JP2011156030A - 眼科装置及び画像分類方法 - Google Patents

Abstract

【課題】簡単な構成で、信頼性よくドライアイにおける涙液異常を定量的に測定し、ドライアイのタイプを分類することが可能な眼科装置を提供する。
【解決手段】照明光を被検眼角膜上の涙液油層に投光し、その反射光を受光して涙液油層を撮像する。撮像された涙液油層の画像を処理して開瞼時点での涙液油層の伸展初速度Ｈ’を測定する。また、撮像された涙液油層の画像を処理して開瞼後涙液油層が破壊されてダークエリアＴが出現するまでの時間を測定する。ダークエリアの出現時間をＹ軸に、涙液油層の伸展初速度Ｈ’（０）をＸ軸にプロットして、ドライアイのタイプを分類する。このような構成では、ドライアイのタイプを分類および判定することができるため、ドライアイのタイプに合わせた診断、治療をすることが可能となる。
【選択図】図９

Description

本発明は、眼科装置及び画像分類方法、更に詳細には、涙液の量と質の異常を定量的に測定してドライアイのタイプを分類する眼科装置及び画像分類方法に関する。

近年、ＶＤＴ（ｖｉｓｕａｌ ｄｉｓｐｌａｙ ｔｅｒｍｉｎａｌ）作業者の増加や冷暖房による部屋の乾燥などによりドライアイ患者が増加している。ドライアイになると角膜上皮障害や結膜障害、その他にも種々の眼障害を併発するおそれがあり、ドライアイの診断は眼科診断の上で重要なテーマとなっている。

従来は、生体染色検査、シルマーテストによる涙液分泌量検査などによりドライアイの診断を行なっていたが、薬物点眼や異物接触を伴うため検査結果の再現性や客観性に問題があったり、被検者の苦痛が避けられなかった。

そこで、非接触的にドライアイを検出するために、被検眼開瞼後に涙液層が破壊されて発生するドライスポット領域の経時的変化を、ドライスポット領域の面積比データの経時的変化として把握し、そのドライスポット領域の経時変化をモニタに表示することによりドライアイの涙液の安定性の異常を検査することが行われている（特許文献１）。

また、ドライアイにおける涙液異常を定量的に評価するために、涙液油層の表面と裏面の反射光の干渉による干渉模様の強度を測定し、その測定値からドライアイにおける涙液異常を示す値を演算したり（特許文献２）、あるいは、干渉模様の像に複数のエリアを設定し、各エリアの色相に基づいて涙液表層を評価したり（特許文献３）、あるいは干渉縞の色相の経時変化を解析してドライアイを診断することが行われている（特許文献４）。また、角膜上の涙液油層を撮像し、開瞼時点での涙液油層の移動速度を算出してドライアイにおける涙液異常を診断することが行われている（特許文献５）。

更に、フルオレセインで染色せずに涙液層を観察して、涙液層が破壊されてダークエリア（ＤＡＲＫ−ＡＲＥＡ）が発生するまでの時間、すなわちＮＩＢＵＴ（Ｎｏｎ−Ｉｎｖａｓｉｖｅ Ｂｒｅａｋｅ Ｕｐ Ｔｉｍｅ）を測定して、ドライアイにおける涙液異常を評価することが行われている（非特許文献１）。

特許第３６９９８５３号公報 特開２０００−２８７９３０号公報 特許第３５５６０３３号公報 特許第３７１８１０４号公報 特開２００７−２０９３７０号公報

「ドライアイ診療ＰＰＰ、角結膜上皮の検査／フルオレセイン染色」ドライアイ診療のための検査」（２００２年５月１日、編集ドライアイ研究会；発行者中尾俊治、発行所株式会社メジカルビュー社）、４１頁から４５頁

このような従来の装置により涙液層の油層により形成される干渉縞を測定して評価する方法（特許文献２、３、４）は、干渉縞の明暗のコントラストが低く、ドライアイにおける涙液異常の信頼性のある定量化が困難であるという問題があり、また、特許文献１に示されるような、被検眼開瞼後に涙液層が破壊されて発生するドライスポットの経時的変化を測定する方法では、ドライスポットの特定が困難で、同様に定量化が困難であるという問題がある。また、特許文献５の方法や非特許文献１のＮＩＢＵＴ方法を用いても、ドライアイのタイプの分類を細かく選定することはできなかった。

したがって、本発明は、このような問題点を解決するためになされたもので、簡単な構成で、信頼性よくドライアイにおける涙液異常を定量的に測定し、ドライアイのタイプを分類することが可能な眼科装置及び画像分類方法を提供することを課題とする。

本発明（請求項１）は、
照明光を被検眼角膜上の涙液油層に投光する光学系と、涙液油層からの反射光を受光し、涙液油層を撮像する撮像手段と、を有する眼科装置であって、
撮像された涙液油層の画像を処理して開瞼時点での前記涙液油層の移動速度を測定する第１測定手段と、
撮像された涙液油層の画像を処理して開瞼後前記涙液油層が破壊されて破壊領域が出現するまでの時間を測定する第２測定手段と、
前記第１と第２測定手段の測定結果から被検眼のドライアイのタイプを分類する分類手段と、を備えたことを特徴とする。

また、本発明（請求項５）は、
撮像された被検眼角膜上の涙液油層の画像を処理して被検眼のドライアイのタイプを分類する方法であって、
撮像された涙液油層の画像を処理して開瞼時点での前記涙液油層の移動速度を測定し、
撮像された涙液油層の画像を処理して開瞼後前記涙液油層が破壊されて破壊領域が出現するまでの時間を測定し、
前記２つの測定結果から被検眼のドライアイのタイプを分類することを特徴とする。

本発明では、撮像された涙液油層の画像を処理して得られる開瞼時点での涙液油層の移動速度と、開瞼後被検眼角膜上の涙液油層が破壊されて生じる破壊領域が出現するまでの時間に基づいて、ドライアイのタイプの分類を行うので、どのタイプのドライアイであるかの判定が容易になり、ドライアイの涙液異常に合わせた診断、治療をすることが可能となる、という効果が得られる。

本発明の眼科装置の概略構成を示した光学図である。 涙液油層の伸展を示した説明図である。 本発明による処理の流れを示したフローチャートである。 角膜上の涙液油層の移動距離を求める流れを示した説明図である。 角膜上のダークエリアの面積を求める流れを示した説明図である。 角膜上の涙液油層の移動距離の経時変化を示した線図である。 モデル化した涙液油層の経時変化を示す線図である。 角膜上の涙液油層をモデル化する状態を示した説明図である。 ドライアイのタイプの分類を示す説明図である。

本発明は、二つの測定方法でドライアイにおける涙液異常を測定し、それぞれの結果をもとにドライアイのタイプを分類するもので、以下、図面に示す実施例に基づいて本発明を詳細に説明する。

図１は、本発明に係わる眼科装置の概略構成を示し、同図において、符号１で図示するものは、被検眼Ｅを照明するための白色光源でハロゲンランプ等によって構成される。白色光源１から射出された光は、照明視野を制限するマスク２を通過後、レンズ３、ハーフミラー４、レンズ５を介して被検眼Ｅ上の所定点Ｐを照明する。点Ｐの位置は被検眼Ｅの角膜上の涙液層に選択される。なお、白色光源１は調光回路（不図示）により光量が調節できるようになっている。

点Ｐからの反射光は、涙液層の最上層の油層（油膜）の厚みその他の状態により種々の干渉模様を形成する。涙液油層からの反射光は、レンズ５、ハーフミラー４、レンズ６を介してカラーＣＣＤカメラ（撮像手段）７に受光され、涙液油層がＣＣＤカメラ７によりカラー画像（ＲＧＢ画像）として撮像され、その画像信号（ＲＧＢ信号）が画像処理装置８の画像メモリ８ｂに記憶される。画像処理装置ないしそのＣＰＵ８ａは、以下に詳述するように、画像メモリ８ｂに記憶された画像を処理して、開瞼時点での涙液油層の移動速度を測定する測定手段（第１測定手段）を構成する。モニタ９には、撮像された画像や処理された画像が表示される。

図２に示したように、涙液油層１０は、開瞼後上から下に示したように角膜１１上で伸展する。なお、１０ａは、涙液油層１０の表面と裏面の反射光の干渉による油膜パターン（干渉模様）を示し、２ａは、マスク２の画像を示す。画像処理装置８は、この涙液油層１０の伸展度合いを、図３のフローチャートに沿って解析する。

図３のフローチャートに示す各手順は、画像処理装置８のＲＯＭ８ｃにプログラムとして格納されており、ＣＰＵ８ａは、このプログラムを読み出して各手順を実行する。このとき、ＲＡＭ８ｄは、作業用メモリを提供し、種々のデータを格納する。

まず、ＣＣＤカメラ７で撮像された涙液油層のカラー画像を、例えば０．０５秒ごとにサンプリングし、各サンプリングされた画像を順次画像メモリ８ｂに記録する（ステップＳ１）。

続いて、画像メモリ８ｂからサンプリングされた涙液油層のカラー画像を読み出す（ステップＳ２）。このとき、瞬き開始時点（瞬き開始位置）と終了時点（終了位置）を設定しておく。

瞬き開始時点、つまり開瞼時点の画像から終了時点までの画像を画像メモリ８ｂから順次読み出し、終了時点の画像でなければ（ステップＳ３の否定）、ステップＳ４に進み、読み出された画像の輝度成分を抽出する。

続く、ステップＳ５では、３×３平均化フィルタを用いて涙液油層１０の画像からノイズが除去され、またメディアンフィルタを用いて油膜パターン１０ａが除去され、涙液油層の画像の平滑化が行われる。メディアンフィルタとしては、画像が均一レベルかあるいは暗い油膜が増加する場合は、２０×２０メディアンフィルタを、また明るい油膜が増加する場合は、１０×１０メディアンフィルタを用いる。図４（ａ）は、涙液油層１０の伸展が進んだ初期状態での画像を示し、図４（ｂ）は、ステップＳ５の処理により油膜パターン１０ａとノイズが除去されたときの平滑化された画像を示している。

続いて、ステップＳ６では、涙液油層１０の輪郭、つまり涙液油層の部分で輝度が変わる変曲点が抽出される。このために、図４（ｃ）に示したように、画像がスキャン線１２で、垂直方向（Ｙ）に上から下へ、また水平方向（Ｘ）に左から右へラインスキャンされる。

ここで、ｘを垂直方向の対象アドレス、ｙを水平方向の対象アドレス、ｎを対象アドレスから上下方向移動分、ｍを比較幅とすると、垂直方向アドレスｉにおける、垂直方向アドレスｎ前の、幅ｍの画像の輝度総和ＳｕｍＰｒｅｖ（ｉ）は、

となり、また、垂直方向アドレスｉにおける、垂直方向アドレスｎ後の、幅ｍの画像の輝度総和ＳｕｍＡｆｔｅｒ（ｉ）は、

となる。涙液油層１０の平滑化された画像の輝度は、被検眼の照明状況によっては、角膜１１の輝度より小さくなり、あるいは大きくなる場合があるので、両方の差の絶対値を求め、それが、所定の閾値より大きくなれば、つまり
｜ＳｕｍＰｒｅｖ（ｘ，ｙ）−ＳｕｍＡｆｔｅｒ（ｘ，ｙ）｜＞閾値
であれば、これを変曲点ｙ（ｘ）とする。これを 各ｘ＝０〜Ｘｗｉｄｔｈ（水平方向の画像サイズ）におけるｙ＝０〜Ｙｗｉｄｔｈ（垂直方向の画像サイズ）で行い、順次変曲点を検出する。但し、眉毛、マスク２等の画像を避けるために、ＳｕｍＰｒｅｖ（ｘ，ｙ）＞黒閾値、ＳｕｍＡｆｔｅｒ（ｘ，ｙ）＞黒閾値の条件を満たすものを選択する。

このようにして検出された変曲点が図４（ｃ）で、１０ｂで示されている。なお、この変曲点の検出で、例えば、スキャン線１２ａのように、ノイズ１３を変曲点として検出したり、あるいはスキャン１２ｂのように、変曲点を検出できない場合には、前後の変曲点で補間を行い、変曲点とする（ステップＳ７）。

本発明では、涙液油層１０の移動距離（伸展距離）を測定して、開瞼時点での涙液油層の移動速度、つまり涙液油層の伸展初速度を求め、ドライアイにおける涙液異常を定量化する。涙液油層１０の移動距離は、一つのスキャン線、例えば角膜画像の中央を走査するスキャン線での変曲点１０ｂからそのスキャン線に沿った下側のマスク２の画像２ａ（黒部分）までの輝度値がある部分のドットをカウントすることにより求めることできる。あるいは、涙液油層１０の移動距離は、一つのスキャン線前後の数本のスキャン線で得られる各変曲点からマスク画像２ａまでの距離の平均値、あるいは角膜画像を走査するすべてのスキャン線１２で得られる各変曲点１０ｂからマスク画像２ａまでの距離の平均値とすることができる。このようにして涙液油層の移動距離を求めたら、それをＲＡＭ８ｄに格納するようにする（ステップＳ８）。

サンプリングしたすべての画像について、ステップＳ８で示す移動距離を求めた場合には、ステップＳ３からステップＳ１０に移行して、各サンプリング時点（時間ｔ）と移動距離Ｈの関係をプロットする。この関係が図６で丸点によって図示されている。この曲線からＬｅｖｅｎｂｅｒｇ−Ｍａｒｑｕａｒｄｔ法により、図６で実線で示したような指数関数Ｈ（ｔ）＝ρ［１−ａ＊ｅｘｐ（−ｔ／λ）］を取得する。ここで、Ｈ（ｔ）は距離（ｍｍ）、ρ、ａは定数、ｔは時間（ｓｅｃ）、λは緩和時間（ｓｅｃ）である。

このように、涙液油層１０は、開瞼後角膜上で伸展するが、その伸展挙動は、指数関数で近似できる。したがって、涙液油層を粘弾性体として取り扱い、その伸展挙動をレオロジーモデル、つまりフォークトモデル（Ｖｏｉｇｔ ｍｏｄｅｌ）を用いて解析することができる。

図８は、涙液油層のモデル化を説明するために、眼球２０上の涙液油層２１を図式化したもので、涙液油層２１の左端は固定されており、この涙液油層２１に応力σ（単位面積あたりの力）が作用するものとする。また、眼球２０と涙液油層２１間の摩擦は無視するものとする。このとき涙液油層２１の伸びは、応力σに対する歪ε（伸びた量／もとの長さ：無次元量）と見ることができる。涙液油層に加わる応力σと歪εの関係は、

となる。ただし、ｋは弾性係数（ばね係数）、ｂは減衰係数、ｔは時間で、数３を積分すると、

となる。ただし、Ｃは定数である。縦軸に歪εを、横軸に時間ｔをとってこの関係を図示すると、図７に示したようになり、涙液油層を一定の応力で引き上げたときの涙液油層の歪ε（長さの変化）を表している。図７でλは緩和時間を示している。

ここで、被検眼として、マイボーム腺機能不全を伴わない健常眼で、ドライアイを含む１６例２２眼（全例女性；平均年齢：６７．４歳）を選び、各被検眼について、図３に示す流れに沿って、０．０５秒ごとにサンプリングされた各涙液油層の画像から、伸展中の涙液油層１０の移動距離Ｈの経時変化を求めてみると、すべての経時変化に対して、図６に示す特性が現れ、涙液油層を粘弾性体とみなして涙液油層の伸展をフォークトモデルにより解析できることが判明した。

図３のステップＳ１１では、涙液油層の移動距離の経時変化をフォークトモデルにあてはめて解析し、涙液油層の伸展初速度（開瞼時点での油層移動距離の時間変化率）、つまりステップＳ１０で求めた指数関数の時間ｔ＝０における１次微分Ｈ’（０）＝ｄＨ（０）／ｄｔ（ｔ＝０）（ｍｍ／ｓｅｃ）を求めている。

特開平１１−２６７１０２号公報には、涙液表面に投影された開口の像倍率を求め、この像倍率から下眼瞼縁に沿った涙液表面（涙液メニスカス）の曲率半径Ｒを演算し、その曲率半径Ｒからドライアイの症状を評価する方法が記載されており、この曲率半径Ｒは、信頼性よく眼表面に貯留する涙液量を示す値として用いることが判明している。

そこで、上述した各被検眼に対して、涙液メニスカス曲率半径Ｒ（ｍｍ）を計測し、これを、ステップＳ１１で求めた涙液層の伸展初速度Ｈ’（０）の関係を調べてみると、Ｈ’（０）とＲとの間には、有意な正の直線相関が認められた。

このことから、すべての被検眼に対して、涙液油層は、開瞼後粘弾性体に近似しうる挙動を示しながら伸展し、その伸展初速度は涙液貯留量の増加に比例して増加することが判明した。

このように、本発明では、伸展挙動（油層移動距離の経時変化）をレオロジーモデルを用いて解析することにより、涙液量を、開瞼時点（ｔ＝０）における涙液油層の移動距離の時間変化率、つまり 開瞼時点での前記涙液油層の移動速度（油層伸展初速度）が測定される。

また、本発明では、フルオレセインで染色しないＮＩＢＵＴ（Ｎｏｎ−Ｉｎｖａｓｉｖｅ Ｂｒｅａｋｅ Ｕｐ Ｔｉｍｅ）方法で破壊領域（ダークエリア）の出現時間を測定し、ドライアイにおける涙液の安定性の低下を評価する。

この測定では、被検者を数回瞬目させ、涙液層が安定したころを見計らい自然に開瞼させて瞬目をしないように被検者に指示して、その状態で前眼部を動画撮影（または短い時間間隔で連続して静止画撮影）し、得られた画像の時間的変化を測定してダークエリアが出現する時間を測定する。この場合、画像処理装置８ないしそのＣＰＵ８ａが涙液油層が破壊されて生じるダークエリアが出現するまでの時間を測定する測定手段（第２測定手段）となる。

このダークエリア出現時間の測定は、図３のステップＳ５から分岐して行われるステップＳ２０〜Ｓ２５のループ処理を介して、涙液油層の移動速度の測定と同時に行うようにする。しかし、最適な条件下でダークエリア出現時間の測定を行うために、涙液油層の移動速度の測定と別個に行うようにしてもよい。

ステップＳ２０では、ステップＳ６の処理と平行して画像がスキャン線１２で、垂直方向（Ｙ）に上から下へ、また水平方向（Ｘ）に左から右へラインスキャンされ、黒側変曲点抽出処理が行われる。図５（ａ）に示したように、領域１４では輝度値が急減し（所定値以上減少し）、続いて輝度値が上昇して復元するので、その輝度値が低くなる領域のドットをカウントして領域１４の面積Ａを計算する。

この面積Ａが所定の値以上のときは、ダークエリアである可能性があるので、その位置Ｐと面積ＡをＲＡＭ８ｄに保存する（ステップＳ２１）。位置Ｐとしては、領域１４の中心位置とすることができる。

次に、終了画像でなければ（ステップＳ２２の否定）、次画像の位置Ｐにおける領域１４の面積Ａを計算し、保存してあった前画像の領域１４の面積との差ΔＡを計算する（ステップＳ２３）。そして、ΔＡが正の一定値以上の値となっているかを判断する（ステップＳ２４）。

図５に示した例では、領域１４の部分は次画面では消滅しているので、ΔＡは負の値となり、ステップＳ２４の条件を満たさないので、領域１４はダークエリアとは判断されない。従って、ダークエリアの出現時間Ｔを初期化して（ステップＳ２５）、ステップＳ２０に戻り、同様な黒側変曲点抽出処理を行う。

図５（ｂ）に示した画像では、スキャン線１２ｃにより領域１５がダークエリアである可能性がある画像と判断されるので、その位置Ｐと面積Ａを保存して、次画像の領域１５の面積との差ΔＡを計算する（ステップＳ２３）。図５（ｃ）は図５（ｂ）の次の画像、図５（ｄ）は図５（ｃ）の次の画像を示しており、領域１５は時間の経過に従って増加しているので、ステップＳ２４の条件を満たし、領域１５はダークエリアと判断されるので、その出現時間ＴをＲＡＭ８ｄに保存する。

なお、図５の例では、ダークエリアは一箇所しか出現していないが、複数出現する場合には、その位置Ｐに対してそれぞれステップＳ２４の判断を行い、一番早くその判断を満たした時間をダークエリア出現Ｔとして保存することができる。

また、ステップＳ２４の判断は、前画像との面積差をΔＡとしているが、所定数画像（例えば、２〜３画像のように複数画像）前との画像差をΔＡとするようにしてもよい。

このようにダークエリアの出現時間Ｔを測定した場合（ステップＳ２４のＹ）は、あるいはダークエリアが検出できず画像が終了した場合（ステップＳ２２のＹ）、ステップＳ３０に移行して、ステップＳ１１で算出した涙液油層の伸展初速度Ｈ’（０）を横軸（Ｘ）に、ダークエリアの出現時間（ＮＩＢＵＴ）Ｔを縦軸（Ｙ）にプロットする。

本実施例では、ＸＹ座標のＸ、Ｙにそれぞれプロットした涙液油層の伸展初速度Ｈ’とダークエリアの出現時間Ｔに応じて２次元マップを作成してドライアイのタイプを分別する（ステップＳ３１）。

図９には、涙液油層の伸展初速度Ｈ’（０）とＮＩＢＵＴ方法によるダークエリアの出現時間Ｔに応じて、ドライアイのタイプが、「涙液減少型ドライアイ（ＡＴＤ：Ａｑｕｅｏｕｓ Ｔｅａｒ Ｄｅｆｉｃｉｅｎｃｙ）」、「ＢＵＴ（Ｂｒｅａｋｅ Ｕｐ Ｔｉｍｅ）短縮型ドライアイ」、「蒸発亢進型ドライアイ」、「治療後のＡＴＤ」、「正常（流涙症眼を含む）」の５つのタイプに分類されている。

「涙液減少型ドライアイ（ＡＴＤ）」は、涙液量が減少するタイプのドライアイであり、油層伸展初速度とダークエリアの出現時間Ｔとほぼ比例関係にあり、油層伸展初速度が速くなるに従い出現時間も長くなるという特徴があり、右上に伸びる細長楕円状の領域で囲まれたタイプである。

「ＢＵＴ短縮型ドライアイ」は、涙液層が破壊されてダークエリア（ＤＡＲＫ−ＡＲＥＡ）が発生するまでの時間が短いタイプのドライアイであり、油層伸展初速度は速く出現時間は短いので、右下側に位置し、略円形状の領域で囲まれたタイプである。

「蒸発亢進型ドライアイ」は、涙液の蒸発が亢進するタイプのドライアイであり、油層伸展初速度はＢＵＴ短縮型ドライアイの場合と同様であり、ダークエリアの出現時間はＢＵＴ短縮型ドライアイの場合より長いタイプである。このタイプのうち、マイボーム腺機能不全によるものは油層が薄いので、高倍モードで涙液油層を観察することで識別することができる。尚、特殊な例として、重症ＡＴＤにプラグを入れた場合も含まれる。

「治療後のＡＴＤ」は、例えばムチンを分泌させる又は涙液量を増やす点眼薬によって治療された場合に分類される涙液減少型ドライアイ（ＡＴＤ）であり、油層伸展初速度が遅い一方で、ダークエリアの出現時間が長くなるという特徴があり、涙液減少型ドライアイの左上側に位置し略円形状の領域で囲まれたタイプである。油層伸展初速度が遅い（角膜上の涙液層が薄い、すなわち角膜上の涙液の水分量が少ない）のに、ダークエリアの出現時間が長い（涙液層が安定している）ことは、治療効果があったことを示しており、新薬開発に有用な情報をもたらすことになる。

「正常」は、流涙症眼を含むドライアイのない眼である。

なお、図９で円又は楕円で示した領域は、各ドライアイのタイプの限界を示すものでなく、その特徴を示す領域を定性的に、図式的に示したもので、各領域間の空白部の領域は、例えば、測定結果に従って最も近い領域のタイプに分類することができる。

油層伸展初速度は、角膜上の涙液の厚みと相関する（角膜上の涙液層が薄いと油層伸展は悪くなり、その初速度は遅くなる）ので、涙液の量を示す指標となっている。一方、ダークエリアの出現時間（ＮＩＢＵＴ）は、その時間が早いと、涙液がすぐ破壊して安定が悪く、遅いと涙液が安定していることを示しているので、ダークエリアの出現時間は涙液の質、つまり涙液の安定性を示す指標となっている。

本実施例では、一方の軸（Ｘ軸）に涙液の量を示す指標をとり、他方の軸（Ｙ軸）に涙液の質を示す指標をとって、ドライアイのタイプを分類している。従って、図９に示すように、どのタイプのドライアイであるかの判定が容易になり、ドライアイのタイプに合わせた診断、治療をすることが可能となる。

なお、上述した実施例では、涙液油層の移動距離を求めて涙液油層の移動速度（伸展初速度）を測定したが、涙液油層の面積の経時変化を測定して伸展初速度を算出するようにしてもよい。

涙液油層の面積は、図３のステップＳ６、Ｓ７の後、検出された変曲点を結んだ図４（ｃ）に示す変曲点ライン１０ｃより下側の面積として、つまり変曲点ライン１０ｃより下で、マスク２の画像２ａ（黒部分）までの輝度値がある部分のドット数（画素数）をカウントすることにより求められる。サンプリングしたすべての画像について、面積を求めた場合には、各サンプリング時点（時間ｔ）と面積Ｓの関係をプロットすると、図６に示したのと同様な指数関数を取得することができ、開瞼時点での油層面積の時間変化率）、つまり取得した指数関数の時間ｔ＝０における１次微分Ｓ’（０）＝ｄＳ（ｔ）／ｄｔ（ｔ＝０）（ｍｍ^２／ｓｅｃ）を求めて、涙液油層の伸展初速度とすることができる。

このように、ドライアイの症状は、
（１）油層伸展初速度（移動距離Ｈで見る方法）
（２）油層伸展初速度（面積Ｓで見る方法）
（３）ダークエリアの出現時間（ＮＩＢＵＴ）
を測定することにより定量化できる。

また、ドライアイの症状は、
（４）涙液油層の到達距離（図６の移動距離Ｈｍａｘ）
を測定することによっても定量化でき、また特開平１１−２６７１０２号公報などに記載されているように、
（５）下眼瞼縁に沿った涙液表面（涙液メニスカス）の曲率半径Ｒ
を演算し、その曲率半径Ｒからドライアイの症状を定量化できる。

図９には、（１）、（３）のパラメータを用いてドライアイのタイプを分類したが、（１）〜（５）のいずれか２つあるいは３つを組み合わせてドライアイのタイプを分類するようにしてもよい。

２ マスク
７ ＣＣＤカメラ
８ 画像処理装置
１０ 涙液油層
１１ 角膜
１５ ダークエリア

Claims (8)

1. 照明光を被検眼角膜上の涙液油層に投光する光学系と、涙液油層からの反射光を受光し、涙液油層を撮像する撮像手段と、を有する眼科装置であって、
   撮像された涙液油層の画像を処理して開瞼時点での前記涙液油層の移動速度を測定する第１測定手段と、
   撮像された涙液油層の画像を処理して開瞼後前記涙液油層が破壊されて破壊領域が出現するまでの時間を測定する第２測定手段と、
   前記第１と第２測定手段の測定結果から被検眼のドライアイのタイプを分類する分類手段と、
   を備えたことを特徴とする眼科装置。
2. 前記第２測定手段は、複数枚撮像した画像から連続して同じ位置に輝度が大きく変化した領域が検出された場合に前記破壊領域が検出されたと判定することを特徴とする請求項１に記載の眼科装置。
3. 前記分類手段は、第１と第２測定手段との測定結果からドライアイのタイプを２次元マップとして表示することを特徴とする請求項１又は２に記載の眼科装置。
4. 前記分類手段は、第１と第２測定手段との測定結果からドライアイのタイプを少なくとも５つのタイプに分類することを特徴とする請求項１から３のいずれか１項に記載の眼科装置。
5. 撮像された被検眼角膜上の涙液油層の画像を処理して被検眼のドライアイのタイプを分類する方法であって、
   撮像された涙液油層の画像を処理して開瞼時点での前記涙液油層の移動速度を測定し、
   撮像された涙液油層の画像を処理して開瞼後前記涙液油層が破壊されて破壊領域が出現するまでの時間を測定し、
   前記２つの測定結果から被検眼のドライアイのタイプを分類することを特徴とする画像分類方法。
6. 複数枚撮像した画像から連続して同じ位置に輝度が大きく変化した領域が検出された場合に前記破壊領域が検出されたと判定することを特徴とする請求項５に記載の画像分類方法。
7. 分類されたドライアイのタイプを２次元マップとして表示することを特徴とする請求項５又は６に記載の画像分類方法。
8. 前記開瞼時点での涙液油層の移動速度の測定結果と、前記破壊領域が出現するまでの時間の測定結果からドライアイのタイプを少なくとも５つのタイプに分類することを特徴とする請求項５から７のいずれか１項に記載の画像分類方法。
   
   

Images