在单眼眼镜图像中检测眼,用于远程医疗应用.

科学领域:

• 眼科医生 眼科 眼科
• 生物医学工程 生物医学工程
• 机器学习 机器学习

背景情况:

• 偏视是一种常见的眼睛 misalignment 障碍,影响视力.
• 早期检测对于有效治疗和预防长期视力障碍至关重要.
• 当前的诊断方法在可访问性和效率方面可能存在局限性,特别是在远程医疗环境中.

研究的目的:

• 开发和验证一种用于早期检测的新型,非侵入性方法.
• 将这种方法适应于远程医疗应用,提高眼科护理的可访问性.
• 利用机器学习基于眼动分析来准确识别眼.

主要方法:

• 使用同步的眼动来估计瞳孔位置.
• 使用先进的机器学习算法,为每个眼睛开发个别回归模型.
• 通过检测估计和实际瞳孔位置之间的显著差异来识别视.

主要成果:

• 开发的方法准确地估计在非的病例中瞳孔的位置.
• 估计和实际瞳孔位置之间的显著偏差可靠地表明.
• 机器学习模型在区分斜视与非斜视个体方面表现出高效率.

结论:

• 这种新方法提供了一种非侵入性和高效的方法,用于早期检测.
• 该技术适用于远程医疗,扩大了对眼科查的准入.
• 这种基于机器学习的工具有助于及时干预,有可能改善患者的治疗结果,特别是在儿科患者群体中.