作为使用深度学习模型进行单眼视线估计的评估平台的开源水平偏模拟器

科学领域:

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

背景情况:

• 斜视症影响全球人口的2-4%,主要是水平类型.
• 使用目光估计的自动查是有希望的,但由于现有的模型和评估平台不适合,缺乏对视的验证.
• 失联眼动在眼中需要专门的模拟来准确的AI模型评估.

研究的目的:

• 开发一个开源的,低成本的水平斜视模拟器.
• 为了评估当前AI视线估计模型在模拟的性能.
• 建立基线绩效指标,以推进眼查技术.

主要方法:

• 开发了一个模拟器,在杆机制上有两个独立控制的人工眼球.
• 集成的伺服电机和陀螺传感器用于实时角度测量,具有高机械精度 (<0.1°误差).
• 使用模拟器评估了三个AI模型 (单眼,GazeNet,EyeNet),测量了目光估计错误.

主要成果:

• 模拟器实现了高机械精度,低于临床检测值.
• 评估的AI模型表现出显著的目光估计误差 (6.44-8.75°),超过临床目标 (2.8°).
• 精度迅速降低,超过±15°视角,表明检测小角度斜视的局限性.

结论:

• 现有的AI凝视估计模型在没有偏视特异性开发的情况下,对视查不够.
• 开发的模拟器提供了一个关键的平台,用于评估和改进AI模型用于的检测.
• 需要进一步的研究来开发专门的AI算法,能够在患者中准确地估计眼神.