JP4454030B2 - ３次元光断層画像の画像処理方法 - Google Patents

Description

本発明は、３次元光断層画像の画像処理方法に関し、３次元光コヒーレンストモグラフィー（ＯＣＴ）の３次元光断層画像を解析するための３次元光断層画像の画像処理方法に関する。

非破壊断層計測技術の１つとして、光断層画像化法「光コヒーレンストモグラフィー」（ＯＣＴ）がある（特許文献１参照）。ＯＣＴは、光を計測プローブとして用いるため、被計測物体の屈折率分布、分光情報、偏光情報（複屈折率分布）等が計測できるという利点がある。

基本的なＯＣＴ４３は、マイケルソン干渉計を基本としており、その原理を図９で説明する。光源４４から射出された光は、コリメートレンズ４５で平行化された後に、ビームスプリッター４６により参照光と物体光に分割される。物体光は、物体アーム内の対物レンズ４７によって被計測物体４８に集光され、そこで散乱・反射された後に再び対物レンズ４７、ビームスプリッター４６に戻る。

一方、参照光は参照アーム内の対物レンズ４９を通過した後に参照鏡５０によって反射され、再び対物レンズ４９を通してビームスプリッター４６に戻る。このようにビームスプリッター４６に戻った物体光と参照光は、物体光とともに集光レンズ５１に入射し光検出器５２（フォトダイオード等）に集光される。

ＯＣＴの光源４４は、時間的に低コヒーレンスな光（異なった時刻に光源から出た光同士は極めて干渉しにくい光）の光源を利用する。時間的低コヒーレンス光を光源としたマイケルソン型の干渉計では、参照アームと物体アームの距離がほぼ等しいときにのみ干渉信号が現れる。この結果、参照アームと物体アームの光路長差（τ）を変化させながら、光検出器５２で干渉信号の強度を計測すると、光路長差に対する干渉信号（インターフェログラム）が得られる。

そのインターフェログラムの形状が、被計測物体４８の奥行き方向の反射率分布を示しており、１次元の軸方向走査により被計測物体４８の奥行き方向の構造を得ることができる。このように、ＯＣＴ４３では、光路長走査により、被計測物体４８の奥行き方向の構造を計測できる。

このような軸方向の走査のほかに、横方向の機械的走査を加え、２次元の走査を行うことで被計測物体の２次元断面画像が得られる。この横方向の走査を行う走査装置としては、被計測物体を直接移動させる構成、物体は固定したままで対物レンズをシフトさせる構成、被計測物体も対物レンズも固定したままで、対物レンズの瞳面付近においたガルバノミラーの角度を回転させる構成等が用いられている。

以上の基本的なＯＣＴが発展したものとして、光源の波長を走査してスペクトル干渉信号を得る波長走査型ＯＣＴ（Ｓｗｅｐｔ Ｓｏｕｒｃｅ ＯＣＴ、略して「ＳＳ−ＯＣＴ」という。）と、分光器を用いてスペクトル信号を得るスペクトルドメインＯＣＴがあり、後者としてフーリエドメインＯＣＴ（Ｆｏｕｒｉｅｒ Ｄｏｍａｉｎ ＯＣＴ、略して「ＦＤ−ＯＣＴ」という。特許文献２参照）、及び偏光感受型ＯＣＴ（Ｐｏｌａｒｉｚａｔｉｏｎ−Ｓｅｎｓｉｔｉｖｅ ＯＣＴ、略して「ＰＳ−ＯＣＴ」という。特許文献３参照）がある。

波長走査型ＯＣＴは、高速波長スキャニングレーザーにより光源の波長を変え、スペクトル信号と同期取得された光源走査信号を用いて干渉信号を最配列し、信号処理を加えることで３次元光断層画像を得るものである。なお、光源の波長を変える手段として、モノクロメーターを利用したものでも、波長走査型ＯＣＴとして利用可能である。

フーリエドメインＯＣＴは、被計測物体からの反射光の波長スペクトルを、スペクトロメーター（スペクトル分光器）で取得し、このスペクトル強度分布に対してフーリエ変換することで、実空間（ＯＣＴ信号空間）上での信号を取り出すことを特徴とするものであり、このフーリエドメインＯＣＴは、奥行き方向の走査を行う必要がなく、ｘ軸方向の走査を行うことで被計測物体の断面構造を計測可能である。

偏光感受型ＯＣＴは、入射光及び参照光をそれぞれ１／２波長板、１／４波長板等を通して水平直線偏光、垂直直線偏光、４５°直線偏光、円偏光として、被計測物体からの反射光と参照光を重ねて１／２波長板、１／４波長板等を通して、例えば水平偏光成分だけをスペクトル分光器に入射させて干渉させ、物体光の特定偏光状態をもつ成分だけを取り出すものである。この偏光感受型ＯＣＴも、フーリエドメイン型、あるいは波長走査型と組み合わせれば、奥行き方向の走査を行う必要がない。

ドップラーＯＣＴは、スペクトル干渉情報のフーリエ変換によって得られる位相の変化量がドップラー信号として被計測物体の移動速度に対応することを利用し、血流などの速度を求める方法であり、波長走査型ＯＣＴ、フーリエドメインＯＣＴ、偏光感受型OCTなどに摘要することができる

以上、各種のＯＣＴについて説明したが、特に、皮膚科学の病理学的研究の分野では、ＯＣＴが使用されている。即ち、病理学的研究は皮膚科学の重要な部分であり、この分野では、従来、ビデオ顕微鏡と模写方法が表皮形態学の観察のために使われていた。しかしながら、共焦点顕微鏡、超音波トモグラフィー、ＯＣＴは、内部構造の執刀を要さない調査のために、広く使用されている。

例えば、角質層と表皮および真皮の境界がＯＣＴイメージで確認されるとの報告があり、そして、髪漏斗部、皮脂腺、汗腺がＯＣＴイメージで同じく観測されるとの報告がある。さらに、ドップラーＯＣＴが皮膚の下で血流を可視化したとの報告もある（非特許文献１参照）。

ところで、皮膚科学や表皮科学で、表皮形態学、例えば、しわ、手触りと顔の毛穴と皮膚の内部構造の関係を調べることは非常に重要である。例えば、しわは皮下層構造とコラーゲン繊維の構造と密接な関係を持っていると思われる。

ＯＣＴ、その他の各種の光学機器については、現状において次のような問題がある。即ち、共焦点顕微鏡については、ＯＣＴより高い空間の解像度を持っているが、共焦点顕微鏡はその深さ測定範囲は限定されている。また、超音波トモグラフィーのイメージコントラストや分解能は皮膚の構造を識別するのに十分ではない。

さらに、ＯＣＴは共焦点顕微鏡より深い測定範囲を持っており、超音波トモグラフィーより高い解像度を持つけれども、これまでのタイムドメイン（ＴＤ−）ＯＣＴは、実際は、ただ２次元のトモグラフィー画像処理の能力があるだけであって、表皮形態学と内部のトモグラフィーを含めて３次元の形態上の調査に十分ではない。

フーリエドメインの光コヒーレンストモグラフィー（ＦＤ−ＯＣＴ）、あるいは同じくスペクトルのドメインの光コヒーレンストモグラフィー（ＳＤ−ＯＣＴ）はＴＤ−ＯＣＴより速い測定スピードと高い感度のためにＴＤ−ＯＣＴに代わる有望な選択肢である。

分光器を用いた８３０ナノメートルバンドのＳＤ−ＯＣＴ が網膜の画像計測のすぐれた技術である一方、１．３ミクロンバンドが８３０ナノメートルの光よりもっと深い浸透性のために皮膚科学と表皮科学により適している。

しかしながら、分光器ベースの１．３ミクロンＳＤ−ＯＣＴはこの波長に感度を持っているＣＣＤアレイを必要とし、そのＣＣＤは高価である。代わりに、波長掃引型（ＳＳ）ＯＣＴは、波長を走査しているレーザー源と点検出器を使って干渉計を構成したものであり、分光器ベースの１．３ミクロンＳＤ−ＯＣＴに代わる選択肢になっている。

本発明は、ＯＣＴ、その他の各種の光学機器の上記従来の問題点を解決することを目的とするものであり、３次元ＯＣＴ光断層画像（３次元ボリューム情報）を高精度及び安定性をもって自動解析するための画像処理方法を実現するものである。

本発明は上記課題を解決するために、光コヒーレンストモグラフィーを用いて、被計測物体の深さ方向であるＡスキャン方向と該Ａスキャン軸に垂直なＢスキャン方向から成る２次元光断層画像を、該２次元光断層画像に垂直方向であるＣスキャン方向に位置をずらしながら複数取得して３次元光断層画像を作成し該画像を処理する３次元光断層画像の画像処理方法において、前記３次元光断層画像から、前記被計測物体表面を、前記深さ方向の画像強度の最初のピーク位置から自動抽出することを特徴とする３次元光断層画像の画像処理方法を提供する。

前記被計測物体表面の表面形状を、多項式関数でフィッティングを行い平面化することにより、該表面から深さ方向の内部の構造を表面からの深さ情報からなる３次元画像に自動変換する方法も有用である。

前記深さ方向の画像強度の最初のピーク位置から次のピーク位置までの間の極小値、極大値、あるいは変曲点などの位置から、前記被計測物体の表面下の層構造の厚みの分布を自動抽出する方法も有用である。

前記３次元光断層画像について、前記Ｂスキャン方向の軸及びＣスキャン方向の軸で特定される複数の座標位置について、それぞれ前記被計測物体表面からＡスキャンの深さ方向の特定領域の範囲の画像強度を積分し、該積分で得た積分値を自動的アルゴリズムで２値化することで、前記特定領域における散乱能が周囲と異なる構造を、被計測物体表面から見た２次元構造として自動抽出する方法も有用である。

前記被計測物体表面から見た２次元構造から、その距離マップを作成することで、散乱能が周囲と異なる構造の統計的な分布を自動計測する方法も有用である。

前記３次元光断層画像について、前記Ｂスキャン方向の軸及びＣスキャン方向の軸で特定される複数の座標位置について、それぞれ前記被計測物体表面からＡスキャンの深さ方向の特定領域の範囲の画像強度を、ヒストグラムに基づくレベルセットを用いて３次元２値化マスクを作成し、散乱能が周囲と異なる構造の３次元分布を自動的に抽出する方法も有用である。

前記３次元光断層画像の深さ方向の画像強度の減衰から、被検体自体の消衰係数を自動的に取得するする方法も有用である。

以上の構成から成る本発明に係る３次元光断層画像の画像処理方法は、３次元ＯＣＴ光断層画像を、漏斗の分布等、各種の目的に沿うように、高精度で安定性をもって解析するためのいろいろな分析画像を提供することができる。

本発明に係る３次元光断層画像の画像処理方法を実施するための最良の形態を実施例に基づき図面を参照して、以下説明する。

図１は、本発明に係る３次元光断層画像の画像処理方法を実施するための装置の実施例の全体構成を説明する図である。本発明の３次元光断層画像の画像処理方法は、ＳＳ−ＯＣＴ装置（波長走査型コヒーレンストモグラフィー装置）で取得した被計測物体の３次元光断層画像（３次元光断層画像のデータ）を、画像処理装置（具体的にはコンピュータ１８が使用される。）で画像処理を行うものである。

この実施例では、被計測物体の３次元光断層画像を取得するＯＣＴ装置として、ＳＳ−ＯＣＴ装置１（波長走査型コヒーレンストモグラフィー装置）１は、互いに光ファイバ２で接続された光源３と、干渉計４と、光検知器５とから構成される。

光源３は、周波数走査のために外部共振器を使う高速走査の光源であり、１．３１ミクロンの中心波長と１１０ナノメートルの走査のバンド幅で、２０ＫＨｚのＡ走査レートを提供する。この光源３の最大の光出力は、３．０ミリワットである。

干渉計４は、光源３に光ファイバ２で接続された１０％：９０％の光分波器６と、それぞれ光ファイバ２で光分波器６に接続された２つの方向性結合器（サーキュレーター）８、９と、それぞれ光ファイバ２で２つの方向性結合器に接続された５０％：５０％の光分波器７を持っている光ファイバベースのマッハ−ツェンダー干渉計である。

プローブ部１０は、方向性結合器８につけられ、光ファイバ２、レンズ１１、２軸のガルバノ鏡１２及びと色消しダブレットレンズ１３から構成されている。

参照部１４は、方向性結合器９に光ファイバ２を介して付けられ、色消しダブレットレンズ１５と金コート鏡１６から構成される。光検知器５は、ＰＤ（フォトダイオード）等のポイントセンサが使用され、具体的には、ＩｎＧａＡｓ半導体光検出器が使用される。

以上の構成から成るＳＳ−ＯＣＴ装置１において、この光源３２から出射された光を、ファイバ２を通して干渉計４の光分波器６に送る。光分波器６で分割された一方の光は、プローブ部１０で被計測物体１７を照射反射し方向性結合器８を通り物体光として５０％：５０％の光分波器７に送られる。

光分波器６で分割された他方の光は、参照部１４の金コート鏡１６で反射されて方向性結合器９を通り参照光として５０％：５０％の光分波器７に送られる。このように５０％：５０％の光分波器７に入力された物体光と参照光は、再び混ぜられ、光検知器５によってスペクトル干渉信号として検出される。

この検出されたスペクトル干渉信号は、図示しないＲＦアンプによって増幅され、アナログ−ディジタル・コンバータによってデジタル化されて、コンピュータ１８に取り込まれる。デジタル化された干渉信号は、周波数が等間隔となるようリスケーリングされ、デジタル逆フーリエ変換によりＡ走査信号に変換される。

ここで、この実施例の光源３は、時間的に波長を変化させて走査する波長走査（掃引）型光源３であり、即ち、波長が時間依存性を有する光源３である。これにより、参照鏡８を走査（Ａスキャン）することなく、被計測物体１７の奥行き方向の反射率分布を得て被計測物体１７の深さ方向（被計測物体１７の奥行き方向であり、この実施例ではＡスキャンは不要であるが、この方向を本発明では「Ａスキャン方向」という。）の構造を取得することができる。

そして、Ａスキャン方向に対して垂直のＢスキャン方向にガルバノ鏡１２を走査（Ｂスキャン）するだけで、被計測物体１７の深さ方向（Ａスキャン方向）と該深さ方向に垂直な方向（Ｂスキャン方向）から成る２次元光断層画像を形成することができる。図２は、画像処理装置（コンピュータ１８）に取り込んだ上記デジタル化されたスペクトル干渉信号に基づいて、コンピュータ１８に接続されたディスプレー１９で表示した２次元光断層画像である。

さらに、Ａスキャン及びＢスキャンの両方向に対して垂直な方向（Ｃスキャン方向）にずらしてＢスキャン方向に走査することで、光検知器５で３次元光断層画像を表示すべきデジタル化されたスペクトル干渉信号（３次元光断層画像データ）を取得することができ、これを画像処理装置に取り込み、ディスプレー１９で３次元光断層画像を表示することができる。

なお、発明者らの実施した実験例では、ＳＳ−ＯＣＴ装置１の最大感度は１１２デシベルで、深さ解像度は１１．７ミクロンである。３次元のトモグラフィーのために、２軸のガルバノ鏡１２は２次元的に光線をラスタースキャンする。これにより、２００×２００×１０２４ピクセルの３次元光断層画像データを２秒で取得できた。

（画像処理方法）
上記ＳＳ−ＯＣＴ装置１で得られた光断層画像を分析するための画像処理方法を、その手段、ステップ（手順、アルゴリズム）とともに、具体的に説明する。この実施例では、ＳＳ−ＯＣＴ装置１で人の皮膚構造の光断層画像データ（スペクトル干渉信号をデジタル化した光断層画像データ）を取得し、これを画像処理装置（コンピュータ１８）に取り込み、表皮の厚さ、漏斗（漏斗は、皮脂腺の管とつながっている皮脂毛包のかたまりであり、毛漏斗部と呼ばれる。）の分布等、皮膚構造の各種分析のために行う画像処理方法で、具体的に説明する。

本発明の画像処理方法は、次に説明する（１）〜（７）の特徴的ないくつかのステップ含み、画像処理装置（コンピュータ１８）は、これらのステップを行う手段を有する。そして、これらいくつかのステップ、手段を組み合わせ、或いは単独で実施することで、光断層画像を各種の目的に添った分析に供することができる。

なお、本発明では画像処理装置として動作するコンピュータ１８は、上記本発明の方法（一連の複数ステップ又は単独のステップを含む。）を行うための手段を有する。この手段は、実際は搭載されたプログラムによって、画像処理装置として動作するコンピュータ１８を、方法を実施する手段として機能させるものである。

（１）対数化処理及びノイズ除去
画像処理装置は、対数化処理手段及びメジアンフィルターなどが設けられ、対数化処理及びノイズ除去のステップを行う。実際は、画像処理装置として動作するコンピュータ１８が、搭載されたプログラムによって、対数化処理手段及びメジアンフィルターとして機能する。

このステップは次のとおりである。画像処理装置に入力された２次元光断層画像データは対数化処理され、さらに、２次元光断層画像データはメジアンフィルタなどでノイズが除去される。このノイズ除去の処理は、具体的には、はある画素の濃度にかえて、その画素を中心とした一定領域の画素の中央値を与えるものである。また、２次元光断層画像データのうち、画像強度の平均値から極端に離れた（たとえば、分散値の２倍以上など）強度データを除外する。

（２）表皮表面検出
画像処理装置は、表皮検出手段を有し、表皮検出のステップを行う。実際は、画像処理装置として動作するコンピュータ１８が、搭載されたプログラムによって、表皮検出手段として機能する。なお、本明細書で記載の「画像強度」は、「画像濃度」としても把握できるが、本明細書では画像強度として説明する。

この表皮表面検出手段は、画像処理装置に取り込まれ、上記の（１）のステップ（対数化処理及びノイズ除去）で処理された光断層画像データについて、Ｂスキャン方向（ｙ座標）及びＣスキャン方向（ｚ座標）で特定される複数のそれぞれの位置における、Ａスキャン方向（被検査体の深さ方向）の画像強度の最初の最大値の位置（本発明では「最初のピークＰ１の位置」又は「最初のピーク位置」と言う。）によって表皮の表面を検出する。

この表皮表面の検出を、図３で模式的に説明する。図３（ａ）は、ＳＳ−ＯＣＴ装置１で得られた被検査体の２次元光断層画像である。この画像中、Ｂスキャン（図３（ａ）中、ｙ座標）のある位置（イ）におけるＡスキャン（図３（ａ）中、ｘ座標）に沿った画像データ（Ａスキャンデータ）の画像強度を、図３（ｂ）に示す。

即ち、図３（ｂ）は、Ａスキャン位置（横軸）と画像強度（縦軸）のグラフを示し、このＡスキャンデータ中、その画像強度が最初に最大となったＡスキャン中のｘ座標の位置（最初のピークＰ１の位置）は、Ｂスキャンのｙ座標の位置（イ）における表皮表面の位置２０を示している。このようにＡスキャンデータの最初のピークＰ１の位置から、Ｂスキャンの位置（イ）における、Ａスキャン方向の表皮表面の位置２０が確定できる。

同様の処理を、Ｂスキャン方向のすべての位置におけるＡスキャンデータについて行い、それぞれ最初のピークＰ１の位置を求めることで、図３（ｃ）に示すように、Ａ−Ｂスキャン方向（ｘ−ｙ座標）の２次元光断層画像について、表皮２２の表面２１（図中太線で示す面）の検出が可能となる。Ｂスキャンに直交するＣスキャン方向（ｚ座標方向）にずらして、上記同様の処理をすれば、３次元光断層画像について表皮表面の立体的な表面形状を求めることができる。

（３）表面の平面化
画像処理装置は、表面２１の平面化手段を有し、表皮２２等における凹凸の表面２１の平面化のステップを行う。実際は、画像処理装置として動作するコンピュータ１８が、搭載されたプログラムによって、表面２１の平面化手段として機能する。

具体的には、（２）のステップ（表皮表面検出）において取得した皮膚の表面２１についてのデータを、多項式（例えば、Ｂスキャン軸方向に６次関数等）のフィッティング関数を用いて関数化する（図３（ｄ）参照）。

得られた関数を平面に変換し、あわせて内部の画像も表面２１の変形にあわせて上下に変換することにより、皮膚の表面２１より深い内部構造を全て平面化した表面２１’を基準としてその距離を測定できる事になる（表面を基準に測定データを得ることができる）。このように、表面２１を平面化し、それを基準に表皮２２内の層構造を測定して示すと、表皮２２内の層構造がきわめて分かりやすくなるメリットがある。

（４）厚さマップ（厚み分布）の作成
画像処理装置は、厚さマップ作成手段を有し、厚さマップを作成のステップを可能とする。実際は、画像処理装置として動作するコンピュータ１８が、搭載されたプログラムによって、厚さマップ作成手段として機能する。

この厚さマップ作成手段は、上記表皮の表面の検出を行った同じ方法で、Ｂ−Ｃスキャン方向（ｙ、ｚ座標）の複数のそれぞれの位置についてＡスキャン方向について、表皮２１の表面２０より深い方向（表皮の表面下）における画像強度の次の最大値の位置（本発明では「次のピークＰ２の位置」又は「次のピーク位置」と言う。）までの間の極小値Ｓ
の位置を検出する。この極小値Ｓの位置は、ヒトの皮膚の計測においては表皮２２と真皮２３の境界あり、これにより、表皮２２の厚さマップが作成される。

これを図４でさらに説明すると、図４（ａ）、（ｂ）は、図３（ａ）、（ｂ）と同様にＡ−Ｂの２次元光断層画像について、スキャン方向のある位置における、Ａスキャン（ｘ座標）と画像強度を示すグラフである。この図４（ａ）、（ｂ）中、表皮の表面（最初のピークＰ１の位置）からＡスキャン（ｘ座標）方向において画像強度が次の最大値の位置（本発明では「次のピークＰ２の位置」と言う。）までの間の極小値Ｓを示す位置までの距離が表皮２２の厚さとなり、画像強度が最小値を示す位置が表皮２２の裏面２４である。

このようにして、すべてのＢ−Ｃスキャン方向（ｙ、ｚ座標）の複数のそれぞれの位置についてについて、Ａスキャン方向における画像強度の極小値の位置を求めると、図４（ｃ）に示すように、表皮２２の表面２１及び裏面２４が検出でき、３次元光断層像における表皮厚分布、即ち表皮層（表皮２２の層）の厚さマップが求まる。

さらに、同様の方法でＡスキャン方向のさらに深い内部の画像強度の大小から、表皮層だけでなく、その内部の層等の複数の層構造の層厚分布を求めることができる。ＯＣＴ計測で得られる厚みのデータは光路長（屈折率と物理的な厚みの積）なので物理的な（真の）厚みを得るには、屈折率で除する必要がある。なお、皮膚の屈折率は１．３８とした。

そして、厚さについても、表皮同様に、そのデータを多項式（例えば、６次関数など）に入れてフィッティングすることにより、データを簡単な数値データに置き換えることができる。つまり、たとえばＢスキャン方向に厚みのデータが１０２４個ある場合、それを６次関数で（ａ_０＋ａ_１ｘ＋ａ_２ｘ^２＋ａ_３ｘ^３＋ａ_４ｘ^４＋ａ_５ｘ^５＋ａ_６ｘ^６など）フィッティングすると、ａ_０〜ａ_６の７個のパラメータですむ。

なお、厚さマップ作成のステップでは、事前にスペックルノイズを減らすために、ある大きさ（たとえば３×３で９画素）のＡスキャンデータを平均する処理を行ってもよい。これにより、大きく飛び離れたノイズデータを平均化し、厚さをなめらかに検出することができる。生体の構造はおおむねなめらかなので、このような処理は適切な前処理といえる。

（５）所定の層領域の取り出し
画像処理装置は、層領域取出手段を有し、皮膚構造における表皮層の画像データを取り出すステップを行うことができる。実際は、画像処理装置として動作するコンピュータ１８が、搭載されたプログラムによって、層領域取出手段として機能する。

このステップは次のとおりである。この層領域取出手段は、表皮の厚さマップが形成された後、表皮表面より上方（外側）の光断層画像データ（２次元又は３次元光断層画像データ）の部分を削除し、さらに表皮から深さ方向（Ａスキャン方向。ｘ方向）に所定の層領域（特定層領域）の断層データを摘出することができる。

即ち、計測された表面から深さ方向（Ａスキャン方向。ｘ方向）に、例えば、１００μｍ〜３００μｍまでの層領域の光断層画像データを取り出す。この取り出すべき対象となる層領域は、分析すべき所望の対象器官（例えば、毛漏斗部、汗腺、皮脂腺等）によって異なる。

（６）光断層画像の積分２値化
画像処理装置は、積分２値化手段を有し、所定の層領域の光断層画像データについてＡスキャン方向の画像強度の積分乃至その積分値の２値化のステップを行う。実際は、画像処理装置として動作するコンピュータ１８が、搭載されたプログラムによって、積分２値化手段として機能する。

このステップは次のとおりである。図５（ａ）、（ｂ）は、Ａスキャン方向（ｘ方向）とＢスキャン方向（ｙ方向）で示される２次元光断層画像及びその画像強度グラフを示し、積分値の２値化のステップは、次のとおりである。積分２値化手段は、まず、（５）のステップ（所定の層領域の取り出し）で層領域取り出し手段で摘出した所定の層領域の光断層画像データについて、Ｂ−Ｃスキャン方向（ｙ、ｚ座標）の複数の位置のそれぞれについて、深さ方向（Ａスキャン方向、ｘ方向）に、画像強度を積分する（ｙ座標の（イ）の位置の画像強度の積分については図５（ａ）、（ｂ）を参照）。

この積分された画像強度は、被計測物体１７の表面を観察すると、ｙ−ｚ座標において、図５（ｃ）に示すような強度分布の画像（「影絵」と呼ぶ。）として表示される。

次に積分２値化手段は、図５（ｄ）に示すような影絵の強度のヒストグラム、即ち、画像全体で同じ濃度値を持つ画素数を求め、横軸に濃度値を縦軸にピクセル数でグラフ化した濃度値ヒストグラムを取る。そして、平均値からかけ離れた画素（高い濃度及び低い濃度部分）（たとえば平均値±分散値より外側など）はノイズとみなし除去する。その後、このヒストグラムで閾値を設定し、２値化すると図６（ａ）に示すような２値化画像（データ）が得られる。

（７）距離マップ化
画像処理装置は、距離マップ化手段を有し、距離マップ化のステップを行う。実際は、画像処理装置として動作するコンピュータ１８が、搭載されたプログラムによって、距離マップ化手段として機能する。

このステップは次のとおりである。ステップ（４）の積分２値化手段によって層領域の光断層画像データの画像強度を積分して得られた影絵の光断層画像データから、散乱能が周囲と異なる構造を抽出する。具体的には、散乱能が高い部分を、図６（ｂ）に示すように円２５を付して、その円２５の集合構造の統計的な分布を自動計測する。

これのようなステップを距離マップ化という。例えば、汗腺の密度が高い箇所は反射率が高く散乱能が周囲より高いので、このステップによってその分布状態を解析できる。なお、一般的には、距離マップのアルゴリズム自体は、すでに発表されている（文献:Per-Eric Danielson, “Eulidean distance mapping", Computer Graphics and Image Processing, Vol.14 (1980) pp.227-248）。

（８）３次元のセグメント化
画像処理装置は、３次元セグメント化手段を有し、所定の層領域の光断層画像データから周囲より大きな散乱能を有する部分を２値化しセグメント化するステップを行う。実際は、画像処理装置として動作するコンピュータ１８が、搭載されたプログラムによって、３次元のセグメント化手段として機能する。

このステップは次のとおりである。図７（ａ）は、Ａ−Ｂスキャン（ｘ、ｙ座標）の２次元光断層画像を示し、濃い部分は、例えば漏斗器官等が密集し光散乱が異なり画像強度が大きい部分であり、これを示すために説明上特にマークを付けた部分である。

このような光断層画像から、ステップ（５）（所定の層領域の取り出し）と同様に、所定の層領域の光断層画像データを取り出す。そして、その光断層画像データについて、ステップ（６）（積分２値化）で説明したと同様に、濃度ヒストグラムを作成する。そして、このヒストグラムで閾値を設定する。

Ｂ−Ｃスキャン方向（ｙ−ｚ座標）の複数の位置のそれぞれに対して、位置深さ方向（Ａスキャン方向、ｘ方向）について、光断層画像データを前記閾値に基づき２値化し、図７（ａ）で示したような所定の画像強度（散乱能）の（漏斗の）セグメント２６について、上記設定された閾値以上の画像強度以上のセグメント２６のデータのみを取り出し、３次元のセグメントデータ（３次元２値化マスク）を作成する。

このようにして得られた３次元のセグメントデータを、上記ステップ（３）で抽出された表皮の光断層画像と合成することで、図７（ｂ）に示すように、表皮２２、漏斗セグメント２６、真皮２３の層の３次元分布を可視化することができる。

（９）被計測物体の消衰係数の測定
画像処理装置は、被計測物体１７の消衰係数測定手段を有し、被計測物体１７の消衰係数を測定するステップを行う。実際は、画像処理装置として動作するコンピュータ１８が、搭載されたプログラムによって、消衰係数測定手段として機能する。

このステップは、被測定生体の消衰係数（「減衰係数」ともいう。吸収や散乱によって戻ってくる光が減衰する率）を測定する手順である。

上記（２）のステップ（表皮表面検出）で説明したとおり、表皮検出を行った同じ手段で、Ｂスキャンのある位置についてＡスキャン方向について、表面下（表皮２２の下）の次のピークＰ２の位置までの間の最小値Ｓを検出すると、表皮表面２１からこの最小値Ｓを示すＡスキャン（ｘ座標）方向の位置までの距離が表皮２２の厚さとなる。そして、次のピークＰ２の位置を示すＡスキャン（ｘ座標）方向の位置より深い層は真皮２３とみなすことができる。

そこで、Ａ−Ｂスキャン方向の２次元光断層画像データから、Ａスキャン方向（深さ方向）で表皮表面２２を示す最初のピークＰ１の位置の次のピークＰ２の位置より深い方向について、その画像強度を、図８に示すグラフ（横軸はＡスキャン方向、縦軸は画像強度）プロットし曲線Ｋを得る。この曲線Ｋは数式（１）を示している。

Ｉ（ｘ）∝ｅ^{−２（μ＋μｏｃｔ）ｘ} ・・・数式（１）
ここで、Ｉ（ｘ）は画像強度であり、ｅは自然対数の底、ｘは２次元光断層画像の深さ方向（Ａスキャン方向）の座標値である。「μ＋μ_ｏｃｔ」は消衰係数であり、μは計測機器の消衰係数で、μ_ｏｃｔは測定対象よって異なる消衰係数であり、例えば発明者のヒトの皮膚についての実験例ではμ_ｏｃｔ＝１．７ｃｍ^−１である。

μ＋μ_ｏｃｔ（消衰係数）は、このグラフ中の曲線Ｋをフィッティング（グラフ上の数値を数式に入れること）で求めることができる。なお、この消衰係数は、吸収や散乱によって戻ってくる光の減衰率を示しているから、例えば、生体（この実施例で皮膚）の透明度等の分析に供せられる。

以上の実施例では、自動分析する被計測体の光断層画像データを取得する装置として、ＳＳ−ＯＣＴ装置１によって、具体的に人の皮膚構造の分析のステップとともに説明したが、２次元光断層画像を取得するＯＣＴ装置は、ＳＳ−ＯＣＴ装置だけでなく、基本的なＯＣＴ装置（光コーヒレントトモグラフィー）、ＦＤ−ＯＣＴ装置（フーリエドメインＯＣＴ）、ＰＳ−ＯＣＴ装置（偏光感受型ＯＣＴ）で取得した光断層画像データについても適用可能である。

以上、本発明を実施するための最良の形態を実施例に基づいて説明したが、本発明はこのような実施例に限定されるものではなく、特許請求の範囲に記載された技術的事項の範囲内でいろいろな実施例があることは言うまでもない。

本発明に係る３次元光断層画像の画像処理方法及び装置は、生体その他、工業製品の品質管理上必要な欠陥検査等、ＯＣＴ光断層画像を利用できる各種の分野に適用可能である。

本発明の実施例を実施するＳＳ−ＯＣＴ及び画像処理装置全体構成を示す図である。 本発明の実施例のＳＳ−ＯＣＴで取得した２次元光断層画像を示す図である。 本発明の実施例の画像処理における表皮検出及び平面化を説明する図である。 本発明の実施例の厚さマップ作成を説明する図である。 本発明の実施例の光断層画像の積分２値化を説明する図である。 （ａ）は本発明の実施例の被計測物体の表面の２値化画像を示し、（ｂ）は距離マップ化を説明する図である。 本発明の実施例の３次元のセグメント化を説明する図である。 本発明の実施例の被計測物体の消衰係数の測定を説明する図である。 従来のＯＣＴの基本的な構成を説明する図である。

符号の説明

１ ＳＳ−ＯＣＴ装置
２ 光ファイバ
３ 光源
４ 干渉計
５ 光検知器
６、７ 光分波器
８、９ 方向性結合器
１０ プローブ部
１１ レンズ
１２ ガルバノ鏡
１３、１５ 色消しタブレンズ
１４ 参照部
１６ 金コート鏡
１７ 被計測物体
１８ 画像処理装置（コンピュータ）
１９ ディスプレー
２０ 表皮表面の位置
２１、２１’ 表皮の表面
２２ 表皮
２３ 真皮
２４ 表皮の裏面
２５ 散乱能の高い部分
２６ （漏斗の）セグメント
４３ ＯＣＴ
４４ 光源
４５ コリメートレンズ
４６ ビームスプリッター
４７ 物体アーム内の対物レンズ
４９ 参照アーム内の対物レンズ
５０ 参照鏡
５１ 集光レンズ
５２ （フォトダイオード等）光検出器
Ｐ１ 画像強度の最初のピーク
Ｐ２ 画像強度の次のピーク
Ｓ 最初のピークの位置から次のピークの位置までの画像強度の最小位置
Ｋ 画像強度の一部の曲線

Claims (6)

1. 光コヒーレンストモグラフィーを用いて、被計測物体の深さ方向であるＡスキャン方向と該Ａスキャン軸に垂直なＢスキャン方向から成る２次元光断層画像を、該２次元光断層画像に垂直方向であるＣスキャン方向に位置をずらしながら複数取得して３次元光断層画像を作成し該画像を処理する３次元光断層画像の画像処理方法において、
   前記３次元光断層画像から、前記被計測物体表面を、前記深さ方向の画像強度の最初のピーク位置から自動抽出し、
   前記被計測物体表面の表面形状を、多項式関数でフィッティングを行い平面化することにより、該表面から深さ方向の内部の構造を表面からの深さ情報からなる３次元画像に自動変換することを特徴とする３次元光断層画像の画像処理方法。
2. 前記深さ方向の画像強度の最初のピーク位置から次のピーク位置までの間の極小値、極大値又は変曲点の位置から、前記被計測物体の表面下の層構造の厚みの分布を自動抽出することを特徴とする請求項１記載の３次元光断層画像の画像処理方法。
3. 前記３次元光断層画像について、前記Ｂスキャン方向の軸及びＣスキャン方向の軸で特定される複数の座標位置について、それぞれ前記被計測物体表面からＡスキャンの深さ方向の特定領域の範囲の画像強度を積分し、該積分で得た積分値を自動的アルゴリズムで２値化することで、前記特定領域における散乱能が周囲と異なる構造を、被計測物体表面から見た２次元構造として自動抽出することを特徴とする請求項１記載の３次元光断層画像の画像処理方法。
4. 前記被計測物体表面から見た２次元構造から、その距離マップを作成することで、散乱能が周囲と異なる構造の統計的な分布を自動計測することを特徴とする請求項３記載の３次元光断層画像の画像処理方法。
5. 前記３次元光断層画像について、前記Ｂスキャン方向の軸及びＣスキャン方向の軸で特定される複数の座標位置について、それぞれ前記被計測物体表面からＡスキャンの深さ方向の特定領域の範囲の画像強度を、ヒストグラムに基づくレベルセットを用いて３次元２値化マスクを作成し、散乱能が周囲と異なる構造の３次元分布を自動的に抽出することを特徴とする請求項１記載の３次元光断層画像の画像処理方法。
6. 前記３次元光断層画像の深さ方向の画像強度の減衰から、被検体自体の消衰係数を自動的に取得することを特徴とする請求項１記載の３次元光断層画像の画像処理方法。

Images