JP2017196306A - 画像処理装置及び画像処理方法 - Google Patents

Abstract

【課題】 新生血管や線維化組織等の識別が困難な組織を識別可能な画像を生成すること。【解決手段】 画像処理装置は、測定光を照射した被検体からの戻り光と測定光に対応する参照光とを合波して得た合波光を分割して得た互いに異なる偏光の光の断層信号に基づいて、被検体の３次元偏光断層情報及び３次元モーションコントラスト情報を取得する情報取得手段と、３次元偏光断層情報を用いて被検体の病変領域を抽出する抽出手段と、病変領域が３次元モーションコントラスト情報を用いて生成されたモーションコントラスト画像に重畳された画像を生成する画像生成手段と、を有する。【選択図】 図５

Description

被検体の画像を処理する画像処理装置及び画像処理方法に関する。

生体などの測定対象の断層像を非破壊、非侵襲で取得する方法として、光干渉断層撮像法（Ｏｐｔｉｃａｌ Ｃｏｈｅｒｅｎｃｅ Ｔｏｍｏｇｒａｐｈｙ、以下ＯＣＴという）が実用化されている。ＯＣＴは、特に眼科領域で被検眼の眼底における網膜の断層像が取得され、網膜の眼科診断等において広く利用されている。

ＯＣＴは、測定対象から反射した光と参照鏡から反射した光を干渉させ、その干渉した光強度の時間依存性または波数依存性を解析することにより断層像を得ている。このような光干渉断層像取得装置として、参照鏡の位置を変えることで測定対象の深さ情報を得るタイムドメインＯＣＴが知られている。また、広帯域光源を使用したスペクトラルドメインＯＣＴ（ＳＤ−ＯＣＴ：Ｓｐｅｃｔｒａｌ Ｄｏｍａｉｎ Ｏｐｔｉｃａｌ Ｃｏｈｅｒｅｎｃｅ Ｔｏｍｏｇｒａｐｈｙ）が知られている。さらに、発振波長を変えることができる波長可変光源装置を光源として使用した波長掃引光コヒーレンストモグラフィー（ＳＳ−ＯＣＴ：Ｓｗｅｐｔ Ｓｏｕｒｃｅ Ｏｐｔｉｃａｌ Ｃｏｈｅｒｅｎｃｅ Ｔｏｍｏｇｒａｐｈｙ）装置が知られている。なお、ＳＤ−ＯＣＴとＳＳ−ＯＣＴは総称してフーリエドメインＯＣＴ（ＦＤ−ＯＣＴ：Ｆｏｕｒｉｅｒ Ｄｏｍａｉｎ Ｏｐｔｉｃａｌ Ｃｏｈｅｒｅｎｃｅ Ｔｏｍｏｇｒａｐｈｙ）と呼ばれる。

近年、このＦＤ−ＯＣＴを用いた擬似血管造影法が提案されており、ＯＣＴアンギオグラフィー（ＯＣＴＡ）と呼ばれている。現代の臨床医療で一般的な血管造影法である蛍光造影は、体内に蛍光色素（例えばフルオレセインまたはインドシアニングリーン）の注入を必要としている。蛍光色素の通り道となる血管を２次元的に表示する。これに対して、ＯＣＴＡは非侵襲で擬似的な血管造影を可能にし、血流部位のネットワークを３次元的に表示することが可能である。さらに、蛍光造影に比べて高分解能であり、眼底の微小血管または血流を描出することができるため注目を集めている。

ＯＣＴＡは、血流検出方法の違いにより複数の方法が提案されている。例えば、非特許文献１には、ＯＣＴ信号から時間変調が起こっている信号のみを抽出することで血流からのＯＣＴ信号を分離する方法が提案されている。また、血流による位相のバラツキを利用した方法（非特許文献２）、血流による強度のバラツキを利用した方法（非特許文献３、特許文献１）、なども提案されている。尚、本明細書中では、ＯＣＴ信号から時間変調が起こっている信号を画像として表示したものをモーションコントラスト画像、またその画素値をモーションコントラスト、そのデータセットをモーションコントラストデータと呼ぶ場合がある。

一方、機能ＯＣＴ装置の一つとして開発されている偏光ＯＣＴ装置は、神経線維層や網膜層などの構造情報の描出が可能である。非特許文献４では、該偏光ＯＣＴ装置を用いて、網膜神経線維層（ＲＮＦＬ）において、リターデーションと称呼される偏向パラメータについて、単位厚みあたりの３次元のデータを厚さ方向に積算して得られるＥｎｆａｃｅマップを得る技術が開示されている。

米国特許出願公開第２０１４／２２１８２７号明細書

Ｆｉｎｇｌｅｒ ｅｔ ａｌ． "ＭｏＢｉｌｉｔｙ ａｎｄ ｔｒａｎｓｖｅｒｓｅ ｆｌｏｗ ｖｉｓｕａｌｉｚａｔｉｏｎ ｕｓｉｎｇ ｐｈａｓｅｖａｒｉａｎｃｅ ｃｏｎｔｒａｓｔ ｗｉｔｈ ｓｐｅｃｔｒａｌ ｄｏｍａｉｎｏｐｔｉｃａｌ ｃｏｈｅｒｅｎｃｅ ｔｏｍｏｇｒａｐｈｙ" Ｏｐｔｉｃｓ Ｅｘｐｒｅｓｓ． Ｖｏｌ． １５， Ｎｏ． ２０． ｐｐ １２６３７−１２６５３ （２００７） Ｏｐｔｉｃｓ Ｌｅｔｔｅｒｓ Ｖｏｌ． ３３， Ｉｓｓ． １３， ｐｐ． １５３０−１５３２ （２００８） "Ｓｐｅｃｋｌｅ ｖａｒｉａｎｃｅ ｄｅｔｅｃｔｉｏｎｏｆ ｍｉｃｒｏｖａｓｃｕｌａｔｕｒｅ ｕｓｉｎｇ ｓｗｅｐｔ−ｓｏｕｒｃｅ ｏｐｔｉｃａｌ ｃｏｈｅｒｅｎｃｅ ｔｏｍｏｇｒａｐｈｙ " Ｍａｒｉａｍｐｉｌｌａｉ ｅｔ ａｌ．， "Ｏｐｔｉｍｉｚｅｄ ｓｐｅｃｋｌｅ ｖａｒｉａｎｃｅ ＯＣＴ ｉｍａｇｉｎｇ ｏｆ ｍｉｃｒｏｖａｓｃｕｌａｔｕｒｅ，" Ｏｐｔｉｃｓ Ｌｅｔｔｅｒｓ ３５， １２５７−１２５９ （２０１０） Ｉｎｖｅｓｔ Ｏｐｈｔｈａｌｍｏｌ Ｖｉｓ Ｓｃｉ． ２０１３ Ｊａｎ ７，Ｚｏｔｔｅｒ Ｓ ｅｔ ａｌ．"Ｍｅａｓｕｒｉｎｇ ｒｅｔｉｎａｌ ｎｅｒｖｅ ｆｉｂｅｒ ｌａｙｅｒ ｂｉｒｅｆｉｒｉｎｇｅｎｃｅ，ｒｅｔａｒｄａｔｉｏｎ，ａｎｄ ｔｈｉｃｋｎｅｓｓ ｕｓｉｎｇ ｗｉｄｅ−ｆｉｅｌｄ，ｈｉｇｈ−ｓｐｅｅｄ ｐｏｌａｒｉｚａｔｉｏｎ ｓｅｎｓｉｔｉｖｅ ｓｐｅｃｔｒａｌｄｏｍａｉｎ ＯＣＴ"

新生血管を伴う加齢黄斑変性（ＡＭＤ）において特徴的な新生血管は、脈絡膜からブルッフ膜を突き破って網膜色素上皮（ＲＰＥ：Ｒｅｔｉｎａｌ ｐｉｇｍｅｎｔ ｅｐｉｔｈｅｌｉｕｍ）の下あるいは上に生えだしてくると急速に増殖する。この新生血管から血液の漏出がおこることで、視機能が障害され、さらに漏出箇所周辺に線維化組織が形成される。新生血管を伴うＡＭＤ患者に対して適切な治療を行うためには、新生血管と線維化組織（線維症：Ｆｉｂｒｏｓｉｓ）とを識別して把握することが必要である。それは、例えば、新生血管からの血液の漏出に対しては、血管内皮増殖因子（ＶＥＧＦ）を阻害する薬を投与することにより新生血管の増殖を抑制することができるが、既に繊維化組織に対しては効果が期待できないためである。また、治療の効果を判断するためにも、それぞれの組織の経時的な変化を把握することが必要である。

しかしながら、従来のＯＣＴにおいて得られる輝度画像においては、ＲＰＥと繊維化組織と新生血管とが同じような高輝度反射領域となり、その識別は困難であった。また、ＯＣＴＡや偏光ＯＣＴのいずれかでは、ＡＭＤの進行に関わる組織をトータルに識別し、把握することができなかった。また、それら組織の時間的あるいは空間的な変化を把握することが困難であった。そのため、疾患の進行を把握することが難しかった。

本発明の目的の一つは、上記の課題に鑑みてなされたものであり、新生血管や線維化組織等の識別が困難な組織を識別可能な画像を生成することである。なお、前記目的に限らず、後述する発明を実施するための形態に示す各構成により導かれる作用効果であって、従来の技術によっては得られない作用効果を奏することも本件の他の目的の１つとして位置付けることができる。

本発明に係る画像処理装置の一つは、
測定光を照射した被検体からの戻り光と前記測定光に対応する参照光とを合波して得た合波光を分割して得た互いに異なる偏光の光の断層信号に基づいて、前記被検体の３次元偏光断層情報及び３次元モーションコントラスト情報を取得する情報取得手段と、
前記３次元偏光断層情報を用いて前記被検体の病変領域を抽出する抽出手段と、
前記病変領域が前記３次元モーションコントラスト情報を用いて生成されたモーションコントラスト画像に重畳された画像を生成する画像生成手段と、を有する。

本発明の一つによれば、新生血管や線維化組織等の識別が困難な組織を識別可能な画像を生成することができる。

本実施形態における装置の全体構成の一例の概略を示す図。 本実施形態におけるスキャンパターンの一例を表す図。 本実施形態における信号処理手順の一例を示す図。 本実施形態におけるセグメンテーション結果の一例を示す図。 本実施形態におけるＧＵＩの一例を示す図。 本実施形態におけるＧＵＩの一例を示す図。 本実施形態におけるＲＰＥ厚マップと血管画像との重畳表示の一例を示す図。

以下、添付の図面を参照して、本実施形態に係る撮像装置を説明する。なお、以下の実施形態において示す構成および処理手順は一例に過ぎず、本発明は以下の実施形態に限定されるものではない。また、本実施形態で被検体を人眼（眼底）としているがこれに限るものではなく、例えば皮膚等に用いることとしてもよい。また、本実施形態において撮像対象は眼の眼底としているが、前眼を撮影対象とすることとしてもよい。

＜偏光ＯＣＴ装置の構成＞
図１は、本実施形態における画像処理装置の構成例を示す図である。本実施形態ではＳＳ‐ＯＣＴによる偏光ＯＣＴ装置について説明する。なお、ＳＤ−ＯＣＴによる偏光ＯＣＴ装置に本発明を適用することも可能である。本実施形態における装置は、光干渉断層信号を取得する光干渉断層取得部８００と制御部１４３から構成される。このとき、光干渉断層取得部８００は撮像装置の一例であり、本実施形態における画像処理装置の一例である制御部１４３と通信可能に接続されている。なお、このような形態以外にも、制御部１４３が撮像装置に内蔵されて一体となっている装置構成であっても良い。ここで、制御部１４３は、さらに信号処理部１４４、信号取得制御部１４５、表示制御部１４９と表示部１４６から構成される。信号処理部１４４は、さらに画像生成部とマップ生成部から構成される。

まず、光干渉断層取得部８００の構成について説明する。光源８０１は波長掃引型（Ｓｗｅｐｔ Ｓｏｕｒｃｅ：以下ＳＳ）光源であり、例えば、掃引中心波長１０５０ｎｍ、掃引幅１００ｎｍで掃引しながら光を出射する。光源８０１から出射された光は、シングルモードファイバ（以下ＳＭファイバと記載）８０２、偏光制御器８０３コネクタ８０４、ＳＭファイバ８０５、ポラライザ８０６、偏波保持（Ｐｏｌａｒｉｚａｔｉｏｎ Ｍａｉｎｔａｉｎｉｎｇ：ＰＭ）ファイバ（以下ＰＭファイバと記載）８０７、コネクタ８０８、ＰＭファイバ８０９を介して、ビームスプリッタ８１０に導かれ、測定光（ＯＣＴ測定光とも言う）と参照光（ＯＣＴ測定光に対応する参照光とも言う）に分岐される。ビームスプリッタ８１０の分岐比は、９０（参照光）：１０（測定光）である。偏光制御器１０３は光源１０１から射出する光の偏光を所望の偏光状態へ変化させることが出来る。一方、ポラライザ８０６は特定の直線偏光成分のみを通過させる特性を持つ光学素子である。通常光源８０１から射出される光は偏光度が高く、特定の偏光方向を持つ光が支配的であるが、ランダム偏光成分と呼ばれる、特定の偏光方向を持たない光が含まれている。このランダム偏光成分は偏光ＯＣＴ画像の画質を悪化させることが知られており、ポラライザによってランダム偏光成分をカットしてやる。なお、ポラライザ８０６を通過できるのは特定の直線偏光状態の光のみであるため、所望の光量が被検眼１１８に入射するように偏光制御器８０３によって偏光状態を調整する。

分岐された測定光は、ＰＭファイバ８１１を介して出射され、コリメータ８１２によって平行光とされる。平行光となった測定光は１／４波長板８１３を透過したのち、被検眼８１８の眼底Ｅｒにおいて測定光を走査するガルバノスキャナ８１４、スキャンレンズ８１５、フォーカスレンズ８１６を介して被検眼８１８に入射する。ここで、ガルバノスキャナ８１４は単一のミラーとして記載したが、実際は被検眼１１８の眼底Ｅｒをラスタースキャンするように２枚のガルバノスキャナによって構成している。また、フォーカスレンズ８１６はステージ８１７上に固定されており、光軸方向に動くことで、フォーカス調整することが出来る。ガルバノスキャナ８１４とステージ８１７は信号取得制御部１４５によって制御され、被検眼１１８の眼底Ｅｒの所望の範囲（断層画像の取得範囲、断層画像の取得位置、測定光の照射位置とも言う）で測定光を走査することが出来る。また１／４波長板８１３は、１／４波長板の光学軸と、その光学軸に対して直交する軸との間の位相を１／４波長分だけ遅延させる特性を持つ光学素子である。本実施例ではＰＭファイバ８１１より射出する測定光の直線偏光の方向に対して１／４波長板の光学軸を４５°だけ光軸を回転軸として回転させ、被検眼１１８に入射する光を円偏光とする。なお、本実施形態では詳細な説明はしていないが、眼底Ｅｒの動きを検出し、ガルバノスキャナ１１４のミラーを眼底Ｅｒの動きに追従させて走査させるトラッキング機能が付与されていることが望ましい。トラッキング方法については一般的な技術を用いて行うことが可能であり、リアルタイムで行うことも、ポストプロセッシングで行うことも可能である。例えば、走査型レーザ検眼鏡（Ｓｃａｎｎｉｎｇ Ｌａｓｅｒ Ｏｐｈｔｈａｌｍｏｓｃｏｐｅ：ＳＬＯ）を用いる方法がある。これは眼底Ｅｒについて、ＳＬＯを用いて光軸に対して垂直な面内の２次元画像を経時的に取得し、画像中の血管分岐などの特徴箇所を抽出する。取得する２次元画像中の特徴箇所がどのように動いたかを眼底Ｅｒの移動量として算出し、算出した移動量をガルバノスキャナ８１４にフィードバックすることでリアルタイムトラッキングを行うことが出来る。

測定光は、ステージ８１７上に乗ったフォーカスレンズ８１６により、被検眼１１８に入射し、眼底Ｅｒにフォーカスされる。眼底Ｅｒを照射した測定光は各網膜層で反射・散乱し、上述の光学経路をビームスプリッタ８１０に戻る。ビームスプリッタ８１０に入射した測定光の戻り光はＰＭファイバ８２６を経由し、ビームスプリッタ８２８に入射する。

一方、ビームスプリッタ８０６で分岐された参照光は、ＰＭファイバ８１９を介して出射され、コリメータ８２０によって平行光とされる。参照光は１／２波長板８２１、分散補償ガラス８２２、ＮＤフィルタ８２３、コリメータ８２４を介し、ＰＭファイバ８２７に入射する。コリメータレンズ８２４とＰＭファイバ８２７の一端はコヒーレンスゲートステージ８２５の上に固定されており、被検者の眼軸長の相違等に対応して光軸方向に駆動するように、信号取得制御部１４５で制御される。１／２波長板８２１は、１／２波長板の光学軸と、その光学軸に対して直交する軸との間の位相を１／２波長分だけ遅延させる特性を持つ光学素子である。本実施例ではＰＭファイバ８１９より射出する参照光の直線偏光がＰＭファイバ８２７において長軸が４５°傾いた偏光状態となるように調整する。なお本実施形態では参照光の光路長を変更しているが、測定光の光路と参照光の光路との光路長差を変更出来ればよい。

ＰＭファイバ８２７を通過した参照光はビームスプリッタ８２８に入射する。ビームスプリッタ８２８では参照光の戻り光と参照光が合波されることにより得られた合波光（干渉光）とされた上で二つに分割される。分割される干渉光は互いに反転した位相の干渉光（以下、正の成分および負の成分と表現する）となっている。分割された干渉光の正の成分はＰＭファイバ８２９、コネクタ８３１、ＰＭファイバ８３３を経由して偏光ビームスプリッタ８３５に入射する。一方、干渉光の負の偏光成分はＰＭファイバ８３０、コネクタ８３２、ＰＭファイバ８３４を経由して偏光ビームスプリッタ８３６に入射する。

偏光ビームスプリッタ８３５および８３６では、直交する二つの偏光軸に合わせて干渉光が分割され、垂直（Ｖｅｒｔｉｃａｌ）偏光成分（以下、Ｖ偏光成分）と水平（Ｈｏｒｉｚｏｎｔａｌ）偏光成分（以下、Ｈ偏光成分）の二つの光にそれぞれ分割される。偏光ビームスプリッタ８３５に入射した正の干渉光は偏光ビームスプリッタ８３５において正のＶ偏光成分と正のＨ偏光成分の二つの干渉光に分割される。分割された正のＶ偏光成分はＰＭファイバ８３７を経由してディテクタ８４１に入射し、正のＨ偏光成分はＰＭファイバ８３８を経由してディテクタ８４２に入射する。一方、偏光ビームスプリッタ８３６に入射した負の干渉光は偏光ビームスプリッタ８３６において負のＶ偏光成分と負のＨ偏光成分に分割される。負のＶ偏光成分はＰＭファイバ８３９を経由してディテクタ８４１に入射し、負のＨ偏光成分はＰＭファイバ８４０を経由してディテクタ８４２に入射する。

ディテクタ８４１および８４２はいずれも差動検出器となっており、位相が１８０°反転した二つの干渉信号が入力すると、直流成分を除去し、干渉成分のみを出力する。

ディテクタ８４１で検出された干渉信号のＶ偏光成分とディテクタ８４２で検出された干渉信号のＨ偏光成分はそれぞれ光の強度に応じた電気信号として出力され、断層画像生成部の一例である信号処理部１４４に入力する。

＜スキャンパターン＞
ここで、被検体１１８の奥行き方向の断層に関する情報を取得することをＡ−ｓｃａｎと呼ぶ。また、Ａ−ｓｃａｎと直交する方向で被検体の断層に関する情報、すなわち２次元画像を取得するための走査方向をＢ−ｓｃａｎ、更にＢ−ｓｃａｎにより得られた断層像に直交する方向に走査することをＣ−ｓｃａｎと呼ぶ。これは、３次元断層像を取得する際に眼底面内に２次元ラスター走査する場合、高速な走査方向がＢ−ｓｃａｎ、Ｂ−ｓｃａｎをその直交方向に並べて走査する低速な走査方向をＣ−ｓｃａｎと呼ぶ。Ａ−ｓｃａｎ及びＢ−ｓｃａｎを行うことで２次元の断層像が得られ、Ａ−ｓｃａｎ、Ｂ−ｓｃａｎ及びＣ−ｓｃａｎを行うことで、３次元の断層像を得ることができる。Ｂ−ｓｃａｎ、Ｃ−ｓｃａｎは、上述したガルバノスキャナ１１４により行われる。

なお、不図示のＸ軸スキャナー１１４ａ、Ｙ軸スキャナー１１４ｂは、それぞれ回転軸が互いに直交するよう配置された偏向ミラーで構成されている。Ｘ軸スキャナー１１４ａは、Ｘ軸方向の走査を行い、Ｙ軸スキャナー１１４ｂは、Ｙ軸方向の走査を行う。Ｘ軸方向、Ｙ軸方向の各方向は、眼球の眼軸方向に対して垂直な方向で、互いに垂直な方向である。また、Ｂ−ｓｃａｎ、Ｃ−ｓｃａｎのようなライン走査方向と、Ｘ軸方向またはＹ軸方向とは、一致していなくてもよい。このため、Ｂ−ｓｃａｎ、Ｃ−ｓｃａｎのライン走査方向は、撮像したい２次元の断層像あるいは３次元の断層像に応じて、適宜決めることができる。

次に、図２を用いて本実施形態のスキャンパターンの一例を説明する。ＯＣＴアンギオグラフィーでは血流によるＯＣＴ干渉信号の時間変化を計測するため、同じ場所（または略同じ場所）で複数回の計測が必要となる。本実施形態ではＯＣＴ装置は同じ場所でのＢスキャンをｍ回繰り返しつつ、ｎ箇所のｙポジションに移動するスキャンを行う。具体的なスキャンパターンを図２に示す。眼底平面上でｙ１〜ｙｎのｎ箇所のｙポジションについて、それぞれＢスキャンを繰り返しｍ回ずつ実施する。ｍが大きいと同じ場所での計測回数が増えるため、血流の検出精度が向上する。その一方でスキャン時間が長くなり、スキャン中の眼の動き（固視微動）により画像にモーションアーチファクトが発生する問題と被検者の負担が増える問題が生じる。本実施形態では両者のバランスを考慮してｍ＝４として実施した。なお、ＯＣＴ装置のＡスキャン速度、被検体１１８の眼底表面画像の運動解析に応じて、制御部１４３はｍを変更してもよい。

図２においてｐは１つのＢスキャンにおけるＡスキャンのサンプリング数を示している。すなわち、ｐ×ｎにより平面画像サイズが決定される。ｐ×ｎが大きいと、同じ計測ピッチであれば広範囲がスキャンできるが、スキャン時間が長くなり、上述のモーションアーチファクトおよび患者負担の問題が生じる。本実施形態では両者のバランスを考慮してｎ＝ｐ＝３００として実施した。なお、上記ｎ，ｐは適宜自由に変更が可能である。

また、図２におけるΔｘは隣り合うｘポジションの間隔（ｘピッチ）であり、Δｙは隣り合うｙポジションの間隔（ｙピッチ）である。本実施形態ではｘピッチ、ｙピッチは眼底における照射光のビームスポット径の１／２として決定し、１０μｍとする。ｘピッチ、ｙピッチを眼底上ビームスポット径の１／２とすることで生成する画像を高精細に形成することができる。ｘピッチ、ｙピッチを眼底ビームスポット径の１／２より小さくしても生成する画像の精細度をそれ以上高くする効果は小さい。

逆にｘピッチ、ｙピッチを眼底ビームスポット径の１／２より大きくすると精細度は悪化するが、小さなデータ容量で広い範囲の画像を取得することができる。臨床上の要求に応じてｘピッチ、ｙピッチを自由に変更してもよい。

＜制御部１４３の構成＞
本装置全体を制御するための制御部１４３の構成と機能について説明する。制御部１４３は、信号処理部１４４、信号取得制御部１４５、表示部１４６、表示制御部１４９によって構成される。また、信号処理部１４４は、さらに、画像生成部１４７とマップ生成部１４８を持つ構成となっている。なお、信号処理部１４４は、被検体の３次元偏光断層情報及び３次元モーションコントラスト情報を取得する情報取得手段の一例である。また、画像生成部１４７は、ディテクタ８４１および８４２から送られる電気信号（干渉信号）から輝度画像及びモーションコントラスト画像を生成する機能を有し、マップ生成部１４８は輝度画像から層情報（網膜のセグメンテーション）を生成する機能を有する。

さらに、画像生成部１４７は、信号処理部１４４に送られる電気信号から偏光特性画像を生成する機能を有し、マップ生成部１４８は線維化組織画像を生成する機能を有する。

信号取得制御部１４５は上述の通りに各部を制御する。信号処理部１４４はディテクタ８４１、８４２から出力される信号に基づき、画像の生成、生成された画像の解析、解析結果の可視化情報の生成を行う。

信号処理部１４４で生成された画像および解析結果は表示制御部１４９に送られ、表示制御部１４９は表示部１４６の表示画面に画像および解析結果を表示させる。ここで、表示部１４６は、例えば液晶等のディスプレイである。なお、信号処理部１４４で生成された画像データは表示制御部１４９に送られた後、表示部１４６に有線で送信されても良いし、無線で送信されても良い。また、本実施形態において表示部１４６等は制御部１４３に含まれているが、本発明はこれに限らず、制御部１４３とは別に設けられても良く、例えば検者が持ち運び可能な装置の一例であるタブレットでも良い。この場合、表示部にタッチパネル機能を搭載させ、タッチパネル上で画像の表示位置の移動、拡大縮小、表示される画像の変更等を操作可能に構成することが好ましい。

＜信号処理＞
以下、図３を用いて制御部１４３においておこなう主な信号処理の説明をおこなう。

［偏光成分毎の断層信号生成］
ステップＳ３０１において、信号処理部１４４はポジションｙｉのインデックスｉを１に設定する。ステップＳ３０２、Ｓ３０３において、信号処理部１４４はポジションｙｉにおけるディテクタ８４１、８４２から出力されたＶ偏光成分とＨ偏光成分それぞれの繰り返しＢスキャンデータ（ｍ回分）を抜き出す。ステップＳ３０４、Ｓ３０５において、信号処理部１４４は繰り返しＢスキャンのインデックスｊを１に設定する。ステップＳ３０６、Ｓ３０７において、信号処理部１４４は、Ｖ偏光成分とＨ偏光成分それぞれのｊ番目（１≦ｊ≦ｍ）のＢスキャンデータを抜き出す。

ステップＳ３０８、Ｓ３０９において、信号処理部１４４はＳ３０６、Ｓ３０７において抜き出されたＶ偏光成分とＨ偏光成分それぞれのＢスキャンデータに対して、画像生成部１４７において一般的な再構成処理を行う。すなわち、画像生成部１４７は、Ｖ偏光成分とＨ偏光成分のＢスキャンデータに対してそれぞれ以下のことをおこなう。まず、Ｂスキャンデータから固定パターンノイズの除去を行う。固定パターンノイズ除去は、ガルバノスキャナ８１４を被検眼１１８に測定光が入射されないポジションに移動して取得した複数のＡスキャンデータ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Ｂスキャンデータから減算することで行われる。次に、画像生成部１４７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。その後、ＦＦＴ処理を行う事によって断層信号を生成する。以上の処理により２つの断層信号すなわち、Ｖ偏光成分の断層信号Ａ_ｖおよびＨ偏光成分Ａ_Ｈおよびそれらの間の位相差ΔΦが生成される。

ステップＳ３１０、Ｓ３１１において、信号処理部１４４は繰り返しＢスキャンのインデックスｊをインクリメントする。ステップＳ３１２、Ｓ３１３において信号処理部１４４がｍより大きいか判断する。すなわち、ポジションｙｉでのＢスキャンの輝度計算がｍ回繰り返されたかを判断する。ｎｏの場合はステップＳ３０６、Ｓ３０７に戻り、同一Ｙ位置での繰り返しＢスキャンの輝度計算を繰り返す。すなわち、画像生成部１４７は、それぞれ被検体の略同一箇所における断層を示す被検体の複数のＨとＶの偏光成分の断層信号（断層像）を取得する。

［輝度画像生成］
ステップＳ３１２、Ｓ３１３でｙｅｓと判断された場合はステップＳ３１４へ進み、画像生成部１４７は輝度画像を生成する。
輝度画像は、従来のＯＣＴにおける断層画像と基本的に同じもので、その画素値ｒはＨ偏光成分の断層信号ＡＨおよびＶ偏光成分の断層信号ＡＶから式１によって計算される。

［輝度平均化画像生成］
ステップＳ３１５において画像生成部１４７はおのおののｙｉポジションにおける繰り返しＢスキャン（ｍフレーム）の輝度画像の位置合わせをおこない輝度平均化画像を生成する。

具体的には、まず画像生成部１４７はｍフレームのうち、任意の１枚をテンプレートとして選択する。テンプレートとして選択するフレームは、互いに全ての組み合わせで相関を計算し、フレーム別に相関係数の和を求め、その和が最大となるフレームを選択してもよい。次に、画像生成部１４７はテンプレートでフレーム毎に照合し位置ずれ量（δＸ、δＹ、δθ）を求める。具体的には、画像生成部１４７はテンプレート画像の位置と角度を変えながら類似度を表す指標であるＮｏｒｍａｌｉｚｅｄ Ｃｒｏｓｓ−Ｃｏｒｒｅｌａｔｉｏｎ（ＮＣＣ）を計算し、この値が最大となるときの画像位置の差を位置ずれ量として求める。

なお、本発明では、類似度を表す指標は、テンプレートとフレーム内の画像の特徴の類似性を表す尺度であれば種々変更が可能である。

次に、画像生成部１４７は位置ずれ量（δＸ、δＹ、δθ）に応じて位置補正をテンプレート以外のｍ−１フレームに適用し、ｍフレームの位置合わせを行う。

式２によって、この位置合わせされた輝度画像ｒ_ｉ（１≦ｉ≦ｍ）を平均化し、輝度平均化画像

を生成する。

［線維化組織画像生成］
ステップＳ３１６において画像生成部１４７は、ＨとＶの偏光成分の断層象データから複屈折性の高い領域の画像と偏光の保たれている領域の画像を求め、その２つの画像から線維化組織画像を生成する。

（リターデーション画像）
複屈折性の高い領域の画像の求め方を示す。まず、画像生成部１４７は、ＨとＶの偏光成分の断層象データからリターデーション画像を生成する。リターデーション画像の各画素の値δは、断層画像を構成する各画素の位置において、垂直偏光成分と水平偏光成分の間の位相差を数値化したものであり、各断層信号Ａ_ＨおよびＡ_Ｖから式３によって計算される。

各Ｂスキャン画像に対して式３を計算することによってリターデーション画像（偏光の位相差を示す断層画像とも言う）を得ることができる。リターデーション画像を生成することにより、複屈折性のある層を把握することが可能となる。とくに線維化した組織など、輝度断層画像では判別できない構造を抽出することが可能となる。

次に、複屈折性の高い領域の抽出をおこなう。ここで、抽出する領域の境界は、例えば、深度方向のリターデーション値の変化量が所定の閾値を超えた画素を特定して決定する。深度方向の変化量は、各画素で隣接する２つの画素のリターデーション値の差分から求めてもよいし、隣接する複数の画素のリターデーション値を線形フィッティングした傾きから求めてもよい。また、隣接する複数の画素のリターデーション値を多項式フィッティングし、それを微分して求めた各画素における接線の傾きから求めてもよい。また、ＳｏｂｅｌフィルタやＰｒｅｗｉｔｔフィルタの処理を行って求めてもよい。これにより、複屈折性の高い領域の画像を得る。

（ＤＯＰＵ画像）
偏光の保たれている領域の画像の求め方を示す。画像生成部１４７は、取得した断層信号Ａ_Ｈ、Ａ_Ｖとそれらの間の位相差ΔΦから、各画素のストークスベクトルＳを式４により計算する。

ただし、ΔΦは２つの断層画像を計算する際に得られる各信号の位相Φ_ＨとΦ_ＶからΔΦ＝Φ_Ｖ−Φ_Ｈとして計算する。次に、各Ｂスキャン画像を概ね測定光の主走査方向に７０μｍ、深度方向に１８μｍ程度の大きさのウィンドウを設定し、各ウィンドウ内において式４で画素毎に計算されたストークスベクトルの各要素を平均し、当該ウィンドウ内の偏光の均一性ＤＯＰＵ（Ｄｅｇｒｅｅ Ｏｆ Ｐｏｌａｒｉｚａｔｉｏｎ Ｕｎｉｆｏｒｍｉｔｙ）を式５により計算する。

ただし、Ｑ_ｍ、Ｕ_ｍ、Ｖ_ｍは各ウィンドウ内のストークスベクトルの要素Ｑ，Ｕ，Ｖを平均した値である。この処理をＢスキャン画像内の全てのウィンドウに対して行うことで、ＤＯＰＵ画像（偏光の均一度を示す断層画像とも言う）が生成される。ＤＯＰＵは、偏光の均一性を表す数値であり、偏光が保たれている個所においては１に近い数値となり、偏光が解消された保たれない箇所においては１よりも小さい数値となるものである。網膜内の構造においては、網膜色素上皮が偏光状態を解消する性質があるため、ＤＯＰＵ画像において網膜色素上皮に対応する部分は、他の領域に対してその値が小さくなる。とくに病変で不連続になった網膜色素上皮など、輝度断層画像では判別できない構造を抽出することが可能となる。次に、ＤＯＰＵ画像を閾値処理（例えば、閾値０．７５）することで、偏光が保たれている領域と、偏光が解消されている領域とを分ける。これにより、偏光が保たれている領域の画像を得る。なお、偏光特性画像には、この偏光解消情報に基づくＤＯＰＵ画像の他に、例えば上述したリターデーション情報に基づく画像（リタデーション画像）、オリエンテーション情報に基づく画像、複屈折情報に基づく画像などがある。これら画像或いは情報は、３次元偏光断層情報を構成する。

（線維化組織画像）
以上の方法により画像生成部１４７で得た複屈折性の高い領域の画像と偏光が保たれている領域の画像とから、マップ生成部１４８は複屈折性が高くかつ偏光が保たれている領域を病変領域の一例として抽出することにより、線維化組織画像ｆを生成することができる。線維化組織画像ｆにおいては、複屈折性が高くかつ偏光が保たれている領域に対し、他の領域とは異なる画素値が設定されている。例えば、線維化組織画像ｆを８ビットの符号なし画像とした場合は、画素値０を繊維化していない領域、それ以外の値については繊維化の程度に応じた画素値を割り当てるようにすればよい。ここで、線維化の程度は複屈折性の大きさに応じて決めればよい。ここでは説明上、繰り返しＢスキャンして求めたｍフレームの偏光成分の断層像データのなかから任意の１フレームのＨとＶの偏光成分の断層象データを用いて線維化組織画像を求める方法について述べたが、ｍフレームを平均した偏光成分の断層像を用いて線維化組織画像ｆを生成して用いてもよい。

［層情報生成（セグメンテーション）］
ステップＳ３１７においてマップ生成部１４８は、画像生成部１４７がステップＳ３１５で生成した輝度平均化画像

から、網膜の層情報生成（セグメンテーション）を行う。
網膜は１０層から構成される事が知られているが、本実施例においては図４（Ａ）および以下に示すように、いくつかの層をまとめて６つの層にセグメンテーションを行う。

Ｌａｙｅｒ１：神経繊維層（ＮＦＬ）
Ｌａｙｅｒ２：神経節細胞層（ＧＣＬ）および内網状層（ＩＰＬ）
Ｌａｙｅｒ３：内顆粒層（ＩＮＬ）および外網状層（ＯＰＬ）
Ｌａｙｅｒ４：外顆粒層（ＯＮＬ）および外境界膜（ＥＬＭ）
Ｌａｙｅｒ５：視細胞内節外節接合部（ＩＳ／ＯＳ）、錐体外節端（ＣＯＳＴ）および網膜視磯上皮層（ＲＰＥ）
Ｌａｙｅｒ６：脈絡膜毛細血管板（ＣＣ）
次に輝度平均化画像

をもとに層情報ｌを得る方法を示す。

マップ生成部１４８は、輝度平均化画像

から抜き出した処理の対象とする断層像に対して、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、それぞれメディアン画像、Ｓｏｂｅｌ画像ともいう）。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抽出する。但し、Ｌａｙｅｒ６はＬａｙｅｒ５の脈絡膜側の境界から脈絡膜毛細管板を含む一定の距離、例えば１０μｍに相当する位置までとしてセグメンテーションされる。

また、Ｌａｙｅｒ５のセグメンテーションにおいて、マップ生成部１４８は先に求めたＤＯＰＵ画像を利用してＲＰＥの境界を決定する。ＲＰＥは、それが含むメラニン細胞によって偏光状態を解消する性質があるため、ＤＯＰＵ画像においてＲＰＥに対応する部分は、他の領域に対してその値が小さくなる。すなわちＤＯＰＵ画像は、ＲＰＥの構造に由来する性質を画像化しているので、疾病によりＲＰＥが変形している場合においても、輝度の変化のみを用いるよりも確実にＲＰＥを画像化出来る。

さらに、マップ生成部１４８は決定したＲＰＥの境界から、ＲＰＥの厚みを計算してマップ化し、これをＲＰＥ厚マップとして不図示の内部メモリに記憶する。図４（Ｂ）はその一例を示すものであり、マップを構成する画素の値はＲＰＥの厚みに対応する。この例においてマップ中央の領域ＧＡは委縮型の加齢黄斑変性症により、ＲＰＥが委縮して厚みが０となった部分に対応する。

［血管画像生成（モーションコントラスト）］
ステップＳ３１８において画像生成部１４７は、輝度画像から血管画像を生成する。

まず、画像生成部１４７はモーションコントラストを計算する。本実施例ではステップＳ３１４にて信号処理部１４４が出力したｍフレームの輝度画像から同じ位置のピクセルごとに信号強度（輝度）の分散値を計算し、その分散値をモーションコントラストとする。すなわち、画像生成部１４７は算出された複数の断層像データ間の対応する画素データを用いてモーションコントラストを算出する。なお、分散値以外に、標準偏差、差分値、非相関値および相関値の何れを用いることとしてもよい。また、信号強度ではなく位相を用いることとしてもよい。また、モーションコントラストの求め方は種々あり、本発明においてモーションコントラストの特徴量の種類は同一Ｙ位置での複数Ｂスキャン像の各ピクセルの輝度値の変化を表す指標であれば適用が可能である。また、モーションコントラストはｍフレームの断層像の輝度画像から同じ位置のピクセルごとに分散値の変わりに、各フレームの同ピクセルごとの平均値で正規化した変動係数を用いることも可能である。得られたモーションコントラストデータは、後述する３次元モーションコントラスト情報の一部を構成する。

次に、画像生成部１４７はモーションコントラストの閾値処理をする。画像生成部１４７は、各輝度が、上記閾値以下の領域に対応したモーションコントラストの値を０に設定する。この閾値処理により、ランダムノイズによる輝度変化に由来するモーションコントラストを除去することでノイズを軽減し、血管とそれ以外の部分とを識別することが可能となる。閾値は、ステップＳ３１７で取得された層情報を用いて決めることとしてもよい。閾値の値は、大きいほどノイズは減るがモーションコントラスト検出の感度は下がる。よって、本発明においてはＲＰＥに関係する新生血管に着目することから、ＲＰＥの近傍あるいは脈絡膜においてはモーションコントラストのノイズ閾値を下げるなどしてもよい。また、閾値処理の前後で平滑化処理をおこなってもよい。これらの処理により、血管画像ｂを生成する。

［ボリュームデータの生成］
ステップＳ３１９において信号処理部１４４は、ポジションｙｉのインデックスｉをインクリメントする。ステップＳ３２０において信号処理部１４４は、ｉがｎより大きいか判断する。すなわち、ｎ箇所の全てのｙポジションで所定の処理をおこなったかを判断する。ｎｏの場合はＳ３０２、Ｓ３０３に戻る。ｙｅｓの場合は、次ステップＳ３２１へ進む。以上のステップを経て、次に３次元画像を生成する。すなわち、ステップＳ３２１において画像生成部１４７は、３次元の輝度平均化画像

を生成する。ステップＳ３２２において画像生成部１４７は、３次元の血管画像ｂ_３Ｄを生成する。ステップＳ３２３において画像生成部１４７は、３次元の繊維化組織画像ｆ_３Ｄを生成する。このとき、あわせて独立した線維化組織の数をカウントし記録する。また、それぞれの線維化組織の体積を計算して求めておく。ステップＳ３２４においてマップ生成部１４８は、３次元の層情報ｌ_３Ｄを生成する。

また、ステップＳ３２５において画像生成部１４７は、３次元の血管画像ｂ_３Ｄと３次元の層情報ｌ_３Ｄとから、Ｌａｙｅｒ５をまたがって伸びる血管の存在する位置を記録する。また、Ｌａｙｅｒ６からＬａｙｅｒ５の近傍に存在する血管の位置も併せて記録する。

＜表示方法＞
ステップＳ３２６では、以上のステップで求めた３次元輝度平均化画像

と３次元血管画像ｂ_３Ｄと３次元線維化組織画像ｆ_３Ｄと３次元層情報ｌ_３Ｄと、線維化組織の体積と数、層近傍の血管の数と、を表示部１４６に表示する。以下、これらの画像と情報一式をデータセットと呼ぶことにする。表示方法の一例を図５および図６に示す。

図５の表示領域５１に、３次元輝度平均化画像

、３次元血管画像ｂ_３Ｄ、３次元線維化組織画像ｆ_３Ｄ、３次元層情報ｌ_３Ｄの全てあるいは任意の組み合わせを重畳して表示する。また、画像の側方にあるチェックボックス５２を用いて、重畳表示から並べて表示するように切り替えることが可能である。表示された３次元画像は、検者の操作、例えばマウス操作によって、自由に回転、移動、拡大縮小ができ、任意の位置、角度から画像を見ることができる。

また、図６に示すように、チェックボックス６２を用いて、表示領域６１の表示を２次元の断層像もしくはＥｎｆａｃｅ画像の表示に切り替えることも可能である。同図は、線維化組織画像（偏光Ｅｎｆａｃｅ画像の一例）と血管画像（モーションコントラストＥｎｆａｃｅ画像の一例）を重畳したＥｎｆａｃｅ画像とした場合の例示であり、血管画像上に組織が線維化された領域（網掛け部分）が表示されている。これにより、線維化領域とその領域における血管の状態を容易に把握する事ができるようになる。このように、検者の操作に応じてＥｎｆａｃｅ画像が選択された場合には、チェックボックス６５において選択した層の情報を用いてＥｎｆａｃｅ画像を生成する。検者の操作に応じて断層像が選択された場合には、スライドバー６７の操作によって任意の位置の断層像を表示選択することができ、ボタン６４を押下することで、スライドショーのように断層像を自動的に順次切り替えて表示することが可能である。なお、検者の操作に応じてＥｎｆａｃｅ画像が選択された場合でも、スライドバー６７の操作によってＥｎｆａｃｅ画像の深さ位置が選択されても良い。また、チェックボックス６２やチェックボックス６５は、被検体の深さ方向における第１の領域と、第１の領域とは異なる第２の領域とを決定する決定手段の一例である。この場合、決定手段は、第１の領域（例えば、ＲＰＥ近傍）と第２の領域（例えば、脈絡膜近傍）を決定する際に、本実施形態のように検者の操作に応じて決定するようにしても良いし、診断目的等に応じて自動的に決定するようにしても良い。また、検者が表示領域５１、６１に表示する画像および情報を変更するためにチェックボックス５２、６２を操作すると、任意の画像および情報の組み合わせで画像を表示領域５１、６１に表示することが可能となる。以上の構成により、ＡＭＤの進行および治療効果の確認を効率的に行う事が出来るようになる。

例えば、表示の対象として血管画像と線維化組織とを選択すると、表示領域５１、６１に血管画像と線維化組織が表示され、血管と線維化組織の配置および分布を視覚的に把握することが可能となる。図５はその一例であり、同図において表示領域５１には３次元血管画像ｂ_３Ｄと３次元線維化組織画像ｆ_３Ｄが３Ｄ画像として重畳表示されている。一方、図６においては、２種類の画像が２次元の平面画像として重畳表示されている。いずれの場合も、網掛けされた部分は繊維化層式画像において繊維化が進んでいる領域を示しており、網膜層内の血管と、疾病により組織が変性した部分を全体として把握する事が出来る。

また、表示の対象領域はチェックボックス５５、６５において表示する層を選択することで、表示領域５１、６１に着目したい層だけの画像および情報を表示することができる。これにより、対象とする疾病がＡＭＤの場合は特にＬａｙｅｒ４乃至Ｌａｙｅｒ６と表示対象とし、脈絡膜から発生して網膜内層に向かって成長すると考えられる新生血管を対象として表示を行う事が可能となる。

さらに、チェックボックス５２、６２において、層近傍血管をハイライトして表示することを選択できる。図５はその一例であり、層近傍の血管を矢印でハイライトする例を示している。なお、このハイライト表示は矢印以外にも様々な形態を取る事が可能であり、例えば色を変えるなどしてもよい。このように、層近傍血管のハイライト機能と、チェックボックス５５、６５で脈絡膜とＲＰＥ層の表示選択を組み合わせることで、ＡＭＤに関係する新生血管を容易に視覚的に把握することが可能となる。

また、表示部１４６は、同一患者の過去に計測し取得したデータセットを読み出して表示する機能を有する。検者が検査番号あるいは検査日時を選択することで任意のデータセットを読み出し表示することができる。図５および図６ではスライドバー５３、６３をスライドさせることでデータセットを切り替えている。また、ボタン５４、６４を押下することで、スライドショーのように時系列に従って自動的に画像を順次切り替えて表示することも可能である。なお、このときもチェックボックス５２、６２、チェックボックス５５、６５による選択は有効であって、過去のデータセットから検者が着目する画像・部位・情報の表示をおこなう。

また、表示領域５６、６６においては、過去のデータセットから、ステップＳ３２３で求めた線維化組織の数および体積を縦軸に、時間を横軸にとってグラフ表示する。線維化組織の体積は、検査領域に含まれるトータルの体積であるか、検者が選択した領域内（例えば選択された層における線維化組織の体積）のものであるかは選択可能である。図５および図６においては、チェックボックス５２、６２、チェックボックス５５、６５における選択に従って求めている。同様に、過去のデータセットから、ステップ３２５で求めた層をまたがる血管と層近傍の血管についてその数または密度または長さを縦軸に、時間を横軸にとってグラフ表示する。検査領域に含まれるトータルの数または密度または長さであるか、検者が選択した領域内（例えば選択された層）のものであるかは選択可能である。図５および図６においては、チェックボックス５２、６２、チェックボックス５５、６５における選択に従って求めている。なお、上述したグラフは、線維化組織等の病変領域を示すパラメータ（例えば、数や体積）の値の経時変化を示すグラフや、血管を示すパラメータ（例えば、数や密度）の値の経時変化を示すグラフの一例である。新生血管を伴う滲出型のＡＭＤの経過観察においては、新生血管の発生を抑制する抗ＶＥＧＦによる治療が行われるが、新生血管の増殖やそこからの出血が止まるとその部分が瘢痕として線維化すると考えられる。その場合、継続して治療を行う事は患者の負担を増加させる一方、医療上の効果は期待できないため、客観的な根拠に基づき治療を停止する事が重要である。したがって、表示領域５６、６６で示されるように治療の対象となる新生血管を表す層近傍の血管の体積と、病変が非活性化した領域の体積を時系列的に並列表示する事で、上記判断を効率的に行う事ができる。

また、図７は、先述したＲＰＥ厚マップと血管画像を重畳表示する例を示す。同図において、７１乃至７７は、図６における６１乃至６７と同様であるため説明は省略するが、チェックボックス７２には、ＲＰＥ厚マップ（図中では網膜色素上皮厚画像と表記）が選択肢として追加されている。このＲＰＥ厚マップと血管画像を選択する事により、表示領域７１にはこれらの２種類の画像が重畳表示される。

ここで、表示領域７１に表示される画像は、ＲＰＥ厚マップの画素値を透過度として、血管画像と合成したものであり、ＲＰＥ厚が０の領域においては血管画像のみが表示されるようになっている。また、スライダー７８は、ＲＰＥ厚マップの画素値と透過度の関係を調整するものであり、図においてはＲＰＥ透過度が最も低い条件に設定されている。この設定においては、ＲＰＥ厚が０の時のみ血管画像が描出され、スライダー７８が上方にセットされるとＲＰＥ厚の値に応じて透過度が徐々に上がることで、血管画像が透見できるようになる。このようにすることで、ＡＭＤのＲＰＥ委縮領域とその周辺における血管の状態の関係を把握する事が容易となる。

さらに、マップ生成部１４８が表示する血管画像の対象範囲（レイヤー）を、被検眼の偏光特性を表す画像から自動的に決定するようにしてもよい。例えば、マップ生成部１４８は繊維化組織画像およびＤＯＰＵ画像を解析し、網膜内で線維化している領域およびＲＰＥの委縮領域の有無を検出し、その結果に応じてチェックボックス５５、６５又は７５のチェックを自動的に行う。領域の検出においては、線維化層式画像の画素値が予め設定した閾値以上を超える領域や、ＲＰＥ厚が閾値以下の領域を検出すればよい。これらの閾値は、予め複数の関連する疾病の症例を解析する事で事前に決めておく事が出来る。

マップ生成部１４８は、被検眼に繊維化領域が存在する場合はＬａｙｅｒ４、５および６を、ＲＰＥ委縮が存在する場合はＬａｙｅｒ６を血管画像の表示領域とし、各チェックボックスを自動的にチェックすると同時に、当該レイヤー内の血管像と、その時点で表示選択された画像を重畳表示する。或いは、線維化領域が存在する場合は繊維化組織画像を、ＲＰＥ委縮が検出された場合は、ＲＰＥ厚マップを選択するようにしてもよい。このように、各病変に対して最も関連性が高い血管領域が自動的に選択される事で、検者の操作を大幅に簡素化する事ができる。この病変と対象とするレイヤーの関係は、予めマップ生成部１４８内に変更可能な形で記憶しておけばよい。このようにすることで、病態理解の状況に応じて、適切なレイヤーを選択する事ができるようになる。

以上説明したように、本発明によれば被検眼の偏光特性とＯＣＴアンギオグラフィーの画像を同時に提示する事で、病変を効果的に表示し、診断を効率的に行う事ができるようになる。

（その他の実施形態）
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 (20)

1. 測定光を照射した被検体からの戻り光と前記測定光に対応する参照光とを合波して得た合波光を分割して得た互いに異なる偏光の光の断層信号に基づいて、前記被検体の３次元偏光断層情報及び３次元モーションコントラスト情報を取得する情報取得手段と、
   前記３次元偏光断層情報を用いて前記被検体の病変領域を抽出する抽出手段と、
   前記病変領域が前記３次元モーションコントラスト情報を用いて生成されたモーションコントラスト画像に重畳された画像を生成する画像生成手段と、
   を有することを特徴とする画像処理装置。
2. 前記抽出手段は、前記３次元偏光断層情報を用いて前記被検体の３次元の病変領域を抽出し、
   前記画像生成手段は、前記３次元の病変領域が前記３次元モーションコントラスト情報を用いて生成された３次元のモーションコントラスト画像に重畳された３次元画像を生成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. 前記画像生成手段は、前記３次元画像を用いて前記被検体の特定の領域のＥｎｆａｃｅ画像を生成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. 前記抽出手段は、前記３次元偏光断層情報を用いて前記被検体の２次元の病変領域を抽出し、
   前記画像生成手段は、前記２次元の病変領域が前記３次元モーションコントラスト情報を用いて生成されたモーションコントラストＥｎｆａｃｅ画像に重畳された画像を生成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. 前記重畳された画像を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. 前記抽出手段は、前記３次元モーションコントラスト情報を用いて前記被検体の血管を抽出し、
   前記表示制御手段は、前記病変領域を示すパラメータの値と前記血管を示すパラメータの値と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. 前記抽出手段は、前記３次元モーションコントラスト情報を用いて前記被検体の血管を抽出し、
   前記表示制御手段は、前記病変領域を示すパラメータの値の経時変化を示すグラフと前記血管を示すパラメータの値の経時変化を示すグラフと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。
8. 測定光を照射した被検体からの戻り光と前記測定光に対応する参照光とを合波して得た合波光を分割して得た互いに異なる偏光の光の断層信号に基づいて、前記被検体の３次元偏光断層情報及び３次元モーションコントラスト情報を取得する情報取得手段と、
   前記被検体の深さ方向における第１の領域と、前記第１の領域とは異なる第２の領域とを決定する決定手段と、
   前記３次元偏光断層情報を用いて前記第１の領域を抽出する抽出手段と、
   前記３次元偏光断層情報を用いて生成された前記第１の領域の偏光Ｅｎｆａｃｅ画像と、前記３次元モーションコントラスト情報を用いて生成された前記第２の領域のモーションコントラストＥｎｆａｃｅ画像とが重畳された２次元画像を生成する画像生成手段と、
   を有することを特徴とする画像処理装置。
9. 前記互いに異なる偏光の光を検出する検出手段を有する撮像装置と通信可能に接続され、
   前記情報取得手段は、前記検出手段により前記互いに異なる偏光の光が検出されることにより得た前記断層信号に基づいて、前記３次元偏光断層情報及び前記３次元モーションコントラスト情報を取得することを特徴とする請求項１乃至８のいずれか１項に記載の画像処理装置。
10. 前記被検体は、被検眼であることを特徴とする請求項１乃至９のいずれか１項に記載の画像処理装置。
11. 測定光を照射した被検体からの戻り光と前記測定光に対応する参照光とを合波して得た合波光を分割して得た互いに異なる偏光の光の断層信号に基づいて、前記被検体の３次元偏光断層情報及び３次元モーションコントラスト情報を取得する工程と、
    前記３次元偏光断層情報を用いて前記被検体の病変領域を抽出する工程と、
    前記病変領域が前記３次元モーションコントラスト情報を用いて生成されたモーションコントラスト画像に重畳された画像を生成する工程と、
    を有することを特徴とする画像処理方法。
12. 前記抽出する工程において、前記３次元偏光断層情報を用いて前記被検体の３次元の病変領域を抽出し、
    前記生成する工程において、前記３次元の病変領域が前記３次元モーションコントラスト情報を用いて生成された３次元のモーションコントラスト画像に重畳された３次元画像を生成することを特徴とする請求項１１に記載の画像処理方法。
13. 前記生成する工程において、前記３次元画像を用いて前記被検体の特定の領域のＥｎｆａｃｅ画像を生成することを特徴とする請求項１２に記載の画像処理方法。
14. 前記抽出する工程において、前記３次元偏光断層情報を用いて前記被検体の２次元の病変領域を抽出し、
    前記生成する工程において、前記２次元の病変領域が前記３次元モーションコントラスト情報を用いて生成されたモーションコントラストＥｎｆａｃｅ画像に重畳された画像を生成することを特徴とする請求項１１に記載の画像処理方法。
15. 前記重畳された画像を表示手段に表示させる工程を更に有することを特徴とする請求項１１乃至１４のいずれか１項に記載の画像処理方法。
16. 前記抽出する工程において、前記３次元モーションコントラスト情報を用いて前記被検体の血管を抽出し、
    前記表示させる工程において、前記病変領域を示すパラメータの値と前記血管を示すパラメータの値とを前記表示手段に表示させることを特徴とする請求項１５に記載の画像処理方法。
17. 前記抽出する工程において、前記３次元モーションコントラスト情報を用いて前記被検体の血管を抽出し、
    前記表示制御手段は、前記病変領域を示すパラメータの値の経時変化を示すグラフと前記血管を示すパラメータの値の経時変化を示すグラフとを前記表示手段に表示させることを特徴とする請求項１５に記載の画像処理方法。
18. 測定光を照射した被検体からの戻り光と前記測定光に対応する参照光とを合波して得た合波光を分割して得た互いに異なる偏光の光の断層信号に基づいて、前記被検体の３次元偏光断層情報及び３次元モーションコントラスト情報を取得する工程と、
    前記被検体の深さ方向における第１の領域と、前記第１の領域とは異なる第２の領域とを決定する工程と、
    前記３次元偏光断層情報を用いて前記第１の領域を抽出する工程と、
    前記３次元偏光断層情報を用いて生成された前記第１の領域の偏光Ｅｎｆａｃｅ画像と、前記３次元モーションコントラスト情報を用いて生成された前記第２の領域のモーションコントラストＥｎｆａｃｅ画像とが重畳された２次元画像を生成する工程と、
    を有することを特徴とする画像処理方法。
19. 前記被検体は、被検眼であることを特徴とする請求項１１乃至１８のいずれか１項に記載の画像処理方法。
20. 請求項１１乃至１９のいずれか１項に記載の画像処理装置の各工程をコンピュータに実行させることを特徴とするプログラム。