CN109480757A - 视功能检测方法和系统及装置 - Google Patents
视功能检测方法和系统及装置 Download PDFInfo
- Publication number
- CN109480757A CN109480757A CN201811654943.0A CN201811654943A CN109480757A CN 109480757 A CN109480757 A CN 109480757A CN 201811654943 A CN201811654943 A CN 201811654943A CN 109480757 A CN109480757 A CN 109480757A
- Authority
- CN
- China
- Prior art keywords
- resolution capability
- tested object
- bulk property
- detection
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/02—Subjective types, i.e. testing apparatus requiring the active assistance of the patient
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/0016—Operational features thereof
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4058—Detecting, measuring or recording for evaluating the nervous system for evaluating the central nervous system
- A61B5/4064—Evaluating the brain
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Neurology (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Ophthalmology & Optometry (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- Psychology (AREA)
- Neurosurgery (AREA)
- Physiology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请实施例公开了一种视功能检测方法和系统及装置，通过对不同视角的整体和局部性质的分辨任务，检测不同视角对应的视觉功能。方法包括：向被试对象提供N个整体性质分辨能力测试信，并获取所述被试对象针对所述N个整体性质分辨能力测试信号返回的N个分辨能力响应信息；根据N个所述整体性质分辨能力响应信息计算所述被试对象的检测正确率，并在计算机显示屏上显示所述检测正确率；基于所述被试对象的整体性质分辨能力的检测正确率，计算所述被试对象存在整体性质分辨缺陷的概率，可以测试出视觉整体性质的分辨功能是否异常，有助于对整体性质加工障碍相关的脑疾病的早期筛查和疑难脑疾病的辅助诊断。
Description
技术领域
本申请涉及脑科学研究技术领域，具体涉及一种视功能检测方法和系统及装置。
背景技术
当前，脑疾病在人类疾病谱系中越来越靠前，随着人们所面临的日益增加的工作和生活压力，脑疾病的发病率不断升高，据世界卫生组织2004年统计，各类精神疾病约占人类疾病总负担的13.08％。在我国，目前精神疾病约占疾病总负担的20.8％，给社会和家庭带来极大的经济和精神负担。脑疾病和脑科学的研究已成为世界范围的研究热潮。然而，目前人们对脑疾病的诊断和治疗还存在相当多的困难，表现为诊断过多依赖医生的主观经验和判断，以及缺乏早期诊断的依据和手段，丧失了治疗的最佳时期。
视觉功能障碍是脑疾病的一个重要表现。因此视觉功能的检测不仅有利于早期发现眼科疾病，例如青光眼的早期筛查，同时对其他相关的脑疾病的早发现也具有重要的意义。
然而现有的视觉功能检测方法主要是针对大细胞视觉通路的反应速度，而没有针对视觉敏感度的，视觉敏感度和和视觉通路的反应速度反应的是不同的脑功能，相应的，视觉敏感度和和视觉通路的检测结果反应的是不同的脑疾病，视觉敏感度的检测不仅辅助相关脑疾病的诊断，还为客观分类精神疾病提供新的科学依据。
发明内容
本申请实施例提供了一种视功能检测方法和系统及装置，通过对不同视角的整体和局部性质的分辨任务，检测不同视角对应的视觉功能。该系统有利于早期发现视觉功能障碍，以及相关的脑疾病。
第一方面，本申请实施例提供一种视功能检测方法，所述方法包括：
向被试对象提供N个整体性质分辨能力测试信号，并获取所述被试对象针对N个所述整体性质分辨能力测试信号返回的N个分辨能力响应，N个所述整体性质分辨能力测试信号与N个所述分辨能力响应之间一一对应，N为正整数；
根据N个所述分辨能力响应计算所述被试对象的整体性质分辨能力的检测正确率，并在计算机显示屏上显示所述检测正确率；
基于所述被试对象的整体性质分辨能力的检测正确率，计算所述被试对象存在整体性质分辨缺陷的概率。
第二方面，本申请实施例提供一种视功能检测系统，所述视功能检测系统包括：主机、显示屏、主试开关以及微动开关反应按键盒，所述主试开关用于发出显示指令；其中，所述显示屏与所述主机相连，所述微动开关反应按键盒通过连接线与所述主机的打印机接口相连，所述主试开关通过连接线与主机的USB接口相连；所述主机中配置有处理器；
所述显示屏，用于在所述显示屏设定位置处显示所述几何图形刺激信号以及所述被试对象的整体性质分辨能力的检测正确率；
所述主试开关，用于向主机发送显示指令；
所述微动开关反应按键盒，用于针对所述图形刺激是否拓扑相同发出判断动作，所述判断动作所表达的分辨结果为所述分辨能力响应；
所述处理器，用于接收所述主试开关发出的所述显示指令，获取所述被试对象针对N个所述整体性质分辨能力测试信号返回的N个分辨能力响应，根据N个所述分辨能力响应计算所述被试对象的整体性质分辨能力的检测正确率，以及计算所述被试对象存在整体性质分辨缺陷的概率。
第三方面，本申请实施例提供一种视功能检测装置，所述视功能检测装置应用于视功能检测系统中的处理器，所述视功能检测装置包括：
接收单元，用于接收主试开关发出的显示指令，获取被试对象针对N个所述分辨能力测试信号返回的N个分辨能力响应；
评估单元，根据N个所述分辨能力响应计算所述被试对象的整体性质分辨能力的检测正确率，以及计算所述被试对象存在整体性质分辨缺陷的概率。
第四方面，本申请实施例提供了一种计算机可读存储介质，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如本申请实施例第一方面任一方法中所描述的部分或全部步骤。
可以看出，本申请实施例中通过向被试对象提供N个整体性质分辨能力测试信号，并获取所述被试对象针对N个所述整体性质分辨能力测试信号返回的N个分辨能力响应；根据N个所述整体性质分辨能力响应计算所述被试对象的检测正确率，并在计算机显示屏上显示所述检测正确率；基于所述被试对象的整体性质分辨能力的检测正确率，计算所述被试对象存在整体拓扑性质的分辨缺陷的概率，可以测试出视觉整体性质的分辨功能是否异常，有助于对整体性质加工障碍相关的脑疾病的早期筛查和疑难脑疾病的辅助诊断。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种视功能检测方法的的流程示意图；
图2是本申请实施例提供的拓扑相同的两个几何图形刺激；
图3是本申请实施例提供的拓扑不同的两个几何图形刺激；
图4是本申请实施例提供的一种视功能检测示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
如图1所示，图1是本申请实施例提供的一种视功能检测方法的的流程示意图，所述视功能检测方法包括：
向被试对象提供N个整体性质分辨能力测试信号，并获取所述被试对象针对N个所述整体性质分辨能力测试信号返回的N个分辨能力响应，N个所述整体性质分辨能力测试信号与N个所述分辨能力响应之间一一对应，N为正整数；
根据N个所述分辨能力响应计算所述被试对象的整体性质分辨能力的检测正确率，并在计算机显示屏上显示所述检测正确率；
基于所述被试对象的整体性质分辨能力的检测正确率，计算所述被试对象存在整体性质分辨缺陷的概率。
其中，经分析，当N取60时可以取得较好的检测效果。
具体实现中，以青光眼这种眼部疾病为例，通过分别在中央视野和外周视野设置的对整体图形的分辨任务，判断视觉系统对整体拓扑性质的分辨功能是否异常，从而区分出青光眼和非青光眼，为早期青光眼的客观诊断提供科学方法；此外，对整体拓扑性质的分辨功能的检测还可辅助精神分裂和自闭症等精神疾病的诊断。
可以看出，本申请实施例中通过向被试对象提供整体性质分辨能力测试信号，并获取所述被试对象针对所述整体性质分辨能力测试信号返回的分辨能力响应；根据所述整体性质分辨能力响应计算所述被试对象的检测正确率，并在计算机显示屏上显示所述检测正确率；基于所述被试对象的整体性质分辨能力的检测正确率，计算所述被试对象存在整体拓扑性质的分辨缺陷的概率，可以测试出视觉系统对整体拓扑性质的分辨功能是否异常，有助于对整体性质加工障碍相关的脑疾病的早期筛查和疑难脑疾病的辅助诊断。
在一个可能的示例中，所述整体性质分辨能力测试信号包括：整体拓扑相同或不同的两个几何图形刺激信号。
其中，所述几何图形如图2和图3所示，图2为拓扑相同的两个几何图形刺激信号，图3为拓扑不同的两个几何图形刺激信号，当出现的两个图形都是三角形或者箭头时，该组几何图形拓扑相同，当出现的两个图形是三角形与箭头时，该组几何图形拓扑不同。可知，拓扑相同的组合一共有6种，拓扑不同的组合一共有4种，因为图形刺激信号的显示位置有中央和外围两种，所以图形刺激信号显示的组合一共有20种，为保证检测的有效性，排除意外因素，设定每一种图形刺激信号在总体检测过程中随机一共出现3次，总计60次，检测时长大概为3～4min。所述图形刺激信号中的几何图形也可由整体拓扑性质相同及不同的字母或数字代替，例如字母：E和S(整体拓扑性质不同)，p和d(整体拓扑性质相同)，数字6和9(整体拓扑性质相同)，3和8(整体拓扑性质不同)。
可以看出，所述视功能检测方法所设定的不同图形刺激信号出现的次数和组合较为科学合理，可以有效的检测出所述被试对象整体性质加工是否异常,并且检测时间较短，可以避免所述被试对象出现视觉适应现象。
在一个可能的示例中，向被试对象提供N个整体性质分辨能力测试信号，并获取所述被试对象针对N个所述整体性质分辨能力测试信号返回的N个分辨能力响应，包括：
接收显示指令，在所述显示屏设定位置处显示所述几何图形刺激信号以响应所述显示指令，将所述几何图形刺激信号显示设定时长后消隐；
获取所述被试对象针对所述几何图形刺激信号是否拓扑相同做出的判断动作，所述判断动作所表达的分辨结果为所述分辨能力响应。
重复以上试次N次。
其中，N为60。如图4所示，所述设定位置有外周和中央两种，外周是水平方向距离显示屏中心12cm处的两个位置，中央是水平方向距离显示屏中心1.5cm处的两个位置。为了检测视灵敏度，显示所述整体性质分辨能力测试信号的时间需要尽可能的短，考虑到人眼的差别反应时间是2ms，如果显示时间小于2ms，人眼就无法捕捉到画面，所述显示屏屏幕刷新率为50Hz，从而保证每次测试中所述整体性质分辨能力测试信号的显示时长为20ms。
每次检测过程中，在所述被试对象做出动作判断并口头报告完成后，主试提醒所述被试对象准备下一次检测，同时，按下主试开关，显示屏显示下一组图形刺激信号。具体实现中，主试的动作可由计算机来完成，具体包括：
获取所述被试对象针对所述分辨能力测试信号返回的分辨能力响应，发出声音提醒，并显示下一组图形刺激信号，所述声音提醒是提前录制导入系统中的。
可以看出，本测试方法简单易行，测试工具易携带，适用于医院、学校等多场所中。
在一个可能的示例中，所述计算所述被试对象存在整体性质分辨缺陷的概率包括：接收输入的第一检测数据，初始化所述第一检测数据，通过数据分析系统中训练好的SVM模型对初始化后的所述第一检测数据自动评估，计算出所述被试对象存在整体性质分辨缺陷的概率；
所述第一检测数据包括：所述被试对象的所述检测正确率、年龄、性别。
其中，将所述被试对象的所述第一检测数据输入到所述数据分析系统中，可以通过身份证读取器读取所述被试对象的身份信息来完成，从而简化步骤，提高效率。
所述数据分析系统包括样本数据库、数据结果评估单元；所述样本数据库包括：姓名、年龄、性别、检测正确率、是否患有脑疾病等；所述样本数据库可以存放在计算机本地的磁盘中，可以导出到闪存盘、光盘等存储介质，更进一步的，可以通过互联网将所述样本数据库保存在云服务器中，实现远程检测，还可以将视功能检测的数据分析结果保存在所述云服务器中。所述云服务器可以是指定的网站平台的服务器等，所述被试对象可通过电脑、移动终端等电子设备登录网站，获取数据分析结果等。无论被试对象在哪里进行视功能检测，所得数据分析结果都可以收集到云服务器，实现数据的随时上传、统一收集管理，方便进行数据处理和分析，为改进视功能检测技术提供准确指导。
所述数据结果评估单元通过使用MATLAB软件中的Libsvm工具箱评估检测结果，在评估之前需要先得到训练好的SVM模型，SVM，即支持向量机support vector machine，是一种分类和回归算法，通过寻求结构化风险最小来实现经验风险和置信范围的最小化，获得良好的统计规律。SVM的基本模型定义为特征空间上的间隔最大的线性分类器，当样本特征线性不可分时，把样本特征映射到高维空间中，最终把最小化结构化风险问题转化为一个凸二次规划问题的求解。
在一个可能的示例中，所述获取所述被试对象针对N个所述整体性质分辨能力测试信号返回的N述分辨能力响应，包括：获取所述被试对象通过按压微动开关反应按键盒而发送的针对所述N个整体性质分辨能力测试信号的N个所述分辨能力响应，其中，所述按键盒和计算机的打印机接口相连。
其中，所述微动开关反应按键盒有两个，测试时，所述被试对象左右手各拿一个，两个所述微动开关反应按键盒均与计算机打印机接口相连，当被试对象认为显示屏上出现的两个几何图形刺激拓扑相同时，按下左手的按键，当被试对象认为显示屏上出现的两个几何图形刺激拓扑不同时，按下右手的按键。
因为打印机接口的传输速率远远高于一般的USB接口，所以将按键盒与打印机接口相连，可以提高处理效率和检测结果的精确度。
可以看出，通过所述微动开关反应按键盒和计算机可以准确的接收并记录每次检测的结果，避免数据错记漏记，且易于实现。
在一个可能的示例中，所述SVM模型是通过对一定量的已知数据训练得到，具体训练过程包括：导入P组样本数据(P大于或等于2)，从P组所述样本数据中随机抽取Q组数据生成训练样本集(Q大于等于1)，用所述样本数据中剩下的P-Q组数据生成测试样本集(P大于Q)，归一化所述训练样本集和所述测试样本集，寻找最佳c参数和最佳g参数，基于所述最佳c参数和所述最佳g参数创建所述SVM模型，训练所述SVM模型，从所述测试样本集中重复随机选择一个测试样本输入所述SVM模型中，并将所述输入所述SVM模型中的所述测试样本加入所述训练集，得到对所述测试样本的预测结果，比对所述预测结果和真实结果，若结果不一致，重新寻找所述最佳c参数和所述最佳g参数，基于所述最佳c参数和所述最佳g参数创建所述SVM模型，直至由所述测试样本集中的每一个测试数据得到的训练结果一致,找到了所述最佳c参数和所述最佳g参数以及对应的SVM模型。
其中，所述c参数是惩罚因子，所述g参数是所述SVM模型的核系数，g大于0。所述样本数据包括已知整体性质分辨能力的样本对象的所述检测正确率、年龄、性别。
本申请还提供了一种视功能检测系统，所述视功能检测系统包括：主机、显示屏、主试开关以及微动开关反应按键盒，所述主试开关用于发出显示指令；其中，所述显示屏与所述主机相连，所述微动开关反应按键盒通过连接线与所述主机的打印机接口相连，所述主试开关通过连接线与主机的USB接口相连；所述主机中配置有处理器；
所述显示屏，用于在电子屏设定位置处显示所述整体性质分辨能力测试信号以及所述被试对象的整体性质分辨能力的检测正确率；
所述主试开关，用于向主机发送显示指令；
所述微动开关反应按键盒，用于针对所述图形刺激是否拓扑相同发出判断动作，所述判断动作所表达的分辨结果为所述分辨能力响应；
所述处理器，用于接收所述主试开关发出的所述显示指令，获取所述被试对象针对N个所述整体性质分辨能力测试信号返回的N个所述分辨能力响应，根据N个所述分辨能力响应计算所述被试对象的整体性质分辨能力的检测正确率，以及计算所述被试对象存在整体性质分辨缺陷的概率。
其中，所述显示屏大小为60cm×15cm，背景为黑色，屏幕分辨率不低于1024×768，检测前，所述显示屏屏幕的刺激亮度由光度计精确测量并调节。
可以看出，本申请实施例中通过向被试对象提供整体性质分辨能力测试信号，并获取所述被试对象针对所述整体性质分辨能力测试信号返回的分辨能力响应；根据所述整体性质分辨能力响应计算所述被试对象的检测正确率，并在计算机显示屏上显示所述检测正确率；基于所述被试对象的整体性质分辨能力的检测正确率，计算所述被试对象存在整体拓扑性质的分辨缺陷的概率，可以测试出视觉系统对整体拓扑性质的分辨功能是否异常，有助于对整体性质加工障碍相关的脑疾病的早期筛查和疑难脑疾病的辅助诊断。
本申请实施例还提供一种视功能检测装置，应用于视功能检测系统中的处理器，所述视功能检测装置包括：
接收单元，用于接收主试开关发出的显示指令，获取被试对象针对N个分辨能力测试信号返回的N个所述分辨能力响应；
评估单元，根据N个所述分辨能力响应计算所述被试对象的整体性质分辨能力的检测正确率，以及计算所述被试对象存在整体性质分辨缺陷的概率。
在本实施例中，所述接收单元和所述评估单元的功能主要通过Matlab中的Psychtoolbox工具箱实现，所述Psychtoolbox工具箱是Matlab中专门针对心理学专业的工具箱，简称PTB。所述Psychtoolbox工具箱在Matlab与计算机硬件中间提供一个接口，让Matlab可以通过指令控制计算机硬件，使计算机输出图像、文字或声音，并且计时，以及获取所述被试对象的响应信息。
可以看出，结合Matlab中Psychtoolbox工具箱和高时间分辨率的电子显示屏可以精准地控制图形刺激信号的出现次数和组合；通过Matlab中Psychtoolbox工具箱和微动开关反应按键盒可以接收并记录被试对象针对N个分辨能力测试信号返回的N个分辨能力响应。
本申请实施例中通过向被试对象提供整体性质分辨能力测试信号，并获取所述被试对象针对所述整体性质分辨能力测试信号返回的分辨能力响应；根据所述整体性质分辨能力响应计算所述被试对象的检测正确率，并在计算机显示屏上显示所述检测正确率；基于所述被试对象的整体性质分辨能力的检测正确率，计算所述被试对象存在整体拓扑性质的分辨缺陷的概率，可以测试出视觉系统对整体拓扑性质的分辨功能是否异常，有助于对整体性质加工障碍相关的脑疾病的早期筛查和疑难脑疾病的辅助诊断。
在一个可能的示例中，所述视功能检测系统还包括：拖额架，所述拖额架距离所述显示屏60cm，用于辅助控制所述显示器屏幕与所述被试对象的眼睛之间的距离，并使被试对象视线与显示板中心处于同一水平位置。
具体实现中，可以使用有摄像头的计算机，当检测开始时，所述显示屏上出现参考人脸轮廓图，并发出语音提示所述被试对象在一定距离处将正脸与所述参考人脸轮廓对准，以使所述被试对象的视线与显示板中心处于同一水平位置，当检测到所述被试对象的正脸与所述参考人脸轮廓基本对准时，所述显示屏显示图形刺激信号。这种方式代替了托额架，使得检测工具更加简便易携，从而应用于更多场合中。
本申请实施例还提供一种计算机可读存储介质，存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的视功能检测方法的部分或全部步骤。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (10)
1.一种视功能检测方法，其特征在于，包括：
向被试对象提供N个整体性质分辨能力测试信号，并获取所述被试对象针对N个所述整体性质分辨能力测试信号返回的N个分辨能力响应，N个所述整体性质分辨能力测试信号与N个所述分辨能力响应之间一一对应，N为正整数；
根据N个所述分辨能力响应计算所述被试对象的整体性质分辨能力的检测正确率，并在计算机显示屏上显示所述检测正确率；
基于所述被试对象的整体性质分辨能力的检测正确率，计算所述被试对象存在整体性质分辨缺陷的概率。
2.根据权利要求1所述的方法，其特征在于，所述整体性质分辨能力测试信号包括：整体拓扑相同或不同的两个几何图形刺激信号。
3.根据权利要求1所述的方法，其特征在于，向被试对象提供N个整体性质分辨能力测试信号，并获取所述被试对象针对N个所述整体性质分辨能力测试信号返回的N个分辨能力响应，包括：
接收显示指令，在显示屏设定位置处显示所述几何图形刺激信号以响应所述显示指令，将所述几何图形刺激信号显示设定时长后消隐；
获取所述被试对象针对所述几何图形刺激信号是否拓扑相同做出的判断动作，所述判断动作所表达的分辨结果为所述分辨能力响应；
重复以上试次N次。
4.根据权利要求1所述的方法，其特征在于，所述计算所述被试对象存在整体性质分辨缺陷的概率包括：接收输入的第一检测数据，初始化所述第一检测数据，通过数据分析系统中训练好的SVM模型对初始化后的所述第一检测数据自动评估，计算出所述被试对象存在整体性质分辨缺陷的概率；
所述第一检测数据包括：所述被试对象的所述检测正确率、年龄、性别。
5.根据权利要求1所述的方法，其特征在于，所述获取所述被试对象针对N个所述整体性质分辨能力测试信号返回的N个分辨能力响应，包括：获取所述被试对象通过按压微动开关反应按键盒而发送的针对所述N个整体性质分辨能力测试信号的N个所述分辨能力响应，其中，所述按键盒和计算机的打印机接口相连。
6.根据权利要求4所述的方法，其特征在于，所述SVM模型是通过对一定量的已知数据训练得到，具体训练过程包括：导入P组样本数据(P大于或等于2)，从P组所述样本数据中随机抽取Q组数据生成训练样本集(Q大于等于1)，用所述样本数据中剩下的P-Q组数据生成测试样本集(P大于Q)，归一化所述训练样本集和所述测试样本集，寻找最佳c参数和最佳g参数，基于所述最佳c参数和所述最佳g参数创建所述SVM模型，训练所述SVM模型，从所述测试样本集中重复随机选择一个测试样本输入所述SVM模型中，并将所述输入所述SVM模型中的所述测试样本加入所述训练集，得到对所述测试样本的预测结果，比对所述预测结果和真实结果，若结果不一致，重新寻找所述最佳c参数和所述最佳g参数，基于所述最佳c参数和所述最佳g参数创建所述SVM模型，直至由所述测试样本集中的每一个测试数据得到的训练结果一致,找到了所述最佳c参数和所述最佳g参数以及对应的SVM模型。
7.一种视功能检测系统，其特征在于，所述视功能检测系统包括：主机、显示屏、主试开关以及微动开关反应按键盒，所述主试开关用于发出显示指令；其中，所述显示屏与所述主机相连，所述微动开关反应按键盒通过连接线与所述主机的打印机接口相连，所述主试开关通过连接线与主机的USB接口相连；所述主机中配置有处理器；
所述显示屏，用于在所述显示屏设定位置处显示所述几何图形刺激信号以及所述被试对象的整体性质分辨能力的检测正确率；
所述主试开关，用于向主机发送显示指令；
所述微动开关反应按键盒，用于针对所述图形刺激是否拓扑相同发出判断动作，所述判断动作所表达的分辨结果为所述分辨能力响应；
所述处理器，用于接收所述主试开关发出的所述显示指令，获取所述被试对象针对N个所述整体性质分辨能力测试信号返回的N个所述分辨能力响应，根据N个所述分辨能力响应计算所述被试对象的整体性质分辨能力的检测正确率，以及计算所述被试对象存在整体性质分辨缺陷的概率。
8.一种视功能检测装置，其特征在于，应用于视功能检测系统中的处理器，所述视功能检测装置包括：
接收单元，用于接收主试开关发出的显示指令，获取被试对象针对N个所述分辨能力测试信号返回的N个所述分辨能力响应；
评估单元，根据N个所述分辨能力响应计算所述被试对象的整体性质分辨能力的检测正确率，以及计算所述被试对象存在整体性质分辨缺陷的概率。
9.根据权利要求7所述的系统，其特征在于，还包括：拖额架；所述拖额架距离所述显示屏60cm，用于辅助控制所述显示器屏幕与所述被试对象的眼睛之间的距离，并使被试视线与显示板中心处于同一水平位置。
10.一种计算机可读存储介质，其特征在于，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811654943.0A CN109480757A (zh) | 2018-12-29 | 2018-12-29 | 视功能检测方法和系统及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811654943.0A CN109480757A (zh) | 2018-12-29 | 2018-12-29 | 视功能检测方法和系统及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109480757A true CN109480757A (zh) | 2019-03-19 |
Family
ID=65713746
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811654943.0A Withdrawn CN109480757A (zh) | 2018-12-29 | 2018-12-29 | 视功能检测方法和系统及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109480757A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111142819A (zh) * | 2019-12-13 | 2020-05-12 | 中国科学院深圳先进技术研究院 | 一种视觉空间注意力检测方法及相关产品 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080212032A1 (en) * | 2002-05-09 | 2008-09-04 | Seiller Barry L | Visual skill diagnostic and therapeutic system and process |
| CN106667426A (zh) * | 2016-12-29 | 2017-05-17 | 中国科学院深圳先进技术研究院 | 一种大细胞通路功能检测方法和系统 |
-
2018
- 2018-12-29 CN CN201811654943.0A patent/CN109480757A/zh not_active Withdrawn
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080212032A1 (en) * | 2002-05-09 | 2008-09-04 | Seiller Barry L | Visual skill diagnostic and therapeutic system and process |
| CN106667426A (zh) * | 2016-12-29 | 2017-05-17 | 中国科学院深圳先进技术研究院 | 一种大细胞通路功能检测方法和系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111142819A (zh) * | 2019-12-13 | 2020-05-12 | 中国科学院深圳先进技术研究院 | 一种视觉空间注意力检测方法及相关产品 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2757048C1 (ru) | Способ и система оценки здоровья тела человека на основе данных большого объема о сне | |
| Oresko et al. | A wearable smartphone-based platform for real-time cardiovascular disease detection via electrocardiogram processing | |
| JP6643771B2 (ja) | 脳活動解析装置、脳活動解析方法および脳活動解析プログラム | |
| CN110428908B (zh) | 一种基于人工智能的眼睑运动功能评估系统 | |
| CN104274191B (zh) | 一种心理测评方法及其系统 | |
| CN104598575B (zh) | 基于实时功能磁共振成像的脑机交互图像检索系统 | |
| CN109817339A (zh) | 基于大数据的患者分组方法和装置 | |
| CN109620266A (zh) | 个体焦虑水平的检测方法和系统 | |
| CN109009084A (zh) | 多导联心电信号的qrs波群校验方法、装置及设备、介质 | |
| Sharma et al. | Machine learning-based analysis of operator pupillary response to assess cognitive workload in clinical ultrasound imaging | |
| CN111317448B (zh) | 一种分析视觉空间认知的方法及系统 | |
| CN109276243A (zh) | 脑电心理测试方法及终端设备 | |
| Brophy et al. | A machine vision approach to human activity recognition using photoplethysmograph sensor data | |
| Li et al. | Multi-modal cardiac function signals classification algorithm based on improved DS evidence theory | |
| Yang et al. | More to less (M2L): Enhanced health recognition in the wild with reduced modality of wearable sensors | |
| Xia et al. | Dynamic viewing pattern analysis: towards large-scale screening of children with ASD in remote areas | |
| CN114424941A (zh) | 疲劳检测模型构建方法、疲劳检测方法、装置及设备 | |
| CN109480757A (zh) | 视功能检测方法和系统及装置 | |
| CN115953822A (zh) | 一种基于rPPG生理信号的人脸视频鉴伪方法和装置 | |
| CN105996992B (zh) | 一种基于人机工程学数据的人体感知特性测试方法 | |
| Karamihan et al. | SBC-Based cataract detection system using deep convolutional neural network with transfer learning algorithm | |
| CN107242877A (zh) | 一种情绪稳定性感统训练的测评系统及其测评方法 | |
| Wickramasinghe et al. | Dimensions of Intelligent Analytics for Smart Digital Health Solutions | |
| Yang et al. | Loneliness Forecasting Using Multi-modal Wearable and Mobile Sensing in Everyday Settings | |
| König et al. | Modeling visual exploration in rhesus macaques with bottom-up salience and oculomotor statistics |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190319 |
|
| WW01 | Invention patent application withdrawn after publication |