JP2022516689A - 軸長の導出のためのシステムおよび方法 - Google Patents

Abstract

眼球測定システムは、少なくとも被験者の眼球の屈折を測定する屈折測定モジュールと、屈折測定モジュールと一体化され、少なくとも眼球の角膜の厚さおよび形状を測定する角膜測定モジュールとを少なくとも含む一体化測定サブシステムと、少なくとも眼球の屈折ならびに角膜の厚さおよび形状を考慮に入れることに基づいて眼球の軸長を検出する軸長検出サブシステムとを含む。【選択図】図１

Description

本発明は、一般に、眼球測定装置に関し、特に、眼球の軸長の間接的な導出のための眼球測定装置に関する。

眼球の軸長の間接的な導出のための装置の様々なタイプが、本発明の属する技術分野で知られている。

本発明は、眼球の軸長を直接測定する必要のない、眼球の軸長を検出する信頼できる費用対効果が高いシステムおよび方法を提供しようとするものである。

したがって、本発明の好ましい一実施形態によれば、少なくとも被験者の眼球の屈折を測定する屈折測定モジュールと、屈折測定モジュールと一体化され、少なくとも眼球の角膜の厚さと形状とを測定する角膜測定モジュールと、を少なくとも含む一体化測定サブシステムと、少なくとも眼球の屈折と、角膜の厚さと形状とを考慮することに基づいて眼球の軸長を検出する軸長検出サブシステムと、を含む眼球測定システムが提供される。

本発明の好ましい一実施形態によれば、眼球の軸長を検出することは、眼球の水晶体の少なくとも１つのパラメータのモデル化された値を考慮に入れることをさらに含む。

好ましくは、水晶体の少なくとも１つのパラメータは、水晶体の厚さ、水晶体の前面の半径、水晶体の後面の半径、および水晶体の屈折率のうちの少なくとも１つを含む。

好ましくは、屈折測定モジュールは、眼球から反射した光の波面を解析するシャックハルトマンシステムを含む。

好ましくは、角膜測定モジュールは、厚度計および角膜形状解析装置を少なくとも含む。

好ましくは、厚度計は、角膜の厚さ、角膜の後半径、および眼球の前房深度のうちの少なくとも１つを測定する。

好ましくは、角膜形状解析装置は、角膜の前半径を少なくとも測定する。

本発明の別の好ましい実施形態によれば、被験者の眼球の屈折を測定する屈折測定サブシステムと、少なくとも眼球の角膜の厚さと形状とを測定する角膜測定サブシステムと、少なくとも眼球の屈折と、角膜の厚さと形状と、眼球の水晶体の少なくとも１つのパラメータのモデル化された値とを考慮することに基づいて、眼球の軸長を計算する定式化計算を実行する軸長計算サブシステムとを備える眼球測定システムも提供される。

好ましくは、水晶体の少なくとも１つのパラメータは、水晶体の厚さ、水晶体の前面の半径、水晶体の後面の半径、および水晶体の屈折率のうちの少なくとも１つを含む。

好ましくは、定式化計算は、角膜の度数、水晶体の度数、角膜および水晶体の合わされた度数、ならびに眼球の主点と眼球の焦点の間の距離のうちの少なくとも１つを検出する少なくとも１つの定式化計算を含む。

好ましくは、角膜の度数は、Ｐ_ｃ＝Ｐ_１ｃ＋Ｐ_２ｃ－［ＣＴｘ（Ｐ_１ｃｘＰ_２ｃ）／ｎ_{ｃｏｒｎｅａ}］に従って計算され、ただし、Ｐ_ｃは角膜の度数、Ｐ_１ｃ＝（ｎ_{ｃｏｒｎｅａ}－ｎ_ａｉｒ）／ＣＲ_ａ、Ｐ_２ｃ＝（ｎ_{ａｑｕｅｏｕｓ}－ｎ_{ｃｏｒｎｅａ}）／ＣＲ_ｐであり、ＣＴは角膜の厚さであり、ｎ_{ｃｏｒｎｅａ}は角膜の屈折率であり、ｎ_ａｉｒは空気の屈折率であり、ＣＲ_ａは角膜の前半径であり、ｎ_{ａｑｕｅｏｕｓ}は眼球の房水の屈折率であり、ＣＲ_ｐは角膜の後半径である。

好ましくは、水晶体の度数は、Ｐ_Ｌ＝Ｐ_１Ｌ＋Ｐ_－２Ｌ－（ＬＴｘ（Ｐ_１ＬｘＰ_２Ｌ）／ｎ_ｌｅｎｓ］に従って計算され、ただし、Ｐ_Ｌは水晶体の度数、Ｐ_１Ｌ＝（ｎ_ｌｅｎｓ－ｎ_{ａｑｕｅｏｕｓ}）／ＬＲ_ａ、Ｐ_２Ｌ＝（ｎ_{ｖｉｔｒｅｏｕｓ}－ｎ_ｌｅｎｓ）／ＬＲ_ｐであり、ＬＴは水晶体の厚さであり、ＬＲ_ａは水晶体の前半径であり、ＬＲ_ｐは水晶体の後半径であり、ｎ_ｌｅｎｓは水晶体の屈折率であり、ｎ_{ｖｉｔｒｅｏｕｓ}は眼球の硝子体液の屈折率である。

好ましくは、角膜および水晶体の合わされた度数は、Ｐ_{ｔｏｔａｌ}＝Ｐ_ｃ＋Ｐ_Ｌ－［ｄｘ（Ｐ_ｃｘＰ_Ｌ）／ｎ_{ａｑｕｅｏｕｓ}］に従って計算され、ただし、Ｐ_{ｔｏｔａｌ}は角膜および水晶体の合わされた度数であり、ｄは角膜水晶体系の有効長さであり、ｄ＝ｄ_{ｔｏｔａｌ}－ＰＰ_ｌｅｎｓ－ＰＰ_{ｃｏｒｎｅａ}に従って計算され、ｄ_{ｔｏｔａｌ}＝ＣＴ＋ＡＣＤ＋ＬＴであり、ＡＣＤは前房深度であり、ＰＰ_ｌｅｎｓはＰＰ_ｌｅｎｓ＝（ｎ_{ｖｉｔｒｅｏｕｓ}／Ｐ_Ｌ）ｘ（ＬＴ／ｎ_ｌｅｎｓ）ｘＰ_１Ｌとして定義される水晶体の主点であり、ＰＰ_{ｃｏｒｎｅａ}はＰＰ_{ｃｏｒｎｅａ}＝（ｎ_ａｉｒ／Ｐ_ｃ）ｘ（ＣＴ／ｎ_{ｃｏｒｎｅａ}）ｘＰ_２ｃとして定義される角膜の主点である。

好ましくは、眼球の主点と眼球の焦点の間の距離は、Ｖ＝ｎ_{ｖｉｔｒｅｏｕｓ}／（Ｐ_{ｔｏｔａｌ}－（ｎ_ａｉｒ／ｕ）に従って計算され、ただし、Ｖは眼球の主点と眼球の焦点の間の距離であり、ｕは眼球のスフィア平均の逆数である。

本発明のさらに別の好ましい実施形態によれば、被験者の眼球の屈折を測定し、測定された屈折出力を与える屈折測定サブシステムと、少なくとも眼球の角膜の厚さと形状とを測定し、測定された角膜厚さと形状との出力を与える角膜測定サブシステムと、少なくとも測定された屈折出力と、測定された角膜厚さと形状との出力とを受け取り、眼球の軸長を検出するために機械学習を用いる軸長検出サブシステムとを含む眼球測定システムがさらに提供される。

本発明の好ましい一実施形態によれば、屈折測定サブシステムは、角膜測定サブシステムと一体化される。

好ましくは、機械学習は、人工ニューラルネットワークを用いることを含む。

さらにまたは代替として、機械学習は、ディープラーニングを含む。

好ましくは、屈折測定サブシステムは、眼球から反射した光の波面を解析するシャックハルトマンシステムを含み、角膜測定サブシステムは、少なくとも厚度計と角膜形状解析装置とを含む。

好ましくは、軸長検出サブシステムは、被験者に関連した他の入力パラメータをさらに備え、他の入力パラメータは、被験者の年齢、被験者の性別、および被験者の眼球の前房深度のうちの少なくとも１つを含む。

本発明は、下記図面と共に後述の詳細な説明に基づいてより完全に理解されよう。

本発明の好ましい一実施形態により構成されるとともに動作する、被験者の眼球の軸長を導出するのに役立つ眼球測定装置の簡略化された概略部分図が挿入された部分ブロック図である。 本発明の好ましい一実施形態により構成されるとともに動作する、図１に示されたタイプのシステムによってそれぞれ測定、推定、および導出されるパラメータを示す被験者の眼球の簡略化された概略図である。 図２に示されたパラメータを考慮に入れることに基づいてモデル化された被験者の眼球の簡略化された概略図である。 図２に示されたパラメータを考慮に入れることに基づく被験者の眼球の軸長の導出におけるステップをそれぞれ示す簡略化されたフローチャートである。 図２に示されたパラメータを考慮に入れることに基づく被験者の眼球の軸長の導出におけるステップをそれぞれ示す簡略化されたフローチャートである。 本発明の別の好ましい実施形態により構成されるとともに動作する、図１に示されたタイプのシステムの一部を形成するニューラルネットワークの簡略化された概略図である。

次に、図１を参照する。図１は、本発明の好ましい一実施形態により構成されるとともに動作する、被験者の眼球の軸長を導出するのに役立つ眼球測定装置の簡略化された概略部分図が挿入された部分ブロック図である。

図１に見られるように、好ましくは眼球測定装置１０２に含まれる眼球測定システム１００が提供される。眼球測定装置１０２は、今から説明される様々な測定および導出を実行することができる任意の眼球測定装置として具体化することができると理解されるが、ここでは、単に例として、眼球測定装置１０２は、フランスのシャルトルのＬｕｎｅａｕから市販のＶＸ１２０装置に類似する装置として具体化されるように示される。

拡大図１１０に最もよく見られるように、好ましくは、眼球測定システム１００は、被験者１１６の眼球１１４の屈折を測定する屈折測定モジュール１１２と、眼球１１４の角膜１２０の厚さおよび形状を少なくとも測定する角膜測定モジュール１１８とを備える。屈折測定モジュール１１２および角膜測定モジュール１１８は、コンパクトな一体化測定サブシステム１２２を形成するようにこれらが一体化されることが好ましい。特に好ましくは、一体化測定サブシステム１２２は、本発明と同じ譲受人に譲渡された米国特許第９，２２０，４０７号明細書および米国特許第９，１９２，２９６号明細書に説明されるタイプの一体化測定システムであり得、その開示は、参照により全体として本明細書に組み込まれる。

少なくとも眼球１１４の屈折ならびに角膜１２０の厚さおよび形状を含む屈折測定モジュール１１２および角膜測定モジュール１１８により測定されるパラメータは、軸長検出サブシステム１３０に与えられることが好ましい。好ましくは、軸長検出サブシステム１３０は、必ずではないが、眼球測定装置１０２の一部をも形成する。一体化測定システム１２２によって出力される測定されたパラメータは、今からさらに詳述される様々な方法により、軸長の直接測定を必要とすることなく、眼球１１４の軸長を導出するために軸長検出サブシステム１３０によって考慮されることが好ましい。

屈折測定モジュール１１２およびそれと一体化された角膜測定モジュール１１８は、眼検査、および軸方向の測定計算以外の機能を実行する眼球測定装置中に存在する前から存在する測定システムであり得ることが理解される。例として、そのような眼球測定装置は、米国特許第９，２２０，４０７号明細書、および米国特許第９，１９２，２９６号明細書に説明されるタイプのものであり得、その開示は、参照により全体として本明細書に組み込まれる。したがって、測定サブシステム１２２などの前から存在する測定システムに軸長検出サブシステム１３０を加えることにより、他の機能を実行するように主に動作できる非専用のシステムによって生成される測定値に基づく軸長の導出を助け、それによって軸長を、信頼できる、便利で、費用対効果が高いように見出すことを可能にする。これは、典型的には特化され、非常に費用がかかる従来の軸長測定計器とは対照的である。

ここで、例として、屈折測定モジュール１１２は、好ましくは第１のレンズ１４６、ミラー１４８、およびビームスプリッタ１５０を含む合焦用経路によって眼球１１４の網膜１４４上に好ましくは合焦するレーザビーム１４２を出力するレーザアセンブリ１４０を含むように示されている。レーザアセンブリ１４０を支持する並進運動可能なプラットフォーム１５４の軸方向移動は、双頭矢印１５６によって示される通りであり、被験者の眼球の光学度数の可能性がある変化を補償するように働き、したがって、レーザビーム１４２が、眼球１１４の光学度数にかかわりなく、被験者の眼球１１４の網膜１４４上に合焦されたままとなることを確実にする。

網膜１４４上のレーザビーム１４２の合焦されたレーザスポットは、シャックハルトマンセンサ１６０のための点光源を形成する。好ましくは、レーザビーム１４２の合焦されたレーザスポットから網膜１４４上に発した光は、その経路に沿って存在し得る眼球１１４の様々な収差をまとめている一対の光線１６２によって示されるように眼球１１４を通って伝搬して戻る。好ましくは、光線１６２は、第２のレンズ１６４を介してビームスプリッタ１５０の方へ伝播し、このビームスプリッタ１５０において、好ましくは、光線１６２は、さらなるビームスプリッタ１６５の方へ反射される。好ましくは、さらなるビームスプリッタ１６５は、光線１６２を第３のレンズ１６６の方へ反射し、第３のレンズ１６６は、第２のレンズ１６４と組み合わさって、第１の対のリレーレンズを形成する。好ましくは、ピンホール１６８は、第２の対のリレーレンズ１６９の焦点にあり、このピンホール１６８および第２の対のリレーレンズ１６９を通って光線１６２は、シャックハルトマンセンサ１６０の方へ合焦される。シャックハルトマンセンサ１６０において、当該技術分野でよく知られている波面解析方法により、光線１６２の波面の特徴を使用して、眼球１１４の対応する収差、およびそれに基づいて計算される眼球１１４の屈折を導出することができる。好ましくはシャックハルトマンセンサ１６０をさらに支持するプラットフォーム１５４の移動は、好ましくは、ある範囲の被験者の眼球１１４の光学特性の可能性のある変化にかかわらず、光線１６２がセンサ１６０上に合焦されたままとなることを確実にするように働く。屈折測定サブシステム１１２は、明確にするために図１に示されていないが、測定中に眼球固定のために固定ターゲットを含むこともできる。

ここで、例として、屈折測定モジュール１１２によって測定されるように、被験者１１６の眼球１１４の屈折異常は、装置１０２のディスプレイ画面１７２上の位置１７０に表示される「スフィア：－２Ｄ、シリンダ：－１Ｄ、およびアクシス；１８０°」として出力されるように示される。

さらに、例として、角膜測定モジュール１１８は、厚度計１８０および角膜形状解析装置１８２を備えるように示される。好ましくは、厚度計１８０は、第２のレンズ１６４を介して角膜１２０上で光線１８８によって示される青色光の狭いスリットを合焦するために厚度計のレンズ１８６に結合された青色光スリット光源１８４を含む。好ましくは、入射光１８８が、角膜１２０および水晶体１３２によって散乱され、散乱光は、シャインプルーフカメラ１９０によって撮像される。シャインプルーフカメラの画像は、角膜１２０の厚さ、角膜１２０の後半径、および前房深度のうちの少なくとも１つを導出するために、本技術分野でよく知られている方法に従って解析され得る。ここで、例として、被験者１１６の角膜厚さ、厚度計１８０によって測定される角膜１２０の後半径および前房深度は、装置１０２のディスプレイ画面１７２上の位置１９２に表示される５５０μｍ、６．５ｍｍ、および３．２ｍｍにそれぞれ等しいように示されている。

好ましくは、角膜形状解析装置１８２は、光線１１０２によって示されるように、好ましくは、角膜１２０の表面上へ一連の同心リングを投影するプラチドディスク１１００を含む。好ましくは、角膜１２０からのこれらのリングの反射は、第２のレンズ１６４を通って伝搬し、好ましくはカメラ１１０４によって撮像され、結果として得られる画像が角膜１２０の前半径を少なくとも得るために解析される。ここで、例として、角膜形状解析装置１８２によって検出される角膜１２０の前半径は、装置１０２のディスプレイ画面１７２上の位置１１０６に表示される７．８ｍｍに等しいように示される。

システム１００によって測定された上記パラメータの全てがそれによって直接測定される必要はなく、代替として、これらのパラメータのうちの１つまたは複数は、他の測定されたパラメータに基づいて得られてもよい。例えば、角膜１２０の後半径が厚度計１８０によって測定されるのではなく、角膜１２０の後半径は、角膜１２０の前半径マイナス１．２５の測定された値に基づいて推定され得る。そのような手法は、厚度計１８０が音波厚度計として具体化される場合に役立ち得るものであり、典型的には、このタイプの厚度計は、角膜の後半径を測定することができない。

さらに、屈折測定モジュール１１２および角膜測定モジュール１１８の上述した構成は例示にすぎず、各モジュール１１２および１１８は、さらなるまたは代替の構成要素を含むように当業者によって変更されてもよい。特に、角膜測定モジュール１１８の機能は、厚度計１８０と角膜形状解析装置１８２の間に分散されるように本明細書に図示および説明されるが、代替として、角膜の形状と厚さの少なくとも両方の測定を行うことができる単一の角膜測定システムによって実施されてもよいと理解される。

測定システム１２２によって測定および出力されるパラメータは、図２に示されており、角膜厚さＣＴ、角膜の前半径ＣＲ_ａ、および角膜の後半径ＣＲ_ｐを含む。加えて、厚度計１８０は、後の角膜表面と水晶体１３２の前面との間の距離に対応する前房深度ＡＣＤを測定するために使用されてもよい。屈折測定サブシステム１２２に測定される眼球１１４の屈折は、単一の単純指数によって眼球１１４の屈折異常を表す複雑さにより図２に示されていない。

一体化された測定サブモジュールによって図２に示された様々な測定されたパラメータを出力する単一の一体化測定システムとしての測定サブシステム１２２の構成は、本発明の非常に有利な特徴であることを理解されよう。屈折測定モジュール１１２および角膜測定モジュール１１８が相互に一体化される結果として、好ましくは、その要素は、共通の校正軸上で一緒に内部校正され、このようにして、図２に示された測定されたパラメータが、相互に一体化されていない別々の計器によって与えられる場合に、他の方法で典型的に生じるセンタリング誤差を減少させる、またはなくす。前述の説明から理解されるように、好ましくは、第２のレンズ１６４は、屈折測定モジュール１１２および角膜測定モジュール１１８の測定経路の全てに共通であり、それによって一体化測定サブシステム１２２に含まれる全ての測定モジュールについて共通焦点および作用位置を定める。

さらに、別々の相互に一体化されていない計器によってそれぞれ測定される同一または類似するパラメータに存在する誤差とは対照的に、単一の一体化測定サブシステム１２２の使用は、非常に便利であり、それによって測定されるパラメータの誤差の減少をもたらす。さらに、測定サブシステム１２２が、被験者１１６に一度位置合わせさえされればよく、その位置合わせの後、全ての関連パラメータは、一度に測定することができるので、被験者を個々のパラメータをそれぞれ測定するいくつかの個々の計器に位置合わせするのに必要とされる時間と比較して、システム１００の使用は、非常に時間効率がよい。

好ましくは、測定サブシステム１２２によって出力された測定されたパラメータは、軸長検出サブシステム１３０へ与えられて、それによって眼球１１４の軸長を計算するために使用され、この軸長は角膜１２０の前面と網膜１４４の中心窩との間の距離として広く定義され、軸長ＡＬも図２に示される。

本発明の好ましい一実施形態によれば、測定サブシステム１２２から受け取られる測定されたパラメータに加えて、眼球１１４の水晶体１３２の少なくとも１つのモデル化されたパラメータも、眼球１１４の軸長の計算時に軸長検出システム１３０により考慮される。任意の適切な眼のモデルが、水晶体１３２の関連パラメータを推定するために使用されてもよい。

特に好ましくは、水晶体１３２のパラメータは、年齢に関連した水晶体モデルに基づいて推定することができ、この場合には、好ましくは、被験者１１６の年齢または誕生日が、システム１００へ供給される。本発明の好ましい実施形態と共に使用するのに適した１つの可能性ある年齢に関連した水晶体モデルの例は、「Ａｇｅ ｒｅｌａｔｅｄ ｃｈａｎｇｅｓ ｉｎ ｏｐｔｉｃａｌ ａｎｄ ｂｉｏｍｅｔｒｉｃ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｅｍｍｅｔｒｏｐｉｃ ｅｙｅｓ（正視眼の光学および生物測定の特性の年齢に関連した変化）」、Ｄａｖｉｄ Ａ．Ａｔｃｈｉｓｏｎら、Ｊｏｕｒｎａｌ ｏｆ Ｖｉｓｉｏｎ（ジャーナルオブビジョン）（２００８）８：４（２９）１：２０に説明されている。代替として、水晶体１３２のパラメータは、屈折異常に関連した水晶体モデルに基づいて推定されてもよく、この場合には、屈折測定モジュール１１２によって測定されるような屈折は、水晶体１３２のパラメータを推定するために使用される。本発明の好ましい実施形態と共に使用するのに適した１つの可能性ある屈折異常に関連した水晶体モデルの例は、「Ｏｎ ｔｈｅ ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｏｐｔｉｃａｌ ａｂｅｒｒａｔｉｏｎｓ ｂｙ ｐｅｒｓｏｎａｌｉｚｅｄ ｅｙｅ ｍｏｄｅｌｓ（パーソナライズされた眼球モデルによる光学収差の予測に関して）」、Ｒａｆａｅｌ Ｎａｖａｒｒｏら、Ｏｐｔｏｍｅｔｒｙ ａｎｄ Ｖｉｓｉｏｎ Ｓｃｉｅｎｃｅ（検眼およびビジョンサイエンス）、２００６ ８３（６）、３７１～３８１に説明されている。好ましくは、軸長検出サブシステム１３０は、適切な眼モデルおよび関連した入力データ（例として、被験者１１６の年齢またはその屈折異常を含む）に基づいて少なくとも１つの水晶体パラメータを推定するコンピュータ化されたシステムを含む。そのような入力データは、測定サブシステム１２２によって軸長検出サブシステム１３０へ自動的に供給されてもよく、または装置１０２を操作する使用者によって入力されてもよい。

上述したモデル、または任意の他の適した眼モデルは、水晶体１３２の少なくとも１つの推定されたパラメータを生成するために使用され得る。特に好ましくは、図２に示されるように、水晶体の前半径ＬＲ_ａ、水晶体の後半径ＬＲ_ｐ、および水晶体の厚さＬＴが推定される。好ましくは、軸長検出サブシステム１３０は、測定サブシステム１２２によって与えられる測定されたパラメータと水晶体１３２のモデルに基づいて推定されたパラメータとの両方を考慮に入れることに基づいて眼球１１４の軸長を計算する。図３を参照してこれからさらに詳述されるように、軸長は、数学的定式を用いて計算することができる。代替として、軸長は、本技術分野で知られた方法によりレイトレーシング技法を用いて計算することができる。ここで、例として、軸長計算モジュール１３０によって出力される眼球１１４の軸長が、図１の装置１０２のディスプレイ画面１７２上の位置１１２０に表示される２４ｍｍに等しいように示される。

したがって、眼球１１４の軸長は、眼球１１４の直接測定されたパラメータと推定されたパラメータの組合せを考慮に入れることに基づいて本発明の軸長検出サブシステムによって計算できることを理解されよう。さらに、好ましくは、軸長は、その直接測定を必要とすることなく検出され、眼球１１４の測定された他のパラメータと推定された他のパラメータの両方に基づいて計算される。

さらに、軸長計算サブシステム１３０によって計算される軸長の精度は、水晶体１３２のパラメータを考慮に入れることにより高められると理解される。軸長計算サブシステム１３０によって実行される軸長の計算において水晶体１３２のパラメータが無視される場合、検出される軸長の精度は下げられると理解される。

システム１００によって得られる軸長は、様々な用途、特に好ましくは近視の進行の監視などに役立ち得る。システム１００は、それが単純で費用対効果が高いことにより、繰り返されるフォローアップ測定の実行に特によく適していることが理解される。

測定サブシステム１２２および眼モデルから抽出される推定された水晶体パラメータによって与えられる測定されたパラメータに基づいて、眼球１１４の軸長を導出するために軸長計算サブシステム１３０によって実行することができる、あり得る数学的な定式的手法は、図３を参照して最もよく理解され得る。

次に図３に示すように、軸長計算の第１の段階で関連パラメータが示されており、角膜１２０の度数が計算されることが好ましい。好ましくは、角膜Ｐ_ｃの度数は、
Ｐ_ｃ＝Ｐ_１ｃ＋Ｐ_２ｃ－［ＣＴｘ（Ｐ_１ｃｘＰ_２ｃ）／ｎ_{ｃｏｒｎｅａ}］ （１）
に従って見出され、ただし、
Ｐ_１ｃ＝（ｎ_{ｃｏｒｎｅａ}－ｎ_ａｉｒ）／ＣＲ_ａ （２）
および
Ｐ_２ｃ（ｎ_{ａｑｕｅｏｕｓ}－ｎ_{ｃｏｒｎｅａ}）／ＣＲ_ｐ （３）
であり、式中、ＣＴは、厚度計１８０によってマイクロメートルの単位で測定される角膜厚さであり、ＣＲ_ａおよびＣＲ_ｐは、それぞれ、角膜形状解析装置１８２および厚度計１８０によってそれぞれミリメートルで測定される角膜の前半径および後半径であり、ｎ_{ｃｏｒｎｅａ}、ｎ_ａｉｒ、およびｎ_{ａｑｕｅｏｕｓ}は、それぞれ、本技術分野でよく知られている基準値を用いて推定できる値である角膜、空気、および房水の屈折率である。

軸長計算の第２の段階において、好ましくは、水晶体１３２の度数が計算される。好ましくは、水晶体Ｐ_Ｌの度数は、
Ｐ_Ｌ＝Ｐ_１Ｌ＋Ｐ_２Ｌ－［ＬＴｘ（Ｐ_１ＬｘＰ_２Ｌ）／ｎ_ｌｅｎｓ］ （４）
に従って見出され、ただし、
Ｐ_１Ｌ＝（ｎ_ｌｅｎｓ－ｎ_{ａｑｕｅｏｕｓ}）ＬＲ_ａ （５）
および
Ｐ_２Ｌ＝（ｎ_{ｖｉｔｒｅｏｕｓ}－ｎ_ｌｅｎｓ）／ＬＲ_ｐ （６）
であり、式中、ＬＴは、適切な眼モデルに基づいてミリメートル単位で推定される水晶体の厚さであり、ＬＲ_ａおよびＬＲ_ｐは、それぞれ、適切な眼モデルに基づいてミリメートル単位で推定される水晶体の前半径および後半径であり、ｎ_{ｖｉｔｒｅｏｕｓ}およびｎ_{ａｑｕｅｏｕｓ}は、それぞれ、本技術分野でよく知られている基準値を用いて推定できる値である硝子体液および房水の屈折率であり、ｎ_ｌｅｎｓは、年齢に関連した水晶体モデルに基づいて推定できる水晶体の屈折率である。

軸長計算の第３の段階において、好ましくは、角膜１２０および水晶体１３２の合わされた合計度数が計算される。好ましくは、合計度数Ｐ_{ｔｏｔａｌ}は、
Ｐ_{ｔｏｔａｌ}＝Ｐ_ｃ＋Ｐ_Ｌ－［ｄｘ（Ｐ_ｃｘＰ_Ｌ）／ｎ_{ａｑｕｅｏｕｓ}］ （７）
に従って見出され、ただし、Ｐ_ｃおよびＰ_Ｌならびにｎ_{ａｑｕｅｏｕｓ}は、上述の通り定められ、ｄは、角膜主点ＰＰ_{ｃｏｒｎｅａ}と水晶体主点ＰＰ_ｌｅｎｓの間の距離であり、それによってｄは、その主点について補正される角膜１２０～水晶体１３２の系の有効長さを表す。

上記式において未知であるｄを計算するために、ＣＴ、ＡＣＤ、およびＬＴを含む眼球１１４の前部の全長に対応する合計距離ｄ_{ｔｏｔａｌ}は、
ｄ_{ｔｏｔａｌ}＝ＣＴ＋ＡＣＤ＋ＬＴ （８）
に従って見出され、ただし、ＣＴは、厚度計１８０によってマイクロメートルの単位で測定される角膜厚さであり、ＡＣＤは、厚度計１８０によってミリメートルの単位で測定される前房深度であり、ＬＴは、適切な眼モデルに基づいてミリメートル単位で推定される水晶体の厚さである。

加えて、水晶体主点ＰＰ_ｌｅｎｓは、
ＰＰ_ｌｅｎｓ＝（ｎ_{ｖｉｔｒｅｏｕｓ}／Ｐ_Ｌ）ｘ（ＬＴ／ｎ_ｌｅｎｓ）ｘＰ_１Ｌ （９）
によって見出すことができ、角膜主点ＰＰ_{ｃｏｒｎｅａ}は、
ＰＰ_{ｃｏｒｎｅａ}＝（ｎ_ａｉｒ／Ｐ_ｃ）ｘ（ＣＴ／ｎ_{ｃｏｒｎｅａ}）ｘＰ_２ｃ （１０）
によって見出すことができる。次いで、式（８）～（１０）を利用して、ｄは、
ｄ＝ｄ_{ｔｏｔａｌ}－ＰＰ_ｌｅｎｓ－ＰＰ_{ｃｏｒｎｅａ} （１１）
に従って見出すことができ、ただし、ｄは、ミリメートル単位で測定される。

式（１）～（１１）は、眼球１１４における様々な要素の個々の度数、およびそこにおける様々な距離を計算する役割を果たすと理解される。

軸長計算の第４の段階において、好ましくは、眼球１１４内の個々の要素の全部は、全体的な主点ＰＰ_{ｔｏｔａｌ}として働く単一の光学要素として取り扱われる。次いで、主点から網膜の位置に対応する最良の焦点までの距離Ｖは、
Ｖ＝ｎ_{ｖｉｔｒｅｏｕｓ}／（Ｐ_{ｔｏｔａｌ}－（ｎ_ａｉｒ／ｕ）） （１２）
に従って計算することができ、ただし、ｕは、
スフィア平均＝スフィア＋（シリンダ／２） （１３）
として定められるスフィア平均の逆数である。

次いで、好ましくは、主点から最良の焦点までの距離Ｖは、
Ｖ_{ｃｏｒｒｅｃｔｅｄ}＝Ｖ－ＰＰ_ｌｅｎｓ＋ＰＰ_{ｔｏｔａｌ} （１４）
に従って水晶体１３２の後面から網膜までの距離Ｖ_{ｃｏｒｒｅｃｔｅｄ}を与えるように補正され、ただし、
ＰＰ_{ｔｏｔａｌ}＝（ｎ_ａｉｒ／Ｐ_{ｔｏｔａｌ}）ｘ（ｄ／ｎ_{ａｑｕｅｏｕｓ}）ｘＰ_Ｌ （１５）
である。

次いで、軸長ＡＬは、
ＡＬ＝Ｖ_{ｃｏｒｒｅｃｔｅｄ}＋ＬＴ＋ＡＣＤ＋ＣＴ （１６）
に従って見出すことができる。

上述の非常に簡略化された定式的手法は、ガウス光学に従って眼球によって形成された光学系をモデル化することに基づくと理解される。有利には、そのような技法は、そのコンピュータ化された機能により軸長検出サブシステム１３０によって迅速に自動的に実施でき、好ましくは計算能力をほとんど伴わない単純な定式化計算を用いて軸長の計算を可能にすることが理解される。

さらに、様々な計算段階は、計算または推定された値をさらに改良または補正するために、記載された順序で必ずしも実行される必要はなく、さらなるステップによって交換または連係されてもよいことが理解される。

次に、図２に示されたパラメータを考慮に入れることに基づいて、被験者の眼球の軸長の導出におけるステップをそれぞれ示す簡略化されたフローチャートである図４Ａおよび図４Ｂの参照がなされる。

図４Ａに見られるように、眼球測定プロセス４００は、第１の屈折測定ステップ４０２で開始することができ、このステップ４０２として、被験者の眼球の屈折が測定される。例として、眼球の屈折は、図１に示されたモジュール１１２などのシャックハルトマン屈折測定システムによって、または任意の他の適切な屈折測定装置によって測定することができる。

第２のステップ４０４において、被験者の眼球の角膜の様々なパラメータは、さらに測定される。そのようなパラメータは、厚度計１８０などの厚度計によって測定され得るとともにステップ４０６および４０８でそれぞれ示される角膜の厚さおよび角膜の後半径、ならびにステップ４１０で示される角膜形状解析装置１８２などの角膜形状解析装置によって測定され得る角膜の前半径を含むことができる。ステップ４０４は、ステップ４０６、４０８、および４１０に示されるそれらのパラメータの測定に限定されず、例として、前房深度を含む角膜のさらなるまたは代替のパラメータの測定を含むことができると理解される。

第３のステップ４１２において、好ましくは、被験者の眼球の水晶体の様々なパラメータが推定される。推定された水晶体パラメータは、対象となる他のあり得るパラメータに加えて、水晶体の前半径および後半径、水晶体の厚さ、および水晶体の屈折率を含み得る。水晶体パラメータ推定ステップ４１２は、本技術分野でよく知られている年齢に基づく水晶体モデルおよび屈折に基づく水晶体モデルを含む任意の適切な眼モデルに基づく水晶体のパラメータの推定を含むことができる。

第４のステップ４１４において、好ましくは、角膜、房水、および硝子体液の屈折率を含む眼球の様々な屈折率が推定される。これらの屈折率は、本技術分野でよく知られているこれらのパラメータの標準的な基準値に基づき得る。

ステップ４０２、４０４、４１２、および４１４はそれぞれ連続的に実行されるように図示および説明されるが、ステップ４０２、４０４、４１２、および４１４は、少なくとも部分的に再順序付けされてもよく、または互いに対して少なくとも部分的に同時に実行されてもよいことが理解される。

第５のステップ４１６において、好ましくは、眼球のモデルは、ステップ４０２～４１４で得られた測定および推定されたパラメータに基づいて構成され、眼球の軸長は、第６のステップ４１８のモデルに基づいて見出すことができる。眼球のモデルの構築およびそれに基づく軸長の導出は、図１の軸長検出システム１３０などの軸長計算サブシステムによって実行できると理解される。

次に図４Ｂを見ると、第６の軸長計算ステップ４１８を実施する好ましい方法が示される。第１の軸長計算サブステップ４４０に見られるように、角膜の度数は、ステップ４０４で測定される角膜の前半径および後半径、およびステップ４１４で見出される関連する推定された屈折率に基づいて計算することができる。例として、第１の軸長計算サブステップ４４０は、上述した通り、式（１）～（３）に記載された計算の実行を伴うことができる。

第１のサブステップ４４０の後、それと同時、またはその前に、水晶体の度数は、第２のサブステップ４４２で計算することができる。水晶体の度数は、ステップ４１２に見られる水晶体の推定されたパラメータ、およびステップ４１４で見出される関連する推定された屈折率に基づいて計算することができる。例として、第２のサブステップ４４２は、上述した通り、式（４）～（６）に記載されたそれらの計算の実行を伴うことができる。

次いで、眼球の、合わされた合計度数は、第３のサブステップ４４４に見られるように、水晶体および角膜の計算された度数に基づいて計算することができる。例として、第３のサブステップ４４４は、上述した通り、式（７）～（１１）に記載されたそれらの計算の実行を伴うことができる。

第４のサブステップ４４６に見られるように、次いで、好ましくは、眼球の主点から網膜に一致する最良の焦点までの距離が見出される。眼球の主点は、眼球の個々の光学構成要素の全部によって形成される光学系が有効に働いているとみなされ得る理論的な点に対応する。例として、第４のサブステップ４４６は、上述した通り、式（１２）～（１３）に記載されたそれらの計算の実行を伴うことができる。

眼球の主点と網膜の間の距離を見出した後、次いで、好ましくは、この距離は、第５のサブステップ４４８に見られるように、眼球の軸長に対応する、後ろの水晶体表面から網膜までの間の距離、およびしたがって角膜と網膜の間の距離を生成するように補正される。例として、第５のサブステップ４４８は、上述した通り、式（１４）～（１６）に記載されたそれらの計算の実行を伴うことができる。

上述した通りステップ４４０～４４８を参照して説明される計算は、自動化され、コンピュータ化されたやり方で、例えば、図１の軸長検出サブシステム１３０によって実行することができると理解されよう。代替として、第６の軸長計算ステップ４１８は、限定するものではないが、レイトレーシング技法を含むステップ４４０～４４８以外のステップを伴うことができることがさらに理解されよう。

次に、本発明の別の好ましい実施形態により構成され、動作する図１に示されたタイプのシステムのニューラルネットワーク形成部の簡略化された概略図である図５を参照する。

図５に見られるように、好ましくは軸長検出システム１３０（図１）に組み込まれる、ニューラルネットワーク５００が提供される。ニューラルネットワーク５００は、測定サブシステム１２２（図１）によって測定および提供される様々な入力パラメータに基づいて機械学習により眼球１１４の軸長（図１）を見出すために用いることができる。ニューラルネットワーク５００により実行されるものなどの機械学習手法を用いて眼球１１４の軸長を見出すことは、図３～図４Ｂを参照して上述した通りに説明されたものに対する軸長検出サブシステム１３０の代替実施形態を表すと理解される。

ニューラルネットワーク５００は、初期訓練モードまたはアクティブ出力モードで動作することができる。初期訓練モードでは、好ましくは測定サブシステム１２２によって測定される様々な測定されたパラメータ５０２が、ニューラルネットワーク５００への入力パラメータとして与えられることが好ましい。測定されたパラメータ５０２は、スフィア、シリンダ、およびアクシスを含む眼球１１４の角膜の前半径、角膜の後半径、角膜厚さ、前房深度、および屈折異常を含み得る。そのようなパラメータは、一体化測定サブシステム１２２によって軸長検出サブシステム１３０に含まれるニューラルネットワーク５００に与えられ得ることが好ましく、または他の代替の装置によって測定され得ると理解される。さらに、測定されたパラメータ５０２は、被験者１１６（図１）の年齢および性別を含んでもよく、このデータは、使用者により入力されてもよく、または自動供給されてもよい。さらなるパラメータが、より高次のゼルニケ眼および角膜係数（ｈｉｇｈｅｒ ｏｒｄｅｒ Ｚｅｒｎｉｋｅ ｏｃｕｌａｒ ａｎｄ ｃｏｒｎｅａｌ ｃｏｅｆｆｉｃｉｅｎｔ）、および虹彩角（ｉｒｉｄｏ ａｎｇｌｅ）などの測定されたパラメータ５０２に含まれることもできる。

訓練モードでは、好ましくは、パラメータ５０２のセットごとに、対応する測定された軸長がやはり与えられることが好ましい。入力された測定されたパラメータ５０２に対応する軸長は、超音波または光コヒーレンストモグラフィー生体測定器によって含まれる本技術分野で知られている任意の適切な方法によって測定することができる。

次いで、好ましくは、アルゴリズム５０４は、学習プロセスによって、測定されたパラメータ５０２のセットを対応する測定された軸長に関連付けるように発生する。アルゴリズム５０４は、入力層から、測定されたパラメータ５０２の形態で入力を受信し、受信した入力を、出力層５０５において、測定された軸長に関連付ける隠れ層として図５に表される。入力測定値の各セット内により多数の入力された測定されたパラメータ５０２を含むことにより、必須ではないが、ニューラルネットワーク５００によって実施される学習プロセスの精度を向上させることができる。

入力層と隠れ層との間、および隠れ層と出力５０５との間に延びる非常に多数の矢印５０６は、アルゴリズム５０４の一部を形成するニューロンまたは数学関数を象徴的に表す。好ましくは、複数の矢印５０６のうちのただ１つの矢印によって表される各数学関数は、どんな条件下で所与の機能が起動され、どのようになるのかを決定する関連した閾値、重み値、および活性化値を有する。閾値、各関数の重み値および活性化値、ならびに関数自体は、アルゴリズム５０４によって実施される学習プロセスの一部として見出され、設定されることが好ましい。矢印５０６によって表される数学関数は、その全体的な構成を表すために図５に非常に簡略化された象徴的なやり方で示されると理解される。

アルゴリズム５０４へ適用される入力測定パラメータ５０２および対応する出力のセット数が大きくなるほど、学習プロセスの精度が高くなり、したがって入力された測定されたパラメータと出力された軸長の間の導出された関係がより正確になる。その訓練を完成するためにニューラルネットワーク５００に適用されることが必要とされる実際の測定数は、入力された測定されたパラメータ５０２の個数および軸長出力の必要な精度に依存する。例として、ニューラルネットワーク５００は、十分な精度で訓練されるために１０００を越える入力測定のセットを必要とし得る。

図５に示されるように、アルゴリズム５０４は、入力段階と出力段階の間に学習プロセスの単一層を伴うことができる。代替として、アルゴリズム５０４は、学習プロセスの複数の層が入力段階と出力段階の間に存在し、この複数の層が、必須ではないが、学習プロセスの精度を増加させることができるディープラーニングを含んでもよい。

ニューラルネットワーク５００の訓練の完了後に、次いで、ニューラルネットワーク５００は、アクティブ出力モードで動作することができる。ニューラルネットワーク５００のアクティブ出力モードでは、ニューラルネットワーク５００の訓練モードで学習される数学関数は、隠れ層を介して軸長に対応する出力を導出するために新たに測定された入力パラメータ５０２に適用される。アクティブ出力モードにおいて、好ましくは、ニューラルネットワーク５００は、アルゴリズム５０４の一部を形成する数学関数５０６が、学習によってもはや洗練されておらず、むしろ入力された測定されたパラメータに設定され、単純に適用されているという点で静的であることが理解される。

ニューラルネットワーク５００によって実施される機械学習手法などの軸長を導出する機械学習手法の使用は、軸長を導出するために、任意の推定されたパラメータを含むことを必要とするのではなく、測定された入力パラメータと出力された軸長の間の関連性を見出すと理解される。軸長検出システム１３０によって実施されるような軸長を見出すための機械学習手法は、ニューラルネットワークに限定されず、ディープラーニングなどの他の機械学習手法を含み得るとさらに理解される。

本発明は、下記の通り特に特許請求の範囲によって限定されないことも当業者により理解されよう。むしろ、本発明の範囲は、図を参照した前述の説明に触れた当業者において考え得る先行技術に無い上述した特徴の様々な組合せおよびサブコンビネーションならびにその変更および変形を含む。

Claims (20)

1. 少なくとも被験者の眼球の屈折を測定する屈折測定モジュールと、前記屈折測定モジュールと一体化され、少なくとも前記眼球の角膜の厚さと形状とを測定する角膜測定モジュールと、を少なくとも備えた一体化測定サブシステムと、
   少なくとも前記眼球の前記屈折と、前記角膜の前記厚さと前記形状とを考慮することに基づいて前記眼球の軸長を検出する軸長検出サブシステムと
   を備える眼球測定システム。
2. 前記眼球の前記軸長を前記検出することは、前記眼球の水晶体の少なくとも１つのパラメータのモデル化された値を考慮することをさらに含む、請求項１に記載の眼球測定システム。
3. 前記水晶体の前記少なくとも１つのパラメータは、前記水晶体の厚さ、前記水晶体の前面の半径、前記水晶体の後面の半径、および前記水晶体の屈折率のうちの少なくとも１つを含む、請求項２に記載の眼球測定システム。
4. 前記屈折測定モジュールは、前記眼球から反射した光の波面を解析するシャックハルトマンシステムを備える、請求項１から３のいずれか１項に記載の眼球測定システム。
5. 前記角膜測定モジュールは、少なくとも厚度計と角膜形状解析装置とを備える、請求項１から４のいずれか１項に記載の眼球測定システム。
6. 前記厚度計は、前記角膜の厚さ、前記角膜の後半径、および前記眼球の前房深度のうちの少なくとも１つを測定する、請求項５に記載の眼球測定システム。
7. 前記角膜形状解析装置は、少なくとも前記角膜の前半径を測定する、請求項５または６に記載の眼球測定システム。
8. 被験者の眼球の屈折を測定する屈折測定サブシステムと、
   少なくとも前記眼球の角膜の厚さと形状とを測定する角膜測定サブシステムと、
   少なくとも前記眼球の前記屈折と、前記角膜の前記厚さと前記形状と、前記眼球の水晶体の少なくとも１つのパラメータのモデル化された値とを考慮することに基づいて、前記眼球の軸長を計算する定式化計算を実行する軸長計算サブシステムと
   を備える眼球測定システム。
9. 前記水晶体の前記少なくとも１つのパラメータは、前記水晶体の厚さ、前記水晶体の前面の半径、前記水晶体の後面の半径、および前記水晶体の屈折率のうちの少なくとも１つを含む、請求項８に記載の眼球測定システム。
10. 前記定式化計算は、前記角膜の度数、前記水晶体の度数、前記角膜および前記水晶体の合わされた度数、ならびに前記眼球の主点と前記眼球の焦点の間の距離のうちの少なくとも１つを検出する少なくとも１つの定式化計算を含む、請求項８または９に記載の眼球測定システム。
11. 前記角膜の前記度数は、Ｐ_ｃ＝Ｐ_１ｃ＋Ｐ_２ｃ－［ＣＴｘ（Ｐ_１ｃｘＰ_２ｃ）／ｎ_{ｃｏｒｎｅａ}］に従って計算され、ただし、Ｐ_ｃは前記角膜の前記度数、Ｐ_１ｃ＝（ｎ_{ｃｏｒｎｅａ}－ｎ_ａｉｒ）／ＣＲ_ａ、Ｐ_２ｃ＝（ｎ_{ａｑｕｅｏｕｓ}－ｎ_{ｃｏｒｎｅａ}）／ＣＲ_ｐであり、ＣＴは前記角膜の厚さであり、ｎ_{ｃｏｒｎｅａ}は前記角膜の屈折率であり、ｎ_ａｉｒは空気の屈折率であり、ＣＲ_ａは前記角膜の前半径であり、ｎ_{ａｑｕｅｏｕｓ}は前記眼球の房水の屈折率であり、ＣＲ_ｐは前記角膜の後半径である、請求項１０に記載の眼球測定システム。
12. 前記水晶体の前記度数は、Ｐ_Ｌ＝Ｐ_１Ｌ＋Ｐ_２Ｌ－（ＬＴｘ（Ｐ_１ＬｘＰ_２Ｌ）／ｎ_ｌｅｎｓ］に従って計算され、ただし、Ｐ_Ｌは前記水晶体の前記度数、Ｐ_１Ｌ＝（ｎ_ｌｅｎｓ－ｎ_{ａｑｕｅｏｕｓ}）／ＬＲ_ａ、Ｐ_２Ｌ＝（ｎ_{ｖｉｔｒｅｏｕｓ}－ｎ_ｌｅｎｓ）／ＬＲ_ｐであり、ＬＴは前記水晶体の厚さであり、ＬＲ_ａは前記水晶体の前半径であり、ＬＲ_ｐは水晶体の後半径であり、ｎ_ｌｅｎｓは前記水晶体の屈折率であり、ｎ_{ｖｉｔｒｅｏｕｓ}は前記眼球の硝子体液の屈折率である、請求項１１に記載の眼球測定システム。
13. 前記角膜および前記水晶体の前記合わされた度数は、Ｐ_{ｔｏｔａｌ}＝Ｐ_ｃ＋Ｐ_Ｌ－［ｄｘ（Ｐ_ｃｘＰ_Ｌ）／ｎ_{ａｑｕｅｏｕｓ}］に従って計算され、ただし、Ｐ_{ｔｏｔａｌ}は前記角膜および前記水晶体の前記合わされた度数であり、ｄは角膜水晶体系の有効長さであり、ｄ＝ｄ_{ｔｏｔａｌ}－ＰＰ_ｌｅｎｓ－ＰＰ_{ｃｏｒｎｅａ}に従って計算され、ｄ_{ｔｏｔａｌ＝}ＣＴ＋ＡＣＤ＋ＬＴであり、ＡＣＤは前房深度であり、ＰＰ_ｌｅｎｓはＰＰ_ｌｅｎｓ＝（ｎ_{ｖｉｔｒｅｏｕｓ}／Ｐ_Ｌ）ｘ（ＬＴ／ｎ_ｌｅｎｓ）ｘＰ_１Ｌとして定義される前記水晶体の主点であり、ＰＰ_{ｃｏｒｎｅａ}はＰＰ_{ｃｏｒｎｅａ}＝（ｎ_ａｉｒ／Ｐ_ｃ）ｘ（ＣＴ／ｎ_{ｃｏｒｎｅａ}）ｘＰ_２ｃとして定義される前記角膜の主点である、請求項１２に記載の眼球測定システム。
14. 前記眼球の主点と前記眼球の焦点の間の前記距離は、Ｖ＝ｎ_{ｖｉｔｒｅｏｕｓ}／（Ｐ_{ｔｏｔａｌ}－（ｎ_ａｉｒ／ｕ）に従って計算され、ただし、Ｖは前記眼球の主点と前記眼球の焦点の間の前記距離であり、ｕは前記眼球のスフィア平均の逆数である、請求項１３に記載の眼球測定システム。
15. 被験者の眼球の屈折を測定し、測定された屈折出力を与える屈折測定サブシステムと、
    少なくとも前記眼球の角膜の厚さと形状とを測定し、測定された角膜厚さと形状との出力を与える角膜測定サブシステムと、
    少なくとも前記測定された屈折出力と、前記測定された角膜厚さと形状との出力と、を受け取り、前記眼球の軸長を検出するために機械学習を用いる軸長検出サブシステムと
    を備える眼球測定システム。
16. 前記屈折測定サブシステムは、前記角膜測定サブシステムと一体化とされる、請求項１５に記載の眼球測定システム。
17. 前記機械学習は、人工ニューラルネットワークを用いることを含む、請求項１５または１６に記載の眼球測定システム。
18. 前記機械学習は、ディープラーニングを含む、請求項１５から１７のいずれか１項に記載の眼球測定システム。
19. 前記屈折測定サブシステムは、前記眼球から反射した光の波面を解析するシャックハルトマンシステムを含み、前記角膜測定サブシステムは、少なくとも厚度計と角膜形状解析装置とを備える、請求項１５から１８のいずれか１項に記載の眼球測定システム。
20. 前記軸長検出サブシステムは、前記被験者に関連した他の入力パラメータをさらに備え、前記他の入力パラメータは、前記被験者の年齢、前記被験者の性別、および前記被験者の前記眼球の前房深度のうちの少なくとも１つを含む、請求項１５から１９のいずれか１項に記載の眼球測定システム。
    

Images