EyeBrain: Left and Right Brain Lateralization Activity Classification Through Pupil Diameter and Fixation Duration

Resumen Técnico: EyeBrain

Título original: EyeBrain: Left and Right Brain Lateralization Activity Classification Through Pupil Diameter and Fixation Duration

1. El Problema (Problemática)

La investigación aborda la capacidad de estimar la actividad de los hemisferios cerebrales (lateralización cerebral) utilizando únicamente métricas oculares obtenidas mediante eye-tracking. La lateralización cerebral es el principio de que el hemisferio izquierdo se encarga principalmente de tareas lógicas, lingüísticas y aritméticas, mientras que el derecho gestiona funciones creativas, espaciales y musicales. Aunque se sabe que existe una correlación entre la actividad cerebral y los movimientos oculares (como el diámetro de la pupila), la capacidad de distinguir específicamente qué hemisferio está más activo mediante métricas oculares no había sido explorada profundamente. El reto principal era desarrollar un modelo de aprendizaje automático que fuera generalizable y explicable, evitando características que dependieran demasiado de la interfaz de usuario (como las coordenadas de la mirada).

2. Metodología

Los autores diseñaron un experimento controlado con 34 participantes para realizar cuatro tareas específicas:

• Dominancia del Hemisferio Izquierdo: Aritmética (cálculo mental) y Escritura de ensayos (procesamiento de lenguaje).
• Dominancia del Hemisferio Derecho: Dibujo (creatividad/espacial) y Escuchar música (percepción auditiva/emocional).

Procesamiento de datos y extracción de características:

• Preprocesamiento: Se utilizó un pipeline para eliminar ruido, valores atípicos (outliers) y artefactos causados por parpadeos o cambios de iluminación, seguido de una interpolación a 1000 Hz y un filtro de paso bajo.
• Ventana Deslizante (Sliding Window): Se aplicó un algoritmo de ventana deslizante para extraer características de series temporales, probando diversos tamaños de ventana (desde 5s hasta 105s).
• Características (Features): Se extrajeron dos tipos de datos:
  1. Diámetro Pupilar (PD): Características en el dominio del tiempo (media, desviación estándar, entropía, etc.) y en el dominio de la frecuencia (mediante la Transformada de Fourier - FFT).
  2. Fijaciones (Fx): Duración de las fijaciones y el conteo de las mismas.
• Modelos de Clasificación: Se compararon modelos clásicos de aprendizaje automático: SVM (con kernel RBF), XGBoost y Random Forest, tratándolo inicialmente como un problema de clasificación binaria (Izquierdo vs. Derecho).

3. Contribuciones Clave

• Demostración de la viabilidad: Probar que el diámetro de la pupila y la duración de la fijación son indicadores robustos de la lateralización cerebral.
• Identificación de parámetros óptimos: El estudio determinó que el uso de características de fijación mejora significativamente la precisión y que existe un tamaño de ventana óptimo (alrededor de 90 segundos) para la clasificación.
• Análisis de importancia de características: Identificaron que la duración mínima de la fijación (fixation duration min) es uno de los predictores más potentes para distinguir la actividad cerebral.
• Concepto EyeBrain: Propuesta de un sistema de monitoreo de actividad cognitiva diaria que permite a los usuarios visualizar el equilibrio entre sus tareas lógicas y creativas.

4. Resultados

• Rendimiento de Clasificación: El modelo alcanzó un desempeño considerablemente alto, con una puntuación F1 de 0.894.
• Impacto de las fijaciones: La inclusión de las características de fijación (PD + Fx) mejoró el F1 score en promedio más de un 5% en comparación con usar solo el diámetro pupilar.
• Duración de la fijación: Se observó que las fijaciones con una duración de entre 500 y 750 ms proporcionaron los mejores resultados para la clasificación.
• Clasificación por actividad: La actividad de "Escuchar música" fue la más fácil de reconocer (89.1%), mientras que la "Escritura de ensayos" presentó mayores dificultades debido a la naturaleza de la tarea y el movimiento de la cabeza.

5. Significancia y Aplicaciones

Este trabajo es significativo porque abre la puerta al monitoreo cognitivo no invasivo. Al no requerir dispositivos complejos como el EEG (electroencefalografía), la tecnología de eye-tracking (incluso mediante webcams o gafas inteligentes) podría utilizarse para:

• Salud Mental y Neurorehabilitación: Monitorear el estado cognitivo y el equilibrio cerebral en pacientes.
• Productividad y Educación: Ayudar a individuos y mentores a entender las fortalezas cognitivas y el balance de tareas diarias (lógicas vs. imaginativas).
• Aplicaciones en tiempo real: Sentar las bases para aplicaciones de "diario de vida cognitiva" que ayuden a la toma de decisiones profesionales y al entrenamiento cerebral.