JP5784105B2 - 画像処理装置及び画像処理方法 - Google Patents

Description

本発明は、画像処理装置及び画像処理方法に関し、特に眼部の断層像観察に適用可能な技術に関する。

近年、眼科の臨床現場においては、光干渉断層計(Ｏｐｔｉｃａｌ Ｃｏｈｅｒｅｎｃｅ Ｔｏｍｏｇｒａｐｈｙ、以下「ＯＣＴ」と呼ぶ)による網膜の断層像を取得する装置が導入され、新たな知見を与えている。複数枚の網膜の断層像をボリューム画像として取得できるようになり、疾患の進行に伴う層ごとの変化を広範囲にわたって定量的に取得することが可能となってきている。これにより、精度の高い進行度合いの把握や治療効果の評価につながることが期待されている。

このような新しい装置による画像を効果的に活用するためには、従来の手法により得られてきた知見との関連が重要となる。例えば、緑内障の診断や治療の評価においては、神経線維層の厚み変化の重要性が知られているが、その結果、スリットランプや眼底写真による眼底観察で得られるＣ／Ｄ比(カップとディスクの比率)が有効な指標の１つとして用いられてきた。

スリットランプによる観察は、３次元情報を得ることができるが、定量的な評価が難い。これに対して眼底写真では、定量評価が可能であるが、３次元的な情報が失われてしまう。このため、特許文献１では、３次元情報と定量的な評価の両方を得るために、立体眼底カメラを用いた視神経乳頭部の形状取得と表示に関する手法が提案されている。また、ＯＣＴにより得られるボリューム画像中からＣ／Ｄ比を近似的に求める手法も提案されている。

特開平１１−１５１２０６号公報

しかしながら、立体眼底カメラによる撮影で得られる情報は、あくまで異なる角度から撮影して得られる画像を合成するものであり、網膜内部の断層情報は含まれていない。このためＯＣＴにより得られるボリューム画像の情報に比べて、網膜内部の情報を正確に取得できないという課題があった。

またＯＣＴボリューム画像では、カップにあたる神経線維層に関しては詳細な情報が得られるが、ディスクにあたる強膜に関しては、近似的な値しか取得できない。そのために、これまでのＯＣＴボリューム画像は、全体像を把握できるような情報を提示することが困難であった。

本発明はこのような課題を解決するため、複数の画像データを用いて網膜内部の全体像が把握できるような情報を提示する技術を提供することを目的とする。

上記の課題を解決するため、画像処理装置は、被検眼の撮影時期の異なる複数の断層画像を取得する取得手段と、前記複数の断層画像の一の断層画像から網膜層を抽出する抽出手段と、前記抽出した網膜層に基づき、強膜表面形状を構成する構成手段と、前記複数の断層画像のそれぞれと前記一の断層画像から抽出された網膜層に基づき構成された強膜表面形状とを合成する合成手段と、前記強膜表面形状が合成された複数の断層画像のそれぞれを表示する表示手段とを備えることを特徴とする。

本発明によれば、複数の画像データを用いて網膜内部の全体像が把握できるような情報を提示する技術を提供することが可能となる。

実施形態１に係る画像処理装置の機能構成を示す図。 実施形態１に係る画像処理装置の処理手順を示すフローチャート。 ＯＣＴにより取得されるボリューム画像の一例を示す図。 強膜のモデルを合成したボリューム画像の一例を示す図。 経時変化のＯＣＴボリューム画像を強膜モデルと合成する方法を示す図。 強膜のモデルを合成したボリューム画像の表示例を示す図。 強膜のモデルを合成したボリューム画像を用いて経過観察画像を表示する際の例を示す図。 実施形態２に係る画像処理装置１０の処理手順を示すフローチャート。

＜実施形態１＞
以下、図面を参照しながら実施形態１について説明する。なお、本実施形態に係る画像処理装置は、ＯＣＴにより緑内障の経時変化を示す複数のボリューム画像を取得して網膜の詳細な構造変化を観察する際に、疾病の進行を明確にするボリューム画像の提示を行う。具体的には、疾病の進行に伴う変化の少ない強膜のモデルを、ＯＣＴボリューム画像による近似精度の高い疾病初期の情報を用いて作成し、疾病が進行した後の複数のボリューム画像中に合成して表示する。このようにして作製したＯＣＴボリューム画像を用いることで、疾病の進行に伴う網膜の詳細な構造に生じた変化は、変化の比較指標となるディスクの情報とともに表示することで明確となる。

図１は、本実施例における画像処理装置１０の構成例を示す図である。画像処理装置１０は、画像取得部１００、記憶部１２０、表示部１３０、結果出力部１４０、検出部１５０、モデル構成部１６０、合成部１７０、制御部２００を備える。また画像処理装置１０は、外部のデータサーバ２０と接続されている。

画像取得部１００は、データサーバ２０に格納されている複数のＯＣＴボリューム画像を取得する。記憶部１２０は、取得されたＯＣＴボリューム画像の画像データを格納する。制御部２００は、不図示のＣＰＵを含み、画像処理装置１０を構成する各機能部１００〜１７０の動作のための指示を行い、画像処理装置１０の全体の制御を担う。表示部１３０は、制御部２００の指示によりＯＣＴボリューム画像などの表示を行う。

結果出力部１４０は、表示したＯＣＴボリューム画像などの画像データをデータサーバ２０に保存する。検出部１５０は、ＯＣＴボリューム画像の画像データから網膜層領域を抽出して層のセグメンテーションを行い、網膜色素上皮(以下「ＲＰＥ」と呼ぶ)、ＲＰＥの下側の境界(以下,ＲＰＥ境界と呼ぶ)およびＲＰＥ境界が乳頭付近で不連続となる部分（以下, ＲＰＥ端と呼ぶ）を検出する。モデル構成部１６０は、検出部１５０で検出されたＲＰＥの境界及びＲＰＥ端から強膜のモデルを構成する。合成部１７０は、モデル構成部１６０で構成された強膜のモデルをＯＣＴボリューム画像と合成する。

図２は、本実施形態の画像処理装置１０の処理手順を示す。また、図３は、ＯＣＴで撮影した網膜の視神経乳頭部断層像の模式図である。図２及び図３を用いて、網膜の視神経乳頭部断層像および画像処理装置１０の処理手順について説明する。まず、Ｓ２１０において、画像取得部１００は、データサーバ２０からＯＣＴを用いて撮像された複数のＯＣＴボリューム画像を取得し、複数の２次元断層画像の集合からなるボリューム画像として眼部の画像を取得し、記憶部１２０に記憶する。

この画像の例が図３に示される。図３（ａ）において、Ｔ_１〜Ｔ_ｎは、２次元断層画像(Ｂスキャン画像、以下「断層像」と呼ぶ)である。各断層像Ｔ_ｋで，断層像の横方向をＸ軸方向，深度方向をＺ軸方向(以下、Ｚ軸方向へのスキャンを「Ａスキャンライン」と呼ぶ)と定義する。断層像Ｔ_１において、１はＲＰＥの境界、２は内境界膜を表している。ここでＯＣＴのボリューム画像は、Ｔ_１〜Ｔ_ｎの各断層像に関して、位置合わせがされているものとする。一般に、ＯＣＴの断層像を複数枚撮影すると、目の動き等の影響で撮影範囲がＺ軸方向にばらつく傾向がある。このＺ軸方向のばらつきを、画像の相関係数等を用いて修正することをここでは「位置合わせ」と呼び、以下で扱うボリューム画像は、すでにこの「位置合わせ」の処理が行われているものとする。

Ｓ２１０では、画像取得部１００は、データサーバ２０に格納されている複数のＯＣＴボリューム画像を取得し、記憶部１２０に記憶した。尚、ここで取得される複数のＯＣＴボリューム画像とは、例えば緑内障と診断されている同一患者の同一被検眼に対して異なる日時に撮影された、経時変化を伴うＯＣＴボリューム画像群である。各ＯＣＴボリューム画像は、撮影日時と関連付けて、データサーバ２０に保持され、画像取得部１００によりデータサーバ２０から撮影日時とともに読み出され、記憶部１２０に記憶される。そして、制御部２００は、記憶部１２０に記憶された複数のＯＣＴボリューム画像の中から、最も早い時期に撮影されたＯＣＴボリューム画像を選択する。

Ｓ２２０において、検出部１５０は、制御部２００で選択されたＯＣＴボリューム画像から網膜層領域を抽出する。網膜領域の抽出は、例えば断層像に対する単純な２値化処理で抽出できる。２値化処理における閾値は、経験的に決定した固定値を利用してもよいし、判別分析法やＰ−ｔｉｌｅ法を利用して、入力されるＯＣＴ像に合わせて決定してもよい。

次に、網膜領域の層のセグメンテーションを行い、内境界膜や神経線維層、ＲＰＥ境界等を検出する。具体的には、まず注目する断層像Ｔ_ｋに対して平滑化フィルタを適用し、ノイズ成分を除去する。そして、ノイズ平滑化後の画像に対してエッジ検出フィルタを適用し、エッジ強調画像を生成する。エッジ強調後の画像について「Ａスキャンライン」ごとに走査し、ある閾値より高い値を持つ画素を選択する。選択された画素の中で、断層像の最も上側（Ｚ軸の値が小さい側）にあるものが内境界膜を表す画素とする。さらに、各「Ａスキャンライン」において上記選択された画素が複数ある場合に、内境界膜とされた画素以外の画素で、断層像の最も下側（Ｚ軸の値が大きい側）にあるものをＲＰＥ境界とする。ここで、選択された画素が１つしかない「Ａスキャンライン」において内境界膜は設定されるが、ＲＰＥは設定されないことに注意する。

但し、内境界膜、ＲＰＥの検出法はこれに限定されるものではなく、例えば画像のヒストグラムやテクスチャ情報を用いて検出してもよい。さらに本実施形態では、エッジ強調画像において閾値以上の画素を選択していたが、これに限定されるものではなく、例えば輝度プロファイルから勾配を求め、それを指標として検出を行ってもよい。あるいは、輝度情報から特徴量を求め、それを入力として識別器を用いた検出を行ってもよい。

次に、上記ＲＰＥ境界１からＲＰＥ端を検出する。図３（ｂ）に示すように、上記各断層像Ｔ_ｋに対して求められたＲＰＥ境界が存在する領域Ｒ１と領域Ｒ３と、途切れている領域Ｒ２が存在する。Ｒ２のように、ＲＰＥの境界が不連続となっており、領域Ｒ１とＲ２で「Ａスキャンライン」が連続して存在する領域の両端を、ＲＰＥ端とする。そして、各断層像Ｔ_ｋに対して求められたＲＰＥ端をボリューム画像中で連結させることで、視神経乳頭外縁の近似値とする。

Ｓ２３０において、モデル構成部１６０は、検出部１５０で検出されたＲＰＥ境界及びＲＰＥ端から、強膜のモデルを構成する。ここで強膜のモデルとは、強膜内部の情報を含むものではなく、生理的強膜輪（Ｅｌｓｃｈｎｉｎｇ輪）に相当する視神経乳頭外縁の形状と、強膜と脈絡膜の境界の情報があればよい。そこで強膜のモデルを、視神経乳頭外縁形状としてＳ２２０で検出したＲＰＥ端を、強膜表面形状としてステップＳ２２０で検出したＲＰＥ境界を用いて構成する。具体的には、ＯＣＴボリューム画像中でＲＰＥ境界として検出された画素よりなる曲面を、Ｚ軸方向に平行移動して強膜表面形状を近似する。一般に、脈絡膜の厚みは０．２ｍｍ程度であることが知られていて、網膜の厚み(０．１ｍｍ〜０．４ｍｍ)と同程度である。よって、Ｓ２２０で検出された内境界膜とＲＰＥ境界との間の距離(ＲＰＥ境界が存在する領域)の平均値ｄを求めて、ＰＲＥ境界として検出された曲面を内境界膜と反対方向にｄだけ平行移動するものとする。

さらに視神経乳頭外縁部として、ステップＳ２２０において、各断層像Ｔ_ｋに対して求められたＲＰＥ端をｄだけ平行移動させた後、ボリューム画像中で連結したものを視神経乳頭外縁の近似値とする。Ｓ２４０において、合成部１７０は、モデル構成部１６０で構成された強膜のモデルを、ＯＣＴボリューム画像と合成する。ここでモデルの合成とは、図３で示したＯＣＴボリューム画像から構成される３Ｄの各ボクセルが、Ｓ２３０で構成した強膜モデルの領域に対応する場合には、強膜のラベルを付与することを意味する。

他にも、Ｓ２２０で検出した網膜領域（内境界膜とＲＰＥの間の領域）に対応するボクセルには、網膜のラベルを、またＲＰＥと強膜の間の領域に対応する場合には、脈絡膜のラベルを付与する。図４にボリューム画像とラベルとの関係を示す。ここでＬ１は網膜領域、Ｌ２は脈絡膜領域、Ｌ３は強膜領域を示し、さらにＲＰＥ端に囲まれた(「Ａスキャンライン」上にＲＰＥ境界が検出されていない)領域を乳頭領域Ｌ４としている。

さらに緑内障の経過観察においては、網膜領域及び乳頭領域において神経線維層等の構造変化が見られるのに対して、強膜の変化はみられないことに着目する。具体的には、Ｓ２３０によって構成された強膜のモデルを、このモデルを作成する際に利用したＯＣＴボリューム画像に合成するのみならず、経過観察として取得されている同一患者の同一眼に関するＯＣＴボリューム画像のすべてに合成する。そのために制御部２００は、Ｓ２１０において記憶部１２０に格納した複数のＯＣＴボリューム画像を取得する。そして合成部１７０は、Ｓ２３０でモデル構成部１６０により構成された強膜のモデルを、この取得した複数のＯＣＴボリューム画像と合成する。

このとき、疾病が進行した後のＯＣＴボリューム画像と、Ｓ２３０において疾病の初期の段階で撮影されたＯＣＴボリューム画像に基づき構成された強膜のモデルを、直接合成するのでは高い精度が得られない。何故なら、ＯＣＴボリューム画像中の網膜領域は、疾病の進行に伴い大きな構造変化を伴うことが知られているからである。このような場合には、経時変化後のＯＣＴボリューム画像と前回撮影時のＯＣＴボリューム画像との間で、重ね合わせ処理を行う。この結果をもとに、さらに前回撮影時のＯＣＴボリューム画像と強膜モデルが合成されたボリューム画像に基づいて、経時変化後のＯＣＴボリューム画像を強膜モデルと合成する。

具体的な処理を図５に示す。図５において、Ａ，Ｂ，Ｃは、同一患者の同一眼のＯＣＴボリューム画像であり、ＢはＡの撮影の１年後、Ｃは３年後の画像であるとする。Ｄはボリューム画像Ａに基づき作成された強膜のモデルとし、ＥはＡとＤを合成したボリューム画像であるとする。また強膜モデルＤは、変化しないとする。ここで、１年後のボリューム画像Ｂ、３年後のボリューム画像ＣとＤを直接合成することを考えると、ＣはＡに比べて網膜層の構造に大きな変化がみられ、特にＲＰＥ端等に変化が見られる可能性があるので、ＣとＤの合成は困難となる。そこで、まずＣとＢの間で重ね合わせの処理を行い、Ｂに対するＣの相対位置を求めておく。さらに、ＢとＤを合成して得られた合成画像Ｆから、ＢとＤの相対位置を求める。Ｂを基準としてＤの相対位置、及びＣの相対位置が求められているから、これによりＤとＣを合成することができ、合成ボリューム画像Ｇを作成する。

Ｓ２５０において、表示部１３０は、合成部１７０で合成して作成された強膜のモデルを含んだＯＣＴボリューム画像を、不図示のディスプレイ等の表示装置に表示する。さらに、これまでのステップの手順で作成された合成ボリューム画像の情報を、結果出力部１４０を通じてデータサーバ２０に保存する。

図６に、合成ボリューム画像の表示の具体例を示す。緑内障の診断においては、神経線維層の厚みの分布を、視神経乳頭外縁部と比較しながらみることが重要である。よってＳ２２０で検出された網膜領域内の神経線維層部分のみを特に抽出し、その領域に相当するボクセルに単一の色情報を設定する。さらに、視神経乳頭外縁部を示す強膜領域が確認できるように、合成時における神経線維層領域の不透明度αを小さな値に設定する。図６（ａ）に示すように、強膜領域６１に関しては、完全に不透明になるように不透明度αを１に設定する。

また図６（ｂ）に示すように、上記のように作成されたボリューム画像を用いてボリュームレンダリング表示を行う。本実施形態においては、眼底をスリットランプ等で観察するイメージを提示するために、図６（ｃ）に示すような位置に視点を置く。具体的には、内境界膜がボリューム画像の端とぶつかる点６２、６３をボリューム画像の４箇所で求めて、向かい合う２箇所を結んだ直線６４と垂直となる方向６５を求め、このベクトル上に視点をおく。

以上の例では網膜層領域のセグメンテーション結果を用いて、神経線維層のみに単一の色情報を与えてボリュームレンダリングを行った。しかし、ＯＣＴボリューム画像から得られる輝度情報を活用するならば、網膜層領域や乳頭領域に関しては低い不透明度とともにＯＣＴの輝度情報を用い、強膜領域には不透明度１を与えてボリュームレンダリングすることもできる。

さらに、緑内障の診断において重要となるＣ／Ｄ比（カップ/ディスク比率）のカップの形状を３次元的に明示するために、内境界膜を用いたサーフェスレンダリング表示を行うこともできる。このとき、Ｓ２２０で取得される内境界膜の検出点を用いてポリゴン形状の表面を作成する。さらに、このポリゴン集合を半透明表示し、不透明表示される強膜形状とともに提示することで、カップとディスクを立体的に表示することができる。また、ポリゴンの表面に、３Ｄで表示した際の神経線維層の厚み情報を、厚みマップとして表示するなどすれば、内境界膜の形状とともに、神経線維層の厚み情報も得られるために、より診断に有効な表示となる。

以上のように、強膜モデルを合成したＯＣＴボリューム画像を用いて、ボリュームレンダリング表示やサーフェスレンダリング表示をする例を示したが、表示方法はこれに限定されるものではない。例えばボリュームレンダリングとサーフェスレンダリングを組み合わせてもよい。具体的には、神経線維層のみをボリュームレンダリングし、強膜をサーフェスレンダリングするなどの表示法を行ってもよい。

次に、上述したような、強膜のモデルを合成したボリューム画像によるさまざまな表示法を用いて、経過観察データを表示する。図５で示したように、経過観察のために撮影されたＯＣＴボリューム画像に同一の強膜モデルを合成することにより、網膜領域及び視神経乳頭領域の変化を明示することができる。

具体的には、図７に示すように、３Ｄ表示画面にスクロールバーＳ１をつけ、スクロールするごとに異なる時期に撮影されたＯＣＴボリューム画像との合成画像を表示する。これは、スクロールバーＳ１を、図６（ａ）と図６（ｂ）と図６（ｃ）のように順番に設定することで、例えば、図５のＥ、Ｆ及びＧをそれぞれ時系列で表示するようにする。３Ｄ表示は、表示タイプや視点を変更して最も観察に適した状態を表示した上で、時間変化をスクロールすることができ、疾病による網膜層の変化の様子を明示的に示すことができる。

以上の構成により、ディスクの物理的構造である強膜に関する情報から強膜の３次元的モデルを構築し、ＯＣＴのボリューム画像中に合成できる。そして、合成されたボリューム画像を用いることにより、神経線維層等の網膜の詳細な情報と、ディスクを含む視神経乳頭部の奥行き情報を含む全体像を同時に提示することが可能となる。例えば、ＯＣＴボリューム画像を用いて緑内障の経過観察を行う場合、疾病の進行に伴う変化の著しい網膜層の情報を、安定した構造をもつ視神経乳頭外縁部と同時に提示することができる。これにより、視神経乳頭部の３Ｄ情報を観察する際に、ディスクの情報と比較しながら観察を行うことができるという効果がある。

＜実施形態２＞
実施形態１では、強膜のモデルを構成する際に、ＯＣＴボリューム画像から取得したＲＰＥ境界とＲＰＥ端の情報を用いていた。しかしＲＰＥ端が視神経乳頭外縁の近似値を与えるのは、乳頭周囲網脈絡膜萎縮(ＰＰＡ)等の所見が見られないものに限られ、疾病が進行した後のＯＣＴボリューム画像のみからでは、強膜のモデルを構成することが困難となる。実施形態２では、強膜のモデルを作成するために、ＯＣＴボリューム画像以外の画像、ここでは眼底画像の画像データを用いてより正確なモデルを構成する場合について説明する。

以下、図８のフローチャートを参照して、本実施形態の画像処理装置１０の処理手順を説明する。なお、Ｓ８１０、Ｓ８４０及びＳ８５０は、それぞれ、実施形態１のＳ２１０、Ｓ２４０及びＳ２５０と同様なので、説明を省略する。また複数の眼底画像が、撮影時期と関連付けられて、ＯＣＴボリューム画像とともに、データサーバ２０に記憶されていると仮定する。

Ｓ８１５において、画像取得部１００は、データサーバ２０に格納されている複数の眼底画像を取得し、記憶部１２０に格納する。ここで取得する眼底画像は、ステップＳ８１０で取得されるＯＣＴボリューム画像と同一患者の同一眼を撮影した画像である。制御部２００は、記憶部１２０に保存された複数の眼底画像の中から、Ｓ８１０で選択されたＯＣＴボリューム画像に最も近い時期に撮影された眼底画像を選択する。

Ｓ８２０において、検出部１５０は、制御部２００で選択されたＯＣＴボリューム画像の画像データから網膜層領域を抽出して層のセグメンテーションを行い、ＲＰＥ境界を検出する。さらに、検出部１５０は、制御部２００で選択された眼底画像から視神経乳頭外縁を検出する。

ＯＣＴボリューム画像からの網膜層領域の検出は、Ｓ２２０と同様なので、説明は省略する。眼底画像の画像データからの視神経乳頭外縁部の検出は、一般的に知られている二値化処理やエッジ強調フィルタなどを組み合わせることにより抽出する。

Ｓ８３０において、モデル構成部１６０は、検出部１５０で抽出されたＲＰＥ境界及び視神経乳頭外縁部を用いて強膜のモデルを構成する。ここでは、ＯＣＴボリューム画像と眼底画像という２種類の画像からそれぞれＲＰＥ境界と視神経乳頭外縁部を抽出しているため、２種類の画像の重ね合わせを行うことにより、この２種の抽出部分を統合する。具体的には、ＯＣＴボリューム画像の画像データから得られる輝度値を、図３（ａ）のＺ軸方向に積算した積算画像を作成する。積算画像は、眼底画像と同様の、網膜を表面から観察した画像となるため、この積算画像と眼底画像の重ね合わせを行う。このとき、眼底画像と積算画像の双方から血管を抽出し、双方の血管の位置あわせに基づき画像の重ね合わせを行う。

モデル構成部１６０は、ＯＣＴボリューム画像と眼底画像の重ね合わせに基づき、ＯＣＴボリューム画像から抽出したＲＰＥ境界と、眼底画像に含まれる視神経乳頭外縁を統合する。Ｓ８２０において検出されたＲＰＥ境界に基づき、モデル構成部１６０は、ＲＰＥ境界の近似面を作成する。ＲＰＥ境界の検出されていない乳頭に近い部分、すなわち実施形態１で検出したＲＰＥ境界の不連続となるＲＰＥ端は検出できないので、眼底画像に含まれる視神経乳頭外縁を用いて、ＲＰＥ端を特定する。そして、ＲＰＥ境界の検出されていない乳頭に近い部分は、特定されたＲＰＥ端に対して周囲から面を外挿することによって、ＲＰＥ境界全体の近似平面を求める。この近似平面上に、眼底から抽出された視神経乳頭外縁部を重ねる。眼底画像は３次元情報を持たないために、検出された視神経乳頭外縁部はＺ軸方向の位置が定まらないが、このＲＰＥ近似面上に限定することで、視神経乳頭外縁部を確定することができる。
このようにして統合したＲＰＥ境界と視神経乳頭外縁部を用いて、強膜のモデルを作成する。ここでもＳ２３０と同様、上記統合したＲＰＥ境界と視神経乳頭外縁部をＯＣＴボリューム画像のＺ軸方向にｄだけ平行移動して、強膜のモデルとする。

ここでは眼底画像とＯＣＴボリューム画像を用いて強膜のモデルを構成する例を示したが、強膜のモデルを構成する方法はこれに限定されるものではなく、ＳＬＯなど他のモダリティからの画像を用いることもできる。

さらに、波長の異なる光源を用いたり、コヒーレンスゲートを調整して異なる焦点位置としたりして得られるＯＣＴボリューム画像から、異なる箇所を抽出して統合してもよい。このように多種の画像からの情報を統合することで、より正確な強膜のモデルを構成することが可能になる。

＜その他の実施形態＞
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。

Claims (3)

1. 被検眼の撮影時期の異なる複数の断層画像を取得する取得手段と、
   前記複数の断層画像の一の断層画像から網膜層を抽出する抽出手段と、
   前記抽出した網膜層に基づき、強膜表面形状を構成する構成手段と、
   前記複数の断層画像のそれぞれと前記一の断層画像から抽出された網膜層に基づき構成された強膜表面形状とを合成する合成手段と、
   前記強膜表面形状が合成された複数の断層画像のそれぞれを表示する表示手段とを備えることを特徴とする画像処理装置。
2. 前記抽出手段が、前記一の断層画像から視神経乳頭外縁を抽出し、
   前記構成手段が、前記抽出した視神経乳頭外縁に基づき、視神経乳頭外縁形状を構成し、
   前記合成手段が、前記視神経乳頭外縁形状を、前記複数の断層画像のそれぞれと合成することを特徴とする請求項１に記載の画像処理装置。
3. 取得手段が、被検眼の撮影時期の異なる複数の断層画像を取得する工程と、
   検出手段が、前記複数の断層画像の一の断層画像から網膜層を抽出する工程と、
   構成手段が、前記抽出した網膜層に基づき、強膜表面形状を構成する工程と、
   合成手段が、前記複数の断層画像のそれぞれと前記一の断層画像から抽出された網膜層に基づき構成された強膜表面形状とを合成する工程とを備えることを特徴とする画像処理方法。