摘要本发明公开了一种近视检测方法、系统、装置和介质,应用于近视检测技术领域,方法包括:获取人眼的屈光图像、眼轴长度、眼底视频序列和光学相干断层扫描序列以及用户的基本信息和用眼自述信息作为近视相关数据;对近视相关数据进行特征提取,得到第一特征图、第二特征图、第三特征图和第四特征图;基于第一特征图、第二特征图、第三特征图和第四特征图的特征权重值,对第一特征图、第二特征图、第三特征图和第四特征图进行特征融合,得到特征融合图;根据特征融合图,确定用户的近视发展等级。本发明有效地提高了近视检测的效率和精度,能够达到更佳的近视检测效果,降低了近视的漏诊概率和误诊概率,有利于防控近视。
更多相关知识
专利类型
发明专利
申请/专利号
CN202410214462.7
申请日期
2024-02-27
公开/公告号
CN118000658A
公开/公告日
2024-05-10
主分类号
A61B3/14(2006.01) A A61 A61B A61B3
分类号
A61B3/14(2006.01) G06V10/80(2022.01) G06V10/82(2022.01) A61B3/12(2006.01) A61B3/10(2006.01) A61B3/103(2006.01) A61B3/14 G06V10/80 G06V10/82 A61B3/12 A61B3/10 A61B3/103
申请/专利权人
首都医科大学附属北京同仁医院 清华大学深圳国际研究生院
发明/设计人
学术成果认领
主申请人地址
100001 北京市东城区东交民巷1号
专利代理机构
广州嘉权专利商标事务所有限公司
代理人
叶洁勇
国别省市代码
北京;11
主权项:
1.一种近视检测方法,其特征在于,包括如下步骤: 获取人眼的屈光图像、眼轴长度、眼底视频序列和光学相干断层扫描序列以及用户的基本信息和用眼自述信息作为近视相关数据; 对所述近视相关数据进行特征提取,得到第一特征图、第二特征图、第三特征图和第四特征图; 基于所述第一特征图、所述第二特征图、所述第三特征图和所述第四特征图的特征权重值,对所述第一特征图、所述第二特征图、所述第三特征图和所述第四特征图进行特征融合,得到特征融合图; 根据所述特征融合图,确定用户的近视发展等级。 2.根据权利要求1所述的一种近视检测方法,其特征在于,所述对所述近视相关数据进行特征提取,得到第一特征图、第二特征图、第三特征图和第四特征图,包括: 对所述屈光图像进行特征提取,得到眼球差、眼柱差和眼轴角作为眼球特征,并对所述眼球特征、所述基本信息和所述眼轴长度进行文本拼接处理和特征提取,得到所述第一特征图; 利用第一神经网络模型对所述光学相干断层扫描序列进行卷积降维和特征提取,得到所述第二特征图; 利用第一神经网络模型对所述眼底视频序列进行卷积降维和特征提取,得到所述第三特征图; 利用第二神经网络模型对所述用眼自述信息进行特征提取,得到语音特征向量,并通过全连接层对所述语音特征向量进行处理,得到所述第四特征图。 3.根据权利要求2所述的一种近视检测方法,其特征在于,所述对所述眼球特征、所述基本信息和所述眼轴长度进行文本拼接处理和特征提取,得到所述第一特征图,包括: 将所述基本信息、所述眼轴长度和所述眼球特征按序拼接并存储于向量组中; 通过卷积提取结构对所述向量组进行特征提取,得到所述第一特征图; 其中,所述卷积提取结构包括:顺次连接的第一卷积层、第一池化层、第二卷积层、第二池化层和第三卷积层,所述第一卷积层和所述第二卷积层的后面均设置有激活函数,所述第一卷积层、所述第二卷积层和所述第三卷积层的卷积核均为二维,所述第一池化层为最大池化层,所述第二池化层为平均池化层。 4.根据权利要求2所述的一种近视检测方法,其特征在于,所述第一神经网络模型包括:顺次连接的三维卷积神经网络、第四卷积层、Vision Transformer和第五卷积层; 其中,所述三维卷积神经网络用于对所述眼底视频序列或所述光学相干断层扫描序列进行降维处理,并提取所述眼底视频序列或所述光学相干断层扫描序列当中的低分辨率特征,得到待处理特征图; 所述第四卷积层用于对所述待处理特征图进行线性重映射,得到一维向量; 所述Vision Transformer用于根据所述一维向量进行分类处理,得到类别标签; 所述第五卷积层用于对所述类别标签进行降维处理,得到所述第二特征图或所述第三特征图; 其中,所述第四卷积层的卷积核为三维,所述第五卷积层的卷积核为二维。 5.根据权利要求2所述的一种近视检测方法,其特征在于,所述利用第二神经网络模型对所述用眼自述信息进行特征提取,得到语音特征向量,包括: 利用Bert模型对所述用眼自述信息进行特征提取,得到所述语音特征向量。 6.根据权利要求2所述的一种近视检测方法,其特征在于,所述基于所述第一特征图、所述第二特征图、所述第三特征图和所述第四特征图的特征权重值,对所述第一特征图、所述第二特征图、所述第三特征图和所述第四特征图进行特征融合,得到特征融合图,包括: 确定特征融合图的像素尺寸,并获取所述第一特征图、所述第二特征图、所述第三特征图和所述第四特征图的特征权重值; 对于所述特征融合图的每个像素位置,根据所述第一特征图、所述第二特征图、所述第三特征图和所述第四特征图的特征权重值,从所述第一特征图、所述第二特征图、所述第三特征图和所述第四特征图当中确定待替换特征图,将所述特征融合图的像素位置替换为所述待替换特征图的像素位置; 当所述特征融合图的所有像素位置均完成替换时,输出所述特征融合图。 7.根据权利要求1所述的一种近视检测方法,其特征在于,所述根据所述特征融合图,确定用户的近视发展等级,包括: 根据所述特征融合图,通过Softmax函数计算得到用户的近视发展等级。 8.一种近视检测系统,其特征在于,包括: 获取模块,用于获取人眼的屈光图像、眼轴长度、眼底视频序列和光学相干断层扫描序列以及用户的基本信息和用眼自述信息作为近视相关数据; 第一处理模块,用于对所述近视相关数据进行特征提取,得到第一特征图、第二特征图、第三特征图和第四特征图; 第二处理模块,用于基于所述第一特征图、所述第二特征图、所述第三特征图和所述第四特征图的特征权重值,对所述第一特征图、所述第二特征图、所述第三特征图和所述第四特征图进行特征融合,得到特征融合图; 第三处理模块,用于根据所述特征融合图,确定用户的近视发展等级。 9.一种近视检测装置,其特征在于,包括: 至少一个处理器; 至少一个存储器,用于存储至少一个程序; 当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器运行如权利要求1至7中任一项所述的一种近视检测方法。 10.一种计算机存储介质,其中存储有处理器可执行的程序,其特征在于,所述处理器可执行的程序在由处理器执行时用于实现如权利要求1至7中任一项所述的一种近视检测方法。
法律状态
实质审查
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文