本发明专利技术涉及医疗诊断技术领域，公开了基于数据分析的近视手术风险评估模型的构建方法，包括：获取患者的近视手术的历史数据信息，计算获取近视手术之后的恢复时长值的年龄恢复影响系数；基于近视患者的基本信息和手术信息计算得到术前视力值时的眼部内皮细胞风险率、术后角膜生长值、术后角膜厚度生长率和术后角膜表面波动率；计算获得角膜稳定率和手术难度值；基于术后视力偏差值；计算获得恢复风险因子、稳定风险因子和修正影响因子；得到手术风险评估模型，以避免在手术之后出现视力问题；基于手术的难度值，可以为医生提供更加有效的参考意义；更好的提高近视手术的术后效果，为医生和患者均提供更加有效的指导性。
【技术实现步骤摘要】
本专利技术涉及医疗诊断，具体涉及基于数据分析的近视手术风险评估模型的构建方法。
技术介绍
1、当近视发生后，为了更好看清物体，患者往往会主动眯眼来减少光线入射，增加景深，以获得更清楚的视野。同时，若近视患者存在长期用眼的情况，也会出现“干眼症”，需要通过频繁眨眼来滋润眼球。因此，识别眯眼、频繁眨眼的现象对于近视早期诊断具有重要意义。
2、近视眼手术经过对近视患者的眼部角膜等进行医疗干预处理可以使近视眼患者摘掉眼镜，并达到正常视力，
3、随着近视人群数目的增多，近视眼手术逐渐成为热点，在现有技术中，进行近视眼手术需要进行检查然后进行手术，但是由于不同的人群年龄、近视度数以及其眼部角膜的形态特征有所不同，在进行近视手术之后，其视力的变化和所出现的视力偏差等是不同的，使得部分近视患者在手术之后无法达到满意的手术效果，因此，需要在近视手术之前，对近视患者的状况进行评估，以保证患者在进行近视手术之后可以得到更好的手术效果，为医生和患者提供更加有效的诊断结果。
技术实现思路
1、本专利技术的目的在于提供基于数据分析的近视手术风险评估模型的构建方法，以解决上述背景中问题。
2、本专利技术的目的可以通过以下技术方案实现：
3、基于数据分析的近视手术风险评估模型的构建方法，包括以下步骤：
4、构建数据通道，用于获取患者的近视手术的历史数据信息；包括近视患者的基本信息和手术信息；其中，基本信息包括近视患者的体征数据信息和术后恢复信息；
5、计算获取患者年龄值ol对近视手术之后的恢复时长值ft的年龄恢复影响系数a；
6、基于近视患者的基本信息和手术信息计算得到术前视力值qs时的眼部内皮细胞风险率npf、术后角膜生长值hjsz、术后角膜厚度生长率hjsl和术后角膜表面波动率hjbl；
7、通过jmw＝npf×hjsl×hjbl计算获得术前视力值qs下的角膜稳定率jmw；
8、计算获得患者年龄值ol时，术前视力值qs对近视手术之后的角膜稳定率jwm的视力角膜稳定系数c；
9、通过ssn＝β×st+γ计算获得患者的手术难度值ssn；其中，β为预设难度评估系数，γ为预设难度波动量；
10、计算获取术后视力偏差值shp；
11、计算获得恢复风险因子ε、稳定风险因子η和修正影响因子θ；即可得到手术风险评估模型shp＝ε×ft+η×jmw×ssn+θ；其中，ε为恢复风险因子、η为稳定风险因子和θ为修正影响因子。
12、作为本专利技术进一步的方案：近视患者的体征数据信息包括：患者年龄值ol、术前视力值qs、术前角膜厚度值qjh和术前角膜表面不对称指数qnd；
13、术后恢复信息包括：厚度恢复值hjh、矫正视力值hs、术后角膜表面不对称指数hnd、术后内皮细胞密度值hpm和恢复时长值ft；
14、手术信息包括：近视手术时长值st、角膜厚度切割值zjh和角膜曲率调整值zjq。
15、作为本专利技术进一步的方案：所述患者年龄值ol对近视手术之后的恢复时长值ft的年龄恢复影响系数a的获取方式为：
16、步骤021：获取基本信息中的患者年龄值ol和恢复时长值ft；以患者年龄值ol为横向坐标点，以恢复时长值ft为纵向坐标点，将患者年龄值ol和恢复时长值ft进行坐标点拟合，得到坐标集(ol，ft)；
17、步骤022：以患者年龄值为横坐标，以恢复时长值为纵坐标建立年龄影响恢复坐标系，将坐标集(ol，ft)拟入至年龄影响恢复坐标系中；对坐标系中的坐标点进行归一化处理；
18、步骤023：将归一化处理之后的坐标点带入至ft＝a×ol+b中，计算获得年龄恢复影响系数a和恢复修正量b。
19、作为本专利技术进一步的方案：所述眼部内皮细胞风险率npf的获取方式为：
20、基于内皮细胞密度基准值域[pmin，pmax]；获取术前视力值qs下患者的术后内皮细胞密度值hpm不在内皮细胞密度基准值域[pmin，pmax]中的人数，并标记为n，然后获取手术患者中处于该患者年龄值ol的总人数m；
21、通过计算得到术前视力值qs时的眼部内皮细胞风险率npf。
22、作为本专利技术进一步的方案：所述角膜厚度生长率hjsl的获取方式为：
23、通过hjsz＝hjh-(qjh-zjh)计算获得患者的术后角膜生长值hjsz；
24、获取术前视力值qs下患者的术后角膜生长值hjsz大于0的人数，并标记为h；
25、通过计算获得患者的术后角膜厚度生长率hjsl。
26、作为本专利技术进一步的方案：所述术后角膜表面波动率hjbl的获取方式为：
27、获取术前视力值qs下的患者术后角膜表面不对称指数hnd大于术前角膜表面不对称指数qnd并且术后角膜表面不对称指数hnd不处于角膜表面不对称指数范围值[hndin，hndax]内的人数，并标记为k；
28、通过计算获得患者的术后角膜表面波动率hjbl。
29、作为本专利技术进一步的方案：所述术前视力值qs对近视手术之后的角膜稳定率jwm的视力角膜稳定系数c的计算方式为：
30、步骤041：以术前视力值qs为横向坐标点，同时，以角膜稳定率jmw为纵向坐标点，将术前视力值qs和角膜稳定率jwm进行坐标点拟合，得到坐标集(qs，jmw)；
31、步骤042：以术前视力值qs为横坐标，以角膜稳定率jwm为纵坐标建立年龄影响稳定坐标系，将坐标集(qs，jmw)拟入至视力影响稳定坐标系中；同样的，对坐标系中的坐标点进行归一化处理；
32、步骤043：将归一化处理之后的坐标点带入至jmw＝c×qs+(ol+d)中，计算获得视力角膜稳定系数c和年龄稳定修正量d。
33、作为本专利技术进一步的方案：获取患者的近视手术时长值st、角膜曲率调整值zjq和角膜厚度切割值zjh的数据集；
34、将数据集拟入至st＝e×zjq+f×zjh+g计算获得曲率难度影响系数e、厚度难度影响系数f和难度影响修正量g；即可得到患者的近视手术时长模型。
35、作为本专利技术进一步的方案：获取患者矫正视力值hs，通过shp＝1-hs计算获取术后视力偏差值shp。
36、作为本专利技术进一步的方案：所述恢复风险因子ε、稳定风险因子η和修正影响因子θ的获取方式为：
37、步骤071：基于术后视力偏差值shp，获取恢复时长值ft、角膜稳定率jmw和手术难度值ssn；
38、步骤072：通过shp＝ε×ft+η×jmw×ssn+θ计算获得恢复风险因子ε、稳定风险因子η和修正影响因子θ。
39、本专利技术的有益效果：
40、本专利技术中，通过构建近视手术风险评估模型，通过近视手术风险评估模型基于近视患者的基本情况，进行风险评估计算，获得近视患者在手术之后的视力稳定性、恢复时长等本文档来自技高网
...
【技术保护点】
1.基于数据分析的近视手术风险评估模型的构建方法，其特征在于，包括：
2.根据权利要求1所述的基于数据分析的近视手术风险评估模型的构建方法，其特征在于，近视患者的体征数据信息包括：患者年龄值OL、术前视力值QS、术前角膜厚度值QJH和术前角膜表面不对称指数QND；
3.根据权利要求2所述的基于数据分析的近视手术风险评估模型的构建方法，其特征在于，所述患者年龄值OL对近视手术之后的恢复时长值FT的年龄恢复影响系数a的获取方式为：
4.根据权利要求2所述的基于数据分析的近视手术风险评估模型的构建方法，其特征在于，所述眼部内皮细胞风险率NPF的获取方式为：
5.根据权利要求4所述的基于数据分析的近视手术风险评估模型的构建方法，其特征在于，所述角膜厚度生长率HJSL的获取方式为：
6.根据权利要求2所述的基于数据分析的近视手术风险评估模型的构建方法，其特征在于，所述术后角膜表面波动率HJBL的获取方式为：
7.根据权利要求6所述的基于数据分析的近视手术风险评估模型的构建方法，其特征在于，所述术前视力值QS对近视手术之后的角膜稳定率JWM的视力角膜稳定系数c的计算方式为：
8.根据权利要求2所述的基于数据分析的近视手术风险评估模型的构建方法，其特征在于，获取患者的近视手术时长值ST、角膜曲率调整值ZJQ和角膜厚度切割值ZJH的数据集；
9.根据权利要求2所述的基于数据分析的近视手术风险评估模型的构建方法，其特征在于，获取患者矫正视力值HS，通过SHP＝1-HS计算获取术后视力偏差值SHP。
10.根据权利要求7所述的基于数据分析的近视手术风险评估模型的构建方法，其特征在于，所述恢复风险因子ε、稳定风险因子η和修正影响因子θ的获取方式为：
...
【技术特征摘要】
1.基于数据分析的近视手术风险评估模型的构建方法，其特征在于，包括：
2.根据权利要求1所述的基于数据分析的近视手术风险评估模型的构建方法，其特征在于，近视患者的体征数据信息包括：患者年龄值ol、术前视力值qs、术前角膜厚度值qjh和术前角膜表面不对称指数qnd；
3.根据权利要求2所述的基于数据分析的近视手术风险评估模型的构建方法，其特征在于，所述患者年龄值ol对近视手术之后的恢复时长值ft的年龄恢复影响系数a的获取方式为：
4.根据权利要求2所述的基于数据分析的近视手术风险评估模型的构建方法，其特征在于，所述眼部内皮细胞风险率npf的获取方式为：
5.根据权利要求4所述的基于数据分析的近视手术风险评估模型的构建方法，其特征在于，所述角膜厚度生长率hjsl的获取方式为：
6.根据权利要求2所述的基于数据分析的...
【专利技术属性】
技术研发人员：孙先勇，
申请(专利权)人：潍坊眼科医院有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。