JP5971066B2 - 診断支援装置および診断支援装置の作動方法 - Google Patents

Description

本発明の実施形態は、診断支援装置および診断支援装置の作動方法に関する。

最近、発達障害者が増加傾向にあると言われている。発達障害は、早期に発見し療育を開始することで症状を軽減し、社会に適応できる効果が高くなることがわかっている。我が国でも、１歳半検診時の問診などにより早期発見を目指している。しかし、精神科医不足や、問診に時間が掛かるなどの問題があり、その効果は十分とはいえない。そこで、客観的で効率的な発達障害の診断支援装置が求められている。

発達障害早期発見のためには、例えば１歳半検診時に診断できることが理想的である。また、検診時の使用について配慮することが必要である。発達障害児の特徴として、対面する相手の目を見ない（視線をそらす）ことが挙げられる。カメラで人の顔を撮影して、角膜反射と瞳孔の位置を計算することにより注視点を検出する方法などを応用して、発達障害を診断支援する方法が提案されている。

特開２０１１−２０６５４２号公報

特許文献１では、目領域と、確実に観察対象者の口が含まれる口領域とを特定し、目領域に注視点座標が検出された動画像のフレーム数、口領域に注視点座標が検出された動画像のフレーム数、目領域の外に注視点座標が検出された動画像のフレーム数、および、計算対象の全フレーム数を算出する方法が提示されているが、さらに高精度の検出方法が求められていた。

本発明は、上記に鑑みてなされたものであって、診断の精度を向上できる診断支援装置および診断支援装置の作動方法を提供することを目的とする。

上述した課題を解決し、目的を達成するために、本発明は、画像を表示部に表示する表示制御部と、前記画像における被験者の視点を検出する視点検出部と、前記画像上の任意の点に前記視点が集まる度合いを示す集中度が高いと判定した場合は、前記被験者が発達障害を有する可能性が高いと判定する判定部と、前記視点の移動速度または移動量を算出する算出部と、を備え、前記判定部は、前記算出部により算出された前記移動速度または前記移動量が閾値よりも小さい場合、前記集中度が高いと判定する、ことを特徴とする。

また、本発明は、表示制御部と視点検出部と判定部と算出部とを有する診断支援装置の作動方法であって、前記表示制御部が、画像を表示部に表示する表示制御ステップと、前記視点検出部が、前記画像における被験者の視点を検出する視点検出ステップと、前記判定部が、前記画像上の任意の点に前記視点が集まる度合いを示す集中度が高いと判定した場合は、前記判定部が、前記被験者が発達障害を有する可能性が高いと判定する判定ステップと、前記算出部が、前記視点の移動速度または移動量を算出する算出ステップと、を含み、前記判定ステップは、前記算出ステップにより算出された前記移動速度または前記移動量が閾値よりも小さい場合、前記判定部が、前記集中度が高いと判定する、ことを特徴とする。

本発明にかかる診断支援装置および診断支援装置の作動方法は、診断の精度を向上できるという効果を奏する。

図１は、第１実施形態で用いる表示部、ステレオカメラ、および光源の配置の一例を示す図である。 図２は、第１実施形態の診断支援装置の機能の概要を示す図である。 図３は、第１実施形態の診断支援装置の各部の詳細な機能の一例を示すブロック図である。 図４は、被験者の瞳孔の位置を検出する方法を模式的に示す説明図である。 図５は、発達障害を有する可能性が高い被験者が、幾何学的な模様の画像を示す対象画像を観察した場合の視点の例を表す図である。 図６は、定型発達の被験者が、幾何学的な模様の画像を示す対象画像を観察した場合の視点の例を表す図である。 図７は、発達障害を有する可能性が高い被験者が、人の顔の画像を示す対象画像を観察した場合の視点の例を表す図である。 図８は、定型発達の被験者が、人の顔の画像を示す対象画像を観察した場合の視点の例を表す図である。 図９は、第１実施形態の診断支援処理の一例を示すフローチャートである。 図１０は、アイキャッチ映像の一例を示す図である。 図１１は、第１実施形態の集中度判定処理の一例を示すフローチャートである。 図１２は、第１実施形態の変形例１の集中度判定処理の一例を示すフローチャートである。 図１３は、移動距離を順次に加算して、移動距離の和を求めていく様子を模式的に示す図である。 図１４は、第１実施形態の変形例２における診断支援処理の一例を示すフローチャートである。 図１５は、第２実施形態の診断支援装置の各部の詳細な機能の一例を示すブロック図である。 図１６は、第２実施形態の第２診断支援処理の一例を示すフローチャートである。 図１７は、表示部に表示される画像の一例を示す図である。 図１８は、視点検出結果の一例を示す図である。 図１９は、対象画像の分割例を示す模式図である。 図２０は、ブロックに含まれる注視点マーカの数をカウントした結果の一例を示す図である。 図２１は、ブロックに含まれる注視点マーカの数をカウントした結果の一例を示す図である。 図２２は、視点検出結果の一例を示す図である。 図２３は、対象画像の分割例を示す模式図である。 図２４は、ブロックに含まれる視点マーカの数をカウントした結果の一例を示す図である。 図２５は、ブロックに含まれる視点マーカの数をカウントした結果の一例を示す図である。 図２６は、第２実施形態の変形例に係る第２診断支援処理の一例を示すフローチャートである。

以下、添付図面を参照しながら、本発明に係る診断支援装置および診断支援装置の作動方法の実施形態を詳細に説明する。なお、以下の各実施形態により本発明が限定されるものではない。

（第１実施形態）
本実施形態では、被験者が観察する対象となる診断用画像（対象画像）を表示部（モニタ）に表示して被験者の発達障害を診断する例を挙げて説明する。図１は、本実施形態で用いる表示部、ステレオカメラ、および光源の配置の一例を示す図である。図１の例では、表示部１０１の横近傍に、１組のステレオカメラ１０２が配置される。ステレオカメラ１０２は、赤外線によるステレオ撮影が可能な撮像部であり、右カメラ２０２と左カメラ２０４とを備えている。

右カメラ２０２および左カメラ２０４の各レンズの直前には、円周方向に赤外ＬＥＤ（Light Emitting Diode）光源２０３および２０５がそれぞれ配置される。赤外ＬＥＤ光源２０３および２０５は、発光する波長が相互に異なる内周のＬＥＤと外周のＬＥＤとを含む。赤外ＬＥＤ光源２０３および２０５により被験者の瞳孔を検出する。瞳孔の検出方法としては、例えば特開２００８−１２５６１９号公報に記載された方法などを適用できる。

視線を検出する際には、空間を座標で表現して位置を特定する。本実施形態では、表示部１０１の画面の中央位置を原点として、上下をＹ座標（上が＋）、横をＸ座標（向かって右が＋）、奥行きをＺ座標（手前が＋）としている。

図２は、診断支援装置１００の機能の概要を示す図である。図２では、図１に示した構成の一部と、この構成の駆動などに用いられる構成を示している。図２に示すように、診断支援装置１００は、右カメラ２０２と、左カメラ２０４と、赤外ＬＥＤ光源２０３および２０５と、スピーカ１０５と、駆動・ＩＦ部２０８と、制御部３００と、表示部１０１と、表示部２１０と、記憶部１５０と、を含む。

スピーカ１０５は、キャリブレーション時などに、被験者に注意を促すための音声などを出力する。

駆動・ＩＦ部２０８は、ステレオカメラ１０２に含まれる各部を駆動する。また、駆動・ＩＦ部２０８は、ステレオカメラ１０２に含まれる各部と、制御部３００とのインタフェースとなる。

表示部１０１は、対象画像を表示する。表示部２１０は、装置の操作や、診断支援結果を表示する。

記憶部１５０は、制御プログラム、測定結果、診断支援結果など各種情報を記憶する。また、記憶部１５０は、例えば表示部１０１に表示する画像等を記憶する。

図３は、図２に示す各部の詳細な機能の一例を示すブロック図である。図３に示すように、制御部３００には、表示部２１０と、駆動・ＩＦ部２０８と、記憶部１５０とが接続される。駆動・ＩＦ部２０８は、カメラＩＦ３１４、３１５と、ＬＥＤ駆動制御部３１６と、スピーカ駆動部３２２と、を備える。

駆動・ＩＦ部２０８には、カメラＩＦ３１４、３１５を介して、それぞれ、右カメラ２０２、左カメラ２０４が接続される。駆動・ＩＦ部２０８がこれらのカメラを駆動することにより、被験者を撮像する。

右カメラ２０２からはフレーム同期信号が出力される。フレーム同期信号は、左カメラ２０４とＬＥＤ駆動制御部３１６とに入力される。これにより、第１フレームで、タイミングをずらして左右の波長１の赤外線光源（波長１−ＬＥＤ３０３、波長１−ＬＥＤ３０５）を発光させ、それに対応して左右カメラ（右カメラ２０２、左カメラ２０４）による画像を取り込み、第２フレームで、タイミングをずらして左右の波長２の赤外線光源（波長２−ＬＥＤ３０４、波長２−ＬＥＤ３０６）を発光させ、それに対応して左右カメラによる画像を取り込んでいる。

赤外ＬＥＤ光源２０３は、波長１−ＬＥＤ３０３と、波長２−ＬＥＤ３０４と、を備えている。赤外ＬＥＤ光源２０５は、波長１−ＬＥＤ３０５と、波長２−ＬＥＤ３０６と、を備えている。

波長１−ＬＥＤ３０３、３０５は、波長１の赤外線を照射する。波長２−ＬＥＤ３０４、３０６は、波長２の赤外線を照射する。

波長１および波長２は、それぞれ例えば９００ｎｍ未満の波長および９００ｎｍ以上の波長とする。９００ｎｍ未満の波長の赤外線を照射して瞳孔で反射された反射光を撮像すると、９００ｎｍ以上の波長の赤外線を照射して瞳孔で反射された反射光を撮像した場合に比べて、明るい瞳孔像が得られるためである。

スピーカ駆動部３２２は、スピーカ１０５を駆動する。

制御部３００は、診断支援装置１００全体を制御して、結果を表示部２１０およびスピーカ１０５などに出力する。制御部３００は、表示制御部３５１と、視点検出部３５２と、算出部３５３と、判定部３５４と、を備えている。

表示制御部３５１は、表示部１０１および表示部２１０に対する各種情報の表示を制御する。例えば、表示制御部３５１は、被験者が観察する対象となる診断用画像（対象画像）を表示部１０１に表示する。また、表示制御部３５１は、診断結果を表示部２１０に表示する。なお、表示部１０１と表示部２１０は別の表示部であってもよいが、共通の表示部で実現することが好ましい。

視点検出部３５２は、被験者の視点を検出する。本実施形態では、視点検出部３５２は、表示部１０１に表示された対象画像のうち、被験者が注視する点を示す視点（注視点）を検出する。視点検出部３５２による視点検出方法としては、従来から用いられているあらゆる方法を適用できる。以下では、特開２００５−１９８７４３号公報と同様に、ステレオカメラ１０２を用いて被験者の視点を検出する場合を例に説明する。

この場合、まず視点検出部３５２は、ステレオカメラ１０２で撮影された画像から、被験者の視線方向を検出する。視点検出部３５２は、例えば、特許文献１および特開２００８−１２５６１９号公報に記載された方法などを用いて、被験者の視線方向を検出する。具体的には、視点検出部３５２は、波長１の赤外線を照射して撮影した画像と、波長２の赤外線を照射して撮影した画像との差分を求め、瞳孔像が明確化された画像を生成する。視点検出部３５２は、左右のカメラ（右カメラ２０２、左カメラ２０４）で撮影された画像それぞれから上記のように生成された２つの画像を用いて、ステレオ視の手法により被験者の瞳孔の位置を算出する。また、視点検出部３５２は、左右のカメラで撮影された画像を用いて被験者の角膜反射の位置を算出する。そして、視点検出部３５２は、被験者の瞳孔の位置と角膜反射位置とから、被験者の視線方向を表す視線ベクトルを算出する。

視点検出部３５２は、例えば図１のような座標系で表される視線ベクトルとＸＹ平面との交点を、被験者の視点として検出する。両目の視線方向が得られた場合は、被験者の左右の視線の交点を求めることによって視点を計測してもよい。

なお、被験者の視点の検出方法はこれに限られるものではない。例えば、赤外線ではなく、可視光を用いて撮影した画像を解析することにより、被験者の視点を検出してもよい。

図４は、２台のカメラ（右カメラ２０２、左カメラ２０４）を使用した場合の目の検出の一例を示す図である。２台のカメラは、事前にステレオ較正法によるカメラキャリブレーション理論を適用し、カメラパラメータを求めておく。ステレオ較正法は、Ｔｓａｉのカメラキャリブレーション理論を用いた方法など従来から用いられているあらゆる方法を適用できる。右カメラ２０２で撮影された画像から検出した目の位置と、左カメラ２０４で撮影された画像から検出した目の位置と、カメラパラメータとを用いて、世界座標系における目の３次元座標が得られる。これにより、瞳孔座標を推定することができる。瞳孔座標とは、ＸＹ平面上での被験者の目（瞳孔）の位置を表す座標値である。瞳孔座標は、例えば、世界座標系で表される目の位置をＸＹ平面に投影した座標値とすることができる。通常は、左右両目の瞳孔座標が求められる。

図３に戻って説明を続ける。算出部３５３は、予め定められた期間（後述の所定の測定時間）内において視点検出部３５２で検出された複数の視点のうち、表示部１０１に表示された画像上の基準点と視点との間の距離が第１閾値よりも小さい視点が占める割合を算出する。第１閾値は、視点の集中度が高いか否かを判別するための閾値である。第１閾値は、例えば実験により決める。実際には、発達障害の被験者は視点がほとんど動かない場合があるので、第１閾値は、比較的狭い範囲で設定される。診断支援装置１００には、記憶部１５０に第１閾値として所定の距離があらかじめ設定されている。

判定部３５４は、表示部１０１に表示された画像上の任意の点に視点が集まる度合いを示す集中度が高いと判定した場合は、被験者の発達障害の可能性が高いと判定する。より具体的には、判定部３５４は、算出部３５３により算出された上記割合が第２閾値よりも大きい場合は、被験者の集中度が高いと判定し、その被験者が発達障害を有する可能性が高いと判定する。

詳しくは後述するが、本実施形態の制御部３００は、２つの映像パターンの対象画像（２種類の対象画像）を用いて、診断支援処理を行う。図５は、２つの映像パターンのうちの１つの対象画像（以下、「第１対象画像」と呼ぶ場合がある）が表示部１０１に表示された状態の一例を示す図である。図５の例では、第１対象画像として、幾何学的な模様の画像４００が採用されているが、これに限られるものではない。図５の黒丸の点は、発達障害を有する可能性が高い被験者の視点を示している。

ここで、本実施形態では、発達障害を有する可能性が高い被験者は、表示部１０１に表示された画像のうちの任意の位置（点）を凝視する傾向があり、視点の移動が極めて少ない場合があることを見出した。したがって、表示部１０１に表示された画像上の任意の点に視点が集まる度合いを示す集中度が高い被験者は、発達障害を有する可能性が高いと判定することができる。その判定方法の一例として、本実施形態では、予め定められた期間内において視点検出部３５２で検出された複数の視点のうち、表示部１０１に表示された画像上の基準点と視点との間の距離が第１閾値よりも小さい視点が占める割合が、第２閾値より大きい場合は、被験者の集中度は高いと判定し、被験者が発達障害を有する可能性は高いと判定する。第２閾値は、画像上の基準点との距離が第１閾値よりも小さい視点の特定の期間内に視点検出部３５２で検出された複数の視点により視点の集中度が高いか否かを判別するための閾値である。第２閾値は、例えば実験により決める。例えば、発達障害及び定型発達の被験者を多数測定して分布の中間値から第２閾値を決める。第２閾値は、視点診断支援装置１００には、記憶部１５０に第２閾値として所定値があらかじめ設定されている。より具体的な内容については後述する。

ここでは、上記基準点は、予め定められた期間内において視点検出部３５２で検出された複数の視点の重心位置（中心位置）であり、各視点の重心位置から半径Ｒ０（Ｒ０の大きさ＝第１閾値）の円で表される領域Ｐ（図５参照）に視点が存在する確率に応じて、被験者の集中度が高いか否か（被験者が発達障害を有する可能性が高いか否か）を判定していると捉えることもできる。発達障害を有する可能性がある被験者の場合、領域Ｐ内に視点が存在する確率が、定型発達の被験者に比べて高くなる。

ここで、発達障害を有する可能性が高い被験者の視点は常に移動しない訳ではない。定型発達の被験者のように視点が移動する場合の方が多いが、定型発達の被験者では、視点が移動しないパターンとなる場合が極めて低いため、上記判定方法による判定が可能になる。

図６は、同じ幾何学的な模様の画像４００（第１対象画像）を表示したときの定型発達の被験者の視点を表す図である。図６の黒丸の点は、定型発達の被験者の視点を示している。定型発達の被験者の場合、図形を順次に見るように視点が移動するパターンが多く見られるので、各視点の重心位置から半径Ｒ０の円で表される領域Ｐ内に視点が存在する確率は、発達障害を有する被験者の場合に比べて低くなる。

図７は、２つの映像パターンのうちの別の対象画像（以下、「第２対象画像」と呼ぶ場合がある）が表示部１０１に表示された状態の一例を示す図である。図７の例では、第２対象画像として、人の顔の画像５００が採用されているが、これに限られるものではない。図７の黒丸の点は、発達障害のある可能性が高い被験者の視点を示している。前述したように、発達障害のある可能性が高い被験者は、表示部１０１に表示された画像上の任意の位置（点）を凝視する傾向にあり、視点の移動が極めて少ないので、各視点の重心位置から半径Ｒ０の円で表される領域Ｐに視点が存在する確率が、定型発達の被験者に比べて高くなる。

図８は、同じ人の顔の画像５００（第２対象画像）を表示したときの定型発達の被験者の視点を表す図である。図８の黒丸の点は、定型発達の被験者の視点を示している。定型発達の被験者の場合、両目や鼻、口を順次に見るように視点が移動するパターンが多く見られるので、各視点の重心位置から半径Ｒ０の円で表される領域Ｐ内に視点が存在する確率は、発達障害を有する被験者の場合に比べて低くなる。

次に、以上のように構成された第１実施形態の診断支援装置１００が実行する診断支援処理について説明する。図９は、第１実施形態における診断支援処理の一例を示すフローチャートである。

まず、表示制御部３５１は、アイキャッチ映像を表示部１０１に表示する（ステップＳ１１０１）。図１０は、アイキャッチ映像の一例を示す図であり、アイキャッチ映像が表示される前に個別のキャリブレーションは完了しているものとする。アイキャッチ映像とは、測定のための映像を表示する前に、被験者の視点を画面の所定の位置に移動させるための映像であり、図１０の例では、画面の中央位置で、円形の画像が、膨張・収縮して表示され、または、色相を変えて視覚的に目立つように表示されることにより、被験者の視点を画面の中央位置付近に移動させることができる。

再び図９に戻って説明を続ける。ステップＳ１１０１の後、表示制御部３５１は、第１対象画像を表示部１０１に表示する（ステップＳ１１０２）。ここでは、表示制御部３５１は、第１対象画像として、図５、図６に例示された幾何学的な模様の画像４００を表示部１０１に表示する。次に、所定の測定時間を計測するために、制御部３００は、タイマーをセットする（ステップＳ１１０３）。

次に、制御部３００は、視点の計測が完了するまで（タイマーにより計測された時間が、所定の測定時間に到達するまで）、表示部１０１に対する被験者の視点を検出し、検出した視点の位置データ（座標値）を保存し続ける（ステップＳ１１０４〜ステップＳ１１０５）。より具体的には、視点検出部３５２は、瞳孔中心と角膜反射位置との関係を用いて、被験者の視線方向を計算し、計算した視線方向と表示部１０１（図１ではＸＹ方向）との交点（視点）を検出する（ステップＳ１１０４）。視点検出部３５２は、検出した視点の座標値を例えば記憶部１５０等に保存する（ステップＳ１１０５）。

制御部３００は、計測が終了したか否かを判断する（ステップＳ１１０６）。本実施形態では、制御部３００は、タイマーにより計測された時間が所定の測定時間に到達した場合は、計測が終了したと判断する。なお、測定時間の値は任意であり、被験者の年齢や状況を考慮して適切な値を決定する。

計測が終了していない場合（ステップＳ１１０６：Ｎｏ）、ステップＳ１１０４に戻り処理を繰り返す。計測が終了した場合（ステップＳ１１０６：Ｙｅｓ）、制御部３００は、計測した座標値を用いて、被験者の集中度が高いか否かを判定する集中度判定処理を実行する（ステップＳ１１０７）。集中度判定処理の詳細な内容については後述する。

次に、表示制御部３５１は、第２対象画像を表示部１０１に表示する（ステップＳ１１０８）。ここでは、表示制御部３５１は、第２対象画像として、図７、図８に例示された人の顔の画像５００を表示部１０１に表示する。次に、所定の測定時間を計測するために、制御部３００は、タイマーをセットする（ステップＳ１１０９）。

次に、制御部３００は、視点の計測が完了するまで（タイマーにより計測された時間が、所定の測定時間に到達するまで）、表示部１０１に対する被験者の視点を検出し、検出した視点の位置データ（座標値）を保存し続ける（ステップＳ１１１０〜ステップＳ１１１１）。ステップＳ１１１０〜ステップＳ１１１１の内容は、上述のステップＳ１１０４〜ステップＳ１１０５の内容と同様なので、詳細な説明は省略する。

計測が終了していない場合（ステップＳ１１１２：Ｎｏ）、ステップＳ１１１０に戻り処理を繰り返す。計測が終了した場合（ステップＳ１１１２：Ｙｅｓ）、制御部３００は、計測した座標値を用いて、被験者の集中度が高いか否かを判定する集中度判定処理を実行する（ステップＳ１１１３）。集中度判定処理の詳細な内容については後述する。

次に、制御部３００（判定部３５４）は、ステップＳ１１０７およびステップＳ１１１３の集中度判定処理の両方において集中度が高いと判定されたか否かを判断する（ステップＳ１１１４）。２回の集中度判定処理の両方において集中度が高いと判定された場合（ステップＳ１１１４：ＹＥＳ）、判定部３５４は、被験者が発達障害を有する可能性が非常に高いと判定する（ステップＳ１１１８）。

２回の集中度判定処理の両方において集中度が高いと判定されていない場合（ステップＳ１１１４：ＮＯ）、制御部３００（判定部３５４）は、ステップＳ１１０７およびステップＳ１１１３の集中度判定処理の何れかにおいて集中度が高いと判定されたか否かを判断する（ステップＳ１１１５）。２回の集中度判定処理のうちの何れか一方のみにおいて集中度が高いと判定された場合（ステップＳ１１１５：ＹＥＳ）、判定部３５４は、被験者が発達障害を有する可能性が高いと判定する（ステップＳ１１１７）。

一方、２回の集中度判定処理のうちの何れにおいても集中度が高いと判定されていない場合（ステップＳ１１１５：ＮＯ）、判定部３５４は、被験者が発達障害を有する可能性は低いと判断する（ステップＳ１１１６）。

次に、ステップＳ１１０７およびステップＳ１１１３の各々における集中度判定処理の詳細な内容を説明する。図１１は、集中度判定処理の詳細な内容の一例を示すフローチャートである。ここでは、所定の測定時間内において計測された複数の視点の重心位置（平均位置）を求め、求めた重心位置から所定距離Ｒ０(第１閾値Ｒ０)以内の範囲に、各視点がどれくらいの割合で入っているのかを求め、求めた割合が第２閾値よりも大きい場合は、集中度が高いと判定し、求めた割合が第２閾値よりも小さい場合は、集中度が低いと判定する。以下、具体的に説明する。

まず、算出部３５３は、所定の測定時間内において測定された複数の視点の各々の位置データ（座標値）の重心位置（平均位置）を計算する（ステップＳ１２０１）。ステップＳ１２０１で計算された重心位置は、請求項の「基準点」に対応する。次に、算出部３５３は、カウント値ｃｎｔを「０」にクリアする（ステップＳ１２０２）。次に、算出部３５３は、変数ｎを「１」に設定する（ステップＳ１２０３）。

次に、算出部３５３は、保存してあった視点の位置データ（所定の測定時間内において視点検出部３５２により検出された複数の視点の各々の座標値）を順次に読み出す（ステップＳ１２０４）。次に、算出部３５３は、読み出した視点の位置データと、ステップＳ１２０１で計算した重心位置との間の距離ｒｒを計算する（ステップＳ１２０５）。

次に、算出部３５３は、ステップＳ１２０５で算出した距離ｒｒが第１閾値Ｒ０よりも小さいか否かを判定する（ステップＳ１２０６）。距離ｒｒが第１閾値Ｒ０よりも小さい場合（ステップＳ１２０６：ＹＥＳ）、算出部３５３は、現在のカウント値ｃｎｔに対して「１」を加算する（ステップＳ１２０７）。そして、算出部３５３は、現在の変数ｎに対して「１」を加算する（ステップＳ１２０８）。一方、ステップＳ１２０６において、距離ｒｒが第１閾値Ｒ０よりも大きい場合（ステップＳ１２０６：ＮＯ）、算出部３５３は、現在のカウント値ｃｎｔに対するカウント値の加算を行わずに、現在の変数ｎに対して「１」を加算する（ステップＳ１２０８）。

次に、算出部３５３は、保存してあった全ての視点の位置データについて、上述のステップＳ１２０４〜ステップＳ１２０８の処理が行われたか否かを判断する（ステップＳ１２０９）。全ての位置データについて処理が終了していない場合（ステップＳ１２０９：ＮＯ）、ステップＳ１２０４に戻り処理を繰り返す。全ての位置データについて処理が終了した場合（ステップＳ１２０９：ＹＥＳ）、算出部３５３は、現時点の変数ｎに対するカウント値ｃｎｔの割合ｒａｔｅ１を計算する（ステップＳ１２１０）。割合ｒａｔｅ１は、所定の測定時間内において視点検出部３５２で検出された複数（ｎ個）の視点のうち、各視点の重心位置（基準点）と視点との間の距離ｒｒが第１閾値Ｒ０より小さい視点が占める割合であると捉えることができる。

次に、判定部３５４は、ステップＳ１２１０で計算された割合ｒａｔｅ１が第２閾値Ｋ１より大きいか否かを判断する（ステップＳ１２１１）。ステップＳ１２１０で計算された割合ｒａｔｅ１が第２閾値Ｋ１よりも大きい場合（ステップＳ１２１１：ＹＥＳ）、判定部３５４は、被験者の集中度が高いと判定する（ステップＳ１２１２）。一方、ステップＳ１２１０で計算された割合ｒａｔｅ１が第２閾値Ｋ１よりも小さい場合（ステップＳ１２１１：ＮＯ）、判定部３５４は、被験者の集中度が低いと判定する（ステップＳ１２１３）。

以上に説明したように、本実施形態では、発達障害を有する可能性が高い被験者は、表示部１０１に表示された画像上の任意の位置（点）を凝視する傾向があり、視点の移動が極めて少ない場合があることを見出し、表示部１０１に表示された画像上の任意の点に視点が集まる度合いを示す集中度が高い被験者は、発達障害を有する可能性が高いと判定する。これにより、被験者が発達障害を有する可能性を適切に診断することが可能になる。

また、上述の制御部３００および制御部３００内の各部の一部または全部は、専用のハードウェア回路により実現してもよいし、ＣＰＵなどにより実行されるソフトウェア（プログラム）により実現してもよい。

本実施形態の診断支援装置１００で実行されるプログラムは、インストール可能な形式又は実行可能な形式のファイルでＣＤ−ＲＯＭ、フレキシブルディスク（ＦＤ）、ＣＤ−Ｒ、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）等のコンピュータで読み取り可能な記録媒体に記録されて提供される。

また、本実施形態の診断支援装置１００で実行されるプログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成してもよい。また、本実施形態の診断支援装置１００で実行されるプログラムをインターネット等のネットワーク経由で提供または配布するように構成してもよい。また、本実施形態の診断支援装置１００で実行されるプログラムを、ＲＯＭ等に予め組み込んで提供するように構成してもよい。

本実施形態の診断支援装置１００で実行されるプログラムは、上述した各部を含むモジュール構成となっており、実際のハードウェアとしてはＣＰＵ（プロセッサ）が上記記憶媒体からプログラムを読み出して実行することにより上記各部が主記憶装置上にロードされ、各部が主記憶装置上に生成されるようになっている。

（第１実施形態の変形例１）
上述の第１実施形態では、判定部３５４は、算出部３５３により算出された割合ｒａｔｅ１が第２閾値Ｋ１より大きい場合、集中度が高いと判定しているが、これに限られるものではない。例えば視点の移動速度が閾値よりも小さい場合は、被験者の集中度が高いと判定する形態であってもよい。例えば算出部３５３は、所定の測定時間内における視点の平均移動速度を算出し、判定部３５４は、算出部３５３により算出された移動速度が閾値より小さい場合、被験者の集中度が高いと判定することもできる。以下、具体的な内容について説明する。

図１２は、第１実施形態の変形例１における集中度判定処理の詳細な内容の一例を示すフローチャートである。まず、算出部３５３は、視点の移動距離の和ｓｕｍを「０」にクリアする（ステップＳ１３０１）。次に、算出部３５３は、変数ｎを「１」に設定する（ステップＳ１３０２）。次に、算出部３５３は、保存してあった視点の位置データ（所定の測定時間内において視点検出部３５２により検出された複数の視点の各々の座標値）を順次に読み出す（ステップＳ１３０３）。次に、算出部３５３は、現時点の変数ｎの値が「１」であるか否かを判断する（ステップＳ１３０４）。最初に視点の位置データが読み出された場合、前回読み出された視点の位置データは存在しないので、この場合は、視点の移動距離ｒを「０」に設定するためである。

現時点の変数ｎの値が「１」である場合（ステップＳ１３０４：ＹＥＳ）算出部３５３は、視点の移動距離ｒを「０」に設定する（ステップＳ１３０５）。一方、現時点の変数ｎの値が「１」ではない場合（ステップＳ１３０４：ＮＯ）、算出部３５３は、ステップＳ１３０４で読み出した視点の位置データ（今回の位置データ）と、前回の位置データ（前回のステップＳ１３０４で読み出した視点の位置データ）との差分を、移動距離ｒとして計算する（ステップＳ１３０６）。

次に、算出部３５３は、直前の移動距離ｒの和ｓｕｍに、ステップＳ１３０６で計算した移動距離ｒを加算して（ステップＳ１３０７）、移動距離ｒの和ｓｕｍを更新する。図１３は、移動距離ｒを順次に加算して、移動距離ｒの和ｓｕｍを求めていく様子を模式的に示す図である。今回の移動距離がｒ４で、直前の移動距離ｒの和ｓｕｍがｒ１＋ｒ２＋ｒ３の場合、移動距離ｒの和ｓｕｍは、ｒ１＋ｒ２＋ｒ３＋ｒ４に更新されるという具合である。

次に、算出部３５３は、ステップＳ１３０４で読み出した今回の位置データを、前回の位置データとして設定する（ステップＳ１３０８）。次に、算出部３５３は、変数ｎに「１」を加算する（ステップＳ１３０９）。次に、算出部３５３は、保存してあった全ての視点の位置データについて、上述のステップＳ１３０３〜ステップＳ１３０９の処理が行われたか否かを判断する（ステップＳ１３１０）。全ての位置データについて処理が終了していない場合（ステップＳ１３１０：ＮＯ）、ステップＳ１３０３に戻り処理を繰り返す。全ての位置データについて処理が終了した場合（ステップＳ１３１０：ＹＥＳ）、算出部３５３は、現時点の移動距離ｒの和ｓｕｍを、測定時間の長さ（時間長）ｔで除算することで、視点の移動速度Ｖ０（所定の測定時間内における視点の平均移動速度）を計算する（ステップＳ１３１１）。

次に、判定部３５４は、ステップＳ１３１１で計算された移動速度Ｖ０が所定の閾値Ｋ０より大きいか否かを判断する（ステップＳ１３１２）。閾値Ｋ０は、視点の移動速度Ｖ０の移動速度を比較することにより視点の集中度が高いか否かを判定するための閾値である。閾値Ｋ０は、例えば実験により決める。実際には、発達障害の被験者の視点はほとんど動かない場合があるので、閾値Ｋ０は比較的遅い移動速度で設定される。第１実施形態の変形例１においては、診断支援装置１００には、記憶部１５０に閾値Ｋ０として所定の速度があらかじめ設定されている。ステップＳ１３１１で計算された移動速度Ｖ０が閾値Ｋ０よりも小さい場合（ステップＳ１３１２：ＮＯ）、判定部３５４は、被験者の集中度が高いと判定する（ステップＳ１３１３）。一方、ステップＳ１３１１で計算された移動速度Ｖ０が閾値Ｋ０よりも大きい場合（ステップＳ１３１２：ＹＥＳ）、判定部３５４は、被験者の集中度が低いと判定する（ステップＳ１３１４）。

なお、測定時間の時間長ｔが決まっていて、いつも同じ値である場合は、移動速度Ｖ０を求めずに、移動距離ｒの和ｓｕｍから、被験者の集中度が高いか否かを判定することもできる。例えば算出部３５３は、視点の移動量（例えば所定の測定時間内における視点の移動距離ｒの和ｓｕｍ）を求め、判定部３５４は、算出部３５３により算出された移動量が閾値よりも小さい場合、集中度が高いと判定する形態であってもよい。

（第１実施形態の変形例２）
例えば算出部３５３は、所定の測定時間内において視点検出部３５２で検出された複数の視点の各々の位置データの分散を算出し、判定部３５４は、算出部３５３により算出された分散が所定の閾値よりも小さい場合、被験者の集中度が高いと判定する形態であってもよい。

（第１実施形態の変形例３）
例えば算出部３５３は、所定の測定時間内において視点検出部３５２で検出された複数の視点の各々の位置データの偏差を算出し、判定部３５４は、算出部３５３により算出された偏差が所定の閾値よりも小さい場合、被験者の集中度が高いと判定する形態であってもよい。要するに、表示部１０１に表示される画像上の任意の点に被験者の視点が集まる度合いを示す集中度が高いかを判定する方法は。特定の方法に限定されるものではなく、様々な方法を取り得る。

（第１実施形態の変形例４）
上述の第１実施形態では、２つの映像パターンの対象画像を用いて、集中度判定処理を２回行っているが、これに限らず、集中度判定処理の回数は任意に変更可能である。例えば１つの映像パターンの対象画像（例えば幾何学的な模様の画像４００であってもよいし、人の顔の画像５００であってもよい）を用いて、集中度判定処理を１回だけ行って、被験者の集中度が高いか否かを判定する形態であってもよい。

図１４は、第１実施形態の変形例４における診断支援処理の一例を示すフローチャートである。まず、表示制御部３５１は、アイキャッチ映像を表示部１０１に表示する（ステップＳ１４０１）。次に、表示制御部３５１は、対象画像を表示部１０１に表示する（ステップＳ１４０２）。対象画像の種類は任意であり、例えば図５、図６に例示された幾何学的な模様の画像４００を対象画像として表示部１０１に表示してもよいし、図７、図８に例示された人の顔の画像５００を対象画像として表示部１０１に表示してもよい。

ステップＳ１４０２の後のステップＳ１４０３〜ステップＳ１４０６の内容は、図９のステップＳ１１０３〜ステップＳ１１０６の内容と同様であるので、詳細な説明は省略する。ステップＳ１４０６の後、制御部３００は、集中度判定処理を行う（ステップＳ１４０７）。制御部３００は、第１実施形態で説明した集中度判定処理（図１１参照）を行うこともできるし、第１実施形態の変形例１（図１２等参照）、変形例２および変形例３の各々で説明した集中度判定処理を行うこともできる。

次に、制御部３００（判定部３５４）は、ステップＳ１４０７の集中度判定処理の結果、被験者の集中度が高いと判定されたか否かを判断する（ステップＳ１４０８）。被験者の集中度が高いと判定された場合（ステップＳ１４０８：ＹＥＳ）、判定部３５４は、被験者が発達障害を有する可能性が高いと判定する（ステップＳ１４０９）。一方、被験者の集中度が高いと判定されていない場合（ステップＳ１４０８：ＮＯ）、判定部３５４は、被験者が発達障害を有する可能性が低いと判定する（ステップＳ１４１０）。

（第１実施形態の変形例５）
上述の第１実施形態の診断支援処理では、ステップＳ１１０７およびステップＳ１１１３の各々において、同じ内容の集中度判定処理（図９）が行われているが、これに限らず、例えばステップＳ１１０７およびステップＳ１１１３の各々において、異なる内容の集中度判定処理（図１１、図１２に例示された集中度判定処理であってもよいし、第１実施形態の変形例２および３に例示された集中度判定処理であってもよい）が行われる形態であってもよい。

以上、説明した第１実施形態によれば、他の診断映像と共存可能であり、診断の精度を向上できる上に専用の映像を必要としないため、時間的な効率を向上できるという効果を奏する。

（第２実施形態）
次に、第２実施形態について説明する。第２実施形態では、被験者の母親などの対象者の画像を含む対象画像を複数のブロック（領域）に分割し、分割されたブロックのうち、対象者の特定要素（目、口など）が含まれるブロックを特定し、特定したブロックを被験者が注視するかによって発達障害を判定する判定処理と、第１実施形態における診断支援処理（以下の説明では、「第１診断支援処理」と呼ぶ場合がある）とを組み合わせた診断支援処理（以下の説明では、「第２診断支援処理」と呼ぶ場合がある）を実行可能な点で第１実施形態と相違する。以下、具体的な内容を説明する。なお、第１実施形態と重複する部分については適宜に説明を省略する。

図１５は、第２実施形態の診断支援装置１０００の各部の詳細な機能の一例を示すブロック図である。第２実施形態の制御部３０００は、表示制御部３５１、視点検出部３５２、算出部３５３、判定部３５４に加えて、分割部３５５と領域検出部３５６と第２判定部３５７と第３判定部３５８とをさらに備える点で第１実施形態と相違する。

分割部３５５は、表示部１０１に表示される画像を複数の領域に分割する。領域検出部３５６は、分割された領域のうち、特定要素の画像を含む特定領域を検出する。特定要素とは、例えば、対象者の目および口の少なくとも一方である。なお、特定要素はこれに限られるものではない。例えば、対象者以外の動作する物体を特定要素としてもよい。

第２判定部３５７は、視点検出部３５２によって検出された視点が、領域検出部３５６によって検出された特定領域に含まれるか否かを判断する。第２判定部３５７は、判断結果に基づいて被験者の発達障害の程度を判定する。第３判定部３５８は、判定部３５４による判定結果（以下の説明では、「第２評価」と呼ぶ場合がある）と、第２判定部３５７による判定結果（以下の説明では、「第１評価」と呼ぶ場合がある）とから、被験者が発達障害を有する可能性を最終的に判断する。具体的な内容については後述する。

次に、第２実施形態の診断支援装置１０００による第２診断支援処理について説明する。図１６は、第２診断支援処理の一例を示すフローチャートである。なお、本実施形態では被験者が対象画像の人物の目を見る割合が規定値（例えば６０％）以上であるか否かを判断基準とする。

まず、表示制御部３５１は、被験者が見る人物（対象者）の顔の画像を含む対象画像を表示部１０１に表示する（ステップＳ１０１）。図１７は、表示部１０１に表示される画像の一例を示す図である。図１７では、対象画像として、対象者の顔の画像５０１を含む画像が表示される例が示されている。顔の画像５０１は、対象者の目５０２を含んでいる。

次に、制御部３０００は、視点の計測が終了するまで、表示部１０１に対する被験者の視点座標を検出し、検出した座標を保存し続ける（ステップＳ１０２〜ステップＳ１０４）。

具体的には、視点検出部３５２は、瞳孔中心と角膜反射位置との関係を用いて、被験者の視線方向を計算する（ステップＳ１０２）。視点検出部３５２は、視線方向と表示部１０１（図１ではＸＹ平面）との交点（視点）を検出する（ステップＳ１０３）。視点検出部３５２は、検出した視点の座標値を例えば記憶部１５０等に保存する（ステップＳ１０４）。

制御部３０００は、計測が終了したか否かを判断する（ステップＳ１０５）。制御部３０００は、例えば、所定の測定時間を経過したか、または、予め定められた個数分の視点の座標値が得られたか、などによって計測が終了したかを判断する。測定時間（回数）および座標値の個数は、被験者の年齢や状況を考慮して適切な値を決定する。

計測が終了していない場合（ステップＳ１０５：Ｎｏ）、ステップＳ１０２に戻り処理を繰り返す。計測が終了した場合（ステップＳ１０５：Ｙｅｓ）、制御部３００は、計測した座標値を用いた診断処理を実行する（ステップＳ１０６〜ステップＳ１１１）。なお、座標値の検出処理（ステップＳ１０１〜ステップＳ１０５）を実行しながら、判定処理（ステップＳ１０６〜ステップＳ１１１）も実行するように構成してもよい。図１６のように検出処理と判定処理とを分離すれば、処理負荷を分散することができる。

図１８〜図２１は視点検出結果の一例を示す図である。図１８の画像は、図１７の画像上に被験者の視点を示す複数のマーカ６０１を重ねて表示した画像の例である。表示制御部３５１は、図１８のような画像を、被験者用の表示部１０１および結果出力用の表示部２１０の少なくとも一方に表示する。

判定処理では、まず、分割部３５５が、対象画像全体を複数のブロックに分割する（ステップＳ１０６）。本実施形態では、分割部３５５は、対象画像を横方向に２３分割し、縦方向に３３分割している。なお、分割方法はこれに限られるものではなく、対象画像を複数の領域に分割する方法であればあらゆる方法を適用できる。例えば、分割数は２３および３３に限られるものではない。また、分割して得られる領域の形状は矩形（正方形）に限られるものではなく、任意の形状とすることができる。

図１９は、図１８の対象画像の分割例を示す模式図である。なお、図１９の下部は説明のために一部のブロック（目の画像付近のブロック）を拡大したものである。Ａ−０〜Ａ−１１およびＢ−０〜Ｂ−６は、横方向に１２個、縦方向に７個並んだ各ブロックを特定するための情報であり、説明の便宜上付与したものである。

図１６に戻り、領域検出部３５６は、分割されたブロックのうち、特定要素として人物の目が含まれているブロック（特定領域）を抽出する（ステップＳ１０７）。領域検出部３５６は、例えば、パターンマッチングなどの一般的に利用されている画像認識技術を用いて、画像から目を検出する。そして、領域検出部３５６は、検出した目が含まれるブロックを特定領域として検出する。なお、ブロックの検出（抽出）方法はこれに限られるものではない。例えば、表示する対象画像が事前に分かっている場合等であれば、目が含まれているブロックを予め手作業によって設定しておく方法を用いてもよい。

次に、第２判定部３５７は、ブロックごとの注視点の検出回数をカウントする（ステップＳ１０８）。例えば、第２判定部３５７は、ステップＳ１０４で記憶された視点の座標値と、ステップＳ１０６で分割された各ブロックの座標値等を参照し、各ブロックに含まれる注視点の個数をカウントする。このカウント値が、ブロックごとの注視点の検出回数に相当する。

図２０および図２１は、それぞれのブロックに含まれる視点マーカの数をカウントした結果の一例を示す図である。図２１では、説明のために、目の画像が含まれているブロック（特定領域）の背景を網点としている。

図１６に戻る。第２判定部３５７は、検出された視点が特定領域に含まれるか否かを判断する。第２判定部３５７は、予め決められたルールと判断結果とから、被験者の発達障害の程度を判定する。上述のように、本実施形態では、第２判定部３５７は、被験者が対象画像の人物の目を見る割合が規定値以上であるか否かをルールとして発達障害の程度を判定する（ステップＳ１０９）。

図１８の例では、以下のように判定される。
視点全体の検出回数＝５７
人物の目が含まれているブロックを見た回数＝３７
人物の目を見た割合＝３７／５７＝６４．９％

仮に規定値を６０％と仮定すると、割合が規定値を超えているため発達障害の可能性は低いと判断される。なお、図２０（図２１）内では視点の検出回数は５１である。図１８に示すように、目の周辺以外でも視点が検出されるため、視点全体の検出回数は５７としている。

次に別の判定例を図２２〜図２５に示す。図２２の画像は、図１７の画像上に被験者の視点を示す複数のマーカ１００１を重ねて表示した画像の例である。図２３は、図２２の対象画像の分割例を示す模式図である。図２４および図２５は、それぞれのブロックに含まれる注視点マーカの数をカウントした結果の一例を示す図である。図２５では、説明のために、目の画像が含まれているブロック（特定領域）の背景を網点としている。

図２２の例では、以下のように判定される。
視点全体の検出回数＝４４
人物の目が含まれているブロックを見た回数＝４
人物の目を見た割合＝４／４４＝９．１％

同様に規定値を６０％と仮定すると、図２２の診断例では規定値を大きく下回るため発達障害の可能性が高いと判断される。

上述のステップＳ１０９において、対象画像の人物の目を見る割合が規定値未満であると判定した場合（ステップＳ１０９：ＮＯ）、第２判定部３５７は、被験者が発達障害を有する可能性は高いと判定する。つまり、第２判定部３５７による判定結果を示す第１評価は、被験者が障害を有する可能性は高いことを示すものとなる（第１評価：発達障害の可能性「高」、ステップＳ１１０）。一方、上述のステップＳ１０９において、対象画像の人物の目を見る割合が規定値以上であると判定した場合（ステップＳ１０９：ＹＥＳ）、第２判定部３５７は、被験者が障害を有する可能性は低いと判定する。つまり、第２判定部３５７による判定結果を示す第１評価は、被験者が障害を有する可能性は低いことを示すものとなる（第１評価：発達障害の可能性「低」、ステップＳ１１１）。

次に、制御部３０００は、上述の集中度判定処理を行う（ステップＳ１１２）。例えば制御部３０００は、第１実施形態で説明した集中度判定処理（図１１参照）を行うこともできるし、第１実施形態の変形例１（図１２等参照）、変形例２および変形例３の各々で説明した集中度判定処理を行うこともできる。

次に、制御部３０００（判定部３５４）は、ステップＳ１１２の集中度判定処理において集中度が高いと判定されたか否かを判断する（ステップＳ１１３）。ステップＳ１１２の集中度判定処理において集中度が高いと判定された場合（ステップＳ１１３：ＹＥＳ）、判定部３５４は、被験者が発達障害を有する可能性が高いと判定する。つまり、判定部３５４による判定結果を示す第２評価は、被験者が障害を有する可能性は高いことを示すものとなる（第２評価：発達障害の可能性「高」、ステップＳ１１４）。一方、ステップＳ１１２の集中度判定処理において集中度が低いと判定された場合（ステップＳ１１３：ＮＯ）、判定部３５４は、被験者が発達障害を有する可能性は低いと判定する。つまり、判定部３５４による判定結果を示す第２評価は、被験者が障害を有する可能性は低いことを示すものとなる（第２評価：発達障害の可能性「低」、ステップＳ１１５）。

次に、第３判定部３５８は、第２判定部３５７による判定結果を示す第１評価が、被験者が発達障害を有する可能性は高いことを示し、かつ、判定部３５４による判定結果を示す第２評価が、被験者が発達障害を有する可能性は高いことを示すか否かを判断する（ステップＳ１１６）。第１評価が、被験者が発達障害を有する可能性は高いことを示し、かつ、第２評価が、被験者が発達障害を有する可能性は高いことを示すと判断した場合（ステップＳ１１６：ＹＥＳ）、第３判定部３５８は、被験者が発達障害を有する可能性は高いと判断する（ステップＳ１１９）。

上述のステップＳ１１６において、第１評価が、被験者が発達障害を有する可能性は高いことを示し、かつ、第２評価が、被験者が発達障害を有する可能性は高いことを示すという条件を満たさないと判断した場合（ステップＳ１１６：ＮＯ）、第３判定部３５８は、第１評価が、被験者が発達障害を有する可能性は高いことを示し、かつ、第２評価が、被験者が発達障害を有する可能性は低いことを示すか否かを判断する（ステップＳ１１７）。

上述のステップＳ１１７において、第１評価が、被験者が発達障害を有する可能性は高いことを示し、かつ、第２評価が、被験者が発達障害を有する可能性は低いことを示すと判断した場合（ステップＳ１１７：ＹＥＳ）、第３判定部３５８は、被験者が発達障害を有する可能性がやや高いと判断する（ステップＳ１２０）。一方、上述のステップＳ１１７において、第１評価が、被験者が発達障害を有する可能性は高いことを示し、かつ、第２評価が、被験者が発達障害を有する可能性は低いことを示すという条件を満たさないと判断した場合（ステップＳ１１７：ＮＯ）、第３判定部３５８は、第１評価が、被験者が発達障害を有する可能性は低いことを示し、かつ、第２評価が、被験者が発達障害を有する可能性は高いことを示すか否かを判断する（ステップＳ１１８）。

上述のステップＳ１１８において、第１評価が、被験者が発達障害を有する可能性は低いことを示し、かつ、第２評価が、被験者が発達障害を有する可能性は高いことを示すと判断した場合（ステップＳ１１８：ＹＥＳ）、第３判定部３５８は、被験者が発達障害を有する可能性がやや低いと判断する（ステップＳ１２１）。一方、上述のステップＳ１１８において、第１評価が、被験者が発達障害を有する可能性は低いことを示し、かつ、第２評価が、被験者が発達障害を有する可能性は低いことを示すという条件を満たさないと判断した場合（ステップＳ１１８：ＮＯ）、第３判定部３５８は、第１評価が、被験者が発達障害を有する可能性は低いことを示し、かつ、第２評価が、被験者が発達障害を有する可能性は低いことを示していると判断し、被験者が発達障害を有する可能性は低いと判断する（ステップＳ１２２）。

以上に説明したように、上述の判定処理（図１６のステップＳ１０６〜ステップＳ１１１）と、上述の第１診断支援処理とを組み合わせた第２診断支援処理を行うことにより、被験者が発達障害を有する可能性を精度良く診断することが可能になる。なお、上述のステップＳ１１７と上述のステップＳ１１８の順番は反対であってもよい。この例では、第１評価が、被験者が発達障害を有する可能性は低いことを示し、かつ、第２評価が、被験者が発達障害を有する可能性は高いことを示す場合（ステップＳ１１８：ＹＥＳ）、第３判定部３５８は、被験者が発達障害を有する可能性はやや高いと判断する一方、第１評価が、被験者が発達障害を有する可能性は高いことを示し、かつ、第２評価が、被験者が発達障害を有する可能性は低いことを示す場合（ステップＳ１１７：ＹＥＳ）、第３判定部３５８は、被験者が発達障害を有する可能性はやや低いと判断することになる。

以上に説明したように、第２実施形態では、検出された被験者の視線位置をブロック単位で扱うことにより、数値化された明確な判断ルールに基づいた診断支援を行うことが可能になる。また、本実施形態では、対象者の特定要素（目、口など）が含まれるブロックを特定し、特定したブロックを被験者が注視するかによって発達障害を判定する。これにより、対象者の画像が変更される場合であっても、特定要素が含まれるブロックを適切に特定でき、診断の精度が低下することを回避できる。

（第２実施形態の変形例）
上述の第２実施形態では、上述の判定処理の後に、図１６のステップ１１２〜ステップＳ１１５の処理（説明の便宜上、「第２判定処理」と呼ぶ）が行われているが、これに限らず、例えば第２判定処理の後に、上述の判定処理が行われてもよい。要するに、判定処理と第２判定処理とが順番に行われるものであればよい。

また、例えば図２６に示すように、判定処理と第２判定処理とが並行に実行されてもよい。図２６に示すステップＳ２０１〜ステップＳ２０５の内容は、図１６に示すステップＳ１０１〜ステップＳ１０５の内容と同様であるため、詳細な説明は省略する。

図２６に示すように、ステップＳ２０６の後、制御部３０００は、判定処理（図２６のステップＳ２０６〜ステップＳ２１１）と、第２判定処理（図２６のステップＳ２１２〜ステップＳ２１５）とを並行に実行する。図２６のステップＳ２０６〜ステップＳ２１１の内容は、図１６のステップＳ１０６〜ステップＳ１１１の内容と同様であるため、詳細な説明は省略する。また、図２６のステップＳ２１２〜ステップＳ２１５の内容は、図１６のステップＳ１１２〜ステップＳ１１５の内容と同様であるため、詳細な説明は省略する。

判定処理および第２判定処理が終了すると、処理は、ステップＳ２１６に移行する。ステップＳ２１６〜ステップＳ２２２の内容は、図１６のステップＳ１１６〜ステップＳ１２２の内容と同様であるため、詳細な説明は省略する。

以上、本発明の実施形態を説明したが、上述の各実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。本発明は、上述の各実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上述の各実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、各実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、上述の各実施形態と変形例とを任意に組み合わせることも可能である。

１００ 診断支援装置
１０１ 表示部
１０２ ステレオカメラ
１０５ スピーカ
２０２ 右カメラ
２０３ 赤外ＬＥＤ光源
２０４ 左カメラ
２０５ 赤外ＬＥＤ光源
２０８ 駆動・ＩＦ部
２１０ 表示部
３００ 制御部
３５１ 表示制御部
３５２ 視点検出部
３５３ 算出部
３５４ 判定部
３５５ 分割部
３５６ 領域検出部
３５７ 第２判定部
３５８ 第３判定部
１０００ 診断支援装置
３０００ 制御部
Ｒ０ 第１閾値（所定の距離）
Ｋ１ 第２閾値（所定の割合）
Ｋ０ 閾値（所定の速度）

Claims (6)

1. 画像を表示部に表示する表示制御部と、
   前記画像における被験者の視点を検出する視点検出部と、
   前記画像上の任意の点に前記視点が集まる度合いを示す集中度が高いと判定した場合は、前記被験者が発達障害を有する可能性が高いと判定する判定部と、
   前記視点の移動速度または移動量を算出する算出部と、
   を備え、
   前記判定部は、前記算出部により算出された前記移動速度または前記移動量が閾値よりも小さい場合、前記集中度が高いと判定する、
   ことを特徴とする診断支援装置。
2. 予め定められた期間内において前記視点検出部で検出された複数の前記視点のうち、前記画像上の基準点と前記視点との間の距離が第１閾値よりも小さい前記視点が占める割合を算出する算出部をさらに備え、
   前記判定部は、前記算出部により算出された前記割合が第２閾値よりも大きい場合、前記集中度が高いと判定する、
   ことを特徴とする請求項１に記載の診断支援装置。
3. 前記基準点は、前記予め定められた期間内において前記視点検出部で検出された複数の前記視点の重心位置である、
   ことを特徴とする請求項２に記載の診断支援装置。
4. 予め定められた期間内において前記視点検出部で検出された複数の前記視点の各々の位置データの分散を算出する算出部をさらに備え、
   前記判定部は、前記算出部により算出された前記分散が閾値よりも小さい場合、前記集中度が高いと判定する、
   ことを特徴とする請求項１に記載の診断支援装置。
5. 予め定められた期間内において前記視点検出部で検出された複数の前記視点の各々の位置データの偏差を算出する算出部をさらに備え、
   前記判定部は、前記算出部により算出された前記偏差が閾値よりも小さい場合、前記集中度が高いと判定する、
   ことを特徴とする請求項１に記載の診断支援装置。
6. 表示制御部と視点検出部と判定部と算出部とを有する診断支援装置の作動方法であって、
   前記表示制御部が、画像を表示部に表示する表示制御ステップと、
   前記視点検出部が、前記画像における被験者の視点を検出する視点検出ステップと、
   前記判定部が、前記画像上の任意の点に前記視点が集まる度合いを示す集中度が高いと判定した場合は、前記判定部が、前記被験者が発達障害を有する可能性が高いと判定する判定ステップと、
   前記算出部が、前記視点の移動速度または移動量を算出する算出ステップと、
   を含み、
   前記判定ステップは、前記算出ステップにより算出された前記移動速度または前記移動量が閾値よりも小さい場合、前記判定部が、前記集中度が高いと判定する、
   ことを特徴とする診断支援装置の作動方法。

Images