TW202319813A

TW202319813A - 由角膜塑型術所衍生的近視管理軟式隱形眼鏡設計方法

Info

Publication number: TW202319813A
Application number: TW110140617A
Authority: TW
Inventors: 吳怡璁; 林文賓; 吳洛俞
Original assignee: 亨泰光學股份有限公司
Priority date: 2021-11-01
Filing date: 2021-11-01
Publication date: 2023-05-16
Also published as: TWI800068B

Abstract

本發明為有關一種由角膜塑型術所衍生的近視管理軟式隱形眼鏡設計方法，係依據角膜治療前與治療後的角膜參考位置，利用數學演算方式取得治療前及治療後的角膜高度數據後，再與角膜參考位置進行疊合，藉角膜高度數據以及切向曲率數據，取得角膜在治療前、後的角膜變化差異，而得到對應效果的中央光學區大小及周邊治療區大小，以透過中央光學區、周邊治療區的位置搭配軸向曲率數據，利用演算法計算出角膜治療前、後之度數變化數據，將該度數變化數據，區分出不同矯正近視度數範圍，以分析出對應的不同度數分佈圖，則將此度數分佈圖應用於製造軟式隱形眼鏡的鏡片前弧面，即可達到完成隱形眼鏡之設計及製成隱形眼鏡的鏡片結構之目的。

Description

由角膜塑型術所衍生的近視管理軟式隱形眼鏡設計方法

本發明係提供一種由角膜塑型術所衍生的近視管理軟式隱形眼鏡設計方法，尤指係用角膜在治療前、後的度數變化，進行隱形眼鏡設計方法，可供進行角膜矯正之目的。

按，隨著各種電子、電氣產品的研發、創新，帶給人們在日常生活及工作上許多便捷，尤其是電子產品的大量問世，更造成在通訊及網際網路的應用的普及化，以致許多人沉浸在電子產品的使用領域中，長時間大量應用電子產品，不論是上班族、學生族群或是中老年人等，涵蓋的範圍也相當廣泛，進而衍生出低頭族的現象，也因此造就許多人的眼睛視力減損、傷害等情況日趨嚴重，近視人口也就相對提高。

再者，人們之所以會發生近視(Myopia，亦稱short-sightedness)，是由於眼睛的光線曲折能力與眼睛的長度不匹配所導致，其可能是眼軸超長或角膜弧度過陡，當眼睛總焦度太高或太強時，會導致從遠端物體傳來之光線聚焦在視網膜之前，進而造成視物成像點落在視網膜前方處，導致視物成像時產生模糊之情況，所以為了矯正近視需要降低眼睛光線的曲折能力，由於角膜的光線曲折能力約佔全眼的80%，所以僅須降低角膜的屈光力便可達到矯正近視之效用。

目前矯正屈光不正的方式主要有配戴眼鏡矯正、配戴隱形鏡片矯正、角膜近視手術或配戴角膜塑型片矯正這幾種方法，以上各種方法分別具有其優缺點，在此，特別針對角膜塑型片加以研究，其中該角膜塑型片為利用高透氧硬性材質所製作而成，當鏡片配戴於眼球上後，其鏡片會與眼球的角膜外表面之間夾著一層分佈不均的淚液，便可透過淚液施加在角膜上的正向壓力將上皮細胞壓扁，同時，若配戴者利用眼瞼進行閉眼的動作時，其會藉由眼皮及鏡片的重量來對角膜施以一定的壓力，如果配戴時間足夠，即可使角膜中央曲率逐漸變平和中央上皮層漸漸變薄，以使角膜中央扁平化，進而降低角膜的屈光力，藉此達到矯正近視度數、甚至回復正常的視力之效果。

因此有業者研發出夜間配戴的角膜塑型之隱型眼鏡鏡片，可供使用者在夜間睡眠時配戴，經由長時間的眼皮抵推鏡片對角膜造成適當的壓力，使角膜產生中央扁平化而降低屈光力，但在日間因眼睛長時間觀視，又使角膜弧度恢復過陡情況，導致視力模糊，對於角膜的矯正效果不盡理想，尚有待改善。

是以，如何解決目前隱形眼境鏡片不易對角膜進行修復之問題與困擾，且對角膜矯正效果較差等之麻煩與缺失，即為從事此行業之相關廠商所亟欲研究改善之方向所在者。

故，發明人有鑑於上述之問題與缺失，乃搜集相關資料，經由多方評估及考量，並以從事於此行業累積之多年經驗，經由不斷創設及修改，始設計出此種由角膜塑型術所衍生的近視管理軟式隱形眼鏡設計方法之發明專利誕生者。

本發明之主要目的乃在於該軟式隱形眼鏡設計方法，係依據角膜在治療前與治療後的角膜參考位置，利用數學演算方式取得治療前及治療後的角膜高度數據後，再與角膜參考位置進行疊合，藉角膜高度數據以及切向曲率數據，取得角膜在治療前、後的變化差異，而得到對應效果的中央光學區大小及周邊治療區大小，以透過中央光學區、周邊治療區的位置搭配軸向曲率數據，利用演算法計算出角膜治療前、後之度數變化數據，將該度數變化數據，區分出不同矯正近視度數範圍，以分析出對應的不同度數分佈圖，則將此度數分佈圖應用於製造軟式隱形眼鏡的鏡片前弧面，可達到完成隱形眼鏡之設計及製成軟式隱形眼鏡的鏡片結構之目的，利用配戴軟式隱形眼鏡鏡片持續對角膜進行矯正治療，而有效降低近視度數。

本發明之又一目的乃在於該治療前與治療後的角膜參考位置，利用數學演算方式取得治療前及治療後的角膜高度數據，該數學演算方式係為3D旋轉矩陣(3D rotation matrix)演算法或疊代最接近點(Iterative Closest Point)演算法等數學演算方式，可將該角膜治療前及治療後的角膜高度數據依據參考位置予以疊合，且該3D旋轉矩陣(3D rotation matrix)演算法係：

、

、

，而

γ=0°，使用Zernike擬合找到光學區域向量，以該向量在3D空間中參考軸上的最高點與測量的最高點之間所產生角度差進行演算；至於該疊代最接近點(Iterative Closest Point)演算法係：為(TR＊MP+TT)=D，其中該TR(The rotation matrix)為：最小化距離的旋轉矩陣；TT(Translation vector)為：平移向量；MP(Move plane)：為移動平面用來重疊(after treatment data)：治療後數據；及D(Datum：基線，Baseline equal to before treatment data)：治療前數據。

本發明之再一目的乃在於該角膜高度數據(Corneal height data)以及切向曲率數據(Tangential curvature data)之間，係將該角膜高度數據轉換為切向曲率數據，為依據下列之公式進行：

，

，

，

，其中：該Z₀：起點高度；該Z₁：第一個點的角膜高度；該Z₂：第二個點的角膜高度；該R₀：起點半徑；該R₁：第一個點的半徑；該R₂：第二個點的半徑；且該角膜在治療前與治療後的角膜高度變化差異，為利用治療後的數據取得360度內位於該中央光學區所形成對應的複數點(x)位置、位於周邊治療區所形成對應的複數點(y)位置，利用曲線擬合(Curve fit)演算方式，獲得較佳的該中央光學區範圍與該周邊治療區範圍，則該曲線擬合演算法為採用最小二乘法(Least-square analysis)：error=Σ[(x-x_c)²+(y-y_c)²-R²]，該error=0，將該中央光學區的複數點(x)及該周邊治療區的複數點(y)，代入上述該最小二乘法的演算式中，以解得該X_c、該Y_c及該R等值，其中該(X_c，Y_c)為擬合圓的中心點位置，該R則為擬合圓的半徑值；又，該中央光學區為：矯正視力區域，周邊治療區為：近視控制區域。

本發明之另一目的乃在於該中央光學區、該周邊治療區的位置，利用演算法計算出對應的度數變化；則該演算法為利用該中央光學區及該周邊治療區為應用軸向曲率數據(Axial curvature data)計算該中央光學區之屈光度與該周邊治療區之屈光度之間的度數分佈與度數落差值。

本發明之又一目的乃在於該透過演算法計算出該角膜治療前與治療後之度數變化數據之演算法，為應用軸向曲率數據(Axial curvature data)的分佈變化疊合後結合切向曲率數據(Tangential curvature data)分析出來的區域，分為繪製出對應的度數分佈圖(Power profile)。

本發明之再一目的乃在於取得該角膜治療前及治療後角膜高度變化差異，再藉由軸向曲率數據、計算出該隱形眼鏡鏡片的中央光學區屈光度與周邊治療區屈光度的度數分佈與度數落差值，再結合切向曲率數據繪製對應的度數分佈圖，而據以完成隱形眼鏡之設計。

1:角膜

11:角膜治療前

12:角膜治療後

13:角膜變化差異運算

2:中央光學區

3:周邊治療區

P₁:最高點

P₂:最高點

C1:曲線

C2:曲線

C3:曲線

C4:曲線

C5:曲線

[第1圖]係為本發明視軸中心之3D旋轉圖。

[第2圖]係為本發明視軸中心之平面圖。

[第3圖]係為本發明視軸中心之座標圖。

[第4圖]係為本發明角膜治療前與治療後及疊合後之切向曲率角膜地形圖。

[第5圖]係為本發明角膜上對應光學區及治療區之界限點位置圖。

[第6圖]係為本發明角膜治療前與治療後的繪製模式之示意圖。

[第7圖]係為本發明角膜治療前與治療後及疊合後之軸向曲率角膜地形圖。

[第8圖]係為本發明角膜治療前與治療後疊合之實際角膜地形圖。

[第9圖]係為本發明角膜治療前與治療後分析之度數分佈圖(一)。

[第10圖]係為本發明角膜治療前與治療後分析之度數分佈圖(二)。

為達成上述目的與功效，本發明所採用之技術手段及其構造、實施之方法等，茲繪圖就本發明之較佳實施例詳加說明其特徵與功能如下，俾利完全瞭解。

請參閱第1、2、3、4、5、6、7、8、9、10圖所示，由圖中所示可以清楚看出，本發明由角膜塑型術所衍生的近視管理軟式隱形眼鏡設計方法，係依據下列之步驟進行：

(A01)依據治療前與治療後的角膜1在3D視中心的參考位置，利用數學演算方式取得角膜治療前11〔請參閱第4圖，角膜治療前之地形圖〕及角膜治療後12〔請參閱第4圖，角膜治療後之地形圖〕的角膜1高度數據，再依據該角膜1高度數據及該角膜1參考位置進行角膜變化差異運算13〔請參閱第4圖，角膜變化差異之地形圖〕。

(A02)藉由角膜1高度數據以及切向曲率數據，取得該角膜1在治療前11與治療後12的角膜1高度變化差異，而得到對應效果的中央光學區2大小及周邊治療區3大小。

(A03)透過該中央光學區2、該周邊治療區3的位置搭配軸向曲率數據，利用演算法計算出對應的度數變化。

(A04)透過演算法計算出該角膜1於角膜治療前11與角膜治療後12之平均度數變化曲線。

(A05)將該角膜1治療前與治療後之度數變化數據，區分出不同矯正近視度數範圍，以分析出對應的不同度數分佈圖，則將此度數分佈圖應用於製造軟式隱形眼鏡的鏡片前弧面。

(A06)完成隱形眼鏡之設計。

上述該步驟(A01)中所述，該治療前與治療後的角膜1參考位置(請同時參閱第2圖中所示，該參考軸上的角膜1最高點位置P₁、量測最高點P₂)，並利用數學演算方式取得角膜1治療前及治療後的角膜高度數據，該數學演算方式係為3D旋轉矩陣(3D rotation matrix)演算法或疊代最接近點(Iterative Closest Point)演算法等數學演算方式，可將該角膜1治療前及治療後的角膜1高度數據依據參考位置予以疊合，且該3D旋轉矩陣(3D rotation matrix)演算法係：

、

、

，而

、

、γ=0°，使用Zernike擬合找到光學區域向量，以該向量在3D空間中參考軸上的角膜1最高點P₁與測量的最高點P₂之間所產生角度〔ψ〕(請同時參閱第2圖所示)差進行演算；至於該疊代最接近點(Iterative Closest Point)演算法係：為(TR＊MP+TT)=D，其中該TR(The rotation matrix)為：最小化距離的旋轉矩陣；TT(Translation vector)為：平移向量；MP(Move plane)：為移動平面用來重疊(after treatment data)：治療後數據；及D(Datum：基線，Baseline equal to before treatment data)：治療前數據。

且上述該步驟(A02)中所述，該角膜高度數據(Corneal height data)以及切向曲率數據(Tangential curvature data)之間，係將該角膜1高度數據轉換為切向曲率數據，為依據下列之公式進行：

，

，

，

，其中：該Z₀：起點高度；該Z₁：第一個點的角膜1高度；該Z₂：第二個點的角膜1高度；該R₀：起點半徑；該R₁：第一個點的半徑；該R₂：第二個點的半徑；且該角膜1在治療前與治療後的角膜1高度變化差異，為利用角膜1治療後的高度數據取得360度內位於該中央光學區2所形成對應的複數點(x)位置、位於周邊治療區3所形成對應的複數點(y)位置(請同時參閱第5圖所示)，利用曲線擬合(Curve fit)演算方式，獲得較佳的該中央光學區2範圍與該周邊治療區3範圍，則該曲線擬合演算法為採用最小二乘法(Least-square analysis)：error=Σ[(x-x_c)²+(y-y_c)²-R²]，該error=0，將該中央光學區2的複數點(x)及該周邊治療區3的複數點(y)，代入上述該最小二乘法的演算式中，以解得該X_c、該Y_c及該R等值，其中該(X_c，Y_c)為擬合圓的中心點位置，該R則為擬合圓的半徑值；又，該中央光學區2為：矯正視力區域，周邊治療區3為：近視控制區域。

又，上述該步驟(A03)中所述，該透過演算法計算出該角膜1治療前與治療後之度數變化數據之演算法，為應用軸向曲率數據(Axial curvature data)的分佈變化疊合後結合切向曲率數據(Tangential curvature data)分析出來的區域，分為繪製出對應的度數分佈圖(PoWer profile)(請同時參閱第10圖所示)，其中曲線C1~C5分別為分析完大數據資料後，依統計分析結果所得到不同近視度數對應的中央光學區與周邊治療區度數分佈圖。

至於上述該步驟(A04)中所述，在於取得該角膜1治療前及治療後角膜1高度之變化差異，再藉由軸向曲率數據、計算出該隱形眼鏡鏡片的中央光學區2屈光度與周邊治療區3屈光度的度數分佈與度數落差值，再結合切向曲率數據繪製對應的度數分佈圖(請同時參閱第10圖所示)，而據以完成隱形眼鏡之設計，並可提供後續加工製成應用本發明由角膜塑型術所衍生的近視管理軟式隱形眼鏡設計結構。

而上述各步驟中，該角膜1治療前，係未配戴夜間隱形眼鏡矯正治療鏡片前，透過儀器檢測出角膜1治療前之角膜1高度數據；該角膜1治療後，係已配戴夜間隱形眼鏡矯正治療鏡片後，再透過儀器所檢測出角膜1治療後之角膜1高度數據。

上所述僅為本發明之較佳實施例而已，非因此即侷限本發明之專利範圍，故舉凡運用本發明說明書及圖式內容所為之簡易修飾及等效結構變化，均應同理包含於本發明之專利範圍內，合予陳明。

綜上所述，本發明由角膜塑型術所衍生的近視管理軟式隱形眼鏡設計方法於實際實施、應用時，為確實能達到其功效及目的，故本發明誠為一實用性優異之發明，為符合發明專利之申請要件，爰依法提出申請，盼審委早日賜准本案，以保障發明人之辛苦發明，倘若鈞局審委有任何稽疑，請不吝來函指示，發明人定當竭力配合，實感德便。

1:角膜

P₁:最高點

P₂:最高點

Claims

一種由角膜塑型術所衍生的近視管理軟式隱形眼鏡設計方法，係包括下列之各步驟：

(A01)依據角膜治療前與治療後的角膜參考位置，利用數學演算方式取得角膜治療前及治療後的角膜高度數據，再依據該角膜高度數據及該角膜參考位置進行疊合；

(A02)藉由角膜高度數據以及切向曲率數據，取得該角膜在治療前與治療後的角膜變化差異，而得到對應效果的中央光學區大小及周邊治療區大小；

(A03)透過該中央光學區、該周邊治療區的位置搭配軸向曲率數據，利用演算法計算出對應的度數變化；

(A04)透過演算法計算出該角膜治療前與治療後之度數變化數據；

(A05)將該角膜治療前與治療後之度數變化數據，區分出不同矯正近視度數範圍，以分析出對應的不同度數分佈圖，則將此度數分佈圖應用於製造軟式隱形眼鏡的鏡片前弧面；及

(A06)完成隱形眼鏡之設計。
如請求項1所述由角膜塑型術所衍生的近視管理軟式隱形眼鏡設計方法，其中該步驟(A01)之該數學演算方式係為3D旋轉矩陣(3D rotation matrix)演算法或疊代最接近點(Iterative Closest Point)演算法，將該角膜治療前及治療後的角膜高度數據依據參考位置予以疊合。
如請求項2所述由角膜塑型術所衍生的近視管理軟式隱形眼鏡設計方法，其中該3D旋轉矩陣(3D rotation matrix)演算法係：

、
、γ=0°，使用Zernike擬合找到光學區域向量，以該向量在3D空間中參考軸上的最高點與測量的最高點之間所產生角度差進行演算。
如請求項2所述由角膜塑型術所衍生的近視管理軟式隱形眼鏡設計方法，其中該疊代最接近點(Iterative Closest Point)演算法係：

(TR＊MP+TT)=D，其中該TR(The rotation matrix)為：最小化距離的旋轉矩陣；TT(Translation vector)為：平移向量；MP(Move plane)：為移動平面用來重疊(after treatment data)：治療後數據；及D(Datum：基線，Baseline equal to before treatmant data)：治療前數據。
如請求項1所述由角膜塑型術所衍生的近視管理軟式隱形眼鏡設計方法，其中該步驟(A02)之角膜高度數據(Corneal height data)以及切向曲率數據(Tangential curvature data)之間，係將該角膜高度數據轉換為切向曲率數據，為依據下列之公式進行：

其中：該Z₀：起點高度；該Z₁：第一個點的高度；該Z₂：第二個點的高度；該R₀：起點半徑；該R₁：第一個點的半徑；該R₂：第二個點的半徑。
如請求項1所述由角膜塑型術所衍生的近視管理軟式隱形眼鏡設計方法，其中該步驟(A02)之該角膜在治療前與治療後的角膜高度變化差異，為利用治療後的數據取得360度內位於該中央光學區所形成對應的複數點(x)位置、位於周邊治療區所形成對應的複數點(y)位置，利用曲線擬合(Curve fit)演算方式，獲得較佳的該中央光學區範圍與該周邊治療區範圍，則該曲線擬合演算法為採用最小二乘法(Least-square analysis)：

error=Σ[(x-x_c)²+(y-y_c)²-R²]，該error=0，將該中央光學區的複數點(x)及該周邊治療區的複數點(y)，代入上述該最小二乘法的演算式中，以解得該X_c、該Y_c及該R等值，其中該(X_c，Y_c)為擬合圓的中心點位置，該R則為擬合圓的半徑值。
如請求項1所述由角膜塑型術所衍生的近視管理軟式隱形眼鏡設計方法，其中該步驟(A02)之該中央光學區域為：矯正視力區域，該周邊治療區域為：近視控制區域。
如請求項1所述由角膜塑型術所衍生的近視管理軟式隱形眼鏡設計方法，其中該步驟(A03)之該演算法為利用該中央光學區及該周邊治療區為應用軸向曲率數據(Axial curvature data)計算該中央光學區之屈光度與該周邊治療區之屈光度之間的度數分佈與度數落差值。
如請求項1所述由角膜塑型術所衍生的近視管理軟式隱形眼鏡設計方法，其中該步驟(A04)之該演算法為應用軸向曲率數據(AXial curvature data)的分佈變化疊合後結合切向曲率數據(Tangential curvature data)分析出來的區域，分為繪製出對應的度數分佈圖(Power profile)。