画像処理装置及び画像処理方法
【課題】 断層像を画像処理する画像処理装置において、複数の層に存在する病変同士の関連性を、疾病に応じて操作者が容易に把握できるようにする。
【解決手段】 眼部の断層像を画像処理する画像処理装置１００であって、前記断層像の解剖学的な特徴である眼部特徴を取得する眼部特徴取得部３３１と、前記眼部特徴により特定される複数の層の中から、所定の種類の疾病に対応する病変を検出するための層を少なくとも２つ指定する層指定部３３２と、層指定部３３２により指定された層それぞれから、前記所定の種類の疾病に対応する病変を検出する病変取得部３３３と、病変取得部３３３により前記層それぞれから検出された病変を、所定の２次元の画像上に投影することで、合成画像を生成し、表示する合成表示部３４０とを備える。
【解決手段】 眼部の断層像を画像処理する画像処理装置１００であって、前記断層像の解剖学的な特徴である眼部特徴を取得する眼部特徴取得部３３１と、前記眼部特徴により特定される複数の層の中から、所定の種類の疾病に対応する病変を検出するための層を少なくとも２つ指定する層指定部３３２と、層指定部３３２により指定された層それぞれから、前記所定の種類の疾病に対応する病変を検出する病変取得部３３３と、病変取得部３３３により前記層それぞれから検出された病変を、所定の２次元の画像上に投影することで、合成画像を生成し、表示する合成表示部３４０とを備える。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は断層像を処理するための画像処理技術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疾病の早期診断を目的として、従来より眼部の検査が行われてきた。一般に、このような眼部の検査では、光干渉断層計（ＯＣＴ：Ｏｐｔｉｃａｌ Ｃｏｈｅｒｅｎｃｅ Ｔｏｍｏｇｒａｐｈｙ）等の眼部断層像撮像装置が用いられる。かかる眼部断層像撮像装置を用いた場合、網膜層内部の状態を３次元的に観察することができるため、より的確に診断を行うことが可能となるからである。
【０００３】
眼部断層像撮像装置を用いて撮像された断層像は、通常、コンピュータにて画像処理され、網膜の各層の境界や血管が検出された後、各層の形状や血管の形状といった組織形状が計測される。図１４は、眼部断層像撮像装置を用いて撮像された各種断層像において、各層の境界や血管が検出され、眼部の組織形状が計測された様子を示す図である。
【０００４】
図１４（ａ）の例では、内境界膜Ｂ１、内網状層境界Ｂ４、視細胞内節外節境界Ｂ５、網膜色素上皮境界Ｂ６を検出した後に、網膜厚Ｔ１やＧＣＣ（Ｇａｎｇｌｉｏｎ Ｃｅｌｌ Ｃｏｍｐｌｅｘ）厚Ｔ２を計測した様子が示されている。また、図１４（ｃ）の例では、網膜血管Ｖを検出した後に、網膜血管Ｖの直径を計測した様子が示されている。
【０００５】
このように、眼部の組織形状を計測し、計測結果（網膜厚Ｔ１、ＧＣＣ厚Ｔ２や網膜血管Ｖの直径等）が正常値の範囲内にあるか否かを比較することで、異常（つまり、病変）を検出することが可能となる。
【０００６】
ここで、眼部の疾病の中には、互いに関連性の深い病変（主病変と付随病変）が複数の層にわかれて存在する場合がある。このような疾病の場合、診断や治療計画の際には、病変同士の関連性（主病変と付随病変との間の距離、付随病変の有無や大きさ等）を把握することも重要となってくる。
【０００７】
一例として、糖尿病網膜症について説明する。図１４（ｂ）は、糖尿病網膜症の被検者の眼部の断層像を示す図である。図１４（ｂ）に示すように、糖尿病網膜症の場合、網膜内層に存在する網膜血管の毛細血管が肥大化し、毛細血管瘤ＭＡｉ（ｉ＝１，・・・ｎ１）が形成される。また、毛細血管瘤ＭＡｉの中には血液中の血漿成分を漏出するものがあり、漏出した血漿成分は網膜外層に貯留される。一般に、血漿成分が塊状に集積して形成される滲出性の病変は嚢胞Ｃｊ（ｊ＝１，・・・ｎ２）と呼ばれている。
【０００８】
このような病変を有する糖尿病網膜症の場合、治療においては血漿成分が漏出している毛細血管瘤ＭＡｉ（主病変）を特定し、毛細血管瘤ＭＡｉに対してレーザを照射することで漏出が止められる。このとき、血漿成分が漏出している毛細血管瘤ＭＡｉの近傍には、図１４（ｂ）に示すように、嚢胞Ｃｊが付随することがしばしばあり、当該付随する嚢胞Ｃｊ（付随病変）の大きさを計測することにより血漿成分の漏出量を把握することができる。
【０００９】
従って、近傍に大きな嚢胞Ｃｊを持つ毛細血管瘤ＭＡｉほど、治療計画においてはレーザ治療の必要性が高い主病変ということになる。ただし、視力への影響の大きい部位（中心窩Ｆ１）や視神経への影響の大きい部位（視神経乳頭部）にはレーザを照射することができない。このため、レーザ治療の計画を立てるにあたっては漏出点がこれらの部位から十分に離れているか否かを確認すべく、その距離を計測しておく必要がある。
【００１０】
つまり、断層像の表示に際しては嚢胞Ｃｊの大きさや位置、嚢胞Ｃｊから毛細血管瘤ＭＡｉや中心窩Ｆ１、視神経乳頭部までの距離等が一目でわかるようにすることで、診断や治療計画を行うにあたっての利便性が大きく向上するものと期待される。
【００１１】
このようなことから、眼部断層像撮像装置を用いて撮像された断層像を画像処理することにより得られた処理結果の表示においては、操作者が、疾病ごとに病変の関連性を容易に把握できるように表示されることが望ましい。
【００１２】
一方で、従来より、眼部断層像撮像装置を用いて撮像された断層像を画像処理することで検出された病変を表示するための、種々の方法が提案されている。
【００１３】
例えば、下記特許文献１には、網膜内の一部の層に限局して単一の投影像を生成し、網膜血管走行の強調表示を行う構成が開示されている。また、下記特許文献２には、単一の層における形状異常（菲薄化）を網膜神経線維走行沿いの複数点間で比較し、表示する構成が開示されている。
【先行技術文献】
【特許文献】
【００１４】
【特許文献１】米国特許第７５０５１４２号明細書
【特許文献２】特開２００９−８９７９２号公報
【非特許文献】
【００１５】
【非特許文献１】K. Lee et al.;”3-D segmentation of retinal blood vessels in spectral-domain OCT volumes of the optic nerve head”, Proceedings of SPIE Medical Imaging 2010, Vol.7626, 76260V, 2010.
【発明の概要】
【発明が解決しようとする課題】
【００１６】
しかしながら、上記特許文献１に記載の構成は、一部の層における単一の投影像を作成するものであり、また、上記特許文献２に記載の構成は、単一の層についての表示を行うものである。つまり、複数の層にわかれて存在する病変について、その関連性を考慮しながら表示させる構成とはなっておらず、複数の層にまたがる病変同士の関連性を把握することが必要な疾病についての診断や治療計画を行うのに適した表示とは言い難い。
【００１７】
本発明は上記の課題に鑑みてなされたものであり、断層像を画像処理する画像処理装置において、複数の層に存在する病変同士の関連性を、疾病に応じて操作者が容易に把握できるようにすることを目的とする。
【課題を解決するための手段】
【００１８】
上記の目的を達成するために本発明に係る画像処理装置は以下のような構成を備える。即ち、
眼部の断層像を画像処理する画像処理装置であって、
前記断層像の解剖学的な特徴である眼部特徴を取得する眼部特徴取得手段と、
前記眼部特徴取得手段により取得された眼部特徴により特定される複数の層の中から、所定の種類の疾病に対応する病変を検出するための層を少なくとも２つ指定する指定手段と、
前記指定手段により指定された層それぞれから、前記所定の種類の疾病に対応する病変を検出する病変取得手段と、
前記病変取得手段により前記層それぞれから検出された病変を、所定の２次元の画像上に投影することで、合成画像を生成する生成手段と、
前記生成手段により生成された合成画像を表示する表示手段とを備える。
【発明の効果】
【００１９】
本発明によれば、断層像を画像処理する画像処理装置において、複数の層に存在する病変同士の関連性を、疾病ごとに操作者が容易に把握できるようになる。
【図面の簡単な説明】
【００２０】
【図１】本発明の第１の実施形態に係る画像処理装置１００を備える画像処理システムの一例を示す図である。
【図２】画像処理装置１００のハードウェア構成を示す図である。
【図３】画像処理装置１００の機能構成を示す図である。
【図４】画像処理装置１００の画像処理機能を実行する際に用いられる眼部断層像の一例を示す図である。
【図５】画像処理装置１００における画像処理の流れを示すフローチャートである。
【図６】画像処理装置１００における病変取得処理の流れを示すフローチャートである。
【図７】画像処理装置１００における合成画像生成処理の流れを示すフローチャートである。
【図８】画像処理装置１００における合成画像生成処理により生成された合成画像の一例を示す図である。
【図９】本発明の第２の実施形態に係る画像処理装置９００の機能構成を示す図である。
【図１０】画像処理装置９００の画像処理機能を実行する際に用いられる眼部断層像の一例を示す図である。
【図１１】画像処理装置９００における病変取得処理の流れを示すフローチャートである。
【図１２】画像処理装置９００における合成画像生成処理の流れを示すフローチャートである。
【図１３】画像処理装置９００における合成画像生成処理により生成された合成画像の一例を示す図である。
【図１４】眼部断層像撮像装置を用いて撮像された各種断層像において、各層の境界や血管が検出され、眼部の組織形状が計測された様子を示す図である。
【発明を実施するための形態】
【００２１】
以下、添付図面を参照しながら本発明の各実施形態について詳説する。ただし、本発明の範囲は以下の実施形態に限定されるものではない。
【００２２】
［第１の実施形態］
はじめに本実施形態に係る画像処理装置の概要について説明する。本実施形態に係る画像処理装置では、糖尿病網膜症の被検者の眼部断層像について、当該疾病（糖尿病網膜症）に対応する病変を検出するための層（網膜内層、網膜外層）を指定するよう構成されている点に特徴がある。
【００２３】
また、指定された層のうち、網膜内層からは主病変として毛細血管瘤を、網膜外層からは付随病変として嚢胞をそれぞれ検出し、眼部特徴とともに両病変を所定の眼底像上に投影することで合成画像として表示する点に特徴がある。
【００２４】
このような構成とすることで、毛細血管瘤からの血漿成分の漏出の有無や、主病変に対する治療の可否、主病変に対する治療の優先度等を、操作者が容易に把握することが可能となる。以下、これらの特徴を有する本実施形態について詳細に説明する。
【００２５】
なお、解剖学的には内境界膜Ｂ１から内顆粒層（不図示）までを網膜内層、外網状層（非図示）から網膜色素上皮層Ｂまでを網膜外層と定義される。しかし、実際の眼部断層像上では外網状層の少し内層側に存在する内網状層境界Ｂ４の方がより確実に検出できるため、本実施形態では網膜内層を内境界膜Ｂ１から内網状層境界Ｂ４まで、網膜外層を網膜内の網膜内層以外の領域として記述する。もちろん、解剖学的な定義通りに網膜内層・網膜外層を定義して（外網状層境界（不図示）を検出した上で）実施してもよいことは言うまでもない。
【００２６】
＜１．画像処理システムの構成＞
図１は、本実施形態に係る画像処理装置１００を備える画像処理システムの一例を示す図である。
【００２７】
図１に示すように画像処理装置１００と眼部断層像撮像装置１０２とは、光ファイバやＵＳＢ、ＩＥＥＥ１３９４等のインターフェイスを介して接続される。また、データサーバ１０１は、画像処理装置１００及び眼部断層像撮像装置１０２と、イーサネット（登録商標）等によるローカル・エリア・ネットワーク（ＬＡＮ）１０３を介して接続される。なお、これらの装置は、インターネット等の外部ネットワークを介して接続されていてもよい。
【００２８】
眼部断層像撮像装置１０２は眼部の断層像を撮像する装置であり、例えばタイムドメイン方式もしくはフーリエドメイン方式のＯＣＴである。眼部断層像撮像装置１０２は不図示の操作者による操作に応じ、不図示の被検眼の断層像を３次元的に撮像する。撮像した断層像は画像処理装置１００へと送信される。
【００２９】
データサーバ１０１は被検眼の断層像や被検眼の眼部特徴（眼部の断層像から取得される解剖学的な特徴）、眼部特徴の正常値データなどを保持するサーバである。データサーバ１０１では、眼部断層像撮像装置１０２から出力される被検眼の断層像や画像処理装置１００から出力される眼部特徴を保存する。また画像処理装置１００からの要求に応じ、被検眼に関するデータ（断層像、眼部特徴）や眼部特徴の正常値データを画像処理装置１００に送信する。
【００３０】
＜２．画像処理装置１００のハードウェア構成＞
次に、図２を用いて画像処理装置１００のハードウェア構成について説明する。図２において、２０１は中央演算処理装置（ＣＰＵ）、２０２はメモリ（ＲＡＭ）、２０３は制御メモリ（ＲＯＭ）、２０４は外部記憶装置、２０５はモニタ、２０６はキーボード、２０７はマウス、２０８はインタフェースである。本実施形態に係る画像処理機能を実現するための制御プログラムや、当該制御プログラムが実行される際に用いられるデータは、外部記憶装置２０４に記憶されている。これらの制御プログラムやデータは、ＣＰＵ２０１による制御のもと、バス２０９を通じて適宜ＲＡＭ２０２に取り込まれ、ＣＰＵ２０１によって実行される。
【００３１】
＜３．画像処理装置１００の機能構成＞
次に、本実施形態に係る画像処理機能を実現するための画像処理装置１００の機能構成について図３及び図４を参照しながら説明する。図３は、画像処理装置１００の画像処理機能に関する機能構成を示す図であり、図４は、画像処理装置１００の画像処理機能を実行する際に用いられる眼部断層像の一例を示す図である。
【００３２】
図３に示すように、画像処理装置１００は、断層像取得部３１０、記憶部３２０、画像処理部３３０、合成表示部３４０、指示取得部３５０を備える。
【００３３】
また、画像処理部３３０は、更に、眼部特徴取得部３３１、層指定部３３２、病変取得部３３３を備え、病変取得部３３３は、更に、関連性判定部３３３−１、治療可能性判定部３３３−２、治療優先度判定部３３３−３を備える。
【００３４】
また、合成表示部３４０は、更に、画像合成部３４１、関連性表示部３４２、治療可能性表示部３４３、治療優先度表示部３４４を備える。
【００３５】
以下、画像処理装置１００を構成する各機能ブロックについて詳説する。
【００３６】
（１）断層像取得部３１０
断層像取得部３１０は、眼部断層像撮像装置１０２に対して断層像の取得要求を送信する。また、当該取得要求に応じて、ＬＡＮ１０３を介して眼部断層像撮像装置１０２より送信された断層像を受信し、記憶部３２０に格納する。
【００３７】
（２）眼部特徴取得部３３１
眼部特徴取得部３３１は、記憶部３２０に格納された断層像から、眼部特徴として、内境界膜、視神経線維層境界、神経節細胞層境界、内網状層境界、外網状層境界、視細胞内節外節境界、網膜色素上皮境界、視神経乳頭部、中心窩を抽出する。そして、抽出した眼部特徴のうち、図４に示すように、内境界膜Ｂ１、内網状層境界Ｂ４、視細胞内節外節境界Ｂ５、網膜色素上皮境界Ｂ６及び中心窩Ｆ１を取得する。また、取得した各々の眼部特徴を記憶部３２０に格納する。
【００３８】
ここで、眼部特徴取得部３３１による眼部特徴の抽出手順を具体的に説明する。はじめに、層の境界を抽出するための抽出手順について説明する。なお、ここでは処理対象である３次元断層像を２次元断層像（Ｂスキャン像）の集合と考え、各２次元断層像に対して以下の処理を行う。
【００３９】
まず、着目する２次元断層像に平滑化処理を行い、ノイズ成分を除去する。次に２次元断層像からエッジ成分を検出し、その連結性に基づいて何本かの線分を層境界の候補として抽出する。
【００４０】
そして、該抽出した候補から１番上の線分を内境界膜Ｂ１、上から２番目の線分を神経線維層境界Ｂ２、３番目の線分を内網状層境界Ｂ４として抽出する。また、内境界膜Ｂ１よりも外層側（図４（ａ）において、ｚ座標が大きい側）にあるコントラスト最大の線分を視細胞内節外節境界Ｂ５として抽出する。さらに、該層境界候補群のうち一番下の線分を網膜色素上皮境界Ｂ６として抽出する。
【００４１】
なお、これらの線分を初期値としてＳｎａｋｅｓやレベルセット法等の可変形状モデルを適用し、更に精密抽出を行うように構成してもよい。また、グラフカット法により層の境界を抽出するように構成してもよい。
【００４２】
なお、可変形状モデルやグラフカットを用いた境界抽出は、３次元断層像に対し３次元的に実行してもよいし、各々の２次元断層像に対し２次元的に実行してもよい。また、層の境界を抽出する方法は、眼部の断層像から層の境界を抽出可能な方法であれば、いずれの方法を用いてもよいことはいうまでもない。
【００４３】
眼部断層像から層の境界を抽出した後は、更に、当該抽出した内境界膜Ｂ１の形状から陥凹の深い順に２か所の陥凹部を検出することにより、視神経乳頭部（不図示）及び中心窩Ｆ１を抽出する。ここではより陥凹の浅い方を中心窩Ｆ１として、陥凹の深い方を視神経乳頭部として抽出する。
【００４４】
（３）層指定部３３２
層指定部３３２では、眼部断層像から所定の疾病に対応する主病変及び付随病変を検出するために指定する層の種類を決定する。病変を検出するために指定する層の種類は、診断対象とする疾病の種類によって決まる。本実施形態の場合、診断対象疾病が糖尿病網膜症、主病変が毛細血管瘤、付随病変が嚢胞であるため、毛細血管瘤ＭＡｉを検出するための層の種類として網膜血管Ｖが存在する網膜内層（図４（ａ）のＰ１）を指定する。また嚢胞Ｃｊを検出するための層の種類として、漏出した血漿成分が蓄積される網膜外層（図４（ｂ）のＰ２）を指定する。なお、網膜内層Ｐ１及び網膜外層Ｐ２を含む各層は、眼部特徴取得部３３１により取得された眼部特徴に基づいて予め特定されているものとする。
【００４５】
（４）病変取得部３３３
病変取得部３３３は、眼部特徴取得部３３１により取得された眼部特徴の位置情報と、層指定部３３２により指定された層の種類の情報とに基づいて主病変及び付随病変の検出を行う。
【００４６】
具体的には、層指定部３３２により指定された網膜内層から網膜血管Ｖを検出し、検出した網膜血管Ｖの直径を正常値と比較することにより、主病変として毛細血管瘤ＭＡｉを検出する。更に、層指定部３３２により指定された網膜外層から、付随病変として嚢胞Ｃｊを検出する。
【００４７】
更に、病変取得部３３３の関連性判定部３３３−１では、検出した毛細血管瘤ＭＡｉと嚢胞Ｃｊとの距離に基づいて、病変同士の関連性を判定することで、治療必要度を判定する。更に、病変取得部３３３の治療可能性判定部３３３−２では、毛細血管瘤ＭＡｉと中心窩Ｆ１との距離に基づいて、毛細血管瘤ＭＡｉの治療の可否を判定する。更に、病変取得部３３３の治療優先度判定部３３３−３では、毛細血管瘤ＭＡｉに対して最短距離にある嚢胞Ｃｊのサイズに基づいて、各毛細血管瘤ＭＡｉに対する治療優先度の値を設定する。なお、病変取得部３３３によるこれらの処理の詳細は、後述するものとする。
【００４８】
（５）合成表示部３４０
合成表示部３４０は、病変取得部３３３において検出された網膜血管Ｖ及び毛細血管瘤ＭＡｉの分布、嚢胞Ｃｉの分布、治療必要度についての情報、治療の可否についての情報、治療優先度の値を用いて、断層像に対する合成画像を生成する。なお、合成画像の生成処理の詳細については後述するものとする。
【００４９】
（６）指示取得部３５０
指示取得部３５０は、画像処理装置１００における画像処理の開始の指示や、被検眼についての画像処理の結果をデータサーバ１０１へ保存するための保存の指示、画像処理装置１００による画像処理を終了するための終了の指示を取得する。当該指示は、例えば、キーボード２０６やマウス２０７を介して操作者により入力される。
【００５０】
なお、保存の指示がなされた場合、画像処理部３３０及び合成表示部３４０では、検査日時、被検眼を同定する情報、断層像、眼部特徴及び合成画像を、相互に関連付けてデータサーバ１０１へ送信する。
【００５１】
＜４．画像処理装置１００における画像処理の流れ＞
次に、画像処理装置１００における画像処理の流れについて、図５〜図７を用いて説明する。指示取得部３５０により画像処理の開始の指示が取得されると、画像処理装置１００では図５に示す画像処理を開始する。
【００５２】
（１）画像処理全体の流れ（図５）
ステップＳ５０１では、断層像取得部３１０が眼部断層像撮像装置１０２に対して断層像の取得要求を行うことで断層像を取得し、記憶部３２０に格納する。ステップＳ５０２では、眼部特徴取得部３３１が記憶部３２０に格納された断層像から、眼部特徴（内境界膜Ｂ１、内網状層境界Ｂ４、視細胞内節外節境界Ｂ５、網膜色素上皮境界Ｂ６及び中心窩Ｆ１）の位置情報を取得する。
【００５３】
ステップＳ５０３では、層指定部３３２が診断対象とする疾病の種類に応じた層の種類を指定する。ステップＳ５０４では、病変取得部３３３が、ステップＳ５０２において眼部特徴取得部３３１により取得された眼部特徴の位置情報と、ステップＳ５０３において層指定部３３２により指定された層の種類とに基づいて、主病変及び付随病変を検出する。
【００５４】
ステップＳ５０５では、合成表示部３４０が、ステップＳ５０４において検出された主病変及び付随病変を用いて合成画像を生成し、表示する。ステップＳ５０６では、指示取得部３５０が、画像処理の結果をデータサーバ１０１へ保存するための保存の指示を取得したか否かを判定し、取得したと判定した場合には、ステップＳ５０７に進む。
【００５５】
ステップＳ５０７では、画像処理部３３０及び合成表示部３４０が、画像処理の結果をデータサーバ１０１に送信し、ステップＳ５０８に進む。一方、ステップＳ５０６において、保存の指示が取得されなかったと判定した場合には、直接、ステップＳ５０８に進む。
【００５６】
ステップＳ５０８では、指示取得部３５０が、画像処理の終了の指示を取得したか否かを判定し、取得していないと判定した場合には、ステップＳ５０１に戻り、次の被検眼に対する画像処理（または同一の被検眼に対する再画像処理）を実行する。一方、ステップＳ５０８において、画像処理の終了の指示を取得したと判定した場合には、画像処理を終了する。
【００５７】
（２）病変取得処理の流れ（図６）
次に、病変取得部３３３において実行される病変取得処理（ステップＳ５０４）の詳細について図６を用いて説明する。
【００５８】
ステップＳ６０１では、病変取得部３３３が、層指定部３３２において指定された層のうち、網膜内層Ｐ１から網膜血管Ｖを検出する。具体的には、網膜内層Ｐ１に限定して深度方向に画素値を積算することで投影像を生成し、生成した投影像から任意の公知の線強調フィルタを用いることで、網膜血管Ｖを検出する。
【００５９】
なお、ここでは平面投影像から網膜血管Ｖを検出する手法について述べたが、血管検出法はこれに限られない。例えば、関心領域（Ｒｅｇｉｏｎ ｏｆ Ｉｎｔｅｒｅｓｔ：ＲＯＩ）を網膜内層Ｐ１に設定した上で、投影像を生成せずに非特許文献１に示す手法を用いて３次元的に網膜血管Ｖを検出するようにしてよい。
【００６０】
ステップＳ６０２では、病変取得部３３３が、ステップＳ６０１で検出された網膜血管Ｖの直径を計測する。具体的には、網膜血管領域を細線化して得られる血管の中心軸に対して直交する方向の距離を網膜血管Ｖの直径として計測する。
【００６１】
ステップＳ６０３では、病変取得部３３３が、ステップＳ６０２で計測された網膜血管Ｖの直径と、あらかじめ記憶部３２０に読み出された網膜血管の直径の正常値とを比較する。そして、計測された網膜血管Ｖの直径が正常値よりＴｖｄ％以上大きい場合には、毛細血管瘤ＭＡｉ（ｉ＝１，２，・・・，ｎ１）と判定し、その発生位置（ｘｉ，ｙｉ）と網膜血管Ｖの直径Ｔｄｉとを記憶部３２０に格納する。なお、網膜血管Ｖの直径の計測法はこれに限られず、任意の公知の計測法を用いるように構成してもよい。
【００６２】
ステップＳ６０４では、病変取得部３３３が、ステップＳ５０３で指定された網膜外層Ｐ２から嚢胞Ｃｊ（ｊ＝１，２・・・，ｎ２）を検出する。具体的には網膜外層Ｐ２に限定して深度方向に画素値を積算することで投影像を生成する。そして、生成した投影像から、輝度値がＴｇ以下の画素をラべリングし、面積がＴａ以上で円形度がＴｃ以上の低輝度領域を嚢胞Ｃｊとして検出する。
【００６３】
ステップＳ６０４では、更に、付随病変のサイズを示す情報として、検出した嚢胞Ｃｊの面積Ｔａｊを計測する。
【００６４】
なお、嚢胞Ｃｊの検出法はこれに限られない。例えば、網膜外層Ｐ２を関心領域（ＲＯＩ）に設定した上で、投影像を生成せずに３次元的にＴｇ以下の輝度値を持つ画素をラべリングし、体積がＴｖ以上で球形度がＴｓ以上の値を持つ低輝度領域を嚢胞Ｃｊとして検出するようにしてもよい。この場合、嚢胞Ｃｊのサイズを示す情報として、体積Ｔｖｊが計測されることとなる。
【００６５】
図６に戻る。ステップＳ６０５では、関連性判定部３３３−１が、ステップＳ６０３において取得された毛細血管瘤ＭＡｉと、ステップＳ６０４において検出された嚢胞Ｃｊとの間の距離ＬＤｉ（病変間の距離）を計測する。更に、最短距離ｍｉｎＬＤｉの組み合わせ（ＭＡｉ，Ｃｊ）のうちｍｉｎＬＤｉが閾値以下（閾値＝Ｔｍｉｎ）のものを主病変、付随病変の組み合わせとして判定する。ここで、対応する付随病変を持たない毛細血管瘤ＭＡｉの最短距離は０としておく。
【００６６】
ステップＳ６０６では、治療可能性判定部３３３−２が、各毛細血管瘤ＭＡｉと中心窩Ｆ１との距離ＦＤｉを計算し、距離ＦＤｉが所定の距離以下（閾値＝Ｔｆ）の毛細血管瘤ＭＡｉには治療可能ラベルＬｉを０に設定する。ここで、毛細血管瘤ＭＡｉが治療（レーザ照射）可能な領域内に存在する場合にはＬｉを１に、治療（レーザ照射）不可能な領域内に存在する場合にはＬｉを０に設定する。なお、治療可能ラベルＬｉが１に設定された毛細血管瘤ＭＡｉの総数をｎ３とする。
【００６７】
更に、ステップＳ６０６では、治療可能ラベルＬｉが１に設定された毛細血管瘤ＭＡｉに対して、治療優先度判定部３３３−３が、治療優先度Ｐｉ（１≦ｉ≦ｎ３）を算出する。具体的には、ステップＳ６０４で算出した嚢胞Ｃｊの面積Ｔａｊ（または体積Ｔｖｊ）に基づいて嚢胞Ｃｊをソートし、Ｔａｊ（Ｔｖｊ）が大きいものほど治療優先度Ｐｉが高くなるように設定する。
【００６８】
（３）合成画像の生成処理の流れ（図７）
次に、合成表示部３４０において実行される合成画像生成処理（ステップＳ５０５）の詳細について図７を用いて説明する。
【００６９】
ステップＳ７０１では、合成表示部３４０が、画像処理部３３０より中心窩Ｆ１の位置、網膜血管Ｖ及び毛細血管瘤ＭＡｉの分布、嚢胞Ｃｊの分布、毛細血管瘤ＭＡｉに対する治療可能ラベルＬｉ、治療優先度Ｐｉの値を取得する。
【００７０】
ステップＳ７０２では、画像合成部３４１が、ステップＳ７０１で取得された網膜血管Ｖ、毛細血管瘤ＭＡｉ、嚢胞Ｃｊの分布、中心窩Ｆ１の位置、治療可能範囲の境界（中心窩Ｆ１を中心とした直径１ｍｍの円）を断層像から生成した所定の眼底像に重畳する。また、これにより生成された合成画像を表示する。
【００７１】
また、関連性表示部３４２が、ステップＳ６０５において関連性があると判定された主病変（毛細血管瘤ＭＡｉ）と付随病変（嚢胞Ｃｊ）の組み合わせに対しては、毛細血管瘤ＭＡｉから嚢胞Ｃｊに対して関連性があることを識別可能な態様により表示する。本実施形態では、ステップＳ７０２にて生成された合成画像上の毛細血管瘤ＭＡｉから嚢胞Ｃｊに対して矢印を表示する。
【００７２】
なお、関連性の表示法はこれに限られず、関連性があることを識別可能な表示法であれば任意の手法を用いてもよい。例えば、関連性があると判定された毛細血管瘤ＭＡｉと嚢胞Ｃｊを囲む枠線を表示するようにしてもよい。あるいは、操作者がマウスカーソルを毛細血管瘤ＭＡｉの近くに移動させた場合にのみ関連性を示す情報を表示するように構成してもよい。
【００７３】
ステップＳ７０３では、治療可能性表示部３４３が、ステップＳ６０６で算出された毛細血管瘤ＭＡｉに対する治療可能ラベルＬｉに基づいて、治療可能ラベルＬｉが０であるような毛細血管瘤ＭＡｉを他の毛細血管瘤と異なる態様（色）で表示する。本実施形態では網膜血管Ｖ及びＬｉ＝１であるような毛細血管瘤ＭＡｉを赤色で、Ｌｉ＝０であるような毛細血管瘤ＭＡｉを灰色で表示する。
【００７４】
なお、治療可能性の表示態様はこれに限定されない。例えば、治療可能ラベルＬｉが０であるような毛細血管瘤ＭＡｉの横に×印を表示するように構成してもよい。あるいは、操作者がマウスカーソルを毛細血管瘤ＭＡｉの近くに移動させた場合にのみ、治療可能性を示す情報を表示するように構成してもよい。あるいは、治療可能範囲の境界付近にある毛細血管瘤ＭＡｉに対して精査が必要であるという意味で強調表示したり、中心窩Ｆ１からの距離を毛細血管瘤ＭＡｉの近傍に表示するように構成してもよい。
【００７５】
ステップＳ７０４では、治療優先度表示部３４４が、ステップＳ６０６で算出された治療優先度Ｐｉを合成画像中に表示する。本実施形態では、毛細血管瘤ＭＡｉの近傍に治療優先度Ｐｉの値を表示する。
【００７６】
なお、治療優先度Ｐｉの表示態様はこれに限定されない。例えば、治療優先度の大きさとカラーバーを対応付けておき、合成画像中の毛細血管瘤ＭＡｉを治療優先度を示す色でカラー表示するように構成してもよい。あるいは、操作者がマウスカーソルを毛細血管瘤ＭＡｉの近くに動かした場合にのみ、治療優先度を示す情報を表示するように構成してもよい。あるいは、治療優先度が一定値Ｔｐより高いもののみを合成画像中に治療優先度を示す情報として表示するように構成してもよい。
【００７７】
＜５．合成画像の一例＞
次に、画像処理装置１００における合成画像生成処理により生成された合成画像について説明する。図８は、画像処理装置１００における合成画像生成処理により生成された合成画像の一例を示す図である。
【００７８】
図８に示すように、画像処理装置１００により生成された合成画像では、網膜内層Ｐ１から検出された主病変と、網膜外層Ｐ２から検出された付随病変とが合成して表示される。これにより、毛細血管瘤からの血漿成分の漏出の有無、主病変に対する治療の優先度等を、操作者が容易に把握することが可能となる。
【００７９】
また、中心窩Ｆ１の位置も同時に表示されるため、毛細血管瘤ＭＡ１がレーザ治療可能範囲内にあるか否か（主病変に対する治療の可否）を、操作者は容易に把握することができる。
【００８０】
以上の説明から明らかなように、本実施形態に係る画像処理装置１００によれば、複数の層に存在する病変同士の関連性を、操作者が容易に把握できるようになる。
【００８１】
［第２の実施形態］
上記第１の実施形態では、診断対象疾病が糖尿病網膜症、主病変が毛細血管瘤、付随病変が嚢胞である場合に、所定の断層像について合成画像を生成する構成について説明したが、本発明はこれに限定されない。
【００８２】
例えば、緑内障などのように、複数の層にまたがって走行する細胞の異なる部位（細胞核と軸索）に病変が存在する場合には、これらの病変同士の関連性を操作者が容易に把握できるように構成することが重要となってくる。
【００８３】
本実施形態では、緑内障等の疾病のこのような特性を考慮し、神経節細胞の細胞核部分が含まれる層の厚みを示す画像と、軸索部分が含まれる層の厚みを示す画像と、神経線維走行を示す画像とを合成した合成画像を表示するよう構成する。かかる構成とすることで、操作者は、異なる層に存在する病変が同一の細胞もしくは組織に生じているか否かを容易に把握することが可能となる。
【００８４】
緑内障を例として具体的に説明すると、緑内障の場合、一般に、神経節細胞は、細胞核が神経節細胞層Ｌ２に、軸索が神経線維層Ｌ１に存在しており、疾病の早期には神経節細胞の細胞核の障害が軸索の障害に先行して発生する。このため、例えば、神経線維層Ｌ１の菲薄化が検出された場合には、当該菲薄化領域を走行する神経節細胞の細胞核が含まれる領域（神経節細胞層Ｌ２）にも形状異常（菲薄化）が生じていると考えられる。
【００８５】
そこで、本実施形態では、眼部断層像から層厚等の組織形状を計測して異常が検出された際に、黄斑部の神経節細胞層厚分布と、視神経乳頭部の神経線維層厚分布と、眼底内の神経線維走行を示す図とを重畳させた合成画像を表示する構成とする。このような構成とすることにより、神経線維層Ｌ１に存在する病変（層の菲薄化）を走行する神経線維が神経節細胞層Ｌ２の病変（層の菲薄化）を通過しているかを確認することが容易となるからである。この結果、操作者は、神経節細胞の細胞核の障害を検出したのか、ノイズ等を誤検出したのかを容易に判断することができるようになり、病変検出結果の信頼性を向上させることが可能となる。
【００８６】
以下、本実施形態に係る画像処理装置９００について、上記第１の実施形態に係る画像処理装置１００との相違点を中心に説明する。
【００８７】
なお、以下の説明では、診断対象疾病が緑内障の場合について説明する。
【００８８】
また、以下の説明では、神経節細胞の細胞核部分の障害（菲薄化病変）の程度を表す値として神経節細胞層Ｌ２の層厚もしくは該層厚の正常値との差分に関する統計値（ｄｅｖｉａｔｉｏｎ）を用いることとする。ただし、本発明はこれに限定されず、例えば、ＧＣＣ（Ｇａｎｇｌｉｏｎ Ｃｅｌｌ Ｃｏｍｐｌｅｘ）の層厚もしくは該層厚のｄｅｖｉａｔｉｏｎを用いてもよい。
【００８９】
＜１．画像処理装置９００の機能構成＞
はじめに、本実施形態に係る画像処理装置９００の機能構成について図９及び図１０を用いて説明する。図９は、本実施形態に係る画像処理装置９００の機能構成を示す図である。また、図１０は、画像処理装置９００の画像処理機能を実行する際に用いられる眼部断層像の一例を示す図である。
【００９０】
（１）断層像取得部３１０
断層像取得部３１０は、眼部断層像撮像装置１０２に対して断層像の取得要求を送信する。なお、本実施形態で取得される断層像は、黄斑部及び視神経乳頭部を含む断層像であるとする。取得した断層像は記憶部３２０に格納する。
【００９１】
（２）眼部特徴取得部９３１
眼部特徴取得部９３１は、記憶部３２０に格納された断層像から、眼部特徴として内境界膜Ｂ１、神経線維層境界Ｂ２、神経節細胞層境界Ｂ３、内網状層境界Ｂ４、視細胞内節外節境界Ｂ５、網膜色素上皮境界Ｂ６、及び中心窩Ｆ１を抽出する（図１０参照）。
【００９２】
また、視神経乳頭部Ｄ１の中心位置及び視神経乳頭部における網膜色素上皮境界Ｂ６の端部（ＲＰＥ ｔｉｐ）の位置を抽出する。なお、網膜色素上皮境界Ｂ６の端部の位置は各Ｂスキャン像に対して求められるものとする。
【００９３】
なお、各層境界Ｂ１、Ｂ２、Ｂ４〜Ｂ６及び中心窩Ｆ１、視神経乳頭部Ｄ１の抽出方法は、上記第１の実施形態において説明した抽出方法と同様であるため、ここでは神経節細胞層境界Ｂ３の抽出方法について説明する。
【００９４】
即ち、神経線維層境界Ｂ２と内網状層境界Ｂ４を取得した後、双方の境界で囲まれる領域内の各点（ｘ，ｙ）において、局所領域を設定して画素値の分散を求める。そして当該分散が最大となる局所領域内に層境界が存在すると判定し、その境界位置をｘ軸及びｙ軸方向に接続することで神経節細胞層境界Ｂ３を抽出する（図１０参照）。なお、このようにして抽出したそれぞれの眼部特徴は、記憶部３２０に格納される。
【００９５】
更に、眼部特徴取得部９３１は、神経節細胞の眼底内の走行（図１０におけるｘ−ｙ平面に投影した神経節細胞の走行）を示す情報Ｎｋ（ｋ＝１，２・・・，ｎ）を記憶部３２０から取得する。この眼底内の神経節細胞の走行情報は、例えば走査型レーザ検眼鏡（Ｓｃａｎｎｉｎｇ Ｌａｓｅｒ Ｏｐｈｔｈａｌｍｏｓｃｏｐｅ；ＳＬＯ）のｒｅｄ−Ｆｒｅｅモードで撮像したＳＬＯ像から取得することができる。本実施形態では、あらかじめ複数の健常眼に対してｒｅｄ−Ｆｒｅｅモードで撮影したＳＬＯ像に基づいて生成された平均的な神経線維走行を示す曲線群Ｎｋ（ｋ＝１，２，・・・ｎ）が記憶部３２０に保存されているものとする。
【００９６】
なお、神経線維走行情報の取得方法はこれに限定されない。例えば、画像処理装置１００に表面像取得部（不図示）を配し、表面像取得部から眼部断層像と同一被検者のＳＬＯ像（ｒｅｄ−ｆｒｅｅ）を取得して記憶部３２０に格納しておき、当該格納したＳＬＯ像を取得するようにしてもよい。
【００９７】
（３）層指定部９３２
層指定部９３２は、第１の層として神経線維層Ｌ１を指定し、第２の層として神経節細胞層Ｌ２を指定する。なお、神経線維層Ｌ１は神経節細胞層Ｌ２の軸索部分が集合して形成される層であり、神経節細胞層Ｌ２は神経節細胞の細胞核部分が集合して形成される層である。
【００９８】
（４）病変取得部９３３
病変取得部９３３は、眼部特徴取得部９３１により取得された眼部特徴に基づいて、神経線維層厚及び神経節細胞層厚を計測する。また、計測した神経線維層厚及び神経節細胞層厚を各々の正常値と比較することで、菲薄化領域を検出する。更に、関連性判定部９３３−１が、検出した菲薄化領域と、眼部特徴取得部９３１により取得された組織構造（神経線維走行）情報との関連性を判定する。なお、病変取得部９３３によるこれらの処理の詳細は、後述する。
【００９９】
（５）合成表示部９４０
合成表示部９４０は、病変取得部９３３から組織構造（神経線維走行）情報、神経線維層Ｌ１の層厚分布及び神経節細胞層Ｌ２の層厚分布を取得する。また、神経線維層Ｌ１の病変である菲薄化領域ＮＦｉ及び神経節細胞層Ｌ２の病変である菲薄化領域ＧＣｊ、各菲薄化領域の検出信頼度ＤＲｉを取得する。そして、これらの情報を用いて、ＳＬＯ像について合成画像を生成する。なお、合成画像の生成処理の詳細は後述する。
【０１００】
＜２．画像処理装置９００における画像処理の流れ＞
（１）病変取得処理の流れ（図１１）
次に、病変取得部９３３において実行される病変取得処理（ステップＳ５０４）の詳細について図１１を用いて説明する。
【０１０１】
ステップＳ１１０１では、病変取得部９３３が、眼部特徴取得部９３１が取得した層境界、中心窩Ｆ１や視神経乳頭部Ｄ１の位置、組織構造（神経線維走行）情報、及び記憶部３２０に格納された各層厚に関する正常値をそれぞれ取得する。
【０１０２】
ステップＳ１１０２では、ステップＳ１００１で取得した層境界に基づいて、眼底内の各点（ｘ，ｙ）について神経線維層厚及び神経節細胞層厚を計測する。ただし、中心窩Ｆ１を中心とした直径１ｍｍの範囲内及び視神経乳頭部のＤｉｓｃ境界の内部は神経線維層厚及び神経節細胞層厚とも計測を行わない。
【０１０３】
なお、Ｄｉｓｃ境界の位置は、本実施形態では以下のようにして設定する。すなわち、取得した網膜色素上皮境界Ｂ６の端部を各Ｂスキャン像（画像番号ｉ）内で接続した線Ａｉを求める。そして、線Ａｉに関して直交する方向に閾値Ｔｈだけ内層側に移動させた場合の線Ａｉ’と内境界膜Ｂ１との交点Ｅ１ｉ、Ｅ２ｉを各Ｂスキャン像に対して求める。得られた交点の集合｛Ｅ１ｉ，Ｅ２ｉ｝をｘ−ｙ平面内で滑らかに接続したものをＤｉｓｃ境界とする。
【０１０４】
図１１に戻る。ステップＳ１１０３では、神経線維層厚及び神経節細胞層厚を各々の正常値（一定の範囲を持つ値）と比較する。そして、正常値よりも薄い場合に、神経線維層Ｌ１の菲薄化領域ＮＦｉ及び神経節細胞層Ｌ２の菲薄化領域ＧＣｊと判定し、それぞれを検出する。
【０１０５】
ステップＳ１００４では、関連性判定部９３３−１が、眼部特徴取得部９３１により取得された組織構造（神経線維走行）情報に基づいて、病変取得部９３３により取得された菲薄化領域ＮＦｉと菲薄化領域ＧＣｊとの関連性を判定する。すなわち、神経線維層Ｌ１の菲薄化領域ＮＦｉ及び神経節細胞層Ｌ２の菲薄化領域ＧＣｊが同一の神経線維走行上（Ｎｋ上）に存在するかどうかを判定する。
【０１０６】
判定にあたっては、まず組織構造（神経線維走行）情報Ｎｋ（ｘ，ｙ）の座標系と、病変分布ＮＦｉ（ｘ，ｙ）及びＧＣｊ（ｘ，ｙ）の座標系とを以下のようにして位置合わせする。すなわち、各々の座標系において中心窩Ｆ１の位置及び視神経乳頭部Ｄ１の位置が既に求められているので、この２点が同一の位置となるように合成位置合わせの並進（ｘ，ｙ）及び回転パラメータを求める。なお、本実施形態では、ＳＬＯ像及び断層像を取得する際の撮像条件を揃えているため、組織構造情報及び病変分布の画素サイズはあらかじめ同一に設定されている。
【０１０７】
病変取得部９３３では、更に、位置合わせの結果求められた位置合わせパラメータの値に基づいて組織構造（神経線維走行）情報及び病変分布を重ね合わせる。
【０１０８】
さらに、各神経線維走行Ｎｋ上に存在する神経線維層Ｌ１の菲薄化領域ＮＦｉを求め、神経線維走行Ｎｋ上に菲薄化領域ＮＦｉが存在する場合には、同一のＮｋ上に菲薄化領域ＧＣｊが存在するか否かを調べる。もし、同一のＮｋ上に神経線維層Ｌ１の菲薄化領域ＮＦｉと神経節細胞層Ｌ２の菲薄化領域ＧＣｊが存在する場合には、同一の神経節細胞が障害を受けている可能性が高い。このため、神経線維層Ｌ１の菲薄化領域ＮＦｉの検出信頼度ＤＲｉを１に設定する。
【０１０９】
なお、神経線維層Ｌ１の菲薄化領域ＮＦｉの検出信頼度ＤＲｉの設定法はこれに限定されない。例えば、上記のようにＤＲｉを２値（０または１）データとするのではなく、菲薄化領域ＮＦｉと菲薄化領域ＧＣｉをともに通過するＮｋの本数に比例して高く設定できるよう多値データとしてもよい。
【０１１０】
（２）合成画像生成処理の流れ（図１２）
次に、合成表示部９４０において実行される合成画像生成処理（ステップＳ５０５）の詳細について図１２を用いて説明する。
【０１１１】
ステップＳ１２０１では、合成表示部９４０が、ステップＳ１１０１で取得された組織構造（神経線維走行）情報と、ステップＳ１１０２で取得された神経線維層Ｌ１の層厚分布及び神経節細胞層Ｌ２の層厚分布とを画像処理部３３０から取得する。更に、ステップＳ１１０３で取得された神経線維層Ｌ１の菲薄化領域ＮＦｉ及び神経節細胞層Ｌ２の菲薄化領域ＧＣｊと、ステップＳ１１０４で取得された各菲薄化領域ＮＦｉの検出信頼度ＤＲｉとを画像処理部３３０から取得する。
【０１１２】
ステップＳ１２０２では、組織構造表示部９４３が、ステップＳ１２０１で取得された組織構造（神経線維走行）情報をモニタ２０５上に表示する。
【０１１３】
ステップＳ１２０３では、画像合成部３４１が、ステップＳ１２０２で表示された組織構造（神経線維走行）情報に対して以下の情報を表示する。即ち、視神経乳頭部Ｄ１を中心とした直径Ｒ１内の領域上には、神経線維層厚のＤｅｖｉａｔｉｏｎマップ及び神経線維層の菲薄化領域ＮＦｉを半透明で合成表示する。また、それ以外の領域上には神経節細胞層厚のＤｅｖｉａｔｉｏｎマップ及び神経節細胞層の菲薄化領域ＧＣｊを半透明で合成表示する。また、視神経乳頭部における標準的な神経線維層厚計測位置（視神経乳頭部Ｄ１を中心とした直径３．４５ｍｍの円周上の位置Ｍ１）も参考に表示しておく。
【０１１４】
なお、合成表示の態様はこれに限定されない。例えば、合成表示された画像上の菲薄化領域ＮＦｉの近傍にステップＳ１１０４で取得された菲薄化領域ＮＦｉに対する検出信頼度ＤＲｉを表示するようにしてもよい。あるいは合成画像の全面に組織構造（神経線維走行）情報を表示するのではなく、菲薄化領域ＮＦｉもしくは菲薄化領域ＧＣｊを通過する神経線維走行Ｎｋのみを表示するように構成してもよい。あるいは、常に組織構造情報や検出信頼度を表示するのではなく、マウスカーソルで指定した箇所にのみ組織構造情報や検出信頼度ＤＲｉを表示するように構成してもよい。
【０１１５】
＜３．合成画像の一例＞
次に、画像処理装置９００における合成画像生成処理により生成された合成画像について説明する。図１３は、画像処理装置９００における合成画像生成処理により生成された合成画像の一例を示す図である。
【０１１６】
図１３に示すように、画像処理装置９００により生成された合成画像では、黄斑部の神経節細胞層Ｌ２の菲薄化領域および神経乳頭部の神経線維層Ｌ１の菲薄化領域が、神経線維走行を示す情報に合成して表示される。これにより、異なる層に存在する緑内障の病変である菲薄化領域が同一の細胞もしくは組織であるか否かを、操作者は容易に把握することが可能となる。
【０１１７】
以上の説明から明らかなように、本実施形態に係る画像処理装置９００によれば、複数の層に存在する病変同士の関連性を、操作者が容易に把握できるようになる。
【０１１８】
［他の実施形態］
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。
【技術分野】
【０００１】
本発明は断層像を処理するための画像処理技術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疾病の早期診断を目的として、従来より眼部の検査が行われてきた。一般に、このような眼部の検査では、光干渉断層計（ＯＣＴ：Ｏｐｔｉｃａｌ Ｃｏｈｅｒｅｎｃｅ Ｔｏｍｏｇｒａｐｈｙ）等の眼部断層像撮像装置が用いられる。かかる眼部断層像撮像装置を用いた場合、網膜層内部の状態を３次元的に観察することができるため、より的確に診断を行うことが可能となるからである。
【０００３】
眼部断層像撮像装置を用いて撮像された断層像は、通常、コンピュータにて画像処理され、網膜の各層の境界や血管が検出された後、各層の形状や血管の形状といった組織形状が計測される。図１４は、眼部断層像撮像装置を用いて撮像された各種断層像において、各層の境界や血管が検出され、眼部の組織形状が計測された様子を示す図である。
【０００４】
図１４（ａ）の例では、内境界膜Ｂ１、内網状層境界Ｂ４、視細胞内節外節境界Ｂ５、網膜色素上皮境界Ｂ６を検出した後に、網膜厚Ｔ１やＧＣＣ（Ｇａｎｇｌｉｏｎ Ｃｅｌｌ Ｃｏｍｐｌｅｘ）厚Ｔ２を計測した様子が示されている。また、図１４（ｃ）の例では、網膜血管Ｖを検出した後に、網膜血管Ｖの直径を計測した様子が示されている。
【０００５】
このように、眼部の組織形状を計測し、計測結果（網膜厚Ｔ１、ＧＣＣ厚Ｔ２や網膜血管Ｖの直径等）が正常値の範囲内にあるか否かを比較することで、異常（つまり、病変）を検出することが可能となる。
【０００６】
ここで、眼部の疾病の中には、互いに関連性の深い病変（主病変と付随病変）が複数の層にわかれて存在する場合がある。このような疾病の場合、診断や治療計画の際には、病変同士の関連性（主病変と付随病変との間の距離、付随病変の有無や大きさ等）を把握することも重要となってくる。
【０００７】
一例として、糖尿病網膜症について説明する。図１４（ｂ）は、糖尿病網膜症の被検者の眼部の断層像を示す図である。図１４（ｂ）に示すように、糖尿病網膜症の場合、網膜内層に存在する網膜血管の毛細血管が肥大化し、毛細血管瘤ＭＡｉ（ｉ＝１，・・・ｎ１）が形成される。また、毛細血管瘤ＭＡｉの中には血液中の血漿成分を漏出するものがあり、漏出した血漿成分は網膜外層に貯留される。一般に、血漿成分が塊状に集積して形成される滲出性の病変は嚢胞Ｃｊ（ｊ＝１，・・・ｎ２）と呼ばれている。
【０００８】
このような病変を有する糖尿病網膜症の場合、治療においては血漿成分が漏出している毛細血管瘤ＭＡｉ（主病変）を特定し、毛細血管瘤ＭＡｉに対してレーザを照射することで漏出が止められる。このとき、血漿成分が漏出している毛細血管瘤ＭＡｉの近傍には、図１４（ｂ）に示すように、嚢胞Ｃｊが付随することがしばしばあり、当該付随する嚢胞Ｃｊ（付随病変）の大きさを計測することにより血漿成分の漏出量を把握することができる。
【０００９】
従って、近傍に大きな嚢胞Ｃｊを持つ毛細血管瘤ＭＡｉほど、治療計画においてはレーザ治療の必要性が高い主病変ということになる。ただし、視力への影響の大きい部位（中心窩Ｆ１）や視神経への影響の大きい部位（視神経乳頭部）にはレーザを照射することができない。このため、レーザ治療の計画を立てるにあたっては漏出点がこれらの部位から十分に離れているか否かを確認すべく、その距離を計測しておく必要がある。
【００１０】
つまり、断層像の表示に際しては嚢胞Ｃｊの大きさや位置、嚢胞Ｃｊから毛細血管瘤ＭＡｉや中心窩Ｆ１、視神経乳頭部までの距離等が一目でわかるようにすることで、診断や治療計画を行うにあたっての利便性が大きく向上するものと期待される。
【００１１】
このようなことから、眼部断層像撮像装置を用いて撮像された断層像を画像処理することにより得られた処理結果の表示においては、操作者が、疾病ごとに病変の関連性を容易に把握できるように表示されることが望ましい。
【００１２】
一方で、従来より、眼部断層像撮像装置を用いて撮像された断層像を画像処理することで検出された病変を表示するための、種々の方法が提案されている。
【００１３】
例えば、下記特許文献１には、網膜内の一部の層に限局して単一の投影像を生成し、網膜血管走行の強調表示を行う構成が開示されている。また、下記特許文献２には、単一の層における形状異常（菲薄化）を網膜神経線維走行沿いの複数点間で比較し、表示する構成が開示されている。
【先行技術文献】
【特許文献】
【００１４】
【特許文献１】米国特許第７５０５１４２号明細書
【特許文献２】特開２００９−８９７９２号公報
【非特許文献】
【００１５】
【非特許文献１】K. Lee et al.;”3-D segmentation of retinal blood vessels in spectral-domain OCT volumes of the optic nerve head”, Proceedings of SPIE Medical Imaging 2010, Vol.7626, 76260V, 2010.
【発明の概要】
【発明が解決しようとする課題】
【００１６】
しかしながら、上記特許文献１に記載の構成は、一部の層における単一の投影像を作成するものであり、また、上記特許文献２に記載の構成は、単一の層についての表示を行うものである。つまり、複数の層にわかれて存在する病変について、その関連性を考慮しながら表示させる構成とはなっておらず、複数の層にまたがる病変同士の関連性を把握することが必要な疾病についての診断や治療計画を行うのに適した表示とは言い難い。
【００１７】
本発明は上記の課題に鑑みてなされたものであり、断層像を画像処理する画像処理装置において、複数の層に存在する病変同士の関連性を、疾病に応じて操作者が容易に把握できるようにすることを目的とする。
【課題を解決するための手段】
【００１８】
上記の目的を達成するために本発明に係る画像処理装置は以下のような構成を備える。即ち、
眼部の断層像を画像処理する画像処理装置であって、
前記断層像の解剖学的な特徴である眼部特徴を取得する眼部特徴取得手段と、
前記眼部特徴取得手段により取得された眼部特徴により特定される複数の層の中から、所定の種類の疾病に対応する病変を検出するための層を少なくとも２つ指定する指定手段と、
前記指定手段により指定された層それぞれから、前記所定の種類の疾病に対応する病変を検出する病変取得手段と、
前記病変取得手段により前記層それぞれから検出された病変を、所定の２次元の画像上に投影することで、合成画像を生成する生成手段と、
前記生成手段により生成された合成画像を表示する表示手段とを備える。
【発明の効果】
【００１９】
本発明によれば、断層像を画像処理する画像処理装置において、複数の層に存在する病変同士の関連性を、疾病ごとに操作者が容易に把握できるようになる。
【図面の簡単な説明】
【００２０】
【図１】本発明の第１の実施形態に係る画像処理装置１００を備える画像処理システムの一例を示す図である。
【図２】画像処理装置１００のハードウェア構成を示す図である。
【図３】画像処理装置１００の機能構成を示す図である。
【図４】画像処理装置１００の画像処理機能を実行する際に用いられる眼部断層像の一例を示す図である。
【図５】画像処理装置１００における画像処理の流れを示すフローチャートである。
【図６】画像処理装置１００における病変取得処理の流れを示すフローチャートである。
【図７】画像処理装置１００における合成画像生成処理の流れを示すフローチャートである。
【図８】画像処理装置１００における合成画像生成処理により生成された合成画像の一例を示す図である。
【図９】本発明の第２の実施形態に係る画像処理装置９００の機能構成を示す図である。
【図１０】画像処理装置９００の画像処理機能を実行する際に用いられる眼部断層像の一例を示す図である。
【図１１】画像処理装置９００における病変取得処理の流れを示すフローチャートである。
【図１２】画像処理装置９００における合成画像生成処理の流れを示すフローチャートである。
【図１３】画像処理装置９００における合成画像生成処理により生成された合成画像の一例を示す図である。
【図１４】眼部断層像撮像装置を用いて撮像された各種断層像において、各層の境界や血管が検出され、眼部の組織形状が計測された様子を示す図である。
【発明を実施するための形態】
【００２１】
以下、添付図面を参照しながら本発明の各実施形態について詳説する。ただし、本発明の範囲は以下の実施形態に限定されるものではない。
【００２２】
［第１の実施形態］
はじめに本実施形態に係る画像処理装置の概要について説明する。本実施形態に係る画像処理装置では、糖尿病網膜症の被検者の眼部断層像について、当該疾病（糖尿病網膜症）に対応する病変を検出するための層（網膜内層、網膜外層）を指定するよう構成されている点に特徴がある。
【００２３】
また、指定された層のうち、網膜内層からは主病変として毛細血管瘤を、網膜外層からは付随病変として嚢胞をそれぞれ検出し、眼部特徴とともに両病変を所定の眼底像上に投影することで合成画像として表示する点に特徴がある。
【００２４】
このような構成とすることで、毛細血管瘤からの血漿成分の漏出の有無や、主病変に対する治療の可否、主病変に対する治療の優先度等を、操作者が容易に把握することが可能となる。以下、これらの特徴を有する本実施形態について詳細に説明する。
【００２５】
なお、解剖学的には内境界膜Ｂ１から内顆粒層（不図示）までを網膜内層、外網状層（非図示）から網膜色素上皮層Ｂまでを網膜外層と定義される。しかし、実際の眼部断層像上では外網状層の少し内層側に存在する内網状層境界Ｂ４の方がより確実に検出できるため、本実施形態では網膜内層を内境界膜Ｂ１から内網状層境界Ｂ４まで、網膜外層を網膜内の網膜内層以外の領域として記述する。もちろん、解剖学的な定義通りに網膜内層・網膜外層を定義して（外網状層境界（不図示）を検出した上で）実施してもよいことは言うまでもない。
【００２６】
＜１．画像処理システムの構成＞
図１は、本実施形態に係る画像処理装置１００を備える画像処理システムの一例を示す図である。
【００２７】
図１に示すように画像処理装置１００と眼部断層像撮像装置１０２とは、光ファイバやＵＳＢ、ＩＥＥＥ１３９４等のインターフェイスを介して接続される。また、データサーバ１０１は、画像処理装置１００及び眼部断層像撮像装置１０２と、イーサネット（登録商標）等によるローカル・エリア・ネットワーク（ＬＡＮ）１０３を介して接続される。なお、これらの装置は、インターネット等の外部ネットワークを介して接続されていてもよい。
【００２８】
眼部断層像撮像装置１０２は眼部の断層像を撮像する装置であり、例えばタイムドメイン方式もしくはフーリエドメイン方式のＯＣＴである。眼部断層像撮像装置１０２は不図示の操作者による操作に応じ、不図示の被検眼の断層像を３次元的に撮像する。撮像した断層像は画像処理装置１００へと送信される。
【００２９】
データサーバ１０１は被検眼の断層像や被検眼の眼部特徴（眼部の断層像から取得される解剖学的な特徴）、眼部特徴の正常値データなどを保持するサーバである。データサーバ１０１では、眼部断層像撮像装置１０２から出力される被検眼の断層像や画像処理装置１００から出力される眼部特徴を保存する。また画像処理装置１００からの要求に応じ、被検眼に関するデータ（断層像、眼部特徴）や眼部特徴の正常値データを画像処理装置１００に送信する。
【００３０】
＜２．画像処理装置１００のハードウェア構成＞
次に、図２を用いて画像処理装置１００のハードウェア構成について説明する。図２において、２０１は中央演算処理装置（ＣＰＵ）、２０２はメモリ（ＲＡＭ）、２０３は制御メモリ（ＲＯＭ）、２０４は外部記憶装置、２０５はモニタ、２０６はキーボード、２０７はマウス、２０８はインタフェースである。本実施形態に係る画像処理機能を実現するための制御プログラムや、当該制御プログラムが実行される際に用いられるデータは、外部記憶装置２０４に記憶されている。これらの制御プログラムやデータは、ＣＰＵ２０１による制御のもと、バス２０９を通じて適宜ＲＡＭ２０２に取り込まれ、ＣＰＵ２０１によって実行される。
【００３１】
＜３．画像処理装置１００の機能構成＞
次に、本実施形態に係る画像処理機能を実現するための画像処理装置１００の機能構成について図３及び図４を参照しながら説明する。図３は、画像処理装置１００の画像処理機能に関する機能構成を示す図であり、図４は、画像処理装置１００の画像処理機能を実行する際に用いられる眼部断層像の一例を示す図である。
【００３２】
図３に示すように、画像処理装置１００は、断層像取得部３１０、記憶部３２０、画像処理部３３０、合成表示部３４０、指示取得部３５０を備える。
【００３３】
また、画像処理部３３０は、更に、眼部特徴取得部３３１、層指定部３３２、病変取得部３３３を備え、病変取得部３３３は、更に、関連性判定部３３３−１、治療可能性判定部３３３−２、治療優先度判定部３３３−３を備える。
【００３４】
また、合成表示部３４０は、更に、画像合成部３４１、関連性表示部３４２、治療可能性表示部３４３、治療優先度表示部３４４を備える。
【００３５】
以下、画像処理装置１００を構成する各機能ブロックについて詳説する。
【００３６】
（１）断層像取得部３１０
断層像取得部３１０は、眼部断層像撮像装置１０２に対して断層像の取得要求を送信する。また、当該取得要求に応じて、ＬＡＮ１０３を介して眼部断層像撮像装置１０２より送信された断層像を受信し、記憶部３２０に格納する。
【００３７】
（２）眼部特徴取得部３３１
眼部特徴取得部３３１は、記憶部３２０に格納された断層像から、眼部特徴として、内境界膜、視神経線維層境界、神経節細胞層境界、内網状層境界、外網状層境界、視細胞内節外節境界、網膜色素上皮境界、視神経乳頭部、中心窩を抽出する。そして、抽出した眼部特徴のうち、図４に示すように、内境界膜Ｂ１、内網状層境界Ｂ４、視細胞内節外節境界Ｂ５、網膜色素上皮境界Ｂ６及び中心窩Ｆ１を取得する。また、取得した各々の眼部特徴を記憶部３２０に格納する。
【００３８】
ここで、眼部特徴取得部３３１による眼部特徴の抽出手順を具体的に説明する。はじめに、層の境界を抽出するための抽出手順について説明する。なお、ここでは処理対象である３次元断層像を２次元断層像（Ｂスキャン像）の集合と考え、各２次元断層像に対して以下の処理を行う。
【００３９】
まず、着目する２次元断層像に平滑化処理を行い、ノイズ成分を除去する。次に２次元断層像からエッジ成分を検出し、その連結性に基づいて何本かの線分を層境界の候補として抽出する。
【００４０】
そして、該抽出した候補から１番上の線分を内境界膜Ｂ１、上から２番目の線分を神経線維層境界Ｂ２、３番目の線分を内網状層境界Ｂ４として抽出する。また、内境界膜Ｂ１よりも外層側（図４（ａ）において、ｚ座標が大きい側）にあるコントラスト最大の線分を視細胞内節外節境界Ｂ５として抽出する。さらに、該層境界候補群のうち一番下の線分を網膜色素上皮境界Ｂ６として抽出する。
【００４１】
なお、これらの線分を初期値としてＳｎａｋｅｓやレベルセット法等の可変形状モデルを適用し、更に精密抽出を行うように構成してもよい。また、グラフカット法により層の境界を抽出するように構成してもよい。
【００４２】
なお、可変形状モデルやグラフカットを用いた境界抽出は、３次元断層像に対し３次元的に実行してもよいし、各々の２次元断層像に対し２次元的に実行してもよい。また、層の境界を抽出する方法は、眼部の断層像から層の境界を抽出可能な方法であれば、いずれの方法を用いてもよいことはいうまでもない。
【００４３】
眼部断層像から層の境界を抽出した後は、更に、当該抽出した内境界膜Ｂ１の形状から陥凹の深い順に２か所の陥凹部を検出することにより、視神経乳頭部（不図示）及び中心窩Ｆ１を抽出する。ここではより陥凹の浅い方を中心窩Ｆ１として、陥凹の深い方を視神経乳頭部として抽出する。
【００４４】
（３）層指定部３３２
層指定部３３２では、眼部断層像から所定の疾病に対応する主病変及び付随病変を検出するために指定する層の種類を決定する。病変を検出するために指定する層の種類は、診断対象とする疾病の種類によって決まる。本実施形態の場合、診断対象疾病が糖尿病網膜症、主病変が毛細血管瘤、付随病変が嚢胞であるため、毛細血管瘤ＭＡｉを検出するための層の種類として網膜血管Ｖが存在する網膜内層（図４（ａ）のＰ１）を指定する。また嚢胞Ｃｊを検出するための層の種類として、漏出した血漿成分が蓄積される網膜外層（図４（ｂ）のＰ２）を指定する。なお、網膜内層Ｐ１及び網膜外層Ｐ２を含む各層は、眼部特徴取得部３３１により取得された眼部特徴に基づいて予め特定されているものとする。
【００４５】
（４）病変取得部３３３
病変取得部３３３は、眼部特徴取得部３３１により取得された眼部特徴の位置情報と、層指定部３３２により指定された層の種類の情報とに基づいて主病変及び付随病変の検出を行う。
【００４６】
具体的には、層指定部３３２により指定された網膜内層から網膜血管Ｖを検出し、検出した網膜血管Ｖの直径を正常値と比較することにより、主病変として毛細血管瘤ＭＡｉを検出する。更に、層指定部３３２により指定された網膜外層から、付随病変として嚢胞Ｃｊを検出する。
【００４７】
更に、病変取得部３３３の関連性判定部３３３−１では、検出した毛細血管瘤ＭＡｉと嚢胞Ｃｊとの距離に基づいて、病変同士の関連性を判定することで、治療必要度を判定する。更に、病変取得部３３３の治療可能性判定部３３３−２では、毛細血管瘤ＭＡｉと中心窩Ｆ１との距離に基づいて、毛細血管瘤ＭＡｉの治療の可否を判定する。更に、病変取得部３３３の治療優先度判定部３３３−３では、毛細血管瘤ＭＡｉに対して最短距離にある嚢胞Ｃｊのサイズに基づいて、各毛細血管瘤ＭＡｉに対する治療優先度の値を設定する。なお、病変取得部３３３によるこれらの処理の詳細は、後述するものとする。
【００４８】
（５）合成表示部３４０
合成表示部３４０は、病変取得部３３３において検出された網膜血管Ｖ及び毛細血管瘤ＭＡｉの分布、嚢胞Ｃｉの分布、治療必要度についての情報、治療の可否についての情報、治療優先度の値を用いて、断層像に対する合成画像を生成する。なお、合成画像の生成処理の詳細については後述するものとする。
【００４９】
（６）指示取得部３５０
指示取得部３５０は、画像処理装置１００における画像処理の開始の指示や、被検眼についての画像処理の結果をデータサーバ１０１へ保存するための保存の指示、画像処理装置１００による画像処理を終了するための終了の指示を取得する。当該指示は、例えば、キーボード２０６やマウス２０７を介して操作者により入力される。
【００５０】
なお、保存の指示がなされた場合、画像処理部３３０及び合成表示部３４０では、検査日時、被検眼を同定する情報、断層像、眼部特徴及び合成画像を、相互に関連付けてデータサーバ１０１へ送信する。
【００５１】
＜４．画像処理装置１００における画像処理の流れ＞
次に、画像処理装置１００における画像処理の流れについて、図５〜図７を用いて説明する。指示取得部３５０により画像処理の開始の指示が取得されると、画像処理装置１００では図５に示す画像処理を開始する。
【００５２】
（１）画像処理全体の流れ（図５）
ステップＳ５０１では、断層像取得部３１０が眼部断層像撮像装置１０２に対して断層像の取得要求を行うことで断層像を取得し、記憶部３２０に格納する。ステップＳ５０２では、眼部特徴取得部３３１が記憶部３２０に格納された断層像から、眼部特徴（内境界膜Ｂ１、内網状層境界Ｂ４、視細胞内節外節境界Ｂ５、網膜色素上皮境界Ｂ６及び中心窩Ｆ１）の位置情報を取得する。
【００５３】
ステップＳ５０３では、層指定部３３２が診断対象とする疾病の種類に応じた層の種類を指定する。ステップＳ５０４では、病変取得部３３３が、ステップＳ５０２において眼部特徴取得部３３１により取得された眼部特徴の位置情報と、ステップＳ５０３において層指定部３３２により指定された層の種類とに基づいて、主病変及び付随病変を検出する。
【００５４】
ステップＳ５０５では、合成表示部３４０が、ステップＳ５０４において検出された主病変及び付随病変を用いて合成画像を生成し、表示する。ステップＳ５０６では、指示取得部３５０が、画像処理の結果をデータサーバ１０１へ保存するための保存の指示を取得したか否かを判定し、取得したと判定した場合には、ステップＳ５０７に進む。
【００５５】
ステップＳ５０７では、画像処理部３３０及び合成表示部３４０が、画像処理の結果をデータサーバ１０１に送信し、ステップＳ５０８に進む。一方、ステップＳ５０６において、保存の指示が取得されなかったと判定した場合には、直接、ステップＳ５０８に進む。
【００５６】
ステップＳ５０８では、指示取得部３５０が、画像処理の終了の指示を取得したか否かを判定し、取得していないと判定した場合には、ステップＳ５０１に戻り、次の被検眼に対する画像処理（または同一の被検眼に対する再画像処理）を実行する。一方、ステップＳ５０８において、画像処理の終了の指示を取得したと判定した場合には、画像処理を終了する。
【００５７】
（２）病変取得処理の流れ（図６）
次に、病変取得部３３３において実行される病変取得処理（ステップＳ５０４）の詳細について図６を用いて説明する。
【００５８】
ステップＳ６０１では、病変取得部３３３が、層指定部３３２において指定された層のうち、網膜内層Ｐ１から網膜血管Ｖを検出する。具体的には、網膜内層Ｐ１に限定して深度方向に画素値を積算することで投影像を生成し、生成した投影像から任意の公知の線強調フィルタを用いることで、網膜血管Ｖを検出する。
【００５９】
なお、ここでは平面投影像から網膜血管Ｖを検出する手法について述べたが、血管検出法はこれに限られない。例えば、関心領域（Ｒｅｇｉｏｎ ｏｆ Ｉｎｔｅｒｅｓｔ：ＲＯＩ）を網膜内層Ｐ１に設定した上で、投影像を生成せずに非特許文献１に示す手法を用いて３次元的に網膜血管Ｖを検出するようにしてよい。
【００６０】
ステップＳ６０２では、病変取得部３３３が、ステップＳ６０１で検出された網膜血管Ｖの直径を計測する。具体的には、網膜血管領域を細線化して得られる血管の中心軸に対して直交する方向の距離を網膜血管Ｖの直径として計測する。
【００６１】
ステップＳ６０３では、病変取得部３３３が、ステップＳ６０２で計測された網膜血管Ｖの直径と、あらかじめ記憶部３２０に読み出された網膜血管の直径の正常値とを比較する。そして、計測された網膜血管Ｖの直径が正常値よりＴｖｄ％以上大きい場合には、毛細血管瘤ＭＡｉ（ｉ＝１，２，・・・，ｎ１）と判定し、その発生位置（ｘｉ，ｙｉ）と網膜血管Ｖの直径Ｔｄｉとを記憶部３２０に格納する。なお、網膜血管Ｖの直径の計測法はこれに限られず、任意の公知の計測法を用いるように構成してもよい。
【００６２】
ステップＳ６０４では、病変取得部３３３が、ステップＳ５０３で指定された網膜外層Ｐ２から嚢胞Ｃｊ（ｊ＝１，２・・・，ｎ２）を検出する。具体的には網膜外層Ｐ２に限定して深度方向に画素値を積算することで投影像を生成する。そして、生成した投影像から、輝度値がＴｇ以下の画素をラべリングし、面積がＴａ以上で円形度がＴｃ以上の低輝度領域を嚢胞Ｃｊとして検出する。
【００６３】
ステップＳ６０４では、更に、付随病変のサイズを示す情報として、検出した嚢胞Ｃｊの面積Ｔａｊを計測する。
【００６４】
なお、嚢胞Ｃｊの検出法はこれに限られない。例えば、網膜外層Ｐ２を関心領域（ＲＯＩ）に設定した上で、投影像を生成せずに３次元的にＴｇ以下の輝度値を持つ画素をラべリングし、体積がＴｖ以上で球形度がＴｓ以上の値を持つ低輝度領域を嚢胞Ｃｊとして検出するようにしてもよい。この場合、嚢胞Ｃｊのサイズを示す情報として、体積Ｔｖｊが計測されることとなる。
【００６５】
図６に戻る。ステップＳ６０５では、関連性判定部３３３−１が、ステップＳ６０３において取得された毛細血管瘤ＭＡｉと、ステップＳ６０４において検出された嚢胞Ｃｊとの間の距離ＬＤｉ（病変間の距離）を計測する。更に、最短距離ｍｉｎＬＤｉの組み合わせ（ＭＡｉ，Ｃｊ）のうちｍｉｎＬＤｉが閾値以下（閾値＝Ｔｍｉｎ）のものを主病変、付随病変の組み合わせとして判定する。ここで、対応する付随病変を持たない毛細血管瘤ＭＡｉの最短距離は０としておく。
【００６６】
ステップＳ６０６では、治療可能性判定部３３３−２が、各毛細血管瘤ＭＡｉと中心窩Ｆ１との距離ＦＤｉを計算し、距離ＦＤｉが所定の距離以下（閾値＝Ｔｆ）の毛細血管瘤ＭＡｉには治療可能ラベルＬｉを０に設定する。ここで、毛細血管瘤ＭＡｉが治療（レーザ照射）可能な領域内に存在する場合にはＬｉを１に、治療（レーザ照射）不可能な領域内に存在する場合にはＬｉを０に設定する。なお、治療可能ラベルＬｉが１に設定された毛細血管瘤ＭＡｉの総数をｎ３とする。
【００６７】
更に、ステップＳ６０６では、治療可能ラベルＬｉが１に設定された毛細血管瘤ＭＡｉに対して、治療優先度判定部３３３−３が、治療優先度Ｐｉ（１≦ｉ≦ｎ３）を算出する。具体的には、ステップＳ６０４で算出した嚢胞Ｃｊの面積Ｔａｊ（または体積Ｔｖｊ）に基づいて嚢胞Ｃｊをソートし、Ｔａｊ（Ｔｖｊ）が大きいものほど治療優先度Ｐｉが高くなるように設定する。
【００６８】
（３）合成画像の生成処理の流れ（図７）
次に、合成表示部３４０において実行される合成画像生成処理（ステップＳ５０５）の詳細について図７を用いて説明する。
【００６９】
ステップＳ７０１では、合成表示部３４０が、画像処理部３３０より中心窩Ｆ１の位置、網膜血管Ｖ及び毛細血管瘤ＭＡｉの分布、嚢胞Ｃｊの分布、毛細血管瘤ＭＡｉに対する治療可能ラベルＬｉ、治療優先度Ｐｉの値を取得する。
【００７０】
ステップＳ７０２では、画像合成部３４１が、ステップＳ７０１で取得された網膜血管Ｖ、毛細血管瘤ＭＡｉ、嚢胞Ｃｊの分布、中心窩Ｆ１の位置、治療可能範囲の境界（中心窩Ｆ１を中心とした直径１ｍｍの円）を断層像から生成した所定の眼底像に重畳する。また、これにより生成された合成画像を表示する。
【００７１】
また、関連性表示部３４２が、ステップＳ６０５において関連性があると判定された主病変（毛細血管瘤ＭＡｉ）と付随病変（嚢胞Ｃｊ）の組み合わせに対しては、毛細血管瘤ＭＡｉから嚢胞Ｃｊに対して関連性があることを識別可能な態様により表示する。本実施形態では、ステップＳ７０２にて生成された合成画像上の毛細血管瘤ＭＡｉから嚢胞Ｃｊに対して矢印を表示する。
【００７２】
なお、関連性の表示法はこれに限られず、関連性があることを識別可能な表示法であれば任意の手法を用いてもよい。例えば、関連性があると判定された毛細血管瘤ＭＡｉと嚢胞Ｃｊを囲む枠線を表示するようにしてもよい。あるいは、操作者がマウスカーソルを毛細血管瘤ＭＡｉの近くに移動させた場合にのみ関連性を示す情報を表示するように構成してもよい。
【００７３】
ステップＳ７０３では、治療可能性表示部３４３が、ステップＳ６０６で算出された毛細血管瘤ＭＡｉに対する治療可能ラベルＬｉに基づいて、治療可能ラベルＬｉが０であるような毛細血管瘤ＭＡｉを他の毛細血管瘤と異なる態様（色）で表示する。本実施形態では網膜血管Ｖ及びＬｉ＝１であるような毛細血管瘤ＭＡｉを赤色で、Ｌｉ＝０であるような毛細血管瘤ＭＡｉを灰色で表示する。
【００７４】
なお、治療可能性の表示態様はこれに限定されない。例えば、治療可能ラベルＬｉが０であるような毛細血管瘤ＭＡｉの横に×印を表示するように構成してもよい。あるいは、操作者がマウスカーソルを毛細血管瘤ＭＡｉの近くに移動させた場合にのみ、治療可能性を示す情報を表示するように構成してもよい。あるいは、治療可能範囲の境界付近にある毛細血管瘤ＭＡｉに対して精査が必要であるという意味で強調表示したり、中心窩Ｆ１からの距離を毛細血管瘤ＭＡｉの近傍に表示するように構成してもよい。
【００７５】
ステップＳ７０４では、治療優先度表示部３４４が、ステップＳ６０６で算出された治療優先度Ｐｉを合成画像中に表示する。本実施形態では、毛細血管瘤ＭＡｉの近傍に治療優先度Ｐｉの値を表示する。
【００７６】
なお、治療優先度Ｐｉの表示態様はこれに限定されない。例えば、治療優先度の大きさとカラーバーを対応付けておき、合成画像中の毛細血管瘤ＭＡｉを治療優先度を示す色でカラー表示するように構成してもよい。あるいは、操作者がマウスカーソルを毛細血管瘤ＭＡｉの近くに動かした場合にのみ、治療優先度を示す情報を表示するように構成してもよい。あるいは、治療優先度が一定値Ｔｐより高いもののみを合成画像中に治療優先度を示す情報として表示するように構成してもよい。
【００７７】
＜５．合成画像の一例＞
次に、画像処理装置１００における合成画像生成処理により生成された合成画像について説明する。図８は、画像処理装置１００における合成画像生成処理により生成された合成画像の一例を示す図である。
【００７８】
図８に示すように、画像処理装置１００により生成された合成画像では、網膜内層Ｐ１から検出された主病変と、網膜外層Ｐ２から検出された付随病変とが合成して表示される。これにより、毛細血管瘤からの血漿成分の漏出の有無、主病変に対する治療の優先度等を、操作者が容易に把握することが可能となる。
【００７９】
また、中心窩Ｆ１の位置も同時に表示されるため、毛細血管瘤ＭＡ１がレーザ治療可能範囲内にあるか否か（主病変に対する治療の可否）を、操作者は容易に把握することができる。
【００８０】
以上の説明から明らかなように、本実施形態に係る画像処理装置１００によれば、複数の層に存在する病変同士の関連性を、操作者が容易に把握できるようになる。
【００８１】
［第２の実施形態］
上記第１の実施形態では、診断対象疾病が糖尿病網膜症、主病変が毛細血管瘤、付随病変が嚢胞である場合に、所定の断層像について合成画像を生成する構成について説明したが、本発明はこれに限定されない。
【００８２】
例えば、緑内障などのように、複数の層にまたがって走行する細胞の異なる部位（細胞核と軸索）に病変が存在する場合には、これらの病変同士の関連性を操作者が容易に把握できるように構成することが重要となってくる。
【００８３】
本実施形態では、緑内障等の疾病のこのような特性を考慮し、神経節細胞の細胞核部分が含まれる層の厚みを示す画像と、軸索部分が含まれる層の厚みを示す画像と、神経線維走行を示す画像とを合成した合成画像を表示するよう構成する。かかる構成とすることで、操作者は、異なる層に存在する病変が同一の細胞もしくは組織に生じているか否かを容易に把握することが可能となる。
【００８４】
緑内障を例として具体的に説明すると、緑内障の場合、一般に、神経節細胞は、細胞核が神経節細胞層Ｌ２に、軸索が神経線維層Ｌ１に存在しており、疾病の早期には神経節細胞の細胞核の障害が軸索の障害に先行して発生する。このため、例えば、神経線維層Ｌ１の菲薄化が検出された場合には、当該菲薄化領域を走行する神経節細胞の細胞核が含まれる領域（神経節細胞層Ｌ２）にも形状異常（菲薄化）が生じていると考えられる。
【００８５】
そこで、本実施形態では、眼部断層像から層厚等の組織形状を計測して異常が検出された際に、黄斑部の神経節細胞層厚分布と、視神経乳頭部の神経線維層厚分布と、眼底内の神経線維走行を示す図とを重畳させた合成画像を表示する構成とする。このような構成とすることにより、神経線維層Ｌ１に存在する病変（層の菲薄化）を走行する神経線維が神経節細胞層Ｌ２の病変（層の菲薄化）を通過しているかを確認することが容易となるからである。この結果、操作者は、神経節細胞の細胞核の障害を検出したのか、ノイズ等を誤検出したのかを容易に判断することができるようになり、病変検出結果の信頼性を向上させることが可能となる。
【００８６】
以下、本実施形態に係る画像処理装置９００について、上記第１の実施形態に係る画像処理装置１００との相違点を中心に説明する。
【００８７】
なお、以下の説明では、診断対象疾病が緑内障の場合について説明する。
【００８８】
また、以下の説明では、神経節細胞の細胞核部分の障害（菲薄化病変）の程度を表す値として神経節細胞層Ｌ２の層厚もしくは該層厚の正常値との差分に関する統計値（ｄｅｖｉａｔｉｏｎ）を用いることとする。ただし、本発明はこれに限定されず、例えば、ＧＣＣ（Ｇａｎｇｌｉｏｎ Ｃｅｌｌ Ｃｏｍｐｌｅｘ）の層厚もしくは該層厚のｄｅｖｉａｔｉｏｎを用いてもよい。
【００８９】
＜１．画像処理装置９００の機能構成＞
はじめに、本実施形態に係る画像処理装置９００の機能構成について図９及び図１０を用いて説明する。図９は、本実施形態に係る画像処理装置９００の機能構成を示す図である。また、図１０は、画像処理装置９００の画像処理機能を実行する際に用いられる眼部断層像の一例を示す図である。
【００９０】
（１）断層像取得部３１０
断層像取得部３１０は、眼部断層像撮像装置１０２に対して断層像の取得要求を送信する。なお、本実施形態で取得される断層像は、黄斑部及び視神経乳頭部を含む断層像であるとする。取得した断層像は記憶部３２０に格納する。
【００９１】
（２）眼部特徴取得部９３１
眼部特徴取得部９３１は、記憶部３２０に格納された断層像から、眼部特徴として内境界膜Ｂ１、神経線維層境界Ｂ２、神経節細胞層境界Ｂ３、内網状層境界Ｂ４、視細胞内節外節境界Ｂ５、網膜色素上皮境界Ｂ６、及び中心窩Ｆ１を抽出する（図１０参照）。
【００９２】
また、視神経乳頭部Ｄ１の中心位置及び視神経乳頭部における網膜色素上皮境界Ｂ６の端部（ＲＰＥ ｔｉｐ）の位置を抽出する。なお、網膜色素上皮境界Ｂ６の端部の位置は各Ｂスキャン像に対して求められるものとする。
【００９３】
なお、各層境界Ｂ１、Ｂ２、Ｂ４〜Ｂ６及び中心窩Ｆ１、視神経乳頭部Ｄ１の抽出方法は、上記第１の実施形態において説明した抽出方法と同様であるため、ここでは神経節細胞層境界Ｂ３の抽出方法について説明する。
【００９４】
即ち、神経線維層境界Ｂ２と内網状層境界Ｂ４を取得した後、双方の境界で囲まれる領域内の各点（ｘ，ｙ）において、局所領域を設定して画素値の分散を求める。そして当該分散が最大となる局所領域内に層境界が存在すると判定し、その境界位置をｘ軸及びｙ軸方向に接続することで神経節細胞層境界Ｂ３を抽出する（図１０参照）。なお、このようにして抽出したそれぞれの眼部特徴は、記憶部３２０に格納される。
【００９５】
更に、眼部特徴取得部９３１は、神経節細胞の眼底内の走行（図１０におけるｘ−ｙ平面に投影した神経節細胞の走行）を示す情報Ｎｋ（ｋ＝１，２・・・，ｎ）を記憶部３２０から取得する。この眼底内の神経節細胞の走行情報は、例えば走査型レーザ検眼鏡（Ｓｃａｎｎｉｎｇ Ｌａｓｅｒ Ｏｐｈｔｈａｌｍｏｓｃｏｐｅ；ＳＬＯ）のｒｅｄ−Ｆｒｅｅモードで撮像したＳＬＯ像から取得することができる。本実施形態では、あらかじめ複数の健常眼に対してｒｅｄ−Ｆｒｅｅモードで撮影したＳＬＯ像に基づいて生成された平均的な神経線維走行を示す曲線群Ｎｋ（ｋ＝１，２，・・・ｎ）が記憶部３２０に保存されているものとする。
【００９６】
なお、神経線維走行情報の取得方法はこれに限定されない。例えば、画像処理装置１００に表面像取得部（不図示）を配し、表面像取得部から眼部断層像と同一被検者のＳＬＯ像（ｒｅｄ−ｆｒｅｅ）を取得して記憶部３２０に格納しておき、当該格納したＳＬＯ像を取得するようにしてもよい。
【００９７】
（３）層指定部９３２
層指定部９３２は、第１の層として神経線維層Ｌ１を指定し、第２の層として神経節細胞層Ｌ２を指定する。なお、神経線維層Ｌ１は神経節細胞層Ｌ２の軸索部分が集合して形成される層であり、神経節細胞層Ｌ２は神経節細胞の細胞核部分が集合して形成される層である。
【００９８】
（４）病変取得部９３３
病変取得部９３３は、眼部特徴取得部９３１により取得された眼部特徴に基づいて、神経線維層厚及び神経節細胞層厚を計測する。また、計測した神経線維層厚及び神経節細胞層厚を各々の正常値と比較することで、菲薄化領域を検出する。更に、関連性判定部９３３−１が、検出した菲薄化領域と、眼部特徴取得部９３１により取得された組織構造（神経線維走行）情報との関連性を判定する。なお、病変取得部９３３によるこれらの処理の詳細は、後述する。
【００９９】
（５）合成表示部９４０
合成表示部９４０は、病変取得部９３３から組織構造（神経線維走行）情報、神経線維層Ｌ１の層厚分布及び神経節細胞層Ｌ２の層厚分布を取得する。また、神経線維層Ｌ１の病変である菲薄化領域ＮＦｉ及び神経節細胞層Ｌ２の病変である菲薄化領域ＧＣｊ、各菲薄化領域の検出信頼度ＤＲｉを取得する。そして、これらの情報を用いて、ＳＬＯ像について合成画像を生成する。なお、合成画像の生成処理の詳細は後述する。
【０１００】
＜２．画像処理装置９００における画像処理の流れ＞
（１）病変取得処理の流れ（図１１）
次に、病変取得部９３３において実行される病変取得処理（ステップＳ５０４）の詳細について図１１を用いて説明する。
【０１０１】
ステップＳ１１０１では、病変取得部９３３が、眼部特徴取得部９３１が取得した層境界、中心窩Ｆ１や視神経乳頭部Ｄ１の位置、組織構造（神経線維走行）情報、及び記憶部３２０に格納された各層厚に関する正常値をそれぞれ取得する。
【０１０２】
ステップＳ１１０２では、ステップＳ１００１で取得した層境界に基づいて、眼底内の各点（ｘ，ｙ）について神経線維層厚及び神経節細胞層厚を計測する。ただし、中心窩Ｆ１を中心とした直径１ｍｍの範囲内及び視神経乳頭部のＤｉｓｃ境界の内部は神経線維層厚及び神経節細胞層厚とも計測を行わない。
【０１０３】
なお、Ｄｉｓｃ境界の位置は、本実施形態では以下のようにして設定する。すなわち、取得した網膜色素上皮境界Ｂ６の端部を各Ｂスキャン像（画像番号ｉ）内で接続した線Ａｉを求める。そして、線Ａｉに関して直交する方向に閾値Ｔｈだけ内層側に移動させた場合の線Ａｉ’と内境界膜Ｂ１との交点Ｅ１ｉ、Ｅ２ｉを各Ｂスキャン像に対して求める。得られた交点の集合｛Ｅ１ｉ，Ｅ２ｉ｝をｘ−ｙ平面内で滑らかに接続したものをＤｉｓｃ境界とする。
【０１０４】
図１１に戻る。ステップＳ１１０３では、神経線維層厚及び神経節細胞層厚を各々の正常値（一定の範囲を持つ値）と比較する。そして、正常値よりも薄い場合に、神経線維層Ｌ１の菲薄化領域ＮＦｉ及び神経節細胞層Ｌ２の菲薄化領域ＧＣｊと判定し、それぞれを検出する。
【０１０５】
ステップＳ１００４では、関連性判定部９３３−１が、眼部特徴取得部９３１により取得された組織構造（神経線維走行）情報に基づいて、病変取得部９３３により取得された菲薄化領域ＮＦｉと菲薄化領域ＧＣｊとの関連性を判定する。すなわち、神経線維層Ｌ１の菲薄化領域ＮＦｉ及び神経節細胞層Ｌ２の菲薄化領域ＧＣｊが同一の神経線維走行上（Ｎｋ上）に存在するかどうかを判定する。
【０１０６】
判定にあたっては、まず組織構造（神経線維走行）情報Ｎｋ（ｘ，ｙ）の座標系と、病変分布ＮＦｉ（ｘ，ｙ）及びＧＣｊ（ｘ，ｙ）の座標系とを以下のようにして位置合わせする。すなわち、各々の座標系において中心窩Ｆ１の位置及び視神経乳頭部Ｄ１の位置が既に求められているので、この２点が同一の位置となるように合成位置合わせの並進（ｘ，ｙ）及び回転パラメータを求める。なお、本実施形態では、ＳＬＯ像及び断層像を取得する際の撮像条件を揃えているため、組織構造情報及び病変分布の画素サイズはあらかじめ同一に設定されている。
【０１０７】
病変取得部９３３では、更に、位置合わせの結果求められた位置合わせパラメータの値に基づいて組織構造（神経線維走行）情報及び病変分布を重ね合わせる。
【０１０８】
さらに、各神経線維走行Ｎｋ上に存在する神経線維層Ｌ１の菲薄化領域ＮＦｉを求め、神経線維走行Ｎｋ上に菲薄化領域ＮＦｉが存在する場合には、同一のＮｋ上に菲薄化領域ＧＣｊが存在するか否かを調べる。もし、同一のＮｋ上に神経線維層Ｌ１の菲薄化領域ＮＦｉと神経節細胞層Ｌ２の菲薄化領域ＧＣｊが存在する場合には、同一の神経節細胞が障害を受けている可能性が高い。このため、神経線維層Ｌ１の菲薄化領域ＮＦｉの検出信頼度ＤＲｉを１に設定する。
【０１０９】
なお、神経線維層Ｌ１の菲薄化領域ＮＦｉの検出信頼度ＤＲｉの設定法はこれに限定されない。例えば、上記のようにＤＲｉを２値（０または１）データとするのではなく、菲薄化領域ＮＦｉと菲薄化領域ＧＣｉをともに通過するＮｋの本数に比例して高く設定できるよう多値データとしてもよい。
【０１１０】
（２）合成画像生成処理の流れ（図１２）
次に、合成表示部９４０において実行される合成画像生成処理（ステップＳ５０５）の詳細について図１２を用いて説明する。
【０１１１】
ステップＳ１２０１では、合成表示部９４０が、ステップＳ１１０１で取得された組織構造（神経線維走行）情報と、ステップＳ１１０２で取得された神経線維層Ｌ１の層厚分布及び神経節細胞層Ｌ２の層厚分布とを画像処理部３３０から取得する。更に、ステップＳ１１０３で取得された神経線維層Ｌ１の菲薄化領域ＮＦｉ及び神経節細胞層Ｌ２の菲薄化領域ＧＣｊと、ステップＳ１１０４で取得された各菲薄化領域ＮＦｉの検出信頼度ＤＲｉとを画像処理部３３０から取得する。
【０１１２】
ステップＳ１２０２では、組織構造表示部９４３が、ステップＳ１２０１で取得された組織構造（神経線維走行）情報をモニタ２０５上に表示する。
【０１１３】
ステップＳ１２０３では、画像合成部３４１が、ステップＳ１２０２で表示された組織構造（神経線維走行）情報に対して以下の情報を表示する。即ち、視神経乳頭部Ｄ１を中心とした直径Ｒ１内の領域上には、神経線維層厚のＤｅｖｉａｔｉｏｎマップ及び神経線維層の菲薄化領域ＮＦｉを半透明で合成表示する。また、それ以外の領域上には神経節細胞層厚のＤｅｖｉａｔｉｏｎマップ及び神経節細胞層の菲薄化領域ＧＣｊを半透明で合成表示する。また、視神経乳頭部における標準的な神経線維層厚計測位置（視神経乳頭部Ｄ１を中心とした直径３．４５ｍｍの円周上の位置Ｍ１）も参考に表示しておく。
【０１１４】
なお、合成表示の態様はこれに限定されない。例えば、合成表示された画像上の菲薄化領域ＮＦｉの近傍にステップＳ１１０４で取得された菲薄化領域ＮＦｉに対する検出信頼度ＤＲｉを表示するようにしてもよい。あるいは合成画像の全面に組織構造（神経線維走行）情報を表示するのではなく、菲薄化領域ＮＦｉもしくは菲薄化領域ＧＣｊを通過する神経線維走行Ｎｋのみを表示するように構成してもよい。あるいは、常に組織構造情報や検出信頼度を表示するのではなく、マウスカーソルで指定した箇所にのみ組織構造情報や検出信頼度ＤＲｉを表示するように構成してもよい。
【０１１５】
＜３．合成画像の一例＞
次に、画像処理装置９００における合成画像生成処理により生成された合成画像について説明する。図１３は、画像処理装置９００における合成画像生成処理により生成された合成画像の一例を示す図である。
【０１１６】
図１３に示すように、画像処理装置９００により生成された合成画像では、黄斑部の神経節細胞層Ｌ２の菲薄化領域および神経乳頭部の神経線維層Ｌ１の菲薄化領域が、神経線維走行を示す情報に合成して表示される。これにより、異なる層に存在する緑内障の病変である菲薄化領域が同一の細胞もしくは組織であるか否かを、操作者は容易に把握することが可能となる。
【０１１７】
以上の説明から明らかなように、本実施形態に係る画像処理装置９００によれば、複数の層に存在する病変同士の関連性を、操作者が容易に把握できるようになる。
【０１１８】
［他の実施形態］
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。
【特許請求の範囲】
【請求項１】
眼部の断層像を画像処理する画像処理装置であって、
前記断層像の解剖学的な特徴である眼部特徴を取得する眼部特徴取得手段と、
前記眼部特徴取得手段により取得された眼部特徴により特定される複数の層の中から、所定の種類の疾病に対応する病変を検出するための層を少なくとも２つ指定する指定手段と、
前記指定手段により指定された層それぞれから、前記所定の種類の疾病に対応する病変を検出する病変取得手段と、
前記病変取得手段により前記層それぞれから検出された病変を、所定の２次元の画像上に投影することで、合成画像を生成する生成手段と、
前記生成手段により生成された合成画像を表示する表示手段と
を備えることを特徴とする画像処理装置。
【請求項２】
前記層それぞれから検出された病変間の距離が、所定の閾値以下であった場合に、前記表示手段は、当該病変を、互いに関連性があることを識別可能な態様により表示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】
前記層のうち、第１の層から検出された病変が、前記取得された眼部特徴に対して、所定の距離以下に存在していた場合に、前記表示手段は、該所定の距離以下に存在することを識別可能な態様により、該第１の層から検出された病変を表示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】
前記表示手段は、前記層のうち、第２の層から検出された病変を、該病変のサイズに応じた態様により表示す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】
前記疾病は、糖尿病網膜症であり、前記病変は、網膜内層から検出される毛細血管瘤と、網膜外層から検出される嚢胞であることを特徴とする請求項４に記載の画像処理装置。
【請求項６】
前記２次元の画像は、眼部の神経線維走行を示す画像であり、前記表示手段は、前記層それぞれから検出された病変が、該２次元の画像上において、同一の神経線維走行上に存在していた場合に、当該病変を、互いに関連性があることを識別可能な態様により表示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７】
前記疾病は、緑内障であり、前記病変は、神経線維層の菲薄化領域と、神経節細胞層の菲薄化領域であ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】
眼部の断層像を画像処理する画像処理装置における画像処理方法であって、
眼部特徴取得手段が、前記断層像の解剖学的な特徴である眼部特徴を取得する眼部特徴取得工程と、
指定手段が、前記眼部特徴取得工程において取得された眼部特徴により特定される複数の層の中から、所定の種類の疾病に対応する病変を検出するための層を少なくとも２つ指定する指定工程と、
病変取得手段が、前記指定工程において指定された層それぞれから、前記所定の種類の疾病に対応する病変を検出する病変取得工程と、
生成手段が、前記病変取得工程において前記層それぞれから検出された病変を、所定の２次元の画像上に投影することで、合成画像を生成する生成工程と、
表示手段が、前記生成工程において生成された合成画像を表示する表示工程と
を備えることを特徴とする画像処理方法。
【請求項９】
眼部の断層像を画像処理する画像処理装置のコンピュータに、
前記断層像の解剖学的な特徴である眼部特徴を取得する眼部特徴取得工程と、
前記眼部特徴取得工程において取得された眼部特徴により特定される複数の層の中から、所定の種類の疾病に対応する病変を検出するための層を少なくとも２つ指定する指定工程と、
前記指定工程において指定された層それぞれから、前記所定の種類の疾病に対応する病変を検出する病変取得工程と、
前記病変取得工程において前記層それぞれから検出された病変を、所定の２次元の画像上に投影することで、合成画像を生成する生成工程と、
前記生成工程において生成された合成画像を表示する表示工程と
を実行させるためのプログラム。
【請求項１】
眼部の断層像を画像処理する画像処理装置であって、
前記断層像の解剖学的な特徴である眼部特徴を取得する眼部特徴取得手段と、
前記眼部特徴取得手段により取得された眼部特徴により特定される複数の層の中から、所定の種類の疾病に対応する病変を検出するための層を少なくとも２つ指定する指定手段と、
前記指定手段により指定された層それぞれから、前記所定の種類の疾病に対応する病変を検出する病変取得手段と、
前記病変取得手段により前記層それぞれから検出された病変を、所定の２次元の画像上に投影することで、合成画像を生成する生成手段と、
前記生成手段により生成された合成画像を表示する表示手段と
を備えることを特徴とする画像処理装置。
【請求項２】
前記層それぞれから検出された病変間の距離が、所定の閾値以下であった場合に、前記表示手段は、当該病変を、互いに関連性があることを識別可能な態様により表示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】
前記層のうち、第１の層から検出された病変が、前記取得された眼部特徴に対して、所定の距離以下に存在していた場合に、前記表示手段は、該所定の距離以下に存在することを識別可能な態様により、該第１の層から検出された病変を表示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】
前記表示手段は、前記層のうち、第２の層から検出された病変を、該病変のサイズに応じた態様により表示す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】
前記疾病は、糖尿病網膜症であり、前記病変は、網膜内層から検出される毛細血管瘤と、網膜外層から検出される嚢胞であることを特徴とする請求項４に記載の画像処理装置。
【請求項６】
前記２次元の画像は、眼部の神経線維走行を示す画像であり、前記表示手段は、前記層それぞれから検出された病変が、該２次元の画像上において、同一の神経線維走行上に存在していた場合に、当該病変を、互いに関連性があることを識別可能な態様により表示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７】
前記疾病は、緑内障であり、前記病変は、神経線維層の菲薄化領域と、神経節細胞層の菲薄化領域であ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】
眼部の断層像を画像処理する画像処理装置における画像処理方法であって、
眼部特徴取得手段が、前記断層像の解剖学的な特徴である眼部特徴を取得する眼部特徴取得工程と、
指定手段が、前記眼部特徴取得工程において取得された眼部特徴により特定される複数の層の中から、所定の種類の疾病に対応する病変を検出するための層を少なくとも２つ指定する指定工程と、
病変取得手段が、前記指定工程において指定された層それぞれから、前記所定の種類の疾病に対応する病変を検出する病変取得工程と、
生成手段が、前記病変取得工程において前記層それぞれから検出された病変を、所定の２次元の画像上に投影することで、合成画像を生成する生成工程と、
表示手段が、前記生成工程において生成された合成画像を表示する表示工程と
を備えることを特徴とする画像処理方法。
【請求項９】
眼部の断層像を画像処理する画像処理装置のコンピュータに、
前記断層像の解剖学的な特徴である眼部特徴を取得する眼部特徴取得工程と、
前記眼部特徴取得工程において取得された眼部特徴により特定される複数の層の中から、所定の種類の疾病に対応する病変を検出するための層を少なくとも２つ指定する指定工程と、
前記指定工程において指定された層それぞれから、前記所定の種類の疾病に対応する病変を検出する病変取得工程と、
前記病変取得工程において前記層それぞれから検出された病変を、所定の２次元の画像上に投影することで、合成画像を生成する生成工程と、
前記生成工程において生成された合成画像を表示する表示工程と
を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２０１２−１１０３７３（Ｐ２０１２−１１０３７３Ａ）
【公開日】平成２４年６月１４日（２０１２．６．１４）
【国際特許分類】
【出願番号】特願２０１０−２５９５１９（Ｐ２０１０−２５９５１９）
【出願日】平成２２年１１月１９日（２０１０．１１．１９）
【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６月１４日（２０１２．６．１４）
【国際特許分類】
【出願日】平成２２年１１月１９日（２０１０．１１．１９）
【出願人】（０００００１００７）キヤノン株式会社 (59,756)
【Ｆターム（参考）】
[ Back to top ]