JP2019150405A

JP2019150405A - 眼科画像処理装置、および眼科画像処理プログラム

Info

Publication number: JP2019150405A
Application number: JP2018039165A
Authority: JP
Inventors: 涼介柴; Ryosuke Shiba; 徹哉加納; Tetsuya Kano; 直樹竹野; Naoki Takeno
Original assignee: Nidek Co Ltd
Current assignee: Nidek Co Ltd
Priority date: 2018-03-05
Filing date: 2018-03-05
Publication date: 2019-09-12
Anticipated expiration: 2038-03-05
Also published as: US11051690B2; JP7130989B2; US20190269319A1

Abstract

【課題】網膜深層の画像に発生するアーチファクトを低減できる眼科画像処理装置、および眼科画像処理プログラムを提供する。【解決手段】眼科画像を処理する眼科画像処理装置であって、撮影手段によって撮影された被検眼の眼科画像データを取得する画像取得手段と、前記眼科画像データを処理する画像処理手段と、を備え、前記画像処理手段は、前記被検眼の第１深さ領域における第１正面画像を用いて、前記第１深さ領域とは異なる第２深さ領域における第２正面画像を補正することを特徴とする。【選択図】図６

Description

本開示は、被検眼を撮影した眼科画像を処理するための眼科画像処理装置、および眼科画像処理プログラムに関する。

被検眼を撮影する眼科撮影装置としては、例えば、光干渉断層計（Optical Coherence Tomography: OCT）、眼底カメラ、走査型レーザ検眼鏡（Scanning Laser Ophthalmoscope: SLO）などが知られる。

特開２０１１−１７２８２２号公報

ところで、眼科撮影装置によって被検眼を撮影して得られた眼科画像において、網膜浅層の血管部分の揺らぎまたはその影等の影響によって、網膜深層の位置にアーチファクトが発生する。

本開示は、従来技術の問題点を鑑み、網膜深層の画像に発生するアーチファクトを低減できる眼科画像処理装置、および眼科画像処理プログラムを提供することを技術課題とする。

上記課題を解決するために、本開示は以下のような構成を備えることを特徴とする。

（１）眼科画像を処理する眼科画像処理装置であって、撮影手段によって撮影された被検眼の眼科画像データを取得する画像取得手段と、前記眼科画像データを処理する画像処理手段と、を備え、前記画像処理手段は、前記被検眼の第１深さ領域における第１正面画像を用いて、前記第１深さ領域とは異なる第２深さ領域における第２正面画像を補正することを特徴とする。
（２）眼科画像を処理する眼科画像処理装置において実行される眼科画像処理プログラムであって、撮影手段によって撮影された被検眼の眼科画像データを取得する画像取得ステップと、前記被検眼の第１深さ領域における第１正面画像を用いて、前記第１深さ領域とは異なる第２深さ領域における第２正面画像を補正する画像処理ステップと、を前記眼科画像処理装置に実行させることを特徴とする。

眼科画像処理装置の概略を示すブロック図である。ＯＣＴ装置の光学系の一例を示す図である。モーションコントラストの取得について説明するための図である。 En face画像の一例を示す図である。画像処理結果を示す図である。画像処理方法を説明するための図である。画像処理の演算範囲を示す図である。制御動作のフローチャートである。

＜実施形態＞
本開示に係る実施形態について説明する。本実施形態の眼科画像処理装置（例えば、眼科画像処理装置１）は、被検眼を撮影した眼科画像を処理する。眼科画像処理装置は、画像取得部（例えば、画像取得部７１）と、画像処理部（例えば、画像処理部７２）を備える。画像取得部は、撮影部によって撮影された被検眼の眼科画像データを取得する。画像処理部は、眼科画像データを処理する。例えば、画像処理部は、被検眼の第１深さ領域における第１正面画像を用いて、前記第１深さ領域とは異なる第２深さ領域における第２正面画像を補正する。例えば、画像処理部は、浅層の正面画像に基づいて深層の正面画像を補正することで、深層の正面画像に生じるProjectionArtifactを低減させることができる。なお、正面画像は、例えば、En face画像である。En faceとは、例えば、眼底面に対して水平な面、または眼底２次元水平断層面などである。

なお、画像処理部は、第１正面画像を用いて、第２正面画像を局所領域毎に補正してもよい。例えば、画像処理部は、第１正面画像に基づいて設定された局所領域毎に第２正面画像を補正してもよい。例えば、画像処理部は、浅層の正面画像から浅層の血管位置を検出し、検出された血管位置付近に応じて深層の正面画像を補正してもよい。これによって、深層の正面画像に生じるアーチファクトを効率的に低減させることができる。

なお、局所領域は、例えば、画像をいつくかのブロックに分割した領域であってもよいし、同心円状に分割した領域であってもよい。局所領域は、画像を任意の形状に分割した領域であってもよい。例えば、画像処理部は、第１正面画像と第２正面画像を複数の領域に分割し、領域毎の第１正面画像を用いて、対応する領域の第２正面画像を補正してもよい。これによって、局所的にアーチファクトが残ったり、アーチファクトを消し過ぎたりすることを防止できる。

なお、画像処理部は、第１正面画像に基づいて、領域の分割位置を変更してもよい。例えば、第１正面画像から検出された血管の位置に応じて、画像の分割位置を設定してもよい。これによって、局所的なアーチファクトを効率的に低減させることができる。また、画像処理部は、眼科画像データの撮影位置に基づいて、領域の分割位置を変更してもよい。例えば、黄斑を中心とした撮影位置か、乳頭を中心とした撮影位置かに応じて分割位置を変更するようにしてもよい。

なお、画像処理部は、局所領域毎に第１正面画像と第２正面画像の類似度を算出してもよい。そして、画像処理部は、局所領域毎の類似度に基づいて、局所領域毎の重みを算出してもよい。重みは、例えば、第１正面画像と第２正面画像の類似度を小さくするための演算処理に用いられる。

類似度は、例えば、第１正面画像と第２正面画像との相関、または差分等によって算出される。また、例えば、SSD (sum of squared difference)、SAD (sum of absolute difference)、NCC (normalized cross-correlation)、ZNCC (zero-mean normalized cross-correlation)などが計算されてもよい。また、位相限定相関(POC)のピーク値の大きさを類似度の指標として用いてもよい。もちろん、類似度の代わりに相違度を計算してもよい。

なお、第２正面画像の補正に用いる第１正面画像は、第２正面画像よりも浅い（例えば、硝子体側の）データ領域における眼科画像データに基づいて構築されてもよい。例えば、第１正面画像が構築されるデータ領域は、第２正面画像が構築されるデータ領域の上端から眼科画像データの上部のデータ領域であってもよい。これによって、例えば、第１正面画像を構築するデータ領域を特定の網膜層に設定する場合に比べ、網膜層のセグメンテーション結果の影響を抑えることができる。また、第２正面画像の補正を行う際に、特定の網膜層以外に生じるノイズの影響も低減させることができる。

なお、画像処理部は、第１正面画像を構築するデータ領域から固定ノイズ領域を除外してもよい。固定ノイズは、例えば、撮影部の光学系に起因するノイズなどである。例えば、撮影部としてＯＣＴが用いられる場合、ゼロディレイ付近に生じる固定パターンノイズの領域を除外してもよい。この場合、実像の位置によってＯＣＴ画像上の固定パターンノイズの位置が変化するため、例えば、ゼロディレイの位置を眼底の手前（硝子体側）に合わせる撮影モードか、眼底の奥（脈絡膜側）に合わせる撮影モードかによって除外領域を切り換えてもよい。

なお、撮影部（例えば、撮影装置１０）は、例えば、ＯＣＴ、眼底カメラ、またはＳＬＯなどであってもよい。例えば、撮影部は、撮影光軸方向において深さの異なる画像データを取得できる光学系を備える。

なお、眼科画像処理装置のプロセッサは、記憶部に記憶された眼科画像処理プログラムを実行してもよい。眼科画像処理プログラムは、例えば、画像取得ステップと、画像処理ステップを含む。画像取得ステップは、例えば、撮影部によって撮影された被検眼の眼科画像データを取得するステップである。画像処理ステップは、被検眼の第１深さ領域における第１正面画像を用いて、第１深さ領域とは異なる第２深さ領域における第２正面画像を補正するステップである。

＜実施例＞
本実施例の眼科画像処理装置について図面を用いて説明する。図１に示す眼科画像処理装置１は、撮影装置１０によって取得された画像データを処理する。眼科画像処理装置１は、例えば、画像取得部７１、画像処理部７２、記憶部７３、表示制御部７４、表示部７５および操作部７６などを備える。画像取得部７１は、被検眼の画像を取得する。画像取得部７１は、撮影装置１０と有線または無線等の通信手段を介して接続されている。例えば、画像取得部７１は、通信手段を介して撮影装置１０から眼科画像を受信し、記憶部７３等に記憶させる。なお、画像取得部７１は、通信手段を介して接続されたＨＤＤ、ＵＳＢメモリ等の外部記憶装置などから眼科画像を取得してもよい。

画像処理部７２は、例えば、眼科画像に対して画像処理等を行う。画像処理の詳細については後述する。画像処理部７２による処理結果は、表示部７５または記憶部７３等に送信される。

記憶部７３は、眼科画像処理装置１の制御に関わる各種プログラム、各種画像データ、および処理結果などを記憶する。表示制御部７５は、表示部７４の表示を制御する。表示部７５は、画像取得部７１によって取得された画像、および画像処理部７２による処理結果などを表示する。表示部７５は、タッチパネル式のディスプレイであってもよい。この場合、表示部７５は、操作部７６として兼用される。

なお、画像取得部７１、画像処理部７２、記憶部７３、表示制御部７４は、例えば、眼科画像処理装置１として用いられるコンピュータの制御部（例えば、ＣＰＵなど）７０が各種プログラムを実行することによって実現されてもよいし、それぞれ独立した制御基板として設けられてもよい。

眼科画像処理装置１は、パーソナルコンピュータであってもよい。例えば、眼科画像処理装置１として、デスクトップＰＣ、ノート型ＰＣ、またはタブレット型ＰＣが用いられてもよい。もちろん、サーバであってもよい。また、眼科画像処理装置１は、撮影装置等の内部に格納されたコンピュータであってもよい。

＜撮影部＞
以下、図２に基づいて撮影部１０の概略を説明する。撮影部１０は、例えば、ＯＣＴ光学系１００を備える。例えば、撮影部１０は、被検眼Ｅに測定光を照射し、その反射光と測定光とによって取得されたＯＣＴ信号を取得する。

＜ＯＣＴ光学系＞
ＯＣＴ光学系１００は、被検眼Ｅに測定光を照射し、その反射光と参照光との干渉信号を検出する。ＯＣＴ光学系１００は、例えば、測定光源１０２と、カップラー（光分割器）１０４と、測定光学系１０６と、参照光学系１１０と、検出器１２０等を主に備える。なお、ＯＣＴ光学系の詳しい構成については、例えば、特開２０１５−１３１１０７号を参考にされたい。

ＯＣＴ光学系１００は、いわゆる光断層干渉計（ＯＣＴ：Optical coherence tomography）の光学系である。ＯＣＴ光学系１００は、測定光源１０２から出射された光をカップラー１０４によって測定光（試料光）と参照光に分割する。分割された測定光は測定光学系１０６へ、参照光は参照光学系１１０へそれぞれ導光される。測定光は測定光学系１０６を介して被検眼Ｅの眼底Ｅｆに導かれる。その後、被検眼Ｅによって反射された測定光と，参照光との合成による干渉光を検出器１２０に受光させる。

測定光学系１０６は、例えば、走査部（例えば、光スキャナ）１０８を備える。走査部１０８は、例えば、眼底上でＸＹ方向（横断方向）に測定光を走査させるために設けられてもよい。例えば、制御部７０は、設定された走査位置情報に基づいて走査部１０８の動作を制御し、検出器１２０によって検出された受光信号に基づいてＯＣＴ信号を取得する。参照光学系１１０は、眼底Ｅｆでの測定光の反射によって取得される反射光と合成される参照光を生成する。参照光学系１１０は、マイケルソンタイプであってもよいし、マッハツェンダタイプであっても良い。

検出器１２０は、測定光と参照光との干渉状態を検出する。フーリエドメインＯＣＴの場合では、干渉光のスペクトル強度が検出器１２０によって検出され、スペクトル強度データに対するフーリエ変換によって所定範囲における深さプロファイル（Ａスキャン信号）が取得される。

なお、撮影装置１０として、例えば、Spectral-domain OCT（ＳＤ−ＯＣＴ）、Swept-source OCT（ＳＳ−ＯＣＴ）、Time-domain OCT（ＴＤ−ＯＣＴ）等が用いられてもよい。

＜正面撮影光学系＞
正面撮影光学系２０は、例えば、被検眼Ｅの眼底Ｅｆを正面方向（例えば、測定光の光軸方向）から撮影し、眼底Ｅｆの正面画像を得る。正面撮影光学系２０は、例えば、走査型レーザ検眼鏡（ＳＬＯ）の装置構成であってもよいし（例えば、特開２０１５−６６２４２号公報参照）、いわゆる眼底カメラタイプの構成であってもよい（特開２０１１−１０９４４参照）。なお、正面撮影光学系２００としては、ＯＣＴ光学系１００が兼用してもよく、検出器１２０からの検出信号に基づいて正面画像が取得されてもよい。

＜固視標投影部＞
固視標投影部３０は、眼Ｅの視線方向を誘導するための光学系を有する。固視標投影部３０は、眼Ｅに呈示する固視標を有し、眼Ｅを誘導できる。例えば、固視標投影部３０は、可視光を発する可視光源を有し、固視標の呈示位置を二次元的に変更させる。これによって、視線方向が変更され、結果的にＯＣＴ信号の取得部位が変更される。

＜ＯＣＴ信号の取得＞
図３（ａ）は、眼底における走査ラインを示している。なお、図３（ａ）において、ｚ軸の方向は、測定光の光軸の方向とする。ｘ軸の方向は、ｚ軸に垂直であって被検者の左右方向とする。ｙ軸の方向は、ｚ軸に垂直であって被検者の上下方向とする。例えば、撮影装置１０は、眼底Ｅｆにおいて走査ラインＬ_１，Ｌ_２，・・・，Ｌ_ｎに沿って、測定光の光軸方向に交差する方向（例えば、ｘ方向）に測定光を走査させることによってＢスキャン信号を得る。例えば、撮影装置１０は、各走査ラインにおいて、時間の異なる複数回のＢスキャンを行い、時間の異なる複数のＯＣＴ信号をそれぞれ取得する。

例えば、図３（ｂ）は、走査ラインＬ_１，Ｌ_２，・・・，Ｌ_ｎにおいて時間の異なる複数回のＢスキャンを行った場合に取得されたＯＣＴ信号を示している。例えば、図３（ｂ）は、走査ラインＬ_１を時間Ｔ_１１，Ｔ_１２，・・・，Ｔ_１Ｎで走査し、走査ラインＬ_２を時間Ｔ_２１，Ｔ_２２，・・・，Ｔ_２Ｎで走査し、走査ラインＬ_ｎを時間Ｔ_ｎ１，Ｔ_ｎ２，・・・，Ｔ_ｎＮで走査した場合を示している。例えば、撮影装置１０は、各走査ラインにおいて、時間の異なる複数のＯＣＴデータを取得し、そのＯＣＴデータを記憶部１１に記憶させる。

＜モーションコントラストの取得＞
上記のように、被検眼の同一位置に関して時間的に異なる複数のＯＣＴデータが取得された場合、これらのＯＣＴデータを処理することによってモーションコントラストを取得できる。モーションコントラストは、例えば、被検眼の血流、網膜組織の変化などを捉えた情報である。モーションコントラストを取得するためのＯＣＴ信号の演算方法としては、例えば、複素ＯＣＴ信号の強度差を算出する方法、複素ＯＣＴ信号の位相差を算出する方法、複素ＯＣＴ信号のベクトル差分を算出する方法、複素ＯＣＴ信号の位相差及びベクトル差分を掛け合わせる方法、信号の相関を用いる方法（コリレーションマッピング）などが挙げられる。なお、演算手法の一つとして、例えば、特開２０１５−１３１１０７号公報を参照されたい。図３（ｃ）は、異なる走査ラインでのモーションコントラストデータ（以下、ＭＣデータと略す）を並べることによって得られた被検眼Ｅの３次元ＭＣデータ４０を示す。

＜アーチファクト低減処理＞
図４（ａ）は、ＭＣデータ４０に基づいて構築された網膜浅層（表層または上層）のEn face画像４１であり、図４（ｂ）は網膜深層（外層または下層）のEn face画像４２である。これらのEn face画像は、例えば、一部の深さ領域に関して３次元ＭＣデータを取り出すことによって取得される。例えば、ＭＣデータ４０における深さ方向での積算値、平均値、又は最大値によってEn face画像が生成される。

図４において、理想的には、浅層と深層では描出される血管が異なるため、En face画像４１とEn face画像４２の二つの画像間の相関は小さいと考えられる。しかし、網膜浅層の血管部分での赤血球の配置等に由来する信号の揺らぎ（影など）が深層に写り込んでしまうプロジェクションアーチファクト（Projection Artifact）の影響により、二つの画像は似通ったものになってしまう。そこで、画像処理部７２は、二つの画像間の相関を小さくすることで、Projection Artifactの影響を低減させる。

例えば、深層のEn face画像４２をE_deep、浅層のEn face画像４１をE_shallowとすると、アーチファクト除去された真の深層のEn face画像E_deep’は次式（数１）で仮定される。

ここで、ｗは0〜1の重みである。

画像処理部７２は、浅層画像E_shallowと真の深層画像E_deep'の相関γを最小化する重みｗを計算する。つまり、次式（数２）を満たす重みｗを計算する。

数２に示すｗは、共分散Covと分散Varを用いて次式（数３）で計算できる。

図５（ａ）は、画像全体に対して共通の重みを用いて浅層画像を減算した深層画像４３である。図５（ａ）のように、画像全体に対して共通の重みを用いた場合、局所的にはアーチファクトを消しきれなかったり（矢印Ｑ１参照）、消しすぎたりすることがあり（矢印Ｑ２参照）、浅層の血管の影響を除去しきれない画像が得られることがある。

そこで、本実施例では、局所領域毎に浅層画像E_shallowと深層画像E_deep'の相関を最小化する。具体的には、図６のように、画像をいくつかのブロックに分割する。そして、ブロックごとに相関を計算し、重みを決定する。図６に示す例では、画像を４×４の１６ブロックに分割し、各ブロックの相関に基づいて重みマップＭが計算される。

図６の場合は、局所領域毎に重みを計算しているため、アーチファクトが多いブロックでは相関が高くなるため、重みが大きくなる。一方で、アーチファクトが少ないブロックでは相関が低くなるため、重みが小さく計算される。このように、ブロックごとに計算された重みを用いることで、減算処理後の深層画像４４にアーチファクトが残ったり、アーチファクトを消し過ぎたりすることを防止できる（図５（ｂ）参照）。

なお、以上の例では、画像を４×４の１６ブロックに分割したが、これに限らない。ブロックの分割数およびサイズは任意でよい。例えば、画像処理部７２は、画像の画角、スキャン位置、スキャン密度、浅層画像と深層画像の類似度、または層の深さ等に応じてブロックの分割数、サイズ、または位置等を設定してもよい。また、例えば、画像処理部７２は、浅層の情報に基づいて、画像の分割位置を設定してもよい。具体的には、画像処理部７２は、浅層画像から検出された血管の位置に基づいて画像を分割する位置を設定してもよい。このように、画像の分割位置を自動で設定することによって、アーチファクトを生じさせる血管の多い領域と少ない領域とが効率的に分離され、より好適な重みを計算できる。もちろん、画像を分割する形状はブロック形状でなくてもよく、同心円状でもよいし、任意の形状でよい。なお、隣接するブロック間の重みの差が大きい場合、減算処理後の画像にエッジが生じる可能性がある。それを防止するために、重みマップ上の重みの変化を平滑化してもよい。

なお、上記の例ではブロック単位で相関を計算したが、画素単位で相関を計算してもよい。この場合、例えば、各画素を中心とする所定範囲の画素について相関を計算し、中心画素の重みを決定してもよい。

なお、画像処理部７２は、分割した領域のうち、浅層に血管が存在する領域のみで相関を計算し、浅層に血管が存在しない領域は相関を計算しないようにしてもよい。

＜浅層（shallow slab）の範囲について＞
なお、画像処理部７２は、浅層と深層の相関を計算する際に、浅層の画像を構築する範囲を変更できるようにしてもよい。図７は、３次元ＭＣデータ４０におけるEn face画像の構築範囲を示す図である。例えば、図７（ａ）に示すように、浅層の範囲（深さ領域）として所定の範囲Ａ（例えば、ILMからIPL/INL+90umの範囲）を用いる場合、ILMのセグメンテーションエラーに影響を受けたり、ILM上部の血管（新生血管など）または硝子体内の異物（増殖膜など）等は演算の対象にならなかったりする。このため、Projection Artifactを適切に除去できない可能性がある。なお、ILM（Internal Limiting Membrane）は内境界膜、IPL（Inner Plexiform Layer）は内網状層、INL（Inner Nuclear Layer）は内顆粒層である。

本実施例では、図７（ｂ）に示すように、アーチファクト除去対象の深層のEn face画像の構築範囲Ｃの上端からＭＣデータ４０の上部までの範囲Ｂを浅層として、アーチファクト除去の演算を行う。つまり、ＭＣデータ４０において構築範囲Ｃよりも上側のデータ領域を浅層とする。これによって、セグメンテーションの結果に影響されることなく、任意の範囲でアーチファクト除去の演算を行うことができる。

なお、浅層はＯＣＴ画像上部のFixed pattern noise（固定パターンノイズ）、またはコヒーレンスリバイバル現象（SS-OCTの場合）によるノイズを含むことがある。このため、画像処理部７２は、ＯＣＴ画像上部のノイズを低減する処理を施してもよい。例えば、画像処理部７２は、予めノイズの位置を記憶しておき、ノイズ位置を浅層の範囲に含まないようにしてもよい。

＜制御動作＞
眼底画像処理装置１の制御動作の一例について図８に基づいて説明する。まず、画像取得部７１は、撮影装置１０の記憶部１１から通信手段を介して眼科画像データ（例えば、ＯＣＴデータ）を取得する（ステップＳ１）。そして、画像処理部７２は、眼科画像データをセグメンテーションする（ステップＳ２）。例えば、画像処理部７２は、エッジ検出等の処理によって網膜層の境界を検出し、眼科画像のセグメンテーションを行う。画像処理部７２は、浅層のEn face画像の構築範囲と深層のEn face画像の構築範囲を設定し（ステップＳ３）、各画像を構築する（ステップＳ４）。浅層と深層の各En face画像を構築すると、画像処理部７２は、画像を複数の領域に分割し（ステップＳ５）、局所領域毎に類似度を算出する（ステップＳ６）。次いで、画像処理部７２は、局所領域毎の類似度に基づいて重みを決定し（ステップＳ７）、重みに基づいて深層のEn face画像のアーチファクト低減処理（例えば、減算処理）を行う（ステップＳ８）。

なお、以上の実施例において、画像処理部７２は、モーションコントラストデータに基づくEn face画像のアーチファクト低減処理について説明したが、通常のＯＣＴ信号に基づくEn face画像において同様の処理を行ってもよい。

また、以上の実施例において、撮影装置１０は、ＯＣＴ光学系を備えるものとしたが、これに限らない。例えば、撮影装置１０は、ＳＬＯ光学系を備えてもよいし、眼底カメラの構成を備えてもよい。これらの眼底撮影装置において、蛍光造影画像を撮影する場合、ＦＡ撮影（フルオレセイン蛍光造影撮影）によって撮影された網膜浅層の画像と、ＩＡ撮影（インドシアニングリーン蛍光造影撮影）によって撮影された脈絡膜の画像について、前述のノイズ低減処理を行ってもよい。この場合、ＩＡ撮影画像に写る網膜表面部分の血管が除去されるため、脈絡膜の血管を観察し易い画像を得ることができる。

また、波長により光の深達度が異なる特性を利用しても良い。眼底カメラやＳＬＯは、赤、緑、青などのチャンネルごとに深さの異なるEn face画像を取得できるため（特開２０１８−０００６１９号公報参照）、画像処理部７２は、各チャンネルの画像の相関を局所領域毎に計算し、重みを決定することで、深層画像のアーチファクトを除去してもよい。

１眼科画像処理装置
１０撮影装置
７０制御部
１００ＯＣＴ光学系

Claims

眼科画像を処理する眼科画像処理装置であって、
撮影手段によって撮影された被検眼の眼科画像データを取得する画像取得手段と、
前記眼科画像データを処理する画像処理手段と、を備え、
前記画像処理手段は、前記被検眼の第１深さ領域における第１正面画像を用いて、前記第１深さ領域とは異なる第２深さ領域における第２正面画像を補正することを特徴とする眼科画像処理装置。
前記画像処理手段は、前記第１正面画像を用いて、前記第２正面画像を局所領域毎に補正することを特徴とする請求項１の眼科画像処理装置。
前記画像処理手段は、前記第１正面画像と前記第２正面画像との類似度が前記局所領域毎に小さくなるように前記第２正面画像を補正することを特徴とする請求項２の眼科画像処理装置。
前記画像処理手段は、前記局所領域毎に算出した前記類似度に基づいて前記局所領域毎の重みを設定し、前記重みに応じて前記第２正面画像を補正することを特徴とする請求項３の眼科画像処理装置。
前記第１正面画像は、前記第２正面画像よりも浅いデータ領域における前記眼科画像データに基づいて構築されることを特徴とする請求項１〜４のいずれかの眼科画像処理装置。
前記画像処理手段は、前記データ領域から固定ノイズ領域を除外することを特徴とする請求項５の眼科画像処理装置。
眼科画像を処理する眼科画像処理装置において実行される眼科画像処理プログラムであって、
撮影手段によって撮影された被検眼の眼科画像データを取得する画像取得ステップと、
前記被検眼の第１深さ領域における第１正面画像を用いて、前記第１深さ領域とは異なる第２深さ領域における第２正面画像を補正する画像処理ステップと、
を前記眼科画像処理装置に実行させることを特徴とする眼科画像処理プログラム。