[发明专利]一种基于Scheimpflug眼前节形态的屈光度精准评估的方法和应用

说明书

本发明涉及一种基于Scheimpflug眼前节形态的屈光度精准评估的方法，步骤如下：采集患者客观电脑验光数据以及眼前节数据作为模型学习使用的特征；对数据集进行划分，使用十折交叉验证的方法得到训练集和验证集；确定损失函数为均方根误差RMSE，利用其泰勒二阶展开式，求出分裂标准函数Gain并对叶子按最优方式进行分裂，即Gain最大的分裂方式；逐步生成每一棵决策树模型，得到一个个基分类器，直到达到设定的最大树的数目；基分类器的组合，得到最终的模型。本发明方法解决了目前儿童及青少年视力筛查和临床矫正工作中，由于涉及人群大、耗时长、要求高等条件限制造成的数据获取准确度不足的瓶颈问题。

技术领域

本发明属于眼科医疗诊断技术领域，涉及机器学习技术，尤其是一种基于Scheimpflug眼前节形态的屈光度精准评估的方法和应用。

背景技术

屈光度(D)作为屈光力的单位是评价屈光不正(近视、远视、散光)的重要参考，其测量是一个动态的、多程序的过程，是屈光不正临床诊断和矫正的重要参考，方法主要是依靠验光，包括主觉验光以及客观(检影和电脑)验光。目前临床中验光方法众多，其原理主要是基于通过视网膜反射红外光线的清晰度来计算屈光度的电脑验光和通过调试透镜组获得屈光度的主觉验光。但电脑验光过程中要求被检者注视光标，诱发调节导致近视过矫、远视欠矫以及影响散光。虽然存在自动雾视功能，一定程度上避免了检查时的影响因素，更便捷高效，但由于人眼调节的不稳定、机器的设计原理不同、患者检查时的周边环境、光照等因素影响，始终存在屈光度评估不准确情况。同时，主觉验光耗时长，需要患者高度配合尤其儿童患者自身感知和表达存在差异，以及要求检查者需要有丰富临床经验等因素常导致难以获得相对精准的结果。为降低人眼调节能力强且极不稳定的影响，临床通常采用睫状肌麻痹(散瞳)验光来获取相对精准的屈光度。由于该方法必须要在相关医疗机构开展，同时散大被检查者的瞳孔，会因影响调节能力而造成短期内视近不清影响正常生活，在大规模的视力普查任务中可操作性不强。

角膜地形图检查能够提供关于眼前节形态的众多特征，包括角膜曲率、角膜厚度、前房、像差等在临床中广泛应用。但因其机器设计原理，尚无法获得患者全眼的准确屈光度。角膜作为人眼主要的屈光介质其屈光力约占全眼屈光度的2/3，而Scheimpflug角膜地形图又称眼前节系统，可全面反映眼前节的众多参数，与人眼调节也存在可能的内在关联，充分利用其相关参数并结合快捷的客观电脑验光，借助机器学习方法挖掘其内在关系，或可以精准评估人眼实际屈光度，并在一定程度上解放验光师，从而提升临床诊疗效率。

以往关于提高电脑验光测量结果的方法主要是基于图像滤波处理等优化增强技术去除噪音，使采集的图像更清晰准确，提高计算准确度从而提高测量结果，但均是以模型眼作为评估标准，忽略了实际人眼存在的调节作用，且未与主觉验光结果比较。而随着机器学习等人工智能技术的成熟和应用，特别的，极值梯度提升模型(XGBoost)算法在脑卒中、肿瘤、糖尿病等临床疾病的预测和诊断任务中均证实了极高的性能。有研究也借助该方法基于人眼的波前像差参数计算主觉验光结果，虽取得一定效果，但目前各种对像差测量方法的前提是基于单一波长的单色光，所测的像差实际为单色像差。而测量屈光度时，白光进入人眼被分解为不同波长的光，各自产生不同的像差，即波前色差。不同波长的光产生不同的结果，特别是对于近视这样的低阶像差影响更大，对于整个可见光范围测出的屈光差可能达到2.00D，测量过程需要特定环境，受外界因素影响较大。同时，基于视网膜检影双程技术的像差仪(OPD-ScanⅢ)仅采集到角膜前表面形态，无法反应人眼注视时眼前节形态的变化特征。本发明基于Scheimpflug眼前节分析系统(Pentacam)采集包含人眼像差在内的更多眼前节相关参数(角膜前后表面形态、前房等)更全面获取注视动态下的特征来拟合主觉验光结果。且该项检查方法在我国眼科临床诊疗中的应用广泛，涉及儿童、青少年以及众多屈光不正患者，更具普及推广意义。

通过检索，尚未发现与本发明专利申请相关的专利公开文献。

发明内容