JP2018057828A - 画像処理装置及び画像処理方法 - Google Patents

Abstract

【課題】ユーザがＯＣＴにより得られた断層画像における硝子体の構造を、定量的に認識可能とする画像処理装置及び画像処理方法を提供する。【解決手段】画像処理装置は、被検眼の網膜および硝子体を含む断層画像を取得する取得手段と、断層画像における網膜に関する領域よりも硝子体側の領域内の硝子体の外縁（境界）を断層画像の輝度値に基づいて検出する検出手段と、前記硝子体の外縁と網膜の表層とで規定される領域に関する値を算出する算出手段と、を有する。【選択図】図５

Description

本発明は、被検眼の断層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。

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。これは、参照アームの遅延を走査することで、信号アームの後方散乱光との干渉光を計測し、深さ分解の情報を得るように構成されている。しかし、このようなＴＤ−ＯＣＴでは高速な画像取得は難しい。そのため、より高速に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（Ｓｐｅｃｔｒａｌｄｏｍａｉｎ 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。そして、近年では、ＯＣＴの進歩により網膜だけではなく硝子体も見ることが出来るようになってきた。

ここで、ＯＣＴにより得た眼底の断層画像における硝子体内部の強度値のヒストグラムを使用することにより、硝子体内部の大きく明るい斑点をブドウ膜炎の可能性を示すものとして評価する技術が、特許文献１に開示されている。

特表２０１１−５１５１９４号公報

ここで、加齢等に伴って硝子体皮質が網膜からはがれることがある。このとき、網膜が硝子体に牽引され、黄斑円孔が生じることがある。また、網膜や脈絡膜に炎症が起こることにより、硝子体に混濁が生じることがある。このように、硝子体の変化が原因で網膜に疾病が生じる場合や、硝子体自体に疾病が生じることがある。このような疾病の治療を行う場合、医者は術前に硝子体の状態を定量的に認識できることが望まれている。

本発明の目的の一つは、ユーザがＯＣＴにより得られた断層画像における硝子体の構造を定量的に認識可能とすることである。

本発明に係る画像処理装置の一つは、
被検眼の網膜および硝子体を含む断層画像を取得する取得手段と、
前記断層画像における前記網膜に関する領域よりも前記硝子体側の領域内の前記硝子体の外縁を、前記断層画像の輝度値に基づいて検出する検出手段と、を有する。

本発明の一つによれば、ユーザがＯＣＴにより得られた断層画像における硝子体の構造を定量的に認識可能とすることができる。

画像処理システムの構成を示す図。 画像処理システムにおける処理の流れを示すフローチャート。 眼部の構造と断層画像と眼底画像を説明するための図。 画像処理装置における処理を説明するための図。 画像処理装置における処理を説明するための図。 画像処理装置における定量化領域を説明するための図。 画像処理システムの表示部における表示画面の例。 画像処理システムの構成を示す図。 画像処理システムにおける処理の流れを示すフローチャート。 画像処理装置における処理を説明するための図。 画像処理装置における処理を説明するための図。 画像処理装置における定量化領域を説明するための図。 画像処理システムの表示部における表示画面の例。 画像処理システムの構成を示す図。 画像処理システムにおける処理の流れを示すフローチャート。 画像処理装置における処理を説明するための図。 画像処理システムの表示部における表示画面の例。

（第１の実施形態）
以下、図面を参照しながら、本実施形態について説明する。なお、本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、断層画像から硝子体を検出することを特徴としている。以下、本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と、眼の構造ならびに画像処理システムで取得する眼の画像について、詳細を説明する。なお、図３は、画像処理システムで取得する眼の構造と画像を示す図である。図３（ａ）に眼球の模式図を示す。図３（ａ）において、Ｃは角膜、ＣＬは水晶体、Ｖは硝子体、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。本実施形態に係る断層画像撮影装置２００は、主に、硝子体、黄斑部、視神経乳頭部を含む網膜の後極部を撮影する場合について説明を行う。なお、断層画像撮影装置２００は、角膜、水晶体の前眼部を撮影することも可能である。

まず、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からの指示により行われる断層画像の撮影について説明を行う。

また、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ユニットとして示したが、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。

また、フォーカス２０３は、被検体である眼の前眼部を介し、眼底の網膜層にフォーカスするためのものである。測定光は、非図示のフォーカスレンズにより、被検体である眼の前眼部を介し、眼底の網膜層にフォーカスされる。眼底を照射した測定光は各網膜層で反射・散乱して戻る。なお、硝子体を詳細に観察する場合には、網膜層よりも前眼部側にフォーカスを移動させ、硝子体にフォーカスを合わせる。

また、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。

また、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撮影を行うことを制御する。ここで、断層画像撮影装置２００で取得される断層画像について図３（ｂ）を用いて説明する。図３（ｂ）において、Ｖは硝子体、Ｍは黄斑部、Ｄは視神経乳頭部を表す。また、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。断層画像において、横軸（ＯＣＴの主走査方向）をｘ軸、縦軸（深さ方向）をｚ軸とする。

なお、断層画像撮影装置２００は、測定光を照射した被検眼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光を受ける受光手段（不図示）を有する。また、画像処理装置３００は、断層画像撮影装置２００と通信可能に接続され、上記受光手段の受光結果に基づいて断層画像を取得する。ただし、画像処理装置３００は、断層画像撮影装置２００の内部に一体型として構成されても良い。

ここで、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（ｃ）に眼部の眼底画像を示す。図３（ｃ）において、Ｍは黄斑部、Ｄは視神経乳頭部を表し、太い曲線は網膜の血管を表す。眼底画像において、横軸（ＯＣＴの主走査方向）をｘ軸、縦軸（ＯＣＴの副走査方向）をｙ軸とする。なお、断層画像撮影装置２００と眼底画像撮影装置４００の装置構成は、一体型でもよいし別体型でもよい。

また、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。また、眼底画像撮影装置４００により撮影された眼底画像データを取得する。そして、生成した断層画像と眼底画像を記憶部３０２に格納する。画像処理部３０３は、位置合わせ部３３１、検出部３３２、算出部３３３、指定部３３４からなる。位置合わせ部３３１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。検出部３３２では、硝子体境界や硝子体領域を検出する。算出部３３３は、硝子体境界と網膜上層とで規定される領域に関する特徴を数値化する。指定部３３４は、算出部３３３で算出を行う領域の指定を行う。

また、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。

また、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。

次に、図２を参照して本実施形態の画像処理装置３００の処理手順を示す。図２（ａ）は、本実施形態における本システム全体の動作処理の流れを示すフローチャートである。

＜ステップＳ２０１：被検眼情報取得＞
ステップＳ２０１では、不図示の被検眼情報取得部が、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３０２に記憶する。

＜ステップＳ２０２：撮影＞
ステップＳ２０２では、断層画像撮影装置２００が、被検眼をスキャンして撮影を行う。被検眼のスキャンは、操作者が非図示のスキャン開始を選択すると、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スキャンを行う。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。

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、フォーカス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。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、クロススキャンなどのスキャンパターンを設定する。なお、各スキャンパターンにおいて、一つのライン上を繰り返し複数枚（Ｎ＞２枚）撮影する事が望ましい。コヒーレンスゲート位置は硝子体側とし、フォーカスも硝子体に合わせて撮影を行うものとして説明をする。これら撮影パラメータの調整終了後、操作者が非図示の撮影開始を選択することで、撮影を行う。

＜ステップＳ２０３：断層画像生成＞
ステップＳ２０３では、断層画像生成部３１１が、断層画像の生成を行う。断層画像生成部３１１は、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。

＜ステップＳ２０４：加算平均画像生成＞
ステップＳ２０４では、位置合わせ部３３１が、ステップＳ２０３で生成した一つのライン上を繰り返し複数枚撮影した断層画像の位置合わせを行う。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）。ここで、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に示す。

数１において、１枚目の断層画像の領域をｆ（ｘ，ｚ）、２枚目の断層画像の領域をｇ（ｘ，ｚ）とする。

は、それぞれ領域ｆ（ｘ，ｚ）と領域ｇ（ｘ，ｚ）の平均を表す。なお、この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。あるいは、断層画像から層境界線を検出し、検出した層境界線で位置合わせをしてもよい。なお、一つの方法に限らずこれら上記の方法を組み合わせてもよい。

位置合わせ部３３１は、位置合わせをした複数の断層画像に対して、同じ座標のピクセル同士の加算平均を行うことで、複数の断層画像から１枚の加算平均をした断層画像を生成する。これらの処理を各ラインにおける複数の断層画像に対して実行する。加算平均化処理を行うことで、ノイズを減らし硝子体や網膜の信号を強調した高画質な画像を生成する事が出来る。

この処理について、クロススキャンで撮影した場合の例を説明する。クロススキャンはライン数が２で、一つのライン上で繰り返し１００枚の断層画像を撮影したとする。この場合、撮影時には合計２００枚の断層画像データを取得しているが、ステップＳ２０４の処置後には、加算平均処理をした２枚の断層画像データとなる。すなわち、ライン数と等しい数の断層画像データ数となる。

＜ステップＳ２０５：検出＞
ステップＳ２０５では、検出部３３２が、硝子体の検出を行う。検出部３３２の処理について、図２（ｂ）のフローチャートと図４、図５を用いて説明をする。

＜ステップＳ２５１：コントラスト強調＞
ステップＳ２５１では、ステップＳ２０３からＳ２０４で生成した断層画像に対して、検出部３３２が、コントラスト強調を行う。断層画像において、硝子体は網膜と比較すると輝度値が低い。そのため、本処理においては、硝子体領域を強調するために低輝度の輝度値を高くする処理を行う。これについて図４を用いて説明をする。図４（ａ）に断層画像の輝度ヒストグラム（図において実線で示す領域Ｈ）と、コントラスト強調のためのＷｉｎｄｏｗ Ｗｉｄｔｈ（ＷＷ）とＷｉｎｄｏｗ Ｌｅｖｅｌ（ＷＬ）を示す。横軸は輝度値（Ｉｉｎ）、縦軸は出力画像の輝度値（Ｉｏｕｔ）と、輝度ヒストグラムの頻度とを表す。なお、ＷＷはコントラスト強調を行うための輝度値の範囲、ＷＬはコントラスト強調する範囲の中心輝度値となる。図４（ａ）に示すような低輝度の輝度値を高くする処理を行った後のヒストグラムの例を図４（ｂ）に示す。図４（ｂ）において、横軸は輝度値（Ｉ）と、縦軸は輝度ヒストグラムの頻度を表す。図４（ｂ）に示すように低輝度の輝度値が高くなる。この処理により硝子体領域の輝度が強調され、網膜領域の輝度値はもともと高いため、全体的に高い値となる。なお、図４ではコントラスト強調のための変換曲線を直線で示したがこれに限らない。ガンマ曲線、シグモイド曲線など他の変換曲線を用いてもよい。

＜ステップＳ２５２：ノイズ除去＞
ステップＳ２５２では、検出部３３２が、低輝度領域をコントラスト強調した断層画像に対してノイズ除去を行う。ノイズ除去としては、例えばメディアンフィルタやガウシアンフィルタなどを用いる。検出部３３２は、ノイズ除去に用いるフィルタのサイズをノイズ量に応じて変更するようにしてもよい。その場合、ノイズ量は、網膜や硝子体が存在しない領域として、脈絡膜Ｌ６よりも下の領域に任意のサイズの矩形領域を設定し、矩形領域の中の輝度値の分散や標準偏差を評価することで、ノイズを評価する。この場合、分散や標準偏差の数値が大きいほどノイズが多いと推定できる。あるいは、ステップＳ２０４で加算平均化した断層画像の枚数によって決めてもよい。この場合、加算平均化した枚数が少ないとノイズが多く、枚数が多いとノイズが少ないと推定できる。そして、ノイズが多い場合にはフィルタサイズを大きくし、ノイズが少ない場合にはフィルタサイズを小さくする。これにより、ノイズ除去による画像のボケを少なくし、ノイズが多い場合にはノイズを除去する事が出来る。また、フィルタサイズの上限値は、１ピクセルあたりの物理サイズによって決めることが望ましい。例えば、１ｍｍの範囲をＡスキャン１００本で撮影した場合と、５０本で撮影した場合とでは、画像のピクセルに相当する画像範囲が異なってしまう。すなわち、Ｘ方向のノイズ除去フィルタのパラメータを１０と設定した場合に、１ピクセルあたりの物理サイズは１００本で撮影した方は０．１ｍｍ相当だが、５０本で撮影した方は０．２ｍｍ相当となるため、同程度の範囲でノイズ除去を行うようにパラメータを調整する。なお、ステップＳ２５１とステップＳ２５２の処理の順番は逆でもよい。

＜ステップＳ２５３：二値化＞
ステップＳ２５３では、検出部３３２が、二値化をする。二値化の方法として、装置特性からコントラスト強調後の硝子体の輝度値の範囲が分かっている場合は固定閾値でもよい。あるいは、ｐ‐ｔｉｌｅや判別分析法など、動的に閾値を決定してもよい。二値化により、硝子体と網膜領域とを検出する。

＜ステップＳ２５４：モルフォロジー処理＞
ステップＳ２５４では、検出部３３２が、モルフォロジー処理を行う。二値化処理により硝子体領域の一部輝度が低い個所に穴が空くことや、一部に局所的なノイズが残ることがある。それらを統合、あるいは除去するためにこの処理を行う。モルフォロジーは、領域を拡張させるＤｉｌａｔｉｏｎと、収縮させるＥｒｏｓｉｏｎを組み合わせて使用する。これらの処理の組み合わせはＥｒｏｓｉｏｎ後にＤｉｌａｔｉｏｎを実行する事をＯｐｅｎｉｎｇ、Ｄｉｌａｔｉｏｎ後にＥｒｏｓｉｏｎを実行する事をＣｌｏｓｉｎｇとも呼ぶ。この処理により、ステップＳ２５３で二値化した硝子体と網膜領域との穴埋めとノイズの除去とを行う。

ここで、ステップＳ２５１からステップＳ２５４の処理を実行した断層画像の例を図５に示す。図５（ａ）はステップＳ２０４までに作成された断層画像、すなわち検出部３３２への入力画像を示す。図５（ｂ）は、検出部３３２が処理を行った断層画像を示す。図５（ｂ）に示すように、断層画像が硝子体と網膜領域（図において白抜き領域）と、背景領域（図において斜線領域）とに分割されている。なお、この処理は、検出部３３２が、断層画像における網膜に関する領域よりも硝子体側の領域内の硝子体の外縁（境界）を、断層画像の輝度値に基づいて検出する手法の一例である。断層画像の輝度値に基づく手法であれば他の手法でも良い。ここで、硝子体の外縁とは、硝子体と後述する硝子体の剥離領域（後部硝子体ポケット）との境界のことである。

＜ステップＳ２５５：硝子体検出＞
ステップＳ２５５では、検出部３３２が、硝子体境界を検出する。硝子体境界の検出は、二値化した画像において、二値化した領域に対して境界線追跡処理を行うことで、領域の境界線を求める。それにより図５（ｂ）の太い実線で示すように領域の境界線を検出することが出来る。

さらに、検出部３３２は、図５（ａ）で示す断層画像から内境界膜と神経線維層との境界Ｌ１を検出する。すなわち、検出部３３２は、断層画像における網膜に関する領域を検出する。例えば、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、網膜層境界を検出する。これによって検出した境界線と図５（ｂ）とで検出した境界線を統合したものを図５（ｃ）に示す。図５（ｃ）に示すように網膜の位置が特定されるとその上部の領域が硝子体Ｖとなるため、硝子体Ｖの領域を求めることが出来る。すなわち、硝子体Ｖは、断層画像における網膜に関する領域よりも硝子体側の領域内の硝子体の外縁（境界）と、網膜の表層とで規定される複数の領域のうち輝度値が高い方の領域である。以上より、検出部３３２は、断層画像の輝度値に基づいて硝子体Ｖを検出することができる。なお、ここでは境界線を検出した後に網膜領域を特定して、その上部の領域を硝子体Ｖとして求めたが、求める順番はこれに限らない。先に網膜領域を特定してから、その上部の領域の境界線追跡をして硝子体境界を求めるようにしてもよい。

＜ステップＳ２５６：剥離検出＞
ステップＳ２５６では、検出部３３２が、硝子体の剥離領域（後部硝子体ポケット）を検出する。硝子体の剥離領域Ｓは、図５（ｃ）で示す硝子体Ｖと境界線Ｌ１とで規定される斜線領域となる。すなわち、硝子体の剥離領域Ｓは、断層画像における網膜に関する領域よりも硝子体側の領域内の硝子体の外縁（境界）と、網膜の表層とで規定される複数の領域のうち輝度値が低い方の領域である。なお、硝子体剥離が発生していない場合には、剥離領域Ｓは検出されない。

＜ステップＳ２０６：定量化＞
ステップＳ２０６では、算出部３３３が、硝子体領域の定量化を行う。硝子体領域の定量化として、硝子体の剥離領域Ｓの定量化を行う。定量化としては、剥離領域Ｓの厚み、幅、面積、体積などを求める。剥離領域Ｓの厚みは、ｘｚ平面上の各座標点で、硝子体境界線と網膜境界線とのｚ座標の差を求めることで画素数を求め、ｚ方向の画素数とｚ方向のピクセル解像度［μｍ］とを掛けることで算出出来る。剥離領域Ｓの幅は、剥離領域Ｓの最小ｘ座標と最大ｘ座標との差を求めることで画素数を求め、ｘ方向の画素数とｘ方向のピクセル解像度［μｍ］とを掛けることで算出出来る。このような計算と同様に、面積や体積を計算する事が出来る。また、剥離領域Ｓの体積を求める場合は、撮影時のスキャンパターンによって計算方法が異なる。ラスタスキャンで撮影している場合には、各断層画像で求めた面積をｙ軸方向に加算することで計算出来る。放射状スキャンの場合は、円周方向に補正をして計算をする。クロススキャンの場合には、体積計算は行わない。ここでは、剥離領域Ｓを例に説明したが、硝子体Ｖの厚み、幅、面積、体積なども同様にして求めることが出来る。

なお、剥離領域Ｓや硝子体Ｖの厚み、幅、面積、体積などを算出するにあたり、断層画像に写っている範囲を全て算出するのではなく、特定の領域だけを算出するようにしてもよい。その場合について、図６を用いて説明をする。図６（ａ）は網膜境界Ｌ１を基準とした曲線の一点鎖線６０１と、そこから一定の範囲（例えば５００μｍ）上部に設定した曲線の一点鎖線６０２とで囲まれる定量化領域を示した例である。このような領域内においてのみ算出するようにしてもよい。また、図６（ｂ）は網膜境界Ｌ１を基準とした直線の一点鎖線６１１と直線の一点鎖線６１２と、垂直方向に設定した直線の一点鎖線６１３、６１４とで定義される領域内において算出するようにしてもよい。図６に示すように値を算出する領域は曲線や直線で定義される領域とし、図６（ｂ）で示すように垂直方向・水平方向の両方に定義領域を設定してもよいし、図６（ａ）のようにどちらか片方だけでもよい。さらに、この領域の指定は指定部３３４が自動的に指定してもよいし、入力部７００を介して入力された位置に基づいて指定するようにしてもよい。入力方法としては、入力部７００がマウスやタッチ操作画面である場合、一点鎖線６０１〜６１４のいずれかをドラッグで移動させて指定してもよい。あるいは、キーボードの場合、数値を入力して一点鎖線６０１〜６１４の位置を指定してもよい。場所の指定は、水平・垂直移動だけではなく回転角度も指定出来るものとする。

＜ステップＳ２０７：表示＞
ステップＳ２０７では、表示制御部３０５が、解析結果を表示部６００に表示させる。図７は、本実施形態において、ラスタスキャンで３次元的に取得したデータに対し、硝子体剥離領域を解析した結果を表示部６００に表示する画面の一例を示している。図７において、７１０は断層画像観察画面、７１１は断層画像、７１２は眼底画像、７１３は撮影位置とそのスキャンパターンマーク、７１４は硝子体剥離領域を眼底画像に重畳表示したもの、７１５は硝子体剥離領域の厚みをカラーで表示した場合に、どの色が何μｍに相当するかを示すためのカラーバー、７１６は硝子体剥離領域の厚みグラフ、７１７は硝子体剥離領域を定量化した指標を示す。断層画像７１１はラスタスキャンで撮影されている場合、少なくとも３枚以上の断層画像で構成される３次元データであるため、断層画像７１１は他の位置を撮影した断層画像に切り替えて表示することが出来る。厚みグラフ７１６と、指標７１７の硝子体剥離領域の厚み、幅、面積は１枚の断層画像から求まる数値である。そのため、断層画像観察画面７１０に表示する断層画像７１１を切り替えて表示する場合、グラフ７１６と指標７１７も連動して対応する数値を表示することが望ましい。しかし、指標７１７に関しては、全断層画像の最大値、最小値、平均値、中央値などの代表値を表示する場合には、断層画像７１１の変更に連動して数値を変更する必要はない。また、剥離領域の厚みは網膜層境界と剥離領域との距離で定義するが、網膜から黄斑部など網膜の特徴部位を検出し、その特徴部位との距離を表示するなどしてもよい。

ここでは図示しないが、図６で示した定量化領域を断層画像７１１に重畳表示をし、断層画像観察画面７１０上で定量化領域の場所やサイズを設定可能とする。なお、定量化領域の表示・非表示は切り替えられるものとする。

なお、本実施形態で剥離領域の検出、定量化、定量化領域の指定に関して説明をしたがこれに限らない。例えば、検出部３３２が検出した硝子体の境界線を断層画像７１１に重畳表示するだけでもよい。硝子体境界線の表示により人の違いによる判断のバラつきを一定にすることが出来る。

＜ステップＳ２０８：終了か否かの判定＞
ステップＳ２０８において、不図示の指示取得部が、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、ＯＣＴで撮影された断層画像を用いて硝子体の構造全体を検出し、硝子体構造を定量的に求める事が出来る。これにより、主観的に判断を行っていた硝子体構造を定量的に求める事が出来る。

（第２の実施形態）
第１の実施形態では、硝子体の構造全体を検出し、硝子体構造を定量的に求めるものであったが、本実施形態では、硝子体内部の線維構造（あるいは、線状構造、ひだ状構造とも言う）を検出し定量化することを特徴とする。なお、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部８０３の第二の検出部８３２、第二の算出部８３３が異なり、処理フローにおいては図９のステップＳ９０５の検出とステップＳ９０６の定量化、ステップＳ９０７の表示が異なる。以下、本実施形態の処理について図８から図１３を用いて説明を行う。

まず、図８は、本実施形態における画像処理装置８００の構成を示す図である。本実施形態における画像処理装置８００は、第二の検出部８３２、第二の算出部８３３を備えることが第１の実施形態と異なる。第二の検出部８３２では、硝子体内部の線維構造を検出し、第二の算出部８３３では、線維構造を定量化する。次に本実施形態の処理フローについて図９を用いて説明をする。ここで、図９（ａ）は、本実施形態における本システム全体の動作処理の流れを示すフローチャートである。なお、ここでは第１の実施形態と異なる処理であるステップＳ９０５からステップＳ９０７について説明を行う。その他のステップは第１の実施形態と同じである。

＜ステップＳ９０５：検出＞
ステップＳ９０５では、第二の検出部８３２が、硝子体内部の線維構造の検出を行う。第二の検出部８３２の処理について、図９（ｂ）のフローチャートと図１０と図１１を用いて説明をする。

＜ステップＳ９５１：コントラスト強調＞
ステップＳ９５１では、ステップＳ２０３からＳ２０４で生成した断層画像に対して、第二の検出部８３２が、コントラスト強調を行う。なお、本処理はステップＳ２５１と同じ処理を行う。

＜ステップＳ９５２：ノイズ除去＞
ステップＳ９５２では、第二の検出部８３２は低輝度領域をコントラスト強調した断層画像に対してノイズ除去を行う。なお、本処理はステップＳ２５２と同じ処理を行う。第１の実施形態と同様にステップＳ９５１とステップＳ９５２の処理の順番は逆でもよい。

＜ステップＳ９５３：線維構造強調＞
ステップＳ９５３では、第二の検出部８３２が、線維構造強調処理を行う。線維構造強調処理としては、例えばヘッセ行列の固有値に基づく線維構造強調フィルタを用いる。これは、ヘッセ行列の３つの固有値（λ_１、λ_２、λ_３）の関係に基づいて、３次元輝度分布の二次局所構造を強調することが出来る。ヘッセ行列は数２で与えられる。ヘッセ行列は、多変数関数の２階偏導関数全体が作る正方行列である。Ｉは画像の輝度値である。数３にヘッセ行列の固有値の関係を示し、数４に線維状構造を強調するための固有値の条件式を示す。

λ_３＜＜λ_２＝λ_１＝０
これらで求めた３つの固有値から、以下の数５を求めることで、硝子体の線維状構造を強調することが出来る。ここで、数５におけるω（λ_ｓ；λ_ｔ）は重み関数であり、それを数６に示す。数６におけるγとαは重みである。

なお、上記のヘッセ行列の固有値に基づく線維構造強調フィルタは３次元のラスタスキャンで撮影したデータに対して処理を行う場合の例である。しかし、線維構造強調フィルタは２次元の断層画像それぞれに対して処理を行ってもよい。その場合には、ヘッセ行列の固有値は２つとなり、線状の構造を検出することとなる。

ここで、線維構造強調フィルタは、ヘッセ行列の固有値に基づくフィルタに限らない。例えば、２次元の断層画像において線状の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。また線分を構造要素としたときに構造要素内での画像濃度値の平均値と構造要素を囲む局所領域内での平均値の差を計算するようなコントラストに基づく線分強調フィルタでもよい。さらには単純に線分を構造要素とするトップハット演算でもよい。あるいは、周波数フィルタリングとして特定周波数領域をフィルタリングするＢａｎｄｐａｓｓフィルタを用いてもよい。

＜ステップＳ９５４：二値化＞
ステップＳ９５４では、第二の検出部８３２が、二値化をする。二値化の方法として、装置特性から線維構造強調後の硝子体の線維構造の輝度値の範囲が分かっている場合は固定閾値でもよい。あるいは、ｐ‐ｔｉｌｅや判別分析法など、動的に閾値を決定してもよい。閾値の設定としては、画像全体に対して一つの閾値を設定するのではなく、局所的な領域（矩形や円形領域）を設定して、局所領域毎に平均値や中央値等を用いて設定してもよい。

ここで、図１０に硝子体の線維構造と二値化画像の一例を示す。図１０（ａ）は、硝子体の線維構造を示す図であり、図において１００１のような白い線状領域が線維構造を示している。図１０（ｂ）は、ステップＳ９５１からステップＳ９５４までの処理を行い、線維構造を強調した後に二値化した画像である。図１０（ｂ）の１００２は、図１０（ａ）の白い線状領域１００１を二値化したものとなる。図１０（ｂ）に示すように、硝子体Ｖから線維構造（線状構造）を検出する。なお、二値化後の画像に対して、ステップＳ２５４で示したモルフォロジー処理を適用することで、線の途切れを繋げることや、ノイズの除去を行う処理を実行してもよい。

＜ステップＳ９５５：細線化＞
ステップＳ９５５では、第二の検出部８３２が、細線化をする。細線化では、図形の連結性を保持して幅１画素の中心線を抽出する処理をする。細線化の方法としては、Ｈｉｌｄｉｔｃｈの方法や田村の方法等を用いる。図１１に硝子体の線維構造を細線化した後の画像の一例を示す。図の１１０１は、図１０（ｂ）の２値化画像における線維構造１００２を細線化したものを示している。

＜ステップＳ９５６：線維構造検出＞
ステップＳ９５６では、第二の検出部８３２が、線維構造を検出する。線維構造の検出では、ステップＳ９５５までで求めた線維構造に関して、０は背景で２５５は線維とするマスク画像としてデータを保存する。あるいは、ラベリング処理を行い、線維構造１１０１のそれぞれにラベル付けを行う。ラベリング処理により連結する線維構造には同じラベルが割り当てられ、異なる連結成分には異なるラベルが割り当てられる。なお、ステップＳ９５１からＳ９５６までで求めた線維構造検出は、断層画像全体を対象にするのではなく、第１の実施形態で示したように硝子体Ｖの領域を検出してから、その領域だけに上記の処理を実施するようにしてもよい。

＜ステップＳ９０６：定量化＞
ステップＳ９０６では、第二の算出部８３３が、硝子体線維構造の定量化を行う。定量化としては、線維構造の本数、占有率、線維密度などを求める。本数を求める場合、ステップＳ９５６のラベリング処理により、何本の線維構造が存在するかを求めることが出来る。その際に、短い線維構造（例えば、数ピクセルの線）はノイズの可能性もあるため、本数のカウントから除外する。

なお、占有率、線維密度などを算出する場合、特定の領域を指定して数値を算出する。その場合について、図１２を用いて説明をする。図１２（ａ）は網膜境界Ｌ１を基準とした曲線の一点鎖線１２０１と、そこから一定の範囲（例えば５００μｍ）上部に設定した曲線の一点鎖線１２０２とで囲まれる定量化領域を示した例である。図１２（ｂ）は、硝子体Ｖ領域内に一定のサイズの一点鎖線領域１２１１を設定する例である。さらに、この領域の指定は指定部３３４が自動的に指定してもよいし、入力部７００を介して入力された位置に基づいて指定するようにしてもよい。入力方法としては、入力部７００がマウスやタッチ操作画面である場合、一点鎖線１２０１〜１２１１のいずれかをドラッグで移動させて指定してもよい。あるいは、キーボードの場合、数値を入力して一点鎖線１２０１〜１２１１の位置を指定してもよい。場所の指定は、水平・垂直移動だけではなく回転角度も指定出来るものとする。

ここで、占有率は、領域内に物体が占める割合であり、単位は［％］で定義される。本実施形態では、領域１２１１の中に線維構造１００１の存在する割合となる。線維構造の存在は、例えば、細線化後の線維１１０１とする。また、線維密度は、単位距離内の線維の本数であり、単位は［本／ｍｍ］で定義する。この場合、深さ方向（Ｚ方向）あるいは網膜層に対して法線方向の１ラインに存在する線維の本数で定義をする。あるいは、面積で定義する場合には、単位面積内の線維の本数とし単位は［本／ｍｍ^２］で定義する。３次元データの場合には、線維密度は単位体積内の線維の本数であり、単位は［本／ｍｍ^３］で定義する。本実施形態の場合、領域１２１１の中に線維構造１００１の存在する本数となる。上記定義では、１ｍｍ×１ｍｍの領域としたが、領域１２１１がそのサイズを確保出来ない場合には、単位を変更してもよい。

＜ステップＳ９０７：表示＞
ステップＳ９０７では、表示制御部３０５が、解析結果を表示部６００に表示する。図１３は本実施形態において、ラスタスキャンで３次元的に取得したデータに対し、硝子体の線維構造領域を解析した結果を表示部６００に表示する画面の一例を示している。図１３において、７１０は断層画像観察画面、１３１１は断層画像、１３１２は眼底画像、７１３は撮影位置とそのスキャンパターンマーク、１３１４は線維構造の本数をカラーマップとして眼底画像に重畳表示したもの、１３１５は線維構造の本数をカラーマップにおいてどの色が何本に相当するかを示すためのカラーバー、１３１６は線維構造の本数グラフ、７１７は線維構造領域を定量化した指標を示す。

第１の実施形態と同様に複数の断層画像で構成されるデータの場合、断層画像１３１１は切り替えて表示することが出来る。それに伴い、断層画像１３１１を切り替えて表示する場合、本数グラフ１３１６と指標１３１７も連動して対応する数値を表示することが望ましい。しかし、指標１３１７に関しては、本数、占有率、線維密度をデータ全体から求めている場合、断層画像１３１１の変更に連動して数値を変更する必要はない。なお、１枚の断層画像から算出した数値なのか、複数枚の断層画像から算出した合計値なのか分かるように表示をすることが望ましい。

なお、カラーマップ１３１４は、占有率や線維密度等を定量化したものをカラー表示するようにしてもよい。また、マップだけではなく、断層画像にカラーを重畳表示するようにしてもよい。

以上で述べた構成によれば、ＯＣＴで撮影された断層画像を用いて硝子体内部の線維構造を検出し、硝子体内部の線維構造を定量的に求める事が出来る。これにより、主観的に判断を行っていた硝子体内部の線維構造を定量的に求める事が出来る。

（第３の実施形態）
上記第１、２の実施形態では、硝子体の構造全体、硝子体内部の線維構造を検出し、定量的に求めるものであったが、本実施形態では、これらの定量結果を比較表示する事を特徴とする。なお、上記第１、２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部１４０３の選択部１４３１、差分検出部１４３２が異なり、処理フローにおいては図１５のステップＳ１５０５の検出からステップＳ１５０９が異なる。以下、本実施形態の処理について図１４から図１７を用いて説明を行う。

まず、図１４は、本実施形態における画像処理装置１４００の構成を示す図である。本実施形態における画像処理装置１４００は、選択部１４３１、差分検出部１４３２を備えることが第１、２の実施形態と異なる。選択部１４３１では、比較を行う画像データの選択をし、差分検出部１４３２では、比較するデータの差分を検出する。次に、本実施形態の処理フローについて図１５を用いて説明をする。ここで、図１５（ａ）は、本実施形態における本システム全体の動作処理の流れを示すフローチャートである。図１５（ｂ）は、比較表示に関する処理の流れを示すフローチャートである。

＜ステップＳ１５０５：検出＞
ステップＳ１５０５では、第１、２の実施形態で示したように硝子体の構造全体や、硝子体内部の線維構造を検出する。

＜ステップＳ１５０６：定量化＞
ステップＳ１５０６では、硝子体の構造全体や、硝子体内部の線維構造を定量化する。なお、本実施形態においては、硝子体構造の剥離を定量化して比較表示を行う場合について説明を行う。

＜ステップＳ１５０７：比較表示を実行するか否かの判定＞
ステップＳ１５０７では、操作者が不図示の比較表示選択のユーザーインターフェイスを選択した場合、ステップＳ１５０８に処理を進める。比較表示選択のユーザーインターフェイスを選択しない場合は、ステップＳ１５０９に処理を進める。なお、ステップＳ１５０９における表示は、第１、２の実施形態で示した表示と同様であるため本実施形態においては説明を省略する。

＜ステップＳ１５０８：比較表示＞
ステップＳ１５０８では、比較表示を行う。なお、比較表示としては、任意の選択データ同士の選択比較と、同一被検眼に対して異なる時間に撮影された時系列データの比較（経過観察）と、同一被検者の左右眼の比較を行う左右眼比較と、標準データベースとの比較を行うデータベース比較がある。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統計的な値をもつデータであり、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。これら比較表示について図１５（ｂ）のフローを用いて説明をする。

＜ステップＳ１５８１：基準データ取得＞
ステップＳ１５８１では、経過観察を行うための基準データを取得する。経過観察の基準データは、例えば、ステップＳ１５０６までの定量化を行い、ステップＳ１５０７で比較表示選択のユーザーインターフェイスを選択する際に選択されているデータを基準データとする。

＜ステップＳ１５８２：比較データ選択＞
ステップＳ１５８２では、選択部１４３１は基準画像に対して比較可能なデータの選択を行う。選択比較や経過観察におけるデータ選択は、同一患者、同一眼、同じスキャンモード、同じ撮影範囲のデータ選択を可能とする。例えば、基準画像に選択したデータが、患者ＩＤ：００００１、右眼、ラスタスキャン、１０ｍｍ範囲を撮影したデータであった場合、選択部１４３１はこれらの条件を満たすデータを選択する。そして、比較可能なデータ一覧を表示部６００に表示する。操作者は表示されたデータ一覧の中から任意のデータを選択する。また、左右眼比較の場合には、基準画像とは異なる眼で、同一患者、同じスキャンモード、同じ撮影範囲のデータ選択を可能とする。そして、比較可能なデータ一覧を表示部６００に表示する。また、データベース比較の場合には、同一患者、同一眼、同じスキャンモード、同じ撮影範囲で作成されているデータベースを選択する。データベース比較においては、操作者にデータベース一覧を表示することなく、基準に合うものを自動的に選択する。

なお、選択部１４３１が選択を行った後に操作者が最終的に表示画像を選択する例を示したがこれに限らない。例えば、経過観察においては複数の時系列データを比較することを目的とするため、選択部１４３１は基準画像の条件に合うデータを全て選択して表示するようにしてもよい。あるいは、決められた期間（例えば、過去３年など）、もしくは決められた回数（例えば、過去５回分）、もしくは離散データ（例えば、１年ごと）を選択して表示するようにしてもよい。

＜ステップＳ１５８３：差分データ作成＞
ステップＳ１５８３では、差分検出部１４３２が、ステップＳ１５８１で選択した基準画像とステップＳ１５８２で選択した比較画像との差分を検出する。選択比較や経過観察の場合には、差分検出部１４３２は基準画像と比較画像との差を検出するために基準画像と比較画像との位置合わせを行う。位置合わせには、眼底画像撮影装置４００で撮影した眼底画像を用いる。位置合わせの方法は、画像の類似度に基づいて位置を合わせるか、画像から血管のような特徴点を検出し、その特徴点を用いて位置合わせが出来る。ラスタスキャンで断層画像を撮影している場合には、位置合わせ用の画像に断層画像を用いることも出来る。断層画像を用いる場合、断層画像の各Ａスキャンにおいて、Ｚ軸方向（深さ方向）に加算平均を行うことで擬似的な眼底画像を生成する。そして、その擬似眼底画像を用いて位置合わせを行う。基準画像と比較画像との位置合わせ後、差分を見たいデータの差分を検出する。

本実施形態においては、ラスタスキャンで３次元的に取得したデータに対し、硝子体剥離を比較する場合について図１６を用いて説明を行う。図１６（ａ）は、基準画像として断層画像１６０１、硝子体剥離領域１６０２、眼底画像１６０３、硝子体剥離を眼底画像に重畳表示したもので、硝子体剥離領域の厚みをカラーで表示した硝子体剥離マップ１６０４を示す。図１６（ｂ）は、比較画像として断層画像１６１１、硝子体剥離領域１６１２、眼底画像１６１３、硝子体剥離マップ１６１４を示す。図１６（ｃ）は基準画像と比較画像との硝子体剥離の差分マップ１６２４を表す。差分マップ１６２４は基準の眼底画像１６０３に重畳表示している。差分マップ１６２４において、画像の濃度値が濃い箇所は差が大きく、濃度値が低い箇所は差が小さいものを表している。図１６の例では、比較画像において剥離領域が拡大している例を示している。なお、差分マップにおいては、操作者が目視により領域の拡大・縮小を判断出来るように色分け等を行って表示することが望ましい。例えば、拡大した場合を赤系、縮小した場合を青系の色で表示する。

また、左右眼比較の場合には、基準画像に対して比較画像の眼底画像を反転させて位置合わせをして差分検出をしてもよいし、差分処理自体をスキップするようにしてもよい。差分処理をスキップする場合には、後述する表示において、差分値の無い比較表示を行う。また、データベース比較の場合には、基準画像に対して統計的なデータベースとの比較を行い、差分検出をする。なお、データベース比較の場合には、画像の比較は行わずマップの比較となる。

＜ステップＳ１５８４：表示＞
ステップＳ１５８４では、表示制御部３０５は比較表示用の画面を表示部６００に表示する。これについて図１７を用いて説明をする。図１７は、選択比較において、硝子体剥離の比較を行う画面の一例を示している。図１７において、７１０は断層画像観察画面であり、基準画像（１６０１から１６０４）、比較画像（１６１１から１６１４）、差分マップ１６２４、撮影位置とそのスキャンパターンマーク（１７０５と１７１５）、マップのカラーバー１７０１、硝子体剥離領域を定量化した指標１７０２を示す。指標１７０２は、基準画像の定量化値、比較画像の定量化値、それらの定量化値の差分を表示する。

比較画面においても、第１の実施形態や第２の実施形態と同様に複数の断層画像で構成されるデータの場合、断層画像１６０１、１６１１は切り替えて表示することが出来る。断層画像１６０１、１６１１を切り替えて表示する場合、指標１７０２も連動して対応する数値を表示することが望ましい。しかし、指標１７０２に表示している数値が複数データの代表値である場合には、断層画像の表示切替に連動して数値を変更する必要はない。

なお、ステップＳ１５８２で選択部１４３１が経過観察用に複数のデータを自動的に選択した場合、画像の表示は、全ての画像データを並べて表示出来るようにしてもよいし、画像データを切り替えて表示出来るようにしてもよい。あるいは、断層画像や眼底画像は一部の画像を表示して、定量化した数値データのみを全て表示するようにしてもよい。なお、複数の数値データを表示する場合には、数値データを表示するだけではなく、データを取得した日時を横軸、数値を縦軸としたグラフを作成して表示してもよい。

本実施形態においては撮影から比較表示までを一連の流れで示したがこれに限らない。例えば、既に撮影と定量化が済んでいるデータを用いて表示を行ってもよい。その場合、ステップＳ２０１で被検眼情報を取得し、その後の処理をスキップし、ステップＳ１５０７で表示を選択する。

以上で述べた構成によれば、ＯＣＴで撮影された断層画像を用いて硝子体の硝子体の構造全体、硝子体内部の線維構造を検出し、硝子体構造を定量的に求めた結果を比較表示する事が出来る。

（変形例）
本実施形態において、硝子体検出用にコントラスト強調を行う例を示した。しかし、コントラスト強調はこれに限らない。検出のためではなく表示のためにコントラスト強調を行っても良い。画像表示のためのコントラスト強調は画像全体に対して同じパラメータで処理しても良いし、領域毎に異なるパラメータで処理をしても良いし、複数の領域を一つの領域として異なるパラメータで処理をしても良い。ここで、領域というのは、硝子体領域、硝子体の剥離領域、網膜領域、網膜深層領域の事を意味する。なお、硝子体領域とは、断層画像における網膜に関する領域よりも硝子体側の領域内の硝子体の外縁（境界）と、網膜の表層とで規定される複数の領域のうち輝度値が高い方の領域である。また、硝子体の剥離領域とは、断層画像における網膜に関する領域よりも硝子体側の領域内の硝子体の外縁（境界）と、網膜の表層とで規定される複数の領域のうち輝度値が低い方の領域である。

このとき、領域毎の場合、それぞれの領域に対して異なるＷＷとＷＬを設定して画像を表示する。なお、ＷＷはコントラスト強調を行うための輝度値の範囲、ＷＬはコントラスト強調する範囲の中心輝度値となる。複数の領域を一つの領域とする場合、例えば、硝子体の剥離領域、網膜領域、網膜深層領域を一つの領域としてＷＷとＷＬを設定し、硝子体領域のみ別のＷＷとＷＬを設定して表示しても良い。あるいは、硝子体領域と硝子体剥離領域を一つの領域、網膜領域、網膜深層領域を一つの領域としてそれぞれにＷＷとＷＬを設定して表示しても良い。ＷＷとＷＬの設定は、コントラスト強調を行う領域内の輝度値の頻度ヒストグラムを作成する。そして、ヒストグラムの上位数％の横軸位置や、ヒストグラムの最大頻度を示す横軸位置等を検出することで、輝度値を強調したい部分にＷＷとＷＬを設定することが出来る。

これらのように、領域毎、あるいは複数領域毎に別々のＷＷとＷＬを設定して表示することで、輝度値の低い硝子体領域の内部の繊維構造と輝度値の高い網膜内層構造を一枚の画像の中で見易く表示することが出来る。また、網膜に関する領域よりも輝度値の低い硝子体領域の輝度値を、網膜に関する領域の輝度値が強調される処理よりも強調する処理を行うことにより、硝子体領域の内部の繊維構造を見易く表示することが出来る。

（その他の実施形態）
上記のそれぞれの実施形態は、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のみ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 (19)

1. 被検眼の網膜および硝子体を含む断層画像を取得する取得手段と、
   前記断層画像における前記網膜に関する領域よりも前記硝子体側の領域内の前記硝子体の外縁を、前記断層画像の輝度値に基づいて検出する検出手段と、
   を有することを特徴とする画像処理装置。
2. 前記検出手段は、前記検出された外縁と前記網膜の表層とで規定される領域を、前記断層画像の輝度値に基づいて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. 前記規定される領域に関する値を算出する算出手段と、
   前記算出された値を示す情報を表示手段に表示させる表示制御手段と、
   を更に有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. 被検眼の網膜および硝子体を含む断層画像を取得する取得手段と、
   前記断層画像における前記網膜に関する領域よりも前記硝子体側の領域内の前記硝子体の外縁と前記網膜の表層とで規定される領域に関する値を算出する算出手段と、
   前記算出された値を示す情報を表示手段に表示させる表示制御手段と、
   を有することを特徴とする画像処理装置。
5. 前記規定される領域に関する値は、前記規定される領域の厚み、幅、面積、体積の少なくとも１つの値であることを特徴とする請求項３または４に記載の画像処理装置。
6. 前記網膜の表層を抽出する抽出手段と、
   前記検出された外縁と前記抽出された表層とで規定される複数の領域のうち輝度値が高い方の領域である前記硝子体に関する領域における複数の線状構造を、前記硝子体に関する領域の輝度値に基づいて特定する特定手段と、
   を更に有することを特徴とする請求項１に記載の画像処理装置。
7. 前記硝子体に関する領域の一部を指定する指定手段を更に有し、
   前記特定手段は、前記指定された一部の領域における前記複数の線状構造を、前記指定された一部の領域の輝度値に基づいて特定することを特徴とする請求項６に記載の画像処理装置。
8. 前記複数の線状構造に関する値を算出する算出手段と、
   前記算出された値を示す情報を表示手段に表示させる表示制御手段と、
   を更に有することを特徴とする請求項６または７に記載の画像処理装置。
9. 前記算出手段は、前記規定される領域における複数の線状構造に関する値を算出することを特徴とする請求項３または４に記載の画像処理装置。
10. 前記複数の線状構造に関する値は、前記複数の線状構造の本数、占有率、密度の少なくとも１つの値であることを特徴とする請求項８または９に記載の画像処理装置。
11. 異なる時間に同一被検眼を撮影して得た複数の断層画像を用いて前記算出された値の差分を検出する差分検出手段を更に有することを特徴とする請求項３乃至５、８乃至１０のいずれか１項に記載の画像処理装置。
12. 異なる時間に同一被検者の左右眼それぞれを撮影して得た複数の断層画像を用いて前記算出された値の差分を検出する差分検出手段を更に有することを特徴とする請求項３乃至５、８乃至１０のいずれか１項に記載の画像処理装置。
13. 前記算出された値と硝子体に関する統計的な値との差分を検出する差分検出手段を更に有することを特徴とする請求項３乃至５、８乃至１０のいずれか１項に記載の画像処理装置。
14. 前記断層画像における前記網膜に関する領域よりも前記硝子体側の領域内の前記硝子体の外縁と前記網膜の表層とで規定される複数の領域のうち輝度値が高い方の領域の輝度値が、前記網膜に関する領域の輝度値が強調される処理よりも強調されるように、前記規定される複数の領域のうち輝度値が高い側の領域の輝度値を強調する処理手段を更に有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. 前記硝子体の外縁とは、前記硝子体と後部硝子体ポケットとの境界のことであることを特徴とする請求項１乃至１４のいずれか１項に記載の画像処理装置。
16. 測定光を照射した被検眼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光を受ける受光手段を有する断層画像撮影装置と通信可能に接続され、
    前記取得手段は、前記受光手段の受光結果に基づいて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１５のいずれか１項に記載の画像処理装置。
17. 請求項１乃至１６のいずれか１項に記載の画像処理装置として、コンピュータを機能させるためのプログラム。
18. 被検眼の網膜および硝子体を含む断層画像を処理する画像処理方法であって、
    前記断層画像における前記網膜に関する領域よりも前記硝子体側の領域内の前記硝子体の外縁を、前記断層画像の輝度値に基づいて検出する検出工程を有することを特徴とする画像処理方法。
19. 被検眼の網膜および硝子体を含む断層画像を処理する画像処理方法であって、
    前記断層画像における前記網膜に関する領域よりも前記硝子体側の領域内の前記硝子体の外縁と前記網膜の表層とで規定される領域に関する値を算出する算出工程と、
    前記算出された値を示す情報を表示手段に表示させる表示制御工程と、
    を有することを特徴とする画像処理方法。