CN117377422A - 用于客观地确定受试者的眼科屈光的最优矫正的方法和装置 - Google Patents
用于客观地确定受试者的眼科屈光的最优矫正的方法和装置 Download PDFInfo
- Publication number
- CN117377422A CN117377422A CN202280037512.8A CN202280037512A CN117377422A CN 117377422 A CN117377422 A CN 117377422A CN 202280037512 A CN202280037512 A CN 202280037512A CN 117377422 A CN117377422 A CN 117377422A
- Authority
- CN
- China
- Prior art keywords
- neural
- subject
- lens
- neural activity
- recorded
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012937 correction Methods 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000001537 neural effect Effects 0.000 claims abstract description 370
- 230000000007 visual effect Effects 0.000 claims abstract description 49
- 230000003595 spectral effect Effects 0.000 claims description 55
- 230000004308 accommodation Effects 0.000 claims description 31
- 238000010801 machine learning Methods 0.000 claims description 26
- 238000004458 analytical method Methods 0.000 claims description 25
- 210000004556 brain Anatomy 0.000 claims description 19
- 230000004044 response Effects 0.000 claims description 16
- 210000005036 nerve Anatomy 0.000 claims description 13
- 230000004304 visual acuity Effects 0.000 claims description 11
- 230000004438 eyesight Effects 0.000 claims description 10
- 210000001202 rhombencephalon Anatomy 0.000 claims description 2
- 238000012360 testing method Methods 0.000 description 27
- 238000004422 calculation algorithm Methods 0.000 description 26
- 230000008859 change Effects 0.000 description 13
- 239000011521 glass Substances 0.000 description 13
- 230000001747 exhibiting effect Effects 0.000 description 12
- 230000015654 memory Effects 0.000 description 12
- 230000008447 perception Effects 0.000 description 8
- 230000007774 longterm Effects 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000007689 inspection Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 230000007423 decrease Effects 0.000 description 5
- 210000002569 neuron Anatomy 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 210000001061 forehead Anatomy 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000016776 visual perception Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000002950 deficient Effects 0.000 description 3
- 238000013213 extrapolation Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000004478 pupil constriction Effects 0.000 description 3
- 208000014733 refractive error Diseases 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000013179 statistical model Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 210000001525 retina Anatomy 0.000 description 2
- 230000004397 blinking Effects 0.000 description 1
- 210000003710 cerebral cortex Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 210000000869 occipital lobe Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 201000010041 presbyopia Diseases 0.000 description 1
- 230000004515 progressive myopia Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000004382 visual function Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/0016—Operational features thereof
- A61B3/0025—Operational features thereof characterised by electronic signal processing, e.g. eye models
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/103—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for determining refraction, e.g. refractometers, skiascopes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/25—Bioelectric electrodes therefor
- A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
- A61B5/291—Bioelectric electrodes therefor specially adapted for particular uses for electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/02—Subjective types, i.e. testing apparatus requiring the active assistance of the patient
- A61B3/028—Subjective types, i.e. testing apparatus requiring the active assistance of the patient for testing visual acuity; for determination of refraction, e.g. phoropters
- A61B3/0285—Phoropters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/02—Subjective types, i.e. testing apparatus requiring the active assistance of the patient
- A61B3/028—Subjective types, i.e. testing apparatus requiring the active assistance of the patient for testing visual acuity; for determination of refraction, e.g. phoropters
- A61B3/032—Devices for presenting test symbols or characters, e.g. test chart projectors
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Ophthalmology & Optometry (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
- Eye Examination Apparatus (AREA)
Abstract
一种用于客观地确定受试者的眼科屈光的最优矫正的方法,该方法包括以下步骤:a)为受试者的所述眼睛提供相继的不同镜片焦度,并且在受试者的所述眼睛透过每个镜片焦度接收视觉刺激时记录受试者的对应的相继的神经信号,直到所记录的与镜片焦度之一相对应的神经信号示出了与所记录的所有其他神经信号相比的最大神经活动(框E2至E5),b)确定受试者的眼科屈光的最优矫正对应于如下镜片焦度,透过该镜片焦度,受试者展现出示出了与在步骤a)中获得的最大神经活动相比给定的降低的神经活动的神经信号(框E6和E7)。
Description
技术领域
本发明涉及受试者的眼科屈光领域。
更准确地说,本发明涉及用于确定受试者的眼科屈光的最优矫正的装置和方法。
背景技术
折射是当光线射入两种不同介质之间的界面时使光线改变方向的现象。折射尤其发生在光线射入受试者的眼睛时,在这种情况下称为“眼科屈光”。在本说明的其余部分中,这种眼科屈光将被称为“屈光”。所述屈光可能是错误的,因此使眼睛看到的图像在视网膜之外形成。能够测量受试者的每只眼睛的屈光是眼科检查中的一个关键点,特别地当视觉矫正是必要的时候。如今,这种测量可以从两种不同的方法中获得:客观屈光检查和主观屈光检查。
客观屈光检查(不依赖于受试者的反应)可以使用在处方医师中当前广泛可用的仪器(比如视网膜镜、自动屈光仪、像差仪等)来获得。客观屈光检查是快速且可靠地进行的。然而,客观屈光检查仅提供与在给定的瞬间眼睛光学的屈光不正有关的信息,这种信息不足以确定受试者的视觉需求。因此,客观屈光检查仅给出对受试者所需的最优矫正的粗略估计。
主观屈光检查试图通过还考虑到所涉及的大脑过程来评估视觉功能,而不仅仅是眼睛光学。主观屈光检查依赖于受试者的反应以便确定最优矫正,从而用最小的调节努力来给出在视远时最佳可能的视敏度。因此,主观屈光检查比客观屈光检查更高效地捕捉到真实受试者的视觉需求,但推荐使用客观屈光检查的结果(也就是说,使用对最优矫正的粗略估计)作为主观屈光检查的起点。
然而,有几个因素使主观屈光检查不是一种理想的措施。事实上,鉴于该测量的性质是仅基于受试者的反应,其结果可能是相当嘈杂的,因为它们涉及由几个皮层区域同时处理的信息:对于评估视力质量(或视敏度)很重要的区域;还有许多其他相关联的区域,这些区域没有直接参与视觉感知,但取决于受试者而以不同的方式进行干预(在被激活的相关联区域的类型和激活水平方面),例如决策相关区域。这种复杂且嘈杂的过程经常导致受试者自身无法自信地判断给出最清晰图像感知的矫正。此外,受试者很清楚眼睛检查所起的重要作用,并且特别关注这些可能导致错误结果或使眼睛检查成为一种紧张的体验的因素。
所有这些因素必然导致更长且更复杂的主观屈光检查程序。此外,对于主观屈光检查,存在很大的操作者间可变性,也就是说,通过主观屈光检查确定的最优矫正非常依赖于执行检查的眼保健专业人员的技能。
因此,需要改进对受试者的屈光的最优矫正的确定。
发明内容
本发明的一个目的是提供一种用于客观地确定受试者的眼科屈光的最优矫正的方法,该方法能够识别给受试者带来最佳感知的镜片焦度,所述最佳感知是对于受试者而言从长期来看是尽可能舒适的。
上述目的是通过提供权利要求1的方法来实现的。
在本发明中,“眼科屈光”被认为是受试者的一只眼睛的屈光。对受试者的屈光的“最优矫正”是应用于受试者的眼睛的矫正,该矫正允许受试者在不调节其眼睛的情况下或在尽可能少的调节的情况下具有在远距离时的清晰视力。在没有调节或尽可能少的调节的情况下允许在远距离时的这个清晰视力的最优矫正从长期来看也是舒适的。
本发明的方法依赖于神经活动来识别哪个镜片焦度带来了受试者的眼睛的最佳屈光,并且允许受试者从长期来看感觉舒适。
令人惊奇地,看起来,受试者在与视觉感知质量(也称为视敏度)相关联的大脑区域中的神经活动为最大时不是在受试者不需要任何调节(或尽可能少的调节)来清晰地看到视觉刺激的时候,而是在受试者开始调节的时候。所谓“开始调节”,是指受试者以可通过用于检查的综合屈光检查仪测量的方式进行调节,例如取决于用于检查的综合屈光检查仪的准确性,调节超过0.25D、或超过0.50D或超过1D。事实上,与先入为主的想法相反,神经活动达到最大是由于在受试者的大脑中出现的并且与接收视觉刺激的眼睛的调节反应的开始有关的神经伪影。这种调节给人的印象是,受试者的视敏度得到了改进,但实际上,对于让受试者的眼睛以令人满意的质量看清不是必须的。此外,这种调节可能对于受试者而言从长期来看是不舒适的。例如,引起神经伪影的调节与瞳孔缩小(是眼睛的瞳孔收缩)、会聚(是两只眼睛朝向彼此同时向内运动)或晶状体的焦度变化相关。
引人注目地,为了确定最优矫正,本发明的方法在与视敏度相关联的大脑区域中找出受试者的如下神经信号,该神经信号展现出与在检查期间所记录的受试者的最大神经活动相比给定的降低的神经活动。通过这样做,本发明的方法在确定屈光的最优矫正时考虑了由调节的开始引起的神经伪影的存在。
归功于本发明的方法,改进了对受试者的屈光的最优矫正的确定,同时仍然是客观的。受试者不需要回答任何问题来确定最优矫正,所述最优矫正仅基于当受试者的至少一只眼睛透过相应的镜片焦度接收视觉刺激时所记录的相应神经信号来确定。
根据本发明的方法的一个有利实施例,在步骤b)中,通过基于与眼睛的调节反应的开始相关联的预定因子k来矫正最大神经活动,而确定给定的降低的神经活动。
更准确地说,在这个有利的实施例中,因子k考虑并去除了在搜索最优矫正时可能出现的由调节的开始引起的神经伪影。由于因子k,改进了对受试者的屈光的最优矫正的确定,同时仍然是客观的。
根据另一个实施例,在步骤b)中,给定的降低的神经活动是通过机器学习来确定的,同时考虑了针对许多受试者记录的多组神经信号,这些受试者的眼睛被提供有相继的不同镜片焦度并且其最优矫正是已经精确知晓的。
本发明的方法的其他有利特征一起或单独地在权利要求3至12中给出。
本发明的另一目的是提供一种用于客观地确定受试者的眼科屈光的最优矫正的装置,该装置能够识别给受试者带来最佳感知的镜片矫正,所述最佳感知对于受试者而言从长期来看是尽可能舒适的。
上述目的是通过提供权利要求13的装置来实现的。
更准确地说,本发明的装置至少包括:神经传感器(例如电极),该神经传感器能够检测源自受试者的大脑的与视敏度(也就是说受试者的眼睛的视觉感知质量)相关的至少一个区域的神经信号;和控制单元,该控制单元记录当受试者的眼睛透过相应镜片焦度接收视觉刺激时所获得的相应神经信号、找出所记录的与最大神经活动相关联的神经信号并确定哪个神经信号将示出与在步骤a)中所获得的最大神经活动相比给定的降低的神经活动。然后,控制单元找出哪个镜片焦度将给出这种降低的神经活动的神经信号,并且得出结论:这个镜片焦度是受试者的屈光的最优矫正。
有利地,本发明的装置允许客观地确定受试者的屈光的最优矫正,与该装置的操作者无关,并且无需向受试者询问任何问题。
本发明的装置的其他有利特征一起或单独地在权利要求13和14中给出。
有利地,该装置包括至少一个有源焦度镜片,该有源焦度镜片的焦度被控制单元驱动,用于取决于对先前记录的神经信号的神经活动的分析来提供受试者的眼睛透过其来接收视觉刺激的所述不同镜片焦度。
根据一个实施例,该至少一个有源焦度镜片被嵌入眼镜或接触镜片中。
具体实施方式
参考附图给出的以下描述将使本发明包括的内容以及可以实现本发明的方式变得清晰。本发明不限于附图中所展示的(多个)实施例。相应地,应当理解的是,在权利要求中提到的特征后面带有附图标记的情况下,包括这种附图标记仅是出于增强权利要求的可理解性的目的,而决不是对权利要求的范围的限制。
在附图中:
-图1是综合本发明的方法的主要步骤的流程图,
-图2是本发明的装置的示意图,
-图3是根据本发明的装置的神经传感器的第一实施例的示意图,
-图4是本发明的装置的神经传感器中所包括的附加电极的示意图,
-图5是示出了针对范围从+1屈光度到-0.75屈光度的八个不同镜片焦度从针对给定的被测受试者所记录的八个神经信号中得出的八个光谱信号S1至S8的图表,其中x轴给出了频率(以赫兹(Hz)为单位)并且y轴给出了傅里叶变换的焦度(称为“振幅”)(以(mV)2.Hz-1为单位),
-图6是示出了图5的每个光谱信号的主峰的振幅与镜片焦度(以屈光度为单位)的关系的图表,
-图7是示出了针对范围从+1D至-0.75D的镜片焦度从针对另一个被测受试者所记录的各种神经信号中获得的每个光谱信号的主峰的振幅的图表,以及
-图8A和图8B是根据本披露内容的包括有源焦度镜片的眼镜的两个示例。
本发明提供了用于客观地确定受试者的眼科屈光的最优矫正的装置10和方法。
如开篇所解释的,眼科屈光是当光线射入受试者的一只眼睛时发生的折射。在本说明的其余部分中,这种眼科屈光将被称为“屈光”。如果由屈光造成的图像是在视网膜之外形成的,则这种屈光被认为是有缺陷的。在有缺陷的屈光的情况下,有必要知晓如何矫正,以便改进受试者的视敏度。屈光的最优矫正被认为是在不调节对应眼睛的情况下或在尽可能少的调节的情况下和在尽可能舒适的情况下允许受试者具有在远距离(也称无限远)时的清晰视力的矫正。更准确地说,本发明的装置10和方法客观地确定了受试者(称为被测受试者)的(有缺陷的)屈光的最优矫正,这是基于:
-对被测受试者的相应神经信号的分析,这些神经信号是当被测受试者的至少一只眼睛1透过相应镜片焦度接收给定的视觉刺激时记录的,以及
-对可能的神经伪影的存在的知晓,这些神经伪影是由接收视觉刺激的眼睛的调节反应的开始引起的。
关于本发明的装置描述的所有特征、特别是关于该装置的处理器所描述的那些特征也适用于本发明的方法,反之亦然。
如图2所示,本发明的装置10包括:
-至少一个神经传感器11,用于检测源自受试者的大脑的至少一个区域的神经信号,所述神经信号与受试者的视敏度相关,以及
-控制单元15,该控制单元适于:
a)当被测受试者的眼睛1透过相继不同的镜片焦度接收视觉刺激时,记录被测受试者的相继的神经信号,直到所记录的神经信号之一示出了与所记录的所有其他神经信号相比的最大神经活动,
b)确定受试者的眼科屈光的最优矫正对应于如下镜片焦度,透过该镜片焦度,受试者展现出示出了与在步骤a)中获得的最大神经活动相比给定的降低的神经活动的神经信号。
因此,装置10能够在透过具有不同焦度的相继镜片L1、L2、L3、L4、L5向被测受试者示出视觉刺激时记录和分析神经信号,这些镜片或多或少地使被测受试者的视力模糊。基于这个分析,并知晓了神经活动的一部分可能是由调节引起的,装置10然后找出允许被测受试者在不调节或尽可能少的调节以及从长期来看尽可能舒适的情况下最清晰地看到远距离处的视觉刺激的镜片焦度将是什么。要注意的是,在本说明中,“模糊”一词与“清晰”一词相对立。
通常,视觉刺激被显示在屏幕12上,要求被测受试者用一只眼睛(单眼检查)或两只眼睛1(双眼检查)看向该屏幕。优选地,检查是单眼检查,当正检查第一只眼睛1时,另一只眼睛被遮住。如果选择双眼检查,被测受试者的两只眼睛不一定透过相同的镜片焦度来看视觉刺激。
经典的是,屏幕12被定位在距被测受试者大约六米(m)的距离处以模拟远距离时的视力。屏幕12可以被包括在本发明的装置10中,在这种情况下,屏幕上所示出的视觉刺激可以由控制单元15控制。替代地,屏幕可以是独立的元件,排除在装置10之外。
要求被测受试者看向的视觉刺激可以是任何类型的图像。例如,视觉刺激是闪烁的Gabor贴片。这种特定的视觉刺激允许改进由装置10的神经传感器11记录的神经信号的信噪比,并且因此使得对所记录的每个神经信号的进一步分析变得容易。
为了容易地改变被测受试者透过其来看视觉刺激的镜片焦度,使用了屈光仪13(也称为“综合屈光检查仪”或“验光仪”)。
更准确地说,屈光仪13能够在被测受试者的被检查眼睛1的前方放置具有选定焦度的镜片L1、L2、L3、L4、L5。每个镜片L1、L2、L3、L4、L5的焦度都或多或少地使被测受试者的眼睛1的视力模糊。镜片L1、L2、L3、L4、L5的焦度通常以屈光度为单位来给出。在本说明中,每个被测镜片的焦度是与参考镜片LR的焦度相比的相对焦度。优选地,参考镜片LR的焦度是对被测受试者的最优矫正的粗略估计。例如,这种粗略估计是通过客观屈光检查来获得的,如开篇所述。作为替代方案,参考镜片的焦度可以是0屈光度(D)。作为替代方案,参考镜片的焦度可以是受试者的先前已知矫正。
因此,在被测受试者的眼睛1的前方测试的镜片焦度展现出与参考镜片焦度相比的正屈光度或负屈光度。焦度越正,就越使被测受试者的对应眼睛1的视力模糊。
优选地,屈光仪13被包括在本发明的装置10中。更优选地,屈光仪13被控制单元15控制。
此外,有利地,在装置10中,屈光仪13是由装置10的控制单元15控制的自动屈光仪13。控制单元15控制屈光仪10来自动改变被测受试者的眼睛1透过其来接收视觉刺激的镜片L1、L2、L3、L4、L5的焦度。优选地,放置在被测受试者的眼睛1的前方的镜片L1、L2、L3、L4、L5的这种自动改变是基于对由神经传感器11先前记录的神经信号的神经活动的分析。改变焦度可以被操作者来实施。
最优选地,基于对针对先前测试的镜片焦度而先前记录的神经信号的分析,通过脑机接口来实施镜片焦度的改变。因此,被测受试者不被询问任何问题,并且不受到任何操作者的影响,该操作者将控制屈光仪13改变镜片焦度。此外,镜片焦度的改变是在对于被测受试者而言最适合的时刻发生的。在目前的情况下,下一个镜片的焦度是基于先前刚刚记录和分析的神经信号来选择的,以便使检查是高效的。
尤其,如果针对在时刻t测试的焦度所记录的神经信号的神经活动高于针对在时刻t-1测试的焦度所记录的神经信号的神经活动,则要在时刻t+1测试的下一个焦度应小于在时刻t测试的焦度。相反,如果针对在时刻t测试的焦度所记录的神经信号的神经活动小于针对在时刻t-1测试的焦度所记录的神经信号的神经活动,则要在时刻t+1测试的下一个焦度应大于在时刻t测试的焦度。
装置10的神经传感器11旨在检测当被测受试者试图透过镜片L1、L2、L3、L4和L5尽可能清晰地看到向他示出的视觉刺激时,在被测受试者的大脑中生成的神经信号。
在本示例中,如图2所示,神经传感器11包括至少三个电极110、优选地五个电极110,这些电极能够检测在被测受试者的至少一只眼睛试图清晰地看到在其眼睛中接收到的视觉刺激时受到刺激的特定神经元组的电活动。优选地,这些特定神经元组位于受试者的大脑的枕叶区域。这些电极110检测到的神经信号与被测受试者的(多个)眼睛的视敏度相关,也就是说与受试者的视觉感知质量相关。
电极110被设计为定位在被测受试者的后脑勺上,以便记录源自被测受试者的大脑的枕叶区域的脑电图(或神经信号)。在本示例中,电极110有利地被嵌入扶手椅子2的头枕(见图3)上,被测受试者应坐在该扶手椅子上进行屈光检查。
如图2和图4所示,神经传感器11还可以包括至少3个附加电极111,这些附加电极能够检测在被测受试者试图调节其眼睛1以清晰地看到视觉刺激时受到刺激的、并且也可能参与图像质量处理、判断和分析的特定神经元组的电活动。例如,这些特定神经元组位于受试者的大脑的前额区域。
附加电极111是额部电极111,这些额部电极被设计为定位在被测受试者的前额上,以便记录源自被测受试者的大脑的前额区域的脑电图(或神经信号)。
如图4所示,在本示例中,附加电极111例如被嵌入屈光仪13的下巴托上或额部支架3上。
在本示例中,电极110和最终的附加电极111持续地检测来自头皮的神经活动并且将其发送到放大器(未示出),该放大器增强该信号以便使其分析变得容易。
优选地,神经传感器11对每个神经信号的记录是在被测受试者的眼睛1接收到视觉刺激之前不久、期间和之后执行的,以便检测特定神经元的激活及其松弛。
本发明的装置10的控制单元15被配置为与神经传感器11进行通信,并且在适当的情况下与屈光仪13和/或屏幕12进行通信。这种通信可以用无线通信装置或基于线路的通信装置来建立。
控制单元15可以被定位在距被测受试者为一定距离处。在替代性实施例中,控制单元可以由被测受试者配戴。在附图中所示的示例中,控制单元15被放置在距被测受试者为一定距离处。在图8A和图8B所示的示例中,控制单元15被受试者配戴。在这个最后的示例中,控制单元15被嵌入眼镜50中。
如图2所示,控制单元15这里包括存储器150和处理器151,它们彼此之间以及与所述神经传感器11进行通信。在适当的情况下,存储器150和处理器151还与屈光仪13和/或屏幕12进行通信。控制单元15例如被集成在计算机中。
特别地,存储器150可以被配置为接收由神经传感器11检测的每个神经信号,并且将其记录(或存储),以便处理器151分析所记录的每个神经信号。
存储器150还可以被配置为与每个神经信号相对应地存储引起所述神经信号的镜片焦度。存储器150还可以存储被测受试者的参考镜片焦度。
对在存储器150中所记录的每个神经信号的分析由控制单元15的处理器151来实施。这种分析主要包括:
-对每个神经信号进行处理,以便推导出对应的神经活动(步骤a),
-推导出在所记录的所有神经信号中检测到的最大神经活动(步骤a),以及
-确定与最大神经活动相比所寻找的给定的降低的神经活动,以便找出将导致这种降低的神经活动并因此对应于被测受试者的屈光的最优矫正的镜片焦度(步骤b)。
在本发明中,两个要素是特别关键的:确定最大神经活动、以及确定给定的降低的神经活动。
在实践中,降低的神经活动对应于从最大神经活动推导或去除由调节引起的神经伪影。例如,引起神经伪影的眼睛调节反应与瞳孔缩小、会聚或晶状体的焦度变化相关。
对每个神经信号进行处理旨在推导出与导致所述神经信号的被测镜片焦度相关联的被测受试者神经活动。要注意的是,在与视敏度相关联的受试者的大脑区域中,当受试者体验到对视觉刺激的更好(更清晰)感知时,神经活动愈加增加。
在本示例中,与一个镜片焦度相关联的被测受试者神经活动是通过提取针对所述镜片焦度所记录的神经信号的至少一个特征来确定。
这里,神经信号中给出了对神经活动的指示的特征是从所记录的神经信号中得出的光谱信号的振幅。更高的神经活动与光谱信号的更高振幅相匹配。更具体地说,神经活动是从在光谱信号中所展现出的主峰的振幅值推导出的。
因此,对神经信号的分析(由控制单元15的处理器151实施)主要包括对神经信号清除噪声以及通过傅里叶变换进行其变换,以便获得光谱信号。在目前的情况下,所观察到的特征是傅立叶变换的焦度,以每赫兹平方毫伏(mV2.Hz-1)为单位给出,如图5所示。为简单起见,傅里叶变换的焦度在下文中称为“振幅”。从光谱信号可以推导出主峰的振幅,因此这种振幅被认为被测受试者的神经活动。在实践中,如何清除神经信号的噪声以及如何将其转换为光谱信号是众所周知的。
在本发明的另一方面,装置10包括至少一个有源焦度镜片51,该有源焦度镜片的焦度被控制单元15驱动。该至少一个有源焦度镜片51的镜片焦度被布置和/或配置为当在确定步骤期间受试者接收视觉刺激时进行修改。此外,一旦控制单元15确定了这个值,该至少一个有源焦度镜片51的镜片焦度就被布置和/或配置为等于最优矫正。
在图8A和图8B的示例中,该至少一个有源焦度镜片51被嵌入旨在由受试者配戴的眼镜50中。
在这个示例中,这种眼镜50包括两个有源焦度镜片51,每个有源焦度镜片包括被布置和/或配置为由控制单元15进行修改的镜片焦度。
眼镜50进一步包括镜架52,该镜架固持这两个有源焦度镜片51。
有源焦度镜片51各自被嵌入眼镜50的玻璃上。
根据这个实施例,神经活动传感器11可以被包括在镜架52的镜腿上,或直接与受试者的头骨接触。为此目的,装置10可以包括电极110。
如图8A、图8B所示,装置10的电极110从眼镜50上展开,以便延伸到头部中的将可通到源自受试者的大脑的至少一个区域的神经信号的多个区域中。例如,眼镜50中所包括的装置10的电极110被布置和/或配置为记录源自受试者的大脑的枕叶区域的神经信号。例如,装置10被嵌入眼镜50的镜架52中、或在镜架52的终止于受试者耳朵后方的部分附近。
根据这个实施例,装置10不需要与屈光仪13结合使用。屈光仪13直接用眼镜50代替,该眼镜将能够经由控制单元15以类似于屈光仪13的方式改变每个有源焦度镜片51的镜片焦度。
装置10的控制单元15被配置为与屏幕12进行通信。例如,显示视觉刺激的屏幕12可以是定位在距眼镜50为2米或4米的距离处的计算机屏幕或智能手机屏幕。
眼镜50的每个有源焦度镜片51的镜片焦度都可以修改。为此目的,嵌入眼镜50中的装置10的控制单元15、存储器150和处理器与图2中使用屈光仪13的示例一样工作。
根据本披露内容的方法,控制单元15被配置为改变每个镜片51的镜片焦度。在实践中,装置10的控制单元15控制被测受试者的眼睛1透过其来接收视觉刺激的每个有源焦度镜片51的镜片焦度。优选地,镜片焦度的这种改变是基于对由神经传感器11记录的信号的神经活动的分析。
对每个神经信号的分析由嵌入眼镜50中的控制单元15的处理器实施。一旦确定了用户的最优矫正,眼镜50就将结果存储在存储器150中,并使用它来相应地矫正每个有源焦度镜片51的镜片焦度。
因此,不需要操作者来改变有源焦度镜片51的镜片焦度。屈光测量也可以由受试者直接进行,无需操作者的帮助。因此,该装置比图2中所披露的需要操作者帮助的装置10更加自主。
在图8B中,眼镜50仅包括一个控制单元15,该控制单元被配置和/或布置为控制每个有源焦度镜片51的镜片焦度的改变并且记录神经信号。在另一个实施例中,眼镜50包括与每个有源焦度镜片51相关联的控制单元12。
由装置10执行的方法可以被编程为在特定日期执行,例如每个月、或每年、每月等,和/或可以基于受试者的矫正的变化,例如在近视演变的情况下或在受试者老花的情况下。当控制单元15确定了最优矫正时,每个镜片51的镜片焦度都被改变为等于先前确定的最优矫正。
眼镜50可以包括不同类型的有源焦度镜片51,比如:
-本领域已知的Alvarez镜片,
-流体镜片,例如文献EP 2149537中披露的那些,
-基于液晶的有源镜片,例如文献EP 3115436中披露的使用蓝相态等的那些。
每个有源焦度镜片51可以是眼睛配戴物上的有源镜片。
在另一个实施例中,有源焦度镜片51被嵌入接触镜片中,例如文献US2020064658中披露的。因此,在这最后一个实施例中,眼镜50不包括任何镜架52。有源焦度镜片51被接触镜片直接保持在受试者的眼睛上。神经活动传感器11可以被包括在接触镜片中。此外,传感器可以包括电极110,这些电极可以无线连接到有源焦度镜片51。优选地,控制单元15被直接包括在每个接触镜片中。
在另一个实施例中,有源焦度镜片51可以是有源人工晶状体光学器件(IOL)。
由于每个有源焦度镜片51都与受试者的一只眼睛相关联,因此每个有源焦度镜片51的镜片焦度都可以类似且独立地变化。
在图5中示出了从针对透过具有不同焦度的相应镜片(总共八个不同镜片)观看闪烁的Gabor贴片的被测受试者,由电极110记录的神经信号得出的八个光谱信号。针对+1屈光度的镜片焦度获得了光谱信号S1,针对+0.75屈光度的镜片焦度获得了光谱信号S2,针对+0.5屈光度的镜片焦度获得了光谱信号S3,针对+0.25屈光度的镜片焦度获得了光谱信号S4,针对0屈光度的镜片焦度获得了光谱信号S5,针对-0.25屈光度的镜片焦度获得了光谱信号S6,针对-0.5屈光度的镜片焦度获得了光谱信号S7,并且针对-0.75屈光度的镜片焦度获得了光谱信号S8。在本示例中,0屈光度的镜片焦度指示了被测受试者在透过焦度与通过主观屈光检查获得的其屈光的最优矫正相对应的镜片观看视觉刺激。所给出的所有其他焦度都是与最优矫正的镜片焦度相比的相对焦度。
在图5中,每个光谱信号的形状都是相似的:每个光谱信号都包括以在范围[5Hz,25Hz]内、优选地[14Hz;15Hz]内的频率为中心的主峰,所述频率针对每个光谱信号最终都是不同的。
控制单元15能够比较所有光谱信号,并且找出S1至S8中哪个光谱信号展现出具有最大振幅A的峰。
这里,给出光谱信号的峰的最小振幅的镜片焦度是被测受试者透过其感知到最模糊视觉刺激的镜片。
如图5所示,镜片焦度减小得越多,受试者对视觉刺激的感知越好,并且因此对应光谱信号的峰的振幅越大,一直到某个镜片焦度给出光谱信号的峰的最高(或最大)振幅。这种最大振幅对应于被测受试者的大脑感知到最清晰的视觉刺激。然而,这种最清晰的感知对于受试者而言从长期来看不舒适,因为它意味着调节。
如图5所示,当镜片焦度减小到获得最大振幅的镜片焦度以下时,被测受试者对视觉刺激的感知下降并再次变得模糊,并且因此对应光谱信号的峰的振幅减小。这种现象是例如由于被测受试者无法用这个低镜片焦度进行充分调节的事实,或由于其他眼科限制。
在图5的示例中,展现出具有最小振幅的主峰的光谱信号是针对+1屈光度的镜片焦度所获得的光谱信号S1,并且展现出具有最大振幅的主峰的光谱信号是针对-0.5屈光度的镜片焦度所获得的光谱信号S7。用在+0.75D至-0.25D之间逐渐减小的镜片焦度获得的光谱信号S2至S6展现出其相应主峰的逐渐增加的振幅,而针对-0.75D的镜片焦度所获得的光谱信号S8展现出具有比最大振幅小的振幅的主峰。
如图5所示,从针对最优矫正(0D)记录的神经信号获得的光谱信号S5的振幅并不是针对光谱信号S7所获得的最大振幅。
图6是在对图5的光谱信号进行分析之后获得的。图6给出了图5的每个光谱信号的主峰的振幅A的值随导致所述光谱信号的镜片焦度(以屈光度或D为单位)的变化。
图7是以与图6类似的方式获得的,但是针对的是寻找其最优矫正的另一个被测受试者。换句话说,图7是在当所述另一个被测受试者正在其眼睛中透过范围从-0.75D至+1D的不同镜片焦度来接收视觉刺激(比如Gabor贴片)时记录所述另一个被测受试者的神经信号之后获得的。在图7中,0D的镜片焦度指示了被测受试者正在透过其参考镜片来观看视觉刺激,该参考镜片的焦度对应于其最优矫正的粗略估计,该粗略估计是例如通过开篇描述的客观屈光检查获得的。所给出的所有其他焦度都是与参考镜片焦度相比的相对焦度。
图6和图7分别用于以图表方式确定哪个镜片焦度对于相应被测受试者产生具有最大神经活动的神经信号,最大神经活动在这里被认为是所有光谱信号中的最大振幅。
在本发明中,“最大”被定义为高于周围的两个点。换句话说,针对给定镜片焦度所记录的神经信号仅在其示出了比针对给定镜片焦度周围的更小和更大镜片焦度所记录的神经信号更多的神经活动时,展现出最大神经活动。
当然,控制单元15不需要以图表方式确定最大值,并且可以仅基于计算来确定最大值。图6和图7直观地帮助读者来理解神经活动随镜片焦度变化的演变,并理解所述最大神经活动的确定。
一旦找出最大神经活动,控制单元15的处理器151就确定降低的神经活动,该降低的神经活动应当对应于在尽可能少的调节的情况下或在根本没有调节的情况下感知到视觉刺激。换句话说,该处理器确定在没有眼睛的调节反应的情况下应获得的降低的神经活动。换句话说,该处理器确定,降低的神经活动对应于从最大神经活动中消除由与眼睛的所述调节反应有关的神经伪影引起的神经活动。
在该装置的第一有利实施例中,确定降低的神经活动是基于用与眼睛的调节反应相关联的预定因子k来矫正最大神经活动。这里,因子k与引起被测受试者的神经伪影的调节相关联。换句话说,因子k矫正与由与调节相关的神经伪影引起的附加神经活动。
在实施本发明的方法之前确定因子k。例如,因子k被存储在控制单元15的存储器150中。
优选地,因子k是恒定值,小于或等于1。优选地,因子k的值严格小于1。
因子k的值取决于确定神经活动所基于的神经信号的(多个)特征。特别地,当指示神经活动的神经信号的特征是光谱信号的峰的振幅A时,因子k是在0.2与0.95之间、优选地在0.6与0.95之间、更优选地在0.7与0.9之间选择的恒定值。因子k可以尤其地等于0.2、0.25、0.3、0.35、0.4、0.45、0.5、0.55、0.6、0.65、0.7、0.75、0.8、0.85、0.9或0.95。
在第一替代方案中,k在所有个体中是固定的。
在第二替代方案中,因子k可以因人口分段的不同而不同。例如,人口分段可以基于年龄:针对为儿童的被测受试者的因子k与针对为青年人的被测受试者的因子k不同,并且与针对为老年人的被测受试者的因子k也不同。作为补充或替代,人口分段可以基于受试者的不同眼睛缺陷,比如屈光不正。
由于当涉及调节时获得了最大神经活动,因此当调节能力接近于零时因子k的值更加接近于1。换句话说,当受试者具有很小的调节能力剩余或没有调节能力剩余时,与当受试者展现出很大的调节能力时相比,因子k应更大。
在实践中,为了确定将补偿受试者的与眼睛的调节反应的开始相关联的神经伪影的因子k值,可以实施以下步骤:
c1)选择已知了其最优矫正的一组受试者;
c2)针对每个受试者,
-当受试者的至少一只眼睛透过包括最优矫正的镜片焦度在内的相继的不同镜片焦度接收视觉刺激时,记录受试者的相继的神经信号,
-分析所记录的每个神经信号的神经活动,从其推导出所记录的示出了最大神经活动的神经信号,以及
-将最大神经活动与针对最优矫正的镜片焦度所记录的神经信号的神经活动进行比较;以及,
c3)从针对每个受试者实施的神经活动比较步骤中推导出因子k。
更准确地说,在步骤c1)中,该组可以包括至少10个受试者、优选地20个或更多个受试者。当然,该组受试者优选地不包括被测受试者。
在步骤c1)中,该组中每个受试者的每只眼睛的真实且精确的最优矫正都已经知晓,例如通过开篇描述所述的主观屈光检查。
在步骤c1)中,如果因子k在所有个体中是固定的,则优选地随机选择该组的受试者。
相反,在步骤c1)中,如果因子k因人口分段的不同而不同,则优选地基于他们共同具有的特征来选择该组的受试者。换句话说,该组的受试者被选择为代表相关的人口分段。例如,受试者可以具有给定的范围内的相同年龄:他们可以都在5至15岁之间,或在15至25岁之间,或在25至40岁之间,等等。替代地或作为补充,如果受试者具有相同的参考镜片焦度或相同的最优矫正,则他们被选择为同一组的一部分。替代地或作为补充,如果受试者都具有相同的眼睛缺陷,则他们被选择为同一组的一部分。
在步骤c2)中,该组的每个受试者被单独地测试,以便记录当他透过具有不同焦度(包括所述受试者的最优矫正的焦度)的不同镜片接收视觉刺激时他生成的神经信号。
然后确定示出了最大神经活动的神经信号。
在步骤c3)中,然后将最大神经活动与针对最优矫正的镜片焦度所获得的神经活动进行比较,从其推导出因子k。
更准确地说,在步骤c2)和c3)的第一替代方案中,确定最大神经活动是以与上文参考图5和图6所解释的类似的方式来完成的。换句话说,对神经活动的分析包括光谱分析,其中更高的神经活动与光谱神经信号中主峰的更高振幅相匹配。在这个替代方案中,最大神经活动与针对最优矫正所获得的神经活动之间的比较包括对应光谱信号的振幅的比较。
从这个比较中确定个性化因子ki,并且补偿给定受试者的调节反应。
更准确地说,个性化因子ki可以从以下公式中获得
其中,A最大是从所有光谱信号中获得的最大振幅,并且A最优是与受试者的最优矫正的镜片相对应的光谱信号的振幅(见图6)。
然后,因子k本身是从对针对每个受试者确定的所有个性化因子ki的比较中推导出的。换句话说,因子k是基于对光谱信号的振幅的所述比较,是针对每个受试者实施的。
例如,因子k可以是针对该组受试者所获得的最大个性化因子ki。替代地,因子k可以是所有个性化因子ki的平均值。
在步骤c2)和c3)的第二替代方案中,分析、比较和推导的操作是通过机器学习来实施的。更准确地说,机器学习算法允许将每个测试的镜片焦度与对应的神经活动相关联,并且确定在最大神经活动与用最优矫正获得的神经活动之间的关系,并且从这个相关性中推导出因子k。如果对实施第一替代方案时获得的个体化因子ki中发现了很大的可变性,则这种替代方案是优选的。如果是,则针对每个受试者以及针对每个镜片焦度所获得的所记录的神经信号被提供给机器学习算法,该机器学习算法推导出必须对神经信号的哪个特征进行分析以找出最大神经活动,并且确定因子k,该因子k允许将针对与最优矫正相对应的镜片焦度所获得的神经信号和示出了最大神经活动的神经信号进行比较。例如,这种机器学习算法包括用大量数据(神经信号和包括最优矫正的对应镜片焦度)训练的人工神经网络,以使所述人工神经网络找出:
1.神经活动的确定和/或分类所基于的神经活动的特征,以及,
2.可以将最大神经活动与用最优矫正获得的神经活动进行比较所根据的因子k。
既然我们已解释了可以如何确定因子k,我们将解释可以如何使用因子k来确定降低的神经活动,然后推导出对受试者的屈光的最优矫正。
在图7中以图表方式表示了这种确定。
在本示例中,神经活动是通过光谱信号中主峰的振幅来获得的,处理器151对通过对所有光谱信号进行分析而找出的最大振幅A最大应用因子k,并且因此找出降低的振幅A(降低):
A(降低)=k*A最大。
被测受试者的屈光的最优矫正对应于受试者记录所述降低的神经活动的神经信号时所用的镜片焦度。
要注意的是,降低的神经活动可以是所记录的神经信号之一的神经活动,或者可以是外推得到的神经信号的神经活动。在本示例中,如图7所示,降低的神经活动对应于神经信号之一的神经活动。
一旦处理器151确定了被测受试者的与最大神经活动相关联的神经信号并且通过因子k计算出降低的神经活动,处理器151就找出将使得神经信号展现出这种降低的神经活动的对应的镜片焦度。
更准确地说,在本示例中,神经活动是通过光谱信号中主峰的振幅来获得的,处理器151推导出哪个镜片焦度应给出光谱信号的降低的振幅A(降低)。例如,无论降低的神经活动是外推得到的神经信号的神经活动还是所记录的神经信号的神经活动,与计算出的降低的振幅相对应的镜片焦度可以容易地在图7中读出。
所获得的镜片焦度是被测受试者的最优矫正。
如图7所示,另一个被测受试者的最优矫正在这里对应于焦度为+0.5D(与这里用0D所指示的参考镜片焦度相比)的镜片。要注意的是,最优矫正必须是焦度大于导致最大振幅的镜片焦度的镜片。在图7中,确认的是,最优矫正既不是与所述最优矫正的粗略估计相对应的参考镜片焦度,也不是产生光谱信号中的最大振幅的镜片焦度。
图1示出了本发明的用于客观地确定被测受试者的屈光的最优矫正的方法的主要步骤。
更准确地说,该方法包括以下步骤:
a)为被测受试者的所述眼睛1提供相继的不同镜片焦度,并且在被测受试者的所述眼睛1透过每个镜片焦度接收视觉刺激时记录被测受试者的对应的相继的神经信号,直到所记录的与镜片焦度之一相对应的神经信号示出了与所记录的所有其他神经信号相比的最大神经活动(框E2至E5),以及,
b)确定受试者的眼科屈光的最优矫正是如下镜片焦度:透过该镜片焦度,受试者展现出示出了与步骤a)的最大神经活动相比给定的降低的神经活动的神经信号(框E6和E7)。
该方法可以通过本发明的装置10以及屈光仪13和用于显示上文所述的视觉刺激的屏幕12来实施。
更准确地说,控制单元15的处理器151可以被配置为实施下文所述的本发明的方法的计算步骤。
例如,步骤a)由屈光仪13实施,最终由控制单元15控制,并且神经信号被记录在存储器150中并被处理器151分析。在步骤b)中,控制单元15的处理器151确定降低的神经活动的神经信号。
步骤a)
步骤a)有必要在步骤b)之前实施。
在步骤a)中,要求受试者优选地仅用一只眼睛透过具有不同焦度的不同镜片来观看视觉刺激。受试者应测试至少3个具有不同焦度的不同镜片(图1的框E2)。
为此,在受试者的眼睛前方相继地放置具有相应的第一、第二和第三焦度的第一、第二和第三镜片L1、L2和L3。当被测受试者看向视觉刺激时,例如神经传感器11相继地检测相应的神经信号。检测到的每个神经信号都被记录,例如记录在存储器150中。
如图1的框E3所示,然后对每个神经信号的神经活动进行分析,以便找出是否已达到最大值,同时考虑一个点只有在被两个更小值围绕时才可以被认为是最大值。例如,如果这三个镜片焦度为第一镜片L1的焦度小于第二镜片L2的焦度,而该第二镜片的焦度本身小于第三镜片L3的焦度,则仅在用第二镜片L2获得的神经活动大于用第一镜片L1获得的神经活动并且大于用第三镜片L3获得的神经活动时,才达到最大神经活动。
如上文所解释的,受试者的与一个镜片焦度相关联的神经活动是通过提取针对所述镜片焦度所记录的神经信号的至少一个特征来确定的。
这里,神经信号中给出了对神经活动的指示的特征是从所记录的神经信号中得出的光谱信号的振幅。更高的神经活动与光谱信号的更高振幅相匹配。更具体地说,神经活动是从在光谱信号中所展现出的主峰的振幅值推导出的。
如果已达到最大值,则该方法继续进行步骤b)(图1的框E6和E7)。
如果尚未达到最大值,则测试另一个镜片,其焦度不同于先前测试的焦度(图1的框E4)。
因此,该另一个镜片被放置在受试者的眼睛前方,并且对应的神经信号被神经传感器11检测并且记录,以进行其进一步分析。
再次,分析是否已达到最大神经活动(图1的框E5)。如果是,则该方法继续进行步骤b)(框E6和E7)。如果不是,则该方法继续进行框E4和E5的迭代,以便测试另一个展现出新焦度的镜片。重复框E4和E5的迭代,直到达到最大神经活动。
优选地,在为被测受试者的眼睛1提供镜片时(框E2和E4),两个连续测试的镜片焦度之间的屈光度阶差被包含在0.1至0.5D之间,例如是0.25D。在本发明中,“连续”用于比较多个镜片的焦度,而不一定是将所述镜片焦度提供给被测受试者的瞬间,而“相继”一词用于比较所述镜片焦度提供给被测受试者的瞬间。
优选地,提供给被测受试者的眼睛1的每个连续镜片焦度是基于参考镜片焦度来选择的,如先前解释的,该参考镜片焦度是对被测受试者的最优矫正的粗略估计。如开篇所解释的,这种参考镜片焦度可以通过客观屈光检查来获得。例如,可以在实施该方法之前的步骤中确定参考镜片焦度(图1的框E1)。参考镜片焦度也可以是对被测受试者的先前矫正。
更准确地说,当两个连续镜片焦度接近参考镜片焦度时,与当这些镜片焦度远离参考镜片焦度时相比,这些镜片焦度之间的屈光度(D)阶差优选地更小。例如,当焦度与参考镜片焦度相比大于或等于±1D时,两个连续镜片焦度之间的阶差是0.5D,并且当镜片焦度与参考镜片焦度相比小于±1D时,该阶差是0.25或甚至0.1D。
事实上,针对展现出接近参考镜片焦度的焦度的镜片所获得的神经信号更有可能展现出最大神经活动。因此,测试彼此接近的镜片焦度将提高在确定最大神经活动时的精度。
根据本发明的方法的一个有利特征,在框E2和E4中放置在受试者的眼睛前方的每个相继镜片的焦度不是随机选择的,而是以特定顺序选择的。
更具体地说,提供给被测受试者的眼睛1的镜片焦度是相继地越来越小的,提供给眼睛的第一镜片焦度是使受试者的视力模糊的镜片焦度。换句话说,第一镜片焦度优选地被选择为具有比受试者的参考镜片焦度大的屈光度,例如,与参考镜片焦度相比+2或+1屈光度。
为了分析神经信号之一是否达到最大神经活动,并且知晓了放置在受试者的眼睛1的前方的相继镜片展现出越来越小的焦度,将所记录的最后神经信号的神经活动与先前刚刚记录的神经信号的神经活动进行比较就足够了。因此认为,当先前刚刚记录的神经信号比所记录的最后神经信号示出了更多的神经活动时,达到最大神经活动,所述先前刚刚记录的神经信号是示出了最大神经活动的神经信号。
根据本发明的方法的一个有利特征,下一个放置在受试者的眼睛前方的镜片的焦度是由脑机接口确定的,该镜片焦度基于对先前记录的神经信号的神经活动的分析而自动改变。所谓“自动”,是指除了机器之外,没有人操作镜片的更换,并且这种操作是基于对先前记录的神经信号的分析。有利地,对两个相继记录的神经信号的分析和比较是足够快的、实时地完成,也就是说在1分钟内完成,例如在大约30秒内完成。如图6所示,通过绘制神经活动(这里为光谱信号的峰的振幅)随镜片焦度的变化,可以对两个相继的神经信号及其相应的神经活动进行比较。也可以通过计算来对两个相继的神经信号及其相应的神经活动进行比较。
因此,根据本发明的方法的屈光检查(用由脑机接口驱动的自动屈光仪实施)可以在全局上花费大约10分钟,也就是说比花费15至20分钟的主观屈光检查短得多。
一旦找出最大神经活动,步骤a)就可以停止,并且步骤b)开始(图1的框E6和E7)。
步骤b)
一旦找出最大神经活动,就从所述最大神经活动来确定降低的神经活动。
例如,通过基于与眼睛的调节反应相关联的因子k来矫正最大神经活动,而确定给定的降低的神经活动,如上文关于本发明的装置所解释的。
换句话说,对所述最大神经活动应用矫正因子k(图1的框E6),以便找出如果大脑不展现出任何由于调节而产生的神经伪影则将获得的降低的神经活动。
例如,在实施该方法之前,将因子k提供给控制单元15的存储器150。
在实践中,将因子k应用于最大神经活动的确定所基于的神经信号的特征。这里,将因子k乘以从对光谱信号的分析中获得的最大振幅A最大,以便得到降低的振幅A(降低):
A(降低)=k*A最大
在步骤b)之前的步骤中预先确定因子k,优选地在实施本发明的方法之前,以上文关于该装置所解释的方式。
如在对该装置的说明中所解释的,因子k是恒定值,该恒定值取决于神经活动的确定所基于的神经信号的特征。
例如,当指示神经活动的神经信号的特征是光谱信号的峰的振幅时,因子k是在0.6与0.95之间、优选地在0.7与0.9之间选择的恒定值。因子k可以尤其等于0.6、0.65、0.7、0.75、0.8、0.85、0.9或0.95。
此外,因子k可以取决于受试者的年龄和/或受试者的眼睛的缺陷(比如屈光不正)。
降低的神经活动可以是所记录的神经信号之一的神经活动,或者可以是外推得到的神经信号的神经活动。
换句话说,展现出降低的神经活动的神经信号(这里被认为是在光谱信号中展现出降低的振幅A降低的神经信号)可以是所记录的神经信号之一,或者是从所述记录的神经信号外推得到的。所谓外推,是指从记录的神经信号中推导出神经信号,尽管它未被记录。例如,这种外推可以是图表或数学外推。
例如基于图7,然后可以推导出哪个镜片焦度将给出降低的神经活动的这种神经信号(图1的框E7)。这种镜片焦度是被测受试者的屈光的最优矫正。
因此,归功于本发明的方法和装置,即使被测受试者对其感知不确定,也能客观地识别出对被测受试者的最佳矫正。
本发明不限于上文所述的内容。
特别地,在本发明的方法和装置的第二有利实施例中,控制单元15可以适于进一步提供机器学习算法。
可以尤其地使用这种机器学习算法来在步骤b)中提供降低的神经活动以及将导致这种降低的神经活动的镜片焦度两者(图1的框E6和E7)。
当看起来因子k因个体的不同而很不同时,这种第二实施例是特别有意义的。
机器学习算法能够处理非常复杂的神经信号,然后将所述神经信号与最优矫正和/或在受试者的大脑中引起神经伪影的眼睛调节反应相关联。
更准确地说,机器学习算法将观察到的数据点的训练集作为输入,来“学习”数据结构,比如等式、一组规则或一些其他的数据结构。然后,可以使用这个学习到的数据结构或统计模型进行关于训练集的归纳或关于新数据的预测。如本文使用的,“统计模型”是指任何学习到的和/或统计的数据结构,其建立或预测两个或更多个数据参数(例如,输入与输出)之间的关系。尽管以下参考神经网络对本发明进行了描述,但根据本发明可以采用其他类型的统计模型。例如,训练数据集的每个数据点可以包括与数据点中的另一个值相关或预测该另一个值的一组值。
这里,机器学习算法是用针对许多受试者记录的多组神经信号集来训练的,这些受试者的眼睛被提供了相继的不同镜片焦度并且其最优矫正是已经精确已知的,例如因为它是通过主观屈光检查来确定的。
在本发明中,机器学习算法可以被配置为将提供给机器学习算法的每个所记录的神经信号的神经活动与受试者的屈光的最优矫正的神经活动相关联。换句话说,机器学习算法的输入可以是针对被测受试者的所记录的神经信号,包括展现出最大神经活动的神经信号,并且输出可以是展现出给定的神经活动的神经信号,该给定的神经活动是受试者的最优矫正的表征。这里,给定的神经活动被机器学习算法确定为与最大神经活动相比降低的神经活动。降低的神经活动是对于受试者在没有调节或尽可能少的调节的情况下清晰地看到视觉刺激的表征。
控制单元15的所述机器学习算法可以是基于长短期记忆(LSTM)技术或卷积神经网络(CNN)。
LSTM技术是递归神经网络(RNN)的一部分。经典RNN技术包括整理成相继的层的神经节点网络。给定层中的每个节点(也称为神经元)都与下一层的每个节点单向连接。这个结构允许在神经网络中考虑先前时刻,因为以前时刻t-1的第一层与当前时刻t的第二层相连。这个第二层也与随后时刻t+1的第三层相连,以此类推,有多个层。考虑在以前时刻提供的信号,作为输入而提供的每个信号因此以时间方式进行处理。
CNN技术使用这些信号作为图像,而不是以时间方式。这多个所获取的信号以在给定测试期间获取的所有数据被一次性处理。然后对于用这多个所获取的信号获得的图像来应用图像处理数学运算,例如卷积积分,以确定机器学习算法的输出。
机器学习算法可以包括定义了确定规则的指导模型,所述指导模型被配置为指导机器学习算法的预测。这些规则可以包括在所记录的展现出最大神经活动的神经信号与针对受试者的最优矫正所获得的所记录的神经信号之间的子相关性。例如,这个指导模型可以提出,在展现出最大神经活动的神经信号与用最优矫正获得的神经信号之间特定特征的给定变化必须与调节的变化(从很少的调节反应到没有或几乎没有调节反应)相关联,并且因此必须与屈光的最优矫正相关联。在另一个示例中,指导模型可以提出,在展现出最大神经活动的所述神经信号与用最优矫正获得的所述神经信号之间特定特征的变化的预定组合意味着调节的变化(从很少的调节反应到没有或几乎没有调节反应),并且因此意味着已经找出了屈光的最优矫正。这个指导模型允许使机器学习所完成的相关变得简单,并且因此既减少了这种相关所花费的时间又改进了其准确性。
控制单元15可以使用已经训练好的机器学习算法,即机器学习算法的神经网络已经包括被配置为提供所记录的展现出最大神经活动的神经信号与应是表征最优矫正的神经信号的神经活动的神经信号之间的相关性的一个等式或一组规则。替代地,控制单元15被配置为训练机器算法以确定这种相关性。
对机器学习算法的训练优选地通过为算法提供与已知了其最优矫正的一组初始受试者有关的多个所记录的神经信号来执行。所谓“初始受试者”,是指参与机器学习算法的学习的受试者。换句话说,初始受试者提供了允许机器学习算法将所记录的神经信号与提供给受试者的每个镜片焦度相关的数据、特别是将所记录的所有神经信号中的最大神经活动与同最优矫正相关联的神经信号的降低的神经活动相关的数据。相反,“被测受试者”是指基于机器学习算法对其执行最优矫正的确定、即可以基于所记录的神经信号对其执行其最优矫正的预测的受试者。
这个训练重复多次,以使算法更加准确。作为示例,训练该算法可能意味着至少一百个初始受试者、优选地一千个初始受试者。
Claims (15)
1.一种用于客观地确定受试者的眼科屈光的最优矫正的方法,包括以下步骤:
a)为所述受试者的眼睛提供相继的不同镜片焦度,并且在所述受试者的所述眼睛透过每个镜片焦度接收视觉刺激时记录所述受试者的对应的相继的神经信号,直到所记录的与所述镜片焦度之一相对应的神经信号示出了与所记录的所有其他神经信号相比的最大神经活动,以及,
b)确定所述受试者的眼科屈光的最优矫正是如下镜片焦度:透过所述镜片焦度,所述受试者展现出示出了与步骤a)的最大神经活动相比给定的降低的神经活动的神经信号。
2.如权利要求1所述的方法,其中,在步骤b)中,所述给定的降低的神经活动是通过基于与所述受试者的所述眼睛的调节反应的开始相关联的预定因子k来矫正所述最大神经活动而确定的。
3.如权利要求1和2中任一项所述的方法,其中,在步骤a)中:
-提供给所述受试者的眼睛的这些镜片焦度是相继地越来越小的,提供给所述眼睛的第一镜片焦度是使所述受试者的视力模糊的镜片焦度,
-将所记录的最后神经信号的神经活动与先前刚刚记录的神经信号的神经活动进行比较,
-当所述先前刚刚记录的神经信号比所记录的最后神经信号示出了更多的神经活动时,步骤a)停止,所述先前刚刚记录的神经信号是示出了最大神经活动的神经信号。
4.如权利要求1至3中任一项所述的方法,其中,在步骤a)中,提供给所述受试者的所述眼睛的每个相继镜片焦度是基于参考镜片焦度来选择的,所述参考镜片焦度是对所述受试者的最优矫正的粗略估计。
5.如权利要求4所述的方法,其中,每个镜片焦度是以屈光度(D)为单位来给出的,并且其中,当两个连续镜片焦度接近所述参考镜片焦度时,与当这些镜片焦度远离所述参考镜片焦度时相比,这些镜片焦度之间的屈光度阶差更小。
6.如权利要求1至5中任一项所述的方法,其中,步骤a)由脑机接口实施,所述镜片焦度基于对先前记录的神经信号的神经活动的分析而自动改变。
7.如权利要求1至6中任一项所述的方法,其中,在步骤b)中,示出了所述降低的神经活动的所述神经信号是所记录的神经信号之一,或者是从所述所记录的神经信号外推得到的。
8.如权利要求2至7中任一项所述的方法,其中,因子k是通过以下步骤来确定的:
c1)选择已知了其最优矫正的一组受试者,
c2)针对每个受试者,
-当所述受试者的至少一只眼睛透过包括所述最优矫正的镜片焦度在内的相继的不同镜片焦度接收视觉刺激时,记录所述受试者的相继的神经信号,
-分析所记录的每个神经信号的神经活动,并且推导出所记录的哪个神经信号示出了最大神经活动,
-将所述最大神经活动与针对所述最优矫正的镜片焦度所记录的所述神经信号的神经活动进行比较,
c3)从针对每个受试者实施的神经活动比较步骤中推导出因子k。
9.如权利要求8所述的方法,其中,在步骤c2)和c3)中,所述分析、比较和推导的操作是通过机器学习来实施的。
10.如权利要求1至9中任一项所述的方法,其中,所述受试者的与一个镜片焦度相关联的神经活动是通过提取针对所述镜片焦度所记录的神经信号的至少一个特征来确定的。
11.如权利要求10所述的方法,其中,所述特征是从所述所记录的神经信号得出的光谱信号的振幅,并且其中,更高的神经活动与所述光谱信号的更高振幅相匹配。
12.一种用于客观地确定受试者的眼科屈光的最优矫正的装置(10),包括
-至少一个神经传感器(11),用于检测源自所述受试者的大脑的至少一个区域的神经信号,所述神经信号与所述受试者的眼睛的视敏度相关,
-控制单元(15),所述控制单元适于
a)当所述受试者的至少一只眼睛(1)透过相继的不同镜片焦度接收视觉刺激时,记录所述受试者的相继的神经信号,直到所记录的神经信号之一示出了与所记录的所有其他神经信号相比的最大神经活动,
b)确定所述受试者的眼科屈光的最优矫正对应于如下镜片焦度,透过所述镜片焦度,所述受试者展现出示出了与在步骤a)中获得的最大神经活动相比给定的降低的神经活动的神经信号。
13.如权利要求12所述的装置(10),还包括由所述控制单元(15)控制的自动屈光仪(13),用于取决于对先前记录的神经信号的神经活动的分析来自动改变所述受试者的眼睛(1)透过其来接收所述视觉刺激的所述镜片(L1,L2;L3;L4,L5)的焦度。
14.如权利要求12和13中任一项所述的装置(10),其中,所述神经传感器(11)包括至少3个电极(110),这些电极被定位在所述受试者的后脑勺上并嵌入椅子(2)的头枕中,以便记录源自所述受试者的大脑的枕叶区域的神经信号。
15.如权利要求12所述的装置,其中,所述装置(10)包括至少一个有源焦度镜片(51),所述有源焦度镜片的焦度被所述控制单元(15)驱动,用于取决于对先前记录的神经信号的神经活动的分析来提供所述受试者的眼睛(1)透过其来接收所述视觉刺激的所述不同镜片焦度。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP21305678 | 2021-05-25 | ||
EP21305678.1 | 2021-05-25 | ||
PCT/EP2022/064116 WO2022248505A1 (en) | 2021-05-25 | 2022-05-24 | Method and device for objectively determining the optimal correction of an ophthalmic refraction of a subject |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117377422A true CN117377422A (zh) | 2024-01-09 |
Family
ID=76325469
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280037512.8A Pending CN117377422A (zh) | 2021-05-25 | 2022-05-24 | 用于客观地确定受试者的眼科屈光的最优矫正的方法和装置 |
Country Status (5)
Country | Link |
---|---|
EP (1) | EP4346550A1 (zh) |
JP (1) | JP2024521171A (zh) |
KR (1) | KR20240013121A (zh) |
CN (1) | CN117377422A (zh) |
WO (1) | WO2022248505A1 (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4697598A (en) * | 1985-04-25 | 1987-10-06 | Westinghouse Electric Corp. | Evoked potential autorefractometry system |
US4706679A (en) * | 1986-01-27 | 1987-11-17 | Westinghouse Electric Corp. | Disposable monitor for an EEG head set |
US4953968A (en) * | 1986-08-06 | 1990-09-04 | Westinghouse Electric Corp. | Automated visual assessment system with steady visual evoked potential stimulator and product detector |
US6619799B1 (en) * | 1999-07-02 | 2003-09-16 | E-Vision, Llc | Optical lens system with electro-active lens having alterably different focal lengths |
EP2149537A1 (en) | 2008-07-28 | 2010-02-03 | Essilor International (Compagnie Générale D'Optique) | Linear fluidic actuator |
EP3115436A1 (en) | 2015-07-08 | 2017-01-11 | Essilor International (Compagnie Generale D'optique) | Method for obtaining a material comprising a liquid crystal mix with a stabilized blue phase and optical article comprising this material |
US20200064658A1 (en) | 2018-08-24 | 2020-02-27 | Johnson & Johnson Vision Care, Inc. | Load balancing ophthalmic operations method and system |
-
2022
- 2022-05-24 CN CN202280037512.8A patent/CN117377422A/zh active Pending
- 2022-05-24 JP JP2023572922A patent/JP2024521171A/ja active Pending
- 2022-05-24 WO PCT/EP2022/064116 patent/WO2022248505A1/en active Application Filing
- 2022-05-24 EP EP22728641.6A patent/EP4346550A1/en active Pending
- 2022-05-24 KR KR1020237040466A patent/KR20240013121A/ko active Search and Examination
Also Published As
Publication number | Publication date |
---|---|
WO2022248505A1 (en) | 2022-12-01 |
JP2024521171A (ja) | 2024-05-28 |
EP4346550A1 (en) | 2024-04-10 |
KR20240013121A (ko) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7229302B2 (ja) | ライトフィールドプロセッサシステム | |
US9220405B2 (en) | System and method for evaluating ocular health | |
AU2009322076B2 (en) | Pupillary assessment method and apparatus | |
EP3626157A1 (en) | Eyeglass prescription method and system | |
JP6527504B2 (ja) | 小児の眼の屈折特性を測定する方法及びシステム | |
JP2007531559A5 (zh) | ||
JP2007531559A (ja) | 波面収差を解析するシステムおよび方法 | |
JP2019533516A (ja) | 予測自覚屈折データまたは予測矯正値を確定するための装置およびコンピュータプログラム | |
KR20220024411A (ko) | 눈 테스트 | |
CN111918601A (zh) | 用于表征物体视觉系统的方法和系统 | |
CN114340472B (zh) | 调节和聚散度的联合确定 | |
US20240148245A1 (en) | Method, device, and computer program product for determining a sensitivity of at least one eye of a test subject | |
CN117377422A (zh) | 用于客观地确定受试者的眼科屈光的最优矫正的方法和装置 | |
AU2021221240B2 (en) | Detecting and correcting a variation of current refractive error and of current accommodation amplitude of a person | |
US20220395174A1 (en) | Apparatus and method for measuring at least one visual refraction feature of a subject | |
CN115209786A (zh) | 用于确定适于受试者眼睛的至少一个矫正镜片的光学特征的主观值的系统和相关联方法 | |
EP3888525A1 (en) | Method and computer programs to characterize eye accommodation | |
Chen et al. | Application of brain wave signal in anisometropia examination | |
US20220087522A1 (en) | Methods and Apparatus for Addressing Presbyopia | |
US20240074699A1 (en) | System and Method for Quantification and Feedback of Eye Deviations | |
Chenguiti | Towards an objective refraction via EEG recording of brain activity | |
Wei et al. | Unobtrusive Refractive Power Monitoring: Using EOG to Detect Blurred Vision | |
KR20230049657A (ko) | 피험자의 불쾌 및/또는 불능 눈부심을 평가하기 위한 디바이스 및 방법 | |
WO2024095261A1 (en) | System and method for diagnosis and treatment of various movement disorders and diseases of the eye | |
Labhishetty | Accommodative lags and leads: Fact or fiction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |