龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：成都艾视医院管理有限公司
申请日：2023-08-10
公开（公告）日：2024-04-26
公开（公告）号：CN117059269B
主分类号：G16H50/30
分类号：G16H50/30;A61B3/103;G16H50/70;G06F18/214;G06N3/0442
优先权：
专利状态码：有效-授权
法律状态：2024.04.26#授权;2023.12.01#实质审查的生效;2023.11.14#公开
摘要：本发明提出了一种基于深度学习的青少年近视预测方法及模型，涉及计算机技术领域。其中，该预测方法能够掌握不规则采样时间序列中的动态关系，同时充分考虑样本自身属性的影响，实现了基于不定长青少年近视筛查历史记录对未来等效球镜SE的定量预测；该模型能够对输入的不同长度、任意时间间隔的历史数据进行预测，且对于预测结果的平均误差绝对值相对于真实值偏差极小，具有较高的预测准确率。
主权项：1.一种基于深度学习的青少年近视预测方法，其特征在于，包括如下步骤：S1、将采集到的多个样本近视筛查记录依次进行one-hot编码和标准化处理，所述近视筛查记录包括筛查日期、学段、性别、年龄、矫正方式、裸眼视力、球镜、柱镜、轴向、曲率k1、曲率k2、眼轴、是否近视、近视程度和等效球镜，以性别和年龄作为状态信息，以筛查日期、学段、矫正方式、裸眼视力、球镜、柱镜、轴向、曲率k1、曲率k2、眼轴、是否近视、近视程度和等效球镜作为历史记录；每个所述样本包括不同时期的1-6条近视筛查记录；S2、将同一样本的多条近视筛查记录重新进行排列组合以进行数据增强，以同一样本不同时间间隔的状态信息、历史记录和数据标签作为训练数据，所述数据标签为所述历史记录最后一个时间点的等效球镜；S3、将历史记录、状态信息和时间间隔数据以序列长度进行分层后，将训练集、测试集和验证集按比例进行数据集划分；S4、构建预测模型并对所述预测模型进行训练，得到训练好的模型；S5、以当前记录xt、xt与前一记录xt+1之间的时间间隔Δt+1和t时刻样本的状态信息st为输入信息，输出得到细胞状态Ct和当前状态ht后，将细胞状态Ct和当前状态ht继续进入下一循环，直至输出最后一个时刻的细胞状态C终和h终，最后将当前状态h终经两层全连接层处理后得到预测结果。
全文数据：
权利要求：
百度查询： 成都艾视医院管理有限公司 一种基于深度学习的青少年近视预测方法及模型
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号