KR102072637B1 - 예측된 주관적 굴절력 데이터 또는 예측된 교정 값을 확인하기 위한 장치, 및 컴퓨터 프로그램 - Google Patents

예측된 주관적 굴절력 데이터 또는 예측된 교정 값을 확인하기 위한 장치, 및 컴퓨터 프로그램 Download PDF

Info

Publication number
KR102072637B1
KR102072637B1 KR1020197016402A KR20197016402A KR102072637B1 KR 102072637 B1 KR102072637 B1 KR 102072637B1 KR 1020197016402 A KR1020197016402 A KR 1020197016402A KR 20197016402 A KR20197016402 A KR 20197016402A KR 102072637 B1 KR102072637 B1 KR 102072637B1
Authority
KR
South Korea
Prior art keywords
refractive power
subjective
power data
eye
predicted
Prior art date
Application number
KR1020197016402A
Other languages
English (en)
Other versions
KR20190076044A (ko
Inventor
아르네 올렌도르프
지그프리트 발
크리스티앙 라이비그
알렉산더 르베
Original Assignee
칼 자이스 비전 인터내셔널 게엠베하
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Family has litigation
First worldwide family litigation filed litigation Critical https://patents.darts-ip.com/?family=57348474&utm_source=google_patent&utm_medium=platform_link&utm_campaign=public_patent_search&patent=KR102072637(B1) "Global patent litigation dataset” by Darts-ip is licensed under a Creative Commons Attribution 4.0 International License.
Application filed by 칼 자이스 비전 인터내셔널 게엠베하 filed Critical 칼 자이스 비전 인터내셔널 게엠베하
Publication of KR20190076044A publication Critical patent/KR20190076044A/ko
Application granted granted Critical
Publication of KR102072637B1 publication Critical patent/KR102072637B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
    • A61B3/0016—Operational features thereof
    • A61B3/0025—Operational features thereof characterised by electronic signal processing, e.g. eye models
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
    • A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
    • A61B3/103—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for determining refraction, e.g. refractometers, skiascopes
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
    • A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
    • A61B3/1015—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for wavefront analysis

Abstract

검사될 안구의 객관적 굴절력 데이터에 기초하여 검사될 안구의 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 확인하기 위한 장치가 제공된다. 장치는 함수(101)에 의해 안구의 객관적 굴절력 데이터로부터 안구의 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 확인하는 계산 장치(10)를 갖는 평가 장치(1)를 포함한다. 함수는 회귀 모델(9) 또는 분류 모델을 트레이닝한 결과인 비선형 다차원 함수(101) 또는 비선형 다차원 함수들의 군이며, 회귀 모델(9) 또는 분류 모델은 트레이닝 데이터 기록에 기초하여 트레이닝(103)되고, 트레이닝 데이터 기록은, 다수의 피검사자에 대해, 각각의 경우 적어도 객관적 굴절력 데이터, 및 할당된 확인된 주관적 굴절력 데이터 또는 할당된 확인된 주관적 교정 값을 포함한다.

Description

예측된 주관적 굴절력 데이터 또는 예측된 교정 값을 확인하기 위한 장치, 및 컴퓨터 프로그램
본 발명은 안구의 측정된 객관적 굴절력(objective refraction) 데이터에 기초하여, 안구에 대한 예측된 주관적 굴절력(subjective refraction) 데이터 또는 예측된 주관적 교정 값을 확인하기 위한 장치에 관한 것이다. 추가적으로, 본 발명은 안구의 측정된 객관적 굴절력 데이터에 기초하여, 안구에 대한 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값의 확인을 가능하게 하는 프로그램 코드를 갖는 컴퓨터 프로그램에 관한 것이다.
굴절력 결정은 (사람의) 안구의 굴절 특성을 결정하는 것과 관련된다. 굴절력 결정의 경우, 주관적 굴절력 결정과 객관적 굴절력 결정을 구별하는 것이 가능하다.
이 경우, 주관적 굴절력 결정을 위한 방법은 사람의 시각적 인지력과 관련하여 피검사자로부터의 (주관적) 피드백을 기반으로 한다. 주관적 굴절력 결정의 일 실시예는, 항상 감소하는 시력 검사표 글자(예를 들어, 숫자 또는 문자) 또는 항상 감소하는 기호를 갖는 시력 검사표에 기초하여 굴절 특성을 결정하는 것이며, 이 경우 피검사자는 사람이 식별할 수 있는 문자와 관련하여 피드백을 제공한다.
통상적으로, 주관적 굴절력 결정은 검사용 안경테와 검사용 렌즈, 또는 수동 또는 디지털 시력 검사기(phoropter)에 의해 그리고 외부 모니터 상에 디스플레이되는 시력 검사표 글자를 사용하여 구현된다. 예를 들어, 시력 검사기는 2016년 10월 13일자의 https://de.wikipedia.org/wiki/Phoropter에 설명되어 있다. 여기서, 피검사자는 시력 검사표 글자를 보고, 안경사 또는 안과 의사는 상이한 교정 굴절력들을 갖는 상이한 검사용 렌즈들을 검사용 안경테 내로 삽입하거나, 시력 검사기가 사용되는 경우 교정 설정을 변경한다. 그 다음, 피검사자는 시력 검사표 글자가 최대한 잘 인식될 수 있게 하는 검사용 렌즈 또는 시력 검사기의 설정과 관련하여 피드백을 제공한다.
여기서, 그 과정에서 사용된 검사용 렌즈 또는 시력 검사기의 상응하는 교정 설정은 각각의 경우 특정한 굴절 이상에 할당되며, 특정한 굴절 이상은 각각의 검사용 렌즈 또는 시력 검사기의 설정에 의해 교정된다. 여기서, 위에서 설명된 주관적 굴절력 결정은 (단안 방식으로) 각각의 안구에 대해 별도로 구현될 수 있거나, 또는 (양안 방식으로) 양쪽 안구에 대해 함께 구현될 수 있다.
객관적 굴절력 결정을 위한 방법 및 장치는 사람의 시각적 인지력과 관련하여 피검사자로부터의 그러한 피드백을 필요로 하지 않는다. 굴절 이상은 직접 측정된 변수들로부터 필요한 경우 계산 준비를 통해 측정된다. 예를 들어, WO 2004/112576 A2는 측정된 파면 수차에 기초하여 시력의 측정치를 결정하기 위한 방법 및 장치를 기술한다. 여기서, 시력의 측정치는 점상 강도 분포 함수(pointspread function)를 사용하여 저차 및 고차의 파면 수차로부터 계산된다. 예를 들어, 객관적 굴절력 결정은 자동굴절검사기, 광굴절검사기(photorefractor), 파면 분석기, 검영기 등을 사용하여 수행된다.
상술한 방법은 실질적으로 고정식이다; 즉, 안경사 또는 안과 의사의 전제에 구속되며, 적절하게 교육을 받은 안경사 또는 안과 의사가 굴절력 결정을 수행하여, 굴절 이상을 결정하고, 필요한 경우, 예를 들어 안경을 처방함으로써 굴절 이상을 적절히 교정할 필요가 있다. 주관적 굴절력, 객관적 굴절력 및 처방 간의 차이에 대한 생생한 설명은 예를 들어, 2016년 10월 21일에 다운로드된 “https://de.wikipedia.org/wiki/Refraktion_(Augenoptik)”에서 수집될 수 있다.
안구의 비정시안(흔히, 안구의 굴절 이상)을 기술하는 데이터는 본 설명의 범위 내에서 굴절력 데이터로서 지칭된다. 여기서, 주관적 굴절력 데이터는 주관적 굴절검사(subjective refraction)에 의해 획득된 데이터이고, 객관적 굴절력 데이터는 객관적 굴절력 결정에 의해 확인된 데이터이다. 주관적 굴절력 데이터 및/또는 객관적 굴절력 데이터는 구면, 원기둥 및 축의 종래의 표기법을 사용하여, 예를 들어 제르니케(Zernike) 계수의 형태로 특정될 수 있으며, 여기서, 굴절력 벡터 표기법(
Figure 112019058342321-pct00001
, J0, J45)을 사용하여, 구면은 구면 굴절값(S)을 나타내고, 원기둥은 원기둥 굴절값(C)을 나타내며, 축은 원기둥 축의 위치(축 배향)를 나타내고, 또는 임의의 다른 적절한 표기법을 사용하여,
Figure 112019058342321-pct00002
는 구면 등가물을 나타내며, J0는 잭슨 교차 원주렌즈의 수평 또는 수직 성분을 나타내고, J45는 수평 또는 수직 성분에 대해 45°또는 135°의 각도로 연장되는 잭슨 교차 원주렌즈의 성분을 나타낸다. 굴절력 벡터 성분
Figure 112019058342321-pct00003
, J0 및 J45는 하기 방정식을 통해 구면, 원기둥 및 축에 대한 S, C 및 α의 값과 관련된다:
Figure 112019058342321-pct00004
.
교정 값은, 예를 들어, 각각 결정된 비정시안에 맞춤화된 안경 렌즈와 같은 교정 수단을 특성화하는 값이며, 구면, 원기둥 및 축의 종래의 표기법에서 적어도 구면의 값(S)을 포함하는 값이다. 비정시안이 난시를 포함하는 경우, 교정 값은 원기둥 및 축에 대한 값(C 및 α)을 더 포함한다. 또한, 교정 값은 예를 들어, 사시(사팔눈)를 교정하기 위한 프리즘과 이의 베이스, 및 노안을 교정하는 가산(근거리 가산) 값과 같은, 추가적인 값을 포함할 수 있다. 객관적 굴절검사 및 주관적 굴절검사의 결과들은 처방된 안경의 교정 값(유의어: 처방, 안경 값, 교정, 처방 값)을 결정하기 위해 독립적으로 또는 조합하여 사용될 수 있다. 객관적 또는 주관적 굴절검사에 의해 획득된 객관적 또는 주관적 굴절력 데이터가 구면, 원기둥 및 축 표기법으로 이용 가능한 경우, 객관적 또는 주관적 굴절력 데이터가 교정 값으로서 직접 사용될 수 있다. 이하에서, 객관적 교정 값은 객관적 굴절력 데이터에 기초하는 교정 값을 의미하고, 주관적 교정 값은 주관적 굴절력 데이터에 기초하는 교정 값을 의미한다.
안구의 객관적 굴절력 데이터의 측정으로부터 안구의 주관적 굴절력 데이터 또는 주관적 교정 값에 관해 설명하기 위한 접근법은 오랜 시간 동안 존재해왔다. 여기서, 저차 및/또는 고차의 수차들, 또는 이들의 조합이 사용될 수 있다.
WO 2013/058725 A1은 안경사 또는 안과 의사가 주관적 굴절력 데이터를 확인하기 위한 출발점으로서 사용할 수 있는 예비적인 주관적 굴절력 데이터가 안구의 파면 수차를 특성화하는 안구의 수차의 객관적 측정의 결과로부터 예측될 수 있음을 개시한다. 여기서, 수차의 객관적 측정으로부터 예비적인 주관적 굴절력 데이터를 확인하는 것은 환산 계수(scaling factor)가 할당된 계수를 갖는 선형 연립방정식을 사용하여 구현되며, 여기서 측정된 안구에 적합한 환산 계수에 대한 값은 알고리즘을 사용하여 확인된다. 그 다음, 예비적인 주관적 굴절력 데이터는 환산 계수에 대한 확인된 값 및 연립방정식에 의해 계산된다.
WO 2008/049503 A2는 안경 렌즈 처방을 확인하기 위한 방법을 기술하며, 객관적 굴절력 데이터, 또는 객관적 굴절력 데이터와 확인된 주관적 굴절력 데이터의 조합으로부터 안경 렌즈 처방이 결정된다.
US 7,357,509 B2는 안구의 파면 수차의 주관적 영향을 예측하는 메트릭을 개시한다. 메트릭은 파면 수차에 따라 좌우되거나, 파면 수차 및 신경 전달 함수에 따라 좌우된다. 특히, US 7,357,509 B2는 신경 대비 민감도(neural contrast sensitivity)를 포함하는 메트릭을 기술한다. 메트릭은 비정시안을 교정하기 위한 예측된 교정 값을 결정하는데 사용될 수 있다.
US 2015/0346512 A1은 마찬가지로 시각적 품질을 나타내는 메트릭에 기초하여 안구의 측정된 수차로부터 안경 렌즈 처방을 확인하기 위한 방법, 즉 비정시안을 교정하기 위한 교정 값을 확인하기 위한 방법을 개시한다. US 2015/0346512 A1에서, 예측된 안경 렌즈 처방에서 난시 교정의 정도를 고려하는 평가 함수를 나타내는 항이 메트릭에 추가된다.
그러나, 비정시안을 교정하기 위한 예측된 교정 값을 계산하기 위해 이전에 사용된 메트릭은 시력의 감각-생리적 인지력을 고려한다는 관점에서 제한된다. 일반적으로, 단지 하나의 생리적 측정 변수(대비 민감도)만이 고려된다. 따라서, 예를 들어, US 7,357,509 B2에 설명된 방법에서, 대비 민감도는 최상의 교정 값을 결정하기 위해 부분적으로 사용된다. 여기서, 예를 들어, 객관적 굴절력 데이터는 간단한 자동굴절검사기 또는 파면 수차계를 사용하여 결정된다. US 7,357,509 B2의 메트릭은 객관적 굴절력 데이터로부터 가능한 최상의 교정 값을 예측하기 위해, 이미징의 광학 및 신경 부분 모두를 모델링하려고 시도한다. 그러나, 특히 대비 민감도는 매우 현저한 개인 차이가 있는 것으로 알려져 있다. 특히, 신경 전달 함수가 고도로 비선형이며 특정 상황에서 기술하기 어렵기 때문에, 획득된 결과는 특정 상황에서 부정확하다. 또한, 개별 CSF(대비 민감도 함수)가 사용되지 않는 경우, 대비 민감도만을 고려하는 것은 물리적-광학적 특성과 감각-생리적 인지력의 조합으로서 시력을 불충분한 정확도로 기술한다.
따라서, 메트릭을 사용하여 안구의 수차의 객관적 측정으로부터 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 계산하기 위한 이전의 솔루션은, 시력 검사기 또는 검사용 안경테를 사용하는 주관적 굴절력 데이터의 실제 확인과 비교하여, 정확성이 불충분하거나/불충분하고 장황하다.
DE 10 2014 226 824 A1은 학습 기반 진단 지원 모델을 제공하기 위한 방법을 기술한다. 이를 위해, 대체로 부정적인 사례 연구들을 나타내는 새로운 또는 확장된 트레이닝 데이터가 수집된다. 그 다음, 트레이닝 실시예를 나타내는 트레이닝 데이터를 통해 진단 시스템을 트레이닝하기 위해 교육용 소프트웨어가 사용된다. 교육용 소프트웨어를 설계하기 위해 소위 신경망이 사용될 수 있다.
WO 2005/079546 A2는 검사될 안구의 주관적 교정 값과 검사될 안구의 객관적 굴절력 데이터 사이의 상관 관계를 확인하기 위한 장치를 개시한다. 상관 관계를 확인하기 위해 신경망에 의해 획득된 통계적 모델이 사용된다.
가장 근접한 종래기술로서 WO 2005/079546 A2와 관련하여, 본 발명의 목적은 객관적 굴절력 데이터에 기초하여 안구에 대한 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 확인하기 위한 유리한 장치를 제공하는 것이며, 상기 장치는 안구의 객관적 굴절력 데이터로부터의 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값의 계산의 신뢰성을 증가시킬 수 있게 한다.
본 발명의 추가적인 목적은 객관적 굴절력 데이터에 기초하여 검사될 안구의 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 확인하기 위한 소프트웨어를 갖는 유리한 컴퓨터 프로그램 제품을 제공하는 것이며, 특히 상기 컴퓨터 프로그램 제품은 안구의 객관적 굴절력 데이터로부터의 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값의 계산의 신뢰성을 증가시킬 수 있게 한다.
제1 목적은 청구항 제1항에 따른 장치에 의해 달성되고, 제2 목적은 청구항 제9항에 따른 컴퓨터 프로그램 제품에 의해 달성된다. 종속 청구항들은 본 발명의 유리한 실시형태를 포함한다.
본 발명에 따른 솔루션은 기계 학습 방법을 사용한다. 할당된 포착된 주관적 굴절력 데이터 또는 할당된 포착된 주관적 교정 값과 함께 객관적 굴절력 데이터의 트레이닝 데이터 기록을 사용함으로써, 비선형 다차원 함수 또는 비선형 다차원 함수들의 군은 바람직하게는 과적합을 방지하기 위해 이에 매칭된 정규화 및 충분히 큰 용량을 갖는 모델에 의해 확인되며, 그 다음 이를 통해 주관적 굴절력 데이터 또는 주관적 교정 값이 객관적 굴절력 데이터로부터 예측된다.
이를 위해, 검사될 안구의 객관적 굴절력 데이터에 기초하여 검사될 안구의 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 확인하기 위한 본 발명에 따른 장치는 평가 장치를 포함하며, 평가 장치는, 안구의 객관적 굴절력 데이터로부터 안구의 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 함수에 의해 계산하는 계산 장치를 포함한다. 본 발명에 따른 장치는, 트레이닝 데이터 기록에 기초하여 트레이닝된 회귀 모델 또는 분류 모델을 트레이닝한 결과인 비선형 다차원 함수 또는 비선형 다차원 함수들의 군인 함수에 의해 구별되며, 트레이닝 데이터 기록은, 다수의 피검사자에 대해, 각각의 경우 적어도 확인된 객관적 굴절력 데이터, 및 주관적 굴절검사에 의해 확인된 할당된 주관적 굴절력 데이터 또는 주관적 굴절검사에 의해 확인된 할당된 주관적 교정 값을 포함한다. 이산형 예측된 주관적 굴절력 데이터 또는 이산형 예측된 주관적 교정 값은 분류 모델의 경우에 획득된다.
특히, 피검사자들은 모집단의 대표적인 단면을 형성하는 사람들의 그룹일 수 있다. 사람들의 더 큰 그룹은 측정된 객관적 굴절력 데이터로부터의 주관적 굴절력 데이터 또는 주관적 교정 값의 더 정확한 예측을 후속적으로 가능하게 한다. 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 확인하기 위한 장치가 특정한 굴절 이상을 교정하는데에만 사용되어야 하는 경우, 모집단의 대표적인 단면을 형성하는 사람들의 그룹 대신에, 해당 굴절 이상을 갖는 사람들의 그룹을 피검사자로서 포함하는 것이 유리하다. 결과적으로, 모집단의 대표적인 단면을 형성하는 피검사자와 비교하여, 피검사자의 수를 감소시키는 것이 가능하며, 굴절 이상은 특정 비율의 사람들에만 존재한다. 그러나, 이 경우 비선형 다차원 함수 또는 비선형 다차원 함수들의 군은 일반적으로 사용될 수 없는 굴절 이상에 특정된 함수이다.
특히, 검사될 안구의 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값의 후속적인 확인이 검사될 안구의 객관적 굴절력 데이터에 기초하여 조절마비(cycloplegic) 방식으로 구현되어야 하는 경우, 피검사자에 대한 측정 또한 마찬가지로 조절마비 방식으로 구현될 수 있다. 여기서, 조절마비 방식은 객관적 굴절력 데이터의 측정 동안에 안구의 적응 능력이 억제된다는 것을 의미한다. 그러나, 피검사자의 수가 충분히 많은 경우, 많은 수의 피검사자는 회귀 모델 또는 분류 모델을 트레이닝할 때 충분한 정확도로 안구의 적응의 영향을 모델링할 수 있게 하기 때문에, 피검사자를 형성하는 사람들의 그룹에서 객관적 굴절력 값의 측정이 조절마비 방식으로 수행되었더라도, 장치를 사용하여, 비-조절마비 방식으로, 즉 안구의 적응을 억제시키지 않으면서, 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 확인하는 것도 가능하다. 물론, 피검사자를 형성하는 사람들의 집단에서 객관적 굴절력 값의 측정을 비-조절마비 방식으로 수행하는 것도 가능하다. 특히, 비선형 다차원 함수 또는 비선형 다차원 함수들의 군은 또한 이들이 비-조절마비 방식으로 측정되는 경우 어린이를 위한 굴절력 데이터를 제공한다. 비선형 다차원 함수 또는 비선형 다차원 함수들의 군으로 획득된 굴절력 결과는 조절마비 하에서 측정된 어린이 경우의 측정치와 유사하다.
2013년 9월 27일자 Enzyklopaedie der Wirtschaftsinformatik - Onine-Lexikon; Heraus. Norbert Gronau, Joerg Becker, Karl Kurbel, Elmar Sinz, Leena Suhl(http://www.enzyklopaedie-der-wirtschaftsinformatik.de)에 따라, 분류 모델은 미리 결정된 클래스로의 요소의 할당을 기술하는 매핑이다. 이 경우, 요소 또는 데이터 객체로서의 객관적 굴절력 데이터를 클래스로서의 주관적 굴절력 데이터에 할당하고, 객관적 굴절력 데이터는 예를 들어, 제르니케 계수의 형태로 제공될 수 있으며, 주관적 굴절력 데이터의 각각의 클래스는 예를 들어, 구면, 원기둥 및 축에 대한 이산 값을 갖는 종래의 표기법으로 제공될 수 있다. 분류 모델에서, 주관적 굴절력 데이터의 클래스들은 구면, 원기둥 및 축에 대한 이산 값들 중 적어도 하나에 있어서 서로 상이하다. 그러나, 구면, 원기둥 및 축에 대한 이산 값에 의해 한정되는 대신에, 주관적 굴절력 데이터의 클래스는 주관적 굴절력을 재현하는 다른 이산형 사양에 의해, 예를 들어 굴절력 벡터 계수의 이산 값에 의해 한정될 수도 있다. 요소 또는 데이터 객체를 미리 결정된 클래스에 할당하는 경우, 이산형 분류 변수들의 클래스 특성, 즉 구체적인 실시예에서 구면, 원기둥 및 축에 대한 이산 값은 데이터 객체의 속성의 특성으로 인해, 즉 구체적인 실시예에서 객관적 굴절력 데이터의 속성으로서 제르니케 계수의 특성으로 인해 발생한다. 분류 모델에 대한 기초는 데이터 풀에 의해, 본 실시예에서 피검사자에 대해 측정된 객관적 및 주관적 굴절력 데이터에 의해 형성되며, 구체적인 실시예에서 객관적 굴절력 데이터에 의해 제공되는 데이터 객체는 미리 결정된 클래스에 각각 할당되고, 즉 구체적인 실시예에서 구면, 원기둥 및 축에 대한 값에 의해 한정된 주관적 굴절력 데이터의 각각의 하나의 클래스에 각각 할당된다. 분류 모델은 데이터 객체가 속하는 클래스(이의 속하는 클래스가 현재까지 알려지지 않은)를 예측하는데 사용되며, 즉 이 경우 환자에 대해 측정된 객관적 굴절력 데이터가 구면, 원기둥 및 축에 대한 값에 의해 한정된 클래스에 속하는 것을 예측하는데 사용된다.
분류 모델과는 대조적으로, 회귀 모델은 복수의 독립 변수를 사용하여 종속적인 연속 변수를 나타낸다. 따라서, 구체적인 실시예에서, 구면, 원기둥 및 축에 대한 이산 값에 의해 한정되는 주관적 굴절력 데이터의 클래스에 객관적 굴절력 데이터가 할당되지 않지만, 각각의 경우 구면, 원기둥 및 축에 대한 연속 값에 의해 한정되는 주관적 굴절력 데이터로의 개별적인 할당이 존재한다. 결과적으로, 회귀 모델은 연관된 독립 변수의 특성에 의해 종속 변수의 알려지지 않은 값을 예측하는데에도 마찬가지로 사용될 수 있다. 분류 모델과의 차이점은 종속 변수의 기수성(cardinality)에 있다. 분류 모델의 경우에 이산 변수가 있는 반면에, 회귀 모델은 연속 변수를 갖는다.
평가 장치는 특히, 객관적으로 확인된 파면 수차의 형태로, 예를 들어 객관적 파면 수차를 특정하는 직교 함수 체계의 계수의 형태로, 예를 들어 제르니케 계수의 형태로, 객관적 굴절력 데이터를 처리하도록 설계될 수 있다. 또한, 평가 장치는 구면, 원기둥 및 축을 통한 종래의 표기법 또는 임의의 다른 적합한 표기법을 사용하여, 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 굴절력 벡터 계수의 형태로 출력하도록 설계될 수 있다.
충분히 높은 성능을 달성하는 모든 접근법은 분류 모델 또는 회귀 모델과 관련하여 조사된다. 예를 들어, 적합한 접근법은 비선형 피처(다항식 피처, 심층망 피처 등)에 대한 선형 회귀, 신경망, 즉 복수의 층을 갖는 인공 신경으로 이루어진 망, 비선형 커널(예를 들어, 방사상 기저 함수 커널)을 통한 지원 벡터 회귀, 결정 트리, 가우스 프로세스, 복수의 회귀자를 갖는 총체(ensembling) 등을 포함한다. 예를 들어, 구면 값과 같은 출력 값을 이산화함으로써 분류 모델로서의 회귀 모델의 재구성은 등가 솔루션을 제공한다. 이로부터 도출되는, 충분히 높은 성능을 달성하는 모든 분류 방법이 조사된다. 안출 가능한 분류 방법의 실시예는, 신경망, 지원 벡터 머신, 최근접 네이버, 선형/2차 판별 분석, 나이브 베이즈(naive Bayes), 결정 트리, 가우스 프로세스, 복수의 분류자의 총체 등을 포함한다. 충분한 용량을 사용하여, 광학 및 신경 부분에 대한 기계적 모델을 인지할 필요 없이, 매핑(객관적 굴절력 → 주관적 굴절력; 광학 및 신경 방식 모두로)을 포착하는 것이 가능하다.
대비 민감도를 측정할 필요가 없기 때문에, 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 확인하는 것은 본 발명에 따른 장치를 사용하여 매우 신속하게 구현될 수 있다. 또한, 본 발명에 따른 장치는, 트레이닝된 회귀 모델 또는 분류 모델에 기인한 비선형 다차원 함수를 사용하여, 또는 트레이닝된 회귀 모델 또는 분류 모델에 기인한 비선형 다차원 함수들의 군을 사용하여, 환자의 객관적 굴절력 데이터로부터 환자에 대한 주관적 굴절력 데이터 또는 주관적 교정 값의 신뢰 가능한 예측을 가능하게 한다.
주관적 굴절력 데이터의 예측 또는 예측된 주관적 교정 값은 특히, 처음에 언급된 바와 같이, 고도로 비선형인 신경 전달 함수를 포함한다. 따라서, 대비 민감도를 사용하여 획득된 결과는 부정확하다; 이것은 그 원인이 신경 전달 함수의 비선형성에서 비롯될 수 있다. 대조적으로, 비선형 다차원 함수의 사용은 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값의 신뢰 가능하고 정확한 계산을 가능하게 한다. 여기서, 트레이닝된 모델, 즉 이에 기인하는 비선형 다차원 함수 또는 비선형 다차원 함수들의 군은 측정 모집단에 걸쳐서, 즉 트레이닝 데이터 기록으로 나타낸 피검사자를 형성하는 사람들의 그룹에 걸쳐서 재현 가능한 모든 광학 및 신경 기여를 포착한다. 비선형 함수 또는 비선형 함수들의 군을 사용함으로써, 주관적 굴절력 데이터 또는 주관적 교정 값을 계산할 때 고도로 비선형인 신경 전달 함수가 특히 완전히 고려될 수 있다.
또한, 비선형 함수 또는 비선형 함수들의 군의 다차원 특성은 객관적 굴절력 값으로부터 주관적 굴절력 값 또는 주관적 교정 값을 계산할 때 복수의 변수에 걸쳐서 복수의 광학 수차가 고려될 수 있게 한다. 더 많은 변수가 존재할수록, 즉 비선형 함수 또는 비선형 함수들의 군의 차원이 더 높을수록, 더 많은 수차가 고려될 수 있다. 객관적 굴절력 데이터가 제르니케 계수의 형태로 제공되는 경우, 예를 들어, 차원은 고려된 제르니케 계수의 수에 해당한다. 객관적 굴절력 데이터로부터 충분히 정확한 주관적 교정 값을 계산하기 위해, 적어도 3개의 변수, 즉 예를 들어 적어도 3개의 제르니케 계수가 존재해야 한다; 즉, 적어도 3차원 비선형 함수 또는 3차원 비선형 함수들의 군이 존재해야 한다. 그러나, 바람직하게는, 적어도 10개의 변수, 즉, 예를 들어 적어도 10개의 제르니케 계수가 존재해야 한다; 즉, 적어도 10차원 비선형 함수 또는 10차원 비선형 함수들의 군이 존재해야 한다. 변수의 수, 즉 예를 들어, 사용된 제르니케 계수의 수가 30개 내지 50개 범위에 있는 경우 특히 유리한데, 이는 그 경우 광학 수차의 매우 정확한 모델링이 가능하기 때문이다.
본 발명에 따른 장치에 의해 이용 가능한 시각에 대한 물리적-광학적 특성 및 감각-생리적 인지력의 개선된 고려사항의 결과로서, 예를 들어 암소시 또는 박명시와 같은 상이한 시각적 요건에 대한 특정 교정 값을 예측하는 것도 가능하다. 예를 들어, 이는 회귀 모듈을 트레이닝하는 경우 사용되는 트레이닝 데이터 기록에 의해 구현될 수 있으며, 트레이닝 데이터 기록에는 더 큰 동공에 대한 객관적 굴절력 데이터가 존재하고, 주관적 굴절검사에 의해 확인된 주관적 굴절력 데이터 또는 주관적 굴절검사에 의해 확인된 주관적 교정 값은 특정 교정(예를 들어, 야간 조건)에 필요한 그러한 주관적 굴절력 데이터 또는 주관적 교정 값을 포함한다. 이를 위해, 평가 장치는 또한 특히 검사될 안구의 동공 직경 데이터를 고려할 수 있다.
평가 장치는 유리한 구성의 회귀 모델 또는 분류 모델을 포함한다. 또한, 이는 트레이닝 모듈을 포함하며, 이에 의해 회귀 모델 또는 분류 모델은 트레이닝 데이터 기록에 기초하여 트레이닝 가능하고, 트레이닝 데이터 기록은, 비선형 다차원 함수 또는 다차원 함수들의 군을 획득하기 위한 목적으로, 다수의 피검사자에 대해, 각각의 경우 확인된 객관적 굴절력 데이터, 및 주관적 굴절검사에 의해 확인된 할당된 주관적 굴절력 데이터 또는 주관적 굴절검사에 의해 확인된 할당된 주관적 교정 값을 포함한다. 특히, 이는 다차원 함수 또는 다차원 함수들의 군을 추가로 최적화할 수 있거나, 평가 장치가 트레이닝 데이터 기록을 수신 또는 입력하기 위한 트레이닝 모듈에 연결된 입력 인터페이스를 포함하는 경우, 필요한 특정 요건에 이들을 적응시킬 수 있다. 그 다음, 회귀 모델의 추가적인 트레이닝은 수신된 트레이닝 데이터 기록을 사용하여 구현될 수 있다.
추가적인 유리한 구성예에서, 평가 장치는 트레이닝할 때 과적합을 방지하기 위해 회귀 모델 또는 분류 모델에 매칭되는 정규화 장치를 포함한다. 과적합은 주관적 굴절검사에 의해 확인된 주관적 굴절력 데이터 또는 주관적 굴절검사에 의해 확인된 주관적 교정 값과 객관적 굴절력 데이터 사이의 근본적인 통계적 관계보다는, 통계적 변동에 비선형 다차원 함수 또는 비선형 다차원 함수들의 군이 적합해지게 할 것이다. 이를 방지하기 위해, 정규화 장치가 정규화를 수행한다; 즉, 이는 트레이닝에 추가적인 정보를 도입하여, 이를 통해 비선형 다차원 함수 또는 비선형 다차원 함수들의 군이 통계적 변동에 적합해지는 것이 억제된다.
평가 장치와 더불어, 본 발명에 따른 장치는 또한 검사될 안구의 객관적 굴절력 데이터를 결정 및 제공하기 위한 굴절력 측정 장치를 포함할 수 있다. 여기서, 굴절력 측정 장치는 객관적 굴절력 데이터를 출력하기 위한 출력 인터페이스를 포함할 수 있으며, 상기 출력 인터페이스는 객관적 굴절력 데이터를 수신하기 위한 평가 장치의 대응하는 입력 인터페이스에 연결된다. 객관적 굴절력 데이터를 결정하기 위한 목적으로, 굴절력 측정 장치는 자동 굴절검사, 광 굴절검사와 같은 방법, 및 파면 수차계 또는 다른 객관적 굴절기를 기반으로 할 수 있다.
본 발명에 따른 장치의 범위 내에서, 비선형 다차원 함수 또는 비선형 다차원 함수들의 군은 또한 안구의 동공 직경 및 안구의 객관적 굴절력 데이터로부터 안구의 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 계산하도록 구성될 수 있으며, 각각의 경우 트레이닝 목적으로 사용되는 트레이닝 데이터 기록은 또한 각각의 피검사자에 대한 포착된 동공 직경을 포함한다. 또한 이 경우, 본 발명에 따른 장치가 검사될 안구의 동공 직경을 결정하기 위한 동공 직경 측정 장치를 포함하는 것은 선택사항이다. 여기서, 동공 직경 측정 장치는 측정된 동공 직경을 나타내는 동공 직경 데이터를 생성하도록 구현될 수 있고, 동공 직경 데이터를 출력하기 위한 출력 인터페이스를 포함할 수 있으며, 상기 출력 인터페이스는 동공 직경 데이터를 수신하기 위한 평가 장치의 대응하는 입력 인터페이스에 연결된다.
본 발명에 따른 장치는 특히, 굴절력을 측정하기 위한 모듈을 포함하는 광학 관측 기기에 통합될 수 있다. 예를 들어, 이러한 광학 관측 기기는 자동굴절검사기, 수차계, 현미경, 수술용 현미경, 망원경, 쌍안경 등일 수 있다.
또한, 본 발명은 안구의 객관적 굴절력 데이터에 기초하여 안구의 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 확인하기 위한 프로그램 코드를 갖는 컴퓨터 프로그램 제품을 제공한다. 여기서, 컴퓨터 프로그램 제품은 적합한 매체에 저장 및/또는 적합한 매체로부터 호출 가능한 프로그램 코드를 의미하는 것으로 이해되어야 한다. 예를 들어, DVD, USB 스틱, 플래시 카드 등과 같은 소프트웨어를 저장하기에 적합한 임의의 매체가 프로그램 코드를 저장하는데 사용될 수 있다. 예를 들어, 프로그램 코드는 인터넷 또는 인트라넷을 통해 또는 임의의 다른 적합한 무선 또는 유선 네트워크를 통해 호출될 수 있다.
본 발명에 따른 컴퓨터 프로그램 제품의 프로그램 코드는, 상기 컴퓨터 프로그램 제품이 컴퓨터에 로딩될 때 및/또는 컴퓨터에서 실행될 때, 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값의 확인이 후속하는 방법 단계들에 의해 구현되는 방식으로 설계되며, 후속하는 방법 단계들은 구체적으로,
- 객관적 굴절력 데이터를 제공하는 단계;
- 회귀 모델 또는 분류 모델을 트레이닝한 결과인 비선형 다차원 함수 또는 비선형 다차원 함수들의 군에 기초하여 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 계산하는 단계로서, 회귀 모델 또는 분류 모델은 트레이닝 데이터 기록에 기초하여 트레이닝되고, 트레이닝 데이터 기록은, 다수의 피검사자에 대해, 각각의 경우 적어도 확인된 객관적 굴절력 데이터, 및 주관적 굴절검사에 의해 확인된 할당된 주관적 굴절력 데이터 또는 주관적 굴절검사에 의해 확인된 할당된 주관적 교정 값을 포함하는, 단계; 및
- 안구의 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 출력하는 단계이다.
여기서, 프로그램 코드는 회귀 모델 또는 분류 모델, 및 트레이닝 데이터 기록에 기초하여 회귀 모델 또는 분류 모델을 트레이닝하는 선택적인 방법 단계를 포함할 수 있다.
프로그램 코드는 특히, 객관적으로 확인된 파면 수차의 형태로, 예를 들어 객관적 파면 수차를 특정하는 직교 함수 체계의 계수의 형태로, 예를 들어 제르니케 계수의 형태로, 객관적 굴절력 데이터를 수신하도록 설계될 수 있다. 또한, 이는 구면, 원기둥 및 축을 통한 종래의 표기법을 사용하여, 또는 임의의 다른 적합한 표기법으로, 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 굴절력 벡터 계수의 형태로 출력하도록 설계될 수 있다.
회귀 모델을 트레이닝할 때 과적합을 방지하기 위해, 프로그램 코드는 회귀 모델 또는 분류 모델에 매칭되는 정규화를 더 포함할 수 있다. 달리 표현하면, 프로그램 코드는 트레이닝 동안에, 주관적 굴절검사에 의해 확인된 주관적 굴절력 데이터 또는 주관적 굴절검사에 의해 확인된 주관적 교정 값과 객관적 굴절력 데이터 사이의 근본적인 통계적 관계가 아니라, 통계적 변동에 비선형 다차원 함수 또는 비선형 다차원 함수들의 군을 적합시키는 것을 억제하는 추가적 정보를 트레이닝에 도입한다.
프로그램 코드는, 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 계산하는 방법 단계에서, 안구의 객관적 굴절력 데이터와 더불어, 안구의 동공 직경이 또한 고려되는 방식으로 구성될 수 있다. 그 다음, 회귀 모델 또는 분류 모델을 트레이닝하는데 사용되는 트레이닝 데이터 기록은 각각의 피검사자에 대한 포착된 동공 직경을 각각 더 포함한다.
컴퓨터 프로그램 제품은 본 발명에 따른 장치가 상업적으로 입수 가능한 컴퓨터를 사용하여 실현될 수 있게 한다. 따라서, 본 발명에 따른 장치의 이점은 달성 가능한 이점에 대하여 언급된다.
본 발명의 추가적인 특징, 특성 및 이점은 첨부된 도면을 참조하여 예시적인 실시형태의 이하의 설명으로부터 명백해질 것이다.
도 1은 주관적 굴절력 데이터를 확인하기 위한 장치를 블록도의 형태로 도시한다.
도 2는 검사될 안구의 측정된 객관적 굴절력 데이터에 기초하여 검사될 안구의 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 확인하는 개략도를 도시한다.
검사될 안구의 확인된 객관적 굴절력 데이터에 기초하여 검사될 안구의 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 확인하기 위한 본 발명에 따른 장치의 예시적인 실시형태가 도 1을 참조하여 아래에서 설명된다. 도면은 평가 장치(1)를 도시하며, 본 예시적인 실시형태에서 평가 장치(1)에 연결된 굴절력 측정 장치(2) 및 동공 직경 측정 장치(3)가 선택적으로 부가된다.
평가 장치(1)는 객관적 굴절력 데이터를 수신하기 위한 입력 인터페이스(4)를 포함하며, 상기 입력 인터페이스는 본 예시적인 실시형태에서 굴절력 측정 장치(2)의 출력 인터페이스(5)에 연결된다. 굴절력 측정 장치(2)는 출력 인터페이스(5)를 통해 객관적 굴절력 데이터를 출력하고, 상기 객관적 굴절력 데이터는 안구에 대해 측정된 객관적 굴절력 데이터를 나타낸다. 본 예시적인 실시형태에서 객관적 굴절력 데이터를 확인하기 위한 목적으로 파면 수차계가 사용된다. 그러나, 대안적으로 자동 굴절검사 또는 광 굴절검사를 기반으로 하는 굴절력 측정 장치를 사용할 수도 있다. 그러나, 입력 인터페이스(4)는 또한 굴절력 측정 장치(2) 대신에, 예를 들어 USB 스틱, CD, DVD 또는 메모리 카드와 같은 데이터 저장 장치로부터 객관적 굴절력 데이터를 수신할 수도 있다. 마찬가지로, 예를 들어 인터넷 또는 인트라넷과 같은 네트워크로부터 객관적 굴절력 데이터를 획득하는 것도 가능하다.
또한, 평가 장치(1)는 예를 들어, 굴절력 측정 장치(2)에 통합될 수도 있는 동공 직경 측정 장치(3)의 출력 인터페이스(7)에 연결된 추가적인 입력 인터페이스(6)를 포함한다. 입력 인터페이스(6)는 동공 직경 측정 장치에 의해 출력 인터페이스(7)를 통해 출력되는 동공 직경 데이터를 수신하고, 동공 직경 데이터는 안구의 측정된 동공 직경을 나타낸다. 이 경우에도, 입력 인터페이스(6)는 동공 직경 측정 장치(3)가 아니라, 예를 들어 USB 스틱, CD, DVD 또는 메모리 카드와 같은 데이터 저장 장치로부터 동공 직경 데이터를 수신할 수 있다. 또 다시 마찬가지로, 예를 들어 인터넷 또는 인트라넷과 같은 네트워크로부터 동공 직경 데이터를 획득하는 것도 가능하다.
또한, 본 예시적인 실시형태의 평가 장치(1)는 선택적인 추가적 입력 인터페이스(8)를 포함하며, 이에 의해 필요한 경우 트레이닝 데이터 기록이 평가 장치(1)로 입력될 수 있다. 이러한 트레이닝 데이터 기록의 의미는 아래에 설명된다. 트레이닝 데이터 기록도 예를 들어 USB 스틱, CD, DVD 또는 메모리 카드와 같은 데이터 저장 장치로부터, 또는 예를 들어 인터넷 또는 인트라넷과 같은 네트워크로부터 획득될 수 있다.
추가적인 구성 요소로서, 본 예시적인 실시형태의 평가 장치(1)는 회귀 모델(9), 계산 장치(10), 회귀 모델(9)을 트레이닝하기 위한 트레이닝 모듈(12), 및 출력 인터페이스(11)를 포함한다. 본 예시적인 실시형태에서, 트레이닝 모듈(12)은 회귀 모델(9)의 트레이닝 동안 과적합을 방지하기 위한 정규화 장치(13)를 더 포함한다.
계산 장치(10)는 객관적 굴절력 데이터(4)를 수신하는 목적을 위한 입력 인터페이스에 연결되고 회귀 모델(9)에 연결된다. 수신된 객관적 굴절력 데이터에 기초하여, 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값이 계산 장치(10)에서 계산된다. 그 다음, 계산 결과는 출력 인터페이스(11)를 통해 출력된다.
예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 계산하는 것은 도 2에 도시된 블록도를 참조하여 설명된다. 본 예시적인 실시형태에서, 계산은 회귀 모델(9)을 트레이닝함으로써 획득되었거나 획득되는 비선형 다차원 함수(블록 101)에 기초하여 구현된다. 그러나, 해당 회귀 모델(9)을 트레이닝함으로써 획득된 비선형 다차원 함수들의 군에 기초하여 계산을 수행하는 것도 가능하다. 회귀 모델(9)을 트레이닝하기 위한 목적으로, 본 예시적인 실시형태에서 트레이닝 데이터 기록(8)을 위한 입력 인터페이스를 통해 트레이닝 데이터가 판독되며(블록 102), 상기 트레이닝 데이터는 측정 모집단에 대해 확인된 객관적 굴절력 데이터, 및 주관적 굴절검사에 의해 확인된 할당된 주관적 굴절력 데이터 또는 주관적 굴절검사에 의해 확인된 할당된 주관적 교정 값을 포함한다. 여기서, 확인된 객관적 굴절력 데이터, 및 주관적 굴절검사에 의해 확인된 주관적 굴절력 데이터 또는 주관적 굴절검사에 의해 확인된 주관적 교정 값은, 측정 모집단의 각각의 사람에 대해, 확인된 객관적 굴절력 데이터 기록, 및 이러한 객관적 굴절력 데이터 기록에 할당되고 주관적 굴절검사에 의해 확인된 주관적 굴절력 데이터 기록, 및/또는 이러한 객관적 굴절력 데이터 기록에 할당되고 주관적 굴절검사에 의해 확인된 주관적 교정 값 기록을 포함한다.
본 예시적인 실시형태에서, 확인된 객관적 굴절력 데이터는 제르니케 계수의 형태로 이용 가능하며, 확인된 주관적 굴절력 데이터 또는 확인된 주관적 교정 값은 DIN EN ISO 13666-213에 따른 구면, 원기둥 및 축 표기법으로 이용 가능하다. 또한, 본 예시적인 실시형태의 트레이닝 데이터는 측정 모집단의 각각의 사람에 대해, 객관적 굴절력 데이터에 할당되는 측정된 동공 직경에 관한 데이터를 더 포함한다. 따라서, 트레이닝 데이터는 다수의 트레이닝 데이터 기록, 대체로, 많은 수의 트레이닝 데이터 기록을 포함하며, 그 각각은 피검사자에 대해 확인된 객관적 굴절력 데이터, 확인된 동공 직경, 및 주관적 굴절검사에 의해 확인된 주관적 굴절력 데이터 또는 주관적 굴절검사에 의해 확인된 주관적 교정 값을 나타낸다.
본 예시적인 실시형태에서, 트레이닝(블록 103)은 심층 신경망(DNN)을 사용하여 구현되며, 이를 통해 한편으로는 객관적 굴절력 데이터에 기초하여 회귀 모델에 의해 예측된 주관적 굴절력 데이터 또는 주관적 교정 값과 다른 한편으로는 이러한 객관적 굴절력 데이터에 대해 주관적 굴절검사에 의해 확인된 주관적 굴절력 데이터 또는 주관적 굴절검사에 의해 확인된 주관적 교정 값 사이의 평균 제곱 편차가 최소화된다. 이를 위해, 단일의 선형 초기 유닛을 갖는 소형 다층 피드포워드 네트워크가 이 경우에 사용된다. 네트워크는, He, K. 등의 "정류기에 대한 심층 탐구: ImageNet 분류를 통한 인간 레벨 성능의 초월", 2015년, 컴퓨터 비전에 관한 국제 회의(http://doi.org/10.1109/ICCV.2015.123)에서 설명된 바와 같은, 정류기를 위한 파라메트릭 비선형성, 및 128개 그리고 37개의 은닉 유닛을 각각 갖는 2개의 은닉층을 갖는다. 초기 가중치는 0의 평균값 및
Figure 112019058342321-pct00005
의 표준 편차를 갖는 가우스 함수에 의해 구해지며, 여기서 n은 입력 연결의 수를 나타낸다. 이러한 방법은 He 등에서도 마찬가지로 설명된다. 원칙적으로, 네트워크 아키텍처의 전개, 즉 층의 수, 뉴런의 수 및 비선형성의 유형의 전개는 변형 가능하다. 변형의 강도에 따라, 이는 성능(평균 제곱 오차, 비용 함수 등)에 영향을 줄 수 있다. 마찬가지로, 네트워크 파라미터에 대한 대안적인 초기화가 또한 안출 가능하다. 모든 데이터는 트레이닝 데이터 기록을 통해 계산된 각각의 피처 차원의 평균값의 감산에 의해 사전 처리된다. 예를 들어, 0.001의 학습 레이트를 갖는 RMSprop은 예측된 주관적 굴절력 데이터 또는 교정 값과 트레이닝 데이터 기록에 포함되는 주관적 굴절검사에 의해 확인된 주관적 굴절력 데이터 또는 교정 값 사이의 평균 제곱 편차를 최소화하기 위해 네트워크의 트레이닝에 사용될 수 있다. 이러한 방법은 http://www.cs.toronto.edu/~tijmen/csc321/slides/lecture_slides_lec6.pdf로부터 입수 가능한 Hinton 등의 "기계 학습을 위한 신경망, 강의 6"에 설명되어 있다. 과적합을 방지하기 위해, 람다 = 0.02를 갖는 L2 정규화에 의한 네트워크에서의 작은 가중치가 본 실시예에서 바람직하다.
DNN을 통한 트레이닝의 대안으로서, 다항식 피처들에 대한 탄력망에 의해 트레이닝을 수행할 가능성이 있다. 이를 위해, 예를 들어, 선형 회귀는 설정된 기저 함수들에 대한 L1(래소우(lasso)) 및 L2(리지(ridge)) 정규화(탄력망)의 조합으로 수행된다. 여기서, 기저 함수는 2차를 포함하는 그리고 2차까지의 피처들의 다항식 조합에 의해 주어진다. 래소우 및 리지의 상대적 분포(ρ) 및 정규화의 전체 강도(α)를 제어하는 하이퍼파라미터(hyperparameter)는 트레이닝 데이터 기록에 대한 교차 검증을 통해 설정될 수 있다.
추가적인 대안으로서, 방사상 기저 함수 커널을 통한 지원 벡터 회귀에 기초하여 트레이닝을 수행하는 선택사항이 있다. 지원 벡터 회귀의 경우, 비선형성은 방사상 기저 함수 커널을 사용함으로써 달성될 수 있다. 그 다음, 하이퍼파라미터의 최적화는 트레이닝 데이터에 대한 교차 검증에 의해 수행될 수 있다. C 및 ε의 값에 대한 제안은 Kaneko 등의 "고도의 예측 능력을 가진 지원 벡터 회귀 모델을 위한 하이퍼파라미터의 고속 최적화", Chemometrics and Intelligent Laboratory Systems, 142, 64~69 페이지에 포함되어 있다.
전술한 방법은 10배 교차 검증이 수행됨으로써 테스트된다. 즉, 주관적 굴절력 데이터 또는 교정 값의 각각의 조합에 대해, 그리고 트레이닝을 위한 전술한 3가지 접근법 각각에 대해, 데이터 기록에 기초하여 10개의 모델이 테스트되며, 데이터 기록의 90%가 트레이닝 데이터로서 사용되고, 나머지 10%는 객관적 굴절력 데이터로부터의 예측된 주관적 굴절력 데이터 또는 교정 값의 확인의 정확성을 체크하는데 사용된다. 기계 학습 및 체크를 위한 모든 3가지 방법은 Python 2.7에서 구현된다. 신경망 부분을 위해 심층 학습 라이브러리 "keras"가 사용된다; 탄력망 및 지원 벡터 회귀를 위해 "scikit-학습"이 사용된다.
따라서, 다시 도 2를 참조하면, 전술한 방법들 중 하나를 사용하여, 본 예시적인 실시형태에서 DNN을 사용하여, 트레이닝 데이터가 판독되고(블록 102) 트레이닝된다(블록 103). 그 다음, 트레이닝의 결과는 다차원 비선형 함수(블록 101)이며, 이는 궁극적으로 객관적 굴절력 데이터로부터 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 계산하는데 사용된다(블록 104).
여기서, 비선형 다차원 함수를 획득하는 목적을 위한 회귀 모델의 트레이닝은, 객관적 굴절력 데이터로부터의 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값의 후속적인 계산에서 이러한 단계가 다시 수행될 필요가 없도록 사전에 수행될 수 있다는 점을 유의해야 한다(블록 104). 그 다음, 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 계산하는 단계는 객관적 굴절력 데이터의 판독(블록 105)만을 필요로 하고, 비선형 다차원 함수가 동공 직경이 고려될 수 있게 하는 경우, 동공 직경 데이터의 판독(블록 106)을 필요로 한다. 회귀 모델의 트레이닝(블록 103)은 사전에 한 번만 수행될 필요가 있기 때문에, 객관적 굴절력 데이터 및 선택적으로 동공 직경 데이터(블록 104)로부터의 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값의 계산이 수행될 수 있는 속도는 계산이 구현될 수 있는 속도, 및 이에 따른 장치의 계산 능력에 의해서만 제한된다.
최종적으로, 계산된 예측된 주관적 굴절력 데이터 또는 계산된 예측된 주관적 교정 값이 출력된다(블록 107). 그 다음, 이러한 데이터에 기초하여 안경, 콘택트 렌즈, 안내 렌즈, 굴절교정 수술 등을 위한 처방이 생성될 수 있다. 마찬가지로 출력 데이터에 기초하여 수술에 의해 안구의 굴절 교정을 수행하는 것이 가능하다.
대체로, 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 확인하기 위한 장치가 실제로 사용되기 전에 회귀 모델(9)의 트레이닝(블록 103)이 구현되더라도, 회귀 모델(9)을 추가로 트레이닝할 수 있는 선택사항이 있는 경우 유리할 수 있다. 예를 들어, 추가적인 트레이닝 데이터 기록이 존재하는 경우, 비선형 다차원 함수를 확인하기 위한 기초가 확대될 수 있으므로, 그 결과 객관적 굴절력 데이터로부터 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 확인할 때 신뢰성을 추가로 향상시키는 것이 가능하다. 또한, 예를 들어 다양한 모집단에서의 개인 차이 또는 지역적 차이를 고려하기 위해, 추가적인 데이터 기록이 사용될 수 있다. 또한, 장치의 사용 분야를 확장하는 것이 가능하다. 예를 들어, 원래의 트레이닝 데이터가 동공 직경 데이터를 포함하지 않고 이에 따라 트레이닝된 비선형 다차원 함수가 동공 직경을 고려할 수 없는 경우, 장치를 새로운 사용 분야에 적응시키기 위해, 예를 들어 암소시 또는 박명시의 경우 예측된 주관적 굴절력 데이터 또는 예측된 교정 값을 확인하는 것에 장치를 적응시키기 위해, 동공 직경 데이터를 더 포함하는 트레이닝 데이터 기록을 사용하는 갱신된 트레이닝을 통해 갱신된 트레이닝을 수행하는 것이 가능하다.
예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 확인하기 위한 장치의 평가 장치(1)는 이를 위해 특별히 생성된 기기로서 실현될 수 있다. 그러나, 상업적으로 입수 가능한 컴퓨터를 사용하여 평가 장치(1)를 실현하는 것도 가능하다. 이 경우, 입력 및 출력 인터페이스(4, 6, 8, 11)는 데이터 인터페이스로서 실현되고, 회귀 모델(9) 및 계산 장치(10)는 프로그램 코드에 의해 표현될 수 있는 소프트웨어 모듈의 형태로 이용 가능하다. 그 다음, 프로그램 코드는 저장 매체에 컴퓨터 프로그램 제품으로서 저장될 수 있거나 네트워크로부터 컴퓨터 프로그램 제품으로서 호출 가능할 수 있다.
객관적 굴절력 값에 기초하여 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 확인하기 위한 본 발명에 따른 장치는 광학 장치에 통합될 수 있으며, 광학 장치는 객관적 굴절력 값을 측정한 다음, 계산된 예측된 주관적 굴절력 데이터에 기초하여 교정을 수행한다. 그 다음, 교정은 수동으로 또는 자동으로, 한 번 또는 반복적으로 또는 연속적으로 구현될 수 있으며, 특히 실시간으로 구현될 수 있다. 예를 들어, 이러한 장치는 굴절계, 현미경, 수술용 현미경, 망원경, 쌍안경, 스마트 글래스, 주관적 굴절검사 장치 등일 수 있다. 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 확인하기 위한 장치가 통합되는 광학 기기에 따라, 평가 장치는 그 자체로 또는 굴절력 측정 장치 및/또는 동공 직경 측정 장치와 조합하여 기기 내로 통합된다. 예를 들어, 광학 장치가 굴절계인 경우, 평가 장치 및 선택적으로 동공 직경 측정 장치만이 굴절계 내로 통합된다. 대조적으로, 광학 장치가 수술용 현미경인 경우, 굴절력 측정 장치가 수술용 현미경 내로 추가로 통합될 수도 있다. 이는 굴절력 측정 장치를 포함하지 않는 다른 광학 기기에도 동일하게 적용된다.
본 발명에 따른 장치가 수술용 현미경 내로 통합되는 경우, 이는 계산된 예측된 주관적 굴절력 데이터에 기초하여, 예를 들어 안내 렌즈(IOL)를 삽입하는 경우, 환자에 대해 수술 중 객관적 측정을 수행하고 수술 결과 또는 궁극적으로 달성된 굴절력에 대한 평가를 예측하는 선택사항을 제공한다.
특히, 굴절력은 모바일 또는 휴대용 기기의 경우에도 측정될 수 있다. 여기서, 스마트폰 또는 검사 기기가 유력하게 고려되어야 한다. 컴퓨터 프로그램 제품의 형태로, 구체적으로는 앱의 형태로 본 발명을 구현하는 것은 스마트폰의 경우에 적합하며, 상기 컴퓨터 프로그램 제품을 스마트폰에 로딩하는 것이 가능하다.
본 발명은 설명의 목적을 위해 예시적인 실시형태에 기초하여 상세히 설명되었다. 그러나, 당업자는 예시적인 실시형태로부터 벗어나는 것이 가능하다는 것을 인식할 것이다. 따라서, 예를 들어, 파면 수차를 특성화하는 다른 변수 또는 다른 다항식을 기반으로 하는 계수가 객관적 굴절력 데이터를 기술할 목적으로 제르니케 계수 대신에 사용될 수 있다. 예를 들어, 베셀 다항식, 야코비 다항식, 르장드르 다항식 또는 다른 직교 다항식을 기반으로 하는 계수를 사용하는 것이 안출 가능하다. 스플라인 또는 다른 다항식에 의한 객관적 굴절력 데이터의 수학적 기술도 안출 가능하다. 입력 데이터의 대안적인 수학적 기술과 유사한 방식으로, 회귀 또는 분류 모델의 대안적인 공식화를 사용하는 것도 가능하다. 특히, 주어진 특정 모델에 대해, 등가 솔루션으로 이어지는 대안적인 하이퍼파라미터도 특정 한도 내에서 흔히 가능하다. 따라서, 본 발명은 설명된 예시적인 실시형태에 한정되도록 의도된 것이 아니라, 오히려 첨부된 청구범위에 의해서만 한정되도록 의도된다.
1: 평가 장치
2: 굴절력 측정 장치
3: 동공 직경 측정 장치
4: 입력 인터페이스
5: 출력 인터페이스
6: 입력 인터페이스
7: 출력 인터페이스
8: 입력 인터페이스
9: 회귀 모델
10: 계산 장치
11: 출력 인터페이스
12: 트레이닝 모듈
13: 정규화 장치
101: 비선형 다차원 함수
102: 트레이닝 데이터 기록을 판독
103: 회귀 모듈을 트레이닝
104: 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 계산
105: 객관적 굴절력 데이터를 판독
106: 동공 직경 데이터를 판독
107: 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 출력

Claims (16)

  1. 검사될 안구의 객관적 굴절력 데이터에 기초하여, 검사될 안구의 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 확인하기 위한 장치로서,
    상기 장치는, 상기 안구의 상기 객관적 굴절력 데이터로부터 함수(101)에 의해 상기 안구의 상기 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 계산하는 계산 장치(10)를 포함하는 평가 장치(1)를 포함하며,
    상기 함수는 회귀 모델(9) 또는 분류 모델을 트레이닝한 결과이고, 상기 회귀 모델(9) 또는 분류 모델은 트레이닝 데이터 기록에 기초하여 트레이닝(103)되며, 상기 트레이닝 데이터 기록은, 다수의 피검사자에 대해, 각각의 경우 적어도 확인된 객관적 굴절력 데이터, 및 주관적 굴절검사에 의해 확인된 할당된 주관적 굴절력 데이터 또는 주관적 굴절검사에 의해 확인된 할당된 주관적 교정 값을 포함하고,
    - 상기 함수는 비선형 다차원 함수(101) 또는 비선형 다차원 함수들의 군인,
    검사될 안구의 객관적 굴절력 데이터에 기초하여, 검사될 안구의 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 확인하기 위한 장치.
  2. 제1항에 있어서,
    상기 비선형 다차원 함수(101) 또는 상기 비선형 다차원 함수들의 군은 적어도 하나의 3차원 비선형 함수 또는 3차원 비선형 함수들의 군인, 장치.
  3. 제2항에 있어서,
    상기 비선형 다차원 함수(101) 또는 상기 비선형 다차원 함수들의 군은 적어도 하나의 10차원 비선형 함수 또는 10차원 비선형 함수들의 군인, 장치.
  4. 제1항 내지 제3항 중 어느 한 항에 있어서,
    상기 평가 장치(1)는 상기 회귀 모델(9) 또는 분류 모델을 포함하고 트레이닝 모듈(12)을 더 포함하며, 이에 의해 상기 회귀 모델(9) 또는 분류 모델은 트레이닝 데이터 기록에 기초하여 트레이닝 가능하고, 상기 트레이닝 데이터 기록은, 상기 비선형 다차원 함수(101) 또는 상기 비선형 다차원 함수들의 군을 획득하는 목적을 위해, 다수의 피검사자에 대해, 각각의 경우 확인된 객관적 굴절력 데이터, 및 주관적 굴절검사에 의해 확인된 할당된 주관적 굴절력 데이터 또는 주관적 굴절검사에 의해 확인된 할당된 주관적 교정 값을 포함하는, 장치.
  5. 제4항에 있어서,
    상기 트레이닝 모듈(12)은 상기 회귀 모델(9) 또는 분류 모델에 매칭되는 정규화 장치(13)를 더 포함하는, 장치.
  6. 제4항에 있어서,
    상기 장치는 트레이닝 데이터 기록을 수신 또는 입력하기 위해, 상기 트레이닝 모듈(12)에 연결된 입력 인터페이스(8)를 더 포함하는, 장치.
  7. 제1항 내지 제3항 중 어느 한 항에 있어서,
    상기 평가 장치(1)는 검사될 상기 안구의 상기 객관적 굴절력 데이터를 결정 및 제공하기 위한 굴절력 측정 장치(2)를 더 포함하는, 장치.
  8. 제1항 내지 제3항 중 어느 한 항에 있어서,
    상기 비선형 다차원 함수(101) 또는 상기 비선형 다차원 함수들의 군은 상기 안구의 동공 직경 및 상기 안구의 상기 객관적 굴절력 데이터로부터 상기 안구의 상기 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 계산하도록 구성되며, 각각의 경우 트레이닝 목적을 위해 사용되는 상기 트레이닝 데이터 기록은 각각의 피검사자에 대한 포착된 동공 직경을 더 포함하는, 장치.
  9. 제8항에 있어서,
    상기 장치는 검사될 상기 안구의 상기 동공 직경을 결정하기 위한 동공 직경 측정 장치(3)를 더 포함하는, 장치.
  10. 제1항 내지 제3항 중 어느 한 항에 따른 장치를 갖는 광학 관측 기기.
  11. 컴퓨터 판독가능 매체에 저장된 컴퓨터 프로그램으로서,
    상기 컴퓨터 프로그램은 프로그램 코드가 컴퓨터에 로딩될 때 및/또는 컴퓨터에서 실행될 때, 후속하는 방법 단계들에 의해 안구의 객관적 굴절력 데이터에 기초하여 상기 안구의 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 확인하기 위한 상기 프로그램 코드를 가지며, 상기 후속하는 방법 단계들은 구체적으로,
    - 입력 인터페이스(4)를 통해 획득한 상기 객관적 굴절력 데이터(4)를 제공하는 단계(105);
    - 회귀 모델(9) 또는 분류 모델을 트레이닝 모듈(12)을 통해 트레이닝한 결과인 비선형 다차원 함수(101) 또는 비선형 다차원 함수들의 군에 기초하여 상기 예측된 주관적 굴절력 데이터 또는 상기 예측된 주관적 교정 값을 계산 장치(10)를 통해 계산하는 단계(104)로서, 상기 회귀 모델(9) 또는 분류 모델은 트레이닝 데이터 기록에 기초하여 트레이닝되고, 상기 트레이닝 데이터 기록은, 다수의 피검사자에 대해, 각각의 경우 적어도 확인된 객관적 굴절력 데이터, 및 주관적 굴절검사에 의해 확인된 할당된 주관적 굴절력 데이터 또는 주관적 굴절검사에 의해 확인된 할당된 주관적 교정 값을 포함하는, 단계; 및
    - 상기 안구의 상기 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 출력 인터페이스(11)를 통해 출력하는 단계(107)인,
    컴퓨터 판독가능 매체에 저장된 컴퓨터 프로그램.
  12. 제11항에 있어서,
    상기 프로그램 코드는 트레이닝 데이터 기록에 기초하여 상기 회귀 모델(9) 또는 분류 모델을 트레이닝 모듈(12)을 통해 트레이닝(103)하는 선택적인 방법 단계를 더 포함하는, 컴퓨터 판독가능 매체에 저장된 컴퓨터 프로그램.
  13. 제12항에 있어서,
    상기 프로그램 코드는 상기 트레이닝(103) 동안에 정규화 장치(13)를 통해 정규화를 수행하기 위한 방법 단계를 더 포함하며, 상기 정규화는 상기 회귀 모델 또는 분류 모델에 매칭되는, 컴퓨터 판독가능 매체에 저장된 컴퓨터 프로그램.
  14. 제11항 내지 제13항 중 어느 한 항에 있어서,
    상기 예측된 주관적 굴절력 데이터 또는 상기 예측된 주관적 교정 값을 계산하는 상기 방법 단계(104)를 위한 프로그램 코드는, 상기 안구의 상기 객관적 굴절력 데이터와 더불어 상기 안구의 동공 직경을 더 고려하는, 비선형 다차원 함수(101) 또는 비선형 다차원 함수들의 군에 기초하여, 상기 예측된 주관적 굴절력 데이터 또는 상기 예측된 주관적 교정 값의 계산을 제공하며, 트레이닝 목적을 위해 사용되는 상기 트레이닝 데이터 기록은 각각의 경우 각각의 피검사자에 대해 입력 인터페이스(6)를 통해 포착된 동공 직경을 더 포함하는, 컴퓨터 판독가능 매체에 저장된 컴퓨터 프로그램.
  15. 검사될 안구의 객관적 굴절력 데이터에 기초하여, 검사될 안구의 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 확인하기 위한 장치로서,
    상기 장치는, 상기 안구의 상기 객관적 굴절력 데이터로부터 함수(101)에 의해 상기 안구의 상기 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 계산하는 계산 장치(10)를 포함하는 평가 장치(1)를 포함하며,
    상기 함수는 회귀 모델(9) 또는 분류 모델을 트레이닝한 결과이고, 상기 회귀 모델(9) 또는 분류 모델은 트레이닝 데이터 기록에 기초하여 트레이닝(103)되며, 상기 트레이닝 데이터 기록은, 다수의 피검사자에 대해, 각각의 경우 적어도 확인된 객관적 굴절력 데이터, 및 주관적 굴절검사에 의해 확인된 할당된 주관적 굴절력 데이터 또는 주관적 굴절검사에 의해 확인된 할당된 주관적 교정 값을 포함하고,
    상기 함수는 비선형 다차원 함수(101) 또는 비선형 다차원 함수들의 군이며, 상기 회귀 모델(9)은 심층 신경망, 다항식 피처에 대한 탄력망, 방사상 기저 함수 커널을 통한 지원 벡터 회귀의 방법들 중 하나를 사용하여 트레이닝되는,
    검사될 안구의 객관적 굴절력 데이터에 기초하여, 검사될 안구의 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 확인하기 위한 장치.
  16. 컴퓨터 판독가능 매체에 저장된 컴퓨터 프로그램으로서,
    상기 컴퓨터 프로그램은 프로그램 코드가 컴퓨터에 로딩될 때 및/또는 컴퓨터에서 실행될 때, 후속하는 방법 단계들에 의해 안구의 객관적 굴절력 데이터에 기초하여 상기 안구의 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 확인하기 위한 상기 프로그램 코드를 가지며, 상기 후속하는 방법 단계들은 구체적으로,
    - 입력 인터페이스(4)를 통해 획득한 상기 객관적 굴절력 데이터(4)를 제공하는 단계(105);
    - 회귀 모델(9) 또는 분류 모델을 트레이닝 모듈(12)을 통해 트레이닝한 결과인 비선형 다차원 함수(101) 또는 비선형 다차원 함수들의 군에 기초하여 상기 예측된 주관적 굴절력 데이터 또는 상기 예측된 주관적 교정 값을 계산 장치(10)를 통해 계산하는 단계(104)로서, 상기 회귀 모델(9) 또는 분류 모델은 트레이닝 데이터 기록에 기초하여 트레이닝되고, 상기 트레이닝 데이터 기록은, 다수의 피검사자에 대해, 각각의 경우 적어도 확인된 객관적 굴절력 데이터, 및 주관적 굴절검사에 의해 확인된 할당된 주관적 굴절력 데이터 또는 주관적 굴절검사에 의해 확인된 할당된 주관적 교정 값을 포함하며, 상기 회귀 모델(9)은 심층 신경망, 다항식 피처에 대한 탄력망, 방사상 기저 함수 커널을 통한 지원 벡터 회귀의 방법들 중 하나를 사용하여 트레이닝되는, 단계; 및
    - 상기 안구의 상기 예측된 주관적 굴절력 데이터 또는 예측된 주관적 교정 값을 출력 인터페이스(11)를 통해 출력하는 단계(107)인,
    컴퓨터 판독가능 매체에 저장된 컴퓨터 프로그램.
KR1020197016402A 2016-11-14 2017-11-03 예측된 주관적 굴절력 데이터 또는 예측된 교정 값을 확인하기 위한 장치, 및 컴퓨터 프로그램 KR102072637B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP16198607.0 2016-11-14
EP16198607.0A EP3321831B1 (de) 2016-11-14 2016-11-14 Vorrichtung zum ermitteln von prognostizierten subjektiven refraktionsdaten oder prognostizierten subjektiven korrektionsdaten und computerprogramm
PCT/EP2017/078161 WO2018087002A1 (de) 2016-11-14 2017-11-03 Vorrichtung zum ermitteln von prognostizierten subjektiven refraktionsdaten oder prognostizierten korrektionswerten und computerprogramm

Publications (2)

Publication Number Publication Date
KR20190076044A KR20190076044A (ko) 2019-07-01
KR102072637B1 true KR102072637B1 (ko) 2020-02-03

Family

ID=57348474

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020197016402A KR102072637B1 (ko) 2016-11-14 2017-11-03 예측된 주관적 굴절력 데이터 또는 예측된 교정 값을 확인하기 위한 장치, 및 컴퓨터 프로그램

Country Status (6)

Country Link
US (1) US20190258930A1 (ko)
EP (1) EP3321831B1 (ko)
JP (1) JP6672529B2 (ko)
KR (1) KR102072637B1 (ko)
CN (1) CN109923618A (ko)
WO (1) WO2018087002A1 (ko)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102018216295B4 (de) 2018-09-25 2022-05-05 Robert Bosch Gmbh Verfahren und Vorrichtung zum Ermitteln eines Ansteuersignals zum Ansteuern eines Aktors
US11704600B2 (en) * 2019-06-27 2023-07-18 Microsoft Technology Licensing, Llc Multistage feed ranking system with methodology providing scalable multi-objective model approximation
US11950844B2 (en) * 2019-09-30 2024-04-09 Alcon Inc. Ocular aberrometer characterization systems and methods
CN112383829B (zh) * 2019-11-06 2022-06-24 致讯科技(天津)有限公司 一种体验质量测评方法及装置
US11931104B2 (en) 2019-12-19 2024-03-19 Alcon Inc. Vision quality assessment based on machine learning model and wavefront analysis
CN111008945B (zh) * 2019-12-31 2024-03-29 哈工大机器人(中山)无人装备与人工智能研究院 基于机器学习的多像质参数自适应像差矫正方法及装置
CN111914995A (zh) * 2020-06-18 2020-11-10 北京百度网讯科技有限公司 正则化线性回归生成方法、装置、电子设备及存储介质
DE102020128958B4 (de) * 2020-11-03 2022-07-28 Rodenstock Gmbh Verfahren zum Bestimmen eines Brillenglases, Vorrichtung zum Bestimmen von individuellen biometrischen Daten sowie Vorrichtung zum Herstellen eines Brillenglases
DE102020128951B4 (de) * 2020-11-03 2022-07-28 Rodenstock Gmbh Verfahren zum Herstellen eines Brillenglases, Computerprogrammprodukt und Vorrichtung zum Bestimmen zumindest eines individuellen biometrischen Parameters
US20230081566A1 (en) * 2021-09-03 2023-03-16 Johnson & Johnson Vision Care, Inc. Systems and methods for predicting myopia risk
DE102021213511A1 (de) 2021-11-30 2023-06-01 Carl Zeiss Meditec Ag Verfahren zum bestimmen eines ergebnisses einer postoperativen subjektiven refraktionsmessung

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005079546A2 (en) 2004-02-20 2005-09-01 Ophthonix, Inc. System and method for analyzing wavefront aberrations

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5724258A (en) 1996-05-09 1998-03-03 Johnson & Johnson Vision Products, Inc. Neural network analysis for multifocal contact lens design
US5839438A (en) 1996-09-10 1998-11-24 Neuralmed, Inc. Computer-based neural network system and method for medical diagnosis and interpretation
US7130835B2 (en) 2002-03-28 2006-10-31 Bausch & Lomb Incorporated System and method for predictive ophthalmic correction
US7338165B2 (en) 2003-06-20 2008-03-04 Visx, Incorporated Systems and methods for prediction of objective visual acuity based on wavefront measurements
WO2004096014A2 (en) 2003-04-28 2004-11-11 University Of Rochester Metrics to predict subjective impact of eye's wave aberration
US8079707B2 (en) 2006-10-25 2011-12-20 Carl Zeiss Vision Gmbh Eyeglass prescription method
EP2779889B1 (en) 2011-10-17 2018-01-03 Carl Zeiss Vision, Inc. Statistical autorefractor
US9784992B2 (en) 2013-02-11 2017-10-10 Carl Zeiss Vision International Gmbh Method and system for determining an eyeglass prescription
DE102014226824A1 (de) * 2014-12-22 2016-06-23 Siemens Aktiengesellschaft Verfahren zum Bereitstellen eines lernbasierten Diagnoseunterstützungsmodells für zumindest ein Diagnosesystem
JP7044724B2 (ja) * 2016-06-14 2022-03-30 プレンオプティカ インク 調整可能レンズベースの屈折検査

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005079546A2 (en) 2004-02-20 2005-09-01 Ophthonix, Inc. System and method for analyzing wavefront aberrations

Also Published As

Publication number Publication date
JP6672529B2 (ja) 2020-03-25
EP3321831A1 (de) 2018-05-16
CN109923618A (zh) 2019-06-21
KR20190076044A (ko) 2019-07-01
JP2019533516A (ja) 2019-11-21
WO2018087002A1 (de) 2018-05-17
EP3321831B1 (de) 2019-06-26
US20190258930A1 (en) 2019-08-22

Similar Documents

Publication Publication Date Title
KR102072637B1 (ko) 예측된 주관적 굴절력 데이터 또는 예측된 교정 값을 확인하기 위한 장치, 및 컴퓨터 프로그램
Polans et al. Wide-field optical model of the human eye with asymmetrically tilted and decentered lens that reproduces measured ocular aberrations
JP2007531559A (ja) 波面収差を解析するシステムおよび方法
JP2007531559A5 (ko)
CN1516560A (zh) 客观式显然验光
TR201815339T4 (tr) Gözlük camlarının sipariş edilmesi için sistemler ve yöntemler.
US10168549B2 (en) Optical visual aid with additional astigmatism
JP7166473B2 (ja) 眼検査
CN112700858B (zh) 一种儿童青少年近视预警方法及设备
Calatayud et al. Imaging quality of multifocal intraocular lenses: automated assessment setup
US11703694B2 (en) Optimizing a spectacle lens taking account of a vision model
CN111344222A (zh) 执行眼睛检查测试的方法
Fülep et al. Simulation of visual acuity by personalizable neuro-physiological model of the human eye
CN113993441A (zh) 用于交互式测量眼屈光不正、阅读镜加光度和度数的计算机实现方法和系统
Comastri et al. Zernike expansion coefficients: rescaling and decentring for different pupils and evaluation of corneal aberrations
US10893798B2 (en) Methods and systems for updating refractive prescriptions and delivering eyeglasses and contact lenses
US20210145271A1 (en) System and method for determining prescription of corrective lenses using predictive calculations and corrected-eyesight simulation
Sakamoto et al. Inverse optical design of the human eye using likelihood methods and wavefront sensing
CN116634920A (zh) 主观屈光检查系统
IL305328A (en) Method, device and computer program product for determining the sensitivity of at least one eye of a subject
JP2023517521A (ja) 対象者の眼に適合された少なくとも補正レンズの光学的特徴の主観値を判定するためのシステム及び関連する方法
He et al. Design of imaging keratometer with annular object and charge-coupled device detector
EP4011273A1 (en) Method and device for determining at least one astigmatic effect of at least one eye
Fischer et al. The influence of eye model parameter variations on simulated eye-tracking outcomes
Jóźwik et al. Retinal images in optomechanical eye model with monofocal intraocular lens.

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant