JP2020195782A - 眼科画像処理プログラム、およびoct装置 - Google Patents
眼科画像処理プログラム、およびoct装置 Download PDFInfo
- Publication number
- JP2020195782A JP2020195782A JP2020133247A JP2020133247A JP2020195782A JP 2020195782 A JP2020195782 A JP 2020195782A JP 2020133247 A JP2020133247 A JP 2020133247A JP 2020133247 A JP2020133247 A JP 2020133247A JP 2020195782 A JP2020195782 A JP 2020195782A
- Authority
- JP
- Japan
- Prior art keywords
- image
- ophthalmic
- images
- training
- tissue
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012549 training Methods 0.000 claims abstract description 174
- 238000013178 mathematical model Methods 0.000 claims abstract description 110
- 238000012545 processing Methods 0.000 claims abstract description 93
- 238000012935 Averaging Methods 0.000 claims abstract description 66
- 238000003384 imaging method Methods 0.000 claims abstract description 47
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 238000010801 machine learning Methods 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims description 83
- 230000008569 process Effects 0.000 claims description 66
- 238000005259 measurement Methods 0.000 claims description 12
- 239000000284 extract Substances 0.000 claims description 3
- 238000010276 construction Methods 0.000 description 24
- 239000010410 layer Substances 0.000 description 16
- 230000011218 segmentation Effects 0.000 description 14
- 238000013528 artificial neural network Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 239000000654 additive Substances 0.000 description 4
- 230000000996 additive effect Effects 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 210000004204 blood vessel Anatomy 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 210000000399 corneal endothelial cell Anatomy 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 230000002207 retinal effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012421 spiking Methods 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
Landscapes
- Eye Examination Apparatus (AREA)
Abstract
Description
本開示における典型的な実施形態が提供する眼科画像処理プログラムの第2態様は、被検眼の組織の画像である眼科画像を処理する眼科画像処理装置によって実行される眼科画像処理プログラムであって、前記眼科画像処理プログラムが前記眼科画像処理装置の制御部によって実行されることで、眼科画像撮影装置によって撮影された眼科画像、または、前記眼科画像撮影装置によって組織の同一部位を撮影した複数の眼科画像を加算平均した加算平均画像を、基画像として取得する基画像取得ステップと、機械学習アルゴリズムによって訓練された数学モデルに前記基画像を入力することで、前記基画像よりも高画質の目的画像を取得する基画像取得ステップと、前記目的画像の撮影範囲に含まれる組織中の、ユーザによって指定された位置の二次元断層画像を抽出して表示装置に表示させるステップと、を前記眼科画像処理装置に実行させ、前記数学モデルは、組織の同一部位を撮影した複数の訓練用眼科画像のうち、L枚(L≧1)の前記訓練用眼科画像に基づくデータを入力用訓練データとし、且つ、H枚(H>L)前記訓練用眼科画像を加算平均した加算平均画像のデータを出力用訓練データとして訓練されている。
本開示における典型的な実施形態が提供するOCT装置の第2態様は、参照光と、被検眼の組織に照射された測定光の反射光とによるOCT信号を処理することで、前記組織の眼科画像を撮影するOCT装置であって、前記OCT装置の制御部は、撮影した前記組織の眼科画像、または、前記組織の同一部位を撮影した複数の眼科画像を加算平均した加算平均画像を、基画像として取得し、機械学習アルゴリズムによって訓練された数学モデルに前記基画像を入力することで、前記基画像よりも高画質の目的画像を取得し、前記目的画像の撮影範囲に含まれる組織中の、ユーザによって指定された位置の二次元断層画像を抽出して表示装置に表示させ、前記数学モデルは、組織の同一部位を撮影した複数の訓練用眼科画像のうち、L枚(L≧1)の前記訓練用眼科画像に基づくデータを入力用訓練データとし、且つ、H枚(H>L)前記訓練用眼科画像を加算平均した加算平均画像のデータを出力用訓練データとして訓練されている。
以下、本開示における典型的な実施形態の1つについて、図面を参照して説明する。図1に示すように、本実施形態では、数学モデル構築装置1、眼科画像処理装置21、および眼科画像撮影装置11A,11Bが用いられる。数学モデル構築装置1は、機械学習アルゴリズムによって数学モデルを訓練させることで、数学モデルを構築する。構築された数学モデルは、入力された基画像に基づいて、基画像よりも高画質の(本実施形態では、ノイズの影響が適切に抑制された)目的画像を出力する。眼科画像処理装置21は、数学モデルを用いて、基画像から目的画像を取得する。眼科画像撮影装置11A,11Bは、被検眼の組織の画像である眼科画像を撮影する。
図2〜図6を参照して、数学モデル構築装置1が実行する数学モデル構築処理について説明する。数学モデル構築処理は、記憶装置4に記憶された数学モデル構築プログラムに従って、CPU3によって実行される。
図7〜図9を参照して、眼科画像処理装置21が実行する眼科画像処理について説明する。眼科画像処理は、記憶装置24に記憶された眼科画像処理プログラムに従って、CPU23によって実行される。
3 CPU
4 記憶装置
11 眼科画像撮影装置
21 眼科画像処理装置
23 CPU
24 記憶装置
28 表示装置
30 セット
31 加算平均画像
32 加算平均画像
300 訓練用眼科画像
Claims (4)
- 被検眼の組織の画像である眼科画像を処理する眼科画像処理装置によって実行される眼科画像処理プログラムであって、
前記眼科画像処理プログラムが前記眼科画像処理装置の制御部によって実行されることで、
眼科画像撮影装置によって撮影された眼科画像、または、前記眼科画像撮影装置によって組織の同一部位を撮影した複数の眼科画像を加算平均した加算平均画像を、基画像として取得する基画像取得ステップと、
機械学習アルゴリズムによって訓練された数学モデルに前記基画像を入力することで、前記基画像よりも高画質の目的画像を取得する目的画像取得ステップと、
前記目的画像を表示させることが可能なタイミングが到来した際に、前記タイミングに応じて予め設定されている、表示装置に表示させる画像の種類に応じて、前記目的画像および前記基画像の少なくとも一方を前記表示装置に表示させるステップと、
を前記眼科画像処理装置に実行させ、
前記数学モデルは、組織の同一部位を撮影した複数の訓練用眼科画像のうち、L枚(L≧1)の前記訓練用眼科画像に基づくデータを入力用訓練データとし、且つ、H枚(H>L)前記訓練用眼科画像を加算平均した加算平均画像のデータを出力用訓練データとして訓練されていることを特徴とする眼科画像処理プログラム。 - 被検眼の組織の画像である眼科画像を処理する眼科画像処理装置によって実行される眼科画像処理プログラムであって、
前記眼科画像処理プログラムが前記眼科画像処理装置の制御部によって実行されることで、
眼科画像撮影装置によって撮影された眼科画像、または、前記眼科画像撮影装置によって組織の同一部位を撮影した複数の眼科画像を加算平均した加算平均画像を、基画像として取得する基画像取得ステップと、
機械学習アルゴリズムによって訓練された数学モデルに前記基画像を入力することで、前記基画像よりも高画質の目的画像を取得する基画像取得ステップと、
前記目的画像の撮影範囲に含まれる組織中の、ユーザによって指定された位置の二次元断層画像を抽出して表示装置に表示させるステップと、
を前記眼科画像処理装置に実行させ、
前記数学モデルは、組織の同一部位を撮影した複数の訓練用眼科画像のうち、L枚(L≧1)の前記訓練用眼科画像に基づくデータを入力用訓練データとし、且つ、H枚(H>L)前記訓練用眼科画像を加算平均した加算平均画像のデータを出力用訓練データとして訓練されていることを特徴とする眼科画像処理プログラム。 - 参照光と、被検眼の組織に照射された測定光の反射光とによるOCT信号を処理することで、前記組織の眼科画像を撮影するOCT装置であって、
前記OCT装置の制御部は、
撮影した前記組織の眼科画像、または、前記組織の同一部位を撮影した複数の眼科画像を加算平均した加算平均画像を、基画像として取得し、
機械学習アルゴリズムによって訓練された数学モデルに前記基画像を入力することで、前記基画像よりも高画質の目的画像を取得し、
前記目的画像を表示させることが可能なタイミングが到来した際に、前記タイミングに応じて予め設定されている、表示装置に表示させる画像の種類に応じて、前記目的画像および前記基画像の少なくとも一方を前記表示装置に表示させ、
前記数学モデルは、組織の同一部位を撮影した複数の訓練用眼科画像のうち、L枚(L≧1)の前記訓練用眼科画像に基づくデータを入力用訓練データとし、且つ、H枚(H>L)前記訓練用眼科画像を加算平均した加算平均画像のデータを出力用訓練データとして訓練されていることを特徴とするOCT装置。 - 参照光と、被検眼の組織に照射された測定光の反射光とによるOCT信号を処理することで、前記組織の眼科画像を撮影するOCT装置であって、
前記OCT装置の制御部は、
撮影した前記組織の眼科画像、または、前記組織の同一部位を撮影した複数の眼科画像を加算平均した加算平均画像を、基画像として取得し、
機械学習アルゴリズムによって訓練された数学モデルに前記基画像を入力することで、前記基画像よりも高画質の目的画像を取得し、
前記目的画像の撮影範囲に含まれる組織中の、ユーザによって指定された位置の二次元断層画像を抽出して表示装置に表示させ、
前記数学モデルは、組織の同一部位を撮影した複数の訓練用眼科画像のうち、L枚(L≧1)の前記訓練用眼科画像に基づくデータを入力用訓練データとし、且つ、H枚(H>L)前記訓練用眼科画像を加算平均した加算平均画像のデータを出力用訓練データとして訓練されていることを特徴とするOCT装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020133247A JP6866954B2 (ja) | 2020-08-05 | 2020-08-05 | 眼科画像処理プログラム、およびoct装置 |
JP2021008808A JP7147888B2 (ja) | 2020-08-05 | 2021-01-22 | 眼科画像処理装置、oct装置、および眼科画像処理プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020133247A JP6866954B2 (ja) | 2020-08-05 | 2020-08-05 | 眼科画像処理プログラム、およびoct装置 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020080985A Division JP6747617B2 (ja) | 2020-05-01 | 2020-05-01 | 眼科画像処理装置、およびoct装置 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021008808A Division JP7147888B2 (ja) | 2020-08-05 | 2021-01-22 | 眼科画像処理装置、oct装置、および眼科画像処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020195782A true JP2020195782A (ja) | 2020-12-10 |
JP6866954B2 JP6866954B2 (ja) | 2021-04-28 |
Family
ID=73647812
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020133247A Active JP6866954B2 (ja) | 2020-08-05 | 2020-08-05 | 眼科画像処理プログラム、およびoct装置 |
JP2021008808A Active JP7147888B2 (ja) | 2020-08-05 | 2021-01-22 | 眼科画像処理装置、oct装置、および眼科画像処理プログラム |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021008808A Active JP7147888B2 (ja) | 2020-08-05 | 2021-01-22 | 眼科画像処理装置、oct装置、および眼科画像処理プログラム |
Country Status (1)
Country | Link |
---|---|
JP (2) | JP6866954B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20230111522A (ko) * | 2022-01-18 | 2023-07-25 | 가톨릭대학교 산학협력단 | 병적 근시 진단 장치 및 방법 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1131214A (ja) * | 1997-07-10 | 1999-02-02 | Hitachi Medical Corp | 画像処理装置 |
JP2013169391A (ja) * | 2012-02-22 | 2013-09-02 | Toshiba Corp | X線ct装置、画像表示装置、画像表示方法 |
JP2015009108A (ja) * | 2013-07-02 | 2015-01-19 | 株式会社ニデック | 眼科撮影装置及び眼科画像処理プログラム |
JP2018079208A (ja) * | 2016-11-18 | 2018-05-24 | キヤノン株式会社 | 画像処理装置、画像処理方法及びプログラム |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130051516A1 (en) | 2011-08-31 | 2013-02-28 | Carestream Health, Inc. | Noise suppression for low x-ray dose cone-beam image reconstruction |
JP6644075B2 (ja) | 2015-08-19 | 2020-02-12 | 興和株式会社 | 画像処理装置、画像処理方法、及び画像処理プログラム |
US10387765B2 (en) | 2016-06-23 | 2019-08-20 | Siemens Healthcare Gmbh | Image correction using a deep generative machine-learning model |
-
2020
- 2020-08-05 JP JP2020133247A patent/JP6866954B2/ja active Active
-
2021
- 2021-01-22 JP JP2021008808A patent/JP7147888B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1131214A (ja) * | 1997-07-10 | 1999-02-02 | Hitachi Medical Corp | 画像処理装置 |
JP2013169391A (ja) * | 2012-02-22 | 2013-09-02 | Toshiba Corp | X線ct装置、画像表示装置、画像表示方法 |
JP2015009108A (ja) * | 2013-07-02 | 2015-01-19 | 株式会社ニデック | 眼科撮影装置及び眼科画像処理プログラム |
JP2018079208A (ja) * | 2016-11-18 | 2018-05-24 | キヤノン株式会社 | 画像処理装置、画像処理方法及びプログラム |
Non-Patent Citations (2)
Title |
---|
ISOGAWA KENZO: "Deep Shrinkage Convolution Neural Network for Adaptive Noise Reconstruction", IEEE SIGNAL PROCESSING LETTERS, vol. 25, no. 2, JPN6018036850, February 2018 (2018-02-01), pages 224 - 228, ISSN: 0004424940 * |
北島美香: "Deep Learning Reconstructionについて", INNERVISION, vol. 第33巻,第5号, JPN6018036849, 25 April 2018 (2018-04-25), pages 6 - 7, ISSN: 0004424939 * |
Also Published As
Publication number | Publication date |
---|---|
JP7147888B2 (ja) | 2022-10-05 |
JP6866954B2 (ja) | 2021-04-28 |
JP2021100572A (ja) | 2021-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11633096B2 (en) | Ophthalmologic image processing device and non-transitory computer-readable storage medium storing computer-readable instructions | |
JP7388525B2 (ja) | 眼科画像処理装置および眼科画像処理プログラム | |
JP2024040372A (ja) | 眼科画像処理プログラムおよび眼科画像処理装置 | |
WO2020026535A1 (ja) | 眼科画像処理装置、oct装置、および眼科画像処理プログラム | |
US20220164949A1 (en) | Ophthalmic image processing device and ophthalmic image processing method | |
JP6703319B1 (ja) | 眼科画像処理装置、およびoct装置 | |
JP6866954B2 (ja) | 眼科画像処理プログラム、およびoct装置 | |
WO2021106967A1 (ja) | 眼底画像処理装置および眼底画像処理プログラム | |
JP7435885B2 (ja) | 眼科画像処理装置、および眼科画像処理プログラム | |
JP6747617B2 (ja) | 眼科画像処理装置、およびoct装置 | |
JP2019208851A (ja) | 眼底画像処理装置および眼底画像処理プログラム | |
JP7439990B2 (ja) | 医療画像処理装置、医療画像処理プログラム、および医療画像処理方法 | |
WO2021020419A1 (ja) | 医療画像処理装置および医療画像処理プログラム | |
JP7328489B2 (ja) | 眼科画像処理装置、および眼科撮影装置 | |
WO2020241794A1 (ja) | 眼科画像処理装置、眼科画像処理プログラム、および眼科画像処理システム | |
JP2021074095A (ja) | 眼科画像処理装置および眼科画像処理プログラム | |
JP7435067B2 (ja) | 眼科画像処理装置および眼科画像処理プログラム | |
WO2021045019A1 (ja) | 眼科画像処理プログラムおよび眼科画像処理装置 | |
US20240169528A1 (en) | Medical image processing device and storage medium storing medical image processing program | |
JP7180187B2 (ja) | 眼科画像処理装置、oct装置、および眼科画像処理プログラム | |
JP7210927B2 (ja) | 眼科画像処理装置、oct装置、および眼科画像処理プログラム | |
JP7302184B2 (ja) | 眼科画像処理装置、および眼科画像処理プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201201 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20201201 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20210105 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210119 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210122 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210309 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210322 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6866954 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |