JP5478914B2

JP5478914B2 - 画像処理装置、画像処理方法及びプログラム

Info

Publication number: JP5478914B2
Application number: JP2009048520A
Authority: JP
Inventors: 清秀佐藤; 好彦岩瀬
Original assignee: Canon Inc
Current assignee: Canon Inc
Priority date: 2009-03-02
Filing date: 2009-03-02
Publication date: 2014-04-23
Anticipated expiration: 2029-03-02
Also published as: JP2010200920A

Description

本発明は、被写体の断層画像の処理を行う画像処理装置及び当該画像処理装置を用いた画像処理方法、並びに、当該画像処理方法の各工程をコンピュータに実行させるためのプログラム及び前記画像処理装置の各手段としてコンピュータを機能させるためのプログラムに関する。

生活習慣病や失明原因の上位を占める各種疾病の早期診断を目的として、従来、被写体として眼部の撮像による検査が広く行われている。例えば光干渉断層計（ＯｐｔｉｃａｌＣｏｈｅｒｅｎｃｅＴｏｍｏｇｒａｐｈｙ：以下「ＯＣＴ」と称する）などを用いた眼部の断層画像取得装置は、眼部の網膜層内部の状態を３次元的に観察することが可能である。このため、この断層画像取得装置は、疾病の診断をより的確に行うために有用であると期待されている。

ここで、ＯＣＴを用いて撮影された眼部の断層画像（断層画像）について説明する。
図１０は、ＯＣＴを用いて撮影された眼部の網膜の層構造の一例を示す模式図である。

具体的に、図１０には、網膜の黄斑部における層構造の一例が示されている。一般的に、ＯＣＴによる眼部の断層画像は３次元的に得られるものであるが、図１０では説明を簡単にするために、その一断面を２次元的に表記している。

図１０において、１００１は網膜色素上皮層、１００２は神経線維層、１００３は内境界膜を表している。例えば、図１０（ａ）に示すような断層画像が入力された場合に、神経線維層１００２の厚み（図１０（ａ）のＴ１）や網膜層全体の厚み（図１０（ａ）のＴ２）を計測できれば、緑内障などの疾病の進行度や治療後の回復具合を定量的に診断することが可能となる。

従来、これらの層の厚みを計測するためには、３次元的に撮像される断層画像から注目断面を切り出した２次元断層画像（Ｂ−ｓｃａｎ画像）上において、医師や技師が手動で網膜の各層の境界を指定する必要があった。例えば、図１０（ａ）の神経線維層１００２の厚み（Ｔ１）を調べるためには、図１０（ｂ）に示すように、内境界膜１００３と、神経線維層１００２とその下部の層との境界（以下、「神経線維層境界」１００４と称する）とを、断層画像上で指定する必要があった。また、網膜層全体の厚み（図１０（ａ）のＴ２）を調べるためには、さらに、網膜色素上皮層１００１とその下部の層との境界（以下、「網膜色素上皮層境界」１００５と称する）を断層画像上で指定する必要があった。

また、各層厚の３次元的な分布を得るためには、３次元断層画像を幾つかの２次元断層画像の集合と捕らえて、それぞれの２次元断層画像上において注目する層の境界を指定する必要があった。

しかしながら、層の境界を手動で指定する作業は、医師や技師の作業者にとって負担の掛かるものであった。また、層の境界を手動で指定する作業は、その作業者や作業日時の相違に起因するばらつきが発生するため、期待する精度で定量化を行うことが難しかった。この作業者の負担や作業におけるばらつきの軽減を目的として、コンピュータが断層画像から網膜の各層の境界を検出して、各層の厚みを計測する技術が提案されている（例えば、下記の特許文献１及び特許文献２参照）。

また、加齢黄斑変性のような疾病においては、病状に応じて網膜色素上皮層の形状が凹凸に変形する。そのため、その変形の度合いを定量化することが病状の把握に有効である。

図１０（ａ）には、正常眼における網膜の層構造の一例が示されており、また、図１０（ｃ）には、加齢黄斑変性における網膜の層構造の一例が示されている。図１０（ａ）に示す正常眼における網膜色素上皮層１００１は、滑らかなカーブを有する構造を成している。一方、図１０（ｃ）に示す加齢黄斑変性における網膜色素上皮層１００１は、その領域の一部が上下に波打った形状となっている。

以下の説明においては、疾病になる前の正常時であれば網膜色素上皮層境界が存在したであろう境界の推定位置を、「網膜色素上皮層境界の正常構造」、または、単に「正常構造」と称する。また、ＯＣＴを用いた加齢黄斑変性の診断方法として、断層画像上で観察可能な現実の網膜色素上皮層境界（実測値：図１０（ｄ）の実線１００５）と、同断層画像上におけるその正常構造（推定値：図１０（ｄ）の破線１００６）とを得る。そして、断層画像上で観察可能な現実の網膜色素上皮層境界（１００５）と、同断層画像上におけるその正常構造（１００６）との差異部分（図１０（ｄ）の斜線部分）のなす断面ごとの面積や全体の体積などによって、病気の状態を定量化することが行われている。

しかしながら、この作業も、従来は、医師や技師の手作業によって行われることが多く、その負担やその結果のばらつきが課題となっている。そのため、断層画像からの網膜色素上皮層境界の検出と、その正常構造の推定を自動化することが求められている。

上述した網膜色素上皮層境界の検出は、特許文献１や特許文献２に開示されている技術によって行うことができる。一方、その正常構造は、断層画像上の画像特徴としては観測できないので、特許文献１や特許文献２の技術では推定することができない。そこで、従来、２次元断層画像（Ｂ−ｓｃａｎ画像）から検出した網膜色素上皮層境界に対して二乗誤差が最小となるようにあてはめた楕円曲線を、その正常構造として用いることがしばしばなされている。

なお、網膜色素上皮層１００１は非常に薄い層であるため、一般的に、網膜色素上皮層境界１００５をもって、「網膜色素上皮層」と呼ぶ場合がある。その慣例に倣う場合には、以下の説明において、「網膜色素上皮層境界」を「網膜色素上皮層」、「網膜色素上皮層境界の正常構造」を「網膜色素上皮層の正常構造」と読み替えてもよい。

特開２００８−７３０９９号公報特開２００７−３２５８３１号公報

しかしながら、上述した、従来の最小二乗法による楕円曲線のあてはめによって推定した正常構造は、実際の正常構造とは一致しない場合が多い。そのため、検出した現実の層境界との差異に基づく面積を求めたとしても、病状を定量化する尺度として用いるのには、信頼性が不十分な場合があった。
また、血管や白斑などの影響により網膜色素上皮層境界１００５が断層画像上において明確に観測できない（画像特徴が得られない）部分がある場合に、その検出を行うことができないという課題があった。

本発明は、このような問題点に鑑みてなされたものであり、被写体を構成する所定の層の正常構造を精度良く推定する仕組みを提供することを目的とする。また、本発明は、被写体を構成する所定の層境界の一部が断層像上において観測困難な場合であっても、その所定の層の検出を精度よく行えるようにすることを目的とする。

本発明の画像処理装置は、被写体の断層画像を取得する画像取得手段と、前記取得された断層画像から前記被写体の一部である所定の層を検出する層検出手段と、前記検出された所定の層の状態が正常であるか否かを判定する状態判定手段と、前記状態判定手段において前記検出された所定の層の状態が正常でないと判定された場合に、前記取得された断層画像と前記検出された所定の層の正常時データとを用いて、前記取得された断層画像における前記検出された所定の層の正常構造を推定する推定手段と、を有する。
本発明の画像処理装置における他の態様は、被写体の断層画像を取得する画像取得手段と、前記取得された断層画像から前記被写体の一部である所定の層を検出する層検出手段と、前記取得された断層画像の座標系と前記検出された所定の層の正常時データの座標系とを一致させる処理を行って、前記取得された断層画像における前記検出された所定の層の正常構造を推定する推定手段と、を有する。

本発明の画像処理装置を用いた画像処理方法は、被写体の断層画像の処理を行う画像処理装置を用いた画像処理方法であって、前記画像処理装置が、前記被写体の断層画像を取得する工程と、前記画像処理装置が、前記取得された断層画像から前記被写体の一部である所定の層を検出する工程と、前記画像処理装置が、前記検出された所定の層の状態が正常であるか否かを判定する工程と、前記判定する工程において前記検出された所定の層の状態が正常でないと判定された場合に、前記画像処理装置が、前記取得された断層画像と前記検出された所定の層の正常時データとを用いて、前記取得された断層画像における前記検出された所定の層の正常構造を推定する工程と、を有する。
本発明の画像処理装置を用いた画像処理方法における他の態様は、被写体の断層画像の処理を行う画像処理装置を用いた画像処理方法であって、前記画像処理装置が、前記被写体の断層画像を取得する工程と、前記画像処理装置が、前記取得された断層画像から前記被写体の一部である所定の層を検出する工程と、前記画像処理装置が、前記取得された断層画像の座標系と前記検出された所定の層の正常時データの座標系とを一致させる処理を行って、前記取得された断層画像における前記検出された所定の層の正常構造を推定する工程と、を有する。

本発明のプログラムは、前記画像処理装置の各手段としてコンピュータを機能させるためのものである。
本発明のプログラムにおける他の態様は、前記画像処理装置を用いた画像処理方法の各工程をコンピュータに実行させるためのものである。

本発明によれば、被写体を構成する所定の層の正常構造を精度良く推定することができる。これにより、被写体における疾病の進行度や治療後の回復具合等を定量化することが可能となる。また、被写体を構成する所定の層境界の一部が断層画像上において観測困難な場合であっても、その所定の層の検出を精度良く行うことができる。

本発明の第１の実施形態に係る画像処理システムの概略構成の一例を示す模式図である。本発明の第１の実施形態に係る画像処理装置のハードウェア構成の一例を示す模式図である。本発明の第１の実施形態に係る画像処理装置の機能構成の一例を示す模式図である。本発明の第１の実施形態に係る画像処理装置の制御方法の処理手順の一例を示すフローチャートである。図４のステップＳ１０６における「網膜色素上皮層の正常時処理」の詳細な処理手順の一例を示すフローチャートである。図４のステップＳ１０７における「網膜色素上皮層の異常時処理」の詳細な処理手順の一例を示すフローチャートである。本発明の第１の実施形態を示し、断層画像に含まれる層の正常構造の推定する際に利用する重み関数の一例を示す模式図である。本発明の第２の実施形態に係る画像処理装置の機能構成の一例を示す模式図である。本発明の第２の実施形態に係る画像処理装置の制御方法の処理手順の一例を示すフローチャートである。ＯＣＴを用いて撮影された眼部の網膜の層構造の一例を示す模式図である。

以下に、図面を参照しながら、本発明を実施するための形態（実施形態）について説明する。なお、以下に示す実施形態は、一例に過ぎず、本発明は、図示された構成等に限定されるものではない。

（第１の実施形態）
まず、本発明の第１の実施形態について説明する。
図１は、本発明の第１の実施形態に係る画像処理システム１００の概略構成の一例を示す模式図である。

図１に示すように、画像処理システム１００は、画像処理装置１１０と、断層画像撮像装置１２０と、データサーバ１３０と、ローカルエリアネットワーク（ＬＡＮ）１４０を有して構成されている。即ち、図１に示す画像処理システム１００は、画像処理装置１１０が、ＬＡＮ１４０を介して、断層画像撮像装置１２０及びデータサーバ１３０に接続される構成となっている。

なお、図１に示す例では、画像処理装置１１０と、断層画像撮像装置１２０及びデータサーバ１３０との接続をＬＡＮ１４０により行う形態について示しているが、本実施形態においては、これに限定されるものではない。例えば、ＬＡＮ１４０に換えて、ＵＳＢやＩＥＥＥ１３９４等のインターフェイスを用いる形態であっても、また、インターネット等の外部ネットワークを用いる形態であってもよい。

本実施形態に係る画像処理装置１１０は、例えば、断層画像撮像装置１２０で撮像された被写体（本例では眼部（黄斑部）；「被検眼」ともいう）の断層画像を取得し、当該断層画像から、眼部を構成する層の境界を検出する。そして、画像処理装置１１０は、操作者（技師や医師）の指示に応じて所定の疾病を前提とした解析処理を実行し、当該疾病の定量化処理を行う。なお、本実施形態では、被写体の一例として、被検眼（眼部）を適用する例を示すが、本発明においては、これに限定されるものではなく、断層画像として撮像対象になるものであれば適用可能である。

ここで、画像処理装置１１０は、操作者により「網膜色素上皮層の正常時処理」が指示された場合には、緑内障等の検査のための解析処理を行う。この場合、画像処理装置１１０は、例えば、図１０（ｂ）に示すように、内境界膜１００３、神経線維層境界１００４及び網膜色素上皮層境界１００５を断層画像から検出し、図１０（ａ）に示す神経線維層１００２の厚みや網膜層全体の厚みを計測する。

一方、画像処理装置１１０は、操作者より「網膜色素上皮層の異常時処理」が指示された場合には、加齢黄斑変性等の検査のための解析処理を行う。この場合、画像処理装置１１０は、例えば、図１０（ｄ）に示すように、内境界膜１００３及び網膜色素上皮層境界１００５を断層画像から検出し、さらに、網膜色素上皮層境界の正常構造１００６を推定する。そして、画像処理装置１１０は、網膜層全体の厚みを計測すると共に、網膜色素上皮層１００１の状態（具体的には、網膜色素上皮層１００１の乱れ）を定量化する処理を行う。

断層画像撮像装置１２０は、例えば被写体として眼部等の断層画像を撮像する装置であり、例えば、タイムドメイン方式のＯＣＴやフーリエドメイン方式のＯＣＴを備えて構成されている。断層画像撮像装置１２０は、操作者による操作に応じて、不図示の被検者（患者）の眼部（黄斑部）等の断層画像を３次元的に撮像する。そして、断層画像撮像装置１２０は、得られた断層画像を画像処理装置１１０へ送信する。

データサーバ１３０は、被写体である眼部等の断層画像データやその解析結果データ（層の境界データや定量化した数値データなど）を保持するサーバである。データサーバ１３０は、画像処理装置１１０（或いは断層画像撮像装置１２０）が出力する眼部等の断層画像データやその解析結果データを保存する。また、データサーバ１３０は、画像処理装置１１０からの要求に応じて、当該被写体（被検眼）に関する過去のデータを画像処理装置１１０へ送信する。

次に、図１に示す画像処理装置１１０のハードウェア構成について説明する。
図２は、本発明の第１の実施形態に係る画像処理装置１１０のハードウェア構成の一例を示す模式図である。

図２に示すように、画像処理装置１１０は、ＣＰＵ１１１、ＲＡＭ１１２、ＲＯＭ１１３、外部記憶装置１１４、モニタ１１５、キーボード１１６、マウス１１７、通信インターフェイス１１８、及び、バス１１９の各ハードウェア構成を有して構成されている。

ＣＰＵ１１１は、ＲＯＭ１１３或いは外部記憶装置１１４に格納されたプログラムやデータを用いて、当該画像処理装置１１０全体の制御を行う。

ＲＡＭ１１２は、外部記憶装置１１４（或いはＲＯＭ１１３）からロードされたプログラムやデータを一時的に記憶するエリアを備えると共に、ＣＰＵ１１１が各種の処理を行うために必要とするワークエリアを備える。

ＲＯＭ１１３には、一般に、コンピュータのＢＩＯＳや設定データなどが格納されている。

外部記憶装置１１４は、ハードディスクドライブなどの大容量情報記憶装置として機能する装置であり、例えば、オペレーティングシステムやＣＰＵ１１１が実行するプログラム等を保存する。また、本実施形態の説明において既知の各種の情報やデータは、外部記憶装置１１４に保存されており、必要に応じて、ＲＡＭ１１２にロードされる。なお、本例では、ＣＰＵ１１１が実行するプログラムは、外部記憶装置１１４に記憶されているものとするが、例えば、ＲＯＭ１１３に記憶されている形態であってもよい。

モニタ１１５は、例えば、液晶ディスプレイなどにより構成されている。

キーボード１１６及びマウス１１７は、入力デバイスを構成するものであり、操作者は、これらの入力デバイスを用いて、各種の指示を画像処理装置１１０に与えることができる。

通信インターフェイス１１８は、画像処理装置１１０が外部装置との間で各種のデータの通信を行うためのものであり、例えば、ＩＥＥＥ１３９４やＵＳＢ、イーサネット（登録商標）ポート等によって構成されている。通信インターフェイス１１８を介して取得されたデータは、外部記憶装置１１４に取り込まれ、その後、必要に応じて、ＲＡＭ１１２にロードされる。

バス１１９は、画像処理装置１１０の内部の各構成要素（１１１〜１１８）を相互に通信可能に接続するものである。

次に、画像処理装置１１０の機能構成（ソフトウェア構成）について説明する。
図３は、本発明の第１の実施形態に係る画像処理装置１１０の機能構成の一例を示す模式図である。

図３に示すように、画像処理装置１１０は、被写体情報取得部２１０、画像取得部２２０、指示取得部２３０、記憶部２４０、画像処理部２５０、表示部２６０、及び、結果出力部２７０の各機能構成を有して構成されている。

ここで、本実施形態においては、例えば、図２に示すＣＰＵ１１１及び外部記憶装置１１４に記憶されているプログラム、並びに、キーボード１１６及びマウス１１７の入力デバイスから、図３に示す被写体情報取得部２１０及び指示取得部２３０が構成される。また、例えば、図２に示すＣＰＵ１１１及び外部記憶装置１１４に記憶されているプログラム、並びに、通信インターフェイス１１８から、図３に示す画像取得部２２０及び結果出力部２７０が構成される。また、例えば、図２に示すＲＡＭ１１２、ＲＯＭ１１３或いは外部記憶装置１１４から、図３に示す記憶部２４０が構成される。また、例えば、図２に示すＣＰＵ１１１及び外部記憶装置１１４に記憶されているプログラムから、図３に示す画像処理部２５０が構成される。また、例えば、図２に示すＣＰＵ１１１及び外部記憶装置１１４に記憶されているプログラム、並びに、モニタ１１５から、表示部２６０が構成される。

被写体情報取得部２１０は、被写体（被検眼）を同定する情報を、例えば、キーボード１１６及びマウス１１７の入力デバイスを介した操作者の入力により取得する。ここで、被写体（被検眼）を同定する情報とは、例えば、それぞれの被写体（被検眼）に割りあてられた識別番号である。なお、これ以外に、被写体（被検眼）を同定する情報として、被検者の識別番号と、検査対象が右眼であるか左眼であるかを表す識別子を組み合わせて用いてもよい。さらに、被写体情報取得部２１０は、被写体（被検眼）を同定する情報に基づいて、データサーバ１３０が保持している当該被写体（被検眼）に関する情報を取得する処理を行う。

なお、本例では、操作者により入力デバイスを介して被写体（被検眼）を同定する情報を取得するようにしているが、この形態に限定されるものではない。例えば、被写体（被検眼）を同定する情報を断層画像撮像装置１２０が保持している場合には、断層画像と共に当該情報を断層画像撮像装置１２０から取得する構成としてもよい。

画像取得部２２０は、断層画像撮像装置１２０に対して所定の断層画像の送信を要求し、断層画像撮像装置１２０から送信される断層画像を取得する処理を行う。なお、以下の説明では、画像取得部２２０が取得する断層画像は、被写体情報取得部２１０において同定される被写体（被検眼）のものであることを前提とする。また、画像取得部２２０が取得する断層画像には、当該断層画像の撮像に関する各種のパラメータが情報として付帯しているものとする。

指示取得部２３０は、操作者が入力デバイスを介して入力する処理の指示を取得する。例えば、指示取得部２３０は、前述した解析処理（「網膜色素上皮層の正常時処理」または「網膜色素上皮層の異常時処理」）のいずれを実行するかの指示を取得する。また、指示取得部２３０は、解析処理の中断、終了、解析結果を保存するか否かの指示や保存場所の指示等を取得する。そして、指示取得部２３０は、必要に応じて、取得した指示の内容を画像処理部２５０や結果出力部２７０へ送信する。

記憶部２４０は、被写体情報取得部２１０が取得した被写体（被検眼）に関する情報を一時的に記憶して保持する。また、記憶部２４０は、画像取得部２２０が取得した当該被写体（被検眼）の断層画像を一時的に記憶して保持する。さらに、記憶部２４０は、後述する画像処理部２５０による断層画像の解析結果を一時的に記憶して保持する。記憶部２４０に記憶されたこれらのデータは、必要に応じて、画像処理部２５０、表示部２６０及び結果出力部２７０へ送信される。

画像処理部２５０は、記憶部２４０から断層画像を入力し、指示取得部２３０が取得した指示に従って、所定の疾病を前提とした解析処理を当該断層画像に対して実行する。ここで、画像処理部２５０は、図３に示すように、層検出部２５１、正常構造推定部２５２及び定量化部２５３を備えて構成されている。

層検出部２５１は、記憶部２４０から取得した断層画像から、被写体（被検眼）を構成する所定の層（具体的に、本例では、図１０に示す内境界膜１００３と網膜色素上皮層境界１００５）を検出する処理を行う。また、層検出部２５１は、「網膜色素上皮層の正常時処理」が指示されている場合には、図１０に示す神経線維層境界１００４を更に検出する。この層検出部２５１が実行する具体的な処理の内容については、後述する。

正常構造推定部２５２は、「網膜色素上皮層の異常時処理」が指示されている場合に、層検出部２５１で検出された所定の層の正常構造（本例では、網膜色素上皮層（境界）の正常構造（図１０（ｄ）の１００６）を推定する処理を行う。一方、正常構造推定部２５２は、「網膜色素上皮層の正常時処理」が指示されている場合には、何の処理も実行しない。この正常構造推定部２５２が実行する具体的な処理の内容については、後述する。

定量化部２５３は、層検出部２５１による所定の層の検出結果と、正常構造推定部２５２が推定した所定の層の正常構造とに基づいて、被写体（被検眼）の状態を定量化する処理を行う。

例えば、定量化部２５３は、網膜層全体の厚みを定量化する。また、定量化部２５３は、「網膜色素上皮層の正常時処理」が指示されている場合には、図１０に示す神経線維層１００２の厚みを定量化する。また、定量化部２５３は、「網膜色素上皮層の異常時処理」が指示されている場合には、検出した網膜色素上皮層境界とその正常構造との差異（即ち、網膜色素上皮層の乱れ）を定量化する。この定量化部２５３が実行する具体的な処理の内容については、後述する。

表示部２６０は、画像処理部２５０で得た層の境界やその正常構造に関する情報を断層画像に重畳してモニタ１１５に表示する。また、表示部２６０は、定量化部２５３で定量化した各種の数値データをモニタ１１５に表示する。

結果出力部２７０は、検査日時と、被写体（被検眼）を同定する情報と、被写体（被検眼）の断層画像と、画像処理部２５０によって得られた解析結果とを関連付けて、保存すべき情報としてデータサーバ１３０へ送信する。

次に、図４を参照して、本実施形態の画像処理装置１１０により実行される、具体的な処理手順を説明する。

図４は、本発明の第１の実施形態に係る画像処理装置１１０の制御方法の処理手順の一例を示すフローチャートである。なお、本実施形態に係る画像処理装置１１０の図３に示す各機能構成は、当該各機能構成を実現するプログラムをＣＰＵ１１１が実行し、コンピュータ全体を制御することで実現される。また、以下の処理を行う前段階で、図４に示すフローチャートに従ったプログラムコードは、例えば外部記憶装置１１４からＲＡＭ１１２に既にロードされているものとする。

＜ステップＳ１０１＞
まず、ステップＳ１０１において、被写体情報取得部２１０は、被写体（被検眼）を同定する情報を外部から取得する。具体的に、被写体情報取得部２１０は、被写体（被検眼）を同定する情報を、例えば、キーボード１１６及びマウス１１７の入力デバイスを介した操作者の入力により取得する。そして、被写体情報取得部２１０は、取得した被写体（被検眼）を同定する情報に基づいて、データサーバ１３０が保持している当該被写体（被検眼）に関する情報を取得する処理を行う。例えば、被写体情報取得部２１０は、過去に撮像した当該被検眼の断層画像やその解析結果（層の境界や定量化した数値データなど）を取得する。特に、被写体情報取得部２１０は、当該被検眼に関する網膜色素上皮層境界の正常時データをデータサーバ１３０が保持している場合には、そのデータをデータサーバ１３０から取得する。そして、被写体情報取得部２１０は、このようにして取得した情報を記憶部２４０へ送信する。

＜ステップＳ１０２＞
続いて、ステップＳ１０２において、画像取得部２２０は、断層画像撮像装置１２０に対して所定の断層画像の送信を要求し、断層画像撮像装置１２０から送信される断層画像を取得する処理を行う。そして、画像取得部２２０は、取得した断層画像を記憶部２４０へ送信する。

＜ステップＳ１０３＞
続いて、ステップＳ１０３において、表示部２６０は、ステップＳ１０２で取得された断層画像をモニタ１１５に表示する処理を行う。ここでは、例えば、図１０（ａ）や図１０（ｃ）に模式的に示すような画像がモニタ１１５に表示される。ここで、断層画像は、３次元的データであるので、実際にモニタ１１５に表示されるのは、そこからいずれかの注目断面を切り出した２次元断層画像となる。なお、表示する断面は、ＧＵＩ等を介して任意に選択できる構成であることが望ましい。また、ステップＳ１０１で取得した過去の時点における各種のデータ（断層画像やその解析結果など）を並べて表示できる構成であってもよい。

＜ステップＳ１０４＞
続いて、ステップＳ１０４において、指示取得部２３０は、操作者がキーボード１１６やマウス１１７等の入力デバイスを介して入力する処理の指示を取得する。具体的に、ここでは、指示取得部２３０は、「網膜色素上皮層の正常時処理」と「網膜色素上皮層の異常時処理」のいずれを実行するかの指示を取得する。この際、操作者は、いずれの解析処理を画像処理装置１１０に実行させるのかを判断して、その判断結果を画像処理装置１１０に入力（何れかの処理を選択）すればよい。このステップＳ１０４で得られた処理の指示は、画像処理部２５０へ送信される。

＜ステップＳ１０５＞
続いて、ステップＳ１０５において、例えば画像処理部２５０は、ステップＳ１０４で得られた処理の指示が、「網膜色素上皮層の正常時処理」であるか否かを判断する。

ステップＳ１０５の判断の結果、ステップＳ１０４で得られた処理の指示が、「網膜色素上皮層の正常時処理」である場合には、ステップＳ１０６に進む。一方、ステップＳ１０５の判断の結果、ステップＳ１０４で得られた処理の指示が、「網膜色素上皮層の正常時処理」でない場合（即ち、「網膜色素上皮層の異常時処理」である場合）には、ステップＳ１０７に進む。

＜ステップＳ１０６＞
ステップＳ１０６に進むと、画像処理部２５０は、「網膜色素上皮層の正常時処理」に係る解析処理を実行する。また、表示部２６０は、画像処理部２５０による当該解析処理の結果を表示する処理を行う。このステップＳ１０６の詳細な処理については、図５に示すフローチャートを用いて後述する。その後、ステップＳ１０８に進む。

＜ステップＳ１０７＞
一方、ステップＳ１０７に進むと、画像処理部２５０は、「網膜色素上皮層の異常時処理」に係る解析処理を実行する。また、表示部２６０は、画像処理部２５０による当該解析処理の結果を表示する処理を行う。このステップＳ１０７の詳細な処理については、図６に示すフローチャートを用いて後述する。その後、ステップＳ１０８に進む。

＜ステップＳ１０８＞
ステップＳ１０８に進むと、まず、指示取得部２３０は、例えばキーボード１１６やマウス１１７を介して操作者から入力された、当該被写体（被検眼）に関する今回の処理結果をデータサーバ１３０に保存するか否かの指示を取得する処理を行う。そして、例えば結果出力部２７０は、指示取得部２３０が取得した指示に従って、当該被写体（被検眼）に関する今回の処理結果をデータサーバ１３０に保存するか否かの判断を行う。

ステップＳ１０８の判断の結果、当該被写体（被検眼）に関する今回の処理結果をデータサーバ１３０に保存する場合には、ステップＳ１０９に進む。一方、ステップＳ１０８の判断の結果、当該被写体（被検眼）に関する今回の処理結果をデータサーバ１３０に保存しない場合には、ステップＳ１１０に進む。

＜ステップＳ１０９＞
ステップＳ１０９に進むと、結果出力部２７０は、検査日時と、被写体（被検眼）を同定する情報と、被写体（被検眼）の断層画像と、画像処理部２５０によって得られた解析結果とを関連付けて、保存すべき情報としてデータサーバ１３０へ送信する。その後、ステップＳ１１０に進む。

＜ステップＳ１１０＞
ステップＳ１１０に進むと、指示取得部２３０は、例えばキーボード１１６やマウス１１７を介して操作者から入力された、画像処理装置１１０による断層画像の解析処理を終了するか否かの指示を取得する処理を行う。そして、画像処理装置１１０は、指示取得部２３０が取得した指示に従って、断層画像の解析処理を終了するか否かの判断を行う。

ステップＳ１１０の判断の結果、断層画像の解析処理を終了しない場合には、ステップＳ１０１に戻って、次の被写体（被検眼）に対する処理（或いは、同一被検眼に対する再処理）を実行する。一方、ステップＳ１１０の判断の結果、断層画像の解析処理を終了する場合には、図４に示すフローチャートにおける処理を終了する。

次に、図５を参照して、図４のステップＳ１０６で実行される処理の詳細な処理手順について説明する。

図５は、図４のステップＳ１０６における「網膜色素上皮層の正常時処理」の詳細な処理手順の一例を示すフローチャートである。

＜ステップＳ２０１＞
まず、ステップＳ２０１において、層検出部２５１は、記憶部２４０から被写体（被検眼）の断層画像を取得し、当該断層画像から、被写体（被検眼）を構成する所定の層を検出する処理を行う。具体的に、層検出部２５１は、被写体（被検眼）の断層画像から、図１０に示す内境界膜１００３、神経線維層境界１００４及び網膜色素上皮層境界１００５を検出する。さらに、層検出部２５１は、黄斑部の中心である中心窩の座標も検出する。そして、層検出部２５１は、これらの検出結果を記憶部２４０へ出力する。

以下、層検出部２５１による層の境界検出を行う具体的な処理方法を説明する。
ここでは、処理対象である３次元断層画像を２次元断層画像（Ｂ−ｓｃａｎ画像）の集合と考え、それぞれの２次元断層画像に対して以下の２次元画像処理を実行する。

まず、層検出部２５１は、注目する２次元断層画像に対して平滑化フィルタ処理を行い、ノイズ成分を除去する。そして、層検出部２５１は、断層画像からエッジ成分を検出し、その連結性に基づいて何本かの線分を層境界の候補として抽出する。そして、層検出部２５１は、これらの候補の中から、一番上の線分を内境界膜１００３として選択する。また、層検出部２５１は、内境界膜１００３の直下にある線分を神経線維層境界１００４として選択する。さらに、層検出部２５１は、一番下の線分を網膜色素上皮層境界１００５として選択する。

さらに、これらの線分を初期値として、Ｓｎａｋｅやレベルセット法等の動的輪郭法を適用することで、検出精度の向上を図ってもよい。また、グラフカットのような手法を用いて層の境界を検出してもよい。

なお、動的輪郭法やグラフカットを用いた境界検出法は、３次元断層画像を対象として３次元的に行ってもよいし、処理対象である３次元断層画像を２次元断層画像の集合と考え、それぞれの２次元断層画像に対して２次元的に適用してもよい。また、層の境界を検出する方法は、これらの方法に限定されるものではなく、眼部の断層画像から層の境界を検出可能な方法であれば、いずれの方法を用いてもよい。

層検出部２５１は、さらに、内境界膜１００３を利用して中心窩の座標も検出する。具体的には、層検出部２５１は、検出した内境界膜１００３のｚ座標が断層画像の中心付近において最大となる点を中心窩とする。なお、以下の処理では、この中心窩が原点となるように全ての座標を変換（平行移動）して取り扱う。

＜ステップＳ２０２＞
続いて、ステップＳ２０２において、定量化部２５３は、ステップＳ２０１で検出された層の境界に基づいて、神経線維層１００２の厚みと、網膜層全体の厚みを計測することで、必要な情報の定量化を行う。

まず、定量化部２５３は、ｘｙ平面上の各座標点において、神経線維層境界１００４と内境界膜１００３とのｚ座標の差を求めることにより、神経線維層１００２の厚み（図１０（ａ）のＴ１）を計測する。同様に、定量化部２５３は、網膜色素上皮層境界１００５と内境界膜１００３とのｚ座標の差を求めることにより、網膜層全体の厚み（図１０（ａ）のＴ２）を計測する。さらに、定量化部２５３は、それぞれのｙ座標ごとにｘ軸方向の各座標点での層厚を加算することにより、それぞれの断面における各層（神経線維層１００２及び網膜層全体）の面積を計測する。さらに、定量化部２５３は、求めた面積をｙ軸方向に加算することにより、各層の体積を計測する。そして、定量化部２５３は、これらの計測結果に係るデータを記憶部２４０へ出力する。

＜ステップＳ２０３＞
続いて、ステップＳ２０３において、表示部２６０は、ステップＳ２０１における層境界の検出結果を断層画像に重畳してモニタ１１５に表示する処理を行う。ここで、図１０（ｂ）に示すように、層の境界を線で示す場合には、それぞれの境界に対して予め定めた色の線を用いることが望ましい。例えば、表示部２６０は、内境界膜１００３は赤色の線、神経線維層境界１００４は黄色の線、網膜色素上皮層境界１００５は緑色の線を用いて表示（提示）する。また、例えば、表示部２６０は、層境界を明示的に示さずに、層の領域に半透明の色をつけて表示（提示）してもよい。例えば、表示部２６０は、神経線維層１００２以外の網膜層全体を表す領域を緑色に、神経線維層１００２を表す領域を赤色に着色して表示（提示）してもよい。なお、これらの表示を行う際には、注目する断面をＧＵＩ等によって選択可能な構成であることが望ましい。また、公知のボリュームレンダリングの技術を用いて、３次元的に表示してもよい。

さらに、表示部２６０は、ステップＳ２０２で定量化により計測した層厚に関する情報をモニタ１１５に表示する処理を行う。この表示は、３次元断層画像全体（ｘｙ平面）に対する層厚の分布マップとして表示してもよいし、上述した検出結果の表示と連動させて注目断面における各層の面積を表示してもよい。また、全体の体積を表示してもよいし、操作者がｘｙ平面上において指定した領域内における体積を算出して表示してもよい。

＜ステップＳ２０４＞
続いて、ステップＳ２０４において、まず、指示取得部２３０は、ステップＳ２０１で検出した網膜色素上皮層境界１００５を表す座標群を、当該被写体（被検眼）の網膜色素上皮層境界の正常時データとして保存するか否かの指示を取得する処理を行う。この指示は、例えば、キーボード１１６やマウス１１７を介して、操作者によって入力される。そして、そして、例えば結果出力部２７０は、指示取得部２３０が取得した指示に従って、ステップＳ２０１で検出した網膜色素上皮層境界１００５を表す座標群を、当該被写体（被検眼）の網膜色素上皮層境界の正常時データとして保存するか否かの判断を行う。

ステップＳ２０４の判断の結果、ステップＳ２０１で検出した網膜色素上皮層境界１００５を表す座標群を、当該被写体（被検眼）の網膜色素上皮層境界の正常時データとして保存しない場合には、図５のフローチャートの処理を終了する。一方、ステップＳ２０４の判断の結果、ステップＳ２０１で検出した網膜色素上皮層境界１００５を表す座標群を、当該被写体（被検眼）の網膜色素上皮層境界の正常時データとして保存する場合には、ステップＳ２０５に進む。

＜ステップＳ２０５＞
ステップＳ２０５に進むと、結果出力部２７０は、ステップＳ２０１で検出した網膜色素上皮層境界のデータ（層境界を表す座標群）を、当該被写体（被検眼）の網膜色素上皮層境界の正常時データとしてデータサーバ１３０へ送信する。これにより、データサーバ１３０は、当該被写体（被検眼）に関連付けて、結果出力部２７０から取得したデータを網膜色素上皮層境界の正常時データとして保存する。その後、図５に示すフローチャートにおける処理（即ち、図４のＳ１０６の処理）が終了する。

なお、本実施形態においては、ステップＳ１０６の処理において、神経線維層１００２と網膜層全体の厚みのみを計測しているが、もちろん、眼部の視細胞層や外境界膜などの他の層の解析を行う構成であってもよい。

次に、図６を参照して、図４のステップＳ１０７で実行される処理の詳細な処理手順について説明する。

図６は、図４のステップＳ１０７における「網膜色素上皮層の異常時処理」の詳細な処理手順の一例を示すフローチャートである。

＜ステップＳ３０１＞
まず、ステップＳ３０１において、層検出部２５１は、記憶部２４０から被写体（被検眼）の断層画像を取得し、当該断層画像から、被写体（被検眼）を構成する所定の層を検出する処理を行う。具体的に、層検出部２５１は、被写体（被検眼）の断層画像から、図１０に示す内境界膜１００３及び網膜色素上皮層境界１００５を検出する。さらに、層検出部２５１は、黄斑部の中心である中心窩の座標も検出する。そして、層検出部２５１は、これらの検出結果を記憶部２４０へ出力する。ここで、層検出部２５１による層の境界検出の具体的方法については、ステップＳ２０１と同様であるので、その詳細な説明は省略する。なお、以下の処理では、中心窩が原点となるように全ての座標を変換（平行移動）して取り扱う。

＜ステップＳ３０２＞
続いて、ステップＳ３０２において、正常構造推定部２５２は、ステップＳ１０１で被写体情報取得部２１０が取得した被写体（被検眼）に関する情報に基づいて、当該被写体（被検眼）の網膜色素上皮層境界の正常時データが利用可能であるか否かを判断する。より具体的には、ステップＳ１０１で被写体情報取得部２１０が取得した被写体（被検眼）に関する情報の中に、当該被写体（被検眼）の網膜色素上皮層境界の正常時データが含まれているか否かに基づいて、当該正常時データが利用可能であるか否かを判断する。

ステップＳ３０２の判断の結果、被写体（被検眼）の網膜色素上皮層境界の正常時データが利用可能である場合には、正常構造推定部２５２が記憶部２４０から当該正常時データを取得した後、ステップＳ３０３に進む。一方、ステップＳ３０２の判断の結果、被写体（被検眼）の網膜色素上皮層境界の正常時データが利用可能でない場合には、表示部２６０が当該正常時データを利用できない旨を表示した上で、ステップＳ３０４に進む。

＜ステップＳ３０３＞
ステップＳ３０３に進むと、正常構造推定部２５２は、ステップＳ３０２で取得した網膜色素上皮層境界の正常時データを断層画像にあてはめる処理を行って、断層画像上における網膜色素上皮層境界の正常構造を推定する処理を行う。そして、ステップＳ３０３の処理が終了すると、ステップＳ３０５に進む。

以下、ステップＳ３０３における網膜色素上皮層境界の正常構造を推定する具体的な処理方法について説明する。

正常時データは、そのデータを取得した際の断層画像上における中心窩を原点とした座標系で表現されている。一方、ステップＳ１０２で取得された断層画像（現断層画像）も、その中心窩を原点とした座標系（現座標系）で表現されている。そこで、正常構造推定部２５２は、これらの座標系が一致するように、正常時データを現座標系へと重ね合わせることを行う。そして、正常構造推定部２５２は、このようにして重ね合わせた正常時データを、現断層画像上における網膜色素上皮層境界の正常構造の初期値とする（即ち、初期位置合わせをする）。そして、正常構造推定部２５２は、現断層画像上で検出されている網膜色素上皮層境界１００５へのあてはめ処理によって、正常構造を更新する。言い換えると、正常構造推定部２５２は、正常時データを正常構造に変換するための変換行列Ａの初期値を単位行列と定義して、正常構造が適切となるような変換行列Ａの推定を行う。本実施形態では、変換行列Ａは３次元の剛体変換を表す行列と定義するが、均等スケールの変形を含む行列とすることも可能であるし、アフィン変換全般を許す行列とすることも可能である。

本実施形態では、上述したあてはめ処理を行うために、検出結果と正常構造との差異ε_iを、下記の（１）式のように定義する。

（１）式のＸorg_iは、座標群として記述されている正常時データのｉ番目の点の座標を表している。また、（１）式のＸnormal_iは、変換行列Ａによる座標変換後の点（即ち、正常構造上の点）の座標を表している。また、（１）式のＸdetected_iは、それぞれのＸnormal_iに対応する網膜色素上皮層境界１００５上の点の座標を表している。この対応付けは、例えば、それぞれのＸnormal_iに対して、同一のx，ｙ座標を有する網膜色素上
皮層境界１００５上の点を選択することで行う。或いは、それぞれのＸnormal_iに最も距離が近い網膜色素上皮層境界１００５上の点を選択する。なお、（１）式における各座標と座標変換行列は、同次座標系で表記されているものとする。

そして、正常構造推定部２５２は、以下の（２）式に示す評価式を最小化する変換行列Ａを求める。

（２）式において、ρ（ｘ）は重み関数である。
図７は、本発明の第１の実施形態を示し、断層画像に含まれる層の正常構造の推定する際に利用する重み関数の一例を示す模式図である。

図７（ａ）、図７（ｂ）及び図７（ｃ）において、横軸がｘ（中心付近が０）、縦軸が重み関数ρ（ｘ）である。なお、断層画像に含まれる層の正常構造の推定する際に利用する重み関数は、図７に示したものが全てではなく、どのような関数を設定してもよい。
また、（２）式を最小化するということは、最小二乗法やＭ推定を用いて変換行列Ａを求めることに相当している。

＜ステップＳ３０４＞
一方、ステップＳ３０４に進むと、正常構造推定部２５２は、断層画像のそれぞれの２次元断面に対して、多項式で記述される曲線を網膜色素上皮層境界１００５にあてはめる処理を行って、その正常構造を推定する処理を行う。この推定処理の方法は、背景技術で述べた方法と同様である。その後、ステップＳ３０５に進む。

＜ステップＳ３０５＞
ステップＳ３０５に進むと、定量化部２５３は、ステップＳ３０１で検出された層の境界に基づいて、網膜層全体の厚みを計測してこれを定量化する。また、定量化部２５３は、ステップＳ３０１で検出された網膜色素上皮層境界１００５と、ステップＳ３０３或いはステップＳ３０４で推定されたその正常構造１００６との差異に基づいて、網膜色素上皮層１００１の乱れを定量化する処理を行う。そして、定量化部２５３は、これらの計測結果を記憶部２４０へ出力する。

なお、網膜層全体の厚みの定量化については、ステップＳ２０２の処理と同様なので詳細な説明は省略する。また、網膜色素上皮層１００１の乱れの定量化に関しても、その差異部分の厚みや面積・体積の定量化は、層の厚みの定量化と同様であるので、詳細な説明は省略する。

また、網膜色素上皮層１００１の乱れを表す特徴量は、ステップＳ３０１で検出した網膜色素上皮層境界１００５と、その正常構造１００６との差異を定量化するものであれば、いずれのものであってもよい。例えば、差異のなす領域の特徴として、求めた差異（厚み）の分布、最大値、平均値、中央値、分散、標準偏差、閾値以上の点の数やその割合などを求めてもよい。また、差異領域の特徴として、濃度ヒストグラム、平均濃度値、濃度分散値、コントラスト等の濃度特徴を求めてもよい。

＜ステップＳ３０６＞
続いて、ステップＳ３０６において、表示部２６０は、ステップＳ３０１で検出された網膜色素上皮層境界１００５と、ステップＳ３０３或いはステップＳ３０４で推定したその正常構造１００６とを、断層画像に重畳して表示する処理を行う。また、これに合わせて、表示部２６０は、ステップＳ３０５で定量化により計測したデータを表示する処理を行う。なお、これらの表示処理は、ステップＳ２０３における処理と同様であるので、詳細な説明は省略する。

ステップＳ３０６の処理が終了すると、図６のフローチャートにおける処理（即ち、図４のＳ１０７の処理）が終了する。

以上説明した第１の実施形態によれば、被写体（被検眼）自体が正常であった時の網膜色素上皮層境界をあてはめる処理を行うので、断層画像上の被写体を構成する網膜色素上皮層の正常構造を精度良く推定することができる。したがって、網膜色素上皮層の状態（形状の乱れ）を精度良く定量化することができる。これにより、例えば加齢黄斑変性等の疾病の進行度や治療後の回復具合等を、定量的に解析することが可能となる。また、被写体を構成する所定の層境界の一部が断層画像上において観測困難な場合であっても、その所定の層の検出を精度良く行うことができる。

（第２の実施形態）
次に、本発明の第２の実施形態について説明する。
第１の実施形態に係る画像処理装置１１０は、断層画像撮像装置１２０で撮像された被写体（被検眼）の断層画像を取得し、操作者の指示に応じて所定の疾病を前提とした解析処理を実行し、疾病の定量化を行うものであった。これに対して、第２の実施形態に係る画像処理装置も、取得した被写体（被検眼）の断層画像に解析処理を施す点については第１の実施形態と同様である。ただし、第２の実施形態に係る画像処理装置では、「網膜色素上皮層の正常時処理」を行うか、「網膜色素上皮層の異常時処理」を行うかの判断を、操作者からの指示に応じて行うものではなく、その判断を装置内部で自動的に行う点が第１の実施形態と異なる。

第２の実施形態に係る画像処理システムの概略構成は、図１に示す第１の実施形態に係る画像処理システム１００の概略構成と同様の構成となる。また、第２の実施形態に係る画像処理装置のハードウェア構成は、図２に示す第１の実施形態に係る画像処理装置１１０のハードウェア構成と同様の構成となる。

図８は、本発明の第２の実施形態に係る画像処理装置１１０の機能構成の一例を示す模式図である。ここで、図８において、図３と同様の構成については、同様の符号を付している。図８に示すように、第２の実施形態に係る画像処理装置１１０は、画像処理部２５０の内部に状態判定部２５４が追加されて構成されている点で、図３に示す第１の実施形態に係る画像処理装置１１０の機能構成と異なっている。以下の説明では、第１の実施形態と異なる点について、説明を行う。

状態判定部２５４は、層検出部２５１が検出した網膜色素上皮層境界１００５に基づいて、網膜色素上皮層が正常であるか、異常であるかの判定を行う。この状態判定部２５４が実行する具体的な処理の内容については、後述する。

次に、図９を参照して、本実施形態の画像処理装置１１０により実行される、具体的な処理手順を説明する。

図９は、本発明の第２の実施形態に係る画像処理装置１１０の制御方法の処理手順の一例を示すフローチャートである。なお、図９において、図４と同様の処理については、同じステップ番号を付しており、第１の実施形態と同様であるため、その詳細な説明は省略する。

まず、第２の実施形態に係る画像処理装置１１０の処理では、図４に示すステップＳ１０１〜ステップＳ１０３の処理を経る。

＜ステップＳ４０１＞
続いて、ステップＳ４０１において、層検出部２５１は、記憶部２４０から被写体（被検眼）の断層画像を取得し、当該断層画像から、被写体（被検眼）を構成する所定の層を検出する処理を行う。具体的に、層検出部２５１は、被写体（被検眼）の断層画像から、図１０に示す内境界膜１００３、神経線維層境界１００４及び網膜色素上皮層境界１００５を検出する。そして、層検出部２５１は、これらの検出結果を記憶部２４０へ出力する。このステップＳ４０１処理は、第１の実施形態における図５のステップＳ２０１と同様のであるので、その詳細な説明は省略する。

＜ステップＳ４０２＞
続いて、ステップＳ４０２において、状態判定部２５４は、ステップＳ４０１で検出された網膜色素上皮層境界１００５に基づいて、当該網膜色素上皮層が正常であるか否かの判定を行う。例えば、状態判定部２５４は、ステップＳ４０１で検出された網膜色素上皮層境界１００５の曲率の最大値が予め定めた閾値以上であった場合に、当該網膜色素上皮層が異常であると判定する。そして、状態判定部２５４は、その判定結果を記憶部２４０へ出力する。

なお、ステップＳ４０２における網膜色素上皮層が正常であるか否かの判定は、他のいずれの方法で行ってもよい。例えば、ステップＳ４０２における網膜色素上皮層が正常であるか否かの判定は、網膜色素上皮層境界１００５の極大点と極小点の数が閾値以上であるか否かによって行うようにしてもよい。また、変極点の数によって判定してもよく、曲率の分散によって判定してもよい。また、例えば、ステップＳ４０２における網膜色素上皮層が正常であるか否かの判定は、網膜色素上皮層境界１００５を表す３次元座標群に主成分分析を施し、ｚ軸方向のばらつきを表す第３主成分の大きさが閾値以上であるか否かによって判定してもよい。さらに、フーリエ変換による周波数解析を行い、予め定めた周波数領域の強度によって判定してもよい。なお、これらの処理は、異常が生じやすい中心窩の近傍付近における網膜色素上皮層境界１００５のみを対象として行ってもよい。

＜ステップＳ４０３＞
続いて、ステップＳ４０３において、例えば画像処理部２５０は、ステップＳ４０２の処理で得られた判定結果に基づいて、「網膜色素上皮層の正常時処理」を行うか否かを判断する。

ステップＳ４０３の判断の結果、「網膜色素上皮層の正常時処理」を行う場合（即ち、ステップＳ４０２の処理で得られた判定結果が、網膜色素上皮層が正常である場合）には、ステップＳ４０４に進む。一方、ステップＳ４０３の判断の結果、「網膜色素上皮層の正常時処理」を行わない場合（即ち、ステップＳ４０２の処理で得られた判定結果が、網膜色素上皮層が正常でない（異常である）場合）には、ステップＳ４０５に進む。

＜ステップＳ４０４＞
ステップＳ４０４に進むと、画像処理部２５０は、「網膜色素上皮層の正常時処理」に係る解析処理を実行する。このステップＳ４０４の詳細な処理は、基本的には、第１の実施形態におけるステップＳ１０６の詳細な処理（図５）と同様である。ただし、本実施形態では、図５のステップＳ２０１における層の境界検出処理は実行しない。

＜ステップＳ４０５＞
一方、ステップＳ４０５に進むと、画像処理部２５０は、「網膜色素上皮層の異常時処理」に係る解析処理を実行する。このステップＳ４０５の詳細な処理は、基本的には、第１の実施形態におけるステップＳ１０７の詳細な処理（図６）と同様である。ただし、本実施形態では、図６のステップＳ３０１における層の境界検出処理は実行しない。

そして、ステップＳ４０４或いはステップＳ４０５の処理が終了すると、ステップＳ１０８に進み、第１の実施形態における図４のステップＳ１０８以降の処理が行われる。

以上説明した第２の実施形態によれば、被写体（被検眼）の網膜色素上皮層が正常であるか否かを画像処理装置１１０で判定するので、第１の実施形態における効果に加えて、正常である場合にはそのデータを正常時データとして自動的に保存することができる。これにより、網膜色素上皮層が異常な場合には、保存さている正常時データに基づいて正常構造を推定し、その状態（形状の乱れ）を定量的に評価することができる。

（第３の実施形態）
次に、本発明の第３の実施形態について説明する。
第３の実施形態は、上述した第１及び第２の実施形態の変形例に係る形態である。以下に、各変形例を説明する。

−変形例１−
上述した各実施形態では、図６のステップＳ３０３の処理において、最小二乗法やＭ推定を用いて所定の層の正常構造を推定するものであった。しかしながら、正常構造を推定する方法は、これに限定されるものではない。例えば、（１）式のε_iが予め定めた閾値以下となる点（インライア）の数を評価基準として、それを最大化するような変換行列を求める構成としてもよい。また、図６のステップＳ３０３の処理では、検出された網膜色素上皮層境界１００５と正常時データの全点を用いて正常構造の推定を行っていたが、使用する点を適当な間隔で間引いてもよい。また、３次元の点群同士のあてはめ処理を行う公知のいずれの手法を用いてもよい。

また、正常構造推定部２５２において、現断層画像上で検出されている網膜色素上皮層境界１００５を正常範囲と異常範囲とに分類し、異常範囲を除外した正常範囲における網膜色素上皮層境界１００５に対してのみ、上記のあてはめ処理を行ってもよい。この際、正常構造推定部２５２における異常範囲の検出は、例えば、網膜色素上皮層境界１００５の局所的な曲率に基づいて行う。即ち、正常構造推定部２５２は、網膜色素上皮層境界１００５の局所的な曲率を計算し、曲率の変化率が閾値以上の部分とそれに挟まれる部分は、異常範囲であると判定して処理を行う。

なお、正常時データに施す座標変換は、（１）式で表されるような形状全体に対する一律的な変換に限定されるものではなく、局所的な形状変形を伴う変換を許容してもよい。例えば、正常時データと異なる形状となることに対してペナルティ項を設定し（換言すると、正常時データと異なる形状となることをある程度の範囲で許容し）、その上で、フリーフォームデフォーメーションによるあてはめ処理を行う構成としてもよい。

−変形例２−
上述した各実施形態では、網膜色素上皮層境界の正常時データを、この境界を表す３次元座標の集合によって表していた。しかしながら、正常時データの記述方法はこれに限定されるものではない。例えば、ｘｙ平面上の幾つかのサンプリング点における境界のｚ座標を正常時データとして保持するようにしてもよい。また、面を表現する関数によりこの３次元座標の集合を近似して、当該関数のパラメータを正常時データとして保持するようにしてもよい。この場合、図６のステップＳ３０３におけるあてはめ処理を行う前に、当該関数にｘｙ平面の各座標を代入することで、正常時データを表す３次元座標の集合を生成すればよい。或いは、点群を関数にあてはめるための座標変換を推定する公知のいずれの手法を用いて当該あてはめ処理を行ってもよい。

−変形例３−
上述した各実施形態では、図５のステップＳ２０４において、検出した網膜色素上皮層境界１００５をその正常時データとして保存するか否かの指示を外部から取得していた。そして、その指示に従って、検出結果を被写体（被検眼）の正常時データとして保存していた。しかしながら、検出結果を正常時データとして保存するか否かの判断方法は、これに限定されるものではない。例えば、当該被写体（被検眼）の正常時データがデータサーバ１３０に登録されていない場合には、指示に依らずに検出結果を正常時データとして保存する構成であってもよい。また、当該被写体（被検眼）の正常時データがデータサーバ１３０に登録されているか否かに関らず、常に最新の検出結果を正常時データとして保存する構成であってもよい。

また、過去に登録された正常時データを撮影日時と共に複数保持しておいて、使用する日時における正常時データをそれらの情報から生成する構成としてもよい。また、例えば、正常時データに３次元的な位置合わせを施しておいて、撮像日時と使用日時に基づいた外挿処理等によって正常時データを生成してもよい。

−変形例４−
上述した各実施形態では、黄斑部の中心窩を利用して断層画像と正常時データとの初期位置合わせを行っていた。しかしながら、それ以外の方法を用いて初期位置合わせを行ってもよい。例えば、検出した網膜色素上皮層境界１００５と正常時データのそれぞれの重心を求めて、その重心が一致するようにすることにより、大まかな位置合わせを行う構成であってもよい。

−変形例５−
上述した各実施形態では、取得した３次元の断層画像全体に対して解析処理を行っていた。しかしながら、３次元の断層画像から注目すべき断面を選択して、選択した２次元断層画像に対して処理を行う構成であってもよい。例えば、予め定めた眼底の特定部位（例えば中心窩）を含む断面に対して処理を行ってもよい。この場合、検出される層の境界、正常構造、正常時データ等は、いずれも当該断面上における２次元のデータとなる。そして、図６のステップＳ３０３の処理における変換行列Ａとして、当該断面内における２次元の剛体変換を表す３×３の行列を推定すればよい。

−変形例６−
上述した各実施形態では、網膜色素上皮層１００１とその下部の層との境界を検出し、その正常構造を推定することで、網膜色素上皮層の形状の乱れを定量化していた。しかしながら、網膜色素上皮層１００１とその上部の層との境界を検出し、その正常構造を推定する構成であってもよい。また、網膜色素上皮層１００１全体を処理の対象としてもよい。また、形状の乱れを定量化する層は、網膜色素上皮層１００１に限定されるものではなく、疾病に対して同様に振る舞う周辺の層を処理の対象としてもよい。即ち、加齢黄斑変性等の疾病により形状が凹凸に変化する層であれば、いずれの層やその境界を検出し、その正常構造を推定して、形状の乱れを定量化してもよい。

−変形例７−
上述した各実施形態では、網膜色素上皮層境界１００５が疾病のために変形してしまっている場合に、その正常構造を推定するために、被写体（被検眼）に対して過去に測定した正常時データを用いている。しかしながら、血管や白斑などの影響により網膜色素上皮層境界１００５が断層画像上において明確に観測できない（画像特徴が得られない）部分がある場合に、その検出を補助する目的で被写体（被検眼）の正常時データを利用することも可能である。

例えば、層検出部２５１が検出した網膜色素上皮層境界１００５に欠落部分があった場合を考える。このとき、この欠落部分を有する網膜色素上皮層境界１００５に対して正常時データのあてはめ処理（図６のステップＳ３０３）を行うことにより、当該欠落部分の層境界を推定することができる。

或いは、層検出部２５１による網膜色素上皮層境界１００５の検出処理そのものを、断層画像に対する正常時データのあてはめ処理によって行ってもよい。また、網膜色素上皮層境界１００５の形状は正常時データに類似するという制約条件を加味しながら、網膜色素上皮層境界１００５の検出処理を行ってもよい。例えば、検出された網膜色素上皮層境界１００５の形状が正常時データからかけ離れることに対するペナルティ項を付加した形で、動的輪郭法による検出を行ってもよい。

−変形例８−
上述した各実施形態では、断層画像撮像装置１２０は、画像処理装置１１０に必ずしも接続されていなくてもよい。例えば、処理対象である断層画像が既に撮像された状態でデータサーバ１３０に保管されており、これを読み込んで処理する構成であってもよい。この場合、画像取得部２２０は、データサーバ１３０に対して被写体（被検眼）の断層画像の送信を要求し、データサーバ１３０から送信される断層画像を取得する。そして、層検出部２５１で層の境界検出を行い、定量化部２５３で定量化処理を行う。

一方で、データサーバ１３０は、画像処理装置１１０に必ずしも接続されていなくてもよく、画像処理装置１１０の外部記憶装置１１４がその役割を果たす構成であってもよい。

（その他の実施形態）
前述した本発明の各実施形態に係る画像処理装置１１０を構成する図３及び図８の各構成部（各手段）、並びに、図４〜図６及び図９の各ステップは、ＣＰＵ（１１１）が外部記憶装置（１１４）に記憶されているプログラムを実行することによって実現できる。このプログラム及び当該プログラムを記憶したコンピュータ読み取り可能な記録媒体は本発明に含まれる。

また、本発明は、例えば、システム、装置、方法、プログラム若しくは記憶媒体等としての実施形態も可能であり、具体的には、複数の機器から構成されるシステムに適用してもよいし、また、１つの機器からなる装置に適用してもよい。

なお、本発明は、前述した各実施形態の機能を実現するソフトウェアのプログラム（実施形態では図４〜図６及び図９に示すフローチャートに対応したプログラム）を、システム或いは装置に直接、或いは遠隔から供給するものを含む。そして、そのシステム或いは装置のコンピュータが前記供給されたプログラムコードを読み出して実行することによっても達成される場合も本発明に含まれる。

したがって、本発明の機能処理をコンピュータで実現するために、前記コンピュータにインストールされるプログラムコード自体も本発明を実現するものである。つまり、本発明は、本発明の機能処理を実現するためのコンピュータプログラム自体も含まれる。

その場合、プログラムの機能を有していれば、オブジェクトコード、インタプリタにより実行されるプログラム、ＯＳに供給するスクリプトデータ等の形態であってもよい。

プログラムを供給するための記録媒体としては、例えば、フレキシブルディスク、ハードディスク、光ディスク、光磁気ディスク、ＭＯ、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、ＣＤ−ＲＷなどがある。また、磁気テープ、不揮発性のメモリカード、ＲＯＭ、ＤＶＤ（ＤＶＤ−ＲＯＭ，ＤＶＤ−Ｒ）などもある。

その他、プログラムの供給方法としては、クライアントコンピュータのブラウザを用いてインターネットのホームページに接続する。そして、前記ホームページから本発明のコンピュータプログラムそのもの、若しくは圧縮され自動インストール機能を含むファイルをハードディスク等の記録媒体にダウンロードすることによっても供給できる。

また、本発明のプログラムを構成するプログラムコードを複数のファイルに分割し、それぞれのファイルを異なるホームページからダウンロードすることによっても実現可能である。つまり、本発明の機能処理をコンピュータで実現するためのプログラムファイルを複数のユーザに対してダウンロードさせるＷＷＷサーバも、本発明に含まれるものである。

また、本発明のプログラムを暗号化してＣＤ−ＲＯＭ等の記憶媒体に格納してユーザに配布し、所定の条件をクリアしたユーザに対し、インターネットを介してホームページから暗号化を解く鍵情報をダウンロードさせる。そして、ダウンロードした鍵情報を使用することにより暗号化されたプログラムを実行してコンピュータにインストールさせて実現することも可能である。

また、コンピュータが、読み出したプログラムを実行することによって、前述した実施形態の機能が実現される。その他、そのプログラムの指示に基づき、コンピュータ上で稼動しているＯＳなどが、実際の処理の一部又は全部を行い、その処理によっても前述した実施形態の機能が実現され得る。

さらに、記録媒体から読み出されたプログラムが、コンピュータに挿入された機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わるメモリに書き込まれる。その後、そのプログラムの指示に基づき、その機能拡張ボードや機能拡張ユニットに備わるＣＰＵなどが実際の処理の一部又は全部を行い、その処理によっても前述した実施形態の機能が実現される。

なお、前述した各実施形態は、何れも本発明を実施するにあたっての具体化の例を示したものに過ぎず、これらによって本発明の技術的範囲が限定的に解釈されてはならないものである。即ち、本発明はその技術思想、又はその主要な特徴から逸脱することなく、様々な形で実施することができる。

１１０画像処理装置１１０
２１０被写体情報取得部
２２０画像取得部
２３０指示取得部
２４０記憶部
２５０画像処理部
２５１層検出部
２５２正常構造推定部
２５３定量化部
２６０表示部
２７０結果出力部

Claims

被写体の断層画像を取得する画像取得手段と、
前記取得された断層画像から前記被写体の一部である所定の層を検出する層検出手段と、
前記検出された所定の層の状態が正常であるか否かを判定する状態判定手段と、
前記状態判定手段において前記検出された所定の層の状態が正常でないと判定された場合に、前記取得された断層画像と前記検出された所定の層の正常時データとを用いて、前記取得された断層画像における前記検出された所定の層の正常構造を推定する推定手段と、
を有することを特徴とする画像処理装置。
前記状態判定手段は、前記検出された所定の層の曲率を示す情報に基づいて前記判定を行うことを特徴とする請求項１に記載の画像処理装置。
前記状態判定手段において前記検出された所定の層の状態が正常であると判定された場合に、前記検出された所定の層の正常時データとして前記層検出手段による前記所定の層の検出結果を出力する出力手段を更に有すること特徴とする請求項１または２に記載の画像処理装置。
前記層検出手段による前記所定の層の検出結果を前記検出された所定の層の正常時データとして保存するか否かの指示を取得する指示取得手段を更に有し、
前記出力手段は、前記指示取得手段が前記保存する指示を取得した場合に、前記検出された所定の層の正常時データとして前記層検出手段による前記所定の層の検出結果を出力することを特徴とする請求項３に記載の画像処理装置。
前記出力手段は、前記検出された所定の層を表す座標群を、外部装置に保存するために前記外部装置に送信して前記出力を行う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。
前記推定手段は、前記取得された断層画像と前記検出された所定の層の正常時データとを対応させる処理を行って、前記取得された断層画像における前記検出された所定の層の正常構造を推定することを特徴とする請求項１乃至５のいずれか１項に記載の画像処理装置。
前記推定手段は、前記取得された断層画像の座標系と前記検出された所定の層の正常時データの座標系とを一致させる処理を行って、前記取得された断層画像における前記検出された所定の層の正常構造を推定することを特徴とする請求項１乃至６のいずれか１項に記載の画像処理装置。
被写体の断層画像を取得する画像取得手段と、
前記取得された断層画像から前記被写体の一部である所定の層を検出する層検出手段と、
前記取得された断層画像の座標系と前記検出された所定の層の正常時データの座標系とを一致させる処理を行って、前記取得された断層画像における前記検出された所定の層の正常構造を推定する推定手段と、
を有することを特徴とする画像処理装置。
前記検出された所定の層の正常時データとして、前記検出された所定の層に関する過去に登録された正常時データを外部装置から取得する被写体情報取得手段を更に有し、
前記推定手段は、前記取得された断層画像と前記取得された正常時データとを用いて、前記検出された所定の層の正常構造を推定することを特徴とする請求項１乃至８のいずれか１項に記載の画像処理装置。
前記検出された所定の層の正常時データが利用できない場合に、当該利用できない旨を示す表示形態を表示手段に表示させる表示制御手段を更に有し、
前記推定手段は、前記検出された所定の層の正常時データが利用できる場合に、前記取得された断層画像における前記検出された所定の層の正常構造を推定することを特徴とすることを特徴とする請求項１乃至９のいずれか１項に記載の画像処理装置。
前記検出された所定の層と前記推定された正常構造との差異を定量化する定量化手段と、
前記定量化手段により定量化した結果を示す表示形態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１乃至９のいずれか１項に記載の画像処理装置。
前記定量化手段は、前記検出された所定の層と前記推定された正常構造との厚みの分布、面積、体積、濃度のうちの少なくとも１つの値を前記差異として求めることを特徴とする請求項１１に記載の画像処理装置。
前記表示制御手段は、前記定量化手段により定量化した結果を過去の定量化データと比較して前記表示手段に表示させることを特徴とする請求項１１または１２に記載の画像処理装置。
前記表示制御手段は、前記検出された所定の層と前記推定された正常構造との差異を示す差異領域を前記取得された断層画像上に重畳して前記表示手段に表示させることを特徴とする請求項１１乃至１３のいずれか１項に記載の画像処理装置。
前記表示制御手段は、前記推定された正常構造を示す表示形態を前記取得された断層画像上に重畳して前記表示手段に表示させることを特徴とする請求項１１乃至１４のいずれか１項に記載の画像処理装置。
前記被写体は、被検眼であ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。
前記検出された所定の層は、網膜色素上皮層、当該網膜色素上皮層とその下部の層との境界、当該網膜色素上皮層とその上部の層との境界のうち少なくとも１つであることを特徴とする請求項１乃至１６のいずれか１項に記載の画像処理装置。
被写体の断層画像の処理を行う画像処理装置を用いた画像処理方法であって、
前記画像処理装置が、前記被写体の断層画像を取得する工程と、
前記画像処理装置が、前記取得された断層画像から前記被写体の一部である所定の層を検出する工程と、
前記画像処理装置が、前記検出された所定の層の状態が正常であるか否かを判定する工程と、
前記判定する工程において前記検出された所定の層の状態が正常でないと判定された場合に、前記画像処理装置が、前記取得された断層画像と前記検出された所定の層の正常時データとを用いて、前記取得された断層画像における前記検出された所定の層の正常構造を推定する工程と、
を有することを特徴とする画像処理装置を用いた画像処理方法。
前記判定する工程では、前記検出された所定の層の曲率を示す情報に基づいて前記判定を行うことを特徴とする請求項１８に記載の画像処理装置を用いた画像処理方法。
前記判定する工程において前記検出された所定の層の状態が正常であると判定された場合に、前記画像処理装置が、前記検出された所定の層の正常時データとして前記検出する工程による前記所定の層の検出結果を出力する工程を更に有すること特徴とする請求項１８または１９に記載の画像処理装置を用いた画像処理方法。
前記画像処理装置が、前記検出する工程による前記所定の層の検出結果を前記検出された所定の層の正常時データとして保存するか否かの指示を取得する工程を更に有し、
前記出力する工程では、前記指示を取得する工程で前記保存する指示を取得した場合に、前記検出された所定の層の正常時データとして前記検出する工程による前記所定の層の検出結果を出力することを特徴とする請求項２０に記載の画像処理装置を用いた画像処理方法。
前記出力する工程では、前記検出された所定の層を表す座標群を、外部装置に保存するために前記外部装置に送信して前記出力を行うことを特徴とする請求項２０または２１に記載の画像処理装置を用いた画像処理方法。
前記推定する工程では、前記取得された断層画像と前記検出された所定の層の正常時データとを対応させる処理を行って、前記取得された断層画像における前記検出された所定の層の正常構造を推定することを特徴とする請求項１８乃至２２のいずれか１項に記載の画像処理装置を用いた画像処理方法。
前記推定する工程では、前記取得された断層画像の座標系と前記検出された所定の層の正常時データの座標系とを一致させる処理を行って、前記取得された断層画像における前記検出された所定の層の正常構造を推定することを特徴とする請求項１８乃至２３のいずれか１項に記載の画像処理装置を用いた画像処理方法。
被写体の断層画像の処理を行う画像処理装置を用いた画像処理方法であって、
前記画像処理装置が、前記被写体の断層画像を取得する工程と、
前記画像処理装置が、前記取得された断層画像から前記被写体の一部である所定の層を検出する工程と、
前記画像処理装置が、前記取得された断層画像の座標系と前記検出された所定の層の正常時データの座標系とを一致させる処理を行って、前記取得された断層画像における前記検出された所定の層の正常構造を推定する工程と、
を有することを特徴とする画像処理装置を用いた画像処理方法。
前記画像処理装置が、前記検出された所定の層の正常時データとして、前記検出された所定の層に関する過去に登録された正常時データを外部装置から取得する工程を更に有し、
前記推定する工程では、前記取得された断層画像と前記取得された正常時データとを用いて、前記検出された所定の層の正常構造を推定することを特徴とする請求項１８乃至２５のいずれか１項に記載の画像処理装置を用いた画像処理方法。
前記画像処理装置が、前記検出された所定の層の正常時データが利用できない場合に、当該利用できない旨を示す表示形態を表示手段に表示する工程を更に有し、
前記推定する工程では、前記検出された所定の層の正常時データが利用できる場合に、前記取得された断層画像における前記検出された所定の層の正常構造を推定することを特徴とすることを特徴とする請求項１８乃至２６のいずれか１項に記載の画像処理装置を用いた画像処理方法。
前記画像処理装置が、前記検出された所定の層と前記推定された正常構造との差異を定量化する工程と、
前記画像処理装置が、前記定量化する工程で定量化した結果を示す表示形態を表示手段に表示する工程と、
を更に有することを特徴とする請求項１８乃至２６のいずれか１項に記載の画像処理装置を用いた画像処理方法。
前記定量化する工程では、前記検出された所定の層と前記推定された正常構造との厚みの分布、面積、体積、濃度のうちの少なくとも１つの値を前記差異として求めることを特徴とする請求項２８に記載の画像処理装置を用いた画像処理方法。
前記表示する工程では、前記定量化する工程で定量化した結果を過去の定量化データと比較して前記表示手段に表示することを特徴とする請求項２８または２９に記載の画像処理装置を用いた画像処理方法。
前記表示する工程では、前記検出された所定の層と前記推定された正常構造との差異を示す差異領域を前記取得された断層画像上に重畳して前記表示手段に表示することを特徴とする請求項２８乃至３０のいずれか１項に記載の画像処理装置を用いた画像処理方法。
前記表示する工程では、前記推定された正常構造を示す表示形態を前記取得された断層画像上に重畳して前記表示手段に表示することを特徴とする請求項２８乃至３１のいずれか１項に記載の画像処理装置を用いた画像処理方法。
前記被写体は、被検眼であることを特徴とする請求項１８乃至３２のいずれか１項に記載の画像処理装置を用いた画像処理方法。
前記検出された所定の層は、網膜色素上皮層、当該網膜色素上皮層とその下部の層との境界、当該網膜色素上皮層とその上部の層との境界のうち少なくとも１つであることを特徴とする請求項１８乃至３３のいずれか１項に記載の画像処理装置を用いた画像処理方法。
請求項１乃至１７のいずれか１項に記載の画像処理装置の各手段としてコンピュータを機能させるためのプログラム。
請求項１８乃至３４のいずれか１項に記載の画像処理装置を用いた画像処理方法の各工程をコンピュータに実行させるためのプログラム。