CN102626305B - 图像处理设备和图像处理方法 - Google Patents

Abstract

本发明涉及一种图像处理设备和图像处理方法。所述图像处理设备包括：获取单元，用于获取被检体的眼部的断层图像；信息获取单元，用于从所述断层图像获取预定部位的信息和预定组织结构的位置信息；以及计算单元，用于基于所述预定部位的信息和所述预定组织结构的位置之间的关系来计算评价值。

Description

图像处理设备和图像处理方法

技术领域

本发明涉及一种图像处理设备和图像处理方法。

背景技术

为了早期诊断在生活方式相关的疾病和失明原因之前所出现的各种疾病，已普遍进行眼部检查。由于诸如OCT(光学相干断层成像仪)等的眼部断层图像摄像设备允许三维观察视网膜层内部的状态，因此期望该眼部断层图像摄像设备有助于给出对疾病更加适当的诊断。为了定量测量各层的厚度，使用计算机来从断层图像检测各个视网膜层的边界。例如，如图10B所示，检测内界膜B1、内丛状层边界B2、光感受器内节和外节之间的边界B3以及视网膜色素上皮边界B4，并且测量视网膜厚度T1和GCC(Ganglion Cell Complex，神经节细胞复合体)厚度T2。

使用OCT所拍摄到的眼部的断层图像包括影响视觉功能的区域(细胞、组织、部位)，并且医生在预测视觉功能的恢复可能性和预后(prognosis)时，观察相应的细胞的损伤状况、层厚度以及与诸如中央凹F1(图10A)等的部位的位置关系。例如，图10B示出图10A的区域Ro的放大图。已到达视网膜的光经由光感受器细胞C1的外节L1转换成电信号，并且依次经由双极细胞C2、神经节细胞C3和视神经(未示出)而被大脑的视觉皮层(未示出)所感知。如果光感受器外节L1受损，则由于其不再能够将光转换成电信号，因此在该损伤部位处视觉功能下降。光感受器细胞C1包括视锥(petrosa)和视杆(rod)，并且视锥控制明亮场所中的视觉功能。如图10C所示，由于视锥离中央凹F1越近则存在的密度越高，因此视锥离中央凹F1越近，每单位面积的光感受器外节损伤对视觉功能的影响越大。注意，视轴是用于连结要注视的物体和中央凹F1的线。因此，为了估计光感受器外节损伤对视觉功能的影响，不得不考虑光感受器外节损伤位置处的损伤程度(外节的长度)、该损伤区域的存在范围(面积)、以及该损伤区域相对于中央凹的距离。

此外，由于如图10D所示，光感受器细胞C1从脉络膜血管V1获得营养，因此如果在光感受器外节L1和视网膜色素上皮L2之间存在诸如视网膜脱离RD等的病变，则无法向光感受器细胞C1供给营养。因此，如果存在视网膜脱离RD，则视觉功能在未来下降的可能性更高。如果视网膜脱离RD长期存在，则光感受器细胞C1将逐渐消失，并且视觉功能不再能够恢复。因此，为了根据视网膜形状估计对视觉功能的影响或者预测视觉功能的预后，不仅简单地测量细胞和层的厚度，还有必要考虑与诸如中央凹F1等的部位的位置关系以及诸如视网膜脱离RD等的病变的有无或存在期间。为了进行青光眼和视神经疾病的诊断支持，WO/2008/157406(以下称为文献1)公开了如下的技术：测量与作为视觉功能其中之一的视野有关的GCC厚度T2，并且将与健康眼睛的GCC厚度T2的差作为映射进行显示。

然而，文献1所述的技术假定针对青光眼的应用，并且没有考虑需要在黄斑疾病的情况下考虑的与中央凹F1的位置关系以及渗出性病变对视觉功能的影响。此外，文献1所述的技术对于视觉功能的恢复可能性和预后的预测，仅(并列)提示一个或多个层厚度映射，并且不得不根据这些映射来从视觉上判断视觉功能的恢复可能性和预后。

此外，日本特开2009-34480所述的技术以视野计的测试结果的存在为前提，并且测量通过视野测试反映了异常的部位的层厚度以检查与该视野测试的视觉功能评价值的对应关系。已知地，视网膜形状的变化在视觉功能的变化之前出现，并且就视网膜疾病的早期检测而言，期望仅基于从眼部断层图像所获得的信息来预测预后。

发明内容

本发明提供如下一种图像处理技术，其中，该图像处理技术通过对与预定部位的位置关系以及病变位置的分布状况进行定量化，仅使用眼部断层图像来判断对视觉功能的影响程度，并且可以提供该判断结果作为诊断支持信息。

根据本发明的一个方面，提供一种图像处理设备，包括：获取单元，用于获取被检体的眼部的断层图像；信息获取单元，用于从所述断层图像获取预定部位的信息和预定组织结构的位置信息；以及计算单元，用于基于所述预定部位的信息和所述预定组织结构的位置之间的关系来计算评价值。

根据本发明的另一方面，提供一种图像处理方法，包括以下步骤：获取步骤，用于获取被检体的眼部的断层图像；信息获取步骤，用于从所述断层图像获取预定部位的信息和预定组织结构的位置信息；以及计算步骤，用于基于所述预定部位的信息和所述预定组织结构的位置之间的关系来计算评价值。

根据本发明的结构，通过对与预定部位的位置关系以及病变位置的分布状况进行定量化，仅使用眼部断层图像来判断对视觉功能的影响程度，并且可以提供该判断结果作为诊断支持信息。

通过以下(参考附图)对典型实施例的说明，本发明的其它特征将变得明显。

附图说明

图1是示出根据第一实施例的图像处理设备的功能结构的示例的框图；

图2是示出根据第一实施例的图像处理设备要执行的处理的序列的流程图；

图3A～3C是用于说明第一实施例的图像处理内容的图；

图4是示出根据第一实施例的步骤S240中所执行的处理的详情的流程图；

图5是示出根据第一实施例的步骤S250中所执行的处理的详情的流程图；

图6是用于说明第二实施例的图像处理内容的图；

图7A和7B是用于说明第三实施例的图像处理内容的图；

图8是示出根据第三实施例的步骤S240中所执行的处理的详情的流程图；

图9是示出根据第三实施例的步骤S250中所执行的处理的详情的流程图；

图10A～10D是与OCT所拍摄到的视网膜的黄斑区域的断层图像相关联的图；

图11是示出包括根据本实施例的图像处理设备的系统的结构的示例的图；以及

图12是示出图像处理设备的硬件结构的示例的框图。

具体实施方式

第一实施例

根据本实施例的图像处理设备被配置为：基于光感受器外节厚度的变薄区域和中央凹F1之间的位置关系以及视网膜脱离RD的有无等，预测对视觉功能的影响以及视觉功能的预后。以下将参考附图来说明根据本发明实施例的图像处理设备和该图像处理设备中的图像处理方法。

图12是示出图像处理设备10的硬件结构的示例的框图。CPU 1201控制图像处理设备10的整体操作。ROM 1203和外部存储装置1204存储图像处理设备10能够执行的程序以及参数。RAM 1202用作执行这些程序时所使用的工作区域。监视器1205用作输出单元，并且显示图像处理结果和计算处理结果。键盘1206和鼠标1207用作输入单元。用户可以经由键盘1206和鼠标1207向该图像处理设备输入各种命令。接口1208将图像处理设备10连接至网络(LAN)30。图12所示的各组件经由总线1209相连接。

图11是示出能够连接至图像处理设备10的设备的结构的图。断层图像摄像设备20能够经由诸如以太网 等的网络(LAN)30连接至数据服务器40。图像处理设备10能够经由网络(LAN)30或者诸如光纤、USB或IEEE1394等的接口连接至断层图像摄像设备20。断层图像摄像设备20是用于拍摄眼部断层图像的设备，并且例如是时域或傅立叶域OCT。断层图像摄像设备20响应于操作员(未示出)的操作来三维拍摄被检眼(未示出)的断层图像。将所拍摄断层图像发送至图像处理设备10。数据服务器40是如下的服务器，其中，该服务器保持被检眼的断层图像和图像特征量等，并且保存从断层图像摄像设备20输出的被检眼的断层图像以及从图像处理设备10输出的分析结果。此外，响应于来自图像处理设备10的请求，数据服务器40将与被检眼相关联的过去的数据发送至图像处理设备10。

注意，本实施例将说明图像处理设备10测量光感受器内节和外节之间的边界B3以及视网膜色素上皮边界B4的情况。然而，本发明不限于此。图像处理设备10还可以检测其它的层边界(外界膜(未示出)和视网膜色素上皮层的内侧边界(未示出)等)。

图1是示出图像处理设备10的功能结构的示例的框图。图像处理设备10包括断层图像获取单元110、存储单元120、图像处理单元130、诊断支持信息输出单元140和指示获取单元150。图像处理单元130包括眼部特征获取单元131、病变检测单元132和视觉功能影响程度判断单元133。视觉功能影响程度判断单元133包括视觉功能恢复可能性判断单元1331和视觉功能预后预测单元1332。诊断支持信息输出单元140包括视觉功能影响程度信息输出单元141、视觉功能恢复可能性信息输出单元142和视觉功能预后预测信息输出单元143。

以下将与图2的流程图所示的图像处理设备10中的图像处理方法的具体执行序列相关联地说明图像处理设备10所包括的各个块的功能。在步骤S210中，断层图像获取单元110将断层图像获取请求发送至断层图像摄像设备20。断层图像摄像设备20响应于该获取请求发送相应的断层图像。断层图像获取单元110经由网络30从断层图像摄像设备20接收与该获取请求相对应的断层图像。断层图像获取单元110将所接收到的断层图像存储在存储单元120中。

在步骤S220中，眼部特征获取单元131从断层图像获取预定部位的信息和预定组织结构的位置信息。眼部特征获取单元131从断层图像获取表示预定细胞、组织或部位的眼部特征(解剖学特征)。例如，眼部特征获取单元131可以从存储在存储单元120中的断层图像检测内界膜B1、光感受器内节和外节之间的边界B3以及视网膜色素上皮边界B4，作为眼部特征。然后，眼部特征获取单元131将所检测到的特征存储在存储单元120中。

以下将说明具体的眼部特征获取序列。首先将说明用于检测各个视网膜层的边界的处理方法。在这种情况下，将要处理的体图像当作一组二维断层图像(B扫描图像)，并且对各个二维断层图像应用以下的处理。关注的二维断层图像经过平滑化处理以去除噪声成分。接着，从该二维断层图像检测边缘成分，并基于线段的连结性提取一些线段作为层边界的候选。然后，从提取出的层边界的候选中，选择最上方的线段作为内界膜B1。此外，选择位于内界膜B1的外层侧(图10A中的z坐标较大的一侧)且具有最大对比度的线段作为光感受器内节和外节之间的边界B3。此外，选择所提取的候选中的最下方的线段作为视网膜色素上皮边界B4。

此外，可以通过应用诸如思内克斯(Snakes)或水平集(level-set)方法等的使这些线段作为初始值的可变形模型来精确地提取层边界。此外，可以通过图形切割法来检测层边界。注意，可以对体图像三维执行使用可变形模型或图形切割法的边界检测，或者可以对各个二维断层图像二维执行使用可变形模型或图形切割法的边界检测。此外，可以使用任意的层边界检测方法，只要这些层边界检测方法可以从眼部断层图像检测层边界即可。

在步骤S230中，病变检测单元132在由步骤S220中所获取到的眼部特征所限定的区域内，例如在夹持于光感受器内节和外节之间的边界B3与视网膜色素上皮边界B4之间的区域内，检测病变候选(视网膜脱离)的有无。注意，本实施例将说明视网膜脱离RD存在于中央凹下方的情况。视网膜脱离RD有可能在除马略特盲点(Mariotte blind spot)以外的眼底内的各个部位发生，并且本实施例的图像处理方法可应用于视网膜脱离RD已在断层图像的拍摄范围内的(除马略特盲点以外的)任意部位发生的情况。

以下将说明视网膜脱离RD的检测方法。通过将由眼部特征(解剖学特征)所限定的区域内的亮度水平与预定的亮度阈值Trd进行比较来检测病变候选区域。例如，检测亮度值低于该阈值的区域作为病变候选。如图3A和3C所示，提取在x-z平面上的x轴方向上的各个A扫描线上位于如下的区域内的低亮度区域作为病变候选区域，其中，该区域位于光感受器内节和外节之间的边界B3的外层侧(z坐标较大的一侧)与视网膜色素上皮边界B4的内层侧(z坐标较小的一侧)之间。作为提取方法，可应用已知的提取方法。在这种情况下，将前述区域内的亮度值低于亮度阈值Trd的区域检测为视网膜脱离候选区域(病变候选区域)。

病变检测单元132基于眼部特征(中央凹F1、内界膜B1、光感受器内节和外节之间的边界B3以及视网膜色素上皮边界B4)以及病变候选(视网膜脱离RD)的位置来对负责视觉功能的部位的大小进行定量化。病变检测单元132测量(定量化)x-y平面内的各个坐标点处的光感受器外节L1的厚度(光感受器外节厚度)Tp(x，y)，作为位置和大小之间的关系。负责视觉功能的光感受器外节L1将已到达被检体的眼部的视网膜的光转换成电信号，从而控制视觉功能。在这种情况下，作为Tp(x，y)的简单测量方法，使用如下的值，其中，这些值是通过在x-z平面上的x轴方向上的各个A扫描线上、从光感受器内节和外节之间的边界B3与视网膜色素上皮边界B4之间的z轴方向上的距离减去视网膜脱离区域在z轴方向的距离所获得的。注意，光感受器外节L1的厚度的测量方法不限于此。例如，在步骤S220中可以提取视网膜色素上皮层的内侧边界(未示出)，并且可以使用通过从光感受器内节和外节之间的边界B3与视网膜色素上皮层的内侧边界(未示出)之间的距离减去视网膜脱离厚度所获得的值，作为Tp(x，y)。

接着，病变检测单元132从数据服务器40获取光感受器外节厚度的正常值Tn以及与x-y平面内的光感受器细胞的密度分布ω(a)[细胞个数/mm²]相关联的正常值数据(参见图3B)。在这种情况下，病变检测单元132获取与光感受器细胞的视锥相关联的数据。横轴是相对于视轴(连结晶状体和中央凹的线)的视角[°]。

在步骤S240中，视觉功能影响程度判断单元133根据预定部位的信息和预定组织结构的位置之间的关系来计算评价值。视觉功能影响程度判断单元133使用与负责视觉功能的部位相关联地定量化的光感受器外节L1的厚度(光感受器外节厚度)Tp(x，y)来计算对视觉功能的影响程度。在该步骤中，还可以一起进行视觉功能的恢复可能性的判断以及视觉功能下降的可能性(预后预测)的判断。后面将参考图4来说明该步骤的详情。

在步骤S250中，诊断支持信息输出单元140输出视觉功能影响程度判断单元133的判断结果作为诊断支持信息。诊断支持信息输出单元140生成具有判断步骤S240所计算出的影响程度的值作为断层图像的像素值的二维坐标映射(视觉功能影响程度映射)，并输出该映射作为诊断支持信息。此外，诊断支持信息输出单元140可以生成具有表示视觉功能的恢复可能性的指标(值)作为断层图像的像素值的二维坐标映射(视觉功能恢复可能性映射)，并且可以输出该映射作为诊断支持信息。此外，诊断支持信息输出单元140可以生成具有表示视觉功能下降可能性的指标(值)作为断层图像的像素值的二维坐标映射(视觉功能下降风险程度映射)，并且可以输出该映射作为诊断支持信息。在这种情况下，视觉功能影响程度映射、视觉功能恢复可能性映射和视觉功能下降风险程度映射均包括在诊断支持信息中，并且通过用于将这些判断结果显示在二维坐标映射上的显示控制来使视觉功能影响程度判断单元133的判断结果可视化。

在步骤S260中，指示获取单元150从外部获取关于是否将与被检眼相关联的当前处理结果保存在数据服务器40中的指示。该指示是操作员经由例如图12所示的键盘1206和鼠标1207所输入的。如果发出了处理结果保存指示，则该处理进入步骤S270；否则，该处理跳至步骤S280。

在步骤S270中，诊断支持信息输出单元140将检查日期和时间、识别被检眼所需的识别信息、断层图像、图像处理单元130的分析结果以及诊断支持信息输出单元140所获得的诊断支持信息相互相关联地发送至数据服务器40。

在步骤S280中，指示获取单元150从外部获取关于是否结束图像处理设备10所进行的断层图像分析处理的指示。该指示是操作员经由图12所示的键盘1206和鼠标1207所输入的。如果获取到处理结束指示，则该分析处理结束。另一方面，如果获取到处理继续指示，则该处理返回至步骤S210以对下一被检眼执行处理(或者对同一被检眼执行再处理)。

视觉功能影响程度判断处理

以下将参考图4来说明步骤S240中所执行的处理的详情。在步骤S410中，视觉功能影响程度判断单元133计算与病变检测单元132进行定量化的负责视觉功能的部位的大小相关联的正常值数据相对于该部位的大小Tp(x，y)的比率(Tn/Tp)。然后，视觉功能影响程度判断单元133通过将表示光感受器细胞的密度分布的正常值数据(ω(a))与这些比率相乘来计算表示影响程度的值。视觉功能影响程度判断单元133可以从例如数据服务器40获取与负责视觉功能的部位的大小相关联的正常值数据(Tn)以及表示光感受器细胞的密度分布的数据(ω(a))。更具体地，视觉功能影响程度判断单元133通过以下的等式(1)来计算对视觉功能的影响程度S₁。表示对视觉功能的影响程度的值的计算使用了步骤S230中检测到的x-y平面上的各个点处的光感受器外节厚度Tp(x，y)、与光感受器外节的位置和形状(例如，厚度)相关联的正常值Tn、以及与x-y平面内的光感受器细胞的密度分布ω(a)相关联的正常值数据。在这种情况下，将视力检查作为视觉功能。

S₁＝∑{ω(a)·Tn/Tp(x，y)} ...(1)

其中，Tp(x，y)/Tn表示视锥外节的变薄程度，并且在本实施例中，Tn＝60μm。如从等式(1)能够理解，随着视锥外节的变薄区域变得越宽以及随着该变薄区域和中央凹之间的距离变得越小，对视觉功能的影响程度变得越大。

在步骤S420中，如由以下的等式(2)所示，视觉功能恢复可能性判断单元1331根据步骤S230中获得的光感受器外节厚度和该光感受器外节厚度的正常值之间的比率来判断x-y平面上的各个点(x，y)处的视觉功能恢复可能性R₁。

R₁＝∑{A} ...(2)

$A=\left\{\begin{array}{cc}\left(\frac{\mathrm{Tp}(x,y)}{\mathrm{Tn}}\right)\&CenterDot;\left(\frac{1}{\mathrm{RD}\left(t\right)}\right)& (\frac{\mathrm{Tp}(x,y)}{\mathrm{Tn}}\&GreaterEqual;\mathrm{Tr})\\ 0& (\frac{\mathrm{Tp}(x,y)}{\mathrm{Tn}}<\mathrm{Tr})\end{array}\right....\left(2^{\&prime;}\right)$

其中，RD(t)是视网膜脱离的存在时间段。

如果比率Tp/Tn小于与该比率相关联的阈值(＜Tr)，则视觉功能恢复可能性判断单元1331判断为难以恢复光感受器外节，并且将该位置(x，y)处的表示视觉功能的恢复可能性的指标(值)计算为零。如果Tp/Tn等于或大于与该比率相关联的阈值(≥Tr)，则通过等式(2′)来计算视觉功能恢复可能性。此外，由于考虑到随着病变候选的存在时间段(视网膜脱离RD的存在时间段RD(t))变得越长，光感受器细胞的营养状态越差，因此R₁由于与(1/病变候选的存在时间段(RD(t)))相乘而取较小的值。注意，当从数据服务器40无法得到视网膜脱离的存在时间段RD(t)的信息时，在等式(2′)中，在RD(t)＝1的情况下计算R₁。

在步骤S430中，视觉功能预后预测单元1332计算视觉功能下降风险程度P₁作为与视觉功能的预后预测相关联的指标(值)。该程度是表示未来的视觉功能下降可能性的指标(值)。注意，RDe(x，y)是根据x-y平面上的各点(x，y)处有无病变候选(视网膜脱离)而设置的值。例如，在位置坐标(x，y)处检测到视网膜脱离的情况下，病变检测单元132设置RDe(x，y)＝1，并且在没有检测到视网膜脱离的情况下，病变检测单元132设置RDe(x，y)＝0。视觉功能预后预测单元1332获取表示光感受器细胞的密度分布的正常值数据(ω)以及根据有无病变候选所设置的设置数据(RDe)，并且进行由以下的等式(3)所给出的计算。

P₁＝∑{ω(a)·RDe(x，y)} ...(3)

如果可得到x-y平面上的各点(x，y)处的视网膜脱离的存在时间段RD(t)，则可以通过以下的等式(3′)来生成视觉功能下降期间的估计值P₁′。

P₁′＝∑{ω(a)·(Td-RD(t))} ...(3′)

其中，Td是表示在不存在来自脉络膜的任何营养供给的情况下光感受器外节的最大生存时间段的数据，并且可以从数据服务器40或存储单元120所获取。

诊断支持信息输出处理

以下将参考图5来说明步骤S250中所执行的处理的详情。

在步骤S510中，诊断支持信息输出单元140从图像处理单元130获取与视觉功能影响程度、视觉功能恢复可能性和视觉功能下降风险程度相关联的数据。然后，诊断支持信息输出单元140将各个信息发送至视觉功能影响程度信息输出单元141、视觉功能恢复可能性信息输出单元142和视觉功能预后预测信息输出单元143。

在步骤S520中，视觉功能影响程度信息输出单元141生成如下映射，其中该映射具有步骤S410计算出的x-y平面上的各个点处的对视觉功能的影响程度、即ω(a)·Tn/Tp(x，y)作为值。该映射使对视觉功能的影响程度可视化，并且表示摄像时各个点(x，y)处的视觉功能影响程度。在监视器1205(图12)上，不仅输出视觉功能影响程度映射，同时还输出步骤S410中计算出的影响程度S₁。

在步骤S530中，视觉功能恢复可能性信息输出单元142生成具有步骤S420计算出的x-y平面上的各个点处的视觉功能恢复可能性的值((Tp(x，y)/Tn)·(1/RD(t))或者0)的映射。此外，视觉功能预后预测信息输出单元143生成具有步骤S430计算出的视觉功能下降风险程度的值(ω(a)·RDe(x，y))的映射。

在这种情况下，当可得到x-y平面上的各个点处的视网膜脱离的存在时间段RD(t)时，生成如下映射，其中该映射具有各个点(x，y)处的视觉功能下降期间的估计值、即ω(a)·(Td-RD(t))作为值。注意，Td表示在不存在来自脉络膜的任何营养供给的情况下光感受器外节的最大存在时间段。

在监视器1205上，除了前述映射以外，还可以输出与视觉功能恢复可能性相关联的指标R₁、与视觉功能下降风险程度相关联的指标P₁以及与视觉功能下降期间的估计值相关联的指标P₁′。

根据本实施例，图像处理设备根据光感受器外节厚度的变薄区域和中央凹之间的位置关系来计算表示对视觉功能的影响程度的值。此外，图像处理设备检查是否存在视网膜脱离，并且还使用表示光感受器外节厚度以及是否存在视网膜脱离的信息来计算视觉功能下降风险程度。因而，图像处理设备可以根据黄斑疾病的断层图像来预测病变候选对视觉功能的影响以及视觉功能的预后。

第二实施例

与第一实施例不同，代替层形状异常，本实施例将检查诸如白斑EX等的渗出性病变聚集到中央凹F1下方的情况作为施加于视觉功能的影响的情况。提取白斑EX，并且基于白斑EX的分布和诸如中央凹F1等的眼部特征之间的位置关系来预测对视觉功能的影响以及视觉功能的预后。

能够连接至根据本实施例的图像处理设备10的设备的结构以及图像处理设备10的功能结构均与第一实施例相同。此外，除了图2的步骤S230、S240和S250的处理以外，本实施例的图像处理序列与第一实施例中的图像处理序列(图2)相同。因而，以下将仅说明步骤S230、S240和S250的处理。

如图6所示，由于从视网膜血管漏出的脂肪和蛋白质累积，因此在发生糖尿病视网膜病的视网膜内形成被称为白斑EX的块状高亮度区域。这些白斑EX通常形成在外丛状层附近。由于白斑EX的存在位置遮蔽入射光并且光无法到达光感受器细胞C1，因此视力下降。特别地，随着白斑EX的存在位置与中央凹F1离得越近，对视觉功能的影响由于视锥密度高而变严重。

如果视网膜脱离RD存在于中央凹F1下方，则根据经验已知白斑EX趋于向着视网膜脱离RD累积。一旦白斑EX累积到中央凹F1下方，视力会显著下降，并且无法期望视力的恢复。因此，为了防止由于病变累积到中央凹下方所引起的视觉功能下降，获知白斑EX和视网膜下方之间的距离以及白斑EX是否向着视网膜下方移动是有帮助的。

步骤S230的处理

在第二实施例的步骤S230的处理中，病变检测单元132检测眼部断层图像中的白斑EX作为病变候选。在这种情况下，按照如下通过将亮度值的信息和诸如点集中度滤波器等的强调块状结构的滤波器的输出值进行组合来识别白斑EX。即，将点集中度滤波器的输出等于或大于阈值Ta以及断层图像上的亮度值等于或大于阈值Tb的区域识别为白斑EX。注意，白斑EX的检测方法不限于此，并且可以使用任意已知的病变检测方法。此外，如第一实施例一样，在夹持于步骤S220检测到的光感受器内节和外节间的边界B3与视网膜色素上皮边界B4之间的区域内检测是否存在视网膜脱离RD。

接着，病变检测单元132基于所检测到的病变(白斑EX和视网膜脱离RD)来定量化白斑EX在视网膜内的分布。更具体地，病变检测单元132对所检测到的白斑EX进行标记。作为标记的结果，对白斑EX分别设置标记值。在这种情况下，区域扩展方法用作标记方法。注意，标记方法不限于此，并且可以使用任意已知的标记方法。接着，计算具有相同标记值的白斑EX的体积。当视网膜内存在视网膜脱离RD时，计算标记为n的白斑EX相对于视网膜脱离RD的最短距离dn。

步骤S240的处理

以下将参考图6以及图4所示的流程图来说明第二实施例的步骤S240中所要执行的处理的详情。

在步骤S410中，视觉功能影响程度判断单元133使用以下的等式(4)来计算表示对视觉功能的影响程度的值S₂。在这种情况下，将视力检查作为视觉功能。

S₂＝∑n∑area{ω(a)} ...(4)

其中，ω(a)是与第一实施例中的视锥密度相同的视锥密度[细胞个数/mm²]，area表示将具有相同标记的白斑EX投影至x-y平面的情况下的面积，并且n表示存在于摄像区域内的白斑EX的数量。

在步骤S420中，视觉功能恢复可能性判断单元1331使用以下的等式(5)来计算与视觉功能恢复可能性相关联的指标R₂。

R₂＝∑n{ω(a)·d_n} ...(5)

其中，n是所检测到的白斑EX的总数，v_n是标记为n的白斑EX的体积，并且d_n是标记为n的白斑EX的重心点和视网膜脱离RD之间的距离。

在步骤S430中，视网膜功能预后预测单元1332使用以下的等式(6)来计算视觉功能下降风险程度、即中央凹F1下方的病变累积风险程度P₂。

P₂＝∑n{v_n/(d_n+1)} ...(6)

步骤S250的处理

以下将参考图5来说明步骤S250中所要执行的处理的详情。注意，由于步骤S510与第一实施例中的步骤S510相同，因此将不重复对该步骤的说明。

在步骤S520中，视觉功能影响程度信息输出单元141生成具有如下的值的映射(视觉功能影响程度映射)，其中，这些值表示步骤S410计算出的x-y平面上的各个点(x，y)处的对视觉功能的影响程度。在图12所示的监视器1205上，不仅可以输出该视觉功能影响程度映射，同时还可以输出表示步骤S410计算出的视觉功能影响程度的值S₂。

在步骤S530中，视觉功能恢复可能性信息输出单元142和视觉功能预后预测信息输出单元143生成如下映射：具有表示步骤S420计算出的x-y平面上的各个点处的视觉功能恢复可能性的值的映射以及具有表示步骤S430计算出的视觉功能下降风险程度的值的映射。此外，在图12所示的监视器1205上，不仅可以输出该视觉功能恢复可能性映射和视觉功能下降风险程度映射，同时还可以输出与视觉功能恢复可能性相关联的指标R₂和视觉功能下降风险程度P₂。

利用前述结构，图像处理设备10提取白斑EX和视网膜脱离RD作为病变，并且可以基于与诸如中央凹F1等的眼部特征的位置关系来预测对视觉功能的影响以及视觉功能的预后。

第三实施例

与第一实施例不同，本实施例将检查如下的情况：对视觉功能的影响由于存在于视神经乳头的深层中的被称为筛状板L3的组织的形状异常而出现。进行视网膜内的层边界和筛状板L3的提取和形状测量，并且除中央凹F1以外，还使用与诸如马略特盲点等的眼部特征的位置关系的信息来预测对视觉功能的影响以及视觉功能的预后。

如图7A和7B所示，被称为筛状板L3的筛状膜存在于视神经乳头下方。当从垂直于x-y平面的方向观看时，筛状板L3具有圆盘状，并且形成了约600～700个孔。视神经纤维束、即光感受器细胞C1的轴突的集合穿过这些孔，并且向着大脑延伸。当眼压上升时，筛状板L3发生弯曲而造成孔位置移位并压迫轴突，从而导致光感受器细胞C1消失。

能够连接至根据本实施例的图像处理设备10的设备的结构与第一实施例的结构相同。此外，除了视觉功能影响程度判断单元133不包括视觉功能恢复可能性判断单元1331并且诊断支持信息输出单元140不包括视觉功能恢复可能性信息输出单元142以外，图像处理设备10的功能结构与第一实施例的功能结构相同。这反映出：一旦光感受器细胞C1慢慢消失由此对视觉功能造成影响，则视觉功能不再能够恢复。除图2所示的步骤S220、S230、S240和S250的处理以外，本实施例的图像处理序列与第一实施例的图像处理序列(图2)相同。因而，以下将仅说明步骤S220、S230、S240和S250的处理。

步骤S220的处理

在第三实施例的步骤S220的处理中，眼部特征获取单元131通过从断层图像检测凹陷来检测视神经乳头和中央凹F1。此外，眼部特征获取单元131在断层图像的投影图像内提取视网膜血管，并且将包括视网膜血管的部位判断为视神经乳头并且将不包括任何视网膜血管的部位判断为中央凹F1。视网膜血管提取方法使用任意已知的线增强滤波器。视神经乳头的凹陷由于其不包括任何光感受器细胞C1而不可感知并被称为马略特盲点。

接着，眼部特征获取单元131获取内界膜B1、神经纤维层边界B5和视网膜色素上皮边界B4作为层边界。层边界提取方法与第一实施例中的层边界提取方法相同，并且将不重复对该方法的说明。此外，眼部特征获取单元131按以下顺序检测筛状板L3。即，在x-y平面上不存在视网膜色素上皮边界B4的区域(马略特盲点)内的各个点(x，y)处，检测位于内界膜B1的深层侧(z轴的正向侧)且亮度值等于或高于特定阈值Tx的高亮度区域。将筛状板L3检测作为x-y平面上的多孔圆盘状区域。在本实施例中，使用神经纤维层边界B5。代替地，可以获取内丛状层边界B2。然而，在这种情况下，代替神经纤维层厚度，在步骤S230中测量GCC(神经节细胞复合体)厚度。

步骤S230的处理

在第三实施例的步骤S230的处理中，病变检测单元132使用步骤S220中获取到的内界膜B1和神经纤维层边界B5来测量神经纤维层厚度。接着，病变检测单元132从数据服务器40获取神经纤维层厚度的正常值范围，并且检测神经纤维层厚度落在正常值范围外的、位于马略特盲点外侧的点(x′，y′)作为病变位置。此外，病变检测单元132测量筛状板厚度和筛状板边界的凹凸，并且检测落在从数据服务器40获取到的筛状板厚度和凹凸的正常值范围外的、位于马略特盲点内侧的点(x，y)作为病变位置。

步骤S240的处理

以下将参考图8来说明步骤S240中所执行的处理的详情。在步骤S810中，视觉功能影响程度判断单元133根据以下的等式(7)，基于步骤S230中获取到的神经纤维层厚度来计算表示视觉功能影响程度的值S3。

S₃＝∑x，y{B}

其中，T_n(x，y)是x-y平面上的点(x，y)处的神经纤维层厚度的正常值(中央值)。T_l(x，y)是步骤S230中被判断为神经纤维层厚度异常的x-y平面上的点(x，y)处的神经纤维层厚度。α(x，y)是在中心马略特盲点处为0、在其它点处为1的变量。

在步骤S820中，视觉功能预后预测单元1332根据以下的等式(8)，基于步骤S230中获取到的筛状板L3的厚度和凹凸来计算视觉功能下降风险程度P₃。

P₃＝∑x，y(T_ns/T_s)+k·∑y∑x{∏/θ_x，y} ...(8)

其中，θ_x，y是构成筛状板的边界线的控制点中的三个相邻点(对于x轴方向而言为x-1、x和x+1这三点以及对于y轴方向而言为y-1、y和y+1这三点)所成的角度[rad]。此外，k是比例常数，T_s是测量出的筛状板厚度，并且T_ns是筛状板厚度的正常值。

步骤S250的处理

以下将参考图9来说明步骤S250中所执行的处理的详情。

在步骤S910中，诊断支持信息输出单元140从图像处理单元130获取与视觉功能影响程度和视觉功能下降风险程度相关联的数据，并将这些数据分别发送至视觉功能影响程度信息输出单元141和视觉功能预后预测信息输出单元143。

在步骤S920中，视觉功能影响程度信息输出单元141生成具有如下的值的映射(视觉功能影响程度映射)，其中，这些值表示步骤S810计算出的x-y平面上的各个点(x，y)处的对视觉功能的影响程度。在图12所示的监视器1205上，不仅可以输出该视觉功能影响程度映射，同时还可以输出步骤S810计算出的视觉功能影响程度的指标(值)。

在步骤S930中，视觉功能预后预测信息输出单元143生成具有如下的值的映射，其中，这些值表示步骤S820计算出的x-y平面上的各个点处的视觉功能下降风险程度。此外，在图12所示的监视器1205上，不仅可以输出该视觉功能下降风险程度映射，同时还可以输出步骤S820计算出的视觉功能下降风险程度。

根据前述结构，图像处理设备10在视神经乳头中提取筛状板的形状异常(变薄或凹凸)区域，并且根据与中央凹和马略特盲点的位置关系来计算视觉功能影响程度和视觉功能下降风险程度。因而，在早期的青光眼的情况下，可以根据视神经乳头的眼部断层图像，基于视网膜下方的病变的分布来预测对视觉功能的影响以及视觉功能的预后。

其它实施例

还可以通过读出并执行记录在存储器装置上的程序以进行上述实施例的功能的系统或设备的计算机(或者CPU或MPU等装置)和通过下面的方法来实现本发明的各方面，其中，系统或设备的计算机通过例如读出并执行记录在存储器装置上的程序以进行上述实施例的功能来进行上述方法的各步骤。由于该原因，例如经由网络或者通过用作存储器装置的各种类型的记录介质(例如，计算机可读介质)将该程序提供给计算机。

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。

Claims (9)

1.一种图像处理设备，包括：

获取单元，用于获取被检体的眼部的断层图像,

所述图像处理设备的特征在于，还包括：

信息获取单元，用于从所述断层图像获取光感受器细胞的密度分布的信息和预定组织结构的位置信息；以及

计算单元，用于基于所述密度分布和所述预定组织结构的位置之间的关系来计算针对视觉功能的评价值，

其中，所述预定组织结构的位置信息是所述预定组织结构的厚度分布的信息。

2.根据权利要求1所述的图像处理设备，其特征在于，所述预定组织结构是光感受器内节和外节之间的边界与视网膜色素上皮边界之间的区域。

3.根据权利要求1所述的图像处理设备，其特征在于，所述计算单元与所述断层图像的二维坐标相关联地计算所述评价值，以及

所述图像处理设备还包括显示控制单元，所述显示控制单元用于将与所述断层图像的二维坐标相关联的所述评价值作为映射显示在显示单元上。

4.一种图像处理设备，包括：

获取单元，用于获取被检体的眼部的断层图像,

所述图像处理设备的特征在于，还包括：

信息获取单元，用于从所述断层图像获取光感受器细胞的密度分布的信息和预定组织结构的位置信息；以及

计算单元，用于基于所述密度分布和所述预定组织结构的位置之间的关系来计算针对视觉功能的评价值，

其中，所述预定组织结构是视网膜脱离的区域。

5.根据权利要求4所述的图像处理设备，其特征在于，计算所述评价值包括根据所述视网膜脱离的存在时间段、光感受器外节厚度和光感受器外节厚度的正常值，计算所述眼部的视觉功能的恢复可能性。

6.一种图像处理设备，包括：

获取单元，用于获取被检体的眼部的断层图像；

所述图像处理设备的特征在于，还包括：

信息获取单元，用于从所述断层图像获取位于中央凹的下方的部位的信息和预定组织结构的位置信息；以及

计算单元，用于基于位于所述中央凹的下方的部位和所述预定组织结构的位置之间的关系来计算针对视觉功能的评价值，

其中，所述预定组织结构的位置信息是渗出性病变在视网膜内的分布。

7.根据权利要求6所述的图像处理设备，其特征在于，所述渗出性病变是白斑。

8.一种图像处理设备，包括：

获取单元，用于获取被检体的眼部的断层图像；

所述图像处理设备的特征在于，还包括：

信息获取单元，用于从所述断层图像获取马略特盲点的信息和预定组织结构的位置信息；以及

计算单元，用于基于所述马略特盲点和所述预定组织结构的位置之间的关系来计算针对视觉功能的评价值，

其中，所述预定组织结构的位置信息是神经纤维层厚度落在正常值范围外的、位于马略特盲点外侧的点的病变位置或者筛状板厚度和凹凸的正常值范围外的、位于马略特盲点内侧的点的病变位置。

9.根据权利要求8所述的图像处理设备，其特征在于，所述病变是筛状板的组织的形状的异常。