JP2004202217A - イメージング装置 - Google Patents

Abstract

【課題】 既存の内視鏡光学系をそのまま利用することを前提に、光源装置、およびプロセッサ内部の改良だけで、簡易な散乱イメージングを行う。
【解決手段】 画像処理回路３０は、各画像データを入力すると共にスペクトル推定に必要なデータを推定用データ供給部５１から得て各画素のスペクトルを推定するスペクトル推定部５２と、スペクトル推定部５２からの各画素のスペクトルと特徴計算用データ供給部５３からの特徴計算用に必要なデータとに基づき数個の散乱特徴を計算する散乱特徴計算部５４と、散乱特徴計算部５４からの散乱特徴画像に基づいて、表示色計算を行い、カラー画像として散乱特徴を表示すべく、各画素のＲＧＢ値を決めＲＧＢ画像を出力する色彩画像生成部５５とを備えて構成される。
【選択図】 図４

Description

本発明は、生体組織の散乱イメージング処理を行うイメージング装置に関する。

食道癌など消化菅腫瘍疾患は、その多くが消化管粘膜の最表層である上皮層内の基底層から発生することが知られている。基底層から発生した異型細胞が増殖して上皮全層を置換する方向へ、その悪性度が進行する。上皮内におけるこの腫瘍性変化は細胞単体の異型と同時に病理学的な構造変化、いわゆる構造異型を伴い、正常病理像とは異なる不整な組織配列を呈する。

内視鏡診断の目的は、この種の腫瘍をできるだけ早期に発見することにある。早期で発見できれば、内視鏡的治療など低侵襲な手術により根治できる可能性が高くなる。

しかし、食道癌などある種の腫瘍は、早期段階では明確な形状（ポリープまたは陥凹形状）に乏しく、その発見は必ずしも容易でない。

これら形状変化に乏しい腫瘍を早期に発見、鑑別するためにこれまで、多くの提案が為されてきた。

その中でも有力視されているのは、前述した核異型、構造異型が、光学的に散乱変化を生起すると考えて、その散乱変化を光学的に捉えることで、通常の観察像では困難な早期病変の発見を行う技術、散乱スペクトロスコピー、散乱イメージングである（例えば特開２００２−９５６３５号公報）。

従来、上皮内の散乱特性を測定、イメージングするために、偏光光学系を用いた提案が数多く為されている。上皮表面からの後方単散乱光が偏光成分を保持している一方で、上皮下層（粘膜層、粘膜下層）からの多重散乱光が無偏光となるという知見に基づき、水平、垂直偏光成分の差分観測値に基づきイメージングを行う技術である。

ある方向（例えば水平方向）に偏光された観測光で生体組織を照明することで、上皮表面の細胞配列からの後方散乱光は同じ方向（例えば水平方向）の偏光成分として観測される。一方、上皮下内に伝播した光は細胞や様々な組織に構成物による多重散乱効果によって無偏光状態となって組織表面から拡散反射光として観測される。

この光を観測光とは異なる（例えば垂直方向）方向を持つ偏光子で観測することで、多重散乱光の大きさを見積もることができる。この値を用いて、偏光がほとんど維持されている観測光（水平偏光）に含まれる多重散乱の影響を、差分操作で補正し、上皮表層の細胞からの単散乱光を抽出する。

細胞による単散乱現象は、原形質に浮いた様々な球形粒子によるＭｉｅ散乱としてモデル化が可能であるとされている。 Ｍｉｅ散乱光の特徴として、散乱粒子の粒径、周辺媒体（この場合は、主に原形質）との屈折率比、観測波長に散乱スペクトル形状が依存する。とくに、重要なのは粒径とスペクトル形状との関連である。

前記、偏光測定により抽出した単散乱光のスペクトル形状をＭｉｅ散乱モデルを用いて、粒径を変化させながら非線形最小二乗法等によりフィッティングを行うことで、粘膜上皮の粒径を推定することが可能となる。

上皮層において主に散乱に寄与するものの一つとして細胞核が考えられており、上記方法によって推定された粒径は細胞核の大きさに高い相関を特つと考えられている。

前述した核異型は、核の腫大（腫瘍性変化に伴い、核が正常状態より大きくなること）を伴うので、この方法により核の大きさを推定するということは、上皮の腫瘍性変化の状態を推定することになる。

したがって、偏光を用いたスペクトロスコピー、およびイメージングは核腫大をイメージングできる可能性を持っている。
特開２００２−９５６３５号公報

以上のように偏光スペクトロスコピー、およびイメージングは核腫大を定量的に推定する可能性を持っているが、内視鏡への応用を考えた場合に下記のような問題がある。

・偏光光学系を内蔵した特殊なスコープが必要
・偏光を用いるため、高感度な撮像素子が必要（偏向光を生成、受光するための光学素子：偏光子を用いると、光のエネルギーは極端に低下する）
・Ｍｉｅ散乱によるモデル化を行うため、照明光と観測光の角度（後方散乱角）を正確に知るか、あるいは固定するための工夫が必要（Ｍｉｅ散乱モデルでは観測される後方散乱光の角度によってスペクトル形状が大きく依存する）
以上の問題を解決することで、高性能な散乱イメージング装置を実現する可能性はあるが、装置コストの観点からは前述した課題もある。

本発明は、上記事情に鑑みてなされたものであり、既存の内視鏡光学系をそのまま利用することを前提に、光源装置、およびプロセッサ内部の改良だけで、簡易な散乱イメージングを行うことのできるイメージング装置を提供することを目的としている。

本発明のイメージング装置は、光源装置と、前記光源装置からの照射光を観察に用い、生体観察像を映像信号に変換する撮像装置と、前記映像信号から生体画像を生成するプロセッサとからなるイメージング装置において、前記プロセッサが、少なくとも生体組織による散乱特徴を画像情報として有する生体画像を生成する手段を備えて構成される。

本発明によれば、既存の内視鏡光学系をそのまま利用することを前提に、光源装置、およびプロセッサ内部の改良だけで、簡易な散乱イメージングを行うことができるという効果がある。

以下、図面を参照しながら本発明の実施例について述べる。

図１ないし図１０は本発明の実施例１に係わり、図１は散乱イメージング装置の構成を示す構成図、図２は図１の回転フィルタの構成を示す図、図３は図２の回転フィルタの分光特性を示す図、図４は図１の画像処理回路の構成を示すブロック図、図５は図１の散乱イメージング装置が散乱イメージングを行う消化管粘膜組織を説明する図、図６は図５の消化管粘膜組織における所望の散乱特性を生じさせる分光特性のフィルタを説明する図、図７は図４のスペクトル推定部の作用を説明する図、図８は図４のスペクトル推定部の処理の流れを示すフローチャート、図９は図４の散乱特徴計算部の作用を説明する図、図１０は図１の回転フィルタの変形例の構成を示す図である。

図１に示すように、本実施例の散乱イメージング装置を構成する内視鏡装置１は、体腔内に挿入し体腔内組織を撮像する撮像手段としてＣＣＤ２を有する電子内視鏡３と、電子内視鏡３に照明光を供給する光源装置４と、電子内視鏡３のＣＣＤ２からの撮像信号を信号処理して内視鏡画像を観察モニタ５に表示するビデオプロセッサ７とから構成される。

光源装置４は、照明光を発光するキセノンランプ１１と、白色光の熱線を遮断する熱線カットフィルタ１２と、熱線カットフィルタ１２を介した白色光の光量を制御する絞り装置１３と、照明光を面順次光にする回転フィルタ１４と、電子内視鏡３内に配設されたライトガイド１５の入射面に回転フィルタ１４を介した面順次光を集光させる集光レンズ１６と、回転フィルタ１４の回転を制御する制御回路１７とを備えて構成される。

回転フィルタ１４は、図２に示すように、円盤状に構成され中心を回転軸とした構造となっており、図３に示すような分光特性の面順次光を出力するためのフィルタ組を構成するＣ1フィルタ１４ｃ1，Ｃ2フィルタ１４ｃ1，Ｃ3フィルタ１４ｃ1が配置されている。そして、回転フィルタ１４は、図１に示すように、制御回路１７により回転フィルタモータ１８の駆動制御がなされ回転されるようになっている。

なお、キセノンランプ１１、絞り装置１３及び回転フィルタモータ１８には電源部１０より電力が供給される。

図１に戻り、ビデオプロセッサ７は、ＣＣＤ２を駆動するＣＣＤ駆動回路２０と、対物光学系２１を介してＣＣＤ２により体腔内組織を撮像した撮像信号を増幅するアンプ２２と、アンプ２２を介した撮像信号に対して相関２重サンプリング及びノイズ除去等を行うプロセス回路２３と、プロセス回路２３を経た撮像信号をデジタル信号の画像データに変換するＡ／Ｄ変換器２４と、Ａ／Ｄ変換器２４からの画像データにホワイトバランス処理を施すホワイトバランス回路２５と、回転フィルタ１４による面順次光を同時化するためのセレクタ２６及び同時化メモリ２７、２８，２９と、同時化メモリ２７、２８，２９に格納された面順次光の各画像データを読み出しガンマ補正処理、輪郭強調処理、色処理等を行う画像処理回路３０と、画像処理回路３０からの画像データをアナログ信号に変換するＤ／Ａ回路３１，３２，３３と、光源装置４の制御回路１７からの回転フィルタ１４の回転に同期した同期信号を入力し各種タイミング信号を上記各回路に出力するタイミングジェネレータ３５と、プロセス回路２３を経た撮像信号を入力し光源装置４の絞り装置１３を制御し適正な明るさ制御を行う調光回路４３とを備えて構成される。

画像処理回路３０は、図４に示すように、同時化メモリ２７、２８，２９からの各画像データを入力すると共にスペクトル推定に必要なデータを推定用データ供給部５１から得て各画素のスペクトルを推定するスペクトル推定部５２と、スペクトル推定部５２からの各画素のスペクトルと特徴計算用データ供給部５３からの特徴計算用に必要なデータとに基づき数個の散乱特徴を計算する散乱特徴計算部５４と、散乱特徴計算部５４からの散乱特徴画像に基づいて、表示色計算を行い、カラー画像として散乱特徴を表示すべく、各画素のＲＧＢ値を決め、ＲＧＢ画像としてＤ／Ａ回路３１，３２，３３へと出力する色彩画像生成部５５とを備えて構成される。

なお、推定用データ供給部５１及び特徴計算用データ供給部５３はビデオプロセッサ７内、あるいは外部ブロックに備えられる。

食道などの消化管粘膜組織はおよそ図５のような構造を持つ。食道癌などの腫瘍は上皮層と粘膜層を分ける基底層から発生する。基底層から発生した腫瘍は核異型と構造異型を伴いながら上皮全層を異型細胞で置換し、いわゆる異形成状態を経て癌へ進行する。

上皮層は扁平上皮で構成され、その緻密な細胞構造から強い散乱特性を示す。また、その散乱特性は波長依存性を持っており、短波長から長波長にかけて低下する特性を持つと考えられている（したがって、短波長光は上皮内でほとんど散乱、反射され、それ以降の粘膜層下への深達は少ないと考えられる）。

よって、上皮内の散乱特性の変化を捉えるには、長波長光より短波長光の方が適していると考えられる。このことは、イメージングにおいても同様で、狭帯域マルチバンド照明をケースに以降説明する。

面順次光を生成する回転フィルタにおいては、図６に示すように、自然な色再現を得るために、通常はＣ−Ｂ、Ｃ−Ｇ、Ｃ−Ｒのような広帯域なフィルタの組合せが用いられる。回転フィルタが高速に回転することで、３つのバンド光が時系列的に被写体を照明して、順次モノクロＣＣＤで撮像し、ビデオプロセッサで合成されて、各照明光に対応するバンド画像が観察モニタのＢｌｕｅ、Ｇｒｅｅｎ、Ｒｅｄチャンネルに充当されて、一枚のカラー画像として表示されることになる。

ただし、所望の特性を持つフィルタを作成することができれば、例えば、Ｃ2、Ｃ4、Ｃ6などＣ−Ｂ、Ｃ−Ｇ、Ｃ−Ｒの中心波長は大きく変化させないで、半値幅を狭帯域化することで、血管像のコントラストを向上させることもできる。

しかし、ここでは回転フィルタ１４は、上皮内の散乱イメージングを目的とするので、前述のとおり、短波長光からバンドを選択する。図６のＣ1、Ｃ2、Ｃ3が相当する。これら短波長城の複数のバンド画像は、長波長側のバンド（Ｃ4、Ｃ5、Ｃ6、Ｃ7）より比較的上皮内の構造を良く表すものと考えられる。

ここで、Ｃ1、Ｃ2、Ｃ3照明光に対応するバンド画像をＢｌｕｅ、Ｇｒｅｅｎ、Ｒｅｄチャンネルに充当して一枚のカラー画像として観察モニター上に再現することも考えられるが、色情報がどのような散乱特性に対応するのか、またその色変化が病理学的な如何なる変化（例えば、構造異型の程度や核腫大の程度など）に対応するのかが明確ではなく、画像の理解が容易ではない。ひいては、内視鏡医が検査中にこのような画像を観察しても、腫瘍の早期発見に寄与することが難しい。

そこで、本実施例では、これら複数のバンド画像から分光反射率を推定し、推定された分光反射率から生体組織の光学モデルに基づいて、病理学的に相関の高い特徴へ変換して、画像中におけるその特微量の変化を色彩情報として表示することを考える。

本実施例の目的は、狭帯域マルチバンド画像から各画素の分光反射率を推定し、光学モデルに基づいた病理学的に相関の高い特微量を推定し、推定された特微量の画像中における変化に基づいて色彩情報を生成することにある。

（作用）
同時化メモリ２７、２８，２９から出力された狭帯域バンド画像（本実施例は３バンドを想定しており、図６に示すように短波長バンド；Ｃ1、Ｃ2、Ｃ3に対応）は、画像処理回路３０内に設けられたスペクトル推定部５２に入力する。スペクトル推定部５２は、スペクトル推定に必要なデータを画像処理部内、あるいは外部ブロックに備えられた推定用データ供給部５１から得て各画素のスペクトルを推定する。

推定スペクトル、つまりスペクトル画像は散乱特徴計算部５４の入力値となる。散乱特徴計算部５４は、特徴計算用に必要なデータを、画像処理部内、あるいは外部ブロックに備えられた特徴計算用データ供給部５３から得て数個の散乱特徴を計算する。この時点で、各画素には数個の散乱特徴が割り当てられている。

散乱特徴計算部５４は、散乱特徴画像を色彩画像生成部５５へと出力する。色彩画像生成部５５は、散乱特徴画像に基づいて、表示色計算を行い、カラー画像として散乱特徴を表示すべく、各画素のＲＧＢ値を決め、ＲＧＢ画像としてＤ／Ａ回路３１，３２，３３へと出力する。

次に各ブロック（スペクトル推定部５２、散乱特徴計算部５４及び色彩画像生成部５５）における作用について説明する。詳細は文献「Ｖ．Ｂａｃｋｍａｎ，Ｒ．Ｇｕｒｊａｒ，Ｋ．Ｂａｄｉｚａｄｅｇａｎ，Ｉ．Ｉｔｚｋａｎ，Ｒ．Ｒ．Ｄａｓａｒｉ，Ｌ．Ｔ．Ｐｅｒｅｌｍａｎ，ａｎｄ Ｍ．Ｓ．Ｆｅｌｄ，”Ｐｏｌａｒｉｚｅｄ Ｌｉｇｈｔ Ｓｃａｔｔｅｒｉｎｇ Ｓｐｅｃｔｒｏｓｃｏｐｙ ｆｏｒ Ｑｕａｎｔｉｔａｔｉｖｅ Ｍｅａｓｕｒｅｍｅｎｔ ｏｆ Ｅｐｉｔｈｅｌｉａｌ Ｃｅｌｌｕｌａｒ Ｓｔｒｕｃｔｕｒｅｓ Ｉｎ Ｓｉｔｕ，”ＩＥＥＥ Ｊ．Ｓｅｌ．Ｔｏｐ．Ｑｕｎｔｕｍ Ｅｌｅｃｔｒｏｎ，５，１０１９−１０２６（１９９９）」に開示されている。なお、以下の数式で”＾”は数個の要素を持つベクトル（小文字）、行列（大文字）を示す。

（スペクトル推定部５２）
被写体分光反射率と観測されるマルチバンド画像の画素値との関係を式（１）のイメージング方程式として示す。

ここで、ｇ＾はバンド数の次元（Ｎ；本実施例では３）を持つ画素値列ベクトルである。ｆ＾は被写体分光反射率列ベクトルであり、波長方向にＬ個で数値が離散化されている。ｎ＾はノイズ列ベクトル。Ｈ＾は各バンドの分光感度特性であるＮ個の行ベクトルで構成されるＬ×Ｎのシステムマトリックスとする。

問題は、Ｈ＾が既知であり観測値ｇ＾から被写体の分光反射率を推定することである。Ｈ＾は観察光スペクトル、狭帯域フィルタの分光透過率特性、撮像素子の分光感度特性など、イメージングシステムの分光特性として既知である。

一般に「バンド数Ｎ＜波長サンプリング数Ｌ」であるため、推定問題はill-conditionである。つまり、ｇ＾に対して、式（１）を満たすｆ＾は無数に存在することになる（言い換えれば、未知数より方程式の数が少ないので、いろんな解が考えられて、何か条件を付加しないと解を一つに決定することができない）。

そこで、先見情報を準備して解空間（この場合はＬ次元スペクトル空間）を制限する（これが、解を一つに決定するための条件となる）ことで、妥当な推定解を見いだす必要がある。つまり、先見情報を用いて、Ｌ次元スペクトル空間の中で解の候補となりうるスペクトルが分布する部分空間内で最適な解を求める問題に帰着する。

先見情報を用いた手法としてWiener推定が一般的に用いられる。式（２）にWiener推定における推定マトリックスＡを示す。観測ベクトルｇの右からこの推定マトリックスＡを乗算することで、スペクトルを推定する。したがって、スペクトル推定手段は、予め設定された推定マトリックスＡを用いた、マトリックス演算器として動作する。

ここで、Ｒ_f＾は推定すべき被写体スペクトルの波長方向の自己相関行列（Ｌ×Ｌ）、Ｒ_n＾は式（１）でｎ＾として現われる加法ノイズの自己相関行列である。Ｒ_n＾は予め測定されたイメージングシステム（ここでは、光源とスコープを組み合わせたトータルのシステムを指す）のノイズ杵|生から推定可能であり、既知である。ここでいう先見情報とはＲ_f＾、Ｒ_n＾であり、とくにＲ_f＾は推定される分光反射率の妥当性を左右する最も重要なパラメータである。

従来、この自己相関行列Ｒ_f＾は、推定されるスペクトルが波長方向に平滑（つまり、輝線スペクトルなど急激な波長変化はなく、波長方向に比較的なだらかな特性ということ）と仮定して微分オペレータ行列の逆（つまり空間周波数領域において低周波強調フィルタとなる）を用いたり、マルコフモデルなどの統計モデルで分光反射率が表現できるとしてマルコフ遷移行列を用いたりする場合が多い。本実施例では、この自己相関行列Ｒ_f＾として後述する生体組織の離散粒子構造モデル（以下、光学モデル）から推定されるスペクトルから求めた自己相関行列を利用する。

次に光学モデルについて説明する。生体組織は、繊維組織、細胞、リンパ球、毛細血管、細胞核、細胞内小器官など、様々な要素で構成されている。

散乱は屈折率変化の大きい場所で起こるので、生体組織における主な散乱体（散乱主体）は、細胞核やミトコンドリアなどの細胞内小器官であると考えられている。観測波長と同程度か、少し小さい程度の大きさの粒子に対しては、その位相関数と散乱係数をＭｉｅ散乱モデルで予測することができる。位相関数は、方向ｓから散乱主体に入射した光がｓ’方向に散乱される確率を示す。また、散乱係数は単位距離あたりに光子が何回、散乱を受けるかを表すパラメータである。

このＭｉｅ散乱モデルは、２πｍａ／λ（λは波長、ｍは屈折率比、ａは散乱主体の直径）をモデルのパラメータとして持つ。核と原形質の屈折率比には、大きな変動がないと考えられるので、Mie散乱は主に散乱主体をパラメータとして散乱スペクトルを予測するモデルであると言える。

一方、生体組織に内にどの程度の大きさの粒子（細胞核、細胎内小器官）がどのくらいの密度で存在するかの情報（粒径分布関数）が分かれば、そこから位相関数と散乱係数を推定することが、このＭｉｅ散乱モデルで可能となる。粒径分布の概念図を図７に示す。実際の粒子直径は細胎内小器官の０．４μｍ程度から細胞核の４μｍ程度と考えられており、正常組織から構造異形が進行するにしたがって、図６中の矢印のように粒径分布が変化（ｆ1（d）からｆ2（d）、dは粒子直径）すると考えられている。Ｍｉｅ散乱モデルを用いて、粒径分布関数、粒子と周辺媒体との屈折率比（およそ１．０３で、周辺媒体としては原形質が想定される）から、位相関数と散乱係数を計算する。粒径分布関数は、正規分布や対数正規分布を適用することが可能である。ターゲットに対して想定される粒径分布パラメータ（平均や標準偏差）の変動に対して、Ｍｉｅ散乱モデルから光学係数を計算し、計算された光学係数に基づき、光伝播モデルにより多重散乱過程をシミュレートすることで、スペクトルを計算する。

光伝播モデルには、解析的な手法として計算時間において有利だが、モデル形状の自由度に制約が大きい拡散方程式による方法や、その計算に時間を要するがモデル形状に対する自由度が大きいモンテカルロモデルなど、状況に応じて使い分けることができる。

ここまでに、モデル計算について整理すると、図８に示すように、ステップＳ１で粒径分布パラメータ（平均、標準偏差）を得。ステップＳ１で粒径分布パラメータをＭｉｅ散乱モデルに入力する。ステップＳ３でＭｉｅ散乱モデルからは、散乱係数と位相関数出力される。実際には、各々の粒子サイズ毎にＭｉｅ散乱モデルを適用して、散乱係数と位相関数を計算して、粒径分布を重み関数として重み付き加算平均として、粒径分布を考慮したＭｉｅ散乱計算を行う。

以上のモデル計算によって、上皮内の腫瘍性変化に伴う核異型、構造異型を粒径分布パラメータ（平均、標準偏差）の変化として考え、スペクトル計算を行い、これを事前知識として考えて解空間（スペクトル空間）に制約を行う。つまり、Wiener推定における自己相関行列Ｒ_f＾をこのモデル計算から推定されたスペクトル分布から予め計算しておく。

具体的には、ステップＳ４で病理学的知見から得られた粒径分布パラメータ変化（平均値、標準偏差の変動）に応じたスペクトル変化をＭｉｅ散乱モデル＋光伝播モデルで計算する。計算の結果、ステップＳ５でスペクトル空間において、粒径分布パラメータ変化に応じたスペクトル分布が形成される。これを母集団として考えて、スペクトルの波長方向の自己相関行列を推定する。

以上、光学モデル（粒径分布モデル＋Ｍｉｅ散乱モデル＋光伝播モデル）によって予め推定された自己相関行列を用いて、上皮内の散乱スペクトルを推定する。したがって、推定用データ供給部には、Ｈ＾、Ｒ_f＾、Ｒ_n＾に基づいた式（２）で計算されるマトリックスＡが格納される。

（散乱特徴計算部５４）
スペクトル推定部５２によって推定されたスペクトルからは、様々な特徴を計算することができる。本実施例では、粒径分布パラメータに着目して、このパラメータに相関を持つ特徴量をスペクトルから推定する方法を提案する。概念図を図９に示す。

自己相関行列を推定する際に、粒径分布パラメータ（平均、標準偏差）の変化に対するスペクトル変動範囲が予め分かっている。

したがって、散乱特徴として考えられる平均と標準偏差に対応する特徴軸がＦ1、Ｆ2として既知となる。つまり、Ｆ1、Ｆ2で張られる部分空間にスペクトルが分布することになる。よって、計算されたスペクトルからＦ1、Ｆ2への投影値（ｆ1、ｆ2）、および明るさ（例えば、スペクトルの面積など）を３番目の値として、散乱特徴とする。したがって、特徴計算用データ供給部には、各特徴軸のスペクトルが格納されている。また、計算部における演算は、特徴軸スペクトルと、散乱スペクトルの内積計算となる。

（色彩画像生成部５５）
散乱特徴計算部５４から出力された散乱特徴、およびスペクトルの明るさを例えば、Ｂｌｕｅ、Ｇｒｅｅｎ、Ｒｅｄチャンネルに充当して色彩画像を生成する。その際に、画素値を８ビットなど後段のＤ／Ａ性能に合わせて適切に量子化する必要がある。画面中で早期病変を発見するには、相対的な散乱変化、つまり核異型、構造異型の程度を捉えれば十分であることが多いので、フレーム中で散乱特徴をダイナミックレンジを計算して、８ビットなど既定のレベルで量子化を行い、ＲＧＢ信号として出力する。

以上、本実施例の特徴をまとめると、各画素に対応する分光反射率の推定を、深達度が比較的浅く、上皮内の特徴を強く反映していると想定される短波長域でのマルチバンド画像と、上皮組織を離散粒子構造としてモデル化し、Ｍｉｅ散乱モデルおよび光伝播モデルから計算されるモデルベースの分光反射率分布から推定された自己相関行列を用いることによって散乱スペクトルを推定し、スペクトル空間における予め求められた粒径分布パラメータに対応する特徴軸への投影値を散乱特徴とし、各画素のこれら特微量を色チャンネルに割り当てて色彩情報で散乱イメージングを実現する。

（効果）
本実施例によれば、偏光光学系など特殊なスコープを用いずに、狭帯域フィルタとプロセッサ内の演算により、散乱特性変化に相関のあるイメージングが可能となり、上皮内構造異形など従来は観察が困難であった特徴を視認することが可能となる。

なお、通常観察像を可能とするため、図１０に示すような複数の狭帯域Ｃ1〜Ｃ6（図６参照）の狭帯域フィルタ１４Ｃ1〜Ｃ6を装着した回転フィルタ１４を用いてもよく、この場合、各々の狭帯域フィルタの画像に対応するように、フィルタ数分のメモリを備える。また、この場合、画像処理回路３０は、図示はしないが、通常観察像生成部と実施例１で記述したスペクトル推定部５２＋散乱特徴計算部５４を備え、さらに散乱特徴計算部５４の出力に基づいて、強調係数を計算するコントラスト強調係数計算部を備える。フレーム内で例えば粒径分布の平均値やあるいは標準偏差と平均を用いた合成特徴などに相関のある値に基づいて、量子化された一つの値を計算する。この値に基づいて、通常観察像生成都で生成された画像の輝度チャンネルに対して空間周波数の強調係数を決めるようにしてもよい。これにより通常観察像に散乱特徴に基づくコントラスト強調を行うことが可能となる。

図１１は本発明の実施例２に係る画像処理回路の構成を示すブロック図である。

実施例２は、実施例１とほとんど同じであるので、異なる点のみ説明し、同一の構成には同じ符号をつけ説明は省略する。

（構成・作用）
上皮内における散乱スペクトルを推定するため、短波長帯域で複数の狭帯域フィルタを用いる。この帯域は散乱特性が強い一方でヘモグロビンの吸収極大（４１５ｎｍ）も存在する。例えば、食道扁上皮を考えた場合、正常粘膜ではほとんど毛紬血管は存在しないが、核の腹大に伴って、乳頭内血管が拡張したり上皮内に新生血管が増生したりする。このような毛細血管像は、ヘモグロビン由来の特異的なスペクトルを有するため、散乱スペクトル推定では誤差要因となることが想定される。したがって、この吸収像としの毛細血管像を散乱スペクトル推定前に分離する。

分離は、これら毛細血管像が空間周波動的に高周波であることと、散乱イメージ自体は多重散乱により低周波像を形成すると考え、具体的には、図１１に示すように、本実施例の画像処理回路３０では、散乱スペクトル推定部５２の前段に空間周波数フィルタによる各狭帯域バンド画像に対応したフィルタリング部６１、６２，６３を設ける。フィルタリング部６１、６２，６３における動作は、ＦＩＲフィルタによるコンボリューション演算器で実現可能であって、毛細血管像分離用の高周波バンドパスフィルタと散乱スペクトル推定用のローパスフィルタとで構成される。

各狭帯域バンド画像に対応したフィルタリング部６１、６２，６３からの出力は、各バンド画像に対応した高周波画像Ｃ1H、Ｃ2H、Ｃ3H（添え字Ｈ）と低周波画像Ｃ1L、Ｃ2L、Ｃ3L（添え字Ｌ）に分離され、低周波画像は散乱スペクトル推定部５２へ、高周波画像は毛細血管像生成手段６４へと出力される。

散乱スペクトル推定部５２では、実施例１で説明したように、Wiener推定における自己相関行列を離散粒子構造モデルから推定される上皮内後方散乱スペクトル分布から算出することで、散乱スペクトルを推定する。

一方、毛細血管像生成部６４では、各バンドから作成された高周波画像に対して、適当なノイズ徐去や場合によっては血管構造をモデル化したマッチトフィルタによりより鮮明に毛細血管像を生成し、輝度情報として画像信号生成部６５へと出力する。

画像信号生成部６５では、散乱スペクトル推定部５２からの出力に基づき、散乱特性をカラーマップで作成し、一方、毛細血管像を輝度情報として合成することで、散乱＋毛細血管吸収像を観察モニタ５に出力する。

（効果）
本実施例によれば、偏光光学系など特殊なスコープを用いずに、狭帯域フィルタとプロセッサ内の演算により、散乱特性変化に相関のあるイメージングが可能となり、上皮内構造異形など従来は観察が困難であった特徴を視認することが可能となる。また、空間フィルタリング手段によって、吸収像である毛細血管像を事前に分離するとで、分光反射率推定精度の低下を防ぐと同時に、鑑別診断に重要となる毛細血管パターンと散乱像を合成して表示することが可能となる。

図１２及び図１３は本発明の実施例３に係わり、図１２は散乱イメージング装置の構成を示す構成図、図１３は図１２の回転フィルタの構成を示す図である。

実施例３は、実施例１とほとんど同じであるので、異なる点のみ説明し、同一の構成には同じ符号をつけ説明は省略する。

（構成・作用）
本実施例の回転フィルタ１４は、図１３に示すように、円盤状に構成され中心を回転軸とした２重構造となっており、外側の径部分には図６に示したＣ1〜Ｃ3の分光特性の狭帯域な面順次光を出力するための第１のフィルタ組を構成するＣ1フィルタ１４Ｃ1，Ｃ2フィルタ１４Ｃ2，Ｃ3フィルタ１４Ｃ3が配置され、内側の径部分には図６に示したＣ4〜Ｃ6の分光特性の面順次光を出力するための第２のフィルタ組を構成するＣ4フィルタ１４Ｃ4，Ｃ5フィルタ１４Ｃ5，Ｃ6フィルタ１４Ｃ6が配置されている。

そして、回転フィルタ１４は、図１２に示すように、制御回路１７により回転フィルタモータ１８の駆動制御がなされ回転され、また径方向の移動（回転フィルタ１４の光路に垂直な移動であって、回転フィルタ１４の第１のフィルタ組あるいは第２のフィルタ組を選択的に光路上に移動）がビデオプロセッサの７内のモード切替回路４２からの制御信号によりモード切替モータ１９によって行われる。

なお、キセノンランプ１１、絞り装置１３、回転フィルタモータ１８及びモード切替モータ１９には電源部１０より電力が供給される。

電子内視鏡２には、モード切替スイッチ４１が設けられており、このモード切替スイッチ４１の出力がビデオプロセッサ７内のモード切替回路４２に出力されるようになっている。ビデオプロセッサ７のモード切替回路４２は、制御信号を調光回路４３，調光制御パラメータ切替回路４４及び光源装置４のモード切替モータ１９に出力する。

調光制御パラメータ切替回路４４は、回転フィルタ１４の第１のフィルタ組あるいは第２のフィルタ組に応じた調光制御パラメータを調光回路４３に出力し、調光回路４３はモード切替回路４２からの制御信号及び調光制御パラメータ切替回路４４からの調光制御パラメータに基づき光源装置４の絞り装置１３を制御し適正な明るさ制御を行う。

（効果）
このように本実施例では、実施例１の効果に加え、Ｃ4フィルタ１４Ｃ4，Ｃ5フィルタ１４Ｃ5，Ｃ6フィルタ１４Ｃ6を用いることで、通常観察光による体腔内観察が可能となる。

図１４は本発明の実施例４に係る体表面撮像装置を示す図である。

実施例４は、実施例１とほとんど同じであるので、異なる点のみ説明し、同一の構成には同じ符号をつけ説明は省略する。

（構成・作用）
上記各実施例では、撮像装置を内視鏡内に設け、体腔内組織の散乱イメージングを行う実施形態を説明したが、本実施例では、体表面に狭帯域光を照射し皮膚がん等を検知することの出来る散乱イメージング装置を説明する。

図１４に示すように、本実施例では、電子内視鏡２の代わりに、肌に接触させるフード８１，リング状に配置されたライトガイド８２，対物光学系とＣＣＤとからなる撮像部８３を先端に備えた体表面撮像装置８４が設けられる。

そして、フード８１を肌に接触させ、ライトガイド８２より光源装置４からのＣ1〜Ｃ3の分光特性の狭帯域な面順次光を照射し、撮像部８３にて撮像して、撮像信号をビデオプロセッサ７に伝送する。

（効果）
このように本実施例では、体表面においても実施例１と同様な作用効果を得ることができ、皮膚がん等を検知することが可能となる。

図１５ないし図１８は本発明の実施例５に係わり、図１５は画像処理回路の構成を示す構成図、図１６は図１５の画像処理回路の作用を説明する第１の図、図１７は図１５の画像処理回路の作用を説明する第２の図、図１８は図１５の画像処理回路の作用を説明するフローチャートである。

実施例５は、実施例１とほとんど同じであるので、異なる点のみ説明し、同一の構成には同じ符号をつけ説明は省略する。

食道など消化管粘膜は層構造を有する。早期癌は主に表層内で発生、伸展する。したがって、より早期の癌を発見するには、粘膜表層内で起きている病理学的な変化を映像として捉える必要がある。

しかし、一般的に生体からの反射光は、粘膜表層が非常に薄いため、表層（第１層）より下の層（第２層）以降の変化に反応する。その変化とは、散乱・吸収であり、具体的には病理学的構造や血管密度である。

そこで、散乱イメージングとして、第２層の光学特性変化にできるだけ影響を受けない、なおかつ第１層の光学特性（散乱変化）を強調する散乱特微量を算出するアルゴリズムが必要となる。

実施例５では、分光画像値、あるいはマルチバンド画像値である観測値から前記散乱特微量への写像を求める。

（構成）
図１５に示すように、画像処理回路３０において、特徴計算用データ供給部５３には、多重判別分析によって求められた後述する臓器毎の消化管粘膜写像データ１００である、胃粘膜写像データ、食道粘膜写像データ等が格納され、散乱特徴計算部５４は図示しない入力手段からの臓器選択信号に基づき、対応する消化管粘膜写像データ１００を特徴計算用データ供給部５３より読み出し、散乱特徴を計算するようになっている。

次に、特徴計算用データ供給部５３に格納される消化管粘膜写像データ１００について説明する。図５において食道などの消化管粘膜組織の構造を説明したが、ここでは上皮層を第１層、基底層以下の下層全体を第２層とすると、画像処理回路３０のスペクトル推定部５２で推定されたスペクトルには第２層の影響が強く反映されおり、第１層の細胞核腫大を想定したスペクトル変化はマスキングされている。

そこで、本実施例では、観測スペクトル空間において第２層の影響が小さく、第１層の散乱特徴が強調される部分空間への写像を求め、求めた写像を消化管粘膜写像データ１００として特徴計算用データ供給部５３に格納する。

このような写像は、公知の多重判別分析によって、第２層の特性変化に依存するばらつきを最小化する条件下で、第１層の特性変化、この場合は散乱特徴に依存するスペクトル変化を最大化する線形写像として求めることができる。

例えばスペクトル空間で、生体組織のスペクトルが図１６のように分布しているとする。ここで、クラスとは早期食道癌における上皮などターゲットとなる層の散乱特徴が同じであるデータ集合を意味する。この図１６では、２つのクラスが描かれているので、散乱特徴が異なる２種類の上皮を有するデータ集合を示すことになる。

各々のクラス内には上皮以外の層の散乱・吸収特性の変化に応じたデータの広がりが現れる。多重判別空間への写像とは、図１６に描かれたクラス内の広がりを最小化する条件下でクラス間の距離を最大化する変換を意味する（２クラスでその写像が線形の場合には、フイッシャーの線形識別として知られている）。

この写像によって、図１６の生体組織のスペクトルが、図１７に示すようにクラス間の距離（クラス間分散）が最大化され、なおかつクラス内のばらつき（クラス内分散）が最小化される空間に写像される。クラス内分散及びクラス間分散は、例えば光散乱シミュレーションによって計算することができる。

つまり、上皮などターゲットとなる層の生体組織の散乱特性がその層以外の吸収・散乱特性の影響を最小限に抑えた状態で強調されることを意味する。

（作用）
本実施例では、図１８に示すように、画像処理回路３０は、ステップＳ５１において同時化メモリ２７、２８，２９からの各画像データを入力すると、ステップＳ５２においてスペクトル推定部５２が推定用データ供給部５１から生体スペクトル自己相関データ得て各画素のスペクトルを推定し、ステップＳ５３において散乱特徴計算部５４がクラス内分散及びクラス間分散を最適化した空間に写像させる消化管粘膜写像データ１００を臓器選択信号に基づき特徴計算用データ供給部５３より読み出し、散乱特徴を算出し、ステップＳ５４において色彩画像生成部５５が散乱特徴計算部５４からの散乱特徴画像に基づいて、表示色計算を行い、カラー画像として散乱特徴を表示すべく、各画素のＲＧＢ値を決め、ＲＧＢ画像としてＤ／Ａ回路３１，３２，３３へと出力する。

色彩画像生成部５５では、多重判別分析で得られる散乱特徴空間を３次元とすると、散乱特徴空間を構成する各軸をＲＧＢカラーチャンネルに割り当てる。各軸、最大、最小を予め規定しておき、その範囲で各カラーチャンネルのレンジを割り当てる。

別のカラー割当方法として、画像中でコントラストが最大になるように情報を割り当てる。フレーム（あるいはフィールド）単位で演算装置に画像を入力し、画面内で散乱特徴空間にデータを写像する。画面内の画素値の数に応じて、散乱特徴空間内にデータが分布する。その最大分散方向は、クラス間分散、つまりは散乱特徴変化が最も反映される方向となるはずである。したがって、ＫＬ展開など一般的な手法を用いて、最大分散軸への写像値を求める。最大分散軸上の一点を基準点として定めて、そこからの距離に応じて画像に色を割り当てる。色は色相方向に割り当てるなど、もっとも視認性の良い表現で行う。

なお、マルチバンド画像から被写体スペクトルを推定せずに、マルチバンド画像値に対してゲインバランスの補正をした値をそのまま用いるようにしてもよく、この場合スペクトル推定部５２を必要としない。ゲインバランスの補正方法は、白色板など分光反射率が既知である被写体を撮像し、観測されるマルチバンド画像値間の強度比率が各々のバンド特性と分光反射率既知である被写体分光反射率との分光積から計算される比率になるようにゲイン補正を行う。

（効果）
このように本実施例では、実施例１の効果に加え、上皮などターゲットとなる層の生体組織の散乱特性をその層以外の吸収・散乱特性の影響を最小限に抑えた状態で強調するので、より視認性が向上する。

図１９ないし図２３は本発明の実施例６に係わり、図１９は画像処理回路の構成を示す構成図、図２０は図１９の画像処理回路の作用を説明する第１の図、図２１は図１９の画像処理回路の作用を説明する第２の図、図２２は図１９の画像処理回路の作用を説明する第３の図、図２３は図１９の画像処理回路の作用を説明するフローチャートである。

実施例６は、実施例５とほとんど同じであるので、異なる点のみ説明し、同一の構成には同じ符号をつけ説明は省略する。

（構成）
図１９に示すように、画像処理回路３０は、同時化メモリ２７、２８，２９からの各画像データより第２層（図５の基底層以下の下層全体）の血管構造情報を抽出する血管構造抽出部１１１と、血管構造抽出部１１１が抽出した血管構造情報に基づきクラス内のばらつき（クラス内分散）を算出し特徴計算用データ供給部５３に格納されている消化管粘膜写像データ１００を算出したクラス内分散に基づき更新する写像更新部１１２とを備えて構成される。

（作用）
食道粘膜など層構造を有する生体組織の場合、図２０に示すように表層は毛細血管、中深層は比較的太い血管と、特徴的な血管構造を有する場合が多い。このような構造の生体組織を異なる中心波長を持つバンドで観察すると図２１、図２２に示すように、表層の血管は短波長側に、中深層の血管は長波長側に再現される（例えば特開２００２−９５６３５号公報、特開２００２−３４８９３号公報、特開２００２−３４９０８号公報等参照）。

したがって、血管のある位置とない位置では上皮の特性は同じでそれ以外の層の特性が異なるデータ集合となり、これらデータ集合からクラス内分散を推することができる。

そこで、図２３に示すように、ステップＳ７１において血管構造抽出部１１１はＲＧＢ画像から長波長側の画像（例えばＢ画像）を使って、血管位置を抽出する。血管位置の抽出には閾値処理空間周波数フィルタリング処理など一般釣な手法が適用できる。そして、ステップＳ７２において写像更新部１１２が血管位置の画素と血管を含まない画素を多数収集して、ステップＳ７３においてクラス内分散を算出し、特徴計算用データ供給部５３に格納されている消化管粘膜写像データ１００を算出したクラス内分散に基づき更新する。

なお、血管構造抽出部１１１はＲＧＢ画像から長波長側の画像（例えばＢ画像）を使って血管位置を抽出するとしたが、血管位置抽出のための帯域画像を得るために、専用の帯域フィルタを用いて観察部を照明してもよい。

（効果）
このように本実施例においても、実施例５と同様な効果を得ることができる。

なお、上記各実施例では、マルチバンド画像を得るために、光源側で照明光を帯域分離して照射する構成としたが、これに限らず、撮像側に帯域分離フィルタを用いてマルチバンド画像を得るように構成しても良い。

［付記］
（付記項１）前記光源装置が、少なくとも一つ以上の帯域光を照射する
ことを特徴とする請求項１に記載のイメージング装置。

（付記項２） 前記帯城光のうち、少なくとも１つは、可視光波長城の青色光として位置付けられる帯域に存在する
ことを特徴とする付記項１に記載のイメージング装置。

（付記項３） 前記プロセッサが、少なくとも１つ以上の生体画像から、画像中の各位置、及び又は領域に対応するスペクトルを推定する手段を有する
ことを特徴とする請求項１に記載のイメージング装置。

（付記項４） 前記スペクトルを推定する手段が、少なくとも１つ以上の行列演算器を有する
ことを特徴とする付記項３に記載のイメージング装置。

（付記項５） 前記少なくとも１つ以上の行列演算器の係数が、離散化された一つ以上の波長によって張られるところのスペクトル空間において推定すべきスペクトルの存在範囲を規定する
ことを特徴とする付記項４に記載のイメージング装置。

（付記項６） 前記少なくとも１つ以上の行列演算器の係数が、散乱媒体中における光の伝播を表現するところの光伝播モデルを用いて設計されている
ことを特徴とする付記項５に記載のイメージング装置。

（付記項７） 前記プロセッサが、画像中の各位置、及び又は領域に対応するスペクトルから生体組織による散乱特徴を推定する手段を有する
ことを特徴とする請求項１に記載のイメージング装置。

（付記項８） 前記散乱特徴を推定する手段が、スペクトル空間において予め定められた少なくとも一つ以上のベクトルヘの正射影を行う手段を有する
ことを特徴とする付記項７に記載のイメージング装置。

（付記項９） 前記プロセッサが、生体組織による散乱特徴を画像情報として有する色彩画像を生成する手段を備えた
ことを特徴とする請求項１に記載のイメージング装置。

（付記項１０） 前記色彩画像を生成する手段が、生体組織による吸収特徴を画像情報として有する色彩画像を生成する手段を備えた
ことを特徴とする付記項９に記載のイメージング装置。

（付記項１１） 前記色彩画像を生成する手段が、散乱特徴と散乱特徴以外の画像とを合成して、色彩画像として生成する
ことを特徴とする付記項９に記載のイメージング装置。

（付記項１２） 前記色彩画像を生成する手段が、散乱特徴と散乱特徴以外の画像を同時に、及びまたは切替えで表示するように画像を生成、表示制御を行う
ことを特徴とする付記項９に記載のイメージング装置。

（付記項１３） 前記散乱特徴以外の画像が、生体組織による吸収特徴を有する画像情報である
ことを特徴とする付記項１１に記載のイメージング装置。

（付記項１４） 前記散乱特徴以外の画像が、白色光照明下で得られる画像に相当する
ことを特徴とする付記項１１に記載のイメージング装置。

（付記項１５） 前記プロセッサが、少なくとも１つ以上の空間周波数フィルタリングを行う手段を有する
ことを特徴とする請求項１に記載のイメージング装置。

（付記項１６） 前記空間周波数フィルタリングを行う手段が、少なくとも１つ以上の生体画像から、画像中の各位置、及び又は領域に対応するスペクトルを推定する手段に位置する
ことを特徴とする付記項１５に記載のイメージング装置。

（付記項１７） 生体組織画像から散乱特徴を算出する散乱特徴演算手段と、前記散乱特徴に基づいて画像を生成する画像生成手段とを備えた生体散乱イメージング装置において、
前記散乱特徴演算手段は、前記生体組織を組織表層と前記組織表層以外の内部層の２層でモデル化した場合において、１ないし複数の画像値、またはこれら画像値に基づく観測値を、前記内部層の光学特性の変化によって生じる観測値の変化からの影響を最小化する条件で、前記組織表層の散乱特徴変化を最大化する散乱特徴空間への写像を適用することで前記散乱特徴を算出する
ことを特徴とする生体散乱イメージング装置。

（付記項１８）前記写像が線形写像である
ことを特徴とする付記項１７に記載の生体散乱イメージング装置。

（付記項１９）前記線形写像が観測値空間における多重判別分析にとって算出されることを特徴とし、前記多重判別分析におけるクラス間分散が前記組織表層の散乱特徴の違いに、クラス内分散が前記内部層の光学特性の違いに対応することを特徴とする
ことを特徴とする付記項１８に記載の生体散乱イメージング装置。

（付記項２０）前記内部層の光学特性の違いは、前記内部層の層厚、吸収特性、散乱特性を含む
ことを特徴とする付記項１９に記載の生体散乱イメージング装置。

（付記項２１）前記組織表層の散乱特性の違いは、前記組織表層の生体組織を構成する細胞核径の確率密度分布の変化でモデル化される
ことを特徴とする付記項１９に記載の生体散乱イメージング装置。

（付記項２２）前記モデルは、Ｍｉｅ散乱モデルと、光伝播モデルで構成される
ことを特徴とする付記項２１に記載の生体散乱イメージング装置。

（付記項２３）前記光伝播モデルは、モンテカルロモデルである
ことを特徴とする付記項２２に記載の生体散乱イメージング装置。

（付記項２４）前記多重判別分析における前記クラス内分散が前記生体組織画像から推定される
ことを特徴とする付記項１９に記載の生体散乱イメージング装置。

（付記項２５）前記クラス内分散の推定が生体組織内を走行する血管画像から行われる
ことを特徴とする付記項２４に記載の生体散乱イメージング装置。

本発明は、上述した実施例に限定されるものではなく、本発明の要旨を変えない範囲において、種々の変更、改変等が可能である。

本発明の実施例１に係る散乱イメージング装置の構成を示す構成図 図１の回転フィルタの構成を示す図 図２の回転フィルタの分光特性を示す図 図１の画像処理回路の構成を示すブロック図 図１の散乱イメージング装置が散乱イメージングを行う消化管粘膜組織を説明する図 図５の消化管粘膜組織における所望の散乱特性を生じさせる分光特性のフィルタを説明する図 図４のスペクトル推定部の作用を説明する図 図４のスペクトル推定部の処理の流れを示すフローチャート 図４の散乱特徴計算部の作用を説明する図 図１の回転フィルタの変形例の構成を示す 本発明の実施例２に係る画像処理回路の構成を示すブロック図 本発明の実施例３に係る散乱イメージング装置の構成を示す構成図 図１２の回転フィルタの構成を示す図 本発明の実施例４に係る体表面撮像装置を示す図 本発明の実施例５に係る画像処理回路の構成を示す構成図 図１５の画像処理回路の作用を説明する第１の図 図１５の画像処理回路の作用を説明する第２の図 図１５の画像処理回路の作用を説明するフローチャート 本発明の実施例６に係る画像処理回路の構成を示す構成図 図１９の画像処理回路の作用を説明する第１の図 図１９の画像処理回路の作用を説明する第２の図 図１９の画像処理回路の作用を説明する第３の図 図１９の画像処理回路の作用を説明するフローチャート

符号の説明

１…内視鏡装置（散乱イメージング装置）
２…ＣＣＤ
３…電子内視鏡
４…光源装置
５…観察モニタ
７…ビデオプロセッサ
１０…電源部
１１…キセノンランプ
１２…熱線カットフィルタ
１３…絞り装置
１４…回転フィルタ
１５…ライトガイド
１６…集光レンズ
１７…制御回路
１８…回転フィルタモータ
２０…ＣＣＤ駆動回路
２１…対物光学系
２２…アンプ
２３…プロセス回路
２４…Ａ／Ｄ変換器
２５…ホワイトバランス回路
２６…セレクタ
２７、２８，２９…同時化メモリ
３０…画像処理回路
３１，３２，３３…Ｄ／Ａ回路
３５…タイミングジェネレータ
４３…調光回路
５１…推定用データ供給部
５２…スペクトル推定部
５３…特徴計算用データ供給部
５４…散乱特徴計算部
５５…色彩画像生成部
代理人 弁理士 伊藤 進

Claims (2)

1. 光源装置と、
   前記光源装置からの照射光を観察に用い、生体観察像を映像信号に変換する撮像装置と、
   前記映像信号から生体画像を生成するプロセッサと
   からなるイメージング装置において、
   前記プロセッサが、
   少なくとも生体組織による散乱特徴を画像情報として有する生体画像を生成する手段
   を備えたことを特徴とするイメージング装置。
2. 前記撮像装置は、内視鏡である
   ことを特徴とする請求項１に記載のイメージング装置。

Images