CN113963800A - 儿童近视发生风险评估方法、装置、存储介质以及系统 - Google Patents

儿童近视发生风险评估方法、装置、存储介质以及系统 Download PDF

Info

Publication number
CN113963800A
CN113963800A CN202111248873.0A CN202111248873A CN113963800A CN 113963800 A CN113963800 A CN 113963800A CN 202111248873 A CN202111248873 A CN 202111248873A CN 113963800 A CN113963800 A CN 113963800A
Authority
CN
China
Prior art keywords
tester
range
risk
equivalent sphere
myopia
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.)
Pending
Application number
CN202111248873.0A
Other languages
English (en)
Inventor
汪晓倩
王冰洁
陈志�
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Liao Optometry Technology Co ltd
Original Assignee
Shanghai Liao Optometry Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Liao Optometry Technology Co ltd filed Critical Shanghai Liao Optometry Technology Co ltd
Priority to CN202111248873.0A priority Critical patent/CN113963800A/zh
Publication of CN113963800A publication Critical patent/CN113963800A/zh
Pending legal-status Critical Current

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
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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
    • A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
    • 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
    • A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
    • A61B3/103—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for determining refraction, e.g. refractometers, skiascopes
    • 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
    • A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
    • A61B3/107—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for determining the shape or measuring the curvature of the cornea

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Ophthalmology & Optometry (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Pathology (AREA)
  • Eye Examination Apparatus (AREA)

Abstract

本发明涉及儿童近视发生风险评估技术领域，并提供了一种儿童近视发生风险评估方法、装置、存储介质以及系统。在一些实施方式中，所述方法包括：获得测试者的基本信息和眼生物光学数据；根据所述基本信息和眼生物光学数据计算出所述测试者的眼轴范围；基于计算出的眼轴范围，根据所述测试者的实测眼轴值分析所述测试者的近视风险；根据分析结果输出与所述测试者的近视风险有关的提示。本发明利用眼轴数据评估未来近视风险，提高了临床检查的效率，减少了主觉验光造成的测量误差，避免了不必要的药物使用及副作用。

Description

儿童近视发生风险评估方法、装置、存储介质以及系统
技术领域
本发明涉及儿童近视发生风险评估技术领域，具体地，涉及一种儿童近视发生风险评估方法、装置、存储介质以及系统。
背景技术
目前的流行病学证据表明，近视患病率将继续增加。近视会导致裸眼距离远视力下降，以及视网膜脱离和青光眼等其他眼部并发症，这些并发症可能导致永久性视力丧失，从而可能成为一场巨大的公共健康危机。近视是一种屈光不正，往往高发于儿童、青少年人群，发病年龄越早，近视进展速度越快，从而增加高度近视及其相关并发症的风险
在现有技术中，监测青少年儿童的屈光发育变化，临床上常用两种测量方式。一种是小瞳验光获取屈光度，此测量方式与青少年儿童的主观配合有关，数据结果波动大，临床意义有限；另一种是通过药物散瞳验光(为正确测量儿童远视度数)，此测量方式与使用药品种类有关，药物存在视物模糊、畏光等副作用，并且检查时间长，临床上难以作为广泛、频繁的测量方式。
发明内容
本发明提供了一种儿童近视发生风险评估方法、装置、存储介质以及系统，利用眼轴数据评估未来近视风险，提高了临床检查的效率，减少了主觉验光造成的测量误差，避免了不必要的药物使用及其副作用。
根据本发明的第一方面，本发明实施方式涉及一种儿童近视发生风险评估方法，其包括：
获得测试者的基本信息和眼生物光学数据；
根据所述基本信息和眼生物光学数据计算出所述测试者的眼轴范围；
基于计算出的眼轴范围，根据所述测试者的实测眼轴值分析所述测试者的近视风险；
根据分析结果输出与所述测试者的近视风险有关的提示。
在一些实施方式中，所述基本信息包括测试者的性别、年龄；所述眼生物光学数据包括实测眼轴值、平均角膜曲率。
在一些实施方式中，根据所述基本信息和眼生物光学数据计算出所述测试者的眼轴范围，包括：
根据所述测试者的年龄确定出界定远视储备的安全范围、临界范围和近视风险范围的等效球镜阈值；
根据确定出的等效球镜阈值和获得的平均角膜曲率计算出所述测试者的眼轴范围。
在一些实施方式中，通过等效球镜界定远视储备的安全范围、临界范围和近视风险范围，其中所述界定远视储备的安全范围、临界范围和近视风险范围的等效球镜阈值包括：
年龄为6岁的测试者的等效球镜阈值为+1.50D和-0.50D，其中等效球镜大于+1.50D为安全范围，小于-0.50D为近视风险范围，介于+1.50D与-0.50D之间为临界范围；
年龄为7岁的测试者的等效球镜阈值为+1.25D和-0.50D，其中等效球镜大于+1.25D为安全范围，小于-0.50D为近视风险范围，介于+1.25D与-0.50D之间为临界范围；
年龄为8岁的测试者的等效球镜阈值为+1.00D和-0.50D，其中等效球镜大于+1.00D为安全范围，小于-0.50D为近视风险范围，介于+1.00D与-0.50D之间为临界范围；
年龄为9-10岁的测试者的等效球镜阈值为+0.75D和-0.50D，其中等效球镜大于+0.75D为安全范围，小于-0.50D为近视风险范围，介于+0.75D与-0.50D之间为临界范围；
年龄为11-12岁的测试者的等效球镜阈值为+0.50D和-0.50D，其中等效球镜大于+0.50D为安全范围，小于-0.50D为近视风险范围，介于+0.50D与-0.50D之间为临界范围；
年龄为13-14岁的测试者的等效球镜阈值为+0.25D和-0.50D，其中等效球镜大于+0.25D为安全范围，小于-0.50D为近视风险范围，介于+0.25D与-0.50D之间为临界范围。
在一些实施方式中，基于计算出的眼轴范围，根据所述测试者的实测眼轴值分析所述测试者的近视风险，包括：
所述测试者的实测眼轴值小于计算出的眼轴范围的下限值，则所述测试者发生近视的风险低；
所述测试者的实测眼轴值大于计算出的眼轴范围的上限值，则所述测试者发生近视的风险高。
在一些实施方式中，根据分析结果输出与所述测试者的近视风险有关的提示包括：
所述测试者的实测眼轴值低于该测试者的计算出的眼轴范围，则输出所述测试者安全的提示；
所述测试者的实测眼轴值落入该测试者的计算出的眼轴范围，则输出所述测试者具有发生近视的第一风险的提示；
所述测试者的实测眼轴值高于该测试者的计算出的眼轴范围，则输出所述测试者具有发生近视的第二风险的提示，所述第二风险高于所述第一风险。
在一些实施方式中，将所述等效球镜阈值和平均角膜曲率提供至反映眼轴与角膜曲率和屈光度的关系的数据模型，通过所述数据模型计算出所述测试者的眼轴范围；
其中，所述数据模型如下：
AL＝a+b*Km+c*SERE，
其中，AL表示眼轴，Km表示平均角膜曲率，SERE表示等效球镜，a为截距(intercept)，b为角膜曲率调整系数(co-efficient)，c为等效球镜调整系数(co-efficient)。
在一些实施方式中，所述数据模型是通过下述方式建立的：
采集初始数据，所述初始数据包括个体的年龄、性别、SERE、球面屈光力、Km和平坦角膜曲率；
对采集的初始数据按年龄和性别进行分组；
针对每一组数据，以眼轴为因变量并以SERE、球面屈光力、Km和平坦角膜曲率中的每一个为自变量进行单因素线性回归分析；
经过所述单因素线性回归分析筛选出眼轴的预测因子，所述预测因子包括SERE和Km；
以眼轴为因变量并以SERE和Km为自变量进行多因素线性回归分析；
根据所述多因素线性回归分析建立所述数据模型。
在一些实施方式中，通过下述任意一种或多种方式获得所述测试者的基本信息和眼生物光学数据：
通过人机接口接收输入的所述测试者的基本信息和/或眼生物光学数据；
通过网络接口接收经由网络远程发送的所述测试者的基本信息和/或眼生物光学数据。
在一些实施方式中，与所述测试者的近视风险有关的提示包括声音提示、视觉提示、触觉提示中一种或多种。
根据本发明的第二方面，本发明实施方式涉及一种用于儿童近视发生风险评估的装置，其包括：
存储器，其上存储有计算机可读指令；
处理器，其执行所述计算机可读指令以实现上述任一实施方式所述的方法。
根据本发明的第三方面，本发明实施方式涉及一种存储介质，所述存储介质上存储有计算机可读指令，所述计算机可读指令能够被处理器执行以实现上述任一实施方式所述的方法。
根据本发明的第四方面，本发明实施方式涉及一种儿童近视发生风险评估系统，其包括：
数据采集端，其采集测试者的基本信息和眼生物光学数据；
数据库端，其与所述数据采集端通信连接，用于存储所述测试者的基本信息和眼生物光学数据；
服务应用端，其与所述数据库端通信连接，用于执行下述操作：根据所述基本信息和眼生物光学数据计算出所述测试者的眼轴范围；基于计算出的眼轴范围，根据所述测试者的实测眼轴值分析所述测试者的近视风险；
客户端，其与服务应用端通信连接，用于根据所述服务应用端的分析结果输出与所述测试者的近视风险有关的提示。
在一些实施方式中，所述基本信息包括测试者的性别、年龄；所述眼生物光学数据包括实测眼轴值、平均角膜曲率。
在一些实施方式中，根据所述基本信息和眼生物光学数据计算出所述测试者的眼轴范围，包括：
根据所述测试者的年龄确定出界定远视储备的安全范围、临界范围和近视风险范围的等效球镜阈值；
根据确定出的等效球镜阈值和获得的平均角膜曲率计算出所述测试者的眼轴范围。
在一些实施方式中，所述数据库端还按照年龄存储所述界定远视储备的安全范围、临界范围和近视风险范围的等效球镜阈值，包括：
年龄为6岁的测试者的等效球镜阈值为+1.50D和-0.50D，其中等效球镜大于+1.50D为安全范围，小于-0.50D为近视风险范围，介于+1.50D与-0.50D之间为临界范围；
年龄为7岁的测试者的等效球镜阈值为+1.25D和-0.50D，其中等效球镜大于+1.25D为安全范围，小于-0.50D为近视风险范围，介于+1.25D与-0.50D之间为临界范围；
年龄为8岁的测试者的等效球镜阈值为+1.00D和-0.50D，其中等效球镜大于+1.00D为安全范围，小于-0.50D为近视风险范围，介于+1.00D与-0.50D之间为临界范围；
年龄为9-10岁的测试者的等效球镜阈值为+0.75D和-0.50D，其中等效球镜大于+0.75D为安全范围，小于-0.50D为近视风险范围，介于+0.75D与-0.50D之间为临界范围；
年龄为11-12岁的测试者的等效球镜阈值为+0.50D和-0.50D，其中等效球镜大于+0.50D为安全范围，小于-0.50D为近视风险范围，介于+0.50D与-0.50D之间为临界范围；
年龄为13-14岁的测试者的等效球镜阈值为+0.25D和-0.50D，其中等效球镜大于+0.25D为安全范围，小于-0.50D为近视风险范围，介于+0.25D与-0.50D之间为临界范围。
在一些实施方式中，基于计算出的眼轴范围，根据所述测试者的实测眼轴值分析所述测试者的近视风险，包括：
所述测试者的实测眼轴值小于计算出的眼轴范围的下限值，则所述测试者发生近视的风险低；
所述测试者的实测眼轴值大于计算出的眼轴范围的上限值，则所述测试者发生近视的风险高。
在一些实施方式中，根据所述服务应用端的分析结果输出与所述测试者的近视风险有关的提示包括：
所述测试者的实测眼轴值低于该测试者的计算出的眼轴范围，则输出所述测试者安全的提示；
所述测试者的实测眼轴值落入该测试者的计算出的眼轴范围，则输出所述测试者具有发生近视的第一风险的提示；
所述测试者的实测眼轴值高于该测试者的计算出的眼轴范围，则输出所述测试者具有发生近视的第二风险的提示，所述第二风险高于所述第一风险。
在一些实施方式中，在所述服务应用端，将所述等效球镜阈值和平均角膜曲率提供至反映眼轴与角膜曲率和屈光度的关系的数据模型，通过所述数据模型计算出所述测试者的眼轴范围；
其中，所述数据模型如下：
AL＝a+b*Km+c*SERE，
其中，AL表示眼轴，Km表示平均角膜曲率，SERE表示等效球镜，a为截距，b为角膜曲率调整系数，c为等效球镜调整系数。
在一些实施方式中，所述数据模型是通过下述方式建立的：
采集初始数据，所述初始数据包括个体的年龄、性别、SERE、球面屈光力、Km和平坦角膜曲率；所述初始数据的数量越多，建立的数据模型的计算精度越高，在此基础上本发明对初始数据的数量的具体值没有要求。
对采集的大量的初始数据按年龄和性别进行分组；
针对每一组数据，以眼轴为因变量并以SERE、球面屈光力、Km和平坦角膜曲率中的每一个为自变量进行单因素线性回归分析；
经过所述单因素线性回归分析筛选出眼轴的预测因子，所述预测因子包括SERE和Km；
以眼轴为因变量并以SERE和Km为自变量进行多因素线性回归分析；
根据所述多因素线性回归分析建立所述数据模型。
在一些实施方式中，通过下述任意一种或多种方式采集所述测试者的基本信息和眼生物光学数据：
通过人机接口接收输入的所述测试者的基本信息和/或眼生物光学数据；
通过网络接口接收经由网络远程发送的所述测试者的基本信息和/或眼生物光学数据。
在一些实施方式中，与所述测试者的近视风险有关的提示包括声音提示、视觉提示、触觉提示中一种或多种。
在一些实施方式中，所述声音提示包括语音播报分析结果；
所述视觉提示包括：以不同的图案或颜色显示不同的分析结果，或者，打印分析结果；
所述触觉提示包括：以不同的振动频率和/或幅度表示不同的分析结果。
实施本发明具有以下有益效果：
根据本发明的实施方式，根据测试者的诸如年龄的基本信息和诸如平均角膜曲率的眼生物光学数据计算出所述测试者的眼轴范围，并结合眼轴的实测值来评估所述测试者的近视发生风险，从而通过便捷无接触的眼生物光学数据(平均角膜曲率、眼轴)测量，多因素线性回归方程式计算并比较近视风险，数据稳定性好，易于广泛推广，能够推动屈光发育监测评估服务更有效广泛地覆盖基层人群。
本发明实施方式的各个方面、特征、优点等将在下文结合附图进行具体描述。根据以下结合附图的具体描述，本发明的上述方面、特征、优点等将会变得更加清楚。
附图说明
图1是示出本发明实施方式的儿童近视发生风险评估方法的流程图；
图2是示出本发明实施方式的建立反映眼轴与角膜曲率和屈光度的关系的数据模型的方法的流程图；
图3是示出本发明实施方式的用于儿童近视发生风险评估的装置的示意图；
图4是示出本发明实施方式的儿童近视发生风险评估系统的示意图；
图5是本发明实施方式的儿童近视发生风险评估功能架构图。
具体实施方式
为了便于理解本发明技术方案的各个方面、特征以及优点，下面结合附图对本发明进行具体描述。应当理解，下述的各种实施方式只用于举例说明，而非用于限制本发明的保护范围。
发明人经研究发现，人出生时眼球长度偏短，眼睛平均度数一般在+3.00度左右(称之为远视储备)。随着年龄增长，眼轴发生生理性增长，远视度数会缓慢下降，直至成年时停留在低度远视的状态。儿童在生长发育期时，不正确的用眼习惯会刺激眼轴的快速增长。当该增长幅度超出正常的生理性眼轴增长幅度，则会加速远视储备的消耗。眼轴不断增长，导致眼睛的度数从远视(正度数)过渡到正视(平光/0度)最后进入近视范围(负度数)，从而发生近视。由此，本发明提出了一种预测或评估儿童近视发生风险的方法，其根据测试者的诸如年龄的基本信息和诸如平均角膜曲率的眼生物光学数据计算出所述测试者的眼轴范围，并结合眼轴的实测值来评估所述测试者的近视发生风险。图1示出了本发明的预测或评估儿童近视发生风险的方法的一个示例。
在实施方式中，如图1所示，一种儿童近视发生风险评估方法包括：
S101，获得测试者的基本信息和眼生物光学数据；例如，所述基本信息测试者的性别、年龄；所述眼生物光学数据包括实测眼轴值、平均角膜曲率。
S102，根据所述基本信息和眼生物光学数据计算出所述测试者的眼轴范围。
S103，基于计算出的眼轴范围，根据所述测试者的实测眼轴值分析所述测试者的近视风险。
S104，根据分析结果输出与所述测试者的近视风险有关的提示(消息、信息)。
在一些实施方式中，在步骤S101中，通过下述任意一种或多种方式获得所述测试者的基本信息和眼生物光学数据：
通过人机接口(例如，图像用户界面、键盘等)接收输入的所述测试者的基本信息和/或眼生物光学数据；
通过网络接口(例如，以太网接口、无线网络接口等)接收经由网络远程发送的所述测试者的基本信息和/或眼生物光学数据。
在一些实施方式中，在步骤S102中，根据所述基本信息和眼生物光学数据计算出所述测试者的眼轴范围，包括：根据所述测试者的年龄确定出界定远视储备的安全范围、临界范围和近视风险范围的等效球镜阈值；根据所述等效球镜阈值和平均角膜曲率计算出所述测试者的眼轴范围。其中，远视储备的安全范围意味着发生近视的风险较低，相对安全；远视储备的近视风险范围意味着发生近视的风险较高；介于所述安全范围与近视风险范围之间的是临界范围，意味着有近视风险。
在一些实施方式中，通过等效球镜来界定远视储备的安全范围、临界范围和近视风险范围，其中用于界定远视储备的安全范围、临界范围和近视风险范围的等效球镜阈值包括安全阈值和近视阈值，其中，大于安全阈值的等效球镜属于安全范围，小于近视阈值的等效球镜属于近视风险范围，介于安全阈值与近视阈值之间的等效球镜属于临界范围。在一些实施方式中，临界范围为大于等于近视阈值且小于等于安全阈值的数值范围。
在一些实施方式中，所述界定远视储备的安全范围、临界范围和近视风险范围的等效球镜阈值包括：年龄为6岁的测试者的安全阈值为+1.50D和近视阈值为-0.50D，年龄为7岁的测试者的安全阈值为+1.25D和近视阈值为-0.50D，年龄为8岁的测试者的安全阈值为+1.00D和近视阈值为-0.50D，年龄为9-10岁的测试者的安全阈值为+0.75D和近视阈值为-0.50D，年龄为11-12岁的测试者的安全阈值为+0.50D和近视阈值为-0.50D，以及年龄为13-14岁的测试者的安全阈值为+0.25D和近视阈值为-0.50D。
具体而言，年龄为6岁的测试者的等效球镜大于+1.50D为安全范围，小于-0.50D为近视风险范围(近视风险高)，介于+1.50D与-0.50D之间为临界范围(有近视风险)。年龄为7岁的测试者的等效球镜大于+1.25D为安全范围，小于-0.50D为近视风险范围，介于+1.25D与-0.50D之间为远视储备临界范围。年龄为8岁的测试者的等效球镜大于+1.00D为安全范围，小于-0.50D为近视风险范围，介于+1.00D与-0.50D之间为远视储备临界范围。年龄为9至10岁的测试者的等效球镜大于+0.75D为安全范围，小于-0.50D为近视风险范围，介于+0.75D与-0.50D之间为远视储备临界范围。年龄为11至12岁的测试者的等效球镜大于+0.50D为安全范围，小于-0.50D为近视风险范围，介于+0.50D与-0.50D之间为远视储备临界范围。年龄为13至14岁的测试者的等效球镜大于+0.25D为安全范围，小于-0.50D为近视风险范围，介于+0.25D与-0.50D之间为远视储备临界范围。
在一些实施方式中，对应于所述安全范围、临界范围和近视风险范围的等效球镜阈值可以按照年龄分组存储在数据库中或以配置文件的形式进行存储。例如，可以采用下面表1的形式进行存储或配置。
表1：界定远视储备的安全范围、临界范围和近视风险范围的等效球镜阈值
Figure BDA0003321759770000101
Figure BDA0003321759770000111
在一些实施方式中，在步骤S102，将所述等效球镜阈值和平均角膜曲率提供(包括输入、传递、发送等)至反映眼轴与角膜曲率和屈光度的关系的数据模型，通过所述数据模型计算出所述测试者的眼轴范围。
在一些实施方式中，所述数据模型如下：
AL＝a+b*Km+c*SERE，
其中，AL表示眼轴，Km表示平均角膜曲率，SERE表示等效球镜，a为截距，b为角膜曲率调整系数，c为等效球镜调整系数。在一些实施方式中，系数a、b、c是在所述数据模型建立过程中对初始数据进行多重线性回归分析后获得。在一些实施方式中，系数a、b、c分为远视组和近视组，并按照年龄和性别进行存储(如下文表2和表3所示)。在用于计算测试者眼轴范围时可以根据测试者的性别、年龄和等效球镜阈值进行选取适合该测试者的系数a、b、c的值。
在一些实施方式中，如图2所示，所述数据模型是通过下述方式建立的：
S201，采集大量的初始数据，所述初始数据包括个体的年龄、性别、SERE、球面屈光力、Km和平坦角膜曲率。
S202，对采集的大量的初始数据按年龄和性别进行分组。
S203，针对每一组数据，以眼轴AL为因变量并以SERE、球面屈光力、Km和平坦角膜曲率中的每一个为自变量进行单因素线性回归(即简单线性回归)分析。
S204，经过所述单因素线性回归分析筛选出眼轴的预测因子，所述预测因子包括SERE和Km。
S205，以眼轴为因变量并以SERE和Km为自变量进行多因素线性回归分析；
S206，根据所述多因素线性回归分析建立所述数据模型：
AL＝a+b*Km+c*SERE
其中，系数a、b和c是在多因素线性回归分析过程中基于初始数据分析得到，并分为远视组和近视组，按照年龄和性别进行存储。
在示例性实施方式中，在步骤S205，多因素线性回归(即多重线性回归)分析包括：
第一步：将原始数据按年龄、性别和远视或者近视分组，例如如下：
年龄6-6.9岁，男，等效球镜>+0.50D组
年龄6-6.9岁，男，等效球镜<-0.50D组
年龄6-6.9岁，女，等效球镜>+0.50D组
年龄6-6.9岁，女，等效球镜<-0.50D组
眼轴AL＝y
角膜平均曲率Km＝X1
等效球镜SERE＝X2
多重线性回归公式为y＝a+b*X1+c*X2
第二步：计算每组的X1 2，X2 2，X1*Y，X2*Y，X1*X2。
第三步：计算回归平方和，如下：
Σx1 2＝ΣX1 2–(ΣX1)2/n，
Σx2 2＝ΣX2 2–(ΣX2)2/n，
Σx1y＝ΣX1y–(ΣX1Σy)/n，
Σx2y＝ΣX2y–(ΣX2Σy)/n，
Σx1x2＝ΣX1X2–(ΣX1ΣX2)/n。
第四步：计算b、c值，如下：
b＝[(Σx2 2)(Σx1y)–(Σx1x2)(Σx2y)]/[(Σx1 2)(Σx2 2)–(Σx1x2)2]，
c＝[(Σx1 2)(Σx2y)–(Σx1x2)(Σx1y)]/[(Σx1 2)(Σx2 2)–(Σx1x2)2]。
第五步：计算a值，如下：
设：y＝0，
计算：a＝y–bX1–cX2。
第六步：将已获得的a，b和c值代入公式y＝a+bX1+cX2，由此得到所述数据模型。
在上述线性回归分析过程中，确定的男性组的a、b、c的取值如下表2所示。
表2：男性组线性回归系数a、b、c的取值
Figure BDA0003321759770000131
对于女性组的a、b、c也可以按照上述方法确定。在一些实施方式中，确定的女性组的a、b、c的取值如下表3所示。
表3：女性组线性回归系数a、b、c的取值
Figure BDA0003321759770000132
在一些实施方式中，上述表2、表3可以以数据库表的形式预先存储于数据库中，在计算眼轴范围时系统或装置的处理器根据测试者的年龄、性别等基本信息从所述数据库中查找并读取相应的值。
在一些实施方式中，在步骤S103中，基于计算出的眼轴范围，根据所述测试者的实测眼轴值分析所述测试者的近视风险，包括：
所述测试者的实测眼轴值小于计算出的眼轴范围的下限值，则所述测试者发生近视的风险低；
所述测试者的实测眼轴值大于计算出的眼轴范围的上限值，则所述测试者发生近视的风险高。
在一些实施方式中，在步骤S104中，根据分析结果输出与所述测试者的近视风险有关的提示包括：
所述测试者的实测眼轴值低于该测试者的计算出的眼轴范围，则输出所述测试者安全(例如，低风险)的提示；
所述测试者的实测眼轴值落入该测试者的计算出的眼轴范围，则输出所述测试者具有发生近视的第一风险(例如，中风险)的提示；
所述测试者的实测眼轴值高于该测试者的计算出的眼轴范围，则输出所述测试者具有发生近视的第二风险(例如，高风险)的提示，所述第二风险高于所述第一风险。
在另一些实施方式中，在步骤S104中，根据分析结果输出与所述测试者的近视风险有关的提示包括：
所述测试者的实测眼轴值低于计算出的眼轴范围，则输出所述测试者的实测眼轴值落入远视储备安全范围的提示；
所述测试者的实测眼轴值落入计算出的眼轴范围，则输出所述测试者的实测眼轴值落入远视储备临界范围的提示；
所述测试者的实测眼轴值高于计算出的眼轴范围，则输出所述测试者的实测眼轴值落入近视风险范围的提示。
在一些实施方式中，与所述测试者的近视风险有关的提示包括声音提示、视觉提示、触觉提示中一种或多种。例如，语音播报测试者的近视风险，或以绿色、黄色和红色分别表示近视发生的低风险、中风险、高风险。在一些实施方式中，可以通过振动频率或幅度的大小来区分表示近视发生的低风险、中风险、高风险。
在一个示例性实施方式中，采集测试者的眼轴、角膜曲率数据和基础信息(生日、性别等)；
根据测试者年龄，将预设的等效球镜阈值(见表1)和角膜曲率输入到数据模型里，计算相应的眼轴范围；
例如：6岁，男，Km为43，根据表1确定6岁组对应远视储备临界范围的SERE的安全阈值为+1.50D、近视阈值为-0.50D；将这些值代入AL＝a+b*Km+c*SERE中进行计算，如下：
对应于+1.50D的安全阈值的AL下限阈值的计算包括：从表2的远视组中获得6岁男性测试者的系数a为38.52，b为-0.35，c为-0.37，从而，对应远视储备临界范围的AL的下限阈值为：
AL＝38.52+(-0.35)*43+(-0.37*1.50)＝22.92(mm)；
对应于-0.50D的近视阈值的AL上限阈值的计算包括：从表2的近视组中获得6岁男性测试者系数a为39.57，b为-0.38，c为-0.44，从而，对应远视储备临界范围的AL的上限阈值为：
AL＝39.57+(-0.38)*43+(-0.44*-0.50)＝23.45(mm)；
由此，该测试者的对应于远视储备临界范围的眼轴范围为22.92～23.45mm。
若该测试者实际测量眼轴<22.92mm，则表示测试者的等效球镜>+1.50D,远视储备属于安全范围，表示安全(发生近视的风险较低)，可以提示绿色(低风险)；
若该测试者实际测量眼轴介于22.92～23.45mm之间，则表示测试者的等效球镜在+1.50D到-0.50D之间，属于远视储备临界范围，有近视风险，可以提示黄色(中风险)；
若该测试者实际测量眼轴>23.45mm，则表示测试者的等效球镜可能已经超过-0.50D，可能已经近视，属于近视高风险范围，可以提示红色(高风险)，并可建议进一步深度检查。
应当理解，上述各个实施方式所述的方法或步骤可以编程为程序或指令并存储在计算机可读存储介质上。因此，本发明实施方式还涉及一种存储介质，其上存储有计算机可读指令或程序，所述计算机可读指令或程序由处理器执行以进行上面任意一个实施方式所述的方法的处理、操作或步骤。并且，包括所述存储介质和处理器的装置可用于儿童近视发生风险评估。
在一些实施方式中，如图3所示，用于儿童近视发生风险评估的装置包括：
存储器301，其上存储有计算机可读指令；
处理器302，其执行所述计算机可读指令以实现上述任一实施方式所述的方法。
示例性地，处理器302执行存储器301上的指令以通过I/O接口303接收输入的所述测试者的基本信息，并通过网络接口304接收经由网络远程发送的所述测试者的眼生物光学数据，例如来自其他测试设备或系统。可选的，处理器302执行存储器301上的指令以通过I/O接口303接收输入的所述测试者的眼生物光学数据，并通过网络接口304接收经由网络远程发送的所述测试者的基本信息。可选的，处理器302执行存储器301上的指令以通过I/O接口303接收输入的所述测试者的基本信息和眼生物光学数据，或者通过网络接口304接收经由网络远程发送的所述测试者的基本信息和眼生物光学数据。
处理器302执行存储器301上的指令还执行下述操作：根据所述基本信息和眼生物光学数据计算出所述测试者的眼轴范围；基于计算出的眼轴范围，根据所述测试者的实测眼轴值分析所述测试者的近视风险。
处理器302执行存储器301上的指令还执行下述操作：根据分析结果输出与所述测试者的近视风险有关的提示信息。例如，通过I/O接口在显示屏上通过不同的颜色显示不同的风险等级，或者通过扬声器播放分析结果，或者通过网络接口连接打印设备打印分析报告。
在一些实施方式中，上述各个实施方式所涉及的方法的步骤、操作或处理等不是必须由一台计算机装置执行，也可以由多种不同的计算机装置协同配合完成，不同计算机装置之间可以通过有线或无线通信方式交互数据。
在一些实施方式中，一种儿童近视发生风险评估系统包括：
数据采集端401，其采集测试者的基本信息和眼生物光学数据；
数据库端402，其与所述数据采集端401通信连接，用于存储所述测试者的基本信息和眼生物光学数据；
服务应用端403，其与所述数据库端402通信连接，用于执行下述操作：根据所述基本信息和眼生物光学数据计算出所述测试者的眼轴范围；基于计算出的眼轴范围，根据所述测试者的实测眼轴值分析所述测试者的近视风险；
客户端404，其与服务应用端404通信连接，用于根据所述服务应用端的分析结果输出与所述测试者的近视风险有关的提示。
在一些实施方式中，所述基本信息包括测试者的年龄和性别；所述眼生物光学数据包括实测眼轴值、平均角膜曲率。
在一些实施方式中，在服务应用端403，根据所述基本信息和眼生物光学数据计算出所述测试者的眼轴范围，包括：
根据所述测试者的年龄确定出对应于安全范围、远视储备临界范围和近视风险范围的等效球镜；
根据所述等效球镜和平均角膜曲率计算出所述测试者的眼轴范围。
在一些实施方式中，所述数据库端402还按照年龄存储有所述对应于远视储备的安全范围、临界范围和近视风险范围的等效球镜阈值，如上文表1所示，年龄为6岁的测试者的等效球镜大于+1.50D为安全范围，小于-0.50D为近视风险范围，介于+1.50D与-0.50D之间或者小于等于+1.50D且大于等于-0.50D为远视储备临界范围；年龄为7岁的测试者的等效球镜大于+1.25D为安全范围，小于-0.50D为近视风险范围，介于+1.25D与-0.50D之间或者小于等于+1.25D且大于等于-0.50D为远视储备临界范围；年龄为8岁的测试者的等效球镜大于+1.00D为安全范围，小于-0.50D为近视风险范围，介于+1.00D与-0.50D之间或者小于等于+1.00D且大于等于-0.50D为远视储备临界范围；年龄为9至10岁的测试者的等效球镜大于+0.75D为安全范围，小于-0.50D为近视风险范围，介于+0.75D与-0.50D之间或者小于等于+0.75D且大于等于-0.50D为远视储备临界范围；年龄为11至12岁的测试者的等效球镜大于+0.50D为安全范围，小于-0.50D为近视风险范围，介于+0.50D与-0.50D之间或者小于等于+0.50D且大于等于-0.50D为远视储备临界范围；年龄为13至14岁的测试者的等效球镜大于+0.25D为安全范围，小于-0.50D为近视风险范围，介于+0.25D与-0.50D之间或者小于等于+0.25D且大于等于-0.50D为远视储备临界范围。
在一些实施方式中，基于计算出的眼轴范围，根据所述测试者的实测眼轴值分析所述测试者的近视风险，包括：
所述测试者的实测眼轴值小于计算出的眼轴范围的下限值，则所述测试者发生近视的风险低；
所述测试者的实测眼轴值大于计算出的眼轴范围的上限值，则所述测试者发生近视的风险高。
在一些实施方式中，根据所述服务应用端403的分析结果输出与所述测试者的近视风险有关的提示包括：
所述测试者的实测眼轴值低于该测试者的计算出的眼轴范围，则输出所述测试者安全的提示；
所述测试者的实测眼轴值落入该测试者的计算出的眼轴范围，则输出所述测试者具有发生近视的第一风险的提示；
所述测试者的实测眼轴值高于该测试者的计算出的眼轴范围，则输出所述测试者具有发生近视的第二风险的提示，所述第二风险高于所述第一风险。
在另一些实施方式中，根据所述服务应用端403的分析结果输出与所述测试者的近视风险有关的提示包括：
所述测试者的实测眼轴值低于计算出的眼轴范围，则输出所述测试者的实测眼轴值落入远视储备安全范围的提示；
所述测试者的实测眼轴值落入计算出的眼轴范围，则输出所述测试者的实测眼轴值落入远视储备临界范围的提示；
所述测试者的实测眼轴值高于计算出的眼轴范围，则输出所述测试者的实测眼轴值落入近视风险范围的提示
在一些实施方式中，在所述服务应用端403，将所述等效球镜阈值和平均角膜曲率提供至反映眼轴与角膜曲率和屈光度的关系的数据模型，通过所述数据模型计算出所述测试者的眼轴范围；
其中，所述数据模型如下：
AL＝a+b*Km+c*SERE，
其中，Km为平均角膜曲率，SERE为等效球镜，a为截距，b为角膜曲率调整系数，c为等效球镜调整系数。
在一些实施方式中，所述数据模型是通过下述方式建立的：
采集大量的初始数据，所述初始数据包括个体的年龄、性别、SERE、球面屈光力、Km和平坦角膜曲率；
对采集的大量的初始数据按年龄和性别进行分组；
针对每一组数据，以眼轴为因变量并以SERE、球面屈光力、Km和平坦角膜曲率中的每一个为自变量进行单因素线性回归分析；
经过所述单因素线性回归分析筛选出眼轴的预测因子，所述预测因子包括SERE和Km；
以眼轴为因变量并以SERE和Km为自变量进行多因素线性回归分析；
根据所述多因素线性回归分析建立所述数据模型：
AL＝a+b*Km+c*SERE，
其中，界定远视储备的安全范围、临界范围为和近视风险范围的SERE阈值和计算眼轴范围的系数a、b、c的值可以以数据库表的形式存储于数据库中，或以其他配置文件的方式配置于系统中。例如，在数据库端402中存储有表1、表2和表3。
在一些实施方式中，所述服务应用端403可以定期使用大数据按照上述方法对数据模型进行更新或调整，以使该数据模型更加准地预测眼轴范围。
在一些实施方式中，所述数据采集端401可以通过下述任意一种或多种方式采集所述测试者的基本信息和眼生物光学数据：
通过人机接口接收输入的所述测试者的基本信息和/或眼生物光学数据；
通过网络接口接收经由网络远程发送的所述测试者的基本信息和/或眼生物光学数据。
在一些实施方式中，所述客户端404提供的与所述测试者的近视风险有关的提示包括声音提示、视觉提示、触觉提示中一种或多种。
在一些实施方式中，所述声音提示包括语音播报分析结果；所述视觉提示包括：以不同的图案或颜色显示不同的分析结果，或者，打印分析结果；所述触觉提示包括：以不同的振动频率和/或幅度表示不同的分析结果。
在一些实施方式中，如图5所示，用于儿童近视发生风险评估系统的功能架构包括：
数据采集：其可以通过微信(也可以是其他社交软件或即时通信软件)登录授权和验光单拍照上传用于对测试者的基本信息、裸眼视力、屈光度、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。在一些实施方式中，还可以通过网络通信进行数据采集。
数据库：用于存储测试者的各项采集数据以及屈光发育监测数据，存储用户检查报告，可选地，可以存储外部数据和历史检查报告。在一些实施方式中，所述数据库用于存储界定远视储备的安全范围、临界范围为和近视风险范围的SERE阈值和计算眼轴范围的系数a、b、c的值。
服务应用层：与数据库连接，对用户上传数据进行分析，通过测试者的基本信息、生物测量数据例如Km等信息和系统预设的等效球镜代入数据模型计算眼轴范围，比较实测眼轴和计算的眼轴范围以判断测试者实际测量的眼轴属于哪个风险范围(包括安全范围、远视储备临界范围和近视风险范围)，生产检查报告告知用户。在一些实施方式中，眼轴范围的计算包括：根据测试者的年龄确定SERE的安全阈值和近视阈值，例如，按照年龄从表1中查找对应的SERE安全阈值和近视阈值；根据测试者的年龄、性别、以及确定的SERE的安全阈值和近视阈值确定用于计算眼轴范围的下限和上限的系数a、b、c的值，例如，根据测试者的性别选择男性组或女性组的系数a、b、c的数据库表(例如表2和表3)，根据年龄和所述安全阈值选择该年龄对应的远视组的系数a、b、c，以及根据年龄和所述近视阈值选择该年龄对应的近视组的系数a、b、c；然后，将测得的Km和前述确定的SERE的安全阈值和近视阈值、远视组的系数a、b、c、近视组的系数a、b、c代入数据模型AL＝a+b*Km+c*SERE分别计算出眼轴AL的下限值和上限值，从而得到测试者的对应于远视储备临界范围的眼轴范围。进一步地，比较实测眼轴和计算的眼轴范围以判断测试者的近视发生风险。
客户端：用于登录系统、接收检查报告和查看历史检查报告等。在一些实施方式中，客户端可以是PAD(平板电脑)端、手机端或台式计算机等。
在可选的实施方式中，还可以按照下述方法计算眼轴范围：按照不同的年龄和性别分组，将a、b、c和SERE代入AL＝a+b*Km+c*SERE，以得到多个公式(该公式中只有Km是变量)，并将得到的多个公式按照年龄和性别分组存储；在计算眼轴范围时只需按照测试者的年龄和性别从存储的多个公式中查找对应于该测试者的计算眼轴范围的上、下限的两个公式(该两个公式中只有Km是变量)，然后，在查找确定的公式中代入该测试者的实测Km以计算出该测试者的眼轴范围。进一步地，比较实测眼轴和计算的眼轴范围以判断测试者的近视发生风险。
本领技术人员应当理解，以上所公开的仅为本发明的实施方式而已，当然不能以此来限定本发明之权利范围，依本发明实施方式所作的等同变化，仍属本发明权利要求所涵盖的范围。

Claims (23)

1.一种儿童近视发生风险评估方法，其特征在于，包括：
获得测试者的基本信息和眼生物光学数据；
根据所述基本信息和眼生物光学数据计算出所述测试者的眼轴范围；
基于计算出的眼轴范围，根据所述测试者的实测眼轴值分析所述测试者的近视风险；
根据分析结果输出与所述测试者的近视风险有关的提示。
2.如权利要求1所述的方法，其特征在于，
所述基本信息包括测试者的性别、年龄；
所述眼生物光学数据包括实测眼轴值、平均角膜曲率。
3.如权利要求2所述的方法，其特征在于，根据所述基本信息和眼生物光学数据计算出所述测试者的眼轴范围，包括：
根据所述测试者的年龄确定出界定远视储备的安全范围、临界范围和近视风险范围的等效球镜阈值；
根据确定出的等效球镜阈值和获得的平均角膜曲率计算出所述测试者的眼轴范围。
4.如权利要求3所述的方法，其特征在于，按测试者年龄，所述界定远视储备的安全范围、临界范围和近视风险范围的等效球镜阈值包括：
年龄为6岁的测试者的等效球镜阈值为+1.50D和-0.50D，其中等效球镜大于+1.50D为安全范围，小于-0.50D为近视风险范围，介于+1.50D与-0.50D之间为临界范围；
年龄为7岁的测试者的等效球镜阈值为+1.25D和-0.50D，其中等效球镜大于+1.25D为安全范围，小于-0.50D为近视风险范围，介于+1.25D与-0.50D之间为临界范围；
年龄为8岁的测试者的等效球镜阈值为+1.00D和-0.50D，其中等效球镜大于+1.00D为安全范围，小于-0.50D为近视风险范围，介于+1.00D与-0.50D之间为临界范围；
年龄为9-10岁的测试者的等效球镜阈值为+0.75D和-0.50D，其中等效球镜大于+0.75D为安全范围，小于-0.50D为近视风险范围，介于+0.75D与-0.50D之间为临界范围；
年龄为11-12岁的测试者的等效球镜阈值为+0.50D和-0.50D，其中等效球镜大于+0.50D为安全范围，小于-0.50D为近视风险范围，介于+0.50D与-0.50D之间为临界范围；
年龄为13-14岁的测试者的等效球镜阈值为+0.25D和-0.50D，其中等效球镜大于+0.25D为安全范围，小于-0.50D为近视风险范围，介于+0.25D与-0.50D之间为临界范围。
5.如权利要求3所述的方法，其特征在于，基于计算出的眼轴范围，根据所述测试者的实测眼轴值分析所述测试者的近视风险，包括：
所述测试者的实测眼轴值小于计算出的眼轴范围的下限值，则所述测试者发生近视的风险低；
所述测试者的实测眼轴值大于计算出的眼轴范围的上限值，则所述测试者发生近视的风险高。
6.如权利要求3所述的方法，其特征在于，根据分析结果输出与所述测试者的近视风险有关的提示包括：
所述测试者的实测眼轴值低于该测试者的计算出的眼轴范围，则输出所述测试者安全的提示；
所述测试者的实测眼轴值落入该测试者的计算出的眼轴范围，则输出所述测试者具有发生近视的第一风险的提示；
所述测试者的实测眼轴值高于该测试者的计算出的眼轴范围，则输出所述测试者具有发生近视的第二风险的提示，所述第二风险高于所述第一风险。
7.如权利要求3所述的方法，其特征在于，将所述等效球镜阈值和平均角膜曲率提供至反映眼轴与角膜曲率和屈光度的关系的数据模型，通过所述数据模型计算出所述测试者的眼轴范围；
其中，所述数据模型如下：
AL＝a+b*Km+c*SERE，
其中，AL表示眼轴，Km表示平均角膜曲率，SERE表示等效球镜，a为截距，b为角膜曲率调整系数，c为等效球镜调整系数。
8.如权利要求7所述的方法，其特征在于，所述数据模型是通过下述方式建立的：
采集初始数据，所述初始数据包括个体的年龄、性别、SERE、球面屈光力、Km和平坦角膜曲率；
对采集的初始数据按年龄和性别进行分组；
针对每一组数据，以眼轴为因变量并以SERE、球面屈光力、Km和平坦角膜曲率中的每一个为自变量进行单因素线性回归分析；
经过所述单因素线性回归分析筛选出眼轴的预测因子，所述预测因子包括SERE和Km；
以眼轴为因变量并以SERE和Km为自变量进行多因素线性回归分析；
根据所述多因素线性回归分析建立所述数据模型。
9.如权利要求1所述的方法，其特征在于，通过下述任意一种或多种方式获得所述测试者的基本信息和眼生物光学数据：
通过人机接口接收输入的所述测试者的基本信息和/或眼生物光学数据；
通过网络接口接收经由网络远程发送的所述测试者的基本信息和/或眼生物光学数据。
10.如权利要求1所述的方法，其特征在于，与所述测试者的近视风险有关的提示包括声音提示、视觉提示、触觉提示中一种或多种。
11.一种用于儿童近视发生风险评估的装置，其特征在于，包括：
存储器，其上存储有计算机可读指令；
处理器，其执行所述计算机可读指令以实现权利要求1至10中任意一项所述的方法。
12.一种存储介质，其特征在于，所述存储介质上存储有计算机可读指令，所述计算机可读指令能够被处理器执行以实现权利要求1至10中任意一项所述的方法。
13.一种儿童近视发生风险评估系统，其特征在于，包括：
数据采集端，其采集测试者的基本信息和眼生物光学数据；
数据库端，其与所述数据采集端通信连接，用于存储所述测试者的基本信息和眼生物光学数据；
服务应用端，其与所述数据库端通信连接，用于执行下述操作：根据所述基本信息和眼生物光学数据计算出所述测试者的眼轴范围；基于计算出的眼轴范围，根据所述测试者的实测眼轴值分析所述测试者的近视风险；
客户端，其与服务应用端通信连接，用于根据所述服务应用端的分析结果输出与所述测试者的近视风险有关的提示。
14.如权利要求13所述的系统，其特征在于，
所述基本信息包括测试者的性别、年龄；
所述眼生物光学数据包括实测眼轴值、平均角膜曲率。
15.如权利要求14所述的系统，其特征在于，根据所述基本信息和眼生物光学数据计算出所述测试者的眼轴范围，包括：
根据所述测试者的年龄确定出界定远视储备的安全范围、临界范围和近视风险范围的等效球镜阈值；
根据确定出的等效球镜阈值和获得的平均角膜曲率计算出所述测试者的眼轴范围。
16.如权利要求15所述的系统，其特征在于，所述数据库端还按照年龄存储所述界定远视储备的安全范围、临界范围和近视风险范围的等效球镜阈值，包括：
年龄为6岁的测试者的等效球镜阈值为+1.50D和-0.50D，其中等效球镜大于+1.50D为安全范围，小于-0.50D为近视风险范围，介于+1.50D与-0.50D之间为临界范围；
年龄为7岁的测试者的等效球镜阈值为+1.25D和-0.50D，其中等效球镜大于+1.25D为安全范围，小于-0.50D为近视风险范围，介于+1.25D与-0.50D之间为临界范围；
年龄为8岁的测试者的等效球镜阈值为+1.00D和-0.50D，其中等效球镜大于+1.00D为安全范围，小于-0.50D为近视风险范围，介于+1.00D与-0.50D之间为临界范围；
年龄为9-10岁的测试者的等效球镜阈值为+0.75D和-0.50D，其中等效球镜大于+0.75D为安全范围，小于-0.50D为近视风险范围，介于+0.75D与-0.50D之间为临界范围；
年龄为11-12岁的测试者的等效球镜阈值为+0.50D和-0.50D，其中等效球镜大于+0.50D为安全范围，小于-0.50D为近视风险范围，介于+0.50D与-0.50D之间为临界范围；
年龄为13-14岁的测试者的等效球镜阈值为+0.25D和-0.50D，其中等效球镜大于+0.25D为安全范围，小于-0.50D为近视风险范围，介于+0.25D与-0.50D之间为临界范围。
17.如权利要求15所述的系统，其特征在于，基于计算出的眼轴范围，根据所述测试者的实测眼轴值分析所述测试者的近视风险，包括：
所述测试者的实测眼轴值小于计算出的眼轴范围的下限值，则所述测试者发生近视的风险低；
所述测试者的实测眼轴值大于计算出的眼轴范围的上限值，则所述测试者发生近视的风险高。
18.如权利要求15所述的系统，其特征在于，根据所述服务应用端的分析结果输出与所述测试者的近视风险有关的提示包括：
所述测试者的实测眼轴值低于该测试者的计算出的眼轴范围，则输出所述测试者安全的提示；
所述测试者的实测眼轴值落入该测试者的计算出的眼轴范围，则输出所述测试者具有发生近视的第一风险的提示；
所述测试者的实测眼轴值高于该测试者的计算出的眼轴范围，则输出所述测试者具有发生近视的第二风险的提示，所述第二风险高于所述第一风险。
19.如权利要求15所述的系统，其特征在于，在所述服务应用端，将所述等效球镜阈值和平均角膜曲率提供至反映眼轴与角膜曲率和屈光度的关系的数据模型，通过所述数据模型计算出所述测试者的眼轴范围；
其中，所述数据模型如下：
AL＝a+b*Km+c*SERE，
其中，AL表示眼轴，Km表示平均角膜曲率，SERE表示等效球镜，a为截距，b为角膜曲率调整系数，c为等效球镜调整系数。
20.如权利要求19所述的系统，其特征在于，所述数据模型是通过下述方式建立的：
采集初始数据，所述初始数据包括个体的年龄、性别、SERE、球面屈光力、Km和平坦角膜曲率；
对采集的初始数据按年龄和性别进行分组；
针对每一组数据，以眼轴为因变量并以SERE、球面屈光力、Km和平坦角膜曲率中的每一个为自变量进行单因素线性回归分析；
经过所述单因素线性回归分析筛选出眼轴的预测因子，所述预测因子包括SERE和Km；
以眼轴为因变量并以SERE和Km为自变量进行多因素线性回归分析；
根据所述多因素线性回归分析建立所述数据模型。
21.如权利要求13所述的系统，其特征在于，通过下述任意一种或多种方式采集所述测试者的基本信息和眼生物光学数据：
通过人机接口接收输入的所述测试者的基本信息和/或眼生物光学数据；
通过网络接口接收经由网络远程发送的所述测试者的基本信息和/或眼生物光学数据。
22.如权利要求13所述的系统，其特征在于，与所述测试者的近视风险有关的提示包括声音提示、视觉提示、触觉提示中一种或多种。
23.如权利要求22所述的系统，其特征在于，所述声音提示包括语音播报分析结果；
所述视觉提示包括：以不同的图案或颜色显示不同的分析结果，或者，打印分析结果；
所述触觉提示包括：以不同的振动频率和/或幅度表示不同的分析结果。
CN202111248873.0A 2021-10-26 2021-10-26 儿童近视发生风险评估方法、装置、存储介质以及系统 Pending CN113963800A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111248873.0A CN113963800A (zh) 2021-10-26 2021-10-26 儿童近视发生风险评估方法、装置、存储介质以及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111248873.0A CN113963800A (zh) 2021-10-26 2021-10-26 儿童近视发生风险评估方法、装置、存储介质以及系统

Publications (1)

Publication Number Publication Date
CN113963800A true CN113963800A (zh) 2022-01-21

Family

ID=79467400

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111248873.0A Pending CN113963800A (zh) 2021-10-26 2021-10-26 儿童近视发生风险评估方法、装置、存储介质以及系统

Country Status (1)

Country Link
CN (1) CN113963800A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111329442A (zh) * 2020-03-16 2020-06-26 广东小天才科技有限公司 一种视力健康检测方法及装置、电子设备

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111329442A (zh) * 2020-03-16 2020-06-26 广东小天才科技有限公司 一种视力健康检测方法及装置、电子设备

Similar Documents

Publication Publication Date Title
CN108371538B (zh) 一种人眼视觉监测系统及方法
EP2309916B1 (en) System and method for prescription of visual aids
CN106980748B (zh) 基于大数据拟合的青少儿屈光发育监测方法及系统
CN106461966B (zh) 用于提供高分辨率矫正眼科镜片的系统和方法
KR102608927B1 (ko) 시력-관련 파라미터의 시간 경과에 따른 진화를 예측하는 방법 및 장치
Chan et al. Diagnostic performance of the ISNT rule for glaucoma based on the Heidelberg retinal tomograph
JP2019523050A (ja) 人に提供される眼科用レンズのジオプトリックパラメータの決定方法
CN110211686B (zh) 一种高度近视白内障人工晶状体精准选择系统
CN112807151B (zh) 一种角膜塑形镜ac值的确定方法及系统
KR20210088654A (ko) 시력-관련 파라미터의 시간 경과에 따른 진화를 예측하기 위한 모델을 구축하는 방법 및 장치
Simão et al. Development of a normative database for multifocal electroretinography in the context of a multicenter clinical trial
CN113963800A (zh) 儿童近视发生风险评估方法、装置、存储介质以及系统
US9226657B2 (en) Universal objective refraction
Langenbucher et al. Back‐calculation of keratometer index based on OCT data and raytracing–a Monte Carlo simulation
Lie et al. Using the lens paradox to optimize an in vivo MRI-based optical model of the aging human crystalline lens
CN113197543B (zh) 基于矢量像差理论的屈光手术后视觉质量评价方法和系统
US20230139007A1 (en) System for determining a subjective value of an optical feature of at least a corrective lens adapted to an eye of a subject and associated method
Wang et al. Prediction for cycloplegic refractive error in Chinese school students: Model development and validation
CN209032314U (zh) 一种眼睛调节力检测装置
KR102019932B1 (ko) 미래 시력장애 정도 측정 장치 및 방법
KR102645227B1 (ko) 단안의 조절반응 범위의 차를 이용한 프리즘 처방 방법
CN110135529B (zh) 眼调节的训练时间数据分析方法及系统
Mohd-Ali et al. Clinical characteristics of keratoconus patients in Malaysia: A 5-year retrospective study from a cornea specialist centre in Selangor (2008–2013)
KR102460451B1 (ko) 가시광선의 동공 반사 이미지를 이용한 굴절이상 측정 방법
TW202339661A (zh) 折射度數決定方法

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