に反応が適度に行われる可能性が高い一定期間を与えられる。この時間枠内に発生するすべての反応を、その刺激と対にすることができる。反応が発生しない場合には、ユーザがその刺激事象に反応しなかったと仮定される。同様に、反応事象は、アクションの直前に、その間に刺激がその反応事象を引き起こした可能性が高い一定期間を与えられる。刺激の後と反応の前との両方の時間のウィンドウが、以前には考えられていなかった新しい刺激事象クラスおよび反応事象クラスの発見を助けるために検査され得る。

刺激事象クラスおよび反応事象クラスは、その特徴（パラメータ、値、カテゴリ、その他）によて定義され、区別され得る。事象クラスの一部の特徴は、データ内でグループまたはカテゴリを確立するのに使用され得る。一部の特徴は、様々なメトリックを計算するのに（も）使用され得る。特徴は、本質的に数値とし、事象クラスまたは事象の個々のインスタンスに一意の特定の値を保持することができる。特徴は、解析に応じて、グループ化のための名前付きアイデンティティを保持するか、潜在的にその後に数値表現に変換されるかのいずれかである、カテゴリとすることができる。

刺激事象の特徴は、主に、刺激の物理的記述を構成することができる。これらの特徴の一部は、刺激の事象クラスを定義することができ、他の特徴は、刺激の特定の出現を記述することができる（たとえば、タイムスタンプ）。刺激の名前付きアイデンティティ（たとえば、スプライト・ファイル名）および状態情報（たとえば、方向付けまたは姿勢）は、刺激特徴である。イメージの画素構成または音響の波形を使用して、刺激の無数の異なる記述的特徴を生成することができる。一部の刺激事象クラス自体が解析から明らかになる可能性があるのと同様に、一部の刺激特徴は、データ解析を介する発見を必要とする可能性がある。

反応特徴は、一般に、行われた反応のタイプまたはカテゴリ、位置情報（たとえば、マウス・クリックが行われた場所もしくはサッケードが始まった／到着した場所、タッチ、凝視、固視、頭部の回転、胴体の回転、頭部の方向および速度、または胴体／手足の運動）、およびタイミング情報を含むことができる。一部の導出された特徴は、反応がそれに対して行われた刺激を調べること、たとえば、反応が「正しかった」または「正しくなかった」のいずれであるのかに由来する場合がある。

図２Ｂは、データ解析チェーンの例示的概要を示す。データ解析は、最も下のレベルで２３２で始まり、ここで、このレベルのデータは、さらには単純化されず、分解されないものとすることができる。２３２では、単一の刺激のパラメータが、刺激の直接の特徴に対応する異なる独立変数に基づく複数の測定に使用され得る。単一の反応のパラメータが、異なる従属変数に基づく複数の測定に使用され得る。

図３は、デジタル・データのソースの概要３００を示す。実施形態では、求心性データ３０４は、視覚情報３０７、聴覚情報３０８、空間情報３１０、または、温度、圧力、および湿度を含むがこれに限定されない他の環境的に測定された状態を供給するソースから収集され得る。求心性データ３０４のソースは、ユーザ３０２によって知覚されることが意図されている事象を含むことができる。ユーザ３０２は、本明細書の様々な実施形態による媒体システムとインターフェースをとるユーザとすることができる。

求心性データおよび遠心性データは、複数の人に関して収集され、複数の人のそれぞれのプロファイルに対応する人口統計データに関係付けられ得、この人口統計データは、少なくとも、複数の人のそれぞれの性別および年齢を含む。そのようなデータベースが作成された後に、そのサービスの媒体コンテンツに、ターゲットにされたグループの網膜−外側膝状体−皮質路に対してより大きい影響を有するようにさせることによって、少なくとも１つの特定の人口統計属性を有する人のグループをターゲットにした治療法を作成することができる。

求心性データ
求心性（刺激）事象は、ディスプレイ内でユーザ３０２に提供される、ディスプレイ上で発生するすべてのこと、スピーカまたはヘッドホン／イヤホンに由来する事象、またはアプリによって生成された触覚入力とすることができる。データは、ユーザ３０２によって見られ、聞かれ、または感じられた可能性があるが、アプリ自体によって生成されたのではない物事を記録するための、頭部に装着されたカメラおよびマイクロホンを含むがこれに限定されない環境センサによっても収集され得る。求心性データ３０４は、解析メトリックを構築するのに使用される生成分（特徴または特徴セット）に分解され得る刺激の形とすることができる。

一実施形態では、求心性（刺激）事象が、遠心性（反応）事象と対にされる。対にする際に、成分刺激特徴のそれぞれを、解析のために成分反応特徴のそれぞれと対にすることができる。いくつかの場合に、刺激特徴の対または反応特徴の対を、相関または依存性に関して調べることもできる。刺激／反応特徴対は、生成される考えられるメトリックのほとんどの根元にある。すべての解析は、使用可能な様々な他の事象特徴に従ってグループ化され、フィルタリングされる前に、これらの特徴対によって分解され得る。実施形態では、求心性３０４データ・ソースおよび遠心性３０６データ・ソースを含むすべてのデータ・ソースに関して、タイミング情報が、ユーザ３０２の感覚系への入力およびユーザ３０２の感覚系からの出力に相関される必要がある。相関は、ユーザの特性メトリックまたは精神物理学メトリックを同定するのに利用され得る。たとえば、媒体システム１０４が、物体が時刻ｔＳ（刺激）に画面上に描かれたことを記録し、ユーザが時刻ｔＲ（反応）に特定のキーを押したことをも記録する場合に、ユーザが刺激に反応するのに要した時間は、減算ｔＲ−ｔＳによって導出され得る。代替実施形態では、ユーザは、キーを押し、ジェスチャを行い、またはタッチもしくはジェスチャを介して媒体環境と対話することができる。この例は、求心性データ３０２および遠心性データ３０４を相関させる。

２タイプの求心性データ３０４を相関させる例は、ユーザの凝視位置が所与の期間にわたって円滑に変化し、ユーザが移動する物体を追跡していたことを凝視トラッカが示す場合とすることができる。しかし、頭部トラッカも、反対方向での円滑な動きを同時に示す場合には、これは、ユーザが彼らの頭部を動かしながら静止物体をトラッキングしていたことを示す可能性もある。

２タイプの求心性データ３０４を相関させる別の例は、視覚オブジェクトが時刻ｔ１に現れ、音響ファイルが時刻ｔ２に再生される場合とすることができる。ｔ１とｔ２との差が小さい（またはない）場合には、それらは、同一のソースに由来するものとして知覚され得る。差が大きい場合には、それらは、異なるソースに帰せられ得る。

累積された反応事象からとられたデータは、挙動のパターンを記述するのに使用され得る。反応のパターンは、どの刺激がそれらを顕在化させた可能性があるのかとは独立に、ユーザの様々な行動状態または生理学的状態を分類するのに使用され得る。反応を顕在化させた刺激による反応のグループ化は、知覚機能の測定を提供することができる。いくつかの場合に、刺激事象の解析は、アプリ自体またはユーザがどの経験にかかわることを選択するのかに関する有用な情報を提供することができる。解析は、次のパラメータすなわち、一意事象、記述的統計、および／または精神測定関数を含むことができる。

一意事象は、生データが対象となる可能性があるインスタンスを表す。一部のまれな刺激事象または反応事象は、平均をとる機会を提供しない可能性があり、まれであるが故に対象となる。一部の事象は、対象のセッションもしくは期間の終りをトリガし（たとえば、ユーザが、課題に失敗し、やり直さなければならない）、または対話のなんらかのフェーズの始めを知らせる場合がある。

記述的統計は、要約されたメトリックを提供する。したがって、ある事象、刺激／反応事象、または特徴ペアリングの複数の発生が、なんらかの共通性によってグループ化され得る場合に、中心傾向（たとえば、平均値）および変動性（たとえば、標準偏差）の測定値が推定され得る。これらの要約されたメトリックは、生データに関する挙動のより微妙で簡潔な記述を可能にすることができる。ある最小レベルのデータ累積が、適度に正確であるために要求される可能性がある。

精神測定関数は、知覚感度および知覚力の測定値の基礎を形成し得る。特定のクラスの刺激事象が、提示の間で変化する少なくとも１つの特徴と共に繰り返して示される時には必ず、その刺激特徴に対するユーザの反応パターンをマッピングする機会がある（反応も変化すると仮定して）。たとえば、ゲーム内の特定の物体のサイズ（刺激特徴）が変化し、ユーザが、時にはそれに気付き、時には気付かない（反応特徴）場合に、ユーザがその物体に気付く確率が、そのサイズの関数としてプロットされ得る。これは、単一の刺激／反応事象ペアリングの複数の刺激／反応特徴対について、または、同一の特徴ペアリング（たとえば、サイズ／検出）をたまたま有する多数の異なる刺激／反応事象対について行われ得る。刺激特徴（サイズ、コントラスト、持続時間、速度、その他）に対してプロットされた反応特徴（検出、区別、好み、その他）が、複数の刺激レベルに関する平均反応と共に入手可能である時には、そのデータ（たとえば、検出対サイズ）に対する関数をあてはめることができる。その関数を記述する変数自体が、挙動を記述することができる。とりわけ、片側が失敗であり、反対側が成功である場合、または片側がＡを選び、反対側がＢを選ぶ場合に、しきい値を定義することができる。

視覚情報
戻って図３を参照すると、一実施形態では、あるアプリケーションに関して、物理ディスプレイおよび視覚的環境からの視覚情報データ３０７は、１つまたは複数のカメラによって取り込まれた静止画ファイルおよび／またはビデオ・ファイルの形である。一実施形態では、データは、特定の刺激またはシーンを描画する命令の形である（はるかに少ないデータ量が必要であり、レンダリングの際に多少の追加時間が必要である）。

図４は、本明細書の実施形態による、映像データの特性メトリックを示すブロック図４００である。特性メトリックは、ユーザ・セッションの特徴を表すことができ、時間平均をとられ得る。図４を参照すると、スコープ４０２は、映像データがシーン全体（視覚ディスプレイ全体またはユーザ頭部装着カメラからのイメージ全体）に関するものであるかどうかを指すことができる。物理属性４０４は、シーンまたはその中の物体の客観的測定値を指すことができる。物理属性４０４は、網膜、頭部、および胴体に対する位置、直交３Ｄクロモルミナンス、およびコントラスト対空間周波数対方向付けを含むことができる。カテゴリ属性４０６は、イメージの名前付きプロパティとすることができ、この名前付きプロパティは、物体の名前付きアイデンティティおよび／またはグループ・アイデンティティを含むことができる。

視覚的刺激は、一般に、アプリケーションによって生成される（アプリによって直接供給されるイメージ・データ）か、録画されたビデオ（たとえば、頭部装着カメラからの）から取得されるかのいずれかであるデジタル・トゥルー・カラー・イメージ（２４ビット）として取り込まれる。イメージおよびビデオは、データの加重平均がロッシー圧縮を構成し得るロッシー形式で圧縮される場合があるが、それ以外の点で、イメージ処理は、関わりなく同様に進行する。開発者は、一部のイメージ処理ステップをスキップすることを可能にし、かつ／または解析のためのシーンの事後レンダリングを可能にすることのできる、刺激の提示に関する情報を提供することを選択することができる。視覚的刺激は、以下の構成要素すなわち、物体、サイズ、色距離（ｃｈｒｏｍａｔｉｃ ｄｉｓｔａｎｃｅ）、輝度コントラスト、色コントラスト、空間特徴抽出、顕著性マップ、および／または時間ダイナミクス（ｔｅｍｐｏｒａｌ ｄｙｎａｍｉｃｓ）を含むことができるが、これに限定されない。

物体（刺激）は、イメージ（またはビデオ・フレーム）内で、アプリケーション自体からの情報によって同定され得るか、機械学習（Ｈａａｒ−ｌｉｋｅ特徴（Ｈａａｒ−ｌｉｋｅ ｆｅａｔｕｒｅ）分類カスケードまたは類似物）を介して見出され得るかのいずれかである。同定された後に、物体自体に属する（または物体上でセンタリングされた既知のサイズに対応する境界エリア内の）画素は、「物体」としてタグ付けされる。物体と同一の幅／高さを有する、物体の周囲の環帯（すなわち、物体を含む中央エリアを除く、物体の幅の３倍および物体の高さの３倍のエリア）内の画素（必ずイメージ／シーン自体の境界内）は、「周囲」としてタグ付けされる。周囲と正確に同一面積を有するが物体が存在しない（したがって、物体の「背後」にあるものを示す）別のイメージが存在する場合に、物体を伴わないそのエリア全体が、「背景」としてタグ付けされ得る。メトリックが、周囲に対しておよび可能な時には背景にも対して計算され得る。物体のセグメントまたは部分は、物体を他の物体に分解するのに使用され得、アイデンティティ変数またはカテゴリ変数のためにも使用され得る。物体は、物理的な物体に対応する必要はなく、シーン内の領域または境界を含むことができ、あるいは、単一のイメージ特徴（たとえば、エッジ）を含むことができる。

物体サイズは、鋭敏さを判定するための重要な特徴であり、あるいは、ユーザが物体を検出するまたは正しく同定するかどうかを予測する既知の鋭敏さからの重要な特徴である。物体サイズは、物体内の画素位置の間の最長の水平距離および垂直距離に基づくか、物体の位置を定義する長方形境界ボックスの幅および高さとしてのいずれかである、幅および高さとして定義され得る。成功裡に物体を検出する、または他の物体から区別するのに必要である可能性がある、より小さい特徴が、物体内に配置される場合がある。物体内の最小の特徴が、その物体の２つの次元（幅および高さ）のうちの小さい方の１０％であると仮定することができる。最小特徴サイズが、所与のビューイング距離に関して、ディスプレイ上の画素のサイズに比例すると仮定することもできる。最小特徴サイズは、イメージのフーリエ変換の解析によって、または物体に対してトレーニングされたＨａｒｒ−ｌｉｋｅ特徴分類カスケード（または物体検出に基づく同様の機械学習）からのキー特徴を調べることによってのいずれかで、より明示的に見出され得る。

色、色距離による２つの解析結果のうちの第１の解析結果は、輝度差とは独立の、物体とその周囲／背景との間の色差の測定値である。赤、緑、および青の値が、物体のすべての画素および周囲／背景のすべての画素にまたがって独立に平均をとられ得る。これらの平均ＲＧＢ値は、標準変換係数または使用されるディスプレイに固有の定数（使用可能な時）のいずれかを使用してＣＩＥ三刺激値（Ｘ、Ｙ、およびＺ）に変換され、その後、ＣＩＥ色度（ｘおよびｙ）に変換される。一実施形態では、標準の原色の色度（ｐｒｉｍａｒｙ ｃｈｒｏｍａｔｉｃｉｔｉｅｓ）、Ｄ６５の白色点、および１の最大白輝度に基づく、Ｏｐｅｎ ＣＶ関数「ｃｖｔＣｏｌｏｒ」から採用されたＲＧＢからＸＹＺへの変換の変換定数は、

である。

この実施形態では、ＲＧＢは、

を使用してｘｙに変換される。

物体の色度と周囲／背景の色度との間の絶対差は、色距離としてログ記録される。次に、２つの色度とＬ、Ｍ、およびＳ錐体の３つの共点性の点（ｃｏｐｕｎｃｔａｌ ｐｏｉｎｔ)との間の中点から直線を描く。これらの線は、これに沿って、これらの錐体タイプのうちの１つを欠く人が色度を区別できないはずの、Ｌ、Ｍ、およびＳ錐体欠乏に関する混同線である。この３つの混同線のそれぞれに平行な、物体と周囲／背景色度との間の線の成分は、Ｌ、Ｍ、およびＳ固有色距離としてログ記録される。

図５は、本明細書の実施形態による、色対混同構成要素のグラフ表現を提供する。この図を参照すると、線５０８は、与えられた２つの色度の間に描かれている。この図でわかるように、３つの大きいドットすなわち赤５０２、緑５０４、および青５０６は、それぞれＬ錐体、Ｍ錐体、およびＳ錐体の共点性の点である。各ドットからは、同様にカラーコーディングされた破線が延びる。太線５０８は、３つの破線が交差する中心点を有する。線５０８と中心点から共点性の点のそれぞれへ描かれた線との間の角度に基づいて、３つの結果の混同線のそれぞれのその線の平行成分が判定される。実施形態では、色の間の平行線が特定の混同線に近ければ近いほど、対応する錐体の欠乏を有する人が区別することが、より難しくなる。成分長を全長で割ったもの（商は区間［０，１］内にある）は、おおむね、色が混同される確率である。

図６は、３Ｄクロモルミナンス空間に投影されたディスプレイ色域の最上部表面にあたる所与の色度に関して輝度がどのように見つけられ得るのかを示すグラフを示す。このグラフは、ＣＩＥ １９３１クロモルミナンス空間へのコンピュータ画面の全ディスプレイ色域の投影を示す。ディスプレイ上の画素の色を定義するのに使用されるＲＧＢ空間は、完全な立方体によって表され得るが、輝度の実際の物理特性は、図６に見られる形状によって表されるこれらの値から、多少複雑に導出される。輝度コントラストは、３つの方法で定義され得る。一般に、解析のコンテキストは、その３つのうちのどれを使用すべきかを提案するが、３つのすべてが、任意の物体およびその周囲／背景に関して計算され得る。小さい物体が大きい均一な背景上に提示される場合に関して（たとえば、テキスト刺激に関して）、Ｗｅｂｅｒコントラスト（Ｗｅｂｅｒ ｃｏｎｔｒａｓｔ）は、物体の平均ＲＧＢおよび周囲／背景の平均ＲＧＢから計算されるＣＩＥ三刺激値Ｙ（輝度に対応する）を使用して計算され得る。ここでは、平均輝度が、おおむね周辺輝度と等しいと仮定される。Ｗｅｂｅｒコントラストは、正または負である可能性があり、理論的に非有界である。本質的に周期的である物体／周囲、特に勾配（たとえば正弦波格子）を有する物体／周囲に関して、Ｍｉｃｈｅｌｓｏｎコントラスト（Ｍｉｃｈｅｌｓｏｎ ｃｏｎｔｒａｓｔ）が、刺激内の最小輝度値および最大輝度値から計算され得る。Ｍｉｃｈｅｌｓｏｎコントラストは、必ず０と１との間の値になる。ほとんどの場合に、平均値からまたは最小値および最大値からではなく、画素値のすべてからコントラストを計算することが必要になる。ＲＭＳコントラスト（二乗平均平方根または標準偏差）は、すべての画素のＣＩＥ三刺激値Ｙの標準偏差をとることによって見出され得る。物体のＲＭＳコントラストは、１つの測定値である。周囲／背景のＲＭＳコントラストに対する物体のＲＭＳコントラストは、別の測定値である。最後に、物体のＲＭＳコントラストおよび周囲のＲＭＳコントラストは、一緒に、使用され得るＲＭＳコントラストの第３の測定値である。

色コントラストは、輝度コントラストに関して上で説明した形のいずれにおいても、独立的に、色度値の任意の対に対して計算され得る。これらのうちで最も有用なものは、ＣＩＥＬＡＢ色空間のａ＊成分およびｂ＊成分または、錐体反対色空間のＬ成分対Ｍ成分およびＳ成分対ＬＭ成分のいずれかである。次元の任意の対に関して、解析される刺激のタイプに依存して、Ｗｅｂｅｒコントラスト、Ｍｉｃｈｅｌｓｏｎコントラスト、および／またはＲＭＳコントラストが計算され得る。さらに、ＲＭＳコントラストは、Ｌ錐体欠乏、Ｍ錐体欠乏、およびＳ錐体欠乏に関して計算され得る。すべての画素のＣＩＥ色度値は、Ｌ共通性点、Ｍ共通性点、およびＳ共通性点にセンタリングされた３組の極座標に変換される。一実施形態では、以下の式が、［０，０］以外の中央転を提供するオプションと共に、直交座標を極座標に変換するのに使用される。

ＲＭＳコントラストは、各変換の半径座標に基づいて計算され得る。

物体を見出すことに加えて、アルゴリズムは、シーンまたは物体内に存在する、注意を引くかユーザが実行している課題に有用であるか挙動との相関のための独立変数として他の形で対象となる可能性がある顕著な特徴をも同定することができる。同定された物体の内部などのエッジは、固視または他の反応のターゲットになる可能性があり、その位置は、反応内で観察された位置エラーの責任を負い、正しい反応および正しくない反応と相関させる価値がある可能性がある。領域、輪郭線、表面、反射、影、および多くの他の特徴が、このデータから抽出され得る。

顕著性マップは、刺激シーンの将来の解析のために顕著性についてモデルに知らせるためにユーザ対話から収集されるデータを指す。エッジ、輪郭線、および他のイメージ特徴が、顕著性を測定し、視線固視を含むユーザ反応が行われる可能性がある場所を予測するのに使用され得る。複数のアルゴリズムが、シーン内の異なるタイプの特徴を強調するために適用され得る。

時間ダイナミクスも、視覚ディスプレイまたは環境の特徴、任意の物体、およびその物体特徴が経時的に変化し得るので重要である。すべての変化、特筆すべきは物体または特徴の出現／消失またはその明るさ／コントラストの変化、動きの開始／停止または突然の位置変化（ｘ、ｙ、ｚ平面内）、速度変化（または加速度もしくは位置のより高次の時間微分）、および物体または特徴の状態またはアイデンティティの任意のすべての変化の時刻をログ記録することが重要になる。物体または特徴の色度または輝度の変化も、ログ記録されなければならない。物体の方向付けもしくは姿勢または周囲／背景に対する物体の位置の変化から生じる外見の副次的変化もログ記録され得る。

聴覚情報
戻って図３を参照すると、聴覚情報３０８は、スピーカなどのオーディオ出力からおよびマイクロホンを使用することによって環境から受信され得る。一実施形態では、聴覚情報３０８は、生の波形ファイルまたはより記述的な項（たとえば、この時に再生されるこのオーディオ・ファイル）で使用可能である可能性がある。

図７は、本明細書の実施形態による、聴覚情報３０８の特性メトリック７００を示す図である。図７を参照すると、位置基準７０２が、音響の位置を同定するために書き留められ得る。環境内の物体またはスピーカの、ユーザの頭部に対する位置は、ユーザが頭部を動かす時に変化する。ヘッドホンを介して受信される仮想ソースの位置は、ユーザが彼らの頭部を傾ける時には変化しない可能性がある（ヘッド・トラッキングおよび音響処理が一緒に働いてこれらの変化を模倣しない限り）。

音響の物理属性７０４は、その位置（強度、タイミング、および耳の間の周波数差）、周波数構成（波形から導出される）、および異なるソースの構成を含むことができる。カテゴリ属性７０６は、物体の名前付きアイデンティティを含む、イメージの名前付きプロパティおよび／またはグループ・アイデンティティとすることができ、視覚的刺激に関するものと同様の記述に従うことができる。

聴覚（音響）刺激は、一般に、アプリケーションによって生成されるか録音されたオーディオ（たとえば、おそらくはバイノーラルの、頭部装着マイクロホン）から取得されるかのいずれかのデジタル波形（変化する空間および時間の分解能またはビットレートと、おそらくは圧縮とを有する）として取り込まれ得る。圧縮パラメータがある場合には、これを記録することができる。開発者は、一部の処理をスキップすることを可能にする可能性がある、刺激の提示に関する情報を提供することを選択することができる。視覚情報を使用してオーディオ環境をモデル化することができ、その結果、音響の反射または不明瞭さを考慮に入れられるようになる。オーディオ刺激は、以下のパラメータすなわち、フーリエ分解、頭部中心位置、音響環境、および／または物体を含めるように分解され得る。

フーリエ分解は、音響波を音響オブジェクトに基づく成分に分解するために実行され得る。時間領域波形データは、経時的な異なるオーディオ周波数の振幅および位相が解析され得るように周波数領域に変換され得る。これは、独立変数としての音響パラメータ（たとえば、周波数、振幅、波長、形状およびエンベロープ、音色、位相、その他）の利用を可能にする。

頭部中心位置またはヘッド・トラッキング・データが、環境音響に関して必要になる場合がある。ユーザの耳に対する音響ソースの位置が、導出され得、可能な時には、ユーザの耳の位置に存在する音響波形が録音され得る（理想的にはバイノーラルの頭部装着マイクロホンから）。バイノーラル・ヘッドセット音響ソース（たとえば、ヘッドホン／イヤホン）は、この必要性を除去することができる。

同様に、胴体および／または手足のトラッキング・データが、環境音響に関して必要になる場合がある。ユーザの胴体および手足に対する音響ソースの位置を導出することができる。このデータは、環境音響に関して同定されたヘッド・トラッキング・データに関係付けられ得る。このデータは、胴体および手足が頭の移動に伴ってどのようにリアクションするのかの理解を可能にすることができる。

音響環境は、ほとんどの一般的なユース・ケースにおいてクリティカルではない（たとえば、音響は、ヘッドセットからまたは直接的にユーザの前から来る）が、ユーザが反応すると予想される環境音響を考慮するために重要になる。音響を反射しかつ／または阻止する（一般に周波数固有の）環境内の物体は、みかけのソース位置および音響の他の周波数依存特徴を変化させる可能性がある。物理環境がソースからユーザへの音響の伝搬に影響するので、物理環境の特性をおおまかに表すことが有用である可能性がある。

オーディオ・オブジェクトは、視覚オブジェクトの検出およびセグメント化に使用されるものと同一タイプの機械学習アルゴリズム（Ｈａａｒ−ｌｉｋｅ特徴分類カスケードまたは類似物）を使用して検出され、セグメント化され得る。これは、可能な時に、正確なオーディオ事象詳細を入手するのに使用されなければならず、定位のために聴覚系によって使用されるオーディオ・パラメータを抽出するのにも有用である可能性がある。

ほとんどの解析は、時間的に分離して発生する周囲の視覚的刺激および（より少ない範囲で）聴覚的刺激を熟考することができる。他の刺激は、他のモダリティ（たとえば、タッチ、味、匂い、その他）で感知される刺激またはアプリケーションとのユーザ対話のコンテキストを定義する全般的な環境状態変数（たとえば、環境照明および背景オーディオ）を含むことができる。

他の刺激の例は、以下を含むことができる。

開発者が触覚フィードバック機構を使用することを選択でき、そのように選択する場合に、触覚刺激は、これらの事象の性質およびタイミングに関する詳細を提供する。触覚刺激は、直接記録を介して導出され（可能性は低い）または他のソースから導出される（たとえば、マイクロホンを介して物理的振動のうなりを聞く）場合もある。

開発者が分離した時に匂い、味、温度、圧力、苦痛、または他の感覚を開始し、刺激事象を作成できる可能性がある他のモダリティ刺激は、まだ議論されていない。触覚刺激と同様に、そのような刺激のすべての記録は、関数呼出しを介してアプリケーション自体から直接的に最も良く由来するはずである。

環境刺激または時間的に分離して発生するのではなく、一定の状態または安定した繰返しのいずれかを有する刺激は、１セッション内で発生する分離した刺激および反応の重要なコンテキストを提供することができる。環境光レベルは、コントラスト感度、ベースライン瞳孔サイズ、概日パターン、およびユーザの他の生理学的状態に影響する可能性がある。環境音響は、聴覚感度に影響する可能性があり、ある種の聴覚刺激をマスクし、ユーザの生理学的状態および他の状態に影響する可能性もある。時刻も、分類および相関に関する重要な変数である可能性がある。おそらく、アプリケーションによってたやすく記録はされないが、ユーザ入力は、睡眠パターン、飲食物、および他の生理学的に関連する状態変数、ならびに温度、圧力、湿度（ロケーション・サービスおよび他のサービスからも導出され得る）を含む空間のカテゴリ的記述に関する情報を提供することができる。

空間情報
戻って図３を参照すると、一実施形態では、空間情報３１０は、ユーザ３０２の周囲のセッティングの記述から構成されることができる。これは、ユーザ３０２の空間的方向付けおよびユーザ３０２の周囲の物理空間を含むことができる。

一実施形態では、セッティングは、ユーザ３０２とアプリとの間の対話が行われる環境である。セッティング・データは、物理セッティング、環境光レベル、室温、および他のタイプのセッティング情報を含む、セッション中にほとんど静的であるものを指すことができる。実施形態では、空間情報３１０は、セッティング・データの一部である。セッティング・データは、一般に、ユーザ３０２とのセッション全体を通じて一定である可能性があり、したがって、前に説明したように「事象」には分解されない場合がある。セッティング・データは、物理セッティングに関係する場合があり、あるいは、ユーザ３０２の個人的詳細に関係する場合がある。

物理セッティング・データは、部屋セッティングまたは屋外セッティングなどであるがこれに限定されない物理空間の任意の記述に対応することができ、データを分類しまたはフィルタリングするのに有用である可能性がある。例示的実施形態では、存在する環境光などの物理セッティング・データが、瞳孔サイズ、コントラスト感度、および他の測定値に直接的に影響する可能性がある。照明は、ビデオ・アイ・トラッキングの品質ならびにシーンのビデオ録画から導出される任意の求心性事象に影響する可能性がある。同様に、環境サウンドは、ユーザの感度ならびにオーディオ録音から導出される任意の求心性事象の特徴を表す能力に影響する可能性がある。

ユーザの個人的詳細は、ユーザに関する任意の個人データ、主として人口統計データ、または、ユーザの現在の生理学的状態もしくは知覚状態（セッション全体を通じて主として変化しないままになるもの）に関する情報に関する可能性がある。このデータは、分類およびフィルタリングにも有用である可能性がある。個人的詳細は、ユーザの眼の光学的諸特性（たとえば、ユーザの眼鏡またはコンタクトの処方の知識から導出されるもの）に関するすべての情報を含むことができる。個人的詳細は、最近の食事の履歴など、飲食物関連情報をも含むことができる。さらに、最も最近の睡眠期間の時間、持続時間、および質、最近摂取されたすべての精神作用薬（たとえば、カフェイン）、ならびに最近の運動または他の身体活動のすべてが、全体的なデータに影響し得る。

遠心性データ
アイ・トラッキング
ビデオ・アイ・トラッキングおよび電気眼球図記録は、眼球運動、凝視方向、瞬き、および瞳孔サイズに関する情報を提供する。これらから導出されるのが、両眼転導、疲労、覚醒、嫌悪の測定値、および視覚探索活動に関する情報である。眼球運動に関する情報は、プロサッケード（ｐｒｏ−ｓａｃｃａｄｉｃ）運動（ターゲットに向かう）、アンチサッケード（ａｎｔｉ−ｓａｃｃａｄｉｃ）運動（意図されないターゲットに向かう）の開始、持続時間、およびタイプ、アンチサッケード・エラーの量（時間および意図されたターゲットから意図されないターゲットへの方向）、円滑な追跡、固視持続時間を有する凝視、運動中および固視中の瞳孔変化、瞬目率の周波数および速度、ならびに眼球運動の周波数および速度を含む。両眼転導に関する情報は、開始および持続時間に関して収束と発散との両方を含む可能性がある。視覚的シーンに関する情報と組み合わされて、正確さ、探索時間、および効率（たとえば、探索時のサッケードの回数の最小化）の測定を行うことができる。

ビデオ・アイ・トラッキング・データから導出された自律神経測定値は、覚醒および／または嫌悪を増加させまたは減少させるものに向かう刺激選択を案内するのに使用され得る。凝視位置に関する要約情報は、関心または没頭を示すことができ、同様に刺激選択を案内するのに使用され得る。

図３を参照すると、遠心性データ・ソース３０６は、ビデオ・アイ・トラッキング・データ３１２を含むことができる。データ３１２は、凝視方向、瞳孔サイズ、瞬き、およびビデオ・アイ・トラッカ（ＶＥＴ）または電気眼球図を使用して測定され得るユーザ３０２の眼に関する任意の他のデータを測定することができる。これは、図８にも示されており、図８は、本明細書の例示的実施形態による、アイ・トラッキングの特性メトリック８００を示す。ビデオ・アイ・トラッキング８０２は、一般に、ユーザの眼球のイメージを録画することと、瞳孔サイズおよび凝視方向の測定値をそれから導出できる既知の光源（通常は赤外線）の瞳孔反射および特定の反射を同定するためにイメージ処理を使用することとを含む。角度分解能（視線方向の）および時間分解能（毎秒フレーム数）が、いくつかの測定値の入手可能性を制限する可能性がある。一部の測定値は、分離した事象として記録され得、他の測定値は、ある時間にわたる傾向および統計の解析のために経時的に記録される。

凝視方向
通常はアイ・トラッキング・ハードウェアと共に提供されるソフトウェアは、較正に使用されるディスプレイに結び付けられた座標での凝視方向の較正された推定値を提供することができる。この変換の一部を別々に実行することが可能／必要である場合がある。外部ビュー・カメラを有する頭部装着ユニットに関して、凝視位置は、頭部中心座標または環境内の特定の物体（おそらくは提供された基準物体）に対する座標になる可能性がある。凝視方向は、サンプル毎秒単位のあるレートで提供されると仮定される。以下のメトリックのほとんどが、凝視方向データのこのストリームから導出される：サッケード、追跡、両眼転導、パターン、および／またはマイクロサッケード。

サッケード：凝視の素早い変化（約数ミリ秒の間）によって分離された相対的に固定された凝視方向の長い期間は「固視」としてログ記録され、その間のジャンプは「サッケード」としてログ記録される。固視は、位置、開始時刻、終了時刻、および持続時間に関して書き留められる。いくつかの場合に、固視は、安定性（固視中の凝視方向の変動性）に関してレーティングされる場合もある。サッケードは、その方向（角度）、速さ、および距離に関して書き留められる。視覚情報が（完全には）処理されない時に、サッケード中の皮質抑制の期間があることが注目に値し、一般にそうであると仮定される。このサッカディック・サプレッション（ｓａｃｃａｄｉｃ ｓｕｐｐｒｅｓｓｉｏｎ）は、ディスプレイ要素の間で動き、出現、または消失の知覚を作成することなくディスプレイを変更するのに開発者によって活用され得る。

追跡：追跡眼球運動は、通常のサッケードより遅い（かつ、視覚処理の皮質抑制を伴わない）凝視方向の円滑な変化の特徴があるものとすることができる。これらの円滑な眼球運動は、一般に、頭部が面する方向に対して相対的に移動する物体を、頭部が動いている間に静止物体を、または頭部も動いている間に移動する物体を、追跡／トラッキングしている時に発生する。胴体または基準フレームの動きも、物体を追跡するための追跡眼球運動を生成する可能性がある。追跡は、不可視のターゲットまたはさえぎられたターゲットの予想される位置に基づいて、視覚的刺激なしで発生する可能性がある。

両眼転導：この測定値は、眼の間の凝視方向の差が凝視の奥行き座標を判定するのに使用され得るようにするために、両眼の相対的に微細な分解能の凝視方向データを同時に必要とする可能性がある。両眼転導は、収束の近点の間の物体および距離において無限遠に向かう物体を測定するためのユーザに関する物体の距離に関係し、そのすべてが収束と発散との間の両眼転導の測定に基づいてモデル化され得る。

パターン：視線方向データの機械学習解析から導出され得る眼球運動の繰り返されるパターンは、反応事象、ユーザ対話の状態の特徴を表し、または適合、トレーニング、もしくは学習の効果を測定するのに使用され得る。特筆すべきは、ターゲットに関する視覚探索中のパターンまたは課題の完了に向かう画面のフリー・ビューイング（たとえば、記憶課題での後の認識のためのシーン詳細の学習）中のパターンである。眼球運動パターンは、シーンの顕著性マップを作成し、イメージ処理を案内するためのモデルを生成するのにも使用され得る。

マイクロサッケード：相対的に敏感な方向および時間分解能を伴って、マイクロサッケード活動を測定し、その特徴を表すことが可能である場合がある。マイクロサッケードは、一般に、凝視中に存在し、剛直な固視または長い固視中に特に重要である。ディスプレイ・システムへのフィードバックは、網膜状で静的になり、トロクスラ・フェーディング（Ｔｒｏｘｌｅｒ ｆａｄｉｎｇ）をもたらすイメージの作成を可能にする。マイクロサッケードは、意識的制御またはアウェアネスの対象ではない。

ある期間にわたって回答され得るアイ・トラッキング・メトリックスに関するサンプルの質問は、ユーザがどこを最も見ているのか（潜在的に、繰り返される事象に反応して）、衝動性眼球運動がどれほど素早く、正確であるのか、ユーザがどれほど素早くターゲットを見つけているのか、ユーザがターゲットを正しく同定しているかどうか、追跡／トラッキングはどれほど正確であるのか、ある種のエリア／刺激に対する好みがあるのか、を含むことができる。

フリー・ビューイング中または探索中に、サッケードの間の固視（相対的に安定した凝視方向）は、通常、２００〜３００ミリ秒程度持続する。サッケードは、５００度毎秒もの高さの素早く加速する速度を有し、素早い減速で終わる。追跡眼球運動は、物体の動き、物体に対する頭部の動き、またはその両方のいずれかからの、移動する物体を安定して固視するために発生する。両眼転導眼球運動は、両眼を一緒に近くの物体に焦点合わせするのに使用される。前庭眼球運動は、頭部および／または胴体の動きから導出される補償する眼球運動である。

「Ａ Ｎｏｎ−Ｉｎｖａｓｉｖｅ Ｍｅｔｈｏｄ ｆｏｒ Ａｓｓｅｓｓｉｎｇ ａｎｄ Ｍｏｎｉｔｏｒｉｎｇ Ｂｒａｉｎ」を名称とする、ＷＯ２０１５００３０９７Ａ１、を参照する。一例では、プロサッケード・アイ・トラッキング検査が実行される。プロサッケード検査は、静止物体から点滅ターゲットに向けて個人が凝視をシフトするのに要する時間の長さを測定する。プロサッケード・アイ・トラッキング検査は、たとえば、「Ｔｈｅ Ａｎｔｉｓａｃｃａｄｅ： Ａ Ｒｅｖｉｅｗ ｏｆ Ｂａｓｉｃ Ｒｅｓｅａｒｃｈ ａｎｄ Ｃｌｉｎｉｃａｌ Ｓｔｕｄｉｅｓ」、Ｓ． ＥｖｅｒｌｉｎｇおよびＢ． Ｆｉｓｃｈｅｒ著、Ｎｅｕｒｏｐｓｙｃｈｏｌｏｇｉａ Ｖｏｌｕｍｅ ３６、Ｉｓｓｕｅ ９、１９９８年９月１日、８８５〜８９９頁（「Ｅｖｅｒｌｉｎｇ」）に記載されているように実行され得る。

プロサッケード検査は、視覚的刺激の標準化されたセットを個人に提示する間に実行され得る。いくつかの実施形態では、プロサッケード検査は、平均結果を入手するために同一の刺激または異なる刺激を用いて複数回行われ得る。プロサッケード検査の結果は、たとえば、プロサッケード・リアクション時間を含むことができる。プロサッケード・リアクション時間は、随意サッケードの開始の潜伏時間であり、通常の値はおおむね２００〜２５０ｍｓの間に含まれる。プロサッケード・リアクション時間は、高速プロサッケード（８０〜１３４ｍｓ）、高速通常（１３５〜１７５ｍｓ）、低速通常（１８０〜３９９ｍｓ）、および低速（４００〜６９９ｍｓ）にさらにサブグループ化され得る。

同様に、アンチサッケード・アイ・トラッキング検査が実行され得る。アンチサッケード検査は、個人が点滅ターゲットから離れた静止物体から所望の焦点に向かって凝視をシフトするのに要する時間の長さを測定する。アンチサッケード・アイ・トラッキング検査は、たとえばＥｖｅｒｌｉｎｇに記載されているように実行され得る。いくつかの例では、アンチサッケード検査は、エラー時間および／またはエラー距離すなわち、眼球が誤った方向に（点滅ターゲットに向かって）移動する時間の長さまたは距離をも測定することができる。アンチサッケード検査は、視覚的刺激の標準化されたセットを使用して実行され得る。アンチサッケード検査の結果は、たとえば、プロサッケード検査に関して上で説明された平均リアクション時間を含むことができ、通常の平均リアクション時間は、おおむね１９０〜２７０ｍｓの範囲に含まれる。他の結果は、眼球運動の初期方向、最終的な眼球の静止位置、最終静止位置までの時間、初期中心窩間距離（すなわち、点滅ターゲットの方向に中心窩がどれほど移動するのか）、最終中心窩静止位置、および最終中心窩間距離（すなわち、所望の焦点の方向に中心窩がどれほど移動するのか）を含むことができる。

また、円滑追跡検査が実行され得る。円滑追跡検査は、移動する視覚的刺激を円滑に追跡する、個人の能力を評価する。円滑追跡検査は、ターゲットが画面を横切って移動する時に視覚的にターゲットに従うように個人に求めることによって行うことができる。円滑追跡検査は、視覚的刺激の標準化されたセットを使用して実行され得、平均結果を入手するために、同一のまたは異なる刺激を用いて複数回行われ得る。いくつかの実施形態では、円滑追跡検査は、個人がターゲットを追跡している時にターゲットがフェード・インし、フェード・アウトする、フェードイン、フェードアウト視覚的刺激の使用に基づく検査を含む場合がある。円滑追跡検査中に収集されるデータは、たとえば、初期反応潜伏時間と、ターゲット・トラッキング中の動きの方向と一緒に中心窩位置を取り込む複数のサンプルとを含むことができる。各サンプリングされた中心窩位置は、サンプルごとのエラー値を生成するために同時にターゲットの中心の位置と比較され得る。

より敏感なトラッキング・ハードウェアに関して、眼振（目の一定の震え）、漂流（不完全な制御に起因する）、およびマイクロサッケード（漂流に対する補正）を測定することが可能である場合もある。これらは、凝視位置の総測定値に対する雑音にも寄与する。というのは、結果の固視が、しばしば、相対的に安定した凝視位置測定値のスパンにわたる平均位置によって特徴付けられるからである。代替案では、それ未満のすべての小さい測定値が固視に含まれるとみなされる、凝視速度のしきい値（度／秒）をセットすることができる。

サッケードは、計画および実行に時間を必要とし、たとえばサッケードを顕在化させる視覚的刺激の開始の後に、通常は少なくとも１５０ｍｓの遅れまたは潜伏時間がある。サッケードおよび様々なコンテキストを長引かせまたは短縮する、サッケードおよび様々なコンテキストの前の潜伏時間に関して、多くのことが分かる。眼球運動と視覚シーン内で発生する事象との相対タイミングに関して有する情報がより正確であればあるほど、サッケードに対する刺激パラメータの影響に関して多くのことが分かる。

通常は相関するが、注意のシフトおよび視線のシフトは、必ずしも一緒には発生しない。いくつかのコンテキストでは、たとえば別の位置を観察しながらある位置を監視するなど、ユーザが彼らの視野周辺内の１点に注意を向けることが有効である場合がある。これらのシナリオは、視界およびマルチトラッキングに関する測定値の生成に有用である可能性がある。

イメージ処理技法を使用して、視覚系のモデルに基づいてより高い顕著性を有するシーン内の領域を強調表示することが可能である。たとえば、より大きい高空間周波数コントラストのエリア（すなわち、エッジおよび線）は、注意および固視を引き付ける傾向がある。特定のコンテキストにおいて、観察者が関わる可能性があるすべての課題と組み合わされる視覚シーン内で入手可能な情報に基づいてカスタム顕著性マップを展開するのに視線方向を使用することが可能である。このツールは、関心を持たれているかより高い没頭を有するエリアを強調表示するのに使用され得る。

瞳孔サイズ
瞳孔サイズは、凝視方向を導出するのに必要なイメージ処理の一部として測定され得る。瞳孔サイズは、一般に、光レベルに反応して、また、自律神経過程を介してある種の刺激事象に反応して変化する可能性がある。瞳孔反応は、意識的制御またはアウェアネスの対象ではない（極端な照明変化の場合の副次的なものを除く）。ある期間にわたって回答され得るアイ・トラッキング・メトリックに関するサンプルの質問は、瞳孔が異なる刺激にどのように反応しているのか、瞳孔が経時的にどのように振る舞っているのか、を含むことができる。

瞳孔径は、一般に、それぞれ明暗の両極端で２ｍｍと８ｍｍとの間に含まれる。瞳孔は、様々な内部刺激および外部刺激に反応して拡張し、収縮する。観察者の間ならびに環境照明および生理学的状態に起因する両方のベースライン瞳孔径の差に起因して、瞳孔反応は、一般に、ベースラインからの変化の比率として測定され得る。たとえば、ベースライン瞳孔径は、外部刺激事象（イメージ出現）の瞬間の直径とすることができ、反応は、刺激事象の後の１秒の間に瞳孔が拡張しまたは収縮する範囲によって測定される。眼の色は、収縮の範囲に影響する可能性があり、年齢も１つの要因になる可能性がある。

光への反応、距離、他の空間的調節、および動きの手がかりに関する調節に加えて、瞳孔径は、しばしば、認知負荷、ある種の心像、および読書によって変調される。瞳孔径は、終了視覚探査中またはその時に変調され得る。比例する変化は、数パーセント・ポイントから数十パーセント・ポイントまでの範囲にわたる可能性がある。

反応が行われたかどうかを計算的に判定するためのしきい値は、コンテキストおよび使用されるハードウェアの感度に依存して変化する。環境照明および／またはディスプレイの平均輝度の変動も、瞳孔径および比例する変化に対して大きい影響を有し、したがって、しきい値は、適合可能である必要があり、データ自体によって決定される可能性が高い（たとえば、拡張事象自体のしきい値は、あるユーザに関して１セッション内で記録された瞳孔径値の範囲のパーセンテージである）。

もう一度、「Ａ Ｎｏｎ−Ｉｎｖａｓｉｖｅ Ｍｅｔｈｏｄ ｆｏｒ Ａｓｓｅｓｓｉｎｇ ａｎｄ Ｍｏｎｉｔｏｒｉｎｇ Ｂｒａｉｎ」を名称とする、ＷＯ２０１５００３０９７Ａ１、を参照する。一例では、瞳孔反射が査定される。瞳孔反射は、しばしば、個人の目に明るい光を照らし、反射を査定することによって査定される。照明の制御が難しい現場環境では、瞳孔反射は、Ｉｎｔｅｒｎａｔｉｏｎａｌ Ａｆｆｅｃｔｉｖｅ Ｐｉｃｔｕｒｅ Ｓｙｓｔｅｍ（ＩＡＰＳ）標準規格など、写真の標準化されたセットを使用して査定され得る。これらの写真は、瞳孔拡張を含む予測可能な覚醒パターンを顕在化させると判定されている。瞳孔反射検査は、照明条件の変化（個人の目に光を当てることを含む）、または、写真、ビデオ、もしくは他のタイプの映像データの提示など、様々な刺激を使用して実行され得る。いくつかの実施形態では、瞳孔検査は、平均結果を入手するために、同一のまたは異なる刺激を用いて複数回行われ得る。瞳孔反射検査は、個人の瞳孔径、瞳孔高、および／または瞳孔幅の初期読みをとり、その後、瞳孔反射を顕在化させるためにその個人に視覚的刺激を提示することによって行われ得る。瞳孔拡張の変化（たとえば、径、高さ、幅、および／またはこれらの測定の一部またはすべてに基づいて計算される面積の変化）および拡張に要する時間が、測定される。瞳孔反射検査の結果は、たとえば、拡張（散瞳）結果のセットおよび萎縮（縮瞳）のセットを含むことができ、各セットは、振幅、速度（拡張／収縮の速さ）、瞳孔径、瞳孔高、瞳孔幅、および反射の開始までの遅れを含むことができる。

瞬き
ビデオ・アイ・トラッカ、ならびにユーザの顔／目の領域の特殊性の低いビデオ・イメージングは、閉眼の素早い期間または長い期間を検出することができる。獲得の消失が、データ消失の期間の原因でもある可能性があるので、警戒される場合がある。意識的なまたは反射的な瞬き事象と、疲労またはいらだちの測定に関する経時的な瞬目率とを記録することができる。アイ・トラッキング・メトリックに関するサンプルの質問が、図８で言及されている。実施形態では、これは、ある期間にわたって回答され得る質問であり、ユーザが刺激の開始に反応して瞬きしているのかどうか、瞬目率が刺激に反応して変化しているのかどうか、瞬目率が全体的に変化しているのかどうか、瞬目率が疲労を暗示するのかどうかを含むことができる。

通常の瞬目率（ｂｌｉｎｋｉｎｇ ｒａｔｅ）は、安静時に毎分約１０回の瞬きであり、一般に、焦点的注意（たとえば読書）中には毎分約３回の瞬きまで減少する。瞬きの他の特性、たとえば、眼瞼運動の距離／速さおよび瞬きの中の様々なステージの持続時間は、非視覚課題（たとえば、聴覚的刺激区別を使用する）内のエラー・レートおよび他の測定値と相関され、可能な時には、眼瞼位置を詳細に解析するためにビデオ録画を使用すること（すなわち、自動化された眼瞼トラッキング）が有利である可能性がある。１５０ｍｓより長い瞬き持続時間は、長時間瞬き（ｌｏｎｇ−ｄｕｒａｔｉｏｎ ｂｌｉｎｋ）と考えることができる。

ほとんどの測定値と同様に、ベースラインからの比例する変化は、瞬き周波数または平均持続時間の絶対測定値より貴重である可能性がある。一般に、有意性は、統計的測定に基づいて割り当てられ得、これは、変動が測定値の一般的変動性より大きい（たとえば、ｔ検定を使用して推定される）場合に、すべての変動が有意であることを意味する。

手入力
戻って図３を参照すると、もう１つの遠心性データ・ソース３０６は、手入力３１４とすることができる。これは、コンピュータ対話の典型的なツールであり、多くの形で使用可能である可能性がある。対象となる例示的な手入力３１４は、入力アイデンティティ（キー押下）、任意の他のジェスチャ、タッチ・スクリーン上またはマウスによる位置座標（ｘ、ｙ、ｚ）、および／または手もしくは他の手足の（ビデオ）トラッキングを含む。図９は、本明細書の実施形態による、手入力９０２の特性メトリック９００を示す。

ある期間にわたって回答され得る手入力基準に関するサンプルの質問は、ユーザがどこを最も多くクリック／タッチしているのか（潜在的に反復する事象に反応して）、クリック／タッチがどれほど速く正確であるのか、ユーザがターゲットをどれほど素早く見つけているのか、ユーザがターゲットを正しく同定しているのかどうか、トラッキングがどれほど正確であるのか、ある種のエリア／刺激に関する好みがあるのかどうか、ユーザがどの種類のつかむ／触れる動きを行っているのか、手／目の協調はどのようなものであるのか、仮想刺激に対する反射的行動があるのかどうか、を含むことができる。

指、手および／もしくは腕、足、またはユーザの身体の任意の他の部分によって行われる反応は、一般に、タイミング・データ、位置データ、軌跡データ、圧力データ、およびカテゴリ・データを生じる可能性がある。これらの反応は、時間的に分離している場合があるが、一部の維持される変数または状態変数は、手動データからも導出され得る。以下の解析反応メトリックが、手動反応から導出され得る：カテゴリ、アイデンティティ、タイミング、位置、および／または軌跡。

カテゴリ：クリック、タッチ、ドラッグ、スワイプ、およびスクロールなどのカテゴリに加えて、ダブル・クリック、タップまたはプッシュ、マルチフィンガ入力、その他などの副カテゴリがある場合がある。アプリケーションによって検出可能なカテゴリによって、あるアクションを別のアクションから区別するすべての変数は、反応を区別するのに重要である可能性がある（開発者によってその目的で使用される可能性が高い）。

アイデンティティ：同一タイプの反応事象に関して複数の入力モダリティ、最も顕著にはコンピュータ・キーボード上のキーまたは媒体環境内で可能である可能性がある任意の他のジェスチャが存在する時には必ず、入力のアイデンティティが記録され得る。これは、方向パッド上で示された方向、クリックされたマウス・ボタン、および、可能な時に、タッチされたタッチパッドのエリア（カーソル位置とは独立）、または任意の他のジェスチャをも含む。

タイミング：すべての反応の開始時刻および終了時刻が記録され得（たとえば、ボタン押下げが、ボタンダウン事象とボタンアップ事象との両方をログ記録する）、その反応から、持続時間が導出され得る。このタイミング情報は、反応を、その反応を顕在化させた刺激に結び付け、事象を時間的に相関させるための鍵になる。

位置：視覚インターフェースに関して、位置は、ディスプレイ座標であるものとすることができる。位置は、クリックなどの分離された事象に関して単独とし、または、トレース、ドラッグ、その他に関してある適度なレートで連続的に記録され得る。可能な時には、これらを網膜座標に変換することもできる（視線トラッキングの組合せを用いて）。位置を理解することによって、網膜の局所解剖学を行うことができ、網膜の諸エリアが、さらに脳、身体、内分泌系、および自律神経系との関係において、その特定の機能との関係においてマッピングされ得る。ビデオ／モーション・キャプチャによって記録されるジェスチャに関して、人体中心位置（ｂｏｄｙ−ｃｅｎｔｒｉｃ ｐｏｓｉｔｉｏｎ）が、カーソルまたはユーザによって制御される他の物体の位置と一緒に記録される。

軌跡：スワイプ、スクロール、および他の動的ジェスチャに関して、発生するすべての明示的な位置変化に加えて、反応の軌跡（すなわち、ベクトルとしての方向および速さ）を記録することが可能である場合がある。これは、事実上、デバイスがこれらのアクションの事象タイプをも提供しない限り、位置データの素早い変化の解析から導出される可能性が高い。

ヘッド・トラッキング
ヘッド・トラッキング測定は、主として仮想現実感ディスプレイ、増補現実感ディスプレイ、および混合現実感ディスプレイに関連する。これらは、表示される仮想環境との同調性の測定値を提供することができが、これらの環境に対するユーザのリアクションの測定値を提供することもできる。刺激に向かうまたは刺激からそれる方位付け、表示される視覚的環境に一致するまたは一致しない代償運動、および他の運動挙動が、アイ・トラッキングからの測定値に類似する、同様ではあるがより不正確な測定値を導出するのに使用され得る。覚醒、疲労、および没頭に関連付けられるこれらの導出された測定値は、以前に述べたように変更され得る。

頭部運動、特にサッケード頭部運動が、ユーザに関する不一致および不快の源であることがわかる場合には、そのような頭部運動の回数を減らすようにディスプレイを変更することが望ましい可能性がある。ディスプレイ要素を頭部中心の近くの領域内に保つことおよび／または頭部が面する先のより遅い変化を促進することにより、大きい頭部運動を減らすことができる。個人差に関して、一部のユーザは、同一のシナリオに関して他のユーザより大きく彼らの頭部を動かす。頭部を動かす人を、その移動を減らすようにトレーニングすることが可能である可能性がある。

戻って図３を参照すると、ヘッド・トラッキング・データ３１６は、遠心性データ３０６ソースのもう１つの形である可能性がある。ヘッド・トラッキング・データ３１６は、ユーザ３０２の頭部方位付けおよび物理的位置を、ビデオ・トラッキング（ＶＥＴまたは他の形）またはＨＭＤ、ヘッドセット、もしくは他の身に着けられたデバイス上に配置された位置センサのいずれかからトラッキングすることができる。ユーザ３０２の頭部のトラッキングに加えて、ユーザの胴体をトラッキングすることができる。ユーザ３０２の胴体およびその諸部分の位置は、おそらくはビデオ・ベースのモーション・キャプチャまたはウェアラブル・デバイス内の加速度計から記録され得る。この位置データは、一般に、視線測定およびユーザの視覚的環境の更新を助けるために、手動反応データ（指、手、または腕のトラッキングに由来する）および／または環境に対する頭部方向付けを符号化するのに使用される。頭部位置データは、環境に由来する音響に対する頭影効果の影響をモデル化するのにも使用され得る。図１０は、本明細書の実施形態による、ヘッド・トラッキングの特性メトリック１０００を示し、このヘッド・トラッキングは、頭部方向付け１００２および／または物理位置１００４を含むことができる。

ある期間にわたって回答され得るヘッド・トラッキング・メトリックに関するサンプルの質問は、ユーザがどこを最も見ているのか（潜在的に、繰り返される事象に反応して）、頭部運動がどれほど素早く、正確であるのか、追跡／トラッキングがどれほど正確であるのか、ある種のエリア／刺激に対する好みがあるのか、ユーザが物体を凝視し、かつ／またはトラッキングするために頭部運動および眼球運動を正確に調整しているのかどうか、頭部運動がハードウェアに起因して減少しているのかどうか、ユーザがハードウェアに対して多数の調整を行っているのかどうか、ユーザはハードウェアによって測定可能に疲労しているのかどうか、を含むことができる。

頭部運動は、仮想現実感、増補現実感、および混合現実感の領域で特に重要である可能性があり、一般に、課題に依存して眼球運動に相関され得る。眼球運動を伴う頭部運動の傾向には大きい個人差がある。読書などの課題中に、頭部運動は、凝視のシフト（眼球運動と組み合わされた）の５％から４０％を占める可能性がある。ユーザが彼らの頭部を普通に動かす度合は、視覚および前庭感覚の不一致からの不健康への感受性の主要なインジケータを証明することができる。

サッケード運動および追跡頭部運動は、２つのモダリティにおいて定性的に異なる可能性が高い。たとえば、ユーザが、前から右へ凝視を自由に向けるのではなく、追跡運動を使用して胴体の正面から胴体側面の右側９０度へ物体を追いかける場合に、不一致は、より不快感を与えないものである可能性がある。追跡物体の速度が相対的に安定している場合には、不一致は、動きのほとんどを通じて知覚されないほどであるはずである。

戻って図３を参照すると、ユーザ３０２の音声応答も、マイクロホンを介してトラッキングされ得る。音声認識アルゴリズムが、録音された音響から意味論的意味を抽出し、反応の時刻（潜在的には個々の単語または音節の）をマークするはずである。より洗練されていないシナリオでは、音声応答の強度が、反応の時刻をマークするのに十分である可能性がある。実施形態では、音声および会話データは、知覚のレベルを判定するために、ヘッド・トラッキング、アイトラッキング、手入力などであるがこれに限定されない複数の他の形のデータと相関される。

電気生理学／自律神経記録
電気生理学的測定および自律神経測定は、主として、意識的影響の領域からはずれ、したがって意識的実行の領域から外れる。これらの測定値は、主として、覚醒の状態に関し、したがって、刺激選択を案内するのに使用される。便宜のためにここで列挙すると、対象となる測定値は、脳波記録法（ＥＥＧ、具体的には覚醒状態に関連する様々な周波数帯の活動）、ガルバニック皮膚反応（ＧＳＲ、やはり覚醒と感情刺激に対するリアクションとに関連する）、心拍数、呼吸数、血液酸素化、および潜在的に骨格筋反応の測定値に由来するはずである。

もう一度、「Ａ Ｎｏｎ−Ｉｎｖａｓｉｖｅ Ｍｅｔｈｏｄ ｆｏｒ Ａｓｓｅｓｓｉｎｇ ａｎｄ Ｍｏｎｉｔｏｒｉｎｇ Ｂｒａｉｎ」を名称とする、ＷＯ２０１５００３０９７Ａ１、を参照する。一例では、脳波活動は、能動脳波検査を実行することによって査定され得る。能動脳波検査は、ＥＥＧ（脳波記録法）機器を使用することと、当技術分野で既知の方法に従うこととによって行われ得る。能動脳波検査は、個人が様々な視覚的刺激を提示されている間に実行される。いくつかの実施形態では、能動脳波検査は、能動脳波活動を査定するのに適当である視覚的刺激の標準化されたセットを提示している間に行われる。いくつかの実施形態では、能動脳波検査は、平均結果を入手するために、同一のまたは異なる刺激を用いて複数回行われ得る。能動脳波検査の結果は、たとえば、アルファ波、ベータ波、デルタ波、およびシータ波の時間的測定および空間的測定を含むことができる。いくつかの実施形態で、能動脳波検査の結果は、２つのタイプの脳波の比率を含むことができ、たとえば、結果は、アルファ波／シータ波の比率を含むことができる。

同様に、受動脳波検査（ｐａｓｓｉｖｅ ｂｒａｉｎ ｗａｖｅ ｔｅｓｔ）が実行され得る。受動脳波検査は、個人が目を閉じている間すなわち視覚的刺激が存在しない間に脳波データを記録するために、ＥＥＧ（脳波記録法）機器を使用して行われ得る。たとえば、受動波脳波検査の結果は、たとえば、アルファ波、ベータは、デルタ波、およびシータ波の時間的測定および空間的測定を含むことができる。いくつかの実施形態において、受動脳波検査の結果は、２つのタイプの脳波の比率を含むことができ、たとえば、結果は、アルファ／シータ波の比率を含むことができる。いくつかの実施形態において、受動脳波検査は、平均結果を入手するために、複数回行われ得る。

可能な時に、電位と刺激ディスプレイ／スピーカとの両方の正確なタイミング情報に頼って、時間平均された反応が、繰り返される試行から生成され得る。視覚処理または聴覚処理に関連する特性波形（事象関連電位、ＥＲＰ）が、測定され、様々な形で操作され得る。これらはユーザからの意志的行動を必要としないので、知覚の低水準であり、論証できるより純粋な測定値を表す。

戻って図３を参照すると、電気生理学データ３１８は、もう１つの遠心性データ・ソース３０６とすることができ、これは、ｋＨｚ程度の速度で記録される電位の形で入手可能である可能性がある。これは、皮膚または他の露出された組織（特筆すべきは眼の角膜）に配置された電極の間の電位の任意のすべての測定値を含むことができる。ほとんどのユース・ケースは、おそらく、非侵襲的記録を用いるが、他の医学的に妥当な目的のために配置された埋込電極からのデータを解析する機会が生じる場合がある。データは、一般に、毎秒数百サンプルまたは数千サンプルのレートで収集され得る。解析は、波形を生成するための刺激事象に対する反応のタイムロックド平均値または活動の様々な状態をそれから推論できる経時的なデータの様々なフィルタリングされた表現のいずれかに焦点を合わせることができる。たとえば、脳波図（ＥＥＧ）は、頭皮／頭部から電極記録を収集して、脳または他の神経活動の電気活性を明らかにするのに使用され得る。記録は、一次感覚処理（ｐｒｉｍａｒｙ ｓｅｎｓｏｒｙ ｐｒｏｃｅｓｓｉｎｇ）、二次およびその後の感覚処理、認知処理、または反応生成（運動処理、言語処理）の領域に焦点を合わせることができる。電気眼球図（ＥＯＧ）は、相対眼球位置（凝視方向）に起因する電場電位の変化を測定するために眼球付近からの電極記録を収集するのに利用され得、網膜機能および筋活動の特性を測定することもできる。ＥＯＧは、ビデオ・アイ・トラッキングの低空間分解能代替物を提供することができる。網膜電図（ＥＲＧ）は、網膜からの神経活動を取り込むために角膜からの電極記録を収集するのに使用され得る（最小限に侵襲的）。刺激の色彩特性および空間特性との相関は、異なる錐体タイプおよび網膜上の位置からの反応の特徴を表すことを可能にする（これは、ＥＥＧを介して記録された視覚誘発電位にもあてはまる）。心電図（ＥＣＧ）は、心機能に対応する神経筋活動を収集し、潜在的には刺激に反応する、自律神経の状態の測定値を提供するのに使用され得る。神経筋電位の測定は、骨格筋収縮ならびに／または胴体および手足の運動から神経筋活動を記録するために任意の位置に配置された電極を用いる（筋電図すなわちＥＭＧを含む）。ガルバニック皮膚反応（ＧＳＲ）の測定は、汗および皮膚の他の状態変化に起因するコンダクタンス変化の対象である皮膚にまたがる電位差を測定することのできる電極を用いることができる。これらの変化は、不随意であり、刺激またはシナリオに対する自律神経反応を明らかにすることができる。

遠心性データ３０６のもう１つのソースは、心拍数、呼吸数、血液酸素化、皮膚コンダクタンスに関する情報、および電気生理学データ３１８に関するものに似た形のユーザ３０２からの他の自律神経（無意識）反応データを含む、自律神経監視データ３２０とすることができる。圧力変換器または他のセンサは、呼吸数に関するデータを中継する場合がある。パルス・オキシメトリは、血液酸素化を測定することができる。圧力変換器または他のセンサは、血圧を測定することもできる。任意のすべての無意識自律神経測定値は、刺激に対する反応または他のデータの分類のための全般的状態を明らかにすることができる。図１１は、本明細書の実施形態による、電気生理学監視データ１１０２および自律神経監視データ１１０４の特性メトリック１１００を示す図である。

ある期間にわたって回答され得る電気生理学メトリック１１０２および自律神経メトリック１１０４に関するサンプルの質問は、事象に対する時間平均をとった反応の特性は何であるのか、様々な周波数帯または他の導出された状態が経時的にまたは刺激に反応してどのように変化するのかを含むことができる。

データを収集するセンサは、上の図１のコンテキストで説明したハードウェア１０６の一部とすることができる。一部のセンサは、ＨＭＤに一体化され得る（たとえば、脳波記録法、電気眼球図記録、網膜電図、心血管監視、ガルバニック皮膚反応、および他のためのセンサ）。戻って図３を参照すると、一部のデータは、ユーザ３０２の身体上の他所のセンサを必要とする場合がある。非接触センサ（ビデオさえ）が、いくつかの電気生理学データ３１８および自律神経監視データ３２０を監視できる場合がある。実施形態において、これらのセンサは、スマート・クロージングおよび他の衣装とすることができる。ユーザまたは彼らの現在の状態を分類するために、ユーザのイメージング・データを使用することが可能である場合がある。機能イメージングは、刺激に対する無意識の反応に関するデータを提供することもできる。イメージング・モダリティは、Ｘ線／コンピュータ断層撮影（ＣＴ）、核磁気共鳴画像法（ＭＲＩ）、眼科イメージング（Ｏｐｈｔｈａｌｍｉｃ Ｉｍａｇｉｎｇ）、超音波、および脳磁図（ＭＥＧ）を含む。イメージングから導出された構造データは、電気生理学データのソースを定位するのに使用され得る（たとえば、構造データ、ＭＲＩ ＥＥＧデータ、およびＭＥＧデータのうちの１つまたは複数の組合せ）。

メトリックは、これらの刺激／反応特徴対から推論され得る直接測定値と、直接測定値から推論され得る間接測定値とに分解され得る。ほとんどの場合に、刺激／反応特徴ペアリングの個々の発生が、中心傾向および変動性を推定するために統計的に組み合わされ得ることを理解されたい。単一の試行からのデータ、特定の記述の複数の繰り返された試行から導出された記述的統計からのデータ、ならびにモデル化および予測のための連続変数として刺激および／または反応特徴を探査することからのデータに、潜在的な価値がある。

顔パターン認識機械学習
ＳＤＥＰは、成果に関するカスタマイズされた予測構成要素の開発を可能にするために、そのモデルおよび予測構成要素を成果と組み合わせて利用することができる。ＳＤＥＰの予測構成要素は、主ソースと副ソースとの両方からの自然主義的なまたは自発的なセッティングからの視覚データの大きいデータセットがそれによって精選され、ラベル付けされる収集プロセスを介して構築され得る。データセットは、写真、ＹｏｕＴｕｂｅビデオ、Ｔｗｉｔｃｈ、Ｉｎｓｔａｇｒａｍ、および、インターネットを介するなど、二次調査を介して入手可能である顔データセットを含むことができる。精選され、ラベル付けされたデータは、さらなる関与のためおよび成果のカスタムプラットフォームを構築するために利用され得る。

図１２Ａから図１２Ｄまでは、精選されたデータを構築するイメージ解析の例示的プロセスを示す。これらの図は、モデルの例示的なモバイルベースのバージョンを説明するものである。他の実施形態では、モデルは、クラウド上で実行され得る。図１２Ａは、カスタマイズされた予測構成要素がその人に関して開発され得る被験者の例示的なイメージを示す。図１２Ｂは、被験者のイメージを示し、ＳＤＥＰは、アイ・トラッキング、瞬き検出、凝視方向、ならびに他のパラメータおよび／または顔属性に関して眼を同定する。実施形態では、眼は、一連のイメージを介してまたは被験者のビデオを介して、トラッキング目的のために継続的に同定される。

図１２Ｃは、アイ・トラッキング、瞬き、および凝視方向のコンテキストで顔属性を抽出するのに使用され得る自然主義的なまたは自発的なセッティングからの視覚データのデータセット１２０２を示す。実施形態では、ＳＤＥＰシステムは、フレームがビデオから抽出される場合の異なる条件の下で大きいデータ・セット１２０２を用いてトレーニングされる。異なる条件は、とりわけ、複雑な顔の変化、照明条件、オクルージョン、および使用される全般的なハードウェアを含むことができる。実施形態では、様々なコンピュータ・ビジョン技法および深層学習が、システムをトレーニングするのに使用される。図１２Ｃおよび図１２Ｄを参照すると、イメージ１２０４が、被験者の感情を解析するためにその顔属性を抽出するために選択される。実施形態では、イメージ１２０４を含む、データセットからのイメージが、精選され、ラベル付けされる。

以下のステップは、例示的なデータ精選およびラベル付けプロセスの概要を示すものである。

１．望ましいデータ・ソースを同定する

２．同時に、ビデオおよび静止画から顔キー・ポイント検出を実行するパイプラインを開発する。これは、顔から眼領域をセグメント化し、選択するために顔キー・ポイント定位を活用することによって達成され得る。さらなるキー・ポイント特徴が、ダウンストリーム解析において無視すべき可能な次元として、イメージの回転、ピッチ、および照明を判定するのに使用される。表情が、感情を解析するために同定され得る。瞬き、眼球運動、およびマイクロサッケードも、キー・ポイント検出システムの一部として同定され得る。

３．眼領域イメージの正規化されたセットを入手するために、データ・ソースの擦り傷が同定され、ＳＤＥＰを介して供給される（図２Ｂ参照）。最終的なイメージは、ピッチ、回転、および照明に関する情報がリターン時に使用可能になるように、眼領域だけを含むようにセグメント化／クロッピングされ得る。

４．上の処理からの出力は、瞬き、着色、斜視、および成果にとって重要な他のメトリックにラベル付けするために成果と組み合わされ得る。

上で述べた、収集されラベル付けされたデータは、眼領域のカスタム予測モデルを開発するために活用され得る。カスタマイズされた機械学習アルゴリズムが、瞬目率、疲労、感情、凝視方向、注意、斜位、収束、発散、固視、凝視方向、瞳孔サイズ、その他におよぶキー・パラメータを予測するために作成され得る。さらに、デジタル刺激内の画素レベル情報から利益を得、眼反応との関係を共に学習するために、マルチモーダル手法がＳＤＥＰを活用することができる。画素レベル情報は、これを既存の視覚モデル化アルゴリズムと融合させるために、ＲＧＢ、輝度に分解され得る。

実施形態では、アイ・トラッキング・パラメータが、アイ・トラッキング・アルゴリズムから抽出される。一実施形態では、顔に対する瞳孔位置が、それから眼球運動を固視、追跡、およびサッケードとして分類すべき１つの測定値を提供する。一実施形態では、瞳孔サイズも、両眼について独立的に測定される。一実施形態では、凝視方向が、相対瞳孔位置から推定される。凝視位置は、両眼からのデータと、両眼転導の推定値を含む他の測定値（すなわち、顔および画面の相対位置）とを使用して３Ｄ空間内で測定され得る。凝視位置は、それから眼球運動を分類すべきもう１つの測定値を提供する。

図１３Ａおよび図１３Ｂは、経時的な瞳孔の位置およびサイズと凝視位置とを示す。図１３Ａは、第１の時刻における、３Ｄ １３０４Ａおよび２Ｄ １３１０Ａでの瞳孔の位置およびサイズと凝視位置とを示し、図１３Ｂは、第２の時刻における、３Ｄ １３０４Ｂおよび２Ｄ １３１０Ａでの瞳孔の位置およびサイズと凝視位置とを示す。一実施形態では、第２の時刻は第１の時刻より後である。イメージ内の任意の所与の点に、１秒（まで）のデータが示されており、より古いデータは、青などの異なる色で示される。明るい青の正方形は、観察者が見つめていたディスプレイを表す。物理寸法は、原寸通りではない（たとえば、ビューイング距離は、左のパネル内に見えるものより長かった）。左パネル１３０４Ａおよび１３０４Ｂは、空間の３Ｄ等角図を示し、左側にはユーザの眼１３０６、右側にはディスプレイ１３０８がある。

左側には、凝視位置が３Ｄ １３０４Ａおよび１３０４Ｂで示されている。線が、観察者のディスプレイ１３０８の表面から凝視位置へ描かれ、赤は、ディスプレイ１３０８の背後の凝視位置を示し、緑は、ディスプレイ１３０８の間の凝視位置を示す。これらの円は、眼１３０６に関する情報を伝える。

１．最大の暗い灰色の輪郭の円は、空間内で相対的に固定された眼および顔の平均位置を表す。

２．内部の明るい灰色の輪郭は、平均瞳孔サイズと、顔に対する瞳孔位置とを表す（移動するがサイズを変化させない）。

３．黒で塗り潰された円は、相対瞳孔サイズならびに顔に対する瞳孔位置を表す（移動し、サイズを変化させる）。

瞳孔情報が欠けている時には、眼が閉じられている（または、他の形で隠されている）と仮定することができる。

３Ｄ １３０４Ａおよび１３０４Ａ内の凝視位置は、黒い点（黒い線によって接続される）によって描かれ、凝視方向は、両眼から発する。ディスプレイからの凝視の深さは、ディスプレイから現在の凝視位置への緑（前）または赤（後）の線によってさらに示される。

右側では、凝視位置１３１０Ｂおよび１３１０Ｂが、２Ｄで示されている。ここでは、瞳孔に関する情報が存在しない。また、眼球運動を分類する以下の情報が追加される。

１．黒は固視を示し、この固視中に、灰色の輪郭が光り、固視の相対持続時間を示す。

２．青は追跡を示す。

３．緑（接続する線を伴う）は、サッケードを示し、線は、サッケード中に点を接続する。

視覚パフォーマンス・インデックス
メトリックの重要なクラスは、パフォーマンスに関するものとすることができる。ユーザのパフォーマンスは、視覚パフォーマンス・インデックス（ＶＰＩ）の形で判定され得、ＶＰＩは、本明細書の実施形態において後で詳細に説明される。

戻って図１を参照すると、一実施形態では、媒体システム１０４によってなど、ユーザ１０２から収集されたデータは、ユーザ１０２の視覚パフォーマンス・インデックス（ＶＰＩ）（図２Ｂの２４０をも指す）を同定するために処理され得る。ＶＰＩは、媒体システム１０４とのユーザ１０２の対話中に査定されたユーザ１０２の視覚パフォーマンスのレベルを示すことができる。ＶＰＩは、同様のＶＰＩを有するユーザ１０２のユーザのグループを同定するのに使用され得る。

ＶＰＩは、様々な形で測定され、操作され得る。一般に、目標は、ユーザの視覚パフォーマンスを改善することとすることができるが、操作は、少なくとも一時的にパフォーマンスを低下させる可能性がある、努力目標の増加（たとえば、没頭のための）を目指すこともできる。代替実施形態では、視覚に関係するもの以外のまたはそれに加えて、パフォーマンス・インデックスが測定され、操作され得る。たとえば、設計、没頭、および類似物などの他の領域が、パフォーマンス・インデックスを介して測定され、操作され得る。

もう一度図２Ｂを参照すると、データ解析チェーンの例示的な概要が示されている。データ解析は、最も下のレベルで２３２で始まり、ここで、データ・レベルは、さらには単純化されないものとすることができる。２３２では、単一の刺激のパラメータが、刺激の直接の特徴に対応する異なる独立変数に基づく複数の測定に使用され得る。単一の反応のパラメータが、異なる従属変数に基づく複数の測定に使用され得る。２３４では、独立変数および従属変数が、ユーザの視覚パフォーマンスの測定値を抽出するために対にされ、あるいは、他方と組み合わされ、ユーザの視覚パフォーマンスの測定値を生成するためにモデルにあてはめられ得る。実施形態では、ペアリングは、相関または他の統計的／非統計的方法を介して反応事象を１つまたは複数の刺激事象に組み合わせることを含むことができる。個々の対は、フィルタリングされて２３６に達することができ、ここで、所与のタイプの対話に関して、独立変数および従属変数の多数の対が、モデル分布のパラメータを推定するか、記述的統計を推定するかのいずれかに使用され得る。実施形態では、モデル分布は、測定値がどのくらいの頻度で特定の値になるのかの期待値である。いくつかの場合に、「釣鐘曲線」という典型的な形状を有する正規分布が使用され得る。記述的統計またはモデルあてはめのプロセスが完了した後に、２３８で、ユーザの視覚の特性の物理測定値の個々の推定値が生成され得る。個々のユーザ推定値は、単一の対話に基づくものとするか、複数の対話からの要約測定値とすることができる。２４０では、少なくとも１つの物理特性の測定値が、ＶＰＩの副構成要素に寄与するために正規化され得る。２４２では、複数のＶＰＩ副構成要素スコアが、構成要素スコアを生成するために組み合わされ（たとえば、平均をとられ）得る。実施形態では、構成要素スコアは、総合ＶＰＩを生成するためにさらに組み合わされ得る。ＶＰＩ、その副構成要素、および構成要素は、本明細書の後続セクションでより詳細に議論される。

実施形態では、視覚パフォーマンスの測定値は、ユーザに対する、絶対的ではなく相対的な意味を有する正規化された「スコア」として提示され得る。これも、図２Ｂのコンテキストで２４０および２４２に示されている。ユーザは、一般集団またはその特定の部分集合に対するユーザのパフォーマンスのレベルを測定できる場合がある。特殊化されていないハードウェア（すなわち、制御された実験セッティングの外部で使用されるモバイル・デバイス）からのデータ記録に関連する、仮定された高い度合の測定雑音に起因して、遠心性現象（たとえば、瞳孔サイズ、凝視方向、瞬き検出）および求心性パラメータ（たとえば、ディスプレイ・クロモルミナンス、ビューイング距離、オーディオ強度）の正確な測定値は、入手不能である。したがって、測定値ごとに「通常」範囲を定義し、これらの測定値の増加または減少に関する妥当な目標をセットするために、全ユーザの累積されたデータからの中心傾向（すなわち、平均値）および変動性（すなわち、標準偏差）の推定値に頼ることが要求される可能性がある。

スコアは、測定値のタイプごとに独立に、様々なタイプの課題のそれぞれについて、および一般に一意のシナリオまたはコンテキストごとに正規化され得る。これは、異なる単位で測定され、異なる刺激に対する、および異なる種類のユーザ反応からの測定値にまたがる簡単な比較および平均化を可能にすることができる。さらに、任意およびすべてのスコアに関して、パフォーマンスは、わずかにまたは有意に平均値を超えるまたはこれを下回るものとして分類され得る。セット記述的基準は、パーセンタイルに基づいて判断され得る（所与の測定値が一般集団の中で正規分布になっていると仮定して）。以下のセクションの例は、１０％および９０％を使用するが、パーセンタイルは、任意に選択され得、特定のコンテキストに関して変更され得る。ユーザのスコアのうちの１０％が、スコアの最下位１０％または最上位１０％に含まれ、したがって、それぞれ「異常に」低いまたは高いと仮定することができる。

一実施形態では、ＶＰＩは、本質的に求心性と遠心性との両方である可能性がある以下のパラメータおよび副パラメータのうちの１つまたは複数の組み合わせとすることができる。いくつかの実施形態では、ＶＰＩは、遠心性データを伴わない、精神測定データの関数とすることができる。直接測定値は、一般に、単一の反応特徴を単一の刺激特徴に関係付ける。可能な時には必ず、精神測定関数は、刺激特徴値が変化する時の反応のパターン（平均反応、反応の確率、または反応のカテゴリの比率）から構築され得る。直接測定値は、以下すなわち検出、区別、反応時間、および／またはエラーを含むことができる。

間接測定値は、直接測定値および／または直接測定値の組合せの、より高いレベルの解釈とすることができる。これらは、一般に、特定のコンテキスト内または特定のコンテキストにまたがる直接測定値の記述および変数の間の相互作用をも含む可能性がある。間接測定値は、以下すなわちマルチトラッキング、疲労／持久力、適合／学習、好み、記憶、および／または状態を含むことができる。

実施形態では、他の視覚関連パラメータが、ＶＰＩを計算するのに使用され得、すべてが下でより詳細に説明され、一緒にＦＡＭＥＤと略書きされる、視界（Ｆ）、正確さ（Ａ）、マルチトラッキング（Ｍ）、持久力（Ｅ）、および／または検出／区別（Ｄ）を含むことができるが、これに限定はされない。

視界（Ｆ）
戻って図１を参照すると、視界（Ｆ）は、任意の所与の瞬間にユーザ１０２によって見られる視覚的世界の範囲と記述することができる。中心視は、ユーザ１０２が、読書などに重要である最大の鋭敏さを有する、ユーザ１０２の視界の中央部分を表す。周辺視は、将来の挙動を誘導し、ユーザ１０２の焦点の外部の重要な事象を把握するのに重要である、ユーザ１０２の視界の外側部分である。

視界は、正確さおよび検出の測定値に基づいて、ユーザの中心視界または周辺視界内にある刺激と対話する時のユーザの相対パフォーマンスを測定する。視覚的離心率（ｖｉｓｕａｌ ｅｃｃｅｎｔｒｉｃｉｔｙ）が増加する時のほとんどの刺激特徴に対する低下した感度に起因して、パフォーマンスが、一般に周辺部でより悪くならなければならないと仮定される。中心刺激および周辺刺激に関するパフォーマンスの比率は、一般集団の中で、ある平均値および標準偏差を有し、他の測定値と同様に、ユーザが異常に低いまたは高い視界能力を有するかどうかを判定するのに、正規化されたスコアが使用される。

ユーザの視界スコアが異常に低い場合には、周辺部に存在した刺激の正確さスコアおよび検出スコアを増やすことによってこれを改善することができる。これは、一般に、タイミングおよび位置の一貫性を高めること、色度差および輝度差（物体の間および物体内）を高めること、物体のサイズを増やすこと、周辺部に提示される時にすべての移動するターゲットを低速にすることを必要とするはずである。

正確さ（Ａ）
戻って図１を参照すると、正確さ（Ａ）は、ユーザ１０２によって実行されるアクションにおいて、正しい選択を行うことと正確であることとの組合せとすることができる。正確さの測定値は、２つの副構成要素すなわちリアクションおよびターゲティングに分割され得る。リアクションは、入ってくる情報を処理し、これに作用するのに要する時間に関する。リアクションは、媒体経験中に素早い反応を行うユーザ１０２の能力を指すことができる。リアクションは、判断を行うのに十分な情報が刺激内で入手可能である（すなわち、刺激の出現）点とユーザの反応が記録される時との間の期間として測定され得る。素早い反応に関して、これは、通常は１秒未満になる。

ユーザのリアクションが異常に遅い（異常に低いスコア）場合には、課題が過度に難しく、後にターゲティングおよび検出のコンテキストで議論される刺激パラメータの変更を必要とする可能性がある。一実施形態では、任意の所与の測定値のモデル分布（たとえば、リアクション時間の対数正規分布）が推定される。カットオフは、その上に５％（または任意の他のパーセンテージ）の最も遅い期間が見つかる推定値から導出され得る。カットオフ以上のリアクション時間のすべての入ってくる測定値は、「遅い」（または「有意に遅い」）と考えられる。しかし、他のスコアが正常である時にリアクションだけが異常に低い場合に、それは、課題への不十分な没頭または注意散漫のしるしである可能性がある。同時に提示される項目の個数を減らし、または注意を引くための追加のｃｏｎｇｒｕｅｎｔ ｃｕｅを追加する（たとえば、視覚的刺激の出現に付随する音響を追加する）ことが役に立つ場合がある。ユーザが、移動する物体の位置に反応することを要求される場合には、ユーザが、軌跡を推定し、途中で捕まえる応答を計画するのにより長い時間を必要とする可能性があり、ターゲットの低速化が、リアクションを改善する可能性がある。

反応時間は、検出関連測定値に関して重要である場合があるが、刺激に対するすべての反応に関係する。反応時間は、一般に、刺激事象とその事象に対する反応との間の期間である。反応時間は、脳が情報を処理するのに必要な時間を測定するのに使用され得る。一例として、ディスプレイ上のパターンの出現は、ＥＲＧによって測定可能な網膜からの反応のある種のパターンにつながる可能性がある。刺激処理が平均化されたＥＲＧ波形から明白になった後のある点において、その同一の刺激の処理は、後頭部から記録された平均視覚誘発電位（ＶＥＰ）波形から明白になる。その後のある点において、ユーザからのボタン押下げ反応までの平均時間は、刺激が、運動反応を生成する点まで十分に処理されたことを示す。複数のタイムスタンプが、刺激事象および反応事象によって生成される可能性があるが、反応時間は、一般に、適当な反応を選択するのに必要な刺激の最も早期の検出可能な変化と応答が選択された最も早期の指示との間の時間と解釈されなければならない。たとえば、物体が、ディスプレイ上のあるキー・ポイントに向かって直線内で移動し始める場合に、特定の方向での移動の最初のビットは、物体が最後にどこに来るのかをユーザが知るのに十分である可能性がある。ユーザは、物体がそこに達するのを待つ必要がない。同様に、クリックされるべきターゲットに向かうマウス・カーソルの移動（またはＶＲ／ＡＲ／ＭｘＲ環境内で許容可能な任意の他のジェスチャ）の開始は、クリック事象が実際に発生するより十分前に、反応が選択済みであることを示すことができる

実施形態では、改善、減少、および全般的なシフトを含む反応のパターン内の他の変化は、知覚適合、知覚学習、およびトレーニング（高次学習）の結果として発生する可能性がある。ユーザによる適合および学習を考慮することは、説明され得る反応のすべての変動性を考慮し、これによって統計雑音の測定を減らし、推論能力を改善することができる。

反応内のパターンおよびその変化は、システム内の高次プロセスに関係する場合もある。ユーザは、課題を行っている間に、その課題をどのように実行するのかに関する考えを変化させる、時折の傾向を有する。したがって、実施形態では、ユーザによって行われるすべての選択は視覚処理のモデルを知らせるかどうかにかかわりなく、好みについて解析される。

実施形態では、反応は、ユーザによる想起または認識を測定するためにシステムによって使用される。想起は、以前に記録された情報の正確な生成である。認識は、以前に記録された情報と新しい情報との間の正しい区別である。

経時的な測定値から特定のコンテキストで導出されて、メモリ・リコール（ｍｅｍｏｒｙ ｒｅｃａｌｌ）、認識、および記憶容量の測定を行うことができる。これは、一般に、パフォーマンス・カテゴリに入る可能性があり、ユーザは、ターゲッテッド・プラクティス（ｔａｒｇｅｔｅｄ ｐｒａｃｔｉｃｅ）を用いて記憶パフォーマンスを改善することができる。想起および認識は、しばしば、刺激の間の意味論的類似性によって改善される。同様に、記憶範囲は、項目をお互いに関連付けるための学習によって改善される。項目が覚えられていなければならない期間は、記憶課題に対するパフォーマンスを変更するために操作される場合もある。記銘期間（ｒｅｔｅｎｔｉｏｎ ｓｐａｎ）中の注意をそらす課題またはその欠如も、パフォーマンスに大きく影響する。

長期記憶に関して、特定の項目より全般的なものとの両方の保存および検索の質を高めるための訓練がある可能性がある。ある種の物理的相互作用のコンテキスト内でマッスル・メモリ（ｍｕｓｃｌｅ ｍｅｍｏｒｙ）に関連する測定値を導出することが可能である場合もある。知覚適合および知覚学習も、測定および操作の候補である。

ターゲティングは、ユーザのアクションにおける時間的および位置的な精度の測定に関する。戻って図１を参照すると、ターゲティングは、ＶＥ内の物体の位置に対するユーザ１０２の反応の精度に関するものとすることができる。ターゲティングは、刺激に関する、ユーザの反応と最適値との間の誤差として測定される。反応は、クリック、タッチ、ジェスチャ、眼球運動、瞳孔反応、瞬き、頭部運動、胴体／手足の運動、または任意の他のものとすることができる。ユーザが、ある事象に関して時間的に正確に反応する（リアクション測定値につながる、その事象に反応して動くことではなく）ことが期待される場合に、ユーザの反応が早すぎるまたは遅すぎる場合がある。ユーザの反応の精度の変動性は、ターゲティング時間誤差測定値（通常は１秒以下程度）を生じる。さらに、ユーザの反応の位置は、画面上の画素単位または距離のなんらかの他の物理単位で測定される、一貫したバイアス（平均誤差）および／または変動性のレベル（誤差の標準偏差）のいずれかを有する可能性がある。

実施形態では、システムは、不正な選択と、ユーザによって行われる、理想的な反応または最適の反応からの逸脱とを含む、ユーザ・エラーに関するデータを解析する。最も一般的には、これらは、刺激の誤同定、不適切な時に反応すること（偽陽性反応）、適切な時に反応できないこと（偽陰性）、および反応のタイミングまたは位置の不正確さである可能性がある。反応の変動性または反応特徴の測定値の変動性は、エラー、全般的な不正確さ、または一貫性のなさの指示である場合もある。

ユーザのターゲティング・スコアが異常に低い場合には、ターゲットが小さすぎるか、位置の変動性が大きすぎる可能性がある。反応のタイミングに関して、事象のより一貫したタイミングは、反応の同期化をより簡単にする。これは、繰り返されるリズムまたはターゲット事象の前のある固定された時刻に発生する手がかりの形とすることができる。位置に関して、誤差は、ターゲットの可能な位置を制限すること、または、移動するターゲットの場合に、より遅い速さを使用することによって減らすことができる。特にタッチ・インターフェースまたは反応自体がターゲットを隠す他のコンテキスト（すなわち、ディスプレイに被さる指）に関して、ターゲットをより大きくすることが、ターゲティング・スコアを改善する可能性がある。

マルチトラッキング（Ｍ）
マルチトラッキング（Ｍ）は、一般に、ユーザが複数の同時反応を行っており、かつ／または複数の同時刺激に反応している実例を指すことができる。これらは、ユーザが複数の並行課題を実行しており、周辺部で発生する刺激イベントに反応する（おそらくは、注意が他所に焦点を合わせている間）ケースをも含む。周辺検出（離心率の関数としての検出）および分割的注意（ｄｉｖｉｄｅｄ ａｔｔｅｎｔｉｏｎ）のコンテキストでの他のパフォーマンス測定の組合せ測定を含めることができる。

マルチトラッキング（Ｍ）は、複数の物体を同時に感知するユーザの能力を表すことができる。分割的注意課題は、ユーザが、同時に発生する複数のものごとに作用することを要求する場合がある。マルチトラッキングは、焦点的注意または分割的注意のコンテキストで提示される刺激と対話する時のユーザの相対パフォーマンスを測定する。焦点的注意に関して、ユーザは、一般に、シーンの１つ部分または制限された個数の物体もしくは特徴に注意を払う必要がある。分割的注意を必要とする状況では、ユーザは、複数のエリアを監視し、警戒にかかわらず重要な事象を見逃す危険を冒さなければならない。視界と同様に、正確さおよび検出の測定値は、異なるマルチトラッキング・コンテキストでのユーザのパフォーマンスを判定するのに使用される。

ユーザのマルチトラッキング・スコアが異常に低い場合に、それは、分割的注意を要求する課題を不十分に実行しつつあるか、焦点的注意を要求する課題を例外的によく実行しつつあることを示す可能性がある。したがって、分割的注意課題をより簡単にすることまたは焦点的注意課題をより難しくすることが、マルチトラッキング・スコアを改善する可能性がある。分割的注意のコンテキストでは、ユーザが監視する必要のある物体またはエリアの個数を減らすことによって知覚的負荷を減らすことが、役に立つ可能性がある。分割的注意において持続時間（物体永続性）の増加および速さの低下も、スコアを改善する可能性がある。

疲労／持久力（Ｅ）
パフォーマンス測定値は、疲労に起因して経時的に悪化する場合がある。これは、感度（検出）、正しい区別の低下、反応時間の増加、およびエラーのレートまたは大きさの悪化において明白になる。疲労のレート（経時的に変化する）および疲労の大きさ（パフォーマンス測定での最大の低下）は、任意およびすべての測定値に関してトラッキングされ得る。疲労開始の前の遅延ならびに活動の休憩または変化に伴う回復のレートは、持久力の特徴を表すことができる。

持久力（Ｅ）は、経時的に高いレベルのパフォーマンスを維持するユーザの能力に関係付けられ得る。持久力測定値は、経時的な正確さスコアおよび検出スコアの傾向に関連する。持久力の２つの測定値が、疲労および回復である。

疲労は、パフォーマンスがある期間内にどれほど低下するのかの測定値である。疲労は、ユーザのパフォーマンスが減少し始める可能性があり、減少のレートの測定値およびパフォーマンスがどれほど不十分であるかの測定値が得られる点である。疲労の基本的測定値は、期間の前半と比較した後半でのスコアの比率に基づくものとすることができる。十分に長い期間を仮定して、スコアが、ユーザが疲労するにつれて経時的に減少し、したがって、比率が１未満になると仮定する。１の比率は、疲労なしを示すことができ、１を超える比率は、学習効果またはトレーニング効果が疲労の欠如と一緒にパフォーマンスを改善しつつあることを暗示する可能性がある。ユーザの疲労スコアが異常に低い場合には、ユーザは、彼らが課題に取り組む中断されない時間の長さを減らすことを望む可能性がある。より短いおよび／またはより長い頻度の休憩を取ることが、疲労スコアを改善する可能性がある。一般に、課題の難しさを説明することも、役に立つはずである。

回復は、介在するインターバル内の休憩の仮定された期間を伴って、パフォーマンスが期間の間にベースラインベル戻ることの測定値である。回復は、ユーザが効果的に最適パフォーマンスに戻るために提供される小休止の使用に関する可能性がある。現在実施されている回復の基本的な測定値は、２つの期間のうちの第２の期間の前半のスコアに対する第１の期間の後半のスコアの比率を比較するためのものである。期間は、その間に短い休憩を有したユーザの意図に関して選択され得る。多少の疲労が発生していることを保証するのに十分に長い期間を仮定して、小休止の後と比較して小休止の前のスコアがより低く、したがってこの比率が１未満になると仮定する。１の比率は、小休止をとることの影響がないことを示し、１を超える比率は、小休止の後または小休止にまたがるおよび小休止の有無にかかわらない疲労の存在の後の没頭の減少を示す可能性がある。

ユーザの回復スコアが異常に低い場合に、ユーザは、より長い小休止を取ることを望む可能性がある。ユーザが、測定可能な回復があるようにするために十分な疲労を経験していない可能性がある。より長い中断されない期間にわたって没頭するようにユーザに求めることが、回復スコアを改善する可能性がある。同様に、課題の難しさを高めることが、より多くの疲労と回復のより大きい余地とをもたらす可能性がある。

検出／区別（Ｄ）
検出／区別（Ｄ）は、物体の存在を検出しまたは複数の物体の間で区別するユーザの能力を指すことができる。このパラメータは、物体の様々な属性に対するユーザの感度に依存する可能性がある。反応事象が刺激事象のアウェアネスを知らせる時には必ず、ユーザがその刺激を検出したと判定することができる。おそらくはアウェアネスのレベルには少し足りない、無意識処理は、電気生理学的反応または他の反応から明らかにされる可能性もある。検出は、刺激の位置への反応によってまたは刺激の存在と一致する（たとえば、刺激のなんらかの物理的態様を正しく同定する）反応のカテゴリによって明らかにされ得る。検出に必要な刺激特徴パラメータ／値の大きさは、ユーザの検出しきい値を定義することができる。刺激のすべての特徴は、検出に使用されると仮定され得るが、特徴が刺激の特性を定義する唯一の実質的な定義ではない場合または刺激特徴がユーザがそれに対して反応したより様々な刺激の中に現れる場合に限って、検出を１つの特徴に排他的に帰することが可能になる。

ユーザが刺激特徴パラメータ／値を正しく同定しまたは１つもしくは複数の刺激特徴に基づいて複数の代替物の中でなんらかの選択を行う時には必ず、その対話は、区別の測定値に寄与する可能性がある。多くの場合に、対象の測定値は、ユーザが２つのものごとが異なると言えるようになる前にそれらがどれほど異なる必要があるのか（区別しきい値）とすることができる。区別測定値は、ある種の特徴に対する感度のしきい値を示すことができるが、区別測定値は、カテゴリ境界（たとえば、２つの命名された色の間の境界）を同定するのにも使用され得る。検出測定値とは異なって、区別測定値は、必ずしも反応が正しい／正しくないことに依存する必要がない。区別測定値は、能力ではなく主観的体験を示すことができる。

検出／区別の測定値は、３つの副構成要素すなわち、色（クロモルミナンス）の検出および／または区別に関する測定値、コントラスト（クロモルミナント・コントラスト（ｃｈｒｏｍｏｌｕｍｉｎａｎｔ ｃｏｎｔｒａｓｔ）、ならびに刺激の最小特徴に基づく鋭敏さ測定値に分割され得る。これらの遠心性特性は、上で議論したように手動応答または音声応答からの遠心性測定値、アイ・トラッキング測定値（プロサッケードの開始、アンチサッケードの減少、維持される固視、および減少された瞬き反応）、凝視方向、瞳孔サイズ、瞬き、ヘッド・トラッキング測定値、電気生理学的測定値および／または自律神経的に記録された測定値、顔パターン認識および機械学習からの測定値、ならびに他の測定値と組み合わされて、感度を判定するのに使用される。すべての測定値が、かすかに可視の刺激を検出し、またはほぼ同一の刺激を区別するユーザの能力に基づくものとことができる。これらの測定値は、特徴の差（検出された物体とその周囲との間または区別された物体の間の）に基づいて異なる副構成要素に結び付けられる。刺激物体は、複数の特徴において異なり、したがって、同時に複数の副構成要素の測定値に寄与することができる。

色差は、具体的に色度および／または輝度の差を指すことができる。ユーザの色スコアが異常に低い場合には、色の差を増やすことによって課題をより簡単にすることができる。特定の色覚異常は、色差の特定の方向に関する不十分な色スコアにつながる可能性がある。より多様な色相の使用は、一般に、特定の欠乏がより小さい影響を有することを可能にし、スコアを安定させる。

コントラストは、コントラストが、ある視覚的に定義された領域内の色度および／または輝度の変動性を指すという点で色とは異なるが、このコンテキストでの色に関する測定値は、平均色度および平均輝度を指す。ユーザのコントラスト・スコアが異常に低い場合には、示されるコントラストの範囲を広げることによってこれを改善することができる。コントラスト感度は、空間周波数に伴って変化し、したがって、空間周波数の増加または減少（それぞれ、パターンをより微細にまたはより粗にすること）も、役立つ可能性がある。色スコアを改善する操作は、一般に、コントラスト・スコアをも改善する。

鋭敏さ測定値は、ユーザが刺激を検出し、区別するのに使用できる最小の特徴から導出される。鋭敏さ測定値は、空間周波数が鋭敏さの測定値に関する関連する物理的特徴でもあるという点でコントラストに関係付けられる。ユーザの鋭敏さスコアが異常に低い場合には、物体が全般的に小さすぎ、全体的に拡大されるべきである可能性がある。サイズの差を拡大し、コントラストを高め、空間周波数を下げることも、役に立つ可能性がある。色またはコントラストより鋭敏さに関してなおさらであるが、移動する刺激の速さが要因になる可能性があり、移動するターゲットの速度を下げることが、鋭敏さスコアの改善を助ける可能性がある。

上記のパラメータは、すべてが特徴の測定に基づく。実施形態では、特徴のパターンは、経時的に記録され得る。傾向およびパターンは、予測分析を可能にし、エンド・ユーザの検出能力および他のＶＰＩ／ＦＡＭＥＤ能力に基づいてユーザ経験をパーソナライズするのを助けることもできる。

存在の非常に多数の一般的な状態が、議論される直接測定値から推論され得る。状態は、１セッションあたり１回、時間のある種のセグメントの間にまたは連続的に、および刺激事象に反応して推定され得る。これらは、共通して、反応のレートまたは挙動の変化のレートに関係する可能性がある。図１４は、本明細書のいくつかの実施形態による求心性ソースおよび遠心性ソースの例示的なメトリックのリストを含む表を提供する。この表は、求心性ソースが刺激イベントおよび刺激特徴をもたらすことができることを示す。求心性ソース、刺激イベント、および刺激特徴の組合せは、反応（遠心性ソース）とさらに組み合わされた時に、反応事象および反応特徴を示すことができる。これらの組合せは、精神測定測定値をほのめかす場合がある。最後の列では、この表は、様々な組合せから導出された精神測定測定値ごとの説明を提供する。

図１５は、ソフトウェア・アプリケーションからＳＤＥＰへのデータの流れの概要を示す例示的な流れ図である。１５０２では、対話のためにユーザにインターフェースを提供することのできるソフトウェア・アプリケーション。アプリは、ＨＭＤ上またはユーザ対話のためにＶＲ／ＡＲ／ＭｘＲ環境を提供できる任意の他のデバイス上で動作するように設計され得る。アプリケーション・ソフトウェアによって収集された情報は、１５０４でソフトウェア開発キット（ＳＤＫ）に供給され得る。ＳＤＫは、アプリケーション・ソフトウェアの使用に関する分析論およびデータを生成するためのソフトウェア開発ツールのグループと共に働く。１５０６では、データが、セッション・データとしてＳＤＫからＳＤＥＰに供給される。１５０８では、セッション・データが、ＳＤＥＰで前処理され、この前処理は、解析に備えてデータを編成し、ソートすることを含むことができる。１５１０では、前処理された刺激データおよび反応データが生成され、解析および処理のためにさらに渡される。１５１２では、データが解析され、パフォーマンス・インデックス、スコア、またはＶＰＩスコアなどの知覚情報の他の測定値に変換される。１５１４では、解析されたデータが、ユーザ経験を変更し、パーソナライズし、またはカスタマイズするためにＳＤＫおよび／またはアプリケーション・ソフトウェアに送り返される。実施形態では、データは、１５０２から、解析のチェーンを介してアプリケーション・ソフトウェアから渡され、非侵襲的にリアル・タイムでアプリケーション・ソフトウェアに戻って渡される。

図１６は、プロセス・フローの前処理部分（図１５の１５０８）の例示的な概要１６００を示す。

図１７は、（前処理された）生データを取り込み、適切な解析を選択し、実施し、それぞれ「持久力」測定値の推定およびスコア正規化のために一時的ストアおよび長期ストアに解析に基づく要約測定値を送信し受信し、エンド・ユーザへの表示のためにアプリケーションに送り返されるスコアを計算する責任を負うデータ処理機能のプログラミング言語実装の例示的表現１７００である。実施形態では、使用されるプログラミング言語は、パイソンである。この図は、ＶＰＩスコアを導出するための、ＦＡＭＥＤデータへの複数のパイソン関数の適用を示す。この図は、ＦＡＭＥＤ関数ごとにカラーコーディングされたプロセスを示す。一実施形態では、ＦＯＶ関数は赤、正確さは緑、マルチトラッキングは紫、持久力は橙、検出は青である。一実施形態では、平行四辺形は変数を表し、角を丸められた長方形は関数を表し、要素は、ユーザ／セッション・データに関してカラー・コーディングされ、黄色で示される。

この図を参照すると、大きい赤の輪郭１７０２は、処理関数（ｖａ＿ｐｒｏｃｅｓｓ＿ｄａｔａ）を表し、これは、３つの主要セクションすなわち、左セクション１７０４、中央セクション１７０６、および右セクション１７０８を含む。一実施形態では、左セクション１７０４は、生データを取り込み、データに正確さ解析関数または検出／区別解析関数のいずれかを適用して、入ってくるデータを要約する単一の測定値を作る。その測定値は、視界およびマルチトラッキングの測定値に関する中央レベル関数１７０６および外部ストアに送られる。その第１の外部ストアまたはキャッシュは、持久力の測定値に使用される、最近の過去からの同様の測定値を返す。中央レベル関数１７０６からの出力は、正規化のために中心傾向（すなわち、算術平均）および変動性（すなわち、標準偏差）を推定するために測定値を累積する別の外部ストアに送られる。この第２の外部ストアからのデータは、現在の測定値と組み合わされて、右レベル・セクション１７０８内でスコアに変換される。この図は、場所を示すためにこの図の左下に小さいサブチャート１７１０をも示す。

映像データ・パッケージ：使用例
本明細書の様々な実施形態に従ってＳＤＥＰによって生成されるデータは、異なる形で使用され得る。実施形態では、ＳＤＥＰによって出力されるデータは、競技者／スポーツなどのための医学的使用（視力、眼精疲労、外傷性脳損傷、およびスポーツ視覚パフォーマンス）のために異なってパッケージ化され得る。たとえば、アプリケーションは、ある期間にわたるデジタル眼精疲労の影響を追跡する能力または眼と脳との接続の主要領域を測定することによってフットボールなどのコンタクト・スポーツにおける外傷性脳損傷に関してスクリーニングする能力を含む。

実施形態では、ＳＤＥＰは、スマート・デバイス、ウェアラブル、アイトラッキング・ツール、ＥＥＧシステム、仮想現実感ＨＭＤ、および増補現実感ＨＭＤなどの技術から生成されたデータを有利に使用することを可能にする。

ＶＰＩを含むパフォーマンス・インデックスは、異なるアプリケーションに関して異なる可能性がある。一例では、検出メトリックおよび正確さメトリックは、ゲーミング媒体と広告に関する媒体とで異なる。少数のアプリケーションのいくつかの例示的実施形態が、下で説明される。

図１８は、ユーザ対話の生体模倣に基づいて精神測定関数を処理し、視覚的挙動および知覚をモデル化するのにＳＤＥＰを利用する中央システム１８０２を実施する例示的環境を示す。一例では、下で説明されるように、ユーザは、ゲームに似た対話型電子媒体を提示され得、この媒体内で、画面上の異なる位置に現れる風船を「割る（ｐｏｐ）」ように要求される。この例では、システム１８０２は、ＦＡＭＥＤ洞察としてユーザにその後に提示される視覚精神測定を測定するのに精神測定関数を利用することができる。同様に、視覚的知覚および空間方向付けとの関係における精神測定情報の収集を可能にする他の形の対話型媒体がある可能性がある。図１８は、ＳＤＥＰを介する処理および後続モデル化を可能にし、その後、人工知能システムをサポートするために、システム１８０２およびお互いと相互作用する様々な感覚精神測定データを示す。

より具体的には、本明細書は、人間の感覚系を模倣するために深層学習システムをトレーニングし、開発するために提供される方法、システム、およびソフトウェアを説明する。いくつかの実施形態において、本システムは、人間の表情を模倣する深層学習システムをトレーニングし、開発することもできる。一実施形態において、中央システムは、学習ルーチンをトレーニングするのに使用され得るデータを収集するために、１つまたは複数のＳＤＥＰシステムおよび複数の自律的身体センサと通信する。

ユーザの視覚パフォーマンスを測定するためのゲーミング・アプリケーション
一実施形態では、本明細書は、様々な刺激に反応する人間の眼の機能および解剖学に関するより詳細なデータを収集するためにビジョン・サービス・プロバイダに提供される方法、システム、およびソフトウェアを説明する。詳細なデータは、視覚パフォーマンス・スコアを生成するために、ユーザの視覚の異なる態様に関するものとすることができ、対応する標準視覚パラメータと比較され得る。スコアは、視覚の各異なる態様に関するものとすることができ、かつ／または総合視覚パフォーマンス・スコアを提示するために組み合わされ得る。スコアは、ユーザの視覚パフォーマンスの測定値としてもユーザに提示される。実施形態では、様々な刺激が、ユーザによってアクセスされ得るモバイル・ゲーミング・アプリケーションまたは任意の他のゲーミング・アプリケーションを介してユーザに提供される。

例示的なアプリケーション（以下では「サイト・キット」と称する）は、一連の対話型ゲームを介して視覚系のパフォーマンスを測定するように設計され得る。本明細書は、サイト・キット・ゲーミング・アプリケーションの特徴を説明するが、それらの特徴は、例示的な実施形態にすぎないと考えられるべきである。代替実施形態が可能であり、当業者に明白になる。代替実施形態は、ゲーミング・アプリケーション内のコンテキスト、シーケンス、ゲーミング・レベル、グラフィカル表現、スコアリング・システム、報告方法、ユーザインターフェース、および他の態様のうちの１つまたは複数における変形および／または改善を含むことができる。ゲーミング・アプリケーションは、様々なカテゴリでのスコアのセットをユーザに報告することができる。これらのスコアは、個々のユーザが全ユーザに対して相対的にどのように実行するのかの指示とすることができる。ユーザのスコアの加重平均は、視覚パフォーマンス・インデックス（ＶＰＩ）を生じることができ、このＶＰＩは、構成要素スコアと同様に、より幅広い母集団などのベースラインに対するユーザの視覚パフォーマンスを表すことができる。

一実施形態では、ユーザは、本明細書の実施形態に従ってゲーミング・アプリケーションに参加する。一例では、ゲーミング・アプリケーションは、サイト・キット・アプリケーションと呼ばれる。一実施形態では、サイト・キット・アプリケーションは、スマートホンまたはＨＭＤを含む任意の他のポータブル電子デバイスなどのモバイル・プラットフォームを介してユーザに提示される。一実施形態では、ユーザは、電子デバイスを介して一連のビューを提示され、これらのビューは、１つまたは複数の対話型ゲームの形であるものとすることができる、あるタイプの刺激へのアクセスを順次可能にする。一実施形態では、ユーザは、サイト・キット・アプリケーションにセキュアにアクセスすることができる。実施形態では、単一のモバイル・プラットフォームが、サイト・キット・アプリケーションにセキュアにアクセスするために、複数のユーザによって使用される。セキュア・アクセスは、セキュア認証プロセスを介して使用可能にされる。以下は、サイト・キット・アプリケーションにセキュアにアクセスすることを試みている間に電子デバイスのディスプレイを介してユーザに提示される例示的なビューおよび情報である。

図１９は、本明細書の実施形態による、サイト・キット・アプリケーションを介して現れる可能性がある空の画面およびエラー画面のスクリーンショット１９００を示す。

図２０Ａは、本明細書の実施形態による、サイト・キット・アプリケーションを介して現れる可能性があるスプラッシュ画面のスクリーンショット２０００Ａを示す。

図２０Ｂは、本明細書の実施形態による、サイト・キット・アプリケーションを介して現れる可能性があるホーム画面のスクリーンショット２０００Ｂを示す。

実施形態では、アプリケーションは、セキュア・アクセスを可能にする。図２０Ｃは、本明細書の実施形態による、サイト・キット・アプリケーションを介して現れる可能性がある「ジョン・スノウ（Ｊｏｎ Ｓｎｏｗ）」という名前のユーザによる例示的な登録を含むログイン（登録）プロセスの一連の（ＡからＦまで）スクリーンショット２０００Ｃを示す。

図２０Ｄは、本明細書の実施形態による、サイト・キット・アプリケーションを介して現れる可能性がある契約条件を含む画面のスクリーンショット２０００Ｄを示す。

図２０Ｅは、本明細書の実施形態による、ユーザが自分のログイン情報を忘れた場合にサイト・キット・アプリケーションを介して現れる可能性がある一連の（ＡからＢまで）スクリーンショット２０００Ｅを示す。

実施形態では、ユーザは、本アプリケーションに初めてアクセスする時に、個人情報に関するプロンプトを表示される。たとえば、ユーザは、人口統計情報を求められる。いくつかの実施形態では、人口統計情報は、ユーザのスコアの比較に使用され得る、同様の人口統計の標準スコアまたは平均スコアを判定するのに、その後に利用される。

図２１Ａは、本明細書の実施形態による、サイト・キット・アプリケーションを介して現れる可能性がある、ユーザに人口統計の質問を与える画面の一連のスクリーンショット２１００Ａを示す。

図２１Ｂは、本明細書の実施形態による、サイト・キット・アプリケーションを介して現れる可能性がある、ユーザに人口統計の質問を与える画面のさらなる一連のスクリーンショット２１００Ｂを示す。

図２１Ｃは、本明細書の実施形態による、サイト・キット・アプリケーションを介して現れる可能性がある、ユーザに人口統計の質問を与える画面のさらなる一連のスクリーンショット２１００Ｃを示す。

図２２は、本明細書の実施形態による、サイト・キット・アプリケーションを介して現れる可能性がある、ユーザに初期ＶＰＩレポートを提示する画面の一連のスクリーンショット２２００を示す。一実施形態では、初期ＶＰＩレポートは、実際のユーザに類似する人口統計を有する他のユーザのスコアのセットの例である。別の実施形態では、初期ＶＰＩレポートは、復帰したユーザに提示され、そのユーザによって達成された以前のスコアを含む。

図２３は、本明細書の実施形態による、サイト・キット・アプリケーションを介して現れる可能性がある、プレイするゲームを選択するようにユーザに促す、別々の時に現れる可能性がある異なる画面のスクリーンショット２３００を示す。実施形態では、ユーザ・インターフェースは、ユーザの過去の対話に基づいて異なる。ユーザは、彼らが以前にプレイしたゲームに関する情報を提示され得る。

一実施形態では、サイト・キット・アプリケーションは、３つのゲームに分割される。ゲーム内には、多かれ少なかれ変更された経験を伴う連続するラウンドがある。

ゲーム１：風船割り
このラウンドでは、ユーザは、一部の視覚的刺激（ターゲット）の出現に反応し、他の視覚的刺激（妨害課題（ｄｉｓｔｒａｃｔｏｒ））には反応せずにタップすることを要求され得る。これは、精神測定曲線あてはめに適するデータを提供し、ここで、色、コントラスト、または鋭敏さの差の関数としての正しい区別（ターゲットをタップすること対ターゲットをタップしないこと）の比率が、区別しきい値（すなわち、上で説明した検出測定値）を推定するのに使用され得る。ゲームは、リアクション時間およびターゲティング精度（すなわち、上で説明した正確さ測定値）に関するデータを提供する、ディスプレイの特定のエリアに対する迅速な反応を奨励することができる。ゲームは、ユーザに順番に提示され得る、複数のラウンドを有することができる。代替案では、ユーザは、任意のラウンドと対話することを選択することができる。図２４Ａから図２４Ｆは、「風船割り」のゲームに関して見られる様々なインターフェースを示す。

ラウンド１
図２４Ａは、本明細書の実施形態による、サイト・キット・アプリケーションを介して提示される可能性がある、風船割りラウンド１指示のスクリーンショット２４００Ａを示す。

図２４Ｂは、本明細書の実施形態による、サイト・キット・アプリケーションを介して提示される可能性がある、風船割りラウンド１ゲームのスクリーンショット２４００Ｂを示す。

風船割りのラウンド１は、画面の最下部から最上部へ上昇する風船（ディスプレイの縁で視界に入り、出て「浮く」）を特徴とする。一部の風船は、縞パターンを特徴とし、他の風船は塗り潰され、ユーザは、縞のついた風船をタップし、塗り潰された風船を無視することができる（コントラスト区別）。風船ごとに使用される色は、ランダムとすることができる（ただし、縞のついた風船の交番する縞は白である）。風船のサイズは、経時的に縮小するものとすることができる。変化するサイズは、風船のサイズと風船内の縞の空間周波数との両方における鋭敏さの影響を反映することができる。実施形態では、移動の速さは、経時的に高められ得、縞つきのパターンのコントラストは、経時的に下げられ得る。ラウンドの開始時に、風船は、一時に１つ現れるものとすることができる。そのような出現は、ユーザの焦点的注意をもたらし、測定することができる。徐々に、一時により多くの風船がディスプレイ上に提示され、同時に複数の物体を追跡することを要求することができる。同時に複数の風船を提示することは、ユーザの分割的注意を調べることができる。早期の最適戦略は、初めて現れる時に風船をつかむためにディスプレイの下縁の中央を見つめることである可能性があり、したがって、出現する風船の水平位置は、多かれ少なかれ固視から離れる可能性がある。これは、視界に対応するユーザ・パラメータを判定するのを助けることができる。

ラウンド２
図２４Ｃは、本明細書の実施形態による、サイト・キット・アプリケーションを介して提示される可能性がある、風船割りラウンド２指示のスクリーンショット２４００Ｃを示す。

図２４Ｄは、本明細書の実施形態による、サイト・キット・アプリケーションを介して提示される可能性がある、風船割りラウンド２ゲームのスクリーンショット２４００Ｄを示す。

このラウンドでは、風船は、移動するのではなく、非常に短い間だけ出現する。色またはコントラストの変化はなく、鋭敏さが、区別に関する主要な機構になる可能性がある。ユーザは、他の類似する形状を無視しながら風船の形状を割ることができる。形状が風船に似ていればいるほど、区別が難しくなり、偽陽性反応につながる可能性がある。背景からの色差の変動が、色区別測定値の追加のソースとして追加され得る。

このゲームでは、リアクション時間およびターゲティング精度が、正確さを測定するための主要な構成要素になり得る。最適戦略は、ディスプレイの中央の固視になり、視野構成要素を生じさせる可能性がある。物体は、一時に１つ出現することができ、その間の時間のギャップは、マルチトラッキング測定の可能性を否定する。

ラウンド３
図２４Ｅは、本明細書の実施形態による、サイト・キット・アプリケーションを介して提示される可能性がある、風船割りラウンド３指示のスクリーンショット２４００Ｅを示す。

図２４Ｆは、本明細書の実施形態による、サイト・キット・アプリケーションを介して提示される可能性がある、風船割りラウンド３ゲームのスクリーンショット２４００Ｆを示す。

最終ラウンドとすることもできる第３ラウンドでは、風船は、動いたり短時間出現したりすることがない可能性があり、その代わりに、増加するセット・サイズを有する特徴統合検索課題（ｆｅａｔｕｒｅ ｃｏｎｊｕｎｃｔｉｏｎ ｓｅａｒｃｈ ｔａｓｋ）を導入することによって、難易度を高めることができる。ユーザは、色および鋭敏さの区別（検出の指示）を要求する、一致する色／形状組合せを見つけることができる。刺激の静的で永続的な性質（正確さの指示）を考慮すると、リアクション時間が重要な特性になる可能性があり、ターゲティング精度は重要性を下げられる。視界も多少は示される可能性があるが、中央に向かってランダムに配置されるターゲットは、平均して、ターゲットが風船クラスタの縁に向かう時より高速に見つけられる可能性がある。ユーザが視覚的刺激の直列処理または並列処理のどちらを使用するのかに依存して、マルチトラッキングが、ここでは有意な影響を有する可能性があり、これは、リアクション時間に対するセット・サイズの依存性またはその欠如によって後に明らかにされ得る（ヒックの法則）。

ゲーム２：ピクチャ・パーフェクト
このゲームでは、イメージが、その歪んだバージョンと一緒にユーザに表示され得る。ユーザは、元のイメージと一致させるために、歪んだイメージの表示パラメータを変更するツールを与えられ得る。一実施形態では、表示パラメータは、とりわけ、色、鮮明度、およびサイズのうちの１つの組合せを含むことができる。ユーザが課題の完了を確認した後に、結果が、ユーザの選択と正しい選択とを比較することによってユーザに提示され得る。一実施形態では、正しい選択に対するユーザの選択が近ければ近いほど、ユーザの視覚パフォーマンスが高くなる。ピクチャ・パーフェクト・ゲームは、素早いリアクションを要求するものではないものとすることができるが、ユーザは、素早く働くことを奨励され得る（たとえば、決められた期間内に行われるセッティング数が、リアクション・スコアを生成するのに使用され得る）。一実施形態では、このゲームは、複数のラウンドから構成される。図２５Ａおよび図２５Ｂは、それぞれ、本明細書の実施形態による、サイト・キット・アプリケーションを介して提示される可能性がある、ピクチャ・パーフェクト・ラウンド１ゲームの一連のスクリーンショット２５００Ａおよび２５００Ｂを示す。いくつかの実施形態では、歪んだイメージを補正するために、様々な異なるパラメータに対するスライダが、ユーザに提示される。他の実施形態では、他のグラフィカル・ツール、数値ツール、または任意の他のツールが、この目的のために提供され得る。

図２５Ｃ、図２５Ｄ、および図２５Ｅは、それぞれ、本明細書の実施形態による、サイト・キット・アプリケーションを介して提示される可能性がある、ピクチャ・パーフェクト・ラウンド２ゲームの一連のスクリーンショット２５００Ｃ、２５００Ｄ、および２５００Ｅを示す。上級ラウンドでは、同時にではなく別々の時に、オリジナル・イメージと歪んだイメージとをユーザに提示することができる。その後、ユーザは、ユーザの記憶からオリジナル・イメージを想起することによって、歪んだイメージを補正することを要求される。

図２５Ｆは、本明細書の実施形態による、サイト・キット・アプリケーションを介して提示される可能性がある、ユーザのための例示的なゲーム後レポートのスクリーンショット２５００Ｆを示す。

ピクチャ・パーフェクト・ゲームは、ユーザが制限なしに視覚シーンを自由にサンプリングすることができるので、視界およびマルチトラッキングに関する視覚パラメータの部分的指示を可能にすることができる。所与のラウンドでどのスライダがユーザから使用可能であるのかに依存して、区別（検出）の様々な測定を行うことができる。スコアは、各隣接するスライダの正しいレベルとユーザのセッティングとの間のエラーの大きさに反比例する可能性がある。「色」、「色相」、および「彩度」の調節は、色測定値に寄与することができる。「サイズ」および「鮮明度」の調節は、鋭敏さ測定値に寄与することができる。

ゲーム３：形状リミックス／記憶一致
ゲームと対話する指示が、オプションで、ゲームを開始する前にユーザに提供され得る。一実施形態では、ユーザは、複数の要素を含むオリジナル・イメージを提示される。ユーザにとっての課題は、オリジナル・イメージ内で前に示されたように要素およびそのレイアウトを一致させるために、代替イメージ内の要素を編集することである。いくつかの実施形態では、ユーザは、各要素の様々な異なる特性の変更を可能にするツールを与えられる。たとえば、ユーザは、要素ごとに別々に、色相パラメータ、彩度パラメータ、コントラスト・パラメータ、鮮明度パラメータ、サイズ・パラメータ、または任意の他のパラメータを変更することができる。ユーザが課題の完了を確認した後に、結果が、ユーザによって再作成されたイメージに隣接してオリジナル・イメージを表示することによって提示され得る。さらに、数値スコアおよび言葉のリアクションがユーザに提示され得る。

図２６Ａ、図２６Ｂ、および図２６Ｃは、本明細書の実施形態による、サイト・キット・アプリケーションを介して提示される可能性がある、「形状リミックス」ゲーム、その指示、およびゲーム後レポートのスクリーンショット２６００Ａ、２６００Ｂ、および２６００Ｃの同様のセットをそれぞれ示す。

ゲーム４：早割り
ゲームと対話する指示が、オプションで、ゲームを開始する前にユーザに提供され得る。一実施形態では、ユーザは、風船と他の形状の詰め合わせとを含む流出する形状およびイメージを提示される。ユーザにとっての課題は、すべての他の形状をタップすることを回避しながらすべての風船をタップすることである。一実施形態では、風船と他の形状の詰め合わせとの両方が、同様に着色される。さらに、数値スコアおよび言葉のリアクションが、ユーザに提示され得る。

ゲーム５：一致するものを割る
ゲームと対話する指示が、オプションで、ゲームを開始する前にユーザに提供され得る。一実施形態では、ユーザは、ある形状および色を有する例の物体を提示される。ゲームの目的は、ユーザが、形状と色とに関して提供された例の物体と一致する物体を含む風船をタップすることである。さらに、数値スコアおよび言葉のリアクションが、ユーザに提示され得る。

ゲーム６：スター・キャッチ
ゲームと対話する指示が、オプションで、ゲームを開始する前にユーザに提供され得る。一実施形態では、ユーザは、ターゲット形状を集めるために船をナビゲートすることを期待され、ここで、ターゲット形状は、ユーザのために定義されまたは前もってユーザに提示され得る。さらに、数値スコアおよび言葉のリアクションが、ユーザに提示され得る。

一実施形態では、ゲーム・レポートが、各ゲームがプレイされた後に生成され、ユーザの総合ＶＰＩならびに各ＦＡＭＥＤ構成要素がゲーム内のユーザのパフォーマンスによってどのように影響されたのかをユーザに提供する。各レポートは、ユーザがユーザの年齢グループと比較してどのように実行したのかをも示すことができる。さらに、各レポートは、ユーザがＶＰＩに関してより多くを詳細に学ぶオプションを提供することができる。面白い情報も、地元の眼科医の氏名住所録および／または地図に加えて、レポートと一緒に提示され得る。

図２７は、本明細書の実施形態による、サイト・キット・アプリケーションを介して提示される可能性がある、異なるゲームをプレイした後のＶＰＩゲーム・レポートのスクリーンショット２７００を示す。

図２８は、本明細書の実施形態による、画面で医師および／またはアイ・ケア従業者を提案する、ユーザのＶＰＩレポートに基づいて現れる可能性があるいくつかのスクリーンショット２８００を示す。

図２９は、本明細書の実施形態による、サイト・キット・アプリケーションを介して現れる可能性がある、ユーザのプロファイルを提示する画面のいくつかのスクリーンショット２９００を示す。各スクリーンショットは、異なる期間にわたるおよび／または異なる時点でのユーザのプロファイルを提示する。ユーザは、彼らのプロファイルを介してＶＰＩ詳細を見ることを選択することができる。

図３０Ａは、本明細書の実施形態による、サイト・キット・アプリケーションを介して現れる可能性がある、ＶＰＩ解析結果のいくつかのスクリーンショット３０００Ａを示す。

図３０Ｂは、本明細書の実施形態による、サイト・キット・アプリケーションを介して各ＦＡＭＥＤパラメータに関する詳細を提供するＶＰＩ解析結果のいくつかのスクリーンショット３０００Ｂを示す。

図３０Ｃは、本明細書の実施形態による、サイト・キット・アプリケーションを介して各ＦＡＭＥＤパラメータ内のパラメータの詳細を提供するＶＰＩ解析結果のいくつかのスクリーンショット３０００Ｃを示す。

図３０Ｄは、本明細書の実施形態による、サイト・キット・アプリケーションを介して各ＦＡＭＥＤパラメータ内のパラメータのさらなる詳細を提供するＶＰＩ解析結果のいくつかのスクリーンショット３０００Ｄを示す。

図３１は、本明細書の実施形態による、サイト・キット・アプリケーションを介して提示される可能性がある「セッティング」および「セッティング」内の関連するオプションのスクリーンショット３１００を示す。

ＶＰＩおよびその構成要素の観点から、形状リミックス・ゲームは、主として検出測定値に関するデータを与えることに関して類似するものとすることができる。しかしながら、パフォーマンスに対する色、サイズ、位置、およびコントラストの影響の性質に差がある可能性はあるが。ユーザ・パフォーマンスは、２つのゲーム（ピクチャ・パーフェクトおよび形状リミックス）で同等である場合もそうでない場合もあるが、この２つのゲームは、冗長ではないと考えられ得る。実施形態では、形状リミックス・ゲームからの値は、ピクチャ・パーフェクト・ゲームからの値に関して相補的である可能性がある。

ＶＰＩは、ユーザに関して、レベルごと、ゲームごと、および／またはユーザによってプレイされたすべてのゲームについて判定され得る。いくつかの実施形態では、包括的なＶＰＩレポートが、ユーザに提示される。包括的レポートは、すべてのゲームとのユーザの対話を介して同定されたデータおよびスコアに基づくものとすることができる。いくつかの実施形態では、このレポートは、さらに、ユーザがゲームと対話した可能性がある期間にわたる異なるスコアを考慮に入れる。本システムは、各ゲームからのＶＰＩスコアに加えて、総合ＶＰＩスコアを見るための追加の表示オプションを提供することができる。

いくつかの実施形態では、本システムは、ユーザがＶＰＩスコアに満足するまで、１つまたは複数のゲームとの対話を繰り返すようにユーザに提案する。実施形態では、サイト・キットおよび結果のＶＰＩスコアまたはレポートは、ユーザの視覚系のアウェアネスを高め、情報を提供し、理解を展開し、経時的な視覚パフォーマンスのトラッキングを可能にするのに使用され得る。サイト・キットは、視覚パフォーマンスの全般的な概要を提供し、潜在的な改善に関するエリアを強調することができる。

一実施形態では、サイト・キットは、連続的なフィードバックを提供し、様々な刺激および反応を使用して包括的な描写を形成し、したがって、視覚データの膨大なコレクションを潜在的に提供する。ＶＰＩスコアは、ユーザが、彼らの視覚をよりよく知り、経時的な彼らの視覚パフォーマンスを監視することを可能にする。サイト・キット・アプリケーションは、ユーザ全体的視覚の態様を測定し、ユーザが最高の状態でプレイしているのではない可能性がある場合にユーザに知らせ、ユーザの視覚を高いレベルに維持するのを助けるためにヒントを提供することができる。ＶＰＩは、ユーザの視覚の特定の領域に関するスコアをユーザに与えるように設計される。

ＶＰＩは、５つの構成要素すなわち、視界、正確さ、マルチトラッキング、持久力、および検出（Ｆ．Ａ．Ｍ．Ｅ．Ｄ．）を示すデータ測定値を含み、このＦ．Ａ．Ｍ．Ｅ．Ｄ．は、本明細書の前のセクションで紹介され、説明された。サイト・キット・アプリケーションの実施形態に関して、検出および正確さは、コントラスト感度またはリアクション時間などのユーザの視覚系パフォーマンス・パラメータの推定値を表す主測定値であると考えることができる。視界、マルチトラッキング、および持久力は、視野の諸部分、焦点的注意、分割的注意、または長い没頭など、異なるコンテキストで主測定値を比較する副測定値であると考えることができる。

各構成要素は、副構成要素にさらに分割される。ＶＰＩシステム内では、各副構成要素がスコアリングされ、副構成要素スコアおよび他の測定値の加重平均が、構成要素スコアを生成するのに使用され、最終的に、構成要素スコアの加重平均が、視覚パフォーマンス・インデックス（ＶＰＩ）を生じる。サイト・キット・アプリケーション内の任意の所与の経験は、これらの構成要素のうちの一部だけを検査する可能性があり、それらのすべてを完了することによってのみ、ＶＰＩの完全な描写を作ることができる。これらの副構成要素は、下でさらに説明される。

視界
視野は、導出される副測定値とすることができる。ＶＰＩシステムでは、これは、スコアが、刺激が視野内のどこに現れるのかに基づいて主測定値を比較することに基づくことを意味する。サイト・キット・アプリケーション内でのある種の経験は、画面の中央（または最下部中央）の固視およびターゲットの周囲のディスプレイ・エリアの監視という戦略（すなわち、風船割りの第１ラウンドおよび第２ラウンド）を暗示する。これらのコンテキストでは、固視の仮定されたエリアに対する刺激の相対的な位置に基づいて、中央または周辺として刺激にラベル付けすることができる。

このシステムは、アイ・トラッキングを用いて検証され得る。サイト・キットを使用するモバイル・アプリケーションからの視界スコアは、診療所での中心視の視野測定検査に多少関係する可能性がある。

中心視
中心視スコアは、検出測定値および正確さ測定値に基づき、刺激は、中心視野の周辺にある（刺激開始時に）と仮定される。これは、ユーザが素早い反応を行わなければならない場合（風船割り）に特に関係する可能性がある。関連性は、「風船割り」の最終ラウンドに関して減少する可能性がある。

周辺視
周辺視スコアは、刺激がディスプレイの縁にあると仮定される場合の検出測定値および正確さ測定値に基づく。たとえば、周辺視スコアは、刺激がおおむねディスプレイの外側の左上、右上、左下、右下の１／３以内にある場合に判定される。周辺刺激開始は、「風船割り」の第１ラウンドおよび第２ラウンドなど、最適戦略がディスプレイの中央（または最下部中央）の固視を含むコンテキストに含まれると仮定され得る。

正確さ
ＶＰＩシステム内では、正確さは、２つの構成要素すなわち時間的正確さおよび空間的正確さに分割される。空間的正確さの場合には、ユーザは、ユーザの反応を正確に位置決めする（すなわち、標的の中心に命中する）能力に基づいてレーティングされ得、目標とするターゲットに対する反応位置は、正規分布に含まれると仮定される。時間的正確さの場合には、測定されるのは、ユーザが反応するのに要する時間であり、刺激が現れた後に刺激に反応するのに要する時間は、一般に、対数正規分布に従うと仮定される。代替実施形態では、サイト・キットは、第２の時間モデルをも含むことができ、反応の時間は、ユーザが刺激の出現を予想でき、これに同調して反応できる場合に、刺激開始時刻の周囲で正規分布になる（反応は刺激開始の前と後との両方に発生する）。

リアクション
リアクション時間は、ユーザの反応時刻から開始刺激時刻（出現する時には、通常はサイト・キット内で瞬間的）を減算することによって生成される。これらの期間は、ある固有モードおよび全幅半値を有する対数正規の形で分布する可能性がある。リアクション・スコアは、一般に、データへの分布あてはめのモードに基づく可能性がある。ヒックの法則に起因する変動は、存在する可能性があるが、リアクション時間がセット・サイズ（風船割りの第３ラウンドに最も関係する）に関わりなくあてはめられるので、ユーザのスコアに直接的には影響しない可能性がある。リアクション時間は、風船割りゲームに最も関係する可能性がある。

ターゲティング
反応位置のターゲティング精度は、ユーザの反応（たとえば、風船を割るためのタップ）の位置と、ユーザが反応している刺激の中心との間の距離（画素単位で測定される）に基づくものとすることができ、眼−手協調の基本測定値である（補償トラッキング課題に疎に関係する）。この測定値は、「風船割り」ゲームからであるが、手の器用さは、他のゲームに最小限に影響する可能性がある。ターゲティング精度およびリアクション時間は、ユーザが目標に関して注意深ければ注意深いほど、彼らの反応が遅くなる可能性があるという点で、お互いに対して逆相関を有する可能性がある。この効果は、ユーザの総合正確さスコアを計算する時に平均的な線に落ち着く可能性がある。

マルチトラッキング
マルチトラッキングは、焦点的注意または分割的注意のいずれかのコンテキストで主測定値を比較することに基づくものとすることができる。ここでは、注意要求が、並行課題の個数と並行刺激の個数との両方に比例する。

焦点的注意
焦点的注意は、ユーザが任意の所与の時に実行すべき１つの課題および考慮すべき１つの刺激だけを有する場合の検出測定値または正確さ測定値に関連する状態と考えることができる。これは、一般に、ユーザが刺激特徴を直列に自由に処理できる「ピクチャ・パーフェクト」ゲームおよび「形状リミックス」ゲームにあてはまる。これは、風船割りの第１ラウンドの始めならびに第２ラウンド全体にも適用可能である可能性もある。

分割的注意
分割的注意は、一時に１つの刺激（ターゲットまたは妨害課題）が存在し、素早い反応が刺激の並列処理を要求する時の主測定値に割り当てられる。「風船割り」の第１ラウンドおよび第３ラウンドは、複数の刺激が存在する状態でユーザが素早い反応を行う場合があるという点でこの説明にあてはまる。

持久力
持久力測定値は、ユーザが経時的に主測定値に関してどのようにプレイするのかに関する可能性がある。長い没頭を前提として、パフォーマンスが低下し始めると仮定する。休憩の後に、この損失が回復され得、パフォーマンスが正常に戻る可能性がある。この仮定は、ユーザが、穏当ではない可能性がある疲労の点までゲームをプレイすることに頼る。パフォーマンスがそれを行う機会を得る前に、興味が弱る可能性がある。時刻が分析論ダッシュボードにおいて重要なので、時刻に関する考慮を追加することが可能である。本アプリケーションは、ユーザがリアル・タイムでどのようにプレイしているのかに関する持久力関連スコアを生成するために、現在のプレイ・セッションおよび以前のプレイ・セッションを考慮することもできる。

持久力スコアは、サイト・キット・アプリケーション内のすべての経験に関係する。しかし、持久力スコアの生成は、現在のデータと過去のデータとを比較するために、異なるゲームへの没頭のある最小限の持続時間を必要とする。持久力スコアの関連性は、何がプレイされるのかではなく、プレイ時間の蓄積に依存する。

疲労
疲労は、進行中のゲーミング・セッションの前半および後半からの主測定値に基づく。スコアは、ユーザがパフォーマンスのレベルを維持する（または、練習によって経時的に改善さえする）場合にはより高く、ユーザのパフォーマンスが落ち始める場合にはより低い。

回復
回復は、最後のセッションの後半から現在のセッションの前半までの主測定値に基づくスコアを関係付ける。上で説明したように、疲労が、最後のセッションの終りにより低いスコアをもたらした場合に、休憩がパフォーマンスをベースラインに戻すことを可能にする場合には、回復スコアはより高いものとされ得る。休憩が不十分であり、疲労からの回復がほとんどまたは全くない場合には、回復スコアはより低いものとされ得る。

検出
検出測定値は、おおまかに、感度（刺激が見られるか否か）の測定値と、区別（類似する刺激の中からの選択）の測定値とを含む。サイト・キットは、色、コントラスト、または鋭敏さの関数としての刺激の成功裡の区別を可能にすることができる。この場合に、シグモイド関数が、区別しきい値を導出するためのデータに対するベイズ推定によってあてはめられ得る。ユーザと対話するゲームは、調整の方法によって実行される一致のエラーを突き止める。この場合に、ユーザのセッティングのエラーは、区別しきい値の直接の測定値と解釈され得る。

色
サイト・キットでの色パフォーマンスは、区別される刺激の間の色距離に関する反応に基づくものとすることができる。本アプリケーションは、色区別方向の均等な分布を作成することができ、特定の色覚異常を診断する。ユーザの色パフォーマンスは、他のユーザと比較した色に基づいて、ユーザがどれほど良好に区別を行えるのかに基づくものとすることができる。二色性色覚（ｄｉｃｈｒｏｍａｃｙ）に悩むユーザなど、マークされた色覚異常を有するユーザは、顕著に低いスコアとなる可能性がある。異常三色型色覚（ａｎｏｍａｌｏｕｓ ｔｒｉｃｈｒｏｍａｃｙ）に悩むユーザなどの軽度不全（ｓｌｉｇｈｔ ｄｅｆｉｃｉｅｎｃｙ）を有するユーザは、より低いがおそらくは「正常」範囲内のスコアとなる可能性がある。

色スコアは、「風船割り」ゲームの第１ラウンドおよび第３ラウンドと、ユーザがイメージまたは形状の色（色相）または彩度を調整するように求められる、「ピクチャ・パーフェクト」ゲームおよび「形状リミックス」ゲーム内の選択されたラウンドとによって生成され得る。

コントラスト
サイト・キット内のコントラスト・パフォーマンスは、コントラストがほとんどまたは全くない単純なパターン（風船割り）、単純な形状（形状リミックス）、および複雑な写真イメージ（ピクチャ・パーフェクト）の間の区別に基づくものとすることができる。「風船割り」の第１ラウンドでの区別は、いくつかの形で、「感度視力検査（Ｖｉｓｉｏｎ Ｃｏｎｔｒａｓｔ Ｔｅｓｔ Ｓｙｓｔｅｍ）に似ている可能性がある。

鋭敏さ
サイト・キットでの鋭敏さパフォーマンスは、短く提示される形状の区別、温厚な鋭敏さ構成要素、サイズ／アライメントを有する複雑な形状に対する素早い反応（副尺視力に似る）、およびぼけレベルの一致に基づくものとすることができる。鋭敏さは、ある程度「風船割り」のすべてのラウンドに関し、位置、サイズ、または鮮明どの調整を有する「ピクチャ・パーフェクト」および「形状リミックス」のラウンドに関する。

スコアリング
主測定値（検出および正確さ）は、刺激および反応の物理的特性に結び付けられた様々な精神物理学的測定値を表すことができ、副測定値（視界、マルチトラッキング、および持久力）は、主として相関的である可能性がある。非常に異なる経験にまたがって測定値を比較し、様々な構成要素を組み合わせるために、正規化手順が、スコアを生成するために採用される。一実施形態では、正規化は、一意のコンテキストごとに別々に行われ、コンテキストは、各グループの各ラウンドの測定値ごとに検討され得る。

測定値は、一般に、一般集団の中で正規分布になる可能性がある。内部的に、中心傾向（算術平均）および変動性（標準偏差）の推定は、すべてのユーザからの累積されたデータのすべてに基づいて、各コンテキストの測定値ごとに行われ得る。いくつかの実施形態では、これらの値は、１／２の平均値および１／６の標準偏差（主として０と１との間に含まれる分布をもたらす）に基づいて、評価中のユーザの測定値をスコアに変換するのに使用される。いくつかの実施形態では、これらのスコアは、スコアのより大きい値を与えるために定数を乗算される。一実施形態では、２０という定数が使用される。実施形態では、スコアリング・システムは、データが累積される時に首尾一貫したままになるように設計され、ユーザが全ユーザに対してどのように実行するのかをユーザに知らせる。

様々なＶＰＩ構成要素は、特にサイト・キット・アプリケーションによって提示される少数の経験のコンテキストにおいて、視覚パフォーマンスを測定する他の従来の方法からの多少の差を有する可能性がある。

視界スコアは、暗点すなわちの位置またはサイズを明らかにしない場合がある。正確さスコアは、視覚パフォーマンスのすべての態様ならびに視覚の外部の多数の要因によって影響される可能性がある。正確さスコアが特に電子ゲームの個人の親近感に結び付けられるので、これに関して、ユーザの間にあるレベルの個人差がある可能性がある。図３２は、異なるゲームおよびラウンドからの異なるＶＰＩパラメータの例示的な経験を示す表３２００を提供する。

いくつかの実施形態では、「風船割り」ゲームのラウンド１は、ＦＡＭＥＤパラメータのいくつかに関するデータを生成することができる。この経験からのデータは、色、コントラスト、および鋭敏さに基づく検出のスコア、リアクションおよびターゲティングに基づく正確さのスコア、視界のスコア、およびマルチトラッキングのスコアと、十分なプレイ時間を前提として持久力の可能性とを知らせることができる。この特定の経験の価値は、主に、正確さスコア、コントラストおよび鋭敏さに基づく検出スコア、およびマルチトラッキング・スコアにある可能性がある。

「風船割り」ゲームのラウンド２による経験からのデータは、鋭敏さに基づく検出のスコア、リアクションおよびターゲティングに基づく正確さのスコア、ならびに視界のスコアを知らせることができる。ここでの価値は、主に正確さスコアおよび視界にあり、鋭敏さによる検出に多少の価値がある可能性がある。

「風船割り」ゲームのラウンド３による経験からのデータは、鋭敏さおよび色に基づく検出のスコアと、リアクションおよびターゲティングに基づく正確さのスコアとを知らせることができる。主な価値は、検出測定値およびリアクション測定値にある。

「ピクチャ・パーフェクト」ゲームによる経験からのデータは、色、コントラスト、および／または鋭敏さに基づく検出のスコアを知らせることができる。

上の例は、単に、本発明のシステムの多数の応用例の実例となるものである。本発明の少数の実施形態だけが本明細書で説明されたが、本発明が、本発明の趣旨または範囲から逸脱せずに、多数の他の特定の形態において実施され得ることを理解されたい。したがって、これらの例および実施形態は、例示的であって制限的ではないものと考えられなければならず、本発明は、添付の特許請求の範囲の範囲内で変更され得る。

Claims (20)

1. 複数のプログラム命令を実行するようにプログラムされたコンピューティング・デバイスを使用して患者の視覚パフォーマンスを査定する方法であって、
   前記コンピューティング・デバイスを介して、視覚的刺激および／または聴覚的刺激の第１のセットを提示することと、
   前記コンピューティング・デバイスおよび別々のハードウェア・デバイスのうちの少なくとも１つを使用して前記患者の第１の複数のリアクションを監視することと、
   前記コンピューティング・デバイスを介して、視覚的刺激および／または聴覚的刺激の第２のセットを提示することと、
   前記コンピューティング・デバイスおよび別々のハードウェア・デバイスのうちの少なくとも１つを使用して前記患者の第２の複数のリアクションを監視することと、
   前記第１の複数のリアクションおよび前記第２の複数のリアクションに基づいて、前記患者の視界、視力、複数の刺激をトラッキングする前記患者の能力、視覚的持久力、および視覚的検出を表す定量値を判定することと
   を含む方法。
2. 前記視界、前記視力、複数の刺激を追跡する前記患者の前記能力、前記視覚的持久力、および前記視覚的検出の集計を表す単一の視覚パフォーマンス値を生成することをさらに含む、請求項１に記載の方法。
3. 前記第１の複数のリアクションは、高速走査データ、サッケード運動データ、瞬目率データ、固視データ、瞳孔径データ、および瞼裂距離データのうちの少なくとも１つを含む、請求項１に記載の方法。
4. 前記第２の複数のリアクションは、高速走査データ、サッケード運動データ、固視データ、瞬目率データ、瞳孔径データ、頭部運動速さデータ、頭部運動方向データ、心拍数データ、運動反応時間データ、円滑追跡データ、瞼裂距離データ、脳波活動の度合およびレート・データ、ならびに収束の度合データのうちの少なくとも１つを含む、請求項１に記載の方法。
5. 前記ハードウェア・デバイスは、眼球運動データを獲得するように構成されたカメラと、頭部運動のレートおよび／または方向を検出するように構成されたセンサと、心拍数を検出するように構成されたセンサと、脳波を検出するためのＥＥＧセンサとのうちの少なくとも１つを含む、請求項１に記載の方法。
6. 前記患者の視界を表す前記定量値は、前記患者の中心視の質を表すデータと、前記患者の周辺視の質を表すデータとを含む、請求項１に記載の方法。
7. 前記患者の視力を表す前記定量値は、視覚的刺激および／または聴覚的刺激の前記第１のセットに対する前記患者のリアクション時間の質を表すデータを含む、請求項１に記載の方法。
8. 前記患者の視力を表す前記定量値は、視覚的刺激の前記第１のセットの前記患者の正確なターゲティングの質を表すデータを含み、視覚的刺激の前記第１のセットの前記患者の正確なターゲティングの前記質は、視覚的刺激の前記第１のセットの位置に対する前記患者の身体反応の位置に基づく、請求項１に記載の方法。
9. 複数の刺激をトラッキングする前記患者の前記患者の能力を表す前記定量値は、視覚的刺激の前記第２のセット内の複数の要素を同時にトラッキングする前記患者の能力の質を表すデータを含む、請求項１に記載の方法。
10. 前記患者の視覚的持久力を表す前記定量値は、視覚的刺激および／または聴覚的刺激の前記第１のセットの提示の持続時間にわたる前記患者のリアクション時間の減少を表すデータを含む、請求項１に記載の方法。
11. 前記患者の視覚的持久力を表す前記定量値は、休憩期間の後の視覚的刺激および／または聴覚的刺激の前記第２のセットの提示の持続時間にわたる前記患者のリアクション時間の改善を表すデータを含む、請求項１に記載の方法。
12. 前記患者の視覚的検出を表す前記定量値は、前記患者が視覚的刺激の前記第１のセットをどの程度まで見るのかを表すデータを含む、請求項１に記載の方法。
13. 前記患者の視覚的検出を表す前記定量値は、前記患者が視覚的刺激の前記第１のセット内の同様の色、コントラスト、または形状を有する物体の間でとの程度まで区別できるのかを表すデータを含む、請求項１に記載の方法。
14. 複数のプログラム命令を実行するようにプログラムされたコンピューティング・デバイスを使用して患者の視覚パフォーマンスを査定する方法であって、
    前記コンピューティング・デバイス上のディスプレイを介して、視覚的刺激の第１のセットを提示することであって、視覚的刺激の前記第１のセットは、前記患者の周辺視から前記患者の中心視へ移動する第１の複数の視覚要素を含む、提示することと、
    前記コンピューティング・デバイスおよび別々のハードウェア・デバイスのうちの少なくとも１つを使用して前記患者の第１の複数のリアクションを監視することと、
    前記コンピューティング・デバイス上のディスプレイを介して、視覚的刺激の第２のセットを提示することであって、視覚的刺激の前記第２のセットは、前記患者が第２の複数の視覚要素に物理的にタッチする際に出現し、消滅する、前記第２の複数の視覚要素を含む、提示することと、
    前記コンピューティング・デバイスおよび前記別々のハードウェア・デバイスのうちの少なくとも１つを使用して前記患者の第２の複数のリアクションを監視することと、
    前記第１の複数のリアクションおよび前記第２の複数のリアクションに基づいて、前記患者の視界、視力、複数の刺激を追跡する前記患者の能力、視覚的持久力、および視覚的検出を表す定量値を判定することと
    を含む方法。
15. 前記第１の複数の視覚要素の少なくとも一部は、経時的に減少するサイズを有する、請求項１４に記載の方法。
16. 前記第１の複数の視覚要素の少なくとも一部は、経時的に増加する運動の速さを有する、請求項１４に記載の方法。
17. 経時的に、前記第１の複数の視覚要素のうちのより多くが、前記コンピューティング・デバイス上に同時に現れる、請求項１４に記載の方法。
18. 第３の複数の視覚要素は、前記第２の複数の視覚要素と並行に現れ、前記第３の複数の視覚要素は、前記第２の複数の視覚要素とは異なって見え、前記患者が前記第３の複数の視覚要素のいずれかに物理的にタッチする場合に、前記患者の視力を表す前記定量値は、減らされる、請求項１４に記載の方法。
19. 前記コンピューティング・デバイス上のディスプレイを介して、視覚的刺激の第３のセットを提示することであって、前記視覚的刺激の第３のセットは、第４の複数の視覚要素を含む、提示することと、前記コンピューティング・デバイスおよび前記別々のハードウェア・デバイスのうちの少なくとも１つを使用して前記患者の第３の複数のリアクションを監視することと、前記第１の複数のリアクション、前記第２の複数のリアクション、および前記第３の複数のリアクションに基づいて、前記患者の視界、視力、複数の刺激をトラッキングする前記患者の能力、視覚的持久力、および視覚的検出を表す定量値を判定することとをさらに含む、請求項１４に記載の方法。
20. 前記患者は、色、コントラスト、および／または形状の特定の組合せを有する前記第４の複数の視覚要素のうちの１つを同定するように指示される、請求項１９に記載の方法。

Images