一种基于感知学习的双眼分视数字系统的制作方法

本发明涉及视力调整的数字医疗，尤其涉及一种基于感知学习的双眼分视数字系统。

背景技术：

1、视觉发育期内由于单眼斜视、屈光参差、高度屈光不正以及形觉剥夺等异常视觉经验引起的单眼或双眼最佳矫正视力低于相应年龄正常儿童，且眼部检查无器质性病变，称为弱视。传统的弱视训练是在屈光矫正基础上进行遮盖疗法，辅以压抑疗法、针刺疗法和药物疗法等，主要通过提供清晰视网膜图像，并迫使患者使用弱视眼睛来提高视力。

2、针对单眼进行训练的疗法，干扰了双眼视功能，患者依从性低，也会一定程度上损害深度知觉。弱视，特别是斜视性弱视，患者的双眼视功能受损较为严重，而人类的空间视觉和立体视觉主要是由双眼来实现的，感知学习是利用大脑神经系统的可塑性，通过特定的视觉刺激和视觉学习，激活视觉神经的信号通路，矫治和改善大脑神经系统的信号加工处理能力，从而达到训练目的，为此，我们提出在感知学习的基础上提出一种通过平衡双眼之间的视觉刺激来改善双眼视功能并减少视觉皮层中的抑制性交互作用的数字系统。

技术实现思路

1、本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

2、鉴于上述现有基于感知学习的双眼分视数字系统存在的问题，提出了本发明。

3、因此，本发明目的是提供一种基于感知学习的双眼分视数字系统，其将虚拟现实技术与感知学习相结合，重新设计视功能训练模块，同一屏幕内有两个不同图像，有别于传统的单眼遮盖治疗，可同时使用双眼进行分离式训练。

4、为解决上述技术问题，本发明提供如下技术方案：一种基于感知学习的双眼分视数字系统，包括：

5、测试模块、训练模块和统计分析模块；

6、所述测试模块用于对儿童视力以及儿童视功能进行测试，所述测试模块通过佩戴vr眼镜分别进行右眼和左眼的视力测试和视功能测试，所述测试内容包括儿童视力表、e字视力表和视功能检查并判断儿童的视力值和视功能指标；

7、所述训练模块能够匹配对应的场景化训练内容，针对不同视功能障碍的不同级别，利用vr进行双眼分视训练，所述训练模块基于vr眼镜呈现红色闪烁背景或光栅背景，红光闪烁运用特殊波长的红光以特定频率呈现，光栅背景利用不同频率的黑白条栅，通过旋转产生方形波呈现，且训练模块内还设置有游戏单元；

8、所述统计分析模块针对训练模块的记录和评估，系统能够针对不同疗程的训练数据进行记录、分析，统计训练效果，统计出不同时间段内视力提升两行或者更多行的儿童数据，进而分析患者训练的依从性。

9、作为本发明所述基于感知学习的双眼分视数字系统的一种优选方案，其中：所述视功能测试包括同时视、立体视、融合视、眼位、调节功能、集合功能、对比敏感度测试和色觉测试，测试完成后通过后台知识库比对进行结果指标的反馈，判断出哪只是优势眼、哪只是弱视眼，系统会匹配对应的训练场景和训练内容，进入训练模块。

10、作为本发明所述基于感知学习的双眼分视数字系统的一种优选方案，其中：所述光谱波长：红光610～710nm，绿光530～570nm；每种光闪烁频率：40hz每秒次数，每种光持续时间180s；发光亮度：60-320cd/m2。

11、作为本发明所述基于感知学习的双眼分视数字系统的一种优选方案，其中：所述光栅刺激是通过一系列不同空间频率高、对比敏感强度的条栅转动刺激，不同的弱视视力值对应不同的光栅级别，空间频率和的栅距不同，刺激程度不同；光栅级别1-7级分别对应弱视视力值0.1，0.2，0.4，0.6，0.8，1.0和1.0以上，相应的栅距为0.20mm，0.35mm，0.65mm，1.30mm，2.70mm，5.30mm和10.60mm。

12、作为本发明所述基于感知学习的双眼分视数字系统的一种优选方案，其中：所述训练模块根据选择的光栅级别来获取光栅的对应的宽度w毫米，乘以每毫米对应的像素值x来获取当前级别对应的光栅像素值w*x；乘以每毫米对应的偏移量y来获取当前级别对应的偏移量w*y，来改变光栅的移动速度，所述光栅呈现方式包括顺时针黑白旋转、逆时针黑白旋转、顺时针红绿旋转、逆时针红绿旋转、从左向右黑白变化、从右向左黑白变化、从左向右红绿变化、从右向左红绿变化、变格黑白和变格红绿。

13、作为本发明所述基于感知学习的双眼分视数字系统的一种优选方案，其中：所述训练模块预设训练时长为3min，将每个子光栅的显示时长设置为9s，包含两个变化周期：180/2＝90，90/10＝9；预设训练时长为5min，则将每个子光栅的显示时长设置为10s，包含三个变换大周期，300/3＝100，100/10＝10s。

14、作为本发明所述基于感知学习的双眼分视数字系统的一种优选方案，其中：所述游戏内容包括串珠子、点泡泡、消消乐、扎气球和打地鼠，在游戏中进行视功能的刺激和训练，与此同时，优势眼看到的是不带有刺激效果的静态画面，懒惰眼看到的是带有刺激效果的动态画面，通过这种方式实现对懒惰眼的刺激，有利于去除优势眼对懒惰眼的抑制，提高懒惰眼的视力，并通过平衡双眼之间的视觉刺激来改善双眼视功能并减少视觉皮层中的抑制性交互作用。

15、作为本发明所述基于感知学习的双眼分视数字系统的一种优选方案，其中：所述训练模块具体算法步骤如下：

16、a1.场景渲染：

17、使用3d图形引擎或编程库创建虚拟场景,对每个画面，生成左眼和右眼的两个视图，这两个视图之间的差异应该模拟出眼睛之间的视差；

18、a2.视差计算：

19、确定虚拟场景中每个物体的位置，以及相对于虚拟摄像机的距离,计算左眼和右眼的摄像机位置，模拟人眼之间的距离,根据视差原理，调整每个物体在左右眼视图之间的位置，产生立体效果；

20、a3.透镜畸变校正：

21、由于vr头显通常使用透镜来放大图像，需要对图像进行透镜畸变校正，以确保最终在眼睛中看到的图像是准确的；

22、a4.头部追踪和姿态调整：

23、集成头部追踪传感器，以获取用户头部的实时姿态，根据头部的旋转和移动调整虚拟摄像机的位置和方向，以保持用户在虚拟环境中的稳定感；

24、a5.渲染到屏幕：

25、将生成的左右眼图像渲染到vr头显的屏幕上，确保每只眼睛看到正确的图像；

26、a6.帧同步：

27、确保左眼和右眼的图像在同一帧内渲染，以避免感知到的延迟或不适；

28、a7.互动和用户输入：

29、集成对用户输入的响应，例如头部运动、手柄控制，以增强用户在虚拟环境中的互动性。

30、作为本发明所述基于感知学习的双眼分视数字系统的一种优选方案，其中：所述训练模块采用cnn模型进行实现，具体步骤如下：

31、b1.数据准备：收集大量的视觉刺激背景和精细目力训练素材，作为输入数据用于生成训练的cnn模型；

32、b2.预处理：在将数据输入到模型之前，对数据进行预处理，包括调整尺寸、归一化像素值、音效、样式等，以确保数据的质量和模型的效率；

33、b3.建立cnn模型：建立训练cnn模型，模型由多个部分组成的，其中最重要的是卷积层、池化层和全连接层；

34、b4.卷积层：从输入图像中提取特征，通过学习从原始图像中识别特定的模式或特征，包括视觉背景的特征、精细目力训练内容的特征；

35、b5.池化层：降低特征的维度，从而减少计算量和过拟合的风险；

36、b6.全连接层：将前面层的特征映射到最终的输出结果；

37、b7.训练过程：在训练过程中，使用反向传播算法来优化cnn模型；

38、b8.损失函数选择：为了衡量模型的预测结果与真实结果之间的差距，选择均方误差作为损失函数，量化预测错误，从而指导模型的优化方向；

39、b9.模型优化：通过不断地调整模型参数，努力最小化损失函数，得到一个性能更好的cnn模型，这个过程需要多次迭代和调整；

40、b10.数据增强：为了增强模型的泛化能力，使用数据增强技术，这涉及到对原始数据进行旋转、平移、缩放操作，从而生成新的数据样本，帮助模型更好地适应不同的输入数据，提高其在实际应用中的表现。

41、作为本发明所述基于感知学习的双眼分视数字系统的一种优选方案，其中：所述统计模块具体步骤如下：

42、c1.记录训练者的视力、视功能指标情况，包括姓名、年龄、懒惰眼训练前视力、视功能指标；懒惰眼训练后视力、视功能指标；训练次数、训练时长；

43、c2.通过t检验spss软件分析计算，证明两组项目对比，使用前和使用后的两组疗效或者结果有明显差异p<0.05，显著性差异p<0.01，无差异p>0.05，以此判断训练结果能够提高患者的视力或者视功能指标；

44、c3.通过知识库进行判断：训练10次视力不变或退步统计为训练无效；视力提高一行以上统计为进步，进入恢复期；视力提高两行以上，基本达到或超过年龄标准值统计为训练效果显著，进入巩固期；稳定在年龄标准值及以上统计为治愈。

45、本发明的有益效果：本发明将虚拟现实技术与感知学习相结合，重新设计视功能训练模块，同一屏幕内有两个不同图像，有别于传统的单眼遮盖治疗，可同时使用双眼进行分离式训练，患者佩戴vr眼镜后，过滤掉外界环境中的视觉干扰，扩展了视野，透过镜片，两幅不同的图像经过复杂的视觉通路传递给大脑最终形成一幅图像，训练时将动态的图像呈现给懒惰眼，静态辅助图像呈现给优势眼，懒惰眼最先获得动态视觉信息，得到良好的视觉刺激，在提高视力的同时也锻炼了双眼融合视功能。。