ViFT:通过深度强化学习进行视觉场测试的视觉场变压器

科学领域:

• 眼科医生 眼科 眼科
• 人工智能的人工智能
• 计算机科学 计算机科学

背景情况:

• 视野测试 (周边测试) 对于诊断和监测视力障碍至关重要.
• 在周边测试时间延长可能导致患者疲劳和精度降低.
• 需要有效的策略来缩短视觉现场测试的持续时间,而不会影响结果.

研究的目的:

• 介绍视野变压器 (ViFT),这是一个基于人工智能的方法,用于优化视野测试.
• 证明ViFT能够控制测试过程并学习视野内的空间关系的能力.
• 与现有方法相比,评估ViFT在准确性和测试时间方面的性能.

主要方法:

• 开发一个视野变换器 (ViFT) 模型,利用深度强化学习.
• 实施ViFT以自主管理视觉现场测试序列.
• 培训ViFT在测试期间考虑患者感知不确定性.
• 在24-2测试模式上对ViFT的实验验证.

主要成果:

• 与传统策略相比,ViFT的准确性与传统策略相比或更高.
• ViFT 将视觉现场测试的时间缩短了约50%.
• 该模型在没有事先信息的情况下学习视觉场位置关系.
• ViFT证明了对测试过程的有效控制,并纳入了患者的不确定性.

结论:

• 视野变压器 (ViFT) 为视野测试提供了一种高效和准确的方法.
• ViFT的深度强化学习框架优化了测试时间,并保持了诊断精度.
• 这种人工智能驱动的方法有可能改善眼科医学的患者体验和临床工作流程.