一种基于多模态数据的近视防控训练方法及系统
本发明涉及信息,尤其涉及一种基于多模态数据的近视防控训练方法及系统。
背景技术:
1、近视防控训练是通过视觉刺激和眼部调节活动延缓近视进展的重要手段,其训练过程的安全性直接决定防控措施能否产生正向收益。现有监控系统通常以泪膜破裂时间作为判定眼表状态的唯一指标。泪膜是覆盖角膜表面的液体层,受训者持续注视屏幕时眨眼频率下降,泪膜逐渐蒸发变薄,最终在角膜表面破裂形成干燥斑。传统系统监测从一次完整眨眼到泪膜首次破裂的时间间隔,当该时间低于预设阈值时即判定眼表不安全,强制中断训练。然而,这种监控方式存在两方面缺陷。一方面,泪膜破裂的位置差异会导致完全不同的视觉后果,而传统方法不识别破裂发生的空间位置。角膜中心区域是光线进入眼内的主通道,该区域泪膜破裂后,干燥斑直接位于视轴中心,入射光线经不规则界面发生散射,中心视野成像模糊。而当破裂发生在角膜边缘时,远离视轴中心的干燥斑不遮挡中心视野,对视觉质量几乎没有影响。传统方法仅以破裂时间是否达到阈值来判定是否中断,在边缘区域破裂时会将安全的训练错误中断,造成训练效率损失;在中心区域破裂时虽能判定需要中断,却无法告知系统破裂位于何处、对视觉影响有多大,系统在执行中断后也无法据此调整后续训练安排。另一方面,即使识别出中心区域泪膜破裂,传统方法仍无法判断当前训练任务是否真正依赖中心视野清晰度。近视防控训练包含多种视觉任务,不同任务对清晰度的需求存在本质差异。追踪大范围移动目标或进行周边视野感知训练,主要依赖周边视野和粗略轮廓识别,即使中心视野模糊,受训者依然能借助未被遮挡的周边视野完成训练。但精准注视微小移动点的调节训练,或分辨细小字符、高对比度线条的辨认训练,要求受训者通过中心视野获取精细视觉信息,一旦中心视野模糊,受训者将无法准确识别目标,训练即失去执行前提。此时受训者为看清目标会本能地缩小眼裂、眯眼,睫状肌被迫过度收缩以补偿成像偏差,而睫状肌持续痉挛正是加速近视进展的核心机制之一。原本用于放松眼部肌肉的防控训练反而成为触发睫状肌紧张的诱因。综上,传统方法既无法获知泪膜破裂对中心视野的影响程度,也无法判断当前任务是否依赖中心视野清晰度,更无法区分相同空间位置下不同泪膜破裂时间所导致的视觉持续干扰差异,因此完全不具有评估特定训练任务背景下,当前眼表状态是否构成安全风险的能力,近视防控训练存在逆转为致近视诱因的潜在风险。
技术实现思路
1、本发明提供了一种基于多模态数据的近视防控训练方法,主要包括:
2、获取训练对象的眼部视频流,识别角膜表面泪膜的破裂区域在视网膜投影平面的空间位置;
3、根据该空间位置与瞳孔中心的位置关系并结合黄斑区尺寸,确定破裂区域对中心视野光学成像质量的影响程度,记录为视野受损参数;
4、获取当前执行的训练任务类型,根据其中视觉目标的分布密度、尺寸范围及屏幕中央区域占比,结合目标识别所需的最小视觉分辨要求,确定训练任务对中心视野清晰度的依赖程度,记录为任务依赖系数;
5、若视野受损参数大于任务依赖系数,则判定训练任务与当前视觉状态存在适配性偏差,生成适配性判定结果;
6、基于眼部视频流中上下眼睑边缘坐标,确定眼睑开合度变化趋势,识别眼睑闭合幅度增大且频率上升的代偿性调节模式,根据其持续时长与强度变化累积结果,得到疲劳累积信息;
7、根据所述适配性判定结果与所述疲劳累积信息,关联至眼周肌肉群负荷评估体系,确定张力累积风险等级;
8、在预设时间窗内读取疲劳累积信息的变化趋势,若该变化趋势超过预设速率阈值则对张力累积风险等级进行上调;
9、若所述张力累积风险等级达到高风险级别,则生成暂停指令并附带暂停时长建议值,若处于中风险级别,则生成降强度指令并附带任务难度调整参数,输出对应指令。
10、进一步的,所述获取训练对象的眼部视频流,识别角膜表面泪膜的破裂区域在视网膜投影平面的空间位置,包括:
11、通过近红外摄像装置采集所述眼部视频流,对角膜区域内像素灰度分布逐点扫描,提取灰度低于背景反射均值的连通区域作为候选干燥斑块;
12、剔除瞬时阴影后保留真实泪膜破裂区域,根据角膜曲率值与瞳孔中心至视网膜的等效光路长度,将所述真实泪膜破裂区域的边界坐标映射至视网膜投影平面,得到所述空间位置。
13、进一步的,所述根据该空间位置与瞳孔中心的位置关系并结合黄斑区尺寸,确定破裂区域对中心视野光学成像质量的影响程度,记录为视野受损参数,包括:
14、提取所述空间位置中的质心投影位置与轮廓闭合曲线,以瞳孔中心在视网膜投影面的对应点为坐标原点,计算所述质心投影位置到所述坐标原点的欧氏距离作为偏移距离;
15、按预存的黄斑区半径绘制黄斑区边界圆,对所述轮廓闭合曲线与所述黄斑区边界圆作几何叠加得到重叠面积;
16、以所述重叠面积分别除以黄斑区边界圆面积与破裂区域总面积,得到中心视野遮挡比与中心命中比;
17、对所述偏移距离按黄斑区半径归一化后,与所述中心视野遮挡比、所述中心命中比按预设权重加权求和,得到所述视野受损参数。
18、进一步的,所述获取当前执行的训练任务类型,根据其中视觉目标的分布密度、尺寸范围及屏幕中央区域占比,结合目标识别所需的最小视觉分辨要求,确定训练任务对中心视野清晰度的依赖程度,记录为任务依赖系数,包括:
19、从预先建立的任务参数档案中调取所述训练任务的视觉目标布设描述与所述最小视觉分辨要求;
20、对所述分布密度、所述尺寸范围中全部目标外接矩形对角线长度的算术平均值、所述屏幕中央区域占比与所述最小视觉分辨要求按各自上限基准归一化后,按预设权重加权求和,得到所述任务依赖系数。
21、进一步的,所述若视野受损参数大于任务依赖系数,则判定训练任务与当前视觉状态存在适配性偏差,生成适配性判定结果,包括:
22、以所述视野受损参数减去所述任务依赖系数得到差值;
23、所述差值大于零时以预设偏差标志位记为所述适配性判定结果,所述差值小于或等于零时以预设匹配标志位记为所述适配性判定结果。
24、进一步的,所述基于眼部视频流中上下眼睑边缘坐标,确定眼睑开合度变化趋势,识别眼睑闭合幅度增大且频率上升的代偿性调节模式,根据其持续时长与强度变化累积结果,得到疲劳累积信息,包括:
25、对每一帧图像沿水平方向以预设间距取样得到所述上下眼睑边缘坐标,取同一水平位置纵向距离最大值作为该帧眼睑开合距离,按时间顺序排列后采用滑动平均滤波得到所述眼睑开合度变化趋势;
26、检测开合距离低于基线档案预存阈值的连续帧区间作为单次眨眼事件,在固定时长滑动窗口内统计眨眼频率;
27、当所述闭合幅度在连续多个滑动窗口内持续高于基线档案预存的常态闭合幅度且所述眨眼频率在连续多个滑动窗口内持续高于基线档案预存的常态眨眼频率时,判定进入所述代偿性调节模式,对代偿持续时长与强度累积量按预设权重加权合成,得到所述疲劳累积信息。
28、进一步的,所述根据所述适配性判定结果与所述疲劳累积信息,关联至眼周肌肉群负荷评估体系,确定张力累积风险等级,包括:
29、对所述适配性判定结果对应的标志位作离散贡献项转换得到适配贡献项,对所述疲劳累积信息按基线档案预存的疲劳累积上限基准归一化得到疲劳贡献项;
30、关联至预先建立的眼周肌肉群负荷评估体系,以睫状肌、眼轮匝肌和提上睑肌为评估对象,按照所述眼周肌肉群负荷评估体系中预存的各眼周肌肉对所述适配贡献项与所述疲劳贡献项的响应权重分别加权求和,得到各眼周肌肉的负荷值,以各眼周肌肉负荷值之和作为整体张力累积合成值,按预存的低风险带、中风险带和高风险带划分归属,得到所述张力累积风险等级。
31、进一步的,所述读取疲劳累积信息的变化趋势,若该变化趋势超过预设速率阈值则对张力累积风险等级进行上调,包括:
32、读取所述疲劳累积信息在预设时间窗内的连续取值序列,以所述时间窗起始点的疲劳累积信息取值与终止点的疲劳累积信息取值的差除以时间窗时长得到变化趋势速率;
33、若所述变化趋势速率超过基线档案预存的速率阈值,则对所述张力累积风险等级向高一档级别上调。
34、进一步的,所述若所述张力累积风险等级达到高风险级别,则生成暂停指令并附带暂停时长建议值,若处于中风险级别,则生成降强度指令并附带任务难度调整参数,输出对应指令,包括:
35、所述张力累积风险等级处于高风险级别时,从基线档案预存的暂停时长建议值表中调取对应值生成所述暂停指令;
36、所述张力累积风险等级处于中风险级别时,从基线档案预存的任务难度调整参数表中调取视觉目标尺寸放大比例与目标移动速度下降比例生成所述降强度指令,输出至训练任务执行端。
37、本发明提供了一种基于多模态数据的近视防控训练系统,主要包括:
38、破裂区域识别模块,获取训练对象的眼部视频流并识别角膜表面泪膜破裂区域在视网膜投影平面的空间位置;
39、视野受损评估模块,根据所述空间位置与瞳孔中心位置关系结合黄斑区尺寸得到视野受损参数;
40、任务依赖分析模块,根据训练任务中视觉目标的分布密度、尺寸范围、屏幕中央区域占比结合最小视觉分辨要求得到任务依赖系数;
41、适配性判定模块,所述视野受损参数大于所述任务依赖系数时生成适配性判定结果;
42、疲劳累积监测模块,基于上下眼睑边缘坐标识别代偿性调节模式得到疲劳累积信息;
43、风险等级确定模块,所述适配性判定结果与所述疲劳累积信息关联至眼周肌肉群负荷评估体系得到张力累积风险等级;
44、风险等级调整模块,在预设时间窗内读取疲劳累积信息变化趋势,超过速率阈值时上调所述张力累积风险等级;
45、指令生成模块,高风险级别时输出附带暂停时长建议值的暂停指令,中风险级别时输出附带任务难度调整参数的降强度指令。
46、本发明实施例提供的技术方案可以包括以下有益效果:
47、本发明公开了一种基于多模态数据的近视防控训练方法,针对视觉训练过程中因泪膜破裂导致的视野质量下降与训练任务不匹配的问题,以及由此引发的眼周肌肉疲劳累积风险难以有效预警的问题。本发明通过眼部视频流实时识别角膜泪膜破裂区域在视网膜投影平面的空间位置,结合黄斑区尺寸量化其对中心视野成像质量的影响程度,同时根据训练任务中视觉目标的分布特征与识别要求计算任务对清晰视野的依赖程度,当视野受损超过任务依赖阈值时判定为适配性偏差,并通过眼睑开合度变化识别代偿性调节模式累积疲劳信息,关联眼周肌肉负荷评估体系动态确定张力风险等级,根据风险级别自动生成暂停或降强度指令并附带调整参数,从而实现训练任务与实时视觉状态的动态匹配,通过眼睑代偿行为的持续监测将泪膜破裂时间长短所导致的时间累积效应纳入评估体系,有效避免因视野质量下降强制用眼导致的肌肉过度疲劳,提升近视防控训练的安全性与有效性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com