RLPeri：利用强化学习与卷积特征提取加速视觉视野检查
人工智能
2024-03-11 v1
摘要
视觉视野检查是一项重要的眼部检查，有助于检测由眼部或神经系统疾病引起的视力问题。在检查过程中，患者的注视点固定在特定位置，同时在中心视野和周边视野呈现不同强度的光刺激。根据患者对刺激的反应，确定视野映射和敏感度。然而，患者在整个检查过程中难以保持高度集中，导致检查时间增加且准确性下降。在本工作中，我们提出了 RLPeri，一种基于强化学习的方法来优化视觉视野检查。通过确定最佳的位置序列和初始刺激值，我们旨在不牺牲准确性的前提下缩短检查时间。此外，我们引入了奖励塑造技术以进一步提升检查性能。为了监测检查过程中患者随时间变化的反应，我们将检查状态表示为一对 3D 矩阵。我们应用两种不同的卷积核，分别提取跨位置的空间特征以及每个位置跨不同刺激值的特征。实验表明，与最先进的方法相比，我们的方法在保持准确性的同时，将检查时间缩短了 10-20%。通过所提出的方法，我们旨在使视觉视野检查更高效、更人性化，同时仍能提供准确的结果。
引用
@article{arxiv.2403.05112,
title = {RLPeri: Accelerating Visual Perimetry Test with Reinforcement Learning and Convolutional Feature Extraction},
author = {Tanvi Verma and Linh Le Dinh and Nicholas Tan and Xinxing Xu and Chingyu Cheng and Yong Liu},
journal= {arXiv preprint arXiv:2403.05112},
year = {2024}
}
备注
Published at AAAI-24