专利名称：基于参数模型的消融手术系统和方法
技术领域：
这里描述的方法、系统、计算机可读媒体等一般涉及与计算机编程相关联的眼科手术，更具体地涉及在术前测量与预测的术后结果之间作为参数模型建模用的相关性基础上，更新角膜消融算法。
背景技术：
每年，基于总体平均反应眼实施的激光屈光手术达百万例以上，用以校正近视。但是，经常规操作治疗的许多患者中，大约15％至50％未达到20/20的视力，其中至少部分地是由于患者眼睛与总体平均反应眼之间的差异比例关系，而手术是依从总体平均反应眼作屈光操作的。另外，由于许多患者个人的眼睛特性不在按总体平均反应眼进行建模的参数范围内，他们不能从角膜消融技术中获益。虽然，采用定制操作或波前引导操作时，比常规操作可有较大百分数的各位患者达到20/20视力，但仍有相当数量的患者诱发视觉像差，使得术前状态预计的像差减小成果降低。
1988年，Munnerlyn等人提出一种模型，用于屈光后激光角膜切削术(PRK)的初始尝试。将角膜建模为两层屈光面，在两层屈光面之间有已知屈光率的实体物质。治疗近视时，目标是增大前曲率半径以减小曲率，从而如图1中所示地降低前屈光面的屈光能力。可得出简单的几何公式，它将目标角膜形状设定为消融规范的函数。这是一种“形状相减”范例，它基于按几何方法作角膜组织减除和次生曲率改变，最后的角膜形状可认为决定于激光去掉多少角膜组织。实质上，该模型将角膜当作一块可塑体，由激光消融法将它雕刻成理想的表面形状。
Munnerlyn等人示明的公式对于消融算法仍越看出发点的作用。不过，PRK、激光上皮角膜磨削术(LASEK)和激光辅助原位角膜磨削术(LASIK)在实现一致的预期屈光效果上并不成功。
下面，给出在参数模型基础上使用于定制消融算法的方法、系统和计算机可读媒体的简明概要，它使术前和/或手术中得到的测量值与预测术后结果相关联，有助于对这些参数获得基本的理解力。本概要不是一种全面性的综述，也不是意在认定关于方法、系统和计算机可读媒体方面关键的或决定性的因素，又或是描绘这些参数的范围。本概要以简明形式给出概念性的介绍，作为后面呈现的更详细说明的前述。
本申请涉及在术前和/或手术中得到的测量值基础上对消融算法进行更新。这里，使测量值与希望的预测术后结果相关联。示例的测量包括但不限制于弹性模量，角膜对超声刺激的声学反应，多于午线方向内的角膜轮廓厚度，垂直与水平子午线之间角膜厚度测量值的不对称性，中央与周边之间角膜厚度测量值差别的大小，角膜宽度，眼睛前房角度和深度，多子午线方向内的角膜轮廓曲率，散光量，对LASIK膜瓣切削起反应的中央与周边局部解剖之间的散光差异。示例的相关性包括但不限制于较大的周边厚度导致较大的球面像差。例如，测量周边厚度有助于预测术后球面像差，因此，建议在范围{a，b}内测量周边厚度(增大周边消融可减小术后球面像差)。
长时间来，人们研究着角膜对消融手术(例如，LASEK、PRK、LASIK)的反应。从测量角膜可得到的大量参数中，用数学方法可认定一定的术前测量与预测术后结果之间的相关性。由此，能从研究成果和相关性中开发出疗效好的定制的和可定制的角膜消融系统和方法。此种角膜消融系统和方法不同于常规的消融技术，后者将角膜作为一个可塑体，和/或不考虑各别的角膜参数(例如，弹性模量)。构成相关性的示例参数中包括但不限制于弹性模量，角膜对超声刺激的声学反应，多子午线方向内的角膜轮廓厚度，垂直与水平子午线之间角膜厚度测量值的不对称性，中央与周边之间角膜厚度测量值差别的大小，角膜宽度，眼睛前房角度和深度，多子午线方向内的角膜轮廓曲率，散光量，对LASIK膜瓣切削起反应的中央与周边局部解剖之间的散光差异。因此，在参数模型内相关性的基础上通过眼睛术前测量以及选择和/或定制消融算法，能改进LASEK、LASIK和/或PRK的操作。在LASIK手术中，除术前测量外，手术操作时进行测量有助于进一步定制消融算法。
这里，结合下面的说明和附图，以一定的图示例子叙述有关的方法、系统和计算机可读媒体。然而，这些例子只是各种样方式中少量的特征陈述，其中涉及到本方法、系统、计算机可读媒体等各个原理的使用，因而它们意在全包罗各种等效情况。从下面结合各附图的详细说明中，本申请的其他优点和新颖特性十分显然。
图1示明角膜形状相减模型。
图2示明参数模型系统的例子。
图3示明参数模型方法的例子。
图4示明参数模型方法的另一个例子。
图4A示明一种回归分析。
图5给出周边基质厚度对曲率的回归分析曲线，左图属上基质区域，右图属下基质区域。
图6是示例的PRK和/或LASEK手术技术的流程图。
图7是示例的LASIK手术技术的流程图。
图8是示例的计算环境的概略方框图，它能使这里说明的示例的方法和系统相互联系。
图9示明API。
图10示明数据包。
图11示明数据包中的子字段。
现在，参照
示例的方法、系统和计算机可读媒体，其中，类似的参考号码应用来指明所有附图内类似的单元。为表达清楚起见，下面的说明中列示许多具体细节，以便于促进全面理解有关的方法、系统、计算机可读媒体及其他等等。然而，很显然，没有这些具体细节也能够实践本方法、系统和计算机可读媒体。对于其他方法，以方框图形式示明周知的结构和装置，以便简化说明。
本申请中使用的术语“计算机成分(computer component)”是指与计算机有关的实体，或者是硬件、固件、软件及它们的组合，或者是执行的软件。例如，计算机成分可以是但不限制于在处理器上运行的处理，处理器，对象，可执行程序，执行的线程，程序，以及计算器等。作为示例，在服务器上运行的应用程序和服务器本身，两者都是计算机成分。在一个处理和/或执行线程内可驻留一个或多个计算机成分，而一个计算机成分可以定位在一个计算机内，和/或分布在两个或多个计算机内。
这里使用的“信号”一词，包括但不限制于一个或多个电信号或光信号，模拟信号或数字信号，一个或多个计算机指令，单个比特或比特流，以及诸如之类。
这里使用的“软件”一词，包括但不限制于一个或多个计算机可读的和/或可执行的指令，它们能使计算机或其他电子装置以所需的方式实现功能、动作和/或行为。可以用各种形式实施指令，比如是例行程序、算法、模块、方法、线程和/或程序。又能以各种样可执行的和/或可装载的形式实践软件，包括但不限制于独立程序，功能呼叫(本地和/或远程)，小服务程序，小应用程序，存储器内存储的指令，操作系统或浏览器的一部分，以及诸如之类。应理解到，计算机可读的和/或可执行的指令可以处于一个计算机成分内，和/或分布在两个或多个相互通信的、协同工作的、和/或并行处理的计算机成分内，因此，它们能够以串行、并行、大规模并行或其他方式加以装载和/或执行。
图1是简单的角膜“形状相减”范例概略图，用于校正近视。R1和R2分别是初始的和最后的曲率半径，t是激光切削的最大深度，s是视域的直径。虽然，在不考虑术前测量(和/或手术中进行的测量)与术后结果之间的相关性下，形状相减模型已能产生满意的结果，但消融技术仍能从此类测量和相关性中获得益处。例如，表1中示明应用常规技术时在隆凸和弯曲方面见到的误差。
表1LASIK后预测的和测量的局部解剖间的误差
LASIK操作中，以微型角膜刀切削膜瓣到厚度约160μm。在生物力学上，此操作近乎以160μm深度剥开角膜层，它类似于消融术，但没有角膜组织去除。用膜瓣切削造成的角膜扁平化量值可以预测一定的术后结果。在膜瓣切削之前和之后对角膜上皮表面进行的局部解剖分析，可认定局部解剖与一定的术后结果之间的相关性。因此，本申请说明的有助于更新消融算法的示例系统和方法，至少部分地基于与LASIK膜瓣切削之前和/或之后得到的角膜测量值有联系的相关性。
为了便于认定术前测量和/或手术中进行的测量与预测术后结果之间的相关性，并为了便于建立参数模型，对接受LASIK手术的2380名患者作出分析研究。这些患者在术前和术后进行了角膜局部解剖测量。
通过玻璃器皿内的研究也认定了相关性。在某个研究中，使7个供体的14上去上皮的眼库眼睛成对地经受对照处理，或是受到宽光束的PTK，或是受到假的光消融。由自动角膜散光测量法测量角膜前曲率的变化。应用角膜光学切面像分析法测量垂直子午线内基质厚度的变化。将角膜横截面划分成5个区域进行分析，它们是远上区域、近上区域、中央区域、近下区域和远下区域。分析中包括评估周边厚度的几何偏倚变化，作为曲率变化的预测量。几何偏倚定义为消融区厚度损失模式中的近视偏倚或远视偏倚，借以控究PTK中远视转移的形状相减理论。
这一研究的结果表明，相对于未治疗眼成对地比照，光消融术导致角膜曲率测量中曲率的减小(-6.28+/-3.23D，p＝0.002)。假PTK手术期间测得的平均角膜曲率测量值转移与零值没有重大不同(+0.31+/-0.85D，p＝0.38)。除了使球面曲率成分扁平化之外，消融后的角膜还表明，它比之对照角膜(0.46+/1.72D，p＝0.009)呈现较高绝对值的圆柱面角膜曲率测量值(2.98+/-0.88D)，这指明一种生物力学分量诱发出圆柱面。以平均的成对式差异(PTK对照)表示时，周边基质厚度相对变化为+57.3+/-42.8μm(p＝0.01)或+8.5+/-5.7％(p＝0.1)，这表现出相对于对照角膜来说厚度加大。中央区域曲率转移与消融眼和对照眼中的区域性周边基质厚度变化之间，有着线性依存关系。因此，可认识到进一步的相关性。
玻璃器皿内的另一个研究进一步检验周边基质加厚化与中央基质扁平化之间的关系。一项成对地比照供体人眼的研究(n＝20)中，对术前的局部戊二醛(GTA)(组织固定剂)处理作出评价，作为一种技术应用于阻止PTK诱发的周边基质加厚化，并应用于减弱急剧的角膜扁平化反应。将供体眼各别地装入定制容器内，充气至正常眼内压力(约15mmHg)并进行去表皮化。一名给定供体的一个角膜浸入15％右旋糖酐(血浆代用器)溶液中40分钟，再转移到4％GTA/右旋糖酐溶液中另外浸20分钟。配对的对照角膜则浸入15％右旋糖酐深液中60分钟。使两只眼睛随后受到(1)假PTK，实施相同眼睛的对照阶段，以估计因手术中脱水作用引起的角膜减薄化；(2)PTK(5mm直径，100μm深度)；以及(3)1小时渗透减退的浸泡阶段。该设计用以评价基质交联的抗膨胀活力。使用一种扫描隙局部解剖系统(Orbscan眼球扫描仪)以获得各试验阶段之前和之后三次的厚度和曲率测量值。在PTK手术期内和术后的渗透减退浸泡处理，其基质交联作用可阻止周边基质趋厚化，此外，PTK手术期间，交联的角膜比之配对的对照角膜(p＝0.001)其远视转移要小36％。远视转移减小效应的幅度与基质交联引起的角膜周边对PTK反应中的厚化趋势受抑制幅度之间，有线性依存关系(r＝0.68，p＝0.03)。因此，通过术前应用胶原交联试剂，能够减低供体模型在PTK中的急剧远视转移。所以，这里说明的实例系统和方法至少部分地依赖于与本研究关联的相关性。
对屈光手术数据集合进行回顾分析，分析目的有两重。第一个目的是从术前临床数据中提取大量独立参数集合，以揭示实现数据分析的能力。第二个目的是借助于分析屈光手术成果及它们与术前测量参数间的统计关系，寻求初步确认生物力学反应模型。这里，假想它们的统计关系多半地影响这一反应。此初步研究中应用的数据集合基于9名患者18只眼睛检验中创建的数据库，对他们在术前用Orbscan II角膜局部解剖系统进行测量，在接受高精级(Summit Apex Plas)激发体激光的LASIK手术之后一天、一周、一个月和三个月时再进行测量。根据Orbscan局部解剖术中提取的数据，计算大约200个术前参数。这些术前参数包括与各别的角膜几何体有关的一些指数，诸如形状、多个本线方向内的角膜轮廓厚度、角膜尺寸的白到白测量、前房深度和表面曲率参数等。在逐步的多重线性回归分析中将全部200个参数包括进来，作为各个独立变量，借以确定哪些参数对于术后成果参数有重要的预测值依从性。术后成果参数中包括诸如球面等效屈光度的视觉功能参数，以及在术后3个月测量的、基于前表面隆凸局部解剖上Zernike分解法的结果形状参数。
表2中示明在前表面隆凸作为结果依从变量下，以Zernike第12项(Z12)作逐步式回归分析的结果。Z12项涉及球面像差，已经表明，屈光手术后它会显著增大。表2中的术前独立参数是以它们的局部R平方值大小排序的。局部解剖的Zernike分解中，术后Z12的最强术前预测值为标记pak_go_d的指数。该指数表明在围绕90度子午线的扇区内，中央角膜厚度测量与周边角膜厚度测量之间的差值。该单一变量可说明术后Z12的变动率近似地为66％。
表2
参数pak_90_d(围绕90度子午线上中央角膜厚度测量与周边角膜厚度测量之间的差值)与Zernike第12项间的回归曲线示明于图4a。Z12的第二最强预测值为srax_pak_pr，这是另一个角膜轮廓厚度测量指数。该预测值对180度之上的最厚子午线与180度之下的最厚子午线间的角度作出计算。该两参数的模型说明，结果的变量内变动率为76％。
现在，回到图2上，它表明示例系统200中的角膜消融算法更新。系统200中包括角膜数据接收器210，它接收角膜数据220。角膜数据220例如可以通过计算机通信进行接收。角膜数据220可以包括但不限制于术前测量值，手术中得到的测量值，和/或术后测量值。例如，角膜数据220中可以包括角膜厚度测量数据，隆凸数据，总的角膜厚度数据，角膜曲率数据，波前数据，眼内压力数据，角膜声学响应数据，以及其他等等。角膜数据220中还可以包括与一个或多个相关性关联的测量值，比如与术后球面像差结果相关的角膜轮廓厚度测量值。
系统中还包括参数模型230，通过消融算法处理器240能对它进行访问。例如，参数模型230可存储于一个或多个数据存储器内。作为示例，参数模型230可存储入一个或多个文件内、表格内、散列内、列表内、队列内、状态机内、数据库内以及诸如之类内。数据存储可以驻留在一个计算机成分中，和/或分布在两个或多个相互通信、协作运行的计算机成分之间。
参数模型230有助于存储一个或多个测量值之间的关联性、一个或多个预测术后结果之间的关联性、以及一个或多个角膜消融更新程序之间的关联性。示例的关联性可采用如下形式If m1＜v1 thenpor1＜r1thusaap1＝aap1+u1endif这里，m1是术前测量值，v1是供术前测量时用的值，por1是预测术后结果值，r1是供预测术后结果时用的值，aap1是消融算法参数值，以及u1是更新量。u1可以是预先规定的、可配置的数值，和/或可以是根据一个或多个比如m1之类的测量值而按照公式计算出的数值。
虽然，第一个示例的关联性使一个输入测量值与一个预测术后结果值相关联，但应理解到，可以是一个以上的输入测量值与一个预测术后结果值相关联。因此，另一个示例的关联性可采用如下形式If m1 in{a，b}and m2 in{c，d}thenPor2＜r2thusaap2＝aap2+u2else if m1 in{a，b}and m2 in{e，f}thenpor2＞＝r2thusaap2＝aap2-u2end if这里，m1和m2是术前测量值，{a，b}、{c，d}和{e，f}是供术前测量时用的值的范围，por2是预测术后结果值，r2是供预测术后结果时用的值，aap2是消融算法参数值，以及u2是更新量。u2可以是预先规定的、可配置的数值，和/或可以是取决于一个或多个比如ml和m2之类的输入测量值而得到的功能结果值。
虽然，两个示例的关联性以条件语句格式进行说明，但本技术领域内的熟练人员知道，也可以用本技术领域内已知的各种样格式获得和存储此类关联性。
消融算法处理器240依据参数模型230和/或存储在那里的一个或多个相关性，对接收的角膜数据220进行分析，并认定在其中可以更新消融算法的路径。由此，消融算法处理器240能访问例如存储在消融算法数据存储器250内的一个或多个消融算法，并传送更新的算法260。于是，消融手术中可使用更新的算法260。
虽然，图示的系统200为各计算机成分相连接的一个集合，但应理解到，某些计算机成分可以共同集成入一个或几个计算机成分内。类似地，应理解到，系统200的全部和/或部分其本身可以集成一个手术工具(例如，激光系统)内。
另一个例子中，系统200内可包括数据综合器(图中未示出)，它可根据所包含但并不受限的数据选择性地更新参数模型230，这些数据诸如是术前数据、微扰前数据、微扰后数据、消融后数据、术后数据和结果以及其他等等。
另外和/或可选地，消融算法处理器240初始时能根据角膜数据220和参数模型230内的一种或多种相关性，从消融算法数据存储器250中选择一个算法。例如，第一个术前测量值集合可以指明，在选择的第一集合路径下能够对第一消融算法进行更新，然后，根据第一测量值集合和一种或多种相关性作出更新。类似地，第二个术前测量值集合可以指明，在选择的第二集合路径下能够对第二消融算法进行更新，然后，根据第二测量值集合和一种或多种相关性作出更新。
就这里所示和所述的系统例子而言，参考图3、图4、图6和图7的流程图可以更好地理解示例的方法的实施。虽然，为了简化说明，所示和所述的实例方法的一串方框的形式给出，但应理解到，实际方法并不限制于其方框串次序，不同于所示和所述情况，某些方框可以按不同的次序实施，和/或与其他方框同时实施。而且，在实施一个示例的方法时可能只要求比之全部图示方框要少的方框。此外，另外的和/或可选的方法中还可使用附加的、未图示出的方框。在示例中，方法实施时可以由计算机运行存储于计算机可读媒体上的可执行指令和/或操作，计算机可读媒体包括但不限制于ASIC(专用集成电路)、CD(小型光盘)、DVD(数字通用光盘)、ROM(只读存储器)、PROM(可编程只读存储器)、EEPROM(电可擦除可编程只读存储器)、磁盘、载波和记忆棒等。
各流程图中，矩形框指“处理框”，例如可以在软件下执行。类似地，菱形框指“判决框”或“流程控制框”，也能够例如在软件下执行。可选地和/或另外地，处理框和判决框能够在功能上等效的电路中执行，诸如在DSP(数字信号处理器)、ASIC(专用集成电路)之类内执行。
流程图并不描述在任何具体的编程语言、编程方法或编程样式(例如，过程型、面向对象型)中使用的句法。可以说，流程图示明的是功能信息，本技术领域内的熟练人员可应用它们编程软件、设计电路等等。应理解到，在某些实例中，并未示明诸如临时变量、例行程序环路之类的编程元素。
切削膜瓣会改变角膜结构。所以，在某些示例的方法和系统中，切削角膜膜瓣之后进行角膜测量。如上面所述，角膜膜瓣的微型角膜刀切口会造成角膜变化。由于LASIK膜瓣切削产生的反应有助于预测其他反应，所以，一种用于定制屈光眼科算法的方法可包括术前角膜测量、膜瓣切削、角膜和/或膜瓣测量、以及基于所存储的测量值与预测术后结果之间的相关性对消融算法作调整。
现在，转到图3，它给出一个示例的参数模型建模方法300，用于选择和/或更新消融算法。步骤310上，访问参数模型。例如，可以查询数据库，参阅表格，访问数据结构，读取文件，以及其他之类。从参数模型中检索的数据比如能用来认定候选的相关性，由此认定对方法300有利害关系的微扰前数据。
步骤320上，方法300对于待实施屈光眼科治疗的角膜接收其微扰前数据。微扰前数据可包括但不限制于局部解剖数据，角膜厚度测量数据，隆凸数据，角膜厚薄数据，角膜曲率数据，角膜声学反应和超声数据，波前数据，以及眼内压力数据。此类数据都与受到微扰之前的角膜相关联，而微扰可以与一种或多种相关性有关联。
因此，根据手术前的各个测量，方法300有助于更新消融算法。通过试验和统计，已经使测量值与希望的术后结果相关联。实例的测量值包括但不限制于弹性模量，对超声刺激的角膜声学反应，多子午线方向内角膜轮廓厚度测量，垂直与水平子午线之间角膜厚度测量的不对称，中央与周边之间角膜厚度测量值差别的大小，角膜宽度，前房角度和深度，多子午线方向内角膜轮廓曲率，散光量，LASIK膜瓣切削反应下中央与周边局部解剖之间的散光差异。实例的相关性包括但不限制于较大的周边厚度导致较大的球面像差。例如，测量周边厚度有助于预测术后球面像差。因此，在{a，b}范围内的周边厚度测量启示医师增大周边消融量以减弱术后球面像差。微扰例如可以是角膜切口，角膜消融，LASIK膜瓣切削，从角膜上剥离上皮层，施加超声，以及其他等。一个实施例中，由微扰使角膜层剥开。
而后，方法300在步骤330上接收微扰后数据。微扰后数据可包括但不限制于局部解剖数据，角膜厚度测量数据，隆凸数据，总的角膜厚度数据，角膜曲率数据，波前数据，角膜声学反应和超声数据，膜瓣厚度数据，以及眼内压力数据。微扰例如可以是角膜切口，角膜消融，LASIK膜瓣切削，上皮层剥离，以及施加超声。
步骤340上，至少部分地根据微扰前数据、微扰后数据、以及一个或多个微扰前数据和预测术后结果与微扰后数据和预测术后结果之间的一种或多种相关性，和/或这三方向的组合，由之更新消融手术算法。
因此，实例的方法300依赖于微扰前数据、微扰后数据与预测术后结果间的相关性。例如，与微扰后角膜中央扁平度测量值关联的微扰前中央扁平度测量值，可以与预测术后的中央扁平度结果相关联，由此，能在消融算法中更新消融深度。
在方法300的扩展(未示出)中，可实施附加处理。该附加处理包括至少部分地根据微扰后数据和/或诊断数据，接收诊断数据并选择性地更新参数模型。这样，可以随时间更新参数模型，使之更加完善，由此能给出愈加精确的预测。诊断数据可包括但不限制于角膜声学反应和超声数据，患者满意度数据，患者视觉锐度和视觉能力数据，患者视晕效应和外周灵敏度数据，局部解剖数据，角膜厚度，角膜厚度测量数据，隆凸数据，总的角膜厚度数据，角膜曲率数据，波前数据，眼内压力数据，膜瓣厚度数据，以及屈光数据。
一个实例中，方法300在一个独立的计算机成分上运行，通过计算机通信系统与手术激光通信。另一个实例中，方法300运行在位于手术激光装置内的计算机成分上。又一个实例中，方法300中的一部分运行在一个独立的计算机成分上，而方法300中的另外部分运行在位于手术激光装置内的计算机成分上，方法300的该两部分通过计算机通信系统进行通信。
现在，转到图4，它示明实例的角膜消融手术方法400。方法400中，在步骤410上测量第一个角膜测量值集合。这些测量值是在任何的角膜层被剥开之前得到的。测量值可包括但不限制于角膜声学反应和超声数据，局部解剖数据，角膜厚度测量数据，隆起数据，角膜厚薄数据，角膜曲率数据，波前数据，眼内压力数据，周边基质厚度数据，年龄，性别，配戴眼镜年数，以及手术前的反应数据。它们的获得可通过一种或多种角膜局部解剖、相干光断层摄影、波前分析、施加超声以及同患者面谈。
根据步骤410上获得的数据，在步骤420上选择性地更新角膜消融算法。例如，算法的某些部分可以增强，另一些部分可以减弱，可以增加一些部分，又可以去除另一些部分。引外，根据步骤410上获得的数据可初始选取一种算法，然后更新所选取的算法。算法的选取及其选择性更新至少部分地根据步骤410上获得的数据与一个或多个希望的术后结果之间的一种或多种相关性，而这些相关性是存储于参数模型内的。
步骤430上，手术方法400剥开一个或几个角膜层。剥开角膜层的实现法例如可以是LASIK膜瓣切削、角膜刮削、消融、上皮剥离以及诸如之类。另一个实例中，手术方法400由手术装置实施，方法400处于可操作状态和/或与手术装置间的数据通信状态，方法400内可以不包括角膜层剥开。事实上，方法400可以局限于根据测量值和相关性只实现算法更新。因此，宁可说它不是一种手术方法，而是另一样的手术支持方法。
步骤440上，实施第二个角膜测量值集合的测量。这些测量值是在剥开一个或多个角膜层之后得到的。测量值可包括但不限制于角膜声学反应和超声数据，局部解剖数据，角膜厚度测量数据，隆凸数据，角膜厚薄数据，角膜曲率数据，波前数据，眼内压力数据，周边基质厚度数据，年龄，性别，配载眼镜年数，以及手术前的反应数据。它们的获得可通过一种或多种角膜局部解剖、相干光断层摄影、波前分析、施加超声以及同患者面谈。
步骤450上，方法400根据第二个角膜测量值集合和存储于参数模型内的测量值与术后结果之间的一种或多种相关性更新消融算法。另外和/或可选地，这些相关性可以使第一个角膜测量值集合和第二个角膜测量值集合与希望的术后结果相关联，并启示算法更新。
步骤460上，手术方法400按照更新的算法消融角膜组织。一个实例中，方法400在一个独立的计算机成分上运行，通过计算机通信系统与手术激光通信。另一个实例中，方法400运行在位于手术激光装置内的计算机成分上。又一实例中，方法400中的一部分运行在一个独立的计算机成分上，而方法400中的另外部分运行在位于手术激光装置内的计算机成分上。方法400的该两部分通过计算机通信系统进行通信。再一个实例中，手术由医师实施，和/或由可操作状态和/或与方法400进行数据通信的装置实施，那时，方法400内可以不包括步骤460，该动作将由与本方法相关联但不是本方法之一部分的一个实体予以实施。因此，方法400是一种手术支持方法而不是一种手术方法。
一个实例的方法中，采用的角膜测量方法包括但不限制于角膜局部解剖，相干光断层摄影，超声(包括高频超声)，屈光分析和/或波前分析。这些测量在角膜膜瓣的微型角膜刀切开之前和之后进行。因此，作为微扰(例如，切削、消融)之后但消融之前的手术中调整，可以在各别过程内和/或实时中的消融之先，作出消融算法调整。
实例的相关性方面涉及的因素包括但不限制于杨氏弹性模量，年龄，性别，种族，配戴眼镜年数，角膜厚度，角膜曲率，以及角膜尺寸。例如，老年人角膜比之年轻人角膜硬化些。因此，为达到同样的视力校正程度，对老年人角膜作近视校正处理时通常消融得少些。
从30名接受LASIK操作的治疗对象中进行的角膜中央曲率变化与周边隆凸变化之间的回归分析表明，存在正的相关性(R2＝0.56，p＜0.0001)，这指明消融区域外侧隆凸增加越大时，中央处曲率扁平化变化也越大。因此，本申请说明的示例系统和方法适应于术前测量和/或手术操作中进行的测量，它至少部分地基于该相关性和/或其他已确定的相关性。这些相关性例如可存储于参数模型内。
在一种病例研究中，作出了角膜中央曲率同周边基质厚度间的回归分析，其分析曲线示明于图5。无论角膜下部和上部，中央曲率与周边厚度之间有着负的相关性，意味着周边厚度愈大，中央曲率愈扁平。图5示明一名患者在术前与PRK术后4个时间点上的测量，左曲线和右曲线分别为上部区域和下部区域内周边基质厚度对中央3mm区域内曲率的回归分析。它显示出该患者的角膜中央率在时间进程中如何紧密地跟踪周边基质厚度。因此，本申请说明的示例系统和方法可根据术前测量和/或手术操作中进行的测量作出定制，它至少部分地基于与周边基质厚度有联系的相关性。
现在，转到图6，它示明一个实例的角膜消融算法更新方法600。该实例方法600并不采用在手术中进行测量。因此，方法600例如可使用于LASEK和PRK。另外，它也可以在LASIK手术中应用。在步骤610上，方法600访问存储有术前测量值与术后结果之间一种或多种相关性的参数模型，它有助于检索和/或产生消融算法的更新算法。这些相关性使给出的自适应性与消融算法相联系。一个实例中，相关性与给出的消融算法选取法相联系，从而可根据术前测量值进行定制。
步骤620上，接收术前数据。数据可包括但不限制于患者视觉锐度和视觉能力数据，角膜声学反应和超声数据，局部解剖数据，角膜厚度测量数据，隆凸数据，角膜厚薄数据，角膜曲率数据，波前数据，眼内压力数据，周边基质厚度数据，年龄，性别，配戴眼镜年数，以及手术前的反应数据。它们的获得可通过一种或多种的患者问卷、角膜局部解剖、相干光断层摄影、波前分析、施加超声以及同患者面谈。
步骤630上，根据术前数据以及使一段或多段术前数据和预测术后结果关联的一种或多种相关性，更新角膜消融算法。例如，测量角膜周边厚度有助于预测术后球面像差，因此，在{a，b}范围内的周边厚度测量可启示医师采取行动增大周边消融以减弱术后球面像差。虽然，上面说明的是一对一的相关性，但应理解到，两段或多段术前数据能与一种或多种预测术后结果相关联。
一个实例中，方法600结束于步骤630上。但在另一个实例中，方法600中还包括步骤640，它根据更新的消融算法消融角膜组织。一个实例中，方法600在一个独立的计算机成分上运行，通过计算机通信系统与手术激光通信。另一个实例中，方法600运行在位于手术激光装置内的计算机成分上。又一实例中，方法600中的一部分运行在一个独立的计算机成分上，而方法600中的另外部分运行在位于手术激光装置内的计算机成分上，方法600的该两部分通过计算机通信系统进行通信。
现在，转到图7，它示明用于更新算法的方法700。方法700中不包括手术实施，而是涉及在手术中使用的算法更新。因此，方法700可以在远离手术的地方运行。例如，医师与激光手术工具可以位于远处(比如，海外医院)。方法700能使患者从远地(例如，在美国的医院)实施的操作中受益。因此，方法700同医师和/或激光手术工具可通过计算机的通信系统进行数据通信。例如，携载数据的数据包和/或携载计算机可执行指令的载波能够在方法700与医师和/或激光之间传输。类似地，这里叙述的其他的实例方法和系统可以实行类似的数据传输和/或指令传输。
步骤710上，方法700访问参数模型，它存储有微扰前数据与预测术后结果之间的相关性数据。步骤720上，接收微扰前数据。步骤730上，根据接收数据值与该数据值与预测术后结果之间的一种或多种相关性，更新消融算法。例如，可以使微扰前数据与述后预测结果以一种方式相关联，该方式可指明在附加的区域内应接受附加的消融。因此，能合适地更新消融算法。例如，数据库存储单元内可以加入附加记录，添加消融量数据，对算法添加消融到一定深度的指令，更新定时指令，控制预定的、可配置的数据值和/或界限值，以及其他等等。
步骤740上，接收微扰后数据。然后，在步骤750上，根据微扰后数据与预测术后结果之间的相关性，再次更新消融算法。另外和/或可选地，由微扰前数据、微扰后数据与预测术后结果之间的相关性能认定算法更新情况。
计算机编程、数学计算机建模和/或数据库操作与管理技术领域内的熟练人员容易理解到，这里说明的实例系统和方法可以用软件和/或一个或多个计算机成分具体实现。因此，图8示明的计算机800中包括处理器802、存储器804、磁(光)盘806、输入/输出(I/O)端口810和网络接口812，以及将它们连接起来进行工作的总线808。这里说明的系统可执行成分可位于比如计算机800的计算机内。类似地，这里说明的计算机可执行方法可以在比如计算机800的计算机内实施。应理解到，这里说明的系统和方法也可以使用其他计算机。
处理器802可以是各种样的不同的处理器，包括双微处理器和其他多处理器结构。存储器804可包括易失性存储器和/或非易失性存储器。非易失性存储器可包括但不限制于ROM(只读存储器)，PROM(可编程只读存储器)，EPROM(电可编程只读存储器)，EEPROM(电可擦除可编程只读存储器)，以及其他之类。易失性存储器例如可包括RAM(随机存取存储器)、SRAM(同步RAM)、DRAM(动态RAM)、SDRAM(同步DRAM)、DDRSDRAM(双倍数据速率SDRAM)和DRRAM(直接RAM总线RAM)。盘806可包括但不限制于比如以下装置磁盘驱动器，软盘驱动器，磁带驱动器，Zip盘驱动器，闪存卡，和/或记忆棒。此外，盘806可包括光驱动器等，比如CD-ROM(小型光盘ROM)、CD-R驱动器(CD可记录驱动器)、CD-RW驱动器(CD可重写驱动器)和/或DVD-ROM(数字通用光盘ROM驱动器)。存储器804例如可存储程序814和/或数据816。盘806和/或存储器804可存储用于控制和分配计算机800资源的操作系统。
总线808可以是单一的内部总线互连结构和/或其他总线结构。总线808可以为各种样的类型，包括但不限制于存储器总线或存储器控制器，外围总线或外部总线，和/或局部总线。局部总线可以是多种多样的，包括但不限制于ISA(工业标准结构)总线，MCA(微通道结构)总线，EISA(扩展工业标准结构)总线，PCI(外围部件互连)总线，USB总线(通用串行总线)，以及SCSI(小型计算机系统接口)总线。
计算机800通过I/O端口810与I/O装置818相互作用。I/O装置818可包括但不限制于键盘，话筒，打印和选择装置，摄像机，视频卡，显示器，以及其他之类。I/O端口810可包括但不限制于串行端口，并行端口，以及USB端口等。
计算机800可工作于网络环境下，因此，由网络接口812连接至网络820上。通过网络820，计算机800同远地计算机822实现物理连接。网络820可包括但不限制于LAN(局域网)，WAN(广域网)，以及其他网络。网络接口812连接至局域网的技术可包括但不限制于FDDI(光纤分布式数据接口)，CDDI(铜线分布式数据接口)，以太网/IEEE802.3，令牌环网/IEEE802.5，以及其他之类。类似地，网络接口812连接至广域网的技术可包括但不限制于点对点链路，比如是ISDN(综合业务数字网)的电路交换网，以及DSL(数字用户线)。
手术前、手术后和手术中进行测量时，向一个或多个计算机成分输入数据的方法可包括但不限制于键盘敲击，直接数据转移，以及其他等等。角膜消融手术期间，这里说明的方法可以在计算机系统上实施，手术的组成员间可以用该系统进行通信。手术过程中可以向计算机输入数据。然后，该方法可更新在随后的手术步骤中使用的算法。
这里说明的系统、方法、数据结构、模型和对象例如可存储在计算机和可读媒体内。计算机可读媒体可包括但不限制于ASIC(专用集成电路)，CD(小型光盘)，DVD(数字通用光盘)，RAM(随机存取存储器)，ROM(只读存储器)，PROM(可编程只读存储器)，磁盘，载波，记忆棒，以及其他之类。因此，示例的计算机可读媒体能存储计算机可执行指令，以应用于这里提出权利要求的方法以及其等效事项。
现在，参考图9，它示明API(应用程序设计接口)900，以提供对消融算法更新用系统910的访问。API 900例如可供程序员920和/或程序进程930使用，以便系统910得以访问实施的程序。例如，程序员920可以对系统910写入程序(比如，激活其运行，监视其操作，访问其功能)，其时，写入的程序是由API 900的存在促成其实现的。因此，程序员920并不必需了解系统910的内部情况，程序员920的任务可以简化，只需要懂得对系统910怎样接口。这样，有助于封装系统910的功能，同时能使其功能显露出来。类似地，API 900可应用来对系统910提供数据值，和/或从系统910中检索数据值。
例如，应用API 900内提供的呼叫功能，通过API 900使得检索角膜测量值的程序进程930比如能向系统910和/或程序员920提供该角膜测量值。因此，API 900的一个实例中，可以在计算机可读媒体内存储一个应用程序接口集合。该接口集合可由一个计算机成分执行以实现对系统的访问，用于消融算法更新。接口集合可包括但不限制于第一接口940，它能告知与角膜消融手术有关的测量数据；第二接口950，它能告知与消融算法更新有关的相关性数据；以及第三接口960，它能告知由算法更新单元910从测量数据和相关性数据中产生出的算法更新数据和/或指令。
现在，参考图10，它示明数据包1000，这里说明的与消融算法更新有关的各个计算机成分之间，可通过数据包1000传输信息。数据包1000中包括首标字段1010，它包含诸如数据包长度和类型的信息。首标字段1010后面是信源标识符1020，它包含例如是始发出数据包1000的计算机成分的地址。信源标识符1020之后，数据包1000内包含的是信宿标识符1030，它包含例如是数据1000最终目的地的计算机成分的地址。信源标识符和信宿标识符例如可以是全球独一的标识符(GUID)、URL(统一资源定位器)、路径名以及其他之类。数据1000的数据字段1040内包含的各种信息预定供给接收信息的计算机成分使用。数据包1000结束于误差检测和/或校正字段1050，计算机成分借此可以判定，是否正确地接收到数据包1000。虽然，在数据包1000内示明了6种字段，但应理解到，数据包内可存在更多和/或较少数目的字段。
图11概略地示明图10中数据字段1040内部子字段1100。这里所述的子字段1100只是示例性的，应理解到，与消融算法更新有密切关系的各种数据类型中，可以使用更多的和/或较少的子字段数目。子字段1100内包含第一字段1110，它存储与测量数据有关的信息(例如，微扰前的，微扰后的)；第二字段1120，它存储与预测术后结果的测量数据有关的相关性数据。子字段1100还可包含第三字段1130，它存储测量数据1110和相关性数据1120计算出的算法更新数据。
上面的说明中包含数个实例。当然，在说明更新消融算法而使用的方法、系统、计算机可读媒体等方面，不可能述及各种成分和方法学上每一种可想像的组合。然而，本技术领域内的普通熟练人员知道，可以有更多的组合和置换。因此，本申请预定包罗所附权利要求书范围内的各种改变、修改和变型。此外，一定程序上，在详细的说明或权利要求书中使用的“包含”一词预定包容在类似的名词“包括”内，使用“包括”一词时可以解释为是权利要求中的一种转折词。
权利要求
1.一种用于定制消融手术的基于计算机实施方法的参数模型，包括访问参数模型；对于待实施屈光眼病治疗的角膜接收其有关的微扰前数据；对于待实施屈光眼病治疗的角膜接收其有关的微扰后数据；以及至少部分地根据参数模型中的一种或多种相关性更新消融手术算法，这里，相关性是指一个或多个微扰前数据、微扰后数据与预测的术后结果之间的相关性。
2.权利要求1的方法，其中，微扰是超声。
3.权利要求1的方法，其中，微扰是角膜切口，并且剥开一个或多个角膜层。
4.权利要求1的方法，其中，微扰是角膜消融和剥开一个或多个角膜层。
5.权利要求1的方法，其中，微扰是LASIK膜瓣切削和剥开一个或多个角膜层。
6.权利要求1的方法，其中，微扰是剥离角膜上皮和剥开一个或多个角膜层。
7.权利要求1的方法，其中，微扰前数据包含一个或多个局部解剖数据、角膜厚度测量数据、隆凸数据、总的角膜厚度数据、角膜曲率数据、角膜声学反应和超声数据、波前数据、以及眼内压力数据。
8.权利要求1的方法，其中，微扰后数据包含一个或多个局部解剖数据、角膜厚度测最数据、隆凸数据、总的角膜厚度数据、角膜曲率数据、角膜声学反应和超声数据、波前数据、膜瓣厚度数据、以及眼内压力数据。
9.权利要求1的方法，包括接收角膜诊断数据，以及至少部分地根据诊断数据选择性地更新参数模型，诊断数据包含一个或多个角膜声学反应和超声数据，患者满意度数据，患者视觉锐度和视觉能力数据，患者视晕效应和外周灵敏度数据，局部解剖数据，角膜厚度测量数据，隆凸数据，总的角膜厚度数据，角膜曲率数据，波前数据，眼内压力数据，膜瓣厚度数据，以及屈光数据。
10.一种计算机可读媒体，存储计算机可执行指令，工作于实现权利要求1的方法的计算机可执行部分。
11.一种用于更新消融算法的系统，包括接收角膜数据的数据接收器；参数模型，用于存储角膜数据、术后结果与消融算法更新之间的相关性；以及消融算法处理器，用于至少部分地根据角膜数据和相关性更新消融算法。
12.权利要求11的系统，其中，在角膜切削之前，角膜数据至少包含下列测量值之一角膜声学反应和超声数据，患者视觉锐度和视觉能力数据，局部解剖数据，角膜厚度测量数据，隆凸数据，总的角膜厚度数据，角膜曲率数据，波前数据，以及眼内压力数据。
13.权利要求11的系统，其中，在角膜消融之前，角膜数据至少包含下列测量值之一角膜声学反应和超声数据，患者视觉锐度和视觉能力数据，局部解剖数据，角膜厚度测量数据，隆凸数据，总的角膜厚度数据，角膜曲率数据，波前数据，以及眼内压力数据。
14.权利要求11的系统，其中，在角膜刮削之前，角膜数据至少包含下列测量值之一角膜声学反应和超声数据，患者视觉锐度和视觉能力数据，局部解剖数据，角膜厚度测量数据，隆凸数据，总的角膜厚度数据，角膜曲率数据，波前数据，以及眼内压力数据。
15.权利要求11的系统，其中，在角膜上皮层剥离之前，角膜数据至少包含下列测量值之一角膜声学反应和超声数据，患者视觉锐度和视觉能力数据，局部解剖数据，角膜厚度测量数据，隆凸数据，总的角膜厚度数据，角膜曲率数据，波前数据，以及眼内压力数据。
16.权利要求11的系统，其中，在角膜切削之后，角膜数据至少包含下列测量值之一角膜声学反应和超声数据，患者视觉锐度和视觉能力数据，患者视晕效应和外周灵敏度数据，局部解剖数据，角膜厚度测量数据，隆凸数据，总的角膜厚度数据，角膜曲率数据，波前数据，眼内压力数据，膜瓣厚度数据，以及屈光数据。
17.权利要求11的系统，其中，在角膜消融之后，角膜数据至少包含下列测量值之一角膜声学反应和超声数据，患者视觉锐度和视觉能力数据，患者视晕效应和外周灵敏度数据，局部解剖数据，角膜厚度测量数据，隆凸数据，总的角膜厚度数据，角膜曲率数据，波前数据，眼内压力数据，膜瓣厚度数据，以及屈光数据。
18.权利要求11的系统，其中，在角膜刮消之后，角膜数据至少包含下列测量值之一角膜声学反应和超声数据，患者视觉锐度和视觉能力数据，患者视晕效应和外周灵敏度数据，局部解剖数据，角膜厚度测量数据，隆凸数据，总的角膜厚度数据，角膜曲率数据，波前数据，眼内压力数据，膜瓣厚度数据，以及屈光数据。
19.权利要求11的系统，其中，在角膜上皮层剥离之后，角膜数据至少包含下列测量值之一角膜声学反应和超声数据，患者视觉锐度和视觉能力数据，患者视晕效应和外周灵敏度数据，局部解剖数据，角膜厚度测量数据，隆凸数据，总的角膜厚度数据，角膜曲率数据，波前数据，眼内压力数据，膜瓣厚度数据，以及屈光数据。
20.一种计算机可读媒体，存储权利要求11的系统中的计算机可执行成分。
21.一种用于定制消融算法的系统，包括通过测量术前角膜获得术前数据的装置；通过测量微扰之后角膜获得微扰后数据的装置，该微扰已使角膜剥开成一个或多个角膜层；用于获得术前数据与第一预测术后结果之间第一相关性数据的装置；以及用于根据第一相关性数据更新消融算法的装置。
22.权利要求21的系统，包括用于获得微扰后数据与第二预测术后结果之间的第二相关性数据的装置；以及用于根据第二相关性数据更新消融算法的装置。
23.权利要求22的系统，其中，术前第一和第二预测结果各别是下列结果中的一个或多个预定视觉能力，预定角膜形状，预定弹性模量，预定角膜对超声刺激的声学反应，多个子午线方向内预定的角膜轮廓厚度测量，垂直与水平子午线之间预定的角膜厚度测量不对称性，中央与周边之间角膜厚度测量上预定的差值大小，预定角膜宽度，预定前房角度和深度，多个子午线方向内预定的角膜轮廓曲率，散光量，对微扰起反应下中央与周边局部解剖之间预定的散光差异。
24.一种用于更新参数消融模型的系统，包括角膜数据接收器，它至少接收下列数据之一微扰前数据，微扰后数据，消融后数据，以及患者视觉能力数据；以及数据综合器，它至少部分地根据下列数据中的至少一项，选择性地更新消融手术参数模型微扰前数据，微扰后数据，消融后数据，以及患者视觉能力数据。
25.一种角膜消融手术方法，包括在一个或多个微扰之前测量第一角膜测量值集合；在一个或多个微扰之后根据第一角膜测量值集合以及第一角膜测量值集合与一个或多个预测术后结果之间的一种或多种第一相关性，选择性地更新角膜消融算法，其中，第一相关性可从参数模型中检索；在一个或多个微扰之后测量第二角膜测量值集合；根据第二角膜测量值集合以及第二角膜测量值集合与一个或多个预测术后结果之间的一种或多种第二相关性，选择性地更新角膜消融算法，其中，第二相关性可从参数模型中检索；以及按照更新的角膜消融算法对角膜实施角膜组织消融。
26.权利要求25的方法，其中，测量第一角膜测量值集合时至少包含下列测量之一角膜声学反应和超声数据，患者视觉锐度和视觉能力数据，局部解剖数据，角膜厚度测量数据，隆凸数据，角膜厚薄数据，角膜曲率数据，波前数据，眼内压力数据，周边基质厚度数据，年龄，性别，配戴眼镜数据；以及手术之前的至少下列反应数据之一角膜局部解剖，相干光断层摄影，波前分析，施加超声，以及同患者面谈。
27.权利要求25的方法，其中，测量第二角膜测量值集合时至少包含下列测量之一角膜声学反应和超声数据，患者视觉锐度和视觉能力数据，局部解剖数据，角膜厚度测量数据，隆凸数据，角膜厚薄数据，角膜曲率数据，波前数据，眼内压力数据，周边基质厚度数据，年龄，性别，配戴眼镜数据；以及手术之前的至少下列反应数据之一角膜局部解剖，相干光断层摄影，波前分析，施加超声，以及同患者面谈。
28.一种角膜消融手术方法，包括对保存有角膜测量值与术后结果之间一种或多种相关性的参数模型进行访问；在角膜消融操作之前测量一个角膜测量值集合；根据角膜测量值集合和一种或多种相关性选择性地更新角膜消融算法；以及按照更新的角膜消融算法对角膜实施角膜组织消融。
29.权利要求28的方法，其中，测量角膜测量值集合时至少包含下列测量之一角膜声学反应和超声数据，患者视觉锐度和视觉能力数据，局部解剖数据，角膜厚度测量数据，隆凸数据，角膜厚薄数据，角膜曲率数据，波前数据，眼内压力数据，周边基质厚度数据，年龄，性别，配戴眼镜数据；以及手术之前的至少下列反应数据之一角膜局部解剖，相干光断层摄影，波前分析，施加超声，以及同患者面谈。
30.一种计算机可读媒体，它上面存储有在更新角膜消融算法中使用的数据结构，包括第一字段，它携载与一个或多个术前角膜测量值有关的信息；第二字段，它携载与一个或多个预测术后结果有关的信息，其中，预测术后结果是借助于参数模型中存储的一种或多种相关性从一个或多个术前角膜测量值中得出的；以及第三字段，它携载与消融算法的一个或多个更新有关的信息，其中，算法更新是从术前角膜测量值、预测术后结果与相关性数据之中得出的。
31.权利要求29的计算机可读媒体，包括第四字段，它携载与一个或多个微扰之后得到的一个或多个角膜测量值有关的信息；以及其中，第三字段内存储的信息是从术前角膜测量值、角膜消融过程内得到的角膜测量值、预测的术后结果和相关性数据中得出的。
32.一种在计算机可读媒体上实现的应用程序设计接口集合，它们由计算机成分执行以共同更新消融算法，包括第一接口，用于告知角膜测量数据；第二接口，用于告知相关性数据；以及第三接口，用于告知从角膜测量数据和相关性数据中得出的消融算法更新。
33.在具有图形用户界面并包含显示器和选择装置的计算机系统中，一种在显示器上从提供的数据输入项集合中作出选择的方法，该方法包括接收数据输入项集合，数据输入项之每一个表示一种选择方案，用于基于角膜测量值与预测术后结果之间的相关性更新消融算法；在显示器上显示输入项集合；接收数据输入项选择信号，它对选择装置指明选用一个选定的数据输入项；以及根据数据输入项选择信号，启动与选定的数据输入项关联的操作。
34.一种在传输媒体中实现的计算机数据信号，包括第一指令集合，用于接收角膜测量值；第二指令集合，用于认定角膜测量值与预测术后结果之间的相关性；以及第三指令集合，用于根据角膜测量值和/或预测的术后结果更新消融算法。
35.一种用于传输消融算法更新的数据包，包含第一字段，它存储角膜测量数据；第二字段，它存储相关性数据；以及第三字段，它存储从角膜测量数据和相关性数据中得出的消融算法数据。
36.一种消融算法更新方法，包括访问消融算法；访问其中保存有术前测量值与术后结果之间一种或多种相关性的参数模型；接收术前数据；以及根据术前数据以及术前数据与一个或多个预测的术后结果之间的一种或多种相关性，选择性地更新消融算法。
37.一种角膜消融算法的选择和更新方法，包括访问其中保存有术前测量值与预测的术后结果之间一种或多种相关性的参数模型；接收一个或多个术前测量值；根据术前测量值和一种或多种相关性选择消融算法；以及根据术前测量值和一种或多种相关性选择性地更新消融算法。
38.一种激光眼科手术设备，用于实现定制的角膜组织激光消融，包括激光器，用于消融角膜组织以获得预测的术后结果；存储器，用于存储控制激光的消融程序；存储器，用于存储角膜测量数据；存储器，用于存储参数模型，参数模型中存储有角膜测量数据与预测的术后结果之间的相关性；以及处理器，用于根据相关性修改消融程序。
39.一种激光眼科手术设备，用于实现定制的角膜组织激光消融，包括激光器，用于消融角膜组织以获得预测的术后结果；计算机成分，用于接收作为角膜测量值与预测的术后结果间相关性之结果的、更新的消融程序；以及存储器，用于存储更新的消融程序。
全文摘要
提供实例的系统和方法，用于实现个别地定制的角膜消融手术。实例的系统和方法依赖于参数模型和消融算法更新，参数模型使角膜测量值与预测术后结果相关联，消融算法更新有助于达到希望的术后结果。
文档编号A61F9/01GK1725992SQ200380106306
公开日2006年1月25日 申请日期2003年12月16日 优先权日2002年12月16日
发明者辛西娅·罗伯茨, 阿什拉夫·马哈茂德, 爱德华·E·赫尔德里克 申请人:俄亥俄州立大学