画像処理装置及びその制御方法
【課題】被写体を構成する層の正常構造を精度良く推定する仕組みを提供する。
【解決手段】被写体の断層画像を取得する画像取得部２１０と、画像取得部２１０で取得した断層画像から被写体を構成する層を検出する層検出部２２１と、層検出部２２１で検出された層と、当該層の病変によって変形する特徴とに基づいて、当該層の正常構造を推定する正常構造推定部２２２を具備する。
【解決手段】被写体の断層画像を取得する画像取得部２１０と、画像取得部２１０で取得した断層画像から被写体を構成する層を検出する層検出部２２１と、層検出部２２１で検出された層と、当該層の病変によって変形する特徴とに基づいて、当該層の正常構造を推定する正常構造推定部２２２を具備する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、被写体の断層画像の処理を行う画像処理装置及びその制御方法、制御方法をコンピュータに実行させるためのプログラム、並びに、当該プログラムを記憶したコンピュータ読み取り可能な記憶媒体に関するものである。
【背景技術】
【０００２】
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、従来、被写体として眼部の撮影による検査が広く行われている。例えば光干渉断層計（Ｏｐｔｉｃａｌ Ｃｏｈｅｒｅｎｃｅ Ｔｏｍｏｇｒａｐｈｙ：以下「ＯＣＴ」と称する）などを用いた眼部の断層画像取得装置は、眼部の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。このため、この断層画像取得装置は、疾病の診断をより的確に行うために有用であると期待されている。
【０００３】
ＯＣＴを用いて得られた眼部の断層像（断層画像）において、眼部における神経線維層などの網膜の各層の厚みや網膜層全体の厚みを計測できれば、緑内障、加齢黄斑変性、黄斑浮腫などの疾病の進行度や治療後の回復具合を定量的に診断することが可能となる。従来、これらの層の厚みを計測するためには、３次元的に撮像される断層画像から注目断面を切り出した２次元断層画像（Ｂ−ｓｃａｎ画像）上において、医師や技師が手動で網膜の各層の境界を指定する必要があった。また、層の厚みの３次元的な分布を得るためには、３次元断層画像を幾つかの２次元断層画像の集合と捉えて、それぞれの２次元断層画像上において注目する層の境界を指定する必要があった。
【０００４】
しかしながら、層の境界を手動で指定する作業は、医師や技師の作業者にとって負担の掛かるものであった。また、層の境界を手動で指定する作業は、その作業者や作業日時の相違に起因するばらつきが発生するため、期待する精度で定量化を行うことが難しかった。この作業者の負担や作業におけるばらつきの軽減を目的として、コンピュータが断層画像から網膜の各層の境界を検出して、各層の厚みを計測する技術が提案されている（例えば、下記の特許文献１及び特許文献２参照）。
【０００５】
また、加齢黄斑変性のような疾病においては、病状に応じて網膜色素上皮層の形状が凹凸に変形する。そのため、その変形の度合いを定量化することが病状の把握に有効である。
【０００６】
図１４は、一般的な網膜の層構造の一例を示す模式図である。
ここで、図１４（ａ）には、正常眼における網膜の層構造の一例が示されており、また、図１４（ｂ）には、加齢黄斑変性における網膜の層構造の一例が示されている。図１４（ａ）に示す正常眼における網膜色素上皮層１４００ａは、滑らかなカーブを有する構造を成している。一方、図１４（ｂ）に示す加齢黄斑変性における網膜色素上皮層１４００ｂは、その領域の一部が上下に波打った形状となっている。なお、ＯＣＴによる眼部の断層画像は、３次元的に得られるものであるが、図１４では説明を簡単にするために、その一断面を２次元的に表している。また、網膜色素上皮層は、厚みの少ない層なので、図１４では一本の線で表している。
【０００７】
以下の説明においては、網膜色素上皮層と、その上部或いは下部の層との境界を、「網膜色素上皮層境界」、または、単に「層境界」と称する。また、疾病になる前の正常時であれば同層境界が存在したであろう境界の推定位置を、「網膜色素上皮層境界の正常構造」、または、単に「正常構造」と称する。また、ＯＣＴを用いた加齢黄斑変性の診断方法として、図１４（ｂ）に示す画像に基づいて、断層画像上で観察可能な現実の網膜色素上皮層境界（図１４（ｃ）の１４０１）と、同断層画像上におけるその正常構造（図１４（ｃ）の１４０２）とを得る。そして、断層画像上で観察可能な現実の網膜色素上皮層境界（１４０１）と、同断層画像上におけるその正常構造（１４０２）との差異部分（図１４（ｃ）の斜線部分）の面積や体積などによって病気の状態を定量化することが行われている。
【０００８】
しかしながら、この作業も、従来は、医師や技師の手作業によって行われることが多く、その負担やその結果のばらつきが課題となっている。そのため、断層画像からの網膜色素上皮層境界の検出と、その正常構造の推定を自動化することが求められている。
【０００９】
上述した網膜色素上皮層境界の検出は、特許文献１や特許文献２に開示されている技術によって行うことができる。一方、その正常構造は、断層画像上の画像特徴としては観測できないので、特許文献１や特許文献２の技術では推定することができない。そこで、従来、２次元断層画像（Ｂ−ｓｃａｎ画像）から検出した網膜色素上皮層境界に対して二乗誤差が最小となるようにあてはめた楕円曲線を、その正常構造として用いることがしばしばなされている。
【先行技術文献】
【特許文献】
【００１０】
【特許文献１】特開２００８−７３０９９号公報
【特許文献２】特開２００７−３２５８３１号公報
【発明の概要】
【発明が解決しようとする課題】
【００１１】
しかしながら、上述した、従来の最小二乗法による楕円曲線のあてはめによって推定した正常構造は、実際の正常構造とはかけ離れている場合が多い。そのため、検出した層境界との差異に基づく面積を求めたとしても、病状を定量化する尺度として用いるのには、信頼性が不十分な場合があった。
【００１２】
本発明は、このような問題点に鑑みてなされたものであり、被写体を構成する層の正常構造を精度良く推定する仕組みを提供することを目的とする。
【課題を解決するための手段】
【００１３】
本発明の画像処理装置は、被写体の断層画像を取得する画像取得手段と、前記断層画像から前記被写体を構成する層を検出する層検出手段と、前記層検出手段で検出された層と、当該層の病変によって変形する特徴とに基づいて、当該層の正常構造を推定する推定手段とを有する。
【００１４】
本発明の画像処理装置の制御方法は、被写体の断層画像の処理を行う画像処理装置の制御方法であって、前記被写体の断層画像を取得する画像取得ステップと、前記断層画像から前記被写体を構成する層を検出する層検出ステップと、前記層検出ステップで検出された層と、当該層の病変によって変形する特徴とに基づいて、当該層の正常構造を推定する推定ステップとを有する。
【００１５】
本発明のプログラムは、被写体の断層画像の処理を行う画像処理装置の制御方法をコンピュータに実行させるためのプログラムであって、前記被写体の断層画像を取得する画像取得ステップと、前記断層画像から前記被写体を構成する層を検出する層検出ステップと、前記層検出ステップで検出された層と、当該層の病変によって変形する特徴とに基づいて、当該層の正常構造を推定する推定ステップとをコンピュータに実行させるためのものである。
【００１６】
本発明のコンピュータ読み取り可能な記憶媒体は、前記プログラムを記憶する。
【発明の効果】
【００１７】
本発明によれば、被写体を構成する層の正常構造を精度良く推定することができる。これにより、被写体における疾病の進行度や治療後の回復具合等を定量化することが可能となる。
【図面の簡単な説明】
【００１８】
【図１】本発明の第１の実施形態に係る画像処理システムの概略構成（ハードウェア構成）の一例を示す模式図である。
【図２】本発明の第１の実施形態に係る画像処理装置の機能構成の一例を示す模式図である。
【図３】図２に示す画像処理部に入力される断層画像の一例を示す模式図である。
【図４】本発明の第１の実施形態に係る画像処理装置の制御方法の処理手順の一例を示すフローチャートである。
【図５】本発明の第１の実施形態を示し、断層画像に含まれる層の正常構造の推定を説明するための模式図である。
【図６】本発明の第１の実施形態を示し、断層画像に含まれる層の正常構造の推定する際に利用する重み関数の一例を示す模式図である。
【図７】本発明の第１の実施形態を示し、断層画像の平面化処理を説明するための模式図である。
【図８】本発明の第１の実施形態を示し、図１に示す画像処理装置によって得られた画像処理結果の表示例を示す模式図である。
【図９】本発明の第２の実施形態に係る画像処理システムの概略構成（ハードウェア構成）の一例を示す模式図である。
【図１０】本発明の第２の実施形態に係る画像処理装置の機能構成の一例を示す模式図である。
【図１１】本発明の第２の実施形態に係る画像処理装置の制御方法の処理手順の一例を示すフローチャートである。
【図１２】本発明の第２の実施形態を示し、断層画像に含まれる層の境界の表示例を示す模式図である。
【図１３】本発明の第３の実施形態を示し、断層画像に含まれる層の正常構造の推定を説明するための模式図である。
【図１４】一般的な網膜の層構造の一例を示す模式図である。
【発明を実施するための形態】
【００１９】
以下に、図面を参照しながら、本発明を実施するための形態（実施形態）について説明する。なお、以下に示す実施形態は、一例に過ぎず、本発明は、図示された構成等に限定されるものではない。
【００２０】
（第１の実施形態）
まず、本発明の第１の実施形態について説明する。
図１は、本発明の第１の実施形態に係る画像処理システム１００の概略構成（ハードウェア構成）の一例を示す模式図である。
【００２１】
図１に示すように、本実施形態に係る画像処理システム１００は、画像処理装置１１０と、断層画像撮像装置１２０と、ローカルエリアネットワーク（ＬＡＮ）１３０を有して構成されている。ここで、以下の説明においては、図１に示す画像処理装置１１０を、「画像処理装置１１０−１」とする。即ち、図１に示す画像処理システム１００は、画像処理装置１１０−１が、ＬＡＮ１３０を介して、断層画像撮像装置１２０に接続される構成となっている。
【００２２】
本実施形態に係る画像処理装置１１０−１は、例えば、断層画像撮像装置１２０で撮像された被写体（本例では眼部）の断層画像から、眼部を構成する網膜色素上皮層境界などの層境界を検出する。そして、画像処理装置１１０−１は、例えば、加齢黄斑変性等の疾病によって層の形状が凹凸に変形するという特徴に基づいて、当該網膜色素上皮層等の正常構造を推定し、疾病の定量化を行うものである。なお、本実施形態では、被写体の一例として、眼部を適用する例を示すが、本発明においては、これに限定されるものではなく、断層画像として撮像対象になるものであれば適用可能である。
【００２３】
この画像処理装置１１０−１は、図１に示すように、中央処理装置（ＣＰＵ）１１１、主メモリ１１２、磁気ディスク１１３、表示メモリ１１４、モニタ１１５、マウス１１６、キーボード１１７、及び、共通バス１１８を有して構成されている。また、磁気ディスク１１３の内部には、制御プログラム１１３１が格納されている。
【００２４】
ＣＰＵ１１１は、主として、画像処理装置１１０−１の各構成要素の動作を制御して、画像処理装置１１０−１の動作を統括的に制御する。
【００２５】
主メモリ１１２は、例えばＣＰＵ１１１が処理の実行に際して磁気ディスク１１３からロードした制御プログラム１１３１を格納したり、ＣＰＵ１１１による制御プログラム１１３１の実行時の作業領域となったりする。
【００２６】
磁気ディスク１１３は、オペレーティングシステム（ＯＳ）や、周辺機器のデバイスドライバ、制御プログラム１１３１等を記憶（格納）する。また、磁気ディスク１１３には、必要に応じて、ＣＰＵ１１１が制御プログラム１１３１を用いた処理を行う際に必要な各種の情報やデータ、更には、ＣＰＵ１１１による制御プログラム１１３１を用いた処理によって得られた各種の情報やデータが記憶される。ここで、ＣＰＵ１１１は、磁気ディスク１１３に格納されている制御プログラム１１３１を実行することにより、画像処理装置１１０−１で行う各種の動作を統括的に制御する。
【００２７】
表示メモリ１１４は、モニタ１１５に表示するための表示用データを一時記憶する。
【００２８】
モニタ１１５は、例えばＣＲＴモニタや液晶モニタ等で構成されており、ＣＰＵ１１１の制御に従って、表示メモリ１１４の表示用データに基づく画像等を表示する。
【００２９】
マウス１１６及びキーボード１１７は、それぞれ、ユーザによるポインティング入力及び文字等の入力を行うためのものである。
【００３０】
共通バス１１８は、画像処理装置１１０−１の内部の各構成要素を相互に通信可能に接続するとともに、当該画像処理装置１１０−１の内部構成要素とＬＡＮ１３０及び断層画像撮像装置１２０とを通信可能に接続する。
【００３１】
断層画像撮像装置１２０は、例えば眼部等の断層画像を撮像する装置であり、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を備えて構成されている。断層画像撮像装置１２０は、ユーザ（技師や医師）による操作に応じて、不図示の被検者（患者）の眼部等の断層画像を３次元的に撮像する。そして、断層画像撮像装置１２０は、得られた断層画像を画像処理装置１１０−１へ出力する。
【００３２】
ＬＡＮ１３０は、必要に応じて、画像処理装置１１０−１と、断層画像撮像装置１２０とを通信可能に接続するものである。このＬＡＮ１３０は、例えば、イーサネット（登録商標）等で構成されている。なお、画像処理装置１１０−１と断層画像撮像装置１２０との接続は、ＬＡＮ１３０によらずに、例えば、ＵＳＢやＩＥＥＥ１３９４等のインターフェイスを介して直接接続する形態であってもよい。
【００３３】
次に、図１に示す画像処理装置１１０−１の機能構成について説明を行う。
図２は、本発明の第１の実施形態に係る画像処理装置１１０−１の機能構成の一例を示す模式図である。
【００３４】
図２に示すように、画像処理装置１１０−１は、画像取得部２１０、画像処理部２２０、記憶部２３０、及び、表示部２４０の各機能構成を有して構成されている。
【００３５】
ここで、本実施形態においては、例えば、図１に示すＣＰＵ１１１が磁気ディスク１１３に記憶されている制御プログラム１１３１を実行することにより、図２に示す画像取得部２１０及び画像処理部２２０が構成される。また、例えば、図１に示すＣＰＵ１１１及び制御プログラム１１３１、並びに、主メモリ１１２、磁気ディスク１１３、或いは、表示メモリ１１４から、図２に示す記憶部２３０が構成される。さらに、例えば、図１に示す図１に示すＣＰＵ１１１及び制御プログラム１１３１、並びに、モニタ１１５から、表示部２４０が構成される。
【００３６】
画像取得部２１０は、断層画像撮像装置１２０に対して被写体である眼部の断層画像の送信を要求し、断層画像撮像装置１２０から送信される眼部の断層画像を受信して取得する処理を行う。そして、画像取得部２１０は、取得した断層画像を画像処理部２２０及び記憶部２３０に送る。
【００３７】
画像処理部２２０は、画像取得部２１０から送られた断層画像の処理を行うものであり、図２に示すように、層検出部２２１、正常構造推定部２２２、及び、定量化部２２３を有して構成されている。ここで、図３を用いて、画像処理部２２０で行う画像処理について説明を行う。
【００３８】
図３は、図２に示す画像処理部２２０に入力される断層画像の一例を示す模式図である。具体的に、図３には、図１４と同様に、眼部における網膜の層構造の一例が示されている。なお、以下の説明では、眼底の深度方向をｚ座標の正方向と定義し、ｚ座標と直交する方向にｘｙ平面を定義する。
【００３９】
層検出部２２１は、入力された断層画像から、眼部を構成する、内境界膜の層境界（図３のＢ１）と、網膜色素上皮層境界（図３のＢ２１）をそれぞれ検出する。この層検出部２２１が行う具体的な処理の内容については、後述する。
【００４０】
正常構造推定部２２２は、層検出部２２１で検出された網膜色素上皮層境界（図３のＢ２１）と、当該網膜色素上皮層の病変によって変形する特徴とに基づいて、その正常構造（図３のＢ２２）を推定する処理を行う。なお、図３では、層検出部２２１が検出した層の境界（Ｂ１及びＢ２１）は実線で示し、正常構造推定部２２２が推定した層の境界（Ｂ２１）は点線で示している。この正常構造推定部２２２が行う具体的な処理の内容については、後述する。
【００４１】
定量化部２２３は、層検出部２２１による検出結果から、層Ｌ１の層厚Ｔ１、その面積及び体積を算出する処理を行う。また、定量化部２２３は、層検出部２２１で検出された網膜色素上皮層境界（図３のＢ２１）と、正常構造推定部２２２で推定されたその正常構造（図３のＢ２２）に基づいて、当該網膜色素上皮層の状態（具体的には、当該網膜色素上皮層の乱れ）を定量化する。この定量化部２２３が行う具体的な処理の内容については、後述する。
【００４２】
次に、図２の記憶部２３０について説明する。
記憶部２３０は、図２に示すように、画像記憶部２３１と、データ記憶部２３２を有して構成されている。
【００４３】
画像記憶部２３１は、画像取得部２１０で取得した断層画像（更には必要に応じて画像処理部２２０で画像処理した断層画像）等を記憶する。
【００４４】
データ記憶部２３２は、画像処理部２２０で利用する関数やパラメータのデータを記憶している。具体的に、データ記憶部２３２は、正常構造推定部２２２が網膜色素上皮層の正常構造を推定する際に利用する関数や、層検出部２２１が断層画像から層の境界を求める際に利用する各種のパラメータのデータなどを記憶している。
【００４５】
さらに、データ記憶部２３２は、画像記憶部２３１に記憶されている各種の断層画像と、画像処理部２２０で処理した各種の処理結果の情報を関連付けて、これを患者データとして保存する。本例では、記憶部２３０は、例えば磁気ディスク１１３等を含み構成されるため、磁気ディスク１１３等に、各種の断層画像と、画像処理部２２０で処理した各種の処理結果の情報とが関連付けられて、記憶される。
【００４６】
具体的に、記憶部２３０は、画像取得部２１０で取得した断層画像データ、層検出部２２１で検出した層の境界データ、正常構造推定部２２２で推定した正常構造データ、定量化部２２３で定量化した数値データを関連付けて保存する。また、記憶部２３０（データ記憶部２３２）に保存されている各種のデータは、ＬＡＮ１３０により接続された不図示の外部サーバに保存してもよく、この場合、記憶部２３０に保存されている各種のデータは、当該外部サーバへと送信される。
【００４７】
次に、表示部２４０について説明する。
表示部２４０は、画像取得部２１０により得られた断層画像、層検出部２２１や正常構造推定部２２２により得られた層の境界や、定量化部２２３により定量化された各種の定量結果を表示する。
【００４８】
次に、図４を参照して、本実施形態の画像処理装置１１０−１により実行される、具体的な処理手順を説明する。
図４は、本発明の第１の実施形態に係る画像処理装置１１０−１の制御方法の処理手順の一例を示すフローチャートである。
【００４９】
＜ステップＳ１０１＞
まず、ステップＳ１０１において、画像取得部２１０は、断層画像撮像装置１２０に対して、被写体である眼部の断層画像の送信を要求し、断層画像撮像装置１２０から送信される眼部の断層画像を取得する。そして、画像取得部２１０は、断層画像撮像装置１２０から取得した断層画像を、画像処理部２２０及び記憶部２３０（画像記憶部２３１）に入力する。
【００５０】
＜ステップＳ１０２＞
続いて、ステップＳ１０２において、層検出部２２１は、ステップＳ１０１で取得された断層画像から、被写体である眼部を構成する所定の層の境界を検出する処理を行う。
【００５１】
以下、層検出部２２１による層の境界検出の具体的な処理方法を説明する。
本例では、入力した３次元断層画像を２次元断層画像（Ｂ−ｓｃａｎ画像）の集合と考え、それぞれの２次元断層画像に対して以下に示す２次元画像処理を実行する。
【００５２】
まず、層検出部２２１は、注目する２次元断層画像に対して平滑化フィルタ処理を行い、ノイズ成分を除去する。そして、層検出部２２１は、エッジ検出フィルタ処理を行い、断層画像からエッジ成分を検出し、層の境界に相当するエッジを各層において抽出する。例えば、層検出部２２１は、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とする。さらに、例えば、層検出部２２１は、眼底の深度方向にエッジを探索し、最後のピーク位置を網膜色素上皮層境界とする。以上の処理によって、層の境界を検出することができる。
【００５３】
他に、層の境界検出方法として、Ｓｎａｋｅｓやレベルセット法のような動的輪郭法を適用して検出してもよい。ここで、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、これにより、層の境界を検出することができる。
【００５４】
その他に、層の境界検出方法として、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。この場合、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。そして、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により、層の境界を検出することができる。
【００５５】
なお、動的輪郭法やＧｒａｐｈＣｕｔを用いた境界検出法は、３次元断層画像を対象として３次元的に行ってもよいし、入力した３次元断層画像を２次元断層画像の集合と考え、それぞれの２次元断層画像に対して２次元的に適用してもよい。また、層の境界を検出するために、画像特徴量のみだけではなく、確率アトラスや統計アトラスのように事前知識を利用して検出するようにしてもよい。なお、層の境界を検出する方法は、これらの方法に限定されるものではなく、眼部の断層画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。
【００５６】
＜ステップＳ１０３＞
続いて、ステップＳ１０３において、正常構造推定部２２２は、ステップＳ１０２で検出された所定の層の境界（本例では、網膜色素上皮層境界）と、当該層の病変によって変形する特徴とに基づいて、その正常構造を推定する処理を行う。
【００５７】
以下、正常構造推定部２２２による網膜色素上皮層の正常構造を推定する具体的な処理方法について、図５を用いて説明する。
図５は、本発明の第１の実施形態を示し、断層画像に含まれる層の正常構造の推定を説明するための模式図である。
【００５８】
図５に示す断層画像には、図３と同様に、層Ｌ１、層境界Ｂ１、層境界Ｂ２１と推定した層境界Ｂ２２が示されている。また、図５中の符号ｄ１及びｄ２は、それぞれ、層境界Ｂ２１の座標（ｘ1、ｚ1）、（ｘ2、ｚ2）と、推定した層境界Ｂ２２の座標（ｘ1、ｚ1'）、（ｘ2、ｚ2'）との差異を示している。図５において、座標ｘ1では、検出した層境界Ｂ２１は、推定した層境界Ｂ２２よりも網膜色素上皮層の深部に位置し、座標ｘ2では、検出した層境界Ｂ２１は、推定した層境界Ｂ２２よりも網膜色素上皮層の表面部に位置している。
【００５９】
正常構造推定部２２２による正常構造の推定は、検出外れ値を除き、層検出部２２１の検出結果である層境界Ｂ２１が正常構造Ｂ２２の下に出ることがないように行う。これは、加齢黄斑変性による網膜色素上皮層の変形は、その下部に発生した新生血管によって生じるものであり、変形した層境界の位置は、正常時の上側に位置するという知見に基づいている。
【００６０】
ここで、正常構造の推定を行う具体的方法として、入力した３次元断層画像を２次元断層画像（Ｂ−ｓｃａｎ画像）の集合と考え、それぞれの２次元断層画像に対して正常構造の推定を行う場合について説明する。また、ここで用いる手法は、注目する２次元断層画像内で検出されている層境界を表す座標点群に２次関数をあてはめて、正常構造を推定するというものである。この場合、正常構造は、それぞれの２次元断層画像内において、２次曲線を表す関数で近似される。
【００６１】
この手法の要点は、検出された座標点群に関数のあてはめを行う際に、点群と関数との差異の距離に応じた重みを与えるだけではなく、差異の符号に応じて使用する重みを変更することにある。例えば、正常構造推定部２２２は、以下の（１）式に基づいて、使用する重み関数の選択を行う。
【００６２】
【数１】
【００６３】
ここで、（１）式において、ｚiは座標ｘiにおいて検出した層境界のｚ座標、ｚi'は座標ｘiにおける推定した正常構造のｚ座標である。εiはｚiとｚi'の差異である。ａ、ｂ、ｃは推定する関数のパラメータである。ρ１、ρ２は重み関数であり、ρ１、ρ２はｘ＝０で唯一の最小値を持つ正定値偶関数である。（１）式で示すように、εiの符号に応じて重み関数を選択する。
【００６４】
図５中の符号ｄ１及びｄ２の場合、差異の大きさは同じだとしても、差異の符号が異なる（ε1は正、ε2は負となる）ため、使用する重み関数は異なる。図５の場合では、符号ｄ１で用いる重み関数はρ１、符号ｄ２で用いる重み関数はρ２となる。また、εi≦０の関係が成り立つように正常構造を推定するのが望ましいので、ｚがｚ'よりも網膜の深部に位置する場合の重みが大きくなるように、重み関数を設定しておく。言い換えると、差異εiにおいて、ρ１（εi）≧ρ２（−εi）となるように、重み関数ρ１及びρ２を定義しておく。また、重み関数の選択は、上記の条件（即ち、眼部を構成する層（本例では網膜色素上皮層）の病変によって変形する特徴に基づく条件）を満たしていれば、どのような関数を用いてもよい。
【００６５】
次に、近似関数を求めるための評価式の例を以下の（２）式に示す。
【００６６】
【数２】
【００６７】
（２）式において、ρ（εi）はεiの符号に応じて選択された重み関数（すなわち、ρ１またはρ２）である。
図６は、本発明の第１の実施形態を示し、断層画像に含まれる層の正常構造の推定する際に利用する重み関数の一例を示す模式図である。
【００６８】
図６（ａ）、図６（ｂ）及び図６（ｃ）において、差異εiを横軸にとり、これをｘとし、縦軸が重み関数ρ（ｘ）とする。断層画像に含まれる層の正常構造の推定する際に利用する重み関数は、図６に示したものが全てではなく、どのような関数を設定してもよい。また、ρ（ｘ）によって実際にどれほどの重みが与えられているかを確認するためには、ρ（ｘ）の微分を取ればよい。本例では、正常構造推定部２２２は、上記の（２）式において、評価値Ｍが最小になるように関数を推定する。
【００６９】
このように、誤差の符号に応じて適切な重み関数を選択することで、図３で示すように、層検出部２２１で検出した層境界Ｂ２１が、正常構造推定部２２２で推定した正常構造Ｂ２２の下側にはみ出してしまうことを抑制できる。そして、その結果として、正常構造の推定を精度よく行うことが可能となる。
【００７０】
なお、ここでは、入力した３次元断層画像を２次元断層画像（Ｂ−ｓｃａｎ画像）の集合と考え、それぞれの２次元断層画像に対して正常構造を推定する方法について説明を行った。しかしながら、正常構造の推定方法は、この方法に限定されるものではなく、例えば、３次元断層画像に対して処理を行ってもよい。この場合、ステップＳ１０２で検出した層境界の３次元的な座標点群に、上記と同様な重み関数の選択基準を用いて楕円体あてはめを行えばよい。なお、正常構造を近似する形状は、２次の関数に限定されるものではなく、他の次数の関数を用いて推定してもよい。
【００７１】
＜ステップＳ１０４＞
ここで、再び、図４の説明に戻る。
続いて、ステップＳ１０４において、定量化部２２３は、各種の定量化処理を行う。
まず、定量化部２２３は、ステップＳ１０２において層検出部２２１が検出した層の境界に基づいて、図３に示す、層Ｌ１の層厚Ｔ１、その層の面積及び体積を算出する処理を行う。ここで層厚Ｔ１は、ｘｙ平面上の各座標点で、層境界Ｂ１と層境界Ｂ２１のｚ座標の差の絶対値を求めることで計算できる。また、層Ｌ１の面積は、それぞれのｙ座標ごとにｘ軸方向の各座標点での層厚を加算することによって計算できる。また、層Ｌ１の体積は、求めた面積をｙ軸方向に加算することで計算できる。
【００７２】
さらに、定量化部２２３は、ステップＳ１０２で層検出部２２１が検出した網膜色素上皮層境界Ｂ２１と、ステップＳ１０３で正常構造推定部２２２が推定したその正常構造Ｂ２２に基づいて、ステップＳ１０２で検出された網膜色素上皮層の乱れを定量化する。
【００７３】
具体的には、ｘｙ平面上の各座標点におけるＢ２１の構造とＢ２２の構造との差異Ｔ２（図３）を、両者のｚ座標の差として算出する。そして、求めた差異Ｔ２をｘ軸方向に加算することで差異のなす面積をｙ座標ごとに求め、さらに、求めた面積をｙ軸方向に加算することで差異のなす体積を算出する。なお、網膜色素上皮層の乱れを表す特徴量は、Ｂ２１とＢ２２の差異を定量化するものであれば、いずれのものであってもよい。例えば、求めた差異Ｔ２の最大値、中央値、分散、平均、標準偏差、閾値以上の点の数やその割合などを求め、これを用いてもよい。さらには、Ｂ２１とＢ２２のなす領域の濃度特徴として、平均濃度値、濃度分散値、コントラストなどを求めてもよい。
【００７４】
また、定量化部２２３による定量化の方法として、定量化時に層の境界を平面に変換して、それを基準位置として定量化をしてもよい。その例を図７に示す。
図７は、本発明の第１の実施形態を示し、断層画像の平面化処理を説明するための模式図である。具体的に、図７は、図３における層の境界を、網膜層の一番深部の境界Ｂ２２（例えば、網膜色素上皮層境界）を平面に変換し、他の層もその変形に合わせて変換した例を示したものである。
【００７５】
さらに、定量化部２２３は、過去に定量化した層厚、面積、体積や形状特徴、濃度特徴などがある場合には、過去の定量化データとの比較を行う。以下に、過去の定量化データとの比較方法の例について説明する。
【００７６】
この場合、まず、定量化部２２３は、過去と現在の断層画像の位置合わせを行う。この際、断層画像の位置合わせには、剛体アフィン変形や、非線形変形のＦＦＤ（Ｆｒｅｅ ｆｏｒｍ ｄｅｆｏｒａｍａｔｉｏｎ）などの公知の手法を用いることができる。そして、過去に撮影された断層画像と現在の断層画像との位置の対応が取れているならば、任意の断面での層厚、面積などの比較や、任意の領域の体積などを比較することができる。
【００７７】
ここでは、過去と現在の断層画像の位置合わせをしてから、各種のデータを比較する例を示したが、例えば断層画像撮像装置１２０に追尾機能などが搭載されており、画像撮影時に前回と同じ位置を撮影できるのであれば、位置合わせを行う必要はない。さらには、位置合わせを行わずに、単純にＢ−ｓｃａｎ画像のスライス番号同士での比較や、３Ｄで比較をしてもよい。
【００７８】
なお、定量化部２２３では、上述した数値データの少なくとも１つを求めればよく、定量化するデータは、任意に設定できるものとする。もしも、１つも求めることができなければ、次のステップＳ１０５において、定量化できない旨を表示部２４０に表示してもよい。
【００７９】
＜ステップＳ１０５＞
ここで、再び、図４の説明に戻る。
続いて、ステップＳ１０５において、表示部２４０は、断層画像と、断層画像の層と層の境界を検出した結果と、正常構造を推定した結果と、断層画像の層に関して定量化した結果を表示する処理を行う。本例では、表示部２４０は、例えばモニタ１１５を含み構成されるため、ステップＳ１０５の処理では、モニタ１１５上に各種のデータが表示される。ここで、過去のデータがある場合には、過去データと比較して表示するようにしてもよい。
【００８０】
図８は、本発明の第１の実施形態を示し、図１に示す画像処理装置１１０−１によって得られた画像処理結果の表示例を示す模式図である。図８に示す例では、モニタ１１５の上部に、画像処理部２２０で検出した層と層の境界や推定した正常構造に係る断層画像８０１を表示し、モニタ１１５の下部に、断層画像８０１の解析結果として網膜層厚のグラフ８０２を表示している。
【００８１】
なお、断層画像の表示として、画像取得部２１０で取得した断層画像に、画像処理部２２０で検出した層と層の境界や推定した正常構造を重畳表示してもよい。また、断層画像の表示として、特定の層の境界を平面に変換して、それを基準とした断層画像（図７）を生成して表示してもよい。なお、変形する層の範囲は、Ｂ−ｓｃａｎ画像１枚であってもよいし、３次元断層画像でもよい。
【００８２】
＜ステップＳ１０６＞
ここで、再び、図４の説明に戻る。
続いて、ステップＳ１０６において、記憶部２３０（データ記憶部２３２等）は、以上のステップＳ１０１〜Ｓ１０４で取得された各種のデータを関連付けて、ある患者の患者データとして磁気ディスク１１３に保存する。具体的には、ステップＳ１０１で得られた断層画像データ、ステップＳ１０２で得られた層及び層の境界のデータ、ステップＳ１０３で推定された層の正常構造データ、ステップＳ１０４で得られた層の定量化処理の結果が関連付けられて、保存される。なお、磁気ディスク１１３に保存するデータは、これらのデータうちの少なくとも１つでよい。
【００８３】
ここで、正常構造の推定結果を保存する場合には、推定時に利用した重み関数ρ（（１）式）と関数のパラメータ（例えば、（１）式のａ、ｂ、ｃ）も同時に関連付けて保存しておき、経過観察時に同じ関数やパラメータを用いて推定するようにしてもよい。
【００８４】
また、これらのデータの保存は、不図示の外部サーバに行ってもよい。この場合、記憶部２３０は、これらのデータを外部サーバへと送信する。
【００８５】
なお、本実施形態において、層検出部２２１が検出する層としては、内境界膜と網膜色素上皮層に限定されるものではなく、神経線維層、視細胞層、外境界膜などの各層や膜を検出してよい。さらに、正常構造を推定する層の境界としては、網膜色素上皮層に限定されるものではなく、疾病により形状が凹凸に変化する層であれば、いずれの層並びに層境界を推定してもよい。
【００８６】
以上説明した第１の実施形態によれば、被写体である眼部の断層画像において、当該眼部を構成する層（本実施形態では網膜色素上皮層）の正常構造を精度良く推定することができる。これにより、眼部における疾病の進行度や治療後の回復具合等を精度良く定量化することが可能となる。
【００８７】
（第１の実施形態の変形例１）
第１の実施形態における画像処理装置１１０−１は、既に撮像された状態で保存されている眼部の断層画像を保持する画像蓄積サーバ（不図示）と、直接またはＬＡＮ１３０を介して接続し、当該画像蓄積サーバから断層画像を入力する構成であってもよい。この場合、図４のステップＳ１０１において、画像取得部２１０は、画像蓄積サーバ（不図示）に断層画像の送信を要求し、当該画像蓄積サーバから送信される断層画像を取得して、記憶部２３０に入力する。その後、上述したように、層の境界検出（Ｓ１０２）や定量化処理（Ｓ１０４）を行う。
【００８８】
（第１の実施形態の変形例２）
第１の実施形態における画像処理装置１１０−１は、１枚または複数枚の二次元の断層画像を入力し、それに対して上述した解析処理（画像処理）を行う構成であってもよい。また、入力された三次元の断層画像から注目すべき断面を選択して、選択された二次元断層画像に対して処理を行う構成であってもよい。この場合、二次元断層画像の選択は、ユーザがマウス１１６やキーボード１１７を用いて、或いは、不図示のインターフェイスを用いて行ってもよいし、予め定めた眼底の特定部分（例えば黄斑部の中心を含む断面）に対して処理を行ってもよい。
【００８９】
（第２の実施形態）
次に、本発明の第２の実施形態について説明する。
図９は、本発明の第２の実施形態に係る画像処理システム２００の概略構成（ハードウェア構成）の一例を示す模式図である。
【００９０】
図９に示すように、本実施形態に係る画像処理システム２００は、画像処理装置１１０と、断層画像撮像装置１２０と、ローカルエリアネットワーク（ＬＡＮ）１３０と、広域画像撮像装置１４０を有して構成されている。ここで、以下の説明においては、図９に示す画像処理装置１１０を、「画像処理装置１１０−２」とする。即ち、図９に示す画像処理システム２００は、画像処理装置１１０−２が、ＬＡＮ１３０を介して、断層画像撮像装置１２０のみならず、広域画像撮像装置１４０とも接続される構成となっている。なお、画像処理装置１１０−２と広域画像撮像装置１４０との接続は、ＵＳＢやＩＥＥＥ１３９４等のインターフェイスを介して直接行ってもよい。
【００９１】
本実施形態に係る画像処理装置１１０−２は、第１の実施形態に係る画像処理装置１１０−１と同様に、眼部の断層画像から、網膜色素上皮層境界などの層境界を検出する。そして、画像処理装置１１０−２は、第１の実施形態に係る画像処理装置１１０−１と同様に、例えば、加齢黄斑変性等の疾病により層の形状が凹凸に変形するという特徴に基づいて、当該網膜色素上皮層の正常構造を推定し、疾病の定量化を行うものである。ただし、本実施形態に係る画像処理装置１１０−２は、眼部の断層画像から検出した網膜色素上皮層の形状が正常か異常かを局所領域ごとに判断し、正常と判断した範囲（正常範囲）の情報に基づいて、その正常構造を推定する。これに伴って、図９に示す画像処理装置１１０−２には、磁気ディスク１１３の内部に、第１の実施形態とは異なる、制御プログラム１１３２が格納されている。
【００９２】
広域画像撮像装置１４０は、例えば眼部等の広域画像を撮像する装置であり、例えば、眼底カメラを備えて構成されている。広域像撮像装置３０は、ユーザ（技師や医師）による操作に応じて、不図示の被検者（患者）の眼部等の広域画像を撮像する。そして、広域画像撮像装置１４０は、得られた広域画像を画像処理装置１１０−２へ出力する。
【００９３】
次に、図９に示す画像処理装置１１０−２の機能構成について説明を行う。
図１０は、本発明の第２の実施形態に係る画像処理装置１１０−２の機能構成の一例を示す模式図である。
【００９４】
図１０に示すように、画像処理装置１１０−２は、画像取得部２１０、画像処理部２２０、記憶部２３０、及び、表示部２４０の各機能構成を有して構成されている。第２の実施形態に係る画像処理装置１１０−２の機能構成については、図２に示す第１の実施形態に係る画像処理装置１１０−１の機能構成と基本的には同様の構成となる。ただし、第２の実施形態に係る画像処理装置１１０−２では、画像取得部２１０が広域画像取得部２１１と断層画像取得部２１２とから構成され、また、正常構造推定部２２２の内部に、層の形状が正常か異常かを判断する判断部２２２１が構成されている。
【００９５】
次に、図１１を参照して、本実施形態の画像処理装置１１０−２により実行される、具体的な処理手順を説明する。
図１１は、本発明の第２の実施形態に係る画像処理装置１１０−２の制御方法の処理手順の一例を示すフローチャートである。
【００９６】
＜ステップＳ２０１＞
まず、ステップＳ２０１において、断層画像取得部２１２は、断層画像撮像装置１２０に対して、被写体である眼部の断層画像の送信を要求し、断層画像撮像装置１２０から送信される眼部の断層画像を取得する。そして、断層画像取得部２１２は、断層画像撮像装置１２０から取得した断層画像を、画像処理部２２０及び記憶部２３０（画像記憶部２３１）に入力する。同様に、広域画像取得部２１１は、広域画像撮像装置１４０に対して、被写体である眼部の広域画像の送信を要求し、広域画像撮像装置１４０から送信される眼部の広域画像を取得する。そして、広域画像取得部２１１は、取得した広域画像を、画像処理部２２０及び記憶部２３０（画像記憶部２３１）に入力する。
【００９７】
＜ステップＳ２０２＞
続いて、ステップＳ２０２において、層検出部２２１は、ステップＳ２０１で取得された断層画像から、被写体である眼部を構成する所定の層の境界を検出する処理を行う。ここで、層の検出方法については、第１の実施形態における図４のステップＳ１０２と同様である。なお、層の境界を検出するために、断層画像だけではなく、広域画像から病変や血管を抽出し、その情報を利用して検出するようにしてもよい。
【００９８】
＜ステップＳ２０３＞
続いて、ステップＳ２０３において、正常構造推定部２２２の判断部２２２１は、ステップＳ２０２において層検出部２２１が検出した層境界（本例では、網膜色素上皮層境界（Ｂ２１））について、正常範囲及び異常範囲を判断して検出する。そして、判断部２２２１は、ステップＳ２０２において層検出部２２１が検出した層境界を正常範囲と異常範囲とに分類する。
【００９９】
具体的には、まず、例えば、層が正常構造である条件として、層境界の曲率は滑らかであると定義する。この場合、判断部２２２１による異常範囲の検出では、検出した層境界の局所的な曲率を計算し、層の境界形状を評価することで、曲率が滑らかに変化していない部分は異常範囲であるとする。或いは、判断部２２２１による異常範囲の検出では、眼部の広域画像から白斑や出血やドルーゼンを検出し、病変が存在する広域画像の（ｘ，ｙ）領域に対応する断層画像のｚ方向の網膜層構造は異常であるとする。そして、判断部２２２１は、断層画像中での正常範囲と異常範囲の位置を分類しておく。
【０１００】
＜ステップＳ２０４＞
続いて、ステップＳ２０４において、正常構造推定部２２２は、ステップＳ２０３で正常と判断された範囲に含まれている層境界と、当該層の病変によって変形する特徴とに基づいて、当該層の正常構造を推定する処理を行う。
【０１０１】
ここで、ステップＳ２０４における正常構造の推定方法としては、第１の実施形態における図４のステップＳ１０３と同様に、多項式を用いて正常構造を近似して推定を行う。この際、正常構造推定部２２２は、判断部２２２１で正常と判断された座標群のみを用いて多項式のパラメータを計算し、正常構造を近似する。或いは、正常構造推定部２２２は、多項式で近似せず、判断部２２２１で正常と判断された座標群をスプライン補間などの補間処理を行って、正常構造を推定するようにしてもよい。
【０１０２】
＜ステップＳ２０５＞
続いて、ステップＳ２０５において、定量化部２２３は、第１の実施形態における図４のステップＳ１０４と同様に、各種の定量化処理を行う。
【０１０３】
＜ステップＳ２０６＞
続いて、ステップＳ２０６において、表示部２４０は、第１の実施形態における図４のステップＳ１０５と基本的には同様の表示処理を行う。この際、本実施形態では、さらに、推定した正常構造と検出した層境界の表示において、任意の情報を選択して表示できるようにしてもよい。これについて、図１２を用いて説明する。
【０１０４】
図１２は、本発明の第２の実施形態を示し、断層画像に含まれる層の境界の表示例を示す模式図である。
図１２において、層検出部２２１が検出した層境界は実線で示し、正常構造推定部２２２が推定した正常構造は点線で示している。
【０１０５】
具体的に、図１２（ａ）は、検出した層境界と推定した正常構造を同時に表示する一例である。図１２（ｂ）は、推定した正常構造のみを表示する一例である。図１２（ｃ）は、同一の層境界内で、正常範囲については検出した層境界を表示し、異常範囲については検出した層境界と推定した正常構造を同時に表示する一例である。図１２（ｄ）は、同一の層境界内で、正常範囲については検出した層境界を表示し、異常範囲については推定した正常構造のみを表示する一例である。
【０１０６】
ステップＳ２０６における表示の方法として、図１２（ａ）〜図１２（ｄ）に示した検出結果と推定結果を断層画像上に重畳表示してもよいし、検出結果と推定結果を、断層画像と別に表示するようにしてもよい。このように、層境界に関する情報の表示方法を選択し、任意の情報を表示できるようにしてもよい。
【０１０７】
＜ステップＳ２０７＞
続いて、ステップＳ２０７において、記憶部２３０は、第１の実施形態における図４のステップＳ１０６と基本的には同様の記憶処理を行う。この際、さらに、撮像部位の確認等の理由で、広域画像と広域画像上における断層画像の取得範囲を一緒に記憶して提示できるようにしてもよい。
【０１０８】
以上説明した第２の実施形態によれば、被写体である眼部の断層画像において、網膜色素上皮層の構造が正常か異常かを局所領域ごとに判断するようにしたので、正常と判断した領域から、疾病により変化した当該層の正常構造を精度良く推定することができる。これにより、その結果を用いて疾病の進行度や治療後の回復具合を精度良く定量化することが可能となる。
【０１０９】
（第３の実施形態）
次に、本発明の第３の実施形態について説明する。
第３の実施形態に係る画像処理システムの概略構成は、図１に示す第１の実施形態に係る画像処理システム１００と同様である。また、第３の実施形態に係る画像処理装置１１０の機能構成は、図２に示す第１の実施形態に係る画像処理装置１１０−１の機能構成と基本的には同様である。ただし、正常構造推定部２２２の処理が異なるため、ここでは、第３の実施形態に係る画像処理装置１１０を「画像処理装置１１０−３」とする。
【０１１０】
また、本実施形態の画像処理装置１１０−３は、第１の実施形態に係る画像処理装置１１０−１等と同様に、眼部の断層画像から、網膜色素上皮層境界などの層境界を検出する。そして、画像処理装置１１０−３は、第１の実施形態に係る画像処理装置１１０−１と同様に、例えば、加齢黄斑変性等の疾病により層の形状が凹凸に変形するという特徴に基づいて、当該網膜色素上皮層等の正常構造を推定し、疾病の定量化を行うものである。ただし、本実施形態に係る画像処理装置１１０−３は、眼部の断層画像から検出した網膜色素上皮層境界の形状が、正常構造を表す１つの多項式に係る関数と、病変によるｎ個の上に凸のガウス関数の混合分布であると仮定して、正常構造を推定する。これは、下からの隆起によって発生した層の凹凸をガウス関数で近似し、それ以外の大局的な形状を多項式で推定するためである。
【０１１１】
本実施形態における図２の正常構造推定部２２２は、検出された座標点群に関数のあてはめを行う際、層境界の形状が、正常構造を表す２次関数と、ｎ個のガウス関数の混合分布であると仮定する。そして、本実施形態における正常構造推定部２２２は、これらの混合分布を推定することで、形状が凹凸に変形した層の正常構造を推定する。この例を図１３に示す。
【０１１２】
図１３は、本発明の第３の実施形態を示し、断層画像に含まれる層の正常構造の推定を説明するための模式図である。具体的に、図１３（ａ）の１３００は、加齢黄斑変性における網膜色素上皮層境界の形状例を示している。また、図１３（ｂ）の１３０１及び１３０２は、それぞれ、図１３（ａ）の網膜色素上皮層境界１３００から求められる多項式、及び、ガウス関数の例を示している。
【０１１３】
２次関数とガウス関数の混合分布は、ＥＭアルゴリズムを用いて解を求めることができる。この際、混合分布は、多項式と複数のガウス関数とを組み合わせた確率モデルで、多項式とガウス関数の確率に重みをつけて加算したものである。
【０１１４】
本実施形態における正常構造推定部２２２は、２次関数のパラメータ（ａ、ｂ、ｃ）とガウス関数のパラメータ（平均、分散共分散行列）と、２次関数とガウス関数との混合率を、ＥＭアルゴリズムを用いて推定する。この際、ｎ個のガウス関数の設定は、多項式と検出した層境界との差異の符号において、負のピークの数に応じてｎを設定してもよいし、あるいは、１〜Ｎの間でｎを順番に増やしていき、評価値が最大になる数ｎを設定するようにしてもよい。
【０１１５】
また、ＥＭアルゴリズムは、初期値としてパラメータを仮に設定し、Ｅｓｔｅｐにおいてパラメータの妥当性を判断し、Ｍｓｔｅｐにおいて、妥当性が向上するようにパラメータを選択するものである。本例では、これらのＥｓｔｅｐとＭｓｔｅｐを繰り返し計算して、収束した時点のパラメータを選択する。ここで、妥当性は、現時点での尤度で判断し、パラメータの選択は、現時点での尤度より大きくなるパラメータを選択する。
【０１１６】
本実施形態では、ｎ個の上に凸のガウス関数を、滑らかな１つの２次関数に混合しているとしている。これは、下からの隆起によって発生した層の凹凸を前者のガウス関数で近似し、それ以外の大局的な形状を２次関数で推定するためである。なお、ここでは、入力した３次元断層画像を２次元断層画像（Ｂ−ｓｃａｎ画像）の集合と考え、それぞれの２次元断層画像に対して正常構造を推定する方法を示している。しかしながら、正常構造の推定方法は、これに限定されるものではなく、３次元の断層画像に対して処理を行ってもよい。また、正常構造を近似する形状は、２次関数に限定されるものではなく、他の次数の関数を用いて推定してもよい。さらに、正常構造を推定する層の境界は、網膜色素上皮層に限定されるものではなく、疾病により形状が凹凸に変化する層であれば、いずれの層並びに層境界を推定してもよい。
【０１１７】
（その他の実施形態）
前述した本発明の各実施形態に係る画像処理装置１１０を構成する図２及び図１０の各構成部、並びに、図４及び図１１の各ステップは、ＣＰＵ１１１が磁気ディスク１１３に記憶されている制御プログラムを実行することによって実現できる。この制御プログラム及び当該制御プログラムを記憶したコンピュータ読み取り可能な記録媒体（実施形態では磁気ディスク１１３）は本発明に含まれる。
【０１１８】
また、本発明は、例えば、システム、装置、方法、プログラム若しくは記憶媒体等としての実施形態も可能であり、具体的には、複数の機器から構成されるシステムに適用してもよいし、また、１つの機器からなる装置に適用してもよい。
【０１１９】
なお、本発明は、前述した各実施形態の機能を実現するソフトウェアのプログラム（実施形態では図４及び図１１に示すフローチャートに対応したプログラム）を、システム或いは装置に直接、或いは遠隔から供給するものを含む。そして、そのシステム或いは装置のコンピュータが前記供給されたプログラムコードを読み出して実行することによっても達成される場合も本発明に含まれる。
【０１２０】
したがって、本発明の機能処理をコンピュータで実現するために、前記コンピュータにインストールされるプログラムコード自体も本発明を実現するものである。つまり、本発明は、本発明の機能処理を実現するためのコンピュータプログラム自体も含まれる。
【０１２１】
その場合、プログラムの機能を有していれば、オブジェクトコード、インタプリタにより実行されるプログラム、ＯＳに供給するスクリプトデータ等の形態であってもよい。
【０１２２】
プログラムを供給するための記録媒体としては、例えば、フレキシブルディスク、ハードディスク、光ディスク、光磁気ディスク、ＭＯ、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、ＣＤ−ＲＷなどがある。また、磁気テープ、不揮発性のメモリカード、ＲＯＭ、ＤＶＤ（ＤＶＤ−ＲＯＭ，ＤＶＤ−Ｒ）などもある。
【０１２３】
その他、プログラムの供給方法としては、クライアントコンピュータのブラウザを用いてインターネットのホームページに接続する。そして、前記ホームページから本発明のコンピュータプログラムそのもの、若しくは圧縮され自動インストール機能を含むファイルをハードディスク等の記録媒体にダウンロードすることによっても供給できる。
【０１２４】
また、本発明のプログラムを構成するプログラムコードを複数のファイルに分割し、それぞれのファイルを異なるホームページからダウンロードすることによっても実現可能である。つまり、本発明の機能処理をコンピュータで実現するためのプログラムファイルを複数のユーザに対してダウンロードさせるＷＷＷサーバも、本発明に含まれるものである。
【０１２５】
また、本発明のプログラムを暗号化してＣＤ−ＲＯＭ等の記憶媒体に格納してユーザに配布し、所定の条件をクリアしたユーザに対し、インターネットを介してホームページから暗号化を解く鍵情報をダウンロードさせる。そして、ダウンロードした鍵情報を使用することにより暗号化されたプログラムを実行してコンピュータにインストールさせて実現することも可能である。
【０１２６】
また、コンピュータが、読み出したプログラムを実行することによって、前述した実施形態の機能が実現される。その他、そのプログラムの指示に基づき、コンピュータ上で稼動しているＯＳなどが、実際の処理の一部又は全部を行い、その処理によっても前述した実施形態の機能が実現され得る。
【０１２７】
さらに、記録媒体から読み出されたプログラムが、コンピュータに挿入された機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わるメモリに書き込まれる。その後、そのプログラムの指示に基づき、その機能拡張ボードや機能拡張ユニットに備わるＣＰＵなどが実際の処理の一部又は全部を行い、その処理によっても前述した実施形態の機能が実現される。
【０１２８】
なお、前述した各実施形態は、何れも本発明を実施するにあたっての具体化の例を示したものに過ぎず、これらによって本発明の技術的範囲が限定的に解釈されてはならないものである。即ち、本発明はその技術思想、又はその主要な特徴から逸脱することなく、様々な形で実施することができる。
【符号の説明】
【０１２９】
１１０−１ 画像処理装置
２１０ 画像取得部
２２０ 画像処理部
２２１ 層検出部
２２２ 正常構造推定部
２２３ 定量化部
２３０ 記憶部
２３１ 画像記憶部
２３２ データ記憶部
２４０ 表示部
【技術分野】
【０００１】
本発明は、被写体の断層画像の処理を行う画像処理装置及びその制御方法、制御方法をコンピュータに実行させるためのプログラム、並びに、当該プログラムを記憶したコンピュータ読み取り可能な記憶媒体に関するものである。
【背景技術】
【０００２】
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、従来、被写体として眼部の撮影による検査が広く行われている。例えば光干渉断層計（Ｏｐｔｉｃａｌ Ｃｏｈｅｒｅｎｃｅ Ｔｏｍｏｇｒａｐｈｙ：以下「ＯＣＴ」と称する）などを用いた眼部の断層画像取得装置は、眼部の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。このため、この断層画像取得装置は、疾病の診断をより的確に行うために有用であると期待されている。
【０００３】
ＯＣＴを用いて得られた眼部の断層像（断層画像）において、眼部における神経線維層などの網膜の各層の厚みや網膜層全体の厚みを計測できれば、緑内障、加齢黄斑変性、黄斑浮腫などの疾病の進行度や治療後の回復具合を定量的に診断することが可能となる。従来、これらの層の厚みを計測するためには、３次元的に撮像される断層画像から注目断面を切り出した２次元断層画像（Ｂ−ｓｃａｎ画像）上において、医師や技師が手動で網膜の各層の境界を指定する必要があった。また、層の厚みの３次元的な分布を得るためには、３次元断層画像を幾つかの２次元断層画像の集合と捉えて、それぞれの２次元断層画像上において注目する層の境界を指定する必要があった。
【０００４】
しかしながら、層の境界を手動で指定する作業は、医師や技師の作業者にとって負担の掛かるものであった。また、層の境界を手動で指定する作業は、その作業者や作業日時の相違に起因するばらつきが発生するため、期待する精度で定量化を行うことが難しかった。この作業者の負担や作業におけるばらつきの軽減を目的として、コンピュータが断層画像から網膜の各層の境界を検出して、各層の厚みを計測する技術が提案されている（例えば、下記の特許文献１及び特許文献２参照）。
【０００５】
また、加齢黄斑変性のような疾病においては、病状に応じて網膜色素上皮層の形状が凹凸に変形する。そのため、その変形の度合いを定量化することが病状の把握に有効である。
【０００６】
図１４は、一般的な網膜の層構造の一例を示す模式図である。
ここで、図１４（ａ）には、正常眼における網膜の層構造の一例が示されており、また、図１４（ｂ）には、加齢黄斑変性における網膜の層構造の一例が示されている。図１４（ａ）に示す正常眼における網膜色素上皮層１４００ａは、滑らかなカーブを有する構造を成している。一方、図１４（ｂ）に示す加齢黄斑変性における網膜色素上皮層１４００ｂは、その領域の一部が上下に波打った形状となっている。なお、ＯＣＴによる眼部の断層画像は、３次元的に得られるものであるが、図１４では説明を簡単にするために、その一断面を２次元的に表している。また、網膜色素上皮層は、厚みの少ない層なので、図１４では一本の線で表している。
【０００７】
以下の説明においては、網膜色素上皮層と、その上部或いは下部の層との境界を、「網膜色素上皮層境界」、または、単に「層境界」と称する。また、疾病になる前の正常時であれば同層境界が存在したであろう境界の推定位置を、「網膜色素上皮層境界の正常構造」、または、単に「正常構造」と称する。また、ＯＣＴを用いた加齢黄斑変性の診断方法として、図１４（ｂ）に示す画像に基づいて、断層画像上で観察可能な現実の網膜色素上皮層境界（図１４（ｃ）の１４０１）と、同断層画像上におけるその正常構造（図１４（ｃ）の１４０２）とを得る。そして、断層画像上で観察可能な現実の網膜色素上皮層境界（１４０１）と、同断層画像上におけるその正常構造（１４０２）との差異部分（図１４（ｃ）の斜線部分）の面積や体積などによって病気の状態を定量化することが行われている。
【０００８】
しかしながら、この作業も、従来は、医師や技師の手作業によって行われることが多く、その負担やその結果のばらつきが課題となっている。そのため、断層画像からの網膜色素上皮層境界の検出と、その正常構造の推定を自動化することが求められている。
【０００９】
上述した網膜色素上皮層境界の検出は、特許文献１や特許文献２に開示されている技術によって行うことができる。一方、その正常構造は、断層画像上の画像特徴としては観測できないので、特許文献１や特許文献２の技術では推定することができない。そこで、従来、２次元断層画像（Ｂ−ｓｃａｎ画像）から検出した網膜色素上皮層境界に対して二乗誤差が最小となるようにあてはめた楕円曲線を、その正常構造として用いることがしばしばなされている。
【先行技術文献】
【特許文献】
【００１０】
【特許文献１】特開２００８−７３０９９号公報
【特許文献２】特開２００７−３２５８３１号公報
【発明の概要】
【発明が解決しようとする課題】
【００１１】
しかしながら、上述した、従来の最小二乗法による楕円曲線のあてはめによって推定した正常構造は、実際の正常構造とはかけ離れている場合が多い。そのため、検出した層境界との差異に基づく面積を求めたとしても、病状を定量化する尺度として用いるのには、信頼性が不十分な場合があった。
【００１２】
本発明は、このような問題点に鑑みてなされたものであり、被写体を構成する層の正常構造を精度良く推定する仕組みを提供することを目的とする。
【課題を解決するための手段】
【００１３】
本発明の画像処理装置は、被写体の断層画像を取得する画像取得手段と、前記断層画像から前記被写体を構成する層を検出する層検出手段と、前記層検出手段で検出された層と、当該層の病変によって変形する特徴とに基づいて、当該層の正常構造を推定する推定手段とを有する。
【００１４】
本発明の画像処理装置の制御方法は、被写体の断層画像の処理を行う画像処理装置の制御方法であって、前記被写体の断層画像を取得する画像取得ステップと、前記断層画像から前記被写体を構成する層を検出する層検出ステップと、前記層検出ステップで検出された層と、当該層の病変によって変形する特徴とに基づいて、当該層の正常構造を推定する推定ステップとを有する。
【００１５】
本発明のプログラムは、被写体の断層画像の処理を行う画像処理装置の制御方法をコンピュータに実行させるためのプログラムであって、前記被写体の断層画像を取得する画像取得ステップと、前記断層画像から前記被写体を構成する層を検出する層検出ステップと、前記層検出ステップで検出された層と、当該層の病変によって変形する特徴とに基づいて、当該層の正常構造を推定する推定ステップとをコンピュータに実行させるためのものである。
【００１６】
本発明のコンピュータ読み取り可能な記憶媒体は、前記プログラムを記憶する。
【発明の効果】
【００１７】
本発明によれば、被写体を構成する層の正常構造を精度良く推定することができる。これにより、被写体における疾病の進行度や治療後の回復具合等を定量化することが可能となる。
【図面の簡単な説明】
【００１８】
【図１】本発明の第１の実施形態に係る画像処理システムの概略構成（ハードウェア構成）の一例を示す模式図である。
【図２】本発明の第１の実施形態に係る画像処理装置の機能構成の一例を示す模式図である。
【図３】図２に示す画像処理部に入力される断層画像の一例を示す模式図である。
【図４】本発明の第１の実施形態に係る画像処理装置の制御方法の処理手順の一例を示すフローチャートである。
【図５】本発明の第１の実施形態を示し、断層画像に含まれる層の正常構造の推定を説明するための模式図である。
【図６】本発明の第１の実施形態を示し、断層画像に含まれる層の正常構造の推定する際に利用する重み関数の一例を示す模式図である。
【図７】本発明の第１の実施形態を示し、断層画像の平面化処理を説明するための模式図である。
【図８】本発明の第１の実施形態を示し、図１に示す画像処理装置によって得られた画像処理結果の表示例を示す模式図である。
【図９】本発明の第２の実施形態に係る画像処理システムの概略構成（ハードウェア構成）の一例を示す模式図である。
【図１０】本発明の第２の実施形態に係る画像処理装置の機能構成の一例を示す模式図である。
【図１１】本発明の第２の実施形態に係る画像処理装置の制御方法の処理手順の一例を示すフローチャートである。
【図１２】本発明の第２の実施形態を示し、断層画像に含まれる層の境界の表示例を示す模式図である。
【図１３】本発明の第３の実施形態を示し、断層画像に含まれる層の正常構造の推定を説明するための模式図である。
【図１４】一般的な網膜の層構造の一例を示す模式図である。
【発明を実施するための形態】
【００１９】
以下に、図面を参照しながら、本発明を実施するための形態（実施形態）について説明する。なお、以下に示す実施形態は、一例に過ぎず、本発明は、図示された構成等に限定されるものではない。
【００２０】
（第１の実施形態）
まず、本発明の第１の実施形態について説明する。
図１は、本発明の第１の実施形態に係る画像処理システム１００の概略構成（ハードウェア構成）の一例を示す模式図である。
【００２１】
図１に示すように、本実施形態に係る画像処理システム１００は、画像処理装置１１０と、断層画像撮像装置１２０と、ローカルエリアネットワーク（ＬＡＮ）１３０を有して構成されている。ここで、以下の説明においては、図１に示す画像処理装置１１０を、「画像処理装置１１０−１」とする。即ち、図１に示す画像処理システム１００は、画像処理装置１１０−１が、ＬＡＮ１３０を介して、断層画像撮像装置１２０に接続される構成となっている。
【００２２】
本実施形態に係る画像処理装置１１０−１は、例えば、断層画像撮像装置１２０で撮像された被写体（本例では眼部）の断層画像から、眼部を構成する網膜色素上皮層境界などの層境界を検出する。そして、画像処理装置１１０−１は、例えば、加齢黄斑変性等の疾病によって層の形状が凹凸に変形するという特徴に基づいて、当該網膜色素上皮層等の正常構造を推定し、疾病の定量化を行うものである。なお、本実施形態では、被写体の一例として、眼部を適用する例を示すが、本発明においては、これに限定されるものではなく、断層画像として撮像対象になるものであれば適用可能である。
【００２３】
この画像処理装置１１０−１は、図１に示すように、中央処理装置（ＣＰＵ）１１１、主メモリ１１２、磁気ディスク１１３、表示メモリ１１４、モニタ１１５、マウス１１６、キーボード１１７、及び、共通バス１１８を有して構成されている。また、磁気ディスク１１３の内部には、制御プログラム１１３１が格納されている。
【００２４】
ＣＰＵ１１１は、主として、画像処理装置１１０−１の各構成要素の動作を制御して、画像処理装置１１０−１の動作を統括的に制御する。
【００２５】
主メモリ１１２は、例えばＣＰＵ１１１が処理の実行に際して磁気ディスク１１３からロードした制御プログラム１１３１を格納したり、ＣＰＵ１１１による制御プログラム１１３１の実行時の作業領域となったりする。
【００２６】
磁気ディスク１１３は、オペレーティングシステム（ＯＳ）や、周辺機器のデバイスドライバ、制御プログラム１１３１等を記憶（格納）する。また、磁気ディスク１１３には、必要に応じて、ＣＰＵ１１１が制御プログラム１１３１を用いた処理を行う際に必要な各種の情報やデータ、更には、ＣＰＵ１１１による制御プログラム１１３１を用いた処理によって得られた各種の情報やデータが記憶される。ここで、ＣＰＵ１１１は、磁気ディスク１１３に格納されている制御プログラム１１３１を実行することにより、画像処理装置１１０−１で行う各種の動作を統括的に制御する。
【００２７】
表示メモリ１１４は、モニタ１１５に表示するための表示用データを一時記憶する。
【００２８】
モニタ１１５は、例えばＣＲＴモニタや液晶モニタ等で構成されており、ＣＰＵ１１１の制御に従って、表示メモリ１１４の表示用データに基づく画像等を表示する。
【００２９】
マウス１１６及びキーボード１１７は、それぞれ、ユーザによるポインティング入力及び文字等の入力を行うためのものである。
【００３０】
共通バス１１８は、画像処理装置１１０−１の内部の各構成要素を相互に通信可能に接続するとともに、当該画像処理装置１１０−１の内部構成要素とＬＡＮ１３０及び断層画像撮像装置１２０とを通信可能に接続する。
【００３１】
断層画像撮像装置１２０は、例えば眼部等の断層画像を撮像する装置であり、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を備えて構成されている。断層画像撮像装置１２０は、ユーザ（技師や医師）による操作に応じて、不図示の被検者（患者）の眼部等の断層画像を３次元的に撮像する。そして、断層画像撮像装置１２０は、得られた断層画像を画像処理装置１１０−１へ出力する。
【００３２】
ＬＡＮ１３０は、必要に応じて、画像処理装置１１０−１と、断層画像撮像装置１２０とを通信可能に接続するものである。このＬＡＮ１３０は、例えば、イーサネット（登録商標）等で構成されている。なお、画像処理装置１１０−１と断層画像撮像装置１２０との接続は、ＬＡＮ１３０によらずに、例えば、ＵＳＢやＩＥＥＥ１３９４等のインターフェイスを介して直接接続する形態であってもよい。
【００３３】
次に、図１に示す画像処理装置１１０−１の機能構成について説明を行う。
図２は、本発明の第１の実施形態に係る画像処理装置１１０−１の機能構成の一例を示す模式図である。
【００３４】
図２に示すように、画像処理装置１１０−１は、画像取得部２１０、画像処理部２２０、記憶部２３０、及び、表示部２４０の各機能構成を有して構成されている。
【００３５】
ここで、本実施形態においては、例えば、図１に示すＣＰＵ１１１が磁気ディスク１１３に記憶されている制御プログラム１１３１を実行することにより、図２に示す画像取得部２１０及び画像処理部２２０が構成される。また、例えば、図１に示すＣＰＵ１１１及び制御プログラム１１３１、並びに、主メモリ１１２、磁気ディスク１１３、或いは、表示メモリ１１４から、図２に示す記憶部２３０が構成される。さらに、例えば、図１に示す図１に示すＣＰＵ１１１及び制御プログラム１１３１、並びに、モニタ１１５から、表示部２４０が構成される。
【００３６】
画像取得部２１０は、断層画像撮像装置１２０に対して被写体である眼部の断層画像の送信を要求し、断層画像撮像装置１２０から送信される眼部の断層画像を受信して取得する処理を行う。そして、画像取得部２１０は、取得した断層画像を画像処理部２２０及び記憶部２３０に送る。
【００３７】
画像処理部２２０は、画像取得部２１０から送られた断層画像の処理を行うものであり、図２に示すように、層検出部２２１、正常構造推定部２２２、及び、定量化部２２３を有して構成されている。ここで、図３を用いて、画像処理部２２０で行う画像処理について説明を行う。
【００３８】
図３は、図２に示す画像処理部２２０に入力される断層画像の一例を示す模式図である。具体的に、図３には、図１４と同様に、眼部における網膜の層構造の一例が示されている。なお、以下の説明では、眼底の深度方向をｚ座標の正方向と定義し、ｚ座標と直交する方向にｘｙ平面を定義する。
【００３９】
層検出部２２１は、入力された断層画像から、眼部を構成する、内境界膜の層境界（図３のＢ１）と、網膜色素上皮層境界（図３のＢ２１）をそれぞれ検出する。この層検出部２２１が行う具体的な処理の内容については、後述する。
【００４０】
正常構造推定部２２２は、層検出部２２１で検出された網膜色素上皮層境界（図３のＢ２１）と、当該網膜色素上皮層の病変によって変形する特徴とに基づいて、その正常構造（図３のＢ２２）を推定する処理を行う。なお、図３では、層検出部２２１が検出した層の境界（Ｂ１及びＢ２１）は実線で示し、正常構造推定部２２２が推定した層の境界（Ｂ２１）は点線で示している。この正常構造推定部２２２が行う具体的な処理の内容については、後述する。
【００４１】
定量化部２２３は、層検出部２２１による検出結果から、層Ｌ１の層厚Ｔ１、その面積及び体積を算出する処理を行う。また、定量化部２２３は、層検出部２２１で検出された網膜色素上皮層境界（図３のＢ２１）と、正常構造推定部２２２で推定されたその正常構造（図３のＢ２２）に基づいて、当該網膜色素上皮層の状態（具体的には、当該網膜色素上皮層の乱れ）を定量化する。この定量化部２２３が行う具体的な処理の内容については、後述する。
【００４２】
次に、図２の記憶部２３０について説明する。
記憶部２３０は、図２に示すように、画像記憶部２３１と、データ記憶部２３２を有して構成されている。
【００４３】
画像記憶部２３１は、画像取得部２１０で取得した断層画像（更には必要に応じて画像処理部２２０で画像処理した断層画像）等を記憶する。
【００４４】
データ記憶部２３２は、画像処理部２２０で利用する関数やパラメータのデータを記憶している。具体的に、データ記憶部２３２は、正常構造推定部２２２が網膜色素上皮層の正常構造を推定する際に利用する関数や、層検出部２２１が断層画像から層の境界を求める際に利用する各種のパラメータのデータなどを記憶している。
【００４５】
さらに、データ記憶部２３２は、画像記憶部２３１に記憶されている各種の断層画像と、画像処理部２２０で処理した各種の処理結果の情報を関連付けて、これを患者データとして保存する。本例では、記憶部２３０は、例えば磁気ディスク１１３等を含み構成されるため、磁気ディスク１１３等に、各種の断層画像と、画像処理部２２０で処理した各種の処理結果の情報とが関連付けられて、記憶される。
【００４６】
具体的に、記憶部２３０は、画像取得部２１０で取得した断層画像データ、層検出部２２１で検出した層の境界データ、正常構造推定部２２２で推定した正常構造データ、定量化部２２３で定量化した数値データを関連付けて保存する。また、記憶部２３０（データ記憶部２３２）に保存されている各種のデータは、ＬＡＮ１３０により接続された不図示の外部サーバに保存してもよく、この場合、記憶部２３０に保存されている各種のデータは、当該外部サーバへと送信される。
【００４７】
次に、表示部２４０について説明する。
表示部２４０は、画像取得部２１０により得られた断層画像、層検出部２２１や正常構造推定部２２２により得られた層の境界や、定量化部２２３により定量化された各種の定量結果を表示する。
【００４８】
次に、図４を参照して、本実施形態の画像処理装置１１０−１により実行される、具体的な処理手順を説明する。
図４は、本発明の第１の実施形態に係る画像処理装置１１０−１の制御方法の処理手順の一例を示すフローチャートである。
【００４９】
＜ステップＳ１０１＞
まず、ステップＳ１０１において、画像取得部２１０は、断層画像撮像装置１２０に対して、被写体である眼部の断層画像の送信を要求し、断層画像撮像装置１２０から送信される眼部の断層画像を取得する。そして、画像取得部２１０は、断層画像撮像装置１２０から取得した断層画像を、画像処理部２２０及び記憶部２３０（画像記憶部２３１）に入力する。
【００５０】
＜ステップＳ１０２＞
続いて、ステップＳ１０２において、層検出部２２１は、ステップＳ１０１で取得された断層画像から、被写体である眼部を構成する所定の層の境界を検出する処理を行う。
【００５１】
以下、層検出部２２１による層の境界検出の具体的な処理方法を説明する。
本例では、入力した３次元断層画像を２次元断層画像（Ｂ−ｓｃａｎ画像）の集合と考え、それぞれの２次元断層画像に対して以下に示す２次元画像処理を実行する。
【００５２】
まず、層検出部２２１は、注目する２次元断層画像に対して平滑化フィルタ処理を行い、ノイズ成分を除去する。そして、層検出部２２１は、エッジ検出フィルタ処理を行い、断層画像からエッジ成分を検出し、層の境界に相当するエッジを各層において抽出する。例えば、層検出部２２１は、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とする。さらに、例えば、層検出部２２１は、眼底の深度方向にエッジを探索し、最後のピーク位置を網膜色素上皮層境界とする。以上の処理によって、層の境界を検出することができる。
【００５３】
他に、層の境界検出方法として、Ｓｎａｋｅｓやレベルセット法のような動的輪郭法を適用して検出してもよい。ここで、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、これにより、層の境界を検出することができる。
【００５４】
その他に、層の境界検出方法として、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。この場合、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。そして、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により、層の境界を検出することができる。
【００５５】
なお、動的輪郭法やＧｒａｐｈＣｕｔを用いた境界検出法は、３次元断層画像を対象として３次元的に行ってもよいし、入力した３次元断層画像を２次元断層画像の集合と考え、それぞれの２次元断層画像に対して２次元的に適用してもよい。また、層の境界を検出するために、画像特徴量のみだけではなく、確率アトラスや統計アトラスのように事前知識を利用して検出するようにしてもよい。なお、層の境界を検出する方法は、これらの方法に限定されるものではなく、眼部の断層画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。
【００５６】
＜ステップＳ１０３＞
続いて、ステップＳ１０３において、正常構造推定部２２２は、ステップＳ１０２で検出された所定の層の境界（本例では、網膜色素上皮層境界）と、当該層の病変によって変形する特徴とに基づいて、その正常構造を推定する処理を行う。
【００５７】
以下、正常構造推定部２２２による網膜色素上皮層の正常構造を推定する具体的な処理方法について、図５を用いて説明する。
図５は、本発明の第１の実施形態を示し、断層画像に含まれる層の正常構造の推定を説明するための模式図である。
【００５８】
図５に示す断層画像には、図３と同様に、層Ｌ１、層境界Ｂ１、層境界Ｂ２１と推定した層境界Ｂ２２が示されている。また、図５中の符号ｄ１及びｄ２は、それぞれ、層境界Ｂ２１の座標（ｘ1、ｚ1）、（ｘ2、ｚ2）と、推定した層境界Ｂ２２の座標（ｘ1、ｚ1'）、（ｘ2、ｚ2'）との差異を示している。図５において、座標ｘ1では、検出した層境界Ｂ２１は、推定した層境界Ｂ２２よりも網膜色素上皮層の深部に位置し、座標ｘ2では、検出した層境界Ｂ２１は、推定した層境界Ｂ２２よりも網膜色素上皮層の表面部に位置している。
【００５９】
正常構造推定部２２２による正常構造の推定は、検出外れ値を除き、層検出部２２１の検出結果である層境界Ｂ２１が正常構造Ｂ２２の下に出ることがないように行う。これは、加齢黄斑変性による網膜色素上皮層の変形は、その下部に発生した新生血管によって生じるものであり、変形した層境界の位置は、正常時の上側に位置するという知見に基づいている。
【００６０】
ここで、正常構造の推定を行う具体的方法として、入力した３次元断層画像を２次元断層画像（Ｂ−ｓｃａｎ画像）の集合と考え、それぞれの２次元断層画像に対して正常構造の推定を行う場合について説明する。また、ここで用いる手法は、注目する２次元断層画像内で検出されている層境界を表す座標点群に２次関数をあてはめて、正常構造を推定するというものである。この場合、正常構造は、それぞれの２次元断層画像内において、２次曲線を表す関数で近似される。
【００６１】
この手法の要点は、検出された座標点群に関数のあてはめを行う際に、点群と関数との差異の距離に応じた重みを与えるだけではなく、差異の符号に応じて使用する重みを変更することにある。例えば、正常構造推定部２２２は、以下の（１）式に基づいて、使用する重み関数の選択を行う。
【００６２】
【数１】
【００６３】
ここで、（１）式において、ｚiは座標ｘiにおいて検出した層境界のｚ座標、ｚi'は座標ｘiにおける推定した正常構造のｚ座標である。εiはｚiとｚi'の差異である。ａ、ｂ、ｃは推定する関数のパラメータである。ρ１、ρ２は重み関数であり、ρ１、ρ２はｘ＝０で唯一の最小値を持つ正定値偶関数である。（１）式で示すように、εiの符号に応じて重み関数を選択する。
【００６４】
図５中の符号ｄ１及びｄ２の場合、差異の大きさは同じだとしても、差異の符号が異なる（ε1は正、ε2は負となる）ため、使用する重み関数は異なる。図５の場合では、符号ｄ１で用いる重み関数はρ１、符号ｄ２で用いる重み関数はρ２となる。また、εi≦０の関係が成り立つように正常構造を推定するのが望ましいので、ｚがｚ'よりも網膜の深部に位置する場合の重みが大きくなるように、重み関数を設定しておく。言い換えると、差異εiにおいて、ρ１（εi）≧ρ２（−εi）となるように、重み関数ρ１及びρ２を定義しておく。また、重み関数の選択は、上記の条件（即ち、眼部を構成する層（本例では網膜色素上皮層）の病変によって変形する特徴に基づく条件）を満たしていれば、どのような関数を用いてもよい。
【００６５】
次に、近似関数を求めるための評価式の例を以下の（２）式に示す。
【００６６】
【数２】
【００６７】
（２）式において、ρ（εi）はεiの符号に応じて選択された重み関数（すなわち、ρ１またはρ２）である。
図６は、本発明の第１の実施形態を示し、断層画像に含まれる層の正常構造の推定する際に利用する重み関数の一例を示す模式図である。
【００６８】
図６（ａ）、図６（ｂ）及び図６（ｃ）において、差異εiを横軸にとり、これをｘとし、縦軸が重み関数ρ（ｘ）とする。断層画像に含まれる層の正常構造の推定する際に利用する重み関数は、図６に示したものが全てではなく、どのような関数を設定してもよい。また、ρ（ｘ）によって実際にどれほどの重みが与えられているかを確認するためには、ρ（ｘ）の微分を取ればよい。本例では、正常構造推定部２２２は、上記の（２）式において、評価値Ｍが最小になるように関数を推定する。
【００６９】
このように、誤差の符号に応じて適切な重み関数を選択することで、図３で示すように、層検出部２２１で検出した層境界Ｂ２１が、正常構造推定部２２２で推定した正常構造Ｂ２２の下側にはみ出してしまうことを抑制できる。そして、その結果として、正常構造の推定を精度よく行うことが可能となる。
【００７０】
なお、ここでは、入力した３次元断層画像を２次元断層画像（Ｂ−ｓｃａｎ画像）の集合と考え、それぞれの２次元断層画像に対して正常構造を推定する方法について説明を行った。しかしながら、正常構造の推定方法は、この方法に限定されるものではなく、例えば、３次元断層画像に対して処理を行ってもよい。この場合、ステップＳ１０２で検出した層境界の３次元的な座標点群に、上記と同様な重み関数の選択基準を用いて楕円体あてはめを行えばよい。なお、正常構造を近似する形状は、２次の関数に限定されるものではなく、他の次数の関数を用いて推定してもよい。
【００７１】
＜ステップＳ１０４＞
ここで、再び、図４の説明に戻る。
続いて、ステップＳ１０４において、定量化部２２３は、各種の定量化処理を行う。
まず、定量化部２２３は、ステップＳ１０２において層検出部２２１が検出した層の境界に基づいて、図３に示す、層Ｌ１の層厚Ｔ１、その層の面積及び体積を算出する処理を行う。ここで層厚Ｔ１は、ｘｙ平面上の各座標点で、層境界Ｂ１と層境界Ｂ２１のｚ座標の差の絶対値を求めることで計算できる。また、層Ｌ１の面積は、それぞれのｙ座標ごとにｘ軸方向の各座標点での層厚を加算することによって計算できる。また、層Ｌ１の体積は、求めた面積をｙ軸方向に加算することで計算できる。
【００７２】
さらに、定量化部２２３は、ステップＳ１０２で層検出部２２１が検出した網膜色素上皮層境界Ｂ２１と、ステップＳ１０３で正常構造推定部２２２が推定したその正常構造Ｂ２２に基づいて、ステップＳ１０２で検出された網膜色素上皮層の乱れを定量化する。
【００７３】
具体的には、ｘｙ平面上の各座標点におけるＢ２１の構造とＢ２２の構造との差異Ｔ２（図３）を、両者のｚ座標の差として算出する。そして、求めた差異Ｔ２をｘ軸方向に加算することで差異のなす面積をｙ座標ごとに求め、さらに、求めた面積をｙ軸方向に加算することで差異のなす体積を算出する。なお、網膜色素上皮層の乱れを表す特徴量は、Ｂ２１とＢ２２の差異を定量化するものであれば、いずれのものであってもよい。例えば、求めた差異Ｔ２の最大値、中央値、分散、平均、標準偏差、閾値以上の点の数やその割合などを求め、これを用いてもよい。さらには、Ｂ２１とＢ２２のなす領域の濃度特徴として、平均濃度値、濃度分散値、コントラストなどを求めてもよい。
【００７４】
また、定量化部２２３による定量化の方法として、定量化時に層の境界を平面に変換して、それを基準位置として定量化をしてもよい。その例を図７に示す。
図７は、本発明の第１の実施形態を示し、断層画像の平面化処理を説明するための模式図である。具体的に、図７は、図３における層の境界を、網膜層の一番深部の境界Ｂ２２（例えば、網膜色素上皮層境界）を平面に変換し、他の層もその変形に合わせて変換した例を示したものである。
【００７５】
さらに、定量化部２２３は、過去に定量化した層厚、面積、体積や形状特徴、濃度特徴などがある場合には、過去の定量化データとの比較を行う。以下に、過去の定量化データとの比較方法の例について説明する。
【００７６】
この場合、まず、定量化部２２３は、過去と現在の断層画像の位置合わせを行う。この際、断層画像の位置合わせには、剛体アフィン変形や、非線形変形のＦＦＤ（Ｆｒｅｅ ｆｏｒｍ ｄｅｆｏｒａｍａｔｉｏｎ）などの公知の手法を用いることができる。そして、過去に撮影された断層画像と現在の断層画像との位置の対応が取れているならば、任意の断面での層厚、面積などの比較や、任意の領域の体積などを比較することができる。
【００７７】
ここでは、過去と現在の断層画像の位置合わせをしてから、各種のデータを比較する例を示したが、例えば断層画像撮像装置１２０に追尾機能などが搭載されており、画像撮影時に前回と同じ位置を撮影できるのであれば、位置合わせを行う必要はない。さらには、位置合わせを行わずに、単純にＢ−ｓｃａｎ画像のスライス番号同士での比較や、３Ｄで比較をしてもよい。
【００７８】
なお、定量化部２２３では、上述した数値データの少なくとも１つを求めればよく、定量化するデータは、任意に設定できるものとする。もしも、１つも求めることができなければ、次のステップＳ１０５において、定量化できない旨を表示部２４０に表示してもよい。
【００７９】
＜ステップＳ１０５＞
ここで、再び、図４の説明に戻る。
続いて、ステップＳ１０５において、表示部２４０は、断層画像と、断層画像の層と層の境界を検出した結果と、正常構造を推定した結果と、断層画像の層に関して定量化した結果を表示する処理を行う。本例では、表示部２４０は、例えばモニタ１１５を含み構成されるため、ステップＳ１０５の処理では、モニタ１１５上に各種のデータが表示される。ここで、過去のデータがある場合には、過去データと比較して表示するようにしてもよい。
【００８０】
図８は、本発明の第１の実施形態を示し、図１に示す画像処理装置１１０−１によって得られた画像処理結果の表示例を示す模式図である。図８に示す例では、モニタ１１５の上部に、画像処理部２２０で検出した層と層の境界や推定した正常構造に係る断層画像８０１を表示し、モニタ１１５の下部に、断層画像８０１の解析結果として網膜層厚のグラフ８０２を表示している。
【００８１】
なお、断層画像の表示として、画像取得部２１０で取得した断層画像に、画像処理部２２０で検出した層と層の境界や推定した正常構造を重畳表示してもよい。また、断層画像の表示として、特定の層の境界を平面に変換して、それを基準とした断層画像（図７）を生成して表示してもよい。なお、変形する層の範囲は、Ｂ−ｓｃａｎ画像１枚であってもよいし、３次元断層画像でもよい。
【００８２】
＜ステップＳ１０６＞
ここで、再び、図４の説明に戻る。
続いて、ステップＳ１０６において、記憶部２３０（データ記憶部２３２等）は、以上のステップＳ１０１〜Ｓ１０４で取得された各種のデータを関連付けて、ある患者の患者データとして磁気ディスク１１３に保存する。具体的には、ステップＳ１０１で得られた断層画像データ、ステップＳ１０２で得られた層及び層の境界のデータ、ステップＳ１０３で推定された層の正常構造データ、ステップＳ１０４で得られた層の定量化処理の結果が関連付けられて、保存される。なお、磁気ディスク１１３に保存するデータは、これらのデータうちの少なくとも１つでよい。
【００８３】
ここで、正常構造の推定結果を保存する場合には、推定時に利用した重み関数ρ（（１）式）と関数のパラメータ（例えば、（１）式のａ、ｂ、ｃ）も同時に関連付けて保存しておき、経過観察時に同じ関数やパラメータを用いて推定するようにしてもよい。
【００８４】
また、これらのデータの保存は、不図示の外部サーバに行ってもよい。この場合、記憶部２３０は、これらのデータを外部サーバへと送信する。
【００８５】
なお、本実施形態において、層検出部２２１が検出する層としては、内境界膜と網膜色素上皮層に限定されるものではなく、神経線維層、視細胞層、外境界膜などの各層や膜を検出してよい。さらに、正常構造を推定する層の境界としては、網膜色素上皮層に限定されるものではなく、疾病により形状が凹凸に変化する層であれば、いずれの層並びに層境界を推定してもよい。
【００８６】
以上説明した第１の実施形態によれば、被写体である眼部の断層画像において、当該眼部を構成する層（本実施形態では網膜色素上皮層）の正常構造を精度良く推定することができる。これにより、眼部における疾病の進行度や治療後の回復具合等を精度良く定量化することが可能となる。
【００８７】
（第１の実施形態の変形例１）
第１の実施形態における画像処理装置１１０−１は、既に撮像された状態で保存されている眼部の断層画像を保持する画像蓄積サーバ（不図示）と、直接またはＬＡＮ１３０を介して接続し、当該画像蓄積サーバから断層画像を入力する構成であってもよい。この場合、図４のステップＳ１０１において、画像取得部２１０は、画像蓄積サーバ（不図示）に断層画像の送信を要求し、当該画像蓄積サーバから送信される断層画像を取得して、記憶部２３０に入力する。その後、上述したように、層の境界検出（Ｓ１０２）や定量化処理（Ｓ１０４）を行う。
【００８８】
（第１の実施形態の変形例２）
第１の実施形態における画像処理装置１１０−１は、１枚または複数枚の二次元の断層画像を入力し、それに対して上述した解析処理（画像処理）を行う構成であってもよい。また、入力された三次元の断層画像から注目すべき断面を選択して、選択された二次元断層画像に対して処理を行う構成であってもよい。この場合、二次元断層画像の選択は、ユーザがマウス１１６やキーボード１１７を用いて、或いは、不図示のインターフェイスを用いて行ってもよいし、予め定めた眼底の特定部分（例えば黄斑部の中心を含む断面）に対して処理を行ってもよい。
【００８９】
（第２の実施形態）
次に、本発明の第２の実施形態について説明する。
図９は、本発明の第２の実施形態に係る画像処理システム２００の概略構成（ハードウェア構成）の一例を示す模式図である。
【００９０】
図９に示すように、本実施形態に係る画像処理システム２００は、画像処理装置１１０と、断層画像撮像装置１２０と、ローカルエリアネットワーク（ＬＡＮ）１３０と、広域画像撮像装置１４０を有して構成されている。ここで、以下の説明においては、図９に示す画像処理装置１１０を、「画像処理装置１１０−２」とする。即ち、図９に示す画像処理システム２００は、画像処理装置１１０−２が、ＬＡＮ１３０を介して、断層画像撮像装置１２０のみならず、広域画像撮像装置１４０とも接続される構成となっている。なお、画像処理装置１１０−２と広域画像撮像装置１４０との接続は、ＵＳＢやＩＥＥＥ１３９４等のインターフェイスを介して直接行ってもよい。
【００９１】
本実施形態に係る画像処理装置１１０−２は、第１の実施形態に係る画像処理装置１１０−１と同様に、眼部の断層画像から、網膜色素上皮層境界などの層境界を検出する。そして、画像処理装置１１０−２は、第１の実施形態に係る画像処理装置１１０−１と同様に、例えば、加齢黄斑変性等の疾病により層の形状が凹凸に変形するという特徴に基づいて、当該網膜色素上皮層の正常構造を推定し、疾病の定量化を行うものである。ただし、本実施形態に係る画像処理装置１１０−２は、眼部の断層画像から検出した網膜色素上皮層の形状が正常か異常かを局所領域ごとに判断し、正常と判断した範囲（正常範囲）の情報に基づいて、その正常構造を推定する。これに伴って、図９に示す画像処理装置１１０−２には、磁気ディスク１１３の内部に、第１の実施形態とは異なる、制御プログラム１１３２が格納されている。
【００９２】
広域画像撮像装置１４０は、例えば眼部等の広域画像を撮像する装置であり、例えば、眼底カメラを備えて構成されている。広域像撮像装置３０は、ユーザ（技師や医師）による操作に応じて、不図示の被検者（患者）の眼部等の広域画像を撮像する。そして、広域画像撮像装置１４０は、得られた広域画像を画像処理装置１１０−２へ出力する。
【００９３】
次に、図９に示す画像処理装置１１０−２の機能構成について説明を行う。
図１０は、本発明の第２の実施形態に係る画像処理装置１１０−２の機能構成の一例を示す模式図である。
【００９４】
図１０に示すように、画像処理装置１１０−２は、画像取得部２１０、画像処理部２２０、記憶部２３０、及び、表示部２４０の各機能構成を有して構成されている。第２の実施形態に係る画像処理装置１１０−２の機能構成については、図２に示す第１の実施形態に係る画像処理装置１１０−１の機能構成と基本的には同様の構成となる。ただし、第２の実施形態に係る画像処理装置１１０−２では、画像取得部２１０が広域画像取得部２１１と断層画像取得部２１２とから構成され、また、正常構造推定部２２２の内部に、層の形状が正常か異常かを判断する判断部２２２１が構成されている。
【００９５】
次に、図１１を参照して、本実施形態の画像処理装置１１０−２により実行される、具体的な処理手順を説明する。
図１１は、本発明の第２の実施形態に係る画像処理装置１１０−２の制御方法の処理手順の一例を示すフローチャートである。
【００９６】
＜ステップＳ２０１＞
まず、ステップＳ２０１において、断層画像取得部２１２は、断層画像撮像装置１２０に対して、被写体である眼部の断層画像の送信を要求し、断層画像撮像装置１２０から送信される眼部の断層画像を取得する。そして、断層画像取得部２１２は、断層画像撮像装置１２０から取得した断層画像を、画像処理部２２０及び記憶部２３０（画像記憶部２３１）に入力する。同様に、広域画像取得部２１１は、広域画像撮像装置１４０に対して、被写体である眼部の広域画像の送信を要求し、広域画像撮像装置１４０から送信される眼部の広域画像を取得する。そして、広域画像取得部２１１は、取得した広域画像を、画像処理部２２０及び記憶部２３０（画像記憶部２３１）に入力する。
【００９７】
＜ステップＳ２０２＞
続いて、ステップＳ２０２において、層検出部２２１は、ステップＳ２０１で取得された断層画像から、被写体である眼部を構成する所定の層の境界を検出する処理を行う。ここで、層の検出方法については、第１の実施形態における図４のステップＳ１０２と同様である。なお、層の境界を検出するために、断層画像だけではなく、広域画像から病変や血管を抽出し、その情報を利用して検出するようにしてもよい。
【００９８】
＜ステップＳ２０３＞
続いて、ステップＳ２０３において、正常構造推定部２２２の判断部２２２１は、ステップＳ２０２において層検出部２２１が検出した層境界（本例では、網膜色素上皮層境界（Ｂ２１））について、正常範囲及び異常範囲を判断して検出する。そして、判断部２２２１は、ステップＳ２０２において層検出部２２１が検出した層境界を正常範囲と異常範囲とに分類する。
【００９９】
具体的には、まず、例えば、層が正常構造である条件として、層境界の曲率は滑らかであると定義する。この場合、判断部２２２１による異常範囲の検出では、検出した層境界の局所的な曲率を計算し、層の境界形状を評価することで、曲率が滑らかに変化していない部分は異常範囲であるとする。或いは、判断部２２２１による異常範囲の検出では、眼部の広域画像から白斑や出血やドルーゼンを検出し、病変が存在する広域画像の（ｘ，ｙ）領域に対応する断層画像のｚ方向の網膜層構造は異常であるとする。そして、判断部２２２１は、断層画像中での正常範囲と異常範囲の位置を分類しておく。
【０１００】
＜ステップＳ２０４＞
続いて、ステップＳ２０４において、正常構造推定部２２２は、ステップＳ２０３で正常と判断された範囲に含まれている層境界と、当該層の病変によって変形する特徴とに基づいて、当該層の正常構造を推定する処理を行う。
【０１０１】
ここで、ステップＳ２０４における正常構造の推定方法としては、第１の実施形態における図４のステップＳ１０３と同様に、多項式を用いて正常構造を近似して推定を行う。この際、正常構造推定部２２２は、判断部２２２１で正常と判断された座標群のみを用いて多項式のパラメータを計算し、正常構造を近似する。或いは、正常構造推定部２２２は、多項式で近似せず、判断部２２２１で正常と判断された座標群をスプライン補間などの補間処理を行って、正常構造を推定するようにしてもよい。
【０１０２】
＜ステップＳ２０５＞
続いて、ステップＳ２０５において、定量化部２２３は、第１の実施形態における図４のステップＳ１０４と同様に、各種の定量化処理を行う。
【０１０３】
＜ステップＳ２０６＞
続いて、ステップＳ２０６において、表示部２４０は、第１の実施形態における図４のステップＳ１０５と基本的には同様の表示処理を行う。この際、本実施形態では、さらに、推定した正常構造と検出した層境界の表示において、任意の情報を選択して表示できるようにしてもよい。これについて、図１２を用いて説明する。
【０１０４】
図１２は、本発明の第２の実施形態を示し、断層画像に含まれる層の境界の表示例を示す模式図である。
図１２において、層検出部２２１が検出した層境界は実線で示し、正常構造推定部２２２が推定した正常構造は点線で示している。
【０１０５】
具体的に、図１２（ａ）は、検出した層境界と推定した正常構造を同時に表示する一例である。図１２（ｂ）は、推定した正常構造のみを表示する一例である。図１２（ｃ）は、同一の層境界内で、正常範囲については検出した層境界を表示し、異常範囲については検出した層境界と推定した正常構造を同時に表示する一例である。図１２（ｄ）は、同一の層境界内で、正常範囲については検出した層境界を表示し、異常範囲については推定した正常構造のみを表示する一例である。
【０１０６】
ステップＳ２０６における表示の方法として、図１２（ａ）〜図１２（ｄ）に示した検出結果と推定結果を断層画像上に重畳表示してもよいし、検出結果と推定結果を、断層画像と別に表示するようにしてもよい。このように、層境界に関する情報の表示方法を選択し、任意の情報を表示できるようにしてもよい。
【０１０７】
＜ステップＳ２０７＞
続いて、ステップＳ２０７において、記憶部２３０は、第１の実施形態における図４のステップＳ１０６と基本的には同様の記憶処理を行う。この際、さらに、撮像部位の確認等の理由で、広域画像と広域画像上における断層画像の取得範囲を一緒に記憶して提示できるようにしてもよい。
【０１０８】
以上説明した第２の実施形態によれば、被写体である眼部の断層画像において、網膜色素上皮層の構造が正常か異常かを局所領域ごとに判断するようにしたので、正常と判断した領域から、疾病により変化した当該層の正常構造を精度良く推定することができる。これにより、その結果を用いて疾病の進行度や治療後の回復具合を精度良く定量化することが可能となる。
【０１０９】
（第３の実施形態）
次に、本発明の第３の実施形態について説明する。
第３の実施形態に係る画像処理システムの概略構成は、図１に示す第１の実施形態に係る画像処理システム１００と同様である。また、第３の実施形態に係る画像処理装置１１０の機能構成は、図２に示す第１の実施形態に係る画像処理装置１１０−１の機能構成と基本的には同様である。ただし、正常構造推定部２２２の処理が異なるため、ここでは、第３の実施形態に係る画像処理装置１１０を「画像処理装置１１０−３」とする。
【０１１０】
また、本実施形態の画像処理装置１１０−３は、第１の実施形態に係る画像処理装置１１０−１等と同様に、眼部の断層画像から、網膜色素上皮層境界などの層境界を検出する。そして、画像処理装置１１０−３は、第１の実施形態に係る画像処理装置１１０−１と同様に、例えば、加齢黄斑変性等の疾病により層の形状が凹凸に変形するという特徴に基づいて、当該網膜色素上皮層等の正常構造を推定し、疾病の定量化を行うものである。ただし、本実施形態に係る画像処理装置１１０−３は、眼部の断層画像から検出した網膜色素上皮層境界の形状が、正常構造を表す１つの多項式に係る関数と、病変によるｎ個の上に凸のガウス関数の混合分布であると仮定して、正常構造を推定する。これは、下からの隆起によって発生した層の凹凸をガウス関数で近似し、それ以外の大局的な形状を多項式で推定するためである。
【０１１１】
本実施形態における図２の正常構造推定部２２２は、検出された座標点群に関数のあてはめを行う際、層境界の形状が、正常構造を表す２次関数と、ｎ個のガウス関数の混合分布であると仮定する。そして、本実施形態における正常構造推定部２２２は、これらの混合分布を推定することで、形状が凹凸に変形した層の正常構造を推定する。この例を図１３に示す。
【０１１２】
図１３は、本発明の第３の実施形態を示し、断層画像に含まれる層の正常構造の推定を説明するための模式図である。具体的に、図１３（ａ）の１３００は、加齢黄斑変性における網膜色素上皮層境界の形状例を示している。また、図１３（ｂ）の１３０１及び１３０２は、それぞれ、図１３（ａ）の網膜色素上皮層境界１３００から求められる多項式、及び、ガウス関数の例を示している。
【０１１３】
２次関数とガウス関数の混合分布は、ＥＭアルゴリズムを用いて解を求めることができる。この際、混合分布は、多項式と複数のガウス関数とを組み合わせた確率モデルで、多項式とガウス関数の確率に重みをつけて加算したものである。
【０１１４】
本実施形態における正常構造推定部２２２は、２次関数のパラメータ（ａ、ｂ、ｃ）とガウス関数のパラメータ（平均、分散共分散行列）と、２次関数とガウス関数との混合率を、ＥＭアルゴリズムを用いて推定する。この際、ｎ個のガウス関数の設定は、多項式と検出した層境界との差異の符号において、負のピークの数に応じてｎを設定してもよいし、あるいは、１〜Ｎの間でｎを順番に増やしていき、評価値が最大になる数ｎを設定するようにしてもよい。
【０１１５】
また、ＥＭアルゴリズムは、初期値としてパラメータを仮に設定し、Ｅｓｔｅｐにおいてパラメータの妥当性を判断し、Ｍｓｔｅｐにおいて、妥当性が向上するようにパラメータを選択するものである。本例では、これらのＥｓｔｅｐとＭｓｔｅｐを繰り返し計算して、収束した時点のパラメータを選択する。ここで、妥当性は、現時点での尤度で判断し、パラメータの選択は、現時点での尤度より大きくなるパラメータを選択する。
【０１１６】
本実施形態では、ｎ個の上に凸のガウス関数を、滑らかな１つの２次関数に混合しているとしている。これは、下からの隆起によって発生した層の凹凸を前者のガウス関数で近似し、それ以外の大局的な形状を２次関数で推定するためである。なお、ここでは、入力した３次元断層画像を２次元断層画像（Ｂ−ｓｃａｎ画像）の集合と考え、それぞれの２次元断層画像に対して正常構造を推定する方法を示している。しかしながら、正常構造の推定方法は、これに限定されるものではなく、３次元の断層画像に対して処理を行ってもよい。また、正常構造を近似する形状は、２次関数に限定されるものではなく、他の次数の関数を用いて推定してもよい。さらに、正常構造を推定する層の境界は、網膜色素上皮層に限定されるものではなく、疾病により形状が凹凸に変化する層であれば、いずれの層並びに層境界を推定してもよい。
【０１１７】
（その他の実施形態）
前述した本発明の各実施形態に係る画像処理装置１１０を構成する図２及び図１０の各構成部、並びに、図４及び図１１の各ステップは、ＣＰＵ１１１が磁気ディスク１１３に記憶されている制御プログラムを実行することによって実現できる。この制御プログラム及び当該制御プログラムを記憶したコンピュータ読み取り可能な記録媒体（実施形態では磁気ディスク１１３）は本発明に含まれる。
【０１１８】
また、本発明は、例えば、システム、装置、方法、プログラム若しくは記憶媒体等としての実施形態も可能であり、具体的には、複数の機器から構成されるシステムに適用してもよいし、また、１つの機器からなる装置に適用してもよい。
【０１１９】
なお、本発明は、前述した各実施形態の機能を実現するソフトウェアのプログラム（実施形態では図４及び図１１に示すフローチャートに対応したプログラム）を、システム或いは装置に直接、或いは遠隔から供給するものを含む。そして、そのシステム或いは装置のコンピュータが前記供給されたプログラムコードを読み出して実行することによっても達成される場合も本発明に含まれる。
【０１２０】
したがって、本発明の機能処理をコンピュータで実現するために、前記コンピュータにインストールされるプログラムコード自体も本発明を実現するものである。つまり、本発明は、本発明の機能処理を実現するためのコンピュータプログラム自体も含まれる。
【０１２１】
その場合、プログラムの機能を有していれば、オブジェクトコード、インタプリタにより実行されるプログラム、ＯＳに供給するスクリプトデータ等の形態であってもよい。
【０１２２】
プログラムを供給するための記録媒体としては、例えば、フレキシブルディスク、ハードディスク、光ディスク、光磁気ディスク、ＭＯ、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、ＣＤ−ＲＷなどがある。また、磁気テープ、不揮発性のメモリカード、ＲＯＭ、ＤＶＤ（ＤＶＤ−ＲＯＭ，ＤＶＤ−Ｒ）などもある。
【０１２３】
その他、プログラムの供給方法としては、クライアントコンピュータのブラウザを用いてインターネットのホームページに接続する。そして、前記ホームページから本発明のコンピュータプログラムそのもの、若しくは圧縮され自動インストール機能を含むファイルをハードディスク等の記録媒体にダウンロードすることによっても供給できる。
【０１２４】
また、本発明のプログラムを構成するプログラムコードを複数のファイルに分割し、それぞれのファイルを異なるホームページからダウンロードすることによっても実現可能である。つまり、本発明の機能処理をコンピュータで実現するためのプログラムファイルを複数のユーザに対してダウンロードさせるＷＷＷサーバも、本発明に含まれるものである。
【０１２５】
また、本発明のプログラムを暗号化してＣＤ−ＲＯＭ等の記憶媒体に格納してユーザに配布し、所定の条件をクリアしたユーザに対し、インターネットを介してホームページから暗号化を解く鍵情報をダウンロードさせる。そして、ダウンロードした鍵情報を使用することにより暗号化されたプログラムを実行してコンピュータにインストールさせて実現することも可能である。
【０１２６】
また、コンピュータが、読み出したプログラムを実行することによって、前述した実施形態の機能が実現される。その他、そのプログラムの指示に基づき、コンピュータ上で稼動しているＯＳなどが、実際の処理の一部又は全部を行い、その処理によっても前述した実施形態の機能が実現され得る。
【０１２７】
さらに、記録媒体から読み出されたプログラムが、コンピュータに挿入された機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わるメモリに書き込まれる。その後、そのプログラムの指示に基づき、その機能拡張ボードや機能拡張ユニットに備わるＣＰＵなどが実際の処理の一部又は全部を行い、その処理によっても前述した実施形態の機能が実現される。
【０１２８】
なお、前述した各実施形態は、何れも本発明を実施するにあたっての具体化の例を示したものに過ぎず、これらによって本発明の技術的範囲が限定的に解釈されてはならないものである。即ち、本発明はその技術思想、又はその主要な特徴から逸脱することなく、様々な形で実施することができる。
【符号の説明】
【０１２９】
１１０−１ 画像処理装置
２１０ 画像取得部
２２０ 画像処理部
２２１ 層検出部
２２２ 正常構造推定部
２２３ 定量化部
２３０ 記憶部
２３１ 画像記憶部
２３２ データ記憶部
２４０ 表示部
【特許請求の範囲】
【請求項１】
被写体の断層画像を取得する画像取得手段と、
前記断層画像から前記被写体を構成する層を検出する層検出手段と、
前記層検出手段で検出された層と、当該層の病変によって変形する特徴とに基づいて、当該層の正常構造を推定する推定手段と
を有することを特徴とする画像処理装置。
【請求項２】
前記被写体を構成する層の病変によって変形する特徴に基づく条件を記憶する記憶手段を更に有し、
前記推定手段は、前記層検出手段で検出された層と、前記記憶手段に記憶されている、当該層の病変によって変形する特徴に基づく条件とに基づいて、当該層の正常構造を推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。
【請求項３】
前記推定手段は、前記層検出手段で検出された層の前記病変によって変形する特徴に基づいて設定した関数を用いて、当該層の正常構造を推定することを特徴とする請求項１または２に記載の画像処理装置。
【請求項４】
前記関数は、前記検出手段で検出された層において、表面部か深部かによって異なることを特徴とする請求項３に記載の画像処理装置。
【請求項５】
前記推定手段は、前記層検出手段で検出された層の形状が、正常構造を表す関数と病変による関数との混合分布であると仮定して、当該層の正常構造を推定することを特徴とする請求項１または２に記載の画像処理装置。
【請求項６】
前記推定手段は、前記層検出手段による層の検出の結果に基づいて当該層の正常範囲を判断し、当該正常範囲に基づいて、当該層の正常構造を推定することを特徴とする請求項１または２に記載の画像処理装置。
【請求項７】
前記推定手段で推定された正常構造に基づいて、前記層検出手段で検出された層の状態を定量化する定量化手段を更に有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。
【請求項８】
前記定量化手段は、前記推定手段で推定された正常構造と前記層検出手段で検出された層の構造との差異に基づく特徴によって、当該層の状態を定量化することを特徴とする請求項７に記載の画像処理装置。
【請求項９】
前記定量化手段は、前記差異に基づく特徴として、当該差異に基づく厚み、面積、体積および濃度のいずれかによって、前記層の状態を定量化することを特徴とする請求項８に記載の画像処理装置。
【請求項１０】
前記被写体は、眼部であることを特徴とする請求項１乃至９のいずれか１項に記載の画像処理装置。
【請求項１１】
被写体の断層画像の処理を行う画像処理装置の制御方法であって、
前記被写体の断層画像を取得する画像取得ステップと、
前記断層画像から前記被写体を構成する層を検出する層検出ステップと、
前記層検出ステップで検出された層と、当該層の病変によって変形する特徴とに基づいて、当該層の正常構造を推定する推定ステップと
を有することを特徴とする画像処理装置の制御方法。
【請求項１２】
被写体の断層画像の処理を行う画像処理装置の制御方法をコンピュータに実行させるためのプログラムであって、
前記被写体の断層画像を取得する画像取得ステップと、
前記断層画像から前記被写体を構成する層を検出する層検出ステップと、
前記層検出ステップで検出された層と、当該層の病変によって変形する特徴とに基づいて、当該層の正常構造を推定する推定ステップと
をコンピュータに実行させるためのプログラム。
【請求項１３】
請求項１２に記載のプログラムを記憶したことを特徴とするコンピュータ読み取り可能な記憶媒体。
【請求項１】
被写体の断層画像を取得する画像取得手段と、
前記断層画像から前記被写体を構成する層を検出する層検出手段と、
前記層検出手段で検出された層と、当該層の病変によって変形する特徴とに基づいて、当該層の正常構造を推定する推定手段と
を有することを特徴とする画像処理装置。
【請求項２】
前記被写体を構成する層の病変によって変形する特徴に基づく条件を記憶する記憶手段を更に有し、
前記推定手段は、前記層検出手段で検出された層と、前記記憶手段に記憶されている、当該層の病変によって変形する特徴に基づく条件とに基づいて、当該層の正常構造を推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。
【請求項３】
前記推定手段は、前記層検出手段で検出された層の前記病変によって変形する特徴に基づいて設定した関数を用いて、当該層の正常構造を推定することを特徴とする請求項１または２に記載の画像処理装置。
【請求項４】
前記関数は、前記検出手段で検出された層において、表面部か深部かによって異なることを特徴とする請求項３に記載の画像処理装置。
【請求項５】
前記推定手段は、前記層検出手段で検出された層の形状が、正常構造を表す関数と病変による関数との混合分布であると仮定して、当該層の正常構造を推定することを特徴とする請求項１または２に記載の画像処理装置。
【請求項６】
前記推定手段は、前記層検出手段による層の検出の結果に基づいて当該層の正常範囲を判断し、当該正常範囲に基づいて、当該層の正常構造を推定することを特徴とする請求項１または２に記載の画像処理装置。
【請求項７】
前記推定手段で推定された正常構造に基づいて、前記層検出手段で検出された層の状態を定量化する定量化手段を更に有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。
【請求項８】
前記定量化手段は、前記推定手段で推定された正常構造と前記層検出手段で検出された層の構造との差異に基づく特徴によって、当該層の状態を定量化することを特徴とする請求項７に記載の画像処理装置。
【請求項９】
前記定量化手段は、前記差異に基づく特徴として、当該差異に基づく厚み、面積、体積および濃度のいずれかによって、前記層の状態を定量化することを特徴とする請求項８に記載の画像処理装置。
【請求項１０】
前記被写体は、眼部であることを特徴とする請求項１乃至９のいずれか１項に記載の画像処理装置。
【請求項１１】
被写体の断層画像の処理を行う画像処理装置の制御方法であって、
前記被写体の断層画像を取得する画像取得ステップと、
前記断層画像から前記被写体を構成する層を検出する層検出ステップと、
前記層検出ステップで検出された層と、当該層の病変によって変形する特徴とに基づいて、当該層の正常構造を推定する推定ステップと
を有することを特徴とする画像処理装置の制御方法。
【請求項１２】
被写体の断層画像の処理を行う画像処理装置の制御方法をコンピュータに実行させるためのプログラムであって、
前記被写体の断層画像を取得する画像取得ステップと、
前記断層画像から前記被写体を構成する層を検出する層検出ステップと、
前記層検出ステップで検出された層と、当該層の病変によって変形する特徴とに基づいて、当該層の正常構造を推定する推定ステップと
をコンピュータに実行させるためのプログラム。
【請求項１３】
請求項１２に記載のプログラムを記憶したことを特徴とするコンピュータ読み取り可能な記憶媒体。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【公開番号】特開２０１０−２００９１８（Ｐ２０１０−２００９１８Ａ）
【公開日】平成２２年９月１６日（２０１０．９．１６）
【国際特許分類】
【出願番号】特願２００９−４８５１４（Ｐ２００９−４８５１４）
【出願日】平成２１年３月２日（２００９．３．２）
【出願人】（０００００１００７）キヤノン株式会社 (59,756)
【Ｆターム（参考）】
【公開日】平成２２年９月１６日（２０１０．９．１６）
【国際特許分類】
【出願日】平成２１年３月２日（２００９．３．２）
【出願人】（０００００１００７）キヤノン株式会社 (59,756)
【Ｆターム（参考）】
[ Back to top ]