22、白内障手术评估定量指标构建与糖尿病视网膜病变诊断新方法

白内障手术评估定量指标构建与糖尿病视网膜病变诊断新方法

在眼科医疗领域，白内障手术评估和糖尿病视网膜病变诊断一直是重要的研究方向。下面我们将详细介绍两种创新的技术方法，它们分别为白内障手术评估和糖尿病视网膜病变诊断带来了新的解决方案。

白内障手术评估定量指标构建

白内障手术中，切口的准确评估具有重大临床意义，因为不当的切口可能引发多种并发症，如眼内炎等。根据 ICO - OSCAR: phaco 标准，切口评估指标主要涉及切口的结构、位置、大小、前房渗漏和时间等因素。

为解决视频记录中显微镜或眼球运动导致的评估指标不准确问题，研究人员提出利用深度学习网络获取角膜刀尖端相对位置和瞳孔形状，构建评估指标，如相对轨迹、切口大小和瞳孔缩放变化等，辅助外科医生实现切口的准确评估。所使用的深度学习网络为 ResNet 和 ResUnet。

主要贡献
- 提出获取角膜刀尖端相对位置和瞳孔形状，解决视频记录中评估指标不准确的问题。
- 通过切口视频的视觉特征，基于深度学习技术构建客观、定量的白内障手术评估指标。

方法流程
1. ResUnet 分割瞳孔 ：ResUnet 结合了 U - net 和残差神经网络的优势，由编码、桥接和解码三部分组成，各部分均由残差单元构建。损失函数结合均方误差（MSE）和 Dice 相似系数（DSC），对白内障手术图像的瞳孔分割效果良好。基于分割后的瞳孔形状，将其轮廓拟合为椭圆，计算瞳孔的中心点和轴长。
- MSE 计算公式：$MSE(y, y’) = \frac{\sum_