JP2007097634A - 画像解析システム、及び画像解析プログラム - Google Patents

Abstract

【課題】眼底画像の血管の血管径を精度良く決定し、高血圧症や糖尿病等の疾病の診断に有用な情報を提供可能な画像解析システムを提供することを課題とする。
【解決手段】画像解析システム１は、眼底画像の画像データ１５を読込む画像データ読込手段１６、画像データ１５等を記憶する記憶手段１７、画像データ１５に基づいて血管領域及び背景領域を抽出する領域抽出手段２０、血管領域から一の注目画素を選択する注目画素選択手段２３、仮想線分を０°から１８０°の傾きの範囲で変化させ、仮想線分の線分長さを算出する線分長さ算出手段２７、最小線分長さを血管径として算出する血管径算出手段２８を具備する画像解析コンピュータ２を主に具備して構成されている。
【選択図】図１

Description

本発明は、画像解析システム、及び画像解析プログラムに関するものであり、特に、撮影された眼底画像を解析し、医師等に対して診断または治療に係る有用な情報を提供可能な画像解析システム、及び画像解析プログラムに関するものである。

従来から、画像解析技術を医療分野の診断に応用することが行われている。例えば、病院等の医療機関では、胃カメラやＸ線ＣＴスキャン等の各種診断測定装置によって測定された結果を、医師が視覚的に認識可能な写真や画像として表示し、さらにこれらの画像から腫瘍等の病巣位置を確認したり、症状の進行状況の把握等が行われている。また、眼球に対して外部から光を照射して眼底の状態を観察し、或いはカメラ等の光学機器によって眼底の状態を眼底写真（眼底画像）として撮影し、医療記録とすることが行われている。この眼底写真による眼底の状態の観察は、非侵襲的な診断手法の一つであり、検査を受ける患者（被験者）に対して肉体的な負担を強いることがなく、また比較的簡易な構成の装置によって多くの有益な情報を得ることができるため、複数の医療機関においてごく一般的に行われている検査手法の一つである。

特に、眼底画像によって示される血管は、眼球の奥に位置する脳の脳血管の一部が直接分岐したものであり、身体の外部から脳の状態を直接観察することができる唯一の手法である。そのため、この眼底画像は、緑内障等の眼科系の疾患の診断のみならず、糖尿病や高血圧症等の所謂「生活習慣病」に起因する疾患の診断にも利用することができる。

このように、医師の診断に有益な情報を提供可能な眼底画像に含まれる情報をさらに活用し、各種診断の支援を行う目的のために種々の手法及び装置が既に開発されている。例えば、撮影された眼底画像の血管像を解析し、血管径が急激に膨張したり、或いは縮径したりする部位を自動的に探索可能な血管像の定量解析装置（例えば、特許文献１参照）、または、同一受診者の過去及び現在のそれぞれの眼底写真を比較し、血管の広狭の経時的な変化を算出可能なシステム（例えば、特許文献２参照）等の開発が進められている。また、本願の発明者等によって、眼底写真からの血管径の計測、及び動脈と静脈との血管径比の算出に係る技術について開発が進められている（例えば、非特許文献１参照）。

上記従来技術について、さらに詳細に説明すると、血管像の定量解析装置（特許文献１）は、その血管径を算出する手法として、画面上に表示された血管像に対し、血管径の測定を開始する始点と測定を終了する終点とを予め任意に設定し、さらに始点から終点の間を結び、かつ血管径の中心を通過する中心線を特定し、血管径を測定するものが例示される。このとき、対象となる血管像を複数の部位（領域）にそれぞれ分割し、各々の分割線（分割領域）毎の画素値の分布を調査し、血管壁としてみなされる部位を連結して中心線を求めるものや、予め始点から終点方向に向かって所定の角度で扇状の探索範囲を設定し、最も濃度の高い（画素値が大きい）部位を中心線として設定するものなどがある。そして、決定された中心線と垂直に交叉する直線の画素値の分布を解析し、当該直線の線分長さにより、血管径（血管幅）を求めることが行われている。なお、特許文献２も略同様の手法を用いているため、ここでは説明を省略する。

一方、非特許文献１には、独自に定義した二重のリングフィルタを、解析対象となる血管領域を含む眼底画像に重畳し、当該血管領域を細線化して血管の中心線を求め、係る中心線と直交する直線と血管壁との間の距離をゼロクロス法を用いて算出するものが示されている。すなわち、前述したいずれの手法においても、第一に血管の中心線（中心点）を決定し、これと直交する直線と血管壁とが交わる交点を利用して血管径を算出している。

特開平８−２８０６５５号公報 特開２０００−１６６８７６号公報 Ｙｕｊｉ Ｈａｔａｎａｋａ，Ｔａｋｅｓｈｉ Ｈａｒａ，Ｈｉｒｏｓｈｉ Ｆｕｊｉｔａ，ｅｔ ａｌ．：Ａｕｔｏｍａｔｅｄ Ａｎａｌｙｓｉｓ ｏｆ ｔｈｅ Ｄｉｓｔｒｉｂｕｔｉｏｎｓ ａｎｄ Ｇｅｏｍｅｔｒｉｅｓ ｏｆ Ｂｌｏｏｄ Ｖｅｓｓｅｌｓ ｏｎ Ｒｅｔｉｎａｌ Ｆｕｎｄｕｓ Ｉｍａｇｅｓ， Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ＳＰＩＥ Ｖｏｌ．５３５０，ｐｐ．１６２１−１６２８，２００４

しかしながら、上述した血管径の算出または決定の手法によれば、予め血管の中心線を決定する作業が必要であった。ところが、この中心線（中心点）の位置の決定を一義的に行うことが困難であり、中心線を指定する作業者（例えば、医師など）の主観や感覚によって大きく左右することがあった。そのため、作業者によって指示された点が必ずしも血管の中心点であるとは限らず、その後に算出される血管径の精度が著しく劣る場合があった。

加えて、液晶画面等に表示される画像データは、画面上の縦横に複数の画素（ピクセル）が配され、当該画素毎の色を変化させることによって眼底の状態を表現することが可能となっている。この画素は、一般的に非常に微細な正方形状のものであり、碁盤目状に整列して配されているものであった。そのため、一の画素は、正方形状を構成する画素の各辺が辺同士で当接した四つの画素と、頂点同士がそれぞれ接する四つの画素との合計八つの画素に囲まれていた。そのため、各画素の画素中心を通過する中心線（中心点）に対して直交する直線の傾きは、必然的に４５°の間隔でしか変位することができないため、係る傾き角度を精度よく求めるには工夫が必要であり、算出される線分の長さ（血管径に相当）の値の精度が低下する可能性が高かった。そのため、作業者等の主観による中心線の決定が行われることなく、かつ角度による誤差の少ない精細な血管径を算出することが可能な画像解析システムの開発を期待する声が大きかった。

そこで、本発明は、上記実情に鑑み、眼底画像の血管径を精度良く決定し、高血圧症や動脈硬化症、糖尿病等の疾病の診断に有用な情報提供可能な画像解析システム、及び画像解析プログラムを提供することを課題とするものである。

上記の課題を解決するため、本発明にかかる画像解析システムは、「画像解析コンピュータを利用し、眼底画像を解析処理する画像解析システムであって、前記画像解析コンピュータは、前記眼底画像に係る画像データを読込む画像データ読込手段と、読込んだ前記画像データから、解析対象となる血管領域及び前記血管領域の背景に相当する背景領域を抽出する領域抽出手段と、抽出された前記血管領域を構成する複数の画素の中から一の注目画素を選択する注目画素選択手段と、選択された前記注目画素の画素中心を通過する仮想線分を予め規定した角度範囲で変化させ、前記血管領域及び前記背景領域の境界部と前記仮想線分とが交叉する二つの交叉点間の線分長さを、それぞれの角度毎に算出する線分長さ算出手段と、算出された前記線分長さに基づいて、前記注目画素に対する最小線分長さを決定し、前記最小線分長さを前記血管領域の血管径として算出する血管径算出手段と」を具備して主に構成されている。

ここで、画像データ読込手段とは、例えば、スキャナ等の光学入力機器を用い、現像された銀塩写真をスキャニングして電子化することにより、画像データとして読込むものや、或いはデジタルカメラ等の撮影機器を利用して撮影され、記録された撮影データをそのまま画像データとして利用するものなどが示される。さらに、領域抽出手段とは、例えば、読込まれた画像データを構成する各画素の画素値の差異（明暗の差等）を利用して二値化処理し、解析対象となる血管領域及びそれ以外の背景領域を抽出するものが示される。ここで、眼底画像の場合、一般に血管に相当する部位（血管領域）は、濃色で表示され、その他の背景領域は比較的白っぽい色で表示される。そこで、予め設定した閾値に基づいて二値化処理し、係る閾値よりも高い画素値を示すものは血管領域、及びそれ以外のものは背景領域とし、個々の領域を分離して抽出することが可能となる。

さらに、注目画素選択手段とは、抽出された血管領域を構成する複数の画素（ピクセル）の中から決定された一つの注目画素を選択するものである。なお、この注目画素選択手段は、一つの注目画素に対して、後述する線分長さ算出手段及び血管径算出手段に係る処理が行われた後、例えば、該注目画素に隣接する画素を新たな注目画素として再選択し、同様の処理を繰り返すようにするものである。そのため、抽出された血管領域を構成する全ての画素が最終的に注目画素として選択されることとなる。

そして、注目画素の画素中心を通過する仮想線分と、血管領域及び背景領域の間の境界部とが交叉する二つの交叉点間の線分長さが算出される。このとき、仮想線分は、例えば、画素中心を通過する仮想垂線または仮想水平線に対し、所定の角度（例えば、１０°）ずつ変化させる。特に、０°から１８０°まで変化させることにより、注目画素を画素中心として全方位に係る線分長さを算出することが可能となる。

したがって、本発明の画像解析システムによれば、解析対象となる眼底画像に係る画像データを画像解析コンピュータに読込むとともに、解析対象となる血管領域を抽出し、血管領域を構成する一つの注目画素の画素中心を通過する仮想線分の二つの交叉点間の線分長さを算出することが行われる。ここで、係る仮想線分は、所定の角度範囲（０°から１８０°）で変化し、変化毎に線分長さの算出が行われる。その後、各々の角度に対して算出された仮想線分の線分長さから、最も小さい値を示した線分長さを当該注目画素における血管径として決定する。すなわち、注目画素の画素中心を通過する仮想線分の線分長さを算出することにより、仮想線分が該血管領域の血管方向に沿って、換言すると、血管壁と仮想線分とが略平行になるように配されると、仮想線分の線分長さは最大となる。一方、血管の血管壁と略直交する場合、仮想線分の線分長さは最小となる。そのため、それぞれの角度毎に算出された線分長さを比較し、最も小さい値を示す線分長さが血管径に相当することとなる。そして、血管領域にある複数の注目画素に対して、それぞれ血管径を算出することにより、近接する領域の血管径の平均を求めることにより、眼底画像における血管領域に個々の血管径を精度良く算出することが可能となる。その結果、極端に血管径が狭小に表示される領域を注視し、医師による適切な診断を受けることが可能となる。

さらに、本発明にかかる画像解析システムは、上記構成に加え、「前記画像解析コンピュータは、前記注目画素に対して算出された前記血管径に係る血管径情報に基づいて、前記画像データを色別に表示する血管径色別出力手段を」具備するものであっても構わない。

したがって、本発明の画像解析システムによれば、算出された血管径の値をそれぞれの画素の位置に対応させて色別に表示することが可能となる。例えば、血管径の太さによって、太い方から細い方に向かって”緑”→”黄緑”→”黄”→”橙”→”赤”のように定義し、算出された血管径に従って各画素を色別に表示することが行われる。これにより、太い血管から末端の血管に向かう程、色が徐々に赤に変化する様子が視覚的に理解することができる。加えて、血管の異常により、極端に血管径が狭くなっている箇所、すなわち、”緑”で表示される画素に隣接する画素の大部分が”赤”で表示されるような場合、係る血管径色別出力手段によって、当該箇所を容易に認識することが可能となり、医師等に対して注視すべき箇所の情報を提供することができる。

さらに、本発明にかかる画像解析システムは、上記構成に加え、「前記画像解析コンピュータは、前記血管径の変化量を測定する変化量測定手段と、測定された前記変化量に基づいて前記血管領域の中の口径不同の部位を判定する口径不同判定手段と」を具備するものであっても構わない。

したがって、本発明の画像解析システムによれば、互いに隣り合う画素との間の血管径の変化量に基づいて、著しく血管径が狭くなっている口径不同の部位を認識し、判定することが可能となる。ここで、一般的に血管径は、視神経乳頭部の近傍が最も太く、外側に向かう程、徐々に血管径が細くなる傾向が知られている。ところが、上述した口径不同の場合、血管の一部が極端に狭くなり、血管径の緩やかな変化が観察されないことがある。この口径不同は、主に高血圧の場合に眼底に現れる症状（高血圧変化＝Ｈ所見）の一つであり、係る口径不同の部位の有無を判定することにより、高血圧の診断を速やかに行うことが可能となる。なお、この場合の変化量は、従来から周知の画像処理技術を応用し、例えば、血管領域に対して「細線化処理」を実施し、これにより決定された中心線に相当する箇所の画素に係る血管径の値を順次追跡し、血管径の変化量を測定することによって行うことが可能である。

さらに、本発明にかかる画像解析システムは、上記構成に加え、「前記画像解析コンピュータは、前記血管領域から動脈及び静脈を前記画素値の差異及び前記血管径の太さの少なくともいずれか一方によって判別する動静脈判別手段と、判別された前記動脈及び前記静脈に対する前記血管径の血管径比に基づいて、細動脈狭窄または細動脈狭細を含む異常所見を判断する異常所見判断手段と」を具備するものであっても構わない。

したがって、本発明の画像解析システムによれば、血管領域の中から動脈及び静脈のそれぞれの領域を画素値の差異等によって判別し、さらに判別された動脈及び静脈の血管径の血管径比に従って、特に動脈硬化によって眼底に現れる症状（動脈硬化性変化：Ｓ所見）である細動脈狭窄または細動脈挟細等の異常所見を判断することが可能となる。

一方、本発明にかかる画像解析プログラムは、「前記眼底画像に係る画像データを読込む画像データ読込手段、読込んだ前記画像データから、解析対象となる血管領域及び前記血管領域の背景に相当する背景領域を抽出する領域抽出手段、抽出された前記血管領域を構成する複数の画素の中から一の注目画素を選択する注目画素選択手段、選択された前記注目画素の画素中心を通過する仮想線分を予め規定した角度範囲で変化させ、前記血管領域及び前記背景領域の境界部と前記仮想線分とが交叉する二つの交叉点間の線分長さを、それぞれの角度毎に算出する線分長さ算出手段、及び算出された前記線分長さに基づいて、前記注目画素に対する最小線分長さを決定し、前記最小線分長さを前記血管領域の血管径として算出する血管径算出手段として、画像解析コンピュータを機能させる」ものから主に構成されている。

さらに、本発明にかかる画像解析プログラムは、上記構成に加え、「前記注目画素に対して算出された前記血管径に係る血管径情報に基づいて、前記画像データを色別に表示する血管径色別出力手段として、前記画像解析コンピュータを機能させる」ものであっても構わない。

さらに、本発明にかかる画像解析プログラムは、上記構成に加え、「前記血管径の変化量を測定する変化量測定手段、及び測定された前記変化量に基づいて前記血管領域の中の口径不同の部位を判定する口径不同判定手段として、前記画像解析コンピュータをさらに機能させる」ものであっても構わない。

さらに、本発明にかかる画像解析プログラムは、上記構成に加え、「前記血管領域から動脈及び静脈を前記画素値の差異及び前記血管径の太さの少なくともいずれか一方によって判別する動静脈判別手段、及び判別された前記動脈及び前記静脈に対する前記血管径の血管径比に基づいて、細動脈狭窄または細動脈狭細を含む異常所見を判断する異常所見判断手段として、前記画像解析コンピュータをさらに機能させる」ものであっても構わない。

したがって、本発明の画像解析プログラムによれば、プログラムを実行することにより、画像解析コンピュータは、上述した優れた作用を奏することが可能となる。

本発明の効果として、画像解析システム及び画像解析プログラムにより、眼底画像等の画像データから注目画素に対する最小線分長さを容易に算出することができる。これにより、眼底画像の場合、血管狭窄等の部位の発見を容易に行うことが可能となり、医師による糖尿病等の生活習慣病の診断をより簡易に行うための有益な情報を提供することが可能となる。加えて、従来のように、抽出された血管を細線化処理し、血管径の算出の際に中心線（点）を利用する必要がなく、中心線の決定に伴う精度の低下を抑えることができる。その結果、算出された血管径の精度が高くなる。

以下、本発明の一実施形態である画像解析システム１及び画像解プログラムについて図１乃至図７に基づいて説明する。ここで、図１は本実施形態の画像解析システム１における画像解析コンピュータ２の機能的構成を示すブロック図であり、図２は撮影された眼底画像３の一例を示す説明図であり、図３は抽出した血管領域４の一例を示す説明図であり、図４は線分長さの算出例を模式的に示す説明図であり、図５は注目画素に対する血管径の相対的分布の一例を示す説明図であり、図６及び図７は画像解析コンピュータ２の処理の流れを示すフローチャートである。

本実施形態の画像解析システム１は、眼底カメラ９によって撮影された眼底画像３を読込み、当該眼底画像３から血管領域４を抽出するとともに、抽出された血管領域４に基づいて個々の画素２１に対する血管径８を算出し、血管径８の広狭に関係する種々の疾病を診断するための有益な情報を医師に対して提供可能な画像解析コンピュータ２によって主に構成されている。さらに、具体的に説明すると、本実施形態の画像解析システム１は、画像解析コンピュータ２以外のその他構成として、画像解析コンピュータ２と接続し、眼底画像３を電子情報として取得可能な前出の眼底カメラ９と、取得した眼底画像３等の種々のデータを表示する液晶ディスプレイ１１と、画像解析コンピュータ２に対する種々の命令及び各種データの入力を行うためのキーボード１２及びマウス１３を含む操作入力機器１４とを具備している。ここで、本実施形態の画像解析システム１に使用される画像解析コンピュータ２は、市販の汎用コンピュータを利用することが可能である。

画像解析コンピュータ２の機能的構成について、さらに詳細に説明すると、図１に示すように、眼底カメラ９によって取得された眼底画像３に係る画像データ１５を読込む画像データ読込手段１６と、読込んだ画像データ１５及び各種処理によって生成された種々のデータ及び情報を記憶する記憶手段１７と、読込んだ画像データ１５を画素値の差異を利用して二値化処理を施し、処理された二値化画像データ１８（図３参照）に基づいて、解析対象となる血管領域４及び該血管領域４の背景に相当する背景領域１９をそれぞれ抽出する領域抽出手段２０と、抽出された血管領域４を構成する複数の画素２１の中から一の注目画素５を選択する注目画素選択手段２３と、選択された注目画素５の画素中心Ｃを通過する仮想線分６を仮想垂線Ｖ（図４参照）に対する傾きθを０°から１８０°の範囲で角度α（例えば、１０°）ずつ変化させ、仮想線分６と血管領域４及び背景領域１９の境界部２４とが交叉する二カ所の交叉点２５の間の線分長さ７を、各々の角度（傾きθ）毎に算出する線分長さ算出手段２７と、算出された各角度に対応する線分長さ７の中から、最小値に該当する最小線分長さを血管領域４の血管径８として算出する血管径算出手段２８とを主に具備して構成されている。

また、画像解析コンピュータ２は、その他の機能的構成として、各画素２１に対して算出された血管径８の情報を記録した血管径情報２９に従って、読込まれた画像データ１５を血管径８の太さに応じて色別に相対的に表示する血管径色別出力手段３０と、細線化処理によって決定された仮想中心線ＶＣ（図４参照）と重なる画素２１を追跡し、それぞれの各画素２１の位置から血管径８を算出するとともに、その血管径８の変位量を測定する変位量測定手段３１と、測定された変化量に基づいて血管径８が著しく変化する口径不同の部位を判定する口径不同判定手段３２と、血管領域４の中から併走する動脈及び静脈を画素値の差異及び算出された血管径８の値の少なくともいずれか一方によって判別する動静脈判別手段３３と、判別された動脈及び静脈の血管径比（Ａ／Ｖ比）を求め、動脈硬化の症状を示す可能性の高い細動脈狭窄または細動脈狭細等の異常所見を判断する異常所見判断手段３４とをさらに具備している。なお、これらの算出結果や判定結果等を表示可能とするために、各手段によって処理されたデータ及び情報が記憶手段１７にそれぞれ記憶されている。例えば、色別に相対的に表示する際の色別表示画像データ３７、測定された変位量に係る変位量情報４０、動脈及び静脈の血管径比に係るＡ／Ｖ比情報４２、血管領域４における口径不同の部位に係る口径不同情報４１、及び血管径比から異常所見を判断する基準となる判定基準情報４３等が記憶されている。さらに、これらの算出結果等を液晶ディスプレイ１１に表示するための表示制御手段３８が液晶ディスプレイ１１と各手段との間に介設されている。なお、仮想中心線ＶＣと重なる画素を使わなくても、仮想中心線ＶＣを直接活用してもよい。

次に、本実施形態の画像解析システム１における画像解析コンピュータ２の処理の流れについて、主として図６及び図７のフローチャートに基づいて説明する。ここで、図６及び図７におけるステップＳ１からステップＳ２０が本発明の画像解析プログラムに相当する。

まず、被験者（患者または受診者）の眼底をデジタルカメラ機能を備える眼底カメラ９を利用して撮影し、撮影された眼底画像３に係る画像データ１５（図２参照）を、画像データ読込手段１６を介して画像解析コンピュータ２内に読込む（ステップＳ１）。ここで、画像データ１５の元となる眼底画像３は、カラー画像若しくはモノクロ画像のいずれであっても構わない。また、本実施形態においては、眼底カメラ９から画像データ１５を直接読込むものを示したが、例えば、印画紙上に焼付けられた眼底画像（眼底写真）を、スキャナ等の光学読取機器を利用してスキャニングしたり、或いは眼底写真のネガフィルムをフィルムスキャナを利用してスキャニングすることにより、電子化された画像データ１５を取得するものであっても構わない。そして、読込んだ画像データ１５を記憶手段１７に記憶する（ステップＳ２）。

その後、読込んだ画像データ１５を解析し、画像データ１５を構成する各画素２１の画素値の差異を利用して予め規定された閾値に従って二値化処理を行い、処理された二値化画像データ１８から血管領域４及び背景領域１９の二つの領域をそれぞれ抽出する（ステップＳ３：図３参照）。なお、撮影された眼底画像３において、血管領域４に相当する箇所（部位）は、黒若しくは濃色で示され、血管領域４以外の背景領域１９（例えば、網膜領域或いは視神経乳頭等）は一般に白若しくは血管領域４よりも明るい色で示されることが多い。そのため、この色（画素値）の違いを利用し、規定した閾値を境界として、上述の画像データ１５を二値化処理することにより、血管領域４及び背景領域１９をそれぞれ明確に抽出することができる。ここで、抽出された血管領域４及び背景領域１９は、図４に模式的に示すように、正方形の複数の画素２１（ピクセル）が縦横に密に並んで構成されている。すなわち、血管領域４及び背景領域１９の境界部２４は、各画素２１の縦または横の辺同士が接した状態となっており、直線及び直角の組合わせで構成されている。そして、この複数の画素２１の中から一の注目画素５を選択する（ステップＳ４）。なお、係る注目画素５の選択は、後述するように、血管領域４を構成する全ての画素に対してそれぞれ実施されるため、血管領域４の端から順番で注目画素５を選択する等の予め定めたルールに従って選択される。そして、係る選択と同時に、選択された注目画素５の画素中心Ｃを通過する仮想垂線Ｖに対する傾きθの値を”θ＝０°”に設定する（ステップＳ５）。

その後、与えられたθ＝０°における仮想線分６の線分長さ７を計測する（ステップＳ６）。ここで、線分長さ７は、図４に示すように、仮想線分６と血管領域４及び背景領域１９の境界を示す境界部２４とが交叉した二つの交叉点２５の間を結んだ長さが相当する。そして、計測された傾きθにおける計測結果を線分長さ情報３５として記憶手段１７に記憶する（ステップＳ７）。

それから、傾きθに対して”θ＝θ＋α”を与え（ステップＳ８）、”θ≧１８０°”であるか否かの判断を行う（ステップＳ９）。ここでθ≧１８０°である場合（ステップＳ９においてＹＥＳ）、０°≦θ＜１８０°の範囲で実行され、線分長さ情報３５に記憶された当該注目画素５に係る線分長さ７の中から最小の値を示す最小線分長さを探索し、係る値を血管径８として決定する（ステップＳ１０）。一方、θ≧１８０°でない場合（ステップＳ９においてＮＯ）、ステップＳ６へ戻る。これにより、傾きθの値を０°≦θ＜１８０°の範囲で角度α毎に仮想垂線Ｖに対して変化させ、それぞれの角度に対して線分長さ７を計測することが行われる。つまり、α＝１０°の場合、上述したステップＳ６からステップＳ９までの処理が一つの注目画素５に対して１８回繰り返されることとなる。そして、１８回の処理によって計測された１８個の線分長さ７の値の中からステップＳ１０によって血管径８が決定されることとなる。その後、注目画素５に対して決定された血管径８の値を示す血管径情報２９を記憶する（ステップＳ１１）。

さらに、血管径８の決定が血管領域４における全ての画素２１についてなされたか否かの判断を行う（ステップＳ１２）。ここで、血管領域４を構成する全ての画素２１について血管径８の決定が完了している場合（ステップＳ１２においてＹＥＳ）、換言すると、各画素２１がそれぞれ注目画素５として選択され、上述のステップＳ５からステップＳ１１までの処理が実施されている場合、決定された血管径８に係る血管径情報２９に従って、血管径８の相対的な分布を複数の色で表示するための処理を行う（ステップＳ１３）。これにより、図５に例示されるように、血管領域４における血管径８の相対的な分布の画像（色別表示画像３６）が視覚的に示される。なお、色別表示画像３７と併せ、画面左方には血管径８の広狭と色（図５ではハッチングの種類によって、色の違いを表現）との関係を示すインデックス３７ａが表示される。これにより、従来の中心線を採用した血管径の算出に比べ、その測定精度を著しく向上させることができる。特に、従来は、この中心線から最適な垂線を求めることが困難な場合があった。これに対し、本実施形態によれば、中心線や垂線の決定を行うことなく、精度良く血管径の測定が行える。なお、測定間隔を角度αよりもさらに細かく設定することにより（例えば、５°間隔、或いは１°間隔）、測定される血管径８の精度をさらに向上させることができる。

一方、血管径８の決定が未実施の画素２１（注目画素５）が残存している場合（ステップＳ１２においてＮＯ）、未実施の画素２１の中から新たな注目画素５を選択し、ステップＳ５の処理に復帰する。そして、血管領域４を構成する画素２１の全てに対して血管径８が決定されるまで、上記処理を継続する。

そして、決定された血管径情報２９に従って、口径不同の部位Ｄを特定するための処理を行う。具体的には、まず、図４に示されるように、血管領域４に対して細線化処理を施し、仮想中心線ＶＣを求め、該仮想中心線ＶＣと重なる画素２１をトレースし、該当する画素２１の血管径８をそれぞれ抽出する。そして、抽出された血管径８の値から前後の変位量を測定する（ステップＳ１５）。つまり、該当する画素２１の血管径８の値がその前後で同一であれば、変位量は”０”であり、前後の変化があれば、変位量は”＋”または”−”となる。ここで、一般に血管は、視神経乳頭部の近傍で最も太く、眼底画像３の外側い向かう程、徐々に血管径８が細くなる傾向がある。そのため、視神経乳頭部近傍付近から外側に向かって、仮想中心線ＶＣをトレースした場合、変位量は”−”になる。そして、この変位量が予め規定された条件よりも”−”側に特に大きく振れ、その後、再び”＋”に転じるような場合、血管の一部が著しく細くなっている口径不同の部位Ｄと判定する（ステップＳ１６：例えば、図５参照）。ここで、口径不同は、”びまん性狭細”、”限局性狭細”、”分節性狭細”、”不規則性狭細”、”刻み込み狭細”などの多種類のものが知られ、血圧亢進の激しさ等を主要因とするものがある。なお、係る部位Ｄの判定の結果は、液晶ディスプレイ１１に当該部位Ｄが明瞭に識別できるように、周囲と異なる色を用いて表示するようにしても構わない。

さらに、読込まれた画像データ１５の画素値の差異及び決定された血管径８の値の差異を利用して、抽出された血管領域４から動脈及び静脈（いずれも図示しない）を判別する（ステップＳ１７）。ここで、一般に、眼底画像３（画像データ１５）では、静脈に対し、動脈の方が明るく表示され、さらに静脈に併走して配される動脈は、静脈よりも動脈の方が細くなる傾向が知られている。そのため、上述した要件に基づいて、上記の併走する血管の静脈及び動脈の判別が行われる。その後、判別された動脈及び静脈に基づいて、それぞれの血管径比（Ａ／Ｖ比）を求め、異常の所見の有無を判断し、その結果を表示する（ステップＳ１８）。ここで、網膜血管に現れる高血圧症を示す様態として動脈の血管幅が狭くなる（狭細化）ことが知られ、動脈と併走する静脈とを比較し、動脈が静脈よりも極端に細くなっているか否かが判断の基準となる。そのため、上述した血管径比の算出を行い、その後、予め定められた基準に従って血管径比を判断することにより、高血圧症等の異常所見を眼底画像３から行うことが可能となる。なお、一般に、動脈の血管径／静脈の血管径の比が”３／４〜２／３”は正常、”２／３〜１／２”は軽度、”１／２〜１／３”は中等度、”１／３”以下は高度の症状を表している。その後、画像解析コンピュータ２は、システムを終了する旨の指示の有無を検出し（ステップＳ１９）、当該指示がある場合（ステップＳ１９においてＹＥＳ）、本システムの終了を実施する（ステップＳ２０）。一方、システムを終了する旨の指示がない場合（ステップＳ１９においてＮＯ）、ステップＳ１の処理に戻り、解析対象となる新たな画像データ１５を読込み、血管径８の決定等の処理を継続する。

以上述べたように、本実施形態の画像解析システム１によれば、従来の中心線を用いて血管径を算出する手法と比べ、血管領域４を構成する全ての画素２１に対し、最小線分長さに基づく血管径８を決定することができ、その精度を飛躍的に向上させることができる。加えて、決定された血管径８の値（血管径情報２９）を利用して、高血圧症の診断要因となる口径不同や糖尿病等の可能性の高い動脈硬化等の異常所見を診断可能なＡ／Ｖ比等を算出し判別することができる。そして、これらの判別結果が、画像データ１５等に重畳するようにして、表示されるため、眼底画像３から各種診断を行う医師に対し、特に有用な情報を供与することが可能となる。

以上、本発明について好適な実施形態を挙げて説明したが、本発明はこれらの実施形態に限定されるものではなく、以下に示すように、本発明の要旨を逸脱しない範囲において、種々の改良及び設計の変更が可能である。

すなわち、本実施形態の画像解析システム１において、説明を簡略化するために、図６及び図７において、血管径８の決定、口径不同の部位Ｄの判定、及び異常所見の判別の各処理を一連の流れで実行するものを示したが、勿論これに限定されるものではなく、それぞれの決定及び判別等の処理を独立して行うものであってもよい。

また、領域抽出手段２０は、血管領域４が抽出可能な手段であれば構わない。それらには、例えば、注目画素の画素値を、注目画素値を中心として一定の範囲内に存在する画素群の画素値から求めた最大値あるいは最小値などに置き換えた画像と原画像の差分を取る処理や、局所領域内の画素群の画素値から求めた閾値によって局所領域ごとに二値化する手法などが考えられる。

画像解析システムにおける画像解析コンピュータの機能的構成を示すブロック図である。 撮影された眼底画像の一例を示す説明図である。 抽出した血管領域の一例を示す説明図である。 線分長さの算出例を模式的に示す説明図である。 注目画素に対する血管径の相対的な分布の一例を示す説明図である。 画像解析コンピュータの処理の流れを示すフローチャートである。 画像解析コンピュータの処理の流れを示すフローチャートである。

符号の説明

１ 画像解析システム
２ 画像解析コンピュータ
３ 眼底画像
４ 血管領域
５ 注目画素
６ 仮想線分
７ 線分長さ
８ 血管径
１５ 画像データ
１６ 画像データ読込手段
１９ 背景領域
２０ 領域抽出手段
２１ 画素
２３ 注目画素選択手段
２４ 境界部
２５ 交叉点
２７ 線分長さ算出手段
２８ 血管径算出手段
２９ 血管径情報
３０ 血管径色別出力手段
３１ 変位量測定手段
３２ 口径不同判定手段
３３ 動静脈判別手段
３４ 異常所見判断手段
Ｃ 画素中心
Ｄ 部位
Ｖ 仮想垂線
θ 傾き

Claims (8)

1. 画像解析コンピュータを利用し、眼底画像を解析処理する画像解析システムであって、
   前記画像解析コンピュータは、
   前記眼底画像に係る画像データを読込む画像データ読込手段と、
   読込んだ前記画像データから、解析対象となる血管領域及び前記血管領域の背景に相当する背景領域を抽出する領域抽出手段と、
   抽出された前記血管領域を構成する複数の画素の中から一の注目画素を選択する注目画素選択手段と、
   選択された前記注目画素の画素中心を通過する仮想線分を予め規定した角度範囲で変化させ、前記血管領域及び前記背景領域の境界部と前記仮想線分とが交叉する二つの交叉点間の線分長さを、それぞれの角度毎に算出する線分長さ算出手段と、
   算出された前記線分長さに基づいて、前記注目画素に対する最小線分長さを決定し、前記最小線分長さを前記血管領域の血管径として算出する血管径算出手段と
   を具備することを特徴とする画像解析システム。
2. 前記画像解析コンピュータは、
   前記注目画素に対して算出された前記血管径に係る血管径情報に基づいて、前記画像データを色別に表示する血管径色別出力手段をさらに具備することを特徴とする請求項１に記載の画像解析システム。
3. 前記画像解析コンピュータは、
   前記血管径の変化量を測定する変化量測定手段と、
   測定された前記変化量に基づいて前記血管領域の中の口径不同の部位を判定する口径不同判定手段と
   をさらに具備することを特徴とする請求項１または請求項２に記載の画像解析システム。
4. 前記画像解析コンピュータは、
   前記血管領域から動脈及び静脈を前記画素値の差異及び前記血管径の太さの少なくともいずれか一方によって判別する動静脈判別手段と、
   判別された前記動脈及び前記静脈に対する前記血管径の血管径比に基づいて、細動脈狭窄または細動脈狭細を含む異常所見を判断する異常所見判断手段と
   をさらに具備することを特徴とする請求項１乃至請求項３のいずれか一つに記載の画像解析システム。
5. 前記眼底画像に係る画像データを読込む画像データ読込手段、読込んだ前記画像データから、解析対象となる血管領域及び前記血管領域の背景に相当する背景領域を抽出する領域抽出手段、抽出された前記血管領域を構成する複数の画素の中から一の注目画素を選択する注目画素選択手段、選択された前記注目画素の画素中心を通過する仮想線分を予め規定した角度範囲で変化させ、前記血管領域及び前記背景領域の境界部と前記仮想線分とが交叉する二つの交叉点間の線分長さを、それぞれの角度毎に算出する線分長さ算出手段、及び算出された前記線分長さに基づいて、前記注目画素に対する最小線分長さを決定し、前記最小線分長さを前記血管領域の血管径として算出する血管径算出手段として、画像解析コンピュータを機能させることを特徴とする画像解析プログラム。
6. 前記注目画素に対して算出された前記血管径に係る血管径情報に基づいて、前記画像データを色別に表示する血管径色別出力手段として、前記画像解析コンピュータをさらに機能させることを特徴とする請求項５に記載の画像解析プログラム。
7. 前記血管径の変化量を測定する変化量測定手段、及び測定された前記変化量に基づいて前記血管領域の中の口径不同の部位を判定する口径不同判定手段として、前記画像解析コンピュータをさらに機能させることを特徴とする請求項５または請求項６に記載の画像解析プログラム。
8. 前記血管領域から動脈及び静脈を前記画素値の差異及び前記血管径の太さの少なくともいずれか一方によって判別する動静脈判別手段、及び判別された前記動脈及び前記静脈に対する前記血管径の血管径比に基づいて、細動脈狭窄または細動脈狭細を含む異常所見を判断する異常所見判断手段として、前記画像解析コンピュータをさらに機能させることを特徴とする請求項５乃至請求項７のいずれか一つに記載の画像解析プログラム。

Images