一种人工智能辅助优化的高度近视眼人工晶状体度数计算器制造技术

本发明专利技术涉及一种人工智能辅助优化的高度近视眼人工晶状体度数计算器使用方法，包括以下步骤：S1、输入患者基本信息，带入Barrett计算公式，得到IOL度数和对应预测屈光度；S2、将所得IOL度数和屈光度输入XGBoost模型搭载软件；S3、输出基于长眼轴的优化后的预测屈光度；S4、将优化后的预测屈光度与目标屈光度对比。其优点表现在：在高度近视眼人工晶状体植入手术前可以准确计算人工晶状体度数及预测术后预留屈光度，可有效减少术后出现的近视漂移或远视漂移，增加人工晶状体植入术后的视觉效果，实现精准预测高度近视眼患者的术后屈光状态，增加患者满意度。增加患者满意度。增加患者满意度。

【技术实现步骤摘要】
一种人工智能辅助优化的高度近视眼人工晶状体度数计算器


[0001]本专利技术涉及医疗
，具体地说，是一种人工智能辅助优化的高度近视眼人工晶状体度数计算器。

技术介绍

[0002]白内障摘除术中，常需根据计算公式选择合适的预留屈光度及人工晶状体度数。高度近视眼被定义为眼轴长度>26mm的眼球，由于高度近视眼一系列特殊的眼球结构的改变，如眼轴增长、后巩膜葡萄肿等，高度近视眼的人工晶状体度数计算公式应当不同于非高度近视眼。目前国际上常用的公式普遍更适用于正常眼轴眼，而在高度近视眼中应用时的预测误差会显著增大、术后远视漂移等屈光意外的情况出现。目前国际上通用的人工晶状体计算公式有很多，其中，Barrett Universal II公式被认为是新一代公式中最准确的公式之一。手术医生会在术前对患者进行一系列眼球参数的测量，并代入公式进行计算，其具体步骤包括：
[0003]1)眼球生物测量(如使用ZEISS IOLmaster 700仪器)，测量包括但不限于以下参数：眼轴、角膜曲率及轴位(陡峭轴及平坦轴)、白到白距离、晶状体厚度、前房深度等；
[0004]2)将患者测量的相关生物测量参数输入人工晶状体计算公式，例如Barrett Universal II公式；
[0005]3)输入预留屈光度、选择目标的人工晶状体，并点击计算；
[0006]4)得出相关人工晶状体在预留屈光度附近最适合的人工晶状体度数，及其附近度数人工晶状体所预测的预留屈光度以供参考；
[0007]5)根据预留的屈光度选择合适的人工晶状体度数；
[0008]6)术中植入合适度数和型号的人工晶状体。
[0009]对于高度近视眼来说，选择合适的人工晶状体度数，得到预期准确的预留度数非常重要。如果公式对预留屈光度的预测不准确，将导致植入不合适的人工晶状体度数，可能造成术后出现远视漂移或近视漂移等屈光意外，降低患者术后视力，降低患者满意度。但目前人工晶状体计算公式，都并非长眼轴眼专用，而是基于全眼轴人群所设计。由于并非高度近视眼专用，这些公式应用在高度近视眼的人工晶状体度数计算时会出现屈光误差较大的情况：
[0010]1)高度近视眼患者，由于眼轴轴性增长，后巩膜葡萄肿普遍存在，在眼球生物参数测量时会引起误差较大，继而导致计算不准确；
[0011]2)高度近视眼的术后预留屈光度往往不同于正视眼或低度近视眼，正视眼或低度近视眼的目标屈光度为0，而高度近视眼往往术后预留低度的近视以辅助看近，而现有公式大多都基于目标屈光度在0或0附近而优化，对于高度近视眼预留超过
‑
2.0D的患者会存在预测误差较大的情况。
[0012]由于以上缺陷，高度近视眼的人工晶状体度数计算及术后屈光度的预测是一个技术难点，尤其是对于高度近视眼诊治经验缺乏的医生，术后意外出现的近视漂移和远视漂
移会极大地降低患者的手术效果，另一方便也可能导致患者看近、看远需要多附眼镜辅助，从而造成生活不便，满意度下降。
[0013]中国专利文献：CN202011480616.5，申请日2020.12.16，专利名称为：一种基于机器学习的人工晶状体屈光度数计算系统。公开了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。
[0014]中国专利文献：CN201910414608.1，申请日2019.05.17，专利名称为：一种晶状体分割方法、装置及存储介质。公开了一种晶状体分割方法、装置及存储介质，该方法包括：通过预处理算法提取待分割图像的感兴趣区域，该感兴趣区域包含有晶状体；根据感兴趣区域及预设神经网络，得到分割后的晶状体结构，其中，预设神经网络包含编码部分和解码部分，编码部分基于ShuffleNet，ShuffleNet用于提取感兴趣区域的图像特征，解码部分基于SkipNet，SkipNet用于进行上采样，计算类别概率图。
[0015]上述专利文献CN202011480616.5中的一种基于机器学习的人工晶状体屈光度数计算系统，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；而专利文献CN201910414608.1中的一种晶状体分割方法、装置及存储介质，则通过自动分割晶状体结构，提高晶状体结构分割的准确度及分割效率。但是关于一种在高度近视眼人工晶状体植入手术前可以准确计算人工晶状体度数及预测术后预留屈光度，可有效减少术后出现的近视漂移或远视漂移，增加人工晶状体植入术后的视觉效果，实现精准预测高度近视眼患者的术后屈光状态，增加患者满意度的计算公式目前则没有相关的报道。
[0016]综上所述，亟需一种在高度近视眼人工晶状体植入手术前可以准确计算人工晶状体度数及预测术后预留屈光度，可有效减少术后出现的近视漂移或远视漂移，增加人工晶状体植入术后的视觉效果，实现精准预测高度近视眼患者的术后屈光状态，增加患者满意度的计算公式。

技术实现思路

[0017]本专利技术的目的是克服现有技术的不足，提供一种在高度近视眼人工晶状体植入手术前可以准确计算人工晶状体度数及预测术后预留屈光度，可有效减少术后出现的近视漂移或远视漂移，增加人工晶状体植入术后的视觉效果，实现精准预测高度近视眼患者的术后屈光状态，增加患者满意度的计算公式。
[0018]为实现上述目的，本专利技术采取的技术方案是：
[0019]一种人工智能辅助优化的高度近视眼人工晶状体度数计算器使用方法，包括以下步骤：
[0020]S1、输入患者基本信息，带入Barrett计算公式，得到IOL度数和对应预测屈光度；
[0021]S2、将所得IOL度数和屈光度输入XGBoost模型搭载软件；
[0022]S3、输出基于长眼轴的优化后的预测屈光度；
[0023]S4、将优化后的预测屈光度与目标屈光度对比。
[0024]作为一种优选的技术方案，人工智能深度学习计算器算出基于高度近视眼优化的更准确的预测屈光度。
[0025]作为一种优选的技术方案，基于高度近视眼相关特征及真实数据库，利用XGBoost算法进行学习及优化，获得更准确的、Barrett Universal II计算公式所得的IOL度数对应的预测屈光度。
[0026]作为一种优选的技术方案，输入计算器所需的患者的年龄、眼轴、前房深度、角膜陡峭轴曲率及轴位、角膜平坦轴曲率及轴位、人工晶状体植入的度数及A常数、以及Barrett Universal II公式所得的预测屈光度，即本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人工智能辅助优化的高度近视眼人工晶状体度数计算器使用方法，其特征在于，包括以下步骤：S1、输入患者基本信息，带入Barrett计算公式，得到IOL度数和对应预测屈光度；S2、将所得IOL度数和屈光度输入XGBoost模型搭载软件；S3、输出基于长眼轴的优化后的预测屈光度；S4、将优化后的预测屈光度与目标屈光度对比。2.根据权利要求1所述的人工智能辅助优化的高度近视眼人工晶状体度数计算器，其特征在于，人工智能深度学习计算器算出基于高度近视眼优化的更准确的预测屈光度。3.根据权利要求1所述的人工智能辅助优化的高度近视眼人工晶状体度数计算器，其特征在于，基于高度近视眼相关特征及真实数据...

【专利技术属性】
技术研发人员：竺向佳，隗菱，何雯雯，宋云潇，卢奕，
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：