眼の画像の評価をサポートする方法及び装置
患者の眼の画像の評価をサポートする方法及びシステムにおいて、画像はスクリーン上に表示される。糖尿病に関連する多数の診断の中から選択された予備的診断に基づき、多数の画像処理アルゴリズムの中から１つの画像処理アルゴリズムが選択される。多数の画像処理アルゴリズムのうち各アルゴリズムは、多数の診断のうちの１つの診断に関連があり、それぞれの診断に特有のパターンをサーチするように設計されている。その後、選択された画像処理アルゴリズムがその画像に適用され、スクリーン上の画像の選択された画像処理アルゴリズムにより検出されたパターンにマークが付される。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、眼の画像の評価をサポートする方法及びシステムに係る。
【０００２】
英国国立判別検査委員会（ＮＳＣ）のウェブサイト(http://www.diabetic-retinopathy.screening.nhs.uk)によると、英国国民のほぼ２％は糖尿病を患っており、そのうちの２０万人は１型糖尿病、１００万人以上が２型糖尿病であることが知られている。この数は増加すると予想される。英国の２型糖尿病の罹患率は１９９７年と２０１０年の間に倍以上になると予想されている。
【０００３】
糖尿病合併症の１つは網膜血管に影響を与える糖尿病性網膜症である。増殖性網膜症として知られる新しい欠陥の成長は、出血及び瘢痕による失明につながる恐れがある。血管の喪失及び網膜への漏洩を生ぜしめる網膜血管の劣化は黄斑症として知られており、視覚機能障害につながり、進行すると失明に至る。
【０００４】
糖尿病性網膜症は、英国の働き盛りの年齢の国民の間で登録順位１位の失明原因である。有意に多い数の者が視覚機能障害を患い、糖尿病性網膜症になる結果、障害者となる。失明は働き盛りの年齢の者の所得獲得能力を奪うことにもなりかねず、必要とされる福祉コストがかなりのものとなって、予防及び治療コストを凌駕する可能性がある。糖尿病性網膜症は、例えば、血糖値及び血圧を厳しく制限することにより治療することができる。これら両方の治療により、１型及び２型糖尿病患者の糖尿病性網膜症の発病が減少し、進行が遅くなる。糖尿病性網膜症は、治療するにはできるだけ早急な診断が必要である。
【０００５】
かくして、糖尿病性網膜症の判別検査の必要性は議論の余地がない。判別検査を行うには、糖尿病と診断された患者グループの眼の画像を撮って、評価する。これらの画像は、眼科医、一般開業医または医学的バックグラウンドをほとんど又は全く持たない者のような判別者により評価される。判別者は、糖尿病による特定の合併症に関連する典型的なパターンをサーチすることにより眼の画像を評価する。
【０００６】
本発明の目的は、患者の眼の画像の評価をサポートする方法を提供することにある。
【０００７】
本発明の別の目的は、患者の眼の画像の評価をサポートするシステムを提供することにある。
【０００８】
第１の目的は、患者の眼の画像をスクリーン上に表示し、画像内の一連の興味ある領域を特定した後、画像内の興味ある各領域にマークを付すステップを含む、眼の画像の評価をサポートする本発明の方法において達成される。興味ある一連の領域は、画像内の一連の領域を評価する評価者グループの中から選択された評価者に合わせてある。
【０００９】
本発明の方法によると、患者の眼の画像が評価される。画像は、糖尿病と診断された複数の患者の判別検査時に撮像される。画像は特に患者の網膜から撮像される。糖尿病患者は、いわゆる病変と呼ばれるある特定の眼の異常、または失明に至ることがある疾患に罹りやすい。このような眼の病変または疾患は、微細動脈瘤、バックグラウンド／非増殖性（軽い）網膜症、治療後無症候、黄斑症、臨床有意性黄斑オエデマ（ＣＳＭＯ）、増殖前網膜症、増殖性網膜症及び進行性糖尿病性眼病が含まれる。眼病及び糖尿病関連の眼病のうちの少なくとも１つにかかった患者を診断するには、医師、または評価者と呼ばれる医学的バックグラウンドをほとんどまたは全く持たない熟練者は、患者の眼の画像を評価し、関連の眼病に特有のパターンをサーチする。例えば、患者がバックグラウンド／非増殖性網膜症を患っている場合、患者の眼には、いわゆる綿毛斑、出血及び／または硬性白斑プラス眼の側頭弧に関連するそれらの場所（ＨＥ）がある。診断のために、一部の評価者または医師は、引き続いて、いわゆる興味ある領域である眼のある特定の領域を検査する。かくして、本発明の方法によると、興味ある一連の領域が画像を評価する者に合わされる。
【００１０】
興味ある一連の領域を特定するには、これら一連の領域を本発明の実施例に従って学習モード時に特定する。
【００１１】
本発明の方法のさらに別の実施例では、興味ある一連の領域のうちの少なくとも１つの領域をフレームで取り囲む。
【００１２】
本発明の好ましい実施例によると、興味ある少なくとも１つの関連領域の特定は、複数の画像処理アルゴリズムの中から１つの画像処理アルゴリズムを選択し、選択した画像処理アルゴリズムを画像に適用し、検出したパターンを関連の興味ある領域としてマークすることにより行う。選択された画像処理アルゴリズムは、少なくとも１つの興味ある領域に関連するパターンを検出するように設計されている。
【００１３】
検出されたパターンは、本発明の１つの実施例に従って強調表示してもよい。
【００１４】
第１の目的はまた、眼の画像の評価をサポートする方法であって、患者の眼の画像をスクリーン上に表示し、糖尿病に関連する複数の診断の中から選択された予備的診断に基づき複数の画像処理アルゴリズムの中から１つの画像処理アルゴリズムを選択し、選択された画像処理アルゴリズムを画像に適用し、選択された画像処理アルゴリズムにより検出されたスクリーン上のパターンにマークを付すステップより成る眼の画像の評価をサポートする本発明の方法により達成される。多数の画像処理アルゴリズムのうちの各画像処理アルゴリズムは、多数の診断のうちの１つに関連があり、関連の診断に特有のパターンをサーチするように設計されている。
【００１５】
一部の医師または評価者は、最初に予備的診断を行った後、画像内において関連する病変をサーチすることにより予備的診断を検証するのを好む場合がある。各病変は特定のパターンを有する。かくして、医師または評価者が関連の病変に関係するパターンを発見した場合、予備的診断を検証する。予備的診断が、例えばバックグラウンド／非増殖性網膜症である場合、画像は綿毛斑、出血及び／または硬性白斑プラス眼の側頭弧に関連するそれらの場所（ＨＥ）を含む。
【００１６】
予備的診断が、例えばバックグラウンド／非増殖性網膜症である場合、選択される画像処理アルゴリズムは、綿毛斑、出血及び／または硬性白斑プラス眼の側頭弧に関連するそれらの場所（ＨＥ）にとって典型的なパターンを検出するように設計されている。適当な画像処理アルゴリズムは、例えば、G. Zahlmann, et al., “Hybrid Fuzzy Image Processing For Situation Assessment”, IEEE Engineering In Medicine And Biology, January/February 2000, pp. 76-83に記載されている。
【００１７】
検出されたパターンは、本発明の好ましい実施例に従って強調表示するかまたはフレームで取り囲むことができる。
【００１８】
第２の目的は、データベース、スクリーン及びスクリーンとデータベースに作動的に結合されたデータ処理ユニットを有する本発明のシステムにより達成される。データベースは、糖尿病と診断された多数の患者の眼の多数の画像を含む。データ処理ユニットは、データベースの多数の画像の中から選択される画像を検索し、検索された画像をスクリーン上に表示した後、画像内の一連の興味ある領域にそれぞれマークを付すように構成されている。一連の興味ある領域は多数の画像を評価する評価者クループの中から選択される評価者に合わされる。
【００１９】
第２の目的はまた、データベース、スクリーン、及び表示スクリーンとデータベースに作動的に結合されたデータ処理ユニットを有する本発明のシステムにより達成される。データベースは、糖尿病と診断された多数の患者の眼の多数の画像を含む。データ処理ユニットは、データベースの多数の画像の中から選択される画像を検索し、スクリーン上に検索された画像を表示し、多数の画像処理アルゴリズムの中から１つの画像処理アルゴリズムを選択し、選択された画像処理アルゴリズムを画像に適用し、検索画像の検出されたパターンにマークを付すように構成されている。選択された画像処理アルゴリズムは、多数の診断のうちの１つの予備的診断に関連するパターンを検出するように設計されている。
【００２０】
図１は本発明のシステムの一例を示す。このシステムは、コンピュータ１乃至３が情報ネットワーク５を介してデータベース４に作動的に接続されたものより成る。データベース４は、一群の患者１０の眼（網膜）を撮像した画像９を含む。一群の患者１０はそれぞれ糖尿病と診断されている。
【００２１】
この実施例において、評価者６乃至８はコンピュータ１乃至３を用いて画像９を評価する。評価者６乃至８のうちの１人が画像９のうちの１つを評価したい場合、彼はコンピュータ１乃至３のうちの１つにログオンして、そのコンピュータによりデータベース４から１つの画像９を検索する。関連の画像は、検索されると、関連のコンピュータに接続されたスクリーン上に表示される。データベース４から画像を検索するためには、データベース４及びコンピュータ１乃至３をそのように構成する。かかる構成は当該技術分野でよく知られており、このためさらなる説明は不要である。
【００２２】
図２は、データベース４から検索した後、スクリーン１ａ乃至３ａのうちの１つに表示させた画像の一例である。表示画像は基準符号２４を有する。表示画像の評価を文書化するために、この例では、関連のスクリーン上に、画像２４に加えて幾つかのプルダウンメニュー２０ａ乃至２０ｎより成るリスト２０と、幾つかのラジオボタン２１ａ乃至２１ｌより成るリスト２１とが表示される。リスト２０の各プルダウンメニューは眼に現れる病変に関連がある。この実施例では、関連の評価者は、プログラムダウンメニュー２０ａにより微細動脈瘤（ＭＡ）を、また、プルダウンメニュー２０ｂにより出血（ＨＡＥＭ）を、さらに、プルダウンメニュー２０ｃにより硬性白斑（ＨＥ）を、プルダウンメニュー２０ｄにより綿毛斑（ＣＷＳ）を、プルダウンメニュー２０ｅにより網膜微細血管異常（ＩＲＭＡ）を、またプルダウンメニュー２０ｆにより静脈異常を、プルダウンメニュー２０ｇにより視神経円板上の血管新生を、プルダウンメニュー２０ｈにより他所の血管新生（ＮＶＥ）を、プルダウンメニュー２０ｉにより視神経円板上の繊維組織（ＦＴＤ）を、プルダウンメニュー２０ｊにより他所の繊維組織（ＦＴＤ）を、プルダウンメニュー２０ｋにより網膜前方出血（ＰＲＨ）を、プルダウンメニュー２０ｌによりガラス体出血（ＰＲＨ）を、プルダウンメニュー２０ｊにより網膜牽引を、そしてプルダウンメニュー２０ｎにより網膜剥離を文書化する。
【００２３】
一部の評価者のなかには、予備的診断に従って画像を評価するのを好むものがある。関連の評価者は、表示画像を一瞥して予備的診断を行うか、予備的診断を関連の画像を検索する前に誰か他の者に行わせることがある。評価者は、評価する間に関連画像中の関連の病変をサーチすることにより予備的診断を検証しようとする。これらの評価者をサポートするために、この例ではリスト２１が表示される。ラジオボタン２１ａ乃至２１ｊを用いて、評価者は一群の予備的診断から選択される１つの予備的診断を下すことができる。あるいは、予備的診断は、データベース４から関連画像を検索する前に既に選択されている場合がある。予備的診断は、ラジオボタン２１ａ及びラジオボタン２１ｃ乃至２１のうちの１つを作動することにより選択できる。この例において、一群の予備的診断には、微細動脈瘤（ＭＡ）、バックグラウンド／非増殖性（軽い）網膜症（ＢＲ）、治療後無症候（ＰＱ）、黄斑症（ＭＣ）、臨床有意性黄斑オエデマ（ＣＳＭＯ）、増殖前網膜症（ＰＲＥ）、増殖性網膜症（ＰＲＯ）及び進行性糖尿病性眼病（ＡＥＤ）が含まれる。その結果、予備的診断としての微細動脈瘤（ＭＡ）はラジオボタン２１ｃを作動することにより選択され、予備的診断としてのバックグラウンド／非増殖性（軽い）網膜症（ＢＲ）はラジオボタン２１ｄを作動することにより選択され、予備的診断としての治療後無症候（ＰＱ）はラジオボタン２１ｅを作動することにより選択され、予備的診断としての黄斑症（ＭＣ）はラジオボタン２１ｆを作動することにより選択され、予備的診断としての臨床有意性黄斑オエデマ（ＣＳＭＯ）はラジオボタン２１ｇを作動することにより選択され、予備的診断としての増殖前網膜症（ＰＲＥ）はラジオボタン２１ｈを作動することにより選択され、予備的診断としての増殖性網膜症（ＰＲＯ）はラジオボタン２１ｉを作動することにより選択され、予備的診断としての進行性糖尿病性眼病（ＡＥＤ）はラジオボタン２１ｊを作動することにより選択される。評価者が予備的診断に基づき画像を評価したくない場合、ラジオボタン２１ｂを作動することによりリスト２１を非作動状態にすることができる。ラジオボタンは、コンピュータ１に接続されたマウス１ｂ、コンピュータ２に接続されたマウス２ｂ及びコンピュータ３に接続されたマウス３ｂにより作動することができる。
【００２４】
評価者の中には、その後、眼の種々の病変をサーチすることにより表示画像を評価したい者がある。例えば、一部の評価者は斑紋を最初に評価した後、眼の円板の周囲部を評価するのを欲する。関連の評価者は、例えば、関連のコンピュータに接続されたマウスを用いてその周囲をなぞった後、マークが付された領域をズームインすることにより、表示された眼の関連領域にマークを付すことができる。
【００２５】
各評価者６乃至８の個人的嗜好に合わせるために、コンピュータ１乃至３は評価者がそれぞれ評価するのを個別にサポートするように構成されている。この例において、コンピュータ１乃至３は学習モード時に評価者１乃至３の個人的習癖を学習するように構成されている。
【００２６】
この実施例において、評価者６は予備的診断に基づき表示画像を評価するのを好む。従って、学習モード時にコンピュータ１乃至３のうちの１つにログオンして、データベース４からログオンしたコンピュータにより画像９のうちの１つを検索する場合、リスト２１のラジオボタン２１ａを作動し、予備的診断のうちの１つを選択する。評価者６は一群の予備的診断のリスト２１を通常は作動するため、コンピュータ１乃至３は学習モード時にこの習癖を学習する。その結果、予備的診断のリスト２１は、評価者６が学習モード時にデータベース４から画像を検索すると既に作動状態にある。
【００２７】
この実施例において、評価者７は、予備的診断のリスト２１を非作動状態にし、最初に斑紋を評価した後、表示画像の円板の周囲部を評価することにより検索画像を評価するのを好む。従って、学習モード時に、予備的診断のリスト２１をその後非作動状態にし、関連の領域をフレームで取り囲み、マークを付した領域をズームインし、その斑紋を評価し、マークを付した領域からズームアウトし、表示された眼の円板の周囲部にマークを付す。コンピュータ１乃至３は、学習モード時にこの習癖を学習する。作動モード時、評価者７がデータベース４から画像９のうちの１つを検索すると、関連のコンピュータは、予備的診断のリスト２１を自動的に非作動状態にし、表示された眼の斑紋にマークを付し、マークを付した斑紋をズームインする。評価者７がマークを付した斑紋からズームアウトすると、関連のコンピュータは表示された眼の円板の周囲部にマークを付す。
【００２８】
この実施例において、評価者８は予備的診断に基づき画像を評価した後、眼の種々の領域の病変をサーチするのを好む。コンピュータ１乃至３は学習モード時に評価者８の習癖を学習する。作動モード時に、評価者がデータベース４から画像を検索するやいなや、関連のコンピュータは、一群の予備的診断のリスト２１を自動的に作動させ、評価者８の嗜好に従って表示された眼の領域にマークを付す。
【００２９】
この例では、評価者６は作動モード時にコンピュータ１にログオンする。データベース４から画像２４を検索する場合、図３に示すように、画像２４がスクリーン１ａ上に表示され、一群の予備的診断のリスト２１のラジオボタン２１ａが自動的に作動される。その後、評価者６はバックグラウンド／非増殖性（軽い）網膜症（ＢＲ）の予備的診断を行い、ラジオボタン２１ｂを作動する。
【００３０】
選択された予備的診断「バックグラウンド／非増殖性（軽い）網膜症（ＢＲ）」を検証するには、表示画像２４の眼に、病変出血（ＨＡＥＭ）、硬性白斑（ＨＥ）及び綿毛斑（ＣＷＳ）のうちの少なくとも１つが含まれなければならない。評価者６乃至８をさらにサポートするために、コンピュータ１乃至３はそれぞれこの例の一群の画像処理アルゴリズムを搭載するように構成されている。各画像処理アルゴリズムは、眼に現れる病変に関連するパターンを検出するように設計されている。かかるパターンの例として、綿毛斑（ＣＷＳ）を示す眼のふわふわした白斑や、出血を示す浅網膜内出血を示す黒班を含む黒線がある。適当な画像処理アルゴリズムとして、当該技術分野でよく知られたパターン認識アルゴリズムがある。かかる画像処理アルゴリズムの一例は、G. Zahlmann, et al., “Hybrid Fuzzy Image Processing For Situation Assessment”, IEEE Engineering In Medicine And Biology, January/February 2000, pp. 76-83に記載されている。
【００３１】
本発明の実施例において、コンピュータ１は、出血（ＨＡＥＭ）、硬性白斑（ＨＥ）及び綿毛斑（ＣＷＳ）に特有のパターンを検出するように設計された画像処理アルゴリズムを自動的に作動させ、評価者６がラジオボタン２１ｂを作動することにより予備的診断としてのバックグラウンド／非増殖性（軽い）網膜症（ＢＲ）を選択した後、画像処理アルゴリズムを表示画像２４に適用する。この例において、画像処理アルゴリズムは、画像２４中にふわふわした白斑、及び黒斑を含む黒線を検出する。この実施例では、ふわふわした白斑は矩形３１が自動的に取り囲み、黒斑を含む黒線は矢印３２が自動的に付される。検出されたパターンは、例えばカラー化してもよい。
【００３２】
この例において、評価者７は作動モード時にコンピュータ２にログオンする。データベース４から画像２４が検索されると、図４に示すように、この画像２４がスクリーン２ａ上に表示され、一群の予備的診断のリスト２１のうちのラジオボタン２１ｂが自動的に作動されてリスト２１を非作動状態にする。評価者７が表示された眼の斑紋を最初に評価するのを好むため、コンピュータ２はコンピュータ１乃至３のそれぞれに蓄積されたさらに別の画像処理アルゴリズムを始動させる。この画像処理アルゴリズムは、表示された斑紋に特有のパターンをサーチすることにより表示された眼の斑紋を検出するように設計されている。画像処理アルゴリズムが表示画像２４の斑紋を検出すると、コンピュータ２は画像２４において関連の領域を矩形４１により取り囲み、マークを付した領域をズームインする。評価者７が斑紋を評価し、リスト２０のプルダウンメニュー２０ａ乃至２０ｎを用いてその評価を文書化した後、斑紋のマークを付した領域が自動的にズームアウトされ、画像２４から除去される。その後、コンピュータ２は眼の視神経円板に関連するパターンをサーチする別の画像処理アルゴリズムを始動させる。そのパターンを検出した後、コンピュータ２は対応する領域４０に自動的にマークを付す。
【００３３】
この例において、学習者８は作動モード時にコンピュータ３にログオンする。データベース４から画像２４が検索されると、図５に示すように、その画像２４はスクリーン３ａ上に表示され、一群の予備的診断のリスト２１のうちのラジオボタン２１ａが自動的に作動される。その後、評価者８はバックグラウンド／非増殖性（軽い）網膜症（ＢＲ）として予備的診断を行い、ラジオボタン２１ｄを作動する。
【００３４】
評価者８は表示された眼の斑紋を最初に評価するのを好むため、コンピュータ３は表示された眼の斑紋を検出する画像処理アルゴリズムを始動させる。画像処理アルゴリズムが表示画像２４に斑紋を検出すると、コンピュータ３は画像２４中の関連の領域を矩形５１により自動的に取り囲み、マークを付した領域をズームインする。その後、コンピュータ３は、出血（ＨＡＥＭ）、硬性白斑（ＨＥ）及び綿毛斑（ＣＷＳ）に特有のパターンを検出するように設計された画像処理アルゴリズムを自動的に作動させ、画像処理アルゴリズムを表示画像２４のズームイン領域に適用する。この例において、画像処理アルゴリズムは出血（ＭＡＥＭ）を示す黒斑を検出する。検出されたパターンはこの例ではカラー化されている。
【００３５】
斑紋を評価した後、この斑紋を含む領域がズームアウトされ、画像２４から除去される。その後、出血（ＨＡＥＭ）、硬性白斑（ＨＥ）及び綿毛斑（ＣＷＳ）に特有のパターンを検出するように設計されたアルゴリズムが残りの画像２４に適用され、検出されたパターンが強調表示される。
【００３６】
当業者により変形例及び設計変更が示唆されることがあろうが、本願の発明者の意図は、本願において保証される特許の範囲内において当該技術への貢献の範囲内で合理的且つ適当に含まれるであろう全ての変形例及び設計変更を実現することである。
【図面の簡単な説明】
【００３７】
【図１】本発明を説明するためのシナリオを示す。
【図２】患者の眼の画像を示す。
【図３】表示を評価者に合わせた画像を示す。
【図４】表示を評価者に合わせた画像を示す。
【図５】表示を評価者に合わせた画像を示す。
【技術分野】
【０００１】
本発明は、眼の画像の評価をサポートする方法及びシステムに係る。
【０００２】
英国国立判別検査委員会（ＮＳＣ）のウェブサイト(http://www.diabetic-retinopathy.screening.nhs.uk)によると、英国国民のほぼ２％は糖尿病を患っており、そのうちの２０万人は１型糖尿病、１００万人以上が２型糖尿病であることが知られている。この数は増加すると予想される。英国の２型糖尿病の罹患率は１９９７年と２０１０年の間に倍以上になると予想されている。
【０００３】
糖尿病合併症の１つは網膜血管に影響を与える糖尿病性網膜症である。増殖性網膜症として知られる新しい欠陥の成長は、出血及び瘢痕による失明につながる恐れがある。血管の喪失及び網膜への漏洩を生ぜしめる網膜血管の劣化は黄斑症として知られており、視覚機能障害につながり、進行すると失明に至る。
【０００４】
糖尿病性網膜症は、英国の働き盛りの年齢の国民の間で登録順位１位の失明原因である。有意に多い数の者が視覚機能障害を患い、糖尿病性網膜症になる結果、障害者となる。失明は働き盛りの年齢の者の所得獲得能力を奪うことにもなりかねず、必要とされる福祉コストがかなりのものとなって、予防及び治療コストを凌駕する可能性がある。糖尿病性網膜症は、例えば、血糖値及び血圧を厳しく制限することにより治療することができる。これら両方の治療により、１型及び２型糖尿病患者の糖尿病性網膜症の発病が減少し、進行が遅くなる。糖尿病性網膜症は、治療するにはできるだけ早急な診断が必要である。
【０００５】
かくして、糖尿病性網膜症の判別検査の必要性は議論の余地がない。判別検査を行うには、糖尿病と診断された患者グループの眼の画像を撮って、評価する。これらの画像は、眼科医、一般開業医または医学的バックグラウンドをほとんど又は全く持たない者のような判別者により評価される。判別者は、糖尿病による特定の合併症に関連する典型的なパターンをサーチすることにより眼の画像を評価する。
【０００６】
本発明の目的は、患者の眼の画像の評価をサポートする方法を提供することにある。
【０００７】
本発明の別の目的は、患者の眼の画像の評価をサポートするシステムを提供することにある。
【０００８】
第１の目的は、患者の眼の画像をスクリーン上に表示し、画像内の一連の興味ある領域を特定した後、画像内の興味ある各領域にマークを付すステップを含む、眼の画像の評価をサポートする本発明の方法において達成される。興味ある一連の領域は、画像内の一連の領域を評価する評価者グループの中から選択された評価者に合わせてある。
【０００９】
本発明の方法によると、患者の眼の画像が評価される。画像は、糖尿病と診断された複数の患者の判別検査時に撮像される。画像は特に患者の網膜から撮像される。糖尿病患者は、いわゆる病変と呼ばれるある特定の眼の異常、または失明に至ることがある疾患に罹りやすい。このような眼の病変または疾患は、微細動脈瘤、バックグラウンド／非増殖性（軽い）網膜症、治療後無症候、黄斑症、臨床有意性黄斑オエデマ（ＣＳＭＯ）、増殖前網膜症、増殖性網膜症及び進行性糖尿病性眼病が含まれる。眼病及び糖尿病関連の眼病のうちの少なくとも１つにかかった患者を診断するには、医師、または評価者と呼ばれる医学的バックグラウンドをほとんどまたは全く持たない熟練者は、患者の眼の画像を評価し、関連の眼病に特有のパターンをサーチする。例えば、患者がバックグラウンド／非増殖性網膜症を患っている場合、患者の眼には、いわゆる綿毛斑、出血及び／または硬性白斑プラス眼の側頭弧に関連するそれらの場所（ＨＥ）がある。診断のために、一部の評価者または医師は、引き続いて、いわゆる興味ある領域である眼のある特定の領域を検査する。かくして、本発明の方法によると、興味ある一連の領域が画像を評価する者に合わされる。
【００１０】
興味ある一連の領域を特定するには、これら一連の領域を本発明の実施例に従って学習モード時に特定する。
【００１１】
本発明の方法のさらに別の実施例では、興味ある一連の領域のうちの少なくとも１つの領域をフレームで取り囲む。
【００１２】
本発明の好ましい実施例によると、興味ある少なくとも１つの関連領域の特定は、複数の画像処理アルゴリズムの中から１つの画像処理アルゴリズムを選択し、選択した画像処理アルゴリズムを画像に適用し、検出したパターンを関連の興味ある領域としてマークすることにより行う。選択された画像処理アルゴリズムは、少なくとも１つの興味ある領域に関連するパターンを検出するように設計されている。
【００１３】
検出されたパターンは、本発明の１つの実施例に従って強調表示してもよい。
【００１４】
第１の目的はまた、眼の画像の評価をサポートする方法であって、患者の眼の画像をスクリーン上に表示し、糖尿病に関連する複数の診断の中から選択された予備的診断に基づき複数の画像処理アルゴリズムの中から１つの画像処理アルゴリズムを選択し、選択された画像処理アルゴリズムを画像に適用し、選択された画像処理アルゴリズムにより検出されたスクリーン上のパターンにマークを付すステップより成る眼の画像の評価をサポートする本発明の方法により達成される。多数の画像処理アルゴリズムのうちの各画像処理アルゴリズムは、多数の診断のうちの１つに関連があり、関連の診断に特有のパターンをサーチするように設計されている。
【００１５】
一部の医師または評価者は、最初に予備的診断を行った後、画像内において関連する病変をサーチすることにより予備的診断を検証するのを好む場合がある。各病変は特定のパターンを有する。かくして、医師または評価者が関連の病変に関係するパターンを発見した場合、予備的診断を検証する。予備的診断が、例えばバックグラウンド／非増殖性網膜症である場合、画像は綿毛斑、出血及び／または硬性白斑プラス眼の側頭弧に関連するそれらの場所（ＨＥ）を含む。
【００１６】
予備的診断が、例えばバックグラウンド／非増殖性網膜症である場合、選択される画像処理アルゴリズムは、綿毛斑、出血及び／または硬性白斑プラス眼の側頭弧に関連するそれらの場所（ＨＥ）にとって典型的なパターンを検出するように設計されている。適当な画像処理アルゴリズムは、例えば、G. Zahlmann, et al., “Hybrid Fuzzy Image Processing For Situation Assessment”, IEEE Engineering In Medicine And Biology, January/February 2000, pp. 76-83に記載されている。
【００１７】
検出されたパターンは、本発明の好ましい実施例に従って強調表示するかまたはフレームで取り囲むことができる。
【００１８】
第２の目的は、データベース、スクリーン及びスクリーンとデータベースに作動的に結合されたデータ処理ユニットを有する本発明のシステムにより達成される。データベースは、糖尿病と診断された多数の患者の眼の多数の画像を含む。データ処理ユニットは、データベースの多数の画像の中から選択される画像を検索し、検索された画像をスクリーン上に表示した後、画像内の一連の興味ある領域にそれぞれマークを付すように構成されている。一連の興味ある領域は多数の画像を評価する評価者クループの中から選択される評価者に合わされる。
【００１９】
第２の目的はまた、データベース、スクリーン、及び表示スクリーンとデータベースに作動的に結合されたデータ処理ユニットを有する本発明のシステムにより達成される。データベースは、糖尿病と診断された多数の患者の眼の多数の画像を含む。データ処理ユニットは、データベースの多数の画像の中から選択される画像を検索し、スクリーン上に検索された画像を表示し、多数の画像処理アルゴリズムの中から１つの画像処理アルゴリズムを選択し、選択された画像処理アルゴリズムを画像に適用し、検索画像の検出されたパターンにマークを付すように構成されている。選択された画像処理アルゴリズムは、多数の診断のうちの１つの予備的診断に関連するパターンを検出するように設計されている。
【００２０】
図１は本発明のシステムの一例を示す。このシステムは、コンピュータ１乃至３が情報ネットワーク５を介してデータベース４に作動的に接続されたものより成る。データベース４は、一群の患者１０の眼（網膜）を撮像した画像９を含む。一群の患者１０はそれぞれ糖尿病と診断されている。
【００２１】
この実施例において、評価者６乃至８はコンピュータ１乃至３を用いて画像９を評価する。評価者６乃至８のうちの１人が画像９のうちの１つを評価したい場合、彼はコンピュータ１乃至３のうちの１つにログオンして、そのコンピュータによりデータベース４から１つの画像９を検索する。関連の画像は、検索されると、関連のコンピュータに接続されたスクリーン上に表示される。データベース４から画像を検索するためには、データベース４及びコンピュータ１乃至３をそのように構成する。かかる構成は当該技術分野でよく知られており、このためさらなる説明は不要である。
【００２２】
図２は、データベース４から検索した後、スクリーン１ａ乃至３ａのうちの１つに表示させた画像の一例である。表示画像は基準符号２４を有する。表示画像の評価を文書化するために、この例では、関連のスクリーン上に、画像２４に加えて幾つかのプルダウンメニュー２０ａ乃至２０ｎより成るリスト２０と、幾つかのラジオボタン２１ａ乃至２１ｌより成るリスト２１とが表示される。リスト２０の各プルダウンメニューは眼に現れる病変に関連がある。この実施例では、関連の評価者は、プログラムダウンメニュー２０ａにより微細動脈瘤（ＭＡ）を、また、プルダウンメニュー２０ｂにより出血（ＨＡＥＭ）を、さらに、プルダウンメニュー２０ｃにより硬性白斑（ＨＥ）を、プルダウンメニュー２０ｄにより綿毛斑（ＣＷＳ）を、プルダウンメニュー２０ｅにより網膜微細血管異常（ＩＲＭＡ）を、またプルダウンメニュー２０ｆにより静脈異常を、プルダウンメニュー２０ｇにより視神経円板上の血管新生を、プルダウンメニュー２０ｈにより他所の血管新生（ＮＶＥ）を、プルダウンメニュー２０ｉにより視神経円板上の繊維組織（ＦＴＤ）を、プルダウンメニュー２０ｊにより他所の繊維組織（ＦＴＤ）を、プルダウンメニュー２０ｋにより網膜前方出血（ＰＲＨ）を、プルダウンメニュー２０ｌによりガラス体出血（ＰＲＨ）を、プルダウンメニュー２０ｊにより網膜牽引を、そしてプルダウンメニュー２０ｎにより網膜剥離を文書化する。
【００２３】
一部の評価者のなかには、予備的診断に従って画像を評価するのを好むものがある。関連の評価者は、表示画像を一瞥して予備的診断を行うか、予備的診断を関連の画像を検索する前に誰か他の者に行わせることがある。評価者は、評価する間に関連画像中の関連の病変をサーチすることにより予備的診断を検証しようとする。これらの評価者をサポートするために、この例ではリスト２１が表示される。ラジオボタン２１ａ乃至２１ｊを用いて、評価者は一群の予備的診断から選択される１つの予備的診断を下すことができる。あるいは、予備的診断は、データベース４から関連画像を検索する前に既に選択されている場合がある。予備的診断は、ラジオボタン２１ａ及びラジオボタン２１ｃ乃至２１のうちの１つを作動することにより選択できる。この例において、一群の予備的診断には、微細動脈瘤（ＭＡ）、バックグラウンド／非増殖性（軽い）網膜症（ＢＲ）、治療後無症候（ＰＱ）、黄斑症（ＭＣ）、臨床有意性黄斑オエデマ（ＣＳＭＯ）、増殖前網膜症（ＰＲＥ）、増殖性網膜症（ＰＲＯ）及び進行性糖尿病性眼病（ＡＥＤ）が含まれる。その結果、予備的診断としての微細動脈瘤（ＭＡ）はラジオボタン２１ｃを作動することにより選択され、予備的診断としてのバックグラウンド／非増殖性（軽い）網膜症（ＢＲ）はラジオボタン２１ｄを作動することにより選択され、予備的診断としての治療後無症候（ＰＱ）はラジオボタン２１ｅを作動することにより選択され、予備的診断としての黄斑症（ＭＣ）はラジオボタン２１ｆを作動することにより選択され、予備的診断としての臨床有意性黄斑オエデマ（ＣＳＭＯ）はラジオボタン２１ｇを作動することにより選択され、予備的診断としての増殖前網膜症（ＰＲＥ）はラジオボタン２１ｈを作動することにより選択され、予備的診断としての増殖性網膜症（ＰＲＯ）はラジオボタン２１ｉを作動することにより選択され、予備的診断としての進行性糖尿病性眼病（ＡＥＤ）はラジオボタン２１ｊを作動することにより選択される。評価者が予備的診断に基づき画像を評価したくない場合、ラジオボタン２１ｂを作動することによりリスト２１を非作動状態にすることができる。ラジオボタンは、コンピュータ１に接続されたマウス１ｂ、コンピュータ２に接続されたマウス２ｂ及びコンピュータ３に接続されたマウス３ｂにより作動することができる。
【００２４】
評価者の中には、その後、眼の種々の病変をサーチすることにより表示画像を評価したい者がある。例えば、一部の評価者は斑紋を最初に評価した後、眼の円板の周囲部を評価するのを欲する。関連の評価者は、例えば、関連のコンピュータに接続されたマウスを用いてその周囲をなぞった後、マークが付された領域をズームインすることにより、表示された眼の関連領域にマークを付すことができる。
【００２５】
各評価者６乃至８の個人的嗜好に合わせるために、コンピュータ１乃至３は評価者がそれぞれ評価するのを個別にサポートするように構成されている。この例において、コンピュータ１乃至３は学習モード時に評価者１乃至３の個人的習癖を学習するように構成されている。
【００２６】
この実施例において、評価者６は予備的診断に基づき表示画像を評価するのを好む。従って、学習モード時にコンピュータ１乃至３のうちの１つにログオンして、データベース４からログオンしたコンピュータにより画像９のうちの１つを検索する場合、リスト２１のラジオボタン２１ａを作動し、予備的診断のうちの１つを選択する。評価者６は一群の予備的診断のリスト２１を通常は作動するため、コンピュータ１乃至３は学習モード時にこの習癖を学習する。その結果、予備的診断のリスト２１は、評価者６が学習モード時にデータベース４から画像を検索すると既に作動状態にある。
【００２７】
この実施例において、評価者７は、予備的診断のリスト２１を非作動状態にし、最初に斑紋を評価した後、表示画像の円板の周囲部を評価することにより検索画像を評価するのを好む。従って、学習モード時に、予備的診断のリスト２１をその後非作動状態にし、関連の領域をフレームで取り囲み、マークを付した領域をズームインし、その斑紋を評価し、マークを付した領域からズームアウトし、表示された眼の円板の周囲部にマークを付す。コンピュータ１乃至３は、学習モード時にこの習癖を学習する。作動モード時、評価者７がデータベース４から画像９のうちの１つを検索すると、関連のコンピュータは、予備的診断のリスト２１を自動的に非作動状態にし、表示された眼の斑紋にマークを付し、マークを付した斑紋をズームインする。評価者７がマークを付した斑紋からズームアウトすると、関連のコンピュータは表示された眼の円板の周囲部にマークを付す。
【００２８】
この実施例において、評価者８は予備的診断に基づき画像を評価した後、眼の種々の領域の病変をサーチするのを好む。コンピュータ１乃至３は学習モード時に評価者８の習癖を学習する。作動モード時に、評価者がデータベース４から画像を検索するやいなや、関連のコンピュータは、一群の予備的診断のリスト２１を自動的に作動させ、評価者８の嗜好に従って表示された眼の領域にマークを付す。
【００２９】
この例では、評価者６は作動モード時にコンピュータ１にログオンする。データベース４から画像２４を検索する場合、図３に示すように、画像２４がスクリーン１ａ上に表示され、一群の予備的診断のリスト２１のラジオボタン２１ａが自動的に作動される。その後、評価者６はバックグラウンド／非増殖性（軽い）網膜症（ＢＲ）の予備的診断を行い、ラジオボタン２１ｂを作動する。
【００３０】
選択された予備的診断「バックグラウンド／非増殖性（軽い）網膜症（ＢＲ）」を検証するには、表示画像２４の眼に、病変出血（ＨＡＥＭ）、硬性白斑（ＨＥ）及び綿毛斑（ＣＷＳ）のうちの少なくとも１つが含まれなければならない。評価者６乃至８をさらにサポートするために、コンピュータ１乃至３はそれぞれこの例の一群の画像処理アルゴリズムを搭載するように構成されている。各画像処理アルゴリズムは、眼に現れる病変に関連するパターンを検出するように設計されている。かかるパターンの例として、綿毛斑（ＣＷＳ）を示す眼のふわふわした白斑や、出血を示す浅網膜内出血を示す黒班を含む黒線がある。適当な画像処理アルゴリズムとして、当該技術分野でよく知られたパターン認識アルゴリズムがある。かかる画像処理アルゴリズムの一例は、G. Zahlmann, et al., “Hybrid Fuzzy Image Processing For Situation Assessment”, IEEE Engineering In Medicine And Biology, January/February 2000, pp. 76-83に記載されている。
【００３１】
本発明の実施例において、コンピュータ１は、出血（ＨＡＥＭ）、硬性白斑（ＨＥ）及び綿毛斑（ＣＷＳ）に特有のパターンを検出するように設計された画像処理アルゴリズムを自動的に作動させ、評価者６がラジオボタン２１ｂを作動することにより予備的診断としてのバックグラウンド／非増殖性（軽い）網膜症（ＢＲ）を選択した後、画像処理アルゴリズムを表示画像２４に適用する。この例において、画像処理アルゴリズムは、画像２４中にふわふわした白斑、及び黒斑を含む黒線を検出する。この実施例では、ふわふわした白斑は矩形３１が自動的に取り囲み、黒斑を含む黒線は矢印３２が自動的に付される。検出されたパターンは、例えばカラー化してもよい。
【００３２】
この例において、評価者７は作動モード時にコンピュータ２にログオンする。データベース４から画像２４が検索されると、図４に示すように、この画像２４がスクリーン２ａ上に表示され、一群の予備的診断のリスト２１のうちのラジオボタン２１ｂが自動的に作動されてリスト２１を非作動状態にする。評価者７が表示された眼の斑紋を最初に評価するのを好むため、コンピュータ２はコンピュータ１乃至３のそれぞれに蓄積されたさらに別の画像処理アルゴリズムを始動させる。この画像処理アルゴリズムは、表示された斑紋に特有のパターンをサーチすることにより表示された眼の斑紋を検出するように設計されている。画像処理アルゴリズムが表示画像２４の斑紋を検出すると、コンピュータ２は画像２４において関連の領域を矩形４１により取り囲み、マークを付した領域をズームインする。評価者７が斑紋を評価し、リスト２０のプルダウンメニュー２０ａ乃至２０ｎを用いてその評価を文書化した後、斑紋のマークを付した領域が自動的にズームアウトされ、画像２４から除去される。その後、コンピュータ２は眼の視神経円板に関連するパターンをサーチする別の画像処理アルゴリズムを始動させる。そのパターンを検出した後、コンピュータ２は対応する領域４０に自動的にマークを付す。
【００３３】
この例において、学習者８は作動モード時にコンピュータ３にログオンする。データベース４から画像２４が検索されると、図５に示すように、その画像２４はスクリーン３ａ上に表示され、一群の予備的診断のリスト２１のうちのラジオボタン２１ａが自動的に作動される。その後、評価者８はバックグラウンド／非増殖性（軽い）網膜症（ＢＲ）として予備的診断を行い、ラジオボタン２１ｄを作動する。
【００３４】
評価者８は表示された眼の斑紋を最初に評価するのを好むため、コンピュータ３は表示された眼の斑紋を検出する画像処理アルゴリズムを始動させる。画像処理アルゴリズムが表示画像２４に斑紋を検出すると、コンピュータ３は画像２４中の関連の領域を矩形５１により自動的に取り囲み、マークを付した領域をズームインする。その後、コンピュータ３は、出血（ＨＡＥＭ）、硬性白斑（ＨＥ）及び綿毛斑（ＣＷＳ）に特有のパターンを検出するように設計された画像処理アルゴリズムを自動的に作動させ、画像処理アルゴリズムを表示画像２４のズームイン領域に適用する。この例において、画像処理アルゴリズムは出血（ＭＡＥＭ）を示す黒斑を検出する。検出されたパターンはこの例ではカラー化されている。
【００３５】
斑紋を評価した後、この斑紋を含む領域がズームアウトされ、画像２４から除去される。その後、出血（ＨＡＥＭ）、硬性白斑（ＨＥ）及び綿毛斑（ＣＷＳ）に特有のパターンを検出するように設計されたアルゴリズムが残りの画像２４に適用され、検出されたパターンが強調表示される。
【００３６】
当業者により変形例及び設計変更が示唆されることがあろうが、本願の発明者の意図は、本願において保証される特許の範囲内において当該技術への貢献の範囲内で合理的且つ適当に含まれるであろう全ての変形例及び設計変更を実現することである。
【図面の簡単な説明】
【００３７】
【図１】本発明を説明するためのシナリオを示す。
【図２】患者の眼の画像を示す。
【図３】表示を評価者に合わせた画像を示す。
【図４】表示を評価者に合わせた画像を示す。
【図５】表示を評価者に合わせた画像を示す。
【特許請求の範囲】
【請求項１】
眼の画像の評価をサポートする方法であって、
患者の眼の画像を表示スクリーン上に表示し、
画像を評価する複数の者から選択される者に合わせた一連の興味ある領域を前記画像内で特定し、
その後、画像の前記一連の興味ある領域のそれぞれにスクリーン上でマークを付すステップより成る眼の画像の評価をサポートする方法。
【請求項２】
一連の興味ある領域を特定するためにコンピュータにより学習モードを実行するステップを含む請求項１の方法。
【請求項３】
一連の興味ある領域のうち少なくとも１つの領域をフレームで取り囲むステップより成る請求項１または２の方法。
【請求項４】
一連の興味ある領域のうち少なくとも１つの領域を特定するために、
少なくとも１つの興味ある領域に関連するパターンを画像内で検出するように設計された画像処理アルゴリズムを複数の画像処理アルゴリズムの中から選択し、
選択された画像処理アルゴリズムを画像に適用し、
スクリーン上の検出されたパターンに、少なくとも１つの興味ある領域としてマークを付すステップより成る請求項１乃至３のうちの１項の方法。
【請求項５】
スクリーン上の検出されたパターンを強調表示するステップより成る請求項４の方法。
【請求項６】
眼の画像の評価をサポートする方法であって、
患者の眼の画像をスクリーン上に表示し、
糖尿病に関連する複数の診断の中から選択された予備的診断に基づき、複数の画像処理アルゴリズムの中から、各々が複数の診断のうちの１つに関連し、その診断に特有のパターンをサーチするように設計された１つの画像処理アルゴリズムを選択し、
選択された画像処理アルゴリズムを画像に適用し、
選択された画像処理アルゴリズムにより検出されたスクリーン上のパターンにマークを付すステップより成る眼の画像の評価をサポートする方法。
【請求項７】
スクリーン上の検出されたパターンを強調表示するステップを含む請求項６の方法。
【請求項８】
検出されたパターンをスクリーン上のフレームにより取り囲むステップより成る請求項６または７の方法。
【請求項９】
複数の糖尿病患者の眼の複数の画像を含むデータベースと、
表示スクリーンと、
表示スクリーン及びデータベースに作動的に結合されたデータ処理ユニットとより成り、データ処理ユニットは、データベースの複数の画像の中から選択される画像を検索し、スクリーン上に検索された画像を表示し、検索された画像内の一連の興味ある領域を特定するように構成され、一連の興味ある領域は複数の画像の中の画像を評価する複数の評価者の中から選択された評価者に合わされ、その後、スクリーン上の画像の一連の興味ある領域にそれぞれマークを付すように構成されているシステム。
【請求項１０】
データベースユニットは、コンピュータによる学習モード時に一連の興味ある領域を特定する請求項９のシステム。
【請求項１１】
データ処理ユニットは、スクリーン上において一連の興味ある領域のうちの少なくとも１つの領域をフレームにより取り囲む請求項９または１０のシステム。
【請求項１２】
データ処理ユニットはさらに、複数の画像処理アルゴリズムの中から１つの画像処理アルゴリズムを選択し、選択された画像処理アルゴリズムは一連の興味ある領域のうちの少なくとも１つの領域に関連するパターンを検出し、選択された画像処理アルゴリズムを前記画像に適用し、スクリーン上の検出されたパターンに少なくとも１つの興味ある領域としてマークを付すように設計されている請求項９乃至１１のうちの１項のシステム。
【請求項１３】
データ処理ユニットはスクリーン上の検出されたパターンを強調表示する請求項１２のシステム。
【請求項１４】
複数の糖尿病患者の眼の複数の画像を含むデータベースと、
表示スクリーンと、
表示スクリーン及びデータベースに作動的に結合されたデータ処理ユニットとより成り、データ処理ユニットは、データベースの複数の画像の中から選択される画像を検索し、スクリーン上に検索された画像を表示し、複数の画像処理アルゴリズムの中から各々が複数の診断のうちの１つに関連し、その診断に特有のパターンをサーチするように設計された１つの画像処理アルゴリズムを選択し、 選択された画像処理アルゴリズムを画像に適用し、スクリーン上の検索画像の検出されたパターンにマークを付すように構成されているシステム。
【請求項１５】
データ処理ユニットは検出されたパターンを強調表示する請求項１４のシステム。
【請求項１６】
データ処理ユニットは、スクリーン上において検出されたパターンをフレームにより取り囲む請求項１４または１５のシステム。
【請求項１】
眼の画像の評価をサポートする方法であって、
患者の眼の画像を表示スクリーン上に表示し、
画像を評価する複数の者から選択される者に合わせた一連の興味ある領域を前記画像内で特定し、
その後、画像の前記一連の興味ある領域のそれぞれにスクリーン上でマークを付すステップより成る眼の画像の評価をサポートする方法。
【請求項２】
一連の興味ある領域を特定するためにコンピュータにより学習モードを実行するステップを含む請求項１の方法。
【請求項３】
一連の興味ある領域のうち少なくとも１つの領域をフレームで取り囲むステップより成る請求項１または２の方法。
【請求項４】
一連の興味ある領域のうち少なくとも１つの領域を特定するために、
少なくとも１つの興味ある領域に関連するパターンを画像内で検出するように設計された画像処理アルゴリズムを複数の画像処理アルゴリズムの中から選択し、
選択された画像処理アルゴリズムを画像に適用し、
スクリーン上の検出されたパターンに、少なくとも１つの興味ある領域としてマークを付すステップより成る請求項１乃至３のうちの１項の方法。
【請求項５】
スクリーン上の検出されたパターンを強調表示するステップより成る請求項４の方法。
【請求項６】
眼の画像の評価をサポートする方法であって、
患者の眼の画像をスクリーン上に表示し、
糖尿病に関連する複数の診断の中から選択された予備的診断に基づき、複数の画像処理アルゴリズムの中から、各々が複数の診断のうちの１つに関連し、その診断に特有のパターンをサーチするように設計された１つの画像処理アルゴリズムを選択し、
選択された画像処理アルゴリズムを画像に適用し、
選択された画像処理アルゴリズムにより検出されたスクリーン上のパターンにマークを付すステップより成る眼の画像の評価をサポートする方法。
【請求項７】
スクリーン上の検出されたパターンを強調表示するステップを含む請求項６の方法。
【請求項８】
検出されたパターンをスクリーン上のフレームにより取り囲むステップより成る請求項６または７の方法。
【請求項９】
複数の糖尿病患者の眼の複数の画像を含むデータベースと、
表示スクリーンと、
表示スクリーン及びデータベースに作動的に結合されたデータ処理ユニットとより成り、データ処理ユニットは、データベースの複数の画像の中から選択される画像を検索し、スクリーン上に検索された画像を表示し、検索された画像内の一連の興味ある領域を特定するように構成され、一連の興味ある領域は複数の画像の中の画像を評価する複数の評価者の中から選択された評価者に合わされ、その後、スクリーン上の画像の一連の興味ある領域にそれぞれマークを付すように構成されているシステム。
【請求項１０】
データベースユニットは、コンピュータによる学習モード時に一連の興味ある領域を特定する請求項９のシステム。
【請求項１１】
データ処理ユニットは、スクリーン上において一連の興味ある領域のうちの少なくとも１つの領域をフレームにより取り囲む請求項９または１０のシステム。
【請求項１２】
データ処理ユニットはさらに、複数の画像処理アルゴリズムの中から１つの画像処理アルゴリズムを選択し、選択された画像処理アルゴリズムは一連の興味ある領域のうちの少なくとも１つの領域に関連するパターンを検出し、選択された画像処理アルゴリズムを前記画像に適用し、スクリーン上の検出されたパターンに少なくとも１つの興味ある領域としてマークを付すように設計されている請求項９乃至１１のうちの１項のシステム。
【請求項１３】
データ処理ユニットはスクリーン上の検出されたパターンを強調表示する請求項１２のシステム。
【請求項１４】
複数の糖尿病患者の眼の複数の画像を含むデータベースと、
表示スクリーンと、
表示スクリーン及びデータベースに作動的に結合されたデータ処理ユニットとより成り、データ処理ユニットは、データベースの複数の画像の中から選択される画像を検索し、スクリーン上に検索された画像を表示し、複数の画像処理アルゴリズムの中から各々が複数の診断のうちの１つに関連し、その診断に特有のパターンをサーチするように設計された１つの画像処理アルゴリズムを選択し、 選択された画像処理アルゴリズムを画像に適用し、スクリーン上の検索画像の検出されたパターンにマークを付すように構成されているシステム。
【請求項１５】
データ処理ユニットは検出されたパターンを強調表示する請求項１４のシステム。
【請求項１６】
データ処理ユニットは、スクリーン上において検出されたパターンをフレームにより取り囲む請求項１４または１５のシステム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図２】
【図３】
【図４】
【図５】
【公表番号】特表２００６−５０７０６８（Ｐ２００６−５０７０６８Ａ）
【公表日】平成１８年３月２日（２００６．３．２）
【国際特許分類】
【出願番号】特願２００４−５５４３１９（Ｐ２００４−５５４３１９）
【出願日】平成１５年１０月３０日（２００３．１０．３０）
【国際出願番号】ＰＣＴ／ＥＰ２００３／０１２３３６
【国際公開番号】ＷＯ２００４／０４９１８５
【国際公開日】平成１６年６月１０日（２００４．６．１０）
【出願人】（５９１２０９１０９）シーメンス アクチェンゲゼルシャフト (29)
【氏名又は名称原語表記】ＳＩＥＭＥＮＳ ＡＫＴＩＥＮＧＥＳＥＬＬＳＣＨＡＦＴ
【Ｆターム（参考）】
【公表日】平成１８年３月２日（２００６．３．２）
【国際特許分類】
【出願日】平成１５年１０月３０日（２００３．１０．３０）
【国際出願番号】ＰＣＴ／ＥＰ２００３／０１２３３６
【国際公開番号】ＷＯ２００４／０４９１８５
【国際公開日】平成１６年６月１０日（２００４．６．１０）
【出願人】（５９１２０９１０９）シーメンス アクチェンゲゼルシャフト (29)
【氏名又は名称原語表記】ＳＩＥＭＥＮＳ ＡＫＴＩＥＮＧＥＳＥＬＬＳＣＨＡＦＴ
【Ｆターム（参考）】
[ Back to top ]