PViTA:注意力增强的视力转换器方法,用于分析阿斯诺皮亚患者的瞳孔动态
概括
数字眼疲劳 (视障) 可能导致视力问题. 这项研究介绍了PViTA,这是一种分析瞳孔尺寸变化与光强度的模型,有助于早期诊断和理解视觉适应.
科学领域:
- 眼科和计算机视觉视力
背景情况:
- 增加数字设备的使用和长时间的近距离工作有助于视,需要早期诊断以预防视力障碍.
- 瞳孔对光的反应是视觉功能和适应的关键指标,因任务需求和环境条件而有所不同.
研究的目的:
- 在不同的光强度下量化瞳孔尺寸变化,使用一种新的深度学习模型.
- 开发和验证一个框架来分析与数字眼睛疲劳相关的瞳孔动态.
主要方法:
- 在不同的照明条件下创建了一个定制的眼睛图像数据集.
- 以瞳孔为基础的视觉变换器与增强注意力 (PViTA) 模型在MOBIUS眼睛数据集上进行了训练,用于瞳孔细分.
- 将PViTA应用于定制数据集,以分析跨光强度的瞳孔直径变化.
主要成果:
- 在培训期间,PViTA模型在学生细分方面实现了高精度 (0.9816) 和子值 (0.7015).
- 瞳孔直径随着光强度的增加而显著减少,显示出收缩模式.
- 该模型准确地预测了瞳孔大小的变化,在测试的强度范围内从65像素减少到40像素.
结论:
- 拟议的PViTA框架有效地捕捉了学生的动态,以应对不同的光强度.
- 这种方法为客观评估视觉适应和潜在诊断像阿斯诺皮亚这样的疾病提供了有价值的工具.
