CN113192620A - 一种眼科检测设备的控制方法及装置 - Google Patents
一种眼科检测设备的控制方法及装置 Download PDFInfo
- Publication number
- CN113192620A CN113192620A CN202110522841.9A CN202110522841A CN113192620A CN 113192620 A CN113192620 A CN 113192620A CN 202110522841 A CN202110522841 A CN 202110522841A CN 113192620 A CN113192620 A CN 113192620A
- Authority
- CN
- China
- Prior art keywords
- information
- ophthalmic
- obtaining
- instruction
- detection
- 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- Withdrawn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
Images
Classifications
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
Abstract
本发明公开了一种眼科检测设备的控制方法及装置,其中,所述方法包括:获得第一用户的基础信息和问诊信息;将基础信息和问诊信息输入诊断策略规划模型,获得第一诊断策略信息;获得与多个不同眼科检测设备相对应的多个设备主特征因子;对第一诊断策略信息进行多特征遍历比对,获得第一设备主特征因子集合;对第一设备主特征因子集合按照比对顺序进行排序,获得第一执行顺序;构建第一执行逻辑;根据第一执行顺序和第一执行逻辑,获得第一指令链;根据第一指令链,依次对多个不同眼科检测设备进行控制。解决了现有技术中的无法对各眼科检测设备进行有序工作的控制,使得设备之间无法紧密衔接,进而使得设备检测结果不准确的技术问题。
Description
技术领域
本发明涉及眼科领域,尤其涉及一种眼科检测设备的控制方法及装置。
背景技术
眼科检测设备是专门检测眼睛的设备。现代社会,家家户户都在用电脑,无论是生活,还是办公,通通离不开电脑,电子设备。电子设备会对人眼产生一定程度上的伤害。我们应该尽早检测,尽早预防眼科疾病的发生。这时,眼科检测设备的开发技术也跟随着时代不停地前进。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术中存在无法对各眼科检测设备进行有序工作的控制,使得设备之间无法紧密衔接,进而使得设备检测结果不准确的技术问题。
发明内容
本申请实施例通过提供一种眼科检测设备的控制方法及装置,解决了现有技术中的无法对各眼科检测设备进行有序工作的控制,使得设备之间无法紧密衔接,进而使得设备检测结果不准确的技术问题,通过基于用户的基础信息和问诊信息,可获得用户的诊断策略,进而对眼科各检测设备进行最佳功能匹配,使得用户眼部的每个检测区域都可以匹配到功能最佳的检测设备,进而基于诊断策略和各眼科检测设备的功能执行顺序,对多个不同的眼科检测设备进行控制,达到了使得各设备之间进行衔接有序的工作,确保检测过程顺利进行,进而使得用户的眼部检测结果更加准确的技术效果。
本申请实施例提供一种眼科检测设备的控制方法,其中,所述方法应用于一眼科检测系统,所述眼科检测系统与多个不同眼科检测设备通讯连接,所述方法包括:获得第一用户的基础信息和问诊信息;将所述第一用户的所述基础信息和所述问诊信息输入诊断策略规划模型,获得第一诊断策略信息;获得与所述多个不同眼科检测设备相对应的多个设备主特征因子;根据所述多个设备主特征因子,对所述第一诊断策略信息进行多特征遍历比对,获得第一设备主特征因子集合;对所述第一设备主特征因子集合按照比对顺序进行排序,获得第一执行顺序;构建第一执行逻辑;根据所述第一执行顺序和所述第一执行逻辑,获得第一指令链,其中,所述第一指令链具有第一执行逻辑;根据所述第一指令链,依次对所述多个不同眼科检测设备进行控制。
另一方面,本申请还提供了一种眼科检测设备的控制装置,其中,所述装置包括:第一获得单元:所述第一获得单元用于获得第一用户的基础信息和问诊信息;第一输入单元:所述第一输入单元用于将所述第一用户的所述基础信息和所述问诊信息输入诊断策略规划模型,获得第一诊断策略信息;第二获得单元:所述第二获得单元用于获得与所述多个不同眼科检测设备相对应的多个设备主特征因子;第一比对单元:所述第一比对单元用于根据所述多个设备主特征因子,对所述第一诊断策略信息进行多特征遍历比对,获得第一设备主特征因子集合;第一排序单元:所述第一排序单元用于对所述第一设备主特征因子集合按照比对顺序进行排序,获得第一执行顺序;第一构建单元:所述第一构建单元用于构建第一执行逻辑;第三获得单元:所述第三获得单元用于根据所述第一执行顺序和所述第一执行逻辑,获得第一指令链,其中,所述第一指令链具有第一执行逻辑;第一控制单元:所述第一控制单元用于根据所述第一指令链,依次对所述多个不同眼科检测设备进行控制。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过基于用户的基础信息和问诊信息,可获得用户的诊断策略,进而对眼科各检测设备进行最佳功能匹配,使得用户眼部的每个检测区域都可以匹配到功能最佳的检测设备,进而基于诊断策略和各眼科检测设备的功能执行顺序,对多个不同的眼科检测设备进行控制,达到了使得各设备之间进行衔接有序的工作,确保检测过程顺利进行,进而使得用户的眼部检测结果更加准确的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种眼科检测设备的控制方法的流程示意图;
图2为本申请实施例一种眼科检测设备的控制系统的结构示意图;
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第一输入单元12,第二获得单元13,第一比对单元14,第一排序单元15,第一构建单元16,第三获得单元17,第一控制单元18,总线300,接收器301,处理器302,发送器303,存储器304,总线接口305。
具体实施方式
本申请实施例通过提供一种眼科检测设备的控制方法及装置,解决了现有技术中的无法对各眼科检测设备进行有序工作的控制,使得设备之间无法紧密衔接,进而使得设备检测结果不准确的技术问题,通过基于用户的基础信息和问诊信息,可获得用户的诊断策略,进而对眼科各检测设备进行最佳功能匹配,使得用户眼部的每个检测区域都可以匹配到功能最佳的检测设备,进而基于诊断策略和各眼科检测设备的功能执行顺序,对多个不同的眼科检测设备进行控制,达到了使得各设备之间进行衔接有序的工作,确保检测过程顺利进行,进而使得用户的眼部检测结果更加准确的技术效果。
下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
眼科检测设备是专门检测眼睛的设备。现代社会,家家户户都在用电脑,无论是生活,还是办公,通通离不开电脑,电子设备。电子设备会对人眼产生一定程度上的伤害。我们应该尽早检测,尽早预防眼科疾病的发生。这时,眼科检测设备的开发技术也跟随着时代不停地前进。现有技术中存在无法对各眼科检测设备进行有序工作的控制,使得设备之间无法紧密衔接,进而使得设备检测结果不准确的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供一种眼科检测设备的控制方法,其中,所述方法应用于一眼科检测系统,所述眼科检测系统与多个不同眼科检测设备通讯连接,所述方法包括:获得第一用户的基础信息和问诊信息;将所述第一用户的所述基础信息和所述问诊信息输入诊断策略规划模型,获得第一诊断策略信息;获得与所述多个不同眼科检测设备相对应的多个设备主特征因子;根据所述多个设备主特征因子,对所述第一诊断策略信息进行多特征遍历比对,获得第一设备主特征因子集合;对所述第一设备主特征因子集合按照比对顺序进行排序,获得第一执行顺序;构建第一执行逻辑;根据所述第一执行顺序和所述第一执行逻辑,获得第一指令链,其中,所述第一指令链具有第一执行逻辑;根据所述第一指令链,依次对所述多个不同眼科检测设备进行控制。
为了更好地理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例一
如图1所示,本申请实施例提供了一种眼科检测设备的控制方法,其中,所述方法应用于一眼科检测系统,所述眼科检测系统与多个不同眼科检测设备通讯连接,所述方法包括:
步骤S100:获得第一用户的基础信息和问诊信息;
步骤S200:将所述第一用户的所述基础信息和所述问诊信息输入诊断策略规划模型,获得第一诊断策略信息;
具体而言,眼科检测设备是专门检测眼睛的设备。现代社会,家家户户都在用电脑,无论是生活,还是办公,通通离不开电脑,电子设备。电子设备会对人眼产生一定程度上的伤害。我们应该尽早检测,尽早预防眼科疾病的发生。这时,眼科检测设备的开发技术也跟随着时代不停地前进。在本申请实施例中,所述第一用户为进行眼睛检测的用户,所述基础信息包括所述第一用户的年龄、性别、职业等信息,所述问诊信息包括所述第一用户的诊单病历信息,即具体的眼科疾病以及挂号门诊等,所述诊断策略规划模型可基于用户的详细就医信息进行训练,通过将所述第一用户的基础信息和问诊信息输入所述诊断策略规划模型,可获得所述第一诊断策略信息,所述第一诊断策略信息即为基于所述第一用户的实际病情获得的诊断策略。
步骤S300:获得与所述多个不同眼科检测设备相对应的多个设备主特征因子;
进一步,步骤S300还包括:
步骤S310:获得每个眼科检测设备的多个特征因子;
步骤S320:根据每个眼科检测设备的所述多个特征因子获得每个眼科检测设备的各特征因子与设备之间的关联度;
步骤S330:根据每个眼科检测设备的各关联度,为每个眼科检测设备对应匹配关联度曲线;
步骤S340:根据每个所述眼科检测设备的所述关联度曲线,获得与所述多个不同眼科检测设备相对应的多个设备主特征因子。
具体而言,若所述第一用户需要进行多个眼科设备的检测,则需要根据每个设备对应的主要功能进行划分,所述多个特征因子可理解为单独一个眼科设备的多项检测功能,举例而言,裂隙灯显微镜是眼科检查必不可少的重要仪器,同时具有多项检测功能:当用弥散照明法时,利用集合光线,低倍放大,可以对角膜、虹膜、晶体作全面的观察;当用直接焦点照明法时可以观察角膜的弯曲度及厚度,有无异物及角膜后沉积物(KP),以及浸润、溃疡等病变的层次和形态;焦点向后推时,可观察到晶体的混浊部分及玻璃体前面1/3的病变情况;如用圆锥光线,可检查房水内浮游的微粒等,所述关联度可理解为眼科检测设备的每一项功能与设备之间的关联对应度,进一步可理解为所述每个眼科检测设备是单一主要功能和多种附加功能集合而成的检测设备,所述关联度曲线基于所述每个眼科检测设备的各关联度绘制而成,进而基于所述关联度曲线,获得与所述多个不同眼科检测设备相对应的多个设备主特征因子,即根据关联度曲线特征,获得每个设备对应的最主要功能的特征因子的设备集合,使得每个单一的眼科检测设备发挥自己的检测优势,进而提高眼科检测的准确性。
步骤S400:根据所述多个设备主特征因子,对所述第一诊断策略信息进行多特征遍历比对,获得第一设备主特征因子集合;
进一步,步骤S400还包括:
步骤S410:对所述第一诊断策略信息按照分词原则进行区域划分,并对每个区域进行顺序标记;
步骤S420:按照所述每个区域的顺序标记,依次将所述第一诊断策略信息的每个区域与所述多个设备主特征因子逐一进行卷积比对,获得所有区域的卷积比对结果;
步骤S430:根据所述所有区域的卷积比对结果,获得所述第一设备主特征因子集合。
具体而言,基于所述第一诊断策略信息,可获得所述第一用户的检测顺序信息,举例而言,如果对眼睑进行检查,可按照眼睑检查、泪器检查、结膜检查、眼球及眼眶检查等顺序,如果对眼球前段进行检查,可按照包括角膜、巩膜前段、前房、虹膜、瞳孔、晶体的检查等,所述分词原则即为所述第一诊断策略中提到的眼睛检查部位,进而基于分词原则,对每个区域进行顺序标记,同时,为了使得每个检测区域与检测设备进行高精度的匹配对应,可分别对每个区域进行卷积比对,即先对第一区域与所述多个设备主特征因子进行卷积比对,获得第一区域检测设备,以此类推,按照同样的方法,再对第二区域与剩下的所述多个设备主特征因子进行卷积比对,获得第二区域检测设备,直至将标记的所有区域比对结束,所述所有区域的卷积比对结果即为各卷积比对比对结果的集合,进而基于所述卷积比对结果,获得所述第一设备主特征因子集合,可理解为获得每个区域对应的最佳检测设备的集合。
步骤S500:对所述第一设备主特征因子集合按照比对顺序进行排序,获得第一执行顺序;
具体而言,所述第一执行顺序即为基于区域标记的顺序,对所述第一设备主特征因子集合进行排序,进而获得每个眼科检测设备的功能执行顺序,进而对各眼科检测设备进行有序控制。
步骤S600:构建第一执行逻辑;
步骤S700:根据所述第一执行顺序和所述第一执行逻辑,获得第一指令链,其中,所述第一指令链具有第一执行逻辑;
进一步,步骤S600还包括:
步骤S610:获得第一指令,所述第一指令为所述第一指令链中的初始指令;
步骤S620:执行所述第一指令,获得第一执行结果;
步骤S630:根据所述第一执行结果,调用第二指令,所述第二指令为所述第一指令相邻的指令;
步骤S640:执行所述第二指令,获得第二执行结果,依次执行所有指令,构架所述第一执行逻辑。
具体而言,已知获得每个眼科检测设备的功能执行顺序,可基于此,获得第一指令连,所述第一指令链为整个眼科检测流程的逻辑链,控制每个眼科检测设备的密切配合,基于所述第一指令链,可获得所述第一指令,即初始指令,负责启动每个眼科检测设备的功能执行顺序中的第一个设备,所述第一执行结果即为第一个设备检测的结果,进而根据所述第一执行结果,调用所述第二指令,即所述第一指令的接续指令,以此类推,直至最后一个设备检测完毕,所述第一指令链执行功能完毕,所述第一执行逻辑即为所述第一指令、所述第二指令...的接续执行逻辑,基于所述第一执行逻辑,确保每个眼科检测设备之间的衔接完整,使得检测过程顺利进行。
步骤S800:根据所述第一指令链,依次对所述多个不同眼科检测设备进行控制。
具体而言,通过基于用户的基础信息和问诊信息,可获得用户的诊断策略,进而对眼科各检测设备进行最佳功能匹配,使得用户眼部的每个检测区域都可以匹配到功能最佳的检测设备,进而基于诊断策略和各眼科检测设备的功能执行顺序,对多个不同的眼科检测设备进行控制,达到了使得各设备之间进行衔接有序的工作,确保检测过程顺利进行,进而使得用户的眼部检测结果更加准确的技术效果。
进一步,所述构建第一执行逻辑,步骤S640还包括:
步骤S641:根据第一眼科检测设备生成第一验证码,所述第一验证码与所述第一眼科检测设备相对应;
步骤S642:根据第二眼科检测设备生成第二验证码,所述第二验证码与所述第二眼科检测设备相对应,依次根据所有眼科检测设备生成所有验证码;
步骤S643:根据所述第一验证码,获得所述第一指令;
步骤S644:根据所述第一执行结果和所述第二验证码,调用所述第二指令,以此类推,调用所述第一指令链中的所有指令。
具体而言,为了确保各眼科检测设备之间进行更为密切的配合,进一步,可基于所述第一眼科检测设备生成第一验证码,所述第一验证码与所述第一眼科检测设备是一一对应的,以此类推,基于各眼科检测设备生成相对应的验证码,当所述第一眼科检测设备检测完毕,且执行过程无误,可根据所述第一执行结果和所述第二验证码,调用所述第二指令,以此类推,根据第N-1执行结果和第N验证码,调用所述第一指令链中的所有指令,直至所有的眼科检测设备检测完毕,进而确保各眼科检测设备之间进行更为密切的配合。
进一步,本申请实施例还包括:
步骤S910:获得各眼科检测设备的历史检测结果和治疗方案;
步骤S920:根据所述历史检测结果和治疗方案,获得各眼科检测设备的检测治疗数据库;
步骤S930:根据所述各眼科检测设备基于所述第一用户的各执行结果,从对应眼科检测设备的检测治疗数据库中获得对应治疗信息;
步骤S940:根据所述对应治疗信息,获得所述第一用户的治疗方案。
具体而言,待所有眼科检测设备检测完毕之后,可获得所述第一用户的各眼科检测设备的检测结果,进而基于实际的检测结果,生成所述第一用户的治疗方案,进一步,所述历史检测结果可理解为基于各眼科检测设备,可能检测到的眼部疾病,所述治疗方案可理解为基于所述眼部疾病的治疗方案合集,可基于所述历史检测结果和所述治疗方案,构建检测治疗数据库,其中包含了各种眼部疾病以及相对应的治疗方案,通过构建检测治疗数据库,可对用户的病因进行快速定位,进而匹配到最佳治疗方案,所述各执行结果即为各检测设备检测获得结果,通过将所述各执行结果输入至所述检测治疗数据库,可获得对应治疗信息,进而对所述第一用户进行治疗,使得用户的病因得以快速确定,进而匹配最佳治疗方案。
进一步,所述将所述第一用户的所述基础信息和所述问诊信息输入诊断策略规划模型,获得第一诊断策略信息,步骤S200还包括:
步骤S210:将所述第一用户的所述基础信息和所述问诊信息作为输入数据输入所述诊断策略规划模型;
步骤S220:所述诊断策略规划模型通过多组训练数据训练至收敛状态得到的,所述多组训练数据中的每组数据均包含所述第一用户的所述基础信息、所述问诊信息和用于标识第一诊断策略信息的标识信息;
步骤S230:获得所述诊断策略规划模型的输出信息,所述输出信息包括所述第一诊断策略信息。
具体而言,为了获得更加准确的第一诊断策略信息,可将所述第一用户的所述基础信息和所述问诊信息作为输入数据输入所述诊断策略规划模型进行训练。所述诊断策略规划模型是一个神经网络模型,即机器学习中的神经网络模型,它是以神经元的数学模型为基础来描述的。简单地讲,它是一个数学模型。在本申请实施例中,将所述第一用户的所述基础信息和所述问诊信息作为输入数据输入所述诊断策略规划模型进行训练,用标识的第一诊断策略信息对神经网络模型进行训练。
进一步来说,所述诊断策略规划模型的过程实质为监督学习的过程。所述多组训练数据具体为:所述第一用户的所述基础信息、所述问诊信息和用于标识第一诊断策略信息的标识信息。通过输入所述第一用户的所述基础信息和所述问诊信息,诊断策略规划模型会输出训练结果。通过将所述输出信息与所述起标识作用的第一诊断策略信息进行校验,如果所述输出信息与所述起标识作用的第一诊断策略信息要求相一致,则本数据监督学习完成,则进行下一组数据监督学习;如果所述输出信息与所述起标识作用的第一诊断策略信息要求不一致,则神经网络学习模型自身进行调整,直到神经网络学习模型输出结果与所述起标识作用的第一诊断策略信息要求相一致,进行下一组数据的监督学习。通过训练数据使神经网络学习模型自身不断地修正、优化,通过监督学习的过程来提高神经网络学习模型处理所述信息的准确性,进而达到使得所述第一诊断策略信息更加准确的技术效果。
综上所述,本申请实施例所提供的一种眼科检测设备的控制方法及装置具有如下技术效果:
1、通过基于用户的基础信息和问诊信息,可获得用户的诊断策略,进而对眼科各检测设备进行最佳功能匹配,使得用户眼部的每个检测区域都可以匹配到功能最佳的检测设备,进而基于诊断策略和各眼科检测设备的功能执行顺序,对多个不同的眼科检测设备进行控制,达到了使得各设备之间进行衔接有序的工作,确保检测过程顺利进行,进而使得用户的眼部检测结果更加准确的技术效果。
实施例二
基于与前述实施例中一种眼科检测设备的控制方法同样发明构思,本发明还提供了一种眼科检测设备的控制装置,如图2所示,所述装置包括:
第一获得单元11:所述第一获得单元11用于获得第一用户的基础信息和问诊信息;
第一输入单元12:所述第一输入单元12用于将所述第一用户的所述基础信息和所述问诊信息输入诊断策略规划模型,获得第一诊断策略信息;
第二获得单元13:所述第二获得单元13用于获得与所述多个不同眼科检测设备相对应的多个设备主特征因子;
第一比对单元14:所述第一比对单元14用于根据所述多个设备主特征因子,对所述第一诊断策略信息进行多特征遍历比对,获得第一设备主特征因子集合;
第一排序单元15:所述第一排序单元15用于对所述第一设备主特征因子集合按照比对顺序进行排序,获得第一执行顺序;
第一构建单元16:所述第一构建单元16用于构建第一执行逻辑;
第三获得单元17:所述第三获得单元17用于根据所述第一执行顺序和所述第一执行逻辑,获得第一指令链,其中,所述第一指令链具有第一执行逻辑;
第一控制单元18:所述第一控制单元18用于根据所述第一指令链,依次对所述多个不同眼科检测设备进行控制。
进一步的,所述装置还包括:
第四获得单元:所述第四获得单元用于获得每个眼科检测设备的多个特征因子;
第五获得单元:所述第五获得单元用于根据每个眼科检测设备的所述多个特征因子获得每个眼科检测设备的各特征因子与设备之间的关联度;
第一匹配单元:所述第一匹配单元用于根据每个眼科检测设备的各关联度,为每个眼科检测设备对应匹配关联度曲线;
第六获得单元:所述第六获得单元用于根据每个所述眼科检测设备的所述关联度曲线,获得与所述多个不同眼科检测设备相对应的多个设备主特征因子。
进一步的,所述装置还包括:
第一划分单元:所述第一划分单元用于对所述第一诊断策略信息按照分词原则进行区域划分,并对每个区域进行顺序标记;
第二比对单元:所述第二比对单元用于按照所述每个区域的顺序标记,依次将所述第一诊断策略信息的每个区域与所述多个设备主特征因子逐一进行卷积比对,获得所有区域的卷积比对结果;
第七获得单元:所述第七获得单元用于根据所述所有区域的卷积比对结果,获得所述第一设备主特征因子集合。
进一步的,所述装置还包括:
第八获得单元:所述第八获得单元用于获得第一指令,所述第一指令为所述第一指令链中的初始指令;
第一执行单元:所述第一执行单元用于执行所述第一指令,获得第一执行结果;
第一调用单元:所述第一调用单元用于根据所述第一执行结果,调用第二指令,所述第二指令为所述第一指令相邻的指令;
第二执行单元:所述第二执行单元用于执行所述第二指令,获得第二执行结果,依次执行所有指令,构架所述第一执行逻辑。
进一步的,所述装置还包括:
第一生成单元:所述第一生成单元用于根据第一眼科检测设备生成第一验证码,所述第一验证码与所述第一眼科检测设备相对应;
第二生成单元:所述第二生成单元用于根据第二眼科检测设备生成第二验证码,所述第二验证码与所述第二眼科检测设备相对应,依次根据所有眼科检测设备生成所有验证码;
第九获得单元:所述第九获得单元用于根据所述第一验证码,获得所述第一指令;
第二调用单元:所述第二调用单元用于根据所述第一执行结果和所述第二验证码,调用所述第二指令,以此类推,调用所述第一指令链中的所有指令。
进一步的,所述装置还包括:
第十获得单元:所述第十获得单元用于获得各眼科检测设备的历史检测结果和治疗方案;
第十一获得单元:所述第十一获得单元用于根据所述历史检测结果和治疗方案,获得各眼科检测设备的检测治疗数据库;
第十二获得单元:所述第十二获得单元用于根据所述各眼科检测设备基于所述第一用户的各执行结果,从对应眼科检测设备的检测治疗数据库中获得对应治疗信息;
第十三获得单元:所述第十三获得单元用于根据所述对应治疗信息,获得所述第一用户的治疗方案。
进一步的,所述装置还包括:
第二输入单元:所述第二输入单元用于将所述第一用户的所述基础信息和所述问诊信息作为输入数据输入所述诊断策略规划模型;
第一训练单元:所述第一训练单元用于所述诊断策略规划模型通过多组训练数据训练至收敛状态得到的,所述多组训练数据中的每组数据均包含所述第一用户的所述基础信息、所述问诊信息和用于标识第一诊断策略信息的标识信息;
第十四获得单元:所述第十四获得单元用于获得所述诊断策略规划模型的输出信息,所述输出信息包括所述第一诊断策略信息。
前述图1实施例一中的一种眼科检测设备的控制方法的各种变化方式和具体实例同样适用于本实施例的一种眼科检测设备的控制装置,通过前述对一种眼科检测设备的控制方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种眼科检测设备的控制装置的实施方法,所以为了说明书的简洁,再次不再详述。
实施例三
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实例施中一种眼科检测设备的控制方法的发明构思,本发明还提供一种眼科检测设备的控制装置,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种眼科检测设备的控制装置的任一方法的步骤。
其中,在图3中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他系统通信的单元。处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请实施例提供一种眼科检测设备的控制方法,其中,所述方法应用于一眼科检测系统,所述眼科检测系统与多个不同眼科检测设备通讯连接,所述方法包括:获得第一用户的基础信息和问诊信息;将所述第一用户的所述基础信息和所述问诊信息输入诊断策略规划模型,获得第一诊断策略信息;获得与所述多个不同眼科检测设备相对应的多个设备主特征因子;根据所述多个设备主特征因子,对所述第一诊断策略信息进行多特征遍历比对,获得第一设备主特征因子集合;对所述第一设备主特征因子集合按照比对顺序进行排序,获得第一执行顺序;构建第一执行逻辑;根据所述第一执行顺序和所述第一执行逻辑,获得第一指令链,其中,所述第一指令链具有第一执行逻辑;根据所述第一指令链,依次对所述多个不同眼科检测设备进行控制。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品,该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种眼科检测设备的控制方法,其中,所述方法应用于一眼科检测系统,所述眼科检测系统与多个不同眼科检测设备通讯连接,所述方法包括:
获得第一用户的基础信息和问诊信息;
将所述第一用户的所述基础信息和所述问诊信息输入诊断策略规划模型,获得第一诊断策略信息;
获得与所述多个不同眼科检测设备相对应的多个设备主特征因子;
根据所述多个设备主特征因子,对所述第一诊断策略信息进行多特征遍历比对,获得第一设备主特征因子集合;
对所述第一设备主特征因子集合按照比对顺序进行排序,获得第一执行顺序;
构建第一执行逻辑;
根据所述第一执行顺序和所述第一执行逻辑,获得第一指令链,其中,所述第一指令链具有第一执行逻辑;
根据所述第一指令链,依次对所述多个不同眼科检测设备进行控制。
2.如权利要求1所述的方法,其中,所述获得与所述多个不同眼科检测设备相对应的多个设备主特征因子,包括:
获得每个眼科检测设备的多个特征因子;
根据每个眼科检测设备的所述多个特征因子获得每个眼科检测设备的各特征因子与设备之间的关联度;
根据每个眼科检测设备的各关联度,为每个眼科检测设备对应匹配关联度曲线;
根据每个所述眼科检测设备的所述关联度曲线,获得与所述多个不同眼科检测设备相对应的多个设备主特征因子。
3.如权利要求1所述的方法,其中,所述根据所述多个设备主特征因子,对所述第一诊断策略信息进行多特征遍历比对,获得第一设备主特征因子集合,包括:
对所述第一诊断策略信息按照分词原则进行区域划分,并对每个区域进行顺序标记;
按照所述每个区域的顺序标记,依次将所述第一诊断策略信息的每个区域与所述多个设备主特征因子逐一进行卷积比对,获得所有区域的卷积比对结果;
根据所述所有区域的卷积比对结果,获得所述第一设备主特征因子集合。
4.如权利要求1所述的方法,其中,所述构建第一执行逻辑,包括:
获得第一指令,所述第一指令为所述第一指令链中的初始指令;
执行所述第一指令,获得第一执行结果;
根据所述第一执行结果,调用第二指令,所述第二指令为所述第一指令相邻的指令;
执行所述第二指令,获得第二执行结果,依次执行所有指令,构架所述第一执行逻辑。
5.如权利要求1所述的方法,其中,所述构建第一执行逻辑,包括:
根据第一眼科检测设备生成第一验证码,所述第一验证码与所述第一眼科检测设备相对应;
根据第二眼科检测设备生成第二验证码,所述第二验证码与所述第二眼科检测设备相对应,依次根据所有眼科检测设备生成所有验证码;
根据所述第一验证码,获得所述第一指令;
根据所述第一执行结果和所述第二验证码,调用所述第二指令,以此类推,调用所述第一指令链中的所有指令。
6.如权利要求4所述的方法,其中,所述方法包括:
获得各眼科检测设备的历史检测结果和治疗方案;
根据所述历史检测结果和治疗方案,获得各眼科检测设备的检测治疗数据库;
根据所述各眼科检测设备基于所述第一用户的各执行结果,从对应眼科检测设备的检测治疗数据库中获得对应治疗信息;
根据所述对应治疗信息,获得所述第一用户的治疗方案。
7.如权利要求1所述的方法,其中,所述将所述第一用户的所述基础信息和所述问诊信息输入诊断策略规划模型,获得第一诊断策略信息,包括:
将所述第一用户的所述基础信息和所述问诊信息作为输入数据输入所述诊断策略规划模型;
所述诊断策略规划模型通过多组训练数据训练至收敛状态得到的,所述多组训练数据中的每组数据均包含所述第一用户的所述基础信息、所述问诊信息和用于标识第一诊断策略信息的标识信息;
获得所述诊断策略规划模型的输出信息,所述输出信息包括所述第一诊断策略信息。
8.一种眼科检测设备的控制装置,其中,所述装置包括:
第一获得单元:所述第一获得单元用于获得第一用户的基础信息和问诊信息;
第一输入单元:所述第一输入单元用于将所述第一用户的所述基础信息和所述问诊信息输入诊断策略规划模型,获得第一诊断策略信息;
第二获得单元:所述第二获得单元用于获得与所述多个不同眼科检测设备相对应的多个设备主特征因子;
第一比对单元:所述第一比对单元用于根据所述多个设备主特征因子,对所述第一诊断策略信息进行多特征遍历比对,获得第一设备主特征因子集合;
第一排序单元:所述第一排序单元用于对所述第一设备主特征因子集合按照比对顺序进行排序,获得第一执行顺序;
第一构建单元:所述第一构建单元用于构建第一执行逻辑;
第三获得单元:所述第三获得单元用于根据所述第一执行顺序和所述第一执行逻辑,获得第一指令链,其中,所述第一指令链具有第一执行逻辑;
第一控制单元:所述第一控制单元用于根据所述第一指令链,依次对所述多个不同眼科检测设备进行控制。
9.一种眼科检测设备的控制装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110522841.9A CN113192620A (zh) | 2021-05-13 | 2021-05-13 | 一种眼科检测设备的控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110522841.9A CN113192620A (zh) | 2021-05-13 | 2021-05-13 | 一种眼科检测设备的控制方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113192620A true CN113192620A (zh) | 2021-07-30 |
Family
ID=76981629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110522841.9A Withdrawn CN113192620A (zh) | 2021-05-13 | 2021-05-13 | 一种眼科检测设备的控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113192620A (zh) |
-
2021
- 2021-05-13 CN CN202110522841.9A patent/CN113192620A/zh not_active Withdrawn
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hogarty et al. | Current state and future prospects of artificial intelligence in ophthalmology: a review | |
Norouzifard et al. | Automated glaucoma diagnosis using deep and transfer learning: Proposal of a system for clinical testing | |
Zéboulon et al. | Corneal topography raw data classification using a convolutional neural network | |
WO2021026039A1 (en) | Using deep learning to process images of the eye to predict visual acuity | |
Lavric et al. | Detecting keratoconus from corneal imaging data using machine learning | |
Gupta et al. | An efficient model for detection and classification of internal eye diseases using deep learning | |
Cabeza-Gil et al. | Customised selection of the haptic design in c-loop intraocular lenses based on deep learning | |
Gong et al. | Application of deep learning for diagnosing, classifying, and treating age-related macular degeneration | |
Ovreiu et al. | An exploratory study for glaucoma detection using densely connected neural networks | |
Rakhmetulayeva et al. | IMPLEMENTATION OF CONVOLUTIONAL NEURAL NETWORK FOR PREDICTING GLAUCOMA FROM FUNDUS IMAGES. | |
CN111369499A (zh) | 一种眼底图像的处理方法及装置 | |
WO2020152555A1 (en) | Systems and methods for intraocular lens selection using emmetropia zone prediction | |
WO2020150441A1 (en) | Using artificial intelligence and biometric data for serial screening exams for medical conditions | |
CN113192620A (zh) | 一种眼科检测设备的控制方法及装置 | |
CN110598652A (zh) | 眼底数据预测方法和设备 | |
Pandey et al. | The use of Image Processing for the Classification of Diabetic Retinopathy | |
Kaplin et al. | The system of intraocular pressure assessment using interference eye pictures | |
Carnimeo et al. | Monitoring of retinal vessels for diabetic patients in home care assistance | |
US11744457B2 (en) | Method for measuring anomalies of refraction using a reflection image of pupil in visible light | |
Thomson | Utilising a Mobile Device to Aid in Early Diagnosis of Corneal Abnormalities | |
Azeroual et al. | Convolutional Neural Network for Segmentation and Classification of Glaucoma. | |
US20240112028A1 (en) | Physical augmentation of patient data for medical applications | |
US20220151482A1 (en) | Biometric ocular measurements using deep learning | |
Narasimharao et al. | Enhanced Diabetic Retinopathy Detection through Convolutional Neural Networks for Retinal Image Classification | |
Blodi et al. | Exploring the Role of Reading Centers in the Era of Artificial Intelligence |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210730 |