MétaCan
Menu
Retour à la cohorte
Enregistrement W4402905520 · doi:10.1167/jov.24.10.1459

MEASURING REFRACTIVE ERROR USING CONTINUOUS PSYCHOPHYSICS AND EYE TRACKING

2024· article· en· W4402905520 sur OpenAlex
Ethan Pirso, Jude F. Mitchell, Curtis L. Baker

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Vision · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueOcular and Laser Science Research
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésPsychophysicsRefractive errorComputer scienceTracking (education)Eye trackingOpticsArtificial intelligenceComputer visionOptometryPsychologyPhysicsNeurosciencePerceptionMedicine

Résumé

récupéré en direct d'OpenAlex

For animal subjects, or human patients who have difficulty with conventional measurement methods, finding the best optical correction for refractive errors can be challenging. Refractive corrections are of growing concern in vision research due to the high prevalence of myopia in humans, but also with some colony-reared animals used in research. Traditional methods like psychophysical paradigms require extensive training or retinoscopy, which in animals requires anesthesia. However, tracking a moving target on a blank background is a natural task that is relatively easy for subjects to learn and execute. Here we used continuous psychophysics and eye tracking to measure contrast thresholds and assess refractive errors. Using custom MATLAB software with PsychToolbox-3 and an EyeLink 1000 eye tracker, we evaluated refractive errors by monitoring contrast sensitivity during dynamic visual stimulus tracking with gradually decreasing contrast. Applying this approach to the task of tracking a Gabor stimulus, we evaluated seven spherical lens powers, from -3 to +3 diopters, in successive runs on two human subjects . Each contrast sensitivity measurement necessitated less than a minute of eye tracking data. Contrast thresholds were derived from the positional errors between the target stimulus and the subjects' gaze positions. A plot of contrast threshold vs. lens power showed a clear dependence on positive diopter values and shallow dependence on negative ones, likely due to partial compensation from accommodation. We found that each subject’s optimal lens power coincided with their previously measured corrected-to-normal vision. Our findings demonstrate the utility of continuous psychophysics integrated with eye tracking for more ecologically valid measurements of contrast sensitivity and refractive errors. This method could be used for clinically challenging human populations, and might be adapted for non-human primates such as marmosets or macaques, extensively used in vision research, thereby eliminating the need for anesthesia in retinoscopy or prolonged behavioral training.

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.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,582
Score d'incertitude au seuil0,150

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,072
Tête enseignante GPT0,426
Écart entre enseignants0,354 · 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