【技术实现步骤摘要】
一种适用于高度近视白内障的手术智能决策系统及其建立方法
本专利技术属于医疗人工智能
，涉及一种眼科人工智能手术决策系统，具体涉及一种适合于高度近视白内障的手术智能决策系统及其建立方法。
技术介绍
高度近视白内障是指眼轴长度大于等于26mm的白内障，调查研究显示发病率已超过三甲医院白内障患者的30％，且呈逐年增高趋势。高度近视白内障多发生于晶状体核或后囊膜下，因处于光线通过的集中区域，早期即可对视力产生影响。高度近视白内障的手术决策至关重要，过于激进的治疗可能会给患者的眼底造成不必要的干扰，加速眼底的病变，或者因手术并发症大大影响患者原本良好的视功能，而延误的治疗则会因为白内障程度过重，大大增加手术的难度系数和并发症风险，因此找到最佳的手术时机非常关键。但是，由于高度近视白内障的决策往往需要综合考虑患者视力、屈光状态、白内障程度和眼底病变的影响，更多地依赖于医生的经验判断，很多社区医院等非专科医疗机构对其手术决策无法形成准确统一的判断，因此很大程度上影响了其治疗。人工智能技术已逐渐应用于医疗服务中，在辅助诊断、治...
【技术保护点】
1.一种适用于高度近视白内障的手术智能决策系统的建立方法，其特征在于，包括以下步骤：/n构建手术智能决策系统深度学习模型，由评估与决策两个网络组成；评估网络根据眼前节图像晶状体混浊程度与核颜色，做出LOCSIII分级、Emery核硬度分级，同时根据OCT结果对眼底病变做出分型和程度评估，包括晶状体混浊度的LOCSIII分级深度学习模型、Emery核硬度分级深度学习模型、眼底判定模型；决策网络在所述晶状体混浊度的LOCSIII分级深度学习模型、Emery核硬度分级深度学习模型、眼底判定模型输出的基础上，将白内障程度和眼底分级与患者基本信息、视力、眼压、A超/IOLmaster...
【技术特征摘要】 【专利技术属性】
1.一种适用于高度近视白内障的手术智能决策系统的建立方法，其特征在于，包括以下步骤：
构建手术智能决策系统深度学习模型，由评估与决策两个网络组成；评估网络根据眼前节图像晶状体混浊程度与核颜色，做出LOCSIII分级、Emery核硬度分级，同时根据OCT结果对眼底病变做出分型和程度评估，包括晶状体混浊度的LOCSIII分级深度学习模型、Emery核硬度分级深度学习模型、眼底判定模型；决策网络在所述晶状体混浊度的LOCSIII分级深度学习模型、Emery核硬度分级深度学习模型、眼底判定模型输出的基础上，将白内障程度和眼底分级与患者基本信息、视力、眼压、A超/IOLmaster报告、角膜内皮计数、角膜散光、B超报告信息结合，通过核函数映射到高维空间后，建立线性回归模型；
构建训练集；所述训练集中每条记录需包括：患者的基本信息、视力、眼压、包含眼轴长度和前房深度的A超/IOLmaster报告、角膜内皮计数、角膜散光、B超报告、包含斜照法和后照法的眼前节照相、眼底OCT、专业医生的诊断结果、术后评估结果；所述专业医生的诊断结果包括：正常或白内障、白内障LOCSIII分级、Emery核硬度分级、眼底OCT解读、手术决策；所述术后评估结果包括：术后矫正视力、术后患者满意度；
模型用训练集进行训练学习、调参，然后模型经过相关数据集的测试，测试集每条记录包括的项目种类和要求与训练集资料相同，直至达到性能和准确度的要求。
2.根据权利要求1所述的建立方法，其特征在于，所述晶体混浊度的LOCSIII分级深度学习模型，是以卷积神经网络为主体的分级回归算法，所采用的深度学习框架基于VGG，Inception或ResNet。
3.根据权利要求1所述的建立方法，其特征在于，所述Emery核硬度深度学习模型，是在晶体混浊度的LOCSIII分级深度学习模型基础上建立，其方法是用晶体混浊度的LOCSIII分级深度学习模型对Emery核硬度模型进行初始化，然后用核硬度数据对模型进行调优，包括必要的数据扩增、BatchNormalization、Drop-out策略、学习率的调整策略，通过一定量的标注数据，获得尽可能高的预测精度。
4.根据权利要求1所述的建立方法，其特征在于，所述眼底判定模型是基于一张、两张或两张以上OCT影像、患者的基本信息、对应眼的术前视力，预测患者术后视力可达到的最佳水平。
技术研发人员：竺向佳，孟佳琪，卢奕，丁大勇，
申请(专利权)人：复旦大学附属眼耳鼻喉科医院，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。