一种圆锥角膜的精细化分类方法及系统

本发明涉及数据处理，尤其涉及一种圆锥角膜的精细化分类方法及系统。

背景技术：

1、圆锥角膜(keratoconus)是一种常见的非炎症性、慢性、进展性和角膜局部扩张性疾病，以中央或旁中央角膜基质变薄、中央顶点呈圆锥形突出变形,角膜失去正常的弧形，产生不规则散光和瘢痕形成为特征，从而导致角膜的光学性能严重降低，犹如照相机的镜头发生严重扭曲变形,使视力严重受损。圆锥角膜一般在青少年时期发病,在40岁左右逐渐趋于稳定1,通常累及双侧，但双眼进展多为不对称性。

2、圆锥角膜的病因至今尚未明确，有一定家族遗传倾向,同时发现其尚与胶原发育障碍、内分泌与细胞代谢紊乱、免疫缺陷等有关,也可能是多因素发病机制。国外学者报道人群中圆锥角膜患病率为0.2‰～2‰,在屈光手术就诊患者中发病率更高达5％，因此，圆锥角膜是许多角膜手术的禁忌证,因为手术治疗可加速和加重角膜病理性扩张，是角膜屈光手术的严重并发症之一，具体地，中、重度圆锥角膜的临床表现十分典型，而早期或亚临床圆锥角膜一般仅表现为局部轻度前突,角膜厚度正常且不具有典型临床体征,诊断困难。综上所述，由于圆锥角膜的病因与多种因素有关，因此对于圆锥角膜的分类方法有多种，从而导致圆锥角膜的分类不够精细且准确性较低的问题。

技术实现思路

1、本发明提供一种圆锥角膜的精细化分类方法及系统，其主要目的在于解决圆锥角膜的分类不够精细且准确性较低的问题。

2、为实现上述目的，本发明提供的一种圆锥角膜的精细化分类方法，包括：

3、获取圆锥角膜的角膜地形图参数，根据所述角膜地形图参数对所述圆锥角膜进行初始分类，得到初始角膜类型；

4、根据所述初始角膜类型选取所述圆锥角膜的矫正方案，并提取所述矫正方案对应的角膜参数；

5、对所述角膜参数进行多元线性回归分析，得到角膜影响因素；

6、对所述角膜影响因素进行相关性分析，得到因素影响等级，并根据所述因素影响等级及所述角膜影响因素分析所述圆锥角膜的病变程度；

7、根据所述病变程度对所述圆锥角膜进行二次精细分类，得到目标角膜类型。

8、进一步地，所述根据所述角膜地形图参数对所述圆锥角膜进行初始分类，得到初始角膜类型，包括：

9、根据所述角膜地形图参数确定角膜曲率及散光度数；

10、根据所述角膜曲率划分所述圆锥角膜的角膜等级，并根据所述散光度数划分所述圆锥角膜的散光等级；

11、根据所述角膜等级及所述散光等级对所述圆锥角膜进行类型划分，得到初始角膜类型。

12、进一步地，所述根据所述角膜地形图参数确定角膜曲率及散光度数，包括：

13、提取所述角膜地形图参数中的角膜曲率半径，并测量所述角膜曲率半径对应的第一折射率及第二折射率；

14、根据所述角膜曲率半径、所述第一折射率及所述第二折射率计算角膜曲率；

15、利用下述公式计算角膜曲率：

16、k＝(n2-n1)/r

17、其中，k表示所述角膜曲率，n1表示所述第一折射率，n2表示所述第二折射率，r表示所述角膜曲率半径；

18、提取所述角膜曲率的陡峭曲率及平坦曲率，根据所述陡峭曲率及所述平坦曲率计算散光度数。

19、进一步地，所述根据所述初始角膜类型选取所述圆锥角膜的矫正方案，包括：

20、根据所述初始角膜类型确定病变时期；

21、将所述病变时期与预设的矫正方法库中的矫正时期进行匹配计算，得到匹配度；

22、利用下述公式计算匹配度：

23、

24、其中，β表示所述匹配度，a表示所述病变时期，b表示所述矫正时期；

25、根据所述匹配度从所述矫正方法库中提取目标矫正方法，将所述目标矫正方法作为所述圆锥角膜的矫正方案。

26、进一步地，所述提取所述矫正方案对应的角膜参数，包括：

27、根据所述矫正方案对所述圆锥角膜进行矫正，得到矫正参数；

28、利用预先获取的眼轴增长量对所述矫正参数进行参数筛选，得到目标矫正参数，并将所述目标矫正参数作为角膜参数。

29、进一步地，所述对所述角膜参数进行多元线性回归分析，得到角膜影响因素，包括：

30、将预先获取的眼轴增长量作为因变量，并将所述角膜参数作为自变量构建回归方程；

31、所述回归方程表示为：

32、y＝2.013-0.414c+0.115d-0.085e-0.132f

33、其中，y表示所述眼轴增长量，c表示所述角膜参数中的基线年龄，d表示所述角膜参数中的初始屈光度，e表示所述角膜参数中的平坦子午线上对应的离心率，f表示所述角膜参数中的初始眼轴长度；

34、根据所述回归方程对所述角膜参数进行多重并行回归分析，得到角膜影响因素。

35、进一步地，所述根据所述回归方程对所述角膜参数进行多重并行回归分析，得到角膜影响因素，包括：

36、利用预设的检验方法判断所述角膜参数是否符合正态分布；

37、当所述角膜参数符合正态分布时，利用所述回归方程对所述角膜参数进行第一相关性检验，得到第一影响因素；

38、当所述角膜参数不符合正态分布时，利用所述回归方程对所述角膜参数进行第二相关性检验，得到第二影响因素；

39、对所述第一影响因素及所述第二影响因素进行汇总，得到角膜影响因素。

40、进一步地，所述对所述角膜影响因素进行相关性分析，得到因素影响等级，包括：

41、从所述角膜影响因素中随机选取一个目标影响因素，并对所述目标影响因素进行分组，得到若干因素组；

42、将所述若干因素组作为横坐标，并将所述眼轴增长量作为纵坐标生成因素变化图；

43、根据所述因素变化图对所述若干因素组进行影响等级排序，得到因素影响等级。

44、进一步地，所述根据所述因素影响等级及所述角膜影响因素分析所述圆锥角膜的病变程度，包括：

45、根据所述因素影响等级对所述角膜影响因素进行权重赋值，得到因素权重；

46、根据所述因素权重及所述角膜影响因素进行整合计算，得到因素影响值；

47、利用下述公式进行整合计算：

48、

49、其中，h表示所述因素影响值，gi表示第i个角膜影响因素，gi表示第i个角膜影响因素对应的因素权重，i表示所述角膜影响因素的总数；

50、根据所述因素影响值对所述圆锥角膜进行程度划分，得到所述圆锥角膜的病变程度。

51、为了解决上述问题，本发明还提供一种圆锥角膜的精细化分类系统，所述系统包括：

52、圆锥角膜初始分类模块，用于获取圆锥角膜的角膜地形图参数，根据所述角膜地形图参数对所述圆锥角膜进行初始分类，得到初始角膜类型；

53、角膜参数提取模块，用于根据所述初始角膜类型选取所述圆锥角膜的矫正方案，并提取所述矫正方案对应的角膜参数；

54、角膜参数回归分析模块，用于对所述角膜参数进行多元线性回归分析，得到角膜影响因素；

55、病变程度分析模块，用于对所述角膜影响因素进行相关性分析，得到因素影响等级，并根据所述因素影响等级及所述角膜影响因素分析所述圆锥角膜的病变程度；

56、圆锥角膜二次分类模块，用于根据所述病变程度对所述圆锥角膜进行二次精细分类，得到目标角膜类型。

57、本发明实施例通过角膜地形图参数对圆锥角膜进行初始分类，能够准确得到初始角膜类型，能够加快计算机处理效率；通过初始角膜类型能够准确选取圆锥角膜的矫正方案，并准确提取矫正方案对应的角膜参数，从而能够提高参数分析的准确性；通过对角膜参数进行多元线性回归分析，能够准确得到角膜影响因素；通过对角膜影响因素进行相关性分析，能够准确得到因素影响等级，并根据因素影响等级及角膜影响因素能够精确分析圆锥角膜的病变程度，提高数据分析的效率及准确性，更好的为后续圆锥角膜的分类提供数据基础；通过病变程度对圆锥角膜进行二次精细分类，能够准确得到目标角膜类型，使得圆锥角膜的分类更加精确且能够提高分类的准确性。因此本发明提出的圆锥角膜的精细化分类方法及系统，可以解决圆锥角膜的分类不够精细且准确性较低的问题。