通过深度学习预测白内障手术中术后人工晶状体脱位

白内障手术后一个关键但不可预测的并发症是人工晶状体脱位。术后稳定性至关重要，因为多焦镜片即使微小的偏心或环曲面镜片因术后旋转导致的环面不对准都会造成视力锐度的显著下降。研究可预测人工晶状体术后不稳定的可能术中指标有助于预防此并发症。在本文中，我们开发并评估了首个全自动框架，用于计算手术中晶状体展开延迟、旋转和不稳定性。采用三种类型的CNN（即循环、基于区域和基于像素）的组合，所提出的框架被用于评估在白内障手术期间预测术后晶状体脱位的可能性。这是通过对不同品牌人工晶状体行为之间的统计差异进行大规模研究，并将结果与专家外科医生关于晶状体的假设和观察对齐来实现的。我们利用了一个以四种人工晶状体品牌为特色的大规模白内障手术视频数据集。实验结果证实了所提出框架在评估手术期间晶状体统计数据的可靠性。Pearson相关和t检验结果揭示了晶状体展开延迟与晶状体旋转之间的显著相关性，以及四组晶状体术中旋转稳定性之间的显著差异。这些结果表明，所提出框架可帮助外科医生根据患者眼部条件选择晶状体并预测术后晶状体脱位。