买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：上海美沃精密仪器股份有限公司;复旦大学附属眼耳鼻喉科医院

摘要：本发明涉及一种角膜塑形镜参数推荐方法，包括以下步骤：步骤1：数据样本搜集和特征参数纳入，采用基于Placido环的角膜地形图筛选验配成功样本；步骤2：数据划分与规范化，划分训练验证集和测试集，对每个输入特征进行均值‑方差规范化；步骤3：机器学习模型建模；步骤4：AI完整版和AI简化版的超参数各自独立优化优化，寻找最优超参数：步骤5：模型训练；步骤6：模型融合预测得到最终的预测值。解决了CRT镜片的验配方法适配参数不足、调整困难、参数推荐单一的问题，本方法纳入多个生物特征信息和多模型融合预测，更准确更全地预测所有角膜塑形镜参数，当前所用AI法已可生成相关APP插件装载于角膜地形图上，辅助临床更高效、精准地验配角膜塑形镜。

主权项：1.一种角膜塑形镜参数推荐方法，其特征在于，包括以下步骤：步骤1：数据样本搜集和特征参数纳入：通过专业医生人工标注选取角膜塑形镜CRT验配成功样本，标注验配成功流程如下：采用基于Placido环的角膜地形图，选择切向差异图，根据中心定位情况分为以下三类：第1类：偏心小于0.5mm以及离焦环完整为理想；第2类：0.5mm≤偏心≤1.0mm以及离焦环完整为不理想但可接受；第3类：偏心＞1.0mm或者离焦环不完整为不可接受，首次配镜后1年之内需有两次或以上理想地形图，标注为验配成功；每个样本包含以下生物特征信息：验光度数、平K值、平K角度、陡K值、陡K角度、deltaK、平E值、平E角度、斜E值、斜E角度，角膜直径，IS、SAI、SRI、SD8，和角膜塑形镜CRT参数信息：BCR、RZD1、RZD2、LZA1、LZA2、TD；步骤2：数据划分与规范化：首先按照4：1划分训练验证集和测试集；然后再将训练验证集分为5等份，输入特征包括验光度数、平K值、平K角度、陡K值、陡K角度、deltaK、平E值、平E角度、斜E值、斜E角度、角膜直径、IS、SAI、SRI、SD8；对每个输入特征进行均值-方差规范化；步骤3：机器学习模型建模：为了回归预测角膜塑形镜片参数，采取机器学习的回归模型，优选了以下3个：支持向量回归SVR、Lasso回归和随机森林RandomForest；根据特征输入的数量不同，建立两个AI版本，AI完整版和AI简化版，预测BCR、RZD1、RZD2、LZA1、LZA2、TD这6个角膜塑形镜CRT参数；AI完整版的输入特征是验光度数、平K值、平K角度、陡K值、陡K角度、deltaK、平E值、平E角度、斜E值、斜E角度、角膜直径、IS、SAI、SRI、SD8，AI简化版本的输入特征是验光度数、平K值、平K角度、陡K值、陡K角度、deltaK、平E值、平E角度、斜E值、斜E角度、角膜直径；步骤4：超参数优化：AI完整版和AI简化版的超参数各自独立优化，针对每个角膜塑形镜的参数，SVR、Lasso和RF这3个机器学习模型分别进行五折交叉验证，并利用GridSearchCV网格搜索方法寻找最优超参数；步骤5：模型训练：AI完整版和简化版训练各自独立训练，使用步骤4找到的最优超参数，针对每个角膜塑形镜的参数，对SVR、Lasso和RF分别进行五折交叉训练；每次使用其中4份数据进行训练，剩下1份用于验证，共进行5次训练；每次训练后保存训练完的模型，每个角膜塑形镜参数都得到SVR、Lasso和RF模型各自的5个训练完模型，这样预测一个角膜塑形镜参数的模型总共15个；步骤6：模型融合预测：AI完整版和简化版训练各自独立预测，针对每个角膜塑形镜参数的预测，利用各自15个训练好的模型对测试集进行预测；每个测试样本将得到15个预测值，最终通过取平均值融合得到最终的预测值。

全文数据：

权利要求：

百度查询： 上海美沃精密仪器股份有限公司 复旦大学附属眼耳鼻喉科医院 一种角膜塑形镜参数推荐方法