تشخیص خودکار انحراف چشم با واقعیت مجازی

استرابیسم یک اختلال حرکتی چشم است که در آن هنگام نگاه کردن به یک جسم، چشم ها به درستی با یکدیگر هماهنگ نمی شوند. برای بیماران استرابیسم، فقط چشم سالم به درستی عمل می کند، در حالی که چشم نامرتب، که در جهت دیگری ثابت شده است، برای گرفتن تصویر شی مورد استفاده قرار نمی گیرد. سه نوع اصلی استرابیسم، ازوتروپیا، اگزوتروپی و هیپرتروپی را می توان بر اساس جهت های مختلف انحراف چشمی تشخیص داد [1]. این یک اختلال شایع چشمی است که در آن بینایی چشم انحرافی دائماً سرکوب می‌شود و در نتیجه آمبلیوپی و حتی از دست دادن بینایی در کودکان رخ می‌دهد [2،3]. تأثیر روانی اجتماعی استرابیسم شامل تأثیرات منفی بر تصویرسازی از خود، روابط بین فردی و عملکرد کاری است. بیماران معمولاً احساسات منفی را از ارتباطات روزانه تجربه می کنند. علاوه بر این، ناراحتی فیزیکی چشم به طور قابل توجهی بر کیفیت زندگی آنها تأثیر می گذارد که می تواند به عنوان یک ناتوانی در نظر گرفته شود .

مطالعات مبتنی بر جمعیت نشان داده است که افراد زیادی از این بیماری رنج می برند. پیش بینی می شود که شیوع استرابیسم در جمعیت عمومی بالای شش سال نزدیک به 5 درصد باشد . مانند سایر اختلالات چشمی، استرابیسم معمولاً با جراحی درمان می شود که با تنظیم طول عضلات خارج چشمی، ناهماهنگی را اصلاح می کند. بنابراین، اندازه گیری دقیق زاویه انحراف چشم در استرابیسم برای جراحی درمان بسیار مهم است.

تست پوشش منشوری (PCT) و تست هیرشبرگ (HT) دو تست اولیه هستند که برای اندازه‌گیری‌های بالینی مورد استفاده قرار می‌گیرند، که در آن اولی به همکاری بیمار برای ادامه تثبیت روی هدف نیاز دارد، در حالی که دومی زاویه انحراف چشم را بر اساس موقعیت نسبی بین اندازه‌گیری می‌کند. رفلکس نور و مرکز مردمک. HT تنها زمانی استفاده می شود که بیماران همکاری نداشته باشند یا فیکساسیون ضعیفی از خود نشان دهند . نشان داده شده است که PCT دقیق‌ترین است، اما همچنان تحت تأثیر عوامل ذهنی مانند ارزیابی حرکت چشم، سطح تجربه پزشک و همکاری بیمار قرار می‌گیرد که در معاینه توسط متخصصان مختلف به نتایج متفاوتی منجر می‌شود. ، حتی زمانی که به خوبی آموزش دیده باشند .

تشخیص استرابیسم با استفاده از کامپیوتر یک موضوع تحقیقاتی رایج بوده است و ردیابی چشم به عنوان ابزاری موثر برای این منظور استفاده شده است .

 

نکته مهم در چنین تشخیصی، شناسایی صحیح موقعیت چشم و/یا جهت خیره شدن است که اطلاعات استرابیسم را می توان از آن استخراج کرد. چن و همکاران به تشخیص خودکار استرابیسم با استفاده از شبکه‌های عصبی کانولوشنال دست یافت. چن و همکاران از یک ردیاب چشم مصرف کننده برای به دست آوردن داده های نگاه برای تشخیص استرابیسم استفاده کرد که می تواند وجود، نوع و شدت استرابیسم را اما بدون زوایای انحراف خاص ارائه دهد. باکر و همکاران یک سیستم ردیابی دقیق چشم را برای تعیین کمیت استرابیسم توسعه داد که قادر بود جهت نگاه را با دقت 0.5o ارائه دهد. آزمایش اعتبارسنجی فقط در میان بزرگسالان ارتوتروپیک انجام شد. عملکرد تحت محیط کلینیک واقعی در حال حاضر در حال انجام است. تکنیک های ارائه شده در می توانند نقطه نوری و مرکز عنبیه را برای HT خودکار استخراج کنند. با این حال، HT به نسبت هیرشبرگ و زاویه کاپا نیاز دارد که مستقل از موضوع هستند، که به طور قابل توجهی بر دقت تأثیر می گذارد.

تکنیک‌های مبتنی بر تست پوشش متناوب (ACT) در  پیشنهاد شده‌اند، جایی که زاویه انحراف چشم از حرکت چشم در حین تعویض پوشش ایجاد می‌شود. استراحت چانه باید برای مقاومت در برابر تغییر موقعیت نسبی بین بیمار و بیمار استفاده شود. یک هدف در طول آزمایش، با این حال، خطاهای کوچک قابل اجتناب هستند. تنظیم فاصله هدف، حرکت مسدود کننده، و اندازه گیری زمان واقعی نیز مشکلاتی را برای این تکنیک های مبتنی بر ACT ایجاد می کند.

بنابراین، بهبود دقت، کارایی و راحتی عملیات هنوز برای پیاده سازی این تکنیک ها در کاربردهای عملی ضروری است.

در طول چند دهه گذشته، واقعیت مجازی (VR) به طور قابل توجهی برای استفاده های شخصی و حرفه ای تکامل یافته است، و هزینه دیگر یک پارامتر چالش برانگیز برای کاربردهای عملی نیست . VR می تواند صحنه های سه بعدی چشمگیر را با استفاده از یک کامپیوتر شخصی معمولی (PC) ایجاد کند و شبیه سازی استدر این کار، یک سیستم بلادرنگ مبتنی بر VR برای اندازه‌گیری انحراف چشم با استفاده از ردیابی مردمک پیشنهاد شده است. این سیستم را می‌توان با یک رایانه شخصی معمولی و یک هدست واقعیت مجازی ارزان قیمت راه‌اندازی کرد که به برنامه‌ها در فضای کوچک اجازه می‌دهد و در مقایسه با سایر سیستم‌های مبتنی بر دوربین، تحمل بالایی در برابر حرکات غیرمنتظره سر دارد.

دو تکنیک تشخیصی منحصر به فرد، اندازه گیری مستقیم (DM) و تقریب گام به گام (SA)، به ترتیب بر اساس ACT و PCT توسعه یافته اند. DM بر محدودیت های تکنیک های مبتنی بر ACT فعلی غلبه می کند. SA استاندارد طلایی PCT را شبیه سازی می کند و نتایج دقیق تری نسبت به تکنیک های مبتنی بر ACT ارائه می دهد.

زمان اجرای هر تکنیک برای اندازه گیری کمتر از 1 دقیقه است. نتایج بلافاصله پس از اندازه گیری از طریق یک رابط کاربری گرافیکی MATLAB که برای این مطالعه ایجاد شده است، نمایش داده می شود. نتایج همچنین با نتایج تشخیصی یک پزشک به منظور تأیید صحت سیستم پیشنهادی مقایسه می شود.رابیسم استاندارد را ممکن می سازد.

متد:

سیستم پیشنهادی با دستگاه VR و ردیابی مردمک می‌تواند جایگزین روش تشخیصی پزشک با استفاده از تست‌های پوششی شود. در طول PCT، بیماران باید بنشینند و از آنها خواسته شود که روی یک هدف تطبیقی در یک فاصله ثابت تمرکزکنند، در حالی که پزشک باید یک انسداد بین چشم ها را به طور متناوب تغییر دهد و حرکت چشم را مشاهده کند. بنابراین، سه نقطه کلیدی تست پوشش عبارتند از: هدف، انسداد و ارزیابی حرکت چشم، که به راحتی می‌توان آن‌ها را شبیه‌سازی کرد، شرح مفصلی در زیر ارائه شده است:

1)هدف

هدف در داخل یک هدست VR با یک صحنه از پیش طراحی شده نمایش داده می شود. ویژگی هایی که می توان با استفاده از این تکنیک کنترل کرد شامل اندازه، موقعیت و شکل است. به منظور جلب توجه بیمار، به خصوص زمانی که بیمار کودک است، از اهداف مختلفی استفاده می شود.

در طول آزمون

2) مسدود کننده

مسدود کننده برای مسدود کردن موقت نور یک چشم استفاده می شود که می تواند با کنترل حالت های خاموش و روشن صفحه نمایش جلوی هر چشم شبیه سازی شود.

که به شدت از قانون اندازه گیری استاندارد پیروی می کند.

3) ارزیابی حرکت چشم

حرکت چشم در زمان واقعی با استفاده از تکنیک ردیابی مردمک زیر نور مادون قرمز (IR) ردیابی می شود. حرکت یک مرکز مردمک ثبت شده و برای تجزیه و تحلیل بیشتر استفاده میشود.

بر اساس این سیستم ذکر شده در بالا، دو تکنیک تشخیص خودکار در این مطالعه توسعه داده شده است: اندازه گیری مستقیم و تقریب گام به گام. DM با کنترل صفحه نمایش، تعویض انسداد ACT را شبیه سازی می کند. “پرش” چشم را می توان در بیماران استرابیسم مشاهده کرد و سپس با استفاده از روش پیشنهادی مقدار آن را تعیین کرد. SA PCT را شبیه سازی می کند. همانطور که یک منشور یک هدف مجازی را در چشمی که روی آن قرار می‌گیرد ایجاد می‌کند، SA دو هدف مختلف را روی دو صفحه نمایش می‌دهد تا اثری مشابه یک منشور داشته باشد. موقعیت “هدف مجازی” پس از رسیدن به موقعیت مناسب به زاویه استرابیسم تبدیل می شود که منجر به عدم حرکت چشم در هنگام تعویض پوشش می شود.

توضیحات سیستم

قبل از معاینه، از بیماران خواسته می شود که هدست واقعیت مجازی را بپوشند و آن را محکم روی سر خود قرار دهند. در دستگاه VR، آنها می توانند یک فضای مربعی را با یک هدف ببینند. دید بیمار در VR فقط به تماشای رو به جلو محدود می شود تا موقعیت نسبی هدف و بیمار حفظ شود. در طول آزمایش، از بیماران فقط خواسته می شود تا روی هدف ثابت شوند.

تکنیک ردیابی مردمک به عنوان یکی از ابزارهای مهم در این مطالعه در نظر گرفته شده است که می تواند واکنش چشم را تحت فرآیندهای مختلف اندازه گیری کند. کار مرتبط با ردیابی مردمک در بخش 2.3 نشان داده شده است. تکنیک ردیابی مردمک در زیربخش 2.4 نشان داده شده است. تئوری ها و رویه های دو تکنیک (DM و SA) به تفصیل در بخش های 3 و 4 مورد بحث قرار گرفته اند. نتایج تجربی هر دو تکنیک در بخش 5 ارائه شده است.

ردیابی مردمک

در این مطالعه، مردمک به عنوان مرکز کره چشم در نظر گرفته می‌شود که نقطه شروع جهت نگاه برای اکثر افراد را نشان می‌دهد. مهم‌ترین ویژگی مردمک این است که تفاوت آشکاری را از دیگر بافت‌های چشم تحت نور IR نشان می‌دهد،در نتیجه ردیابی قوی تری ایجاد می‌شود.

لی و همکاران تکنیک های تشخیص مردمک را با استفاده از یادگیری عمیق پیشنهاد کردند که می تواند موقعیت ناهموار مردمک را اندازه گیری کند. ، تکنیک های ردیابی مردمک را توسعه دادند که بر روی تصویر باینری مردمک عمل می کند تا طرح مردمک را استخراج کند.

عمل بر روی تصویر لبه مردمک پس از اعمال فیلترهای تشخیص لبه ابزار دیگری برای تشخیص دقیق مردمک است. فوهل و همکاران  هر دو روش مورفولوژیکی و الگوریتمی را برای تعیین محل خط لبه ای که نشان دهنده مردمک است انجام داد. لی و همکاران مدل تغییر شکل مردمک و مدل چشم را روی تکنیک‌های ردیابی مردمک برای استخراج مردمک راست از تصاویر لبه اعمال کرد. این تکنیک‌ها نرخ تشخیص عالی را در پردازش تصاویر مردمک گرفته‌شده در محیط‌های وحشی نشان می‌دهند، که، با این حال، برای حذف اثرات نویز در محیط‌های وحشی به محاسبات زیادی نیاز دارد.

الگوریتم ردیابی مردمک

الگوریتم یادگیری مردمک از چهار روش تشکیل می­شود:

آشکارساز تقارن شعاعی سریع (FRSD)، عملیات مورفولوژیکی، مثلث سازی دلونی، و اتصال بیضی ابتدا، FRSD روی یک تصویر اکتسابی اعمال می‌شود تا موقعیت مردمک را که معمولاً یک ناحیه دایره‌ای است، به طور تقریبی تعیین کند. در مرحله دوم، یک تصویر لبه توسط یک اپراتور لبه کاننی با یک عملیات مورفولوژیکی برای حذف درخشش و لبه های بی فایده استخراج می شود. سوم، طرح کلی مردمک از طریق مثلث سازی دلونی با افزودن یک نقطه که برای تخمین مرکز مردمک استفاده می شود، ثبت می شود. در نهایت، با استفاده از فیتینگ بیضی، مرز مردمک به صورت یک بیضی نزدیک به شکل واقعی با پارامترهای معین به دست می‌آید. مرکز مردمک، که مربوط به جهت نگاه است، برای تجزیه و تحلیل داده های بعدی برگردانده می شود. شرح مفصلی از این فرآیند در مرجع نشان داده شده است.

شکل 2. فرآیند ردیابی مردمک: 1) تصویر چشمک زن بر اساس ویژگی چشمک زدن Vg حذف می شود. 2) برهم نهی تصویر برای ایجاد یک تصویر با مردمک واضح اعمال می شود. 3) از FRSD برای تصویر به دست آمده برای تعیین موقعیت تقریباً مردمک استفاده می شود. 4) یک تصویر لبه استخراج می شود. 5) خط لبه مردمک توسط مثلث سازی دلونه گرفتار شده است. 6) مرز واضح مردمک به صورت بیضی نزدیک به شکل واقعی به دست می آید.

با اعمال برهم نهی تصویر بر عملکرد کم در حالت کم نور غلبه می کند (مراحل 2 را در شکل 2 ببینید). حذف چشمک زدن (به مراحل 1 در شکل 2 مراجعه کنید) همچنین به کاهش بخشی از داده های بی معنی کمک می کند، که برای اندازه گیری در 3 ثانیه (فاصله زمانی پوشش متناوب) بسیار مهم است، زیرا ممکن است یک پلک زدن 0.3-0.4 ثانیه طول بکشد.

در طول اندازه گیری، پلک زدن چشم در حین ردیابی مردمک ممکن است منجر به خطاهای تخمینی قابل توجهی شود. به منظور حذف پلک زدن چشم، از ویژگی ای که نشان دهنده تفاوت بین کادر فعلی و نمونه چشم باز است برای شناسایی موارد پلک زدن استفاده می شود.که در آن، V. یک مقدار ویژگی چشمک زن است که مجموع شدت همه پیکسل ها را نشان می دهد، h ارتفاع یک تصویر بر حسب پیکسل، w عرض یک تصویر در پیکسل، یخ آرایه شدت تصویر فریم فعلی است. و los آرایه تصویر با شدت یک نمونه باز است.

Vp زمانی که افراد چشمان خود را می‌بندند به میزان قابل توجهی افزایش می‌یابد، و این را می‌توان تشخیص داد و از تجزیه و تحلیل بیشتر حذف کرد. آستانه چشمک زدن به عنوان 10 برابر اندازه تصویر (200000، برای اندازه تصویر استفاده شده، 100 * 200 در پیکسل) از مقدار فزاینده Vg بین دو فریم انتخاب می شود که به سادگی با چرخش چشم نمی توان به آن رسید.

در عمل، فرآیند ردیابی ممکن است تحت تأثیر ویژگی های مختلف چهره و چشم بیماران مختلف قرار گیرد. به عنوان مثال، بیمارانی که چشم‌های کوچک یا صورت صاف دارند، نمی‌توانند هنگام استفاده از هدست واقعیت مجازی کاملاً روشن شوند و در نتیجه یک ویدیو بدون مردمک واضح گرفته می‌شود. بنابراین از برهم نهی تصویر برای کاهش این نوع اثرات منفی شرایط روشنایی تاریک استفاده می شود

که در آن، lis آرایه تصویر با شدت حاصل تحت یک ضریب مقیاس مشخص است، Jori آرایه شدت تصویر تصویر اصلی است، و a ضریب مقیاس است که مقدار پیش‌فرض آن 5 است.

در زیر نور مادون قرمز، مردمک ها به عنوان تاریک ترین قسمت در برابر بافت های دیگر شناخته می شوند. با مقادیر a بزرگتر از 1، اختلاف شدت بین قسمت تیره (مردمک) و قسمت روشن (بخش های دیگر چشم) با ضریب a افزایش می یابد که منجر به تصویر ایده آل تری برای FRSD می شود. که بر اساس تفاوت شدت برای تعیین محل مردمک محاسبه می شود.

3. اندازه گیری مستقیم

ACT یکی از تست های پوششی است که برای تعیین وجود استرابیسم استفاده می شود. هنگامی که چشم طبیعی پوشانده می شود، چشم نامرتب روی هدف مقابل خود ثابت می شود در حالی که چشم طبیعی از وضعیت اولیه منحرف می شود، همانطور که در شکل 4 نشان داده شده است. تراز تصویر در عین حال چشم نامرتب پشت انسداد با همان درجه می چرخد که نشان دهنده انحراف است. جهت های مختلف این انحراف منجر به انواع مختلف استرابیسم می شود. با این حال، پزشک نمی تواند حرکت مشاهده شده را با استفاده از چشم غیرمسلح خود تعیین کند.

3.1. اندازه گیری مستقیم

DM روشی است که می تواند به طور خودکار زاویه e را با شبیه سازی ACT واقعی اندازه گیری کند. این یک دستگاه VR و تکنیک ردیابی چشم که در بخش قبل توضیح داده شد را ترکیب می کند. هدف و عملکرد مسدود کننده در داخل یک دستگاه VR شبیه سازی می شود، در حالی که حرکت چشم برای تشخیص خودکار ضبط وپردازش می شود. به طور معمول، چندین اندازه گیری (حداقل سه) برای بهبود دقت انجام می شود و میانگین می شود.

قسمت چپ: ACT با دو حالت توصیف می‌شود، که چشم سالم (سیاه) و چشم نامرتب (قرمز) را می‌پوشاند. هنگام پوشش متناوب می توان یک “پرش” مشاهده کرد. صفحه VR در پایین تصویر نشان داده شده است تا نشان دهد چگونه مسدود کننده و هدف را شبیه سازی می کند. بخش سمت راست: پرش با استفاده از ردیابی مردمک با استفاده از سیستم ما اندازه‌گیری می‌شود. زاویه همگرایی چشم، angf، ناشی از تثبیت در نقشه شماتیکی نشان داده شده است که در آن چشم به یک هدف نزدیک (0.1 متر جلوتر از چشم) نگاه می کند و در نتیجه یک زاویه همگرایی بزرگ ایجاد می شود.

مقایسه بین افراد سالم و بیماران استرابیسمی با استفاده از DM. سه “پرش” درست پس از پوشاندن ناهماهنگی برای بیمار استرابیسم اتفاق افتاد. برعکس، افراد سالم از ابتدا تا انتها در حدود صفر درجه ثابت می مانند.

مراحل دقیق برای شبیه سازی ACT در زیر توضیح داده شده است:

1- صفحه را در مقابل چشم سالم ببندید و باز کنید

یکی دیگر مانند روند پزشکان، چشم سالم نمی تواند چیزی جز تاریکی ببیند، بنابراین از چشم نامرتب برای ثابت کردن هدف استفاده می شود. این حالت برای ردیابی ناهماهنگی چشم به مدت سه ثانیه حفظ می شود. موقعیت فعلی ثبت شده و به عنوان یک تنظیم می شود.

موقعیت اولیه

۲- صفحه را در مقابل چشم سالم باز کرده و ببندید

دیگری چشم نامرتب از موقعیت اولیه منحرف می شود. موقعیت انحراف چشم به مدت سه ثانیه ثبت می شود

که از آن زاویه انحراف چشم تخمین زده می شود.

3- مراحل 1 و 2 را دو بار تکرار کنید

نتایج حاصل از سه اندازه گیری به طور متوسط به دقت را بهبود بخشد.

4- زاویه انحراف چشم را تخمین بزنید.

زاویه انحراف چشم با تبدیل حرکات چشم به چرخش کره چشم تخمین زده می شود.

نتیجه ردیابی یک بیمار اگزوتروپی متناوب با 15 درجه در شکل 5 نشان داده شده است. سیگنال از بیمار از صفر منحرف می شود و در یک مقدار مشخص که نشان دهنده زاویه انحراف است، ثابت می ماند. در مقابل، افراد سالم یک سیگنال بلادرنگ ارائه می دهند که از ابتدا تا انتها در حدود صفر ثابت می ماند.

3.2. تخمین زاویه انحراف

چرخش چشم نامرتب با تغییر موقعیت مرکز مردمک در تصویر دو بعدی گرفته شده نشان داده می شود. با ردیابی مردمک ثبت می شود و همانطور که توسط داده شده است به زاویه تتا تبدیل می شود

جایی که، de فاصله انحرافی چشم بر حسب پیکسل، mp نرخ تبدیل از پیکسل به میلی متر، PD فاصله مردمک، AXL طول محور اندازه گیری شده توسط یک ماشین حرفه ای، Td فاصله بین هدف و چشم است. و angf = arctan (PD/2 * Td)، زاویه همگرایی است.

در این معادله کره چشم توپی است که طول محور آن قطر است. بنابراین، زاویه چرخش را می توان از تغییر موقعیت مرکز مردمک محاسبه کرد. فاصله مردمک (PD) برای دو چشم در نظر گرفته می شود که نمی توانند به طور کامل به جلو نگاه کنند. یک زاویه ثابت بین دو چشم وجود دارد که مربوط به PD است. فاصله دورتر از هدف منجر به درجه کمتری از این زاویه همگرایی می شود.

روش گام به گام:

بر خلاف ACT، PCT زاویه انحراف چشم را با حذف “پرش” در حالی که مسدود کننده متناوب با استفاده از یک منشور تغییر می دهد، اندازه گیری می کند.

به عنوان پایه SA استفاده می شود. در طول PCT، پزشک به بیماران دستور می دهد که به هدف نگاه کنند. منشور برای ایجاد یک تصویر مجازی از یک هدف در موقعیتی دیگر با توجه به موقعیت منشور و دیوپتر استفاده می شود. برای بیمار، دو هدف قابل مشاهده است: یک هدف واقعی در هنگام استفاده از یک چشم (ناهمتراز) و یک هدف مجازی در هنگام استفاده از چشم دیگر. هدف مجازی را می توان با تغییر دیوپتر منشور جابه جا کرد. هنگامی که هدف مجازی به موقعیت مناسب منتقل می شود، چشم ناهمتراز باید روی هدف واقعی ثابت شود در حالی که چشم عادی روی هدف مجازی متمرکز می شود، که نشان می دهد در حالی که پزشک به طور متناوب انسداد را تغییر می دهد، هیچ حرکت چشمی وجود ندارد. زاویه انحراف چشمی با بررسی میزان توان منشور در دیوپتر منشور (A) تعیین می شود. نرخ انتقال آن به درجه O معمولاً 1.75/1 (4/9) تنظیم می شود. 4.1. تقریب گام به گام.

در مقایسه با DM، SA عملکرد منشور را اضافه می کند،هر دو “هدف واقعی” و “هدف مجازی” به طور جداگانه در دو صفحه شبیه سازی شده اند. مراحل SA به صورت زیر نشان داده شده است:

1- صفحه چشم سالم را ببندید و چشم دیگر را باز کنید

یک موقعیت اولیه چشم نامرتب به دست می آید

در حالی که روی “هدف واقعی” تثبیت می شود.

2- صفحه چشم سالم را باز کرده و چشم دیگر را ببندید

یک نتیجه ردیابی قاب فعلی تفاوت واضحی را در مقایسه با موقعیت اولیه نشان می دهد .

3- حرکت “هدف مجازی”

“هدف مجازی” sce توپ شفاف با توجه به تفاوت به دست آمده در مرحله 2 حرکت می کند. تفاوت سپس پس از ردیابی فریم فعلی به روز می شود.

4- مرحله 3 را تکرار کنید تا اختلاف به صفر برسد.

هنگامی که “هدف مجازی” به موقعیت مناسب می رسد، تفاوت بین فریم فعلی و موقعیت اولیه باید صفر باشد، که به تکرار پایان می دهد.

روند. 5- زاویه انحراف چشم را تخمین بزنید

سپس زاویه استرابیسم بر اساس موقعیت «تصویر مجازی» اندازه‌گیری می‌شود.

تغییرات موقعیت مرکز مردمک را در طول فرآیند نشان می دهد. با پیشرفت فرآیند بازخورد، زاویه انحراف چشم به تدریج به صفر نزدیک می شود، در حالی که چشم افراد سالم در صفر ثابت می ماند. 4.2. تخمین زاویه انحراف

زاویه استرابیسم، 8، را می توان از فاصله بین “تصویر مجازی و تصویر واقعی” تخمین زد. از معادله زیر استفاده می شود:

چهار حالت تقریب گام به گام (قسمت پایین شبیه سازی مسدود کننده و هدف قسمت بالایی را در VR نشان می دهد): الف) موقعیت اولیه چشم نامرتب (چشم چپ مدل) ثبت شده و به عنوان صفر تنظیم می شود. در حالی که چشم سالم پوشیده است; ب) چشم نامرتب پس از تعویض پوشش از موقعیت اولیه منحرف شود. ج) تصویر مجازی ایجاد شده توسط منشور (مثلث سفید با طرح کلی سیاه) در موقعیت دیگری که در VR شبیه سازی شده است با تغییر موقعیت هدف (Minions) نشان داده می شود، بنابراین چشم نامرتب به موقعیت اولیه نزدیک می شود. د) تصویر مجازی با افزایش دیوپتر منشور به موقعیت مناسب می رسد و باعث می شود چشم نامرتب به موقعیت اولیه بازگردد. زاویه انحراف چشم از موقعیت تصویر مجازی و فاصله هدف تخمین زده می شود.

بیمارستان دانشگاه ملی در مجموع، هفده بیمار بالای شش سال با استفاده از سیستم تشخیص استرابیسم پیشنهادی، شامل پنج ارتوتروپی و دوازده اگزوتروپی مورد بررسی قرار می‌گیرند. همه آنها نزدیک بینی کم دارند < 2 A. بیمارانی که همکاری ضعیفی دارند یا سایر بیماری های چشمی از آنالیز حذف می شوند. رضایت آگاهانه از تمام 17 نفری که واجد شرایط بودند و در نهایت در این آزمایش ثبت نام کردند، اخذ شد. پروتکل آزمایشی به دستورالعمل های اعلامیه هلسینکی پایبند بود.

قبل از آزمایش، هر بیمار توسط پزشک تشخیص داده می شود. PCT توسط یک پزشک در تثبیت فاصله با استفاده از یک اسباب بازی Minions در فاصله شش متری انجام می شود. سپس در عرض 30 دقیقه پس از تشخیص پزشک، SA و DM انجام می شود. زمان کل اندازه گیری بسته به بیمار از 1.5 تا 2 دقیقه متغیر بود. در طول آزمایش، تنها یک اپراتور بدون داشتن دانش در مورد استرابیسم برای کار بر روی رابط کاربری گرافیکی مورد نیاز است.

در این آزمایش، بیماران باید هدست واقعیت مجازی را محکم بپوشند و روی تصویر هدف تمرکز کنند. ده تصویر از شخصیت‌های مختلف «مینیون‌ها» که در یک بازه زمانی سه ثانیه جابجا می‌شوند، به عنوان هدف برای جلب توجه بیمار تعیین می‌شوند. اندازه در VR 15 در 20 سانتی متر است. فاصله هدف در داخل VR برابر با 6 متر تعیین شده است که با آزمایش فیکساسیون واقعی پزشک یکسان است. علاوه بر این، فاصله مردمک و قطر کره چشم توسط پزشک ارائه می شود.

 

. مقایسه واقعیت مجازی و دنیای واقعی

به نظر می رسد کاربران VR درک نادرستی از فضا و حرکت دارند. دو عامل مهم و تأثیر آنها بر درک فاصله در این بخش مورد بحث قرار می گیرد. اولین عامل عدم تطابق بین PD بیماران و PD هدست VR است. FOVE دارای PD ثابت با مقدار 63.5 میلی متر است که مربوط به رایج ترین مقدار برای بینایی انسان است. هدف برای بیماران با PD کوچک در فاصله دورتر درک می شود و برای بیماران با PD بزرگ نزدیک تر می شود.

عامل دوم فشرده سازی فاصله در محیط مجازی است. تحقیقات اخیر کاهش فاصله را با هدست واقعیت مجازی درجه یک مصرف کننده مشاهده کرده است. پیر و همکاران  فشرده‌سازی فاصله فرد را با 20 درصد خطای درصد نسبی (RPE) از حداقل برآورد متوسط اندازه‌گیری کرد، که در آن RPE تفاوت اندازه‌گیری فاصله درک شده بین یک محیط واقعی و یک محیط مجازی را نشان می‌دهد.