CN117079808B - 一种用于眼表眼周图像采集与人工智能健康分析系统 - Google Patents
一种用于眼表眼周图像采集与人工智能健康分析系统 Download PDFInfo
- Publication number
- CN117079808B CN117079808B CN202311330809.6A CN202311330809A CN117079808B CN 117079808 B CN117079808 B CN 117079808B CN 202311330809 A CN202311330809 A CN 202311330809A CN 117079808 B CN117079808 B CN 117079808B
- Authority
- CN
- China
- Prior art keywords
- data
- user
- module
- image
- eye
- 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.)
- Active
Links
- 230000036541 health Effects 0.000 title claims abstract description 69
- 238000004458 analytical method Methods 0.000 title claims abstract description 25
- 238000013473 artificial intelligence Methods 0.000 title claims description 14
- 238000012549 training Methods 0.000 claims abstract description 36
- 238000001514 detection method Methods 0.000 claims abstract description 32
- 230000001360 synchronised effect Effects 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 239000013598 vector Substances 0.000 claims description 20
- 238000003062 neural network model Methods 0.000 claims description 10
- 238000012797 qualification Methods 0.000 claims description 10
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 9
- 239000000741 silica gel Substances 0.000 claims description 9
- 229910002027 silica gel Inorganic materials 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 8
- 230000001502 supplementing effect Effects 0.000 claims description 7
- 239000003814 drug Substances 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 7
- 238000007405 data analysis Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 239000000047 product Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000003862 health status Effects 0.000 description 3
- 239000013589 supplement Substances 0.000 description 3
- 239000002131 composite material Substances 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 230000004399 eye closure Effects 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 230000011514 reflex Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 235000002911 Salvia sclarea Nutrition 0.000 description 1
- 244000182022 Salvia sclarea Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000005282 brightening Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000002932 luster Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000037303 wrinkles Effects 0.000 description 1
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
- G16H50/20—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
-
- 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
- A61B3/0025—Operational features thereof characterised by electronic signal processing, e.g. eye models
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30041—Eye; Retina; Ophthalmic
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Radiology & Medical Imaging (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Ophthalmology & Optometry (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
本申请属于眼表眼周图像采集分析的技术领域,公开了一种用于眼表眼周图像采集与人工智能健康分析系统;所述系统包括双目同步拍摄模块、图像品质检测模块、数据训练模块、数据推理模块和分数计算模块;相较于现有技术,本申请系统通过双目拍摄用户的眼表眼周图像,将眼表眼周图像置入图像品质检测模块和数据训练模块转换为数据对合集,再通过多种检索方式检索匹配得到多个样本数据,并对多个所述健康分数进行加权合并,计算得到用户八大身体系统的健康分数,从而实现通过采集眼表眼周图像进行分析处理后得到用户健康特征的效果。
Description
技术领域
本申请属于眼表眼周图像采集分析技术领域,尤其是涉及一种用于眼表眼周图像采集与人工智能健康分析系统。
背景技术
眼睛是人体最重要的器官之一,也是人类情感、健康和认知的窗口;历史典籍与现代文献均显示,眼睛图像无论是眼表还是眼底,都能体现健康状况;为了通过眼表眼周图像分析用户的健康状态,现有技术中,主要通过手机获取眼睛部分的图像,得到丰富的信息(如眼睛的形状、颜色、纹理、瞳孔大小、血丝、光泽、眼周皱纹等),这些信息可用于识别个体、分析情绪及检测疾病。
然而,如何采集高清微距的眼表眼周图像并不容易,一方面常规手机不能隔绝外界光影响,也不适合在微距状态下拍摄眼部细节,同时每次也只能近距离拍一只眼睛,而专业的单反相机等价格昂贵,需要专人配合协助,还需要曝光调节处理;即使获取到优质的图像,对眼睛图像的分析处理也不容易,因为眼睛图像受到多种因素的影响(如光照、角度、遮挡、眨眼、闭眼等)而导致眼睛图像品质下降,或者造成眼睛图像出现噪声或失真,从而影响后续的处理和应用;而对眼表眼周细节的分析,并将其与人体健康的关联,需要基于数据做校准、训练和优化。
发明内容
本申请提供一种用于眼表眼周图像采集与人工智能健康分析系统,用于对眼表眼周图像进行分析处理后得到用户健康特征。
第一方面,本申请的发明目的采用如下技术方案实现:
一种用于眼表眼周图像采集与人工智能健康分析系统,包括:
双目同步拍摄模块,用于同步拍摄用户双眼,得到眼表眼周图像;
图像品质检测模块,用于对所述眼表眼周图像进行品质检测和处理,得到待训练图像;
数据训练模块,用于基于用户已授权信息,构建用户健康数据;所述数据训练模块还用于将所述待训练图像置入预设的神经网络模型训练,得到待分析向量,再将所述待分析向量和所述用户健康数据置入预设的机器学习模型内,训练得到数据对合集;
数据推理模块,用于基于用户登记数据,将所述数据对合集置入预设的模糊匹配模型,分别在预设的多个不同类型检索条件下,所述数据推理模块检索匹配得到与所述数据对合集最相似的多个样本数据;
分数计算模块,用于提取多个所述样本数据的健康分数,对多个所述健康分数进行加权合并,计算得到用户八大身体系统的健康分数。
通过上述技术方案,双目同步拍摄模块先拍摄用户双眼得到眼表眼周图像并传输给图像品质检测模块,与此同时,数据训练模块将用户已授权信息构建成用户健康数据;图像品质检测模块对眼表眼周图像进行品质检测和处理得到待训练图像,然后数据训练模块将待训练图像置入预设的神经网络模型中训练,得到待分析向量,接着将待分析向量和用户健康数据置入预设的学习模型内,训练得到数据对合集;数据推理模块再根据用户登记数据,将数据对合集置入预设的模糊匹配模型中并在多个不同类型检索条件下,检索匹配得到和数据对合集最相似的多个样本数据,最后分数计算模块提取多个样本数据中的健康分数,将健康分数进行加权合并,最终得到用户八大身体系统的健康分数;相较于现有技术,本申请系统通过双目拍摄用户的眼表眼周图像,将眼表眼周图像置入图像品质检测模块和数据训练模块转换为数据对合集,再通过多种检索方式检索匹配得到多个样本数据,并对多个所述健康分数进行加权合并,计算得到用户八大身体系统的健康分数,从而实现通过采集眼表眼周图像进行分析处理后得到用户健康特征的效果。
本申请进一步设置为:所述图像品质检测模块包括:
人眼识别单元,用于识别所述眼表眼周图像是否为人眼图像;
睁闭眼识别单元,用于识别所述眼表眼周图像内的闭眼程度是否低于预设的闭眼阈值;
清晰度识别单元,用于识别所述眼表眼周图像的清晰度是否达到清晰度指标;
合格判定单元,若所述人眼识别单元、所述睁闭眼识别单元和所述清晰度识别单元的识别结果均为是,则判定所述眼表眼周图像为检测合格图像;
预处理单元,用于将所述检测合格图像进行增强处理、位置校正和归一化裁剪后,得到待训练图像。
通过上述技术方案,眼表眼周图像传输至图像品质检测模块后,人眼识别单元识别眼表眼周图像是否为人眼图像,睁闭眼识别单元识别眼表眼周图像的闭眼程度是否低于预设的闭眼阈值,清晰度识别单元识别眼表眼周图像的清晰度是否达到清晰度指标,若上述的识别结果均为是,则合格判定单元将眼表眼周图像判定为检测合格图像,然后预处理单元对检测合格图像进行增强处理、位置校正和归一化裁剪得到待训练图像;相较于现有技术,本申请系统能够自动排除不合格、不适合分析的图片,并且能够对合格图像进行预处理,从而降低不合格或品质不佳的图像影响数据分析的效果。
本申请进一步设置为:所述数据训练模块包括:
向量生成单元,用于将多个不同图像品质的待训练图像置入预设的神经网络模型进行训练,生成至少1000维的待分析向量。
通过上述技术方案,向量生成单元将同一用户不同图像品质的待训练图像置入预设的神经网络模型中进行训练,生成至少1000维的待分析向量,以提高本申请系统数据分析的精度。
本申请进一步设置为:所述样本数据包括第一样本数据,所述数据推理模块包括:
第一用户历史检索单元,用于基于用户登记数据,将所述数据对合集置入预设的模糊匹配模型,在用户录入的历史数据内,检索匹配得到与所述数据对合集最相似的第一样本数据。
通过上述技术方案,本申请系统能够结合用户录入的历史数据,检索匹配得到与数据对合集最相似的第一样本数据,提高样本数据的可靠性,从而提高本申请系统数据分析的准确性。
本申请进一步设置为:所述样品数据包括第二样本数据,所述数据推理模块还包括:
第二用户历史检索单元,用于基于用户登记数据,将所述数据对合集置入预设的模糊匹配模型,在其他用户录入的历史数据内,检索匹配得到与所述数据对合集最相似的第二样本数据。
通过上述技术方案,本申请系统能够结合其他用户录入的历史数据,检索匹配得到与数据对合集最相似的第二样本数据,进一步提高样本数据的可靠性,从而提高本申请系统数据分析的准确性。
本申请进一步设置为:所述样本数据包括第三样本数据,所述数据推理模块还包括:
数据库检索单元,用于基于用户登记数据,将所述数据对合集置入预设的模糊匹配模型,在预设的样本数据库内,检索匹配得到与所述数据对合集最相似的第三样本数据。
通过上述技术方案,本申请系统能够结合样本数据库,检索匹配得到与数据对合集最相似的第三样本数据,进一步提高样本数据的可靠性,从而提高本申请系统数据分析的准确性。
本申请进一步设置为:所述样本数据包括第四样本数据,所述数据推理模块还包括:
典籍检索单元,用于基于用户登记数据,将所述数据对合集置入预设的模糊匹配模型,在预设的中医典籍库内,检索匹配得到与所述数据对合集最相似的第四样本数据。
通过上述技术方案,本申请系统能够结合中医典籍库,检索匹配得到与数据对合集最相似的第四样本数据,进一步提高样本数据的可靠性,从而提高本申请系统数据分析的准确性。
本申请进一步设置为:本申请系统还包括:
排序模块,用于将所述用户八大身体系统的健康分数由大到小顺次排序。
通过上述技术方案,排序模块将用户八大身体系统的健康分数进行排序,最终直观地给用户呈现较为详尽的个人健康状况。
本申请进一步设置为:所述双目同步拍摄模块设置有硅胶件,以在所述双目同步拍摄模块同步拍摄用户双眼时,所述硅胶件隔绝外界光。
通过上述技术方案,双目同步拍摄模块的边框处设置有硅胶件,用于在双目同步拍摄模块拍摄用户双眼时,隔绝外界光线,从而提高眼表眼周图像的品质。
本申请进一步设置为:所述双目同步拍摄模块设置有补光单元。
通过上述技术方案,当双目同步拍摄模块拍摄用户双眼时,补光单元给拍摄环境补光,以提高图像亮度。
综上所述,本申请包括以下至少一种有益技术效果:
1.相较于现有技术,本申请系统通过双目拍摄用户的眼表眼周图像,将眼表眼周图像置入图像品质检测模块和数据训练模块转换为数据对合集,再通过多种检索方式检索匹配得到多个样本数据,并对多个所述健康分数进行加权合并,计算得到用户八大身体系统的健康分数,从而实现通过采集眼表眼周图像进行分析处理后得到用户健康特征的效果。
2.相较于现有技术,本申请系统能够自动排除不合格、不适合分析的图片,并且能够对合格图像进行预处理,从而降低不合格或品质不佳的图像影响数据分析的效果。
3.相较于现有技术,本申请系统能够结合样本数据库,检索匹配得到与数据对合集最相似的第三样本数据,进一步提高样本数据的可靠性,从而提高本申请系统数据分析的准确性。
附图说明
图1是本申请实施例中用于眼表眼周图像采集与人工智能健康分析系统的示意图;
图2是本申请实施例中眼表眼周图像采集与人工智能健康分析系统的实现方式示意图;
图3是本申请实施例中图像品质检测模块的示意图;
图4是本申请实施例中采集到的眼部示意图;
图5是本申请实施例中对眼部(非眼周)区域提取后的示意图;
图6是本申请实施例中对眼部(非眼周)进行分块后的示意图;
图7是本申请实施例中数据推理模块的示意图。
附图标记说明:
1、双目同步拍摄模块;2、图像品质检测模块;21、人眼识别单元;22、睁闭眼识别单元;23、清晰度识别单元;24、合格判定单元;25、预处理单元;3、数据训练模块;4、数据推理模块;41、第一用户历史检索单元;42、第二用户历史检索单元;43、数据库检索单元;44、典籍检索单元;5、分数计算模块;6、排序模块。
实施方式
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。
本申请实施例提供一种用于眼表眼周图像采集与人工智能健康分析系统,用于对眼表眼周图像进行分析处理后得到用户健康特征。
如图1所示,本申请实施例的一种用于眼表眼周图像采集与人工智能健康分析系统包括双目同步拍摄模块1、图像品质检测模块2、数据训练模块3、数据推理模块4、分数计算模块5和排序模块6;
其中,双目同步拍摄模块1用于同步拍摄用户双眼,得到眼表眼周图像。
在本实施例中,如图2所示,双目同步拍摄模块1可以设置于现有的VR眼镜外壳内,并且双目同步拍摄模块1设置有硅胶件和补光单元,当用户佩戴VR眼镜外壳时,硅胶件可紧附于用户脸部,硅胶件隔绝外界光线,从而提高眼表眼周图像的品质;当双目同步拍摄模块1拍摄用户双眼时,补光单元给拍摄环境补光,以提高图像亮度。
在其他实施例中,承载双目同步拍摄模块1的外壳可以根据实际需要设计。
在本实施例中,双目同步拍摄模块1还设置有现有的语音单元,用于引导用户完成双眼拍摄。
在本实施例中,双目同步拍摄模块1还设置有现有的自动聚焦单元。
在本实施例中,双目同步拍摄模块1无线通讯连接于图像品质检测模块2。
具体地,当用户佩戴好承载双目同步拍摄模块1的外壳时,双目同步拍摄模块1根据环境亮度控制补光单元补光后,同步拍摄用户双眼,得到眼表眼周图像,并将眼表眼周图像输送给图像品质检测模块2。
相较于现有技术,用户自主将眼睛靠近本申请的双目同步拍摄模块1,在语音提示下,睁大眼睛即可完成拍摄,无需单反相机拍摄且无需专人协助;相比于常规手机拍摄,本申请系统具备双目同步拍摄的功能,还利用了硅胶件隔绝外界光,另外还设置有内部补光及专门的自动聚焦,从而高清高保真地拍摄用户双眼的眼表眼周图像并传输给图像品质检测模块2。
如图1和图3所示,图像品质检测模块2用于对眼睛表眼周图像进行品质检测和处理,得到待训练图像;
其中,图像品质检测模块2包括人眼识别单元21、睁闭眼识别单元22、清晰度识别单元23、合格判定单元24和预处理单元25;
在本实施例中,人眼识别单元21、睁闭眼识别单元22、清晰度识别单元23相互独立,分别无线通讯连接于双目同步拍摄模块1;
具体地,如图4至图6所示,眼表眼周图像传输入图像品质检测模块2后,人眼识别单元21识别眼表眼周图像是否为人眼图像,睁闭眼识别单元22识别眼表眼周图像的闭眼程度是否低于预设的闭眼阈值,清晰度识别单元23识别眼表眼周图像的清晰度是否达到清晰度指标;三个单元同步运行,以提高图像处理效率;若三个单元的内置判断逻辑中的识别结果均为是,则合格判定单元24将眼表眼周图像判定为检测合格图像,然后预处理单元25对检测合格图像进行增强处理、位置校正和归一化裁剪得到待训练图像。
在本实施例中,预处理单元25的增强处理包括锐化、提亮、对比度处理和直方图均衡化处理。
在本实施例中,预处理单元25还会对待训练图像进行去噪、去除背景失真、对齐等处理。
相较于现有技术,对于非人眼的图像、人眼闭眼程度太大、眼睛摆放位置不对导致拍摄不全、眼睛过晚或过早对准设备、离开设备导致模糊、图片过于暗黑等情况,该申请系统通过对应的单元及单元内置的识别程序逻辑,使其能排除不合格、不适合分析的图片。
如图1所示,数据训练模块3用于基于用户已授权信息,构建用户健康数据;
需要说明的是,用户已授权信息包括用户年龄、体重、身高、性别、体检数据、健康问卷数据、自述的补充数据、基因检测数据、医疗保健产品的消费数据。
具体地,数据训练模块3根据用户年龄、体重、身高、性别、体检数据、健康问卷数据、自述的补充数据、基因检测数据、医疗保健产品的消费数据,从而构建了该用户多份Ground Truth的健康数据,并分解为身体八大系统每个器官的健康程度和分值数据。
在本实施例中,数据训练模块3无线通讯连接于图像品质检测模块2。
数据训练模块3还用于将待训练图像置入预设的神经网络模型训练,得到待分析向量,再将待分析向量和用户健康数据置入预设的机器学习模型内,训练得到数据对合集。
其中,数据训练模块3包括向量生成单元,向量生成单元用于将多个不同图像品质的待训练图像置入预设的神经网络模型进行训练,生成至少1000维的待分析向量。
具体地,在神经网络模型训练阶段,向量生成单元将待训练图像置入神经网络模型,为每次采集的待训练图像及其派生子图片(如更局部眼白区域图、眼角区域图、基于中医五轮八廓理论的眼部ROI分解图等)进行编码、内嵌,输出一批1000维以上的待分析向量;这批待分析向量与用户健康数据形成多对多的训练数据和训练目标值对,数据训练模块3通过搭建分类、回归及调整的机器学习模型,训练得到数据对合集。
如图1所示,数据推理模块4用于基于用户登记数据,将数据对合集置入预设的模糊匹配模型,分别在预设的多个不同类型检索条件下,数据推理模块4检索匹配得到与数据对合集最相似的多个样本数据。
在本实施例中,用户登记数据是用户最近的一次授权信息(包括用户年龄、体重、身高、性别、体检数据、健康问卷数据、自述的补充数据、基因检测数据、医疗保健产品的消费数据)。
其中,如图1和图7所示,数据推理模块4包括第一用户历史检索单元41、第二用户历史检索单元42、数据库检索单元43和典籍检索单元44;样本数据包括第一样本数据、第二样本数据、第三样本数据和第四样本数据;
第一用户历史检索单元41用于基于用户登记数据,将数据对合集置入预设的模糊匹配模型,在用户录入的历史数据内,检索匹配得到与数据对合集最相似的第一样本数据;
在本实施例中,用户录入的历史数据是指与同APP用户id下登记同用户标识(如手机号)某段时间内的样本数据,检索匹配的相似条件为眼部图片、年龄、性别、身高、体重和BMI;
第二用户历史检索单元42用于基于用户登记数据,将数据对合集置入预设的模糊匹配模型,在其他用户录入的历史数据内,检索匹配得到与数据对合集最相似的第二样本数据;
在本实施例中,其他用户录入的历史数据是指不同APP用户id下登记同用户标识(如手机号)某段时间内的样本数据,检索匹配的相似条件为眼部图片、年龄、性别、身高、体重和BMI;
数据库检索单元43用于基于用户登记数据,将数据对合集置入预设的模糊匹配模型,在预设的样本数据库内,检索匹配得到与数据对合集最相似的第三样本数据;
在本实施例中,样本数据库是指检测机构的本地数据库;
典籍检索单元44用于基于用户登记数据,将数据对合集置入预设的模糊匹配模型,在预设的中医典籍库内,检索匹配得到与数据对合集最相似的第四样本数据;
具体地,数据推理模块4通过上述四种检索单元,检索匹配得到与数据对合集最相似的多个样本数据,从而提高样本数据的可靠性,进而提高本申请系统数据分析的准确性。
如图1所示,分数计算模块5用于提取多个样本数据的健康分数,对多个健康分数进行加权合并,计算得到用户八大身体系统的健康分数;
在本实施例中,分数计算模块5通讯连接于数据检索模块;
相较于现有技术,分数计算模块5提取数据推理模块4中多个样本数据的健康分数,对多个健康分数进行加权合并,计算得到用户八大身体系统的健康分数,从而实现通过采集眼表眼周图像进行分析处理后得到用户健康特征的效果。
如图1所示,排序模块6用于将用户八大身体系统的健康分数进行排序,最终直观地给用户呈现较为详尽的个人健康状况;
相较于现有技术,本系统还综合考虑八大身体系统的健康分数的排序关系,对不同健康分数的排序一致性进行计算;最终给用户呈现的是详尽的个人健康状况。
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,本领域普通技术人员应当理解;其依然可以对前述每个实施例所记载的技术方案进行修改,或者对其中部分特征进行等同替换;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每个实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (6)
1.一种用于眼表眼周图像采集与人工智能健康分析系统,其特征在于,包括:
双目同步拍摄模块(1),用于同步拍摄用户双眼,得到眼表眼周图像;
图像品质检测模块(2),用于对所述眼表眼周图像进行品质检测和处理,得到待训练图像;
数据训练模块(3),用于基于用户已授权信息,构建用户健康数据;所述数据训练模块(3)还用于将所述待训练图像置入预设的神经网络模型训练,得到待分析向量,再将所述待分析向量和所述用户健康数据置入预设的机器学习模型内,训练得到数据对合集;
数据推理模块(4),用于基于用户登记数据,将所述数据对合集置入预设的模糊匹配模型,分别在预设的多个不同类型检索条件下,所述数据推理模块(4)检索匹配得到与所述数据对合集最相似的多个样本数据;
所述样本数据包括第一样本数据,所述数据推理模块(4)包括:
第一用户历史检索单元(41),用于基于用户登记数据,将所述数据对合集置入预设的模糊匹配模型,在用户录入的历史数据内,检索匹配得到与所述数据对合集最相似的第一样本数据;
所述样本数据包括第二样本数据,所述数据推理模块(4)还包括:
第二用户历史检索单元(42),用于基于用户登记数据,将所述数据对合集置入预设的模糊匹配模型,在其他用户录入的历史数据内,检索匹配得到与所述数据对合集最相似的第二样本数据;
所述样本数据包括第三样本数据,所述数据推理模块(4)还包括:
数据库检索单元(43),用于基于用户登记数据,将所述数据对合集置入预设的模糊匹配模型,在预设的样本数据库内,检索匹配得到与所述数据对合集最相似的第三样本数据;
所述样本数据包括第四样本数据,所述数据推理模块(4)还包括:
典籍检索单元(44),用于基于用户登记数据,将所述数据对合集置入预设的模糊匹配模型,在预设的中医典籍库内,检索匹配得到与所述数据对合集最相似的第四样本数据;
分数计算模块(5),用于提取多个所述样本数据的健康分数,对多个所述健康分数进行加权合并,计算得到用户八大身体系统的健康分数。
2.根据权利要求1所述的一种用于眼表眼周图像采集与人工智能健康分析系统,其特征在于,所述图像品质检测模块(2)包括:
人眼识别单元(21),用于识别所述眼表眼周图像是否为人眼图像;
睁闭眼识别单元(22),用于识别所述眼表眼周图像内的闭眼程度是否低于预设的闭眼阈值;
清晰度识别单元(23),用于识别所述眼表眼周图像的清晰度是否达到清晰度指标;
合格判定单元(24),若所述人眼识别单元(21)、所述睁闭眼识别单元(22)和所述清晰度识别单元(23)的识别结果均为是,则判定所述眼表眼周图像为检测合格图像;
预处理单元(25),用于将所述检测合格图像进行增强处理、位置校正和归一化裁剪后,得到待训练图像。
3.根据权利要求1所述的一种用于眼表眼周图像采集与人工智能健康分析系统,其特征在于,所述数据训练模块(3)包括:
向量生成单元,用于将多个不同图像品质的待训练图像置入预设的神经网络模型进行训练,生成至少1000维的待分析向量。
4.根据权利要求1所述的一种用于眼表眼周图像采集与人工智能健康分析系统,其特征在于,还包括:
排序模块(6),用于将所述用户八大身体系统的健康分数由大到小顺次排序。
5.根据权利要求1所述的一种用于眼表眼周图像采集与人工智能健康分析系统,其特征在于,所述双目同步拍摄模块(1)设置有硅胶件,以在所述双目同步拍摄模块(1)同步拍摄用户双眼时,所述硅胶件隔绝外界光。
6.根据权利要求1所述的一种用于眼表眼周图像采集与人工智能健康分析系统,其特征在于,所述双目同步拍摄模块(1)设置有补光单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311330809.6A CN117079808B (zh) | 2023-10-16 | 2023-10-16 | 一种用于眼表眼周图像采集与人工智能健康分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311330809.6A CN117079808B (zh) | 2023-10-16 | 2023-10-16 | 一种用于眼表眼周图像采集与人工智能健康分析系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117079808A CN117079808A (zh) | 2023-11-17 |
CN117079808B true CN117079808B (zh) | 2024-02-02 |
Family
ID=88715630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311330809.6A Active CN117079808B (zh) | 2023-10-16 | 2023-10-16 | 一种用于眼表眼周图像采集与人工智能健康分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117079808B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109841267A (zh) * | 2017-11-28 | 2019-06-04 | 北京市眼科研究所 | 一种眼科临床数据采集系统及方法 |
CN111382294A (zh) * | 2018-12-11 | 2020-07-07 | 上海维域信息科技有限公司 | 一种基于人工智能图像识别的中医辅助判断方法 |
CN111833989A (zh) * | 2020-08-18 | 2020-10-27 | 山西慧虎健康科技有限公司 | 基于中医大数据的健康茶饮与体质的智能匹配方法和系统 |
CN113889267A (zh) * | 2021-11-15 | 2022-01-04 | 博奥生物集团有限公司 | 基于眼象识别的糖尿病诊断模型的构建方法和电子设备 |
CN115153425A (zh) * | 2022-07-11 | 2022-10-11 | 温州医科大学附属眼视光医院 | 一种便携式眼表疾病分析诊断系统 |
CN115496700A (zh) * | 2021-06-01 | 2022-12-20 | 眼灵(上海)智能科技有限公司 | 一种基于眼部图像的疾病检测系统及方法 |
-
2023
- 2023-10-16 CN CN202311330809.6A patent/CN117079808B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109841267A (zh) * | 2017-11-28 | 2019-06-04 | 北京市眼科研究所 | 一种眼科临床数据采集系统及方法 |
CN111382294A (zh) * | 2018-12-11 | 2020-07-07 | 上海维域信息科技有限公司 | 一种基于人工智能图像识别的中医辅助判断方法 |
CN111833989A (zh) * | 2020-08-18 | 2020-10-27 | 山西慧虎健康科技有限公司 | 基于中医大数据的健康茶饮与体质的智能匹配方法和系统 |
CN115496700A (zh) * | 2021-06-01 | 2022-12-20 | 眼灵(上海)智能科技有限公司 | 一种基于眼部图像的疾病检测系统及方法 |
CN113889267A (zh) * | 2021-11-15 | 2022-01-04 | 博奥生物集团有限公司 | 基于眼象识别的糖尿病诊断模型的构建方法和电子设备 |
CN115153425A (zh) * | 2022-07-11 | 2022-10-11 | 温州医科大学附属眼视光医院 | 一种便携式眼表疾病分析诊断系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117079808A (zh) | 2023-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105426695B (zh) | 一种基于虹膜的健康状态检测系统 | |
CN112101424B (zh) | 一种视网膜病变识别模型的生成方法、识别装置及设备 | |
CN111666845B (zh) | 基于关键帧采样的小样本深度学习多模态手语识别方法 | |
Zamani et al. | Automated pterygium detection using deep neural network | |
CN111553436A (zh) | 训练数据生成方法、模型训练方法及设备 | |
CN106725295A (zh) | 一种微型体检设备、装置及其使用方法 | |
CN110338763A (zh) | 一种智能中医诊测的图像处理方法及装置 | |
CN107346419A (zh) | 虹膜识别方法、电子装置和计算机可读存储介质 | |
CN114724231A (zh) | 一种基于迁移学习的青光眼多模态智能识别系统 | |
Zeng et al. | Automated detection of diabetic retinopathy using a binocular siamese-like convolutional network | |
Bai et al. | The influence of age and gender information on the diagnosis of diabetic retinopathy: based on neural networks | |
CN115281602A (zh) | 一种用于青光眼的研究瞳孔对光反射障碍的动态分析系统 | |
Manchalwar et al. | Detection of cataract and conjunctivitis disease using histogram of oriented gradient | |
Shirbahadurkar et al. | A modern screening approach for detection of diabetic retinopathy | |
Triyadi et al. | Deep learning in image classification using vgg-19 and residual networks for cataract detection | |
CN117557840B (zh) | 一种基于小样本学习的眼底病变分级方法 | |
CN117079808B (zh) | 一种用于眼表眼周图像采集与人工智能健康分析系统 | |
CN115496700A (zh) | 一种基于眼部图像的疾病检测系统及方法 | |
CN205899540U (zh) | 一种基于虹膜的健康状态检测系统 | |
Hu et al. | A large-scale database for less cooperative iris recognition | |
Nair et al. | Multi-labelled ocular disease diagnosis enforcing transfer learning | |
Ou et al. | M 2 LC-Net: A multi-modal multi-disease long-tailed classification network for real clinical scenes | |
CN110472482A (zh) | 一种物体识别及实时翻译的方法及装置 | |
CN111667905A (zh) | 用于中医目诊的检查装置和信息处理方法 | |
CN115526888A (zh) | 眼图数据识别方法、装置、存储介质及电子设备 |
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 | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: Room 01-409-14, 4th Floor, Building 13, No. 53 Yanqi Street, Yanqi Economic Development Zone, Huairou District, Beijing, 101400 Patentee after: Guanwei Intelligent Technology (Beijing) Co.,Ltd. Country or region after: China Address before: 101400 room 208, 2 / F, building 2, 16 Yanqi street, Yanqi Economic Development Zone, Huairou District, Beijing Patentee before: Luomai (Beijing) nutritional food research Co.,Ltd. Country or region before: China |