《Frontiers in Cell and Developmental Biology》：Research on an elderly low-vision field-aid system based on augmented reality
编辑推荐：
引言：全球人口正在迅速老龄化。老年低视力（low vision）已日益常见。该状况严重影响其生活质量。本研究旨在开发一种面向老年人的低视力视野辅助系统。该系统基于增强现实（augmented reality, AR），旨在解决该人群的视野缺损（visual f
引言：全球人口正在迅速老龄化。老年低视力（low vision）已日益常见。该状况严重影响其生活质量。本研究旨在开发一种面向老年人的低视力视野辅助系统。该系统基于增强现实（augmented reality, AR），旨在解决该人群的视野缺损（visual field deficiency）问题。方法：所提出的系统整合了若干关键技术，包括临床视野诊断辅助（clinical field diagnosis assistance）、基于AR的视野扩展（AR-based field expansion）、精准视野检测（precise field detection）、个性化视野补偿（personalized field compensation）和智能环境感知（intelligent environmental perception）。研究涵盖系统设计、核心技术实现、实验验证与性能评估。结果：进行了实验验证与性能评估。结果表明，该系统能有效扩展视野，增强环境感知，并提高老年低视力使用者的行动安全（mobility safety）。系统基于个体视野缺损图（individual field defect maps）实现个性化视野补偿，并在多种环境条件下表现稳定。结论：该基于AR的视野辅助系统为老年低视力康复提供了一种创新技术方案。该系统有潜力显著改善视觉功能，并提升日常生活安全。
基于增强现实（AR）的老年低视力视野辅助系统论文解读
一、研究背景与问题
随着全球老龄化加速，老年人视力退化问题日益严重，主要 blinding diseases 包括糖尿病视网膜病变（diabetic retinopathy）、青光眼（glaucoma）、年龄相关性黄斑变性（age-related macular degeneration）和视网膜血管疾病（retinal vascular diseases）。老年低视力（low vision）已成为重大公共卫生挑战。世界卫生组织（World Health Organization, WHO）预测，到2050年全球60岁及以上人口将达到20亿。国际疾病分类第10版（International Classification of Diseases, ICD-10）将低视力定义为较好眼视力在6/18至3/60之间，视野在20°至30°之间。该状况严重限制阅读、书写、看电视和使用电子设备等日常活动，降低独立生活能力，并增加家庭照护负担和社会经济成本。
传统低视力辅助设备主要提供角放大，放大物体感知大小并缩短感知视距，包括放大镜等光学装置。它们可增强视觉功能，但效果有限，存在明显缺陷：放大镜视野狭窄，多数设备功能单一，难以满足老年低视力患者在复杂变化环境中的多样视觉需求。传统康复方法还缺乏个性化适配、实时环境感知和危险预警能力，不能很好解决视野缺损和日常安全风险。因此，亟需开发更先进、智能的低视力康复技术。近年来，增强现实（augmented reality, AR）发展迅速，在医疗保健、眼科诊疗、手术导航、医学教育和康复训练中展现应用潜力。将AR引入低视力康复，有望克服传统辅助设备的技术限制，提供更智能、个性化的视觉辅助方案。因此，研究人员设计并开发基于AR的老年低视力视野辅助系统，核心目标是解决老年低视力患者的视野缺损问题。
二、研究人员开展的研究与主要意义
研究人员构建的系统整合两大部分功能：临床视野诊断辅助和基于AR的视野扩展。系统旨在增强患者视觉感知能力，并改善环境安全。研究意义包括：为老年低视力康复提供创新技术路径，有望显著改善生活质量；促进AR在康复医学中的深度融合及实际应用；为相关产品开发提供理论支持，为政策制定提供技术参考，并响应应对人口老龄化的国家战略。
三、主要关键技术方法
研究采用摄像头、处理单元和AR显示输出架构；处理单元可嵌入或由智能手机等伴随设备承担。视野检测采用中央十字注视、点阵随机闪烁、按键响应和语音提示，并以 α=arctan(X/D)、β=arctan(Y/D) 计算水平与垂直视角。正常视野显示将摄像头视频按比例缩放后叠加至患者实际视野内。系统采用UVC（USB video class）图像采集、USB热插拔、H.264/H.265硬件编码、XREAL SDK和九宫格投影。实验招募20名参与者，均为健康参与者，通过物理遮挡模拟视野缺损，非真实患者队列；并用Starfield Flicker Perimeter进行视野测量。
四、研究结果
3.1 视野检测的实现与结果
研究人员基于人眼视野角度和视觉感知分布，利用空间几何生成多象限、高密度、均匀分布的点阵云，覆盖中心30°（视野±30°），角分辨率为5°。系统采用轻量移动架构，以Android为应用环境，AR眼镜用于视觉呈现，形成智能手机控制、AR眼镜显示的协作模式。该设计克服传统视野计的空间限制，支持门诊、病房和体检中心等场景使用。软件采用低延迟数据传输和实时响应技术，实现光刺激触发与用户标记的毫秒级同步；采用模块化编程和分层架构，提高稳定性与兼容性。系统提供数据统计和象限分析，自动分类、计算并可视化检查数据，通过图形显示视野缺损；同时采用安全数据加密和本地存储，保护患者隐私。用户界面遵循医学软件简单易用原则，操作逻辑符合医护人员工作习惯。系统提供信息录入页面，记录受试者姓名、性别、年龄和电子邮箱，并可存储于下拉控件中管理；结果以坐标图形方式简化显示。
3.2 数据处理与视野分析
研究人员开发了视野数据采集与分析系统，连接视野检查设备，实时收集患者检查报告数据，获取视野检查结果并存储于服务器；随后分析报告，准确判断患者视野范围并进行专门分析。受试者按屏幕指示完成视野检查，系统同时记录反应信息，用于统计分析和后续图形可视化。检查模式包括左眼、右眼和双眼。左眼测试时遮盖右眼，左眼直视前方；看到闪烁星标记时按响应按钮。右眼测试时遮盖左眼，右眼直视前方；看到闪烁星标记时按键。双眼测试时双眼直视前方，看到闪烁星标记时按键。检查项目可单项或多项进行，界面标记已完成项目，用户可选择未测项目或直接提交。提交后显示全部结果，未测项目结果字段为空，已完成项目显示结果；点击结果项可打开详细视图。结果以四象限矩阵显示，记录点赋值为1，表示受试者看见该点；未记录点赋值为0；这些二值（0和1）用于视野缺损分析、数据处理和视觉损伤评估。
3.3 视野扩展功能的实现与演示
该模块主要任务包括高效捕获外部视觉场景、跨设备传输，以及在AR端进行空间整合显示。系统建立“摄像头-智能手机-XREAL眼镜”架构的传输链，实现低延迟闭环，将物理世界视觉数据传输至AR空间。系统处理基于UVC的图像捕获、USB热插拔和底层驱动适配。在Android端，系统深度整合USB Host API与开源UVC驱动框架，克服Android对非标准摄像头权限的限制，支持符合UVC规范的摄像头即插即用。研究人员设计动态USB设备广播接收器，监测 ACTION_USB_DEVICE_ATTACHED 和 ACTION_USB_DEVICE_DETACHED 事件，实现毫秒级热插拔响应和自动重连。端点配置用于底层摄像头控制，包括动态分辨率切换、帧率调整和曝光补偿。对于高分辨率视频流，采用内存映射技术，从USB等时传输端点直接读取数据，避免JVM（Java Virtual Machine）堆内存复制开销，从而显著降低CPU占用和采集延迟。
3.4 跨设备链路协作与协议转发
智能手机既作为计算中心，也作为路由节点。它缓冲并封装来自UVC的原始或编码视频流。为优化网络传输，系统采用H.264或H.265硬件编码，实现轻量视频压缩，减少传输所需带宽。利用官方XREAL SDK，在智能手机与AR眼镜之间建立有线通信通道。封装后的视频流被转换为匹配XREAL平台渲染输入规格的格式，确保智能手机与AR设备之间的时序同步和低误码率传输。基于视野检查结果，患者可将全景视频内容以九宫格布局投影到视野完整区域。默认情况下，投影补充视觉内容显示在界面左上区域。
3.5 实验与分析
该实验旨在定量评价AR系统在视野缺损测量和功能性视野扩展中的实际效果，确保实验结果的可靠性和可重复性。
3.5.1 视野缺损的模拟
视野缺损模拟通过在XREAL AR眼镜曲面镜（combiner）内表面放置物理遮挡实现。该方法基于光学原理：曲面镜是虚拟显示图像汇聚并进入眼睛的最终光学界面。通过在该表面附着特定形状的不透明材料，可精确阻挡显示对应区域的光线，从而在用户感知视野中产生明确的暗点（scotoma）。由于遮挡直接置于光路中且非常靠近眼睛，它形成清晰稳定的缺损边界，有效模拟真实视网膜或神经性视野损失的感知体验。
3.5.2 视野缺损测量与定量表征
为建立模拟视野缺损的定量基线，研究人员采用定制化视野计——Starfield Flicker Perimeter进行精确视野测量。以右眼颞下象限完全缺损模拟为代表，实验配置为：在AR眼镜combiner右下区域施加物理遮挡，标准测试板置于距参与者1.5 m处。测试板含25个红色刺激点，均匀分布于四个象限，每象限6个点，加1个中心注视点，用于评估右眼单眼视野完整性。每个刺激呈现300 ms，随机刺激间隔1.5–2.5 s，以防预期反应；根据反应时间，每名参与者总测试时长约3–5 min。响应阈值定义为参与者能在刺激开始后1.5 s内按下手持按钮；超出该窗口的反应记为遗漏。戴上测试装置后，参与者有效视野在右下象限出现清晰分界暗点。视野计评估产生缺陷边界的高分辨率空间映射，可定量表征诱导的视野损失。结果显示：第1象限（右上）仅 Y=1,2 与 X=1,2,3 区域可见，Y≥3 且 X≥4 区域缺乏有效数据并被归为缺损；第2象限（左上）和第3象限（左下）在所有指定测试点均表现完整感知，但更周边区域无有效数据；第4象限（右下）所有测试点均为完全暗点，整个象限归为绝对缺损区。定量表征显示，整个下方半视野存在50°完全缺损，上方半视野仅在向上20°、向侧30°的限制矩形区内保留视觉。该缺损模式与右眼下方性偏盲（inferior altitudinal hemianopia）一致，通常与上枕叶视觉皮层病变相关，并缺乏生理性双眼补偿。
3.5.3 视野扩展与补偿验证
上述结果表明，视野计可准确识别并定量表征诱导的视野缺损。随后，将视野扩展系统连接至AR眼镜。系统首先通过摄像头捕获显示正常视野范围的视频，再根据参与者测得的视野，将视频按比例缩放并呈现在参与者实际可见视野内。通过调整视频大小和位置，该方法有效显示完整正常视野信息，同时避免过度遮挡参与者剩余视力。补偿后评估显示，整个视觉场景可在参与者功能性视野内清晰感知，从而实现有效视野扩展的目标。
3.5.4 跨缺损类型的综合实验验证
研究人员招募20名参与者。实验采用临床常见模拟视野缺损，包括管状视野（tubular vision）、同向性（右侧）偏盲（homonymous (right-sided) hemianopia）和中心暗点（central scotoma）。管状视野通过在combiner上放置带中央孔的不透明圆形掩模，阻断全部周边显示，仅留中央小窗口透光，复制管状视野的严重周边视野收缩。同向性（右侧）偏盲通过在每眼镜片combiner表面覆盖不透明膜完全遮挡右半部分，同时阻断双眼显示右半视野信息，准确模拟右侧同向性偏盲。中心暗点通过在combiner上粘贴居中的小不透明点，遮蔽显示中央区域而保留周边可见，模拟中央视力受损而周边视力完整的中心暗点。通过将精确形状遮挡置于曲面镜上，系统可靠反复建立受限视觉输入的基线条件，作为受控“缺损”状态，与AR系统补偿投影策略比较。每名参与者均接受三类视野损失模拟测试。实验第一阶段，所有参与者在视觉遮挡下完成1.5 m范围内标识可见性测试。参与者需保持注视正前方中央十字，确保眼位稳定。标识上的刺激点以随机时间间隔短暂变亮或闪烁。参与者清晰感知刺激时按手持按钮确认检测；若标识不可见则不操作。系统记录所有感知刺激的空间坐标，并计算相对于参与者眼中心的水平与垂直视角，从而构建每名参与者视野缺损区域的精确地图，为后续个性化补偿提供基线数据。完成基线测试后，参与者佩戴精确校准的AR眼镜并连接智能视觉补偿系统，重复相同标识可见性测试，重点观察AR系统能否从先前不可见周边区域提取有用视觉信息，并以压缩或重映射形式叠加到参与者功能性视野内。结果显示，对于三类模拟视野缺损，当补偿视觉信息投影到非可见（缺损）区域时，测试标识不可见；相反，当信息重映射并投影到参与者完整可见区域时，标识变得清晰可感知。该前后对比实验设计直观证明系统的临床有效性，并提供定量性能评价数据。通过分析不同视野缺损模式下的测试结果，进一步阐明系统在个性化补偿中的核心作用：系统能根据每名参与者独特视野损失模式动态调整视觉增强策略，有效将先前不可达视觉信息转化为残余功能视野内可感知信号，最大程度提高情境意识并减少视野缺损影响。
五、讨论部分总结
研究人员开发了面向老年低视力人群的AR视野辅助系统，因为老年人更易发生年龄相关视力退化，尤其在累积代谢和环境风险因素存在时。既往研究主要关注通过放大改善低视力者视力，但放大技术不能恢复视觉受损者的视野，导致日常生活存在较大危险。该系统检测这一风险因素，并利用AR技术扩展患者视野，实现视力和视野的双重改善，对日常生活更有益。需注意，该设备不适合视力损失极重、几乎无剩余视力者；相反，它特别适合存在局灶性视野缺损（如偏盲、象限盲、管状视野等）而剩余视野正常或仅轻度受损的患者。部分研究利用智能手机和应用为低视力者提供放大和缩放功能，已提供显著帮助；研究人员进一步致力于扩展低视力者视野。患者无需复杂认知判断或操作决策，只需正常佩戴AR眼镜、连接智能手机，并通过点击手机屏幕完成基本操作，然后即可通过自然视觉感知补偿图像。系统有两个主要部分：一部分帮助临床诊断视野问题，另一部分利用AR扩展用户视野，共同形成个性化、多功能视觉辅助。视觉损害还会影响空间意识；由于深度知觉和对比敏感度下降，事故和跌倒风险增加。尽管已有研究提到AR技术用于理解视觉损害，但该研究引入新思路，将AR技术用于构建完整低视力康复系统，结合诊断帮助、视野补偿和安全警报。传统低视力辅助设备常功能单一或技术有限，不能处理复杂或变化的视觉需求。相比之下，该系统利用AR将虚拟信息即时叠加到真实世界，使视野扩展和信息显示更直观。通过整合不同技术，研究超越传统设备限制，为低视力康复创造新方向，具有较强理论价值。系统还能较好处理不同类型视野缺损，并与临床视野诊断工具紧密协作，从中获取每名患者缺损的准确数据，包括缺失区域大小、深度和形状；随后根据个人数据调整AR视野扩展和安全警报。因此，每名用户获得定制化视觉辅助，从旧有“一刀切”方法转向患者特异性方法，使辅助更精准，也为未来智能康复设备提供思路。该研究是跨学科工作，结合眼科学、生物医学工程和计算机科学，将医学机制、临床诊断标准和老年低视力患者康复需求转化为工程需求，并利用先进AR技术，弥合医学理论与工程实践之间的差距。局限包括：硬件性能与便携性方面，当前AR眼镜在尺寸、重量和舒适度上仍需改进，老年用户长时间佩戴可能不适，电池寿命也限制日常使用；未来应使硬件更小、更轻、更节能。用户接受与适应性方面，使用新技术需要学习和适应，部分老年用户可能因认知功能或对新设备的偏好而遇到困难；未来应关注用户界面和用户体验设计，开发更简单直观的交互方法，并提供适当培训和系统测试。长期效果与安全方面，该研究主要聚焦系统设计和基本功能测试，未来需观察系统随时间推移对功能性视力和生活质量的改善，以及是否对眼健康造成伤害或产生心理压力；应开展大规模、多中心、随机对照试验，并监测真实世界中长期使用的可靠性、稳定性和故障率。实验设计与误差分析方面，验证在健康参与者模拟缺损而非真实患者上进行；当前研究未系统量化假阳性或假阴性。根据实验观察，假阴性偶尔发生在参与者分心或长时间测试中注视偏离中央十字时，假阳性少见，但这些观察仍是定性的，需系统量化误差指标以评估系统可靠性。此外，尚未进行正式可靠性测试（如重测信度、组内相关系数），因为该初始技术验证的主要目标是在受控条件下证明可行性和功能有效性。未来工作将招募更大队列，在不同日期进行重测信度分析，计算视野映射和补偿结果的组内相关系数，量化标准化条件下假阳性和假阴性率，并评估不同技师操作时的评分者间可靠性。
六、研究结论翻译
本研究关注一种视野辅助系统。该系统使用增强现实和智能手机，面向老年低视力人群设计。该系统首先进行定制化视觉检查测试，以识别用户的视觉损伤区域。随后，它使用配备智能手机的AR显示器，将外部视觉信息重新映射到患者正常视野区域。实验结果表明，基于AR的补偿技术在三种模拟缺损（圆柱形视野（cylindrical field of view）、同侧弱视（ipsilateral amblyopia）和中心暗点（central scotoma））中持续增强刺激检测能力。补偿后，检测由“不可见”转变为“可见”。这些发现提供定量证据，表明该系统能有效恢复对先前不可见环境信息的感知，并在受控环境中扩展功能性视野。尽管仍有这些剩余步骤，本研究为AR辅助视觉康复建立了实用且基于证据的基础，并为现有低视力辅助工具提供了有前景的补充。
