画像処理装置及び方法
【課題】 断層画像撮影装置でボリューム画像を取得する際に、被検査物が動いてしまったとしても、精度良くボリューム画像の歪みを補正する。
【解決手段】 複数の測定光を被検査物に照射することで得られるそれぞれの戻り光と参照光の合成光により、被検査物の断層画像を取得する画像処理装置であって、撮影手段により複数の測定光で眼底部の断層画像を得、検出手段にて該断層画像から網膜層を検出し、検出された網膜層に基づき眼底部の形状を推定し、推定した眼底部の形状に基づいて、断層画像間の位置ずれを補正することを特徴とする。
【解決手段】 複数の測定光を被検査物に照射することで得られるそれぞれの戻り光と参照光の合成光により、被検査物の断層画像を取得する画像処理装置であって、撮影手段により複数の測定光で眼底部の断層画像を得、検出手段にて該断層画像から網膜層を検出し、検出された網膜層に基づき眼底部の形状を推定し、推定した眼底部の形状に基づいて、断層画像間の位置ずれを補正することを特徴とする。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、画像処理装置及び方法に関し、特に眼科診療などに用いられる断層画像を補正する画像処理装置及び方法に関する。
【背景技術】
【０００２】
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。
【０００３】
断層画像撮影装置は、低コヒーレント光を、参照光と測定光に分け、測定光を被検査物に照射し、その被検査物からの戻り光と参照光を干渉させることによって被検査物の断層を測定することができる。つまり、測定光を被検査物上でスキャンすることで２次元断層画像（以下、断層画像と呼ぶ）や、複数の断層画像の集合である３次元画像（以下、ボリューム画像）を得ることができる。ただし、被検査物が眼のような生体である場合、眼の動きによってボリューム画像に歪みが生じてしまう。そこで、高速で高感度に測定することが求められている。
【０００４】
その方法の一つとして、被検査物の複数点を同時に測定する方法が特許文献１に公開されている。それによると、一つの光源からの光をスリットで分割することによって複数の光を作り出す。そしてそれらの光を、ビームスプリッタにより、複数の測定光と参照光にそれぞれ分ける。測定光は被検査物に照射され、被検査物からの戻り光と参照光をビームスプリッタで合成する。そして、複数の合成光はグレーティングに入射されて、２次元センサで同時に検出される。このように特許文献１は、複数の測定光による同時測定で高速化を可能としている。
【０００５】
また、特許文献２では、測定光は１つとし、ボリューム画像を生成する際に測定光の主走査方向に交差する補正用の画像を形成する。そして、その補正用の画像を用いることでボリューム画像の歪みを補正している。
【先行技術文献】
【特許文献】
【０００６】
【特許文献１】米国公開特許２００８／０２８４９８１
【特許文献２】特開２００７−１３０４０３号公報
【発明の概要】
【発明が解決しようとする課題】
【０００７】
特許文献１では、複数の測定光による同時測定で高速化を可能としているが、眼の動きについては何ら開示が無く、仮に、ボリューム画像を生成した場合には、眼の動きの影響により隣接する断層画像の間で位置ずれが起こるため、ボリューム画像には歪みが生じてしまう。
【０００８】
特許文献２では、ボリューム画像の歪み補正のために、補正用の断層画像を取得しなければならない。
【０００９】
本発明の目的は、ボリューム画像を取得する際に、被検査物が動いてしまったとしても、精度よくボリューム画像の歪みを補正することにある。
また、本発明の他の目的は、補正のための断層画像を取得することなく、複数の測定光で撮影したボリューム画像において、空間的に離れた個所を同時に撮影した複数の断層画像から形状モデルを推定し、その形状モデルを利用して、断層画像間の位置ずれによるボリューム画像の歪みを補正することにある。
【課題を解決するための手段】
【００１０】
上記の目的を達成するための、本発明の一態様による画像処理装置は、以下の構成を備える。
即ち、本発明の一態様に係る画像処理装置は、複数の測定光を被検査物に照射することで得られるそれぞれの戻り光と、対応する参照光との合成光により、前記被検査物の断層画像を取得する画像処理装置であって、複数の測定光で眼底部の断層画像を撮影する撮影手段と、前記撮影された断層画像から網膜層を検出する検出手段と、前記検出された網膜層に基づき眼底部の形状を推定する推定手段と、前記推定した眼底部の形状に基づいて、断層画像間の位置ずれを補正する画像歪み補正手段を備えることを特徴とする。
【００１１】
また、本発明の一態様に係る画像処理方法は、複数の測定光を被検査物に照射することで得られるそれぞれの戻り光と対応する参照光との合成光により、前記被検査物の断層画像を取得する画像処理方法であって、複数の測定光で眼底部の断層画像を撮影する撮影工程と、前記撮影された断層画像から網膜層を検出する検出工程と、前記検出された網膜層に基づき眼底部の形状を推定する推定工程と、前記推定した眼底部の形状に基づいて、断層画像間の位置ずれを補正する画像歪み補正工程を備えることを特徴とする。
【発明の効果】
【００１２】
本発明によれば、補正のための画像を取得することなく、ボリューム画像の歪みを補正することが出来る。
【図面の簡単な説明】
【００１３】
【図１】画像処理システムの構成を示す図である。
【図２】装置構成と装置で撮影される断層画像を説明するための図である。
【図３】画像処理システムにおける処理の流れを示すフローチャートである。
【図４】複数の測定光による撮影領域を説明するための図である。
【図５】画像の歪み補正の方法を説明するための図である。
【図６】歪み補正前後の画像の一例を示す図である。
【図７】パラメータ推定の一例を説明するための図である。
【図８】検出部における処理の流れを示すフローチャートである。
【図９】画像処理システムの構成を示す図である。
【図１０】画像処理システムにおける処理の流れを示すフローチャートである。
【図１１】複数の測定光におけるコヒーレンスゲート位置の移動を説明するための図である。
【発明を実施するための形態】
【００１４】
（実施例１）
以下、図面を参照しながら、本発明の第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は、複数の測定光でボリューム画像を撮影する際に、空間的に離れた個所を同時に撮影した複数の断層画像から、形状モデルを推定する。そして、その形状モデルを利用して、隣接する断層画像同士の位置合わせを行うことで、ボリューム画像の歪みを補正することを特徴とする。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について詳細を説明する。
【００１５】
図１は、本実施形態に係る画像処理装置１１０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１１０が、インタフェースを介して断層画像撮影装置２００と接続されることにより構成されている。
【００１６】
断層画像撮影装置２００は、本発明における被検査物たる眼部の断層画像を撮影する装置であり、図２（ａ）に本実施例における断層画像撮影装置２００の構成を示す。断層画像撮影装置２００は、図２（ａ）に示されるように、全体としてマイケルソン干渉系を構成している。本実施形態における断層画像撮影装置２００は、３本の測定光を有する構成として説明を行う。当該断層画像撮影装置２００は本発明における撮影手段に対応し、本形態では３本とされた測定光の本数は複数本あれば良い。また、これら測定光は眼底上に照射される際に各々の副走査方向での間隔が予め定められ、該間隔は得られた断層画像を合成する際の操作が容易となるように適宜定められる。
【００１７】
光源２０１から出射した光である出射光２０４はシングルモードファイバ２１０に導かれて光カプラ２５６に入射し、光カプラ２５６にて第１の光路と第２の光路と第３の光路の３つの光路を通る出射光２０４−１〜３に分割される。さらに、この３つの出射光２０４−１〜３のそれぞれは、偏光コントローラ２５３−１を通過し、光カプラ２３１−１〜３にて参照光２０５−１〜３と測定光２０６−１〜３とに分割される。このように分割された３つの測定光２０６−１〜３は、観察対象である被検眼２０７における網膜２２７等のそれぞれの測定個所によって反射あるいは散乱された戻り光２０８−１〜３となって戻される。そして、光カプラ２３１−１〜３によって、参照光路を経由してきた参照光２０５−１〜３と合波され合成光２４２−１〜３となる。合成光２４２−１〜３は、透過型回折格子２４１によって波長毎にそれぞれ分光され、ラインセンサ２３９の異なる領域に入射される。ラインセンサ２３９はセンサ素子毎に各波長の光強度を電圧に変換し、その信号を用いて制御部２５０で、被検眼２０７の断層画像が構成される。
【００１８】
ここで、参照光２０５の参照光路について説明する。光カプラ２３１−１〜３によって分割された３つの参照光２０５−１〜３のそれぞれは、偏光コントローラ２５３−２を通過し、レンズ２３５−１にて略平行光となって、出射される。次に、参照光２０５−１〜３は分散補償用ガラス２１５を通過し、レンズ２３５−２にて、ミラー２１４−１〜３にそれぞれ集光される。そして、参照光２０５−１〜３はミラー２１４−１〜３にてそれぞれ方向を変え、再び光カプラ２３１−１〜３に向かう。参照光２０５−１〜３は光カプラ２３１−１〜３を通過し、ラインセンサ２３９に導かれる。なお、分散補償用ガラス２１５は被検眼２０７および走査光学系を測定光２０６が往復した時の分散を、参照光２０５に対して補償するものである。なお、日本人の平均的な眼球の直径として代表的な値を想定し２３ｍｍとする。さらに、２１７−１〜３は電動ステージであり、矢印で図示している方向に移動することができ、参照光２０５−１〜３のそれぞれの光路長を、調整・制御することができる。そして、電動ステージ２１７−１〜３は、制御部２５０により制御される。ところで測定光路において、参照光路と光学距離が一致する位置をコヒーレンスゲートと言う。電動ステージ２１７−１〜３の移動によってこのコヒーレンスゲートの調整ができ、深さ方向の計測範囲を設定することができる。
【００１９】
次に、測定光２０６の測定光路について説明する。光カプラ２３１−１〜３によって分割された測定光２０６−１〜３のそれぞれは、偏光コントローラ２５３−４を通過し、レンズ２２０−３にて、略平行光となって出射され、走査光学系を構成するＸＹスキャナ２１９のミラーに入射される。ここでは、簡単のため、ＸＹスキャナ２１９は一つのミラーとして記したが、実際にはＸスキャン（主走査）用ミラーとＹスキャン（副走査）用ミラーとの２枚のミラーが近接して配置され、網膜２２７上を光軸に垂直な方向にラスタースキャンするものである。これらミラーは複数の測定光を主走査方向及び副走査方向に走査する走査手段として機能する。また、測定光２０６−１〜３のそれぞれの中心はＸＹスキャナ２１９のミラーの回転中心と略一致するようにレンズ２２０−１、３等が調整されている。レンズ２２０−１、２２０−２は測定光２０６−１〜３が網膜２２７を走査するための光学系であり、測定光２０６−１〜３を角膜２２６の付近を支点として、網膜２２７をスキャンする役割がある。測定光２０６−１〜３はそれぞれ網膜上の任意の位置に結像するように構成されている。
【００２０】
また、２１７−４は電動ステージであり、矢印で図示している方向に移動することができ、付随するレンズ２２０−２の位置を、調整・制御することができる。レンズ２２０−２の位置を調整することで、被検眼２０７の網膜２２７の所望の層に測定光２０６−１〜３のそれぞれを集光し、観察することができる。測定光２０６−１〜３は被検眼２０７に入射すると、網膜２２７からの反射や散乱により戻り光２０８−１〜３となり、光カプラ２３１−１〜３を通過し、ラインセンサ２３９に導かれる。なお、電動ステージ２１７−４は制御部２５０により制御される。以上の構成により３つの測定光を同時にスキャンすることができる。
【００２１】
図２（ｂ）に、３本の測定光で模型眼を撮影した断層画像のＹＺ平面を示す。この図は、３本の測定光でボリューム画像を撮影した際の断面図である。模型眼とは、生体眼同様の光学特性、大きさ、容量を持つガラス球である。複数の測定光で撮影を行う場合、各測定光のコヒーレンスゲートの位置を調整しておかないと、図２（ｂ）に示すように、被検査物の形状を正しく復元することが出来ない。そのため、本実施形態においては、模型眼のような動かない被検査物を撮影した場合に、図２（ｃ）に示すように、被検査物の形状を復元するように、３本のコヒーレンスゲートの位置関係を事前に調整しておく。
【００２２】
例えば、深さ分解能が６μｍで、分光器の画素数が１０００画素だとすると、計測できる深さは６×５００＝３ｍｍである。数百μｍずれていると所望の領域が測定できなくなる可能性がある。これらのずれを無くすようにコヒーレンスゲートの位置を調整し、干渉距離を所定の適当な間隔とすれば、１本の測定光で測定したのと同様にデータを扱うことができる。なお、深さ分解能の校正は、コヒーレンスゲートを同じ量動かした時に、断層画像において同じピクセル数動くように調整する。断層画像における深さ分解能の調整は、分光器のデータにゼロを追加するゼロパッティングなどで行う。コヒーレンスゲートの位置を合せるには、測定光間での重なり領域を使って合せる。別の方法として、ＹＺ平面の断層画像が１回の測定でとれる向きに走査して、断層画像が違和感なく接続できるようにしてもよい。この測定データから得られるずれ等を補正するために必要な情報（補正値）は、断層画像撮影装置毎に、記憶部１１２に保存される。
【００２３】
次に、画像処理装置１１０について説明をする。画像処理装置１１０は、画像取得部１１１、記憶部１１２、画像処理部１１３、表示制御部１１４を備える。画像処理部１１３は、検出部１３１、推定部１３２、画像歪み補正部１３３からなる。画像取得部１１１は、断層画像撮影装置２００により撮影された断層画像を取得し、記憶部１１２に格納する。検出部１３１では、記憶部１１２で記憶している断層画像から網膜層等の層を検出する。その際、本発明における検出手段に対応する該検出部１３１は、得られた眼底像中の各層について、得られた構造が正常な層構造を有するか異常な層構造を有するかについて判定することが好ましい。推定部１３２では、同時刻に撮影された複数の断層画像において、検出部１３１で検出した層の結果を用いて形状モデルを推定する。本発明の推定手段に対応する当該推定部１３２は、検出部１３１において正常な層構造を有する部分であると検出された層構造部分から眼底部の形状を推測することが好ましい。画像歪み補正部１３３では、推定部１３２で推定した形状モデルを利用して、ボリューム画像の歪みを補正する。即ち本発明における画像歪み補正手段にあたる画像歪み補正部１３３は推定された眼底部の形状に基づいて、断層画像間の位置ズレを補正する。画像ひずみ補正部１３３は、前述したＸＹスキャナ２１９を制御する制御手段の制御した値に基づいて断層画像の網膜層位置を補正することが好ましい。
【００２４】
次に、図３（ａ）を参照して本実施形態の画像処理システム１００の処理手順を示す。
【００２５】
<ステップＳ３０１>
図４に複数の測定光による被検眼の撮影例を示す。図４（ａ）は、スキャンラインを説明するための眼底の模式図、図４（ｂ）は、断層画像撮影装置２００で撮影した網膜のボリューム画像である。３本の測定光それぞれに対して矢印で示される測定光２０６−１で走査される第１の領域４０１、測定光２０６−２で走査される第２の領域４０２、測定光２０６−３で走査される第３の領域４０３がある。各測定光でＮ枚断層画像を撮影した場合、各測定光の断層画像は、測定光２０６−１で走査されるＴ４０１−１、Ｔ４０１−２、・・・Ｔ４０１−Ｎ、測定光２０６−２で走査されるＴ４０２−１、・・・Ｔ４０２−Ｎ、測定光２０６−３で走査されるＴ４０３−１、・・・Ｔ４０３−Ｎである。なお、図示はしないが、隣接する測定光の撮影領域は、一部の領域が重なるように撮影をしてもよい。
【００２６】
ステップＳ３０１では、網膜層を撮影するために、被検眼の平面方向（図４（ａ）のｘｙ方向）と深度方向（図４（ｂ）のｚ方向）の位置を調整する。ここで深度方向の位置を合わせるとは、断層画像を得るためのコヒーレントゲートの位置を合わせることに相当する。なお、本実施形態においては、３本の測定光のコヒーレンスゲートの位置は、初期設定の位置関係を保ったまま連動して動作するものとする。
【００２７】
<ステップＳ３０２>
ステップＳ３０１で、網膜層を撮影するのに適した位置に調整を行った後、ステップＳ３０２で、不図示の撮影指示部からの指示により撮影を開始する。
【００２８】
<ステップＳ３０３>
ステップＳ３０３では、操作者が撮影指示をすると、走査光学系を構成するＸＹスキャナ２１９が網膜２２７上を光軸に垂直な方向にラスタースキャンする。ここでは、簡単のため、ＸＹスキャナ２１９は一つのミラーとして記したが、実際にはＸスキャン用ミラーとＹスキャン用ミラーとの２枚のミラーが近接して配置され、網膜２２７上を光軸に垂直な方向にラスタースキャンするものである。ラスタースキャンにより、網膜のボリューム画像を取得する。そして、画像取得部１１１は、断層画像撮影装置２００により撮影された断層画像を取得し、記憶部１１２に格納する。当該工程は、本発明における複数の測定光で眼底部の断層画像を撮影する撮影工程に対応する。
【００２９】
<ステップＳ３０４>
ステップＳ３０４では、画像処理部１１３が形状モデルを推定し、その形状モデルを利用してボリューム画像の歪み補正を行う。この処理について、図３（ｂ）を参照して説明をする。
【００３０】
<ステップＳ３１０>
ステップＳ３１０において、検出部１３１は、ステップＳ３０３で取得した断層画像から網膜層を検出する。網膜層内部の層構造は、内境界膜（ＩＬＭ）、神経線維層（ＮＦＬ）、神経節細胞層（ＧＣＬ）、内網状層（ＩＰＬ）、内顆粒層（ＩＮＬ）、外網状層（ＯＰＬ）、外顆粒層（ＯＮＬ）、外境界膜（ＥＬＭ）、視細胞内節外節接合部（ＩＳ／ＯＳ）、網膜色素上皮層（ＲＰＥ）である。検出部１３１はこれらの層のうち少なくとも１層を検出すれば良いが、ＩＳ／ＯＳやＲＰＥを検出してある方が形状モデルで推定を行いやすい。検出部１３１が層を検出するというのは、層と層の境界を検出することと同じである。例えば、硝子体と網膜との境界の内境界膜１と、神経線維層２／神経節細胞層３との境界を検出することで、神経線維層２を検出することになる。ここで検出部１３１は、得られた層構造が前述した正常な層構造であるか異常な層構造であるかを検出・判定し、推定部１３２が眼底部の形状を推定する際に用いるべきデータとして正常な層構造を提供する。当該工程は、本発明において撮影された眼底画像より網膜層等の層を検出する検出工程に対応する。なお、ここで述べる正常な層構造とは、前述した網膜層内部において通常存在すべき層が一般的な層厚さにて存在する構造を指し、異常な層構造とは病気、怪我或いは先天的な欠陥等により本来存在すべき層或いは境界が正しい強度にて信号として得られない構造を指す。
【００３１】
網膜層の検出について、まず、断層画像に対して、メディアンフィルタとＳｏｂｅｌフィルタをそれぞれ適用して画像を作成する（以下、メディアン画像、Ｓｏｂｅｌ画像とする）。次に、変換したメディアン画像とＳｏｂｅｌ画像から、Ａ−ｓｃａｎ毎にプロファイルを作成する。メディアン画像では輝度値のプロファイル、Ｓｏｂｅｌ画像では勾配のプロファイルとなる。そして、Ｓｏｂｅｌ画像から作成したプロファイル内のピークを検出する。検出したピークの前後やピーク間に対応するメディアン画像のプロファイルを参照することで、網膜層を検出する。
【００３２】
網膜層の検出方法については、上記の方法に限られるものではなく、ＧｒａｐｈＣｕｔやＡｃｔｉｖｅＣｏｎｔｏｕｒなどの方法で層を検出してもよい。
【００３３】
<ステップＳ３１１>
ステップＳ３１１において、推定部１３２は、ステップＳ３１０で検出した網膜層の情報を用いて形状モデルを推定する。当該工程は、本発明において検出された網膜層に基づいて眼底部の形状を推定する推定工程に対応する。
【００３４】
ここでは、形状モデルとして２次曲線と２次曲面のモデルパラメータを推定する場合について説明を行う。
【００３５】
初めに、形状モデルとして２次曲線を利用する場合について図５（ａ）を用いて説明を行う。ここでは、同時（時刻ｉとする）に撮影した３本の測定光から得られる断層画像Ｔ４０１−ｉ、Ｔ４０２−ｉ、Ｔ４０３−ｉの同じｘ座標において、ステップＳ３１０で検出した網膜層の位置（本実施例ではＲＰＥ）から２次曲線を推定する。本実施例で同時とは、１枚の断層画像を取得するためのスキャン開始から終了までの時間が同じことを指し、３本の測定光の場合、３枚の断層画像が取得できる時間のことを指す。図５（ａ）において、点線ＣＬがｘk座標における２次曲線を示している。図５（ａ）において、ｘk座標の場合、座標 (xk, y401-i, z401-ik)、(xk, y402-i, z402-ik)、(xk, y403-i, z403-ik)から２次曲線ＣＬを推定する。数１に図５（ａ）の座標系における２次曲線ＣＬの式を示す。２次曲線ＣＬのパラメータａ、ｂ、ｃは、数１〜数４を計算することで求めることが出来る。数２において、“
”はほぼ等しいを表し、数３において“
”は、左側の式を最小にすることを表す。これは最小二乗法の式であり、ａ、ｂ、ｃでそれぞれ偏微分を解くことで数４の正規方程式を得る。
【００３６】
【数１】
【００３７】
【数２】
【００３８】
【数３】
【００３９】
【数４】
【００４０】
形状モデルとして２次曲線を用いる場合、３本の測定光で同時刻に撮影した断層画像Ｔ４０１−ｉ、Ｔ４０２−ｉ、Ｔ４０３−ｉから、任意のｘ座標における網膜層の位置座標を用いてモデルパラメータを推定する。本実施例においては、任意の１箇所のｘ座標においてモデルパラメータを推定したが、複数のｘ座標からパラメータを求めて、各パラメータの平均値を用いるようにしてもよい。さらに、異なる時刻（時刻ｊとする）に同時に撮影した断層画像Ｔ４０１−ｊ、Ｔ４０２−ｊ、Ｔ４０３−ｊから、任意のｘ座標における網膜層の位置座標を用いてモデルパラメータを推定し、時刻ｉ、ｊで求めたパラメータの平均値を用いるようにしてもよい。
【００４１】
次に、形状モデルとして２次曲面を利用する場合について、図５（ｂ）を用いて説明を行う。３本の測定光が同時（時刻ｉとする）に撮影した断層画像Ｔ４０１−ｉ、Ｔ４０２−ｉ、Ｔ４０３−ｉにおいて、ステップＳ３１０で検出した網膜層の位置（本実施例ではＲＰＥ）から２次曲面を推定する。図５（ｂ）では、断層画像Ｔ４０２−ｉと２次曲面ＣＳを示している。なお、２次曲面ＣＳは、断層画像Ｔ４０２−ｉ上と、ｘj座標上のみを示している。図５（ｂ）において、座標 (x1, y401-i, z401-i 1)、(x2, y401-i, z401-i 2)、・・・、(xm, y401-i, z401-i m)、(x1, y402-i, z402-i 1)、(x2, y402-i, z402-i 2)、・・・、(xm, y402-i, z402-i m)、(x1, y403-i, z403-i 1)、(x2, y403-i, z403-i 2)、・・・、(xm, y403-i, z403-i m)から２次曲面ＣＳを推定する。数５に図５（ｂ）の座標系における２次曲面の式を示す。２次曲面ＣＳのパラメータａ、ｂ、ｃ、ｄ、e、ｆは、数５〜数８を計算することで求めることが出来る。数６〜数８において、Ｍは２次曲面を求める際の座標点の数である。
【００４２】
【数５】
【００４３】
【数６】
【００４４】
【数７】
【００４５】
【数８】
【００４６】
形状モデルとして、２次曲面を用いる場合、３本の測定光で同時刻に撮影した断層画像Ｔ４０１−ｉ、Ｔ４０２−ｉ、Ｔ４０３−ｉの網膜層の位置から、モデルパラメータを推定することが出来る。２次曲面においても、異なる時刻（時刻ｊとする）に同時に撮影した断層画像Ｔ４０１−ｊ、Ｔ４０２−ｊ、Ｔ４０３−ｊから、網膜層の位置座標を用いてモデルパラメータを推定し、時刻ｉ、ｊで求めたパラメータの平均値を用いるようにしてもよい。
【００４７】
ここでは、２次曲線と２次曲面のモデルパラメータを推定する場合について説明を行ったが、形状モデルはこれらに限定されるものではなく、ｎ次曲線やｎ次曲面を用いてもよい。なお、形状モデルを求める方法として最小二乗法の例を示したが、形状モデルを求める方法はこれらに限定されるものではない。Ｍ推定、ＬＭｅｄＳ（Ｌｅａｓｔ Ｍｅｄｉａｎ ｏｆ Ｓｑｕａｒｅｓ）、ＲＡＮＳＡＣ（ＲＡＮｄｏｍ ＳＡｍｐｌｅ Ｃｏｎｓｅｎｓｕｓ）などのロバスト推定手法を用いて形状モデルを求めてもよい。
【００４８】
<ステップＳ３１２>
ステップＳ３１２では、ステップＳ３１１で推定した形状モデルを用いてボリューム画像の歪み補正を行う。当該工程は、本発明において推定した眼底部の形状に基づいて断層画像間の位置すれを補正する画像歪み補正工程に対応する。ここでは、断層画像iの位置を例に説明をする。断層画像iにおいて、形状モデルのｚModel iの値が求まるので、形状モデルで求めたｚModel iの値と、断層画像の網膜層の座標位置ｚRPE i（本実施例ではＲＰＥ）との差分Δｚiが断層画像毎における深度方向の補正値となる。従って、ステップＳ３１２では、断層画像毎に求めた補正値に基づいて、深度方向の断層画像位置補正を行う。図６に形状モデルを用いてボリューム画像の歪み補正を行う場合の例を示す。図６は、３本の測定光で網膜を撮影した場合の断層画像のＹＺ平面である。図６（ａ）は、歪み補正をする前のボリューム画像のＹＺ平面であり、図６（ｂ）は、形状モデルを用いて歪み補正をしたボリューム画像のＹＺ平面である。図６に示すように、形状モデルを用いることで、網膜層の形状を復元することが出来る。なお、図６（ａ）から図６（ｂ）の画像を作成する際に、断層画像毎に計算される補正値に応じて深度方向にシフトさせるため、シフトさせた部分に空白領域が生じる。この空白領域には、シフトさせる前の領域から計算した値を代入する。計算方法としては、例えば、バイリニアやバイキュービック法などを用いる。あるいは、補間ではなく０や画像の最大値（１６ｂｉｔ画像の場合は、６５５３５）など特定の値を代入してもよい。
【００４９】
<ステップＳ３０５>
ステップＳ３０５では、表示制御部１１４は、ステップＳ３０４で画像の歪みを補正したボリューム画像を不図示の表示部に表示する。なお、画像を表示するだけではなく、網膜層の厚み計測などを行う場合には、ステップＳ３１０で求めた網膜層の検出結果から層の厚みを計測し、その検出結果を境界線として断層画像に重畳して表示してもよい。さらには、厚みのマップを作成して表示してもよい。
【００５０】
以上で述べた構成によれば、複数の測定光でボリューム画像を撮影する際に、空間的に離れた個所を同時に撮影した複数の断層画像から網膜層を検出し、検出した網膜層を用いて形状モデルを推定する。そして、その形状モデルを用いてボリューム画像の歪みを補正することで、断層画像撮影装置でスキャンを行っている間に、被検査物が動いてしまったとしても、精度良くボリューム画像の歪みを補正することが出来る。
【００５１】
（実施例２）
上記第１の実施形態では、形状モデルを求める際に、任意の断層画像のセット（本実施形態において、１セットは３枚の断層画像群）から、形状モデルのパラメータを求めた。そして、その他の断層画像のセットは、求めた形状モデルと各断層画像における網膜層位置との差分量に応じて、深度方向の位置合わせを行った。本実施形態においては、全ての断層画像のセット（本実施形態においては、Ｎセット）を用いて、形状モデルパラメータと各断層画像セットにおける平行移動量パラメータを求めて、ボリューム画像の歪みを補正する例を示す。本実施形態においては、形状モデルは２次曲面の場合で説明を行う。そして、パラメータを求める方法として、各断層画像セットでまず形状モデルパラメータと平行移動パラメータを求め、それを初期値として全体のパラメータを求める方法について説明を行う。なお、本実施形態は第１の実施形態のステップＳ３１１、Ｓ３１２に相当する。
【００５２】
以下、各断層画像セット（各セットをＧ１、Ｇ２、…、ＧＮとする）でモデル形状を求め、それを初期値として全体のパラメータを求める方法について説明を行う。図７に各断層画像セットの例を示す。即ち同時刻に撮影された複数の断層画像を、同時刻に撮影された複数の断層画像を１組とする複数の組に分け、各組毎について眼底部の形状が推定される各セットは、３本の測定光で同時に撮影された３枚の断層画像である。本実施形態においては、３本の測定光がそれぞれＮ枚の断層画像を撮影するため、断層画像のセットはＮ個となる。
【００５３】
式を数９〜数１１に示す。ここでは、数９と数１０で求めたパラメータを初期値として数１１を求める。数９は、断層画像セット毎に形状モデルパラメータと平行移動量を計算する式で、数１０は、数９で求めた形状モデルパラメータの平均値を求める式である。
【００５４】
数９は、非線形の最小化問題なので、各パラメータは、準ニュートン法、共役勾配法、Ｐｏｗｅｌｌ法などにより求めることが出来る。数９を解くための初期値としては、平均形状モデルを事前に作成しておき、その平均形状モデルのパラメータａ、ｂ、ｃ、ｄ、e、ｆと、ボリューム画像の中心を平行移動量ｔｘ、ｔｙの初期値として与える。ここで、平均形状モデルとは、複数の網膜層の形状モデルから作成したモデルである。作成方法は、複数の網膜層データに対し自動あるいは手動で網膜層を検出する。そして、それぞれ検出した結果を基準位置に合わせて座標値の平均を計算することで、平均形状モデルを求めることが出来る。数９、数１１において、
の添え字は、各断層画像セット（Ｇ１、Ｇ２、…、ＧＮ）におけるα番目の座標値を示す。そして、Ｍは２次曲面を求める際の座標点の数である。
【００５５】
【数９】
【００５６】
【数１０】
【００５７】
【数１１】
【００５８】
【数１２】
【００５９】
数１１は、ボリューム画像全体の形状モデルと平行移動量を求める式である。数１０で求めた値を、数１１における形状モデルパラメータの初期値として用いる。そして、数９で求めた平行移動のパラメータｔｘ１、…ｔｘN、ｔｙ１、…ｔｙNを、数１１における平行移動パラメータの初期値として用いる。数１１も数９と同様に、非線形の最小化問題なので、各パラメータ（ａ、ｂ、ｃ、ｄ、e、ｆと、ｔｘ１、…ｔｘN、ｔｙ１、…ｔｙN）は、準ニュートン法、共役勾配法、Ｐｏｗｅｌｌ法などにより求めることが出来る。
【００６０】
【数１３】
【００６１】
本実施形態において、各パラメータ（ａ、ｂ、ｃ、ｄ、e、ｆと、ｔｘ１、…ｔｘN、ｔｙ１、…ｔｙN）を求める方法として、数９と数１０で各断層画像セットにおける形状モデルパラメータと平行移動パラメータを求め、それを初期値として数１１で全体のパラメータを求める方法について説明を行った。しかし、全体のパラメータを求めるための初期値を与える方法はこれに限らない。たとえば、数９、数１０の代わりに、実施例１で求めた形状モデルパラメータと平行移動量を初期値として、数１１を求めてもよい。また、数９、数１０の代わりに、平均形状モデルのパラメータを初期値として数１１を求めてもよい。
【００６２】
以上で述べた構成によれば、全ての断層画像のセット（本実施形態においては、Ｎセット）を用いて、形状モデルパラメータと各断層画像セットにおける平行移動量パラメータを求めるので、ロバストに形状モデルを推定することが出来る。そして、その形状モデルを用いてボリューム画像の歪みを補正することで、断層画像撮影装置でスキャンを行っている間に、被検査物が動いてしまったとしても、精度良くボリューム画像の歪みを補正することが出来る。
【００６３】
（実施例３）
上記第１、第２の実施形態では、網膜層全体を検出し、任意の座標点、あるいは検出した全座標点データを用いて形状モデルを推定した。本実施形態においては、形状モデルを推定するために用いる座標点を選択し、選択された座標点を用いて被検査物の形状を復元する場合について説明をする。以下、図８を参照して本実施形態の検出部１３１の処理手順を示す。
【００６４】
＜ステップＳ８０１＞
ステップＳ８０１において、断層画像に対して画像変換を行う。本実施形態では断層画像に対して、メディアンフィルタとＳｏｂｅｌフィルタをそれぞれ適用して、メディアン画像とＳｏｂｅｌ画像を作成する。ここで、画素値は信号の強度が強い場合に大きく、弱い場合に小さくなるとする。
【００６５】
本実施形態において、ＳｏｂｅｌフィルタはＡ−ｓｃａｎにおける浅い方向（画像の上方）から見て、低い輝度値から高い輝度値への境界を強調するように方向性をもたせている。その理由は以下のとおりである。本件では、網膜層構造が変化したとき、その原因を特定するための構造情報として、各Ａ−ｓｃａｎにおけるＩＬＭ境界、ＩＳ／ＯＳ境界、硝子体皮質の位置情報と偽像の有無を用いている。網膜層構造において、ＩＬＭ境界と硝子体皮質は輝度値の低い硝子体と比較的輝度値の高い網膜組織との境界であり、ＩＳ／ＯＳ境界も浅い方向に比較的暗い組織と接している。また、偽像が存在した場合、ＩＳ／ＯＳ境界下の輝度が低下するため、Ｓｏｂｅｌ画像における画素値から偽像の有無を判定することができる。つまり、上記のような方向性をもたせることでＩＬＭ境界、ＩＳ／ＯＳ境界、硝子体皮質がより強調され、更には偽像の有無の判定も行える。なお、硝子体皮質においては、網膜層構造情報取得処理よりも後段で最終的に特定処理を行うため、網膜層構造情報取得処理においては硝子体皮質候補として扱う。
【００６６】
＜ステップＳ８０２＞
ステップＳ８０２において、ステップＳ８０１で作成したメディアン画像を用いて、背景（硝子体）の平均輝度値を算出する。本実施形態では、まず、メディアン画像に対してＰ−ｔｉｌｅ法による二値化処理を行い、背景領域を特定する。次に、背景領域におけるメディアン画像の輝度値の平均値を算出する。
【００６７】
Ｐ−ｔｉｌｅ法による二値化処理とは、処理対象となる画像のヒストグラムを作成し、輝度値の高い方、もしくは低い方から累積して、所定の割合Ｐに達したときの輝度値を閾値として二値化する方法である。本実施形態では、画像中における網膜領域の割合がおおよそわかっているため、経験的にＰの値を、輝度値の高い方から３０パーセントとして二値化処理を行い、輝度値が閾値以下の画素を背景画素とする。
背景画素を特定したら、背景画素におけるメディアン画像の輝度値を参照し、背景の平均輝度値を算出する。
【００６８】
＜ステップＳ８０３＞
ステップＳ８０３において、ステップＳ８０１で作成した変換画像からプロファイルを作成する。本実施形態では、メディアン画像とＳｏｂｅｌ画像の両方からＡ−ｓｃａｎ毎にプロファイルを作成する。メディアン画像からプロファイルを作成することで、断層画像において特に問題となるノイズを抑制し、より輝度値の傾向を把握しやすくなるという効果がある。また、Ｓｏｂｅｌ画像からプロファイルを作成することで、後段で行われる網膜層境界の特定において、網膜層境界の候補点を検出しやすくなるという効果がある。また、必ずしもこれらの変換画像からプロファイルを作成する必要はなく、原画像やその他の変換画像から所定の強さのエッジを検出できればよい。
【００６９】
＜ステップＳ８０４＞
ステップＳ８０４において、ステップＳ８０３で作成したプロファイルから極大点（以下、ピークとする）を検出する。本実施形態では、Ｓｏｂｅｌ画像から作成したプロファイルにおけるピークを検出する。検出には経験的、または画像情報に基づいて定められる閾値を用いる。網膜において、ＩＬＭ境界下、ＩＳ／ＯＳ境界下、硝子体皮質は多くの信号を反射または散乱させる。そのため、ステップＳ８０１で述べた浅い方向から見て、低い輝度値から高い輝度値への境界を強調するように方向性をもつＳｏｂｅｌフィルタを用いれば、強いエッジとして検出し易い。これらの層の他に、この方向性をもつＳｏｂｅｌフィルタで検出される強いエッジは病変部以外に存在しないため、閾値を調整することによって、ＩＬＭ境界、ＩＳ／ＯＳ境界、硝子体皮質候補を優先的に抽出することができる。
【００７０】
＜ステップＳ８０５＞
ステップＳ８０５において、ステップＳ８０４で検出したピークを数え、その数を基に処理を分岐させる。本実施形態では、本ステップ入力時に網膜層境界や硝子体皮質候補として特定されていないピークが２点以上存在する場合（ステップＳ８０５でＹｅｓ）、Ａ−ｓｃａｎにおいて、浅い方向から順に２つのピークを選ぶ。そして、それぞれ第一ピーク、第二ピークとして、ステップＳ８０６へ進む。また、ピークが１つの場合（ステップＳ８０５でＮｏ）、一番大きなピークを第一ピークとして、ステップＳ８０９に進む。
【００７１】
＜ステップＳ８０６＞
ステップＳ８０６において、ステップＳ８０５で選ばれた２つのピーク間のメディアン画像のプロファイルと背景の平均輝度値を比較する。本実施形態では、まず、第一ピークと第二ピークの間に存在する画素に対して、ステップＳ８０２で算出した背景の平均輝度値に係数である１．２を掛けた値を閾値として設定する。次に、この閾値よりも大きい輝度値をもつ画素数から、ピーク間に存在する全画素数に対する数の割合を算出する。
なお、この係数は経験的に求めたものであり、これに限定されるものではない。例えば、背景の平均輝度値と背景以外の領域（二値化処理における閾値以上の領域）の平均輝度値との割合などを用いて、画像情報から動的に係数を決定してもよい。
【００７２】
＜ステップＳ８０７＞
ステップＳ８０７において、ステップＳ８０６で算出した割合を基に処理を分岐させる。本実施形態では、算出された割合が１／２より小さいとき（ステップＳ８０７でＮｏ）、ピーク間は背景であると判断し、ステップＳ８０８へ進む。算出された割合が１／２以上のとき（ステップＳ８０７でＹｅｓ）、ピーク間に網膜組織が存在すると判断し、ステップＳ８０９へ進む。
【００７３】
なお、本実施形態では、閾値以上の画素の割合から網膜組織であるか、背景であるかを判断しているが、これに限定されるものではない。例えば、プロファイルから特徴量を算出し、それを入力として識別器を用いた判定を行ってもよい。
【００７４】
＜ステップＳ８０８＞
ステップＳ８０８において、ピークの一つを硝子体皮質候補として特定する。本実施形態では、ステップＳ８０７において、ピーク間が背景であると判断された第一ピークと第二ピークについて、硝子体皮質が剥がれている場合、下には背景が存在することから、第一ピークを硝子体皮質候補として特定する。そしてステップＳ８０５へ戻り、第二ピークを含めて２点のピークを選び直す。
【００７５】
＜ステップＳ８０９＞
ステップＳ８０９において、ピークの一つをＩＬＭ境界として特定する。本実施形態では、ステップＳ８０７において、ピーク間に網膜組織が存在すると判断された第一ピークと第二ピークについて、ＩＬＭ境界は網膜組織の上端に存在することから、第一ピークをＩＬＭ境界として特定する。また、ステップＳ８０５から分岐されてきた場合も、第一ピークをＩＬＭ境界として特定する。
【００７６】
＜ステップＳ８１０＞
ステップＳ８１０において、ステップＳ８０９で特定したＩＬＭ境界よりも、同じＡ−ｓｃａｎ上で深い方向（画像の下方）に閾値以上の特徴点が存在するか調べる。本実施形態では、同じＡ−ｓｃａｎ上で特定したＩＬＭ境界のピークの大きさに係数である０．８を掛けた値を閾値として設定する。この閾値以上のピークがＩＬＭ境界よりも深い方向に存在するかを調べる。存在した場合（ステップＳ８１０でＹｅｓ）、ステップＳ８１１に進む。存在しなかった場合（ステップＳ８１０でＮｏ）、ステップＳ８１２に進む。
なお、この閾値は経験的に求めたものであり、これに限定されるものではない。例えば、ピークの大きさの他に、ピーク間の距離などを用いてもよい。
【００７７】
＜ステップＳ８１１＞
ステップＳ８１１において、ステップＳ８１０で設定した閾値以上のピークをＩＳ／ＯＳ境界として特定する。閾値以上のピークが複数存在した場合、本実施例では、閾値以上のピーク群の中で、一番浅い位置に存在するピークをＩＳ／ＯＳ境界とする。
【００７８】
＜ステップＳ８１２＞
ステップＳ８１２において、ＩＳ／ＯＳ境界を特定することができなかったとし、Ａ−ｓｃａｎに「偽像」ラベルを付ける。
【００７９】
＜ステップＳ８１３＞
ステップＳ８１３において、画像中の全てのＡ−ｓｃａｎにおいて、構造情報を取得したか調べる。全てのＡ−ｓｃａｎについて処理を行った場合（ステップＳ８１３でＹｅｓ）、処理を終了する。まだ構造情報を取得していないＡ−ｓｃａｎが存在する場合（ステップＳ８１３でＮｏ）、ステップＳ８０３に戻る。
【００８０】
このように、ピーク間にある組織を判定し、その結果に基づいて網膜層の構造情報を取得することにより、構造情報の誤りを減らすことができる。ＩＬＭ境界は全てのＡ−ｓｃａｎで特定されている。一方、ＩＳ／ＯＳ境界は特定できないＡ−ｓｃａｎも存在し、そのようなＡ−ｓｃａｎにはステップＳ８１２で述べたとおり、「偽像」ラベルが付けられている。
【００８１】
推定部１３２では、「偽像」ラベルが割り当てられていないＡ−ｓｃａｎでの網膜層の検出結果から形状モデルを推定する。なお、形状モデルの推定方法は実施例１、実施例２で述べたとおりである。
【００８２】
以上で述べた構成によれば、形状モデルを推定するために用いる座標点を選択することで、精度良く形状モデルを推定できる。そのため、精度良くボリューム画像の歪みを補正することが出来る。
【００８３】
（実施例４）
上記第１の実施形態では、模型眼のような動かない被検査物を撮影した場合に、被検査物の形状を復元するように、３本の測定光のコヒーレンスゲート位置を事前に調整しておいた。そして、コヒーレンスゲート位置を変更する際には、３本の測定光が連動して動作する例を示した。本実施形態においては、コヒーレンスゲートの位置をそれぞれの測定光で独立に変更させた時に、被検査物の形状を復元する場合について説明をする。
【００８４】
図９は、本実施形態に係る画像処理装置９１０を備える画像処理システム９００の構成を示す図である。図９に示すように、画像処理装置９１０は、画像取得部１１１、記憶部９１２、画像処理部９１５、表示制御部１１４、検出部１３１、推定部１３２、画像歪み補正部１３３、補正部９３４を備える。このうち、上記第１の実施形態と同様の機能を有するものに関しては、ここでは説明を省略する。
【００８５】
記憶部９１２は、被検査物の形状を正しく復元する位置関係にあるコヒーレンスゲートの位置から、それぞれのコヒーレンスゲートの位置を独立に調整した移動量を記憶する。
補正部９３４は、被検査物の形状を復元するために、独立に調整した移動量から各測定光の深度方向（Ｚ方向）の位置を補正する。
【００８６】
以下、図１０、図１１を参照して本実施形態の画像処理システム９００の処理手順を示す。なお、ステップＳ１００１、ステップＳ１００４、ステップＳ１０１１以外は、第１実施形態と同様なので説明は省略する。
【００８７】
<ステップＳ１００１>
ステップＳ１００１では、被検査物を撮影するために、平面方向と深度方向の位置を調整する。ここでは、図１１を用いて被検査物が模型眼の場合について説明を行う。また、コヒーレンスゲートの位置は画像上部に設定されているものとする。図１１（ａ）は、模型眼を撮影した断層画像のＹＺ平面である。ここで、模型眼がきれいに撮影出来るように深度方向の位置を調整する。図１１（ｂ）は、３本のコヒーレンスゲートの位置を連動して動作させる場合の断層画像のＹＺ平面である。そして、図１１（ｃ）は真ん中のコヒーレンスゲートの位置だけを移動させる場合の断層画像のＹＺ平面である。図１１（ｂ）に示すように、３本のコヒーレンスゲートの位置を連動して動作させる場合には、網膜層は形状を保ったまま上下に移動をする。しかし、図１１（ｃ）に示すように、独立に移動させる場合には、網膜層の形状を保たなくなってしまう。そのため、図１１（ｃ）で示すような、各コヒーレンスゲートを独立に移動させる移動量ｄを記憶部９１２に保存する。
【００８８】
<ステップＳ１００４>
ステップＳ１００４では、画像処理部９１３が、コヒーレンスゲートの移動量ｄを考慮し、形状モデルを利用してボリューム画像の歪み補正を行う。この処理について、図１０（ｂ）を参照して説明をする。
【００８９】
<ステップＳ１０１１>
ステップＳ１０１１で補正部９３４が、独立に移動したコヒーレンスゲート位置の移動量ｄを用いて断層画像の深度方向の位置補正を行う。装置の初期設定を行う際に、測定光毎にコヒーレンスゲートの移動量と、断層画像におけるピクセルとの対応を取っておく。本実施例におけるコヒーレンスゲートの移動量と画像ピクセルとの対応を表１に示す。表１において、２０００は本実施例におけるコヒーレンスゲートの送りピッチである。
【００９０】
【表１】
【００９１】
表１に示すように、測定光毎にコヒーレンスゲートの移動量と画像ピクセルとの対応が事前に取れていれば、各コヒーレンスゲートを独立に移動させる移動量ｄから断層画像におけるピクセルの移動量を算出することが出来る。例えば、真ん中のコヒーレンスゲート（表１における測定光２）の位置だけを５００動かした場合、断層画像においては４４ｐｉｘｅｌ動かしたことと同じである。従って、補正部９３４は、コヒーレンスゲートを各測定光で独立に移動させる移動量ｄから断層画像における移動量を求めて、断層画像の網膜層深度位置を補正する。なお、表１における数値は本実施例における一例を示したものであるので、この数値に限定されるものではない。
【００９２】
本実施例において、撮影時に独立に移動させる例を示したが、これに限らない。例えば、装置の初期設定を行う際に、それぞれのコヒーレンスゲート位置をずらしておくようにしてもよい。撮影対象物の位置はコヒーレンスゲートに近い状態で撮影した方が鮮明な画像を得られる可能性が高い。一般的に網膜層は湾曲形状であるので、最初から真ん中のコヒーレンスゲート位置をずらして設定をしておき、撮影時には全てのコヒーレンスゲートが連動して動作するものでもよい。初期設定時にずらしておく場合には、被検査物の形状を復元する位置からのコヒーレンスゲート位置のずれ量を記憶部９１２に記憶しておき、そのずれ量を補正して形状モデルを推定する。
【００９３】
以上で述べた構成によれば、複数の測定光でボリューム画像を撮影する際に、それぞれの測定光のコヒーレンスゲート位置を独立に変更させる。そして、空間的に離れた個所を同時に撮影した複数の断層画像から網膜層を検出し、検出した網膜層の位置を独立に変更させた変更量を基に補正して形状モデルを推定する。そして、その形状モデルを用いてボリューム画像の歪みを補正することで、コヒーレンスゲートの位置を独立に移動させた場合のボリューム画像においても、精度良くボリューム画像の歪みを補正することが出来る。
【００９４】
（その他の実施例）
また、本発明は、以下の処理を実行することによっても実現される。即ち、上述した実施形態の機能を実現するソフトウェア（プログラム）を、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給し、そのシステム或いは装置のコンピュータ（またはＣＰＵやＭＰＵ等）がプログラムを読み出して実行する処理である。
【符号の説明】
【００９５】
１００ 画像処理システム
１１０ 画像処理装置
１１１ 画像取得部
１１２ 記憶部
１１３ 画像処理部
１１４ 表示制御部
１３１ 検出部
１３２ 推定部
１３３ 画像歪み補正部
２００ 断層画像撮影装置
９００ 画像処理システム
９１０ 画像処理装置
９１２ 記憶部
９１３ 画像処理部
９３４ 補正部
【技術分野】
【０００１】
本発明は、画像処理装置及び方法に関し、特に眼科診療などに用いられる断層画像を補正する画像処理装置及び方法に関する。
【背景技術】
【０００２】
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。
【０００３】
断層画像撮影装置は、低コヒーレント光を、参照光と測定光に分け、測定光を被検査物に照射し、その被検査物からの戻り光と参照光を干渉させることによって被検査物の断層を測定することができる。つまり、測定光を被検査物上でスキャンすることで２次元断層画像（以下、断層画像と呼ぶ）や、複数の断層画像の集合である３次元画像（以下、ボリューム画像）を得ることができる。ただし、被検査物が眼のような生体である場合、眼の動きによってボリューム画像に歪みが生じてしまう。そこで、高速で高感度に測定することが求められている。
【０００４】
その方法の一つとして、被検査物の複数点を同時に測定する方法が特許文献１に公開されている。それによると、一つの光源からの光をスリットで分割することによって複数の光を作り出す。そしてそれらの光を、ビームスプリッタにより、複数の測定光と参照光にそれぞれ分ける。測定光は被検査物に照射され、被検査物からの戻り光と参照光をビームスプリッタで合成する。そして、複数の合成光はグレーティングに入射されて、２次元センサで同時に検出される。このように特許文献１は、複数の測定光による同時測定で高速化を可能としている。
【０００５】
また、特許文献２では、測定光は１つとし、ボリューム画像を生成する際に測定光の主走査方向に交差する補正用の画像を形成する。そして、その補正用の画像を用いることでボリューム画像の歪みを補正している。
【先行技術文献】
【特許文献】
【０００６】
【特許文献１】米国公開特許２００８／０２８４９８１
【特許文献２】特開２００７−１３０４０３号公報
【発明の概要】
【発明が解決しようとする課題】
【０００７】
特許文献１では、複数の測定光による同時測定で高速化を可能としているが、眼の動きについては何ら開示が無く、仮に、ボリューム画像を生成した場合には、眼の動きの影響により隣接する断層画像の間で位置ずれが起こるため、ボリューム画像には歪みが生じてしまう。
【０００８】
特許文献２では、ボリューム画像の歪み補正のために、補正用の断層画像を取得しなければならない。
【０００９】
本発明の目的は、ボリューム画像を取得する際に、被検査物が動いてしまったとしても、精度よくボリューム画像の歪みを補正することにある。
また、本発明の他の目的は、補正のための断層画像を取得することなく、複数の測定光で撮影したボリューム画像において、空間的に離れた個所を同時に撮影した複数の断層画像から形状モデルを推定し、その形状モデルを利用して、断層画像間の位置ずれによるボリューム画像の歪みを補正することにある。
【課題を解決するための手段】
【００１０】
上記の目的を達成するための、本発明の一態様による画像処理装置は、以下の構成を備える。
即ち、本発明の一態様に係る画像処理装置は、複数の測定光を被検査物に照射することで得られるそれぞれの戻り光と、対応する参照光との合成光により、前記被検査物の断層画像を取得する画像処理装置であって、複数の測定光で眼底部の断層画像を撮影する撮影手段と、前記撮影された断層画像から網膜層を検出する検出手段と、前記検出された網膜層に基づき眼底部の形状を推定する推定手段と、前記推定した眼底部の形状に基づいて、断層画像間の位置ずれを補正する画像歪み補正手段を備えることを特徴とする。
【００１１】
また、本発明の一態様に係る画像処理方法は、複数の測定光を被検査物に照射することで得られるそれぞれの戻り光と対応する参照光との合成光により、前記被検査物の断層画像を取得する画像処理方法であって、複数の測定光で眼底部の断層画像を撮影する撮影工程と、前記撮影された断層画像から網膜層を検出する検出工程と、前記検出された網膜層に基づき眼底部の形状を推定する推定工程と、前記推定した眼底部の形状に基づいて、断層画像間の位置ずれを補正する画像歪み補正工程を備えることを特徴とする。
【発明の効果】
【００１２】
本発明によれば、補正のための画像を取得することなく、ボリューム画像の歪みを補正することが出来る。
【図面の簡単な説明】
【００１３】
【図１】画像処理システムの構成を示す図である。
【図２】装置構成と装置で撮影される断層画像を説明するための図である。
【図３】画像処理システムにおける処理の流れを示すフローチャートである。
【図４】複数の測定光による撮影領域を説明するための図である。
【図５】画像の歪み補正の方法を説明するための図である。
【図６】歪み補正前後の画像の一例を示す図である。
【図７】パラメータ推定の一例を説明するための図である。
【図８】検出部における処理の流れを示すフローチャートである。
【図９】画像処理システムの構成を示す図である。
【図１０】画像処理システムにおける処理の流れを示すフローチャートである。
【図１１】複数の測定光におけるコヒーレンスゲート位置の移動を説明するための図である。
【発明を実施するための形態】
【００１４】
（実施例１）
以下、図面を参照しながら、本発明の第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は、複数の測定光でボリューム画像を撮影する際に、空間的に離れた個所を同時に撮影した複数の断層画像から、形状モデルを推定する。そして、その形状モデルを利用して、隣接する断層画像同士の位置合わせを行うことで、ボリューム画像の歪みを補正することを特徴とする。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について詳細を説明する。
【００１５】
図１は、本実施形態に係る画像処理装置１１０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１１０が、インタフェースを介して断層画像撮影装置２００と接続されることにより構成されている。
【００１６】
断層画像撮影装置２００は、本発明における被検査物たる眼部の断層画像を撮影する装置であり、図２（ａ）に本実施例における断層画像撮影装置２００の構成を示す。断層画像撮影装置２００は、図２（ａ）に示されるように、全体としてマイケルソン干渉系を構成している。本実施形態における断層画像撮影装置２００は、３本の測定光を有する構成として説明を行う。当該断層画像撮影装置２００は本発明における撮影手段に対応し、本形態では３本とされた測定光の本数は複数本あれば良い。また、これら測定光は眼底上に照射される際に各々の副走査方向での間隔が予め定められ、該間隔は得られた断層画像を合成する際の操作が容易となるように適宜定められる。
【００１７】
光源２０１から出射した光である出射光２０４はシングルモードファイバ２１０に導かれて光カプラ２５６に入射し、光カプラ２５６にて第１の光路と第２の光路と第３の光路の３つの光路を通る出射光２０４−１〜３に分割される。さらに、この３つの出射光２０４−１〜３のそれぞれは、偏光コントローラ２５３−１を通過し、光カプラ２３１−１〜３にて参照光２０５−１〜３と測定光２０６−１〜３とに分割される。このように分割された３つの測定光２０６−１〜３は、観察対象である被検眼２０７における網膜２２７等のそれぞれの測定個所によって反射あるいは散乱された戻り光２０８−１〜３となって戻される。そして、光カプラ２３１−１〜３によって、参照光路を経由してきた参照光２０５−１〜３と合波され合成光２４２−１〜３となる。合成光２４２−１〜３は、透過型回折格子２４１によって波長毎にそれぞれ分光され、ラインセンサ２３９の異なる領域に入射される。ラインセンサ２３９はセンサ素子毎に各波長の光強度を電圧に変換し、その信号を用いて制御部２５０で、被検眼２０７の断層画像が構成される。
【００１８】
ここで、参照光２０５の参照光路について説明する。光カプラ２３１−１〜３によって分割された３つの参照光２０５−１〜３のそれぞれは、偏光コントローラ２５３−２を通過し、レンズ２３５−１にて略平行光となって、出射される。次に、参照光２０５−１〜３は分散補償用ガラス２１５を通過し、レンズ２３５−２にて、ミラー２１４−１〜３にそれぞれ集光される。そして、参照光２０５−１〜３はミラー２１４−１〜３にてそれぞれ方向を変え、再び光カプラ２３１−１〜３に向かう。参照光２０５−１〜３は光カプラ２３１−１〜３を通過し、ラインセンサ２３９に導かれる。なお、分散補償用ガラス２１５は被検眼２０７および走査光学系を測定光２０６が往復した時の分散を、参照光２０５に対して補償するものである。なお、日本人の平均的な眼球の直径として代表的な値を想定し２３ｍｍとする。さらに、２１７−１〜３は電動ステージであり、矢印で図示している方向に移動することができ、参照光２０５−１〜３のそれぞれの光路長を、調整・制御することができる。そして、電動ステージ２１７−１〜３は、制御部２５０により制御される。ところで測定光路において、参照光路と光学距離が一致する位置をコヒーレンスゲートと言う。電動ステージ２１７−１〜３の移動によってこのコヒーレンスゲートの調整ができ、深さ方向の計測範囲を設定することができる。
【００１９】
次に、測定光２０６の測定光路について説明する。光カプラ２３１−１〜３によって分割された測定光２０６−１〜３のそれぞれは、偏光コントローラ２５３−４を通過し、レンズ２２０−３にて、略平行光となって出射され、走査光学系を構成するＸＹスキャナ２１９のミラーに入射される。ここでは、簡単のため、ＸＹスキャナ２１９は一つのミラーとして記したが、実際にはＸスキャン（主走査）用ミラーとＹスキャン（副走査）用ミラーとの２枚のミラーが近接して配置され、網膜２２７上を光軸に垂直な方向にラスタースキャンするものである。これらミラーは複数の測定光を主走査方向及び副走査方向に走査する走査手段として機能する。また、測定光２０６−１〜３のそれぞれの中心はＸＹスキャナ２１９のミラーの回転中心と略一致するようにレンズ２２０−１、３等が調整されている。レンズ２２０−１、２２０−２は測定光２０６−１〜３が網膜２２７を走査するための光学系であり、測定光２０６−１〜３を角膜２２６の付近を支点として、網膜２２７をスキャンする役割がある。測定光２０６−１〜３はそれぞれ網膜上の任意の位置に結像するように構成されている。
【００２０】
また、２１７−４は電動ステージであり、矢印で図示している方向に移動することができ、付随するレンズ２２０−２の位置を、調整・制御することができる。レンズ２２０−２の位置を調整することで、被検眼２０７の網膜２２７の所望の層に測定光２０６−１〜３のそれぞれを集光し、観察することができる。測定光２０６−１〜３は被検眼２０７に入射すると、網膜２２７からの反射や散乱により戻り光２０８−１〜３となり、光カプラ２３１−１〜３を通過し、ラインセンサ２３９に導かれる。なお、電動ステージ２１７−４は制御部２５０により制御される。以上の構成により３つの測定光を同時にスキャンすることができる。
【００２１】
図２（ｂ）に、３本の測定光で模型眼を撮影した断層画像のＹＺ平面を示す。この図は、３本の測定光でボリューム画像を撮影した際の断面図である。模型眼とは、生体眼同様の光学特性、大きさ、容量を持つガラス球である。複数の測定光で撮影を行う場合、各測定光のコヒーレンスゲートの位置を調整しておかないと、図２（ｂ）に示すように、被検査物の形状を正しく復元することが出来ない。そのため、本実施形態においては、模型眼のような動かない被検査物を撮影した場合に、図２（ｃ）に示すように、被検査物の形状を復元するように、３本のコヒーレンスゲートの位置関係を事前に調整しておく。
【００２２】
例えば、深さ分解能が６μｍで、分光器の画素数が１０００画素だとすると、計測できる深さは６×５００＝３ｍｍである。数百μｍずれていると所望の領域が測定できなくなる可能性がある。これらのずれを無くすようにコヒーレンスゲートの位置を調整し、干渉距離を所定の適当な間隔とすれば、１本の測定光で測定したのと同様にデータを扱うことができる。なお、深さ分解能の校正は、コヒーレンスゲートを同じ量動かした時に、断層画像において同じピクセル数動くように調整する。断層画像における深さ分解能の調整は、分光器のデータにゼロを追加するゼロパッティングなどで行う。コヒーレンスゲートの位置を合せるには、測定光間での重なり領域を使って合せる。別の方法として、ＹＺ平面の断層画像が１回の測定でとれる向きに走査して、断層画像が違和感なく接続できるようにしてもよい。この測定データから得られるずれ等を補正するために必要な情報（補正値）は、断層画像撮影装置毎に、記憶部１１２に保存される。
【００２３】
次に、画像処理装置１１０について説明をする。画像処理装置１１０は、画像取得部１１１、記憶部１１２、画像処理部１１３、表示制御部１１４を備える。画像処理部１１３は、検出部１３１、推定部１３２、画像歪み補正部１３３からなる。画像取得部１１１は、断層画像撮影装置２００により撮影された断層画像を取得し、記憶部１１２に格納する。検出部１３１では、記憶部１１２で記憶している断層画像から網膜層等の層を検出する。その際、本発明における検出手段に対応する該検出部１３１は、得られた眼底像中の各層について、得られた構造が正常な層構造を有するか異常な層構造を有するかについて判定することが好ましい。推定部１３２では、同時刻に撮影された複数の断層画像において、検出部１３１で検出した層の結果を用いて形状モデルを推定する。本発明の推定手段に対応する当該推定部１３２は、検出部１３１において正常な層構造を有する部分であると検出された層構造部分から眼底部の形状を推測することが好ましい。画像歪み補正部１３３では、推定部１３２で推定した形状モデルを利用して、ボリューム画像の歪みを補正する。即ち本発明における画像歪み補正手段にあたる画像歪み補正部１３３は推定された眼底部の形状に基づいて、断層画像間の位置ズレを補正する。画像ひずみ補正部１３３は、前述したＸＹスキャナ２１９を制御する制御手段の制御した値に基づいて断層画像の網膜層位置を補正することが好ましい。
【００２４】
次に、図３（ａ）を参照して本実施形態の画像処理システム１００の処理手順を示す。
【００２５】
<ステップＳ３０１>
図４に複数の測定光による被検眼の撮影例を示す。図４（ａ）は、スキャンラインを説明するための眼底の模式図、図４（ｂ）は、断層画像撮影装置２００で撮影した網膜のボリューム画像である。３本の測定光それぞれに対して矢印で示される測定光２０６−１で走査される第１の領域４０１、測定光２０６−２で走査される第２の領域４０２、測定光２０６−３で走査される第３の領域４０３がある。各測定光でＮ枚断層画像を撮影した場合、各測定光の断層画像は、測定光２０６−１で走査されるＴ４０１−１、Ｔ４０１−２、・・・Ｔ４０１−Ｎ、測定光２０６−２で走査されるＴ４０２−１、・・・Ｔ４０２−Ｎ、測定光２０６−３で走査されるＴ４０３−１、・・・Ｔ４０３−Ｎである。なお、図示はしないが、隣接する測定光の撮影領域は、一部の領域が重なるように撮影をしてもよい。
【００２６】
ステップＳ３０１では、網膜層を撮影するために、被検眼の平面方向（図４（ａ）のｘｙ方向）と深度方向（図４（ｂ）のｚ方向）の位置を調整する。ここで深度方向の位置を合わせるとは、断層画像を得るためのコヒーレントゲートの位置を合わせることに相当する。なお、本実施形態においては、３本の測定光のコヒーレンスゲートの位置は、初期設定の位置関係を保ったまま連動して動作するものとする。
【００２７】
<ステップＳ３０２>
ステップＳ３０１で、網膜層を撮影するのに適した位置に調整を行った後、ステップＳ３０２で、不図示の撮影指示部からの指示により撮影を開始する。
【００２８】
<ステップＳ３０３>
ステップＳ３０３では、操作者が撮影指示をすると、走査光学系を構成するＸＹスキャナ２１９が網膜２２７上を光軸に垂直な方向にラスタースキャンする。ここでは、簡単のため、ＸＹスキャナ２１９は一つのミラーとして記したが、実際にはＸスキャン用ミラーとＹスキャン用ミラーとの２枚のミラーが近接して配置され、網膜２２７上を光軸に垂直な方向にラスタースキャンするものである。ラスタースキャンにより、網膜のボリューム画像を取得する。そして、画像取得部１１１は、断層画像撮影装置２００により撮影された断層画像を取得し、記憶部１１２に格納する。当該工程は、本発明における複数の測定光で眼底部の断層画像を撮影する撮影工程に対応する。
【００２９】
<ステップＳ３０４>
ステップＳ３０４では、画像処理部１１３が形状モデルを推定し、その形状モデルを利用してボリューム画像の歪み補正を行う。この処理について、図３（ｂ）を参照して説明をする。
【００３０】
<ステップＳ３１０>
ステップＳ３１０において、検出部１３１は、ステップＳ３０３で取得した断層画像から網膜層を検出する。網膜層内部の層構造は、内境界膜（ＩＬＭ）、神経線維層（ＮＦＬ）、神経節細胞層（ＧＣＬ）、内網状層（ＩＰＬ）、内顆粒層（ＩＮＬ）、外網状層（ＯＰＬ）、外顆粒層（ＯＮＬ）、外境界膜（ＥＬＭ）、視細胞内節外節接合部（ＩＳ／ＯＳ）、網膜色素上皮層（ＲＰＥ）である。検出部１３１はこれらの層のうち少なくとも１層を検出すれば良いが、ＩＳ／ＯＳやＲＰＥを検出してある方が形状モデルで推定を行いやすい。検出部１３１が層を検出するというのは、層と層の境界を検出することと同じである。例えば、硝子体と網膜との境界の内境界膜１と、神経線維層２／神経節細胞層３との境界を検出することで、神経線維層２を検出することになる。ここで検出部１３１は、得られた層構造が前述した正常な層構造であるか異常な層構造であるかを検出・判定し、推定部１３２が眼底部の形状を推定する際に用いるべきデータとして正常な層構造を提供する。当該工程は、本発明において撮影された眼底画像より網膜層等の層を検出する検出工程に対応する。なお、ここで述べる正常な層構造とは、前述した網膜層内部において通常存在すべき層が一般的な層厚さにて存在する構造を指し、異常な層構造とは病気、怪我或いは先天的な欠陥等により本来存在すべき層或いは境界が正しい強度にて信号として得られない構造を指す。
【００３１】
網膜層の検出について、まず、断層画像に対して、メディアンフィルタとＳｏｂｅｌフィルタをそれぞれ適用して画像を作成する（以下、メディアン画像、Ｓｏｂｅｌ画像とする）。次に、変換したメディアン画像とＳｏｂｅｌ画像から、Ａ−ｓｃａｎ毎にプロファイルを作成する。メディアン画像では輝度値のプロファイル、Ｓｏｂｅｌ画像では勾配のプロファイルとなる。そして、Ｓｏｂｅｌ画像から作成したプロファイル内のピークを検出する。検出したピークの前後やピーク間に対応するメディアン画像のプロファイルを参照することで、網膜層を検出する。
【００３２】
網膜層の検出方法については、上記の方法に限られるものではなく、ＧｒａｐｈＣｕｔやＡｃｔｉｖｅＣｏｎｔｏｕｒなどの方法で層を検出してもよい。
【００３３】
<ステップＳ３１１>
ステップＳ３１１において、推定部１３２は、ステップＳ３１０で検出した網膜層の情報を用いて形状モデルを推定する。当該工程は、本発明において検出された網膜層に基づいて眼底部の形状を推定する推定工程に対応する。
【００３４】
ここでは、形状モデルとして２次曲線と２次曲面のモデルパラメータを推定する場合について説明を行う。
【００３５】
初めに、形状モデルとして２次曲線を利用する場合について図５（ａ）を用いて説明を行う。ここでは、同時（時刻ｉとする）に撮影した３本の測定光から得られる断層画像Ｔ４０１−ｉ、Ｔ４０２−ｉ、Ｔ４０３−ｉの同じｘ座標において、ステップＳ３１０で検出した網膜層の位置（本実施例ではＲＰＥ）から２次曲線を推定する。本実施例で同時とは、１枚の断層画像を取得するためのスキャン開始から終了までの時間が同じことを指し、３本の測定光の場合、３枚の断層画像が取得できる時間のことを指す。図５（ａ）において、点線ＣＬがｘk座標における２次曲線を示している。図５（ａ）において、ｘk座標の場合、座標 (xk, y401-i, z401-ik)、(xk, y402-i, z402-ik)、(xk, y403-i, z403-ik)から２次曲線ＣＬを推定する。数１に図５（ａ）の座標系における２次曲線ＣＬの式を示す。２次曲線ＣＬのパラメータａ、ｂ、ｃは、数１〜数４を計算することで求めることが出来る。数２において、“
”はほぼ等しいを表し、数３において“
”は、左側の式を最小にすることを表す。これは最小二乗法の式であり、ａ、ｂ、ｃでそれぞれ偏微分を解くことで数４の正規方程式を得る。
【００３６】
【数１】
【００３７】
【数２】
【００３８】
【数３】
【００３９】
【数４】
【００４０】
形状モデルとして２次曲線を用いる場合、３本の測定光で同時刻に撮影した断層画像Ｔ４０１−ｉ、Ｔ４０２−ｉ、Ｔ４０３−ｉから、任意のｘ座標における網膜層の位置座標を用いてモデルパラメータを推定する。本実施例においては、任意の１箇所のｘ座標においてモデルパラメータを推定したが、複数のｘ座標からパラメータを求めて、各パラメータの平均値を用いるようにしてもよい。さらに、異なる時刻（時刻ｊとする）に同時に撮影した断層画像Ｔ４０１−ｊ、Ｔ４０２−ｊ、Ｔ４０３−ｊから、任意のｘ座標における網膜層の位置座標を用いてモデルパラメータを推定し、時刻ｉ、ｊで求めたパラメータの平均値を用いるようにしてもよい。
【００４１】
次に、形状モデルとして２次曲面を利用する場合について、図５（ｂ）を用いて説明を行う。３本の測定光が同時（時刻ｉとする）に撮影した断層画像Ｔ４０１−ｉ、Ｔ４０２−ｉ、Ｔ４０３−ｉにおいて、ステップＳ３１０で検出した網膜層の位置（本実施例ではＲＰＥ）から２次曲面を推定する。図５（ｂ）では、断層画像Ｔ４０２−ｉと２次曲面ＣＳを示している。なお、２次曲面ＣＳは、断層画像Ｔ４０２−ｉ上と、ｘj座標上のみを示している。図５（ｂ）において、座標 (x1, y401-i, z401-i 1)、(x2, y401-i, z401-i 2)、・・・、(xm, y401-i, z401-i m)、(x1, y402-i, z402-i 1)、(x2, y402-i, z402-i 2)、・・・、(xm, y402-i, z402-i m)、(x1, y403-i, z403-i 1)、(x2, y403-i, z403-i 2)、・・・、(xm, y403-i, z403-i m)から２次曲面ＣＳを推定する。数５に図５（ｂ）の座標系における２次曲面の式を示す。２次曲面ＣＳのパラメータａ、ｂ、ｃ、ｄ、e、ｆは、数５〜数８を計算することで求めることが出来る。数６〜数８において、Ｍは２次曲面を求める際の座標点の数である。
【００４２】
【数５】
【００４３】
【数６】
【００４４】
【数７】
【００４５】
【数８】
【００４６】
形状モデルとして、２次曲面を用いる場合、３本の測定光で同時刻に撮影した断層画像Ｔ４０１−ｉ、Ｔ４０２−ｉ、Ｔ４０３−ｉの網膜層の位置から、モデルパラメータを推定することが出来る。２次曲面においても、異なる時刻（時刻ｊとする）に同時に撮影した断層画像Ｔ４０１−ｊ、Ｔ４０２−ｊ、Ｔ４０３−ｊから、網膜層の位置座標を用いてモデルパラメータを推定し、時刻ｉ、ｊで求めたパラメータの平均値を用いるようにしてもよい。
【００４７】
ここでは、２次曲線と２次曲面のモデルパラメータを推定する場合について説明を行ったが、形状モデルはこれらに限定されるものではなく、ｎ次曲線やｎ次曲面を用いてもよい。なお、形状モデルを求める方法として最小二乗法の例を示したが、形状モデルを求める方法はこれらに限定されるものではない。Ｍ推定、ＬＭｅｄＳ（Ｌｅａｓｔ Ｍｅｄｉａｎ ｏｆ Ｓｑｕａｒｅｓ）、ＲＡＮＳＡＣ（ＲＡＮｄｏｍ ＳＡｍｐｌｅ Ｃｏｎｓｅｎｓｕｓ）などのロバスト推定手法を用いて形状モデルを求めてもよい。
【００４８】
<ステップＳ３１２>
ステップＳ３１２では、ステップＳ３１１で推定した形状モデルを用いてボリューム画像の歪み補正を行う。当該工程は、本発明において推定した眼底部の形状に基づいて断層画像間の位置すれを補正する画像歪み補正工程に対応する。ここでは、断層画像iの位置を例に説明をする。断層画像iにおいて、形状モデルのｚModel iの値が求まるので、形状モデルで求めたｚModel iの値と、断層画像の網膜層の座標位置ｚRPE i（本実施例ではＲＰＥ）との差分Δｚiが断層画像毎における深度方向の補正値となる。従って、ステップＳ３１２では、断層画像毎に求めた補正値に基づいて、深度方向の断層画像位置補正を行う。図６に形状モデルを用いてボリューム画像の歪み補正を行う場合の例を示す。図６は、３本の測定光で網膜を撮影した場合の断層画像のＹＺ平面である。図６（ａ）は、歪み補正をする前のボリューム画像のＹＺ平面であり、図６（ｂ）は、形状モデルを用いて歪み補正をしたボリューム画像のＹＺ平面である。図６に示すように、形状モデルを用いることで、網膜層の形状を復元することが出来る。なお、図６（ａ）から図６（ｂ）の画像を作成する際に、断層画像毎に計算される補正値に応じて深度方向にシフトさせるため、シフトさせた部分に空白領域が生じる。この空白領域には、シフトさせる前の領域から計算した値を代入する。計算方法としては、例えば、バイリニアやバイキュービック法などを用いる。あるいは、補間ではなく０や画像の最大値（１６ｂｉｔ画像の場合は、６５５３５）など特定の値を代入してもよい。
【００４９】
<ステップＳ３０５>
ステップＳ３０５では、表示制御部１１４は、ステップＳ３０４で画像の歪みを補正したボリューム画像を不図示の表示部に表示する。なお、画像を表示するだけではなく、網膜層の厚み計測などを行う場合には、ステップＳ３１０で求めた網膜層の検出結果から層の厚みを計測し、その検出結果を境界線として断層画像に重畳して表示してもよい。さらには、厚みのマップを作成して表示してもよい。
【００５０】
以上で述べた構成によれば、複数の測定光でボリューム画像を撮影する際に、空間的に離れた個所を同時に撮影した複数の断層画像から網膜層を検出し、検出した網膜層を用いて形状モデルを推定する。そして、その形状モデルを用いてボリューム画像の歪みを補正することで、断層画像撮影装置でスキャンを行っている間に、被検査物が動いてしまったとしても、精度良くボリューム画像の歪みを補正することが出来る。
【００５１】
（実施例２）
上記第１の実施形態では、形状モデルを求める際に、任意の断層画像のセット（本実施形態において、１セットは３枚の断層画像群）から、形状モデルのパラメータを求めた。そして、その他の断層画像のセットは、求めた形状モデルと各断層画像における網膜層位置との差分量に応じて、深度方向の位置合わせを行った。本実施形態においては、全ての断層画像のセット（本実施形態においては、Ｎセット）を用いて、形状モデルパラメータと各断層画像セットにおける平行移動量パラメータを求めて、ボリューム画像の歪みを補正する例を示す。本実施形態においては、形状モデルは２次曲面の場合で説明を行う。そして、パラメータを求める方法として、各断層画像セットでまず形状モデルパラメータと平行移動パラメータを求め、それを初期値として全体のパラメータを求める方法について説明を行う。なお、本実施形態は第１の実施形態のステップＳ３１１、Ｓ３１２に相当する。
【００５２】
以下、各断層画像セット（各セットをＧ１、Ｇ２、…、ＧＮとする）でモデル形状を求め、それを初期値として全体のパラメータを求める方法について説明を行う。図７に各断層画像セットの例を示す。即ち同時刻に撮影された複数の断層画像を、同時刻に撮影された複数の断層画像を１組とする複数の組に分け、各組毎について眼底部の形状が推定される各セットは、３本の測定光で同時に撮影された３枚の断層画像である。本実施形態においては、３本の測定光がそれぞれＮ枚の断層画像を撮影するため、断層画像のセットはＮ個となる。
【００５３】
式を数９〜数１１に示す。ここでは、数９と数１０で求めたパラメータを初期値として数１１を求める。数９は、断層画像セット毎に形状モデルパラメータと平行移動量を計算する式で、数１０は、数９で求めた形状モデルパラメータの平均値を求める式である。
【００５４】
数９は、非線形の最小化問題なので、各パラメータは、準ニュートン法、共役勾配法、Ｐｏｗｅｌｌ法などにより求めることが出来る。数９を解くための初期値としては、平均形状モデルを事前に作成しておき、その平均形状モデルのパラメータａ、ｂ、ｃ、ｄ、e、ｆと、ボリューム画像の中心を平行移動量ｔｘ、ｔｙの初期値として与える。ここで、平均形状モデルとは、複数の網膜層の形状モデルから作成したモデルである。作成方法は、複数の網膜層データに対し自動あるいは手動で網膜層を検出する。そして、それぞれ検出した結果を基準位置に合わせて座標値の平均を計算することで、平均形状モデルを求めることが出来る。数９、数１１において、
の添え字は、各断層画像セット（Ｇ１、Ｇ２、…、ＧＮ）におけるα番目の座標値を示す。そして、Ｍは２次曲面を求める際の座標点の数である。
【００５５】
【数９】
【００５６】
【数１０】
【００５７】
【数１１】
【００５８】
【数１２】
【００５９】
数１１は、ボリューム画像全体の形状モデルと平行移動量を求める式である。数１０で求めた値を、数１１における形状モデルパラメータの初期値として用いる。そして、数９で求めた平行移動のパラメータｔｘ１、…ｔｘN、ｔｙ１、…ｔｙNを、数１１における平行移動パラメータの初期値として用いる。数１１も数９と同様に、非線形の最小化問題なので、各パラメータ（ａ、ｂ、ｃ、ｄ、e、ｆと、ｔｘ１、…ｔｘN、ｔｙ１、…ｔｙN）は、準ニュートン法、共役勾配法、Ｐｏｗｅｌｌ法などにより求めることが出来る。
【００６０】
【数１３】
【００６１】
本実施形態において、各パラメータ（ａ、ｂ、ｃ、ｄ、e、ｆと、ｔｘ１、…ｔｘN、ｔｙ１、…ｔｙN）を求める方法として、数９と数１０で各断層画像セットにおける形状モデルパラメータと平行移動パラメータを求め、それを初期値として数１１で全体のパラメータを求める方法について説明を行った。しかし、全体のパラメータを求めるための初期値を与える方法はこれに限らない。たとえば、数９、数１０の代わりに、実施例１で求めた形状モデルパラメータと平行移動量を初期値として、数１１を求めてもよい。また、数９、数１０の代わりに、平均形状モデルのパラメータを初期値として数１１を求めてもよい。
【００６２】
以上で述べた構成によれば、全ての断層画像のセット（本実施形態においては、Ｎセット）を用いて、形状モデルパラメータと各断層画像セットにおける平行移動量パラメータを求めるので、ロバストに形状モデルを推定することが出来る。そして、その形状モデルを用いてボリューム画像の歪みを補正することで、断層画像撮影装置でスキャンを行っている間に、被検査物が動いてしまったとしても、精度良くボリューム画像の歪みを補正することが出来る。
【００６３】
（実施例３）
上記第１、第２の実施形態では、網膜層全体を検出し、任意の座標点、あるいは検出した全座標点データを用いて形状モデルを推定した。本実施形態においては、形状モデルを推定するために用いる座標点を選択し、選択された座標点を用いて被検査物の形状を復元する場合について説明をする。以下、図８を参照して本実施形態の検出部１３１の処理手順を示す。
【００６４】
＜ステップＳ８０１＞
ステップＳ８０１において、断層画像に対して画像変換を行う。本実施形態では断層画像に対して、メディアンフィルタとＳｏｂｅｌフィルタをそれぞれ適用して、メディアン画像とＳｏｂｅｌ画像を作成する。ここで、画素値は信号の強度が強い場合に大きく、弱い場合に小さくなるとする。
【００６５】
本実施形態において、ＳｏｂｅｌフィルタはＡ−ｓｃａｎにおける浅い方向（画像の上方）から見て、低い輝度値から高い輝度値への境界を強調するように方向性をもたせている。その理由は以下のとおりである。本件では、網膜層構造が変化したとき、その原因を特定するための構造情報として、各Ａ−ｓｃａｎにおけるＩＬＭ境界、ＩＳ／ＯＳ境界、硝子体皮質の位置情報と偽像の有無を用いている。網膜層構造において、ＩＬＭ境界と硝子体皮質は輝度値の低い硝子体と比較的輝度値の高い網膜組織との境界であり、ＩＳ／ＯＳ境界も浅い方向に比較的暗い組織と接している。また、偽像が存在した場合、ＩＳ／ＯＳ境界下の輝度が低下するため、Ｓｏｂｅｌ画像における画素値から偽像の有無を判定することができる。つまり、上記のような方向性をもたせることでＩＬＭ境界、ＩＳ／ＯＳ境界、硝子体皮質がより強調され、更には偽像の有無の判定も行える。なお、硝子体皮質においては、網膜層構造情報取得処理よりも後段で最終的に特定処理を行うため、網膜層構造情報取得処理においては硝子体皮質候補として扱う。
【００６６】
＜ステップＳ８０２＞
ステップＳ８０２において、ステップＳ８０１で作成したメディアン画像を用いて、背景（硝子体）の平均輝度値を算出する。本実施形態では、まず、メディアン画像に対してＰ−ｔｉｌｅ法による二値化処理を行い、背景領域を特定する。次に、背景領域におけるメディアン画像の輝度値の平均値を算出する。
【００６７】
Ｐ−ｔｉｌｅ法による二値化処理とは、処理対象となる画像のヒストグラムを作成し、輝度値の高い方、もしくは低い方から累積して、所定の割合Ｐに達したときの輝度値を閾値として二値化する方法である。本実施形態では、画像中における網膜領域の割合がおおよそわかっているため、経験的にＰの値を、輝度値の高い方から３０パーセントとして二値化処理を行い、輝度値が閾値以下の画素を背景画素とする。
背景画素を特定したら、背景画素におけるメディアン画像の輝度値を参照し、背景の平均輝度値を算出する。
【００６８】
＜ステップＳ８０３＞
ステップＳ８０３において、ステップＳ８０１で作成した変換画像からプロファイルを作成する。本実施形態では、メディアン画像とＳｏｂｅｌ画像の両方からＡ−ｓｃａｎ毎にプロファイルを作成する。メディアン画像からプロファイルを作成することで、断層画像において特に問題となるノイズを抑制し、より輝度値の傾向を把握しやすくなるという効果がある。また、Ｓｏｂｅｌ画像からプロファイルを作成することで、後段で行われる網膜層境界の特定において、網膜層境界の候補点を検出しやすくなるという効果がある。また、必ずしもこれらの変換画像からプロファイルを作成する必要はなく、原画像やその他の変換画像から所定の強さのエッジを検出できればよい。
【００６９】
＜ステップＳ８０４＞
ステップＳ８０４において、ステップＳ８０３で作成したプロファイルから極大点（以下、ピークとする）を検出する。本実施形態では、Ｓｏｂｅｌ画像から作成したプロファイルにおけるピークを検出する。検出には経験的、または画像情報に基づいて定められる閾値を用いる。網膜において、ＩＬＭ境界下、ＩＳ／ＯＳ境界下、硝子体皮質は多くの信号を反射または散乱させる。そのため、ステップＳ８０１で述べた浅い方向から見て、低い輝度値から高い輝度値への境界を強調するように方向性をもつＳｏｂｅｌフィルタを用いれば、強いエッジとして検出し易い。これらの層の他に、この方向性をもつＳｏｂｅｌフィルタで検出される強いエッジは病変部以外に存在しないため、閾値を調整することによって、ＩＬＭ境界、ＩＳ／ＯＳ境界、硝子体皮質候補を優先的に抽出することができる。
【００７０】
＜ステップＳ８０５＞
ステップＳ８０５において、ステップＳ８０４で検出したピークを数え、その数を基に処理を分岐させる。本実施形態では、本ステップ入力時に網膜層境界や硝子体皮質候補として特定されていないピークが２点以上存在する場合（ステップＳ８０５でＹｅｓ）、Ａ−ｓｃａｎにおいて、浅い方向から順に２つのピークを選ぶ。そして、それぞれ第一ピーク、第二ピークとして、ステップＳ８０６へ進む。また、ピークが１つの場合（ステップＳ８０５でＮｏ）、一番大きなピークを第一ピークとして、ステップＳ８０９に進む。
【００７１】
＜ステップＳ８０６＞
ステップＳ８０６において、ステップＳ８０５で選ばれた２つのピーク間のメディアン画像のプロファイルと背景の平均輝度値を比較する。本実施形態では、まず、第一ピークと第二ピークの間に存在する画素に対して、ステップＳ８０２で算出した背景の平均輝度値に係数である１．２を掛けた値を閾値として設定する。次に、この閾値よりも大きい輝度値をもつ画素数から、ピーク間に存在する全画素数に対する数の割合を算出する。
なお、この係数は経験的に求めたものであり、これに限定されるものではない。例えば、背景の平均輝度値と背景以外の領域（二値化処理における閾値以上の領域）の平均輝度値との割合などを用いて、画像情報から動的に係数を決定してもよい。
【００７２】
＜ステップＳ８０７＞
ステップＳ８０７において、ステップＳ８０６で算出した割合を基に処理を分岐させる。本実施形態では、算出された割合が１／２より小さいとき（ステップＳ８０７でＮｏ）、ピーク間は背景であると判断し、ステップＳ８０８へ進む。算出された割合が１／２以上のとき（ステップＳ８０７でＹｅｓ）、ピーク間に網膜組織が存在すると判断し、ステップＳ８０９へ進む。
【００７３】
なお、本実施形態では、閾値以上の画素の割合から網膜組織であるか、背景であるかを判断しているが、これに限定されるものではない。例えば、プロファイルから特徴量を算出し、それを入力として識別器を用いた判定を行ってもよい。
【００７４】
＜ステップＳ８０８＞
ステップＳ８０８において、ピークの一つを硝子体皮質候補として特定する。本実施形態では、ステップＳ８０７において、ピーク間が背景であると判断された第一ピークと第二ピークについて、硝子体皮質が剥がれている場合、下には背景が存在することから、第一ピークを硝子体皮質候補として特定する。そしてステップＳ８０５へ戻り、第二ピークを含めて２点のピークを選び直す。
【００７５】
＜ステップＳ８０９＞
ステップＳ８０９において、ピークの一つをＩＬＭ境界として特定する。本実施形態では、ステップＳ８０７において、ピーク間に網膜組織が存在すると判断された第一ピークと第二ピークについて、ＩＬＭ境界は網膜組織の上端に存在することから、第一ピークをＩＬＭ境界として特定する。また、ステップＳ８０５から分岐されてきた場合も、第一ピークをＩＬＭ境界として特定する。
【００７６】
＜ステップＳ８１０＞
ステップＳ８１０において、ステップＳ８０９で特定したＩＬＭ境界よりも、同じＡ−ｓｃａｎ上で深い方向（画像の下方）に閾値以上の特徴点が存在するか調べる。本実施形態では、同じＡ−ｓｃａｎ上で特定したＩＬＭ境界のピークの大きさに係数である０．８を掛けた値を閾値として設定する。この閾値以上のピークがＩＬＭ境界よりも深い方向に存在するかを調べる。存在した場合（ステップＳ８１０でＹｅｓ）、ステップＳ８１１に進む。存在しなかった場合（ステップＳ８１０でＮｏ）、ステップＳ８１２に進む。
なお、この閾値は経験的に求めたものであり、これに限定されるものではない。例えば、ピークの大きさの他に、ピーク間の距離などを用いてもよい。
【００７７】
＜ステップＳ８１１＞
ステップＳ８１１において、ステップＳ８１０で設定した閾値以上のピークをＩＳ／ＯＳ境界として特定する。閾値以上のピークが複数存在した場合、本実施例では、閾値以上のピーク群の中で、一番浅い位置に存在するピークをＩＳ／ＯＳ境界とする。
【００７８】
＜ステップＳ８１２＞
ステップＳ８１２において、ＩＳ／ＯＳ境界を特定することができなかったとし、Ａ−ｓｃａｎに「偽像」ラベルを付ける。
【００７９】
＜ステップＳ８１３＞
ステップＳ８１３において、画像中の全てのＡ−ｓｃａｎにおいて、構造情報を取得したか調べる。全てのＡ−ｓｃａｎについて処理を行った場合（ステップＳ８１３でＹｅｓ）、処理を終了する。まだ構造情報を取得していないＡ−ｓｃａｎが存在する場合（ステップＳ８１３でＮｏ）、ステップＳ８０３に戻る。
【００８０】
このように、ピーク間にある組織を判定し、その結果に基づいて網膜層の構造情報を取得することにより、構造情報の誤りを減らすことができる。ＩＬＭ境界は全てのＡ−ｓｃａｎで特定されている。一方、ＩＳ／ＯＳ境界は特定できないＡ−ｓｃａｎも存在し、そのようなＡ−ｓｃａｎにはステップＳ８１２で述べたとおり、「偽像」ラベルが付けられている。
【００８１】
推定部１３２では、「偽像」ラベルが割り当てられていないＡ−ｓｃａｎでの網膜層の検出結果から形状モデルを推定する。なお、形状モデルの推定方法は実施例１、実施例２で述べたとおりである。
【００８２】
以上で述べた構成によれば、形状モデルを推定するために用いる座標点を選択することで、精度良く形状モデルを推定できる。そのため、精度良くボリューム画像の歪みを補正することが出来る。
【００８３】
（実施例４）
上記第１の実施形態では、模型眼のような動かない被検査物を撮影した場合に、被検査物の形状を復元するように、３本の測定光のコヒーレンスゲート位置を事前に調整しておいた。そして、コヒーレンスゲート位置を変更する際には、３本の測定光が連動して動作する例を示した。本実施形態においては、コヒーレンスゲートの位置をそれぞれの測定光で独立に変更させた時に、被検査物の形状を復元する場合について説明をする。
【００８４】
図９は、本実施形態に係る画像処理装置９１０を備える画像処理システム９００の構成を示す図である。図９に示すように、画像処理装置９１０は、画像取得部１１１、記憶部９１２、画像処理部９１５、表示制御部１１４、検出部１３１、推定部１３２、画像歪み補正部１３３、補正部９３４を備える。このうち、上記第１の実施形態と同様の機能を有するものに関しては、ここでは説明を省略する。
【００８５】
記憶部９１２は、被検査物の形状を正しく復元する位置関係にあるコヒーレンスゲートの位置から、それぞれのコヒーレンスゲートの位置を独立に調整した移動量を記憶する。
補正部９３４は、被検査物の形状を復元するために、独立に調整した移動量から各測定光の深度方向（Ｚ方向）の位置を補正する。
【００８６】
以下、図１０、図１１を参照して本実施形態の画像処理システム９００の処理手順を示す。なお、ステップＳ１００１、ステップＳ１００４、ステップＳ１０１１以外は、第１実施形態と同様なので説明は省略する。
【００８７】
<ステップＳ１００１>
ステップＳ１００１では、被検査物を撮影するために、平面方向と深度方向の位置を調整する。ここでは、図１１を用いて被検査物が模型眼の場合について説明を行う。また、コヒーレンスゲートの位置は画像上部に設定されているものとする。図１１（ａ）は、模型眼を撮影した断層画像のＹＺ平面である。ここで、模型眼がきれいに撮影出来るように深度方向の位置を調整する。図１１（ｂ）は、３本のコヒーレンスゲートの位置を連動して動作させる場合の断層画像のＹＺ平面である。そして、図１１（ｃ）は真ん中のコヒーレンスゲートの位置だけを移動させる場合の断層画像のＹＺ平面である。図１１（ｂ）に示すように、３本のコヒーレンスゲートの位置を連動して動作させる場合には、網膜層は形状を保ったまま上下に移動をする。しかし、図１１（ｃ）に示すように、独立に移動させる場合には、網膜層の形状を保たなくなってしまう。そのため、図１１（ｃ）で示すような、各コヒーレンスゲートを独立に移動させる移動量ｄを記憶部９１２に保存する。
【００８８】
<ステップＳ１００４>
ステップＳ１００４では、画像処理部９１３が、コヒーレンスゲートの移動量ｄを考慮し、形状モデルを利用してボリューム画像の歪み補正を行う。この処理について、図１０（ｂ）を参照して説明をする。
【００８９】
<ステップＳ１０１１>
ステップＳ１０１１で補正部９３４が、独立に移動したコヒーレンスゲート位置の移動量ｄを用いて断層画像の深度方向の位置補正を行う。装置の初期設定を行う際に、測定光毎にコヒーレンスゲートの移動量と、断層画像におけるピクセルとの対応を取っておく。本実施例におけるコヒーレンスゲートの移動量と画像ピクセルとの対応を表１に示す。表１において、２０００は本実施例におけるコヒーレンスゲートの送りピッチである。
【００９０】
【表１】
【００９１】
表１に示すように、測定光毎にコヒーレンスゲートの移動量と画像ピクセルとの対応が事前に取れていれば、各コヒーレンスゲートを独立に移動させる移動量ｄから断層画像におけるピクセルの移動量を算出することが出来る。例えば、真ん中のコヒーレンスゲート（表１における測定光２）の位置だけを５００動かした場合、断層画像においては４４ｐｉｘｅｌ動かしたことと同じである。従って、補正部９３４は、コヒーレンスゲートを各測定光で独立に移動させる移動量ｄから断層画像における移動量を求めて、断層画像の網膜層深度位置を補正する。なお、表１における数値は本実施例における一例を示したものであるので、この数値に限定されるものではない。
【００９２】
本実施例において、撮影時に独立に移動させる例を示したが、これに限らない。例えば、装置の初期設定を行う際に、それぞれのコヒーレンスゲート位置をずらしておくようにしてもよい。撮影対象物の位置はコヒーレンスゲートに近い状態で撮影した方が鮮明な画像を得られる可能性が高い。一般的に網膜層は湾曲形状であるので、最初から真ん中のコヒーレンスゲート位置をずらして設定をしておき、撮影時には全てのコヒーレンスゲートが連動して動作するものでもよい。初期設定時にずらしておく場合には、被検査物の形状を復元する位置からのコヒーレンスゲート位置のずれ量を記憶部９１２に記憶しておき、そのずれ量を補正して形状モデルを推定する。
【００９３】
以上で述べた構成によれば、複数の測定光でボリューム画像を撮影する際に、それぞれの測定光のコヒーレンスゲート位置を独立に変更させる。そして、空間的に離れた個所を同時に撮影した複数の断層画像から網膜層を検出し、検出した網膜層の位置を独立に変更させた変更量を基に補正して形状モデルを推定する。そして、その形状モデルを用いてボリューム画像の歪みを補正することで、コヒーレンスゲートの位置を独立に移動させた場合のボリューム画像においても、精度良くボリューム画像の歪みを補正することが出来る。
【００９４】
（その他の実施例）
また、本発明は、以下の処理を実行することによっても実現される。即ち、上述した実施形態の機能を実現するソフトウェア（プログラム）を、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給し、そのシステム或いは装置のコンピュータ（またはＣＰＵやＭＰＵ等）がプログラムを読み出して実行する処理である。
【符号の説明】
【００９５】
１００ 画像処理システム
１１０ 画像処理装置
１１１ 画像取得部
１１２ 記憶部
１１３ 画像処理部
１１４ 表示制御部
１３１ 検出部
１３２ 推定部
１３３ 画像歪み補正部
２００ 断層画像撮影装置
９００ 画像処理システム
９１０ 画像処理装置
９１２ 記憶部
９１３ 画像処理部
９３４ 補正部
【特許請求の範囲】
【請求項１】
複数の測定光を被検査物に照射することで得られるそれぞれの戻り光と、対応する参照光との合成光により、前記被検査物の断層画像を取得する画像処理装置であって、
複数の測定光で眼底部の断層画像を撮影する撮影手段と、
前記撮影された断層画像から網膜層を検出する検出手段と、
前記検出された網膜層に基づき眼底部の形状を推定する推定手段と、
前記推定した眼底部の形状に基づいて、断層画像間の位置ずれを補正する画像歪み補正手段を備えることを特徴とする。
【請求項２】
前記推定手段は、前記撮影された断層画像のうち、同時刻に撮影された複数の断層画像での網膜層に基づき、眼底部の形状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、前記撮影された断層画像を、同時刻に撮影された複数の断層画像を１組とする複数の組に分け、各組毎に前記眼底部の形状を推定することを特徴とする請求項２に記載の画像処理装置。
【請求項４】
前記検出手段は、正常な層構造と異常な層構造部分を判定し、前記推定手段は、前記検出手段で検出した正常な層構造部分から眼底部の形状を推定することを特徴とする請求項１乃至３に記載の画像処理装置。
【請求項５】
複数の測定光の干渉距離をそれぞれ制御する制御手段と、前記制御した値を基に断層画像の網膜層位置を補正する補正手段を含むことを特徴とする請求項１乃至４に記載の画像処理装置。
【請求項６】
前記撮影手段は、前記複数の測定光を主走査方向と副走査方向に走査する走査手段を含み、
前記推定手段は、前記眼底部の前記副走査方向の形状を推定することを特徴とすることを特徴とする請求項１乃至５に記載の画像処理装置。
【請求項７】
前記複数の測定光は、前記副走査方向に所定の間隔離れた位置で照射されることを特徴とする請求項６に記載の画像処理装置。
【請求項８】
複数の測定光を被検査物に照射することで得られるそれぞれの戻り光と対応する参照光との合成光により、前記被検査物の断層画像を取得する画像処理方法であって、
複数の測定光で眼底部の断層画像を撮影する撮影工程と、
前記撮影された断層画像から網膜層を検出する検出工程と、
前記検出された網膜層に基づき眼底部の形状を推定する推定工程と、
前記推定した眼底部の形状に基づいて、断層画像間の位置ずれを補正する画像歪み補正工程を備えることを特徴とする。
【請求項９】
請求項８に記載の画像処理方法をコンピュータに実行させるためのプログラム。
【請求項１】
複数の測定光を被検査物に照射することで得られるそれぞれの戻り光と、対応する参照光との合成光により、前記被検査物の断層画像を取得する画像処理装置であって、
複数の測定光で眼底部の断層画像を撮影する撮影手段と、
前記撮影された断層画像から網膜層を検出する検出手段と、
前記検出された網膜層に基づき眼底部の形状を推定する推定手段と、
前記推定した眼底部の形状に基づいて、断層画像間の位置ずれを補正する画像歪み補正手段を備えることを特徴とする。
【請求項２】
前記推定手段は、前記撮影された断層画像のうち、同時刻に撮影された複数の断層画像での網膜層に基づき、眼底部の形状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、前記撮影された断層画像を、同時刻に撮影された複数の断層画像を１組とする複数の組に分け、各組毎に前記眼底部の形状を推定することを特徴とする請求項２に記載の画像処理装置。
【請求項４】
前記検出手段は、正常な層構造と異常な層構造部分を判定し、前記推定手段は、前記検出手段で検出した正常な層構造部分から眼底部の形状を推定することを特徴とする請求項１乃至３に記載の画像処理装置。
【請求項５】
複数の測定光の干渉距離をそれぞれ制御する制御手段と、前記制御した値を基に断層画像の網膜層位置を補正する補正手段を含むことを特徴とする請求項１乃至４に記載の画像処理装置。
【請求項６】
前記撮影手段は、前記複数の測定光を主走査方向と副走査方向に走査する走査手段を含み、
前記推定手段は、前記眼底部の前記副走査方向の形状を推定することを特徴とすることを特徴とする請求項１乃至５に記載の画像処理装置。
【請求項７】
前記複数の測定光は、前記副走査方向に所定の間隔離れた位置で照射されることを特徴とする請求項６に記載の画像処理装置。
【請求項８】
複数の測定光を被検査物に照射することで得られるそれぞれの戻り光と対応する参照光との合成光により、前記被検査物の断層画像を取得する画像処理方法であって、
複数の測定光で眼底部の断層画像を撮影する撮影工程と、
前記撮影された断層画像から網膜層を検出する検出工程と、
前記検出された網膜層に基づき眼底部の形状を推定する推定工程と、
前記推定した眼底部の形状に基づいて、断層画像間の位置ずれを補正する画像歪み補正工程を備えることを特徴とする。
【請求項９】
請求項８に記載の画像処理方法をコンピュータに実行させるためのプログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【公開番号】特開２０１２−２３５８３５（Ｐ２０１２−２３５８３５Ａ）
【公開日】平成２４年１２月６日（２０１２．１２．６）
【国際特許分類】
【出願番号】特願２０１１−１０５３９１（Ｐ２０１１−１０５３９１）
【出願日】平成２３年５月１０日（２０１１．５．１０）
【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２４年１２月６日（２０１２．１２．６）
【国際特許分類】
【出願日】平成２３年５月１０日（２０１１．５．１０）
【出願人】（０００００１００７）キヤノン株式会社 (59,756)
【Ｆターム（参考）】
[ Back to top ]