Luminance and thresholding limitations of virtual reality headsets for visual field testing
Notice bibliographique
Résumé
PURPOSE: To investigate the luminance capacity and achievable threshold levels of commercially employed virtual reality (VR) devices for visual field testing. METHODS: This two-part study included (1) a literature review of VR headsets used for perimetry with luminance data extracted from technical specifications in publications and manufacturers; and (2) empirical evaluation of three most employed VR headsets in the literature using a custom virtual testing environment. RESULTS: Three most employed VR devices for visual field testing were Pico Neo, Oculus Quest, and HTC Vive. The maximum reported luminance was 250 cd/m2 for the HTC Vive Pro. Information on luminance measurement was not consistently available, reporting only handheld luminance meters. Empirical measurements show that handheld luminance meters significantly overestimate luminance compared to standard spectroradiometers. Measured luminance varies significantly across aperture size and decreases for peripheral stimuli up to 30 degrees peripherally. Assuming conventional background of 10 cd/m2, the best performance with lowest possible thresholding was with HTC Vive at 16dB, corresponding to luminance of 80 cd/m2 centrally. Oculus Quest 2 and Pico Neo 3 had minimum threshold of 20dB. CONCLUSION: Commercially available VR devices do not meet luminance requirements or threshold sensitivities for visual field testing. Current VR technology is not designed-nor has the capacity-to threshold at mid-to-low dB ranges, which limits accuracy in diagnosing and monitoring defects seen in glaucoma. Translational Relevance: This study highlights the technical limitations of current commercially available VR devices for visual field testing and significant variables in evaluating luminance performance in these devices.
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 | 0,012 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».