JP2012071113A - Image processing apparatus, method for controlling the same, and program - Google Patents
Image processing apparatus, method for controlling the same, and program Download PDFInfo
- Publication number
- JP2012071113A JP2012071113A JP2011185021A JP2011185021A JP2012071113A JP 2012071113 A JP2012071113 A JP 2012071113A JP 2011185021 A JP2011185021 A JP 2011185021A JP 2011185021 A JP2011185021 A JP 2011185021A JP 2012071113 A JP2012071113 A JP 2012071113A
- Authority
- JP
- Japan
- Prior art keywords
- image data
- layer
- analysis
- display
- layer structure
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title description 29
- 238000004458 analytical method Methods 0.000 claims abstract description 165
- 208000010412 Glaucoma Diseases 0.000 claims description 49
- 238000003745 diagnosis Methods 0.000 claims description 42
- 238000009877 rendering Methods 0.000 claims description 20
- 201000010099 disease Diseases 0.000 claims description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 6
- 238000010191 image analysis Methods 0.000 abstract description 9
- 210000004204 blood vessel Anatomy 0.000 description 20
- 210000001525 retina Anatomy 0.000 description 18
- 230000005856 abnormality Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 15
- 238000009826 distribution Methods 0.000 description 13
- 230000000007 visual effect Effects 0.000 description 11
- 238000012014 optical coherence tomography Methods 0.000 description 7
- 206010025421 Macule Diseases 0.000 description 5
- 206010047642 Vitiligo Diseases 0.000 description 5
- 206010064930 age-related macular degeneration Diseases 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 208000002780 macular degeneration Diseases 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000017531 blood circulation Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 208000017442 Retinal disease Diseases 0.000 description 3
- 206010053648 Vascular occlusion Diseases 0.000 description 3
- 206010047571 Visual impairment Diseases 0.000 description 3
- 230000000740 bleeding effect Effects 0.000 description 3
- 208000031513 cyst Diseases 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000002207 retinal effect Effects 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 208000021331 vascular occlusion disease Diseases 0.000 description 3
- 230000004304 visual acuity Effects 0.000 description 3
- 230000004393 visual impairment Effects 0.000 description 3
- 208000003098 Ganglion Cysts Diseases 0.000 description 2
- 208000005400 Synovial Cyst Diseases 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 210000000981 epithelium Anatomy 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000004410 intraocular pressure Effects 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 239000012528 membrane Substances 0.000 description 2
- 210000004126 nerve fiber Anatomy 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 208000005590 Choroidal Neovascularization Diseases 0.000 description 1
- 206010060823 Choroidal neovascularisation Diseases 0.000 description 1
- 206010011732 Cyst Diseases 0.000 description 1
- 208000032843 Hemorrhage Diseases 0.000 description 1
- 206010030113 Oedema Diseases 0.000 description 1
- 208000031481 Pathologic Constriction Diseases 0.000 description 1
- 206010057469 Vascular stenosis Diseases 0.000 description 1
- 208000034158 bleeding Diseases 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 210000003733 optic disk Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008506 pathogenesis Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 210000000608 photoreceptor cell Anatomy 0.000 description 1
- 239000000049 pigment Substances 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 239000000790 retinal pigment Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000036262 stenosis Effects 0.000 description 1
- 208000037804 stenosis Diseases 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 230000006496 vascular abnormality Effects 0.000 description 1
Images
Abstract
Description
本発明は、眼部の所定の部位に関連する画像データを生成するための技術に関するものである。 The present invention relates to a technique for generating image data related to a predetermined part of an eye part.
光干渉断層計（Optical Coherence Tomogoraphy,以下、ＯＣＴと称す）と呼ばれる装置の登場により、被検眼の網膜の複数の２次元断層画像（以下、断層像と称す）から成るボリューム画像データを得ることが可能となった。眼科の医療現場において、ユーザは、ボリューム画像データに基づいて層構造を読影したり、病変部の状態を観察したりする。 With the advent of an apparatus called an optical coherence tomography (hereinafter referred to as OCT), volume image data composed of a plurality of two-dimensional tomographic images (hereinafter referred to as tomographic images) of the retina of the eye to be examined can be obtained. It has become possible. In an ophthalmic medical field, a user interprets a layer structure based on volume image data or observes a state of a lesioned part.
網膜のボリューム画像データにおいて、病変部の状態を観察するためには、断層像を表示する他、網膜の層構造を画像解析し、層厚グラフ等を同時に表示することが有効である。ユーザが、眼底画像上における断層画像の位置（指定位置情報）及び眼底画像における所定の層の位置（層位置情報）を把握することにより、眼底の表面の状態と深層組織の状態の双方を詳細に観察して把握できることが、特許文献１に開示されている。
In order to observe the state of a lesioned part in volume image data of the retina, it is effective to display a tomographic image, analyze the layer structure of the retina, and simultaneously display a layer thickness graph and the like. The user grasps the position of the tomographic image (designated position information) on the fundus image and the position of the predetermined layer (layer position information) on the fundus image, so that both the surface state of the fundus and the state of the deep tissue are detailed.
ここで、ユーザが、眼部の病変の状態の詳細を容易に把握するためには、網膜の特定の層に着目することが有効である。このとき、ユーザは、網膜の特定の層に関して、層位置情報の表示（例えば、網膜の特定の層を断層画像上に異なる表示色で表示）を確認するだけでなく、ボリュームレンダリング、層厚グラフ、層厚マップ等をそれぞれ表示する必要がある。しかしながら、それぞれの表示を独立で行うと操作が煩雑である。 Here, it is effective for the user to pay attention to a specific layer of the retina in order to easily grasp the details of the state of the lesion of the eye. At this time, the user not only confirms the display of the layer position information (for example, the specific layer of the retina is displayed in a different display color on the tomographic image) regarding the specific layer of the retina, but also the volume rendering, the layer thickness graph It is necessary to display a layer thickness map and the like. However, if each display is performed independently, the operation is complicated.
そこで、本発明の目的は、眼部における選択された層に関連する画像データを生成することにある。 Therefore, an object of the present invention is to generate image data related to a selected layer in the eye.
本発明の画像処理装置は、眼部の所定の部位に関する画像データを取得する取得手段と、前記画像データに基づいて前記所定の部位の層構造を解析する解析手段と、前記取得手段により取得された画像データ及び前記所定の部位の層構造の解析結果に基づいて、前記所定の部位の層構造のうち少なくとも一つの層に関連する複数の解析画像データを生成する生成手段とを有することを特徴とする。 An image processing apparatus according to the present invention is acquired by an acquisition unit that acquires image data relating to a predetermined part of an eye, an analysis unit that analyzes a layer structure of the predetermined part based on the image data, and the acquisition unit. Generating means for generating a plurality of analysis image data related to at least one layer of the layer structure of the predetermined part based on the image data and the analysis result of the layer structure of the predetermined part. And
本発明によれば、眼部における選択された層に関連する画像データを生成することが可能となる。 According to the present invention, it is possible to generate image data related to a selected layer in the eye.
以下、本発明を適用した好適な実施形態を、添付図面を参照しながら詳細に説明する。但し、以下では、飽くまでも本発明の好適な実施形態の一例を説明するものであり、本発明はこれに限定されるものではない。 DESCRIPTION OF EXEMPLARY EMBODIMENTS Hereinafter, preferred embodiments to which the invention is applied will be described in detail with reference to the accompanying drawings. However, in the following, an example of a preferred embodiment of the present invention will be described until the end, and the present invention is not limited to this.
先ず、本発明の第１の実施形態について説明する。本実施形態では、眼部の所定の部位、ここでは被検眼の網膜のボリューム画像データ（３次元の断層画像データ）と、当該ボリューム画像データの層構造解析によって得られる層構造区分結果（セグメンテーション）とを利用し、区分を行った層構造から選択された層に関連する解析画像データを表示することができる。解析画像データの例としては、層構造区分を明示した２次元断層画像（以下、断層像と称す）を示す解析画像データ、選択された層に関する層厚グラフを示す解析画像データ、選択された層に関する層厚マップを示す解析画像データ、選択された層のボリュームレンダリングを示す解析画像データ、選択された層に関する投影像を示す解析画像データ等がある。 First, a first embodiment of the present invention will be described. In the present embodiment, volume image data (three-dimensional tomographic image data) of a predetermined part of the eye part, here, the retina of the eye to be examined, and a layer structure classification result (segmentation) obtained by layer structure analysis of the volume image data And the analysis image data relating to the layer selected from the layered structure can be displayed. Examples of analysis image data include analysis image data indicating a two-dimensional tomographic image (hereinafter referred to as a tomographic image) that clearly indicates a layer structure division, analysis image data indicating a layer thickness graph relating to a selected layer, and a selected layer Analysis image data indicating a layer thickness map for the selected layer, analysis image data indicating volume rendering of the selected layer, analysis image data indicating a projection image regarding the selected layer, and the like.
図１は、本実施形態に係る眼底画像表示装置１を含むシステム構成を示す図である。図１に示すように、眼底画像表示装置１は、断層像撮像装置２及びデータサーバ３と、イーサネット（登録商標）等によるローカル・エリア・ネットワーク（ＬＡＮ）４を介して接続される。断層像撮像装置２は、眼部の断層像を撮像する装置であり、本実施形態ではＯＣＴを使用している。ＯＣＴは、１回の撮像で複数の断層像を取得するため、これらの断層像を順番に並べることによって、網膜のボリューム画像データを取得することができる。断層像撮像装置２は、ユーザ（技師や医師）による操作に応じて被検者（患者）の眼部の断層像を撮像し、断層像から取得したボリューム画像データを眼底画像表示装置１に出力する。他の実施形態として、眼底画像表示装置１が断層像撮像装置２により得られたボリューム画像データを格納するデータサーバ３に接続され、そこから必要なボリューム画像データを取得するように構成してもよい。なお、これらの機器との接続は、ＵＳＢやＩＥＥＥ１３９４等のインタフェースを介して接続される構成でもよいし、ＬＡＮ４によって、インターネット等の外部ネットワークを介して接続される構成であってもよい。なお、眼底画像表示装置１は、画像処理装置や眼科システムの適用例となる構成である。
FIG. 1 is a diagram showing a system configuration including a fundus
図２は、本実施形態に係る眼底画像表示装置１の構成を示す図である。眼底画像表示装置１は、画像取得部１１、画像解析部１２、表示層選択部１３、解析画像生成部１４、表示部１５及び処理部１６から構成される。
FIG. 2 is a diagram illustrating a configuration of the fundus
次に、図１９は、本実施形態に係る眼底画像表示装置１の表示例を示す図である。図１９は、眼底画像表示装置１の表示部１５の例示であり、表示内にはユーザによる操作が可能な表示層選択部１３を持つ。１９０１は、選択された表示層に関する層構造区分を明示した断層像の解析画像データの表示例である。１９０２は、選択された表示層に関する層厚グラフを示す解析画像データの表示例である。１９０３は、選択された表示層に関する層厚マップを示す解析画像データの表示例である。１９０４は、選択された表示層のボリュームレンダリングを示す解析画像データの表示例である。１９０５は、選択された表示層に関する投影像を示す解析画像データの表示例である。
Next, FIG. 19 is a diagram illustrating a display example of the fundus
次に、図２及び図３を参照しながら、本実施形態に係る眼底画像表示装置１の処理について説明する。図３は、本実施形態に係る眼底画像表示装置１の処理を示すフローチャートである。
Next, processing of the fundus
ステップＳ３０１において、画像取得部１１は、断層像撮像装置２やデータサーバ３からボリューム画像データを取得し、画像解析部１２に出力する。
In step S <b> 301, the
ステップＳ３０２において、画像解析部１２は、ボリューム画像データのＢ−ｓｃａｎ像からＮＦＬ、ＩＰＬ、ＯＰＬ、ＩＮＬ、ＯＮＬ、ＩＳ／ＯＳ−ＲＰＥの層構造の区分情報を抽出する。
In step S <b> 302, the
（断層画像の表示）
図４は、ｘｚ方向のＢ−ｓｃａｎ像（断層画像）を模式的に示す図である。ボリューム画像データは、ｘｚ方向のＢ−ｓｃａｎ像に対してｙ方向にＢ−ｓｃａｎ像を重ね合わせて構成されている。なお、図４におけるＮＦＬ、ＩＰＬ、ＯＰＬ、ＩＮＬ、ＯＮＬ、ＩＳ／ＯＳ−ＲＰＥは、医学的に順に、神経線維層、内網状層、外網状層、内顆粒層、外顆粒層、視細胞内節外節接合部−網膜色素上皮と呼ばれている。ステップＳ３０２において、画像解析部１２は、全てのＢ−ｓｃａｎ像について層構造の区分情報を抽出する。画像解析部１２は、ステップＳ３０１で取得したボリューム画像データと、ステップＳ３０２で抽出した層構造の区分情報とを、解析画像生成部１４へ出力する。
(Display of tomographic images)
FIG. 4 is a diagram schematically showing a B-scan image (tomographic image) in the xz direction. The volume image data is configured by superimposing a B-scan image in the y direction on a B-scan image in the xz direction. In addition, NFL, IPL, OPL, INL, ONL, and IS / OS-RPE in FIG. 4 are medically sequentially in the order of nerve fiber layer, inner reticulated layer, outer reticulated layer, inner granular layer, outer granular layer, and photoreceptor cell. It is called the extranodal segment junction-retinal pigment epithelium. In step S <b> 302, the
ユーザは、取得された網膜のボリューム画像データを容易に観察できるようにするために、着目する層（以下、表示層と称す）を選択する。これを受けて、ステップＳ３０３において、表示層選択部１３は、ユーザによって選択された表示層を示す情報（以下、表示層情報と称す）を解析画像生成部１４に出力する。
The user selects a target layer (hereinafter referred to as a display layer) so that the acquired volume image data of the retina can be easily observed. In response, in step S303, the display
ステップＳ３０４において、解析画像生成部１４は、ボリューム画像データ、層構造の区分情報及び表示層情報を用いて、解析画像データを生成する。即ち、解析画像生成部１４は、選択された表示層に関連する解析画像データを生成し、表示部１５に出力する。
In step S304, the analysis
ステップＳ３０５において、表示部１５は、表示層に関連する解析画像データを表示する。これにより、ユーザは当該解析画像データを閲覧することができ、網膜の病変の観察が容易となる。なお、表示部１５が解析画像データを表示する際に実行される表示制御処理は表示制御手段の処理例である。
In step S305, the
以上により、ユーザが着目する表示層を選択すると、選択された表示層に関連する解析画像データを閲覧することができる。また、複数の解析画像データが生成された場合には、複数の解析画像データ間で表示切り替え又は表示更新を行うことが可能である。すなわち、不図示の切替部により、選択された層に基づいて複数の解析画像データの表示を（連動して）切り替えることが可能である。 As described above, when the user selects a display layer to which attention is paid, analysis image data related to the selected display layer can be browsed. In addition, when a plurality of analysis image data is generated, display switching or display update can be performed between the plurality of analysis image data. That is, it is possible to switch (interlocking) the display of a plurality of analysis image data based on a selected layer by a switching unit (not shown).
次に、緑内障診断を例に挙げて、解析画像データについて具体的に説明する。図５は、ユーザが着目する表示層を選択する際に表示されるインタフェースの例を示す図である。図５において、ＮＦＬ５０１は、神経線維層の選択項目であり、ＧＣＣ５０２は、医学的には神経節細胞複合層（ＮＦＬとＩＰＬ）の選択項目であり、Ｒｅｔｉｎａ５０３は網膜層全体の選択項目である。緑内障診断では、ＧＣＣの状態に着目することにより診断が容易となる。従って、ユーザは、図５に示すインタフェースを用いてＧＣＣ５０２を表示層に選択する操作を実施したものとする。これにより、ステップＳ３０３では、ＧＣＣを示す表示層情報が表示層選択部１３より出力される。
Next, the analysis image data will be specifically described by taking glaucoma diagnosis as an example. FIG. 5 is a diagram illustrating an example of an interface displayed when the user selects a display layer of interest. In FIG. 5,
続くステップＳ３０４において、解析画像生成部１４は、ボリューム画像データ、層構造の区分情報、及び、ＧＣＣを示す表示層情報を用いて、層構造区分を明示した断層像を示す解析画像データ、選択された表示層に関する層厚グラフを示す解析画像データ、選択された表示層に関する層厚マップを示す解析画像データ、選択された表示層に関するボリュームレンダリングを示す解析画像データ、選択された表示層に関する投影像を示す解析画像データを同時に生成する。
In subsequent step S304, the analysis
ここで、層構造区分を明示した断層像を示す解析画像データについて、図６及び図７を用いて具体的に説明する。図６は、層構造区分を明示した断層像の解析画像データの表示例を示す図である。図７は、層構造区分を明示した断層像の解析画像データの生成処理を示すフローチャートである。 Here, the analysis image data indicating the tomographic image in which the layer structure section is clearly described will be specifically described with reference to FIGS. 6 and 7. FIG. 6 is a diagram illustrating a display example of analysis image data of a tomographic image in which layer structure sections are clearly shown. FIG. 7 is a flowchart showing generation processing of analytical image data of a tomographic image in which layer structure sections are clearly shown.
ステップＳ７０１において、解析画像生成部１４は、ボリューム画像データ、層構造の区分情報、及び、表示層情報を取得する。ステップＳ７０２において、解析画像生成部１４は、ボリューム画像データより断層像を生成し、層構造の区分情報を可視化した線引き表示６０１を含む解析画像データを生成する。ステップＳ７０３において、解析画像生成部１４は、ステップＳ７０２で生成した解析画像データに対して表示層情報で示される表示層を強調表示する画像処理を施す。即ち、ＯＣＴの断層像は濃淡画像であり、解析画像生成部１４は、表示層であるＧＣＣに該当するＮＦＬ及びＩＰＬの画像領域に強調のための着色６０２（図６では、ドット表現）を行う。
In step S701, the analysis
（層厚グラフ）
次に、選択された表示層に関する層厚グラフを示す解析画像データについて、図８及び図９を用いて具体的に説明する。図８は、選択された表示層に関する層厚グラフを示す解析画像データの表示例を示す図である。図９は、選択された表示層に関する層厚グラフを示す解析画像データの生成処理を示すフローチャートである。
(Layer thickness graph)
Next, analysis image data indicating a layer thickness graph relating to the selected display layer will be specifically described with reference to FIGS. 8 and 9. FIG. 8 is a diagram illustrating a display example of analysis image data indicating a layer thickness graph relating to a selected display layer. FIG. 9 is a flowchart showing a process of generating analysis image data indicating a layer thickness graph relating to the selected display layer.
緑内障の診断には、ＧＣＣの層厚計測が重要である。通常緑内障の診断は、正常より高い眼圧がある場合に緑内障が頻発するため眼圧の測定を行う。さらに眼底検査で緑内障が疑われる場合には視野検査を行う。それぞれの検査には時間がかかり、検査時間経過に伴い疲労等の要因により、測定値が安定しない。しかしＯＣＴによるＧＣＣの層厚計測は、緑内障に頻発する層厚の変化を初期段階から診断することができ、また安定的に測定が可能であるため、従来の診断を補助するだけでなく、緑内障の初期段階でより高精度な診断が可能となる場合がある。ステップＳ９０１において、解析画像生成部１４は、ボリューム画像データ、層構造の区分情報、及び、表示層情報を取得する。ステップＳ９０２において、解析画像生成部１４は、ボリューム画像データを構成する全てのＢ−ｓｃａｎ像においてＧＣＣに該当するＮＦＬ及びＩＰＬの領域の厚みを計測する。ここで計測される厚みは、図６の着色領域６０２のｚ軸方向の層厚とｘ軸方向の層厚との変化となる。ステップＳ９０３において、解析画像生成部１４は、図８に示すように、計測した厚みをグラフで表した層厚グラフを描画した解析画像データを生成する。ここで生成された解析画像データが、選択された表示層に関する層厚グラフの解析画像データである。
GCC layer thickness measurement is important for the diagnosis of glaucoma. Usually, glaucoma is diagnosed by measuring intraocular pressure because glaucoma frequently occurs when there is intraocular pressure higher than normal. In addition, visual field examination is performed if glaucoma is suspected in the fundus examination. Each inspection takes time, and the measured value is not stable due to factors such as fatigue as the inspection time elapses. However, GCC layer thickness measurement by OCT can diagnose the change in layer thickness that frequently occurs in glaucoma from the initial stage and can be stably measured. More accurate diagnosis may be possible at the initial stage. In step S901, the analysis
（層厚マップ）
次に、選択された表示層に関する層厚マップの解析画像データについて、図１０及び図１１を用いて具体的に説明する。図１０は、選択された表示層に関する層厚マップを示す解析画像データの表示例を示す図である。図１１は、選択された表示層に関する層厚マップを示す解析画像データの生成処理を示すフローチャートである。
(Layer thickness map)
Next, the analysis image data of the layer thickness map relating to the selected display layer will be specifically described with reference to FIGS. FIG. 10 is a diagram illustrating a display example of analysis image data indicating a layer thickness map relating to a selected display layer. FIG. 11 is a flowchart showing a process for generating analysis image data indicating a layer thickness map relating to a selected display layer.
緑内障の診断には、ＧＣＣの層厚分布が重要である。通常緑内障の診断は、視野検査を行い、視野内に偏る視力の異常を発見することにより、緑内障の診断を行う。しかしながら、視野検査は時間がかかり、検査時間経過に伴い披露等の要因により、測定値が安定しない。また、視野内に偏る視力の異常が軽度である初期の症状では、視野検査による緑内障の診断は難しい。しかしＯＣＴによるＧＣＣの層厚分布計測では、安定的に測定が可能であるため、従来の診断を補助するだけでなく、初期段階での層厚分布異常を見つけることにより、緑内障の初期段階でより高精度な診断が可能となる場合がある。ステップＳ１１０１において、解析画像生成部１４は、ボリューム画像データ、層構造の区分情報、及び、表示層情報を取得する。ステップ１１０２では、解析画像生成部１４は、ボリューム画像データを構成する全てのＢ−ｓｃａｎ像においてＧＣＣに該当するＮＦＬ及びＩＰＬの領域の厚みを計測する。ここで計測する厚みは、図６の着色領域６０２のｚ軸方向の層厚とｘ軸方向の層厚との変化であり、ｙ軸方向のＢ−ｓｃａｎ像全体に亘って分布を計測する。ステップＳ１１０３において、解析画像生成部１４は、図１０に示すように、層厚変化についてｘｙ方向の分布を描画した層厚マップを含む解析画像データを生成する。ここで生成された解析画像データが、選択された表示層に関する層厚マップの解析画像データである。また、図１０に示すように、層厚マップ内に表示されている９箇所の数字は、網膜を９領域に分割し、其々の領域におけるＧＣＣ層厚の平均値を画像解析によって算出し表示している。
GCC layer thickness distribution is important for glaucoma diagnosis. Usually, glaucoma is diagnosed by performing visual field examination and finding abnormal vision that is biased within the visual field. However, the visual field inspection takes time, and the measured value is not stable due to factors such as the performance as the inspection time elapses. In addition, it is difficult to diagnose glaucoma by visual field examination for early symptoms in which abnormal vision biased in the visual field is mild. However, since the GCC layer thickness distribution measurement by OCT can be measured stably, not only assisting the conventional diagnosis, but also by finding an abnormal layer thickness distribution in the initial stage, A highly accurate diagnosis may be possible. In step S1101, the analysis
（ボリュームレンダリング）
次に、選択された表示層のボリュームレンダリングを示す解析画像データについて、図１２及び図１３を用いて具体的に説明する。図１２は、選択された表示層のボリュームレンダリングを示す解析画像データの表示例を示す図である。図１３は、選択された表示層のボリュームレンダリングを示す解析画像データの生成処理を示すフローチャートである。
(Volume rendering)
Next, analysis image data indicating volume rendering of the selected display layer will be specifically described with reference to FIGS. FIG. 12 is a diagram illustrating a display example of analysis image data indicating volume rendering of a selected display layer. FIG. 13 is a flowchart showing the generation processing of the analysis image data indicating the volume rendering of the selected display layer.
緑内障の診断には、ＧＣＣの３Ｄ表示を行い、立体的に着目する箇所と周辺状況把握が重要である。ＧＣＣを立体的に表示することにより、菲薄化している箇所が、周辺状況との形状比較によって元来の器質的なものなのか、病因による菲薄化なのかを切り分けることが可能である。ステップＳ１３０１において、解析画像生成部１４は、ボリューム画像データ、層構造の区分情報、及び、表示層情報を取得する。ステップＳ１３０２において、解析画像生成部１４は、図１２に示すように、ボリューム画像データを構成する全てのＢ−ｓｃａｎ像においてＧＣＣに該当するＮＦＬ及びＩＰＬの領域の画素データについてボリュームレンダリングを行って解析画像データを生成する。ここで生成された解析画像データが、選択された表示層のボリュームレンダリングの解析画像データである。
For diagnosis of glaucoma, it is important to perform 3D display of GCC and grasp the three-dimensionally focused location and surrounding situation. By displaying the GCC three-dimensionally, it is possible to distinguish whether the thinned portion is the original organic or the thinning due to the etiology by comparing the shape with the surrounding situation. In step S1301, the analysis
（投影像）
次に、選択された表示層に関する投影像の解析画像データについて、図１４及び図１５を用いて具体的に説明する。図１４は、選択された表示層に関する投影像を示す解析画像データの表示例を示す図である。図１５は、選択された表示層に関する投影像を示す解析画像データの生成処理を示すフローチャートである。
(Projected image)
Next, analysis image data of a projection image related to the selected display layer will be specifically described with reference to FIGS. 14 and 15. FIG. 14 is a diagram illustrating a display example of analysis image data indicating a projection image related to a selected display layer. FIG. 15 is a flowchart showing a process for generating analysis image data indicating a projection image related to a selected display layer.
緑内障の診断には、ＧＣＣの投影像の表示が重要である。投影像はＧＣＣ内の血管走行状態を確認できる。血管走行の異常がみられる場合は、緑内障ではなく、他の病因が疑われる。ステップＳ１５０１において、解析画像生成部１４は、ボリューム画像データ、層構造の区分情報、及び、表示層情報を取得する。ここでは、解析画像生成部１４は、投影法として最大値投影法を使用する。即ち、ステップＳ１５０２において、解析画像生成部１４は、ボリューム画像データを構成する全てのＢ−ｓｃａｎ像においてＧＣＣに該当するＮＦＬ及びＩＰＬ領域の画素データについてｘｙ面に最大値投影を行って投影像を描写することにより解析画像データを生成する。ここで生成された解析画像データが、選択された表示層に関する投影像の解析画像データである。
For the diagnosis of glaucoma, display of a projected image of GCC is important. The projected image can confirm the blood vessel running state in the GCC. If abnormal vascular running is observed, other pathogenesis is suspected, not glaucoma. In step S1501, the analysis
（層の選択に基づいて複数の解析画像データの表示を連動して切り替える）
緑内障診断では、ユーザが着目する表示層としてＧＣＣを選択し、表示層の選択に基づいて複数の解析画像データの表示を連動して切り替えることにより診断が容易となる事例を、図１９および図２０を用いて説明を行う。ステップＳ２００１では、ユーザは緑内障診断を行う場合、表示層選択部１３つまり、具体的には図５に示すインタフェースを用いてＧＣＣ５０２を表示層に選択する操作を実施する。続いてステップ２００２では、ＧＣＣを明示した断層像を示す解析画像データ、ＧＣＣに関する層厚グラフを示す解析画像データ、ＧＣＣに関する層厚マップを示す解析画像データ、ＧＣＣのボリュームレンダリングを示す解析画像データ、ＧＣＣに関する投影像を示す解析画像データを生成し、それぞれについて表示の更新を行う。
(The display of multiple analysis image data is switched in conjunction with the selection of the layer)
In glaucoma diagnosis, an example in which diagnosis is facilitated by selecting GCC as a display layer to which the user focuses and switching the display of a plurality of analysis image data in conjunction with the selection of the display layer is illustrated in FIGS. 19 and 20. A description will be given using. In step S2001, when performing a glaucoma diagnosis, the user performs an operation of selecting the
ＧＣＣ選択時のＧＣＣに係る断層像を観察することによって、断層像の形状がなだらかな層の分布を形成していることを確認する。断層像の形状に異常な形状変化があれば、他の病因と区別することが用意となる。 By observing a tomographic image related to GCC when GCC is selected, it is confirmed that the shape of the tomographic image forms a gentle layer distribution. If there is an abnormal shape change in the shape of the tomographic image, it is ready to distinguish it from other etiologies.
ＧＣＣ選択時のＧＣＣに係る層厚グラフを示す解析画像データを観察することによって、前出の断層像の形状に他の病因を疑う異常が見られないこと、層の変化グラフがなだらかな分布であること、正常より菲薄化が起きていることにより容易に緑内障であることが推測される。 By observing the analysis image data showing the layer thickness graph related to GCC when GCC is selected, the shape of the previous tomographic image does not show any abnormalities suspecting other etiology, and the layer change graph has a gentle distribution It is presumed that it is glaucoma easily because there is thinning than normal.
ＧＣＣに関する層厚マップを示す解析画像データを表示することにより、断層像や断層面では観察できない菲薄化が存在する場合でも、眼底全体を容易に確認することができ、視野の一部に影響があるＧＣＣ層一部の菲薄化を容易に見つけることができる。その場合は菲薄化の部分での断層面再度観察することにより、正確な診断を行うことができる。
ＧＣＣ選択時のＧＣＣに係るボリュームレンダリングを示す解析画像データを観察することにより、ＧＣＣ層の形状を立体的に把握することができる。ＧＣＣの菲薄化が、元来の器質的なものか、緑内障の病因によるものなのか、容易に区別することができ、緑内障診断の補助となる。
By displaying the analysis image data showing the layer thickness map for GCC, the entire fundus can be easily confirmed even if there is a thinning that cannot be observed on the tomographic image or the tomographic plane, and this affects part of the visual field. Thinning of a part of a certain GCC layer can be easily found. In that case, an accurate diagnosis can be performed by re-observing the tomographic plane at the thinned portion.
The shape of the GCC layer can be grasped three-dimensionally by observing analysis image data indicating volume rendering related to GCC when GCC is selected. It can be easily distinguished whether the thinning of the GCC is due to the original organic nature or the etiology of glaucoma, and assists in the diagnosis of glaucoma.
ＧＣＣ選択時のＧＣＣに係る投影像を示す解析画像データを観察することにより、ＧＣＣの層厚マップで見つけられた菲薄化の部分において、血管走行の異常の有無を容易に確認することができ、菲薄化が緑内障の病因によるものなのか容易に区別ができ、緑内障診断の補助となる。 By observing the analysis image data indicating the projection image related to GCC at the time of GCC selection, in the thinned portion found in the GCC layer thickness map, it is possible to easily confirm the presence or absence of abnormalities in blood vessel running, It can be easily distinguished whether the thinning is due to the etiology of glaucoma, and assists in the diagnosis of glaucoma.
以上のように、表示層の選択に基づいて、複数の解析表示データを連動させることにより、緑内障の診断が容易となる。 As described above, diagnosing glaucoma is facilitated by linking a plurality of analysis display data based on the selection of the display layer.
（緑内障の診断に関する判断フロー）
緑内障診断時における処理部１６による処理について、図２１を用いて説明する。緑内障診断では、先ずユーザ（医者）は、黄斑中心部を通るＧＣＣを明示した断層像により、ＧＣＣ層菲薄化を除く器質的異常がないかを確認する。例えば、患者が視力低下や視野狭窄の症状を有する場合で黄斑中心部を通る断層像にＧＣＣ層厚以外の異常がなければ緑内障の可能性は高く、診断の助けとなる。そこで、ステップＳ２１０１において、処理部１６は、黄斑中心部を通る断層像にＧＣＣ層厚以外の異常がないか否かをユーザに入力させるためのＵＩ（断層像での診断結果入力ＵＩ（ユーザインタフェース））を表示部１０５に表示させる。ステップＳ２１０２において、処理部１６は、当該ＵＩにおいて、黄斑中心部を通る断層像にＧＣＣ層厚以外の異常がないことが入力されたか否かを判定する。ＧＣＣ層厚以外の異常がないことが入力された場合、処理はステップＳ２１０３に移行する。一方、それ以外の場合、処理はステップＳ２１１１に移行する。
(Judgment flow for glaucoma diagnosis)
The process by the
次にユーザは、黄斑中心部を通る断層像におけるＧＣＣ層厚グラフを示す解析画像データに着目する。黄斑中心部を通る断層像における層厚のグラフが、標準的な厚みよりも全てまたは部分的に薄い場合、緑内障と診断できる重要な根拠となる。そこで、ステップＳ２１０３において、処理部１６は、黄斑中心部を通る断層像における層厚のグラフが、標準的な厚みよりも全てまたは部分的に薄いか否かをユーザに入力させるためのＵＩ（層厚グラフでの診断結果入力ＵＩ）を表示部１０５に表示させる。ステップＳ２１０４において、処理部１６は、当該ＵＩにおいて、層厚のグラフが標準的な厚みよりも全てまたは部分的に薄いことが入力されたか否かを判定する。層厚のグラフが標準的な厚みよりも全てまたは部分的に薄いことが入力された場合、処理はステップＳ２１０５に移行する。一方、それ以外の場合、処理はステップＳ２１１１に移行する。
Next, a user pays attention to the analysis image data which shows the GCC layer thickness graph in the tomogram which passes along the macular center part. If the graph of layer thickness in a tomogram passing through the central part of the macula is all or partly thinner than the standard thickness, it is an important basis for diagnosing glaucoma. Therefore, in step S2103, the
次にユーザは、網膜のＧＣＣに関する層厚マップを示す解析画像データに着目する。黄斑中心部周囲のＧＣＣに関する層厚マップでは、正常では左右方向で視神経乳頭側に厚みがあり黄斑側は薄くなっており、上下方向では対象的に同じ層厚での厚みがなだらかに分布する。緑内障では、層厚マップ分布で例えば下側に薄い部分が好発したり、全体的に不均一な層厚マップ分布となる場合は、緑内障の可能性は非常に高い。そこで、ステップＳ２１０５において、処理部１６は、層厚マップ分布で例えば下側に薄い部分が好発したり、全体的に不均一な層厚マップ分布となっているか否かをユーザに入力させるためのＵＩ（層厚マップでの診断結果入力ＵＩ）を表示部１０５に表示させる。ステップＳ２１０６において、処理部１６は、当該ＵＩにおいて、層厚マップ分布が不均一であることが入力されたか否かを判定する。層厚マップ分布が不均一であることが入力された場合、処理はステップＳ２１０７に移行する。一方、それ以外の場合、処理はステップＳ２１１１に移行する。
Next, a user pays attention to the analysis image data which shows the layer thickness map regarding GCC of a retina. In the layer thickness map related to GCC around the center of the macula, the thickness is normally on the optic nerve head side in the left-right direction and the macular side is thin, and the thickness at the same layer thickness is gently distributed in the vertical direction. In glaucoma, for example, when a thin portion is frequently generated in the layer thickness map distribution or the layer thickness map distribution is not uniform as a whole, the possibility of glaucoma is very high. Therefore, in step S2105, the
次にユーザは、ＧＣＣのボリュームレンダリングを示す解析画像データを見て、ＧＣＣ層を立体的に観察し網膜形状の変形つまり器質的な異常がないか等で、緑内障の確定診断を行う。変形等があれば、他の病因を疑うことが可能になる。そこで、ステップＳ２１０７において、処理部１６は、網膜形状の変形がないか否かをユーザに入力させるためのＵＩ（ボリュームレンダリング画像での診断結果入力ＵＩ）を表示部１０５に表示させる。ステップＳ２１０８において、処理部１６は、当該ＵＩにおいて、網膜形状の変形がないことが入力されたか否かを判定する。網膜形状の変形がないことが入力された場合、処理はステップＳ２１１２に移行する。一方、それ以外の場合、処理はステップＳ２１０９に移行する。
Next, the user looks at the analysis image data indicating the GCC volume rendering, and stereoscopically observes the GCC layer, and performs a definitive diagnosis of glaucoma based on deformation of the retina, that is, whether there is an organic abnormality. If there is a deformation etc., it becomes possible to suspect another etiology. Therefore, in step S2107, the
次にユーザは、ＧＣＣに関する投影像を示す解析画像データを見て、ＧＣＣ層内に多く存在する血管走査の状況を観察する。血管を観察することにより、血管閉塞や血行不良による異常がないか、新生血管の発生がないかを知ることができる。血管走査状況に特段の異常が見られなければ、緑内障の確定診断に役立つ。血管走査状況に異常があれば、他の病因を疑うことが可能になる。そこで、ステップＳ２１０９において、処理部１６は、血管閉塞や血行不良による異常や新生血管の発生がないか否かをユーザに入力させるためのＵＩ（投影像での診断結果入力ＵＩ）を表示部１０５に表示させる。ステップＳ２１１０において、処理部１６は、当該ＵＩにおいて、血管閉塞や血行不良による異常や新生血管の発生がないことが入力されたか否かを判定する。血管閉塞や血行不良による異常や新生血管の発生がないことが入力された場合、処理はステップＳ２１１２に移行する。一方、それ以外の場合、処理はステップＳ２１１１に移行する。ステップＳ２１１１において、処理部１６は、他の病因の疑いがあることを表示部１０５にて表示させる。ステップＳ２１１２において、処理部１６は、緑内障の確定診断を表示部１０５にて表示させる。これにより、ユーザは緑内障に関する診断結果を把握することができる。
Next, the user looks at the analysis image data indicating the projection image related to the GCC, and observes the state of blood vessel scanning existing in the GCC layer. By observing the blood vessels, it is possible to know whether there are no abnormalities due to blood vessel occlusion or poor blood circulation or whether new blood vessels are generated. If no particular abnormality is found in the blood vessel scanning situation, it is useful for definitive diagnosis of glaucoma. If there is an abnormality in the blood vessel scanning situation, it is possible to suspect another etiology. Therefore, in step S2109, the
本実施形態に示すように、緑内障診断においては、表示層にＧＣＣを選択して同時に複数の解析画像データを参照することによって、層厚のグラフと層厚マップの解析画像データより緑内障の診断を行うだけでなく、ボリュームレンダリングと投影像の解析画像データを参照することによって、他の病因の可能性を排除することにより、診断の精度を向上させ、かつ複合的な診断から迅速に確定診断を下すことが可能となる。 As shown in the present embodiment, in glaucoma diagnosis, by selecting GCC for the display layer and referring to a plurality of analysis image data at the same time, diagnosis of glaucoma is performed from the analysis graph data of the layer thickness and the analysis image data of the layer thickness map. In addition to performing volume rendering and analyzing image data of projected images, the accuracy of diagnosis is improved by eliminating the possibility of other etiologies, and definitive diagnosis can be made quickly from complex diagnosis Can be reduced.
以上により、ユーザが緑内障の診断に際して表示層にＧＣＣを選択した場合、選択された表示層であるＧＣＣに関連する解析画像データ、即ち、ＧＣＣを明示した断層像を示す解析画像データ、ＧＣＣに関する層厚グラフを示す解析画像データ、ＧＣＣに関する層厚マップを示す解析画像データ、ＧＣＣのボリュームレンダリングを示す解析画像データ、ＧＣＣに関する投影像を示す解析画像データを生成することができる。また、これらのうちの何れか一つの解析画像データを選択し、又は、一部の複数の解析画像データを選択し、生成及び表示するようにしてもよい。さらに、これらの以外の解析画像データを生成し、表示するようにしてもよい。 As described above, when the user selects GCC as the display layer when diagnosing glaucoma, analysis image data related to GCC as the selected display layer, that is, analysis image data indicating a tomographic image clearly showing GCC, and a layer related to GCC Analysis image data indicating a thickness graph, analysis image data indicating a layer thickness map related to GCC, analysis image data indicating volume rendering of GCC, and analysis image data indicating a projection image related to GCC can be generated. Alternatively, any one of these pieces of analysis image data may be selected, or a part of a plurality of pieces of analysis image data may be selected and generated and displayed. Furthermore, analysis image data other than these may be generated and displayed.
また、本実施形態では、表示層の選択はユーザの手動で設定されるようにしたが、例えば検査時に緑内障が疑われる患者を撮像した場合、ボリューム画像データに緑内障を示す疾病データを格納する。そして、緑内障に関する解析画像データの表示を行う際には、眼底画像表示装置１が自動的に表示層としてＧＣＣを選択し、ＧＣＣに関する解析画像データを表示するようにしてもよい。これにより、眼部の病態の詳細を容易に把握することが可能となる。
In this embodiment, the selection of the display layer is set manually by the user. However, for example, when a patient suspected of having glaucoma is imaged at the time of examination, disease data indicating glaucoma is stored in the volume image data. And when displaying the analysis image data regarding glaucoma, the fundus
（第２の実施形態：経過観察）
次に、本発明の第２の実施形態について説明する。緑内障の診断では、経過観察が重要である。例えば緑内障の病状が過去に比して進行しているかどうか、視力や視野等の主観的データだけでなく、ＧＣＣの層厚データ、層厚マップの経過状況により、的確に診断することができる。
(Second embodiment: follow-up)
Next, a second embodiment of the present invention will be described. Follow-up is important in diagnosing glaucoma. For example, whether or not a glaucoma condition has progressed compared to the past can be diagnosed accurately not only by subjective data such as visual acuity and visual field but also by the progress of GCC layer thickness data and layer thickness maps.
図２２は、本実施形態に係る経過観察を行う眼底画像表示装置１の表示例を示す図である。ユーザによる操作が可能な表示層選択部１３を持つ。本表示装置の形態は過去３回の撮影について解析画像データを比較表示する。２２０１は、選択された表示層に関する層構造区分を明示した断層像の解析画像データの表示例である。２２０２は、選択された表示層に関する層厚グラフを示す解析画像データの表示例である。２２０３は、選択された表示層に関する投影像を示す解析画像データの表示例である。２２０４は、ＧＣＣの層厚マップにおいて、複数の時点（ここでは、過去３回）に対応するデータを比較し、その比較結果として大きな層厚変化をしている領域の層厚２つをグラフで表示したものである。
FIG. 22 is a diagram illustrating a display example of the fundus
図２３は、図２２の２２０４に相当する、過去３回のデータを比較し大きな層厚変化をしている領域の層厚２つを表示するグラフ例を示す図である。６と７の領域の層厚変化がグラフによって図示されている。
FIG. 23 is a diagram showing an example of a graph corresponding to 2204 in FIG. 22 and displaying two layer thicknesses in a region where a large layer thickness change is made by comparing the past three data. The change in layer thickness in the
緑内障診断のフロー経過観察を図２２を用いて説明する。緑内障診断では、先ず２２０１の黄斑中心部を通る断層像におけるＧＣＣ層厚グラフを示す解析画像データに着目する。黄斑中心部を通る断層像における層厚のグラフが、不図示の比較部により、経過に伴い菲薄化しているかどうかを比較することにより、緑内障の経過が視力に影響を及ぼす程度や病状の進行状況を把握できる。 The flow progress observation of glaucoma diagnosis will be described with reference to FIG. In glaucoma diagnosis, attention is first focused on analysis image data showing a GCC layer thickness graph in a tomographic image passing through the central portion of the macular 2201. By comparing whether the graph of the layer thickness in the tomographic image passing through the center of the macula is thinning with the progress of the comparison unit (not shown) Can be grasped.
次に２２０２の網膜のＧＣＣに関する層厚マップを示す解析画像データの経過に着目する。９つに分割した領域において全体的な菲薄化よりも、部分的に菲薄化が起きていることが観察される場合、自覚症状に乏しくとも、緑内障の進行とともに視野狭窄が進む可能性を把握できる。
Next, attention is paid to the progress of analysis image data indicating a layer thickness map regarding the GCC of the
次に２２０３では、ＧＣＣに関する投影像を示す解析画像データを見て、ＧＣＣ層内に多く存在する血管走査の状況変化を観察することができる。高齢の患者では加齢性黄斑変性による血管の異常が観察されないか、糖尿病の患者では血管走査状況に変化がないかによって、視力の異常が緑内障以外に起因しないかを経過観察によって把握することができる。 Next, in 2203, it is possible to observe the change in the state of blood vessel scanning existing in the GCC layer by looking at the analysis image data indicating the projection image related to GCC. It is possible to grasp whether abnormal vision is due to other than glaucoma by follow-up based on whether vascular abnormalities due to age-related macular degeneration are not observed in elderly patients or whether there is no change in blood vessel scanning status in diabetic patients it can.
次に２２０４では、２２０２に示したＧＣＣの層厚マップにおいて、過去３回のデータを比較し、大きな層厚変化をしている領域の層厚２つをグラフで観察することにより、緑内障の進行度を経過グラフで短時間に把握することが可能である。本実施形態に示すように、緑内障の経過観察では、視力や視野等の主観的データだけでなく、ＧＣＣの層厚データ、層厚マップ、投影像、層厚マップの経過グラフを同時に把握することにより、的確な診察を実施することが可能となる。 Next, in 2204, in the GCC layer thickness map shown in 2202, the past three times of data are compared, and two layer thicknesses in the region where the layer thickness is greatly changed are observed in a graph, thereby progressing glaucoma. It is possible to grasp the degree in a short time with a progress graph. As shown in this embodiment, in glaucoma follow-up, not only subjective data such as visual acuity and visual field, but also GCC layer thickness data, layer thickness map, projected image, and progress graph of layer thickness map are grasped simultaneously. This makes it possible to carry out an accurate examination.
（第３の実施形態：血管に関する疾病を診断する場合の層の選択）
次に、本発明の第３の実施形態について説明する。網膜の疾病には、血管からの出血や血管狭窄、閉塞等がある。血管は、図１７の１７０１に示すようにＩＰＬに血管の走行がよく見られる。このことから、着目する表示層としてＩＰＬを選択することは血管に関する疾病の診断を行う上で有用である。
(Third embodiment: selection of layers when diagnosing diseases related to blood vessels)
Next, a third embodiment of the present invention will be described. Retinal diseases include bleeding from blood vessels, vascular stenosis, and obstruction. As shown in 1701 of FIG. 17, the blood vessels of the blood vessels are often seen in the IPL. For this reason, selecting IPL as the display layer of interest is useful in diagnosing diseases related to blood vessels.
図１６は、ユーザが表示層を選択する際に表示されるインタフェースの他の例を示す図である。図１６に示すインタフェースにおいては、ＮＦＬ、ＩＰＬ、ＯＰＬ、ＩＮＬ、ＯＮＬ、ＩＳ／ＯＳ−ＲＰＥ各層の表示の有無を層毎に選択することが可能である。 FIG. 16 is a diagram illustrating another example of an interface displayed when the user selects a display layer. In the interface shown in FIG. 16, it is possible to select whether or not to display each layer of NFL, IPL, OPL, INL, ONL, and IS / OS-RPE for each layer.
図１６の１６０１に示すように、ユーザがＩＰＬのチェックボックス１６０１をチェックすることにより、表示層としてＩＰＬを選択する。その後、第１の実施形態で説明したように、ステップＳ３０４及びＳ３０５により、表示層に関連する解析画像データの生成及び表示が行われる。即ち、ＩＰＬを明示した断層像を示す解析画像データ、ＩＰＬに関する投影像を示す解析画像データ、ＩＰＬのボリュームレンダリングを示す解析画像データ等が表示されることにより、ＩＰＬ上の血管の走行への着目が容易になる。また、ＩＰＬに関する層厚グラフを示す解析画像データ、ＩＰＬに関する層厚マップを示す解析画像データが表示されることにより、血管に起因する出血等の異常有無がないかを確認することができる。このように、表示層であるＩＰＬに関連する解析画像データの表示を選択的に行うことにより、容易に血管走行に関する診断を行うことができる。
As indicated by
（第４の実施形態：その他の疾病を診断する場合の層の選択）
次に、本発明の第４の実施形態について説明する。本実施形態では、表示層の選択方法として、解析画像データを、表示層を選択するためのインタフェースとして利用する。即ち、本実施形態では、例えば図６に示すような層構造区分を明示した断層像を示す解析画像データを、表示層を選択するためのインタフェースとして利用する。
(Fourth embodiment: selection of layers when diagnosing other diseases)
Next, a fourth embodiment of the present invention will be described. In the present embodiment, analysis image data is used as an interface for selecting a display layer as a display layer selection method. That is, in this embodiment, for example, analysis image data indicating a tomographic image in which a layer structure section is clearly shown as shown in FIG. 6 is used as an interface for selecting a display layer.
本実施形態においては、層構造区分を明示した断層像を示す解析画像データを表示した状態において、各層に対するマウスクリックにより、各層に関連する解析画像データの表示／非表示を切り替えることが可能である。ユーザがクリックする毎に、当該表示層の着色あり／なしを切り替えることができる。図１８の１８０１は、マウス操作によって移動表示されるポインタである。ＮＦＬ、ＩＰＬの着色表示が設定されている状態において、ユーザがＩＳ／ＯＳ−ＲＰＥの位置にポインタ１８０１を合わせてマウスクリックすることにより、ＩＳ／ＯＳ−ＲＰＥを着色表示させることができる。これに引き続き、第１の実施形態で説明したステップＳ３０４、ステップＳ３０５により、選択された表示層に関連する解析画像データの生成及び表示が行われる。これにより、ユーザは着目したい表示層の選択を容易に実施することが可能であり、さらに表示層の選択切り替えにより解析画像データの表示切り替えが行われる。なお、本実施形態は、層構造区分を明示した断層像での表示層の選択を例示したが、他の解析画像データの表示を用いて表示層の選択を行ってもよい。
In the present embodiment, in a state in which analysis image data showing a tomographic image clearly indicating a layer structure section is displayed, it is possible to switch display / non-display of analysis image data related to each layer by a mouse click on each layer. . Each time the user clicks, the display layer can be switched between colored and uncolored. A
なお、網膜の疾病には白斑がある。白斑の例示を図１７の１７０２に示す。このように白斑はＩＮＬ、ＯＰＬに好発する。従って、白斑の診断の際にはＩＮＬ及びＯＰＬに着目した表示層が選択される。これにより、ＩＮＬ及びＯＰＬに関する解析画像データの生成及び表示が行われ、白斑の診断が容易となる。 Retinal diseases include vitiligo. An example of vitiligo is shown at 1702 in FIG. Thus, vitiligo is common in INL and OPL. Therefore, when diagnosing vitiligo, a display layer focusing on INL and OPL is selected. Thereby, generation and display of analysis image data regarding INL and OPL is performed, and diagnosis of vitiligo becomes easy.
また、網膜の疾病には加齢黄斑変性がある。加齢黄斑変性の診断には、ＲＰＥにおける脈絡膜新生血管の有無、及び、周辺層での浮腫や出血、のう胞の有無の観察が有用である。のう胞の例を図１７の１７０３に示す。のう胞は、ＯＮＬ及びＯＰＬに好発する。従って、加齢黄斑変性を診断するためには、ＲＰＥ、又は、ＲＰＥ及び周辺層（ＯＮＬ、ＯＰＬ等）に着目した表示層が選択される。これにより、ＲＰＥ、又は、ＲＰＥ及び周辺層の解析画像データの生成及び表示が行われ、加齢黄斑変性の診断が容易となる。 Retinal diseases include age-related macular degeneration. For the diagnosis of age-related macular degeneration, it is useful to observe the presence or absence of choroidal neovascularization in RPE and the presence or absence of edema or bleeding or cysts in the peripheral layer. An example of a cyst is shown at 1703 in FIG. Cysts are common in ONL and OPL. Therefore, in order to diagnose age-related macular degeneration, RPE or a display layer focusing on RPE and peripheral layers (ONL, OPL, etc.) is selected. As a result, RPE or RPE and analysis image data of the peripheral layer are generated and displayed, and age-related macular degeneration is easily diagnosed.
以上の実施形態は、表示層の選択は手動で設定されるようにしたが、ボリューム画像データの層構造解析による層構造区分結果を用いて、異常が疑われる層を表示層として自動に選択してもよい。 In the above embodiment, the selection of the display layer is set manually, but the layer suspected of being abnormal is automatically selected as the display layer using the layer structure classification result by the layer structure analysis of the volume image data. May be.
また、以上の実施形態は、画像解析部１２において、ボリューム画像データから図４に示すようにＮＦＬ、ＩＰＬ、ＯＰＬ、ＩＮＬ、ＯＮＬ、ＩＳ／ＯＳ−ＲＰＥの計６層を抽出するものとした。しかしながら、本発明の実施形態は６層の抽出に限定されるものではない。例えば、さらにＩＬＭ（内境界膜）、ＧＣＬ（神経節細胞層）、ＯＰＬ（外網状層）、ＥＬＭ（外境界膜）の抽出、ＩＳ／ＯＳ（視細胞内接外接接合部）、ＲＰＥ（網膜色素上皮層）等、６層以上の抽出がある場合でも、同様の処理を実行することが可能である。
In the above embodiment, the
（その他の実施形態）
また、上述した各実施形態は、本発明を眼底画像表示装置に適用した場合を例示したものである。しかしながら、本発明の適用例は眼底画像表示装置に限定されるものではない。本発明は、例えば、複数の機器から構成されるシステム、一つの機器からなる装置、コンピュータ上で動作するソフトウェアやプログラム、もしくは光ディスクなどの記憶媒体等としての実施態様をとることが可能である。
(Other embodiments)
In addition, each of the embodiments described above exemplifies a case where the present invention is applied to a fundus image display apparatus. However, the application example of the present invention is not limited to the fundus image display apparatus. The present invention can take the form of, for example, a system composed of a plurality of devices, an apparatus composed of a single device, software or a program operating on a computer, or a storage medium such as an optical disk.
また、本発明は、以下の処理を実行することによっても実現される。即ち、上述した実施形態の機能を実現するソフトウェア（プログラム）を、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給し、そのシステム或いは装置のコンピュータ（またはＣＰＵやＭＰＵ等）がプログラムを読み出して実行する処理である。 The present invention can also be realized by executing the following processing. That is, software (program) that realizes the functions of the above-described embodiments is supplied to a system or apparatus via a network or various storage media, and a computer (or CPU, MPU, or the like) of the system or apparatus reads the program. It is a process to be executed.
１：眼底画像表示装置、１１：画像取得部、１２：画像解析部、１３：表示層選択部、１４：解析画像生成部、１５：表示部 1: fundus image display device, 11: image acquisition unit, 12: image analysis unit, 13: display layer selection unit, 14: analysis image generation unit, 15: display unit
Claims (10)
前記画像データに基づいて前記所定の部位の層構造を解析する解析手段と、
前記取得手段により取得された前記画像データ及び前記所定の部位の層構造の解析結果に基づいて、前記所定の部位の層構造のうち少なくとも一つの層に関連する複数の解析画像データを生成する生成手段とを有することを特徴とする画像処理装置。 Obtaining means for obtaining image data relating to a predetermined part of the eye;
Analyzing means for analyzing the layer structure of the predetermined part based on the image data;
Generation for generating a plurality of analysis image data related to at least one layer of the layer structure of the predetermined part based on the image data acquired by the acquisition unit and the analysis result of the layer structure of the predetermined part And an image processing apparatus.
前記所定の部位の層構造から前記少なくとも一つの層を選択する選択手段と、
前記選択手段により選択された前記少なくとも一つの層に応じて、前記複数の解析画像データの表示を切り替える切替手段とを有することを特徴とする請求項１に記載の画像処理装置。 Display control means for displaying the plurality of analysis image data on a display means;
Selection means for selecting the at least one layer from the layer structure of the predetermined portion;
The image processing apparatus according to claim 1, further comprising a switching unit that switches display of the plurality of analysis image data according to the at least one layer selected by the selection unit.
前記表示制御手段が、前記比較手段の比較結果を前記表示手段に表示させることを特徴とする請求項２に記載の画像処理装置。 Comparing means for comparing the plurality of analysis image data corresponding to a plurality of time points,
The image processing apparatus according to claim 2, wherein the display control unit displays the comparison result of the comparison unit on the display unit.
前記入力手段により入力された診断結果に基づいて、所定の疾病の疑いについて判定する判定手段と更に有し、
前記表示制御手段は、前記判定手段による判定結果を前記表示手段に表示させることを特徴とする請求項２に記載の画像処理装置。 Input means for inputting a diagnosis result relating to the plurality of analysis image data;
Determination means for determining a suspicion of a predetermined disease based on the diagnosis result input by the input means;
The image processing apparatus according to claim 2, wherein the display control unit causes the display unit to display a determination result by the determination unit.
前記画像データに基づいて前記所定の部位の層構造を解析する解析ステップと、
前記取得ステップにより取得された画像データ及び前記解析ステップによる前記所定の部位の層構造の解析結果に基づいて、前記所定の部位の層構造のうち少なくとも一つの層に関連する複数の解析画像データを生成する生成ステップとを含むことを特徴とする画像処理装置の制御方法。 An acquisition step of acquiring image data relating to a predetermined part of the eye;
An analysis step of analyzing a layer structure of the predetermined part based on the image data;
Based on the image data acquired by the acquisition step and the analysis result of the layer structure of the predetermined part by the analysis step, a plurality of analysis image data related to at least one layer of the layer structure of the predetermined part is obtained. And a generation step for generating the image processing apparatus.
前記画像データに基づいて前記所定の部位の層構造を解析する解析ステップと、
前記取得ステップにより取得された画像データ及び前記解析ステップによる前記所定の部位の層構造の解析結果に基づいて、前記所定の部位の層構造のうち少なくとも一つの層に関連する複数の解析画像データを生成する生成ステップとをコンピュータに実行させるためのプログラム。 An acquisition step of acquiring image data relating to a predetermined part of the eye;
An analysis step of analyzing a layer structure of the predetermined part based on the image data;
Based on the image data acquired by the acquisition step and the analysis result of the layer structure of the predetermined part by the analysis step, a plurality of analysis image data related to at least one layer of the layer structure of the predetermined part is obtained. A program for causing a computer to execute a generation step to be generated.
前記画像データに基づいて前記所定の部位の層構造を解析する解析手段と、
前記取得手段により取得された画像データ及び前記所定の部位の層構造の解析結果に基づいて、前記所定の部位の層構造のうち少なくとも一つの層に関連する複数の解析画像データを生成する生成手段と、
前記複数の解析画像データを表示手段に表示させる表示制御手段と、
前記所定の部位の層構造から前記少なくとも一つの層を選択する選択手段と、
前記選択手段により選択された前記少なくとも一つの層に応じて、前記複数の解析画像データの表示を切り替える切替手段とを有することを特徴とする眼科システム。 Obtaining means for obtaining image data relating to a predetermined part of the eye;
Analyzing means for analyzing the layer structure of the predetermined part based on the image data;
Generation means for generating a plurality of analysis image data related to at least one layer of the layer structure of the predetermined part based on the image data acquired by the acquisition part and the analysis result of the layer structure of the predetermined part When,
Display control means for displaying the plurality of analysis image data on a display means;
Selection means for selecting the at least one layer from the layer structure of the predetermined portion;
An ophthalmologic system comprising: switching means for switching display of the plurality of analysis image data in accordance with the at least one layer selected by the selection means.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2011185021A JP6180073B2 (en) | 2010-08-31 | 2011-08-26 | Image processing apparatus, control method therefor, and program |
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2010194758 | 2010-08-31 | ||
| JP2010194758 | 2010-08-31 | ||
| JP2011185021A JP6180073B2 (en) | 2010-08-31 | 2011-08-26 | Image processing apparatus, control method therefor, and program |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017096827A Division JP6570576B2 (en) | 2010-08-31 | 2017-05-15 | Information processing apparatus, method of operating information processing apparatus, and program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2012071113A true JP2012071113A (en) | 2012-04-12 |
| JP6180073B2 JP6180073B2 (en) | 2017-08-16 |
Family
ID=46167565
Family Applications (4)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2011185021A Expired - Fee Related JP6180073B2 (en) | 2010-08-31 | 2011-08-26 | Image processing apparatus, control method therefor, and program |
| JP2017096827A Active JP6570576B2 (en) | 2010-08-31 | 2017-05-15 | Information processing apparatus, method of operating information processing apparatus, and program |
| JP2019143298A Active JP6759430B2 (en) | 2010-08-31 | 2019-08-02 | Information processing device, operation method and program of information processing device |
| JP2020148190A Active JP7039665B2 (en) | 2010-08-31 | 2020-09-03 | Information processing equipment, operation method and program of information processing equipment |
Family Applications After (3)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017096827A Active JP6570576B2 (en) | 2010-08-31 | 2017-05-15 | Information processing apparatus, method of operating information processing apparatus, and program |
| JP2019143298A Active JP6759430B2 (en) | 2010-08-31 | 2019-08-02 | Information processing device, operation method and program of information processing device |
| JP2020148190A Active JP7039665B2 (en) | 2010-08-31 | 2020-09-03 | Information processing equipment, operation method and program of information processing equipment |
Country Status (1)
| Country | Link |
|---|---|
| JP (4) | JP6180073B2 (en) |
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014061280A (en) * | 2012-08-30 | 2014-04-10 | Canon Inc | Diagnosis support device and method |
| EP2725508A1 (en) | 2012-10-24 | 2014-04-30 | Nidek Co., Ltd. | Ophthalmic analysis apparatus |
| JP2014083266A (en) * | 2012-10-24 | 2014-05-12 | Nidek Co Ltd | Ophthalmological analysis apparatus and ophthalmological analysis program |
| JP2014083267A (en) * | 2012-10-24 | 2014-05-12 | Nidek Co Ltd | Ophthalmological analysis apparatus and ophthalmological analysis program |
| JP2014083268A (en) * | 2012-10-24 | 2014-05-12 | Nidek Co Ltd | Ophthalmological analysis apparatus and ophthalmological analysis program |
| JP2014140490A (en) * | 2013-01-23 | 2014-08-07 | Nidek Co Ltd | Ophthalmological analysis device, and ophthalmological analysis program |
| EP2799003A1 (en) | 2013-05-01 | 2014-11-05 | Canon Kabushiki Kaisha | Optical coherence tomography apparatus |
| WO2014203901A1 (en) * | 2013-06-19 | 2014-12-24 | 株式会社トプコン | Ophthalmological imaging device and ophthalmological image display device |
| JP2017047111A (en) * | 2015-09-04 | 2017-03-09 | キヤノン株式会社 | Ophthalmologic apparatus, display control method, and program |
| JP2017119226A (en) * | 2017-04-11 | 2017-07-06 | キヤノン株式会社 | Image processing apparatus, image processing method, and image processing program |
| JP2017121576A (en) * | 2017-04-14 | 2017-07-13 | キヤノン株式会社 | Information processing device, and method and program for controlling information processing device |
| JP2017158962A (en) * | 2016-03-11 | 2017-09-14 | キヤノン株式会社 | Information processing device |
| JP2017170193A (en) * | 2017-06-12 | 2017-09-28 | 株式会社ニデック | Ophthalmological analysis device and ophthalmological analysis program |
| JP2018000699A (en) * | 2016-07-05 | 2018-01-11 | キヤノン株式会社 | Image processing device, imaging device, and image processing method |
| JP2018000685A (en) * | 2016-07-05 | 2018-01-11 | キヤノン株式会社 | Image processing device, image processing method, and program |
| JP2018030013A (en) * | 2017-11-02 | 2018-03-01 | 株式会社ニデック | Ophthalmic analysis apparatus and ophthalmic analysis program |
| JP2019042529A (en) * | 2018-11-15 | 2019-03-22 | キヤノン株式会社 | Information processing device, and method and program for controlling information processing device |
| JP2019202188A (en) * | 2017-03-14 | 2019-11-28 | 株式会社トプコン | Tear film thickness measurement apparatus and method |
| JP2020006232A (en) * | 2019-10-02 | 2020-01-16 | キヤノン株式会社 | Information processing device and information processing method |
| JP2020037010A (en) * | 2019-12-11 | 2020-03-12 | キヤノン株式会社 | Ophthalmologic apparatus, display control method, and program |
| JP2020527066A (en) * | 2017-07-19 | 2020-09-03 | シャリテ−ウニベルジテーツメディツィン ベルリン | Method for estimating foveal shape parameters by optical coherence tomography |
| JP2021003636A (en) * | 2020-10-14 | 2021-01-14 | キヤノン株式会社 | Information processing device and information processing method |
| JP2021087817A (en) * | 2021-02-24 | 2021-06-10 | キヤノン株式会社 | Image processing apparatus and image processing method |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07308291A (en) * | 1994-05-17 | 1995-11-28 | Canon Inc | Image processor for ophthalmology |
| WO2006022045A1 (en) * | 2004-08-26 | 2006-03-02 | National University Corporation Nagoya University | Optical interference tomograph |
| US20060187462A1 (en) * | 2005-01-21 | 2006-08-24 | Vivek Srinivasan | Methods and apparatus for optical coherence tomography scanning |
| US20070216909A1 (en) * | 2006-03-16 | 2007-09-20 | Everett Matthew J | Methods for mapping tissue with optical coherence tomography data |
| JP2008073099A (en) * | 2006-09-19 | 2008-04-03 | Topcon Corp | Fundus observation apparatus, fundus image display device, and fundus observation program |
| WO2008157406A1 (en) * | 2007-06-15 | 2008-12-24 | University Of Southern California | Pattern analysis of retinal maps for diagnosis of optic nerve diseases by optical coherence tomography |
| JP2009507537A (en) * | 2005-09-09 | 2009-02-26 | カール ツァイス メディテック アクチエンゲゼルシャフト | A method for processing biological image data to reveal more meaningful anatomical features of diseased tissue |
| WO2009120544A1 (en) * | 2008-03-27 | 2009-10-01 | Doheny Eye Institute | Optical coherence tomography device, method, and system |
| JP2009536740A (en) * | 2006-05-10 | 2009-10-15 | ザ ジェネラル ホスピタル コーポレイション | Process, configuration and system for providing frequency domain imaging of samples |
| JP2010094381A (en) * | 2008-10-17 | 2010-04-30 | Canon Inc | Image processor and image processing method |
| JP2010142428A (en) * | 2008-12-18 | 2010-07-01 | Canon Inc | Photographing apparatus, photographing method, program and recording medium |
| JP2010142498A (en) * | 2008-12-19 | 2010-07-01 | Canon Inc | Fundus image display apparatus, control method thereof, and computer program |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8223143B2 (en) * | 2006-10-27 | 2012-07-17 | Carl Zeiss Meditec, Inc. | User interface for efficiently displaying relevant OCT imaging data |
| US20080312552A1 (en) * | 2007-06-18 | 2008-12-18 | Qienyuan Zhou | Method to detect change in tissue measurements |
| US8401246B2 (en) * | 2007-11-08 | 2013-03-19 | Topcon Medical Systems, Inc. | Mapping of retinal parameters from combined fundus image and three-dimensional optical coherence tomography |
| JP4819851B2 (en) * | 2008-07-31 | 2011-11-24 | キヤノン株式会社 | Diagnosis support apparatus and method, program, and recording medium |
| JP5601609B2 (en) * | 2009-03-23 | 2014-10-08 | 株式会社ニデック | Ophthalmic observation program and ophthalmic observation apparatus |
-
2011
- 2011-08-26 JP JP2011185021A patent/JP6180073B2/en not_active Expired - Fee Related
-
2017
- 2017-05-15 JP JP2017096827A patent/JP6570576B2/en active Active
-
2019
- 2019-08-02 JP JP2019143298A patent/JP6759430B2/en active Active
-
2020
- 2020-09-03 JP JP2020148190A patent/JP7039665B2/en active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07308291A (en) * | 1994-05-17 | 1995-11-28 | Canon Inc | Image processor for ophthalmology |
| WO2006022045A1 (en) * | 2004-08-26 | 2006-03-02 | National University Corporation Nagoya University | Optical interference tomograph |
| US20060187462A1 (en) * | 2005-01-21 | 2006-08-24 | Vivek Srinivasan | Methods and apparatus for optical coherence tomography scanning |
| JP2009507537A (en) * | 2005-09-09 | 2009-02-26 | カール ツァイス メディテック アクチエンゲゼルシャフト | A method for processing biological image data to reveal more meaningful anatomical features of diseased tissue |
| US20070216909A1 (en) * | 2006-03-16 | 2007-09-20 | Everett Matthew J | Methods for mapping tissue with optical coherence tomography data |
| JP2009536740A (en) * | 2006-05-10 | 2009-10-15 | ザ ジェネラル ホスピタル コーポレイション | Process, configuration and system for providing frequency domain imaging of samples |
| JP2008073099A (en) * | 2006-09-19 | 2008-04-03 | Topcon Corp | Fundus observation apparatus, fundus image display device, and fundus observation program |
| WO2008157406A1 (en) * | 2007-06-15 | 2008-12-24 | University Of Southern California | Pattern analysis of retinal maps for diagnosis of optic nerve diseases by optical coherence tomography |
| JP2010529896A (en) * | 2007-06-15 | 2010-09-02 | ユニヴァーシティー オブ サザン カリフォルニア | Pattern analysis of retinal map (map) for diagnosis of optic neuropathy by optical coherence tomography |
| WO2009120544A1 (en) * | 2008-03-27 | 2009-10-01 | Doheny Eye Institute | Optical coherence tomography device, method, and system |
| JP2010094381A (en) * | 2008-10-17 | 2010-04-30 | Canon Inc | Image processor and image processing method |
| JP2010142428A (en) * | 2008-12-18 | 2010-07-01 | Canon Inc | Photographing apparatus, photographing method, program and recording medium |
| JP2010142498A (en) * | 2008-12-19 | 2010-07-01 | Canon Inc | Fundus image display apparatus, control method thereof, and computer program |
Cited By (36)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014061280A (en) * | 2012-08-30 | 2014-04-10 | Canon Inc | Diagnosis support device and method |
| JP2018108431A (en) * | 2012-08-30 | 2018-07-12 | キヤノン株式会社 | Information processing device, information processing method and program |
| US10588505B2 (en) | 2012-08-30 | 2020-03-17 | Canon Kabushiki Kaisha | Diagnosis support apparatus and method |
| JP2020044418A (en) * | 2012-08-30 | 2020-03-26 | キヤノン株式会社 | Information processing device, information processing method and program |
| JP7057342B2 (en) | 2012-08-30 | 2022-04-19 | キヤノン株式会社 | Information processing equipment, information processing methods and programs |
| JP2014083267A (en) * | 2012-10-24 | 2014-05-12 | Nidek Co Ltd | Ophthalmological analysis apparatus and ophthalmological analysis program |
| EP4201304A1 (en) * | 2012-10-24 | 2023-06-28 | Nidek Co., Ltd. | Ophthalmic analysis apparatus |
| JP2014083268A (en) * | 2012-10-24 | 2014-05-12 | Nidek Co Ltd | Ophthalmological analysis apparatus and ophthalmological analysis program |
| JP2014083266A (en) * | 2012-10-24 | 2014-05-12 | Nidek Co Ltd | Ophthalmological analysis apparatus and ophthalmological analysis program |
| EP2725508A1 (en) | 2012-10-24 | 2014-04-30 | Nidek Co., Ltd. | Ophthalmic analysis apparatus |
| JP2014140490A (en) * | 2013-01-23 | 2014-08-07 | Nidek Co Ltd | Ophthalmological analysis device, and ophthalmological analysis program |
| EP2799003A1 (en) | 2013-05-01 | 2014-11-05 | Canon Kabushiki Kaisha | Optical coherence tomography apparatus |
| JP2014217423A (en) * | 2013-05-01 | 2014-11-20 | キヤノン株式会社 | Optical interference tomography apparatus |
| US9560961B2 (en) | 2013-05-01 | 2017-02-07 | Canon Kabushiki Kaisha | Optical coherence tomography apparatus, control method for optical coherence tomography apparatus, and non-transitory tangible medium |
| EP3216389A1 (en) | 2013-05-01 | 2017-09-13 | Canon Kabushiki Kaisha | Optical coherence tomography apparatus, control method for optical coherence tomography apparatus, and non-transitory tangible medium |
| JP2016195878A (en) * | 2013-06-19 | 2016-11-24 | 株式会社トプコン | Ophthalmological imaging device and ophthalmological image display device |
| WO2014203901A1 (en) * | 2013-06-19 | 2014-12-24 | 株式会社トプコン | Ophthalmological imaging device and ophthalmological image display device |
| JPWO2014203901A1 (en) * | 2013-06-19 | 2017-02-23 | 株式会社トプコン | Ophthalmic photographing apparatus and ophthalmic image display apparatus |
| JP6046250B2 (en) * | 2013-06-19 | 2016-12-14 | 株式会社トプコン | Ophthalmic photographing apparatus and ophthalmic image display apparatus |
| JP2017047111A (en) * | 2015-09-04 | 2017-03-09 | キヤノン株式会社 | Ophthalmologic apparatus, display control method, and program |
| JP2017158962A (en) * | 2016-03-11 | 2017-09-14 | キヤノン株式会社 | Information processing device |
| JP2018000685A (en) * | 2016-07-05 | 2018-01-11 | キヤノン株式会社 | Image processing device, image processing method, and program |
| JP2018000699A (en) * | 2016-07-05 | 2018-01-11 | キヤノン株式会社 | Image processing device, imaging device, and image processing method |
| JP2019202188A (en) * | 2017-03-14 | 2019-11-28 | 株式会社トプコン | Tear film thickness measurement apparatus and method |
| JP7063860B2 (en) | 2017-03-14 | 2022-05-09 | 株式会社トプコン | Tear layer thickness measuring device and method |
| JP2017119226A (en) * | 2017-04-11 | 2017-07-06 | キヤノン株式会社 | Image processing apparatus, image processing method, and image processing program |
| JP2017121576A (en) * | 2017-04-14 | 2017-07-13 | キヤノン株式会社 | Information processing device, and method and program for controlling information processing device |
| JP2017170193A (en) * | 2017-06-12 | 2017-09-28 | 株式会社ニデック | Ophthalmological analysis device and ophthalmological analysis program |
| JP2020527066A (en) * | 2017-07-19 | 2020-09-03 | シャリテ−ウニベルジテーツメディツィン ベルリン | Method for estimating foveal shape parameters by optical coherence tomography |
| JP2018030013A (en) * | 2017-11-02 | 2018-03-01 | 株式会社ニデック | Ophthalmic analysis apparatus and ophthalmic analysis program |
| JP2019042529A (en) * | 2018-11-15 | 2019-03-22 | キヤノン株式会社 | Information processing device, and method and program for controlling information processing device |
| JP2020006232A (en) * | 2019-10-02 | 2020-01-16 | キヤノン株式会社 | Information processing device and information processing method |
| JP2020037010A (en) * | 2019-12-11 | 2020-03-12 | キヤノン株式会社 | Ophthalmologic apparatus, display control method, and program |
| JP7071469B2 (en) | 2020-10-14 | 2022-05-19 | キヤノン株式会社 | Information processing equipment and information processing method |
| JP2021003636A (en) * | 2020-10-14 | 2021-01-14 | キヤノン株式会社 | Information processing device and information processing method |
| JP2021087817A (en) * | 2021-02-24 | 2021-06-10 | キヤノン株式会社 | Image processing apparatus and image processing method |
Also Published As
| Publication number | Publication date |
|---|---|
| JP7039665B2 (en) | 2022-03-22 |
| JP2019181285A (en) | 2019-10-24 |
| JP6759430B2 (en) | 2020-09-23 |
| JP2017159093A (en) | 2017-09-14 |
| JP2020192429A (en) | 2020-12-03 |
| JP6570576B2 (en) | 2019-09-04 |
| JP6180073B2 (en) | 2017-08-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7039665B2 (en) | Information processing equipment, operation method and program of information processing equipment | |
| JP5702991B2 (en) | Image processing apparatus and image processing method | |
| JP6411387B2 (en) | Improved user interface for acquisition, display, and analysis of ophthalmic diagnostic data | |
| JP5733962B2 (en) | Ophthalmologic apparatus, ophthalmologic apparatus control method, and program | |
| KR101373935B1 (en) | Ophthalmic apparatus, control method of an ophthalmic apparatus and computer readable storage medium | |
| JP5148928B2 (en) | Fundus examination apparatus and program | |
| US8303115B2 (en) | Method and system for retinal health management | |
| CN108712876B (en) | Report-driven workflow for ophthalmic image data acquisition | |
| JP7382675B2 (en) | Tomographic image processing device, ophthalmological device equipped with the same, and computer program for processing tomographic images | |
| JP2020058615A (en) | Image processing device, learned model, image processing method, and program | |
| JP5777307B2 (en) | Image processing apparatus, image processing method, and program. | |
| JP7386949B2 (en) | Ophthalmology information processing device | |
| WO2024070907A1 (en) | Ocular fundus image processing device and ocular fundus image processing program | |
| JP5017491B2 (en) | Ophthalmic equipment | |
| JP2022173396A (en) | Ophthalmologic information processing device and ophthalmologic imaging device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140814 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150515 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150526 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150714 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160301 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160322 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160802 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160928 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20170214 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170515 |
|
| A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20170523 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20170620 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170718 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 6180073 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
| LAPS | Cancellation because of no payment of annual fees |