JP2011120656A - 画像処理装置及び画像処理方法 - Google Patents

Abstract

【課題】 眼部の疾病の診断に有効な診断情報データを眼部の状態に関わらず取得できるようにする。
【解決手段】 眼部の断層像を処理する画像処理装置であって、前記断層像に基づいて、前記眼部の特徴を判定し、前記眼部の状態を判断する手段（４５１）と、前記判断された前記眼部の状態を定量的に示すための診断情報データの算出において用いられる検出対象を、前記断層像より検出する手段（４４０、４６１）と、前記検出対象の位置情報を用いて、前記診断情報データを算出する手段（４６２）と、を備え、前記検出する手段は、前記眼部の状態に応じて、前記検出対象または前記検出対象を検出するためのアルゴリズムを変更することを特徴とする。
【選択図】 図１

Description

本発明は断層像を処理するための画像処理技術に関するものである。

生活習慣病や失明原因の上位を占める疾病の早期診断を目的として、従来より眼部の検査が行われている。一般に、このような眼部の検査には、光干渉断層計（ＯＣＴ：Ｏｐｔｉｃａｌ Ｃｏｈｅｒｅｎｃｅ Ｔｏｍｏｇｒａｐｈｙ）等の眼部断層像撮像装置が用いられている。ＯＣＴ等の眼部断層像撮像装置を用いた場合、網膜層内部の状態を３次元的に観察することができるため、より的確に診断を行うことが可能だからである。

一方で、撮像された断層像を用いて、眼部の疾病（例えば、緑内障や加齢黄斑変性、黄斑浮腫等）について診断を行うにあたっては、当該断層像を画像解析し、診断に有効な情報を定量的に抽出することが重要となってくる。

このため、眼部断層像撮像装置には、通常、画像解析用の画像処理装置等が接続されており、種々の画像解析処理が可能となっている。一例として、下記特許文献１には、撮像した断層像から疾病の診断に有効な網膜の各層の境界位置を検出し、層位置情報として出力する機能が開示されている。

なお、以下、本明細書では、撮像された断層像を画像解析することにより得られる、眼部の疾病の診断に有効な情報を総称して、「眼部の診断情報データ」または「診断情報データ」と呼ぶこととする。

特開２００８−０７３０９９号公報

しかしながら、上記特許文献１に開示された機能の場合、同時に複数の疾病を診断することができるよう、所定の画像解析アルゴリズムを用いて１度に複数の層の境界位置を検出する構成となっている。このため、眼部の状態（疾病の有無や種類）によっては、全ての層位置情報を適切に得ることができないといった事態が生じえる。

具体例を挙げて説明する。例えば、加齢黄斑変性や黄斑浮腫等の疾病の場合、患者の眼部には、網膜内に血液中の脂質が集積することにより生じる白斑とよばれる塊状の組織が形成されている。このような組織が形成されている場合、検査時に測定光が当該組織にて遮断されるため、当該組織よりも深度の大きい領域では、断層像の輝度値が著しく減弱する結果となる。

つまり、このような組織が形成されていない眼部の断層像とは、断層像内における輝度分布が異なってくるため、当該領域に対しても同じ画像解析アルゴリズムを実行することとすると、有効な診断情報データが得られないといった事態が生じえる。このため、有効な診断情報データを眼部の状態に関わらず得るようにするためには、眼部の状態に適した画像解析アルゴリズムを適用するように構成することが望ましい。

本発明は上記課題に鑑みてなされたものであり、眼部の疾病の診断に有効な診断情報データを、眼部の状態に関わらず取得できるようにすることを目的とする。

上記の目的を達成するために本発明に係る画像処理装置は以下のような構成を備える。即ち、
眼部の断層像を処理する画像処理装置であって、
前記眼部における疾病の状態を前記断層像の情報から判断する判断手段と、
前記判断手段により判断された前記眼部における疾病の状態に応じて、前記疾病の状態を定量的に示すための診断情報データの算出において用いられる検出対象または該検出対象を検出するためのアルゴリズムを変更する検出手段と
を有することを特徴とする。

本発明によれば、眼部の疾病の診断に有効な診断情報データを眼部の状態に関わらず取得することができるようになる。

眼部の状態及び眼部特徴と、検出対象及び診断情報データとの関係を説明するための図である。 第１の実施形態に係る画像処理装置２０１を含む画像診断システムのシステム構成を示す図である。 画像処理装置２０１のハードウェア構成を示す図である。 画像処理装置２０１の機能構成を示す図である。 画像処理装置２０１における画像解析処理の流れを示すフローチャートである。 画像処理装置２０１における眼部特徴正常時処理の流れを示すフローチャートである。 画像処理装置２０１における眼部特徴異常時処理の流れを示すフローチャートである。 画像処理装置２０１における黄斑浮腫向け処理及び加齢黄斑変性向け処理の流れを示すフローチャートである。 網膜色素上皮層境界の正常構造を求めるための評価式にて用いられる重み関数の一例を示す図である。 黄斑部と視神経乳頭部とを含む広画角の断層像の一例を示した図である。 各部位の眼部の状態及び眼部特徴と、検出対象及び診断情報データとの関係を説明するための図である。 第２の実施形態に係る画像処理装置１２０１の機能構成を示すブロック図である。 画像処理装置１２０１における画像解析処理の流れを示すフローチャートである。 眼部の状態及び眼部特徴と、位置合わせ対象及び経過診断情報データとの関係を説明するための図である。 第３の実施形態に係る画像処理装置１５０１の機能構成を示す図である。 画像処理装置１５０１における眼部特徴正常時処理、黄斑浮腫向け処理、加齢黄斑変性向け処理の流れを示すフローチャートである。

以下、添付図面を参照しながら本発明の各実施形態について詳説する。ただし、本発明の範囲は以下の実施形態に限定されるものではない。

［第１の実施形態］
本実施形態に係る画像処理装置は、網膜色素上皮層境界の歪みの有無や白斑、または嚢胞の有無等、所定の組織の形状または所定の組織の有無に関する情報（「眼部特徴」と称す）に基づいて、予め眼部の（疾病の）状態を判断することを特徴とする。また、該判断した眼部の状態に応じた診断情報データを取得可能な画像解析アルゴリズムを適用することで眼部の状態に応じた診断情報データを取得することを特徴とする。以下、本実施形態に係る画像処理装置の詳細について説明する。

＜１．眼部の状態及び眼部特徴と検出対象及び診断情報データとの関係＞
はじめに、眼部の状態及び眼部特徴と検出対象及び診断情報データとの関係について説明する。図１（ａ）〜（ｅ）は、ＯＣＴにより撮像された網膜の黄斑部の断層像を表す模式図であり、図１（ｆ）は、眼部の状態及び眼部特徴と検出対象及び診断情報データとの関係を示した表である。なお、ＯＣＴにより撮像される眼部の断層像は一般に３次元断層像であるが、ここでは説明を簡単にするため、その一断面である２次元断層像を示している。

図１（ａ）において、１０１は網膜色素上皮層、１０２は神経線維層、１０３は内境界膜を表している。図１（ａ）に示す断層像の場合、例えば、診断情報データとして、神経線維層１０２の厚みや網膜全体の厚み（図１（ａ）のＴ１やＴ２）を算出することにより、緑内障などの疾病の有無やその進行度、治療後の回復具合等を定量的に診断することができる。

ここで、神経線維層１０２の厚みを算出するためには、内境界膜１０３を検出するとともに、神経線維層１０２とその下部の層との境界（神経線維層境界１０４）を検出対象として検出し、それらの位置情報を認識する必要がある。

また、網膜全体の厚みを算出するためには、図１（ｂ）に示すように、内境界膜１０３と網膜色素上皮層１０１の外側境界（網膜色素上皮層境界１０５）を検出対象として検出し、それらの位置情報を認識する必要がある。

つまり、緑内障などの疾病の有無やその進行度等を診断するにあたっては、検出対象として、内境界膜１０３、神経線維層境界１０４、網膜色素上皮層境界１０５を検出し、診断情報データとして、神経線維層厚及び網膜全体厚を算出することが有効である。

一方、図１（ｃ）は、加齢黄斑変性の患者の網膜の黄斑部の断層像を示している。加齢黄斑変性の症例の場合、網膜色素上皮層１０１の下に新生血管やドルーゼンなどが発生する。このため、網膜色素上皮層１０１が押し上げられ、その境界が凹凸に変形する（つまり、網膜色素上皮層１０１に歪みが生じる）。したがって、加齢黄斑変性の有無は、眼部特徴として網膜色素上皮層１０１の歪みの有無を判定することで判断することができる。さらに、加齢黄斑変性であると判断した場合には、網膜色素上皮層１０１の変形度や網膜全体の厚みを算出することにより、その進行度を定量的に診断することができる。

なお、網膜色素上皮層１０１の変形度の算出においては、図１（ｄ）に示すように、まず、網膜色素上皮層１０１の境界（網膜色素上皮層境界１０５）（実線）を検出対象として検出し、その位置情報を認識する。更に、正常であれば存在したであろう（正常と仮定した場合の）網膜色素上皮層１０１の境界の推定位置（破線：以下では正常構造１０６と呼ぶ）を検出対象として検出し、その位置情報を認識する。そして、網膜色素上皮層１０１の境界（網膜色素上皮層境界１０５）とその正常構造１０６とにより形成される部分（図１（ｄ）の斜線部分）の面積やそれらの和（体積）等を算出することで網膜色素上皮層１０１の変形度を算出することができる。また、網膜全体の厚みは、図１（ｄ）に示すように内境界膜１０３と網膜色素上皮層１０１の正常構造１０６とを検出対象として検出し、それらの位置情報を認識することで算出することができる。なお、以下では、図１（ｄ）の斜線部分の面積（体積）を、網膜色素上皮層境界実測位置−推定位置間面積（体積）と称することとする。

このように、眼部特徴である網膜色素上皮層１０１の歪みの有無によって眼部の状態を判断し、加齢黄斑変性であると判断された場合には、検出対象として、内境界膜１０３、網膜色素上皮層境界１０５及びその正常構造１０６を検出する。そして、診断情報データとして、網膜全体厚及び網膜色素上皮層１０１の変形度（網膜色素上皮層境界実測位置−推定位置間面積（体積））を算出することが有効である。

一方、図１（ｅ）は、黄斑浮腫の患者の網膜の黄斑部の断層像を示している。黄斑浮腫の症例の場合、網膜内に水分が貯留し、網膜にむくみ（浮腫）が生じる。特に、網膜中の細胞外に液体が貯留すると嚢胞１０７と呼ばれる塊状の低輝度領域が発生し、網膜が全体として厚くなる。そのため、黄斑浮腫の有無は、眼部特徴として嚢胞１０７の有無を判定することで判断することができる。また、黄斑浮腫であると判断した場合には、網膜全体の厚み（図１（ｅ）のＴ２）を算出することにより、その進行度を定量的に診断することができる。

なお、上述したように、網膜全体の厚みＴ２を算出においては、網膜色素上皮層１０１の境界（網膜色素上皮層境界１０５）と内境界膜１０３とを検出対象として検出し、それらの位置情報を認識する。

このように、眼部特徴である嚢胞１０７の有無によって眼部の状態が、黄斑浮腫であると判断された場合には、検出対象として、内境界膜１０３、網膜色素上皮層境界１０５を検出し、診断情報データとして、網膜全体厚を算出することが有効である。

なお、加齢黄斑変性や黄斑浮腫においては、網膜内に血液中の脂質が集積することで生じる白斑と呼ばれる塊状の高輝度領域が形成される場合がある（図１（ｅ）の黄斑浮腫の患者の網膜の断層像において参照番号１０８として図示）。そこで、以下では、眼部の状態として、加齢黄斑変性及び黄斑浮腫であるか否かを判断するにあたっては、眼部特徴として白斑１０８の有無も合わせて判定することとする。

なお、眼部特徴として白斑１０８が抽出された場合には、図１（ｅ）のように白斑１０８より深度が大きい領域において測定光がブロックされ信号が減弱することとなる。このため、加齢黄斑変性または黄斑浮腫と判断された場合には、検出対象として網膜色素上皮層境界１０５を検出するにあたり、白斑の有無に応じて検出パラメータを変更しておくことが望ましい。

以上のように、緑内障、加齢黄斑変性、黄斑浮腫の有無、及び、各疾病の進行度を診断するにあたっては、眼部特徴（網膜色素上皮層の歪みの有無、嚢胞の有無、白斑の有無）に基づいて、眼部の状態を判断する。そして、判断した眼部の状態に応じて、取得すべき診断情報データ、検出すべき検出対象、検出対象を検出する際に設定されるべき検出パラメータ等を変更することが有効である。

図１（ｆ）は、眼部の状態及び眼部特徴と、検出対象及び診断情報データとの関係をまとめた表である。以下、図１（ｆ）に示す表に基づいて画像解析処理を実行する画像処理装置について詳説する。

なお、本実施形態では、検出対象として網膜色素上皮層境界１０５を検出する場合について説明するが、検出対象は、必ずしも網膜色素上皮層１０１の外側境界（網膜色素上皮層境界１０５）に限定されるものではない。例えば、他の層境界（外境界膜（不図示）や視細胞内節外節境界（不図示）、網膜色素上皮層１０１の内側境界（不図示）等）を検出するように構成してもよい。

また、本実施形態では、神経線維層厚として内境界膜１０３と神経線維層境界１０４との間の距離を算出する場合について説明するが、本発明はこれに限定されるものではない。代わりに、内網状層の外側境界１０４ａ（図１（ｂ））を検出し、内境界膜１０３と内網状層の外側境界１０４ａとの間の距離を算出するようにしてもよい。

＜２．画像診断システムの構成＞
次に、本実施形態に係る画像処理装置を備える画像診断システム２００について説明する。図２は、本実施形態に係る画像処理装置２０１を備える画像診断システム２００のシステム構成を示す図である。

図２に示すように画像処理装置２０１は、断層像撮像装置２０３及びデータサーバ２０２と、イーサネット（登録商標）等によるローカル・エリア・ネットワーク（ＬＡＮ）２０４を介して接続されている。なお、これらの装置とは、インターネット等の外部ネットワークを介して接続されるように構成してもよい。

断層像撮像装置２０３は眼部の断層像を撮像する装置であり、当該装置には、例えばタイムドメイン方式もしくはフーリエドメイン方式のＯＣＴが含まれる。断層像撮像装置２０３は不図示の操作者による操作に応じ、不図示の被検眼の断層像を３次元的に撮像する。また、撮像した断層像を画像処理装置２０１またはデータサーバ２０２へと送信する。

データサーバ２０２は、被検眼の断層像やその診断情報データ等を保存するサーバであり、断層像撮像装置２０３が出力する被検眼の断層像や、画像処理装置２０１が出力する診断情報データ等を保存する。また、画像処理装置２０１からの要求に応じ、被検眼の過去の断層像を画像処理装置２０１に送信する。

＜３．画像処理装置のハードウェア構成＞
次に、本実施形態に係る画像処理装置２０１のハードウェア構成について説明する。図３は、画像処理装置２０１のハードウェア構成を示す図である。図３において、３０１はＣＰＵ、３０２はＲＡＭ、３０３はＲＯＭである。また、３０４は外部記憶装置、３０５はモニタ、３０６はキーボード、３０７はマウス、３０８は外部装置（データサーバ２０２、断層像撮像装置２０３）との通信を行うためのインタフェース、３０９はバスである。

画像処理装置２０１において、以下に詳説する画像解析機能を実現するための制御プログラムやその制御プログラムにおいて用いるデータは、外部記憶装置３０４に記憶されているものとする。なお、これらの制御プログラムやデータは、ＣＰＵ３０１の制御のもと、バス３０９を通じて適宜ＲＡＭ３０２に取り込まれ、ＣＰＵ３０１によって実行されるものとする。

＜４．画像処理装置の機能構成＞
次に、図４を用いて本実施形態に係る画像処理装置２０１における画像解析機能の機能構成について説明する。図４は画像処理装置２０１の画像解析機能の機能構成を示すブロック図である。図４に示すように、画像処理装置２０１は、画像解析機能として、画像取得部４１０と、記憶部４２０と、画像処理部４３０と、表示部４７０と、結果出力部４８０と、指示取得部４９０とを有する。

更に、画像処理部４３０は、眼部特徴取得部４４０と、変更部４５０と、診断情報データ取得部４６０とを有する。更に、変更部４５０は、判定部４５１と処理対象変更部４５４と処理方法変更部４５５とを有し、判定部４５１は、種類判定部４５２と状態判定部４５３とを有する。一方、診断情報データ取得部４６０は、層決定部４６１と定量化部４６２とを有する。以下、各部の機能の概要について説明する。

（１）画像取得部４１０及び記憶部４２０の機能
画像取得部４１０は、断層像撮像装置２０３またはデータサーバ２０２からＬＡＮ２０４を介して画像解析対象となる断層像を受信し、記憶部４２０に格納する。

記憶部４２０は、画像取得部４１０において取得された断層像を格納する。また、格納した断層像について、眼部特徴取得部４４０において処理することで得られた眼部の状態を判断するための眼部特徴及び検出対象を格納する。

（２）眼部特徴取得部４４０の機能
画像処理部４３０内の眼部特徴取得部４４０では、記憶部４２０に格納された断層像を読み出し、眼部の状態を判断するための眼部特徴である、嚢胞１０７及び白斑１０８を抽出する。また、眼部の状態を判断するための眼部特徴であるとともに、診断情報データの算出に用いられる検出対象である網膜色素上皮層境界１０５を抽出する。更に、眼部の状態に関わらず、検出対象となっている内境界膜１０３についても、眼部特徴取得部４４０にて抽出される。

なお、嚢胞１０７や白斑１０８の抽出方法としては、画像処理による方法と、識別器などのパターン認識による手法とがあるが、本実施形態における眼部特徴取得部４４０では、識別器による手法が用いるものとする。

なお、識別器により、嚢胞１０７や白斑１０８を抽出する方法は、以下の手順（ｉ）〜（ｉｖ）により行われる。
（ｉ）学習用の断層像における特徴量算出
（ｉｉ）特徴空間の作成
（ｉｉｉ）画像解析対象の断層像における特徴量算出
（ｉｖ）判断（特徴量ベクトルの特徴空間への写像）
具体的には、嚢胞１０７及び白斑１０８を抽出するための学習用の断層像より、嚢胞１０７及び白斑１０８の各局所領域における輝度情報を取得し、該輝度情報により特徴量を算出する。なお、特徴量の算出に際しては、各画素とその周辺領域を含めた領域を局所領域として輝度情報が取得されるものとする。また、取得された輝度情報に基づいて算出する特徴量には、局所領域全体の輝度情報の統計量や、局所領域のエッジ成分の輝度情報の統計量が含まれるものとする。また、当該統計量には、画素値の平均値、最大値、最小値、分散値、中央値、最頻値等が含まれるものとする。更に、局所領域のエッジ成分には、ｓｏｂｅｌ成分やｇａｂｏｒ成分が含まれるものとする。

このようにして学習用の断層像に基づいて算出された特徴量を用いて、特徴空間を作成した後、画像解析対象の断層像について、同様の手順により特徴量を算出し、当該作成した特徴空間へと写像する。

これにより、画像解析対象の断層像より抽出された眼部特徴が、白斑１０８もしくは嚢胞１０７、網膜色素上皮層１０１、その他に分類される。なお、分類に際して、眼部特徴取得部４４０では、自己組織化マップを用いて作成された特徴空間が用いられるものとする。

なお、ここでは眼部特徴の分類において自己組織化マップを用いる場合について説明したが、本発明は、この手法に限定されるものではない。例えばＳｕｐｐｏｒｔ Ｖｏｃｔｏｒ Ｍａｃｈｉｎｅ（ＳＶＭ）やＡｄａＢｏｏｓｔをはじめとする任意の公知の識別器を用いるようにしてもよい。

また、白斑１０８や嚢胞１０７などの眼部特徴の分類方法は上記に限定されるものではなく、画像処理により眼部特徴を分類するようにしてよい。例えば輝度情報と、点集中度フィルタなどの塊状構造を強調するフィルタの出力値と組み合わせることで以下のような分類を実行することができる。即ち、点集中度フィルタの出力が閾値Ｔｃ１以上で、かつ断層像上の輝度値が閾値Ｔｇ１以上の領域を白斑、点集中度フィルタの出力が閾値Ｔｃ２以上で、かつ断層像上の輝度値が閾値Ｔｇ２未満の領域を嚢胞と判定することで分類を実行することができる。

一方、眼部特徴取得部４４０による網膜色素上皮層境界１０５及び内境界膜１０３の抽出は以下の手順で行われる。なお、当該抽出に際しては、画像解析対象である３次元断層像を、２次元断層像（Ｂスキャン像）の集合と捉え、各２次元断層像それぞれに対して、以下の処理を行うものとする。

まず、着目する２次元断層像に対して平滑化処理を行い、ノイズ成分を除去する。次に２次元断層像からエッジ成分を検出し、その連結性に基づいて何本かの線分を層境界の候補として抽出する。そして、抽出した複数の層境界の候補から一番上の線分を内境界膜１０３として選択する。また、一番下の線分を網膜色素上皮層境界１０５として選択する。

ただし、上記網膜色素上皮層境界１０５の抽出手順は一例であり、抽出手順はこれに限定されるものではない。例えば、このようにして選択された線分を初期値として、Ｓｎａｋｅｓやレベルセット法等の可変形状モデルを適用することで、最終的に選択された線分を、網膜色素上皮層境界１０５または内境界膜１０３としてもよい。あるいは、グラフカット法を用いて抽出するようにしてもよい。なお、可変形状モデルやグラフカットを用いて抽出する方法は、３次元断層像に対して３次元的に実行するようにしてもよいし、あるいは各２次元断層像に対して２次元的に実行するようにしてもよい。更に、網膜色素上皮層境界１０５及び内境界膜１０３を抽出する方法は、眼部の断層像から層境界を抽出可能な方法であれば、いずれの方法を用いてもよい。

（３）変更部４５０内の判定部４５１の機能
変更部４５０では、眼部特徴取得部４４０において抽出された眼部特徴に基づいて、眼部の状態を判断するとともに、判断した眼部の状態に基づいて、診断情報データ取得部４６０において実行される画像解析アルゴリズムの変更を指示する。

このうち、変更部４５０に含まれる判定部４５１では、眼部特徴取得部４４０において抽出された眼部特徴に基づいて、眼部の状態の判断を行う。具体的には、種類判定部４５２において、眼部特徴取得部４４０における眼部特徴の分類結果に基づく、嚢胞１０７及び白斑１０８の有無の判定を行う。また、状態判定部４５３において、眼部特徴取得部４４０にて分類された網膜色素上皮層境界１０５についての、歪みの有無の判定と、当該判定結果と嚢胞１０７及び白斑１０８の有無の判定結果とに基づく、眼部の状態の判断とを行う。

（４）変更部４５０内の処理対象変更部４５４及び処理方法変更部４５５の機能
一方、変更部４５０に含まれる処理対象変更部４５４では、状態判定部４５３において判定された眼部の状態に応じて、検出対象を変更する。更に、変更した検出対象についての情報を、層決定部４６１に指示する。

処理方法変更部４５５では、状態判定部４５３にて白斑１０８が抽出されたと判定された場合にあっては、白斑１０８が存在する領域よりも深度が大きい領域での網膜色素上皮層境界１０５の検出パラメータの変更を層決定部４６１に指示する。また、網膜色素上皮層境界１０５に歪みがあると判定された場合にあっては、網膜色素上皮層境界の歪み部分の検出パラメータの変更を層決定部４６１に指示する。

つまり、眼部の状態が加齢黄斑変性または黄斑浮腫であると判断された場合には、処理方法変更部４５５では、網膜色素上皮層境界１０５をより精度よく検出しなおすべく（再検出すべく）、検出パラメータの変更を層決定部４６１に指示する。

（５）診断情報データ取得部４６０の機能
診断情報データ取得部４６０では、眼部特徴取得部４４０において抽出された検出対象を用いて、また、処理方法変更部４５５において指示があった場合には、当該指示に基づいて抽出した検出対象も用いて、診断情報データを算出する。

このうち、層決定部４６１では、眼部特徴取得部４４０において検出され、記憶部４２０に格納された検出対象を取得する。なお、処理方法変更部４５５より、検出対象についての変更指示があった場合には、当該指示された検出対象を検出したうえで、検出対象を取得する。また、処理方法変更部４５５より、検出パラメータの変更指示があった場合には、変更後の検出パラメータを用いて検出対象を検出しなおした（再検出した）うえで、検出対象を取得する。更に、層決定部４６１では、網膜色素上皮層境界の正常構造１０６を算出する。

また、定量化部４６２では、層決定部４６１において取得された検出対象に基づいて、診断情報パラメータを算出する。

具体的には、神経線維層境界１０４に基づき神経線維層１０２の厚み及び網膜層全体の厚みを定量化する。なお、定量化に際しては、まずｘｙ平面上の各座標点において神経線維層境界１０４と内境界膜１０３とのｚ座標の差を求めることで、神経線維層１０２の厚み（図１（ａ）のＴ１）を算出する。また、同様に網膜色素上皮層境界１０５と内境界膜１０３とのｚ座標の差を求めることで、網膜層全体の厚み（図１（ａ）のＴ２）を算出する。また、ｙ座標ごとにｘ軸方向の各座標点での層厚を加算することで、各断面における各層（神経線維層１０２及び網膜層全体）の面積を算出する。更に、求めた面積をｙ軸方向に加算することで各層の体積を算出する。更に、網膜色素上皮層境界の正常構造１０６と網膜色素上皮層境界１０５との間に形成される部分の面積または体積（網膜色素上皮層境界実測位置−推定位置間面積または体積）を算出する。

（６）表示部４７０及び結果出力部４８０及び指示取得部４９０の機能
表示部４７０では、検出した神経線維層境界１０４を断層像に重畳表示する。さらに、表示部４７０では、定量化した診断情報データを表示する。このうち層厚に関する情報については、３次元断層像全体（ｘｙ平面）に対する層厚の分布マップとして表示するようにしてもよいし、上記検出結果の表示と連動させて注目断面における各層の面積として表示するようにしてもよい。あるいは、各層の体積や、操作者がｘｙ平面上において指定した領域の体積を算出し、それらを表示するようにしてもよい。

結果出力部４８０では、撮像日時と、画像処理部４３０によって得られた画像解析処理の結果（診断情報データ）等とを関連付けてデータサーバ２０２に送信する。

指示取得部４９０では、画像処理装置２０１による断層像についての画像解析処理を終了するか否かの指示を外部より受け付ける。なお、当該指示は、操作者より、キーボード３０６やマウス３０７等を介して入力される。

＜５．画像処理装置における画像解析処理の流れ＞
次に画像処理装置２０１における画像解析処理の流れについて説明する。図５は、画像処理装置２０１における画像解析処理の流れを示すフローチャートである。

ステップＳ５１０では、画像取得部４１０が断層像撮像装置２０３に対して断層像の取得要求を送信する。断層像撮像装置２０３では、当該取得要求に応じて対応する断層像を送信し、画像取得部４１０では当該送信された断層像をＬＡＮ２０４を介して受信する。なお、画像取得部４１０にて受信された断層像は記憶部４２０に格納される。

ステップＳ５２０では、眼部特徴取得部４４０が、記憶部４２０に格納された断層像を読み出し、該断層像から眼部特徴として内境界膜１０３、網膜色素上皮層境界１０５、白斑１０８及び嚢胞１０７を抽出する。また、抽出した眼部特徴を、記憶部４２０に格納する。

ステップＳ５３０では、種類判定部４５２が、ステップＳ５２０で抽出された眼部特徴を、白斑１０８もしくは嚢胞１０７、網膜色素上皮層境界１０５、その他に分類する。

ステップＳ５４０では、ステップＳ５３０において種類判定部４５２が行った眼部特徴の分類結果に応じて、状態判定部４５３が眼部状態の判断を行う。すなわち、眼部特徴が網膜色素上皮層境界１０５のみである（断層像上に白斑１０８及び嚢胞１０７のいずれも存在しない）と判定した場合には、第１の状態であると判断し、状態判定部４５３はステップＳ５５０へと進む。一方、眼部特徴に白斑１０８または嚢胞１０７が含まれると判定した場合には、状態判定部４５３はステップＳ５６５へと進む。

ステップＳ５５０では、ステップＳ５３０において種類判定部４５２により分類された網膜色素上皮層境界１０５について、状態判定部４５３が、歪みの有無を判定する。

ステップＳ５５０において、網膜色素上皮層境界１０５に歪みがないと判定された場合には、ステップＳ５６０へと進む。一方、ステップＳ５５０において、網膜色素上皮層境界１０５に歪みがあると判定された場合には、ステップＳ５６５へと進む。

ステップＳ５６０では、診断情報データ取得部４６０が、嚢胞１０７及び白斑１０８がなく、かつ網膜色素上皮層境界１０５の歪みがない場合（眼部特徴が正常である場合）の画像解析アルゴリズム（眼部特徴正常時処理）を実行する。つまり、眼部特徴正常時処理とは、換言すると、緑内障の有無及び緑内障の進行度等を定量的に診断するのに有効な診断情報データを算出するための処理である。なお、眼部特徴正常時処理についての詳細は後述する。

一方、ステップＳ５６５では、画像処理部４３０が、嚢胞１０７または白斑１０８または網膜色素上皮層境界１０５の歪みがある場合（つまり、眼部特徴に異常がある場合）の画像解析アルゴリズム（眼部特徴異常時処理）を実行する。つまり、眼部特徴異常時処理とは、換言すると、加齢黄斑変性または黄斑浮腫の有無及びその進行度等を定量的に診断するのに有効な診断情報データを算出するための処理である。なお、眼部特徴異常時処理についての詳細は後述する。

ステップＳ５７０では、指示取得部４９０が、被検眼に関する今回の画像解析処理結果をデータサーバ２０２へ保存するか否かについての指示を外部から取得する。この指示は、例えば、キーボード３０６やマウス３０７を介して操作者により入力される。保存する旨の指示がなされた場合にはステップＳ５８０へと進む。一方、保存する旨の指示がなされなかった場合には、ステップＳ５９０へ進む。

ステップＳ５８０では、結果出力部４８０が、撮像日時、被検眼を同定する情報、断層像、画像処理部４３０より得られた画像解析処理結果を関連付けてデータサーバ２０２へ送信する。

ステップＳ５９０では、指示取得部４９０が、画像処理装置２０１による断層像の画像解析処理を終了する旨の指示を外部から取得したか否かを判断する。画像解析処理を終了する旨の指示を取得したと判断した場合には画像解析処理を終了する。一方、画像解析処理を終了する旨の指示を取得しなかったと判断した場合には、ステップＳ５１０に戻り、次の被検眼に対する処理（または同一被検眼に対する再処理）を行う。

＜６．眼部特徴正常時処理の流れ＞
次に図６を参照しながら、眼部特徴正常時処理（ステップＳ５６０）の詳細について説明する。

ステップＳ６１０では、処理対象変更部４５４が、検出対象の変更を指示する。具体的には、検出対象として新たに神経線維層境界１０４を検出するよう指示する。なお、検出対象についての指示は上記に限られず、例えば内網状層の外側境界１０４ａを新たに検出するように指示してもよい。

ステップＳ６２０では、層決定部４６１が、ステップＳ６１０で指示された検出対象、すなわち神経線維層境界１０４を断層像から検出するとともに、すでに検出済みの検出対象（内境界膜１０３、網膜色素上皮層境界１０５）を記憶部４２０より取得する。なお、神経線維層境界１０４は、例えば、内境界膜１０３のｚ座標値からｚ軸の正方向にスキャンしていき、輝度値またはエッジが閾値以上の点を抽出し、当該抽出した点を接続することにより検出される。

ステップＳ６３０では、定量化部４６２が、ステップＳ６２０で取得された検出対象に基づき神経線維層１０２及び網膜層全体の厚みを定量化する（診断情報データを算出する）。具体的には、まず、ｘｙ平面上の各座標点において神経線維層境界１０４と内境界膜１０３とのｚ座標の差を求めることで、神経線維層１０２の厚み（図１（ａ）のＴ１）を算出する。また、同様に網膜色素上皮層境界１０５と内境界膜１０３とのｚ座標の差を求めることで、網膜層全体の厚み（図１（ａ）のＴ２）を算出する。更に、ｙ座標ごとにｘ軸方向の各座標点での層厚を加算することで、各断面における各層（神経線維層１０２及び網膜層全体）の面積を算出する。さらに求めた面積をｙ軸方向に加算することで各層の体積を算出する。

ステップＳ６４０では、表示部４７０が、ステップＳ６２０で取得された神経線維層境界１０４を断層像に重畳表示する。更に、ステップＳ６３０における定量化により得られた診断情報データ（神経線維層厚、網膜全体厚）を表示する。この表示は３次元断層像全体（ｘｙ平面）に対する層厚の分布マップとして提示してもよいし、上記検出対象の取得結果の表示と連動させて注目断面における各層の面積として表示してもよい。また層の体積を表示したり、操作者がｘｙ平面上において指定した領域における層の体積を算出し、当該算出した体積を表示したりするようにしてもよい。

＜７．眼部特徴異常時処理の詳細＞
次に、眼部特徴異常時処理（ステップＳ５６５）の詳細について説明する。図７は、眼部特徴異常時処理の流れを示すフローチャートである。

ステップＳ７１０では、ステップＳ５３０において種類判定部４５２が行った眼部特徴の分類結果に応じて、状態判定部４５３が眼部の状態の判断を行う。すなわち、ステップＳ５３０において、眼部特徴として嚢胞１０７が含まれていると判定された場合には、状態判定部４５３では、眼部の状態が黄斑浮腫である（第３の状態である）と判断し、ステップＳ７２０へ進む。一方、ステップＳ５３０において、嚢胞１０７が含まれていないと判定された場合には、状態判定部４５３では眼部の状態が加齢黄斑変性である（第２の状態である）と判断し、ステップＳ７２５へ進む。

ステップＳ７２０では、層決定部４６１及び定量化部４６２が、黄斑浮腫の進行度等の診断に有効な診断情報データを算出するための処理（黄斑浮腫向け処理）を行う。なお、黄斑浮腫向け処理の詳細は後述する。

一方、ステップＳ７２５では、層決定部４６１及び定量化部４６２が、加齢黄斑変性の進行度等の診断に有効な診断情報データを算出するための処理（加齢黄斑変性向け処理）を行う。なお、加齢黄斑変性向け処理についての詳細は後述する。

ステップＳ７３０では、表示部４７０が、ステップＳ７２０またはステップＳ７２５で取得された検出対象や算出された診断情報データを表示する。なお、これらの処理はステップＳ６４０における処理と同様であるため、ここでは詳細な説明は省略する。

＜８．黄斑浮腫向け処理の詳細＞
次に、黄斑浮腫向け処理（ステップＳ７２０）の詳細について説明する。図８（ａ）は、黄斑浮腫向け処理の流れを示すフローチャートである。

ステップＳ８１０では、ステップＳ５３０において種類判定部４５２が行った眼部特徴の分類結果に応じて、処理方法変更部４５５が処理の分岐を行う。図１（ｅ）を用いて上述したように眼部特徴として白斑１０８が含まれていた場合には、白斑１０８において測定光がブロックされる。この結果、白斑１０８よりも深度方向（ｚ軸方向）に関し座標値が大きい領域では、輝度値が減弱してしまう（図１（ｅ）の１０９参照）。このため、Ｂスキャン画像における横方向（ｘ軸方向）に関して白斑１０８と同じ座標値であって、白斑１０８よりも深度が大きい領域については、網膜色素上皮層境界１０５検出時の検出パラメータを変更する。

具体的には、眼部特徴に白斑１０８が含まれる場合には、処理方法変更部４５５が、白斑１０８が存在する領域よりも深度が大きい領域での網膜色素上皮層境界１０５の検出パラメータを変更するよう層決定部４６１に指示する。その後、ステップＳ８２０に進む。一方、眼部特徴として白斑１０８が含まれていなかった場合にはステップＳ８３０に進む。

ステップＳ８２０では、層決定部４６１が、白斑１０８が存在する領域よりも深度が大きい領域における網膜色素上皮層境界１０５の検出パラメータを以下のように設定する。ただし、ここでは検出方法として可変形状モデルを用いるものとする。

すなわち、画像エネルギー（輝度値に関する評価関数）の重みを輝度値が減弱した領域１０９における輝度値の減弱具合に応じて増加させる。具体的には、輝度値が減弱した領域１０９内の輝度統計量Ｆと、輝度値が減弱していない領域内の輝度統計量Ｔとの比率Ｔ／Ｆに比例した値を、画像エネルギーの重みとして設定する。

なお、ここでは検出パラメータを変更する場合について説明したが、層決定部４６１における処理はこれに限られない。例えば、輝度値が減弱している領域１０９においては画像補正後に可変形状モデルを実行するなど、検出方法自体を変更するようにしてもよい。

ステップＳ８３０では、定量化部４６２が、ステップＳ８２０で設定された検出パラメータに基づいて、再度、網膜色素上皮層境界１０５の検出を行う。

ステップＳ８４０では、既に検出済みの検出対象（内境界膜１０３）を記憶部４２０より取得する。

ステップＳ８５０では、定量化部４６２が、ステップＳ８３０で検出した網膜色素上皮層境界１０５とステップＳ８４０で取得した内境界膜１０３とに基づき網膜全体厚を算出する。なお、ステップＳ８５０における処理はステップＳ６３０における処理と同様であるので、ここでは詳細な説明は省略する。

＜９．加齢黄斑変性向け処理の詳細＞
次に、加齢黄斑変性向け処理（ステップＳ７２５）の処理の詳細を説明する。図８（ｂ）は、加齢黄斑変性向け処理の流れを示すフローチャートである。

ステップＳ８１５では、処理対象変更部４５４が、検出対象の変更を指示する。具体的には、検出対象として新たに、網膜色素上皮層境界の正常構造１０６を検出するよう指示する。

ステップＳ８２５では、処理方法変更部４５５が処理の分岐を行う。具体的には、眼部特徴として白斑１０８が含まれていた場合には、処理方法変更部４５５が白斑１０８が存在する領域よりも深度が大きい領域での網膜色素上皮層境界１０５の検出パラメータを変更するよう層決定部４６１に指示する。

一方、眼部特徴として白斑１０８や網膜色素上皮層境界１０５の歪みのいずれも含まれていなかった場合には、ステップＳ８４５に進む。

ステップＳ８３５では、層決定部４６１が、白斑１０８が存在する領域よりも深度が大きい領域における網膜色素上皮層境界１０５の検出パラメータを変更する。白斑１０８が存在する領域よりも深度が大きい領域における検出パラメータの変更処理は、ステップＳ８２０における処理と同様であるので、ここでは詳細な説明は省略する。

ステップＳ８４５では、処理方法変更部４５５が網膜色素上皮層境界の歪み部分の検出パラメータを変更するよう層決定部４６１に指示する。これは、眼部特徴として網膜色素上皮層境界１０５の歪みがあった場合には、当該歪みの程度が加齢黄斑変性の進行度を診断する際の指標となるため、網膜色素上皮層境界１０５は、より精密に求められる必要があるからである。このため、処理対象変更部４５４では、まず、網膜色素上皮層境界１０５のうち歪みが存在する範囲を指定する。そして、該指定した範囲における網膜色素上皮層境界１０５の検出パラメータを変更するよう層決定部４６１に指示する。そして、層決定部４６１では、網膜色素上皮層境界の歪み部分の検出パラメータを変更する。

なお、網膜色素上皮層境界１０５のうち、歪みがあると判定された領域における検出パラメータの変更処理は以下のように行う。ただし、ここではＳｎａｋｅｓ法を用いて網膜色素上皮層境界１０５の歪みがある領域を検出する場合について説明する。

具体的には、網膜色素上皮層境界１０５に相当する層境界モデルの形状エネルギーの重みを画像エネルギーに比べて相対的に小さく設定する。これにより、網膜色素上皮層境界１０５の歪みをより正確に取得することが可能となるからである。すなわち網膜色素上皮層境界１０５の歪みを表す指標を計算し、該指標に反比例した値を形状エネルギーの重みとして設定する。

なお、本実施形態では層境界モデルの変形時に用いられる評価関数（形状エネルギー及び画像エネルギー）の重みを、層内の各制御点で可変となるように設定することとするが、本発明はこれに限られない。例えば網膜色素上皮層境界１０５を構成する制御点列全ての形状エネルギーの重みを、画像エネルギーに比べて一様に小さく設定するようにしてもよい。

図８（ｂ）に戻る。ステップＳ８５５では、層決定部４６１が、ステップＳ８３５、Ｓ８４５で設定された検出パラメータに基づいて、再度、網膜色素上皮層境界１０５の検出を行う。

ステップＳ８５５では、層決定部４６１が、ステップＳ８５５で検出した網膜色素上皮層境界１０５からその正常構造１０６を推定する。なお、正常構造１０６の推定に際しては、画像解析対象の３次元断層像を２次元断層像（Ｂスキャン像）の集合と捉え、各２次元断層像それぞれに対して正常構造の推定を行うこととする。

具体的には、各２次元断層像内で検出されている網膜色素上皮層境界１０５を表す座標点群に２次関数を当てはめることで正常構造１０６を推定する。

ここで、εｉを、網膜色素上皮層境界１０５の層境界データのｉ番目の点のｚ座標ｚｉと正常構造１０６のデータのｉ番目の点のｚ座標ｚ’ｉとの差と定義すると、近似関数を求めるための評価式は、例えば以下のように表される。
Ｍ＝ｍｉｎΣρ（εｉ）
ここでΣはｉについての総和を表す。また、ρ（）は重み関数である。一例として、図９に、３種類の重み関数を示す。図９において、横軸はｘ、縦軸はρ（ｘ）である。なお、重み関数は図９に示したものが全てではなく、どのような関数を設定しても良い。そして、上記の式において、評価値Ｍが最小になるように関数を設定するものとする。

なお、ここでは入力した３次元断層像を２次元断層像（Ｂスキャン像）の集合と捉え、各２次元断層像それぞれに対して正常構造１０６を推定することとしたが、正常構造１０６の推定方法はこれに限らない。例えば３次元断層像に対して直接的に処理を行うようにしてもよい。この場合、ステップＳ５３０で検出した層境界の３次元的な座標点群に、上記と同様な重み関数の選択基準を用いて楕円のあてはめを行う。

また、ここでは、正常構造１０６を推定するにあたり、近似する形状として２次関数を用いることとしたが、正常構造１０６を近似する形状は２次関数に限定されず、任意の関数を用いて推定してよい。

再び、図８（ｂ）に戻る。ステップＳ８７５では、既に検出済みの検出対象（内境界膜１０３）を記憶部４２０より取得する。

ステップＳ８８５では、定量化部４６２が、ステップＳ８５５で検出した網膜色素上皮層境界１０５とステップＳ８７５で取得した内境界膜とに基づき網膜層全体の厚みを定量化する。また、ステップＳ８５５で検出した網膜色素上皮層境界１０５と、ステップＳ８６５で推定した正常構造１０６との差異に基づき、網膜色素上皮層１０１の歪みを定量化する。具体的には、当該差異の総和や層境界点間角度の統計量（最大値等）を求めることにより定量化する。

以上の説明から明らかなように、本実施形態に係る画像処理装置は、取得した断層像の画像解析処理において、眼部の状態を判断するための眼部特徴を抽出する構成とした。そして、抽出した眼部特徴に基づいて、眼部の状態を判断し、該判断した眼部の状態に応じて、断層像から検出すべき検出対象を変更したり、検出時の検出パラメータを変更したりする構成とした。

このように眼部の状態に応じた画像解析アルゴリズムを実行することにより、緑内障や加齢黄斑変性、黄斑浮腫等の疾病の有無及び当該疾病の進行度を診断するのに有効な診断情報パラメータを、眼部の状態に関わらず高い精度で算出することが可能となった。

［第２の実施形態］
上記第１の実施形態では、画像解析対象が黄斑部の断層像であることを前提として、眼部特徴を抽出し、該抽出した眼部特徴に基づいて眼部の状態を判断する構成とした。しかしながら、画像解析対象となる断層像は、黄斑部の断層像に限定されず、例えば、黄斑部に加えて視神経乳頭部が含まれる広画角の断層像である場合もありうる。そこで、本実施形態では、画像解析対象となる断層像が黄斑部と視神経乳頭部とを含む広画角の断層像である場合において、各部位を特定したうえで、各部位ごとに画像解析アルゴリズムを実行する画像処理装置について説明する。

なお、画像診断システムの全体構成、画像処理装置のハードウェア構成については上記第１の実施形態と同様であるため、ここでは説明を省略する。

＜１．黄斑部と視神経乳頭部とを含む広画角の断層像について＞
はじめに、黄斑部と視神経乳頭部とを含む広画角の断層像について説明する。図１０は、黄斑部と視神経乳頭部とを含む広画角の断層像を撮像した場合の、ｘｙ平面における撮像範囲を示した図である。

図１０において、１００１は視神経乳頭部を、１００２は黄斑部を示している。視神経乳頭部１００１は、その中心及び中心窩において、内境界膜１０３の深度が極大となり（すなわち、陥凹部となっており）、かつ、網膜血管が存在しているという解剖学的特徴を有している。

一方、黄斑部１００２は、視神経乳頭部１００１から約２乳頭径だけ離れた位置に存在し、その中心及び中心窩において、内境界膜１０３の深度が極大となる（すなわち、陥凹部となっている）という解剖学的特徴を有している。更に、黄斑部１００２の場合、網膜血管は存在せず、中心窩において神経線維層厚が０になるという解剖学的特徴を有している。

このため、断層像から視神経乳頭部と黄斑部とを特定するにあたっては、これらの解剖学的特徴を利用する。なお、広画角の断層像に対する画像解析処理において診断情報データを算出するにあたっては、ｘｙ平面において以下のような座標系を設定する。

一般に、神経節細胞は解剖学的に視神経乳頭部１００１と黄斑部１００２とを結ぶ線分１００３に対して対称に走行することが知られており、正常な患者の眼部の断層像においては、視神経線維層厚の分布も、当該線分１００３に対して対称となっている。そこで、図１０に示すように、視神経乳頭部１００１と黄斑部１００２とを結ぶ直線を横軸とし、当該横軸に直交する軸を縦軸として、直交座標系１００５を設定する。

＜２．各部位の眼部の状態及び眼部特徴と検出対象及び診断情報データとの関係＞
次に、各部位の眼部の状態及び眼部特徴と検出対象及び診断情報データとの関係について説明する。なお、黄斑部における眼部の状態及び眼部特徴と検出対象及び診断情報データとの関係は、上記第１の実施形態において図１を用いて説明済みであるため、ここでは説明を省略する。以下、視神経乳頭部における眼部の状態及び眼部特徴と検出対象及び診断情報データとの関係について、黄斑部との相違点を中心に説明する。

図１１（ａ）、（ｂ）は、ＯＣＴにより撮像された網膜の視神経乳頭部の断層像の模式図（内境界膜１０３の拡大図）である。図１１（ａ）、（ｂ）において、１１０１（または１１０２）は視神経乳頭部の陥凹部である。本実施形態に係る画像処理装置では、黄斑部及び視神経乳頭部を特定するにあたり、それぞれの部位の陥凹部を抽出する。そのため、本実施形態に係る画像処理装置では、視神経乳頭部における診断情報データとして、当該陥凹部の形状について定量化して出力するよう構成されている。具体的には、診断情報データとして、陥凹部１１０１（または１１０２）の面積若しくは体積を算出するよう構成されている。

図１１（ｃ）は、各部位の眼部の状態及び眼部特徴と検出対象及び診断情報データとの関係をまとめた表である。以下、図１１（ｅ）に示す表に基づいて画像解析処理を実行する画像処理装置について詳説する。

＜３．画像処理装置の機能構成＞
図１２は、本実施形態に係る画像処理装置の機能構成を示すブロック図である。上記第１の実施形態に係る画像処理装置２０１（図４）との差異点は、判定部１２５１内において部位判定部１２５６が設けられている点である。また、眼部特徴取得部１２４０が、眼部の状態を判断するための眼部特徴に加え、部位判定部１２５６による部位判定のための眼部特徴を抽出する点である。そこで、以下では、眼部特徴取得部１２４０と、部位判定部１２５６の機能について説明する。

（１）眼部特徴取得部１２４０の機能
眼部特徴取得部１２４０は、上記第１の実施形態の眼部特徴取得部４４０と同様、記憶部４２０から断層像を読み出し、部位判定のための眼部特徴として、内境界膜１０３と神経線維層境界１０４とを抽出するとともに、網膜血管を抽出する。網膜血管は、断層像を深度方向に投影した平面において、任意の公知の強調フィルタを適用することにより抽出される。

（２）部位判定部１２５６の機能
部位判定部１２５６では、眼部特徴取得部１２４０において抽出された部位判定のための眼部特徴に基づいて、眼部の解剖学的部位の判定を行い、視神経乳頭部及び黄斑部を特定する。具体的には、まず、視神経乳頭部の位置を判定するために以下の処理を行う。

はじめに、内境界膜１０３の深度が極大となる位置（ｘ，ｙ座標）を求める。視神経乳頭部及び黄斑部は、ともにその中心及び中心窩において深度が極大値を示すため、両者を区別する特徴として極大値発生位置の近傍、すなわち陥凹部内における網膜血管の有無を調べる。そして、網膜血管が存在する場合には視神経乳頭部と判定する。

続いて、黄斑部を特定する。上述したように、黄斑部の解剖学的特徴としては、
（ｉ）視神経乳頭から約２乳頭径だけ離れた位置に存在する
（ｉｉ）中心窩（黄斑部の中心）において網膜血管が存在しない
（ｉｉｉ）中心窩（黄斑部の中心）において神経線維層厚が０となる
（ｉｖ）中心窩付近に陥凹部が存在する
等が挙げられる（ただし黄斑浮腫などの症例では（ｉｖ）は必ずしも成り立たない）。

従って、視神経乳頭部から約２乳頭径離れた領域において神経線維層厚、網膜血管の有無、内境界膜のｚ座標を求める。そして、網膜血管が存在せず、神経線維層厚が０である領域を黄斑部として特定する。なお、上記の条件に該当する領域が複数存在した場合は、耳側（右眼では視神経乳頭陥凹部よりｘ座標が小、左眼では視神経乳頭陥凹部よりｘ座標が大）で視神経乳頭陥凹部よりやや下側（ｉｎｆｅｒｉｏｒ）に存在するものを黄斑部として選択する。

＜４．画像処理装置における画像解析処理の流れ＞
次に画像処理装置１２０１における画像解析処理の流れについて説明する。図１３は、画像処理装置１２０１における画像解析処理の流れを示すフローチャートである。上記第１の実施形態に係る画像処理装置２０１における画像解析処理（図５）とは、ステップＳ１３２０〜Ｓ１３７５の処理工程のみが相違する。そこで、以下では、ステップＳ１３２０〜Ｓ１３７５の処理工程について説明する。

ステップＳ１３２０では、眼部特徴取得部１２４０が、部位判定のための眼部特徴として断層像から内境界膜１０３と神経線維層境界１０４とを抽出する。また、断層像を深度方向に投影して得られる画像から網膜血管を抽出する。

ステップＳ１３３０では、部位判定部１２５６が、ステップＳ１３２０において抽出された眼部特徴から解剖学的部位の判定を行い、視神経乳頭部と黄斑部とを特定する。

ステップＳ１３４０では、部位判定部１２５６が、ステップＳ１３３０において特定された視神経乳頭部及び黄斑部の位置から、画像解析対象の広画角の断層像における座標系を設定する。具体的には、図１０に示したように、視神経乳頭部１００１と黄斑部１００２を結ぶ直線を横軸、該横軸に直交する軸を縦軸として、直交座標系１００５を設定する。

ステップＳ１３５０では、ステップＳ１３４０で設定した座標系に基づいて、眼部特徴取得部１２４０が、各部位ごとに眼部の状態を判断するための眼部特徴を抽出する。ただし、視神経乳頭部に関しては、視神経乳頭中心から一定距離内にある網膜色素上皮層境界を眼部特徴として抽出する。一方、黄斑部に関しては上記第１の実施形態の場合と同様に、網膜色素上皮層境界１０５、嚢胞１０７、白斑１０８を抽出する。なお、黄斑部における眼部特徴の探索範囲は、黄斑部の中心窩から一定距離の範囲（探索範囲１００４（図１０参照））内に設定されているものとする。ただし、これらの探索範囲は眼部特徴の種類に応じて変えるようにしてもよい。例えば、白斑１０８は網膜血管から漏出した脂質等が集積したものであるため、発生部位は黄斑部に限定されない。このため、白斑に関しては探索範囲を他の眼部特徴の探索範囲よりも広く設定するようにする。

なお、眼部特徴取得部１２４０は、探索範囲１００４内において同一処理パラメータ（例えば処理間隔）で眼部特徴の抽出を実行するように構成されている必要はない。例えば、加齢黄斑変性の好発部位や視力への影響が大きい部位（図１０の探索範囲１００４もしくは黄斑部１００２）においては、処理間隔を細かく設定して抽出を実行するようにしてもよい。これにより、効率的な画像解析処理を行うことが可能となる。

ステップＳ１３５１では、ステップＳ１３５０において抽出された眼部特徴について、種類判定部４５２が、白斑１０８と、嚢胞１０７と、網膜色素上皮層境界１０５と、その他の領域とに分類することで、眼部特徴の種類を判定する。

ステップＳ１３５５では、ステップＳ１３５１において種類判定部４５２が行った眼部特徴の分類結果に応じて、状態判定部４５３が眼部状態の判断を行う。すなわち、眼部特徴が網膜色素上皮層境界１０５のみである（断層像上に白斑１０８及び嚢胞１０７のいずれも存在しない）と判定した場合には、状態判定部４５３はステップＳ１３６０へと進む。一方、眼部特徴に白斑１０８または嚢胞１０７が含まれていると判定した場合には、状態判定部４５３はステップＳ１３７５へと進む。

ステップＳ１３６０では、ステップＳ１３５１において種類判定部４５２により分類された網膜色素上皮層境界１０５について、状態判定部４５３が、歪みの有無を判定する。

ステップＳ１３６０において、網膜色素上皮層境界１０５に歪みがないと判定された場合には、ステップＳ１３７０へと進む。

一方、ステップＳ１３６０において、網膜色素上皮層境界１０５に歪みがあると判定された場合には、ステップＳ１３６５へと進む。

ステップＳ１３６５では、部位判定部１２５６が、ステップＳ１３３０において判定した部位が、視神経乳頭部であったか否かを判定する。ステップＳ１３６５において視神経乳頭部であったと判定された場合には、ステップＳ１３７０に進む。

ステップＳ１３７０では、画像処理装置１２０１が、黄斑部の場合にあっては、嚢胞１０７及び白斑１０８がなく、かつ網膜色素上皮層境界１０５の歪みがない場合（黄斑部が正常である場合）の画像解析アルゴリズム（黄斑部特徴正常時処理）を実行する。つまり、黄斑部特徴正常時処理とは、換言すると、黄斑部における緑内障の有無及び緑内障の進行度等を定量的に診断するのに有効な診断情報データを算出するための処理である。なお、黄斑部特徴正常時処理の詳細は、上記第１の実施形態において図６を用いて説明した眼部特徴正常時処理と基本的に同じであるため、ここでは説明を省略する。

ただし、図６に示す眼部特徴正常時処理では、ステップＳ６２０において、内境界膜１０３と、神経線維層境界１０４もしくは内網状層の外側境界１０４ａと、網膜色素上皮層境界１０５とを取得または検出する処理を行った。これに対して、黄斑部特徴正常時処理（ステップＳ１３７０）では、図１０の探索範囲１００４に含まれる、内境界膜１０３と、神経線維層境界１０４もしくは内網状層の外側境界１０４ａと、網膜色素上皮層境界１０５とを取得または検出する処理を行う。

一方、視神経乳頭部の場合にあっては、ステップＳ１３７０では、嚢胞１０７及び白斑１０８がなく、かつ網膜色素上皮層境界１０５の歪みがある場合（視神経乳頭部が異常である場合）の画像解析アルゴリズム（視神経乳頭部特徴異常時処理）を実行する。つまり、視神経乳頭部特徴異常時処理とは、換言すると、視神経乳頭部における陥凹部の形状を定量的に診断するのに有効な診断情報データを算出するための処理である。

なお、乳頭部特徴異常時処理は、上記第１の実施形態において図６を用いて説明した眼部特徴正常時処理と基本的に同じであるため、ここでは詳細な説明を省略する。ただし、図６に示す眼部特徴正常時処理では、ステップＳ６３０において、定量化部４６２が、ステップＳ６２０において取得した神経線維層境界１０４に基づいて神経線維層１０２の厚みと網膜層全体の厚みとを定量化する処理を行った。これに対して、乳頭部特徴異常時処理では、これらを定量化する処理に代えて、図１１に示すような視神経乳頭部の陥凹部１１０１、１１０２の形状を示す指標を定量化する処理（陥凹部の面積若しくは体積を算出する処理）を行う。

一方、ステップＳ１３５５において、状態判定部４５３が、眼部特徴に白斑１０８または嚢胞１０７が含まれていると判定した場合、あるいはステップＳ１３６５において部位判定部１２５６が黄斑部であると判定した場合には、ステップＳ１３７５に進む。

ステップＳ１３７５では、画像処理部４３０が、黄斑部において眼部特徴として嚢胞１０７、白斑１０８または網膜色素上皮層境界１０５の歪みがあると判定された場合の、画像解析アルゴリズム（黄斑部特徴異常時処理）を実行する。なお、黄斑部特徴異常時処理は、上記第１の実施形態において図７及び図８を用いて説明した眼部特徴異常時処理と基本的に同じであるため、ここでは説明を省略する。

ただし、図８（ｂ）に示す加齢黄斑変性向け処理では、ステップＳ８１５において、処理対象変更部４５４が、検出対象として新たに網膜色素上皮層境界の正常構造１０６を検出するよう層決定部４６１に指示した。これに対して、黄斑部特徴異常時処理では、図１０の探索範囲１００４について正常構造１０６を検出するよう層決定部４６１に指示する。

以上の説明から明らかなように、本実施形態に係る画像処理装置では、取得した広画角の断層像に対して、部位を判定し、判定した部位ごとに、眼部の状態に応じて検出すべき検出対象や検出時の検出パラメータを変更する構成とした。

これにより、広画角の断層像においても、緑内障や加齢黄斑変性、黄斑浮腫等の各種疾病の有無及び当該疾病の進行度を診断するのに有効な診断情報パラメータを高い精度で取得することが可能となった。

［第３の実施形態］
上記第１及び第２の実施形態では、診断情報データとして、神経線維層厚や網膜全体厚、網膜色素上皮層境界実測位置−推定位置間面積（体積）等を算出する構成としたが、本発明はこれに限定されない。例えば、撮像日時（撮像タイミング）の異なる断層像について、それぞれ診断情報データを求めておき、それらを対比することで経時変化を定量化し、新たな診断情報データ（経過診断情報データ）を出力するように構成してもよい。具体的には、撮像日時の異なる２つの断層像について、それぞれの断層像に含まれる所定の位置合わせ対象に基づいて位置合わせを行い、対応する診断情報データ間の差分を求めることで、２つの断層像間の経時変化を定量化する。なお、以下の説明では、位置合わせされる側の断層像を参照画像（Ｒｅｆｅｒｅｎｃｅ Ｉｍａｇｅ）（第１の断層像）、位置合わせのために変形・移動させる断層像を浮動画像（Ｆｌｏａｔｉｎｇ Ｉｍａｇｅ）（第２の断層像）と呼ぶこととする。

なお、本実施形態では、参照画像、浮動画像ともに、上記第１の実施形態で説明した画像解析処理が実行されるこよにより算出された診断情報データが、データサーバ２０２に既に格納されているものとする。

以下、本実施形態の詳細について説明する。なお、画像診断システムの全体構成及び画像処理装置のハードウェア構成については上記第１の実施形態と同様であるため、ここでは説明を省略する。

＜１．眼部の状態及び眼部特徴と位置合わせ対象、経過診断情報データとの関係＞
はじめに、眼部の状態及び眼部特徴と位置合わせ対象及び経過診断情報データとの関係について説明する。図１４（ａ）〜（ｆ）は、ＯＣＴにより撮像された網膜の２つの断層像の模式図である。撮像日時（撮像タイミング）の異なる断層像において位置合わせを行うにあたり、本実施形態に係る画像処理装置では、眼部の状態ごとに、変形しにくい領域を位置合わせ対象として選択する。更に、当該選択した位置合わせ対象を用いることにより、眼部の状態に応じた位置合わせ処理（座標変換法、位置合わせパラメータ、位置合わせ類似度計算の重みが最適化された位置合わせ処理）を浮動画像に対して施していく。

図１４（ａ）、（ｂ）は、ＯＣＴにより撮像された網膜の視神経乳頭部の断層像の模式図（内境界膜１０３の拡大図）である。図１４（ａ）、（ｂ）において、１４０１（１４０２）は視神経乳頭部の陥凹部である。一般に神経線維層１０２や視神経乳頭部の陥凹部周辺の内境界膜１０３は、変形しやすい領域である。このため、視神経乳頭部を含む断層像において位置合わせを行うにあたっては、視神経乳頭部の陥凹部以外の内境界膜１０３、視細胞内節外節境界（ＩＳ／ＯＳ）及び網膜色素上皮層境界を位置合わせ対象として選択する（図１４（ａ）、（ｂ）の太線部分）。

図１４（ｃ）、（ｄ）は、黄斑浮腫の患者の網膜の断層像を示している。黄斑浮腫の場合、変形しにくい領域としては、嚢胞１０７が位置する領域以外の内境界膜１０３と、中心窩付近を除く網膜色素上皮層境界１０５（図１４（ｃ）及び（ｄ）の太線部分）が挙げられる。このため、黄斑浮腫であると判断された断層像において、位置合わせを行うにあたっては、嚢胞１０７が位置する領域以外の内境界膜１０３と、中心窩付近を除く網膜色素上皮層境界１０５とを位置合わせ対象として選択する。

図１４（ｅ）、（ｆ）は、加齢黄斑変性の患者の網膜の断層像を示している。加齢黄斑変性の場合、変形しにくい領域としては、内境界膜１０３と、歪みが位置する領域以外の網膜色素上皮層境界１０５とが挙げられる（図１４（ｅ）及び（ｆ）の太線部分）。このため、加齢黄斑変性であると判断された断層像において、位置合わせを行うにあたっては、内境界膜１０３と、歪みが位置する領域以外の網膜色素上皮層境界１０５とを位置合わせ対象として選択する。

なお、位置合わせ対象はこれに限られず、網膜色素上皮層境界の正常構造１０６を算出した場合にあっては、網膜色素上皮層境界の正常構造を位置合わせ対象としてもよい（図１４（ｅ）、（ｆ）の太点線部分）。

図１４（ｇ）は、上記眼部の状態及び眼部特徴と位置合わせ対象、経過診断情報データとの関係をまとめた表である。以下、図１４（ｇ）に示す表に基づいて画像解析処理を実行する本実施形態に係る画像処理装置について詳説する。

＜２．画像処理装置の機能構成＞
はじめに、図１５を用いて本実施形態に係る画像処理装置１５０１の機能構成について説明する。図１５は、本実施形態に係る画像処理装置１５０１の機能構成を示すブロック図である。上記第１の実施形態に係る画像処理装置２０１（図４）との差異点は、診断情報データ取得部１５６０内において、層決定部４６１に代えて位置合わせ部１５６１が配されている点である。また、定量化部１５６２が、位置合わせ部１５６１において位置合わせした２つの断層像間の経時変化を定量化した経過診断情報データを算出する点である。そこで、以下では、位置合わせ部１５６１と定量化部１５６２の機能について説明する。

（１）位置合わせ部１５６１の機能
位置合わせ部１５６１では、処理対象変更部４５４からの指示（ここでは、眼部の状態に応じた位置合わせ対象についての指示）に基づいて、位置合わせ対象の選択を行う。また、処理方法変更部４５５からの指示（ここでは、眼部の状態に応じた位置合わせ処理についての指示）に基づいて、位置合わせ処理（座標変換法、位置合わせパラメータ、位置合わせ類似度計算の重みが最適化された位置合わせ処理）を実行する。これは、経過観察のために撮像日時の異なる断層像を位置合わせする場合、眼部の状態によって変形しやすい層や組織の種類、範囲が異なってくるからである。

具体的には、状態判定部４５３において、網膜色素上皮層境界１０５の歪みや、白斑１０８、嚢胞１０７が含まれていないと判定された場合には、位置合わせ対象として、視神経乳頭部の陥凹部以外の内境界膜１０３を選択する。また、視細胞内節外節境界（ＩＳ／ＯＳ）及び網膜色素上皮層を選択する。

また、網膜色素上皮層境界１０５の歪みや、白斑１０８、嚢胞１０７が含まれていない場合、網膜の変形は比較的小さくなるため、座標変換方法として剛体変換法を選択する。また、位置合わせパラメータとして並進（ｘ、ｙ、ｚ）及び回転（α、β、γ）を選択する。ただし、座標変換法はこれに限定されず、例えば、Ａｆｆｉｎｅ変換法等を選択するようにしてもよい。更に、網膜血管領域下の（網膜血管よりも深度が大きい領域における）領域（偽像領域）での位置合わせ類似度計算の重みを小さく設定する。

なお、このように網膜血管領域下の偽造領域における位置合わせ類似度計算の重みを小さく設定するのは以下のような理由による。

一般に、網膜血管より深度が大きい領域には輝度値が減弱した領域（偽像領域）が含まれるが、当該偽像領域は、光源の照射方向によりその発生する位置（方向）が異なってくる。このため、参照画像と浮動画像の撮像時の撮像条件の違いによっては偽像領域の発生位置が異なってくる場合がありえる。したがって、位置合わせ類似度計算時には偽像領域に関して重みを小さく設定することが有効となってくる。なお、重みが０とは、位置合わせ類似度計算の処理対象から除外することと等価である。

一方、状態判定部４５３において、嚢胞１０７が含まれていると判定された場合には、位置合わせ部１５６１では、位置合わせ対象として、内境界膜１０３と、中心窩付近を除く網膜色素上皮層境界１０５（図１４（ｃ）及び（ｄ）太線部分）を選択する。

また、その場合、座標変換方法として剛体変換を選択し、位置合わせパラメータとして並進（ｘ、ｙ、ｚ）及び回転（α、β、γ）を選択する。ただし、座標変換法はこれに限定されず、例えば、Ａｆｆｉｎｅ変換法等を選択するようにしてもよい。更に、網膜血管領域下及び白斑領域下の偽像領域における位置合わせ類似度計算の重みを小さく設定する。そして、係る条件もとで、第１の位置合わせ処理を行う。

更に、第１の位置合わせ処理後は、座標変換方法として非剛体変換の一種であるＦＦＤ（Ｆｒｅｅ Ｆｒｏｍ Ｄｅｆｏｒｍａｔｉｏｎ）を選択し、第２の位置合わせ処理を行う。なお、ＦＦＤでは参照画像及び浮動画像を各々局所ブロックに分割し、局所ブロック同士でブロックマッチングを行う。このとき、位置合わせ対象を含む局所ブロックについては、ブロックマッチングにおける探索範囲を第１の位置合わせ処理よりも狭く設定する。

一方、状態判定部４５３において、白斑１０８と、網膜色素上皮層境界の歪みが含まれていると判定された場合には、位置合わせ部１５６１では、位置合わせ対象として、内境界膜１０３と歪みが検出された領域を除く網膜色素上皮層境界１０５とを選択する。具体的には、図１４（ｅ）、（ｆ）の太線部分を選択する。ただし、位置合わせ対象はこれに限られない。例えば、事前に網膜色素上皮層境界の正常構造１０６を求めておき、当該網膜色素上皮層境界の正常構造１０６（図１４（ｅ）、（ｆ）の太点線部分）を選択するようにしてもよい。

また、白斑１０８と、網膜色素上皮層境界の歪みとが含まれていると判定された場合には、座標変換方法として剛体変換を選択し、位置合わせパラメータとして並進（ｘ、ｙ、ｚ）及び回転（α、β、γ）を選択する。ただし、座標変換法はこれに限定されず、例えば、Ａｆｆｉｎｅ変換法等を選択するようにしてもよい。更に、網膜血管領域下及び白斑領域下の偽像領域における位置合わせ類似度計算の重みを小さく設定する。そして、係る条件のもとで、第１の位置合わせを処理を行う。更に、第１の位置合わせ処理後は、座標変換方法としてＦＦＤを選択し、第２の位置合わせ処理を行う。なお、ＦＦＤでは参照画像及び浮動画像を各々局所ブロックに分割し、局所ブロック同士でブロックマッチングを行う。

（２）定量化部１５６２の機能
定量化部１５６２では、位置合わせ処理後の断層像に基づいて、２つの断層像間の経時変化を定量化した経過診断情報パラメータを算出する。具体的には、参照画像及び浮動画像についての診断情報データをデータサーバ２０２より呼び出す。そして、浮動画像についての診断情報データを位置合わせ処理の結果（位置合わせ評価値）に基づいて処理し、参照画像についての診断情報データと対比する。これにより、神経線維層厚、網膜全体厚、網膜色素上皮層境界実測位置−推定位置間面積（体積）についての差分をそれぞれ算出することができる（つまり、定量化部１５６２は、差分算出手段として機能する）。

＜３．画像処理装置における画像解析処理の流れ＞
次に画像処理装置１５０１における画像解析処理の流れについて説明する。なお、画像処理装置１５０１における画像解析処理の流れは、基本的に、上記第１の実施形態に係る画像処理装置２０１の画像解析処理（図５）と同じである。ただし、上記第１の実施形態に係る画像処理装置２０１の画像解析処理（図５）とは、眼部特徴正常時処理（ステップＳ５６０）及び眼部特徴異常時処理（ステップＳ５６５）において相違する。このため、以下では、眼部特徴正常時処理（ステップＳ５６０）及び眼部特徴異常時処理（ステップＳ５６５）の詳細について説明する。なお、眼部特徴異常時処理（ステップＳ５６５）については、図７に示す詳細処理のうち、黄斑浮腫向け処理（ステップＳ７２０）及び加齢黄斑変性向け処理（ステップＳ７２５）のみが相違しているため、以下では、当該処理について説明する。

＜眼部特徴正常時処理の流れ＞
図１６（ａ）は、本実施形態に係る画像処理装置１５０１における眼部特徴正常時処理の流れを示すフローチャートである。

ステップＳ１６１０では、位置合わせ部１５６１が、座標変換法及び位置合わせパラメータの設定を行う。なお、網膜色素上皮層境界の歪みや白斑、嚢胞がないと判定された場合に実行される眼部特徴正常時処理の場合、比較的網膜の変形が小さい浮動画像が画像解析対象となるため、座標変換法として剛体変換法を選択する。また、位置合わせパラメータとして並進（ｘ、ｙ、ｚ）及び回転（α、β、γ）を選択する。

ステップＳ１６２０では、位置合わせ部１５６１が、位置合わせ対象として、視神経乳頭部の陥凹部以外の内境界膜１０３、視細胞内節外節境界（ＩＳ／ＯＳ）及び網膜色素上皮（ＲＰＥ）層を選択する。

ステップＳ１６３０では、網膜血管領域下の偽像領域における位置合わせ類似度計算の重みを小さく設定する。具体的には参照画像及び浮動画像上で網膜血管のｘ、ｙ座標と同じｘ、ｙ座標を持ち、内境界膜１０３よりｚ座標の値が大きな領域それぞれの論理和（ＯＲ）によって規定される範囲に対して、位置合わせ類似度計算時の重みを０以上１．０未満の値に設定する。

ステップＳ１６４０では、位置合わせ部１５６１が、ステップＳ１６１０、Ｓ１６２０及びＳ１６３０にて設定された座標変換法、位置合わせパラメータ、位置合わせ対象及び重みを用いて位置合わせ処理を行うとともに、位置合わせ評価値を求める。

ステップＳ１６５０では、定量化部１５６２が、浮動画像についての診断情報データと参照画像についての診断情報データとをデータサーバ２０２より取得する。浮動画像についての診断情報データを、位置合わせ評価値に基づいて処理したうえで、参照画像についての診断情報データと対比することで、両者の経時変化を定量化し経過診断情報データを出力する。具体的には、網膜全体厚の差分を経過診断情報データとして出力する。

＜黄斑浮腫向け処理の流れ＞
次に、図１６（ｂ）を用いて黄斑浮腫向け処理の詳細について説明する。ステップＳ１６１３では、位置合わせ部１５６１が、座標変換法及び位置合わせパラメータの設定を行う。具体的には、座標変換法として剛体変換法を選択し、位置合わせパラメータとして並進（ｘ、ｙ、ｚ）及び回転（α、β、γ）を選択する。

ステップＳ１６２３では、位置合わせ部１５６１が、位置合わせ対象を変更する。眼部特徴として嚢胞１０７が抽出された場合（眼部の状態が黄斑浮腫であると判断される場合）、黄斑部の中心窩付近で網膜色素上皮層境界が変形している可能性が高い。また、視細胞内節外節境界（ＩＳ／ＯＳ）は疾病の進行に伴い消滅する場合もある。そこで、位置合わせ対象として内境界膜１０３と、中心窩付近を除く網膜色素上皮層境界１０５（図１４（ｃ）及び（ｄ）太線部分）とを選択する。

ステップＳ１６３３では、位置合わせ部１５６１が、網膜血管及び白斑１０８領域下の偽像領域に関して、位置合わせ類似度計算時の重みを小さく設定する。なお、網膜血管領域下の偽像領域に関する類似度計算法は、ステップＳ１６３０と同様であるため、ここでは説明は省略する。

具体的には下記領域の論理和（ＯＲ）によって規定される範囲に関し、位置合わせ類似度計算時の重みを０以上１．０未満に設定する。
・参照画像上で白斑１０８のｘ、ｙ座標と同じｘ、ｙ座標を持ち白斑１０８よりｚ座標の値が大きな領域
・浮動画像上で白斑１０８のｘ、ｙ座標と同じｘ、ｙ座標を持ち白斑１０８のｚ座標よりｚ座標の値が大きな領域
ステップＳ１６４３では、位置合わせ部１５６１が、ステップＳ１６１３〜Ｓ１６３３にて設定された座標変換法、位置合わせパラメータ、位置合わせ対象及び重みを用いて大まかな位置合わせ（第１の位置合わせ処理）を行う。また、位置合わせ評価値を求める。

ステップＳ１６５３では、位置合わせ部１５６１が、精密位置合わせ（第２の位置合わせ処理）を行うために、座標変換方法及び位置合わせパラメータの探索範囲の変更を行う。

ここでは、座標変換法として非剛体変換の一種であるＦＦＤ（Ｆｒｅｅ Ｆｒｏｍ Ｄｅｆｏｒｍａｔｉｏｎ）に変更されるものとする。また、位置合わせパラメータの探索範囲を狭く設定する。なお、ＦＦＤの場合、参照画像及び浮動画像を各々局所ブロックに分割し、局所ブロック同士でブロックマッチングを行う。一方、黄斑浮腫においては、位置合わせの際に目印となる、変形しにくい層の種類や範囲は、図１４（ｃ）、（ｄ）における太線部分となる。そこで、ＦＦＤの実行に際しては、図１４（ｃ）、（ｄ）における太線部分を含む局所ブロックについてブロックマッチング時の探索範囲を狭く設定する。

ステップＳ１６６３では、位置合わせ部１５６１が、ステップＳ１６３３にて設定された座標変換法及び位置合わせパラメータの探索範囲に基づいて精密位置合わせを行うとともに、位置合わせ評価値を求める。

ステップＳ１６７３では、定量化部１５６２が、浮動画像についての診断情報データと参照画像についての診断情報データとをデータサーバ２０２より取得する。浮動画像についての診断情報データを、位置合わせ評価値に基づいて処理したうえで、参照画像についての診断情報データと対比することで、両者の経時変化を定量化し、経過診断情報データを出力する。具体的には、中心窩付近の網膜全体厚の差分を経過診断情報データとして出力する。

＜加齢黄斑変性向け処理の流れ＞
次に、図１６（ｃ）を用いて加齢黄斑変性向け処理の詳細について説明する。ステップＳ１６１５では、位置合わせ部１５６１が、座標変換法及び位置合わせパラメータを設定する。具体的には、座標変換法として剛体変換法を選択し、位置合わせパラメータとして並進（ｘ、ｙ、ｚ）及び回転（α、β、γ）を選択する。

ステップＳ１６２５では、位置合わせ部１５６１が、位置合わせ対象を変更する。眼部特徴として網膜色素上皮層の歪みが抽出された場合（眼部の状態が加齢黄斑変性であると判断された場合）、網膜色素上皮層の歪みが抽出された範囲及びその近傍領域は変形しやすい。また、視細胞内節外節境界（ＩＳ／ＯＳ）は疾病の進行に伴い消滅する場合もありえる。そこで、位置合わせ対象として、内境界膜１０３と歪みが抽出された領域を除く網膜色素上皮層境界１０５と（図１４（ｅ）の太線部分及び図１４（ｆ）の太線部分）を選択する。なお、位置合わせ対象はこれに限られない。例えば、事前に網膜色素上皮層境界の正常構造１０６を求めておき、網膜色素上皮層境界の正常構造１０６（図１４（ｅ）、（ｆ）の太点線部分）を選択するようにしてもよい。

ステップＳ１６３５では、位置合わせ部１５６１が、網膜血管及び白斑１０８領域下の偽像領域の位置合わせ類似度計算時の重みを小さく設定する。なお、位置合わせ類似度計算処理は、ステップＳ１６２３における処理と同様であるので、ここでは詳細な説明は省略する。

ステップＳ１６４５では、位置合わせ部１５６１が、ステップＳ１６１５〜Ｓ１６３５にて設定された座標変換法、位置合わせパラメータ、位置合わせ対象及び重みを用いて大まかな位置合わせ（第１の位置合わせ処理）を行う。また、位置合わせ評価値を求める。

ステップＳ１６５５では、位置合わせ部１５６１が、精密位置合わせ（第２の位置合わせ処理）を行うための座標変換方法及び位置合わせパラメータ空間内の探索方法の変更を行う。

ここでは、ステップＳ１６３５の場合と同様、座標変換法がＦＦＤに変更され、位置合わせパラメータの探索範囲が狭く変更される。なお、加齢黄斑変性において、位置合わせの際に目印となる変形しにくい層の種類や範囲は、図１４（ｅ）、（ｆ）に示す太線部分である。したがって、該太線部分を含む局所ブロックについてのブロックマッチング時の探索範囲が狭く設定されることとなる。

ステップＳ１６６５では、位置合わせ部１５６１が、ステップＳ１６５５にて設定された座標変換方法及び位置合わせパラメータの探索範囲に基づいて精密位置合わせを行い、位置合わせ評価値を求める。

ステップＳ１６７５では、浮動画像についての診断情報データと参照画像についての診断情報データとをデータサーバ２０２より取得する。浮動画像についての診断情報データを、位置合わせ評価値に基づいて処理したうえで、参照画像についての診断情報データと対比することで、両者の経時変化を定量化し経過診断情報データを出力する。具体的には、網膜血管に相当する領域、すなわち網膜色素上皮層境界実測位置−推定位置間面積（体積）の差分を経過診断情報データとして出力する。

以上の説明から明らかなように、本実施形態に係る画像処理装置では、撮像日時の異なる断層像について、眼部の状態に応じた位置合わせ対象を用いて位置合わせを行い、断層像間の経時変化を定量化する構成とした。

このように、眼部の状態に応じた画像解析アルゴリズムを実行することにより、緑内障や加齢黄斑変性、黄斑浮腫等の各種疾病の進行度を診断するのに有効な経過診断情報パラメータを、眼部の状態に関わらず高い精度で算出することが可能となった。

［他の実施形態］
また、本発明は、以下の処理を実行することによっても実現される。即ち、上述した実施形態の機能を実現するソフトウェア（プログラム）を、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給し、そのシステム或いは装置のコンピュータ（またはＣＰＵやＭＰＵ等）がプログラムを読み出して実行する処理である。

Claims (12)

1. 眼部の断層像を処理する画像処理装置であって、
   前記眼部における疾病の状態を前記断層像の情報から判断する判断手段と、
   前記判断手段により判断された前記眼部における疾病の状態に応じて、前記疾病の状態を定量的に示すための診断情報データの算出において用いられる検出対象または該検出対象を検出するためのアルゴリズムを変更する検出手段と
   を有することを特徴とする画像処理装置。
2. 前記検出対象には、前記断層像の所定の層が含まれ、
   前記所定の層の形状が変化していた場合、または前記断層像に所定の組織を含まれていた場合に、前記検出手段は、前記検出対象に含まれる前記所定の層を検出するための検出パラメータを変更したうえで、前記所定の層を再検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. 前記所定の層の形状の変化の有無には、前記眼部を構成する網膜色素上皮層の歪みの有無が含まれ、前記所定の組織の有無には、白斑の有無または嚢胞の有無が含まれることを特徴とする請求項２に記載の画像処理装置。
4. 前記判断手段は、
   前記眼部を構成する網膜色素上皮層の歪みがなく、かつ、前記白斑及び前記嚢胞がないと判定した場合に、第１の状態であると判断し、
   前記眼部を構成する網膜色素上皮層の歪みがある、または、前記嚢胞はないが前記白斑はあると判定された場合に、第２の状態であると判断し、
   前記嚢胞があると判定された場合に、第３の状態であると判断し、
   前記検出手段は、
   前記判断手段において前記第１の状態であると判断された場合には、前記検出対象として、内境界膜と、神経線維層境界と、網膜色素上皮層境界とを検出し、
   前記判断手段において前記第２の状態であると判断された場合には、前記検出対象として、内境界膜と、網膜色素上皮層境界と、前記網膜色素上皮層の歪みがないと仮定した場合の網膜色素上皮層境界と検出し、
   前記判断手段において、前記第３の状態であると判断された場合には、前記検出対象として、内境界膜と、網膜色素上皮層境界とを検出することを特徴とする請求項３に記載の画像処理装置。
5. 前記検出手段は、
   前記判断手段において、前記眼部を構成する網膜色素上皮層の歪みがあると判定された場合には、該歪みがある領域の前記網膜色素上皮層境界を検出するための検出パラメータを変更したうえで、該網膜色素上皮層境界を再検出し、
   前記判断手段において、前記白斑があると判定された場合には、該判定された白斑に対して、深度方向に深い位置にある前記網膜色素上皮層境界を検出するための検出パラメータを変更したうえで、該網膜色素上皮層境界を再検出することを特徴とする請求項４に記載の画像処理装置。
6. 前記算出手段は、
   前記判断手段において前記第１の状態であると判断された場合には、前記診断情報データとして、神経線維層厚と、網膜全体厚とを算出し、
   前記判断手段において前記第２の状態であると判断された場合には、前記診断情報データとして、網膜全体厚と、前記網膜色素上皮層境界と該網膜色素上皮層の歪みがないと仮定した場合の網膜色素上皮層境界との間の領域の面積または体積と、を算出し、
   前記判断手段において前記第３の状態であると判断された場合には、前記診断情報データとして、網膜全体厚を算出することを特徴とする請求項４に記載の画像処理装置。
7. 内境界膜の陥凹部を抽出することにより、前記眼部の視神経乳頭部と黄斑部とを抽出し、該陥凹部における網膜血管の有無及び神経線維層厚に基づいて、視神経乳頭部と黄斑部とをそれぞれ特定する特定手段を更に有し、
   前記眼部の断層像は、前記特定手段により特定された各部位ごとに処理が実行されることを特徴とする請求項４に記載の画像処理装置。
8. 前記算出手段により、前記診断情報データが算出された第１の断層像と、前記算出手段により、前記診断情報データが算出された断層像であって、該第１の断層像とは撮像タイミングの異なる第２の断層像とを、位置合わせする位置合わせ手段と、
   前記位置合わせ手段により位置合わせされた前記第１及び第２の断層像それぞれにおいて特定されている前記位置情報の差異を求めることにより、前記第１及び第２の断層像の診断情報データの差分を表す経過診断情報データを算出する差分算出手段と
   を有することを特徴とする請求項４に記載の画像処理装置。
9. 前記位置合わせ手段は、
   前記検出手段により検出された前記検出対象のうち、前記判断手段において判断された前記眼部の疾病の状態に応じて選択される領域を基準として位置合わせを行い、
   前記判断手段において判断された前記眼部の疾病の状態に応じて選択される処理方法を用いて位置合わせを行うことを特徴とする請求項８に記載の画像処理装置。
10. 眼部の断層像を処理する画像処理装置における画像処理方法であって、
    判断手段が、前記眼部における疾病の状態を前記断層像の情報から判断する判断工程と、
    検出手段が、前記判断工程において判断された前記眼部における疾病の状態に応じて、前記疾病の状態を定量的に示すための診断情報データの算出において用いられる検出対象または該検出対象を検出するためのアルゴリズムを変更する検出工程と
    を有することを特徴とする画像処理方法。
11. 請求項１０に記載の画像処理方法の各工程をコンピュータに実行させるためのプログラム。
12. 請求項１０に記載の画像処理方法の各工程をコンピュータに実行させるためのプログラムを記憶した記憶媒体。

Images