JP6576035B2 - 眼科装置、視細胞検出方法およびプログラム - Google Patents

Description

開示の技術は、眼科装置、視細胞検出方法およびプログラムに関する。

収差補正技術を眼科装置に応用した補償光学適用眼底走査型レーザー検眼鏡（Ａｄａｐｔｉｖｅ ＯｐｔｉｃｓＳｃａｎｎｉｎｇ Ｌａｓｅｒ Ｏｐｈｔｈａｌｍｏｓｃｏｐｅ、以下ＡＯ−ＳＬＯ）が知られている。ＡＯ−ＳＬＯは、大気のゆらぎを補償することで鮮明な星の画像を取得する望遠鏡の技術を眼に応用した検眼鏡であり、網膜の視細胞一つ一つを解像することができる。

また、臨床価値の観点からＡＯ−ＳＬＯにより取得された画像から診断に有効な指標を抽出する必要がある。有効な指標として視細胞を画像から正確に検出する技術が求められており、非特許文献１では、視細胞の輝度プロファイルに着目し視細胞の周期に相当する周波数に相当するローパスフィルタ処理の後、極大値検出を行う手法が示されている。

Ｋ．Ｙ．Ｌｉ ａｎｄ Ａ．Ｒｏｏｒｄａ，"Ａｕｔｏｍａｔｅｄ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｏｆ ｃｏｎｅ ｐｈｏｔｏｒｅｃｅｐｔｏｒｓ ｉｎ ａｄａｐｔｉｖｅ ｏｐｔｉｃｓ ｒｅｔｉｎａｌ ｉｍａｇｅｓ，" Ｊ．Ｏｐｔ．Ｓｏｃ．Ａｍ．Ａ ２４（５），１３５８-１３６３（２００７）．

しかしながら、画像における輝度の極大値を用いて視細胞を検出しているため、例え視細胞であっても輝度が低ければ検出されない。また、ノイズであっても輝度が高ければ視細胞として検出されてしまうという課題がある。

開示の技術はこのような状況に鑑みてなされたものであり視細胞の検出精度を向上させることを目的の１つとする。

なお、前記目的に限らず、後述する発明を実施するための形態に示す各構成により導かれる作用効果であって、従来の技術によっては得られない作用効果を奏することも本件の他の目的の１つとして位置付けることができる。

開示の眼科装置は、被検眼の眼底画像を取得する画像取得手段と、前記眼底画像の輝度値に基づき、前記眼底画像から複数の視細胞の候補点を取得する候補取得手段と、前記複数の候補点のそれぞれが視細胞であるか否かを判定する判定手段と、前記複数の候補点に含まれる隣接する候補点間の距離に基づいて第１特徴量を取得する第１取得手段と、前記眼底画像の輝度値に基づいて第２特徴量を取得する第２取得手段とを有し、前記判定手段が、前記第２特徴量に基づいて視細胞ではないと判定した候補点を、該候補点と該候補点に隣接する視細胞であると判定した候補点との前記第１特徴量に基づいて視細胞であるか否かを再判定する。

開示の技術によれば視細胞の検出精度を向上させることが可能となる。

実施例１に係る画像処理装置１０の機能構成の一例を示す図である。 実施例１に係る画像処理装置１０の処理手順の一例を示すフローチャートである。 ＷＦ−ＳＬＯ像上にＡＯ−ＳＬＯ像を提示した場合の一例を示す模式図である。 固視位置を指定する固視灯マップの一例を示す模式図である。 図２の配置情報取得の詳細な手順の一例を示すフローチャートである。 ボロノイ解析の一例を示す模式図である。 実施例２に係る画像処理装置１０の処理手順の一例を示すフローチャートである。 図７の配置情報取得の詳細な手順の一例を示すフローチャートである。 実施例３に係る画像処理装置１０の処理手順の一例を示すフローチャートである。 図９の配置エネルギー取得の詳細な手順の一例を示すフローチャートである。

以下、添付の図面を参照して、本実施形態に係る画像処理装置１０を説明する。なお、以下の実施形態において示す構成は一例に過ぎず、本発明は以下の実施例に限定されるものではない。

（実施例１）
本実施例ではＡＯ−ＳＬＯ装置により網膜を撮影したＡＯ−ＳＬＯ像から視細胞（例えば、錐体）を検出する際に画像の輝度値に基づき取得された候補点間の相互の位置関係を考慮して検出点を選択することで視細胞検出を行うアルゴリズムに関して説明する。

はじめにＡＯ−ＳＬＯ像の輝度分布が凸形状となる領域（すなわち輝度が周りに比べて高い領域）を検出し候補点とする。次に、上記候補点の周囲の画素情報より候補点の大きさや曲率に相当する特徴量を取得する。さらに、候補点同士の相互の位置関係から候補点の配置を考慮した特徴量を求める。これらのニ種類の特徴量に基づき検出点を選択する。

こうして候補点の局所的な特徴量と相互の位置関係を考慮した特徴量との双方を用いることによってより精度の高い視細胞検出を行うことが可能となる。

＜眼科装置の構成＞
図１は本実施例に係る画像処理装置１０の機能構成を示したものである。画像処理装置１０は不図示のＣＰＵが不図示のＲＯＭに記憶されたプログラムを実行することで図１に示す画像取得部１００、情報取得部１１０、制御部１２０、画像処理部１４０および出力部１５０として機能する。また、画像処理部１４０は位置合わせ部１４１、検出部１４２、特徴取得部１４３、配置情報取得部１４４および評価部１４５を備える。位置合わせ部１４１、検出部１４２、特徴取得部１４３、配置情報取得部１４４および評価部１４５もＣＰＵがプログラムを実行することにより実現される。

なお、画像処理装置１０が備えるＣＰＵおよびＲＯＭは１つであってもよいし複数であってもよい。すなわち、少なくとも１以上の処理装置（ＣＰＵ）と少なくとも１つの記憶装置（ＲＯＭ等）とが接続されており、少なくとも１以上の処理装置が少なくとも１以上の記憶装置に記憶されたプログラムを実行した場合に画像処理装置１０は上記の各部として機能する。

画像取得部１００はＡＯ−ＳＬＯ装置により撮影された、眼により発生する収差が補正された平面画像（ＡＯ−ＳＬＯ像）を取得する。ＡＯ−ＳＬＯ装置では被検眼により生じる収差が補正された被検眼の眼底からの戻り光に基づいてＡＯ−ＳＬＯ像生成する。すなわち、画像取得部１００は、被検眼により生じる収差が補正された被検眼からの戻り光に基づいて得られた被検眼の眼底画像を取得する画像取得手段の一例に相当する。なおＡＯＳＬＯ装置は例えば特開２０１４−１２１４５２号公報に記載の構成を用いることとしてもよいし、他の構成であってもよい。

また、画像取得部１００は、ＡＯ−ＳＬＯ像よりも広画角な画像であるＡＯ−ＳＬＯ装置により撮影された平面画像（Ｗｉｄｅ Ｆｉｅｌｄ−ＳＬＯ像）を取得する。画像取得部１００が取得した平面画像は制御部１２０を通じて記憶部１３０に記憶される。

情報取得部１１０は被検眼に関する情報やユーザーからの入力を取得する。

制御部１２０は画像取得部１００が取得した平面画像および情報取得部１１０が取得した被検眼に関する情報等を記憶部１３０に記録する。

記憶部１３０はＨＤＤ等により構成され、画像取得部１００が取得した平面画像および情報取得部１１０が取得した被検眼に関する情報等を保存する。また、画像処理部１４０によって得られた視細胞に関する情報が保存される。なお、記憶部１１０はＨＤＤに限定されるものではなく、例えばＳＳＤであってもよい。

画像処理部１４０は取得したＷＦ−ＳＬＯ像に対してＡＯ−ＳＬＯ像を位置合わせする位置合わせ処理を行う。また、画像処理部１４０はＡＯ−ＳＬＯ像に対して視細胞解析を行い視細胞の密度等の指標を算出する。画像処理部１４０は位置合わせ部１４１、検出部１４２、特徴取得部１４３、配置情報取得部１４４および評価部１４５を備える。

位置合わせ部１４１は、ＡＯ−ＳＬＯ像とＷＦ−ＳＬＯ像との位置合わせを行う。より具体的にはＷＦ−ＳＬＯ像を基準にしてＡＯ−ＳＬＯ像の位置合わせを行う。また、位置合わせ部１４１は、位置合わせ後、ＷＦ−ＳＬＯ像における中心窩の位置からＷＦ−ＳＬＯ像に位置合わせされた各ＡＯ−ＳＬＯ像までの距離を算出する。なお、中心窩からＡＯ−ＳＬＯ像までの距離は、中心窩からＡＯ−ＳＬＯ像の中心までの距離であってもよいし、中心窩からＡＯ−ＳＬＯ像の中心窩に近い（または遠い）端部までの距離であってもよい。

なお、中心窩は周りに比べ輝度が低いため、位置合わせ部１４１は、例えばＷＦ−ＳＬＯ像の輝度に基づいて中心窩を検出することが可能である。なお、中心窩が含まれるＡＯ−ＳＬＯ像がある場合、位置合わせ部１４１はＡＯ−ＳＬＯ像から中心窩を検出することとしてもよい。また、ＷＦ−ＳＬＯ像またはＡＯ−ＳＬＯ像を参照し操作者が中心窩を指定することとしてもよい。

検出部１４２は、ＡＯ−ＳＬＯ像の輝度等の情報に基づいてＡＯ−ＳＬＯ像から視細胞の候補となる点（以下、候補点という場合がある）を検出する。すなわち、検出部１４２は、眼底画像の輝度値に基づき、眼底画像から複数の視細胞の候補点を取得する候補取得手段の一例に相当する。

特徴取得部１４３は検出部１４２が検出した候補点の特徴量を取得する。すなわち、特徴量の取得方法の詳細については後述する。

配置情報取得部１４４は検出部１４２が検出した複数の候補点の配置に基づく特徴量を取得する。例えば、配置情報取得部１４４は検出部１４２が検出した複数の候補点のうち隣接する２つの候補点間の距離を取得する。より具体的には注目する候補点に関して隣接する候補点との距離を注目する候補点の特徴量として取得する。すなわち、配置情報取得部１４４は、複数の候補点に含まれる第１候補点の第１特徴量を、第１候補点と前記複数の候補点に含まれる第２候補点との距離に基づいて取得する第１取得手段の一例に相当する。また、第２候補点は第１候補点に隣接する点である。

ここで、特徴取得部１４３が取得する特徴量と配置情報取得部１４４が算出する特徴量とは異なる特徴量である。例えば、特徴取得部１４３が取得する特徴量は１つの候補点と他の候補点との配置関係に着目したものではないが、配置情報取得部１４４が取得する特徴量は１つの候補点と他の候補点との配置関係に着目したものである。

評価部１４５は候補点が視細胞を示す点か否かを評価する。具体的には、評価部１４５は、特徴取得部１４３によって取得された特徴量と配置情報取得部１４４によって取得された特徴量とに基づいて候補点が視細胞を示す点か否かを評価する。すなわち、評価部１４５は異なる２つの特徴量を用いて候補点が視細胞を示す点か否かを評価する。すなわち、評価部１４５は第１特徴量および第２特徴量に基づいて第１候補点が視細胞を示す点か否かを判定する判定手段の一例に相当する。なお、評価部１４５は、特徴取得部１４３によって取得された特徴量を用いずに、配置情報取得部１４４によって取得された特徴量に基づいて候補点が視細胞を示す点か否かを評価することとしてもよい。すなわち、評価部１４５は第１特徴量に基づいて第１候補点が視細胞を示す点か否かを判定する判定手段の一例に相当する。

出力部１５０は各種の情報を不図示のモニタに出力する。例えば、出力部１５０は候補点のうち視細胞を示す点であると判定された点をＡＯ−ＳＬＯ像に重畳してモニタに表示させる。すなわち、出力部１５０はモニタ等の表示部に各種情報を表示させる表示制御部として機能する。出力部１５０は、判定手段によって視細胞を示す点であると判定された候補点と前記眼底画像を表示部に表示させる表示制御手段の一例に相当する。

＜平面画像＞
図３に本実施例で用いたＡＯ−ＳＬＯ装置により取得した複数のＡＯ−ＳＬＯ像とＷＦ−ＳＬＯ像を模式的に示す。図３はＷＦ−ＳＬＯ像上に複数のサイズのＡＯ−ＳＬＯ像が位置合わせされた状態の一例を示している。なお、ＡＯ−ＳＬＯ装置では、固視灯の位置を変えることで被検眼が異なる位置を凝視した状態で撮影することにより網膜の異なる位置の撮影を行うことができる。図４に固視灯の提示位置を操作する固視灯マップを示す。

例えば、最初の撮影を行う際に図４の固視灯マップで中心を選択した状態で固視灯を提示する。以下ではこの位置を基準位置と呼ぶ。このとき提示される固視灯を凝視した被検眼を撮影すると黄斑付近の撮影を行うことができる。

ここで、ＷＦ−ＳＬＯ像とは、補償光学を適用しないで取得された低解像度の画像で、網膜の広い範囲を撮影することで得られた網膜の全体を示す画像である。ＡＯ−ＳＬＯ像をＷＦ−ＳＬＯ像と対応づけることにより、ＷＦ−ＳＬＯ像よりも画角の狭いＡＯ−ＳＬＯ像が網膜全体のどの位置にあるかが示される。以下の実施例では、ＷＦ−ＳＬＯは画像サイズが８ｍｍｘ６ｍｍ、ピクセルサイズは５３３ｘ４００である。またＡＯ−ＳＬＯ像は、撮影領域のサイズが１．７ｍｍｘ１．７ｍｍ、０．８２ｍｍｘ０．８２ｍｍ、０．３４ｍｍｘ０．３４ｍｍ、ピクセルサイズはすべて共通で４００ｘ４００となる３種類の解像度が存在する。ここで撮影領域が１．７ｍｍｘ１．７ｍｍであるＡＯ−ＳＬＯ像をＬ像、０．８２ｍｍｘ０．８２ｍｍであるＡＯ−ＳＬＯ像をＭ像、０．３４ｍｍｘ０．３４ｍｍであるＡＯ−ＳＬＯ像をＳ像とする。以下の視細胞解析では、主にＳ像を解析対象としているが、これに限定されるものではなく他のサイズのＡＯ−ＳＬＯ像を視細胞解析の対象とすることとしてもよい。なお、ＡＯ−ＳＬＯ像とＷＦ−ＳＬＯ像を平面画像と呼ぶ場合がある。また、平面画像のサイズは上記の数値に限定されるものではなく、他の値とすることとしてもよい。

＜撮影プロトコル＞
被検眼の撮影プロトコルは被検眼の着目したい疾病等によって異なるが、標準プロトコルの一例では図３に示すように、最初に黄斑を中心としたＷＦ−ＳＬＯ像を撮影し、その後網膜の複数の位置を解像度の異なるＡＯ−ＳＬＯ像を組み合わせながら撮影を行う。なお、ＡＯ−ＳＬＯ像の撮影時間及びフレームレートは変更することが可能である。ここでは一例としてフレームレートが毎秒３２フレーム、撮影時間が１秒で３２枚の画像より構成される。

＜画像処理装置の処理手順＞
次に、図２のフローチャートを参照して本実施形態の画像処理装置１０の処理手順を説明する。

＜ステップＳ２１０＞
ステップＳ２１０において、情報取得部１１０は不図示のＤＢ（Ｄａｔａ Ｂａｓｅ）等から被検眼の情報を取得する。そして、情報取得部１１０は取得した被検眼の情報を制御部１２０を通じて記憶部１３０に保存する。ここで被検眼の情報とは、被験者のＩＤ、生年月日などの患者情報、被検眼の眼軸長等の計測データ、過去に撮影された画像などを含む。

＜ステップＳ２２０＞
ステップＳ２１０において、画像取得部１００はＡＯ−ＳＬＯ装置により撮影された被検眼網膜の平面画像（ＷＦ−ＳＬＯ像、ＡＯ−ＳＬＯ像）を取得する。そして、画像取得部１００は取得した平面画像を制御部１２０を通じて記憶部１３０に保存する。なお、画像取得部１００は、平面画像をＡＯ−ＳＬＯ装置から直接取得することとしてもよいし、ＤＢ等に保存された平面画像をＤＢ等から取得することとしてもよい。例えば、ステップＳ２１０で取得した患者ＩＤをキーワードに任意の患者の平面画像をＤＢから検索・取得することとしてもよい。

＜ステップＳ２３０＞
ステップＳ２３０において、位置合わせ部１４１はステップＳ２２０で取得されたＡＯ−ＳＬＯ像とＷＦ−ＳＬＯ像との位置合わせを行う。そしてＷＦ−ＳＬＯ像上で指定された中心窩の位置とＷＦ−ＳＬＯ像に位置合わせされたＡＯ−ＳＬＯ像との関係からＡＯ−ＳＬＯ像の中心窩からの距離を求める。

ここで中心窩の位置の指定の仕方は複数存在する。例えば、ＷＦ−ＳＬＯ像は基準位置を固視して取得された画像であるため、ＷＦ−ＳＬＯ像の中心を中心窩とする方法がある。また、ＷＦ−ＳＬＯ像に位置合わせされた、同じく基準位置を固視して取得されたＡＯ−ＳＬＯ像の視細胞密度を評価し、その最も高くなる位置が中心窩とする方法もある。さらに、黄斑付近の血管の走行から中心窩を定義する方法もある。

こうしてＡＯ−ＳＬＯ像上の位置とＷＦ−ＳＬＯ像上の位置との対応付けを行った結果及びＡＯ−ＳＬＯ像の中心窩からの距離を制御部１２０を通じて記憶部１３０に保存する。

＜ステップＳ２４０＞
ステップＳ２４０において、検出部１４２は、ステップＳ２３０で中心窩からの距離が求められたＡＯ−ＳＬＯ像から視細胞の候補となる点を検出する。

ここで候補点の検出法としては以下に示す手法を用いるが、検出法は非特許文献１など複数の方法が知られており、ここで示した手法に限定されるものではない。

まずは前処理として検出部１４２は、対象となるＡＯ−ＳＬＯ像の重ね合わせを行う。ここで１つの撮影箇所に対してＡＯ−ＳＬＯ像は３２フレーム存在するが、その中で最も歪みが少ないフレームを選択し基準フレームとする。なお、フレーム数は例示であり上記の値に限定されるものではない。そして検出部１４２は、基準フレームに対して残り３１フレームをそれぞれ対応づけるワーピング処理を行う。ここでワーピング処理は、画像同士の位相限定相関法によって相互の移動距離を求めた後、画像を６ｘ６のパッチに分割し、各パッチ間の移動距離から画像間のアフィン変形量を求める方法を用いる。なお、パッチへの分割方法は６ｘ６に限定されるものではなく、他の値としてもよい。またワーピング処理の手法として上記と異なる手法を用いることとしてもよい。

次にフィルタ処理として検出部１４２は、上記で求めた重ね合わせ画像にＦＦＴによるＬｏｗＰａｓｓフィルタを適用する。これは視細胞の密度は中心窩からの距離に応じて変化することが知られており、視細胞の最も高い密度に相当する周波数（振動数）よりも高い振動数となる変化はノイズであると考えられるためＬｏｗＰａｓｓフィルタにより除去する。すなわち、ＬｏｗＰａｓｓフィルタは視細胞の最も高い密度に相当する周波数よりも高い周波数成分を減衰またはカットする特性を有するフィルタである。

最後に検出処理として検出部１４２はフィルタ処理後の画像に対して輝度のプロファイルが局所的に凸構造となっているピクセルを検出する。隣接ピクセルが検出された場合には統合し、各統合領域の重心を求めることで、視細胞の候補点を取得する。

こうして取得したＡＯ−ＳＬＯ像上の視細胞の候補点の位置を検出部１４２は制御部１２０を通じて記憶部１３０に保存する。

＜ステップＳ２５０＞
ステップＳ２５０において、特徴取得部１４３は、ステップＳ２４０で取得した視細胞の候補点の特徴量を算出する。特徴量とは様々な種類が考えられるが、ここでは一例として候補点の周りの輝度プロファイルの幾何形状に基づいた特徴量に着目する。すなわち、特徴取得部１４３は第１候補点の輝度に基づいて第１特徴量とは異なる第２特徴量を取得する第２取得手段の一例に相当する。

具体的には、候補点に対してＬａｐｌａｃｉａｎ ｏｆ Ｇａｕｓｓｉａｎ（ＬｏＧ）フィルタを適用して得られた値および／またはＨｅｓｓｉａｎフィルタを適用して得られた値を特徴取得部１４３は取得する。ここで適用するガウシアンフィルタのσを変化させ各候補点でＬｏＧフィルタを適用して得られた値が最小値となるσと、その時のＬｏＧ、Ｈｅｓｓｉａｎを特徴量として取得する。さらに特徴取得部１４３は候補点を中心として上下左右の４ピクセルを合わせた合計５ピクセルの輝度値の平均も取得する。なお、ピクセル数は上下４ピクセルに限定されるものではない。

こうして取得したＡＯ−ＳＬＯ像上の視細胞の候補点の特徴量を特徴取得部１４３は制御部１２０を通じて記憶部１３０に保存する。

上述のようにステップＳ２５０では候補点の周囲の画素情報より候補点の大きさや曲率に相当する特徴量を取得している。

＜ステップＳ２６０＞
ステップＳ２６０において、配置情報取得部１４４はステップＳ２４０で取得した視細胞の候補点の配置を考慮した特徴量を算出する。なお、ステップＳ２６０で算出される特徴量を第１特徴量、ステップＳ２５０で算出される特徴量を第２特徴量という場合がある。

図５を用いてより詳細なステップＳ２６０のより詳細な処理を説明する。

＜ステップＳ５１０＞
ステップＳ５１０において、配置情報取得部１４４はステップＳ２４０で取得した視細胞の候補点のうちで、１の候補点の近傍よりも近い位置に存在する候補点を除去する。ここで近傍とは、ＡＯ−ＳＬＯ像の中心窩からの距離に対して想定される視細胞間の距離に基づく距離（または領域）とする。具体的には、視細胞の密度Ｄと視細胞の理想的な配置状態とされるｈｏｎｅｙｃｏｍｂ状に配置された場合の隣接する視細胞間の距離Ｌ_Ｄとは以下の関係がある。

また、健常眼において、中心窩からの距離と視細胞の密度との関係は解剖学的データなどの先行研究が公表されている。従って、配置情報取得部１４４は、これらの値を参考にＡＯ−ＳＬＯ像の中心窩からの距離から視細胞の想定密度を求め、求められた視細胞の密度対応する視細胞間距離Ｌ_Ｄを算出する。なお、視細胞の密度Ｄと視細胞間の距離Ｌ_Ｄとの関係を示す情報および中心窩からの距離と視細胞の密度との関係を示す情報は予め記憶部１３０等の記憶手段に記憶されている。

なお、本実施例では近傍をＬ_Ｄ＊０．４と定義し、ある候補点の近傍よりも短い距離で他の候補点が隣接する場合には、配置情報取得部１４４はより視細胞らしいと考えられる候補点を残し、もう一方を候補点から削除する。なお、近傍の定義は上記の例に限定されるものではなく、例えば、距離Ｌ_Ｄ対して乗算される係数は０．４以外の値であってもよい。ここで、Ｌ_Ｄは理想的な状態での視細胞間の距離であり、実際に取得される視細胞では視細胞の乱れ等から視細胞間の距離は理想的な距離よりも短くなる場合がある。このような状況で、もし近傍の定義をＬ_Ｄとすると視細胞の乱れがある場合には本来視細胞である候補点をも削除することとなってしまう。そこで、本実施例では、Ｌ_Ｄに対して１より小さい係数０．４をＬ_Ｄに乗算することで視細胞の乱れがある場合でも候補点を視細胞として検出できるようにしている。なお、上記の記載から明らかなように、Ｌ_Ｄに乗算する係数は０．５など１より小さな値であれば上記の効果を奏することが可能である。但し、Ｌ_Ｄに乗算する係数が小さすぎると候補点を削除することができなくなってしまう。

ここで視細胞らしさの評価法としては、ステップＳ２５０でもとめたＬｏＧフィルタを適用することで得られた値を用いる。例えば、配置情報取得部１４４は、互いの距離がＬ_Ｄ＊０．４よりも小さな２つの候補点に関して、一方の候補点に対してＬｏＧフィルタを適用した得た値が−２５０、他方が−６００であれば、配置情報取得部１４４は前者の候補点は凸構造が後者の候補点に比べて小さいため、前者の候補点を候補点から削除する。

但し、評価方法は複数存在し、例えば輝度の高いものを選択することや、σの大きいもの、Ｈｅｓｓｉａｎフィルタの結果が点形状に近いものを選択することも可能である。

＜ステップＳ５２０＞
ステップＳ５２０において、配置情報取得部１４４はステップＳ５１０で候補点の削除（以下、近傍除去という場合がある）を行った後の候補点を用いてボロノイ解析を行う。ボロノイ解析とは図６に示したように、対象となる点の集合に対し、２点間の垂直二等分線によって画像内の領域を分割する解析法のことで、各検出点に属する領域はボロノイ領域、対応する検出点は母点、母点と隣接する検出点を隣接点、ボロノイ領域の頂点をボロノイ点と呼ぶ。

＜ステップＳ５３０＞
ステップＳ５３０において、配置情報取得部１４４はステップＳ５２０で取得したボロノイ解析結果に基づき、候補点の配置を考慮した候補点の特徴量を算出する。

具体的には、各候補点（母点）に対して求められた、隣接点と母点間の距離の平均値Ｌ_ａｖｅ、標準偏差Ｋを特徴量とする。平均値Ｌ_ａｖｅは、第１候補点と複数の候補点のうち第２候補点を含む少なくとも２以上の候補点との距離の平均値の一例に相当する。

なお、配置に基づく特徴量は複数存在し、ここでの例に限定されるものではない。例えば、各候補点のボロノイ領域がどの程度円形に近いかをみる偏円度なども特徴量となる。さらに、各候補点の隣接点のみでなく隣接点の隣接点までも含めて特徴量を定義することも可能である。また、ボロノイ解析を用いずに配置に基づく特徴量を定義することも可能である。具体的には、各候補点から半径２＊Ｌ_Ｄ以内に存在する点の数などを特徴量とすることもできる。

配置情報取得部１４４は、こうして取得された視細胞の候補点間の配置を考慮した特徴量を制御部１２０を通じて記憶部１３０に保存する。その後ステップＳ２６０に戻る。

＜ステップＳ２７０＞
ステップＳ２７０において、評価部１４５はステップＳ２４０で取得した視細胞の候補点からステップＳ２５０、ステップＳ２６０で取得した特徴量に基づき視細胞の検出点を求める。

具体的には評価部１４５は、ステップＳ２５０、Ｓ２６０で取得した特徴量から候補点を検出点（視細胞）かノイズか否かを識別する。

ステップＳ２５０で取得された特徴量には以下のような特性がある。例えば輝度はより大きい方、ＬｏＧフィルタの結果はより小さい方が視細胞らしく、Ｈｅｓｓｉａｎの固有値λ１、λ２は値が同程度で絶対値が大きい方が視細胞らしい。また、σはＡＯ−ＳＬＯ画像の中心窩からの距離に応じて想定される視細胞の大きさに相当するものがより視細胞らしい。評価部１４５はこれらのことを考慮して候補点を検出点かノイズか否かを識別する
さらに、ステップＳ２６０で取得された候補点の配置に基づく特徴量に関しては、母点と隣接点との距離の平均値が、ステップＳ５１０で取得した視細胞間の距離Ｌ_Ｄと近いほど、当該母点は視細胞らしく、さらに母点と隣接点との距離の分散は小さい方が視細胞らしい。

複数の特徴量から視細胞か否かを判断する方法は複数知られている。例えば視細胞もしくはノイズであることが正解としてラベル付けされているデータを用いて学習し、識別境界を決める方法がある。この場合にはサポートベクターマシンやニューラルネットワークなどの識別器を用いることができる。

または、それぞれの特徴量の影響を重み付けし、スコアとして定義する方法もある。ひとつの例としては、例えば視細胞らしさのスコアＳを以下のように定義する。
Ｓ＝０．８＊Ｓ_ＬｏＧ＋０．２＊Ｓ_{ｖｏｒｏｎｏｉ}
但し、

とする。そして、評価部１４５は、スコアＳがある閾値（例えば０．５とする）よりも大きければ視細胞と判定し、閾値以下であればノイズと判定する。なお、閾値は０．５以外の値であってもよい。なお、上記のスコアＳの算出に際して、Ｓ_ＬｏＧはＬｏＧを適用することにより得られた値であり、Ｓ_{ｖｏｒｏｎｏｉ}は候補点間の距離に基づいて得られた値である。より具体的には、Ｓ_{ｖｏｒｏｎｏｉ}は隣接点と母点間の距離の平均値Ｌ_ａｖｅおよび理想状態の視細胞間の距離Ｌ_Ｄに基づいて得られる。ここで、視細胞間の距離Ｌ_Ｄは、視細胞検出の対象となっているＳＡＯ−ＳＬＯ像の中心窩からの距離に基づいて変化する値である。すなわち、Ｓ_{ｖｏｒｏｎｏｉ}は眼底画像が取得された被検眼の眼底における位置と中心窩との距離および第１候補点と第２候補点との距離に基づいて得られる第１特徴量の一例に相当する。ここで、視細胞間の距離Ｌ_Ｄは底画像が取得された前記被検眼の眼底における位置と中心窩との距離に基づいて得られる視細胞間の基準距離の一例に相当する。すなわち、第１特徴量は、基準距離および前記第１候補点と前記第２候補点との距離に基づいて得られる。

さらに、上記の式では隣接点と母点間の距離の平均値Ｌ_ａｖｅと基準となる視細胞間の距離Ｌ_Ｄとの差分を視細胞間の距離Ｌ_Ｄで除算することで、Ｓ_{ｖｏｒｏｎｏｉ}を得ている。すなわち、第１候補点と第２候補点との距離と、基準距離との差に基づいて第１特徴量を取得している。ここで、平均値Ｌ_ａｖｅと基準となる視細胞間の距離Ｌ_Ｄとの差が小さいほどＳ_{ｖｏｒｏｎｏｉ}は大きくなるため候補点は視細胞であると判定され易くなる。すなわち、第１特徴量の一例に相当するＳ_{ｖｏｒｏｎｏｉ}は、平均値Ｌ_ａｖｅと基準となる視細胞間の距離Ｌ_Ｄとの差が小さいほど、判定手段によって第１候補点が視細胞であると判定され易くなる値に変化する。

なお、Ｓ_ＬｏＧに対する係数を０．８、Ｓ_{ｖｏｒｏｎｏｉ}に対する係数を０．２としているが係数はこれらの値に限定されるものではなく、他の値とすることとしてもよい。

他にも候補点周辺の局所領域より求めた特徴量と候補点の配置に基づく特徴量とを異なる役割で用いることも考えられる。具体的には、視細胞らしさのスコアは局所領域より求めた特徴量のみから決め、その閾値の大きさを配置に基づく特徴量の値によって変える方法を用いる。具体的には、以下のように定義されたスコアを考える。
Ｓ＝０．８＊Ｓ_ＬｏＧ＋０．２＊Ｓ_ｓｉｚｅ
但し、

であり、中心窩からの距離に応じて変化するσの理想値σ_{ｉｄｅａｌ}よりもσが小さい場合のみ低いスコアとなるようにしている。理想値σ_{ｉｄｅａｌ}よりも視細胞検出に用いたσが小さいことは候補点間の距離が理想よりも短いことを意味している。すなわち、ノイズを視細胞の候補として検出している可能性があることを意図している。σの理想値σｉ_ｄｅａｌの値は中心窩からの距離をｄとした時、以下のように定義する。

そして視細胞であるか否かの判定の閾値Ｔを以下のように定義する。

評価部１４５は、各検出点のスコアＳがＴより大きければ視細胞であると判定し、閾値Ｔ以下であればノイズと判定する。なお、上記の閾値Ｔの値を決定する際に用いる０．３および０．５等の値は例示であり、これらの値に限定されるものではない。なお、理想値σｉ_ｄｅａｌの決定の際に用いる１．０および２．０等の値も例示であり、これらの値に限定されるものではない。

評価部１４５は、上述のように取得したＡＯ−ＳＬＯ像上の視細胞の検出点およびそのスコア等を制御部１２０を通じて記憶部１３０に保存する。

＜ステップＳ２８０＞
ステップＳ２８０において出力部１５０はステップＳ２２０で取得したＡＯ−ＳＬＯ像及びステップＳ２７０で取得した視細胞の検出点を制御部１２０を通じて記憶部１３０から取得する。そして、出力部１５０は外部の不図示のモニタ等にＡＯ−ＳＬＯ像上に検出点を重畳して表示してユーザーに示すと同時に不図示のＤＢなどに保存する。

このように、候補点から視細胞であるとする検出点を選択する際に各候補点に対しＡＯ−ＳＬＯ像から得られた特徴量と候補点同士の位置関係（配置）に基づき検出点を選択している。これにより、候補点同士の位置関係を考慮していなかった従来技術に比べて、本実施形態ではより精度の高い視細胞検出を行うことが可能となる。

具体的には、視細胞の輝度は時間に対して変化しているため、視細胞であっても撮影タイミングによっては輝度が低い場合があるが、本発明によれば輝度のみではなく視細胞の配置を考慮しているため、撮影タイミングによる視細胞検出漏れを防ぐことが可能となる。

また、ノイズにより本来視細胞であるがＡＯ−ＳＬＯ像において輝度が低くなってしまった場合にも、本実施例では視細胞の配置を考慮しているため精度良く視細胞を検出することが可能となる。

さらに、上記の実施例においてはボロノイ解析を行うこととしたが、ボロノイ解析を行うことなくステップＳ５３０を実行することとしてもよい。すなわち、ボロノイ解析は必須の処理ではない（以下の実施例についても同様）。すなわち、ある候補点を母点（基準点）として隣接する点を抽出すればよい。なお、ボロノイ解析を行うことで簿点が含まれるボロノイ領域に隣接するボロノイ領域が明確になるため、隣接する候補点を探すためには隣接するボロノイ領域に含まれる候補点のみを参照すればよい。従って、ボロノイ解析を行ってからステップＳ５３０の処理を行うと、母点に対する隣接する候補点を用いる処理が簡単になるという効果を奏することが可能となる。

なお、ステップＳ５３０においてＳ_ＬｏＧおよびＳ_{ｖｏｒｏｎｏｉ}に基づいて候補点が視細胞か否か判定しているがこれに限定されるものではなく、Ｓ_ＬｏＧを用いずＳ_{ｖｏｒｏｎｏｉ}を用いて候補点が視細胞か否か判定してもよい。

（実施例２）
実施例１では候補点の配置に基づく特徴量とＡＯ−ＳＬＯ像より求めた特徴量の双方を用い視細胞を検出する例を示した。

本実施例では視細胞の検出はＡＯ−ＳＬＯ像より求めた特徴量のみに基づき行い、その後候補点の中で視細胞ではないと判定された点に対し配置に基づく特徴量に基づき視細胞として再度検出するか否かを判断する例を示す。

本実施例に関わる画像処理装置１０の機能構成は、図１と同様なので説明は省略する。

図７のフローチャートを参照して本実施形態の画像処理装置１０の処理手順を説明する。ここでステップＳ２１０からＳ２５０に関しては実施例１で説明した処理手順と変わらないために説明は省略する。

＜ステップＳ７６０＞
ステップＳ７６０において、評価部１４５はステップＳ２４０で取得した視細胞の候補点に対するステップＳ２５０で取得した特徴量に基づき候補点が視細胞を示す点であるか否かを判定する。すなわち、ステップＳ２５０における特徴取得部１４３は第１特徴量と異なる第２特徴量を第１候補点および第２候補点から取得する第２取得手段の一例に相当する。

ここではＡＯ−ＳＬＯ像より求めた特徴量のみに基づきスコアを定義し、スコアと閾値との比較結果に応じて候補点が視細胞であるか否かの判定を行う。具体的には、ステップＳ２７０の後半で示したと同様のスコアを定義する。
Ｓ＝０．８＊Ｓ_ＬｏＧ＋０．２＊Ｓ_ｓｉｚｅ
そして、視細胞であるか否かの判定の閾値はすべての検出点に対して０．５とする。評価部１４５は、各検出点のスコアが０．５より大きければ視細胞であると判定し、０．５以下であればノイズと判定する。なお、本実施形態では閾値を０．５としているが他の値としてもよい。

評価部１４５は、こうして取得したＡＯ−ＳＬＯ像上の視細胞の検出点と、ノイズと判定された候補点（以下、ノイズ点という場合がある）とを制御部１２０を通じて記憶部１３０に保存する。

＜ステップＳ７７０＞
ステップＳ７７０において、評価部１４５は、ステップＳ７６０で取得した視細胞の検出点とノイズ点とを取得し、各ノイズ点に対して視細胞の検出点との配置情報を取得する。

図８を用いてより詳細なステップＳ７７０の処理を説明する。

＜ステップＳ８１０＞
ステップＳ８１０において、配置情報取得部１４４はＳ５１０と同様の方法でステップＳ７７０で取得したノイズ点のうち１のノイズ点の近傍よりも近い位置に存在するノイズ点を除去する。今後、近傍点が除去された後のノイズ点を第二候補点と呼ぶ。近傍という文言の定義は実施例１と同様である。

＜ステップＳ８２０＞
ステップＳ８２０において、配置情報取得部１４４はステップＳ７６０で取得した視細胞の検出点（以下、第一視細胞検出点という場合がある）同士の、最近接視距離を取得する。

具体的には、ステップＳ５２０と同様の方法で、第一視細胞検出点同士のボロノイ解析を行う。そして、各第一視細胞検出点（母点）に対応づけられた隣接点の中から、母点との距離が最も小さい隣接点を選択し、その距離を各母点の最近接距離（ｎｅａｒｅｓｔ ｎｅｉｇｈｂｏｒ ｄｉｓｔａｎｃｅ 以下ＮＮＤ）と定義する。次に、配置情報取得部１４４は全第一視細胞検出点のＮＮＤの分布を求める。視細胞の検出が正しく行われていない領域がある場合、その周辺の検出点のＮＮＤは大きくなり、またノイズを誤検出している場合にはその周辺のＮＮＤは小さくなる。そのような検出の不完全性の影響を除くために、配置情報取得部１４４は全第一視細胞検出点のＮＮＤの頻度分布を求め、最も頻度の高い（Ｍｏｓｔ Ｆｒｅｑｕｅｎｔ）ＮＮＤを取得する（以下、ＭＦＮＮＤとする）。頻度分布を求めるためには、ヒストグラムを求める際のビンの大きさが重要となる。ここではビンの大きさを０．２μｍとしたが、この値は対象とする画像の画素分解能などに依存して変化するものでここでの値に限定されるものではない。

＜ステップＳ８３０＞
ステップＳ８３０において、配置情報取得部１４４はステップＳ５２０と同様の方法で、Ｓ８１０で取得した各第二候補点およびＳ７６０で取得した第一視細胞検出点を合わせた点に対してのボロノイ解析を行う。

ここで、ステップＳ５２０ではすべての候補点を対象にボロノイ解析を行っているが、本実施形態では各第二候補点に対して周囲に存在する第一視細胞検出点の配置を評価している所に差異がある。つまり、ここでは、配置情報取得部１４４は母点を第二候補点、隣接点を第一視細胞検出点とする。

＜ステップＳ８４０＞
ステップＳ８４０において、配置情報取得部１４４はステップＳ５３０と同様の方法でＳ８３０で取得した各第二候補点のボロノイ解析結果から配置に基づく特徴量を算出する。

具体的には、各候補点（母点：第二候補点）に対して求められた隣接点（第一視細胞検出点）と母点間の距離の平均値Ｌ_ａｖｅ、分散Ｋ、ＮＮＤを特徴量とする。但し、配置に基づく特徴量は複数存在し、ここでの例に限定されるものではない。

こうして取得した第一視細胞検出点に対するＭＦＮＮＤおよび第二候補点に対する配置に基づく特徴量を、制御部１２０を通じて記憶部１３０に保存した後、ステップＳ７７０に戻る。第一視細胞検出点に対するＭＦＮＮＤとはステップＳ８２０でノイズ点を含まない第一視細胞検出点に対する解析により得られる値である。また、第二候補点に対する配置に基づく特徴量とは、ステップＳ８２０でノイズ点および第一視細胞検出点に対する解析により得られる値である。

＜ステップＳ７８０＞
ステップＳ７８０において、評価部１４５は、ステップＳ８２０で取得したＭＦＮＮＤおよびステップＳ８４０で取得した第二候補点の特徴量に基づき、第二候補点の中から新たに視細胞として検出する点を選択する。

ここで選択したいのは第二候補点のうち第一視細胞検出点との配置がＭＦＮＮＤの１．０倍〜３．０倍程度の距離関係にありかつスコアが閾値に近いものである。そのような第二候補点は視細胞に特有の輝度の明滅の影響や撮影時のノイズなどによりステップＳ７６０では視細胞ではないと判定されたが候補点相互の位置関係を考えると視細胞である可能性が高いと考えられる。

具体的には、第二候補点のうち以下の特徴をもつものを選択する（以下、選択された第二候補点とする）。
０．４＊Ｌ_Ｄ＜ＮＮＤ，
ＭＦＮＮＤ＜Ｌ_ａｖｅ＜３＊ＭＦＮＮＤ，
Ｋ＜０．３＊Ｌ_Ｄ，
ここでは、ステップＳ８４０で取得したＮＮＤが０．４＊Ｌ_Ｄよりも大きいこと、ステップＳ８４０で取得した第二候補点と第一視細胞検出点との距離の平均値Ｌ_ａｖｅがステップＳ８２０で取得したＭＦＮＮＤより大きく０．３＊ＭＦＮＮＤより小さいことを判定条件としている。さらに、第二候補点と第一視細胞検出点との距離の分散Ｌが０．３＊Ｌ_Ｄよりも小さいことを判定条件としている。視細胞が理想的な配置にはなっていないことを考慮してステップＳ８４０で取得したＮＮＤは０．４＊Ｌ_Ｄより大きいことを条件としている。すなわち、Ｌ_Ｄに対して１より小さな係数を乗算している。但し、Ｌ_Ｄに対して乗算する係数を過剰に小さくすると、ＮＮＤが過剰に小さい場合（第二候補点が明らかにノイズの場合）にも第二候補点は視細胞の可能性があると判定されてしまう。そこで、本実施例ではＬ_Ｄに対して乗算する係数を上記の値としている。また、平均値Ｌ_ａｖｅについての判定式は、ステップＳ８２０で取得したＭＦＮＮＤは最頻出のＮＮＤであるためステップＳ８２０で取得されるＮＮＤにはＭＦＮＮＤよりも大きいＮＮＤが含まれていることを考慮しＭＦＮＮＤに乗算する係数を決定している。

また、分散Ｋについての判定式は、視細胞が理想的な配置にはなっていないことおよび第二候補点と第一視細胞検出点との距離が近すぎる場合には第二候補点をノイズとして処理する必要があることを考慮してＬ_Ｄに乗算する係数を決定している。

なお、上記の係数は上記の例に限定されるものではなく他の値としてもよい。例えば、ＭＦＮＮＤに対して乗算される係数は１ではなく１より小さい値であってもよい。

また、上記の例では３つの条件を第二候補点が視細胞か否かの判定に用いているがこれに限定されるものではない。

評価部１４５はステップＳ７６０で定義されたスコアが０．３以上であるものを追加の検出点（以下、第二視細胞検出点）として選択する。なお、本実施例では閾値として０．３を用いることとしてが、これに限定されるものではない。

評価部１４５は、こうして取得した第二視細胞検出点を制御部１２０を通じて記憶部１３０に保存する。

上述のように、ステップＳ７６０で候補点がノイズか否か判定され、ノイズと判定された場合であっても、ステップＳ８４０において配置情報取得部１４４はノイズと判定された候補点とノイズではないと判定された候補点との距離を算出する。そして、ステップＳ７８０において評価部１４５は算出された距離に基づいて一度はノイズと判定された候補点が本当にノイズか否か再度判定する。すなわち、判定手段が第２特徴量に基づいて第１候補点は視細胞を示す点ではなく第２候補点は前記視細胞を示す点であると判定した場合、判定手段は、第１特徴量に基づいて第１候補点は視細胞を示す点か否かを判定する。

＜ステップＳ７９０＞
ステップＳ７９０において出力部１５０は、ステップＳ２２０で取得したＡＯ−ＳＬＯ像、ステップＳ７６０で取得した第一視細胞検出点、ステップＳ７８０で取得した第二視細胞検出点を、制御部１２０を通じて記憶部１３０から取得する。そして外部の不図示のモニタ等に、ＡＯ−ＳＬＯ像上に検出点を重畳して表示すると同時に、不図示のＤＢなどに保存する。

このとき、出力部１５０によって第一視細胞検出点と、第二視細胞検出点との表示に用いる色を変えることで、ユーザーに両者の違いを明示することも可能である。これによりユーザーは、ＡＯ−ＳＬＯ像の特徴からはノイズである可能性が高くなかったが、検出点の配置の状態から視細胞の可能性を示唆されている点を知ることができ、特に注意してマニュアル修正などを行うことが可能になる。すなわち、出力部１５０は、判定手段が第１特徴量に基づいて、第１候補点は前記視細胞を示す点であると判定した場合、第１候補点と第２候補点とを異なる表示形態で表示部に表示させる表示制御手段の一例に相当する。

ここでは、ステップＳ７８０では閾値を決めて第二視細胞検出点を確定させる場合を示したが、ステップＳ７８０では選択された第二候補点とそのスコアを保存し、ステップＳ７９０において、ユーザーの入力により閾値を決め表示することもできる。

具体的には、スライダーバーなどにより閾値を変化させ、スコアが閾値以上となる第二候補点のみを、第一視細胞検出点と共に、異なる色で表示することができる。このような表示を行うことで、ユーザーのマニュアル修正をより効率的にサポートすることが可能となる。本実施例によれば、実施例１と同様に視細胞の検出精度を向上することが可能となる。

具体的には、視細胞の輝度は時間に対して変化しているため、視細胞であっても撮影タイミングによっては輝度が低い場合があるが、本発明によれば輝度のみではなく視細胞の配置を考慮しているため、撮影タイミングによる視細胞検出漏れを防ぐことが可能となる。

また、ノイズにより本来視細胞であるがＡＯ−ＳＬＯ像において輝度が低くなってしまった場合にも、本実施例では視細胞の配置を考慮しているため精度良く視細胞を検出することが可能となる。

（実施例３）
実施例２では、候補点の中でノイズと判定されたものの中から配置情報に基づき視細胞がありそうな場所に存在する点を再度選択する例を示した。本実施例では、ノイズと判定された候補点があるか否かに関わらず、配置情報に基づき誤検出の可能性が高い検出点を除去したり、視細胞がありそうな場所に新たに検出点を設定する例を示す。

本実施例に関わる画像処理装置１０の機能構成は、図１と同様なので説明は省略する。

図９のフローチャートを参照して、本実施形態の画像処理装置１０の処理手順を説明する。ここでステップＳ２１０からＳ２５０に関しては実施例１で説明した処理手順と、ステップＳ７６０に関しては実施例２で説明した処理手順と変わらないために、説明は省略する。

＜ステップＳ９７０＞
ステップＳ９７０において、配置情報取得部１４４は、ステップＳ７６０で取得した視細胞の検出点（第一視細胞検出点）を取得し、その配置状態から配置エネルギーを算出する。図１０を用いてより詳細なステップを説明する。図１０はボロノイ解析の結果を示す図であり、６０１は母点、６０２はボロノイ領域、６０３はボロノイ点、６０４は隣接点を示している。

＜ステップＳ１０１０＞
ステップＳ１０１０において、配置情報取得部１４４は、ステップＳ７６０で取得した第一視細胞検出点間の平均距離を求める。具体的には、第一視細胞検出点のボロノイ解析を行い、全母点と隣接点間の距離の分布を求め、最も頻度の高い距離を平均距離とする。ここで、第一視細胞検出点にはノイズや未検出点などの擬陽性、擬陰性が存在するため、母点と隣接点間の距離には正しくない値も含まれている。しかし、最も頻度の高い距離を求めることでより正しい値が取得できると考える。ここで求めた、全母点と隣接点間の距離の分布で最も頻度の高い距離を以下では隣接平均距離Ｌ_Ｎとする。

＜ステップＳ１０２０＞
ステップＳ１０２０において、配置情報取得部１４４は、ステップＳ１０１０で取得した第一視細胞検出点間の平均距離及びボロノイ解析結果を取得し、第一視細胞検出点の配置エネルギーを算出する。

具体的には、各第一視細胞検出点ｎの配置エネルギーを以下のように定義する。

但しここで、Ｎ_ｎは第一視細胞検出点（母点ｎ）に対応する隣接点の数であり、Ｌ_ｊは母点と各隣接点間の距離である。またΔμは、一つの視細胞が存在する場合のポテンシャルエネルギーに相当し、例えばＡＯ−ＳＬＯ像全体の平均輝度値Ｉ_Ａｖｅと検出点の輝度値Ｉを用いて以下のように定義する。

λは、検出点相互の配置に依存する第一項と、単一の検出点のポテンシャルエネルギーである第二項のバランスを決めるパラメタである。

但し、ポテンシャルエネルギーの定義の仕方は複数ある。例えばここではＡＯ−ＳＬＯ像全体の平均輝度値Ｉ_Ａｖｅを用いているが、第一視細胞検出点の輝度値の平均を用いることもできるし、もしくはステップＳ２３０で取得した視細胞の全候補点の、輝度値の平均を用いることもできる。

第一視細胞検出点の数をＮとすると、全体の配置エネルギーＥ_{Ｌａｙｏｕｔ}は、各第一視細胞検出点のエネルギーを積算して、下のように定義する。

＜ステップＳ１０３０＞
ステップＳ１０３０において、配置情報取得部１４４は、ステップＳ１０２０で取得した配置エネルギーを、最も小さくする視細胞の配置を求める。

但しここでは、第一視細胞検出点の位置の探索は行わず、検出点の追加もしくは削除を行う。

先ずはステップＳ１０２０で取得した各第一視細胞検出点のうち、ＮＮＤの小さい点（母点ｍ）に着目する。この点を削除した場合の全体の配置エネルギーへの影響は、母点ｍの配置エネルギーＥ_ｍの減少と同時に、ｍの全隣接点（ｌ⊂Ｎ_ｍ）を母点とするボロノイ領域の形状変化の影響を受ける。

よって、ｍの全隣接点を対象にボロノイ解析を再度行い、その前後での差分を求める。

上記の処理を、ＮＮＤが０．５＊Ｌ_Ｄより小さい全ての第一視細胞検出点に対して行い、全体の配置エネルギーを下げる場合には、削除候補点とした。なお、Ｌ_Ｄに乗算される係数は他の値であってもよい。

次に、ステップＳ９３０で取得した各第一視細胞検出点のうち、（ｆａｒｅｓｔ ｎｅｉｇｈｂｏｕｒ ｄｉｓｔａｎｃｅ、以下ＦＮＤ）の大きい点に着目する。ここでＦＮＤとは、ＮＮＤと同様の考え方だが、各母点に対応する隣接点の中で、母点との距離が最も大きな隣接点間との距離である。検出点のエネルギーを下げるためには、検出点とＦＮＤとなる隣接点との中点近くに検出点を追加することが考えられる。よって、ＦＮＤの大きさがＬ_Ｎの２倍以上となる場合に、配置情報取得部１４４は、母点とＦＮＤとなる隣接点との中点ｘ_Ａを中心に、追加点エネルギーΔＥ_ＡＤＤを定義する。すなわち、配置情報取得部１４４は、第１候補点と第２候補点との距離に基づいて新たな候補点を追加する追加手段の一例に相当する。
ΔＥ_ＡＤＤ＝−ｆ（ｘ_ａ）
ここで関数ｆとしては、ｘ_Ａを中心としたガウシアンなどが考えられる。より単純に、Ｌ_Ｎの２倍程度の範囲に限定し、距離の逆数に相当する値としてもよい。

そして、ＦＮＤの大きさがＬ_Ｎの２倍以上となる全第一視細胞検出点の追加点エネルギーを積算する。

本来視細胞が検出されるべきだが検出が擬陰性となっている点に対しては、その周囲の複数の検出点の追加点エネルギーが積算されることにより、より明確にエネルギーの小さい点となる。追加する候補点の選択はいくつかの方法がある。例えばＥ_ＡＤＤの極小値を求め、それがある閾値以下となる場合を、追加候補点とする場合が考えられる。もしくは削除候補点の選択の場合と同様に、各追加候補点に対しその点を追加した場合の周囲の第一視細胞検出点のボロノイ領域の変化から配置エネルギーの変化ΔＥ_{Ｌａｙｏｕｔ}を算出し、全体の配置エネルギーを下げる場合には、追加候補点とする場合も考えられる。

こうして取得した、削除候補点や追加候補点を、制御部１２０を通じて記憶部１３０に保存した後、ステップＳ９７０に戻る。

＜ステップＳ９８０＞
ステップＳ９８０において、出力部１５０は、ステップＳ２２０で取得したＡＯ−ＳＬＯ像、ステップＳ７６０で取得した視細胞の検出点（第一視細胞検出点）、ステップＳ９７０で取得した削除候補点や追加候補点を、制御部１２０を通じて記憶部１３０から取得する。そして外部の不図示のモニタ等に、ＡＯ−ＳＬＯ像上に重畳して表示すると同時に、不図示のＤＢなどに保存する。

このとき、削除候補点や追加候補点の色を、第一視細胞検出点の色と変えることで、ユーザーに両者の違いを明示する。これによりユーザーは、画像の局所的な特徴から取得された検出点に対し、視細胞の規則的な配置の状態からノイズの可能性のある点や、視細胞の可能性を示唆されている点を知ることができ、特に注意してマニュアル修正などを行うことが可能になる。

削除候補点に関しては、あらかじめ第一視細胞検出点から削除し、ユーザーには提示しないことも可能であるし、もしくは削除候補点としてユーザーに提示し、ユーザーによる確認の後に第一視細胞検出点から削除することも可能である。

追加候補点に関しても、ここではステップＳ９７０で閾値を決めて追加候補点を確定させる場合を示したが、ステップＳ９７０ではＥ_ＡＤＤの極小値とその値を保存し、ステップＳ９８０において、ユーザーの入力により閾値を決め表示することもできる。より具体的には、スライダーバーなどにより閾値を変化させ、Ｅ_ＡＤＤが閾値以下となる極小点のみを、異なる色で表示する場合などである。このような表示を行うことで、ユーザーのマニュアル修正をより効率的にサポートすることが可能となる。

さらに、ここではステップＳ９７０において、削除候補点や追加候補点を取得して提示する場合について示しているが、ステップＳ９７０における配置エネルギーの解析結果をユーザーに提示することも可能である。

例えば、追加点エネルギーＥ_ＡＤＤの分布を画像として取得する。さらに、削除候補点を選択する際に算出している、ＮＮＤの小さい母点ｍに対して取得された、母点ｍを削除した場合の配置エネルギーの変化量ΔＥ_{Ｌａｙｏｕｔ}を画像化する。具体的には、母点ｍの位置を中心に、大きさΔＥ_{Ｌａｙｏｕｔ}のガウシアンを配置するとし、それをすべての削除候補点について積算する。追加点エネルギーＥ_ＡＤＤの分布強度を青で、ΔＥ_{Ｌａｙｏｕｔ}の積算画像を赤で示して統合することにより、第一視細胞検出点の偽陽性の可能性が高い領域を赤、偽陰性の可能性が高い領域を青で示すことができる。このような検出結果の偽陽性や偽陰性の可能性の分布は、検出結果の信頼度を示していると考えることもできる。この信頼度分布をユーザーに提示することで、ユーザーのマニュアル修正をより効率的にサポートすることが可能となる。

（実施例４）
実施例１〜３では、検出対象領域に視細胞が存在している場合の例を示したが、血管などの構造物や疾病等の存在により、視細胞が存在しない領域が画像内に広がっている場合がある。そのような場合は、検出対象外とする領域をマスクし、それ以外の領域で処理を行う方が適している。

マスクの作成は、実施例１〜３のステップのＳ２３０とＳ２４０の間で行う。ここではステップＳ２３５として、詳細に説明する。

＜ステップＳ２３５＞
ステップＳ２３５において、検出部１４２は、ステップＳ２２０で取得されたＡＯ−ＳＬＯ像から、視細胞が描出されていない領域をマスク領域として取得する。

視細胞が描出されていない領域としては、例えば血管が存在する場合が考えられる。視細胞は、網膜の上層（硝子体側）に血管が存在する場合には、血管により入射光が弱められる影響で、きれいに描出されにくくなる。このような場合には検出精度が低くなるため、血管領域をマスクすることが考えられる。すなわち、検出部１４２は眼底画像のうち所定の領域をマスクするマスク処理部の一例に相当する。

血管領域の抽出には様々な方法が知られている。ＡＯ−ＳＬＯ像を用いる手法としては、対応するピクセルごとにフレームの前後で輝度の割り算を行い、その分散が大きな領域を血管領域として取得する方法が知られている。もしくは、ＷＦ−ＳＬＯ像などのより画角の大きな画像で血管領域を検出し、ステップＳ２３０で行われる位置合わせ結果を反映させてＡＯ−ＳＬＯ像上の血管領域を取得することも考えられる。

さらに、血管であるか疾病など他の影響であるかを区別する必要がない場合には、対象とするＡＬ−ＳＬＯ像上で輝度の低い領域や、ＡＯ−ＳＬＯ像を周波数変換して得られる視細胞特有の周期性を示すシグナが低い領域を検出してマスクすることも可能である。

こうして取得した視細胞検出を行わないマスク領域の情報を、検出部１４２は、制御部１２０を通じて記憶部１３０に保存する。そしてそれ以降の処理を行う際には、ＡＯ−ＳＬＯ像を取得する際に同時にマスク領域も取得し、マスクされていない領域のみを対象として処理を行うとする。すなわち、ステップＳ２４０において、検出部１４２は眼底画像のうちマスク処理部によってマスクされている領域以外の領域から複数の視細胞の候補点を取得する。

（実施例５）
実施例１〜４の中では、対象となるＡＯ−ＳＬＯ像全体について処理を行う例を示した。しかし、画像の画角が広い場合や、もしくは中心窩近くの視細胞密度などの変化が大きい領域を解析対象とする場合には、画像全体を対象とすると精度が悪くなる場合がある。例としては、ステップＳ７２０でＮＮＤの分布からＭＦＮＮＤを求めているが、中心窩近くの密度が非常に高い領域と、中心窩より離れた領域ではその値は大きく異なる。

このような場合には、対象とする領域の状態（中心窩からの距離など）や撮影画角に応じて、小領域に分割して解析を行うことが望ましい。この場合の領域の大きさは、視細胞が２００個程度以上は含まれることが望ましいが、目的とする精度などに応じて変更することが可能である。

（その他の実施形態）
本発明の目的は、前述した実施形態の機能を実現するソフトウェアのプログラムコードを記憶した記憶媒体を、システムあるいは装置に供給する。そして、そのシステムあるいは装置のコンピュータ（またはＣＰＵやＭＰＵ）が記憶媒体に格納されたプログラムコードを読出し実行することによっても、達成されることは言うまでもない。

１０ 画像処理装置
１００ 画像取得部
１１０ 情報取得部
１２０ 制御部
１３０ 記憶部
１４０ 画像処理部
１５０ 出力部
１４１ 位置合わせ部
１４２ 検出部
１４３ 特徴取得部
１４４ 配置情報取得部
１４５ 評価部
６０１ 母点
６０２ ボロノイ領域
６０３ ボロノイ点
６０４ 隣接点

Claims (10)

1. 被検眼の眼底画像を取得する画像取得手段と、
   前記眼底画像の輝度値に基づき、前記眼底画像から複数の視細胞の候補点を取得する候補取得手段と、
   前記複数の候補点のそれぞれが視細胞であるか否かを判定する判定手段と、
   前記複数の候補点に含まれる隣接する候補点間の距離に基づいて第１特徴量を取得する第１取得手段と、
   前記眼底画像の輝度値に基づいて第２特徴量を取得する第２取得手段とを有し、
   前記判定手段が、前記第２特徴量に基づいて視細胞ではないと判定した候補点を、該候補点と該候補点に隣接する視細胞であると判定した候補点との前記第１特徴量に基づいて視細胞であるか否かを再判定することを特徴とする眼科装置。
2. 前記第１取得手段は、前記眼底画像が取得された前記被検眼の眼底における位置と中心窩との距離および前記隣接する候補点間の距離に基づいて前記第１特徴量を取得することを特徴とする請求項１記載の眼科装置。
3. 前記第１取得手段は、前記眼底画像が取得された前記被検眼の眼底における位置と中心窩との距離に基づいて得られる視細胞間の基準距離および前記隣接する候補点間の距離に基づいて前記第１特徴量を取得することを特徴とする請求項２記載の眼科装置。
4. 前記第１取得手段は、前記隣接する候補点間の距離と、前記基準距離との差に基づいて前記第１特徴量を取得することを特徴とする請求項３記載の眼科装置。
5. 前記第１特徴量は、前記差が小さいほど、前記判定手段によって判定対象の候補点が視細胞であると判定され易くなる値に変化することを特徴とする請求項４記載の眼科装置。
6. 前記第１取得手段は、前記判定対象の候補点と前記判定対象の候補点に隣接する２以上の視細胞であると判定した候補点との距離の平均値に基づいて前記第１特徴量を取得することを特徴とする請求項１記載の眼科装置。
7. 前記眼底画像のうち所定の領域をマスクするマスク処理部を更に備え、
   前記候補取得手段は、前記眼底画像のうち前記マスク処理部によってマスクされている領域以外の領域から前記複数の視細胞の候補点を取得することを特徴とする請求項１乃至６の何れか１項に記載の眼科装置。
8. 前記判定手段によって前記視細胞であると判定された候補点と前記眼底画像を表示部に表示させる表示制御手段を更に備えたことを特徴とする請求項１乃至７の何れか１項に記載の眼科装置。
9. 被検眼の眼底画像を取得する画像取得工程と、
   前記眼底画像の輝度値に基づき、前記眼底画像から複数の視細胞の候補点を取得する候補取得工程と、
   前記複数の候補点に含まれる隣接する候補点間の距離に基づいて第１特徴量を取得する第１取得工程と、
   前記眼底画像の輝度値に基づいて第２特徴量を取得する第２取得工程と、
   前記第２特徴量に基づいて前記複数の候補点のそれぞれが視細胞である否かを判定する第１判定工程と
   前記第２特徴量に基づいて視細胞ではないと判定した候補点を、該候補点と該候補点に隣接する視細胞であると判定した候補点との前記第１特徴量に基づいて視細胞であるか否かを判定する第２判定工程と、を備えることを特徴とする視細胞検出方法。
10. 請求項９記載の視細胞検出方法をコンピュータに実行させることを特徴とするプログラム。

Images