用第二代 (44通道) 超状视网膜假体检测和定位面部和可用的椅子

科学领域:

• 眼科医生 眼科 眼科
• 生物医学工程 生物医学工程
• 计算机视觉 计算机视觉

背景情况:

• 第二代超状视网膜假体旨在恢复视力.
• 目前的视觉处理 (VP) 算法在对象检测和定位方面存在局限性.
• 新的VP算法正在开发中,以增强假肢用户的视觉感知.

研究的目的:

• 为了比较新的VP算法,面部检测 (FaD) 和可用椅子检测 (ChD) 的准确性,与全面的Lanczos2 (L2) 算法进行比较.
• 评估FaD和ChD在改善对象定位的有效性,对接受一个suprachoroidal视网膜假体的接受者.

主要方法:

• 测试了四名第二代超状视网膜假体的接受者.
• 参与者适应了新的VP方法 (FaD和ChD),用L2作为对照.
• 任务包括在受控环境中检测和定位人形 (面孔) 和可用的椅子.

主要成果:

• 面部检测 (FaD) 在正确的面部检测 (81.25%对32.81%) 和定位 (81.25%对26.56%) 中显著超过L2.
• 与L2 (19.44%) 相比,椅子检测 (ChD) 显著改善了可用的椅子定位 (88.89%).
• 在一些场景中,模型检测的准确性在FAD和L2之间相当.

结论:

• 新的FaD和ChD VP算法在特定对象本地化任务中显示出比L2更高的性能.
• 这些发现表明,先进的VP算法可以增强超状视网膜假肢提供的功能视力.