[发明专利]一种基于机器学习的人工晶状体屈光度数计算系统

权利要求书

1.一种基于机器学习的人工晶状体屈光度数计算系统，其特征在于：其包括：

预测模型，以白内障患者数据库为训练样本，以训练样本的术前信息及术后医学验光的等效球镜度为训练属性，应用机器学习算法训练生成；

输入模块，用于输入白内障患者术前信息以及目标等效球镜度；

计算模块，基于所述预测模型，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数据，获取拟植入人工晶状体的屈光度数；

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预测等效球镜度；

输出模块，用于输出计算模块生成的接近目标等效球镜度的若干预测等效球镜度及对应的人工晶状体的屈光度数。

2.根据权利要求1所述的一种基于机器学习的人工晶状体屈光度数计算系统，其特征在于：所述训练样本基于白内障患者数据库，包括白内障患者样本数据和标签信息，并将所述白内障患者数据库按比例划分为训练集和测试集。

3.根据权利要求2所述一种基于机器学习的人工晶状体屈光度数计算系统，其特征在于：所述白内障患者样本数据为身份信息、人口学信息、眼部生物学参数以及人工晶状体信息。

4.根据权利要求3所述一种基于机器学习的人工晶状体屈光度数计算系统，其特征在于：所述白内障患者标签信息为同一患者同一眼别白内障术后医学验光的等效球镜度。

5.根据权利要求1所述的一种基于机器学习的人工晶状体屈光度数计算系统，其特征在于：所述白内障患者术前信息包括白内障患者人口学信息，眼部生物学参数，拟植入人工晶状体信息。

6.根据权利要求3或4或5所述一种基于机器学习的人工晶状体屈光度数计算系统，其特征在于：所述眼部生物学参数包括眼别、眼轴、角膜曲率以及前房深度。

7.根据权利要求1所述的一种基于机器学习的人工晶状体屈光度数计算系统，其特征在于：所述机器学习算法可通过对样本数据的非线性变化以拟合标签信息，训练集用于调整算法内不同参数的权重以达到最佳拟合，测试集用于对训练完成的算法模型进行准确性检验。

8.根据权利要求1所述的一种基于机器学习的人工晶状体屈光度数计算系统，其特征在于：所述附加模块依次生产若干不同数值的模拟人工晶状体屈光度数。

9.根据权利要求1所述的一种基于机器学习的人工晶状体屈光度数计算系统，其特征在于：计算模块基于输入的白内障患者术前信息，结合附加模块输入的模拟人工晶状体屈光度数，预测对应人工晶状体屈光度数对应的术后验光等效球镜度。

10.根据权利要求1所述的一种基于机器学习的人工晶状体屈光度数计算系统，其特征在于：所述输入模块设有用于主刀医生数据输入的优化输入模块，基于输入的主刀医生数据，所述计算模块对预测的人工晶状体的参数进行优化。