Purkinje yansımaları ve makine öğrenimi kullanarak dinamik göz akomodasyonu ölçümü

Göz akomodasyonu ve verjansının dinamik ve hassas bir şekilde ölçülmesi, görme bilimi, göze yakın ekranlar (NED'ler) ve bazı görsel bozukluklar ile nörolojik hastalıkların teşhisi için önemlidir. Mevcut biyomedikal cihazların hantal olmaları gibi önemli sınırlamaları vardır ve göz akomodasyonunu dinamik olarak kesin bir biçimde ölçemezler. Mühendislik perspektifinden bakıldığında, artırılmış gerçeklik (AR) veya sanal gerçeklik (VR) gözlükleri gibi NED'lerde akomodasyon ve verjans ölçümü, verjans-akomodasyon çatışması (VAC) gibi sorunların ele alınmasına yardımcı olur. NED'lerde adaptif odak teknikleri veya retinal projeksiyon kullanılarak yapılan önceki çalışmalar VAC semptomlarının bu çalışmalar sonucu azaldığını belirtmiştir ancak bu sonuçların kesinliğini mevcut yöntemlerle doğrulamak halihazırda zordur. Bu nedenle, akomodasyon ve verjansı ölçmek için basit, taşınabilir ve başa monte edilebilir bir yöntem geliştirmek aktif bir araştırma alanıdır. Literatürde, gözün çeşitli katmanlarından Purkinje yansımalarını ve makine öğrenimi (ML) yöntemlerini kullanarak göz akomodasyonu ve verjansı ölçmek için yöntemler vardır. Ancak, bu yöntemler esas olarak akomodasyonu değil, daha çok bakış açısını ölçerler ve tüm Purkinje yansımalarını kullanmazlar, bu da bu sistemlerin doğruluklarını sınırlar. Bu tezde, dört Purkinje yansıması ve ML tekniklerini, özellikle çok katmanlı algılayıcı (MLP) ağlarını kullanarak akomodasyon ve verjansı ölçmek için basit ve etkili bir yöntem sunuyoruz. Çeşitli odak uzaklıklarında Purkinje yansımalarının pozisyonlarını simüle etmek için ZEMAX tabanlı bir göz modeli kullanıdk. Sistemin çevresel faktörlere duyarlılığına rağmen, dokuz katılımcıdan başarılı bir şekilde deneysel veri topladık. MLP modellerimizi eğitmek için iki farklı analitik yönteme başvurduk. Bunlar bireylerin kendi verilerini kullanarak yaptığımız bireysel analiz ve iki noktalı kalibrasyonla tamamlanan bir katılımcıyı dışarıda bırakma çapraz doğrulamasıydı (LOSO-CV). Bildiğimiz kadarıyla bu çalışma akomodasyon ve verjansı ölçmek için LOSO-CV yönteminin başarılı bir şekilde uygulandığı ilk çalışmadır. Sistemimiz yüksek doğrulukta çalışmıştır. Bireysel veriler kullanarak akomodasyon 0.22 diyoptri (D) doğrulukla tahmin edilebilmiş ve diğer katılımcıların verilerinin kullanıldığı iki noktalı kalibrasyonla tamamlanan metodla dokuz katılımcı arasında 0.40 D doğruluk elde edilmiştir.