CN103356162A - 图像处理设备和图像处理方法 - Google Patents
图像处理设备和图像处理方法 Download PDFInfo
- Publication number
- CN103356162A CN103356162A CN2013101198693A CN201310119869A CN103356162A CN 103356162 A CN103356162 A CN 103356162A CN 2013101198693 A CN2013101198693 A CN 2013101198693A CN 201310119869 A CN201310119869 A CN 201310119869A CN 103356162 A CN103356162 A CN 103356162A
- Authority
- CN
- China
- Prior art keywords
- quantification
- unit
- layer
- zone
- faultage image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 104
- 238000000034 method Methods 0.000 title abstract description 67
- 108091008695 photoreceptors Proteins 0.000 claims abstract description 60
- 238000011002 quantification Methods 0.000 claims description 178
- 210000001525 retina Anatomy 0.000 claims description 57
- 210000000873 fovea centralis Anatomy 0.000 claims description 19
- 210000000981 epithelium Anatomy 0.000 claims description 17
- 239000000049 pigment Substances 0.000 claims description 17
- 238000012937 correction Methods 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000003672 processing method Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 8
- 238000005452 bending Methods 0.000 claims description 2
- 230000001915 proofreading effect Effects 0.000 claims 1
- 210000003583 retinal pigment epithelium Anatomy 0.000 abstract description 2
- 238000003325 tomography Methods 0.000 description 21
- 238000012014 optical coherence tomography Methods 0.000 description 17
- 230000003287 optical effect Effects 0.000 description 16
- 230000014509 gene expression Effects 0.000 description 14
- 230000004438 eyesight Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 11
- 230000008859 change Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000005070 sampling Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 9
- 238000009826 distribution Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 5
- 230000008034 disappearance Effects 0.000 description 5
- 206010012688 Diabetic retinal oedema Diseases 0.000 description 4
- 206010025421 Macule Diseases 0.000 description 4
- 201000011190 diabetic macular edema Diseases 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000010287 polarization Effects 0.000 description 4
- 238000012887 quadratic function Methods 0.000 description 4
- 238000003786 synthesis reaction Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 206010064930 age-related macular degeneration Diseases 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 208000002780 macular degeneration Diseases 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004379 myopia Effects 0.000 description 2
- 208000001491 myopia Diseases 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000002207 retinal effect Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000009182 swimming Effects 0.000 description 2
- 230000004382 visual function Effects 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 208000010412 Glaucoma Diseases 0.000 description 1
- 206010030113 Oedema Diseases 0.000 description 1
- 230000004323 axial length Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 210000003161 choroid Anatomy 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000002647 laser therapy Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/102—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for optical coherence tomography [OCT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0062—Arrangements for scanning
- A61B5/0066—Optical coherence imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B9/00—Measuring instruments characterised by the use of optical techniques
- G01B9/02—Interferometers
- G01B9/02015—Interferometers characterised by the beam path configuration
- G01B9/02029—Combination with non-interferometric systems, i.e. for measuring the object
- G01B9/0203—With imaging systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B9/00—Measuring instruments characterised by the use of optical techniques
- G01B9/02—Interferometers
- G01B9/02055—Reduction or prevention of errors; Testing; Calibration
- G01B9/02075—Reduction or prevention of errors; Testing; Calibration of particular errors
- G01B9/02082—Caused by speckles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B9/00—Measuring instruments characterised by the use of optical techniques
- G01B9/02—Interferometers
- G01B9/02083—Interferometers characterised by particular signal processing and presentation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B9/00—Measuring instruments characterised by the use of optical techniques
- G01B9/02—Interferometers
- G01B9/0209—Low-coherence interferometers
- G01B9/02091—Tomographic interferometers, e.g. based on optical coherence
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/47—Scattering, i.e. diffuse reflection
- G01N21/4795—Scattering, i.e. diffuse reflection spatially resolved investigating of object in scattering medium
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Ophthalmology & Optometry (AREA)
- Signal Processing (AREA)
- Pathology (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本发明涉及一种图像处理设备和图像处理方法。所述图像处理设备获取被检眼的断层图像。所述图像处理设备对从所述断层图像中所确定的区域的变形进行定量化。所述区域包括光感受器层或视网膜色素上皮层。
Description
技术领域
本发明涉及一种用于对被检眼的断层图像进行处理的图像处理设备及其方法。
背景技术
诸如OCT(光学相干断层成像仪)等的眼部断层图像摄像设备可以三维地观察视网膜层的内部状态。近年来,断层图像摄像设备由于其在更加适当地诊断疾病方面有用而受到大量关注。OCT的形式的示例是将宽带宽的光源和迈克尔逊干涉仪(Michelson interferometer)进行组合的TD-OCT(时域OCT)。该TD-OCT被配置成扫描参考臂的延迟以测量与信号臂的背向散射光的干涉光,由此获得深度分辨率的信息。然而,难以利用TD-OCT快速地获取图像。作为更高速获取图像的方法,已知有使用宽带宽的光源并且利用分光器来获取干涉图的SD-OCT(光谱域OCT)。还已知有采用如下技术的SS-OCT(扫频源OCT),其中该技术通过使用高速波长扫频光源作为光源来利用单通道光检测器测量光谱干涉。另外,作为功能性的OCT,已知有PS-OCT(偏振相关OCT),其使用作为眼睛的眼底组织的一个光学特性的偏振参数(延迟和方向)来进行摄像。
如果在利用上述OCT拍摄到的断层图像中可以测量出视网膜的形状变化,则可以定量地诊断诸如青光眼、年龄相关性黄斑变性或糖尿病性黄斑水肿等的疾病的进展程度以及治疗之后的恢复程度。为了定量地测量视网膜的形状变化,日本特开2011-030626(以下称为文献1)公开了使用计算机来分析年龄相关性黄斑变性中视网膜层的凹凸程度的技术。
在文献1中,对通过分析所获得的视网膜层和所估计的正常视网膜层之 间的厚度差进行评价。在糖尿病性黄斑水肿中,在视网膜由于水肿而肿胀的情况下,视力变得较差。因而,进行治疗以减少视网膜厚度,并且使用OCT来确认治疗效果。实际上,视网膜层的层结构的变形、特别是光感受器层的变化与视网膜厚度相比对视功能产生的影响更大。传统上,人们基于他/她的经验来观察图像并判断视网膜层的变形程度。从客观性的角度,这造成了问题。
发明内容
本发明的一个实施例是考虑到上述问题而作出的,并且其目的是提供用以适当地评价光感受器层的变形的标准。
根据本发明的一个方面,提供一种图像处理设备,包括:获取单元,用于获取被检眼的断层图像;以及定量化单元,用于对所述断层图像中的光感受器层的变形进行定量化。
根据本发明的另一方面,提供一种图像处理设备,包括:获取单元,用于获取被检眼的断层图像;检测单元,用于检测所述断层图像中的视网膜色素上皮层;确定单元,用于确定包括所述断层图像中的所述视网膜色素上皮层的区域;以及定量化单元,用于对所述区域中所包括的层的变形进行定量化。
此外,根据本发明的另一方面,提供一种图像处理方法,包括:获取步骤,用于获取被检眼的断层图像;以及定量化步骤,用于对所述断层图像中的光感受器层的变形进行定量化。
此外,根据本发明的另一方面,提供一种图像处理方法,包括:获取步骤,用于获取被检眼的断层图像;检测步骤,用于检测所述断层图像中的视网膜色素上皮层;确定步骤,用于确定包括所述断层图像中的所述视网膜色素上皮层的区域;以及定量化步骤,用于对所述区域中所包括的层的变形 进行定量化。
通过以下参考附图对典型实施例的说明,本发明的其它特征将变得明显。
附图说明
图1是示出根据第一实施例的图像处理***的结构的框图;
图2A和2B是示出根据第一实施例的图像处理***的处理流程图;
图3是用于说明定量化区域的图;
图4A~4C是用于说明定量化处理的示例的图;
图5是示出分析结果显示的示例的图;
图6是示出分析结果显示的另一示例的图;
图7A和7B是示出根据第四实施例的图像处理***的处理的流程图;
图8A和8B是用于说明根据第四实施例的图像生成处理的图;
图9A和9B是用于说明根据第四实施例的图像生成处理的图;
图10是示出根据第五实施例的图像处理***的结构的框图;
图11A~11C是示出定量化值显示的示例的图;
图12是示出分析结果显示的示例的图;
图13是示出根据第六实施例的图像处理***的结构的框图;
图14是用于说明形状校正的图;
图15A和15B是用于说明形状校正的图;以及
图16是用于说明定量化区域校正的图。
具体实施方式
根据本实施例的图像处理设备以对光感受器层的变形进行定量化为特征。这样使得能够提供用以适当地评价光感受器层的变形的标准。注意,“光 感受器层的变形”例如还可被称为“光感受器层自身的破损程度”。
对“光感受器层的变形”进行定量化的方法中的一个方法是用于获得(间断的层中的)光感受器层的深度方向位置的变化(分布)的方法。更具体地,该方法是获得光感受器层的“平行度”的方法。将在第一实施例中详细说明该方法。注意,“平行度”还可被称为“方向性”。
对“光感受器层的变形”进行定量化的方法中的另一方法是用于获得光感受器层的间断性(不连续性)的方法。更具体地,该方法是获得光感受器层的“复杂性”和“空隙性(lacunarity)”的方法。将在第二实施例中详细说明该方法。
对“光感受器层的变形”进行定量化的方法中的又一方法是用于获得与变化和间断性这两者有关的值的方法。更具体地,该方法是获得光感受器层在多个方向上的连续程度和连续性缺失程度的方法。将在第三实施例中详细说明该方法。
第一实施例:方向性(平行度)
以下将参考附图来说明本发明的第一实施例。注意,包括根据本实施例的图像处理设备的图像处理***对视网膜的层结构的变形程度进行定量化。特别地,该图像处理***对中央凹(fovea)附近的光感受器层的变形程度进行定量化。以下将说明包括根据本实施例的图像处理设备的图像处理***的详细内容。
图1是示出包括根据本实施例的图像处理设备300的图像处理***100的结构的框图。如图1所示,图像处理***100通过使图像处理设备300经由接口连接至断层图像摄像设备(还称为OCT)200、眼底摄像设备400、外部存储单元500、显示单元600和输入单元700所构成。
断层图像摄像设备200是拍摄眼部的断层图像的设备。该断层图像摄像设备中使用的装置例如是SD-OCT或SS-OCT。注意,断层图像摄像设备200 是已知设备,将省略对该设备的详细说明。这里将说明根据来自图像处理设备300的指示所设置的断层图像拍摄范围和内部固视灯204的参数。
参考图1,检流计镜201用于在眼底上扫描测量光,并且规定OCT的眼底拍摄范围。驱动控制单元202控制检流计镜201的驱动范围和速度,由此规定眼底的平面方向上的拍摄范围和扫描线数(平面方向上的扫描速度)。检流计镜201包括用于X扫描和Y扫描的两个镜并且可以在眼底上在期望范围内扫描测量光。
内部固视灯204包括显示单元241和透镜242。作为显示单元241,使用通过将多个发光二极管(LED)配置成矩阵状所形成的装置。这些发光二极管的点亮位置在驱动控制单元202的控制下根据要拍摄的部位而改变。来自显示单元241的光经由透镜242被引导至被检眼。显示单元241发出520nm的光,并且利用驱动控制单元202来显示期望图案。
相干门台205由驱动控制单元202进行控制以应对例如眼轴长度差。相干门表示OCT中的测量光的光路与参考光的光路相等的位置。另外,对相干门的位置进行控制以控制摄像方法,即,对视网膜层侧进行摄像还是对比视网膜层更深的部位侧进行增强型深度摄像(以下称为EDI)。在通过EDI进行摄像的情况下,将相干门的位置设置在视网膜层的深侧。由于该原因,可以以高亮度拍摄脉络膜或RPE。
眼底摄像设备400拍摄眼部的眼底图像。例如,作为该设备,可使用眼底照相机或SLO(扫描激光检眼镜)。
图像处理设备300包括图像获取单元301、存储单元302、图像处理单元303、指示单元304和显示控制单元305。图像获取单元301包括断层图像生成单元311和合成单元312。图像获取单元301获取断层图像摄像设备200所拍摄到的断层图像的信号数据,进行信号处理以生成断层图像,对所生成的断层图像进行合成处理,并将所生成的断层图像存储在存储单元302中。图像处 理单元303包括定量化区域确定单元331和定量化单元332。定量化区域确定单元331确定用以对光感受器层的变形程度进行定量化的区域。定量化单元332在定量化区域确定单元331所确定的区域内,对光感受器层的变形程度进行定量化。指示单元304对断层图像摄像设备200指示摄像参数等。
外部存储单元500将与被检眼有关的信息(患者的姓名、年龄和性别等)、所拍摄图像数据、摄像参数、图像分析参数和操作员所设置的参数彼此相关联地进行保持。输入单元700例如是鼠标、键盘或触摸操作屏幕。操作者经由输入单元700向图像处理设备300、断层图像摄像设备200和眼底摄像设备400输入指示。接着将参考图2A和2B来说明根据本实施例的图像处理设备300的处理过程。图2A是示出根据本实施例的整个***的操作处理的过程的流程图。
步骤S201
在步骤S201中,图像处理设备300的被检眼信息获取单元(未示出)从外部获取被检者标识编号作为用于识别被检眼的信息。被检眼信息获取单元可以使用输入单元700来构成。基于该被检者标识编号,被检眼信息获取单元获取外部存储单元500所保持的与被检眼有关的信息并将该信息存储在存储单元302中。
步骤S202
在步骤S202中,基于来自指示单元304的指示来进行利用眼底摄像设备400的眼底摄像和利用断层图像摄像设备200的断层图像获取。
指示单元304设置摄像参数,并且断层图像摄像设备200进行摄像。更具体地,对内部固视灯204的显示单元241的点亮位置以及利用检流计镜201的测量光扫描图案等进行设置。在本实施例中,驱动控制单元202控制显示单元241的发光二极管并且设置内部固视灯204的位置,从而在黄斑部的中心处进行摄像。其目的是拍摄与视力有关的中央凹附近的部位。作为扫描图案, 例如使用十字扫描或放射状扫描。在各扫描图案中,对同一部位连续拍摄多次以生成降低或去除了斑点噪声的高质量断层图像。在设置了摄像参数之后,拍摄被检眼的断层图像。断层图像摄像设备200控制驱动控制单元202以使检流计镜201工作并且拍摄断层图像。如上所述,检流计镜201包括水平方向上的X扫描器和垂直方向上的Y扫描器。由于该原因,改变各扫描器的方向,这使得能够进行该设备的坐标系的水平方向(X)和垂直方向(Y)中的相应一个方向的扫描。当同时改变这些扫描器的方向时,可以在水平方向和垂直方向的合成方向上进行扫描。这样使得能够在眼底平面的任意方向上进行扫描。
步骤S203
在步骤S203中,断层图像生成单元311获取断层图像摄像设备200所拍摄到的断层图像的信号数据并且进行信号处理以生成断层图像。将说明例如使用SS-OCT作为断层图像摄像设备200的情况。首先,断层图像生成单元311从信号数据去除固定噪声。接着,断层图像生成单元311进行光谱整形和色散补偿并且对该信号数据应用离散傅立叶变换,由此获得相对于深度的强度数据。断层图像生成单元311进行从该傅立叶变换之后的强度数据中切出任意区域的处理,由此生成断层图像。
在断层图像生成时,为了获得降低或去除了斑点噪声的高质量断层图像,优选通过拍摄同一部位来获得多个断层图像并且进行合成以生成一个断层图像。因而,为了生成一个高质量断层图像,合成单元312首先使多个断层图像对准。为了使这些断层图像对准,例如,预先定义表示两个断层图像的相似度的评价函数,并且使这些断层图像变形以获得该评价函数的最佳值。作为评价函数,例如使用相关系数来进行评价。例如,通过使用仿射变换进行平移或旋转来进行图像变形处理。
接着,合成单元312进行合成处理以从多个对准的断层图像生成一个断 层图像。该方法的示例是平均化处理。在平均化处理中,在多个对准的断层图像中,对相同坐标处的多个像素的强度值进行平均化。将该平均值规定为这些坐标处的强度值。在所有坐标处执行了相同处理的情况下,能够从多个断层图像获得一个高质量断层图像。注意,例如,代替平均化处理,可以进行中值处理。在这种情况下,在多个对准的断层图像中,计算相同坐标处的多个像素的强度值的中值。将该中值规定为这些坐标处的强度值。在所有坐标处执行了相同处理的情况下,与平均化处理相同,可以从多个断层图像获得一个高质量断层图像。将这里所获得的断层图像存储在存储单元302中,并且还在后面所述的步骤S206中显示在显示单元600上。
步骤S204
在步骤S204中,定量化区域确定单元331在图像获取单元301所获取到的断层图像上的中央凹附近的光感受器层中设置处理对象区域(以下称为定量化区域)。将参考图3来说明设置在光感受器层中的定量化区域。图3示出黄斑部的断层图像31和定量化区域确定单元331所确定的定量化区域32。断层图像31示出外界膜(ELM)、光感受器内节外节接合部(IS/OS)和视网膜色素上皮层(RPE)。在糖尿病性黄斑水肿的情况下,即使中央凹厚度已增大,但只要保存有IS/OS,则视力通常良好。相反,如果IS/OS已消失,则视力差。因而,定量化区域确定单元331确定定量化区域的深度方向位置从而包括视细胞的IS/OS。定量化区域确定单元331还设置定量化区域32的位置从而包括中央凹。定量化区域32的大小例如为垂直方向的150μm×水平方向的1mm。通过根据视网膜层的倾斜而使定量化区域32旋转,来确定该定量化区域32的倾斜。注意,将定量化区域32设置在中央凹上,这是因为中央凹是最佳地反映视力的重要部位并且不会受到激光治疗等的影响。
将说明确定定量化区域32的详细方法的示例。首先,基于摄像时的固视灯位置来确定中心位置。当通过使固视灯与黄斑部的中央凹对准来进行摄 像时,中央凹位于断层图像的宽度方向上的中央。基于断层图像的宽度方向的中央来设置定量化区域32从而包括中央凹。通过从断层图像检测RPE来确定定量化区域32的深度方向的位置。作为该方法,例如,对断层图像31应用中值滤波器和索贝尔(Sobel)滤波器以创建图像(以下称为中值图像和Sobel图像)。根据所创建的中值图像和Sobel图像,针对各A扫描来创建分布。从中值图像获得亮度值分布,并且从Sobel图像获得梯度分布。检测从Sobel图像所创建的分布中的峰值。对与所检测到的峰值前后的部分或各峰值之间的部分相对应的中值图像的分布进行参考,由此检测视网膜层的各区域之间的边界。将位于断层图像的深部的层边界定义为RPE。基于检测到的RPE来确定定量化区域32的倾斜(旋转)。作为该方法,在中央凹附近的范围内、例如在相对于断层图像的宽度方向中央的1mm的范围内,从先前检测到的RPE的坐标值获得近似RPE的线性函数的斜率,由此确定视网膜层的倾斜。
这里已经说明了使定量化区域确定单元331自动确定定量化区域32的方法。然而,本发明不限于此。例如,操作员可以使用输入单元700来进行用户操作并且校正或指定定量化区域32的位置或倾斜。在这种情况下,优选地,允许操作员仅指定定量化区域32的位置并且旋转该区域。优选地,基于使用断层图像摄像设备200和图像获取单元301所获得的断层图像的垂直分辨率和水平分辨率来自动确定定量化区域32的大小并进行显示。例如,在一个像素的大小为10μm(水平方向)×5μm(垂直方向)的情况下,定量化区域的大小为100个像素(水平方向)×30个像素(垂直方向)。当操作员使用输入单元700改变了定量化区域32的位置时,在改变之后的位置处进行定量化处理。注意,在将定量化区域32存储在存储单元中的情况下,或者在将自身要进行定量化的区域获取作为断层图像的情况下,对所有区域进行分析。因而,无需进行上述处理。
在本实施例中,从断层图像提取包括视网膜色素上皮层(RPE)的区域, 并且利用所提取的区域作为包括光感受器层的定量化区域32。然而,无需判断定量化区域32是否包括光感受器层。可以确定,定量化区域32包括检测到的视网膜色素上皮层(RPE)。
步骤S205
在步骤S205中,定量化单元332对定量化区域确定单元331所确定的定量化区域32进行处理。将参考图2B和4A~4C来说明该方法。
步骤S251
在步骤S251中,定量化单元332使用DoG(高斯差分)滤波器来进行噪声去除和线段增强。下式表示该DoG滤波器。
D(x,y,σ)=(G(x,y,kσ)-G(x,y,σ))*I(x,y)
其中,D是DoG图像,G是高斯函数,I是输入图像,σ是尺度(scale),并且k是增加率。由于DoG滤波器所获得的图像根据计算时的σ而改变,因此基于断层图像的每个像素的分辨率和适合于要检测的层的厚度的大小来进行该计算。图4A示出该处理结果的图像。
步骤S252
在步骤S252中,定量化单元332在已经在步骤S251中进行了噪声去除和线段增强的定量化区域32中,使用判别分析法来进行二值化。图4B示出该处理结果的图像。判别分析法是用于在定量化区域32中创建断层图像的强度值直方图、并且确定能够对通过分割该分布所获得的两个类进行最佳分离的阈值t的方法。
步骤S253
在步骤S253中,定量化单元332在步骤S252中二值化后的定量化区域32中,对二值化图像进行细线化处理(thinning)并且将该层转换成线状结构。图 4C示出该处理结果的图像。在本实施例中,通过8-连结来进行细线化处理。其目的在于同样保持倾斜方向上的线段结构的信息。
步骤S254
在步骤S254中,定量化单元332在步骤S253中进行了细线化处理的定量化区域32中,分析线状结构的平行度,由此对层结构进行定量化。例如,可以使用下式来计算该线状结构的平行度。
在等式(2)中,n0、n45、n90和n135各自表示细线化后的线状结构以相应角度与相邻像素相联系的频率。例如,如果存在水平方向上相邻的一组像素,则n0为1。如果存在垂直方向上相邻的一组像素,则n90为1。也就是说,针对定量化区域32内的线状结构的所有像素,对像素关联性进行计数,由此获得n0、n45、n90和n135。如果线状结构完全随机,则等式(2)为0。如果线状结构完全平行,则等式(2)为1。因而,等式(2)表示线状结构的变形程度。
步骤S206
返回参考图2A,在步骤S206中,显示控制单元305将图像获取单元301所获取到的断层图像和步骤S254中所获得的定量化后的数值显示在显示单元600上。图5示出该显示的示例。图5示出通过十字扫描来进行摄像、并且对扫描数据进行定量化的示例。参考图5,附图标记510表示断层图像观察画面;附图标记511-1表示通过在水平方向上进行扫描所获得的断层图像;附图标记511-2表示通过在垂直方向上进行扫描所获得的断层图像;附图标记32-1和32-2表示以可识别的方式叠加在断层图像上的定量化区域的示例;附图标记512表示眼底摄像设备400所拍摄的眼底图像;附图标记513表示叠加在眼底图像512上的断层图像摄像设备200的扫描图案;并且附图标记514表示定量化后的数值的显示示例。在十字扫描中,显示各次扫描中的定量化值及其 平均值。在扫描数量大的情况下,与放射状扫描相同,可以仅显示平均值。注意,将扫描图案叠加显示在眼底摄像设备400所拍摄的眼底图像512上例如是基于利用眼底摄像设备400的眼底上的摄像位置的信息以及利用断层图像摄像设备200的眼底上的摄像位置的信息来进行的。
步骤S207
在步骤S207中,指示获取单元(未示出)从外部获取表示是否结束图像处理***100所进行的断层图像摄像的指示。该指示是由操作员使用输入单元700所输入的。在获取到用以结束该处理的指示的情况下,图像处理***100结束该处理。另一方面,为了继续摄像,该处理返回至步骤S202以继续摄像。在使该处理进入下一步骤的情况下,如果操作员在步骤S204中已校正了定量化区域32的位置或倾斜但没有将该结果保存在外部存储单元500中,则显示确认对话框来确认是否将该改变结果保存在外部存储单元500中。在操作员选择保存的情况下,将操作员改变后的参数保存在外部存储单元500中。在操作员选择不保存的情况下,不将操作员改变后的参数保存在外部存储单元500中。
按上述方式进行图像处理***100的处理。
根据上述结构,可以对影响视功能的光感受器层中的复杂结构变化进行定量化。这样使得能够进行疾病的进展程度或实施治疗的判断、或者治疗之后的恢复程度的定量判断。
第二实施例:分形分析(Fractal Analysis)
在第一实施例中,已经说明了如下示例:定量化单元332对定量化区域32内的层进行细线化并且计算线的平行度,由此对该层的变形程度进行定量化。在第二实施例中,作为利用其它方法对层的变形程度进行定量化的示例,将说明使用分形分析的方法。注意,在本实施例中,与图1所示的定量化单元332所进行的定量化有关的处理(图2A的步骤S205)不同于第一实施例。其 余处理与第一实施例相同,并且将省略针对这些处理的说明。
为了进行分形分析,与步骤S251和S252相同,定量化单元332进行噪声去除、线段增强和二值化。然后,定量化单元332在二值化后的定量化区域32中执行分形分析。作为该分形分析,获得分形维数(盒维数(Box-counting))和空隙性作为复杂性。分形维数是通过利用任意大小(ε)的盒覆盖定量化区域32并且对包括该定量化区域的盒的数量N计数所获得的。ε在宽度范围内改变,并且获得针对各个ε的N、即N(ε)。这通过以下来表示。
其中,A是常数,并且DF是分形维数。在复杂图形中,当盒变小时,引入许多凹凸部分,并且分形维数变大。另一方面,空隙性是表示填满空间的分形有多少的指标,并且用于对分形维数相同但空间内的间隙的程度不同的分形进行分类。空隙性可以通过在定量化区域32内配置大小为ε的多个盒、并且计算这些盒内所包括的像素数量的变化系数CV的平均值来获得。空隙性越低,密度越高。空隙性越高,间隙越大。因而,当定量化区域32内的层规则排列时,分形维数的值较大,并且空隙性的数值较小。如果定量化区域32内的层结构发生变形或缺失,则分形维数的值较小,并且空隙性的数值较大。
第三实施例:纹理的统计特征的分析
在第二实施例中,已经说明了使用分形分析作为纹理特征的方法。在第三实施例中,将说明使用纹理的统计特征的方法。注意,在本实施例中,与图1所示的定量化单元332所进行的定量化有关的处理(图2A的步骤S205)不同于第一实施例。其余处理与第一实施例相同,并且将省略针对这些处理的 说明。
纹理的统计特征利用与像素集合的密度分布有关的统计特性来描绘纹理的特征。在健康的眼睛中,黄斑部的中央凹附近的从IS/OS到RPE的各个层规则排列。另一方面,在由于糖尿病性黄斑水肿而导致视力差的情况下,从IS/OS到RPE的层结构经常缺失或变形。因而,分析该区域内的各层是否规则排列使得能够进行定量化。
为了计算纹理特征量,定量化单元332进行定量化区域32内的直方图的平坦化以及强度值的平均值或方差的标准化,并且同时,为了降低处理负荷,将图像的强度值的级数转换成约n=16。另外,为了校正定量化区域32内的图像的倾斜,旋转该图像从而使视网膜层在水平方向上平行。
(1)使用游程长度矩阵(Run-length Matrix)的纹理特征量计算
定量化单元332例如计算游程长度矩阵做作为纹理特征量。获得具有频率Pθ(i,m)(i=0,1,2,...,n-1,m=1,2,...,l)作为要素的游程长度矩阵,其中,该频率Pθ(i,m)是指在图像中在θ方向上连续的强度值为i的点的个数为m的频率,并且从该矩阵中计算由下式所表示的特征量。
短游程出现频率越高,等式(4)取值越大,并且长游程出现频率越高,等式(5)取值越大。也就是说,在定量化区域32内的各个层规则排列的情况下,等式(4)的值较小并且等式(5)的值较大。在定量化区域32内的层结构发生变形或缺失的情况下,等式(4)的值较大并且等式(5)的值较小。图6示出这种情况下显示在显示单元600上的画面的示例。参考图6,附图标记614表示显示定量化后的数值的示例。在示例614中,等式(5)的值显示为层的连续程度, 并且等式(4)的值显示为层的连续性缺失程度。注意,当在θ是作为视网膜层的方向的水平方向的前提下获得层的连续程度或层的连续性缺失程度时,可以得知层的间断性。然而,在针对其它的θ(45°或90°)获得层的连续程度或层的连续性缺失程度的情况下,可以获得(间断的层中的)光感受器层的深度方向位置的变化(分布)。
(2)使用共生矩阵(Cooccurrence Matrix)的纹理特征量计算
作为纹理特征量,例如,可以计算共生矩阵特征。获得具有如下概率作为要素的共生矩阵,其中该概率是在图像中在角度θ的方向上相对于强度值为i的点间隔了r(即,预定位移δ=(r,θ))的点的强度值为j的概率。注意,由于该矩阵的各个要素包括频率,因此进行标准化以使得这些要素的总和变为1。根据该共生矩阵,获得由下式所表示的特征量。
等式(6)表示角二阶矩。在等式(6)中,例如,进行位移δ=(1,0°)的特征量计算。等式(6)的特征量表示总体均匀度。共生矩阵还使得能够计算除等式(6)以外的诸如对比度、方差和相关性等的多个特征量,并且无需总是局限于上述特征量。
(3)使用傅立叶变换的纹理特征量计算
代替图像空间内的特征量,可以通过对图像进行傅立叶变换并且从频率成分的分布获得纹理特征来获得纹理特征量。使用二维傅立叶变换的结果F(u,v)来获得功率谱p(u,v)及其极坐标P(θ,r),并且计算下式给出的特征。
等式(7)提取图像中的宽度为Δθ的角度θ的方向上的频率成分。等式(8)提取宽度为Δr的频率r的成分。等式(7)的数值大表示存在强度值在θ方向上大幅改变的纹理图案。因而,在水平方向上具有层结构的视网膜层中形成垂直方向上的波群。在视网膜层结构由于疾病而变形的情况下,检测到不规则的波群。
(4)使用方向可控滤波器(Steerable Filter)的纹理特征量计算
作为使用纹理特征量的其它定量化方法,可以使用诸如方向可控滤波器等的使用图像方向或空间频率结构的方法。该方向可控滤波器是在任意方向上具有指向性的滤波器。方向可控滤波器的示例是:等式(9)给出的高斯函数的二阶导数G2的方向可控滤波器G2 θ;以及等式(10)给出的、具有与G2相同的滤波频率响应并且与G2的相位差为90°的二阶导数H2的方向可控滤波器H2 θ。
在等式(9)和(10)中,通过三个基本滤波器(G2a,G2b,G2c,H2a,H2b,H2c)的线性组合及其插值系数(ka,kb,kc,la,lb,lc)来表示这些方向可控滤波器。可以使用这些等式,通过由下式给出的方向能量Eθ来检测图像方向。
其中,gn θ表示Gn θ和图像I的卷积运算。同样,hn θ表示Hn θ和图像I的卷积运算。下标n表示高斯函数的n阶导数。可以在等式(11)取最大值的方向θ上进行方向检测。通过等式(11),可以获得定量化区域32内的各个像素的方向。 可以使用方向成分来从图像获得线边缘和阶段边缘。可以通过获得线边缘上的方向能量的方差或阶段边缘上的方向能量的方差来对光感受器层的变形程度进行定量化。也就是说,在水平方向上具有层结构的视网膜层中,方差较小。在视网膜层结构由于疾病而变形的情况下,方差较大。
根据上述结构,可以使用图像特征来对中央凹附近的光感受器层的变形程度进行定量化。
第四实施例:要用于分析的断层图像的生成
在第一实施例中,已经说明了使断层图像生成单元311获取断层图像摄像设备200所拍摄的断层图像的信号数据并进行信号处理以生成断层图像的处理。在第四实施例中,将说明更适合用来对光感受器层的变形程度进行定量化的断层图像生成方法。图7A示出本实施例的处理过程。在本实施例中,图1所示的断层图像摄像设备进行摄像时的扫描参数(图7A的步骤S702)以及与断层图像生成单元311所进行的断层图像生成有关的处理(图7A的步骤S703)不同于第一实施例。其余处理与第一实施例或第二实施例相同,并且将省略针对这些处理的说明。
步骤S702
在步骤S702中,指示单元304设置摄像参数,并且进行摄像。更具体地,指示单元304确定内部固视灯204的照明位置、检流计镜201的扫描图案和用以形成一个断层图像的A扫描的次数。对于A扫描次数,利用过采样来进行摄像以降低或去除斑点噪声。注意,在本实施例中,过采样是采样间隔比用于获得所需分辨率的采样间隔窄的采样。例如,在用以最终形成一个断层图像的A扫描的次数为1,024的情况下,通过2,048次A扫描来进行摄像,并且合成相邻的A扫描。
作为扫描图案,例如,使用十字扫描或放射状扫描。在各扫描图案中,可以确定参数以对同一部位连续拍摄多次,从而生成噪声极少的高质量断层 图像。指示单元304确定摄像参数并且指示拍摄被检眼的断层图像。
步骤S703
在步骤S703中,断层图像生成单元311获取断层图像摄像设备200所拍摄的断层图像的信号数据并且进行信号处理,由此生成断层图像。图7B示出该处理过程。
步骤S731
在步骤S731中,断层图像生成单元311在摄像时利用过采样所拍摄的信号数据中,进行A扫描合成。图8A是示出利用过采样所拍摄的断层图像81的图。通过对断层图像81进行算术处理,创建新的断层图像。图8B是示出通过对过采样的断层图像81进行A扫描合成处理所生成的新的断层图像82的图。参考图8A,A2j和A2j+1表示A扫描。A2j+1是拍摄到A2j的1/f[s]之后所拍摄到的扫描线。在本实施例中,在过采样的A扫描的次数为2,048、并且最终要获得的断层图像的A扫描的次数为1,024的情况下,下标j为j=0,1,2,...,1023。图8B示出针对各像素通过对n个像素进行算术处理所创建的断层图像。参考图8B,Aj是通过对扫描线进行算术处理所获得的新的扫描线。在从图8A获得扫描线的情况下,Aj是通过对扫描线A2j和A2j+1进行算术处理所获得的扫描线。关于算术处理方法,使用任意的算术处理方法来计算平均值或中值等。
步骤S732
在步骤S732中,断层图像生成单元311从信号数据去除固定噪声。
步骤S733
在步骤S733中,断层图像生成单元311对信号数据进行补零,由此调整深度方向上的像素分辨率。将参考图9A和9B来说明该处理。图9A示出补零之前的A扫描的信号数据91,并且图9B示出补零之后的A扫描的信号数据92。在图9B所示的信号数据92中,附图标记92-1表示实际信号数据,并且附图标记92-2表示***的零值。在进行补零时,将零值***信号数据的两端,并且 输出具有由参数Nz指定的长度的信号数据。参数Nz的幂为2。补零使得能够提高深度方向上的像素分辨率并且正确掌握折射率改变的边界的强度和深度方向位置。也就是说,提高像素分辨率使得可以更好地分离相邻的视网膜层并且更加精确地计算平行度。然而,在进行补零的情况下,后续处理花费时间。因而,优选***适当数量的零值。
步骤S734~S741
接着,断层图像生成单元311进行光谱整形(步骤S734)和色散补偿(步骤S735),并且对信号数据应用离散傅立叶变换(步骤S736),由此获得相对于深度的强度数据。断层图像生成单元311进行用于从傅立叶变换之后的强度数据切出任意区域的处理(步骤S737),由此生成断层图像。断层图像生成单元311对傅立叶变换之后的强度数据进行log转换(步骤S738),并且进行标准化以使该数据适合于要输出的断层图像的数据精度(步骤S739)。在断层图像生成时,为了获得降低或去除了斑点噪声的高质量断层图像,优选地,通过拍摄同一部位来获得多个断层图像并且进行合成以生成一个断层图像。因而,在存在通过拍摄同一部位所获得的多个断层图像的情况下,与第一实施例相同,合成单元312进行用于使这多个断层图像对准并且根据这多个断层图像生成一个断层图像的合成处理(步骤S740和S741)。该合成处理与第一实施例所述的合成处理相同。
注意,尽管本实施例假定对断层图像的所有信号数据进行相同的补零,但本发明不限于此。例如,进行补零的零值的数量可以在断层图像的中央凹附近的信号数据和整个断层图像的信号数据之间变化。这样使得能够对分辨率进行调整,以使得深度方向上的像素分辨率能够在中央凹附近的区域和其余区域之间变化。在这种情况下,仅复制与中央凹附近的区域相对应的信号数据以用于内部处理,并且生成用于内部处理的断层图像。更具体地,生成显示用的断层图像所要使用的针对各次A扫描的零值的数量(M1)和生成内部 处理用的断层图像所要使用的针对各次A扫描的零值的数量(M2)保持M1<M2的关系。
根据上述结构,期望进行:利用过采样的A扫描合成所进行的斑点噪声降低或去除以及利用零值所进行的深度方向上的像素分辨率的提高。由于该原因,可以生成适合于对中央凹附近的光感受器层的变形程度进行定量化的处理的断层图像。因此,可以精确地获得定量化后的数值。
第五实施例:分析结果的显示
在第一实施例中,已经说明了显示控制单元305将断层图像和定量化的数值显示在显示单元600上的示例。在第五实施例中,将说明如下示例,其中在该示例中,显示了定量化后的数值和存储在外部存储单元500中的统计数据库之间的比较结果以及对被检眼的其它测试结果的数值。
将参考图10和图11A~11C来说明根据本实施例的图像处理***的显示的示例。注意,这里将省略针对具有与第一实施例至第四实施例相同的功能的部分的说明。图10是示出根据第五实施例的图像处理***100的结构的框图,其中该图像处理***100包括具有定量化结果创建单元333的图像处理单元303、存储单元302、显示控制单元305和外部存储单元500。
在第五实施例中,定量化结果创建单元333基于由定量化单元332进行定量化后的数值和存储在外部存储单元500中的统计数据来创建图表,并且显示控制单元305将该结果连同断层图像一起显示在显示单元600上。将参考图11A~11C来说明该示例。图11A示出定量化结果创建单元333所创建的表示定量化值在统计数据库中所存在的位置的一维图表1100-1的示例。图表1100-1具有被标准化为从与定量化值的最小值相对应的0.1到与定量化值的最大值相对应的1.0的刻度。在该指标的所示示例中,正常状态下该数值变大。图11A示出如下示例:推荐治疗的区域存在于垂直线1100-2的左侧,推荐随访观察(follow-up)的区域存在于垂直线1100-2和垂直线1100-3之间,并且正常 区域存在于垂直线1100-3的右侧。附图标记1100-4表示图表1100-1上标绘出的被检眼的定量化后的数值的示例。该图表从视觉上显示定量化值在统计数据库上所存在的位置,因此可用作用于判断实施治疗和随访观察等的材料。
图11B示出二维图表1101-1的示例,其中该二维图表1101-1表示定量化值在统计数据库中所存在的位置以及根据该位置所估计出的定量视力。在图11B示出的示例中,附图标记1101-2表示图表1101-1上的包括了被检眼的定量化后的数值的区域。该图表可以示出根据光感受器层的变形所估计出的定量视力的结果。例如,在定量化值为a~b的情况下,所估计出的视力约为0.45~0.7(图11B中的阴影部分)。
图11C示出表1102的示例,其中该表1102显示了如下内容的比较:从外部存储单元500获取到的作为针对被检眼的其它测试结果的数值的视力测试结果、定量化值以及从该定量化值所估计出的视力。该表使得能够掌握根据光感受器层的变形所估计出的定量视力与通过视力测试所获得的视力之间的关系。
图12示出显示控制单元305将断层图像和定量化结果创建单元333所创建的各种图表显示在显示单元600上的示例。在图12示出的示例中,对通过十字扫描所拍摄的断层图像511-1和511-2、眼底图像512以及定量化结果创建单元333所创建的图表1100-1和表1102进行布局和显示。注意,断层图像、眼底图像和定量化值的布局方式不限于此。
根据上述结构,可以对被检眼的定量化值和统计值进行比较和检查。由于该原因,该结果可以用作用于判断实施治疗和随访观察等的材料。还可以定量地测量视力。
第六实施例:视网膜层形状的校正
在第一实施例中,已经说明了对定量化区域确定单元331所确定的区域进行定量化的方法。在第六实施例中,将说明在定量化区域确定单元331确 定区域之前对视网膜层形状进行校正(标准化)的示例。
以下将参考图13来说明根据第六实施例的图像处理***的结构的示例,并且将参考图14、15A和15B来说明根据第六实施例的图像处理***上的显示的示例。注意,这里将省略针对具有与第一实施例至第五实施例相同的功能的部分的说明。图13是示出包括具有形状校正单元334的图像处理单元303的图像处理***100的结构的框图。
在本实施例中,将说明形状校正单元334对视网膜层的形状进行校正的示例。进行形状校正并且对视网膜层形状进行标准化,这使得即使在由于近视而导致视网膜层形状发生大幅弯曲的情况下,也能够稳定地对光感受器层的变形程度进行定量化。
作为形状校正方法,形状校正单元从视网膜层检测RPE。作为该检测方法,可以利用针对第一实施例的步骤S204所述的方法来检测视网膜层边界。在断层图像摄像设备200是PS-OCT的情况下,可以通过计算偏光成分来检测RPE。例如,可以通过使用Erich Gotzinger,“Retinal pigment epithelium segmentation by polarization sensitive optical coherence tomography”(文献2)中所述的DOPU(偏振均匀度)来进行从PS-OCT所拍摄的断层图像的RPE检测。
将使用这些方法检测到的RPE近似为二次函数。通过使用诸如M估计等的鲁棒估计方法去除离群值来进行这种近似。将近似得到的二次函数(y=a'x2+b'x+c')转换成用作基准的二次函数(y=ax2+bx+c)。图14示出坐标的关系。曲线1411是从RPE所获得的近似曲线的示例。曲线1412是用作基准的曲线的示例。在xi处,将坐标(xi,y')转换成坐标(xi,y)。在所有的x坐标处执行相同处理的情况下,能够对y坐标进行转换。在视网膜层的弯曲大的情况下,在定量化区域内无法包括从IS/OS到RPE的各层,并且发生测量误差。然而,在对形状进行了校正的情况下,在弯曲较大的视网膜层形状和弯曲较小的视网膜层形状这两者中,定量化区域都可以包括从IS/OS到RPE的各层。这样使 得能够进行更加稳定的测量。图15A和15B示出因视网膜层形状校正而发生变形的视网膜层形状的示例。图15A示出形状校正之前的断层图像1511和定量化区域1512的示例。图15B示出被校正为基准形状的断层图像1513和定量化区域1512的示例。
在本实施例中,已经说明了对整个视网膜层的形状进行校正的示例。然而,本发明不限于此。例如,可以不对整个视网膜层形状进行校正而仅对定量化区域内的视网膜层形状进行校正。图16示出该示例。图16示出了断层图像1511和定量化区域1612。在图16示出的示例中,根据断层图像的视网膜层形状来校正定量化区域1612的形状。更具体地,对定量化区域进行校正,以使其与通过如上所述将RPE近似为二次函数所获得的曲线相一致,由此获得校正后的定量化区域1612。将发生了变形以与视网膜层形状相一致的定量化区域1612恢复为如由定量化区域1512所表示的矩形形状,并且还对定量化区域内的断层图像进行校正。
根据上述结构,对视网膜层形状进行标准化。这样使得在由于近视等而使得视网膜层形状弯曲大、以及正常眼中视网膜层形状弯曲缓和这两种情况下,都能够稳定地对光感受器层的变形程度进行定量化。
其它实施例
上述各实施例将本发明作为图像处理设备来实现。然而,本发明的实施例不限于图像处理设备。例如,本发明可以采用***、设备、方法、程序或存储介质等的形式。更具体地,本发明可应用于包括多个装置的***或包括单个装置的设备。
还可以通过读出并执行记录在存储器装置上的程序以进行上述实施例的功能的***或设备的计算机(或者CPU或MPU等装置)和通过下面的方法来实现本发明的各方面,其中,***或设备的计算机通过例如读出并执行记录在存储器装置上的程序以进行上述实施例的功能来进行上述方法的各步骤。 由于该原因,例如经由网络或者通过用作存储器装置的各种类型的记录介质(例如,计算机可读存储介质)将该程序提供给计算机。
尽管已经参考典型实施例说明了本发明,但是应该理解,本发明不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,以包含所有这类修改、等同结构和功能。
Claims (27)
1.一种图像处理设备,包括:
获取单元,用于获取被检眼的断层图像;以及
定量化单元,用于对所述断层图像中的光感受器层的变形进行定量化。
2.根据权利要求1所述的图像处理设备,其中,所述定量化单元获得与如下至少之一有关的值:所述断层图像中的光感受器层的深度方向位置的变化;以及所述光感受器层的间断性。
3.根据权利要求1或2所述的图像处理设备,其中,所述定量化单元基于所述断层图像中的层结构的平行度来对所述光感受器层的变形进行定量化。
4.根据权利要求1或2所述的图像处理设备,其中,所述定量化单元基于所述断层图像的分形分析的结果来对所述光感受器层的变形进行定量化。
5.根据权利要求1或2所述的图像处理设备,其中,所述定量化单元基于所述断层图像的纹理的统计特征来对所述光感受器层的变形进行定量化。
6.根据权利要求1或2所述的图像处理设备,其中,所述定量化单元利用使用了游程长度矩阵的纹理特征量来计算所述断层图像。
7.根据权利要求1或2所述的图像处理设备,其中,还包括确定单元,所述确定单元用于从所述断层图像中确定要处理的区域,
其中,所述定量化单元对所述确定单元所确定的区域内的断层图像中的光感受器层的变形进行定量化。
8.根据权利要求7所述的图像处理设备,其中,所述确定单元在包括中央凹附近的光感受器内节外节接合部的位置处确定所述区域。
9.根据权利要求7所述的图像处理设备,其中,所述确定单元通过从所述断层图像中检测视网膜色素上皮层来确定所述区域的深度方向位置,并且沿着所述视网膜色素上皮层确定所述区域的倾斜,由此确定所述区域以使得所述区域包括所述光感受器层。
10.根据权利要求7所述的图像处理设备,其中,还包括输入单元,所述输入单元用于接受用以修改或指定所述确定单元所确定的区域的位置的用户操作。
11.根据权利要求1或2所述的图像处理设备,其中,还包括降低单元,所述降低单元用于降低所述获取单元所获取到的断层图像中的斑点噪声,
其中,所述定量化单元对所述降低单元降低了斑点噪声的断层图像中的光感受器层的变形进行定量化。
12.根据权利要求1或2所述的图像处理设备,其中,还包括调整单元,所述调整单元用于对所述获取单元所获取到的断层图像的深度方向的像素分辨率进行调整,
其中,所述定量化单元对所述调整单元调整了像素分辨率的断层图像中的光感受器层的变形进行定量化。
13.根据权利要求12所述的图像处理设备,其中,所述调整单元使中央凹附近的深度方向的像素分辨率高于其余部位的深度方向的像素分辨率。
14.根据权利要求1或2所述的图像处理设备,其中,还包括显示控制单元,所述显示控制单元用于使显示单元显示所述定量化单元定量化后的值。
15.根据权利要求14所述的图像处理设备,其中,还包括生成单元,所述生成单元用于生成所述定量化单元定量化后的层结构的变形的指标,
其中,所述显示控制单元使所述显示单元显示所述断层图像和所述指标。
16.根据权利要求14所述的图像处理设备,其中,所述显示控制单元使所述显示单元以能够识别的方式叠加地显示所述定量化单元所处理的区域。
17.根据权利要求1或2所述的图像处理设备,其中,还包括形状校正单元,所述形状校正单元用于在所述断层图像中进行校正以降低层形状的弯曲程度。
18.根据权利要求7所述的图像处理设备,其中,还包括形状校正单元,所述形状校正单元用于使所述确定单元所确定的区域的形状根据所述断层图像中的层形状的弯曲程度而弯曲。
19.根据权利要求1或2所述的图像处理设备,其中,还包括:
检测单元,用于检测所述断层图像中的视网膜色素上皮层;以及
确定单元,用于将包括所述断层图像中的所述视网膜色素上皮层的区域确定作为包括所述光感受器层的区域,
其中,所述定量化单元将所述区域中所包括的层的变形作为所述光感受器层的变形进行定量化。
20.一种图像处理设备,包括:
获取单元,用于获取被检眼的断层图像;
检测单元,用于检测所述断层图像中的视网膜色素上皮层;
确定单元,用于确定包括所述断层图像中的所述视网膜色素上皮层的区域;以及
定量化单元,用于对所述区域中所包括的层的变形进行定量化。
21.根据权利要求20所述的图像处理设备,其中,所述确定单元将所述断层图像中的所述区域确定作为包括所述被检眼的光感受器层的区域,以及
所述定量化单元获得与如下至少之一有关的值:所述断层图像中的光感受器层的深度方向位置的变化;以及所述光感受器层的间断性。
22.一种图像处理方法,包括:
获取步骤,用于获取被检眼的断层图像;以及
定量化步骤,用于对所述断层图像中的光感受器层的变形进行定量化。
23.根据权利要求22所述的图像处理方法,其中,在所述定量化步骤中,获得与如下至少之一有关的值:所述断层图像中的光感受器层的深度方向位置的变化;以及所述光感受器层的间断性。
24.根据权利要求22所述的图像处理方法,其中,还包括:
确定步骤,用于从所述断层图像中确定要处理的区域,
其中,在所述定量化步骤中,对所确定的区域内的断层图像中的光感受器层的变形进行定量化。
25.根据权利要求22所述的图像处理方法,其中,还包括:
检测步骤,用于检测所述断层图像中的视网膜色素上皮层;以及
确定步骤,用于将包括所述断层图像中的所述视网膜色素上皮层的区域确定作为包括所述光感受器层的区域,
其中,在所述定量化步骤中,将所述区域中所包括的层的变形作为所述光感受器层的变形进行定量化。
26.一种图像处理方法,包括:
获取步骤,用于获取被检眼的断层图像;
检测步骤,用于检测所述断层图像中的视网膜色素上皮层;
确定步骤,用于确定包括所述断层图像中的所述视网膜色素上皮层的区域;以及
定量化步骤,用于对所述区域中所包括的层的变形进行定量化。
27.根据权利要求26所述的图像处理方法,其中,在所述确定步骤中,将所述断层图像中的所述区域确定作为包括所述被检眼的光感受器层的区域,以及
在所述定量化步骤中,获得与如下至少之一有关的值:所述断层图像中的光感受器层的深度方向位置的变化;以及所述光感受器层的间断性。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012085896A JP6105852B2 (ja) | 2012-04-04 | 2012-04-04 | 画像処理装置及びその方法、プログラム |
JP2012-085896 | 2012-04-04 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103356162A true CN103356162A (zh) | 2013-10-23 |
CN103356162B CN103356162B (zh) | 2016-08-31 |
Family
ID=48092676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310119869.3A Expired - Fee Related CN103356162B (zh) | 2012-04-04 | 2013-04-08 | 图像处理设备和图像处理方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9004685B2 (zh) |
EP (1) | EP2647332A1 (zh) |
JP (1) | JP6105852B2 (zh) |
CN (1) | CN103356162B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107495923A (zh) * | 2017-08-03 | 2017-12-22 | 苏州大学 | 一种测量眼球视网膜形态的方法 |
WO2018112979A1 (zh) * | 2016-12-24 | 2018-06-28 | 华为技术有限公司 | 一种图像处理方法、装置以及终端设备 |
CN108827146A (zh) * | 2018-06-14 | 2018-11-16 | 苏州富莱智能科技有限公司 | Twain标准显微测量***及测量方法 |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6092659B2 (ja) | 2013-02-28 | 2017-03-08 | キヤノン株式会社 | 画像処理装置及び画像処理方法 |
JP6198410B2 (ja) | 2013-02-28 | 2017-09-20 | キヤノン株式会社 | 画像処理装置及び画像処理方法 |
JP6200168B2 (ja) | 2013-02-28 | 2017-09-20 | キヤノン株式会社 | 画像処理装置及び画像処理方法 |
EP3061063A4 (en) * | 2013-10-22 | 2017-10-11 | Eyenuk, Inc. | Systems and methods for automated analysis of retinal images |
CN103679198B (zh) * | 2013-12-10 | 2016-09-14 | 苏州大学 | 一种基于k近邻的视网膜内节/外节缺失自动检测方法 |
AU2014259527A1 (en) | 2014-11-06 | 2016-05-26 | Canon Kabushiki Kaisha | Robust segmentation of retinal pigment epithelium layer |
JP6552200B2 (ja) | 2015-01-09 | 2019-07-31 | キヤノン株式会社 | 光断層撮像装置、その制御方法、及びプログラム |
KR101683573B1 (ko) * | 2015-03-31 | 2016-12-07 | 연세대학교 산학협력단 | 안구 단층 촬영 영상에서의 시세포 층 정량화 검출 장치 및 그 방법 |
JP6552039B2 (ja) * | 2015-06-19 | 2019-07-31 | オリンパス株式会社 | 走査型顕微鏡、及び、画素データ生成方法 |
JP6748434B2 (ja) * | 2016-01-18 | 2020-09-02 | キヤノン株式会社 | 画像処理装置、推定方法、システム及びプログラム |
JP6779674B2 (ja) * | 2016-06-22 | 2020-11-04 | 株式会社トプコン | Oct装置 |
JP2018057828A (ja) * | 2016-10-05 | 2018-04-12 | キヤノン株式会社 | 画像処理装置及び画像処理方法 |
US11055829B2 (en) | 2016-12-29 | 2021-07-06 | Huawei Technologies Co., Ltd. | Picture processing method and apparatus |
JP6946696B2 (ja) * | 2017-03-31 | 2021-10-06 | 株式会社ニデック | 眼底解析装置及び眼底解析プログラム |
US10973406B2 (en) | 2018-03-06 | 2021-04-13 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and non-transitory computer readable medium |
JP7114358B2 (ja) | 2018-06-15 | 2022-08-08 | キヤノン株式会社 | 医用画像処理装置、医用画像処理方法及びプログラム |
US20220357150A1 (en) * | 2019-08-05 | 2022-11-10 | Trumpf Laser Gmbh | Method for displaying an OCT-scanned region of a workpiece surface and/or for measuring surface features, and associated OCT system |
KR102463522B1 (ko) * | 2020-11-04 | 2022-11-04 | 전남대학교산학협력단 | 고차수 이미지 분해 필터를 활용한 영상 기반의 구조물 움직임 측정 방법. |
US11819275B2 (en) | 2020-12-16 | 2023-11-21 | Canon Kabushiki Kaisha | Optical coherence tomography apparatus, control method for optical coherence tomography apparatus, and computer-readable storage medium |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011022488A2 (en) * | 2009-08-18 | 2011-02-24 | University Of Memphis Research Foundation | Systems, methods, and computer-readable media for detecting and predicting a progression of retinal pathologies |
US20110137157A1 (en) * | 2009-12-08 | 2011-06-09 | Canon Kabushiki Kaisha | Image processing apparatus and image processing method |
US20110211057A1 (en) * | 2008-11-10 | 2011-09-01 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, program, and program recording medium |
CN102186407A (zh) * | 2008-10-17 | 2011-09-14 | 佳能株式会社 | 用于眼部的层析成像设备的图像处理装置及图像处理方法 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2412030A (en) | 2004-03-11 | 2005-09-14 | Oti Ophthalmic Technologies | Image correction in optical coherence tomography |
JP5627260B2 (ja) | 2009-05-22 | 2014-11-19 | キヤノン株式会社 | 撮像装置および撮像方法 |
JP4909377B2 (ja) | 2009-06-02 | 2012-04-04 | キヤノン株式会社 | 画像処理装置及びその制御方法、コンピュータプログラム |
JP5590831B2 (ja) | 2009-07-13 | 2014-09-17 | キヤノン株式会社 | 画像処理装置及び画像処理方法 |
JP5436076B2 (ja) | 2009-07-14 | 2014-03-05 | キヤノン株式会社 | 画像処理装置、画像処理方法およびプログラム |
JP5474435B2 (ja) | 2009-07-30 | 2014-04-16 | 株式会社トプコン | 眼底解析装置及び眼底解析プログラム |
JP5025715B2 (ja) | 2009-12-08 | 2012-09-12 | キヤノン株式会社 | 断層画像撮影装置、画像処理装置、画像処理システム、画像処理装置の制御方法及びプログラム |
JP5725706B2 (ja) * | 2009-12-16 | 2015-05-27 | キヤノン株式会社 | 眼科装置、画像生成方法およびプログラム。 |
EP2641211A1 (en) | 2010-11-17 | 2013-09-25 | Optovue, Inc. | 3d retinal disruptions detection using optical coherence tomography |
JP5733960B2 (ja) | 2010-11-26 | 2015-06-10 | キヤノン株式会社 | 撮像方法および撮像装置 |
JP5822485B2 (ja) * | 2011-02-25 | 2015-11-24 | キヤノン株式会社 | 画像処理装置、画像処理方法、画像処理システム、slo装置、およびプログラム |
JP5836634B2 (ja) | 2011-05-10 | 2015-12-24 | キヤノン株式会社 | 画像処理装置及び方法 |
JP6025311B2 (ja) * | 2011-08-01 | 2016-11-16 | キヤノン株式会社 | 眼科診断支援装置および方法 |
JP5017486B2 (ja) * | 2011-08-12 | 2012-09-05 | キヤノン株式会社 | 画像処理装置及び画像処理方法 |
-
2012
- 2012-04-04 JP JP2012085896A patent/JP6105852B2/ja not_active Expired - Fee Related
-
2013
- 2013-02-20 US US13/771,441 patent/US9004685B2/en active Active
- 2013-03-15 EP EP20130159353 patent/EP2647332A1/en not_active Withdrawn
- 2013-04-08 CN CN201310119869.3A patent/CN103356162B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102186407A (zh) * | 2008-10-17 | 2011-09-14 | 佳能株式会社 | 用于眼部的层析成像设备的图像处理装置及图像处理方法 |
US20110211057A1 (en) * | 2008-11-10 | 2011-09-01 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, program, and program recording medium |
WO2011022488A2 (en) * | 2009-08-18 | 2011-02-24 | University Of Memphis Research Foundation | Systems, methods, and computer-readable media for detecting and predicting a progression of retinal pathologies |
US20110137157A1 (en) * | 2009-12-08 | 2011-06-09 | Canon Kabushiki Kaisha | Image processing apparatus and image processing method |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018112979A1 (zh) * | 2016-12-24 | 2018-06-28 | 华为技术有限公司 | 一种图像处理方法、装置以及终端设备 |
CN107495923A (zh) * | 2017-08-03 | 2017-12-22 | 苏州大学 | 一种测量眼球视网膜形态的方法 |
CN108827146A (zh) * | 2018-06-14 | 2018-11-16 | 苏州富莱智能科技有限公司 | Twain标准显微测量***及测量方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2013215243A (ja) | 2013-10-24 |
US9004685B2 (en) | 2015-04-14 |
US20130265543A1 (en) | 2013-10-10 |
JP6105852B2 (ja) | 2017-03-29 |
CN103356162B (zh) | 2016-08-31 |
EP2647332A1 (en) | 2013-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103356162A (zh) | 图像处理设备和图像处理方法 | |
US9918634B2 (en) | Systems and methods for improved ophthalmic imaging | |
US10076242B2 (en) | Systems and methods for automated classification of abnormalities in optical coherence tomography images of the eye | |
US10194866B2 (en) | Methods and apparatus for reducing artifacts in OCT angiography using machine learning techniques | |
Baumann et al. | Segmentation and quantification of retinal lesions in age-related macular degeneration using polarization-sensitive optical coherence tomography | |
US10149610B2 (en) | Methods and systems for automatic detection and classification of ocular inflammation | |
US20220084210A1 (en) | Segmentation and classification of geographic atrophy patterns in patients with age related macular degeneration in widefield autofluorescence images | |
US9418423B2 (en) | Motion correction and normalization of features in optical coherence tomography | |
CN105310645A (zh) | 图像处理装置及图像处理方法 | |
CN103251379A (zh) | 图像处理设备、图像处理方法和图像处理*** | |
EP2779095B1 (en) | Optic disc image segmentation method | |
US20230140881A1 (en) | Oct en face pathology segmentation using channel-coded slabs | |
US20140029820A1 (en) | Differential geometric metrics characterizing optical coherence tomography data | |
de Moura et al. | Automatic identification of intraretinal cystoid regions in optical coherence tomography | |
WO2018162690A1 (en) | Method for analyzing avascular regions in optical coherence tomography angiography images | |
US10123691B1 (en) | Methods and systems for automatically identifying the Schwalbe's line | |
EP3417401B1 (en) | Method for reducing artifacts in oct using machine learning techniques | |
JP2021137612A (ja) | 再構成されたスペクトルを用いた2次元多層厚測定 | |
US20240127446A1 (en) | Semi-supervised fundus image quality assessment method using ir tracking | |
Baroni et al. | Texture classification of retinal layers in optical coherence tomography | |
NL2022485B1 (en) | Polarization sensitive optical coherence tomography imaging and measurement | |
CN114792303B (zh) | 频域或扫频光学相干断层扫描的全范围分析方法与*** | |
Abbirame et al. | Speckle noise reduction in spectral domain optical coherence tomography retinal images using fuzzification method | |
Yazdan Panah Gohar Rizi | An active contour approach for segmentation of intra-retinal layers in optical coherence tomography images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160831 |