JP2015160105A - 画像処理装置、画像処理方法及びプログラム - Google Patents

Abstract

【課題】 医師等の目的に応じた高解像度の画像を取得する。【解決手段】 被検眼の断層画像を取得する取得手段と、前記取得手段により取得された断層画像の一部を抽出する第１抽出手段と、前記抽出手段による抽出結果に基づいて高周波成分を推定する推定手段と、前記高周波成分を前記取得手段により取得された断層画像に合成する合成手段と、を備える。【選択図】 図７

Description

本件は、画像処理装置、画像処理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は、網膜層内部の状態を三次元的に観察することが可能である。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近年注目を集めている。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、参照アームの遅延を走査することで、信号アームの後方散乱光との干渉光を計測し、深さ分解の情報を得るように構成されている。しかし、このようなＴＤ−ＯＣＴでは高速な画像取得は難しい。そのため、より高速に画像を取得する方法として、広帯域光源を用い、分光器でインターフェログラムを取得するＯＣＴとして、ＳＤ−ＯＣＴ（Ｓｐｅｃｔｒａｌ ｄｏｍａｉｎ ＯＣＴ）が知られている。また、光源として、高速波長掃引光源を用いることで、単一チャネル光検出器でスペクトル干渉を計測する手法によるＳＳ−ＯＣＴ（Ｓｗｅｐｔ Ｓｏｕｒｃｅ ＯＣＴ）が知られている。

これらＯＣＴで撮影された断層画像を用いて診断を行うにあたり、断層画像の画質が高い方が望ましい。そのため、断層画像において明瞭な画像を得るために超解像処理を行う方法が知られている（特許文献１）。

従来は、断層画像に写る網膜層の厚みを調べることで、病気の進行具合や治療後の回復具合を評価している。しかし近年は、ＯＣＴの進歩により断層画像における観察対象が、網膜層の厚みを評価するだけではなく、小さな病変を評価することで病態理解を進める傾向がある（非特許文献１）。

特開２０１３−３４６５８

Ｍａｔｔｈｉａｓ Ｂｏｌｚ， ｅｔ ａｌ． 「Ｏｐｔｉｃａｌ Ｃｏｈｅｒｅｎｃｅ Ｔｏｍｏｇｒａｐｈｉｃ Ｈｙｐｅｒｒｅｆｌｅｃｔｉｖｅ Ｆｏｃｉ： Ａ Ｍｏｒｐｈｏｌｏｇｉｃ Ｓｉｇｎ ｏｆ Ｌｉｐｉｄ Ｅｘｔｒａｖａｓａｔｉｏｎ ｉｎ Ｄｉａｂｅｔｉｃ Ｍａｃｕｌａｒ Ｅｄｅｍａ」 Ｏｐｈｔｈａｌｍｏｌｏｇｙ，２００９

しかしながら、特許文献１記載の超解像処理では、複数の画像を用いて画像全体に対して一律に超解像処理を行っているため適切な処理とはならない場合があった。

本件は上記課題に鑑みてなされたものであり、本件の目的の一つは断層画像に対する適切な超解像処理により高解像度の断層画像を生成することである。 なお、前記目的に限らず、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。

上記の目的を達成するための、本画像処理装置は、被検眼の断層画像を取得する取得手段と、前記取得手段により取得された断層画像の一部を抽出する第１抽出手段と、前記抽出手段による抽出結果に基づいて高周波成分を推定する推定手段と、前記高周波成分を前記取得手段により取得された断層画像に合成する合成手段と、を備える。

本件によれば、断層画像に対する適切な超解像処理により高解像度の断層画像を取得することが可能である。

画像処理システムの構成の一例を示す図である。 画像処理システムにおける処理の流れの一例を示すフローチャートである。 高解像度化処理の一例を説明するための図である。 高解像度化処理の一例を説明するための図である。 解析結果表示の一例を示すである。 画像処理システムの構成の一例を示す図である。 画像処理システムにおける処理の流れの一例を示すフローチャートである。 構造物強調処理の一例を説明するための図である。 構造物強調処理の一例を説明するための図である。 構造物強調処理の一例を説明するための図である。 高解像度化処理の一例を説明するための図である。 高解像度化処理の一例を説明するための図である。 解析結果表示の一例を示すである。 解析結果表示の一例を示すである。 解析結果表示の一例を示すである。 解析結果表示の一例を示すである。

（実施例１）
以下、図面を参照しながら、第１の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を備える画像処理システムは、ＯＣＴの断層画像から高周波成分を推定して高解像度の画像を生成する。

以下、本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（画像処理装置）について、詳細を説明する。

図１は、本実施形態に係る画像処理装置３００を備える画像処理システム１００の構成を示す図である。図１に示すように、画像処理システム１００は、画像処理装置３００が、インタフェースを介して断層画像撮影装置（ＯＣＴとも言う）２００、眼底画像撮影装置４００、外部記憶部５００、表示部６００、入力部７００と接続されることにより構成されている。なお、インタフェースは有線であってもよいし無線であってもよい。また、図１における画像処理装置３００の一部の機能をＯＣＴ２００に持たせることとしてもよいし、画像処理装置３００とＯＣＴ２００とを一体とすることとしてもよい。

断層画像撮影装置２００は、眼部の断層画像を撮影する装置である。断層画像撮影装置に用いる装置は、例えばＳＤ−ＯＣＴまたはＳＳ−ＯＣＴからなる。なお、断層画像撮影装置２００は既知の装置であるため、詳細な説明は省略し、ここでは、画像処理装置３００からの指示により設定される、断層画像の撮影範囲、ならびに内部固視灯２０４のパラメータの設定について説明を行う。

図１において、ガルバノミラー２０１は、測定光の眼底における走査を行うためのものであり、ＯＣＴによる眼底の撮影範囲を規定する。また、駆動制御部２０２は、ガルバノミラー２０１の駆動範囲および速度を制御することで、眼底における平面方向の撮影範囲及び走査線数（平面方向の走査速度）を規定する。ここでは、簡単のためガルバノミラーは一つのミラーとして示したが、実際にはＸスキャン用のミラーとＹスキャン用の２枚のミラーで構成され、眼底上で所望の範囲を測定光で走査できる。

内部固視灯２０４は、表示部２４１、レンズ２４２で構成される。表示部２４１としては、例えば複数の発光ダイオード（ＬＤ）がマトリックス状に配置されたものを用いる。発光ダイオードの点灯位置は、駆動制御部２０２の制御により撮影したい部位に合わせて変更される。表示部２４１からの光は、レンズ２４２を介し、被検眼に導かれる。表示部２４１から出射される光は、例えば５２０ｎｍで、駆動制御部２０２により所望のパターンが表示される。なお光の波長は例示でありこの値に限定されるものではない。

コヒーレンスゲートステージ２０５は、被検眼の眼軸長の相違等に対応するため、駆動制御部２０２により制御されている。コヒーレンスゲートとは、ＯＣＴにおける測定光と参照光との光学距離が等しい位置を表す。さらには、撮影方法としてコヒーレンスゲートの位置を網膜層側か、あるいは網膜層より深部側とするＥｎｈａｎｃｅｄ Ｄｅｐｔｈ Ｉｍａｇｉｎｇ（以下ＥＤＩ）法による撮影を行うことが可能である。このＥＤＩ法で撮影を行った場合、コヒーレンスゲートの位置が網膜層の深部側に設定される。そのため、脈絡膜やＲＰＥ(Ｒｅｔｉｎａｌ Ｐｉｇｍｅｎｔ Ｅｐｉｔｈｅｌｉｕｍ)が網膜側にコヒーレンスゲートを位置させた場合に比べて高輝度に撮影できるという特徴がある。

眼底画像撮影装置４００は、眼部の眼底画像を撮影する装置であり、当該装置としては、例えば、眼底カメラまたはＳＬＯ（Ｓｃａｎｎｉｎｇ Ｌａｓｅｒ Ｏｐｈｏｔｈａｌｍｏｓｃｏｐｅ）等が挙げられる。

画像処理装置３００は、画像取得部３０１、記憶部３０２、画像処理部３０３、指示部３０４、表示制御部３０５を備える。

画像取得部３０１は、第一の断層画像生成部３１１を備え、断層画像撮影装置２００により撮影された断層画像の信号データを取得し、信号処理を行うことで断層画像の生成を行う。すなわち、画像取得部３０１は被検眼の断層画像を取得する取得手段の一例に相当する。具体的には取得手段の一例である画像取得部３０１は眼底の断層画像を取得する。

そして、第一の断層画像生成部３１１は生成した断層画像を記憶部３０２に格納する。また、画像取得部３０１は、眼底画像撮像装置４００によって撮影された二次元の正面像（眼底像）を取得する。

画像処理部３０３は、推定部３３１、第二の断層画像生成部３３２を備える。推定部３３１では、第一の断層画像生成部３１１によって生成された断層画像から高周波成分を推定する。ここで高周波成分とは例えば第一の断層画像生成部３１１によって生成された断層画像には含まれていない画素に関する情報である。

第二の断層画像生成部３３２では、推定部３３１で推定した高周波成分と、第一の断層画像生成部で生成した断層画像とから高解像度な断層画像を生成する。すなわち、断層画像の高解像度化を行う。ここで、高解像度な断層画像とは例えば第一の断層画像生成部３１１によって生成された断層画像よりも解像度が高い画像である。

指示部３０４は、断層画像撮影装置２００に対して、撮影パラメータ等の指示を行う。例えば、指示部３０４は後述する入力部７００を用いて入力された撮影パラメータ等の各種パラメータを断層画像撮影装置２００に指示する。例えば、指示部３０４は固視灯の位置を駆動制御部２０２に対して指示する。

外部記憶部５００は、被検者識別番号と被検眼に関する情報（患者の氏名、年齢、性別など）と、撮影した画像データ、撮影パラメータ、画像解析パラメータ、操作者によって設定されたパラメータ等の各種データとをそれぞれ関連付けて保持している。

入力部７００は、例えば、マウス等のポインティングデバイス、キーボード、タッチ操作画面などであり、操作者は、入力部７００を介して、画像処理装置３００や断層画像撮影装置２００、眼底画像撮影装置４００へ指示を行う。なお、図１においては入力部７００と表示部６００とが直接接続されているがこれに限定されるものではなく、入力部７００が画像処理装置３００に接続されてもよい。

次に、図２を参照して本実施形態の画像処理装置３００の処理手順を説明する。図２（ａ）は、本実施形態における本システム全体の動作処理（超解像処理）の流れを示すフローチャートである。

＜ステップＳ２０１＞
ステップＳ２０１では、例えば画像処理装置３００に含まれる不図示の被検眼情報取得部は、被検眼を同定する情報として被検者識別番号を外部から取得する。そして、被検眼情報取得部は被検者識別番号に基づいて外部記憶部５００が保持している当該被検眼に関する情報を取得して記憶部３０２に記憶させる。このステップＳ２０１は取得工程の一例に相当する。

＜ステップＳ２０２＞
ステップＳ２０２では、撮影パラメータの設定を行って撮影を行う。具体的には、内部固視灯の位置、スキャンパターンなどを設定する。

駆動制御部２０２は、表示部２４１の発光ダイオードを制御して、黄斑部中心で撮影を行うように内部固視灯２０４の位置を設定する。これは、視力に関係がある中心窩付近を撮影するためである。スキャンパターンは、例えば、３Ｄスキャンまたはクロススキャンとする。

駆動制御部２０２はこれらの撮影パラメータの設定を行い、被検眼の断層画像の撮影を行う。断層画像撮影装置２００は、駆動制御部２０２がガルバノミラー２０１を動作させることで断層画像の撮影を行う。ガルバノミラー２０１は、水平方向用のＸスキャナと垂直方向用のＹスキャナで構成される。そのため、これらのスキャナの向きをそれぞれ変更すると、装置座標系における水平方向（Ｘ）、垂直方向（Ｙ）それぞれの方向に走査することが出来る。そして、これらのスキャナの向きを同時に変更させることで、水平方向と垂直方向とを合成した方向に走査することが出来るため、眼底平面上の任意の方向に走査することが可能となる。

＜ステップＳ２０３＞
ステップＳ２０３において、第一の断層画像生成部３１１は、断層画像撮影装置２００により撮影された断層画像の信号データを取得し、信号処理を行うことで断層画像を生成する。断層画像撮影装置２００として例えばＳＳ−ＯＣＴを用いた場合について説明を行う。まず、信号データから固定ノイズを除去する。次に、スペクトラルシェーピング、分散補償を行う。そして、この信号データに離散フーリエ変換を施すことで、深さに対する強度データを得ることができる。第一の断層画像生成部３１１はフーリエ変換後の強度データから任意の領域の切り出し処理を行い断層画像を生成する。

＜ステップＳ２０４＞
ステップＳ２０４において、推定部３３１は、第一の断層画像生成部３３１によって生成された断層画像から高周波成分を推定する。この方法についての詳細は図２（ｂ）と図３を参照して説明をする。

＜ステップＳ２４１＞
図２（ｂ）におけるステップＳ２４１では、推定部３３１は第一の断層画像生成部３１１によって生成された断層画像３０（図３参照）に対してノイズ除去を行う。ノイズ除去の方法として、平均化フィルタまたはメディアンフィルタ等を断層画像に適用することで画像のノイズを除去する。また、1枚の画像に対するフィルタ処理だけではなく、同一箇所を複数回撮影して、それらの複数枚の断層画像の重ね合わせ（平均化処理）を行う事によりノイズ除去を行ってもよい。

＜ステップＳ２４２＞
ステップＳ２４２では、ステップＳ２４１で推定部３３１はノイズ除去を行った断層画像３１に対して拡大処理を行い、高解像度な断層画像３２を生成する。例えば、断層画像３１の画像サイズが１０２４×５１２の場合、２０４８×１０２４に拡大する。拡大処理時の補間方法としては、例えばバイキュービック法を用いて生成する。画像補間の方法としては、バイキュービック法に限らず、Ｌａｎｃｚｏｓ２やＬａｎｃｚｏｓ３補間等の他の補間方法を用いてもよい。なお、上述した画像のサイズは例示であり上記の値に限定されるものではなく、他の値としてもよい。

＜ステップＳ２４３＞
ステップＳ２４３では、推定部３３１はステップＳ２４２で拡大した断層画像３２の縮小処理を行い、低解像度な断層画像３３（参照画像）を生成する。低解像度な画像の画素値を算出する場合、その範囲に対応する高解像度な断層画像の画素値の平均値を求めることで低解像度な画像を生成する事が出来る。低解像度な画像生成の方法として、バイキュービック法を用いて第一の断層画像と同じサイズの断層画像を生成するようにしてもよい。なお、縮小時の処理も拡大時と同様にこれらの方法に限らない。

＜ステップＳ２４４＞
ステップＳ２４４では、推定部３３１は入力の断層画像３１と、高解像度化の後に低解像度化した断層画像３３とを画素単位で比較をして差分（高周波成分）を検出（推定）する。それにより、推定部３３１は高解像度画像復元に必要な高周波成分からなる断層画像３４を生成する。すなわち、推定部３３１は取得手段により取得された断層画像を拡大および縮小することで得られた参照画像と取得手段により所得された断層画像との差分を取得する差分取得手段の一例に相当する。言い換えれば、推定部３３１は高周波成分を取得する。

なお、上記ステップＳ２４１〜Ｓ２４３において、画像を拡大してから縮小する順番で断層画像３３を生成したが、画像を縮小してから拡大する順番で断層画像３３を生成してもよい。

＜ステップＳ２０５＞
ステップＳ２０５において、第二の断層画像生成部３３２は、推定部３３１がステップＳ２０４で推定した断層画像３４を用いて、高解像度な断層画像を生成する。この方法について、図４を用いて説明をする。なおステップ２０５は合成工程の一例に相当する。

図４において、断層画像３２と断層画像３４は、ステップＳ２０４の推定処理時に作成された断層画像である。なお、推定処理時のフローとして縮小してから拡大する順番で断層画像３４を生成した場合には、ステップＳ２０４で断層画像３２は生成されない。その場合、ステップＳ２０５で例えば推定部３３１は断層画像３１を拡大した断層画像３２を生成する。

第二の断層画像生成部３３２では、断層画像３２に高周波成分からなる断層画像３４を断層画像３２と同じサイズに拡大し、高周波成分を足し合わせる。それにより、高解像度な断層画像３５を得る事が出来る。

＜ステップＳ２０６＞
ステップＳ２０６において、表示制御部３０５は、第二の断層画像生成部３３２で生成した断層画像を表示部６００に表示する。図５に表示例を示す。

本実施例においては、高解像度な断層画像を最終出力として表示する。図５は３Ｄスキャンで撮影を行い、そのスキャンデータを表示した場合の例を示している。５１０は断層画像観察画面、５１１は眼底画像（本実施形態ではＳＬＯ画像とする）、５１２はスキャンパターンを眼底画像上に重畳表示したもの、３５は高解像度な断層画像である。なお、眼底画像５１１は、例えば画像取得部３０１によって取得される。図５に示す表示例では、高解像度な断層画像３５と眼底画像５１１とが横に並んで表示されているが、これに限定されるものではない。例えば表示制御部３０５は断層画像３５と眼底画像５１１と縦に並べて表示することとしてもよい。

なお、図示しないが、断層画像に含まれる層の厚みを解析して算出した厚みマップや厚みグラフ等を一緒に表示してもよい。また、表示制御部３０５は、第一の断層画像生成部３１１によって生成された断層画像と第二の断層画像生成部３３２によって生成された断層画像とを表示部６００に表示させることとしてもよい。

＜ステップＳ２０７＞
ステップＳ２０７において、不図示の指示取得部は、画像処理システム１００による断層画像の撮影を終了するか否かの指示を外部から取得する。この指示は、例えば入力部７００を用いて、操作者によって入力される。処理を終了する指示を取得した場合には、画像処理システム１００はその処理を終了する。一方、処理を終了せずに、撮影を続ける場合には、ステップＳ２０２に処理を戻して撮影を続行する。

なお、上記実施例においては入力部７００からの終了指示によって処理を終了することとしているがこれに限定されるものではない。例えば、３次元スキャンにより得られた複数の断層画像の全て（または所定枚数）に対して上記の高解像化処理が行われた場合に終了することとしてもよい。

以上によって、画像処理システム１００の処理が行われる。

以上で述べた構成によれば、１枚の断層画像だけで処理を行うため処理が早く、３次元のスキャンパターンにも適用する事が容易である。また、高解像度な画像を生成する事により、網膜層の境界や、病変部分の境界が強調される。それにより、糖尿病黄斑浮腫においては、ｈｙｐｅｒｒｅｆｌｅｃｔｉｖｅ ｆｏｃｉと呼ばれる硬生白斑の前駆体や、嚢胞様腔の内部構造などが見やすくなる。また、黄斑円孔においては、はがれた網膜に付着した視細胞内節外節接合部や円孔の底などが見やすくなる。これらの効果により病態理解を深められるようになり、疾患の早期診断の指標になりえる。

さらに、眼は固視微動等により絶えず動いているため複数枚の断層画像を用いて高解像度な断層画像を得る場合には複数の適切な断層画像を選択することは困難であったが、本実施形態によればそのような困難性はない。すなわち、より簡単に高解像度な断層画像を得ることが可能である。従って、病気により固視が安定しない眼に対しても高解像度な断層画像を容易に得ることが可能である。

すなわち、本実施例によれば、画像処理速度を速くしてリアルタイムに高解像度の断層画像を得たいという目的または固視微動の影響を避けて診断を行いたいという目的に適した超解像処理により高解像度な断層画像を取得することができる。

（実施例２）
実施例１では、推定部３３１が、断層画像の高周波成分を推定して、高解像度な第二の断層画像を生成する例を示した。本実施形態においては、図１の推定部３３１における高周波成分の推定に関する処理（図２のステップＳ２０４）が実施例１と異なる。その他の処理は実施例１と同じであるため説明を省略する。

図６は、本実施形態に係る画像処理装置６０１を備える画像処理システム１０００の構成を示す図である。本実施形態において画像処理部６０３は、推定部６３１、構造物強調部６３２、第二の断層画像生成部３３２を備える。推定部６３１は、構造物強調部６３２によって強調された断層画像の構造特徴に基づいて、断層画像における高周波成分を推定する。なお、図６における画像処理装置６０１の一部の機能をＯＣＴ２００に持たせることとしてもよいし、画像処理装置６０１とＯＣＴ２００とを一体とすることとしてもよい。

図７に本実施形態の画像処理装置６０１の処理手順を示す。図７（ａ）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。ここでは、図７（ａ）のステップＳ７０４の推定処理について図７（ｂ）を用いて説明をする。図７（ｂ）において、ステップＳ２４１〜ステップＳ２４３については、実施例１におけるステップＳ２４１〜ステップＳ２４３と同じであるため説明を省略する。また図７（ａ）におけるステップＳ２０１〜２０３についても図２（ａ）におけるステップＳ２０１〜２０３と同様であるため説明を省略する。

＜ステップＳ７４２＞
ステップＳ７４２では、断層画像において特に高解像度にしたい構造物を特定する。断層画像における構造物として、例えば、層構造（層境界）、粒状構造、血管構造とする。なお、高解像度にしたい構造物は上記の例に限定されるものではなく、他の任意の構造物であってもよい。

本実施形態では、構造物の一例として層構造を特定した場合について説明を行う。強調したい構造物の特定は、例えば初期設定やユーザーインターフェイスを用いて特定する。なお、再診の患者に対しては記憶部に記憶された前回の診断時に強調した構造の情報に基づいて同様の構造を強調することとしてもよい。また、電子カルテ等の医療情報から患者の病名が抽出可能な場合には病名に対応した構造を強調することとしてもよい。これは病名と強調したい構造とを対応付けたテーブルを用意することで実現可能である。例えば、緑内障に対しては層厚が重要なファクタとなるため層構造を強調する。

＜ステップＳ７４３＞
ステップＳ７４３では、構造物強調部６３２が層構造を強調する。ステップＳ７４３は第１抽出工程の一例に相当する。本実施形態では、３Ｄスキャンで撮影をした３次元データから層として認識する場合について説明をする。なお、複数のＢスキャンからなる３次元データにおいて、隣接するＢスキャン同士の位置合わせについては、完了しているものとして説明をする。

網膜の層構造を強調するために、ヘッセ行列の固有値に基づく層構造強調フィルタを用いる場合について説明を行う。これは、ヘッセ行列の３つの固有値（λ_１、λ_２、λ_３）の関係に基づいて、３次元濃淡分布の二次局所構造を強調することが出来る。

ヘッセ行列は数式１で与えられる。ヘッセ行列は、多変数関数の２階偏導関数全体が作る正方行列である。Ｉは画像の濃淡値である。図８に、層構造を強調する場合における、ヘッセ行列の固有値と固有ベクトル（ｅ_１、ｅ_２、ｅ_３）の関係を示す。そして、数式２にヘッセ行列の固有値の関係を示し、数式３に層構造を強調する固有値の条件式を示す。

これらで求めた３つの固有値から、以下の数式４を求めることで、網膜の層構造を強調することが出来る。ここで、数式４におけるω（λ_ｓ；λ_ｔ）は重み関数であり、それを数式５に示す。数式５におけるγとαは重みである。

さらに、様々な厚みの網膜層に対応するために、多重解像度による層構造強調フィルタを用いることが可能である。そのためには、複数の解像度σ_ｆのガウス関数Ｇ（ｘ；σ_ｆ）による平滑化画像に対するヘッセ行列の固有値を解析すればよい。ここで、ｘは（ｘ，ｙ，ｚ）である。図９に解像度σ_ｆの異なるガウス関数（ａ）、（ｂ）と、それにより、強調される層の厚みのイメージを（ｃ）、（ｄ）にそれぞれ示す。図９（ａ）のガウス関数により強調される層の厚みが図９（ｃ）で、図９（ｂ）のガウス関数により強調される層の厚みが図９（ｄ）である。図９（ａ）の解像度はσ_ａ、（ｂ）の解像度はσ_ｂであり、二つの解像度の関係は数式６に示す通りである。

次に、ガウス関数による平滑化画像の式を数式７に示す。数式７は、ヘッセ行列における１つの成分であり、他の成分も数式７と同様にして求めることが出来る。数式７において、解像度σ_ｆを複数設定し、それぞれの解像度で数式１、数式４を解くことにより、それぞれの解像度に対応した厚みの網膜層を強調することが出来る。

数式８は、複数の解像度σ_ｆの結果を統合化するための式である。それにより、１つの出力で、様々な厚みの網膜層に対応することが出来る。ここで、数式８においてσ_ｉ ^２をかけているのは正規化処理をするためである。ｉは１〜ｎであり、設定した解像度の数ｎに対応する。

ここでは、数式８を用いて複数の解像度σ_ｆを統合化する処理の説明をしたが、必ずしも統合化する必要はなく、各層の厚みに適した解像度で処理した結果をそれぞれ保持しておき、層毎にそれらの結果を使い分けるようにしてもよい。

数式４、数式５を用いて、ヘッセ行列の固有値から網膜の層構造を強調する説明をしたが、固有値の関係を用いて、層構造を強調するのであれば、上記の式に限定されるものではない。なお、層構造の強調として、ヘッセ行列を用いる場合について説明を行ったが、これに限らない。Ｓｏｂｅｌフィルタ等を用いて境界を強調してもよい。ただし、Ｓｏｂｅｌフィルタを用いる場合、断層画像において網膜層は水平方向を基準として湾曲形状なので、図１０に示すように水平方向と斜め方向のマスクを用いて層構造を強調する方が望ましい。

粒状構造、血管構造も層構造と同様にヘッセ行列の固有値を用いて強調を行う事が出来る。その場合、粒状構造を強調する固有値の条件式は数式９となり、血管構造を強調する固有値の条件式は数式１０となる。

ここでは３次元データの場合について説明を行ったが、３次元データに限定されるものではなく、２次元データにおいても適用可能であり、次元数を１次元少なくして計算を行えばよい。断層画像の撮影スキャンにおいて、クロススキャンや放射状スキャンのような、隣接するＢスキャン同士が離散的なスキャンパターンにおいても有効である。ただし、２次元の断層画像で見た場合には、粒状構造と血管構造は円形状に観察され、層構造は線状に観察される。粒状構造と血管構造は同じような円形状として観察されるが、ｈｙｐｅｒｒｅｆｌｅｃｔｉｖｅ ｆｏｃｉのような粒状構造と血管とでは観察したい対象の大きさが異なるので、強調したいものの大きさに合わせてガウス関数による解像度を設定すればよい。なお、粒状構造、血管検出はこれに限ったものではなく、例えばハフ変換などを用いて円形を検出するようにしてもよい。

すなわち、構造物強調部６３２は、取得手段により取得された断層画像の一部を抽出する第１抽出手段の一例に相当する。

また、ステップＳ７４３で抽出される層境界、粒状構造（粒状物）、血管構造はいずれも医師の診断に用いられる部位である。すなわち、第１抽出手段は、取得手段により取得された断層画像の一部として診断に用いられる部位を抽出する。より具体的には第１抽出手段の一例に相当する構造物強調部６３２は取得手段により取得された断層画像の一部として層境界または粒状物の少なくとも一方を抽出する。

＜ステップＳ７４４＞
ステップＳ７４４では、構造物強調部６３２により強調された構造にもとづいて推定部６３１は高周波成分を推定する。このステップＳ７４４は推定工程の一例に相当する。図１１を用いて特定の構造物の高周波成分からなる断層画像を生成する処理について説明をする。図１１において、断層画像３４は、ステップＳ２０４と同じように生成された高周波成分からなる断層画像である。断層画像１１００は、構造物強調部６３２が生成した特定の構造物を強調した断層画像である。すなわち、断層画像１１００はステップＳ７４３により得られた断層画像である。図では、層構造を強調した場合の例を示している。

断層画像３４には粒状構造１１０１も高周波成分として検出されているが、層構造を強調した断層画像１１００には、粒状構造は強調されていない。そのため、層構造を強調した断層画像１１００を用いることで、層構造の高周波成分からなる断層画像１１３４を生成する事が出来る。

断層画像１１３４の生成法について説明をする。推定部６３１は断層画像３４から断層画像１１３４に変換する際に、画素ごとに断層画像１１００の同じ座標位置の画素値を参照する。断層画像１１００では、層構造に相当する個所のピクセルに高い値が出力されている。そのため、断層画像１１００の画素値が閾値Ｔ以上の場合には、断層画像３４（差分取得手段により取得された差分の一例）の値をそのまま出力し、閾値Ｔより小さい場合には値を０に設定する。それにより、層構造の高周波成分からなる断層画像１１３４を生成する事が出来る。すなわち、推定部６３１は、抽出手段による抽出結果に基づいて高周波成分を推定する推定手段の一例に相当する。具体的にいえば、推定手段の一例である推定部６３１は、差分取得手段により取得された差分と抽出結果とに基づいて高周波成分を推定する。また、推定手段の一例である推定部６３１は、取得手段によって取得された１枚の断層画像における抽出手段による抽出結果に基づいて高周波成分を推定する。

なお、断層画像１１００の値に応じて断層画像３４の値に対する重み付けを０か１の２値としたが、それに限らない。断層画像１１００の値に応じて断層画像３４の値に対する重み付けを０〜１の間で滑らかに変更するようにしてもよい。例えば、断層画像１１００の値が０〜１００の間だとした場合、断層画像１１００の値が１００の場合を断層画像３４の値に対する重み付けを１とする。また、断層画像１１００の値が５０の場合を断層画像３４の値に対する重み付けを０．５、０の場合を断層画像３４の値に対する重み付けを０とする。すなわち、ある画素において断層画像１１００の値が１００の場合は、断層画像３４の値をそのまま出力し、断層画像１１００の値が５０の場合は、断層画像３４に０．５を掛けた値を出力し、断層画像１１００の値が０の場合は、０を出力する。

本実施形態において、層構造を強調する場合について説明をしたが、これに限らない。粒状構造だけ、血管構造だけを強調するようにしてもよいし、層構造＋粒状構造のように複数の構造物を同時に強調するようにしてもよい。すなわち、層構造、粒状構造および血管構造のうち少なくとも１つの構造を強調する。

さらに、セグメンテーションと組み合わせて、層境界の場所を判別している場合、網膜の内層全部や、視細胞層だけといったように任意の層だけを高解像度化処理するようにしてもよい。

第二の断層画像生成部３３２では、推定部６３１がステップＳ７０４で推定した層構造の高周波成分からなる断層画像１１３４を用いて、高解像度な断層画像を生成する。この処理については実施例１と同じである。すなわち、第二の断層画像生成部３２２は、高周波成分を取得手段により取得された断層画像に合成する合成手段の一例に相当する。

なお、第二の断層画像生成部３２２が生成する断層画像は１枚とは限らず、層構造、粒状構造および血管構造のうち少なくとも１つの構造が強調された高解像度な断層画像を複数生成することとしてもよい。

例えば、合成手段の一例である第二の断層画像生成部３２２は取得手段により取得された断層画像に層境界に基づいて推定された高周波成分を合成することで第１の処理後画像を生成するとともに、取得手段により取得された断層画像に粒状物に基づいて推定された高周波成分を合成することで第２の処理後画像を生成する。なお、処理後画像とは例えば高解像度化された断層画像である。

表示制御部３０５は、上記のようにして生成された高解像度な断層画像を表示部６００に表示させる。すなわち、表示制御部３０５は高周波成分が合成された断層画像を表示手段に表示させる表示制御手段の一例に相当する。ここで、表示制御部３０５により表示される高解像度な断層画像は1枚に限定されるものではなく複数であってもよい。例えば、表示制御部３０５は、層境界が強調された高解像度な断層画像および粒状物が強調された高解像度な断層画像を表示部６００に表示させてもよい。

以上で述べた構成によれば、実施例１と同様の効果を得るができる他、断層画像における特定の構造物を強調するようにした高解像度な画像を生成する事により、網膜層の境界や、病変部分の境界が強調される。それにより、糖尿病黄斑浮腫においては、ｈｙｐｅｒｒｅｆｌｅｃｔｉｖｅ ｆｏｃｉと呼ばれる硬生白斑の前駆体や、嚢胞様腔の内部構造などが見やすくなる。また、黄斑円孔においては、はがれた網膜に付着した視細胞内節外節接合部や円孔の底などが見やすくなる。これらの効果により病態理解を深められるようになり、疾患の早期診断の指標になりえる。

例えば、第一の断層画像生成部により生成された断層画像によってはノイズ除去後であっても高解像度化する際にノイズが強調されてしまい本来着目したい構造物の把握の妨げとなっていた。しかし、本実施例によれば強調したい構造物に応じて高解像度化を行うため本来着目したい構造物の把握が容易となる。

すなわち、本実施例によれば、医師等が着目する所定の構造を主に強調したいという目的に適した超解像処理により高解像度な断層画像を取得することができる。

（実施例３）
実施例１、実施例２では、１枚の画像を用いて高解像度画像を生成する例を示した。本実施形態では、実施例１、実施例２で示した高解像度画像を複数枚用いて、さらに高解像度な画像を作成する処理について説明を行う。なお、本実施例における画像処理システムの構成は図１または図６と同様であるため詳細な説明を省略する。

本実施形態の処理について図１２を用いて説明を行う。図１２において、断層画像１２３０−１、１２３０−２は、同一箇所を複数回撮影した断層画像を示している。ここで同一とは略同一も含む概念である。すなわち、断層画像の取得箇所が例えば固視微動等に起因して完全に同一とならない場合も、同一の断層画像の取得箇所として捉えることができる。同一箇所の断層画像を異なる時間に撮影するスキャン方法であれば、スキャン方法に限定されるものではない。クロススキャンや放射状スキャンでもよいし、３次元的に網膜層をスキャンする３Ｄスキャンにおいても、同じ個所の断層画像を複数回撮影しながらスキャン位置を変更して３次元の撮影を行うのであれば、そのスキャン方法でもよい。

図１２に示す高解像度処理１で作成される断層画像１２３１−１、１２３１−２は、実施例１、あるいは実施例２で示した方法で高解像度化した断層画像を示している。すなわち、本実施形態の高解像度処理１は、断層画像の高周波成分を推定して、高解像度な断層画像を生成する処理とする。この際に、各断層画像１２３１−１、１２３１−２は、層構造だけ、粒状構造だけといったように特定の構造物を強調した高解像度な画像としてもよい。また、それぞれの断層画像において処理を変えて断層画像１２３１−１は層構造、断層画像１２３１−２は粒状構造を強調した高解像度な画像としてもよい。さらに、各断層画像１２３１−１、１２３１−２は、層構造、粒状構造というように複数の構造物を強調した高解像度な画像としてもよい。高解像度処理１に関しては、実施例１、あるいは実施例２で説明済みであるため詳細な説明を省略する。

高解像度処理２で作成される断層画像１２３２は、複数の高解像度の断層画像１２３１−１、１２３１−２を用いて作成する高解像度画像を示している。本実施形態では、この処理を行う第二の断層画像生成部３３２の処理について説明を行う。

第二の断層画像生成部３３２では、複数の断層画像（本実施形態では、１２３１−１、１２３１−２）のサブピクセルの位置ずれ量を算出する。サブピクセルの位置ずれ量の検出は、例えば、位相限定相関法（Ｐｈａｓｅ Ｏｎｌｙ Ｃｏｒｒｅｌａｔｉｏｎ）を用いて求める事が出来る。位相限定相関法は、画像をフーリエ変換して、位相情報を用いて２枚の画像の位置ずれ量を算出する方法である。

図１２（ｂ）は、断層画像１２３１−１、１２３１−２、１２３２における一部の画素値を示したものである。縦軸の大きさが各断層画像の画素値を示し、縦線の本数が画像のピクセルを示している。サブピクセルずれた断層画像１２３１−１と１２３１−２とで画素値を補間することで、高解像度な断層画像１２３２を生成する事が出来る。すなわち、第二の断層画像生成部３３２はサブピクセルずれた断層画像１２３１−１と１２３１−２とを合成する。この第二の断層画像生成部３３２は、合成手段により高周波成分が合成された複数の断層画像を合成する画像合成手段の一例に相当する。

本実施形態において、２枚の断層画像での高解像度処理について説明を行ったが、２枚に限定されるものではなく、３枚以上の断層画像を用いることとしてもよい。例えば４枚の断層画像を用いてもよい。もよい。

なお、本実施形態では、高解像度処理１で１枚の画像からの超解像処理を行い、高解像度処理２で複数枚の画像からの超解像処理について説明を行ったが、この順番は逆でもよい。すなわち、高解像度処理１で複数枚の画像からの超解像処理を行い、高解像度処理２で１枚の画像からの超解像処理をするようにしてもよい。

以上で述べた構成によれば、実施例１または実施例２と同様の効果が得られる他、高解像度化された複数の断層画像に基づいて１の断層画像を生成するためより解像度の高い断層画像を得ることが可能となる。従って、網膜層の境界や、病変部分の境界が強調される。それにより、糖尿病黄斑浮腫においては、ｈｙｐｅｒｒｅｆｌｅｃｔｉｖｅ ｆｏｃｉと呼ばれる硬生白斑の前駆体や、嚢胞様腔の内部構造などが見やすくなる。また、黄斑円孔においては、はがれた網膜に付着した視細胞内節外節接合部や円孔の底などが見やすくなる。これらの効果により病態理解を深められるようになり、疾患の早期診断の指標になりえる。

（実施例４）
上記実施例では、ＯＣＴの断層画像から高周波成分を推定して高解像度の画像を生成する方法について述べた。本実施形態においては、上記実施例で作成した断層画像の表示方法について述べる。

図１３〜図１５に表示例を示す。図１３（ａ）において、図５と同様な個所については説明を省略する。図１３（ａ）では、高解像度画像表示のＯＮとＯＦＦを切り替えるためのチェックボックス１３１３があり、同一の個所において表示を切り替える事が出来る。例えば、表示制御部３０５はチェックボックス１３１３がチェックされているか否かのフラグに基づいて高解像度画像な断層画像１３３５を表示部６００に表示させるか否かを判断する。なお、切り替え手段はチェックボックスに限らず、ラジオボタンやボタンでもよい。高解像度表示がＯＮの場合は、高解像度な断層画像１３３５を表示し、高解像度表示がＯＦＦの場合は、オリジナルの断層画像（第一の断層画像取得手段３１１により取得された断層画像）を表示する。

これにより、同じ場所で切り替え表示が出来るので、高解像度処理を適用する前後での変化を把握しやすくなる。

また、図１３（ｂ）に、断層画像において高解像度化する構造とそのサイズを選択する画面の一例を示す。この画面は、断層画像観察画面５１０の設定メニューから表示出来るようにしてもよい。図１３（ｂ）に示す構造選択画面１３１０において、例えば層構造と粒状構造とを選択する例を示す。この設定により、操作者が高解像度化したい構造物を選択する事が出来る。なお、図１３（ｂ）に示す例では構造物として層構造および粒状構造のみを表示しているがこれに限定されるものではなく、他の構造物を選択できるようにしてもよい。

また、図１３（ｂ）に示す例では高解像度化する層構造のサイズとして「薄い層構造」、「厚い層構造」および「全ての層」の３パターンが選択可能となっている。同様に高解像度化する粒状構造のサイズとして「小さい」、「大きい」および「全て」の３パターンが選択可能となっている。本実施例では高解像度化するサイズの選択肢は３つとなっているがこれに限定されるものではなく、４つ以上の選択肢を用意してもよいし、２の選択肢であってもよい。

例えば、構造物強調部６３２は選択された層構造のサイズおよび粒状構造のサイズに応じてガウス関数の解像度を変更することで表示部６００に表示される高解像度な断層画像１３３５を変更する。

図１４では、高解像度な断層画像１３３５とオリジナルの断層画像１４３０を並べて表示する。なお、断層画像１４３０は例えば第一の断層画像取得部３１１により取得された断層画像である。すなわち、表示制御手段の一例に相当する表示制御部３０５は、高周波成分が合成された断層画像と取得手段によって取得された断層画像とを表示手段に表示させる。具体的には図１４に示すように、高周波成分が合成された断層画像と取得手段によって取得された断層画像とを表示手段に並べて表示させる。これにより、同時に高解像度処理をした画像とオリジナルの画像とを同時に比較する事が出来る。

３次元のスキャンパターンである断層画像１３３５、１４３０の表示位置を変更する時には、両方の断層画像が同期して変更されるものとする。図１４においては中心窩を横切る３次元データの中心位置の断層画像を表示しているが、３次元データの他の値の断層画像を表示させることも可能である。例えば、眼底画像５１１において入力部７００により黄斑部よりも上の方の位置を指定した際には、断層画像１３３５、１４３０ともに同じ眼底画像５１１における黄斑部よりも上の方を撮影した断層画像を表示する。基本的には、１つの断層画像に対して異なる処理を施した複数の断層画像の位置を同期して表示するがこれに限らない。例えば、不図示の同期解除設定を選択することにより、断層画像１３３５、１４３０はそれぞれ別々の位置を撮影した断層画像を表示可能とする。その際には、眼底画像５１１の上にそれぞれの断層画像の位置を示す指標を表示する。

すなわち、図１４の眼底写真５１１の上に表示している矢印が、２本表示され、それぞれの矢印の位置が断層画像１３３５、１４３０に対応するとものとする。断層画像１３３５、１４３０のそれぞれに対応する矢印等の位置情報を表示する場合、それぞれの位置情報を異なる表示形態とすることで位置情報が断層画像１３３５、１４３０のどちらを示すか明確にすることとしてもよい。例えば、２本の矢印のうち一方を点線、他方を実線とする。なお、図１４において表示される高解像度な断層画像は1枚に限定されるものではなく複数であってもよい。例えば、表示制御部３０５は、層境界が強調された高解像度な断層画像および粒状物が強調された高解像度な断層画像を表示部６００に表示させてもよい。複数の高解像度な断層画像の表示位置は同期してもよいし非同期であってもよい。さらに、表示制御部３０５は非同期であればそれぞれの高解像度な断層画像の取得位置に対応した矢印（位置情報）を眼底画像上に表示させることとしてもよい。

また、図１４に示す例では、高解像度な断層画像１３３５の下に断層画像１４３０が表示されているがこれに限定されるものではなく、表示制御部３０５は高解像度な断層画像１３３５の上に断層画像１４３０を表示させることとしてもよい。すなわち、表示画面のレイアウトは図１４の例に限定されるものではなく変更することが可能である。また、高解像度な断層画像１３３５とオリジナルの断層画像１４３０とを表示させる場合には、表示制御部３０５は高解像度な断層画像が識別可能となる情報を表示する。図１４に示す例では「高解像度表示」との文字を高解像度な断層画像１３３５の近傍に表示させている。このようにすれば医師等は高解像度な断層画像がどちらか容易に判断可能となる。また、「高解像度表示」との文字を表示させる代わりに「オリジナル画像表示」の文字などオリジナル画像であることが識別可能となる情報を表示することとしてもよい。なお、「高解像度表示」および「オリジナル画像表示」の両者を表示することとしてもよい。

図１５では、高解像度処理をした断層画像を大きく表示している。これにより、小さな構造物であっても解像度が高く表示されるので視認しやすくなる。例えば、表示制御部３０５は、図１４等における高解像度な断層画像１３３５がダブルクリックされると図１５の画面に遷移させることとしてもよい。なお、図１５では、眼底画像は図示していないが、断層画像観察画面５１０の空いているスペースに表示しておき、大きく表示している断層画像の位置がどこか分かるようにしてもよい。

図１６では、高解像度化した断層画像から粒状領域を検出して、それを３次元のマップとして表示する例を示している。粒状構造は、実施例２に記載したような方法を用いて検出をする事が出来る。なお、高解像度化した断層画像から層境界を抽出することとしてもよい。なお、層境界および粒状物の両者を常に抽出する必要はなく、どちらか一方のみを抽出することとしてもよい。層境界および粒状領域の抽出は、例えば画像処理部３０３、６０３によって行われる。すなわち、画像処理部６０３は、高周波成分が合成された断層画像から層構造または粒状物の少なくとも一方を抽出する第２抽出手段の一例に相当する。

図１６（ａ）は、検出した構造物をそのまま２次元平面上に解析マップとして表示をする例である。図１６（ａ）において、１６０１は３Ｄスキャン撮影の撮影範囲を示し、それにより作成されるマップの範囲を示している。１６０２は、検出した粒状構造物を示している。

図１６（ｂ）において、１６０３は、解析マップを任意のサイズのマス目に区切るマップを示している。１６０４は、それぞれのマス目の中に占める粒状構造物の割合を色で示す場合の例である。１６０５は、色で表示する場合のカラースケールバー（モノクロスケールバーでもよい）を示している。図では、領域に占める割合が多い場合は、色を濃く表示し、領域に占める割合が少ない場合は、色を薄く表示する場合を示している。色は単一色である必要は無く、割合が多い場合は赤、少ない場合は緑とし、その間の色はグラデーションで変化するようにしてもよい。すなわち、表示制御部３０５は、区分された領域における粒状構造物の割合を識別可能なように表示を行う。

図１６（ｃ）において、１６０６は、解析マップを円形と直線の組み合わせで区切るマップの例を示している。１６０７のＮ１〜Ｎ３は、一つの領域に存在する粒状構造物の数を示している。上記では、各マップの分割領域に占める粒状構造物の割合を色で表示する例や、数値で表示する例を示したがこれに限らない。例えば、粒状構造物の大きさを色や数値で表現するようにしてもよく、上記で示したものの組み合わせで表示をしてもよい。

なお、図１６（ａ）−（ｃ）のマップを全て同時に表示部６００に表示することとしてもよいし、図１６（ａ）−（ｃ）から任意のマップを選択的に表示部６００に表示させることとしてもよい。

このように、図１６（ａ）に示されたマップは粒状物の数、大きさおよび分布を示している。また、図１６（ｂ）に示されたマップは粒状物の分布を示し、図１６（ｃ）に示されたマップは粒状物の数および分布を示している。すなわち、これらのマップを生成するために、第２抽出手段の一例である画像処理部６０３は高周波成分が合成された前記断層画像から粒状物の数、大きさ、分布の少なくとも１つを抽出している。さらに、図１６（ａ）−（ｃ）に示すように粒状物の数、大きさ、分布の少なくとも１つが表示部６００に表示制御部３０５によって表示される。すなわち、表示制御部３０５は、粒状物の数、大きさ、分布の少なくとも１つを表示手段に表示させる表示制御手段の一例に相当する。

なお、これらの解析マップは、マップとしてそのまま表示してもよいし、不図示の眼底画像、あるいは断層画像を積算して作成する積算画像（ＰｓｅｕｄｏＳＬＯ）の上に重ねて表示をしてもよい。さらに、これらの解析マップは高解像度な断層画像およびオリジナルの断層画像の少なくとも一方と同一の画面に並べて表示をしてもよい。すなわち、表示制御手段の一例に相当する表示制御部３０５は、粒状物の数、大きさ、分布の少なくとも１つを、高周波成分が合成された前記断層画像または取得手段によって取得された断層画像の少なくとも一方とともに表示手段に表示させる。

また、高解像度化された断層画像から抽出された粒状物の数、大きさ、分布を高解像度化された断層画像またはオリジナルの断層画像の少なくとも一方に重畳して表示させることとしてもよい。すなわち、表示制御手段の一例である表示制御部３０５は、粒状物の数、大きさ、分布の少なくとも１つを高周波成分が合成された断層画像または取得手段によって取得された断層画像の少なくとも一方に重畳して表示手段に表示させる。

以上で述べた構成によれば、高解像度化した断層画像を操作者にとって視認しやすい状態で表示するので、病態理解を深められるようになり、疾患の早期診断の指標になりえる。

なお、上記実施例は、ＳＳ−ＯＣＴを用いた場合について説明を行ったが、これに限らない。例えば、偏光状態を用いるＰＳ（Ｐｏｌａｒｉｚａｔｉｏｎ Ｓｅｎｓｉｔｉｖｅ）−ＯＣＴや、補償光学を用いるＡＯ（Ａｄａｐｔｉｖｅ Ｏｐｔｉｃｓ）−ＯＣＴなど、ＯＣＴの撮像方式に限定されるものではない。

（その他の実施形態）
なお、本件は上述した実施例に限定されるものではない。例えば、上記実施例では撮像対象として被検眼の眼底を撮像対象としたが前眼を対象としてもよい。また、被検眼以外に皮膚等に適用することとしてもよい。

また、構造強調部６３２が粒状構造を検出する際には前処理として複数の断層画像の加算・平均化処理を行うこととしてもよい。このようにすればスペックルノイズを粒状構造と誤って認識して高解像度化されてしまう可能性を軽減することが可能である。従って高解像度化された断層画像において粒状物を容易に識別可能となる。この加算・平均処理は例えば、画像取得部３０１によって行われる。すなわち、画像取得部３０１は取得手段によって取得された複数の断層画像を加算平均することで加算平均画像を取得する画像取得手段の一例に相当する。なお、第１抽出手段の一例である構造強調部６３２は加算平均画像から粒状物を抽出する。

上記のそれぞれの実施形態は、本件を画像処理装置として実現したものである。しかしながら、本発明の実施形態は画像処理装置のみに限定されるものではない。本発明をコンピュータ上で動作するソフトウェアとして実現することも可能である。画像処理装置の１以上のＣＰＵは、この１以上のＣＰＵが接続可能なＲＡＭやＲＯＭ等の１以上のメモリに格納されたコンピュータプログラムやデータを用いてコンピュータ全体の制御を行う。また、画像処理装置の各部に対応するソフトウェアの実行を制御して、各部の機能を実現する。

１００ 画像処理システム
２００ 断層画像撮影装置
３００ 画像処理装置
３０１ 画像取得部
３０３ 画像処理部
３０５ 表示制御部
３１１ 第一の断層画像生成部
３３１ 推定部
３３２ 第二の断層画像生成部
４００ 眼底画像撮影装置
５００ 外部記憶部
６００ 表示部
７００ 入力部

Claims (20)

1. 被検眼の断層画像を取得する取得手段と、
   前記取得手段により取得された断層画像の一部を抽出する第１抽出手段と、
   前記抽出手段による抽出結果に基づいて高周波成分を推定する推定手段と、
   前記高周波成分を前記取得手段により取得された断層画像に合成する合成手段と、
   を備えたことを特徴とする画像処理装置。
2. 前記第１抽出手段は、前記取得手段により取得された断層画像の一部として診断に用いられる部位を抽出することを特徴とする請求項１記載の画像処理装置。
3. 前記第１抽出手段は、前記取得手段により取得された断層画像の一部として層境界または粒状物の少なくとも一方を抽出することを特徴とする請求項１記載の画像処理装置。
4. 前記取得手段により取得された断層画像を拡大および縮小することで得られた参照画像と前記取得手段により取得された断層画像との差分を取得する差分取得手段を更に備え、
   前記推定手段は、前記差分取得手段により取得された差分と前記抽出結果とに基づいて高周波成分を推定することを特徴とする請求項１乃至３のいずれか１項に記載の画像処理装置。
5. 前記取得手段によって取得された複数の前記断層画像を加算平均することで加算平均画像を取得する画像取得手段を更に備え、
   前記第１抽出手段は、前記加算平均画像から前記粒状物を抽出すること特徴とする請求項３記載の画像処理装置。
6. 前記合成手段は、前記取得手段により取得された断層画像に前記層境界に基づいて推定された高周波成分を合成することで第１の処理後画像を生成するとともに、前記取得手段により取得された断層画像に前記粒状物に基づいて推定された高周波成分を合成することで第２の処理後画像を生成することを特徴とする請求項３記載の画像処理装置。
7. 前記合成手段によって前記高周波成分が合成された前記断層画像から層構造または粒状物の少なくとも一方を抽出する第２抽出手段を更に備えることを特徴とする請求項１乃至６のいずれか１項に記載の画像処理装置。
8. 前記第２抽出手段は、前記高周波成分が合成された前記断層画像から粒状物の数、大きさ、分布の少なくとも１つを抽出することを特徴とする請求項７記載の画像処理装置。
9. 前記高周波成分が合成された前記断層画像を表示手段に表示させる表示制御手段を更に備えることを特徴とする請求項１乃至８のいずれか１項に記載の画像処理装置。
10. 前記表示制御手段は、前記高周波成分が合成された前記断層画像と前記取得手段によって取得された断層画像とを前記表示手段に表示させることを特徴とする請求項９記載の画像処理装置。
11. 前記表示制御手段は、前記高周波成分が合成された前記断層画像と前記取得手段によって取得された断層画像とを前記表示手段に並べて表示させることを特徴とする請求項１０記載の画像処理装置。
12. 前記粒状物の数、大きさ、分布の少なくとも１つを表示手段に表示させる表示制御手段を更に備えることを特徴とする請求項８記載の画像処理装置。
13. 前記表示制御手段は、前記粒状物の数、大きさ、分布の少なくとも１つを、前記高周波成分が合成された前記断層画像または前記取得手段によって取得された断層画像の少なくとも一方とともに前記表示手段に表示させることを特徴とする請求項１２記載の画像処理装置。
14. 前記表示制御手段は、前記粒状物の数、大きさ、分布の少なくとも１つを前記高周波成分が合成された前記断層画像または前記取得手段によって取得された断層画像の少なくとも一方に重畳して前記表示手段に表示させることを特徴とする請求項１３記載の画像処理装置。
15. 前記推定手段は、前記取得手段によって取得された１枚の断層画像における前記抽出手段による抽出結果に基づいて前記高周波成分を推定することを特徴とする請求項１記載の画像処理装置。
16. 前記合成手段により前記高周波成分が合成された複数の断層画像を合成する画像合成手段を更に備えることを特徴とする請求項１記載の画像処理装置。
17. 前記取得手段により取得される断層画像は被検眼の眼底の断層画像であることを特徴とする請求項１乃至１６のいずれか１項に記載の画像処理装置。
18. 被検眼の断層画像を取得する取得工程と、
    前記取得手段により取得された断層画像の一部を抽出する第１抽出工程と、
    前記抽出手段による抽出結果に基づいて高周波成分を推定する推定工程と、
    前記高周波成分を前記取得手段により取得された断層画像に合成する合成工程と、
    を備えたことを特徴とする画像処理方法。
19. 請求項１８記載の画像処理方法の各工程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。
20. 被検眼の断層画像を取得する取得手段と、
    前記断層画像から高周波成分を推定する推定手段と、
    前記高周波成分を前記断層画像に合成する合成手段と、
    を備えたことを特徴とする画像処理装置。