JP7339483B2 - 識別装置 - Google Patents

Description

本発明は、例えば眼内レンズなどの物品の特性を識別する識別装置に関する。

白内障になると、すりガラス越しに見ているような白くかすんだ視界になったり、濁りが光を乱反射させるために屋外で眩しさを感じるようになったりする。症状が進むと日常生活に支障が出るため、手術により、眼内の水晶体を人工の水晶体（眼内レンズ）に交換することで、視力の改善が図られる（非特許文献１参照）。

ｈｔｔｐｓ：／／ｗｗｗ．ｏｃｕｌａｒ．ｎｅｔ／ｔｒｅａｔｍｅｎｔ／ｃａｔａｒａｃｔ／ｔｒｅａｔ．ｈｔｍｌ

眼内レンズの度数は、例えば、術前検査で眼軸長を測定することで決定される。手術の際には、術前検査で決定された度数の眼内レンズが用意されているか否かの確認作業が医療従事者によって行われる。しかし、医療従事者が、その確認作業の際に、術前検査で決定された度数とは異なる度数の眼内レンズが用意されていることを誤って見過ごしてしまう可能性がある。このような問題は、医療の現場以外の現場においても、起こり得る問題である。従って、見過ごしの無い確実な確認作業を行うことの可能な識別装置を提供することが望ましい。

本発明の一実施形態に係る識別装置は、学習モデルと、複数のテキストファイルとを備えたシステムに設けられる識別装置である。学習モデルには、物品の特性について表記の仕方にゆらぎのある複数の画像の特徴量もしくは複数の文字列と、複数の画像の特徴量もしくは複数の文字列から示唆される物品の特性についての識別記号との対応関係が記述されている。各テキストファイルは、物品の特性の種類ごとに付与された複数の識別記号のうちの１つを含む。この識別装置は、物品を含むパッケージの表記を撮像することにより得られた撮像画像もしくは撮像画像から検出した検出文字列を学習モデルに入力することにより得られた、撮像画像の特徴量もしくは検出文字列に対応する識別記号を、複数のテキストファイルのうちの少なくとも１つと照合し、その照合結果を生成する制御部を備えている。

本発明の一実施形態に係る識別装置では、物品を含むパッケージの表記を撮像することにより得られた撮像画像もしくは撮像画像から検出した検出文字列を学習モデルに入力することにより得られた識別記号が、複数のテキストファイルのうちの少なくとも１つと照合され、その照合結果が生成される。このように、本発明では、パッケージの文字列の代わりに、学習モデルから得られた識別記号が、複数のテキストファイルのうちの少なくとも１つと照合され、その照合結果が生成される。これにより、パッケージにおいて物品の特性についての表記の仕方にゆらぎがある場合であっても、ゆらぎの影響を受けない照合を行うことができる。

本発明の一実施形態に係る識別装置によれば、パッケージにおいて物品の特性についての表記の仕方にゆらぎがある場合であっても、ゆらぎの影響を受けない照合を行うことができるようにしたので、目視での照合に頼らずに、システムによる正確な照合を行うことができる。その結果、見過ごしの無い確実な確認作業を行うことができる。

本発明の一実施の形態に係る眼内レンズ識別システムによる識別対象である眼内レンズのパッケージの表記の一例を表す図である。 図１のパッケージに含まれるレンズ度数の、メーカごとの表記のゆらぎの一例を表す図である。 本発明の一実施の形態に係る眼内レンズ識別システムの概略構成の一例を表す図である。 図３の眼内レンズ識別システムの機能ブロックの一例を表す図である。 図４の眼内レンズ学習モデルに入力する学習データの一例を表す図である。 図３のデータサーバ装置に記憶されている手術ファイルの一例を表す図である。 図３の眼内レンズ識別システムにおける眼内レンズの識別手順の一例を表す流れ図である。 図３の眼内レンズ識別システムの概略構成の一変形例を表す図である。 図８の眼内レンズ識別システムの機能ブロックの一例を表す図である。 図８の眼内レンズ識別システムにおける眼内レンズの識別手順の一例を表す流れ図である。 図８の眼内レンズ識別システムの機能ブロックの一変形例を表す図である。 図１１の眼内レンズ識別システムにおける眼内レンズの識別手順の一例を表す流れ図である。 図８の眼内レンズ識別システムの機能ブロックの一変形例を表す図である。 図１３の眼内レンズ識別システムにおける眼内レンズの識別手順の一例を表す流れ図である。 図４の眼内レンズ学習モデルに入力する学習データの一変形例を表す図である。 図３の眼内レンズ識別システムにおける眼内レンズの識別手順の一変形例を表す流れ図である。

以下、本発明を実施するための形態について、図面を参照して詳細に説明する。以下の説明は本発明の一具体例であって、本発明は以下の態様に限定されるものではない。また、本発明は、各図に示す各構成要素の配置や寸法、寸法比などについても、それらに限定されるものではない。なお、説明は、以下の順序で行う。
１．実施の形態
２．変形例

＜１．実施の形態＞
［構成］
図１は、本発明の一実施の形態に係る眼内レンズ識別システムによる識別対象である眼内レンズの外箱（眼内レンズパッケージ２００）の表記の一例を表したものである。眼内レンズパッケージ２００には、例えば、図１に示したように、モデル番号２１０、レンズ度数２２０、使用期限２３０およびバーコード２４０が記載されている。モデル番号２１０は、眼内レンズパッケージ２００内の眼内レンズのモデルに対する識別子である。レンズ度数２２０は、眼内レンズパッケージ２００内の眼内レンズの度数である。使用期限２３０は、眼内レンズパッケージ２００内の眼内レンズの使用期限である。バーコード２４０は、物流での商品ごとの管理を行うための識別子である。

図２は、眼内レンズパッケージ２００に含まれるレンズ度数２２０の、メーカごとの表記のゆらぎの一例を表したものである。「表記のゆらぎ」とは、例えば、プラスマイナスの有無や、小数点以下の桁数の違いといったテキストとしてのゆらぎだけでなく、フォントの違い、文字の大きさの違い、文字の色の違い、文字間隔の違いといったビジュアルとしてのゆらぎも含む。なお、プラスマイナスの有無や、小数点以下の桁数の違いなども、ビジュアルとしてのゆらぎの一形態と捉えることができる。従って、本実施の形態では、テキストとしてのゆらぎは、ビジュアルとしてのゆらぎの一例と捉えるものとする。

図３は、本発明の一実施の形態に係る眼内レンズ識別システム１００の概略構成の一例を表したものである。図４は、眼内レンズ識別システム１００の機能ブロックの一例を表したものである。

眼内レンズ識別システム１００は、手術の際に用意された眼内レンズが所望のレンズであるか否かを、眼内レンズパッケージ２００の表記を撮像機能付き電子機器１０で読み取ることにより判断する。眼内レンズパッケージ２００のレンズ度数２２０の表記については、図２に示したように、メーカごとに「ゆらぎ」があるため、読み取った文字を、手術ファイルと照合しようとしても、うまく照合できない場合がある。そこで、本実施の形態では、眼内レンズ識別システム１００は、機械学習（例えば、ｄｅｅｐ ｌｅａｒｎｉｎｇ）を利用して、撮像画像から切り出した部分画像を、手術ファイルと照合可能な識別記号に置き換え、置き換えにより得られた識別記号を手術ファイルと照合することにより、手術の際に用意された眼内レンズが所望のレンズであるか否かを判断する。

眼内レンズ識別システム１００は、例えば、図１に示したように、撮像機能付き電子機器１０と、データサーバ装置２０とを備えている。撮像機能付き電子機器１０およびデータサーバ装置２０は、ネットワーク３０を介して接続されている。撮像機能付き電子機器１０は、ネットワーク３０を介してデータサーバ装置２０と通信することができるように構成されている。データサーバ装置２０は、ネットワーク３０を介して撮像機能付き電子機器１０と通信することができるように構成されている。

ネットワーク３０は、例えば、インターネットで標準的に利用されている通信プロトコル（ＴＣＰ／ＩＰ）を用いて通信を行うネットワークである。ネットワーク３０は、例えば、そのネットワーク独自の通信プロトコルを用いて通信を行うセキュアなネットワークであってもよい。ネットワーク３０は、例えば、インターネット、イントラネット、または、ローカルエリアネットワークである。ネットワーク３０と、撮像機能付き電子機器１０またはデータサーバ装置２０との接続は、例えば、イーサネット等の有線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）であってもよいし、Ｗｉ－Ｆｉ等の無線ＬＡＮや、携帯電話回線などであってもよい。

撮像機能付き電子機器１０は、例えば、制御部１１、撮像部１２、メモリ１３、眼内レンズ学習モデル１４、ネットワークＩＦ（Ｉｎｔｅｒｆａｃｅ）１５、入力部１６および表示部１７を含んで構成されている。撮像機能付き電子機器１０は、例えば、制御部１１、撮像部１２、メモリ１３、眼内レンズ学習モデル１４、ネットワークＩＦ（Ｉｎｔｅｒｆａｃｅ）１５、入力部１６および表示部１７を一体に保持する筐体１０Ｃを備えている。制御部１１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）およびＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）などを含んで構成され、例えば、メモリ１３に記憶されたウェブブラウザプログラムや、オペレーティングシステムなどを実行する。制御部１１は、さらに、例えば、メモリ１３に記憶されたプログラム１３Ａを実行する。プログラム１３Ａについては、後に詳述する。

撮像部１２は、例えば、ＣＣＤ（Ｃｈａｒｇｅ Ｃｏｕｐｌｅｄ Ｄｅｖｉｃｅ）イメージセンサもしくはＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ ｍｅｔａｌ－ｏｘｉｄｅ－ｓｅｍｉｃｏｎｄｕｃｔｏｒ）イメージセンサである。メモリ１３は、制御部１１によって実行されるプログラム（例えば、ウェブブラウザプログラムや、オペレーティングシステム）などを格納する。メモリ１３は、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、補助記憶装置（ハードディスク等）等によって構成される。メモリ１３は、さらに、プログラム１３Ａを格納する。

眼内レンズ学習モデル１４は、学習プロセスでは、入力データを学習データとして機械学習を行う。眼内レンズ学習モデル１４に入力される入力データは、例えば、図５に示したように、レンズ度数２００を含む画像と、識別記号２５０の文字列である。識別記号２５０は、メーカごとに「ゆらぎ」のあるレンズ度数２００の意味を表しており、後述の手術ファイル２３Ａと照合可能な文字列となっている。識別記号２５０は、例えば、メーカごとに「ゆらぎ」のある複数のレンズ度数２００において共通に含まれる文字列で構成されている。

眼内レンズ学習モデル１４は、学習データとして入力された画像を、所定の手法を用いて特徴量に変換する。特徴量は、学習データとして入力された画像に基づいて得られたデータであり、機械学習を行うのに適したデータとなっている。眼内レンズ学習モデル１４は、機械学習の結果、レンズ度数２００を含む画像の特徴量と、識別記号２５０との対応関係についての情報を学習結果として生成し、保有する。つまり、眼内レンズ学習モデル１４では、眼内レンズ（物品）の度数（特性）について表記の仕方にゆらぎのあるレンズ度数２００を含む複数の画像の特徴量と、眼内レンズ（物品）の度数（特性）について表記の仕方にゆらぎのある複数のレンズ度数２００の文字列から示唆される眼内レンズの度数についての識別記号２５０との対応関係が記述されている。

ネットワークＩＦ１５は、ネットワーク３０を介してデータサーバ装置２０と通信するための通信インターフェースである。入力部１６は、外部（例えば、ユーザ）からの指示を受け付け、受け付けた指示を制御部１１に出力する。入力部１６は、例えば、ボタンやダイヤルなどを含む機械的な入力インターフェースであってもよいし、マイクロフォンなどを含む音声入力インターフェースであってもよい。入力部１６は、例えば、撮像機能付き電子機器１０の表示面１０Ａに設けられたタッチパネルであってもよい。表示部１７は、例えば、液晶パネルや有機ＥＬ（Ｅｌｅｃｔｒｏ Ｌｕｍｉｎｅｓｃｅｎｃｅ）パネル等のパネル型表示装置からなる。表示部１７は、例えば、制御部１１で生成された照合結果を表示する。

データサーバ装置２０は、例えば、制御部２１、ネットワークＩＦ２２およびメモリ２３を含んで構成されている。制御部２１は、ＣＰＵで構成され、例えば、メモリ２３に記憶されたウェブサーバプログラムや、オペレーティングシステムなどを実行する。制御部２１は、さらに、例えば、メモリ２３に記憶された手術ファイル２３Ａを読み出し、ネットワークＩＦ２２を介して撮像機能付き電子機器１０に送信する。

ネットワークＩＦ２２は、ネットワーク３０を介して撮像機能付き電子機器１０と通信するための通信インターフェースである。メモリ２３は、制御部２１によって実行されるプログラム（例えば、ウェブサーバプログラムや、オペレーティングシステム）などを格納する。メモリ２３は、例えば、ＲＡＭ、ＲＯＭ、補助記憶装置（ハードディスク等）等によって構成される。メモリ２３は、さらに、複数の手術ファイル２３Ａを格納する。各手術ファイル２３Ａは、患者ごとに作成されたものであり、例えば、患者ごとに適した、眼内レンズについての情報（例えばレンズ度数）を含んでいる。

手術ファイル２３Ａは、手術についての情報を含む。手術ファイル２３Ａは、例えば、例えば、図６に示したように、複数のカラムデータ２３ａと、顔写真データ２３ｄとによって構成されている。カラムデータ２３ａは、タグ２３－１と、タグ２３－１に対応する具体的な内容２３－２とによって構成されている。タグ２３－１としては、例えば、患者氏名、患者ＩＤ（Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ）、病名、手術開始日、手術開始時刻、術眼、術式、眼内レンズおよび担当医が挙げられる。タグ２３－１が患者氏名であるときの内容２３－２としては、手術を受ける患者の氏名（例えば、山田花子）が挙げられる。タグ２３－１が患者ＩＤであるときの内容２３－２としては、手術を受ける患者に付与された識別子（例えば、０１２３４５などの識別番号）が挙げられる。タグ２３－１が病名であるときの内容２３－２としては、手術の要因となった病気の名前（例えば、白内障）が挙げられる。タグ２３－１が手術開始日であるときの内容２３－２としては、手術が行われる日（例えば、２０１８年９月１０日）が挙げられる。タグ２３－１が手術開始時刻であるときの内容２３－２としては、手術が行われる時刻（例えば、午前１０時３０分）が挙げられる。タグ２３－１が術眼であるときの内容２３－２としては、一対の眼のうち手術が行われる方の眼の位置（例えば、右（Ｒ））が挙げられる。タグ２３－１が術式であるときの内容２３－２としては、手術の名称（例えば、ＰＥＡ＋ＩＯＬ）が挙げられる。タグ２３－１が眼内レンズであるときの内容２３－２としては、眼内レンズのモデル番号２３ｂおよびレンズ度数２３ｃが挙げられる。タグ２３－１が担当医であるときの内容２３－２としては、手術を執刀する医師の氏名（例えば、Ａ医師）が挙げられる。

［動作］
次に、本実施の形態に係る眼内レンズ識別システム１００の動作について説明する。

（機械学習）
ユーザは、入力部１６に対して、レンズ度数２００と、識別記号２５０との対応関係の作成開始を指示する。すると、制御部１１がユーザに対して撮像を指示する。ユーザは、その指示に従って、撮像部１２の撮像領域１０Ｂ内に様々なメーカの眼内レンズパッケージ２００を載置して撮像する。撮像部１２は、撮像により得られた外箱画像をメモリ１３に格納する。続いて、制御部１１は、メモリ１３に格納した外箱画像を含む映像信号を生成し、表示部１７に出力する。表示部１７は、外箱画像を含む映像を表示する。次に、ユーザは、入力部１６を用いて、撮像により得られた各外箱画像に含まれる、レンズ度数２２０を含む部分画像を切り出す。制御部１１は、ユーザによって切り出された各部分画像をメモリ１３に格納する。ユーザは、例えば、部分画像を切り出す度に、入力部１６に対して、部分画像に含まれるレンズ度数２２０の意味を表す識別記号２５０を入力する。制御部１１は、入力された識別記号２５０を、対応する部分画像と関連付けてメモリ１３に格納する。このようにして、複数組の部分画像および識別記号２５０が、メモリ１３に格納される。

次に、ユーザは、入力部１６に対して、撮像終了を入力する。すると、眼内レンズ学習モデル１４は、メモリ１３に格納された各部分画像を、所定の手法を用いて特徴量に変換する。特徴量は、部分画像に基づいて得られたデータであり、眼内レンズ学習モデル１４において機械学習を行うのに適したデータとなっている。続いて、眼内レンズ学習モデル１４は、変換により得られた各特徴量を、対応する識別記号２５０と関連付けてメモリ１３に格納する。次に、眼内レンズ学習モデル１４は、メモリ１３に格納された複数組の特徴量および識別記号２５０を学習データとして機械学習を行い、特徴量と、識別記号２５０との対応関係を生成する。このようにして、眼内レンズ学習モデル１４による機械学習が終了する。

（レンズ識別）
図７は、眼内レンズ識別システム１００における眼内レンズの識別手順の一例を表したものである。ユーザは、まず、入力部１６に対して、レンズ識別の開始を指示する。すると、撮像機能付き電子機器１０（制御部１１）は、メモリ１３からプログラム１３Ａを読み出し、実行する。撮像機能付き電子機器１０（制御部１１）は、まず、顔画像の取得を、表示部１７を介してユーザに指示する。ユーザは、その指示に従い、撮像部１２の撮像領域１０Ｂ内に患者の顔が入るように撮像部１２を患者の顔にかざして、患者の顔を撮像し、顔画像を得る。撮像部１２は、撮像により得られた顔画像を制御部１１に出力する。撮像機能付き電子機器１０（制御部１１）は、撮像部１２から顔画像を取得すると、取得した顔画像を含む、手術ファイル取得依頼コマンドを作成し、データサーバ装置２０に送信する。

データサーバ装置２０（制御部２１）は、撮像機能付き電子機器１０から手術ファイル取得依頼コマンドを受信すると、受信した手術ファイル取得依頼コマンドに含まれる顔画像と一致する顔写真データ２３ｄを有する手術ファイル２３Ａを探索する。データサーバ装置２０（制御部２１）は、探索の結果、受信した手術ファイル取得依頼コマンドに含まれる顔画像と一致する顔写真データ２３ｄを有する手術ファイル２３Ａが見つかった場合には、該当する手術ファイル２３Ａ（または、眼内レンズについての情報（レンズ度数２３ｃ））を、撮像機能付き電子機器１０に送信する。

撮像機能付き電子機器１０（制御部１１）は、データサーバ装置２０から手術ファイル２３Ａ（または、眼内レンズについての情報（レンズ度数２３ｃ））を受信すると、外箱画像の取得を、表示部１７を介してユーザに指示する。ユーザは、その指示に従い、撮像部１２の撮像領域１０Ｂ内に眼内レンズパッケージ２００を載置して撮像し、外箱画像を得る。撮像部１２は、撮像により得られた外箱画像を制御部１１に出力する。撮像機能付き電子機器１０（制御部１１）は、撮像部１２から外箱画像を取得すると、所定の手法を用いて、外箱画像から、レンズ度数２２０を含む部分画像を切り出す。

次に、撮像機能付き電子機器１０（制御部１１）は、切り出した部分画像を眼内レンズ学習モデル１４に入力する。すると、眼内レンズ学習モデル１４は、入力された部分画像を特徴量に変換した後、学習結果に基づいて、変換により得られた特徴量に対応する識別記号２５０を制御部１１に出力する（ゆらぎ補正）。

続いて、撮像機能付き電子機器１０（制御部１１）は、眼内レンズ学習モデル１４によって得られた識別記号２５０を、データサーバ装置２０から取得した手術ファイル２３Ａ（具体的には、その手術ファイル２３Ａに含まれるレンズ度数２３ｃ）と照合する。つまり、撮像機能付き電子機器１０（制御部１１）は、眼内レンズ学習モデル１４によって得られた識別記号２５０を、複数の手術ファイル２３Ａのうち、撮像された眼内レンズパッケージ２００に含まれる眼内レンズが適用される患者についての手術ファイル２３Ａと照合する。照合結果が“一致”である場合には、撮像機能付き電子機器１０（制御部１１）は、用意された眼内レンズが所望のレンズである旨を、表示部１７を介してユーザに通知する。一方、照合結果が“不一致”である場合には、撮像機能付き電子機器１０（制御部１１）は、用意された眼内レンズが所望のレンズではない旨を、表示部１７を介してユーザに通知する。このようにして、レンズ識別が行われる。

［効果］
次に、本実施の形態に係る眼内レンズ識別システム１００の効果について説明する。

白内障になると、すりガラス越しに見ているような白くかすんだ視界になったり、濁りが光を乱反射させるために屋外で眩しさを感じるようになったりする。症状が進むと日常生活に支障が出るため、手術により、眼内の水晶体を人工の水晶体（眼内レンズ）に交換することで、視力の改善が図られる。

眼内レンズの度数は、例えば、術前検査で眼軸長を測定することで決定される。手術の際には、術前検査で決定された度数の眼内レンズが用意されているか否かの確認作業が医療従事者によって行われる。しかし、医療従事者が、その確認作業の際に、術前検査で決定された度数とは異なる度数の眼内レンズが用意されていることを誤って見過ごしてしまう可能性がある。

一方、本実施の形態では、眼内レンズを含む眼内レンズパッケージ２００の表記を撮像することにより得られた撮像画像を眼内レンズ学習モデル１４に入力することにより得られた識別記号２５０が、複数の手術ファイル２３Ａのうちの少なくとも１つと照合され、その照合結果が生成される。このように、本実施の形態では、眼内レンズパッケージ２００のレンズ度数２２０の文字列の代わりに、眼内レンズ学習モデル１４から得られた識別記号２５０が、複数の手術ファイル２３Ａのうちの少なくとも１つと照合され、その照合結果が生成される。これにより、眼内レンズパッケージ２００において眼内レンズの度数についての表記の仕方にゆらぎがある場合であっても、ゆらぎの影響を受けない照合を行うことができる。その結果、目視での照合に頼らずに、システムによる正確な照合を行うことができる。従って、見過ごしの無い確実な確認作業を行うことができる。

また、本実施の形態では、制御部１１で生成された照合結果が表示部１７に表示される。これにより、見過ごしの無い確実な確認作業を行うことができる。

また、本実施の形態では、制御部１１、撮像部１２、メモリ１３、眼内レンズ学習モデル１４、ネットワークＩＦ１５、入力部１６および表示部１７を一体に保持する筐体１０Ｃが設けられている。これにより、１つの装置を持ち歩くだけで、照合を行うことができる。その結果、場所を選ばず、見過ごしの無い確実な確認作業を行うことができる。

また、本実施の形態では、識別記号２５０は、複数のレンズ度数２２０の文字列に共通に含まれる文字列である。これにより、識別記号２５０として、レンズ度数２２０とは異なる新たな識別記号を設ける必要がなく、また、照合対象の文字列同士を目視でも照合することができる。その結果、システムエラーなどにより、目視で確認する必要がある場合であっても、見過ごしを抑制することが可能である。

また、本実施の形態では、眼内レンズを含む眼内レンズパッケージ２００の表記を撮像することにより得られた撮像画像を眼内レンズ学習モデル１４に入力することにより得られた識別記号２５０が、複数の手術ファイル２３Ａのうち、眼内レンズパッケージ２００に含まれる眼内レンズが適用される患者についての手術ファイル２３Ａと照合され、その照合結果が生成される。これにより、全ての手術ファイル２３Ａを照合対象とする場合と比べて、短時間で照合を行うことができる。

＜２．変形例＞
次に、上記実施の形態に係る眼内レンズ識別システム１００の変形例について説明する。

［［変形例Ａ］］
図８は、上記実施の形態に係る眼内レンズ識別システム１００の概略構成の一変形例を表したものである。図９は、図８の眼内レンズ識別システム１００の機能ブロックの一例を表したものである。上記実施の形態に係る眼内レンズ識別システム１００において、例えば、図８に示したように、撮像機能付き電子機器１０の代わりに、ネットワーク６０で接続された撮像装置４０および電子機器５０が設けられていてもよい。

撮像装置４０は、ネットワーク６０を介して電子機器５０と通信可能に構成されている。電子機器５０は、ネットワーク６０を介して撮像装置４０と通信可能に構成されている。ネットワーク６０は、例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標）などの近距離無線通信である。電子機器５０は、撮像機能付き電子機器１０において、撮像部１２が省略されるとともに、ネットワーク６０と通信可能なネットワークＩＦ１８が設けられたものに相当する。電子機器５０は、例えば、制御部１１、メモリ１３、眼内レンズ学習モデル１４、ネットワークＩＦ１５、入力部１６、表示部１７およびネットワークＩＦ１８を一体に保持する筐体５０Ａを備えている。

［動作］
次に、本変形例に係る眼内レンズ識別システム１００の動作について説明する。

（機械学習）
ユーザは、入力部１６に対して、レンズ度数２００と、識別記号２５０との対応関係の作成開始を指示する。すると、制御部１１がユーザに対して撮像を指示する。ユーザは、その指示に従って、撮像装置４０の撮像領域４０Ｂ内に様々なメーカの眼内レンズパッケージ２００を載置して撮像する。撮像装置４０は、撮像により得られた外箱画像を電子機器５０のメモリ１３に格納する。続いて、制御部１１は、メモリ１３に格納した外箱画像を含む映像信号を生成し、表示部１７に出力する。表示部１７は、外箱画像を含む映像を表示する。次に、ユーザは、入力部１６を用いて、撮像により得られた各外箱画像に含まれる、レンズ度数２２０を含む部分画像を切り出す。制御部１１は、ユーザによって切り出された各部分画像をメモリ１３に格納する。ユーザは、例えば、部分画像を切り出す度に、入力部１６に対して、部分画像に含まれるレンズ度数２２０の意味を表す識別記号２５０を入力する。制御部１１は、入力された識別記号２５０を、対応する部分画像と関連付けてメモリ１３に格納する。このようにして、複数組の部分画像および識別記号２５０が、メモリ１３に格納される。

次に、ユーザは、入力部１６に対して、撮像終了を入力する。すると、眼内レンズ学習モデル１４は、メモリ１３に格納された各部分画像を、所定の手法を用いて特徴量に変換する。続いて、眼内レンズ学習モデル１４は、変換により得られた各特徴量を、対応する識別記号２５０と関連付けてメモリ１３に格納する。次に、眼内レンズ学習モデル１４は、メモリ１３に格納された複数組の特徴量および識別記号２５０を学習データとして機械学習を行い、特徴量と、識別記号２５０との対応関係を生成する。このようにして、眼内レンズ学習モデル１４による機械学習が終了する。

（レンズ識別）
図１０は、本変形例に係る眼内レンズ識別システム１００における眼内レンズの識別手順の一例を表したものである。ユーザは、まず、入力部１６に対して、レンズ識別の開始を指示する。すると、電子機器５０（制御部１１）は、メモリ１３からプログラム１３Ａを読み出し、実行する。電子機器５０（制御部１１）は、まず、顔画像の取得を、表示部１７を介してユーザに指示するとともに、撮像装置４０に対して、撮像準備を指示する。ユーザは、その指示に従い、撮像装置４０の撮像領域４０Ｂ内に患者の顔が入るように撮像装置４０を患者の顔にかざして、患者の顔を撮像し、顔画像を得る。撮像装置４０は、撮像により得られた顔画像を電子機器５０に出力する。電子機器５０（制御部１１）は、撮像装置４０から顔画像を取得すると、取得した顔画像を含む、手術ファイル取得依頼コマンドを作成し、データサーバ装置２０に送信する。

データサーバ装置２０（制御部２１）は、電子機器５０から手術ファイル取得依頼コマンドを受信すると、受信した手術ファイル取得依頼コマンドに含まれる顔画像と一致する顔写真データ２３ｄを有する手術ファイル２３Ａを探索する。データサーバ装置２０（制御部２１）は、探索の結果、受信した手術ファイル取得依頼コマンドに含まれる顔画像と一致する顔写真データ２３ｄを有する手術ファイル２３Ａが見つかった場合には、該当する手術ファイル２３Ａ（または、眼内レンズについての情報（レンズ度数２３ｃ））を、電子機器５０に送信する。

電子機器５０（制御部１１）は、データサーバ装置２０から手術ファイル２３Ａ（または、眼内レンズについての情報（レンズ度数２３ｃ））を受信すると、外箱画像の取得を、表示部１７を介してユーザに指示するとともに、撮像装置４０に対して、撮像準備を指示する。ユーザは、その指示に従い、撮像装置４０の撮像領域４０Ｂ内に眼内レンズパッケージ２００を載置して撮像し、外箱画像を得る。撮像装置４０は、撮像により得られた外箱画像を電子機器５０に出力する。電子機器５０（制御部１１）は、撮像装置４０から外箱画像を取得すると、所定の手法を用いて、外箱画像から、レンズ度数２２０を含む部分画像を切り出す。

次に、電子機器５０（制御部１１）は、切り出した部分画像を眼内レンズ学習モデル１４に入力する。すると、眼内レンズ学習モデル１４は、入力された部分画像を特徴量に変換した後、学習結果に基づいて、変換により得られた特徴量に対応する識別記号２５０を制御部１１に出力する（ゆらぎ補正）。

続いて、電子機器５０（制御部１１）は、眼内レンズ学習モデル１４によって得られた識別記号２５０を、データサーバ装置２０から取得した手術ファイル２３Ａ（具体的には、その手術ファイル２３Ａに含まれるレンズ度数２３ｃ）と照合する。つまり、電子機器５０（制御部１１）は、眼内レンズ学習モデル１４によって得られた識別記号２５０を、複数の手術ファイル２３Ａのうち、撮像された眼内レンズパッケージ２００に含まれる眼内レンズが適用される患者についての手術ファイル２３Ａと照合する。照合結果が“一致”である場合には、電子機器５０（制御部１１）は、用意された眼内レンズが所望のレンズである旨を、表示部１７を介してユーザに通知する。一方、照合結果が“不一致”である場合には、電子機器５０（制御部１１）は、用意された眼内レンズが所望のレンズではない旨を、表示部１７を介してユーザに通知する。このようにして、レンズ識別が行われる。

本変形例では、上記実施の形態と同様、目視での照合に頼らずに、システムによる正確な照合を行うことができる。従って、見過ごしの無い確実な確認作業を行うことができる。

また、本変形例では、撮像装置４０が電子機器５０とは別体で設けられている。これにより、撮像装置４０を小型化することができるので、撮像装置４０を容易に運ぶことができる。その結果、場所を選ばず、見過ごしの無い確実な確認作業を行うことができる。

［［変形例Ｂ］］
図１１は、上記変形例Ａに係る眼内レンズ識別システム１００の機能ブロックの一変形例を表したものである。上記変形例Ａに係る眼内レンズ識別システム１００において、例えば、図１１に示したように、眼内レンズ学習モデル１４がデータサーバ装置２０に設けられていてもよい。このとき、電子機器５０は、例えば、制御部１１、メモリ１３、ネットワークＩＦ１５、入力部１６、表示部１７およびネットワークＩＦ１８を一体に保持する筐体５０Ａを備えている。

［動作］
次に、本変形例に係る眼内レンズ識別システム１００の動作について説明する。

（機械学習）
ユーザは、入力部１６に対して、レンズ度数２００と、識別記号２５０との対応関係の作成開始を指示する。すると、制御部１１がユーザに対して撮像を指示する。ユーザは、その指示に従って、撮像装置４０の撮像領域４０Ｂ内に様々なメーカの眼内レンズパッケージ２００を載置して撮像する。撮像装置４０は、撮像により得られた外箱画像をメモリ１３に格納する。続いて、制御部１１は、メモリ１３に格納した外箱画像を含む映像信号を生成し、表示部１７に出力する。表示部１７は、外箱画像を含む映像を表示する。次に、ユーザは、入力部１６を用いて、撮像により得られた各外箱画像に含まれる、レンズ度数２２０を含む部分画像を切り出す。制御部１１は、ユーザによって切り出された各部分画像をメモリ１３に格納する。ユーザは、例えば、部分画像を切り出す度に、入力部１６に対して、部分画像に含まれるレンズ度数２２０の意味を表す識別記号２５０を入力する。制御部１１は、入力された識別記号２５０を、対応する部分画像と関連付けてメモリ１３に格納する。このようにして、複数組の部分画像および識別記号２５０が、メモリ１３に格納される。

次に、ユーザは、入力部１６に対して、撮像終了を入力する。すると、眼内レンズ学習モデル１４は、メモリ１３に格納された各部分画像を、所定の手法を用いて特徴量に変換する。特徴量は、部分画像に基づいて得られたデータであり、眼内レンズ学習モデル１４において機械学習を行うのに適したデータとなっている。続いて、眼内レンズ学習モデル１４は、変換により得られた各特徴量を、対応する識別記号２５０と関連付けてメモリ１３に格納する。次に、眼内レンズ学習モデル１４は、メモリ１３に格納された複数組の特徴量および識別記号２５０を学習データとして機械学習を行い、特徴量と、識別記号２５０との対応関係を生成する。このようにして、眼内レンズ学習モデル１４による機械学習が終了する。

（レンズ識別）
図１２は、本変形例に係る眼内レンズ識別システム１００における眼内レンズの識別手順の一例を表したものである。ユーザは、まず、入力部１６に対して、レンズ識別の開始を指示する。すると、電子機器５０（制御部１１）は、メモリ１３からプログラム１３Ａを読み出し、実行する。電子機器５０（制御部１１）は、まず、顔画像の取得を、表示部１７を介してユーザに指示するとともに、撮像装置４０に対して、撮像準備を指示する。ユーザは、その指示に従い、撮像装置４０の撮像領域４０Ｂ内に患者の顔が入るように撮像装置４０を患者の顔にかざして、患者の顔を撮像し、顔画像を得る。撮像装置４０は、撮像により得られた顔画像を電子機器５０に出力する。電子機器５０（制御部１１）は、撮像装置４０から顔画像を取得すると、取得した顔画像を含む、手術ファイル取得依頼コマンドを作成し、データサーバ装置２０に送信する。

データサーバ装置２０（制御部２１）は、電子機器５０から手術ファイル取得依頼コマンドを受信すると、受信した手術ファイル取得依頼コマンドに含まれる顔画像と一致する顔写真データ２３ｄを有する手術ファイル２３Ａを探索する。データサーバ装置２０（制御部２１）は、探索の結果、受信した手術ファイル取得依頼コマンドに含まれる顔画像と一致する顔写真データ２３ｄを有する手術ファイル２３Ａが見つかった場合には、該当する手術ファイル２３Ａ（または、眼内レンズについての情報（レンズ度数２３ｃ））を、電子機器５０に送信する。

電子機器５０（制御部１１）は、データサーバ装置２０から手術ファイル２３Ａ（または、眼内レンズについての情報（レンズ度数２３ｃ））を受信すると、外箱画像の取得を、表示部１７を介してユーザに指示するとともに、撮像装置４０に対して、撮像準備を指示する。ユーザは、その指示に従い、撮像装置４０の撮像領域４０Ｂ内に眼内レンズパッケージ２００を載置して撮像し、外箱画像を得る。撮像装置４０は、撮像により得られた外箱画像を電子機器５０に出力する。電子機器５０（制御部１１）は、撮像装置４０から外箱画像を取得すると、所定の手法を用いて、外箱画像から、レンズ度数２２０を含む部分画像を切り出す。

次に、電子機器５０（制御部１１）は、切り出した部分画像を、データサーバ装置２０に送信する。データサーバ装置２０（制御部２１）は、受信した部分画像を眼内レンズ学習モデル１４に入力する。すると、眼内レンズ学習モデル１４は、入力された部分画像を特徴量に変換した後、学習結果に基づいて、変換により得られた特徴量に対応する識別記号２５０を電子機器５０に送信する（ゆらぎ補正）。

電子機器５０（制御部１１）は、データサーバ装置２０から取得した識別記号２５０を、データサーバ装置２０から取得した手術ファイル２３Ａ（具体的には、その手術ファイル２３Ａに含まれるレンズ度数２３ｃ）と照合する。つまり、電子機器５０（制御部１１）は、眼内レンズ学習モデル１４によって得られた識別記号２５０を、複数の手術ファイル２３Ａのうち、撮像された眼内レンズパッケージ２００に含まれる眼内レンズが適用される患者についての手術ファイル２３Ａと照合する。照合結果が“一致”である場合には、電子機器５０（制御部１１）は、用意された眼内レンズが所望のレンズである旨を、表示部１７を介してユーザに通知する。一方、照合結果が“不一致”である場合には、電子機器５０（制御部１１）は、用意された眼内レンズが所望のレンズではない旨を、表示部１７を介してユーザに通知する。このようにして、レンズ識別が行われる。

本変形例では、上記実施の形態と同様、目視での照合に頼らずに、システムによる正確な照合を行うことができる。従って、見過ごしの無い確実な確認作業を行うことができる。

［［変形例Ｃ］］
図１３は、上記変形例Ｂに係る眼内レンズ識別システム１００の機能ブロックの一変形例を表したものである。上記変形例Ｂに係る眼内レンズ識別システム１００において、例えば、図１３に示したように、プログラム１３Ａの代わりにプログラム１３Ｂが設けられるとともに、プログラム２３Ｂがデータサーバ装置２０のメモリ２３に設けられていてもよい。プログラム１３Ｂは、プログラム１３Ａにおける一連の手順の一部の手順を含んでいる。プログラム２３Ｂは、プログラム１３Ａにおける一連の手順のうち、プログラム１３Ｂにおける一連の手順を除いた手順を含んでいる。

［動作］
次に、本変形例に係る眼内レンズ識別システム１００の動作について説明する。

（機械学習）
ユーザは、入力部１６に対して、レンズ度数２００と、識別記号２５０との対応関係の作成開始を指示する。すると、制御部１１がユーザに対して撮像を指示する。ユーザは、その指示に従って、撮像装置４０の撮像領域４０Ｂ内に様々なメーカの眼内レンズパッケージ２００を載置して撮像する。撮像装置４０は、撮像により得られた外箱画像を電子機器５０のメモリ１３に格納する。続いて、制御部１１は、メモリ１３に格納した外箱画像を含む映像信号を生成し、表示部１７に出力する。表示部１７は、外箱画像を含む映像を表示する。次に、ユーザは、入力部１６を用いて、撮像により得られた各外箱画像に含まれる、レンズ度数２２０を含む部分画像を切り出す。制御部１１は、ユーザによって切り出された各部分画像をメモリ１３に格納する。ユーザは、例えば、部分画像を切り出す度に、入力部１６に対して、部分画像に含まれるレンズ度数２２０の意味を表す識別記号２５０を入力する。制御部１１は、入力された識別記号２５０を、対応する部分画像と関連付けてメモリ１３に格納する。このようにして、複数組の部分画像および識別記号２５０が、メモリ１３に格納される。

次に、ユーザは、入力部１６に対して、撮像終了を入力する。すると、眼内レンズ学習モデル１４は、メモリ１３に格納された各部分画像を、所定の手法を用いて特徴量に変換する。続いて、眼内レンズ学習モデル１４は、変換により得られた各特徴量を、対応する識別記号２５０と関連付けてメモリ１３に格納する。次に、眼内レンズ学習モデル１４は、メモリ１３に格納された複数組の特徴量および識別記号２５０を学習データとして機械学習を行い、特徴量と、識別記号２５０との対応関係を生成する。このようにして、眼内レンズ学習モデル１４による機械学習が終了する。

（レンズ識別）
図１４は、本変形例に係る眼内レンズ識別システム１００における眼内レンズの識別手順の一例を表したものである。ユーザは、まず、入力部１６に対して、レンズ識別の開始を指示する。すると、電子機器５０（制御部１１）は、メモリ１３からプログラム１３Ｂを読み出し、実行する。電子機器５０（制御部１１）は、まず、データサーバ装置２０に対して、プログラム２３Ｂの実行を指示する。データサーバ装置２０（制御部２１）は、電子機器５０からプログラム２３Ｂの実行指示を受信すると、メモリ２３からプログラム２３Ｂを読み出し、実行する。

電子機器５０（制御部１１）は、次に、顔画像の取得を、表示部１７を介してユーザに指示するとともに、撮像装置４０に対して、撮像準備を指示する。ユーザは、その指示に従い、撮像装置４０の撮像領域４０Ｂ内に患者の顔が入るように撮像装置４０を患者の顔にかざして、患者の顔を撮像し、顔画像を得る。撮像装置４０は、撮像により得られた顔画像を電子機器５０に出力する。電子機器５０（制御部１１）は、撮像装置４０から顔画像を取得すると、取得した顔画像を含む、手術ファイル取得依頼コマンドを作成し、データサーバ装置２０に送信する。

データサーバ装置２０（制御部２１）は、電子機器５０から手術ファイル取得依頼コマンドを受信すると、受信した手術ファイル取得依頼コマンドに含まれる顔画像と一致する顔写真データ２３ｄを有する手術ファイル２３Ａを探索する。データサーバ装置２０（制御部２１）は、探索の結果、受信した手術ファイル取得依頼コマンドに含まれる顔画像と一致する顔写真データ２３ｄを有する手術ファイル２３Ａが見つかった場合には、該当する手術ファイル２３Ａ（または、眼内レンズについての情報（レンズ度数２３ｃ））を、メモリ２３内に格納する。

次に、電子機器５０（制御部１１）は、外箱画像の取得を、表示部１７を介してユーザに指示するとともに、撮像装置４０に対して、撮像準備を指示する。ユーザは、その指示に従い、撮像装置４０の撮像領域４０Ｂ内に眼内レンズパッケージ２００を載置して撮像し、外箱画像を得る。撮像装置４０は、撮像により得られた外箱画像を電子機器５０に出力する。電子機器５０（制御部１１）は、撮像装置４０から外箱画像を取得すると、取得した外箱画像をデータサーバ装置２０に送信する。

次に、データサーバ装置２０（制御部２１）は、電子機器５０から外箱画像を受信すると、所定の手法を用いて、受信した外箱画像から、レンズ度数２２０を含む部分画像を切り出す。続いて、データサーバ装置２０（制御部２１）は、切り出した部分画像を眼内レンズ学習モデル１４に入力する。すると、眼内レンズ学習モデル１４は、入力された部分画像を特徴量に変換した後、学習結果に基づいて、変換により得られた特徴量に対応する識別記号２５０を制御部２１に出力する（ゆらぎ補正）。

続いて、データサーバ装置２０（制御部２１）は、眼内レンズ学習モデル１４から取得した識別記号２５０を、メモリ２３から読み出した手術ファイル２３Ａ（具体的には、その手術ファイル２３Ａに含まれるレンズ度数２３ｃ）と照合し、照合結果を電子機器５０に送信する。つまり、データサーバ装置２０（制御部２１）は、眼内レンズ学習モデル１４によって得られた識別記号２５０を、複数の手術ファイル２３Ａのうち、撮像された眼内レンズパッケージ２００に含まれる眼内レンズが適用される患者についての手術ファイル２３Ａと照合し、照合結果を電子機器５０に送信する。電子機器５０（制御部１１）は、データサーバ装置２０から受信した照合結果が“一致”である場合には、電子機器５０（制御部１１）は、用意された眼内レンズが所望のレンズである旨を、表示部１７を介してユーザに通知する。一方、電子機器５０（制御部１１）は、データサーバ装置２０から受信した照合結果が“不一致”である場合には、電子機器５０（制御部１１）は、用意された眼内レンズが所望のレンズではない旨を、表示部１７を介してユーザに通知する。このようにして、レンズ識別が行われる。

本変形例では、上記実施の形態と同様、目視での照合に頼らずに、システムによる正確な照合を行うことができる。従って、見過ごしの無い確実な確認作業を行うことができる。

［［変形例Ｄ］］
上記実施の形態およびその変形例では、機械学習を利用して、撮像画像から切り出した部分画像の特徴量が、手術ファイルと照合可能な識別記号に置き換えられていた。しかし、上記実施の形態およびその変形例において、眼内レンズ識別システム１００が、機械学習を利用して、撮像画像から読み取った文字（レンズ度数２２０の表記）の意味を理解し、読み取った文字を、手術ファイルと照合可能な識別記号に置き換えてもよい。

本変形例では、眼内レンズ学習モデル１４に入力される入力データは、例えば、図１５に示したように、レンズ度数２００の文字列と、識別記号２５０の文字列である。眼内レンズ学習モデル１４は、機械学習の結果、レンズ度数２００と、識別記号２５０との対応関係についての情報を学習結果として生成し、保有する。つまり、眼内レンズ学習モデル１４では、眼内レンズ（物品）の度数（特性）について表記の仕方にゆらぎのある複数のレンズ度数２００の文字列と、眼内レンズ（物品）の度数（特性）について表記の仕方にゆらぎのある複数のレンズ度数２００の文字列から示唆される眼内レンズの度数についての識別記号２５０との対応関係が記述されている。

［動作］
次に、本変形例に係る眼内レンズ識別システム１００の動作について説明する。

（機械学習）
ユーザは、入力部１６に対して、レンズ度数２００と、識別記号２５０との対応関係の作成開始を指示する。すると、制御部１１がユーザに対して撮像を指示する。ユーザは、その指示に従って、撮像領域１０Ｂ，４０Ｂ内に様々なメーカの眼内レンズパッケージ２００を載置して撮像する。撮像部１２，撮像装置４０は、撮像により得られた外箱画像をメモリ１３に格納する。続いて、制御部１１は、メモリ１３に格納した外箱画像を含む映像信号を生成し、表示部１７に出力する。表示部１７は、外箱画像を含む映像を表示する。次に、ユーザは、入力部１６を用いて、撮像により得られた各外箱画像に含まれる、レンズ度数２２０を含む部分画像を切り出す。制御部１１は、ユーザによって切り出された各部分画像をメモリ１３に格納する。ユーザは、入力部１６に対して、各部分画像から、レンズ度数２００の文字列を読み取ることを指示する。すると、制御部１１は、所定の手法を用いて、各部分画像から、レンズ度数２００の文字列を読み取り、それにより得られた各文字列をメモリ１３に格納する。ユーザは、例えば、各部分画像からレンズ度数２００の文字列が読み取られる度に、入力部１６に対して、部分画像に含まれるレンズ度数２２０の意味を表す識別記号２５０を入力する。制御部１１は、入力された識別記号２５０を、対応する文字列（部分画像から読み取られた文字列）と関連付けてメモリ１３に格納する。このようにして、複数組の文字列（部分画像から読み取られた文字列）および識別記号２５０が、メモリ１３に格納される。

次に、ユーザは、入力部１６に対して、撮像終了を入力する。すると、眼内レンズ学習モデル１４は、メモリ１３に格納された複数組の文字列（部分画像から読み取られた文字列）および識別記号２５０を学習データとして機械学習を行い、文字列（部分画像から読み取られた文字列）と、識別記号２５０との対応関係を生成する。このようにして、眼内レンズ学習モデル１４による機械学習が終了する。

（レンズ識別）
図１６は、本変形例に係る眼内レンズ識別システム１００における眼内レンズの識別手順の一例を表したものである。ユーザは、まず、入力部１６に対して、レンズ識別の開始を指示する。すると、撮像機能付き電子機器１０（制御部１１）は、メモリ１３からプログラム１３Ａを読み出し、実行する。撮像機能付き電子機器１０（制御部１１）は、まず、顔画像の取得を、表示部１７を介してユーザに指示する。ユーザは、その指示に従い、撮像部１２の撮像領域１０Ｂ内に患者の顔が入るように撮像部１２を患者の顔にかざして、患者の顔を撮像し、顔画像を得る。撮像部１２は、撮像により得られた顔画像を制御部１１に出力する。撮像機能付き電子機器１０（制御部１１）は、撮像部１２から顔画像を取得すると、取得した顔画像を含む、手術ファイル取得依頼コマンドを作成し、データサーバ装置２０に送信する。

データサーバ装置２０（制御部２１）は、撮像機能付き電子機器１０から手術ファイル取得依頼コマンドを受信すると、受信した手術ファイル取得依頼コマンドに含まれる顔画像と一致する顔写真データ２３ｄを有する手術ファイル２３Ａを探索する。データサーバ装置２０（制御部２１）は、探索の結果、受信した手術ファイル取得依頼コマンドに含まれる顔画像と一致する顔写真データ２３ｄを有する手術ファイル２３Ａが見つかった場合には、該当する手術ファイル２３Ａ（または、眼内レンズについての情報（レンズ度数２３ｃ））を、撮像機能付き電子機器１０に送信する。

撮像機能付き電子機器１０（制御部１１）は、データサーバ装置２０から手術ファイル２３Ａ（または、眼内レンズについての情報（レンズ度数２３ｃ））を受信すると、外箱画像の取得を、表示部１７を介してユーザに指示する。ユーザは、その指示に従い、撮像部１２の撮像領域１０Ｂ内に眼内レンズパッケージ２００を載置して撮像し、外箱画像を得る。撮像部１２は、撮像により得られた外箱画像を制御部１１に出力する。撮像機能付き電子機器１０（制御部１１）は、撮像部１２から外箱画像を取得すると、所定の手法を用いて、外箱画像から、レンズ度数２２０を含む部分画像を切り出し、切り出した部分画像から、レンズ度数２２０の文字列を検出する。

次に、撮像機能付き電子機器１０（制御部１１）は、検出により得られたレンズ度数２２０を眼内レンズ学習モデル１４に入力する。すると、眼内レンズ学習モデル１４は、学習結果に基づいて、入力されたレンズ度数２２０に対応する識別記号２５０を制御部１１に出力する（ゆらぎ補正）。

続いて、撮像機能付き電子機器１０（制御部１１）は、眼内レンズ学習モデル１４によって得られた識別記号２５０を、データサーバ装置２０から取得した手術ファイル２３Ａ（具体的には、その手術ファイル２３Ａに含まれるレンズ度数２３ｃ）と照合する。つまり、撮像機能付き電子機器１０（制御部１１）は、眼内レンズ学習モデル１４によって得られた識別記号２５０を、複数の手術ファイル２３Ａのうち、撮像された眼内レンズパッケージ２００に含まれる眼内レンズが適用される患者についての手術ファイル２３Ａと照合する。照合結果が“一致”である場合には、撮像機能付き電子機器１０（制御部１１）は、用意された眼内レンズが所望のレンズである旨を、表示部１７を介してユーザに通知する。一方、照合結果が“不一致”である場合には、撮像機能付き電子機器１０（制御部１１）は、用意された眼内レンズが所望のレンズではない旨を、表示部１７を介してユーザに通知する。このようにして、レンズ識別が行われる。

なお、本変形例では、図１０、図１２、図１４における「特徴量導出」のプロセスが、部分画像からレンズ度数２２０の文字列を検出するプロセスに置き換えられる。

本変形例では、上記実施の形態と同様、目視での照合に頼らずに、システムによる正確な照合を行うことができる。従って、見過ごしの無い確実な確認作業を行うことができる。

［［変形例Ｅ］］
上記実施の形態およびその変形例において、モデル番号２１０についても、「表記のゆらぎ」がある場合には、眼内レンズ識別システム１００は、撮像画像から切り出した部分画像（モデル番号２１０を含む部分画像）の特徴量、または、撮像画像から切り出した部分画像（モデル番号２１０を含む部分画像）から読み取った文字列（モデル番号２１０）を、機械学習を利用して、手術ファイルと照合可能な識別記号に置き換えてもよい。

［［変形例Ｆ］］
上記実施の形態およびその変形例において、眼内レンズパッケージ２００における、レンズ度数２２０の表記位置にメーカごとのゆらぎがある場合には、眼内レンズ識別システム１００は、機械学習を利用して、撮像画像における、レンズ度数２２０の文字列が記載されていると推定される箇所の位置情報（座標）を取得し、取得した位置情報（座標）に基づいて、撮像画像から、レンズ度数２２０を含む部分画像を切り出してもよい。

このとき、眼内レンズ学習モデル１４は、学習プロセスにおいて入力される入力データは、例えば、図２に示したようなレンズ度数２００を含む画像（入力画像）と、外箱画像から切り出す対象についての情報（レンズ度数）である。眼内レンズ学習モデル１４は、学習データとして入力された画像（入力画像）を、所定の手法を用いて特徴量に変換する。眼内レンズ学習モデル１４は、機械学習の結果、レンズ度数２００を含む画像の特徴量と、外箱画像から切り出す対象についての情報（レンズ度数）との対応関係についての情報を学習結果として生成し、保有する。つまり、眼内レンズ学習モデル１４では、表記位置にメーカごとのゆらぎのあるレンズ度数２００を含む複数の画像の特徴量と、各外箱画像から切り出す対象についての情報（レンズ度数）との対応関係が記述されている。

（部分画像の切り出し）
制御部１１，２１は、眼内レンズ識別プロセスにおいて、撮像部１２または撮像装置４０から外箱画像を取得すると、制御部１１，２１は、外箱画像を眼内レンズ学習モデル１４に入力する。すると、眼内レンズ学習モデル１４は、外箱画像において、「レンズ度数」の文字列が記載されていると推定される箇所の位置情報（座標）を制御部１１，２１に出力する。制御部１１，２１は、眼内レンズ学習モデル１４から入力された位置情報（座標）に基づいて、撮像画像から、レンズ度数２２０を含む部分画像を切り出す。

本変形例では、機械学習を利用して、撮像画像における、レンズ度数２２０の文字列が記載されていると推定される箇所の位置情報（座標）が導出され、導出された位置情報（座標）に基づいて、撮像画像から、レンズ度数２２０を含む部分画像が切り出される。これにより、撮像画像から、レンズ度数２２０を含む部分画像を効率良く取り出すことができる。

また、本変形例では、レンズ度数２２０の、メーカごとの表記のゆらぎに対処するために機械学習に入力するデータと、レンズ度数２２０の表記位置のゆらぎに対処するために機械学習に入力するデータとして、共通のデータ（レンズ度数２２０を含む部分画像）が用いられる。これにより、機械学習に必要なデータの準備に要する手間やコストを抑えることができる。

［［変形例Ｇ］］
変形例Ｅにおいて、眼内レンズパッケージ２００における、モデル番号２１０の表記位置にメーカごとのゆらぎがある場合には、眼内レンズ識別システム１００は、機械学習を利用して、撮像画像における、モデル番号２１０の文字列が記載されていると推定される箇所の位置情報（座標）を取得し、取得した位置情報（座標）に基づいて、撮像画像から、モデル番号２１０を含む部分画像を切り出してもよい。

このとき、眼内レンズ学習モデル１４は、学習プロセスにおいて入力される入力データは、例えば、モデル番号２１０を含む画像（入力画像）と、外箱画像から切り出す対象についての情報（モデル番号）である。眼内レンズ学習モデル１４は、学習データとして入力された画像（入力画像）を、所定の手法を用いて特徴量に変換する。眼内レンズ学習モデル１４は、機械学習の結果、モデル番号２１０を含む画像の特徴量と、外箱画像から切り出す対象についての情報（モデル番号）との対応関係についての情報を学習結果として生成し、保有する。つまり、眼内レンズ学習モデル１４では、表記位置にメーカごとのゆらぎのあるモデル番号２１０を含む複数の画像の特徴量と、各外箱画像から切り出す対象についての情報（モデル番号）との対応関係が記述されている。

（部分画像の切り出し）
制御部１１，２１は、眼内レンズ識別プロセスにおいて、撮像部１２または撮像装置４０から外箱画像を取得すると、制御部１１，２１は、外箱画像を眼内レンズ学習モデル１４に入力する。すると、眼内レンズ学習モデル１４は、外箱画像において、「モデル番号」の文字列が記載されていると推定される箇所の位置情報（座標）を制御部１１，２１に出力する。制御部１１，２１は、眼内レンズ学習モデル１４から入力された位置情報（座標）に基づいて、撮像画像から、モデル番号２１０を含む部分画像を切り出す。

本変形例では、機械学習を利用して、撮像画像における、モデル番号２１０の文字列が記載されていると推定される箇所の位置情報（座標）が導出され、導出された位置情報（座標）に基づいて、撮像画像から、モデル番号２１０を含む部分画像が切り出される。これにより、撮像画像から、モデル番号２１０を含む部分画像を効率良く取り出すことができる。

また、本変形例では、モデル番号２１０の、メーカごとの表記のゆらぎに対処するために機械学習に入力するデータと、モデル番号２１０の表記位置のゆらぎに対処するために機械学習に入力するデータとして、共通のデータ（モデル番号２１０を含む部分画像）が用いられる。これにより、機械学習に必要なデータの準備に要する手間やコストを抑えることができる。

［［変形例Ｈ］］
上記実施の形態およびその変形例では、本発明を、眼内レンズの照合に適用したが、他の物品の照合に適用してもよい。

［［変形例Ｉ］］
上記実施の形態およびその変形例では、患者の手術ファイル２３Ａの特定に、患者の顔写真データ２３ｄが用いられていたが、例えば、患者の氏名や患者ＩＤなどが用いられてもよい。

１０…撮像機能付き電子機器、１０Ａ…表示面、１０Ｂ…撮像領域、１０Ｃ…筐体、１１…制御部、１２…撮像部、１３…メモリ、１３Ａ…プログラム、１４…眼内レンズ学習モデル、１５…ネットワークＩＦ、１６…入力部、１７…表示部、２０…データサーバ装置、２１…制御部、２２…ネットワークＩＦ、２３…メモリ、２３Ａ…手術ファイル、２３－１…タグ、２３－２…内容、２３ａ…モデル番号、２３ｂ…レンズ度数、２３ｃ…顔写真データ、２３ｄ…顔写真データ、３０…ネットワーク、４０…撮像装置、４０Ａ…表示面、５０…電子機器、５０Ａ…筐体、６０…ネットワーク、１００…眼内レンズ識別システム、２００…眼内レンズパッケージ、２１０…モデル番号、２２０，２２０ａ…レンズ度数、２３０…使用期限、２４０…バーコード。

Claims (2)

1. 眼内レンズの度数について表記の仕方にゆらぎのある複数の画像の特徴量、もしくは前記眼内レンズの度数について表記の仕方にゆらぎのある複数の文字列と、前記複数の画像の特徴量もしくは前記複数の文字列から示唆される前記眼内レンズの度数についての識別記号との対応関係が記述された学習モデルと、各々が、前記度数の種類ごとに付与された複数の前記識別記号のうちの１つを含む複数のテキストファイルとを備えたシステムに設けられる識別装置であって、
   前記ゆらぎは、前記識別記号に対するプラスマイナスの有無、前記識別記号に付与される小数点以下の桁数の違いといったテキストとしてのゆらぎであり、
   前記眼内レンズを含むパッケージには、少なくとも前記識別記号を含む、前記眼内レンズの度数について表記がなされており、
   前記識別記号は、前記複数の文字列に共通に含まれる文字列であり、
   前記眼内レンズを含むパッケージの表記を撮像することにより得られた撮像画像もしくは前記撮像画像から検出した検出文字列を前記学習モデルに入力することにより得られた、前記撮像画像の特徴量もしくは前記検出文字列に対応する前記識別記号を、前記複数のテキストファイルのうちの少なくとも１つと照合し、その照合結果を生成する制御部と、
   前記制御部で生成された前記照合結果を表示する表示部と
   を備えた
   識別装置。
2. 前記テキストファイルは、手術についての情報を含む手術ファイルであり、
   前記制御部は、前記撮像画像もしくは前記検出文字列を前記学習モデルに入力することにより得られた前記識別記号を、前記複数のテキストファイルのうち、前記パッケージに含まれる前記眼内レンズが適用される患者についての前記テキストファイルと照合し、その照合結果を生成する
   請求項１に記載の識別装置。