【技术实现步骤摘要】
【国外来华专利技术】用于确定白内障手术的人工晶状体(IOL)参数的方法和系统
[0001]本公开的各方面涉及眼科手术，并且更具体地涉及使用一个或多个机器学习模型确定用于对患者执行白内障手术的
IOL
参数
。
如本文所定义的，
IOL
参数包括要在白内障手术期间植入患者眼睛中的
IOL
的类型
、
度数和放置位置中的至少一者
。
技术介绍
[0002]眼科手术通常涵盖对人眼执行的各种程序
。
除了其他程序之外，这些手术程序还可以包括白内障手术，白内障手术是一种用合成晶状体
(
也称为人工晶状体
(IOL))
替换人眼的天然晶状体以矫正由天然晶状体浑浊引起的视力问题的程序
。
这些
IOL
具有各种度数和类型，并且可以基于患者眼睛的解剖参数的测量结果来进行选择
。
进一步地，
IOL
放置在眼睛中的位置和
IOL
的旋转取向
...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.
一种确定要在白内障手术程序中使用的人工晶状体
IOL
的一个或多个
IOL
参数的方法，所述方法包括：使用一个或多个测量设备生成与要治疗的眼睛的解剖参数的测量结果相关联的一个或多个数据点；以及使用一个或多个经训练的机器学习模型至少部分地基于与所述要治疗的眼睛的解剖参数的测量结果相关联的所述一个或多个数据点来生成一个或多个推荐，所述一个或多个推荐包括要在所述白内障手术中使用的所述
IOL
的一个或多个
IOL
参数，其中：所述一个或多个经训练的机器学习模型是基于至少一个历史数据集进行训练的，其中，所述历史数据集中的每个条目包括与历史患者的解剖参数的测量结果相关联的一个或多个数据点，所述一个或多个数据点映射到与所述历史患者相关联的治疗数据和治疗结果数据，其中：与所述历史患者相关联的所述治疗数据指示用于治疗所述历史患者的对应
IOL
的至少一个或多个实际的
IOL
参数；与所述历史患者相关联的所述治疗结果数据指示至少一个或多个结果参数，所述至少一个或多个结果参数指示所述历史患者的手术效果，并且所述一个或多个
IOL
参数包括要使用的
IOL
类型
、
所述
IOL
的度数或用于将所述
IOL
植入所述眼睛中的放置信息中的一者或多者
。2.
如权利要求1所述的方法，其中，所述一个或多个数据点包括从所述眼睛的截面视图
、
所述眼睛的地形图或与所述眼睛相关联的光图案反射中的一者或多者得到的测量结果
。3.
如权利要求1所述的方法，其中，所述一个或多个数据点包括由所述一个或多个测量设备生成的能够从中得到解剖参数的测量结果的原始数据
。4.
如权利要求1所述的方法，进一步包括：基于所述一个或多个数据点与表示历史患者的非异常测量结果的数据点的分布的比较来确定所述一个或多个数据点中的至少一个数据点对应于异常测量结果，其中，所述一个或多个推荐是进一步基于所述确定所述一个或多个数据点中的至少一个数据点对应于异常测量结果来生成的
。5.
如权利要求1所述的方法，其中，生成包括要在所述白内障手术中使用的所述
IOL
的一个或多个
IOL
参数的所述一个或多个推荐进一步基于所述治疗的目标结果
。6.
如权利要求1所述的方法，其中，所述一个或多个经训练的机器学习模型包括多输出机器学习模型，所述多输出机器学习模型针对与解剖参数的测量结果相关联的所述一个或多个数据点生成标识候选晶状体类型
、
晶状体度数和晶状体放置位置的输出
。7.
如权利要求1所述的方法，其中，所述一个或多个经训练的机器学习模型包括被配置为识别推荐的
IOL
参数的第一组机器学习模型和被配置为识别所述要治疗的眼睛的禁忌的
IOL
参数的第二组机器学习模型
。8.
如权利要求7所述的方法，其中，所述第一组机器学习模型被配置为基于用于训练所述第一组机器学习模型的训练数据集中指示患者对每次治疗感到满意的满意度度量来识别推荐的
IOL
参数，并且所述第二组机器学习模型被配置为基于用于训练所述第二组机器学习模型的训练数据集中指示患者对每次治疗感到不满的满意度度量来识别禁忌的
IOL
参
数
。9.
如权利要求1所述的方法，其中，所述一个或多个推荐是进一步基于指示在对所述要治疗的眼睛施加治疗方面的用户偏好的一个或多个附加数据点生成的
。10.
如权利要求1所述的方法，进一步包括：记录所述治疗的效果；以及将所述
IOL
类型和所述人工晶状体的放置到所述治疗的所记录效果的映射添加到用于再训练所述一个或多个机器学习模型的训练数据集
。11.
如权利要求1所述的方法，进一步包括：使用所述一个或多个经训练的机器学习模型来识别与关联到解剖参数的测量结果的类似数据点相关联的先前治疗；取得与所识别的先前治疗相关联的附加信息；以及输出所述附加信息以供显示
。12.
如权利要求1所述的方法，其中，生成与所述要治疗的眼睛的解剖参数的测量结果相关联的所述一个或多个数据点包括：生成所述眼睛的截面视图，以及基于所生成的截面视图测量一个或多个解剖参数，其中，所述一个或多个解剖测量结果包括眼轴长度测量结果
、
角膜厚度测量结果
、
房深度测量结果或晶状体厚度测量结果中的一者或多者
。13.
如权利要求1所述的方法，其中，生成与所述要治疗的眼睛的解剖参数的测量结果相关联的所述一个或多个数据点包括基于光图案分析生成所述眼睛的地形图，所述地形图至少示出所述眼睛的测得的曲率
。14.
一种用于执行白内障手术程序的方法，所述方法包括：接收与要治疗的眼睛的一个或多个解剖参数的测量结果相关联的一个或多个数据点；使用一个或多个经训练的机器学习模型至少部分地基于测得的一个或多个数据点来生成一个或多个推荐，所述一个或多个推荐包括要在所述白内障手术中使用的人工晶状体
IOL
的一个或多个
IOL
参数，其中：所述一个或多个经训练的机器学习模型是基于至少一个历史数据集进行训练的，其中，所述历史数据集中的每个条目包括与历史患者的一个或多个解剖参数的测量结果相关联的数据点，所述数据点映射到与所述历史患者相关联的治疗数据和治疗结果数据，与所述历史患者相关联的所述治疗数据指示用于治疗所述历史患者的对应
IOL
的实际的
IOL
参数中的至少一个或多个实际的
IOL
参数，与所述历史患者相关联的所述治疗结果数据指示至少一个或多个结果参数，所述至少一个或多个结果参数指示所述历史患者的手术效果，并且所述一个或多个
IOL
参数包括要使用的
IOL
类型
、
所述
IOL
的度数或用于将所述
IOL
植入所述眼睛中的放置信息中的一者或多者；以及向指定目的地设备传输为所述白内障手术生成的一个或多个推荐
。15.
如权利要求
14
所述的方法，进一步包括：基于所述数据点与表示历史患者的非异常测量结果的数据点的分布的比较来确定所述一个或多个数据点中的至少一个数据点对应于异常数据点，其中，所述一个或多个推荐
是进一步基于所述确定所述测得的一个或多个数据点中的至少一个数据点对应于异常测量结果来生成的
。16.
如权利要求
14
所述的方法，其中，生成所述一个或多个推荐进一步基于所述治疗的目标结果
。17.
如权利要求
14
所述的方法，其中，所述一个或多个经训练的机器学习模型包括多输出机器学习模型，所述多输出机器学习模型针对所述一个或多个数据点生成标识候选晶状体类型
、
晶状体度数和晶状体放置位置的输出
。18.
如权利要求
14
所述的方法，其中，所述一个或多个经训练的机器学习模型包括被配置为识别推荐的
IOL
参数的第一组机器学习模型和被配置为识别所述要治疗的眼睛的禁忌的
IOL
参数的第二组机器学习模型
。19.
如权利要求
18
所述的方法，其中，所述第一组机器学习模型被配置为基于用于训练所述第一组机器学习模型的训练数据集中指示患者对每次治疗感到满意的满意度度量来识别推荐的
IOL
参数，并且所述第二组机器学习模型被配置为基于用于训练所述第二组机器学习模型的训练数据集中指示患者对每次治疗感到不满的满意度度量来识别禁忌的
IOL
参数
。20.
如权利要求
14
所述的方法，其中，所述一个或多个推荐是进一步基于指示在对所述要治疗的眼睛施加治疗方面的用户偏好的一个或多个附加数据点生成的
。21.
如权利要求
14
所述的方法，进一步包括：接收标识所述治疗的效果的信息；以及将所述
IOL
类型和所述人工晶状体的放置到所述治疗的所记录效果的映射添加到用于再训练所述一个或多个机器学习模型的训练数据集
。22.
如权利要求
14
所述的方法，进一步包括：使用所述一个或多个经训练的机器学习模型来识别具有与一个或多个解剖参数的测量结果相关联的类似数据点的先前治疗；取得与所识别的先前治疗相关联的附加信息；以及向接收设备传输所述附加信息以供显示
。23.
一种用于训练机器学习模型以生成用于眼科治疗的推荐的方法，所述方法包括：由一组历史患者记录生成训练数据集，其中，所述训练数据集中的每个记录对应于历史患者并且包括标识以下各项的信息：与所述历史患者的解剖参数的测量结果相关联的一个或多个数据点，用于治疗所述历史患者的对应人工晶状体
IOL
的一个或多个
IOL
参数，以及指示所述历史患者的手术效果的一个或多个治疗结果参数；基于所述训练数据集训练一个或多个机器学习模型，以至少基于与当前患者的眼睛的解剖参数的测量结果相关联的一个或多个数据点来生成标识用于治疗所述当前患者的候选人工晶状体
IOL
类型
、IOL
度数信息和
IOL
放置位置信息中的至少一者的输出；以及将经训练的一个或多个机器学习模型部署到一个或多个计算系统
。24.
如权利要求
23
所述的方法，进一步包括：生成与所述当前患者的眼睛的解剖参数的测量结果相关联的所述数据点，其中，生成与所述当前患者的眼睛的解剖参数的测量...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。