JP2020163100A5 - - Google Patents

Description

本発明に係る画像処理装置の一つは、
光干渉断層計によって取得した被検体における互いに対応する領域のＯＣＴ画像及びＯＣＴＡ画像を用いて、検者からの指示に応じて変更可能な透過率によりブレンド処理して得たブレンド画像を、表示手段に表示させる表示制御手段と、
前記表示されたブレンド画像に関心領域を設定する設定手段と、
前記ＯＣＴ画像と前記ＯＣＴＡ画像とのうち少なくとも一つの画像における前記設定された関心領域に対して処理を実行する実行手段と、を備える。

Claims (18)

1. 光干渉断層計によって取得した被検体における互いに対応する領域のＯＣＴ画像とＯＣＴＡ画像との少なくともいずれか一方に対して処理を行うための画像処理装置であって、
   前記ＯＣＴ画像及び前記ＯＣＴＡ画像を用いて所定の透過率によりブレンド処理して得たブレンド画像を生成するブレンド処理手段と、
   前記生成されたブレンド画像を表示手段に表示させる表示制御手段と、
   検者からの指示に応じて前記所定の透過率を設定する透過率設定手段と、
   前記処理を行う対象として前記ＯＣＴ画像と前記ＯＣＴＡ画像との少なくともいずれか一方を指定する指定手段と、
   前記指定された対象画像に対して行う解析または処理のいずれかを選択する選択手段と、
   前記表示されたブレンド画像に関心領域を設定する設定手段と、
   前記指定された対象画像における前記設定された関心領域に対して、前記選択された処理を実行する実行手段と、
   を備える画像処理装置。
2. 前記ＯＣＴ画像とＯＣＴＡ画像との少なくともいずれか一方の画像は、画素ごとに２つ以上の分類を示す属性を有し、
   前記ブレンド処理手段は、前記属性と前記所定の透過率に基づいてブレンド画像を生成し、
   前記属性を有する画像は、該画像の画素値に基づいて分類される属性、又は、該画像のあらかじめ設定された部分領域に対応して設定された属性を有し、
   前記属性は、前記画素値が閾値を超えるか否かに基づいて設定される請求項１に記載の画像処理装置。
3. 前記属性を有する画像がＯＣＴＡ画像である場合、前記属性は、画素が血管であるという確からしさに基づく属性である請求項２に記載の画像処理装置。
4. 前記ブレンド処理手段は、前記属性が所定の分類を示す属性である場合、前記属性を有する画像の前記画素に対応する前記透過率を０または１に固定する請求項２または３に記載の画像処理装置。
5. 光干渉断層計によって取得した被検体における互いに対応する領域のＯＣＴ画像及びＯＣＴＡ画像を用いて、検者からの指示に応じて変更可能な透過率によりブレンド処理して得たブレンド画像を、表示手段に表示させる表示制御手段と、
   前記表示されたブレンド画像に関心領域を設定する設定手段と、
   前記ＯＣＴ画像と前記ＯＣＴＡ画像とのうち少なくとも一つの画像における前記設定された関心領域に対して処理を実行する実行手段と、
   を備える画像処理装置。
6. 前記表示制御手段は、前記設定された関心領域に対する解析処理の結果を前記表示手段に表示させる請求項１乃至５のいずれか１項に記載の画像処理装置。
7. 医用画像を入力データとし、前記ブレンド処理に用いられる透過率を正解データとする学習データにより学習して得た学習済モデルを用いて、前記ＯＣＴ画像と前記ＯＣＴＡ画像とのうち少なくとも一つの画像から、新たな透過率が設定されるように構成される請求項１乃至６のいずれか１項に記載の画像処理装置。
8. 前記学習済モデルは、検者からの指示に応じて設定された透過率を正解データとする学習データにより追加学習して得た学習済モデルである請求項７に記載の画像処理装置。
9. 前記学習済モデルは、検者からの指示に応じて前記新たな透過率から変更された透過率を正解データとする学習データにより追加学習して得た学習済モデルである請求項７または８に記載の画像処理装置。
10. 前記ブレンド処理は、前記ＯＣＴ画像と前記ＯＣＴＡ画像との互いに対応する位置の画素値を加重平均処理することにより実行される請求項１乃至９のいずれか１項に記載の画像処理装置。
11. 被検体における互いに対応する領域の第１の医用画像と前記第１の医用画像とは異なる種類の第２の医用画像とを用いて、検者からの指示に応じて変更可能な透過率によりブレンド処理して得たブレンド画像を、表示手段に表示させる表示制御手段を備える画像処理装置。
12. 前記表示制御手段は、被検体の医用画像を学習して得た高画質化用の学習済モデルの入力データとして、前記ブレンド処理される複数の医用画像のうち少なくとも一つの医用画像を入力して得た該少なくとも一つの医用画像よりも高画質な医用画像を、前記表示手段に表示させる請求項１乃至１１のいずれか１項に記載の画像処理装置。
13. 前記表示制御手段は、前記高画質化用の学習済モデルとは異なる学習済モデルを用いて生成された解析結果であって、前記少なくとも一つの医用画像に関する解析結果と、前記高画質化用の学習済モデルとは異なる学習済モデルを用いて生成された診断結果であって、前記少なくとも一つの医用画像に関する診断結果と、前記高画質化用の学習済モデルとは異なる学習済モデルを用いて生成された物体検出結果であって、前記少なくとも一つの医用画像に関する物体検出結果と、前記高画質化用の学習済モデルとは異なる学習済モデルを用いて生成されたセグメンテーション結果であって、前記少なくとも一つの医用画像に関するセグメンテーション結果と、前記高画質化用の学習済モデルとは異なる学習済モデルを用いて生成された類似症例画像であって、前記少なくとも一つの医用画像に関する類似症例画像とのうちの少なくとも一つを前記表示手段に表示させる請求項１２に記載の画像処理装置。
14. 前記表示制御手段は、前記少なくとも一つの医用画像と、前記少なくとも一つの医用画像が入力データとして入力された敵対的生成ネットワーク又はオートエンコーダを用いて生成された医用画像との差に関する情報を、異常部位に関する情報として前記表示手段に表示させる請求項１２または１３の記載の画像処理装置。
15. 前記指示は、文字認識用の学習済モデルと音声認識用の学習済モデルとジェスチャー認識用の学習済モデルとのうちの少なくとも１つの学習済モデルを用いて得た情報である、請求項１乃至１４のいずれか一項に記載の画像処理装置。
16. 光干渉断層計によって取得した被検体における互いに対応する領域のＯＣＴ画像及びＯＣＴＡ画像を用いて、検者からの指示に応じて変更可能な透過率によりブレンド処理して得たブレンド画像を、表示手段に表示させる工程と、
    前記表示されたブレンド画像に関心領域を設定する工程と、
    前記ＯＣＴ画像と前記ＯＣＴＡ画像とのうち少なくとも一つの画像における前記設定された関心領域に対して処理を実行する工程と、
    を含む画像処理方法。
17. 被検体における互いに対応する領域の第１の医用画像と前記第１の医用画像とは異なる種類の第２の医用画像とを用いて、検者からの指示に応じて変更可能な透過率によりブレンド処理して得たブレンド画像を、表示手段に表示させる工程を含む画像処理方法。
18. 請求項１６または１７に記載の画像処理方法の各工程をコンピュータに実行させるプログラム。