一种基于深度学习的有晶体眼后房人工晶体尺寸选择方法

本发明公开了一种基于深度学习的有晶体眼后房人工晶体尺寸选择方法，涉及医学影像处理与智能辅助决策技术领域。本发明至少包括以下步骤：S1：跟踪收集并整理眼前节影像历史数据，通过患者的手术成功病历记录，为影像数据集标注对应的ICL晶体尺寸类别，并对标注完成的影像数据集进行划分和数据预处理，以保证数据的高质量和准确性。本发明首次融合Pentacam与UBM影像，突破了现有ICL预测技术的局限性，实现了多模态影像融合、全局‑局部信息联合建模和可视化解释，具有更高的预测准确度、更好的可解释性和更广的临床适用性，为ICL晶片选择提供了一套高效、可靠的智能辅助决策方案。