相关实验视频
Updated: Jun 28, 2025
05:36
Subjective Refraction Test Using a Smartphone for Vision Screening
Published on: October 18, 2024
667
机器学习方法用于环境光校正的参数和学生反应率 (PuRe) 在基于智能手机的学生计分的得分
Aleksander Bogucki1, Ivo John1, Łukasz Zinkiewicz1
1Solvemed Inc., Lewes, DE, United States.
Frontiers in neurology
|April 24, 2024
概括
这项研究开发了一种新的方法来纠正对环境光变化的瞳孔光反射 (PLR) 测量. 由此产生的学生反应率 (PuRe) 评分准确评估学生的反应,提高临床可靠性.
科学领域:
- 眼科和神经科学 眼科和神经科学
- 生物医学工程 生物医学工程
背景情况:
- 瞳孔光反射 (PLR) 是神经功能的一个关键指标.
- PLR测量对环境照明非常敏感,使解释复杂化.
- 现有的方法缺乏对环境光变化进行强大的校正.
研究的目的:
- 开发和验证一种用于对环境光的PLR参数进行校正的方法.
- 创建一个可靠的临床分数,以学生的反应性.
- 在各种环境中增强瞳孔计的诊断效用.
主要方法:
- 利用基于智能手机的瞳孔计在各种光线条件下进行了345次测量.
- 应用非线性模型来识别PLR参数的校正函数.
- 开发了一种机器学习模型,将纠正的参数结合成一个学生反应率 (PuRe) 评分.
主要成果:
- 环境光线显著影响了瞳孔大小,收缩幅度和速度.
- 开发的校正方法稳定了PLR参数在光大小的四个顺序.
- 普雷得分在区分反应和不反应的学生方面实现了100%的准确性.
结论:
- 一种新的方法有效地减轻了环境光对PLR的干扰作用.
- 普雷分数提供了可靠的,临床上适用的瞳孔反应性的衡量标准.
- 开放式的配方促进了学生计量学的更广泛的采用和研究.
