一种近视预测模型的训练方法、近视预测方法及装置

本发明涉及近视预测，且更具体地，涉及一种近视预测模型的训练方法、近视预测方法及装置。

背景技术：

1、近视是临床眼科门诊最常见的疾病，近年来，近视呈现低龄化特点，越来越多的青少年存在近视问题，近视已经严重影响青少年的视觉健康。因此为了尽早采取有效的干预措施，对青少年近视的发展状态进行预测至关重要。目前，在对青少年近视的发展状态进行预测时，常常采用经验法，经验法严重依赖于预测人的经验，主观性强，稳定性和准确性较差。

技术实现思路

1、本发明提供了一种近视预测模型的训练方法、装置、计算机可读存储介质及电子设备，以解决现有技术中视力预测稳定性和准确性较差的技术问题。

2、根据本发明的第一方面，提供了一种近视预测模型的训练方法，包括：

3、对训练对象在不同时间点分别对应的眼底图像进行特征提取，得到不同时间点分别对应的全眼底特征和目标眼底结构特征；

4、针对每一训练对象的每一时间点，将所述训练对象在所述时间点对应的所述全眼底特征、所述目标眼底结构特征和个人生物学信息向量进行拼接，得到所述训练对象在所述时间点对应的拼接特征；

5、基于不同时间点分别对应的所述拼接特征，构建输入特征序列；并将所述输入特征序列输入预设深度学习模型，得到视力预测结果；

6、基于所述视力预测结果和标注数据对所述预设深度学习模型进行训练，得到符合训练结束条件的近视预测模型。

7、可选地，所述基于不同时间点分别对应的所述拼接特征，构建输入特征序列，包括：

8、针对每一训练对象：

9、在不同时间点中选取预测时间点，并在不同时间点中确定出在所述预测时间点之前的在先时间点；

10、确定各个在先时间点与所述预测时间点间的时间差；

11、以各个在先时间点分别对应的所述拼接特征和所述时间差为序列元素，构建所述输入特征序列。

12、可选地，所述对训练对象在不同时间点分别对应的眼底图像进行特征提取，得到不同时间点分别对应的目标眼底结构特征，包括：

13、针对每一眼底图像：

14、对所述眼底图像进行分割处理或检测处理，得到至少一个眼底结构区域；

15、对每一眼底结构区域进行特征提取，得到每一眼底结构区域对应的第一眼底结构特征；

16、基于各个第一眼底结构特征，得到所述目标眼底结构特征。

17、可选地，所述方法还包括：

18、获取第二眼底结构特征，所述第二眼底结构特征为数值型特征；

19、所述基于各个第一眼底结构特征，得到所述目标眼底结构特征，包括：

20、基于各个第一眼底结构特征和所述第二眼底结构特征，得到所述目标眼底结构特征。

21、可选地，在所述对训练对象在不同时间点分别对应的眼底图像进行特征提取，得到不同时间点分别对应的全眼底特征和目标眼底结构特征的步骤前，所述方法还包括：

22、获取训练对象在不同时间点对应的原始眼底图像；

23、在所述原始眼底图像中存在目标眼底图像的情况下，在所述原始眼底图像中删除所述目标眼底图像，以得到所述训练对象在不同时间点分别对应的眼底图像；所述目标眼底图像中包含预设外部因素。

24、根据本发明的第二方面，提供了一种近视预测方法，包括：

25、对目标对象在不同时间点分别对应的眼底图像进行特征提取，得到不同时间点分别对应的全眼底特征和目标眼底结构特征；

26、针对每一时间点，将所述时间点对应的所述全眼底特征、所述目标眼底结构特征和个人生物学信息向量进行拼接，得到所述时间点对应的拼接特征；

27、基于目标预测时间点和不同时间点分别对应的所述拼接特征，构建输入特征序列；并将所述输入特征序列输入近视预测模型，得到视力预测结果；

28、其中，所述近视预测模型是上述的近视预测模型的训练方法训练得到。

29、根据本发明的第三方面，提供了一种近视预测模型的训练装置，包括：

30、特征提取模块，用于对训练对象在不同时间点分别对应的眼底图像进行特征提取，得到不同时间点分别对应的全眼底特征和目标眼底结构特征；

31、特征拼接模块，用于针对每一训练对象的每一时间点，将所述训练对象在所述时间点对应的所述全眼底特征、所述目标眼底结构特征和个人生物学信息向量进行拼接，得到所述训练对象在所述时间点对应的拼接特征；

32、特征输入模块，用于基于不同时间点分别对应的拼接特征，构建输入特征序列；并将所述输入特征序列输入预设深度学习模型，得到视力预测结果；

33、模型训练模块，用于基于所述视力预测结果和标注数据对所述预设深度学习模型进行训练，得到符合训练结束条件的近视预测模型。

34、根据本发明的第四方面，提供了一种近视预测装置，包括：

35、特征提取模块，用于对目标对象在不同时间点分别对应的眼底图像进行特征提取，得到不同时间点分别对应的全眼底特征和目标眼底结构特征；

36、特征拼接模块，用于针对每一时间点，将所述时间点对应的所述全眼底特征、所述目标眼底结构特征和个人生物学信息向量进行拼接，得到所述时间点对应的拼接特征；

37、视力预测模块，用于基于目标预测时间点和不同时间点分别对应的所述拼接特征，构建输入特征序列；并将所述输入特征序列输入近视预测模型，得到视力预测结果；

38、其中，所述近视预测模型是上述的近视预测模型的训练方法训练得到。

39、根据本发明的第五方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述方法。

40、根据本发明的第六方面，提供了一种电子设备，所述电子设备包括：

41、处理器；

42、用于存储所述处理器可执行指令的存储器；

43、所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述方法。

44、与现有技术相比，本发明提供的近视预测模型的训练方法、近视预测方法、装置、计算机可读存储介质及电子设备，至少包括以下有益效果：

45、本发明的技术方案通过对训练对象在不同时间点分别对应的眼底图像进行特征提取，得到不同时间点分别对应的全眼底特征和目标眼底结构特征。然后将同一训练对象在同一时间点对应的全眼底特征、目标眼底结构特征和个人生物学信息向量进行拼接，得到每一训练对象在每一时间点分别对应的拼接特征。进一步基于不同时间点分别对应的拼接特征，构建输入特征序列，并将输入特征序列输入预设深度学习模型，得到视力预测结果；进而基于视力预测结果和标注数据对预设深度学习模型进行训练，得到符合训练结束条件的近视预测模型。该近视预测模型引入不同时间点的全眼底特征、目标眼底结构特征和个人生物学信息向量，有利于近视预测模型学习到视力变化趋势，该近视预测模型可以对视力进行准确的预测，避免引入人为因素，提高视力预测结果的客观性和稳定性。