Evaluation of eye-tracking capabilities in Apple Vision Pro for training in hybrid ventricular septal defect procedures
Notice bibliographique
Résumé
Three-dimensional visualization of anatomical structures is a crucial skill for ventricular septal defect closure hybrid procedures, a task that takes years of training to master. The use of virtual and augmented reality has recently increased in the medical field to assist with these visualization challenges during surgery. Apple’s Vision Pro is one of the most recent virtual/augmented reality headsets to show promise in this area because it relies on eye-tracking to navigate its interface. This research aims to provide a quantitative assessment of the Vision Pro’s eye-tracking capabilities to determine whether it is an appropriate tool to use for training cardiac surgeons, whose precision skills are of utmost importance. To do so, we recruited a cohort of 44 participants and developed a user study in two parts. The first was a 2D random saccades task which gave a baseline evaluation of the Vision Pro and the second was an evaluation in a more clinical setting involving the selection of anatomical landmarks on a 3D pediatric heart model molded in polyvinyl alcohol cryogel. We obtained an accuracy of 0.59 degrees, an RMS precision of 0.41 degrees, and a standard deviation precision of 0.21 for the first part, and an accuracy of 3.70 degrees, RMS precision of 0.96 degrees, and standard deviation of 0.23 degrees for the second part. The eye tracking capabilities of the Vision Pro are promising for navigation guidance during cardiac surgery, and might provide additional visualization cues such as an overlay of a 3D preoperative model.
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 | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 ».