CN106980748A - 基于大数据拟合的青少儿屈光发育监测方法及系统 - Google Patents

Abstract

本发明提供了一种基于大数据拟合的青少儿屈光发育监测方法及系统，该方法包括：S1，建立多因素动态屈光值的大数据模型；S2，根据测试者的裸眼视力检测值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，得出测试者视力不良的原因，若该测试者需要进行深度屈光发育监测，则利用大数据模型拟合出测试者的静态屈光值并进行长期监测。采用本发明只需要对测试者的裸眼视力和基本信息进行采集，就可以拟合出测试者的动态屈光值，监测方式简单；对需要进行屈光发育监测人群只需要对测试者的动态屈光、调节幅度和眼生物结构的各项参数进行检测，就可以拟合出测试者的静态屈光值，无需用到眼肌麻痹药水，监测方式简单。

Description

基于大数据拟合的青少儿屈光发育监测方法及系统

技术领域

本发明涉及青少年眼屈光发育监测领域，尤其涉及一种基于大数据拟合的青少儿屈光发育监测方法及系统。

背景技术

青少年近视问题是严重危害青少年身心健康的社会问题，近视化过程是一种发育性过程，近视的发生是一个从小到大受到遗传与用眼习惯影响的连续积累的产物。目前青少年对于近视问题关注时间过晚，在已经近视时才开始重视这个问题，错过了前面预防干预的过程。因此众多专家鼓励青少年从3岁起就开始实施屈光发育监测，但由于全民健康意识和社会卫生服务水平受限，要对大多数青少年在学校直接实施屈光发育监测可行性很低，特别是对于静态屈光（动态屈光指的未放松眼调节情况下的屈光状况，静态屈光通常指的是利用麻痹剂后检查出的屈光状况）检查，通常需要用到眼肌麻痹药水，大多数家长对此十分谨慎。

近视化发育主要关注的是静态屈光，静态屈光指的是未动用调节时眼部屈光值，传统检查静态屈光的方法通常是利用眼肌麻痹药水将被检者调节放松后利用主观或客观检查屈光进行诊断，另外也有利用雾视法等放松调节等方法。静态屈光其实是眼球各个结构之间屈光协调的结果，因此近年来很多科研者研究发现静态屈光值与眼生物结构中眼轴长度和角膜曲率有很强相关性，当然由于个体差异较大，晶状体等屈光属性有差异，只靠眼生物结构值进行拟合还是不能十分准确地监测预警静态屈光，需要结合动态屈光值和眼调节参数等。

另外，在现行情况下，绝大多数青少年都是在学校监测视力时出现看不清的问题后才开始注意进一步检查。理想的视力检查可以一定程度反应动态屈光状况，但不同个体瞳孔大小、视网膜分辨能力和心理状况同样也会影响检查结果。排除个性化差异后，理论状况下，视力检查结果结合近期用眼疲劳程度与动态屈光也有较强相关性。但目前在我国中小学进行的视力筛查大多数只进行了裸眼视力筛查，未能对屈光状况进行分析和监测，而且由于筛查中人工进行大量长时间的重复性裸眼视力检查，使检查结果质量并不能够得到有效保证。进而无法利用公共卫生服务来带动个体主动地进行深度屈光发育监测，无法促进学生与家长早期就主动地预防控制近视的过度发育。

预防控制近视只有从早期入手才能真正降低社会学生近视发病率，才能更为有效地控制个体近视化发育速度。

发明内容

本发明的目的在于提供一种基于大数据拟合的青少儿屈光发育监测方法及系统，主要应用于中小学校大群体的视力健康筛查和针对个体的深度屈光发育监测上，旨在用于解决现有的视力健康卫生服务水平受限、屈光发育监测困难且不满足大多数家长消费心理的问题。

本发明是这样实现的：

本发明提供一种基于大数据拟合的青少儿屈光发育监测方法，包括以下步骤：

S1，建立多因素动态屈光值的大数据模型；

S2，对测试者的裸眼视力进行检测，根据测试者的裸眼视力检测值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以得出测试者视力不良的原因，并判断该测试者是否需要进行深度屈光发育监测。

进一步地，所述步骤S1中多因素动态屈光值的大数据模型的建立方法如下：

S1.1，积累大量的初始数据，包括多个个体的基本信息、裸眼视力检测值以及动态屈光值，其中基本信息包括年龄、性别、遗传情况、近期用眼疲劳程度、发育期状况；

S1.2，对积累的大量初始数据进行单因素回归分析；

S1.3，对积累的大量初始数据进行多因素回归分析对比；

S1.4，确定多因素变量；

S1.5，建立多因素动态屈光值的大数据模型。

进一步地，若所述步骤S2中判断该测试者需要进行深度屈光发育监测，则还包括以下步骤：

S3，建立多因素静态屈光的大数据模型；

S4，对测试者的调节幅度和眼生物结构的各项参数进行检测，根据检测的参数结合测试者的动态屈光值利用多因素静态屈光的大数据模型拟合出测试者的静态屈光值；

S5，阶段性的重复上述步骤S4，获得测试者多个阶段的拟合的静态屈光值；

S6，根据测试者多个阶段的拟合的静态屈光值结合测试者的年龄和未来发育速度，对测试者下一阶段的屈光发育速度进行分析预测，并且对测试者未来成年后患高度近视的风险进行分析预测，同时对于之前两次检查时间内发育速度是否合理进行评估分析。

进一步地，所述步骤S3中多因素静态屈光的大数据模型的建立方法如下：

S3.1，积累大量的初始数据，包括多个个体的动态屈光、调节幅度、眼生物结构的各项参数以及静态屈光；

S3.2，对积累的大量初始数据进行单因素回归分析；

S3.3，对积累的大量初始数据进行多因素回归分析对比；

S3.4，确定多因素变量；

S3.5，建立多因素静态屈光的大数据模型。

进一步地，所述多因素静态屈光的大数据模型根据不断获取的新的初始数据进行迭代更新。

进一步地，若测试者进行过一次静态屈光、调节幅度、动态屈光、眼生物结构参数的检测，则先根据测得的动态屈光、调节幅度以及眼生物结构参数利用多因素静态屈光的大数据模型计算出拟合的静态屈光值，并与真实检查的静态屈光值进行比较，从而得出标定后的新截距值，并对多因素静态屈光的大数据模型进行调整。

进一步地，所述步骤S4中测试者的动态屈光值可以是所述步骤S2中拟合得到的动态屈光值或者是直接通过开放式电脑验光仪测得的动态屈光值。

本发明还提供一种基于大数据拟合的青少儿屈光发育监测系统，包括：

数据采集端，用于对测试者的基本信息、裸眼视力、动态屈光、眼生物结构的各项参数进行无纸化检查采集，并将采集的信息发送给数据库端；

数据库端，用于存储测试者的各项采集数据以及屈光发育监测数据；

大数据模型拟合后台，与数据库端连接，用于建立和更新多因素动态屈光值的大数据模型以及多因素静态屈光的大数据模型，并用于拟合测试者的动态屈光值以及静态屈光值；

分析预警端，与数据库端信号连接，用于根据测试者的视力、用眼行为习惯、视功能、动态屈光值和静态屈光值对用户进行当前视力健康状况评估，以及根据测试者多个阶段的拟合的静态屈光值结合测试者的年龄和未来发育速度，对测试者下一阶段的屈光发育速度进行分析预测，并且对测试者未来成年后患高度近视的风险进行分析预测；

客户端，用于接收分析预警端发出的分析预警信息。

进一步地，所述数据采集端包括自助视力检测仪以及现场监测设备，所述现场监测设备包括现场采集管理端以及与现场采集管理端信号连接的身高检查仪、开放式电脑验光仪和眼生物检查仪。

进一步地，所述自助视力检测仪包括主控制机和遥控器，所述遥控器为弧形手柄形状，所述主控制机上设置有便于携带的悬挂机构，所述主控制机包括指纹录入和识别模块、信息存储模块和信息分析模块、遥控通信模块、显示屏，所述指纹录入和识别模块的输入端设置有指纹检查入口，所述指纹录入和识别模块的输出端连接所述信息存储模块的输入端，所述信息存储模块输出端连接所述信息分析模块的输入端，所述信息分析模块的输出端连接所述显示屏的输入端，所述遥控通信模块分别与信息存储模块和信息分析模块通信接口连接，所述遥控通信模块与所述遥控器通过超声波或蓝牙讯号进行无线通信。

与现有技术相比，本发明具有以下有益效果：

（1）本发明提供的这种基于大数据拟合的青少儿屈光发育监测方法及系统，对群体进行视力健康筛查时，只需要利用数字化方式对测试者的裸眼视力和基本信息进行采集，然后利用多因素动态屈光值的大数据模型就可以拟合出测试者的动态屈光值，从而判断测试者的屈光类型以得出测试者视力不良的原因，并判断该测试者是否需要进行深度屈光发育监测。监测方式简单，成本较低，适合在学校等大人群普查的场景中对青少儿视力进行健康筛查。

（2）本发明提供的这种基于大数据拟合的青少儿屈光发育监测方法及系统，对于需要进一步实施深度屈光发育监测的人群，只需要对测试者的动态屈光、调节幅度和眼生物结构的各项参数进行检测，然后利用多因素静态屈光的大数据模型就可以拟合出测试者的静态屈光值，无需用到眼肌麻痹药水，监测方式简单且符合大多数家长消费心理，并且根据测试者多个阶段的拟合的静态屈光值可以对测试者的屈光发育速度以及未来成年后患高度近视的风险进行分析预测，对青少年的屈光发育起到良好的预警作用。

（3）本发明提供的这种基于大数据拟合的青少儿屈光发育监测系统，采用智能化的自助视力检测仪对测试者的裸眼视力进行检测，更适宜于群体视力筛查场景，做到快速、简单明了、检查中保证检查标准（例如保证检查距离、防止猜结果等现象，解决了目前普遍存在的群体检查中视力检查作弊现象）；通过与数据库端等对接，实现了及时地对大量检查数据的分析与统计，提供了更为细致的个体检查结果分析和展现，为政府有关部门和群体检查组织者提供群体流行病分析、咨询报告。

附图说明

图1为本发明实施例提供的一种基于大数据拟合的青少儿屈光发育监测方法的流程图；

图2为本发明实施例提供的一种多因素动态屈光值的大数据模型的建立方法的流程图；

图3为本发明实施例提供的一种多因素静态屈光值的大数据模型的建立方法的流程图；

图4为本发明实施例提供的一种基于大数据拟合的青少儿屈光发育监测系统的原理框图；

图5为本发明实施例提供的一种智能自助视力检测仪的原理框图。

附图标记说明：1-主控制机（1.1-指纹录入和识别模块；1.2-信息存储模块；1.3-信息分析模块；1.4-遥控通信模块；1.5-显示屏；1.6-声光报警器；1.7-手动触摸屏）；2-遥控器；3-手柄；4-现场采集管理端；5-身高检查仪；6-自助视力检测仪；7-开放式电脑验光仪；8-眼生物检查仪；9-数据库端；10-大数据模型拟合后台；11-分析预警端；12-客户端。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

如图1所示，本发明实施例提供一种基于大数据拟合的青少儿屈光发育监测方法，包括以下步骤：

S1，建立多因素动态屈光值的大数据模型；

如图2所示，多因素动态屈光值的大数据模型的具体建立方法如下：

S1.1，积累大量的初始数据，包括多个个体的基本信息、裸眼视力检测值以及动态屈光值，其中基本信息包括年龄、性别、遗传情况、近期用眼疲劳程度、发育期状况；

S1.2，对积累的大量初始数据进行单因素回归分析；

S1.3，对积累的大量初始数据进行多因素回归分析对比；

S1.4，确定多因素变量；

S1.5，建立多因素动态屈光值的大数据模型。

S2，对测试者的裸眼视力进行检测，根据测试者的裸眼视力检测值结合测试者的基本信息，其中基本信息包括年龄、性别、遗传情况、近期用眼疲劳程度、发育期状况，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，例如是眼病或者是屈光不正，由此可以判断该测试者是否需要进行深度屈光发育监测。

通过上述方法，只需要对测试者的裸眼视力和基本信息进行采集，然后利用多因素动态屈光值的大数据模型就可以拟合出测试者的动态屈光值，从而判断测试者的屈光类型，进而得到测试者视力不良的原因，是否需要进行深度屈光发育监测。该监测方式简单成本较低，适合在学校等大人群普查的场景中对青少儿视力进行健康筛查。

若所述步骤S2中判断该测试者需要进行深度屈光发育监测，则该方法还包括以下步骤：

S3，建立多因素静态屈光的大数据模型；

如图3所示，多因素静态屈光的大数据模型的具体建立方法如下：

S3.1，积累大量的初始数据，包括多个个体的动态屈光、调节幅度、眼生物结构的各项参数、眼睛的负相对集合以及静态屈光；其中眼生物结构的各项参数包括眼轴长度、晶状体长度、角膜曲率等；

S3.2，对积累的大量初始数据进行单因素回归分析；

S3.3，对积累的大量初始数据进行多因素回归分析对比；

S3.4，确定多因素变量；

S3.5，建立多因素静态屈光的大数据模型。

S4，对测试者的调节幅度和眼生物结构的各项参数进行检测，作为优选地，还包括对测试者眼睛的负相对集合进行检测，其中眼生物结构的各项参数包括眼轴长度、晶状体长度、角膜曲率等，根据检测的参数结合测试者的动态屈光利用多因素静态屈光的大数据模型拟合出测试者的静态屈光值。

其中，所述步骤S4中测试者的动态屈光值可以是所述步骤S2中拟合得到的动态屈光值或者是直接通过开放式电脑验光仪测得的动态屈光值。测试者的调节幅度和眼睛的负相对集合可以利用开放式电脑验光仪（例如日本精工WAM-5500）直接测得，测试者的眼生物结构的各项参数可以利用眼生物检查仪（例如Lenstar900或者IOL-master）直接测得。

所述步骤S4中，还可以通过拟合的静态屈光值大致判断该测试者有多大概率需要验配眼镜，从而决定是否散瞳验光，而且可以大概分析出测试者肌功能疲劳程度。

S5，阶段性的重复上述步骤S4，获得测试者多个阶段的拟合的静态屈光值。

S6，根据测试者多个阶段的拟合的静态屈光值结合测试者的年龄和未来发育速度（身高、体重等发育特征），对测试者下一阶段的屈光发育速度进行分析预测，并且对测试者未来成年后患高度近视的风险进行分析预测，同时对于之前两次检查时间内发育速度是否合理进行评估分析。

作为优选地，所述多因素静态屈光的大数据模型根据不断获取的新的初始数据进行迭代更新。

作为优选地，所述步骤S3中，若测试者进行过一次静态屈光、调节幅度、动态屈光、眼生物结构参数的检测，则先根据测得的动态屈光、调节幅度以及眼生物结构参数利用多因素静态屈光的大数据模型计算出拟合的静态屈光值，并与真实检查的静态屈光值进行比较，从而得出标定后的新截距值并对多因素静态屈光的大数据模型进行调整。这样会对拟合静态屈光值的精度有较大提高，主要体现在截距系数的设定上。

通过上述方法，只需要对测试者的动态屈光、调节幅度和眼生物结构的各项参数进行检测，然后利用多因素静态屈光的大数据模型就可以拟合出测试者的静态屈光值，无需用到眼肌麻痹药水，监测方式简单且符合大多数家长消费心理，并且根据测试者多个阶段的拟合的静态屈光值可以对测试者的屈光发育速度以及未来成年后患高度近视的风险进行分析预测，对青少年的屈光发育起到良好的预警作用。

如图4所示，本发明还提供一种基于大数据拟合的青少儿屈光发育监测系统，包括：

数据采集端，用于对测试者的基本信息、裸眼视力、动态屈光、调节幅度、眼生物结构的各项参数进行无纸化检查采集，优选地，还包括对测试者眼睛的负相对集合进行检查采集；

数据库端9，用于存储测试者的各项采集数据以及屈光发育监测数据；

大数据模型拟合后台10，与数据库端连接，用于建立和更新多因素动态屈光值的大数据模型以及多因素静态屈光的大数据模型，并用于拟合测试者的动态屈光值以及静态屈光值；

分析预警端11，与数据库端信号连接，用于根据测试者的视力、用眼行为习惯、视功能、动态屈光值和静态屈光值对用户进行当前视力健康状况评估，以及根据测试者多个阶段的拟合的静态屈光值结合测试者的年龄和未来发育速度，对测试者下一阶段的屈光发育速度进行分析预测，并且对测试者未来成年后患高度近视的风险进行分析预测；

客户端12，用于接收分析预警端发出的分析预警信息。

进一步地，所述数据库端9包括用于存储测试者的各项采集数据的中间数据库以及用于存储屈光发育监测数据的监测数据库。

进一步地，所述数据采集端包括自助视力检测仪6以及现场监测设备，其中自助视力检测仪6主要应用于学校等大人群普查的场景，用于大面积学生等人群自助式检查测试者的裸眼视力，并将检测的数据传输到中间数据库中。所述现场监测设备主要应用于个体深度监测的场景，所述现场监测设备包括现场采集管理端4以及与现场采集管理端4信号连接的身高检查仪5、开放式电脑验光仪7和眼生物检查仪8。所述现场采集管理端4可以直接收集测试者的基本信息并存储到中间数据库中，其中基本信息包括年龄、性别、遗传情况、近期用眼疲劳程度、发育期状况等，基本信息也可以通过客户端进行录入。所述身高检查仪5用于现场测量测试者的身高，所述开放式电脑验光仪7用于检测测试者的动态屈光以及调节幅度和眼睛的负相对集合，所述眼生物检查仪8用于检测测试者的眼生物结构的各项参数，包括眼轴长度、晶状体长度、角膜曲率等。所述身高检查仪5、所述开放式电脑验光仪7和所述眼生物检查仪8将检查的数据通过所述现场采集管理端4传输到中间数据库中。其中，所述开放式电脑验光仪7可以直接采用现有的仪器，如日本精工WAM-5500，所述眼生物检查仪8也可以直接采用现有的仪器，如Lenstar900或者IOL-master。

所述客户端12为手机客户端的APP模块或PC电脑的WEB界面或手机客户端的微信公众平台，用于接收分析预警端11推送的分析预警信息，还可用于家人与健康管理师对青少儿用眼习惯监督记录和评价。

由于现有的自助视力检测仪智能化程度不高，大多数不是针对群体筛查用，不能通过后台被检者的信息导入与指纹模块的结合做到快速登录；对于检查距离的标准，主要是靠人为检查距离，没能够提供测距方式，来保证测试时的要求；另外对于被检查者在检测中的猜结果等作弊方式，通过检查代码上的设计进行了一定的规避；检查后对于个体的检查结果和群体检查结果没有很好的进行分析统计，不能及时呈现给使用者。因此，本发明的自助视力检测仪6优选采用本申请人自主研发的一种智能自助视力检测仪，如图5所示，其包括主控制机1和遥控器2，遥控器2为弧形手柄形状，主控制机1上设置有便于携带的悬挂机构3，主控制机1包括指纹录入和识别模块1.1、信息存储模块1.2和信息分析模块1.3、遥控通信模块1.4、显示屏1.5，指纹录入和识别模块1.1的输入端设置有指纹检查入口，指纹录入和识别模块1.1的输出端连接信息存储模块1.2的输入端，信息存储模块1.2输出端连接信息分析模块1.3的输入端，信息分析模块1.3的输出端连接显示屏1.5的输入端，遥控通信模块1.4分别与信息存储模块1.2和信息分析模块1.3通信接口连接，遥控通信模块1.4与遥控器2通过超声波或蓝牙讯号进行无线通信。

主控制机1还包括声光报警器1.6，信息分析模块1.3的输出端与声光报警器1.6的输入端连接。主控制机1还包括手动触摸屏1.7，手动触摸屏1.7的输出端连接信息存储模块1.2的输入端。

信息分析模块1.3包括距离检测单元，距离测试单元用于检测遥控器2与主控制机1的距离，并将检测遥控器2与主控制机1的距离检测结果与国家标准5m比较，小于国家标准5m时，输出信号至声光报警器1.6进行报警和提醒。信息分析模块1.3输出对裸眼、散光、色觉、行为环境等视力问题检测的图像到显示屏1.5上，用显示屏1.5对裸眼、散光、色觉、行为环境等视力问题检测。

主控制机1与所述数据库端9之间通过wifi和GPRS通讯，指纹录入和识别模块1.1与所述数据库端9结合实现群体筛查中快速登录，并通过人机互动进行自主视力检查，实现体视力检查结果分析和群体视力状况统计分析功能。

弧形手柄形状的遥控器2，内圆弧型，考虑到小学生和初中生未完全发育，手掌较小，手持遥控时这样更舒适和方便，适合小孩手持。考虑到仪器的便携性，主控制机1挂墙上或放置坐立式，指纹录入和识别模块1.1安装在主控制机1上。

该智能自助视力检测仪的主要功能是提供用户通过操作遥控器2来进行自主的视力检查，显示屏1.5可显示视力检查的内容，包括裸眼视力、矫正后视力、散光、色觉和用眼行为环境调查，用户可以根据具体需求来设置检查项目。用户可以通过指纹录入和识别模块1.1以及手动触摸屏1.7进行主动信息输入，这两种方式来登录进而开始测试。当用户进行自主检查时，如果距离小于检查标准，主控制机1的声光报警器1.6会发出警报并停止测试，直到距离达到标准。

该智能自助视力检测仪在检查功能中，提供了指纹录入和识别模块1.1进行的检查入口，保证了检查的简易性，通过后台数据库端9导入被检者的有关信息，使群体检查时更加快速，对于信息不全的用户提供了手动触摸屏1.7的补录方式。检查的实现是通过显示屏1.5根据设定按检查逻辑显示E字图标，用户通过遥控器2进行选择，主控制机1接受信号后进行判断最终得到检查结果。在检查项目中考虑矫正视力的检查和用眼行为与环境的问卷调查，体现了基础视力体检的科学性。

该智能自助视力检测仪在工作时，遥控器2与主控制机1互动时通过发送超声波与蓝牙讯号，计算出两者时间差来监控被检者的检查距离，并在距离小于国家标准5m时主控制机1进行报警和提醒。视力检测结果的数据的呈现是通过分析预警端11向客户端5进行数据推送，视力检测结果的数据通过手机客户端的APP模块、PC电脑的WEB界面或手机客户端的微信公众平台接收，实现个体视力检查结果分析和群体视力状况统计分析功能。

该系统可以分别批量管理各个学校学生名单，也可以对个体基本信息进行管理。对来自客户端、自助视力检测仪以及现场监测设备上传的数据进行多维度统计分析和评估预警。主要包括对个体视力健康数据连续分析对比、对群体数据进行趋势分析和区、校、班分析统计，并根据可配置的预警需求进行短信、微信端主动推送预警。

本发明的基于大数据拟合的青少儿屈光发育监测系统在使用时，首先通过大数据模型拟合后台10建立多因素动态屈光值的大数据模型以及多因素静态屈光的大数据模型，通过数据采集端4采集测试者的基本信息以及裸眼视力、动态屈光、调节幅度、眼睛的负相对集合以及眼生物结构的各项参数并存储到数据库端9的中间数据库中，大数据模型拟合后台10获取中间数据库中的各项参数并拟合出测试者的动态屈光值以及静态屈光值并存储到数据库端9的监测数据库中，最后分析预警端11根据根据测试者的视力、用眼行为习惯、视功能、动态屈光值和静态屈光值对用户进行当前视力健康状况评估，以及根据测试者多个阶段的拟合的静态屈光值结合测试者的年龄和未来发育速度，对测试者下一阶段的屈光发育速度进行分析预测，并且对测试者未来成年后患高度近视的风险进行分析预测，并将结果推送到客户端12上以供查阅。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于大数据拟合的青少儿屈光发育监测方法，其特征在于，包括以下步骤：

S1，建立多因素动态屈光值的大数据模型；

S2，对测试者的裸眼视力进行检测，根据测试者的裸眼视力检测值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以得出测试者视力不良的原因，并判断该测试者是否需要进行深度屈光发育监测。

2.如权利要求1所述的基于大数据拟合的青少儿屈光发育监测方法，其特征在于：所述步骤S1中多因素动态屈光值的大数据模型的建立方法如下：

S1.1，积累大量的初始数据，包括多个个体的基本信息、裸眼视力检测值以及动态屈光值，其中基本信息包括年龄、性别、遗传情况、近期用眼疲劳程度、发育期状况；

S1.2，对积累的大量初始数据进行单因素回归分析；

S1.3，对积累的大量初始数据进行多因素回归分析对比；

S1.4，确定多因素变量；

S1.5，建立多因素动态屈光值的大数据模型。

3.如权利要求1所述的基于大数据拟合的青少儿屈光发育监测方法，其特征在于：若所述步骤S2中判断该测试者需要进行深度屈光发育监测，则还包括以下步骤：

S3，建立多因素静态屈光的大数据模型；

S4，对测试者的调节幅度和眼生物结构的各项参数进行检测，根据检测的参数结合测试者的动态屈光值利用多因素静态屈光的大数据模型拟合出测试者的静态屈光值；

S5，阶段性的重复上述步骤S4，获得测试者多个阶段的拟合的静态屈光值；

S6，根据测试者多个阶段的拟合的静态屈光值结合测试者的年龄和未来发育速度，对测试者下一阶段的屈光发育速度进行分析预测，并且对测试者未来成年后患高度近视的风险进行分析预测，同时对于之前两次检查时间内发育速度是否合理进行评估分析。

4.如权利要求3所述的基于大数据拟合的青少儿屈光发育监测方法，其特征在于：所述步骤S3中多因素静态屈光的大数据模型的建立方法如下：

S3.1，积累大量的初始数据，包括多个个体的动态屈光、调节幅度、眼生物结构的各项参数以及静态屈光；

S3.2，对积累的大量初始数据进行单因素回归分析；

S3.3，对积累的大量初始数据进行多因素回归分析对比；

S3.4，确定多因素变量；

S3.5，建立多因素静态屈光的大数据模型。

5.如权利要求4所述的基于大数据拟合的青少儿屈光发育监测方法，其特征在于：所述多因素静态屈光的大数据模型根据不断获取的新的初始数据进行迭代更新。

6.如权利要求4所述的基于大数据拟合的青少儿屈光发育监测方法，其特征在于：若测试者进行过一次静态屈光、调节幅度、动态屈光、眼生物结构参数的检测，则先根据测得的动态屈光、调节幅度以及眼生物结构参数利用多因素静态屈光的大数据模型计算出拟合的静态屈光值，并与真实检查的静态屈光值进行比较，从而得出标定后的新截距值，并对多因素静态屈光的大数据模型进行调整。

7.如权利要求3所述的基于大数据拟合的青少儿屈光发育监测方法，其特征在于：所述步骤S4中测试者的动态屈光值是所述步骤S2中拟合得到的动态屈光值或者是直接通过开放式电脑验光仪测得的动态屈光值。

8.一种基于大数据拟合的青少儿屈光发育监测系统，其特征在于，包括：

数据采集端，用于对测试者的基本信息、裸眼视力、动态屈光、眼生物结构的各项参数进行无纸化检查采集，并将采集的信息发送给数据库端；

数据库端，用于存储测试者的各项采集数据以及屈光发育监测数据；

大数据模型拟合后台，与数据库端连接，用于建立和更新多因素动态屈光值的大数据模型以及多因素静态屈光的大数据模型，并用于拟合测试者的动态屈光值以及静态屈光值；

分析预警端，与数据库端信号连接，用于根据测试者的视力、用眼行为习惯、视功能、动态屈光值和静态屈光值对用户进行当前视力健康状况评估，以及根据测试者多个阶段的拟合的静态屈光值结合测试者的年龄和未来发育速度，对测试者下一阶段的屈光发育速度进行分析预测，并且对测试者未来成年后患高度近视的风险进行分析预测；

客户端，用于接收分析预警端发出的分析预警信息。

9.如权利要求8所述的基于大数据拟合的青少儿屈光发育监测系统，其特征在于：所述数据采集端包括自助视力检测仪以及现场监测设备，所述现场监测设备包括现场采集管理端以及与现场采集管理端信号连接的身高检查仪、开放式电脑验光仪和眼生物检查仪。

10.如权利要求9所述的基于大数据拟合的青少儿屈光发育监测系统，其特征在于：所述自助视力检测仪包括主控制机和遥控器，所述遥控器为弧形手柄形状，所述主控制机上设置有便于携带的悬挂机构，所述主控制机包括指纹录入和识别模块、信息存储模块和信息分析模块、遥控通信模块、显示屏，所述指纹录入和识别模块的输入端设置有指纹检查入口，所述指纹录入和识别模块的输出端连接所述信息存储模块的输入端，所述信息存储模块输出端连接所述信息分析模块的输入端，所述信息分析模块的输出端连接所述显示屏的输入端，所述遥控通信模块分别与信息存储模块和信息分析模块通信接口连接，所述遥控通信模块与所述遥控器通过超声波或蓝牙讯号进行无线通信。