一种基于人工智能优化算法的角膜塑形镜制造技术

基于人工智能优化算法，本发明专利技术专利提出一种角膜塑形镜的设计方法，通过优化角膜塑形镜和角膜之间泪液层的形态和控制基弧非球面产生的离焦量，以自由曲面的方式，个性化的生成角膜塑形镜的分布参数，大大降低视光验配试戴的次数以及对验配师经验的依赖，简化验配流程，最终形成流程化，标准化的设计方式。标准化的设计方式。标准化的设计方式。

【技术实现步骤摘要】
一种基于人工智能优化算法的角膜塑形镜


[0001]本专利技术涉及角膜接触镜
，尤其是涉及角膜塑形镜领域，同时也涉及到离焦镜片以及角膜塑形镜与离焦方法的结合。

技术介绍

[0002]角膜塑形技术最早来源于美国，是一种特殊设计的高透氧、硬性角膜接触镜，主要通过夜间配戴，通过机械压迫、镜片移动的按摩作用及泪液的流体力学作用，使角膜中央压平，从而改变中央角膜的曲率，达到暂时减低近视度数的作用，达到矫正视力的目的。角膜塑形镜采用透气性硬性角膜接触镜材料，即通过高透氧的RGP材料，逐渐改进形成具有不同透氧系数的材料。目前的镜片材料主要来自BOSTON、PARAGON和CONTAMAC。易安易、露晰得、欧普康视等公司采用BOSTON XO材料，透氧系数为100；欧几里德、亨泰等公司采用BOSTON EQUALENSII材料，透氧系数为；阿尔法公司采用BOSTON NEM 材料；爱博诺德公司采用CONTAMAC材料。BOSTON材质是目前全球用量最大、使用最普遍、使用人数最多的材料，透氧与湿润度都较高，舒适度也不错。 PARAGON材质目前国内仅有美国菁视使用，也属于较新型的材料，各方面表现都比较平衡，最大的特色就是其材料的纯度最高。
[0003]角膜塑形镜设计一般采用试戴片，用试戴评估技术，主要的验配过程是：首先采用角膜地形图设备得到受试者角膜的地形分布情况，主要是角膜中心区域附近的平坦轴屈光度；计算距离角膜中心2mm左右即直径4mm圆上，最大和最小角膜矢高差值，小于50um左右可以佩戴正常的角膜塑形镜，如果过大，或者医生认为矢高分布异常，可以采用散光型角膜塑形镜，从而根据角膜的形态，先确定角膜塑形镜的类型；其次，根据角膜平坦轴屈光度选择合适的试戴片，试戴片的选择建议由松到紧，在配戴塑形镜10分钟30分钟后会进行荧光染色评价。评价的标准是，基弧区呈现圆环形黑色分布，且环闭合无漏液，基弧的范围足够大，反转弧呈淡绿色内分布，内有泪液，基弧和反转弧的边界清晰，适配弧区呈圆环形黑色分布，边弧区呈细的淡绿色分布，总体来讲，角膜活动度适中，下坠后，可以恢复到原先的位置，在试戴过程中，可以采用客观验光仪，测试对受试者进行片上验光，已确定试戴片降幅的合理性，一般片上验光度数范围应该在近视、远视50度之间较为合理，用裂隙灯检查角膜上皮细胞的完整性，有无点染等等，如果不符合上述佩戴取下试戴片，降低试戴片的度数，重复上述过程；最后，试戴1小时左右，取下角膜塑形镜，给出佩戴后的角膜地形图分布情况，如果角膜地形图分布有明显的离焦环，环足够大、密闭并且居中，表明试戴片验配合理，如果环明显偏小或者偏位，需要重新换片进行试戴，采用客观验光仪测试裸眼视力，判断1小时左右近视降幅；
[0004]总之，角膜塑形镜参数确定不能依靠一次评价就完成，往往需要多次、反复的评估，特别是戴镜后不同时间的镜片评估。而且角膜塑形验配的关键因素在于如何通过荧光素评估调整试戴片，最终找到适合的镜片。目前最大的问题是使用试戴评估技术，限于医生眼睛的观察，精度对荧光素图谱的识别，依赖于医生的经验，非常不利于标准化和流程化，限制了角膜塑形镜向二线以及三线城市的渗透。
[0005]为了解决全局最优解问题，1983年，Kirkpatrick等人提出了深度学习算法
ꢀ‑‑
模拟退火算法(SA)，这一算法能有效的解决局部最优解问题。在分子和原子的世界中，能量越大，意味着分子和原子越不稳定，当能量越低时，原子越稳定。
‘
退火
’
是物理学术语，指对物体加温在冷却的过程。模拟退火算法来源于晶体冷却的过程，如果固体不处于最低能量状态，给固体加热再冷却，随着温度缓慢下降，固体中的原子按照一定形状排列，形成高密度、低能量的有规则晶体，对应于算法中的全局最优解。而如果温度下降过快，可能导致原子缺少足够的时间排列成晶体的结构，结果产生了具有较高能量的非晶体，这就是局部最优解。因此就可以根据退火的过程，给其在增加一点能量，然后在冷却，如果增加能量，跳出了局部最优解，这本次退火就是成功的。模拟退火算法(SA) 计算原理示意如图9。
[0006]假设开始状态在A，随着迭代次数更新到B的局部最优解，这时发现更新到 B时，能量比A要低，则说明接近最优解了，因此百分百转移，状态到达B后，发现下一步能量上升了，如果是梯度下降则是不允许继续向前的，而这里会以一定的概率跳出这个坑，这各概率和当前的状态、能量等都有关系，如果B最终跳出来了到达C，又会继续以一定的概率跳出来，如此反复计算概率，直至达到最终的全局最优解D，计算结束，输出结果。
[0007]本专利提出一种基于人工智能学习算法
‑‑‑‑
模拟退火优化算法的验配方案，通过前期小样本量的自主学习，可以不断地优化、迭代验配的准确性，大大降低验配人员的工作量，提高定片的效率，简化验配的复杂程度，适合大规模的推广和标准化，最终形成一种平台技术。

技术实现思路

[0008]针对现有技术存在的上述问题，本专利技术申请人提供了一种基于人工智能优化算法的角膜塑形镜。本专利技术角膜塑形镜的内表面(与角膜接触的面)从中间向外总体上可以分为：基弧区BC(1)、反转弧区RC(2)、适配弧区AC(3)以及边弧区PC(4)，其特征在于基弧区BC(1)可以由旋转对称的自由曲面组成，中间到边缘的曲率半径值连续变化；反转弧区RC(2)的曲率半径值由自由曲面形成，其等效曲率半径满足逆几何设计规则；适配弧区AC(3)和边弧区PC (4)由一段或者多段球面或者非球面或者自由曲面组成，适配弧区AC(3)的功能在于通过与角膜的接触，使得角膜塑形镜能够很好地固定在角膜上，边弧区与角膜形成一定的夹角，利于角膜泪液的交换。
[0009]如图8，所述角膜塑形镜的基弧区BC(1)，局部基弧剖面曲面片用非球面方程表征，整个旋转对称的自由曲面基弧在离散空间用非球面方程近似，曲面片1，2，3
…
N具有非球面特征值Q1，Q2，Q3
…
QN，每个曲面片的表征方程为：
[0010][0011]以光学表面的顶点为原点O，以光轴为Z轴，建立任意的空间直角坐标系，所述坐标系的横坐标轴X轴以及坐标轴Y轴与所述光学表面相切，Z
N
(x)为所述曲面片N在二维坐标系平面X
‑
Z上的曲线表达式，c为所述非球面的基础球面曲率半径的倒数，x为所述曲线上任何一点距横坐标轴Z的垂直距离，A
2i
为非球面高次项系数，Q
N
为曲面片N的圆锥系数。
[0012]一种基于人工智能优化算法的角膜塑形镜，所述角膜塑形镜的基弧区BC(1) 顶点
与设定角膜顶点的泪液厚度值为一定值，假设为X。角膜地形图测量仪采集到受试者的角膜地形分布之后，构建理论剖面结构模型，并理论分析拟验配的角膜塑形镜各段弧与角膜剖面结构之间的泪液分布。基弧区RC(2)从中心到两边的曲率半径连续变化，与角膜上表面之间形成的截面积为ΔS1，反转弧 RC(2)与角膜上表面之间形成的截面积为ΔS2本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能优化算法的角膜塑形镜设计方法，所述角膜塑形镜的内表面（与角膜接触的面）从中间向外总体上可以分为：基弧区BC（1）、反转弧区RC（2）、适配弧区AC（3）以及边弧区PC（4），其特征在于基弧区可以由旋转对称的自由曲面组成，中间到边缘的曲率半径值连续变化；反转弧区的曲率半径值由自由曲面形成，其等效曲率半径满足逆几何设计规则；适配弧区和边弧区由一段或者多段球面或者非球面或者自由曲面组成，适配弧区的功能在于通过与角膜的接触，使得角膜塑形镜能够很好地固定在角膜上，边弧区与角膜形成一定的夹角，利于角膜泪液的交换。2.根据权利要求1所述角膜塑形镜的基弧区BC（1）顶点与设定角膜顶点的泪液厚度值为一定值，假设为X，角膜地形图测量仪采集到受试者的角膜地形分布之后，构建理论剖面结构模型，并理论分析拟验配的角膜塑形镜各段弧与角膜剖面结构之间的泪液分布，基弧区RC（2）从中心到两边的曲率半径连续变化，与角膜上表面之间形成的截面积为ΔS1，反转弧RC（2）与角膜上表面之间形成的截面积为ΔS2，理论上应该存在以下关系：ΔS2=α*ΔS1，α是0到1之间的某一个值。3.根据权利要求1所述角膜塑形镜的基弧区BC（1），局部基弧剖面曲面片用非球面方程表征，整个旋转对称的自由曲面基弧在离散空间用非球面方程近似，在离散空间计...

【专利技术属性】
技术研发人员：赵紫微，李海，孙强，王长满，张明瑞，
申请(专利权)人：天津世纪康泰生物医学工程有限公司，
类型：发明
国别省市：