CN102670164A - 图像处理装置、摄像系统和图像处理方法 - Google Patents

图像处理装置、摄像系统和图像处理方法 Download PDF

Info

Publication number
CN102670164A
CN102670164A CN201210047536XA CN201210047536A CN102670164A CN 102670164 A CN102670164 A CN 102670164A CN 201210047536X A CN201210047536X A CN 201210047536XA CN 201210047536 A CN201210047536 A CN 201210047536A CN 102670164 A CN102670164 A CN 102670164A
Authority
CN
China
Prior art keywords
image
slo
blood vessel
image processing
processing apparatus
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
Application number
CN201210047536XA
Other languages
English (en)
Other versions
CN102670164B (zh
Inventor
今村裕之
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
Publication of CN102670164A publication Critical patent/CN102670164A/zh
Application granted granted Critical
Publication of CN102670164B publication Critical patent/CN102670164B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • A61B3/1025—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for confocal scanning
    • 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
    • A61B3/1241—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 specially adapted for observation of ocular blood flow, e.g. by fluorescein angiography

Abstract

本发明涉及一种图像处理装置、摄像系统和图像处理方法。所述图像处理装置包括：第一识别部件，用于识别摄像对象中的血管的空间构造；第二识别部件，用于基于通过聚焦位置比所述血管的区域中的至少一部分深的信号光所获得的SLO图像来识别与所述血管的血流速度有关的信息，其中SLO表示扫描激光检眼镜；以及获取部件，用于基于所识别出的空间构造和与所述血流速度有关的信息来获取与所述血管的血流有关的信息。

Description

图像处理装置、摄像系统和图像处理方法
技术领域
本发明涉及用于对眼部图像进行处理的图像处理。
背景技术
为了早期诊断与生活方式相关的疾病以及在失明的诱因中排名高的疾病，广泛实行眼部检查。以下被称为SLO摄像装置的扫描激光检眼镜(SLO)是使用共焦激光显微镜的原理的眼科设备。SLO摄像装置利用测量激光对眼底进行光栅扫描，并且根据返回光的强度来高速获取视网膜的高分辨率平面图像。
已研发了具有自适应光学(AO)系统的一些SLO摄像装置，其中该AO系统用于利用波前传感器来测量被检眼的像差，并且利用波前校正装置来校正被检眼中所发生的测量光的像差以及返回光的像差。这种SLO摄像装置被称为AO-SLO摄像装置。AO-SLO摄像装置使得能够以高横向分辨率进行图像获取，从而允许检测视网膜的毛细血管和视细胞。Johnny Tam andAustin Roorda，″Enhanced Detection of Cell Paths inSpatiotemporal Plots for Noninvasive Microscopy of the HumanRetina，″Procee dings of 2010 IEEE International Symposium onBiomedical Imaging，pp.584-587，April 2010论述了如下的技术：从聚焦到健康眼睛的视细胞附近的SLO图像中将血球的移动范围识别为血管区域，并且测量包括血球的移动速度的血流动态。然而，由于血管本身并未处于对焦，因此聚焦到视细胞附近的SLO图像不总是允许对这些血管进行精确识别。
发明内容
根据本发明的一方面，一种图像处理装置，包括：第一识别部件，用于识别摄像对象中的血管的空间构造；第二识别部件，用于基于通过聚焦位置比所述血管的区域中的至少一部分深的信号光所获得的SLO图像来识别与所述血管的血流速度有关的信息，其中SLO表示扫描激光检眼镜；以及获取部件，用于基于所识别出的空间构造和与所述血流速度有关的信息来获取与所述血管的血流有关的信息。
根据本发明的另一方面，一种图像处理装置，包括：图像获取部件，用于通过使用SLO摄像装置来获取摄像对象的SLO图像或图像序列，其中SLO表示扫描激光检眼镜；判断部件，用于判断是否能够通过分析所述摄像对象的SLO图像或图像序列来识别存在于所述摄像对象中的预定组织特征；以及确定部件，用于在判断为不能通过分析所述摄像对象的SLO图像或图像序列来识别所述预定组织特征的情况下，基于所述预定组织特征和所述SLO图像或图像序列的聚焦深度来确定所述SLO摄像装置的聚焦深度。
根据本发明的另一方面，一种摄像系统，包括：根据上述图像处理装置；以及摄像部件，用于拍摄所述SLO图像。
根据本发明的另一方面，一种图像处理方法，包括以下步骤：识别摄像对象中的血管的空间构造；基于通过聚焦位置比所述血管的区域中的至少一部分深的信号光所获得的SLO图像来识别所述血管的血流速度，其中SLO表示扫描激光检眼镜；以及基于所识别出的空间构造和所述血流速度来确定与所述血管的血流有关的信息。
根据本发明的另一方面，一种图像处理方法，包括以下步骤：通过使用SLO摄像装置来获取摄像对象的SLO图像或图像序列，其中SLO表示扫描激光检眼镜；判断是否能够通过分析所述摄像对象的SLO图像或图像序列来识别存在于所述摄像对象中的预定组织特征；以及在判断为不能通过分析所述摄像对象的SLO图像或图像序列来识别所述预定组织特征的情况下，基于所述预定组织特征和所述SLO图像或图像序列的聚焦深度来确定所述SLO摄像装置的聚焦深度。
根据本发明的又一方面，一种图像处理方法，包括以下步骤：以第一聚焦深度来获取要拍摄的眼部的第一AO-SLO图像或图像序列，其中所述第一聚焦深度用于拍摄视网膜层内的神经纤维的光感受器细胞，并且AO-SLO表示自适应光学-扫描激光检眼镜；基于针对所述第一AO-SLO图像或图像序列中的光感受器细胞的异常的检测来识别第一区域；以第二聚焦深度来获取所述眼部的第二AO-SLO图像或图像序列，其中所述第二聚焦深度用于拍摄视网膜层内的视细胞；基于针对所述第二AO-SLO图像或图像序列中的视细胞的异常的检测来识别第二区域；以及生成用于使所述第一区域和所述第二区域以彼此相关联的方式进行显示的图像数据。
本实施例大致延伸至如这里参考附图所述的方法、设备和/或用途。本发明的一个方面的任意特征均可以按照任意适当组合应用于本发明的其它方面。特别地，方法方面的特征可应用于设备方面，并且反之亦然。
通过以下参考附图对典型实施例的详细说明，本发明的其它优选特征和方面将变得明显。
附图说明
图1是示出根据典型实施例的图像处理装置的功能结构的示例的框图。
图2是示出包括根据典型实施例的图像处理装置10的系统的结构的示例的框图。
图3是示出图像处理装置的硬件结构的示例的框图。
图4是用于说明眼部图像拍摄装置的整体结构的图。
图5A、5B和5C是用于说明眼部图像拍摄装置获取图像所利用的方法的图。
图6是示出根据典型实施例的图像处理装置所进行的处理的流程图。
图7A、7B、7C和7D是用于说明根据典型实施例的图像处理的内容的图。
图8A、8B、8C和8D是示出根据典型实施例的图像处理的结果的图。
图9A和9B是示出步骤S 650中所进行的处理的详细内容的流程图。
图10A、10B、10C和10D是用于说明根据第三典型实施例的图像处理的内容的图。
图11是示出第三典型实施例的步骤S650中所进行的处理的详细内容的流程图。
图12A、12B和12C是示出根据第四典型实施例的处理的概述的图。
图13是示出第四典型实施例的步骤S930中所进行的处理的详细内容的流程图。
具体实施方式
以下将参考附图来详细说明各种典型实施例和特征。
参考图1，将说明根据第一典型实施例的图像处理装置10的功能结构。图1是示出图像处理装置10的功能结构的框图。图像处理装置10包括摄像指示单元100、SLO图像获取单元110、眼部体图像获取单元120、存储单元130、图像处理单元140和指示获取单元150。显示单元160和操作单元170连接至图像处理装置10。
图像处理单元140包括识别单元141、判断单元142、获取单元143、显示控制单元144和确定单元180。图像处理单元140对作为拍摄对象的眼部的图像进行处理。识别单元141包括区域指定单元(第一识别单元)1411和流速指定单元(第二识别单元)1412。SLO图像获取单元110通过使用聚焦深度不同的信号光的光束来获取多个SLO图像。第一识别单元1411和第二识别单元1412分别从这多个SLO图像中识别眼部的图像特征。获取单元143包括测量位置设置单元1431、部分图像选择单元1432、图像特征选择单元1433和测量单元1434。获取单元143基于所识别出的图像特征来获取对诊断有用的指标或图像。
图2是包括根据本典型实施例的图像处理装置10的摄像系统的框图。如图2所示，图像处理装置10经由局域网(LAN)30与眼部图像拍摄装置20和数据服务器40相连接，其中LAN 30包括光纤、通用串行总线(USB)、以及/或者电气和电子工程师协会(IEEE)1394接口。图像处理装置10可以经由诸如因特网等的外部网络与这些装置相连接。
眼部图像拍摄装置(摄像单元)20包括：SLO摄像单元(SLO摄像装置)，用于拍摄眼底图像(SLO图像)；以及光学相干断层图像(OCT)摄像单元(OCT摄像装置)，用于拍摄体图像(OCT图像)。眼部图像拍摄装置20拍摄静止图像或运动图像作为SLO图像，并将所拍摄的SLO图像发送至图像处理装置10和数据服务器40。OCT摄像单元被配置为时域系统或傅立叶域系统。该OCT摄像单元根据未示出的操作员的操作来拍摄被检眼的三维断层图像。该OCT摄像单元将由此得到的体图像发送至图像处理装置10和数据服务器40。该OCT摄像单元是眼部图像拍摄装置20的光学组件。眼部图像拍摄装置20可以仅包括SLO摄像单元。
数据服务器40是用于保持如下内容的服务器：被检眼的SLO图像和体图像；后面要说明的眼部的图像特征(以下称为眼部特征)；以及与脉搏波和SLO图像拍摄时的固视目标位置有关的数据。数据服务器40存储眼部图像拍摄装置20所输出的被检眼的SLO图像和体图像以及图像处理装置10所输出的眼部特征。数据服务器40响应于来自图像处理装置10的请求来发送被检眼的数据(SLO图像、体图像和眼部特征)、与眼部特征有关的正常值数据、以及被检眼的脉搏波的值和固视目标位置的值。
接着，将参考图3来说明具有前述功能结构的图像处理装置10的硬件结构。在图3的例子中，图像处理装置10包括经由总线309所连接的中央处理单元(CPU)301、存储器(随机存取存储器即RAM)302、控制存储器(只读存储器即ROM)303、存储装置304以及接口305。监视器306、键盘307和鼠标308连接至图像处理装置10。
存储装置304包含用于实现后面要说明的图6或图9所示的图像处理装置10的处理的控制程序以及执行该控制程序所使用的数据。根据需要，在CPU 301的控制下将该控制程序和数据经由总线309加载到RAM 302中。CPU 301执行该控制程序以与上述硬件协作地实现前述功能。例如，存储装置304用作图1的存储单元130。键盘307或鼠标308用作操作单元170。监视器306用作显示单元160。通过软件和硬件的这种协作来实现图像处理装置10的处理。
如果眼部图像拍摄装置20被配置为仅包括SLO摄像单元而不包括OCT摄像单元，则图像处理装置10无需包括眼部体图像获取单元120。本例子对没有观察到层形状异常的情况进行应对。因而，部分图像选择单元1432不进行特殊处理。图4示出眼部图像拍摄装置20的结构。
光源201发射光。光耦合器231将该光分割成参考光205和测量光206。测量光206经由单模光纤230-4、空间光调制器259、XY扫描器219、X扫描器221和球面镜260-1～260-9被引导至作为观察对象的被检眼207。在由被检眼207反射和散射之后，测量光206变为返回光208。返回光208入射到检测器238或线传感器239上。检测器238将返回光208的光强度转换成电压，其中该反射光的信号用于构造被检眼207的平面图像。
使参考光205和返回光208复用并入射到线传感器239上，其中在线传感器239中，构造被检眼207的断层图像。可以使用可变形状镜，只要可以校正波前像差即可。
光源201是用作代表性的低相干光源的超发光二极管(SLD)。光源201的波长为830nm且带宽为50nm。为了获取斑点噪声少的平面图像而选择低相干光源。尽管这里选择了SLD，但还可以使用能够发射低相干光的包括放大自发辐射(ASE)光源的任意类型的光源。
就眼部测量而言，近红外线具有适当的波长。该波长对由此产生的平面图像的横向分辨率具有影响。因此，期望波长尽可能较短。在本典型实施例中，采用830nm的波长。可以根据要观察的测量部位来选择其它波长。用作低相干光源的SLD还适合拍摄断层图像。
接着，将说明参考光205的光路。光耦合器231分割得到的参考光205经由单模光纤230-2被引导至透镜235-1。透镜235-1将参考光205调整成光束直径为4mm的平行光束。然后，参考光205由镜257-1～257-4引导至用作参考镜的镜214。将参考光205的光路长度调整成与测量光206的光路长度大致相同。这种调整使得在参考光205和测量光206之间发生干涉。
参考光205由镜214反射并被再次引导至光耦合器231。这里，参考光205穿过色散补偿玻璃215。色散补偿玻璃215意图针对参考光205补偿测量光206经由被检眼207往返移动时所发生的色散。设L1＝23mm，即假定作为日本人的平均眼球直径的代表值。马达驱动台217-1可以在由箭头所表示的方向上移动。这种移动使得能够调整和控制参考光205的光路长度。个人计算机225经由包括在驱动器单元281中的马达驱动台驱动器283来控制马达驱动台217-1。
接着，将说明测量光206的光路。光耦合器231分割得到的测量光206经由单模光纤230-4被引导至透镜235-4。透镜235-4将测量光206调整成光束直径为4mm的平行光束。偏光控制器253-1和253-2可以调整测量光206的偏光状态。将测量光206的偏光状态调整成在与图面平行的方向上呈直线偏光。
测量光206穿过可移动分束器261和分束器258。然后，测量光206经由球面镜260-1和260-2入射到空间光调制器259上以进行调制。空间光调制器259是通过利用液晶的取向性进行调制的调制器。为了调制直线偏光(P偏光)的相位，空间光调制器259位于与图面平行的方向上，从而与测量光206的偏光方向一致。个人计算机225经由包括在驱动器单元281中的空间光调制器驱动器284来控制空间光调制器259。
测量光206穿过偏光板273，并且经由球面镜260-3和260-4入射到X扫描器221的镜上。偏光板273的作用是仅将返回光208中的在与图面平行的方向上呈直线偏光的成分引导至空间光调制器259。X扫描器221是用于使用测量光206在与图面平行的方向上进行扫描的扫描器。这里使用共振扫描器。X扫描器221的驱动频率约为7.9kHz。
测量光206经由球面镜260-5和260-6入射到XY扫描器219的镜上。尽管将XY扫描器219作为单个镜来示出，但XY扫描器219实际包括彼此相邻配置的X扫描镜和Y扫描镜这两个镜。将测量光206的中心调整成与XY扫描器219的镜的转动中心一致。XY扫描器219的可变驱动频率可以高达500Hz。
球面镜260-7～260-9构成用于对视网膜227进行扫描的光学系统。该光学系统的作用是使用测量光束206围绕位于角膜226附近的支点对视网膜227进行扫描。
尽管测量光206的光束直径为4mm，但光束直径可以增大，从而获取分辨率更高的断层图像。
马达驱动台217-2可以在由箭头所表示的方向上移动。这种移动使得能够调整和控制相关联的球面镜260-8的位置。如同马达驱动台217-1那样，马达驱动台217-2由马达驱动台驱动器283进行控制。
可以对球面镜260-8的位置进行调整，以使测量光206聚焦于视网膜227的预定层上以进行观察。在初始状态下，对球面镜260-8的位置进行调整，以使得测量光206作为平行光束入射到角膜226上。
眼部图像拍摄装置20可以处理被检眼207具有屈光异常的情况。入射到被检眼207上的测量光206由视网膜227反射和散射并且变为返回光208。然后，测量光206(返回光208)被再次引导至光耦合器231，并且到达线传感器239。
返回光208的一部分由可移动分束器261反射，并经由透镜235-5引导至检测器238。遮光板272具有针孔。遮光板272的作用是遮挡返回光208中的没有聚焦于视网膜227的不需要部分。遮光板272配置在与透镜235-5的对焦位置共轭的位置处。例如，遮光板272的针孔的直径为50μm。检测器238的例子是作为高速高灵敏度的光学传感器的雪崩光电二极管(APD)。
分束器258分割得到的返回光208的一部分入射到波前传感器255上。波前传感器255是夏克-哈特曼(Shack-Hartmann)波前传感器。
对球面镜260-1～260-9进行配置，以使XY扫描器219、X扫描器221、角膜226、波前传感器255和空间光调制器259呈光学共轭。这种配置允许波前传感器255测量被检眼207的像差。该配置还允许空间光调制器259对被检眼207的像差进行校正。基于所感测到的像差，实时控制空间光调制器259以校正被检眼207中所发生的像差。这使得能够获取到横向分辨率更高的断层图像。
接着，将说明测量系统的结构。眼部图像拍摄装置20可以获取断层图像(OCT图像)和平面图像(SLO图像)。首先，将说明断层图像用的测量系统。
光耦合器231对返回光208进行复用。复用光242经由单模光纤230-3和透镜235-2被引导至透过光栅241。透过光栅241针对波长对复用光242进行分光。由此产生的光束经由透镜235-3入射到线传感器239上。
线传感器239针对各个位置(波长)将光的强度转换成电压。帧捕获器240将电压信号转换成数字值。个人计算机225根据这些数字值来构造被检眼207的断层图像。线传感器239具有1024个像素，并且可以针对各波长(1024分割)获取复用光242的强度。
接着，将说明平面图像用的测量系统。
返回光208的一部分由可移动分束器261反射。遮光板272遮挡反射光的不需要部分。由此产生的光达到检测器238，其中检测器238将该光的强度转换成电信号。个人计算机225与X扫描器221和XY扫描器219的扫描信号同步地对由此产生的电信号进行数据处理，由此形成平面图像。分束器258分割得到的返回光208的一部分入射到波前传感器255上。波前传感器255测量返回光208的像差并且产生图像信号。个人计算机225获得该图像信号并计算像差。通过使用泽尼克多项式来表示所计算出的像差，其中这些像差表示被检眼207的像差。
泽尼克多项式包括倾斜项、散焦项、像散(像散像差)项、彗差项和三叶草项。
接着，将参考图5A～5C来说明通过使用眼部图像拍摄装置20获取断层图像(OCT图像)的方法。
眼部图像拍摄装置20可以通过控制XY扫描器219、使用X扫描器221作为固定镜并利用线传感器239获取干涉图案，来获取视网膜227的断层图像。眼部图像拍摄装置20控制可移动分束器261以使得返回光208未被引导至检测器238。个人计算机225经由包括在驱动器单元281中的光学扫描器驱动器282控制X扫描器221和XY扫描器219。以下将说明用于获取视网膜227的(沿着与光轴平行的平面的)断层图像的方法。
图5A是被检眼207的示意图，其示出眼部图像拍摄装置20观察被检眼207的状态。如图5A所示，测量光206穿过角膜226并且入射到视网膜227上。测量光206在各个位置处发生反射和散射并且变为返回光208。返回光208在伴随着各位置处的时间延迟的情况下到达线传感器239。
光源201的带宽宽且相干长度短。因而，当参考光路的光路长度和测量光路的光路长度大致相等时，线传感器239可以检测到干涉图案。如上所述，线传感器239获取波长轴上的光谱域内的干涉图案。
然后，眼部图像拍摄装置20考虑到线传感器239和透过光栅241的特性，将作为与波长轴有关的信息的干涉图案转换成光频轴上的干涉图案。此外，眼部图像拍摄装置20对转换得到的光频轴上的干涉图案进行逆傅立叶变换，由此获取深度方向上的信息。眼部图像拍摄装置20可以在检测干涉图案的情况下，如图5B所示驱动XY扫描器219。这使得能够获取到X轴方向上的各位置处的干涉图案，即获取到沿着X轴方向的各位置的深度方向的信息。结果，眼部图像拍摄装置20获取到返回光208的强度在XZ平面上的二维分布、即断层图像232(图5C)。
如上所述，断层图像232自身包含返回光208的强度的阵列。例如，对这些强度应用灰度级并显示这些强度。断层图像232在X方向上的长度为700μm。图5C示出由此产生的仅突出边界的断层图像232。断层图像232示出视网膜色素上皮层246、神经纤维层247和血管278。
接着，将说明通过使用眼部图像拍摄装置20来获取平面图像(SLO图像)的方法。
眼部图像拍摄装置20通过在Y轴方向上操作和控制XY扫描器219并在X轴方向上固定XY扫描器219、操作和控制X扫描器221、并且利用检测器238获取返回光208的强度，来获取视网膜227的平面图像。个人计算机225经由驱动器单元281内的光学扫描器驱动器282来控制X扫描器221和XY扫描器219。在获取平面图像时，眼部图像拍摄装置20可以根据波前传感器255所测量出的被检眼207的像差来控制空间光调制器259，由此校正被检眼207中所发生的像差。眼部图像拍摄装置20还可以在获取平面图像时实时控制空间光调制器259。
在本典型实施例中，眼部图像拍摄装置20在获取SLO图像时，使球面镜260-8在如图5B所示的箭头方向上进行移动以调整聚焦位置。具体地，眼部图像拍摄装置20使球面镜260-8进行移动以聚焦于视网膜色素上皮层246的外侧边界B6(参见后面要说明的图7A)的亮度最高的位置。这样可以将聚焦位置设置到B6。然后，眼部图像拍摄装置20可以使球面镜260-8移动预定量，以将聚焦位置设置为不同的位置。例如，可以对眼部图像拍摄装置20进行设计，以使得当球面镜260-8移动1mm时，聚焦位置移动5μm。应当注意，焦点调整的方法不限于此。例如，空间光调制器259可用于进行焦点调整。可选地，可以采用可变形状镜来进行像差校正以进行焦点调整。可选地，整个光学系统可被配置成并非使用球面镜而是使用透镜的折光系统，并且可以使调焦透镜进行移动以进行调整。
如上所述，AO-SLO摄像装置可以获得比利用传统的傅立叶域OCT和眼底照相机要拍摄的血管小的位于黄斑附近的毛细血管、神经纤维以及视细胞的图像。
将与图6的流程图所示的图像处理装置10的执行过程相关联地说明构成图像处理装置10的各块的功能。上述的图像处理装置10从预定聚焦位置处所拍摄的SLO运动图像来测量血球(血流)的动态。该SLO运动图像是在被设置为聚焦于与血管位置的至少一部分(即，为了观察血球动态所要测量的血管位置)相比更深的位置的状态下所拍摄的图像。图像处理装置10从这种SLO运动图像识别血球的动态。当聚焦到视细胞层附近时，可以以高亮度观察到视细胞群。然而，在视网膜血管存在的区域中，各种血球成分阻止测量光到达SLO聚焦深度，并且在由此产生的SLO图像上形成低亮度的阴影。该阴影的边界在与视网膜血管壁相对应的区域中变模糊。另一方面，一部分血球成分没有形成阴影。即使在视网膜血管存在的区域中，这些成分也产生高亮度。没有形成阴影的血球成分被认为是白血球。可以以高对比度观察到高亮度区域在血管内的移动。测量高亮度区域在血管内的移动速度等同于测量白血球的移动速度。
如上所述，聚焦到视细胞附近的SLO运动图像允许精确地观察血球动态。然而，由于血管本身并未处于对焦，因此可能无法以高精度识别血管区域。
然后，图像处理装置10基于眼部的图像特征的获取结果来判断是否需要改变聚焦位置以重新拍摄SLO图像。如果判断为需要改变聚焦位置以进行重新拍摄，则图像处理装置10基于眼部特征来确定与聚焦位置的改变有关的摄像参数。然后，特别是在聚焦于存在血管的区域的状态下重新拍摄SLO图像。图像处理装置10从由此产生的图像中识别血管区域。结果，图像处理装置10可以根据与血球的动态有关的信息以及与血球区域有关的信息来以较高的精度和可靠性对血球的动态进行测量。
将参考图7A～7D给出根据本典型实施例的处理的概述。图7A是用于说明本典型实施例中要设置的聚焦位置的图。图7B示出将聚焦位置设置到神经纤维层附近时所获得的SLO图像和视网膜血管的示例。图7C示出将聚焦位置设置到视细胞的内节和外节之间的边界附近时所获得的SLO图像和视网膜血管阴影的示例。图7D示出如下的表信息，其中该表信息包括聚焦深度值、在各聚焦深度处观察到的视网膜层的类型、以及通过对聚焦于各视网膜层的SLO图像进行分析所获得的图像特征。
在本典型实施例中，图像处理装置10从将聚焦位置设置到视细胞C附近的状态下所拍摄的SLO运动图像M1中提取视网膜血管阴影SH。然后，图像处理装置10尝试检测视网膜血管阴影SH内的白血球(第二组织)并测量其速度。如果判断为该聚焦位置处的SLO运动图像M1(第二SLO图像)不适合识别血管区域(第一组织)，则图像处理装置10将该聚焦位置改变到神经纤维层附近。然后，在该聚焦位置处拍摄SLO静止图像M2(第一SLO图像)。如果SLO运动图像M1包括血管区域的检测结果的可靠性降至阈值以下的任意部位，则图像处理装置10检查SLO静止图像M2的相同的x-y位置处的亮度值。然后，图像处理装置10将在这两个SLO图像上检测到的高亮度成分的边界判断为视网膜血管区域。因而，可以根据将聚焦位置设置到视细胞C附近的SLO运动图像M 1来对白血球的动态进行鲁棒性更强的测量。
在步骤S610中，SLO图像获取单元110请求眼部图像拍摄装置20获取被设置到特定聚焦位置的SLO图像(静止图像或运动图像)。如果需要，眼部体图像获取单元120可以请求眼部图像拍摄装置20获取眼部体图像。在本典型实施例中，仅输入了SLO运动图像M1(帧编号i＝1，2，...，N)。如图7A所示，设置了位于视细胞的内节和外节之间的边界附近的聚焦位置F1。
响应于获取请求，眼部图像拍摄装置20获取和发送相应的SLO运动图像M1。SLO图像获取单元110经由LAN 30从眼部图像拍摄装置20接收SLO运动图像M1。SLO图像获取单元110将所接收到的SLO运动图像M1存储在存储单元130中。
在步骤S620中，识别单元141从步骤S610所获取到的图像中获取眼部特征。在本典型实施例中，在步骤S610中仅获取到SLO运动图像M 1。作为与眼部的血流速度有关的信息，如图7C所示，流速指定单元(第二识别单元)1412从SLO运动图像M 1中获取与视网膜血管阴影区域SH和高亮度血球成分W1有关的数据。识别单元141将所获取到的眼部特征数据存储在存储单元130中。如果需要，识别单元141将该眼部特征数据发送至数据服务器40。
将说明流速指定单元(第二识别单元)1412获取与血流速度有关的信息的过程。流速指定单元1412从SLO运动图像M1(第二SLO图像)中检测视网膜血管阴影区域SH。具体地，流速指定单元1412在SLO运动图像M1的相邻各帧之间进行差分处理，在各组x-y位置处在帧方向上检查像素值，并且确定像素值的标准偏差。流速指定单元1412检测标准偏差的值高于或等于阈值T1的区域作为血管阴影区域SH。
接着，流速指定单元(第二识别单元)1412通过使用任意公知的图像处理技术来从视网膜血管阴影区域SH中检测高亮度血球成分。在本典型实施例中，流速指定单元1412在视网膜血管阴影区域SH内的亮度值高于或等于阈值T2的区域中检测面积大小小于或等于阈值T3且圆形度大于或等于阈值T4的区域，作为高亮度血球成分W2。
在本典型实施例中，流速指定单元(第二识别单元)1412识别流经血管的高亮度点作为血球成分，而没有直接确定流速。然而，这并非限制性的，并且流速指定单元1412可以识别血流速度。
在步骤S630中，判断单元142基于步骤S620中所获取到的眼部特征来判断是否需要拍摄聚焦位置不同的SLO静止图像M2。换言之，判断单元142判断是否由于从SLO运动图像M1识别出的血管形状异常而需要拍摄SLO静止图像M2。
在本典型实施例中，眼部特征是SLO运动图像M1中的视网膜血管阴影区域SH和高亮度血球成分W1。判断单元142使视网膜血管阴影区域SH细线化成曲线，并且在这些曲线的各个位置处测量视网膜血管阴影的直径D1。如果视网膜血管阴影的直径D1的测量值包括小于阈值Ts或者大于阈值Ta的值，则判断单元142判断为无法从SLO运动图像M1中识别血管区域，并且判断为需要拍摄聚焦位置不同的SLO静止图像M2。这样可以降低血管直径被过低估计或者过高估计而导致对血管误识别的可能性。
应当注意，血管形状异常仅表示SLO运动图像M1中所识别出的血管的形状异常，而并不一定表示被检体的视网膜血管异常。例子包括如下的情况：由于固视期间的无意识眼动，因此SLO运动图像M1的图像质量低。
如果判断单元142判断为需要进行重新摄像(步骤S630中为“是”)，则在步骤S640中，确定单元180确定与重新摄像的聚焦深度有关的参数。用于改变聚焦位置的参数可以包括以下：
(i)新设置的聚焦位置的数量；
(ii)聚焦位置的变化范围；
(iii)聚焦位置的变化间隔；以及
(iv)各聚焦位置。
在本典型实施例中，确定单元180从数据服务器40预先获取构成视网膜227的各层的厚度的正常值。在神经纤维层附近能够清楚地观察到视网膜血管的边界。因此，确定单元180将新的聚焦位置F2设置到神经纤维层附近，即设置到在内层侧上与聚焦位置F1相距约200μm的位置。结果，新设置的聚焦位置的数量为1个，变化范围为200μm，变化间隔为200μm，并且聚焦位置为F1-200μm。如果步骤S630中判断单元142判断为无需改变聚焦位置(步骤S630中为“否”)，则该处理进入后面所述的步骤S650。
在步骤S640中，摄像指示单元100从操作单元170或存储单元130中获取确定单元180所确定的聚焦深度的参数以及其它摄像条件。摄像指示单元100将这些摄像条件和由此产生的摄像指示信号发送至眼部图像拍摄装置20。在步骤S645中，根据所接收到的摄像指示信号，眼部图像拍摄装置20基于所指示的条件来拍摄眼部的SLO图像。
在步骤S645中，眼部图像拍摄装置20基于步骤S640中所确定的与聚焦位置的改变有关的参数来获取新的SLO静止图像M2。在本典型实施例中，如图7B所示，眼部图像拍摄装置20通过使用聚焦位置比SLO运动图像M1浅的信号光来获取聚焦位置F2被设置到神经纤维层附近的SLO静止图像M2。应当注意，在视细胞的内节和外节之间的边界附近的聚焦位置F1处所获取到的SLO运动图像M1上的视网膜血管阴影区域SH与在神经纤维层附近的聚焦位置F2处所获取到的SLO静止图像M2上的视网膜血管区域BV相对应。
在另一例子中，用户可能期望在重新摄像之前确认摄像条件设置。在这种情况下，在判断单元142判断为需要进行重新摄像之后(步骤S630中为“是”)，图像处理装置10可以发出用以确认是否可以进行重新摄像的通知。在这种情况下，图像处理装置10使显示单元160将用于指示是否进行重新摄像的按钮和该通知一起显示。用户对操作单元170进行操作，并且基于由此产生的指示信息，图像处理装置10判断是否进行重新摄像。
在另一例子中，在确定单元180设置了聚焦位置的参数之后，显示控制单元144使显示单元160显示包括聚焦位置的参数的摄像条件，从而用户可以进行改变。显示控制单元144还使显示单元160显示用于指示摄像的按钮。因而，在用户基于通过第一次摄像所拍摄的图像而改变摄像条件之后，图像处理装置10可以根据用户指示来指示眼部图像拍摄装置20进行摄像。
在步骤S610中(第二轮)，SLO图像获取单元110获取SLO静止图像M2。然后，图像处理装置10进入步骤S620(第二轮)以从SLO静止图像M2中获取眼部特征。
在步骤S620中(第二轮)，识别单元141从步骤S610(第二轮)中所获取到的SLO静止图像M2(第一SLO图像)获取视网膜血管区域BV。在本典型实施例中，识别单元141通过使用任意公知的线增强滤波器，从SLO静止图像M2检测视网膜血管区域BV。在用于检测视网膜血管区域BV的处理之后，图像处理装置10进入步骤S650以进行运算处理。
在步骤S650中，获取单元143使用聚焦位置F1处所获取到的SLO运动图像M1和聚焦位置F2处所获取到的SLO静止图像M2来进行运算。由此，获取单元143测量眼部细胞(或组织)的动态(或形态)。
本典型实施例中要识别的信息是与血管内的血流有关的信息。该要识别的信息至少包括与血管的阻塞位置有关的信息、与血管内的血流量有关的信息以及与血管内的最大血流速度和最小血流速度有关的信息中的任意信息。获取单元143将血管区域与血液实际流经血管的区域进行比较，由此确定出没有血流的血管区域并且识别出血管的阻塞位置。
获取单元143从血管区域还获取与厚度有关的信息，并将该信息和与血流速度有关的信息进行组合以测量每单位时间的血流量。获取单元143在特定时间段内在SLO运动图像M1上连续测量血流量以获取血流量的变化。由此，获取单元143获取与最大血流速度和最小血流速度有关的信息。后面将详细说明测量用的具体过程。
在步骤S660中，显示控制单元144使显示单元160显示步骤S610所获取到的眼部图像以及步骤S650中获取单元143所计算出的眼部细胞(或组织)的动态(或形态)的测量结果。在本典型实施例中，显示控制单元144使显示单元160显示SLO运动图像M1作为眼部图像。作为测量结果，显示控制单元144使显示单元160显示高亮度血球成分W1的移动速度的图以及基于移动速度计算出的血流动态的指标。
图8A～8D是示出显示控制单元144显示在显示单元160上的信息的图。图8A示出显示血管的特定位置处的每单位时间的血液流量的图像。图8B示出显示血管的阻塞位置的图像。图8C示出通过沿着血管上的路径P对SLO运动图像M1进行裁切所获得的时空图像的示例。图8D示出血流速度的图的示例。显示内容不限于此。可以显示任意的图像、图像处理结果、测量值和测量指标。
在步骤S670中，指示获取单元150从外部获取关于是否将步骤S650中获取单元143所输出的测量结果存储在数据服务器40中的指示。例如，操作员经由键盘307和/或鼠标308输入这种指示。如果存在用以存储测量结果的指示(步骤S670中为“是”)，则该处理进入步骤S680。如果不存在这种指示(步骤S670中为“否”)，则该处理进入步骤S690。
在步骤S680中，图像处理单元140将检查日期和时间、用于识别被检眼的信息以及测量结果彼此相关联地发送至数据服务器40。
在步骤S690中，指示获取单元150从外部获取关于是否结束图像处理装置10的SLO图像测量处理的指示。操作员经由键盘307和/或鼠标308输入这种指示。如果获取到用以结束该处理的指示(步骤S690中为“是”)，则图像处理装置10结束SLO图像测量处理。如果获取到用以继续该处理的指示(步骤S690中为“否”)，则该处理返回至步骤S610。然后，图像处理装置10对下一被检眼进行处理(或者对同一被检眼进行重新处理)。
接着，将参考图9A和9B的流程图来详细说明步骤S650中要进行的处理。
在步骤S910中，测量位置设置单元1431基于步骤S620(第一轮和第二轮)中所获取到的眼部特征来设置对血流速度进行测量所利用的测量位置。在本典型实施例中，测量位置设置单元1431采用指示获取单元150所获取到的测量位置。具体地，测量位置设置单元1431采用图7C的路径Q。应当注意，没有必要手动指定测量位置，并且可以基于眼部特征来自动设置测量位置。例如，可以使步骤S620中识别单元141所获取到的视网膜血管阴影区域SH细线化成血管中心线P。测量位置设置单元1431可以使用血管中心线P作为测量位置。
在步骤S920中，图像特征选择单元1433从步骤S620中识别单元141所获取到的眼部特征中选择测量要使用的图像特征。在本典型实施例中，图像特征选择单元1433从步骤S620(第一轮)所获取到的眼部特征，选择SLO运动图像M1中的高亮度血球成分W1。假定该图像中的高亮度移动物体是白血球。图像特征选择单元1433计算所检测到的视网膜血管阴影区域SH在血管中心线P上的各位置Pi处的异常度Ia。假定测量位置Pi处的异常度Ia低于特定值。图像特征选择单元1433选择位于相对于该测量位置Pi的特定距离内的视网膜血管阴影区域SH作为测量用的图像特征(而无需参考SLO静止图像M2的图像特征)。另一方面，如果测量位置Pi处的异常度Ia高于或等于特定值，则图像特征选择单元1433参考SLO静止图像M2。只有SLO静止图像M2上的相同的x-y位置处的像素属于视网膜血管区域BV的情况下，图像特征选择单元1433才选择位于相对于测量位置Pi的特定距离内的视网膜血管阴影区域SH作为测量用的图像特征。
任意公知的指标均可用作异常度Ia。本典型实施例使用正常血管直径的平均值Da与通过使视网膜血管阴影区域SH细线化所获得的曲线上的各位置Pi处所测量出的视网膜血管阴影区域SH的直径D1之间的残差的平方。如果聚焦位置F1被设置到视细胞C附近的SLO运动图像M1上所检测到的血管候选区域(视网膜血管阴影区域SH)的可靠性低，则图像特征选择单元1433参考SLO静止图像M2上所检测到的图像特征。这使得能够更加精确地测量出SLO运动图像M1上的血管直径。
在步骤S930中，测量单元1434通过使用步骤S920中所选择的图像特征来测量眼部细胞(或组织)的动态(或形态)。在本典型实施例中，测量单元1434通过使用以下的图像特征来测量白血球的移动速度：步骤S 920中所选择的SLO运动图像M1上的高亮度血球成分W1；以及在位置方面与SLO静止图像M2上的视网膜血管区域BV相关联的SLO运动图像M1上的血管候选区域(视网膜血管阴影区域)SH。
将参考图9B来详细说明步骤S930中所进行的处理。
在步骤S931中，测量单元1434测量识别单元141所获取到的视网膜血管阴影区域SH的血管直径。具体地，如图7C所示，测量单元1434在通过使视网膜血管阴影区域SH细线化所获得的血管中心线P上的各位置Pi处，沿着与血管中心线P垂直的方向检查亮度值。测量单元1434将亮度值高于或等于阈值T5的范围的距离确定为血管直径D1。
在步骤S932中，测量单元1434基于步骤S920中所选择的SLO运动图像M1上的高亮度血球成分W1来计算血流速度v。具体地，测量单元1434获取步骤S910中所设置的测量路径Q上的相邻帧间速度vi。
vi＝高亮度血球成分的移动距离[mm]×帧频k[1/sec]
在步骤S933中，测量单元1434基于步骤S931中所计算出的血管直径的值以及步骤S932中所计算出的血流速度v的值来计算与血球动态有关的指标。在本典型实施例中，测量单元1434通过使用以下等式来计算搏动指数(pulsatility index，PI)、抗性指数(resistance index，RI)和血流量(FL)作为血流动态指标。
搏动指数PI＝(PSV-EDV)/Va；
抗性指数RI＝(PSV-EDV)/PSV；以及
血流量FL[ml/min]＝0.06×血流速度[mm/sec]×血管横截面积[mm2]，其中
PSV＝收缩期峰值血流速度，
EDV＝舒张末期血流速度，以及
Va＝血流速度的平均值。
搏动周期以及收缩期的位置和舒张末期的位置是基于脉搏波数据所确定的。这里所采用的脉搏波是指由于血液流入身体的特定部位所引起的容积变化的波形表示。可以通过捕获血管运动反应来测量脉搏波。
血管横截面积是基于血管直径的值(假定血管的横截面为圆形)所计算出的值。这些指标使得能够定量评价测量位置中的血液流动性以及每单位时间的供血量。
利用上述结构，图像处理装置10根据被设置为聚焦于视细胞的内节和外节之间的边界附近的状态下所拍摄的SLO运动图像M 1来进行血流测量。在测量期间，图像处理装置10根据所检测到的血管候选区域SH的异常度Ia来判断是否需要拍摄聚焦位置不同的SLO图像。
如果判断为需要改变聚焦位置以进行重新拍摄，则图像处理装置10将聚焦位置改变到神经纤维层附近，并使眼部图像拍摄装置20拍摄SLO静止图像M2。如果SLO运动图像M1的血管候选区域SH包括可靠性低的部位，则图像处理装置10检查SLO静止图像M2的相同的x-y位置。然后，图像处理装置10通过将在这两个SLO图像上被检测为血管候选区域SH的区域当作视网膜血管区域BV，来计算白血球的动态。这使得能够更加精确地测量聚焦位置F1被设置到视细胞C附近的SLO运动图像M 1上的白血球的动态。
根据本典型实施例，基于图像信息来判断是否重新拍摄SLO图像并且确定重新摄像的参数。这样可以减轻SLO摄像装置的用户的工作负荷。还可以缩短作为被检体的拘束时间的摄像时间。
在第一典型实施例中，当改变聚焦位置以重新拍摄SLO图像时，图像处理装置10在不同的聚焦位置所拍摄的SLO图像的各位置处的图像特征之间进行运算。因而，第一典型实施例意图提高测量精度。第二典型实施例意图选择适合于各个聚焦位置所获取到的图像(的图像分析)的图像特征的类型，并且组合所选择的各个图像特征的检测结果以计算测量指标，由此更加精确地测量眼部组织和/或细胞的形态和/或动态。
聚焦位置被设置到神经纤维层的SLO静止图像M2使得能够精确地观察视网膜血管的边界。然而，由于血管壁的亮度高，因此有时难以获取诸如血流速度等的血管内的信息。聚焦位置被设置到视细胞C的SLO运动图像M1使得能够以较高的对比度观察白血球的移动轨迹。然而，由于血管并未处于对焦，因此难以精确地识别血管区域。
需要获取与血管区域和血流速度这两者有关的信息，从而测量血流动态。
在本典型实施例中，为了精确地测量毛细血管内的血流速度，首先，图像处理装置10获取聚焦位置F2被设置到神经纤维层的多个SLO静止图像M2(第一SLO图像)，并且识别视网膜血管区域BV(第一组织)。然后，图像处理装置10对这些SLO图像应用滤波，从而尝试识别流经血管的高亮度物体(第二组织)。代替SLO静止图像，可以获取SLO运动图像以识别高亮度物体。即使高亮度物体自身无法被识别，图像处理装置10也可以识别血管内的亮度的时间变化，由此识别出与血流速度等有关的信息。
如果判断为无法识别与血流速度有关的信息，则图像处理装置10判断为需要改变聚焦位置从而获取血流测量所需的血球成分的移动轨迹。然后，图像处理装置10获取聚焦位置被设置到视细胞的内节和外节之间的边界附近的SLO运动图像M1。作为眼部特征，图像处理装置10从SLO运动图像M1中检测白血球成分的移动轨迹。图像处理装置10根据视网膜血管区域BV测量血管直径D2，根据白血球成分的移动轨迹测量血流速度v，并基于这些测量来计算血流动态指标。由此，图像处理装置10以较高的精度测量眼部组织和/或细胞的形态和/或动态。
根据本典型实施例的图像处理装置10的功能框图与图1基本相同。与第一典型实施例的不同之处在于：图像特征选择单元1433包括在识别单元141中。图像处理单元140预先保持被称为眼部特征列表FD的列表数据。该眼部特征列表FD列出了诸如图7D所示内容等的针对各聚焦位置的值(或层类型)的适合于分析(或观察)的眼部特征的类型。
将说明图7D。图7D示出如下的眼部特征列表FD，其中该眼部特征列表FD包含与各聚焦位置相对应的层的类型以及聚焦位置被设置到各层时能够最清楚地观察到的眼部特征。当层形状正常时，图像处理装置10可以基于聚焦位置来选择眼部特征。如果如后面的典型实施例那样，存在层形状异常，则图像处理装置10并非基于聚焦位置而是基于层类型来选择眼部特征。在图中由F1来表示聚焦位置。然而，并不局限于F1。例如，还可以由F2来表示聚焦位置。根据本典型实施例的图像处理过程如图6所示。除了步骤S610、S620、S630、S640和S650以外，该图像处理过程与第一典型实施例相同。将省略对相同部分的说明。
在步骤S610中，SLO图像获取单元110获取聚焦位置F2被设置到神经纤维层的SLO静止图像M2。图7B示出SLO静止图像M2的例子。可以清楚地观察到视网膜血管的边界。由于视网膜血管的内部的整体亮度高，因此表示白血球的颗粒状区域W2相对于背景的对比度并不高。
在步骤S620中，识别单元141从聚焦位置F2处所获取到的SLO静止图像M2获取眼部特征。在本典型实施例中，图像特征选择单元1433参考眼部特征列表FD，并且根据SLO静止图像M2的聚焦位置F2的值来自动选择眼部特征的类型以获取眼部特征。具体地，眼部特征选择单元1433基于SLO静止图像M2的(神经纤维层附近的)聚焦位置F2来选择视网膜血管区域BV作为眼部特征。区域指定单元(第一识别单元)1411从SLO静止图像M2获取视网膜血管区域BV。应当注意，获取眼部特征的方法不限于此。例如，区域指定单元1411可以获取指示获取单元150所指示的类型的眼部特征。
识别单元141将所检测到的眼部特征数据存储到存储单元130中。如果需要，识别单元141将该眼部特征数据发送至数据服务器40。
在步骤S630中，判断单元142判断是否需要改变聚焦位置。判断单元142根据SLO静止图像M2的聚焦位置F2和从SLO静止图像M2获取到的眼部特征的类型来判断是否需要改变聚焦位置。判断单元142对SLO静止图像M2应用预先设置的滤波，从而尝试识别流经血管的高亮度物体(第二组织)。代替SLO静止图像，可以获取SLO运动图像以识别高亮度物体。在高亮度物体自身无法被识别的情况下，判断单元142可以识别血管内的亮度的时间变化，由此识别出与血流速度有关的信息。如果无法识别这种信息，则判断单元142参考图7D的表，并且判断为需要将聚焦位置F2改变为位于视细胞的内节和外节之间的边界附近的聚焦位置F1，从而获得血球特征。
在步骤S640中，确定单元180确定与改变聚焦位置有关的参数。用于改变聚焦位置的参数包括以下：
(i)新设置的聚焦位置的数量；
(ii)聚焦位置的变化范围；
(iii)聚焦位置的变化间隔；以及
(iv)各聚焦位置。
在本典型实施例中，确定单元180确定出如下值：(i)1，(ii)200μm以及(iii)200μm。确定单元180还确定出(iv)新聚焦位置F1为F2+200μm。应当注意，用于改变聚焦位置的方法不限于此。例如，用户可以从指示获取单元150指示是否需要改变聚焦位置。用户可以指定用于改变聚焦位置的参数值。
在步骤S610(第二轮)中，SLO图像获取单元110通过使用确定单元180所确定的用于改变聚焦位置的参数来获取新的SLO运动图像M1。由于在步骤S640中SLO运动图像M1的聚焦位置被设置到视细胞的内节和外节之间的边界附近、即F2+200μm附近，因此由此产生的SLO运动图像M1如图7C所示。尽管视网膜血管阴影区域SH的边界变模糊，然而在该图像中仍可以以高对比度来观察和分析表示白血球的颗粒状高亮度区域W1。
在步骤S620(第二轮)中，流速指定单元(第二识别单元)1412从新获取到的SLO运动图像M1获取眼部特征。在本典型实施例中，流速指定单元1412通过以下的过程来获取高亮度血球成分W1的移动轨迹：
(i)生成时空图像；以及
(ii)检测该时空图像上的线状区域。
(i)流速指定单元1412通过使x-y坐标与视网膜血管存在的区域、即SLO静止图像M2上的视网膜血管区域BV的x-y坐标相同的区域细线化来确定血管中心线P。然后，如图8C所示，流速指定单元1412生成以沿着血管中心线P的位置r作为横轴且以时间t作为纵轴的时空图像。该时空图像等同于SLO运动图像M1中的沿着路径P所截取的相对于时间的曲线截面。时间t是通过将SLO运动图像M1的帧编号i除以帧频k[1/sec]所确定的。该时空图像包括各自表示血球成分的移动距离的多个高亮度线状成分LCi。
(ii)流速指定单元1412在时空图像上检测高亮度线状区域LCi。流速指定单元1412使用任意公知的线增强滤波器来增强线，并利用阈值Tt使该结果二值化以进行检测。
在步骤S650中，测量单元1434通过使用视网膜血管区域BV和白血球的移动轨迹来测量血球的动态。视网膜血管区域BV是从聚焦位置F2处获取到的SLO静止图像M2所获取到的眼部特征。白血球的移动轨迹是从聚焦位置F1处获取到的SLO运动图像M1所获取到的。将参考图9A来详细说明步骤S650中所进行的处理。
在步骤S910中，测量位置设置单元1431基于步骤S620中所获取到的眼部特征来设置对血流速度进行测量所用的测量位置。在本典型实施例中，测量位置设置单元1431采用从指示获取单元150获取到的测量位置。具体地，测量位置设置单元1431采用图7C的路径Q。应当注意，没有必要手动指定测量位置，并且可以基于眼部特征来自动设置测量位置。例如，可以使步骤S620中识别单元141所获取到的视网膜血管区域BV细线化成血管中心线P。测量位置设置单元1431可以使用血管中心线P作为测量位置。在本典型实施例中，由于已选择了图像特征，因此该处理跳过步骤S920并进入步骤S930。
在步骤S930中，测量单元1434通过使用从SLO运动图像M1和SLO静止图像M2所获取到的眼部特征来测量眼部细胞(或组织)的动态(或形态)。在本典型实施例中，测量单元1434通过使用从SLO静止图像M2获取到的视网膜血管区域BV和从SLO运动图像M1获取到的高亮度血球成分W1的移动轨迹来测量白血球的移动速度。将参考图9B来详细说明步骤S930中进行的处理。
在步骤S931中，测量单元1434测量识别单元141所获取到的视网膜血管区域BV中的血管直径。具体地，如图7B所示，测量单元1434在通过使视网膜血管区域BV细线化所获得的血管中心线P上的各位置Pi处，沿着与血管中心线P垂直的方向检查亮度值。测量单元1434将亮度值高于或等于阈值T6的范围的距离确定为血管直径D2。
在步骤S932中，测量单元1434基于时空图像上所检测到的线状区域LCi来计算血流速度v。具体地，测量单元1434使用Hough变换来将线状区域LCi检测为直线，并且通过使用该直线的角度和相对于坐标原点的距离来计算血流速度v。线检测技术不限于此，并且可以使用任意公知的技术。时空图像的横轴表示沿着血管的位置r[mm]，并且纵轴表示血球成分通过位置r时的时间t[sec]。例如，在r＝0的情况下，在横轴上标绘时间t且在纵轴上标绘血流速度v，由此得出如图8D那样的血流速度v的图。
在步骤S933中，测量单元1434基于步骤S931中所计算出的血管直径的值和步骤S932中所计算出的血流速度v的值来计算与血球动态有关的指标。用于计算与血流动态有关的指标的方法与第一典型实施例的方法相同。因而将省略对该方法的说明。利用前述结构，图像处理装置10从SLO静止图像M2中选择视网膜血管区域BV以及从SLO运动图像M1中选择血球的移动轨迹，并且组合图像特征的获取结果以计算测量指标。这使得能够更加精确地测量眼部内的血球动态。
与第二典型实施例不同，第三典型实施例包括获取眼部体图像以及检查层边界位置的形状。如果层形状发生变形，则根据本典型实施例的图像处理装置10判断为需要改变聚焦位置以进行摄像。图像处理装置10获取聚焦位置不同的SLO静止图像群M2i，并获取视网膜血管区域。图像处理装置10选择适合于对眼底上的各位置进行测量的聚焦位置处的部分图像，并且连结各部分图像上的视网膜血管区域，从而可以更加精确地测量血流动态。
将参考图10A～10D给出该处理的概述。图10A示出表示SLO图像的聚焦位置F3、F4、F5和F6的眼部体图像。图10B示出聚焦于通过组合具有聚焦位置F3、F4和F5的SLO图像所生成的血管区域的SLO图像。图10C示出聚焦位置F6处的SLO图像，其中视细胞C处于对焦。图10D示出SLO图像的聚焦位置以及被设置为聚焦于各位置时从该SLO图像所获得的组织的图像特征。
具体地，图像处理装置10基于从OCT体图像获取到的神经纤维层的边界的位置来获取在不同的聚焦位置处所拍摄的SLO静止图像群M2i。在眼底上的各位置处，图像处理装置10选择聚焦位置被设置到视网膜内层边界附近的部分图像，并在各部分图像上检测视网膜血管BVi。图像处理装置10连结这些视网膜血管BVi以获取视网膜血管区域BV。
如同第二典型实施例那样，在特定情况下，判断单元142判断为需要在获取SLO静止图像群M2i的情况下同时获取适合于检测血球的移动轨迹的SLO运动图像。识别单元141获取聚焦位置F6被设置到视细胞的内节和外节之间的边界附近的SLO运动图像M1，并检测血球在SLO运动图像M1上的移动轨迹。此外，识别单元141通过使用视网膜血管区域BV和血球的移动轨迹来计算血流动态指标。
诸如黄斑浮肿等的疾病能使视网膜内层边界极大变形。即使在这种情况下，也可以组合各个聚焦位置的SLO静止图像中的(适合于测量的)图像特征以计算血流动态指标，从而更加精确地测量血流动态。根据本典型实施例的图像处理装置10的功能框图与第二典型实施例的功能框图基本相同。由于(不同于第一典型实施例和第二典型实施例)观察到层形状异常，因此采用眼部体图像获取单元120和部分图像选择单元1432。
根据本典型实施例的图像处理过程与第二典型实施例的图像处理过程(图6)基本相同。除了步骤S610、S620、S630和S650以外，该图像处理过程与第二典型实施例的图像处理过程相同。因而，在本典型实施例中，将省略针对步骤S640、S660、S670、S680和S690的处理的说明。
在步骤S610中，眼部体图像获取单元120从眼部图像拍摄装置20获取如图10A所示的眼部体图像。眼部体图像获取单元120将该眼部体图像发送至识别单元141。假定本典型实施例中所获取到的眼部体图像包括如图10A所示的黄斑部，并且诸如神经纤维层边界B2以及视细胞的内节和外节之间的边界B5等的视网膜内层边界由于在边界B5与外侧边界B6之间发生的黄斑浮肿而变形。
在步骤S620中，识别单元141从眼部体图像获取单元120所获取到的眼部体图像中获取眼部特征。识别单元141提取内界膜B1、神经纤维层边界B2、视细胞的内节和外节之间的边界B5、视网膜色素上皮层的外侧边界B6以及视网膜血管(未示出)，作为眼部特征。具体地，要处理的眼部体图像可被看作二维断层图像(B扫描图像)的集合。然后，识别单元141对各个二维断层图像进行以下处理。
首先，识别单元141对所关注的二维断层图像进行平滑化处理，由此去除噪声成分。然后，识别单元141从该二维断层图像中检测边缘成分，并且基于这些边缘成分的连结性提取一些线段作为层边界候选。识别单元141选择这些候选中的最上方的线段作为内界膜B1，并且选择从最上方起的第二条线段作为神经纤维层边界B2。识别单元141选择位于内界膜B1的外层侧(图10A中z坐标较大的一侧)的线段中具有最高对比度的线段作为视细胞的内节和外节之间的边界B5。识别单元141选择层边界候选中的最下方的线段作为视网膜色素上皮层的外侧边界B6。
使用这些线段作为初始值，识别单元141可以应用诸如思内克斯(Snakes)、水平集(level-set)或其它可变形模型以进行精确提取。可以使用图形切割法来检测层边界。可以对眼部体图像三维地进行使用可变形模型或图形切割的边界检测，或者可以对各个二维断层图像二维地应用使用可变形模型或图形切割的边界检测。可以使用用于检测层边界的任意方法，只要该方法可以从眼部的断层图像中检测到层边界即可。
在步骤S630中，判断单元142判断是否需要改变聚焦位置。在本典型实施例中，判断单元142对步骤S620中所获取到的眼部特征、例如神经纤维层边界B2进行采样，以获取点列。如果点列包括构成了比特定值小的角度的相邻三个点，则判断单元142判断为存在层形状异常，即需要改变聚焦位置以获取SLO静止图像。
在步骤S640中，确定单元180确定与改变聚焦位置有关的参数。确定单元180参考眼部特征列表FD，并且判断为需要在位于视细胞的内节和外节之间的边界附近的聚焦位置F6处获取SLO运动图像M1。获取SLO运动图像M1的目的是用于测量对血流动态进行测量所需的血球移动。
用于改变聚焦位置的参数包括以下：
(i)新设置的聚焦位置的数量；
(ii)聚焦位置的变化范围；
(iii)聚焦位置的变化间隔；以及
(iv)各聚焦位置。
在本典型实施例中，确定单元180设置图10A所示的聚焦位置(F3、F4、F5和F6)。更具体地，确定单元180确定出如下值：(i)4；(ii)视细胞的内节和外节之间的边界F6-SLO图像的拍摄范围内的神经纤维层边界的最内侧位置F3；(iii)(摄像范围内的神经纤维层边界的最外侧位置F5-F3)/2以及F6-F5；以及(iv)F3、F4＝F3+(F5-F3)/2、F5和F6。
在本典型实施例中，确定单元180使用预先从数据服务器40获取到的与固视目标位置有关的信息来确定断层图像中的SLO图像的拍摄范围。
在步骤S610中，SLO图像获取单元110在步骤S630中判断单元142所指示的聚焦位置F3、F4和F5处获取SLO静止图像M2i。SLO图像获取单元110还获取聚焦位置被设置到视细胞的内节和外节之间的边界附近的SLO运动图像M1。
在步骤S620中，识别单元141从步骤S610中所获取到的SLO静止图像M2i中检测视网膜血管作为眼部特征。识别单元141通过使用任意公知的线增强滤波器来检测血管。在SLO图像中，仅部分区域处于对焦。只要可以从对焦区域内良好地检测到视网膜血管，则在其它区域内血管检测失败也没关系。流速指定单元(第二识别单元)1412从步骤S610中所获取到的SLO运动图像M1中获取血球成分的移动轨迹作为眼部特征。用于获取血球成分的移动轨迹的方法与第一典型实施例的步骤S620(第一轮)的方法相同。因而，在本典型实施例中将省略对该方法的说明。
在步骤S650中，获取单元143基于从SLO静止图像M2i所获取到的眼部特征以及从位于视细胞的内节和外节之间的边界附近的聚焦位置F6处获取到的SLO运动图像M1所获取到的眼部特征来测量血球成分的动态。
接着，将参考图11的流程图来详细说明步骤S650中所进行的处理。
在步骤S1110中，部分图像选择单元1432基于聚焦位置相对于步骤S620(第一轮)中所获取到的眼部特征即神经纤维层边界的距离来选择部分图像。在摄像范围内的各组x-y位置处，部分图像选择单元1432选择所匹配的聚焦位置最近的SLO静止图像M2i作为部分图像。在本典型实施例中，部分图像选择单元1432在摄像范围内的各组x-y位置中选择相对于神经纤维层边界的距离最小的SLO静止图像M2i。结果，部分图像选择单元1432从聚焦位置F3的图像中选择图10B的区域S1，从聚焦位置F4的图像中选择图10B的区域S2，并从聚焦位置F5的图像中选择图10B的区域S3。
在步骤S1120中，如图10B所示，部分图像选择单元1432将步骤S1110中所获取到的部分图像(S1、S2和S3)与步骤S620中所获取到的眼部特征(各部分图像上的视网膜血管区域)连接在一起。在由此产生的图像中，即使当存在层形状异常时，摄像范围(S1+S2+S3)内的视网膜血管也处于对焦。步骤S1130、S1140和S1150与第二典型实施例的步骤S910、S920和S930相同。因而将省略对这些步骤的说明。
利用前述结构，与第二典型实施例不同，图像处理装置10获取眼部体图像并检查层边界位置的形状。如果层形状发生变形，则图像处理装置10判断为需要改变聚焦位置以进行摄像。图像处理装置10获取聚焦位置不同的SLO静止图像群M2i，并且获取视网膜血管区域。图像处理装置10选择适合于对眼底上的各个位置进行测量的聚焦位置处的部分图像，并且连结各部分图像上的视网膜血管区域以更加精确地测量血流动态。诸如糖尿病性黄斑浮肿等的疾病能使视网膜内层边界极大变形。即使在这种情况下，也可以精确地测量摄像范围内的血流动态。
第四典型实施例测量视细胞和神经纤维，而不测量血管。视细胞是眼部中的接收光并获得信号的部位。神经纤维是将信号传输至大脑的部位。这些部位中的任一个部位发生异常均可能伴随有视力功能的劣化、部分丧失或全部丧失。在本典型实施例中，图像处理装置10从SLO图像中识别视细胞和神经纤维的图像，并且使视细胞的图像和神经纤维的图像以彼此相邻的方式或以切换方式进行显示，以精确地检查视力功能。
如同前述典型实施例那样，根据本典型实施例的硬件结构与图1所示的硬件结构相同。因而将省略对该硬件结构的说明。在所应用的结构与前述典型实施例相同的部分中，还将省略说明对这种结构要进行的处理。
将参考图12A～12C给出本典型实施例的处理的概述。图12A示出黄斑部的OCT断层图像，其示出SLO图像的聚焦位置F1和F2。图12B示出聚焦深度为F2的SLO图像。图12C是聚焦深度为F1的SLO图像。聚焦深度F2是为了拍摄神经纤维层RF所确定的值。聚焦深度F1是为了拍摄视细胞C所确定的值。如同前述典型实施例那样，这些值是基于预先所拍摄的SLO图像及其聚焦位置所确定的。用户还可以通过手动调整焦点调整机构来设置这些值。
SLO图像获取单元110获取这些SLO图像。识别单元141从这些SLO图像中识别组织。识别单元141的第一识别单元1411利用前述典型实施例所述的处理，从聚焦位置浅的SLO图像中识别血管区域。第一识别单元1411假定血管区域位于神经纤维层外部。由此，第一识别单元1411识别神经纤维存在的区域。第二识别单元1412从聚焦位置深的SLO图像中去除血流区域，以识别视细胞区域。用于识别血管区域的处理与前述典型实施例的处理相同。因而将省略对该处理的说明。
获取单元143获取识别出神经纤维区域的SLO图像以及识别出视细胞区域的SLO图像。显示控制单元144使显示单元160以彼此相邻的方式或以切换方式显示这些图像。显示控制单元144识别神经纤维的异常部位以及视细胞的异常部位，并使显示单元160以彼此相关联的方式显示这些异常位置。
在另一例子中，获取单元143的图像特征选择单元1433例如通过利用在两个SLO图像上所看到的血管区域而使这两个SLO图像的位置对准。如果指示获取单元150根据来自操作单元170的输入获取到用以选择这些图像其中的一个图像的区域的指示，则获取单元143识别出其它图像中的与该一个图像中所选择出的区域相对应的区域。显示控制单元144使显示单元160以彼此相邻的方式或以切换方式显示该一个图像中所选择出的区域以及其它图像中的与该选择出的区域相对应的区域。
将基于图13的流程图来说明本典型实施例的处理过程。与第一典型实施例的不同之处在于：包括在步骤S650(图6)的信息获取处理中的步骤S930(图9A)的测量处理从图9B所示的处理改变为图13所示的处理。
在步骤S1331中，测量单元1434从聚焦位置F2的图像中识别神经纤维的异常部位。测量单元1434例如通过从该图像中识别神经纤维断裂的区域或纤维局部变薄的区域来识别神经纤维的异常部位。在步骤S1332中，测量单元1434从聚焦位置F1的图像中识别视细胞的异常部位。视细胞的异常部位的例子是视细胞的密度分布或排列处于异常。测量单元1434通过图像分析识别出这些部位。
在步骤S1333中，显示控制单元144生成使所识别出的异常部位相互关联地进行显示所利用的图像数据。例如，生成该图像数据，以使得聚焦位置F1的SLO图像和聚焦位置F2的SLO图像以彼此相邻的方式进行显示，其中，这些图像附加有诸如包围被识别为异常部位的区域的框等的指示。
在另一例子中，显示控制单元144根据来自操作单元170的输入或者自动地使显示单元160以切换方式显示两个图像。在另一例子中，显示控制单元144生成如下图像数据，其中该图像数据使得以不同的颜色显示两个SLO图像的异常部位彼此重叠的区域、仅神经纤维异常的区域以及仅视细胞异常的区域。
显示控制单元144使显示单元160显示步骤S1333中所生成的图像数据，以使得可以以能够理解的方式显示组织的异常部位之间的对应关系。
在前述的第一典型实施例～第三典型实施例中，在拍摄到第一个SLO图像之后判断是否拍摄聚焦位置不同的第二个SLO图像。然而，这并非限制性的。可以预先判断为在多个不同的聚焦深度处拍摄SLO图像。这使得没有必要进行依赖于图像的判断，因而在从单个SLO图像无法得到与血管区域和血流这两者有关的信息的情况下使处理加速。
这些典型实施例可以由包括图像处理单元140的图像处理装置10以及包括确定单元180的摄像控制装置或摄像指示装置来实现，其中确定单元180用于基于来自图像处理装置10的信息来确定摄像条件。该摄像控制装置或摄像指示装置可以包括图像处理单元140。
前述的图像处理装置10通过包括CPU的计算机与软件的协作来实现。然而，图像处理装置10的各功能块可以分别实现为电路。没有必要以功能块为单位来提供电路块。这些功能中仅有一部分可以实现为电路。包含如上所述的图像处理装置10的CPU 301要执行的软件程序的存储介质也构成了典型实施例。
图像处理装置10可被配置成包括多个装置的图像处理系统。
图像处理装置10从OCT断层图像中获取特征。然而，这并非限制性的。其它的图像和/或诊断装置也可用于进行结构识别。例如，图像处理装置10可以对多个SLO图像分别进行分析以识别要观察的组织结构，并且选择和连结部分图像或者选择这些SLO图像中的任一个。其它形式(摄像装置或测量装置)也可用于识别组织结构。
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。可以独立地或以任何适当组合来提供本说明书所公开的各特征以及(在适当情况下)权利要求书和附图。

Claims (16)

1.一种图像处理装置，包括：
第一识别部件，用于识别摄像对象中的血管的空间构造；
第二识别部件，用于基于通过聚焦位置比所述血管的区域中的至少一部分深的信号光所获得的SLO图像来识别与所述血管的血流速度有关的信息，其中SLO表示扫描激光检眼镜；以及
获取部件，用于基于所识别出的空间构造和与所述血流速度有关的信息来获取与所述血管的血流有关的信息。
2.根据权利要求1所述的图像处理装置，其特征在于，所述血管的空间构造包括所述血管的位置和/或所述血管的宽度。
3.根据权利要求1所述的图像处理装置，其特征在于，与所述血管的血流有关的信息包括如下信息至少之一：与所述血管的阻塞位置有关的信息；与所述血管的血流量有关的信息；以及与所述血管的最大血流速度和最小血流速度有关的信息。
4.根据权利要求1所述的图像处理装置，其特征在于，所述第一识别部件基于所述摄像对象的第一SLO图像来识别所述血管的空间构造，以及
所述第二识别部件基于聚焦深度比所述第一SLO图像的聚焦深度大的第二SLO图像来识别所述血管的血流速度。
5.根据权利要求4所述的图像处理装置，其特征在于，还包括：
判断部件，用于判断是否能够通过分析所述第一SLO图像来识别所述血流速度；以及
指示部件，用于如果判断为不能通过分析所述第一SLO图像来识别所述血流速度，则给出用以拍摄所述第二SLO图像的指示。
6.根据权利要求4所述的图像处理装置，其特征在于，还包括：
判断部件，用于判断是否能够通过分析所述第二SLO图像来识别所述血管的空间构造；以及
指示部件，用于如果判断为不能通过分析所述第二SLO图像来识别所述空间构造，则给出用以拍摄所述第一SLO图像的指示。
7.根据权利要求1所述的图像处理装置，其特征在于，还包括显示控制部件，所述显示控制部件用于显示与所述血管的血流有关的信息。
8.一种图像处理装置，包括：
图像获取部件，用于通过使用SLO摄像装置来获取摄像对象的SLO图像或图像序列，其中SLO表示扫描激光检眼镜；
判断部件，用于判断是否能够通过分析所述摄像对象的SLO图像或图像序列来识别存在于所述摄像对象中的预定组织特征；以及
确定部件，用于在判断为不能通过分析所述摄像对象的SLO图像或图像序列来识别所述预定组织特征的情况下，基于所述预定组织特征和所述SLO图像或图像序列的聚焦深度来确定所述SLO摄像装置的聚焦深度。
9.根据权利要求8所述的图像处理装置，其特征在于，所述预定组织特征是血管的区域或血管的血流速度。
10.根据权利要求8所述的图像处理装置，其特征在于，还包括指示部件，所述指示部件用于指示所述SLO摄像装置以所确定的聚焦深度进行摄像。
11.根据权利要求8所述的图像处理装置，其特征在于，还包括识别部件，所述识别部件用于基于所述图像获取部件所获取到的第一SLO图像或图像序列来识别存在于所述摄像对象中的第一组织特征，
其中，所述预定组织特征包括与所述第一组织特征不同的第二组织特征，并且所述判断部件判断是否能够基于所述第一SLO图像或图像序列来识别存在于所述摄像对象中的所述第二组织特征。
12.根据权利要求11所述的图像处理装置，其特征在于，所述第一组织特征是用于识别血流速度的特征，并且所述第二组织特征是血管。
13.一种摄像系统，包括：
根据权利要求1至12中任一项所述的图像处理装置；以及
摄像部件，用于拍摄所述SLO图像。
14.一种图像处理方法，包括以下步骤：
识别摄像对象中的血管的空间构造；
基于通过聚焦位置比所述血管的区域中的至少一部分深的信号光所获得的SLO图像来识别所述血管的血流速度，其中SLO表示扫描激光检眼镜；以及
基于所识别出的空间构造和所述血流速度来确定与所述血管的血流有关的信息。
15.一种图像处理方法，包括以下步骤：
通过使用SLO摄像装置来获取摄像对象的SLO图像或图像序列，其中SLO表示扫描激光检眼镜；
判断是否能够通过分析所述摄像对象的SLO图像或图像序列来识别存在于所述摄像对象中的预定组织特征；以及
在判断为不能通过分析所述摄像对象的SLO图像或图像序列来识别所述预定组织特征的情况下，基于所述预定组织特征和所述SLO图像或图像序列的聚焦深度来确定所述SLO摄像装置的聚焦深度。
16.一种图像处理方法，包括以下步骤：
以第一聚焦深度来获取要拍摄的眼部的第一AO-SLO图像或图像序列，其中所述第一聚焦深度用于拍摄视网膜层内的神经纤维的光感受器细胞，并且AO-SLO表示自适应光学-扫描激光检眼镜；
基于针对所述第一AO-SLO图像或图像序列中的光感受器细胞的异常的检测来识别第一区域；
以第二聚焦深度来获取所述眼部的第二AO-SLO图像或图像序列，其中所述第二聚焦深度用于拍摄视网膜层内的视细胞；
基于针对所述第二AO-SLO图像或图像序列中的视细胞的异常的检测来识别第二区域；以及
生成用于使所述第一区域和所述第二区域以彼此相关联的方式进行显示的图像数据。
CN201210047536.XA 2011-02-25 2012-02-27 图像处理装置、摄像系统和图像处理方法 Expired - Fee Related CN102670164B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2011040272A JP5818458B2 (ja) 2011-02-25 2011-02-25 画像処理装置、撮影システム、画像処理方法及びプログラム
JP2011-040272 2011-02-25

Publications (2)

Publication Number Publication Date
CN102670164A true CN102670164A (zh) 2012-09-19
CN102670164B CN102670164B (zh) 2015-09-09

Family

ID=45656437

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210047536.XA Expired - Fee Related CN102670164B (zh) 2011-02-25 2012-02-27 图像处理装置、摄像系统和图像处理方法

Country Status (4)

Country Link
US (1) US9044167B2 (zh)
EP (1) EP2491854A3 (zh)
JP (1) JP5818458B2 (zh)
CN (1) CN102670164B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104586350A (zh) * 2013-10-31 2015-05-06 尼德克株式会社 眼科摄影装置、眼科摄影系统以及眼科摄影方法
CN104880487A (zh) * 2015-05-19 2015-09-02 中山大学 一种基于图像识别的纤维表面Zeta电位测量方法及装置
CN105395163A (zh) * 2014-09-05 2016-03-16 佳能株式会社 眼科设备和眼科设备的控制方法
CN108025393A (zh) * 2015-09-03 2018-05-11 Eo科技股份有限公司 激光加工装置以及激光加工方法
CN108376048A (zh) * 2018-03-05 2018-08-07 四川和生视界医药技术开发有限公司 视网膜血管的修复方法及修复装置
CN109691976A (zh) * 2018-12-29 2019-04-30 佛山科学技术学院 基于眼底脉动信号评估rnfl完整度的方法及检测装置
CN109691978A (zh) * 2018-12-29 2019-04-30 佛山科学技术学院 面向眼部血流快速成像的相干光扫描检眼镜
CN110279406A (zh) * 2019-05-06 2019-09-27 苏宁金融服务(上海)有限公司 一种基于摄像头的无接触式的脉率测量方法及装置
CN110709002A (zh) * 2017-05-18 2020-01-17 伟伦公司 眼底图像捕获
CN113840567A (zh) * 2019-05-15 2021-12-24 日本麦可罗尼克斯股份有限公司 血管确定装置和血管确定方法
TWI755755B (zh) * 2019-06-17 2022-02-21 邦睿生技股份有限公司 用於測試生物樣本的裝置

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102113900B (zh) 2010-01-05 2015-07-15 深圳迈瑞生物医疗电子股份有限公司 彩色血流动态帧相关方法和装置
JP5835938B2 (ja) * 2011-05-10 2015-12-24 キヤノン株式会社 収差補正方法、および該方法を用いた眼底撮像方法、および眼底撮像装置
JP2013075035A (ja) * 2011-09-30 2013-04-25 Canon Inc 光断層像撮像方法、光断層像撮像装置およびプログラム
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
US9357916B2 (en) 2012-05-10 2016-06-07 Carl Zeiss Meditec, Inc. Analysis and visualization of OCT angiography data
JP6230262B2 (ja) * 2012-12-28 2017-11-15 キヤノン株式会社 画像処理装置及び画像処理方法
JP6128841B2 (ja) * 2012-12-28 2017-05-17 キヤノン株式会社 画像処理装置
US20150002812A1 (en) * 2013-06-27 2015-01-01 Nidek Co., Ltd. Image processing apparatus and storage medium
JP6289462B2 (ja) * 2013-06-28 2018-03-07 キヤノン株式会社 画像処理装置及び画像処理方法
EP2865323B1 (en) * 2013-10-23 2022-02-16 Canon Kabushiki Kaisha Retinal movement tracking in optical coherence tomography
US10398302B2 (en) 2014-05-02 2019-09-03 Carl Zeiss Meditec, Inc. Enhanced vessel characterization in optical coherence tomograogphy angiography
JP6499416B2 (ja) * 2014-10-10 2019-04-10 キヤノン株式会社 眼科装置および眼科装置の制御方法
JP2016168257A (ja) 2015-03-13 2016-09-23 キヤノン株式会社 眼科装置及びその制御方法、並びに、プログラム
JP6470604B2 (ja) * 2015-03-25 2019-02-13 キヤノン株式会社 画像処理装置及び画像処理方法及びプログラム
JP6611593B2 (ja) * 2015-04-23 2019-11-27 キヤノン株式会社 情報処理装置、情報処理方法、及び、プログラム
JP6602043B2 (ja) * 2015-04-30 2019-11-06 キヤノン株式会社 情報処理装置、その作動方法、及びコンピュータプログラム
JP6750194B2 (ja) * 2015-06-19 2020-09-02 ソニー株式会社 医療用画像処理装置、医療用画像処理方法、及び、医療用観察システム
CN106491078B (zh) * 2015-09-07 2019-06-25 南京理工大学 去除血流图像中组织抖动噪声的方法及装置
KR101716663B1 (ko) * 2015-12-09 2017-03-15 (주)아이에스엠아이엔씨 무채혈 혈당 측정 보정 방법 및 장치
JP6021289B2 (ja) * 2015-12-21 2016-11-09 株式会社トプコン 血流情報生成装置、血流情報生成方法、及びプログラム
JP6639262B2 (ja) * 2016-02-17 2020-02-05 キヤノン株式会社 眼底撮像装置及びその制御方法、並びに、プログラム
JP6918581B2 (ja) * 2017-06-01 2021-08-11 キヤノン株式会社 制御装置、断層像撮影システム、制御方法、及びプログラム
JP2018202237A (ja) * 2018-10-04 2018-12-27 キヤノン株式会社 画像処理装置およびその制御方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6890076B2 (en) * 2001-08-30 2005-05-10 University Of Rochester Method and apparatus for using adaptive optics in a scanning laser ophthalmoscope
US20050254008A1 (en) * 2002-06-14 2005-11-17 Ferguson R D Monitoring blood flow in the retina using a line-scanning laser ophthalmoscope
US20070291230A1 (en) * 2006-06-16 2007-12-20 Kabushiki Kaisha Topcon Ophthalmologic photographing apparatus

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5303709A (en) * 1991-12-16 1994-04-19 Dreher Andreas W Retinal eye disease diagnostic system
JP2008104628A (ja) * 2006-10-25 2008-05-08 Tokyo Institute Of Technology 眼球の結膜強膜撮像装置
JP5057810B2 (ja) * 2007-03-16 2012-10-24 株式会社ニデック 走査型レーザ検眼装置
JP2008237432A (ja) * 2007-03-27 2008-10-09 Kyushu Univ 眼底血流画像化装置
US8184885B2 (en) 2007-07-24 2012-05-22 University Of Pittsburgh - Of The Commonwealth System Of Higher Education System and method for visualizing a structure of interest
EP2130486B1 (en) * 2008-06-02 2016-03-23 Nidek Co., Ltd. Ophthalmic Photographing Apparatus
JP5209377B2 (ja) * 2008-06-02 2013-06-12 株式会社ニデック 眼底撮影装置
JP5483873B2 (ja) 2008-12-26 2014-05-07 キヤノン株式会社 光断層撮像装置、および光断層撮像方法
US8201943B2 (en) * 2009-01-15 2012-06-19 Physical Sciences, Inc. Adaptive optics line scanning ophthalmoscope
US8896842B2 (en) * 2010-08-05 2014-11-25 Bioptigen, Inc. Compact multimodality optical coherence tomography imaging systems

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6890076B2 (en) * 2001-08-30 2005-05-10 University Of Rochester Method and apparatus for using adaptive optics in a scanning laser ophthalmoscope
US20050254008A1 (en) * 2002-06-14 2005-11-17 Ferguson R D Monitoring blood flow in the retina using a line-scanning laser ophthalmoscope
US20070291230A1 (en) * 2006-06-16 2007-12-20 Kabushiki Kaisha Topcon Ophthalmologic photographing apparatus

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
JOHNNY TAM1, AUSTIN ROORDA: ""Enhanced Detection of Cell Paths in Spatiotemporal Plots for Noninvasive Microscopy of The Human Retina"", 《BIOMEDICAL IMAGING: FROM NANO TO MACRO, 2010 IEEE INTERNATIONAL SYMPOSIUM ON》 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104586350A (zh) * 2013-10-31 2015-05-06 尼德克株式会社 眼科摄影装置、眼科摄影系统以及眼科摄影方法
US10165939B2 (en) 2014-09-05 2019-01-01 Canon Kabushiki Kaisha Ophthalmologic apparatus and ophthalmologic apparatus control method
CN105395163A (zh) * 2014-09-05 2016-03-16 佳能株式会社 眼科设备和眼科设备的控制方法
CN105395163B (zh) * 2014-09-05 2017-12-12 佳能株式会社 眼科设备和眼科设备的控制方法
CN104880487A (zh) * 2015-05-19 2015-09-02 中山大学 一种基于图像识别的纤维表面Zeta电位测量方法及装置
CN108025393A (zh) * 2015-09-03 2018-05-11 Eo科技股份有限公司 激光加工装置以及激光加工方法
CN110709002A (zh) * 2017-05-18 2020-01-17 伟伦公司 眼底图像捕获
CN108376048A (zh) * 2018-03-05 2018-08-07 四川和生视界医药技术开发有限公司 视网膜血管的修复方法及修复装置
CN108376048B (zh) * 2018-03-05 2021-05-28 四川和生视界医药技术开发有限公司 视网膜血管的修复方法及修复装置
CN109691976A (zh) * 2018-12-29 2019-04-30 佛山科学技术学院 基于眼底脉动信号评估rnfl完整度的方法及检测装置
CN109691978A (zh) * 2018-12-29 2019-04-30 佛山科学技术学院 面向眼部血流快速成像的相干光扫描检眼镜
CN110279406A (zh) * 2019-05-06 2019-09-27 苏宁金融服务(上海)有限公司 一种基于摄像头的无接触式的脉率测量方法及装置
CN113840567A (zh) * 2019-05-15 2021-12-24 日本麦可罗尼克斯股份有限公司 血管确定装置和血管确定方法
TWI755755B (zh) * 2019-06-17 2022-02-21 邦睿生技股份有限公司 用於測試生物樣本的裝置

Also Published As

Publication number Publication date
EP2491854A2 (en) 2012-08-29
JP5818458B2 (ja) 2015-11-18
CN102670164B (zh) 2015-09-09
US20120218516A1 (en) 2012-08-30
US9044167B2 (en) 2015-06-02
EP2491854A3 (en) 2012-11-07
JP2012176093A (ja) 2012-09-13

Similar Documents

Publication Publication Date Title
CN102670164B (zh) 图像处理装置、摄像系统和图像处理方法
US11058293B2 (en) Image processing apparatus, ophthalmologic imaging apparatus, image processing method, and storage medium
CN103908225B (zh) 眼科设备和对准方法
CN102525403B (zh) 眼科设备及其控制方法
US8864308B2 (en) Imaging apparatus and imaging method
CN102525408B (zh) 眼科设备和血流速度计算方法
US9082010B2 (en) Apparatus and a method for processing an image of photoreceptor cells of a fundus of an eye
US9750404B2 (en) Ophthalmic imaging apparatus, control method therefor, and non-transitory computer-readable storage medium
EP2701575A2 (en) Systems and methods for improved ophthalmic imaging
US8870377B2 (en) Image processing apparatus, image processing apparatus control method, ophthalmologic apparatus, ophthalmologic apparatus control method, ophthalmologic system, and storage medium
RU2637851C2 (ru) Устройство обработки изображений и способ управления устройством обработки изображений
CN105395163A (zh) 眼科设备和眼科设备的控制方法
US10123699B2 (en) Ophthalmologic apparatus and imaging method
US10905323B2 (en) Blood flow measurement apparatus
JP2021191551A (ja) 眼科検査装置
JP6976818B2 (ja) 画像処理装置、画像処理方法及びプログラム
JP2020195883A (ja) 眼科検査装置
JP2019150554A (ja) 画像処理装置およびその制御方法
JP6001149B2 (ja) 画像処理装置、撮影システム、画像処理方法及びプログラム
WO2020209012A1 (ja) 画像解析方法及び画像解析装置
WO2019198629A1 (ja) 画像処理装置およびその制御方法
US20230010672A1 (en) Image processing method, image processing device, and program
WO2019172043A1 (ja) 画像処理装置およびその制御方法
JP2020171664A (ja) 画像解析方法及び画像解析装置
JP2018000373A (ja) 眼科撮影装置及びその制御方法、並びに、プログラム

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: 20150909

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