基于人工智能的屈光性弱视分类方法、装置、终端及介质制造方法及图纸

本申请公开了一种基于人工智能的屈光性弱视分类方法、装置、终端及介质，本申请提供的方法通过获取检测对象的目前和过去的屈光测量数据，结合通过大量屈光性弱视病例样本训练得到的特征提取模型与特征分类模型，将获取到的屈光测量数据和历史测量数据输入到特征提取模型，由特征提取模型对输入的数据进行深度特征提取，再通过特征分类模型对提取的屈光特征数据进行自动分类，并输出相应的屈光性弱视分类结果，实现了不依赖眼科医生，对屈光性弱视进行自动分类的效果，且可以解决现有的屈光性弱视诊断容易受医疗资源和基层眼科医生的个人经验等因素影响而导致的准确度不稳定的技术问题。技术问题。技术问题。

【技术实现步骤摘要】
基于人工智能的屈光性弱视分类方法、装置、终端及介质


[0001]本申请涉及人工智能
，尤其涉及一种基于人工智能的屈光性弱视分类方法、装置、终端及介质。

技术介绍

[0002]屈光性弱视严重影响着青少年儿童的生活与学习。通常情况下，开展治疗时患者的年龄越小，治疗效果就越好。目前我国对于屈光性弱视诊断依赖于眼科医生的人工判断，容易出现诊断错误与处理不当，存在可靠性不稳定的问题。

技术实现思路

[0003]本申请提供了一种基于人工智能的屈光性弱视分类方法、装置、终端及介质，用于实现不依赖眼科医生，对屈光性弱视数据进行自动分类。
[0004]为实现上述专利技术目的，本申请第一方面提供了一种基于人工智能的屈光性弱视分类方法，包括：
[0005]获取检测对象的屈光测量数据和历史测量数据，其中，所述历史测量数据为所述检测对象在过去时间点测得并保存在屈光性弱视病例数据库的屈光测量数据；
[0006]将所述屈光测量数据和所述历史测量数据输入到预设的特征提取模型，以通过所述特征提取模型对所述屈光测量数据和所述历史测量数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的屈光性弱视分类方法，其特征在于，包括：获取检测对象的屈光测量数据和历史测量数据，其中，所述历史测量数据为所述检测对象在过去时间点测得并保存在屈光性弱视病例数据库的屈光测量数据；将所述屈光测量数据和所述历史测量数据输入到预设的特征提取模型，以通过所述特征提取模型对所述屈光测量数据和所述历史测量数据进行深度特征提取，得到所述检测对象的屈光特征数据；将所述屈光特征数据输入到预设的特征分类模型，以通过所述特征分类模型对所述屈光特征数据进行分类识别，以输出所述检测对象的屈光性弱视分类结果，其中，所述特征提取模型和所述特征分类模型均是利用屈光性弱视病例样本训练得到的人工智能模型。2.根据权利要求1所述的一种基于人工智能的屈光性弱视分类方法，其特征在于，所述屈光测量数据具体包括：个人基础信息、就诊时间、屈光检测数据、弱视程度标识以及历史治疗措施记录。3.根据权利要求2所述的一种基于人工智能的屈光性弱视分类方法，其特征在于，所述将所述屈光测量数据和所述历史测量数据输入到预设的特征提取模型之前还包括：根据所述屈光测量数据和所述历史测量数据的测量时间，对所述屈光测量数据和所述历史测量数据进行关联。4.根据权利要求3所述的一种基于人工智能的屈光性弱视分类方法，其特征在于，所述将所述屈光测量数据和所述历史测量数据输入到预设的特征提取模型，以通过所述特征提取模型对所述屈光测量数据和所述历史测量数据进行深度特征提取，得到所述检测对象的屈光特征数据具体包括：将关联后的所述屈光测量数据和所述历史测量数据输入到预设的特征提取模型，以通过所述特征提取模型对所述屈光测量数据、所述历史测量数据以及每次屈光测试数据间的变化进行深度特征提取，得到所述检测对象的屈光特征数据。5.根据权利要求1所述的一种基于人工智能...

【专利技术属性】
技术研发人员：成天河，张立臣，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：