時系列としての注視シーケンス：ディスレクシア検出のための位相的アプローチ

arXiv cs.CL / 2026/4/24

📰 ニュースIdeas & Deep AnalysisModels & Research

共有:

要点

本研究では、閾値を変化させるフィルトレーション（filtration）を通じて、時系列から堅牢で多尺度な特徴を抽出する方法として、位相的データ解析の一手法であるパーシステント・ホモロジーを提案している。
さらに、時系列に適した新しいフィルトレーションを導入し、注視シーケンスを時系列として解釈して眼球運動データの位相的解析を行っている。
注視データの解析において、パーシステント・ホモロジー由来の位相特徴と従来の統計特徴を組み合わせた「ハイブリッドモデル」を構築している。
コペンハーゲン・コーパス（ディスレクシアのある/ないL1・L2リーダーのスキャンパス）を用いたディスレクシア検出の評価では、従来特徴のみの手法よりも提案手法が優れた結果を示した。
提案したフィルトレーションは既存のものより強力であり、位相特徴だけでも確立されたベースラインと同程度の性能が得られると報告している。

Abstract

永続ホモロジーはトポロジカルデータ解析の手法であり、データから頑健で多スケールな特徴を抽出します。これは値に対して異なるしきい値を適用することで時系列の安定した表現を生成します（この手順は extit{filtration} として知られています）。本研究では、時系列のための新しいフィルトレーションを開発し、注視（フィクセーション）シーケンスを時系列として解釈することで、アイ・トラッキングデータの分析のためのトポロジカル手法を導入します。そして、トポロジカル特徴と従来の統計的特徴を組み合わせる「ハイブリッドモデル」を構築します。私たちは、コペンハーゲン・コーパスに含まれる、失読症（dyslexic）および非失読症（non-dyslexic）のL1・L2リーダーのスキャンパスを用い、アイ・トラッキングしながら読解するデータから失読症を検出する課題に適用することで、提案手法を実証的に評価します。その結果、私たちのハイブリッドモデルは、従来の特徴のみを用いる既存手法を上回り、永続ホモロジーが注視シーケンスに符号化された補完的な情報を捉えていることが示されます。さらに、これらのトポロジカル特徴は、確立されたベースライン手法と同等の性能を達成することで、その強さが裏づけられます。重要な点として、提案するフィルトレーションは既存のものよりも優れています。