基于AI技术探究多源临床表征对角膜屈光手术的精准量化及视觉优化机制的研究

With tremendous increase of vision correction by refractive surgery, it is imperative to solve issues involving visual quality. Over the past decades, clinical studies failed to identify strong and convincing factors affecting visual quality, due to single-factor and small-size sample analysis. However, with rapid development of clinical detection techniques, a large number of multi-source clinical data, impacting the correction accuracy of refractive surgery, have been accumulated, which encourages us to apply state-of-the-art artificial intelligence techniques to break through the limitation of previous studies. First, an objective assessment framework for visual quality is to be established by MTF & PSF-image analysis through deep learning and image processing techniques. Second, the association networks of multi-source clinical data, including wave-front aberrations, topographies, biomechanical parameters etc., are to be built by association analysis, from which critical factors affecting visual quality are detected. Third, information gain is applied to quantitively analyze the effect of multi-source factors to visual quality. Finally, classifiers are trained to predict corneal refractive surgery decisions in high precision. We believe that, our research would help surgeons to identify the key factors of postoperative visual quality, so as to improve it. More importantly, the novel approaches for visual optimization might be widely applied in future studies.

随着屈光手术视觉矫正的增多，视觉质量相关问题亟待解决。以往对视觉质量影响因素的研究多为基于小样本、单因素的临床研究，不能得出具有权威性的结论，而随着临床检测设备和手段的发展及研究的不断深入，积累了大量多源临床表征并发现会直接影响精准性。本研究基于前期工作，借助交叉学科，拟利用计算机人工智能技术，首先在个性化眼模型光学MTF、PSF函数图像的基础上，通过深度学习卷积神经网络进行图像处理，构建客观视觉质量评价模型；在此基础上，运用关联规则算法，构建角膜形态学参数、光学参数、生物力学参数等多因素关联网络，发现多源临床表征的相互作用关系及关键影响因素，并加载客观视觉质量评价模型，运用信息增益量化多因素分析对视觉质量协同影响；最后，利用分类器算法学习训练手术方案，构建角膜屈光手术决策和方案设计精准量化模型，并通过对影响术后视觉质量的关键机制进行干预和控制，实现提升视觉优化新途径，具有较好的应用前景。

随着近视人群在我国的高发以及随之而来对屈光手术及其视觉矫正的需求增多,如何提高矫正的精准及提高视觉质量相关问题亟待解决。以往多以小样本、单因素的临床研究为主,难以形成考虑多因素混合的更接近真实人眼的具有代表性的结论。随着临床检测设备和手段的不断发展，积累了大量多维度临床表征，并发现这些因素会直接影响手术最终的精准性。由于医生对复杂特征关系分析能力的局限,只能依据少数主要数据特征对患者进行手术方案设计,在精准设计、预测和治疗方面遇到瓶颈,亟待解决。.本研究借助人工智能，针对临床多维数据表征对角膜屈光手术的影响问题进行深入的探讨，以角膜屈光手术的精准治疗为目标，以手术结果的精准量化及视觉优化为突破口，先后利用深度学习卷积神经网络进行图像处理,构建客观视觉质量评价模型；运用关联规则算法,构建角膜形态学、光学、生物力学等多因素关联网络,发现多源临床表征的相互作用及关键影响因素；运用信息增益量化分析多因素对视觉质量的协同影响:利用分类器算法学习训练手术方案,构建角膜屈光手术决策和精准设计模型,并通过对影响术后视觉质量的关键机制进行干预和控制,实现提升视觉优化新途径,取得了较好的成果，具有较好的应用推广前景。.经过三年努力，按期完成原研究计划，并在此基础上分析了影响屈光手术精准性和术后质量的相关因素。尝试了进一步基于AI技术开发屈光度、年龄等预测模型，均取得良好结果。在项目期内取得了系列研究成果，共发表论文37篇，其中 SCI 论文共26篇，中文核心11篇；申请并获得国家发明专利5项；国际会议报告研究成果4篇。相关研究成果转化应用，并获得2020年度“中国眼科十大进展”，影响力显著。共培养博士研究生13名，硕士研究生24名，本课题研究结果将AI相关方法和技术引入角膜屈光手术的术前筛查、手术设计和术后结果预测领域，为智能化、精准化的屈光手术全流程管理奠定理论和应用基础，对行业的高质量发展具有重要学术价值和指导意义。