[发明专利]光学生物参数预测方法和设备

说明书

本发明提供一种光学生物参数预测方法和设备，所述方法包括：获取用户的光学生物测量数据、期望时间和问卷调查数据，所述光学生物测量数据包括所述用户的年龄、光学生物测量时的时间信息和光学生物参数，所述问卷调查数据包括多个能够对眼部构成影响的辅助信息；利用预测模型根据所述光学生物测量数据和问卷调查数据预测所述用户在所述期望时间时的光学生物参数。

技术领域

本发明涉及人工智能医疗数据分析领域，具体涉及一种光学生物参数预测方法和设备。

背景技术

近视是眼部疾患的一种，是全世界最严重的公共卫生问题之一。特别是近年来，随着各种智能设备的普及，近视在儿童青少年这类好发人群中的发病率在日益增长，它严重危害了儿童和青少年的身心健康，很大程度影响了儿童青少年的学习和生活。

目前本领域机构和人员可以通过各种精确的测量手段来十份准确地检测人体的光学生物参数，如眼轴长度、角膜厚度、前房深度等，进而综合判断目前眼球的状态。

近年来，也有越来越多的研究投入到对视力或者屈光度的预测中。现有技术，如申请号为2018100240709的中国专利大多是利用过去的视力信息直接预测未来的视力，或者是利用过去的屈光度直接预测未来的屈光度。这一类方法虽然对眼部状态的发展趋势有一定的预测作用，但是如视力值和屈光度这种信息是眼部状态发展结果，而引起人体眼部状态变化的因素有很多，同样的视力不良可能是眼睛的不同部位的变化引起的，所以直接预测视力值或者屈光度的方案所得到的结果准确性不够高，而且不能反映眼睛细节部位的变化情况。

发明内容

有鉴于此，本发明提供一种光学生物参数预测模型训练方法，包括：

获取样本数据及其标签信息，所述样本数据包括光学生物测量数据和问卷调查数据，其中所述光学生物测量数据包括同一被测者两次光学生物测量的时间差、在先一次光学生物测量时的时间信息和光学生物参数、年龄，所述问卷调查数据包括多个能够对眼部构成影响的辅助信息，所述标签信息包括在后一次光学生物测量时的光学生物参数；

利用多个所述样本数据及其标签信息对预测模型进行训练，以使所述预测模型根据所述样本数据得到预测的光学生物参数，并根据所述预测的光学生物参数与所述标签信息中的光学生物参数的差距优化自身参数。

可选地，所述获取样本数据及其标签信息，包括：

在多个光学生物测量记录数据中根据被测者身份信息获取同一被测者的任意两个光学生物测量记录数据；

根据所述两个光学生物测量记录数据中的光学生物测量时间信息确定所述时间差，并获取靠前的光学生物测量时间及其对应的光学生物参数、以及靠后的光学生物测量时间对应的光学生物参数。

可选地，所述获取样本数据及其标签信息，包括：

根据被测者身份信息获取被测者填写的调查问卷，其中包括多个能够对眼部构成影响的问答信息；

将所述问答信息转换为能够被预测模型读取的数值。

可选地，在获取样本数据及其标签信息之前，包括：

根据被测者身份信息获取被测者填写的调查问卷，其中包括多个能够对眼部构成影响的问答信息；

根据所述问答信息和预设问答规则确定各个问答信息之间是否存在冲突；

剔除存在冲突的调查问卷。

可选地，所述预测模型为决策树模型。

可选地，利用多个所述样本数据及其标签信息对预测模型进行训练，包括：

确定所述决策树模型的超参数的预设值组合，所述超参数包括决策树个数和每棵决策树最多使用的特征个数；