MétaCan
Menu
Retour à la cohorte
Enregistrement W2902261134 · doi:10.1002/sdtp.12640

7.2: <i>Invited Paper:</i> Quantification and Modulation of Stereopsis in Humans

2018· article· en· W2902261134 sur OpenAlexaff
Jiawei Zhou, Robert F. Hess

Notice bibliographique

RevueSID Symposium Digest of Technical Papers · 2018
Typearticle
Langueen
DomaineNeuroscience
ThématiqueGenetic Neurodegenerative Diseases
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésStereopsisBinocular visionOptometryArtificial intelligenceDepth perceptionPsychologyOcular dominancePopulationBinocular disparityOcular dominance columnPerceptionComputer scienceComputer visionVisual cortexMedicineNeuroscience

Résumé

récupéré en direct d'OpenAlex

Binocular vision in general and stereopsis in particular are fundamental to human vision and visual actions. It is widely thought that about 5% of the population have a lazy eye and lack stereo vision, so it is often supposed that most of the population (95%) have good stereo abilities. We show that this is not the case; 68% have good to excellent stereo (the haves) and 32% have moderate to poor stereo (the have‐nots). Why so many people lack good 3‐D stereo vision is unclear but it is likely to be neural and reversible. Interocular suppression and stereopsis are two important binocular functions. To date, it still remains unclear about the relationship between them. Here, we use the binocular phase combination paradigm and a comparable paradigm to provide a normative dataset for perceptual eye dominance and stereo acuity in 142 normal‐sighted human adults and analyze their correlation. We show that our eye dominance and stereopsis are not strongly correlated in the normalsighted subjects. These results thus support the idea that the binocular phase combination and stereopsis may be limited by different factors in normal‐sighted adults. At present there is no good way of reliably measuring stereopsis in the clinic other than the standard book tests designed for children. These are convenient but coarsely quantized in disparity with no measure of variance. This makes it difficult to be able to assess the significance of differences from visit to visit contingent on therapy. We report an iPod app that has been developed from laboratory studies of normal stereopsis, to measure stereo in the clinic that is not limited by these factors. The application enables measurements over the wide disparity range and not just at the finest disparities. In addition, it allows changes in stereopsis of the order of 1.9 to be statistically distinguished. Luminance plays a modulating role in the processes of several visual tasks, which in turn provides significant information for the understanding of visual processing. To study the relationship between luminance and stereopsis, we manipulated the mean luminance seen by both eyes or the interocular difference in mean luminance by using ND filters placed in front of both eyes or just one eye respectively. We found that disparity processing was little affected by a binocular change in luminance, but was greatly affected by a luminance mismatch between the two eyes. To investigate its origin we manipulated two factors, the temporal synchrony between the two eyes and the interocular contrast. Both factors are implicated in the loss of stereo performance when the mean luminance is different between the eyes, suggesting an underlying explanation in terms of temporal low‐pass filtering resulting in the combination of a luminance‐dependent temporal delay and a luminance‐dependent change in contrast gain. These results add to our knowledge of stereopsis and have therapeutic potential in re‐establishing stereopsis in patients with binocular disorders.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,251
Score d'incertitude au seuil0,559

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,270
Écart entre enseignants0,247 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSID Symposium Digest of Technical PapersMême sujetGenetic Neurodegenerative DiseasesTravaux en français237 207