Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する概念動画

Focusing of Light in the Eye01:16

Focusing of Light in the Eye

3.2K
Light rays enter the eye through the cornea, a transparent dome-shaped tissue that is the eye's outermost layer. The cornea bends or refracts, light rays traveling to the pupil. The shape of the cornea determines how much of the light is bent and whether the image will be focused correctly on the retina at the back of the eye. Once the light has passed through both refraction layers, it converges into a single focal point onto a small area. This is where photoreceptors start transforming...
3.2K

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same author

Dual-driven by regulatory science and policy reconstruction: Traditional Chinese medicine (TCM) new drugs accelerate development-A critical review of highlights in registration and regulation of TCM and natural medicine new drugs in China (2021-2025).

Acta pharmaceutica Sinica. B·2026
Same author

A Health Navigator intervention to identify and respond to the health-related social needs of an Australian population living with cancer: a mixed-methods feasibility study.

BMC health services research·2026
Same author

Automated deep learning-based retinoschisis and detachment volume measurement in pathological myopia with posterior scleral contraction.

The British journal of ophthalmology·2026
Same author

Development of a deep learning model to predict cycloplegic myopia and pre- myopia: based on a large-scale screening of school-aged children.

Eye (London, England)·2026
Same author

Associations of cumulative exposure and longitudinal change patterns of the triglyceride glucose-Chinese visceral adiposity index with incident cardiovascular disease in middle-aged and older adults: evidence from CHARLS.

Cardiovascular diabetology·2026
Same author

Repeatability of cone photoreceptor metrics with a commercial adaptive optics scanning laser ophthalmoscopy (Mona II) in healthy adults.

The British journal of ophthalmology·2026

関連する実験動画

Updated: Sep 9, 2025

Subjective Refraction Test Using a Smartphone for Vision Screening
05:36

Subjective Refraction Test Using a Smartphone for Vision Screening

Published on: October 18, 2024

1.0K

スマートフォンの画像の折射誤差検出

M K Michael Cheung1, Zhongqi Yang2, Xinwei Zhai3

  • 1School of Optometry, The Hong Kong Polytechnic University, Hong Kong, China.

International journal of medical informatics
|August 30, 2025
PubMed
まとめ

この研究では,スマートフォンの画像からの屈折誤差を推定するために,コンボリューションニューラルネットワーク (CNN) モデルを使用する新しい方法を導入しました. このアプローチは,特に近視に対して,アクセスしやすく効率的な視力スクリーニングの可能性を示しています.

キーワード:
コンピュータ支援医療移動医療光反射視力検査

さらに関連する動画

Smartphone Fundus Photography
05:51

Smartphone Fundus Photography

Published on: July 6, 2017

39.2K
Using an Automated Hirschberg Test App to Evaluate Ocular Alignment
05:40

Using an Automated Hirschberg Test App to Evaluate Ocular Alignment

Published on: March 24, 2020

12.5K

関連する実験動画

Last Updated: Sep 9, 2025

Subjective Refraction Test Using a Smartphone for Vision Screening
05:36

Subjective Refraction Test Using a Smartphone for Vision Screening

Published on: October 18, 2024

1.0K
Smartphone Fundus Photography
05:51

Smartphone Fundus Photography

Published on: July 6, 2017

39.2K
Using an Automated Hirschberg Test App to Evaluate Ocular Alignment
05:40

Using an Automated Hirschberg Test App to Evaluate Ocular Alignment

Published on: March 24, 2020

12.5K

科学分野:

  • 眼科について
  • コンピュータ・ビジョン
  • 人工知能

背景:

  • 折射誤差は 常見の視力障害で,アンブリオピアにつながる可能性があります.
  • 現在の視力スクリーニング方法は 費用や専門知識の必要性のために 入手できないことが多いのです
  • スマートフォンによる分析は 視力検診の民主化に 役立つ可能性があります

研究 の 目的:

  • 正確な屈折誤差推定のためのCNNベースのモデルの使用を調査する.
  • スマートフォンの画像を使用して,視覚的に重要な近視性折射の誤差をスクリーニングする方法を開発する.
  • アクセシブルで効率的な視力スクリーニングツールの実現可能性を評価する.

主な方法:

  • ImageNetで事前に訓練されたCNNモデル (MobileNetV2,EfficientNetB0,ResNet18) を利用しました.
  • データの不足に対処するためにデータ増強を使用しました.
  • 折射誤差の推定とバイナリ分類のための探求された機能アプリケーション.

主要な成果:

  • MobileNetV2モデルは,折射誤差の推定で約0. 616の平均絶対誤差を達成しました.
  • バイナリ屈折誤差検出で約85.3%の精度を達成しました.
  • 推定とスクリーニングの両方のアプリケーションで有望なパフォーマンスを示しました.

結論:

  • この研究は,折射誤差の推定と近視のスクリーニングにCNNモデルを初めて適用したものです.
  • 提案された方法は,アクセシブルで効率的な視力スクリーニングソリューションとしての可能性を証明しています.
  • スマートフォンベースのCNNの分析は 視力診断への世界的なアクセスを大幅に改善します