信息处理装置、信息处理方法、程序和眼科显微镜系统与流程

1.本技术涉及可以应用于狭缝灯显微镜的信息处理装置、信息处理方法、程序以及眼科显微镜系统。


背景技术：

2.在专利文献1中描述的眼科系统中，包括狭缝灯显微镜的眼科成像装置获得待检眼的三维图像。基于所获得的三维图像，执行机器学习和数据挖掘，并存储确认。基于所存储的确认和待检眼的三维图像，生成诊断辅助信息。因此，有利地执行使用人工智能的分析(专利文献1中的段落【0017】,【0020】，图8等)。
3.引用列表
4.专利文献
5.专利文献1：日本专利申请公开第2019-24738号


技术实现要素：

6.技术问题
7.在狭缝灯显微镜中，手动执行照明单元和成像单元的操作。因此，很难再现观察时的照明方向和相机位置等条件。因此，期望提供一种能够容易地执行狭缝灯显微镜的观察中的操作的技术。
8.鉴于上述情况，本技术的目的是提供能够容易地在观察中执行操作的信息处理装置、信息处理方法、程序和眼科显微镜系统。
9.问题的解决方案
10.为了实现上述目的，根据本技术的实施例的信息处理装置包括生成单元。
11.生成单元生成与第一观察条件和第二观察条件之间的差异有关的差异信息，第一观察条件是当由狭缝灯显微镜观察待检眼时的观察条件，第二观察条件是作为关于由狭缝灯显微镜观察待检眼的基础的观察条件。
12.在该信息处理装置中，生成与第一观察条件和第二观察条件之间的差异有关的差异信息，该第一观察条件是由狭缝灯显微镜观察待检眼时的观察条件，该第二观察条件是作为关于待检眼的观察的基础的观察条件。因此，能够容易地执行观察时的操作。
13.根据本技术的实施例的信息处理方法是由计算机系统执行的信息处理方法，并且该信息处理方法包括生成与第一观察条件和第二观察条件之间的差异有关的差异信息，第一观察条件是由狭缝灯显微镜观察待检眼时的观察条件，第二观察条件是作为关于由狭缝灯显微镜观察待检眼的基础的观察条件。
14.根据本技术的实施例的程序使计算机系统执行以下步骤。
15.生成与第一观察条件和第二观察条件之间的差异有关的差异信息的步骤，该第一观察条件是由狭缝灯显微镜观察待检眼时的观察条件，该第二观察条件是作为关于由狭缝灯显微镜观察待检眼的基础的观察条件。
16.根据本技术的实施例的眼科显微镜系统包括缝隙灯显微镜和信息处理装置。
17.信息处理装置包括生成单元。
18.生成单元生成与第一观察条件和第二观察条件之间的差异有关的差异信息，第一观察条件是由狭缝灯显微镜观察待检眼时的观察条件，第二观察条件是作为关于由狭缝灯显微镜观察待检眼的基础的观察条件。
附图说明
19.图1用于说明观察系统的概要的示意图。
20.图2示出观察系统的功能配置示例的框图。
21.图3示出图像分析的示例的示意图。
22.图4示出引导信息生成的示例的流程图。
23.图5示出引导显示gui的示例的示意图。
24.图6示出引导显示gui的另一示例的示意图。
25.图7示出成像计划生成的步骤的例子的流程图。
26.图8示出信息处理装置的硬件配置示例的框图。
具体实施方式
27.在下文中，将参照附图描述根据本技术的实施例。
28.图1是用于描述根据本技术的观察系统的概要的示意图。应注意，观察系统100对应于根据本技术的眼科显微镜系统的实施例。
29.如图1所示，观察系统100包括狭缝灯显微镜1和信息处理装置10。
30.狭缝灯显微镜1和信息处理装置10经由有线或无线彼此连接，使得它们可彼此通信。各个设备之间的连接形式不受限制。例如，可以利用诸如wi-fi的无线lan通信或诸如蓝牙(注册商标)的近场通信。
31.狭缝灯显微镜1包括照明光学系统2和成像光学系统3，并且能够观察待检眼。用户(例如，医生)手动地或电动地操作照明光学系统2和成像光学系统3，由此观察待检眼。
32.照明光学系统2能够向待检眼发射狭缝光。
33.成像光学系统3能够对从待检眼反射的光进行成像。例如，成像光学系统包括能够对待检眼成像的用于右眼的相机和用于左眼的相机。
34.应注意，照明光学系统2和成像光学系统3的具体配置不受限制。例如，诸如互补金属氧化物半导体(cmos)传感器和电荷耦合器件(ccd)传感器的图像传感器可以用作用于对待检眼成像的成像装置和成像元件。
35.在本实施例中，狭缝灯显微镜1包括显示单元4。在显示单元4上呈现由信息处理装置10生成的差异信息。
36.应注意，狭缝灯显微镜1的配置不受限制。例如，狭缝灯显微镜1可包括能够改变显示单元4的位置的驱动机制等。此外，例如，狭缝灯显微镜1不需要包括显示单元4，并且差异信息可呈现在诸如个人计算机(pc)的装置上。
37.观察条件至少包括与狭缝灯显微镜1所包含的照明光学系统2有关的照明条件和与狭缝灯显微镜1所包含的成像光学系统3有关的成像条件。
38.照明条件包括发射到待检眼的狭缝光的位置、照明光学系统2的位置、狭缝光的光量或狭缝光的宽度(形状)中的至少一个。
39.成像条件包括成像光学系统3的位置、倍率或成像方向中的至少一个。
40.在本实施例中，观察条件包括当前条件和参考条件，当前条件指示由狭缝灯显微镜1观察待检眼时的实时条件，参考条件指示作为关于由狭缝灯显微镜1观察待检眼的基础的条件。例如，沿预定方向发射狭缝光的照明条件和沿预定方向对待检眼成像的成像条件是参考条件。
41.差异信息是指示观察条件之间的差异的信息。在本实施例中，生成当前条件和参考条件之间的差异作为差异信息。例如，生成照明光学系统2的当前位置与照明光学系统2的参考位置之间的差异作为差异信息。具体而言，生成距指示照明光学系统2的位置的坐标3cm等的误差的差异信息。
42.信息处理装置10能够获得狭缝灯显微镜1的观察条件并生成差异信息。在该实施例中，信息处理装置10将生成的差异信息呈现在安装在狭缝灯显微镜1上的显示单元4上。例如，信息处理装置10使显示单元4显示图形用户界面(gui)，在该图形用户界面中显示差异信息以便用户能够识别。
43.应当注意，在本实施例中，当前条件与第一观察条件相对应，第一观察条件是由狭缝灯显微镜观察待检眼时的观察条件。参考条件与第二观察条件相对应，第二观察条件是作为关于由狭缝灯显微镜观察待检眼的基础的观察条件。
44.图2是示出观察系统100的配置示例的框图。
45.信息处理装置10包括计算机的配置所需的硬件，该计算机包括例如处理器(诸如cpu、gpu和dsp)、存储器(诸如rom和ram)、存储设备(诸如hdd)(参见图8)。例如，cpu将提前记录在rom等中的根据本技术的程序加载到ram中并执行该程序，从而执行根据本技术的信息处理方法。
46.例如，诸如pc的任何计算机可实现信息处理装置10。当然，可以使用诸如fpga和asic的硬件。在本实施例中，当cpu执行预定程序时，将引导信息生成单元配置作为功能块。当然，诸如集成电路(ic)的专用硬件用于实现功能块。
47.例如，经由各种记录介质将程序安装在信息处理装置10中。可替换地，可以经由互联网安装程序。
48.记录程序的记录介质等的种类不受限制，并且可以使用任何计算机可读记录介质。例如，可以使用任何计算机可读非瞬态存储介质。
49.如图2所示，信息处理装置包括图像获得单元11、图像分析单元12、观察条件估计单元13、成像计划生成单元14以及引导信息生成单元15。
50.图像获得单元11获得包括待检眼的拍摄图像。在本实施例中，图像获得单元11获得由成像光学系统3捕获的捕获图像。即，当前成像条件下的捕获图像由图像获得单元11捕获并获得。
51.此外，在本实施例中，图像获得单元11获得在参考条件下捕获的图像的参考图像。应注意，获得参考图像的方法不受限制，并且狭缝灯显微镜1可将在预定观察条件下捕获的捕获图像设置为参考图像。此外，例如，可以从外部获得包括不同待检眼(患者)的参考图像。
52.获得的捕获图像和参考图像被输出至图像分析单元12。
53.图像分析单元12分析捕获图像和参考图像。例如，图像分析单元12由图像识别、阈值处理、分割、图像信号分析等进行分析。分析方法不受限制，并且可以使用任何方法。例如，图像分析可以由机器学习来执行。
54.此外，例如，图像分析单元12能够从捕获图像和参考图像中识别虹膜的位置、巩膜上的血管结构、眼睑等。
55.在本实施例中，由图像分析单元12执行的分析结果被输出至观察条件估计单元13和成像计划生成单元14。
56.观察条件估计单元13估计观察条件。在该实施例中，观察条件估计单元13基于分析结果估计观察条件。
57.例如，基于虹膜的眼球位置关系等，估计成像光学系统3的位置。此外，例如，基于捕获图像的特征提取、霍夫变换等，估计成像光学系统3的成像方向和倍率。此外，例如，基于捕获图像的图像信号，估计成像光学系统3的孔径、f数、透镜的颜色(或由传感器获得)、对光的曝光或快门速度。
58.例如，基于捕获图像的图像信号，估计从照明光学系统2发射的狭缝光的光量、波长以及滤波器的存在/不存在或种类。此外，例如，基于捕获图像的阈值处理，估计照明光学系统2的照明方向和狭缝光的形状(宽度或角度)。此外，例如，基于捕获图像的图像识别，估计诸如透照检查的观察技术。
59.此外，在该实施例中，估计的当前条件和参考条件被输出至引导信息生成单元15。
60.成像计划生成单元14生成用于收集训练数据的成像计划。在该实施例中，基于用户希望制作的学习算法和用户指定的捕获图像数量来生成成像计划。
61.成像计划是用于获得满足用户指定的学习算法的训练数据的捕获图像的观察条件。
62.例如，假定用户已经指定了能够利用一百张捕获图像确定待检眼是否患有白内障的学习算法。在这种情况下，成像计划生成单元14生成成像计划，以将白内障的待检眼作为对象，在设定了规定的角度和规定的光量的各观察条件下捕获10个成像图像。
63.引导信息生成单元15生成包括差异信息和成像计划的引导信息。例如，引导信息生成单元15基于从观察条件估计单元13输出的估计结果生成差异信息。
64.在该实施例中，引导信息生成单元15使得显示单元4显示gui，在该gui中显示差异信息以便用户能够识别。
65.此外，在这个实施例中，引导信息生成单元15使显示单元4显示gui，在该gui中显示成像计划以便用户能够识别。
66.应当注意，生成引导信息的方法不受限制。例如，可以从狭缝灯显微镜1获得与照明光学系统2和成像光学系统3的观察条件对应的观察值。具体而言，基于指示与当前条件对应的成像光学系统3的坐标的观察值和指示与参考条件对应的成像光学系统4的坐标的观察值之间的差异，生成差异信息。
67.应当注意，在本实施例中，引导信息生成单元15对应于生成与第一观察条件和第二观察条件之间的差异有关的差异信息的生成单元，该第一观察条件是由狭缝灯显微镜观察待检眼时的观察条件，该第二观察条件是关于由狭缝灯显微镜观察待检眼的基础的观察
条件。
68.应当注意，在本实施例中，观察条件估计单元13与基于包含待检眼的捕获图像来估计与狭缝灯显微镜有关的观察条件的估计单元相对应。
69.应当注意，在该实施例中，引导信息生成单元15和显示单元4用作向用户呈现差异信息的呈现单元。
70.此外，在本实施例中，成像计划生成单元14对应于生成用于获得捕获图像的成像计划的计划生成单元，该成像计划作为用于机器学习的训练数据。
71.应当注意，在本实施例中，显示单元4对应于包括在狭缝灯显微镜中的图像显示单元。
72.图3是示出了图像分析的示例的示意图。图3示出了图3a至图3c，作为由图像分析单元12分析的图像的示例。
73.图3a是在向待检眼发射狭缝光的状态下的图像的示意图。
74.如图3a所示，狭缝光21发射到待检眼20。图像分析单元12分析捕获图像的图像信号，并且观察条件估计单元13可由此估计所射的狭缝光的光量、照明光学系统2的位置和成像光学系统3的位置。
75.图3b是在由透照镜观察待检眼的状态下的图像的示意图。
76.例如，图像分析单元12可以由机器学习分析由透照镜观察图3b中的待检眼25。
77.图3c是从照明光学系统2发射荧光的状态下的图像的示意图。
78.在图3c中，荧光素被应用于待检眼30。例如，图像分析单元12能够基于颜色等分析已经使用荧光素的事实和从照明光学系统2发射具有对应于荧光的波长的光的事实。
79.图4是示出了引导信息生成的示例的流程图。
80.在用户希望在预定条件下拍摄捕获图像的情况下，图像获得单元11获得满足预定条件的参考图像(步骤101)。例如，假定用户希望通过以预定角度向待检眼发射狭缝光来拍摄从正面捕获的捕获图像。在这种情况下，图像获得单元11获得满足条件的参考图像。
81.获得参考图像的方法不受限制，并且可针对参考图像使用图像识别并且可确定其是否满足条件。可选地，参考条件可以与参考图像相关联，并且可以通过参考参考条件来获得参考图像。
82.图像分析单元12分析参考图像并且观察条件估计单元13估计参考条件(步骤102)。
83.图像获得单元11获得由狭缝灯显微镜1获得的捕获图像(步骤103)。观察条件估计单元13从获得的捕获图像估计当前条件(步骤104)。
84.引导信息生成单元15基于估计的参考条件和当前条件生成差异信息。此外，在显示单元4上显示其中显示差异信息以使得用户能够识别的gui(步骤105)。
85.图5是示出引导显示gui的示例的示意图。
86.如图5所示，引导显示gui40包括图像显示单元41、引导显示单元42和图表显示单元43。在该实施例中，引导信息和引导文本作为差异信息显示在引导显示gui40上。
87.图像显示单元41显示由狭缝灯显微镜1捕获的捕获图像和引导信息。如图5所示，在图像显示单元41上显示引导信息(虚线45)。在图5中，虚线45指示参考图像的虹膜的轮廓。即，由将捕获图像的光圈的轮廓46调整为虚线45，能够将成像光学系统3的观察条件调
整为参考条件。
88.在该实施例中，图像显示单元41显示引导文本。例如，待检眼的瞳孔的当前中心和虚线45的中心之间的距离被显示为引导文本“误差：xx mm”。
89.引导显示单元42显示用于将当前条件与参考条件匹配的引导文本。例如，在图5中，用于使相机(成像光学系统3)的位置与参考条件匹配的引导文本“调整相机位置”被显示在引导显示单元42上。
90.利用图表显示单元43的图表显示在引导显示单元42上显示的引导文本。
91.图表显示单元43显示用于将当前条件与参考条件匹配的图表。在图5中，将“相机设置调整”、“相机调整”和“照明调整”显示为图表。而且，在图5中，已经执行“相机调整”，并且“相机调整”的边框显示为粗线。因而，用户能够容易地知道应该匹配观察条件中的哪个条件。
92.另外，图表显示单元43在显示的图表已完成的情况下新显示图表。在当前条件中的所有条件与参考条件匹配的情况下，图表显示单元43的显示完成。
93.图6是示出了引导显示gui的另一个示例的示意图。
94.在图6中，引导显示gui50是在图5中的引导显示gui40的图表已经进展的状态下的gui。即，这是在完成“相机调整”的图表并且执行“照明调整”的图表的阶段的gui。
95.如图6所示，图像显示单元41显示用于将当前照明位置51调整至参考照明位置的引导信息(虚线52)。此外，图像显示单元41将狭缝光的当前位置与虚线52的位置之间的差异显示为引导文本“狭缝方向：xx度”。
96.应注意，呈现差异信息的方法不受限制。例如，可以通过声音呈现引导文本，例如，“以xx mm移动相机”。此外，引导显示gui的配置不受限制，并且用户可以任意设置它。
97.用户根据图5和图6中的引导文本来调整当前条件以匹配参考条件(步骤106)。在用户已经完成当前条件的调整的情况下(步骤107中的是)，用户可以在期望的参考条件下执行成像(观察)(步骤108)。
98.图7是示出成像计划生成的过程的示例的流程图。
99.用户指定期望的学习算法和捕获图像的数量，即，用于生成学习算法的训练数据(步骤201)。
100.成像计划生成单元14生成满足指定条件的成像计划(步骤202)。在本实施例中，成像计划生成单元14关于规定的条件生成分布充分的成像计划。例如，生成用于以小和大的各种光量作为狭缝光的光量以任何角度对待检眼成像的成像计划。
101.引导信息生成单元15生成作为引导信息并且使显示单元4显示引导信息(步骤203)生成的成像计划。例如，类似于图5中所示的引导显示gui40，用于使观察条件与包括在成像计划中的当前条件匹配的gui可以显示在显示单元4上。此外，例如，成像计划可以通过声音呈现给用户。
102.用户根据成像计划执行成像(步骤204)。确定由成像计划生成单元14获得的捕获图像是否满足成像计划(步骤205)。在所获得的捕获图像不足以作为用于成像计划的训练数据的情况下(步骤205中为“否”)，新生成用于获得新训练数据的成像计划(步骤202)。因此，可以有效地生成用于机器学习的训练数据。
103.在上文中，在根据本实施例的观察系统100中，生成与第一观察条件和第二观察条
件之间的差异有关的差异信息，第一观察条件是由狭缝灯显微镜1观察待检眼时的观察条件，第二观察条件是关于由狭缝灯显微镜1观察待检眼时的基础的观察条件。因此，能够容易地进行观察时的操作。
104.通常，在基于观察或图像的检查或诊断中，观察图像或获得的图像根据各种条件而改变。期望在条件尽可能一致的一致条件下，以获得定量的、可再现的结果、观察或图像。特别在如随访检查那样进行比较的检查、诊断的情况下，仅着眼于病变部的变化，因此更重要。
105.此外，在使用图像的人工智能(ai)的诊断中，图像的获得条件也是重要的。这同样适用于当生成机器学习模型时的学习时间和当使用机器学习模型执行诊断时的使用时间。在机器学习中，期望统一地包括在学习时在各种条件下获得的信息。另外，在使用经学习后的模型的情况下，待评价的图像的获得条件与包括在训练数据中的获得条件没有不同。
106.鉴于此，在本技术中，在使用需要许多手动中断的狭缝灯显微镜(例如，在由狭缝灯显微镜进行观察时的设置)时，为了在相同条件下进行观察或图像获得，生成与当前条件和作为基础的条件之间的差异有关的差异信息。因此，在与先前图像相同的条件下观察变得容易，并且定量且可再现的检查和诊断变得可能。
107.另外，由于提示了与作为参考的条件匹配的差异信息，因此狭缝灯显微镜不需要特别的技巧，能够容易且迅速地设定观察时的条件。此外，因为可以获得在预定条件下的捕获图像，所以可以有效地生成用于机器学习的训练数据。此外，当通过机器学习执行估计时，能够在一致的条件下执行高度准确的检查和诊断。
108.《其他实施例》
109.本技术不限于上述实施例，并且可以实现各种其他实施例。
110.在上述实施例中，训练数据被用作生成学习算法的方法。本技术不限于此，并且可以使用各种学习算法和其生成方法。
111.例如，可以使用使用深度神经网络(dnn)等的任意机器学习算法。例如，由使用执行深度学习的人工智能(ai)等，可以改善学习算法的生成。
112.例如，学习单元和识别单元被构建用于生成学习算法。学习单元基于输入信息(学习数据)执行机器学习并且输出学习结果。此外，识别单元基于输入信息和学习结果执行输入信息的识别(例如，判断、预测)。
113.例如，神经网络和深度学习被用于学习单元中的学习技术。神经网络是模拟人类大脑的神经网络的模型。神经网络由输入层、中间层(隐藏层)和输出层这三种类型的层构成。
114.深度学习是使用具有多层结构的神经网络的模型。深度学习可以在每层中重复特征学习并且学习在大量数据中隐藏的复杂模式。
115.深度学习例如用于识别图像中的对象或对话中的单词的目的。例如，使用用于图像或运动图像的识别的卷积神经网络(cnn)等。
116.此外，已经结合了神经网络的概念的神经芯片/神经元形态芯片可以用作实现这种机器学习的硬件结构。
117.对于机器学习中的问题设置，存在有监督学习、无监督学习、半监督学习、强化学习、反向强化学习、主动学习、转移学习等。
118.例如，监督学习基于所提供的标记学习数据(训练数据)学习特征量。因此，可以导出未知数据的标记。
119.此外，无监督学习分析大量的未标记学习数据，提取特征量，并基于提取的特征量执行聚类分析。因而，可基于大量未知数据来执行趋势分析和未来预测。
120.此外，半监督学习是监督学习和无监督学习的混合。半监督学习是这样一种方法，其中在监督学习中学习特征量，然后在非监督学习中提供大量训练数据，并且在自动地计算特征量的同时重复地执行学习。
121.此外，强化学习处理某个环境中的代理观察当前状态并确定代理应该采取的行动的问题。代理选择行动以从而从环境中获得奖励，并且通过一系列行为学习可以使奖励最大化的策略。这样，在一定环境下学习最优解，可以再现人的判断能力，也可以使计算机学习到超出人的判断能力的判断能力。
122.虚拟感测数据也可以通过机器学习来生成。能够根据特定的检测数据来预测其他的检测数据，将其作为输入信息来使用，例如根据输入图像信息来生成位置信息。
123.此外，也可以根据多个感测数据生成其他感测数据。此外，也可以预测必要信息并根据感测数据生成预定信息。
124.在上述实施例中，狭缝灯显微镜1捕获作为由用户指定的成像计划所需的训练数据的捕获图像。本技术不限于此，并且可以任意获得满足成像计划的捕获图像。例如，可以从另一用户获得通过从前方对待检眼成像而获得的一百张捕获图像，并且可以从又一用户获得通过以预定角度对待检眼成像而获得的三百张捕获图像。
125.在上述实施例中，在显示单元4上显示引导显示gui40。本技术并不限于此，并且例如，可由观察狭缝灯显微镜1的目镜将引导显示gui40呈现给用户。
126.图8是示出信息处理装置10的硬件配置示例的框图。
127.信息处理装置10包括cpu61、rom62、ram63、输入/输出接口65和将这些彼此连接的总线64。显示单元66、输入单元67、存储单元68、通信单元69和驱动单元70等连接至输入/输出接口65。
128.显示单元66是例如使用液晶、el等的显示装置。输入单元67是例如键盘、指示装置、触摸面板或其他操作装置。在输入单元67包括触摸面板的情况下，触摸面板可与显示单元66成一体。
129.存储单元68是非易失性存储设备，并且例如是hdd、闪存或其他固态存储器。例如，驱动单元70是能够驱动诸如光学记录介质和磁记录带等可移除记录介质71的设备。
130.通信单元69是可连接到lan、wan等的调制解调器、路由器或用于与其他设备通信的其他通信设备。通信单元69可以执行有线通信或者可以执行无线通信。通信单元69通常与信息处理装置10分开使用。
131.由存储在存储单元68、rom62等中的软件与信息处理装置10的硬件资源的协作，实现由具有上述硬件配置的信息处理装置10进行的信息处理。具体地，由将配置软件的程序加载到存储在rom62等中的ram63中并执行该程序，实现了根据本技术的信息处理方法。
132.例如，经由记录介质71将程序安装在信息处理装置10中。可替代地，程序可经由全球网络等安装在信息处理装置10中。否则，可以使用任何计算机可读非瞬态存储介质。
133.由安装在通信终端上的计算机与能够经由网络等与其通信的另一计算机的协作，
可以执行根据本技术的信息处理装置、信息处理方法、程序和眼科显微镜系统，并且可以配置根据本技术的信息处理装置。
134.即，根据本技术的信息处理装置、信息处理方法、程序和眼科显微镜系统不仅可以在由单个计算机配置的计算机系统中执行，而且可以在多个计算机协作操作的计算机系统中执行。应注意，在本公开中，系统意味着多个组件(设备、模块(组件等))组，并且所有组件是否在同一壳体中无关紧要。因此，容纳在单独的壳体中并且经由网络连接的多个装置和多个模块容纳在单个壳体中的单个装置都是系统。
135.例如，通过计算机系统执行根据本技术的信息处理装置、信息处理方法、程序和眼科显微镜系统包括由单个计算机执行估计观察条件、输出gui、生成成像计划等的情况以及由不同计算机执行相应处理的情况。此外，由预定计算机执行各个处理包括使另一计算机执行一些或全部处理以获得结果。
136.即，根据本技术的信息处理装置、信息处理方法、程序和眼科显微镜系统也可以应用于云计算配置，其中，经由网络由多个装置共享单个功能并协作地处理。
137.已经参考各个附图描述的诸如观察条件估计单元、成像计划生成单元、以及引导信息生成单元的各个配置、通信系统的控制流程等仅仅是实施例，并且可以在不偏离本技术的主旨的情况下任意修改。即，可以采用用于执行本技术的任何其他配置、算法等。
138.应注意，本公开中所描述的效果仅是示例性的而非限制性的，并且还可提供其他效果。上述多个效果的描述并不意味着总是同时提供这些效果。它们意味着根据条件等提供至少任何一种上述效果。当然，可以提供本公开中未描述的效果。
139.上述实施例的特征部分中的至少两个特征部分也可组合。即，在上述各实施例中说明的各种特征部分可跨这些实施例任意组合。
140.在本公开中，假设定义形状、尺寸、位置关系、状态等的概念，诸如“中心”、“中间”、“一致”、“相等”、“相同”、“正交”、“平行”、“对称”、“延伸”、“轴向”、“柱状”、“圆柱”、“环形”以及“环状”是包括“大致中心”、“大致中间”、“大致一致”、“大致相等”、“大致相同”、“大致正交”、“大致平行”、“大致对称”、“大致延伸”、“大致轴向”、“大致柱状”、“大致圆柱”、“大致环形”、“大致环状”等的概念。
141.例如，还包括使用”完全中心”、”完全中间”、”完全一致”、”完全相等”、”完全相同”、”完全正交”、”完全平行”、”完全对称”、”完全延伸”、”完全轴向”、”完全柱状”、”完全圆柱”、”完全环形”、”完全环状”等作为基础的预定范围(例如，
±
10％范围)内包含的状态。
142.应注意，本技术还可采取以下配置。
143.(1)一种信息处理装置，包括
144.生成单元，生成与第一观察条件和第二观察条件之间的差异有关的差异信息，第一观察条件是由狭缝灯显微镜观察待检眼时的观察条件，第二观察条件是作为关于由狭缝灯显微镜观察待检眼的基础的观察条件。
145.(2)根据(1)的信息处理装置，还包括
146.估计单元，基于包括待检眼的捕获图像估计观察条件。
147.(3)根据(1)或(2)的信息处理装置，其中
148.观察条件至少包括与包括在狭缝灯显微镜中的照明光学系统有关的照明条件和与包括在狭缝灯显微镜中的成像光学系统有关的成像条件。
149.(4)根据(2)的信息处理装置，其中
150.估计单元基于捕获图像估计照明条件。
151.(5)根据(3)的信息处理装置，其中
152.照明条件包括位置、照明方向、光量或照明光的形状中的至少一个。
153.(6)根据(2)的信息处理装置，其中
154.估计单元基于捕获图像估计成像条件。
155.(7)根据(3)的信息处理装置，其中
156.成像条件包括位置、倍率或成像方向中的至少一个。
157.(8)根据(3)的信息处理装置，其中
158.生成单元基于第一观察条件中包括的第一照明条件与第二观察条件中包括的第二照明条件之间的差异生成差异信息。
159.(9)根据(3)的信息处理装置，其中
160.生成单元基于第一观察条件中包括的第一成像条件与第二观察条件中包括的第二成像条件之间的差异生成差异信息。
161.(10)根据(1)至(9)中任一项的信息处理装置，进一步包括：
162.呈现单元，将差异信息呈现给用户。
163.(11)根据(10)的信息处理装置，其中
164.呈现单元呈现图形用户界面(gui)，在图形用户界面中显示差异信息以便用户能够识别。
165.(12)根据(10)或(11)的信息处理装置，其中
166.呈现单元通过声音将差异信息呈现给用户。
167.(13)根据(10)至(12)中任一项的信息处理装置，其中
168.狭缝灯显微镜包括图像显示单元，以及
169.呈现单元使图像显示单元显示gui。
170.(14)根据(1)至(13)中任一项的信息处理装置，其中
171.生成单元基于对应于第一观察条件的第一观察值与对应于第二观察条件的第二观察值之间的差异生成差异信息。
172.(15)根据(1)至(14)中任一项的信息处理装置，进一步包括：
173.计划生成单元，生成用于获得捕获图像作为要用于机器学习的训练数据的成像计划。
174.(16)根据(15)的信息处理装置，进一步包括：
175.呈现单元，向用户呈现成像计划，其中
176.呈现单元呈现图形用户界面(gui)，在图形用户界面中显示成像计划以便用户能够识别。
177.(17)一种信息处理方法，包括
178.由计算机系统
179.生成与第一观察条件和第二观察条件之间的差有关的差信息，第一观察条件是由狭缝灯显微镜观察待检眼时的观察条件，第二观察条件是作为关于由狭缝灯显微镜观察待检眼的基础的观察条件。
180.(18)一种使计算机系统执行的程序
181.生成与第一观察条件和第二观察条件之间的差异有关的差异信息的步骤，第一观察条件是由狭缝灯显微镜观察待检眼时的观察条件，第二观察条件是作为关于由狭缝灯显微镜观察待检眼的基础的观察条件。
182.(19)一种眼科显微镜系统，包括：
183.狭缝灯显微镜；以及
184.信息处理装置，包括
185.生成单元，生成与第一观察条件和第二观察条件之间的差异有关的差异信息，第一观察条件是由狭缝灯显微镜观察待检眼时的观察条件，第二观察条件是作为关于由狭缝灯显微镜观察待检眼的基础的观察条件。
186.参考标号列表
187.1狭缝灯显微镜
ꢀꢀ
2照明光学系统
ꢀꢀ
3成像光学系统
ꢀꢀ
12图像分析单元
ꢀꢀ
13观察条件估计单元
ꢀꢀ
14成像计划生成单元
ꢀꢀ
15引导信息生成单元
ꢀꢀ
40引导显示gui
ꢀꢀ
100观察系统