CN111918601A - 用于表征物体视觉系统的方法和系统 - Google Patents

用于表征物体视觉系统的方法和系统 Download PDF

Info

Publication number
CN111918601A
CN111918601A CN201980022078.4A CN201980022078A CN111918601A CN 111918601 A CN111918601 A CN 111918601A CN 201980022078 A CN201980022078 A CN 201980022078A CN 111918601 A CN111918601 A CN 111918601A
Authority
CN
China
Prior art keywords
visual
noise
subject
signal processing
contrast sensitivity
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201980022078.4A
Other languages
English (en)
Other versions
CN111918601B (zh
Inventor
R·阿拉德
D·西尔维斯特
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sorbonne Universite
EssilorLuxottica SA
Original Assignee
Essilor International Compagnie Generale dOptique SA
Sorbonne Universite
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Essilor International Compagnie Generale dOptique SA, Sorbonne Universite filed Critical Essilor International Compagnie Generale dOptique SA
Publication of CN111918601A publication Critical patent/CN111918601A/zh
Application granted granted Critical
Publication of CN111918601B publication Critical patent/CN111918601B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
    • A61B3/0016—Operational features thereof
    • A61B3/0025—Operational features thereof characterised by electronic signal processing, e.g. eye models
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
    • A61B3/0016—Operational features thereof
    • A61B3/0041—Operational features thereof characterised by display arrangements
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
    • A61B3/02—Subjective types, i.e. testing apparatus requiring the active assistance of the patient
    • A61B3/022—Subjective types, i.e. testing apparatus requiring the active assistance of the patient for testing contrast sensitivity
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
    • A61B3/02—Subjective types, i.e. testing apparatus requiring the active assistance of the patient
    • A61B3/028—Subjective types, i.e. testing apparatus requiring the active assistance of the patient for testing visual acuity; for determination of refraction, e.g. phoropters
    • A61B3/032—Devices for presenting test symbols or characters, e.g. test chart projectors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
    • A61B3/02—Subjective types, i.e. testing apparatus requiring the active assistance of the patient
    • A61B3/06—Subjective types, i.e. testing apparatus requiring the active assistance of the patient for testing light sensitivity, e.g. adaptation; for testing colour vision
    • A61B3/066—Subjective types, i.e. testing apparatus requiring the active assistance of the patient for testing light sensitivity, e.g. adaptation; for testing colour vision for testing colour vision
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4005—Detecting, measuring or recording for evaluating the nervous system for evaluating the sensory system
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Ophthalmology & Optometry (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Eye Examination Apparatus (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种使用对象的视觉系统的对比度灵敏度的测量来表征对象的视觉系统的方法，该视觉系统包括视觉信号处理要素，每个视觉信号处理要素具有对对象的视觉系统的对比度灵敏度的影响，其中，执行视觉测试，在视觉测试中，向对象示出具有不同时空频率和具有变化亮度水平以及具有视觉图案的变化的视觉退化水平的视觉图案，以测量对象的对比度灵敏度，其中，基于视觉信号处理要素的确定预先建立视觉系统的预定响应模型，该视觉信号处理要素主要限制对于亮度和时空频率的每个值的对比度灵敏度，预定响应模型将主要限制对比度灵敏度的视觉信号处理要素与亮度和时空频率相关联，其中，选择视觉信号处理要素中的至少一个以便被研究，其中，对对象的视觉系统进行至少一个视觉测试，该视觉测试根据至少一个选择的视觉信号处理要素进行优化，在优化的视觉测试期间，亮度水平和时空频率的变化被限制在其中预定响应模型定位在限制所述对比度灵敏度时占主导的所述视觉信号处理要素的亮度范围和空间频率范围内。

Description

用于表征物体视觉系统的方法和系统
技术领域
本发明涉及一种使用对象视觉系统的对比度灵敏度的测量来表征对象的视觉系统的方法。本发明还涉及特别地被配置为操作本发明的系统。
背景技术
研究表明，对象的视觉系统可被认为是由处理在对象的眼睛中接收的视觉信号的一组要素组成，并且在数学和功能上可被视为对接收的视觉信号信息执行操作的一组运算符。每个操作都可以用参数来表征，尤其是影响操作的内部噪声，更具体地说，是接收、解码和理解视觉信息的能力。内部噪声越大，对象越少能够从他/她所接收到的视觉信号中获得有意义的信息。实际上，这组要素可被限制为三个要素：光受体、近端神经元回路和远端神经元回路。所有内部噪声的影响通常被称为“等效输入噪声”，以及内部噪声分别是光受体中的光子噪声、近端神经元回路中的早期神经噪声和远端神经元回路中的晚期神经噪声。
换言之，从限制视觉刺激的可见度的内部因素来看，一个重要的因素与通常称为“内部噪声”的内部变化有关。在文献中，可以通过测量外部噪声的量来估计内部噪声对灵敏度的相对影响，即，添加到向对象示出的显示器的噪声，该外部噪声影响与内部噪声相同(Pelli，1990；Pelli&Farrell，1999)，并且其通常称为“等效输入噪声”。内部噪声源可能是由于光受体对光子的随机吸收，称为光子噪声或神经噪声。通过测量等效输入噪声作为亮度强度的函数，可以估计三种内部噪声源(光子噪声、早期神经噪声和晚期神经噪声)的影响。当晚期神经噪声是主要的限制性噪声源时，灵敏度与亮度无关。当早期神经噪声是主要的限制性噪声源时，灵敏度与亮度强度成比例。当光子噪声是主要的限制噪声源时，灵敏度与亮度强度的平方根成比例。附加信息“视觉的量子效率(The quantum efficiency ofvision)”中获得，C.Blakemore(编辑)Vision:Coding and efficiency,(pp.3–24).Cambridge,UK:Cambridge University；在Pelli，D.G.，&Farell，B.(1999年)，“为什么使用噪声？(Why use noise？)”Journal of the Optical Society of America.A,Optics,Image Science,and Vision,16,647–653。
此外，为了诊断目的，有必要对对象进行视觉测试。对于处方目的而言，这也是如此，例如，在需要对对象的处方进行某种适应的情况下的光学校正。使用对比度灵敏度的视觉测试作为视觉测试来评估要素的影响，对于对象的视觉系统的完全/完整的表征而言，该视觉测试是一个非常漫长和乏味的过程。由于在测试期间中需要扫描多个参数(特别地，亮度、频率、外部噪声)，这样的一个完全/完整的视觉测试可能需要大约两个小时。
发明内容
具有这样的装置是最有用的，该装置用以减少通过对比灵敏度的视觉测试来测试对象的视觉系统所需的时间。
为该目的，提议使用从视觉系统的视觉响应的预先建立/先前了解中获得的信息，以将视觉测试集中/限制在因有限/优化视觉测试而应评估的要素或内部噪声，并且可能地从这种有限的/优化的视觉测试中推断/计算进一步的信息/结果，这些信息/结果通常是通过完全/完整的视觉测试获得的。视觉系统的视觉响应的先前了解可以以视觉系统的预定响应模型的形式被假设地预先建立，或者更好地，通过先前测量在对象上被预先建立。该预定响应模型可以优选地建立在一般或特定的对象群体上。该预定响应模型可以任何可用的形式实现，例如表格、数学方程、图形表示、来自数据的实时计算。
因此，本发明的一个目的是提供一种使用对象的视觉系统的对比度灵敏度的测量来表征对象的视觉系统的方法，该视觉系统包括视觉信号处理要素，每个视觉信号处理要素具有对所述对象的所述视觉系统的所述对比度灵敏度的影响，其中，执行视觉测试，在所述视觉测试中，向所述对象示出具有不同时空频率和具有变化亮度水平以及具有所述视觉图案的变化的视觉退化水平的视觉图案，以测量所述对象的对比度灵敏度，其中，基于所述视觉信号处理要素的确定预先建立视觉系统的预定响应模型，该视觉信号处理要素主要限制对于亮度和时空频率的每个值的所述对比度灵敏度，所述预定响应模型将主要限制所述对比度灵敏度的所述视觉信号处理要素与所述亮度和所述时空频率相关联，其中，选择所述视觉信号处理要素中的至少一个以便被研究，其中，对所述对象的所述视觉系统进行至少一个视觉测试，所述视觉测试根据至少一个选择的视觉信号处理要素进行优化，在优化的视觉测试期间，所述亮度水平和时空频率的所述变化被限制在其中所述预定响应模型定位在限制所述对比度灵敏度时占主导的所述视觉信号处理要素的亮度范围和空间频率范围内。
为了实施本发明的方法，还考虑了根据任何技术可能性可以被组合的以下特性和方式：
-视觉系统的响应模型建立在确定限制对于亮度和时空频率的每个值的对比度灵敏度的视觉信号处理要素的基础上，确定的响应模型将主要限制对比度灵敏度的视觉信号处理要素与亮度和时空频率相关性，所述响应模型是已经被预先建立在一般或特定对象群体上的预定响应模型，或者是建立在其视觉系统已经被表特的对象上的个体化响应模型，
-所述视觉信号处理要素是属于从光受体开始的处理该视觉信号的要素链的要素，
-所述视觉测试是静态视觉测试，其中向对象展示具有不同空间频率和变化亮度水平以及视觉图案的变化视觉退化水平的静态视觉图案，以产生对比灵敏度的测量值，和/或动是态视觉测试，其中向对象展示具有不同时间频率和变化亮度水平以及视觉图案的变化的视觉退化水平的动态视觉图案，以产生对比灵敏度和由此的运动灵敏度的测量，
-响应模型，无论是否为预定模型，是通过静态视觉测试获得并可用于静态视觉测试的静态响应模型，
-响应模型，无论是否为预定模型，是通过动态视觉测试获得并可用于动态视觉测试的动态响应模型，
-响应模型，无论是否为预定模型，都是可用于静态和动态视觉测试的通用响应模型，
-使用预定响应模型，可以获得主要限制给定亮度和给定时空频率的对比度灵敏度的视觉信号处理要素，并且，相反地，对于给定的视觉信号处理要素，可以获得其中该视觉信号处理要素主要限制对对比度灵敏度的亮度和时空频率，其中，
-所述预定响应模型给出亮度和时空频率的范围，在其中给定的视觉信号处理要素主要限制对对比度的灵敏度，
-预定响应模型给出了作为亮度和时空频率函数的主要限制对比度灵敏度的每个视觉信号处理要素的位置域(domain)，
-在视觉测试中，对比灵敏度被用静态视觉图案来评估，
-在视觉测试中，对比度灵敏度仅通过动态视觉图案进行评估，
-在视觉测试中，对比度的灵敏度通过使用分离的静态视觉图案和动态视觉图案进行评估，
-在视觉测试中，只使用混合或组合静态和动态视觉表示的视觉图案中的一种来评估对比灵敏度，
-优选地，在视觉测试中，每个模式具有空间频率值和时间频率值，其中两个值中没有或一个可以设置为0，对比度灵敏度仅使用一种视觉图案来评估，对于静态视觉测试，图案的时间频率被设置为0，对于动态视觉测试，优选地将空间频率设置为大于0的值，通常在0.5cpd左右，或次优选地设置为0，
-视觉图案是对比线(contrasted line)、水平或垂直、符号、字母或任何其他类型的图案，
-视觉图案具有空间频率和时间频率值，
-亮度和时空频率的范围进一步被制为在所执行的视觉测试中使用的亮度和频率的一对或一组亮度和频率的对，
-响应模型，是或不是预定模型，是2D响应模型，
-预定响应模型是2D预定响应模型，
-视觉测试可以是整体视觉测试，其中对于所有视觉处理要素实施亮度水平和频率的全范围扫描，或者可以是优化的视觉测试，其中亮度水平和频率被限制在这样的亮度范围和时空频率范围内，在范围中该预定响应模型定位在限制对比度灵敏度时占主导的所述视觉信号处理要素，
-在预定响应模型中，主要限制对比度灵敏度的视觉信号处理要素被量化为关于亮度和时空频率的对比度灵敏度的限制水平的函数，
-在是或不是预定模型的响应模型中，主要限制对比度灵敏度的视觉信号处理要素被量化为关于亮度和时空频率的对比度灵敏度的限制水平的函数，
-其中主要限制对比度灵敏度的视觉信号处理要素被量化的响应模型是3D响应模型，该响应模型是或不是预定模型，
-其中主要限制对比度灵敏度的视觉信号处理要素被量化的预定响应模型是3D预定响应模型，
-在预定响应模型中，从与所述要素对应的至少一条线性曲线的参数(尤其是斜率)计算每个要素的量化，
-视觉图案的视觉退化是通过对视觉图案施加外部噪声而获得的，
-每个视觉信号处理要素对对比度的影响被量化为该视觉信号处理要素的等效输入噪声值，
-预定响应模型将主要限制对比度灵敏度的视觉信号处理要素的内部噪声与对亮度和时空频率相关联，
-预定响应模型将主要限制对比度灵敏度的视觉信号处理要素的等效输入噪声与亮度和时空频率相关联，
-等效输入噪声是外部和内部噪声对对比度灵敏度的影响相同时的外部噪声水平，
-可选择三个视觉信号处理要素，每个要素都分别被其内部噪声，光子噪声、早期神经噪声和晚期神经噪声，所索引，以及在所述视觉测试期间，通过在对比度阈值评估期间变化所述外部噪声来评估每个视觉信号处理要素的所述等效输入噪声
-在对比度阈值评估中，参考可确定的外部噪声水平来评估等效输入噪声，归因于这样的事实评估该等效输入噪声，即，由于在外部噪声水平变化期间，外部噪声影响或不影响作为其水平的函数的对比灵敏度，
-在对比度阈值评估中，在试验期间增加外部噪声的情况下，对于给定亮度和给定空间或时间频率的等效输入噪声等于外部噪声开始明显降低对比度灵敏度时的外部噪声，或者相反，在试验期间减小外部噪声的情况下，对于给定亮度和给定空间或时间频率的等效输入噪声等于外部噪声明显停止降低对比度灵敏度时的外部噪声水平，
-通过相对阈值进行对比度灵敏度开始下降的确定，或相反，降低停止的确定，
-三个视觉信号处理要素是视觉受体、近端神经元回路和远端神经元回路，
-内部噪声是受体中的光子噪声、近端神经回路中的早期神经噪声和远端神经元回路中的晚期神经噪声，
-对比度阈值评估是总体评估，其中，对于给定的亮度和给定的频率，在外部噪声的变化期间，对于外部噪声水平的完全范围测量所述对象的所述对比度灵敏度，
-外部噪声水平的完全范围介于外部噪声的低或零值/零水平之间与外部噪声的高水平之间，对于低或零值/零水平，外部噪声对对比度灵敏度没有影响，以及对于高水平，外部噪声通过自身降低而对对比度灵敏度产生影响，
-所述对比度阈值评估是简化评估，其中，对于给定的亮度和给定的时空频率，仅针对低或零值/零水平的外部噪声和高水平的外部噪声这两个水平的外部噪声测量所述对比度灵敏度以给出两个测量，对于所述低或零值/零水平的外部噪声，所述外部噪声对所述对比度灵敏度具有可忽略的影响，以及对于所述高水平的外部噪声，所述外部噪声通过自身减少而对所述对比度灵敏度具有相当大的影响，其中，预先建立与将所述对比度灵敏度与所述外部噪声相关联的预定灵敏度模型，其中通过将所述两个测量应用于所述预定灵敏度模型来计算所述等效输入噪声。
-对对比度灵敏度具有可忽略的影响的外部噪声是在评估期间与无外部噪声不可区分的外部噪声，
-对对比度灵敏度具有可忽略的影响的外部噪声是是指其影响水平低于预定阈值的噪声，
-对比度阈值评估可是其中实施外部噪声级扫描的总体评估，也可以是仅实施影响对比灵敏度的一个外部噪声水平或仅实施两个外部噪声水平的简化评估，
-外部噪声对对比度灵敏度有相当大影响的高水平外部噪声使得对象不再能够检测对比度，
-外部噪声对对比度灵敏度有相当大影响的高水平外部噪声是影响水平大于预定阈值的外部噪声，
-在视觉测试是静态视觉测试的情况下，则将对比度灵敏度与外部噪声相关联的预定灵敏度模型是预定静态灵敏度模型，
-在视觉测试是动态视觉测试的情况下，则将对比度灵敏度与外部噪声相关联的预定灵敏度模型是预定动态灵敏度模型
-将对比度灵敏度与外部噪声相关联的预定灵敏度模型是可用于静态和动态视觉测试二者的预定通用灵敏度模型，
-在简化评估中，通过以下方式计算效输入噪声，将所述两个测量应用于预定灵敏度模型以计算在何处外部噪声水平开始明显地降低对比度灵敏度或相反地，或，相反地，何处明显停止降低对比度灵敏度，等效输入噪声为则等于相应的外部噪声水平，
-与优化的视觉测试相反，从先前整体视觉测试预先建立将对比度灵敏度与外部噪声相关联的预定灵敏度模型，
-与优化的视觉测试相反，从在一般或特定对象群体上的先前整体视觉测试预先建立将对比度灵敏度与外部噪声相关联的预定灵敏度模型，
-响应模型，是不是预定模型，都是从先前整体视觉测试(与优化的视觉测试相反)中获得的，
-是或不是预定模型的响应模型是从对一般或特定对象群体或对象的先前整体视觉测试(与优化的视觉测试相反)获得的，
-作为外部噪声的函数链接对比度灵敏度的预定灵敏度模型与进行测试的亮度以及空间或时间频率无关，
-作为外部噪声的函数链接对比度灵敏度的预定灵敏度模型也是进行视觉测试的亮度的函数，
-作为外部噪声的函数链接对比度灵敏度的预定灵敏度模型也是进行视觉测试的空间或时间频率的函数，
-作为外部噪声的函数链接对比度灵敏度的预定灵敏度模型也是进行视觉测试的亮度和空间或时间频率二者的函数，
-在简化评估中，外部噪声的两个水平是外部噪声对对比度灵敏度没有影响的零值/零水平外部噪声和通过自身降低而对比度灵敏度产生影响的高水平外部噪声，
-将视觉测试的结果或基于视觉测试结果构建的个体化响应模型的结果与预定响应模型或另一响应模型进行比较，
-所述另一响应模型是从一般或特定对象群体或参考对象上建立的响应模型，
-特定的对象群体是从对象的一般群体中根据年龄、性别…至少一个特征来选择的
-所述另一种响应模型是作为历史参考的预先在同一对象上构建的个体化响应模型，
-根据视觉测试结果构建的个体化响应模型是通过将预定响应模型调整/拟合(fitting)到视觉测试的结果而获得的，
-所述预定响应模型和在生成所述个体化响应模型的情况下的所述个体化响应模型被表示在图表(graph)上，所述图表将主导限制灵敏度的视觉信号处理要素或其内部噪声表示为至少从下列中选择的至少一个参数的函数：所述亮度水平、所述空间频率、所述时间频率、所述偏心度、所述方向、所述颜色、所述光谱，
-预定响应模型以及在生成个体化响应模型的情况下的个体化响应模型，被显示在二维或三维图表上，该二维或三维图表表示作为亮度水平和时空频率的函数的主要限制灵敏度的视觉信号处理要素或其内部噪声，
-进行多种表征，每种表征针对特定的颜色范围或光谱进行，
-用2种颜色/光谱和白色进行表征，
-用3种颜色/光谱和白色进行表征，
-用3种颜色进行表征，
-对于所述视觉的所有的偏心度进行表征，
-进行多个表征，每个表征针对视觉的特定偏心率，
-视觉的特定偏心率与视网膜的解剖区域有关，
-计算旨在降低所述对象的所述视觉系统接收到的所述亮度强度的密度滤光器的特性，所述密度滤光器的所述特性是光衰减的值并是优化视觉测试的结果的函数，所述优化视觉检测研究所述视觉信号处理要素中的至少两个，所述至少两个中的一个是所述晚期神经噪声的源，
-计算的光衰减的值是晚期神经噪声和光子噪声的相对分布或比率的函数，
-计算的光衰减的值是晚期神经噪声和早期神经噪声的相对分布或比率的函数，
-对象参与了一个期望活动，其中使用了他/她的视觉系统，可能的活动要求不同的视觉对比度灵敏度，相比于要求较低视觉对比度灵敏度的活动，对于要求较高视觉对比度灵敏度的活动，光衰减值较低，光衰减值是根据期望活动以及从对对象进行的至少一个优化视觉测试中获得的晚期神经噪声计算的，后期噪声越高，光衰减值越高，
-计算的光衰减的值也根据颜色范围或光谱选择，对于所述颜色范围或光谱进行测试，
-计算的光衰减的值是从预定的值的组中选择的预定值，该组的每个预定值与与活动相关或与所要求的对比度灵敏度水平的参数相关联，以及其中所述组的每个预定值是从所述晚期神经噪声或从由预定响应模型限定的晚期神经噪声和光子噪声的相对分布计算的，
-从一组预定值中选择的计算的光衰减的值也根据颜色范围或光谱选择，
-计算的光衰减的值也是从至少他/她的年龄选择的对象的特性的函数，
-密度滤光器的光衰减被如下选择：
静态且等于光衰减的计算值，或
可变的，所述密度滤光器是可变密度滤光器，
-在光衰减是可变的情况下，可变滤光器的光衰减的最高值是光衰减的计算值，
-在光衰减是可变的情况下，实施用传感器测量到达对象的照度，并且根据所测量的照度调整可变密度滤光器的光衰减，以便将对象的视觉保持在确定的性能水平上，
-密度是中性的，
-密度滤光器是彩色的，
-密度滤光器的光衰减是二进制的，可在两个值，最低值和最高值，之间切换，
-密度滤光器的光衰减在两个值(最低值和最高值)呈线性或逐步(stepwise)
-最低值为零值零，无光衰减或可忽略的光衰减，
-密度滤光器的光衰减的最高值是光衰减的计算值，
-实施用传感器测量瞳孔大小，并调整密度滤光器的光衰减，以便明显保持瞳孔大小恒定，
-在密度滤光器的光衰减是可变的情况下，对象可使用的输入装置允许他/她输入和/或改变的期望活动或光衰减，
-密度滤光器的光衰减是各向同性的，
-密度滤光器的光衰减是均匀的，
-密度滤光器的光衰减是各向异性的，
-所述光衰减的计算值也是与所述对象相关的特性的函数，所述特性至少是所述对象的期望活动，对象的要求不同对比度灵敏度的可能活动，
-所述表征是通过具有显示视觉图案的显示器的计算机化系统来进行的，并且其中，将所述视觉测试的所述结果与警告阈值进行比较，以及当结果超过其相关的警告阈值时，所述计算机化系统发出警告，
-参照预定的响应模型来定义警告阈值，所述响应模型已经预先建立在一般对象群体或特定对象群体或参考对象上，
-发出警告意味着可能存在某种疾病，
-显示器为眼镜/谷歌眼镜，
-显示器是电脑屏幕，
-警告阈值与光子噪声、早期神经噪声和晚期神经噪声中的两个的比率有关，
-警告阈值与光子噪声、早期神经噪声和晚期神经噪声的相对水平有关，
-警告阈值取决于视觉方向和/或颜色。
本发明的另一个目的是提供一种用于使用对象的视觉系统的对比度灵敏度的测量来表征所述对象的所述视觉系统的系统，其被专门配置为执行根据前述权利要求中任一项所述的方法，其中所述系统是计算机化系统，其具有显示视觉图案的显示器和输入视觉测试的结果的装置，其中，所述系统被配置成将所述视觉测试的所述结果与警告阈值进行比较，并在所述结果超过其相关警告阈值时发出警告。
这种方法的一个主要优点是测试阶段限制了探索的空间，尤其是视觉测试期间亮度和空间或时间频率的变化范围。也可以将变化范围限制为亮度和空间或时间频率值的一对或几对。
这种解决方案在处方(prescription)和诊断方面提供了其他优势和结果，因为这种限制勘探空间的可能性有助于将探索聚焦于与处方或诊断直接相关的特定要素上。例如，疾病可能与视觉系统的特定要素有关，该要素在亮度和空间或时间频率的特定变化范围内可为在测试中的主导响应，如果测试仅限于该亮度和空间或时间频率的范围，则可对该要素进行专门评估且测试的时长也大大减少。
附图说明
以下关于附图的描述将更好地理解本发明：
图1表示对比度阈值的演变曲线，作为对于视觉图案的给定亮度值和给定空间或时间频率值的外部噪声对比度的函数，
图2表示四个不同对象的主导内部噪声源的面积，作为静态视觉图案的亮度强度和空间频率的函数，该主导内部噪声是光子噪声、早期神经噪声或晚期神经噪声，晚期神经噪声区用“°”图案表示，早期神经噪声区用“+”图案表示，光子噪声为素的(plain)，该二维表示从每个对象的个体化响应模型获得，
图3表示两个不同对象的作为动态视觉图案的亮度强度(luminance intensity)(单位为特罗兰(Troland))和时间频率的函数的主导内部噪声源的面积，该二维表示从每个对象的个体化(personalized)响应模型获得，
图4是从图3中得出但却从内部噪声影响已量化的响应模型获得的三维表示，以及
图5是视觉系统的操作的示意表示，其考虑了形式为与要素相关的内部噪声的每个要素的动作的影响。
具体实施方式
为了表征对象的视觉系统，使用视觉测试来测量对象视觉系统的对比度灵敏度。
为了获得视觉系统的预定响应模型，其给出作为由视觉图案提供的视觉信号的亮度和空间或时间频率的函数的主要限制对比度灵敏度的要素或内部噪声源，应该测量要素的内部噪声的影响，以及也可为该目的采用上述视觉测试。该响应模型是视觉系统的要素的规律的表达，其将对比度灵敏度与亮度和频率相关。
响应模型基于视觉系统的符号化(symbolization)，如图5所示。在这里，从具有其光子噪声的光受体实现的转导(transduction)到神经处理显示响应模型，在本实例中，神经处理被划分为具有与其相关的内部噪声(早期神经噪声和晚期神经噪声)的两个要素。其他类型的视觉系统的符号化是可能的。
更具体地说，考虑到视觉系统的三个要素，测量光子的水平、早期和晚期神经噪声，技术解决方案包括测量对象各种内部噪声源的影响。可以通过视觉测试来研究对象的对比度灵敏度随亮度强度和时空频率变化的演变。例如，“限制对比灵敏度的内部噪声源(Internal noise sources limiting contrast sensitivity)”(Silvestre，Arleo&Allard，2018)记录了这种方法。
现在描述一个视觉测试的实例，该测试测量对象视觉系统的对比灵敏度(静态或动态测量)以及获得内部噪声的方法。
所述视觉测试可以是静态视觉测试，其中向对象显示具有不同空间频率和变化亮度水平以及视觉图案的变化视觉退化水平的静态视觉图案，以产生对比灵敏度的测量。它也可以是动态视觉测试，其中向对象展示具有不同时间频率和变化亮度水平以及视觉图案的变化视觉退化水平的动态视觉图案，以产生对比灵敏度的测量。视觉退化是通过向视觉图案中添加外部噪声而产生的。注意，在动态视觉测试中，图案也可以具有特定的频率或不同的空间频率。
最通常且优选地，使用每个具有空间和时间频率值的视觉图案来执行视觉测试，并且可以将两个值中的一个设置为0。对于静态视觉测试，将时间频率设置为0。对于动态视觉测试，空间频率通常设置为0.5cpd左右，但很少设置为0。
以多个步骤执行这样的视觉测试，其中通过对于给定亮度水平和视觉图案的给定空间或时间频率，作为添加到视觉图案的外部噪声的函数评估他/她的对比度阈值，来评估对象的对比度灵敏度，并且这在亮度水平和频率的范围内重复。
为了测量内部噪声源的影响，对比度阈值可以作为外部噪声对比度的函数来评估。如果内部噪声的影响大于外部噪声，则外部噪声可忽略，对对比度阈值没有影响。另一方面，如果外部噪声比内部噪声的影响更大，则会影响性能。更准确地，考虑图1，黑色曲线的左侧平坦部分表明外部噪声对对比度阈值没有影响或具有可忽略的影响；另一方面，在图1的黑色曲线的右侧部分，上升的对比度阈值表明外部噪声开始产生影响并超过内部噪声。因此，图1的左和右两个部分之间的临界点处，内部噪声开始影响对比度阈值，内部和外部噪声具有相同影响。在该临界点处，内部噪声的影响与外部噪声的影响相同，是等效输入噪声。这样的对比度阈值的评估是对于给定的空间和时间频率以及给定的亮度水平来完成的。因此，由此，可以理解为何需评估许多频率和亮度的用于评估对象视觉系统的对比度灵敏度的完全/完整的视觉测试是一个相当冗长和繁琐的测试。
需要注意的是，图1中的黑色曲线可以分为两部分：左侧上的明显平坦/恒定值的部分，右侧是明显恒定坡度部分。因此，可以用仅下列至少两个测量来计算对象的此类曲线：在低水平或更好的无外部噪声的情况下，用于计算曲线的左侧部分，以及在影响和削弱灵敏度的高外部噪声水平下，用于计算右侧部分，从先前对对象的研究中得知评估为线性部分的右部分的参数(特别地，斜率)。为此，曲线模型以预定静态或动态灵敏度模型的形式预先建立，该预定静态或动态灵敏度模型将对比度灵敏度作为外部噪声的函数进行链接/关联，并且该模型优选地在一般或特定的对象群体或参考对象上预先建立。在另一实施例中，也可以使用更一般的灵敏度模型，其中将等效输入噪声定义为空间频率、时间频率和亮度强度的函数。
这种灵敏度模型可以，例如，以一个或多个数学公式、数据表、图表…或用于计算的计算机可存储和/或使用的任何其他形式来实现。
除线性估计外，还可以对每个部分单独使用、或者对整个曲线全局使用其他类型的估计。不仅可从仅两个测量计算曲线，还可以计算临界点、以及由此的量化内部噪声影响的等效输入噪声。
仅使用两个测量(低或零外部噪声和高外部噪声)的对比度阈值评估的简化可通过预定的静态或动态(根据情况而定)灵敏度模型来实现，该模型链接/关联对比度灵敏度作为外部噪声的函数。将两个测量的两个结果应用于预定的静态或动态灵敏度模型，可允许计算上述曲线和(或直接)等效输入噪声。灵敏度模型可被实施以产生曲线或直接产生等效输入噪声，从而产生内部噪声。可针对所有亮度预先建立预定静态或动态灵敏度模型，可针对特定亮度和频率范围预先建立多个预定静态或动态灵敏度模型的频率。
因此，计算机可以被编程以从这样的结果直接给出内部噪声的影响，该结果是，对于给定的空间或时间频率和给定的亮度水平，在低或零和高外部噪声水平下的两个评估/测量的对比度阈值。
因此，容易理解，在两个测量中仅两个外部噪声水平(其中一个在可能的实施中为零)的简化的对比度阈值评估的使用，与其中实施/测试外部噪声水平的完全扫描/范围的总对比度阈值评估相比，可以缩短视觉测试的持续时间并非常有效地简化视觉测试。
通过进行这种对比度阈值评估和收集各种亮度水平和时空频率的等效输入噪声值，可以将主要适用的等效输入噪声值关联到三个要素之一的，以及由此关联到光子噪声、早期神经噪声或晚期神经噪声。
知晓哪些要素、受体或早期或晚期的神经回路属于主导内部噪声，就可以计算出规律、模型或映射图，其确定作为诸如亮度强度、空间频率和时间频率的各种参数的函数的限制噪声源。在图2和图3上表示了这样的绘图，分别对于空间频率/静态对比灵敏度和对于时间频率/动态对比灵敏度/运动灵敏度。这样的绘图实际上是视觉系统规律的表示，其将对比度灵敏度关联到亮度以及关联到频率，并且该规律也可以表示为响应模型。
在图2中，对于对比灵敏度，测试了四个不同的对象，以及在图3中，关于对比灵敏度，测试了仅两个不同的对象。
图2、3的绘图给出了作为亮度强度和空间频率的函数的主导内部噪声源，换句话说，具有作为亮度和频率的函数的对灵敏度的最大影响的内部噪声。等效地，图2、图3的绘图可以给出具有作为亮度和频率函数的对灵敏度的最大影响的要素(受体或早期神经回路或晚期神经回路)。应该理解的是，绘图上的这种表示只是可能表示的一个实例。例如，可以为要素而不是噪声制作绘图。此外，在这里以图案格式表示的这种绘图中包含的相关信息可以其他形式表示和存储，例如以一个或多个数学公式、数据表、图表…或用于计算的计算机可存储和/或使用的任何其他形式来表示和存储。
图2和图3的绘图是二维图，因为所用响应模型的要素或相关内部噪声没有被量化。在图4中，绘图是三维图，因为使用的响应模型已经量化了要素，或者目前，主要影响/限制作为亮度和频率的函数的对比度灵敏度的要素的内部噪声(等效输入噪声)的影响。
给出关于视觉测试的先前解释，因为本发明还基于限制对比灵敏度的内部噪声源(更具体地说，主要限制对于给定时空频率和亮度水平的对比灵敏度的噪声源)的先前了解。该先前了解通常是通过对一般或特定的对象群体或参考对象的完全/整体视觉测试并且通过绘图的实施而建立的，该绘图给出了作为亮度强度和空间频率的函数的主导内部噪声源。
更一般地，该先前了解可以以视觉系统的预定响应模型的形式实现，该预定响应模型给出作为亮度和空间或时间频率的函数的主要限制对比度灵敏度视觉信号处理要素或内部噪声。这种预先确定的绘图或响应模型是预先建立在一般或特定的对象群体或参考对象上的，并可以存储在计算机中，并随后用于简化和优化进一步的视觉测试(然后，称为优化视觉测试)，其为诊断或处方目的而在个体/特定对象上实施。
可以从给出了主导内部噪声的这样的预先确定的绘图或响应模型获得许多推断数据。此外，许多进一步的诊断或处方动作可以基于给出主导内部噪声的预定绘图或响应模型来定向和优化。
在进一步视觉测试优化的上下文中，优选地从对一般或特定对象群体或参考对象的测试获得响应模型。
在其他情况下，可以对于特定对象计算响应模型，并且响应模型可以用作对该对象的未来视觉测试的参考和/或还可以简化/优化这些未来的视觉测试，这就是个体化的响应模型。可以有利地从预定响应模型或另一响应模型的调整计算中计算个体化响应模型。
现在描述在处方的情况下使用预定绘图或响应模型的示例。
太阳镜通常用于舒适，尽管当环境不够明亮时，太阳镜会妨碍视觉感知。例如，较低的照度会降低对比度灵敏度。在高亮度强度下，对比度灵敏度与亮度强度无关，因此可以通过降低亮度强度而不降低视觉感受来提高对象的舒适度。但是，如果照度降低过多，则会影响灵敏度。
影响灵敏度的临界明度(brightness)取决于许多环境因素，包括对象在他/她活动中必须视觉化的相关视觉信息的时空频率以及各种个体内部因素，如内部噪声水平。
相关的视觉信息(例如，空间频率、时间频率和偏心度(eccentricity))取决于对象的活动(例如，阅读、驾驶、练习运动)，并且可以包括这些信息来确定亮度强度水平，在该亮度强度水平下，对象对相关视觉信息的灵敏度将受到影响。例如，如果对象的活动需要在相对明亮的环境中低时空频率的可见性，则可以使用高密度滤光器而不影响相关信息的灵敏度。另一方面，如果对象的活动需要在昏暗的环境中看到高时空频率，那么高密度滤光器可能会影响相关信息的灵敏度。
可以注意到，晚期神经噪声是主导内部噪声源的临界亮度强度可能取决于其他变量，如偏心度，在进行目视试验时可将这一点考虑在内：可针对不同的偏心度或方向进行目视试验，或更一般地说，不同的视网膜位置。对于颜色或光谱相同：可以对不同的颜色进行视觉测试。
然后，优选地调整密度滤光器的处方(prescription)，以便为特定的视觉功能和条件选择优化的密度，以增加对象的舒适度并将其视觉灵敏度损失降至最低。
因此，该处方可涉及降低亮度强度的密度滤光器，并且在本发明的上下文中，这是根据对象的灵敏度并以有效的方式来实现的。滤光器可以是有意和无源的。这种方法同样适用于年轻人、中年人和老年人。
由预先确定的绘图可以推断，在灵敏度受晚期神经噪声限制的情况下，对比度灵敏度与亮度强度无关。在这些条件下，例如可以使用密度滤光器来降低亮度强度而不影响对刺激的灵敏度。然后，为了适应对象，可以通过对对象的优化视觉测试来识别灵敏度受晚期神经噪声限制的最低亮度水平，在该最低亮度水平下，灵敏度与亮度强度无关，从而限定在不影响灵敏度或最终最小化灵敏度损失的情况下可以实现的滤光器密度。
优化的视觉测试使用有限的亮度水平范围和频率范围，这归因于给出亮度水平和频率的范围的预先确定的绘图或响应模型，视觉测试正在评估相关要素或其内部噪声。对于密度滤光器的处方，要考虑的相关内部噪声是晚期神经噪声，但是为了更好地适应该处方，要考虑的相关内部噪声是晚期神经噪声和光子或早期噪声，尤其是它们之间的边界。因此，对于密度滤光器的自适应处方，可以使用用于晚期神经噪声的亮度值和频率值的一对，或者更好的是分别用于晚期神经噪声和光子或早期噪声的两对。
此外，视觉测试的范围也可以适应其他参数，如对象的需求。例如，对于适应，优化视觉测试中使用的频率范围也可以根据信息类型(低频或高频)选择，对象必须进行视觉观察，以及预定的绘图或响应模型将给出视觉测试的相关亮度水平，以及与整个视觉测试相比，这仍然是一个有限的范围。
本发明可用于具有不同水平内部噪声的人群的不同部分，并且可以针对特定的人口部分预先建立预定的绘图或响应模型。例如，其影响对比度灵敏度的亮度强度随着年龄的增长而增加，因此优选用根据在老年对象群体上预先建立的预定绘图或响应模型限制的亮度和频率范围或值对老年对象进行优化视觉测试。如果密度滤光器不适应对象，它对老年对象的影响可能大于对年轻对象的影响。
在高时空频率下，灵敏度优化(即，当灵敏度受到晚期神经噪声的限制时)的临界亮度强度更高。因此，如果高时空频率与对象的任务相关，那么亮度强度就不能降低那么多。因此，具有其灵敏度的对象的活动确定了亮度的临界水平，在该水平下，亮度强度优选不下降。例如，对于阅读，高空间频率与相关，而对于播放诸如网球等高动态运动，高时间频率则相关。因此，在这些条件下，环境亮度强度优选地需要相对高，以便在所有时空频率处的限制内部噪声源是晚期神经噪声。例如，亮度强度高于约350Td时，限制噪声源通常是晚期神经噪声，其在很大程度上保持对高时空频率的灵敏度。但对于不需要处理高时空频率的活动，如在海滩上放松、攀岩或徒步旅行，则亮度强度可进一步降低，以提高对象的舒适度。例如，在35Td左右的视网膜照度对低空间和时间频率的灵敏度影响不大。
注意，相关频率的灵敏度受晚期神经噪声限制的临界最小亮度强度可随对象年龄而变化很大，同样，关于对象的优化视觉测试的适应是最可取的。
给定所选的优化视网膜照度，可以创建有源滤光器来保持名明度高于临界明度。视网膜照度取决于环境照度、瞳孔大小和密度滤光器。瞳孔大小需要在目标视网膜照度(例如最后一个实例中是35Td)附近被知晓。这可以根据当前的模型进行经验测量或估计。给定目标视网膜照度附近已知的瞳孔直径，例如3mm，则可以计算目标亮度强度。确实，单位为Td的视网膜照度等于亮度(cd/m2)乘以瞳孔面积(mm2)。因此，如果目标视网膜照度为350Td，瞳孔为3mm，则目标亮度强度为350/(pi*(3/2)2)＝50cd/m2。因此，如果环境的亮度强度为500cd/m2，则对于为350Td的视网膜照度，密度滤光器应阻挡约90％的光。理想情况下，这种方法可以在使得滤光器密度基于环境光的有源滤光器实现。对于无源滤光器，为计算滤光器的密度，需要粗略估计对象活动期间的标准亮度水平。
视觉测试还可以考虑偏心度和视觉方向，并且可以对于不同偏心度和方向评估内部噪声。此外，可以针对不同的偏心度和方向计算预定的绘图或响应模型。然后，可以绘制眼睛的地理(geographical)绘图，为每个角膜区域提供给定亮度和频率的主导内部噪声或这些参数的任何其他表示：区域/角度和亮度和频率以及主导内部噪声/相关要素。
因此，指示作为空间频率和/或时间频率和亮度强度的函数的限值噪声源的噪声绘图也可在不同的偏心度或方向上测量。这些绘图或甚至相应的模型，可以具有任意数量的维度2D、3D……和参考轴，例如作为空间频率、时间频率和亮度强度的函数。其他维度可添加或替换，如偏心度和方向，例如作为偏心度和亮度强度的函数。更一般地度，噪声绘图可以指示作为变化变量的函数(例如，亮度强度、空间频率、时间频率、偏心度、方向、色度……)的限制噪声源，同样情况适用其对应的模型。
由于视锥(cone)密度随偏心度的增大而显著下降，光子噪声水平随偏心度的增大而增大，因此极限噪声源可能随偏心度的变化而变化。因此，临界亮度水平，即，其中晚期神经噪声是主导内部噪声源的最低亮度强度，将随着偏心度和方向而变化。
作为实例，如果对相关频率的性能受到晚期神经噪声限制的临界亮度强度在中心凹处为350Td，在偏心度50度时为100Td，则滤光器的密度可在50度的偏心度时阻挡3.5倍以上的光。因此，滤光器的密度也会随偏心度和方向而变化。
为了降低视网膜照度，可以使用无源或有源滤光器，这些滤光器考虑到对象对视网膜照度的灵敏度，即，灵敏度受到影响的明度，以及与对象相关的视觉信息：静态与动态信息、低对高空时频率。
密度滤光器可以实现在有源眼镜中，该有源眼镜具有例如允许光透射的变化的电致变色透镜，并且还具有亮度传感器。光透射水平优选由亮度传感器控制，以便在特定条件下对象接收到的光通量等于或高于给出优化对比度的最小亮度水平。
因此，该处方旨在表征对象在给定环境中对给定活动的灵敏度，以定义密度滤光器，该密度滤光器将最小化对与对象相关的视觉信息的灵敏度的影响。使用从预定绘图或响应模型获得的信息的优势在于，有限/优化的视觉测试可用于：
-处方(prescribe)个体化到对象的灵敏度的密度滤光器。这项技术优化了给定对象的视觉感知。
-处方适应/个体化到根据对象的需要或活动、阅读、导航、驾驶、运动等的适合/个体化的密度滤光器。滤光器的密度也可以根据对象的需要调整以优化视觉，以优化特定任务的视觉，例如低对高时空频率、中心对外围视觉、低对高亮度强度。
现在描述在诊断的情况下使用预定绘图或响应模型的示例。
诊断可能涉及对给定对象的一个或多个潜在视觉疾病或损害的搜索，或对对象已知疾病或损伤的评估。在这两种情况下，对象的视觉测试都是有限的/优化的，因为归因于从来自预定的绘图或响应模型的主导内部噪声以及由此的影响灵敏度的主要因素的分布中获得了知识，因此搜索和评估集中视觉测试，该视觉测试在有限的亮度或/和频率范围上进行，甚至在仅一对或几对亮度和频率值上进行。
眼睛的视觉受体是视杆(rod)和视锥，以及它们在角膜中具有不同的功能和再分配。
可以估计视锥吸收率。
光子噪声测量是由于光受体对光子的随机吸收引起的。因此，光子噪声的测量可以作为光子吸收率水平的指示，而光子吸收率水平取决于光受体的密度和吸收效率。通过使用不同波长测量光子噪声，可以测量不同光受体类型、三种类型的视锥和视杆的吸收率。顺便而言，该信息可用于确定滤光器的色度，以便在处方的情况下最小化其对灵敏度的影响。
对于下和/或上视野，光受体密度也可以作为偏心度和方向的函数来估计。例如，周知，眼锥密度随偏心度而下降，因此光子噪声随视网膜位置而变化。顺便而言，这可以在处方的情况下作为视网膜位置的函数调整滤光密度的指示，例如，下视场和上视野的不同滤光器密度梯度。
更一般地说，由于测量光子噪声反映了吸收率，它是一种病理状态的指示。例如，年龄相关性黄斑变性会影响光受体：中心凹处较高的光子噪声可能指示着这种疾病的开始。此外，其他一些病理状态些许影响周边视锥，并与周边较高的光子噪声有关。为了检查这种/那些条件而实施的视觉测试是在有限的亮度水平和频率范围内进行优化的，因为评估了特定的要素，在这种情况下，光受体及其内部噪声，即光子噪声。从预先确定的映射图或响应模型可以推断出，通过优化的视觉测试，光受体可以在限定的限制亮度水平和频率范围内进行评估。
然后，可以通过需要更少的时间和更少的麻烦的优化的测试来检测降低的光受体密度或效率。
同样，光子噪声的水平是光受体吸收的光子数量的间接测量。如果光受体的密度下降或光受体在吸收光子方面变得欠有效，则测量到的光子噪声将增加。例如，研究发现，年龄在70岁左右的对象为25岁左右的年轻对象的光子噪声的约4倍，这表明他们的感光器吸收的光子少了3/4倍。光受体的密度及其效率可以通过优化的视觉测试来评估，该测试仅使用高波长(即，红色刺激)和人工瞳孔来测量光子噪声，从而消除了眼睛晶状体变黄和瞳孔缩小(myosis)的影响。
在这些条件下，人们发现年长的对象比年轻的对象吸收的光子少3/4倍，这表明老年对象的光受体较少，或者他们的光受体效率较低。因此，光子噪声的测量可用于检测光受体水平上的生理改变，例如健康老化，并由此检测发展中的病理，例如影响中央视觉光受体的ARMD，或影响中央视觉光受体和光透射的黄斑水肿，或影响周边视网膜的其他疾病。在这种情况下，预定的绘图或响应模型也可以作为参考，以便与来自优化视觉测试的测量的光子噪声进行比较。
确实，影响光受体的病理学将影响光子吸收率，从而影响光子噪声的水平。例如，年龄相关性黄斑变性主要影响中心视觉的光受体，而视网膜色素变性则影响周边中的光受体。通过测量中枢和周边视觉中的光子噪声，并将这些水平与健康人群的标准基线进行比较，可以得出潜在疾病的指示。患者的中心视觉光子噪声大于基线值，则表明中心视觉的光受体存在问题，例如ARMD。相反，只有在周边出现异常高光子噪声的患者可能是视网膜色素变性的指示。
为了有效地评估注视(fixation)时的光子噪声水平，在已知光子噪声是主要内部噪声源的条件下，需要测量对比度灵敏度，优选使用具有和不具有外部噪声的简化对比度阈值评估，例如，优化视觉测试，只有一对的时间频率值(2赫兹)和亮度强度(3Td)。为了外围测量光子噪声，例如50度的偏心度，可以使用类似的方法，但对象注视远离要检测的刺激的注视点。
视觉系统中除光受体以外的其他要素也可以被探索，特别是受体后视网膜疾病。
有些疾病可以影响视网膜处理，而不是在光受体水平，例如青光眼。这种疾病预计会影响早期神经噪声。因此，测量出近端神经回路的早期神经噪声水平大于标准健康基线可以作为某些视网膜疾病的指示。
为了有效地测量早期神经噪声的水平，在已知早期神经噪声是主导内部噪声源的条件下，需要测量对比度灵敏度，优选使用具有和不具有外部噪声的简化对比度阈值评估，例如，优化视觉测试，仅具有一对的时间频率值(15Hz)和亮度强度(100Td)。
还可以探索视觉系统的其他要素，例如检测神经系统疾病。在这种情况下，晚期神经噪声可能是某些影响神经处理的疾病的指示，例如痴呆症、自闭症、精神分裂症，或一些精神活性药物，如酒精、大麻、可卡因，由于中毒或大脑功能的长期改变而影响神经处理。因此，测量到远端神经回路中高于正常值的晚期神经噪声可用于临床寻找潜在的神经系统疾病。在这种情况下，聚焦于晚期神经噪声的优化视觉测试可以以与先前用于视觉系统的其他要素的方式相同的方式实现。
正如已经看到的，用于测量给定时空频率和给定亮度水平的内部噪声水平的简化对比度阈值评估只需要两个测量：无噪声和高噪声下的对比度阈值，以估计曲线的平坦/常数和上升渐近线部分，然后利用建模该曲线的预先确定的灵敏度模型，计算等效输入噪声。这种对对比度阈值的简化评估本身就可以大大赢得时间。由此，使用这种简化的对比度阈值评估来测量整个视觉测试中时空频率和亮度强度完全范围内的内部噪声的影响，可以首先减少所花费的时间。然而，通过本发明，通过优化的视觉测试，可以通过限制测试的频率和亮度的范围或对来赢得更多的时间。为该目的，使用在先前时间制作的视觉系统的预定响应模型。选择应评估的要素或内部噪声。该要素或它的内部噪声基本上是根据表征的目标来选择的：处方或诊断所涉及的要素。有限/优化的视觉测试是在由该要素或内部噪声的预定响应模型给出的频率和亮度的有限变化范围内进行的，或者甚至限制为一对或几对频率和亮度值。
这种方法可以在程序控制下在具有计算装置的装置中实现。估计内部噪声水平所需的装置是能够在包括亮度强度、时空频率、偏心度、颜色范围和外部噪声水平的各种参数下测量对比度灵敏度的装置。为了测量对比度灵敏度，这种装置将以视觉图案的形式向对象呈现一些刺激，例如给定时空频率、偏心度和亮度的Gabor斑片(patch)，需要对象做出判断，例如Gabor斑片垂直或水平定向。
为了操纵图案的频率，显示器可与装置一起使用，例如，计算机屏幕。该显示可以是静态或动态显示。此外，需要以视网膜照度(例如，特罗兰)量化亮度强，这取决于显示亮度强度和瞳孔大小。理想地，该装置能够自动测量瞳孔大小，从而有效地控制视网膜照度。备选地，可以将小于对象瞳孔的具有已知固定直径(例如2mm)的人工瞳孔放在对象瞳孔的前面。另一种可能是，瞳孔大小是手动测量或自动测量，以及利用该信息来计算视网膜照度。计算机屏幕可以是能够显示视觉图案和附加可变噪声的有源眼镜。

Claims (16)

1.用于使用对象的视觉系统的对比度灵敏度的测量来表征所述对象的所述视觉系统的方法，该视觉系统包括视觉信号处理要素，每个视觉信号处理要素具有对所述对象的所述视觉系统的所述对比度灵敏度的影响，
其中，执行视觉测试，在所述视觉测试中，向所述对象示出具有不同时空频率和具有变化亮度水平以及具有所述视觉图案的变化的视觉退化水平的视觉图案，以测量所述对象的所述对比度灵敏度，
其中，基于所述视觉信号处理要素的确定预先建立视觉系统的预定响应模型，该视觉信号处理要素主要限制对于亮度和时空频率的每个值的所述对比度灵敏度，所述预定响应模型将主要限制所述对比度灵敏度的所述视觉信号处理要素与所述亮度和所述时空频率相关联，
其中，选择所述视觉信号处理要素中的至少一个以便被研究，
其中，对所述对象的所述视觉系统进行至少一个视觉测试，所述视觉测试根据至少一个选择的视觉信号处理要素进行优化，在优化的视觉测试期间，所述亮度水平和时空频率的所述变化被限制在其中所述预定响应模型定位在限制所述对比度灵敏度时占主导的所述视觉信号处理要素的亮度范围和空间频率范围内。
2.根据权利要求1所述的方法，其中所述亮度和时空频率的范围进一步被限制为在所进行的视觉测试中使用的亮度和频率的一对或一组亮度和频率的对。
3.根据权利要求1或2所述的方法，其中通过对所述视觉图案施加外部噪声来获得所述视觉图案的视觉退化，
其中，每个视觉信号处理要素对所述对比度灵敏度的影响被量化为所述视觉信号处理要素的等效输入噪声值，
其中，所述预定响应模型将主要限制所述对比度灵敏度的所述视觉信号处理要素的所述等效输入噪声与所述亮度和所述时空频率相关联。
4.根据权利要求3所述的方法，其中，选择三个视觉信号处理要素，每个要素都分别被其内部噪声，光子噪声、早期神经噪声和晚期神经噪声，所索引，
其中，在所述视觉测试期间，通过在对比度阈值评估期间变化所述外部噪声来评估每个视觉信号处理要素的所述等效输入噪声。
5.根据权利要求4所述的方法，其中所述对比度阈值评估是总体评估，其中，对于给定的亮度和给定的频率，在所述外部噪声的变化期间，对于外部噪声水平的完全范围测量所述对象的所述对比度灵敏度。
6.根据权利要求4所述的方法，其中所述对比度阈值评估是简化评估，其中，对于给定的亮度和给定的时空频率，仅针对低或零值/零水平的外部噪声和高水平的外部噪声这两个水平的外部噪声测量所述对比度灵敏度以给出两个测量，对于所述低或零值/零水平的外部噪声，所述外部噪声对所述对比度灵敏度具有可忽略的影响，对于所述高水平的外部噪声，所述外部噪声通过自身减少而对所述对比度灵敏度具有相当大的影响，其中，预先建立与将所述对比度灵敏度与所述外部噪声相关联的预定灵敏度模型，其中通过将所述两个测量应用于所述预定灵敏度模型来计算所述等效输入噪声。
7.根据权利要求5或6所述的方法，其中，将所述视觉测试的所述结果或基于所述视觉测试的所述结果构建的个体化响应模型的结果与所述预定响应模型或另一响应模型进行比较。
8.根据权利要求5至7中任一项所述的方法，其中所述视觉测试的所述结果用于向所述对象调整所述预定响应模型以产生个体化响应模型。
9.根据结合权利要求4时的前述权利要求中任一项所述的方法，其中所述预定响应模型和在生成所述个体化响应模型的情况下的所述个体化响应模型被表示在图表上，所述图表将主导限制灵敏度的视觉信号处理要素或其内部噪声表示为至少从下列中选择的至少一个参数的函数：所述亮度水平、所述空间频率、所述时间频率、所述偏心度、所述方向、所述颜色、所述光谱。
10.根据前述权利要求中任一项所述的方法，其中进行多个表征，每个表征针对特定的颜色范围或光谱进行。
11.根据前述权利要求中任一权利要求所述的方法，其中进行多个表征，每个表征针对所述视觉的特定偏心度进行。
12.根据结合权利要求3时的前述权利要求中任一项所述的方法，其中，计算旨在降低所述对象的所述视觉系统接收到的所述亮度强度的密度滤光器的特性，所述密度滤光器的所述特性是光衰减的值并是优化视觉测试的结果的函数，所述优化视觉检测研究所述视觉信号处理要素中的至少两个，所述至少两个中的一个是所述晚期神经噪声的源。
13.根据权利要求12所述的方法，其中所述密度滤光器的所述光衰减被选择为：
静态且等于光衰减的计算值，或
可变的，所述密度滤光器是可变密度滤光器。
14.根据前述权利要求12至13中任一项所述的方法，其中所述光衰减的计算值也是与所述对象相关的特性的函数，所述特性至少是所述对象的期望活动，对象的要求不同对比度灵敏度的可能活动。
15.根据前述权利要求中任一项所述的方法，其中所述表征是通过具有显示视觉图案的显示器的计算机化系统来进行的，并且其中，将所述视觉测试的所述结果与警告阈值进行比较，以及当结果超过其相关的警告阈值时，所述计算机化系统发出警告。
16.用于使用对象的视觉系统的对比度灵敏度的测量来表征所述对象的所述视觉系统的系统，其被专门配置为执行根据前述权利要求中任一项所述的方法，其中所述系统是计算机化系统，其具有显示视觉图案的显示器和输入视觉测试的结果的装置，其中，所述系统被配置成将所述视觉测试的所述结果与警告阈值进行比较，并在所述结果超过其相关警告阈值时发出警告。
CN201980022078.4A 2018-03-30 2019-03-28 用于表征物体视觉系统的方法和系统 Active CN111918601B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP18305379.2A EP3545816B1 (en) 2018-03-30 2018-03-30 Method and system for characterizing the visual system of a subject
EP18305379.2 2018-03-30
PCT/EP2019/057963 WO2019185854A1 (en) 2018-03-30 2019-03-28 Method and system for characterizing the visual system of a subject

Publications (2)

Publication Number Publication Date
CN111918601A true CN111918601A (zh) 2020-11-10
CN111918601B CN111918601B (zh) 2023-09-15

Family

ID=62017283

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980022078.4A Active CN111918601B (zh) 2018-03-30 2019-03-28 用于表征物体视觉系统的方法和系统

Country Status (4)

Country Link
US (1) US11857254B2 (zh)
EP (1) EP3545816B1 (zh)
CN (1) CN111918601B (zh)
WO (1) WO2019185854A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112839181A (zh) * 2020-12-30 2021-05-25 上海掌门科技有限公司 一种用于生成高动态范围图像的方法与设备
CN114967125A (zh) * 2022-06-15 2022-08-30 东南大学 一种基于空间光场和色彩的显示亮暗感受的表征方法
CN116035523A (zh) * 2023-03-28 2023-05-02 之江实验室 视觉对比敏感度检测方法、装置和电子设备

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0228936A1 (fr) * 1985-12-05 1987-07-15 ETAT-FRANCAIS représenté par le DELEGUE GENERAL POUR L'ARMEMENT (DPAG) Dispositif de correction de la dynamique de sortie d'un processeur graphique pour l'étude du contraste de luminance
JPH0997333A (ja) * 1995-07-25 1997-04-08 Toyota Central Res & Dev Lab Inc 画像処理装置
JP2003169273A (ja) * 2001-09-18 2003-06-13 Sony Corp 強度変調方法及びシステム並びに光量変調装置
US20100007851A1 (en) * 2008-05-09 2010-01-14 Usc Stevens, University Of Southern California Methods and Devices for Rapid Measurement of Visual Sensitivity
JP2012037418A (ja) * 2010-08-09 2012-02-23 Asmo Co Ltd 視界情報取得方法、及び視界情報取得装置
WO2013170091A1 (en) * 2012-05-09 2013-11-14 The Schepens Eye Research Institute, Inc. Rapid measurement of visual sensitivity
WO2015173605A1 (en) * 2014-05-12 2015-11-19 Essilor International (Compagnie Generale D'optique) Systems and methods for providing high resolution corrective ophthalmic lenses
WO2017070445A1 (en) * 2015-10-23 2017-04-27 University Of Pittsburgh-Of The Commonwealth System Of Higher Education Methods of treatment of rhabdomyolysis
US20170273553A1 (en) * 2016-03-23 2017-09-28 Johnson & Johnson Vision Care, Inc. System and method for the rapid measurement of the visual contrast sensitivity function

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0228936A1 (fr) * 1985-12-05 1987-07-15 ETAT-FRANCAIS représenté par le DELEGUE GENERAL POUR L'ARMEMENT (DPAG) Dispositif de correction de la dynamique de sortie d'un processeur graphique pour l'étude du contraste de luminance
JPH0997333A (ja) * 1995-07-25 1997-04-08 Toyota Central Res & Dev Lab Inc 画像処理装置
JP2003169273A (ja) * 2001-09-18 2003-06-13 Sony Corp 強度変調方法及びシステム並びに光量変調装置
US20100007851A1 (en) * 2008-05-09 2010-01-14 Usc Stevens, University Of Southern California Methods and Devices for Rapid Measurement of Visual Sensitivity
JP2012037418A (ja) * 2010-08-09 2012-02-23 Asmo Co Ltd 視界情報取得方法、及び視界情報取得装置
WO2013170091A1 (en) * 2012-05-09 2013-11-14 The Schepens Eye Research Institute, Inc. Rapid measurement of visual sensitivity
WO2015173605A1 (en) * 2014-05-12 2015-11-19 Essilor International (Compagnie Generale D'optique) Systems and methods for providing high resolution corrective ophthalmic lenses
WO2017070445A1 (en) * 2015-10-23 2017-04-27 University Of Pittsburgh-Of The Commonwealth System Of Higher Education Methods of treatment of rhabdomyolysis
US20170273553A1 (en) * 2016-03-23 2017-09-28 Johnson & Johnson Vision Care, Inc. System and method for the rapid measurement of the visual contrast sensitivity function

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112839181A (zh) * 2020-12-30 2021-05-25 上海掌门科技有限公司 一种用于生成高动态范围图像的方法与设备
CN112839181B (zh) * 2020-12-30 2022-10-11 上海掌门科技有限公司 一种用于生成高动态范围图像的方法与设备
CN114967125A (zh) * 2022-06-15 2022-08-30 东南大学 一种基于空间光场和色彩的显示亮暗感受的表征方法
CN114967125B (zh) * 2022-06-15 2024-01-05 东南大学 一种基于空间光场和色彩的显示亮暗感受的表征方法
CN116035523A (zh) * 2023-03-28 2023-05-02 之江实验室 视觉对比敏感度检测方法、装置和电子设备

Also Published As

Publication number Publication date
CN111918601B (zh) 2023-09-15
US20210093182A1 (en) 2021-04-01
EP3545816B1 (en) 2020-09-23
WO2019185854A1 (en) 2019-10-03
EP3545816A1 (en) 2019-10-02
US11857254B2 (en) 2024-01-02

Similar Documents

Publication Publication Date Title
Hamedani et al. Visual discomfort and glare assessment in office environments: A review of light-induced physiological and perceptual responses
US20230050368A1 (en) Method for determining a filter for an ophthalmic lens and ophthalmic lens comprising such a filter
CA2745486C (en) Pupillary assessment method and apparatus
AU2017263133B2 (en) Method for determining a filter for an ophthalmic lens as a function of a quantity representing a dynamic sensitivity of the eye of a wearer to a variation in a luminous flux
CN111918601B (zh) 用于表征物体视觉系统的方法和系统
US20150133811A1 (en) Method for assessing spectacle lens by evoked activity in visual cortex of brain or the like, and method for designing spectacle lens using said method for assessment
US20190269315A1 (en) Systems and methods for measuring visual function maps
US8721082B2 (en) Characterization of a perception of blur
Makous et al. Retinal microscotomas revealed with adaptive-optics microflashes
Reiniger et al. Habitual higher order aberrations affect Landolt but not Vernier acuity
Jarvis et al. Mechanistic modeling of vertebrate spatial contrast sensitivity and acuity at low luminance
JP7239484B2 (ja) 瞳孔周波数タグ付けに基づく哺乳類被験体による色知覚のバイオマーカー
US20170325677A1 (en) Instrument and Method for Visual Field Examination
Franssen et al. Modulation depth threshold in the compensation comparison approach
JP5955349B2 (ja) 分析方法
Mantiuk et al. Human vision model including age dependencies
KR20230049657A (ko) 피험자의 불쾌 및/또는 불능 눈부심을 평가하기 위한 디바이스 및 방법
JP2024521171A (ja) 対象者の眼屈折の最適補正を客観的に判定するための方法及び装置
Jia A study of mechanisms for discomfort glare

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant