资源类型：
申请号：
申请日期：
授权年份：
公开号：
公开日：
法律状态：
主分类号：
分类号：
摘要：
本发明属于角膜塑形镜技术领域，特别涉及一种基于大数据和深度学习的智能化角膜塑形镜选片系统及方法。本发明提供一种新的基于大数据和深度学习的智能化角膜塑形镜选片系统及方法，该基于大数据和深度学习的智能化角膜塑形镜选片系统及方法通过镜片型号数据及其对应的历史角膜数据进行机器学习并构建型号识别数据模型，并基于实际角膜数据通过型号识别数据模型识别塑形镜的镜片型号，完全通过验证后，输出确定的镜片型号数据，在部分通过验证后，以分梯度以及加权重的方式进行识别验证，以达到快速、精准、稳定识别镜片型号数据的目的。
主权项：
1.一种基于大数据和深度学习的智能化角膜塑形镜选片方法，其特征在于，包括如下步骤：S1：数据采集：采集镜片型号数据及其对应的历史角膜数据，并构建训练集，所述镜片型号数据包括镜片品牌和对应的镜片参数；S2：数据处理：通过至少一种降维算法对所述训练集进行降维；通过至少一种学习算法对降维后的训练集进行训练，建立型号识别数据模型；步骤S2中建立型号识别数据模型后，形成历史角膜数据与镜片参数的第一映射，镜片参数与镜片品牌的第二映射；S3：数据识别：将实际角膜数据输入型号识别数据模型中，且完全通过验证后，输出确定的镜片型号数据；当部分验证通过后，将实际角膜数据中的各参数随机分为至少两个梯度，加上权重后重新输入型号识别数据模型中，且完全通过验证后，输出确定的镜片型号数据；当部分验证通过后，循环将实际角膜数据中的各参数随机分为至少两个梯度，加上权重后重新输入型号识别数据模型步骤，直至找到确定的镜片型号数据；步骤S3中包括如下步骤：S31：将实际角膜数据输入型号识别数据模型中，且基于第一映射和第二映射并在历史角膜数据中各参数的误差范围内初步识别出型号数据及对应的历史角膜数据；S32：判断历史角膜数据与实际角膜数据之间是否存在交集，若不存在，则识别出的历史角膜数据对应的型号数据为确定的镜片型号数据，若存在，则进行步骤S33；S33：将实际角膜数据中的各参数随机分为至少两个梯度，为每个梯度都加上权重，并按照权重的高低顺序依次输入型号识别数据模型中，并在历史角膜数据中各参数的误差范围内分别二次识别出型号数据以及对应的历史角膜数据；S34：将实际角膜数据各梯度的参数分别与对应历史角膜数据的对应参数进行比较，判断是否存在交集，若其中一个梯度不存在交集，则相应历史角膜数据对应的镜片型号数据为确定的型号数据，若均存在交集，则进行步骤S33。
