一种基于机器学习的人工晶状体屈光度数计算系统技术方案

本发明专利技术涉及一种基于机器学习的人工晶状体屈光度数计算系统，其包括：预测模型，输入模块，计算模块，附加模块，输出模块。其中所述计算模块指，基于预测模型，以目标等效球镜度为理想值，以白内障患者术前信息为输入，获取拟植入人工晶状体（Intraocular Lens，IOL）的屈光度数；所述附加模块，用于提供若干不同的模拟人工晶状体屈光度数至所述计算模块，并由计算模块生成不同模拟人工晶状体屈光度数对应的术后验光等效球镜度。充分利用人工智能主动学习数据特征，自主优化计算误差的能力，精准计算白内障术中所需植入人工晶状体屈光度数，匹配各维度眼球生物参数，对极值眼球生物参数的眼球预测准确性更高。

【技术实现步骤摘要】
一种基于机器学习的人工晶状体屈光度数计算系统
本专利技术涉及人工智能医疗数据分析领域，具体涉及一种基于机器学习的人工晶状体屈光度数计算系统，可以实现通过输入的白内障患者术前信息及拟植入人工晶状体信息计算患者所需植入人工晶状体屈光度数及术后等效球镜度。
技术介绍
白内障手术已由复明手术转为屈光手术，准确计算白内障患者适用人工晶状体屈光度数，精准预测术后屈光状态是极为重要的一步。2019年，一项多中心大样本研究显示，存在17.9%的患者预测误差超过0.5D。影响人工晶状体屈光度数主要来源于两个方面:人工晶状体计算公式和眼球的生物学测量。目前本领域机构和人员可以通过各种精确的测量手段来准确地检测眼球参数，人工晶状体计算公式仍是预测误差的主要来源。Hagis、SRK/T、HofferQ和BarrettUniversalⅡ等是目前使用广泛的人工晶状体计算公式，是在人眼几何光学模型推导的理论公式基础上结合临床资料回归得出。所适用的眼部参数值的范围相对固定，对于不同生物学参数值的眼球的人工晶状体度数测算，尤其对于极值的生物学参数，如超长/短眼轴、陡峭本文档来自技高网...

【技术保护点】
1.一种基于机器学习的人工晶状体屈光度数计算系统，其特征在于：其包括：/n预测模型，以白内障患者数据库为训练样本，以训练样本的术前信息及术后医学验光的等效球镜度为训练属性，应用机器学习算法训练生成；/n输入模块，用于输入白内障患者术前信息以及目标等效球镜度；/n计算模块，基于所述预测模型，以目标等效球镜度为理想值，以白内障患者术前信息为输入数据，获取拟植入人工晶状体的屈光度数；/n附加模块，用于提供若干不同的模拟人工晶状体屈光度数至所述计算模块，并由计算模块生成不同模拟人工晶状体屈光度数对应的预测等效球镜度；/n输出模块，用于输出计算模块生成的接近目标等效球镜度的若干预测等效球镜度及对应的人工...

【技术特征摘要】
1.一种基于机器学习的人工晶状体屈光度数计算系统，其特征在于：其包括：
预测模型，以白内障患者数据库为训练样本，以训练样本的术前信息及术后医学验光的等效球镜度为训练属性，应用机器学习算法训练生成；
输入模块，用于输入白内障患者术前信息以及目标等效球镜度；
计算模块，基于所述预测模型，以目标等效球镜度为理想值，以白内障患者术前信息为输入数据，获取拟植入人工晶状体的屈光度数；
附加模块，用于提供若干不同的模拟人工晶状体屈光度数至所述计算模块，并由计算模块生成不同模拟人工晶状体屈光度数对应的预测等效球镜度；
输出模块，用于输出计算模块生成的接近目标等效球镜度的若干预测等效球镜度及对应的人工晶状体的屈光度数。


2.根据权利要求1所述的一种基于机器学习的人工晶状体屈光度数计算系统，其特征在于：所述训练样本基于白内障患者数据库，包括白内障患者样本数据和标签信息，并将所述白内障患者数据库按比例划分为训练集和测试集。


3.根据权利要求2所述一种基于机器学习的人工晶状体屈光度数计算系统，其特征在于：所述白内障患者样本数据为身份信息、人口学信息、眼部生物学参数以及人工晶状体信息。


4.根据权利要求3所述一种基于机器学习的人工晶状体屈光度数计算系统，其特征在于：所述白内障患者标签信息为同一患者同一眼别白内障术后医学验光的等效球镜度。

【专利技术属性】
技术研发人员：俞阿勇，周开晶，梅健琪，
申请(专利权)人：温州医科大学，
类型：发明
国别省市：浙江;33