JP7439419B2

JP7439419B2 - 眼科画像処理プログラムおよび眼科画像処理装置

Info

Publication number: JP7439419B2
Application number: JP2019161617A
Authority: JP
Inventors: 徹哉加納; 涼介柴
Original assignee: Nidek Co Ltd
Current assignee: Nidek Co Ltd
Priority date: 2019-09-04
Filing date: 2019-09-04
Publication date: 2024-02-28
Anticipated expiration: 2039-09-04
Also published as: JP2024040372A; JP2021037177A

Description

本開示は、被検眼の眼科画像の処理に使用される眼科画像処理プログラムおよび眼科画像処理装置に関する。

機械学習アルゴリズムによって訓練された数学モデルを用いて、種々の医療情報を取得する技術が提案されている。例えば、特許文献１に記載の眼科装置では、機械学習アルゴリズムによって訓練された数学モデルに眼形状パラメータが入力されることで、被検眼のＩＯＬ関連情報（例えば、予想術後前房深度）が取得される。取得されたＩＯＬ関連情報に基づいて、ＩＯＬ度数が算出される。

また、機械学習アルゴリズムによって訓練された数学モデルを用いて、低画質の画像から高画質の画像を取得することも考えられる。この場合、低画質の画像が数学モデルに入力されることで、高画質の画像が出力される。

特開２０１８－５１２２３号公報

ユーザは、撮影された画像全体のうち、注目する一部の画像（以下、「部分画像」という）を選択し、選択した部分画像に関する医療情報（例えば高画質画像等）を確認したい場合がある。この場合、画像処理装置は、部分画像がユーザによって選択される毎に、選択された部分画像に関する医療情報を数学モデルによって取得し、取得した医療情報をユーザに提示することが考えられる。しかし、数学モデルを利用して医療情報を取得する処理には時間を要するので、部分画像が選択される毎に医療情報を取得して提示する方法では、ユーザの作業時間を短縮することが困難である。よって、ユーザが所望する医療情報を、ユーザに適切に提示できることが望ましい。

本開示の典型的な目的は、ユーザが所望する医療情報を、ユーザに適切に提示できることが可能な眼科画像処理プログラム、および眼科画像処理装置を提供することである。

本開示における典型的な実施形態が提供する眼科画像処理プログラムは、被検眼の組織の画像である眼科画像を処理する眼科画像処理装置によって実行される眼科画像処理プログラムであって、前記眼科画像処理プログラムが前記眼科画像処理装置の制御部によって実行されることで、ＯＣＴ装置によって撮影された被検眼の組織の三次元断層画像を取得する画像取得ステップと、取得された前記三次元断層画像に含まれる二次元断層画像である部分画像を基画像とし、機械学習アルゴリズムによって訓練された数学モデルに前記基画像を入力することで、前記基画像の画質を向上させた高画質画像を取得し、記憶装置に記憶させる医療情報取得ステップと、取得された前記三次元断層画像における部分画像を選択する指示の入力を受け付ける指示受付ステップと、部分画像を選択する指示が受け付けられた場合に、前記指示によって選択された部分画像に関して取得された高画質画像を表示部に表示させる医療情報表示ステップと、が前記眼科画像処理装置によって実行され、前記医療情報取得ステップでは、前記三次元断層画像のうち、部分画像を選択する指示による選択が未だ行われていない部分画像に関する高画質画像を、当該部分画像を選択する指示の入力が前記指示受付ステップにおいて実際に受け付けられるよりも前に事前に取得して記憶する事前取得処理が実行され、前記事前取得処理は、部分画像を選択する指示の入力を受け付ける前記指示受付ステップ、および、部分画像を選択する指示によって選択された部分画像に関して取得された高画質画像を表示部に表示させる前記医療情報表示ステップと並行して実行される。

本開示における典型的な実施形態が提供する眼科画像処理装置は、被検眼の組織の画像である眼科画像を処理する眼科画像処理装置であって、前記眼科画像処理装置の制御部は、ＯＣＴ装置によって撮影された被検眼の組織の三次元断層画像を取得する画像取得ステップと、取得された前記三次元断層画像に含まれる二次元断層画像である部分画像を基画像とし、機械学習アルゴリズムによって訓練された数学モデルに前記基画像を入力することで、前記基画像の画質を向上させた高画質画像を取得し、記憶装置に記憶させる医療情報取得ステップと、取得された前記三次元断層画像における部分画像を選択する指示の入力を受け付ける指示受付ステップと、部分画像を選択する指示が受け付けられた場合に、前記指示によって選択された部分画像に関して取得された高画質画像を表示部に表示させる医療情報表示ステップと、を実行し、前記医療情報取得ステップでは、前記制御部は、前記三次元断層画像のうち、部分画像を選択する指示による選択が未だ行われていない部分画像に関する高画質画像を、当該部分画像を選択する指示の入力が前記指示受付ステップにおいて実際に受け付けられるよりも前に事前に取得して記憶する事前取得処理を実行し、前記事前取得処理は、部分画像を選択する指示の入力を受け付ける前記指示受付ステップ、および、部分画像を選択する指示によって選択された部分画像に関して取得された高画質画像を表示部に表示させる前記医療情報表示ステップと並行して実行される。

本開示に係る眼科画像処理プログラムおよび眼科画像処理装置によると、ユーザが所望する医療情報が、ユーザに適切に提示される。

数学モデル構築装置１、眼科画像処理装置２１、および眼科画像撮影装置１１Ａ，１１Ｂの概略構成を示すブロック図である。高画質の二次元断層画像を数学モデルに出力させる場合の、入力用訓練データと出力用訓練データの一例を示す図である。三次元断層画像５０と、三次元断層画像５０に含まれる部分画像に基づいて生成されるＥｎｆａｃｅ画像５５の一例を示す図である。数学モデル構築装置１が実行する数学モデル構築処理のフローチャートである。眼科画像処理装置２１が実行する眼科画像処理のフローチャートである。眼科画像処理の実行中に表示装置２８に表示される表示画面６０の一例である。ユーザによって選択された部分画像６６、および、部分画像６６から取得された高画質画像６７の一例を示す図である。ユーザが事前取得パターンを設定する際に表示装置に表示される設定画面の一例を示す図である。基準画像ＢＬを基準として複数の部分画像６６に対する優先順位を設定する方法の一例を説明するための説明図である。ユーザが選択する部分画像６６が切り替えられた方向に沿って、複数の部分画像６６に対する優先順位を設定する方法の一例を説明するための説明図である。眼科画像処理装置２１が実行する事前取得処理のフローチャートである。第１変容例における眼科画像処理の実行中に表示装置２８に表示される表示画面８０の一例である。

＜概要＞
本開示で例示する眼科画像処理装置の制御部は、画像取得ステップ、医療情報取得ステップ、指示受付ステップ、および医療情報表示ステップを実行する。画像取得ステップでは、制御部は、ＯＣＴ装置によって撮影された被検眼の組織の眼科画像を取得する。医療情報取得ステップでは、制御部は、取得された眼科画像のうちの一部の部分画像、または、部分画像に基づいて生成される画像を基画像とし、機械学習アルゴリズムによって訓練された数学モデルに基画像を入力することで、基画像の画質を向上させた高画質画像を医療情報として取得し、記憶装置に記憶させる。指示受付ステップでは、制御部は、取得された眼科画像における部分画像を選択する指示の入力を受け付ける。医療情報表示ステップでは、制御部は、部分画像を選択する指示が受け付けられた場合に、指示によって選択された部分画像に関して取得された医療情報を、表示部に表示させる。医療情報取得ステップでは、制御部は、眼科画像のうち、指示による選択が未だ行われていない部分画像に関する医療情報を事前に取得して記憶する事前取得処理が実行される。

本開示で例示する眼科画像処理装置では、事前取得処理によって、ユーザによる選択が未だ行われていない部分画像に関する医療情報（高画質画像）が予め取得されて記憶される。従って、制御部は、実際に選択された部分画像に関する医療情報が既に記憶装置に記憶されている場合には、ユーザが所望する医療情報を短時間で表示部に表示させることができる。よって、ユーザは、所望する医療情報を適切に確認することができる。

眼科画像処理装置が処理する眼科画像には、種々の眼科画像を採用できる。例えば、画像取得ステップにおいて取得される眼科画像は、複数の二次元断層画像を含む三次元断層画像であってもよい。この場合、部分画像は、三次元断層画像に含まれる複数の二次元断層画像の１つまたは複数であってもよい。制御部は、部分画像である二次元断層画像を基画像とし、基画像の画質を向上させた画像を高画質画像として取得してもよい。

また、眼科画像が三次元断層画像である場合、部分画像は、三次元断層画像の画像領域全体に含まれる一部の三次元断層画像（例えば、２つの境界面に挟まれた領域内の三次元断層画像等）であってもよい。制御部は、部分画像である三次元断層画像を、ＯＣＴ装置の測定光の光軸に沿う方向（正面方向）から見た場合のＥｎｆａｃｅ画像（ＯＣＴ正面画像）を、基画像としてもよい。Ｅｎｆａｃｅ画像は、例えば、光軸に交差するＸＹ方向の各位置において、部分画像の画素値を深さ方向（Ｚ方向）に積算した積算画像であってもよい。また、Ｅｎｆａｃｅ画像は、ＸＹ方向の各位置での部分画像のスペクトルデータの積算値によって生成されてもよい。制御部は、Ｅｎｆａｃｅ画像である基画像を数学モデルに入力することで、高画質画像を取得してもよい。また、部分画像である三次元断層画像そのものが、基画像として使用されてもよい。また、基画像は、ＯＣＴアンジオ画像であってもよい。ＯＣＴアンジオ画像は、眼底を正面（つまり、被検眼の視線方向）から見た二次元の正面画像であってもよい。ＯＣＴアンジオ画像は、例えば、同一位置に関して異なる時間に取得された少なくとも２つのＯＣＴ信号が処理されることで取得されるモーションコントラスト画像であってもよい。

また、画像取得ステップにおいて取得される眼科画像は、同一の組織を時系列に沿って断続的に複数回撮影することで取得された、複数の静止画像を含む動画像であってもよい。この場合、部分画像は、動画像を構成する複数の静止画像の１つまたは複数であってもよい。制御部は、部分画像である静止画像を基画像としてもよい。

また、画像取得ステップにおいて取得される眼科画像は、静止画である二次元画像であってもよい。この場合、部分画像は、二次元画像の領域内に含まれる一部の領域の画像であってもよい。制御部は、部分画像である一部の領域の画像を基画像としてもよい。

制御部は、事前取得処理において、眼科画像における複数の部分画像に対して設定された優先順位が高い順に、各々の部分画像に関する医療情報の取得処理を順次実行してもよい。この場合、複数の部分画像の各々に関し、適切な順番で医療情報が順次取得される。

制御部は、事前取得処理において、眼科画像における複数の部分画像の１つまたは複数を基準画像とし、複数の部分画像の各々に対して、基準画像に近い程高い優先順位を設定してもよい。この場合、基準画像に近い部分画像から優先的に医療情報が取得される。従って、基準画像が適切に設定されることで、より適切な順番で医療情報が順次取得される。よって、ユーザの作業時間がさらに短縮され易くなる。

なお、優先順位を設定する際の基準となる、基準画像に対する部分画像の「近さ」には、種々の「近さ」を採用できる。例えば、三次元断層画像を構成する二次元断層画像を部分画像とする場合、基準画像とされた二次元断層画像に対する距離の「近さ」が基準として使用されてもよい。

また、三次元断層画像の画像領域に含まれる一部の三次元断層画像を部分画像とする場合、基準画像とされた三次元断層画像に対する距離の「近さ」、範囲の「近さ」、重複割合の「近さ」等の少なくともいずれかが、基準として使用されてもよい。また、２つの境界面に挟まれた領域内の三次元断層画像を部分画像とする場合、基準画像の境界面に対する部分画像の境界面の距離の「近さ」が基準として使用されてもよい。

また、動画像を構成する静止画像を部分画像とする場合、基準画像とされた静止画像に対する撮影時間の「近さ」が、基準として使用されてもよい。また、二次元画像内の一部の領域の画像を部分画像とする場合、基準画像に対する距離、範囲、および重複割合の少なくともいずれかの「近さ」が基準として使用されてもよい。

制御部は、事前取得処理において、眼科画像に写る組織の特定位置を取得し、取得した特定位置における部分画像を基準画像としてもよい。この場合、組織の特定位置から優先的に医療情報が取得される。よって、特定位置における医療情報が適切にユーザによって把握される。

なお、制御部が特定位置を取得する方法は適宜選択できる。例えば、制御部は、眼科画像に対して周知の画像処理を行うことで、組織の特定位置を検出してもよい。また、制御部は、眼科画像を入力して特定位置を出力する数学モデルに、取得した眼科画像を入力することで、特定位置を取得してもよい。

また、制御部が取得する特定位置の種類も適宜選択できる。例えば、眼科画像が被検眼の眼底画像である場合、特定位置は、眼底における中心窩、視神経乳頭、病変部位、および眼底血管等の少なくともいずれかであってもよい。また、眼底画像が眼底の三次元断層画像である場合、特定位置は、眼底における特定の層の位置であってもよい。

また、特定位置は、各種眼科検査装置が用いられることで取得されてもよい。一例として、特定位置は、眼科検査装置の一種である視野計によって判明した位置（例えば、感度が低い眼底上の位置）であってもよい。この場合、制御部は、視野計による検査結果の画像に基づいて、特定位置を取得してもよい。

ただし、特定位置に関わらず基準画像が設定されてもよい。例えば、基準画像は、眼科画像の画像領域の中心を含む部分画像であってもよい。

制御部は、前記部分画像を選択する指示が受け付けられた場合に、指示によって選択された部分画像を基準画像に設定してもよい。ユーザは、部分画像を選択した際に、選択した部分画像に近い部分画像に関する医療情報も併せて確認したい場合が多い。制御部は、ユーザによって選択された部分画像を基準画像に設定することで、選択された部分画像に近い部分画像についての医療情報を、事前取得処理によって取得して記憶させることができる。その結果、選択された部分画像に近い部分画像の医療情報が、短時間で表示部に表示される。よって、ユーザは、所望する医療情報をより適切に確認することができる。

なお、制御部は、指示によって選択された部分画像に関する医療情報が未だ取得されていない場合には、選択された部分画像に関する医療情報を医療情報取得ステップにおいて最優先で取得し、医療情報表示ステップにおいて表示部に表示させてもよい。また、制御部は、指示によって選択された部分画像に関する医療情報が、事前取得処理によって事前に取得されている場合には、既に取得されている医療情報を医療情報表示ステップにおいて表示部に表示させてもよい。その結果、ユーザが所望する医療情報がスムーズに表示部に表示される。

制御部は、ユーザの指示によって選択される部分画像が変更された場合に、変更される前の部分画像に対する、変更された後の部分画像の方向に沿って、複数の部分画像に対する優先順位を順に設定してもよい。ユーザは、同一の方向に沿って部分画像を順に切り替えていく場合が多い。制御部は、部分画像が切り替えられた方向に沿って、複数の部分画像に対する優先順位を順に設定することで、ユーザが後で選択する可能性が高い部分画像の医療情報を、予め取得して記憶させておくことができる。よって、ユーザは、所望する医療情報をより適切に確認することができる。

制御部は、ユーザによって選択された部分画像を基準画像に設定した場合に、眼科画像における基準画像の位置を記憶装置に記憶させてもよい。制御部は、過去に基準画像の位置が記憶された眼科画像と撮影対象が同一である眼科画像を処理する場合に、眼科画像のうち、過去に記憶された位置の部分画像を基準画像に設定してもよい。同一の被検眼の組織について、異なる時間に眼科画像を撮影して診断等を行う場合に、ユーザは、眼科画像における同一の位置の医療情報を確認する場合が多い。制御部は、過去に記憶された位置の部分画像を基準画像に設定することで、ユーザが確認する可能性が高い位置の医療情報を、予め効率よく取得することができる。

制御部は、基準画像を新たに設定した場合に、実行していた事前取得処理を中断し、新たに設定した基準画像に基づく優先順位に従って事前取得処理を再開してもよい。この場合、実行していた事前取得処理が完了した後に、新たに設定した基準画像に基づく事前取得処理を実行する場合に比べて、新たに設定した基準画像に近い部分画像の医療情報が、より短時間で取得される。よって、ユーザは、所望する医療情報をより適切に確認することができる。

なお、制御部は、新たに設定した基準画像に基づく事前取得処理が完了した場合に、中断していた事前取得処理を再開してもよい。また、制御部は、複数の部分画像の各々に関する事前取得処理を、優先順位に従って順次実行している際に、既に医療情報が取得された部分画像に対する事前取得処理を省略してもよい。この場合、複数の部分画像の各々に関する医療情報が、より効率よく取得される。

眼科画像における複数の部分画像のうち、医療情報が事前に取得される部分画像のパターンが予め設けられていてもよい。制御部は、事前取得処理において、パターンに対応する部分画像に関する医療情報の取得処理を、実行してもよい。この場合、パターンに対応する部分画像に関する医療情報が、事前に取得される。よって、ユーザは、パターンに対応する医療情報を適切に把握することができる。

パターンの具体的な態様は適宜選択できる。例えば、眼底の三次元断層画像を構成する二次元断層画像を部分画像とする場合、眼底を正面から見た場合の複数の部分画像の配置が、クロス（十字）状、ラジアル（放射）状、同心円状、ラスター（平行）状、またはこれらの組み合わせ等となるように、パターンが設けられていてもよい。

また、眼底の三次元画像のうち、２つの境界面に挟まれた領域内の三次元断層画像を部分画像とする場合、２つの境界面の少なくとも一方の位置が予め設定された部分画像のパターン（例えば、２つの境界面の間の層が、網膜表層、網膜深層、硝子体、網膜外層、ＯＲＣＣ、脈絡毛細管板、脈絡膜等の少なくともいずれかとなるパターン）が設けられていてもよい。特に、２つの境界面に挟まれた領域内の三次元画像を部分画像とする場合には、２つの境界面の組み合わせが多数（場合によっては無限に）存在する。従って、医療情報を表示させる前に、三次元画像に含まれる全ての部分画像について医療情報を事前に取得しておくことは、非常に困難である。これに対し、本開示の眼科画像処理装置では、予め設けられている１つまたは複数のパターンに対応する部分画像に関して、医療情報が事前取得処理によって取得される。よって、ユーザにとって有用な医療情報が、より効率よくユーザに提示される。

また、動画像を構成する静止画像を部分画像とする場合、撮影された時間の間隔が一定時間毎となる複数の部分画像のパターンが設けられていてもよい。

制御部は、予め設けられた複数のパターンのうち、ユーザによって選択されたパターンに対応する医療情報を、事前取得処理によって取得してもよい。

また、制御部は、デフォルトのパターン（例えば、三次元断層画像の中心を通る二次元断層画像等）に対応する医療情報を、自動的に事前取得処理によって取得してもよい。この場合、制御部は、取得された眼科画像についての医療情報の表示を開始させる際に、デフォルトのパターンに対応する医療情報を最初に表示部に表示させてもよい。この場合、ユーザが選択する可能性が高い部分画像をデフォルトのパターンに設定することで、ユーザの利便性がさらに向上する。また、制御部は、取得された眼科画像についての医療情報を表示するための表示画面を表示部に表示させるよりも前に、パターンに対応する医療情報の事前取得処理を行ってもよい。この場合、表示画面を表示部に表示させる際に、パターンに対応する医療情報がスムーズに表示される。

画像取得ステップ、医療情報取得ステップ、指示受付ステップ、および医療情報表示ステップを実行するデバイスは、適宜選択できる。例えば、パーソナルコンピュータ（以下、「ＰＣ」という）の制御部が、画像取得ステップ、医療情報取得ステップ、指示受付ステップ、および医療情報表示ステップの全てを実行してもよい。つまり、ＰＣの制御部は、ＯＣＴ装置から眼科画像を取得し、取得した眼科画像に基づいて医療情報を取得してもよい。また、ＯＣＴ装置の制御部が、画像取得ステップ、医療情報取得ステップ、指示受付ステップ、および医療情報表示ステップの全てを実行してもよい。また、複数のデバイス（例えば、ＯＣＴ装置およびＰＣ等）の制御部が協働して、画像取得ステップ、医療情報取得ステップ、指示受付ステップ、および医療情報表示ステップを実行してもよい。

なお、数学モデルが利用されることで基画像から取得される医療情報は、基画像の画質を向上させた高画質画像に限定されない。例えば、数学モデルは、基画像を入力することで、被検眼の組織の構造の解析結果を出力してもよい。詳細には、医療情報は、組織の層および境界の解析結果（セグメンテーションの結果）等であってもよい。また、医療情報は、被検眼の疾患に関する解析結果であってもよい。

また、眼科画像も、ＯＣＴ装置によって撮影された眼科画像に限定されない。例えば、レーザ走査型検眼装置（ＳＬＯ）、眼底カメラ、シャインプルーフカメラ、または角膜内皮細胞撮影装置（ＣＥＭ）等によって撮影された眼科画像にも、本開示で例示する技術の少なくとも一部を適用できる。

＜実施形態＞
（装置構成）
以下、本開示における典型的な実施形態の１つについて、図面を参照して説明する。図１に示すように、本実施形態では、数学モデル構築装置１、眼科画像処理装置２１、および眼科画像撮影装置１１Ａ，１１Ｂが用いられる。数学モデル構築装置１は、機械学習アルゴリズムによって数学モデルを訓練させることで、数学モデルを構築する。構築された数学モデルを実現するプログラムは、眼科画像処理装置２１の記憶装置２４に記憶される。眼科画像処理装置２１は、数学モデルに画像（基画像）を入力することで、医療情報を取得する。一例として、本実施形態では、基画像の画質を向上させた（例えば、基画像のノイズの影響を抑制した）高画質画像が、医療情報として取得される。眼科画像撮影装置１１Ａ，１１Ｂは、被検眼の組織の画像である眼科画像を撮影する。

一例として、本実施形態の数学モデル構築装置１にはパーソナルコンピュータ（以下、「ＰＣ」という）が用いられる。詳細は後述するが、数学モデル構築装置１は、眼科画像撮影装置１１Ａから取得した画像（以下、「訓練用眼科画像」という）と、訓練用眼科画像に対応する医療情報とを利用して数学モデルを訓練させることで、数学モデルを構築する。しかし、数学モデル構築装置１として機能できるデバイスは、ＰＣに限定されない。例えば、眼科画像撮影装置１１Ａが数学モデル構築装置１として機能してもよい。また、複数のデバイスの制御部（例えば、ＰＣのＣＰＵと、眼科画像撮影装置１１ＡのＣＰＵ１３Ａ）が、協働して数学モデルを構築してもよい。

また、本実施形態の眼科画像処理装置２１にはＰＣが用いられる。しかし、眼科画像処理装置２１として機能できるデバイスも、ＰＣに限定されない。例えば、眼科画像撮影装置１１Ｂまたはサーバ等が、眼科画像処理装置２１として機能してもよい。眼科画像撮影装置（本実施形態ではＯＣＴ装置）１１Ｂが眼科画像処理装置２１として機能する場合、眼科画像撮影装置１１Ｂは、眼科画像を撮影しつつ、撮影した眼科画像に含まれる部分画像に関して、適切に医療情報を取得することができる。また、タブレット端末またはスマートフォン等の携帯端末が、眼科画像処理装置２１として機能してもよい。複数のデバイスの制御部（例えば、ＰＣのＣＰＵと、眼科画像撮影装置１１ＢのＣＰＵ１３Ｂ）が、協働して各種処理を行ってもよい。

また、本実施形態では、各種処理を行うコントローラの一例としてＣＰＵが用いられる場合について例示する。しかし、各種デバイスの少なくとも一部に、ＣＰＵ以外のコントローラが用いられてもよいことは言うまでもない。例えば、コントローラとしてＧＰＵを採用することで、処理の高速化を図ってもよい。

数学モデル構築装置１について説明する。数学モデル構築装置１は、例えば、眼科画像処理装置２１または眼科画像処理プログラムをユーザに提供するメーカー等に配置される。数学モデル構築装置１は、各種制御処理を行う制御ユニット２と、通信Ｉ／Ｆ５を備える。制御ユニット２は、制御を司るコントローラであるＣＰＵ３と、プログラムおよびデータ等を記憶することが可能な記憶装置４を備える。記憶装置４には、後述する数学モデル構築処理（図４参照）を実行するための数学モデル構築プログラムが記憶されている。また、通信Ｉ／Ｆ５は、数学モデル構築装置１を他のデバイス（例えば、眼科画像撮影装置１１Ａおよび眼科画像処理装置２１等）と接続する。

数学モデル構築装置１は、操作部７および表示装置８に接続されている。操作部７は、ユーザが各種指示を数学モデル構築装置１に入力するために、ユーザによって操作される。操作部７には、例えば、キーボード、マウス、タッチパネル等の少なくともいずれかを使用できる。なお、操作部７と共に、または操作部７に代えて、各種指示を入力するためのマイク等が使用されてもよい。表示装置８は、各種画像を表示する。表示装置８には、画像を表示可能な種々のデバイス（例えば、モニタ、ディスプレイ、プロジェクタ等の少なくともいずれか）を使用できる。なお、本開示における「画像」には、静止画像も動画像も共に含まれる。

数学モデル構築装置１は、眼科画像撮影装置１１Ａから眼科画像のデータ（以下、単に「眼科画像」という場合もある）を取得することができる。数学モデル構築装置１は、例えば、有線通信、無線通信、着脱可能な記憶媒体（例えばＵＳＢメモリ）等の少なくともいずれかによって、眼科画像撮影装置１１Ａから眼科画像のデータを取得してもよい。

眼科画像処理装置２１について説明する。眼科画像処理装置２１は、例えば、被検者の診断または検査等を行う施設（例えば、病院または健康診断施設等）に配置される。眼科画像処理装置２１は、各種制御処理を行う制御ユニット２２と、通信Ｉ／Ｆ２５を備える。制御ユニット２２は、制御を司るコントローラであるＣＰＵ２３と、プログラムおよびデータ等を記憶することが可能な記憶装置２４を備える。記憶装置２４には、後述する眼科画像処理（図５参照）を実行するための眼科画像処理プログラムが記憶されている。眼科画像処理プログラムには、数学モデル構築装置１によって構築された数学モデルを実現させるプログラムが含まれる。通信Ｉ／Ｆ２５は、眼科画像処理装置２１を他のデバイス（例えば、眼科画像撮影装置１１Ｂおよび数学モデル構築装置１等）と接続する。

眼科画像処理装置２１は、操作部２７および表示装置２８に接続されている。操作部２７および表示装置２８には、前述した操作部７および表示装置８と同様に、種々のデバイスを使用することができる。

眼科画像処理装置２１は、眼科画像撮影装置１１Ｂから眼科画像を取得することができる。眼科画像処理装置２１は、例えば、有線通信、無線通信、着脱可能な記憶媒体（例えばＵＳＢメモリ）等の少なくともいずれかによって、眼科画像撮影装置１１Ｂから眼科画像を取得してもよい。また、眼科画像処理装置２１は、数学モデル構築装置１によって構築された数学モデルを実現させるプログラム等を、通信等を介して取得してもよい。

眼科画像撮影装置１１Ａ，１１Ｂについて説明する。一例として、本実施形態では、数学モデル構築装置１に眼科画像を提供する眼科画像撮影装置１１Ａと、眼科画像処理装置２１に眼科画像を提供する眼科画像撮影装置１１Ｂが使用される場合について説明する。しかし、使用される眼科画像撮影装置の数は２つに限定されない。例えば、数学モデル構築装置１および眼科画像処理装置２１は、複数の眼科画像撮影装置から眼科画像を取得してもよい。また、数学モデル構築装置１および眼科画像処理装置２１は、共通する１つの眼科画像撮影装置から眼科画像を取得してもよい。

また、本実施形態では、眼科画像撮影装置１１（１１Ａ，１１Ｂ）として、ＯＣＴ装置を例示する。ただし、ＯＣＴ装置以外の眼科画像撮影装置（例えば、レーザ走査型検眼装置（ＳＬＯ）、眼底カメラ、シャインプルーフカメラ、または角膜内皮細胞撮影装置（ＣＥＭ）等）が用いられてもよい。

眼科画像撮影装置１１（１１Ａ，１１Ｂ）は、各種制御処理を行う制御ユニット１２（１２Ａ，１２Ｂ）と、眼科画像撮影部１６（１６Ａ，１６Ｂ）を備える。制御ユニット１２は、制御を司るコントローラであるＣＰＵ１３（１３Ａ，１３Ｂ）と、プログラムおよびデータ等を記憶することが可能な記憶装置１４（１４Ａ，１４Ｂ）を備える。後述する眼科画像処理（図５参照）の少なくとも一部を眼科画像撮影装置１１が実行する場合には、眼科画像処理を実行するための眼科画像処理プログラムの少なくとも一部が記憶装置１４に記憶されることは言うまでもない。

眼科画像撮影部１６は、被検眼の眼科画像を撮影するために必要な各種構成を備える。本実施形態の眼科画像撮影部１６には、ＯＣＴ光源、ＯＣＴ光源から出射されたＯＣＴ光を測定光と参照光に分岐する分岐光学素子、測定光を走査するための走査部、測定光を被検眼に照射するための光学系、被検眼の組織によって反射された光と参照光の合成光を受光する受光素子等が含まれる。

眼科画像撮影装置１１は、被検眼の眼底の二次元断層画像および三次元断層画像を撮影することができる。詳細には、ＣＰＵ１３は、スキャンライン上にＯＣＴ光（測定光）を走査させることで、スキャンラインに交差する断面の二次元断層画像（図２等参照）を撮影する。また、ＣＰＵ１３は、ＯＣＴ光を二次元的に走査することによって、組織における三次元断層画像（図３等参照）を撮影することができる。例えば、ＣＰＵ１３は、組織を正面から見た際の二次元の領域内において、位置が互いに異なる複数のスキャンライン上の各々に測定光を走査させることで、複数の二次元断層画像を取得する。次いで、ＣＰＵ１３は、撮影された複数の二次元断層画像を組み合わせることで、三次元断層画像を取得する。

さらに、ＣＰＵ１３は、組織上の同一部位（本実施形態では、同一のスキャンライン上）に測定光を複数回走査させることで、同一部位の眼科画像を複数撮影することも可能である。ＣＰＵ１３は、同一部位の複数の眼科画像に対して加算平均処理を行うことで、スペックルノイズの影響が抑制された加算平均画像を取得することができる。同一部位の複数の二次元断層画像に対して加算平均処理を行うことで、二次元断層画像の画質を向上させることができる。また、三次元断層画像を構成する複数の二次元断層画像の各々を加算平均画像とすることで、三次元断層画像の画質を向上させることも可能である。加算平均処理は、例えば、複数の眼科画像のうち、同一の位置の画素の画素値を平均化することで行われてもよい。加算平均処理を行う画像の数が多い程、スペックルノイズの影響は抑制され易いが、撮影時間は長くなる。なお、眼科画像撮影装置１１は、同一部位の眼科画像を複数撮影する間に、被検眼の動きにＯＣＴ光の走査位置を追従させるトラッキング処理を実行する。

（数学モデル構築処理）
図２から図４を参照して、数学モデル構築装置１が実行する数学モデル構築処理について説明する。数学モデル構築処理は、記憶装置４に記憶された数学モデル構築プログラムに従って、ＣＰＵ３によって実行される。

数学モデル構築処理では、訓練用データセットによって数学モデルが訓練されることで、眼科画像に基づいて医療情報を出力する数学モデルが構築される。訓練用データセットには、入力側のデータ（入力用訓練データ）と出力側のデータ（出力用訓練データ）が含まれる。数学モデルには、種々の医療情報を出力させることが可能である。数学モデルに出力させる医療情報の種類に応じて、数学モデルの訓練に用いられる訓練用データセットの種類が定まる。以下、数学モデルに出力させる医療情報の種類と、数学モデルの訓練に用いられる訓練用データセットの関係の一例について説明する。

まず、二次元断層画像を基画像として数学モデルに入力することで、基画像の画質を向上させた二次元断層画像（高画質画像）を、医療情報として数学モデルに出力させる場合について説明する。この場合、本実施形態では、被検眼の組織の二次元断層画像を入力用訓練データとし、且つ、入力用訓練データよりも高画質である同一部位の二次元断層画像を出力用訓練データとして、数学モデルが訓練される。なお、高画質画像は、例えば、入力される基画像のノイズを減少させた画像、元画像の解像度を高めた画像、元画像の視認性を向上させた画像等の少なくともいずれかを示す。

図２に、高画質の二次元断層画像を数学モデルに出力させる場合の、入力用訓練データと出力用訓練データの一例を示す。図２に示す例では、ＣＰＵ３は、組織の同一部位を撮影した複数の二次元断層画像４００Ａ～４００Ｘのセット４０を取得する。ＣＰＵ３は、セット４０内の複数の二次元断層画像４００Ａ～４００Ｘの一部（後述する出力用訓練データの加算平均に使用された枚数よりも少ない枚数）を、入力用訓練データとする。また、ＣＰＵ３は、セット４０内の複数の二次元断層画像４００Ａ～４００Ｘの加算平均画像４１を、出力用訓練データとして取得する。図２に例示する入力用訓練データおよび出力用訓練データによって数学モデルが訓練された場合、訓練された数学モデルに二次元断層画像が基画像として入力されることで、スペックルノイズの影響が抑制された高画質画像が出力される。

次に、Ｅｎｆａｃｅ画像を基画像として数学モデルに入力することで、基画像の画質を向上させたＥｎｆａｃｅ画像（高画質画像）を数学モデルに出力させる場合について説明する。この場合、本実施形態では、被検眼の組織のＥｎｆａｃｅ画像を入力用訓練データとし、且つ、入力用訓練データよりも高画質である同一部位のＥｎｆａｃｅ画像を出力用訓練データとして、数学モデルが訓練される。

図３を参照して、Ｅｎｆａｃｅ画像５５の一例について説明する。Ｅｎｆａｃｅ画像５５は、三次元断層画像５０の画像領域全体に含まれる一部の三次元断層画像（部分画像）を、眼科画像撮影装置（ＯＣＴ装置）１１の測定光の光軸に沿う方向（正面方向）から見た場合の二次元画像である。Ｅｎｆａｃｅ画像５５は、例えば、光軸に交差するＸＹ方向の各位置において、部分画像の画素値を深さ方向（Ｚ方向）に積算した積算画像であってもよい。また、Ｅｎｆａｃｅ画像５５は、ＸＹ方向の各位置での部分画像のスペクトルデータの積算値によって生成されてもよい。本実施形態では、三次元断層画像５０の画像領域のうち、２つの境界面（スラブ）５２Ａ，５２Ｂに挟まれた三次元断層画像が部分画像とされ、部分画像のＥｎｆａｃｅ画像５５が生成される。図３に示す例では、三次元断層画像５０を構成する１つの二次元断層画像５１（例えば、三次元断層画像５０の中心を通る二次元断層画像）上に、２つの境界面５２Ａ，５２Ｂの位置が例示されている。境界面５２Ａ，５２Ｂの位置が変更されると、部分画像、および、部分画像から生成されるＥｎｆａｃｅ画像５５も変更される。

高画質のＥｎｆａｃｅ画像５５を数学モデルに出力させる場合の、入力用訓練データと出力用訓練データの一例について説明する。ＣＰＵ３は、眼底画像撮影装置１１Ａによって同一の組織（本実施形態では同一の被検眼の眼底）について撮影された、複数の三次元断層画像を取得する。複数の三次元断層画像には、低画質の三次元断層画像と高画質の三次元断層画像が含まれる。高画質の三次元断層画像は、前述したように、画像を構成する複数の二次元断層画像の各々を加算平均画像とすることで取得されてもよい。次いで、ＣＰＵ３は、低画質の三次元断層画像から、一部の三次元断層画像を部分画像として抽出し、抽出した部分画像から生成されるＥｎｆａｃｅ画像を入力用訓練データとする。ＣＰＵ３は、高画質の三次元断層画像から、入力用訓練データと同じ範囲の三次元断層画像を部分画像として抽出し、抽出した部分画像から生成されるＥｎｆａｃｅ画像を出力用訓練データとする。入力用訓練データおよび出力用訓練データによって数学モデルが訓練された場合、訓練された数学モデルにＥｎｆａｃｅ画像が基画像として入力されることで、基画像の画質が向上された高画質画像が出力される。

なお、高画質の二次元断層画像または三次元断層画像を生成する方法を変更することも可能である。例えば、加算平均処理以外の処理によって画質を向上させてもよい。また、入力用訓練データは、組織の断層画像に限定されない。

また、数学モデルは、高画質画像以外の医療情報を出力するように訓練されてもよい。例えば、数学モデルに眼科画像を入力することで、被検眼の組織の構造の解析結果を、医療情報として数学モデルに出力させることも可能である。この場合、被検眼の組織の眼科画像を入力用訓練データとし、且つ、入力用訓練データ（眼科画像）に写っている組織の構造を示す医療データを出力用訓練データとして、数学モデルが訓練される。一例として、眼底組織の二次元断層画像を入力用訓練データとし、入力用訓練データに写っている組織の構造の位置（例えば、組織の層および境界の少なくともいずれかの位置）を示すデータを出力用訓練データとして、数学モデルが訓練されてもよい。この場合、訓練された数学モデルに二次元断層画像が入力されると、組織の構造（例えば、層および境界の少なくともいずれかの位置）の解析結果が出力される。また、被検眼の眼底血管、中心窩、および視神経乳頭等少なくともいずれかの解析結果等を数学モデルに出力させることも可能である。入力用訓練データは二次元断層画像である必要は無く、二次元正面画像等であってもよい。

また、数学モデルに眼科画像を入力することで、被検眼に何らかの疾患があるか否かを示す自動解析結果を、医療情報として数学モデルに出力させることも可能である。この場合、被検眼の組織の眼科画像（例えば、二次元断層画像、三次元断層画像、Ｅｎｆａｃｅ画像等の少なくともいずれか）を入力用訓練データとし、且つ、入力用訓練データに写っている撮影対象における疾患の有無、および疾患の種類の少なくともいずれかを示すデータを出力用訓練データとして、数学モデルが訓練されてもよい。

図４を参照して、数学モデル構築処理について説明する。ＣＰＵ３は、眼科画像撮影装置１１Ａによって撮影された眼科画像の少なくとも一部を、入力用訓練データとして取得する（Ｓ１）。本実施形態では、眼科画像のデータは、眼科画像撮影装置１１Ａによって生成された後、数学モデル構築装置１によって取得される。しかし、ＣＰＵ３は、眼科画像を生成する基となる信号（例えばＯＣＴ信号）を眼科画像撮影装置１１Ａから取得し、取得した信号に基づいて眼科画像を生成することで、眼科画像のデータを取得してもよい。

次いで、ＣＰＵ３は、Ｓ１で取得した入力用訓練データに対応する出力用訓練データを取得する（Ｓ３）。入力用訓練データと出力用訓練データの対応関係の一例については、前述した通りである。

次いで、ＣＰＵ３は、機械学習アルゴリズムによって、訓練データセットを用いた数学モデルの訓練を実行する（Ｓ３）。機械学習アルゴリズムとしては、例えば、ニューラルネットワーク、ランダムフォレスト、ブースティング、サポートベクターマシン（ＳＶＭ）等が一般的に知られている。

ニューラルネットワークは、生物の神経細胞ネットワークの挙動を模倣する手法である。ニューラルネットワークには、例えば、フィードフォワード（順伝播型）ニューラルネットワーク、ＲＢＦネットワーク（放射基底関数）、スパイキングニューラルネットワーク、畳み込みニューラルネットワーク、再帰型ニューラルネットワーク（リカレントニューラルネット、フィードバックニューラルネット等）、確率的ニューラルネット（ボルツマンマシン、ベイシアンネットワーク等）等がある。

ランダムフォレストは、ランダムサンプリングされた訓練データに基づいて学習を行って、多数の決定木を生成する方法である。ランダムフォレストを用いる場合、予め識別器として学習しておいた複数の決定木の分岐を辿り、各決定木から得られる結果の平均（あるいは多数決）を取る。

ブースティングは、複数の弱識別器を組み合わせることで強識別器を生成する手法である。単純で弱い識別器を逐次的に学習させることで、強識別器を構築する。

ＳＶＭは、線形入力素子を利用して２クラスのパターン識別器を構成する手法である。ＳＶＭは、例えば、訓練データから、各データ点との距離が最大となるマージン最大化超平面を求めるという基準（超平面分離定理）で、線形入力素子のパラメータを学習する。

数学モデルは、例えば、入力データと出力データの関係を予測するためのデータ構造を指す。数学モデルは、訓練データセットを用いて訓練されることで構築される。前述したように、訓練データセットは、入力用訓練データと出力用訓練データのセットである。例えば、訓練によって、各入力と出力の相関データ（例えば、重み）が更新される。

本実施形態では、機械学習アルゴリズムとして多層型のニューラルネットワークが用いられている。ニューラルネットワークは、データを入力するための入力層と、予測したいデータを生成するための出力層と、入力層と出力層の間の１つ以上の隠れ層を含む。各層には、複数のノード（ユニットとも言われる）が配置される。詳細には、本実施形態では、多層型ニューラルネットワークの一種である畳み込みニューラルネットワーク（ＣＮＮ）が用いられている。ただし、他の機械学習アルゴリズムが用いられてもよい。例えば、競合する２つのニューラルネットワークを利用する敵対的生成ネットワーク（Ｇｅｎｅｒａｔｉｖｅａｄｖｅｒｓａｒｉａｌｎｅｔｗｏｒｋｓ：ＧＡＮ）が、機械学習アルゴリズムとして採用されてもよい。

数学モデルの構築が完了するまで（Ｓ５：ＮＯ）、Ｓ１～Ｓ３の処理が繰り返される。数学モデルの構築が完了すると（Ｓ５：ＹＥＳ）、数学モデル構築処理は終了する。構築された数学モデルを実現させるプログラムおよびデータは、眼科画像処理装置２１に組み込まれる。

（眼科画像処理）
図５～図１１を参照して、眼科画像処理装置２１が実行する眼科画像処理の一例について説明する。図５～図１１では、眼底の三次元断層画像を構成する複数の二次元断層画像を部分画像とし、各々の部分画像の画質を向上させた高画質画像を取得して表示させる場合について例示する。図５に例示する眼科画像処理は、記憶装置２４に記憶された眼科画像処理プログラムに従って、ＣＰＵ２３によって実行される。

図５に示すように、ＣＰＵ２３は、眼科画像撮影装置（本実施形態ではＯＣＴ装置）１１Ｂによって撮影された、被検眼の組織の眼科画像を取得する（Ｓ１１）。本実施形態のＳ１１では、被検眼の眼底組織の三次元断層画像（例えば、図３に示す三次元断層画像５０参照）が取得される。前述したように、三次元断層画像は、複数の二次元断層画像を組み合わせる（並べる）ことで生成される。

次いで、ＣＰＵ２３は、部分画像選択用画像６１を、表示装置２８に表示させる（Ｓ１２）。図６は、眼科画像処理の実行中に表示装置２８に表示される表示画面６０の一例である。表示画面６０には、部分画像選択用画像６１と、選択画像表示欄６５が表示される。

部分画像選択用画像６１は、三次元断層画像に含まれる複数の部分画像６６（本実施形態では二次元断層画像）の少なくともいずれかをユーザが選択するために表示される。図６に示す例では、部分画像選択用画像６１には、三次元断層画像をＯＣＴ測定光の光軸方向から見た場合の二次元正面画像が含まれる。二次元正面画像の画像領域内に、部分画像６６を選択可能な選択範囲６２が表示される。選択範囲６２内には、選択される部分画像６６が通過する選択ライン６３が表示される。ユーザは、操作部２７（例えばマウス等）を操作し、選択ライン６３の位置を所望の位置に設定する（例えば移動させる）ことで、部分画像６６を選択する指示を眼科画像処理装置２１に入力することができる。ＣＰＵ２３は、選択ライン６３が通過する位置の部分画像６６を、ユーザによって選択された部分画像６６とする。

選択画像表示欄６５には、ユーザによって選択された部分画像６６、および、選択された部分画像６６に関する高画質画像６７（図７参照）の少なくともいずれかが表示される。図６に示す例では、部分画像６６に関する高画質画像６７を取得するための推論処理中であるため、部分画像６６そのものが表示されている。高画質画像６７の取得が完了すると、部分画像６６の代わりに高画質画像６７が表示される。また、選択された部分画像６６に関する高画質画像６７が、後述する事前取得処理（図１１参照）で既に取得されている場合には、選択画像表示欄６５には、部分画像６６が選択された時点で、選択された部分画像６６に関する高画質画像６７が表示される。よって、ユーザの作業時間が適切に短縮される。

また、表示画面６０（本実施形態では、表示画面６０内の選択画像表示欄６５）には、部分画像切替ボタン６８Ｆ，６８Ｂが含まれる。部分画像切替ボタン６８Ｆは、選択する部分画像６６を、その時点で選択されている部分画像６６から、順方向（例えば、図６に示す例では、選択範囲６２における画面下方向）に隣接している部分画像６６に変更する（切り替える）ために操作される。また、部分画像切替ボタン６８Ｂは、選択する部分画像６６を、その時点で選択されている部分画像６６から、逆方向（例えば、図６に示す例では、選択範囲６２における画面上方向）に隣接している部分画像６６に変更するために操作される。ユーザは、部分画像切替ボタン６８Ｆまたは部分画像切替ボタン６８Ｂを連続して操作することで、部分画像６６を所定の方向に順に切り替えることができる。

さらに、表示画面６０には、画像種別表示部６９が表示される。画像種別表示部６９には、その時点で選択画像表示欄６５に表示されている画像が、ユーザによって選択された部分画像６６、および、部分画像６６に関する高画質画像６７のいずれであるかが表示される。従って、ユーザは、選択画像表示欄６５に表示されている画像が高画質画像６７であるか否かを容易に把握することができる。

なお、本実施形態では、部分画像選択用画像６１内の選択範囲６２に、眼底組織における特定の層（図６に示す例では、ＩＬＭとＲＰＥ／ＢＭの間の層）の厚みの分布を二次元的に示す厚みマップが重畳表示される。従って、ユーザは、眼底における特定の層の厚みの分布を考慮したうえで、部分画像６６を選択することができる。

また、ＣＰＵ２３は、Ｓ１２で表示画面６０の表示を開始させる際に、デフォルトのパターンの部分画像６６（例えば、二次元正面画像の画像領域の中心を通る部分画像６６等）に関する高画質画像６７を、最初に選択画像表示欄６５に自動的に表示させる。ここで、ＣＰＵ２３は、表示画面６０を表示させるよりも前に、デフォルトのパターンの部分画像６６を数学モデルに入力することで、デフォルトのパターンの部分画像６６に関する高画質画像６７を予め取得しておく。デフォルトのパターンに対応する高画質画像６７を予め取得する処理も、事前取得処理の一例である。ＣＰＵ２３は、表示画面６０を表示させる際に、デフォルトのパターンに対応する高画質画像６７を、最初から選択画像表示欄６５に表示させる。従って、デフォルトのパターンに対応する高画質画像６７が、スムーズに表示される。

図５の説明に戻る。ＣＰＵ２３は、事前取得パターンがユーザによって設定されているか否かを判断する（Ｓ１３）。図８は、ユーザが事前取得パターンを設定する際に表示装置２８に表示される設定画面の一例を示す。事前取得パターンとは、眼科画像（本実施形態では三次元断層画像）における複数の部分画像６６のうち、医療情報（本実施形態では高画質画像６７）が事前に取得される部分画像６６のパターンである。

図８に示すように、ＣＰＵ２３は、事前取得パターンを設定する指示がユーザによって入力されると、パターン選択欄７０、位置指定欄７１、角度指定欄７２、および大きさ指定欄７３を表示装置２８に表示させる。パターン選択欄７０には、部分画像６６が通過するラインの配置、数、および形状の少なくともいずれかが互いに異なる複数種類の事前取得パターンが表示される。ユーザは、複数種類の事前取得パターンのうちの１つまたは複数を任意に選択することができる。

位置指定欄７１では、選択された事前取得パターンを設定する部分画像選択用画像６１（図６参照）上の位置が指定される。例えば、「黄斑中心」が指定されると、選択された事前取得パターンの中心が黄斑（例えば、黄斑の中心である中心窩）に一致するように、事前取得パターンの位置が設定される。眼科画像における黄斑、乳頭、および異常部位等の位置は、眼科画像に対する画像処理が行われることで検出されてもよい。また、機械学習アルゴリズムによって訓練された数学モデルが利用されることで、黄斑等の位置が取得されてもよい。「手動設定」が指定されると、ユーザからの指示によって指定された位置に、選択された事前取得パターンが設定される。角度指定欄７２では、選択された事前取得パターンの、眼科画像上における角度が指定される。大きさ指定欄９０では、選択された事前取得パターンの、眼科画像上における大きさが設定される。

図５の説明に戻る。事前取得パターンが設定されている場合には（Ｓ１３：ＹＥＳ）、ＣＰＵ２３は、設定されている事前取得パターンに対応する部分画像６６を数学モデルに入力することで、入力した部分画像６６の画質を向上させた高画質画像６７を、医療情報として取得する。事前取得パターンに対応する高画質画像６７を取得する処理は、事前取得処理の一例である。ＣＰＵ２３は、取得した高画質画像６７を、記憶装置２４に記憶させると共に、表示装置２８に表示させる（Ｓ１４）。よって、ユーザは、所望のパターンに対応する高画質画像６７を適切に確認することができる。

なお、事前取得パターンに対応する高画質画像６７は、表示画面６０の表示を開始させる処理（Ｓ１２）よりも前に、事前に実行されていてもよい。この場合、Ｓ１２では、事前取得パターンに対応する高画質画像６７を、最初から選択画像表示欄６５に表示させてもよい。その結果、事前取得パターンに対応する高画質画像６７が、よりスムーズに表示装置２８に表示される。

次いで、ＣＰＵ２３は、フォローアップ位置情報が記憶装置２４に記憶されているか否かを判断する（Ｓ１６）。フォローアップ位置情報とは、撮影対象が同一である眼科画像に対して過去に眼科画像処理が行われた際に、ユーザが選択した部分画像６６の位置（つまり、後述する基準画像の位置）を示す情報である。フォローアップ位置情報が記憶されている場合には（Ｓ１６：ＹＥＳ）、ＣＰＵ２３は、フォローアップ位置の部分画像６６を、基準画像に設定する。基準画像については後述する。なお、フォローアップ位置が複数記憶されている場合には、いずれかのフォローアップ位置（例えば、過去の処理においてユーザが最初に選択した部分画像６６の位置等）が採用されればよい。また、フォローアップ位置情報が記憶されている場合には、フォローアップ位置の部分画像６６が、最初に表示画面６０に高画質画像６７を表示させるデフォルトの部分画像６６に設定されてもよい。

フォローアップ位置情報が記憶されていない場合には（Ｓ１６：ＮＯ）、ＣＰＵ２３は、眼科画像に写る組織の特定位置を取得する（Ｓ１８）。特定位置は、例えば、眼底における黄斑、視神経乳頭、病変部位、よび眼底血管等の少なくともいずれかであってもよい。ＣＰＵ２３は、例えば、眼科画像に対して画像処理を行うことで、特定位置を検出してもよい。また、ＣＰＵ２３は、機械学習アルゴリズムによって訓練された数学モデルを利用して、特定位置を取得してもよい。ＣＰＵ２３は、特定位置における部分画像６６を、後述する基準画像に設定する（Ｓ１９）。だたし、特定位置は、予め定められていいてもよい。例えば、前述したデフォルトのパターンの部分画像６６の位置が、特定位置とされてもよい。

次いで、ＣＰＵ２３は、眼科画像に含まれる複数の部分画像６６の各々に対し、後述する事前取得処理（図９参照）を実行する際の優先順位を、基準画像に基づいて設定する（Ｓ２１）。優先順位は、複数の部分画像６６の各々に対して事前取得処理を実行する順位を示す。つまり、各々の部分画像６６に関して医療情報（本実施形態では高画質画像６６）を取得する処理は、優先順位に従って順に実行される。基準画像とは、複数の部分画像６６に対して優先順位を設定する基準となる部分画像６６である。

本実施形態のＳ２１では、ＣＰＵ２３は、基準画像に近い程優先順位が高くなるように、複数の部分画像６６の優先順位を設定する。詳細には、本実施形態のＳ２１では、ＣＰＵ２３は、基準画像に対する距離が近い程優先順位が高くなるように、複数の部分画像６６の優先順位を設定する。

図９は、基準画像ＢＬを基準として複数の部分画像６６に対する優先順位を設定する方法の一例を説明するための説明図である。図９では、複数の部分画像６６の各々が通過するラインを、ＯＣＴ測定光の光軸に沿う方向から見た状態を示す。図９に示すように、本実施形態のＳ２１では、ＣＰＵ２３は、基準画像ＢＬの順方向（図の下方向）および逆方向（図の上方向）の各々に隣接する２つの部分画像６６の優先順位を、最も高いＰ１とする。また、ＣＰＵ２３は、順方向および逆方向の両方において、基準画像ＢＬからの距離が遠くなるほど、優先順位がＰ２、Ｐ３の順に下がるように、優先順位を設定する。その結果、基準画像ＢＬに近い部分画像６６に関する医療情報が、優先して取得される。

図５の説明に戻る。ＣＰＵ２３は、事前取得処理を開始する（Ｓ２２）。事前取得処理では、ユーザによって未だ選択されていない部分画像６６に関する医療情報が、事前に取得されて記憶される。事前取得処理の詳細については、図１１を参照して後述する。

次いで、ＣＰＵ２３は、部分画像６６を選択する指示がユーザによって入力されたか否かを判断する（Ｓ２４）。指示が入力されていなければ（Ｓ２４：ＮＯ）、処理はそのままＳ２９へ移行する。ＣＰＵ２３は、部分画像６６を選択する指示の入力を受け付けると（Ｓ２４：ＹＥＳ）、選択された部分画像６６を、新たな基準画像として設定する（Ｓ２５）。ＣＰＵ２３は、新たに設定した基準画像の位置の情報を、同一の被検眼の眼科画像に対して眼科画像処理を将来実行する際に使用されるフォローアップ位置情報として、記憶装置２４に記憶させる（Ｓ２６）。ＣＰＵ２３は、新たに設定した基準画像に近い順に、複数の部分画像６６に対する優先順位を再設定する（Ｓ２７）。

Ｓ２７では、ＣＰＵ２３は、ユーザによって選択される部分画像６６が変更された場合に、変更される前の部分画像６６に対する、変更された後の部分画像６６の方向に沿って、複数の部分画像６６に対する優先順位を順に設定することができる。例えば、部分画像切替ボタン６６Ｆまたは部分画像切替ボタン６６Ｂ（図６参照）が操作されることで、選択する部分画像６６が切り替えられる場合には、ユーザは、同一の方向（順方向または逆方向）に沿って、選択する部分画像６６を連続して切り替えていく場合が多い。従って、本実施形態のＣＰＵ２３は、部分画像切替ボタン６６Ｆまたは部分画像切替ボタン６６Ｂによって部分画像６６が切り替えられた場合、部分画像６６が切り替えられた方向に沿って優先順位を再設定する。

図１０は、ユーザが選択する部分画像６６が切り替えられた方向に沿って、複数の部分画像６６に対する優先順位を設定する方法の一例を説明するための説明図である。図１０に示す例では、ユーザが選択する部分画像６６が、ＢＬ１からＢＬ２に切り替えられている。この場合、ＣＰＵ２３は、基準画像をＢＬ１からＢＬ２に変更すると共に（Ｓ２５）、変更される前の部分画像６６（ＢＬ１）に対する、変更された後の部分画像６６（ＢＬ２）の方向（図１０に示す例では、順方向である図面下方向）に沿って、優先順位を再設定する（Ｓ２７）。つまり、変更された方向について、基準画像ＢＬ２からの距離が遠くなるほど優先順位がＰ１，Ｐ２，Ｐ３の順に下がるように、優先順位が設定される。

次いで、ＣＰＵ２３は、Ｓ２４で選択された部分画像６６に関する医療情報（本実施形態では高画質画像６７）を、表示装置２８（本実施形態では、図６に示す選択画像表示欄６５）に表示させる（Ｓ２８）。詳細には、ＣＰＵ２３は、選択された部分画像６６に関する医療情報が未だ取得されていない場合には、選択された部分画像６６を数学モデルに入力することで、入力した部分画像６６に関する医療情報を取得して表示させる。なお、前述したように、医療情報を取得する処理が実行されている間には、選択画像表示欄６５には、選択された部分画像６６が表示される。選択された部分画像６６に関する医療情報が、既に取得されて記憶装置２４に記憶されている場合には、ＣＰＵ２３は、記憶されている医療情報を表示装置２４に表示させる。

処理を終了させる指示が入力されるまで（Ｓ２９：ＮＯ）、Ｓ２４～Ｓ２９の処理が繰り返される。終了指示が入力されると（Ｓ２９：ＹＥＳ）、眼科画像処理は終了する。

図１１を参照して、眼科画像処理装置２１が実行する事前取得処理の一例について説明する。前述したように、事前取得処理では、ユーザによって未だ選択されていない部分画像６６に関する医療情報が、事前に取得されて記憶される。各々の部分画像６６に関する医療情報の取得処理は、設定されている優先順位に従って順に実行される。図１１に例示する事前取得処理は、記憶装置２４に記憶された眼科画像処理プログラムに従って、ＣＰＵ２３によって実行される。事前取得処理は、図５に例示する眼科画像処理と並行してバックグラウンドで実行される。

まず、ＣＰＵ２３は、優先順位をカウントするためのカウンタＮの値を「１」とする（Ｓ３１）。ＣＰＵ２３は、優先順位がＮ番目の部分画像６６に関する医療情報が、既に取得されているか否かを判断する（Ｓ３２）。Ｎ番目の部分画像６６に関する医療情報が、既に記憶装置２４に記憶されている場合には（Ｓ３２：ＹＥＳ）、処理の重複を避けて処理時間を短縮するために、カウンタＮの値に「１」を加算する（Ｓ３３）。処理はＳ３２へ戻る。つまり、Ｎ番目の部分画像６６に関する医療情報が既に取得されている場合には、医療情報を取得する処理が省略される。

Ｎ番目の部分画像６６に関する医療情報が未だ取得されていなければ（Ｓ３２：ＮＯ）、ＣＰＵ２３は、優先順位がＮ番目の部分画像６６を基画像とし、機械学習アルゴリズムによって訓練された数学モデルに基画像と入力する。その結果、基画像の画質を向上させた高画質画像６７（図７参照）を医療情報として出力するための、数学モデルによる推論処理が開始される（Ｓ３４）。

ＣＰＵ２３は、眼科画像処理（図５参照）において、新たに基準画像が設定されたか否かを判断する（Ｓ３５）。基準画像が新たに設定されていなければ（Ｓ３５：ＮＯ）、Ｎ番目の部分画像６６に関する医療情報の取得処理（つまり、Ｓ３４で開始された推論処理）が完了したか否かが判断される（Ｓ３６）。医療情報の取得処理が完了していなければ（Ｓ３６：ＮＯ）、処理はＳ３５へ戻り、Ｓ３５，Ｓ３６の処理が繰り返される。

Ｎ番目の部分画像６６に関する医療情報の取得処理が完了すると（Ｓ３６：ＹＥＳ）、ＣＰＵ２３は、取得した医療情報を記憶装置２４に記憶させる（Ｓ３８）。ＣＰＵ２３は、優先順位をカウントするためのカウンタＮの値に「１」を追加する（Ｓ３９）。ＣＰＵ２４は、眼科画像処理（図５参照）において優先順位が設定された複数の部分画像６６に対する、一連の医療情報の取得処理（つまり、現在のカウンタＮを用いて実行していた、一群の部分画像６６に対する医療情報の取得処理）が完了したか否かを判断する（Ｓ４０）。完了していなければ（Ｓ４０：ＮＯ）、処理はＳ３２へ戻り、次の優先順位が設定された部分画像４０に対する処理が行われる（Ｓ３２～Ｓ３８）。

Ｎ番目の部分画像６６に関する医療情報の取得処理が完了する前に（Ｓ３６：ＮＯ）、眼科画像処理（図５参照）において新たに基準画像が設定された場合には（Ｓ３５：ＹＥＳ）、医療情報を取得するための優先順位を、新たに設定された基準画像に基づく優先順位に変更することが望ましい。従って、ＣＰＵ２３は、実行中の事前取得処理（推論処理）を中断し（Ｓ４６）。新たに設定された基準画像に基づいてＳ２７で再設定された優先順位を、改めてセットする（Ｓ４７）。処理はＳ３１へ戻り、改めてセットされた優先順位に従って、事前取得処理（Ｓ３１～Ｓ４０）が実行される。つまり、ＣＰＵ２３は、実行していた一群の部分画像６６に対する処理を中断し、新たな一群の部分画像６６に対する処理を再開する。

現在のカウンタＮを用いて実行していた、一群の部分画像６６に対する医療情報の取得処理が完了すると（Ｓ４０：ＹＥＳ）、ＣＰＵ２３は、Ｓ４６で中断していた他の一群の部分画像６６に対する処理があるか否かを判断する（Ｓ４１）。中断していた処理がある場合（Ｓ４１：ＹＥＳ）、ＣＰＵ２３は、中断していた処理の優先順位およびカウンタＮを再セットし（Ｓ４２）、処理はＳ３２へ戻る。その結果、中断していた処理が適切に再開される。

中断していた処理が無ければ（Ｓ４１：ＮＯ）、眼科画像に含まれる全ての部分画像６６に関する医療情報の取得処理が完了したか否かを判断する（Ｓ４４）。完了していなければ（Ｓ４４：ＮＯ）、未だ医療情報が取得されていない部分画像６６に対する処理を実行するために、新たな優先順位が設定されて（Ｓ４９）、処理はＳ３１へ戻る。全ての部分画像６６に関する医療情報が取得されると（Ｓ４４：ＹＥＳ）、事前取得処理は終了する。

（第１変容例）
図１２を参照して、上記実施形態の第１変容例について説明する。図１２は、第１変容例における眼科画像処理の実行中に表示装置２８に表示される表示画面８０の一例である。第１変容例に係る眼科画像処理装置１は、三次元断層画像の画像領域全体に含まれる一部の三次元断層画像を部分画像とし、部分画像からＥｎｆａｃｅ画像５５を生成する。眼科画像処理装置１は、生成したＥｎｆａｃｅ画像５５の画質を向上させた高画質画像８５（８５Ａ，８５Ｂ，８５Ｃ）を、医療情報として取得する。なお、上記実施形態で例示した眼科画像処理（図５参照）および事前取得処理（図１１参照）の少なくとも一部は、以下の第１変容例でも同様に採用できる。従って、上記実施形態と同様の処理を採用できる処理については、その説明を省略または簡略化する。

第１変容例に係る眼科画像処理（図５参照）では、まず、被検眼の眼底組織の三次元断層画像（例えば、図３に示す三次元断層画像５０参照）が取得される（Ｓ１１）。次いで、ＣＰＵ２３は、部分画像選択用画像８１（図１２参照）を表示装置２８に表示させる（Ｓ１２）。図１２に示すように、眼科画像処理の実行中には、部分画像選択用画像８１と高画質画像８５Ａ，８５Ｂ，８５Ｃが、表示画面８０に表示される。第１変容例の部分画像選択用画像８１には、Ｓ１１で取得された三次元断層画像を構成する１つの二次元断層画像が用いられる。部分画像選択用画像８１には、部分画像の範囲を規定するための２つの境界面（スラブ）８２Ａ，８２Ｂの位置が表示される。２つの境界面８２Ａ，８２Ｂに挟まれた領域内の三次元断層画像が、第１変容例における部分画像となる。

内部的には、Ｓ１１で取得された三次元断層画像を構成する複数の二次元断層画像の各々について、画像に写り込む組織の層および層の境界の少なくともいずれか（以下、単に「層・境界」という）の位置が取得されている。層・境界の位置は、二次元断層画像に対する画像処理によって取得されてもよいし、機械学習アルゴリズムが利用されることで取得されてもよい。また、ユーザが層・境界の位置を指定することで、位置が取得されてもよい。

ユーザは、操作部２７を操作し、表示されている２つの境界面８２Ａ，８２Ｂの少なくとも一方の位置を、所望の位置に設定する（例えば移動させる）。その結果、部分画像の範囲を規定する境界面８２Ａ，８２Ｂの位置が設定される。つまり、ユーザは、境界面８２Ａ，８２Ｂの位置を設定することで、Ｓ１１で取得された眼科画像における部分画像を選択することができる。一例として、ＣＰＵ２３は、既に取得されている組織の層・境界の位置に対する、ユーザによって設定された境界面８２Ａ，８２Ｂの距離および方向に基づいて、三次元断層画像を構成する複数の二次元断層画像の各々について、２つの境界面を設定する。ＣＰＵ２３は、設定した２つの境界面の間に挟まれる領域の三次元断層画像を、部分画像とする。

図５の説明に戻る。ＣＰＵ２３は、事前取得パターンがユーザによって設定されているか否かを判断する（Ｓ１３）。第１変容例における事前取得パターンには、ユーザが注目する可能性が高い特定の層を部分画像とするパターンが予め設けられている。図１２に示す例では、硝子体界面を部分画像とするパターンと、網膜内層を部分画像とするパターンが設定されている。ＣＰＵ２３は、設定されている事前取得パターンに対応する部分画像に基づいて、Ｅｎｆａｃｅ画像５５（図３参照）を生成する。ＣＰＵ２３は、生成したＥｎｆａｃｅ画像５５を基画像として数学モデルに入力することで、高画質画像８５Ａ，８５Ｂを取得する。事前取得パターンに対応する高画質画像８５Ａ，８５Ｂを取得する処理は、事前取得処理の一例である。ＣＰＵ２３は、取得した高画質画像８５Ａ，８５Ｂを記憶装置２４に記憶させると共に、表示装置２８に表示させる（Ｓ１４）。

前述したように、事前取得パターンに対応する高画質画像８５Ａ，８５Ｂは、表示画面８０の表示を開始させる処理（Ｓ１２）よりも前に、事前に実行されていてもよい。この場合、Ｓ１２では、事前取得パターンに対応する高画質画像８５Ａ，８５Ｂを、最初から表示画面８０に表示させてもよい。その結果、事前取得パターンに対応する高画質画像８５Ａ，８５Ｂが、よりスムーズに表示装置２８に表示される。

次いで、ＣＰＵ２３は、フォローアップ位置情報が記憶装置２４に記憶されているか否かを判断する（Ｓ１６）。フォローアップ位置は、ユーザが過去の処理において選択した２つの境界面８２Ａ，８２Ｂの位置に基づいて設定されてもよい。また、Ｓ１８，Ｓ１９の処理で利用される特定位置は、特定の層・境界の位置であってもよい。

第１変容例におけるＳ２１では、基準画像とされた三次元断層画像に対する距離の近さ、範囲の近さ、重複割合の近さ等の少なくともいずれかに基づいて、部分画像の優先順位が設定される。例えば、ＣＰＵ２３は、２つの境界面８２Ａ，８２Ｂの間の距離を一定としつつ、２つの境界面８２Ａ，８２Ｂの位置を単位距離ずつ繰り返し移動させる際の、各々の位置の境界面８２Ａ，８２Ｂに挟まれる複数の部分画像に、基準画像に近い順に優先順位を設定してもよい。また、ＣＰＵ２３は、２つの境界面８１Ａ，８２Ｂの一方の位置を単位距離ずつ繰り返し移動させる際の、各々の位置の境界面８２Ａ，８２Ｂに挟まれる複数の部分画像に、基準画像に近い順に優先順位を設定してもよい。

また、第１変容例におけるＳ２７では、部分画像が変更された方向（つまり、境界面８２Ａ，８２Ｂが変更された方向）に従って優先順位が設定されてもよい。また、第１変容例におけるＳ２８では、図１２に示すように、選択された部分画像に基づくＥｎｆａｃｅ画像５５の高画質画像８５Ｃが、表示画面２８に表示される。

また、第１変容例におけるＳ３４（図１１参照）では、ＣＰＵ２３は、優先順位Ｎ番目の部分画像に基づいて、Ｅｎｆａｃｅ画像５５を生成する。ＣＰＵ２３は、生成したＥｎｆａｃｅ画像５５を数学モデルに入力することで、高画質画像８５Ｃを取得する。

（第２変容例）
上記実施形態の第２変容例について説明する。上記実施形態および第１変容例の眼科画像処理装置１は、基画像の画質を向上させた高画質画像を医療情報として取得する。しかし、眼科画像処理装置１が取得する医療情報は、高画質画像に限定されない。第２変容例の眼科画像処理装置１は、部分画像、または部分画像に基づいて生成される画像を数学モデルに入力することで、被検眼の組織の構造の解析結果を医療情報として取得する。詳細には、医療情報は、組織の層・境界の解析結果（セグメンテーションの結果）等であってもよい。また、医療情報は、組織の病変部位、または眼底血管等の解析結果であってもよい。この場合、数学モデルの訓練方法には、前述した訓練方法等を採用できる。また、医療情報は、被検眼の疾患に関する解析結果であってもよい。

上記実施形態で開示された技術は一例に過ぎない。従って、上記実施形態で例示された技術を変更することも可能である。まず、上記実施形態で例示された複数の技術のうちの一部のみを実行することも可能である。例えば、眼科画像処理（図５参照）におけるＳ１３～Ｓ１４、Ｓ１６～Ｓ１７、およびＳ１８～Ｓ１９の少なくともいずれかの処理を省略することも可能である。また、ＣＰＵ２３は、Ｓ１８，Ｓ１９の処理を実行する代わりに、予め定められた部分画像（例えば、Ｓ１１で取得された眼科画像の画像領域の中心を含む部分画像等）を、基準画像に設定してもよい。また、事前取得処理を開始させる処理（Ｓ２２）は、部分画像の選択指示が受け付けられた以後に実行されてもよい。

なお、図５のＳ１１で眼科画像を取得する処理は、「画像取得ステップ」の一例である。図５のＳ１４，Ｓ２８，および図１１のＳ３４～Ｓ３８で医療情報を取得する処理は、「医療情報取得ステップ」の一例である。図５のＳ２４で部分画像の選択指示を受け付ける処理は、「指示受付ステップ」の一例である。図５のＳ１４，Ｓ２８で医療情報を表示装置２８に表示させる処理は、「医療情報表示ステップ」の一例である。

１１Ａ，１１Ｂ眼科画像撮影装置
２１眼科画像処理装置
２３ＣＰＵ
２４記憶装置
２７操作部
２８表示装置
５０三次元断層画像
５１二次元断層画像
５５Ｅｎｆａｃｅ画像
６６部分画像
６７高画質画像
８２Ａ，８２Ｂ境界面
８５Ａ，８５Ｂ，８５Ｃ高画質画像

Claims

被検眼の組織の画像である眼科画像を処理する眼科画像処理装置によって実行される眼科画像処理プログラムであって、
前記眼科画像処理プログラムが前記眼科画像処理装置の制御部によって実行されることで、
ＯＣＴ装置によって撮影された被検眼の組織の三次元断層画像を取得する画像取得ステップと、
取得された前記三次元断層画像に含まれる二次元断層画像である部分画像を基画像とし、機械学習アルゴリズムによって訓練された数学モデルに前記基画像を入力することで、前記基画像の画質を向上させた高画質画像を取得し、記憶装置に記憶させる医療情報取得ステップと、
取得された前記三次元断層画像における部分画像を選択する指示の入力を受け付ける指示受付ステップと、
部分画像を選択する指示が受け付けられた場合に、前記指示によって選択された部分画像に関して取得された高画質画像を表示部に表示させる医療情報表示ステップと、
が前記眼科画像処理装置によって実行され、
前記医療情報取得ステップでは、前記三次元断層画像のうち、部分画像を選択する指示による選択が未だ行われていない部分画像に関する高画質画像を、当該部分画像を選択する指示の入力が前記指示受付ステップにおいて実際に受け付けられるよりも前に事前に取得して記憶する事前取得処理が実行され、
前記事前取得処理は、部分画像を選択する指示の入力を受け付ける前記指示受付ステップ、および、部分画像を選択する指示によって選択された部分画像に関して取得された高画質画像を表示部に表示させる前記医療情報表示ステップと並行して実行されることを特徴とする眼科画像処理プログラム。
請求項１に記載の眼科画像処理プログラムであって、
前記事前取得処理において、前記制御部は、前記三次元断層画像における複数の部分画像に対して設定された優先順位が高い順に、各々の部分画像に関する高画質画像の取得処理を順次実行することを特徴とする眼科画像処理プログラム。
請求項２に記載の眼科画像処理プログラムであって、
前記事前取得処理において、前記制御部は、前記三次元断層画像における複数の部分画像の１つまたは複数を基準画像とし、複数の部分画像の各々に対し、前記基準画像に近い程高い前記優先順位を設定することを特徴とする眼科画像処理プログラム。
請求項３に記載の眼科画像処理プログラムであって、
前記事前取得処理において、前記制御部は、前記三次元断層画像に写る組織の特定位置を取得し、取得した特定位置における部分画像を前記基準画像とすることを特徴とする眼科画像処理プログラム。
請求項３又は４記載の眼科画像処理プログラムであって、
前記制御部は、前記基準画像を新たに設定した場合に、実行していた前記事前取得処理を中断し、新たに設定した前記基準画像に基づく前記優先順位に従って前記事前取得処理を再開することを特徴とする眼科画像処理プログラム。
被検眼の組織の画像である眼科画像を処理する眼科画像処理装置であって、
前記眼科画像処理装置の制御部は、
ＯＣＴ装置によって撮影された被検眼の組織の三次元断層画像を取得する画像取得ステップと、
取得された前記三次元断層画像に含まれる二次元断層画像である部分画像を基画像とし、機械学習アルゴリズムによって訓練された数学モデルに前記基画像を入力することで、前記基画像の画質を向上させた高画質画像を取得し、記憶装置に記憶させる医療情報取得ステップと、
取得された前記三次元断層画像における部分画像を選択する指示の入力を受け付ける指示受付ステップと、
部分画像を選択する指示が受け付けられた場合に、前記指示によって選択された部分画像に関して取得された高画質画像を表示部に表示させる医療情報表示ステップと、
を実行し、
前記医療情報取得ステップでは、前記制御部は、前記三次元断層画像のうち、部分画像を選択する指示による選択が未だ行われていない部分画像に関する高画質画像を、当該部分画像を選択する指示の入力が前記指示受付ステップにおいて実際に受け付けられるよりも前に事前に取得して記憶する事前取得処理を実行し、
前記事前取得処理は、部分画像を選択する指示の入力を受け付ける前記指示受付ステップ、および、部分画像を選択する指示によって選択された部分画像に関して取得された高画質画像を表示部に表示させる前記医療情報表示ステップと並行して実行されることを特徴とする眼科画像処理装置。