用于近视预测的方法及其相关产品技术

本发明专利技术公开了一种用于近视预测的方法及其相关产品，其中该方法包括利用机器学习模型生成待预测近视的用户的平均近视预测结果；基于所述用户的眼底照片确定所述用户与近视相关的眼球质量指标；以及根据所述平均近视预测结果和所述眼球质量指标生成与所述用户关联的个体近视预测结果。利用本发明专利技术的预测方案，可以提供针对于近视患者个人的个性化预测，从而为后续的人为干预提供了良好的基础。而为后续的人为干预提供了良好的基础。而为后续的人为干预提供了良好的基础。

【技术实现步骤摘要】
用于近视预测的方法及其相关产品


[0001]本专利技术一般地涉及图像分析领域。更具体地，本专利技术涉及一种用于近视预测的方法、设备和计算机可读存储介质。

技术介绍

[0002]由于对具有电子显示屏的设备的过度使用，当前近视问题变得愈发严重。为了了解并抑制该情形的进一步发展，当前除了常规的视力表测试，眼轴长度测量之外，还可以对视网膜眼底照片进行检测。例如，与近视相关的眼轴长度、脉络膜厚度和厚薄都可以在眼底图像中找到对应的图像特征。另外，在近视的早前期，眼球的轻微变形会导致视盘周边区域的拉伸，形成眼底弧形斑，且基于拉伸区域会形成不同的特征表现。
[0003]就青少年这一近视群体而言，眼底照片中例如眼轴长度和脉络膜厚度的特征越明显，则青少年未来的近视程度将发展越快。鉴于此，在近视早期对于不同年龄和不同近视情况下的眼底图像特征进行准确的监测，从而预判其未来的近视发展趋势成为青少年视力防控的重要环节。

技术实现思路

[0004]鉴于上文所提到的技术问题，本专利技术提供了一种用于近视预测的方案。通过本专利技术的预测方案，可以实现对近视患者的有效和准确的近视预测，从而有助于及时的人为干预，避免近视程度的加重和恶化。
[0005]为此，在第一方面中，本专利技术提供一种用于近视预测的方法，包括：利用机器学习模型生成待预测近视的用户的平均近视预测结果；基于所述用户的眼底照片确定所述用户与近视相关的眼球质量指标；以及根据所述平均近视预测结果和所述眼球质量指标生成与所述用户关联的个体近视预测结果。
[0006]在一个实施例中，所述方法还包括：利用采集到的非眼底特征形成待输入至机器学习模型的非眼底特征量；以及利用所述非眼底特征量对所述机器学习模型进行前期训练。
[0007]在一个实施例中，所述非眼底特征包括年龄、性别、眼别和当前屈光度中的一项或多项。
[0008]在一个实施例中，基于所述用户的眼底照片确定所述用户与近视相关的眼球质量指标包括：对所述眼底照片执行眼底特征提取操作，以获得与近视相关的眼底特征量；以及根据所述眼底特征量和非眼底特征量，生成与近视相关的所述眼球质量指标。
[0009]在一个实施例中，其中对所述眼底照片执行特征提取操作包括：利用与眼底特征相关的至少一个图像分割模型对眼底图像执行分割操作，以获得与所述近视相关的眼底特征量。
[0010]在一个实施例中，其中所述眼底特征包括眼底豹纹和/或眼底弧形斑。
[0011]在一个实施例中，其中根据所述眼底特征量和非眼底特征量，生成与近视相关的
所述眼球质量指标包括：将所述眼底特征量和非眼底特征量输入至机器学习模型中，以获得所述用户的平均屈光度；以及根据所述平均屈光度来计算得到所述眼球质量指标。
[0012]在一个实施例中，其中所述用户包括年龄范围在6
‑
18岁之间的青少年。
[0013]在第二方面中，本专利技术提供了一种用于近视预测的设备，包括：处理器；以及存储器，其上存储有用于近视预测的计算机程序代码，当所述计算机程序代码由所述处理器执行时，实现根据第一方面中所记载的方法及其多个实施例。
[0014]在第三方面中，本专利技术提供了一种计算机可读存储介质，其上存储有用于近视预测的计算机程序代码，当所述计算机程序代码由处理器执行时，实现根据第一方面中所记载的方法及其多个实施例。
[0015]利用本专利技术的用于近视预测的方案，可以对近视患者的近视发展做出准确和有效的预测。具体地，通过机器学习模型来生成用户（即近视患者）的平均近视预测结果并且通过眼底照片的分析来获得用户的眼球质量指标，本专利技术创新性地将前述二者进行结合，从而生成与用户关联的个体近视预测结果。其中，通过利用机器学习来执行平均近视预测，本专利技术根据大规模的人群分布，利用机器学习技术来成功获得用户的平均近视预测。另外，通过对眼底照片的分析，本专利技术的方案成功地将眼球质量引入到近视预测中。基于此，本专利技术的近视预测方式可以提供针对于近视患者个人的个性化预测，从而为后续的人为干预提供了良好的基础。进一步，基于本专利技术的准确近视预测,本专利技术的方案也使得及时和有效地近视防控成为可能。当用户是青少年时（例如6
‑
18岁之间的近视患者），本专利技术的方案也为该年龄段的用户提供了有效的近视预测和防控。
附图说明
[0016]通过参考附图阅读下文的详细描述，本公开示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本公开的若干实施方式，并且相同或对应的标号表示相同或对应的部分，其中：图1是示出根据本专利技术实施例的用于近视预测的方法的简化流程图；图2是示出根据本专利技术一个实施例的用于近视预测的方法的详细流程图；图3是示出根据本专利技术另一实施例的用于近视预测的方法的详细流程图；图4是示出根据本专利技术实施例的平均近视预测结果的曲线图；图5是示出根据本专利技术实施例的眼球质量指标分布的曲线图；图6是示出根据本专利技术一个实施例的近视预测结果的曲线图；图7是示出根据本专利技术另一个实施例的近视预测结果的曲线图；图8是示出根据本专利技术实施例的用于近视预测的设备的原理框图；以及图9是示出根据本专利技术实施例的用于近视预测的系统的结构框图。
具体实施方式
[0017]下面将结合本公开实施例中的附图，对本公开实施例中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公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域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，都属于本公开保护的范围。
[0018]如前所述，鉴于当前近视群体（特别是6
‑
18岁之间的青少年）的数目发展迅速而有效的近视防控显得益发紧迫，本专利技术的方案提出利用机器学习模型并且结合眼底图像的分析来对近视做出有效预测，从而为近视发展的早期预警和及时有效的人为干预提供了参考和基础。具体地，本专利技术的方案通过利用机器学习模型来实现对预测对象（即本专利技术上下文的“用户”）进行平均近视预测，并且进一步通过对预测对象的眼底照片进行分析来获得眼球质量指标。通过将平均近视预测结果和眼球质量指标二者结合考虑，最终生成与预测对象关联的个体近视预测结果，由此提供个性化的近视预测。
[0019]下面结合附图来详细描述本专利技术的具体实施方式。
[0020]图1是示出根据本专利技术实施例的用于近视预测的方法100的简化流程图。可以理解的是，这里的方法100可以由图8所示出的设备来执行。
[0021]如图1所示，在步骤S102处，利用机器学习模型生成待预测近视的用户的平均近视预测结果。如本领域技术人员所知，这里的机器学习模型是经由大量的训练数据进行训练后得到的、能够执行推断操作的机器学习模型。为了实现前述的平均近视预测，本专利技术提出基于大量的人群数据，特别是采集包括年龄、性别、眼别（左眼/右眼）和目前屈光度的非眼底特征数据，并且将该四类非眼底特征数据（或称非眼底特征量）作为输入数据输入至机器学习模型中进行前期训练，从而最终可以得到能够本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于近视预测的方法，包括：利用机器学习模型生成待预测近视的用户的平均近视预测结果；基于所述用户的眼底照片确定所述用户与近视相关的眼球质量指标；以及根据所述平均近视预测结果和所述眼球质量指标生成与所述用户关联的个体近视预测结果。2.根据权利要求1所述的方法，还包括：利用采集到的非眼底特征形成待输入至机器学习模型的非眼底特征量；以及利用所述非眼底特征量对所述机器学习模型进行前期训练。3.根据权利要求2所述的方法，其中所述非眼底特征包括年龄、性别、眼别和当前屈光度中的一项或多项。4.根据权利要求2所述的方法，其中基于所述用户的眼底照片确定所述用户与近视相关的眼球质量指标包括：对所述眼底照片执行眼底特征提取操作，以获得与近视相关的眼底特征量；以及根据所述眼底特征量和非眼底特征量，生成与近视相关的所述眼球质量指标。5.根据权利要求4所述的方法，其中对所述眼底照片执行特征提取操作包括：利用与眼底特征相关的至少一个图像分割模型对眼底图像执行分割操作，以获得与所述近视相...

【专利技术属性】
技术研发人员：宋凯敏，贺婉佶，王界闻，张弘，史晓宇，
申请(专利权)人：北京鹰瞳科技发展股份有限公司，
类型：发明
国别省市：