眼反射图像人物与场景分析的机器学习系统综述

Research Square · 2026-10-11 · 预印本

• 一句话结论：该综述提示，机器学习方法在利用眼反射图像进行人物与场景分析方面已有初步探索，但现有研究分散于不同任务与应用领域，尚不足以形成统一结论。
• 研究设计与做法：研究为系统文献综述，遵循Kitchenham与Charters指南及PRISMA 2020框架，从Q1与Q2期刊中系统筛选出2006年1月至2026年8月间发表的12篇原始研究，考察图像来源、数据集、预处理、模型架构、分析任务、评价指标与应用领域。
• 主要结果：材料未报告定量合并结果，未提供效应量、置信区间或p值；仅报告纳入12篇原始研究，并提出一个机器学习人物与场景分析的分类体系。
• 机制或解释：作者指出，眼反射图像存在空间范围小、光学畸变、运动模糊、光照变化与分辨率有限等问题，是分析困难的主要来源；未报告具体机制验证。
• 局限与边界：纳入研究仅12篇且限定Q1、Q2期刊，可能存在发表偏倚与文献覆盖不足；为预印本，未经同行评议；利益冲突材料未报告。
• 可否落地：该综述可用于梳理研究空白与方向，属证据支持有限的整理性证据；对临床或实际应用的直接指导不足以下结论，需更多高质量原始研究支持。

🔗 打开原文

Azad MAU, Alaei AR, Chakraborty P 等

本文摘自《每日前沿研究简报 · 2026-10-13》「AI 科研智能体」。本内容仅用于研究信息整理与科普交流，不构成医疗建议。