提高视觉现场测试的顺序优化重建策略 (SORS) 的稳定性
Runjie Bill Shi1,2, Moshe Eizenman3, Yan Li4
1Institute of Biomedical Engineering, University of Toronto, Toronto, Canada.
PloS one
|April 4, 2024
概括
降低尺寸性可以改善视觉现场测试. 主要组件分析提高了重建的准确性,特别是在有限的数据,减少了在周边测量中获得可靠结果所需的试验.
科学领域:
- 眼科医生 眼科 眼科
- 计算视觉 计算机视觉 计算机视觉
- 医疗成像医学成像
背景情况:
- 周边度测量整个视野的光敏感度.
- 线性回归模型可以从子集测量中重建视觉场.
- 提高重建强度对于高效的视觉现场测试至关重要.
研究的目的:
- 通过缩小维度来引入一种用于视野重建的新方法.
- 为了评估转换目标主要成分回归 (TTPCR) 方法的性能.
- 评估减小维度对重建准确性和效率的影响.
主要方法:
- 实施主要组件分析 (PCA) 来减少周边数据的维度.
- 开发了转换目标主要成分回归 (TTPCR) 算法.
- 在不同大小的数据集上对传统线性回归进行了训练和测试TTPCR.
主要成果:
- 在大型数据集上,TTPCR取得了与线性回归相似的结果.
- 在小数据集上,TTPCR需要减少22%的试验才能达到类似的错误水平.
- 在TTPCR中没有观察到低配件与参数减少.
结论:
- 像PCA这样的尺寸缩小技术提高了视野重建算法的稳定性.
- TTPCR可以提高效率,特别是在训练数据有限的场景中.
- 这种方法有可能实现更高效,更可靠的周边测量.
