眼轴变化预测方法及相关设备技术

本申请提供一种眼轴变化预测方法及相关设备。所述方法包括：获取用户的基本信息、初始角膜地形图和角膜地形图；根据所述初始角膜地形图和角膜地形图，计算得到角膜形态变化信息；根据所述角膜形态变化信息和所述基本信息，计算得到眼轴变化预测值。通过所述方法及相关设备可以提高眼轴测量的精准度，提高眼轴变化预测值的精准度。变化预测值的精准度。变化预测值的精准度。

【技术实现步骤摘要】
眼轴变化预测方法及相关设备


[0001]本申请涉及眼科医疗
，尤其涉及一种眼轴变化预测方法及相关设备。

技术介绍

[0002]近视是临床眼科门诊最常见的疾病之一。由于近视是由多种危险因素共同作用造成的，因此对近视防控方法或工具防控效果的预测，很大程度也取决于其是否能有效改善这些危险因素的影响，并且需要以量化的方式来标准化整个预测过程。
[0003]当前主要的延缓近视发展的方法主要分为了药理法与光学法两类。由于已有的延缓近视发展的方法均具有显著的个体差异性，因此在矫正过程中需要定期对接收矫正者的矫正情况进行评估。
[0004]相关技术主要根据接收矫正者的眼轴的变化情况进行评估，但目前的眼轴测量的方法存在精度不高的问题，并且进行眼轴测量时需要进行局部麻醉，且有发生感染的可能性。

技术实现思路

[0005]有鉴于此，本申请的目的在于提出一种眼轴变化预测方法及相关设备。
[0006]基于上述目的，本申请提供了一种眼轴变化预测方法，包括：
[0007]获取用户的基本信息、初始角膜地形图和角膜地形图；
[0008]根据所述初始角膜地形图和角膜地形图，计算得到角膜形态变化信息；
[0009]根据所述角膜形态变化信息和所述基本信息，计算得到眼轴变化预测值。
[0010]可选地，所述根据所述角膜形态变化信息和所述基本信息，计算得到眼轴变化预测值，包括：
[0011]根据所述角膜形态变化信息和所述基本信息，通过如下公式，计算得到眼轴变化预测值；
>[0012]Y＝α0+α1X
′1+...+α
i
X
′
i
+...+ε；
[0013]其中，Y表示所述眼轴变化预测值，X
′
i
表示所述角膜形态变化信息，表示所述角膜形态变化信息，表示第一系数矩阵，ε表示误差项，其中，所述第一系数矩阵由训练用角膜形态变化信息和对应的眼轴变化值预训练得到。
[0014]可选地，根据所述角膜形态变化信息，通过预设的眼轴变化预测公式，计算得到眼轴变化预测值之后，所述方法还包括：
[0015]根据所述角膜形态变化信息，通过训练好的眼轴变化程度分类模型，得到眼轴变化大小的概率值；
[0016]根据所述概率值、所述角膜形态变化信息和所述基本信息，计算得到更新后的眼轴变化预测值。
[0017]可选地，所述根据所述角膜形态变化信息和所述基本信息，计算得到更新后的眼轴变化预测值，包括：
[0018]根据所述角膜形态变化信息和所述基本信息，通过如下公式，计算得到更新后的眼轴变化预测值；
[0019]Q＝β0+β1Y+β2P1+β3P2+
…
+ε；
[0020]其中，Q表示所述更新后的眼轴变化预测值，表示第二系数矩阵，P＝[P1,...,P
n
]T
表示眼轴变化大小的概率值，Y表示所述眼轴变化预测值，ε表示误差项。
[0021]可选地，所述方法还包括：
[0022]获取训练用角膜形态变化信息、训练用基本信息以及对应的眼轴变化结果；
[0023]根据所述训练用角膜形态变化信息、所述训练用基本信息以及所述眼轴变化结果构建训练集；
[0024]根据所述训练集，通过如下公式计算得到第一系数矩阵根据所述训练集，通过如下公式计算得到第一系数矩阵
[0025][0026]其中，表示所述眼轴变化结果，X
′
表示任一所述训练用角膜形态变化信息或所述训练用基本信息。
[0027]可选地，所述方法还包括：
[0028]获取训练用角膜形态变化信息、训练用基本信息以及对应的眼轴变化结果；
[0029]根据所述训练用角膜形态变化信息、所述训练用基本信息以及所述眼轴变化结果构建训练集；
[0030]根据所述训练集，通过预设的神经网络模型，得到所述眼轴变化大小的概率值；
[0031]根据所述眼轴变化大小的概率值与所述对应的眼轴变化结果之间的损失值，更新所述预设的神经网络模型的参数，得到训练好的眼轴变化程度分类模型。
[0032]可选地，所述方法还包括：
[0033]根据所述训练集，通过如下公式计算得到第二系数矩阵根据所述训练集，通过如下公式计算得到第二系数矩阵
[0034][0035]其中，表示所述更新后的眼轴变化预测值，表示第二系数矩阵，P＝[P1,...,P
n
]T
表示眼轴变化大小的概率值，表示所述眼轴变化预测值。
[0036]可选地，根据所述角膜形态变化信息和所述基本信息，计算得到眼轴变化预测值之前，所述方法还包括：
[0037]根据所述角膜形态变化信息，通过如下公式，得到归一化角膜形态变化信息；
[0038][0039]其中，x
′
i
表示任一所述归一化角膜形态变化信息，所述x
i
表示该所述角膜形态变化信息，所述min(X
i
)表示所有所述角膜形态变化信息中的最小值，max(X
i
)表示所有所述角膜形态变化信息中的最大值。
[0040]基于同一专利技术构思，本申请还提供了一种眼轴变化预测装置，包括：
[0041]获取模块，被配置为获取用户的基本信息、初始角膜地形图和角膜地形图；
[0042]第一计算模块，被配置为根据所述初始角膜地形图和角膜地形图，计算得到角膜形态变化信息；
[0043]第二计算模块，被配置为根据所述角膜形态变化信息和所述基本信息，计算得到眼轴变化预测值。
[0044]基于同一专利技术构思，本申请还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任意一项所述的眼轴变化预测方法。
[0045]基于同一专利技术构思，本申请还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行上述任一所述的眼轴变化预测方法。
[0046]从上面所述可以看出，本申请提供的眼轴变化预测方法及相关设备，根据用户的基本信息、初始角膜地形图和角膜地形图，通过预设的计算公式计算眼轴变化预测值。通过本申请提出的技术方案，可以提高眼轴长度测量和预测的精度，并且可以减少直接测量眼轴对人体造成的损伤，并能够得到眼轴变化的预测值，为后续的视力矫正提供依据。
附图说明
[0047]为了更清楚地说明本申请或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0048]图1为本申请一个或多个实施例的眼轴变化预测方法的流程示意图；
[0049]图2为本申请一个或多个实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种眼轴变化预测方法，其特征在于，包括：获取用户的基本信息、初始角膜地形图和角膜地形图；根据所述初始角膜地形图和角膜地形图，计算得到角膜形态变化信息；根据所述角膜形态变化信息和所述基本信息，计算得到眼轴变化预测值。2.根据权利要求1所述的眼轴变化预测方法，其特征在于，所述根据所述角膜形态变化信息和所述基本信息，计算得到眼轴变化预测值，包括：根据所述角膜形态变化信息和所述基本信息，通过如下公式，计算得到眼轴变化预测值；y＝α0+α
l
X
′1+...+α
i
X
′
i
+...+E；其中，Y表示所述眼轴变化预测值，X
′
i
表示所述角膜形态变化信息，表示所述角膜形态变化信息，表示第一系数矩阵，ε表示误差项，其中，所述第一系数矩阵由训练用角膜形态变化信息和对应的眼轴变化值预训练得到。3.根据权利要求2所述的眼轴变化预测方法，其特征在于，根据所述角膜形态变化信息，通过预设的眼轴变化预测公式，计算得到眼轴变化预测值之后，所述方法还包括：根据所述角膜形态变化信息，通过训练好的眼轴变化程度分类模型，得到眼轴变化大小的概率值；根据所述概率值、所述角膜形态变化信息和所述基本信息，计算得到更新后的眼轴变化预测值。4.根据权利要求3所述的眼轴变化预测方法，其特征在于，所述根据所述角膜形态变化信息和所述基本信息，计算得到更新后的眼轴变化预测值，包括：根据所述角膜形态变化信息和所述基本信息，通过如下公式，计算得到更新后的眼轴变化预测值；Q＝β0+β1Y+β2P1+β3P2+
…
+ε；其中，Q表示所述更新后的眼轴变化预测值，表示第二系数矩阵，P＝[P1,...,P
n
]
T
表示眼轴变化大小的概率值，Y表示所述眼轴变化预测值，ε表示误差项。5.根据权利要求2所述的眼轴变化预测方法，其特征在于，所述方法还包括：获取训练用角膜形态变化信息、训练用基本信息以及对应的眼轴变化结果；根据所述训练用角膜形态变化信息、所述训练用基本信息以及所述眼轴变化结果构建训练集；根据所述训练集，通过如下公式计算得到第一系数矩阵根据所述训练集，通过如下公式计算得到第一系数矩阵根据所述训练集...

【专利技术属性】
技术研发人员：贺志强，牛凯，曹靖雯，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：