Predicting the Temporal Dynamics of Prosthetic Vision

这篇摘要讲述了视网膜植入是治疗退行性视网膜疾病的一种有前途的方法。虽然已经开发了许多模型来模拟视觉感知（“光斑”）的外观，但这些模型通常只关注空间特征，或者不能充分捕捉临床试验中观察到的复杂时间动态，这些动态因受试者和刺激条件而异。本文介绍了两个计算模型，旨在准确预测在不同刺激条件下光斑消退和持久性，这些模型在Argus II视网膜假体系统的九位用户报告的行为数据上进行了交叉验证。两个模型都将光斑感知的时间过程分成离散的时间间隔，将光斑消退和持久性分解成正弦或指数成分。我们的频谱模型展示了最先进的光斑强度随时间的预测（在所有参与者中r = 0.7）。总的来说，这项研究为通过改善我们对光斑时间动态的理解来提高假体视觉的效果奠定了基础。

研究如何准确预测视觉感知中的光点消退和持久性，以提高视网膜植入物的效果。

将时间分为离散的间隔，并将光点消退和持久性分解为正弦或指数成分，提出了两种计算模型。

通过交叉验证九名使用Argus II视网膜假体系统的用户的行为数据，展示了两种模型的预测效果。其中，谱模型表现最佳，能够在时间上精确预测光点的强度（r=0.7）。

最近的相关研究包括视网膜植入物的其他应用，如基于视觉皮层的视觉假肢。