JP2022102984A

JP2022102984A - 涙液観察装置、情報処理装置、プログラム及び学習モデル生成方法

Info

Publication number: JP2022102984A
Application number: JP2020218083A
Authority: JP
Inventors: 善朗岡崎; Yoshiaki Okazaki; 則彦横井; Norihiko Yokoi; 守巖淵; Mamoru Iwabuchi; 裕祥川田; Yusho KAWATA; 中李; Zhong Li; 大道岡崎; Hiromichi Okazaki
Original assignee: Elrise Corp; Kyoto Prefectural PUC
Current assignee: Elrise Corp; Kyoto Prefectural PUC
Priority date: 2020-12-26
Filing date: 2020-12-26
Publication date: 2022-07-07
Anticipated expiration: 2040-12-26
Also published as: JP7464518B2; WO2022138912A1

Abstract

【課題】涙液の撮像を被検者自身により行い、被検眼の状態の把握を容易に行える涙液観察装置、情報処理装置、プログラム及び学習モデルの生成方法を提供する。【解決手段】本発明の涙液観察装置は、被検眼を撮像する撮像装置と、被検者の顔面の被検眼を含む領域に対向させる凹面を内側に有する被覆部と、被検眼に向かって光を照射する発光体と、を備える。発光体は、被覆部の内側に設置された面光源であり、被覆部は、被検者の顔面に向けられる先端部と、凹面の一部に設けられ、撮像部に被検眼の表面に反射した反射光を導く導光部と、を備える。【選択図】図１

Description

本発明は、涙液観察装置、情報処理装置、プログラム及び学習モデル生成方法に関し、特に非接触で涙液の状態を観察するものである。

近年、ＶＤＴ（ＶｉｓｕａｌＤｉｓｐｌａｙＴｅｒｍｉｎａｌ）作業者及びコンタクトレンズ装用者の増加、冷暖房による部屋の乾燥等の環境要因によりドライアイ患者が増加している。また、スマートフォンを始めとするＶＤＴの普及に伴い、日常的にスマートフォン（以下、スマホ）を長時間見続けるなどによって目を酷使した結果、ドライアイなど目の健康が損なわれる人が増えている。さらに、今後、電子ゲームや遠隔医療などに用いられるヘッドマウントディスプレイ（ＨＭＤ）形のＶＲ端末を長時間用いることにより、眼の健康が損なわれる可能性が予想され、ドライアイ患者はさらに増加することが予想される。ドライアイは、様々な要因による涙液及び角膜上皮の慢性疾患であり、眼不快感や視機能異常を伴うものである。ドライアイの適切な診断と治療のためには、眼の涙液の状態を正確に把握する必要がある。しかし、眼の健康の重要なパラメータである涙液の状態について、日常の中で自分自身で把握する手段がなく、病院の専用装置でしか評価できないのが現状である。

涙液には、量及び質の側面があり、いずれの異常もドライアイを引き起こす。これまで、臨床の現場において眼の涙液の量を評価するには、例えば濾紙を下眼瞼に挟み、濾紙に涙を染み込ませるシルマー試験が知られている。この方法によれば、染み込んだ涙により濾紙が濡れた長さを測定することにより、涙液の分泌量を測定することができる。また、眼の表面に貯留している涙液量を評価する方法としては、下眼瞼縁に溜まった涙液を染色し涙液メニスカス高（ＴＭＨ：ＴｅａｒＭｅｎｉｓｃｕｓＨｅｉｇｈｔ）を細隙灯顕微鏡により測定することなどが行われている。

一方、涙液の質の評価法としては、涙液を染色し角膜の表面の涙液層が破壊するまでの時間を測定する涙液膜破壊時間（ＢＵＴ：ＴｅａｒＦｉｌｍＢｒｅａｋｕｐＴｉｍｅ）の測定が行われている。しかし、これらの濾紙や色素を用いる涙液の量や質の評価においては、眼に少なからず刺激が加わるため、ドライアイの直接原因となっている自然な眼の涙液の情報を評価しているとは言い難い。また、眼に刺激が加わることは、被検者に対して苦痛を与えることもありうる。眼の表面に貯留した涙液量の減少は、ドライアイの最も重要な原因の１つとなるため、涙液貯留量を非侵襲的に評価できる方法が模索されている。

特許文献１には、非接触でドライアイの簡易的診断を行う眼科装置が提案されている。この眼科装置によれば、白色光源からの白色光が被検眼の涙液（涙液は表面から油層、液層の２層からなる）の油層に導かれる。涙液層に反射された反射光は、ＣＣＤカメラに受光される。眼科装置は、油層の表面及び裏面においてそれぞれ反射される反射光の干渉現象による干渉模様のカラー画像を取得する。干渉模様のカラー画像は、モニターに表示される。検者は、モニターに表示される涙液層の干渉模様のカラー画像を観察することにより、被検眼の油層の動きや涙液層の破壊の様子などを知ることができ、非接触でドライアイの簡易的診断を行なうことができる。

特開平７－１３６１２０号公報

しかし、特許文献１に係る眼科装置は、被検者の涙液を診断するために検者が必要であり、被検者自身が涙液の状態を観察することができない。また、被検眼に白色光を照射し、その反射による干渉模様を撮像するにあたり、ＣＣＤカメラを設置し、被検眼を撮像に適当な位置にする必要がある。つまり、眼科装置のあご台に被検者のあごが載せられ、眼科装置の装置本体を被検眼に対し微動させて、被検眼の涙液の油層の表面及び裏面に反射した反射光がレンズを介してＣＣＤ受光面に来るように眼科装置は操作される。また、眼科装置において、白色光は、眼科装置にリンク機構により取り付けられた固視灯により照射される。固視灯は、被検者が固視できる位置に調整して配置される。眼科装置は、涙液の脂質層の表面と裏面の反射光がコントラストよく干渉模様を形成するために、固視灯及びＣＣＤカメラの位置を微調する必要があり、撮像が困難で手間がかかるという課題があった。そのため、被検者は、必要なときに被検眼の状態の把握ができないという課題があった。

本発明は、上記の課題を解決するものであり、涙液の撮像を被検者自身により行い、被検眼の状態の把握を容易に行える涙液観察装置、情報処理装置、プログラム及び学習モデル生成方法を提供することを目的とする。

本発明の涙液観察装置は、被検眼を撮像する撮像装置と、被検者の顔面の前記被検眼を含む領域に対向させる凹面を内側に有する被覆部と、前記被検眼に向かって光を照射する発光体と、を備え、前記発光体は、前記被覆部の内側に設置された面光源であり、前記被覆部は、前記被検者の前記顔面に向けられる先端部と、前記凹面の一部に設けられ、前記撮像装置に前記被検眼の表面に反射した反射光を導く導光部と、を備えるものである。

本発明の情報処理装置は、上記の涙液観察装置で撮像された涙液画像から涙液健康度を推定する情報処理装置であって、撮像された前記涙液画像を取得し、前記涙液画像から前記涙液健康度を算出する評価部と、前記涙液健康度を出力する出力部と、を備えるものである。

本発明のプログラムは、コンピュータを、上記の情報処理装置を構成する各部として機能させるためのものである。

本発明の学習モデル生成方法は、被検者の角膜に光を照射した状態で撮像された実績涙液画像と、前記実績涙液画像に対応する教師ラベルとしての涙液健康度と、を含む教師データを取得し、前記教師データを用いて、上記の涙液観察装置で撮像された涙液画像を入力とし、涙液健康度を出力とする学習モデルを生成するものである。

本発明に係る涙液観察装置によれば、被検者自身の手で涙液画像を容易に取得することができる。また、得られた涙液画像を基にして涙液健康度を眼科医などの検者の診察を受けることなく涙液の状態の評価が可能となり、被検者は日常生活の中で目の状態を把握することができる。

実施の形態１に係る涙液観察装置１００の斜視図である。図１の涙液観察装置１００の断面図である。実施の形態１に係る照射部１０の凹面２１と被検眼６１との関係を説明する模式図である。実施の形態１に係る照射部１０を用いて角膜表面６２を撮像した涙液画像である。実施の形態１に係る涙液観察装置１００を用いて被検眼６１を撮像している状態の一例である。実施の形態１に係る照射部１０の断面の模式図である。実施の形態１に係る照射部１０の変形例の断面の模式図である。実施の形態１に係る照射部１０の変形例の断面の模式図である。実施の形態１の変形例に係る照射部１０Ｂを用いて被検眼６１を撮像している状態の一例である。評価指標（２）の一例の説明図である。実施の形態２に係る涙液健康度推定システム１０００のハードウェア構成を示す図である。実施の形態２に係る情報処理装置９０の機能構成の一例を示す図である。実施の形態２に係る涙液健康度の推定方法の一例を示す図である。情報処理装置９０が涙液健康度の推定を実行する推定処理手順を示すフローチャートである。情報処理装置９０が涙液健康度を推定する学習モデルの学習処理手順を示すフローチャートである。実施の形態２に係る学習モデルの生成において教師データとして用いられるデータセットの一例である。ドライアイと睡眠の質及び量との相関関係を示す図である。ドライアイと運動との相関関係を示す図である。ドライアイとＮＩＢＵＴとの相関関係の例を示す図である。ＮＩＢＵＴとスマートフォン使用時間との相関関係の例を示す図である。実施の形態３に係る涙液健康度推定システム１０００が有する学習モデルの機械学習の概念図である。実施の形態３に係る涙液健康度推定システム１０００が有する学習モデルから最適化シミュレーションにより改善すべき因子を推定する方法の概念図である。実施の形態３に係る涙液健康度推定システム１０００による涙液健康度のシミュレーション処理手順の一例を示すフローチャートである。実施の形態４に係る涙液観察装置４００の構造の模式図である。

以下に、本発明に係る涙液観察装置、情報処理装置、プログラム及び学習モデル生成方法の実施の形態について説明する。なお、図面の形態は一例であり、本発明を限定するものではない。また、各図において同一の符号を付したものは、同一のまたはこれに相当するものであり、これは明細書の全文において共通している。さらに、以下の図面では各構成部材の大きさの関係が実際のものとは異なる場合がある。

実施の形態１．
図１は、実施の形態１に係る涙液観察装置１００の斜視図である。図２は、図１の涙液観察装置１００の断面図である。図２の断面は、照射部１０の導光部２４の中心を含む断面である。図１に示されるように、涙液観察装置１００は、例えば、スマートフォン等の携帯通信端末９０ａに照射部１０を組み合わせて構成される。ただし、涙液観察装置１００は、携帯通信端末９０ａに照射部１０を組み合わせた構成のみに限定されるものではなく、以下に説明する構成であっても良い。例えばパーソナルコンピュータなどの情報処理装置に照射部１０を接続して構成されるもの、又は情報処理装置及び照射部１０を一体にして構成された眼科測定専用の機器であっても良い。実施の形態１においては、涙液観察装置１００は、被検者６０（図５及び図９を参照）が自らの手で測定対象である被検眼６１（図３等を参照）に向けた状態で保持できるものとして、撮像装置９１（図６等を参照）を有する携帯通信端末９０ａと被検眼６１に光を照射する照射部１０とを備える。涙液観察装置１００は、照射部１０を用いて被検眼６１に光を照射しながら、携帯通信端末９０ａが備える撮像装置９１により被検眼６１の表面の撮像を行うものである。

（照射部１０）
照射部１０は、被検眼６１を含む被検者６０の顔面の少なくとも一部の領域を覆う被覆部２０と、被覆部２０を携帯通信端末９０ａに固定するための固定具３０と、を備える。図１に示される照射部１０は、携帯通信端末９０ａに装着され、被覆部２０を被検者６０の顔面に向けて、角膜表面６２に光を照射した状態で携帯通信端末９０ａを用いて撮像を行う。

被覆部２０は、円錐形状に形成されており、先端部２２から根元部２７に向かうに従い外径が小さくなっている。被覆部２０の内側の面は、先端部２２から見たときに凹んだ面である凹面２１を有する。実施の形態１において、凹面２１は円錐面である。先端部２２から見て凹面２１の奥には導光部２４が設けられている。導光部２４は、凹面２１に開口している孔であり、携帯通信端末９０ａの撮像装置９１に被検眼６１の表面に反射した反射光を導く。固定具３０には、導光部２４と接続されている孔３６が設けられている。

照射部１０は、被覆部２０の先端部２２を被検眼６１に向けて使用するものであり、先端部２２を被検者６０の被検眼６１の周囲に接触させても良い。このようにして撮影することで、例えばスマートフォンなどの携帯通信端末９０ａを手に持って被検眼６１の撮像をする際にも、撮像装置９１と被写体である被検眼６１の位置関係がぶれることなく、安定して撮影することができる。先端部２２は、例えば柔らかい樹脂製のアイピースが設けられている。先端部２２のアイピース２２ａは、一部分が外側に突出しているタブ部２２ｂが形成されていても良く、被検者６０の顔面の凹みに追従して被検眼６１の周囲を隙間なく覆えるように形成されている。また、先端部２２のうち顔面に接触する部分は、シリコンゴム又はガーゼなどの柔らかい部材で構成されていると良い。このように構成されることで、先端部２２を顔面に接触させたときに、鼻及び目の周りの骨の凹凸があっても、先端部２２は形状が変形し、安定した接触が可能となる。また、被覆部２０の顔面に接触させる部位は、図１に示される先端部２２以外の形態でもよく、例えば突起部（図示無し）が設けられており、顔面に接触させる突起部の先端部がシリコンゴム又はガーゼのような柔らかい素材で構成されても良い。

凹面２１には、発光体２１ａが設けられている。実施の形態１において発光体２１ａは、円錐面に沿って貼り付けられている発光シートである。円錐面を形成する発光シートは、例えば、有機若しくは無機ＥＬ（Ｅｌｅｃｔｒｏｌｕｍｉｎｅｓｃｅｎｃｅ）シート、蛍光シート、ファイバー発光シート、畜光シート、ＬＥＤシート、又はＬＣＤシートを用いると良い。つまり、発光シートは、フレキシブルな素材で形成されており、面発光するシートを用いると良い。発光体２１ａは、被検眼６１に直接向けられるため、明るすぎると目を開けた状態を維持するのが困難になるなどの不具合が生じるため、実施の形態１に係る発光体２１ａのように発光シートの表面から発光することが望ましい。また、発光体２１ａは、ＬＥＤを円錐面上に複数設け、拡散板をＬＥＤの上に配置して構成しても良い。このとき、拡散板は、指向性を有するＬＥＤからの光を拡散し、被検眼６１を向いた面の輝度を略均一化させ、凹面全体を発光させる。

図２に示されるように、被覆部２０は、凹面２１を形成し、発光シートを支持する筐体２３を備える。筐体２３は、例えば樹脂製の成形品であり、内側面に発光シートが貼り付けられ、先端部２２にアイピース２２ａが取り付けられる。筐体２３は、円錐形状に形成されており、円錐形状の頂点となる側に導光部２４となる孔が設けられている。被覆部２０は、凹面２１に配置された発光体２１ａが発光して光を被検眼６１に照射し、筐体２３とアイピース２２ａとにより光が被覆部２０と顔面とにより形成される空間の外部に漏れるのを抑制している。

固定具３０は、ヒンジ部３２と、携帯通信端末９０ａを挟みこむ挟持部３５ａ及び３５ｂと、挟持部３５ａ及び３５ｂとの間を開くための操作部３４と、を備える。ヒンジ部３２は、軸を中心にして回動自在に構成されている。固定具３０は、例えば弾性部材（図示なし）を備えており、弾性部材の弾性力により挟持部３５ａと３５ｂとが近づく方向に荷重が掛かるように構成されている。図２に示されるように、一方の挟持部３５ａには、孔３６が設けられており、被覆部２０の導光部２４と連通している。孔３６の中心は、携帯通信端末９０ａの撮像装置９１の開口の中心と合うように配置される。他方の挟持部３５ｂに設けられた押圧部３３は、携帯通信端末９０ａの撮像装置９１の開口が設置されている正面９０ａａの裏側に位置する背面９０ａｂに当接される。押圧部３３は、ヒンジ構造により挟持部３５に対し回動自在に取り付けられている。押圧部３３が回動することにより押圧部３３は、背面９０ａｂに垂直に力が掛かるように構成されている。押圧部３３は、厚み寸法又は形状が異なる携帯通信端末９０ａであっても、孔３６の位置と撮像装置９１の開口とが合った状態で、背面９０ａｂを押圧し、照射部１０を携帯通信端末９０ａに固定する。

実施の形態１において、固定具３０は、図２に示されるように挟持部３５ａ及び３５ｂにより携帯通信端末９０ａを挟みこんで固定するクリップ構造であるが、異なる形態であってもよい。例えば、固定具３０は、ネジを締めこんで携帯通信端末９０ａを挟みこむ構造、又は吸盤などにより携帯通信端末９０ａの正面９０ａａに貼り付く構造を有するものであっても良い。

（被覆部２０の構造）
図３は、実施の形態１に係る照射部１０の凹面２１と被検眼６１との関係を説明する模式図である。照射部１０は、被覆部２０が被検眼６１を含む顔面の一部を覆うように配置され、被検眼６１に光を照射する。照射部１０の使用時においては、被覆部２０の凹面２１は、被検眼６１の角膜表面６２に対向するように配置される。凹面２１の発光体２１ａは、発光して角膜表面６２の全体に均一に光を照射する。発光体２１ａは、実質的に表面全体が均一に白色に発光するものが望ましい。凹面２１に配置された発光体２１ａは、表面全体が均一に発光することにより、角膜表面６２の全体に均一に光を照射し、光を角膜表面６２に反射させることができる。照射部１０は、角膜表面６２にある涙液層に光を反射させるものである。照射部１０が角膜表面６２の全体に光を照射し、撮像装置９１は角膜表面６２の全体又はほぼ全体に作られた発光体２１ａの虚像を撮像する。発光体２１ａの虚像は、例えば白色で実質的に均一であるため、角膜表面６２にある涙液層の各部の状態を評価するのに適している。

角膜表面６２にある涙液層は、表面に位置する油層と角膜表面６２側に位置する液層との２つの層から形成されている。照射部１０は、角膜表面６２に光を照射し、油層の表面及び裏面のそれぞれに反射する光の干渉により生じる干渉模様を観察する。角膜表面６２に分布する涙液層による干渉模様を極力均一な条件で観察するため、角膜表面６２は、均一に光を照射されるのが望ましい。従って、発光体２１ａは、図３（ａ）に示すような、角膜表面６２をオフセットしたドーム状の曲面であることが望ましい。角膜表面６２は、図３において円弧Ｓで表されている曲面を有する。凹面２１の発光体２１ａは、角膜表面６２が形成する曲面の中心Ｃと角膜表面６２の端縁６３ａ及び６３ｂとを結んだ仮想線ｂ及びｃと交差するように配置される。なお、角膜表面６２の曲面は、球面に近似している。

図３においては、被検眼６１の上下方向についての発光体２１ａ配置を表示しているが、中心Ｃと角膜表面６２の端縁６３ａ及び６３ｂの任意の点を結んだ仮想線は、凹面２１の発光体２１ａと交差する。なお、角膜表面６２の端縁６３ａ及び６３ｂは、開瞼時に角膜表面６２が露出した状態における角膜表面６２の端縁６３のうち上下方向の端縁６３である。図３においては上下方向の端縁６３ａ及び６３ｂのみを表示しているが、水平方向及び斜め方向も含めて角膜表面６２の端縁６３全周において、上下方向の端縁６３ａ及び６３ｂと同様に仮想線が凹面２１の発光体２１ａと交差する。つまり、図３における角膜表面６２と発光体２１ａとの位置関係は、上下方向だけでなくその他の方向においても同様に成立する。

図３（ａ）に示すように、発光体２１ａは、角膜表面６２のオフセット面であることが望ましいが、この場合、表面形状の成形が困難で製造コストが高くなる。従って、図３（ｂ）～図３（ｅ）に示すように、発光体２１ａの表面は、角膜表面６２の曲面の中心Ｃと端縁６３とを通る仮想線と交差するように構成されていれば、角膜表面６２のオフセット面以外の形状の面光源であっても良い。

図３（ｂ）に示される発光体２１ａは、図１及び２に示される照射部１０の発光体２１ａを模式的に表している。図３（ｂ）において発光体２１ａは、円錐面で構成され、円錐面の頂点に導光部２４が設置されている。図３（ｂ）に示される発光体２１ａは、被検眼６１と撮像装置９１との間に配置され、角膜表面６２の曲面の中心Ｃと端縁６３とを通る仮想線が交差するように設置されている。ここで、中心Ｃを通る仮想線上における、角膜表面６２から発光体２１ａまでの距離Ｌを規定したときに、端縁６３を通る仮想線上の距離Ｌと端縁６３ではない角膜表面６２上の点を通る仮想線上の距離Ｌ１とを比較する。図３（ｂ）においては、発光体２１ａが球面ではなく円錐面を形成しているため、距離Ｌと距離Ｌ１とを比較すると距離Ｌ１の方が長い。しかし、人の顔面の一部を覆う程度の大きさの被覆部２０であれば、その差は小さい。よって、面光源である発光体２１ａを均一に発光させることができれば、角膜表面６２に対して実質的に均一に光を照射できる。

図３（ｃ）に示される発光体２１ａは、図３（ｂ）と同様に円錐面であるが、導光部２４が円錐面の先端側に配置されている。導光部２４は、必ずしも発光体２１ａの中心である必要はなく、光が照射された角膜表面６２を撮像することができれば被覆部２０の凹面２１のどの位置に開口されていても良い。

図３（ｄ）に示される発光体２１ａは、平面である。発光体２１ａが平面であっても、角膜表面６２からの距離Ｌ及び発光体２１ａの光の強度を調整することにより、角膜表面６２に光を実質的に均一に照射することができる。発光体２１ａが平面である場合、発光体２１ａの端においては、角膜表面６２の端縁６３からの距離Ｌが遠い。そのため、平面の発光体２１ａは、図３（ａ）～（ｃ）の発光体２１ａと比較して外径ｒが大きくなりやすく、面積も広くなりやすい。

図３（ｅ）に示される発光体２１ａは、有底筒状に形成されている。有底筒状に形成された発光体２１ａは、外径ｒが大きくなることはないが、発光体２１ａを構成する面２１ｐ及び面２１ｑの面積が大きくなりやすい。有底筒状の発光体２１ａは、例えば平面の発光シートと円筒状に丸めた発光シートを組み合わせることにより、容易に製造できる。

図４は、実施の形態１に係る照射部１０を用いて角膜表面６２を撮像した涙液画像である。図１、図２、図３（ａ）、図３（ｂ）、図３（ｄ）、及び図３（ｅ）に示されている照射部１０は、発光体２１ａの中央部、つまり角膜表面６２の曲面の中心Ｃと角膜の中央の点とを通る仮想線上に導光部２４が設置されている。そのため、図４に示されるように、図１、図２、図３（ａ）、図３（ｂ）、図３（ｄ）、及び図３（ｅ）に示されている照射部１０を用いて光を照射して撮像された涙液画像は、角膜の中央部に導光部２４が映り込んでいる。従って、導光部２４が映り込んだ涙液画像の中央部は、発光体２１ａの光による干渉模様が撮像できていない。

しかし、図３（ａ）～（ｅ）に示される発光体２１ａによれば、導光部２４が映り込んだ部分を除く角膜表面６２の全体に光を照射できる。そのため、照射部１０により撮像した画像は、図４に示すように、角膜表面６２のほぼ全域にわたり発光体２１ａの虚像が作られており、角膜表面６２の各部に存在する涙液による干渉模様の分布が確認できる。また、角膜表面に格子状のパターンを投影し、その格子の曲がり具合を画像解析することにより、涙液層の形状変化や乱れを計測することができる角膜トポグラフィーという技術がある。実施の形態１に係る涙液観察装置１００は、角膜トポグラフィーと同様に発光面に格子状のパターンを設けることで、涙液層の乱れを可視化し易くすることができる。具体的には、発光体２１ａの表面に格子状に線を描いても良いし、格子状のパターンを描いた透明なシート（図示無し）を、発光体２１ａの上に配置しても良い。なお、透明なシートは、光源となる発光体２１ａに隣接して配置される形態に限定されず、発光体２１ａと被写体となる角膜表面６２の間に配置されていればよい。

（照射部１０による撮像方法）
図５は、実施の形態１に係る涙液観察装置１００を用いて被検眼６１を撮像している状態の一例である。被検者６０は、自ら涙液観察装置１００を手に持ち、被覆部２０の先端部２２を顔面に当接させる。被覆部２０は、顔面のうち被検眼６１を含む一部の領域を覆う。携帯通信端末９０ａを保持する向きは、図５（ａ）に示すように縦方向でもよいし、図５（ｂ）に示すように横方向でもよい。図５（ｂ）に示すように携帯通信端末９０ａの長手方向を横向きにした場合は、被検者６０は、被覆部２０により覆われていない他方の眼６１ａで携帯通信端末９０ａに設けられた画面を確認しながら撮像することができる。

実施の形態１に係る涙液観察装置１００の使用手順は、具体的には以下の様に行う。まず、被検者６０は、携帯通信端末９０ａを動画撮影状態にし、被検者６０自身の手で携帯通信端末９０ａを持ち、被検眼６１に向ける。被検者６０は、照射部１０の被覆部２０の先端部２２を顔面に押し当て、被覆部２０により被検眼６１を覆う。

被検眼６１を覆い、携帯通信端末９０ａを動画撮影状態にし、被検者６０は、被検眼６１の眼瞼を一度軽く閉じる。そして、被検者６０は、眼瞼を開け、１０秒間開瞼し続ける。携帯通信端末９０ａの撮像装置９１は、開瞼している期間の角膜表面６２の涙の動きを撮影する。このとき、角膜表面６２の涙液層には、発光体２１ａから投影された白色光が照射される。白色光は、涙液層のうち表面にある油層の表面と裏面とでそれぞれ反射し、表面での反射光と裏面での反射光とが互いに干渉し、角膜表面６２に干渉模様を呈する。撮像装置９１は、その干渉模様を撮影する。

涙液層のような薄膜界面での反射光の干渉は、次の式（１）で表される。

ここで、ｄ：涙液層の厚さ、θ：光の入射角、ｍ＝０，１，２，３，…、λ：光の波長、ｎ：涙液層の屈折率、である。

図４に示されるように、撮像された画像Ｐには、角結膜の広い範囲に分布する涙液層の各層の反射による干渉像が表れている。図４において、角膜表面６２の中央部に位置する比較的黒く表示されている領域ｆは、撮像装置９１に導光する導光部２４が映り込んでおり涙液層からの反射がほぼ得られないため、それ以外の領域を評価する。

図４に示されている干渉模様Ｋは、油層の状態、即ち油層の有無、油層の厚みとその変化、角膜表面６２における涙液の流れ、及び涙液の粘性の影響を受けて変化する。

また、被検者６０が開瞼を１０秒間維持することにより、涙液観察装置１００は、ドライアイの判定に必須である涙液層の破壊を観察することもできる。

つまり、被検者６０は、涙液観察装置１００を用いて撮像された角膜表面６２の干渉模様を観察することで、自身の涙液の状態を確認できる。従来の眼科装置で角膜表面６２の涙液を観察する場合、検者（通常は眼科医）が被検者６０の被検眼６１の位置を調整しながら観察する必要がある。一方、実施の形態１に係る涙液観察装置１００は、被検者６０が自分で測定位置を合わせながら角膜表面６２を撮像できる。被検者６０は、例えば携帯通信端末９０ａの画面に映る映像を見ながら、涙液観察装置１００の位置を微調整し、最適な位置に持っていくことができる。

（照射部１０の変形例）
図６は、実施の形態１に係る照射部１０の断面の模式図である。図７及び図８は、実施の形態１に係る照射部１０の変形例の断面の模式図である。実施の形態１に係る照射部１０は、発光体２１ａにより被覆部２０の先端部２２側に位置する被検眼６１に光を照射し、導光部２４の奥に配置されている撮像装置９１で被検眼６１を撮像する。発光体２１ａは、固定具３０に設置された電源部３８から配線３８ａを介して電力が供給され、発光する。電源部３８は、バッテリーであり、インバータ３９において直流電流を交流電流に変換して発光体２１ａに電力を供給する。発光体２１ａにより光が照射された被検眼６１に反射した光は、導光部２４の内部に配置されたレンズ３７により集光され撮像装置９１で撮像される。

図７に示されている変形例である照射部１０Ａは、照射部１０と比較して導光部２４の内部にプリズム２８を配置し、導光部２４に進入した光を反射させて撮像装置９１に導光している。プリズム２８は、導光部２４の内部において光が進入する位置に配置される。そして、導光部２４に光が進入する方向に対し垂直方向にもう１つのプリズム２８が配置される。導光部２４に進入した光は、第１のプリズム２８Ａの反射面２８ａで垂直に曲げられ、更に第２のプリズム２８Ｂの反射面２８ａで垂直に曲げられ、撮像装置９１に進入する。導光部２４に進入する光の入射方向において、導光部２４の入口側に配置されている第１のプリズム２８Ａの奥には、第２発光体２１ｂが配置されており、第１のプリズム２８Ａを透過して角膜表面６２に光を照射する。第２発光体２１ｂは、導光部２４の周りに配置されている第１発光体２１ａとは別に設置されている発光シートであり、電源部３８から配線３８ｂを介して電力が供給される。第１のプリズム２８Ａの反射面２８ａは、第２発光体２１ｂの光を透過するように、例えばハーフミラーで構成されている。このように構成されることにより、変形例に係る照射部１０Ａは、図４に示されている画像の領域ｆに相当する領域も発光体２１ａにより光が照射され、涙液による干渉模様を観察することができる。

図８に示されている変形例に係る照射部１０Ｂは、撮像装置９１を一体に備える。照射部１０Ｂは、被覆部２０が照射部１０及び１０Ａと同様に構成されているが、固定具３０を有していない。被覆部２０の根元部には撮像装置９１が内部に配置されている筐体９３が設けられ、さらに電源部３８、インバータ３９、及び通信部４０が筐体９３に一体に設けられている。通信部４０は、例えば携帯通信端末９０ａなどの外部の機器と通信し、撮像装置９１で撮像したデータを送信する。照射部１０Ｂで撮像された画像は、携帯通信端末９０ａで確認することができる。なお、通信部４０と通信する外部の機器は、携帯通信端末９０ａのみに限定されるものではなく、例えばパソコンなどの情報処理装置であっても良い。通信部４０は、無線通信により通信するが、有線通信であっても良い。

図９は、実施の形態１の変形例に係る照射部１０Ｂを用いて被検眼６１を撮像している状態の一例である。変形例に係る照射部１０Ｂは、被検者６０の手に保持され、被検眼６１に向けられる。被検者６０は、照射部１０Ｂが向けられていない他方の眼６１ａで携帯通信端末９０ａの画面を確認することができる。なお、以下の説明において、照射部１０、１０Ａ及び１０Ｂを総称して照射部１０と称する場合がある。

（涙液健康度の推定について）
被検者６０は、自分の涙の健康度を把握するために、例えば次の涙液の評価指標（１）～（４）のうち１つ以上の指標について、照射部１０を用いて自ら撮像した涙液画像と、予め準備された実績涙液画像とを被検者６０が見比べることが出来る。評価指標は、（１）開瞼後の干渉像の色、（２）開瞼後に涙液油層が到達する位置（図１０を参照）、（３）開瞼開始から涙液層破壊像が観察されるまでの時間及びその破壊パターン、（４）開瞼から目を閉じてしまうまでの時間、である。上記の評価指標に基づき涙液健康度をスコアリングする際の考え方の一例を表１に示す。

上記表１に示すように、評価指標（１）～（４）に対しそれぞれスコアを５段階に設定し、涙液の健康度が最も高いものを５点、最も低いものを１点とする。例えば、（１）開瞼後の干渉縞が灰色で均一、（２）開瞼後の涙液油層の上方伸展の範囲は角膜全体、（３）開瞼後１０秒間涙液層の破壊像が観察されない、（４）開瞼後１０秒間眼を開け続けられる、場合は涙液の健康度は５点となる。被検者６０は（１）～（４）の１つ以上の項目について、予めスコアリングされた参照動画と照射部１０により撮像した画像とを見比べることにより、涙液健康度をスコアリングできる（文献：Ｙｏｋｏｉ，Ｎ．；Ｔａｋｅｓｈｉｔａ，Ｙ．；Ｋｉｎｏｓｈｉｔａ，Ｓ．Ｃｏｒｒｅｌａｔｉｏｎｏｆｔｅａｒｌｉｐｉｄｌａｙｅｒｉｎｔｅｒｆｅｒｅｎｃｅｐａｔｔｅｒｎｓｗｉｔｈｔｈｅｄｉａｇｎｏｓｉｓａｎｄｓｅｖｅｒｉｔｙｏｆｄｒｙｅｙｅ．ＡｍｅｒｉｃａｎＪｏｕｒｎａｌｏｆＯｐｈｔｈａｌｍｏｌｏｇｙ．１９９６，１２２（６），８１８－８２４．横井則彦．ＤＲ－１による涙液層の評価．ＦｒｏｎｔｉｅｒｓｉｎＤｒｙＥｙｅ．２０１２，７（２），５０－５５．他）。

図１０は、評価指標（２）の一例の説明図である。開瞼後に涙液油層は、上眼瞼とともに上に引き上げられるが、涙液量が足りない場合は涙液油層が角膜全体に十分に行き渡らない。よって、評価指標（２）においては、例えば涙液の干渉像が角膜全体に行き渡っているか（表１のスコア５点）、図１０に示される到達位置６４ａを超える（表１のスコア４点）、同程度（表１のスコア３点）、又は到達位置６４ａより下（表１のスコア２点）か、涙液の上方進展が確認できないか（表１のスコア１点）の何れに該当するかを被検者６０は、判定する。例えば、涙液の干渉像が、図１０の到達位置６４ｂに到達していればスコア２点、到達位置６４ｃであればスコア１点と判定する。

なお、評価指標（１）～（４）は、一例であり、適宜変更することができる。また、実施の形態１においては、涙液健康度のスコアを上記の５水準に分類しているが、評価指標に応じて水準の数は、任意のｎ水準に適宜変更しても良い。

以上のように、実施の形態１に係る涙液観察装置１００は、被検眼６１を撮像する撮像装置９１と、被検者６０の顔面の被検眼６１を含む領域に対向させる凹面を有する被覆部２０と、被検眼６１に向かって光を照射する発光体２１ａと、を備える。発光体２１ａは、被覆部２０の凹面２１に設置され、被覆部２０は、被検者６０の顔面に向けられる先端部２２と、凹面２１の一部に設けられ、撮像装置９１に被検眼６１の表面に反射した反射光を導く導光部２４と、を備えるものである。このように構成されることにより、被検者６０は、自らの手で被検眼６１の角膜表面６２の広い範囲に実質的に均一な光を照射しながら撮像でき、角膜表面６２の状態を容易に確認することができる。

実施の形態１に係る涙液観察装置１００において、発光体２１ａは、面光源である。このように構成されることにより、被検眼６１の角膜表面６２に実質的に均一な光がむらなく照射されるため、角膜表面６２の各部において、同じ条件下での涙液層の干渉模様を撮像することが可能となる。通常、平面の発光体又は点光源などの光源から凸面である角結膜に光を照射すると、凸面で広がって反射するため、角結膜上に作られる光源の虚像は小さくなる。実施の形態１においては、凹面２１に配置された発光体２１ａが面光源であり、例えば円錐形状となっている発光体２１ａで被検眼６１を覆いつつ近接配置される。これにより、角膜表面６２のほぼ全体に光源の虚像が作られ、角膜表面６２のほぼ全体の涙液の情報を得ることができる。表１（２）において評価指標とされている開瞼後に涙液油層が到達する位置の観察においては、角膜表面６２の下部から上部まで伸展移動する涙液の動態を観察する必要がある。そのため、表１（２）の評価を行うにあたっては角膜の出来るだけ広い範囲を観察する必要があり、実施の形態１に係る照射部１０及び涙液観察装置１００によれば、表１（２）の評価指標を適切に評価できる。

なお、従来より一般的な涙液検査においても、角膜表面６２上の出来るだけ広い範囲の涙液を観察する必要があり、これはフルオレセイン染色により行われている。しかし、フルオレセイン染色による涙液観察は、染色により角膜表面６２の広い範囲を観察できるものの、薬品を角膜表面６２に滴下して行うものであり、観察するときには涙液の状態が変化してしまうため、適切な涙液の状態を観察することができない。一方、実施の形態１に係る涙液観察装置１００によれば、角膜表面６２を非侵襲な状態で観察できるため、角膜表面６２のほぼ全体にわたって涙液の状態を適切に評価できるという利点がある。

実施の形態１に係る涙液観察装置１００において、発光体２１ａは、導光部２４の周囲に配置される。このように構成されることにより、導光部２４は、発光体２１ａの中央に配置することができ、角膜表面６２を正面から撮像することができ、涙液層の観察の精度を向上させることができる。

実施の形態１に係る涙液観察装置１００において、発光体２１ａは、導光部２４の周囲に配置される第１発光体２１ａと、導光部２４に配置される第２発光体２１ｂと、を含む。そして、導光部２４は、内部に設置され当該導光部２４に入射した光を撮像装置９１に反射する反射面２８ａと、を備える。第２発光体２１ｂは、導光部２４の内部であって反射面２８ａの奥に配置される。このように構成されることにより、涙液観察装置１００の照射部１０は、導光部２４も光源とすることができる。これにより、撮像装置９１により撮像された画像は、光が照射されていない部分がなく、角膜表面６２の全体を同時に観察することができる。

実施の形態１に係る涙液観察装置１００において、発光体２１ａは、凹面２１に設置された発光シートである。このように構成されることにより、凹面２１は、コストを掛けずに所望の形状に形成できる。特に、薄い発光シートは、面が均一に発光し、容易に円錐形状にすることができるため、涙液観察装置１００の光源として適している。

実施の形態１に係る涙液観察装置１００において、発光体２１ａは、被検眼６１の角膜の露出している部分の端縁６３と角膜表面６２が成す曲面の中心Ｃとを結んだ仮想線ｂ及びｃを規定したときに、凹面２１と仮想線ｂ又はｃとが交差する各点を含む領域に配置されている。これにより、発光体２１ａは、眼球の角膜表面６２よりも広い領域を照射できる。これにより、涙液観察装置１００は、角膜表面６２の端縁６３までの領域の全体に光を照射した状態の画像が得られる。なお、上記の凹面２１の発光体２１ａの配置は、被覆部２０の先端部２２の少なくとも一部が被検者６０の顔面の一部に当接した状態で実現されると良い。これにより、涙液観察装置１００は、角膜表面６２、照射部１０及び撮像装置９１の位置が安定し、精度の良い撮像及び涙液観察が可能となる。

実施の形態１に係る涙液観察装置１００は、固定具３０を更に備え、撮像装置９１は、携帯通信端末９０ａに設置され、固定具３０は、導光部２４から撮像装置９１に導光するように、携帯通信端末９０ａを挟みこんで固定される。これにより、涙液観察装置１００は、様々な携帯通信端末９０ａと照射部１０とを組み合わせて構成される。被検者６０が自分の所有する携帯通信端末９０ａを涙液観察装置１００として利用できるため、涙液観察装置１００は、利便性が高いものになっている。

実施の形態１に係る涙液観察装置１００は、被覆部２０の先端部２２が撮像装置９１の最短撮影距離よりも遠くに配置されている。最短撮影距離は、撮像装置９１がピントを合わせられる最短距離を意味している。涙液観察装置１００は、被覆部２０の先端部２２に顔面を当接させた状態で角膜表面６２を撮影できるようにするべく、導光部２４に接写用レンズ３７を備えていても良い。これにより、涙液観察装置１００は、被覆部２０を顔面に押し付けた状態で安定させつつ、撮像装置９１により鮮明な涙液画像を得ることができる。

実施の形態２．
実施の形態２に係る涙液健康度推定システム１０００は、実施の形態１に係る涙液観察装置１００を用いて角膜表面６２の画像を取得し、情報処理装置９０においてその画像を基に涙液健康度を推定するものである。実施の形態２においては、実施の形態１に対する変更点を中心に説明する。

図１１は、実施の形態２に係る涙液健康度推定システム１０００のハードウェア構成を示す図である。情報処理装置９０は、実施の形態１に係る涙液観察装置１００の携帯通信端末９０ａに相当するものである。情報処理装置９０は、下記のハードウェア構成を備える。Ｈ１１は、ＣＰＵであり、演算装置及び制御装置として機能し、システムバス（Ｈ２０）に接続された各種デバイスの制御を行う。Ｈ１２は、ＲＯＭであり、ＢＩＯＳ（ＢａｓｉｃＩｎｐｕｔ／ＯｕｔｐｕｔＳｙｓｔｅｍ）のプログラムやブートプログラムを記憶する。Ｈ１３は、ＲＡＭであり、ＣＰＵであるＨ１１の主記憶装置として使用される。Ｈ１４は外部メモリであり、情報処理装置９０が処理するプログラム及び涙液健康度推定に必要な情報が格納される。入力部（Ｈ１５）は、タッチパネル、キーボード、マウス、コントローラー又は音声入力装置であり、情報等の入力に係る処理を行う。表示部（Ｈ１６）は、ＣＰＵ（Ｈ１１）からの指示に従って情報処理装置９０の演算結果を表示装置に出力する。なお、表示装置は、液晶表示装置、有機ＥＬ表示装置、プロジェクタ又はＬＥＤインジケータなど、種類は問わない。Ｈ１７は、通信インターフェイスであり、ネットワークを介して情報通信を行うものであり、通信インターフェイスは、ＵＳＢ等を用いた有線による通信又は無線通信等種類は問わない。Ｈ１８は入出力部（Ｉ／Ｏ）であり、外部カメラ（Ｈ１９ｂ）と接続されている。なお、Ｈ１９ａは、内蔵カメラである。Ｈ２７はセンサであり、例えば環境センサ（温度、湿度、気圧、照度、近接、指紋、心拍数又は接触を検知するセンサ、マイク、ＲＧＢカメラ、ＮＦＣセンサ、磁気通信、赤外線カメラなど）、モーションセンサ（加速度又は重力を検知するもの、ジャイロ（回転、動き、位置）、磁気（磁石との距離、速度、加速度）を検知するもの、位置を検知するもの（ＧＰＳ、地磁気（電子コンパス））、その他、物質や物性を特定することの可能なセンサを含む）である。

内蔵カメラ（Ｈ１９ａ）は、図２、図６及び図７に示される携帯通信端末９０ａに搭載された撮像装置９１に相当する。また、外部カメラ（Ｈ１９ｂ）は、図８に示される照射部１０に搭載された撮像装置９１に相当するものであり、図２、図６及び図７に示される形態においては存在しなくともよい。また、表示部（Ｈ１６）は、例えば携帯通信端末９０ａの表示装置９２に相当する。

情報処理装置９０Ｂは、例えばインターネットを介して接続されるサーバー等の外部装置であり、情報処理装置９０の通信インターフェイス（Ｈ１７）と通信インターフェイス（Ｈ２２）により接続されている。情報処理装置９０Ｂは、情報処理装置９０と同様にＣＰＵ（Ｈ２３）、ＲＯＭ（Ｈ２４）、ＲＡＭ（Ｈ２５）及び外部メモリ（Ｈ２６）を備える。なお、外部の情報処理装置９０Ｂを第２情報処理装置と称する場合がある。

図１２は、実施の形態２に係る情報処理装置９０の機能構成の一例を示す図である。図１３は、実施の形態２に係る涙液健康度の推定方法の一例を示す図である。実施の形態２に係る情報処理装置９０のカメラ（Ｈ１９ａ又はＨ１９ｂ）は、被検眼６１の画像を撮像する。撮像された画像は、動画であり外部メモリ（Ｈ１４）などに記録される。記憶される画像は、動画でも静止画でも良い。静止画の場合には、例えば開瞼直後の画像から一定秒数後の画像を差し引いた差分画像でも良いし、又は開瞼後一定秒数後の画像のみを用いても良い。画像が動画の場合、画像のうち涙液健康度の推定に必要な部分のみが記録されても良い。カメラ（Ｈ１９ａ又はＨ１９ｂ）は、図２、図６～図８に示す撮像装置９１に相当する。カメラ（Ｈ１９ａ又はＨ１９ｂ）は、情報処理装置９０に内蔵されている内蔵カメラ（Ｈ１９ａ）であっても、入出力部であるＩ／Ｏ（Ｈ１８）を介して接続された外部カメラ（Ｈ１９ｂ）であっても良い。情報処理装置９０は、図１３に示すように、撮像装置９１により撮像されたデータから涙液健康度を推定するものである。

図１３に示すように、評価部１０１は、撮像装置９１で撮像された画像を処理する。図１２に示される評価部１０１の特徴抽出部１０２は、入力された画像を必要な画像に処理し外部メモリ（Ｈ１４）に記録する。特徴抽出部１０２においては、入力された画像から特徴データが抽出される。特徴データは、被検眼６１の状態を、ｎ水準のスコアの何れかに分類するために必要な画像である。特徴データとして抽出された画像は、例えば表１に示される評価指標（１）～（４）に基づいてｎ水準（表１においては５水準）に分類可能な特徴が表れているものである。ｎ水準のスコアは、機械学習において特徴量として用いてもよい。評価部１０１は、情報処理装置９０が備えるＣＰＵ（Ｈ２３）、ＲＯＭ（Ｈ２４）、ＲＡＭ（Ｈ２５）及び外部メモリ（Ｈ２６）により実現される。又は、図１２の評価部１０１は、外部の情報処理装置９０Ｂにより実現されても良い。

特徴データは、
（１）涙液層が有する涙液油層に光が反射して生ずる干渉縞模様の有無及び前記干渉縞模様の色に関する情報、
（２）開瞼後に前記涙液油層が高さ方向に引き上げられる最高到達点の情報、
（３）前記涙液層が破壊されるまでの涙液破壊時間（ＢＵＴ）の情報、及び
（４）前記被検眼の開瞼開始から閉瞼までの開瞼時間の情報の少なくとも１つを含む画像である。これらの特徴データは、撮像装置９１で撮像された画像から各評価指標に対応して、少なくとも１つの画像が抽出される。なお、特徴データである抽出された画像は、学習モデルによる画像認識により抽出されても良い。

特徴データは、評価指標に基づき評価され、変換部１０３で特徴ベクトルに変換される。又は、特徴データは、評価指標に基づき評価され、変換部１０３で数値化される。

（特徴抽出部１０２及び変換部１０３の学習モデル）
評価部１０１における特徴データの抽出及び特徴ベクトルへの変換は、例えばニューラルネットワークなどの機械学習アルゴリズムを用いて生成された学習モデルを用いて行う。ここでいう学習モデルとは、例えば画像から入力画像に対応する結果を出力するニューラルネットワークに基づくネットワーク構造とそのパラメータとする。学習モデルは、具体的にはＣＮＮ（畳込みニューラルネットワーク）である。また、学習（パラメータの更新）とは、学習モデルの入力側の層に画像を設定し、出力画像の層に画像に対する正解値を設定し、ニューラルネットワークを経由して算出される出力が設定した正解値に近づくようにニューラルネットワークのパラメータを調整する処理を指す。

図１２の特徴抽出部１０２及び変換部１０３による処理は、教師データを用いて生成された学習モデルにより行うことができる。学習モデルの生成は、実施の形態１に係る涙液観察装置１００を用いて撮像された様々な条件の実績涙液画像と実績涙液画像に教師ラベルとして紐づけられたスコアとから構成される教師データを用いて作成される。例えば、教師データは、実績涙液画像を人の手により評価し、例えば表１に示される評価指標と判断基準に基づき１～５までのスコアを実績涙液画像と紐づけして作成される。例えば、実績涙液画像が「涙液の上方伸展位置が１／２以下である」、「開瞼後１０秒以内に涙液破壊が見られる」、等の状態にある場合には、涙液の量と質が悪い状態にあると判断し、低い数値パラメータを設定する。一方、実績涙液画像が「涙液の情報伸展が角膜全体に広がる」、「開瞼後１０秒間に涙液破壊が見られない」等の状態にある場合には、当該涙液画像の涙液の質と量は良好状態にあると判断し、高い数値パラメータを設定する。また、類似の状態であっても、その具体的状況に応じて異なるスコアを設定しても良い。

処理部１０４は、特徴ベクトル、画像が撮影された環境情報、被検者の属性及び行動データを基に涙液健康度を求める。処理部１０４においては、画像を基に得られた特徴ベクトルに加え、画像が撮影された環境情報、被検者の属性及び行動データなどの関連情報（メタデータ）も入力され、涙液健康度が出力される。涙液健康度は、例えば画像と、画像に付随した関連情報の実績から作成された基準に基づき判定される。関連情報とは、撮像時の環境情報、被検者の属性及び行動データで構成される。画像に付随したこれらの関連情報は、全てドライアイに関連することが分かっており、涙液及び涙液健康度に関係するパラメータである。処理部１０４においては、関連情報の少なくとも１つ以上を用いる。

以下に画像に付随する関連情報の一例を示す。
（１）被検者の属性情報
性別、年齢、既往症、コンタクトレンズ装用の有無、ドライアイの質問表（ＤＥＱＳ／ＯＳＤＩ）の回答、うつ病の質問表Ｓｅｌｆ－ｒａｔｉｎｇｄｅｐｒｅｓｓｉｏｎｓｃａｌｅ（ＳＤＳ）への回答。
（２）被検者の行動データ
撮影前２４時間の睡眠時間、ＶＤＴ使用時間、歩数（活動量）、などのヘルスデータ。
（３）測定環境情報
湿度温度、季節時期、測定機種、設定情報、撮影日時、など。

処理部１０４は、涙液画像から得られた特徴ベクトルと測定環境情報、被検者の属性及び被検者の行動データとを入力として、学習モデルを用いて涙液健康度スコアを出力する。学習モデルは、ニューラルネットワークなど機械学習アルゴリズムを利用して生成される。学習モデルは、実績涙液画像から得られる特徴ベクトルと測定環境情報、被検者の属性及び被検者行動データなどの関連情報を入力とし、涙液健康度を教師ラベルとして紐づけされた教師データを用いて生成される。

なお、評価部１０１は、入力を涙液画像及び涙液画像に付随する関連情報とし、出力を涙液健康度とする学習モデルを用いても良い。評価部１０１は、具体的にはＣＮＮ（畳込みニューラルネットワーク）が用いられる。評価部１０１がＣＮＮである場合、処理部１０４は、畳み込みニューラルネットワークの「全結合層（分類器）」に相当する部分となり、ここには涙液画像から得られた特徴ベクトルとともに上記の関連情報が入力される。このように、涙液画像に付随する関連情報に基づき分類する場合、実施の形態１のように涙液画像のみを見比べる場合に比べ、涙液の健康度の推定精度が向上する。例えば、前日の睡眠時間が８時間の時の涙液画像と、睡眠時間が１時間の時の涙液画像が似たような画像であったとする。このとき睡眠時間という要因を加味して評価部１０１が解析するによって、睡眠時間が１時間の場合の涙液画像の方が、睡眠時間が８時間の場合の涙液画像よりも健康状態が悪いと判断する。このように、測定画像だけでなく生活ログデータを総合的に解析し、より正確な涙液の健康状態を推定することが出来る。この場合、複数の種類の入力情報の中から特徴を見つけ出すマルチモーダル学習の手法を用いても良い。

表示装置９２は、評価部１０１から出力された涙液健康度を出力し、被検者６０に示す。表示装置９２は、携帯通信端末９０ａに一体に設けられた画面であるが、パソコンの画面などその他の機器に表示させても良い。

（涙液健康度の推定フロー）
図１４は、情報処理装置９０が涙液健康度の推定を実行する推定処理手順を示すフローチャートである。次に、実施の形態２における涙液健康度推定の処理手順について説明する。以下の説明では、各工程（ステップ）について先頭にＳを付けて表記する。ただし、情報処理装置９０は必ずしもこのフローチャートで説明するすべてのステップを行わなくても良い。以下、フローチャートは、コンピュータである図１１のＣＰＵ（Ｈ１１）が外部メモリ（Ｈ１４）で格納されているコンピュータプログラムを実行することにより実現されるものとする。

まず、Ｓ１の前に、情報処理装置９０は、システムの初期化を行う。すなわち、外部メモリ（Ｈ１４）からプログラムを読み込み、情報処理装置９０を動作可能な状態にする。

Ｓ１では、撮像装置９１により対象となる被検眼６１を撮像する。撮像の開始は、被検者６０が携帯通信端末９０ａを操作して手動で操作して行う。又は、被検眼６１が画像の所定の位置に納まり、画像のピントが合った状態を情報処理装置９０が判定して撮像を開始させても良い。撮像の終了は、例えば所定時間経過又は手動による終了の指示等により行う。

Ｓ２では、Ｓ１で撮像された画像を外部メモリ（Ｈ１４）に記録する。

Ｓ３では、記録された画像を基に被検眼６１の涙液健康度を推定する。涙液健康度の推定は、撮像装置９１ａ又は９１ｂにより撮像された画像を入力とし、評価部１０１において学習モデルを用いて処理され、涙液健康度が出力される。

Ｓ４では、評価部１０１において推定された涙液健康度が表示装置９２に表示される。

なお、図１４におけるフローは、情報処理装置９０の内部のＣＰＵ（Ｈ１１）、ＲＯＭ（Ｈ１２）、ＲＡＭ（Ｈ１３）及び外部メモリ（Ｈ１４）により実行、処理されても良い。ただし、情報処理装置９０Ｂが情報処理装置９０に接続されている場合、通信インターフェイス（Ｈ１７及びＨ２２）を介して通信を行い、涙液画像を情報処理装置９０Ｂに送信し、外部のサーバー等である情報処理装置９０Ｂの外部メモリ（Ｈ２６）に記録されている学習モデルを用いて涙液健康度の推定を行っても良い。このとき情報処理装置９０Ｂの内部のＣＰＵ（Ｈ２３）、ＲＯＭ（Ｈ２４）、ＲＡＭ（Ｈ２５）及び外部メモリ（Ｈ２６）が、評価部１０１として機能し、図１４のＳ１～Ｓ４の涙液健康度の推定フローを実施する。

（涙液健康度推定のための学習モデルの学習フロー）
図１５は、情報処理装置９０が涙液健康度を推定する学習モデルの学習処理手順を示すフローチャートである。次に、実施の形態２における涙液健康度推定のための学習モデルの学習フローの処理手順について説明する。以下の説明では、各工程（ステップ）について先頭にＳを付けて表記する。

まず、Ｓ１１の前に、情報処理装置９０は、システムの初期化を行う。すなわち、外部メモリＨ１４からプログラムを読み込み、情報処理装置９０を動作可能な状態にする。

Ｓ１１では、撮像装置９１により対象となる被検眼６１を撮像する。撮像の開始は、被検者６０が携帯通信端末９０ａを操作して手動で操作して行う。又は、被検眼６１が画像の所定の位置に納まり、画像のピントが合った状態を情報処理装置９０が判定して撮像を開始させても良い。撮像の終了は、例えば所定時間経過又は手動による終了の指示等により行う。

Ｓ１２では、Ｓ１で撮像された画像を外部メモリ（Ｈ１４）に記録する。

Ｓ１３では、記録された涙液画像について被検眼６１の涙液健康度の解析（アノテーション）を行う。図１４に示すフローで評価部１０１において記録された涙液画像について学習モデルを用いて涙液健康度推定が行われるが、被検者６０が涙液画像についての正解データを入力することにより、涙液画像についての新たな教師ラベルを紐づけしアノテーションする。

Ｓ１４では、学習モデルのチューニングが行われる。涙液画像及び特徴ベクトルと涙液画像に付随する関連情報とを入力とし、被検者６０が新たに紐づけした正解データを教師ラベルとし、学習モデルのパラメータが変更される。例えば、評価部１０１は、図１４に示すフローで推定された涙液健康度と、被検者６０が入力した正解データと、を比較する。被検者６０は、涙液健康度推定システム１０００を用いて自身の被検眼６１の涙液健康度の推定を繰り返し行うとともに、Ｓ１３において被検者６０がアノテーションを実施することにより、学習モデルのパラメータが被検者６０に合わせてチューニングされる。涙液健康度推定システム１０００は、学習済みの涙液健康度推定モデルだけで被検者６０の涙液健康度を推定することもできるが、図１５の学習フローにより被検者６０ごとにデータを蓄積し、被検者６０ごとに学習モデルを作成することができる。

Ｓ１４においてパラメータが変更された学習モデルは、情報処理装置９０の外部メモリ（Ｈ１４）に記録される。又は、情報処理装置９０と外部の情報処理装置９０Ｂとが接続されている場合には学習モデルは、外部メモリ（Ｈ２６）に記録されても良い。記録されたパラメータが変更された学習モデルは、次回の涙液健康度の推定時に推定フローで使用される。

図１５に示されたプロセスは情報処理装置９０の端末内で行っても良いし、インターネットを介してクラウド上で行っても良い。なお、本例では学習モデルをＣＮＮ（畳込みニューラルネットワーク）としたが、機械学習を用いた涙液の健康度を推定する方法であれば、どの手法を用いても良い。

図１６は、実施の形態２に係る学習モデルの生成において教師データとして用いられるデータセットの一例である。図１６に示されているデータセットは、ある時刻ｔ１、ｔ２、…、ｔｎに撮像された像ｔ１、像ｔ２、…、像ｔｎのｎ個の涙液画像と、その涙液画像に付随する関連情報と、涙液健康度とから構成されている。関連情報としては、睡眠時間、スマホの使用時間、自覚症状の評価、が含まれている。自覚症状の評価は、被検者が感じるドライアイの程度を例えば１０段階で評価したものである。なお、自覚症状の評価は、任意のｎ水準で表しても良い。

図１７は、ドライアイと睡眠の質及び量との相関関係を示す図である。図１７に示されＰＳＱＩは睡眠の質と量を効率的に計測する手法である。《参考文献：Ｋａｗａｓｈｉｍａ，Ｍ．，Ｕｃｈｉｎｏ，Ｍ．，Ｙｏｋｏｉ，Ｎ．，Ｕｃｈｉｎｏ，Ｙ．，Ｄｏｇｒｕ，Ｍ．，Ｋｏｍｕｒｏ，Ａ．，＆Ｔｓｕｂｏｔａ，Ｋ．（２０１６）．Ｔｈｅａｓｓｏｃｉａｔｉｏｎｏｆｓｌｅｅｐｑｕａｌｉｔｙｗｉｔｈｄｒｙｅｙｅｄｉｓｅａｓｅ：ｔｈｅＯｓａｋａｓｔｕｄｙ．Ｃｌｉｎｉｃａｌｏｐｈｔｈａｌｍｏｌｏｇｙ（Ａｕｃｋｌａｎｄ，ＮＺ），１０，１０１５．》。図１７のＰＳＱＩのスコアが高くなるほど睡眠が悪いことを意味する。図１７においては、ＤＥＤ（Ｄｒｙｅｙｅｄｉｓｅａｓ）、ｎｏｎ－ＤＥＤに比べて睡眠の質が悪いことを示している。よって、睡眠時間は、涙液健康度と相関性が高く、図１６においては、教師データのデータセットに含まれている。また、睡眠時間のデータは、涙液健康度の推定においても、涙液画像に付随する関連情報として評価部１０１に入力されることが望ましい。睡眠時間は、被検者６０の手により入力部（Ｈ１５）で入力されても良いし、センサ（Ｈ２７）により検知された情報から推定された睡眠時間が入力されても良い。

図１８は、ドライアイと運動との相関関係を示す図である。図１８の縦軸である運動強度指数ＭＥＴ（Ｍｅｔａｂｏｌｉｃｅｑｕｉｖａｌｅｎｔ）スコアが高い方が身体活動量が多いことを意味する（参考文献：川島素子，ライフスタイル介入アプローチ、新しい眼科３２（７）：９７３－９７８，２０１５）。図１８によれば、非ドライアイでは運動習慣がドライアイ群に比べて多いことを示している。また、別の文献では、運動習慣の多いと涙液分泌量が多いことも示されている。これにより、運動習慣に関するデータは、涙液健康度の推定において、涙液画像に付随する関連情報として評価部１０１に入力されることが望ましい。運動習慣に関するデータは、具体的にはＭＥＴスコアでもよいし、被検者６０自身による運動時間の入力、又はセンサ（Ｈ２７）により検知された情報から推定された運動強度であっても良い。

図１９は、ドライアイとＮＩＢＵＴとの相関関係の例を示す図である。図１９の縦軸がドライアイの自覚症状の度合いを示し、横軸がＮＩＢＵＴ（非侵襲的涙液膜破壊時間）を示している《参考文献：Ｐｕｌｔｅｔａｌ，Ｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｃｌｉｎｉｃａｌｓｉｇｎｓａｎｄｄｒｙｅｙｅｓｙｍｐｔｏｍｓ．Ｅｙｅ（２５）５０２－５１０（２０１１）》。図２０は、ＮＩＢＵＴとスマートフォン使用時間との相関関係の例を示す図である。図２０の縦軸がＮＩＢＵＴ（非侵襲的涙液破壊時間）であり、横軸がスマホの使用時間を示している《参考文献：ＪＨＣｈｏｉ，ｅｔａｌ，Ｔｈｅｉｎｆｌｕｅｎｃｅｓｏｆｏｃｕｌａｒｓｕｒｆａｃｅ，ｓｍａｒｔｐｈｏｎｅｕｓｅｏｎｔｈｅｓｔａｔｕｓｏｆｔｈｅｔｅａｒｆｉｌｍａｎｄＰＬｏＳＯＮＥ１３（１０）：ｅ０２０６５４１，２０１８》。図１９及び図２０によれば、ドライアイの自覚症状と涙液健康度が相関することがわかる。

図１６～２０を用いて説明したように、ドライアイと、睡眠時間、運動量、及びスマートフォンの使用時間などのＶＤＴ時間とは相関が認められる。実施の形態２に係る涙液健康度推定システム１０００においては、評価部１０１に対する入力データとして、涙液画像だけでなく涙液画像に付随した関連情報が入力される。関連情報に、上記の睡眠時間、運動量、及びＶＤＴ時間に関する情報を含むことにより、涙液健康度推定システム１０００は、推定の精度が向上する。また、これらの関連情報を用いて涙液健康度推定モデルに学習させることにより、精度の高い涙液健康度の推定ができる学習モデルを生成することができる。

実施の形態３．
実施の形態３に係る涙液健康度推定システム１０００は、実施の形態２において推定された涙液健康度を改善又は最大化するため示唆を行うものである。実施の形態３においては、実施の形態１及び２に対する変更点を中心に説明する。

実施の形態３に係る涙液健康度推定システム１０００は、図１５のフローで学習した涙液健康度推定のための学習モデルについて、例えば睡眠時間、スマートフォン使用時間などの因子が涙液健康度に対してどの程度寄与度を有するのかを求める。言い換えると、涙液健康度が因子にどのように依存するのかを求める。涙液健康度推定システム１０００は、図１４のフローで推定された涙液健康度を改善又は最大化するシミュレーションを行い、涙液健康度を改善又は最大化するための因子の値及び携帯通信端末９０ａの制御に関する示唆を得る。

図２１は、実施の形態３に係る涙液健康度推定システム１０００が有する学習モデルの機械学習の概念図である。学習モデルから涙液健康度を改善又は最大化するための因子の値及び携帯通信端末９０ａの制御に関する示唆情報を得るには複数の方法があるが、例えば「機械学習モデルの解釈」と「最適化シミュレーション」とにより行う。図２１に示すように「機械学習モデルの解釈」では、涙液健康度を推定する学習モデルから得られる因子の重要度及び特徴量の部分依存などを計算する。

図２２は、実施の形態３に係る涙液健康度推定システム１０００が有する学習モデルから最適化シミュレーションにより改善すべき因子を推定する方法の概念図である。「最適化シミュレーション」では、制御ができない因子については固定し、制御可能な変数（因子）について一定の値の範囲制限を設けて、その範囲の中で涙液健康度を改善及び最大化するために有効な因子を求める。例えば、図２２において、涙液画像、年齢、及び性別は制御ができない因子であるため値を固定する。そして、制御可能である因子である睡眠時間は、０時間以上１２時間以内という制限を設けてその制約の中で涙液健康度を改善又は最大化する値を求める。

上記のように、涙液健康度推定システム１０００は、涙液健康度を改善又は最大化するための因子の寄与度、値、及び制御に関する示唆を得て、それを被検者６０に提供することができる。被検者６０は、被検者６０それぞれに応じて、涙液健康度を改善又は最大化するためにどの因子をどの程度変えれば良いかの改善情報を得ることができる。その改善情報は、それぞれの被検者６０にとって、涙液健康度を改善するアクションに繋がる。

例えば、ある被検者６０の年齢、睡眠時間、及び６時間を超えるＶＤＴ作業時間が、涙液健康度低下に影響することが分かった場合、例えば、携帯通信端末９０ａは、ＶＤＴ作業時間が６時間を超えるとアラームで知らせ、改善のための生活習慣の提案をする。なお、上記の場合においてＶＤＴ作業時間は、スマートフォン使用時間のことを意味する。

実施の形態３に係る涙液健康度推定システム１０００による涙液健康度のシミュレーションは、例えば実施の形態２において説明した涙液画像に付随する関連情報（メタデータ）の各因子を変動させて実施できる。図２２にも示したように、睡眠時間だけでなく、スマートフォンの使用時間、活動量（運動強度）も涙液健康度のシミュレーションの対象となる因子である。

図２３は、実施の形態３に係る涙液健康度推定システム１０００による涙液健康度のシミュレーション処理手順の一例を示すフローチャートである。実施の形態３に係る涙液健康度推定システム１０００による涙液健康度のシミュレーションは、Ｓ２１では、撮像装置９１により対象となる被検眼６１を撮像する。Ｓ２２では、Ｓ１で撮像された画像を外部メモリ（Ｈ１４）に記録する。Ｓ２３では、記録された画像を基に被検眼６１の涙液健康度を推定する。そして、被検眼６１の涙液健康度が望ましい涙液健康度でない場合、望ましい涙液健康度を得るための改善すべき因子を探索する。改善すべき因子は、上記のように例えば睡眠時間、ＶＤＴ作業時間、又は被検者の活動量などであり、図２１及び図２２に示されている涙液健康度推定モデルにおいて、改善すべき因子をどのように変動させたときに涙液健康度が望ましい値になるかを推定される。

Ｓ２４では、記録された画像を基にＳ２３において推定した被検眼６１の涙液健康度を表示する。Ｓ２５においては、Ｓ２３において行われた、どの因子を変動させると涙液健康度が望ましい値になるかを推定した結果を被検者に提案として表示する。以上のような手順で解析を行うことにより、被検者６０の涙液状態をどのように改善すべきか探索することができ、被検者６０は涙液健康度を把握しつつ、改善するための指標を得られる。

実施の形態４．
実施の形態４に係る涙液観察装置４００は、実施の形態１に係る涙液観察装置１００の形態を変更し、ヘッドマウントディスプレイ（ＨＭＤ）形にしたものである。実施の形態４においては、実施の形態１に対する変更点を中心に説明する。

図２４は、実施の形態４に係る涙液観察装置４００の構造の模式図である。図２４の涙液観察装置４００は、説明のため一部の構造を透視して表示している。涙液観察装置４００は、固定具４５０により被検者６０の頭部に固定自在に構成され、被検眼６１の前方に画面４９２が配置されるように構成されている。涙液観察装置４００には、視線追跡などを目的として、前眼部を撮影するカメラ４９１を有する。カメラ４９１は、実施の形態１に係る撮像装置９１に相当するものであり、被検眼６１の角膜表面６２を撮像できる。画面４９２は、全体を白色に均一に発光させることができ、角膜表面６２に照射することができる。画面４９２からの光は、実施の形態１に係る発光体２１ａと同様に角膜表面６２の全域に照射され、その反射光はカメラ４９１により撮像される。画面４９２は、被検者６０側から見て凹面に形成されていても良い。また、画面４９２と被検眼６１との間にレンズが配置されていても良い。

ＶＲ（ＶｉｒｔｕａｌＲｅａｌｉｔｙ）又はＭＲ（ＭｉｘｅｄＲｅａｌｉｔｙ）なヘッドマウントディスプレイを用いたゲーム又は遠隔医療などの作業は、目を長時間酷使することで涙液健康度が低下することが懸念される。上記の涙液観察装置４００によれば、ヘッドマウントディスプレイを用いた作業中に定期的に実施の形態１又は実施の形態２において説明した涙液健康度推定システム１０００により涙液健康度を確認することができる。また、必要に応じて、眼の健康を改善させるアクションに関する情報もヘッドマウントディスプレイの使用者に提供することができる。

１０照射部、１０Ａ照射部、１０Ｂ照射部、２０被覆部、２１凹面、２１ａ（第１）発光体、２１ｂ第２発光体、２１ｐ面、２１ｑ面、２２先端部、２２ａアイピース、２２ｂタブ部、２３筐体、２４導光部、２７根元部、２８プリズム、２８Ａ第１のプリズム、２８Ｂ第２のプリズム、２８ａ反射面、３０固定具、３２ヒンジ部、３３押圧部、３４操作部、３５挟持部、３５ａ挟持部、３５ｂ挟持部、３６孔、３７（接写用）レンズ、３８電源部、３８ａ配線、３８ｂ配線、３９インバータ、４０通信部、６０被検者、６１被検眼、６１ａ眼、６２角膜表面、６３端縁、６３ａ端縁、６３ｂ端縁、６４ａ到達位置、６４ｂ到達位置、６４ｃ到達位置、９０情報処理装置、９０Ｂ情報処理装置、９０ａ携帯通信端末、９０ａａ正面、９０ａｂ背面、９１撮像装置、９１ａ撮像装置、９２表示装置、９３筐体、１００涙液観察装置、１０１評価部、１０２特徴抽出部、１０３変換部、１０４処理部、４００涙液観察装置、４５０固定具、４９１カメラ、４９２画面、１０００涙液健康度推定システム。

Claims

被検眼を撮像する撮像装置と、
被検者の顔面の前記被検眼を含む領域に対向させる凹面を内側に有する被覆部と、
前記被検眼に向かって光を照射する発光体と、を備え、
前記発光体は、
前記被覆部の内側に設置された面光源であり、
前記被覆部は、
前記被検者の前記顔面に向けられる先端部と、
前記凹面の一部に設けられ、前記撮像装置に前記被検眼の表面に反射した反射光を導く導光部と、を備える、涙液観察装置。
前記発光体は、
前記凹面に設置されている、請求項１に記載の涙液観察装置。
前記発光体は、
前記導光部の周囲に配置される、請求項１又は２に記載の涙液観察装置。
前記発光体は、
前記導光部の周囲に配置される第１発光体と、
前記導光部に配置される第２発光体と、を含み、
前記導光部は、
内部に設置され当該導光部に入射した光を前記撮像装置に反射する反射面を備え、
前記第２発光体は、
前記導光部の内部であって、前記導光部への前記光の入射方向において前記反射面の奥に配置される、請求項１～３の何れか１項に記載の涙液観察装置。
前記発光体は、
前記凹面に設置された発光シートである、請求項１～４の何れか１項に記載の涙液観察装置。
前記発光体は、
前記被検眼の角膜の露出している部分の端縁と前記角膜が成す曲面の中心とを結んだ仮想線を規定したときに、前記凹面と前記仮想線とが交差する各点を含む領域に配置されている、請求項１～５の何れか１項に記載の涙液観察装置。
固定具を更に備え、
前記撮像装置は、
携帯通信端末に設置され、
前記固定具は、
前記導光部から前記撮像装置に導光するように、前記携帯通信端末を挟みこんで固定される、請求項１～６の何れか１項に記載の涙液観察装置。
前記被覆部の前記先端部は、
前記被検者の前記顔面に当接されるアイピースが形成されている、請求項１～７の何れか１項に記載の涙液観察装置。
前記被検者の頭部に前記被覆部を固定自在にする固定具をさらに備え、
前記発光体は、
表示装置として機能する、請求項１～６の何れか１項に記載の涙液観察装置。
前記被覆部の前記先端部は、
前記撮像装置の最短撮影距離よりも遠くに配置されている、請求項１～９の何れか１項に記載の涙液観察装置。
前記導光部は、
接写用レンズを備える、請求項１～１０の何れか１項に記載の涙液観察装置。
請求項１～１１の何れか１項に記載の涙液観察装置で撮像された涙液画像から涙液健康度を推定する情報処理装置であって、
撮像された前記涙液画像を取得し、前記涙液画像から前記涙液健康度を算出する評価部と、
前記涙液健康度を出力する出力部と、を備える、情報処理装置。
被検者の角膜に光を照射した状態で撮像された涙液画像から涙液健康度を推定する情報処理装置であって、
撮像された前記涙液画像を取得し、前記涙液画像から前記涙液健康度を算出する評価部と、
前記涙液健康度を出力する出力部と、を備える、情報処理装置。
前記評価部は、
前記涙液画像を入力データとして取得し、前記涙液健康度を出力する涙液健康度推定モデルを備え、
前記涙液健康度推定モデルは、
既に前記涙液健康度が評価された前記涙液画像である実績涙液画像を入力とし、前記実績涙液画像に対応する前記涙液健康度を出力とする教師データにより学習させた学習モデルである、請求項１２又は１３に記載の情報処理装置。
前記教師データは、
更に、前記実績涙液画像に関するメタデータを入力とし、
前記メタデータは、
前記被検者の属性情報、行動データ、及び前記涙液画像が撮像された環境情報のうち少なくとも１つの因子を含み、
前記評価部に入力される前記入力データは、
取得された前記涙液画像に関する前記メタデータを含む、請求項１４に記載の情報処理装置。
前記メタデータを構成する前記因子を変動させて前記涙液健康度推定モデルに入力し、前記涙液健康度推定モデルから出力される前記涙液健康度が最大化する前記因子の値を求める、請求項１５に記載の情報処理装置。
前記評価部は、
前記涙液画像から特徴データを抽出する特徴抽出部を備え、
前記特徴データをｎ水準のスコアに変換し、前記スコアを基に前記涙液健康度を算出する処理部と、を備える、請求項１２～請求項１６の何れか１項に記載の情報処理装置。
前記評価部は、
前記特徴データを特徴ベクトルに変換する変換部と、
前記特徴ベクトルをｎ水準のスコアに変換し、前記スコアを基に前記涙液健康度を算出する処理部と、を更に備える、請求項１２～請求項１６の何れか１項に記載の情報処理装置。
前記特徴データは、
涙液層が有する涙液油層に光が反射して生ずる干渉縞模様の有無及び前記干渉縞模様の色に関する情報、開瞼後に前記涙液油層が高さ方向に引き上げられる最高到達点の情報、前記涙液層が破壊されるまでの破壊時間の情報、及び前記被検眼の開瞼開始から閉瞼までの開瞼時間の情報のうち少なくとも１つを含む、請求項１７又は請求項１８に記載の情報処理装置。
インターネットを介して前記インターネットに接続されている第２情報処理装置に情報を送信し、前記第２情報処理装置からの情報を受信する通信インターフェイスを更に備え、
前記通信インターフェイスは、
前記涙液画像を前記第２情報処理装置に送信し、
前記第２情報処理装置が備える前記評価部が出力した前記涙液健康度を受信する、請求項１２～１９の何れか１項に記載の情報処理装置。
コンピュータを、請求項１２～請求項２０の何れか１項に記載の情報処理装置を構成する各部として機能させるためのプログラム。
被検者の角膜に光を照射した状態で撮像された実績涙液画像と、前記実績涙液画像に対応する教師ラベルとしての涙液健康度と、を含む教師データを取得し、
前記教師データを用いて、
請求項１～１１の何れか１項に記載の涙液観察装置で撮像された涙液画像を入力とし、涙液健康度を出力とする学習モデルを生成する、学習モデル生成方法。
被検者の角膜に光を照射した状態で撮像された実績涙液画像と、前記実績涙液画像に対応する教師ラベルとしての涙液健康度と、を含む教師データを取得し、
前記教師データを用いて、
涙液画像を入力とし、涙液健康度を出力とする学習モデルを生成する、学習モデル生成方法。
前記教師データは、
前記被検者の属性情報、前記被検者の行動データ、及び前記実績涙液画像が撮像された環境情報であるメタデータのうち少なくとも１つを含む、請求項２２又は２３に記載の学習モデル生成方法。
前記教師データは、
前記実績涙液画像から抽出された特徴データを含み、
前記特徴データは、
涙液層が有する涙液油層に光が反射して生ずる干渉縞模様の有無及び前記干渉縞模様の色に関する情報、開瞼後に前記涙液油層が高さ方向に引き上げられる最高到達点の情報、前記涙液層が破壊されるまでの破壊時間の情報、及び前記被検眼の開瞼開始から閉瞼までの開瞼時間の情報のうち少なくとも１つを含む、請求項２２～２４の何れか１項に記載の学習モデル生成方法。