JP2018130205A - 眼科装置及び眼科測定方法 - Google Patents

Abstract

【課題】被検眼の眼特定を自動で測定できる状況を拡げ、測定性能を向上させることができる眼科装置及び眼科測定方法を提供する。
【解決手段】眼科装置１００は、被検眼の眼特性を測定する眼特性測定部１６、眼特性測定部１６で測定を行ったときの測定条件を取得する測定条件取得部１７、所定の測定シーケンスに沿って眼特性測定部１６を制御する制御部４０、所定の測定手順では眼特性の測定が行えない状況での測定条件データに基づいて、測定が行えない状況を回避するエラー回避情報を生成する学習部６を備える。制御部４０は、所定の測定シーケンスで被検眼の眼特性を測定し、所定の測定シーケンスでは測定が行えない状況となったとき、学習部６で作成したエラー回避情報に基づいて眼特性測定部１６を制御して、被検眼の眼特性の測定を行う。
【選択図】図２

Description

本発明は、眼科装置及び眼科測定方法に関する。

眼科装置では、被検眼に対する測定光学系の位置を自動で調整するオートアライメントを行うものが提案されている（例えば、特許文献１参照）。この眼科装置は、オートアライメントされた測定光学系により、自動で被検眼の眼屈折力や角膜形状等の眼特性（光学特性）を測定（検査）する。

特開２０１６−４９２８３号公報

ところで、上記した従来の眼科装置では、疾病等により被検眼の状態が特殊である等によりオートアライメントが行えなかったり、オートアライメントは成功しても露光不足等を生じたりして、眼特性を自動で測定できない状況がある。ここで、従来の眼科装置は、予め定められた測定手順に沿って自動で測定を行っているので、上記した状況に対しては何度実行しても自動で測定できない可能性が高い。このため、従来の眼科装置では、被検眼の眼特性を自動で測定できる状況に制限が生じてしまう。

本発明は、上記の事情に鑑みて為されたもので、被検眼の眼特定を自動で測定できる状況を拡げ、測定性能を向上させることを目的とするものである。

上記の目的を達成するため、本願に係る眼科装置は、被検眼の眼特性を測定する眼特性測定部と、前記眼特性測定部で測定を行ったときの測定条件を取得する測定条件取得部と、予め定められた測定手順に沿って前記眼特性測定部を制御する制御部と、前記測定手順では眼特性の測定が行えない状況での前記測定条件に基づいて、測定が行えない状況を回避する学習測定条件を生成する学習部と、を備え、前記制御部は、前記測定手順では前記被検眼の眼特性の測定が行えない状況となったとき、前記学習部で作成した前記学習測定条件から前記状況に対応する学習測定条件を抽出し、該学習測定条件に基づいて前記眼特性測定部を制御して、前記被検眼の眼特性の測定を行うことを特徴とする。

また、本願に係る眼科測定方法は、上記眼科装置で行われる眼科測定方法であって、予め定められた測定手順に沿って被検眼の眼特性を測定する工程と、前記眼特性を測定するときの測定条件を取得する工程と、眼特性の測定が行えない状況での前記測定条件に基づいて、測定が行えない状況を回避する学習測定条件を生成する工程と、前記眼特性の測定が行えない状況となったときに、前記学習測定条件を生成する工程で生成された前記学習測定条件から、前記状況に対応した前記学習測定条件を抽出し、該学習測定条件に基づいて前記被検眼の眼特性を測定する工程と、を有することを特徴とする。

本発明によれば、被検眼の眼特定を自動で測定できる状況を拡げ、測定性能を向上させることが可能となる。

実施例１に係る眼科装置の全体構成を示す概略図である。 図１の眼科装置の機能構成の一例を示す機能ブロック図である。 図１の眼科装置本体のシステム構成の一例を示すブロック図である。 図１の眼科装置本体の光学的な構成の一例を示す説明図である。 図１の眼科装置本体で実行される眼特性測定処理（眼特性測定方法）の流れを示すフローチャートである。 図１のクラウドサーバで実行される学習処理（学習方法）の流れを示すフローチャートである。 図６Ａのデータ蓄積処理の流れを示すフローチャートである。 図６Ａの学習処理の流れを示すフローチャートである。 図６Ａの人工知能エンジン配信処理の流れを示すフローチャートである。 ニューラルネットワークを応用して学習された人工知能エンジンの構成例を示す。

以下に、本開示に係る眼科装置の実施の形態について図面を参照しつつ説明する。

実施例１に係る眼科装置１００は、クラウドコンピューティングサービスを利用して構築され、図１に示すように、クラウド２上に設けられたクラウドサーバ３と、複数の眼科装置本体１０とが、通信ネットワーク１を介して相互に接続されている。

通信ネットワーク１は、クラウドサーバ３と眼科装置本体１０との接続を制御するものであれば、特に限定されることはない。通信ネットワーク１として、例えば、インターネット等の公衆電話回線、専用電話回線、光通信回線、ＰＡＮ（Personal Area Network）、ＬＡＮ（Local Area Network）、ＭＡＮ（Metropolitan Area Network）、ＷＡＮ（Wide Area Network）、Ｗｉｍａｘ（Worldwide Interoperability for Microwave Access）、携帯電話網等の無線ネットワーク等を用いることができる。

次に、クラウドサーバ３及び眼科装置本体１０の機能について、図２の機能ブロック図を参照して説明する。この図２に示すように、クラウドサーバ３は、例えばデータセンター４に設置されている。

クラウドサーバ３は、記憶部５と学習部６とを有している。記憶部５は、眼科装置本体１０から通信ネットワーク１を介して送信される測定条件データや状況データ等の眼科測定情報（エラーログデータ）を蓄積するデータ蓄積部７と、学習部６によってアップデートされた人工知能エンジンを記憶する人工知能エンジン記憶部８とを有している。

学習部６は、いわゆる人工知能（ＡＩ（Artificial Intelligence））から構成される。学習部６は、データ蓄積部７に蓄積されたエラーログデータに基づいて、エラーを回避するためのエラー回避データ（学習測定条件データ）を生成する。エラー回避情報は、予め定められた測定シーケンス（測定手順）では眼特性を測定できない状況での被検眼Ｅの眼特性を測定する方法（回避策）である。学習部６は、作成したエラー回避情報に基づいて、人工知能エンジン記憶部８に記憶された人工知能エンジンをアップデートする。アップデートされた人工知能エンジンは、眼科装置本体１０からの更新要求により、又は定期的に自動で通信ネットワーク１を介して眼科装置本体１０に送信される。

眼科装置１００がまだ使用されていない初期状態においては、測定ができない状況が発生しておらず、エラーログデータの作成や送信が行われていないため、学習部６では学習が行われておらず、エラー回避情報は蓄積されていない。眼科装置１００が使用されて、眼特性が測定できない状況が発生してエラーログデータが送信されることで、学習が開始され、様々な状況に対応したエラー回避情報が蓄積されていく。しかしながら、予めいくつかの測定できない状況を想定して学習部６に学習させ、エラー回避情報を蓄積した人工知能エンジンを生成して人工知能エンジン記憶部８に記憶し、眼科装置本体１０に配信しておくこともできる。

データ蓄積部７と人工知能エンジン記憶部８とは、例えば、接続される眼科装置本体１０の機種ごとに設けることができる。この場合、学習部６が、機種ごとのデータ蓄積部７のエラーログデータに基づいて、機種ごとに人工知能エンジンをアップデートする。これにより、同機種の各眼科装置本体１０での様々な眼特性が測定できない状況に対する学習結果を共有することができる。また、様々な状況でのエラーログデータに基づいて学習するため、学習部６の学習性能が向上し、生成される人工知能エンジンの性能も向上させることができる。このような人工知能エンジンを各眼科装置本体１０で使用することで、被検眼Ｅの眼特定を自動で測定できる状況を拡げ、測定性能を向上させることができる。

また、データ蓄積部７と人工知能エンジン記憶部８とを、眼科装置本体１０ごとに設けることもできる。この場合、学習部６は、眼科装置本体１０ごとに、エラーログデータを解析して学習し、それぞれの人工知能エンジンをアップデートする構成とすることもできる。

なお、このような記憶部５と学習部６とを有する装置が、クラウドサーバ３に限定されることはなく、眼科装置本体１０と通信ネットワーク１やケーブル等を介して接続された汎用大型コンピュータ（メインフレーム）や自社サーバを用いることもできるし、より簡素化するためにパーソナルコンピュータを用いることもできる。また、眼科装置本体１０内に、一体に記憶部５と学習部６とを設けることもできる。

眼科装置本体１０は、図２に示すように、測定部２０と、ユーザインタフェース部３０と、制御部４０と、データ処理部５０と、記憶部６０とを備えて構成される。

測定部２０は、被検眼Ｅの眼特性（光学特性）を測定する機能を有している。測定部２０は、各種光学系により眼特性の測定や被検眼Ｅの画像を撮影する眼特性測定部１６と、測定条件データを取得する測定条件取得部１７とを備えている。

測定条件データは、アライメントや眼特性の測定等、眼特性測定部１６が動作するときのパラメータである。例えば、アライメント時の架台の移動速度等の制御パラメータ（動作履歴データ）、光学系の焦点距離、ゲイン、計測位置、露光量等の測定パラメータ等が挙げられる。また、測定条件データとして、測定モードも挙げられる。測定モードとは、眼特性の測定部位や測定目的等に応じて、焦点距離、ゲイン、計測位置、露光量等の各種測定パラメータ等が予め決められて一つにまとめられたデータセットのことである。測定モードとして、例えば、視神経乳頭の測定モードや黄斑測定モード等がある。眼特性の測定時に測定モードを指定すれば、各種測定パラメータが自動で設定され、測定が実行される。また、測定モードを指定せずに、個々に測定パラメータを入力して眼特性の測定をすることもできる。眼科装置本体１０では、ユーザインタフェース部３０で行われる操作や入力された各種パラメータに従って、制御部４０の制御下で、光学系や駆動部材が動作してアライメントや測定を行うため、このような測定条件データの取得が可能である。

ユーザインタフェース部３０は、各種データの入力や出力を行う機能を有し、測定部２０を操作するための操作部３１と、測定部２０で撮影した画像等を表示する表示部３２と、測定に用いるパラメータ等の各種データを入力する入力部３３とを備えている。

記憶部６０は、ＲＯＭ、ＲＡＭ等の内部メモリや、ＨＤＤ、フラッシュメモリ等の外部メモリから構成されている。記憶部６０には、眼科装置本体１０を動作させるプログラムや測定に用いられる各種データが記憶される。この他にも、記憶部６０は、エラーログデータが記憶されるエラーログデータ記憶部６１と、クラウドサーバ３から配信されたアップデート用の人工知能エンジンが記憶される人工知能エンジン記憶部６２とを備えている。

制御部４０は、記憶部６０に記憶されたプログラムに基づき、眼科装置本体１０の動作を統括的に制御する。制御部４０は、図２に示すように、入出力制御部４１と、測定シーケンス制御部４２と、エラー処理部４３とを備えている。

入出力制御部４１は、眼科装置本体１０内でのデータの入出力と、眼科装置本体１０とクラウドサーバ３のデータの入出力を制御する。入出力制御部４１は、操作部３１での操作データや入力部３３からの入力データを受付け、測定シーケンス制御部４２やエラー処理部４３に送信する。また、入出力制御部４１は、エラーログデータを人工知能エンジン５１に入力する。さらに入出力制御部４１は、通信ネットワーク１を介してクラウドサーバ３と通信し、エラー処理部４３からのエラーログデータをクラウドサーバ３に送信する。また、所定のタイミングでクラウドサーバ３に対して人工知能エンジンの更新要求を送信し、この更新要求に対してクラウドサーバ３から配信されるアップデートされた人工知能エンジンを受信し、人工知能エンジン記憶部６２に記憶する。

エラーログデータの送信は、例えば、眼科装置本体１０の電源をオフするタイミング行うことができる。また、エラーログデータが作成される度に行うこともできるし、所定時間ごとや予め定められた時間に送信することもできる。また、入力部３３で送信を指示することもできる。アップデートされた人工知能エンジンの更新要求と受信は、例えば、眼科装置本体１０の電源がオンされたときに行うことができるし、所定時間ごとや予め定められた時間に行うこともできる。また、入力部３３で更新要求を指示することもできる。

測定シーケンス制御部４２は、操作部３１からの操作データ、入力部３３からの入力データに基づき、記憶部６０に記憶された予め定められた測定シーケンスに従って、測定部２０を制御し、アライメントや被検眼Ｅの眼特性測定を実行させる。また、測定シーケンス制御部４２は、所定の測定シーケンスでは眼特性の測定できない状況が生じた場合、その状況での測定条件データや状況データ等の眼科測定情報をデータ処理部５０に入力し、データ処理部５０から出力された学習測定シーケンスに従って、測定部２０を制御し、測定処理を再度実行させる。

状況データは、被検眼Ｅの状況を示すものであり、一例として被検者（被検眼Ｅ）データや、測定部２０で取得された被検眼Ｅの画像（静止画および動画）等があげられる。被検者データは、例えば、被検者の年齢、性別、被検者ＩＤ、人種、被検眼Ｅの既往症（緑内障、白内障等）、被検眼Ｅの眼特性（円錐角膜、角膜頂点の荒れ等）等が挙げられる。これらは操作部３１や入力部３３を用いて入力したり、眼科装置本体１０に接続した外部機器等から取得したりすることができる。画像は、眼特性測定部１６で撮影された前眼部画像Ｅ′、眼底画像、眼底断層像（ＯＣＴ画像）等が挙げられる。

エラー処理部４３は、所定の測定シーケンスでは眼特性を測定できない状況となったときの各種データを収集してエラーログデータを作成し、エラーログデータ記憶部６１に記憶する。エラーログデータとしては、例えば、測定できない状況でのアライメント時の架台１３やヘッド部１４の移動速度等の制御パラメータ（動作履歴データ）、眼特性測定時の光学系の測定パラメータ等の測定条件データと、前眼部画像Ｅ′等の画像、被検者データ等の状況データ、測定モードとが、モダリティ（眼科装置本体１０を識別するためのデバイス情報）やエラーコード等と紐付けられたデータである。また、エラー処理部４３は、作成したエラーログデータを入出力制御部４１に送信する。

データ処理部５０は、眼特性測定部１６の動作を制御する制御部の一つとして機能し、人工知能エンジン５１と、エラー回避処理部５２とを備えている。人工知能エンジン５１には、人工知能エンジン記憶部６２に記憶された最新の人工知能エンジンがアップロードされている。人工知能エンジン５１は、所定の測定シーケンスで測定できない状況でのエラーログデータを解析し、その状況を回避する可能性の高い学習測定条件（エラー回避情報）を抽出する。エラー回避情報としては、例えば、状況データに応じた測定モード（以下、「エラー回避測定モード」という）、アライメントのための架台１３の移動速度等の制御パラメータ（以下、「エラー回避制御パラメータ」という）、眼特性測定のための焦点距離、ゲイン、計測位置、露光量等の測定パラメータ（（以下、「エラー回避測定パラメータ」という）等が挙げられる。エラー回避処理部５２は、抽出されたエラー回避情報を、制御部４０の測定シーケンス制御部４２に出力する。

上述のような眼科装置本体１０としては、例えば、眼屈折力や眼の曲率半径を測定する眼特性測定装置（オートケラトレクレクトメータ等）、眼圧を測定する眼圧測定装置、視力を測定する検眼装置、眼底観察や眼底像を撮影する眼底カメラ装置、眼底像を３次元で撮影する３次元眼底像撮影装置等が挙げられる。これらの眼科装置本体１０は、１種類のものを１台又は複数台用いることもできるし、複数種類のものをそれぞれ１台又は複数台用いることもできる。

以下では、眼科装置本体１０の一例として、眼屈折力や眼の曲率半径を測定する眼特性測定装置について説明する。この眼科装置本体１０は、図１、図３、図４に示すように、ベース１１と駆動部１２と架台１３とヘッド部１４と顔受け部１５と、ユーザインタフェース部３０としての操作部３１、表示部３２及び入力部３３とを有する。この眼科装置本体１０では、駆動部１２を介してベース１１に架台１３が設けられ、駆動部１２によりベース１１に対して架台１３が前後左右上下に移動可能とされる。

ベース１１には、被検者の顔を固定する顔受け部１５が設けられる。架台１３には、ヘッド部１４が設けられる。操作部３１は架台１３に設けられ、傾倒されるとヘッド部１４の前後左右方向への移動操作となり、軸線を回転中心として回転されるとヘッド部１４の上下方向への移動操作となる。表示部３２は、ヘッド部１４に設けられ、一例として液晶表示装置（ＬＣＤモニタ）で構成してタッチパネル式の表示画面３２ａ（図４参照）を有する。この表示画面３２ａは、被検者データ等を入力する入力部３３として機能する。

ヘッド部１４には、前述の制御部４０、データ処理部５０、記憶部６０が設けられる。制御部４０は、接続された記憶装置や内部メモリ等からなる記憶部６０に記憶されたプログラムに基づき、眼科装置本体１０の動作を統括的に制御する。制御部４０には、後述する各光学系の光源（視標光源２２ａ、グレア光源２２ｎ、レフ測定光源２３ｇ、アライメント光源２５ａ、アライメント光源２６ａおよびケラトリング光源２７ｂ）が接続され、適宜それらを点灯および消灯させる。制御部４０には、後述の各光学系の動作部（撮像素子２１ｇ、ターレット部２２ｄ、合焦レンズ２２ｈ、ＶＣＣレンズ２２ｋ、レフ光源ユニット部２３ａおよび合焦レンズ２３ｔの駆動部）が接続され、適宜それらを駆動（移動も含む）させる。

また制御部４０には、駆動部１２、操作部３１、表示部３２および入力部３３が接続され、操作部３１の操作や入力部３３での入力や上記のプログラムに従い、撮像素子２１ｇで取得した画像を表示部３２の表示画面３２ａに適宜表示させる。

ヘッド部１４には、被検眼の検査を行うための光学系が設けられる。この光学系が、被検眼Ｅの眼特性を測定する眼特性測定部１６として機能する。この眼特性測定部１６としての光学系は、図３に示すように、観察系２１と視標投影系２２と眼屈折力測定系２３と自覚式検査系２４とアライメント系２５、２６とケラト系２７とを有して構成される。なお、観察系２１、視標投影系２２、眼屈折力測定系２３、自覚式検査系２４、アライメント系２５、アライメント系２６およびケラト系２７等の構成や、眼屈折力（レフ）、自覚検査および角膜形状（ケラト）の測定原理等は、公知であるので、詳細な説明は省略し、以下では簡単に説明する。

観察系２１は、被検眼Ｅの前眼部を観察する機能を有し、対物レンズ２１ａとダイクロイックフィルタ２１ｂとハーフミラー２１ｃとリレーレンズ２１ｄとダイクロイックフィルタ２１ｅと結像レンズ２１ｆと撮像素子（ＣＣＤ）２１ｇとを有する。観察系２１は、被検眼Ｅ（前眼部）で反射された光束を撮像素子２１ｇ上に結像する。制御部４０は、撮像素子２１ｇから出力される画像信号に基づく前眼部像Ｅ′等を表示部３２の表示画面３２ａに表示させる。この対物レンズ２１ａの前方に、ケラト系２７を設ける。

視標投影系２２は、被検眼Ｅに視標を呈示する機能を有する。自覚式検査系２４は、自覚検査を行い、被検眼Ｅに視標を呈示する機能を有し、光学系を構成する光学素子を視標投影系２２と共用する。

視標投影系２２及び自覚式検査系２４は、視標光源２２ａと色補正フィルタ２２ｂとコリメータレンズ２２ｃとターレット部２２ｄとハーフミラー２２ｅとリレーレンズ２２ｆと反射ミラー２２ｇと合焦レンズ２２ｈとリレーレンズ２２ｉとフィールドレンズ２２ｊとバリアブルクロスシリンダレンズ（ＶＣＣレンズ）２２ｋと反射ミラー２２ｌとダイクロイックフィルタ２２ｍとを有する。視標投影系２２及び自覚式検査系２４は、ダイクロイックフィルタ２１ｂおよび対物レンズ２１ａを観察系２１と共用する。また、自覚式検査系２４は、視標光源２２ａからの光路とは別の光路に、被検眼Ｅにグレア光を照射する少なくとも２つのグレア光源２２ｎを有する。

ターレット部２２ｄは、視標投影系２２が被検眼Ｅの眼底Ｅｆに投影（被検眼Ｅに呈示）する視標を切り替える。視標投影系２２は、上記した光学部材を経てターレット部２２ｄが示す固視標を被検眼Ｅの眼底Ｅｆに投影する。検者または制御部４０は、呈示した固視標を被検者に固視させた状態でアライメントを行い、被検眼Ｅの遠点に合焦レンズ２２ｈを移動させた後にさらに雲霧状態として、調節休止時の眼屈折力を測定する。

自覚式検査系２４は、制御部４０の制御下で、合焦レンズ２２ｈおよびＶＣＣレンズ２２ｋが適宜設定され、上記した光学部材を経て測定内容に応じるターレット部２２ｄが示す視標を被検眼Ｅの眼底Ｅｆに投影する。検者または制御部４０は、呈示した視標の見え方を被検者に質問し、その応答に応じた視標の選択と質問とを繰り返すことで処方値を決定する。ここで、グレア検査（グレアテスト）を行う場合には、制御部４０の制御下でグレア光源２２ｎを点灯させる。

眼屈折力測定系２３は、眼屈折力の測定を行う機能を有する。眼屈折力測定系２３は、被検眼Ｅの眼底Ｅｆにリング状の測定パターンを投影するリング状光束投影系２３Ａと、その眼底Ｅｆからのリング状の測定パターンの反射光を検出（受像）するリング状光束受光系２３Ｂと、を有する。

リング状光束投影系２３Ａは、レフ光源ユニット部２３ａとリレーレンズ２３ｂと瞳リング絞り２３ｃとフィールドレンズ２３ｄと穴開きプリズム２３ｅとロータリープリズム２３ｆとを有する。リング状光束投影系２３Ａは、ダイクロイックフィルタ２２ｍを視標投影系２２（自覚式検査系２４）と共用し、ダイクロイックフィルタ２１ｂおよび対物レンズ２１ａを観察系２１と共用する。レフ光源ユニット部２３ａは、ＬＥＤを用いたレフ測定用のレフ測定光源２３ｇとコリメータレンズ２３ｈと円錐プリズム２３ｉとリングパターン形成板２３ｊとを有し、それらが制御部４０の制御下で眼屈折力測定系２３の光軸上を一体的に移動可能とされる。リング状光束投影系２３Ａは、レフ光源ユニット部２３ａがリング状の測定パターンを出射し、上記した光学部材を経て対物レンズ２１ａに導くことで、被検眼Ｅの眼底Ｅｆにリング状の測定パターンを投影する。

リング状光束受光系２３Ｂは、穴開きプリズム２３ｅの穴部２３ｐとフィールドレンズ２３ｑと反射ミラー２３ｒとリレーレンズ２３ｓと合焦レンズ２３ｔと反射ミラー２３ｕとを有する。リング状光束受光系２３Ｂは、対物レンズ２１ａ、ダイクロイックフィルタ２１ｂ、ダイクロイックフィルタ２１ｅ、結像レンズ２１ｆおよび撮像素子２１ｇを観察系２１と共用し、ダイクロイックフィルタ２２ｍを視標投影系２２（自覚式検査系２４）と共用し、ロータリープリズム２３ｆおよび穴開きプリズム２３ｅをリング状光束投影系２３Ａと共用する。リング状光束受光系２３Ｂは、眼底Ｅｆに形成されたリング状の測定パターンを、上記した光学部材を経て撮像素子２１ｇに結像させる。これにより、撮像素子２１ｇがリング状の測定パターンの像を検出し、制御部４０は、その測定パターンの像を表示画面３２ａに表示させ、その画像（撮像素子２１ｇ）からの画像信号）に基づき、眼屈折力としての球面度数、円柱度数、軸角度を周知の手法により測定する。

ケラト系２７は、ケラト板２７ａとケラトリング光源２７ｂとを有する。ケラト系２７は、角膜形状の測定のためのケラトリング光束（角膜曲率測定用リング状指標）を被検眼Ｅの角膜Ｅｃに投影する。ケラトリング光束は、角膜Ｅｃで反射され、観察系２１により撮像素子２１ｇ上に結像される。それに基づき角膜形状（曲率半径）を周知の手法により測定する。ケラト系２７の後方に、アライメント系２５を設ける。

アライメント系２５、２６は、被検眼Ｅに対する光学系のアライメント（位置合わせ）を行う機能を有する。アライメント系２５は、観察系２１の光軸に沿う方向（前後方向）のアライメントを行い、アライメント系２６は、その光軸に直交する方向（上下方向、左右方向）のアライメントを行う。

アライメント系２５は、一対のアライメント光源２５ａと投影レンズ２５ｂとを有し、各アライメント光源２５ａからの光束を各投影レンズ２５ｂで平行光束として角膜Ｅｃに投影し、その様子を観察系２１により撮像素子２１ｇ上に結像させる。制御部４０または検者は、撮像素子２１ｇ上のアライメント光源２５ａによる２個の点像の間隔とケラトリング像の直径の比を所定範囲内とするように、ヘッド部１４を前後方向に移動させることで、観察系２１の光軸に沿う方向（前後方向）のアライメントを行う。なお、前後方向のアライメントは、後述するアライメント光源２６ａによる輝点像Ｂｒのピントが合うようにヘッド部１４の位置を調整することで行ってもよい。

アライメント系２６は、観察系２１に設けられている。アライメント系２６は、アライメント光源２６ａと投影レンズ２６ｂとを有し、ハーフミラー２１ｃ、ダイクロイックフィルタ２１ｂおよび対物レンズ２１ａを観察系２１と共用する。アライメント系２６は、アライメント光源２６ａからの光束を平行光束として角膜Ｅｃに投影し、その様子を観察系２１により撮像素子２１ｇ上に結像させる。制御部４０または検者は、角膜Ｅｃに投影された輝点（輝点像）に基づき、ヘッド部１４を上下左右方向に移動させることで、観察系２１の光軸に直交する方向（上下方向、左右方向）のアライメントを行う。このとき、制御部４０は、輝点像Ｂｒが形成された前眼部像Ｅ′に加えて、アライメントマークの目安となるアライメントマークＡＬを表示画面３２ａに表示させる。

以上のような構成の実施例１に係る眼科装置１００で行われる眼科測定処理（眼科測定方法）について説明する。眼科装置１００では、眼科装置本体１０で眼特性測定処理が行われ、クラウドサーバ３で学習処理が行われる。

まず、眼科装置本体１０で行われる眼特性測定処理の一例を、図５のフローチャートを用いて具体的に説明する。この図５のフローチャートは、眼科装置本体１０において眼特性の測定を開始する旨の操作がなされることにより開始される。

まず、ステップＳ１で、測定条件取得部１７は、眼特性測定部１６での眼特性測定処理における測定条件データの取得を開始する。次に、ステップＳ２で、入出力制御部４１は、検者が操作部３１や入力部３３等から入力した年齢等の被検者データや測定モードを取得する。

次に、ステップＳ３に進み、制御部４０の測定シーケンス制御部４２が、被検者データや測定モードに応じて、予め定められた測定シーケンスに従って、アライメント用の制御パラメータや、眼特性測定用の測定パラメータ等を設定して、眼特性測定部１６の初期設定を行う。

その後、ステップＳ４に進み、眼特性測定部１６のアライメント系２５，３６によってアライメントを行う。測定条件データとして、このアライメント時の架台１３の移動速度や移動座標等の制御パラメータ（動作履歴データ）が測定条件取得部１７によって取得される。また、状況データとして被検眼Ｅの前眼部画像Ｅ′、眼底画像、眼底断層像等が観察系２１の撮像素子２１ｇで取得される。

なお、アライメント系２５，２６によって自動でアライメントできなかった場合には、検者による手動でのアライメントに移行してもよい。このときの手動での制御パラメータ（動作履歴データ）も、測定条件データとして測定条件取得部１７によって取得される。

アライメントが終了すると、ステップＳ５に進む。ステップＳ５では、測定シーケンス制御部４２が、所定の測定シーケンスに従って、眼特性測定部１６を制御することで、眼特性測定部１６が上述したような動作で被検眼Ｅの眼特性を測定する。このときの焦点距離、ゲイン、計測位置、露光量等の測定パラメータが、測定条件データとして測定条件取得部１７によって取得される。

次のステップＳ６では、眼特性が適切に測定できたか否かを判断する。適切に測定が行われ、ＹＥＳと判定された場合には、ステップＳ７進み、測定条件データの取得を終了して、眼特性測定処理を終了する。このときの測定条件データは、適切に測定が行われた状況を示すものとして記憶部６０に記憶し、成功例として学習に使用することもできるし、学習に用いる必要がない場合は記憶せずに破棄することもできる。

これに対して、ステップＳ６でＮＯと判定され、眼特性を適切に測定できない状況の場合には、ステップＳ８に進む。このような状況としては、例えば、被検眼Ｅにおいて、瞼や睫毛が前眼部（角膜Ｅｃ）に掛かっていたり、眼球振盪（眼振）が生じていたり、瞬きが頻繁であったり、円錐角膜となっていたりすること等により、アライメントが自動又は手動で適切に行なえず、その結果、眼特性を適切に測定できない状況が挙げられる。また、アライメントはできたが、光学系での露光不足、ピンボケ等によって眼特性を適切に測定できない状況が挙げられる。また、画像信号に基づいて球面度数等の測定値を算出する際に、オーバーフロー等により数値を算出できなくなった状況等も挙げられる。

ステップＳ８では、エラー処理部４３がエラーログデータ（眼科測定情報）を作成する。エラーログデータは、本実施例では、眼科装置本体１０のモダリティ、測定モード、エラーコード、測定パラメータや制御パラメータ等からなる測定条件データ、前眼部画像Ｅ′等の画像、年齢、性別、人種、既往歴等の被検者データからなる状況データである。

次のステップＳ９で、エラー処理部４３が、作成したエラーログデータをエラーログデータ記憶部６１に記憶するとともに、入出力制御部４１に出力する。入出力制御部４１は、所定のタイミングで、エラーログデータをクラウドサーバ３に送信し、ステップＳ１０に進む。

そして、ステップＳ１０で１回目の測定か否かを判定し、ＹＥＳ（１回目の測定）と判定された場合は、ステップＳ１１へ進む。

ステップＳ１１では、所定の測定シーケンスでは眼特性を測定できない状況を回避するべく、入出力制御部４１が、エラーログデータ（眼科測定情報）人工知能エンジン５１に入力する。次のステップＳ１２で人工知能エンジン５１が、エラーログデータを解析し、その状況を回避する可能性の高いエラー回避測定モード、エラー回避測定パラメータ、エラー回避制御パラメータ等のエラー回避情報を抽出する。抽出されたエラー回避情報は、エラー回避処理部５２によって測定シーケンス制御部４２へ出力される。

このエラー回避情報を受け付けた測定シーケンス制御部４２は、ステップＳ１３でエラー回避測定モード、エラー回避測定パラメータ、エラー回避制御パラメータに基づいて、眼特性測定部１６の初期設定を行う。その後、ステップＳ４に戻り、初期設定に基づいて、ステップＳ４のアライメント、ステップＳ５の眼特性測定を実行する。眼特性を適切に測定できた場合は（ステップＳ６の判定がＹＥＳ）、測定条件データの取得を終了して（ステップＳ８）、測定処理を終了する。このように、エラー回避情報の抽出によって、眼特性を適切に測定することができ、眼科装置本体１０の測定性能を向上させることができる。

なお、このようにエラー回避情報によって適切に測定ができた場合、エラー回避情報やその際の眼科測定情報等をクラウドサーバ３へ送信してもよい。これにより、クラウドサーバ３で、回避策での成功例の事例を収集することができ、学習性能をより向上させることができる。

一方、エラー回避情報を用いても、眼特性を適切に測定できなかった場合（ステップＳ６の判定がＮＯ）、ステップＳ９のエラーログデータの作成と、ステップＳ１０のエラーログデータの記憶、クラウドサーバ３への送信を実行する。この記憶と送信の際に、エラー回避情報を用いた２回目の測定でも眼特性を測定できない状況のエラーログデータであるという情報を付加してもよい。これにより、クラウドサーバ３での学習の幅を拡げることができ、学習性能を向上させることができる。

その後、ステップＳ１１へ進むことで、１回目の測定か否かが判定される。今回の測定は２回目であるため、ステップＳ１１ではＮＯと判定され、ステップＳ８に進み、測定条件データの取得を終了し、測定処理を終了する。

次に、クラウドサーバ３で行われる眼科測定学習処理の一例を、図６Ａ〜図６Ｄのフローチャートを用いて説明する。図６Ａに示すように、クラウドサーバ３では、ステップＳ２０のデータ蓄積処理、ステップＳ３０の学習処理、ステップＳ４０の人工知能エンジン配信処理が、クラウドサーバ３が起動している間に、それぞれ独立して所定条件で繰り返し実行される。

ステップＳ２０のデータ蓄積処理について、図６Ｂのフローチャートを用いて説明する。データ蓄積処理は、眼科装置本体１０からエラーログデータを受信したタイミングで実行される。この図６Ｂに示すように、クラウドサーバ３では、ステップＳ２１で、眼科装置本体１０から送信されたエラーログデータを受信する。次に、ステップＳ２２で、受信したエラーログデータを、項目ごとに分離する。項目としては、実施例１では、眼科装置本体１０のモダリティ、測定モード、エラーコード、測定条件データの測定パラメータや制御パラメータ、状況データの前眼部画像Ｅ′や被検者データ等が挙げられる。

クラウドサーバ３は、分離したデータを、例えばモダリティ別にデータ蓄積部７に記憶する（ステップＳ２３）。

次に、ステップＳ３０の学習処理について、図６Ｃのフローチャートを用いて説明する。学習処理は、データ蓄積部７に所定量のデータが蓄積したとき、例えば、所定期間ごとに実行される。また、学習処理は、モダリティをキーとして、眼科装置本体１０の機種ごとにそれぞれ実行して、同機種の複数の眼科装置本体１０で学習結果を共有することができる。

まず、ステップＳ３１で、データ蓄積部７から、所定期間に蓄積されたエラーログデータを取得する。取得したエラーログデータを、人工知能エンジンである学習部６に入力することで（ステップＳ３２）、人工知能による学習が実行される（ステップＳ３３）。

学習部６では、例えば、ディープラーニングアルゴリズムを利用して、測定できない状況に対する回避策（エラー回避情報）を生成する。図７に、ニューラルネットワークを応用して学習された人工知能エンジンの構成例を示す。この図７に示すように、人工知能は、入力データに基づいて、学習によってノードを接続し、その接続強度を変化させてノード数を最適化し、最終的に、エラー回避測定モード、エラー回避測定パラメータ、エラー回避制御パラメータ等のエラー回避情報（学習測定条件データ）を出力する。

なお、人工知能による学習法が、実施例１の学習法に限定されることはなく、エキスパートシステム、事例ベース推論、ベイジアンネットワーク等の機械学習法、ファジー理論、進化的計算等、いずれのものを用いてもよい。

次に、ステップＳ３４に進み、所定の機能が発揮されたかを判定する。所定の性能の発揮とは、ここでは学習が進んで眼特性を適切に測定できない状況を回避する回避策（エラー回避情報）が、ある程度取得できたことを意味する。

このステップＳ３４で、ＹＥＳと判定された場合は、十分に学習がされたとしてステップＳ３５に進む。これに対して、ＮＯと判定された場合は、学習が不十分であるとして、ステップＳ３３に戻って人工知能による学習を続行する。

このステップＳ３４の判定は、人工知能がシミュレーション等により自動で判定することもできる。または、眼科装置本体１０の開発業者等が、人工知能での学習結果を用いて実機で試験を実施し、適切に測定できたとき、或いは成功率が所定以上となったときに、機能が発揮された旨の入力をクラウドサーバ３に対して行うこともできる。この入力を受けたときに、クラウドサーバ３がステップＳ３４の判定をＹＥＳと判定し、ステップＳ３５に進むようにすることができる。

ステップＳ３５では、このように十分な学習がなされた人工知能エンジンを、最新バージョンの人工知能エンジンとして、人工知能エンジン記憶部８に記憶する。

最後に、ステップＳ４０の人工知能エンジン配信処理について、図６Ｄのフローチャートを用いて説明する。クラウドサーバ３には、通信ネットワーク１を介して、複数の眼科装置本体１０から人工知能エンジンの更新要求が送信される。図６Ｄに示すように、ステップＳ４１で、クラウドサーバ３が、この人工知能エンジンの更新要求を受信すると、ステップＳ４２で、モダリティ等をキーとして、各眼科装置本体１０に対応する最新の人工知能エンジンを人工知能エンジン記憶部８から取得する。そして、ステップＳ４３で、取得した各人工知能エンジンを、要求元の眼科装置本体１０へそれぞれ配信する。これにより、各眼科装置本体１０では、最新の人工知能エンジンを利用することができ、眼特性を自動で測定できる可能性が拡がり、測定性能を向上させることができる。なお、配信した人工知能エンジンのバージョンを管理しておき、前回の更新要求時から人工知能エンジンがアップデートされていない場合には、その旨を返信して人工知能エンジンを配信しない構成とすることもできる。または、バージョンの管理を省いて、更新要求のたびに、自動的に人工知能エンジン記憶部８の人工知能エンジンを眼科装置本体１０に配信する構成とすることもできる。

以上のように、実施例１の眼科装置１００では、眼特性測定部１６で予め定められた測定シーケンスでは眼特性が適切に測定できない状況となったときに、その状況データ及び測定条件データからなるエラーログデータ（眼科測定情報）を記憶して蓄積し、人工知能である学習部６で回避策（学習測定条件）を学習させる。学習された回避策（学習測定条件）は、眼科装置本体１０へ反映される。このため、眼科装置本体１０は、所定の測定シーケンスで眼特性を適切に測定ができない状況であっても、学習された回避策の中から、その状況に対応した回避策を抽出することで、適切に測定できる可能性を拡げることができる。そのため、自動で被検眼Ｅの眼特性を測定できる状況を拡げることができ、眼科装置１００の測定性能を向上させることができる。

また、実施例１の眼科装置１００では、眼科装置本体１０を複数備え、これらと学習部６を通信ネットワーク１で接続している。さらに実施例１では、学習部６をクラウドサーバ３に設けている。そして、学習部６は、複数の眼科装置本体１０からのエラーログデータに基づいて学習し、エラー回避情報を生成している。そのため、各眼科装置本体１０で、所定の測定シーケンスでは測定できない様々な状況に対する学習結果を共有することができ、学習性能を向上させることができる。また、クラウドサーバ３でより多くのエラーログデータを収集することができるため、学習部６での学習性能を高めることができる。そのため、各眼科装置本体１０での被検眼Ｅの眼特定を自動で測定できる状況を拡げ、測定性能をより向上させることができる。

また、同機種の複数の眼科装置本体１０で学習結果を共有することができるため、例えば、高齢者の眼特性の測定を主に行う眼科装置本体１０と、子供の眼特性を主に行う眼科装置本体１０でのエラーログデータを収集して人工知能エンジンを生成することができる。この人工知能エンジンを各眼科装置本体１０に配信することで、各眼科装置本体１０でのエラー経験とその回避策を共有することができ、いずれの眼特性を眼科装置本体１０で、いずれの被検眼Ｅの眼特性を測定する場合でも、様々な状況に対応するエラー回避情報に基づいて測定することで、自動で測定することができる可能性を拡げることができ、測定性能を向上させることができる。

また、実施例１の眼科装置１００では、測定条件データとして、被検眼Ｅに対して眼特性測定部１６を移動させるときの移動速度、移動座標等の制御パラメータと、眼特性測定部１６が眼特性を測定するときの焦点距離、ゲイン、計測位置、露光量等の測定パラメータのいずれかを含めている。学習部６では、これらの測定条件データに基づいて、状況に応じて測定できる可能性の高いエラー回避制御パラメータ、エラー回避測定パラメータを生成して、各眼科装置本体１０に返すことができる。そのため、各眼科装置本体１０で、眼特性を測定できない状況となったときに、これらのパラメータを設定して測定を行うことで、自動で測定することができる可能性を拡げることができるとともに、自動測定をより迅速に行うことができる。

また、実施例１の眼科装置１００は、被検眼Ｅの状況（状況データ）に前眼部の露出度合や、被検眼Ｅの眼特性を含めている。このため、眼科装置本体１０は、例えば瞼や睫毛が前眼部（角膜Ｅｃ）に掛かっていて露出度合が低い状況や、被検眼Ｅが円錐角膜となっている状況や角膜頂点が荒れている状況でも、エラー回避情報に基づいて測定することで、自動で測定することができる可能性を拡げることができる。

以上、本願の眼科装置及びを実施例１に基づき説明してきたが、具体的な構成については実施例１に限られるものではなく、特許請求の範囲の各請求項に係る発明の要旨を逸脱しない限り、設計の変更や追加等は許容される。

例えば、実施例１では、眼特性測定部１６として、観察系２１と視標投影系２２と眼屈折力測定系２３と自覚式検査系２４とケラト系２７とが設けられている。しかしながら、眼特性測定部１６は、自動で被検眼Ｅに対するアライメントを行った後に、自動で被検眼Ｅの眼特性を測定できるものであればよく、実施例１の構成に限定されない。

また、実施例１では、予め定められた測定シーケンスに従ってアライメントや眼特性の測定をまずは実行し、測定できない場合に人工知能エンジンによって回避策を抽出し、その回避策に基づいて再度アライメントや眼特性の測定を実行している。しかしながら、本願がこれに限定されることはなく、入力された被検者データや撮影された前眼部画像Ｅ′等の状況データを予め分析して、適切な測定ができるか否かを判断し、測定できない状況であると判断した場合に、人工知能エンジンによって回避策を抽出し、測定を実行するような構成とすることもできる。そのため、自動測定に要する時間を短縮することができる。これは、状況に拘わらず所定の測定シーケンスで測定を行い、それでは測定が出来ない場合に回避策を抽出して測定を行う場合と比較すると、無駄に測定することを防止できることによる。

また、ユーザインタフェース部３０として、スピーカ等を設け、回避策として、瞬きを我慢する旨や、瞼を開けるタイミングを音声によって被検者に知らせることもできる。これにより、例えば瞼や睫毛が前眼部に掛かって測定できない状況や、瞬きによって測定できない状況を回避することができる。

６ 学習部 １０ 眼科装置本体 １６ 眼特性測定部 １７ 測定条件取得部
４０ 制御部 ５０ データ処理部（制御部） １００ 眼科装置

Claims (5)

1. 被検眼の眼特性を測定する眼特性測定部と、
   前記眼特性測定部で測定を行ったときの測定条件を取得する測定条件取得部と、
   予め定められた測定手順に沿って前記眼特性測定部を制御する制御部と、
   前記測定手順では眼特性の測定が行えない状況での前記測定条件に基づいて、測定が行えない状況を回避する学習測定条件を生成する学習部と、を備え、
   前記制御部は、前記測定手順では前記被検眼の眼特性の測定が行えない状況となったとき、前記学習部で作成した前記学習測定条件から前記状況に対応する学習測定条件を抽出し、該学習測定条件に基づいて前記眼特性測定部を制御して、前記被検眼の眼特性の測定を行うことを特徴とする眼科装置。
2. 前記眼特性測定部と、前記測定条件取得部と、前記制御部とを有する眼科装置本体を複数備え、
   各眼科装置本体と、前記学習部とが通信ネットワークを介して互いに接続され、
   各眼科装置本体は、前記測定手順では眼特性の測定が行えない状況での前記測定条件を、前記通信ネットワークを介して前記学習部へ送信し、
   前記学習部は、複数の前記眼科装置本体の前記測定条件取得部からの前記測定条件を受信して前記学習測定条件を生成し、生成された前記学習測定条件を、前記通信ネットワークを介して各眼科装置本体へ送信することを特徴とする請求項１に記載の眼科装置。
3. 前記測定条件は、前記被検眼に対して前記眼特性測定部を移動制御するときの移動速度及び移動座標のいずれかを含む制御パラメータと、前記眼特性測定部が眼特性を測定するときの焦点距離、ゲイン、計測位置及び露光量のいずれかを含む測定パラメータのいずれかを含むことを特徴とする請求項１または２に記載の眼科装置。
4. 前記被検眼の状況は、前眼部の露出度合、前記被検眼の眼特性のいずれかを含むことを特徴とする請求項１から３のいずれか一項に記載の眼科装置。
5. 請求項１から４のいずれか一項に記載の眼科装置で行われる眼科測定方法であって、
   予め定められた測定手順に沿って被検眼の眼特性を測定する工程と、
   前記眼特性を測定するときの測定条件を取得する工程と、
   眼特性の測定が行えない状況での前記測定条件に基づいて、測定が行えない状況を回避する学習測定条件を生成する工程と、
   前記眼特性の測定が行えない状況となったときに、前記学習測定条件を生成する工程で生成された前記学習測定条件から、前記状況に対応した前記学習測定条件を抽出し、該学習測定条件に基づいて前記被検眼の眼特性を測定する工程と、を有することを特徴とする眼科測定方法。