Video Experimental Relacionado
Updated: Jun 28, 2026
05:40
Using an Automated Hirschberg Test App to Evaluate Ocular Alignment
Published on: March 24, 2020
15.9K
Un simulador de estrabismo horizontal de código abierto como plataforma de evaluación para la estimación de la mirada
Shumpei Takinami1,2, Yuka Morita1, Jun Seita1,2,3
1Department of Ophthalmology, Faculty of Medicine, University of Tsukuba, Tsukuba 305-8575, Japan.
Journal of eye movement research
|February 20, 2026
Resumen
Se desarrolló un nuevo simulador asequible para el estrabismo horizontal para probar modelos de IA. Los modelos actuales de IA luchan por detectar con precisión el estrabismo, destacando la necesidad de algoritmos especializados.
Área de la Ciencia:
- Oftalmología Oftalmología.
- Visión por ordenador Visión por ordenador Visión por ordenador Visión por ordenador Visión por ordenador
- Ingeniería Biomédica Ingeniería Biomédica.
Sus antecedentes:
- El estrabismo afecta al 2-4% de la población mundial, predominantemente de tipo horizontal.
- La detección automatizada utilizando la estimación de la mirada es prometedora, pero carece de validación para el estrabismo debido a la inadecuación de los modelos existentes y las plataformas de evaluación.
- Los movimientos oculares disconjugados en el estrabismo requieren una simulación especializada para una evaluación precisa del modelo de IA.
Objetivo del estudio:
- Desarrollar un simulador de estrabismo horizontal de código abierto y bajo costo.
- Para evaluar el rendimiento de los actuales modelos de estimación de la mirada de la IA en el estrabismo simulado.
- Establecer métricas de rendimiento de referencia para el avance de la tecnología de detección de estrabismo.
Principales métodos:
- Desarrolló un simulador con dos globos oculares artificiales controlados de forma independiente en un mecanismo de cardán.
- Servomotores integrados y sensores giroscópicos para la medición de ángulos en tiempo real con una alta precisión mecánica (error <0,1 °).
- Evaluó tres modelos de IA (Single Eye, GazeNet, EyeNet) utilizando el simulador, midiendo los errores de estimación de la mirada.
Principales resultados:
- El simulador logró una alta precisión mecánica, por debajo del umbral de detección clínica.
- Los modelos de IA evaluados exhibieron errores significativos de estimación de la mirada (6.44-8.75°), excediendo el objetivo clínico (2.8°).
- La precisión se degradó rápidamente más allá de ±15 ° ángulos de mirada, lo que indica limitaciones para la detección de estrebismo de ángulo pequeño.
Conclusiones:
- Los modelos de estimación de la mirada de la IA existentes son inadecuados para la detección del estrabismo sin el desarrollo específico del estrabismo.
- El simulador desarrollado proporciona una plataforma crucial para evaluar y mejorar los modelos de IA para la detección de estrabismo.
- Se necesita más investigación para desarrollar algoritmos especializados de IA capaces de una estimación precisa de la mirada en pacientes con estrabismo.
