眼动数据分析与认知功能评测系统

在线

CliniEye AI 数字医生

您的智能科研助手

数据处理清洗 | 整合

统计分析描述 | 对比

机器学习预测 | 评估

你好，我在这里。 直接问我，或让我带你去数据处理、统计、预测、知识库、数据库。

你好，我是 CliniEye 数字医生。你可以直接说“分析这批数据”“我和同龄人差别大吗”“解释机器学习结果”或“查MCI知识库”。

数据处理分析

拖拽 ZIP 文件到此处或点击选择文件

上传后自动完成全部数据分析，点击 Tab 切换查看不同模块

检测报告

请选择“当前处理数据”或“数据库数据”生成检测报告。

统计分析

同龄人参考曲线

按年龄段查看关键眼动/行为指标趋势

--同龄均值

--参考范围

--解释提示

机器学习预测分析

基于眼动与行为特征的认知功能二分类范式：上传受试者数据后，系统自动完成特征读取、风险概率计算、认知状态判断与关键因素解释。

当前：内置SHAP权重评分模型

👥

有效样本

183

🟢

正常组

🟠

异常组

⚙

最优模型

随机森林

◎

Accuracy

0.7596

↗

AUC

0.8268

建模流程

1数据预处理

2特征构建

3特征筛选

4模型训练

5交叉验证

6性能评价

7模型解释

上传受试者数据

支持 CSV / XLSX。每一行代表一名受试者，列名需包含 Top12 特征。可批量上传，也可在下方手动输入单名受试者。

尚未上传受试者数据。

真实随机森林模型接入：先用配套 Python 脚本训练并导出 rf_model.json，再在此导入。未导入时，网页使用内置 SHAP 权重评分模型进行前端预测。

未导入模型JSON。

提示：内置评分模型用于网页演示与初筛参考；正式论文或临床研究展示建议导入由训练数据导出的随机森林模型 JSON。

最终纳入特征（Top12）

判别逻辑：Stroop 时间惩罚、异字搜索间隔、异字总时长、扫视次数等升高时通常提示认知加工负荷增加；G2、信心指数和扫视速度等指标偏低时可提示任务效率下降。系统会综合这些特征输出异常风险概率。

单名受试者快速输入

个体预测结果

上传数据或手动输入后，这里将显示预测类别、异常概率、风险等级和主要影响因素。

受试者中风险

0.00

预测解释

模型性能

Accuracy

0.7596

AUC

0.8268

异常组召回率

0.8068

正常组特异性

0.7158

SHAP特征解释

结论与应用价值

✓执行注意指标贡献最高

✓持续注意与视觉搜索特征具有区分度

✓模型具备较好泛化能力

✓可用于认知功能早期筛查辅助评估

注：本模块为科研辅助分析工具，预测结果不能替代临床诊断。

批量预测结果

尚无批量预测结果。上传受试者数据后将自动生成表格。

智能问答

正在检测智能问答后端...

你好！我是眼动数据智能问答助手。API Key 已由后端安全托管，你可以直接提问。

点击「查NotebookLM」可单独查询MCI/阿尔茨海默病认知评估知识库文档。

普通版响应更快；专业版会连接 NotebookLM 查询知识库。

数据库管理

0 行为批次

0 眼动批次

0 图片批次

0 总受试者

暂无数据。请先在数据处理分析模块完成行为和眼动分析后，点击“合并提交行为+眼动到数据库”。

完成

所有数据分析已完成，您可以切换 Tab 查看不同分析模块的结果。