[发明专利]一种预测SMILE屈光手术中屈光度调整值的优化方法及系统

说明书

本发明公开了一种预测SMILE屈光手术中屈光度调整值的优化方法及系统。其中，该方法包括如下步骤：使用优选机器学习算法，将训练样本的术前参数及其术后验光度作为训练属性，训练生成预测模型；对于待预测新病例，将术后验光度作为目标属性，设置为理想值，协同该待预测新病例的术前参数作为输入，应用预测模型生成Nomogram预测值。该方法可以有效提升现有Nomogram预测值的预测准确率，使用该方法可以减少术前方案制定过程对专家的依赖，降低术前方案制定的专业门槛，进一步提升术前方案制定的精准率。

技术领域

本发明涉及一种预测SMILE(全飞秒激光)屈光手术中屈光度调整值的优化方法，尤其涉及一种基于机器学习方法预测SMILE屈光手术中屈光度调整值的优化方法，同时涉及实现该优化方法的系统。

背景技术

近视已经逐渐成为一个全球化的问题，调查研究显示，全世界有超过15亿人患有近视，在中国，年龄15-25岁之间的青少年近视患病率为75％以上。治疗近视、远视及散光等屈光不正的角膜屈光手术(准分子激光手术，飞秒激光手术)是本世纪最新的常见眼科手术之一。SMILE屈光手术是最新研发的一种治疗屈光不正的手术技术，其效果和安全性较以往的手术技术都有很大提升。

屈光手术在保障安全性、有效性的基础上，为了达到最佳的视力矫正效果，仍然有一些问题亟待解决，例如个性化的手术决策、精准化的手术设计、手术效果评价、以及手术效果预测等。相对统一的手术筛查、手术设计以及治疗方案不适合所有的人眼个体；同时，角膜形态参数庞杂，加之对激光的敏感性不同，以及临床医师的经验水平不同，亦很难达到决策的标准性、一致性。然而，随着当前屈光手术数据量的不断扩大，利用机器学习技术对手术数据进行预测分析，从而得到个性化、精准化的手术方案开始成为可能。这将辅助医师精确设计手术方案，显著提升患者的术后疗效。当前，SMILE屈光手术主要基于医师先验手术经验，综合考虑球镜度、柱镜度、年龄等因素进行重要手术参数设定，其中，Nomogram值的设定对于屈光手术的疗效至关重要的。

目前，已有研究提出利用机器学习技术对屈光手术方案中的Nomogram值进行分析预测。例如，Multi-regression方法利用多元线性回归方法，研究在LASIK(Laser Assistedin Situ Keratomileusis，准分子激光原位角膜磨镶术)手术方案制定过程中，Nomogram值和术前各个参数的线性关系。但是，SMILE手术的原理与LASIK手术有所不同，实验证明，在SMILE手术中，Nomogram值与术前参数间不存在线性关系，现有方法不适用于SMILE手术方案的制定。

通过研究与实验证实，机器学习中的强化分类器和神经网络算法对SMILE手术中Nomogram值的预测有较高的准确度，已达到临床应用可接受标准。然而，仍存在不少问题尚待优化，以进一步提高SMILE手术中Nomogram值预测的准确度。

发明内容

针对现有技术的不足，本发明所要解决的首要技术问题在于提供一种预测SMILE屈光手术中屈光度调整值的优化方法。

本发明所要解决的另一技术问题提供一种预测SMILE屈光手术中屈光度调整值的优化系统。

为实现上述发明目的，本发明采用下述的技术方案：

根据本发明实施例的第一方面，提供一种预测SMILE屈光手术中屈光度调整值的优化方法，包括如下步骤：

使用优选机器学习算法，将训练样本的术前参数及其术后验光度作为训练属性，训练生成预测模型；

对于待预测新病例，将术后验光度作为目标属性，设置为理想值，协同该待预测新病例的术前参数作为输入，应用预测模型生成Nomogram预测值。

其中较优地，所述预测SMILE屈光手术中屈光度调整值的优化方法，还可以包括如下步骤：