CN110464611A - 一种数字化弱视增强训练装置和***及其相关算法 - Google Patents
一种数字化弱视增强训练装置和***及其相关算法 Download PDFInfo
- Publication number
- CN110464611A CN110464611A CN201910667755.XA CN201910667755A CN110464611A CN 110464611 A CN110464611 A CN 110464611A CN 201910667755 A CN201910667755 A CN 201910667755A CN 110464611 A CN110464611 A CN 110464611A
- Authority
- CN
- China
- Prior art keywords
- pupil
- bright spot
- image
- component
- flashing
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H5/00—Exercisers for the eyes
Landscapes
- Health & Medical Sciences (AREA)
- Ophthalmology & Optometry (AREA)
- Epidemiology (AREA)
- Pain & Pain Management (AREA)
- Physical Education & Sports Medicine (AREA)
- Rehabilitation Therapy (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Rehabilitation Tools (AREA)
Abstract
本发明公开了一种数字化弱视增强训练装置和***及其相关算法，装置包括一眼罩；一视觉通道，所述视觉通道设置在所述眼罩中；一瞳孔成像组件，所述瞳孔照明成像组件垂直于视觉通道；一闪烁亮点组件，所述闪烁亮点组件的发光面距离所述眼罩250mm；一反射镜，所述闪烁亮点组件发出的光线可透过所述反射镜进入瞳孔并刺激黄斑区域，瞳孔在受到亮点刺激后的变化情况将实时被所述瞳孔成像组件监控；一显示屏，所述瞳孔成像组件的结果图像显示在所述显示屏上；以及一主机，所述主机控制所述闪烁亮点组件和所述闪烁亮点组件以及所述显示屏。
Description
技术领域
本发明涉及通信领域，特别涉及一种数字化弱视增强训练装置和***及其相关算法。
背景技术
根据2010年中国医学会眼科分会的最新定义，弱视主要指，在眼球、视通路没有明显器质性病变情况下，最佳矫正视力达不到和发育期相符的视力值的功能性疾病。例如：2岁的正常视力在0.5左右、4岁在0.8左右、5岁以上>1.0。
眼球无明显器质性病变，而单眼或双眼矫正视力仍达不到1.0，就称为弱视，其中大多数弱视都是由散光、近视或远视等引起，如果儿童近视眼若不加以有效控制，易发展到高度近视，产生一系列病理性改变，进入到中老年后将成为不可治盲。据统计，超过30％的老年盲症是由高度近视后巩膜拉伸而并发青光眼、白内障等严重并发症所致。儿童斜视弱视若不在早期及时治疗，也将可能发展成为低视力或盲症。
在现实生活中，弱视给我们带来的影响巨大，不仅会影响到我们的视觉，看东西趋向模糊，小孩子还会影响学业，生活以及以后的择业。今天妈网百科就来给大家详细说说弱视的危害，以便大家更好了解弱视。
【影响眼的正常发育】
弱视在生活中比较常见，有少小孩因为营养不良，屈光不正等而导致弱视。弱视会引发和加重近视，影响眼的正常发育。
【缺乏立体视觉】
弱视对于人的影响比较大，尤其是小孩子，如果得了弱视，家长一定要带其及时的治疗。弱视会造成双眼视功能低下和缺乏立体视觉。
【无法判断方位】
弱视危害远大于近视。单纯性近视，看远模糊，看近清楚。而弱视儿童，看远模糊，看近也不清楚，同时因立体视觉模糊，不能准确判断物体的方位和远近。
【多方功能受损】
弱视会导致眼睛视功能的多方受损，如调节力、扫视力、追踪能力、空间辨别能力、对比敏感度及手眼协调能力等多项重要视觉功能受损。
发明内容
本发明要解决的技术问题是提供一种数字化弱视增强训练装置和***及其相关算法，能够通过特定位置的，特定强度视觉传入信号，起到比日常视觉传入信号更强的兴奋视觉。使弱视眼在短时间获得更容易被感知、更贴切的空间频率刺激。从而起到对弱视眼黄斑区域更有效的针对性训练。
为了解决上述技术问题，本发明的技术方案为：
一种数字化弱视训练装置，适于测试训练人眼的瞳孔，包括：
一眼罩；
一视觉通道，所述视觉通道设置在所述眼罩中；
一瞳孔成像组件，所述瞳孔照明成像组件垂直于视觉通道；
一闪烁亮点组件，所述闪烁亮点组件的发光面距离所述眼罩250mm；
一反射镜，所述闪烁亮点组件发出的光线可透过所述反射镜进入瞳孔并刺激黄斑区域，瞳孔在受到亮点刺激后的变化情况将实时被所述瞳孔成像组件监控；
一显示屏，所述瞳孔成像组件的结果图像显示在所述显示屏上；以及
一主机，所述主机控制所述闪烁亮点组件和所述闪烁亮点组件以及所述显示屏。
优选地，还包括一调节旋钮，所述调节旋钮控制所述闪烁亮点组件，以调整亮点的闪烁频率及颜色。
本发明还提供了一种数字化弱视训练***，包括：
一闪光融合频率测量分***，所述闪光融合频率测量***生成一视觉成像光路；
一计算机控制分析分***，所述计算机控制分析分***控制当前背景光源，所述计算机控制分析分***控制连接所述闪光融合频率测量***；以及
一数字化弱视训练装置，包括：
一眼罩；
一视觉通道，所述视觉通道设置在所述眼罩中，所述视觉成像光路设置在所述视觉通道；
一瞳孔成像组件，所述瞳孔照明成像组件垂直于视觉通道；
一闪烁亮点组件，所述闪烁亮点组件的发光面距离所述眼罩250mm，所述计算机控制分析分***控制所述闪烁亮点组件；
一反射镜，所述闪烁亮点组件发出的光线可透过所述反射镜进入瞳孔并刺激黄斑区域，瞳孔在受到亮点刺激后的变化情况将实时被所述瞳孔成像组件监控；
一显示屏，所述瞳孔成像组件的结果图像显示在所述显示屏上；以及
一主机，所述主机控制所述闪烁亮点组件和所述闪烁亮点组件以及所述显示屏。
优选地，所述闪光融合频率测量***包括一光源刺激器和一监控相机，其中所述光源刺激器设置有多个亮点光源和背景光源以及一LED，并且所述光源刺激器采用积分球匀光、匀光光管匀光或磨砂片匀光手段的其中一个手段实现所述LED到所述亮点光源的光照均匀。
优选地，所述LED为环绕式LED。
优选地，所述计算机控制分析分***包括一LED控制板、一相机和一计算机，其中所述计算机分别连接所述LED控制板和所述相机，所述LED控制板控制连接所述LED。
本发明还提供了一种眼动实时追踪算法，包括：
(a)将获得的人眼图像调整为320*256的分辨率；
(b)将图像输入进网络，经过多层膨胀卷积与普通卷积并行的操作，分别提取图像不同层次的抽象特征；
(c)通过反卷积进行上采样并堆叠融合，从而使每一层融合之后的结果，既包含高度抽象的图像特征又包含局部精细化的图像特征；
(d)将融合后的图像特征经过激活层，与原图像的瞳孔分割图进行代价计算，通过计算网络前馈传播的损失，并通过反向传播计算梯度来调整参数取值；
(e)网络训练迭代至60次时，根据瞳孔的语义分割图，判断计算瞳孔质心，根据此质心位置实现瞳孔的实时定位追踪，同时根据语义分割图计算瞳孔的半径。
本发明还提供了一种黄斑分割与中心提取算法，包括：
(a)将获得的眼底图像调整为320*256的分辨率，将图像输入进网络，经过多层膨胀卷积与普通卷积并行的操作；
(b)通过反卷积进行上采样并堆叠融合，从而使每一层融合之后的结果，既包含高度抽象的图像特征又包含局部精细化的图像特征；
(c)将融合后的图像特征经过激活层，与原图像的瞳孔分割图进行代价计算，通过计算网络前馈传播的损失，并通过反向传播计算梯度来调整参数取值；
(d)网络训练迭代至160次时，已经能较为精确地分割出黄斑区域。
采用上述技术方案，本发明的有益效果在于：
(1)亮点闪烁参数设置，提供五种亮点颜色、四档背景光、亮点闪烁亮黑比、七种亮点光强度等参数设置功能；
(2)临界闪光融合频率测量及曲线绘制，记录受测人员的测试频率数据，检测结束后，能够给出数据曲线，并存入数据库，供数据比对使用；
(3)实时监控测试过程，通过图像采集模块及眼动追踪状态，观察受测人员测试状态；
(4)数据库管理：存储并管理受测员信息、操作者信息、维护人员信息、测量参数和分析结果，可进行数据的查询、备份及恢复；
(5)数据统计分析：对测量参数进行个体和群体信息统计分析，生成疲劳状况检测报告，并支持打印输出；
(6)***维护模块。
附图说明
图1是本发明的积分球实物图及匀光原理图；
图2是本发明的匀光光管实物图及匀光原理图；
图3是本发明的磨砂片实物图及匀光原理图；
图4是本发明的电气整体框图；
图5是本发明的弱视训练仪结构的其中一个视角的示意图；
图6是本发明的弱视训练仪结构的另一个视角的示意图；
图7是本发明的用户业务工作流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。在此需要说明的是，对于这些实施方式的说明用于帮助理解本发明，但并不构成对本发明的限定。此外，下面所描述的本发明各个实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明提供了一种数字化弱视训练***，包括：一闪光融合频率测量分***，所述闪光融合频率测量***生成一视觉成像光路；一计算机控制分析分***，所述计算机控制分析分***控制当前背景光源，所述计算机控制分析分***控制连接所述闪光融合频率测量***；以及一数字化弱视训练装置。
具体地，所述数字化弱视训练装置包括：一眼罩；一视觉通道，所述视觉通道设置在所述眼罩中，所述视觉成像光路设置在所述视觉通道；一瞳孔成像组件，所述瞳孔照明成像组件垂直于视觉通道；一闪烁亮点组件，所述闪烁亮点组件的发光面距离所述眼罩250mm，所述计算机控制分析分***控制所述闪烁亮点组件；一反射镜，所述闪烁亮点组件发出的光线可透过所述反射镜进入瞳孔并刺激黄斑区域，瞳孔在受到亮点刺激后的变化情况将实时被所述瞳孔成像组件监控；一显示屏，所述瞳孔成像组件的结果图像显示在所述显示屏上；以及一主机，所述主机控制所述闪烁亮点组件和所述闪烁亮点组件以及所述显示屏。
所述闪光融合频率测量分***生成光源，所述计算机控制分析分***接收和控制光源，所述数字化弱视训练装置能够控制输入、受试者反馈输入和显示输出。
更具体地，所述闪光融合频率测量分***的设计依据如下所示：
1)亮点直径：2mm±0.2mm；
2)亮点颜色：红、绿、蓝、黄、白；
3)背景光强度：1、1/4、1/16、全黑；
4)亮点闪烁频率：4～60Hz。
所述闪光融合频率测量***包括一光源刺激器和一监控相机，其中所述光源刺激器设置有多个亮点光源和背景光源以及一LED，并且所述光源刺激器采用积分球匀光、匀光光管匀光或磨砂片匀光手段的其中一个手段实现所述LED到所述亮点光源的光照均匀。
如图1、图2和图3所示，根据设计要求，光源刺激器拟采用积分球匀光、匀光光管匀光或磨砂片匀光手段实现LED到2mm亮点的光照均匀；采用环绕式LED照明方式实现背景光的有效均匀；视觉成像光路拟采用全密闭式视觉通道设计，配合贴合式眼罩，为弱视训练提供完全独立可控的光照环境。
更具体地，所述计算机控制分析分***的设计依据如下所示：
1)电气安全性：参照标准GB 9706.15-2008《医用电气设备第一部分：安全通用要求》的规定，保证电气***的可靠性与安全性；
2)亮点颜色：红、绿、蓝、黄、白；
3)背景光强度：1、1/4、1/16、全黑；
4)亮点直径：2mm±0.2mm；
5)亮点闪烁频率：4～60Hz。
所述计算机控制分析分***包括一LED控制板、一相机和一计算机，其中所述计算机分别连接所述LED控制板和所述相机，所述LED控制板控制连接所述LED。
如图4所示，PC计算机通过两个USB的接口分别与LED控制板、相机相连；LED控制板，可以根据外部输入，频率调节输入控制彩色LED的闪烁频率，颜色调节输入控制5种彩色LED，亮点占空比调节彩色LED闪烁时的占空比，亮点强度调节彩色LED的光强亮度，背光调节背景白色LED的亮度。
所述数字化弱视训练装置的结构设计依据如下所示：
1)主机尺寸：≤400mm×250mm×350mm；
2)主机重量：≤10kg；
3)环境适应性要求：
a)工作温度：0℃～40℃；
b)存储温度：-30℃～55℃；
c)工作湿度：10％-90％RH(不凝结)；
d)存储湿度：5％-90％RH(不凝结)。
e)振动：参照GB/T 14710-2009《医用电气设备环境要求及试验方法》中3.3的规定。
如图5和图6所示，数字化弱视训练仪由眼罩、视觉通道、主机、显示屏、瞳孔成像组件、闪烁亮点组件、反射镜、调节旋钮等组成。其柔性化眼罩经过反复人体工学研究与测试，人体面部贴合性好，减少漏光。亮点闪烁组件发光面距离人眼250mm，瞳孔照明成像组件垂直于视觉通道。亮点发出的光线可透过红外反射镜进入瞳孔并刺激黄斑区域，瞳孔在受到亮点刺激后的变化情况将实时被瞳孔成像组件监控，并将结果显示在显示屏上。旋转调节旋钮可以调整亮点的闪烁频率及颜色。
该方案显示屏提供触摸操作功能，并支持外接键盘输入功能，便于维修和使用，一体化模块化设计方便携运，且维修特性好。
进一步地，在上述结构基础上，本发明提供了相关算法，包括以下眼动实时追踪算法和黄斑分割与中心提取算法。
具体地，提供了一种眼动实时追踪算法，包括：
(a)将获得的人眼图像调整为320*256的分辨率；
(b)将图像输入进网络，经过多层膨胀卷积与普通卷积并行的操作，分别提取图像不同层次的抽象特征；
(c)通过反卷积进行上采样并堆叠融合，从而使每一层融合之后的结果，既包含高度抽象的图像特征又包含局部精细化的图像特征；
(d)将融合后的图像特征经过激活层，与原图像的瞳孔分割图进行代价计算，通过计算网络前馈传播的损失，并通过反向传播计算梯度来调整参数取值；
(e)网络训练迭代至60次时，根据瞳孔的语义分割图，判断计算瞳孔质心，根据此质心位置实现瞳孔的实时定位追踪，同时根据语义分割图计算瞳孔的半径。
具体地，提供了一种黄斑分割与中心提取算法，包括：
(a)将获得的眼底图像调整为320*256的分辨率，将图像输入进网络，经过多层膨胀卷积与普通卷积并行的操作；
(b)通过反卷积进行上采样并堆叠融合，从而使每一层融合之后的结果，既包含高度抽象的图像特征又包含局部精细化的图像特征；
(c)将融合后的图像特征经过激活层，与原图像的瞳孔分割图进行代价计算，通过计算网络前馈传播的损失，并通过反向传播计算梯度来调整参数取值；
(d)网络训练迭代至160次时，已经能较为精确地分割出黄斑区域。
由于人眼的结构固定，因此黄斑的中心位置相对于瞳孔中心位置而言不会变化，因此根据上述两种分割【瞳孔分割与黄斑分割】，建立起两个分割中心的位置映射关系，统计30帧的平均坐标偏差。每一帧的偏差计算如下：
瞳孔坐标为[x1,y1]，黄斑坐标为[x2,y2]，
X方向偏差【x2-x1】
Y方向偏差【y2-y1】
计算30帧的平均值。从而调整亮点位置。
根据上述***和方法，本发明的功能效果如下所示：
(1)亮点闪烁参数设置，提供五种亮点颜色、四档背景光、亮点闪烁亮黑比、七种亮点光强度等参数设置功能；
(2)临界闪光融合频率测量及曲线绘制，记录受测人员的测试频率数据，检测结束后，能够给出数据曲线，并存入数据库，供数据比对使用；
(3)实时监控测试过程，通过图像采集模块及眼动追踪状态，观察受测人员测试状态；
(4)数据库管理：存储并管理受测员信息、操作者信息、维护人员信息、测量参数和分析结果，可进行数据的查询、备份及恢复；
(5)数据统计分析：对测量参数进行个体和群体信息统计分析，生成疲劳状况检测报告，并支持打印输出；
(6)***维护模块。
具体地运行环境和开发环境如下所示：
(1)运行环境
a)CPU:Intel M3系列及以上性能；
b)内存：2GB；
c)硬盘：64G。
(2)开发环境
a)操作***：Windows 7/10；
b)开发***：Visual Studio 2013；
c)使用语言：C++，C#。
如图7所示，管理员登录软件***，选择一个受测员或登记受测员，然后可进行临界闪光融合频率测试，受测员注视亮点，当起始的亮点闪烁频率较低，通过调节频率旋钮，逐渐增加闪烁频率直至感觉亮点不再闪烁(或起始的亮点闪烁频率较高，从高逐渐降低闪烁频率直至感觉亮点出现闪烁)即完成一个测试，然后可更换亮点颜色、亮点亮度、背景光和亮黑比等参数继续测试，测试完成给出测试结果曲线绘制并保存数据，测试过程中，软件提供眼动追踪监控受测员测试状态。管理员可通过登录界面进入测试模式，无需选择受测员即可进行CFF测试，测试模式测试数据不进行数据库保存。管理员也可进行亮点参数的修改，进行不同的方案测试。
以上结合附图对本发明的实施方式作了详细说明，但本发明不限于所描述的实施方式。对于本领域的技术人员而言，在不脱离本发明原理和精神的情况下，对这些实施方式进行多种变化、修改、替换和变型，仍落入本发明的保护范围内。
Claims (8)
1.一种数字化弱视训练装置，适于测试训练人眼的瞳孔，其特征在于，包括：
一眼罩；
一视觉通道，所述视觉通道设置在所述眼罩中；
一瞳孔成像组件，所述瞳孔照明成像组件垂直于视觉通道；
一闪烁亮点组件，所述闪烁亮点组件的发光面距离所述眼罩250mm；
一反射镜，所述闪烁亮点组件发出的光线可透过所述反射镜进入瞳孔并刺激黄斑区域，瞳孔在受到亮点刺激后的变化情况将实时被所述瞳孔成像组件监控；
一显示屏，所述瞳孔成像组件的结果图像显示在所述显示屏上；以及
一主机，所述主机控制所述闪烁亮点组件和所述闪烁亮点组件以及所述显示屏。
2.根据权利要求1所述的数字化弱视训练装置，其特征在于，还包括一调节旋钮，所述调节旋钮控制所述闪烁亮点组件，以调整亮点的闪烁频率及颜色。
3.一种数字化弱视训练***，其特征在于，包括：
一闪光融合频率测量分***，所述闪光融合频率测量***生成一视觉成像光路；
一计算机控制分析分***，所述计算机控制分析分***控制当前背景光源，所述计算机控制分析分***控制连接所述闪光融合频率测量***；以及
一数字化弱视训练装置，包括：
一眼罩；
一视觉通道，所述视觉通道设置在所述眼罩中，所述视觉成像光路设置在所述视觉通道；
一瞳孔成像组件，所述瞳孔照明成像组件垂直于视觉通道；
一闪烁亮点组件，所述闪烁亮点组件的发光面距离所述眼罩250mm，所述计算机控制分析分***控制所述闪烁亮点组件；
一反射镜，所述闪烁亮点组件发出的光线可透过所述反射镜进入瞳孔并刺激黄斑区域，瞳孔在受到亮点刺激后的变化情况将实时被所述瞳孔成像组件监控；
一显示屏，所述瞳孔成像组件的结果图像显示在所述显示屏上；以及
一主机，所述主机控制所述闪烁亮点组件和所述闪烁亮点组件以及所述显示屏。
4.根据权利要求3所述的数字化弱视训练***，其特征在于，所述闪光融合频率测量***包括一光源刺激器和一监控相机，其中所述光源刺激器设置有多个亮点光源和背景光源以及一LED，并且所述光源刺激器采用积分球匀光、匀光光管匀光或磨砂片匀光手段的其中一个手段实现所述LED到所述亮点光源的光照均匀。
5.根据权利要求4所述的数字化弱视训练***，其特征在于，所述LED为环绕式LED。
6.根据权利要求4所述的数字化弱视训练***，其特征在于，所述计算机控制分析分***包括一LED控制板、一相机和一计算机，其中所述计算机分别连接所述LED控制板和所述相机，所述LED控制板控制连接所述LED。
7.一种眼动实时追踪算法，其特征在于，包括：
(a)将获得的人眼图像调整为320*256的分辨率；
(b)将图像输入进网络，经过多层膨胀卷积与普通卷积并行的操作，分别提取图像不同层次的抽象特征；
(c)通过反卷积进行上采样并堆叠融合，从而使每一层融合之后的结果，既包含高度抽象的图像特征又包含局部精细化的图像特征；
(d)将融合后的图像特征经过激活层，与原图像的瞳孔分割图进行代价计算，通过计算网络前馈传播的损失，并通过反向传播计算梯度来调整参数取值；
(e)网络训练迭代至60次时，根据瞳孔的语义分割图，判断计算瞳孔质心，根据此质心位置实现瞳孔的实时定位追踪，同时根据语义分割图计算瞳孔的半径。
8.一种黄斑分割与中心提取算法，其特征在于，包括：
(a)将获得的眼底图像调整为320*256的分辨率，将图像输入进网络，经过多层膨胀卷积与普通卷积并行的操作；
(b)通过反卷积进行上采样并堆叠融合，从而使每一层融合之后的结果，既包含高度抽象的图像特征又包含局部精细化的图像特征；
(c)将融合后的图像特征经过激活层，与原图像的瞳孔分割图进行代价计算，通过计算网络前馈传播的损失，并通过反向传播计算梯度来调整参数取值；
(d)网络训练迭代至160次时，已经能较为精确地分割出黄斑区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910667755.XA CN110464611A (zh) | 2019-07-23 | 2019-07-23 | 一种数字化弱视增强训练装置和***及其相关算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910667755.XA CN110464611A (zh) | 2019-07-23 | 2019-07-23 | 一种数字化弱视增强训练装置和***及其相关算法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110464611A true CN110464611A (zh) | 2019-11-19 |
Family
ID=68508986
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910667755.XA Pending CN110464611A (zh) | 2019-07-23 | 2019-07-23 | 一种数字化弱视增强训练装置和***及其相关算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110464611A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112022641A (zh) * | 2020-09-10 | 2020-12-04 | 深圳职业技术学院 | 一种辅助转眼运动的方法及*** |
| CN112731668A (zh) * | 2021-01-15 | 2021-04-30 | 东莞市东全智能科技有限公司 | 头戴式近视调节装置及近视调节方法 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5861936A (en) * | 1996-07-26 | 1999-01-19 | Gillan Holdings Limited | Regulating focus in accordance with relationship of features of a person's eyes |
| CN1871994A (zh) * | 2006-06-29 | 2006-12-06 | 昆明钏泽智能***有限公司 | 双眼瞳孔动态变化数字检测*** |
| CN204971326U (zh) * | 2015-07-24 | 2016-01-20 | 中国人民解放军空军航空医学研究所 | 采用临界闪光融合频率检测中枢疲劳的装置 |
| CN106295139A (zh) * | 2016-07-29 | 2017-01-04 | 姹ゅ钩 | 一种基于深度卷积神经网络的舌体自诊健康云服务*** |
| CN107944399A (zh) * | 2017-11-28 | 2018-04-20 | 广州大学 | 一种基于卷积神经网络目标中心模型的行人重识别方法 |
| CN108010049A (zh) * | 2017-11-09 | 2018-05-08 | 华南理工大学 | 使用全卷积神经网络分割定格动画中人手部区域的方法 |
| CN108416772A (zh) * | 2018-03-07 | 2018-08-17 | 汕头大学 | 一种基于级联卷积神经网络的斜眼检测方法 |
| CN108498064A (zh) * | 2018-03-19 | 2018-09-07 | 中国人民解放军空军航空医学研究所 | 数字化亮点闪烁检测*** |
| CN108717569A (zh) * | 2018-05-16 | 2018-10-30 | 中国人民解放军陆军工程大学 | 一种膨胀全卷积神经网络及其构建方法 |
| CN109155053A (zh) * | 2016-05-27 | 2019-01-04 | 索尼公司 | 信息处理设备、信息处理方法和记录介质 |
| CN109190752A (zh) * | 2018-07-27 | 2019-01-11 | 国家新闻出版广电总局广播科学研究院 | 基于深度学习的全局特征和局部特征的图像语义分割方法 |
| CN109918752A (zh) * | 2019-02-26 | 2019-06-21 | 华南理工大学 | 基于迁移卷积神经网络的机械故障诊断方法、设备及介质 |
| CN109977812A (zh) * | 2019-03-12 | 2019-07-05 | 南京邮电大学 | 一种基于深度学习的车载视频目标检测方法 |
| CN110009095A (zh) * | 2019-03-04 | 2019-07-12 | 东南大学 | 基于深度特征压缩卷积网络的道路行驶区域高效分割方法 |
| CN111091524A (zh) * | 2018-10-08 | 2020-05-01 | 天津工业大学 | 基于深度卷积神经网络的***经直肠超声图像分割方法 |
-
2019
- 2019-07-23 CN CN201910667755.XA patent/CN110464611A/zh active Pending
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5861936A (en) * | 1996-07-26 | 1999-01-19 | Gillan Holdings Limited | Regulating focus in accordance with relationship of features of a person's eyes |
| CN1871994A (zh) * | 2006-06-29 | 2006-12-06 | 昆明钏泽智能***有限公司 | 双眼瞳孔动态变化数字检测*** |
| CN204971326U (zh) * | 2015-07-24 | 2016-01-20 | 中国人民解放军空军航空医学研究所 | 采用临界闪光融合频率检测中枢疲劳的装置 |
| CN109155053A (zh) * | 2016-05-27 | 2019-01-04 | 索尼公司 | 信息处理设备、信息处理方法和记录介质 |
| CN106295139A (zh) * | 2016-07-29 | 2017-01-04 | 姹ゅ钩 | 一种基于深度卷积神经网络的舌体自诊健康云服务*** |
| CN108010049A (zh) * | 2017-11-09 | 2018-05-08 | 华南理工大学 | 使用全卷积神经网络分割定格动画中人手部区域的方法 |
| CN107944399A (zh) * | 2017-11-28 | 2018-04-20 | 广州大学 | 一种基于卷积神经网络目标中心模型的行人重识别方法 |
| CN108416772A (zh) * | 2018-03-07 | 2018-08-17 | 汕头大学 | 一种基于级联卷积神经网络的斜眼检测方法 |
| CN108498064A (zh) * | 2018-03-19 | 2018-09-07 | 中国人民解放军空军航空医学研究所 | 数字化亮点闪烁检测*** |
| CN108717569A (zh) * | 2018-05-16 | 2018-10-30 | 中国人民解放军陆军工程大学 | 一种膨胀全卷积神经网络及其构建方法 |
| CN109190752A (zh) * | 2018-07-27 | 2019-01-11 | 国家新闻出版广电总局广播科学研究院 | 基于深度学习的全局特征和局部特征的图像语义分割方法 |
| CN111091524A (zh) * | 2018-10-08 | 2020-05-01 | 天津工业大学 | 基于深度卷积神经网络的***经直肠超声图像分割方法 |
| CN109918752A (zh) * | 2019-02-26 | 2019-06-21 | 华南理工大学 | 基于迁移卷积神经网络的机械故障诊断方法、设备及介质 |
| CN110009095A (zh) * | 2019-03-04 | 2019-07-12 | 东南大学 | 基于深度特征压缩卷积网络的道路行驶区域高效分割方法 |
| CN109977812A (zh) * | 2019-03-12 | 2019-07-05 | 南京邮电大学 | 一种基于深度学习的车载视频目标检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 景晨凯等: "基于深度卷积神经网络的人脸识别综述", 《计算机应用与软件》 * |
| 潘新星等: "基于卷积目标检测的3D眼球追踪***深度估计", 《仪器仪表学报》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112022641A (zh) * | 2020-09-10 | 2020-12-04 | 深圳职业技术学院 | 一种辅助转眼运动的方法及*** |
| CN112731668A (zh) * | 2021-01-15 | 2021-04-30 | 东莞市东全智能科技有限公司 | 头戴式近视调节装置及近视调节方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10386645B2 (en) | Digital therapeutic corrective spectacles | |
| US10666918B2 (en) | Vision-based alerting based on physical contact prediction | |
| US11102462B2 (en) | Vision defect determination via a dynamic eye characteristic-based fixation point | |
| US7309128B2 (en) | Automated stereocampimeter and related method for improved measurement of the visual field | |
| CN110573061B (zh) | 眼科检查方法及仪器 | |
| US20190223716A1 (en) | Visual enhancement for dynamic vision defects | |
| US20040156554A1 (en) | System and method for simulating visual defects | |
| EP2236074A1 (en) | Visual display with illuminators for gaze tracking | |
| US10742944B1 (en) | Vision defect determination for facilitating modifications for vision defects related to double vision or dynamic aberrations | |
| CN201929941U (zh) | 半球面刺激的视功能诊疗仪 | |
| Krösl et al. | Icthroughvr: Illuminating cataracts through virtual reality | |
| US11039742B1 (en) | Vision testing via prediction-based setting of an initial stimuli characteristic for a user interface location | |
| CN110464611A (zh) | 一种数字化弱视增强训练装置和***及其相关算法 | |
| JP2022525304A (ja) | 視覚の欠陥判定と強化 | |
| Ma et al. | A one-step, streamlined children’s vision screening solution based on smartphone imaging for resource-limited areas: Design and preliminary field evaluation | |
| CN102008286A (zh) | 一种基于半球面投射的视功能诊疗*** | |
| EP1872712B1 (en) | Device and method for a vision test | |
| Schieber | Vision assessment technology and screening older drivers: Past practices and emerging techniques | |
| CN110251073A (zh) | 一种智能筛查斜视及屈光度的诊断装置 | |
| CN109875495A (zh) | 一种基于显示设备的非接触式全自动反馈视野计 | |
| CN214965416U (zh) | 一种眼科设备检查用替代人眼的人造假眼 | |
| RU2576798C2 (ru) | Способ определения характеристик зрения и устройство для его осуществления | |
| CN113080844A (zh) | 优选视网膜区的视觉检测与视觉训练设备 | |
| Schubert | Encoding of the retinal image as observer-relative and object-relative luminance changes |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191119 |