[发明专利]眼球状态预测方法及预测模型构建方法和设备

说明书

本发明提供一种眼球状态预测方法及预测模型构建方法和设备，其中所述构建方法包括如下步骤：获取样本数据，所述样本数据至少包括年龄信息、检测时间序列信息以及与所述检测时间序列信息相应的眼球状态信息；利用所述样本数据对预测模型进行训练，以使经过训练的预测模型能够根据输入的年龄信息、当前检测时间信息和当前眼球状态信息确定在当前检测时间之后的至少一时间段的眼球状态信息。

技术领域

本发明涉及人工智能医疗数据分析领域，具体涉及一种眼球状态预测方法及预测模型构建方法和设备。

背景技术

随着当今经济的发展，教育的进步，各种智能设备的普及，人们的视力正逐渐的受到影响，重要性不言而喻，尤其是对于青少年而言。

目前本领域机构和人员可以通过各种优良的技术手段来十分准确地检测当前的眼球状态信息，如视力信息、屈光度信息等，进而可以通过眼睛的屈光度等一系列数据来综合判断出目前眼球的状态。例如现有技术提供一些对测试者的裸眼视力进行检测的方案,根据测试者的裸眼视力检测值并结合测试者的基本信息,利用多因素动态屈光值的大数据模型拟合出测试者的动态屈光值,从而判断测试者的屈光类型,如近视或者远视或者正视或者弱视,然后得出测试者视力不良的原因。此方法只是根据当前的裸眼测试得出当前的动态曲光值，从而判断当前眼睛所处的一种情况，并不能预测视力在之后一段时间的发展情况，对治疗手段的决策也缺乏必要的相关信息。

由此可见，对于眼部已经出现异常或有可能出现异常的用户而言，现有技术只确定用户当前眼部状态信息，对后续治疗或预防提供的帮助或参考价值是非常有限的。

发明内容

有鉴于此，本发明提供一种眼球状态预测模型构建方法，包括如下步骤：

获取样本数据，所述样本数据至少包括年龄信息、检测时间序列信息以及与所述检测时间序列信息相应的眼球状态信息；

利用所述样本数据对预测模型进行训练，以使经过训练的预测模型能够根据输入的年龄信息、当前检测时间信息和当前眼球状态信息确定在当前检测时间之后和/或之前的至少一时间段的眼球状态信息。

可选地，所述获取样本数据的步骤，包括：

从样本数据中筛选出时间序列信息不完整的样本数据；

对时间序列信息不完整的样本数据补充缺失的检测时间序列信息以及相应缺失的眼球状态信息。

可选地，所述对时间序列信息不完整的样本数据补充缺失的检测时间序列信息以及相应缺失的眼球状态信息的步骤，包括：

利用完整的数据样本对数据补充模型进行训练，以使所述数据补充模型能够根据输入的时间序列信息及相应的眼球状态信息、缺失的时间序列信息确定所述缺失的时间序列信息对应的缺失的眼球状态信息；

将所述缺失的时间序列信息和所述缺失的眼球状态信息补充到所述时间序列信息不完整的样本数据中。

可选地，所述获取样本数据的步骤，包括：

判断样本数据中的检测时间序列信息的数量是否少于阈值；

当样本数据中的检测时间序列信息少于阈值时剔除相应的样本数据。

可选地，所述获取样本数据的步骤，包括：

判断样本数据中的眼球状态信息是否在预设范围内；

当样本数据中的眼球状态信息未在预设范围内时剔除相应的样本数据。

可选地，所述获取样本数据的步骤，包括：

判断样本数据中的眼球状态信息随检测时间序列信息的变化趋势是否存在跳变现象；

当样本数据中的眼球状态信息随检测时间序列信息的变化趋势存在跳变现象时剔除相应的样本数据。