CN119385494A 一种融合vr和人工智能的眼色觉功能检测系统及方法 （北京邮电大学）

一种融合VR和人工智能的眼色觉功能检测本发明公开了一种融合VR和人工智能的眼障碍定量分析以及色觉障碍与眼底问题关联评2所述人工智能处理模块用于对所述检测数据进行色觉障碍定性分析、色觉所述中心指令控制模块分别与眼固视点分析模块、色觉图像显示模块所述色觉图像显示模块与中心指令控制模块连接，用于依据眼固视所述数据处理模块分别与VR终端设备的各部分相连接，用于数据所述红外眼动追踪摄像头集成于所述VR头戴显示器内，与中心指令控所述眼固视点分析模块包括固视点定位与追踪单元、固视点稳定性与特征分析单元、所述固视点定位与追踪单元用于基于眼动数据定位初始固视点并持续追踪固视点的所述固视点稳定性与特征分析单元用于评估固视点稳定性指标，数据传输与交互协作单元，用于向中心指令控制模块反馈数据所述色觉图像显示模块包括色觉测试图案呈现单元、显示参数动态3所述色觉测试图案呈现单元用于依据固视点显示色觉测试图案并进行多样化图案与所述显示参数动态调整单元用于根据固视点稳定性调整显示稳定所述显示效果优化与校准单元用于色彩校准与一致性保障，控制颜色偏所述数据处理模块包括数据收集与整理单元、数据特征提取与转换单元所述数据收集与整理单元用于多源数据整合，以及数据格式统一据阈值和基于孤立森林算法与局部异常因子算法相结合的混合异常检测模型去除异常数所述数据特征提取与转换单元用于颜色反应数据特征提取，以及眼动数所述数据传输与存储准备单元用于将数据传输至云端系统，然后采用AES_256加密算所述数据传输模块包括数据传输通道建立与维护单元、数据传输高效性与准确性单所述数据传输通道建立与维护单元用于内部模块间的通信链路搭建所述数据传输高效性与准确性单元用于数据打包与序列化，其中，数据所述数据传输安全性与隐私保护单元用于数据加密传输，以及用户算法为AES_256加密算法并结合基于椭圆曲线密码体制的数字签名技术，密钥长度为256所述人工智能处理模块包括色觉障碍定性分析单元、色4所述色觉障碍定性分析单元用于数据深度挖掘与特征学习，采用卷所述色觉障碍定量分析单元用于多源数据量化整合，建立基于深度学习所述色觉障碍与眼底问题关联评估单元，用于采用长短期记忆所述结果输出与反馈支持单元用于分析风险评估结果后整合传输，将色觉障碍定性、受检者佩戴好检测系统后，控制终端发送初始化指令给主机控制数据收集模块收集受检者对虚拟环境中颜色的反应数据以及眼动数据及其相关的固所述图像识别与处理模块对颜色反应数据进行预处理，对眼动数据和固所述人工智能分析模块利用深度学习算法对处理后的数据进行色觉所述反馈模块将统计结果以报告形式展示给用户，并同步发送至数据56数据收集模块收集受检者对虚拟环境中颜色的反应数据以及眼动数据及其相关所述人工智能分析模块利用深度学习算法对处理后的数据进行色觉障碍定性分7图像显示模块，同时根据预设的检测算法和流程逻辑，精确控制色觉测试图案的显示时机8波算法与粒子滤波算法相结合的混合滤波模型，对固视点位置信息进行高精度实时更新，精确记录固视点在不同时间点的位置变化情况，包括水平和垂直方向的位移量（精确到固视点稳定性数据模型（该模型采用大数据聚类分析与深度学习分类模型相结合的方式建9参数以及特征信息等以特定的加密数据传输协议（如基于SSL/TLS协议的自定义加密传输息，依据这些信息在VR头戴显示器上的对应位置以超高精度呈现色觉测试图案。其色彩显颜色组合的图案。从存储的海量色觉测试图案库中选取合适的图案进行显示，图案库中包于CIE1931色彩空间定义以初步判断受检者是否存在色觉异常。如果受检者在这一阶段更为细微的图案，如不同色调和饱和度的红色与绿色混合图案（混合比例可在0.1:9.9_统内置的超精准色彩标准数据库（采用CIE1931色彩空间与CIELAB色彩空间相结合的多维极小范围内。对色觉测试图案的显示效果进行全方位增强处理，采用先进的边缘平滑算法对比度的偏好数据，采用基于用户画像与视觉感知模型相结合的个性化分析方法采用智能亮度调整算法（基于环境光传感器与机器学习回归模型相结合的算法）和伽马值校正算避免过亮或过暗的显示对眼睛造成不适。精度的准确率变化曲线（采用基于三次样条插值与高斯过程回归相结合的曲线拟合德尔和谐系数相结合的多维度相关性分析方法或者固视点的移动轨迹特征是否能够有一些关键数据临时存储在本地缓存中，数据缓存采用基于LRU_K算法与2Q算法相结合的混1秒发送多类型心跳包，当出现连接中断或异常波动时，采取重新连接或动态调整网络参更具体地，数据传输通道建立与维护单元负责在系统内部各个模块之间构建稳式的自定义扩展格式以及色觉图像显示模块记录的关于色觉测试图案显示的相关参数能够进行高效的信息交互。数据传输模块在完成对收集数据的初步处理后，能够通过数据传输模块将处理后的结果及时反馈给中心指令控制模块，反馈数据格式为基于XML格式的自定义反馈格式，以便中心指令控制模块根据这些结果灵活调整后续的检测流程和指令发送。建立VR终端设备与云端数据存储与人工智能处理模块之间的可靠连接。这种连接能够自适应不同的网络环境，无论是在医院内部的高速局域网环境（网络带宽可达10Gbps及以星通信等，并能根据网络状况自动切换和优化数据传输模块都能够自动识别并采用合适的网络协议和通信方式（如在局域网环境下采用基于TCP/IP协议的自定义优化协议，在互联网环境下根据网络状况自动切换5G/有线宽带/卫星通信，并采用相应的自适应优化协议确保数据能够顺利传输。持续监控和维护这条连接通道的稳定性，通过采用先进的网定义应用层协议的智能心跳包）来检测网络连接是否正常，一旦发现连接中断或出现异常波动（如网络延迟超过50毫秒或丢包率超过1%数据传输模块会自动尝试重新连接（重新格参与用户认证和授权过程。确保只有经过授权的设备和用户能够访问和传输检测数据。色觉障碍定性分析单元，用于数据深度挖掘与特征学习，采用卷积神经网络以及受检者观察图案时的眼动轨迹图像进行特征学习，其网络结构包括10层以上卷积层点在红色区域的抖动幅度平均增加5像素以上，在绿色区域的停留时间平均缩短0.5秒以基于深度学习的回归模型与传统统计回归模型相结合的混合模型，以及精确程度评估输以及潜在风险预测判断，根据检测到的色觉障碍特征，利用训练好的模型输出眼底疾病风测数据与丰富的眼底疾病临床数据进行深度关联学习。深度学习算法采用长短期记忆且与眼部生理结构和功能网络密切相关，LSTM网络能够有效地处理色觉检测数据的时间序对于黄斑病变患者，其色觉障碍可能随着眼底病变的加重而逐渐表现出特定的颜色识别异常模式（如对蓝色和黄色的辨别能力逐渐下降，颜色识别错误类型从偶尔的混淆逐渐变为应视野区域的稳定性逐渐降低，抖动幅度逐渐增大，移动轨迹变得不规则且具有特定的分形特征LSTM_GNN网络能够捕捉到这些变化之间的长期依赖关系以及在眼部生理网络中的关联传播路径。在预测判断时，当检测到受检者的色觉障碍特征符合某种与眼底疾病相关的模式时，系统根据训练好的模型输出眼底疾病风险评估结果，包括可能涉及的眼底疾受检者在蓝色与黄色刺激下色觉敏感度严重下降（色觉敏感度得分低于20分且固视点在对应视野区域出现不稳定的跳动或偏移（固视点抖动幅度超过25像素且移动轨迹的不规则性指标超过0.9同时结合其他相关数据特征，系统可能预测受检者存在黄斑病变的风险，并根据模型给出相应的风险概率评估（如65.5%的黄斑病变风险为眼科医生进行早期眼底疾病筛查和诊断提供极具价值的线索和辅助决策依据，从而实现对眼科疾病的早发现、及与眼底问题关联评估结果整合为详细报告并传输给反馈模块，以及智能决策辅助支持，将色觉障碍定性分析、定量分析以及与眼底问题关联评估的结果进行全面整合，一位45岁的女性患者因怀疑有色觉问题前来就诊。在使用本发明的检测系统时，[0045]本实施例的智能个性化检