[發明專利]兒童視力評估方法、系統及計算機存儲介質

在審

• 申請號: 201910546569.0
• 申請日: 2019-06-21
• 公開（公告）號: CN110251071A
• 公開（公告）日: 2019-09-20
• 發明（設計）人: 林浩添;張凱;李曉顏;何林;董舟
• 申請（專利權）人: 中山大學中山眼科中心
• 主分類號: A61B3/10
• 分類號: A61B3/10;A61B3/14
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 劉亞飛

本發明提供了一種兒童視力評估方法、系統及計算機存儲介質，涉及視力評估的技術領域，包括步驟：獲取待檢測兒童的視力檢查視頻，所述視力檢查視頻包括時間上連續的兒童面部圖像及視敏卡圖像，所述兒童面部圖像及視敏卡圖像時間同步；根據所述連續的兒童面部圖像，確定注意力方向時間序列；根據所述連續的視敏卡圖像，確定視敏卡上的黑白條紋方向時間序列以及確定黑白條紋對應的視力等級；比對所述注意力方向時間序列和黑白條紋方向時間序列，將待檢測兒童注意力方向與黑白條紋方向相同時的最大視力等級作為待檢測兒童的視力等級。本視力評估方法對兒童眼部動作與視敏卡展板上的黑白條紋比對更加標注化、科學化，極大提升了視力評估準確率。

技術領域

本發明涉及視力評估技術領域，尤其是涉及一種兒童視力評估方法、系統及計算機存儲介質。

背景技術

兒童階段的視力發育是人視力發育的重要階段，對兒童視力的常規檢查非常重要。現有的兒童視力檢查常見方法包括Teller視敏卡檢查方法(Teller acuity cards，泰勒視敏度卡)，醫生向兒童展示不同視力水平所對應的視敏卡展板，如果兒童能夠注意到視敏卡上的黑白條紋圖案，則更換帶有更細黑白條紋圖案的視敏卡，直至該兒童的視力水平被確認。

常規的Teller視敏卡檢查方法只能作為單次視力檢查的方法，檢查結果對兒童視力水平的評價標準單一，評估準確率不夠，檢查結果不可解釋，而且無法追溯和回顧，因此，現有的常規Teller視敏卡檢查方法還需要進一步改進和完善。

發明內容

本發明的目的在于提供一種兒童視力評估方法，以緩解現有技術Teller視敏卡檢查方法評價標準單一、評估準確率不夠等技術問題。

本發明提供的一種兒童視力評估方法，包括如下步驟：

獲取待檢測兒童的視力檢查視頻，所述視力檢查視頻包括時間上連續的兒童面部圖像及視敏卡圖像，所述兒童面部圖像及視敏卡圖像時間同步；

根據所述連續的兒童面部圖像，確定注意力方向時間序列；

根據所述連續的視敏卡圖像，確定視敏卡上的黑白條紋方向時間序列以及確定黑白條紋對應的視力等級；

比對所述注意力方向時間序列和黑白條紋方向時間序列，將待檢測兒童注意力方向與黑白條紋方向相同時的最大視力等級作為待檢測兒童的視力等級。

進一步的，所述獲取待檢測兒童的視力檢查視頻的步驟包括：所述視力檢查視頻為遠程檢測終端發送的錄像視頻。

進一步的，所述遠程檢測終端為Teller電子視力檢查平臺。

進一步的，所述根據所述連續的兒童面部圖像，確定注意力方向時間序列的步驟包括：將所述連續的兒童面部圖像作為預訓練目標檢測模型的錄入數據，所述預訓練目標檢測模型的輸出數據包括：檢測窗口圖像、兒童頭部圖像、兒童眼部圖像及兒童角膜虹膜區圖像的位置信息。

進一步的，所述根據所述連續的視敏卡圖像，確定視敏卡上的黑白條紋方向時間序列的步驟包括：將所述連續的視敏卡圖像作為預訓練目標檢測模型的錄入數據，所述預訓練目標檢測模型的輸出數據包括：視敏卡圖像、視敏卡上黑白條紋圖像的位置信息。

進一步的，所述預訓練目標檢測模型為Faster-RCNN模型。R-CNN，Rich featurehierarchies for accurate object detection and semantic segmentation是FasterR-CNN的啟發版本。R-CNN是采用Selective Search算法來提取(propose)可能的RoIs(regions of interest)區域，然后對每個提取區域采用標準CNN進行分類。出現于2015年早期的Fast R-CNN是R-CNN的改進，其采用興趣區域池化(Region of Interest Pooling，RoI Pooling)來共享計算量較大的部分，提高模型的效率。