角膜塑形效果预估方法技术

本发明专利技术涉及一种角膜塑形效果预估方法

【技术实现步骤摘要】
角膜塑形效果预估方法、装置、计算机设备和存储介质


[0001]本申请涉及角膜塑形预估
，特别是涉及一种角膜塑形效果预估方法
、
装置
、
计算机设备和存储介质
。

技术介绍

[0002]近视是最常见的屈光不正类型，除造成视物模糊外，更会增加白内障
、
青光眼
、
视网膜眼底病变等失明性疾病发生率，已成为严重的公共卫生问题
。
目前，角膜塑形术可利用逆几何设计的角膜塑形镜改变角膜形态，已成为控制近视最有效的手段之一
。
角膜塑形术的效果受到多种因素的综合作用，并最终体现为角膜形态的改变进而影响屈光度
、
视力
、
周边离焦量和高阶像差等，从而对近视进展产生控制效果
。
[0003]相关技术中，角膜塑形术控制近视进展的效果存在显著个体差异，因此需在角膜塑形术前精准预估角膜塑形术后的角膜形态学参数
。
目前，少数研究利用有限元方法预测角膜塑形术后角膜形态学参数的变化，仅采用人群均值设置的角膜材料属性
、
眼睑压力和泪液的液压膜力
。
其中，角膜材料属性在患者中变动较大，是影响角膜塑形术效果的核心力学因素
。
[0004]然而，受限于目前的技术手段，目前已建立的有限元模型由于难于获取个性化的角膜材料属性，均难以实现对角膜塑形术后角膜形态的精准预估
。

技术实现思路

[0005]基于此，有必要针对上述问题，提供一种角膜塑形效果预估方法
、
装置
、
计算机设备和存储介质
。
[0006]一种角膜塑形效果预估方法，包括：获取角膜样本的在体实验数据，其中，所述在体实验数据包括样本载荷位移曲线与样本角膜形态参数；获取所述角膜样本的离体实验数据，其中，所述离体实验数据包含样本本构参量；对所述样本载荷位移曲线
、
所述样本角膜形态参数与所述样本本构参量进行解析，得到样本关系式；获取实测载荷位移曲线和实测角膜形态参数，基于所述实测载荷位移曲线
、
所述实测角膜形态参数与所述样本关系式获得实测关系式，并根据所述实测关系式计算得到角膜材料属性；基于所述角膜材料属性与所述样本角膜形态参数建立角膜塑形参数化模型；将多个所述角膜塑形参数化模型输入至神经网络模型进行训练，得到角膜塑形效果预估模型
。
[0007]在其中一个实施例中，该方法还包括
:
获取角膜塑形镜的区域性眼睑压力；所述基于所述角膜材料属性与所述样本角膜形态参数建立角膜塑形参数化模型
的步骤包括：基于所述角膜材料属性
、
所述样本角膜形态参数与所述区域性眼睑压力建立角膜塑形参数化模型
。
[0008]在其中一个实施例中，所述基于所述角膜材料属性
、
所述样本角膜形态参数与所述区域性眼睑压力建立角膜塑形参数化模型的步骤包括：获取角膜塑形镜在眼的图像信息，并对所述图像信息分割边界，从而划分塑形镜片模型；获取所述角膜塑形镜与硬度相关的杨氏模量，基于所述塑形镜片模型与所述杨氏模量建立镜片有限元模型；获取全眼球模型；结合所述镜片有限元模型与所述全眼球模型得到中间有限元模型，将所述角膜材料属性
、
所述样本角膜形态参数与所述区域性眼睑压力输入至所述中间有限元模型，得到角膜塑形参数化模型
。
[0009]在其中一个实施例中，所述基于所述角膜材料属性
、
所述样本角膜形态参数与所述区域性眼睑压力建立角膜塑形参数化模型的步骤之后，还包括：获取临床人眼在体数据，并根据所述临床人眼在体数据对所述角膜塑形参数化模型进行验证；通过变动所述角膜塑形参数化模型的参数数据，生成多个训练样本数据；基于多个所述训练样本数据输入所述角膜塑形参数化模型，以得到多个角膜塑形参数化模型
。
[0010]在其中一个实施例中，该方法还包括：获取待测角膜参数，将所述待测角膜参数输入至所述角膜塑形效果预估模型进行解析，得到角膜塑形效果
。
[0011]在其中一个实施例中，所述通过变动角膜塑形参数化模型的参数数据，生成模型训练样本数据的步骤之后，还包括：对所述模型训练样本数据分割，生成训练集
、
验证集以及测试集
。
[0012]在其中一个实施例中，所述将多个所述角膜塑形参数化模型输入至神经网络模型进行训练，得到角膜塑形效果预估模型的步骤之后，还包括：基于所述训练集对神经网络模型进行训练；通过所述验证集和所述测试集进行模型调整与能力评估
。
[0013]一种角膜塑形效果预估装置，包括：实验数据获取模块，用于获取角膜样本的在体实验数据，其中，所述在体实验数据包括样本载荷位移曲线与样本角膜形态参数；并获取所述角膜样本的离体实验数据，其中，所述离体实验数据包含样本本构参量；材料属性获取模块，用于对所述样本载荷位移曲线
、
所述样本角膜形态参数与所述样本本构参量进行解析，得到样本关系式；获取实测载荷位移曲线和实测角膜形态参数，将所述实测载荷位移曲线
、
所述实测角膜形态参数输入所述样本关系式后获得实测关系式，并根据所述实测关系式计算得到角膜材料属性；模型获取模块，用于建立角膜塑形参数化模型，并将角膜塑形参数化模型输入神
经网络模型进行训练，以得到角膜塑形效果预估模型
。
[0014]一种计算机设备，包含存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一实施例中所述方法的步骤
。
[0015]一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述任一实施例中所述的方法的步骤
。
[0016]上述角膜塑形效果预估方法
、
装置
、
计算机设备和存储介质，通过获取实测关系式，根据实测关系式得到角膜材料属性，基于角膜材料属性建立角膜塑形参数化模型，将多个角膜塑形参数化模型输入至神经网络模型进行训练，得到角膜塑形效果预估模型
。
如此，通过角膜塑形效果预估模型获得个性化的角膜材料属性，从而实现对角膜塑形术后角膜形态的精准预估，本方法具有易于实现快速获得角膜塑形效果预估，可应用于临床的角膜塑形术效果预估的效果
。
附图说明
[0017]图1为一实施例的角膜塑形术效果预估方法的流程框图；图2为获取实测关系式的流程图；图3为压平示意图及不同压痕速率下正切模量变化的示意图；图4为角膜的区域性划分示意图及周边弧区压痕位置的示意图；图5为一个实施例中计算机设备的内部结构图；图6为一个实施例中的角膜塑形术效果预估装置的结构框图
。
具体实施方式
[0018]为了便于理解本申请，为使本申请的上述目的
、...

【技术保护点】

【技术特征摘要】
1.
一种角膜塑形效果预估方法，其特征在于，包括：获取角膜样本的在体实验数据，其中，所述在体实验数据包括样本载荷位移曲线与样本角膜形态参数；获取所述角膜样本的离体实验数据，其中，所述离体实验数据包含样本本构参量；对所述样本载荷位移曲线
、
所述样本角膜形态参数与所述样本本构参量进行解析，得到样本关系式；获取实测载荷位移曲线和实测角膜形态参数，基于所述实测载荷位移曲线
、
所述实测角膜形态参数与所述样本关系式获得实测关系式，并根据所述实测关系式计算得到角膜材料属性；基于所述角膜材料属性与所述样本角膜形态参数建立角膜塑形参数化模型；将多个所述角膜塑形参数化模型输入至神经网络模型进行训练，得到角膜塑形效果预估模型
。2.
根据权利要求1所述的角膜塑形效果预估方法，其特征在于，该方法还包括
:
获取角膜塑形镜的区域性眼睑压力；所述基于所述角膜材料属性与所述样本角膜形态参数建立角膜塑形参数化模型的步骤包括：基于所述角膜材料属性
、
所述样本角膜形态参数与所述区域性眼睑压力建立角膜塑形参数化模型
。3.
根据权利要求2所述的角膜塑形效果预估方法，其特征在于，所述基于所述角膜材料属性
、
所述样本角膜形态参数与所述区域性眼睑压力建立角膜塑形参数化模型的步骤包括：获取角膜塑形镜在眼的图像信息，并对所述图像信息分割边界，从而划分塑形镜片模型；获取所述角膜塑形镜与硬度相关的杨氏模量，基于所述塑形镜片模型与所述杨氏模量建立镜片有限元模型；获取全眼球模型；结合所述镜片有限元模型与所述全眼球模型得到中间有限元模型，将所述角膜材料属性
、
所述样本角膜形态参数与所述区域性眼睑压力输入至所述中间有限元模型，得到角膜塑形参数化模型
。4.
根据权利要求2所述的角膜塑形效果预估方法，其特征在于，所述基于所述角膜材料属性
、
所述样本角膜形态参数与所述区域性眼睑压力建立角膜塑形参数化模型的步骤之后，还包括：获取临床人眼在体数据，并根据所述临床人眼在体数据对所述角膜塑形参数化模型进行验证；通过变动所述...

【专利技术属性】
技术研发人员：吴晋芳，金子兵，陈文，王楚灿，
申请(专利权)人：首都医科大学附属北京同仁医院北京天明眼科新技术开发公司，
类型：发明
国别省市：