A real-time image optimization strategy based on global saliency detection for artificial retinal prostheses

پروتئین فعلی شبکیه تنها می تواند تشخیص بصری با وضوح پایین ایجاد کند که شامل فسفن های نامناسب است که توسط تعداد محدودی از الکترودهای تحریک کننده و با رنگ غضبتی و غلطک خاکستری محدود شده است. خوشبختانه، برای بیشتر پروتئین شبکیه، یک دوربین خارجی و یک واحد پردازش تصویر برای اجزای ضروری استفاده می شود و پردازش تصویر را قادر می سازد تا بصیرت را برای گیرندگان بهبود بخشد. در حال حاضر، مطالعات متعددی انجام شده است که از الگوریتم های پردازش تصویری پیچیده ای برای بهبود تصور بینایی پروتز استفاده می کنند. با این حال، اکثر آنها نمی توانند به علت پیچیدگی الگوریتم ها و محدودیت قدرت پردازش پلت فرم پردازش در زمان واقعی را انجام دهند. این عمدتا کاربرد عملی این الگوریتم ها را بر روی پروتز شبکیه محدود می کند. در این مطالعه، ما یک استراتژی پردازش تصویر در زمان واقعی را بر اساس یک الگوریتم جدید برای تشخیص و افزایش موارد پیش زمینه در یک صحنه پیشنهاد می کنیم. نتایج نشان می دهد با تایید انجام دو وظیفه بصری هماهنگی چشم و دست که در زیر چشم انداز مصنوعی شبیه سازی شده است، استراتژی پیشنهادی ما دارای مزایای قابل توجهی از نظر دقت، کارایی و محدوده حرکت سر است. هدف این مطالعه، کمک به توسعه ماژول های پردازش تصویر در پروتز شبکیه است، و امید است که به نفع بیشتر برای دریافت کنندگان پروتز باشد.