一种基于眼动数据函数化的健康评估方法及系统技术方案

本说明书实施例提供了一种基于眼动数据函数化的健康评估方法及系统，其中，方法包括：采集被检测者的眼动追踪轨迹数据；通过线性回归方程对采集的眼动追踪轨迹数据进行回归分析，建立线性回归模型；通过所述线性回归模型对采集的眼动追踪轨迹数据进行筛选，剔除无效数据，保存有效数据；通过所述线性回归模型对被检测者不同时间的眼动追踪轨迹数据进行纵向分析，得到被检测者健康评估结果。使检测结果更有说服力，数据分析更科学。数据分析更科学。数据分析更科学。

【技术实现步骤摘要】
一种基于眼动数据函数化的健康评估方法及系统


[0001]本专利技术涉及健康评估
，尤其涉及一种基于眼动数据函数化的健康评估方法及系统。

技术介绍

[0002]对人类的眼动数据进行分析已成为对认知类疾病筛查的重要方法之一，通过观察人类眼动运动轨迹数据发现，有认知类疾病或潜在认知类疾病如阿尔兹海默症和小儿孤独症的人群的眼球运动轨迹会有波动或漂移。现阶段的基于眼动追踪技术进行的认知疾病筛查尽管可以根据眼动轨迹的波动或漂移情况判断被检查者是否患有认知筛查类疾病，但仍存在如下问题：(1)由于缺乏标准对照组数据，结果缺少说服力；(2)眼动波动或者漂移情况没有科学的统计方法，无法量化分析。

技术实现思路

[0003]本说明书一个或多个实施例提供了一种基于眼动数据函数化的健康评估方法，包括：
[0004]S1.采集被检测者的眼动追踪轨迹数据；
[0005]S2.通过线性回归方程对采集的眼动追踪轨迹数据进行回归分析，建立线性回归模型；
[0006]S3.通过所述线性回归模型对采集的眼动追踪轨迹数据进行筛选，剔除无效数据，保存有效数据；
[0007]S4.通过所述线性回归模型对被检测者不同时间的眼动追踪轨迹数据进行纵向分析，得到被检测者健康评估结果。
[0008]本说明书一个或多个实施例提供了一种基于眼动数据函数化的健康评估系统，包括：
[0009]数据采集模块：用于采集被检测者的眼动追踪轨迹数据；
[0010]模型建立模块：用于通过线性回归方程对采集的眼动追踪轨迹数据进行回归分析，建立线性回归模型；
[0011]数据筛选模块：用于通过所述线性回归模型对采集的眼动追踪轨迹数据进行筛选，保存有效数据；
[0012]健康评估模块：用于通过所述线性回归模型对被检测者不同时间采集眼动追踪轨迹数据进行分析，得到被检测者健康评估结果。
[0013]本说明书一个或多个实施例提供了一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述基于眼动数据函数化的健康评估方法的步骤。
[0014]本说明书一个或多个实施例提供了一种存储介质，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现上述基于眼动数据函数化的健康
评估方法的步骤。
[0015]采用本专利技术实施例，通过对比同一被检测者在不同时间点的检测结果，对采集的数据进行纵向分析，添加了对照组，使结果更有说服力；将采集的数据进行处理，构建分析模型，以函数的形式对眼球跟踪过程中发生的抖动以及漂移情况进行分析，得到量化分析结果，数据统计分析更科学。
[0016]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
附图说明
[0017]为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0018]图1为本说明书一个或多个实施例提供的一种基于眼动数据函数化的健康评估方法的流程图；
[0019]图2为本说明书一个或多个实施例提供的一种基于眼动数据函数化的健康评估系统的组成示意图；
[0020]图3为本说明书一个或多个实施例提供的一种电子设备的结构示意图。
具体实施方式
[0021]为了使本
的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书的一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本文件的保护范围。
[0022]方法实施例
[0023]根据本专利技术实施例，提供了一种基于眼动数据函数化的健康评估方法，图 1为本说明书一个或多个实施例提供的一种基于眼动数据函数化的健康评估方法的流程图，如图1所示，根据本专利技术实施例的基于眼动数据函数化的健康评估方法具体包括：
[0024]S1.采集被检测者的眼动追踪轨迹数据。
[0025]具体的，通过眼动仪采集被检测者的眼动追踪轨迹数据，包括眼球运动轨迹的波动和漂移程度。
[0026]S2.通过线性回归方程对采集的眼动追踪轨迹数据进行回归分析，建立线性回归模型。
[0027]S3.通过所述线性回归模型对采集的眼动追踪轨迹数据进行筛选，剔除无效数据，保存有效数据。
[0028]具体的，通过建立的线性回归模型对采集的眼动追踪轨迹数据进行分析，若数据与回归线的距离大于预设阈值，则当前数据为无效数据，从采集的眼动追踪轨迹数据中剔
除；若数据与回归线的距离小于预设阈值，则此数据为有效数据，记录并保存当前数据。
[0029]S4.通过所述线性回归模型对被检测者不同时间的眼动追踪轨迹数据进行纵向分析，得到被检测者健康评估结果。
[0030]具体的：
[0031]在不同的时间点同样的检测条件下对同一被测者进行眼动追踪轨迹数据采集；
[0032]通过线性回归模型比较不同时间点采集的眼动追踪轨迹数据；
[0033]若在不同时间点采集的眼动追踪轨迹数据的差值大于预设阈值，则判断被检测者存在健康问题，若在不同时间点采集的眼动追踪轨迹数据的差值不大于预设阈值，则判断被检测者不存在健康问题。
[0034]采用本专利技术实施例，通过对比同一被检测者在不同时间点的检测结果，对采集的数据进行纵向分析，添加了对照组，使结果更有说服力；将采集的数据进行处理，构建分析模型，以函数的形式对眼球跟踪过程中发生的抖动以及漂移情况进行分析，得到量化分析结果，数据统计分析更科学。
[0035]系统实施例
[0036]根据本专利技术实施例，提供了一种基于眼动数据函数化的健康评估系统，图 2为本说明书一个或多个实施例提供的一种基于眼动数据函数化的健康评估系统的组成示意图，如图2所示，根据本专利技术实施例的基于眼动数据函数化的健康评估系统具体包括：
[0037]数据采集模块20：用于采集被检测者的眼动追踪轨迹数据。
[0038]数据采集模块20包括眼动仪，数据采集模块20具体用于通过眼动仪采集被检测者的眼动追踪轨迹数据，包括眼球运动轨迹的波动和漂移程度。
[0039]模型建立模块22：用于通过线性回归方程对采集的眼动追踪轨迹数据进行回归分析，建立线性回归模型。
[0040]数据筛选模块24：用于通过所述线性回归模型对采集的眼动追踪轨迹数据进行筛本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于眼动数据函数化的健康评估方法，其特征在于，包括：S1.采集被检测者的眼动追踪轨迹数据；S2.通过线性回归方程对采集的眼动追踪轨迹数据进行回归分析，建立线性回归模型；S3.通过所述线性回归模型对采集的眼动追踪轨迹数据进行筛选，剔除无效数据，保存有效数据；S4.通过所述线性回归模型对被检测者不同时间的眼动追踪轨迹数据进行纵向分析，得到被检测者健康评估结果。2.根据权利要求1所述的方法，其特征在于，所述采集被检测者的眼动追踪轨迹数据具体为：通过眼动仪采集被检测者的眼动追踪轨迹数据，包括眼球运动轨迹的波动和漂移程度。3.根据权利要求1所述的方法，其特征在于，步骤S3所述方法具体为：通过建立的线性回归模型对采集的眼动追踪轨迹数据进行分析，若数据与回归线的距离大于预设阈值，则当前数据为无效数据，从采集的眼动追踪轨迹数据中剔除；若数据与回归线的距离小于预设阈值，则此数据为有效数据，记录并保存当前数据。4.根据权利要求1所述的方法，其特征在于，步骤S4所述方法具体包括：在不同的时间点同样的检测条件下对同一被测者进行眼动追踪轨迹数据采集；通过线性回归模型比较不同时间点采集的眼动追踪轨迹数据；若在不同时间点采集的眼动追踪轨迹数据的差值大于预设阈值，则判断被检测者存在健康问题，若在不同时间点采集的眼动追踪轨迹数据的差值不大于预设阈值，则判断被检测者不存在健康问题。5.一种基于眼动数据函数化的健康评估系统，其特征在于，包括：数据采集模块：用于采集被检测者的眼动追踪轨迹数据；模型建立模块：用于通过线性回归方程对采集的眼动追踪轨迹数据进行回归分析，建立线性回归模型；数据筛选模块：用于通过所...

【专利技术属性】
技术研发人员：刘汕，朱青，王林，高宝俊，樊天放，杨杰，
申请(专利权)人：陕西师范大学华中科技大学武汉大学陕西百乘网络科技有限公司辽宁省视讯技术研究有限公司，
类型：发明
国别省市：