CN116705309A - 一种基于云端处理的近视数据分析方法及*** - Google Patents
一种基于云端处理的近视数据分析方法及*** Download PDFInfo
- Publication number
- CN116705309A CN116705309A CN202310337361.4A CN202310337361A CN116705309A CN 116705309 A CN116705309 A CN 116705309A CN 202310337361 A CN202310337361 A CN 202310337361A CN 116705309 A CN116705309 A CN 116705309A
- Authority
- CN
- China
- Prior art keywords
- vision
- analysis
- data
- sample
- score
- 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.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 47
- 238000007405 data analysis Methods 0.000 title claims abstract description 45
- 208000001491 myopia Diseases 0.000 title claims abstract description 42
- 230000004379 myopia Effects 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000004438 eyesight Effects 0.000 claims abstract description 393
- 238000004458 analytical method Methods 0.000 claims abstract description 240
- 230000008859 change Effects 0.000 claims abstract description 64
- 238000010276 construction Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000007621 cluster analysis Methods 0.000 claims description 4
- 230000036541 health Effects 0.000 abstract description 8
- 230000005540 biological transmission Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000012502 risk assessment Methods 0.000 description 3
- 235000013559 Schnittsellerie Nutrition 0.000 description 2
- 244000169997 Schnittsellerie Species 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000003313 weakening effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
Classifications
-
- 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
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本发明提供了一种基于云端处理的近视数据分析方法及***,涉及数据分析技术领域,采集目标用户的视力数据与成绩数据,获得视力数据集合与成绩数据集合,发送至云端处理模块,计算视力变化参数集合与成绩变化参数集合,进而分别输入视力分析单元与成绩分析单元,获得视力分析结果与成绩分析结果,基于视力保健计划调整分析模型,获取视力保健调整计划,解决了现有技术中对于近视数据的分析主要基于近视检查数据进行风险评估与用眼规划,无法进行视力与课业的综合评估,无法两者兼顾提供用户适配性规划方案,且分析效率低下的技术问题,基于云端处理模块进行数据的高效精准分析,兼顾学习与视力实况进行建模分析,生成用户适配性规划方案。
Description
技术领域
本发明涉及数据分析技术领域,具体涉及一种基于云端处理的近视数据分析方法及***。
背景技术
据统计,青少年作为近视的主人群,其近视率逐年递增,且随之呈现出年龄小、比率高且近视度数深的特点,由于近视人口基础大且近视人群年轻化,对于近视的防控重点年龄阶段,需在保障学习质量的基础上进行有效用眼规划。现如今,主要通过对用户的近视检查数据,基于判定标准与专家经验进行数据分析,存在一定的主观性,且只针对用眼方向进行规划,智能度较低且技术完备性不足,有待进一步优化提升。
现有技术中,对于近视数据的分析主要基于近视检查数据进行风险评估与用眼规划,无法进行视力与课业的综合评估,无法两者兼顾提供用户适配性规划方案,且分析效率低下。
发明内容
本申请提供了一种基于云端处理的近视数据分析方法及***,用于针对解决现有技术中存在的对于近视数据的分析主要基于近视检查数据进行风险评估与用眼规划,无法进行视力与课业的综合评估,无法两者兼顾提供用户适配性规划方案,且分析效率低下的技术问题。
鉴于上述问题,本申请提供了一种基于云端处理的近视数据分析方法及***。
第一方面,本申请提供了一种基于云端处理的近视数据分析方法,所述方法包括:
通过所述数据采集模块,采集目标用户在多个时间窗口的视力数据,获得视力数据集合,采集所述目标用户在多个时间窗口的成绩数据,获得成绩数据集合;
将所述视力数据集合、成绩数据集合和特征信息集合发送至所述云端处理模块;
在所述云端处理模块内,基于所述视力数据集合,计算获得视力变化参数集合,基于所述成绩数据集合,计算获得成绩变化参数集合;
将所述视力变化参数集合输入用户数据分析模型内的视力分析单元内,获得视力分析结果,将所述成绩变化参数集合输入所述用户数据分析模型内的成绩分析单元内,获得成绩分析结果;
将所述视力分析结果和成绩分析结果输入视力保健计划调整分析模型内,获得视力保健调整计划,对所述目标用户的视力保健内容进行调整。
第二方面,本申请提供了一种基于云端处理的近视数据分析***,所述***包括:
数据获取模块,所述数据获取模块用于通过所述数据采集模块,采集目标用户在多个时间窗口的视力数据,获得视力数据集合,采集所述目标用户在多个时间窗口的成绩数据,获得成绩数据集合;
数据发送模块,所述数据发送模块用于将所述视力数据集合、成绩数据集合和特征信息集合发送至所述云端处理模块;
参数计算模块,所述参数计算模块用于在所述云端处理模块内,基于所述视力数据集合,计算获得视力变化参数集合,基于所述成绩数据集合,计算获得成绩变化参数集合;
参数分析模块,所述参数分析模块用于将所述视力变化参数集合输入用户数据分析模型内的视力分析单元内,获得视力分析结果,将所述成绩变化参数集合输入所述用户数据分析模型内的成绩分析单元内,获得成绩分析结果;
计划获取模块,所述计划获取模块用于将所述视力分析结果和成绩分析结果输入视力保健计划调整分析模型内,获得视力保健调整计划,对所述目标用户的视力保健内容进行调整。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请实施例提供的一种基于云端处理的近视数据分析方法,通过所述数据采集模块,采集目标用户在多个时间窗口的视力数据获得视力数据集合,采集所述目标用户在多个时间窗口的成绩数据获得成绩数据集合;将所述视力数据集合、成绩数据集合和特征信息集合发送至所述云端处理模块,基于所述视力数据集合计算视力变化参数集合,基于所述成绩数据集合计算成绩变化参数集合;将所述视力变化参数集合输入用户数据分析模型内的视力分析单元内,获得视力分析结果,将所述成绩变化参数集合输入所述用户数据分析模型内的成绩分析单元内,获得成绩分析结果;将所述视力分析结果和成绩分析结果输入视力保健计划调整分析模型,获取视力保健调整计划,对所述目标用户进行视力保健内容调整,解决了现有技术中存在的对于近视数据的分析主要基于近视检查数据进行风险评估与用眼规划,无法进行视力与课业的综合评估,无法两者兼顾提供用户适配性规划方案,且分析效率低下的技术问题,基于云端处理模块进行数据的高效精准分析,兼顾学习与视力实况进行建模分析,生成用户适配性规划方案,降低用户的近视率。
附图说明
图1为本申请提供了一种基于云端处理的近视数据分析方法流程示意图;
图2为本申请提供了一种基于云端处理的近视数据分析方法中视力分析结果获取流程示意图;
图3为本申请提供了一种基于云端处理的近视数据分析方法中视力保健计划调整参数获取流程示意图;
图4为本申请提供了一种基于云端处理的近视数据分析***结构示意图。
附图标记说明:数据获取模块11,数据发送模块12,参数计算模块13,参数分析模块14,计划获取模块15。
实施方式
本申请通过提供一种基于云端处理的近视数据分析方法及***,采集目标用户在多个时间窗口的视力数据与成绩数据,获得视力数据集合与成绩数据集合,发送至云端处理模块,计算视力变化参数集合与成绩变化参数集合,进而分别输入视力分析单元与成绩分析单元,获得视力分析结果与成绩分析结果,基于视力保健计划调整分析模型,获取视力保健调整计划,对所述目标用户进行视力保健内容的调整,用于解决现有技术中存在的对于近视数据的分析主要基于近视检查数据进行风险评估与用眼规划,无法进行视力与课业的综合评估,无法两者兼顾提供用户适配性规划方案,且分析效率低下的技术问题。
实施例
如图1所示,本申请提供了一种基于云端处理的近视数据分析方法,所述方法应用于一基于云端处理的近视数据分析***,所述***包括数据采集模块和云端处理模块,所述方法包括:
步骤S100:通过所述数据采集模块,采集目标用户在多个时间窗口的视力数据,获得视力数据集合,采集所述目标用户在多个时间窗口的成绩数据,获得成绩数据集合;
具体而言,据统计,青少年作为近视的主人群,其近视率逐年递增,且随之呈现出年龄小、比率高且近视度数深的特点,对于近视的防控重点年龄阶段,需进行有效用眼规划,本申请提供的一种基于云端处理的近视数据分析方法应用于一基于云端处理的近视数据分析***,所述***为进行用户视力数据剖析与用眼规划的总控***,所述***与所述数据采集模块与所述云端处理模块通信连接,所述数据采集模块为进行用户数据采集的功能模块,所述云端处理模块为接收采集数据并进行参数计算分析的功能模块。
具体的,所述目标用户为待进行近视数据分析与用眼规划的用户,例如为学生,配置所述多个时间窗口,即进行数据采集的时间周期,其中各个时间窗口之间的时间间隔一致。基于所述数据采集模块,通过视力检测,对所述目标用户进行所述多个时间窗口下的视力数据进行采集,并进行采集数据的时序规整,生成所述视力数据集合。优选的,可基于近视治疗仪、视力测试仪等设备对所述目标用户进行视力检测,获取视力监测数据。进而基于所述数据采集模块,对所述目标用户在多个时间窗口的成绩数据进行采集,作为所述成绩数据集合,其中所述视力数据集合与所述成绩数据集合一一对应。将所述视力数据集合与所述成绩数据集合作为源数据,为后续进行递变分析提供了依据。
步骤S200:将所述视力数据集合、成绩数据集合和特征信息集合发送至所述云端处理模块;
步骤S300:在所述云端处理模块内,基于所述视力数据集合,计算获得视力变化参数集合,基于所述成绩数据集合,计算获得成绩变化参数集合;
具体而言,所述云端处理模块为进行数据计算分析的功能模块,将所述视力数据集合、所述成绩数据集合与所述特征信息集合发送至所述云端处理模块,优选的,可通过构建数据传输通道进行数据的针对性传输,避免传输过程存在的数据丢失等状况。所述特征信息集合为辅助分析参数信息,包括所述目标用户的状态特征信息、行为特征信息等,一定程度上可保障分析结果的用户契合度。随着所述视力数据集合与所述成绩数据集合的接收,于所述云端处理模块内进行数据处理计算。基于所述视力数据集合,确定视力最小值与视力变化率,生成所述视力变化参数集合;基于所述成绩数据集合,确定平均成绩与成绩方差,生成所述成绩变化参数集合。所述视力变化参数集合与所述成绩变化参数集合的获取为后续进行所述目标用户的视力分析与成绩分析夯实了基础。
进一步而言,基于所述视力数据集合,计算获得视力变化参数集合,本申请步骤S300还包括:
步骤S310-1:获取所述视力数据集合中的最小值,作为视力最小值;
步骤S320-1:根据所述视力数据集合,计算获得视力变化率;
步骤S330-1:基于所述视力最小值和所述视力变化率,生成所述视力变化参数集合。
进一步而言,基于所述成绩数据集合,计算获得成绩变化参数集合,本申请步骤S300还包括:
步骤S310-2:根据所述成绩数据集合,计算获得平均成绩;
步骤S320-2:根据所述成绩数据集合和所述平均成绩,计算获得成绩方差;
步骤S330-2:基于所述平均成绩和成绩方差,生成所述成绩变化参数集合。
具体而言,通过所述云端处理模块接收所述视力数据集合与所述成绩数据集合,基于所述视力数据集合,通过进行视力数据校对,确定最小数据,作为所述视力最小值,并确定所述视力最小值对应的时间节点进行数据标识。进一步遍历所述视力数据集合,计算相邻数据间的数据差值,并基于时序性计算数据的增幅与降幅,对所述数据差值进行标识,作为所述视力变化率,其中,所述视力变化率带有正负号标识,以确定属于正向提升或负向下降。对所述视力最小值与所述视力变化率进行规整,生成视力变化参数序列,作为所述视力变化参数集合。
进一步的,提取所述成绩数据集合,进行所述成绩数据集合的均值计算,获取所述目标用户的平均成绩。进而将所述成绩数据集合与所述平均成绩作为参考数据,基于方差计算公式计算所述目标用户的成绩方差,以衡量源数据的波动程度。将所述平均成绩与所述成绩方差,作为所述成绩变化参数集合。所述视力变化参数集合与所述成绩变化参数集合为初级处理后的待评数据,于信息完备性与数据规范方面更优,为后续进行视力分析与成绩分析提供了便利。
步骤S400:将所述视力变化参数集合输入用户数据分析模型内的视力分析单元内,获得视力分析结果,将所述成绩变化参数集合输入所述用户数据分析模型内的成绩分析单元内,获得成绩分析结果;
具体而言,构建所述用户数据分析模型,包括所述视力分析单元与所述成绩分析单元,所述视力分析单元由采集的多个样本视力变化参数集合训练而成;所述成绩分析单元由采集的多个样本成绩变化参数集合训练而成,具体的,对所述多个样本成绩变化参数集合进行成绩评估,确定样本成绩等级作为多个样本成绩分析结果,平均成绩越高,成绩方差越小,即成绩越高越稳定,则等级越高。将平均成绩与成绩方差确定坐标轴向,例如将平均成绩作为横坐标值,成绩方差作为纵坐标轴,构建成绩分析坐标系,确定所述多个样本成绩变化参数集合于所述成绩分析坐标系下的坐标点,并进行聚类分析,基于所述多个样本成绩分析结果进行聚类结果标识,构成所述成绩分析单元,其中,所述视力分析单元与所述成绩分析单元的构建方式相同,具体的构建数据不同。将所述视力变化参数输入所述视力分析单元内,进行坐标准换与定位,将落入的聚类结果对应的标识信息作为所述视力分析结果;同理,将所述成绩变化参数集合输入所述成绩分析单元内,确定所述成绩分析结果。针对所述视力分析结果与所述成绩分析结果进行视力保健内容的针对性调整。
进一步而言,如图2所示,将所述视力变化参数集合输入用户数据分析模型内的视力分析单元内,获得视力分析结果,本申请步骤S400还包括:
步骤S410:通过所述数据采集模块,获取多个样本视力变化参数集合,其中,每个样本视力变化参数集合内包括样本视力最小值和样本视力变化率;
步骤S420:基于所述多个样本视力变化参数集合,进行视力评估,获得多个样本视力分析结果;
步骤S430:基于所述多个样本视力变化参数集合和多个样本视力分析结果,构建所述视力分析单元,其中,所述视力分析单元内包括多个聚类结果,每个聚类结果与一样本视力分析结果对应;
步骤S440:将所述视力变化参数集合输入所述视力分析单元,获得落入的聚类结果及对应的样本视力分析结果,作为所述目标用户的所述视力分析结果。
进一步而言,基于所述多个样本视力变化参数集合和多个样本视力分析结果,构建所述视力分析单元,本申请步骤S430还包括:
步骤S431:基于视力最小值和视力变化率,构建视力分析坐标系的第一坐标轴和第二坐标轴;
步骤S432:将所述多个样本视力变化参数输入所述视力分析坐标系,获得多个样本坐标点;
步骤S433:对所述多个样本坐标点进行聚类分析,获得所述多个聚类结果;
步骤S434:采用所述多个样本视力分析结果,对所述多个聚类结果进行标记,获得所述视力分析单元。
具体而言,基于所述数据采集模块进行多个样本用户的视力数据采集,获取所述多个样本视力变化参数集合,其中,所述多个样本视力变化参数集合与所述视力变化参数集合的数据格式相同,分别包括所述样本视力最小值与所述样本视力变化率。基于所述多个样本视力变化参数集合,提取映射对应的样本视力最小值与所述样本视力变化率进行视力评估,确定视力级别与视力弱化级别,其中所述视力级别与所述样本视力最小值对应,所述视力弱化级别与所述样本视力变化率成正比,进行综合评估确定成绩等级,作为样本视力评估结果。其中,视力越低且降低变化的越快,则视力等级越低,对所述多个样本视力变化参数集合的视力评估结果进行集成整合,确定多级别视力分析结果,作为所述多个样本视力分析结果,其中所述多个样本视力分析结果的量值小于所述多个样本视力变化参数集合。进一步将所述多个样本视力变化参数集合与所述多个样本视力分析结果作为构建数据,构建所述视力分析单元。
具体的,基于所述视力最小值与所述视力变化率,分别确定坐标轴向,以构建所述第一坐标轴与所述第二坐标轴,生成所述视力分析坐标系。基于所述多个样本视力变化参数,分别提取映射对应的所述样本视力最小值和所述样本视力变化率,确定于所述视力分析坐标系下的坐标轴向数据,生成所述多个样本坐标点。基于所述多个样本坐标点的布设位置进行坐标点聚类,示例性的,可根据各样本坐标点之间的距离大小进行聚类,将距离小于预设值的样本坐标点归为一类,该预设值可根据多个样本坐标点的分布进行设置,同样可根据各样本坐标点对应的视力最小值和视力变化率进行设置,将类似的样本坐标点聚为一类,基于聚类距离对所述多个样本坐标点逐层进行归属判定,生成所述多个聚类结果。进一步对所述多个样本视力分析结果与所述多个聚类结果进行匹配,基于匹配结果进行标记,将标记完成的所述视力分析坐标系作为所述视力分析单元。基于所述视力分析单元进行所述视力变化参数的分析,可有效保障分析结果的精准度与客观性。
进一步的,将所述视力变化集合输入所述视力分析单元,确定于所述视力分析坐标系下的目标坐标点,将所述目标坐标点落入的聚类结果所标识对应的所述样本视力分析结果,作为所述目标用户的所述视力分析结果,以提高视力分析效率与结果精准度。
步骤S500:将所述视力分析结果和成绩分析结果输入视力保健计划调整分析模型内,获得视力保健调整计划,对所述目标用户的视力保健内容进行调整。
进一步而言,如图3所示,将所述视力分析结果和成绩分析结果输入视力保健计划调整分析模型内,获得视力保健调整计划,本申请步骤S500还包括:
步骤S510:获取多个样本视力分析结果和多个样本成绩分析结果;
步骤S520:对所述多个样本视力分析结果和多个样本成绩分析结果进行随机组合,并进行视力保健内容调整,获得多个样本视力保健调整计划;
步骤S530:采用所述多个样本视力分析结果、多个样本成绩分析结果和多个样本视力保健调整计划作为构建数据,构建所述视力保健计划调整分析模型;
步骤S540:将所述视力分析结果和成绩分析结果输入所述视力保健计划调整分析模型内,获得所述视力保健调整计划。
进一步而言,采用所述多个样本视力分析结果、多个样本成绩分析结果和多个样本视力保健调整计划作为构建数据,构建所述视力保健计划调整分析模型,本申请步骤S530还包括:
步骤S531:基于所述多个样本视力分析结果,构建第一索引属性和多个第一索引值;
步骤S532:基于所述多个样本成绩分析结果,构建第二索引属性和多个第二索引值;
步骤S533:基于所述多个样本视力保健调整计划,构建多个数据元素;
步骤S534:基于所述第一索引属性和多个第一索引值、第二索引属性和多个第二索引值、多个数据元素,构建获得所述视力保健计划调整分析模型。
具体而言,构建所述视力保健计划调整分析模型,对所述目标用户的所述视力分析结果与所述成绩分析结果进行调整规划,输出所述视力保健调整计划,可通过进行课业规划调整、坐姿调整、运动量调整、视力保健治疗频率的调整,例如眼保健操、远眺频率的调整,实现所述目标用户的视力保健内容的调整。
具体的,提取所述多个样本视力分析结果与所述多个样本成绩分析结果,对两者进行随机组合,确定多种可能性状况,保障组合结果的随机性与覆盖面,基于组合结果进行视力保健调整,示例性的,成绩越高,视力等级越低,则需要获得提升视力保健活动频率的视力保健调整计划,例如休息时间的合理规划,增加眼保健操次数等;反之,成绩的等级越低,视力等级越高,则可适当调松保健计划,例如适当缩减休息时间与眼保健操次数等,针对具体等级衡量具体调整尺度,获取所述多个样本视力保健调整计划。基于所述多个样本视力分析结果、所述多个样本成绩分析结果与所述多个样本视力保健调整计划,构建所述视力保健计划调整分析模型。
具体的,基于所述多个样本视力分析结果,构建所述第一索引属性与所述第一索引值,所述第一索引属性指数据类型,即视力分析结果,所述第一索引值为数据量值,包括多个视力的等级。基于所述多个样本成绩分析结果,将数据类型作为所述第二索引属性,将多个成绩的等级作为所述第二索引值。基于所述多个样本视力保健调整计划,构建所述多个数据元素,例如包括课业调整内容、调整方向、调整尺度、休息时限与频率、眼保健操的执行频次等,其中,所述第一索引属性、所述多个第一索引值、所述第二索引属性、所述第二索引值与所述多个数据元素存在关联关系,基于关联指向进行连接,构成网络拓扑结构,基于此构建所述视力保健计划调整分析模型,所述视力保健计划调整分析模型为进行视力保健计划分析的辅助性分析工具,可提高规划效果,保障规划结果的目标适配性。
进一步的,将所述视力分析结果与所述成绩分析结果输入所述视力保健计划调整模型内,以确定索引方向,进一步进行数据匹配与映射关联,确定与输入数据相契合的调整计划,作为所述视力保健计划调整参数。基于所述视力保健调整计划,对所述目标用户进行视力保健计划的调整,合理进行用眼规划,以降低学生的近视率。
在一个可能的实施例中,可以在休息时间通过哺光仪训练,设置适应性运动方案等多种可实施性措施,以保障所述视力保健计划的全面性,优选性的,可设置不同的哺光仪训练的次数等,形成不同的视力保健计划,然后用来构建视力保健计划调整分析模型,以进行用户适应性保健方案的确定。在执行所述视力保健计划时,通过相关的智能终端设备实时监测用户的执行状态,例如智能姿势矫正仪对学生学习的坐姿进行实时检测提醒,穿智能运动鞋进行户外跑步或通过智能跳绳进行跳绳有氧运动,数据可以通过蓝牙、GSM、无线等数据传输方式,将多个样本视力数据回传给云端,通过云端对数据进行分析,分析结果发送给其他接收端,例如智慧体育端口、用户端等,以进行用户契合性的合理规划调整,通过调整羽毛球、打乒乓球、眼保健操等体育运动量和调整智能哺光仪、智能台灯、智能姿势矫正仪等数字体育终端使用使用,对不近视的青少年进行预防,对近视程度不一的青少年进行矫正,确保实施能效。
实施例
基于与前述实施例中一种基于云端处理的近视数据分析方法相同的发明构思,如图4所示,本申请提供了一种基于云端处理的近视数据分析***,所述***包括:
数据获取模块11,所述数据获取模块11用于通过所述数据采集模块,采集目标用户在多个时间窗口的视力数据,获得视力数据集合,采集所述目标用户在多个时间窗口的成绩数据,获得成绩数据集合;
数据发送模块12,所述数据发送模块12用于将所述视力数据集合、成绩数据集合和特征信息集合发送至所述云端处理模块;
参数计算模块13,所述参数计算模块13用于在所述云端处理模块内,基于所述视力数据集合,计算获得视力变化参数集合,基于所述成绩数据集合,计算获得成绩变化参数集合;
参数分析模块14,所述参数分析模块14用于将所述视力变化参数集合输入用户数据分析模型内的视力分析单元内,获得视力分析结果,将所述成绩变化参数集合输入所述用户数据分析模型内的成绩分析单元内,获得成绩分析结果;
计划获取模块15,所述计划获取模块15用于将所述视力分析结果和成绩分析结果输入视力保健计划调整分析模型内,获得视力保健调整计划,对所述目标用户的视力保健内容进行调整。
进一步而言,所述***还包括:
最小值确定模块,所述最小值确定模块用于获取所述视力数据集合中的最小值,作为视力最小值;
变化率计算模块,所述变化率计算模块用于根据所述视力数据集合,计算获得视力变化率;
变化参数获取模块,所述变化参数获取模块用于基于所述视力最小值和所述视力变化率,生成所述视力变化参数集合。
进一步而言,所述***还包括:
平均成绩计算模块,所述平均成绩计算模块用于根据所述成绩数据集合,计算获得平均成绩;
成绩方差计算模块,所述成绩方差计算模块用于根据所述成绩数据集合和所述平均成绩,计算获得成绩方差;
参数生成模块,所述参数生成模块用于基于所述平均成绩和成绩方差,生成所述成绩变化参数集合。
进一步而言,所述***还包括:
样本参数获取模块,所述样本参数获取模块用于通过所述数据采集模块,获取多个样本视力变化参数集合,其中,每个样本视力变化参数集合内包括样本视力最小值和样本视力变化率;
视力评估模块,所述视力评估模块用于基于所述多个样本视力变化参数集合,进行视力评估,获得多个样本视力分析结果;
视力分析单元构建模块,所述视力分析单元构建模块用于基于所述多个样本视力变化参数集合和多个样本视力分析结果,构建所述视力分析单元,其中,所述视力分析单元内包括多个聚类结果,每个聚类结果与一样本视力分析结果对应;
视力分析结果获取模块,所述视力分析结果获取模块用于将所述视力变化参数集合输入所述视力分析单元,获得落入的聚类结果及对应的样本视力分析结果,作为所述目标用户的所述视力分析结果。
进一步而言,所述***还包括:
坐标轴构建模块,所述坐标轴构建模块用于基于视力最小值和视力变化率,构建视力分析坐标系的第一坐标轴和第二坐标轴;
坐标点获取模块,所述坐标点获取模块用于将所述多个样本视力变化参数输入所述视力分析坐标系,获得多个样本坐标点;
坐标点聚类模块,所述坐标点聚类模块用于对所述多个样本坐标点进行聚类分析,获得所述多个聚类结果;
结果标记模块,所述结果标记模块用于采用所述多个样本视力分析结果,对所述多个聚类结果进行标记,获得所述视力分析单元。
进一步而言,所述***还包括:
样本分析结果获取模块,所述样本分析结果获取模块用于获取多个样本视力分析结果和多个样本成绩分析结果;
调整计划获取模块,所述调整计划获取模块用于对所述多个样本视力分析结果和多个样本成绩分析结果进行随机组合,并进行视力保健内容调整,获得多个样本视力保健调整计划;
模型构建模块,所述模型构建模块用于采用所述多个样本视力分析结果、多个样本成绩分析结果和多个样本视力保健调整计划作为构建数据,构建所述视力保健计划调整分析模型;
模型分析模块,所述模型分析模块用于将所述视力分析结果和成绩分析结果输入所述视力保健计划调整分析模型内,获得所述视力保健计划调整参数。
进一步而言,所述***还包括:
第一索引参数构建模块,所述第一索引参数构建模块用于基于所述多个样本视力分析结果,构建第一索引属性和多个第一索引值;
第二索引参数构建模块,所述第二索引参数构建模块用于基于所述多个样本成绩分析结果,构建第二索引属性和多个第二索引值;
数据元素获取模块,所述数据元素获取模块用于基于所述多个样本视力保健调整计划,构建多个数据元素;
视力保健计划调整分析模型构建模块,所述视力保健计划调整分析模型构建模块用于基于所述第一索引属性和多个第一索引值、第二索引属性和多个第二索引值、多个数据元素,构建获得所述视力保健计划调整分析模型。
本说明书通过前述对一种基于云端处理的近视数据分析方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于云端处理的近视数据分析方法及***,对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种基于云端处理的近视数据分析方法,其特征在于,所述方法应用于一基于云端处理的近视数据分析***,所述***包括数据采集模块和云端处理模块,所述方法包括:
通过所述数据采集模块,采集目标用户在多个时间窗口的视力数据,获得视力数据集合,采集所述目标用户在多个时间窗口的成绩数据,获得成绩数据集合;
将所述视力数据集合、成绩数据集合和特征信息集合发送至所述云端处理模块;
在所述云端处理模块内,基于所述视力数据集合,计算获得视力变化参数集合,基于所述成绩数据集合,计算获得成绩变化参数集合;
将所述视力变化参数集合输入用户数据分析模型内的视力分析单元内,获得视力分析结果,将所述成绩变化参数集合输入所述用户数据分析模型内的成绩分析单元内,获得成绩分析结果;
将所述视力分析结果和成绩分析结果输入视力保健计划调整分析模型内,获得视力保健调整计划,对所述目标用户的视力保健内容进行调整。
2.根据权利要求1所述的方法,其特征在于,基于所述视力数据集合,计算获得视力变化参数集合,包括:
获取所述视力数据集合中的最小值,作为视力最小值;
根据所述视力数据集合,计算获得视力变化率;
基于所述视力最小值和所述视力变化率,生成所述视力变化参数集合。
3.根据权利要求2所述的方法,其特征在于,基于所述成绩数据集合,计算获得成绩变化参数集合,包括:
根据所述成绩数据集合,计算获得平均成绩;
根据所述成绩数据集合和所述平均成绩,计算获得成绩方差;
基于所述平均成绩和成绩方差,生成所述成绩变化参数集合。
4.根据权利要求3所述的方法,其特征在于,将所述视力变化参数集合输入用户数据分析模型内的视力分析单元内,获得视力分析结果,包括:
通过所述数据采集模块,获取多个样本视力变化参数集合,其中,每个样本视力变化参数集合内包括样本视力最小值和样本视力变化率;
基于所述多个样本视力变化参数集合,进行视力评估,获得多个样本视力分析结果;
基于所述多个样本视力变化参数集合和多个样本视力分析结果,构建所述视力分析单元,其中,所述视力分析单元内包括多个聚类结果,每个聚类结果与一样本视力分析结果对应;
将所述视力变化参数集合输入所述视力分析单元,获得落入的聚类结果及对应的样本视力分析结果,作为所述目标用户的所述视力分析结果。
5.根据权利要求4所述的方法,其特征在于,基于所述多个样本视力变化参数集合和多个样本视力分析结果,构建所述视力分析单元,包括:
基于视力最小值和视力变化率,构建视力分析坐标系的第一坐标轴和第二坐标轴;
将所述多个样本视力变化参数输入所述视力分析坐标系,获得多个样本坐标点;
对所述多个样本坐标点进行聚类分析,获得所述多个聚类结果;
采用所述多个样本视力分析结果,对所述多个聚类结果进行标记,获得所述视力分析单元。
6.根据权利要求1所述的方法,其特征在于,将所述视力分析结果和成绩分析结果输入视力保健计划调整分析模型内,获得视力保健计划调整参数,包括:
获取多个样本视力分析结果和多个样本成绩分析结果;
对所述多个样本视力分析结果和多个样本成绩分析结果进行随机组合,并进行视力保健内容调整,获得多个样本视力保健调整计划;
采用所述多个样本视力分析结果、多个样本成绩分析结果和多个样本视力保健调整计划作为构建数据,构建所述视力保健计划调整分析模型;
将所述视力分析结果和成绩分析结果输入所述视力保健计划调整分析模型内,获得所述视力保健计划调整参数。
7.根据权利要求6所述的方法,其特征在于,采用所述多个样本视力分析结果、多个样本成绩分析结果和多个样本视力保健计划调整计划作为构建数据,构建所述视力保健计划调整分析模型,包括:
基于所述多个样本视力分析结果,构建第一索引属性和多个第一索引值;
基于所述多个样本成绩分析结果,构建第二索引属性和多个第二索引值;
基于所述多个样本视力保健调整计划,构建多个数据元素;
基于所述第一索引属性和多个第一索引值、第二索引属性和多个第二索引值、多个数据元素,构建获得所述视力保健计划调整分析模型。
8.一种基于云端处理的近视数据分析***,其特征在于,所述***包括数据采集模块和云端处理模块,所述***包括:
数据获取模块,所述数据获取模块用于通过所述数据采集模块,采集目标用户在多个时间窗口的视力数据,获得视力数据集合,采集所 述目标用户在多个时间窗口的成绩数据,获得成绩数据集合;
数据发送模块,所述数据发送模块用于将所述视力数据集合、成绩数据集合和特征信息集合发送至所述云端处理模块;
参数计算模块,所述参数计算模块用于在所述云端处理模块内,基于所述视力数据集合,计算获得视力变化参数集合,基于所述成绩数据集合,计算获得成绩变化参数集合;
参数分析模块,所述参数分析模块用于将所述视力变化参数集合输入用户数据分析模型内的视力分析单元内,获得视力分析结果,将所述成绩变化参数集合输入所述用户数据分析模型内的成绩分析单元内,获得成绩分析结果;
计划获取模块,所述计划获取模块用于将所述视力分析结果和成绩分析结果输入视力保健计划调整分析模型内,获得视力保健调整计划,对所述目标用户的视力保健内容进行调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310337361.4A CN116705309B (zh) | 2023-03-31 | 2023-03-31 | 一种基于云端处理的近视数据分析方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310337361.4A CN116705309B (zh) | 2023-03-31 | 2023-03-31 | 一种基于云端处理的近视数据分析方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116705309A true CN116705309A (zh) | 2023-09-05 |
CN116705309B CN116705309B (zh) | 2024-04-16 |
Family
ID=87828197
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310337361.4A Active CN116705309B (zh) | 2023-03-31 | 2023-03-31 | 一种基于云端处理的近视数据分析方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116705309B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101053511A (zh) * | 2006-04-13 | 2007-10-17 | 殷祖江 | 利于视力提高的升学评价方法及视力测试*** |
CN202372983U (zh) * | 2011-09-21 | 2012-08-08 | 山东中创软件工程股份有限公司 | 一种成长数据分析*** |
JP2014097213A (ja) * | 2012-11-15 | 2014-05-29 | Mitsubishi Electric Corp | 目視検査訓練装置、目視検査訓練方法およびプログラム |
CN111374873A (zh) * | 2018-12-29 | 2020-07-07 | 刘永宏 | 学生智能近视防控仪 |
CN211293955U (zh) * | 2019-09-23 | 2020-08-18 | 徐蕴哲 | 一种基于视频深度学习的青少年视力守护*** |
CN111803076A (zh) * | 2020-07-07 | 2020-10-23 | 北京大学第三医院(北京大学第三临床医学院) | 一种防控近视的可穿戴设备的人工智能*** |
CN115547497A (zh) * | 2022-10-09 | 2022-12-30 | 湖南火眼医疗科技有限公司 | 基于多源数据的近视防控***及方法 |
-
2023
- 2023-03-31 CN CN202310337361.4A patent/CN116705309B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101053511A (zh) * | 2006-04-13 | 2007-10-17 | 殷祖江 | 利于视力提高的升学评价方法及视力测试*** |
CN202372983U (zh) * | 2011-09-21 | 2012-08-08 | 山东中创软件工程股份有限公司 | 一种成长数据分析*** |
JP2014097213A (ja) * | 2012-11-15 | 2014-05-29 | Mitsubishi Electric Corp | 目視検査訓練装置、目視検査訓練方法およびプログラム |
CN111374873A (zh) * | 2018-12-29 | 2020-07-07 | 刘永宏 | 学生智能近视防控仪 |
CN211293955U (zh) * | 2019-09-23 | 2020-08-18 | 徐蕴哲 | 一种基于视频深度学习的青少年视力守护*** |
CN111803076A (zh) * | 2020-07-07 | 2020-10-23 | 北京大学第三医院(北京大学第三临床医学院) | 一种防控近视的可穿戴设备的人工智能*** |
CN115547497A (zh) * | 2022-10-09 | 2022-12-30 | 湖南火眼医疗科技有限公司 | 基于多源数据的近视防控***及方法 |
Non-Patent Citations (2)
Title |
---|
李晴;曹慧;徐叶清;严双琴;顾春丽;汪素美;: "马鞍山市中小学生近视与视力保健相关行为关系的探讨", 安徽预防医学杂志, no. 03, 20 June 2013 (2013-06-20), pages 28 - 31 * |
李雯英;孙晴芬;: "中学生视力低下与学习成绩的调查分析", 中国校医, no. 04, 31 December 1992 (1992-12-31), pages 7 - 20 * |
Also Published As
Publication number | Publication date |
---|---|
CN116705309B (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103840988B (zh) | 一种基于rbf神经网络的网络流量测量方法 | |
CN106682768A (zh) | 一种答题分数的预测方法、***、终端及服务器 | |
CN110147428B (zh) | 知识点掌握度的更新方法、装置、设备和存储介质 | |
CN108596420A (zh) | 一种基于行为的人才测评***及方法 | |
CN103400328A (zh) | 面向多信息平台聚合的随堂式教学测评***及测评方法 | |
CN109919229A (zh) | 基于人工蜂群和神经网络的监测有害气体预测方法及*** | |
CN116561589B (zh) | 一种基于智能穿戴设备的考勤训练管理方法及*** | |
CN106097832A (zh) | 一种课堂学生互动评分的测量方法及*** | |
CN113610381A (zh) | 一种基于5g网络的水质远程实时监测*** | |
CN117390401B (zh) | 一种基于云平台的校园体育数字化管理***和方法 | |
CN116705309B (zh) | 一种基于云端处理的近视数据分析方法及*** | |
Song et al. | Pluggable reputation systems for peer review: A web-service approach | |
CN117172977A (zh) | 一种针对学员训练的训练建议生成方法及*** | |
CN106618499A (zh) | 跌倒检测设备、跌倒检测方法及装置 | |
CN110517751A (zh) | 一种运动康复管理*** | |
WO2020056811A1 (zh) | 表征室内环境综合质量的综合指标计算方法 | |
CN116959665B (zh) | 运动监测方法、装置、设备及存储介质 | |
KR20220089913A (ko) | 딥러닝 모듈을 이용한 발달장애 개선 시스템 및 방법 | |
CN114010170B (zh) | 一种基于标识显示的智能监测提醒方法及装置 | |
CN116779180A (zh) | 一种基于医院感染数据的传染病情监测*** | |
CN111815489B (zh) | 一种基于大数据的算法分析设计教学方法及装置 | |
Fang et al. | RankwithTA: A robust and accurate peer grading mechanism for MOOCs | |
CN112687138A (zh) | 一种基于物联网的互动教学平台 | |
CN110807606A (zh) | 一种基于大数据的智能自适应教育培训*** | |
CN116308921B (zh) | 一种运动数据分析方法、***、装置及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |