基于角膜塑形镜配镜的数据处理方法和相关设备技术

本申请公开基于角膜塑形镜配镜的数据处理方法和相关设备，方法包括：获取步骤，获取待测角膜的瞬时屈光力特征数据及患者的待测眼部测量参数；评估步骤，模拟该待测角膜经矫正后的角膜参数地图，所述角膜参数地图为通过依据所述瞬时屈光力特征数据及所述待测眼部测量参数生成，用以预测适配该待测眼部的镜片参数；输出步骤，提取该待测角膜经矫正后的角膜参数地图数据，根据预设算法输出验配结果。运用训练后的模型对待测患者的配镜进行精准预测，克服了当前人工经验配镜效率低，误差大和可信度低的技术问题。可信度低的技术问题。可信度低的技术问题。

【技术实现步骤摘要】
基于角膜塑形镜配镜的数据处理方法和相关设备


[0001]本申请涉及配镜
，尤其涉及一种基于角膜塑形镜配镜的数据处理 方法和相关设备。

技术介绍

[0002]角膜塑形镜(OK镜)是一种特殊的RGP镜片。普通的RGP镜片(近视眼镜 片)用于矫正视力，而塑形镜用于“矫形”，即通过改变角膜集合形态来提高 视力。“矫正”型的RGP镜片，其内表面与角膜的表面相平行，互相吻合，通 过改变镜片的外表面来调节镜片光度。而“矫形”用的塑形镜则相反。其外表 面较简单，内表面相对复杂。塑形镜的内表面不再与角膜平行或吻合，而是在 镜片角膜之间制造一些间隙，利用泪液的作用达到“矫形”效果。
[0003]配镜是在传统的矫形诊疗中，医生会根据简单的查看相关眼科设备数据， 然后利用其在眼科诊疗中的经验，不断地通过换试戴片来为近视青少年估算其 佩戴的OK镜参数。
[0004]然而，以上的配镜过程强烈依赖医生的经验，并且验配准确度低，具有较 大的误差，可信度差。

技术实现思路

[0005]本申请实施例提供基于角膜塑形镜配镜的数据处理方法和相关设备，实现提高 配镜效率，降低配镜误差，提升配镜可信度的技术目的。
[0006]一种基于角膜塑形镜配镜的数据处理方法，包括：
[0007]获取步骤，获取待测角膜的瞬时屈光力特征数据及患者的待测眼部测量参数；
[0008]评估步骤，模拟该待测角膜经矫正后的角膜参数地图，所述角膜参数地图为通 过依据所述瞬时屈光力特征数据及所述待测眼部测量参数生成，用以预测适配 该待测眼部的镜片参数；
[0009]输出步骤，提取该待测角膜经矫正后的角膜参数地图数据，根据预设算法输出 验配结果。
[0010]优选地，还包括：
[0011]算法训练步骤，具体实现为：
[0012]提取多个患者的历史配镜数据，所述历史配镜数据至少包括：瞬时屈光力特征 数据及患者的待测眼部测量参数，以及，验配成功的配镜参数；
[0013]对构建完成数学模型进行基于所述历史配镜数据的训练，生成所述预设算法。
[0014]优选地，数据清洗和筛选步骤，包括：
[0015]获得多个患者的历史配镜数据，并进行数据清洗和筛选，以剔除不规整的视光 数据，所述视光数据至少包括瞬时屈光力特征数据；
[0016]将数据清洗和筛选的数据进行无量纲化处理，获取所述多个患者的历史配镜数 据。
[0017]优选地，对构建完成数学模型进行基于所述历史配镜数据的训练，包括：
[0018]对所述多个患者的历史配镜数据进行统计及计算，生成训练数据；
[0019]将所述训练数据在所述数学模型进行针对镜片参数预测训练。
[0020]优选地，构建完成数学模型具体实现为：
[0021]XGBoost数学模型中，构建目标函数
[0022]其中θ表示数学模型需要输入的参数，n表示样本数，L(y
i
，y
i
)表示预测值和 实际值之间的误差函数，Ω(f
k
)代表构建的残差项,k代表残差项数。
[0023]优选地，还包括：
[0024]将当前患者的验配结果作为算法训练的样本，以更新多个患者的历史配镜数据 所构成的数据库。
[0025]优选地，获取步骤前，还包括：对所述待测角膜的瞬时屈光力特征数据及患者 的待测眼部测量参数进行无量纲化处理。
[0026]优选地，所述患者为4
‑
18岁的青少年患者群体。
[0027]一种基于角膜塑形镜配镜的数据处理装置，包括：
[0028]获取模块，获取待测角膜的瞬时屈光力特征数据及患者的待测眼部测量参数；
[0029]评估模块，模拟该待测角膜经矫正后的角膜参数地图，所述角膜参数地图为通 过依据所述瞬时屈光力特征数据及所述待测眼部测量参数生成，用以预测适配 该待测眼部的镜片参数；
[0030]输出模块，提取该待测角膜经矫正后的角膜参数地图数据，根据预设算法输出 验配结果。
[0031]一种计算设备，其特征在于，至少一个处理器；以及
[0032]与所述至少一个处理器通信连接的存储器；其中，
[0033]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少 一个处理器执行，以使所述至少一个处理器能够执行如上所述的基于角膜塑形 镜配镜的数据处理方法。
[0034]本专利技术的基于角膜塑形镜配镜的数据处理方法和相关设备，通过获取步骤，获 取待测角膜的瞬时屈光力特征数据及患者的待测眼部测量参数；评估步骤，模 拟该待测角膜经矫正后的角膜参数地图；输出步骤，提取该待测角膜经矫正后 的角膜参数地图数据，根据预设算法输出验配结果。运用训练后的模型对待测 患者的配镜进行精准预测，克服了当前人工经验配镜效率低，误差大和可信度 低的技术问题。
附图说明
[0035]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本 申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。 在附图中：
[0036]图1为本申请实施例中基于角膜塑形镜配镜的数据处理方法的流程示意图；
[0037]图2为本申请实施例中的基于角膜塑形镜配镜的数据处理方法的角膜参数地图 示意图；
[0038]图3为本申请实施例中的基于角膜塑形镜配镜的数据处理方法的角膜镜片的变 化图；
议，所述验配结果包括但不限于角膜平坦K值、性别、年龄、角膜高度差、角 膜E值、眼轴长度、球镜度数，作为示例，参考下表的验配结果：
[0056]参考图2
‑
图3，图2为基于角膜参数地图生成显示图，而图3为患者戴上某个 角膜参数的角膜镜片的变化图，其可以定量地估算角膜的形成环位置和成环的 大小。如果看到该患者的角膜在佩戴该参数型号的OK镜之后，有明显良好的 圆环形成，借助于预设算法可以输出适合该患者的角膜纠正参数及配镜结果。 作为优选地，所述预设算法需要通过训练得到，本方法中还披露了算法训练步 骤，参考图4，具体实现为：
[0057]S41:提取多个患者的历史配镜数据，所述历史配镜数据至少包括：瞬时屈光力 特征数据及患者的待测眼部测量参数，以及，验配成功的配镜参数；
[0058]获得较大群体(如1000例)的瞬时屈光力特征数据，包括但不限于角膜平坦K 值、性别、年龄、角膜高度差、角膜E值、眼轴长度、球镜度数等。所有数据 经过患者知情同意。
[0059]参考图5，在S41后，还包括数据清洗和筛选步骤，参考图6：
[0060]S51：获得多个患者的历史配镜数据，并进行数据清洗和筛选，以剔除不规整 的视光数据，所述视光数据至少包括瞬时屈光力特征数据；
[0061]需要说明的是，在图1
‑
5的所述的患者指的是更适合佩戴OK镜的4
‑
18岁的青 少年患者群体。
[0062]S52:将数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于角膜塑形镜配镜的数据处理方法，其特征在于，该方法包括：获取步骤，获取待测角膜的瞬时屈光力特征数据及患者的待测眼部测量参数；评估步骤，模拟该待测角膜经矫正后的角膜参数地图，所述角膜参数地图为通过依据所述瞬时屈光力特征数据及所述待测眼部测量参数生成，用以预测适配该待测眼部的镜片参数；输出步骤，提取该待测角膜经矫正后的角膜参数地图数据，根据预设算法输出验配结果。2.根据权利要求1所述的基于角膜塑形镜配镜的数据处理方法，其特征在于，还包括：算法训练步骤，具体实现为：提取多个患者的历史配镜数据，所述历史配镜数据至少包括：瞬时屈光力特征数据及患者的待测眼部测量参数，以及，验配成功的配镜参数；对构建完成数学模型进行基于所述历史配镜数据的训练，生成所述预设算法。3.根据权利要求2所述的基于角膜塑形镜配镜的数据处理方法，其特征在于，数据清洗和筛选步骤，包括：获得多个患者的历史配镜数据，并进行数据清洗和筛选，以剔除不规整的视光数据，所述视光数据至少包括瞬时屈光力特征数据；将数据清洗和筛选的数据进行无量纲化处理，获取所述多个患者的历史配镜数据。4.根据权利要求1或2任一项权利要求中所述的基于角膜塑形镜配镜的数据处理方法，其特征在于，对构建完成数学模型进行基于所述历史配镜数据的训练，包括：对所述多个患者的历史配镜数据进行统计及计算，生成训练数据；将所述训练数据在所述数学模型进行针对镜片参数预测训练。5.根据权利要求2所述的基于角膜塑形镜配镜的数据处理方法，其特征在于，构建完成数学模型具体实现为：XGBoost数学模型中，...

【专利技术属性】
技术研发人员：徐富盛，金健，
申请(专利权)人：美视杭州人工智能科技有限公司，
类型：发明
国别省市：