CN117083013A - 等级评价装置、眼科拍摄装置、程序、记录介质以及等级评价方法 - Google Patents

等级评价装置、眼科拍摄装置、程序、记录介质以及等级评价方法 Download PDF

Info

Publication number
CN117083013A
CN117083013A CN202280021777.9A CN202280021777A CN117083013A CN 117083013 A CN117083013 A CN 117083013A CN 202280021777 A CN202280021777 A CN 202280021777A CN 117083013 A CN117083013 A CN 117083013A
Authority
CN
China
Prior art keywords
image
evaluation
rank
vascularity
value
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.)
Pending
Application number
CN202280021777.9A
Other languages
English (en)
Inventor
新田将
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.)
Topcon Corp
Original Assignee
Topcon Corp
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 Topcon Corp filed Critical Topcon Corp
Publication of CN117083013A publication Critical patent/CN117083013A/zh
Pending legal-status Critical Current

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
    • A61B3/102—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
    • A61B3/0016—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
    • A61B3/10—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
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/162—Segmentation; Edge detection involving graph-based methods
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation
    • 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

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Ophthalmology & Optometry (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Eye Examination Apparatus (AREA)

Abstract

血管分布图像的等级评价装置(500)具备：获得部(510)，获得通过OCT血管造影得到的表示眼球中的血管分布的图像即血管分布图像；评价值计算部(520)，基于多个基准，根据血管分布图像计算多个评价值；以及等级值计算部(530)，基于多个评价值，计算表示血管分布图像的等级的值即等级值。

Description

等级评价装置、眼科拍摄装置、程序、记录介质以及等级评价 方法
技术领域
本发明涉及等级评价装置、眼科拍摄装置、程序、记录介质以及等级评价方法。
背景技术
在眼科领域中，影像诊断占有重要的地位。近年来，光学相干断层扫描(OCT)的应用得到了发展。OCT不仅用于获取受检眼的B扫描图像和三维图像，还用于获取C扫描图像和阴影图等正面图像(en-face图像)。
进一步地，还可以将OCT用于获取增强受检眼的确定部位的图像、获取功能信息。例如，近年来，OCT血管造影(OCT-Angiography)受到关注。
OCT血管造影典型地是基于在眼底的三维区域应用OCT所收集的时间序列数据，来构筑血管被增强的图像(血管造影图像、血管造影片、运动对比度图像)的技术。
若通过OCT血管造影则可得到表示血管的分布的图像(以下，血管分布图像)。OCT血管造影是基于通过OCT获得的图像。在拍摄多张在相同位置时间错开的OCT的断层图像的基础上，若比较时间错开的断层图像，则由于在存在血管的地方红血球运动，因此信号强度发生变化。通过提取该信号强度变化的部分作为血管并增强显示，能够获得血管的图像。通过OCT血管造影得到的血管分布图像例如为表示视网膜的表层(superficial)的血管分布的图像。
为了通过OCT血管造影获得血管分布图像，需要在相同位置时间错开的多个OCT图像。但是，在示迹不顺利的情况下或受检眼的固视不稳定的情况下，通过OCT血管造影所得到的血管分布图像的品质(等级)会劣化。针对血管分布图像的等级的评价以往是医生通过目视进行的。但是，不能定量地评价血管分布图像的等级。另外，可以考虑多个用于评价血管分布图像的等级的基准，但也不能基于多个基准定量地评价血管分布图像的等级。
在专利文献1中记载了一种OCT信号处理装置，该装置基于在受检体上扫描的测定光和参照光，对由OCT设备检测到的OCT信号进行处理。OCT信号处理装置具备将确认画面显示在显示单元的控制单元，确认画面用于确认对在同一部位的时间不同的多个OCT信号进行处理得到的三维运动对比度数据的好坏。控制单元使运动对比度图像显示于确认画面，该运动对比度图像是基于在受检体的一部分的深度区域所提取的三维运动对比度数据即深度区域数据的图像。
专利文献1中记载的技术是使确认画面显示于显示单元，由人类来确认三维运动对比度数据的好坏，而装置不是定量地评价血管分布图像的等级。
在专利文献2中记载了一种拍摄受检眼的眼科拍摄装置。该眼科拍摄装置具备第一获得单元，该第一获得单元利用得到受检眼的断层图像数据的OCT光学系统，就受检眼上的同一位置获得时间不同的多个OCT信号。该眼科拍摄装置具备图像处理单元，该图像处理单元对由第一获得单元所获得的在各扫描位置的深度方向上的多个OCT信号进行处理，获得受检眼的正面运动对比度数据或者三维运动对比度数据。该眼科拍摄装置具备图像分割单元，该图像分割单元将正面运动对比度数据或者三维运动对比度数据分割为多个区域。该眼科拍摄装置具备判定单元，该判定单元针对每个被图像分割单元分割的分割区域判定每个分割区域的正面运动对比度数据或者每个分割区域的三维运动对比度数据是否合适。
专利文献2中记载的技术针对每个分割区域判定每个分割区域的正面运动对比度数据或者每个分割区域的三维运动对比度数据是否合适，并利用第二获得单元在与判定为不合适的分割区域的正面运动对比度数据或者判定为不合适的分割区域的三维运动对比度数据相同的分割区域中的各扫描位置再次获得多个OCT信号，将再次获得的所述各扫描位置上的所述多个OCT信号设定为判定为不合适的分割区域的多个OCT信号。即，专利文献2中记载的技术是鉴于由于受检眼的眨眼或固视微动等影响而在图像内产生位置偏移或运动伪影，来分割区域，并针对判定为不合适的分割区域重新获得OCT信号，从而获得对诊断有用的正面运动对比度数据或者对诊断有用的三维运动对比度数据。专利文献2中记载的该技术不是基于多个基准对血管分布图像本身的等级进行定量地评价的技术。
现有技术文献
专利文献
专利文献1：日本国特开2017-006179号公报
专利文献2：日本国特开2017-046976号公报
发明内容
发明要解决的问题
本发明的目的在于，提供一种可以基于多个基准对通过OCT血管造影而得到的血管分布图像的等级进行定量地评价的等级评价装置、眼科拍摄装置、程序、记录介质以及等级评价方法。
用于解决问题的手段
本公开提供一种血管分布图像的等级评价装置，具备：获得部，获得通过OCT血管造影(OCT-Angiography)得到的表示眼球中的血管分布的图像即血管分布图像；评价值计算部，基于多个基准，根据所述血管分布图像计算多个评价值；等级值计算部，基于所述多个评价值，计算表示所述血管分布图像的等级的值即等级值。
本公开提供一种眼科拍摄装置，该眼科拍摄装置具备上述的等级评价装置，并能够执行光学相干断层扫描(OCT)。
本公开提供一种程序，该程序使计算机作为获得部、评价值计算部以及等级值计算部发挥功能，所述获得部获得通过OCT血管造影(OCT-Angiography)得到的表示眼球中的血管分布的图像即血管分布图像，所述评价值计算部基于多个基准，根据所述血管分布图像计算多个评价值，所述等级值计算部基于所述多个评价值，计算表示所述血管分布图像的等级的值
本公开提供一种记录介质，为计算机可读取的非临时记录介质，记录有上述的程序。
本公开提供一种等级评价方法，为由具有处理器的计算机进行的血管分布图像的等级评价方法，其中，具有：所述处理器基于多个基准，根据通过OCT血管造影(OCT-Angiography)得到的表示眼球中的血管分布的图像即血管分布图像计算多个评价值的步骤；以及所述处理器基于所述多个评价值，计算表示所述血管分布图像的等级的值即等级值的步骤。
发明效果
根据本公开，能提供一种可基于多个基准对通过OCT血管造影而得到的血管分布图像的等级进行定量地评价的等级评价装置、眼科拍摄装置、程序、记录介质、以及等级评价方法。
附图说明
图1是示出眼科拍摄装置的结构的一例的概略图。
图2是示出眼科拍摄装置的结构的一例的概略图。
图3是示出眼科拍摄装置的结构的一例的概略图。
图4A是示出眼科拍摄装置可执行的扫描模式的一例的概略图。
图4B是示出眼科拍摄装置可执行的扫描模式的一例的概略图。
图5是示出实施方式的等级评价装置的结构的一例的概略图。
图6是示出实施方式的等级评价装置的动作的一例的流程图。
图7是例示血管分布图像的等级为Poor的情况下的血管分布图像的图。
图8是例示血管分布图像的等级为Average的情况下的血管分布图像的图。
图9是例示血管分布图像的等级为Good的情况下的血管分布图像的图。
图10是关于第一算法的概略图。
图11是关于第一算法的概略图。
图12是关于第一算法的概略图。
图13是关于第二算法的概略图。
图14是关于第二算法的概略图。
图15是关于第二算法的概略图。
图16是关于第三算法的概略图。
图17是关于第三算法的概略图。
图18是关于第三算法的概略图。
图19是关于第三算法的概略图。
图20是关于第四算法的概略图。
图21是关于第四算法的概略图。
图22是关于第五算法的概略图。
图23是关于第五算法的概略图。
图24是关于第五算法的概略图。
图25是关于第五算法的概略图。
图26是关于第六算法的概略图。
图27是关于第六算法的概略图。
图28是关于第六算法的概略图。
图29是关于第六算法的概略图。
图30是关于第六算法的概略图。
图31是关于第七算法的概略图。
图32是关于第七算法的概略图。
图33是关于第八算法的概略图。
图34是例示实施方式的等级评价装置所使用的决策树的概念图。
具体实施方式
一边参照附图一边进行详细地说明本发明的一些实施方式。与实施方式关联的眼科拍摄装置是至少具备执行光学相干断层扫描(OCT)的功能的眼科装置。
以下，针对将扫频源OCT与眼底相机组合的眼科拍摄装置进行说明，但眼科拍摄装置不限于此。例如，OCT的类型不限于扫频源OCT，也可以是谱域OCT等。在此，扫频源OCT是将来自波长可变光源(波长扫描光源)的光分割为测定光和参照光，将来自受检物的测定光的返回光与参照光重合而生成干涉光，用平衡型光电二极管等检测该干渉光，对根据波长的扫描以及测定光的扫描而收集的检测数据实施傅立叶变换等来形成图像的方法。另一方面，谱域OCT是将来自低相干光源的光分割为测定光和参照光，将来自受检物的测定光的返回光与参照光重合而生成干涉光，用分光器检测该干渉光的光谱分布，对检测到的光谱分布实施傅立叶变换等来形成图像的方法。换言之，扫频源OCT是通过时间分割获得光谱分布的方法，谱域OCT是通过空间分割获得光谱分布的方法。此外，可应用于实施方式的OCT的方法不限于此，可应用其他任意的方法(例如，时域OCT)。
眼科拍摄装置可以具备或不具备如眼底相机的获得受检眼的照片(数字照片)的功能。另外，也可以代替眼底相机而设置扫描型激光检眼镜(SLO)、裂隙灯显微镜、前眼部拍摄相机、手术显微镜等任意的形态。此外，眼底照片等正面图像可用于眼底的观察、扫描区域的设定、示迹等。
〈眼科拍摄装置的结构例〉
如图1所示，眼科拍摄装置1包括眼底相机单元2、OCT单元100以及运算控制单元200。在眼底相机单元2设置有与现有的眼底相机几乎相同的光学系统。在OCT单元100设置有用于执行OCT的光学系统或机构。运算控制单元200包括处理器。在与眼底相机单元2相对的位置设置有用于支撑受检者的脸部的颚托或额挡。
在本说明书中“处理器”意指例如CPU(CentralProcessingUnit：中央处理器)、GPU(GraphicsProcessingUnit：图形处理器)、ASIC(ApplicationSpecificIntegratedCircuit：专用集成电路)、可编辑逻辑器件(例如，SPLD(SimpleProgrammableLogicDevice：简单可编辑逻辑器件)、CPLD(ComplexProgrammableLogicDevice：复杂可编辑逻辑器件)、FPGA(FieldProgrammableGateArray：现场可编辑门阵列))等电路。处理器例如通过读取并执行存储于存储电路或存储装置中的程序来实现实施方式的功能。
〈眼底相机单元2〉
在眼底相机单元2设置有用于拍摄受检眼E的眼底Ef的光学系统或机构。拍摄眼底Ef得到的图像(称为眼底图像、眼底照片等)包括观察图像和拍摄图像。观察图像例如通过使用了近红外光的动态图像拍摄来得到。拍摄图像例如是使用可见闪光得到的彩色图像或者单色图像，或是使用近红外闪光得到的单色图像。眼底相机单元2可以为能获得荧光素荧光图像、吲哚花青绿荧光图像、自发荧光图像等。
眼底相机单元2包括照明光学系统10和拍摄光学系统30。照明光学系统10向受检眼E照射照明光。拍摄光学系统30检测来自受检眼E的照明光的返回光。来自OCT单元100的测定光通过眼底相机单元2内的光路被引导至受检眼E，其返回光通过相同的光路被引导至OCT单元100。
照明光学系统10的观察光源11例如是卤素灯或者发光二极管(LED)。从观察光源11输出的光(观察照明光)被具有曲面状的反射面的反射镜12反射，经由聚光透镜13，透过可见截止滤光器14变为近红外光。进一步地，观察照明光在拍摄光源15的附近暂时聚集，被反射镜16反射，并经由中继透镜17、18、光阑19以及中继透镜20。然后，观察照明光在开孔镜21的周边部(孔部的周围区域)被反射，透过分色镜46，被物镜22折射来照明受检眼E(尤其是眼底Ef)。
来自受检眼E的观察照明光的返回光被物镜22折射，透过分色镜46，穿过在开孔镜21的中心区域形成的孔部，透过分色镜55，经由拍摄对焦透镜31，被反射镜32反射。进一步地，该返回光透过半反射镜33A，被分色镜33反射，由聚光透镜34在CCD图像传感器35的受光面成像。CCD图像传感器35例如以预定的帧率检测返回光。此外，在拍摄光学系统30的焦点对焦于眼底Ef的情况下，可得到眼底Ef的观察图像，在焦点对焦于前眼部的情况下，可得到前眼部的观察图像。
拍摄光源15例如是包括氙灯或者LED的可见光源。从拍摄光源15输出的光(拍摄照明光)通过与观察照明光相同的路径照射到眼底Ef。来自受检眼E的拍摄照明光的返回光通过与观察照明光的返回光相同的路径被引导至分色镜33，透过分色镜33，被反射镜36反射，并由聚光透镜37在CCD图像传感器38的受光面成像。
液晶显示器(LCD)39显示用于使受检眼E固视的固视标。从LCD39输出的光束(固视光束)的一部分被半反射镜33A反射，并被反射镜32反射，经由拍摄对焦透镜31以及分色镜55，穿过开孔镜21的孔部。穿过开孔镜21的孔部的固视光束透过分色镜46，被物镜22折射而被投射至眼底Ef。通过变更LCD39的画面中的固视标的显示位置，能够变更受检眼E的固视位置。此外，能够代替LCD39，使用多个LED二维排列而成的矩阵LED、光源与可变光阑(液晶光阑等)的组合等作为固视光束生成单元。
在眼底相机单元2设置有对准光学系统50和聚焦光学系统60。对准光学系统50生成用于光学系统相对于受检眼E的对准的对准标识。聚焦光学系统60生成用于对受检眼E的聚焦调整的裂缝标识。
从对准光学系统50的LED51输出的对准光经由光阑52、53以及中继透镜54，被分色镜55反射，穿过开孔镜21的孔部。穿过开孔镜21的孔部的光透过分色镜46，被物镜22投射于受检眼E。
对准光的角膜反射光经由物镜22、分色镜46以及上述孔部，其一部分透过分色镜55，穿过拍摄对焦透镜31，被反射镜32反射，透过半反射镜33A，被分色镜33反射，被聚光透镜34投影于CCD图像传感器35的受光面。能够基于CCD图像传感器35的受光图像(由两个亮点组成的对准标识图像)，进行与现有相同的手动对准或自动对准。
聚焦光学系统60与拍摄对焦透镜31沿着拍摄光学系统30的光路(拍摄光路)的移动连动，沿着照明光学系统10的光路(照明光路)移动。反射棒67可相对于照明光路插拔。
在进行聚焦调整时，反射棒67的反射面倾斜设置在照明光路上。从LED61输出的聚焦光穿过中继透镜62，被裂缝视标板63分离为两个光束，穿过二孔光阑64，被反射镜65反射，被聚光透镜66暂时成像于反射棒67的反射面并被反射。进一步地，聚焦光经由中继透镜20，被开孔镜21反射，透过分色镜46，被物镜22折射而被投射于眼底Ef。
聚焦光的眼底反射光通过与对准光的角膜反射光相同的路径而被CCD图像传感器35检测。基于CCD图像传感器35的受光图像(由两个亮线图像组成的裂缝标识图像)，能够进行与现有相同的手动对准或自动对准。
拍摄光学系统30包括屈光矫正透镜70以及71。屈光矫正透镜70以及71可以选择性地插入开孔镜21与分色镜55之间的拍摄光路。屈光矫正透镜70是用于矫正高度远视的正(+)透镜，例如为+20D(屈光度)的凸透镜。屈光矫正透镜71是用于矫正高度近视的负(-)透镜，例如为-20D的凹透镜。屈光矫正透镜70以及71例如安装在转盘板上。在转盘板形成有用于在屈光矫正透镜70以及71的哪个都不应用的情况下的孔部。
分色镜46将眼底拍摄用的光路和OCT用的光路合成。分色镜46将用于OCT的波段的光反射，使眼底拍摄用的光透过。在OCT用的光路上，从OCT单元100侧起依次设置有准直透镜单元40、光路长度变更部41、光扫描仪42、OCT对焦透镜43、反射镜44以及中继透镜45。
光路长度变更部41可以向图1所示的箭头方向移动，从而变更OCT用的光路的光路长度。该光路长度的变更被用于根据受检眼E的眼轴长度进行光路长度的矫正、干渉状态的调整等。光路长度变更部41例如包括角隅棱镜和移动角隅棱镜的机构。
光扫描仪42配置在与受检眼E的瞳孔光学共轭的位置。光扫描仪42变更穿过OCT用的光路的测定光LS的行进方向。由此，用测定光LS扫描受检眼E。光扫描仪42可以将测定光LS向xy平面的任意方向偏转，例如，包括将测定光LS向x方向偏转的电流镜和向y方向偏转的电流镜。
〈OCT单元100〉
如图2所示，OCT单元100设置有用于执行受检眼E的OCT的光学系统。该光学系统的构成与现有的扫频源OCT相同。即，该光学系统包括干渉光学系统，将来自光源的光分割为测定光和参照光，使来自受检眼E的测定光的返回光与经由参照光路的参照光重合生成干渉光，并检测该干渉光。由干渉光学系统得到的检测结果(检测信号)是示出干渉光的光谱的信号，被送至运算控制单元200。
光源单元101与一般的扫频源OCT同样，包括波长可变光源，可使出射光的波长快速改变。波长可变光源例如为近红外激光光源。
从光源单元101输出的光L0被光纤102引导至偏振控制器103，其偏振状态被调整。进一步地，光L0被光纤104引导至光纤耦合器105，被分割为测定光LS和参照光LR。
参照光LR被光纤110引导至准直器111而变换为平行光束，经由光路长度矫正构件112以及散射补偿构件113，引导至角隅棱镜114。光路长度矫正构件112以使参照光LR的光路长度与测定光LS的光路长度一致的方式发挥作用。散射补偿构件113以使参照光LR与测定光LS之间的散射特性一致的方式发挥作用。
角隅棱镜114将入射的参照光LR的行进方向向反方向折回。参照光LR相对于角隅棱镜114的入射方向和出射方向相互平行。角隅棱镜114可在参照光LR的入射方向上移动，由此变更参照光LR的光路长度。
在图1以及图2所示的构成中，设置有用于变更测定光LS的光路(测定光路，测定臂)长度的光路长度变更部41和用于变更参照光LR的光路(参照光路，参照臂)长度的角隅棱镜114两者，但也可以仅设置光路长度变更部41和角隅棱镜114中的任一方。另外，也可以使用除此以外的光学构件来变更测定光路长度与参照光路长度的差。
经由角隅棱镜114的参照光LR经由散射补偿构件113以及光路长度矫正构件112，被准直器116从平行光束变为聚集光束，入射到光纤117。入射到光纤117的参照光LR被引导至偏振控制器118，调整其偏振状态，被光纤119引导至衰减器120来调整光量，并被光纤121引导至光纤耦合器122。
另一方面，由光纤耦合器105生成的测定光LS被光纤127引导并被准直透镜单元40变为平行光束，经由光路长度变更部41、光扫描仪42、OCT对焦透镜43、反射镜44以及中继透镜45，被分色镜46反射，被物镜22折射而入射到受检眼E。测定光LS在受检眼E的各种深度位置被散射、反射。来自受检眼E的测定光LS的返回光在与去路相同的路径上反向行进被引导至光纤耦合器105，经由光纤128到达光纤耦合器122。
光纤耦合器12使经由光纤128而入射的测定光LS和经由光纤121而入射的参照光LR重合来生成干渉光。光纤耦合器122通过以预定的分支比(例如1：1)将干渉光分支来生成一对干渉光LC。一对干渉光LC分别通过光纤123以及124被引导至检测器125。
检测器125例如是平衡型光电二极管(BalancedPhotoDiode)。平衡型光电二极管具有分别检测一对干渉光LC的一对光探测器，并输出由一对光探测器检测的检测结果的差分。检测器125将该检测结果(检测信号)送至数据收集系统(DAQ)130。
从光源单元101向DAQ130供给时钟KC。时钟KC在光源单元101中与由波长可变光源在预定的波长范围内所扫描的各波长的输出时机同步地生成。光源单元101例如在使通过将各输出波长的光L0分支而得到的两个分支光中的一方光学性延迟后，基于检测这些合成光的结果生成时钟KC。DAQ130基于时钟KC对从检测器125输入的检测信号进行采样。DAQ130将来自检测器125的检测信号的采样结果送至运算控制单元200。
〈运算控制单元200〉
运算控制单元200控制眼底相机单元2、显示装置3以及OCT单元100的各部分。另外，运算控制单元200执行各种运算处理。例如，运算控制单元200针对一系列波长扫描的每个波长扫描(每一A线)，对基于由检测器125得到的检测结果的光谱分布实施傅立叶变换等信号处理，由此形成各A线的反射强度轮廓。进一步地，运算控制单元200通过将各A线的反射强度轮廓图像化来形成图像数据。为此的运算处理与现有的扫频源OCT相同。
运算控制单元200例如包括处理器、RAM(RandomAccessMemory：随机存取存储器)、ROM(ReadOnlyMemory：只读存储器)、硬盘驱动器、通信接口等。硬盘驱动器等存储装置中存储有各种计算机程序。运算控制单元200可以包括操作设备、输入设备、显示设备等。
〈控制系统〉
在图3示出眼科拍摄装置1的控制系统(处理系统)的构成例。
〈控制部210〉
控制部210控制眼科拍摄装置1的各部分。控制部210包括处理器、RAM、ROM、硬盘驱动器等。控制部210的功能通过包括电路的硬件与控制软件的协作来实现。控制部210包括主控制部211和存储部212。
〈主控制部211〉
主控制部211进行各种控制。例如，主控制部211控制拍摄对焦透镜31、CCD图像传感器35、CCD图像传感器38、LCD39、光路长度变更部41、光扫描仪42、OCT对焦透镜43、聚焦光学系统60、反射棒67、光源单元101、参照驱动部114A、检测器125和DAQ130等。参照驱动部114A使设置在参照光路的角隅棱镜114移动。由此，变更参照光路的长度。
〈存储部212〉
存储部212存储各种数据。作为存储部212所存储的数据，例如有OCT图像的图像数据、眼底图像的图像数据和受检眼信息等。受检眼信息包括患者ID或姓名等受检者信息、左眼/右眼的识别信息和电子病历信息等。
〈数据处理部230〉
数据处理部230执行各种数据处理。例如，数据处理部230基于由DAQ13收集的数据形成图像数据。另外，数据处理部230可以对由DAQ13收集到的数据应用处理(信号处理)，对由DAQ13收集到的数据形成的图像数据应用图像处理或解析处理，对从CCD图像传感器35(或者CCD图像传感器38)输出的图像数据应用图像处理或解析处理。数据处理部230例如包括处理器以及专用电路基板中的至少一个。数据处理部230包括图像形成部231。
〈图像形成部231〉
图像形成部231包括未图示的图像形成处理器。图像形成部231基于从DAQ130输入到数据处理部230的检测信号的采样结果形成眼底Ef的剖面图像数据。与现有的扫频源OCT相同地，该处理包括噪声去除(降噪)、滤波处理、快速傅里叶变换(FFT)等信号处理。由图像形成部231形成的图像数据是包括通过对沿扫描线排列的多个A线(沿着z方向的扫描线)的反射强度轮廓进行图像化而形成的一组图像数据(一组A扫描图像数据)的数据组。
在实施OCT血管造影的情况下，图像形成部231能够基于通过仅重复进行预定次数的扫描而收集到的检测数据(例如，来自DAQ130的检测信号组)形成运动对比度图像。该运动对比度图像是眼底Ef的血管被增强的血管造影图像(血管造影)。此外，运动对比度图像为基于在同一位置不同时间所获得的多个数据(图像)而创建的图像，是表现该位置处的运动的图像。
在此，对可应用于OCT血管造影的扫描模式的典型例子进行说明。在OCT血管造影中应用三维扫描(光栅扫描)。三维扫描是沿着彼此平行排列的多个扫描线的扫描。多个扫描线被预先排序，并且以该顺序应用扫描。在图4A以及图4B示出在本实施方式中可应用的三维扫描的例子。
如图4B所示，针对320条扫描线L1～L320执行本例的三维扫描。沿着一条扫描线Li(i＝1～320)的一次扫描被称为B扫描。一个B扫描由320个A扫描组成(参照图4A)。A扫描是针对一个A线的扫描。也就是，A扫描是针对沿着测定光LS的入射方向(z方向、深度方向、轴方向)的A线的扫描。B扫描由沿着与z方向正交的xy面上的扫描线Li排列的320个A扫描组成。
在本例的三维扫描中，将针对扫描线L1～L320的B扫描以任意顺序各执行4次。针对各扫描线Li的4次B扫描被称为重复扫描。对各扫描线Li的4次重复(Repetition)的顺序是任意的。例如，可以连续进行4次扫描，也可以在4次扫描期间进行针对其他扫描线的B扫描。
扫描线L1～L320根据它们的排列顺序被分类为各5条的集合。通过该分类得到的64个集合分别被称为单元，对各单元的扫描称为单元扫描。单元扫描由针对5条扫描线的各扫描线的4次B扫描(Repetition)组成。即，单元扫描由20次B扫描组成。
图像形成部231将通过这样的扫描模式的应用而收集到的数据分类为每个扫描线Li的数据组(时间序列数据)。在此，数据组包括对应于4次重复的4个B扫描数据。4个B扫描数据分别是由针对扫描线Li的一次B扫描所收集到的数据。
进一步地，图像形成部231基于与各扫描线Li对应的数据组形成与该扫描线Li对应的运动对比度图像。与各扫描线Li对应的运动对比度图像是表示包括该扫描线Li的B扫描面(纵剖面)的二维血管造影图像。
与现有的OCT血管造影相同的方式执行形成运动对比度图像的处理。如上所述，在本例中，与扫描线Li对应的数据组包括4个B扫描数据。各B扫描数据是由针对扫描线Li的一次B扫描所收集的数据。
首先，图像形成部231基于各B扫描数据形成通常的OCT图像。该OCT图像是由320个A扫描图像数据组成的B扫描图像。由此，得到与扫描线Li对应的4个B扫描图像。
接着，图像形成部231确定在4个B扫描图像之间变化的图像区域。该处理例如包括求出不同的B扫描图像之间的差分的处理。各B扫描图像是表示眼底Ef的形态的亮度图像数据(强度图像数据)，可认为相当于血管以外的部位的图像区域实质上不变。另一方面，若考虑到有助于干渉信号的后向散射因血流而随机变化，则能推定出在4个B扫描图像之间发生了变化的图像区域(例如，差分不为零的像素或者差分为预定阈值以上的像素)是血管区域。
图像形成部231对确定出的血管区域内的像素赋予预定的像素值。该像素值例如可以为比较高的亮度值(在显示时表现为明亮、白色)、伪彩色值。此外，与其他现有技术相同，可以使用多普勒OCT或图像处理来确定血管区域。
通过这样的处理，得到与320条扫描线L1～L320对应的320个二维血管造影图像。图像形成部231按照320条扫描线L1～L320的排列配置320个二维血管造影图像。该处理例如包括与320条扫描线L1～L320的排列顺序以及排列间隔(间距)相匹配地将320个二维血管造影图像配置(嵌入)在单个三维坐标系中的处理。也就是，能够形成与320条扫描线L1～L320的排列对应的320个二维血管造影图像的栈数据。该栈数据是表示眼底Ef的血管的三维分布的图像(三维血管造影图像)的例子。图像形成部231也可以对该栈数据实施插值处理等而形成体数据(体素数据)。
根据所收集的数据形成血管造影图像的处理不限于上述的例子，可使用任意的公知技术形成血管造影图像。
图像形成部231能加工体数据或栈数据等三维图像。例如，图像形成部231能对三维图像应用绘制。作为绘制的方法，有体绘制、最大值投影(MIP)、最小值投影(MinIP)、面绘制、多平面重建(MPR)等。另外，图像形成部231通过将三维图像的至少一部分向z方向(A线方向、深度方向)投影，能够构筑投影数据或阴影图。
图像形成部231能够执行任意的解析处理或图像处理。例如，图像形成部231能够对二维剖面图像或者三维图像应用分割。分割是确定图像中的部分区域的处理。在本例中，能够确定相当于眼底Ef的预定组织的图像区域。
在OCT血管造影中，图像形成部231可根据三维血管造影图像构筑任意的二维血管造影图像以及/或任意的伪三维血管造影图像。例如，数据处理部230能够通过对三维血管造影图像应用多平面重建，构筑表示眼底Ef的任意剖面的二维血管造影图像。
另外，图像形成部231能够对三维血管造影图像应用分割并确定相当于眼底Ef的预定组织的图像区域，将所确定的图像区域向z方向投影来构筑阴影图(正面血管造影图像)。作为正面血管造影图像的例子，有与眼底Ef的任意深度区域(例如，视网膜浅层、视网膜深层、脉络膜毛细血管、巩膜等)对应的正面图像、与眼底Ef的预定组织(例如，内界膜、神经纤维层、神经节细胞层、内网层、内核层、外网层、外核层、外界膜、视网膜色素上皮层、玻璃膜(Bruch膜)、脉络膜、脉络膜与巩膜边界、巩膜、它们的任一部分、它们的至少2个以上的组合等)对应的正面图像。
图像形成部231例如除了上述的图像形成处理器，还可以包括图像处理处理器或图像解析处理器。图像形成处理器通过包括电路的硬件与图像形成软件的协作来实现。另外，图像处理处理器通过包括电路的硬件与图像处理软件的协作来实现。另外，图像解析处理器通过包括电路的硬件与图像解析软件的协作来实现。此外，在本说明书中，有时将“图像数据”和基于此的“图像”同等看待。另外，有时将受检眼E的部位和表示该部位的图像同等看待。
〈等级评价装置500〉
图5是示出实施方式的等级评价装置500的构成的一例的概略图。
等级评价装置500具备处理器501和存储器502。处理器501例如使用CPU(CentralProcessingUnit：中央处理器)、GPU(GraphicsProcessingUnit：图形处理器)、ASIC(ApplicationSpecificIntegratedCircuit：专用集成电路)、可编辑逻辑器件(例如，SPLD(SimpleProgrammableLogicDevice：简单可编辑逻辑器件)、CPLD(ComplexProgrammableLogicDevice：复杂可编辑逻辑器件)或者FPGA(FieldProgrammableGateArray：现场可编辑门阵列))来构成，与存储器502协作来进行各种处理以及控制。具体地，处理器501参照存储器502中所保持的等级评价程序P，通过执行该程序来功能性地实现获得部510、评价值计算部520以及等级值计算部530。此外，等级评价程序P也可以记录于例如存储器502以外的各种记录介质。
存储器502具有例如在执行处理器501的处理时使用的作为工作存储器的RAM(RandomAccessMemory)、存储规定处理器501的处理的程序的ROM(ReadOnlyMemory)。在RAM中暂时保存有由处理器501生成或者获得的数据。在ROM中写入有规定处理器501的处理的程序。
存储器502可以保存血管分布图像。血管分布图像是通过OCT血管造影(OCT-Angiography)得到的表示眼球中的血管分布的图像。血管分布图像可以是通过例如图3所示的控制部210、OCT单元100或者数据处理部230等生成或者存储的图像。
获得部510获得通过OCT血管造影(OCT-Angiography)得到的表示眼球中的血管分布的图像即血管分布图像。获得部510获得的血管分布图像可以是存储器502所保存的图像。另外，获得部510获得的血管分布图像可以是从以等级评价装置500来看的外部装置获得的图像。此外，在从外部装置获得血管分布图像的情况下，等级评价装置500可以具备用于与外部装置或者与外部装置连接的因特网等通信网络连接的通信接口。
评价值计算部520根据获得部510获得的血管分布图像，基于多个基准计算多个评价值。
在本实施方式中，评价值计算部520中安装有多个算法。例如，评价值计算部520中安装有第一算法521、第二算法522、第三算法523、第四算法524、第五算法525、第六算法526、第七算法527以及第八算法528。评价值计算部520使用这些各算法来计算多个评价值。在后边详细说明算法。此外，评价值计算部520所安装的算法不限于所述的8个算法。
等级值计算部530基于评价值计算部520计算的多个评价值，计算表示血管分布图像的等级的值即等级值。在后边详细说明等级值计算部530计算的等级值。
等级评价装置500另外还可以进一步具备接受用户的输入信息的输入部、对用户输出信息的输出部等。等级评价装置500例如也可以与图3所示的控制部210、OCT单元100、数据处理部230等一体化。
等级评价装置500可以并入眼科拍摄装置1中。即，可执行光学相干断层扫描(OCT)的眼科拍摄装置1可具备等级评价装置500。
图6是示出实施方式的等级评价装置500的动作的一例的流程图。
获得部510获得通过OCT血管造影(OCT-Angiography)得到的表示眼球中的血管分布的图像即血管分布图像(St101)。
评价值计算部520根据在步骤St101所获得的血管分布图像，基于多个基准计算多个评价值(St102)。
等级值计算部530基于在步骤St102计算的多个评价值，计算表示血管分布图像的等级的值即等级值(St103)。
图7是例示血管分布图像的等级为Poor(等级值＝3)的情况下的血管分布图像的图。如图所示，等级值为3的情况下的血管分布图像中包含很多横线伪影或噪声等，眼科医生或诊断系统难以基于该图像进行诊断。
图8是例示血管分布图像的等级为Average(等级值＝2)的情况下的血管分布图像的图。图9是例示血管分布图像的等级为Good(等级值＝1)的情况下的血管分布图像的图。如图所示，等级值为1或者2的情况下的血管分布图像与等级值为3的情况下的血管分布图像相比，横线伪影或噪声等少。等级值为1或者2的情况下的血管分布图像适合眼科医生或诊断系统基于该图像进行诊断。
此外，上述例示了将血管分布图像的等级分为3(Poor)、2(Average)以及1(Good)的3个阶段进行评价的情况，但血管分布图像的等级不限于上述的3个阶段，例如也可以分级为2个阶段或5个阶段等来进行。
可以考虑多个用于评价血管分布图像的等级的基准。但是，眼科医生等人类难以总是考虑这些多个基准并定量地对血管分布图像的等级进行判定。本公开的实施方式的等级评价装置500对血管分布图像的等级基于多个基准进行定量地评价。
〈第一算法：EyeMotion(眼球运动)〉
图10是关于第一算法521的概略图。图11是关于第一算法521的概略图。图12是关于第一算法521的概略图。参照图10至图12，针对评价值计算部520执行的第一算法521进行说明。
第一算法521是对由于眼球移动而在血管分布图像上产生的伪影的条数进行计算的算法。图10示出了获得部510获得的血管分布图像(原始图像)。图像中的Y轴方向(纵向)和X轴方向(横向)被同时示出。原始图像中的亮度高的部分(白色部分)为血管区域，亮度低的部分(灰色或者黑色部分)为血管以外的区域(背景区域)。在血管分布图像中，如区域REG1所见，由于眼球运动可能会产生血管横向偏移的横线伪影。第一算法521是计算该横线伪影的条数作为第一评价值的算法。
如图11所示，线HL1以及线HL2在血管分布图像中的横向上延伸。在血管分布图像中发生横线伪影的位置，因为像素横向偏移，所以相邻的线HL1与线HL2之间的相关性变低。因此评价值计算部520计算表示相邻的线HL1与线HL2之间的相关性的值。在表示相关性的值比预定的值低的情况下，评价值计算部520判定为在该位置存在横线伪影。预定的值例如为0.3。然后，评价值计算部520对血管分布图像中的横线伪影的条数进行计数，计算横线伪影的条数作为第一评价值。在图12中，通过上述的方法所检测的横线伪影用黑线表示。评价值计算部520使用上述的第一算法521，计算横线伪影的条数即124作为第一评价值。此外，第一评价值的值越小，血管分布图像的等级越良好。
〈第二算法：BlackBand(黑带)〉
图13是关于第二算法522的概略图。图14是关于第二算法522的概略图。图15是关于第二算法522的概略图。参照图13至图15，针对评价值计算部520执行的第二算法522进行说明。
图13示出了获得部510获得的血管分布图像(原始图像)。图像中的Y轴方向(纵向)和X轴方向(横向)被同时示出。原始图像中的亮度高的部分(白色部分)为血管区域，亮度低的部分(灰色或者黑色部分)为血管以外的区域(背景区域)。在血管分布图像中，如区域REG2所见，有时会出现黑带(BlackBand)而不是血管。第二算法522是计算该黑带的条数的算法。
如图14所示，线HL1以及线HL2在血管分布图像中的横向上延伸。在血管分布图像中产生黑带(BlackBand)的位置，具有相同像素值的像素跨越多条线而连续。因此，评价值计算部520计算表示相邻的线HL1与线HL2之间的相关性的值。在表示相关性的值比预定的值高的情况下，评价值计算部520判定为在该位置存在黑带(BlackBand)。预定的值例如为0.9。然后，评价值计算部520对血管分布图像中的黑带(BlackBand)进行计数，计算黑带(Black Band)的条数作为第二评价值。为了图片标明的方便，在图15中，通过上述方法所检测的黑带(Black Band)显示为白带。此外，第二评价值的值越小，血管分布图像的等级越良好。
〈第三算法：SNR(信噪比)〉
图16是关于第三算法523的概略图。图17是关于第三算法523的概略图。图18是关于第三算法523的概略图。图19是关于第三算法523的概略图。参照图16至图19，针对评价值计算部520执行的第三算法523进行说明。
第三算法523是评价血管分布图像中的血管区域与血管以外的区域之间的对比度差的算法。作为表现对比度差的值，使用SNR(SignaltoNoiseRatio：SN比(信噪比))。此外，在评价值计算部520进行的SN比的计算中，将血管区域作为信号处理，将血管以外的区域作为噪声处理。
为了计算SNR，本领域技术人员例如可以将以下论文的记载作为参考。
“Methodsandalgorithmsforopticalcoherencetomography-basedangiography：areviewandcomparison”，A.Zhangetal.，JournalofBiomedicalOptics20(10)，100901(October2015)(《基于光学相干断层扫描的血管成像方法和算法：综述与比较》A.张等，《生物医学光学杂志》20(10)，100901(2015年10月))
“Imagequalitymetricsforopticalcoherenceangiography”，A.Lozzietal.，1Jul，2015|Vol.6，No.7|BIOMEDICALOPTICSEXPRESS2435-2477(《光学相干血管造影术的图像质量度量》A.Lozzietal，2015年7月1日，第6卷，第7期，生物医学光学期刊2435-2477)
图16示出了获得部510获得的血管分布图像(原始图像)。图像中的Y轴方向(纵向)和X轴方向(横向)被同时示出。原始图像中的亮度高的部分(白色部分)为血管区域，亮度低的部分(灰色或者黑色部分)为血管以外的区域(背景区域)。评价值计算部520根据该原始图像，生成相当于血管区域的图像和相当于血管以外的区域的图像。为了生成这两种图像，评价值计算部520对原始图像进行图像处理来创建掩码图像。
图17示出了评价值计算部520基于原始图像生成的掩码图像。为了生成掩码图像，评价值计算部520对原始图像进行例如自适应二值化、删除一定以下大小的对象等各种图像处理。
接着，评价值计算部520在原始图像和掩码图像之间进行乘法运算。由此，得到提取了原始图像中的血管区域的如图18所示的信号图像。
另一方面，评价值计算部520针对完成二值化的掩码图像(参照图17)生成值反转后的反掩码图像。反掩码图像成为图17所示的掩码图像中的黑白调换后的图像。评价值计算部520在原始图像和反掩码图像之间进行乘法运算。由此，得到提取了原始图像中的血管以外的区域的如图19所示的噪声图像。此外，噪声图像也被称为背景图像(backgroundimage)。
接着，评价值计算部520基于信号图像和噪声图像，并基于下式计算SNR。
[数学式1]
μs指信号图像的像素值的平均值。σs意指信号图像的像素值的标准偏差。μb指噪声图像的像素值的平均值。σb指噪声图像的像素值的标准偏差。
评价值计算部520使用上述的第三算法523计算SNR作为第三评价值。此外，第三评价值的值越大，血管分布图像的等级越良好。
〈第四算法：EdgeSharpness(边清晰度)〉
图20是关于第四算法524的概略图。图21是关于第四算法524的概略图。参照图20以及图21，针对评价值计算部520执行的第四算法524进行说明。
第四算法524是评价血管分布图像中出现的血管的清晰度的算法。在图20中，重叠了两个获得部510获得的血管分布图像(原始图像)。
评价值计算部520复制获得部510获得的原始图像并生成两个原始图像。为了便于说明，将第一个原始图像表述为原始图像A。将第二个原始图像表述为原始图像B。图像中的Y轴方向(纵向)和X轴方向(横向)被同时示出。两个原始图像中的亮度高的部分(白色部分)为血管区域，亮度低的部分(灰色或者黑色部分)为血管以外的区域(背景区域)。
评价值计算部520使原始图像B沿着图像的X轴以及Y轴仅偏离预定的距离。评价值计算部520将原始图像A和偏离后的原始图像B如图20所示的那样重合。接着，评价值计算部520针对两个原始图像A以及原始图像B重叠的区域，计算像素值的差分绝对值。例如，在原始图像A的坐标(p，q)处的像素值为a，偏离后的原始图像B的坐标(p，q)处的像素值为b的情况下，评价值计算部520针对坐标(p，q)计算|a-b|的值。由差分绝对值定义的图像(以下，表述为差分图像)在图21示出。
评价值计算部520计算针对差分图像中包含的各像素的平均值。该平均值的值越大，血管的清晰度越高。即，评价值计算部520设差分图像的像素平均值为第四评价值。此外，第四评价值的值越大，血管分布图像的等级越良好。
〈第五算法：Connectivity(结合度)〉
图22是关于第五算法525的概略图。图23是关于第五算法525的概略图。图24是关于第五算法525的概略图。图25是关于第五算法525的概略图。参照图22至图25，针对评价值计算部520执行的第五算法525进行说明。
第五算法525是评价在血管分布图像中出现的血管的结合度的算法。血管的结合度是表示血管以何种程度结合的状态出现在血管分布图像中的值。在出现在血管分布图像中的血管被切断得细的情况下，解释为血管的结合度低。在出现在血管分布图像中的血管连接较长的情况下，解释为血管的结合度高。血管的结合度例如能够边参照论文“Split-spectrumamplitude-decorrelationangiographywithopticalcoherencetomography”，Y.Jiaetal.,13February2012/Vol.20,No.4/OPTICSEXPRESS4710-4725(“用光学相干断层摄影术分离光谱振幅去相关断层摄影术”Y.Jiael.，2012年2月13日/卷20，No.4/OPTICSEXPRESS4710-4725)，边如下计算。
图22示出了获得部510获得的血管分布图像(原始图像)。图像中的Y轴方向(纵向)和X轴方向(横向)被同时示出。原始图像中的亮度高的部分(白色部分)为血管区域，亮度低的部分(灰色或者黑色部分)为血管以外的区域(背景区域)。评价值计算部520对原始图像进行二值化。
图23示出了将原始图像二值化后的二值化图像。评价值计算部520将出现在二值化图像中的血管区域(图中的白色部分)的宽度分别缩小(skeletonization)到1像素的宽度，生成缩小图像。
图24示出了将二值化图像中的血管区域的宽度缩小后的缩小图像。评价值计算部520除去出现在缩小图像中的对象中与该对象对应的像素数在预定的阈值以下的对象。此外，在图像中对象被除去的区域被作为血管以外的区域(背景区域)。预定的阈值例如为30。除去对象后的图像(除去后图像)在图25示出。
评价值计算部520计算针对除去后图像的血管区域的像素数的比例作为第五评价值。此时作为血管残留在图像中的区域结合有一定数量以上的像素(例如30像素以上)。也就是，血管区域的像素数的比例越大，在原始图像中出现结合度越高的血管。第五评价值的值越大，血管分布图像的等级越良好。
〈第六算法：NoiseDetection1(噪声检测1)〉
图26是关于第六算法526的概略图。图27是关于第六算法526的概略图。图28是关于第六算法526的概略图。图29是关于第六算法526的概略图。图30是关于第六算法526的概略图。参照图26至图30，针对评价值计算部520执行的第六算法526进行说明。
第六算法526是检测在血管分布图像中作为噪声产生的横线伪影的算法。图26示出了获得部510获得的血管分布图像(原始图像)。图像中的Y轴方向(纵向)和X轴方向(横向)被同时示出。原始图像中的亮度高的部分(白色部分)为血管区域，亮度低的部分(灰色或者黑色部分)为血管以外的区域(背景区域)。
为了检测血管分布图像中包含的横线伪影，评价值计算部520应用Gabor滤波(Gaborfilter)。若应用Gabor滤波，则因为横向的噪声明显，所以能够检测横线伪影。但是，如图30所示，若对原始图像直接应用Gabor滤波，则横向延伸的血管也被检测为横线伪影。为了避免将本来不是噪声且横向延伸的血管检测为横线伪影，评价值计算部520首先对原始图像进行预处理。
图27示出了对原始图像进行了预处理后的图像(预处理后图像)。预处理的处理内容例如如下。评价值计算部520计算原始图像整体的像素平均值。评价值计算部520提取原始图像中的信号强度高的区域(血管区域)。该提取例如可以通过仅对信号强度为预定的阈值以上的像素进行提取来进行。接着，评价值计算部520将提取出的信号强度高的区域中包含的各像素的值变更为已计算的像素平均值。通过以上的预处理，与血管区域对应的像素具有相当于原始图像的像素平均值的信号强度，因此应用下述的Gabor滤波后不会被检测为横线伪影。
评价值计算部520对预处理后图像应用Gabor滤波。应用Gabor滤波后的图像(滤波后图像)在图28示出。在此，考虑眼科医生等人类在评价血管分布图像的等级时的状况。于是，可以认为存在于血管分布图像的中央部分的噪声比存在于血管分布图像的外侧部分的噪声对等级评价的影响更大。因此评价值计算部520进行用于在血管分布图像的中央部分与外侧部分之间改变所检测到的噪声的权重的处理。更具体地，评价值计算部520进行滤波后图像与高斯掩码(GaussianMask)之间的乘法运算。高斯掩码在图28示出。对滤波后图像应用高斯掩码后的图像(掩码后图像)在图29示出。
评价值计算部520计算掩码后图像整体的噪声平均值作为第六评价值。此外，第六评价值的值越小，血管分布图像的等级越良好。
〈第七算法：NoiseDetection2(噪声检测2)〉
图31是关于第七算法527的概略图。图32是关于第七算法527的概略图。参照图31以及图32，针对评价值计算部520执行的第七算法527进行说明。
第七算法527是检测在血管分布图像中作为噪声产生的横线伪影的算法。图31示出了获得部510获得的血管分布图像(原始图像)。图像中的Y轴方向(纵向)和X轴方向(横向)被同时示出。原始图像中的亮度高的部分(白色部分)为血管区域，亮度低的部分(灰色或者黑色部分)为血管以外的区域(背景区域)。评价值计算部520对原始图像进行快速傅里叶变换(FFT)。快速傅里叶变换后的图像(FFT图像)在图32示出。
若原始图像中包含大量横线伪影，则在FFT图像的中心出现一条纵白线。因此评价值计算部520在纵向(Y轴方向)合计FFT图像内的预定的区域REG3中包含的像素值，并生成多个合计值在横向(X轴方向)排列的一维矢量。在此，区域REG3包括FFT图像内的横向(X轴方向)的中央部。另外，区域REG3具有预定的宽度。区域REG3可以为FFT图像整体的区域。
评价值计算部520计算针对所生成的一维矢量中包含的多个合计值的标准偏差SD。在FFT图像的中心出现纵白线的情况下，一维矢量的中央部分的信号强度变高，端部分的信号强度变低。并且，若原始图像中包含大量横线伪影，则针对一维矢量中包含的多个合计值的标准偏差SD的值变大。评价值计算部520使用第七算法527计算标准偏差SD的值作为第七评价值。此外，第七评价值的值越小，血管分布图像的等级越良好。
在此，评价值计算部520也可以使用第七算法527计算标准偏差SD的值的倒数即1/SD作为第七评价值。该情况下，第七评价值的值越大，血管分布图像的等级越良好。
〈第八算法：LocalContrast(局部对比度)〉
图33是关于第八算法528的概略图。第八算法528是评价血管分布图像的局部对比度，即对比度的偏差的程度的算法。图33示出了获得部510获得的血管分布图像(原始图像)。图像中的Y轴方向(纵向)和X轴方向(横向)被同时示出。原始图像中的亮度高的部分(白色部分)为血管区域，亮度低的部分(灰色或者黑色部分)为血管以外的区域(背景区域)。
评价值计算部520将原始图像分割为多个子图像。在图示的示例中，评价值计算部520将原始图像分别在纵向(Y轴方向)上分割为N个分区，在横向(X轴方向)上分割为M个分区，生成N×M个子图像。
接着，评价值计算部520针对每个子图像分别计算关于子图像的像素平均值。在图示的示例中，评价值计算部520计算N×M个像素平均值。在血管分布图像中有局部对比度的情况下，在该N×M个像素平均值之间产生偏差。因此评价值计算部520计算N×M个像素平均值的标准偏差作为第八评价值。此外，第八评价值的值越小，血管分布图像的等级越良好。
〈基于多个评价值的血管分布图像的等级判定〉
如上所述，评价值计算部520基于多个基准来计算多个评价值。此外，一个基准与上述的一个算法对应。接着，等级值计算部530基于在步骤St102所计算的多个评价值，计算血管分布图像的等级值(St103)。等级值计算部530能够使用回归或者决策树来计算血管分布图像的等级值。
〈基于回归的血管分布图像的等级判定〉
首先，对基于回归的等级判定针进行说明。在本实施方式中，作为回归的方式例示一般的逻辑回归。逻辑回归的一般式如下。
[数学式2]
在上述的一般式中，y是逻辑回归的目标变量。等级值计算部530可以计算目标变量y作为等级值。n为2以上的自然数。另外，n为评价值计算部520可使用的基准的数量(算法的数量)以下。如图5所示，在评价值计算部520中安装有从第一算法521到第八算法528的8个算法的情况下，n为8以下。
x1至xn是逻辑回归的解释变量。b0是误差项，b1至bn是偏回归系数。针对误差项和偏回归系数，使用预先计算完的值。例如，可以在图5所示的等级评价装置500的存储器502中存储误差项和偏回归系数的值。另外，等级值计算部530也可以从外部装置获得误差项和偏回归系数的值。
在将i设为1以上n以下的自然数时，等级值计算部530作为解释变量xi使用基于评价值计算部520计算的评价值的值。例如，在解释变量的数量为5个的情况下，评价值计算部520可以向解释变量x1输入基于第七评价值的值，向解释变量x2输入基于第六评价值的值，向解释变量x3输入基于第一评价值的值，向解释变量x4输入基于第三评价值的值，向解释变量x5输入基于第八评价值的值。上述的值的输入例只是一个例子，本领域技术人员可以适当决定对各解释变量输入哪个评价值。
基于评价值的值可以是评价值本身。基于评价值的值例如可以是评价值的绝对值、倒数、对数或者平方根等对评价值进行预定的运算所得到的值。
例如，如上所述，等级值计算部530作为解释变量xi使用基于评价值计算部520计算的评价值的值，计算目标变量y的值。该y的值相当于等级值计算部530所计算的等级值。由上述的一般式(2)可知，逻辑回归的情况下的y的值是从0到1的连续值。此时，针对血管分布图像的等级，例如，在y的值比预定的第一阈值大的情况下为等级1：Good。在y的值比预定的第二阈值小的情况下为等级3：Poor。在y的值为在预定的第一阈值和第二阈值之间的值的情况下为等级2：Average。此外，第一阈值大于第二阈值。
在上述中，例示了解释变量为5个的情况。但是，解释变量的数量除5个以外，例如也可以是8个。另外，等级值计算部530使用的回归的种类不限于上述的逻辑回归，也可以使用其他类型的回归。
〈基于决策树的血管分布图像的等级判定〉
接着，针对基于决策树的等级判定进行说明。在实施方式的等级评价装置500中，等级值计算部530使用决策树。决策树可以是例如将血管分布图像分类为3级(class)的分类树。3级是指等级1：Good、等级2：Average以及等级3：Poor。
图34是例示实施方式的等级评价装置500使用的决策树600的概念图。在决策树600的第一层存在根节点即节点(node)611。从节点611分别向第二层的节点621以及节点622延伸有分枝(edge)。从节点622分别向第三层的节点631以及节点632延伸有分枝。从节点631向第四层的节点641延伸有分枝。从节点632向第四层的节点642延伸有分枝。
在决策树600中的各节点，进行使用了解释变量的条件判定。等级值计算部530通过分别使用基于评价值计算部520所计算的多个评价值的值作为解释变量的决策树600来计算等级值。
等级值计算部530从根节点即节点611开始处理。在节点611，等级值计算部530使用第七算法(NoiseDetection2)的第七评价值即1/SD的值将后续处理分支到节点621或者节点622。等级值计算部530在例如1/SD的值小于预定的值的情况下进行节点621的处理，在1/SD的值为预定的值以上的情况下进行节点622的处理。
在节点621，等级值计算部530使用第三算法(SNR)的第三评价值即SNR的值。例如，在SNR的值小于预定的值的情况下，等级值计算部530计算出等级值即3(Poor)。在SNR的值为预定的值以上的情况下，等级值计算部530计算出等级值即2(Average)。
在节点622，等级值计算部530使用第七算法(NoiseDetection2)的第七评价值即1/SD的值将后续处理分支到节点631或者节点632。等级值计算部530在例如1/SD的值小于预定的值的情况下进行节点631的处理，在1/SD的值为预定的值以上的情况下进行节点632的处理。
在节点631，等级值计算部530使用第三算法(SNR)的第三评价值即SNR的值。例如，在SNR的值小于预定的值的情况下，等级值计算部530进行节点641的处理。在SNR的值为预定的值以上的情况下，等级值计算部530计算出等级值即2(Average)。
在节点632，等级值计算部530使用第六算法(NoiseDetection1)的第六评价值即掩码后图像整体的噪声平均值。例如，在噪声平均值小于预定的值的情况下，等级值计算部530计算出等级值即1(Good)。在噪声平均值为预定的值以上的情况下，等级值计算部530进行节点642的处理。
在节点641，等级值计算部530使用第八算法(LocalContrast)的第八评价值即N×M个像素平均值的标准偏差的值。在N×M个像素平均值的标准偏差的值小于预定的值的情况下，等级值计算部530计算出等级值即2(Average)。在N×M个像素平均值的标准偏差的值为预定的值以上的情况下，等级值计算部530计算出等级值即3(Poor)。
在节点642，等级值计算部530使用第一算法(EyeMotion)的第一评价值即横线伪影的条数。例如，在横线伪影的条数小于预定的值的情况下，等级值计算部530计算出等级值即1(Good)。在横线伪影的条数为预定的值以上的情况下，等级值计算部530计算出等级值即2(Average)。
例如如上所述，本公开的实施方式的等级评价装置500的等级值计算部530通过使用了基于多个评价值的值分别作为解释变量的决策树600来计算等级值。决策树600是将血管分布图像分类为3级即Good、Average以及Poor的分类树。等级值计算部530计算的等级值取与3级分别对应的3种值(1、2以及3)。
决策树600中的节点以及分枝的构造可以预先确定。例如，定义决策树600中的节点以及分枝的构造的信息可以存储在等级评价装置500的存储器502中。
此外，决策树600中的节点以及分支的构造不限于图26所示的构造。例如，本领域技术人员能够适当变更决策树具有的层的深度、在各节点基于哪个评价值的值被用作解释变量、从各节点到下一个节点的分支条件(用于与基于评价值的值进行比较的阈值等)、分类为几级等。
进一步地，决策树中的节点以及分枝的构造可以通过机器学习来得到，该机器学习使用了将多个评价值作为解释变量，将等级值作为目标变量的学习数据。作为用于进行该机器学习的算法，可以使用现有技术即决策树学习。
根据以上，实施方式的血管分布图像的等级评价装置500具备获得部510、评价值计算部520和等级值计算部530。获得部510获得通过OCT血管造影(OCT-Angiography)得到的表示眼球中的血管分布的图像即血管分布图像。评价值计算部520根据血管分布图像并基于多个基准计算多个评价值。等级值计算部530基于多个评价值，计算出表示血管分布图像的等级的值即等级值。由此，等级评价装置500能够基于多个基准定量地评价通过OCT血管造影而得到的血管分布图像的等级。
等级值计算部530通过将基于多个评价值的值分别作为解释变量使用的逻辑回归计算等级值。由此，等级值计算部530能够作为连续值计算出等级值。因此，通过适当调整用于区分等级的阈值，能够实现精度高的等级评价。
等级值计算部530通过将基于多个评价值的值分别作为解释变量使用的决策树计算等级值。由此，等级值计算部530能够灵活地使用多个评价值来计算合适的等级值。
决策树是将血管分布图像分类为3级的分类树，等级值取与3级分别对应的3种值。由此，等级评价装置500能够将血管分布图像的等级分为Poor、Average以及Good的3个阶段进行评价。
决策树中的节点以及分枝的构造通过机器学习来得到，该机器学习使用了将多个评价值作为解释变量，将等级值作为目标变量的学习数据。由此，能够通过机器学习改进决策树。因此，等级评价装置500能够进行精度更高的等级评价。
评价值计算部520计算表示血管分布图像中的横线伪影的条数的评价值。由此，等级评价装置500能够考虑横线伪影的条数来进行血管分布图像的等级评价。
评价值计算部520计算表示血管分布图像中的黑带的条数的评价值。由此，等级评价装置500能够考虑黑带(Black Band)的条数来进行血管分布图像的等级评价。
评价值计算部520计算表示将血管分布图像中的血管作为信号，将血管以外作为噪声的情况下的SN比的评价值。由此，等级评价装置500能够考虑SN比来进行血管分布图像的等级评价。
评价值计算部520计算表示血管分布图像中的血管的清晰度的评价值。由此，等级评价装置500能够考虑血管分布图像中的血管的清晰度来进行血管分布图像的等级评价。
评价值计算部520计算表示血管分布图像中的血管的结合度的评价值。由此，等级评价装置500能够考虑血管分布图像中的血管的结合度来进行血管分布图像的等级评价。
评价值计算部520计算表示血管分布图像中的横线方向的噪声的评价值。由此，等级评价装置500能够考虑血管分布图像中的横线方向的噪声来进行血管分布图像的等级评价。
评价值计算部520计算表示血管分布图像中的对比度的偏差的程度的评价值。由此，等级评价装置500能够考虑血管分布图像中的对比度的偏差的程度来进行血管分布图像的等级评价。
可执行光学相干断层扫描(OCT)的眼科拍摄装置1具备等级评价装置500。由此，眼科拍摄装置1不仅拍摄受检眼，还能够执行OCT生成血管分布图像，进一步地基于多个基准定量地评价血管分布图像的等级。
程序P使计算机作为获得部510、评价值计算部520以及等级值计算部530发挥功能。获得部510获得通过OCT血管造影(OCT-Angiography)得到的表示眼球中的血管分布的图像即血管分布图像。评价值计算部520根据血管分布图像并基于多个基准计算多个评价值。等级值计算部530基于多个评价值，计算示出血管分布图像的等级的值即等级值。另外，计算机可读取的非临时记录介质(例如存储器502)记录了上述的程序P。由此，能够基于多个基准定量地评价通过OCT血管造影而得到的血管分布图像的等级。
由具有处理器501的计算机，执行血管分布图像的等级评价方法。在等级评价方法中，处理器501根据通过OCT血管造影(OCT-Angiography)得到的表示眼球中的血管分布的图像即血管分布图像，基于多个基准计算多个评价值。处理器501基于多个评价值来计算示出血管分布图像的等级的值即等级值。由此，能够基于多个基准定量地评价通过OCT血管造影而得到的血管分布图像的等级。
以上，一边参照附图一边对各种实施方式进行了说明，但本公开当然不限于这些示例。本领域技术人员清楚在权利要求书所记载的范畴内，可以想到各种变更例、修正例、置换例、附加例、删除例、等同例，并且应该了解它们当然也属于本公开的技术范围。另外，在不脱离发明的主旨的范围内，上述的各种实施方式中的各构成要素可以任意组合。
以上，一边参照附图一边对各种实施方式进行了说明，但本发明当然不限于这些示例。本领域技术人员清楚在权利要求书所记载的范畴内，可以想到各种变更例或者修正例，并且应当理解它们当然也属于本发明的技术范围。另外，在不脱离发明的主旨的范围内，上述实施方式中的各构成要素可以任意组合。
此外，本申请是基于2021年3月19日申请的日本特许申请(日本特愿2021-045512)的，其内容作为参照被引用至本申请中。
工业实用性
本公开作为基于多个基准对通过OCT血管造影而得到的血管分布图像的等级进行定量地评价的等级评价装置、眼科拍摄装置、程序、记录介质以及等级评价方法是有用的。
附图标记说明
1：眼科拍摄装置、
2：眼底相机单元、
3：显示装置、
10：照明光学系统、
11：观察光源、
12：反射镜、
13、34、37、66：聚光透镜、
14：可见截止滤光器、
15：拍摄光源、
16、21、32、36、44、65：反射镜、
17、18、20、45、54、62：中继透镜、
22：物镜、
30：拍摄光学系统、
31：拍摄对焦透镜、
33、46、55：分色镜、
33A：半反射镜、
35、38：CCD图像传感器、
39：液晶显示器、
40：准直透镜单元、
41：光路长度变更部、
42：光扫描仪、
43：OCT对焦透镜、
50：对准光学系统、
60：聚焦光学系统、
63：裂缝视标板、
67：反射棒、
70、71：屈光矫正透镜、
100：OCT单元、
101：光源单元、
102、104、110、117、119、121、124、127、128：光纤、103、118：偏振控制器、
105、122：光纤耦合器、
111，116：准直器、
112：光路长度矫正构件、
113：散射补偿构件、
114：角隅棱镜、
114A：参照驱动部、
120：衰减器、
125：检测器、
130：数据收集系统(DAQ)、200：运算控制单元、
210：控制部、
211：主控制部、
212：存储部、
230：数据处理部、
231：图像形成部、
500：等级评价装置、
501：处理器、
502：存储器、
510：获得部、
520：评价值计算部、
530：等级值计算部。

Claims (16)

1.一种血管分布图像的等级评价装置，其中，具备：
获得部，获得通过OCT血管造影得到的表示眼球中的血管分布的图像即血管分布图像；
评价值计算部，基于多个基准，根据所述血管分布图像计算多个评价值；以及
等级值计算部，基于所述多个评价值，计算表示所述血管分布图像的等级的值即等级值。
2.根据权利要求1所述的等级评价装置，其中，
所述等级值计算部通过将基于所述多个评价值的值分别作为解释变量使用的逻辑回归计算所述等级值。
3.根据权利要求1所述的等级评价装置，其中，
所述等级值计算部通过将基于所述多个评价值的值分别作为解释变量使用的决策树计算所述等级值。
4.根据权利要求3所述的等级评价装置，其中，
所述决策树是将所述血管分布图像分类为3级的分类树，
所述等级值取与所述3级分别对应的3种值。
5.根据权利要求3或者4所述的等级评价装置，其中，
所述决策树中的节点以及分枝的构造通过机器学习来得到，该机器学习使用了将所述多个评价值作为解释变量、将所述等级值作为目标变量的学习数据。
6.根据权利要求1～5中任一项所述的等级评价装置，其中，
所述评价值计算部计算表示所述血管分布图像中的横线伪影的条数的评价值。
7.根据权利要求1～6中任一项所述的等级评价装置，其中，
所述评价值计算部计算表示所述血管分布图像中的黑带的条数的评价值。
8.根据权利要求1～7中任一项所述的等级评价装置，其中，
所述评价值计算部计算表示将所述血管分布图像中的血管作为信号，将血管以外作为噪声的情况下的信噪比的评价值。
9.根据权利要求1～8中任一项所述的等级评价装置，其中，
所述评价值计算部计算表示所述血管分布图像中的血管的清晰度的评价值。
10.根据权利要求1～9中任一项所述的等级评价装置，其中，
所述评价值计算部计算示出所述血管分布图像中的血管的结合度的评价值。
11.根据权利要求1～10中任一项所述的等级评价装置，其中，
所述评价值计算部计算表示所述血管分布图像中的横线方向的噪声的评价值。
12.根据权利要求1～11中任一项所述的等级评价装置，其中，
所述评价值计算部计算表示所述血管分布图像中的对比度的偏差程度的评价值。
13.一种眼科拍摄装置，其中，具备权利要求1～12中任一项所述的等级评价装置，且能够执行光学相干断层扫描。
14.一种程序，其中，
使计算机作为获得部、评价值计算部以及等级值计算部发挥功能，
所述获得部获得通过OCT血管造影得到的表示眼球中的血管分布的图像即血管分布图像，
所述评价值计算部基于多个基准，根据所述血管分布图像计算多个评价值，
所述等级值计算部基于所述多个评价值，计算表示所述血管分布图像的等级的值。
15.一种记录介质，其中，为计算机可读取的非临时的记录介质，记录有权利要求14所述的程序。
16.一种等级评价方法，为由具有处理器的计算机进行的血管分布图像的等级评价方法，其中，具有：
所述处理器基于多个基准，根据通过OCT血管造影得到的表示眼球中的血管分布的图像即血管分布图像计算多个评价值的步骤；以及
所述处理器基于所述多个评价值，计算表示所述血管分布图像的等级的值即等级值的步骤。
CN202280021777.9A 2021-03-19 2022-03-11 等级评价装置、眼科拍摄装置、程序、记录介质以及等级评价方法 Pending CN117083013A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2021045512A JP2022144476A (ja) 2021-03-19 2021-03-19 グレード評価装置、眼科撮影装置、プログラム、記録媒体、およびグレード評価方法
JP2021-045512 2021-03-19
PCT/JP2022/011085 WO2022196583A1 (ja) 2021-03-19 2022-03-11 グレード評価装置、眼科撮影装置、プログラム、記録媒体、およびグレード評価方法

Publications (1)

Publication Number Publication Date
CN117083013A true CN117083013A (zh) 2023-11-17

Family

ID=83320647

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202280021777.9A Pending CN117083013A (zh) 2021-03-19 2022-03-11 等级评价装置、眼科拍摄装置、程序、记录介质以及等级评价方法

Country Status (4)

Country Link
US (1) US20240057861A1 (zh)
JP (1) JP2022144476A (zh)
CN (1) CN117083013A (zh)
WO (1) WO2022196583A1 (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10194866B2 (en) * 2016-02-19 2019-02-05 Optovue, Inc. Methods and apparatus for reducing artifacts in OCT angiography using machine learning techniques
US11452442B2 (en) * 2016-06-15 2022-09-27 Oregon Health & Science University Systems and methods for automated widefield optical coherence tomography angiography
WO2020054524A1 (ja) * 2018-09-13 2020-03-19 キヤノン株式会社 画像処理装置、画像処理方法及びプログラム
JP2020069115A (ja) * 2018-10-31 2020-05-07 キヤノン株式会社 画像処理装置、画像処理方法およびプログラム
CN112057049B (zh) * 2020-09-14 2021-08-10 浙江大学 一种基于多维度特征空间的光学相干血流造影方法与系统

Also Published As

Publication number Publication date
US20240057861A1 (en) 2024-02-22
WO2022196583A1 (ja) 2022-09-22
JP2022144476A (ja) 2022-10-03

Similar Documents

Publication Publication Date Title
US10561311B2 (en) Ophthalmic imaging apparatus and ophthalmic information processing apparatus
JP6322042B2 (ja) 眼科撮影装置、その制御方法、およびプログラム
US10165939B2 (en) Ophthalmologic apparatus and ophthalmologic apparatus control method
JP7106728B2 (ja) 眼科装置
JP7368568B2 (ja) 眼科装置
JP2022040372A (ja) 眼科装置
JP7348374B2 (ja) 眼科情報処理装置、眼科撮影装置、眼科情報処理方法、及びプログラム
JP7384987B2 (ja) 眼科装置
JP2024105697A (ja) 画像処理方法、画像処理装置、及び画像処理プログラム
WO2020050308A1 (ja) 画像処理装置、画像処理方法及びプログラム
JP7096116B2 (ja) 血流計測装置
JP6736734B2 (ja) 眼科撮影装置及び眼科情報処理装置
CN117083013A (zh) 等级评价装置、眼科拍摄装置、程序、记录介质以及等级评价方法
JP2019054994A (ja) 眼科撮影装置、眼科情報処理装置、プログラム、及び記録媒体
CN111787843B (zh) 血流测量装置
JP6664992B2 (ja) 眼科撮影装置
WO2020209012A1 (ja) 画像解析方法及び画像解析装置
JP6942627B2 (ja) 眼科撮影装置、その制御方法、プログラム、及び記録媒体
WO2019198629A1 (ja) 画像処理装置およびその制御方法
JP2021154160A (ja) 眼科撮影装置
JP2024001913A (ja) 画像処理方法、画像処理装置、プログラム、及び記録媒体
JP2019054989A (ja) 眼科撮影装置、その制御方法、プログラム、及び記録媒体
JP2019130046A (ja) 眼科装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination