CN115132364A - 一种近视风险确定方法、装置、存储介质及可穿戴设备 - Google Patents

一种近视风险确定方法、装置、存储介质及可穿戴设备 Download PDF

Info

Publication number
CN115132364A
CN115132364A CN202211022188.0A CN202211022188A CN115132364A CN 115132364 A CN115132364 A CN 115132364A CN 202211022188 A CN202211022188 A CN 202211022188A CN 115132364 A CN115132364 A CN 115132364A
Authority
CN
China
Prior art keywords
myopia
target user
information
myopia risk
preset
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.)
Granted
Application number
CN202211022188.0A
Other languages
English (en)
Other versions
CN115132364B (zh
Inventor
王宁利
陈君亮
齐越
许文隽
张弛
赵子贺
刘勇
王嘉琪
高硕�
李仕明
康梦田
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.)
Beihang University
Beijing Tongren Hospital
Original Assignee
Beihang University
Beijing Tongren Hospital
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 Beihang University, Beijing Tongren Hospital filed Critical Beihang University
Priority to CN202211022188.0A priority Critical patent/CN115132364B/zh
Publication of CN115132364A publication Critical patent/CN115132364A/zh
Application granted granted Critical
Publication of CN115132364B publication Critical patent/CN115132364B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • A61B3/113—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for determining or recording eye movement
    • 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
    • A61B3/14—Arrangements specially adapted for eye photography
    • A61B3/145—Arrangements specially adapted for eye photography by video means
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1103—Detecting eye twinkling
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring blood gases
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/681—Wristwatch-type devices
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Ophthalmology & Optometry (AREA)
  • Cardiology (AREA)
  • Physiology (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Human Computer Interaction (AREA)
  • Optics & Photonics (AREA)
  • Multimedia (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本申请涉及智能可穿戴设备技术领域，公开了一种近视风险确定方法、装置、存储介质、电子设备以及可穿戴设备。所述方法包括：确定目标用户在预设周期内满足第一预设条件的眯眼事件次数和满足第二预设条件的闭眼事件次数以及近视风险预警值；根据所述眯眼事件次数、所述闭眼事件次数以及所述近视风险预警值，通过训练好的近视风险预警模型确定所述目标用户是否存在近视风险。方便用户在日常生活中就能方便快捷的实现早期近视风险检测，从而有效帮助早期近视的筛查，有助于医师及早介入诊疗，对于遏制近视发展进程具有重要意义。

Description

一种近视风险确定方法、装置、存储介质及可穿戴设备
技术领域
本申请涉及智能可穿戴设备技术领域，特别地涉及一种近视风险确定方法、装置、存储介质、电子设备以及可穿戴设备。
背景技术
随着电子产品的广泛普及与课业繁忙，我国近视患者已逐渐出现低龄化趋势，给公共医疗资源带来了严重的负担。同时，高度近视比例的增加也给患者的生活造成严重影响，甚至会带来致盲风险。
当近视发生后，为了更好看清物体，患者往往会主动眯眼来减少光线入射，增加景深，以获得更清楚的视野。同时，若近视患者存在长期用眼的情况，也会出现“干眼症”，需要通过频繁眨眼来滋润眼球。因此，识别眯眼、频繁眨眼的现象对于近视早期诊断具有重要意义。
目前，用于评价近视的金标准即为验光报告，需要在带有验光机的指定场所（如医院、眼镜店）开展验光实验，并不能于日常生活中实时开展近视风险评估、应用范围受限。应当注意，轻度近视对视力影响较小，患者易习惯于远处景象的模糊，且由于视近视野十分清晰，并不会过多影响日常学习与生活，故患者自身也难以在近视早期发现视力异常。
因此，如何在近视早期及时发现风险，进而开展有效的干预措施以减缓、甚至扭转近视趋势，是在当前严峻近视形势下亟需解决的问题。
发明内容
针对上述问题，本申请提出一种近视风险确定方法、装置、存储介质、电子设备及可穿戴设备，至少解决了现有技术不能在日常生活中及时有效的发现近视早期风险的问题。
本申请的第一个方面，提供了一种近视风险确定方法，所述方法包括：
确定目标用户在预设周期内满足第一预设条件的眯眼事件次数和满足第二预设条件的闭眼事件次数以及近视风险预警值；
根据所述眯眼事件次数、所述闭眼事件次数以及所述近视风险预警值，通过训练好的近视风险预警模型确定所述目标用户是否存在近视风险。
在一些实施例中，确定是否满足所述第一预设条件的步骤，包括：
获取所述目标用户当前所处环境的光照强度，以及所述目标用户在所述当前所处环境下的眼睑间距；
在所述光照强度不大于预设光照强度、所述眼睑间距不大于预设眼睑间距以及所述目标用户保持所述眼睑间距并持续第一预设时长的情况下，确定满足所述第一预设条件。
在一些实施例中，确定是否满足所述第二预设条件的步骤，包括：
在所述目标用户处于静止状态的情况下，统计在第二预设时长内所述目标用户出现眼睑间距异常的次数和出现瞳孔异常的次数，其中，所述眼睑间距异常包括所述目标用户的眼睑间距为预设眼睑间距，所述瞳孔异常包括所述目标用户的瞳孔的转动幅度达到预设幅度；
在所述眼睑间距异常的次数不小于第一预设异常次数且所述瞳孔异常的次数不小于第二预设异常次数的情况下，确定满足所述第二预设条件。
在一些实施例中，确定所述近视风险预警值的步骤，包括：
获取所述目标用户手腕部位的加速度信息和旋转角速度信息；
根据所述加速度信息和所述旋转角速度信息确定所述目标用户的运动幅度；
根据所述运动幅度确定所述目标用户的运动时长；
获取所述目标用户的血氧信息和心率信息；
根据所述血氧信息和心率信息确定所述目标用户的睡眠信息；
根据所述运动幅度、所述运动时长以及所述睡眠信息，确定所述近视风险预警值。
在一些实施例中，在所述通过训练好的近视风险预警模型确定所述目标用户是否存在近视风险之前，还包括：
获取多条历史数据，其中每条历史数据均包括在预设周期内满足第一预设条件的眯眼事件次数、满足第二预设条件的闭眼事件次数和近视风险预警值；
分别根据每条历史数据确定对应的近视风险评估值；
分别根据每条历史数据和对应的近视风险评估值对机器学习模型进行训练，得到所述训练好的近视风险预警模型。
在一些实施例中，所述根据所述眯眼事件次数、所述闭眼事件次数以及所述近视风险预警值，通过训练好的近视风险预警模型确定所述目标用户是否存在近视风险，包括：
根据所述眯眼事件次数、所述闭眼事件次数以及所述近视风险预警值，通过所述训练好的近视风险预警模型分别获得眯眼事件的第一权重值、闭眼事件的第二权重值以及生活习惯近视风险的第三权重值；
根据所述眯眼事件次数、所述第一权重值、所述闭眼事件次数、所述第二权重值、所述近视风险预警值以及所述第三权重值，确定所述目标用户是否存在近视风险。
在一些实施例中，所述根据所述眯眼事件次数、所述第一权重值、所述闭眼事件次数、所述第二权重值、所述近视风险预警值以及所述第三权重值，确定所述目标用户是否存在近视风险，包括：
获取所述眯眼事件次数和所述第一权重值的第一乘积；
获取所述闭眼事件次数和所述第二权重值的第二乘积；
获取所述近视风险预警值和所述第三权重值的第三乘积；
将所述第一乘积、所述第二乘积以及所述第三乘积之和作为近视风险预测结果值；
在所述近视风险预测结果值不小于预设风险阈值的情况下，确定所述目标用户存在近视风险。
本申请的第二个方面，提供了一种近视风险确定装置，所述装置包括：
第一确定模块，用于确定目标用户在预设周期内满足第一预设条件的眯眼事件次数和满足第二预设条件的闭眼事件次数以及近视风险预警值；
第二确定模块，用于根据所述眯眼事件次数、所述闭眼事件次数以及所述近视风险预警值，通过训练好的近视风险预警模型确定所述目标用户是否存在近视风险。
本申请的第三个方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储的计算机程序，可被一个或多个处理器执行，用以实现如上所述的方法。
本申请的第四个方面，提供了一种电子设备，包括存储器和一个或多个处理器，所述存储器上存储有计算机程序，所述存储器和所述一个或多个处理器之间互相通信连接，该计算机程序被所述一个或多个处理器执行时，实现如上所述的方法。
本申请的第五个方面，提供了一种可穿戴设备，包括：
如上所述的电子设备；
第一装置，穿戴于用户的手腕部位，用于获取所述用户的运动特征信息和身体特征信息，以及所述用户所处位置的环境信息；其中，所述运动特征信息包括加速度信息和旋转角速度信息；所述身体特征信息包括血氧信息和心率信息；所述环境信息包括光照强度信息；
第二装置，穿戴于所述用户的眼部，用于获取所述用户的眼部特征信息，以确定所述用户的眯眼事件、闭眼事件、眼睑间距和瞳孔的转动幅度。
在一些实施例中，所述第一装置包括：
加速度计，用于检测用户手腕部位的加速度信息；
陀螺仪，用于检测用户手腕部位的旋转角速度信息；
环境光计，用于检测用户当前所处环境的光照强度信息；
PPG传感器，用于获取用户的血氧信息和/或心率信息。
在一些实施例中，所述第二装置包括：
具备眼部追踪功能的摄像头。
与现有技术相比，本申请的技术方案具有以下优点或有益效果：
相比于传统的金标准设备验光机，本申请所提供的技术方案方便了用户在日常生活中就能快捷的实现早期近视风险检测，从而有效帮助早期近视的筛查，有助于医师及早介入诊疗，对于遏制近视发展进程具有重要意义。
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实施例，对于所属领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种近视风险确定方法的流程图；
图2为本申请实施例提供的一种近视风险确定装置的结构示意图；
图3为本申请实施例提供的一种电子设备的连接框图；
图4为本申请实施例提供的一种可穿戴设备的结构示意图。
具体实施方式
以下将结合附图及实施例来详细说明本申请的实施方式，借此对本申请如何应用技术手段来解决技术问题，并达到相应技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征，在不相冲突的前提下可以相互结合，所形成的技术方案均在本申请的保护范围之内。
现有技术中，通过验光机生成用户的眼光报告进而确定用户是否近视，验光机的工作原理包括：低相干的光源位于第一个透镜的焦点处，过第一个透镜后转变为平行光；而后，经过分束器（一半光线透射进入横向X-Y光束扫描系统，一半光线反射进入参考镜），后经过横向X-Y光束扫描系统进行光线偏折，并通过透镜汇聚后进入人眼；人眼汇聚后的光线将于视网膜上成像，并沿着原光路返回分束器，并反射至光电传感器；此外，参考镜反射后的光线也会透射过分束器，与从人眼处返回的光线发生相干，汇聚后进入传感器；传感器数据经过模数转换器（Analog-to-Digital Converter，简称ADC）与CPU处理后，得到近视相关处理后的信息，并通过显示器显示。
从上述描述中可以看到，由于验光机涉及到精密的光学结构，不仅成本较高，而且重量较大，不适宜于在日常生活中对用户随时随地开展近视与否的检测，无益于早期近视的识别。而利用在日常生活中普遍使用的可穿戴设备开展早期近视风险检测，则有助于人们及早发现近视，并及时介入诊疗，对于遏制近视发展进程具有重要意义。
实施例一
本实施例提供一种近视风险确定方法，图1为本申请实施例提供的一种近视风险确定方法的流程图，如图1所示，本实施例的方法包括：
S110、确定目标用户在预设周期内满足第一预设条件的眯眼事件次数和满足第二预设条件的闭眼事件次数以及近视风险预警值。
在一些实施例中，确定是否满足所述第一预设条件的步骤，包括：
获取所述目标用户当前所处环境的光照强度，以及所述目标用户在所述当前所处环境下的眼睑间距；
在所述光照强度不大于预设光照强度、所述眼睑间距不大于预设眼睑间距以及所述目标用户保持所述眼睑间距并持续第一预设时长的情况下，确定满足所述第一预设条件。
在一些实施例中，确定是否满足所述第二预设条件的步骤，包括：
在所述目标用户处于静止状态的情况下，统计在第二预设时长内所述目标用户出现眼睑间距异常的次数和出现瞳孔异常的次数，其中，所述眼睑间距异常包括所述目标用户的眼睑间距为预设眼睑间距，所述瞳孔异常包括所述目标用户的瞳孔的转动幅度达到预设幅度；
在所述眼睑间距异常的次数不小于第一预设异常次数且所述瞳孔异常的次数不小于第二预设异常次数的情况下，确定满足所述第二预设条件。
可选的，可通过惯性器件（包含加速度计、陀螺仪、磁强度计）结合九轴算法获取用户的运动姿态，并配合由PPG传感器获得的心率、血氧数据来确定用户是处于运动状态还是静止的状态。进一步地获取环境多谱段的光照强度，进而判断当前所述位置是处于室内还是室外，以及当前时间是白天还是夜晚等情形，可据此动态调整环境光照的预设光照强度。同时，可通过位于用户眼部位置处的摄像头获取受试者眼睑间距，若受试者眼睑间距小于预设眼睑间距，且保持所述眼睑间距并持续第一预设时长，即确定为眯眼事件，其中第一预设时长可根据实际情况进行设定。
需要说明的是，若检测到的环境光照强度不小于预设光照强度，则认为由于环境光照过强而导致的眯眼事件，并不作为一个有效眯眼事件；若环境光照强度未达到预设光照强度，则认为是一个有效眯眼事件。其中，如果若干次眯眼事件间隔均在0.5s内，则认为是一个频繁眯眼事件。
可选的，在获取到用户的运动姿态后，并配合由PPG传感器获得的心率、血氧数据确定用户是处于运动或是静止的状态。若是处于静止状态，则获取用户的眼睑间距，并统计眼睑间距为预设眼睑间距的次数（比如闭眼事件的次数）。若第二预设时长内出现超过第一预设异常次数的闭眼事件，且瞳孔转动幅度不小于预设幅度的出现次数超过第二预设异常次数，则认为出现了干眼症的症状，其中，第二预设时长包括1分钟，预设眼睑间距包括眼睑间距为0的情况，瞳孔转动幅度不小于预设幅度包括瞳孔大幅度转动的情况。
需要说明的是，第一预设条件和第二预设条件均可以根据用户的实际需求进行设定，具体此处不作特殊限定。
进一步需要说明的是，第一预设异常次数和第二预设异常次数均可以根据用户的实际需求进行设定，具体此处不作特殊限定。
在一些实施例中，确定所述近视风险预警值的步骤，包括：
获取所述目标用户手腕部位的加速度信息和旋转角速度信息；
根据所述加速度信息和所述旋转角速度信息确定所述目标用户的运动幅度；
根据所述运动幅度确定所述目标用户的运动时长；
获取所述目标用户的血氧信息和心率信息；
根据所述血氧信息和心率信息确定所述目标用户的睡眠信息；
根据所述运动幅度、所述运动时长以及所述睡眠信息，确定所述近视风险预警值。
举例说明，日常生活中静止状态下检测到的心率与血氧浓度，一般认为正常心率在60-80bpm（测量心率的单位Beat Per Minute，简称bpm），在此区间内越慢说明心肺功能越佳，而血氧浓度应当在98%以上，以保证身体器官能够正常供氧，一个好的静息状态应当为心率接近60bpm，血氧浓度接近100%；运动状态下，模型将综合运动幅度（由加速度计、陀螺仪、磁力计综合获得），运动持续时长、血氧浓度（不应低于96%）、心率（不超过180bmp，尽可能维持着160-170bpm上下）来评估某次运动的效果。比如，一次有效的运动持续时长应超过20分钟，且心率维持在160-170bpm不少于10分钟，过程中血氧浓度不低于96%。
另外，睡眠信息包括夜晚睡觉时长、睡眠质量等，其中，睡眠质量可由快速眼动期、N1期、N2期、N3期分别占总时长的比例综合进行表征，一般而言，如果N2、N3期占比较多，比如大于总睡眠时长的50%，则认为睡眠质量较好。无论是在静止状态还是运动状态下，都将结合室内、户外时长以及睡眠质量来确定出一个量化指标，该量化指标即为日常生活习惯相关的近视风险预警值。
针对近视风险预警值，一个典型的低风险情景包括这些情况：睡眠不少于8小时，且N2期和N3期均不小于4小时，每日都有2小时以上的户外活动时长，且每日保证一次20分钟以上的高强度运动，心率维持在160-170bpm不少于10分钟，运动过程中血氧浓度不低于96%，静息时心率接近60-80bpm，血氧浓度维持在98%以上；一个典型的中风险情景包括这些情况：睡眠时间位于6小时与8小时之间，N2期和N3期总和位于3小时与4小时之间，每日保证有1小时以上的户外活动时长，且隔日保证一次20分钟以上的高强度运动，心率维持在160-170bpm不少于10分钟，运动过程中血氧浓度不低于96%，静息时心率超过70bpm，血氧浓度大部分维持在98%以上；一个典型的高风险情景包括这些情况：睡眠少于6小时，N2期和N3期总和不到3小时，每周户外活动时长不满3小时，20分钟以上的高强度运动每周不到2次，静息时心率超过70bpm。
在一些实施例中，在所述通过训练好的近视风险预警模型确定所述目标用户是否存在近视风险之前，还包括：
获取多条历史数据，其中每条历史数据均包括在预设周期内满足第一预设条件的眯眼事件次数、满足第二预设条件的闭眼事件次数和近视风险预警值；
分别根据每条历史数据确定对应的近视风险评估值；
分别根据每条历史数据和对应的近视风险评估值对机器学习模型进行训练，得到所述训练好的近视风险预警模型。
可选的，机器学习模型包括支持向量机(Support Vector Machines，简称SVM)。
可选的，采集多个用户的多条数据对机器学习模型进行训练，通过医生或相关专家根据每条历史数据确定对应的近视风险评估值，然后再分别根据每条历史数据和对应的近视风险评估值对机器学习模型进行训练，得到所述训练好的近视风险预警模型。
S120、根据所述眯眼事件次数、所述闭眼事件次数以及所述近视风险预警值，通过训练好的近视风险预警模型确定所述目标用户是否存在近视风险。
在一些实施例中，所述根据所述眯眼事件次数、所述闭眼事件次数以及所述近视风险预警值，通过训练好的近视风险预警模型确定所述目标用户是否存在近视风险，包括：
根据所述眯眼事件次数、所述闭眼事件次数以及所述近视风险预警值，通过所述训练好的近视风险预警模型分别获得眯眼事件的第一权重值、闭眼事件的第二权重值以及生活习惯近视风险的第三权重值；
根据所述眯眼事件次数、所述第一权重值、所述闭眼事件次数、所述第二权重值、所述近视风险预警值以及所述第三权重值，确定所述目标用户是否存在近视风险。
在一些实施例中，所述根据所述眯眼事件次数、所述第一权重值、所述闭眼事件次数、所述第二权重值、所述近视风险预警值以及所述第三权重值，确定所述目标用户是否存在近视风险，包括：
获取所述眯眼事件次数和所述第一权重值的第一乘积；
获取所述闭眼事件次数和所述第二权重值的第二乘积；
获取所述近视风险预警值和所述第三权重值的第三乘积；
将所述第一乘积、所述第二乘积以及所述第三乘积之和作为近视风险预测结果值；
在所述近视风险预测结果值不小于预设风险阈值的情况下，确定所述目标用户存在近视风险。
可选的，在确定用户存在近视风险的基础之上还可以进一步地将近视风险进行细分，比如，在近视风险预测结果值不小于预设风险阈值的情况下，如果近视风险预测结果值不高于第一阈值则表示有一定的近视风险，如果近视风险预测结果值高于第一阈值则表示有较大的近视风险。
需要说明的是，预设风险阈值可以根据用户的实际需求进行设定，具体此处不做特殊限定。
在一些实施例中，还包括：
在所述近视风险预测结果值不小于预设风险阈值的情况下，发出预警消息。
可选的，通过光信号或声音信号或两者相结合的方式发出预警消息，可以使用户在第一时间了解自己的近视风险，有助于及早发现近视，一旦存在近视风险便可及时进行介入诊疗，对于遏制近视发展进程具有重要意义。
本实施例提供的近视风险确定方法包括：首先确定目标用户满足第一预设条件的眯眼事件、满足第二预设条件的闭眼事件，然后再确定目标用户在预设周期内的眯眼事件次数和闭眼事件次数以及近视风险预警值；最后根据所述眯眼事件次数、所述闭眼事件次数以及所述近视风险预警值，通过训练好的近视风险预警模型确定所述目标用户是否存在近视风险，具体的：获取所述眯眼事件次数和所述第一权重值的第一乘积，获取所述闭眼事件次数和所述第二权重值的第二乘积，获取所述近视风险预警值和所述第三权重值的第三乘积，将所述第一乘积、所述第二乘积以及所述第三乘积之和作为近视风险预测结果值，在所述近视风险预测结果值不小于预设风险阈值的情况下，确定所述目标用户存在近视风险。方便了用户在日常生活中就能快捷的实现早期近视风险检测，从而有效帮助早期近视的筛查，有助于医师及早介入诊疗，对于遏制近视发展进程具有重要意义。
实施例二
本实施例提供一种近视风险确定装置，本装置实施例可以用于执行本申请方法实施例，对于本装置实施例中未披露的细节，请参照本申请方法实施例。图2为本申请实施例提供的一种装置的结构示意图，如图2所示，本实施例提供的装置200包括：
第一确定模块201，用于确定目标用户在预设周期内满足第一预设条件的眯眼事件次数和满足第二预设条件的闭眼事件次数以及近视风险预警值；
第二确定模块202，用于根据所述眯眼事件次数、所述闭眼事件次数以及所述近视风险预警值，通过训练好的近视风险预警模型确定所述目标用户是否存在近视风险。
在一些实施例中，第一确定模块201包括：第一获取单元，第一确定单元；其中，
第一获取单元，用于获取所述目标用户当前所处环境的光照强度，以及所述目标用户在所述当前所处环境下的眼睑间距；
确定单元，用于在所述光照强度不大于预设关光照强度、所述眼睑间距不大于预设眼睑间距以及所述目标用户保持所述眼睑间距并持续第一预设时长的情况下，确定满足所述第一预设条件。
在一些实施例中，第一确定模块201包括：统计单元，第二确定单元；其中，
统计单元，用于在所述目标用户处于静止状态的情况下，统计在第二预设时长内所述目标用户出现眼睑间距异常的次数和出现瞳孔异常的次数，其中，所述眼睑间距异常包括所述目标用户的眼睑间距为预设眼睑间距，所述瞳孔异常包括所述目标用户的瞳孔的转动幅度达到预设幅度；
第二确定单元，用于在所述眼睑间距异常的次数不小于第一预设异常次数且所述瞳孔异常的次数不小于第二预设异常次数的情况下，确定满足所述第二预设条件。
在一些实施例中，第一确定模块201包括：第二获取单元，第三确定单元，第四确定单元，第三获取单元，第五确定单元，第六确定单元；其中，
第二获取单元，用于获取所述目标用户手腕部位的加速度信息和旋转角速度信息；
第三确定单元，用于根据所述加速度信息和所述旋转角速度信息确定所述目标用户的运动幅度；
第四确定单元，用于根据所述运动幅度确定所述目标用户的运动时长；
第三获取单元，用于获取所述目标用户的血氧信息和心率信息；
第五确定单元，用于根据所述血氧信息和心率信息确定所述目标用户的睡眠信息；
第六确定单元，用于根据所述运动幅度、所述运动时长以及所述睡眠信息，确定所述近视风险预警值。
在一些实施例中，还包括训练模块，用于在所述通过训练好的近视风险预警模型确定所述目标用户是否存在近视风险之前训练机器学习模型，其中，训练模块包括：获取单元，确定单元，训练单元；
获取单元，用于获取多条历史数据，其中每条历史数据均包括在预设周期内满足第一预设条件的眯眼事件次数、满足第二预设条件的闭眼事件次数和近视风险预警值；
确定单元，用于分别根据每条历史数据确定对应的近视风险评估值；
训练单元，用于分别根据每条历史数据和对应的近视风险评估值对机器学习模型进行训练，得到所述训练好的近视风险预警模型。
在一些实施例中，第二确定模块202包括：第一获取单元，第一确定单元；其中，
第一获取单元，用于根据所述眯眼事件次数、所述闭眼事件次数以及所述近视风险预警值，通过所述训练好的近视风险预警模型分别获得眯眼事件的第一权重值、闭眼事件的第二权重值以及生活习惯近视风险的第三权重值；
确定单元，用于根据所述眯眼事件次数、所述第一权重值、所述闭眼事件次数、所述第二权重值、所述近视风险预警值以及所述第三权重值，确定所述目标用户是否存在近视风险。
在一些实施例中，第二确定模块202包括：第二获取单元，第三获取单元，第四获取单元，第二确定单元，第三确定单元；其中，
第二获取单元，用于获取所述眯眼事件次数和所述第一权重值的第一乘积；
第三获取单元，用于获取所述闭眼事件次数和所述第二权重值的第二乘积；
第四获取单元，用于获取所述近视风险预警值和所述第三权重值的第三乘积；
第二确定单元，用于将所述第一乘积、所述第二乘积以及所述第三乘积之和作为近视风险预测结果值；
第三确定单元，用于在所述近视风险预测结果值不小于预设风险阈值的情况下，确定所述目标用户存在近视风险。本领域技术人员可以理解，图2中示出的结构并不构成对本申请实施例装置的限定，可以包括比图示更多或更少的模块/单元，或者组合某些模块/单元，或者不同的模块/单元布置。
需要说明的是，上述各个模块/单元可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块/单元而言，上述各个模块/单元可以位于同一处理器中；或者上述各个模块/单元还可以按照任意组合的形式分别位于不同的处理器中。
本实施例提供的装置包括：第一确定模块201，用于确定目标用户在预设周期内满足第一预设条件的眯眼事件次数和满足第二预设条件的闭眼事件次数以及近视风险预警值；第二确定模块202，用于根据所述眯眼事件次数、所述闭眼事件次数以及所述近视风险预警值，通过训练好的近视风险预警模型确定所述目标用户是否存在近视风险。方便了用户在日常生活中就能快捷的实现早期近视风险检测，从而有效帮助早期近视的筛查，有助于医师及早介入诊疗，对于遏制近视发展进程具有重要意义。
实施例三
本实施例还提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，该计算机程序被处理器执行时可以实现如前述方法实施例中的方法步骤，本实施例在此不再重复赘述。
其中，计算机可读存储介质还可单独包括计算机程序、数据文件、数据结构等，或者包括其组合。计算机可读存储介质或计算机程序可被计算机软件领域的技术人员具体设计和理解，或计算机可读存储介质对计算机软件领域的技术人员而言可以是公知和可用的。计算机可读存储介质的示例包括：磁性介质，例如硬盘、软盘和磁带；光学介质，例如，CDROM盘和DVD；磁光介质，例如，光盘；和硬件装置，具体被配置以存储和执行计算机程序，例如，只读存储器(ROM)、随机存取存储器(RAM)、闪存；或服务器、app应用商城等。计算机程序的示例包括机器代码（例如，由编译器产生的代码）和包含高级代码的文件，可由计算机通过使用解释器来执行高级代码。所描述的硬件装置可被配置为用作一个或多个软件模块，以执行以上描述的操作和方法，反之亦然。另外，计算机可读存储介质可分布在联网的计算机系统中，可以分散的方式存储和执行程序代码或计算机程序。
实施例四
图3为本申请实施例提供的一种电子设备的连接框图，如图3所示，该电子设备300可以包括：一个或多个处理器301，存储器302，多媒体组件303，输入/输出（I/O）接口304，以及通信组件305。
其中，一个或多个处理器301用于执行如前述方法实施例中的全部或部分步骤。存储器302用于存储各种类型的数据，这些数据例如可以包括电子设备中的任何应用程序或方法的指令，以及应用程序相关的数据。
一个或多个处理器301可以是专用集成电路（Application Specific IntegratedCircuit，简称ASIC）、数字信号处理器（Digital Signal Processor，简称DSP）、数字信号处理设备（Digital Signal Processing Device，简称DSPD）、可编程逻辑器件（ProgrammableLogic Device，简称PLD）、现场可编程门阵列（Field Programmable Gate Array，简称FPGA）、控制器、微控制器、微处理器或其他电子元件实现，用于执行如前述方法实施例中的方法。
存储器302可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器（Static Random Access Memory，简称SRAM），电可擦除可编程只读存储器（Electrically Erasable Programmable Read-Only Memory，简称EEPROM），可擦除可编程只读存储器（Erasable Programmable Read-Only Memory，简称EPROM），可编程只读存储器（Programmable Read-Only Memory，简称PROM），只读存储器（Read-Only Memory，简称ROM），磁存储器，快闪存储器，磁盘或光盘。
多媒体组件303可以包括屏幕和音频组件，该屏幕可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器或通过通信组件发送。音频组件还包括至少一个扬声器，用于输出音频信号。
I/O接口304为一个或多个处理器301和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。
通信组件305用于该电子设备300与其他设备之间进行有线或无线通信。有线通信包括通过网口、串口等进行通信；无线通信包括：Wi-Fi、蓝牙、近场通信（Near FieldCommunication，简称NFC）、2G、3G、4G、5G，或它们中的一种或几种的组合。因此相应的该通信组件305可以包括：Wi-Fi模块，蓝牙模块，NFC模块。
实施例五
本实施例还提供一种可穿戴设备，包括：
如实施例四所述的电子设备；
第一装置，穿戴于用户的手腕部位，用于获取所述用户的运动特征信息和身体特征信息，以及所述用户所处位置的环境信息；其中，所述运动特征信息包括加速度信息和旋转角速度信息；所述身体特征信息包括血氧信息和心率信息；所述环境信息包括光照强度信息；
第二装置，穿戴于所述用户的眼部，用于获取所述用户的眼部特征信息，以确定所述用户的眯眼事件、闭眼事件、眼睑间距和瞳孔的转动幅度。
可选的，第一装置和第二装置之间可无线通信。
在一些实施例中，所述第一装置包括：
加速度计，用于检测用户手腕部位的加速度信息；
陀螺仪，用于检测用户手腕部位的旋转角速度信息；
环境光计，用于检测用户当前所处环境的光照强度信息；
PPG传感器，用于获取用户的血氧信息和/或心率信息。
在一些实施例中，所述第一装置还包括：
磁强度计，用于检测用户当前所处环境的环境磁场强度信息。
在一些实施例中，所述第二装置包括：
具备眼部追踪功能的摄像头。
在一些实施例中，还包括：
预警装置，用于在用户存在近视风险的情况下发出预警消息。
同时为了便于理解本申请的技术方案，也可参考图4，图4为本申请实施例提供的一种可穿戴设备的结构示意图，在图4中的手侧设备包括前述的第一装置，眼睛侧设备包括前述的第二装置。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，所述可穿戴设备中所包括的各装置/模块以及这些装置/模块的具体工作过程，可以参考前述装置实施例和方法实施例中的对应过程，本实施例在此不再进行重复赘述。
综上，本申请提供的一种近视风险确定方法、装置、计算机可读存储介质、电子设备以及可穿戴设备，该方法包括：首先确定目标用户满足第一预设条件的眯眼事件、满足第二预设条件的闭眼事件，然后再确定目标用户在预设周期内的眯眼事件次数和闭眼事件次数以及近视风险预警值；最后根据所述眯眼事件次数、所述闭眼事件次数以及所述近视风险预警值，通过训练好的近视风险预警模型确定所述目标用户是否存在近视风险，具体的：获取所述眯眼事件次数和所述第一权重值的第一乘积，获取所述闭眼事件次数和所述第二权重值的第二乘积，获取所述近视风险预警值和所述第三权重值的第三乘积，将所述第一乘积、所述第二乘积以及所述第三乘积之和作为近视风险预测结果值，在所述近视风险预测结果值不小于预设风险阈值的情况下，确定所述目标用户存在近视风险。方便了用户在日常生活中就能快捷的实现早期近视风险检测，从而有效帮助早期近视的筛查，有助于医师及早介入诊疗，对于遏制近视发展进程具有重要意义。
另外应该理解到，在本申请所提供的实施例中所揭露的方法或系统，也可以通过其它的方式实现。以上所描述的方法或系统实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的方法和装置的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、计算机程序段或计算机程序的一部分，模块、计算机程序段或计算机程序的一部分包含一个或多个用于实现规定的逻辑功能的计算机程序。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生，实际上也可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机程序的组合来实现。
在本申请中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、装置或者设备中还存在另外的相同要素；如果有描述到“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系；在本申请的描述中，除非另有说明，术语“多个”、“多”的含义是指至少两个；如果有描述到服务器，需要说明的是，服务器可以是独立的物理服务器或终端，也可以是多个物理服务器构成的服务器集群，可以是能够提供云服务器、云数据库、云存储和CDN等基础云计算服务的云服务器；在本申请中如果有描述到智能终端或移动设备，需要说明的是，智能终端或移动设备可以是手机、平板电脑、智能手表、上网本、可穿戴电子设备、个人数字助理（Personal Digital Assistant，PDA）、增强现实技术设备（Augmented Reality，AR）、虚拟现实设备（Virtual Reality，VR）、智能电视、智能音响、个人计算机（Personal Computer，PC）等，但并不局限于此，本申请对智能终端或移动设备的具体形式不做特殊限定。
最后需要说明的是，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“一个示例”或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式进行结合。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例都是示例性的，所述的内容只是为了便于理解本申请而采用的实施方式，并非用以限定本申请。任何本申请所属技术领域内的技术人员，在不脱离本申请所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本申请的保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (13)

1.一种近视风险确定方法，其特征在于，所述方法包括：
确定目标用户在预设周期内满足第一预设条件的眯眼事件次数和满足第二预设条件的闭眼事件次数以及近视风险预警值；
根据所述眯眼事件次数、所述闭眼事件次数以及所述近视风险预警值，通过训练好的近视风险预警模型确定所述目标用户是否存在近视风险。
2.根据权利要求1所述的方法，其特征在于，确定是否满足所述第一预设条件的步骤，包括：
获取所述目标用户当前所处环境的光照强度，以及所述目标用户在所述当前所处环境下的眼睑间距；
在所述光照强度不大于预设光照强度、所述眼睑间距不大于预设眼睑间距以及所述目标用户保持所述眼睑间距并持续第一预设时长的情况下，确定满足所述第一预设条件。
3.根据权利要求1所述的方法，其特征在于，确定是否满足所述第二预设条件的步骤，包括：
在所述目标用户处于静止状态的情况下，统计在第二预设时长内所述目标用户出现眼睑间距异常的次数和出现瞳孔异常的次数，其中，所述眼睑间距异常包括所述目标用户的眼睑间距为预设眼睑间距，所述瞳孔异常包括所述目标用户的瞳孔的转动幅度达到预设幅度；
在所述眼睑间距异常的次数不小于第一预设异常次数且所述瞳孔异常的次数不小于第二预设异常次数的情况下，确定满足所述第二预设条件。
4.根据权利要求1所述的方法，其特征在于，确定所述近视风险预警值的步骤，包括：
获取所述目标用户手腕部位的加速度信息和旋转角速度信息；
根据所述加速度信息和所述旋转角速度信息确定所述目标用户的运动幅度；
根据所述运动幅度确定所述目标用户的运动时长；
获取所述目标用户的血氧信息和心率信息；
根据所述血氧信息和心率信息确定所述目标用户的睡眠信息；
根据所述运动幅度、所述运动时长以及所述睡眠信息，确定所述近视风险预警值。
5.根据权利要求1所述的方法，其特征在于，在所述通过训练好的近视风险预警模型确定所述目标用户是否存在近视风险之前，还包括：
获取多条历史数据，其中每条历史数据均包括在预设周期内满足第一预设条件的眯眼事件次数、满足第二预设条件的闭眼事件次数和近视风险预警值；
分别根据每条历史数据确定对应的近视风险评估值；
分别根据每条历史数据和对应的近视风险评估值对机器学习模型进行训练，得到所述训练好的近视风险预警模型。
6.根据权利要求1所述的方法，其特征在于，所述根据所述眯眼事件次数、所述闭眼事件次数以及所述近视风险预警值，通过训练好的近视风险预警模型确定所述目标用户是否存在近视风险，包括：
根据所述眯眼事件次数、所述闭眼事件次数以及所述近视风险预警值，通过所述训练好的近视风险预警模型分别获得眯眼事件的第一权重值、闭眼事件的第二权重值以及生活习惯近视风险的第三权重值；
根据所述眯眼事件次数、所述第一权重值、所述闭眼事件次数、所述第二权重值、所述近视风险预警值以及所述第三权重值，确定所述目标用户是否存在近视风险。
7.根据权利要求6所述的方法，其特征在于，所述根据所述眯眼事件次数、所述第一权重值、所述闭眼事件次数、所述第二权重值、所述近视风险预警值以及所述第三权重值，确定所述目标用户是否存在近视风险，包括：
获取所述眯眼事件次数和所述第一权重值的第一乘积；
获取所述闭眼事件次数和所述第二权重值的第二乘积；
获取所述近视风险预警值和所述第三权重值的第三乘积；
将所述第一乘积、所述第二乘积以及所述第三乘积之和作为近视风险预测结果值；
在所述近视风险预测结果值不小于预设风险阈值的情况下，确定所述目标用户存在近视风险。
8.一种近视风险确定装置，其特征在于，包括：
第一确定模块，用于确定目标用户在预设周期内满足第一预设条件的眯眼事件次数和满足第二预设条件的闭眼事件次数以及近视风险预警值；
第二确定模块，用于根据所述眯眼事件次数、所述闭眼事件次数以及所述近视风险预警值，通过训练好的近视风险预警模型确定所述目标用户是否存在近视风险。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储的计算机程序，当被一个或多个处理器执行时，实现如权利要求1~7中任一项所述的方法。
10.一种电子设备，其特征在于，包括存储器和一个或多个处理器，所述存储器上存储有计算机程序，所述存储器和所述一个或多个处理器之间互相通信连接，当所述计算机程序被所述一个或多个处理器执行时，执行如权利要求1~7中任一项所述的方法。
11.一种可穿戴设备，其特征在于，包括：
权利要求10所述的电子设备；
第一装置，穿戴于用户的手腕部位，用于获取所述用户的运动特征信息和身体特征信息，以及所述用户所处位置的环境信息；其中，所述运动特征信息包括加速度信息和旋转角速度信息；所述身体特征信息包括血氧信息和心率信息；所述环境信息包括光照强度信息；
第二装置，穿戴于所述用户的眼部，用于获取所述用户的眼部特征信息，以确定所述用户的眯眼事件、闭眼事件、眼睑间距和瞳孔的转动幅度。
12.根据权利要求11所述的设备，其特征在于，所述第一装置包括：
加速度计，用于检测用户手腕部位的加速度信息；
陀螺仪，用于检测用户手腕部位的旋转角速度信息；
环境光计，用于检测用户当前所处环境的光照强度信息；
PPG传感器，用于获取用户的血氧信息和/或心率信息。
13.根据权利要求11所述的设备，其特征在于，所述第二装置包括：
具备眼部追踪功能的摄像头。
CN202211022188.0A 2022-08-25 2022-08-25 一种近视风险确定方法、装置、存储介质及可穿戴设备 Active CN115132364B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211022188.0A CN115132364B (zh) 2022-08-25 2022-08-25 一种近视风险确定方法、装置、存储介质及可穿戴设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211022188.0A CN115132364B (zh) 2022-08-25 2022-08-25 一种近视风险确定方法、装置、存储介质及可穿戴设备

Publications (2)

Publication Number Publication Date
CN115132364A true CN115132364A (zh) 2022-09-30
CN115132364B CN115132364B (zh) 2022-12-09

Family

ID=83386992

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211022188.0A Active CN115132364B (zh) 2022-08-25 2022-08-25 一种近视风险确定方法、装置、存储介质及可穿戴设备

Country Status (1)

Country Link
CN (1) CN115132364B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117095821A (zh) * 2023-10-20 2023-11-21 京东方艺云(杭州)科技有限公司 一种近视风险等级的预测方法、装置、电子设备及介质

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104865712A (zh) * 2015-06-11 2015-08-26 武汉目明乐视健康科技有限公司 儿童智能健康眼镜
CN107115095A (zh) * 2017-04-07 2017-09-01 王莹 一种眼部自动检测系统及检测方法
CN107358036A (zh) * 2017-06-30 2017-11-17 北京机器之声科技有限公司 一种儿童近视风险预测方法、装置及系统
CN107562213A (zh) * 2017-10-27 2018-01-09 网易（杭州）网络有限公司 视疲劳状态的检测方法、装置以及头戴式可视设备
US20180188827A1 (en) * 2015-06-19 2018-07-05 Microsoft Technology Licensing, Llc Selecting events based on user input and current context
CN108665689A (zh) * 2017-03-29 2018-10-16 安子轩 可穿戴式智能设备及防走神提醒方法
CN110600103A (zh) * 2019-09-25 2019-12-20 李牧什 一种提升视力的可穿戴智能服务系统
KR20200077085A (ko) * 2018-12-20 2020-06-30 사회복지법인 삼성생명공익재단 딥러닝을 이용한 근시 진행 예측 방법 및 시스템
CN112365107A (zh) * 2020-12-16 2021-02-12 北京易华录信息技术股份有限公司 一种基于人工智能的近视风险评估方法、装置及系统
CN112700858A (zh) * 2020-12-14 2021-04-23 毕宏生 一种儿童青少年近视预警方法及设备
CN113448439A (zh) * 2021-06-30 2021-09-28 广东小天才科技有限公司 光线发射方法、装置、终端设备及存储介质
CN113693552A (zh) * 2021-08-24 2021-11-26 东莞市东全智能科技有限公司 视觉疲劳监测方法、装置、电子设备及可读存储介质
CN114388122A (zh) * 2021-07-23 2022-04-22 Oppo广东移动通信有限公司 参数融合处理方法、装置、可穿戴设备及存储介质

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104865712A (zh) * 2015-06-11 2015-08-26 武汉目明乐视健康科技有限公司 儿童智能健康眼镜
US20180188827A1 (en) * 2015-06-19 2018-07-05 Microsoft Technology Licensing, Llc Selecting events based on user input and current context
CN108665689A (zh) * 2017-03-29 2018-10-16 安子轩 可穿戴式智能设备及防走神提醒方法
CN107115095A (zh) * 2017-04-07 2017-09-01 王莹 一种眼部自动检测系统及检测方法
CN107358036A (zh) * 2017-06-30 2017-11-17 北京机器之声科技有限公司 一种儿童近视风险预测方法、装置及系统
CN107562213A (zh) * 2017-10-27 2018-01-09 网易（杭州）网络有限公司 视疲劳状态的检测方法、装置以及头戴式可视设备
KR20200077085A (ko) * 2018-12-20 2020-06-30 사회복지법인 삼성생명공익재단 딥러닝을 이용한 근시 진행 예측 방법 및 시스템
CN110600103A (zh) * 2019-09-25 2019-12-20 李牧什 一种提升视力的可穿戴智能服务系统
CN112700858A (zh) * 2020-12-14 2021-04-23 毕宏生 一种儿童青少年近视预警方法及设备
CN112365107A (zh) * 2020-12-16 2021-02-12 北京易华录信息技术股份有限公司 一种基于人工智能的近视风险评估方法、装置及系统
CN113448439A (zh) * 2021-06-30 2021-09-28 广东小天才科技有限公司 光线发射方法、装置、终端设备及存储介质
CN114388122A (zh) * 2021-07-23 2022-04-22 Oppo广东移动通信有限公司 参数融合处理方法、装置、可穿戴设备及存储介质
CN113693552A (zh) * 2021-08-24 2021-11-26 东莞市东全智能科技有限公司 视觉疲劳监测方法、装置、电子设备及可读存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117095821A (zh) * 2023-10-20 2023-11-21 京东方艺云(杭州)科技有限公司 一种近视风险等级的预测方法、装置、电子设备及介质
CN117095821B (zh) * 2023-10-20 2024-02-20 京东方艺云(杭州)科技有限公司 一种近视风险等级的预测方法、装置、电子设备及介质

Also Published As

Publication number Publication date
CN115132364B (zh) 2022-12-09

Similar Documents

Publication Publication Date Title
US10478127B2 (en) Apparatuses, methods, processes, and systems related to significant detrimental changes in health parameters and activating lifesaving measures
US9795324B2 (en) System for monitoring individuals as they age in place
JP7106569B2 (ja) ユーザーの健康状態を評価するシステム
US10638938B1 (en) Eyeglasses to detect abnormal medical events including stroke and migraine
CN102496005A (zh) 基于眼球特征的审讯辅助研判分析系统
US20200302952A1 (en) System for assessing vocal presentation
Rizzo et al. The brain in the wild: tracking human behavior in naturalistic settings
CN115132364B (zh) 一种近视风险确定方法、装置、存储介质及可穿戴设备
Lu et al. A dual model approach to EOG-based human activity recognition
Orlosky et al. Using eye tracked virtual reality to classify understanding of vocabulary in recall tasks
David et al. Quantification of the relative arm use in patients with hemiparesis using inertial measurement units
US20240185997A1 (en) Systems and methods for remote clinical exams and automated labeling of signal data
Khan et al. Pal: A wearable platform for real-time, personalized and context-aware health and cognition support
Dissanayake et al. CompRate: Power efficient heart rate and heart rate variability monitoring on smart wearables
EP4111984A1 (en) Information processing method, computer program, information processing device, and information processing system
US20220167931A1 (en) Wearable detection & treating device
Ekiz et al. Long short-term memory network based unobtrusive workload monitoring with consumer grade smartwatches
Islam et al. PupilSense: Detection of Depressive Episodes Through Pupillary Response in the Wild
CN111933277A (zh) 3d眩晕症的检测方法、装置、设备和存储介质
CN115770013B (zh) 辅助弱势人群的眼动测试方法、装置、设备及介质
Jyotsna et al. PredictEYE: Personalized Time Series Model for Mental State Prediction Using Eye Tracking
Gonzalez et al. Your vestibular thresholds may be lower than you think: Cognitive biases in vestibular psychophysics
Chang Appearance-based gaze estimation and applications in healthcare
Kiprijanovska et al. Smart Glasses for Gait Analysis of Parkinson’s Disease Patients
WO2023199839A1 (ja) 内面状態推定装置、内面状態推定方法及び記憶媒体

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
GR01 Patent grant
GR01 Patent grant