一种基于机器学习的高度近视专用人工晶状体度数计算软件

1.本发明涉及医疗技术领域，具体地说，是一种基于机器学习的高度近视专用人工晶状体度数计算软件，用于高度近视患者的白内障术前精准规划。


背景技术：

2.白内障手术已从复明手术进入屈光性白内障手术时代，特点在于根据患者的眼部生物学参数，选择合适的人工晶状体度数计算公式进行精准的计算，从而选择准确的人工晶状体度数，达到理想的术后屈光状态，实现使白内障患者术后视功能更优化的目的。对于白内障患者来说，准确计算出合适的人工晶状体度数，以减少白内障术后屈光误差至关重要。如果植入了度数不合适的人工晶状体，产生较大的屈光误差，甚至需要人工晶状体置换，将会极大影响患者手术效果，甚至增加二次损伤。
3.正常人的眼轴范围约为22.00～24.50mm，而眼轴长度大于等于26.00mm的眼球被定义为高度近视眼。目前国外许多新一代人工晶状体计算公式，在正常眼轴眼的应用已经可以得到较好的预测准确性，然而在高度近视眼中，其准确性仍不尽如人意。高度近视眼由于眼部解剖的复杂性，其眼球极度延长，合并的眼底病变较多，导致已有的公式计算误差仍然较大。
4.目前新一代计算公式多属于理论公式及经验回归公式的结合，即在几何光学原理推导的理论公式的基础上，结合了术后资料回归所得的经验数据，其中以srk/t公式和haigis公式为代表。srk/t公式的推导在正常模拟眼参数基础上进行，根据角膜曲率和眼轴长度来计估计术后前房深度，从而计算合适的人工晶状体度数；haigis公式根据眼轴、前房深度及3个人工晶状体常数来预估人工晶状体的有效位置，进一步预估人工晶状体屈光度。srk/t和haigis公式对正常眼轴的预测准确性较好，但它仍然受眼轴及角膜曲率影响较大，且既往研究发现，眼轴越长，其预测误差越大。因此，二者在高度近视眼的应用仍然有限，其预测准确性仍有待提高。
5.目前已有一些利用人工智能的人工晶状体计算公式出现，用于提升白内障患者术后屈光度预测的准确性，但这些公式并非专门针对高度近视人群设计，由于采用的多为近视极少的欧美人种数据库，高度近视样本不足，故这些公式在高度近视高发的亚洲人群中使用时，计算准确性大幅度下降，且人工晶状体选择的度数范围、预留屈光度范围均有限制。
6.总之，目前国际上的人工晶状体计算公式在高度近视眼中，会存在以下困难：
7.1)基于长眼轴人群临床资料相对匮乏，因此用于回归分析的的常数优化较为困难，故人工晶状体的有效位置预测准确性仍有待提高；
8.2)由于高度近视眼患者术前长期处于近视状态，因此其术后理想屈光状态应有别于正常眼轴眼，在设计预留轻中度近视的术后屈光度时，基于正常眼轴眼设计的计算公式存在兼容性较差的情况；
9.3)新一代人工智能计算公式的数据库来源多为全眼轴谱人群，其中囊括的高度近
视人群数据量较少，因此在高度近视眼中应用时会产生很多屈光意外；
10.4)其他国际上最新的计算公式，例如barrett universal ii公式，其内载的计算过程非开源，内部优化方式不明确，虽然在高度近视人群可以获得改善的结果，但误差在0.25d以内的比率仍然较低，尤其在超高度近视人群(眼轴》30mm)，仍难以获得较好的预测准确性，故在亚洲高度近视人群中应用时，仍有不足。
11.鉴于以上缺陷，高度近视眼的人工晶状体度数精准计算仍是一个技术难点。由于目前多种公式预测准确性参差不齐，白内障医生往往需要切换多种计算公式进行计算比较，过程复杂；而这在对屈光准确性要求更高的功能性人工晶状体植入时，更成为一个难题。
12.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。
13.中国专利文献：cn202010746771.0，申请日2020.07.29，专利名称为：一种高度近视白内障人工晶状体精准选择系统。公开了一种高度近视白内障人工晶状体精准选择系统，其包括：数据服务器、数据统计模块、对比分析模块、检测对比模块、选择模块和入库管理模块，所述数据服务器电性双向连接有数据存储模块和云端数据库，所述数据服务器电性输入连接数据统计模块，所述数据统计模块电性输入连接预检模块，所述数据服务器电性输出连接对比分析模块，所述对比分析模块电性输出连接检测对比模块，提高人工晶体选择的精准性，提高人工晶体选择速度。
14.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。通过预测模型，输入模块，计算模块，附加模块，输出模块设计，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cn202010746771.0中的一种高度近视白内障人工晶状体精准选择系统，则采用数据服务器、数据统计模块、对比分析模块、检测对比模块、选择模块和入库管理模块设计，能够在计算机上对所选晶体的位置进行显示，便于医护人员快速查找使用，提高工作效率。但是关于一种可以独立使用的、在高度近视眼中具有良好预测准确性的人工晶状体度数计算软件，以帮助白内障医生实现对高度近视患者的精准诊疗，有效减少术后屈光误差，达到理想的屈光状态，增加患者满意度的一种基于机器学习的高度近视专用人工晶状体度数计算软件目前则没有相关的报道。
15.综上所述，亟需一种可以独立使用的、在高度近视眼中具有良好预测准确性的人工晶状体度数计算软件，以帮助白内障医生实现对高度近视患者的精准诊疗，有效减少术后屈光误差，达到理想的屈光状态，增加患者满意度一种基于机器学习的高度近视专用人工晶状体度数计算软件。


技术实现要素：

16.本发明的目的是克服现有技术的不足，提供一种可以独立使用的、在高度近视眼中具有良好预测准确性的人工晶状体度数计算软件，以帮助白内障医生实现对高度近视患者的精准诊疗，有效减少术后屈光误差，达到理想的屈光状态，增加患者满意度一种基于机器学习的高度近视专用人工晶状体度数计算软件。
17.本发明的另一目的是提供一种基于机器学习的高度近视专用人工晶状体度数计算软件使用方法。
18.为实现上述第一个目的，本发明采取的技术方案是：
19.一种基于机器学习的高度近视专用人工晶状体度数计算软件，包括数据库建立模块；清洗及数据预处理模块；筛选学习特征模块；机器学习模块；参数调整和模型构建模块，其特征在于，源于临床真实的大样本高度近视白内障患者数据库，利用xgboost和supportive vector regressor机器学习算法进行深度学习，达到术后屈光预测误差最小的目的。
20.作为一种优选的技术方案，数据库建立模块为：建立高度近视白内障深度学习数据库，包括1852个真实完整的高度近视白内障临床资料和生物测量参数，并将其随机分为训练集、验证集和测试集。
21.作为一种优选的技术方案，筛选学习特征模块包括：a)基础学习特征，包括患者年龄、眼轴、角膜陡峭轴曲率及其轴向、角膜平坦轴曲率及其轴向、前房深度、晶状体厚度、白到白距离、人工晶状体度数，人工晶状体a常数；b)基础变换的学习特征，包括晶状体厚度与前房深度的比值；c)复杂变换的学习特征，包括包括理论公式计算得到的预测屈光度、有效人工晶状体位置。
22.作为一种优选的技术方案，采用专用模型搭建，并基于4个子模型产生加权结果的混合模型作为最终推荐结果，有更强的稳健性。
23.为实现上述第二个目的，本发明采取的技术方案是：
24.一种基于机器学习的高度近视专用人工晶状体度数计算软件，其特征在于，具体使用方法如下：
25.s1、输入患者年龄、眼轴、角膜陡峭轴曲率及轴向、角膜平坦轴曲率及轴向，前房深度、晶状体厚度、白到白距离、人工晶状体型号；
26.s2、点击计算；
27.s3、获得推荐的最符合预期术后屈光度的人工晶状体度数。
28.本发明优点在于：
29.1、本发明的基于机器学习的高度近视专用人工晶状体度数计算软件使用方便快捷、准确性更好，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人工晶状体度数计算。
30.2、预测的术后屈光度与目标预留的屈光度的误差降到最低，同时有效减少术后出现的近视漂移或远视漂移等屈光意外的发生率。
31.3、实现高度近视患者白内障术后屈光状态的精准预测，有利于对屈光设计精准性要求更高的功能性人工晶状体的植入，让患者获得更完美的视觉效果，具有较高的临床应用价值。
附图说明
32.附图1是本发明软件的构建流程示意图。
33.附图2是本发明本发明软件的操作流程示意图。
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.请参看附图1，图1是本发明软件的构建流程示意图，包括：
37.1)数据库建立模块：建立高度近视白内障深度学习数据库，包括1852个真实完整的高度近视白内障临床资料和生物测量参数，并将其随机分为训练集、验证集和测试集。
38.2)清洗及预处理数据模块：搭载原始理论公式，并基于理论公式的计算结果产生新的学习特征。
39.3)筛选学习特征模块：a)基础学习特征，包括患者年龄、眼轴、角膜陡峭轴曲率及其轴向、角膜平坦轴曲率及其轴向、前房深度、晶状体厚度、白到白距离、人工晶状体度数，人工晶状体a常数；b)基础变换的学习特征，包括晶状体厚度与前房深度的比值；c)复杂变换的学习特征，包括包括理论公式计算得到的预测屈光度、有效人工晶状体位置。
40.4)机器学习模块：使用梯度提升树为基础的xgboost算法，结合以支持向量机为基础的supportive vector regressor算法，学习目标为深度学习数据库中患者真实世界术后屈光度。
41.5)参数调整和模型构建模块：通过验证集和测试集反复筛选学习特征搭配，我们构建了两套学习特征组，并分别将两个机器学习算法应用到两套特征组对应的训练集中，训练出四个子模型，每个模型都可以独立预测患者的术后屈光度。为了增加模型的稳健性，将四个模型最后的预测结果取加权平均值作为预测计算结果。
42.基于以上过程，我们基于训练得到的加权了四个子模型的混合模型，构建出了基于机器学习的高度近视专用人工晶状体度数计算模型，并开发了相应的使用软件。
43.需要说明的是：使用者只需将以下资料输入此人工晶状体度数计算软件，包括患者的临床信息及术前测量参数，即年龄、眼轴、角膜陡峭轴曲率及轴向、角膜平坦轴曲率及轴向，前房深度、晶状体厚度、白到白距离、人工晶状体型号和预期的屈光度。即可得到本计算软件推荐的适合的人工晶状体度数和预测屈光度，本计算软件还提供一组推荐人工晶状体度数附近正负1.0d范围内人工晶状体度数一一对应的预测屈光度。使用者可以根据实际情况调整和选择最合适的人工晶状体度数，从而在白内障手术中，植入准确度数的人工晶状体。
44.本发明有以下特点：源于大样本的高度近视白内障的真实临床数据，构建深度学习数据库；搭载传统开源的理论公式，将其计算结果作为学习特征；纳入多种术前生物测量参数变换形式作为学习特征；利用xgboost和supportive vector regressor机器学习算法进行模型训练、优化；采用纳入了四个子模型的加权结果的混合模型，显著提升模型的稳健性。
45.请参看附图2，图2是本发明软件的操作流程图。
46.本发明可用于眼轴长度大于26mm的高度近视白内障患者的人工晶状体度数计算，
适用于各种不同型号的人工晶状体，且用法简单、方便快捷，具体使用方法为：
47.s1、输入患者年龄、眼轴、角膜陡峭轴曲率及轴向、角膜平坦轴曲率及轴向，前房深度、晶状体厚度、白到白距离、人工晶状体型号；
48.s2、点击计算；
49.s3、获得推荐的最符合预期术后屈光度的人工晶状体度数。
50.本发明的人工晶状体度数计算软件较国际上已经存在的人工晶状体度数计算公式有以下优点：本发明的计算软件适用于高度近视白内障患者的人工晶状体计算及屈光度预测，准确性优于国际上目前已发表的公认准确性最好的barrett universal ii公式；本发明的计算软件拥有独立的代码和优化程序，不受其他限制，可以独立自主应用及更新；本发明适用于高度近视患者选用功能型人工晶状体，如多焦点或散光矫正型人工晶状体，其手术设计和屈光度预测要求更高，对屈光误差的容忍度更少，本发明使得高度近视眼的屈光性白内障手术精准计算、精准治疗成为可能。本发明为拟在高度近视患者中行白内障手术的眼科医生提供一个方便、快捷、准确的人工晶体计算软件。该计算软件能够提高术后屈光度预测准确性，提升手术效果，从而提高患者满意度。
51.实施例2
52.患者女性，56岁，右眼高度近视并发性白内障，术前生物测量显示，右眼眼轴33.19mm，前房深度3.80mm，晶状体厚度4.52mm，白到白距离12.00mm，角膜平坦轴曲率42.89，轴向148.00
°
，角膜陡峭轴曲率44.12，轴向58.00
°
，拟植入型号为mcx 11asp的人工晶状体，a常数119.4，拟术后预留-3.00d。将以上参数输入本发明的基于机器学习的高度近视眼人工晶状体度数计算软件，得到+2.0d的人工晶状体预测屈光度为-2.82d，遂在术中植入+2.0d人工晶状体。术后一个月验光得到术后实际等效球镜度数为-2.875d，本计算器预测误差为-0.055d。而根据srk/t公式+2.0d的人工晶状体对应的预测术后屈光度为-4.02d，预测误差为1.145d；根据haigis公式+2.0d的人工晶状体对应的预测术后屈光度为-4.14d，预测误差为1.265d。根据barrett universalⅱ公式+2.0d的人工晶状体对应的的预测术后屈光度为-3.51d，预测误差为0.635d。本发明的人工晶状体计算软件的计算误差较srk/t公式、haigis公式以及barrett universalⅱ公式计算结果明显更小，未产生明显的近视或远视漂移，患者术后视力好，满意度高。
53.实施例3
54.患者男性，58岁，左眼高度近视并发性白内障，术前生物测量显示，左眼眼轴27.89mm，前房深度3.70mm，晶状体厚度4.63mm，白到白距离12.80mm，角膜平坦轴曲率40.54，轴向25
°
，角膜陡峭轴曲率41.95，轴向115
°
，拟植入型号为zeiss ct asphina 409mp的人工晶状体，其a常数为118.3，，与患者沟通后，术后拟预留-2.00d左右。术前将以上参数输入本发明的基于机器学习的高度近视眼人工晶状体度数计算软件，得到最推荐的+14.0d的人工晶状体植入后预测屈光度为-2.19d；术前应用haigis公式计算，推荐植入13.5d的人工晶状体，其预测屈光度为-1.88d；术前应用srk/t公式计算，推荐植入13.5d的人工晶状体，其预测屈光度为-2.03d。为防止意外的远视漂移，主刀医师参考本发明的计算软件结果，在术中植入+14.0d人工晶状体。术后一个月患者验光后得到术后实际等效球镜度数为-2.25d，本发明计算结果的预测误差仅为0.06d。患者达到了接近预期的术后屈光度数，术后矫正视力为1.0，满意度高。
55.本发明一旦投入应用，可以实现以下技术效果：
56.本发明的基于机器学习的高度近视专用人工晶状体度数计算软件使用方便快捷、准确性更好，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人工晶状体度数计算；
57.预测的术后屈光度与目标预留的屈光度的误差降到最低，同时有效减少术后出现的近视漂移或远视漂移等屈光意外的发生率；
58.实现高度近视患者白内障术后屈光状态的精准预测，有利于对屈光设计精准性要求更高的功能性人工晶状体的植入，让患者获得更完美的视觉效果，具有较高的临床应用价值。
59.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，还可以做出若干改进和补充，这些改进和补充也应视为本发明的保护范围。