CN102551659A - 图像处理设备、摄像***和用于处理图像的方法 - Google Patents

Abstract

本发明涉及图像处理设备、摄像***和用于处理图像的方法。该图像处理设备包括：检测单元，用于基于视网膜的断层图像检测视网膜上的层；获取单元，用于获取所述视网膜和玻璃体之间的边界面的凹陷大于阈值的区域；以及确定单元，用于基于视盘包括所述检测单元没有检测到特定层的区域和所述获取单元所获取的区域，确定所述视网膜的视盘。

Description

图像处理设备、摄像***和用于处理图像的方法

技术领域

本发明涉及一种用于处理被检眼的断层图像的图像处理设备、摄像***、用于处理图像的方法和程序。

背景技术

视网膜的视盘(optic disc)是视神经束进入眼深部的部位。由于在诸如青光眼等的疾病的情况下在视盘处出现变化，因而确定视盘在诊断上是有用的。

公开号为2007/0195269的美国专利申请讨论了一种用于通过获取作为视网膜中的层之一的视网膜色素上皮的边缘来确定视盘区域(还称为“盘区域”)的技术。该技术基于在视盘中心附近紧挨的下方不存在视网膜色素上皮这一解剖学特征。

日本特开2008-73188号公报记载了一种用于基于从前眼部到眼底表面的深度或距离来确定视盘处的凹陷区域的技术。该技术基于视盘是在眼底表面上的凹陷这一事实。

同时，在基于不存在视网膜色素上皮这一事实确定视盘时，在血管或病变下方产生的伪像可能使得视网膜色素上皮不清晰。因此，可能将产生伪像的区域确定为视盘。此外，在基于视网膜表面形状确定视盘时，可能将除视盘以外的凹陷确定为视盘。

发明内容

根据本发明的一个方面，一种图像处理设备，其包括：检测单元，用于基于视网膜的断层图像检测所述视网膜上的层；获取单元，用于获取所述视网膜和玻璃体之间的边界面的凹陷大于阈值的区域；以及确定单元，用于基于视盘包括所述检测单元没有检测到特定层的区域和所述获取单元所获取的区域，确定所述视网膜的所述视盘。

根据本发明的其它方面，一种摄像***，包括：上述的图像处理设备；OCT摄像设备，用于拍摄被检眼的图像，以获取该眼的视网膜的断层图像；以及显示单元，用于将所确定的视盘显示在视网膜的表面图像或者投影图像上。

根据本发明的其它方面，一种用于处理图像的方法，包括以下步骤：基于视网膜的断层图像检测所述视网膜上的层；获取所述视网膜和玻璃体之间的边界面上的凹陷大于阈值的区域；以及基于视盘包括没有检测到特定层的区域和所获取的区域，确定所述视网膜的所述视盘。

通过以下参考附图对典型实施例的详细说明，本发明的其它特征和方面将显而易见。

附图说明

包含在说明书中并构成说明书的一部分的附图，示出本发明的典型实施例、特征和方面，并与说明书一起用来解释本发明的原理。

图1示出光学相干断层图像摄像***1的结构。

图2示出光学相干断层图像摄像设备20的结构。

图3示出视盘附近的示例性断层图像。

图4是示出图像处理设备10所进行的处理的流程图。

图5示出视盘分析单元14所进行的视盘区域确定处理。

图6是示出视网膜分析单元12所进行的处理的流程图。

图7示出视盘附近的图像和A扫描的轮廓。

图8示出通过视网膜分析单元12所确定的内界膜(ILM)和光感受器细胞内节/外节接合部(IS/OS)。

图9是示出视盘确定单元13所进行的处理的流程图。

图10示出用于确定不存在IS/OS的区域的处理。

图11示出用于确定凹陷区域的中心位置的处理。

图12示出根据其它典型实施例由视盘分析单元14所进行的视盘区域确定处理。

图13示出在以倾斜方式拍摄视网膜的图像时的视盘附近的断层图像。

图14示出根据其它典型实施例由视盘分析单元14所进行的视盘区域确定处理。

图15示出根据其它典型实施例的图像处理设备1500的结构。

具体实施方式

下面参考附图详细说明本发明的各种典型实施例、特征和方面。可以单独实现下述本发明的各实施例，在必要的时候，或者在将各个实施例的元件或特征组合进单个实施例中是有利的时候，可以作为多个实施例或其特征的组合来实现本发明的各实施例。

下面将参考图1说明根据本典型实施例的光学相干断层图像摄像***1的结构。利用该***，光学相干断层图像摄像设备20拍摄被检眼的断层图像。该***对拍摄的断层图像上的视盘进行分析处理，并且将作为结果的图像显示在显示单元40上。

图像处理设备10包括作为专用集成电路(ASIC)、现场可编程门阵列(FPGA)和其它硬件组件的图1所示的各块，以使得能够进行下述图4、6和9所述的处理。

视网膜分析单元12分析通过图像获取单元11所拍摄的断层图像，并且确定视网膜的层之间的边界面的位置。视网膜分析单元12还确定ILM和IS/OS的三维形状。基于根据断层图像所确定的三维形状，视网膜分析单元12获取ILM上的凹陷和IS/OS处的不连续层的区域。

视盘确定单元13基于所确定的边界面的位置和与ILM的形状有关的信息，从断层图像确定视盘。视盘分析单元14分析视盘以确定由视盘的外边缘所包围的视盘区域(还将该区域称为视神经盘)。

基于视盘区域，视盘分析单元14还确定作为盘凹陷或视盘凹陷的视杯(optic cup)区域。视盘分析单元14还计算杯盘(cup-to-disc，C/D)比和沿盘(rim-to-disc，R/D)比。图像处理设备10将C/D比和R/D比与断层图像一起显示在显示单元40上。

下面将参考图2说明光学相干断层图像摄像设备20的结构。光学相干断层图像摄像设备20是基于光学相干断层图像(OCT)原理的光学相干断层图像(OCT)摄像设备。

指示获取单元21获取用于调整被检眼的眼底表面的二维测量范围和测量深度的指示信息。基于该指示信息，检流计镜驱动机构201驱动检流计镜202。半透半反镜204将来自低相干光源203的光分成信号光和参考光。

信号光经由检流计镜202和物镜205行进，然后被被检眼206反射或散射。参考光被固定配置的参考镜207反射或散射。半透半反镜204组合信号光和参考光的返回光以生成干涉光。

衍射光栅208将干涉光分光为具有波长λ1～λn的波长成分，并且通过使用一维光传感器阵列209检测各波长成分。基于从一维光传感器阵列209所输出的干涉光的各波长成分的检测信号，图像重构单元210重构视网膜的断层图像。

A扫描是指利用信号光照射眼底上的任意位置以获取一维图像。将通过A扫描所获取的深度方向上的一维图像称为A扫描图像。

B扫描是指通过使用检流计镜202沿任意线利用信号光间歇性照射眼底以扫描眼底表面。将通过B扫描所获取的断层图像称为B扫描图像。

将基于在眼底表面上的预定区域中的多个位置处通过A扫描所获取的A扫描图像与A扫描方向相交的图像称为C扫描图像。

图3示出通过光学相干断层图像摄像设备20所拍摄的视盘附近的示例性断层图像，即通过偏转信号光以沿n个平行线扫描(B扫描)眼底表面所获取的图像T1～Tn。x轴方向是与B扫描方向平行的方向，y轴方向是配置扫描线的方向，并且z轴方向是眼的深度方向。

参考图3，边界L1是ILM和玻璃体之间的边界(以下将该边界称为ILM边界)，即视网膜和玻璃体之间的边界。边界L2是神经纤维层(NFL)和下层之间的边界(以下将该边界称为NFL边界)。边界L3是IS/OS和上层之间的边界(以下将该边界称为IS/OS边界)。边界L4是视网膜色素上皮(RPE)和下层之间的边界(以下将该边界称为RPE边界)。

如图3所示，视盘的特征首先在于，ILM边界凹陷，其次，不存在IS/OS(IS/OS边界)和RPE(RPE边界)。基于这两个特征，基于视网膜层的断层图像确定视盘位置。

已知ILM边界的形状在个体间差异极大。对于一些个体，视盘凹陷可能不太大，并且在除视盘以外的区域中可能出现ILM边界的凹陷。然而，从解剖学观点看，它仅是除病变以外的不具有RPE的视盘。因此，即使存在多个凹陷，也可以通过判断是否存在RPE来精确地确定视盘位置。

在由于血管或病变而产生伪像区域的情况下，一起使用这两个特征的效果变得明显。区域v1被称为伪像区域。当OCT的信号光被血管或病变吸收，并且非常弱的信号光到达比血管或病变更深的位置处时，产生伪像区域。在伪像区域中，现实存在的层和结构消失。

在由于诸如出血和白斑等的病变而产生伪像的许多情况下，病变部上方的ILM边界向玻璃体侧凸起。结果，ILM边界形成凸起部。

此外，当存在血管时，血管的上部很少形成凹陷。本典型实施例判断在ILM边界处是否形成了凹陷来确定视盘，因此弥补了仅基于是否存在RPE来确定视盘位置的缺点。

参考图3，区域C5表示视盘区域，并且被称为视盘区域。区域D7表示由视盘凹陷的边缘所包围的区域。将该区域称为视杯区域。

在本典型实施例中，根据专利文献1的定义，将视盘区域定义为由RPE边缘所包围的区域。如图3所示，将视杯区域定义为通过连接特定平面和该平面与ILM之间的交叉点所形成的曲面。通过沿垂直向上方向将RPE边缘平面(通过连接RPE边缘所形成的平面)平行移动预定距离形成该特定平面。

将C/D比定义为视杯区域的外边缘的直径与视盘区域的直径的比。对于大的C/D比，也就是说，当凹陷大时，怀疑是青光眼。

将R/D比定义为沿区域(rim region)的宽度与通过该宽度测量位置和视盘中心的视盘的直径的比。沿区域意为由视盘区域的外边缘和视杯区域的外边缘所围绕的区域。对于小的R/D比，也就是说，当凹陷区域相对于视盘区域大时，怀疑是青光眼。

图4是示出本典型实施例的处理的流程图。下面将参考该流程图详细说明图像处理设备10所进行的处理。

在步骤S401，图像获取单元11获取通过光学相干断层图像摄像设备20所拍摄的多个二维断层图像T1～Tn(图3)。

在步骤S402，对于各二维断层图像T1～Tn，视网膜分析单元12对于配置在y轴方向上的各像素行，检测ILM边界和IS/OS边界的位置和形状。下面将参考图5所示的步骤S501～S511详细说明该处理。

在步骤S403，视盘确定单元13将由视网膜分析单元12所确定的ILM边界具有凹陷形状且IS/OS的确定失败时的位置确定为视盘。基于ILM边界的凹陷形状，视盘确定单元13还确定视盘区域的中心位置。下面将在图6所示的步骤S601～S604中详细说明该处理。

在步骤S404，视盘分析单元14基于所确定的视盘的位置，通过区域生长方法确定视盘区域，并且还基于视盘区域确定视杯区域。

通过使用在步骤S403所确定的视盘区域的中心作为基点，视盘分析单元14确定视盘区域。在本典型实施例中，如图5所示，使用具有标签“视盘区域的中心”的A扫描作为种子点S，对具有标签“不能进行IS/OS确定”的A扫描进行区域生长。

因此，可以通过从内侧延伸来确定视盘区域R。可以认为所确定的视盘区域R的两个边缘T1和T2形成RPE边缘。

以该方式确定视盘区域的中心然后从该中心(视盘的内侧)确定视盘区域，这使得在确定视盘区域和RPE边缘时可以降低视网膜中存在的伪像的影响。

因而，通过使用从图像所确定的ILM和IS/OS边界信息，确定视盘凹陷的中心附近，然后从视盘的内侧检测RPE边缘。因此，可以在不受由血管或病变所产生的伪像的影响的情况下，降低RPE边缘确定的误差。

基点不是必须为凹陷的中心，而优选是可能为视盘内部的区域的预定位置。然而，由于凹陷的中心位置可能是视盘内部的区域，因而可以提高用于确定视盘区域的外边缘的处理的精度。

在步骤S405，视盘分析单元14计算C/D比和R/D比。

在步骤S406，图像处理设备10将所确定的RPE边缘、视杯区域和视盘区域重叠在断层图像上，并且将作为结果的图像显示在显示单元40上。

图像处理设备10还在图像或其它部分上显示所计算出的C/D比和R/D比。因此，视盘凹陷的形状和所确定的视杯区域或视盘区域之间的关系显而易见。因此，基于图像，用户可以掌握凹陷的形状和所计算出的C/D比和R/D比的根据。

作为另一典型实施例，将通过把视杯区域和视盘区域投影至C扫描图像上所获取的二维区域重叠在C扫描图像上，然后进行显示。因此，可以掌握视杯区域和视盘区域的形状。

重叠的对象不局限于C扫描图像，而且可以是通过诸如眼底照相机等的其它形式所拍摄的眼底表面图像、通过在深度方向上对B扫描图像积分所获取的积分图像、或者通过使用B扫描图像所生成的投影图像。

下面将参考图6详细说明步骤S402的用于确定ILM和IS/OS的处理。该处理是用于确定ILM形成凹陷的区域和用于确定视网膜上IS/OS层不连续的区域的预处理。

在步骤S601，视网膜分析单元12对在步骤S401所获取的OCT断层图像进行图像转换以生成转换图像。在本典型实施例中，视网膜分析单元12对断层图像分别进行中值滤波和Sobel滤波以生成中值图像和Sobel图像。在这种情况下，像素值对于高信号强度增大，并且对于低信号强度减小。

在本典型实施例中，Sobel滤波器具有下面的方向特征：强调当从A扫描中的浅部分(图像的顶部)观看时从最低亮度值到最高亮度值的边界。

原因是，为了检测盘，即分析视盘所需的部位，本典型实施例利用ILM形状特征和IS/OS边界信息。因此，确定ILM和IS/OS是必要的。

对于视网膜层结构，ILM是具有低亮度值的玻璃体和具有相对高的亮度值的视网膜组织之间的边界，并且IS/OS朝向浅部分与相对暗的组织接触。具体地，通过给出上述方向特征，更加强调ILM和IS/OS。

在步骤S602，视网膜分析单元12通过使用在步骤S601所生成的中值图像计算背景(玻璃体)的平均亮度值。在本典型实施例中，视网膜分析单元12对中值图像进行基于百分比方法(P-tile method)的二值化处理以确定背景区域。然后，视网膜分析单元12计算背景区域中的中值图像的亮度值的平均值。

利用基于百分比方法的二值化处理，对于经过处理的图像生成直方图，并且通过使用(从最高亮度值或最低亮度值开始累积的)达到预定比P时的亮度值作为阈值进行二值化处理。在本典型实施例中，由于图像中视网膜区域的比的近似值已知，所以视网膜分析单元12凭经验假定从最高亮度值开始比P的值为30％来进行二值化处理，并且将具有等于或小于该阈值的亮度值的像素确定为背景像素。

在确定所有背景像素之后，视网膜分析单元12参考背景像素的中值图像的亮度值，计算背景的平均亮度值。

在步骤S603，视网膜分析单元12基于在步骤S601所生成的转换图像生成轮廓。在本典型实施例中，视网膜分析单元12基于各A扫描的中值图像和Sobel图像生成轮廓。基于中值图像生成轮廓产生以下效果：防止尤其在OCT图像中成为问题的噪声，并且使得更易于掌握亮度值的趋势。

基于Sobel图像生成轮廓产生以下效果：使得在后面的阶段要进行的确定视网膜层边界中，更易于检测视网膜层边界的候选点。图7示出基于断层图像中的A扫描A7处的中值图像和Sobel图像所生成的轮廓。参考图7，可以根据中值图像的轮廓PM7知道亮度值的趋势，并且可以根据Sobel图像的轮廓PS7知道视网膜层边界的候选点。

并非必须基于这些转换图像来生成轮廓，并且优选从原始图像和其它转换图像检测具有预定强度的边缘。

在步骤S604，视网膜分析单元12基于在步骤S603所生成的轮廓，检测局部最大点(以下称为峰值)。在本典型实施例中，视网膜分析单元12在基于Sobel图像所生成的轮廓中检测峰值。在峰值检测中，使用根据经验或者基于图像信息所确定的阈值。

在视网膜上，ILM和IS/OS反射和散射许多信号。因此，使用Sobel滤波器，使得更易于检测作为强边缘的峰值，其中Sobel滤波器具有以下方向特征：强调从浅部分看时从最低亮度值到最高亮度值的边界(步骤S601所述)。

由于通过具有该方向特征的Sobel滤波器所检测到的强边缘仅存在于病变(例如，玻璃体皮质剥落)处，所以可以通过调整阈值来优先提取ILM和IS/OS。

在步骤S605，视网膜分析单元12计数在步骤S604所检测到的峰值的数量，并且基于峰值的数量，判断是否存在多个特征点。在本典型实施例中，当存在未被确定为视网膜层边界或玻璃体皮质的多个峰值时(步骤S605为“是”)，视网膜分析单元12在A扫描中从浅部分开始选择两个峰值。然后，视网膜分析单元12将这两个峰值识别为第一峰值和第二峰值，并且处理进入步骤S606。当仅存在一个峰值时(步骤S605为“否”)，视网膜分析单元12将最大峰值识别为第一峰值，并且处理进入步骤S608。

在步骤S606，视网膜分析单元12将在步骤S605所选择的两个峰值之间的中值图像的轮廓的平均亮度值与背景的平均亮度值进行比较。

在本典型实施例中，对于存在于第一峰值和第二峰值之间的像素，视网膜分析单元12将在步骤S602所计算出的背景的平均亮度值乘以系数“1.2”，并且将作为结果的值设置为阈值。然后，视网膜分析单元12计数具有大于该阈值的亮度值的像素的数量，并且计算所获取的像素数量与这两个峰值之间存在的像素总数的比。

尽管是根据经验获取该系数，但是获取方法不局限于此。例如，可以通过使用背景的平均亮度值与非背景区域(二值化处理中具有等于或大于阈值的亮度值的区域)的平均亮度值的比，基于图像信息动态确定该系数。

在步骤S607，基于在步骤S606所计算出的比，视网膜分析单元12判断具有等于或大于阈值的亮度值的像素数量的比是否在1/2以上。在本典型实施例中，当所计算出的比在1/2以上时(步骤S607为“是”)，视网膜分析单元12判断为在峰值之间存在视网膜组织，并且处理进入步骤S608。

当所计算出的比小于1/2时(步骤S 607为“否”)，则视网膜分析单元12判断为在峰值之间存在背景，因此不将第一峰值确定为层边界(将其确定为玻璃体皮质)，并且处理返回到用于重新选择两个峰值的步骤S605。

尽管在本典型实施例中，视网膜分析单元12基于具有等于或大于阈值的亮度值的像素的数量的比来判断视网膜组织或背景，但是判断方法不局限于此。例如，还可以基于轮廓计算特征量，然后通过输入所计算出的特征量并使用判断装置来进行判断。

在步骤S608，视网膜分析单元12将一个峰值确定为ILM。在本典型实施例中，对于在步骤S607判断为峰值之间存在视网膜组织的第一峰值和第二峰值，ILM存在于视网膜组织的上端。因此，视网膜分析单元12将第一峰值确定为ILM。在步骤S608，当处理从步骤S605进入步骤S608时，视网膜分析单元12同样将第一峰值确定为ILM。

在步骤S609，视网膜分析单元12判断在相同A扫描上比步骤S608中所确定的ILM更深的位置处(图像的底部)，是否存在具有等于或大于阈值的亮度值的特征点。在本典型实施例中，视网膜分析单元12将在相同A扫描上所确定的ILM峰值的大小乘以系数“0.8”，并且将作为结果的值设置为阈值。然后，视网膜分析单元12判断在比ILM更深的位置处是否存在具有等于或大于阈值的亮度值的峰值。

当存在峰值时(步骤S609为“是”)，处理进入步骤S610。当不存在峰值时(步骤S609为“否”)，处理进入步骤S611。

尽管根据经验获取阈值，但是获取方法不局限于此。例如，除峰值的大小以外，还可以使用峰值之间的距离。

在步骤S610，视网膜分析单元12将具有等于或大于在步骤S609所设置的阈值的亮度值的峰值确定为IS/OS。在本典型实施例中，如果存在多个具有等于或大于阈值的亮度值的峰值，则将具有等于或大于阈值的亮度值的峰值中存在于最浅位置处的峰值确定为IS/OS。

在步骤S611，假定不可以进行IS/OS确定，则视网膜分析单元12向A扫描附加标签“不能进行IS/OS确定”，并且结束该处理。

因此，通过判断峰值之间的组织并且基于该判断的结果确定层边界种类，可以降低特定误差。图8示出通过使用该方法确定ILM和IS/OS的断层图像。粗实线D1和D3分别表示所确定的ILM和IS/OS。

如图8所示，在所有A扫描中确定ILM。另一方面，在一些A扫描中不能确定IS/OS。如步骤S611所述，向这类A扫描附加标签“不能进行IS/OS确定”。

由于B扫描图像中的ILM的位置是确定的，所以可以确定该ILM的形状。

下面将参考图9详细说明步骤S403的视盘凹陷确定处理。

在步骤S901～S903，视盘确定单元13基于在步骤S402所确定的ILM和IS/OS边界信息，确定视盘区域的中心。特别地，在步骤S901，视盘确定单元13确定作为视盘中心的候选的区域(以下称为候选区域)。

在本典型实施例中，注意到在视盘区域中不会存在IS/OS这一事实。视盘确定单元13对于各A扫描设置包括对象A扫描和邻接A扫描的局部区域。然后，视盘确定单元13计算该局部区域中在步骤S611附加了标签“不能进行IS/OS确定”的A扫描的比。

具体地，参考图10，视盘确定单元13分别设置包括对象A扫描A 1和A2以及预定范围中的各自的附近区域的局部区域R1和R2。如果局部区域中存在的1/2以上的A扫描附加了标签“不能进行IS/OS确定”，则向中心A扫描附加标签“候选区域”。

例如，参考图10，对于局部区域中以粗实线BL示出IS/OS的A扫描确定IS/OS，并且向其它A扫描附加标签“不能进行IS/OS确定”。

如图10所示，由于在局部区域R1中存在1/2以上的具有标签“不能进行IS/OS确定”的A扫描，所以向A扫描A1附加标签“候选区域”。另一方面，由于在局部区域R2中不存在具有标签“不能进行IS/OS确定”的A扫描，所以不向A扫描A2附加标签“候选区域”。

在步骤S902，视盘确定单元13计算在步骤S901所确定的候选区域中的ILM梯度。在本典型实施例中，类似于图11，视盘确定单元13设置包括对象A扫描和邻接A扫描的局部区域，并且在假定具有标签“候选区域”的A扫描为局部区域的中心的前提下进行处理。

为计算该梯度，视盘确定单元13获取中心A扫描处的ILM的坐标值和邻接A扫描处的ILM的坐标值之间的差。为获取该梯度，在假定向下方向为正的前提下，视盘确定单元13仅注意图像的垂直方向上的成分(图11中的z坐标值)和中心A扫描与所有邻接A扫描之间的差的总和。

当中心A扫描处的ILM具有z坐标值Ic，并且邻接A扫描处的ILM具有z坐标值Ii时，通过下面的公式(1)计算该梯度。

$\underset{i=1}{\overset{n}{\mathrm{\Σ}}}(I_c-I_i)---\left(1\right)$

如图11所示，当局部区域的中心接近ILM的凹陷结构的中心附近时，通过公式(1)所计算出的梯度具有大的值。

在步骤S903，视盘确定单元13检查在步骤S902所计算出的ILM梯度，并且将具有最大ILM梯度的A扫描设置为视盘凹陷的中心。向被设置为视盘区域的中心的A扫描附加标签“视盘区域的中心”。

上述处理使得不仅能够确定视盘位置，而且还能够确定视盘区域的中心位置。

利用其它方法，将具有正梯度值的区域确定为中心A扫描位置的右侧和左侧，以使得能够确定ILM上的凹陷区域。

凹陷区域和不能确定IS/OS的区域是视盘的候选区域。当仅存在一个候选区域时，将这一候选区域确定为视盘区域。当存在多个候选区域时，将具有最大凹陷程度的区域，即具有根据公式(1)的最大梯度值的区域确定为视盘。

该方法还使得能够确定视盘位置，并且对于具有少量混乱血管的视网膜或具有平坦的ILM和少量病变的正常眼的视网膜也是有效的。

尽管在本典型实施例中，使用所确定的位置附近的梯度值作为用于评价凹陷程度的指标，但是评价指标不局限于此。还可以使用边界面的多个位置中的各个位置处包括该位置的预定范围内的边界面的凹陷状态和在深度方向上的变化量。

作为其它示例性评价指标，还可以通过使用最小二乘法等设置近似于ILM的曲面的基准平面，并且使用基准平面和ILM平面之间在A扫描方向(z轴方向)上的位置差作为评价指标来计算凹陷程度。

下面基于在第一典型实施例的步骤S404使用考虑视盘区域的形状的区域生长方法的情况说明第二典型实施例。在视盘附近，粗的血管集中，因此存在由血管所引起的许多伪像区域。

如第一典型实施例一样，利用通过使用简化区域生长方法的视盘区域确定，在粗血管从视盘延伸的情况下，将包括由血管所引起的伪像区域的区域确定为视盘区域。因此，在本典型实施例中，向用于步骤S404中的区域生长方法的限制条件添加“区域形状”，以更精确地确定视盘区域。

除视盘凹陷确定处理以外的处理是相同的，并且将省略重复说明。设备结构与第一典型实施例的相同，并且省略重复说明。

下面将参考图12详细说明与第一典型实施例的步骤S404相对应的视盘区域和视杯区域确定处理。

在步骤S1201，基于通过前面的步骤所确定的视盘区域，视盘确定单元13指定具有预定大小的盘区域搜索范围。在本典型实施例中，视盘确定单元13假定具有针对所确定的区域的外接椭圆的预定倍率的椭圆，并且将椭圆的内部设置为盘区域搜索范围。

如果通过前面的步骤没有确定视盘区域，则视盘确定单元13假定以在步骤S603所获取的标签“视盘区域的中心”为中心具有预定半径的圆，并且将该圆的内部设置为盘区域搜索范围。

在步骤S1202，视盘确定单元13判断在步骤S1201所指定的盘区域搜索范围中是否存在尚未经过视盘区域确定处理的区域(以下称为未确定区域)。

本典型实施例假定通过使用所确定的视盘区域的轮廓线上的像素作为种子点，利用区域生长方法的视盘区域确定处理。因此，视盘确定单元13判断在轮廓线上的各种子点附近是否存在未确定区域。当存在未确定区域时(步骤S1202为“是”)，处理进入步骤S1203。当不存在未确定区域时(步骤S1202为“否”)，结束该处理。

在步骤S1203，视盘确定单元13对未确定区域进行视盘区域确定处理。在本典型实施例中，视盘确定单元13通过使用所确定的视盘区域的轮廓线上的像素作为种子点，基于区域生长方法延伸视盘区域。重复该处理，直到在步骤S1201所指定的盘区域搜索范围内不再存在未确定区域为止。

在步骤S1204，视盘确定单元13评价所确定的视盘区域，并且计算评价指标。在本典型实施例中，视盘确定单元13基于视盘区域是椭圆形的知识来评价视盘区域。

具体地，视盘确定单元13获取所确定的视盘区域的外接椭圆，并且计算椭圆的面积与所确定的视盘区域的面积的比(以下称为填充率)作为评价指标。

然而，用于所确定的视盘区域的评价指标不局限于此。例如，在步骤S1203基于区域生长方法的视盘区域确定处理中，可以使用处理前后的视盘区域的面积和形状的变化作为评价指标。

在步骤S1205，视盘确定单元13判断在步骤S1204所计算出的评价指标是否等于或小于阈值。在本典型实施例中，获取填充率作为评价指标。当填充率等于或小于预定值时(步骤S1205为“是”)，则视盘确定单元13假定所确定的视盘区域不是椭圆形的，并且结束对视盘区域确定处理的重复。当填充率大于预定值时(步骤S1205为“否”)，处理返回到步骤S1201，以重复视盘区域确定处理。

通过这样考虑所确定的视盘区域的形状来进行视盘区域确定处理，即使在视盘周围存在诸如血管等的改变视网膜层结构的结构，也可以精确地确定视盘区域。

下面将基于在第一典型实施例的步骤S404通过边缘成分跟踪(边缘跟踪)更精确地确定视盘区域和RPE边缘的情况说明第三典型实施例。在断层图像中，视网膜的拍摄图像可能是倾斜的，如图13所示。如果视网膜的拍摄图像是倾斜的，则诸如RPE边缘等的具有区别结构的部位的信号水平可能下降。

例如，参考图13的RPE边缘T62，越靠近前缘的部位具有越低的亮度值，因此边缘成分变得越弱。具体地，利用通过使用固定阈值的确定方法，与实际位置相比，可能将RPE边缘确定为处于视盘区域的更外侧。

因此，在本典型实施例中，在步骤S604之后添加基于边缘跟踪的RPE边缘精确提取处理以更精确地确定RPE边缘。

视盘确定单元13根据预先确定的RPE边缘向视盘区域的内侧跟踪边缘成分，以确定精确的RPE边缘位置。在本典型实施例中，视盘确定单元13检查所确定的RPE边缘各自的坐标值和边缘成分。

然后，视盘确定单元13从各RPE边缘位置开始，向盘区域的内侧跟踪边缘。在边缘跟踪中，视盘确定单元13通过参考各RPE端处的边缘成分，将搜索点更新成内侧附近存在的边缘成分最接近各RPE边缘位置处的边缘成分的位置，并且还更新要参考的边缘成分。

视盘确定单元13重复该处理以精确确定RPE边缘和视盘区域。下面在步骤S1401～S1403中详细说明该处理。从而，从曾确定的RPE边缘开始、考虑由摄像条件引起的亮度降低来重复搜索，这使得能够更精确地确定RPE边缘。

下面将参考图14说明视盘凹陷精确提取处理。

在步骤S1401，视盘确定单元13在Sobel图像中参考在步骤S402所确定的RPE边缘位置处的边缘成分，确定在边缘跟踪中要使用的阈值。在本典型实施例中，视盘确定单元13将RPE边缘位置处的边缘成分乘以系数“0.3”，并且将作为结果的值设置为阈值。根据经验获取该系数，并且不局限于此。

在步骤S1402，通过使用在步骤S1401所获取的阈值和RPE边缘的边缘成分，视盘确定单元13在邻接A扫描中搜索具有等于或大于该阈值的亮度值且具有最接近RPE边缘位置处的边缘成分的边缘成分的像素。

在本典型实施例中，邻接A扫描是指从RPE边缘向视盘的内侧邻接的B扫描图像中的A扫描。视盘确定单元13在搜索开始点处的RPE上方和下方的预定范围内，在邻接A扫描中搜索最满足上述条件的像素。

当在盘区域搜索范围中存在具有等于或大于阈值的亮度值的像素时(步骤S1402为“是”)，视盘确定单元13将具有等于或大于阈值的亮度值且具有最接近RPE边缘位置处的边缘成分的边缘成分的像素更新为新的RPE边缘，并且处理返回到步骤S1401。当不存在具有等于或大于阈值的亮度值的像素时(步骤S1402为“否”)，视盘确定单元13不更新RPE边缘，并且处理进入步骤S1403。

在步骤S1403，视盘确定单元13将在步骤S1402所确定的RPE边缘确定为最终RPE边缘。

此外，当将RPE边缘作为三维图像进行处理时，还可以考虑视盘区域的形状获取在C扫描图像平面上所确定的RPE边缘的外接椭圆，并且将该椭圆上的点识别为最终RPE边缘。这产生能够校正因从视盘区域延伸的血管所引起的伪像而移位的RPE边缘的效果。

这样基于边缘成分和位置信息来跟踪边缘，使得即使在由于摄像条件而引起亮度降低的情况下，也能够精确地确定RPE边缘而不会将其错认为其它视网膜层边界。上述结构使得即使存在由于伪像而不能检测IS/OS或RPE的区域，也能够更精确地确定视盘区域。

尽管在上述典型实施例中，基于ILM边界面的凹陷形状来确定视盘，但是边界面不局限于此，并且可以是玻璃体皮质。简而言之，优选检测单元基于视网膜的断层图像检测视网膜上的层，获取单元获取在视网膜和玻璃体之间的边界面上具有大于阈值的凹陷的区域，并且确定单元基于检测单元没有检测到特定层的区域和获取单元所获取的区域，确定视网膜的视盘。

尽管在上述典型实施例中，通过使用IS/OS层不连续的区域来确定视盘，但是层不局限于此。可以获取不存在神经纤维层(NFL)、神经节细胞层(GCL)、内核层(INL)、内丛状层(IPL)、外丛状层(OPL)、IS/OS和它们之间的层边界中的至少一个的区域，作为上述层不连续的区域。

通过在不存在多个层或层边界的前提下确定视盘，可以进一步提高确定精度。

可以以分布式方式通过多个设备来执行图像处理设备10所执行的处理，以实现图像处理***。可以以分布式方式通过多个电路或者功能块来执行通过与图1所示的一个块相对应的电路所执行的处理。

为通过计算机硬件和软件的合作来实现上述典型实施例中所述的功能和处理，可以使用图15所示的硬件结构。图像处理设备1500包括中央处理单元(CPU)1501、随机存取存储器(RAM)1502、只读存储器(ROM)1503、硬盘驱动器(HDD)1504和接口(I/F)1505。图像处理设备1500还包括用于接受从用户到图像处理设备的输入的键盘1506和鼠标1507。

将用于执行图4、6、9、12和14的流程图所示处理的程序存储在ROM 1503或HDD 1504中。当CPU 1501将相关程序装载进RAM 1502并然后执行该程序时，实现这些流程图所示的处理。

图像处理设备可以包括以分布方式各自执行处理的多个CPU。为实现上述功能，运行在计算机上的操作***(OS)进行部分或全部实际处理。

用于存储相关软件(程序或程序代码)的记录介质也构成本发明。记录介质表示包括缓冲器和非易失性存储器等的非瞬态介质，但是不包括诸如电波等的无形物。

上述典型实施例的说明被认为是优选例子，但是典型实施例不局限于此。

尽管参考典型实施例说明了本发明，但是应该理解，本发明不局限于所公开的典型实施例。所附权利要求书的范围符合最宽的解释，以包含所有修改、等同结构和功能。

Claims (11)

1.一种图像处理设备，包括：

检测单元，用于基于视网膜的断层图像检测所述视网膜上的层；

获取单元，用于获取所述视网膜和玻璃体之间的边界面的凹陷大于阈值的区域；以及

确定单元，用于基于视盘包括所述检测单元没有检测到特定层的区域和所述获取单元所获取的区域，确定所述视网膜的视盘。

2.根据权利要求1所述的图像处理设备，其特征在于，所述确定单元基于在所确定的视盘处发现的凹陷的形状，确定视盘区域的外边缘。

3.根据权利要求2所述的图像处理设备，其特征在于，所述确定单元通过使用所述视盘中的预定位置作为基点，基于区域生长方法确定所述视盘区域的外边缘。

4.根据权利要求3所述的图像处理设备，其特征在于，所述确定单元基于在所确定的视盘处的所述凹陷的形状，确定所述基点的位置。

5.根据权利要求4所述的图像处理设备，其特征在于，所述确定单元基于所述凹陷的中心位置，确定所述基点的位置。

6.根据权利要求1所述的图像处理设备，其特征在于，所述检测单元获取在所述断层图像中不存在视网膜色素上皮的区域，作为所述层不连续的区域；以及

所述获取单元基于所述视网膜和所述玻璃体之间的边界面具有大于阈值的凹陷的位置，获取具有较大凹陷的区域。

7.根据权利要求1所述的图像处理设备，其特征在于，所述检测单元获取不存在神经纤维层、神经节细胞层、内核层、内丛状层、外丛状层、光感受器细胞内节/外节接合部和它们之间的层边界中的至少任何一个的区域，作为所述层不连续的区域。

8.根据权利要求1所述的图像处理设备，其特征在于，所述确定单元对于所述边界面上的多个位置中的每一个位置，计算用于表示所述边界面的凹陷程度的指标，并且将所述边界面上的凹陷程度根据所述指标被评价为最大的位置确定为所述视盘的位置；以及

其中，用于评价所述凹陷程度的指标是所述边界面在预定范围内的梯度值和深度方向的变化中的至少任何一个，所述预定范围是在所述边界面上的多个位置中的每一个位置处包含该位置的预定范围。

9.根据权利要求7所述的图像处理设备，其特征在于，还包括：

设置单元，用于设置所述边界面的基准平面；

其中，所述确定单元基于所述边界面和所述基准平面之间在眼的深度方向上的位置差，计算所述边界面上的凹陷程度。

10.一种摄像***，包括：

根据权利要求1所述的图像处理设备；

OCT摄像设备，用于拍摄被检眼的图像，以获取该眼的视网膜的断层图像；以及

显示单元，用于将所确定的视盘显示在视网膜的表面图像或者投影图像上。

11.一种用于处理图像的方法，包括以下步骤：

基于视网膜的断层图像检测所述视网膜上的层；

获取所述视网膜和玻璃体之间的边界面上的凹陷大于阈值的区域；以及

基于视盘包括没有检测到特定层的区域和所获取的区域，确定所述视网膜的视盘。

Images