Clinical applications of a visual field perimeter with binocular video imaging
Notice bibliographique
Résumé
Purpose The majority of visual field testing equipment is designed for monocular tests only: most instruments do not have the capability to visualize both eyes simultaneously and many do not have a head rest position suitable for binocular testing. This presentation will focus on the clinical applications of the binocular visual field tests available on the MonCvONE perimeter. Methods Binocular testing is very important for functional evaluations. Extrapolation from monocular tests is inaccurate as phenomenons such as integration, suppression, ocular deviation, cyclotorsion, … affect differently monocular and binocular vision. The MonCvONE perimeter combines a binocular video sensor with the possibility of video recording to the possibility of controlling the exam with an interactive mode similar to the Goldmann perimeter. Results Clinical examples of binocular perimetry will be presented including ‐ the evaluation of ptosis with a documentation of the gain in visual field area in relationship with the opening of the eye lids. ‐ the assessment of low vision with the Esterman technique ‐ the evaluation of drivers’ visual field in agreement with the European Community directive ‐ the evaluation of the field of single vision with the determination of a diplopia score‐ the test of the visual field in young infants when eye occlusion and head immobility are not easily obtained Conclusions These examples demonstrate the clinical usefulness of binocular visual field testing with video recording
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».