CN105310645B - 图像处理装置及图像处理方法 - Google Patents

图像处理装置及图像处理方法 Download PDF

Info

Publication number
CN105310645B
CN105310645B CN201510333845.7A CN201510333845A CN105310645B CN 105310645 B CN105310645 B CN 105310645B CN 201510333845 A CN201510333845 A CN 201510333845A CN 105310645 B CN105310645 B CN 105310645B
Authority
CN
China
Prior art keywords
image processing
shape
eyeground
layer
image
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.)
Active
Application number
CN201510333845.7A
Other languages
English (en)
Other versions
CN105310645A (zh
Inventor
岩濑好彦
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 CN105310645A publication Critical patent/CN105310645A/zh
Application granted granted Critical
Publication of CN105310645B publication Critical patent/CN105310645B/zh
Active 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
    • 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
    • A61B3/1225—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 using coherent radiation
    • A61B3/1233—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 using coherent radiation for measuring blood flow, e.g. at the retina
    • 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
    • A61B3/0016—Operational features thereof
    • A61B3/0025—Operational features thereof characterised by electronic signal processing, e.g. eye models
    • 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
    • A61B3/0016—Operational features thereof
    • A61B3/0041—Operational features thereof characterised by display arrangements
    • A61B3/0058—Operational features thereof characterised by display arrangements for multiple images
    • 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]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • 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)
  • Medical Informatics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Ophthalmology & Optometry (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Hematology (AREA)
  • Signal Processing (AREA)
  • Eye Examination Apparatus (AREA)

Abstract

本发明提供一种图像处理装置及图像处理方法。该图像处理装置包括：信息获取单元，其被构造为获取表示在包括被检眼的眼底中的多个层的层析图像中的至少一层中的多个区域的形状的信息；以及确定单元，其被构造为基于表示形状的所述信息来确定在所述多个区域中是否存在异常。

Description

图像处理装置及图像处理方法
技术领域
本发明涉及用于对被检物的图像进行处理的图像处理装置、图像处理方法及程序。
背景技术
诸如光学相干层析摄像装置(称为OCT)的用于眼部的层析摄像装置可以三维观察视网膜层的内部状态。该层析摄像装置在更精确地诊断疾病方面是有用的，并且近年来受到了关注。OCT的一个示例为利用具有宽带区域的光源和迈克尔逊干涉仪的组合的时域OCT(TD-OCT)。由此，在沿光轴方向移动参照光路中的参照镜的同时，通过在测定光路中检测来自被照射了测量光的被检物的后方散射光与参照光的干涉光，可获得关于相对深度方向上的位置的信号强度的信息。
因为在机械移动参照镜时测量干涉光，所以TD-OCT难以高速获得层析图像。用于以更高速度获得层析图像的一种已知方法是谱域OCT(SD-OCT)，其作为通过利用宽带光源的分光镜获得干涉图的OCT。另一已知示例是采用利用高速波长扫频光源通过单通道光电检测器测量光谱相干性的技术的扫频源OCT(SS-OCT，swept source OCT)。
存在其中眼球后极组织的退化增加眼轴长度并且引起高度近视症状的高度近视。传统上，医生主观评价眼球后极的形状，以通过利用层析图像、眼底图片来确定被检眼是否有高度近视。这样的确定依据评价者而变化。在日本特开第2013-153884号公报中公开了一种图像处理装置，其用于定量测量眼球后极的形状(视网膜弯曲的程度)来降低确定中的误差。日本特开第2013-153884号公报公开了在曲率的平均值和曲率的方差的二轴图中通过与统计数据库的正常范围的比较来确定被检眼是否有后极葡萄肿的症状。
日本特开第2013-48696号公报公开了一种用于眼科疾病的图像分析装置。该图像分析装置在利用包括眼球的头部的3D体素MRI图像的诊断中自动和量化分析以尽可能减少依赖放射学家的主观的判断。其公开了通过计算眼轴长度以及相对眼轴的非对称性的程度作为用于图像分析的参数的定量化。其还公开了基于MRI的高度近视类型的分类。
发明内容
根据本发明的一方面提供一种图像处理装置，该图像处理装置包括：图像获得单元，其被构造为获得包括被检眼的眼底中的多个层的层析图像；信息获取单元，其被构造为获取表示所述层析图像中的至少一层中的黄斑部分和视神经乳头(optic disk)部分的形状的信息；以及确定单元，其被构造为基于表示形状的所述信息来确定在所述黄斑部分和所述视神经乳头部分中是否存在异常。
根据以下参照附图对示例性实施例的描述，本发明的其他特征将变得清楚。
附图说明
图1例示了根据第一实施例的图像处理系统的结构。
图2是例示根据第一实施例的图像处理系统中的操作处理的流程图。
图3A和图3B是用于描述通过根据第一实施例的图像处理装置获得的眼部的层析图像以及眼底的图像的图示。
图4是用于描述根据第一实施例的图像处理装置中的形状分析的图示。
图5A和图5B是用于描述根据第一实施例的图像处理装置中的区域的识别的图示。
图6A和图6B例示了在根据第一实施例的图像处理系统中的显示部中的显示区域上显示分析结果的示例。
图7A和图7B例示了在根据第一实施例的图像处理系统中的显示部中的显示区域上显示分析结果的其他示例。
图8包括根据第二实施例的用于描述基于由眼底照相机拍摄的图像的高度近视的病态的分类的图示。
图9A到图9C是用于描述在根据第二实施例的图像处理装置中的区域的识别的图示。
图10A到图10C例示了根据第二实施例的图像处理系统中的显示部中的显示区域上的示例分析结果。
图11A到图11D是用于描述根据第一实施例的图像处理装置中的形状分析的图示。
具体实施方式
典型地，通过利用MRI图像可以观察眼球的一般形状。因为MRI图像的空间分辨率相对低，所以难以细微观察眼底形状。如果眼底存在异常，则医生必须很细微地知道异常所处的区域以精确执行诊断和治疗。然而，不幸的是，在眼底形状异常的情况下，对于医生来说很难没有主观偏差地客观识别该异常在眼底中所处的区域。
本发明能够提供一种使得医生能够在眼底具有异常形状的情况下容易识别在眼底中存在异常的区域的图像处理装置、图像处理方法及程序。
根据本发明的一方面，可以基于表示层析图像中的至少一层中的多个区域的形状的信息，来确定在多个区域中是否存在异常。多个区域的示例可以是该层中与黄斑部分对应的区域以及与视神经乳头部分对应的区域。表示形状的信息的一个示例可以是眼底的层析图像中的该层的多个区域的曲率。被确定存在异常的区域可以例如以叠加在被检眼的眼底图像上的状态被显示在显示单元上。与被确定存在异常的区域对应的类型以及与被确定存在异常的区域对应并与该异常的状态对应的类型(例如，Curtin分类)可以被确定。因此，能够提供一种能够使得医生在眼底具有异常形状时容易识别在眼底中存在异常的区域的图像处理装置、图像处理方法以及程序。
根据本发明的另一方面，可以基于表示层析图像中的至少一层的形状的信息来确定与眼底中存在异常的区域对应的多种类型(例如，Curtin分类)中的至少一个类型。所确定的类型可以例如被显示在显示单元上。因此，能够提供一种能够使得医生在眼底具有异常形状时容易识别在眼底中存在异常的区域的图像处理装置、图像处理方法以及程序。
以下将参照附图来描述本发明的实施例。
(第一实施例：眼底局部形状的定量测量)
根据第一实施例的包括图像处理装置的图像处理系统能够定量测量眼底的局部形状。以下参照附图来描述根据第一实施例的包括图像处理装置的图像处理系统。
(包括图像处理装置的图像处理系统)
图1例示了根据本实施例的包括图像处理装置300的图像处理系统100的结构。如图1中所示，图像处理系统100被构造为使得图像处理装置300通过接口连接到层析摄像装置(也称为OCT)200、眼底图像拍摄装置400、外部存储部500、显示部600以及输入部700。
层析摄像装置200是拍摄眼部的层析图像的装置。用作层析摄像装置的装置示例可以包括SD-OCT或SS-OCT。层析摄像装置200是已知装置，其详细描述被省略。这里，描述通过来自图像处理装置300的指令设置的针对层析图像的摄像范围以及内部固视灯204中的参数的设定。
在图1中，电流计镜201被用于通过利用测量光来扫描眼底并且定义OCT中针对眼底的摄像范围。驱动控制器202通过控制电流计镜201的驱动范围和速度来定义眼底中平面方向的摄像范围以及扫描线数(平面方向上的扫描速率)。这里，为简单起见，电流计镜被例示为单个镜，但实际上，其包括由用于X扫描的镜以及用于Y扫描的镜组成的两个镜。电流计镜201可以通过利用测量光来使得能够扫描眼底中的期望范围。
内部固视灯204包括显示部241以及透镜242。作为显示部241，使用多个发光二极管(LD)的矩阵布置。根据要拍摄图像的区域，在驱动控制器202的控制下改变各发光二极管的发光位置。来自显示部241的光通过透镜242被引导到被检眼。从显示部241发射的光具有520nm的波长。通过驱动控制器202来显示期望的图案。
相干门级205被驱动控制器202控制以支持被检眼的眼轴长度的不同等。相干门表示在OCT中测量光和参照光具有相同光学距离的位置。通过控制相干门，可以确定相干门的位置是在视网膜层侧上还是在比视网膜层更深的侧上。在本实施例中使用的图像拍摄方法的一个示例为增强深度摄像(下文中称为EDI)方法。在通过该EDI方法拍摄图像时，相干门的位置被设置在比视网膜层更深的侧上。这样，EDI方法具有使得能够以高强度拍摄脉络膜以及视网膜色素上皮层的图像的特性。图3A例示了眼部的层析图像。在图3A中，L1表示内界膜(ILM)与神经纤维层(NFL)之间的边界，L2表示NFL与神经节细胞层(GCL)之间的边界，L3表示光感受器内节与光感受器外节之间的接合部(连接)(ISOS)，L4表示视网膜色素上皮(RPE)层，L5表示布鲁赫膜(BM，Bruch’s membrane)，L6表示脉络膜。M表示黄斑部分(黄斑的中央部分表示中央凹)，D表示视神经乳头部分。
眼底图像拍摄装置400是用于拍摄眼部的眼底图像的装置。眼底图像拍摄装置400的示例包括眼底照相机以及扫描激光检眼镜(SLO)。图3B例示了眼部的眼底图像。在图3B中，M表示黄斑部分，D表示视神经乳头部分。
图像处理装置300包括图像获得部301、存储部302、图像处理器303、指示部304、以及显示控制器305。图像获得部301包括层析图像生成器311并被构造为获得由层析摄像装置200拍摄的层析图像的信号数据，进行信号处理并由此生成层析图像。生成的层析图像被存储在存储部302中。图像处理器303包括第一检测器331、第二检测器332、对准部333、特征提取部334以及确定部335。第一检测器331被构造为从层析图像检测视网膜层。第二检测器332被构造为从层析图像或眼底图像检测视网膜的包括黄斑部分和乳突部分的特征区域。对准部333被构造为进行多个层析图像之间的对准或层析图像与眼底图像之间的对准。特征提取部334被构造为提取由第一检测器331检测的视网膜层的形状特征。确定部335被构造为基于由特征提取部334提取的特征量来进行确定。指示部304被构造为对层析摄像装置200提供关于例如用于拍摄期望视网膜层区域的图像的摄像参数的指令。
外部存储部500将关于被检眼的信息(例如，患者的姓名、年龄以及性别)以及拍摄的图像数据、摄像参数、图像分析参数和由操作者设置的参数的各个彼此相关联地保持。
输入部700的示例可以包括鼠标、键盘以及触摸屏。操作者可以通过利用输入部700向图像处理装置300、层析摄像装置200以及眼底图像拍摄装置400提供指令。
(图像处理系统中的操作处理)
接着，参照图2来描述根据本实施例的图像处理系统100中的处理过程。图2是例示根据本实施例的图像处理系统100中的操作处理的流程图。根据本实施例的图像处理装置300中的操作处理从步骤S203开始。
<步骤S201：关于被检眼的信息的获取>
在步骤S201中，被构造为获取关于被检眼的信息的单元(未例示)从外部获取测试主体的识别编号作为用于识别被检眼的信息。其基于测试主体的识别编号获取外部存储部500中保持的关于被检眼的信息并且将该信息存储在存储部302中。
<步骤S202：被检眼的图像的拍摄>
在步骤S202中，层析摄像装置200拍摄被检眼的图像。首先，其调整各种摄像参数以拍摄图像。具体地，其设置至少内部固视灯的位置、扫描范围、扫描方式、以及相干门的位置。驱动控制器202控制显示部241中的发光二极管并控制内部固视灯204的位置以拍摄黄斑部分中心的图像和视神经乳头的图像。
在本实施例中，可以选择图像拍摄中的摄像模式，并且论述了在视网膜层形状分析摄像模式中拍摄图像的情况。该摄像模式名称仅为示例，并且摄像模式不限于此。摄像模式是其中扫描方式、内部固视灯的位置以及分析方法被预先组合设置的模式，并且可以设置诸如针对青光眼的摄像模式的常用模式。在本实施例中的视网膜层形状分析摄像模式中，扫描范围被设置为10到20mm的范围。该数值为示例，其可以根据装置的规格而变化，并且可以被优选设置为包含黄斑部分和乳突部分二者的范围。扫描方式被设置为在可以拍摄三维立体图像的光栅扫描或者径向扫描中覆盖整个视网膜层的方式。相干门的位置被描述为在玻璃体侧拍摄图像时的位置。
在摄像准备后，进行摄像。为了拍摄被检眼的图像，当操作者选择摄像指示按钮(未例示)时，层析摄像装置200控制驱动控制器202，启动电流计镜201，并且拍摄层析图像。电流计镜201包括用于水平方向的X扫描器以及用于垂直方向的Y扫描器。当这些扫描器的方向单独被改变时，能够在装置坐标系中的水平方向(X)和垂直方向(Y)的各个中进行扫描。当这些扫描器的方向同时被改变时，能够在水平方向和垂直方向被组合的方向上进行扫描。这样，能够在眼底平面上的任意方向上进行扫描。
<步骤S203：层析图像的生成>
在步骤S203中，层析图像生成器311生成层析图像。当层析摄像装置例如是SS-OCT时，层析图像生成器311通过对从差分检测器(未例示)输出的干涉信号进行典型的重构处理来生成层析图像。
首先，层析图像生成器311削减干涉信号中的固定模式噪声。通过对多个检测到的A扫描信号整平、提取固定模式噪声、并且从输入的干涉信号中减去固定模式噪声来削减固定模式噪声。接着，层析图像生成器311在处于折衷关系的深度分辨率和动态范围以有限区间经历了傅里叶变换的情况下进行期望的窗口功能处理以对它们进行优化。然后，通过FFT处理产生层析信号。
根据本发明的图像处理装置可以连接到例如层析摄像装置，使得它们能够彼此通信。当其获得层析摄像装置中生成的层析图像时，图像获得部301在获得断层摄影图像时可以执行该步骤。
<步骤S204：层析图像的对准>
在步骤S204中，对准部333对在步骤S203中生成的多个层析图像对准。在本实施例中，论述通过可以拍摄三维立体图像的光栅扫描来拍摄图像的情况。以下描述对准的一个示例。预先定义表示两个层析图像之间的相似度的评价函数，并且以使得该评价函数的值被优化的方式使层析图像变形。评价函数的一个示例可以是通过利用像素值的评价方法(这种评价方法的一个示例可以是利用相关系数的评价方法)获得的函数。
给出在相关系数被用作表示相似度的评价函数的情况下应用的表达式作为下面的表达式1-1。
表达式1-1
在表达式1-1中，第一层析图像的区域为f(x,y)，第二层析图像的区域为g(x,y)。这里，在表达式1-1中，区域f(x,y)的平均值以及区域g(x,y)的平均值在下面的表达式1-2以及1-3中给出。
表达式1-2
表达式1-3
这里用到的区域是用于对准的像素区域，典型地其被设置为小于等于层析图像的大小的区域，并且其在针对眼的层析图像的情况下可以被优选设置为包括视网膜层区域的区域。对图像变形的处理的示例可以包括利用仿射变换的平移或旋转，以及改变放大因子。
可以基于特征点来进行对准。例如，从二维层析图像中提取视网膜层和病灶的特征。可以通过利用提取结果选择稳定检测的特征点来进行对准。
如果层析摄像装置具有追踪眼底的功能，则由被检眼的运动引起的多个层析图像间的位置偏离相对小。如果被检眼的固视是稳定的，则多个层析图像间的位置偏离也相对小。在这些情况下，可以在根据本发明的图像处理装置中的操作处理中省略该步骤。
<步骤S205：从层析图像对层的检测>
在步骤S205中，作为层检测单元的一个示例的第一检测器331从层析图像中检测视网膜层中的边界(进行分割)。第一检测器331可以检测图3A中所示的层析图像中的边界L1到L6中的任意一者。通过对作为处理目标的层析图像应用中间滤波器(median filter)以及Sobel滤波器来生成图像(下文中称为中间图像和Sobel图像)。从生成的中间图像和Sobel图像针对各A扫描生成轮廓。来自中间图像的轮廓是强度值，而来自Sobel图像的轮廓是梯度。然后，从由Sobel图像生成的轮廓检测峰值。参照来自与检测到的峰值之前以及之后或者峰值之间对应的中间图像的轮廓，来检测区域中的视网膜层中的边界。
如上所述的根据本实施例的能够从层析图像自动检测层边界的图像处理装置对于用户是便利的。然而，图像处理装置可以被构造为使得用户能够手动指定层或者使得自动检测到的层可以被手动校正。如果用户能够手动指定层，则可以在根据本实施例的图像处理装置中的操作处理中省略该步骤。
<步骤S206：表示形状的信息的获取>
在步骤S206中，论述作为信息获取单元的示例的特征提取部334测量视网膜层中的多个区域(例如，与层中的视神经乳头部分和黄斑部分对应的区域)中的曲率作为视网膜层的形状的特征(作为表示形状的信息的示例)的情况。利用图3A中所示的层析图像来提供描述。在图3A中，横轴为x坐标，纵轴为z坐标，并且计算作为形状分析目标的层中的边界线的曲率。在本实施例中，作为眼球后极形状评价中的形状分析目标的层可以优选为布鲁赫膜(也称为布鲁赫层)。这是因为从解剖学的视角可知布鲁赫膜对诸如年龄相关的黄斑变性的病灶不敏感。典型地，比病灶存在的层更深的层被认为对该病灶不敏感，这样，作为相对深位置的RPE层也可以是优选的。
可以通过在边界线上的各点(各A扫描的位置)计算表达式2来获得曲率k。在表达式2中，为了有局部形状的变化，曲率计算中用到的一个示例范围是利用远离作为中心的基准点500μm的两侧上的点的范围。即，其对应于通过圆来对以边界线上的各点为中心的1mm(1000μm)的范围进行近似。
表达式2
以下参照图4对此进行描述。图4中的线例示了为简单起见作为形状分析目标的层边界线(本实施例中，L5，布鲁赫膜)。图4例示了其中层边界线上的实心圆表示在表达式2中进行计算的地点。图4中的表例示了当在R1到R5中的位置计算曲率的情况下曲率的符号和大小。图4中的R1表示脉络膜侧的小凸起形状。这里，曲率具有负号和小值。图4中的R3表示1mm范围内的三个点被线性排列、由此曲率大小为0的情况。图4例示了彼此不叠置的R1到R5区域。实际上，用于A扫描的位置中的计算的区域彼此叠置。在本实施例中，计算范围为1mm。该值可以根据要被观察局部变化的结构的大小而改变。即，为了观察更微小的变化，间隔可以变窄，而为了观察更大的变化，间隔可以加宽。因为表达式2代表带符号的曲率，所以符号k表示向上凸起形状或向下凸起形状，并且数值的大小表示形状的弯曲程度。这样，在玻璃体侧上的凸性(convexity)为正并且脉络膜侧上的凸性为负的情况下，在各层析图像中曲率的符号在负范围、正范围、及负范围的情况下，形状为W形。
本实施例例示了计算层析图像中的边界线中的曲率的情况。曲率的计算不限于这种情况。可以由三维数据来计算三维曲率。为了支持各种大小的形状改变，可以按照多个标度(例如，1mm、1.5mm、以及2mm范围)来计算局部形状。
表示形状的信息可以不是曲率。可以是表示层析图像中从诸如RPE的层到基准线的区域的值(例如，面积、体积、或深度方向上的距离)。以下利用图11A到图11D来对此进行描述。图11A到图11D是用于描述根据第一实施例的图像处理装置中的形状分析的图示。因为视神经乳头部分的形状随人变化，所以优选地可以对视神经乳头部分设置掩膜区域1101，使得从形成上述面积或体积的目标中移除视神经乳头部分。
首先，在图11A和图11B中，基准线1102被设置在距离RPE的最深部分一定高度(例如，500μm深度位置或者RPE中的最浅位置)上。表示形状的信息可以是从基准线1102到RPE的阴影区域的面积1103(三维图像中的体积)或者从基准线1102到RPE的距离1113。
图11C和图11D例示了其中图11A和图11B中例示的基准线沿深度方向改变并且RPE的最深部分被设置在基准线1122的示例。在该情况下，表示形状的信息可以是从基准线1122到RPE的阴影区域的面积1123(三维图像中的体积)或者从基准线1122到RPE的距离1133。
<步骤S207：多个区域的检测>
在步骤S207中，作为区域检测单元的示例的第二检测器332检测作为多个区域的示例的视神经乳头部分和黄斑部分。首先，描述从层析图像中检测视神经乳头部分。
如图3A中所示，视神经乳头部分具有凹进脉络膜侧的视网膜层的形状特征并且具有不存在IS/OS和RPE的边界线的视网膜层的边界线特征。通过采用这些特征，利用通过第一检测器331检测的层边界线结果来检测视神经乳头部分。如果视网膜层中有大量出血，则IS/OS和RPE的各个的强度值低，由此视网膜层的边界线特征在流血点与视神经乳头部分的特征类似。然而，在这种出血的情况下，因为视网膜层膨胀(其具有相对玻璃体侧的凸起形状)，所以视网膜层具有与视神经乳头部分明显不同的形状特征。这样，可以通过采用视网膜层的形状特征以及视网膜层内的边界线特征来检测视神经乳头部分。用于检测视神经乳头部分的方法不限于该方法，可以是利用图3B所示的眼底图像的检测。例如，可以通过利用从眼底图像检测到的血管的血管特征来检测视神经乳头部分。因为血管具有薄线性结构，所以通过利用增强线性结构的滤波器来检测血管。增强线性结构的滤波器的示例可以是诸如Sobel滤波器或Laplacian滤波器的差分滤波器。在眼底中血管从视神经乳头部分遍布眼球。因此，血管稠密的位置被识别为视神经乳头部分。在本实施例中，眼底图像被描述为通过SLO(扫描激光检眼镜)或眼底照相机获得的图片。还可以通过生成层析图像沿深度方向被积分的积分图像来生成伪眼底图像。这样，可以通过从作为眼底图像的伪眼底图像进行血管的检测来检测视神经乳头部分。还可以通过利用关于图像拍摄的信息来检测视神经乳头部分。图3A和图3B是左眼的层析图像和平面图像。如果以使得黄斑部分在中心的方式来拍摄图像，则视神经乳头部分位于显示区域的左侧中央附近。这样，在通过利用关于图像拍摄时的固视灯的位置以及摄像时眼(右眼或左眼)的信息、视神经乳头部分被假设存在的范围可以被限制到一定程度之后，可以应用上述方法。
接着，描述黄斑部分的中央凹的检测。如图3A中所示，在层析图像中，黄斑部分具有稍微凹进脉络膜侧的视网膜层的形状特征，以及具有因为不存在NFL所以边界线不存在或与ILM形成为一体的视网膜层的边界线特征。通过采用这些特征，利用由第一检测器331检测的层边界线结果来检测黄斑部分。如同与针对视神经乳头部分描述的处理的情况一样，还可以在基于关于图像拍摄的信息以及与视神经乳头部分的位置关系、假设存在的范围被限制为一定程度之后检测黄斑部分。即，如果以使得黄斑部分的中心位于中心的方式来拍摄图像，则因为黄斑部分位于显示区域的中央附近，所以可以在范围被限制为显示区域的中央附近后检测黄斑部分。当视神经乳头部分已被检测到时，因为从乳突中心到黄斑部分的中央凹的距离(DM)与视神经乳头的直径(DD)的比率(DM/DD比率)典型地为2.4到3.0，所以可以在落入该范围内的区域中检测黄斑部分。因为2.4到3.0是正常范围内的值，所以如果乳突尺寸大或者小，则比率在该比率范围外。这样，比率值范围还可以被设置在2.0到3.5。
如上所述，根据本实施例的能够自动检测视神经乳头部分和黄斑部分的图像处理装置对于用户是方便的。图像处理装置还可以被构造为使得用户可以手动指定区域或者使得自动检测到的区域的位置可以被手动修改。如果用户可以手动指定区域，则在根据本实施例的图像处理装置中的操作处理中可以省略该步骤。
<步骤S208：眼底中存在异常的区域的识别>
在步骤S208中，作为确定单元的示例的确定部335通过采用由特征提取部334提取的特征(层中的多个区域的曲率，作为表示形状的信息的示例的曲率)以及由第二检测器332检测的区域的位置，来识别眼底中存在异常的区域。
确定部335进行与针对外部存储部500中存储的形状特征量的标准数据库的比较。这里使用的标准数据库是由许多眼的数据生成的以及通过对特定种族的数据与特定年龄的数据积分而生成的数据库。在眼科学领域，可以通过诸如眼的位置(左/右)或眼轴长度的眼特定参数来组织数据。标准数据库中的示例设置可以为使得正常数据的95％的范围正常，4％的范围是边界线，剩余1％异常。
确定部335将通过特征提取部334提取的特征与标准数据库比较以识别它们存在的范围。例如，在局部曲率的情况下，曲率值被比较以确定它们是否在标准数据库内。如果存在曲率在标准数据库外的点，则通过利用在步骤S207中检测到的视神经乳头部分和黄斑部分的位置来识别存在异常的地点。被确定存在异常的地点的示例可以包括乳突区域、黄斑周围区域、宽眼球区域、乳突区域和黄斑周围区域二者。以下参照图5A和图5B来对此进行描述。图5A和图5B例示了包括乳突区域510和511、黄斑周围区域520和521、以及宽眼球区域530和531的眼底图像。图5A例示了区域被划分的示例情况。图5B例示了区域部分彼此叠置的示例情况。以下论述了视神经乳头部分的中心与黄斑部分的中央凹之间的距离为4.0mm时的一个示例情况。在该情况下，在图5A中，乳突区域510与黄斑周围区域520之间的边界线的位置与视神经乳头部分的中心和黄斑部分的中央凹的各个间隔2.0mm，并且在图5B中，乳突区域511与黄斑周围区域521之间的边界线的位置跟视神经乳头部分的中心间隔3.0mm，并且它们之间的另一边界线的位置与黄斑部分的中央凹间隔3.0mm。在图5B存在叠置区域的情况下，当在该叠置区域中存在异常区域时，通过检查类似异常存在于其他区域哪里来识别地点。例如，如果异常区域全部被包含在区域511中，则确定异常存在于乳突区域中。如果异常区域全部包含在区域521中，则确定异常存在于黄斑周围区域中。如果异常区域在区域511和521二者中，则确定异常存在于乳突区域和黄斑周围区域二者中。
在图5A和图5B中，区域为矩形。各区域的形状并不限于矩形。区域可以有圆形或椭圆形。在图5A和图5B中，区域被显示为与眼底图像平行。区域也可以被设置为与连接视神经乳头部分的中心和黄斑的中央部分的直线平行。
<步骤S209：存在异常的区域在眼底图像上的叠置>
在步骤S209中，显示控制器305在显示部600上显示分析结果。图6A和图6B例示了本实施例中的显示部600中的显示区域的示例。图6A例示了示例正常形状。图6B例示了示例异常形状。在图6A和图6B中，附图标记610表示层析图像观察显示区域，附图标记611表示层析图像，附图标记612表示眼底图像，附图标记613表示摄像位置及其扫描方式标记，附图标记614表示形状分析图。形状分析图中由长短交替的虚线围绕的区域615表示视网膜中的正常形状范围。显示表单616是在眼底中的多个区域中是否存在异常的表示形态的示例并且示出形状分析的结果。
如图6A中所示，当形状分析的结果在标准数据库中时，确定部335将其显示在确定结果616中。如图6B中所示，当形状分析的结果在标准数据库外时，观察到异常的区域(617)(正常形状范围外的区域)被叠置在眼底图像上，并且观察到异常的地点被显示在确定结果616中。在表示形状异常中，值不是正常值的地点可以优选以不同颜色被显示，使得相对玻璃体侧凸起的形状和相对脉络膜侧凸起的形状被清楚区分。例如，相对玻璃体侧凸起的形状可以由蓝色表示，而相对脉络膜侧凸起的形状可以由红色表示。此外，颜色的深度可以根据该值的大小而变化。作为选择，还可以使用灰度。例如，相对玻璃体侧凸起的形状可以利用从浅蓝色到蓝色的灰度表示，相对脉络膜侧凸起的形状可以利用从橙色到红色的灰度表示。如果用颜色表示形状异常，则提供颜色条618从而使得用户能够识别哪个颜色表示正常以及哪个颜色表示异常。
图7A和图7B例示了用于显示形状分析的结果的其他方法。在本实施例中，因为用于形状分析的目标层是RPE或布鲁赫膜，所以无法分析乳突区域中的形状。设置不可分析区域619以避免分析乳突区域中的形状。图5A和图5B例示了其中进行与标准数据库的比较并且显示标准数据库外的区域的示例。与之不同，图7A和图7B例示了其中标准数据库是可选的并且通过形状分析获得的值被显示为彩色图的示例。图7A例示了其中与整个摄像范围对应的位置的形状分析结果作为彩色图被表示在眼底图像612上的示例。例如，正常范围可以用黄色或绿色表示，而正常范围外的范围可以用蓝色或红色表示。图7B例示了其中摄像范围以网格图案被划分为一定区域并且所述区域的各自的平均值被用颜色表示的示例。本实施例例示了利用使用颜色的表示方法的示例。该表示方法并不限于这些示例。例如，当区域以网格图案被划分为一定区域时，区域中的数值可以用数字表示。区域中的值并不限于平均值。它们可以是最大值、最小值、中值、方差、或标准偏差。为了评价特征值，可以利用最大值或最小值。为了评价区域形状的变化，可以利用方差或标准偏差。这些分析值可以切换为任意值。
<步骤S210：处理操作的完成的确定>
在步骤S210中，指令获取部(未例示)从外部获取结束或继续通过图像处理系统100拍摄层析图像的指令。该指令由操作者利用输入部700而输入。如果结束处理的指令被获取，则图像处理系统100结束该处理。相反，在不结束处理的情况下继续图像拍摄，处理返回到步骤S202，并且图像拍摄继续。
以上述方式，图像处理系统100进行处理。
根据上述结构，能够定量地确定视网膜局部形状变化，并且能够确定这些局部形状变化相对于乳突部分和黄斑部分存在于何处以及如何存在。这使得能够以定量方式进行一直以来主要基于主观的视网膜形状图像分析。
(第二实施例：眼底中存在异常的区域的形状的类型的确定)
接着，参照附图来描述根据第二实施例的图像处理装置。上述第一实施例例示了其中分析视网膜形状、确定局部形状、并且显示局部形状位于哪里的示例性实施例。本实施例的特征在于确定眼底中存在异常的区域的形状的类型。即，根据本实施例的图像处理装置包括确定单元，该确定单元被构造为基于表示眼底形状的信息来确定与眼底中存在异常的区域对应的多种类型(例如，Curtin分类)中的至少一种类型。与上述第一实施例具有基本相同功能的部分在这里不再描述。本实施例中的图像处理系统100的不同在于作为确定单元的示例的确定部335，以及不同在于在图2中的处理流程中的步骤S208中在确定部中使用的确定方法。以下参照图8以及图9A到图9C来对此进行描述。
图8例示了基于针对高度近视的病态由眼底照相机获得的图像、通过Curtin分类的10个类型(多种类型的示例)。高度近视眼中眼球后极变性并且眼轴延伸(存在相对后缘的突出区域)的条件被分类。在图8中，附图标记801表示由眼底照相机获得的图像，附图标记802表示眼球后极中的变性部分。类型1表示后巩膜葡萄肿，其中变性部分从视神经乳头部分的鼻侧向黄斑部分延伸，其形状为水平椭圆形，其深度为深。类型2表示黄斑肿，其中变性部分从视神经乳头部分向黄斑部分延伸，其形状为水平椭圆形，其深度为浅。类型3表示乳突肿，其中变性部分在乳突区域中延伸，其形状为圆形，其深度为浅。类型4表示鼻腔肿(nasal staphyloma)，其中变性部分向视神经乳头部分的鼻侧延伸，其形状为垂直椭圆形，其深度为浅。类型5表示在下的葡萄肿(inferior staphyloma)，其中变性部分向视神经乳头部分的下侧延伸，其形状为垂直椭圆形，其深度为浅。类型6是类型1和类型2的组合葡萄肿。类型7是类型1和类型3的组合葡萄肿。类型8表示具有分层结构的分层葡萄肿。类型9表示具有中隔结构的中隔葡萄肿(septal staphyloma)。类型10表示具有褶结构的褶襞葡萄肿(plicated staphyloma)。
确定部335按照形状变化的地点及其大小来进行分类。以下参照图9A到图9C来对此描述。图9A例示了其中描述了乳突区域911、黄斑周围区域921以及宽眼球区域931的眼底图像。图9B例示了乳突区域911至乳突区域的鼻侧区域912以及乳突区域的下部区域913的划分。图9C例示了用于形状变化的区域的确定的示例权重图。附图标记911-1表示针对乳突区域的权重图。附图标记912-1表示针对乳突区域中的鼻侧区域的权重图。附图标记913-1表示针对乳突区域中的下部区域的权重图。例示的图仅为示例。权重图不限于所例示的这些，它们可以是适合于类型的分类的任意图。在图9C中，通过阴影来代表权重。暗位置中的权重是1，亮位置的权重是0.5。它们之间的权重值线性变化。区域911、912和913具有叠置区域。当仅在全部区域中包含的位置(例如，图9B中的左下部分)出现变化时，识别是困难的。为了解决这点，通过对各区域中的特征位置加权，在识别中可以分配优先级顺序。即，确定部335对着加权图检查视网膜形状中出现变化的位置，计算各区域中的得分，并进行识别。该得分可以通过例如使用表达式3来计算。
其中表达式3
在表达式3中，Stype3表示类型3中的得分，Wtype3表示类型3中的权重图911-1，C(i,j)表示乳突区域911中的曲率值，thc表示用于得分计算的曲率值的阈值。阈值的一个示例是0.5[1/mm]。这对应于近似半径2[mm]的圆。针对各区域进行利用表达式3的计算，并且针对各类型计算得分。在表达式3中，符号被忽略，并且在计算中使用具有不小于阈值的凸形或凹形的位置。计算并不限于该方法。例如，可以通过不利用绝对值而是利用仅曲率值的条件表达式的正值或负值来计算得分。在该情况下，针对Curtin分类中的类型3，在整个乳突区域911上观察眼球后极的变性。针对类型4，在乳突区域911中的鼻侧区域(图9A到图9C中的左侧)中观察眼球后极的变性。
确定部335使用的确定方法并不限于上述方法。例如，可以使用诸如支持向量机(SVM)的分类器、通过例如AdaBoost建立的分类器的系综(ensemble)、或者诸如贝叶斯网络的概率模型。在这种情况下，在层析图像中观察到形状变化的位置可以被投射在眼底图像上，其x坐标值、其y坐标值及观察到形状变化的位置的曲率值可以被用作特征量，并且可以通过利用分类器或其系综来进行类型分类。特征提取部334除了形状中的特征量以外，还可以提取图像中的特征量。例如，可以通过利用眼底图像中的浓度值(RGB或黑白中的明暗度值)或者来自能够对具有高强度值的对比度的区域增强的各种类型的图像滤波器的输出结果作为特征量来进行分类。
接着，参照图10A到图10C来描述根据本实施例的显示部600中的显示区域。在图10A中，附图标记1016表示形状分析的确定结果。在图10A中，Curtin分类的结果被表示为形状分析的确定结果。如果形状分析的结果用文本表现，则可以准备一些典型的语句，并且可以依据观察形状变化的位置及其大小来选择语句。图10B例示了在表现形状分析的程度中使用的一个示例表。通过参照外部存储部500中存储的预先定义的表来对程度进行评价。在图10B中，VALUE表示数值，其一个示例是通过表达式3给出的得分。Th1和Th2是阈值。用于显示结果的方法并不限于用于通过文本来显示该结果的方法。用于显示形状分析的结果的另一示例方法在图10C中例示。如图10C中的形状分析结果1016-1所表示的，结果可以表现为数值(概率)。除了显示仅最高概率的类型之外，还可以显示高概率的多种类型，由此允许医生选择一种。
如上所述，在本实施例中确定单元通过视网膜的形状变化来进行分类。这使得能够进行高度近视中的定量分类。
上述实施例是本发明被实现为图像处理装置的实施例。本发明的实施例不限于图像处理装置。本发明可以被实现为在计算机上运行的软件。图像处理装置中的中央处理单元(CPU)一般通过利用随机存取存储器(RAM)或只读存储器(ROM)中存储的计算机程序或数据来控制计算机。与图像处理装置中的各部对应的软件的执行被控制，并且所述部的功能被实现。诸如按钮等的用户接口以及显示布局并不限于上述的那些。
其他实施例
还可以通过读出并执行记录在存储介质(例如，非临时性计算机可读存储介质)上的用于执行本发明的一个或多个上述实施例的功能的计算机可执行指令的系统或装置的计算机来实现本发明的各实施例，以及通过系统或装置的计算机通过例如从存储介质读出并执行用于执行一个或多个上述实施例的功能的计算机可执行指令的方法来实现本发明的各实施例。计算机可以包括中央处理单元(CPU)、微处理单元(MPU)或其他电路中的一个或多个，并且可以包括独立的计算机或独立的计算机处理器的网络。计算机可执行指令可以例如从网络或存储介质被提供给计算机。存储介质可以包括例如硬盘、随机存取存储器(RAM)、只读存储器(ROM)、分布式计算系统的存储器、光盘(诸如压缩光盘(CD)、数字通用光盘(DVD)或蓝光光盘(BD)TM)、闪存设备、存储卡等中的一个或多个。
本发明的实施例还可以通过如下的方法来实现，即，通过网络或者各种存储介质将执行上述实施例的功能的软件(程序)提供给系统或装置，该系统或装置的计算机或是中央处理单元(CPU)、微处理单元(MPU)读出并执行程序的方法。
虽然参照示例性实施例对本发明进行了描述，但是应当理解，本发明并不限于所公开的示例性实施例。应当对所附权利要求的范围给予最宽的解释，以使其涵盖所有这些变型例以及等同的结构和功能。

Claims (16)

1.一种图像处理装置，所述图像处理装置包括：
图像获得单元，其被构造为获得包括被检眼的眼底中的黄斑部分、视神经乳头部分以及多个层的层析图像；
层检测单元，其被构造为检测所述多个层的至少一层；
信息获取单元，其被构造为获取表示所检测到的至少一层中的黄斑部分的形状和视神经乳头部分的形状的信息；以及
确定单元，其被构造为基于表示所述黄斑部分的形状和所述视神经乳头部分的形状的所述信息，来确定在所述眼底中是否存在异常。
2.根据权利要求1所述的图像处理装置，其中，
所述确定单元通过将表示形状的所述信息与存储正常眼底的形状的标准数据库进行比较，来确定在所述眼底中是否存在异常。
3.根据权利要求1所述的图像处理装置，所述图像处理装置还包括：
区域检测单元，其被构造为基于所述层析图像和所述被检眼的眼底图像中的至少一者，来检测所述视神经乳头部分和所述黄斑部分中的至少一者，
其中，所述确定单元基于表示形状的所述信息来确定在检测到的视神经乳头部分和黄斑部分中是否存在异常，并且基于该确定来确定眼底中疾病的类型。
4.根据权利要求1所述的图像处理装置，所述图像处理装置还包括：
显示控制单元，其被构造为以使得被确定存在异常的区域叠置在所述被检眼的眼底图像上的方式，在显示单元上显示所述区域。
5.根据权利要求4所述的图像处理装置，其中，
所述显示控制单元在所述显示单元上显示表示在所述黄斑部分和所述视神经乳头部分中是否存在异常的显示表单。
6.根据权利要求4所述的图像处理装置，其中，所述显示控制单元在所述显示单元上显示表示形状的所述信息。
7.根据权利要求1所述的图像处理装置，其中，
所述确定单元确定眼底中疾病的类型，所述疾病对应于被确定存在异常的区域。
8.根据权利要求1所述的图像处理装置，其中，
所述确定单元确定被确定存在异常的区域中的异常的状态，并且确定眼底中疾病的类型，所述疾病对应于被确定存在异常的区域以及对应于所述异常的状态。
9.根据权利要求1所述的图像处理装置，其中，
所述信息获取单元获取所述层析图像中的层的曲率的值以及表示从所述层到基准线的区域的值中的至少一者，作为表示形状的所述信息，并且
所述确定单元通过将所获取的值与阈值进行比较，来确定在所述眼底中是否存在异常。
10.根据权利要求1所述的图像处理装置，其中，所述层检测单元被构造为检测布鲁赫层以及视网膜色素上皮层中的至少一者，作为所述至少一层，
其中，所述信息获取单元基于检测到的层来获取表示形状的所述信息。
11.根据权利要求1所述的图像处理装置，其中，
所述图像处理装置连接到层析摄像装置以使得能够与该层析摄像装置通信，并且
所述图像获得单元获得通过所述层析摄像装置拍摄眼底的图像而获得的所述层析图像。
12.根据权利要求11所述的图像处理装置，其中，
所述层析摄像装置包括选择单元，该选择单元被构造为选择包括形状分析摄像模式的多个摄像模式中的任意一者，所述形状分析摄像模式是分析眼底的形状的摄像模式，并且
所述图像获得单元在所述形状分析摄像模式被选择的情况下获得所述层析图像，所述层析图像通过所述层析摄像装置拍摄图像而获得并且包括眼底中的所述视神经乳头部分和所述黄斑部分。
13.一种图像处理方法，所述图像处理方法包括：
图像获得步骤，获得包括被检眼的眼底中的黄斑部分、视神经乳头部分以及多个层的层析图像；
层检测步骤，检测所述多个层的至少一层；
信息获取步骤，获取表示所检测到的至少一层中的黄斑部分的形状和视神经乳头部分的形状的信息；以及
确定步骤，基于表示所述黄斑部分的形状和所述视神经乳头部分的形状的所述信息来确定在所述眼底中是否存在异常。
14.根据权利要求13所述的图像处理方法，其中，
在所述信息获取步骤中，获取所述层析图像中的层的曲率的值以及表示从所述层到基准线的区域的值中的至少一者，作为表示形状的所述信息，并且
在所述确定步骤中，通过将所获取的值与阈值进行比较来确定在所述眼底中是否存在异常。
15.一种图像处理装置，所述图像处理装置包括：
图像获得单元，其被构造为获得包括被检眼的眼底中的黄斑部分、视神经乳头部分以及多个层的层析图像；
层检测单元，其被布置为检测所述多个层的至少一层；
信息获取单元，其被构造为获取表示所检测到的至少一层的形状的信息；以及
确定单元，其被构造为使用所获取的信息确定与眼底中存在异常的区域对应的多种类型中的至少一种类型。
16.一种图像处理方法，所述图像处理方法包括：
图像获得步骤，获得包括被检眼的眼底中的黄斑部分、视神经乳头部分以及多个层的层析图像；
层检测步骤，检测所述多个层的至少一层；
信息获取步骤，获取表示所检测到的至少一层的形状的信息；以及
确定步骤，使用所获取的信息确定与眼底中存在异常的区域对应的多种类型中的至少一种类型。
CN201510333845.7A 2014-06-18 2015-06-16 图像处理装置及图像处理方法 Active CN105310645B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2014-125729 2014-06-18
JP2014125729A JP2016002380A (ja) 2014-06-18 2014-06-18 画像処理装置、その作動方法及びプログラム

Publications (2)

Publication Number Publication Date
CN105310645A CN105310645A (zh) 2016-02-10
CN105310645B true CN105310645B (zh) 2017-05-31

Family

ID=53442625

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510333845.7A Active CN105310645B (zh) 2014-06-18 2015-06-16 图像处理装置及图像处理方法

Country Status (4)

Country Link
US (1) US9585560B2 (zh)
EP (1) EP2957219A1 (zh)
JP (1) JP2016002380A (zh)
CN (1) CN105310645B (zh)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2693399B1 (en) * 2012-07-30 2019-02-27 Canon Kabushiki Kaisha Method and apparatus for tomography imaging
JP6632267B2 (ja) * 2015-09-04 2020-01-22 キヤノン株式会社 眼科装置、表示制御方法およびプログラム
JP6946696B2 (ja) * 2017-03-31 2021-10-06 株式会社ニデック 眼底解析装置及び眼底解析プログラム
JP7078948B2 (ja) * 2017-06-27 2022-06-01 株式会社トプコン 眼科情報処理システム、眼科情報処理方法、プログラム、及び記録媒体
WO2019083129A1 (ko) * 2017-10-27 2019-05-02 주식회사 뷰노 피검체에 대한 안저 영상의 판독을 지원하는 방법 및 이를 이용한 장치
JP7185255B2 (ja) * 2018-05-16 2022-12-07 株式会社トーメーコーポレーション 断層画像処理装置、これを備える眼科装置、及び断像画像を処理するためのコンピュータプログラム
JP7286283B2 (ja) * 2018-08-30 2023-06-05 株式会社トプコン 眼科装置
JP2020058647A (ja) * 2018-10-11 2020-04-16 株式会社ニコン 画像処理方法、画像処理装置、及び画像処理プログラム
CN109671049B (zh) * 2018-11-07 2024-03-01 哈尔滨工业大学（深圳） 一种医学图像处理方法、系统、设备、存储介质
CN111325224A (zh) * 2018-12-13 2020-06-23 数优(苏州)人工智能科技有限公司 计算机可读存储介质、输入数据检查方法以及计算装置
CN109744996B (zh) * 2019-01-11 2021-06-15 中南大学 Oct图像的bmo位置定位方法
CN110210286B (zh) * 2019-04-17 2024-05-31 平安科技（深圳）有限公司 基于眼底图像的异常识别方法、装置、设备及存储介质
CN110327013B (zh) * 2019-05-21 2022-02-15 北京至真互联网技术有限公司 眼底图像检测方法、装置及设备和存储介质
US11419495B2 (en) * 2019-10-30 2022-08-23 Nikon Corporation Image processing method, image processing device, and storage medium
CN113012180B (zh) * 2021-02-08 2023-08-11 北京百度网讯科技有限公司 图像的成像设备确定方法、装置、设备及存储介质
CN113768460B (zh) * 2021-09-10 2023-11-14 北京鹰瞳科技发展股份有限公司 一种眼底图像分析系统、方法以及电子设备
CN113768461B (zh) * 2021-09-14 2024-03-22 北京鹰瞳科技发展股份有限公司 一种眼底图像分析方法、系统和电子设备
CN116491893B (zh) * 2023-06-28 2023-09-15 依未科技(北京)有限公司 高度近视眼底改变评估方法及装置、电子设备及存储介质
CN117437231B (zh) * 2023-12-21 2024-04-26 依未科技(北京)有限公司 近视眼底结构改变的定位方法及装置、图像处理方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006149654A (ja) * 2004-11-29 2006-06-15 Hitachi Omron Terminal Solutions Corp 眼底の病変についての診断の支援
JP4810562B2 (ja) * 2008-10-17 2011-11-09 キヤノン株式会社 画像処理装置、画像処理方法
US9700210B2 (en) * 2009-03-02 2017-07-11 Canon Kabushiki Kaisha Image processing apparatus and method for controlling the same
JP5790002B2 (ja) * 2011-02-04 2015-10-07 株式会社ニデック 眼科撮影装置
JP5017486B2 (ja) * 2011-08-12 2012-09-05 キヤノン株式会社 画像処理装置及び画像処理方法
JP5935146B2 (ja) 2011-08-30 2016-06-15 大日本印刷株式会社 眼科疾患の画像解析装置、眼科用画像解析方法及び眼科用画像解析プログラム
JP5988772B2 (ja) * 2012-01-20 2016-09-07 キヤノン株式会社 画像処理装置及び画像処理方法
JP6061554B2 (ja) * 2012-01-20 2017-01-18 キヤノン株式会社 画像処理装置及び画像処理方法
JP5924955B2 (ja) * 2012-01-27 2016-05-25 キヤノン株式会社 画像処理装置、画像処理装置の制御方法、眼科装置およびプログラム
JP6226510B2 (ja) * 2012-01-27 2017-11-08 キヤノン株式会社 画像処理システム、処理方法及びプログラム
JP5241937B2 (ja) 2012-04-27 2013-07-17 キヤノン株式会社 画像処理装置及び画像処理方法
JP5714083B2 (ja) * 2013-12-02 2015-05-07 キヤノン株式会社 眼科装置、眼科用処理装置、眼科システム、断層画像取得方法、眼科用処理方法及びプログラム
US10117568B2 (en) * 2015-01-15 2018-11-06 Kabushiki Kaisha Topcon Geographic atrophy identification and measurement

Also Published As

Publication number Publication date
JP2016002380A (ja) 2016-01-12
CN105310645A (zh) 2016-02-10
US20150366452A1 (en) 2015-12-24
US9585560B2 (en) 2017-03-07
EP2957219A1 (en) 2015-12-23

Similar Documents

Publication Publication Date Title
CN105310645B (zh) 图像处理装置及图像处理方法
US10076242B2 (en) Systems and methods for automated classification of abnormalities in optical coherence tomography images of the eye
JP5955163B2 (ja) 画像処理装置および画像処理方法
JP6226510B2 (ja) 画像処理システム、処理方法及びプログラム
US8622548B2 (en) 3D retinal disruptions detection using optical coherence tomography
Abràmoff et al. Retinal imaging and image analysis
US9462945B1 (en) System and methods for automatic processing of digital retinal images in conjunction with an imaging device
EP2665406B1 (en) Automated determination of arteriovenous ratio in images of blood vessels
US8699774B2 (en) Image processing apparatus, control method thereof, and program
WO2014199976A1 (ja) 脈絡膜の血管網を選択的に可視化し解析する光干渉断層計装置、その画像処理プログラム及び画像処理方法
Van Grinsven et al. Automatic identification of reticular pseudodrusen using multimodal retinal image analysis
US20180353066A1 (en) Image processing apparatus and image processing method
EP2693399B1 (en) Method and apparatus for tomography imaging
US10456032B2 (en) Ophthalmic imaging apparatus and ophthalmic image processing apparatus
US20140268048A1 (en) Image processing device, image processing system, image processing method, and program
JP2018020192A (ja) 画像処理システム、処理方法及びプログラム
WO2020137678A1 (ja) 画像処理装置、画像処理方法及びプログラム
WO2017020045A1 (en) System and methods for malarial retinopathy screening
de Moura et al. Automatic identification of intraretinal cystoid regions in optical coherence tomography
US10123691B1 (en) Methods and systems for automatically identifying the Schwalbe&#39;s line
Lu et al. Parapapillary atrophy and optic disc region assessment (PANDORA): retinal imaging tool for assessment of the optic disc and parapapillary atrophy
US10062164B2 (en) Method for the analysis of image data representing a three-dimensional volume of biological tissue
JP2018057828A (ja) 画像処理装置及び画像処理方法
Bayer Interpretation of imaging data from Spectralis OCT
JP2018047084A (ja) 眼科検査装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant