[发明专利]一种基于视觉训练提高成人弱视患者视功能表现的方法在审
| 申请号: | 202211126564.0 | 申请日: | 2022-09-16 |
| 公开(公告)号: | CN115547449A | 公开(公告)日: | 2022-12-30 |
| 发明(设计)人: | 袁进;钟菁 | 申请(专利权)人: | 中山大学中山眼科中心 |
| 主分类号: | G16H20/30 | 分类号: | G16H20/30;G16H50/30;G16H10/00;A61H5/00 |
| 代理公司: | 北京中济纬天专利代理有限公司 11429 | 代理人: | 陈友 |
| 地址: | 510000 *** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 基于 视觉 训练 提高 成人 弱视 患者 功能 表现 方法 | ||
1.一种基于视觉训练提高成人弱视患者视功能表现的方法,其特征在于,包括:
步骤1:采集弱视患者的基线数据;
步骤2:按照预设测试方式对所述弱视患者进行多组测试训练,获取得到测试数据,并按照所述测试数据以及基线数据,规划所述弱视患者的训练计划;
步骤3:采集所述弱视患者按照所述训练计划进行训练的训练数据;
步骤4:基于所述训练数据并结合训练后的复查结果,当确定出所述弱视患者的视力以及当下敏感度满足视功能合格标准时,进行终止训练提醒。
2.如权利要求1所述的基于视觉训练提高成人弱视患者视功能表现的方法,其特征在于,所述基线数据包括:验光数据、对比敏感度以及基础病史。
3.如权利要求1所述的基于视觉训练提高成人弱视患者视功能表现的方法,其特征在于,按照预设测试方式对所述弱视患者进行多组测试训练,获取得到测试数据,包括:
提取所述预设测试方式中的测试时间以及测试次数;
建立每个测试时间与对应测试次数的次数编号的测试数组;
基于所述测试数组,向所述预设测试方式设置测试条件,并按照所述测试条件对所述弱视患者进行测试训练;
基于所有测试训练结果,获取得到对应的测试数据。
4.如权利要求1所述的基于视觉训练提高成人弱视患者视功能表现的方法,其特征在于,按照所述测试数据以及基线数据,规划所述弱视患者的训练计划,包括:
对所述测试数据进行组拆分,并将每组数据与基线数据结合分别输入到计划规划模型中,获取得到对应的组计划;
对每个组计划中的关键计划点进行标定,并从所有组计划中筛选重叠计划点,并根据所述重合计划点对应的第一计划信息保留;
分析未重叠计划点对应的第二计划信息,并提取所述第二计划信息中的关键词组以及从词组匹配数据库中获取与所述关键词组匹配的可缓解病情信息;
当所述可缓解病情信息与弱视病情无关时,将所述第二计划信息剔除;
否则,将所述第二计划信息保留;
按照弱视训练规则,并结合所有保留的计划信息,进行训练规划,得到训练计划。
5.如权利要求1所述的基于视觉训练提高成人弱视患者视功能表现的方法,其特征在于,采集所述弱视患者按照所述训练计划进行训练的训练数据,包括:
当所述弱视患者按照所述训练计划进行训练过程中,对所述弱视患者的训练行为进行捕捉;
基于行为解析规则,捕捉结果进行解析,获取得到训练数据。
6.如权利要求1所述的基于视觉训练提高成人弱视患者视功能表现的方法,其特征在于,基于所述训练数据并结合训练后的复查结果,当确定出所述弱视患者的视力以及当下敏感度满足视功能合格标准时,进行终止训练提醒,包括:
按照训练次数,将所述训练数据拆分为若干子数据;
按照同参数曲线构建规则,从所有子数据中提取同参数进行曲线构建,得到对应的第一曲线;
分析每个第一曲线的发展趋势,并判断所述发展趋势是否满足对应参数表现标准,若满足,将对应第一曲线中的最近子数据中的同参数进行第一标定;
若不满足,对应第一曲线进行拟合分析,来获取不满足拟合标准的离散点,并对所述离散点处于对应子数据的出现时间进行确定;
当确定出所述离散点的出现时间在第一预设时间段内时,将所述离散点剔除;
否则,将对应的第一曲线的同参数作为待定参数,将对应第一曲线中的最近子数据中的待定参数进行第二标定;
根据第一标定结果的数量、第二标定结果的数量以及每个第一标定结果对应参数的权重、每个第二标定结果对应参数的权重,确定待比较敏感度;
基于复查结果,获取复查敏感度以及复查视力;
当所述待比较敏感度以及复查敏感度都在预设敏感范围内时,且所述复查视力在预设视力范围内时,判定满足视功能合格标准,并进行终止训练提醒;
否则,判定不满足视功能合格标准。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中山大学中山眼科中心,未经中山大学中山眼科中心许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211126564.0/1.html,转载请声明来源钻瓜专利网。





