[发明专利]检查对象分类系统、检查对象分类方法以及记录介质

说明书

本发明提供一种能够客观地进行分类的技术。本发明构成一种检查对象分类系统，其中，所述检查对象分类系统具备：检查对象图像获取部，其获取作为前眼部或所述前眼部周围的检查部的图像的检查对象图像；分类部，其向基于所述检查部的图像而对所述检查部的状态进行分类的机器学习模型输入所述检查对象图像，并获取分类结果；以及显示部，其显示所述分类结果。

技术领域

本发明涉及检查对象分类系统、检查对象分类方法以及记录介质。

背景技术

以往，已知有将前眼部、前眼部的周围作为检查对象而对检查对象进行评价的技术。例如，在专利文献1、2中，公开了进行干眼症的类型评价、泪液层的动态的评价的技术。

现有技术文献

专利文献

专利文献1：日本特开2018-47083号公报

专利文献2：国际公开WO2018/203515号公报

发明内容

发明所要解决的问题

在现有技术中，需要构建在评价时根据人为决定的评价基准自动进行判断的系统，由于评价基准的决定伴随着主观，因此难以提高评价的可靠性。

本发明是鉴于上述问题而完成的，其目的在于提供一种能够客观地进行分类的技术。

用于解决问题的手段

为了实现上述目的，检查对象分类系统具备：检查对象图像获取部，其获取作为前眼部或前眼部周围的检查部的图像的检查对象图像；分类部，其向基于检查部的图像而对检查部的状态进行分类的机器学习模型输入检查对象图像，并获取分类结果；以及显示部，其显示分类结果。

即，在检查对象分类系统中，基于前眼部或者前眼部周围的检查部的图像，预先生成对检查部的状态进行分类的机器学习模型。因而，只要获取到前眼部或者前眼部周围的检查部的图像，就能够基于机器学习模型自动地对检查对象进行分类。机器学习模型是通过为了学习而准备将图像与分类结果建立对应的教师数据并进行机器学习而得到的。因而，根据机器学习模型，能够不依赖于主观地进行分类。

附图说明

图1是示意性地表示检查对象分类系统所具备的光学系统的图。

图2是对头部以及主体部的内部结构进行说明的框图。

图3A是对机器学习系统的结构进行说明的框图，图3B是机器学习处理的流程图。

图4是表示机器学习的模型的图。

图5A是表示光调整构件的组合的例子的图，图5B是表示拍摄图像的图，图5C是表示检查对象图像的图。

图6A是检查对象分类处理的流程图，图6B是表示分类结果的显示方式的例子的图。

图7A、图7B是表示分类结果的显示例的图。

附图标记说明