光学生物参数预测方法和设备技术

本发明专利技术提供一种光学生物参数预测方法和设备，所述方法包括：获取用户的光学生物测量数据、期望时间和问卷调查数据，所述光学生物测量数据包括所述用户的年龄、光学生物测量时的时间信息和光学生物参数，所述问卷调查数据包括多个能够对眼部构成影响的辅助信息；利用预测模型根据所述光学生物测量数据和问卷调查数据预测所述用户在所述期望时间时的光学生物参数。

Prediction method and equipment of optical biological parameters

【技术实现步骤摘要】
光学生物参数预测方法和设备
本专利技术涉及人工智能医疗数据分析领域，具体涉及一种光学生物参数预测方法和设备。
技术介绍
近视是眼部疾患的一种，是全世界最严重的公共卫生问题之一。特别是近年来，随着各种智能设备的普及，近视在儿童青少年这类好发人群中的发病率在日益增长，它严重危害了儿童和青少年的身心健康，很大程度影响了儿童青少年的学习和生活。目前本领域机构和人员可以通过各种精确的测量手段来十份准确地检测人体的光学生物参数，如眼轴长度、角膜厚度、前房深度等，进而综合判断目前眼球的状态。近年来，也有越来越多的研究投入到对视力或者屈光度的预测中。现有技术，如申请号为2018100240709的中国专利大多是利用过去的视力信息直接预测未来的视力，或者是利用过去的屈光度直接预测未来的屈光度。这一类方法虽然对眼部状态的发展趋势有一定的预测作用，但是如视力值和屈光度这种信息是眼部状态发展结果，而引起人体眼部状态变化的因素有很多，同样的视力不良可能是眼睛的不同部位的变化引起的，所以直接预测视力值或者屈光度的方案所得到的结果准确性不够高，而且不能反映眼睛细节部位的变化情况。
技术实现思路
有鉴于此，本专利技术提供一种光学生物参数预测模型训练方法，包括：获取样本数据及其标签信息，所述样本数据包括光学生物测量数据和问卷调查数据，其中所述光学生物测量数据包括同一被测者两次光学生物测量的时间差、在先一次光学生物测量时的时间信息和光学生物参数、年龄，所述问卷调查数据包括多个能够对眼部构成影响的辅助信息，所述标签信息包括在后一次光学生物测量时的光学生物参数；利用多个所述样本数据及其标签信息对预测模型进行训练，以使所述预测模型根据所述样本数据得到预测的光学生物参数，并根据所述预测的光学生物参数与所述标签信息中的光学生物参数的差距优化自身参数。可选地，所述获取样本数据及其标签信息，包括：在多个光学生物测量记录数据中根据被测者身份信息获取同一被测者的任意两个光学生物测量记录数据；根据所述两个光学生物测量记录数据中的光学生物测量时间信息确定所述时间差，并获取靠前的光学生物测量时间及其对应的光学生物参数、以及靠后的光学生物测量时间对应的光学生物参数。可选地，所述获取样本数据及其标签信息，包括：根据被测者身份信息获取被测者填写的调查问卷，其中包括多个能够对眼部构成影响的问答信息；将所述问答信息转换为能够被预测模型读取的数值。可选地，在获取样本数据及其标签信息之前，包括：根据被测者身份信息获取被测者填写的调查问卷，其中包括多个能够对眼部构成影响的问答信息；根据所述问答信息和预设问答规则确定各个问答信息之间是否存在冲突；剔除存在冲突的调查问卷。可选地，所述预测模型为决策树模型。可选地，利用多个所述样本数据及其标签信息对预测模型进行训练，包括：确定所述决策树模型的超参数的预设值组合，所述超参数包括决策树个数和每棵决策树最多使用的特征个数；分别在所述决策模型使用各个所述组合的情况下，利用所述多个所述样本数据及其标签信息进行训练，以获得性能最优的模型。可选地，所述多个所述样本数据被划分为多份，其中一份被配置为验证集，用于验证所述预测模型的性能，其它份被配置为训练集，用于对所述预测模型进行训练。可选地，所述样本数据还包括性别信息，所述辅助信息包括被测者的父母视力信息、被测者用眼情况信息。本专利技术还提供一种光学生物参数预测方法，包括：获取用户的光学生物测量数据、期望时间和问卷调查数据，所述光学生物测量数据包括所述用户的年龄、光学生物测量时的时间信息和光学生物参数，所述问卷调查数据包括多个能够对眼部构成影响的辅助信息；利用预测模型根据所述光学生物测量数据和问卷调查数据预测所述用户在所述期望时间时的光学生物参数。可选地，所述获取问卷调查数据，包括：获取用户填写的调查问卷，其中包括多个能够对眼部构成影响的问答信息；将所述问答信息转换为能够被预测模型读取的数值。可选地，所述预测模型为决策树模型。可选地，所述光学生物参数包括眼轴长度、角膜厚度、前房深度。相应地，本专利技术还提供一种光学生物参数预测模型训练设备，包括至少一个处理器以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行上述光学生物参数预测模型训练方法。相应地，本专利技术还提供一种光学生物参数预测设备，包括至少一个处理器以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行上述光学生物参数预测方法。根据本专利技术提供的光学生物参数预测模型训练方法及设备，使用大量包括被测者两次光学生物测量的时间差、在先一次光学生物测量时的时间信息和光学生物参数、年龄，以及问卷调查数据的样本数据，以及包括在后一次光学生物测量时的光学生物参数的标签信息对预测模型进行训练，使训练出的预测模型能够根据被测者当前的光学生物测量数据和问卷调查数据预测出该被测者在未来一个时间点的光学生物参数，并且具有较强的鲁棒性和较高的准确性。根据本专利技术提供的光学生物参数预测方法及设备，将用户光学生物测量时的时间信息、光学生物参数、年龄，以及问卷调查数据、期望时间作为输入，利用预测模型对输入数据进行识别，输出该用户在期望时间时的光学生物参数，由此实现对未来光学生物参数的精准预测，对于后续治疗或预防眼部疾病具有较高的参考价值。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例中的调查问卷内容示意图；图2是本专利技术实施例中的训练眼部状态预测模型的流程图。具体实施方式下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。此外，下面所描述的本专利技术不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。本专利技术实施例提供一种光学生物参数预测模型训练方法，所述预测模型为机器学习模型，例如逻辑回归、随机森林、SVM等模型都是可行的。首先获取样本数据及其标签信息。样本数据包括光学生物测量数据和问卷调查数据，其中光学生物测量数据包括同一被测者两次光学生物测量的时间差、在先一次光学生物测量时的时间信息和光学生物参数、年龄。光学生物测量时间的含义是被测者(用户或者患者)本文档来自技高网...

【技术保护点】
1.一种光学生物参数预测模型训练方法，其特征在于，包括：/n获取样本数据及其标签信息，所述样本数据包括光学生物测量数据和问卷调查数据，其中所述光学生物测量数据包括同一被测者两次光学生物测量的时间差、在先一次光学生物测量时的时间信息和光学生物参数、年龄，所述问卷调查数据包括多个能够对眼部构成影响的辅助信息，所述标签信息包括在后一次光学生物测量时的光学生物参数；/n利用多个所述样本数据及其标签信息对预测模型进行训练，以使所述预测模型根据所述样本数据得到预测的光学生物参数，并根据所述预测的光学生物参数与所述标签信息中的光学生物参数的差距优化自身参数。/n

【技术特征摘要】
1.一种光学生物参数预测模型训练方法，其特征在于，包括：
获取样本数据及其标签信息，所述样本数据包括光学生物测量数据和问卷调查数据，其中所述光学生物测量数据包括同一被测者两次光学生物测量的时间差、在先一次光学生物测量时的时间信息和光学生物参数、年龄，所述问卷调查数据包括多个能够对眼部构成影响的辅助信息，所述标签信息包括在后一次光学生物测量时的光学生物参数；
利用多个所述样本数据及其标签信息对预测模型进行训练，以使所述预测模型根据所述样本数据得到预测的光学生物参数，并根据所述预测的光学生物参数与所述标签信息中的光学生物参数的差距优化自身参数。


2.根据权利要求1所述的方法，其特征在于，所述获取样本数据及其标签信息，包括：
在多个光学生物测量记录数据中根据被测者身份信息获取同一被测者的任意两个光学生物测量记录数据；
根据所述两个光学生物测量记录数据中的光学生物测量时间信息确定所述时间差，并获取靠前的光学生物测量时间及其对应的光学生物参数、以及靠后的光学生物测量时间对应的光学生物参数。


3.根据权利要求1或2所述的方法，其特征在于，所述获取样本数据及其标签信息，包括：
根据被测者身份信息获取被测者填写的调查问卷，其中包括多个能够对眼部构成影响的问答信息；
将所述问答信息转换为能够被预测模型读取的数值。


4.根据权利要求1所述的方法，其特征在于，在获取样本数据及其标签信息之前，包括：
根据被测者身份信息获取被测者填写的调查问卷，其中包括多个能够对眼部构成影响的问答信息；
根据所述问答信息和预设问答规则确定各个问答信息之间是否存在冲突；
剔除存在冲突的调查问卷。


5.根据权利要求1所述的方法，其特征在于，所述预测模型为决策树模型。


6.根据权利要求5所述的方法，其特征在于，利用多个所述样本数据及其标签信息对预测模型进行训练，包括：
确定所述决策树模型的超参数的预设值组合，所述超参数包括决策树个数和每棵决策树最多使用的特征个数；
分别在所述决策模型使用各个所述组合的...

【专利技术属性】
技术研发人员：贺婉佶，胡馨月，王斌，熊健皓，赵昕，陈羽中，和超，张大磊，
申请(专利权)人：上海鹰瞳医疗科技有限公司，
类型：发明
国别省市：上海;31