一种人工智能辅助优化的高度近视眼人工晶状体度数计算器

1.本发明涉及医疗技术领域，具体地说，是一种人工智能辅助优化的高度近视眼人工晶状体度数计算器。


背景技术：

2.白内障摘除术中，常需根据计算公式选择合适的预留屈光度及人工晶状体度数。高度近视眼被定义为眼轴长度》26mm的眼球，由于高度近视眼一系列特殊的眼球结构的改变，如眼轴增长、后巩膜葡萄肿等，高度近视眼的人工晶状体度数计算公式应当不同于非高度近视眼。目前国际上常用的公式普遍更适用于正常眼轴眼，而在高度近视眼中应用时的预测误差会显著增大、术后远视漂移等屈光意外的情况出现。目前国际上通用的人工晶状体计算公式有很多，其中，barrett universal ii公式被认为是新一代公式中最准确的公式之一。手术医生会在术前对患者进行一系列眼球参数的测量，并代入公式进行计算，其具体步骤包括：
3.1)眼球生物测量(如使用zeiss iolmaster 700仪器)，测量包括但不限于以下参数：眼轴、角膜曲率及轴位(陡峭轴及平坦轴)、白到白距离、晶状体厚度、前房深度等；
4.2)将患者测量的相关生物测量参数输入人工晶状体计算公式，例如barrett universal ii公式；
5.3)输入预留屈光度、选择目标的人工晶状体，并点击计算；
6.4)得出相关人工晶状体在预留屈光度附近最适合的人工晶状体度数，及其附近度数人工晶状体所预测的预留屈光度以供参考；
7.5)根据预留的屈光度选择合适的人工晶状体度数；
8.6)术中植入合适度数和型号的人工晶状体。
9.对于高度近视眼来说，选择合适的人工晶状体度数，得到预期准确的预留度数非常重要。如果公式对预留屈光度的预测不准确，将导致植入不合适的人工晶状体度数，可能造成术后出现远视漂移或近视漂移等屈光意外，降低患者术后视力，降低患者满意度。但目前人工晶状体计算公式，都并非长眼轴眼专用，而是基于全眼轴人群所设计。由于并非高度近视眼专用，这些公式应用在高度近视眼的人工晶状体度数计算时会出现屈光误差较大的情况：
10.1)高度近视眼患者，由于眼轴轴性增长，后巩膜葡萄肿普遍存在，在眼球生物参数测量时会引起误差较大，继而导致计算不准确；
11.2)高度近视眼的术后预留屈光度往往不同于正视眼或低度近视眼，正视眼或低度近视眼的目标屈光度为0，而高度近视眼往往术后预留低度的近视以辅助看近，而现有公式大多都基于目标屈光度在0或0附近而优化，对于高度近视眼预留超过-2.0d的患者会存在预测误差较大的情况。
12.由于以上缺陷，高度近视眼的人工晶状体度数计算及术后屈光度的预测是一个技术难点，尤其是对于高度近视眼诊治经验缺乏的医生，术后意外出现的近视漂移和远视漂
移会极大地降低患者的手术效果，另一方便也可能导致患者看近、看远需要多附眼镜辅助，从而造成生活不便，满意度下降。
13.中国专利文献：cn202011480616.5，申请日2020.12.16，专利名称为：一种基于机器学习的人工晶状体屈光度数计算系统。公开了一种基于机器学习的人工晶状体屈光度数计算系统，其包括：预测模型，输入模块，计算模块，附加模块，输出模块。其中所述计算模块指，基于预测模型，以目标等效球镜度为理想值，以白内障患者术前信息为输入，获取拟植入人工晶状体(intraocular lens，iol)的屈光度数；所述附加模块，用于提供若干不同的模拟人工晶状体屈光度数至所述计算模块，并由计算模块生成不同模拟人工晶状体屈光度数对应的术后验光等效球镜度。
14.中国专利文献：cn201910414608.1，申请日2019.05.17，专利名称为：一种晶状体分割方法、装置及存储介质。公开了一种晶状体分割方法、装置及存储介质，该方法包括：通过预处理算法提取待分割图像的感兴趣区域，该感兴趣区域包含有晶状体；根据感兴趣区域及预设神经网络，得到分割后的晶状体结构，其中，预设神经网络包含编码部分和解码部分，编码部分基于shufflenet，shufflenet用于提取感兴趣区域的图像特征，解码部分基于skipnet，skipnet用于进行上采样，计算类别概率图。
15.上述专利文献cn202011480616.5中的一种基于机器学习的人工晶状体屈光度数计算系统，充分利用人工智能主动学习数据特征，自主优化计算误差的能力，精准计算白内障术中所需植入人工晶状体屈光度数，匹配各维度眼球生物参数，对极值眼球生物参数的眼球预测准确性更高；而专利文献cn201910414608.1中的一种晶状体分割方法、装置及存储介质，则通过自动分割晶状体结构，提高晶状体结构分割的准确度及分割效率。但是关于一种在高度近视眼人工晶状体植入手术前可以准确计算人工晶状体度数及预测术后预留屈光度，可有效减少术后出现的近视漂移或远视漂移，增加人工晶状体植入术后的视觉效果，实现精准预测高度近视眼患者的术后屈光状态，增加患者满意度的计算公式目前则没有相关的报道。
16.综上所述，亟需一种在高度近视眼人工晶状体植入手术前可以准确计算人工晶状体度数及预测术后预留屈光度，可有效减少术后出现的近视漂移或远视漂移，增加人工晶状体植入术后的视觉效果，实现精准预测高度近视眼患者的术后屈光状态，增加患者满意度的计算公式。


技术实现要素：

17.本发明的目的是克服现有技术的不足，提供一种在高度近视眼人工晶状体植入手术前可以准确计算人工晶状体度数及预测术后预留屈光度，可有效减少术后出现的近视漂移或远视漂移，增加人工晶状体植入术后的视觉效果，实现精准预测高度近视眼患者的术后屈光状态，增加患者满意度的计算公式。
18.为实现上述目的，本发明采取的技术方案是：
19.一种人工智能辅助优化的高度近视眼人工晶状体度数计算器使用方法，包括以下步骤：
20.s1、输入患者基本信息，带入barrett计算公式，得到iol度数和对应预测屈光度；
21.s2、将所得iol度数和屈光度输入xgboost模型搭载软件；
22.s3、输出基于长眼轴的优化后的预测屈光度；
23.s4、将优化后的预测屈光度与目标屈光度对比。
24.作为一种优选的技术方案，人工智能深度学习计算器算出基于高度近视眼优化的更准确的预测屈光度。
25.作为一种优选的技术方案，基于高度近视眼相关特征及真实数据库，利用xgboost算法进行学习及优化，获得更准确的、barrett universal ii计算公式所得的iol度数对应的预测屈光度。
26.作为一种优选的技术方案，输入计算器所需的患者的年龄、眼轴、前房深度、角膜陡峭轴曲率及轴位、角膜平坦轴曲率及轴位、人工晶状体植入的度数及a常数、以及barrett universal ii公式所得的预测屈光度，即可获得优化了的预测屈光度，并辅助手术医生进行人工晶状体的度数选择。
27.作为一种优选的技术方案，采用专用软件搭建。
28.本发明优点在于：
29.1、本发明的人工智能辅助优化的高度近视眼人工晶状体度数计算器使用方便、更加精准，尤其更适合高度近视眼的白内障摘除联合人工晶状体植入术中的度数计算。
30.2、使得预测的屈光度与目标预留的屈光度的误差降到最低，可有效减少术后出现的近视漂移或远视漂移，增加人工晶状体植入术后的视觉效果。
31.3、实现精准预测高度近视眼患者的术后屈光状态，增加患者满意度，因此本发明应用具有较高的临床实用价值。
附图说明
32.附图1是本发明一种人工智能辅助优化的高度近视眼人工晶状体度数计算器系统使用流程示意图。
33.附图2是本发明用户(即医生)输入患者数据及多次计算得到最优手术规划的使用界面。
具体实施方式
34.下面结合实施例并参照附图对本发明作进一步描述。
35.实施例1
36.目前最新一代的人工晶状体计算公式中，barrett universal ii公式是公认的准确度最高的计算公式，因此，我们基于barrett universal ii公式的人工晶状体度数计算结果及术后预测屈光度的结果，以及高度近视白内障数据库中1450个眼的多个生物测量参数，利用人工智能xgboost算法进行机器学习。纳入的学习特征包括：年龄、眼轴、前房深度、角膜陡峭轴曲率及轴位、角膜平坦轴曲率及轴位、人工晶状体植入的度数及a常数、以及barrett universal ii公式回算的预测屈光度。学习目标为患者术后一月以上真实的屈光度。模型的构建过程分为数据的清洗，预处理，各个学习特征是否纳入模型的考量，以及参数的调整选择，最后则是筛选制作模型特征来进行改良。初始的数据通过清洗过程，可以用于机器学习的特征被初步筛选。对一些数据进行了预处理和变换，如增加了眼轴的倒数以及角膜陡峭轴及平坦轴曲率之和的倒数作为学习特征，以达到更好的训练效果。之后针对
初步筛选的特征进行进一步挑选实验，以选择出最佳的特征组合。并且，我们使用了随机排列的方式来确认模型参数，以获得最佳的模型使用效果对应的最佳参数。
37.如图1所示，该软件已搭建完成，使用方法为：
38.首先收集好高度近视白内障患者的基本信息，包括姓名、性别、年龄，利用生物测量仪获得术眼的前房深度、角膜陡峭轴曲率及轴位、角膜平坦轴曲率及轴位，人工晶状体的型号，并将以上数据代入barrett universal ii公式进行计算，获得推荐人工晶状体度数，并将barrett universal ii预测的人工晶状体度数及该度数下的预测屈光度记录下来，并和前述提及的生物测量各个参数一起输入该人工智能优化的计算器软件，点击计算，即可得到优化了的该度数下的高度近视眼预测屈光度。此时判断此优化的预测屈光度是否与目标预留的屈光度相近，如果相近，则选择此人工晶状体度数，如果差别较大，则再次代入相邻的人工晶状体度数进行计算，直到优化的预测屈光度与目标预留的屈光度最接近。即可进一步确认优化的人工晶状体最适合的度数，并在白内障术中，植入相应最适合的度数的人工晶状体。
39.实施例2
40.55岁女性右眼高度近视并发性白内障患者，右眼眼轴31.31mm，前房深度3.78mm，角膜平坦轴曲率43.51d,轴位10
°
，角膜陡峭轴曲率45.01d,轴位100
°
，拟植入人工晶状体mcx 11asp,a常数119.4，拟术后预留-2.50d，代入barrett universal ii公式，得到+4.0d的人工晶状体预测屈光度为-2.94d，而代入本发明人工智能辅助优化的高度近视眼人工晶状体度数计算器，得到+4.0d的人工晶状体预测屈光度为-2.56d，遂在术中白内障吸除后植入+4d人工晶状体，术后一月后主觉验光得到实际的术后屈光度为-2.50d。患者视力好、恢复快、满意度高。本计算器对高度近视眼患者术后预留屈光度的预测更准确。
41.实施例3
42.56岁男性左眼高度近视并发性白内障患者，左眼眼轴27.87mm，前房深度3.42mm，角膜平坦轴曲率41.93d,轴位3
°
，角膜陡峭轴曲率43.32d,轴位93
°
，拟植入人工晶状体rayner 920h a,a常数118.6，拟术后预留-3.5d，代入barrett universal ii公式，得到+14.0d的人工晶状体预测屈光度为-3.11d，而代入本发明人工智能辅助优化的高度近视眼人工晶状体度数计算器，得到+14.0d的人工晶状体预测屈光度为-3.65d，遂在术中白内障吸除后植入+14.0d人工晶状体，术后一月后主觉验光得到实际的术后屈光度为-4.25d。本计算器对高度近视眼患者术后预留屈光度的预测误差为0.59d,而barrett universal ii公式的预测误差为1.14d，本计算器的误差更小。
43.本发明一旦投入应用，可以实现以下技术效果：
44.1、本发明的人工智能辅助优化的高度近视眼人工晶状体度数计算器使用方便、更加精准，尤其更适合高度近视眼的白内障摘除联合人工晶状体植入术中的度数计算；
45.2、使得预测的屈光度与目标预留的屈光度的误差降到最低，可有效减少术后出现的近视漂移或远视漂移，增加人工晶状体植入术后的视觉效果；
46.3、实现精准预测高度近视眼患者的术后屈光状态，增加患者满意度，因此本发明应用具有较高的临床实用价值。
47.以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员，在不脱离本发明原理的前提下，还可以做出若干替换、改进或补充，如优化网站内部的
算法、增减预测参数等，这些改进或补充也应视为本发明的保护范围。