[發(fā)明專利]一種多模態(tài)激光干眼治療儀波長控制方法有效
| 申請?zhí)枺?/td> | 202210249225.5 | 申請日: | 2022-03-14 |
| 公開(公告)號: | CN114613492B | 公開(公告)日: | 2023-08-08 |
| 發(fā)明(設(shè)計)人: | 屈劍鋒;柴毅 | 申請(專利權(quán))人: | 重慶大學 |
| 主分類號: | G16H50/20 | 分類號: | G16H50/20;G16H50/30;G06N3/06;G06N3/084;A61N5/067 |
| 代理公司: | 重慶智慧之源知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 50234 | 代理人: | 高彬 |
| 地址: | 400038 *** | 國省代碼: | 重慶;50 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 多模態(tài) 激光 治療 波長 控制 方法 | ||
本發(fā)明屬于干眼治療技術(shù)領(lǐng)域,具體公開了一種多模態(tài)激光干眼治療儀波長控制方法,包括以下步驟:S1:數(shù)據(jù)采集;S2:數(shù)據(jù)輸入:干眼數(shù)據(jù)預測模型進行處理;S3:數(shù)據(jù)輸出:干眼數(shù)據(jù)預測模型輸出強脈沖激光的相關(guān)信息;S4:生成強脈沖激光的波長以及選擇強脈沖激光的能量波形組合,并且至少選擇兩種波形;S5:治療應(yīng)用:將至少兩種強脈沖激光的組合信息應(yīng)用到強脈沖激光干眼治療儀中;S6:異常反饋:若未達到預期效果,則反饋給干眼數(shù)據(jù)預測模型;S7:再次調(diào)整:再次對干眼數(shù)據(jù)預測模型的參數(shù)進行微調(diào)。上述方法,多種強脈沖激光同時進行治療,治療效果明顯優(yōu)于僅使用一種波形的強脈沖激光進行治療的效果,從而使得治療的時間減少,治療效率更高。
技術(shù)領(lǐng)域
本發(fā)明屬于干眼治療技術(shù)領(lǐng)域,尤其涉及一種多模態(tài)激光干眼治療儀波長控制方法。
背景技術(shù)
強脈沖激光,英文縮寫IPL,是一種寬譜可見光。IPL治療干眼癥基于選擇性光熱作用原理,即輸出的強脈沖光中較長波長的光可穿透到皮膚較深處組織產(chǎn)生光熱作用和光化學作用,對瞼板腺功能的改善能起到作用,可軟化脂質(zhì),促進脂質(zhì)分泌,也可殺滅螨蟲及部分細菌,對瞼板腺囊腫、麥粒腫等疾病有治療效果。
目前在使用強脈沖激光對患者進行干眼治療的過程中,通常僅使用一種固定波形的強脈沖激光來進行治療,從而導致治療效果不佳,治療時間長的問題。
發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種多模態(tài)激光干眼治療儀波長控制方法,以解決目前僅使用一種固定波形的強脈沖激光進行治療造成治療效果不佳的問題。
為了達到上述目的,本發(fā)明的技術(shù)方案為:一種多模態(tài)激光干眼治療儀波長控制方法,包括以下步驟:
S1:數(shù)據(jù)采集:采集患者數(shù)據(jù),包括患者膚色、角質(zhì)層厚度、疼痛忍受度;
S2:數(shù)據(jù)輸入:將采集的患者數(shù)據(jù)輸入至基于深度學習的干眼數(shù)據(jù)預測模型中進行處理;
S3:數(shù)據(jù)輸出:干眼數(shù)據(jù)預測模型輸出強脈沖激光的相關(guān)信息;包括強脈沖激光中各個子脈沖的持續(xù)時間以及強脈沖激光中各個子脈沖的能量強度;
S4:根據(jù)干眼數(shù)據(jù)預測模型生成的各子脈沖的持續(xù)時間和能量強度生成強脈沖激光的波長以及選擇強脈沖激光的能量波形組合,并且至少選擇兩種波形;
S5:治療應(yīng)用:將至少兩種強脈沖激光的組合信息應(yīng)用到強脈沖激光干眼治療儀中,使強脈沖激光干眼治療儀射出的至少兩種強脈沖激光。
進一步,在步驟S2中,干眼數(shù)據(jù)預測模型的建立具體包括以下步驟:
S2.1:樣本標定:樣本采用已處理的各個患者的相關(guān)數(shù)據(jù),相關(guān)數(shù)據(jù)包括患者膚色、角質(zhì)層厚度、疼痛忍受度、治療時強脈沖激光中各個子脈沖的持續(xù)時間以及強脈沖激光中各個子脈沖的能量強度;對治療效果達到預期效果的樣本進行標定,治療效果未達到預期效果的樣本不進行標定;
S2.2:輸入量和輸出量的確認:將患者膚色、角質(zhì)層厚度、疼痛忍受度作為輸入量,將治療時強脈沖激光中各個子脈沖的持續(xù)時間以及強脈沖激光中各個子脈沖的能量強度作為輸出量;
S2.3:訓練數(shù)據(jù)集生成:將標定樣本中的各個患者的患者膚色、角質(zhì)層厚度和疼痛忍受度嵌入圖片的RGB分量,轉(zhuǎn)換為信息圖像;對信息圖像進行預處理,同一圖片大小,生成目標信息片段,作為訓練數(shù)據(jù)集;
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于重慶大學,未經(jīng)重慶大學許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202210249225.5/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 用于智能機器人系統(tǒng)多模態(tài)輸出的方法及裝置
- 一種基于深度學習的多模態(tài)醫(yī)學影像識別方法及裝置
- 一種基于多模態(tài)生成式對抗網(wǎng)絡(luò)的云圖分類方法
- 一種基于多模態(tài)信息的食道功能性疾病診斷系統(tǒng)
- 一種有監(jiān)督的快速離散多模態(tài)哈希檢索方法和系統(tǒng)
- 一種多模態(tài)數(shù)據(jù)處理方法及系統(tǒng)
- 一種基于多模態(tài)學習的電力攻擊識別方法
- 多源多模態(tài)數(shù)據(jù)的處理系統(tǒng)及應(yīng)用該系統(tǒng)的方法
- 一種基于門機制多模態(tài)融合的情感分析方法
- 面向?qū)捰蝻w行的多模態(tài)精確劃分方法





