LASIK手术角膜切削厚度对眼生物力学的影响研究

目的:探讨准分子激光原位角膜磨镶手术(LASIK)角膜切削厚度对眼生物力学的影响。方法:根据患者病情种类选取2019年5月~2019年8月我医院收治的100例愿意接受研究近视及近视散光患者。均给予准分子激光原位角膜磨镶手术进行治疗。比较100例患者术前术后角膜滞后量、角膜阻力系数、中央角膜厚度等指标,并统计角膜滞后量、角膜阻力的变化量。结果:角膜滞后量的变化量为2.02±1.17,此外角膜阻力系数的变化量为3.38±0.91,100例患者手术后角膜滞后量以及角膜阻力系数明显下降,差异有统计学意义。结论:采取准分子激光原位角膜磨镶术应尽可能的降低角膜损伤程度,LASIK术后角膜生物力学特性发生显著变化,术后CH、CRF及其变化量与切削深度、切削比等因素有关。值得临床关注。

BP神经网络在SMILE手术角膜基质切削厚度预测中的应用

目的构建用于精准预测小切口角膜透镜取出(Small-Incision Lenticule Extraction,SMILE)手术角膜基质切削厚度的BP神经网络模型。方法从全飞秒手术系统厂家处获取标准化切削厚度数据表格,提取共计12188条数据作为研究对象,以切削厚度的影响因素输入,以切削厚度为输出结果,采用Matlab编程软件构建SMILE手术角膜基质切削厚度预测BP神经网络模型并对其进行训练和验证。结果针对该BP神经网络模型,设定最大训练迭代次数为5000次,实际迭代次数为2464次,设定误差为0.001,实际误差为0.112。该BP神经网络模型对我院SMILE手术共计1038例临床患者数据进行仿真验证,切削厚度的预测数据取整后与实际数据的对比结果表明,约99.81%数据的误差在[-1,1]μm。结论基于Matlab的BP神经网络预测模型实现了角膜基质切削厚度与球镜度数、柱镜度数、角膜曲率半径以及微透镜直径等参数间的非线性关系描述,通过调用该模型能准确预测角膜基质切削厚度并计算剩余角膜基质厚度,可为SMILE手术相关参数提供依据,进而提高SMILE手术的诊疗效率。

基于多层感知器神经网络的小切口角膜基质透镜取出手术辅助诊断研究

目的:通过分析厂家提供的计算小切口角膜基质透镜取出(SMILE)手术角膜切削厚度值参考的标准数据及患者历史临床数据,构建多层感知器(MLP)神经网络模型,用于全飞秒SMILE手术角膜切削厚度的精准预测。方法:对医院SMILE手术共计1127例临床患者数据进行仿真验证,构建MLP神经网络模型,由球镜度数、柱镜度数、角膜曲率和微透镜直径4个影响因素组成输入向量,角膜切削厚度作为输出向量,将神经网络模型进行训练并保存,用于角膜切削厚度的预测。结果:仿真试验表明,多元线性回归方法计算的平均绝对误差(MAE)为5.791,均方误差(MSE)为60.966;MLP神经网络方法计算的平均绝对误差(MAE)为0.491,均方误差(MSE)为0.554,因此使用MLP神经网络效果更优。结论:构建的MLP神经网络模型实现了角膜切削厚度与其影响因素之间的非线性关系描述,MLP神经网络训练完成后可用于眼科诊疗过程中角膜切削厚度的快速计算,实现全飞秒SMILE手术预诊断功能,提高诊疗效率。