JP2008284005A - 画像処理装置、画像処理システム、画像処理方法 - Google Patents

Abstract

【課題】 カラー眼底写真に画像処理を行い、網膜神経線維層欠損（ＮＦＬＤ）をより明瞭に描出する。
【解決手段】 眼底画像の検査のためにカラー眼底写真の画像から画像処理を行う画像処理装置であって、カラー眼底写真の画像から色成分を抽出する色成分抽出手段を備える。また、色成分抽出手段により色成分を抽出された画像の濃度変換を行う濃度変換手段を備える。色成分抽出手段は、網膜神経線維層欠損（ＮＦＬＤ）、網膜神経線維層（ＲＮＦＬ）、又は網膜上膜の検査用の画像出力をする場合には緑青、緑、青の各色の成分を抽出する。さらに、緑青色の成分は、カラー眼底写真の画像の提供者が白内障を併発している場合、緑色成分と青色成分の比率のうち緑色成分の比率を高くして緑青成分を抽出する。
【選択図】 図１

Description

本発明は、眼底写真の画像から検査用の画像を出力する、特に画像処理装置、画像処理システム、画像処理方法に関する。

高齢化の進展に伴って、何らかの原因で視神経線維が減少し、それによって視野に欠損が生じた状態となる緑内障発症者が増加している。
我が国における失明原因の第一位は緑内障である。初期緑内障では自覚症状がない場合がほとんどであり、早期発見には健康診断などにおける眼底検査が最も重要である。

この緑内障を診断する上で、最も重要な所見の一つが網膜神経線維層欠損（ＮＦＬＤ）である。
ＮＦＬＤの観察には、まずフィルタを用いた撮影法であるｒｅｄ ｆｒｅｅ写真を撮影する。その後、レーザー光を利用したＳＬＯ（Ｓｃａｎｎｉｎｇ Ｌａｓｅｒ Ｏｐｈｔｈａｌｍｏｓｃｏｐｅ）による４８８ｎｍあるいは５１４ｎｍ ａｒｇｏｎ ｌａｓｅｒでの観察、７８０ｎｍ偏光レーザーを用いた視神経線維層の複屈折性を利用した観察法であるＧＤｘを用いた観察法が行われている。いずれの方法も特殊なフィルタや機器が必要である。
しかしながら、健康診断など多くの臨床の場では、最も普及している撮影法である、単純なカラー眼底写真のみが撮影される場合が多い。

このカラー眼底写真は、近年、デジタルカメラで撮影される事が多くなった。
最近は、デジタルカメラの性能的な向上、即ち解像度や色表現力の向上が著しい。これにより、潜在的には、単純なカラー眼底写真で視神経線維の走行を確認する事ができる水準に達していると考えられる。
しかし、カラー眼底写真による眼底画像は、描出された様々な情報が混在している。このため、目的とする組織を観察すること難しく、ＮＦＬＤの確認が困難な場合がある。

ここで、例えば特許文献１を参照すると、デジタル化した眼底画像にＣＧで加工を加えることで、眼底画像を診断用の画像に変換する眼底画像変換装置に関する技術が記載されている（以下、従来技術１とする。）。
従来技術１の眼底画像変換装置は、眼底画像のコントラストや明るさを調整し、輪郭を抽出して、特定の色に変換して出力することができる。これにより、眼底画像を明瞭にできるため、糖尿病網膜症について専門家でない医師でも診断ができる旨、記載されている。

特開２００４−２９８４８８号公報

しかし、従来技術１の眼底画像変換装置は、コントラストと明るさの調整、輪郭を抽出して特定の色で出力することだけしかできなかった。
このため、一般のカラー眼底画像から、ＮＦＬＤを医師が検出するための最適な画像処理を行うことができなかった。

本発明は、このような状況に鑑みてなされたものであり、上述の課題を解消することを課題とする。

本発明の画像処理装置は、眼底画像の検査のためにカラー眼底写真の画像から画像処理を行う画像処理装置であって、前記カラー眼底写真の画像から色成分を抽出する色成分抽出手段と、前記色成分抽出手段により抽出された色成分ごとに画像の濃度変換を行う濃度変換手段とを備えることを特徴とする。
本発明の画像処理装置は、前記色成分抽出手段は、網膜神経線維層欠損（ＮＦＬＤ）、網膜神経線維層（ＲＮＦＬ）、又は網膜上膜の検査用の画像出力をする場合には緑青、緑、青の各色の成分を抽出することを特徴とする。
本発明の画像処理装置は、前記緑青色の成分について、緑の成分と青の成分の比率のうち緑の成分の比率を高くして緑青の成分を抽出することを特徴とする。
本発明の画像処理装置は、前記色成分抽出手段は、脈絡膜の検査用の画像出力をする場合には赤の成分を抽出することを特徴とする。
本発明の画像処理装置は、前記濃度変換手段は、線形濃度変換を行うことを特徴とする。
本発明の画像処理装置は、前記カラー眼底写真における視神経乳頭部を中心とした円周に沿った画素からヒストグラムを作成するグラフ処理手段を更に備えることを特徴とする。
本発明の画像処理装置は、前記円周の半径は前記視神経乳頭部の径より大きく、前記視神経乳頭部から中心窩の距離よりも小さいことを特徴とする。
本発明の画像処理装置は、前記ヒストグラムは、赤の色成分のグラフと、緑青成分のグラフを含むことを特徴とする。
本発明の画像処理装置は、前記ヒストグラムの赤成分と緑青成分の比率を出力することを特徴とする。
本発明の画像処理装置は、前記グラフ処理手段は、前記ヒストグラムの前記比率から、網膜神経線維層欠損の角度範囲と角度方向を求めることを特徴とする。
本発明の画像処理装置は、前記色成分抽出手段は、指定された領域の各色成分の濃度値の平均と、画素の面積を更に算出することを特徴とする。
本発明の画像処理装置は、前記指定された領域は、前記円周内であることを特徴とする。
本発明の画像処理装置は、前記指定された領域は、前記円周内の内円と外円に挟まれた領域であるであることを特徴とする。
本発明の画像処理装置は、前記色成分抽出手段は、鼻側領域の各色成分の濃度値の平均を更に算出し、前記指定された領域の各色成分の濃度値の平均に対する比率を算出することを特徴とする。
本発明の画像処理装置は、前記グラフ処理手段は、前記指定された領域から、網膜神経線維層欠損の角度範囲と角度方向を求めることを特徴とする。
本発明の画像処理システムは、眼底画像の検査のために画像処理を行う画像処理システムであって、カラー眼底写真の画像を入力する入力手段と、前記入力手段により入力されたカラー眼底写真の画像から色成分を抽出する色成分抽出手段と、前記色成分抽出手段により抽出された色成分ごとに画像の濃度変換を行う濃度変換手段と、前記濃度変換手段により濃度変換された画像を出力する出力手段とを備えることを特徴とする。
本発明の画像処理方法は眼底画像の検査のための画像処理を行う画像処理方法であって、カラー眼底画像から抽出した色成分ごとに濃度画像を出力し、前記出力された濃度画像を濃度変換して出力することを特徴とする。

本発明によれば、単純撮影されたカラー眼底写真をＲ、Ｇ、Ｂを独立して変化する画像処理を行うことにより、網膜神経線維層欠損（ＮＦＬＤ）をより明瞭に描出する画像処理装置を提供することができる。

＜第１の実施の形態＞
まず、図１を参照して、本発明の第１の実施の形態に係る画像処理システムＸについて説明する。
画像処理装置１００は、専用のコンピュータとして構成することもできるが、一般的なＰＣ（パーソナル・コンピュータ）や、その他、汎用のコンピュータを用いることができる。
この画像処理装置１００は、ＣＰＵ等である制御部１０と、ＲＡＭ、ＲＯＭ、ＨＤＤ、フラッシュメモリ等である記憶部１１と、ＵＳＢやｉ−ｌｉｎｋ（登録商標）等である入力のための入力部１２（入力手段）と、ＤＶＩ端子やＵＳＢ端子等に出力のための出力部１３（出力手段）とを含み、さらに眼底画像について各色の成分である色成分の抽出を行う色成分抽出部１４（色成分抽出手段）と、色成分抽出後の画像の濃度変換を行う濃度変換部１５（濃度変換手段）とを備える。

カメラ２００は、医療用の眼底撮影用のデジタルカメラであり、眼底撮影用の光学式眼底カメラとデジタルカメラを含む。このカメラ２００のデジタルカメラは、例えば５００万画素程度の解像度を備える。なお、一般的な３５ｍｍフィルム等で撮影された画像をスキャナ等でデジタル変換して画像処理装置１００に入力することも可能である。
キーボード３００は、一般的なキーボードとマウス等のポインティングデバイスを含み、本発明の実施の形態に係る画像処理装置の撮影から画像処理までの一連の処理について指示することが可能である。
表示部４００は、一般的な液晶モニタや高解像度の医療用モニタ等を含み、カメラ２００により撮影された画像と、画像処理装置１００により画像処理された画像を表示することができる。さらに、撮影の指示等についてのＧＵＩ（グラフィカル・ユーザ・インタフェイス）を表示する。
プリンタ５００は、カメラ２００により撮影された画像と、画像処理装置１００により画像処理された画像、画像処理結果とＮＦＬＤの診断結果等について出力することができる。

（眼底撮影）
次に、図２Ａの概念図を参照して、本発明の眼底撮影について説明する。
本発明の第１の実施の形態に係る画像処理システムにおいては、ＮＦＬＤを検出するために、視神経乳頭の周囲のカラー眼底写真の画像である眼底画像を使用する。
この眼底画像としては、上述のカメラ２００で撮影されるデジタル化されたカラー眼底写真の画像を使用する。該画像に画像処理を行うことで、ＮＦＬＤについて医師が検出しやすい画像を作成することができる。実際に撮影された眼底画像としては、図１の右側に示されたような画像を用いる（この画像はカラーである）。

（画像処理のアウトライン）
本発明の第１の実施の形態に係る画像処理システムにおいては、上述の撮影された画像について、画像処理を行う。
コンピュータ画面において、カラー画像は赤（Ｒｅｄ、Ｒと略す）、緑（Ｇｒｅｅｎ、Ｇと略す）、青（Ｂｌｕｅ、Ｂと略す）の光の３原色（Ｒ、Ｇ、Ｂ）を加法混色することによって表される。
本発明の第１の実施の形態に係る画像処理においては、眼底画像に含まれる光の３原色の成分を独立して変化させることにより、眼底の検査をする検者の眼に感じにくい情報を強調した画像を得ることができる。

以下、図２Ｂの概念図を参照して本発明の第１の実施の形態に係る画像処理の概略について説明する。
まず、ａが撮影されたカラーの眼底画像である。次に、このカラーの眼底画像から、色の３原色の各成分（Ｒ、Ｇ、Ｂ）を、それぞれ抽出した画像がｂである。次に、抽出したＲ、Ｇ、Ｂの画像を、濃度値の分布にあわせた線形濃度変換を行い、モノクロ画像化したものがｃである。このＲ、Ｇ、Ｂの画像について、さらに濃度変換などを行い、最終的な画像としたものがｄである。
実際には、この画像処理においては、後述するように、ＮＦＬＤの診断用にＧＢ（緑青）の成分を抽出して使用することもできる。すなわち、主に赤の成分を除いた画像を作成し、これに線形濃度変換を行ってコントラストを改善することで、網膜神経線維層欠損（ＮＦＬＤ）を明瞭に描出する画像を作成することができる。
この画像処理に用いるプログラムは、Ｃ言語、ＪＡＶＡ（登録商標）、ＢＡＳＩＣ等の一般的に利用できるプログラミング言語を用いて作成することができる。

（ステップＳ１０１）
次に、図３のフローチャートを参照して、本発明の第１の実施の形態に係る画像処理について、さらに詳しく説明する。
まず、ステップＳ１０１において、カメラ２００により、単純カラー眼底撮影を行う。単純カラー眼底撮影は健康診断、眼科診療で最も行われている撮影法である。
次に、カメラ２００が撮影したカラーの眼底画像を、制御部１０の制御により入力部１２が入力し、記憶部１１に記憶する。上述したように、ここで、図示しないスキャナ等から入力したカラーの眼底画像が同様に記憶部１１に記憶されていてもよい。
この上で、制御部１０が、記憶部１１に記憶した眼底画像を一般的なトゥルー・カラーのビットマップ（画像の集合体）のファイルであるＢＭＰ形式（ウィンドウズ（登録商標）ビットマップ形式）や、ＴＩＦＦ形式等の一般的な画像ファイルに変換する。
一般的なトゥルー・カラー（１６７７万色）のＢＭＰ形式の場合、赤成分Ｒ、緑成分Ｇ、青成分Ｂ、それぞれの濃度値を８ビット、すなわち０〜２５５の２５６階調で変化させることにより１６７７万通りの色が表現することができる（赤２５６階調×緑２５６階調×青２５６階調＝１６７７万色）。
また、ＴＩＦＦ画像の場合、各色１６ビット、すなわち０〜６５５３５の６５５３６階調等の、さらに細かな濃度値を記憶することができる。

（ステップＳ１０２）
次にステップＳ１０２において、記憶部１１に記憶した眼底画像の画像ファイルから、色成分抽出部１４が赤成分Ｒ、緑成分Ｇ、青成分Ｂの各成分を抽出する。
この方法としては、色成分抽出部１４が、眼底画像のファイルから赤成分Ｒ、緑成分Ｇ、青成分Ｂの各成分の画像を取りだして、これらの成分のみが含まれるファイルを作成し、記憶部１１に記憶する。
具体的には、これらの赤成分Ｒ、緑成分Ｇ、青成分Ｂの濃度値を、それぞれグレースケール（たとえば、８ビットの場合は、２５６階調）のファイル等に変換して記憶する。このファイルの形式は独自のフォーマットでも構わないが、一般的なＢＭＰ形式やＴＩＦＦ形式、ＧＩＦ形式、ＰＮＧ（ポータプル・ネットワーク・グラフィックス）形式等を用いることができる。
さらに、ファイルに変換せずに直接、記憶部１１に含まれるＲＡＭ等に記憶することで、演算処理を高速に行うことができる。

また、本発明の第１の実施の形態においては、青と緑を合成した緑青成分ＧＢを使用する。この緑青成分ＧＢの抽出については、色成分抽出部１４が、記憶部１１に記憶した緑成分と青成分Ｂから、緑青成分ＧＢの各濃度値を以下の式で求める。

ＧＢ ＝ （ｍＧ＋ｎＢ）／（ｍ＋ｎ） ……… （式１）

Ｇ： 緑成分濃度値、 Ｂ：青成分濃度値、 ｍ、ｎ任意の数
ＧＢ： Ｇ濃度値とＢ濃度値を任意の比率で加算した合計

色成分抽出部１４は、上述の式で求めたＧＢの濃度値を、上述の他の色成分と同様にグレースケールのビットマップ画像として記憶部１１に記憶する。
ここで、本発明の第１の実施の形態においては、ＮＦＬＤ等の疾病用の画像処理に特化する場合は、赤成分Ｒを使用しないこともできる。この場合は、赤成分Ｒの画像ファイル又は記憶領域に緑青成分ＧＢを上書きすることで、記憶部１１の記憶容量を節約することができる。

（ステップＳ１０３）
ステップＳ１０３においては、青成分Ｂ、緑成分Ｇ、緑青成分ＧＢ、それぞれについてヒストグラムを作成する。ヒストグラムとは目的とする色の濃度値を持つ画素数を、画像全体で求めグラフ化したものである。
このヒストグラムの例である図２Ｃを参照すると、たとえば８ビットの場合、濃度変換部１５が濃度値（０〜２５５）を持つ画素の数を画像全体で求めグラフ化する。この図２Ｃにおいては、横軸が濃度値で、縦軸がその濃度値の画素数である。
（ステップＳ１０４）
ステップＳ１０４においては、青成分Ｂ、緑成分Ｇ、緑青成分ＧＢ、それぞれについての上述のヒストグラムから濃度値が集中した範囲を検出し、線形濃度変換を行うことでコントラストを改善する。
カラー眼底写真において、眼底の色調は症例ごとに様々である。また白内障の程度により眼底写真全体の色調は変化する。様々な症例に対し、画一的に画像処理を行うため、ヒストグラムを用いた線形濃度変換によるコントラストの強調を行うのが好適である。

具体的には、まず、濃度変換部１５は、画素数の集中する濃度値の範囲（下限ａと上限ｂ）を検出する。この範囲については、たとえば、ある閾値を設定して、それ以上の画素数がある濃度値を検出するといったアルゴリズムを用いることができる。
また、濃度値の密度を、例えば８つの濃度値単位で区切って求め、もっとも濃度値が高い箇所から濃度値が低い方向（下限ａ）と高い方向（上限ｂ）で、濃度値がある一定の閾値以下になった箇所までを画素数の集中する範囲とする、といったアルゴリズムも使用することができる。
この際、濃度値０付近のヒストグラムの上昇は、大部分が眼底画像周囲のフチ（余黒）の領域の画素に由来するために使用しない。

次に、濃度変換部１５は、青成分Ｂ、緑成分Ｇ、緑青成分ＧＢ、それぞれについて上述の下限ａと上限ｂを基に、線形濃度変換を行い、この出力画像（処理画像）をビットマップファイル等に出力する。
出力画像の濃度値ｚ’と、入力画像（各成分ごとの画像）の濃度値ｚとの関係は以下の式により求める。

上述の式においては、ｚ’：出力画像（処理画像）の濃度値、ｚ：入力画像（原画像）の濃度値、ａ：ヒストグラムの最高濃度値、ｂ：ヒストグラムの最低濃度値、ｚｍ：最大濃度値（各色成分が８ビットの場合、ｚｍ＝２５５。各色成分が１６ビットの場合は、ｚｍ＝６５５３５）とする。

以上のステップにより、本発明の第１の実施の形態に係る画像変換処理は終了する。
本発明の画像変換における出力画像は、一般的なビットマップファイルなので、眼底の検査をする検者は、この変換された画像をＯＳに付属の画像ビューワー等や、アドビ社のフォトショップ（登録商標）等のフォトレタッチソフトウェアで簡単に確認することができる。
また、図示しない専用のビューワーソフトウェアで体系的に閲覧することもできる。
これらの画像である、青成分Ｂ、緑成分Ｇ、緑青成分ＧＢ、それぞれについて閲覧することで、検者は容易にＮＦＬＤを検出することができる。

（対象および方法）
網膜神経線維層欠損（ＮＦＬＤ）がみられるカラー眼底写真の眼底画像から、上述のように画像処理を行い、緑青、緑、青の各成分を抽出した。
具体的には、画像処理において、カラーの眼底画像から、光の三原色であるＲＧＢ（赤、緑、青）の３成分の情報を得た。
次に、ＲＧＢのうち赤成分Ｒを除き、緑成分のみの画像、青成分Ｂのみの画像、緑青成分ＧＢのみの画像を作成した。
緑青成分ＧＢについては、上述の式１のｍとｎを、それぞれｍ＝１、ｎ＝１とし、緑成分Ｇと青成分Ｂとの平均を求め、濃度値ｚ’とした。
次に、それぞれの画像のヒストグラムを作成した。
さらに、一定値以上の画素数をもつ濃度の領域を対象に線形濃度変換を行うことでコントラストを改善し、信号強度に合わせてモノクロ表示させた画像を得た。
以下で、３つの症例について、図面を参照して、上述の画像処理を行った結果について説明する。

（症例１）
網膜神経線維層欠損（ＮＦＬＤ）症例である症例１の眼底画像と、画像処理の出力画像である図４を参照して説明する。
図４において、矢印：網膜神経線維層欠損（ＮＦＬＤ）、ａ：フルカラー眼底写真の画像、ｂ：緑青成分ＧＢによる出力画像、ｃ：緑成分による出力画像、ｄ：青成分Ｂによる出力画像、ｅ：ハンフリー視野の計測結果である。ハンフリー視野（Ｈｕｍｐｈｒｅｙ Ｖｉｓｕａｌ−Ｆｉｅｌｄ）とは、静的視野の計測を行う方法であり、３０度の狭視野の検査等に用いられる。

結果として、ｂ〜ｄとも、フルカラー画像（ａ）より明瞭に、網膜神経線維層欠損（ＮＦＬＤ）が描出することができる。
これにより、青成分Ｂ、緑青成分ＧＢ、緑成分、フルカラー画像（赤緑青成分ＲＧＢ）の順で網膜神経線維層欠損（ＮＦＬＤ）を明瞭に確認できる。
青成分Ｂの画像で、網膜神経線維層欠損（ＮＦＬＤ）が最も末端まで描出されており、水平縫線まで達しているのが確認できる。

（症例２）
網膜神経線維層欠損（ＮＦＬＤ）症例である症例２の眼底画像と、画像処理の出力画像である図５を参照して説明する。
図５においても、矢印：網膜神経線維層欠損（ＮＦＬＤ）、ａ：フルカラー眼底写真の画像、ｂ：緑青成分ＧＢによる出力画像、ｃ：緑成分による出力画像、ｄ：青成分Ｂによる出力画像、ｅ：ハンフリー視野の計測結果、を示す。
上述の症例１と同様に、ｂ〜ｄで、フルカラー画像（ａ）より明瞭に上下の網膜神経線維層欠損（ＮＦＬＤ）が描出されている。
これにより、青成分Ｂ、緑青成分ＧＢ、緑成分Ｇ、フルカラー（赤緑青成分ＲＧＢ）の順で網膜神経線維層欠損（ＮＦＬＤ）を明瞭に確認できる。
さらに、上方の明瞭な網膜神経線維層欠損（ＮＦＬＤ）に加え、下方の幅広い網膜神経線維層欠損（ＮＦＬＤ）が観察できた）。

（症例３）
白内障を含む網膜神経線維層欠損（ＮＦＬＤ）症例である症例３の眼底画像と、画像処理の出力画像である図６を参照して説明する。
この図６においては、ａ：フルカラー眼底写真の画像、ｂ：緑青成分ＧＢによる出力画像、ｃ：緑成分Ｇによる出力画像、ｄ：青成分Ｂによる出力画像である。
この症例３である白内障を含む症例では、青成分Ｂの画像は不明瞭であった。
すなわち、青成分Ｂの画像（ｄ）は、ほとんど描出されていないため、その他の成分の画像で観察が可能である。

（症例４）
網膜上膜の症例である症例４の眼底画像と、画像処理の出力画像である図７を参照して説明する。
図７の上部の画像は、フルカラー眼底写真の画像であり、下部は、緑青成分ＧＢの出力画像を示している。
この緑青成分ＧＢにおいて、円で囲った部分に、黄斑部網膜上膜形成症で形成された網膜上膜が鮮明に表示されている。

（症例５）
脈絡膜の症例である症例５の眼底画像と、画像処理の出力画像である図８を参照して説明する。
図８の上部の画像は、フルカラー眼底写真の画像であり、下部は、赤成分Ｒを抽出して線形濃度変換を行った画像処理の出力画像を示している。
このように、赤成分Ｒを用いると明瞭に脈絡膜を表示することができる。

（考察）
網膜神経線維層欠損（ＮＦＬＤ）の描出を考えた場合、青成分Ｂのみを用いた結果が最も末端まで網膜神経線維層欠損（ＮＦＬＤ）を観察できた（症例１又は症例２を参照）。
一方、青成分Ｂの画像でコントラストを強調しても全体が暗く表現された症例もみられた（症例３を参照）。原因としては、白内障のために青の要素が減衰したことが考えられる。症例３の場合は緑〜緑青の要素を用いた結果の方がより明瞭であった。
これに関して、青成分Ｂの出力画像が不良の場合、式１のｍとｎの比率を変更し、緑〜緑青〜青の中で最も良好な画像を描出する中間色を抽出して画像出力するのが好適である。
この良好な画像を描出する際には、上述したＧＵＩにより、検者がｍ：ｎの値を対話形式で（たとえば、スライダーにより）変更することで、直ちに画像処理が行われる。
また、青成分Ｂと緑成分Ｇの濃度値の合計の値を算出して、この値の比率に従って、ｍとｎを定めることもできる。

白内障がなく良好に撮影された眼底写真において、通常のＮＦＬＤの検査を行う場合には、ｍ：ｎ＝０：１に設定するのが好適である。係数ｍ＝０として青成分だけで観察できる場合は、青だけで表現した方がより明瞭に視神経繊維層を描出できる。
しかし、青の濃度が弱すぎて観察できない場合（例えば、図６のｄの場合）は、緑成分を増やした像（係数ｍを増加させた像）の方がＮＦＬＤを観察しやすい。すなわち、白内障がある患者等の場合は、ｍ：ｎ＝１：１等にするのが好適である。

いずれにしても、本発明の第１の実施の形態に係る画像処理により、従来は特殊な機器によってしかできなかった網膜神経線維層厚解析（網膜神経線維層の厚さの予測）と同等な検出能力をもった出力画像を得ることが可能である。

また、本発明の第１の実施の形態に係る画像処理により、網膜神経線維層（ＲＮＦＬ）の検出が可能である。
網膜神経線維層（ＲＮＦＬ）の検査に関しては、従来、健康診断など多くの臨床の場ではカラー眼底写真からの画像診断が行われてきたが、ＲＮＦＬを発見することは難しかった。また、従来技術１の技術によっても、発見することは難しかった。
これは、ＲＮＦＬは、赤色光では観察できず、４７７−５４９ｎｍ波長の緑青〜青色の光で観察する必要があるためである（千原悦夫、Ｐｒａｃｔｉｃａｌ Ｏｐｈｔｈａｌｍｏｌｏｇｙ， ｖｏｌ５， Ｎｏ１０ （２００２） ｐ４０−ｐ４１、を参照）。すなわち、特殊なフィルタを介した専用機器でないと、ＲＮＦＬは観察できなかった。

これらの従来技術に対し、本発明の第１の実施の形態に係る画像処理装置を用いると、通常の眼底画像から、簡便にＲＮＦＬを検出することが可能になるという効果が得られる。
これにより、健康診断の際のカラー眼底写真の画像に、本発明の画像処理装置を用いることで、網膜神経線維層（ＲＮＦＬ）を検出することが可能になる。

さらに、従来は特殊なフィルタを介した専用機器でないと観察しにくかった網膜上膜を、本発明の実施の形態に係る画像処理装置を用いることで簡便に検出することが可能になる。
さらに、赤成分Ｒを用いて、本発明の第１の実施の形態に係る画像処理装置を用いると、脈絡膜を明瞭に表示することが可能になるため、中心性漿液性網脈絡膜症や近視性脈絡膜新生血管、加齢黄斑変性等による脈絡膜の変化等を従来よりも簡便に検出することが可能になる。

一方、従来のカラー眼底写真はフィルタやレーザーを用いた撮影法より多くの情報を含んでいる可能性があるため、画像処理を行わないで病変を確認しやすい症例の場合は、このカラー眼底写真の画像だけでも簡便に病変を確認できる。たとえば、視神経乳頭陥凹の観察は、従来のカラー眼底写真の画像から観察できる。しかし、本発明の第１の実施の形態に係る画像処理を行った画像は、視神経乳頭陥凹の評価には向いていない。
そこで、従来のカラー眼底写真の画像から視神経乳頭の評価を行い、次に本発明の第１の実施の形態に係る画像処理でＮＦＬＤを検討することにより、緑内障診断の感度、特異度を上げる事ができる。

さらに、本発明の第１の実施の形態においては、画像処理により赤の要素を除いた画像を描出することで、ｒｅｄ−ｆｒｅｅ眼底写真よりも、網膜神経線維層欠損（ＮＦＬＤ）をより明瞭に描出することができる。
カラー眼底写真は、目的とする組織の病変を確認しにくい。凝視すれば見つかる所見も、他の組織にマスクされれば、発見困難となることもある。
本発明の第１の実施の形態のように、画像処理を用いて所見を確認しやすくする手法は、様々な診断に有効である。

また、デジタル画像は直接コンピュータ上で画像処理でき、処理に伴う画像情報の損失が少ないのも大きな利点である。
特に近年のデジタルカメラは、「原色系」フィルタをＣＣＤやＣＭＯＳ等の撮像素子に備えることが多く、この場合、いわゆる「ＲＡＷ撮影」と呼ばれる撮像素子のデータを直接記憶する撮影モードを使用すると、画像情報の損失がほとんどなく赤成分Ｒ、緑成分Ｇ、青成分Ｂに対応したデータを得ることが可能である。また、「補色系」のフィルタ備えた撮像素子のデジタルカメラの場合も、画像処理性能の向上により、赤成分Ｒ、緑成分Ｇ、青成分Ｂの色成分の分解能である色表現力が高くなっている。
さらに、たとえば赤成分Ｒ、緑成分Ｇ、青成分Ｂに対応した画素に加えて、ＧＢの色成分に対応する「エメラルド色」のフィルタを装備した撮像素子が存在する。この種類の撮像素子を採用するデジタルカメラを使用し、この「エメラルド色」をＲＧＢの各色成分と同様に画像処理することで、よりＮＦＬＤに適した色成分の抽出を行うことができる。

また、近年、デジタルカメラは安価になり、解像度やダイナミックレンジ等の性能が向上している。さらに撮像素子が小型化していることから、レンズの解像度を最大限に活用し、光学式の眼底カメラの画像をクリアに得ることが可能になる。
加えて、デジタルカメラの画像に関して、ＲＡＷ画像で各色成分について１６ビット以上の階調を使用した方が、線形変換での誤差が少なくなり、より鮮明な画像を得ることができる。
さらに、ホワイトバランスを最適な値（たとえば、白色光など）に設定した上で撮影することが望ましい。

以上のように、本発明の第１の実施の形態に係るカラー眼底写真の画像から色成分を抽出して線形濃度変換を行う画像処理により、従来技術１のようなコントラストや濃度の改善をするだけの技術よりも、検者が病変を識別しやすい画像を得ることができる。
また、従来技術１の技術と異なり、各色成分を抽出した上で線形濃度変換を用いるために、コントラストを失うことなく、暗部のノイズ成分を除去することができる。これにより、疾病の検査で検者が誤認識する可能性がある画像上の成分を除くことができるため、視認性の高い画像を得ることができる。
さらに、カラー眼底写真からの網膜神経線維層厚解析（網膜神経線維層の厚さの予測）と同等な検査を簡便に行うことができる。
これにより、緑内障、網膜上膜、脈絡膜疾患等の症例に対して、一般的な健康診断で用いられているカラー眼底写真の画像から簡便に診断することが可能となり、高齢化社会におけるＱＯＬ（クォリティー・オヴ・ライフ）の向上に資することが可能となる。

なお、この眼底カメラ用のデジタルカメラとしては、冷却ＣＣＤ等を使用したモノクロのカメラを、特定の波長のみを透過するようなフィルタと一緒に用いることで、さらに鮮明な画像処理のための眼底画像を得ることができることは言うまでもない。
また、画像のコントラストの強調の方法は他にも非線形な濃度変換、ヒストグラム平坦化、明るさ調整などがあり、これらの方法も使用することが可能である。
さらに、線形濃度変換する前又は後の画像を、ＥＭアルゴリズム等の画像修復アルゴリズムを用いて画像処理することで、画像を鮮明にすることも可能である。

また、この画像処理装置は、インターネット等に接続された図示しないサーバにより画像処理を行うことが可能であり、このようなサーバ・クライアントの画像処理システムとして用いることも可能である。
これにより、ＰＣの画像処理の能力が低い場合、多数の画像を処理する場合に高速なサーバにより処理することができるという効果がある。
さらに、ＨＤＤ等の保守がなされたサーバに眼底画像を記憶することにより、眼底画像の蓄積が容易になるため、疾病の進行度合いに応じて、画像処理後の画像を比較するといったことを簡単に行うことができる。

＜第２の実施の形態＞
まず、図９を参照して、本発明の第２の実施の形態に係る画像処理システムＹの構成の説明をする。この図９において、本発明の第１の実施の形態に係る画像処理システムＸと同一の構成要素は、同一の符号で示している。
画像処理システムＹにおいては、本発明の第１の実施の形態に係る画像処理システムＸに、グラフ処理部１６（グラフ処理手段）が加わっている画像処理装置１０１を使用している点が相違点である。

本発明の第１の実施の形態に係る画像処理システムにおいては、カラー眼底写真の画像をＲＧＢの色成分に分けて各ポイントの濃度値をグレースケールで表示することで、カラー眼底写真からの網膜神経線維層厚解析（網膜神経線維層の厚さの予測）と同等な出力画像を簡便に得られる画像処理を行った。
本発明の第２の実施の形態に係る画像処理システムにおいては、これに加えてカラー眼底写真のＲＧＢ濃度値から、緑内障を判定するためのグラフの描画を行う。
このグラフは、
・視神経周囲のＲＧＢの濃度値を円形にとらえる。
・濃度値をグラフ化することで網膜神経線維層の厚さを予測できる。
という特徴がある。
また、全体を区画に分けた平均値（例えば６０°毎の平均値）を示すことで領域ごとの網膜神経線維層の平均を予測できる。

（ステップＳ２０１）
次に、図１０のフローチャートを参照して、本発明の第２の形態に係る画像処理とグラフの描画についての説明を行う。
まず、ステップＳ２０１においては、本発明の第１の実施の形態に係る画像処理でのステップＳ１０１と同様に患者を散瞳させ、カメラ２００により、単純カラー眼底撮影を行う。このカラー眼底写真の画像を制御部１０の制御により入力部１２が入力し、記憶部１１に記憶するのもステップＳ１０１と同様である。図示しないスキャナ等から入力したカラーの眼底画像が同様に記憶部１１に記憶されていてもよいのも同様である。
このカラーの眼底画像のファイルは、グラフ処理部１６が使用するために、制御部１０がコピーを作成して以下のステップで使用する。

（ステップＳ２０２）
ステップＳ２０２においては、ステップＳ１０１において得られたカラーの眼底画像から、視神経乳頭の画像上の座標（視神経乳頭部）を設定する。
この設定のためには、検者がＧＵＩによって撮影されたカラー画像から、キーボード３００のジョイスティックやポインティングデバイス等を使用して指定することができる。また、グラフ処理部１６が、例えば特開２００５−２６１７９９号のような公知技術を使用して視神経乳頭の座標を検出することも可能である。

（ステップＳ２０３）
次に、ステップＳ２０３においては、カラーの眼底画像から、グラフ処理部１６が、視神経乳頭を中心とした円周に沿ったＲＧＢ（赤、緑、青）成分の濃度値を取得して、画像処理装置１０１の記憶部１１に記憶する。
図１１Ａの概念図を参照すると、この円周の半径は、ステップＳ２０２で得られた視神経乳頭を中心として、視神経乳頭の径より大きく、視神経乳頭〜中心窩の距離より小さい半径で任意に設定することができる。これにより、視神経の厚さを好適に求めることが可能である。
また、円周の各画素の幅についても任意に設定可能である。規定値としては、１画素ずつ濃度値を求めることができる。
また、画素の幅を広く求める場合は、図１１Ｂを参照すると、例えば、円の法線方向に沿った画素（ピクセル）を幅のピクセル分だけ取得し、平均値を取得することができる。これにより、より視神経の厚みに沿ったグラフを作成することが可能になる。
なお、これらの図では、反時計回りに画素を取得しているが、時計回りに画素を取得しても構わない。

（ステップＳ２０４）
次に、ステップＳ２０４においては、グラフ処理部１６が、ステップＳ２０３で得たＲＧＢの各濃度値から、グラフ（ヒストグラム）を作成する。
また緑成分Ｇ、青成分Ｂを任意の比率で加算したＧＢの濃度値についてもグラフ化する。
このＧＢの濃度値の計算としては、第１の実施の形態に係るステップＳ１０２の式１と同様の式を用いて計算することができる。

ＧＢ ＝ （ｍＧ＋ｎＢ）／（ｍ＋ｎ） ……… （式１）

Ｇ：緑成分濃度値、Ｂ：青成分濃度値、ｍ、ｎ任意の数
ＧＢ： Ｇ濃度値とＢ濃度値を任意の比率で加算した合計

このｍ、ｎの比率については、第１の実施の形態に係る画像処理方法で説明したように、患者が白内障を併発しているような場合に、ｍとｎの比率を変更する（たとえば、ｍを大きくすることで、より緑成分Ｇの比率を高くする）ことでより鮮明な画像を得ることが可能である。

このグラフについては、図示しないグラフ画像変換部がグラフ用の画像ファイルを直接描画しても良い。また、数値データのみを、たとえばＣＳＶファイル等で別に作成して、制御部１０が、本発明の実施の形態１に係る画像処理の出力画像とともに制御部１０が表示部４００に、専用ビューワーソフトウェアで表示することもできる。
以上で、このグラフの描画のステップを終了する。

実際にＮＦＬＤの症例をもつ患者から作成したグラフを示す図１２を参照して、グラフの参照の仕方を説明する。このグラフの例では、ｍ：ｎ＝２：３の比率（Ｇ：２、Ｂ：３）として計算した。また、例として青成分Ｂと緑成分Ｇの濃度もそれぞれ示した。
発明者が鋭意観察と症例を取得した結果、得られたグラフのうち緑青成分のグラフ、青成分のグラフは視神経線維層厚を反映することが分かった。すなわち、値の低い領域ほど、視神経線維層厚が薄いことが予測できる。

この理由を説明すると、まず、一般にデジタル画像は光の加算混合により色が表現されている。すなわち、赤成分Ｒ、緑成分Ｇ、青成分Ｂの濃度値がそれぞれが等価の場合、赤＋緑＋青＝白となる。
眼底の組織の色調は赤〜黄を基調としているため、視神経乳頭を除いて、網膜神経神経線維の厚い部分のみ「白」に近づく。
赤：緑：青の比率において、緑青の成分が赤の成分と等価に近づくほど、「白」に近い色となる。
このため、緑成分Ｇの濃度値が大きい、青成分Ｂの濃度値が大きい、又は緑青成分ＧＢの混合値が大きい部分は白に近い色、すなわち視神経線維の厚い部分となる。

このグラフは、眼底診断に精通した検者であれば、理解をするのが容易であるという特徴を持つ。
また、本発明の第１の実施の形態に係る画像処理においても、青成分Ｂ、緑成分Ｇ、緑青成分ＧＢの濃度値を用いて画像処理を行っているため、同様のプログラム・モジュールを使用することが可能であるため実装が容易であるという特徴がある。これにより、安価に画像処理システムとして提供することが可能になる。
さらに、本発明の第１の実施の形態の画像処理は「視神経線維の観察」のための画像処理なので、同様の目的に資することができる。
すなわち、第１の実施の形態に係る出力画像と、第２の実施の形態のグラフを参照することで、より確実に緑内障の診断をすることが可能になる。
実際の使用法としては、このグラフにおいては、赤の色成分グラフ、および緑青成分のグラフを用いて脈絡膜と視神経線維層の厚みについての判断を行うことができる。
脈絡膜の描出の際には赤色成分Ｒのグラフを用いる。また、視神経線維層を描出する際には緑青成分ＧＢのグラフを用いる。式１においてｍ＝０、またはｎ＝０とすると、緑成分Ｇ、青成分Ｂ、それぞれ単独で診断に用いることもできる。

なお、実際のグラフとしては、この円周に沿ってヒストグラム形状に厚みを表示して画像の上にオーバーレイをすることが可能である。
また、このグラフの厚みから、眼底写真から緑内障の自動判定を行う際の基礎データとすることができる。
この緑内障の自動判定を行う場合、たとえば、緑青の成分の濃度が赤の成分の３０％未満である角度がグラフ中の角度の２０％以上あった場合に緑内障と判定する、といった判定基準を設けることが可能である。
また、厚みの減少がみられた場合、緑内障の進行が疑われる。これは、緑内障の発見とともに緑内障の進行を診断する上での、有用な情報である。

この角度範囲、方向の検出について、図１３を参照して詳しく説明する。
図１３のｍ〜ｎの間の領域がＮＦＬＤである症例について、上述のようなグラフを作成する。このグラフを基にして、ＮＦＬＤの角度範囲、角度方向を算出する。
具体的には、ＮＦＬＤは視神経線維層（ＲＮＦＬ）が薄くなっている領域である。この領域では緑成分Ｇ、青成分Ｂ、緑青成分ＧＢの濃度値が低下している。濃度値グラフが低下した領域をもとに、ＮＦＬＤの角度範囲、角度方向を特定する。
ここで、緑青成分ＧＢが赤成分Ｒの１５％程度以下である角度を色成分抽出部１４が検出し、もっとも広い角度の範囲（たとえば、１０度単位のウィンドウを０〜３６０度にスライドし、１５％程度以下である領域が、もっとも連続していた箇所の範囲）を角度範囲ｓ〜ｔとする。図１３のａに、この角度範囲ｓ〜ｔの例を示す。
図１３のｂでは、この角度範囲ｓ〜ｔの中間の角度を角度方向とした、角度方向ｑの例を示す。
なお、以下の例で示すように鼻側領域の最大値を基準として、その最大値以下の連続した領域を検索することも可能である。

実際のＮＦＬＤの症例にＮＦＬＤの自動検出を適用した図である、図１４Ａと図１４Ｂを参照して、さらに詳しく説明する。
図１４Ａは、赤成分Ｒに対する緑青成分ＧＢの割合を示すグラフからＮＦＬＤの角度領域を判定した図である。
この症例では白内障はないため、ｍ＝０として、赤成分Ｒに対する緑青成分ＧＢ（ｍ：ｎ＝０：１）の割合（青成分Ｂ）をグラフ化した。次に、視神経鼻側領域３０°（１６５−１９５°）の最高値を基準とし、それ以下になる最も広い領域を検出した（黒矢印）。図示しない他の例によると、この最高値として、１５％程度が適切な値になることが多い。
鼻側を基準としたのは、鼻側領域は緑内障によって最も障害されにくいためである。さらに、正常者でも鼻側領域（１２０°−２４０°程度）の視神経線維層は薄いため、ＮＦＬＤ検出の際には除外するのが好適である。
実際に図１４ＢのＮＦＬＤ検出結果を眼底写真と照合した写真を参照すると、グラフから読み取った角度範囲は、神経線維層欠損（ＮＦＬＤ）領域とよく一致していた（白矢印）。
角度範囲と角度方向の検出を行うことで、ＮＦＬＤの角度範囲の拡大、角度方向の変化を検者がみることで緑内障の進行を捕らえることができる。

＜第３の実施の形態＞
次に、本発明の第３の実施の形態に係る眼底写真の画像からＮＦＬＤの面積と濃度値の測定を行うことにより、ＮＦＬＤの範囲の判定（ＮＦＬＤの面積と濃度値の測定）を行う方法について説明する。ここで、使用する画像処理装置としては、上述の実施の形態２における画像処理装置と同様である。
以下のＮＦＬＤの範囲の判定においては、カラー眼底写真又は上述の第１の実施の形態のカラー眼底写真、もしくは画像処理後の眼底写真を用いて、眼底写真上にみられるＮＦＬＤ（ＲＮＦＬが薄くなった領域）の面積や濃度値、濃度値の平均等を色成分抽出部１４が算出する。
まずは、眼底写真の画像の全領域からＮＦＬＤの範囲の判定を行う方法について、図１５を参照して詳しく説明する。

〔眼底写真の全領域からのＮＦＬＤの範囲の判定〕
まず、眼底写真の全領域からのＮＦＬＤの範囲の判定を行う場合、ＮＦＬＤの領域を指定する。
ＮＦＬＤの領域は、上述のようにＧＵＩを使用して、撮影されたカラー画像又は画像処理後の画像から、検者がキーボード３００のジョイスティックやポインティングデバイス等を使用して曲線や多角形（ポリゴン）を描く等により、領域を指定することができる。この描かれた領域について、図１５の右の線で示す。
または、例えば、画面上を１６０×１００程度の格子に区切り、動的プログラミング（ＤＰ）を行う等のコンピュータ画像解析によって、境界線の自動描出を行うことで指定することも可能である。さらに、輪郭抽出を行い、その輪郭に沿って公知の技術で境界線を自動抽出することも可能である。
なお、領域を指定する際に、視神経乳頭は必ずしも中央でなくてもよい。

次に、このＮＦＬＤの領域にある各画素の各色成分（緑成分Ｇ、青成分Ｂ、又は緑青成分ＧＢ）の濃度値を算出し、合計値を算出する。また、領域全体の画素数を算出する。
この合計値と画素数により、画像中のＮＦＬＤの面積と、ＮＦＬＤ内の各色成分の平均濃度値を用いて、１画素毎（又は単位面積あたりの）の濃度値の平均を算出し、各色成分の平均濃度値を求める。
これにより、ＮＦＬＤの面積を定量化でき、ＮＦＬＤ領域の濃度値を定量化できる。
ＮＦＬＤの領域の面積の増加、または濃度値の平均値の減少がみられれば、緑内障が進行したと判定できる。

また、一般に、緑内障が進行した場合はＮＦＬＤの幅が広がり、またＮＦＬＤがより明瞭になることが知られている。
本発明の発明者が鋭意検討した結果、ＮＦＬＤがより明瞭になる場合、実際には、ＮＦＬＤ領域の色の濃度が低下していることが分かった。本発明の第３の実施の形態に係る眼底写真の全領域上のＮＦＬＤの範囲の判定においては、画像処理と濃度値の算出により、これを数値化することができる。
なお、上述の説明においては、各画素について濃度値を算出することで濃度値の平均を算出するように説明したが、格子に区切った規定の面積ごとに平均を算出する等を行うようにすることもできる。

〔限られた領域におけるＮＦＬＤの範囲の判定〕
次に、眼底写真の画像の全域上ではなく、限られた領域のＮＦＬＤに基づいてＮＦＬＤの範囲の判定を行う方法について、図１６を参照して説明する。
まず、画像処理前の眼底写真の画像又は画像処理後の画像であるａから、視神経乳頭を中心とした、一定の半径の円内（たとえば、視神経乳頭直径の２．５倍の範囲）にみられるＮＦＬＤの面積を算出する。
この算出の方法としては、ｂに示すように、上述の眼底写真の全領域からのＮＦＬＤの範囲の判定と同様に、検者によりＧＵＩで選択する又は、コンピュータ画像解析により境界線を自動描出することにより行う。ここで、上述の全領域からのＮＦＬＤの範囲の判定と同様に、領域内の各色成分（緑成分Ｇ若しくは青成分Ｂ、又は緑青成分ＧＢ）の濃度値の平均と、画素の合計数を算出する。
次に、ｃに示すように、この領域の端と円を結ぶ線により、上述の第２の実施の形態と同様なＮＦＬＤの角度範囲ｓ〜ｔを算出する。また、角度範囲ｓ〜ｔの中点を基にして、角度方向ｑを算出する。
これにより、領域内のＮＦＬＤの面積と各色成分の濃度値の平均、ＮＦＬＤの方向、ＮＦＬＤの範囲の情報を得ることができる。
領域内の面積が拡大すると、緑内障が進行したと判定できる。また、濃度値の平均が低下すると、緑内障が進行したと判定できる。

このように、限られた区域におけるＮＦＬＤの判定を行うことで、眼底写真の画像の全域上でのＮＦＬＤの判定での効果に加えて、以下のような効果を得ることができる。
まず、一般に眼底写真は、一度の撮影で眼底全体を描出することが難しい。さらに、ＮＦＬＤの末梢は不明瞭な場合が多く、範囲の特定が困難な場合も多い。このため、一枚の写真の中でＮＦＬＤの全面積を求めることは難しいことがある。
しかし、ＮＦＬＤは視神経乳頭から始まり、視神経乳頭に近い領域ほどＮＦＬＤは明瞭であることが知られている。
よって、このＮＦＬＤが明瞭な一定領域の中で求められたＮＦＬＤの面積と濃度値の平均は、より再現性が高い。
また、角度範囲ｓ〜ｔの中点を基にして、角度方向ｑを算出できるため、第２の実施の形態と同様の方法により、角度範囲と角度方向の検出を行うことができる。これにより、ＮＦＬＤの角度範囲の拡大、角度方向の変化を検者がみることで緑内障の進行を把握することができる。

〔ドーナツ状領域内の測定によるＮＦＬＤの範囲の判定〕
次に、特定の領域にみられるＮＦＬＤの範囲の判定を行う方法のバリエーションである、視神経周囲のドーナツ状領域内（たとえば、内円を視神経乳頭径の２倍とし、外円を視神経乳頭径の３倍とする）で、ＮＦＬＤの面積および平均濃度値を測定することにより、ＮＦＬＤの判定を行う方法について、図１７を参照して説明する。
まず、上述の画像処理前の眼底写真の画像又は画像処理後の画像であるａから、視神経乳頭を中心とした、内円と外円との間で、上述の方法と同様に、検者がＧＵＩで選択するか、コンピュータ画像解析によりＮＦＬＤの領域を描出する。この抽出した領域の画像がｂである。
次に、上述の限られた区域におけるＮＦＬＤの範囲の判定と同様に、抽出した領域において、各色成分の濃度値の平均と、画素の面積を算出する。さらに同様に、ｃに示すようにＮＦＬＤの角度範囲ｓ〜ｔを算出する。また、角度範囲ｓ〜ｔの中点を基にして、角度方向ｑを算出する。
これにより、ドーナツ状区域内のＮＦＬＤの面積と濃度値の平均、ＮＦＬＤの方向、ＮＦＬＤの範囲の情報を得ることができる。
画素の面積が増加、または各色成分の平均濃度値の低下がみられれば、緑内障が進行したと判定することができる。

上述のように、ドーナツ状領域内の測定によるＮＦＬＤの範囲の判定を行うことにより、以下のような利点を得ることができる。
まず、視神経乳頭の形状には個人差がある。また乳頭周囲網脈絡膜萎縮および乳頭コーヌスなどによりＮＦＬＤの観測が困難な場合がある。このため、上述した単一の円内の領域を用いる方法では、症例によっては、画一的な判定が困難なことがある。
そこで、ドーナツ状領域におけるＮＦＬＤ解析を行うことで、上述の限られた区域におけるＮＦＬＤの範囲の判定よりさらに精度を上げることが可能になる。
また、ＮＦＬＤの角度方向と角度範囲も同様に算出できる。

〔鼻側領域の測定によるＮＦＬＤの範囲の判定〕
次に、上述のドーナツ状領域内の測定によるＮＦＬＤの範囲の判定のバリエーションである、鼻側領域の測定によるＮＦＬＤの範囲の判定について、図１８を参照して説明する。
まず、上述の画像処理前の眼底写真の画像又は画像処理後の画像であるａから、上述のドーナツ状の領域（例えば、内円を視神経乳頭径の２倍、外円を視神経乳頭径の３倍とする）について、ドーナツ状領域内の測定によるＮＦＬＤの範囲の判定と同様に計算する。
次に、鼻側の一定領域（たとえば、内円と外円に挟まれた鼻の方向である左側、９０°）の各色成分の濃度値の平均を求め、これを基準とする。
すなわち、鼻側領域の濃度値の平均に対するＮＦＬＤ領域の濃度値の平均の比率を算出する。
これにより、鼻側領域の濃度値の平均、ドーナツ状区域内のＮＦＬＤの濃度値の平均、さらに濃度比の情報を得ることができる。
ここで、濃度比の比率が低下すると、緑内障が進行したと判定することができる。

上述のように、鼻側領域の測定によるＮＦＬＤの範囲の判定を行うことにより、以下のような利点を得ることができる。
まず、各領域の濃度値は、フラッシュの光量や撮影条件により撮影毎に変化する。また画像形式によっても、濃度値が異なる。このため、どうしても誤差が生じてしまう。
しかし、緑内障が進行した場合でも、眼底において鼻側領域は最も視神経萎縮をきたしにくい領域として知られている。
よって、鼻側領域の濃度値の平均を基準として、ＮＦＬＤ領域の濃度値測定を求めると、さらに判定の精度を上げることが可能となる。

なお、上述の第３の実施の形態に係る視神経乳頭を中心とした円については、真円ではなく、楕円、不正円を用いてもよい。この不正円としては、実際の眼底と網膜の形状に沿った不正円を用いることができる。
真円以外を用いた場合、円の角度ではなく、全周における円弧の長さの割合等を判定に用いることができる。
また、視神経乳頭は、完全な中心でなくてもよい。すなわち、視神経乳頭の検出の精度が低い場合でも、正しい判定結果を得ることができる。

カラー眼底写真を画像処理し濃度変換を行うことで、網膜神経線維層欠損（ＮＦＬＤ）を始めとする疾病をより明瞭に描出できる。
これにより、通常の健康診断で使われるカラー眼底写真において、簡便に眼底の疾病を検出することが可能になり、特に緑内障の診断と発症後の進行の防止に効果的である。
さらに、カラー眼底写真の撮影と画層処理システムの需要を喚起することができる。加えて、高齢化社会における高齢者の社会活用の促進と、高齢者のＱＯＬ（クォリティー・オヴ・ライフ）の向上に役立つ。

なお、上記実施の形態の構成及び動作は例であって、本発明の趣旨を逸脱しない範囲で適宜変更して実行することができることは言うまでもない。

本発明の第１の実施の形態に係る画像処理システムＸの構成図である。 本発明の第１の実施の形態に係る眼底撮影の概念図である。 本発明の第１の実施の形態に係る画像処理の概念図である。 本発明の第１の実施の形態に係る画像処理における線形濃度変換のためのヒストグラムである。 本発明の第１の実施の形態に係る画像処理のフローチャートである。 本発明の第１の実施の形態に係る症例１の画像処理の出力画像の写真である。 本発明の第１の実施の形態に係る症例２の画像処理の出力画像の写真である。 本発明の第１の実施の形態に係る症例３の画像処理の出力画像の写真である。 本発明の第１の実施の形態に係る症例４の画像処理の出力画像の写真である。 本発明の第１の実施の形態に係る症例５の画像処理の出力画像の写真である。 本発明の第２の実施の形態に係る画像処理システムＹの構成図である。 本発明の第２の実施の形態に係る画像処理とグラフの描画のフローチャートである。 本発明の第２の実施の形態に係る視神経乳頭の円周からの濃度値検出の概念図である。 本発明の第２の実施の形態に係る複数のピクセルで円周の濃度値検出を行う概念図である。 本発明の第２の実施の形態に係る円周のグラフである。 本発明の第２の実施の形態に係るＮＦＬＤの角度範囲と角度方向の検出の概念図である。 本発明の第２の実施の形態に係るＮＦＬＤの角度範囲検出の結果の例を示すグラフである。 本発明の第２の実施の形態に係るＮＦＬＤの角度範囲検出の結果の例を示す写真である。 本発明の第３の実施の形態に係る眼底写真の全領域からのＮＦＬＤの範囲の判定の例を示す図である。 本発明の第３の実施の形態に係る限られた領域におけるＮＦＬＤの範囲の判定の例を示す図である。 本発明の第３の実施の形態に係るドーナツ状領域内の測定によるＮＦＬＤの範囲の判定の例を示す図である。 本発明の第３の実施の形態に係る鼻側領域の測定によるＮＦＬＤの範囲の判定の例を示す図である。

符号の説明

１０ 制御部
１１ 記憶部
１２ 入力部
１３ 出力部
１４ 色成分抽出部
１５ 濃度変換部
１６ グラフ処理部
１００、１０１ 画像処理装置
２００ カメラ
３００ キーボード
４００ 表示部
５００ プリンタ
Ｒ 赤成分
Ｇ 緑成分
Ｂ 青成分
Ｘ、Ｙ 画像処理システム

Claims (17)

1. 眼底画像の検査のためにカラー眼底写真の画像から画像処理を行う画像処理装置であって、
   前記カラー眼底写真の画像から色成分を抽出する色成分抽出手段と、
   前記色成分抽出手段により抽出された色成分ごとに画像の濃度変換を行う濃度変換手段とを備える
   ことを特徴とする画像処理装置。
2. 前記色成分抽出手段は、網膜神経線維層欠損（ＮＦＬＤ）、網膜神経線維層（ＲＮＦＬ）、又は網膜上膜の検査用の画像出力をする場合には緑青、緑、青の各色の成分を抽出することを特徴とする請求項１に記載の画像処理装置。
3. 前記緑青色の成分について、緑の成分と青の成分の比率のうち緑の成分の比率を高くして緑青の成分を抽出することを特徴とする請求項２に記載の画像処理装置。
4. 前記色成分抽出手段は、脈絡膜の検査用の画像出力をする場合には赤の成分を抽出することを特徴とする請求項１に記載の画像処理装置。
5. 前記濃度変換手段は、線形濃度変換を行うことを特徴とする請求項１乃至４のいずれか１項に記載の画像処理装置。
6. 前記カラー眼底写真における視神経乳頭部を中心とした円周に沿った画素からヒストグラムを作成するグラフ処理手段を更に備えることを特徴とする１乃至５のいずれか１項に記載の画像処理装置。
7. 前記円周の半径は前記視神経乳頭部の径より大きく、前記視神経乳頭部から中心窩の距離よりも小さいことを特徴とする請求項６に記載の画像処理装置。
8. 前記ヒストグラムは、赤の色成分のグラフと、緑青成分のグラフを含むことを特徴とする請求項６又は７に記載の画像処理装置。
9. 前記ヒストグラムの赤成分と緑青成分の比率を出力することを特徴とする、請求項６又は７に記載の画像処理装置。
10. 前記グラフ処理手段は、前記ヒストグラムの前記比率から、網膜神経線維層欠損の角度範囲と角度方向を求めることを特徴とする請求項９に記載の画像処理装置。
11. 前記色成分抽出手段は、指定された領域の各色成分の濃度値の平均と、画素の面積を更に算出することを特徴とする請求項６乃至１０のいずれか１項に記載の画像処理装置。
12. 前記指定された領域は、前記円周内であることを特徴とする請求項１１に記載の画像処理装置。
13. 前記指定された領域は、前記円周内の内円と外円に挟まれた領域であるであることを特徴とする請求項１１又は１２に記載の画像処理装置。
14. 前記色成分抽出手段は、鼻側領域の各色成分の濃度値の平均を更に算出し、前記指定された領域の各色成分の濃度値の平均に対する比率を算出することを特徴とする請求項１３に記載の画像処理装置。
15. 前記グラフ処理手段は、前記指定された領域から、網膜神経線維層欠損の角度範囲と角度方向を求めることを特徴とする請求項１２乃至１４のいずれか１項に記載の画像処理装置。
16. 眼底画像の検査のために画像処理を行う画像処理システムであって、
    カラー眼底写真の画像を入力する入力手段と、
    前記入力手段により入力されたカラー眼底写真の画像から色成分を抽出する色成分抽出手段と、
    前記色成分抽出手段により抽出された色成分ごとに画像の濃度変換を行う濃度変換手段と、
    前記濃度変換手段により濃度変換された画像を出力する出力手段とを備える
    ことを特徴とする画像処理システム。
17. 眼底画像の検査のための画像処理を行う画像処理方法であって、
    カラー眼底画像から抽出した色成分ごとに濃度画像を出力し、
    前記出力された濃度画像を濃度変換して出力する
    ことを特徴とする画像処理方法。