JP7116763B2 - 光コヒーレンストモグラフィ（ｏｃｔ）画像の３次元シャドウを低減する信号処理方法 - Google Patents

Description

光コヒーレンストモグラフィ（ＯＣＴ）は、画像化される対象物（例えば、眼）に光ビーム（例えば、レーザー光源からの光ビーム）に投射することを含むイメージング技術である。ビームからの光は、対象物の様々な構造（例えば、異なる網膜層および血管）によって吸収または後方散乱されるであろう。後方散乱された光は、参照ビームからの光と結合され、検出／デジタイズされる。その後、干渉法の原理に基づいて、対象物の構造の画像を作成することができる。

投射光は、対象物内を軸方向に進行するため、障害物または光散乱する混濁の光吸収の背後にある信号の減衰によってシャドウ（影）が生じることがある。換言すると、混濁や障害物は、シャドウの原因となる構造の下方にある対象物の構造情報の検出を妨げるシャドウを引き起こす可能性があり、より深い構造の任意の可視化や定量解析に影響を与える可能性がある。例えば、網膜ＯＣＴイメージングにおいて、血管によってそのようなシャドウが引き起こされ、網膜の深部の構造の解析に影響を与える可能性がある。図１は、同図にて矢印で示すシャドウを伴った例示的な網膜ＯＣＴのＢスキャンを表す。

そのようなシャドウアーチファクトは、不快な画像を生成するだけでなく、結果として得られる画像の解析において問題を生じる。例えば、後眼部画像では、脈絡膜のような深部構造の描出にシャドウは悪影響を与え、それにより、脈絡膜血管性指数（ＣＶＩ）の決定などの脈絡膜解析に影響を与える。また、視神経乳頭（ＯＮＨ）付近のＯＣＴ画像では、血管によるシャドウが構造信号を減衰させるために、篩状板（ＬＣ）境界の検出が困難になることがある。その結果、緑内障を効果的に診断する能力が損なわれる可能性がある。

シャドウ（本明細書ではアーチファクトとも呼ばれる）を低減するための１つの既存の方法は、血管領域のセグメンテーションのために強度閾値ベースの二値化（ＩＴＢ）を使用する。これは、非シャドウ領域の各深さに対して、示された領域を中央値エネルギーレベル（補償後のエネルギーレベル）に補償するものである。この処理は、最初に網膜色素上皮（ＲＰＥ）のセグメンテーションを取得することを必要とするが、手動セグメンテーションはスケーラブルではなく、自動セグメンテーションは常に利用可能又は正確であるとは限らず、通常は計算が重くなる。さらに、補償後のエネルギーレベルは、非シャドウ領域における中央値エネルギーレベルに従って固定されており、これは、信号中の構造情報に変化を引き起こす可能性がある。さらに、それらの補償は、他の設定ではシャドウに容易に拡張されない可能性がある。さらにまた、血管領域を検出するために使用される画素強度閾値は、多くの異なるパラメータに依存する可能性がある。このパラメータの例として、血管サイズ（小血管の後方のシャドウは大血管の後方のシャドウよりも明るい傾向がある）、信号対雑音比（ＳＮＲ）（低ＳＮＲ画像における全体的な画素強度は高ＳＮＲ画像におけるものよりも小さく、それに応じてシャドウ領域における強度が変化する）、および、或る領域がシャドウとして特徴付けられるべきか否かの個々人の知覚などがある。

別の既存の方法は、まず各画素のエネルギーを計算し、次に、各画素の強度をその画素の下方の（所与の位置での深さ方向の信号に対応する）Ａラインにおける累積エネルギーで除算する。除算されるシャドウ領域の下方にはより少ないエネルギーが存在するため、シャドウ領域はその結果において補償される。そして、より深い層の下方にはより少ないエネルギーが存在するため、より深い層のコントラストおよび描出を強調してもよい。そして、適応補償の方法では、Ａラインの底部での飽和アーチファクトを除去することができる。しかし、この技術は、シャドウ除去のためにコントラストの変化を必要とする。したがって、表層の描出が悪化し、補償後に従来の画像処理を適用できないことがある。さらに、画像内の他の領域に強いアーチファクトを生じさせる可能性があり、例えば、画像の底部の輝きと、適応補償の停止点での水平線アーチファクトとを生じる可能性がある。

本開示の一つの例によれば、画像処理方法は、画像のエネルギープロファイルを取得し、前記エネルギープロファイルにローパスフィルターを適用し、前記ローパスフィルターが適用された前記エネルギープロファイルに基づいて前記画像を調整する。

上記の例の様々な実施形態は、以下のいずれかであってよい：前記方法は、更に、前記画像内の構造領域を特定し、前記画像は、前記構造領域内のみ調整される；システムノイズ閾値を前記画像に適用して前記構造領域の上限と前記構造領域の下限とを求めることによって、前記構造領域を特定する；前記方法は、更に、前記画像を調整した後に付加的画像処理手法を前記画像に適用する；前記付加的画像処理手法は、層セグメンテーションを含む；前記画像は、シャドウアーチファクトを含み、前記画像の調整は、前記シャドウアーチファクトを減弱または除去する；前記画像は、光コヒーレンストモグラフィＢスキャンである；前記エネルギープロファイルは、前記画像の複数のＡスキャンの関数であり、前記画像の調整は、前記画像の少なくとも１つのＡラインの、前記ローパスフィルターが適用された前記エネルギープロファイルの対応するＡラインのエネルギーレベルに応じたリニアスケーリングを含む；前記画像は、ボリュームの一部であり、前記方法は、更に、前記ボリュームの第２の画像の第２のエネルギープロファイルを取得し、第２のエネルギープロファイルにフィルターを適用し、前記フィルターが適用された前記第２のエネルギープロファイルに基づいて前記第２の画像を調整する；前記画像および前記第２の画像は、前記ボリュームの取得に使用されたイメージングプロトコルの高速走査方向から得られる；前記画像および前記第２の画像は、前記ボリュームの取得に使用されたイメージングプロトコルの低速走査方向から得られる；フィルター前のエネルギーよりもフィルター後のエネルギーが大きい画像のＡラインのみを調整する；前記ローパスフィルターが適用された前記エネルギープロファイルに対して前記画像のＡラインを線形にスケーリングすることによって前記画像のエネルギーを補償する；前記ローパスフィルターが適用された前記エネルギープロファイルの変動に基づいて前記画像のエネルギーを補償する；前記ローパスフィルターが適用された前記エネルギープロファイルに対して前記画像のＡラインを深さの関数としてスケーリングすることによって前記画像のエネルギーを補償する；前記ローパスフィルターのカットオフ周波数は、前記画像内の各画素の解像度、画像化される構造の曲率、および前記画像がリニアスケールであるかログスケールであるか、のいずれかに応じて決定される；前記ローパスフィルターのカットオフ周波数は、前記画像を取得するためのスキャンパターンおよび／またはフォーカスポイントに応じて決定される。

第２の例によれば、画像処理方法は、ボリューメトリック画像データセットの２次元エネルギープロファイルを取得し、２次元フィルターを適用することによって前記エネルギープロファイルにフィルターを適用し、前記フィルターが適用された前記エネルギープロファイルに基づいて前記ボリューメトリック画像データセットを調整する。

第２の例の様々な実施形態は、以下のいずれかであってよい：前記方法は、前記ボリューメトリック画像データセットにおいて構造領域に対応するボリューメトリック画像データを特定し、前記構造領域に対応する前記ボリューメトリック画像データのみが調整される；前記方法は、更に、前記ボリューメトリック画像データセットを調整した後に付加的画像処理手法を前記ボリューメトリック画像データセットに適用する；前記付加的画像処理手法は、層セグメンテーションを含む；前記ボリューメトリック画像データセットから生成された複数の画像は、シャドウアーチファクトを含み、前記ボリューメトリック画像データセットの調整は、前記複数の画像の少なくとも１つにおける前記シャドウアーチファクトを減弱または除去する；前記２次元フィルターは、ローパスフィルターである；前記ボリューメトリック画像データセットは、光コヒーレンストモグラフィデータセットであり、前記ボリューメトリック画像データセットは、低速走査方向に沿って調整される。

シャドウを含む網膜のＯＣＴのＢスキャンの例を示す。

本開示のシャドウ低減法の例示的な実施形態のフローチャートである。

シャドウを有するＯＣＴのＢスキャンを示す。 対応するエネルギープロファイルを示す。 フィルターが適用された、対応するエネルギープロファイルを示す。 フィルターが適用されたエネルギーおよび元のエネルギーの最大値に基づく、対応するエネルギープロファイルを示す。

ＯＣＴのＢスキャンにおける構造領域の検出を示す。

図２に示す例示的な実施形態に係るシャドウ低減法を各ステップの視覚表現とともに示す。

本開示のシャドウ低減法の第１の応用例を示す。 本開示のシャドウ低減法の第１の応用例を示す。 本開示のシャドウ低減法の第１の応用例を示す。

本開示のシャドウ低減法の第２の応用例を示す。 本開示のシャドウ低減法の第２の応用例を示す。 本開示のシャドウ低減法の第２の応用例を示す。

本開示では、例示的な画像タイプとしての網膜ＯＣＴ画像について説明する。しかしながら、本開示は、異なる信号強度を有する画像、異なる構造の画像、および／または異なるモダリティの画像に対して広く適用することが可能である。換言すると、本明細書では、眼の後側（後眼部）のＯＣＴ画像を参照しているが、本開示は、一般的であることを意図しており、シャドウアーチファクトの影響を受ける他の画像（例えば、眼の前側（前眼部）、皮膚など）に適用することができる。

上記の観点から、本開示は、撮像される対象物の不透明度（混濁）および／または障害物によって引き起こされるシャドウ領域における損失信号を補償するシャドウアーチファクト除去方法およびシステムに関する。本開示に従って補償された画像は、補償前にはシャドウの影響を受けていた深い構造層において、より良好な可視化（アーチファクトが無い）を可能にする。これはさらに、シャドウにより引き起こされる混乱を除去することによって、深い層の正確な定量解析（例えばＣＶＩ）を可能にする。

さらに、本明細書に記載されたシャドウ低減は、既存の技術の上述の欠陥を回避することができる。例えば、本明細書に記載された技術は、アーチファクトを最小限しか生じさせないことができ、また、画素がシャドウ領域内にない限り画素強度を視覚的に変化させないことによって、補償された画像のコントラストがかなりの程度で維持される。対照的に、上述した従来技術では、画像全体にわたって画素強度を変化させることにより、網膜のより表面的な層の損失がある一方で、深部構造を相対的に強調することができる。したがって、結果として得られる画像は、通常のＯＣＴイメージングと同様に、任意の方法（Ｂスキャン、Ｃスキャン、ボリューム、スラブ投影、またはアンファス画像など）で可視化することができる。さらに、本開示のシャドウ低減技術は、他の既存の画像解析または強調技術（例えば、層セグメンテーション、ノイズ低減など）のための前処理ステップとして実装することができ、また、それらの付加的手法の性能を向上させることができる。例えば、結果として改善されたシャドウ領域における信号は、セグメンテーション精度を向上することができ、また、スペックルノイズ低減技術は、シャドウが低減された画像およびノイズが低減された画像をもたらすことができる。これにより、強調された画像において、従来は可視化できなかったものを特定（識別）して可視化することが可能になる。このような技術は、シャドウの除去自体によって誘発される変化をさらに調整することなく、補償された画像に対して直接に適用することができる。換言すると、シャドウの低減は、処理後に、Ｂスキャン内のコントラスト、同じボリューム内の異なるＢスキャン間のコントラスト、または同じボリューム内の異なる深さにおける異なるＣスキャン間のコントラストについて、有意な差を誘発しないであろう。

さらにまた、本明細書に記載されたシャドウ低減は、単純な完全自動化プロセスとして実装することができる。言い換えれば、このシャドウ低減は、既存の自動ＯＣＴ画像処理フローにおける任意の時点に挿入することが可能であり、また、大量の画像のバッチ処理を人の介入が無くても可能にする（例えば、シャドウ領域を抽出するための閾値の調整、セグメンテーション精度の確認など）。同様に、このシャドウ低減は、独自の前処理手法（例えば、層セグメンテーション）を必要としないため、処理時間を短縮することが可能である。また、このシャドウ低減を低速収集軸（ｓｌｏｗ ａｃｑｕｉｓｉｔｉｏｎ ａｘｉｓ）に沿って適用することにより、特に低速収集軸に沿った画像が登録される場合には、３次元でのシャドウ低減を実現することが可能になる。

次に、本開示のシャドウ低減法２００が、図２～５に関連して詳細に説明される。図２から分かるように、最初に、ＯＣＴなどの撮像モダリティから画像が得られる（２０２）。これらの画像は、シャドウ低減法２００を適用する前の任意の時点で撮影されてよい。各画像は、好ましくは２次元（２Ｄ）画像（例えば、Ｂスキャン、Ｃスキャン、またはアンファス画像）であり、画像の集合それぞれは、撮像された対象物の３次元（３Ｄ）ボリュームを表してよい。他の実施形態では、無関係な複数の画像（例えば、全体としてボリュームを形成しない複数の画像）の集合は、個別に解析されてもよい。さらに、これらの画像は、シャドウ低減法２００を適用する前に、任意の方法で前処理を行ってもよい（２０２）。例えば、前処理は、対数－線形変換／線形－対数変換、ノイズ低減、または繰り返しスキャンの平均化（または、信号対ノイズ比を向上することが可能な他の前処理技術）、コントラスト強調法などを含んでいてよい。

次に、シャドウ低減技術２００自体は、一般的に、（個別にまたはボリュームとして）取得された画像に対して実行される４つのステップを含む。最初に、画像内のピクセルの強度情報に従って、各２次元画像のエネルギープロファイルが得られる（２０４）。エネルギープロファイルは、（Ｅ（ｘ））と表される。ここで、ｘは、画像内の異なるＡラインに対応する。一つの実施形態によれば、Ａラインの各ピクセルのエネルギーは、次の関係に従ってその強度レベルによって表すことができる：Ｅ_ｉ、ｊ＝Ｉ_ｉ、ｊ ^ｎ（ｉ＝１，２，・・・，Ｎ；ｊ＝１，２，・・・，Ｄ）。ここで、ｉは、画像内の合計Ｎ本のＡラインにおけるＡライン番号であり、ｊは、合計深さＤを有する各Ａラインの深さインデックスである。さらに、画像強調のために、ｎは、Ａライン間のエネルギー差の強調のレベルを制御する調整可能なファクターであり、１よりも大きい任意の数であってよい。したがって、各Ａラインの総エネルギーを次のように表すことができる：Ｅ_ｉ＝Σ_ｊ＝１ ^ＮＥ_ｉ、ｊ＝Σ_ｊ＝１ ^ＮＩ_ｉ、ｊ ^ｎ。

エネルギープロファイルの高周波数要素が一般に画像内のランダムスペックルを表す一方で、低周波数要素は構造情報を表す。図３Ａおよび３Ｂから分かるように、エネルギーの急激な減少をもたらす高周波数要素はシャドウを表す。図３Ａの画像のシャドウ領域（シャドウ領域は矢印で示されている）は、図３Ｂのエネルギープロファイルにおけるエネルギーの急激な低下（この低下についても、対応するＡライン番号における矢印で示されている）に対応していることが分かる。

これを考慮し且つ図２を参照すると、エネルギープロファイルＥ（ｘ）は、このように、エネルギープロファイルを平滑化することによって、エネルギーの高周波数変動を除去し且つエネルギーの大きな変化を除去するためにフィルタリングされる（２０６）。これにより、シャドウ領域内の低いエネルギーを効果的に回復することができる。言い換えれば、エネルギープロファイルにローパスフィルターを適用することによって、低周波に関連する構造情報を残しつつ、高周波数のスペックルおよびシャドウを除去することができる。このようなフィルターは、ローパス関数に適した任意のタイプのものであってもよく、例えば、バターワースフィルター、チェビシェフフィルター、ベッセルフィルター、または移動平均フィルターなどが挙げられる。エネルギープロファイルをフィルタリングすることにより、単純にフィルターを画像に対して直接に適用することによって生じるボケや解像度の低下を回避することが可能である。その結果として、画像の鮮鋭度や解像度はフィルタリングによって変化しない。

フィルターのカットオフ周波数を構造変動周波数よりも高く設定することにより、構造情報が画像内に残ることが保証される。このカットオフ周波数は、画像内の各画素の解像度、画像化される構造の曲率、および画像がリニアスケールかログスケールかに応じて、異なるスキャンパターンおよび異なるフォーカスポイントに対して異なる。これは、例えば、幾つかのスキャンパターンが３ミリメートルの物理的空間をカバーする３２０本のＡラインもしくは６ミリメートルの物理的空間をカバーする５１２本のＡラインを生成することができ、または、他のカスタム指定された解像度を有することができるからである。さらに、異なる関心領域は、異なる物理的曲率を有する異なる基礎構造を有することがある（例えば、黄斑部を中心とした画像と比較して、視神経乳頭の周囲の曲率は大きい）。さらに、線形－対数スケール変換は線形ではないため、結果として得られるエネルギープロファイルは、画像のスケールに応じ、同様に異なる曲率を有していてよい。これを考慮すると、フィルターのカットオフ周波数は、好ましくは、最良の性能を生成するために、各スキャンパターンについて調整される。例えば、６ミリメートル×６ミリメートルで５１２本のＡラインを有する黄斑にフォーカスしたスキャンの場合、カットオフ周波数は、次数８０の窓付き有限インパルス応答フィルターに対して０．０２に設定される。

図３Ｂのエネルギープロファイルに対応するフィルタリングされたエネルギープロファイルを図３Ｃに示す。図３Ｂと図３Ｃとを比較すると、フィルタリングされたエネルギープロファイルは非常に滑らかであり、且つ、シャドウを示す急峻な落下を含んでいない。

各画像のエネルギープロファイルの取得（２０４）およびフィルタリング（２０６）とは別に、このシャドウ低減法２００は、任意的に、画像内の構造領域（例えば、撮像された対象物）を検出する（２０８）。図４を参照して、網膜のＯＣＴのＢスキャン画像における構造領域は、網膜の外側部分と内側部分との間の領域４００として検出される。これらの部分は、図４において、上側境界線４０２および下側境界線４０４によって特定される。構造領域４００は、網膜が位置する画像の部分に対応する。

構造領域は、任意の方法に従って、例えば、画像または画像システムの背景ノイズに基づく閾値または類似のベースラインに基づく閾値を適用することによって、検出されてもよい（２０８）。構造は入射光を後方散乱させるので、そのような閾値は、画像またはシステムの背景ノイズにのみ関連付けられた各画像の部分を、画像内の対象物の構造に関連付けられた部分と区別するために使用することができる。他の実施形態では、画像の背景と前景との間に強度勾配境界線が存在するので、構造領域を識別するためにエッジ検出法を使用することができる。

この方法は特に新規なものではなく、基本的な考え方は、システムノイズフロアより上の強度レベルが構造に対応していることにある。しかし、この方法を特徴とした発表（論文、刊行物）は知られていない。

構造領域の検出（２０８）は、エネルギープロファイルの取得（２０４）、フィルタリング（２０６）と並行した処理として図２に示されているが、これらのプロセスは、並行してまたは同時に実行される必要はないことに留意されたい。むしろ、それらは順次に実行されてよく、その場合、構造領域の検出（２０８）は、エネルギープロファイルの取得およびフィルタリングの前または後に実行される。また、エネルギープロファイルの処理に先立って構造領域の検出（２０８）を行う幾つかの実施形態では、検出された構造領域内においてのみエネルギープロファイルの取得（２０４）および／またはフィルタリング（２０６）を行ってよいことにも留意されたい。

エネルギープロファイルの取得（２０４）及びフィルタリング（２０６）の後、得られた画像（２０２）のエネルギーが、フィルタリングされたエネルギープロファイルで補償される（２１０）。構造領域が任意的に検出される場合（２０８）、補償（２１０）は、検出された構造領域内のみにおいて実行されてもよい。構造領域が検出されない（２０８）実施形態では、補償（２１０）（したがって、シャドウ低減）が、Ａライン全体にわたって適用される。これにより、背景がアーチファクトとしてより明るく現れる原因となり得る。しかしながら、構造領域におけるシャドウ補償については、大きな違いは無いはずである。

幾つかの実施形態によれば、画像のエネルギーは、フィルタリングされたエネルギープロファイルに対して画像のＡラインを線形にスケーリングすることによって補償され得る。線形スケーリングは、光の減衰（例えば、シャドウによって引き起こされる光減衰）が一定である（または一定として近似される）場合に特に使用されてもよく、したがって、減衰された情報を線形に回復することができる。このようなスケーリングは、フィルタリングされたエネルギーレベル自体に基づいてもよく、その場合には、画像のＡラインは、フィルタリングされたエネルギープロファイル内の対応するＡラインのエネルギーレベルにスケーリングされる。より具体的には、Ａライン内の各ピクセル強度のスケーリングは、スケーリング後のＡラインの総エネルギーがフィルタリングされたエネルギーと一致するように、強度値に定数（スケーリング係数）を乗算することによって行われてもよい。スケーリング係数は、Ａラインのフィルタリングされたエネルギーと、そのＡラインにおける元のエネルギーとの比であってよい。

しかしながら、他の実施形態では、フィルタリングされたエネルギープロファイルの変動を利用してもよい。例えば、元のエネルギープロファイルとフィルタリングされたエネルギープロファイルの最大信号（すなわち、ｍａｘ（Ｅ（ｘ）、Ｅ_{ｆｉｌｔｅｒｅｄ}（ｘ））を、スケーリングの目的で使用してもよい。そのようなエネルギープロファイルの例を図３Ｄに示す。このような実施形態では、元のエネルギーよりも大きいフィルタリングされたエネルギーを有するＡラインのみがスケーリングされる一方で、残りのＡラインは元のエネルギーで維持される。換言すると、シャドウのある領域のＡラインのみがスケーリングされる。さらなる実施形態では、最大値以外の関数を利用してもよい。

さらに他の実施形態では、スケーリングは線形ではなく、代わりに、例えば、深さの関数として変化してもよい。そのような実施形態は、減衰が深さの関数として変化する場合に利用され得る。そのような場合には、スケーリング関数は、減衰関数に対応していてもよいし、減衰関数に基づいていてもよい。

上述した方法は、図５にさらに視覚的に示されている。図５では、得られたＯＣＴのＢスキャン画像５０２が、シャドウ低減法のステップへの入力として示されている。ステップ２０４および２０６に従って生成された画像５０２のエネルギープロファイル５０４およびフィルタリングされたエネルギープロファイル５０６もまた、ステップ２０８に従って生成された画像５０２の特定された構造領域５０８と共に示されている。最後に、図２に示すように、シャドウ低減２００に続いて、シャドウ低減された画像に対してさらなる処理が実行されてもよく、および／または、シャドウ低減された画像が表示されてもよく、解析されてもよく、またはそのような処理が実行されてもよい（２１２）。そのように画像５０２を処理して最終的に得られたシャドウ低減された画像５１２が、図５に示されている。

図６Ａ～６Ｃおよび図７Ａ～７Ｃは、様々なＯＣＴのＢスキャン画像に対する上述のシャドウ低減法の適用例をさらに示している。まず図６Ａにおいて、図１のＯＣＴのＢスキャン画像の複製が示されており、シャドウが矢印で示されている。図６Ｂは、図６Ａの画像に対する既存のシャドウ低減法の適用を示しており、図６Ｃは、図６Ａの画像に対する本明細書に記載されたシャドウ低減法の適用を示している（図６Ｂおよび６Ｃにおいても、シャドウ領域は矢印で示されている）。まず図６Ａと図６Ｃとを比較すると、図６Ｃの強調された画像では、シャドウアーチファクトの明確な減少、特に網膜内層でのシャドウアーチファクトの明確な減少が見られる。従来技術（図６Ｂ）と本明細書に記載された技術（図６Ｃ）とをさらに比較すると、従来のシャドウ低減は、図６Ａの元の画像よりも高いコントラストを有するより粗い／よりノイズの多い画像をもたらすことが分かる。一方、本明細書で説明され、図６Ｃに示されているシャドウ低減法は、シャドウ化のより大きな低減を提供しつつ、図６Ａの元の画像と同等のコントラストおよび視覚的明瞭度を有する。さらに、シャドウアーチファクトのより大きな低減が、再び、特に網膜内層において見られる。

同様に、図７Ａ～７Ｃは、視神経乳頭周囲の領域における脈絡膜からの投影画像に上述したシャドウ低減法を適用した結果を示す。図７Ａは、断面のＯＣＴのＢスキャンを示しており、図７Ｂの投影画像（元画像）および図７Ｃの投影画像（シャドウ低減およびノイズ低減を適用した後の強調画像）の深さが線７００で示されている。図７Ｂと図７Ｃとを比較すると、図７Ｃの画像は、脈絡膜血管のはるかに良好な視覚化を提供しており、（図７Ｂの矢印によって示された）網膜の外側領域の血管系によって引き起こされるシャドウの妨害を伴っていない。図７Ｃの画像もまた、視神経乳頭周囲の構造のより良好な視覚化を提供している。

上記のシャドウ低減法は、２次元（２Ｄ）画像および１次元（１Ｄ）フィルター（画像内のＡラインの関数として単一の２Ｄ画像のエネルギープロファイルをフィルタリングする）について説明されてきたが、同様の手法をボリューム全体に適用してもよい。例えば、この手法は、ボリュームの遅軸Ｂスキャンに適用されてもよい。そのような適用は、太い血管についてより良い結果を提供することができる。より具体的には、ボリュームが一連のＢスキャンとして取得される場合、収集された複数のＢスキャンは、高速軸に沿った複数の断面画像を表す。直交軸（高速軸Ｂスキャンが取得される進行軸）に沿って取得されたボリュームデータから形成される断面Ｂスキャンは、遅軸の断面画像である。例えば、個々のＢスキャンは、Ｘ－Ｚ平面においてＹ軸に沿って連続的に取得されてもよい。この場合、Ｙ軸は遅軸を表しているので、Ｙ－Ｚ平面のボリュームから形成されるＢスキャン画像は遅軸画像である。各高速軸Ｂスキャンについてのデータは、同様の時点で取得されるため、通常は滑らかな画像となる。しかし、遅軸画像の各Ａラインの取得時間間隔が長くなるため、通常は滑らかな画像とはならない。これらの場合、２次元の相互相関レジストレーションをボリュームに適用して遅軸画像を平滑化することができ、その後に、この平滑化されたボリュームに対して上述したシャドウ低減法を適用してもよい。遅軸に沿ったこの第２のフィルタリングは、血管がスキャン方向に並んでおり、それにより高速軸Ｂスキャン画像に広いシャドウを落としている場合には、同じシャドウが遅軸に沿ってはるかに狭くなる（したがって、低減するのが容易になる）ため、特に有用で有り得る。さらに、２Ｄフィルターは、ボリューム全体を同時に処理するために使用されてもよい。

上述した方法に加えて、このようなシャドウ低減法を実行するためのシステムもまた本開示の範囲に含まれることを意図している。そのようなシステムは、このシャドウ低減法を実行するための１つ以上のプロセッサ（例えば、集積回路、ディスクリート回路、またはその類似の形態のもの）と、記憶装置（ハードディスク、メモリ、ＲＡＭなど）と、入出力インターフェース（例えば、ディスプレイ、キーボード、マウスなど）とを有するコンピュータを含み得る。シャドウ低減法の実行は、記載された機能（例えば、ローパスフィルタリング）を実行することが可能な離散的な構成要素の配置によって、および／または、非一時的なコンピュータ読み取り可能な媒体に格納された命令として具現化されたソフトウェアによって実現され得る。記憶装置は、コンピュータとともにローカルに配置されてよく、および／または、リモートに（例えば集中データベースに）配置されてよい。また、記憶装置は、ＯＣＴ画像およびボリュームデータセット、解析結果、シャドウ低減法を実行するためのソフトウェアなどを記憶するために使用されてもよい。また、システムは、ＯＣＴ画像を取得するために使用されるシステムと統合されていてもよいし、分離されていてもよい。例えば、上記コンピュータは、光コヒーレンストモグラフィシステムの制御に使用されるコンピュータと同じであってもよい。

Claims (14)

1. 画像の複数のＡラインのそれぞれの総エネルギーを表す前記画像のエネルギープロファイルを取得し、
   前記エネルギープロファイルにローパスフィルターを適用し、
   前記ローパスフィルターが適用された前記エネルギープロファイルに基づいて前記画像のエネルギーを補償する、
   画像処理方法。
2. 更に、前記画像内の構造領域を特定し、
   前記画像のエネルギーは、前記構造領域内のみ補償される、
   請求項１の画像処理方法。
3. システムノイズ閾値を前記画像に適用して前記構造領域の上限と前記構造領域の下限とを求めることによって、前記構造領域を特定する、
   請求項２の画像処理方法。
4. 更に、前記画像のエネルギーを補償した後に層セグメンテーションを前記画像に適用する、
   請求項１の画像処理方法。
5. 前記画像は、シャドウアーチファクトを含み、
   前記画像のエネルギーの補償は、前記シャドウアーチファクトを減弱または除去する、
   請求項１～４のいずれかの画像処理方法。
6. 前記画像は、光コヒーレンストモグラフィＢスキャンである、
   請求項１～５のいずれかの画像処理方法。
7. 前記画像のエネルギーの補償は、前記画像の少なくとも１つのＡラインの、前記ローパスフィルターが適用された前記エネルギープロファイルの対応するＡラインのエネルギーレベルに応じたリニアスケーリングを含む、
   請求項１～６のいずれかの画像処理方法。
8. フィルター前のエネルギーよりもフィルター後のエネルギーが大きい画像のＡラインのみを補償する、
   請求項１～７のいずれかの画像処理方法。
9. 前記エネルギープロファイルは、２次元エネルギープロファイルであり、
   前記画像は、ボリューメトリックデータセットである、
   請求項１～８のいずれかの画像処理方法。
10. 前記ローパスフィルターが適用された前記エネルギープロファイルに対して前記画像のＡラインを線形にスケーリングすることによって前記画像のエネルギーを補償する、
    請求項１～９のいずれかの画像処理方法。
11. 前記ローパスフィルターが適用された前記エネルギープロファイルの変動に基づいて前記画像のエネルギーを補償する、
    請求項１～９のいずれかの画像処理方法。
12. 前記ローパスフィルターが適用された前記エネルギープロファイルに対して前記画像のＡラインを深さの関数としてスケーリングすることによって前記画像のエネルギーを補償する、
    請求項１～９のいずれかの画像処理方法。
13. 前記ローパスフィルターのカットオフ周波数は、前記画像内の各画素の解像度、画像化される構造の曲率、および前記画像がリニアスケールであるかログスケールであるか、のいずれかに応じて決定される、
    請求項１～１２のいずれかの画像処理方法。
14. 前記ローパスフィルターのカットオフ周波数は、前記画像を取得するためのスキャンパターンおよび／またはフォーカスポイントに応じて決定される、
    請求項１～１２のいずれかの画像処理方法。

Images