一种面向视障人群的辅具智能适配方法

本发明涉及医学康复与计算机信息科学，具体涉及一种面向视障人群的辅具智能适配方法。

背景技术：

1、目前，对于视障人群的辅具适配主要通过临床医生对患者的功能性视力的诊断结合患者自身需求，根据临床医生的个人经验得出最终适配方案。由于诊断过程中涉及大量主观评价，因此，对于视障人群的辅具适配这一任务存在着适配金标准难统一、适配效果难评估、适配方法难推广等问题，难以满足我国庞大视障人群的实际需求。

技术实现思路

1、有鉴于此，本发明提供了一种面向视障人群的辅具智能适配方法，能够解决现有技术对于视障人群的辅具适配存在着适配金标准难统一、适配效果难评估、适配方法难推广的技术问题。

2、为了解决上述技术问题，本发明是这样实现的。

3、一种面向视障人群的辅具智能适配方法，所述方法包括如下步骤：

4、步骤s1：获取待配置视障辅具的用户的icf数据，所述icf数据是国际残疾健康功能分类标准中与视力相关的多个项目的数值组成的特征向量，其中，每个项目对应一个数值；

5、步骤s2：将所述待配置视障辅具的用户的icf数据输入训练完毕的视障辅具模型，所述视障辅具模型包括多个彼此独立的视障辅具子模型，每个视障辅具子模型为对应于一种视觉辅具是否适配的二分类模型；视障辅助子模型根据输入，确定其对应的视觉辅具的解决方案，将其对应的视觉辅具的解决方案作为所述视障辅助子模型的输出；每个视障辅具子模型均包括特征提取模块及分类模块，特征提取模块用于提取所述待配置视障辅具的用户的icf数据的特征，各特征提取模块之间参数共享；所述分类模块用于输出所述待配置视障辅具的用户是否适配所述视障辅助子模型对应的视觉辅具。

6、优选地，所述方法还包括步骤s3：根据机器学习模型为所述待配置视障辅具的用户进行辅具适配后，到达预定时间，对所述用户的辅具适配效果进行回访调查；基于icf再次对所述用户进行评分，若回访得到的数据中用户参与部分的平均分大于或等于适配前的得分，则认为该类辅具适合该用户，若用户参与部分的平均分小于适配前的得分，则认为该类辅具不适合该用户；将该用户的回访数据及验证结果存入数据集，以扩大数据集规模，在完成数据集更新后，再次重新训练视障辅具模型。

7、优选地，所述特征向量的维度为与国际残疾健康功能分类标准中与视力相关的项目的个数，每个维度对应一个项目的归一化后的得分，所述归一化后的得分的获取方式为，获取所述项目对应的分值，以及所述项目在国际残疾健康功能分类标准中能够取值的取值数，归一化后的得分等于所述项目对应的分值除以所述项目在国际残疾健康功能分类标准中所有取值数的最大值。

8、优选地，所述特征提取模块的参数使用回放策略进行训练，各个视障辅助子模型的特征提取模块之间参数共享；每个视障辅具子模型均在其对应的特征提取模块的参数训练完毕后训练其对应的分类模块，从而得到训练完毕的视障辅具模型。

9、优选地，所述视障辅具模型的训练方式为：

10、步骤s21：获取训练样本，所述训练样本包括多个icf样本数据及与各个icf样本数据对应的标签；

11、步骤s22：将所述多个icf样本数据同时输入所述视障辅具模型，基于与各个icf样本数据对应的标签，对所述视障辅具模型所包括的各个视障辅助子模型中的特征提取模块的参数进行训练；所述特征提取模块的参数使用回放策略进行训练，各个视障辅助子模型的特征提取模块之间参数共享；在特征提取模块训练中，输出的精度符合预设要求后，固定特征提取模块的参数，再训练各个分类模块。

12、优选地，所述视障辅具模型的损失函数loss为：

13、

14、在特征提取模块与分类模块的训练中，均利用4折交叉验证进行超参数的调优，调优标准f1为：

15、

16、其中

17、其中，x为icf样本数据归一化后得到的特征向量，yn为待配置视障辅具的用户对第n种辅具是否适配的判断结果，n为视障辅助子模型编号，为第n个子模型的输出结果，pre为精确率，rec为召回率，tp为真阳性样本的数目，fp为假阳性样本的数目，fn为假阴性样本的数目。

18、优选地，所述回放策略为将icf样本数据与各类视障辅具标签{x,yn}依次作为训练输入对特征提取模块进行训练，并且在输入数据为{x,yn}时，将上一轮训练中的模型输出最高的m个{x,yn-1}作为回放样本，与此轮的{x,yn}共同训练。

19、本发明所带来的有益技术效果：

20、(1)本发明基于国际残疾健康功能分类标准(icf)对视障患者的视功能、身体功能、自身需求以及家庭社会环境建立全面数字化描述，从而为各项主观评价提供量化方法；

21、(2)本发明利用机器学习模型为视障患者的数字化描述与所需辅具方案建立起联系，从而能够快速地为视障患者进行辅具适配；

22、(3)本发明结合icf数据特点，设置了视障辅具模型的训练方式，提供的输出结果更准确；

23、(4)本发明方法简便易行。

24、(4)该方案可形成标准流程，适合大规模推广应用。

技术特征：

1.一种面向视障人群的辅具智能适配方法，其特征在于，所述方法包括如下步骤：

2.如权利要求1所述的方法，其特征在于，所述方法还包括步骤s3：根据机器学习模型为所述待配置视障辅具的用户进行辅具适配后，到达预定时间，对所述用户的辅具适配效果进行回访调查；基于icf再次对所述用户进行评分，若回访得到的数据中用户参与部分的平均分大于或等于适配前的得分，则认为该类辅具适合该用户，若用户参与部分的平均分小于适配前的得分，则认为该类辅具不适合该用户；将该用户的回访数据及验证结果存入数据集，以扩大数据集规模，在完成数据集更新后，再次重新训练视障辅具模型。

3.如权利要求1所述的方法，其特征在于，所述特征向量的维度为与国际残疾健康功能分类标准中与视力相关的项目的个数，每个维度对应一个项目的归一化后的得分，所述归一化后的得分的获取方式为，获取所述项目对应的分值，以及所述项目在国际残疾健康功能分类标准中能够取值的取值数，归一化后的得分等于所述项目对应的分值除以所述项目在国际残疾健康功能分类标准中所有取值数的最大值。

4.如权利要求1所述的方法，其特征在于，所述特征提取模块的参数使用回放策略进行训练，各个视障辅助子模型的特征提取模块之间参数共享；每个视障辅具子模型均在其对应的特征提取模块的参数训练完毕后训练其对应的分类模块，从而得到训练完毕的视障辅具模型。

5.如权利要求1所述的方法，其特征在于，所述视障辅具模型的训练方式为：

6.如权利要求1所述的方法，其特征在于，所述视障辅具模型的损失函数loss为：

7.如权利要求4-5中任一项所述的方法，其特征在于，所述回放策略为将icf样本数据与各类视障辅具标签{x,yn}依次作为训练输入对特征提取模块进行训练，并且在输入数据为{x,yn}时，将上一轮训练中的模型输出最高的m个{x,yn-1}作为回放样本，与此轮的{x,yn}共同训练。

技术总结
本发明公开了一种面向视障人群的辅具智能适配方法，所述方法包括：获取待配置视障辅具的用户的ICF数据；将所述待配置视障辅具的用户的ICF数据输入训练完毕的视障辅具模型，所述视障辅具模型包括多个彼此独立的视障辅具子模型，每个视障辅具子模型为对应于一种视觉辅具是否适配的二分类模型；视障辅助子模型根据输入，确定其对应的视觉辅具的解决方案，将其对应的视觉辅具的解决方案作为所述视障辅助子模型的输出。本方法基于国际残疾健康功能分类标准(ICF)建立全面数字化描述，从而为各项主观评价提供量化方法；利用机器学习模型为视障患者的数字化描述与所需辅具方案建立起联系，从而能够快速地为视障患者进行辅具适配。

技术研发人员：胡建民,兰海,施文建,陈婷,陈雪兰
受保护的技术使用者：福建医科大学附属第二医院
技术研发日：
技术公布日：2024/2/1