CN102209488B - 图像处理设备和方法以及断层图像拍摄设备和方法 - Google Patents

图像处理设备和方法以及断层图像拍摄设备和方法 Download PDF

Info

Publication number
CN102209488B
CN102209488B CN200980144855.9A CN200980144855A CN102209488B CN 102209488 B CN102209488 B CN 102209488B CN 200980144855 A CN200980144855 A CN 200980144855A CN 102209488 B CN102209488 B CN 102209488B
Authority
CN
China
Prior art keywords
image
image processing
dimensional
accumulative
tested eye
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.)
Expired - Fee Related
Application number
CN200980144855.9A
Other languages
English (en)
Other versions
CN102209488A (zh
Inventor
岩濑好彦
今村裕之
古川大介
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Canon Inc
Original Assignee
Canon Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Canon Inc filed Critical Canon Inc
Priority to CN201510556597.2A priority Critical patent/CN105249922B/zh
Publication of CN102209488A publication Critical patent/CN102209488A/zh
Application granted granted Critical
Publication of CN102209488B publication Critical patent/CN102209488B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
    • A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
    • A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
    • A61B3/102—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for optical coherence tomography [OCT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
    • A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
    • A61B3/12—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for looking at the eye fundus, e.g. ophthalmoscopes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30041—Eye; Retina; Ophthalmic

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Ophthalmology & Optometry (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Eye Examination Apparatus (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

图像处理单元获得表示被检眼的断层图像的连续性的信息，以及判断单元基于图像处理单元所获得的信息判断被检眼的摄像状态。

Description

图像处理设备和方法以及断层图像拍摄设备和方法
技术领域
本发明涉及一种支持眼部的图像拍摄的图像处理系统，尤其涉及一种使用眼部的断层图像的图像处理系统。
背景技术
为了对作为造成成年人疾病和失明的主要原因的各种疾病进行早期诊断，广泛地进行眼部检查。在检查等时，要求找到整个眼部的疾病。因此，需要使用眼部的宽范围的图像(以下称为宽域图像)进行检查。使用例如视网膜照相机或扫描型激光检眼镜(SLO)来拍摄宽域图像。相反，诸如光学相干断层照像(OCT)设备等的眼部断层图像拍摄设备可以观察视网膜层内部的三维状态，因此，期望这些眼部断层图像拍摄设备在准确进行疾病的诊断时是有用的。以下，将利用OCT设备所拍摄的图像称为断层图像或断层图像体数据(volume data)。
当将要使用OCT设备对眼部进行摄像时，从开始摄像到结束摄像要花费一些时间。在该时间期间，正在被检查的眼部(以下称为被检眼)可能突然移动或眨眼，导致图像的偏移或畸变。然而，当正在进行摄像时，可能不会识别到图像的这种偏移或畸变。而且，当在摄像完成后检查所拍摄的图像数据时，由于大量的图像数据，可能没注意到这种偏移或畸变。由于该检查操作不容易，因此医生的诊断工作流程效率不高。
为了克服上述问题，提出了当正在进行摄像时检测眨眼的技术(日本特开昭62-281923)和对由于被检眼的移动而引起的断层图像的位置偏移进行校正的技术(日本特开2007-130403)。
然而，已知的技术具有以下问题。
在上述日本特开昭62-281923中记载的方法中，使用眼睑开/闭检测器来检测眨眼。当眼睑水平从闭合水平改变为打开水平时，在由延迟时间设置器设置的预定时间过去之后进行摄像。因此，尽管可以检测到眨眼，但不能检测到由于被检眼的移动引起的图像的偏移或畸变。由此，不能获得包括被检眼的移动的摄像状态。
而且，日本特开2007-130403中记载的方法使用参考图像(眼底图像、或者与两个以上的断层图像垂直的一个断层图像)来对两个以上的断层图像进行对准。因此，当眼部较大地移动时，对断层图像进行校正，但不能生成准确的图像。而且，没有对作为摄像时的被检眼的状态的摄像状态进行检测的思想。
引用列表
专利文献
对比文件1：日本特开昭62-281923
对比文件2：日本特开2007-130403
发明内容
本发明提供一种判断断层图像的准确性的图像处理系统。
根据本发明的一个方面，提供一种图像处理设备，用于判断被检眼的摄像状态，所述图像处理设备包括：图像处理单元，用于获得表示被检眼的断层图像的连续性的信息；以及判断单元，用于基于所述图像处理单元所获得的信息，判断被检眼的摄像状态。
根据本发明的另一方面，提供一种图像处理方法，用于判断被检眼的摄像状态，所述图像处理方法包括：图像处理步骤，用于获得表示被检眼的断层图像的连续性的信息；以及判断步骤，用于基于在所述图像处理步骤中获得的信息，判断被检眼 的摄像状态。
通过以下结合附图进行的说明，本发明的其它特征和优点将显而易见，其中，相同的附图标记表示图中的相同或相似的部分。
附图说明
包括在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并和说明书一起用于说明本发明的原理。
图1是示出连接至图像处理系统10的装置的结构的框图。
图2是示出图像处理系统10的功能结构的框图。
图3是示出由图像处理系统10进行的处理的流程图。
图4A是示出断层图像的例子的图。
图4B是示出累计图像的例子的图。
图5A是示出累计图像的例子的图。
图5B是示出累计图像的例子的图。
图6是示出画面显示的例子的图。
图7A是示出摄像状态的图。
图7B是示出摄像状态的图。
图7C是示出摄像状态和血管集中度之间的关系的图。
图7D是示出摄像状态和相似度之间的关系的图。
图8是示出图像处理系统10的基本结构的框图。
图9A是示出累计图像的例子的图。
图9B是示出梯度图像的例子的图。
图10A是示出累计图像的例子的图。
图10B是示出功率谱的例子的图。
图11是示出处理的流程图。
图12A是示出用于说明断层图像的特征的图。
图12B是示出用于说明断层图像的特征的图。
图13是示出处理的流程图。
图14A是示出累计图像的例子的图。
图14B是示出部分图像的例子的图。
图14C是示出累计图像的例子的图。
图15A是示出血管模型的例子的图。
图15B是示出部分模型的例子的图。
图15C是示出血管模型的例子的图。
图16A是示出画面显示的例子的图。
图16B是示出画面显示的例子的图。
图16C是示出画面显示的例子的图。
具体实施方式
现在将根据附图详细说明本发明的优选实施例。然而，本发明的范围不限于图中示出的例子。
第一实施例
根据本实施例的图像处理设备在获得被检眼(用作检查对象的眼)的断层图像时从断层图像体数据生成累计图像，并通过使用从累计图像获得的图像特征的连续性来判断所拍摄的图像的准确性。
图1是连接至根据本实施例的图像处理系统10的装置的框图。如图1所示，经由诸如以太网(注册商标)等的局域网(LAN)30将图像处理系统10连接至断层图像拍摄设备20和数据服务器40。可以使用光纤或诸如通用串行总线(USB)或电气和电子工程师协会(IEEE)1394等的接口来建立与这些装置的连接。经由诸如以太网(注册商标)等的LAN 30将断层图像拍摄设备20连接至数据服务器40。可以使用诸如因特网等的外部网络来建立与 所述装置的连接。
断层图像拍摄设备20是用于拍摄眼部的断层图像的设备。例如，断层图像拍摄设备20是使用时域0CT或傅立叶域OCT的OCT设备。响应于由操作者(未示出)输入的操作，断层图像拍摄设备20拍摄被检眼(未示出)的三维断层图像。断层图像拍摄设备20将所获得的断层图像发送至图像处理系统10。
数据服务器40是保持被检眼的断层图像和从被检眼获得的信息的服务器。数据服务器40保持从断层图像拍摄设备20输出的被检眼的断层图像、和从图像处理系统10输出的结果。响应于来自图像处理系统10的请求，数据服务器40将与被检眼有关的先前的数据发送至图像处理系统10。
现在将参考图2说明根据本实施例的图像处理系统10的功能结构。图2是图像处理系统10的功能框图。如图2所示，图像处理系统10包括被检眼信息获得单元210、图像获得单元220、指示获得单元230、存储单元240、图像处理设备250、显示单元260和结果输出单元270。
被检眼信息获得单元210从外部获得用于识别被检眼的信息。例如，用于识别被检眼的信息是分配至各被检眼的被检者识别编号。可选地，用于识别被检眼的信息可以包括被检者识别编号和用于表示检查对象是右眼还是左眼的标识符的组合。
操作者输入用于识别被检眼的信息。当数据服务器40保持用于识别被检眼的信息时，可以从数据服务器40获得该信息。
图像获得单元220获得从断层图像拍摄设备20发送来的断层图像。在以下说明中，假定由图像获得单元220获得的断层图像是由被检眼信息获得单元210识别出的被检眼的断层图像。还假定将与断层图像的拍摄有关的各种参数作为附加至断层图像的信息。
指示获得单元230获得由操作者输入的处理指示。例如，指示获得单元230获得开始、中断、结束或恢复摄像处理的指示，是否保存所拍摄的图像的指示，和指定存储位置的指示。根据需要将由指示获得单元230获得的指示的内容发送至图像处理设备250和结果输出单元270。
存储单元240暂时保持由被检眼信息获得单元210获得的与被检眼有关的信息。而且，存储单元240暂时保持由图像获得单元220获得的被检眼的断层图像。此外，存储单元240暂时保持如后面所述的由图像处理设备250从断层图像获得的信息。根据需要将这些数据发送至图像处理设备250、显示单元260和结果输出单元270。
图像处理设备250获得由存储单元240所保持的断层图像，并对该断层图像进行用于判断断层图像体数据的连续性的处理。图像处理设备250包括累计图像生成单元251、图像处理单元252和判断单元253。
累计图像生成单元251通过在深度方向上对断层图像进行累计来生成累计图像。累计图像生成单元251对由断层图像拍摄设备20所拍摄到的n个二维断层图像、在深度方向上进行累计处理。这里，将二维断层图像称为截面图像。例如，截面图像包括B扫描图像和A扫描图像。后面将详细说明由累计图像生成单元251进行的处理的具体内容。
图像处理单元252从断层图像提取用于判断三维连续性的信息。后面将详细说明由图像处理单元252进行的处理的具体内容。
判断单元253基于由图像处理单元252提取出的信息，判断断层图像体数据(以下也可称为断层图像)的连续性。当判断单元253判断为断层图像体数据不连续时，显示单元260显示判断 结果。后面将详细说明由判断单元253进行的处理的具体内容。基于由图像处理单元252提取出的信息，判断单元253判断被检眼移动的程度或者是否眨眼。
显示单元260在监视器上显示由图像获得单元220获得的断层图像和通过使用图像处理设备250处理断层图像而获得的结果。后面将详细说明由显示单元260显示的具体内容。
结果输出单元270将检查时间和日期与用于识别被检眼的信息、被检眼的断层图像和由图像获得单元220获得的分析结果相关联，并将关联信息作为要保存的信息发送至数据服务器40。
图8是示出用于通过使用软件来实现图像处理系统10的各单元的功能的计算机的基本结构的图。
中央处理单元(CPU)701通过使用在随机存取存储器(RAM)702和/或只读存储器(ROM)703中存储的程序和数据来控制整个计算机。CPU 701还控制与图像处理系统10的各单元相对应的软件的执行，并实现各单元的功能。注意，可以从程序记录介质中加载程序并将该程序存储在RAM 702和/或ROM703中。
RAM 702具有暂时存储从外部存储装置704加载的程序和数据的区域、和CPU 701进行各种处理所需要的工作区域。通过RAM 702实现存储单元240的功能。
ROM 703通常存储计算机的基本输入/输出系统(BIO S)和设置数据。外部存储装置704是诸如硬盘驱动器等的用作大容量信息存储装置的装置，用于存储操作系统和由CPU 701执行的程序。将本实施例的说明中被认为已知的信息保存在ROM 703中，并根据需要将该信息加载至RAM 702。
监视器705是液晶显示器等。例如，监视器705可以显示由显示单元260输出的内容。 
键盘706和鼠标707是输入装置。操作者可以通过操作这些装置，对图像处理系统10给出各种指示。经由这些输入装置实现了被检眼信息获得单元210和指示获得单元230的功能。
接口708用于在图像处理系统10和外部装置之间交换各种数据。例如，接口708是IEEE 1394、USB或以太网(注册商标)端口。将经由接口708获得的数据获取至RAM 702中。经由接口708实现了图像获得单元220和结果输出单元270的功能。
通过总线709互连上述组件。
现在将参考图3中示出的流程图来说明本实施例的图像处理系统10进行的处理。由CPU 701实现本实施例中的图像处理系统10的各单元的功能，CPU 701执行实现各单元的功能的程序并控制整个计算机。假定在进行以下处理之前，已经将根据流程图的程序代码从例如外部存储装置704加载至RAM 702。
步骤S301
在步骤S301中，被检眼信息获得单元210从外部获得作为用于识别被检眼的信息的被检者识别编号。操作者通过使用键盘706、鼠标707或读卡器(未示出)来输入该信息。基于被检者识别编号，被检眼信息获得单元210获得由数据服务器40保持的与被检眼有关的信息。例如，与被检眼有关的信息包括被检者的姓名、年龄和性别。当存在包括例如视力、眼轴长度和眼压等的测量数据的其它检查信息时，被检眼信息获得单元210可以获得测量数据。被检眼信息获得单元210将所获得的信息发送至存储单元240。
当再次对同一只眼进行摄像时，可以跳过步骤S301中的处理。当存在要添加的新的信息时，在步骤S301中获得该信息。
步骤S302
在步骤S302中，图像获得单元220获得从断层图像拍摄设 备20发送来的断层图像。图像获得单元220将所获得的信息发送至存储单元240。
步骤S303
在步骤S303中，累计图像生成单元251通过在深度方向上对截面图像(例如，B扫描图像)进行累计来生成累计图像。
以下将使用图4A和4B来说明由累计图像生成单元251进行的处理。图4A是示出断层图像的例子的图，以及图4B是示出累计图像的例子的图。具体地，图4A示出黄斑的截面图像T1～Tn，以及图4B示出从截面图像T1～Tn生成的累计图像P。深度方向是图4A中的z方向。在深度方向上的累计是将在图4A的z方向上的各深度位置处的光强度(亮度值)相加的处理。累计图像P可以简单地基于各深度位置处的亮度值的和，或者可以基于通过将相加得到的和除以所相加的值的数量而得到的平均值。并非必须通过将深度方向上的所有像素的亮度值相加来生成累计图像P，还可以通过将任意范围内的像素的亮度值相加来生成累计图像。例如，可以预先检测整个视网膜层，并可以仅将视网膜层中的像素的亮度值相加。可选地，可以将仅在视网膜层的任意层中的像素的亮度值相加。累计图像生成单元251对由断层图像拍摄设备20拍摄到的n个截面图像T1～Tn、在深度方向上进行累计处理，并生成累计图像P。以以下方式表示图4B中示出的累计图像P：当累计值越大时亮度值越大，以及当累计值越小时亮度值越小。图4B中的累计图像P中的曲线V表示血管，以及累计图像P的中心处的圆圈M表示黄斑。断层图像拍摄设备20通过用光检测器接收从低相干光源发射的光的反射光来拍摄眼部的截面图像T1～Tn。在存在血管的地方，比血管深的位置处的反射光的强度变得较弱，以及通过在z方向上对亮度值进行累计而获得的值比在没有血管的地方获得的值小。因此，通过生成 累计图像P，可以获得在血管和其它部分之间具有对比度的图像。
步骤S304
在步骤S304中，图像处理单元252从累计图像提取用于判断断层图像体数据的连续性的信息。
图像处理单元252检测累计图像中的血管作为用于判断断层图像体数据的连续性的信息。检测血管的方法是公知的技术，并且将省略其详细说明。并非必须使用一种方法来检测血管，还可以使用多种技术的组合来检测血管。
步骤S305
在步骤S305中，判断单元253对在步骤S304中获得的血管进行处理，并判断断层图像体数据的连续性。
以下将使用图5A和5B来说明由判断单元253进行的具体处理。图5A和5B是示出累计图像的例子的图。图5A示出摄像成功时的黄斑累计图像Pa的例子。图5B示出摄像失败时的黄斑累计图像Pb的例子。在图5A和5B中，使用OCT进行摄像时的扫描方向与x方向平行。由于眼部的血管集中在视盘上，并且血管从视盘进入黄斑，因此血管集中在黄斑附近。以下将血管的端部称为血管端。断层图像中的血管端与以下两种情况之一相对应：在一种情况下，断层图像中的血管端是所拍摄的图像中被检者的血管的端部；在另一种情况下，在摄像时被检者的眼球移动，结果，所拍摄的图像中的血管变得中断，看起来像所拍摄的图像中的血管端。
图像处理单元252从集中在黄斑附近的血管来跟踪各血管，并将跟踪过的血管标记为“已跟踪”。图像处理单元252将已跟踪的血管端的位置坐标作为位置信息存储在存储单元240中。图像处理单元252对在与使用OCT进行摄像时的扫描方向(x方向)相 平行的线上存在的血管端的位置坐标一起进行计数。这表示断层图像中的血管端的数量。例如，图像处理单元252对在同一y轴上存在的点(x1，yi)、(x2，yi)、(x3，yi)、...(xn-1，yi)、(xn，yi)一起进行计数。当如图5A中所示，使用OCT的摄像成功时，在与使用OCT进行摄像时的扫描方向相平行的线上的血管端的坐标很少集中。然而，当如图5B所示，使用OCT的摄像失败时，在截面图像(B扫描图像)之间发生位置偏移，因此，血管端集中在发生位置偏移的边界处的线上。因此，当在与使用OCT进行摄像时的扫描方向(x方向)相平行的线上存在多个血管端的坐标时，摄像很可能失败。判断单元253基于血管端的集中度的阈值Th，判断摄像是否失败。例如，判断单元253基于以下公式(1)做出判断。在公式(1)中，Cy表示血管端的集中度，下标表示y轴，以及Y表示图像大小。当血管端的集中度大于或等于阈值Th时，判断单元253判断为截面图像不连续。即，当截面图像中的血管端的数量大于或等于Th时，判断单元253判断为截面图像不连续。
因此，阈值Th可以是以数字表示的固定阈值，或者在一条线上的血管端的坐标数与所有血管端的坐标数的比。可选地，可以基于统计数据或患者信息(年龄、性别和/或种族)设置阈值Th。不限于使用在一条线上存在的血管端来获得血管端的集中度。考虑血管检测的变化，可以使用在两条以上的连续的线上的血管端的坐标做出判断。当血管端位于图像的边界时，可以认为该血管连续至图像的外部，并且可以从计数中排除该血管端的坐标点。这里，血管端位于图像的边界的事实意味着，在图像大小为(X，Y)的情况下，血管端的坐标为(0，yj)、(X-1，yj)、(xj，0)或(xj，Y-1)。在这种情况下，血管端位于图像的边界的事实不限于正好在图像的边界上，还可以是从图像的边界附近的 一些像素。
公式1
Cy≥Th；0≤y≤Y-1
Cy＜Th；0≤y≤Y-1
步骤S306
在步骤S306中，显示单元260在监视器705上显示在步骤S302中获得的断层图像或截面图像。例如，显示如在图4A和4B中示意地示出的图像。这里，由于断层图像是三维数据，因此在监视器705上实际显示的图像是通过从断层图像中提取关注的截面而获得的截面图像，并且实际显示的这些图像是二维断层图像。优选为操作者经由诸如滑块或按钮的图形用户界面(GUI)任意选择要显示的截面图像。而且，可以与断层图像一起显示在步骤S301中获得的患者数据。
当判断单元253在步骤S305中判断为断层图像体数据不连续时，判断单元253使用显示单元260在步骤S306中显示该事实。图6示出画面显示的例子。在图6中，显示检测到不连续性的边界前后的断层图像Tm-1和Tm，并且显示累计图像Pb和表示存在位置偏移的地方的标记S。然而，显示例子不限于该例子。可以仅显示检测到不连续性的边界前后的断层图像之一。可选地，可以不显示图像，而仅显示检测到不连续性的事实。
图7A使用箭头示出存在眼球移动的地方。图7B使用箭头示出存在眨眼的地方。图7C示出作为截面图像中的血管端的数量的血管集中度的值与被检眼的状态之间的关系。当眨眼时，血管完全中断，因此，血管集中度变高。眼部移动越大，截面图像中的血管位置在截面图像之间变动越大。由此，血管集中度变高。即，血管集中度表示诸如被检眼的移动或眨眼等的摄像状态。图像处理单元252还可以计算截面图像之间的相似度。例 如可以使用截面图像之间的相关值来表示相似度。从截面图像的各像素的值计算相关值。当相似度为1时，表示截面图像相同。相似度越低，眼球移动的量越大。当眨眼时，相似度接近0。因此，还可以从截面图像之间的相似度获得被检眼的移动程度或是否眨眼等的摄像状态。图7D示出相似度和截面图像的位置之间的关系。
以这种方式，判断单元253判断断层图像的连续性，并判断诸如被检眼的移动或眨眼等的摄像状态。
步骤S307
在步骤S307中，指示获得单元230从外部获得是否再次对被检眼进行摄像的指示。操作者经由例如键盘706或鼠标707输入该指示。当给出再次进行摄像的指示时，流程返回至步骤S301，并且再次对同一被检眼进行处理。当没有给出再次进行摄像的指示时，流程进入步骤S308。
步骤S308
在步骤S308中，指示获得单元230从外部获得是否将对被检眼的该处理的结果保存在数据服务器40中的指示。操作者经由例如键盘706或鼠标707输入该指示。当给出保存数据的指示时，流程进入步骤S309。当没有给出保存数据的指示时，流程进入步骤S310。
步骤S309
在步骤S309中，结果输出单元270将检查时间和日期与用于识别被检眼的信息、被检眼的断层图像和由图像处理单元252获得的信息相关联，并将关联信息作为要保存的信息发送至数据服务器40。
步骤S310
在步骤S310中，指示获得单元230从外部获得是否结束对 断层图像的处理的指示。操作者经由例如键盘706或鼠标707输入该指示。当获得结束处理的指示时，图像处理系统10结束该处理。相反，当获得继续该处理的指示时，流程返回至步骤S301，并且执行对下一被检眼的处理(或再次对同一被检眼进行处理)。
以上述方式进行由图像处理系统10进行的处理。
利用上述结构，从根据断层图像体数据生成的累计图像来判断断层图像是否连续，并将结果呈现给医生。由此，医生可以容易地判断眼部的断层图像的准确性，并可以改善医生的诊断工作流程的效率。此外，可以获得在使用OCT进行摄像时的诸如被检眼的移动或眨眼等的摄像状态。
第二实施例
在本实施例中，由图像处理单元252进行的处理的内容不同。将省略与第一实施例相同或相似的处理的说明。
图像处理单元252检测累计图像中的边缘区域。通过检测与拍摄断层图像时的扫描方向相平行的边缘区域，图像处理单元252以数字方式获得构成断层图像体数据的截面图像之间的相似度。
在自从当拍摄断层图像时眼球移动以来，从通过拍摄远离视网膜的位置的断层图像而获得的断层图像体数据来生成累计图像的情况下，在存在位置偏移的地方，累计值由于视网膜层厚度的差异而不同。
可选地，在拍摄断层图像时眨眼的情况下，累计值变为0或非常小。由此，在存在位置偏移或眨眼的边界处存在亮度差。图9A是示出累计图像的例子的图。图9B是示出梯度图像的例子的图。
在图9A和9B中，拍摄断层图像时的扫描方向与x方向平行。 图9A示出在位置上偏移的累计图像Pb的例子。图9B示出从累计图像Pb生成的边缘图像Pb’的例子。在图9B中，符号E表示与拍摄断层图像时的扫描方向(x方向)相平行的边缘区域。通过对累计图像Pb应用平滑滤波器去除噪声成分并使用诸如Sobel滤波器或Canny滤波器等的边缘检测滤波器，生成边缘图像Pb’。这里应用的滤波器可以是没有方向性的滤波器或考虑方向性的滤波器。当考虑方向性时，优选使用增强与使用OCT进行摄像时的扫描方向相平行的成分的滤波器。
图像处理单元252在边缘图像Pb’中检测一定数量的连续边缘区域的范围，其中，该连续边缘区域与使用OCT进行摄像时的扫描方向(x方向)相平行并且大于或等于阈值。通过检测与扫描方向(x方向)相平行的一定数量的连续边缘区域E，可以与血管的边缘和噪声相区别。
在判断断层图像的连续性和被检眼的摄像状态时，图像处理单元252以数字方式获得一定数量的连续边缘区域E的长度。
判断单元253通过进行与阈值Th’的比较来判断断层图像的连续性和被检眼的摄像状态。
例如，基于以下公式(2)做出判断，其中E表示连续边缘区域的长度。阈值Th’可以是固定值，或者可以基于统计数据设置阈值Th’。可选地，可以基于患者信息(年龄、性别和/或种族)设置阈值Th’。优选为根据图像大小动态地改变阈值Th’。例如，图像大小越小，阈值Th’越小。此外，一定数量的连续边缘区域的范围不限于在一条平行线上。可以通过使用在两条以上的连续平行线上的一定数量的连续边缘区域的范围来做出判断。
公式2
E≥Th′
第三实施例
在本实施例中，图像处理单元252基于傅立叶变换进行频率分析以提取频率特性。判断单元253根据频域的强度来判断断层图像体数据是否连续。
图10A是示出累计图像的例子的图。图10B是示出功率谱的例子的图。具体地，图10A示出当由于位置偏移而导致摄像失败时生成的累计图像Pb，以及图10B示出累计图像Pb的功率谱Pb”。在摄像时由于眼部移动而存在位置偏移的情况下或在摄像时眨眼的情况下，检测到与使用OCT进行摄像时的扫描方向相垂直的谱。
通过使用这些结果，检测单元253判断断层图像的连续性和被检眼的摄像状态。
第四实施例
根据第一实施例的图像处理系统10获得被检眼的断层图像，从断层图像体数据生成累计图像，并通过使用从累计图像获得的图像特征的连续性来判断所拍摄的图像的准确性。根据本实施例的图像处理设备与第一实施例的相同之处在于，对所获得的被检眼的断层图像进行处理。然而，本实施例与第一实施例的不同之处在于，不是生成累计图像，而是根据从断层图像获得的图像特征来判断断层图像的连续性和被检眼的摄像状态。
现在将参考图11中示出的流程图来说明由本实施例的图像处理系统10进行的处理。步骤S1001、S1002、S1005、S1006、S1007、S1008和S1009中的处理与步骤S301、S302、S306、S307、S308、S309和S310中的处理相同，并省略其说明。 
步骤S1003
在步骤S1003中，图像处理单元252从断层图像提取用于判断断层图像体数据的连续性而获得的信息。
图像处理单元252在断层图像中检测作为用于判断断层图像体数据的连续性的特征的视细胞层，并检测在视细胞层中亮度值低的区域。以下将使用图12A和12B说明由图像处理单元252进行的具体处理。图12A和12B是示出用于说明断层图像的特征的图。即，图12A的左图示出二维断层图像Ti，以及图12A的右图示出在左图中没有血管的位置处沿A扫描的图像的剖面。换句话说，右图示出如A扫描所示的线上的坐标和亮度值之间的关系。
图12B包括与图12A相同的图，并示出存在血管的情况。二维断层图像Ti和Tj各自包括内界膜1、神经纤维层边界2、视网膜色素层3、视细胞内/外节接合部4、视细胞层5、血管区域6和血管下的区域7。
图像处理单元252检测断层图像中的层之间的边界。这里，假定用作处理对象的三维断层图像是截面图像(例如，B扫描图像)的集合，以及对各个截面图像进行以下二维图像处理。首先，对关注的截面图像进行平滑滤波处理以去除噪声成分。在断层图像中，检测边缘成分，并基于边缘成分的连续性，将一些线提取为层之间的边界的候选。从这些候选中，选择顶部的线作为内界膜1。将紧挨在内界膜1下面的线选择为神经纤维层边界2。将底部的线选择为视网膜色素层3。将紧挨在视网膜色素层3上面的线选择为视细胞内/外节接合部4。将由视细胞内/外节接合部4和视网膜色素层3包围的区域认为是视细胞层5。当亮度值没有太大变化时，以及当沿A扫描不能检测到大于或等于阈值的边缘成分时，通过使用左侧和右侧上或者整个区域中的检测点组的坐标点来对层之间的边界进行插值。
通过应用使用这些线作为初始值的诸如Snake或水平设置方法等的动态轮廓方法，可以改善检测精度。通过使用诸如图 形剪切的技术，可以检测层之间的边界。可以对三维断层图像三维地进行使用动态轮廓方法或图形剪切技术的边界检测。可选地，可以将用作处理对象的三维断层图像认为是截面图像的集合，并且可以对各个截面图像二维地进行这种边界检测。检测层之间的边界的方法不限于上述方法，并且可以使用任意方法，只要该方法可以检测眼部的断层图像中的层之间的边界即可。
如图12B所示，在血管下的区域7中的亮度值通常低。因此，可以通过在视细胞层5中在A扫描方向上检测亮度值通常低的区域来检测血管。
在上述情况下，在视细胞层5中检测亮度值低的区域。然而，血管特征不限于此。可以通过检测内界膜1和神经纤维层边界2(即，神经纤维层)之间的厚度的变化或左侧和右侧之间的厚度的变化来检测血管。例如，如图12B所示，当在x方向上观看层厚度的变化时，内界膜1和神经纤维层边界2之间的厚度在血管部分突然变大。由此，可以通过检测该区域来检测血管。此外，可以结合上述处理来检测血管。
步骤S1004
在步骤S1004中，图像处理单元252对在步骤S1003中获得的血管进行处理，并判断断层图像体数据的连续性。
图像处理单元252从黄斑附近的血管端跟踪各个血管，并将跟踪过的血管标记为“已跟踪”。图像处理单元252将已跟踪的血管端的坐标存储在存储单元240中。图像处理单元252对在与使用OCT进行摄像时的扫描方向相平行的线上存在的血管端的坐标一起进行计数。在图12A和12B的情况下，当使用OCT进行摄像时的扫描方向与x方向平行时，在同一y坐标处存在的点定义截面图像(例如，B扫描图像)。因此，在图12B中，图像处理单 元252对坐标(x1，yj，z1)、(x2，yj，z2)、...(xn，yj，zn)一起进行计数。当被检眼的摄像状态存在变化时，在截面图像(B扫描图像)之间发生位置偏移。由此，血管端集中在发生位置偏移的边界处的线上。由于以下处理与第一实施例相同，因此省略其详细说明。
利用上述结构，根据断层图像体数据来判断断层图像的连续性，并将判断结果呈现给医生。因此，医生可以容易地判断眼部的断层图像的准确性，并可以改善医生的诊断工作流程的效率。
第五实施例
本实施例以更详细的方式说明第一实施例中的计算相似度的方法。图像处理单元252还包括用于计算截面图像之间的相似度或差异度的相似度计算单元254(未示出)。判断单元253通过使用相似度或差异度来判断断层图像的连续性和被检眼的摄像状态。在以下说明中，假定将要计算相似度。
相似度计算单元254计算连续的截面图像之间的相似度。可以使用亮度差的差平方和(SSD)或亮度差的绝对差和(SAD)来计算相似度。可选地，可以获得互信息(MI)。计算截面图像之间的相似度的方法不限于上述方法。可以使用任意方法，只要该方法可以计算截面图像之间的相似度即可。例如，图像处理单元252提取浓度值的平均值或方差作为颜色或浓度特征，提取傅立叶特征或浓度共生矩阵等作为纹理特征，以及提取层的形状或血管的形状等作为形状特征。通过计算图像特征空间中的距离，相似度计算单元254可以判断相似度。所计算出的距离可以是欧几里得距离或马氏距离等。
当由相似度计算单元254获得的相似度大于或等于阈值时，判断单元253判断为正常拍摄了连续的截面图像(B扫描图像)。可以根据二维断层图像之间的距离或扫描速度来改变相似度阈 值。例如，对于以128个切片(B扫描图像)拍摄6×6毫米范围的图像的情况和以256个切片(B扫描图像)拍摄同一图像的情况，在256个切片的情况下，截面图像之间的相似度变得更高。可以将相似度阈值设置为固定值，或者可以基于统计数据设置相似度阈值。可选地，可以基于患者信息(例如，年龄、性别和/或种族)设置相似度阈值。当相似度小于阈值时，判断为连续的截面图像不连续。因此，可以检测摄像时的位置偏移或眨眼。
第六实施例
根据本实施例的图像处理设备与第一实施例的相同之处在于，对所获得的被检眼的断层图像进行处理。然而，本实施例与上述实施例的不同之处在于，根据从在先前不同时间拍摄的同一患者的断层图像获得的图像特征并且根据从当前拍摄的断层图像获得的图像特征，来检测摄像时的位置偏移或眨眼。
根据本实施例的图像处理系统10的功能块与第一实施例(图2)的不同之处在于，图像处理设备250具有相似度计算单元254(未示出)。
现在参考图13中示出的流程图来说明本实施例的图像处理系统10进行的处理。由于本实施例中的步骤S1207、S1208、S1209和S1210与第一实施例中的步骤S307、S308、S309和S310相同，因此省略其说明。
步骤S1201
在步骤S1201中，被检眼信息获得单元210从外部获得被检者识别编号作为用于识别被检眼的信息。操作者经由键盘706、鼠标707或读卡器(未示出)来输入该信息。基于被检者识别编号，被检眼信息获得单元210获得在数据服务器40中保持的与被检眼有关的信息。例如，被检眼信息获得单元210获得患者的姓名、年龄和性别。此外，被检眼信息获得单元210获得先前拍摄 的被检眼的断层图像。当存在包括例如视力、眼轴长度和眼压等的测量数据的其它检查信息时，被检眼信息获得单元210可以获得测量数据。被检眼信息获得单元210将所获得的信息发送至存储单元240。
当再次对同一只眼进行摄像时，可以跳过步骤S1201中的该处理。当存在要被添加的新的信息时，在步骤S1201中获得该信息。
步骤S1202
在步骤S1202中，图像获得单元220获得从断层图像拍摄设备20发送来的断层图像。图像获得单元220将所获得的信息发送至存储单元240。
步骤S1203
在步骤S1203中，累计图像生成单元251通过在深度方向上对截面图像(例如，B扫描图像)进行累计来生成累计图像。累计图像生成单元251从存储单元240获得在步骤S1201中由被检眼信息获得单元210获得的先前的断层图像和在步骤S1202中由图像获得单元220获得的当前的断层图像。累计图像生成单元251从先前的断层图像生成累计图像，并从当前的断层图像生成累计图像。由于生成这些累计图像的具体方法与第一实施例相同，因此省略其详细说明。
步骤S1204
在步骤S1204中，相似度计算单元254计算从不同时间拍摄的断层图像生成的累计图像之间的相似度。
以下将使用图14A～14C来说明由相似度计算单元254进行的具体处理。图14A～14C是示出累计图像和部分图像的例子的图。具体地，图14A是示出从先前拍摄的断层图像生成的累计图像Pa的图。图14B是示出从累计图像Pa生成的部分累计图像 Pa1～Pan的图。图14C是示出从当前拍摄的断层图像生成的累计图像Pb的图。这里，优选在部分累计图像Pa1～Pan中，在同一区域中包括与使用OCT进行摄像时的扫描方向相平行的线。部分累计图像的分割数n为任意数，并且分割数n可以根据断层图像大小(X，Y，Z)而动态地改变。
可以使用亮度差的差平方和(SSD)、亮度差的绝对差和(SAD)或互信息(MI)来获得图像之间的相似度。计算累计图像之间的相似度的方法不限于上述方法。可以使用任意方法，只要该方法可以计算图像之间的相似度即可。
当判断单元253计算各个部分累计图像Pa1～Pan和累计图像Pb之间的相似度时，如果所有的部分累计图像Pa1～Pan的相似度大于或等于阈值，则判断单元253判断为眼球移动小并且摄像成功。
如果存在相似度小于阈值的任意部分累计图像，则相似度计算单元254进一步将该部分累计图像分割成m个图像，计算各个分割后的m个图像与累计图像Pb之间的相似度，并判断相似度大于或等于阈值的地方(图像)。重复进行这些处理，直到不能进一步分割部分累计图像或直到指定出相似度小于阈值的截面图像为止。在从眼球移动或眨眼的情况下所拍摄的断层图像生成的累计图像中，在空间中发生位置偏移，因此，摄像成功的部分累计图像中的一些部分累计图像丢失。由此，判断单元253判断为即使将部分累计图像进一步分割成图像、相似度也小于阈值的部分累计图像，或者在位置上冲突的位置处(部分累计图像的顺序改变)相似度大于或等于阈值的部分累计图像丢失。
步骤S1205
当由相似度计算单元254计算出的相似度大于或等于阈值时，判断单元253判断为正常拍摄了连续的二维断层图像。如果 相似度小于阈值，则判断单元253判断为断层图像不连续。判断单元253还判断为存在摄像时的位置偏移或眨眼。
步骤S1206
在步骤S1206中，显示单元260在监视器705上显示在步骤S1202中获得的断层图像。在监视器705上显示的内容与在第一实施例中步骤S306中显示的内容相同。可选地，可以在监视器705上另外显示在步骤S1201中获得的在不同时间拍摄的同一被检眼的断层图像。
在本实施例中，从断层图像生成累计图像，计算相似度，并判断连续性。然而，代替生成累计图像，可以计算断层图像之间的相似度，并可以判断连续性。
利用上述结构，根据从不同时间拍摄的断层图像所生成的累计图像之间的相似度，来判断断层图像的连续性，并将判断结果呈现给医生。因此，医生可以容易地判断眼部的断层图像的准确性，并可以改善医生的诊断工作流程的效率。
第七实施例
在本实施例中，相似度计算单元254计算从在不同时间所拍摄的断层图像生成的血管模型之间的相似度，并且判断单元253通过使用相似度来判断断层图像体数据的连续性。
由于通过使用图像处理单元252检测血管的方法与第一实施例中步骤S304中的方法相同，因此省略其说明。例如，血管模型是血管对应于1并且其它组织对应于0的二值化图像，或者是血管部分对应于灰度并且其它组织对应于0的多值化图像。图15A～15C示出血管模型的例子。即，图15A～15C是示出血管模型和部分模型的例子的图。图15A示出从先前拍摄的断层图像生成的血管模型Va。图15B示出从血管模型Va生成的部分模型Va1～Van。图15C示出从当前拍摄的断层图像生成的血管模型Vb。 这里，优选为在部分血管模型Va1～Van中，在同一区域中包括与使用OCT进行摄像时的扫描方向相平行的线。血管模型的分割数n为任意数，并且可以根据断层图像大小(X，Y，Z)动态地改变分割数n。
如在第三实施例的步骤S1204和S1205中一样，根据从不同时间拍摄的断层图像获得的相似度来判断断层图像体数据的连续性。
第八实施例
在上述实施例中，判断单元253通过将相似度的评价和血管端的检测相结合来进行判断。例如，通过使用部分累计图像Pa1～Pan或部分血管模型Va1～Van，判断单元253评价在不同时间拍摄的断层图像之间的相似度。仅在相似度小于阈值的部分累计图像Pa1～Pan或部分血管模型Va1～Van中，判断单元253可以跟踪血管并检测血管端，并可以判断断层图像体数据的连续性。
其它实施例
在上述实施例中，可以自动判断是否再次对被检眼进行摄像。例如，当判断单元253判断为不连续时，再次进行摄像。可选地，当被判断为不连续的地方在离图像中心的一定范围内时，再次进行摄像。可选地，当在多个地方判断为不连续时，再次进行摄像。可选地，当根据血管图案估计的位置偏移量大于或等于阈值时，再次进行摄像。并非必须根据血管图案进行位置偏移量的估计，而是可以通过与先前的图像进行比较来进行位置偏移量的估计。可选地，根据眼部是正常还是具有疾病来再次进行摄像，以及在眼部具有疾病的情况下，当判断为不连续时再次进行摄像。可选地，当通过与先前的数据比较，在存在疾病(角膜白斑或出血)的地方判断为不连续时，再次进行摄像。可选地，当在医生或操作者指定要进行摄像的地方存在位置偏 移时，再次进行摄像。并非必须独立地进行这些处理，还可以进行这些处理的组合。当判断为再次进行摄像时，流程返回至开始，并再次对同一被检眼进行处理。
在上述实施例中，显示单元260的显示例子不限于图6中所示出的。例如，使用图16A～16C说明其它例子。图16A～16C是示出画面显示的例子的示意图。图16A示出根据血管图案估计位置偏移量，以及在累计图像Pb中清晰地示出该位置偏移量的例子。S’区域表示估计的未拍摄的区域。图16B示出在多个地方检测到由位置偏移或眨眼引起的不连续的例子。在这种情况下，可以同时显示所有地方的边界断层图像，或可以同时显示位置偏移量大的地方的边界断层图像。可选地，可以同时显示在中心附近的地方或存在疾病的地方的边界断层图像。当将要同时显示断层图像时，优选为通过使用表示正在显示的断层图像对应于哪个地方的颜色或数字来通知操作者。操作者可以使用GUI(未示出)自由改变要显示的边界断层图像。图16C示出断层图像体数据T1～Tn，以及用于操作要显示的断层图像的滑块S”和按钮S”’。标记S表示检测到断层图像体数据的不连续性的地方。此外，可以将位置偏移量S’清晰地显示在滑块S”上。当除上述图像以外还存在先前的图像或宽域图像时，可以同时显示这些图像。
在上述实施例中，对所拍摄的黄斑的图像进行分析处理。然而，用于图像处理单元判断连续性的地方不限于所拍摄的黄斑的图像。可以对所拍摄的视盘的图像进行相同的处理。此外，可以对所拍摄的包括黄斑和视盘两者的图像进行相同的处理。
在上述实施例中，对所获得的三维断层图像整体进行分析处理。然而，可以从三维断层图像中选择关注的截面，并可以对所选择的二维断层图像进行处理。例如，可以对包括眼底的 特定部位(例如，中央窝)的截面进行处理。在这种情况下，所检测到的层之间的边界、正常结构和正常数据构成与该截面有关的二维数据。
并非必须独立地进行上述实施例中所述的使用图像处理系统10对断层图像体数据的连续性的判断，也可以相结合地进行该判断。例如，可以通过同时评价如在第一实施例中的根据从断层图像所生成的累计图像获得的血管端的集中度、以及如在第二实施例中的连续断层图像和图像特征值之间的相似度，来判断断层图像体数据的连续性。例如，可以了解到从没有位置偏移的断层图像和从具有位置偏移的断层图像获得的检测结果和图像特征值，并且可以通过使用标识符来判断断层图像体数据的连续性。当然，可以结合任意上述实施例。
在上述实施例中，断层图像拍摄设备20并非必须连接至图像处理系统10。例如，可以拍摄用作处理对象的断层图像，并预先将断层图像保持在数据服务器40中，以及可以通过读取这些断层图像来进行处理。在这种情况下，图像获得单元220请求数据服务器40发送断层图像，获得从数据服务器40发送来的断层图像，并进行层边界检测和量化处理。数据服务器40并非必须连接至图像处理系统10。图像处理系统10的外部存储装置704可以用作数据服务器40。
当然，可以通过将存储用于实现上述实施例的功能的软件的程序代码的存储介质提供至系统或设备，并使用系统或设备的计算机(或CPU或微处理单元(MPU))读取并执行在存储介质中存储的程序代码来实现本发明。
在这种情况下，从存储介质读取的程序代码本身实现了上述实施例的功能，并且存储程序代码的存储介质构成本发明。
作为用于提供程序代码的存储介质，例如可以使用软盘、 硬盘、光盘、磁光盘、光盘只读存储器(CD-ROM)、可记录光盘(CD-R)、磁带、非易失性存储卡或ROM等。
与通过执行计算机所读取的程序代码来实现上述实施例的功能一样，在计算机上运行的操作系统(OS)可以基于程序代码的指示执行部分或全部的实际处理，以实现上述实施例的功能。
此外，插入计算机中的功能扩展板或连接至计算机的功能扩展单元可以执行部分或全部处理，以实现上述实施例的功能。在这种情况下，可以将从存储介质读取的程序代码写入在功能扩展板或功能扩展单元中包括的存储器中。基于程序代码的指示，在功能扩展板或功能扩展单元中包括的CPU可以执行实际处理。
上述实施例仅说明了根据本发明的优选图像处理设备的例子，但不发明不限于此。 
可以在不背离本发明的精神和范围的情况下做出本发明的许多明显宽泛的不同实施例，应当理解，除在权利要求中限定以外，本发明不限于本发明的具体实施例。
尽管已经参考典型实施例说明了本发明，但是应该理解，本发明不限于所公开的典型实施例。所附权利要求书的范围符合最宽的解释，以包含所有这类修改、等同结构和功能。
本申请要求于2008年11月10日提交的日本专利申请2008-287754的优先权，其全部内容通过引用而包含于此。

Claims (18)

1.一种图像处理设备，用于判断被检眼的三维断层图像拍摄状态，所述图像处理设备包括：
图像处理单元，用于获得构成三维断层图像的二维断层图像的连续的二维断层图像之间的相似度，
所述图像处理设备的特征在于还包括：
判断单元，用于将在所述相似度等于或小于阈值的情况下判断为拍摄连续的二维断层图像时被检眼眨眼或者发生位置偏移的判断结果，作为被检眼的三维断层图像拍摄状态；以及
用于使得显示单元显示在拍摄连续的二维断层图像时被检眼眨眼或者发生位置偏移的单元。
2.根据权利要求1所述的图像处理设备，其特征在于，所述判断单元基于所述相似度，判断被检眼移动的程度。
3.根据权利要求1所述的图像处理设备，其特征在于，所述判断单元基于所述相似度，判断是否眨眼。
4.根据权利要求1所述的图像处理设备，其特征在于，还包括累计图像生成单元，所述累计图像生成单元用于通过在深度方向上对所述三维断层图像进行累计来生成累计图像，
其中，所述图像处理单元从所述累计图像获得所述相似度。
5.根据权利要求1所述的图像处理设备，其特征在于，
所述图像处理单元从由二维断层图像所构成的所述三维断层图像中获得血管端的位置信息；以及
所述判断单元基于所述图像处理单元所获得的血管端的数量，判断被检眼的三维断层图像拍摄状态。
6.根据权利要求5所述的图像处理设备，其特征在于，所述判断单元基于所述血管端的数量，判断被检眼移动的程度。
7.根据权利要求5所述的图像处理设备，其特征在于，所述判断单元基于所述血管端的数量，判断是否眨眼。
8.根据权利要求5所述的图像处理设备，其特征在于，还包括累计图像生成单元，所述累计图像生成单元用于通过在深度方向上对所述三维断层图像进行累计来生成累计图像，
其中，所述图像处理单元从所述累计图像获得所述血管端的数量。
9.根据权利要求1所述的图像处理设备，其特征在于，还包括累计图像生成单元，所述累计图像生成单元用于通过在深度方向上对所述三维断层图像进行累计来生成累计图像，
其中，所述图像处理单元从所述累计图像获得包括边缘的区域的信息；以及
所述判断单元基于所述边缘的长度，判断被检眼的三维断层图像拍摄状态。
10.根据权利要求1所述的图像处理设备，其特征在于，所述图像处理设备用于判断构成被检眼的三维断层图像的二维断层图像的连续性，
其中，所述图像处理单元从所述三维断层图像获得血管端的位置信息；以及
所述判断单元根据所述图像处理单元所获得的血管端的数量，判断所述连续性。
11.根据权利要求1所述的图像处理设备，其特征在于，所述图像处理设备用于判断构成被检眼的三维断层图像的二维断层图像的连续性，
其中，所述图像处理单元对所述三维断层图像进行傅立叶变换；以及
所述判断单元基于所述图像处理单元进行傅立叶变换而获得的功率值，判断所述连续性。
12.根据权利要求1所述的图像处理设备，其特征在于，
所述图像处理单元对三维断层图像进行傅立叶变换；以及
所述判断单元基于所述图像处理单元进行傅立叶变换而获得的功率值，判断被检眼的三维断层图像拍摄状态。
13.一种图像处理方法，用于判断被检眼的三维断层图像拍摄状态，所述图像处理方法包括：
图像处理步骤，用于获得构成三维断层图像的二维断层图像的连续的二维断层图像之间的相似度，
所述图像处理方法的特征在于还包括：
判断步骤，用于将在所述相似度等于或小于阈值的情况下判断为拍摄连续的二维断层图像时被检眼眨眼或者发生位置偏移的判断结果，作为被检眼的三维断层图像拍摄状态；以及
用于使得显示单元显示在拍摄连续的二维断层图像时被检眼眨眼或者发生位置偏移的步骤。
14.根据权利要求13所述的图像处理方法，其特征在于，所述图像处理方法用于判断构成被检眼的三维断层图像的二维断层图像的连续性，
其中，所述图像处理步骤从所述三维断层图像获得血管端的位置信息；以及
所述判断步骤根据在所述图像处理步骤中获得的血管端的数量，判断所述连续性。
15.根据权利要求13所述的图像处理方法，其特征在于，所述图像处理方法用于判断构成被检眼的三维断层图像的二维断层图像的连续性，
其中，所述图像处理步骤对所述三维断层图像进行傅立叶变换；以及
所述判断步骤基于在所述图像处理步骤中进行傅立叶变换而获得的功率值，判断所述连续性。
16.根据权利要求13所述的图像处理方法，其特征在于，
所述图像处理步骤对三维断层图像进行傅立叶变换；以及
所述判断步骤基于在所述图像处理步骤中进行傅立叶变换而获得的功率值，判断被检眼的三维断层图像拍摄状态。
17.根据权利要求13所述的图像处理方法，其特征在于，
所述图像处理步骤从由二维断层图像所构成的所述三维断层图像中获得血管端的位置信息；以及
所述判断步骤基于在所述图像处理步骤中获得的血管端的数量，判断被检眼的三维断层图像拍摄状态。
18.根据权利要求13所述的图像处理方法，其特征在于，还包括累计图像生成步骤，所述累计图像生成步骤用于通过在深度方向上对所述三维断层图像进行累计来生成累计图像，
其中，所述图像处理步骤从所述累计图像获得包括边缘的区域的信息；以及
所述判断步骤基于所述边缘的长度，判断被检眼的三维断层图像拍摄状态。
CN200980144855.9A 2008-11-10 2009-11-09 图像处理设备和方法以及断层图像拍摄设备和方法 Expired - Fee Related CN102209488B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510556597.2A CN105249922B (zh) 2008-11-10 2009-11-09 断层图像拍摄设备和断层图像拍摄方法

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2008-287754 2008-11-10
JP2008287754A JP4466968B2 (ja) 2008-11-10 2008-11-10 画像処理装置、画象処理方法、プログラム、及びプログラム記憶媒体
PCT/JP2009/005935 WO2010052929A1 (en) 2008-11-10 2009-11-09 Image processing apparatus, image processing method, program, and program recording medium

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN201510556597.2A Division CN105249922B (zh) 2008-11-10 2009-11-09 断层图像拍摄设备和断层图像拍摄方法

Publications (2)

Publication Number Publication Date
CN102209488A CN102209488A (zh) 2011-10-05
CN102209488B true CN102209488B (zh) 2015-08-26

Family

ID=42152742

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201510556597.2A Expired - Fee Related CN105249922B (zh) 2008-11-10 2009-11-09 断层图像拍摄设备和断层图像拍摄方法
CN200980144855.9A Expired - Fee Related CN102209488B (zh) 2008-11-10 2009-11-09 图像处理设备和方法以及断层图像拍摄设备和方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201510556597.2A Expired - Fee Related CN105249922B (zh) 2008-11-10 2009-11-09 断层图像拍摄设备和断层图像拍摄方法

Country Status (8)

Country Link
US (1) US20110211057A1 (zh)
EP (1) EP2355689A4 (zh)
JP (1) JP4466968B2 (zh)
KR (1) KR101267755B1 (zh)
CN (2) CN105249922B (zh)
BR (1) BRPI0921906A2 (zh)
RU (1) RU2481056C2 (zh)
WO (1) WO2010052929A1 (zh)

Families Citing this family (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4247691B2 (ja) * 2006-05-17 2009-04-02 ソニー株式会社 登録装置、照合装置、登録方法、照合方法及びプログラム
JP2012002598A (ja) * 2010-06-15 2012-01-05 Fujifilm Corp 断層画像処理装置及び方法、並びに光干渉断層画像診断装置
JP2012002597A (ja) * 2010-06-15 2012-01-05 Fujifilm Corp 光断層画像化装置及び光断層画像化方法
JP5864910B2 (ja) * 2010-07-16 2016-02-17 キヤノン株式会社 画像取得装置及び制御方法
JP5127897B2 (ja) * 2010-08-27 2013-01-23 キヤノン株式会社 眼科用画像処理装置及びその方法
JP5701024B2 (ja) * 2010-11-26 2015-04-15 キヤノン株式会社 画像処理装置及び方法
US9161690B2 (en) * 2011-03-10 2015-10-20 Canon Kabushiki Kaisha Ophthalmologic apparatus and control method of the same
KR101899866B1 (ko) 2011-11-03 2018-09-19 삼성전자주식회사 병변 경계의 오류 검출 장치 및 방법, 병변 경계의 오류 수정 장치 및 방법 및, 병변 경계의 오류 검사 장치
JP6102749B2 (ja) 2012-01-11 2017-03-29 ソニー株式会社 情報処理装置、撮像制御方法、プログラム、デジタル顕微鏡システム、表示制御装置、表示制御方法及びプログラム
JP6025349B2 (ja) * 2012-03-08 2016-11-16 キヤノン株式会社 画像処理装置、光干渉断層撮像装置、画像処理方法および光干渉断層撮像方法
JP6105852B2 (ja) 2012-04-04 2017-03-29 キヤノン株式会社 画像処理装置及びその方法、プログラム
US9031288B2 (en) * 2012-04-18 2015-05-12 International Business Machines Corporation Unique cardiovascular measurements for human identification
JP2014045868A (ja) 2012-08-30 2014-03-17 Canon Inc インタラクティブ制御装置
JP6115073B2 (ja) * 2012-10-24 2017-04-19 株式会社ニデック 眼科撮影装置及び眼科撮影プログラム
JP6460618B2 (ja) 2013-01-31 2019-01-30 キヤノン株式会社 光干渉断層撮像装置およびその制御方法
CN103247046B (zh) * 2013-04-19 2016-07-06 深圳先进技术研究院 一种放射治疗计划中靶区自动勾画的方法和装置
RU2542918C1 (ru) * 2013-10-30 2015-02-27 Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Иркутский государственный технический университет" (ФГБОУ ВПО "ИрГТУ") Способ определения значений модуля упругости и его распределения в конструктивных элементах, обладающих неопределёнными свойствами прочности
JP6322042B2 (ja) * 2014-04-28 2018-05-09 キヤノン株式会社 眼科撮影装置、その制御方法、およびプログラム
JP6463048B2 (ja) * 2014-09-05 2019-01-30 キヤノン株式会社 画像処理装置及び画像処理装置の作動方法
JP6606846B2 (ja) * 2015-03-31 2019-11-20 株式会社ニデック Ｏｃｔ信号処理装置、およびｏｃｔ信号処理プログラム
JP6736270B2 (ja) * 2015-07-13 2020-08-05 キヤノン株式会社 画像処理装置及び画像処理装置の作動方法
US10169864B1 (en) 2015-08-27 2019-01-01 Carl Zeiss Meditec, Inc. Methods and systems to detect and classify retinal structures in interferometric imaging data
JP6668061B2 (ja) * 2015-12-03 2020-03-18 株式会社吉田製作所 光干渉断層画像表示制御装置及びそのプログラム
JP6748434B2 (ja) * 2016-01-18 2020-09-02 キヤノン株式会社 画像処理装置、推定方法、システム及びプログラム
JP2017153543A (ja) 2016-02-29 2017-09-07 株式会社トプコン 眼科撮影装置
US11328391B2 (en) * 2016-05-06 2022-05-10 Mayo Foundation For Medical Education And Research System and method for controlling noise in multi-energy computed tomography images based on spatio-spectral information
JP6779690B2 (ja) * 2016-07-27 2020-11-04 株式会社トプコン 眼科画像処理装置及び眼科撮影装置
US10878574B2 (en) * 2018-02-21 2020-12-29 Topcon Corporation 3D quantitative analysis of retinal layers with deep learning
CN108537801A (zh) * 2018-03-29 2018-09-14 山东大学 基于生成对抗网络的视网膜血管瘤图像分割方法
JP2020162886A (ja) * 2019-03-29 2020-10-08 株式会社ニデック 医療画像処理装置、ｏｃｔ装置、および医療画像処理プログラム
CN113397477B (zh) * 2021-06-08 2023-02-21 山东第一医科大学附属肿瘤医院(山东省肿瘤防治研究院、山东省肿瘤医院) 一种瞳孔监测方法及系统
EP4235569A1 (en) 2022-02-28 2023-08-30 Optos PLC Pre-processing of oct b-scans for oct angiography

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6293674B1 (en) * 2000-07-11 2001-09-25 Carl Zeiss, Inc. Method and apparatus for diagnosing and monitoring eye disease
DE10128219A1 (de) * 2001-06-11 2002-12-12 Zeiss Carl Jena Gmbh Anordnungen für Kohärenz-topographisches Ray Tracing am Auge
FR2865370B1 (fr) * 2004-01-22 2006-04-28 Centre Nat Rech Scient Systeme et procede de tomographie in vivo a haute resolution laterale et axiale de la retine humaine
JP4786150B2 (ja) * 2004-07-07 2011-10-05 株式会社東芝 超音波診断装置および画像処理装置
JP4208791B2 (ja) 2004-08-11 2009-01-14 キヤノン株式会社 画像処理装置及びその制御方法、プログラム
JP2006067065A (ja) 2004-08-25 2006-03-09 Canon Inc 撮像装置
EP2417903A1 (en) * 2005-01-21 2012-02-15 Massachusetts Institute of Technology Methods and apparatus for optical coherence tomography scanning
US7805009B2 (en) * 2005-04-06 2010-09-28 Carl Zeiss Meditec, Inc. Method and apparatus for measuring motion of a subject using a series of partial images from an imaging system
EP1935344B1 (en) * 2005-10-07 2013-03-13 Hitachi Medical Corporation Image displaying method and medical image diagnostic system
JP4850495B2 (ja) * 2005-10-12 2012-01-11 株式会社トプコン 眼底観察装置及び眼底観察プログラム
EP1938271A2 (en) * 2005-10-21 2008-07-02 The General Hospital Corporation Methods and apparatus for segmentation and reconstruction for endovascular and endoluminal anatomical structures
JP4884777B2 (ja) * 2006-01-11 2012-02-29 株式会社トプコン 眼底観察装置
CN101400295B (zh) * 2006-01-19 2011-12-07 光视有限公司 通过光学相干层析x射线摄影技术检查眼睛的方法
US7758189B2 (en) * 2006-04-24 2010-07-20 Physical Sciences, Inc. Stabilized retinal imaging with adaptive optics
JP4268976B2 (ja) * 2006-06-15 2009-05-27 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー イメージング装置
US7452077B2 (en) * 2006-08-29 2008-11-18 Carl Zeiss Meditec, Inc. Image adjustment derived from optical imaging measurement data
JP5089940B2 (ja) * 2006-08-29 2012-12-05 株式会社トプコン 眼球運動測定装置、眼球運動測定方法及び眼球運動測定プログラム
JP2008104628A (ja) * 2006-10-25 2008-05-08 Tokyo Institute Of Technology 眼球の結膜強膜撮像装置
JP5007114B2 (ja) * 2006-12-22 2012-08-22 株式会社トプコン 眼底観察装置、眼底画像表示装置及びプログラム
WO2008088868A2 (en) * 2007-01-19 2008-07-24 Bioptigen, Inc. Methods, systems and computer program products for processing images generated using fourier domain optical coherence tomography (fdoct)
JP2008229322A (ja) * 2007-02-22 2008-10-02 Morita Mfg Co Ltd 画像処理方法、画像表示方法、画像処理プログラム、記憶媒体、画像処理装置、ｘ線撮影装置
RU2328208C1 (ru) * 2007-02-26 2008-07-10 ГОУ ВПО "Саратовский государственный университет им. Н.Г. Чернышевского" Лазерный конфокальный двухволновый ретинотомограф с девиацией частоты
JP4492645B2 (ja) * 2007-06-08 2010-06-30 富士フイルム株式会社 医用画像表示装置及びプログラム
JP5478840B2 (ja) * 2008-05-19 2014-04-23 キヤノン株式会社 光断層撮像装置および光断層撮像装置の制御方法

Also Published As

Publication number Publication date
RU2011123636A (ru) 2012-12-20
EP2355689A1 (en) 2011-08-17
RU2481056C2 (ru) 2013-05-10
WO2010052929A1 (en) 2010-05-14
KR20110091739A (ko) 2011-08-12
BRPI0921906A2 (pt) 2016-01-05
KR101267755B1 (ko) 2013-05-24
CN105249922B (zh) 2017-05-31
EP2355689A4 (en) 2014-09-17
CN102209488A (zh) 2011-10-05
US20110211057A1 (en) 2011-09-01
JP4466968B2 (ja) 2010-05-26
CN105249922A (zh) 2016-01-20
JP2010110556A (ja) 2010-05-20

Similar Documents

Publication Publication Date Title
CN102209488B (zh) 图像处理设备和方法以及断层图像拍摄设备和方法
US10664968B2 (en) Computer aided diagnosis apparatus and method based on size model of region of interest
Zhao et al. Retinal vessel segmentation: An efficient graph cut approach with retinex and local phase
Niemeijer et al. Information fusion for diabetic retinopathy CAD in digital color fundus photographs
JP4909377B2 (ja) 画像処理装置及びその制御方法、コンピュータプログラム
CN104605811B (zh) 眼科设备和比较层厚度的方法
JP5208145B2 (ja) 断層像撮影装置、断層像撮影方法法、プログラム、及びプログラム記憶媒体
Ding et al. A novel deep learning pipeline for retinal vessel detection in fluorescein angiography
US20120166211A1 (en) Method and apparatus for aiding imaging diagnosis using medical image, and image diagnosis aiding system for performing the method
CN103717122A (zh) 眼科诊断支持设备和眼科诊断支持方法
JP5631339B2 (ja) 画像処理装置、画像処理方法、眼科装置、眼科システム及びコンピュータプログラム
US20150003702A1 (en) Processing and displaying a breast image
CN110858399B (zh) 用于提供虚拟断层扫描中风后续检查图像的方法和装置
Mannil et al. Artificial intelligence and texture analysis in cardiac imaging
US20230113721A1 (en) Functional measurements of vessels using a temporal feature
WO2019111339A1 (ja) 学習装置、検査システム、学習方法、検査方法およびプログラム
CN111508004A (zh) 基于深度学习的室壁运动异常超声处理方法、系统和设备
Shaik et al. Glaucoma identification based on segmentation and fusion techniques
KR20210054140A (ko) 내시경 영상에 대한 복수의 의료 영상 판독 알고리듬들을 이용하는 의료 영상 판독 지원 장치 및 방법
US12087445B2 (en) Automatic cervical cancer diagnosis system
TWI490790B (zh) Dynamic cardiac imaging analysis and cardiac function assessment system
Niemeijer Automatic detection of diabetic retinopathy in digital fundus photographs
Kim et al. Automatic CAC voxel classification with multi-scale CNN architecture
Babu et al. Classification of Cancer of the Lungs using ANN and SVM Algorithms
WO2024127406A1 (en) Automatized detection of intestinal inflammation in crohn's disease using convolutional neural network

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20150826

Termination date: 20211109

CF01 Termination of patent right due to non-payment of annual fee