相关实验视频
Updated: Jul 15, 2025
05:40
Using an Automated Hirschberg Test App to Evaluate Ocular Alignment
Published on: March 24, 2020
12.3K
一种基于深度学习和图像处理的新方法,用于检测视,使用希尔施伯格测试
Şükrü Karaaslan1, Sabiha Güngör Kobat2, Mehmet Gedikpınar3
1Department of electricity and energy, Organized Industrial Zone Vocational School of Firat University, Elazig, Turkey.
Photodiagnosis and photodynamic therapy
|September 23, 2023
概括
一个新的深度学习算法使用希尔施伯格测试自动化了视查. 这种由人工智能驱动的方法从面部图像中准确地测量眼睛对齐,为检测这种常见的视力状况提供了可靠的工具.
科学领域:
- 眼科医生 眼科 眼科
- 计算机科学 计算机科学
- 医疗成像医学成像
背景情况:
- ,影响全球4%的人口,是眼睛不对齐的情况.
- 传统的视检测方法包括赫什伯格,Cover和克里姆斯基测试.
- 希尔什伯格测试测量角膜光反射相对于瞳孔的位置,以评估眼睛对齐.
研究的目的:
- 开发和评估深度学习和图像处理算法,用于自动化眼查.
- 在数字面部图像上使用自动化的希尔施伯格测试来测量视的程度.
- 评估算法的准确性和适用性在不同患者人口统计学中.
主要方法:
- 利用深度学习和图像处理来检测眼睛的关键特征:瞳孔,虹膜和角膜反射.
- 实现了自动化的希尔施伯格测试,以计算面部图像的水平和垂直眼睛移位.
- 验证了88名不同年龄和性别的斜视患者的算法.
主要成果:
- 该算法实现了高精度,对91% (80/88) 的患者正确测量左眼,对90% (79/88) 的患者正确测量右眼.
- 测量显示最大误差为±2°,归因于3D眼睛的2D表示.
- 该方法表现出强度,不受患者年龄或面部形态的影响.
结论:
- 开发的软件通过希尔施伯格测试成功自动化了眼查.
- 这种人工智能驱动的方法为视检测提供了准确可靠的测量.
- 该算法显示了在临床环境中广泛使用的潜力,用于所有年龄组的视查.
