CN109101991A - 一种婴幼儿视功能智能评估方法及装置 - Google Patents
一种婴幼儿视功能智能评估方法及装置 Download PDFInfo
- Publication number
- CN109101991A CN109101991A CN201810726509.2A CN201810726509A CN109101991A CN 109101991 A CN109101991 A CN 109101991A CN 201810726509 A CN201810726509 A CN 201810726509A CN 109101991 A CN109101991 A CN 109101991A
- Authority
- CN
- China
- Prior art keywords
- visual function
- intelligent evaluation
- assessment
- video data
- evaluation model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
- G06F18/2193—Validation; Performance evaluation; Active pattern learning techniques based on specific statistical tests
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Pathology (AREA)
- Probability & Statistics with Applications (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种婴幼儿视功能智能评估方法,包括:构建基于时空双轨框架神经网络的视功能智能评估模型,并采用Temporal Segment Network技术训练该视功能智能评估模型;接收监护人持有的移动设备拍摄的待评测视频数据,并通过视功能智能评估模型从待评测视频数据中提取与视功能评估相关的至少一个特征值;对每个特征值进行迭代变换处理,得到与每个特征值对应的视功能损伤概率值;以视功能智能评估模型和视功能损伤概率值为依据,对待评测视频数据进行视功能评估,得到视功能评估结果,并发送视功能评估结果至移动设备。可见,实施这种实施方式,能够根据待检测对象的相关视频数据,快速准确地对该待检测对象的视功能进行评估,检测精度高,有利于减少误诊率。
Description
技术领域
本发明涉及计算机技术领域,具体而言,涉及一种婴幼儿视功能智能评估方法及装置。
背景技术
视觉是人类获取信息的主要渠道,是分辨形状的重要器官,在统整其它感知觉工作中有着重要的作用,能协助个体认识物体的客观存在性,扩大个体的活动范围,协助个体模仿、学习,刺激个体探索环境的动机等。现代医疗对于婴幼儿视功能的检测,一般采用视动性眼球震颤检查法,主要依据视动性眼球震颤的原理,将一个有不同宽窄黑白条纹的转鼓置于婴幼儿眼前转动,检查者通过观察婴幼儿对不同宽窄条纹的反应,并记录引起眼震颤的最细的条纹,最后通过换算可以得出视力值。然而实践中发现,采用视动性眼球震颤检查法时,检测所用的转鼓固定在一个可转动的支架上的带栅条的转鼓,不仅简单落后,而且在检查过程中需要人手拨动该转鼓,无法精确控制转动的转速,因此对于婴幼儿视功能的检测精度低,误差大。
发明内容
鉴于上述问题,本发明提供了一种婴幼儿视功能智能评估方法及装置,能够根据待检测对象的相关视频数据,快速准确地对该待检测对象的视功能进行评估,检测精度高,有利于减少误诊率。
为了实现上述目的,本发明采用如下的技术方案:
本发明第一方面公开了一种婴幼儿视功能智能评估方法,包括:
构建基于时空双轨框架神经网络的视功能智能评估模型,并采用TemporalSegment Network技术训练所述视功能智能评估模型;
接收来自监护人持有的移动设备拍摄的待评测视频数据,并通过所述视功能智能评估模型从所述待评测视频数据中提取与视功能评估相关的至少一个特征值;
对每个所述特征值进行迭代变换处理,得到与每个所述特征值对应的视功能损伤概率值;
以所述视功能智能评估模型和所述视功能损伤概率值为依据,对所述待评测视频数据进行视功能评估,得到视功能评估结果,并发送所述视功能评估结果至所述移动设备。
作为一种可选的实施方式,在本发明第一方面中,所述构建基于时空双轨框架神经网络的视功能智能评估模型,并采用Temporal SegmentNetwork技术训练该视功能智能评估模型,包括:
通过Temporal Segment Network技术构建基础模型;
通过训练数据对所述基础模型进行训练,得到视功能智能评估模型,其中,所述训练数据包括训练视频数据、所述训练视频数据的帧间差异数据和所述训练视频的光流场数据中的一种或者多种。
作为一种可选的实施方式,在本发明第一方面中,在所述通过TemporalSegmentNetwork技术构建基础模型之后,所述方法还包括:
获取与视功能评估相关的原始视频数据;
对所述原始视频数据进行数据增强和正则化处理,得到预处理视频数据;及
从所述预处理视频数据中获取训练数据;
所述通过训练数据对所述基础模型进行训练,得到视功能智能评估模型,包括:
采用交叉输入模式技术通过所述训练数据对所述基础模型进行训练,得到视功能智能评估模型。
作为一种可选的实施方式,在本发明第一方面中,所述视功能评估结果包括是否有视觉损伤的判定结果以及有所述视觉损伤时的视觉损伤级别。
作为一种可选的实施方式,在本发明第一方面中,在所述发送所述视功能评估结果至所述移动设备之后,所述方法还包括:
当所述视觉损伤的判定结果为有所述视觉损伤时,发送包括视功能损伤报告的提示信息至与视功能相关的医生持有的通信设备,其中,所述视功能损伤报告包括所述视功能评估结果和所述监护人的信息。
本发明第二方面公开一种婴幼儿视功能智能评估装置,包括:
构建模块,用于构建基于时空双轨框架神经网络的视功能智能评估模型,并采用Temporal Segment Network技术训练该视功能智能评估模型;
特征提取模块,用于接收来自监护人持有的移动设备拍摄的待评测视频数据,并通过所述视功能智能评估模型从所述待评测视频数据中提取与视功能评估相关的至少一个特征值;
处理模块,用于对每个所述特征值进行迭代变换处理,得到与每个所述特征值对应的视功能损伤概率值;
评估模块,用于以所述视功能智能评估模型和所述视功能损伤概率值为依据,对所述待评测视频数据进行视功能评估,得到视功能评估结果;
发送模块,用于发送所述视功能评估结果至所述移动设备。
作为一种可选的实施方式,在本发明第二方面中,所述构建模块包括:
第一子模块,用于通过Temporal Segment Network技术构建基础模型;
第二子模块,用于通过训练数据对所述基础模型进行训练,得到视功能智能评估模型,其中,所述训练数据包括训练视频数据、所述训练视频数据的帧间差异数据和所述训练视频的光流场数据中的一种或者多种。
本发明第三方面公开一种服务器,包括存储器以及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述计算机设备执行所述的婴幼儿视功能智能评估方法。
本发明第四方面公开一种计算机可读存储介质,其存储有上述服务器中所使用的计算机程序。
本发明第五方面公开一种视功能智能评估***,包括移动设备、服务器和通信设备,所述移动设备和所述通信设备均与所述服务器进行无线通信:
所述移动设备,用于拍摄待评测视频数据,并发送所述待评测视频数据至服务器;
所述服务器,用于构建基于时空双轨框架神经网络的视功能智能评估模型,并采用Temporal Segment Network技术训练所述视功能智能评估模型;以及接收所述待评测视频数据,并通过视功能智能评估模型从所述待评测视频数据中提取与视功能评估相关的至少一个特征值;以及对每个所述特征值进行迭代变换处理,得到与每个所述特征值对应的视功能损伤概率值;以及以视功能智能评估模型和所述视功能损伤概率值为依据,对所述待评测视频数据进行视功能评估,得到视功能评估结果,并发送所述视功能评估结果至所述移动设备;以及当判断出所述视功能评估结果存在异常时,向所述通信设备发送包括视功能损伤报告的提示信息;其中,所述视功能损伤报告包括所述视功能评估结果和所述监护人的信息;
所述通信设备,用于接收所述服务器发送的所述提示信息。
根据本发明提供的婴幼儿视功能智能评估方法及装置,该婴幼儿视功能智能评估方法包括首先构建基于时空双轨框架神经网络的视功能智能评估模型,并采用TemporalSegment Network技术训练该视功能智能评估模型,然后接收监护人持有的移动设备拍摄的待评测视频数据,并通过视功能智能评估模型从待评测视频数据中提取与视功能评估相关的至少一个特征值;进一步地,对每个特征值进行迭代变换处理,得到与每个特征值对应的视功能损伤概率值;以视功能智能评估模型和视功能损伤概率值为依据,对待评测视频数据进行视功能评估,得到视功能评估结果;最后发送视功能评估结果至移动设备,可见,实施本发明所提供的婴幼儿视功能智能评估方法及装置,能够根据待检测对象的待评测视频数据,快速准确地对该待检测对象的视功能进行评估,得到该待检测对象的视功能评估结果,检测精度高,有利于减少误诊率。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对本发明范围的限定。
图1是本发明实施例一提供的婴幼儿视功能智能评估方法的流程示意图;
图2是本发明实施例二提供的婴幼儿视功能智能评估方法的流程示意图;
图3是本发明实施例三提供的婴幼儿视功能智能评估装置的结构示意图;
图4是本发明实施例三所提供的视功能智能评估***的构架示意图。
具体实施方式
下面将结合本发明实施例中附图,对本发明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发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
针对现有技术中的问题,本发明提供了一种婴幼儿视功能智能评估方法及装置;该婴幼儿视功能智能评估方法包括首先构建基于时空双轨框架神经网络的视功能智能评估模型,并采用Temporal Segment Network技术训练该视功能智能评估模型,然后接收监护人持有的移动设备拍摄的待评测视频数据,并通过视功能智能评估模型从待评测视频数据中提取与视功能评估相关的至少一个特征值;进一步地,对每个特征值进行迭代变换处理,得到与每个特征值对应的视功能损伤概率值;以视功能智能评估模型和视功能损伤概率值为依据,对待评测视频数据进行视功能评估,得到视功能评估结果;最后发送视功能评估结果至移动设备。可见,实施本发明所提供的婴幼儿视功能智能评估方法及装置,能够根据待检测对象的待评测视频数据,快速准确地对该待检测对象的视功能进行评估,得到该待检测对象的视功能评估结果,检测精度高,有利于减少误诊率。并且,该技术可以采用相关的软件或硬件实现,下面通过实施例进行描述。
实施例1
请参阅图1,图1是本发明实施例提供的婴幼儿视功能智能评估方法的流程示意图。其中,如图1所示,该婴幼儿视功能智能评估方法可以包括以下步骤:
S101、构建基于时空双轨框架神经网络的视功能智能评估模型,并采用TemporalSegment Network技术训练视功能智能评估模型。
本实施例中,先构建基于时空双轨框架神经网络的视功能智能评估模型,然后再采用Temporal Segment Network技术对该视功能智能评估模型进行训练,在训练的过程中,结合了稀疏时间采样技术和监督策略来提高模型训练学习的效率。
本实施例中,上述婴幼儿为三周岁以内的婴幼儿。
本实施例中,Temporal Segment Network是对双流网络的进行改进后的新型网络模型,用于行为识别。
本实施例中,时空双轨框架神经网络是一种基于时间和空间两者的人工智能神经网络。其中,时空双轨框架神经网络可以是时空域深度卷积神经网络。
S102、接收来自监护人持有的移动设备拍摄的待评测视频数据,并通过视功能智能评估模型从待评测视频数据中提取与视功能评估相关的至少一个特征值。
本实施例中,在接收到待评测视频数据之后,还可以对该待评测视频数据进行灰度校正、噪声过滤等图像预处理。其中,对该待评测视频数据进行预处理的过程包括光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等,本发明实施例不作限定。
本发明实例中,该待评测视频数据可以为婴幼儿的正面行为视频数据,则相应的通过视功能智能评估模型从待评测视频数据中提取的至少一个特征值也为行为特征。则视功能智能评估模型可以从时间与空间的维度从待评测视频数据中提取与视功能评估相关的至少一个特征值,有利于提升评估精度。
S103、对每个特征值进行迭代变换处理,得到与每个特征值对应的视功能损伤概率值。
S104、以视功能智能评估模型和视功能损伤概率值为依据,对待评测视频数据进行视功能评估,得到视功能评估结果,并发送视功能评估结果至移动设备。
本实施例中,将视功能损伤概率值输入至视功能智能评估模型的Softmax分类器中,能够得到视功能评估结果。
在图1所描述的婴幼儿视功能智能评估方法中,首先构建基于时空双轨框架神经网络的视功能智能评估模型,并采用Temporal Segment Network技术训练该视功能智能评估模型,然后接收监护人持有的移动设备拍摄的待评测视频数据,并通过视功能智能评估模型从待评测视频数据中提取与视功能评估相关的至少一个特征值;进一步地,对每个特征值进行迭代变换处理,得到与每个特征值对应的视功能损伤概率值;以视功能智能评估模型和视功能损伤概率值为依据,对待评测视频数据进行视功能评估,得到视功能评估结果;最后发送视功能评估结果至移动设备。可见,实施图1所描述的方法,能够根据待检测对象的待评测视频数据,快速准确地对该待检测对象的视功能进行评估,得到该待检测对象的视功能评估结果,检测精度高,有利于减少误诊率。
实施例2
请参阅图2,图2是本发明实施例提供的婴幼儿视功能智能评估方法的流程示意图。其中,如图2所示,该婴幼儿视功能智能评估方法可以包括以下步骤:
S201、通过Temporal Segment Network技术构建基础模型。
S202、获取与视功能评估相关的原始视频数据。
S203、对原始视频数据进行数据增强和正则化处理,得到预处理视频数据。
本实施例中,对原始视频数据进行数据增强处理包括对原始视频数据进行水平/竖直翻转处理、crop随机切割处理、颜色改变处理、仿射/旋转变换处理、随机大小变换处理以及加噪声处理中的一种或者多种,本实施例不作限定。
本实施例中,通过对原始视频数据进行数据增强处理,有利于提升训练数据的数据量,进而提升是能力评估精度。
本实施例中,通过对原始视频数据进行正则化处理,能够使训练后的视功能智能评估模型在进行视功能评估的时候出现过拟合等问题,进而避免误诊等情况的出现。
本实施例中,对原始视频数据进行正则化处理,并不改变原始视频数据的本质。
S204、从预处理视频数据中获取训练数据。
S205、采用交叉输入模式技术通过训练数据对基础模型进行训练,得到视功能智能评估模型。
本实施例中,对基础模型进行训练的过程中,输入的训练数据包括训练视频数据、训练视频数据的帧间差异数据和训练视频的光流场数据中的一种或者多种,本实施例不作限定。进而提升了基础模型在根据训练数据进行训练学习时,还能学习到视频数据中帧与帧之间的变化,从而能有效提取出与视功能评估相关的特征值,进而提高评估精度。
S206、接收来自监护人持有的移动设备拍摄的待评测视频数据,并通过视功能智能评估模型从待评测视频数据中提取与视功能评估相关的至少一个特征值。
S207、对每个特征值进行迭代变换处理,得到与每个特征值对应的视功能损伤概率值。
S208、以视功能智能评估模型和视功能损伤概率值为依据,对待评测视频数据进行视功能评估,得到视功能评估结果,并发送视功能评估结果至移动设备。
本实施例中,视功能评估结果包括是否有视觉损伤的判定结果以及有视觉损伤时的视觉损伤级别。
S209、当视觉损伤的判定结果为有视觉损伤时,向与视功能相关的医生持有的通信设备发送包括视功能损伤报告的提示信息,其中,视功能损伤报告包括视功能评估结果和监护人的信息。
可见,实施图2所描述的婴幼儿视功能智能评估方法,能够根据待检测对象的待评测视频数据,快速准确地对该待检测对象的视功能进行评估,得到该待检测对象的视功能评估结果,检测精度高,有利于减少误诊率。
实施例3
请参阅图3,图3是本发明实施例提供的婴幼儿视功能智能评估装置的结构示意图。如图3所示,该婴幼儿视功能智能评估装置包括:
构建模块301,用于构建基于时空双轨框架神经网络的视功能智能评估模型,并采用Temporal Segment Network技术训练该视功能智能评估模型。
特征提取模块302,用于接收监护人持有的移动设备拍摄的待评测视频数据,并通过视功能智能评估模型从待评测视频数据中提取与视功能评估相关的至少一个特征值。
处理模块303,用于对每个特征值进行迭代变换处理,得到与每个特征值对应的视功能损伤概率值。
评估模块304,用于以视功能智能评估模型和视功能损伤概率值为依据,对待评测视频数据进行视功能评估,得到视功能评估结果。
发送模块305,用于发送视功能评估结果至移动设备。
作为一种可选的实施方式,构建模块301包括:
第一子模块3011,用于通过Temporal Segment Network技术构建基础模型。
第二子模块3012,用于通过训练数据对基础模型进行训练,得到视功能智能评估模型,训练数据包括训练视频数据、训练视频数据的帧间差异数据和训练视频的光流场数据中的一种或者多种。
可见,实施本实施例所描述的婴幼儿视功能智能评估装置,能够根据待检测对象的待评测视频数据,快速准确地对该待检测对象的视功能进行评估,得到该待检测对象的视功能评估结果,检测精度高,有利于减少误诊率。
请参阅图4,图4是本发明实施例所提供的一种视功能智能评估***的构架示意图。如图4所示,该视功能智能评估***包括:
移动设备401,用于拍摄待评测视频数据,并发送待评测视频数据至服务器402。
服务器402,用于构建基于时空双轨框架神经网络的视功能智能评估模型,并采用Temporal Segment Network技术训练所述视功能智能评估模型;以及接收待评测视频数据,并通过视功能智能评估模型从待评测视频数据中提取与视功能评估相关的至少一个特征值;以及对每个特征值进行迭代变换处理,得到与每个特征值对应的视功能损伤概率值;以及以视功能智能评估模型和视功能损伤概率值为依据,对待评测视频数据进行视功能评估,得到视功能评估结果,并发送视功能评估结果至移动设备401;以及当判断出视功能评估结果存在异常时,向通信设备403发送包括视功能损伤报告的提示信息;其中,视功能损伤报告包括视功能评估结果和监护人的信息。
通信设备403,用于接收服务器402发送的提示信息。
本实施例中,移动设备401为监护人405持有的设备,通信设备403为与视功能相关的医生404持有的设备。
本实施例中,移动设备401、通信设备403也可以称为用户设备(UE,UserEquipment)、移动台、接入终端、用户单元、用户站、移动站、远方站、远程终端、移动设备、终端、无线通信设备、用户代理或用户装置等,其具体可以是WLAN中的站点(ST,Station)、蜂窝电话、无绳电话、会话启动协议(SIP,Session Initiation Protocol)电话、无线本地环路(WLL,Wireless Local Loop)站、个人数字处理(PDA、Personal Digital Assistant)、具有无线通信功能的手持设备、计算设备、连接到无线调制解调器的其它处理设备、车载设备、可穿戴设备、未来5G网络中的移动台以及未来演进的PLMN网络中的终端设备等中的任意一种,本发明实施例不作限定。
本实施例中,服务器402可以分别与移动设备401、通信设备403之间既可以通过运营商基站进行移动通信(LTE),又可以通过物理通信线路进行通信,本发明实施例不作限定。
此外,本发明还提供了一种服务器,包括存储器以及处理器,存储器用于存储计算机程序,处理器运行计算机程序以使计算机设备执行上述部分或者全部的婴幼儿视功能智能评估方法。
本实施例中,还提供一种计算机可读存储介质,其存储有上述服务器中所使用的计算机程序。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和结构图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的模型架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或更多个模块集成形成一个独立的部分。
功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种婴幼儿视功能智能评估方法,其特征在于,包括:
构建基于时空双轨框架神经网络的视功能智能评估模型,并采用Temporal SegmentNetwork技术训练所述视功能智能评估模型;
接收来自监护人持有的移动设备拍摄的待评测视频数据,并通过所述视功能智能评估模型从所述待评测视频数据中提取与视功能评估相关的至少一个特征值;
对每个所述特征值进行迭代变换处理,得到与每个所述特征值对应的视功能损伤概率值;
以所述视功能智能评估模型和所述视功能损伤概率值为依据,对所述待评测视频数据进行视功能评估,得到视功能评估结果,并发送所述视功能评估结果至所述移动设备。
2.根据权利要求1所述的婴幼儿视功能智能评估方法,其特征在于,所述构建基于时空双轨框架神经网络的视功能智能评估模型,并采用Temporal Segment Network技术训练该视功能智能评估模型,包括:
通过Temporal Segment Network技术构建基础模型;
通过训练数据对所述基础模型进行训练,得到视功能智能评估模型,其中,所述训练数据包括训练视频数据、所述训练视频数据的帧间差异数据和所述训练视频的光流场数据中的一种或者多种。
3.根据权利要求2所述的婴幼儿视功能智能评估方法,其特征在于,在所述通过Temporal Segment Network技术构建基础模型之后,所述方法还包括:
获取与视功能评估相关的原始视频数据;
对所述原始视频数据进行数据增强和正则化处理,得到预处理视频数据;及
从所述预处理视频数据中获取训练数据;
所述通过训练数据对所述基础模型进行训练,得到视功能智能评估模型,包括:
采用交叉输入模式技术通过所述训练数据对所述基础模型进行训练,得到视功能智能评估模型。
4.根据权利要求1所述的婴幼儿视功能智能评估方法,其特征在于,所述视功能评估结果包括是否有视觉损伤的判定结果以及有所述视觉损伤时的视觉损伤级别。
5.根据权利要求4所述的婴幼儿视功能智能评估方法,其特征在于,在所述发送所述视功能评估结果至所述移动设备之后,所述方法还包括:
当所述视觉损伤的判定结果为有所述视觉损伤时,发送包括视功能损伤报告的提示信息至与视功能相关的医生持有的通信设备,其中,所述视功能损伤报告包括所述视功能评估结果和所述监护人的信息。
6.一种婴幼儿视功能智能评估装置,其特征在于,包括:
构建模块,用于构建基于时空双轨框架神经网络的视功能智能评估模型,并采用Temporal Segment Network技术训练该视功能智能评估模型;
特征提取模块,用于接收来自监护人持有的移动设备拍摄的待评测视频数据,并通过所述视功能智能评估模型从所述待评测视频数据中提取与视功能评估相关的至少一个特征值;
处理模块,用于对每个所述特征值进行迭代变换处理,得到与每个所述特征值对应的视功能损伤概率值;
评估模块,用于以所述视功能智能评估模型和所述视功能损伤概率值为依据,对所述待评测视频数据进行视功能评估,得到视功能评估结果;
发送模块,用于发送所述视功能评估结果至所述移动设备。
7.根据权利要求6所述的婴幼儿视功能智能评估装置,其特征在于,所述构建模块包括:
第一子模块,用于通过Temporal Segment Network技术构建基础模型;
第二子模块,用于通过训练数据对所述基础模型进行训练,得到视功能智能评估模型,其中,所述训练数据包括训练视频数据、所述训练视频数据的帧间差异数据和所述训练视频的光流场数据中的一种或者多种。
8.一种服务器,其特征在于,包括存储器以及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述计算机设备执行根据权利要求1至5中任一项所述的婴幼儿视功能智能评估方法。
9.一种计算机可读存储介质,其特征在于,其存储有权利要求8所述的服务器中所使用的计算机程序。
10.一种视功能智能评估***,其特征在于,包括移动设备、服务器和通信设备,所述移动设备和所述通信设备均与所述服务器进行无线通信:
所述移动设备,用于拍摄待评测视频数据,并发送所述待评测视频数据至服务器;
所述服务器,用于构建基于时空双轨框架神经网络的视功能智能评估模型,并采用Temporal Segment Network技术训练所述视功能智能评估模型;以及接收所述待评测视频数据,并通过视功能智能评估模型从所述待评测视频数据中提取与视功能评估相关的至少一个特征值;以及对每个所述特征值进行迭代变换处理,得到与每个所述特征值对应的视功能损伤概率值;以及以视功能智能评估模型和所述视功能损伤概率值为依据,对所述待评测视频数据进行视功能评估,得到视功能评估结果,并发送所述视功能评估结果至所述移动设备;以及当判断出所述视功能评估结果存在异常时,向所述通信设备发送包括视功能损伤报告的提示信息;其中,所述视功能损伤报告包括所述视功能评估结果和所述监护人的信息;
所述通信设备,用于接收所述服务器发送的所述提示信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810726509.2A CN109101991A (zh) | 2018-07-04 | 2018-07-04 | 一种婴幼儿视功能智能评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810726509.2A CN109101991A (zh) | 2018-07-04 | 2018-07-04 | 一种婴幼儿视功能智能评估方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109101991A true CN109101991A (zh) | 2018-12-28 |
Family
ID=64845731
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810726509.2A Pending CN109101991A (zh) | 2018-07-04 | 2018-07-04 | 一种婴幼儿视功能智能评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109101991A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034415A (zh) * | 2021-03-23 | 2021-06-25 | 哈尔滨市科佳通用机电股份有限公司 | 一种铁路机车小部件图像扩增的方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2312931A1 (en) * | 1997-12-04 | 1999-06-10 | Virtual-Eye.Com, Inc. | Automated visual function testing via telemedicine |
CA2338417A1 (en) * | 1999-05-27 | 2000-12-07 | Virtual-Eye.Com, Inc. | Visual function testing with virtual retinal display |
CN107358036A (zh) * | 2017-06-30 | 2017-11-17 | 北京机器之声科技有限公司 | 一种儿童近视风险预测方法、装置及*** |
-
2018
- 2018-07-04 CN CN201810726509.2A patent/CN109101991A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2312931A1 (en) * | 1997-12-04 | 1999-06-10 | Virtual-Eye.Com, Inc. | Automated visual function testing via telemedicine |
CA2338417A1 (en) * | 1999-05-27 | 2000-12-07 | Virtual-Eye.Com, Inc. | Visual function testing with virtual retinal display |
CN107358036A (zh) * | 2017-06-30 | 2017-11-17 | 北京机器之声科技有限公司 | 一种儿童近视风险预测方法、装置及*** |
Non-Patent Citations (1)
Title |
---|
WANG, LM 等: "Temporal Segment Networks: Towards Good Practices for Deep Action Recognition", 《COMPUTER VISION - ECCV 2016, PT VIII》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034415A (zh) * | 2021-03-23 | 2021-06-25 | 哈尔滨市科佳通用机电股份有限公司 | 一种铁路机车小部件图像扩增的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104143078B (zh) | 活体人脸识别方法、装置和设备 | |
DE112015001416B4 (de) | Erkennung einer unberechtigten drahtlosen Kommunikationsvorrichtung | |
CN110473147A (zh) | 一种视频去模糊方法和装置 | |
CN110751215B (zh) | 一种图像识别方法、装置、设备、***及介质 | |
CN101635833B (zh) | 一种视频监控方法、装置及*** | |
CN105389549A (zh) | 基于人体动作特征的对象识别方法及装置 | |
CN111523347A (zh) | 图像侦测方法、装置、计算机设备及存储介质 | |
CN112444858B (zh) | 基于边云协同的地震实时监测ai计算方法、装置及介质 | |
CN107426442A (zh) | 手机全制式信息采集与人脸识别分析比对***及使用方法 | |
CN114222202B (zh) | 一种基于WiFi CSI的环境自适应活动检测方法及*** | |
Gu et al. | Learning a unified blind image quality metric via on-line and off-line big training instances | |
CN112597964B (zh) | 分层多尺度人群计数的方法 | |
CN109101991A (zh) | 一种婴幼儿视功能智能评估方法及装置 | |
CN109840496A (zh) | 海水养殖区分层分类提取方法、装置、存储介质及电子设备 | |
CN106230653A (zh) | 一种以mac码为主键的数据整合方法 | |
CN109559336A (zh) | 对象追踪方法、装置及存储介质 | |
CN109858332A (zh) | 一种人员行为分析方法、装置和电子设备 | |
CN113111823A (zh) | 一种建筑施工地的异常行为检测方法和相关装置 | |
CN111369494B (zh) | 冬小麦穗密度检测方法及装置 | |
CN110288598A (zh) | 一种基于深度学习的模糊照片检测方法 | |
CN113989931A (zh) | 一种便携式异常行为智能分析*** | |
CN103413138A (zh) | 一种红外图像序列中点目标检测方法 | |
CN106842349A (zh) | 输电线路防外破检测方法及装置 | |
CN103916617B (zh) | 一种干扰信号生成方法及装置 | |
CN109998501A (zh) | 生理指标及心理指标的检测方法、装置及终端设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181228 |
|
RJ01 | Rejection of invention patent application after publication |