JP5624532B2 - 画像処理装置、画像処理方法、眼科システム及びコンピュータプログラム - Google Patents

Description

本発明は、眼部の画像診断を支援する画像処理装置、画像処理方法、眼科システム及びコンピュータプログラムに関する。

生活習慣病や失明原因の上位を占める各種疾病の早期診断を目的として，眼部の検査が広く行われている。光干渉断層計（OCT:Optical Coherence Tomography）などの眼部断層像撮像装置は、網膜層内部の状態を３次元的に観察することが可能であるため、疾病の診断をより的確に行うのに有用であると期待されている。

医師のＯＣＴによる診断の負荷を軽減することを目的として、計算機による画像診断支援（CAD:Computer-Aided-Diagnosis）技術の確立が求められている。ＯＣＴのためのＣＡＤに求められる機能としては、例えば疾患の進行度を把握するためにＯＣＴ画像から病変部の３次元位置、形状、分布の状況を自動で取得する、というものがある。また、その他の例として、疾患に対する治療効果を解析するために、同一被検眼について異なる時刻に撮影された１組のＯＣＴ画像から対応する病変部の形状等に関する時間的な変化を提示する、なども挙げられる。

このような高度な診断支援機能を実現する画像処理部では、一般に前処理においてＯＣＴ画像から病変部が抽出されていることを前提とする。この病変部の抽出精度に応じて、提示すべき解析結果の精度に影響が出るため、高精度な病変部抽出処理の実現は非常に重要な意味を持つ。本発明では、眼部に生じる病変のひとつとして、白斑に注目する。

３次元ＯＣＴ画像から白斑を高精度に検出する手法は、現在のところ提案されていない。一般に白斑は周辺に比べて高輝度で塊状構造を有しているといった画像特徴を持つ。しかしながらＯＣＴ画像には、神経線維層、視細胞内節外節接合部、網膜色素上皮層境界の周辺など、病変部以外にも局所的に高輝度な領域が存在する。また現在のＯＣＴ画像の画質では、病変部とその周辺部との間に必ずしも十分なコントラストがあるとはいえない。そのため上述の画像特徴に注目するだけでは、白斑を高精度に抽出することは困難である。

このような問題に対するひとつの解決策は、他のモダリティにより得られた病変部の情報を用いて、画像解析をする領域をあらかじめ制限することである。このように制限すべき領域を特定する手段が、特許文献１で開示されている。

図１は特許文献１で開示されている発明を説明するための概略図であり、ＯＣＴ画像の典型的な断面像（Ｂスキャン画像）を示している。図中、内境界膜１０１、視神経繊維層とその下側の層との境界１０２、視細胞内節外節接合部１０３、網膜色素上皮層境界１０４、網膜層内の血管１０５が示されている。特許文献１では、（病変部ではなく）ＯＣＴ画像の血管検出のために、同一被検眼の眼底画像から血管領域を抽出し、その位置をＯＣＴ画像に投影することで、ＯＣＴ画像内で血管が存在する領域を特定している。図中、破線１０６と破線１０７の間の領域が眼底画像で得られた血管領域をＯＣＴ画像に投影して得られる領域であり、血管の存在する領域が特定されているのが分かる。

特開２００７−３２５８３１号公報

特許文献１に記載の発明では、図１に示すＯＣＴ画像（Ｂスキャン画像）の上下方向については、白斑の存在範囲をなんら範囲を特定することができない。それに加えて、ＯＣＴ画像には病変部とは異なる高輝度領域が存在する、現在のＯＣＴ画像の画質では病変部とその周辺部との間のコントラストが不十分である、といった問題がある。そこで、本発明はＯＣＴ画像から病変部を高精度に抽出するための技術を提供することを目的とする。

上記課題を解決するための本発明は、画像処理装置であって、
被検眼の眼底画像を取得する眼底画像取得手段と、
前記被検眼の断層画像を取得する断層画像取得手段と、
前記眼底画像から病変領域を抽出する第１の抽出手段と、
前記断層画像を解析する解析手段と、
前記断層画像の所定の層に基づいて、前記断層画像の深さ方向の所定の位置を決定する決定手段と、
前記抽出された病変領域に対応する前記断層画像の領域における前記所定の位置から、所定の輝度以上の領域を前記断層画像の病変領域として抽出する第２の抽出手段と、
前記断層画像と前記第２の抽出手段により抽出された病変領域とを表示手段に表示させる表示制御手段と、を有する。

本発明により、ＯＣＴ断層像から白斑の領域を高精度に抽出することができる。

ＯＣＴ画像の典型的な断面像を示す図。 第１実施形態の画像処理システムの機器構成例を示す図。 第１実施形態の画像処理装置２１０の機能構成例を示す図。 第１実施形態の画像処理装置２１０の処理例を示すフローチャート。 第１実施形態の白斑存在領域特定部３５４の動作を説明するための図。 第２実施形態の白斑存在確信度の計算を説明するための図。 画像処理装置２１０の機能を実現するコンピュータの基本構成を示す図。 眼底写真、網膜ボリュームデータ及び積算画像の関係を説明する図。 第３実施形態の白斑抽出の誤判定を説明するための図。 第４実施形態の白斑存在確信度の計算を説明するための図。 第４実施形態の画像処理装置２１０の機能構成例を示す図。

以下、本発明を実施するための最良の形態について、図面を用いて詳細に説明する。ただし、発明の範囲は図示例に限定されるものではない。

［第１実施形態］
図２を参照して、第１実施形態に係る画像処理システムの機器構成を説明する。画像処理装置２１０は、断層像撮像装置２２０や眼底画像撮像装置２３０で撮像された画像や、データサーバ２４０が格納されている画像を画像処理する。画像処理装置２１０の詳細な構成は図３に示す通りである。断層像撮像装置２２０は、眼部の断層像を撮像する装置で、例えばタイムドメイン方式のＯＣＴやフーリエドメイン方式のＯＣＴからなる。断層像撮像装置２２０は、不図示の操作者（技師や医師）による操作に応じて不図示の被検者（患者）の眼部の断層像を３次元的に撮像する。取得した断層像は画像処理装置２１０やデータサーバ２４０に送信する。

眼底画像撮像装置２３０は、眼底部の２次元画像を撮像する装置である。眼底画像撮像装置２３０は、不図示の操作者（技師や医師）による操作に応じて不図示の被検者（患者）の眼底部の画像を２次元的に撮像する。取得した眼底画像は、画像処理装置２１０やデータサーバ２４０に送信する。データサーバ２４０は、断層像撮像装置２２０で取得した断層像や眼底画像撮像装置２３０で撮像した眼底画像を格納する。格納画像は、画像処理装置２１０からの要求や不図示の操作者（技師や医師）からの指示により、画像処理装置２１０に送信される。また、データサーバ２４０は画像処理装置２１０が出力する処理結果を格納する。ローカル・エリア・ネットワーク（ＬＡＮ）２５０は、上述の各装置を相互に接続する。なお、装置間の接続は、ＵＳＢ、ＩＥＥＥ１３９４、光ファイバ等のインターフェイスを介して行ってもよい。

次に、画像処理装置２１０における処理を、図３のブロック図と図４のフローチャートとを参照して説明する。当該処理は、画像処理装置２１０を構成する各ブロックが対応する処理プログラムを実行することで実現される。

まずＳ４０１において、断層画像取得部３１０は断層像撮像装置２２０から送信される断層像、もしくはデータサーバ２４０から送信される断層像を取得する。取得した画像は記憶部３４０へ送信される。Ｓ４０２において、眼底画像取得部３２０は眼底画像撮像装置２３０から送信される眼底画像、もしくはデータサーバ２４０から送信される眼底画像を取得する。取得した画像は記憶部３４０へ送信される。

Ｓ４０３において、網膜層境界抽出部３５１は記憶部３４０に保持されている断層像から網膜層境界の抽出を行う。網膜層は層ごとに層内の輝度値が異なるため、隣接する２層の境界には濃度値のコントラスト（エッジ）が生じる。そこで、このコントラストに注目して、層の境界を抽出する。このようなコントラストの存在する領域を抽出する手法にはさまざまなものがあるが、例えばコントラストをエッジと見なし、エッジを検出することで層境界抽出を実現することができる。具体的には、エッジ検出フィルタを断層像に適用することでエッジ成分を検出し、硝子体側から眼底の深度方向にエッジを探索し最初のピーク位置を硝子体と網膜層との境界、最後のピーク位置を網膜色素上皮層境界とする。また、Ｓｎａｋｅｓやレベルセット法のような動的輪郭法を適用して層の境界を検出してもよい。レベルセット法の場合、検出対象の領域の次元よりも一次元高いレベルセット関数を定義し、検出したい層の境界をそのゼロ等高線であるとみなす。そして、レベルセット関数を更新することで輪郭を制御し、層の境界を検出する。他には、ＧｒａｐｈＣｕｔのようなグラフ理論を用いて層の境界を検出してもよい。

グラフ理論を用いた層検出処理の場合、画像の各ピクセルに対応したノードと、ｓｉｎｋとｓｏｕｒｃｅと呼ばれるターミナルを設定し、ノード間を結ぶエッジ（ｎ―ｌｉｎｋ）と、ターミナル間を結ぶエッジ（ｔ−ｌｉｎｋ）を設定する。これらのエッジに対して重みを与えて、作成したグラフに対して、最小カットを求めることで、層の境界を検出する。前記層境界抽出手法はいずれも、３次元断層像全体を処理対象として３次元的に適用してもよいし、入力した３次元断層像を２次元断層像の集合と考え、夫々の２次元断層像に対して独立的に適用してもよい。なお、層の境界を検出する方法はこれらに限定されるものではなく、眼部の断層像から層の境界を検出可能な方法であれば、いずれの方法を用いてもよい。

Ｓ４０４において、眼底画像白斑抽出部３５２は記憶部３４０に保持されている眼底画像から白斑の抽出を行う。白斑領域は眼底画像内で局所的に存在し、かつ周辺領域に比べて輝度値が高いという画像特徴を持つ。そこで、このような画像特徴に注目し白斑抽出を行う。抽出手法としては様々なものが考えられるが、例えば眼底画像のＲＧＢのいずれかの成分に対してトップハット演算を適用する方法がある。トップハット演算とは、濃淡画像に対してモルフォロジー演算を適用し、その出力画像と原画像との間で画素ごとに濃度値差分を計算する演算である。トップハット演算適用後の画像において、白斑に含まれる画素はその他の画素に比べて高い信号を持つため、この画像に対してしきい値処理を適用することで、白斑領域を抽出できる。

また白斑領域の抽出方法として、Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ（ＳＶＭ）等の識別器や、ＡｄａＢｏｏｓｔ等により構築される識別器のアンサンブルを用いてもよい。この場合、眼底画像のＲＧＢ各成分の濃度値や、ＲＧＢの各成分で輝度値のコントラストが高い領域を強調可能なさまざまな画像フィルタの出力結果を特徴量として、識別器やそのアンサンブルを用いて画素ごとに白斑であるか否かの判定を行う。さらに白斑と判定された全画素をクラスタリングし、クラスタごとに再度白斑領域であるかの識別を行う。このときの特徴量は、クラスタ内の輝度値の平均やその分散、クラスタ内外の輝度値コントラストなどを用いる。以上の処理により、白斑領域を抽出することができる。前記白斑抽出処理により抽出された領域が白斑を十分に内包していない場合には、抽出結果に対する図形膨張処理や、抽出領域を種（シード点）とした領域拡張法を適用することで、白斑を十分に内包する領域を取得することができる。なお、眼底画像から白斑を抽出する方法はこれらに限定されるものではなく、眼底画像から白斑を抽出可能な方法であれば、いずれの方法を用いてもよい。

Ｓ４０５において、位置合わせ部３５３は記憶部３４０に保持されている断層像と眼底画像との間で位置合わせを行う。まず断層像から積算像を生成する。積算像の生成について図８を参照する。図８において、網膜ボリュームデータ８０１は複数の網膜断層像８０２から構成される。網膜ボリュームデータ８０１の座標系は、網膜断層像８０２（模式図）の横方向をｘ軸、縦方向をｙ軸、網膜断層像８０２が並べられる方向にｚ軸とする。特に、ｙ軸に沿う方向はＡスキャンライン、ｘ−ｙ平面はＢスキャン断面、ｘ−ｚ平面はＣスキャン断面と呼ばれる。また、眼底画像８２１の座標系は、横方向をＸ軸、縦方向をＹ軸とする。８０４は内境界膜、８０５は神経線維層の下側、８０６は外網状層の上側、８０７は網膜色素上皮の下側を表している。網膜層８０３は、内境界膜８０４と網膜色素上皮の下側の境界に挟まれた組織内に存在する層と定義する。

積算像８１１は、網膜ボリュームデータ８０１のボクセルの輝度値をＹ軸方向へ積算して生成される。具体的に、断面像のＣスキャン断面に平行な投影平面を考え、網膜断層像８０２の各Ａスキャンラインごとに投影平面上の対応する画素に濃度値の投影を行う。投影する画素値の計算方法は、Ａスキャンライン上でのボクセル値の最大値や最小値とする方法でもよいし、Ａスキャンライン方向にボクセル値を単純加算する方法や、加算したボクセル値を加算数で割り平均を求める方法などでもよい。またＡスキャンライン上のすべてのボクセルを考慮する必要はなく、任意の範囲で投影画素値を計算してもよい。

次に積算像８１１と眼底画像８２１から、解剖学的に特徴的な領域を抽出する。代表的な解剖学的特徴のひとつとして、本実施形態では血管に注目する。血管は細い線状構造を有しているため、線状構造を強調するフィルタを用いて血管を抽出する。線状構造を強調するフィルタとしては、ＳｏｂｅｌフィルタやＬａｐｌａｃｉａｎフィルタのような差分型フィルタでもよい。また線分を構造要素としたときに構造要素内での画像濃度値の平均値と構造要素を囲む局所領域内での平均値の差を計算するようなコントラストに基づく線分強調フィルタでもよい。また濃度値画像の画素ごとにヘッセ行列の固有値を計算し、結果として得られる２つの固有値の組み合わせから線分状の領域を抽出してもよい。さらには単純に線分を構造要素とするトップハット演算でもよい。図８では、積算像８１１から眼底の血管領域８１２を抽出し、眼底画像８２１から血管領域８２２を抽出する。

最後に積算像８１１と眼底画像８２１からそれぞれ抽出した血管領域８１２、８２２を用いて、眼底画像８２１の座標系(X,Y)と積算像８１１の座標系(x,z)の位置合わせを行い、断層像８０２と眼底画像８２１との空間的対応関係を算出する。なお、血管投影領域８０８は、網膜断層像８０２における座標(x,z)を持つ画素領域である。位置合わせを行う際には、２つの画像間の類似度を表す評価値を事前に定義し、この評価値が最も良くなるように画像の変形を行う。評価値としては、前記処理により得られた積算像血管領域８１２と眼底画像血管領域８２２の重なりの程度を表す値や、血管の分岐部など特徴的な幾何形状を有する領域に注目した時の対応ランドマーク間の距離などが利用できる。また、本実施形態では解剖学的に特徴的な領域として血管を利用したが、視神経乳頭領域のようなその他の解剖学的特徴や、疾患により生じた白斑や出血領域を利用しても良い。さらに血管などの解剖学的特徴にのみ注目するのではなく、画像全体から計算される評価値、例えば輝度値の平均２乗誤差、相関係数、相互情報量なども利用可能である。なお、公知の技術により断層像と眼底画像との間ですでに位置合わせがなされている場合には、本Ｓ４０５は省略可能である。

Ｓ４０６において、白斑存在領域特定部３５４は断層像内での白斑が存在しうる領域を特定する。領域の特定には、網膜層境界抽出部３５１で得られた網膜層境界の抽出結果、眼底画像白斑抽出部３５２で得られた眼底画像上の白斑の抽出結果、位置合わせ部３５３で得られた断層像と眼底画像の空間的対応関係に関する情報を利用する。

図５を用いて白斑存在領域特定部３５４の動作を説明する。図５は記憶部３４０に保持されている断層像のうちＢスキャン画像の典型的な１スライスと、網膜層境界抽出部３５１で得られた網膜層境界の抽出結果を重畳表示したものである。本図において、５０１は内境界膜、５１４は視神経繊維層とその下側の層との境界、５０２は視細胞内節外節接合部、５０３は網膜色素上皮層境界を表している。また５０４は白斑を表している。さらに５０５は網膜層境界抽出部３５１で得られた内境界膜の抽出結果であり、５０６は網膜層境界抽出部３５１で得られた網膜色素上皮層境界の抽出結果である。

本発明における白斑存在確信度とは、断層像内の画素ごとに定義される値で、その画素が白斑であるということに対する確かさを表す。すなわち、確信度が高いほどその画素は白斑であり、逆に低い場合には白斑ではないことを示す。存在確信度は白斑を十分に内包していることが期待される局所領域内でのみ定義される。Ｓ４０６では、この局所領域の設定を行う。この局所領域の設定には、眼部断層像から抽出した網膜層境界と眼底画像から抽出した白斑領域を用いる。以下に局所領域を定義するための４つの境界線分５０７、５０８、５０９、５１０の設定について述べる。

まずＡスキャンラインに直交する方向（図５におけるＸ軸方向）について局所領域を定義するための２本の線分５０７、５０８は、眼底画像から抽出した白斑領域を断層像上への投影した白斑領域の対応領域の境界とする。次にＡスキャンラインに沿う方向（図５におけるY軸方向）のうち上側の境界線分５０９については、断層像から抽出した内境界膜５０５のうち、上述の境界線分５０７と５０８で区切られた領域内の線分とする。図５では境界線分５０９を太い実線で表しているが、これは破線で示した内境界膜抽出結果のうち、境界線分５０７と５０８で区切られた部分を示している。最後にＡスキャンラインに沿う方向（図５におけるY軸方向）のうち下側の境界線分５１０の決定では、網膜色素上皮層境界の抽出結果を単純に利用することができない。それは、図５にも示されているように、眼部断層像では、白斑の下側に位置する視細胞内節外節接合部や網膜色素上皮層は、その周辺領域に比べて輝度値が低くなる傾向があるためである。このような場合に、誤って白斑領域を網膜色素上皮層境界として抽出してしまい、この結果を単純に利用すると、白斑を十分に含む領域を設定することができなくなる。

このような問題を解決するために、本発明では境界線分５０７と５０８で囲まれた領域の近傍での網膜色素上皮層境界の抽出結果P_RPE1 ５１１、P_RPE2 ５１２を利用して、境界線分５１０の定義を行う。具体的にはP_RPE1とP_RPE2の間を公知の補間方法を用いて補間を行い、補間により生成された線分を境界線分５１０とする。本実施形態では、境界線分５０９と境界線分５１０の決定に内境界膜の抽出結果５０５と網膜色素上皮層境界の抽出結果５０６を利用した。しかしながら、本実施形態で利用できる網膜層境界の抽出結果はこれらに限定されるものではない。例えば、視神経繊維層とその下側の層との境界５１４の抽出結果や視細胞内節外節接合部５０２の抽出結果を利用してもよい。

Ｓ４０７において、白斑存在確信度計算部３５５は白斑存在領域特定部３５４において取得した境界線分５０７、５０８、５０９、５１０で囲まれた局所領域内の各画素について、白斑の存在確信度を計算する。白斑は一般に外網状層と視細胞内節外節接合部の間に存在することが知られている。本発明では、この解剖学的な知見に基づき存在確信度を割り当てる。存在確信度の設定方法には様々なものが考えられるが、本実施例では補間により取得した線分５１０から解剖学的に白斑が最も存在しうる位置を推定し、その結果に基づき確信度を割り当てる。具体的には、境界線分５１０上の各画素からＡスキャンラインに沿って上方向に一定距離D_RPE-EXUDATEだけ離れた位置５１３を解剖学的に白斑が存在する位置であるとみなす。D_RPE-EXUDATEの値は、白斑の存在する典型的な症例において、白斑から網膜色素上皮層境界までの代表的な距離値から決定してもよい。また、外網状層と視細胞内節外節接合部の中間的な位置から網膜色素上皮層境界までの距離値の平均から計算してもよい。

次に式（１）に示すように、白斑が最も存在しうると推定された位置p_EXUDATEを基準位置とし、そこから一定範囲内で１を取り、範囲外では０となるように設定する。

式（１）において、pはあるＡスキャンライン上のボクセルの座標を表しており、p_EXUDATEはそのＡスキャンラインにおいて白斑が最も存在しうると推定された位置５１３の座標を表す。また、h_EXUDATEは白斑の大きさ（白斑の重心から辺縁までの距離値）の平均値であり、事前に取得済みの複数の断層像に存在する白斑領域から取得する。式（１）では確信度を２値（０または１）で定義していたが、確信度は０以上１以下の多値で与えてもよい。式（２）では、ガウス関数に基づき確信度を定義する。

また式（３）や式（４）に示すように、基準となる位置５１３からの距離値に単純に反比例する値としてもよいし、距離値の2乗に反比例するように設定してもよい。

さらに点集中度フィルタのフィルタ出力値などの画像特徴量を存在確信度としてもよいし、線分５０９との組み合わせに基づき設定してもよい。

Ｓ４０８において、断層像白斑抽出部３５６は白斑存在確信度計算部３５５で取得した白斑の存在確信度に基づき、白斑の抽出を行う。白斑に属しているボクセルは断層像内で比較的高い輝度値を持ち、かつ、白斑全体は断層像内で塊状構造を有している。このような画像特徴と存在確信度を利用して、白斑抽出を行う。ボクセルpの断層像輝度値をＩ(p)、存在確信度をC(p)とする。また塊状構造を有する領域を強調するフィルタのひとつである点集中度フィルタのフィルタ出力値をF(p)とする。

式（５）においてvは半径r、r+Dの２つの同心円で定義される円環内の各ボクセルを指す方向ベクトルの集合V^[r,D]の１つの要素であり、g(p+v)はボクセルp+vにおける断面像の輝度値勾配ベクトルである。また`・'は２つのベクトルの内積を表す。R₁、R₂は、２つの同心円のうち、内側の同心円の半径であり、点集中度フィルタを同心円の半径を変えて適用することで大きさの異なる白斑を抽出することが可能となる。なお塊状構造を有する領域を強調するフィルタとしては、トップハット演算の出力結果を用いてもよいし、注目ボクセルpを中心とする円とその周辺での輝度値の差で得られる輝度値コントラストを用いてもよい。さらにこれらのフィルタは断層像のＢスキャン画像ごとに独立に適用できる２次元フィルタでも構わないし、断層像全体に適用できる３次元フィルタでも構わない。次にC(p)とＩ(p)またはF(p)のうち少なくとも１つの値に対するしきい値処理により、白斑領域R_EXUDATEを抽出する。本実施例ではC(p)、Ｉ(p)、 F(p)すべてを用いる例について説明する。

ここでV_OCTは断層像内のボクセルを要素とする集合を表す。T_C、T_I、T_Rは事前に取得済みの複数の断層像を利用した予備実験から決定可能である。具体的には、T_C、T_I、T_Rとしてある１組の値を与えた時の白斑の未抽出率E_FNと誤抽出率E_FPを計算する。そして、その計算結果を用いて次式で定義される評価値Eを計算する。

E = E_FN + E_FP．．．（７）
T_C、T_I 、T_Rを変更しながら評価値Eを計算する。そして、Eが最も小さくなるようなT_C、T_I 、T_Rを、式（６）の閾値とする。白斑抽出方法は、C(p)、Ｉ(p)、 F(p)に対するしきい値処理に限定されるものではない。具体的には、C(p)、Ｉ(p)、F(p)を特徴量としてＳＶＭやＡｄａＢｏｏｓｔ等で識別器を構築し、得られた識別器により白斑抽出を行ってもよい。この場合には、さらに複数の特徴量を追加する。例えば、断層像や存在確信度画像に対する平均値、分散、歪度、尖度、エントロピー、Ｓｏｂｅｌフィルタ、Ｌａｐｌａｃｉａｎフィルタ、Ｇａｕｓｓｉａｎフィルタ、最大値フィルタ、最小値フィルタなどである。また、これらの組み合わせからなるフィルタの出力値も特徴量として使用可能である。

Ｓ４０９において、表示部３６０は断層像取得部３１０で取得した断層像、眼底画像取得部３２０で取得した眼底画像、画像処理部３５０で得られた白斑の領域をモニタに表示する。Ｓ４１０において、処理結果出力部３７０は被検眼を同定する情報、画像処理部３５０に入力された断層像と眼底画像、画像処理部３５０で得られた白斑領域をデータサーバ２４０へと送信する。

以上で述べた構成によれば、画像処理システムは、はじめにＯＣＴ断層像から取得した網膜層境界の抽出結果と眼底画像から取得した白斑の抽出結果を用いて白斑の存在する可能性の高い領域を特定する。次にその領域内で存在確信度を決定する。そして最後に存在存在確信度とＯＣＴ断層像から得られる画像特徴に基づき白斑を抽出する。その結果、白斑領域を高精度に抽出することが可能となる。

［第２実施形態］
本実施形態では、第１実施形態のＳ４０７における白斑存在確信度を、網膜層境界間距離と存在確信度の相関情報に関する事前知識に基づき設定するように変更した例について説明する。本実施形態に対応する画像処理システムの機器構成は図２及び図３に示したものと同様である。第１実施形態では、網膜色素上皮層境界から一定距離Ｄ_RPE-EXUDATEだけ離れた位置に最も高い存在確信度を割り当て、この位置から離れるにしたがって小さな存在確信度を割り当てていた。しかしながら、内境界膜‐網膜色素上皮層境界間距離は被検者によってさまざまである。また同一被検者であっても、眼底内の場所により距離は異なる。そのため、上述の存在確信度の設定方法では、白斑が存在する位置に適切に確信度を割り当てることができない可能性がある。そこで本実施形態では、複数の被検眼から内境界膜‐網膜色素上皮層境界間距離と存在確信度との関係を事前に取得し、その情報をデータサーバ２４０に保存しておく。即ち、データサーバ２４０には、内境界膜‐網膜色素上皮層境界間の各画素の確信度の集合が、該内境界膜‐網膜色素上皮層境界間距離と関連づけて複数格納されることになる。そしてデータサーバ２４０に格納されていない新規の被検眼に対して存在確信度を計算する際には、白斑存在確信度計算部３５５はデータサーバ２４０内に格納されている内境界膜‐網膜色素上皮層境界間距離と存在確信度の関係を利用する。

内境界膜‐網膜色素上皮層境界間距離と存在確信度の相関情報に関する事前知識は、あらかじめ格納してある多数の断層像から取得する。はじめに、各断層像で白斑が存在する領域を手動で抽出する。抽出した領域を通る各Ａスキャンラインについて、内境界膜‐網膜色素上皮層境界間距離を測定する。以上の処理により、内境界膜‐網膜色素上皮層境界間距離と、Ａスキャンライン上で白斑に属すボクセルを表す１次元ラベル画像（白斑に属すボクセルの値を１、それ以外のボクセル値を０とする画像）を取得することができる。

すべての断層像に対して上述の処理を適用し、境界膜‐網膜色素上皮層境界間距離と白斑のラベル画像を取得した後、内境界膜‐網膜色素上皮層境界間距離と白斑の存在位置との間の相関を求める。具体的には、式（８）に示すように内境界膜‐網膜色素上皮層境界間距離が距離値ｄであるようなＡスキャンライン上のラベル画像Ｌ^[d] _i(p)について、ボクセルごとにラベル値の平均Ｍ^[d](p)を計算する。

式（８）において、Ｓ_dは内境界膜‐網膜色素上皮層境界間距離が距離値dであるＡスキャンライン上のラベル画像を示すインデックスの集合であり、iはあるインデックスを表す。またＮ^[d]は距離値がdであるようなＡスキャンラインの本数を表す。式（８）で得られたラベル値の平均Ｍ^[d](p)を距離値がdであるようなＡスキャンラインにおける白斑の存在確信度とする。

次に、図６を用いて白斑存在確信度の計算Ｓ４０７について説明する。まず、局所領域を通るＡスキャンラインごとに、Ｓ４０６で取得した境界線分５０９と５１０の間の距離Ｄ_ILM-RPEを求める。図６では具体的にある１本のＡスキャンライン６０５を図示しており、このＡスキャンライン６０５と内境界膜の交点６０６、および網膜色素上皮層境界の交点６０７間の距離がＤ_ILM-RPEである。次に、内境界膜と網膜色素上皮層境界の間の距離がＤ_ILM-RPEである時のＡスキャンライン上の各ボクセルでの白斑存在確信度Ｍ^[DILM-RPE](p)をデータベースから取得する。取得した白斑存在確信度は、対応するボクセルpに代入する。局所領域を通るすべてのＡスキャンラインに対してこの操作を実行することで、局所領域内のすべてのボクセルについて白斑存在確信度を設定することができる。

本実施形態では、内境界膜‐網膜色素上皮層境界間距離と白斑の存在位置に関する相関情報に基づき白斑存在確信度を設定したが、その他の解剖学的情報を利用してもよい。例えば断層像内の黄斑からの距離値rを利用することもできる。この場合は、白斑の存在確信度は黄斑からの距離値rにより決まる値Ｍ^[r](p)となる。さらに２つのパラメータdとrの組み合わせでもよく、この場合存在確信度はdとrで決まる値Ｍ^[d,r](p)となる。本実施形態では、網膜層境界間距離として内境界膜‐網膜色素上皮層境界間距離を利用した。しかしながら、本実施形態で利用できる網膜層境界間距離はこれに限定されるものではない。例えば、視神経繊維層とその下側の層との境界６０８と視細胞内節外節接合部６０２の間の距離を利用してもよい。

以上で述べた構成によれば、本実施形態では被検者間の内境界膜‐網膜色素上皮層境界間距離の違いや、同一被験者における眼底内での距離の違いに影響を受けることなく、高精度に白斑抽出を行うことが可能となる。

［第３実施形態］
本実施形態では、図４のＳ４０８の断層像内白斑抽出で抽出した領域に関する誤抽出判定を行う例を説明する。Ｓ４０６では、網膜層抽出結果に加えて、眼底画像から取得した白斑領域を利用して、白斑抽出処理を適用する領域を限定している。そのため、もし眼底画像において白斑以外の領域を誤って白斑として抽出した場合、断層像内で白斑の存在しない領域に対して白斑抽出処理を適用することになる。以下、具体的に説明する。

図９は上述の誤抽出について説明した図である。本図において、９０１は内境界膜、９１０は視神経繊維層とその下側の層との境界、９０２は視細胞内節外節接合部、９０３は網膜色素上皮層境界を表している。また９０４は網膜層境界抽出部３５１で得られた内境界膜の抽出結果であり、９０５は網膜層境界抽出部３５１で得られた網膜色素上皮層境界の抽出結果である。眼底画像から白斑の存在しない領域を誤抽出した場合、図９の９０６と９０７で囲まれた領域のように、Ｓ４０６において白斑が存在しない正常な領域を白斑が存在しうる領域と設定し、Ｓ４０７ではこの領域内で白斑存在確信度を設定してしまう。その結果としてＳ４０８で白斑を抽出する際に、視神経繊維層（図９では９０１と９１０で囲まれる領域）の一部９０８や視細胞内節外節接合部と網膜層境界で囲まれる領域の一部９０９を白斑として誤抽出する可能性がある。Ｓ４０８では球形の塊状構造を持つ領域を白斑として抽出しているため、このような層構造を持つ領域を誤抽出する可能性は低いが、すべての誤抽出を抑制することは難しい。

そこで、Ｓ４０８において抽出した領域が誤抽出であるかを判定し、もし誤抽出領域であると判定された場合にはその領域を削除し、白斑領域に含めないこととする。具体的には、抽出された連結領域ごとに連結画素数を求め、連結画素数と連結閾値とを比較する。もし、連結画素数が連結閾値より小さい場合には、小領域と見なして削除する。一方、連結画素数が連結閾値以上の領域については、領域ごとに円形度を求め、円形度が所定度合いよりも低い領域を誤抽出であるとみなして削除する。また円形度を用いるかわりに、Ｂスキャン画像に対するヘッセ行列の固有値を求め、固有値の組み合わせから連結領域が円形状の濃度値分布を持つかを判定し、その判定結果を利用して誤抽出を削除することも可能である。なお本実施形態は、ドルーゼンのように眼底画像において白斑と類似の画像特徴を有しているが断層像においては異なる画像特徴を有している領域に関する白斑誤抽出に対しても適用可能である。

以上で述べた構成によれば、本実施形態では白斑抽出における誤抽出を抑制することが可能であり、高精度な白斑抽出が実現できる。

［第４実施形態］
上述の実施形態に係る画像処理装置２１０では、はじめに断層像から抽出した網膜層境界と眼底画像から抽出した白斑領域を利用して、白斑の存在する可能性の高い領域を特定していた。そして、その領域内で白斑存在確信度を計算し、最後に白斑の存在確信度と画像特徴に基づき断層像から白斑を抽出していた。本実施形態に係る画像処理装置においても、白斑抽出処理対象領域を限定し、解剖学的知識に基づき存在確信度を計算し、存在確信度と画像特徴に基づき白斑を抽出する点では、第１の実施形態と同様である。ただし第１実施形態では、白斑抽出処理対象領域を限定する際に、断層像網膜層抽出結果に加えて、眼底画像から抽出した白斑領域を断層像に投影して得られる投影領域も用いていた。それに対して本実施形態では、眼底画像等の２次元画像を用いることなく、断層像網膜層抽出結果のみを用いて対象領域を限定する。

図１１を用いて、本実施形態に係る画像処理装置２１０の機能構成を説明する。図１１は画像処理装置２１０の機能ブロック図である。画像処理装置２１０は、断層像取得部１１１０、指示取得部１１２０、記憶部１１３０、画像処理部１１４０、表示部１１５０、および処理結果出力部１１６０から構成される。さらに画像処理部１１４０は、網膜層境界抽出部１１４１、白斑存在領域特定部１１４２、白斑存在確信度計算部１１４３、断層像白斑抽出部１１４４からなる。なお白斑存在領域特定部１１４２以外は、すべて第１実施形態に係る画像処理装置２１０の機能構成と同様であるため、説明は省略する。白斑存在領域特定部１１４２は、網膜層境界抽出部１１４１が出力する網膜層の抽出結果から、当該断層像内で白斑が存在しうる領域を特定する。

次に本実施形態の画像処理装置２１０の処理手順を説明する。本実施形態における処理は図４に示したフローチャートの各ステップのうち、Ｓ４０１、Ｓ４０３、Ｓ４０６、Ｓ４０７、Ｓ４０８乃至Ｓ４１０を実行することで実現できる。このうち処理内容はＳ４０１、Ｓ４０３、Ｓ４０８乃至Ｓ４１０については同様である。以下、本実施形態に対応するＳ４０６及びＳ４０７の処理を説明する。

まず、Ｓ４０６において、白斑存在領域特定部１１４２は、網膜層境界抽出部１１４１が取得した網膜層境界の情報から、白斑が存在しうる領域を特定する。図１０を参照して、ここでの白斑存在領域特定方法を説明する。図１０において、１００１は内境界膜、１００８は視神経繊維層とその下側の層との境界、１００２は視細胞内節外節接合部、１００３は網膜色素上皮層境界を表している。また１００４は白斑を表している。さらに１００５は網膜層境界抽出部３５１で得られた内境界膜の抽出結果であり、１００６は網膜層境界抽出部３５１で得られた網膜色素上皮層境界の抽出結果である。

本実施形態では、白斑存在確信度は網膜層境界抽出部１１４１で得られた内境界膜の抽出結果１００５と網膜色素上皮層境界の抽出結果１００６を境界とする領域内で定義される。「白斑は外網状層と視細胞内節外節接合部の間に存在する」という解剖学的な知見に基づき、この領域内のボクセルについて存在確信度を割り当てる。はじめに、Ｂスキャン画像内のＡスキャンラインごとに、白斑が最も存在するであろう位置１００７を、内境界膜の抽出結果１００５と網膜色素上皮層境界の抽出結果１００６から決定する。図１０において、白斑が最も存在するであろう位置を線分として結んだものを１００７として示している。なお、内境界膜の抽出結果１００５と網膜色素上皮層境界の抽出結果１００６が白斑を十分に内包していない可能性も考慮して、領域を内境界膜の抽出結果１００５の上側と網膜色素上皮層境界の抽出結果１００６の下側に、若干広めに設定してもよい。本実施形態では、白斑の存在する領域を特定するための網膜層境界の抽出結果として、内境界膜の抽出結果１００５と網膜色素上皮層境界の抽出結果１００６を利用した。しかしながら、本実施形態で利用できる網膜層境界の抽出結果はこれらに限定されるものではない。例えば、視神経繊維層とその下側の層との境界１００８の抽出結果や視細胞内節外節接合部１００２の抽出結果を利用してもよい。

次にＳ４０７において、白斑存在確信度計算部１１４３は白斑存在領域特定部１１４２において取得した白斑が最も存在するであろう位置１００７周辺の各画素について、白斑の存在確信度を計算する。白斑は一般に外網状層と視細胞内節外節接合部の間に存在することが知られている。本発明では、この解剖学的な知見に基づき存在確信度を割り当てる。本実施形態では当該位置１００７を第１の実施形態の図５における位置５１３と見なして、第１の実施形態と同様に白斑存在確信度を計算することができる。

以上で述べた構成によれば、画像処理システムは、はじめにＯＣＴ断層像から取得した網膜層境界の抽出結果のみを用いて白斑の存在する可能性の高い領域を特定する。次にその領域内で存在確信度を網膜層境界の抽出結果から決定する。そして最後に存在確信度とＯＣＴ断層像から得られる画像特徴に基づき白斑を抽出する。その結果、白斑領域を高精度に抽出することが可能となる。
［その他の実施形態］
上記の各実施形態は、本発明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。本実施形態では、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。

図７は、画像処理装置２１０の各部の機能をソフトウェアとして実現するためのコンピュータの基本構成を示す図である。ＣＰＵ７０１は、ＲＡＭ７０２やＲＯＭ７０３に格納された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２１０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。ＲＡＭ７０２は、外部記憶装置７０４からロードされたプログラムやデータを一時的に記憶するエリアを備えると共に、ＣＰＵ７０１が各種の処理を行うために必要とするワークエリアを備える。記憶部３４０の機能はＲＡＭ７０２その他によって実現される。ＲＯＭ７０３は、一般にコンピュータのＢＩＯＳや設定データなどが格納されている。

外部記憶装置７０４は、ハードディスクドライブなどの大容量情報記憶装置として機能する装置であって、ここにオペレーティングシステムやＣＰＵ７０１が実行するコンピュータプログラム等を保存する。また本実施形態の説明において既知としている情報はここに保存されており、必要に応じてＲＡＭ７０２にロードされる。モニタ７０５は、液晶ディスプレイなどにより構成されている。例えば、表示部３６０が出力する内容を表示することができる。キーボード７０６、マウス７０７は入力デバイスであり、操作者はこれらを用いて、各種の指示を画像処理装置２１０に与えることができる。指示取得部３３０の機能は、これらの入力デバイスを介して実現される。インターフェイス７０８は、画像処理装置２１０と外部の機器との間で各種データのやりとりを行うためのものであり、光ファイバ、ＩＥＥＥ１３９４、ＵＳＢ、イーサネット（登録商標）ポート等により構成される。インターフェイス７０８を介して取得したデータは、ＲＡＭ７０２に取り込まれる。断層像取得部３１０、眼底画像取得部３２０、処理結果出力部３７０の機能は、インターフェイス７０８を介して実現される。上述の各構成要素は、バス７０９によって相互に接続される。

本実施形態では、前記夫々の実施形態の機能を実現するソフトウェアのプログラムコードを記憶した記憶媒体を、システムあるいは装置に供給する。そして、そのシステムあるいは装置のコンピュータ（またはＣＰＵやＭＰＵ）が記憶媒体に格納されたプログラムコードを読出し実行することによっても、達成されることは言うまでもない。

この場合、記憶媒体から読出されたプログラムコード自体が前記夫々の実施形態の機能を実現することになり、そのプログラムコードを記憶した記憶媒体は本発明を構成することになる。プログラムコードを供給するための記憶媒体としては、例えば、フロッピディスク、ハードディスク、光ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、磁気テープ、不揮発性のメモリカード、ＲＯＭなどを用いることができる。また、コンピュータが読出したプログラムコードを実行することにより、そのプログラムコードの指示に基づき、コンピュータ上で稼働しているＯＳ（オペレーティングシステム）などが実際の処理の一部または全部を行う。そして、その処理によって前述した実施形態の機能が実現される場合も含まれることは言うまでもない。

Claims (18)

1. 被検眼の眼底画像を取得する眼底画像取得手段と、
   前記被検眼の断層画像を取得する断層画像取得手段と、
   前記眼底画像から病変領域を抽出する第１の抽出手段と、
   前記断層画像を解析する解析手段と、
   前記断層画像の所定の層に基づいて、前記断層画像の深さ方向の所定の位置を決定する決定手段と、
   前記抽出された病変領域に対応する前記断層画像の領域における前記所定の位置から、所定の輝度以上の領域を前記断層画像の病変領域として抽出する第２の抽出手段と、
   前記断層画像と前記第２の抽出手段により抽出された病変領域とを表示手段に表示させる表示制御手段と、
   を有することを特徴とする画像処理装置。
2. 前記決定手段は、前記所定の層から所定の距離の位置を前記所定の位置として決定することを特徴とする請求項１に記載の画像処理装置。
3. 前記所定の層は、網膜色素上皮層であり、
   前記第２の抽出手段は、前記網膜色素上皮層から所定の距離の塊状構造を前記断層画像の病変領域として抽出する
   ことを特徴とする請求項１又は２に記載の画像処理装置。
4. 前記決定手段は、前記所定の層と、前記解析された断層画像の深さ方向の別の層との距離に基づいて、前記所定の位置を決定することを特徴とする請求項１に記載の画像処理装置。
5. 前記決定手段は、前記断層画像における外網状層と視細胞内節接合部との間の位置を前記所定の位置として決定することを特徴とする請求項４に記載の画像処理装置。
6. 前記第２の抽出手段は、前記所定の位置における前記所定の輝度以上で且つ所定の大きさの領域を前記断層画像の病変領域として抽出することを特徴とする請求項１乃至５のいずれか１項に記載の画像処理装置。
7. 前記第２の抽出手段は、前記断層画像から白斑領域を前記断層画像の病変領域として抽出す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１の抽出手段は、前記眼底画像から白斑領域を前記病変領域として抽出し、
   前記第２の抽出手段は、前記断層画像の白斑領域を前記断層画像の病変領域として抽出する
   ことを特徴とする請求項１乃至７のいずれか１項に記載の画像処理装置。
9. 被検眼の眼底画像及び断層画像を処理する画像処理装置が実行する画像処理方法であって、
   前記被検眼を撮像して得た前記眼底画像を取得する眼底画像取得工程と、
   前記被検眼を撮像して得た前記断層画像を取得する工程と、
   前記眼底画像から病変領域を抽出する第１の抽出工程と、
   前記断層画像を解析する解析工程と、
   前記断層画像の所定の層に基づいて、前記断層画像の深さ方向の所定の位置を決定する決定工程と、
   前記抽出された病変領域に対応する前記断層画像の領域における前記所定の位置から、所定の輝度以上の領域を前記断層画像の病変領域として抽出する第２の抽出工程と、
   前記断層画像と前記第２の抽出工程において抽出された病変領域とを表示部に表示させる表示制御工程と、
   を有することを特徴とする画像処理方法。
10. 前記決定工程では、前記所定の層から所定の距離の位置を前記所定の位置として決定することを特徴とする請求項９に記載の画像処理方法。
11. 前記所定の層は、網膜色素上皮層であり、
    前記第２の抽出工程では、前記網膜色素上皮層から所定の距離の塊状構造を前記断層画像の病変領域として抽出する
    ことを特徴とする請求項９又は１０に記載の画像処理方法。
12. 前記決定工程では、前記所定の層と、前記解析された断層画像の深さ方向の別の層との距離に基づいて、前記所定の位置を決定することを特徴とする請求項９に記載の画像処理方法。
13. 前記決定工程では、前記断層画像における外網状層と視細胞内節接合部との間の位置を前記所定の位置として決定することを特徴とする請求項１２に記載の画像処理方法。
14. 前記第２の抽出工程では、前記所定の位置における前記所定の輝度以上で且つ所定の大きさの領域を前記断層画像の病変領域として抽出することを特徴とする請求項９乃至１３のいずれか１項に記載の画像処理方法。
15. 前記第２の抽出工程では、前記断層画像から白斑領域を前記断層画像の病変領域として抽出することを特徴とする請求項９乃至１４のいずれか１項に記載の画像処理方法。
16. 前記第１の抽出工程では、前記眼底画像から白斑領域を前記病変領域として抽出し、
    前記第２の抽出工程では、前記断層画像の白斑領域を前記断層画像の病変領域として抽出する
    ことを特徴とする請求項９乃至１５のいずれか１項に記載の画像処理方法。
17. 請求項１乃至８のいずれか１項に記載の画像処理装置と、
    前記断層画像を撮影する断層像撮影装置と
    を備え、
    前記断層画像取得手段は、前記断層像撮影装置が撮影した前記断層画像を取得することを特徴とする眼科システム。
18. コンピュータを請求項１乃至８のいずれか１項に記載の画像処理装置として機能させるためのコンピュータプログラム。

Images