[发明专利]一种基于深度学习算法的小儿视力障碍筛查系统及方法

说明书

本发明提供了一种基于深度学习算法的小儿视力障碍筛查方法及系统，包括：获取一段儿童上半身的视频；对视频进行实时解析，提取出视频中符合预设要求的高质量片段，裁剪出高质量的面部片段和眼部片段；利用面部片段信息和眼部片段信息分别训练面部分类网络和眼部分类网络，直至损失函数收敛，得到训练后的面部分类网络和眼部分类网络；使用训练后的面部分类网络和眼部分类网络，为每一个面部数组和眼部数组编码，得到相应的患有眼部疾病的概率；将得到的相应的患有眼部疾病的概率进行集成，最终输出儿童是否患有视力障碍的阴阳性判断结果；本发明解决了利用使用智能手机的摄像头拍摄的儿童上半身视频进行视力障碍筛查的问题。

技术领域

本发明涉及人眼视力的快速视力筛查方法，具体地，涉及一种基于深度学习算法的小儿视力障碍筛查系统及方法。

背景技术

目前现有技术已经有很多能够对人的面部进行关键点检测以及表情识别，且精准度较高。但是，目前尚无任何专利或产品能够针对性地对儿童进行视力健康状况的筛查。即便儿童的表情能够被识别出来，也难以从表情推断出儿童是否患有眼部异常，例如斜视、眼球震颤等。

专利文献CN106169073A(申请号：201610539445.6)公开了一种表情识别方法及系统，一种表情识别方法及系统，能够提高面部表情的识别精度。所述方法包括：获取面部表情图像作为训练样本和测试样本，并提取所述面部表情图像的多个面部关键部位；提取所述面部表情图像和各面部关键部位的面部表情特征；构建稀疏分类器，依据提取的所述训练样本和测试样本的面部表情特征，对所述测试样本的面部表情图像及面部关键部位进行表情分类；对所述稀疏分类器的表情分类结果进行融合，根据融合结果确定所述测试样本的表情类别。该专利中虽然能够识别出人物的标签，但是其提供的信息并不足以支撑疾病的诊断。

此外2019年10月与Nature Biomedical Engineering第1-10页发表的Discrimination of the behavioural dynamics of vi sually impaired infants viadeep learning.为专利申请人团队的一项前期研究，采用了和本专利类似的技术路线，同样使用拍摄的儿童视频对儿童进行视力障碍检测。但是这一研究主要在医疗场景下进行，其采用的深度神经网络架构和技术路线与本专利并不相同，主要为了契合医疗场景下的数据，且缺乏视频质控模块，不适用于用智能手机拍摄视频的日常环境中。

专利文献CN109924941A(申请号：201910055702.2)公开了一种自动进行数据收集及分析的快速视力筛查方法，其包括如下步骤：第一步、视力检测者在一检测终端输入视力检测请求，第二步、该检测终端将该视力检测请求发送至一控制服务器，第三步、该控制服务器控制一测视系统，由该测视系统将视力表的测视读数依次分组展示给视力检测者，第四步、视力检测者依次分组观察该测视读数，并逐一在该检测终端上输入判断信息，第五步、由该检测终端对该判断信息进行分析最终得到视力检测者的视力值，第六步、由该检测终端将视力检测者的视力值上传至存储云端。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于深度学习算法的小儿视力障碍筛查方法及系统。

根据本发明提供的一种基于深度学习算法的小儿视力障碍筛查方法，包括：

步骤M1：获取一段儿童上半身的视频；

步骤M2：对视频进行实时解析，利用质量控制算法，提取出视频中符合预设要求的高质量片段，并利用人脸的关键点信息，裁剪出高质量的面部片段和眼部片段；

步骤M3：利用面部片段信息和眼部片段信息分别训练面部分类网络和眼部分类网络，直至损失函数收敛，得到训练后的面部分类网络和眼部分类网络；

步骤M4：使用训练后的面部分类网络和眼部分类网络，为每一个面部数组和眼部数组编码，得到相应的患有眼部疾病的概率；