JPH1068913A - 光学的デザインを最適化する方法 - Google Patents

Abstract

(57)【要約】 【課題】 ニューラルネットワーク解析を使用して多焦
点レンズデザインを最適化する方法を提供する。 【解決手段】 様々な多焦点レンズデザインの臨床評価
で集めたデータを使用しながらニューラルネットワーク
をトレーニングする。次に、トレーニングしたニューラ
ルネットワークを使用して大勢の患者の最適なレンズデ
ザインを予測する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は一般に多焦点眼鏡レ
ンズデザインに関し、特に、中間ネットワーク分析を使
用する多焦点眼鏡レンズの最適なデザインを決定する方
法に関する。

【０００２】

【従来の技術】物体に焦点を合わせるための個々の眼の
能力は、老眼と白内障を含む様々な光学的屈折率条件に
より影響を受ける。精巧になるように各々の眼は、眼の
網膜に結像するために用いる生まれながらの水晶体（レ
ンズ）を備えている。正常な視力の人には眼球水晶体
は、本来、遠い物体の像に焦点を合わせる形になってお
り、眼球水晶体は近い物体の像を網膜に焦点を合わせる
ため湾曲する。様々な物体の像を網膜に結像させるため
の眼球水晶体の調節は、アコモデーション（調節）と呼
ばれる。

【０００３】人々の多くは眼の調節が不十分である。例
えば、人は年をとるにつれ生まれながらの眼球の結晶性
水晶体が硬くなる傾向がある。硬くなると眼球水晶体は
その表面の曲率（すなわち湾曲）が変えにくくなる。こ
のように眼球水晶体が曲げにくくなるのが老眼と呼ばれ
る病状である。老眼は、処方された光学レンズにより矯
正される。

【０００４】調整が不十分であると、白内障を招くこと
もある。白内障の人の多くは、それぞれの本来の眼球水
晶体を除去して眼球内部で変更あるいは調節できない人
工眼内レンズに代える。この病状の人はそれぞれの病状
を補うために矯正レンズが必要になる。

【０００５】調節が不十分であると、いろいろ異なった
光学的倍率の多数の異なった領域を持った眼鏡あるいは
レンズで矯正することができる。眼鏡を装用している人
は、見る物を適正な光学的倍率の眼鏡の一部で見るよう
に視線を変えなければならない。眼鏡に代わるものが多
焦点の性能がある眼鏡コンタクトレンズである。多焦点
コンタクトレンズは装用者に視線を変えずに遠近両方の
距離にある物に焦点を合わせる能力がある。

【０００６】特定の多焦点レンズデザインには交互の光
学的倍率を有する複数の同心環状セグメント（リング）
に囲まれた円形内部領域がある。その特定の多焦点レン
ズはその円形内部領域を含め２つあるいは３つ以上の領
域に分割されており、そのため様々な光学的倍率の分布
を備えている。円形内部領域以外の各領域は１個あるい
は２個以上の環状セグメントを有している。

【０００７】老眼矯正用の好ましい多焦点レンズデザイ
ンは、レンズを３つの領域、すなわち、円形内部領域、
交互の光学的倍率を有する多数の環状セグメント（リン
グ）からなる環状中間領域及び環状外部領域に分ける。
このような好ましいデザインは、１９９５年５月４日に
出願しこの明細書に参考文献として盛り込まれている同
時出願中の出願番号第０８／４３４，９３３号に詳細に
説明してある。

【０００８】この好ましいデザインでは内部領域が遠用
光学的矯正倍率を有する。内部領域は、眼球の瞳孔が収
縮して眼に入る光量が制限される場合、高輝度の状態で
最も重要である。瞳孔が収縮すると、多焦点レンズの効
果的な矯正適用領域は内部領域である。瞳孔が収縮する
と高輝度の状態が戸外の陽光が差す際に通常発生し、そ
のため遠見矯正が必要になる。従って、内部領域に遠用
光学的倍率矯正を備えた多焦点レンズをデザインするこ
とが有利である。

【０００９】好ましいデザインでは、中間領域は遠近両
用光学的矯正パワー（倍率）を有する。中間領域は瞳孔
がその拡大領域の中央部にある場合、中間輝度の状態で
最も重要である。瞳孔がその拡大領域の中央部にある
と、多焦点レンズの効果的な矯正適用領域の境界は中間
領域である。瞳孔がその拡大領域の中央部にあると、中
間輝度の状態は人工光の下で室内であるいは曇りの日か
夕暮れ時の戸外で生じる。そのような状態での活動は近
見矯正が必要になる読書から、遠視が必要になる自動車
の運転までの範囲を変動できる。このように遠近用光学
的矯正パワーの両方を有する中間領域を備えた多焦点レ
ンズをデザインすることは有利である。

【００１０】好ましいデザインでは、外部領域は遠用光
学的矯正パワーを有するようにデザインする。外部領域
は、眼の瞳孔が完全に拡大（散瞳）した時、低輝度の状
態で最も重要である。眼の瞳孔が完全に拡大すると、多
焦点レンズの効果的な矯正適用領域の境界は外部領域で
ある。瞳孔が完全に拡大すると、低輝度状態は夜間に戸
外で起きる。夜間の活動は、遠見矯正が必要な自動車の
運転や街の散歩を含むのが普通である。従って、遠用光
学的矯正パワーを有する外部領域を備えた多焦点レンズ
をデザインすることは有利である。

【００１１】上記多焦点レンズデザインは老眼の矯正に
好適なデザインであるが、同様にあるいはそれ以上に機
能する別のデザインでも可能である。最適なデザインは
患者によって変わり、個別の患者のパラメータに依存す
る。

【００１２】コンタクトレンズ装用における最近の開発
は、眼から外して捨てる連続装用レンズと終日装用レン
ズの成形である。この開発は、これらの使い捨てレンズ
を許容できるコスト／装用比で製造するための高容積自
動化設備を必要とする。この環境では小グループの患者
らに用立てる多種の多焦点レンズデザインの少量の在庫
品を保管することは非実用的である。大グループの患者
に用立てる比較的少数のデザインの大量の在庫品を保管
することがより望ましい。従って、多くの患者用に適切
に視力矯正が行なえる最適なデザインを見つけることは
必要である。大グループのレンズをデザインする際の複
雑なファクターは、本質的な性能の評価が常に最適な光
学的矯正を可能にするとは限らないことである。大勢の
患者の最適なデザインを見つけることが本発明の主な目
的である。

【００１３】大グループの患者用の最適な多焦点コンタ
クトレンズをデザインすることは、そのグループの患者
の共通の光学的ニーズに基づく光学的デザインパラメー
タを選択することを意味する。コンタクトレンズを老眼
の患者に装用するために関連した光学的デザインのパラ
メータは、限定するものでないが、以下のすなわち、環
状リング（セグメント）の数、環状リングの間隔、レン
ズ付加パワー（add power ）、単眼用／複眼用関数、及
び瞳孔関数である。上記光学的デザインパラメータの各
々は、以下のパラグラフで説明する。

【００１４】前に詳細に説明したように、老眼の治療の
ための多焦点コンタクトレンズは、様々な光学的パワー
分布を有する１つあるいはそれ以上の環状領域に囲まれ
た円形内部領域からなっている。各領域の光学的パワー
分布は瞳孔関数と呼ばれるパラメータで定義される。近
用あるいは遠用光学的パワー分布は、ある領域が近用あ
るいは遠用光学的パワーが支配的であるかを厳密に示す
ものである。等しい光学的パワー分布は、ある領域が等
しい量の近用及び遠用光学的パワーからなっていること
を示している（すなわち、ある領域の総面積の半分が近
用光学的パワーであり、残りの半分が遠用光学的パワー
であるようにその領域内に環状リングがデザインされ
る）。

【００１５】多焦点コンタクトレンズは複数の領域でデ
ザインすることができるが、実際のデザインは、以下の
瞳孔関数の種類により定義された光学的パワー分布を備
えた２つあるいは３つの領域を有するのが通常である。
つまり、その瞳孔関数の種類は、内部領域が遠用光学的
パワーを有し、外部領域が等量の近用及び遠用光学的パ
ワーを有する遠用／等（ｄ／ｑ）、内部領域が遠用光学
的パワーを有し、中間領域が等量の近用及び遠用光学的
パワーを有し、外部領域が遠用光学的パワーを有する遠
用／等／遠用（ｄ／ｑ／ｄ）、あるいは内部領域が近用
光学的パワーを有し、中間領域が等量の近用及び遠用光
学的パワーを有し、外部領域が遠用光学的パワーを有す
る近用／等／遠用（ｎ／ｑ／ｄ）である。

【００１６】多焦点コンタクトレンズをデザインする際
に考慮すべき別の光学的デザインパラメータは、多焦点
レンズに対となって関連する単眼用／複眼用関数であ
る。単眼用／複眼用関数は、１対の各レンズが同一か僅
かに異なるかどうかを示すものである。単眼用デザイン
は両眼を同じレンズデザインに装用するデザインであ
る。複眼用デザインは各眼が僅かに異なったレンズデザ
インに装用されるデザインである。複眼用デザインは利
き眼でない眼のレンズを有するより高い割合の遠用光学
的パワーを有する遠用の利き眼に装用するのが普通であ
る。

【００１７】多焦点レンズの非常に重要な２つの光学的
デザインのパラメータは、円形内部領域を囲む環状リン
グの数とその間の間隔である。これらの２つのパラメー
タはいろいろな照明状態の下の患者の瞳孔サイズの関数
である。それらのパラメータは各領域の光学的パワー分
布によって影響も受ける。

【００１８】別の重要な光学的デザインパラメータは、
多焦点レンズの全体の付加パワー矯正をセットするレン
ズ付加パワーである。レンズ付加パワーは患者らの光学
的矯正ニーズの関数である。

【００１９】前に説明した光学的デザインパラメータに
加えて、多焦点レンズデザインは幾つかの患者のパラメ
ータに依存する。関係する患者のパランメータは、限定
するわけではないが、患者の年齢、患者の付加屈折率及
び患者のフロス（Hloss ）を含む。

【００２０】前に説明したように、人の眼の調節はその
人の年齢と共に弱まる。実際、高齢では人は眼の調節能
力を全く無くす。この理由のみのために多焦点コンタク
トレンズをデザインする際に、患者の年齢を考慮するこ
とが重要である。

【００２１】患者の年齢は多焦点レンズデザインに対し
て付随する関連性を有する。人の瞳孔のサイズが変わる
方法は予測が可能であり、主に照明レベルと人の年齢に
よる。同じ年齢の人の場合、拡大変化の最大最小時の彼
らの瞳孔サイズは、照明レベルの関数として同じあるい
は略同じ方法で変化する。このように人の瞳孔の最大最
小拡大時のサイズは年齢に基づいて予測できる。

【００２２】異なった照明レベルでの瞳孔のサイズはレ
ンズの効果的な矯正パワー（倍率）比に影響を与える。
例えば、患者が高度照明の下で遠見の仕事をしている
と、患者の瞳孔は収縮し、多焦点レンズの効果的な矯正
領域は遠見矯正を要する内部領域である。このように多
焦点レンズの効果的な矯正倍率比は、患者の瞳孔サイズ
の関数であり、患者の瞳孔サイズは照明の関数として患
者の年齢と共に変わり、多焦点レンズをデザインする際
に、患者の年齢を考慮することが重要である。

【００２３】比較的近い（約１８インチ）像の結像不能
は、たとえいくらでも個人個人が適切に結像できるよう
に、個人の基本的な遠用矯正に付加しなければならない
正の光学的パワーの量で測定される。この理由から与え
られる正の光学的パワーは、通常、付加屈折率と呼ばれ
る。大グループの患者に必要な多焦点レンズは、特定の
グループの患者すべてが略同じ付加屈折率条件を有する
ことが必要である。

【００２４】患者のフロス（Hloss ）は、近用付加Ｒｘ
に匹敵する遠用Ｒｘで近見の仕事をしようとする場合、
いかに多くの視線を患者が失うかの測定である。

【００２５】特定のレンズデザインの実際の臨床性能
は、レンズを装用しての患者の臨床視力測定に基づいて
いる。実際の視力（ＶＡ）は−１０°LogMAR（ MARは最
小解像角度である）で定義される単位で測定することが
できる。この方式では、２０／２０は０．００に対応
し、２０／２０より大きい値は正の値であり、２０／２
０より小さい値は負の値である。ＶＡはまた最良の眼鏡
矯正から失った複数の行で測定することもできる。その
ような測定は１行内の複数の文字数に基づき、そのため
に１行に８文字を付した視力検査表を使用する。

【００２６】ＶＡ測定は近用と遠用の光学的性能のため
に採用することができる。ＶＡは輝度とコントラストの
高、低あるいは中間のレベルで測定することもできる。

【００２７】特定のレンズデザインのＶＡ性能は、主観
的に測定することができる。主観的な測定値は、異なっ
たレンズデザインを装用した後、個々の患者により主観
的な評価に基づくものである。主観的な評価は、所定の
範囲から選択される１つの数で規定されるように、患者
によるレンズの光学的性能評価に基づいている。

【００２８】臨床評価では、実際のＶＡ測定値に基づく
特定のレンズデザインの光学的性能は、必ずしも主観的
な測定値と一致しないことがわかった。従って、特定の
レンズデザインの評価は、実際のＶＡ測定値と主観的な
ＶＡ測定値の両方に基づけばさらに正確であろうと判断
された。

【００２９】異なったデザインの多種の終日装用あるい
は連続装用の使い捨て多焦点レンズを在庫にして個々の
患者や小グループの患者に使用させることはコスト的に
効果的でない。レンズデザインが小グループの患者にの
み有効であれば、それぞれ複数のデザイン、パワー及び
付加パワーの多様な組合わせを在庫するためにかかった
コストは簡単には取り戻せない。そのため同じ光学的ニ
ーズを持った大勢の患者に適応させる多焦点レンズをデ
ザインすることは有利である。

【００３０】大勢の患者に適応させる最適なレンズデザ
インを見つけることは、考慮すべき多数のデザイン変数
があるため極端に難しい。これらの変数には光学的デザ
インパラメータと前に説明した患者のパラメータがあ
る。複雑化するファクターは、特定の患者が装用した時
に特定のレンズデザインの光学的性能が、別の患者が装
用した時に特定のレンズデザインの光学的性能に直線的
に関係しないということである。従って、レンズデザイ
ンと光学的性能との間の関係は直線的ではなく、そのた
め最適なデザインを決めるために使える一次式でモデル
化できない。

【００３１】様々なレンズデザインとそのレンズの光学
的性能との間の関係を正確にモデル化できる方法を処方
する必要性がある。そのため、そのようなモデルは大勢
の患者のための最適な多焦点レンズデザインを決定する
のに使用されるだろう。

【００３２】

【発明が解決しようとする課題】本発明の目的は大勢の
患者のための多焦点レンズデザインを最適化することで
ある。

【００３３】本発明の別の目的は、ニューラルネットワ
ーク解析を利用して大勢の患者のための多焦点レンズデ
ザインを決定することである。

【００３４】本発明のさらに別の目的は種々の多焦点レ
ンズデザインの臨床研究から収集した初期の適合視力
（ＶＡ）データを解析し、それでそれらの研究に基づく
多焦点レンズデザインを最適化することである。

【００３５】

【課題を解決するための手段】これらの目的と他の目的
は、ニューラルネットワークを利用して様々な多焦点レ
ンズデザインとそれに関連する視力性能との間の真の関
係を学習することによって達成される。

【００３６】また本発明の利点は、本発明の好ましい実
施態様を記載した以下の説明を考慮すれば明らかにな
る。

【００３７】

【発明の実施の形態】ニューラルネットワーク解析は、
独立変数と従属変数との間の非線形関係をモデル化する
方法である。ニューラルネットワーク解析は、独立変数
と従属変数との間の関係を正確にモデル化するニューラ
ルネットワークを作ることによって行なわれる。一旦、
正確なネットワークを作れば、知られている独立変数に
基づいて未知の従属変数の値を予想することができる。
慣習によりニューラルネットワークでは、独立変数は入
力（インプット）と呼び、従属変数は出力（アウトプッ
ト）と呼ぶ。

【００３８】ニューラルネットワークのパワーは、その
パワーが入力と出力との間の関係をモデル化するために
使用する非線形方程式に見出される。非線形方程式は接
続ウェートと呼ばれる変数のあるセットで定義する複雑
な関数である。接続ウェートは、ニューラルネットワー
ク内に入力するトレーニングデータを調査するトレーニ
ングアルゴリズムで決定される。トレーニングデータ
は、モデル化する非線形関係の典型である入力とそれに
関連する出力の１セット（組）である。トレーニングア
ルゴリズムはトレーニングデータを処理し、ニューラル
ネットワークの予測された出力とトレーニングデータ出
力との間のエラーを最小にする１セットのウェートを見
出す。

【００３９】ニューラルネットワークは構造的に１つの
入力層、１つあるいはそれ以上の隠れた層及び１つの出
力層からなっている。出力層と隠れた層は、ニューラル
ネットワークの主要な構築ブロックである相互接続した
処理要素からなる。

【００４０】入力層の主な関数は第一の隠れた層の処理
要素に対して入力値を定めることである。各処理要素は
各入力に異なるウェート値を掛け合わせそして個々の積
を加える。その結果は非線形トランスファー関数を経て
処理要素出力を作る。１層の処理要素出力の全ては、同
じ処理が繰り返される次の層の処理要素入力につながれ
る。

【００４１】最後の層は線形か非線形の処理要素を含む
出力層である。非線形処理要素プロセスは上記の同じ方
法で入力する。線形処理要素は、処理要素の入力を処理
要素の出力まで簡単に通す。出力層の処理要素の出力は
ニューラルネットワークの最後の出力を作る。

【００４２】別のニューラルネットワークデザインの問
題は、ニューラルネットワークが完全に接続しているか
フィードフォワードデザインかを含んでいる。１層から
の出力の全てが次の層への入力として使用されれば、ニ
ューラルネットワークは完全に接続される。内部フィー
ドバックループがない（すなわち、１層からの出力が前
の層への入力として使用されない）ならば、ニューラル
ネットワークはフィードフォワードである。

【００４３】ニューラルネットワークを作る第一ステッ
プは予測すべきものを定めることである。これらの予測
はニューラルネットワークの出力である。次のステップ
は予測値に影響を与えることも考えられる変数の全てを
認識することである。これらの変数はニューラルネット
ワークへの入力である。一旦、入力と出力を認識した
ら、ニューラルネットワークの残りの構造は、層の数と
処理要素の数を含めて決めなければならない。

【００４４】ニューラルネットワークの残りの層が決ま
ると、ニューラルネットワークが作られる。ニューラル
ネットワークを作った後、ニューラルネットワークはト
レーニングデータを使って訓練される。トレーニングデ
ータは１セットのデータであり、ニューラルネットワー
クによってモデル化すべき統計的な関係を示す入力変数
と関連する出力変数を含む。収集され使用するトレーニ
ングデータが多ければ多い程、特に、モデル化される関
係が統計的であれば良い。

【００４５】トレーニングはニューラルネットワークに
より実施されるトレーニングアルゴリズムで行なわれ
る。トレーニングアルゴリズムはトレーニングデータを
処理し、トレーニングデータ入力とトレーニングデータ
出力と間の関係を最も密接にモデル化する適切な接続ウ
ェートを選択する。

【００４６】トレーニングの後、ニューラルネットワー
クの性能はテストデータを使用して評価できる。テスト
データはトレーニングデータと同じ方法で集められる。
実際、優れたテスト結果の場合、テストデータは、任意
の１０％のトレーニングデータからなる必要がある。

【００４７】ニューラルネットワークのテストは以下の
ように行なう。テストデータ入力をニューラルネットワ
ーク内に個々に入力する。ニューラルネットワークを働
かせ、予測した出力を各テスト入力に対して集める。予
測した出力を実際のテストデータ出力と比較してニュー
ラルネットワークが適切に機能しているかどうかを決め
る。テストデータに関してうまく機能していないニュー
ラルネットワークは使用すべきではない。

【００４８】ニューラルネットワークをトレーニングし
たら、様々な入力に基づく出力を予測するためにニュー
ラルネットワークを使用できる。１セットの変数は、入
力として使用され、またニューラルネットワークがそれ
らの入力に基づく出力を予測するために機能される。次
に、得られた予測を、ニューラルネットワークがデザイ
ンされた目的のために使用できる。

【００４９】本発明は大勢の患者のための最適な多焦点
レンズデザインを予測するためにニューラルネットワー
クを利用する方法を含む。ニューラルネットワークを使
用して様々な光学的デザインパラメータと、そのデザイ
ンパラメータを使用して形成した関連するレンズの視力
性能との間の非線形関係をモデル化する。この発明の方
法の詳細な説明は以下の通りである。

【００５０】第一ステップは特定の光学的屈折率条件に
関連する光学的デザインパラメータを認識することであ
る。次に、認識した光学的デザインパラメータを使用し
て特定の屈折率条件を有する規定人数の患者のための視
力性能を引出すために臨床評価で使用する光学レンズを
作る。

【００５１】次に、ニューラルネットワークを、認識し
た光学的デザインパラメータと様々な患者のパラメータ
を入力として、また視力データ出力として使用しながら
作成する。その作成後、ニューラルネットワークを、臨
床評価で集めたデータを使用しながらトレーニングす
る。

【００５２】トレーニングの後、特定の光学的デザイン
パラメータを分離し、トレーニングしたニューラルネッ
トワークで評価して特定のパラメータの関数として視力
を予測する。その結果得られた視力予測を特定のデザイ
ンパラメータに関して解析し、最適なレンズデザイン
を、光学的屈折率条件を有する大勢の患者らのために決
定する。

【００５３】本発明の方法の実施態様では、ニューラル
ネットワークは、タロン（Talon ）開発会社から出され
たＢＲＡＩＮニューラルネットワーク開発システム（NN
DS）を使用して作られる。ニューラルネットワークは、
様々な光学的デザインパラメータとそれらのデザインパ
ラメータを使用しながら作成した関連するレンズのＶＡ
／主観的な性能との間の非線形関係をモデル化するよう
に使用する。ニューラルネットワークは、入力層、出力
層、及びトレーニングアルゴリズムで使用して光学的な
デザインパラメータと、関連するレンズのＶＡ／主観的
な性能との間の関係を正確にモデル化する１セットの接
続ウェートを決める相互接続処理要素を有する１つある
いはそれ以上の隠れた層とを有する幾つかの層を含む。
ＢＲＡＩＮ ＮＮＤＳはタロンのトレーニングアルゴリ
ズムを利用する。このアルゴリズムは以下の式で示すＳ
字状の非線形トランスファー関数として各処理要素を定
義する。 アウト＝１．０／（１＋ｅ^-in ）−０．５ この式でアウトは処理要素の出力であり、inは各処理要
素の入力にその関連するウェートを掛けた合計であり、
ｅ^-in は１×１０^-in である。

【００５４】本実施態様ではニューラルネットワークを
使用して老眼で中間付加屈折率矯正を要する大勢の患者
らにデザインした多焦点コンタクトレンズの同心環状リ
ングの最適個数を決定する。開示した本発明の方法の実
施態様の各ステップは以下の通りである。

【００５５】第一ステップは老眼で中間付加屈折率矯正
を要する患者らの光学的デザインパラメータを確認する
ことであった。光学的デザインパラメータには幾つかの
同心環状リング、レンズ付加パワー（倍率）、瞳孔関数
及び単眼あるいは複眼対が含まれた。リングの個数は１
ないし１２個で、レンズ付加パワーは１．５か２．０の
値で、瞳孔関数は遠用／等（ｄ／ｑ）、遠用／等／遠用
（ｄ／ｑ／ｄ）、あるいは近用／等／遠用（ｎ／ｑ／
ｄ）であり、単眼あるいは複眼対は単眼対か複眼対であ
った。

【００５６】デザインパラメータの様々な組合わせを選
択し様々なデザインコードのラベルを貼った。各デザイ
ンコードは同じ光学的デザインパラメータを持つ１対の
多焦点コンタクトレンズを示した。様々なデザインコー
ドと、関連するデザインパラメータは次の通りである。
すなわち、デザインコード１０３は、１２個のリングと
１．５のレンズ付加パワーとｄ／ｑの瞳孔関数を備えた
単眼デザインであり、デザインコード１０４は、７個の
リングと１．５のレンズ付加パワーとｄ／ｑ／ｄの瞳孔
関数を備えた単眼デザインであり、デザインコード１０
５／６は、６．５個のリングと１．５のレンズ付加パワ
ーとｄ／ｑの瞳孔関数を備えた複眼デザインであり、デ
ザインコード１０７／８は、６個のリングと１．５のレ
ンズ付加パワーとｄ／ｑ／ｄの瞳孔関数を備えた複眼デ
ザインであり、デザインコード１０９／１０は、３個の
リングと１．５のレンズ付加パワーとｄ／ｑ／ｄの瞳孔
関数を備えた複眼デザインであり、デザインコード１１
１／１２は、４．５個のリングと１．５のレンズ付加パ
ワーとｄ／ｑの瞳孔関数を備えた複眼デザインであり、
デザインコード１１３は、５個のリングと１．５のレン
ズ付加パワーとｄ／ｑ／ｄの瞳孔関数を備えた単眼デザ
インであり、デザインコード１１４は、６個のリングと
１．５のレンズ付加パワーとｎ／ｑ／ｄの瞳孔関数を備
えた単眼デザインであり、デザインコード２０３は、１
２個のリングと２のレンズ付加パワーとｄ／ｑの瞳孔関
数を備えた単眼デザインであり、デザインコード２０４
は、７個のリングと２のレンズ付加パワーとｄ／ｑ／ｄ
の瞳孔関数を備えた単眼デザインであった。

【００５７】次に、各デザイングループの特定のデザイ
ンパラメータを使って多焦点コンタクトレンズを形成し
た。そのように形成したレンズを複数の患者に付け、臨
床評価を行なって各レンズデザインのＶＡと主観的な性
能を集めた。特定のデザインを装用している患者の場
合、高輝度、高コントラストでの近用と遠用の実際のＶ
Ａを、−１０Log MAR 方式に基づく視力ユニット（v.a.
u.）で測定した。さらに、近用、遠多及び総合レンズの
個人的な応答評価を各患者に対して問題のレンズに満足
かどうかに基づいて記録した。主観的な応答評価を０と
５０の間の範囲で選択した。この場合、５０を最良の眼
鏡矯正とし、０を矯正無しとした。

【００５８】光学的デザインパラメータと関連する患者
のパラメータを、各レンズデザインを装用している各患
者の実際に対応するＶＡと主観的な応答データに沿って
見開きシートに記録した。患者のパラメータには患者の
年齢、患者の付加屈折率及び患者のフロス（Hloss ）が
ある。データを付記した見開きシートを表１〜表１２に
示した。

【表１】

【表２】

【表３】

【表４】

【表５】

【表６】

【表７】

【表８】

【表９】

【表１０】

【表１１】

【表１２】

【００５９】表１〜表１２から幾つかの場合で、主観的
な応答評価は実際のＶＡ測定値に相反したことが明らか
である。このことは患者はＶＡ測定値がその特定の患者
に最適なレンズデザインを与えるとは限らないと考えて
いることを示している。従って、トレーニングして得ら
れたニューラルネットワークが様々なレンズデザインと
実際のＶＡと主観的な応答評価の両方との間の非線形関
係を正確にモデル化するように、ニューラルネットワー
クが実際のＶＡと主観的な応答データの両方で訓練する
ことが重要である。

【００６０】次のステップはＢＲＡＩＮ ＮＮＤＳを利
用して、確認した光学的デザインと患者のパラメータを
入力として、実際のＶＡと主観的な応答を出力として使
用しながら、図１に示すように完全に連結したフィード
フォワードニューラルネットワークを作ることであっ
た。そこで入力層は７つの入力（Ｉ１−Ｉ７）を有し、
出力層は５つの出力（Ｏ１−Ｏ５）を含む５つの処理要
素（ＰＥ０１−ＰＥ０５）を有する。残りのニューラル
ネットワークの構造は１１の処理要素（ＰＥＡ１−ＰＥ
Ａ１１）を有する第一の隠れた層と、８つの処理要素
（ＰＥＡ１−ＰＥＡ８）を有する第二の隠れた層からな
る。

【００６１】ニューラルネットワークは図１に示すよう
に相互接続してある。入力層の７つの入力の全てを第一
の隠れた層の１１の処理要素全ての入力に繋ぐ。第一の
隠れた層の１１の処理要素の全ての出力を第二の隠れた
層の８つの処理要素の全てに入力する。出力層の５つの
処理要素の出力は、実際のＶＡと主観的な応答に対応す
るニューラルネットワークの５つ出力である。

【００６２】ニューラルネットワークを作った後、臨床
評価時に、集めたデータを使いながらニューラルネット
ワークをトレーニングした。トレーニングは、臨床的に
集めたデータが載った見開きシートをニューラルネット
ワーク内に入力し、トレーニングアルゴリズムに入力デ
ザインデータと出力ＶＡ／個人的データとの間の非線形
関係を学習させることによって行なった。

【００６３】このトレーニングプロセスは以下のように
行なう。７つの光学的デザインと患者のパラメータを入
力層から第一の隠れた層の１１の処理要素の全ての入力
につなぐ。図２に示したように各処理要素は各入力に異
なった接続ウェートを掛け、個々の積を加える。その結
果は上記のようにＳ字状非線形トランスファー関数を通
り、１１の処理要素出力を生む。第一の隠れた層の１１
の処理要素の全てを第二の隠れた層の８つの処理要素の
全ての入力につなぐ。また各処理要素は各入力に異なっ
た接続ウェートを掛け、個々の積を加え、その結果をＳ
字状非線形トランスファー関数に通して８つの処理要素
出力を生む。第二の隠れた層の８つの処理要素の全てを
出力層の５つの処理要素の全ての入力につなぐ。そして
また各処理要素は各入力に異なった接続ウェートを掛
け、個々の積を加え、その結果をＳ字状非線形トランス
ファー関数に通して５つの処理要素出力を生む。これら
の５つの処理要素出力は、ニューラルネットワークの５
つの予測したＶＡ／主観的な出力である。

【００６４】このトレーニングプロセス時に、トレーニ
ングアルゴリズムは５つの予測したＶＡ／主観的な出力
をトレーニングデータ入力の各セットの関連したトレー
ニングデータＶＡ／主観的な出力と動的に比較し、接続
ウェートを動的に変えて予測した出力とトレーニングデ
ータ出力との間の誤差（エラー）を最小にするセットを
見つける。このようにしてトレーニングデータをニュー
ラルネットワークで処理した後、得られた接続ウェート
のセットは、トレーニングデータ入力の全てと関連した
トレーニングデータ出力との間の関係を正確にモデル化
する必要がある。得られたニューラルネットワークはト
レーニングしたニューラルネットワークと呼ばれる。

【００６５】トレーニング後、トレーニングされたニュ
ーラルネットワークを、臨床的に集めたデータの任意の
１０％を使用しテストした。このデータをテストデータ
と定義する。テストデータはニューラルネットワークを
トレーニングするのに使うデータからなってはならな
い。うまくいったテスト結果では、これは入力トレーニ
ングデータと出力トレーニングデータとの間の関係を学
習し、記憶していないことを保証している。

【００６６】本実施態様では、テストデータを、３桁の
任意の数発生機を利用することによってトレーニングデ
ータと区別して３桁の数０．０００から０．９９９まで
を各デザインケースに当てはめた。３桁の数を生み出
し、任意のトレーニング／学習数（表１〜表１２参照）
として見開きシートにまとめた。ニューラルネットワー
クをプログラムしてテストデータとして０．１００未満
か等しい数に関連したデータとトレーニングデータとし
て０．１００を超えた数に関連したデータの全てを使用
した。

【００６７】テストは、７つの光学的デザインと患者の
パラメータからなるテスト入力をトレーニングしたニュ
ーラルネットワークの入力層内に入力することによって
行なった。入力層では、７つのテスト入力を入力層から
第一の隠れた層の１１の処理要素の全ての入力につな
ぐ。各処理要素は各入力に、トレーニング時に決定した
異なった接続ウェートを掛け、個々の積を加える。その
結果はＳ字状非線形トランスファー関数を通り、１１の
処理要素出力を生む。第一の隠れた層の１１の処理要素
の全てを第二の隠れた層の８つの処理要素の全ての入力
につなぐ。また各処理要素は各入力に異なった接続ウェ
ートを掛け、個々の積を加え、その結果をＳ字状非線形
トランスファー関数に通して８つの処理要素出力を生
む。第二の隠れた層の８つの処理要素の全てを出力層の
５つの処理要素の全ての入力につなぐ。そしてまた各処
理要素は各入力に所定の接続ウェートを掛け、個々の積
を加え、その結果をＳ字状非線形トランスファー関数に
通して５つの処理要素出力を生む。これらの５つの処理
要素出力は、ニューラルネットワークの５つの予測した
ＶＡと主観的なテスト出力からなる５つの予測されたテ
スト出力を生む。

【００６８】予測したテスト出力を臨床的に集めたＶＡ
／主観的な出力と比較してそれらが実質的に同じかどう
か判断した。予測した出力はテストグループの各患者で
略同じであり、そのためトレーニングしたニューラルネ
ットワークは有意義であると思われた。

【００６９】さらに健康テストを以下のように行なっ
た。臨床的に集めたデータをデザインでグループ分け
し、平均して全ての入力と実際の患者の各デザイングル
ープ（表１３参照）の性能出力の平均値を求めた。

【表１３】

【００７０】各個人のデザインコードの平均入力をトレ
ーニングしたニューラルネットワークへのインプットと
して使用して予測した近用ＶＡと主観的な応答出力を得
た。これらの予測した出力を表１３に示した。

【００７１】予測した出力を実際の平均出力と比較し、
ＶＡと主観的な出力との差を計算し、表１３に示した。
ＶＡ差を増減文字で計算した。その差はＶＡユニットで
のＶＡ差に、１行の文字数である８を掛けることによっ
て計算される。主観的な差は０ないし５０の単位ないし
範囲に基づいていた。

【００７２】表１３に示したように、ＶＡ差は−４．８
０から２．７９までの文字の範囲であり、主観的な差は
−４から５までの範囲であり、その両方とも無視するこ
とができる。従って、健康テストによってトレーニング
したニューラルネットワークが有効であることがさらに
証明された。

【００７３】トレーニングとテストの後、トレーニング
したニューラルネットワークを使用して各レンズのリン
グの数の関数として幾つかのレンズの遠用と近用のＶＡ
応答及び主観的な応答を予測した。精度を上げるため
に、１から１２まで変わるレンズの数の他には定数とし
て５つのレンズデザインの平均入力パラメータをトレー
ニングしたニューラルネットワーク内に入力した。この
ようにリングの数の関数である予測したＶＡ出力と主観
的な出力の１セットを得た。

【００７４】予測したＶＡと主観的な出力データを次
に、以下の５つのレンズデザインに対してグラフでプロ
ットした。すなわち、そのデザインは、単眼デザインｄ
／ｑ／ｄ、単眼デザインｄ／ｑ、単眼デザインｎ／ｑ／
ｄ、複眼デザインｄ／ｑ、及び複眼デザインｄ／ｑ／ｄ
である。

【００７５】以下の出力の各々のために４つのグラフを
作成した（図３〜６参照）。すなわち、（ａ）上で定義
した５つのレンズデザインのリング数に対してプロット
した高輝度、高コントラストで予測された実際の遠用Ｖ
Ａ（図３）、（ｂ）上で定義した５つのレンズデザイン
のリング数に対してプロットした予測された主観的な遠
用応答（図４）、（ｃ）上で定義した５つのレンズデザ
インのリング数に対してプロットした高輝度、高コント
ラストで予測された実際の近遠用ＶＡ（図５）、（ｄ）
上で定義した５つのレンズデザインのリング数に対して
プロットした予測された主観的な近用応答（図６）。

【００７６】そこで各々のケースで、遠見と近見の両方
の場合、主観的な視力結果は実際の視力結果と違ったこ
とは注目に値する。各々のケースで実際の視力結果は、
少数のリングで最良の結果をもたらすことを示し右下が
りの傾きで示され、一方、主観的な視力結果は、多数の
リングが明らかに優先されるのを示し、右上がりの傾き
で示される。リングの最適数あるいは矛盾する結果を調
和させるピーク値を決めるため、２セットのデータ各々
を標準化し複合的なグラフとしてまとめ、これらの２つ
の複合物の統合を、統合データセットのすべての１つの
最適値を示す１つの複合物にまとめた。

【００７７】この複合的な統合を以下の公式で示す。 すなわち、 Qual(n) ＝ Sub(n) × Obj(n) この式でQual(n) は品質長所関数あるいは複合物統合で
ある。Sub(n)は主観的な応答である。Obj(n)は客観的に
測定した応答である（ＶＡ）。ｎはリングの数、あるい
は評価の診療変数である。

【００７８】第一の複合の統合を作るために予測された
実際の遠用ＶＡと主観的な遠用応答を１．０の値に標準
化した。同じリング数に対応する標準化した遠用ＶＡ値
に主観的な遠用値を掛け、前に定義した５つのレンズデ
ザインのリングの数に対しプロットした。得られたグラ
フは図７に示したように遠用標準化複合物であった。

【００７９】同じ統合を、次に、近見データに関し１．
０の値に標準化した実際の予測された近用ＶＡと主観的
な応答で行なった。同じリング数に対応する標準化した
近用ＶＡ値に主観的な近用値を掛け、前に定義した５つ
のレンズデザインのリングの数に対しプロットした。得
られたグラフは図８に示したように近用標準化複合物で
あった。

【００８０】次に、遠用標準化複合物に近用標準化複合
物を掛け、その結果を前に定義した５つのレンズデザイ
ンのリングの数に対しプロットした。得られたグラフは
図９に示したように遠用／近用標準化複合物であった。

【００８１】最後の統合を、５つのレンズデザインの各
々の得られた遠用／近用標準化値の各々を掛けながらそ
してそれらをリング数に対してプロットしながら作成し
た。得られたグラフは、図１０に示したように組合わせ
た５種類のレンズすべての遠用／近用標準化複合物であ
った。このグラフは５つのレンズデザインすべてに対し
て予測された出力の組合わせを定義する１つの関数を示
す。このグラフは５つのリングと７つのリングの間でピ
ークを示す。従って、老眼で中間付加屈折率矯正が必要
な大勢の患者の最適なリング数は５つと７つの間であ
る。

【００８２】この複合物統合技術により種々のデータセ
ットを調和しピークを付けるために使用して個別にテス
トされるどのような１つのデザイン要素でも選択されよ
う。この複合物統合技術はまた、図９の結果を図１０に
示した１つの最適化複合物に統合したケースのように、
特に診断治療のための主観的な結果と実際の結果が一般
に調和していれば、使用されるだろう。

【００８３】本明細書で説明した本発明の方法の好まし
い実施態様は、限定はしないが乱視と白内障を含む別の
光学的屈折率条件を持った患者のためのリングの最適数
を決めるのに変形することもできる。

【００８４】本発明の方法は好ましい実施態様に関して
本明細書で説明したが、当業者は、本発明の趣旨と範囲
から逸脱することなく形態と詳細の上記内容とその他の
変形が本明細書でできることが理解される。

【００８５】この発明の具体的な実施態様は以下の通り
である。 （１）前記光学的屈折率条件は老眼と乱視を有するグル
ープから選択される請求項１に記載の方法。 （２）前記光学的屈折率条件は老眼である実施態様
（１）に記載の方法。 （３）前記光学レンズは、遠用と近用の交互付加パワー
のリングを備えた複数の同心環状リング（セグメント）
を有する多焦点コンタクトレンズとして形成される実施
態様（２）に記載の方法。 （４）前記多焦点コンタクトレンズは、単眼用対が同じ
複数のレンズからなり、複眼用対が僅かに異なる複数の
レンズからなる単眼用対あるいは複眼用対として形成さ
れる実施態様（３）に記載の方法。 （５）前記光学的デザインパラメータは、（ａ）同心環
状リングの数と、（ｂ）前記交互のリングが瞳孔関数タ
イプで定義される付加パワー分布を有する少なくとも２
つの領域にグループ分けされる瞳孔関数と、（ｃ）レン
ズ付加パワーと、（ｄ）単眼用対あるいは複眼用対を含
むグループから選択される実施態様（４）に記載の方
法。

【００８６】（６）前記光学的デザインパラメータは、
前記同心環状リングの数と前記瞳孔関数を含む実施態様
（５）に記載の方法。 （７）前記光学的デザインパラメータは前記同心環状リ
ングの数、前記瞳孔関数、前記レンズ付加パワー、及び
単眼用対あるいは複眼用対を含む実施態様（６）に記載
の方法。 （８）前記患者のパラメータは、（ａ）患者の年齢と、
（ｂ）患者の付加屈折率と、（ｃ）Hloss を含むグルー
プから選択される請求項１に記載の方法。 （９）前記患者のパラメータは前記年齢、前記患者の付
加屈折率および前記Hloss を含む実施態様（８）に記載
の方法。 （１０）前記光学的屈折率条件は老眼である請求項１に
記載の方法。

【００８７】（１１）前記視力データは、MAR が解像度
の最小角度である−１０Log MAR のユニットで測定した
高輝度と高コントラストの遠用と近用の視力を含む臨床
評価時に得られる実施態様（１０）に記載の方法。 （１２）前記視力データは、高輝度と高コントラストの
遠用と近用の視力を含む臨床評価から得られる実施態様
（１１）に記載の方法。 （１３）前記視力データは、患者の最良の眼鏡矯正から
失ったラインから測定される実施態様（１１）あるいは
（１２）に記載の方法。 （１４）前記主観的な応答評価は、遠用応答、近用応
答、及び所定の範囲からの単位無しで評価された全体の
応答を含む臨床評価から得られる実施態様（１０）に記
載の方法。 （１５）前記主観的な応答評価は遠用、近用及び全体の
主観的な応答評価を含む実施態様（１４）に記載の方
法。

【００８８】（１６）前記入力、トレーニング、及び分
離工程は、前記入力成分を受けるための少なくとも１つ
の入力を有する入力層と、複合関数をモデル化するため
の少なくとも１つの処理要素を有する少なくとも１つの
隠れた層を有する実施態様（４）に記載の方法。 （１７）ニューラルネットワークは少なくとも１つの第
二処理要素を有する出力層をさらに含み、前記出力層は
前記出力成分を受けるためそして前記予測した視力と前
記予測した主観的な応答を出力するための１つの出力を
有する実施態様（１６）に記載の方法。 （１８）前記第二処理要素は前記第一処理要素か線形処
理要素である実施態様（１７）に記載の方法。 （１９）前記ニューラルネットワークは前記入力層、第
一の隠れた層、第二の隠れた層及び前記出力層を含む実
施態様（１８）に記載の方法。 （２０）前記入力層は７つの入力を有し、前記第一の隠
れた層は８つの処理要素を有し、しかも前記出力層は５
つの処理要素と５つの出力を有する実施態様（１９）に
記載の方法。

【００８９】（２１）前記光学的な屈折率条件は老眼で
あり、前記７つの入力は、（ａ）同心環状リングの数
と、（ｂ）瞳孔関数と、（ｃ）レンズ付加パワーと、
（ｄ）単眼用対あるいは複眼用対と、（ｅ）患者の年齢
と、（ｆ）患者の付加屈折率と、（ｇ）Hloss を含むグ
ループから選択される実施態様（２０）に記載の方法。 （２２）前記光学的な屈折率条件は老眼であり、前記５
つの出力は、（ａ）実際の遠用視力と、（ｂ）実際の近
用視力と、（ｃ）主観的な遠用応答と、（ｄ）主観的な
全体の応答とを含むグループから選択される実施態様
（２０）に記載の方法。 （２３）前記ニューラルネットワークは、前記第一処理
要素を以下のような式 アウト＝１．０／（１＋ｅ^-in ）−０．５ この式でアウトは処理要素出力、ｉｎは処理要素入力及
びｅ^-in は１×１０^-inで定義されるＳ字状の非線形ト
ランスファー関数として定義するタロン（Talon）のト
レーニングアルゴリズムを利用する実施態様（１６）に
記載の方法。 （２４）前記ニューラルネットワークは完全にフィード
フォワードデザインである実施態様（１６）に記載の方
法。 （２５）前記ニューラルネットワークをテストデータで
テストして前記トレーニングしたニューラルネットワー
クが有効であることを証明する工程をさらに含む請求項
１に記載の方法。

【００９０】（２６）前記テストデータは前記入力デー
タの任意の１０％である実施態様（２５）に記載の方
法。 （２７）前記光学的屈折率条件は老眼であり、前記１つ
あるいはそれ以上の特定のデザインパラメータは、
（ａ）同心リングの数と、（ｂ）瞳孔関数と、（ｃ）レ
ンズ付加パワーと、（ｄ）単眼用対あるいは複眼用対を
含むグループから選択される実施態様（４）に記載の方
法。 （２８）前記特定のデザインパラメータは同心リングの
数である実施態様（２６）に記載の方法。 （２９）同心リングの数を変え、評価のために前記トレ
ーニングしたニューラルネットワークに入力してそれに
より前記視力と前記主観的な応答を同心リングの数の関
数として予測する実施態様（２８）に記載の方法。 （３０）前記光学的屈折率条件は老眼であり、前記予測
した視力と前記予測した主観的な応答は、（ａ）予測し
た遠用視力と、（ｂ）予測した近用視力と、（ｃ）予測
した主観的な近用応答と、（ｄ）予測した主観的な遠用
応答と、（ｅ）予測した主観的な全体の応答を含むグル
ープから選択される実施態様（４）に記載の方法。

【００９１】（３１）前記予測した視力は、前記予測し
た遠用視力と前記予測した近用視力を有する実施態様
（３０）に記載の方法。 （３２）前記予測した主観的な応答は、前記予測した主
観的な近用応答と前記予測した主観的な遠用応答を有す
る実施態様（３０）に記載の方法。 （３３）前記予測した視力と前記予測した主観的な応答
は、前記予測した遠用及び近用視力と、前記予測した主
観的な遠用及び近用応答を含む実施態様（３０）に記載
の方法。 （３４）前記予測した視力と前記予測した主観的な応答
は、標準化し、組合わせて前記光学的な屈折率条件を持
つ大勢の患者のために最適な光学的デザインを決める実
施態様（３３）に記載の方法。 （３５）前記光学的屈折率条件が老眼であり、前記規定
した患者の数が、（ａ）低付加屈折率患者と、（ｂ）中
間付加屈折率患者と、（ｃ）高付加屈折率患者とからな
るグループから選択される実施態様（４）に記載の方
法。

【００９２】（３６）前記規定した患者の数は付加屈折
率患者数である実施態様（３５）に記載の方法。 （３７）前記光学的デザインパラメータにより前記入力
成分をグループに分け、それによって複数のデザイング
ループを作る工程と、前記デザイングループの各々の前
記入力成分を平均化し、それによって平均入力成分値を
得る工程をさらに含む実施態様（４）に記載の方法。 （３８）前記特定のデザインパラメータが同心環状リン
グの数であり、前記同心環状リングの数が変化し、前記
平均入力成分値で、前記トレーニングされたニューラル
ネットワークによる評価のために前記トレーニングした
ニューラルネットワークに入力し、前記トレーニングさ
れたニューラルネットワークが前記予測した視力と前記
予測した主観的な応答を前記同心環状リングの数の関数
として出力する実施態様（３７）に記載の方法。 （３９）前記予測した視力と前記予測した主観的な応答
を標準化し、組合わせて前記光学的な屈折率条件を持つ
大勢の患者のために最適な光学的デザインを決める実施
態様（３８）に記載の方法。

【００９３】

【発明の効果】以上説明したように、本発明によれはニ
ューラルネットワーク解析を使用して多焦点レンズデザ
インを最適化することができる。

【図面の簡単な説明】

【図１】ニューラルネットワークの構造を示す。

【図２】ニューラルネットワークで使用する処理要素の
概略図を示す。

【図３】５つの異なったレンズデザインのリングの数に
対してプロットした高輝度、高コントラストでの予測し
た実際の遠用ＶＡのグラフを示す。

【図４】５つの異なったレンズデザインのリングの数に
対してプロットした予測した主観的な遠用応答評価のグ
ラフを示す。

【図５】５つの異なったレンズデザインのリングの数に
対してプロットした高輝度、高コントラストでの予測し
た実際の近用ＶＡのグラフを示す。

【図６】５つの異なったレンズデザインのリングの数に
対してプロットした予測した主観的な近用応答評価のグ
ラフを示す。

【図７】５つの異なったレンズデザインのリングの数に
対してプロットした予測した遠用ＶＡと予測した主観的
な遠用応答評価の標準化した複合物のグラフを示す。

【図８】５つの異なったレンズデザインのリングの数に
対してプロットした予測した近用ＶＡと予測した主観的
な近用応答評価の標準化した複合物のグラフを示す。

【図９】５つの異なったレンズデザインのリングの数に
対してプロットした予測した近用ＶＡ／主観的な応答と
遠用ＶＡ／主観的な応答の標準化した複合物のグラフを
示す。

【図１０】リングの数に対してプロットした予測したＶ
Ａ／主観的な応答に関する５つのレンズデザインの標準
化した複合物のグラフを示す。

Claims (1)

【特許請求の範囲】
1. 【請求項１】 複数のデザイン変数を含む光学的デザイ
   ンを最適化する方法であって、 （ａ）所定の光学的屈折率条件に関連する所定の光学的
   デザインパラメータを認識する工程と、 （ｂ）臨床評価で、前記光学的屈折率条件を持つ規定数
   の患者に視力データと主観的な応答評価を与える各々そ
   のような評価を使用するために１つあるいはそれ以上の
   前記光学的デザインパラメータを利用しながら光学レン
   ズを形成する工程と、 （ｃ）前記光学的デザインパラメータと関連する患者の
   パラメータを入力成分として、また前記視力データと主
   観的な応答評価を出力成分としてニューラルネットワー
   クに入力する工程と、 （ｄ）前記ニューラルネットワークをトレーニングして
   前記入力成分と前記出力成分との間の著しい関係をモデ
   ル化してそれによりトレーニングしたニューラルネット
   ワークを作る工程と、 （ｅ）前記トレーニングしたニューラルネットワークに
   よって評価するため、１つあるいはそれ以上の特定のデ
   ザインパラメータを分離し入力して視力と主観的な応答
   を前記特定のデザインパラメータの関数として予測する
   工程と、 （ｆ）１つあるいはそれ以上の前記予測を統合して最適
   な光学的なデザインを決めて前記光学的な屈折率条件を
   矯正する工程を含む光学的デザインを最適化する方法。