基于多个机器学习模型的人工晶状体选择制造技术

一种用于选择人工晶状体的方法和系统，所述系统具有控制器，所述控制器具有处理器和有形的非暂态存储器。多个机器学习模型可由所述控制器选择性地执行。所述控制器被配置成接收所述眼睛的至少一个术前图像，并经由第一输入机器学习模型提取第一数据集。所述控制器被配置成接收所述眼睛的多个生物特征参数，并经由第二输入机器学习模型提取第二数据集。组合所述第一数据集和所述第二数据集以产生混合数据集。所述控制器被配置成经由输出机器学习模型基于所述混合数据集生成至少一个输出因子。部分地基于所述至少一个输出因子来选择人工晶状体。晶状体。晶状体。

【技术实现步骤摘要】
【国外来华专利技术】基于多个机器学习模型的人工晶状体选择

技术介绍

[0001]本披露内容总体上涉及一种用于使用多个机器学习模型来选择要植入到眼睛中的人工晶状体的系统和方法。人类晶状体通常是透明的，因此光线可以很容易地穿过它。然而，许多因素可能导致晶状体中的区域变得浑浊和致密，从而对视觉质量产生负面影响。这种情况可以经由白内障手术(即选择人造晶状体以植入患者的眼睛)得到纠正。事实上，白内障手术是世界各地进行的常见手术。白内障手术临床结果的一个重要驱动因素是选择合适的人工晶状体。目前，有几种计算器使用关于患者眼睛的各种术前信息来预测要植入的晶状体屈光力。然而，现有的计算器不使用眼睛的完整术前图像作为输入数据。

技术实现思路

[0002]本文披露了一种用于选择要植入到眼睛中的人工晶状体的系统和方法，所述系统具有控制器，所述控制器具有处理器和有形的非暂态存储器。所述系统采用综合的、多管齐下的方法，并且包括控制器，所述控制器具有处理器和有形的非暂态存储器，所述存储器上记录有指令。所述控制器被配置成选择性地执行多个机器学习模型，包括第一输入机器学习模型、第二输入机器学习模型和输出机器学习模型。所述多个机器学习模型中的每一个可以是相应的回归模型。在一个示例中，输出机器学习模型包括多层感知器网络。
[0003]所述处理器对所述指令的执行使得所述控制器接收所述眼睛的至少一个术前图像。所述控制器被配置成经由所述第一输入机器学习模型，部分地基于所述至少一个术前图像提取第一数据集。在一个示例中，所述眼睛的至少一个术前图像是超声生物显微镜图像。所述第一数据集可以包括所述眼睛的多个术前尺寸。所述多个术前尺寸可以包括前房深度、晶状体厚度、晶状体直径、沟到沟直径、第一赤道面位置、第二赤道面位置、第三赤道面位置、虹膜直径、从角膜的第一表面到术前晶状体的后表面的轴向长度以及睫状突直径中的一个或多个。可替代地，所述多个术前尺寸可以包括前房深度、晶状体厚度、晶状体直径、沟到沟直径、虹膜直径、从角膜第一表面到术前晶状体的后表面的轴向长度以及睫状突直径中的每一个。
[0004]所述控制器进一步被配置成接收所述眼睛的多个生物特征参数，并经由所述第二输入机器学习模型，部分地基于所述多个生物特征参数提取第二数据集。所述多个生物特征参数可以包括K平坦因子和K陡峭因子。所述第一数据集和所述第二数据集被组合以获得混合数据集。在一个示例中，所述术前图像是从第一成像设备获得的，并且所述多个生物特征参数是从第二成像设备获得的，所述第二成像设备不同于所述第一成像设备。例如，所述第一成像设备可以是超声设备，并且所述第二成像设备可以是光学相干断层扫描设备。
[0005]所述控制器被配置成经由所述输出机器学习模型基于所述混合数据集生成至少一个输出因子。部分地基于所述输出因子来选择人工晶状体。所述输出因子可以是显性等效球镜度数(MRSE)。所述多个机器学习模型可以包括第三输入机器学习模型。在生成所述输出因子之前，所述控制器可以被配置成访问相应的术前和术后图像的历史对，并经由所述第三输入机器学习模型，部分地基于所述历史对来提取第三数据集。在生成所述输出因
子之前，将所述第三数据集添加到所述混合数据集。
[0006]所述人工晶状体可以包括与一个或多个支撑结构邻接的光学区。所述人工晶状体可以包括至少部分地填充有流体的内腔。所述流体被配置成在内腔中移动，以改变所述人工晶状体的屈光力。应当理解，可以采用本领域技术人员可获得的任何类型的人工晶状体。
[0007]通过以下结合附图对实施本披露内容的最佳模式的详细描述，本披露内容的上述特征和优点以及其他特征和优点将显而易见。
附图说明
[0008]图1是用于选择要植入到眼睛中的人工晶状体的系统的示意性图示，该系统具有控制器；
[0009]图2是示例人工晶状体的示意性立体图；
[0010]图3是可由图1的控制器执行的方法的示意性流程图；
[0011]图4是眼睛的示例术前图像的示意性局部截面图；
[0012]图5是眼睛的示例术后图像的示意性局部截面图；
[0013]图6是可由图1的控制器执行的多层感知器算法的示意性示例；以及
[0014]图7是图1的控制器的支持向量回归(SVR)技术的示意性示例。
具体实施方式
[0015]参考附图，其中相同的附图标记指代相同的部件，图1示意性地展示了用于选择要植入的人工晶状体的系统10。图2示出了人工晶状体12的示例。然而，可以采用本领域技术人员可获得的任何类型的人工晶状体。系统10采用了利用多个机器学习模型的稳健的、多管齐下的方法。如下所述，系统10利用丰富的图像数据和数值数据两者来优化人工晶状体12的选择。
[0016]参考图2，人工晶状体12包括光学区14，该光学区限定了第一表面16和第二表面18。光学区14可以与一个或多个支撑结构(比如第一支撑结构20和第二支撑结构22)邻接，这些支撑结构被配置成支持人工晶状体12的定位和保持。人工晶状体12可以限定至少部分地填充有流体F的内腔24。该流体F被配置成可以在内腔24内移动，以改变人工晶状体12的厚度(和屈光力)。应当理解，人工晶状体12可以采取许多不同的形式，并且包括多个部件和/或替代的部件。
[0017]参考图1，系统10包括控制器C，该控制器具有至少一个处理器P和至少一个存储器M(或者非暂态、有形计算机可读存储介质)，该存储器上记录有用于执行选择人工晶状体12的方法100的指令。下面参考图3示出并描述方法100。图4示出了眼睛E的示例术前图像200。图5示出了眼睛E的示例术后图像300。
[0018]现在参考图1，控制器C可以被配置成经由短程网络28与比如第一成像设备30等各种实体通信。第一成像设备30可以是超声机、磁共振成像机或本领域技术人员可获得的其他成像设备。短程网络28可以是无线的或者可以包括物理部件。短程网络28可以是以各种方式实施的总线，比如局域网形式的串行通信总线。局域网可以包括但不限于控制器局域网(CAN)、具有灵活数据速率的控制器局域网(CAN
‑
FD)、以太网、蓝牙、WIFI和其他形式的数据连接。短程网络28可以是Bluetooth
TM
连接，其被定义为短程无线电技术(或无线技术)，旨
在简化互联网设备之间以及设备与互联网之间的通信。Bluetooth
TM
是用于短距离传输固定和移动电子设备数据的开放式无线技术标准，并且创建在2.4GHz频带内运行的个人网络。可以采用其他类型的连接。
[0019]参考图1，控制器C可以与第二成像设备32、显示模块和/或用户界面34以及数据库36通信。另外，控制器C可以被配置成经由长程网络44与远程服务器40和/或云单元42通信。远程服务器40可以是由比如研究所、公司、大学和/或医院等组织维护的私有或公共信息源。云单元42可以包括托管在互联网上的一个或多个服务器，以存储、管理和处理数据。长程网络44可以是使用无线分布方法链接多个设备的无线局域网(LAN)本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于选择要植入到眼睛中的人工晶状体的系统，所述系统包括：控制器，所述控制器具有处理器和有形的非暂态存储器，所述存储器上记录有指令；其中，所述控制器被配置成选择性地执行多个机器学习模型，包括第一输入机器学习模型、第二输入机器学习模型和输出机器学习模型；其中，所述处理器对所述指令的执行使得所述控制器：接收所述眼睛的至少一个术前图像，并经由所述第一输入机器学习模型，部分地基于所述至少一个术前图像提取第一数据集；接收所述眼睛的多个生物特征参数，并经由所述第二输入机器学习模型，部分地基于所述多个生物特征参数提取第二数据集；组合所述第一数据集和所述第二数据集以获得混合数据集；经由所述输出机器学习模型，基于所述混合数据集生成至少一个输出因子；以及部分地基于所述至少一个输出因子来选择所述人工晶状体。2.如权利要求1所述的系统，其中：所述至少一个输出因子是显性等效球镜度数(MRSE)。3.如权利要求1所述的系统，其中：所述至少一个术前图像是从第一成像设备获得的，并且所述多个生物特征参数是从第二成像设备获得的，所述第一成像设备不同于所述第二成像设备。4.如权利要求1所述的系统，其中：所述多个机器学习模型包括第三输入机器学习模型，并且在生成所述至少一个输出因子之前，所述控制器被配置成：访问相应的术前图像和术后图像的历史对；经由所述第三输入机器学习模型，部分地基于所述历史对来提取第三数据集；以及在生成所述至少一个输出因子之前，将所述第三数据集添加到所述混合数据集。5.如权利要求1所述的系统，其中：所述人工晶状体包括与一个或多个支撑结构邻接的光学区；并且所述人工晶状体包括至少部分地填充有流体的内腔，所述流体被配置成在所述内腔中移动以改变所述人工晶状体的屈光力。6.如权利要求1所述的系统，其中：所述至少一个术前图像是超声生物显微镜图像。7.如权利要求1所述的系统，其中：所述多个机器学习模型中的每一个是相应的回归模型；并且所述输出机器学习模型包括多层感知器网络。8.如权利要求1所述的系统，其中：所述多个生物特征参数包括K平坦因子和K陡峭因子。9.如权利要求1所述的系统，其中：所述第一数据集包括所述眼睛的多个术前尺寸；并且所述多个术前尺寸包括前房深度、晶状体厚度、晶状体直径、沟到沟直径、第一赤道面位置、第二赤道面位置、第三赤道面位置、虹膜直径、从角膜的第一表面到术前晶状体的后表面的轴向长度以及睫状突直径中的一个或多个。
10.如权利要求1所述的系统，其中，在生成所述至少一个输出因子之前，所述控制器被配置成：部分地基于所述多个术前尺寸获得一个或多个估算的术后变量，所述一个或多个估算的术后变量包括术后晶状体厚度和术后晶状体位置；以及在生成所述至少一个输出因子之前，将所述一个或多个估算的术后变量添加到所述混合数据集。11.如权利要求1所述的系统，其中：所述第一数据集包括所述眼睛的多个术前尺寸；并且所述多个术前尺寸包括前房深度、晶状体厚度、晶状体直径、沟到沟直径、虹膜直径、从角膜的第一表面到术前晶状体的后表面的轴向长度、睫状突直径、第一赤道面位置、第二赤道面位置和第三赤道面位置中的每一个。12.一种用于选择要植入到眼睛中的人工晶状体的方法，所述方法包括：经由具有处理器和有形的非暂态存储器的控制器接收所述眼睛的至少一个术前图像；经由所述控制器选择性地执行多个机器学习模型，所述多个机器学习模型包括第一输入机器学习模型、第二输入机...

【专利技术属性】
技术研发人员：S，
申请(专利权)人：爱尔康公司，
类型：发明
国别省市：