基于人工神经网络的视觉测试系统的制作方法

本公开涉及一种基于人工神经网络的视觉测试系统

背景技术：

弱视是指眼球没有器质性病变而矫正视力不能达到正常。弱视患者没有良好的双眼视功能，包括完善的立体视觉。在弱视治疗中，当弱视眼视力提高到了一定阶段，双眼矫正视力相差较小后，便要及时针对其缺陷进行双眼视功能训练，以求脱去单眼抑制，建立同时知觉，纠正异常视网膜对应，增进融合能力，建立立体视功能。这样一方面有利于弱视眼视力的进一步提高，另一方面，有利于建立健全双眼视功能。

为了矫正弱视，脱抑制训练在双眼视功能训练中具有重要的地位，目前传统的双眼视功能脱抑制训练是医生通过对患者症状的观察，检验报告的查看，根据自己行医多年经验，为患者给出一个训练方案，患者经过一段时间的训练后再由医生进行复诊，并给出新的训练方案直至双眼视功能基本恢复。

然而，医生的经验来自于行医生涯的积累，这具有极大的不确定性。而且，由于患者的视功能在每次训练后都会发生变化，医生也无法及时调整训练方案，以至于可能导致治疗延误。

技术实现要素：

本公开有鉴于上述现有技术的状况而完成，其目的在于提供一种能够及时给予患者反馈，获取患者视功能状态的基于人工神经网络的视觉测试系统。

为此，本公开提供了一种基于人工神经网络的视觉测试系统，其特征在于，包括：人工神经网络系统，其部署于云端服务器；存储模块，其存储有多种类型的测试游戏；测试模块，其用于获取由所述人工神经网络系统提供的测试游戏并将所述测试游戏提供给待测对象，所述待测对象通过所述测试游戏对视功能进行测试；识别模块，其用于识别所述待测对象完成所述测试游戏过程中的随着时间变化的测试参数；以及评估模块，其用于分析预定时间段内的所述测试参数并获得与视功能相关的评估参数，其中，所述人工神经网络系统基于所述预定时间段内的测试参数和评估参数进行优化。

在本公开所涉及的视觉测试系统中，人工神经网络通过测试模块向待测对象发送测试游戏，在待测对象完成测试游戏的过程中，识别模块获取测试参数，在这种情况下，评估模块能够根据预定时间段内的测试参数分析出评估参数，使得人工神经网络能够根据测试参数和评估参数进行优化，由此，优化后的人工神经网络能够在下一次的测试中提供更加符合待测对象的测试游戏。

另外，在本公开所涉及的视觉监测系统中，可选地，所述人工神经网络还基于待测对象的信息进行优化。由此，人工神经网络能够更有针对性地提出更加符合待测对象的测试游戏。

另外，在本公开所涉及的视觉监测系统中，可选地，所述待测对象的信息包括历史测试数据、症状及体征特征、视敏度、眼位、对比敏感度或双眼视觉功能中的至少一种。由此，能够基于待测对象的信息提供更加符合待测对象的测试游戏。

另外，在本公开所涉及的视觉监测系统中，可选地，所述人工神经网络系统基于所述待测对象的信息得出各个测试游戏的预期参数，所述预期参数与所述测试游戏对所述待测对象的视功能呈正相关。在这种情况下，预期参数越高对待测对象的视功能影响就越大，由此，待测对象能够根据预期参数决定是否完成测试游戏。

另外，在本公开所涉及的视觉监测系统中，可选地，所述测试参数包括测试过程中的视敏度、对比敏感度、眼位、注视性质、单眼运动功能、双眼运动功能、调节功能、集合功能、双眼视觉功能、信息提取功能、眼位或斜视度中的至少一种。由此，能够较全面地反映待测对象的各类参数。

另外，在本公开所涉及的视觉监测系统中，可选地，所述评估参数包括评估所述待测对象完成所述测试游戏后的视功能的评估值，所述评估值的范围为0至1。由此，能够获得测试游戏对待测对象的影响的程度大小。

另外，在本公开所涉及的视觉监测系统中，可选地，所述测试游戏包括背景图像和叠加于所述背景图像的游戏情节图像。在这种情况下，待测对象能够通过游戏情节图像和背景图像之间的差异关系对待测对象进行测试，由此，能够提高测试的效果。

另外，在本公开所涉及的视觉监测系统中，可选地，所述游戏情节图像具有与所述背景图像相对移动的动态图案。由此，能够提高游戏情节图像对待测对象的测试效果。

另外，在本公开所涉及的视觉监测系统中，可选地，所述测试游戏还包括设置在所述游戏情节图像上的前景刺激图像。由此，能够提高游戏情节图像的刺激效果。

另外，在本公开所涉及的视觉监测系统中，可选地，所述前景刺激为具有与所述游戏情节图像颜色不同的条纹的图案。由此，前景刺激图像能够与游戏情节图像形成对比，从而增强刺激效果。

根据本公开，能够提供一种能够及时给予患者反馈，获取患者视功能状态的基于人工神经网络的视觉测试系统。

附图说明

现在将仅通过参考附图的例子进一步详细地解释本公开的实施例，其中：

图1是示出了本公开的实施方式所涉及的视觉测试系统的使用状态示意图。

图2是示出了本公开的实施方式所涉及的视觉测试系统的模块框图示意图。

图3是示出了本公开的实施方式所涉及的视觉测试系统的人工神经网络系统的考虑因素。

图4是示出了本公开的实施方式所涉及的待测对象信息的主要内容框图。

图5是示出了本公开的实施方式所涉及的视觉测试系统的一种类型的测试游戏示意图。

图6是示出了本公开的实施方式所涉及的视觉测试系统的另一种类型的测试游戏示意图。

附图标号说明：

1…视觉测试系统，10…人工神经网络系统，20…存储模块，30…测试模块，31…测试参数，32…测试游戏，321…背景图像，322…游戏情节图像，40…识别模块，50…评估模块，51…评估参数。

具体实施方式

下面，结合附图和具体实施方式，进一步详细地说明本公开。在附图中，相同的部件或具有相同功能的部件采用相同的符号标记，省略对其的重复说明。

图1是示出了本公开的实施方式所涉及的视觉测试系统1的使用状态示意图。图2是示出了本公开的实施方式所涉及的视觉测试系统1的模块框图示意图。

如图1、图2所示，本公开所涉及的基于人工神经网络的视觉测试系统1可以包括人工神经网络系统10、存储模块20、测试模块30、识别模块40和评估模块50。人工神经网络系统10可以部署于服务器中。存储模块20可以存储有测试游戏32。测试模块30可以用于获取由人工神经网络系统10提供的测试游戏32并将测试游戏32提供给待测对象，待测对象通过测试游戏32对视功能进行测试。识别模块40可以用于识别待测对象完成测试游戏32过程中的随着时间变化的测试参数31。评估模块50可以用于分析预定时间段内的测试参数31并获得与视功能相关的评估参数51。

在本公开所涉及的视觉测试系统1中，人工神经网络通过测试模块30向待测对象发送测试游戏32，在待测对象完成测试游戏32的过程中，识别模块40获取测试参数31，在这种情况下，评估模块50能够根据预定时间段内的测试参数31分析出评估参数51，使得人工神经网络能够根据测试参数31和评估参数51进行优化，由此，优化后的人工神经网络能够在下一次的测试中提供更加符合待测对象的测试游戏32。

在一些示例中，待测对象可以是视功能正常的普通人。在另一些示例中，待测对象可以是视功能有缺陷的患者。在这种情况下，普通人能够通过视觉测试系统1获取自身的相关参数，患者能够通过视觉测试系统1获取目前病症的状态和恢复方案，由此，能够提高基于人工神经网络的视觉测试系统1的适用范围。

图3是示出了本公开的实施方式所涉及的视觉测试系统1的人工神经网络系统10的考虑因素。图4是示出了本公开的实施方式所涉及的待测对象信息的主要内容框图。

(人工神经网络系统10)

在本实施方式中，人工神经网络系统10可以部署于云端服务器。在一些示例中，云服务器可以是租用的。由此，可以降低服务器维护成本。在另一些示例中，人工神经网络系统10可以部署于个人搭建的服务器中。由此，能够提高数据的安全性。另外，在一些示例中，人工神经网络系统10可以部署于搭建的局域网络中。在一些示例中，人工神经网络系统10可以是基于深度学习方法的人工神经网络。

如图3所示，在一些示例中，人工神经网络系统10可以基于预定时间段内的测试参数31(稍后描述)和评估参数51(稍后描述)进行优化。由此，人工神经网络系统10能够根据测试参数31和评估参数51得出对相同类型的待测对象而言更有效的测试游戏32和测试方案。在一些示例中，人工神经网络系统10优化的对象为测试方案的生成算法。由此，能够使得人工神经网络系统10的所生成的测试方案对待测对象的测试效果越来越好。

如图4所示，在一些示例中，人工神经网络可以基于待测对象的信息进行优化。在一些示例中，待测对象的信息可以包括历史测试数据、症状及体征特征、视敏度、眼位、对比敏感度或双眼视觉功能中的至少一种。在这种情况下，能够基于待测对象的信息提供更加匹配待测对象的测试游戏32，由此，人工神经网络能够更有针对性地提出更加符合待测对象的测试游戏32。在另一些示例中，待测对象的信息可以包括姓名、性别、身份识别码(id)、既往病史等信息。由此，人工神经网络能够综合地判断待测对象的整体状况，便于提供更加可靠的测试方案。

在一些示例中，人工神经网络系统10可以是经过已有的样本训练过的。在另一些示例中，人工神经网络系统10可以根据待测对象的数据进行生成。

在一些示例中，人工神经网络系统10基于待测对象的信息得出各个测试游戏32的预期参数，预期参数与测试游戏32对待测对象的视功能呈正相关。在这种情况下，预期参数越高对待测对象的视功能影响就越大，由此，待测对象能够根据预期参数决定是否完成测试游戏32。

(存储模块20)

在本实施方式中，存储模块20可以存储有多种类型的测试游戏32。在另一些示例中，存储模块20可以存储有单一类型的测试游戏32。

在一些示例中，存储模块20可以是非易失性存储器。在一些示例中，存储模块20可以是闪速存储器(flashmemory)。但本公开不限于此，存储模块20还可以是例如：铁电随机存储器(feram)、磁性随机存储器(mram)、相变随机存储器(pram)或阻变随机存储器(rram)。由此，能够降低因为突发性断电而造成数据丢失的可能性。

在另外一些示例中，存储模块20还可以是其它类型的可读存储介质，例如：只读存储器(read-onlymemory，rom)、随机存储器(randomaccessmemory，ram)、可编程只读存储器(programmableread-onlymemory，prom)、可擦除可编程只读存储器(erasableprogrammablereadonlymemory，eprom)、一次可编程只读存储器(one-timeprogrammableread-onlymemory，otprom)、电子抹除式可复写只读存储器(electrically-erasableprogrammableread-onlymemory，eeprom)、只读光盘(compactdiscread-onlymemory，cd-rom)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。由此，能够跟据不同的情况选择合适的存储器。

在一些示例中，存储模块20可以设置在云端服务器内。在一些示例中，存储模块20可以属于人工神经网络系统10的一部分。在这种情况下，人工神经网络系统10可以快速选取测试游戏32，由此，能够提高视觉测试系统1整体的运行效率。在另一些示例中，还可以自己搭建服务器。在这种情况下，可以将存储模块20设置在自己搭建的服务器中，确保数据的保密性，防止客户或患者的数据泄露。

在一些示例中，存储模块20可以存储待测对象的信息。在这种情况下，待测对象的信息可以容易地被人工神经网络系统10调取，由此，能够根据特定的待测对象给出具有针对性的测试游戏32或测试方案。

另外，在一些示例中，待测对象的信息可以是由待测对象自己提前输入的。在这种情况下，人工神经网络系统10可以直接将待测对象的信息与待测对象所测得的各类参数相关联，由此，能够有针对性地对待测对象提供测试方案。在另一些示例中，待测对象的信息还可以是从其它数据库中调取的，例如医院的数据库或公安的数据库。由此，能够确保待测对象的信息的准确性和可靠性。

(测试模块30)

在本实施方式中，测试模块30可以用于获取由人工神经网络系统10提供的测试游戏32并将测试游戏32提供给待测对象，待测对象通过测试游戏32对视功能进行测试。在一些示例中，测试模块30可以布置在任意终端设备中。具体而言，测试模块30可以布置在手机、电脑、平板等终端设备。由此，能够灵活地在各种场合下通过测试模块30对待测对象进行测试。

在一些示例中，测试模块30可以通过网络下载测试游戏32以提供给待测对象。在另一些示例中，测试模块30可以通过预先下载好测试游戏32以提供给待测对象。

另外，在一些示例中，测试模块30可以搭载有人工神经网络系统10。由此，布置有测试模块30的终端无需联网即可通过人工神经网络系统10对待测对象进行分析。

在本实施方式中，识别模块40可以用于识别待测对象完成测试游戏32过程中的随着时间变化的测试参数31。在一些示例中，识别模块40可以为生理状态监测仪器等监测设备。

在一些示例中，测试参数31可以包括测试过程中的视锐度、视敏度、对比敏感度、眼位、注视性质、单眼运动功能、双眼运动功能、调节功能、集合功能、双眼视觉功能、信息提取功能、眼位或斜视度中的至少一种。由此，能够较全面地反映待测对象的各类参数。

在一些示例中，视锐度又称视觉锐度(visualacuity)，有时也称"视力"，视锐度可以是指眼睛辨别两个相邻点的能力，其中，视锐度取决于光感受器在视网膜上的分布和眼睛折射的精度。在一些示例中，视锐度可以通过视力表进行测量。在另一些示例中，视锐度可以包括裸眼视力和戴镜视力。

在一些示例中，视敏度(visualacuity)可以是指眼分辨物体细微结构的最大能力。在一些示例中，视敏度可以通过能分辨两点的最小视角来确定，也即，物体上两点光线射入眼球在晶状体光心前交叉所形成的夹角。

在一些示例中，对比敏感度(contrastsensitivity)可以指视觉系统能觉察的对比度阈值的倒数，其中，对比敏感度＝1/对比度阈值。具体而言，对比度阈值越低则对比敏感度越高，则视觉功能越好。

在一些示例中，眼位可以指用于检测眼睛的斜视情况以及斜视种类。在一些示例中，眼位可以包括正位视和斜视，其中，正位视是指无论融合反射是否存在，眼位始终保持正位。斜视又包括隐斜视和显斜视，其中，隐斜视是指眼球有潜在的偏转趋势，但在融合反射的作用下使眼位保持正常，也即，融合反射存在，眼球正位，融合反射被打破时，眼位偏斜。显斜视是指无论融合反射存在与否，眼位呈现明显偏斜。

在一些示例中，调节功能可以包括眼睛的调节幅度，调节灵活度，正负相对调节，调节滞后或调节超前。

(评估模块50)

在本实施方式中，评估模块50可以用于分析预定时间段内的测试参数31并获得与视功能相关的评估参数51。

在一些示例中，预定时间段可以为一周、两周或一个月等。在另一些示例中，预定时间段可以为一次测试、两次测试或三次测试等。

在一些示例中，评估参数51可以包括评估待测对象完成测试游戏32后的视功能的评估值，评估值的范围为0至1。由此，能够获得测试游戏32对待测对象的影响的程度大小。

在一些示例中，评估参数51可以根据患者的视功能测试结果来判断预定时间段内待测对象的测试是否有效。具体而言，可以根据固定的标准进行打分，分为1分，0.5分和0分三档，如果测试对视功能提升明显，那么我们就认为1分，如果测试对视功能稍微有一点提升打0.5分，否则记为0分。在这种情况下，评估参数51可以判断对于待测对象在开始时的状态，某个训练的有效性量度，结果越高说明该训练越有效。

更具体的，例如患者每周需要进行28次训练，每次训练的内容都根据人工神经网络系统10设置的测试游戏32和测试方案进行测试，测试模块30通过从存储模块20中获取测试游戏32，待测对象通过测试模块30进行测试，识别模块40在测试过程中识别待测对象的各类参数，并在测试结束后给出各项测试参数31的综合情况，最后，评估模块50基于每次训练的测试参数31进行评估，当患者在本周训练之后视功能提升明显，那么评估模块50会给予本次测试的评估值为1。

在一些示例中，评估参数51可以包括测试参数31。具体而言，评估模块50将视功能量度，训练，训练结果记录为一个数据，例如(视力0.4，融合0，经过测试游戏32训练，提升明显得1分)，那么在一周的28次训练过后，我们会得到28组训练数据。此时，人工神经网络系统10接收28组训练数据，从而能够进行测试方案的生成算法的优化。

图5是示出了本公开的实施方式所涉及的视觉测试系统1的一种类型的测试游戏32示意图。图6是示出了本公开的实施方式所涉及的视觉测试系统1的另一种类型的测试游戏32示意图。

如图5、图6所示，在一些示例中，测试游戏32包括背景图像321和叠加于背景图像321的游戏情节图像322。在这种情况下，待测对象能够通过游戏情节图像322和背景图像321之间的差异关系对待测对象进行测试，由此，能够提高测试的效果。

在一些示例中，测试游戏32可以包括前景刺激游戏、背景刺激游戏或无刺激背景游戏中的一种或多种。在一些示例中，前景刺激游戏可以是指在游戏情节图像322上设置不同于游戏情节图像322颜色的色块或图像。在一些示例中，测试游戏32还包括设置在游戏情节图像322上的前景刺激图像。由此，能够提高游戏情节图像322的刺激效果。

在一些示例中，前景刺激可以为具有与游戏情节图像322颜色不同的条纹的图案。由此，前景刺激图像能够通过改变游戏情节图像322中的形状与结构并与游戏情节图像322形成强烈对比，从而增强刺激效果(参见图6)。

在本实施方式中，以阴影线和黑白色块表示测试游戏32中不同颜色的色块，并不具体指向特定颜色。

在一些示例中，背景刺激游戏可以是指在背景图像321上附加不同于游戏情节图像322的色块或图像。在一些示例中，背景图像321可以为动态图案。在另一些示例中，背景图像321可以相对于游戏情节图像322移动。另外，在一些示例中，背景图像321和游戏情节图像322均可以进行移动。由此，能够提高背景图像321对待测对象的测试效果(参见图5)。

在一些示例中，无刺激背景游戏可以是指背景图像321为单色或透明并不发生相对运动的背景图像321。由此，能够减缓背景图像321的刺激效果。

根据本公开，能够提供一种能够及时给予患者反馈，获取患者视功能状态的基于人工神经网络的视觉测试系统1。

虽然以上结合附图和实施例对本公开进行了具体说明，但是可以理解，上述说明不以任何形式限制本公开。本领域技术人员在不偏离本公开的实质精神和范围的情况下可以根据需要对本公开进行变形和变化，这些变形和变化均落入本公开的范围内。