基于大数据方法和机器学习的计算眼镜镜片的方法技术

本发明专利技术涉及一种用于确定眼睛的生物特征数据的计算机实现的方法以及一种用于考虑所确定的生物特征数据来制造眼镜镜片的相应方法。此外，本发明专利技术涉及相应的计算机程序产品和设备。用于确定生物特征数据的方法包括以下步骤：提供用户的个体标准数据，标准数据包括处方数据，处方数据包括用户的至少一只眼睛的远用处方和/或近用处方；基于个体标准数据并使用描述标准数据与附加数据之间的关系的统计模型来计算包括用户的至少一只眼睛的至少一个个体生物特征参数的个体附加数据，其中统计模型是使用对具有多个参考数据集的训练数据集的统计分析而导出的，每个参考数据集包括标准数据和与标准数据相关联的附加数据。准数据和与标准数据相关联的附加数据。准数据和与标准数据相关联的附加数据。

【技术实现步骤摘要】
【国外来华专利技术】基于大数据方法和机器学习的计算眼镜镜片的方法


[0001]本专利技术涉及一种用于确定眼睛的生物特征数据的计算机实现的方法以及一种用于制造考虑了所确定的生物特征数据的眼镜镜片的相应方法。此外，本专利技术涉及相应的计算机程序产品和设备。

技术介绍

[0002]在计算眼镜镜片、特别是渐进眼镜镜片时，例如如文献US9,910,294B2中所描述的，可以考虑眼镜佩戴者眼睛的生物特征。这些生物特征眼镜镜片具有巨大的优势，因为成像质量不再在顶点球(简单模型的虚拟点)处评估，而是在成像实际发生的地方：眼睛的视网膜上评估。因此，还考虑了在屈光和通过眼睛介质传播期间产生的个体像差之间的相互作用。
[0003]然而，这种方法的缺点是需要使用复杂的设备和设备进行大量测量。这导致巨大的努力和高成本。因此，高质量生物特征眼镜镜片的优势仅适用于相对较小比例的视力缺陷患者。

技术实现思路

[0004]本专利技术的一个目的是广泛利用生物特征的眼镜镜片的优点而没有复杂测量的缺点。
[0005]该目的在相应的独立权利要求中通过用于确定眼睛的生物特征数据的计算机实现的方法、相应的设备和相应的计算机程序产品，以及用于制造具有各自的特征的眼镜镜片的方法和相应的设备来实现。
[0006]本专利技术基于令人惊喜的发现，即可以使用作为常规屈光确定的一部分确定的用户眼睛的标准值以足够的准确度和精确度来确定或预测用户的至少一只眼睛的个体生物特征参数。因此，可以计算和制造具有高成像质量和佩戴舒适度的个体生物特征眼镜镜片，而无需为此对附加生物特征数据进行复杂且高成本的测量。
[0007]本专利技术的第一方面涉及一种用于确定用户的至少一只眼睛的个体生物特征参数的计算机实现的方法。该方法包括：
[0008]提供所述用户的个体标准数据，所述标准数据包括用户的至少一只眼睛的处方数据；
[0009]基于所述个体标准数据并使用描述标准数据和附加数据之间的关系的统计模型来计算包括所述用户的至少一只眼睛的至少一个个体生物特征参数的个体附加数据，
[0010]其中所述统计模型是使用对具有多个参考数据集的训练数据集的统计分析而导出的，每个所述参考数据集包括标准数据和与所述标准数据相关联的附加数据。
[0011]所述方法还可以包括提供描述标准数据和附加数据之间的关系的所述统计模型。
[0012]此外，所述方法可以包括提供训练数据集并使用训练数据集的统计分析来导出所述统计模型。导出所述统计模型可以包括，例如，使用所述训练数据集训练原始(未训练的)
模型。例如，所述模型可以包括在使用所述训练数据集进行训练期间改变或调整的几个模型参数。
[0013]本申请的含义内的术语“提供”包括“指定”、“发送”、“获得”、“读出”、“从存储器、数据库和/或表格检索”、“接收”等。
[0014]本申请含义内的术语“确定”还包括“指定”、“计算”、“识别”、“预测”等。
[0015]标准数据
[0016]标准数据(基本数据)是用户的至少一只眼睛的数据，并且可能还有与眼镜订单有关的其他数据(例如由配镜师或眼科医生记录)。例如，标准数据可以包括通常总是与眼镜订单有关的记录的数据，例如处方数据。标准数据还可以包括通常与眼镜订单有关的选择性地记录或测量的数据，例如用户的至少一只眼睛的高阶像差等。然后可以使用该数据来确定进一步的补充数据(附加数据)。
[0017]例如，标准数据可以包括已经用第一测量设备或第一测量方法记录的数据。可以基于该数据计算附加数据，这些数据不能用第一测量设备或用第一测量方法确定或测量。备选地或附加地，附加数据可以包括可以用第一测量设备或第一测量方法确定或测量但质量不足(例如不具有足够准确度、精确度和/或可重复性)的数据。
[0018]例如，在确定至少部分标准数据时，可以使用测量设备，该测量设备允许确定用户的至少一只眼睛的部分生物特征参数，以便在计算个体生物特征眼镜镜片时将其考虑在内。使用此测量设备记录的数据随后可用于确定无法使用此测量设备确定的其他个体生物特征参数。例如，第一测量设备可以是像差计，它可以确定眼睛的像差，但不能确定角膜的像差(例如，用地形图仪测量)和/或前房深度(例如，使用沙姆相机进行测量)。基于用像差计记录的眼睛的像差数据，该方法可用于确定进一步的生物特征数据，例如角膜像差和/或前房深度。如果地形图仪和/或沙姆相机可用，则可以使用相应的测量数据来确定眼睛的像差。
[0019]如上所述，当数据不仅不能确定或测量时(例如，因为没有合适的测量设备)，而且当相应的数据只能在不良或不足的质量的情况下确定或测量时，也可以使用该方法。例如，标准数据可以包括已经用第一(例如简单的)测量设备或测量方法测量的数据，该测量设备或测量方法提供低质量或不足质量的数据。用第一测量设备或用第一测量方法记录的数据可以用于确定具有更高质量的附加数据。例如，附加数据可以对应于已经记录的数据或者可以用第二更精确的测量设备/测量设备类型或者用第二测量方法测量的数据。
[0020]标准数据至少包括处方数据。处方数据包括远用处方(即，在远距离观察时的屈光数据，例如在无限远处)和/或近远用处方(即，在近距离观察时的屈光数据，例如在阅读距离处)。用户的至少一只眼睛的距离规定由参数球体(Sph)、柱体(Cyl)和轴或从中导出的变量组成，例如远用处方的度数矢量的分量M(等效球面)、J0(正视
‑
散光)和J45(斜散光)。近用处方也由用户的至少一只眼睛的变量球体(Sph)、柱体(Cyl)和轴组成，或者由由此导出的变量组成，例如近用处方的度数矢量的分量M、J0和J45。处方数据还例如在渐进镜片和多焦点镜片的情况下可以包括下加光。
[0021]例如，可以使用主觉验光来确定远用处方、下加光和/或近用处方。还可以使用客观验光或者使用客观和主觉验光的组合来确定远用处方、下加光和/或近用处方。
[0022]主觉验光判定是考虑用户主观感受的视觉印象的验光判定方法。通常，不同的屈
光镜片被放置在使用者的前面，当前面的屈光镜片的光学性质改变时，眼镜镜片的使用者通知验光师视觉印象的改善或恶化。
[0023]然而，在客观验光的情况下，不考虑用户的反馈。客观验光仅使用设备布置进行，并且还可以记录眼球的屈光特性和几何形状。客观验光可以使用各种设备进行，例如屈光计、像差计、波前扫描仪等。
[0024]可选地，标准数据可以至少包括以下参数之一：
[0025]瞳孔距离PD；以及
[0026]瞳孔直径。
[0027]瞳孔距离和瞳孔直径可以使用传统的测量方法来确定。
[0028]此外，标准数据可以可选地包括以下数据的至少一部分，该数据是使用第一测量方法或测量设备记录的：
[0029]‑
眼睛的低阶和/或高阶像差，例如球面像差(Sph)、柱面像差(Cyl)、轴像差(或M、J0、J45)、彗差、三叶像差、二次散光、球面像差和/或其他像差；和/或
[0030]‑<本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于确定用户的至少一只眼睛的个体生物特征参数的计算机实现的方法，包括：提供所述用户的个体标准数据(12)，所述标准数据(12)包括处方数据，所述处方数据包括用户的至少一只眼睛的远用处方和/或近用处方；基于所述个体标准数据(12)并使用描述所述标准数据与附加数据之间的关系的统计模型(2)来计算包括所述用户的至少一只眼睛的至少一个个体生物特征参数的个体附加数据(14)，其中所述统计模型(2)是使用对具有多个参考数据集(10)的训练数据集(1)的统计分析而导出的，每个所述参考数据集(10)包括标准数据和与所述标准数据相关联的附加数据。2.根据权利要求1所述的方法，还包括：提供所述训练数据集(1)；以及使用对所述训练数据集(1)的统计分析来导出所述统计模型(2)，其中导出所述统计模型(2)包括使用所述训练数据集(1)来训练原始模型。3.根据权利要求1或2所述的方法，其中所述统计模型(2)是线性回归模型、非线性回归模型、非参数或半参数回归模型。4.根据前述权利要求中任一项所述的方法，其中所述统计模型(2)是已经使用所述训练数据集训练的神经网络。5.根据前述权利要求中任一项所述的方法，其中所述标准数据(12)还包括下加光和/或瞳孔距离和/或瞳孔直径。6.根据前述权利要求中任一项所述的方法，其中包含在所述参考数据集(10)中的所述附加数据(14)包括未包含在与所述附加数据(14)相关联的所述标准数据(12)中的生物特征参数；和/或其中包含在所述参考数据集(10)中的所述附加数据(14)包括包含在与所述附加数据(14)相关联的所述标准数据(12)中的生物特征参数，其中所述标准数据(12)的所述值和与所述标准数据相关联的所述附加数据(14)已经利用不同的测量方法和/或测量设备...

【专利技术属性】
技术研发人员：G，
申请(专利权)人：罗登斯托克有限责任公司，
类型：发明
国别省市：