Mixed Reality Glasses with Picture-in-Picture Navigation for Patients with Homonymous Hemianopic Visual Field Loss
Notice bibliographique
Résumé
BACKGROUND: The visual rehabilitation options for patients with homonymous hemianopia (HH) are limited. We developed prototype software for commercially available mixed reality glasses (MRG) to help patients with HH better navigate their visual environment. METHODS: Unlike virtual reality, mixed reality allows users to see the actual environment with superimposed holograms. We developed software on the Unity platform for the Microsoft HoloLens 2 MRG to enable real-time picture-in-picture navigation (PIPN). With PIPN, a miniaturized view of the visual environment is transposed into the intact visual field in patients with HH. WebSockets was used for real-time communication between the MRG and remote interface. External calibration controls were developed with the Streamlit web-based interface. In this crossover study, patients with HH were tested on a timed obstacle course with and without the MRG and asked to rate the utility of PIPN on a linear analog scale. RESULTS: We transposed 52 diagonal degrees of the full field as a picture-in-picture into the intact hemifield of patients with HH. Five patients with HH were tested and on average rated the MRG as 19.7% more helpful for ambulation ( P = 0.028). On average, walk times with the MRG were 6 seconds slower than walk times without the MRG, but this was not statistically significant. CONCLUSIONS: We developed working prototype software for PIPN on a commercially available MRG. PIPN is a viable rehabilitation option to improve ambulatory navigation for patients with HH and will continue improving with hardware and software advancements.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».