一种基于眼震识别的耳石症诊断模型的构建方法及系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115223233A(43)申请公布日2022.10.21(21)申请号202210806323.4G16H50/50(2018.01)(22)申请日2022.07.08G06N3/04(2006.01)G06N3/08(2006.01)(71)申请人中山大学孙逸仙纪念医院地址510000广东省广州市沿江西路107号申请人华南农业大学(72)发明人蔡跃新黄栋区永康(74)专利代理机构深圳市圳博友邦专利代理事务所(普通合伙)44600专利代理师王芬思(51)Int.Cl.G06V40/18(2022.01)G06V10/774(2022.01)G06V10/80(2022.01)G06V10/82(2022.01)G16H50/20(2018.01)权利要求书1页说明书5页附图1页(54)发明名称一种基于眼震识别的耳石症诊断模型的构建方法及系统(57)摘要本发明提供一种基于眼震识别的耳石症诊断模型的构建方法及系统。所述基于眼震识别的耳石症诊断模型的构建方法及系统包括以下步骤：T1：获取人群的多组双眼眼震视频和人口学信息，所述人群包括非健康人群和健康人群，所述非健康人群包括不同受累半规管的耳石症人群，包括左/右水平半规管、左/右前半规管，左/右后半规管受累的耳石症人群；T2：对每组所述双眼眼震视频进行预处理，使用人工智能算法实现眼球自动定位，得到每组双眼眼震视频的运动轨迹及运动特征。本发明提供的基于眼震识别的耳石症诊断模型的构建方法及系统具有能够提高耳石症诊断的准确性与稳定性理的优点。CN115223233ACN115223233A权利要求书1/1页1.一种基于眼震识别的耳石症诊断模型的构建方法，其特征在于，包括以下步骤：T1：获取人群的多组双眼眼震视频和人口学信息，所述人群包括非健康人群和健康人群，所述非健康人群包括不同受累半规管的耳石症人群，包括左/右水平半规管、左/右前半规管，左/右后半规管受累的耳石症人群；T2：对每组所述双眼眼震视频进行预处理，使用人工智能算法实现眼球自动定位，得到每组双眼眼震视频的运动轨迹及运动特征，基于所有所述每组双眼眼震视频的运动轨迹及运动特征构建训练样本集；T3：利用所述训练样本集中的非健康样本和健康样本构建第一步骤分类器；T4：利用所述训练样本集中的不同类型的耳石症样本构建第二步骤分类器；T5：对所述第一步骤分类器和所述第二步骤分类器进行整合处理，得到耳石症诊断模型。2.根据权利要求1所述的基于眼震识别的耳石症诊断模型的构建方法，其特征在于，所述双眼眼震视频包括双眼在连续时间序列的眼部视频。3.根据权利要求1所述的基于眼震识别的耳石症诊断模型的构建方法，其特征在于，所述对每组所述双眼眼震视频进行预处理，包括以下步骤：对每个所述双眼眼震视频的亮度通道进行白平衡归一化处理；提取经过白平衡归一化处理的所述双眼眼震视频的非闭眼连续时间序列；针对所述双眼眼震视频的非闭眼连续时间序列进行精确提取处理，得到所述有效双眼眼震视频的非闭眼连续时间序列。4.根据权利要求3所述的基于眼震识别的耳石症诊断模型的构建方法，其特征在于，所述对每组所述双眼眼震视频进行预处理，还包括以下步骤：对所述双眼眼震视频的非闭眼连续时间序列进行数据增广处理。对所述双眼眼震视频的非闭眼连续时间序列进行眼球定位。对所述双眼眼震视频的非闭眼连续时间序列进行眼球运动轨迹及运动特征的提取。5.根据权利要求1所述的基于眼震识别的耳石症诊断模型的构建方法，其特征在于，所述利用所述训练样本集中的非健康样本和健康样本构建第一步骤分类器，包括以下步骤：将所述非健康样本作为病例组样本，将所述健康样本作为对照组样本，使用多元、多视角、多阶段的迁移学习方法对深度神经网络进行训练，得到所述第一步骤分类器。6.根据权利要求1所述的基于眼震识别的耳石症诊断模型的构建方法，其特征在于，所述利用所述训练样本集中的不同类型的耳石症样本构建第二步骤分类器，包括以下步骤：将所述不同类型的耳石症样本作为相互对照组样本，使用多元、多视角、多阶段的迁移学习方法对深度神经网络进行训练，得到所述第二步骤分类器。7.一种壁基于眼震识别的耳石症诊断模型的构建系统，其特征在于，包含至少一个处理器和与所述处理器连接的存储器，其中：所述存储器用于存储计算机程序或指令；所述处理器用于获取并执行所述计算机程序或指令，以使所述电子设备实现如权利要求1～6任一项所述的基于眼震识别的耳石症诊断模型的构建方法。2CN115223233A说明书1/5页一种基于眼震识别的耳石症诊断模型的构建方法及系统技术领域[0001]本发明涉及计算机科学人工智能技术领域，尤其涉及一种基于眼震识别的耳石症诊断模型的构建方法及系统。背景技术[0002]良性阵发性位置性