JP2016002380A - 画像処理装置、その作動方法及びプログラム - Google Patents

Abstract

【課題】 医者が、眼底の形状が異常である場合に、眼底のどこの領域に異常が生じているのかを容易に確認できる画像処理装置、その作動方法及びプログラムを提供する。【解決手段】 画像処理装置が、被検眼の眼底の複数の層を含む断層画像における少なくとも１つの層の複数の領域の形状を示す情報を取得する情報取得手段と、前記形状を示す情報に基づいて前記複数の領域において異常が生じているか否かを決定する決定手段と、を有する。【選択図】 図６

Description

本発明は、被検査物の画像を処理する画像処理装置、その作動方法及びプログラムに関する。

光干渉断層計（ＯＣＴ；Ｏｐｔｉｃａｌ Ｃｏｈｅｒｅｎｃｅ Ｔｏｍｏｇｒａｐｈｙ）などの眼部の断層画像撮影装置は、網膜層内部の状態を三次元的に観察することが可能である。この断層画像撮影装置は、疾病の診断をより的確に行うのに有用であることから近年注目を集めている。ＯＣＴの形態として、例えば、広帯域な光源とマイケルソン干渉計を組み合わせたＴＤ−ＯＣＴ（Ｔｉｍｅ ｄｏｍａｉｎ ＯＣＴ）がある。これにより、参照光路における参照ミラーを光軸方向に移動しながら、測定光路において測定光を照射した被検査物からの後方散乱光と参照光との干渉光を検出することにより、深さ方向における位置に対する信号の強度情報を得ることができる。

このとき、ＴＤ−ＯＣＴでは、参照ミラーを機械的に移動させながら干渉光を計測するため、高速に断層画像を取得することが難しい。そのため、より高速に断層画像を取得する方法として、広帯域光源を用い、分光器でインターフェログラムを取得するＯＣＴとして、ＳＤ−ＯＣＴ（Ｓｐｅｃｔｒａｌ ｄｏｍａｉｎ ＯＣＴ）が知られている。また、光源として、高速波長掃引光源を用いることで、単一チャネル光検出器でスペクトル干渉を計測する手法によるＳＳ−ＯＣＴ（Ｓｗｅｐｔ Ｓｏｕｒｃｅ ＯＣＴ）が知られている。

ここで、眼球後極の組織が変性して眼軸が伸び、強度な近視の症状を呈する強度近視が知られている。従来、医師がＯＣＴの断層画像や眼底写真等を用いて、被検眼が強度近視か否かを評価するために、眼球後極の形状を主観的に評価していた。このため、評価する人毎に判断のばらつきがあった。この判断のばらつきを低減するために、眼球後極である眼底の形状（網膜の湾曲の程度）を定量的に計測する画像処理装置が、特許文献１に開示されている。特許文献１には、曲率の平均値と曲率の分散値との２軸のマップにおいて、統計データベースの正常範囲と比較して、被検眼に後部ぶどう腫の症状があるか否かを判定することが開示されている。

また、眼球を含む頭部の３次元ボクセルのＭＲＩ画像の診断にあたっては読影医の主観に依存する判定ができるだけ生じないように、解析の自動化と定量化をする眼科疾患の画像解析装置が、特許文献２に開示されている。特許文献２には、眼軸長と眼軸に対する非対称性の度合いとを画像解析のパラメータとして算出することで、定量化することが開示されている。また、特許文献２には、ＭＲＩによる強度近視のタイプ分類について開示されている。

特開２０１３−１５３８８４号公報 特開２０１３−４８６９６号公報

ここで、一般的に、ＭＲＩ画像を用いれば眼球の全体の形状を確認することができるが、ＭＲＩ画像は空間分解能が比較的低いため、眼底の形状を細かく確認することが難しかった。一方、医者は、診断や治療を精度良く行うために、眼底に異常が生じている場合には、できるだけ詳細に異常が生じている領域を知る必要があった。しかしながら、従来、医者は、眼底の形状が異常である場合に、眼底のどこの領域に異常が生じているのかを、主観によるばらつきなく、客観的に確認することが難しかった。

本発明の目的の一つは、医者が、眼底の形状が異常である場合に、眼底のどこの領域に異常が生じているのかを容易に確認できる画像処理装置、その作動方法及びプログラムを提供することである。

上記の目的を達成するための、本発明の一態様による画像処理装置は、
被検眼の眼底の複数の層を含む断層画像を取得する画像取得手段と、
前記断層画像における少なくとも１つの層の複数の領域の形状を示す情報を取得する情報取得手段と、
前記形状を示す情報に基づいて前記複数の領域において異常が生じているか否かを決定する決定手段と、を有する。

本発明によれば、断層画像における少なくとも１つの層の複数の領域における形状を示す情報に基づいて複数の領域において異常が生じているか否かを決定することができる。これにより、例えば、異常が生じていると決定された領域が被検眼の眼底画像に重ねられた状態で表示手段に表示させることができる。このため、医者が、眼底の形状が異常である場合に、眼底のどこの領域に異常が生じているのかを容易に確認できる画像処理装置、その作動方法及びプログラムを提供することができる。

第１の実施形態に係る画像処理システムの構成を示す図。 第１の実施形態に係る画像処理システムの動作処理の流れを示すフローチャート。 第１の実施形態に係る画像処理装置が取得する眼部の断層画像と眼底画像を説明するための図。 第１の実施形態に係る画像処理装置における形状解析を説明するための図。 第１の実施形態に係る画像処理装置における領域の判定を説明するための図。 第１の実施形態に係る画像処理システムの表示部の表示画面における解析結果の表示例。 第１の実施形態に係る画像処理システムの表示部の表示画面における解析結果の表示例。 第２の実施形態に係る強度近視の病態における眼底カメラ像に基づく分類を説明するための図。 第２の実施形態に係る画像処理装置における領域の判定を説明するための図。 第２の実施形態に係る画像処理システムの表示部の表示画面における解析結果の表示例。 第１の実施形態に係る画像処理装置における形状解析を説明するための図。

本発明を実施するための形態によれば、断層画像における少なくとも１つの層の複数の領域の形状を示す情報に基づいて複数の領域において異常が生じているか否かを決定することができる。ここで、複数の領域は、例えば、層において黄斑部に対応する領域と視神経乳頭部に対応する領域である。また、形状を示す情報は、例えば、眼底の断層画像における層の複数の領域の曲率である。これにより、例えば、異常が生じていると決定された領域が被検眼の眼底画像に重ねられた状態で表示手段に表示させることができる。また、例えば、異常が生じていると決定された領域に対応する種類、異常が生じていると決定された領域及びその異常の状態に対応する種類（例えばＣｕｒｔｉｎ分類）を決定することができる。このため、医者が、眼底の形状が異常である場合に、眼底のどこの領域に異常が生じているのかを容易に確認できる画像処理装置、その作動方法及びプログラムを提供することができる。

また、本発明を実施するための別の形態によれば、断層画像における少なくとも１つの層の形状を示す情報に基づいて眼底における異常が生じている領域に対応する複数の種類（例えばＣｕｒｔｉｎ分類）のうち少なくとも１つの種類を決定することができる。これにより、例えば、決定された種類を表示手段に表示させることができる。このため、医者が、眼底の形状が異常である場合に、眼底のどこの領域に異常が生じているのかを容易に確認できる画像処理装置、その作動方法及びプログラムを提供することができる。

以下、本発明を実施するための形態について、図面を参照しながら詳細に説明する。

（第１の実施形態：眼底の局所的な形状を定量的に計測）
第１の実施形態に係る画像処理装置を備える画像処理システムは、眼底の局所的な形状を定量的に計測できる。以下、第１の実施形態に係る画像処理装置を備える画像処理システムについて、図面を参照しながら詳細に説明する。

（画像処理装置を備える画像処理システム）
図１は、本実施形態に係る画像処理装置３００を備える画像処理システム１００の構成を示す図である。図１に示すように、画像処理システム１００は、画像処理装置３００が、インタフェースを介して断層画像撮影装置（ＯＣＴとも言う）２００、眼底画像撮影装置４００、外部記憶部５００、表示部６００、入力部７００と接続されることにより構成されている。

断層画像撮影装置２００は、眼部の断層画像を撮影する装置である。断層画像撮影装置に用いる装置は、例えばＳＤ−ＯＣＴやＳＳ−ＯＣＴからなる。なお、断層画像撮影装置２００は既知の装置であるため詳細な説明は省略し、ここでは、画像処理装置３００からの指示により設定される、断層画像の撮影範囲、ならびに内部固視灯２０４のパラメータの設定について説明を行う。

図１において、ガルバノミラー２０１は、測定光の眼底における走査を行うためのものであり、ＯＣＴによる眼底の撮影範囲を規定する。また、駆動制御部２０２は、ガルバノミラー２０１の駆動範囲および速度を制御することで、眼底における平面方向の撮影範囲及び走査線数（平面方向の走査速度）を規定する。ここでは、簡単のためガルバノミラーは一つのミラーとして示したが、実際にはＸスキャン用のミラーとＹスキャン用の２枚のミラーで構成され、眼底上で所望の範囲を測定光で走査できる。

内部固視灯２０４は、表示部２４１、レンズ２４２で構成される。表示部２４１として複数の発光ダイオード（ＬＤ）がマトリックス状に配置されたものを用いる。発光ダイオードの点灯位置は、駆動制御部２０２の制御により撮影したい部位に合わせて変更される。表示部２４１からの光は、レンズ２４２を介し、被検眼に導かれる。表示部２４１から出射される光は５２０ｎｍで、駆動制御部２０２により所望のパターンが表示される。

コヒーレンスゲートステージ２０５は、被検眼の眼軸長の相違等に対応するため、駆動制御部２０２により制御されている。コヒーレンスゲートとは、ＯＣＴにおける測定光と参照光の光学距離が等しい位置を表す。さらには、撮影方法としてコヒーレンスゲートの位置を制御することにより、網膜層側か、あるいは網膜層より深部側とするＥｎｈａｎｃｅｄ Ｄｅｐｔｈ Ｉｍａｇｉｎｇ（以下ＥＤＩ）法による撮影を行うことを制御する。このＥＤＩ法で撮影を行った場合、コヒーレンスゲートの位置が網膜層の深部側に設定される。そのため、脈絡膜や網膜色素上皮層が高輝度に撮影できるという特徴がある。図３（ａ）に眼部の断層画像を示す。図３（ａ）において、Ｌ１は内境界膜（ＩＬＭ）と神経線維層（ＮＦＬ）との境界、Ｌ２は神経線維層と神経節細胞層（ＧＣＬ）との境界、Ｌ３は視細胞内節外節接合部（ＩＳＯＳ）、Ｌ４は網膜色素上皮層（ＲＰＥ）、Ｌ５はブルッフ膜（ＢＭ）、Ｌ６は脈絡膜を表す。また、Ｍは黄斑部（黄斑の中心部は中心窩を表す）、Ｄは視神経乳頭部を表す。

眼底画像撮影装置４００は、眼部の眼底画像を撮影する装置であり、当該装置としては、例えば、眼底カメラやＳＬＯ（Ｓｃａｎｎｉｎｇ Ｌａｓｅｒ Ｏｐｈｏｔｈａｌｍｏｓｃｏｐｅ）等が挙げられる。図３（ｂ）に眼部の眼底画像を示す。図３（ｂ）において、Ｍは黄斑部、Ｄは視神経乳頭部を表す。

画像処理装置３００は、画像取得部３０１、記憶部３０２、画像処理部３０３、指示部３０４、表示制御部３０５を備える。画像取得部３０１は、断層画像生成部３１１からなり、断層画像撮影装置２００により撮影された断層画像の信号データを取得し、信号処理を行うことで断層画像の生成を行う。そして、生成した断層画像を記憶部３０２に格納する。画像処理部３０３は、第一の検出部３３１、第二の検出部３３２、位置合わせ部３３３、特徴抽出部３３４、判定部３３５からなる。第一の検出部３３１では断層画像から網膜層検出を行う。第二の検出部３３２では断層画像か眼底画像から黄斑部や乳頭部といった網膜の特徴部位を検出する。位置合わせ部３３３では複数枚の断層画像間の断層画像位置合わせや断層画像と眼底画像の位置合わせを行う。特徴抽出部３３４では第一の検出部で検出した網膜層の形状特徴を抽出する。判定部３３５では特徴抽出部３３４で抽出した特徴量を基に判定を行う。指示部３０４は、断層画像撮影装置２００に対して、所望の網膜層領域を撮影するために撮影パラメータ等の指示を行う。

外部記憶部５００は、被検眼に関する情報（患者の氏名、年齢、性別など）と、撮影した画像データ、撮影パラメータ、画像解析パラメータ、操作者によって設定されたパラメータをそれぞれ関連付けて保持している。

入力部７００は、例えば、マウス、キーボード、タッチ操作画面などであり、操作者は、入力部７００を介して、画像処理装置３００や断層画像撮影装置２００、眼底画像撮影装置４００へ指示を行う。

（画像処理システムの動作処理）
次に、図２を参照して、本実施形態に係る画像処理システム１００の処理手順を説明する。図２は、本実施形態に係る本実施形態の画像処理システム１００の動作処理の流れを示すフローチャートである。なお、本実施形態に係る画像処理装置３００の動作処理は、ステップＳ２０３から開始される。

＜ステップＳ２０１：被検眼情報の取得＞
ステップＳ２０１では、不図示の被検眼情報取得部は、被検眼を同定する情報として被検者識別番号を外部から取得する。そして、被検者識別番号に基づいて、外部記憶部５００が保持している当該被検眼に関する情報を取得して記憶部１１２に記憶する。

＜ステップＳ２０２：被検眼の撮影＞
ステップＳ２０２では、断層画像撮影装置２００は、被検眼の撮影を行う。最初に撮影を行うにあたり各種撮影パラメータの調整を行う。具体的には、内部固視灯の位置、スキャン範囲、スキャンパターン、コヒーレンスゲート位置を少なくとも設定する。駆動制御部２０２は、表示部２４１の発光ダイオードを制御して、黄斑部中心や視神経乳頭に撮影を行うように内部固視灯２０４の位置を制御する。

本実施形態では、撮影時の撮影モード選択を行う事が出来るものとし、網膜層形状解析撮影モードで撮影を行う場合について説明を行う。なお、この撮影モードの名前は例でありこれに限られるものではない。撮影モードとは、スキャンパターンと撮影固視灯位置と解析方法があらかじめ組み合わせで設定されているものとし、緑内障用の撮影モード等、よく利用されるものが設定されているものとする。本実施形態での網膜層形状解析撮影モードにおいて、スキャン範囲は１０〜２０ｍｍの範囲を設定する。ただし、ここで示した数値は一例であり、装置のスペックに応じて変わるものであるが、黄斑部と乳頭部の両方が含まれる範囲を設定する事が望ましい。スキャンパターンは、３次元ボリュームを撮影するラスタスキャンや放射状スキャンなどの網膜層全体をカバーするスキャンパターンを設定する。コヒーレンスゲート位置は、硝子体側で撮影を行うものとして説明をする。

撮影準備後に撮影を行う。被検眼の撮影は、操作者が非図示の撮影指示ボタンを選択すると、断層画像撮影装置２００は、駆動制御部２０２を制御し、ガルバノミラー２０１を動作させて断層画像の撮影を行う。ガルバノミラー２０１は、水平方向用のＸスキャナと垂直方向用のＹスキャナで構成される。そのため、これらのスキャナの向きをそれぞれ変更すると、装置座標系における水平方向（Ｘ）、垂直方向（Ｙ）それぞれの方向に走査することが出来る。そして、これらのスキャナの向きを同時に変更させることで、水平方向と垂直方向とを合成した方向に走査することが出来るため、眼底平面上の任意の方向に走査することが可能となる。

＜ステップＳ２０３：断層画像の生成＞
ステップＳ２０３では、断層画像生成部３１１は、断層画像の生成を行う。断層画像撮影装置が例えばＳＳ−ＯＣＴである場合、断層画像生成部３１１は、不図示の差動検出器から出力されたそれぞれの干渉信号に対して、一般的な再構成処理を行うことで、断層画像を生成する。

まず、断層画像生成部３１１は、干渉信号から固定パターンノイズ除去を行う。固定パターンノイズ除去は検出した複数のＡスキャン信号を平均することで固定パターンノイズを抽出し、これを入力した干渉信号から減算することで行われる。次に、断層画像生成部３１１は、有限区間でフーリエ変換した場合にトレードオフの関係となる深さ分解能とダイナミックレンジを最適化するために、所望の窓関数処理を行う。次に、ＦＦＴ処理を行う事によって断層信号を生成する。

なお、本発明に係る画像処理装置は、例えば断層画像撮影装置と通信可能に接続され、断層画像撮影装置において生成された断層画像を取得する場合、画像取得部３０１は、本ステップを断層画像の取得として実行しても良い。

＜ステップＳ２０４：断層画像の位置合わせ＞
ステップＳ２０４では、位置合わせ部３３３がステップＳ２０３で生成した複数の断層画像の位置合わせを行う。なお、本実施形態においては３次元ボリュームを撮影するラスタスキャンで撮影を行った場合について説明をする。位置合わせ処理としては、例えば、２つの断層画像の類似度を表す評価関数を事前に定義しておき、この評価関数の値が最も良くなるように断層画像を変形する。評価関数としては、画素値で評価する方法が挙げられる（例えば、相関係数を用いて評価を行う方法が挙げられる）。

類似度を表す評価関数として相関係数を用いた場合の式を数１−１に示す。

数１−１において、１枚目の断層画像の領域をｆ（ｘ，ｙ）、２枚目の断層画像の領域をｇ（ｘ，ｙ）とする。ここで、数１−１において、領域ｆ（ｘ，ｙ）と領域ｇ（ｘ，ｙ）の平均をそれぞれ、数１−２と数１−３に示す。

なお、ここで領域とは位置合わせに用いるための画像領域であり、通常断層画像のサイズ以下の領域が設定され、眼の断層画像においては網膜層領域を含むように設定される事が望ましい。画像の変形処理としては、アフィン変換を用いて並進や回転を行ったり、拡大率を変化させたりする処理が挙げられる。

また、位置合わせ処理として、特徴点ベースで位置を合わせてもよい。例えば、二次元断層画像から各網膜層や病変などの特徴を抽出する。これらの抽出結果を利用して、安定して検出出来た特徴点を選択して位置合わせを行う。

なお、例えば、断層画像撮影装置が眼底の追尾機能を有する場合、被検眼の動きによって生じる複数の断層画像の位置ずれが比較的小さい。また、被検眼の固視が安定している場合にも、複数の断層画像の位置ずれは比較的小さい。このような場合には、本発明に係る画像処理装置の動作処理において、本ステップが省略されても良い。

＜ステップＳ２０５：断層画像から層の検出＞
ステップＳ２０５では、層検出手段の一例である第一の検出部３３１は、断層画像から網膜層境界検出（セグメンテーション）を行う。第一の検出部３３１は図３（ａ）の断層画像においてＬ１〜Ｌ６の各境界のいずれかを検出する。処理の対象とする断層画像に対して、メディアンフィルタとＳｏｂｅｌフィルタをそれぞれ適用して画像を作成する（以下、メディアン画像、Ｓｏｂｅｌ画像とする）。次に、作成したメディアン画像とＳｏｂｅｌ画像から、Ａスキャン毎にプロファイルを作成する。メディアン画像では輝度値のプロファイル、Ｓｏｂｅｌ画像では勾配のプロファイルとなる。そして、Ｓｏｂｅｌ画像から作成したプロファイル内のピークを検出する。検出したピークの前後やピーク間に対応するメディアン画像のプロファイルを参照することで、網膜層の各領域の境界を検出する。

なお、本実施形態に係る画像処理装置は、上述したように、断層画像から層境界を自動的に検出する方がユーザの利便性は良いが、ユーザが手動で層を指定できるように構成されても良いし、自動的に検出された層を手動で修正可能に構成されても良い。例えばユーザが手動で層を指定する場合には、本発明に係る画像処理装置の動作処理において、本ステップが省略されても良い。

＜ステップＳ２０６：形状を示す情報の取得＞
ステップＳ２０６において、情報取得手段の一例である特徴抽出部３３４は、形状を示す情報の一例である網膜層形状の特徴として網膜層における複数の領域（例えば、層における視神経乳頭部や黄斑部に対応する領域）の曲率を計測する場合について説明を行う。図３（ａ）の断層画像を用いて説明を行う。図３（ａ）において、横軸がｘ座標、縦軸がｚ座標とし、形状解析の対象となる層の境界線の曲率を計算する。なお、本実施形態において形状解析の対象となる層は、眼球後極の形状を評価する上で、ブルッフ膜（ブルッフ層とも呼ぶ）が好適である。これは、ブルッフ膜が、解剖学的に、加齢黄斑変性等の病変が生じても、影響を受け難いことが知られているからである。また、一般的に、病変よりも深部の層は病変による影響を受け難いと考えられているため、比較的に深部に位置するＲＰＥ層も好適な層である。

また、曲率κは境界線の各点（各Ａスキャンの位置）において、数２を計算することで求めることが出来る。数２において局所的な形状変化をみるために、例えば、曲率を計算する範囲は基準点を中心に両サイド５００μｍの点を用いて計算をする。すなわち、境界線の各点を中心とした１ｍｍ（１０００μｍ）の範囲を円で近似する事に相当する。

これについて図４を用いて説明をする。図４は、簡単のため形状解析の対象となる層境界線（本実施形態ではＬ５：ブルッフ膜とする）を表したものである。層境界線上の黒丸は数２において計算を行う箇所を示した例である。図４では、Ｒ１〜Ｒ５の箇所を計算した場合の曲率の符号と大きさを示している。図４のＲ１では脈絡膜側に小さな凸形状を示している。ここにおいては、曲率の符号は負（ｎｅｇａｔｉｖｅ）で値は小さくなる。図４のＲ３は、１ｍｍの範囲の３点が直線状に並んでいるため曲率の大きさが０となる場合を示している。なお、図４ではＲ１〜Ｒ５の領域は重ならないものを示しているが、実際は、各Ａスキャンの位置において計算を行うため各領域はそれぞれオーバーラップをする。なお、本実施形態においては計算領域を１ｍｍとしたが、この値は局所的な変化を見たい構造物のサイズに応じて変えてもよい。すなわち、さらに微小な変化を捉えたければ間隔を狭くすればよく、大きな変化であれば間隔を広くすればよい。数２は符号付き曲率であるため、κの符号で上に凸か下に凸かが分かり、数値の大きさで形状の曲がり具合が分かる。そのため、硝子体側に凸を＋、脈絡膜側に凸を−とした場合、各断層画像において、曲率の符号が−領域、＋領域、−領域となる場合はＷ形状となる。

なお、本実施形態においては断層画像の境界線で曲率を計算する場合を示したが、曲率計算はこれに限らず、３次元データから３次元の曲率を計算するようにしてもよい。さらには、様々な大きさの形状変化に対応するために、マルチスケール（例えば、１ｍｍ、１．５ｍｍ、２ｍｍの範囲）で局所形状を計算するようにしてもよい。

また、形状を示す情報は、曲率以外にも、断層画像におけるＲＰＥ等の層から基準線までの領域を示す値（例えば、面積、体積、深さ方向における距離）であっても良い。これについて、図１１を用いて説明する。図１１は、第１の実施形態に係る画像処理装置における形状解析を説明するための図である。なお、視神経乳頭部は人によって形状が異なるため、断層画像において視神経乳頭部をマスク領域１１０１に設定し、上記面積や体積を形成する対象から除外することが好ましい。

まず、図１１（ａ）と（ｂ）において、基準線１１０２は、ＲＰＥの最深部から一定の高さ（例えば、５００μｍの深さ位置やＲＰＥの最浅部）に設定される。このとき、形状を示す情報は、基準線１１０２からＲＰＥまでの斜線領域の面積１１０３（３次元画像の場合には体積）や、基準線１１０２からＲＰＥまでの距離１１１３である。

また、図１１（ｃ）と図１１（ｄ）は、図１１（ａ）と図１１（ｂ）に対して基準線を深度方向に変更した場合で、ＲＰＥの最深部を基準線１１２２に設定している。このとき、形状を示す情報は、基準線１１２２からＲＰＥまでの斜線領域の面積１１２３（３次元画像の場合には体積）や、基準線１１２２からＲＰＥまでの距離１１３３である。

＜ステップＳ２０７：複数の領域の検出＞
ステップＳ２０７において、部位検出手段の一例である第二の検出部３３２は複数の領域の一例である視神経乳頭部や黄斑部の検出を行う。まず、断層画像から視神経乳頭部を検出する場合について述べる。

視神経乳頭部は図３（ａ）に示すように、網膜層の形状特徴は、脈絡膜側に大きくくぼんでおり、網膜層の境界線特徴は、ＩＳ／ＯＳやＲＰＥの境界線が途切れた特徴をしている。これらの特徴を利用して、第一の検出部３３１で検出した層境界線結果を用いて視神経乳頭部を検出する。網膜層に大出血などがある場合、ＩＳ／ＯＳやＲＰＥの輝度値が低くなることにより、出血個所においては網膜層の境界線特徴が視神経乳頭部と似た特徴となる。しかし、出血がある場合には網膜層が腫れる特徴となる（硝子体側に凸形状）ため、網膜層の形状特徴としては視神経乳頭部とは全く異なる形状となる。そのため、網膜層の形状特徴と網膜層内部の境界線特徴とを用いる事により、視神経乳頭部を検出する事が出来る。視神経乳頭部を検出する方法はこれに限らず、図３（ｂ）で示す眼底画像を用いて検出をするようにしてもよい。例えば、眼底画像から血管を検出し、血管特徴を用いて視神経乳頭部を検出してもよい。血管は細い線状構造を有しているため、線状構造を強調するフィルタを用いて血管を検出する。線状構造を強調するフィルタとしては、ＳｏｂｅｌフィルタやＬａｐｌａｃｉａｎフィルタのような差分型フィルタでもよい。眼底において血管は視神経乳頭部から眼球全体に拡がっている。そのため、血管が集中している箇所を視神経乳頭部とする。なお、本実施形態において眼底画像はＳＬＯか眼底写真で説明を行っているが、断層画像を深度方向に積算した積算画像を生成する事で、疑似的な眼底画像を生成する事が出来る。そのため、眼底画像としてこの疑似的な眼底画像から血管検出を行って視神経乳頭部の検出をしてもよい。さらには、撮影時の情報を利用して視神経乳頭部を検出するようにしてもよい。図３は、左眼を撮影した場合の断層画像と平面画像であるが、黄斑部中心で撮影を行った場合、視神経乳頭部は画面左側中央付近に存在する。そのため、撮影時の固視灯位置や撮影眼（右眼か左眼）情報を用いて、視神経乳頭部の存在する領域をある程度限定して、上記で説明した方法を適用してもよい。

次に黄斑部中心窩の検出について説明を行う。黄斑部は断層画像において図３（ａ）に示すように、網膜層の形状特徴は、脈絡膜側に小さくくぼんでおり、網膜層の境界線特徴はＮＦＬが存在しないため、境界線が途切れるあるいはＩＬＭと一体化するような境界線となる。これらの特徴を利用して、第一の検出部３３１で検出した層境界線結果を用いて黄斑部を検出する。黄斑部においても視神経乳頭部で説明した処理と同様に撮影時の情報や視神経乳頭部との位置関係を基に存在領域をある程度限定して検出をするようにしてもよい。すなわち、黄斑部中心で撮影をした場合、黄斑部は画面中央付近に存在するため、画面中央不付近に領域を限定して検出するようにしてもよい。視神経乳頭部を検出している場合、視神経乳頭径（ＤＤ）と乳頭中心から黄斑部中心窩までの距離（ＤＭ）の比（ＤＭ／ＤＤ比）が通常２．４〜３．０であるため、その範囲に収まる領域で黄斑部を検出するようにしてもよい。なお、２．４〜３．０は正常の範囲内の値であるため、乳頭サイズが大きい場合や小さい場合にはこの比の範囲外になる。そのため、比の値は２．０〜３．５のように範囲を設定してもよい。

なお、本実施形態に係る画像処理装置は、上述したように、視神経乳頭部や黄斑部を自動的に検出する方がユーザの利便性は良いが、ユーザが手動でこれらの部位を指定できるように構成されても良いし、自動的に検出された部位の位置を手動で修正可能に構成されても良い。例えばユーザが手動で部位を指定する場合には、本発明に係る画像処理装置の動作処理において、本ステップが省略されても良い。

＜ステップＳ２０８：眼底における異常が生じている領域の決定＞
ステップＳ２０８において、決定手段の一例である判定部３３５は特徴抽出部３３４で抽出した特徴（形状を示す情報の一例である、層における複数の領域の曲率）と第二の検出部３３２で検出した部位の位置を利用して、眼底における異常が生じている領域を決定する。

判定部３３５は、外部記憶部５００に記憶している形状特徴量の標準データベースとの比較を行う。ここで標準データベースとは、多数眼のデータから作成されるものであり、人種別、年齢別のデータを統合して作成されるものである。なお、眼科の分野においては、左右眼別、眼軸長別など、眼特有のパラメータで分類されていてもよい。標準データベースは、正常データの９５％範囲を正常、４％範囲をボーダーライン、残り１％範囲を異常などと設定しておく。

判定部３３５では、特徴抽出部３３４で抽出した特徴が、この標準データベースに対して、どの範囲に位置するかを比較する。例えば、局所的な曲率の場合、曲率値が正常データベースの範囲に含まれるかを比較する。そして、正常値データベースから外れる個所がある場合には、ステップＳ２０７において検出した視神経乳頭部と黄斑部の位置を用いてどの場所において異常が生じているかを判定する。異常判定の位置としては、例えば、乳頭周囲、黄斑周囲、眼球広範囲、乳頭周囲と黄斑周囲の両方に異常あり等とする。これについて、図５を用いて説明をする。図５は眼底画像であり、乳頭周囲領域５１０と５１１、黄斑周囲領域５２０と５２１、眼球広範囲領域５３０と５３１とする。図５（ａ）はそれぞれの領域を分ける場合、図５（ｂ）はそれぞれの領域の一部をオーバーラップさせる場合の例を示している。例えば、視神経乳頭部中心と黄斑部中心窩との距離を４．０ｍｍとすると、図５（ａ）において乳頭周囲領域５１０と黄斑周囲領域５２０との境界線の位置は、視神経乳頭部中心と黄斑部中心窩からそれぞれ２．０ｍｍの位置とする。図５（ｂ）においては、乳頭周囲領域５１１と黄斑周囲領域５２１との境界線の位置は、視神経乳頭部中心と黄斑部中心窩からそれぞれ３．０ｍｍの位置とする。図５（ｂ）のような場合、オーバーラップ領域があるが、そこに異常個所がある場合、その他のどこに同じような異常があるかで場所を判定する。例えば、異常個所が全て５１１に含まれるならば乳頭周囲に異常ありとなり、異常個所が全て５２１に含まれるなら黄斑周囲に異常ありとなる。また、５１１と５２１の両方であれば、乳頭周囲と黄斑周囲の両方に異常ありとなる。

なお、図では長方形で領域を示したがこれに限らず円形や楕円形でもよい。また、眼底画像に平行になるように領域を表示しているが、視神経乳頭部中心と黄斑中心部を直線で結び、その直線に並行になるように領域を設定するようにしてもよい。

＜ステップＳ２０９：異常が生じている領域を眼底画像に重畳表示＞
ステップＳ２０９では、表示制御部３０５は、解析結果を表示部６００に表示する。図６は本実勢形態において、表示部６００に表示する表示画面の一例を示している。図６（ａ）は正常形状の場合、図６（ｂ）は異常形状の場合の例を示している。図６において、６１０は断層画像観察画面、６１１は断層画像、６１２は眼底画像、６１３は撮影位置とそのスキャンパターンマーク、６１４は形状解析グラフ、形状解析グラフ内における一点鎖線で囲まれた領域６１５は網膜の正常形状範囲内を示している。６１６は、眼底の複数の領域において異常が生じているか否かを示す表示形態の一例であり、形状解析の判定結果を示す。

図６（ａ）に示すように形状解析の結果、正常の範囲内であれば、判定部３３５はその旨を判定結果６１６に示す。一方、図６（ｂ）に示すように形状解析の結果、正常の範囲を超えた場合、異常が見られる領域（正常形状範囲外の領域）を眼底画像に重畳表示（６１７）をして、どの個所において異常が見られたかを判定結果６１６に示す。形状異常を示す場合、正常値から値が外れている箇所が、硝子体側に凸なのか、脈絡膜側に凸なのかが分かるように色を変えて表示する事が望ましい。例えば、硝子体側に凸の場合は青とし、脈絡膜側に凸の場合は赤にする。さらには、値の大きさに応じて色の濃さを変える、あるいはグラデーション表示として硝子体側に凸の場合は水色から青とし、脈絡膜側に凸の場合はオレンジから赤に色が変わるようにしてもよい。形状異常を色によって示す際には、どの色が正常で、どの色が異常なのかが判断出来るようにカラーバー６１８を示す。

さらに、図７（ａ）、（ｂ）に形状解析結果の別の表示方法を示す。本実施形態において、形状解析の対象となる層をＲＰＥ、あるいはブルッフ膜としているため視神経乳頭周囲は解析出来ない。そのため、視神経乳頭周囲は解析しないように解析不可領域６１９を設定している。図７においては、標準データベースとの比較を行い、標準データベース外の個所の表示例を示した。一方、図７（ａ）、（ｂ）においては、必ずしも標準データベースを必要とせず、形状を解析した値をカラーマップとして表示する例を示す。図７（ａ）は眼底画像６１２の上に撮影範囲全体に相当する箇所の形状解析結果をカラーマップとして表示する例である。例えば、正常の範囲を黄色や緑色などとし、正常範囲外を青や赤で表示する。図７（ｂ）は、一定の領域毎にグリッドで区切り各エリアの平均値を色で表示する例である。なお、本実施形態では色で表示する例を示したがこれに限らない。一定領域のグリッドで区切った場合などは各エリアで数値を表示してもよい。なお、各エリアの値は平均値に限らず、最大値、最小値、中央値、分散値、標準偏差などでもよい。特徴的な値を評価する場合は最大値や最小値とし、各エリアの形状のばらつきを評価したい場合は、分散値や標準偏差とする。これらの解析値は任意に切り替えられるものとする。

＜ステップＳ２１０：処理動作の終了の判定＞
ステップＳ２１０において、不図示の指示取得部は、画像処理システム１００による断層画像の撮影を終了するか否かの指示を外部から取得する。この指示は、入力部７００を用いて、操作者によって入力される。処理を終了する指示を取得した場合には、画像処理システム１００はその処理を終了する。一方、処理を終了せずに、撮影を続ける場合には、ステップＳ２０２に処理を戻して撮影を続行する。

以上によって、画像処理システム１００の処理が行われる。

以上で述べた構成によれば、網膜の局所的な形状変化を定量的に求める事が出来、それらの局所的な形状変化が乳頭部や黄斑部に対してどのように存在するかを求める事が出来る。これにより、主観的に判断を行っていた網膜形状の画像解析を定量的に行う事が出来る。

（第２の実施形態：眼底において異常が生じている領域の形状の種類の決定）
次に、第２の実施形態に係る画像処理装置について、図面を参照しながら詳細に説明する。上記第１の実施形態では、網膜の形状を解析し局所的な形状を求めて、どの個所に局所的な形状があるかを表示する実施例を説明した。本実施形態においては、眼底において異常が生じている領域の形状の種類を決定することを特徴とする。すなわち、本実施形態に係る画像処理装置は、眼底の形状を示す情報に基づいて眼底における異常が生じている領域に対応する複数の種類（例えばＣｕｒｔｉｎ分類）のうち少なくとも１つの種類を決定する決定手段を有する。上記第１の実施形態と同様の機能を有するものに関しては、ここでは説明を省略する。本実施形態において画像処理システム１００における決定手段の一例である判定部３３５が異なり、処理フローにおいては図２のステップＳ２０８の判定部による判定方法が異なる。以下、図８、図９を用いて説明を行う。

図８は、Ｃｕｒｔｉｎによる強度近視の病態における眼底カメラ像に基づく１０タイプ（複数の種類の一例）の分類を示している。強度近視眼において、眼球後極が変性して眼軸が伸びる（後方へ突出部位が生じる）様子を分類したものである。図８の８０１は眼底カメラ像、８０２は眼球後極の変性部分を示している。Ｔｙｐｅ１はＰｏｓｔｅｒｉｏｒ ｓｔａｐｈｙｌｏｍａで、視神経乳頭部の鼻側から黄斑部に拡がり、形状は水平楕円体で深い。Ｔｙｐｅ２はＭａｃｕｌａｒ ｓｔａｐｈｙｌｏｍａで、視神経乳頭部から黄斑部に拡がり、形状は水平楕円体で浅い。Ｔｙｐｅ３はＰｅｒｉｐａｐｉｌｌａｒｙ ｓｔａｐｈｙｌｏｍａで、乳頭周囲に拡がり、形状は円形で浅い。Ｔｙｐｅ４はＮａｓａｌ ｓｔａｐｈｙｌｏｍａで、視神経乳頭部の鼻側に拡がり、形状は垂直楕円体で浅い。Ｔｙｐｅ５はＩｎｆｅｒｉｏｒ ｓｔａｐｈｙｌｏｍａで視神経乳頭部下側に拡がり、形状は垂直楕円体で浅い。Ｔｙｐｅ６はＴｙｐｅ１とＴｙｐｅ２の複合型である。Ｔｙｐｅ７はＴｙｐｅ１とＴｙｐｅ３の複合型である。Ｔｙｐｅ８はＴｉｅｒｅｄ ｓｔａｐｈｙｌｏｍａで段層構造となっている。Ｔｙｐｅ９はＳｅｐｔａｌ ｓｔａｐｈｙｌｏｍａで、中隔構造となっている。Ｔｙｐｅ１０はＰｌｉｃａｔｅｄ ｓｔａｐｈｙｌｏｍａで、ひだのある構造となっている。

判定部３３５において、形状変化の箇所とその大きさからこれらの分類を行う。これについて図９を用いて説明をする。図９は眼底画像であり、視神経乳頭周囲領域９１１、黄斑周囲領域９２１、眼球広範囲領域９３１とする。図９（ｂ）は視神経乳頭周囲領域９１１をさらに分割した図であり、視神経乳頭周囲の鼻側領域９１２と、視神経乳頭周囲の下側領域９１３に分割する。図９（ｃ）は形状変化の領域を判定する際に用いる重みマップの一例を示している。９１１―１は視神経乳頭周囲領域、９１２―１は視神経乳頭周囲の鼻側領域、９１３―１は視神経乳頭周囲の下側領域の重みマップである。なお、図で示したものは例であり重みマップはこれに限らない。それぞれのＴｙｐｅを分類するのに適したものであればよい。図において、重みを濃淡で表現しているが、濃度が濃い所の重みを１とし、濃度が淡い所の重みを０．５とする。そして、その間の重み値は線形に変化するものとする。領域９１１、９１２、９１３においてそれぞれがオーバーラップする領域があるため、全ての領域にかかる場所（例えば図９（ｂ）の左下側）にだけ変化が現れた場合には判定が困難となるため、それぞれの領域において特徴的な場所に重みづけを行う事で、判定時に優先順位をつける事が出来る。すなわち、判定部３３５では、網膜形状に変化が現れた箇所と重みマップとを照らし合わせて、それぞれの領域におけるスコアを算出して判定を行う。例えば、スコアは数３を用いて計算する。

数３において、Ｓ_{Ｔｙｐｅ３}はＴｙｐｅ３におけるスコア、ｗ_{Ｔｐｐｅ３}（ｉ，ｊ）はＴｙｐｅ３における重みマップ９１１−１、Ｃ（ｉ，ｊ）は視神経乳頭周囲領域９１１の曲率値、ｔｈ_ｃはスコア計算に用いる曲率値の閾値である。例えば、この閾値は０．５［１／ｍｍ］とする。これは、半径２［ｍｍ］の円で近似したものに相当する。数３のような計算を領域毎に計算し、各Ｔｙｐｅにおけるスコアを算出する。なお、数３では符号を無視して、閾値以上の凹凸がある箇所を計算に用いたがこれに限らない。例えば、曲率値の条件式を絶対値ではなく、正の値の場合のみ、あるいは負の値の場合のみを用いてスコアを計算するようにしてもよい。これにより、Ｃｕｒｔｉｎ分類のＴｙｐｅ３の場合は、視神経乳頭周囲領域９１１において、全体的に眼球後極の変性が観測される。Ｔｙｐｅ４の場合は、視神経乳頭周囲領域９１２において鼻側領域（図９では左側）に眼球後極の変性が観測される。

判定部３３５における判定方法はこれに限らない。例えば、Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ（ＳＶＭ）等の識別器や、ＡｄａＢｏｏｓｔ等により構築される識別器のアンサンブルや、ベイジアンネットワークなどの確率モデルを用いてもよい。この場合、断層画像において形状変化が観測された場所を眼底画像に投影し、そのｘ座標、ｙ座標の値、形状変化が観測された場所の曲率値を特徴量として、識別器やそのアンサンブルを用いてＴｙｐｅ分類を行ってもよい。さらに、特徴抽出部３３４は形状特徴量だけではなく、画像特徴量を抽出してもよい。例えば、眼底画像の濃度値（ＲＧＢあるいは白黒の濃淡値）や、輝度値のコントラストが高い領域を強調可能なさまざまな画像フィルタの出力結果を特徴量として用いて分類を行ってもよい。

次に、図１０を用いて本実勢形態における表示部６００に表示する表示画面について説明を行う。図１０（ａ）において１０１６は形状解析の判定結果を示す。図１０（ａ）においては、形状解析の結果としてＣｕｒｔｉｎ分類の結果を表示している。形状解析結果を文章で表示する場合、定型文を用意しておき、形状変化が見られた箇所とその大きさによって文章を選択してもよい。例えば、形状解析の程度を表すためのテーブルを図１０（ｂ）に示す。外部記憶部５００に事前に定義されているテーブルを参照して程度を評価する。図１０（ｂ）においてＶａｌｕｅが数値であり、例えば数３で示したスコアを用いる。Ｔｈ１とＴｈ２はそれぞれ閾値である。なお、結果の表示方法として文章で表示する方法に限らない。例えば、図１０（ｃ）に形状解析結果の他の表示について示す。図１０（ｃ）の形状解析結果１０１６−１で示すように数値（確率）で結果を提示してもよい。可能性が一番高い結果だけを表示するのではなく、確率が高い上位のものを複数列挙して表示をし、最終的には医師に選択してもらうようにしてもよい。

以上説明のように、本実施形態によれば判定手段により網膜の形状変化によってそれぞれを分類する事を特徴とする。それにより、強度近視眼において定量的に分類を行う事が可能となる。

（その他の実施形態）
上記の実施形態は、本発明を画像処理装置として実現したものである。しかしながら、本発明の実施形態は画像処理装置に限定されるものではない。本発明をコンピュータ上で動作するソフトウェアとして実現することも可能である。画像処理装置のＣＰＵは、ＲＡＭやＲＯＭに格納されたコンピュータプログラムやデータを用いてコンピュータ全体の制御を行う。また、画像処理装置の各部に対応するソフトウェアの実行を制御して、各部の機能を実現する。また、ボタンなどのユーザーインターフェイスや表示のレイアウトは上記で示したものに限定されるものではない。

Claims (20)

1. 被検眼の眼底の複数の層を含む断層画像を取得する画像取得手段と、
   前記断層画像における少なくとも１つの層の複数の領域の形状を示す情報を取得する情報取得手段と、
   前記形状を示す情報に基づいて前記複数の領域において異常が生じているか否かを決定する決定手段と、
   を有することを特徴とする画像処理装置。
2. 前記決定手段は、前記形状を示す情報と眼底の形状を示す標準データベースとの比較により、前記眼底において異常が生じているか否かを決定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. 前記決定手段は、前記形状を示す情報に基づいて前記眼底における視神経乳頭部と黄斑部とのうち少なくとも一つとに異常が生じているか否かを決定することを特徴とする請求項１または２に記載の画像処理装置。
4. 前記断層画像と前記被検眼の眼底画像とのうち少なくとも一つに基づいて、前記視神経乳頭部と黄斑部とのうち少なくとも一つを検出する部位検出手段を更に有し、
   前記決定手段は、前記形状を示す情報に基づいて前記検出された視神経乳頭部と黄斑部とのうち少なくとも一つとに異常が生じているか否かを決定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. 前記異常が生じていると決定された領域が前記被検眼の眼底画像に重ねられた状態で表示手段に表示させる表示制御手段を更に有する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. 前記表示制御手段は、前記複数の領域において異常が生じているか否かを示す表示形態を前記表示手段に表示させることを特徴とする請求項５に記載の画像処理装置。
7. 前記表示制御手段は、前記形状を示す情報を前記表示手段に表示させることを特徴とする請求項５または６に記載の画像処理装置。
8. 前記決定手段は、前記異常が生じていると決定された領域に対応する種類を決定することを特徴とする請求項１乃至７のいずれか１項に記載の画像処理装置。
9. 前記決定手段は、前記形状を示す情報に基づいて前記異常が生じていると決定された領域における前記異常の状態を決定し、前記異常が生じていると決定された領域及び前記異常の状態に対応する種類を決定することを特徴とする請求項１乃至７のいずれか１項に記載の画像処理装置。
10. 被検眼の眼底の複数の層を含む断層画像を取得する画像取得手段と、
    前記断層画像における少なくとも１つの層の形状を示す情報を取得する情報取得手段と、
    前記形状を示す情報に基づいて、眼底における異常が生じている領域に対応する複数の種類のうち少なくとも１つの種類を決定する決定手段と、
    を有することを特徴とする画像処理装置。
11. 前記複数の種類は、Ｃｕｒｔｉｎ分類であることを特徴とする請求項１０に記載の画像処理装置。
12. 前記情報取得手段は、前記断層画像における層に基づいて、前記層の曲率と前記層から基準線までの領域を示す値とのうち少なくとも一つを、前記形状を示す情報として取得することを特徴とする請求項１乃至１１のいずれか１項に記載の画像処理装置。
13. 前記断層画像からブルッフ層とＲＰＥ層とのうち少なくとも一つの層を検出する層検出手段を更に有し、
    前記情報取得手段は、前記検出された層に基づいて、前記形状を示す情報を取得することを特徴とする請求項１乃至１２のいずれか１項に記載の画像処理装置。
14. 断層画像撮影装置に通信可能に接続され、
    前記画像取得手段は、前記断層画像撮影装置により前記眼底を撮影して得た前記断層画像を取得することを特徴とする請求項１乃至１３のいずれか１項に記載の画像処理装置。
15. 前記断層画像撮影装置は、眼底の形状を解析する撮影モードである形状解析撮影モードを含む複数の撮影モードのいずれかを選択する選択手段を更に有し、
    前記画像取得手段は、前記形状解析撮影モードが選択された場合には、前記断層画像撮影装置により撮影して得た断層画像であって、前記眼底における視神経乳頭及び黄斑部を含む前記断層画像を取得することを特徴とする請求項１４に記載の画像処理装置。
16. 被検眼の眼底の複数の層を含む断層画像を取得する工程と、
    前記断層画像における少なくとも１つの層の複数の領域の形状を示す情報を取得する工程と、
    前記形状を示す情報に基づいて前記複数の領域において異常が生じているか否かを決定する工程と、
    を有することを特徴とする画像処理装置の作動方法。
17. 前記決定する工程において、前記異常が生じていると決定された領域に対応する種類を決定することを特徴とする請求項１６に記載の画像処理装置の作動方法。
18. 前記決定する工程において、前記形状を示す情報に基づいて前記異常が生じていると決定された領域における前記異常の状態を決定し、前記異常が生じていると決定された領域及び前記異常の状態に対応する種類を決定することを特徴とする請求項１６または１７に記載の画像処理装置の作動方法。
19. 被検眼の眼底の複数の層を含む断層画像を取得する工程と、
    前記断層画像における少なくとも１つの層の形状を示す情報を取得する工程と、
    前記形状を示す情報に基づいて、眼底における異常が生じている領域に対応する複数の種類のうち少なくとも１つの種類を決定する工程と、
    を有することを特徴とする画像処理装置の作動方法。
20. 請求項１６乃至１９のいずれか１項に記載の画像処理装置の作動方法の各工程をコンピュータに実行させるプログラム。