【技术实现步骤摘要】
本专利技术涉及一种用于确定要植入的人工晶状体的屈光力值的计算机实施的方法。本专利技术还涉及一种用于确定要植入的人工晶状体的屈光力值的系统以及一种对应的计算机程序产品。
技术介绍
1、如今，人工智能(ai)的使用刺激了不同科学领域的多样性。使用预测模型的ai和机器学习(ml)系统已经发展成强大的工具。这也适用于各种医疗领域的广泛使用。到目前为止，医生或助手能够基本上毫不费力地使用这些工具来为即将到来的医疗任务获得良好的预测和推荐。在这种情况下，对底层预测模型的参数(或超参数)的正确选择以及训练数据的量和质量是至关重要的。因此，训练数据必须尽可能地覆盖将要进行预测的领域。
2、在该覆盖范围或该域之外，由于机器学习模型的属性通常具有高度非线性特性，所述机器学习模型容易产生无法满足实际任务需求的非预期预测值。在各个医学领域中，某个域通常只有相对少量的可用训练数据。还可能存在这样的情况，相较而言，几乎没有可用训练数据可用于不同领域——即，用于不同的初始医学假设。
3、尽管如此，医生仍然希望能够使用可用的机器学习模型，即使是针对那些没有直接被可用训练数据覆盖的领域。这也适用于眼科学领域，例如在用要植入的人工晶状体替换眼睛的天然晶状体的白内障手术的范围内。这种手术的重要参数是经训练的机器学习系统对将要植入的人工晶状体的屈光力的推荐或预测。
4、鉴于人工晶状体的不同类型和不同制造商，通常只有少量的训练数据可用于来自不同制造商的各个类型或晶状体，因此机器学习系统的预测仅在相对严格限定的范围内提供可靠的预测值。一
5、在该领域已经发表了一些文献。例如，文献de 10 2021 102 142a1描述了用于基于机器学习的眼科预测方法的理论驱动的域控制。在这种情况下，用于确定要植入的人工晶状体的屈光力的对应方法包括提供用于确定屈光力的物理模型，以及利用临床眼科训练数据和相关联的期望结果来训练机器学习系统以形成用于确定屈光力的学习模型。用于训练的损失函数具有两个分量。相比之下，文献de 10 2020101 763a1描述了用于标注人工晶状体尺寸的机器学习辅助流水线。在这种情况下，该对应方法包括提供眼睛的扫描结果，该扫描结果表示眼睛的解剖结构的图像。此外，该方法包括确定生物特征数据以及使用第一经训练的机器学习系统来确定要植入的人工晶状体的最终位置。此外，文献de 10 2020101 762描述了用于经优化的人工晶状体计算的物理驱动的机器学习系统。在该上下文中，对应方法包括基于用于人工晶状体屈光力的第一物理模型为机器学习系统生成第一训练数据。此外，借助于所生成的第一训练数据对机器学习系统进行训练，以便形成用于确定屈光力的第一学习模型。还使用第二经训练的机器学习模型。然而，这些文献中没有一篇明确描述针对上文概述的需求的解决方案。
6、因此，需要提出一种精确地满足上文所述的要求、特别是在医学领域(尤其是眼科学领域)使用机器学习系统进行预测的可能性的方法和系统，该系统在可用训练数据的域内和域外均提供可靠的预测值——例如针对要植入的人工晶状体的屈光力。
技术实现思路
1、该目的通过根据独立权利要求的这里提出的方法、对应的系统和相关联的计算机程序产品来实现。进一步的配置由相应的从属权利要求描述。
2、根据本专利技术的第一方面，提出了一种用于确定要植入的人工晶状体的屈光力值的计算机实施的方法。在该上下文中，该方法包括测量眼科患者数据以及接收目标屈光值。
3、进一步地，该方法包括：借助于物理模型确定要植入的人工晶状体的第一屈光力值，其中，测得的眼科患者数据和目标屈光值被用作输入数据；以及借助于经训练的机器学习系统确定要植入的人工晶状体的第二屈光力值，该机器学习系统是使用眼科训练数据、分别相关联的目标屈光值和要植入的人工晶状体的分别相关联的屈光力值来训练的，要植入的人工晶状体的分别相关联的屈光力值用作用于确定机器学习系统的对应机器学习模型的基本事实数据，测得的眼科患者数据和接收到的目标屈光值还被用作经训练的机器学习系统的输入数据。
4、最后，该方法包括借助于单独的提升系数值根据第一屈光力值和第二屈光力值来确定要植入的人工晶状体的最终屈光力值，该提升系数指示分量由测得的眼科输入数据确定的患者向量与用于训练机器学习系统的训练数据的域的拟合程度。
5、根据本专利技术的第二方面，提出了一种用于基于要植入的人工晶状体的屈光力来确定目标屈光值的计算机实施的方法。该方法包括测量眼科患者数据以及接收要植入的人工晶状体的屈光力值。
6、该方法进一步包括：借助于物理模型确定第一目标屈光值，其中，测得的眼科患者数据和要植入的人工晶状体的屈光力值被用作输入数据；以及借助于经训练的机器学习系统确定第二目标屈光值。在这种情况下，机器学习系统是使用眼科训练数据、要植入的人工晶状体的分别相关联的屈光力值和分别相关联的目标屈光值(或具有植入的人工晶状体的患者眼睛的屈光结果)来训练的。分别相关联的目标屈光值(或具有植入的人工晶状体的患者眼睛的屈光结果)用作用于确定机器学习系统的对应机器学习模型的基本事实数据。
7、然后，测得的眼科患者数据和接收到的屈光力值可以用作经训练的机器学习系统的输入数据。
8、最后，该方法还包括借助于单独的提升系数值根据第一目标屈光值和第二目标屈光值来确定最终目标屈光值，该提升系数指示分量由测得的眼科输入数据确定的患者向量与用于训练机器学习系统的训练数据的域的拟合程度。
9、根据本专利技术的第三方面，提出了一种用于确定要植入的人工晶状体的屈光力值的系统，该系统能够被认为与第一方面的方法相关联。该系统包括：处理器；存储器，该存储器操作性地与该处理器协作以存储指令，这些指令在由该处理器执行时使该处理器测量(特别是借助于测量单元)眼科患者数据，并且(例如使用接收单元)接收可以通过植入的人工晶状体实现的术后目标屈光值。
10、还可以使该处理器借助于物理模型(特别是借助于物理模型的确定单元)来确定第一屈光力值，其中，测得的眼科患者数据和目标屈光值被用作输入数据。
11、此外，可以使该处理器借助于经训练的机器学习系统来确定第二屈光力值，该机器学习系统是使用眼科训练数据、分别相关联的目标屈光值和要植入的人工晶状体的分别相关联的屈光力值来训练的，该分别相关联的屈光力值用作用于确定机器学习系统的对应机器学习模型的基本事实数据。
12、在这种情况下，测得的眼科患者数据和接收到的目标屈光值可以被用作经训练的机器学习系统的输入数据。
13、最后，还可以使该处理器借助于单独的提升系数值根据第一屈光力值和第二屈光力值(例如，借助于用于最终屈光力值的确定单元)来确定最终屈光力值，该提升系数指示分量由测得的眼科输入数据确定的患者向量与用于训练该机器学习系统的训练数据的域的拟合程度。<本文档来自技高网...
【技术保护点】
1.一种用于确定要植入的人工晶状体的屈光力值的计算机实施的方法(100)，该方法包括：
2.根据权利要求1所述的方法，其中，该要植入的人工晶状体的最终屈光力值(512)是借助于该单独的提升系数值根据该第一屈光力值(504)和该第二屈光力值(510)根据以下公式来确定的：
3.根据权利要求1或2所述的方法，其中，该单独的提升系数值(414)的确定包括：
4.根据权利要求3所述的方法，其中，确定该单独的提升系数值(414)包括：
5.根据权利要求4所述的方法，其中，确定该单独的提升系数值(414)包括：
6.根据前述权利要求中任一项所述的方法，另外包括：
7.一种用于基于要植入的人工晶状体的屈光力来确定目标屈光值的计算机实施的方法，该方法包括：
8.一种用于确定要植入的人工晶状体的屈光力值的系统(700)，该系统(700)包括：
9.一种用于基于要植入的人工晶状体的屈光力来确定目标屈光值的系统，该系统包括：
10.一种用于确定要植入的人工晶状体的屈光力值的计算机程序产品，其中，
11.一种用于基于要植入的人工晶状体的屈光力来确定目标屈光值的计算机程序产品，其中，该计算机程序产品具有其上存储有程序指令的计算机可读存储介质，这些程序指令能够由一个或多个计算机或控制单元执行，并使该一个或多个计算机或控制单元执行如权利要求7所述的方法。
...【技术特征摘要】
1.一种用于确定要植入的人工晶状体的屈光力值的计算机实施的方法(100)，该方法包括：
2.根据权利要求1所述的方法，其中，该要植入的人工晶状体的最终屈光力值(512)是借助于该单独的提升系数值根据该第一屈光力值(504)和该第二屈光力值(510)根据以下公式来确定的：
3.根据权利要求1或2所述的方法，其中，该单独的提升系数值(414)的确定包括：
4.根据权利要求3所述的方法，其中，确定该单独的提升系数值(414)包括：
5.根据权利要求4所述的方法，其中，确定该单独的提升系数值(414)包括：
6.根据前述权利要求中任一项所述的方法，另外包括：
7.一种用于基于要植入的人工晶状体的屈光力来确定目标屈光值的计算机实施的方法，该方法包括：<...
【专利技术属性】
技术研发人员：H·伯温克尔，M·特罗斯特，
申请(专利权)人：卡尔蔡司医疗技术股份公司，
类型：发明
国别省市：
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。