TWI832660B - 計算視野指標正常分布的方法及裝置 - Google Patents

Abstract

一種計算視野指標正常分布的方法，包括：從複數正常視野資訊中取得一受測者年齡及對應上述受測者年齡於一數量檢測點的位置資訊；根據每一檢測點的位置資訊取得上述每一檢測點與一視野中心之間的距離；以及基於上述受測者年齡、上述位置資訊及上述每一檢測點與上述視野中心之間的上述距離對一視野指標模型進行訓練，以使上述視野指標模型計算出對應上述受測者年齡之一視野指標正常分布。

Description

計算視野指標正常分布的方法及裝置

本揭露係有關於一種計算視野指標正常分布的方法及裝置，特別是有關於僅建立一個模型的一種計算視野指標正常分布的方法及裝置。

在傳統計算視野指標時，需要各年齡層的正常分布(Normative Distribution)。現有技術的做法為在每個檢測點個別建立一個線性迴歸來產生各年齡層的正常分布。例如，54個檢測點分別建立54個線性迴歸模型，例如：y1=f1(Age)、y2=f2(Age)、…、y54=f54(Age)，其中y1~y54係分別代表54個線性迴歸模型。

在現有技術的做法中，由於每個檢測點之間的位置關係並未考慮進去，造成每個檢測點均需花費大量的時間收集各自獨立的資料並訓練各自的模型。此外，現有技術的做法在檢測點之間的位置無法產生正常分佈的數值。此外，當檢測點位置有所異動 時，現有技術則需要重新收集新檢測點的資料並訓練新檢測點的模型。

因此，需要一種計算視野指標正常分布的方法及裝置，以達到當檢測點位置產生異動時，不需要重新收集資料及重新訓練模型，亦可達到計算出異動檢測點正常分布的目的。

以下揭露的內容僅為示例性的，且不意指以任何方式加以限制。除所述說明方面、實施方式和特徵之外，透過參照附圖和下述具體實施方式，其他方面、實施方式和特徵也將顯而易見。即，以下揭露的內容被提供以介紹概念、重點、益處及本文所描述新穎且非顯而易見的技術優勢。所選擇，非所有的，實施例將進一步詳細描述如下。因此，以下揭露的內容並不意旨在所要求保護主題的必要特徵，也不意旨在決定所要求保護主題的範圍中使用。

因此，本揭露之主要目的即在於提供一種計算視野指標正常分布方法及裝置。

本揭露提出一種計算視野指標正常分布的方法，包括：從複數正常視野資訊中取得一受測者年齡及對應上述受測者年齡於一數量檢測點的位置資訊；根據每一檢測點的位置資訊取得上述每一檢測點與一視野中心之間的距離；以及基於上述受測者年齡、上述位置資訊及上述每一檢測點與上述視野中心之間的上述距 離對一視野指標模型進行訓練，以使上述視野指標模型計算出對應上述受測者年齡之一視野指標正常分布。

在一些實施例中，上述方法更包括：接收一新檢測點；以及使用上述視野指標模型計算出對應上述新檢測點於上述受測者年齡下的一視野指標正常數值。

在一些實施例中，上述新檢測點並不包括在上述數量檢測點中。

在一些實施例中，上述視野指標模型係一線性迴歸(Linear Regression)模型、一隨機森林(Random Forest)模型、一支持向量機(Support Vector Machine)模型。

在一些實施例中，上述數量檢測點並不包括位於一視野盲區內的檢測點。

本揭露提出一種計算視野指標正常分布的裝置，包括：一或多個處理器；以及一或多個電腦儲存媒體，儲存電腦可讀取指令，其中上述處理器使用上述電腦儲存媒體以執行：從複數正常視野資訊中取得一受測者年齡及對應上述受測者年齡於一數量檢測點的位置資訊；根據每一檢測點的位置資訊取得上述每一檢測點與一視野中心之間的距離；以及基於上述受測者年齡、上述位置資訊及上述每一檢測點與上述視野中心之間的上述距離對一視野指標模型進行訓練，以使上述視野指標模型計算出對應上述受測者年齡之一視野指標正常分布。

100:系統

110:計算裝置

112:輸入裝置

114:處理器

116:視野指標模型

118:記憶體

1182:程式

120:網路

130:電子裝置

140:雲端基礎設施

200:方法

S205、S210、S215:步驟

300:視野檢測點圖

310:視野中心

700:電子裝置

710:匯流排

712:記憶體

714:處理器

716:顯示元件

718:I/O埠口

720:I/O元件

722:電源供應器

G1,F2,F3,G4,F5,E6,D7,D8,E9,F10,G11,E12,C13,B14,B15,C16,E17,G18,H19,F20,D21,B22,A23,A24,B25,D26,F27,H28,F29,D30,B31,A32,A33,B34,D35,F36,G37,E38,C39,B40,B41,C42,E43,G44,F45,E46,D47,D48,E49,F50,G51,F52,F53,G54:檢測點

第1圖係顯示根據本揭露一實施例中計算視野指標正常分布的系統的示例性示意圖。

第2圖係顯示根據本揭露一實施例所述之計算視野指標正常分布的方法之流程圖。

第3圖係一右眼的視野檢測點圖。

第4圖係顯示根據本揭露一實施例所述之52個檢測點於本揭露與現有技術之平均絕對誤差的示意圖。

第5圖係顯示根據本揭露一實施例所述之年齡於本揭露與現有技術之平均絕對誤差的示意圖。

第6圖係顯示根據本揭露一實施例所述之透過漸進新增資料樣本數比較本揭露與現有技術之差異的示意圖。

第7圖係顯示用以實現本揭露實施例的示例性操作環境。

在下文中將參考附圖對本揭露的各方面進行更充分的描述。然而，本揭露可以具體化成許多不同形式且不應解釋為侷限於貫穿本揭露所呈現的任何特定結構或功能。相反地，提供這些方面將使得本揭露周全且完整，並且本揭露將給本領域技術人員充分地傳達本揭露的範圍。基於本文所教導的內容，本領域的技術 人員應意識到，無論是單獨還是結合本揭露的任何其它方面實現本文所揭露的任何方面，本揭露的範圍旨在涵蓋本文中所揭露的任何方面。例如，可以使用本文所提出任意數量的裝置或者執行方法來實現。另外，除了本文所提出本揭露的多個方面之外，本揭露的範圍更旨在涵蓋使用其它結構、功能或結構和功能來實現的裝置或方法。應可理解，其可透過申請專利範圍的一或多個元件具體化本文所揭露的任何方面。

詞語「示例性」在本文中用於表示「用作示例、實例或說明」。本揭露的任何方面或本文描述為「示例性」的設計不一定被解釋為優選於或優於本揭露或設計的其他方面。此外，相同的數字在所有若干圖示中指示相同的元件，且除非在描述中另有指定，冠詞「一」和「上述」包含複數的參考。

可以理解，當元件被稱為被「連接」或「耦接」至另一元件時，該元件可被直接地連接到或耦接至另一元件或者可存在中間元件。相反地，當該元件被稱為被「直接連接」或「直接耦接」至到另一元件時，則不存在中間元件。用於描述元件之間的關係的其他詞語應以類似方式被解釋(例如，「在…之間」與「直接在…之間」、「相鄰」與「直接相鄰」等方式)。

本揭露實施例提供一種計算視野指標正常分布的方法及裝置，提出一種在有限少量的資料下，僅須訓練一個模型，而此模型可在當檢測點位置產生異動時，不需要重新收集資料及重 新訓練模型，也可以計算出異動檢測點的正常分布。

第1圖係顯示根據本揭露一實施例中計算視野指標正常分布的系統100的示例性示意圖。系統100可包括連接至網路120的計算裝置110、電子裝置130及雲端基礎設施140。

計算裝置110可包括輸入裝置112，其中，該輸入裝置112被配置為從各種來源接收輸入數據。舉例來說，計算裝置110可以透過網路120接收電子裝置130或雲端基礎設施140所傳送之正常視野資訊。計算裝置110也可基於接收到的正常視野資訊訓練被配置為計算視野指標正常分布的裝置。

計算裝置110還包括處理器114、一視野指標模型116及可以儲存程式1182的一記憶體118。此外，正常視野資訊可儲存在記憶體118中或是儲存在視野指標模型116中。在一實施例中，視野指標模型116可由處理器114所實現。在另一實施例中，計算裝置110可與本文所描述之外的其他組件、系統、子系統和/或裝置一起使用。

計算裝置110的類型範圍從小型手持裝置(例如，行動電話/可攜式電腦)到大型主機系統(例如大型電腦)。可攜式電腦的示例包括個人數位助理(Personal Digital Assistant，PDA)、筆記型電腦等裝置。電子裝置130或雲端基礎設施140可使用網路120連接至計算裝置110。網路120可包括但不侷限於一或多個區域網(Local Area Network，LAN)和/或廣域網路(Wide Area Network，WAN)。

應可理解，第1圖所示的計算裝置110係一計算視野指標正常分布的系統100架構的示例。第1圖所示的每個元件可經由任何類型的電子裝置來實現，像是參考第7圖描述的電子裝置700，如第7圖所示。

第2圖係顯示根據本揭露一實施例所述之計算視野指標正常分布的方法200之流程圖。此方法可執行於如第1圖所示之計算裝置110的處理器中。

在步驟S205中，計算裝置從複數正常視野資訊中取得一受測者年齡及對應上述受測者年齡於一數量檢測點的位置資訊。舉例來說，第3圖係一右眼的視野檢測點圖300，其包括54個檢測點，分別為G1、F2、F3、G4、F5、E6、D7、D8、E9、F10、G11、E12、C13、B14、B15、C16、E17、G18、H19、F20、D21、B22、A23、A24、B25、D26、F27、H28、F29、D30、B31、A32、A33、B34、D35、F36、G37、E38、C39、B40、B41、C42、E43、G44、F45、E46、D47、D48、E49、F50、G51、F52、F53、G54，其中D26、D35為視野盲區內的檢測點。移除檢測點D26、D35，計算裝置可從複數正常視野資訊中取得對應受測者年齡於至少52個檢測點的位置資訊。更詳細地說，位置資訊係檢測點的二維座標。於一些實施例中，檢測點可被擴充為多於52個，因此本揭露並不侷限於第3圖所示之實施方式。

在步驟S210中，計算裝置根據每一檢測點的位置資訊取得上述每一檢測點與一視野中心之間的距離。舉例說明，如第3圖所示，原點處即為視野中心310。計算裝置係根據52個檢測點的位置資訊取得每一檢測點與視野中心310之間的距離。

在步驟S215中，計算裝置基於上述受測者年齡、上述位置資訊及上述每一檢測點與上述視野中心之間的上述距離對一視野指標模型進行訓練，以使上述視野指標模型計算出對應上述受測者年齡之一視野指標正常分布，其中上述視野指標模型係一線性迴歸(Linear Regression)模型、一隨機森林(Random Forest)模型、一支持向量機(Support Vector Machine)模型。

更詳細地說明，視野指標模型y可以下方公式概略表示y=f(Age,Distance,X-axis,Y-axis)其中Age係為受測者年齡，Distance係為檢測點與視野中心的距離，X-axis及Y-axis為檢測點的X軸座標及Y軸座標。明顯地，本揭露所提出的視野指標模型係以受測者年齡、檢測點及各檢測點與視野中心之間的距離進行訓練。換言之，所訓練出的視野指標模型係考慮了鄰近檢測點的位置資訊。

在一實施例中，在步驟S215中的視野指標模型訓練完成後，計算裝置可接收一新檢測點，並使用上述視野指標模型計算出對應新檢測點於受測者年齡下的一視野指標正常數值，其中 新檢測點並不包括在上述數量檢測點中(即，新檢測點並不是52個檢測點中的檢測點)。

在另一實施例中，視野指標模型亦可應用於其他視野檢測方法，例如，24-2、24-2C、10-2等標準檢測點方案。

以下將以三種方式：(1)檢測點與視野中心的距離、(2)各檢測點和(3)年齡，並使用平均絕對值誤差(Mean absolute error，MAE)來比較本揭露與現有技術之差異。在以下說明中將以第3圖中的52個檢測點來進行說明。須注意的是，上述檢測點的數量並不用以限定本揭露，所屬技術領域中具有通常知識者得以根據本實施例作適當更換或調整。

(1)檢測點與視野中心的距離

在52個檢測點中，檢測點與視野中心的距離共有8種，距離從近到遠以A、B、C、D、E、F、G、H表示，如第3圖所示。本揭露與現有技術的整體平均絕對誤差(MAE)為0.5dB，各區域的平均絕對值誤差最小為0.3dB，最大為0.7dB，如下方表格1所示。

(2)各檢測點

第4圖係顯示根據本揭露一實施例所述之52個檢測點於本揭露與現有技術之平均絕對誤差的示意圖。在52個檢測點中，本揭露與現有技術的平均絕對誤差的平均為0.51dB，各檢測點的平均絕對誤差最小為0.1dB，大部分檢測點的平均絕對誤差都小於1dB，僅少部分外圍區域會在有較大的誤差(僅有5個檢測點大於1dB)。

(3)年齡

第5圖係顯示根據本揭露一實施例所述之年齡於本揭露與現有技術之平均絕對誤差的示意圖。如圖所示，在40-85歲中，各年齡的平均絕對誤差最小為0.3dB，最大為0.6dB。

基於上述三種方式可知，本揭露與現有技術所計算出結果的差異極小，且本揭露只需要建立一個模型(現有技術需每個檢測點均建立一個模型，即建立52個模型)。

另外，在同樣筆數的受測資料下，透過漸進新增資料樣本數，亦可比較本揭露與現有技術的在不同樣本數下的差異。第6圖係顯示根據本揭露一實施例所述之透過漸進新增資料樣本數比較本揭露與現有技術之差異的示意圖。如圖所示，在每一次的測試中，重複進行50次，以確保結果穩定性。總受測人數為263人，也就是說，每一個檢測點均有263筆資料，而第6圖中的平均絕對誤差是與各自方法n=263結果的差異。

綜合上述，本揭露提出一種計算視野指標正常分布的方法及裝置，與現有技術所取得的結果差異極小，但可更快速地 產出結果。此外，本揭露只需建立了一個模型，不僅可節省訓練成本，更考慮了鄰近檢測點彼此之間的影響。當檢測點有異動時，也能夠直接使用本揭露所提出之方法及裝置，算出新檢測點在某特定年齡下視野指標的正常分佈為何，無需要重新收集新檢測點資料，便可達到節省大量收集資料及訓練模型時間之目的。

對於本發明已描述的實施例，下文描述了可以實現本發明實施例的示例性操作環境。具體參考第7圖，第7圖係顯示用以實現本發明實施例的示例性操作環境，一般可被視為電子裝置700。電子裝置700僅為一合適計算環境的一個示例，並不意圖暗示對本發明使用或功能範圍的任何限制。電子裝置700也不應被解釋為具有與所示元件任一或組合相關任何的依賴性或要求。

本發明可在電腦程式碼或機器可使用指令來執行本發明，指令可為程式模組的電腦可執行指令，其程式模組由電腦或其它機器，例如個人數位助理或其它可攜式裝置執行。一般而言，程式模組包括例程、程式、物件、元件、數據結構等，程式模組指的是執行特定任務或實現特定抽象數據類型的程式碼。本發明可在各種系統組態中實現，包括可攜式裝置、消費者電子產品、通用電腦、更專業的計算裝置等。本發明還可在分散式運算環境中實現，處理由通訊網路所連結的裝置。

參考第7圖。電子裝置700包括直接或間接耦接以下裝置的匯流排710、記憶體712、一或多個處理器714、一或多個 顯示元件716、輸入/輸出(I/O)埠口718、輸入/輸出(I/O)元件720以及說明性電源供應器722。匯流排710表示可為一或多個匯流排之元件(例如，位址匯流排、數據匯流排或其組合)。雖然第7圖的各個方塊為簡要起見以線示出，實際上，各個元件的分界並不是具體的，例如，可將顯示裝置的呈現元件視為I/O元件；處理器可具有記憶體。

電子裝置700一般包括各種電腦可讀取媒體。電腦可讀取媒體可以是可被電子裝置700存取的任何可用媒體，該媒體同時包括易揮發性和非易揮發性媒體、可移動和不可移動媒體。舉例但不侷限於，電腦可讀取媒體可包括電腦儲存媒體和通訊媒體。電腦可讀取媒體同時包括在用於儲存像是電腦可讀取指令、資料結構、程式模組或其它數據之類資訊的任何方法或技術中實現的易揮發性性和非易揮發性媒體、可移動和不可移動媒體。電腦儲存媒體包括但不侷限於隨機存取記憶體(Random Access Memory，RAM)、唯讀記憶體(Read-Only Memory，ROM)、電子抹除式可複寫唯讀記憶體(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、快閃記憶體或其它記憶體技術、唯讀記憶光碟(Compact Disc Read-Only Memory，CD-ROM)、數位多功能光碟(Digital Versatile Disc，DVD)或其它光碟儲存裝置、磁片、磁碟、磁片儲存裝置或其它磁儲存裝置，或可用於儲存所需的資訊並且可被電子裝置700存取的其它任何媒體。電腦儲 存媒體本身不包括信號。

通訊媒體一般包含電腦可讀取指令、資料結構、程式模組或其它採用諸如載波或其他傳輸機制之類的模組化數據訊號形式的數據，並包括任何資訊傳遞媒體。術語「模組化數據訊號」係指具有一或多個特徵集合或以在訊號中編碼資訊之一方式更改的訊號。舉例但不侷限於，通訊媒體包括像是有線網路或直接有線連接的有線媒體及無線媒體，像是聲頻、射頻、紅外線以及其它無線媒體。上述媒體的組合包括在電腦可讀取媒體的範圍內。

記憶體712包括以易揮發性和非易揮發性記憶體形式的電腦儲存媒體。記憶體可為可移動、不移動或可以為這兩種的組合。示例性硬體裝置包括固態記憶體、硬碟驅動器、光碟驅動器等。電子裝置700包括一或多個處理器，其讀取來自像是記憶體712或I/O元件720各實體的數據。顯示元件716向使用者或其它裝置顯示數據指示。示例性顯示元件包括顯示裝置、揚聲器、列印元件、振動元件等。

I/O埠口718允許電子裝置700邏輯連接到包括I/O元件720的其它裝置，一些此種裝置為內建裝置。示例性元件包括麥克風、搖桿、遊戲台、碟形衛星訊號接收器、掃描器、印表機、無線裝置等。I/O元件720可提供一自然使用者介面，用於處理使用者生成的姿勢、聲音或其它生理輸入。在一些例子中，這些輸入可被傳送到一合適的網路元件以便進一步處理。電子裝置700可裝備 有深度照相機，像是立體照相機系統、紅外線照相機系統、RGB照相機系統和這些系統的組合，以偵測與識別物件。此外，電子裝置700可以裝備有感測器(例如：雷達、光達)週期性地感測周遭一感測範圍內的鄰近環境，產生表示自身與周遭環境關聯的感測器資訊。再者，電子裝置700可以裝備有偵測運動的加速度計或陀螺儀。加速度計或陀螺儀的輸出可被提供給電子裝置700顯示。

此外，電子裝置700中之處理器714也可執行記憶體712中之程式及指令以呈現上述實施例所述之動作和步驟，或其它在說明書中內容之描述。

在此所揭露程序之任何具體順序或分層之步驟純為一舉例之方式。基於設計上之偏好，必須了解到程序上之任何具體順序或分層之步驟可在此文件所揭露的範圍內被重新安排。伴隨之方法權利要求以一示例順序呈現出各種步驟之元件，也因此不應被此所展示之特定順序或階層所限制。

申請專利範圍中用以修飾元件之「第一」、「第二」、「第三」等序數詞之使用本身未暗示任何優先權、優先次序、各元件之間之先後次序、或方法所執行之步驟之次序，而僅用作標識來區分具有相同名稱(具有不同序數詞)之不同元件。

雖然本揭露已以實施範例揭露如上，然其並非用以限定本案，任何熟悉此項技藝者，在不脫離本揭露之精神和範圍內，當可做些許更動與潤飾，因此本案之保護範圍當視後附之申請專利 範圍所界定者為準。

200:方法

S205,S210,S215:步驟

Claims (10)

1. 一種計算視野指標正常分布的方法，由一裝置執行，包括：藉由上述裝置從複數正常視野資訊中取得一受測者年齡及對應上述受測者年齡於一數量檢測點的位置資訊；藉由上述裝置根據每一檢測點的位置資訊取得上述每一檢測點與一視野中心之間的距離；以及藉由上述裝置基於上述受測者年齡、上述位置資訊及上述每一檢測點與上述視野中心之間的上述距離對一視野指標模型進行訓練，以使上述視野指標模型計算出對應上述受測者年齡之一視野指標正常分布。
2. 如請求項1之計算視野指標正常分布的方法，其中上述方法更包括：藉由上述裝置接收一新檢測點；以及藉由上述裝置使用上述視野指標模型計算出對應上述新檢測點於上述受測者年齡下的一視野指標正常數值。
3. 如請求項2之計算視野指標正常分布的方法，其中上述新檢測點並不包括在上述數量檢測點中。
4. 如請求項1之計算視野指標正常分布的方法，其中上述視野指標模型係一線性迴歸(Linear Regression)模型、一隨機森林(Random Forest)模型、一支持向量機(Support Vector Machine)模型。
5. 如請求項1之計算視野指標正常分布的方法，其中上述數量檢測點並不包括位於一視野盲區內的檢測點。
6. 一種計算視野指標正常分布的裝置，包括：一或多個處理器；以及一或多個電腦儲存媒體，儲存電腦可讀取指令，其中上述處理器使用上述電腦儲存媒體以執行：從複數正常視野資訊中取得一受測者年齡及對應上述受測者年齡於一數量檢測點的位置資訊；根據每一檢測點的位置資訊取得上述每一檢測點與一視野中心之間的距離；以及基於上述受測者年齡、上述位置資訊及上述每一檢測點與上述視野中心之間的上述距離對一視野指標模型進行訓練，以使上述視野指標模型計算出對應上述受測者年齡之一視野指標正常分布。
7. 如請求項6之計算視野指標正常分布的裝置，其中上述處理器使用上述電腦儲存媒體更執行：接收一新檢測點；以及使用上述視野指標模型計算出對應上述新檢測點於上述受測者年齡下的一視野指標正常數值。
8. 如請求項7之計算視野指標正常分布的裝置，其中上述新檢測點並不包括在上述數量檢測點中。
9. 如請求項6之計算視野指標正常分布的裝置，其中上述視野指標模型係一線性迴歸(Linear Regression)模型、一隨機森林(Random Forest)模型、一支持向量機(Support Vector Machine)模型。
10. 如請求項6之計算視野指標正常分布的裝置，其中上述數量檢測點並不包括位於一視野盲區內的檢測點。