JP7246862B2 - 画像処理装置、画像処理装置の制御方法及びプログラム - Google Patents

Description

開示の技術は、画像処理装置、画像処理装置の制御方法及びプログラムに関する。

光干渉断層計（ＯＣＴ；Ｏｐｔｉｃａｌ Ｃｏｈｅｒｅｎｃｅ Ｔｏｍｏｇｒａｐｈｙ）などの眼部の断層画像撮影装置を用いると、網膜層内部の状態を３次元的に観察できる。この断層画像撮影装置は、疾病の診断をより的確に行うのに有用であることから眼科診療に広く用いられている。ＯＣＴの形態として、例えば広帯域な光源とマイケルソン干渉計を組み合わせたＴＤ－ＯＣＴ（Ｔｉｍｅ ｄｏｍａｉｎ ＯＣＴ）がある。これは、参照ミラーの位置を一定速度で移動させて信号アームで取得した後方散乱光との干渉光を計測し、深さ方向の反射光強度分布を得るように構成されている。しかし、このようなＴＤ－ＯＣＴでは機械的な走査が必要となるため高速な画像取得は難しい。そこで、より高速な画像取得法として広帯域光源を用い、分光器で干渉信号を取得するＳＤ－ＯＣＴ（Ｓｐｅｃｔｒａｌ ｄｏｍａｉｎ ＯＣＴ）や高速波長掃引光源を用いることで時間的に分光するＳＳ－ＯＣＴ（Ｓｗｅｐｔ Ｓｏｕｒｃｅ ＯＣＴ）が開発され、より広画角な断層画像を取得できるようになっている。

一方、眼科診療では眼底血管の病態を把握するために眼底血管画像を用いられている。

そして、その眼底血管画像の撮影のためにこれまで侵襲的な蛍光眼底造影検査が行われてきた。近年は、眼底血管画像の作成にＯＣＴを用いて非侵襲に眼底血管を３次元で描出するＯＣＴ Ａｎｇｉｏｇｒａｐｈｙ（以下、ＯＣＴＡと表記）技術が用いられるようになってきている。ＯＣＴＡでは測定光で同一位置を複数回走査し、赤血球の変位と測定光との相互作用により得られるモーションコントラストを画像化する。図４は主走査方向が水平（ｘ軸）方向で、副走査方向（ｙ軸方向）の各位置（ｙｉ；１≦ｉ≦ｎ）においてｒ回連続でＢスキャンを行うＯＣＴＡ撮影の例を示している。なおＯＣＴＡ撮像において同一位置で複数回走査することをクラスタ走査、同一位置で得られた複数枚の断層画像のことをクラスタと呼ぶ。クラスタ単位でモーションコントラストデータを生成し、１クラスタあたりの断層画像数（略同一位置での走査回数）を増やすと、ＯＣＴＡ画像のコントラストが向上することが知られている。

ここで、ＯＣＴＡ画像を用いて糖尿病網膜症の疾病診断を行うために、２次元のＯＣＴＡ画像における中心窩無血管性域のような無血管領域の特定や、その無血管領域の面積の計測を行うことが、特許文献１に開示されている。このとき、２次元のＯＣＴＡ画像のヒストグラム解析を行うことにより、２次元のＯＣＴＡ画像における無血管領域の特定が行われる。

特表２０１５－５１５８９４号公報

ここで、従来のように、ヒストグラム解析を用いると、無血管領域の特定は画像のノイズに敏感になる。また、眼底血管画像全体を２次元的に処理する必要があり、処理が複雑で時間がかかる傾向がある。

開示の技術は、眼底血管画像のノイズに対するロバスト性を向上しつつ、より高速に無血管領域の特定を行うことを目的の一つとする。

なお、上記目的に限らず、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。

開示の画像処理装置の一つは、
被検眼の眼底血管画像における無血管領域の１つの極を決定する極決定手段と、
前記決定された１つの極に基づいて、前記眼底血管画像を直交座標画像とは異なる座標画像に変換する座標変換処理を実行する座標変換手段と、
前記異なる座標画像における前記１つの極に対応する前記無血管領域の１つの境界線候補を決定し、前記１つの境界線候補に基づいて決定された少なくとも１つの極に対応する少なくとも１つの境界線候補を決定し、前記少なくとも１つの境界線候補に基づいて前記無血管領域の境界線を決定する境界線決定手段と、を備える。

開示の技術の一つによれば、眼底血管画像のノイズに対するロバスト性を向上しつつ、より高速に無血管領域の特定を行うことができる。

第一実施形態に係る画像処理装置の構成を示すブロック図である。 第一実施形態に係る画像処理システムや、該画像処理システムを構成する断層画像撮影装置に含まれる測定光学系を説明する図である。 第一実施形態に係る画像処理システムが実行可能な処理のフローチャートである。 第一実施形態におけるＯＣＴＡ撮影の走査方法を説明する図である。 （Ａ）ステップＳ３１０で取得された眼底血管画像の例、（Ｂ）ステップＳ３２０における画像強調処理の結果画像の例、（Ｃ）ステップＳ３４１における極座標の例である。 第一実施形態のステップＳ３４３で実行される処理の結果の例である。 第一実施形態のステップＳ３４５で実行される処理の結果の例である。 第一実施形態のステップＳ３４２で実行される処理を説明する図である。 第一実施形態のステップＳ３４３で実行される処理を説明する図である。 第二実施形態のステップＳ３４１で実行される処理を説明する図である。 第二実施形態に係る画像処理システムが実行可能な処理のフローチャートである。 第二実施形態のステップＳ８５０で実行される処理を説明する図である。 第二実施形態のステップＳ９００で実行される処理を説明する図である。 第二実施形態のステップＳ８５０で実行される処理を説明する図である。 第二実施形態のステップＳ８５０で実行される処理を説明する図である。

［第一実施形態］
以下、図面を参照しながら、第一実施形態について説明する。なお、本実施形態に係る画像処理装置は、入力された眼底血管画像に関して中心窩無血管性域（Ｆｏｖｅａｌ Ａｖａｓｃｕｌａｒ Ｚｏｎｅ：ＦＡＺ）や、無灌流領域（Ｎｏｎ Ｐｅｒｆｕｓｉｏｎ Ａｒｅａ：ＮＰＡ）等の注目領域にある無血管領域の特定を行う。例えば、本実施形態に係る画像処理装置は、無血管領域の一例であるＮＰＡの中に極を設定（決定）し、直交座標の眼底血管画像から極座標の眼底血管画像に変換する座標変換処理を実行する座標変換手段を備える。すなわち、本実施形態に係る座標変換手段は、決定された極に基づいて、眼底血管画像を直交座標画像とは異なる座標画像に変換する座標変換処理を実行する。ここで、直交座標画像とは異なる座標画像とは、例えば、極座標画像、球面座標画像（３次元の極座標画像）、円柱座標画像である。また、決定された極は、極座標の原点となる。そして、本実施形態に係る画像処理装置は、異なる座標画像における無血管領域の境界線を決定する境界線決定手段を備える。本実施形態は、極座標で表現されている眼底血管画像でＮＰＡ内の極を起点として最初のエッジ（端）を見つけることによって、ＮＰＡの境界線や領域を特定する方法例を示している。以下、図面を参照しながら、第一実施形態に係る画像処理装置を備える画像処理システムについて説明する。

図２は、本実施形態に係る画像処理装置１０１を備える画像処理システム１０の構成を示す図である。図２に示すように、画像処理システム１０は、画像処理装置１０１が、インタフェースを介して断層画像撮影装置１００（ＯＣＴとも言う）、外部記憶部１０２、入力部１０３、表示部１０４と接続されることにより構成されている。断層画像撮影装置１００は、眼部の断層画像を撮影する装置である。本実施形態においては、断層画像撮影装置１００としてＳＤ－ＯＣＴを用いるものとする。これに限らず、例えば、ＳＳ－ＯＣＴを用いて構成しても良い。図２（ａ）において、測定光学系１００－１は前眼部像、被検眼のＳＬＯ眼底像、断層画像を取得するための光学系である。ステージ部１００－２は、測定光学系１００－１を前後左右に移動可能にする。ベース部１００－３は、後述の分光器を内蔵している。画像処理装置１０１は、ステージ部１００－２の制御、アラインメント動作の制御、断層画像の再構成などを実行するコンピュータである。外部記憶部１０２は、断層撮像用のプログラム、患者情報、撮影データ、眼底血管画像、過去検査の画像データ、や無血管領域情報等の計測データなどを記憶する。入力部１０３はコンピュータへの指示を行い、具体的にはキーボードとマウスから構成される。表示部１０４は、例えばモニタからなる。

（断層画像撮影装置の構成）
本実施形態の断層画像撮影装置１００における測定光学系及び分光器の構成について図２（ｂ）を用いて説明する。まず、測定光学系１００－１の内部について説明する。被検眼２００に対向して対物レンズ２０１が設置され、その光軸上に第１ダイクロイックミラー２０２及び第２ダイクロイックミラー２０３が配置されている。これらのダイクロイックミラーによってＯＣＴ光学系の光路２５０、ＳＬＯ光学系と固視灯用の光路２５１、及び前眼観察用の光路２５２とに波長帯域ごとに分岐される。

ＳＬＯ光学系と固視灯用の光路２５１は、ＳＬＯ走査手段２０４、レンズ２０５及び２０６、ミラー２０７、第３ダイクロイックミラー２０８、ＡＰＤ（Ａｖａｌａｎｃｈｅ Ｐｈｏｔｏｄｉｏｄｅ）２０９、ＳＬＯ光源２１０、固視灯２１１を有している。ミラー２０７は、穴あきミラーや中空のミラーが蒸着されたプリズムであり、ＳＬＯ光源２１０による照明光と、被検眼からの戻り光とを分離する。第３ダイクロイックミラー２０８はＳＬＯ光源２１０の光路と固視灯２１１の光路とに波長帯域ごとに分離する。ＳＬＯ走査手段２０４は、ＳＬＯ光源２１０から発せられた光を被検眼２００上で走査するものであり、Ｘ方向に走査するＸスキャナ、Ｙ方向に走査するＹスキャナから構成されている。本実施形態では、Ｘスキャナは高速走査を行う必要があるためポリゴンミラーで、Ｙスキャナはガルバノミラーによって構成されている。レンズ２０５はＳＬＯ光学系及び固視灯２１１の焦点合わせのため、不図示のモータによって駆動される。ＳＬＯ光源２１０は７８０ｎｍ付近の波長の光を発生する。ＡＰＤ２０９は、被検眼からの戻り光を検出する。固視灯２１１は可視光を発生して被検者の固視を促すものである。ＳＬＯ光源２１０から発せられた光は、第３ダイクロイックミラー２０８で反射され、ミラー２０７を通過し、レンズ２０６及び２０５を通ってＳＬＯ走査手段２０４によって被検眼２００上で走査される。被検眼２００からの戻り光は、照明光と同じ経路を戻った後、ミラー２０７によって反射され、ＡＰＤ２０９へと導かれ、ＳＬＯ眼底像が得られる。固視灯２１１から発せられた光は、第３ダイクロイックミラー２０８、ミラー２０７を透過し、レンズ２０６及び２０５を通り、ＳＬＯ走査手段２０４によって被検眼２００上の任意の位置に所定の形状を作り、被検者の固視を促す。

前眼観察用の光路２５２には、レンズ２１２及び２１３、スプリットプリズム２１４、赤外光を検知する前眼部観察用のＣＣＤ２１５が配置されている。このＣＣＤ２１５は、不図示の前眼部観察用照射光の波長、具体的には９７０ｎｍ付近に感度を持つものである。スプリットプリズム２１４は、被検眼２００の瞳孔と共役な位置に配置されており、被検眼２００に対する測定光学系１００－１のＺ軸方向（光軸方向）の距離を、前眼部のスプリット像として検出できる。

ＯＣＴ光学系の光路２５０は前述の通りＯＣＴ光学系を構成しており、被検眼２００の断層画像を撮影するためのものである。より具体的には、断層画像を形成するための干渉信号を得るものである。ＸＹスキャナ２１６は光を被検眼２００上で走査するためのものであり、図２（ｂ）では１枚のミラーとして図示されているが、実際はＸＹ２軸方向の走査を行うガルバノミラーである。レンズ２１７及び２１８のうち、レンズ２１７については光カプラー２１９に接続されているファイバー２２４から出射するＯＣＴ光源２２０からの光を、被検眼２００に焦点合わせするために不図示のモータによって駆動される。この焦点合わせによって、被検眼２００からの戻り光は同時にファイバー２２４の先端に、スポット状に結像されて入射されることとなる。次に、ＯＣＴ光源２２０からの光路と参照光学系、分光器の構成について説明する。２２０はＯＣＴ光源、２２１は参照ミラー、２２２は分散補償硝子、２２３はレンズ、２１９は光カプラー、２２４から２２７は光カプラーに接続されて一体化しているシングルモードの光ファイバー、２３０は分光器である。これらの構成によってマイケルソン干渉計を構成している。ＯＣＴ光源２２０から出射された光は、光ファイバー２２５を通じ、光カプラー２１９を介して光ファイバー２２４側の測定光と、光ファイバー２２６側の参照光とに分割される。測定光は前述のＯＣＴ光学系光路を通じ、観察対象である被検眼２００に照射され、被検眼２００による反射や散乱により同じ光路を通じて光カプラー２１９に到達する。一方、参照光は光ファイバー２２６、レンズ２２３、測定光と参照光の波長分散を合わせるために挿入された分散補償ガラス２２２を介して参照ミラー２２１に到達し反射される。そして同じ光路を戻り、光カプラー２１９に到達する。光カプラー２１９によって、測定光と参照光は合波され干渉光となる。ここで、測定光の光路長と参照光の光路長がほぼ同一となったときに干渉を生じる。参照ミラー２２１は、不図示のモータ及び駆動機構によって光軸方向に調整可能に保持され、測定光の光路長に参照光の光路長を合わせることが可能である。干渉光は光ファイバー２２７を介して分光器２３０に導かれる。また、偏光調整部２２８、２２９は、各々光ファイバー２２４、２２６中に設けられ、偏光調整を行う。これらの偏光調整部は光ファイバーをループ状に引きまわした部分を幾つか持っている。このループ状の部分をファイバーの長手方向を中心として回転させることでファイバーに捩じりを加え、測定光と参照光の偏光状態を各々調整して合わせることができる。分光器２３０はレンズ２３２、２３４、回折格子２３３、ラインセンサ２３１から構成される。光ファイバー２２７から出射された干渉光はレンズ２３４を介して平行光となった後、回折格子２３３で分光され、レンズ２３２によってラインセンサ２３１に結像される。

次に、ＯＣＴ光源２２０の周辺について説明する。ＯＣＴ光源２２０は、代表的な低コヒーレント光源であるＳＬＤ（Ｓｕｐｅｒ Ｌｕｍｉｎｅｓｃｅｎｔ Ｄｉｏｄｅ）である。中心波長は８５５ｎｍ、波長バンド幅は約１００ｎｍである。ここで、バンド幅は、得られる断層画像の光軸方向の分解能に影響するため、重要なパラメータである。光源の種類は、ここではＳＬＤを選択したが、低コヒーレント光が出射できればよく、ＡＳＥ（Ａｍｐｌｉｆｉｅｄ Ｓｐｏｎｔａｎｅｏｕｓ Ｅｍｉｓｓｉｏｎ）等を用いることができる。中心波長は眼を測定することを鑑みると近赤外光が適する。また、中心波長は得られる断層画像の横方向の分解能に影響するため、なるべく短波長であることが望ましい。双方の理由から中心波長は８５５ｎｍとした。本実施形態では干渉計としてマイケルソン干渉計を用いたが、マッハツェンダー干渉計を用いても良い。測定光と参照光との光量差に応じて、光量差が大きい場合にはマッハツェンダー干渉計を、光量差が比較的小さい場合にはマイケルソン干渉計を用いることが望ましい。

（画像処理装置の構成）
本実施形態の画像処理装置１０１の構成について図１を用いて説明する。画像処理装置１０１は、断層画像撮影装置１００に接続されたパーソナルコンピュータ（ＰＣ）であり、画像取得部１０１－０１、記憶部１０１－０２、撮影制御部１０１－０３、画像処理部１０１－０４、表示制御部１０１－０５を備える。また、画像処理装置１０１は、演算処理装置ＣＰＵが画像取得部１０１－０１、撮影制御部１０１－０３、画像処理部１０１－０４及び表示制御部１０１－０５を実現するソフトウェアモジュールを実行することで機能を実現する。本発明はこれに限定されず、例えば、画像処理部１０１－０４をＡＳＩＣ等の専用のハードウェアで実現してもよいし、表示制御部１０１－０５をＣＰＵとは異なるＧＰＵ等の専用プロセッサを用いて実現してもよい。また、断層画像撮影装置１００と画像処理装置１０１との接続は、ネットワークを介した構成であってもよい。

画像取得部１０１－０１は、断層画像撮影装置１００により撮影されたＳＬＯ眼底像や断層画像の信号データを取得する。また、画像取得部１０１－０１は、断層画像生成部１０１―１１及びモーションコントラストデータ生成部１０１－１２を有する。断層画像生成部１０１―１１は、断層画像撮影装置１００により撮影された断層画像の信号データ（干渉信号）を取得して信号処理により断層画像を生成し、生成した断層画像を記憶部１０１－０２に格納する。撮影制御部１０１－０３は、断層画像撮影装置１００に対する撮影制御を行う。撮影制御には、断層画像撮影装置１００に対して撮影パラメータの設定に関して指示することや、撮影の開始もしくは終了に関して指示することも含まれる。

画像処理部１０１－０４は、位置合わせ部１０１－４１、合成部１０１－４２、補正部１０１－４３、画像特徴取得部１０１－４４、投影部１０１－４５、解析部１０１－４６を有する。先に述べた画像取得部１０１－０１及び合成部１０１－４２は、本発明に係る取得手段の一例である。合成部１０１－４２はモーションコントラストデータ生成部１０１－１２により生成された複数のモーションコントラストデータを位置合わせ部１０１－４１により得られた位置合わせパラメータに基づいて合成し、合成モーションコントラスト画像を生成する。補正部１０１－４３はモーションコントラスト画像内に生じるプロジェクションアーチファクトを２次元もしくは３次元的に抑制する処理を行う（プロジェクションアーチファクトについてはＳ３１４で説明する）。画像特徴取得部１０１－４４は、断層画像から網膜や脈絡膜の層境界、中心窩や視神経乳頭中心の位置を取得する。投影部１０１－４５は、画像特徴取得部１０１－４４が取得した層境界の位置に基づく深度範囲でモーションコントラスト画像を投影し、モーションコントラスト正面画像を生成する。すなわち、投影部１０１－４５は、３次元のモーションコントラスト画像における深度範囲の少なくとも１部のデータを用いてモーションコントラスト正面画像を生成する。解析部１０１－４６は、強調部１０１－４６１、抽出部１０１－４６２、計測部１０１－４６３、座標変換部１０１－４６４を有し、モーションコントラスト正面画像から無血管領域の特定や計測処理を行う。強調部１０１－４６１は、血管強調処理を実行する。また、抽出部１０１－４６２は、血管強調画像に基づいて、無血管領域の一例であるＮＰＡの境界線抽出を行う。さらに、生成手段の一例である計測部１０１－４６３は、抽出されたＮＰＡのマスク画像を生成する。また、計測部１０１－４６３は、ＮＰＡの面積や、体積などの計測値を算出する。座標変換部１０１－４６４は、モーションコントラスト正面画像の座標変換を行う。ここでの座標変換の例は、直交座標から極座標へ、または極座標から直交座標への変換である。

外部記憶部１０２は、被検眼の情報（患者の氏名、年齢、性別など）と、撮影した画像（断層画像及びＳＬＯ画像・ＯＣＴＡ画像）や合成画像、撮影パラメータ、無血管領域情報、計測値、操作者が設定したパラメータを関連付けて保持している。入力部１０３は、例えば、マウス、キーボード、タッチ操作画面などであり、操作者は、入力部１０３を介して、画像処理装置１０１や断層画像撮影装置１００へ指示を行う。なお、本発明における画像処理装置１０１の構成としては、上述した全ての構成が必須ではなく、例えば、位置合わせ部１０１－４１、合成部１０１－４２、補正部１０１－４３等については省略しても良い。

次に、図３（ａ）を参照して本実施形態の画像処理装置１０１の処理手順を示す。図３は、本実施形態における本システム全体の動作処理の流れを示すフローチャートである。なお、本発明において、ステップＳ３２０の画像強調処理等は必須の工程ではないため、省略しても良い。

＜ステップ３１０＞
ステップＳ３１０において、画像処理部１０１－０４は、眼底血管画像であるモーションコントラスト画像を取得する。画像処理部１０１－０４は外部記憶部１０２にすでに記憶されている眼底血管画像を取得してもよいが、本実施形態において、測定光学系１００－１を制御して、取得された断層像からモーションコントラスト画像生成し取得する例を示す。これらの処理の詳細説明を、後述する。または、本実施形態において、この取得方法に限定するものではなく、眼底血管画像の取得であれば、その他の方法でもよい。または本実施形態での眼底血管画像として図５（Ａ）が示すようなモーションコントラスト画像を例として説明をするが、それに限らず、その他の眼底血管画像、例えばフルオレセイン血管造影画像、インドシアニングリーン（ｉｎｄｏｃｙａｎｉｎｅ ｇｒｅｅｎ： ＩＣＧ）血管造影画像、ＯＣＴ血管造影画像その他のような眼底血管画像でもよい。

＜ステップ３２０＞
ステップＳ３２０において、強調部１０１－４６１は、ノイズの影響を最小にして、眼底血管画像の画像強調を行う。この処理の具体説明は以下の通りである。
１） ステップＳ３１０で取得された眼底血管画像にｎａｒｒｏｗ ｗｉｎｄｏｗ ｓｉｚｅのＧａｕｓｓｉａｎ Ｌｏｗ Ｐａｓｓ Ｆｉｌｔｅｒ（ＬＰＦ）をかけて、Ｌｉｇｈｔ－Ｆｉｌｔｅｒｅｄ ＯＣＴＡ ｉｍａｇｅ（ＬＦ－ＯＣＴＡ画像）を生成する。ここでは、ｎａｒｒｏｗ ｗｉｎｄｏｗ ｓｉｚｅは３ピクセルとする。
２） ステップＳ３１０で取得された眼底血管画像にｗｉｄｅ ｗｉｎｄｏｗ ｓｉｚｅのＧａｕｓｓｉａｎ Ｌｏｗ Ｐａｓｓ Ｆｉｌｔｅｒ（ＬＰＦ）をかけて、Ｓｔｒｏｎｇ－Ｆｉｌｔｅｒｅｄ ＯＣＴＡ ｉｍａｇｅ（ＳＦ－ＯＣＴＡ画像）を生成する。ここでは、ｗｉｄｅ ｗｉｎｄｏｗ ｓｉｚｅは８５ピクセルとする。
３） ＬＦ－ＯＣＴＡをＳＦ－ＯＣＴＡで割り算を行い、Ｒｅｌａｔｉｖｅ Ｖａｒｉａｔｉｏｎ ＯＣＴＡ（ＲＶ－ＯＣＴＡ）画像を生成する。
４） 特定の閾値ＲＬ（ｒａｔｉｏ ｌｉｍｉｔ）を用いて、ＲＶ－ＯＣＴＡの二値化を行う。すなわち、強調部１０１－４６１は、眼底血管画像に対して二値化処理を実行することにより、眼底血管画像における血管構造を強調する強調処理を実行する。ここでは、閾値ＲＬを、１とする。ＲＶ－ＯＣＴＡの各ピクセル値がＲＬ以下であればそのピクセルをゼロにする。さもなければ、そのピクセルを１にする。
５） 二値化された画像に、ｍｏｒｐｈｏｌｏｇｉｃａｌ ｆｉｌｔｅｒをかける。ここでは、ｋｅｒｎｅｌ ｓｉｚｅ ＝３のｏｐｅｎ－ｃｌｏｓｅ処理を行う。この処理によって画像上のノイズを減らし、血管構造の連続性を改善する。図５（Ｂ）はこのステップの処理結果の例を示す。

＜ステップ３３０＞
ステップＳ３３０において、極決定手段の一例である画像処理部１０１－０４は、眼底血管画像内の無血管領域の極を決定する。ここでは、極の決定方法として、入力部１０３が取得する不図示のユーザーの操作による方法とする。具体的に、画像処理装置１０１が表示部１０４にＯＣＴＡ画像を表示し、ユーザーがマウス、キーボード、タッチスクリーンまたはその他の入力デバイスを用いてＯＣＴＡ画像内のＮＰＡの一点を選択するとその操作は入力部１０３が取得し、選択された情報を画像処理装置１０１に送る。ただし、本実施形態ではこの方法に限定することなく、眼底血管画像または眼底画像の解析結果に基づいて自動的に極を決定する方法を用いてもよい。たとえば、
‐ ＯＣＴＡ画像の構造解析を行い、解析結果に基づいて中心窩を検出する。
‐ ＯＣＴＡ画像にＳｔｒｏｎｇ ｌｏｗ ｐａｓｓ ｆｉｌｔｅｒをかけ、解析結果に基づいてｍｉｎｉｍｕｍ ｉｎｔｅｎｓｉｔｙの領域を検出する。
‐ その他のｍｏｄａｌｉｔｙの眼底画像（例：ＳＬＯや、眼底カメラ画像）の解析結果を用いて検出する。
等、検出された領域内の一点を極として決定しても良い。

＜ステップ３４０＞
ステップＳ３４０において、領域特定手段の一例である画像処理部１０１－０４は、ステップＳ３３０で決定された極を用いて、その極を含むＮＰＡ領域の特定を行う。このとき、決定された極は、極座標の原点となる。なお、ＮＰＡ領域の特定は、決定された極に基づいて、ＮＰＡ領域の境界線が決定されることにより実行される。また、ステップＳ３３０において、位置決定手段の一例である画像処理部１０１－０４は、被検眼の眼底血管画像に対する検者からの指示に応じて、眼底血管画像における無血管領域の位置を決定しても良い。このとき、ステップＳ３４０において、境界線決定手段の一例である画像処理部１０１－０４は、決定された位置に基づいて、無血管領域の境界線を決定しても良い。このとき、決定された位置は、境界線を決定するための位置に相当する。これらの処理の詳細説明を、後述する。

＜ステップ３５０＞
ステップＳ３５０において、画像処理部１０１－０４は、ステップＳ３４０で特定されたＮＰＡ情報を記憶部１０１－０２へ送り、記憶部１０１－０２はＮＰＡ情報を記憶する。さらに、ステップＳ３５０において、記憶部１０１－０２は、記憶されたＮＰＡ情報と、眼底血管画像を表示部１０４へ送り、眼底血管画像にＮＰＡ情報を重ねて、表示をする。すなわち、表示制御部１０１－０５は、特定されたＮＰＡ領域を示す情報を眼底血管画像に重畳した状態で表示部１０４に表示させる。また、表示制御部１０１－０５は、決定されたＮＰＡ領域の境界線を示す情報を眼底血管画像に重畳した状態で表示部１０４に表示させる。なお、これらの情報は、例えば、領域の外枠を示す線や、領域の内部を示す色であることが好ましいが、領域が識別可能であればどのような表示であっても良い。このとき、表示制御部１０１－０５は、ＮＰＡ領域に関する計測値を眼底血管画像に重畳した状態で表示部１０４に表示させても良い。また、検者からの指示に応じて、決定されたＮＰＡ領域の境界線を示す情報の位置が変更可能に構成されることが好ましい。これにより、検者の利便性が向上するため、診断効率も向上する。

以上のステップを実施して、本実施形態における画像処理装置１０１の処理手順を終了する。

次に、図３（ｂ）を用いて本実施形態のステップＳ３１０の眼底血管画像であるモーションコントラスト画像取得の具体的な処理の手順を説明する。なお、本発明において、ステップＳ３１４の合成モーションコントラスト画像の生成処理等は必須の工程ではないため、省略しても良い。

＜ステップ３１１＞
ステップＳ３１１において、画像制御部１０１－０３は、操作者は入力部１０３を操作することにより、断層画像撮影装置１００に対して指示するＯＣＴＡ画像の撮影条件を設定する。具体的には
１）検査セットの選択もしくは登録
２）選択した検査セットにおけるスキャンモードの選択もしくは追加
３）スキャンモードに対応する撮影パラメータ設定
の手順からなり、本実施形態では以下のように設定してＳ３０２において適宜休憩を挟みながら（同一撮像条件の）ＯＣＴＡ撮影を所定の回数だけ繰り返し実行する。

１）Ｍａｃｕｌａｒ Ｄｉｓｅａｓｅ検査セットを登録
２）ＯＣＴＡスキャンモードを選択
３）以下の撮影パラメータを設定
３－１）走査パターン：Ｓｍａｌｌ Ｓｑｕａｒｅ
３－２）走査領域サイズ：３ｘ３ｍｍ
３－３）主走査方向：水平方向
３－４）走査間隔：０．０１ｍｍ
３－５）固視灯位置：中心窩
３－７）１クラスタあたりのＢスキャン数：４
３－６）コヒーレンスゲート位置：硝子体側
３－７）既定表示レポート種別：単検査用レポート
なお、検査セットとは検査目的別に設定した（スキャンモードを含む）撮像手順や、各スキャンモードで取得したＯＣＴ画像やＯＣＴＡ画像の既定の表示法を指す。これにより、黄斑疾患眼向けの設定がなされたＯＣＴＡスキャンモードを含む検査セットが「Ｍａｃｕｌａｒ Ｄｉｓｅａｓｅ」という名前で登録される。登録された検査セットは外部記憶部１０２に記憶される。

＜ステップ３１２＞
ステップＳ３１２において、入力部１０３は、操作者から撮影開始の指示を取得すると、ステップＳ３１１で指定した撮影条件による繰り返しＯＣＴＡ撮影を開始する。撮影制御部１０１－０３は、断層画像撮影装置１００に対してステップＳ３１１で操作者が指示した設定に基づいて繰り返しＯＣＴＡ撮影を実施することを指示し、断層画像撮影装置１００が対応するＯＣＴ断層画像を取得する。なお、本実施形態では本ステップにおける繰り返し撮像回数を３回とする。これに限らず、繰り返し撮像回数は任意の回数に設定してよい。また、本発明は繰り返し撮影間の撮影時間間隔が各繰り返し撮影内の断層像の撮影時間間隔よりも長い場合に限定されるものではなく、両者が略同一である場合も本発明に含まれる。また、断層画像撮影装置１００はＳＬＯ画像の取得も行い、ＳＬＯ動画像に基づく追尾処理を実行する。本実施形態において繰り返しＯＣＴＡ撮影における追尾処理に用いる基準ＳＬＯ画像は１回目の繰り返しＯＣＴＡ撮影において設定した基準ＳＬＯ画像とし、全ての繰り返しＯＣＴＡ撮影において共通の基準ＳＬＯ画像を用いる。また、ＯＣＴＡ繰り返し撮影中は、ステップＳ３１１で設定した撮影条件に加えて
・左右眼の選択
・追尾処理の実行有無
についても同じ設定値を用いる（変更しない）ものとする。

＜ステップ３１３＞
ステップＳ３１３において、画像取得部１０１－０１及び画像処理部１０１－０４は、Ｓ３０２で取得されたＯＣＴ断層画像に基づいてモーションコントラスト画像を生成する。まず断層画像生成部１０１－１１は画像取得部１０１－０１が取得した干渉信号に対して波数変換及び高速フーリエ変換（ＦＦＴ）、絶対値変換（振幅の取得）を行うことで１クラスタ分の断層画像を生成する。

次に、位置合わせ部１０１－４１は同一クラスタに属する断層画像同士を位置合わせし、重ねあわせ処理を行う。画像特徴取得部１０１－４４が該重ね合わせ断層画像から層境界データを取得する。本実施形態では層境界の取得法として可変形状モデルを用いるが、任意の公知の層境界取得手法を用いてよい。なお層境界の取得処理は必須ではなく、例えばモーションコントラスト画像の生成を３次元のみで行い、深度方向に投影した２次元のモーションコントラスト画像を生成しない場合には層境界の取得処理は省略できる。モーションコントラストデータ生成部１０１－１２が同一クラスタ内の隣接する断層画像間でモーションコントラストを算出する。本実施形態では、モーションコントラストとして脱相関値Ｍｘｙを以下の式（１）に基づき求める。

ここで、Ａｘｙは断層画像データＡの位置（ｘ，ｙ）における（ＦＦＴ処理後の複素数データの）振幅、Ｂｘｙは断層データＢの同一位置（ｘ，ｙ）における振幅を示している。０≦Ｍｘｙ≦１であり、両振幅値の差異が大きいほど１に近い値をとる。式（１）のような脱相関演算処理を（同一クラスタに属する）任意の隣接する断層画像間で行い、得られた（１クラスタあたりの断層画像数 －１）個のモーションコントラスト値の平均を画素値として持つ画像を最終的なモーションコントラスト画像として生成する。なお、ここではＦＦＴ処理後の複素数データの振幅に基づいてモーションコントラストを計算したが、モーションコントラストの計算法は上記に限定されない。例えば複素数データの位相情報に基づいてモーションコントラストを計算してもよいし、振幅と位相の両方の情報に基づいてモーションコントラストを計算してもよい。あるいは、複素数データの実部や虚部に基づいてモーションコントラストを計算してもよい。

また、本実施形態ではモーションコントラストとして脱相関値を計算したが、モーションコントラストの計算法はこれに限定されない。例えば二つの値の差分に基づいてモーションコントラストを計算しても良いし、二つの値の比に基づいてモーションコントラストを計算してもよい。さらに、上記では取得された複数の脱相関値の平均値を求めることで最終的なモーションコントラスト画像を得ているが、本発明はこれに限定されない。例えば取得された複数の脱相関値の中央値、あるいは最大値を画素値として持つ画像を最終的なモーションコントラスト画像として生成しても良い。

＜ステップ３１４＞
ステップＳ３１４において、画像処理部１０１－０４は、繰り返しＯＣＴＡ撮影を通して得られたモーションコントラスト画像群を３次元的に位置合わせし、加算平均することで高コントラストな合成モーションコントラスト画像を生成する。なお、合成処理は単純加算平均に限定されない。例えば各モーションコントラスト画像の輝度値に対して任意の重みづけをした上で平均した値でもよいし、中央値をはじめとする任意の統計値を算出してもよい。また位置合わせ処理を２次元的に行う場合も本発明に含まれる。なお、合成部１０１－４２が合成処理に不適なモーションコントラスト画像が含まれているか否かを判定した上で、不適と判定したモーションコントラスト画像を除いて合成処理を行うよう構成してもよい。例えば、各モーションコントラスト画像に対して評価値（例えば脱相関値の平均値や、ｆＳＮＲ）が所定の範囲外である場合に、合成処理に不適と判定すればよい。

本実施形態では合成部１０１－４２がモーションコントラスト画像を３次元的に合成した後、補正部１０１－４３がモーションコントラスト画像内に生じるプロジェクションアーチファクトを３次元的に抑制（低減）する処理を行う。ここで、プロジェクションアーチファクトは網膜表層血管内のモーションコントラストが深層側（網膜深層や網膜外層・脈絡膜）に映り込み、実際には血管の存在しない深層側の領域に高い脱相関値が生じる現象を指す。補正部１０１－４３は、３次元の合成モーションコントラスト画像上に生じたプロジェクションアーチファクト８０２を抑制する処理を実行する。任意の公知のプロジェクションアーチファクト抑制手法を用いてよいが、本実施形態ではＳｔｅｐ－ｄｏｗｎ Ｅｘｐｏｎｅｎｔｉａｌ Ｆｉｌｔｅｒｉｎｇを用いる。Ｓｔｅｐ－ｄｏｗｎ Ｅｘｐｏｎｅｎｔｉａｌ Ｆｉｌｔｅｒｉｎｇでは、３次元モーションコントラスト画像上の各Ａスキャンデータに対して式（２）で表される処理を実行することにより、プロジェクションアーチファクトを抑制する。

ここで、γは負の値を持つ減衰係数、Ｄ（ｘ，ｙ，ｚ）はプロジェクションアーチファクト抑制処理前の脱相関値、Ｄ_Ｅ（ｘ，ｙ，ｚ）は該抑制処理後の脱相関値を表す。

次に、投影部１０１－４５はＳ３０３で画像特徴取得部１０１－４４が取得した層境界の位置に基づく深度範囲でモーションコントラスト画像を投影し、モーションコントラスト正面画像を生成する。任意の深度範囲で投影してよいが、本実施形態においては網膜表層及び網膜深層の深度範囲で２種類の正面合成モーションコントラスト画像を生成する。また、投影法としては最大値投影（ＭＩＰ； Ｍａｘｉｍｕｍ Ｉｎｔｅｎｓｉｔｙ Ｐｒｏｊｅｃｔｉｏｎ）・平均値投影（ＡＩＰ； Ａｖｅｒａｇｅ Ｉｎｔｅｎｓｉｔｙ Ｐｒｏｊｅｃｔｉｏｎ）のいずれかを選択でき、本実施形態では最大値投影で投影するものとする。

＜ステップ３１５＞
ステップＳ３１５において、画像処理装置１０１は取得した画像群（ＳＬＯ画像や断層画像）と該画像群の撮影条件データや、生成した３次元及びモーションコントラスト正面画像と付随する生成条件データ、を検査日時、披検眼を同定する情報と関連付けて外部記憶部１０２へ保存する。

以上のステップを実施して、本実施形態における眼底血管画像の取得処理の手順を終了する。

次に、図３（ｃ）を用いて本実施形態のステップＳ３４０における眼底血管画像（ＯＣＴＡ画像）のＮＰＡ領域特定の具体的な処理の手順を説明する。なお、本発明において、ステップＳ３４３の平滑化処理等は必須の工程ではないため、省略しても良い。

＜ステップ３４１＞
ステップＳ３４１において、座標変換部１０１－４６２は、決定された極に基づいて、直交座標のＯＣＴＡ画像から極座標のＯＣＴＡ画像への変換をする。すなわち、座標変換部１０１－４６２は、決定された極に基づいて、眼底血管画像を直交座標画像から極座標画像（直交座標画像とは異なる座標画像の一例）に変換する座標変換処理を実行する。角度ステップδθの値は、ＯＣＴＡ画像のサイズＳとピクセル寸法ｐに依存する。極座標でｌｏｓｓ－ｌｅｓｓ ｉｍａｇｅを生成する角度ステップは、式（３）のようにコサイン法から算出することができる。

ここではａｃｏｓはａｒｃｃｏｓｉｎｅ関数であり、サイズＳはＯＣＴＡ画像の中心からその最も遠い点へのｍｍ単位の距離である。例えば、３ｘ３ｍｍのＯＣＴＡ画像の解像度が２３２ｘ２３２ピクセルの場合は、

とｐ ＝ １３μｍであり、角度ステップδθは、約０．３５度になる。そして、サンプル角度θ（ｉ）は、θ（ｉ）＝δθｘｉにする。ここでは、ｉは、サンプルのインデックスである。最初のサンプル角度、θ（０）＝０度である。図５（Ｃ）は、このステップの処理結果を示す。ここでは座標変換として直交座標から極座標変換を例として説明したが、この変換方法に限定することなく、その他方法、例えば非直交座標（例えば球状であるか円筒形のコーディネート）への転換でもよい。

＜ステップ３４２＞
ステップＳ３４２において、境界線決定手段の一例である抽出部１０１－４６２は、ステップＳ３４１で生成された極座標画像から、ＮＰＡの境界線抽出を行う。極（極画像の一番下の端）を起点として最初に見つかったエッジをＮＰＡの境界線候補とする。その最初のエッジは、図６の中で点線によって表されている。

＜ステップ３４３＞
ステップＳ３４３において、平滑化処理手段の一例である抽出部１０１－４６２は、ステップＳ３４２で抽出されたＮＰＡ境界線候補の平滑化処理を行う。ここでの平滑化処理では、１０度のｗｉｎｄｏｗ ｓｉｚｅのｍｏｖｉｎｇ ｍｅｄｉａｎ ｆｉｌｔｅｒ（移動メディアンフィルタ）を用いる。この平滑化処理の目的は、ステップＳ３４３で抽出された境界線候補のｓｐｉｋｅ（スパイク、特異点）を削除することである。これらのスパイクは、血管構造の不連続性から発生されて、ＮＰＡ境界線としてふさわしくないとされる。図６の実線は、平滑化処理後のＮＰＡ境界線を示す。本実施形態での平滑化処理とｍｏｖｉｎｇ ｍｅｄｉａｎ ｆｉｌｔｅｒを用いて説明をしたが、この方法に限らず、例えば移動平均法、Ｓａｖｉｔｚｋｙ－Ｇｏｌａｙフィルタ、フーリエ変換法に基づくフィルタ等でもよい。

＜ステップ３４４＞
ステップＳ３４４において、座標変換部１０１－４６４は、ステップＳ３４３で抽出された極座標のＮＰＡ境界線画像を、直交座標へ変換する。

＜ステップ３４５＞
ステップＳ３４５において、生成手段の一例である計測部１０１－４６３はＮＰＡ領域のマスク画像を生成する。計測部１０１－４６３はステップＳ３４４で生成された直交座標のＮＰＡ境界線を用いて、ＮＰＡ境界線内のピクセルを白ピクセルにして、それ以外のピクセルを黒ピクセルにすることで、ＮＰＡマスク画像の生成をする。ＮＰＡマスク画像の白い領域がＮＰＡ領域とする。図７は、ＮＰＡマスク画像の例を示す。

以上のステップを実施して、本実施形態の眼底血管画像のＮＰＡ領域特定の手順を終了する。

＜第一実施形態の変形例１＞
なお、本実施形態では、ステップＳ３４２においてＮＰＡの境界線抽出の処理例を説明したが、その方法に限る必要はない。図８（Ａ）は、ＯＣＴＡ画像にノイズがある場合の例を示す。この例のように、極１０はノイズ２０（２ピクセルノイズ）に割り当てられた場合、極座標に変換した後に、ノイズ２０は、図８（Ｂ）が示すように極座標画像のＲａｄｉｕｓ＝０に相当する。そして、最初のエッジはＲ＝０になるので、正しいＮＰＡの境界線抽出ができない。この問題を避けるため、ステップＳ３４２での処理はピクセルが非信号ピクセル（ピクセル値がゼロに等しい）か否を確認し、次のようする：最初のエッジを探索する際に、Ｒａｄｉｕｓ＝０は信号ピクセル（ピクセルに信号がある）である場合に、非信号ピクセルを見つかるまで順次にＲａｄｉｕｓ値をインクリメントする。非信号ピクセルを見つかった後に、さらに信号ピクセルを見つかるまで順次にＲａｄｉｕｓ値をインクリメントし、最初の信号ピクセルを見つかったらそれをＮＰＡの境界線にする。さらに、その他の処理方法でもよい。例えば、極を決定する際にそのピクセルに信号がある場合、周辺の非信号ピクセルを探索し、非信号ピクセルを極として利用する、等の方法でもよい。

＜第一実施形態の変形例２＞
なお、本実施形態では、ステップＳ３４３においてＮＰＡの境界線平滑化の処理例に固定のｗｉｎｄｏｗ ｓｉｚｅのｍｏｖｉｎｇ ｍｅｄｉａｎ ｆｉｌｔｅｒを用いた処理例説明したが、その方法に限る必要はない。ここでは、図９を用いて、極からＮＰＡ境界線までの距離に基づいてｗｉｎｄｏｗ ｓｉｚｅを決定する例を説明する。図９（Ａ）は、直交座標系のＯＣＴＡ画像のＮＰＡ領域を示す。図９（Ａ）では、実線１００と実線１２０はＮＰＡ境界線である。図９（Ｂ）は、同じ画像の極座標画像を示す。直交座標ではギャップ１１０と１３０は同じ大きさであるが、極１４０からの距離により、極座標画像でのギャップ１１０と１３０の大きさは大きく異なる、即ち、ギャップ１１０はギャップ１３０より大きくなる。ここで、ｍｏｖｉｎｇ ｍｅｄｉａｎ ｆｉｌｔｅｒ のｗｉｎｄｏｗ ｓｉｚｅを式（４）のようにする。

ここでは、Ｒは、極からの距離である。本実施形態では、μ ＝ ０．０５ ｍｍを例として説明するが、この値に限ることはない。さらに、例えばＳａｖｉｔｚｋｙ－Ｇｏｌａｙ フィルタや、その他の式によってｗｉｎｄｏｗ ｓｉｚｅを決定してもよい。

＜実施形態１の変形例３＞
なお、本実施形態では、眼底血管画像としてＯＣＴＡ画像を用いて説明を行ったが、これに限ることがなく、その他の眼底血管画像、例えば、フルオレセイン血管造影画像、ＩＣＧＡ血管造影画像、またはその他の造影眼底画像でもよい。

以上の構成によって、眼底血管画像（ＯＣＴＡ画像）のＮＰＡ領域内の極を用いて、直交座標のＯＣＴＡ画像から極座標ＯＣＴＡ画像へ変換し、ＮＰＡ境界線の抽出が高速化され、さらに境界線の平滑化処理を行うことで、境界線のスパイクが減り、ＮＰＡ領域の特定精度をよくすることが可能である。

［第二実施形態］
第一実施形態においては、極座標ＯＣＴＡ画像を生成し、ＮＰＡ境界線を抽出して、ＮＰＡ領域特定方法の説明を行った。ただし、ＮＰＡ領域特定は一つの極に基づいて算出されたものであるので、画像のノイズの影響が受けやすくなっている。本実施形態では、ＮＰＡ領域特定をよりロバストに行うために、複数の極に基づいて、それぞれからＮＰＡ領域を特定し、各々のＮＰＡ領域特定結果を用いて、最終ＮＰＡ領域を特定する。すなわち、本実施形態に係る極決定手段は、無血管領域の１つの極を決定し、１つの極に対応する無血管領域の境界線に基づいて少なくとも１つの極を決定する。また、本実施形態に係る境界線決定手段は、１つの極及び少なくとも１つの極を含む複数の極に対応する複数の境界線に基づいて、無血管領域の１つの境界線を決定する。

次に、図１１に示すフローチャートを用いて、本実施形態の画像処理装置による本システム全体の動作処理の流れを示すフローチャートである。ただし、ステップＳ８１０、ステップＳ８２０、ステップＳ８３０とステップＳ９２０は、それぞれ、第一実施形態の処理フローのステップＳ３１０、ステップＳ３２０、ステップＳ３３０と同じであるので、説明を省略する。さらに、テップＳ８４０とステップＳ８７０は第一実施形態の処理フローのステップＳ３４０と同じであるので、説明を省略する。

＜ステップＳ８５０＞
ステップＳ８５０において、極決定手段の一例である画像処理部１０１－０４は、前ステップで特定されたＮＰＡ領域から追加する極候補を取得する。すなわち、極決定手段は、ステップＳ８３０で最初に１つの極（第一極）を決定し、１つの極とは異なる少なくとも１つの極（複数の極のうち他の少なくとも１つの極）を決定する。ここでは、縮小されたＮＰＡ領域を用いる一例を説明する。本実施形態では、図１２が示すように、縮小率＝０．６；縮小中心：領域の重心とする。次に、縮小された領域の輪郭から複数の点（複数の位置）を選定する。ここでは、輪郭線上に、略等間隔に置かれた３０点を、複数の極（中心点）候補とする。ただし、本実施形態では縮小率と中心の決定はこちらの方法で限定することなく、例えば、縮小率＝０．９；縮小中心：領域内にランダムにしてもよい。さらに、固定の極点数を例として説明をするが、こちらに限ることなく、例えば、輪郭線の大きさに応じて点数を決定しても良い。なお、本実施形態では、複数の極候補を決定する方法は上記の方法に限定することなく、例えば、ＮＰＡ領域内に２次元的に等間隔に極候補を置いてもよい。または、その他の方法でもよい。

＜ステップＳ８６０＞
ステップＳ８６０において、画像処理部１０１－０４は、ステップＳ８５０で算出された複数の極候補から一つの候補を選択する。ここでは、その極候補を、極（Ｊ）、またはＪ番目の候補と言う。最初の候補は、Ｊ＝１とする。

＜ステップＳ８７０＞
ステップＳ８７０において、画像処理部１０１－０４は、ステップＳ８６０で選択された極（Ｊ）を用いて、ＮＰＡ（Ｊ）領域を特定する。この処理は第一実施形態におけるステップＳ３４０と同じであるので、ここでの説明を省略する。極（Ｊ）を用いて特定されたＮＰＡ領域は、ＮＰＡ（Ｊ）、または中間ＮＰＡ領域と言う。

＜ステップＳ８８０＞
ステップＳ８８０において、画像処理部１０１－０４は、ステップＳ８７０で極（Ｊ）を用いて特定された中間ＮＰＡ（Ｊ）領域を記憶部１０１－０２に保存する。

＜ステップＳ８９０＞
ステップＳ８９０において、画像処理部１０１－０４は、ステップＳ８５０で取得された複数の極の次の候補があるか否かを判断する。次の候補がある場合は、それを極（Ｊ＋１）とし、処理はステップＳ８６０へ進む。ステップＳ８５０で取得されたすべての極からそれぞれの中間ＮＰＡの特定が終わっていれば、処理はステップＳ９００へ進む。

＜ステップＳ９００＞
ステップＳ９００において、境界線決定手段の一例である画像処理部１０１－０４は、ステップＳ８８０で保存された、すべての中間ＮＰＡ領域を用いて、最終ＮＰＡ領域を合成する。すなわち、本実施形態に係る境界線決定手段は、複数の極に対応する複数の境界線で規定される複数の領域を合成することにより、１つの境界線を決定する。本実施形態では、合成方法として、各中間ＮＰＡ領域の合算を行い、さらに各ピクセル（ＮＰＡ領域内の位置）に共通になったＮＰＡ領域の枚数を重みとする。図１３は、その一例を示す。そして、一定の重み以上（例：極候補数の半分）のあるピクセル（位置）が最終ＮＰＡ領域とする。なお、その他の合成方法でもよい。例えば、すべての中間ＮＰＡ領域のＡＮＤ処理をしてもよい。

＜ステップＳ９１０＞
ステップＳ９１０において、画像処理部１０１－０４は、ステップＳ９００で合成された最終ＮＰＡの精度は十分かどうかを判断する。本実施形態では、合成された最終ＮＰＡから再度追加候補を行う例を説明する。すなわち、ステップＳ８５０からステップＳ９００の処理ループを再度実行する。ここでは、最終ＮＰＡの精度を上げるため、ステップＳ８５０からステップＳ９００の処理ループを２回実行する。なお、ここでは固定の回数（２回）を例として説明したが、その他の固定の回数でもよい。また、例えば、すべての処理ループから得られたＮＰＡ合成結果を用いて、さらに新たなＮＰＡを合成してもよい。ステップＳ９１０で、処理ループをもう一度回すなら処理はＳ８５０へ戻る。ＮＰＡ合成は十分であれば、処理はステップＳ９２０へ進む。具体的には、１つの極に対応する無血管領域の境界線と、複数の極に対応する複数の境界線に基づいて決定された１つの境界線との間の変化を示す値が閾値以上である場合には、不十分であると判断する。すなわち、本実施形態に係る極決定手段は、変化を示す値が閾値以上である場合には、少なくとも１つの極を追加する極として再度決定する。また、変化を示す値が閾値未満である場合には、十分であると判断する。すなわち、本実施形態に係る極決定手段は、変化を示す値が閾値未満である場合には、少なくとも１つの極の決定を終了する。なお、変化を示す値は、例えば、境界線で規定される領域の面積である。

＜ステップＳ９２０＞
ステップＳ９２０において、画像処理部１０１－０４は、ここまでの処理で算出されたＮＰＡ領域情報を記憶部１０１－０２に保存する。

以上のステップを実施して、本実施形態の眼底血管画像のＮＰＡ領域特定の手順を終了する。

＜第二実施形態の変形例１＞
なお、本実施形態では、ステップＳ３４１において角度ステップδθの値は、ＯＣＴＡ画像のサイズＳとピクセル寸法ｐに依存し、角度ステップδθとして固定値を用いたが、固定値に限る必要がなく、可変にしてもよい。例えばＮＰＡ境界線上で、サンプリングポイントがほぼ等間隔になるように角度ステップδθ（ｉ）を決めてもよい。そして、サンプリング角度θ（ｉ）＝θ（ｉ－１）＋δθ（ｉ）とする。次の処理は、その一例である。ステップＳ３４２において、画像処理部１０１－０４は、ＮＰＡ境界線を抽出した後に、その境界線上でそれぞれのサンプリングポイント（ｉ）が等間隔（またはほぼ等間隔）になるように、角度ステップδθ（ｉ）を特定する。そして、ステップＳ８７０で再度ＮＰＡ特定処理が実行されると、ステップＳ３４１の座標変換に、角度ステップδθ（ｉ）を利用する。図１０は、その一例を示す。または、ステップＳ３４２において、サンプル角度θ（ｉ）は抽出したＮＰＡ境界線までの距離Ｒ（ｊ）に基づいて算出してもよい。次はその一例である。まずサンプル角度θ（０） ＝０度でのＮＰＡ境界線までの距離Ｒ（０）を算出し、Ｋ（０） ＝ θ（０） ｘ Ｒ（０）とする。そして、θ（ｉ） ＝ Ｋ（ｉ－１） ／ Ｒ（ｉ－１）とする。ただし、角度θ（ｉ）はラジアン単位である。

＜第二実施形態の変形例２＞
なお、本実施形態では、ステップＳ８５０において前ステップで特定されたＮＰＡ領域の極座標上の境界線の一次微分の解析結果に基づいて、追加する極候補を取得してもよい。図１４を用いて、その一例の説明をする。図１４（Ａ）は、極座標でのＮＰＡ領域の境界線を示す。そして、図１４（Ｂ）は、その境界線に対応する一次微分の結果を示す。そして、極候補は、一次微分に現れたピークに基づいて確定する。ここでは、閾値＝３ピクセルとする。図１４（Ｂ）での点線が閾値を示す。ただし、ここでは固定の閾値を用いて説明するが、その値に限定するものではなく、例えば、角度ステップδθに依存させても良いし、またはその他の値でもよい。その一次微分の値は、±閾値を超えた位置に基づいて極候補を確定する。例として、図１４（Ｂ）の一次微分のピークがあるθＡとθＢを用いて、説明をする。図１５は、θＡとθＢを含む図１４（Ａ）の部分拡大である。距離ＲＡは、角度（θＡ＋Δθ）の位置の距離Ｒとする。そして、追加する極候補Ａは、（θＡ＋Δθ、γＲＡ）とする。同様に、極候補Ｂは、（θＢ―Δθ、γｘＲＢ）とする。角度θに対して、Δθを足すか引くかは、一次微分が真か負かに基づいて決める。ここでの説明は、Δθ＝７．５度、γ＝０．７８とするが、その他、経験に基づいて決められた値でもよい。γ＝１．０に近いほど、複雑な領域の特異点に近いところで極候補を置くことができる。

＜第二実施形態の変形例３＞
なお、本実施形態では、ステップＳ９１０において、固定の回数を例として説明したが、この方法に限定するものではない。例えば、ステップＳ９００でのＮＰＡ合成結果の変化に基づいて処理ループを再度実行するかどうかの判定をするのも良い。すなわち、ＮＰＡ合成結果と前処理ループの結果と比較して、その差が少なければ、処理ループをやめてもよい。次に、その一例の説明を行う。処理ループｋのＮＰＡ領域面積値はＡ（ｋ）とする。そして、変化ΔＡ＝１００％ｘ（Ａ（ｋ）－Ａ（ｋ－１））／ Ａ（ｋ－１）とする。変化ΔＡが閾値＝５％以下であれば、処理ループを終了とする。ここでは、終了条件の閾値は５％にしたが、例えば条件変化ΔＡは、処理時間やＮＰＡ領域の複雑化に基づいて閾値を決定してもよい。また、ＮＰＡ領域面積値Ａ（ｋ）が収束傾向にあれば、処理ループを終了してもよい。例えば、処理ループｋの変化ΔＡ（ｋ）の変化（すなわちΔＡ（ｋ）―ΔＡ（ｋ－１））が閾値以下であれば、処理を終了することにしてもよい。

以上の構成によって、眼底血管画像（ＯＣＴＡ画像）のＮＰＡ領域内の複数の極を用いて、それぞれの極に基づいてＮＰＡ領域を特定し、さらに、特定された複数のＮＰＡ領域内の合成を行うことで、眼底血管画像のノイズの影響を減らし、ＮＰＡ領域の特定精度をさらによくすることが可能である。

［第三実施形態］
第二実施形態においては、最初に推定されたＮＰＡ領域、ＮＰＡ（０）から複数の極に基づいて、それぞれからＮＰＡ領域を特定し、各々のＮＰＡ領域特定結果を用いて、最終ＮＰＡ領域を特定する方法の説明を行ったが、画像強調処理は、ステップＳ８２０で行っていた。本実施形態では、画像強調処理は、最初に推定されたＮＰＡ領域、ＮＰＡ（０）に基づいて行う例を説明する。本実施形態に係る画像処理装置の構成は第一実施形態と同じなので、説明を省略する。本実施形態の画像処理装置による本システム全体の動作処理は、第二実施形態と同じなので、説明を省略する。ただし、ステップＳ８６０とステップＳ８７０のあいだにステップＳ８６５を追加する。ステップＳ８６５の動作説明は次である。

＜ステップＳ８６５＞
ステップＳ８６５において、強調部１０１－４６１は、ノイズの影響を最小にして、眼底血管画像の画像強調を行う。ステップＳ８６５はステップＳ３２０と同じであるが、二値化処理（ステップＳ３２０の詳細処理４）が異なるので、ここで詳細説明をする。閾値ＲＬは、ＮＰＡ（０）の解析結果に基づいて決定する。すなわち、閾値ＲＬ＝ＮＦ ＋ ３ｘＳＤとする。ただし、ＮＦ（ｎｏｉｓｅ ｆｌｏｏｒ）は、領域ＮＰＡ（０）内の画素値の平均値である。ＳＤは、領域ＮＰＡ（０）内の画素値の標準偏差値である。以上、本実施形態の眼底血管画像のＮＰＡ領域特定手順の詳細説明を終了する。以上の構成によって、眼底血管画像（ＯＣＴＡ画像）の注目領域であるＮＰＡ領域の情報に基づいて二値化処理を行うことで、ＮＰＡ領域を特定するためのノイズの影響を減らすことができ、信号である血管情報が強調され、ＮＰＡ領域の境界線の特定精度がさらによくすることが可能である。

［第四実施形態］
第二実施形態においては、２次元の眼底血管画像に基づいて２次元のＮＰＡ領域の特定方法の説明を行った。本実施形態では、３次元の眼底血管画像に基づいて３次元のＮＰＡ領域の特定を行う例を説明する。本実施形態に係る画像処理装置の構成は第一実施形態と同じなので、説明を省略する。本実施形態の画像処理装置による本システム全体の動作処理は、第二実施形態と同じなので、説明を省略する。ただし、ステップＳ３２０、ステップＳ３４１、ステップＳ３４４とステップＳ８５０の処理が異なるので、ここで詳細説明を行う。

＜ステップＳ３２０＞
本実施形態のステップＳ３２０において、強調部１０１－４６１は、ノイズの影響を最小にして、３次元的に、眼底血管画像の画像強調を行う。本実施形態のステップＳ３２０で用いるＬＰＦ処理は、３次元フィルタを用いる。その他の処理も、同様に３次元的に行う。

＜ステップＳ３４１＞
本実施形態のステップＳ３４１において、座標変換部１０１－４６２は、決定された極に基づいて、直交座標の３次元ＯＣＴＡ画像から球面座標（３次元の極座標）の３次元ＯＣＴＡ画像への変換をする。このとき、決定された極は、３次元の極座標の原点となる。

＜ステップＳ３４４＞
本実施形態のステップＳ３４４において、座標変換部１０１－４６２は、決定された極に基づいて、球面座標の３次元ＯＣＴＡ画像から直交座標の３次元ＯＣＴＡ画像への変換をする。

＜ステップＳ８５０＞
本実施形態のステップＳ８５０において、画像処理部１０１－０４は、前ステップで特定された３次元のＮＰＡ領域から追加する極候補を取得する。ここでは、縮小された３次元ＮＰＡ領域の体積の境界面を利用する。そして、処理は、２次元的処理と類似処理を行う。ただし、こちらの方法に限ることなく、その他、３次元的な処理方法でもよい。

＜第四実施形態の変形例１＞
なお、本実施形態では、３次元座標変換には球面座標を用いて説明を行ったが、その他の３次元座標を用いても良い。例えば、３次元直交座標から、円柱座標への座標変換を用いても良い。この場合は、ＬＰＦ等の処理は２次元的に行ってもよい。解剖学的に網膜は球体よりも、円柱に近い形をしているので、こちらの方法でより適切に処理を行うことができる。以上の構成によって、３次元眼底血管画像（ＯＣＴＡ画像）から３次元のＮＰＡ領域を特定することが可能になり、ＮＰＡの体積等、の解析を行うことも可能になる。

［その他の実施形態］
上記の各実施形態では、本発明を画像処理装置１０１として実現したが、本発明の実施形態は画像処理装置１０１のみに限定されるものではない。例えば、本発明はシステム、装置、方法、プログラムもしくは記憶媒体等としての実施態様をとることができる。

Claims (13)

1. 被検眼の眼底血管画像における無血管領域の１つの極を決定する極決定手段と、
   前記決定された１つの極に基づいて、前記眼底血管画像を直交座標画像とは異なる座標画像に変換する座標変換処理を実行する座標変換手段と、
   前記異なる座標画像における前記１つの極に対応する前記無血管領域の１つの境界線候補を決定し、前記１つの境界線候補に基づいて決定された少なくとも１つの極に対応する少なくとも１つの境界線候補を決定し、前記少なくとも１つの境界線候補に基づいて前記無血管領域の境界線を決定する境界線決定手段と、
   を備えることを特徴とする画像処理装置。
2. 前記座標変換手段は、前記決定された境界線を示す境界線画像を前記異なる座標画像から前記直交座標画像に変換することを特徴とする請求項１に記載の画像処理装置。
3. 前記境界線決定手段は、前記決定された境界線の平滑化処理を実行する平滑化処理手段を更に備え、
   前記座標変換手段は、前記平滑化処理して得た境界線を示す境界線画像を前記異なる座標画像から前記直交座標画像に変換することを特徴とする請求項２に記載の画像処理装置。
4. 被検眼の眼底血管画像における無血管領域の１つの極を決定し、前記１つの極に対応する前記無血管領域の１つの境界線候補に基づいて少なくとも１つの極を決定する極決定手段と、
   前記少なくとも１つの極に対応する少なくとも１つの境界線候補に基づいて、前記無血管領域の境界線を決定する境界線決定手段と、
   を備えることを特徴とする画像処理装置。
5. 前記１つの境界線候補と前記少なくとも１つの境界線候補とで規定される複数の領域を合成することにより、前記１つの境界線を決定することを特徴とする請求項１乃至４のいずれか１項に記載の画像処理装置。
6. 前記極決定手段は、前記眼底血管画像に対する検者からの指示、又は、前記眼底血管画像または前記被検眼の眼底画像の解析結果に基づいて、前記無血管領域の極を決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。
7. 被検眼の眼底血管画像に対する検者からの１つの指示に応じて、前記眼底血管画像における無血管領域の複数の位置を決定する位置決定手段と、
   前記決定された複数の位置に基づいて、前記無血管領域の境界線を決定する境界線決定手段と、
   を備えることを特徴とする画像処理装置。
8. 前記決定された境界線を示す情報を前記眼底血管画像に重ねた状態で表示手段に表示させる表示制御手段を更に備え、
   検者からの指示に応じて、前記決定された境界線を示す情報の位置が変更可能に構成されることを特徴とする請求項１乃至７のいずれか１項に記載の画像処理装置。
9. 前記決定された境界線により特定される領域に関する計測値を算出する計測手段を更に備え、
   前記表示制御手段は、前記計測値を前記眼底血管画像に重ねた状態で前記表示手段に表示させることを特徴とする請求項８に記載の画像処理装置。
10. 少なくとも極決定手段と座標変換手段と境界線決定手段を備えた画像処理装置の制御方法であって、
    前記極決定手段が、被検眼の眼底血管画像における無血管領域の１つの極を決定する工程と、
    前記座標変換手段が、前記決定された１つの極に基づいて、前記眼底血管画像を直交座標画像とは異なる座標画像に変換する座標変換処理を実行する工程と、
    前記境界線決定手段が、前記異なる座標画像における前記１つの極に対応する前記無血管領域の１つの境界線候補を決定し、前記１つの境界線候補に基づいて決定された少なくとも１つの極に対応する少なくとも１つの境界線候補を決定し、前記少なくとも１つの境界線候補に基づいて前記無血管領域の境界線を決定する工程と、
    を有することを特徴とする画像処理装置の制御方法。
11. 少なくとも極決定手段と境界線決定手段を備えた画像処理装置の制御方法であって、
    前記極決定手段が、被検眼の眼底血管画像における無血管領域の１つの極を決定し、前記１つの極に対応する前記無血管領域の１つの境界線候補に基づいて少なくとも１つの極を決定する工程と、
    前記境界線決定手段が、前記少なくとも１つの極に対応する少なくとも１つの境界線候補に基づいて、前記無血管領域の境界線を決定する工程と、
    を有することを特徴とする画像処理装置の制御方法。
12. 少なくとも極決定手段と境界線決定手段を備えた画像処理装置の制御方法であって、
    被検眼の眼底血管画像に対する検者からの１つの指示に応じて、前記極決定手段が前記眼底血管画像における無血管領域の複数の位置を決定する工程と、
    前記決定された複数の位置に基づいて、前記境界線決定手段が前記無血管領域の境界線を決定する工程と、
    を有することを特徴とする画像処理装置の制御方法。
13. 請求項１０乃至１２のいずれか１項に記載の画像処理装置の制御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