(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211189160.6 (22)申请日 2022.09.28 (71)申请人 赵性泉 地址 100016 北京市丰台区南四环西路1 19 号 申请人 北京慧复科技有限公司 (72)发明人 赵性泉　鞠奕　罗杰　于杨　 (74)专利代理 机构 北京方圆嘉 禾知识产权代理 有限公司 1 1385 专利代理师 程华 (51)Int.Cl. G06T 7/00(2017.01) G06N 3/08(2006.01) G06N 3/04(2006.01) A61B 3/113(2006.01)A61B 5/00(2006.01) (54)发明名称 一种基于神经网络识别眼震特征的系统及 方法 (57)摘要 本发明公开一种基于神经网络识别眼震特 征的系统及方法， 涉及智 能诊断技术领域， 系统 包括： 训练数据集获取模块， 用于获取训练数据 集； 神经网络训练和优化模块， 用于以每组眼球 图片为输入， 以每组眼球图片 对应的眼震类型为 输出， 利用训练数据集对CNN+RNN神经网络进行 训练和优化； 待识别眼球视频获取模块， 用于获 取待识别眼球视频； 待识别片段分割模块， 用于 对待识别眼球视频按照每50帧分割成待识别片 段； 眼震类型识别模块， 用于将每个待识别片段 包括的50张待识别眼球 图片输入优化后的CNN+ RNN神经网络， 识别出眼震类型。 本发明能基于神 经网络实现良性阵发性位置性眩晕诊断中的眼 震识别， 大幅提高对眼震识别的准确度。 权利要求书2页 说明书10页 附图3页 CN 115393345 A 2022.11.25 CN 115393345 A 1.一种基于神经网络识别眼震特 征的系统， 其特 征在于， 所述系统包括： 训练数据集获取模块， 用于获取训练数据集； 所述训练数据集包括多组眼球图片以及 与每组眼球图片对应的眼震类型； 每组眼球图片均包括50张眼球图片； 每组眼球图片均是 对每组眼球图片对应的眼球视频按照每50帧分割成一个片段， 每个片段包括50张眼球图片 得到的； 神经网络训练和优化模块， 用于以每组眼球图片为输入， 以每组眼球图片对应的眼震 类型为输出， 利用所述训练数据集对CNN +RNN神经网络进行训练和优化， 得到优化后的CNN + RNN神经网络； 待识别眼球视频获取模块， 用于获取待识别眼球视频； 待识别片段分割模块， 用于对所述待识别眼球视频按照每5 0帧分割成待识别片段； 眼震类型识别模块， 用于将每个所述待识别片段包括的50张待识别眼球图片输入所述 优化后的CN N+RNN神经网络， 识别出眼震类型。 2.根据权利要求1所述的基于神经网络识别眼震特征的系统， 其特征在于， 所述CNN+ RNN神经网络包括一个resnet50网络和一个lstm网络； 所述resnet50网络去掉最后一层的 结果层后输出到所述 lstm网络 。 3.根据权利要求1所述的基于神经网络识别眼震特征的系统， 其特征在于， 所述50张眼 球图片组成一个50 ×224×224×3的四维矩阵； 每张眼球图片包括224 ×224个像素， 每个像 素包括R、 G、 B三个颜色通道。 4.根据权利要求1所述的基于神经网络识别眼震特征的系统， 其特征在于， 所述眼震类 型包括顺时针、 逆时针、 左水平和右水平； 所述顺时针为患者角度眼球以顺时针方向旋转； 所述逆时针为患者角度眼球以逆时针方向旋转； 所述左水平为患者角度眼球向左移动速度 大于向右 移动速度； 所述右水平为患者角度眼球向右 移动速度大于向左移动速度。 5.一种基于神经网络识别眼震特 征的方法， 其特 征在于， 所述方法包括： 获取训练数据集； 所述训练数据集包括多组眼球图片以及与每组眼球图片对应的眼震 类型； 每组眼球图片均包括50张眼球图片； 每组眼球图片均是对每组眼球图片对应的眼球 视频按照每5 0帧分割成一个片段， 每 个片段包括5 0张眼球图片得到的； 以每组眼球图片为输入， 以每组眼球图片对应的眼震类型为输出， 利用所述训练数据 集对CNN+RNN神经网络进行训练和优化， 得到优化后的CN N+RNN神经网络； 获取待识别眼球视频； 对所述待识别眼球视频按照每5 0帧分割成待识别片段； 将每个所述待识别片段包括的50 张待识别眼球图片输入所述优化后的CNN+RNN神经网 络， 识别出眼震类型。 6.根据权利要求5所述的基于神经网络识别眼震特征的方法， 其特征在于， 所述CNN+ RNN神经网络包括一个resnet50网络和一个lstm网络； 所述resnet50网络去掉最后一层的 结果层后输出到所述 lstm网络 。 7.根据权利要求5所述的基于神经网络识别眼震特征的方法， 其特征在于， 所述50张眼 球图片组成一个50 ×224×224×3的四维矩阵； 每张眼球图片包括224 ×224个像素， 每个像 素包括R、 G、 B三个颜色通道。 8.根据权利要求5所述的基于神经网络识别眼震特征的方法， 其特征在于， 所述眼震类权　利　要　求　书 1/2 页 2 CN 115393345 A 2型包括顺时针、 逆时针、 左水平和右水平； 所述顺时针为患者角度眼球以顺时针方向旋转； 所述逆时针为患者角度眼球以逆时针方向旋转； 所述左水平为患者角度眼球向左移动速度 大于向右 移动速度； 所述右水平为患者角度眼球向右 移动速度大于向左移动速度。权　利　要　求　书 2/2 页 3 CN 115393345 A 3