本發(fā)明涉及近視預(yù)測(cè)，特別是一種基于深度學(xué)習(xí)的近視多參數(shù)預(yù)測(cè)方法。

背景技術(shù)：

1、近視作為一種不可逆的屈光不正，嚴(yán)重影響患者的日常生活，同時(shí)也會(huì)顯著增加患者罹患各種視覺(jué)障礙的風(fēng)險(xiǎn)。對(duì)近視的未來(lái)進(jìn)展情況進(jìn)行準(zhǔn)確預(yù)測(cè)可以幫助盡早采取恰當(dāng)?shù)母深A(yù)措施，延緩近視進(jìn)展速度，對(duì)于預(yù)防發(fā)生高度近視或相關(guān)并發(fā)癥具有重要意義。目前，已有多項(xiàng)研究致力于建立針對(duì)近視進(jìn)展情況的預(yù)測(cè)模型，例如基于隨機(jī)森林等傳統(tǒng)機(jī)器學(xué)習(xí)方法的近視預(yù)測(cè)。但是，由于近視進(jìn)展的影響因素較多、個(gè)體差異較大，因此基于常規(guī)的視光檢查相關(guān)參數(shù)，對(duì)未來(lái)長(zhǎng)期的近視進(jìn)展情況進(jìn)行預(yù)測(cè)極具挑戰(zhàn)性。近年來(lái)，隨著深度學(xué)習(xí)技術(shù)的發(fā)展以及近視篩查數(shù)據(jù)的積累，基于深度學(xué)習(xí)的近視預(yù)測(cè)有望取得更好的性能。

2、目前，比較典型的近視預(yù)測(cè)方法主要包括：基于傳統(tǒng)機(jī)器學(xué)習(xí)的近視預(yù)測(cè)和基于深度學(xué)習(xí)的近視預(yù)測(cè)方法。典型的基于傳統(tǒng)機(jī)器學(xué)習(xí)方法包括利用隨機(jī)森林算法預(yù)測(cè)等效球鏡度，參見(jiàn)文獻(xiàn)“l(fā)in,haotian,et?al.prediction?of?myopia?development?amongchinese?school-aged?children?using?refraction?data?from?electronic?medicalrecords:a?retrospective,multicentre?machine?learning?study.plos?medicine,15.11(2018):e1002674”。這類方法設(shè)計(jì)邏輯清晰，算法的可解釋性較強(qiáng)，但處理大規(guī)模數(shù)據(jù)時(shí)效果往往不夠好，而且對(duì)等效球鏡的檢查容易受到矯正方式、檢查時(shí)的眼睛狀態(tài)、檢測(cè)設(shè)備等影響，單一使用等效球鏡參數(shù)不足以全面預(yù)測(cè)近視的進(jìn)展情況。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺點(diǎn)，提供一種基于深度學(xué)習(xí)的近視多參數(shù)預(yù)測(cè)方法。

2、本發(fā)明的目的通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)：一種基于深度學(xué)習(xí)的近視多參數(shù)預(yù)測(cè)方法，包括以下步驟：

3、s1：獲取基于深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練的近視篩查數(shù)據(jù)集，并對(duì)數(shù)據(jù)進(jìn)行預(yù)處理；

4、s2：對(duì)數(shù)據(jù)進(jìn)行重新編組；

5、s3：建立近視多參數(shù)預(yù)測(cè)模型；

6、s4：通過(guò)損失函數(shù)對(duì)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練和驗(yàn)證；

7、s5：使用模型進(jìn)行近視多參數(shù)預(yù)測(cè)。

8、優(yōu)選的，步驟s1中，近視篩查數(shù)據(jù)包括年齡、性別、球鏡、柱鏡、眼軸、角膜曲率、裸眼視力。

9、優(yōu)選的，步驟s1中，預(yù)處理為對(duì)球鏡和柱鏡進(jìn)行換算以獲得等效球鏡參數(shù)，對(duì)眼軸和角膜曲率進(jìn)行換算獲得軸率比參數(shù)，經(jīng)預(yù)處理后，每條數(shù)據(jù)的參數(shù)包括年齡、性別、等效球鏡、眼軸、軸率比、裸眼視力。

10、優(yōu)選的，等效球鏡參數(shù)＝球鏡+0.5*柱鏡。

11、優(yōu)選的，軸率比參數(shù)為眼軸除以角膜曲率k1與角膜曲率k2的平均值。

12、優(yōu)選的，步驟s2中，將具有相同檢測(cè)數(shù)量的數(shù)據(jù)歸為一組。

13、優(yōu)選的，步驟s3中，模型包括輸入層、隱藏層和輸出層，隱藏層由若干全連接層和非線性映射層組成，且兩個(gè)全連接層之間添加有前向的殘差連接。

14、優(yōu)選的，步驟s3中，模型以步驟s1預(yù)處理后的前后兩次檢查數(shù)據(jù)以及待預(yù)測(cè)年齡經(jīng)進(jìn)一步計(jì)算后作為輸入，其中計(jì)算后數(shù)據(jù)由首次檢查數(shù)據(jù)以及兩次檢查數(shù)據(jù)相減再除以兩次檢查時(shí)間間隔獲得的近視參數(shù)年度增長(zhǎng)率組成，待預(yù)測(cè)年齡用于指定模型預(yù)測(cè)結(jié)果所對(duì)應(yīng)的未來(lái)時(shí)間。

15、優(yōu)選的，步驟s4中，還包括以下步驟：

16、s41：將步驟s2中的數(shù)據(jù)組劃分為訓(xùn)練集和驗(yàn)證集；

17、s42：以其中一組作為驗(yàn)證集，其余所有組作為訓(xùn)練集，使用訓(xùn)練集數(shù)據(jù)對(duì)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；

18、s43：重復(fù)步驟s42，獲得對(duì)應(yīng)每一組驗(yàn)證集的訓(xùn)練模型，完成模型訓(xùn)練；

19、s44：依次對(duì)每一組驗(yàn)證集采用其對(duì)應(yīng)的訓(xùn)練模型進(jìn)行測(cè)試，獲得所有數(shù)據(jù)的近視預(yù)測(cè)結(jié)果。

20、優(yōu)選的，損失函數(shù)的計(jì)算公式為：

21、

22、其中，yi為真實(shí)眼軸、等效球鏡和軸率比組成的向量，y'i為預(yù)測(cè)的眼軸、等效球鏡和軸率比組成的向量，m為樣本數(shù)量。

23、本發(fā)明具有以下優(yōu)點(diǎn)：本發(fā)明通過(guò)建立具有殘差連接的多層感知器，基于任意前后兩次視光檢查數(shù)據(jù)對(duì)未來(lái)任意時(shí)刻的眼軸、等效球鏡、軸率比等多個(gè)參數(shù)近視預(yù)測(cè)，從而反映近視進(jìn)展的總體情況，同時(shí)將待預(yù)測(cè)年齡作為輸入用于指定模型預(yù)測(cè)結(jié)果對(duì)應(yīng)的未來(lái)時(shí)間間隔，實(shí)現(xiàn)對(duì)未來(lái)任意時(shí)刻的近視進(jìn)展預(yù)測(cè)，對(duì)于監(jiān)測(cè)近視進(jìn)展和指導(dǎo)近視防控具有重要意義。

技術(shù)特征：

1.一種基于深度學(xué)習(xí)的近視多參數(shù)預(yù)測(cè)方法，其特征在于：包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的近視多參數(shù)預(yù)測(cè)方法，其特征在于：所述步驟s1中，近視篩查數(shù)據(jù)包括年齡、性別、球鏡、柱鏡、眼軸、角膜曲率、裸眼視力。

3.根據(jù)權(quán)利要求2所述的基于深度學(xué)習(xí)的近視多參數(shù)預(yù)測(cè)方法，其特征在于：所述步驟s1中，預(yù)處理為對(duì)球鏡和柱鏡進(jìn)行換算以獲得等效球鏡參數(shù)，對(duì)眼軸和角膜曲率進(jìn)行換算獲得軸率比參數(shù)，經(jīng)預(yù)處理后，每條數(shù)據(jù)的參數(shù)包括年齡、性別、等效球鏡、眼軸、軸率比、裸眼視力。

4.根據(jù)權(quán)利要求3所述的基于深度學(xué)習(xí)的近視多參數(shù)預(yù)測(cè)方法，其特征在于：等效球鏡參數(shù)＝球鏡+0.5*柱鏡。

5.根據(jù)權(quán)利要求3所述的基于深度學(xué)習(xí)的近視多參數(shù)預(yù)測(cè)方法，其特征在于：軸率比參數(shù)為眼軸除以角膜曲率k1與角膜曲率k2的平均值。

6.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的近視多參數(shù)預(yù)測(cè)方法，其特征在于：所述步驟s2中，將具有相同檢測(cè)數(shù)量的數(shù)據(jù)歸為一組。

7.根據(jù)權(quán)利要求6所述的基于深度學(xué)習(xí)的近視多參數(shù)預(yù)測(cè)方法，其特征在于：所述步驟s3中，模型包括輸入層、隱藏層和輸出層，所述隱藏層由若干全連接層和非線性映射層組成，且兩個(gè)所述全連接層之間添加有前向的殘差連接。

8.根據(jù)權(quán)利要求7所述的基于深度學(xué)習(xí)的近視多參數(shù)預(yù)測(cè)方法，其特征在于：所述步驟s3中，模型以步驟s1預(yù)處理后的前后兩次檢查數(shù)據(jù)以及待預(yù)測(cè)年齡經(jīng)進(jìn)一步計(jì)算后作為輸入，其中計(jì)算后數(shù)據(jù)由首次檢查數(shù)據(jù)以及兩次檢查數(shù)據(jù)相減再除以兩次檢查時(shí)間間隔獲得的近視參數(shù)年度增長(zhǎng)率組成，所述待預(yù)測(cè)年齡用于指定模型預(yù)測(cè)結(jié)果所對(duì)應(yīng)的未來(lái)時(shí)間。

9.根據(jù)權(quán)利要求8所述的基于深度學(xué)習(xí)的近視多參數(shù)預(yù)測(cè)方法，其特征在于：所述步驟s4中，還包括以下步驟：

10.根據(jù)權(quán)利要求9所述的基于深度學(xué)習(xí)的近視多參數(shù)預(yù)測(cè)方法，其特征在于：損失函數(shù)的計(jì)算公式為：

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種基于深度學(xué)習(xí)的近視多參數(shù)預(yù)測(cè)方法，包括以下步驟：S1：獲取基于深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練的近視篩查數(shù)據(jù)集，并對(duì)數(shù)據(jù)進(jìn)行預(yù)處理；S2：對(duì)數(shù)據(jù)進(jìn)行重新編組；S3：建立近視多參數(shù)預(yù)測(cè)模型；S4：通過(guò)損失函數(shù)對(duì)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練和驗(yàn)證；S5：使用模型進(jìn)行近視多參數(shù)預(yù)測(cè)。本發(fā)明的有益效果是：通過(guò)建立具有殘差連接的多層感知器，基于任意前后兩次視光檢查數(shù)據(jù)對(duì)未來(lái)任意時(shí)刻的眼軸、等效球鏡、軸率比等多個(gè)參數(shù)近視預(yù)測(cè)，從而反映近視進(jìn)展的總體情況，同時(shí)將待預(yù)測(cè)年齡作為輸入用于指定模型預(yù)測(cè)結(jié)果對(duì)應(yīng)的未來(lái)時(shí)間間隔，實(shí)現(xiàn)對(duì)未來(lái)任意時(shí)刻的近視進(jìn)展預(yù)測(cè)，對(duì)于監(jiān)測(cè)近視進(jìn)展和指導(dǎo)近視防控具有重要意義。

技術(shù)研發(fā)人員：楊開(kāi)富
受保護(hù)的技術(shù)使用者：成都艾視醫(yī)院管理有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/30