CN110772218A - 视力筛查设备及方法 - Google Patents

Abstract

本文描述了用于测试患者的视力的视力筛查系统。视力筛查系统可以包括配置为执行多个视力筛查测试的视力筛查设备。例如，系统可以配置为通过视力筛查设备确定或生成用于向患者显示的图形表示，以评估患者的视力的健康状况和/或检测异常视力行为。该系统可以配置为评估由视力筛查设备记录的图像/视频数据，以在视力筛查期间确定与患者相关联的测量值。该系统可以配置为分析测量值以生成与患者的视力相关联的诊断建议。该系统还可以配置为将建议和/或测量值连同附加的筛查数据一起显示给进行视力测试的测试者。

Description

视力筛查设备及方法

相关申请的交叉引用

本申请是2018年7月27日提交的题为“视力筛查设备及方法”的美国临时申请No.62/711,461的非临时申请并要求其优先权，其全部公开内容通过引用并入本文。

技术领域

本申请涉及医疗设备，并且特别地，涉及配置成确定屈光不正、内聚、视敏度和/或其他视力筛查参数的视力筛查设备。

背景技术

儿童和成人的视力筛查通常包括一个或多个测试以确定与患者眼睛相关的各种缺陷。这些测试例如可包括屈光不正测试、内聚测试、适应测试、视敏度测试等。虽然上述测试中的一个或多个可能是相关的，但每个测试都有相应的目的。例如，视敏度测试通常依赖于使人以给定距离阅读印刷在斯内伦视力表上的字符。该人的视敏度取决于其可辨别的图表上的字符的大小。测试通常从使人阅读最顶层、最大的字符开始，同时覆盖一只眼睛。然后，该人继续阅读每行中的每个字符，直到他们不再能够辨别出这些字符。另一只眼睛重复该过程。具有20/20的“正常视力”的人在每次测试中将在斯内伦视力表上读取大约30个字符。

虽然存在各种视力筛查设备，但是这些设备通常使用起来很麻烦而且很复杂。因此，使用这些设备进行的视力筛查判定可能缺乏准确性和一致性。另外，尽管可以将这些设备设计为执行上述测试中的一项测试，但是这样的设备通常不能配置为执行多项视力筛查测试。因此，这些装置缺乏通用性。

本发明的各种示例性实施例旨在克服与已知视力筛查设备相关的一个或多个缺陷。

附图说明

通过结合附图研究以下的具体实施方式，本发明的特征、特性及各种优点可以更加明显。

图1示出了根据一些实施方式的用于视力筛查的示例性环境。

图2示出了根据一些实施方式的可用于视力筛查的示例性视力筛查设备的示例性服务器计算设备。

图3示出了根据一些实施方式的可用于视力筛查的示例性视力筛查系统的示例服务器计算设备。

图4A示出了根据一些实施方式的视力筛查设备的实施例的立体图。

图4B示出了根据一些实施方式的视力筛查设备的实施例的另一立体图。

图5示出了根据一些实施方式的示例性意粉型框图。

图6示出了根据一些实施方式的在视力筛查期间显示的示例性图形表示。

图7和8示出了根据一些实施方式的用于视力筛查的示例性流程图。

在附图中，附图标记的最左边的数字标识首次出现该附图标记的附图。在不同附图中使用相同的附图标记表示相似或相同的项目或特征。附图并未按比例绘制。

具体实施方式

本文描述的技术部分地涉及视力筛查系统。这样的示例性视力筛查系统可以配置为对患者执行一个或多个视力测试并将视力测试的结果输出给设备的用户，例如医师或医师助理。例如，视力筛查系统可以生成一个或多个图形表示，例如文本段落或动态图像，以显示给患者。当患者正在查看图形表示时，系统可以收集与患者的眼睛相关的一个或多个测量值，例如眼睛的晶状体的直径、瞳孔的位置或患者的注视。如此，结果可包括在整个视力筛查测试中检测到的一个或多个测量值。另外，系统可以生成与患者相关的建议和/或诊断以显示给测试者。

众所周知，传统的视力筛查技术通常由个人进行，例如医师或有资格进行视力筛查测试的其他人(例如护士、技师等)。例如，医师可以对患者展示可视物，例如光或斯内伦视力表，并且可以观察眼睛对可视物的反应(例如，观察患者的瞳孔如何扩张或收缩，确定患者的注视方向等)和/或要求患者与可视物互动(例如，阅读斯内伦视力表的字母)。在这些示例中，医师可以依赖患者以提供准确的反馈和/或可以依靠他们自己的能力来观察眼睛不同部位对可视物的反应。例如，医师可以简单地观察瞳孔响应于光的扩张和收缩，或者观察当光线移动时眼睛跟随光线的程度。

因为这些测试依赖于患者反馈和/或进行视力筛查测试的个人的观察，所以结果通常是不可靠和不准确的。例如，如果医师是手动监测或观察患者的瞳孔如何跟踪可视物，则测试结果可能不完全准确。此外，没有患者响应的记录，因此随着时间的推移，可能无法准确跟踪患者的视力质量。

此外，如本文所述，传统系统通常没有配置为执行多项视力筛查测试或记录多种类型的测量值、产生不同的结果等。例如，传统系统可以配置为仅为患者提供折射测量值，并且可能需要另外的系统或设备来执行附加测试并收集关于患者眼睛健康的附加信息。然而，本文描述的用于视力筛查的技术有助于为患者和进行筛查的个人提供更准确、可靠和有效的视力筛查测试。

本文描述的技术和系统允许在实现更准确的结果的情况下进行更有效的视力筛查。例如，本文论述的系统配置为执行多个动态视力筛查测试。在一些实施例中，系统可以配置为生成不同类型的图形表示或视力刺激，以记录与患者的视力相关的多种类型的测量值。通过这种方式，不需要多个设备，系统就可以提供关于患者的视力和眼睛健康的不同类型的信息。

此外，本文描述的系统配置为记录不同类型的视力筛查测试以确定与患者眼睛的行为相关的更准确的测量值。例如，本文描述的系统可以配置为跟踪患者瞳孔的移动，以响应于在视力筛查测试期间显示的图形来确定瞳孔行为和患者注视的方向。如此，该系统能够在整个视力筛查测试中提供眼睛行为的准确的、记录下来的测量值，并为进行视力筛查的个人提供该测量值。通过记录测量值并生成相应的视频数据，可以随时跟踪患者的视力健康状况，以提供更准确和及时的诊断建议。

更进一步地，本文描述的系统可以配置为给进行视力筛查的个人提供诊断建议。例如，通过利用标准测试数据和/或机器学习技术，系统可以评估由系统确定的测量值，以向个人提供关于患者视力的建议(例如，患者是否通过测试，是否需要额外的筛查等)。这样，本文描述的系统可以更加高效和准确地提供自动诊断建议。

在下面描述的示例中，系统可以确定或访问与参与视力筛查测试的患者相关的患者数据。例如，患者数据可包括患者提供的数据或从患者概要文件访问的数据。患者数据可以包括人口统计信息(例如，年龄、种族、性别等)、患者的身体特征(例如，身高)等。在示例中，患者数据可以包括由视力筛查系统确定的信息。例如，视力筛查系统可以包括可以在筛查开始时记录与患者相关的音频/视频数据的设备，这些音频/视频数据可以用于确定与患者相关的数据，例如身高、患者眼睛的位置，以及患者距离筛查设备的距离等。此外，用户(诸如测试者或操作视力筛查设备的人)可以在视力筛查期间向系统提供或输入信息。更进一步地，患者数据可以从本地或远程存储患者数据的数据库导入系统。

在示例中，系统可以基于患者数据识别与患者相关的测试类别，或识别患者。例如，根据患者的年龄、身高或性别，系统可以确定与患者相关的类别。基于测试类别，系统可以生成恰当的图形表示以在视力筛查期间向患者显示。例如，如果患者数据指示患者是幼儿，则系统可以生成针对该患者的年龄、身高、性别等的幼儿的图形表示以进行视力筛查。图形表示可以配置为在视力筛查测试期间引起患者的视力或眼睛的疲劳。例如，图形表示可以包括光刺激、增强的或虚拟现实显示、描绘、文本等。

系统可以确定与患者的视力相关的一个或多个测量值，例如与患者的眼睛相关的测量值。例如，系统可以在整个视力筛查期间确定患者的注视方向、患者瞳孔的位置、与晶状体相关的适应性或可调节性、眼睛的运动等。作为示例，可以向患者显示包括移动图形的图形表示。随着图形的移动，可以跟踪并利用患者注视的方向来确定在观看图形的不同时间点的患者瞳孔的位置。

在示例中，系统可以将测量值与已知的与正常视力健康或行为相关的标准或预定测量值进行比较。例如，可以将与所呈现的图形表示相关的正常眼睛行为的已知阈值和/或与患者相关的测试类别与所确定的测量值进行比较，以根据已知标准确定患者的眼睛是否起作用。根据测量值是否满足已知阈值和/或是否在阈值内，系统可以生成与患者相关的诊断建议。例如，如果测量值满足已知阈值，则系统可以生成指示患者已通过视力筛查的建议。如果测量值不满足已知阈值，则系统可以生成包括患者未通过筛查的指示或诊断指示的建议，或生成进行额外筛查的建议。在示例中，系统还可以利用一种或多种机器学习技术来生成诊断建议。该建议与测量值一起可以通过设备的接口呈现给测试者。

在其他示例中，系统还可以生成与视力筛查相关的音频和/或视频数据。例如，系统可以在视力筛查期间记录患者，并且可以利用视频数据来确定一个或多个测量值和/或生成另外的视频数据。作为示例，系统可以在筛查期间利用患者的视频数据来生成与观察图形表示的时间点处的患者瞳孔的位置相关的一个或多个数据点。然后，系统可以生成包括图形表示以及指示整个视力筛查测试中瞳孔位置的一个或多个视力指示符的附加视频数据。以这种方式，测试者可以在视力筛查完成之后的任何时间观看视频数据和/或附加视频数据。这样，诸如测试者、医师等的用户可以利用视频数据来监测患者的视力健康并且做出主动的诊断建议。

下面参考图1-8来描述与上述技术有关的其他细节。应当理解为，虽然这些图描述了可以利用所要求保护的技术的示例性环境和设备，但是这些技术可以同样地应用于其他环境、设备等。

图1示出了根据一些实施方式的用于视力筛查的示例性环境。如图1所示，环境100包括测试者102，其通过视力筛查设备104对患者106进行视力筛查，以确定患者106的视力健康。如本文所述，视力筛查设备104可以执行一个或多个视力筛查测试以确定与患者106相关的一个或多个测量值，并且经由网络108将测量值提供给视力筛查系统110以进行分析。作为响应，视力筛查系统110可以分析测量值以诊断患者106的视力健康。应该理解为，虽然图1描绘了一个系统，视力筛查系统110，但是环境100可以包括配置为独立地和/或组合地操作并且配置为经由网络108彼此通信的任何数量的系统。视力筛查系统110的组件可在下面详细描述。

在示例中，视力筛查系统110可以包括一个或多个处理器112、一个或多个网络接口114，以及计算机可读介质116。计算机可读介质116可以存储可由处理器112执行的一个或多个功能组件，诸如患者数据组件118、图形表示组件120、测量数据组件122、阈值数据组件124和/或或诊断建议组件126。以下可能描述计算机可读介质116的至少一些组件、模块或指令。

在示例中，视力筛查设备104可以包括固定或便携式设备，其配置为对患者106执行一个或多个视力筛查测试。例如，视力筛查设备104可以配置为执行视敏度测试、屈光不正测试、适应性测试、动态眼睛跟踪测试和/或配置为评估和/或诊断患者106的视力健康的任何其他视力筛查测试。由于其固定或便携特性，视力筛查设备104可以在任何位置执行视力筛查测试，从传统的筛查环境(例如学校和医疗诊所)到远程和/或移动位置。

如本文所述，视力筛查设备104和/或视力筛查系统110可以配置为对患者106执行适应性和屈光不正测试。例如，屈光不正和适应性测试可以包括向患者106的眼睛显示配置为引发疲劳的视力刺激，例如光或图形表示。作为响应，视力筛查设备104可以检测患者106的眼睛的瞳孔和/或晶状体，获取瞳孔/晶状体的图像和/或视频数据等，并且可以经由网络108将视力筛查数据发送到视力筛查系统110以进行分析。备选地或附加地，视力筛查设备104可以在本地执行分析。

在示例中，视力筛查设备104可以配置为执行视敏度测试和/或动态眼睛跟踪测试。例如，视力筛查设备104和/或视力筛查系统110可以配置为执行视敏度测试，其包括确定视标、确定患者106距视力筛查设备104的距离，和/或向患者104显示动态视标。动态眼睛跟踪测试可以包括生成用于向患者106显示的图形表示，例如图形场景或文本，并监视眼睛的运动，获取眼睛的图像和/或视频数据等，并且可以经由网络108将视力筛查数据发送到视力筛查系统110以进行分析。备选地或附加地，在一些示例中，视力筛查设备104可以在本地分析视力筛查数据。

在示例中，患者数据组件118可以配置为存储和/或访问与患者106相关的数据。例如，患者106可以在开始视力筛查测试时提供数据，例如患者数据128。例如，当视力筛查设备104和/或视力筛查系统110启动视力筛查测试时，患者106可以提供或者测试者102可以请求关于患者的人口统计信息、身体特征，以及偏好等的患者数据128。例如，患者106可以提供诸如姓名、年龄、种族等的人口统计信息。患者106还可以提供诸如患者106的身高等的身体特征信息。在这些示例中，测试者102可以在筛查正在进行时或者在筛查开始之前请求数据。在一些示例中，可以向测试者102提供有与患者106相关的预定类别，诸如预定年龄范围(例如，六到十二个月、一到五岁等)，并且可以请求患者数据128，以选择与患者106相关的适当类别。在其他示例中，测试者102可以提供与患者数据128相关的自由形式的输入。在另外的示例中，可以直接向患者106提供输入元件。

备选地或附加地，视力筛查设备104和/或视力筛查系统110可以在视力筛查测试期间确定和/或检测患者数据128。例如，视力筛查设备104可以配置为在视力筛查测试开始时生成与患者106相关的图像和/或视频数据。例如，视力筛查设备104可以包括一个或多个数码相机、运动传感器、近距离传感器或配置为收集患者106的图像和/或视频数据的其他图像捕捉设备，并且视力筛查设备104的一个或多个处理器可以分析数据以确定患者数据128，例如患者106的高度或患者106距筛查设备的距离。例如，视力筛查设备104可以配备有测距仪，例如超声波测距仪、红外测距仪和/或能够确定患者106距离筛查设备的任何其他近距离传感器。

备选地或附加地，视力筛查设备104可以配置为经由网络108将图像/视频数据传送到视力筛查系统110上，用于分析以确定患者数据128。例如，视力筛查设备104可以将图像/视频数据传送到视力筛查系统110，并且患者数据组件118可以配置为分析数据以确定患者数据128。更进一步地，患者数据组件118可以配置为接收、访问和/或存储与患者106和/或其他的患者相关的患者数据128。例如，患者数据组件118可以存储与患者104和/或已经使用视力筛查系统110的其他患者相关的先前的患者信息。例如，患者数据组件118可以存储先前的患者喜好、筛查历史等。患者数据组件118可以接收患者数据128和/或可以经由网络108访问这类信息。例如，患者数据组件118可以访问存储与患者106和/或其他患者相关的数据的外部数据库，例如筛查数据库130。例如，筛查数据库130可以配置为存储与患者ID相关联的存储的患者数据128。当测试者102和/或患者106输入患者ID时，患者数据组件118可以访问或接收与患者ID和患者106相关联的存储的患者数据128。

进一步地，计算机可读介质116可以存储图形表示组件118。图形表示组件118可以配置为在视力筛查过程中通过视力筛查设备104生成或确定用于向患者106显示的图形表示。例如，图形表示组件118可以配置为从患者数据组件118接收和/或访问患者数据128，以确定用于向患者106生成和/或显示的图形表示。作为示例，图形表示组件118可以利用患者数据128来确定患者106所属的测试类别(例如，基于年龄、身高等的测试类别)。基于患者数据128、测试类别和/或要进行的视力筛查，图形表示组件118可确定现有的图形表示或生成图形表示以向患者106显示。

例如，患者数据128可以表示患者106是年龄在六至十二个月之间的婴儿。基于此信息，图形表示组件118可以访问与六到十二个月的测试类别相关的一个或多个本地或远程存储的图形表示。备选地或附加地，图形表示组件118可以配置为生成被配置为使患者106的视力的疲劳的图形表示。更进一步地，图形表示组件118可以配置为基于要执行的视力筛查测试来确定用于显示的图形表示。在一些示例中，图形表示组件118可以基于患者数据128的多于一个元素和/或多于一个测试类别来确定用于显示的图形表示。例如，图形表示组件118可以配置为基于年龄和性别数据来确定用于显示的图形表示。

计算机可读介质116可以附加地存储测量数据组件120。测量数据组件120可以配置为在视力筛查期间接收、访问和/或分析由视力筛查设备104收集和/或检测的测试数据。例如，测量数据组件120可以配置为通过网络108接收在视力筛查期间并在图形表示被显示时由视力筛查设备104生成的患者106的视频数据。测量数据组件120可以分析视频数据以确定与患者106相关的一个或多个测量值，例如整个筛查期间患者的注视、在观看图形表示的时间点上的患者瞳孔的位置、瞳孔的直径、晶状体的适应性、与患者106的眼睛相关的运动信息等。备选地或附加地，测量数据组件120可以配置为接收和/或访问由视力筛查设备104在本地确定的测量数据。

进一步地，计算机可读介质116可以配置为存储阈值数据组件124。阈值数据组件124可以配置为接收、访问和/或分析与标准测试结果相关的阈值数据。例如，阈值数据组件124可以配置为访问或接收来自存储测试数据和/或测量值的第三方数据库，或者访问或接收指示阈值的且测试值应该位于其中的一系列值，该一系列值与具有相似测试条件的具有正常视力健康的患者相关联。例如，对于每个测试类别，标准测试数据可以由阈值数据组件124访问或接收，并且可以用于与测量数据组件122存储的测量数据进行比较。例如，当为幼儿显示每个图形时，与幼儿测试类别相关的阈值数据可以包括标准瞳孔测量值、和/或测试值所不应超过或低于的阈值范围的值(例如，标准值范围)。例如，当测试患者106的适应性时，阈值数据组件124可以配置为存储与适应性和年龄的幅度(例如，东德表，Donder'sTable)相关的信息。

备选地或附加地，阈值数据组件124可以配置为利用一种或多种机器学习技术来确定与每个测试类别和/或图形表示相关联的阈值数据。例如，阈值数据组件124可以从筛查数据库130访问和/或接收历史视力筛查数据，并且可以利用该数据来训练一个或多个机器学习模型用以确定每个测试类别的标准测试值。例如，阈值数据组件124的机器学习组件(未示出)可以执行一个或多个算法(例如，决策树、人工神经网络、关联规则学习或任何其他机器学习算法)来训练系统从而基于历史视力筛查数据确定一个或多个阈值。在示例中，机器学习组件可以执行任何类型的监督学习算法(例如，最近邻、朴素贝叶斯、神经网络、无监督学习算法、半监督学习算法、强化学习算法等)。

计算机可读介质116可以附加地存储诊断建议组件126。诊断建议组件126可以配置为接收、访问和/或分析来自于测量数据组件122的测量数据和/或来自阈值数据组件124的阈值数据以进行比较。例如，诊断建议组件126可以利用学习的或以其他方式确定的阈值数据来与测量数据进行比较，以确定患者106是否表现出正常的视力行为。例如，如果由视力筛查设备104检测到的响应于图形表示的瞳孔直径测量值在学习的或对于相同测试类别的患者而言已知的(例如，预设的)标准值的阈值内(例如，如果测量值落在标准值内)，则诊断建议组件126可以生成指示患者106已经通过视力筛查的建议。备选地，如果瞳孔直径测量值落在标准值范围之外，则诊断建议组件126可以生成指示患者106未通过视力筛查测试和/或指示患者106应该接受附加的筛查的建议。

如本文所使用的，网络108通常是本领域中已知的任何类型的无线网络或其他通信网络。网络108的示例包括因特网、内联网、广域网(WAN)、局域网(LAN)和虚拟专用网(VPN)、蜂窝网络连接以及使用诸如802.11a，b，g，n和/或ac之类的协议进行的连接。2012年2月17日提交的美国专利申请No.9,237,846描述了用于光折射眼部筛查的系统和方法，该公开内容通过引用整体并入本文。

如本文所述，诸如处理器112的处理器可以是单个处理单元或多个处理单元，并且可以包括单个或多个计算单元或多个处理核。处理器112可以实施为一个或多个微处理器、微计算机、微控制器、数字信号处理器、中央处理单元、状态机、逻辑电路和/或基于操作指令操纵信号的任何设备。例如，处理器112可以是特别地编程或配置为执行本文描述的算法和过程的任何合适类型的一个或多个硬件处理器和/或逻辑电路。处理器112可以配置为获取并执行存储在计算机可读介质116中的计算机可读指令，计算机可读指令可以指令处理器112执行本文描述的功能。

计算机可读介质116可以包括以任何类型的技术实现的用于存储信息的易失性和非易失性存储器和/或可移动和不可移动介质，例如计算机可读指令、数据结构、程序模块或其他数据。这样的计算机可读介质116可以包括但不限于RAM、ROM、EEPROM、闪存或其他存储技术、光存储、固态存储、磁带，磁盘存储、RAID存储系统、存储阵列、附加存储的网络、存储区域网络、云存储或可用于存储所需信息并且可由计算设备访问的任何其他介质。取决于电子谈判系统110的配置，计算机可读介质116可以是一种类型的计算机可读存储介质和/或可以是有形的非暂时性介质，其范围为在提到非暂时性计算机可读介质排除诸如能量、载波信号、电磁波和信号本身之类的介质。

计算机可读介质116可用于存储可由处理器112执行的任何数量的功能组件。在许多实施中，这些功能组件包括可由处理器112执行的指令或程序，并且当执行指令或程序时，指令或程序具体配置一个或多个处理器112以执行上面属于服务提供商和/或支付服务的动作。

网络接口114可以在环境100中示出的组件和/或设备之间实现有线和/或无线通信，和/或与一个或多个其他远程系统以及其他联网设备之间实现有线和/或无线通信。例如，网络接口114中的至少一些可以包括个人区域网络组件，以实现在一个或多个短程无线通信信道中通信。此外，网络接口114中的至少一些可以包括广域网组件，以实现在域网上的通信。

图2示出了用于执行如本文所述的技术的视力筛查设备200的服务器计算设备202的示例。如本文所述，服务器计算设备202(下文中的“服务器”)可以包括一个或多个服务器或以任何方式实现的其他类型的计算设备。例如，在服务器的示例中，模块、其他功能组件以及数据可以在单个服务器、服务器群集、服务器场或数据中心、云托管计算服务、云托管存储服务等中实施，尽管可以备选地或附加地使用其他计算机体系结构。

此外，尽管附图示出服务器202的组件和数据存在于单个位置，但是这些组件和数据可以备选地以任何方式分布在不同的计算设备和不同的位置。在一些示例中，如本文所述，这些组件和数据可以跨用户计算设备分布。这些功能可以由一个或多个服务器计算设备实施，其中上述各种功能在不同的计算设备上以各种方式分布。多个服务器202可以一起或单独定位，并且例如组织为虚拟服务器、服务器库和/或服务器群。多个服务器202可以一起或单独定位，例如组织为虚拟服务器，服务器库和/或服务器场。

在一些示例中，服务器202可以执行与图1-8中描述的视力筛查系统相同或类似的功能。服务器202可以包括与网络接口206、麦克风208以及计算机可读介质210可操作地连接的处理器204。每个处理器204可以是单个处理单元或多个处理单元，并且可以包括单个或多个计算单元或多个处理核。处理器204可以实施为一个或多个微处理器、微计算机、微控制器、数字信号处理器、中央处理单元、状态机、逻辑电路和/或基于操作指令操纵信号的任何设备。例如，处理器204可以是特别编程或配置为执行本文描述的算法和过程的任何合适类型的一个或多个硬件处理器和/或逻辑电路。处理器204可以配置为获取并执行存储在计算机可读介质210中的计算机可读指令，计算机可读指令可以指令处理器204执行本文描述的功能。

计算机可读介质210可以包括以任何类型的技术实现的用于存储信息的易失性和非易失性存储器和/或可移动和不可移动介质，例如计算机可读指令、数据结构、程序模块或其他数据。这样的计算机可读介质210可以包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、光存储、固态存储、磁带、磁盘存储、RAID存储系统、存储阵列、附加存储的网络、存储区域网络、云存储或可用于存储所需信息并且可由计算设备访问的任何其他介质。取决于服务器202的配置，计算机可读介质210可以是一种类型的计算机可读存储介质和/或可以是有形的非暂时性介质，其范围为在提到非暂时性计算机-可读介质时排除诸如能量、载波信号、电磁波和信号本身之类的介质。

计算机可读介质210可用于存储可由处理器204执行的任何数量的功能组件。在许多实施中，这些功能组件包括可由处理器204执行的指令或程序，并且当执行指令或程序时，指令或程序具体配置一个或多个处理器112以执行上面属于服务提供商和/或支付服务的动作。存储在计算机可读介质210中的功能组件可包括图像/视频传感器阵列组件212、第一显示单元组件214、第二显示单元组件216、光传感器组件218、测距数据组件220、麦克风数据组件222和/或无线组件224。

在一些示例中，第二显示单元组件216可以定向为面向患者，并且第一显示单元组件214可以定向为面向进行视力筛查测试的个人，例如医师。在其他示例中，计算机可读介质210可以包括能够调整一个或多个组件的位置的附加组件(未示出)，例如机械马达组件。

在示例中，计算机可读介质210可以包括图像/视频传感器阵列组件212。图像/视频传感器阵列组件212可以配置为接收和/或访问与在视力筛查期间正在被评估的患者相关联的光、图像和/或视频数据。特别地，图像/视频传感器阵列组件212可以配置为在视力筛查期间捕获或生成图像和/或视频数据。例如，如本文所述，图像数据和/或视频数据可以在视力筛查期间由图像/视频传感器阵列组件212生成，以确定初始患者数据、与患者的身体和眼睛相关联的一个或多个测量值等等。图像/视频数据可以经由网络接口206传送到视力筛查系统以进行处理和分析。

在一些示例中，图像/视频传感器阵列组件212例如包括互补金属氧化物半导体(CMOS)传感器阵列，也称为有源像素传感器(APS)或电荷耦合装置(CCD)传感器。在一些示例中，晶状体由视力筛查设备200支撑并且定位在图像传感器阵列组件212前。在进一步的示例中，图像/视频传感器阵列组件212具有多行像素和多列像素。例如，图像/视频传感器阵列组件212可包括大约1280×1024个像素、大约640×480个像素、大约1500×1152个像素、大约2048×1536个像素、和/或大约2560×1920个像素。图像/视频传感器阵列组件212能够捕获大约每秒25帧(fps)、大约30fps、大约35fps、大约40fps、大约50fps、大约75fps、大约100fps、大约150fps、大约200fps、大约225fps、和/或大约250fps。注意地是，上述像素值是示例性的，并且其他值可以大于或小于本文描述的示例。

在示例中，图像/视频传感器阵列组件212可以包括具有光接收表面并且具有大致均匀的长度和宽度的二极管。在曝光期间，二极管将入射光转换为电荷。图像/视频传感器阵列组件212可以作为全局快门操作。例如，基本上所有光电二极管可以同时曝光且基本上曝光相同的时间长度。备选地，图像/视频传感器阵列组件212可以与滚动快门机构一起使用，在滚动快门机构中曝光作为波从图像的一侧移动到另一侧。在其他示例中，其他机构可以操作图像/视频传感器阵列组件212。图像/视频传感器阵列组件212还可以配置为捕获数字图像。可以以各种格式捕获数字图像，例如JPEG、BITMAP、TIFF等。

在示例中，计算机可读介质210可以包括第一显示单元组件214。第一显示单元组件214可以包括图形用户界面，该图形用户界面配置为在视力筛查期间向测试者显示信息和/或从测试者接收输入。例如，第一显示单元组件214可以配置为从测试者接收关于患者的输入，例如本文描述的初始患者信息。此外，第一显示单元组件214可以配置为显示关于视力筛查设备的信息(例如，设备的各种组件的定位)、患者与设备的距离、环境的特性和/或设备的焦点、筛查的进展、从设备向视力筛查系统和/或外部数据库传输数据的选项、在视力筛查期间产生的一个或多个测量和/或诊断建议等。第一显示单元组件214可以例如包括液晶显示器(LCD)或有源矩阵有机发光显示器(AMOLED)。第一显示单元组件214也可以是触敏感应的，以接收来自测试者的输入。

在示例中，计算机可读介质210可以包括第二显示单元组件216。第二显示单元组件216可以包括一个或多个组件，该一个或多个组件配置为在视力筛查测试期间向患者显示一个或多个图形表示。例如，基于患者数据，第二显示单元组件216可以配置为生成用于向患者显示的且配置为引起眼睛疲劳的图形表示。第二显示单元组件216可以例如包括液晶显示器(LCD)或有源矩阵有机发光显示器(AMOLED)。

第二显示单元组件216还可包括发光二极管(LED)阵列，其包括一个或多个可见LED和/或一个或多个近红外LED。在一些示例中，分束器将从LED阵列发出的光导向患者。LED阵列中的近红外LED可以包括大约850纳米(nm)的波长，并且可以配置为捕获与患者的眼睛相关的视频和/或图像数据。在一些示例中，LED阵列中的可见LED可以包括小于约630nm的波长。这允许将视觉刺激或图形表示显示给患者，而不会在由图像传感器阵列组件212捕获的图像/视频数据中看到。在一些示例中，可见LED可以定位在LED阵列中的近红外LED之间，并且与LED阵列中的近红外LED大致上共面。

在一些示例中，在第二显示单元组件216中使用的可见LEDs之中可存在琥珀色LEDs。琥珀色LEDs可包括约608nm至约628nm的波长。在示例中，指向LED阵列中的LEDs的功率量可以由设备的一个或多个组件来调节，例如第二显示单元组件216。例如，为了最小化患者的瞳孔收缩和眼睛疲劳，可以在低到中等功率下照亮琥珀色LEDs。例如，20mA LEDs可以在大约2mA至大约10mA之间运行。备选地，可以使用低亮度琥珀色LEDs，例如，以约0.5mA运行的LEDs。进一步地，LEDs可以是脉冲调制的。当存在于第二显示单元部件216中时，除了琥珀色之外的可见光LEDs也可以在低到中等功率下操作。

在示例中，计算机可读介质210可以包括光传感器组件218。如本文所述，视力筛查设备200可以记录每个视力筛查环境的细节。例如，光传感器组件210可以配置为记录第二显示单元组件216的光强度、第二显示单元组件216的对比度、环境光的量、一天中的时间和/或环境噪声水平等。例如，记录的数据可附加地用于评估屈光不正测试。

在示例中，光传感器组件218可以配置为检测视力筛查设备200周围的环境光强度。例如，在某些亮度阈值之上，患者的瞳孔可能收缩到瞳孔检测不可靠或不可能的点。在这种情况下，服务器计算设备202与光传感器组件218组合可以确定环境光太亮并且第一显示单元组件214或第二显示单元组件216中的至少一个可以使用光块(light block)与测试者或患者中的至少一个通信，可以移动到环境光较少的环境，或以某种方式调整屏幕环境。

在示例中，计算机可读介质210还可以包括测距仪组件220。测距仪组件220与服务器计算设备202组合可以配置为确定测试仪距视力筛查设备200的距离。在一些示例中，测距仪组件220可以包括红外收发单元、超声波收发单元或本领域技术人员已知的其他距离测量单元。在一些示例中，患者可位于距视力筛查设备200约1米(m)处。但是，也可以使用其他距离进行筛查，例如距30英寸、35英寸、40英寸或45英寸。

视力筛查设备200和/或视力筛查系统可以配置为向测试者和/或患者提供关于如何调整视力筛查设备200和患者之间的相对定位的指导以获得将产生功能图像的焦距。在测试者操作视力筛查设备200的实施例中，在第一显示单元组件214上显示该指导。例如，第一显示单元组件214可以通知测试者患者距离太近、太远或在适当的距离内。在一些例子中，焦距约为0.2米、约0.3米、约0.4米、0.5米、约0.6米、约0.7米、约0.75米、约0.8米、约0.9米或约1.0米。注意地是，本文描述的焦距值仅仅是示例，其他焦距可以大于或小于本文列出的焦距。

在进一步的示例中，计算机可读介质210可以包括麦克风组件222。麦克风组件222可以配置为接收患者的响应并生成与该响应相关的音频数据。例如，患者可以提供听觉响应作为视敏度测试和/或本文所述的其他视力测试的一部分。例如，可以要求患者阅读在第二显示单元组件216上显示的视标，例如字母，并且麦克风组件222可以配置为接收患者的响应。作为响应，麦克风组件222可以配置为生成与响应相关的音频数据和/或将音频数据发送到视力筛查系统。结合语音识别软件，麦克风组件222和/或视力筛查系统可以对响应进行解码以生成音频数据，并且可以在本文描述的各种视力测试中使用音频数据。

计算机可读介质210还可以包括无线组件224。无线组件224可以配置为使用无线连接与外部数据库连接以来接收、访问和/或发送筛查数据。无线连接可以包括蜂窝网络连接和使用诸如802.11a，b，g和/或ac之类的协议进行的连接。在其他示例中，可以使用一个或多个有线或无线协议(例如蓝牙、Wi-Fi直连、射频识别(RFID)或Zigbee)在视力筛查设备200和外部显示器之间直接实现无线连接。其他配置也是可能的。将数据传送到外部数据库可以实现报告打印或对患者的视力测试数据的进一步评估。例如，收集的数据和相应的测试结果可以无线传输并存储在授权医疗专业人员可访问的远程数据库中。

图3示出了用于执行如本文所述的技术的视力筛查协商系统300的示例服务器计算设备302。如本文所述，服务器计算设备302(下文中的“服务器”)可以包括一个或多个服务器或可以以许多方式实现的其他类型的计算设备。例如，在服务器的示例中，模块、其他功能组件和数据可以在单个服务器、服务器群集、服务器场或数据中心、云托管计算服务、云托管存储服务等上实施，尽管可以附加地或备选地使用其他计算机体系结构。

此外，尽管附图将服务器302的组件和数据示出为存在于单个位置，但是这些组件和数据可以备选地以任何方式分布在不同的计算设备和不同的位置。在一些示例中，这些组件和数据可以跨用户计算设备分布，如本文所述。这些功能可以由一个或多个服务器计算设备实现，其中上述各种功能在不同的计算设备上以各种方式分布。多个服务器202可以一起或单独定位，并且例如组织为虚拟服务器、服务器库和/或服务器场。

在一些示例中，服务器302可以执行与图1-8中描述的视力筛查系统相同或类似的功能。服务器302可以包括与网络接口306、麦克风308和计算机可读介质310可操作地连接的处理器304。每个处理器304可以是单个处理单元或多个处理单元，并且可以包括单个或多个计算单元或多个处理核。处理器304可以实施为一个或多个微处理器、微计算机、微控制器、数字信号处理器、中央处理单元、状态机、逻辑电路和/或基于操作指令操纵信号的任何设备。例如，处理器304可以是特别地规划或配置为执行本文描述的算法和过程的任何合适类型的一个或多个硬件处理器和/或逻辑电路。处理器304可以配置为获取并执行存储在计算机可读介质310中的计算机可读指令，计算机可读指令可以指令处理器304执行本文描述的功能。

计算机可读介质310可以包括用于存储信息的以任何类型的技术实现的易失性和非易失性存储器和/或可移动和不可移动介质，例如计算机可读指令、数据结构、程序模块或其他数据。这样的计算机可读介质310可以包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、光存储、固态存储、磁带、磁盘存储、RAID存储系统、存储阵列、附加存储的网络、存储区域网络、云存储或可用于存储所需信息并且可由计算设备访问的任何其他介质。取决于服务器302的配置，计算机可读介质310可以是一种计算机可读存储介质和/或可以是有形的非暂时性介质，其范围为在提到时，非暂时性计算机可读介质排除能量、载波信号、电磁波和信号本身等介质。

计算机可读介质310可用于存储可由处理器304执行的任何数量的功能组件。在一些实施中，这些功能组件包括可由处理器304执行的指令或程序，并且当执行指令或程序时，指令或程序具体配置一个或多个处理器304以执行上面属于自动协商系统的动作。存储在计算机可读介质310中的功能组件可包括图像/视频传感器阵列数据组件312、第一显示单元数据组件314、第二显示单元数据组件316、光传感器数据组件318、测距数据组件320、麦克风数据组件322、患者数据组件324、图形表示数据组件326、测量数据组件328、阈值数据组件330、诊断建议组件332、视频数据组件334、通知组件336、和/或机器学习组件338。

在示例中，计算机可读介质310可以包括图像/视频传感器阵列组件312。图像/视频传感器阵列组件312可以配置为接收和/或访问由视力筛查设备(例如，视力筛查设备200的图像/视频传感器阵列组件212)在视力筛查期间检测和/或生成的与所评估的患者相关联的光、图像和/或视频数据。例如，如本文所述，图像/视频传感器阵列组件212可在视力筛查期间检测和/或生成图像/视频数据，用于确定初始患者数据，与患者的身体和眼睛相关的一个或多个测量值等等。图像/视频传感器阵列数据组件312可以配置为接收、访问和/或存储数据。

计算机可读介质310还可包括第一显示单元数据组件314、第二显示单元数据组件316、光传感器数据组件318、测距仪数据组件320和/或麦克风数据组件322。这些组件可以被配置为从例如图像/视频传感器阵列组件212、第一显示单元组件214、第二显示单元组件216、光传感器组件218、测距仪数据组件220、和/或麦克风数据组件222的至少一个接收、访问和/或存储数据。

在示例中，计算机可读介质310还可以包括患者数据组件324。如本文所述，患者数据组件324可以配置为接收、访问、存储和/或分析与患者相关的各种数据，以确定患者数据供视力筛查系统300使用。例如，患者数据组件324可以配置为从视力筛查设备接收/访问指示与患者相关的人口统计信息的患者数据。例如，患者数据组件324可以配置为从视力筛查设备接收由测试者输入的并指示患者的各种特征(例如，患者提供的或以其它方式确定的)的患者数据，以及要执行的所需筛查。在示例中，患者数据组件324还可以配置为从第三方数据库接收/访问与患者和/或已经使用视力筛查系统300的其他患者相关的接收患者数据。此外，在示例中，患者数据组件324可以配置为从视力筛查设备的图像/视频传感器阵列组件212和/或图像/视频传感器阵列数据组件312接收/访问图像/视频数据。患者数据组件324可以配置为分析图像/视频数据以确定与患者相关的某些特征，例如年龄、身高、瞳孔位置等。

在示例中，计算机可读介质310还可以包括图形表示数据组件326。图形表示数据组件326可以配置为确定和/或生成用于在视力筛查测试期间显示给患者的一个或多个图形表示。例如，图形表示数据组件326可以配置为从患者数据组件324接收和/或访问患者数据，以确定与患者(例如，幼儿、老年人、近视等等)相关的特征和/或测试类别。利用该信息，图形表示数据组件326可以确定要生成的用于显示给患者的图形表示的类型。例如，如果患者数据指示正在对筛查的患者进行动态瞳孔跟踪，则系统可生成用于向患者显示的运动图像，以便在筛查期间跟踪患者的瞳孔运动。图形表示数据组件326还可以配置为将信息发送到筛查设备以使筛查设备向患者提供图形表示的指示。

在示例中，计算机可读介质310还可以包括测量数据组件328。例如，测量数据组件328可以配置为从视力筛查设备的图像/视频传感器阵列组件212和/或图像/视频传感器阵列数据组件312接收/访问图像/视频数据。测量数据组件328还可以配置为分析图像/视频数据以在整个视力筛查期间和/或响应于被显示的图形表示来确定与患者相关的一个或多个测量值。例如，测量数据组件可以配置为分析来自于数据的图像/视频数据以确定患者的瞳孔和/或晶状体的位置、瞳孔和/或晶状体的直径(例如，指示扩张或收缩)、瞳孔和/或晶状体的运动(例如，指示内聚或外散)、患者的注视等。可以在显示图形表示的时间点确定测量值。

例如，测量数据组件328可以配置为从视力筛查设备的图像/视频传感器阵列组件212和/或图像/视频传感器阵列数据组件312接收/访问图像/视频数据以确定响应于被显示的图形表示的患者的注视方向。例如，可以通过在患者的方向照射诸如红外光的光来确定患者的注视。作为响应，患者的角膜可以反射此光，在图像或视频数据中可包括或可见该反射。测量数据组件328可利用从光源到眼睛中心(例如，反射的原点)的反射来确定闪烁或直线测量值。这样，测量数据组件328可以利用该信息来确定在显示图形表示时不同时间点的瞳孔的位置、定位和/或运动。在其他示例中，测量数据组件328可以利用图像/视频数据来判定相对于眼睛的外边缘(例如，眼睛的轮廓)的瞳孔的位置或定位。测量数据组件328可利用与患者注视相关的测量值来确定患者瞳孔在显示图形表示时的时间点处(例如，位置对时间数据点)的一个或多个位置。

在示例中，计算机可读介质310还可以包括阈值数据组件330。阈值数据组件330可以配置为接收、访问和/或分析与标准测试结果相关的阈值数据。例如，阈值数据组件330可以配置为访问存储测试数据和/或测量的第三方数据库的数据，或者访问或接收指示阈值的且测试值应该位于其中的一系列值，该一系列值与具有相似测试条件的具有正常视力健康的患者相关联。例如，对于每个测试类别，可以由阈值数据组件330访问或接收标准测试数据，并且可以将标准测试数据与测量数据组件328存储的测量数据进行比较。例如，当为老年人显示每个图形表示时，与老年人测试类别相关的阈值数据可以包括标准瞳孔测量值、和/或测试值所不应超过或低于的阈值(例如，标准值范围，例如本文所述的东德表值(Donder's Table values))。

附加地或备选地，阈值数据组件330可以配置为利用一种或多种机器学习技术来确定与每个测试类别和/或图形表示相关联的阈值数据。例如，阈值数据组件330可以配置为利用机器学习组件338的一个或多个经训练的机器学习模型来确定阈值数据。例如，机器学习组件338可以配置为从数据库(例如从存储历史筛查数据的筛查数据库)访问和/或接收历史视力筛查数据，并且可以利用该数据来训练一个或多个机器学习模型以确定每个测试类别的标准测试测量。例如，机器学习组件338可以执行一个或多个算法(例如，决策树、人工神经网络、关联规则学习或任何其他机器学习算法)以基于历史视力筛查数据训练系统从而确定一个或多个阈值。作为响应，阈值数据组件330可以配置为利用经训练的模型来确定用于视力筛查系统300的一个或多个阈值和/或标准值。

计算机可读介质310可以附加地存储诊断建议组件332。诊断建议组件332可以配置为接收、访问和/或分析来自于测量数据组件328的测量数据和/或来自阈值数据组件330的阈值数据以用于比较。例如，诊断建议组件332可以利用学习或以其他方式确定的阈值数据来与测量数据进行比较，以确定患者是否表现出正常的视力行为(例如，已经通过或未通过视力筛查)，以及是否需要进一步筛查等。例如，如果视力筛查设备检测到的响应于显示的图形表示的瞳孔直径测量值在学习或对于相同测试类别的患者而言已知的(例如，预设)的标准范围的阈值内(例如，测量值在标准值范围内)，则诊断建议组件332可以生成指示患者已经通过视力筛查的建议。或者，如果瞳孔直径测量值落在标准值范围之外，则诊断建议组件332可以生成指示患者未通过视力筛查测试和/或指示患者应该接受附加的筛查的建议。在其他示例中，如果患者瞳孔的运动数据(例如，指示瞳孔在筛查期间的位置或患者的注视方向的测量值)指示患者眼睛的运动超出已知阈值(例如，与患者注视的最左侧、最右侧、最上侧和/或最下侧角处的注视相关的测量值，患者的注视经历振荡或跳视等)，则诊断建议组件332可以生成指示患者接受进一步筛查的建议。

在示例中，计算机可读介质310还可以包括视频数据组件334。视频数据组件334可以配置为生成和/或存储与视力筛查相关的视频数据。例如，视频数据组件334可以配置为从视力筛查设备的图像/视频传感器阵列组件212和/或图像/视频传感器阵列数据组件312接收/访问视频数据和/或接收/访问测量数据组件328的测量数据。视频数据组件334可以配置为接收和/或访问测量数据和/或分析视频数据以确定与患者相关的一个或多个数据点，例如视力筛查期间患者注视的方向或患者瞳孔的位置。视频数据组件334可以配置为利用数据点来生成包括图形表示的视频数据，以及指示整个视力筛查期间的瞳孔的位置的一个或多个视力指示符。例如，视力指示符可以包括覆盖在图形表示上的和指示在向患者显示图形表示时瞳孔的位置的一个或多个符号。

例如，如本文所述，测量数据组件328可以配置为在筛查期间确定与患者的注视方向相关的一个或多个测量。例如，测量数据组件328可以配置为确定时间点上的患者的一个或两个瞳孔的位置。在一些示例中，如本文所述，测量数据组件328和/或视频数据组件334可以配置为分析图像/视频数据组件，以确定在显示图形表示时患者瞳孔的定位或位置。例如，利用在视频/图像数据中可见的患者的注视，测量数据组件328和/或视频数据组件334可以在正在显示的图形表示的每帧期间确定一个或两个瞳孔的位置或位置。这样，测量数据组件328和/或视频数据组件334可以确定患者眼睛相对于正在显示的图形表示的位置相对于时间的数据。另外，视频数据组件334可以利用这些数据点来生成包括图形表示以及覆盖在图形表示上的一个或多个视力指示符的的并且指示图形表示的每一帧上的瞳孔的位置的视频数据。

视频数据组件334还可以配置为将所生成的视频数据提供给视力筛查设备以显示给测试者。在一些示例中，视频数据组件334可以配置为存储视频数据以供测试者、医师等稍后访问。以这种方式，可以随时监测患者的视力健康，并且可以确定更准确和及时的诊断建议。

在示例中，计算机可读介质310还可以包括通知组件336。例如，通知组件336可以配置为从诊断建议组件332接收和/或访问诊断建议，并向进行视力筛查的用户(例如测试者或医师)提供诊断建议的指示。例如，通知组件336可以配置为经由第一显示单元组件214和/或第二显示单元组件316中的至少一个向视力筛查设备发送信号以使得显示指示诊断建议的用户界面，例如患者是否已通过视力筛查、视力筛查未通过，和/或进一步治疗的建议。附加地或备选地，通知组件336可以配置为从测量数据组件328接收和/或访问测量数据，以将测量数据与诊断建议一起或代替诊断建议提供给测试者。例如，通知组件336可以配置为向视力筛查设备发送信号以使得通过用户界面显示一个或多个测量值的指示。

在示例中，计算机可读介质310还可以包括一个或多个机器学习组件338。例如，如本文所述，机器学习组件338可以配置为执行一个或多个算法(例如，决策树、人工神经网络、关联规则学习或任何其他机器学习算法)以训练视力筛查系统300。在示例中，机器学习组件338可以执行任何类型的监督学习算法(例如，最近邻分类、贝叶斯分类、神经网络、无监督学习算法、半监督学习算法、强化学习算法等)。如本文所述，机器学习组件338的经训练的模型可以由视力筛查系统300的一个或多个组件(例如阈值数据组件330或诊断建议组件332)使用，以确定各种值和/或分析数据以确定建议等。

图4A和4B示出了根据一些实施方式的视力筛查设备400的实施例的立体图。例如，视力筛查设备400包括上面参考图1-3的视力筛查设备描述的一些或所有组件。视力筛查设备400可包括壳体402、第一显示单元404、第二显示单元406和/或测距仪408。其他实施例可包括更多或更少的组件。

在示例中，外壳402可以配置成为视力筛查设备400的组件提供支撑，并在一个或多个方面配置为便于手持或移动操作。在一些示例中，视力筛查设备400还可以安装在诸如三脚架的表面上。在一些配置中，第一显示单元404可以配置为面向操作视力筛查设备400的用户，例如测试者或医师，使得测试者可以操纵各种控制界面并查看测试结果(例如，诊断建议)。尽管示出了第一显示单元404相对于测试者以一定角度定向，但是第一显示单元404在不同实施例中可以具有其他取向。

在其他示例中，第二显示单元406可以定位在壳体402的相对端上，使得第二显示单元406在视力筛查期间在典型操作期间面向患者或面向被评估的人。如本文所述，第二显示单元406可包括显示器和一个或多个LED或LED阵列，其配置成在视力筛查期间向患者显示图形表示。图像传感器阵列位于壳体402的内部并位于第二显示单元406的后面，或与其相邻。在示例中，从患者的瞳孔传播的光穿过第二显示单元406，光在第二显示单元406处由图像传感器阵列接收。备选地或附加地，图像传感器阵列可以与第二显示单元406相邻地定位，使得光不需要穿过第二显示单元406而到达图像传感器阵列装置。

在一些示例中，壳体402可包括第三显示单元(未示出)。例如，第三显示单元可以配置在壳体的相对端上并且面向患者地位于第二显示单元附近。以这种方式，第二显示单元406和第三显示单元中的每一个可以配置为显示相同或不同的图形表示以监测每只眼睛如何一起运作。在其他示例中，可以向患者提供增强或虚拟实境体验机410。体验机410可以配置为向患者显示图形表示而对于显示单元没有物理限制或显示限制。在其他示例中，可以利用诸如计算机监视器或投影屏幕412的较大监视器来向患者显示图形表示。投影屏幕412可以位于距患者任何距离处，以引起所需的眼睛疲劳从而进行视力筛查。在这些示例中，可以控制周围筛查环境中的环境光以允许在视力筛查期间利用计算机监视器或投影屏幕412。

在示例中，测距仪408可以配置为确定从视力筛查设备400到患者的距离。例如，测距仪408可以配置为确定从患者的面部到第二显示单元406的距离。如本文所讨论的，测距仪408可以配置为在测试开始时确定患者的距离和/或在各种视力筛查整个期间动态地确定患者距离。

图5和6示出了用于在视力筛查测试期间显示的示例性图形表示。例如，根据一些实施，图5示出了示例意粉型框图，图6示出了根据一些实施方式的示例图形场景。如本文所述，视力筛查系统的示例性视力筛查设备(例如，图4A和4B中描述的视力筛查设备)可以配置为对患者执行一个或多个视力测试，并且可以配置为向测试者输出这些测试的结果。除了本文描述的示例性视力测试之外，视力筛查设备/系统可以配置为在阅读期间使用双目注视跟踪测试内聚和视力效率。例如，理解地是，几乎所有小学和高中的学习都围绕着学生的阅读能力。一些研究表明，10％的九岁至十三岁之间的儿童遭受中度甚至明显的内聚不足。不幸地是，内聚不足可能难以评估，并且当他们实际上具有阅读时的内聚不足或视力问题时，许多儿童被误诊为ADHD。这可能是由于眼睛在内聚于近距视力活动时的非正常工作。例如，在常规筛查期间，管理视力筛查的医师或学校员工可能难以准确地跟踪儿童的注视。

本文描述的视力筛查系统可以配置为在阅读活动期间跟踪患者的瞳孔并且在第一显示器404上显示结果以供测试者查看。作为该视力测试的一部分，如图5所示，视力筛查系统还可以配置为显示意粉型框图以及指示患者是否患有阅读障碍、融合和/或内聚问题的指标(例如，确定的测量值、视频数据和/或生成的建议)。在这些示例中，视力筛查设备可以配置为双目眼睛跟踪设备(其可以包括虚拟实境护目镜410或其他虚拟实境显示组件)，该双目眼睛跟踪设备能够，例如通过护目镜410，来显示配置为对测试类型的患者进行内聚问题测试的图形表示，诸如年龄适宜的文本(例如，患者能够阅读的那种文本)，或者显示目标，并且当目标朝向或远离受试者移动时，确定眼睛是否像正常行为指示的那样向内倾斜。在这样的示例中，视力筛查设备可以与膝上型计算机、计算机屏幕或电子阅读器内部或外部地联接，并且视力筛查设备可实现对视力测试数据的实时分析。特别地，当患者阅读年龄适宜的阅读材料时，视力筛查设备可以跟踪患者的眼睛，并且将这种眼睛运动与处于该等级级别(例如，已知值和/或阈值数据)的其他患者的典型的眼睛运动进行比较。

在另一示例实施例中，视力筛查设备可以配置为向患者提供虚拟实境眼睛检查。例如，可以理解地是，目前大多数视力筛查设备在较高环境光的环境等下不能有效地筛查具有较小的瞳孔直径、具有较高适应性的眼睛(例如，小孩的眼睛)的患者。因为大多数已知的设备采用静态(与动态相反)的视力测试，所以这些设备不配置为测试校正、阅读内聚和/或记忆和认知下降。

本文描述的技术提供了视力筛查系统，其可配置为使用眼睛跟踪和算法以及规范数据来在虚拟实境环境中运行测试序列。如图5所示，该过程将允许测试者查看意粉型框图，且该系统可以分析患者的眼睛行为以确定患者眼睛的效率并将该信息用于视力治疗或矫正动作。例如，系统可以配置为在患者正在阅读意粉型框图时记录行为并生成患者眼睛的视频数据。可以分析视频数据(例如，眼睛跟踪数据和/或使用视力筛查设备获得的其他测试数据)以确定与患者眼睛相关的一个或多个测量值，用于与已知的或标准的测量值(例如，与正常眼行为相关联的阈值)进行比较，以确定患者的眼睛是否以与具有相似特征的患者相同或相似的方式表现(例如，具有相同年龄、身高等的患者)。如此，测量值可以指示患者的每只眼睛如何以双目和单眼方式对刺激作出反应。

例如，视力筛查系统可以配置为，当患者阅读意粉型框图的文本时，确定与每只眼睛的运动范围相关联的测量值(例如，每只眼睛的注视能够在四个基本方向上移动整个运动范围)。在一些示例中，系统可确定与平滑追踪相关联的测量值，或确定一只或两只眼睛是否能够平滑地跟随在图形表示中显示的目标(例如，读取意粉型框图的文本)。在该示例中，系统可以确定指示眼睛是否具有卡顿或扫视的测量值(例如，眼睛是否在运动中来回跳跃)。在更进一步的示例中，系统可以配置为确定与眼睛的双眼跟踪相关的测量值，其指示双眼是否一起跟踪意粉型框图的文本或者一只眼睛是否滞后于另一只眼睛(例如，是否每只眼睛的运动都表示眼睛正在一致地跟踪)。如本文所述，系统可以配置为确定与一只或两只眼睛相关的测量值以防止任一只眼睛影响另一只眼睛的结果(例如，一只眼睛可以帮助纠正另一只眼睛的缺陷)。

在一些示例中，视力筛查设备可以配置为经由第二显示器406向测试者输出交互式电影脚本或命令响应应用。这样的电影脚本或其他视频可具有三分钟或更短的长度，并且具有来自如下图6中所示的这种视频的组成部分。这样的示例性视力测试可以迫使患者的眼睛动态地动作，并且视力筛查设备可以在测试期间生成患者眼睛的视频数据，以在显示场景时确定与眼睛相关的测量值。

例如，可迫使眼睛从空间上看向极端以消除一些现有的适应限制。如此，设备可以在动态条件下通过注视跟踪来跟踪眼睛，从而可以在没有手动过程的情况下证实确认。另外，该设备可以模拟潜在的校正，以便测试者可以更全面地了解患者眼睛的特征。参考如图6所示的示例场景，作为这种动态测试的一部分，视力筛查设备可以使蝙蝠602或点604在跟踪患者的瞳孔的同时移动。这样的测试可以评估该人的近距离和远距离焦点。另外，该设备可以通过请求患者阅读和/或识别建筑物墙壁上所示的符号606来测试颜色识别。此外，该设备可以通过请求患者阅读围栏上所示的文本608来测试内聚和/或扫视。此外，该设备可以通过示出昏暗的场景(例如，夜景)来测试瞳孔反应。该设备可以在通过第二显示器406向患者呈现动态场景的同时评估屈光不正。在任何这样的示例中，由设备提供的虚拟实境视力测试不仅评估屈光不正，还评估内聚不足、刺激跟踪等。作为这些测试的结果，该系统可以跟踪视力或认知问题的改善或恶化。

在进一步的示例中，视力筛查系统可以配置为通过使用着色介质或其他这样的介质的适应性和瞳孔控制来测量偏心光折射。例如，应当理解，当采用已知的设备对患者(特别是对小孩)进行偏心光折射测试时，患者的眼睛倾向于适应、聚焦于近点物体。结果是，使用这种设备的光折射读数往往不准确，因为这种眼睛聚焦导致眼睛中的晶状体改变形状。相反，应当理解为，当眼睛处于放松状态时，可以获得最准确的光折射读数。这种放松状态可以对应于患者的瞳孔直径相对较高/最大化的状况。

这样，本文描述的示例性视力测试可以包括通过向患者呈现变暗的介质或眼镜、e-色调(电子色调)眼镜或去除焦点/消除视点的深色着色屏障来放松患者的眼睛。通过使患者佩戴由深色但IR透明材料制成的眼镜，实验表明瞳孔直径增加超过20％。在其他示例中，本文描述的系统可以配置为监测患者的瞳孔直径。一旦观察到期望的(例如，放大的)瞳孔直径，当瞳孔直径高于期望直径阈值时，设备和/或系统可将相应的光学折射数据标记为被捕获。由于这样的数据可能更可靠/准确，因此系统可以使用这些数据来生成筛查结果或用于其他目的。在这样的示例中，系统可以用于监测瞳孔的动态(例如，直径)，以便确定何时接受基本上连续捕获的光折射数据。

在更进一步的示例中，本文描述的系统可以配置为经由第二显示器406、体验机410等输出放松刺激(例如，包括平静海滩/海景的图形表示，兔子图形等)。当患者观察刺激时，作为患者感到快乐和/或放松的自然反应，他/她的瞳孔将扩张。这种扩张将消除至少一些适应性，从而可以获得更可靠的精确光折射数据。然而另一备选示例包括在所评估的人的面部周围且超出设备的一个或多个传感器的范围放置基本上不透明的罩，以便在捕获光折射数据时消除环境光的影响。

在另外的示例中，视力筛查系统可以配置为即使患者在视力测试期间适应时也准确地测量偏心光折射。例如，可以理解地是，儿童眼睛的晶状体通常非常柔韧，通常为儿童提供超过10个屈光度的适应。因此，当儿童正在测试屈光不正时，当儿童专聚焦于视力刺激的目标时，儿童眼睛晶状体的形状可能会发生显着变化。因此，大多数已知的设备不可能配置为准确地确定例如儿童是否具有正常视力，或者儿童是否是远视以及是否在适应。

这样，本文描述的技术可以配置为经由第二显示器406向患者提供不同的聚焦的和模糊的(例如，不清晰的)图像。这种模糊的图像或其他这样的不清晰刺激可能使患者的眼睛放松。该设备和/或系统还可以在该过程期间捕获一系列屈光不正测量值。特别地，该设备可以在各种聚焦的和模糊的图像被呈现给患者时捕获屈光不正测量值。因此，由于对应于患者眼睛晶状体的预先适应状态的一些测量值以及对应于患者眼睛晶状体的适应后状况的其他测量值，测量值将具有大的值差异。系统可以使用一种或多种算法、机器学习技术、神经网络、查找表和/或其他组件来分析屈光不正测量数据，从而更准确地确定例如患者适合的眼睛防护建议。

在一些这样的示例中，设备可以经由第二显示器406输出刺激，刺激可以使患者远近注视从而使眼睛进入两种状态。该设备还可以在该过程中捕获一系列屈光不正测量值。特别地，该设备可以在患者的眼睛处于相应的状态时以及眼睛在两个状态之间过度时捕获屈光不正测量值。该设备可以使用一种或多种算法、机器学习技术、神经网络、查找表和/或其他组件来分析这种屈光不正测量数据，从而更准确地确定例如患者适合的眼睛防护建议。在任何这些示例中，该设备可以包括偏心光学折射器，该偏心光学折射器配置为呈现视频或其他这样的刺激以使患者的每只眼睛放松，从而使得可以在眼睛的放松和适应状态下获得相应的光学折射读数。

在又一个示例中，视力筛查设备可以包括视敏度系统，该视敏度系统配置为使用眼睛跟踪和DLP投射来确定患者识别特定距离处的字符的能力。例如，应理解地是，视敏度筛查在某些环境中可能是耗时且不准确的。另外，已知的视力筛查设备通常不太适于准确地测试视敏度。这样，本文描述的系统可以配置为将包括视敏度运动刺激测试的图形表示投射在投射表面上和/或投射到诸如建筑物墙壁或屏幕的固定表面上，例如投影仪屏幕412。所投射的图像可以提供动态(例如，横向)刺激，并且当患者观察到这样的刺激时，可以通过设备/系统跟踪和/或以其他方式确定眼睛的速度、方向、横向移动和其他性能指标。如本文所述，该设备可以配置为记录这些参数和/或将这些参数的变化率与经验数据或已知标准进行比较。在一些示例中，由系统促成的这种动态刺激测试取代了经典的斯内伦视力表，因为基于斯内伦视力表的视敏度评估是相对主观的。另外，作为这种动态刺激测试的一部分，该设备可以配置为向患者闪烁视标，使得患者可以确认目标斯内伦视力等效物。

在示例中，刺激的外观和/或其他特性可以通过诸如投影屏幕412的表面上的距离投射来缩放。例如，视敏度测试可以在4英尺处进行，或者在8英尺处进行更费力的视野测试。当设备在这样的范围内投射横向刺激时，这种更广泛的投射可能会在眼睛视野中对眼睛产生更多的负担。在这样的测试中，设备可以跟踪速率(speed)、方向、速度(velocity)、扫视等的眼睛指标。该设备还可操作以在基于患者年龄(例如，“儿童”模式、“成人”模式、“老年人”模式或其他模式)和/或基于测试者的技能(例如，“验光师”模式、“流线型”模式等)进行调节的不同的专用操作模式中执行这种视敏度测试。此外，视力筛查设备可以通过测量墙壁或表面距离自动缩放测试。

在本文描述的任何示例中，视力筛查设备可以包括在一侧的DLP投影单元和在另一侧的用于每只眼睛的眼睛跟踪器。另外，在一些示例中，诸如iPad、移动电话、平板计算机、膝上型计算机或其他此类处理器或设备的附加计算设备可以与视力筛查设备一起使用和/或代替视力筛查设备使用。这种附加设备配置为通过软件和/或通过使用相关联的图像捕获设备(例如，相机)来跟踪眼睛。因此，本文描述的各种系统可以在单一机组中或者在单独的设备或组件中实施。

此外，应理解为，在示例中，视力筛查设备和/或视力筛查系统可以配置为对患者执行多种视力筛查测试。这些测试可包括例如但不限于：

·适应测试-让患者远近地看，以测量每只眼睛的适应能力

·颜色测试-标准的色盲测试

·目标跟踪效率测试-双眼动态跟踪目标

·眼睛追踪阅读测试-意粉型视力框图

·阅读与指标

·视点/100个单词：其测定眼睛每100个单词停止的频率

·回归/100个单词：其测定眼睛向后移动而不重新阅读的频率(例如，无意识的向后运动)

·定向攻击百分比：其测定以左向右方式感知内容的趋势，该指标衡量前向和后向扫视之间的比率(视点与回归的比率％)

·平均识别范围：其测定单一视点中所包含的单词的数量(视点/总字数)

·视点的平均持续时间：测定平均视点时间

·单词/分钟速率w理解-即时单词/分钟

·聚散能力-在近/读取范围内以光功率融合的能力

·内聚不足测试-近距离双眼融合测试

·动态覆盖测试-折射然后覆盖较弱的眼睛以确定隐斜或斜视

·深度感知测试-可以传播远近的物体

·视力敏锐度-斯内伦或Lea符号

图7和8示出了如本文所述的用于视力筛查的示例过程的各种流程图。过程700和800被示为逻辑流程图中的块的集合，其表示可以用硬件、软件或其组合实现的操作序列。在是软件的情况下，块表示存储在一个或多个计算机可读存储介质上的计算机可执行指令，当由处理器执行计算机可执行指令时，计算机可执行指令执行所述操作。通常，计算机可执行指令包括执行特定功能或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等。描述操作的顺序不旨在解释为限制，并且可以以任何顺序和/或并行地组合任何数量的所描述的框以实现过程。在一些实施例中，可以完全省略该过程的一个或多个块。此外，过程700和800可以彼此全部或部分地组合或与其他过程全部或部分地组合。

图7示出了根据一些实施方式的用于视力筛查的示例过程700。在一些示例中，下面描述的操作可以由包括本地计算设备和/或与本地计算设备通信的远程计算设备(例如，在分布式配置中)的系统执行。

在操作702，系统可以确定与参与视力筛查测试的患者相关的患者数据。如本文所述，由视力筛查系统评估的患者可以向系统提供信息。在一些示例中，患者可以经由视力筛查设备的一个或多个触摸屏或其他输入设备手动输入这样的信息。在另外的示例中，医师或设备的其他用户可以通过这样的输入设备手动输入这样的信息。附加地或替代的，系统可以从系统的存储与患者相关的信息的数据库接收和/或访问与患者相关的数据。系统可以分析所接收和/或访问的数据，以确定与患者相关的一个或多个特性，例如人口统计信息、患者的身体特征等。更进一步地，在一些示例中，系统可以生成与患者相关的图像或视频数据，并且可以分析图像/视频数据以确定与患者相关的特征。

在操作704，系统可以识别与患者相关的测试类别。例如，系统可以至少部分地基于患者数据确定患者所属的类别。测试类别可以包括但不限于年龄类别、性别类别、身体特征类别(例如，身高、瞳孔距离等)。

在操作706，系统可以生成用于向患者显示的图形表示，图形表示配置为引起视力疲劳。例如，如本文所述，至少部分地基于患者数据和/或测试类别，系统可以确定和/或生成配置为在患者的视力或眼睛上引起疲劳的图形表示。例如，如果系统确定患者是青少年，则系统可以从预先生成的图形表示中确定图形表示，或者系统生成将使患者的视力疲劳的图形表示，以便执行期望的视力筛查。作为示例，如果系统想要在阅读时测试患者的眼睛的行为，则图形表示可以包括一段文本。作为另一示例，如果系统想要测试患者眼睛的运动限值，则图形表示可以包括动态视频。

在操作708，系统可以响应于图形表示确定与患者的眼睛相关的一个或多个测量值。例如，如本文所述，系统可以配置为在视力筛查期间记录患者的图像/视频数据。然后，系统可以分析图像/视频数据以确定与患者的眼睛相关的一个或多个测量值。测量值可以包括但不限于与患者的注视、瞳孔的位置、瞳孔的直径、晶状体的直径、运动数据等相关的测量值。

在操作710，系统可以将一个或多个测量值与一个或多个标准值进行比较。例如，系统可以被配置为接收、访问和/或确定已知标准值，这些已知标准值指示被筛查患者的已知标准行为的值。然后，系统可以将一个或多个确定的测量值与标准值进行比较，以确定患者是否表现出正常的视力行为。如本文所述，可以从数据接收和/或访问标准值和/或可以利用历史筛查数据和/或一种或多种机器学习技术来确定标准值。

在操作712，系统可以确定该一个或多个值是否满足与测试类别相关的阈值。如操作710中所述，系统可以配置为将与患者相关的一个或多个测量值与一个或多个标准值进行比较。系统还可以配置为接收、访问或确定一个或多个测量值所应该处于其中的阈值范围。基于该比较，系统可以确定一个或多个测量值是否在正常行为的阈值范围内。在一些示例中，已知值和/或阈值可以与测试类别相关联。例如，标准值可以与与每个年龄范围相关联的每个测试类别相关联(例如，幼儿的标准值可以与成人的标准值不同)。

在操作714，系统可以生成与患者相关的诊断建议。例如，如操作712所述，系统可以确定一个或多个测量值是否满足标准行为的阈值。基于该确定，系统可以生成指示患者是否已经通过或未通过视力筛查和/或患者是否需要额外筛查的建议。如本文所述，系统还可以利用历史筛查数据和/或一种或多种机器学习技术来生成建议。例如，基于历史患者数据，系统可以训练一个或多个机器学习模型。然后，系统可以利用训练的模型来确定患者的测量值是否超过确定的将与正常视力行为相关联的学习阈值。备选地或附加地，系统可以将患者的测量值与先前的筛查行为进行比较，并且基于测量值与先前类似筛查的测量值的相似度生成建议(例如，如果患者的测量值与先前筛查的测量值相似，则系统可以产生基本相似的建议)。系统可以向用户(例如进行筛查和/或操作筛查设备的测试者或医师)提供建议以及一个或多个测量值、视频数据等以供查看。

图8示出了根据一些实施方式的用于视力筛查的示例过程800。在一些示例中，下面描述的操作可以由包括本地计算设备和/或与本地计算设备通信的远程计算设备(例如，在分布式配置中)的系统执行。

在操作802，系统可以基于患者数据生成图形表示，该图形表示配置为在视力筛查测试期间引起视觉疲劳。如本文所述，系统可以配置为从患者(例如由视力筛查系统评估的患者)接收患者数据。在一些示例中，系统还可以从系统的存储与患者相关的信息的数据库接收和/或访问与患者相关的数据。系统可以分析所接收和/或访问的数据，以确定与患者相关的一个或多个特征，例如人口统计信息、患者的身体特性等。更进一步地，在一些示例中，系统可以生成与患者相关的图像或视频数据，并且可以分析图像/视频数据以确定与患者相关的特征。至少部分地基于患者数据，系统然后可以确定和/或生成配置为在视力筛查测试期间引起患者的视力或眼睛的疲劳的图形表示。

在操作804，系统可以在视力筛查测试期间向患者显示图形表示。如本文所述，系统可以配置为以多种方式向患者显示图形表示。例如，系统可以配置为使图形表示经由与系统通信的视力筛查设备的显示单元显示给患者。该系统还可以配置为使图形表示经由虚拟实境或增强实境体验机显示给患者，或者通过投影显示到外部表面(例如投影仪屏幕或墙壁)上。

在操作806，系统可以确定与患者的眼睛相关的一个或多个测量值。例如，如本文所述，系统可以配置为在视力筛查期间记录患者的图像/视频数据。然后，系统可以分析图像/视频数据以响应于图形表示确定与患者的眼睛相关的一个或多个测量值。测量值可以包括但不限于与患者的注视、瞳孔的位置、瞳孔的直径、晶状体的直径、运动数据等相关的测量值等。

在操作808，系统可以将一个或多个测量值与一个或多个标准值进行比较以确定差异。例如，系统可以配置为接收、访问和/或确定指示被筛查患者的已知标准行为的值的已知标准值。然后，系统可以将一个或多个确定的测量值与标准值或阈值范围的值进行比较，以确定患者是否表现出正常的视力行为。如本文所述，可以从数据库接收和/或访问标准值和阈值范围和/或可以利用历史筛查数据和/或一种或多种机器学习技术来确定标准值和阈值范围。例如，系统可以配置为将与患者相关的一个或多个测量值与一个或多个标准值进行比较以确定差异(例如，以确定一个或多个测量值是否在正常行为的阈值范围内)。

在操作810，系统可以至少部分地基于确定差异是否满足阈值来生成与患者相关的诊断建议。例如，如操作808所述，系统可确定一个或多个测量值是否满足标准行为的阈值(例如，测量值与标准值之间的差值是否在阈值范围内)。基于该确定，系统可以生成指示患者是否通过或未通过视力筛查和/或患者是否需要额外筛查的建议。如本文所述，系统还可以利用历史筛查数据和/或一种或多种机器学习技术来生成建议。系统可以向用户(例如进行筛查和/或操作筛查设备的测试者或医师)提供建议以及一个或多个测量值、视频数据等，以供查看。

在操作812，系统可以在视力筛查测试期间生成与图形表示或患者中的至少一个相关的第一视频数据。例如，视力筛查设备可以配置为在视力筛查测试期间记录(例如，生成视频数据)正在显示的图形表示和/或患者。基于视频数据，系统可以在筛查期间的时间点上以及响应于被显示的图形表示来确定与患者的眼睛相关联的测量值，例如与瞳孔、晶状体等相关的测量值。

在操作814，系统可以至少部分地基于一个或多个测量值来确定视力筛查测试期间患者的瞳孔的多个位置。例如，如操作812所述，系统可以在视力测试期间生成与患者和/或图形表示相关的视频数据。系统可利用视频数据确定整个视力筛查期间以及在显示图形表示的时间点上的患者瞳孔的位置。例如，瞳孔的位置可以指示在视力筛查测试期间患者眼睛的运动，例如当患者正在被显示视频剪辑时。

在操作816，系统可以生成第二视频数据，该第二视频数据包括与图形表示相关的第一视频数据和指示瞳孔的多个位置的视觉指示符。例如，系统可以配置为生成第二视频，该第二视频包括图形表示和在视力筛查测试期间和/或响应于显示图形表示的患者瞳孔的位置一个或多个指示符。例如，视频可以包括图形表示，例如显示给患者的视频剪辑，以及指示患者瞳孔在播放视频时的位置的一个或多个点。视频可以用于确定患者的眼睛是否表现出响应于视频剪辑的正常行为(例如，眼睛是否正确地跟踪显示的对象、运动是否正常等)。

在操作818，系统可以将一个或多个测量值和第二视频数据提供给用户。例如，如本文所述，系统可以配置为向用户(例如进行筛查和/或操作筛查设备的测试者或医师)提供一个或多个测量值和/或第二视频数据。例如，系统可以配置为使得一个或多个测量值和/或第二视频数据经由筛查设备的显示单元显示给用户。

应当注意地是，本文件中出现的“实施例”并不将所描述的元件限于单个实施例；所有描述的元件可以以任何数量的方式在任何实施例中组合。此外，出于解释本说明书的目的，除非另有说明，否则本文中“或”的使用意味着“和/或”。除非另有说明，否则本文中“一”或“一个”的使用意味着“一个或多个”。“包括”、“包含”、“含有”、“具有”的使用是可互换的，并非旨在进行限制。此外，除非另有说明，否则诸如“第一”、“第二”、“第三”、“上”、“下”等术语的使用不表示任何空间、顺序或等级顺序或重要性，而是用来区分一个元件和另一个元件。应当理解地是，例如，在“A和/或B”和“A和B中的至少一个”的情况下，术语“和/或”和“至少一个”的使用旨在包括仅选择第一个列出的选项(A)，或仅选择第二个列出的选项(B)，或选择两个选项(A和B)。作为另一个示例，在“A、B和/或C”和“A、B和C中的至少一个”的情况下，这种措辞旨在包括仅选择第一个列出的选项(A)，或仅选择第二个列出的选项(B)，或仅选择第三个列出的选项(C)，或仅选择第一个和第二个列出的选项(A和B)，或仅选择第一和第三个列出的选项(A和C)，或仅选择第二个和第三个列出的选项(B和C)，或选择所有三个选项(A和B和C)。如本领域和相关领域的普通技术人员所容易理解的，这适用于所列出的许多项目。

本领域技术人员还应当理解，本文中的任何框图、步骤或子过程表示体现本主题的原理的说明性系统的概念视图。类似地，可以理解地是，任何流程表、流程图、状态转换图、伪代码等表示可以基本上在计算机可读介质中表示并且因此由计算机或处理器执行的各种过程，无论是否明确显示了这样的计算机或处理器。描述方法的顺序不旨在解释为限制，并且可以以任何顺序删除、移动、添加、细分、组合和/或修改任何数量的所描述的方法框以实施方法、或替代组合或子组合。而且，虽然步骤、子过程或块有时被示为串行执行，但是一些步骤、子过程或块相反可以并行执行，或者可以在不同的时间执行，如可以由本领域普通技术人员识别的那样。此外，本文中提到的任何具体数字仅是示例性的；替代实施方式可以采用不同的值或范围。此外，本文描述的方法和实施方式可以以任何合适的硬件、软件、固件或其组合来实施。例如，本文描述的方法和实施方式可以利用多个用户界面，包括但不限于通过设备终端(例如，小键盘、触摸屏等)、安装在用户设备(例如，移动应用程序、消息服务等)上的软件、平板计算机或web界面呈现的任何或所有用户界面。此外，这些用户界面通常但不总是由因特网云服务支持。

前述内容仅仅是对本发明的原理的说明，本领域技术人员可以在不脱离本发明的范围的情况下进行各种修改。提供上述实施例是为了说明而非限制。除了在此明确描述的那些之外，本发明还可以采用许多形式。因此，要强调的是，本发明不限于明确公开的方法、系统和装置，而是旨在包括所附权利要求的精神内的变型和修改。

作为另一个示例，可以对装置或工艺限制进行变化(例如，尺寸、配置、组件、工艺步骤顺序等)以进一步优化所提供的结构、设备和方法，如本文所示和所述。无论如何，这里描述的结构和设备以及相关方法都具有许多应用。因此，所公开的主题不应限于本文所述的任何单个示例，而应根据所附权利要求的宽度和范围进行解释。

Claims (20)

1.一种系统，包括：

存储器：

一个或多个处理器；以及

一个或多个计算机可执行指令，其存储在所述存储器中并且可由所述一个或多个处理器执行以执行以下操作，包括：

确定与参加视力筛查测试的患者相关联的患者数据；

至少部分地基于所述患者数据识别与所述患者相关联的测试类别；

至少部分地基于所述患者数据或所述测试类别中的至少一个，生成用于向所述患者显示的图形表示，所述图形表示包括配置为引起所述患者的眼睛的变化的至少一个对象；

响应于所述图形表示确定与所述患者的所述眼睛相关联的一个或多个测量值；

将所述一个或多个测量值与一个或多个预设值进行对比；

至少部分地基于所述对比来确定一个或多个值是否满足阈值；以及

至少部分地基于确定差异是否满足所述阈值，生成与所述患者相关联的诊断建议。

2.如权利要求1所述的系统，还包括在所述视力筛查测试期间生成与所述图形表示或所述患者中的至少一个相关的视频数据。

3.如权利要求2所述的系统，其中，所述一个或多个测量值包括所述眼睛的瞳孔的速度或位置中的至少一个，并且其中至少部分地基于所述视频数据确定一个或多个测量值。

4.如权利要求3所述的系统，其中，所述视频数据是第一视频数据，并且还包括：

在所述视力筛查测试期间，至少部分地基于所述一个或多个测量值来确定所述患者的所述瞳孔的多个位置；和

生成第二视频数据，所述第二视频数据包括与所述图形表示相关联的所述第一视频数据和指示所述瞳孔的所述多个位置的视觉指示符。

5.如权利要求3所述的系统，其中，所述患者的所述眼睛的所述变化包括所述瞳孔从所述瞳孔的最左侧位置附近到所述瞳孔的最右侧位置附近的第一移动或者所述瞳孔从所述瞳孔的最顶部位置附近到所述瞳孔的最底部位置附近的第二移动中的至少一个。

6.如权利要求2所述的系统，其中，所述一个或多个测量值包括所述眼睛的晶状体的形状、所述眼睛的瞳孔的直径或所述瞳孔的内聚中的至少一个，并且其中至少部分地基于所述视频数据确定一个或多个测量值。

7.如权利要求6所述的系统，还包括将所述一个或多个测量值连同所述诊断建议一起显示给用户。

8.一种系统，包括：

存储器：

一个或多个处理器；以及

一个或多个计算机可执行指令，其存储在所述存储器中并且可由所述一个或多个处理器执行以执行以下操作，包括：

生成图形表示，所述图形表示包括至少一个配置为引起所述患者的眼睛的变化的对象；

在视力筛查测试期间向所述患者显示所述图形表示；

在所述视力筛查测试期间确定与所述患者的所述眼睛相关联的一个或多个测量值；

将所述一个或多个测量值与一个或多个预设值进行对比；以及

至少部分地基于所述对比，生成与所述患者相关联的诊断意见。

9.如权利要求8所述的系统，还包括：

接收与所述患者相关联的患者数据；和

至少部分地基于所述患者数据确定所述图形表示。

10.如权利要求8所述的系统，其中，生成所述诊断意见包括：

至少部分地基于所述对比来确定所述一个或多个测量是否满足阈值；和

至少部分地基于确定所述一个或多个测量值是否满足所述阈值来生成所述诊断建议。

11.如权利要求8所述的系统，其中，所述患者的所述眼睛的所述变化包括所述眼睛的所述瞳孔从所述瞳孔的最左侧位置附近到所述瞳孔的最右侧位置附近的第一移动或者所述瞳孔从所述瞳孔的最顶部位置附近到所述瞳孔的最底部位置附近的第二移动中的至少一个。

12.如权利要求8所述的系统，还包括在所述视力筛查测试期间生成与所述图形表示或所述患者中的至少一个相关联的视频数据。

13.如权利要求12所述的系统，其中，所述视频数据是第一视频数据，并且还包括：

在所述视力筛查测试期间，至少部分地基于所述一个或多个测量值来确定所述患者的眼睛的瞳孔的多个位置；和

生成第二视频数据，所述第二视频数据包括与所述图形表示相关联的所述第一视频数据和指示所述瞳孔的所述多个位置的视觉指示符。

14.如权利要求8所述的系统，其中，所述一个或多个测量值包括所述眼睛的瞳孔的速度、所述瞳孔的位置、所述眼睛的晶状体的形状、所述瞳孔的直径或所述瞳孔的内聚中的至少一个，并且其中至少部分地基于所述视频数据确定一个或多个测量值。

15.一种方法，包括：

至少部分地基于患者数据生成包括至少一个对象的图形表示，所述对象配置为在视力筛查测试期间引起患者的眼睛的变化；

在所述视力筛查测试期间向所述患者显示所述图形表示；

确定与所述患者的所述眼睛相关联的一个或多个眼睛测量值；

将所述一个或多个测量值与一个或多个预设值进行对比以确定差异；以及

确定所述差异是否满足阈值。

16.如权利要求15所述的方法，还包括至少部分地基于所述确定所述差异是否满足所述阈值来生成与所述患者相关联的诊断建议。

17.如权利要求15所述的方法，其中，所述患者的所述眼睛的所述变化包括所述眼睛的所述瞳孔从所述瞳孔的最左侧位置附近到所述瞳孔的最右侧位置附近的第一移动或者所述瞳孔从所述瞳孔的最顶部位置附近到所述瞳孔的最底部位置附近的第二移动中的至少一个。

18.如权利要求15所述的方法，还包括在所述视力筛查测试期间生成与所述图形表示或所述患者中的至少一个相关联的视频数据。

19.如权利要求18所述的方法，其中，所述视频数据是第一视频数据，并且还包括：

在所述视力筛查测试期间，至少部分地基于所述一个或多个测量值来确定所述患者的所述瞳孔的多个位置；和

生成第二视频数据，所述第二视频数据包括与所述图形表示相关联的所述视频数据和指示所述瞳孔的所述多个位置的视觉指示符。

20.如权利要求15所述的方法，其中，所述一个或多个测量值包括所述瞳孔的速率、所述瞳孔的速度、所述瞳孔的运动、所述患者的晶状体的形状、所述瞳孔的直径或者所述瞳孔的内聚中的至少一个，并且其中至少部分地基于所述视频数据确定一个或多个测量值。

Images