Potsdam教科书语料库（PoTeC）包含75名参与者在阅读科学文本时的眼动数据，旨在研究学习水平、学科和文本领域对阅读理解的影响。该语料库分析专家与新手的阅读策略，并提供多层次标注特征。此外，研究还涉及其他眼动数据集，如CopCo和WebQAmGaze，探讨不同语言的阅读过程及其对自然语言处理模型的影响。

本文提出了一种新颖的多模态深度学习结构，结合医学图像和眼动数据以检测胸部X射线异常。研究发现，眼动数据的直接应用预测性能有限，需深入探讨其在深度学习中的作用。提出的医学对比度视线图像预训练（McGIP）在临床场景中展现出潜力。同时，介绍了GazeCapture数据集和基于卷积神经网络的眼动预测模型iTracker，具有高准确率和良好的泛化性能。