基于深度学习的低成本便携式自动验光系统：解决资源匮乏地区屈光不正矫正率不足的问题

《Ophthalmic and Physiological Optics》：Deep learning–empowered low-cost portable automated refraction system: A solution to the inadequate effective correction rate of refractive errors in resource-limited areas

基于深度学习的低成本便携式自动验光系统（TRDS）在资源有限地区准确校正屈光误差，与主观验光高度相关（r=0.96），支持WHO全球眼健康目标。

　　本研究旨在开发并验证一种基于深度学习和红外偏心视网膜反射技术的低成本、便携式自动验光系统（Tongren Digital Sight，TRDS），以提升资源匮乏地区对屈光不正的矫正效果。这一创新技术不仅有助于提高医疗资源的可及性，还为实现全球眼健康目标提供了新的可能性。屈光不正作为全球视力障碍和失明的主要原因之一，对人们的生活质量和经济发展产生了深远影响。在低收入和中等收入地区，由于医疗资源和专业人员的匮乏，屈光矫正率长期处于较低水平，这给患者和社会带来了沉重的负担。因此，如何开发一种高精度、低成本且便于操作的自动验光系统，成为当前眼健康研究的重要方向。

传统主观验光被认为是获得屈光矫正处方的黄金标准，其在准确性和可靠性方面表现优异。然而，这种方法存在时间消耗大、依赖验光师等问题，尤其是在缺乏专业人员的地区，这种限制更加明显。为了解决这些问题，近年来的技术创新主要集中在远程验光系统和自动化配镜系统上。远程验光虽有助于提高矫正率，但其仍然需要依赖验光师进行最终诊断，这在一定程度上限制了其独立性和普及性。此外，现有的自动化验光设备通常需要昂贵的光电元件和精密的聚焦系统，这在资源有限的地区难以推广。虽然市场上已有部分便携式自动化验光设备，如Nikon Retinomax，但其成本仍然较高，限制了其广泛应用。

为应对这些挑战，本研究提出了一种全新的解决方案——TRDS系统。该系统结合了深度学习技术与红外偏心视网膜反射技术，采用低成本的硬件组件，包括互补金属氧化物半导体（CMOS）探测器和红外发光二极管（LED），并通过一个端到端的深度学习模型对视网膜反射信号进行分析。TRDS的设计突破了传统验光设备的多阶段处理流程，采用一种更简洁的算法流程，从而减少了累积误差，提高了系统的鲁棒性。这种系统不仅能够在不同的照明条件下保持稳定性能，还能适应不同瞳孔大小和眼部特征的变化，使得测量结果更加准确和可靠。

为了确保TRDS的测量精度，研究团队构建了一个高质量的红外偏心视网膜反射图像数据集，并对其进行标注。该数据集包含了362,000张图像，覆盖了多种屈光状态和瞳孔条件，为模型的训练和验证提供了坚实的基础。在模型训练过程中，采用了随机旋转、垂直和水平翻转等数据增强技术，以提高模型的泛化能力。此外，研究团队还采用了一种混合的本地+云端计算架构，将大部分计算任务转移到云端，从而降低了本地硬件的性能要求，同时保持了良好的用户体验。这种架构不仅提升了系统的成本效益，还增强了其在不同环境下的适应性。

在实际测试中，TRDS表现出与主观验光高度一致的结果。对于球镜（M）的测量，其与主观验光之间的皮尔逊相关系数为0.96，一致性系数（ICC）为0.96，显示出极高的准确性。对于柱镜（J0和J45）的测量，相关系数分别为0.74和0.76，一致性系数为0.71和0.75，虽然不如球镜测量那么高，但仍处于临床可接受的范围内。这些结果表明，TRDS在不同屈光状态下的表现具有高度一致性，特别是在近视和远视患者中，其结果与主观验光几乎没有显著差异。然而，在高度近视患者中，球镜的测量一致性稍弱，这可能与样本量较小有关，也提示未来需要在该子群体中进一步优化模型。

此外，TRDS在矫正视力方面也表现出色。其矫正视力与主观验光的差异仅为0.03 logMAR，且具有显著的统计学意义（p < 0.01）。在矫正视力方面，TRDS与主观验光的平均差异控制在临床可接受的范围内，说明其能够提供与专业验光相当的矫正效果。研究还发现，TRDS在某些子群体中，如高度近视患者，存在一定的局限性，但整体上仍具有较高的实用价值。这表明TRDS虽然在某些方面仍需改进，但其在多数情况下的表现已经足够支持其在临床中的广泛应用。

TRDS的创新性在于其硬件和算法的结合。相比传统的自动化验光设备，TRDS采用了一种完全去除机械部件的光学设计，这不仅降低了制造成本，还提高了设备的便携性。其使用的红外LED光源和低成本CMOS探测器，使得设备在成本上具备显著优势。通过将图像数据直接输入深度学习模型，TRDS避免了传统验光系统中繁琐的图像处理步骤，从而提升了整体效率。同时，这种端到端的方法能够自动提取图像特征并映射到屈光参数，减少了对复杂硬件和专业操作的依赖。

在研究过程中，采用了随机交叉对照试验设计，以确保结果的可靠性。所有参与者在不同的顺序下接受了TRDS自动验光和主观验光的测试，以消除顺序对结果的影响。同时，为了保持研究的客观性，研究人员在操作和评估过程中保持了盲法设计，确保测试结果不受主观预期的干扰。这种严谨的研究方法为TRDS的临床应用提供了坚实的数据支持。

此外，研究还涉及多种工具和设备的比较，包括自动化验光仪（AR）和VS100偏心验光仪。与主观验光相比，这些设备在球镜参数的测量上表现良好，但在柱镜参数上存在一定的局限性。例如，VS100在柱镜参数上的相关系数仅为0.34和0.40，说明其在检测柱镜误差方面的能力相对较弱。相比之下，TRDS在这些参数上的表现更接近主观验光，表明其在检测屈光不正的多个维度上具有更高的准确性。

本研究的成果不仅为改善资源匮乏地区的屈光矫正率提供了新的技术手段，还展示了深度学习在医疗设备开发中的巨大潜力。通过结合低成本硬件和高效算法，TRDS能够以较低的成本实现高质量的屈光测量，这为全球范围内的眼健康干预提供了可行的解决方案。未来，研究团队计划进一步优化TRDS在高度远视人群中的性能，并通过多中心试验验证其在不同人群中的适用性。此外，随着技术的不断进步，TRDS有望进一步提升其性能，甚至实现完全的本地化处理，从而减少对网络和云端的依赖。

总的来说，TRDS系统不仅在技术上实现了突破，还为全球眼健康目标的实现提供了重要支持。其低成本、便携性和高精度的特性，使其成为改善屈光矫正率和提升视力质量的理想工具。通过将非专业人员纳入初步筛查和处方生成流程，TRDS有助于缓解专业资源短缺的问题，提高医疗可及性。随着该系统的推广和应用，有望实现更大范围的眼健康干预，推动全球视力健康目标的实现。