Stanford 视力测试:一种基于贝叶斯技术的精确视力测试及人类视觉反应的一项发现
人工智能
2019-11-25 v2 应用统计
摘要
基于视力表的视觉 acuity 测量被数十亿人用于诊断和指导视力障碍的治疗。然而,这种 ubiquitous 的眼科检查没有推理不确定性的机制,因此存在有据可查的复现性问题。本文做出两项核心贡献。首先,我们基于对患者(患有眼病)的详细测量,揭示了一个新的视觉 acuity 反应的参数化概率模型。然后,我们提出了一种自适应的数字眼科检查,利用现代人工智能技术,相比现有方法大幅降低了 acuity 检查误差,同时引入了建模自身不确定性和融入先验信念的新能力。使用标准评估指标,我们估计与 ubiquitous 的基于视力表的眼科检查相比预测误差降低了 74%,与先前最佳数字检查相比最多降低 67%。对于眼病患者,从家中精细测量 acuity 的新能力可能是早期诊断的关键环节。我们提供了算法的网络实现供世界上任何人使用。本文的见解也为心理测量学中的项目反应理论领域提供了有趣的启示。
引用
@article{arxiv.1906.01811,
title = {The Stanford Acuity Test: A Precise Vision Test Using Bayesian Techniques and a Discovery in Human Visual Response},
author = {Chris Piech and Ali Malik and Laura M Scott and Robert T Chang and Charles Lin},
journal= {arXiv preprint arXiv:1906.01811},
year = {2019}
}
备注
Proceedings of the 34th AAAI Conference on Artificial Intelligence, New York, USA. 2020