【技术实现步骤摘要】
本专利技术属于机器学习分类识别，具体涉及一种基于眼动特征的弱视类型与严重程度的智能评估系统。
技术介绍
1、弱视作为高发病率、多致病因素的视力障碍疾病，在人群中的发病率约为2-4％。不同患者情况各异，诊断和治疗期间的动态评估对医生要求较高，在广大学校每年开展的视力检测中真正能查出的概率很小，而过了视觉发育关键期(>8岁)的弱视已经很难恢复正常视力水平，因此在儿童视神经发育的早期进行评估筛查、诊断以及及时便捷地跟踪动态视功能恢复情况是优化弱视治疗现状的关键方面。由于检查结果一致性和检查过程配合度等问题，弱视评估中容易出现误判。高检出率和误诊风险不仅给患者自身造成了生活上的困扰和负担，更导致了社会卫生资源的浪费。一般来说，医生的诊断可以看作是一种分类，但除了分类所需的基于证据的疾病知识外，医生的经验对决定有很大影响，而丰富经验的医生是一种稀缺资源。因此非常有必要建立一套便捷、廉价、高效的弱视智能评估系统。
2、通过机器学习等方式学习病患生理表现诸多特征的复杂关系，自动化地根据病患生理表现进行分类是一种比较高效的方式。在过去...
【技术保护点】
1.一种基于眼动特征的弱视智能评估系统，包括眼动数据采集模块、眼动指标计算模块、眼动序列特征提取模块、基于机器学习模型评估模块，其特征在于：
2.根据权利要求1所述的一种基于眼动特征的弱视智能评估系统，其特征在于：所述眼动数据采集模块，采集目标物静态呈现在屏幕中心时的静态注视时眼动坐标时间序列数据。
3.根据权利要求2所述的一种基于眼动特征的弱视智能评估系统，其特征在于：所述眼动指标计算模块计算的眼动指标包括静态注视区域二元轮廓椭圆面积，其计算公如下：
4.根据权利要求1所述的一种基于眼动特征的弱视智能评估系统，其特征在于：所述眼动...
【技术特征摘要】
1.一种基于眼动特征的弱视智能评估系统，包括眼动数据采集模块、眼动指标计算模块、眼动序列特征提取模块、基于机器学习模型评估模块，其特征在于：
2.根据权利要求1所述的一种基于眼动特征的弱视智能评估系统，其特征在于：所述眼动数据采集模块，采集目标物静态呈现在屏幕中心时的静态注视时眼动坐标时间序列数据。
3.根据权利要求2所述的一种基于眼动特征的弱视智能评估系统，其特征在于：所述眼动指标计算模块计算的眼动指标包括静态注视区域二元轮廓椭圆面积，其计算公如下：
4.根据权利要求1所述的一种基于眼动特征的弱视智能评估系统，其特征在于：所述眼动数据采集模块，采集目标物在屏幕上随机位置跳跃过程中的动态眼动跟踪时的眼动坐标时间序列数据。
5.根据权利要求4所述的一种基于眼动特征的弱视智能评估系统，其特征在于：所述眼动指标计算模块计算的眼动指标包括动态速度序列模糊熵，其计算方式为：先对水平和垂直眼动坐标波形的原始数据使用傅里叶变换滤波进行平滑处理，再通过计算每个采样点间的欧氏距离除以间隔时间得到注视时的眼动速度序列，再按如下过程计算模糊熵：
6.根据权利要求4所述的一种基于眼动特征的弱视智能评估系统，其特征在于：所述...
【专利技术属性】
技术研发人员：王玲，樊航，周攀，李天添，
申请(专利权)人：电子科技大学长三角研究院湖州，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。