眼底画像解析方法およびその装置とプログラム
【課題】 眼底画像から血管領域を抽出し、血管分岐、交叉などの構造、血管径など血管に関する情報を解析する。
【解決手段】 モノクロ画像作成手段１０で、カラーデジタル眼底画像Ｓ１０からモノクロ眼底画像Ｓ２０を作成し、血管領域抽出手段２０でモノクロ眼底画像Ｓ２０から血管領域のみを抽出した二値化血管画像Ｓ３０を作成し、血管構造抽出手段３０で二値化血管画像Ｓ３０を細線化した細線化血管画像Ｓ４０を作成し、血管径計測手段４０で二値化血管画像Ｓ３０と細線化血管画像Ｓ４０を併用して血管径を計算した血管径つき細線化血管画像Ｓ５０を作成し、血管交叉部抽出手段５０で細線化血管画像Ｓ４０もしくは血管径つき細線化血管画像Ｓ５０から血管の交叉部、分岐部、端点を抽出する。
【解決手段】 モノクロ画像作成手段１０で、カラーデジタル眼底画像Ｓ１０からモノクロ眼底画像Ｓ２０を作成し、血管領域抽出手段２０でモノクロ眼底画像Ｓ２０から血管領域のみを抽出した二値化血管画像Ｓ３０を作成し、血管構造抽出手段３０で二値化血管画像Ｓ３０を細線化した細線化血管画像Ｓ４０を作成し、血管径計測手段４０で二値化血管画像Ｓ３０と細線化血管画像Ｓ４０を併用して血管径を計算した血管径つき細線化血管画像Ｓ５０を作成し、血管交叉部抽出手段５０で細線化血管画像Ｓ４０もしくは血管径つき細線化血管画像Ｓ５０から血管の交叉部、分岐部、端点を抽出する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、眼底画像から血管領域を抽出し血管に関する情報を解析する方法、およびその装置とプログラムに関するものである。
【背景技術】
【０００２】
眼底検査時に取得される眼底写真から眼底の正常／異常の判定、異常部の発見が可能である。最近では、デジタルカメラの性能向上により、眼底写真も電子データであるデジタル画像として取得され、従来、紙媒体の写真上で行われてきた眼底診断もコンピュータ上の画像処理で行うことが可能になった。眼底画像において、網膜血管の解析は交叉などの血管構造や血管径を取得するための重要な項目の一つである。
【０００３】
デジタル化された眼底画像における既存の血管解析は、交叉部を抽出するものとしては、特許文献１やそこに引用されている特許文献２、特許文献３、特許文献４等が、血管径を計測するものとしては、特許文献５やそこに引用されている特許文献６、特許文献７等がある。
【０００４】
交叉部の抽出に関しては、二値化した血管領域の細線化による中心線抽出を行う方法が特許文献８及び特許文献９に、円形、正方形状のフィルタを用いる方法が、特許文献１０に、注目画素の等距離上の各画素における角度−距離曲線の極大値の個数を用いる方法が、特許文献１１に記述されている。
【０００５】
血管径に関しては、いずれも細線化により中心線を抽出後、中心に直交する線と血管との交差点距離により血管径を計算する方法が記述されている。
【０００６】
【特許文献１】特開２００７−９７６３３号公報
【特許文献２】特許第３３７７４４６号公報
【特許文献３】特開平１０−１５１１１４号公報
【特許文献４】特開２００１−７０２４７号公報
【特許文献５】特開２００７−９７７４０号公報
【特許文献６】特開平１０−７１１２５号公報
【特許文献７】特開平１０−２４３９２４号公報
【特許文献８】特許３３７７４４６号公報
【特許文献９】特開平１０−１５１１１４号公報
【特許文献１０】特開２００１−７０２４７号公報
【特許文献１１】特開２００７−２１０６５５号公報
【非特許文献１】Frank Y. Shih and Yi-Ta Wu, “Fast Euclidean distance transformation in two scans using a 3 x 3 neighborhood”, Computer Vision and Image Understanding, Vol.93, No.2, pp.195-205, Feb. 2004.
【発明の開示】
【発明が解決しようとする課題】
【０００７】
しかしながら、これらの既存の方法にはいくつかの問題点がある。交叉部の抽出において、細線化による中心線を抽出する特許文献２及び特許文献９は、特許文献１に指摘があるように本来”Ｘ”のように観察される交叉部が細線化により、図１０に示すような２つの分岐部に分解された”＞−＜”型としてみなされ、交叉部として検出されない問題がある。円形、正方形状のフィルタを用いる特許文献１０も、特許文献１に指摘があるように診断上重要な交叉部で対象となる血管の配置状況によっては抽出されないケースがある。
【０００８】
特許文献１は前述の問題は解決しているが、この方式は交叉部、分岐部以外も含めた血管領域全体に対して、周囲の画素の探査と交叉部、分岐部、それ以外の判定を行う必要があるため、非常に計算量が多くなる。さらに、この方法でも誤認識が生じる場合があるため、上記にあげた問題点解決のために行うには効率が悪い。
【０００９】
血管径の計測に関しては、細線化により中心線の抽出後、中心線の直交線を逐次計算する方法は計算量が多くなる。直交線は中心線の状態に大きく影響されるため、中心線の状態によっては、中心線抽出精度と正方格子状にならぶデジタル画像の画素配列によって精度面の誤差が大きくなることがある。
【００１０】
また、いずれの方法も正確に血管領域が抽出されていることが前提になっているが、眼底画像は光の当たり方によりグラデーションがかかったような画像であるために、安定した血管領域を抽出するためには局所的な画像処理が必要になる。
【００１１】
そこで、本発明の目的の一つは、眼底画像から血管領域を抽出することにある。
【００１２】
また、本発明の目的のもう一つは、眼底画像から血管の分岐点、交叉点を抽出することにある。
【００１３】
さらに、本発明のもう一つの目的は、眼底画像から血管の太さを計測することにある。
【課題を解決するための手段】
【００１４】
本発明の目的は、以下によって、達成することができる。
【００１５】
本発明によれば、眼底画像解析方法であって、カラー眼底画像からモノクロ眼底画像を作成するモノクロ画像作成段階と、前記モノクロ眼底画像から血管領域のみを抽出した二値化血管画像を作成する血管領域抽出段階と、前記二値化血管画像を細線化した細線化血管画像を作成する血管構造抽出段階と、前記二値化血管画像と前記細線化画像から血管径を計算し、前記細線化画像に血管径を与えた血管径つき細線化血管画像を作成する血管径計測段階と、前記細線化血管画像から血管の交叉部を抽出する血管交叉部抽出段階とを備えることを特徴とする眼底画像解析方法が得られる。
【００１６】
ここで、前記眼底画像解析方法において、前記モノクロ画像作成段階で色相と緑成分のモノクロ画像を作成し、前記血管領域抽出段階でそれぞれの抽出結果を併用することが好ましい。
【００１７】
また、前記眼底画像解析方法において、前記血管領域抽出段階での二値化の閾値の決定に画像を小領域に分割し各領域での統計的な閾値を決定し、それらの内挿補間により各画素の閾値を計算することが好ましい。
【００１８】
また、前記眼底画像解析方法において、前記血管径計測段階で距離変換画像を作成し細線化画像と併用することで血管径を計算することが好ましい。
【００１９】
また、前記血管交叉部抽出段階で血管径と細線化血管画像から血管の交叉部を抽出することが好ましい。
【００２０】
また、本発明によれば、前記いずれかの眼底画像解析方法を行うように構成したことを特徴とする眼底画像解析装置が得られる。
【００２１】
また、本発明によれば、カラー眼底画像からモノクロ眼底画像を作成するモノクロ画像作成手段と、前記モノクロ眼底画像から血管領域のみを抽出した二値化血管画像を作成する血管領域抽出手段と、前記二値化血管画像を細線化した細線化血管画像を作成する血管構造抽出手段と、前記二値化血管画像と前記細線化画像から血管径を計算し、前記細線化画像に血管径を与えた血管径つき細線化血管画像を作成する血管径計測手段と、前記細線化血管画像から血管の交叉部を抽出する血管交叉部抽出手段とを備えることを特徴とする眼底画像解析装置が得られる。
【００２２】
ここで、本発明の眼底画像解析装置において、前記モノクロ画像作成手段で色相と緑成分のモノクロ画像を作成し、前記血管領域抽出手段でそれぞれの抽出結果を併用することが好ましい。
【００２３】
また、前記血管領域抽出手段での二値化の閾値の決定に画像を小領域に分割し各領域での統計的な閾値を決定し、それらの内挿補間により各画素の閾値を計算することが好ましい。
【００２４】
また、前記血管径計測手段で距離変換画像を作成し細線化画像と併用することで血管径を計算することが好ましい。
【００２５】
また、前記血管交叉部抽出手段で血管径と細線化血管画像から血管の交叉部を抽出することが好ましい。
【００２６】
また、本発明によれば、コンピュータをカラー眼底画像からモノクロ眼底画像を作成するモノクロ画像作成手段、前記モノクロ眼底画像から血管領域のみを抽出した二値化血管画像を作成する血管領域抽出手段、前記二値化血管画像を細線化した細線化血管画像を作成する血管構造抽出手段、前記二値化血管画像と前記細線化画像から血管径を計算し、前記細線化画像に血管径を与えた血管径つき細線化血管画像を作成する血管径計測手段、及び前記細線化血管画像から血管の交叉部を抽出する血管交叉部抽出手段として機能させるためのプログラムが得られる。
【００２７】
ここで、本発明のプログラムにおいて、前記モノクロ画像作成手段で色相と緑成分のモノクロ画像を作成し、前記血管領域抽出手段でそれぞれの抽出結果を併用することが好ましい。
【００２８】
また、前記血管領域抽出手段での二値化の閾値の決定に画像を小領域に分割し各領域での統計的な閾値を決定し、それらの内挿補間により各画素の閾値を計算することが好ましい。
【００２９】
また、前記プログラムにおいて、前記血管径計測手段で距離変換画像を作成し細線化画像と併用することで血管径を計算することが好ましい。
【００３０】
さらに、前記プログラムにおいて、前記血管交叉部抽出手段で血管径と細線化血管画像から血管の交叉部を抽出することが好ましい。
【発明の効果】
【００３１】
本発明においては、眼底領域を小領域に分割し、局所的に最適な閾値処理で二値化した血管画像を作成することによって、グラデーションがかかった眼底画像においても安定的に血管領域を抽出することができる眼底画像解析方法およびその装置とプログラムとを提供することができる。
【００３２】
また、本発明においては、細線化処理と距離画像作成のみで行うことによって高速に血管径を計算することができる眼底画像解析方法およびその装置とプログラムとを提供することができる。
【００３３】
また、本発明においては、距離変換と細線化による血管径計測は血管の状態に影響されやすい血管中心線の接線を計算しないことで、血管の形状に影響されにくい安定的な血管径を計算できる眼底画像解析方法およびその装置とプログラムを提供することができる。
【００３４】
また、本発明においては、分岐部の近傍ペアを分岐角等の条件で交叉部であるか判定することによって、細線化により本来”Ｘ”のように観察される交叉部が細線化により”＞−＜”のようになった分岐部の組を交叉部として抽出することができる眼底画像解析方法およびその装置とプログラムとを提供することができる。
【００３５】
さらに、本発明においては、細線化により対象画素を減らし、交叉点／分岐点とそれ以外に分け、処理対象を限定することによって、高速に血管の分岐部と交叉部を見つけることができる眼底画像解析方法およびその装置とプログラムとを提供することができる。
【発明を実施するための最良の形態】
【００３６】
以下、本発明の実施の形態について説明する。図１は、本発明の第１の実施の形態による眼底画像解析装置を示すブロック図である。図１を参照すると、眼底画像解析装置６０は、カラーデジタル眼底画像Ｓ１０からモノクロ眼底画像Ｓ２０を作成するモノクロ画像作成手段１０と、モノクロ眼底画像Ｓ２０から血管領域のみを抽出した二値化血管画像Ｓ３０を作成する血管領域抽出手段２０と、二値化血管画像Ｓ３０を細線化した細線化血管画像Ｓ４０を作成する血管構造抽出手段３０と、二値化血管画像Ｓ３０から距離変換画像を作成し、細線化血管画像Ｓ４０と併用して血管径を計算して血管径つき細線化血管画像Ｓ５０を作成する血管径計測手段４０と、細線化血管画像Ｓ４０もしくは血管径つき細線化血管画像Ｓ５０から血管の交叉部を抽出する血管交叉部抽出手段５０とを備えて構成される。
【００３７】
以下に、第１の実施の形態による眼底画像解析装置６０の各手段の動作についての詳細を説明する。
【００３８】
モノクロ画像作成手段１０は、カラーデジタル眼底画像Ｓ１０を入力とする。カラーデジタル眼底画像Ｓ１０は、デジタルの眼底カメラで撮影される。眼底カメラは、多くの場合で使用されているＢＭＰ（ビッドマップ）、ＴＩＦＦ（タグドイメージファイルフォーマット）、ＪＰＥＧなどＲ（赤）、Ｇ（緑）、Ｂ（青）の三原色で表現されるカラーフォーマット画像を前提とする。眼底画像は、背景の黒を除いた眼底領域は、明るく光る視神経乳頭、暗めの黄班、赤い血管、黄色いその他の領域の４つに大別される。このうち、赤が強い血管だけを抽出するには、次の２とおり方法が考えられる。
【００３９】
一つは、Ｒ（赤）、Ｇ（緑）、Ｂ（青）で赤（Ｒ：大、Ｇ：小、Ｂ：小）と黄（Ｒ：大、Ｇ：大、Ｂ：小）を区別するのは、Ｇ（緑）の値の大小であるのでＧ（緑）のモノクロ画像を用いて、黄色と赤の部分を分離する方法である。
【００４０】
もう一つは、Ｒ（赤）、Ｇ（緑）、Ｂ（青）の三原色で表現されるカラーフォーマット画像を、Ｈ（色相）、Ｓ（彩度）、Ｖ（強度）のＨＳＶ表色系に変換し、色相のモノクロ画像を用いて、黄色と赤の部分を分離する方法である。
【００４１】
色相はＲ（赤）、Ｇ（緑）、Ｂ（青）の最大値に影響されるため、末端の暗い血管の抽出には前者のＧ（緑）を用いたほうが有効である。逆に、前者を用いると視神経乳頭の境界付近も抽出され、この部分では後者のＨ（色相）を用いたほうが優れている。このように両者に一長一短があるので、モノクロ画像作成手段１０では両者のモノクロ眼底画像を作成し、それらをモノクロ眼底画像Ｓ２０として血管領域抽出手段２０に出力する。
【００４２】
血管領域抽出手段２０は、モノクロ眼底画像Ｓ２０が入力されるとその眼底領域を小領域に分割する。この小領域としては正方ブロックなどを用いるが、他の円を含む楕円や多角形状のブロックを用いることもできる。
【００４３】
領域サイズは、局所的な統計情報が得られる範囲が望ましい。小さすぎると局所的な情報は反映されるが、統計的な情報はノイズの影響を受けやすく信頼性が乏しくなり、大きすぎると、逆に統計的な情報の信頼性は高くなるが、局所的な情報が反映されなくなる。
【００４４】
各領域に関しては、モノクロ画像の値によるヒストグラムを作成し、線形判別分析により基準値を決める。基準値の計算は次のようになる。
【００４５】
まず、画素値が取り得る値を｛０、１、２、…、Ｌ｝として、その画素値をもつ画素数のヒストグラム（階調ヒストグラム）を作成し、ある値ｋによって［０、ｋ］と［ｋ＋１、Ｌ］の２クラスに分割して、１つめのクラスを０、２つめのクラスを１として２値化するとする。
【００４６】
判別分析においては、クラス間分散を下記数１式、クラス内分散を下記数２式とするとき、下記の数３式で示されるフィッシャー判別比が大きいほど、２クラスの分離度が高いことになる。
【００４７】
【数１】
【００４８】
【数２】
【００４９】
【数３】
【００５０】
下記数４式で示される分散は、下記数５式のような関係があるので、下記数６式の（１）式のとなり、上記数１式で示されるクラス間分散を下記数４式で示される全体の分散で割った値である下記数７式で示されるＦ０が１に近いほど、２クラスの分離度が高くなることと同等になる。
【００５１】
【数４】
【００５２】
【数５】
【００５３】
【数６】
【００５４】
【数７】
【００５５】
なお、上記数４式で示される全階調の分散の計算は、下記数８式で示される階調値、下記数９式で示す階調ｉの画素数、下記数１０式の（２）式で示されるものを画像全体の平均階調としたとき、下記数１１式の（３）式で表され、クラス間分散を上記数１式、下記数１２式を２クラスそれぞれの画素数、下記数１３式を２クラスそれぞれの階調平均としたとき、下記数数１４式となる、閾値の決定は、ｋを順次変えたとき、もっとも上記数７式の値が１に近いときのｋを基準値として選ぶ。
【００５６】
【数８】
【００５７】
【数９】
【００５８】
【数１０】
【００５９】
【数１１】
【００６０】
【数１２】
【００６１】
【数１３】
【００６２】
【数１４】
【００６３】
計算された各小領域の基準値から、各画素の基準値は次のように計算する。
【００６４】
図２は本発明の第１の実施の形態による線形内挿による画素の基準値の計算方法を示す図である。図２に示すように、小領域がブロックで示され、注目点の画素（白点１）がブロックの基準値Ａ、Ｂ、Ｃ、Ｄのブロック中心２、３、４、５に囲まれた領域にあり、ブロックの基準値Ａのブロック中心２から（ｐ、ｒ）右下、ブロックの基準値Ｄのブロック中心５から（ｑ、ｓ）左上にある場合、注目点の基準値は、周辺ブロックの基準値と各ブロック中心から相対位置を用いた線形内挿により下記数１５式となる。これから各画素の基準値を決定する。
【００６５】
【数１５】
【００６６】
各画素に与えられたこの基準値とモノクロ画像の画素値を比較し、画素値が基準値より小さい（緑Ｇ、色相Ｈとも赤側のほうが小さくなる）画素を血管として抽出する。上述のモノクロ画像作成手段１０の説明で述べたように、緑Ｇのモノクロ画像は血管末端で、色相Ｈのモノクロ画像は、視神経乳頭付近で有効であるので、視神経乳頭付近では色相Ｈのモノクロ画像の結果を、それ以外では、緑Ｇの結果を用いて合成した二値化血管画像Ｓ３０を作成すると良い。視神経乳頭は、他よりも圧倒的に明るいので容易に抽出可能である。このようにして作成された二値化血管画像は、カラーデジタル眼底画像Ｓ１０の画質によっては、血管部に欠け、バリ、穴空き生じることもあるので、膨張、収縮や特許文献１１にあるようなノイズ除去処理が後処理して行われることもある。
【００６７】
血管構造抽出手段３０は、二値化血管画像Ｓ３０を入力とし、血管を幅１に細線化した細線化血管画像Ｓ４０を作成する。ここで、細線化は、Hilditch、 Deutsch、 田村などの既存アルゴリズムを用いることが可能である。
【００６８】
図３は二値画像、図４はそのHilditchのアルゴリズムによる細線化の例を示す図である。図３及び図４に示すように、細線化で得られた幅１の血管網は元の二値化血管画像Ｓ３０における血管の中心線に相当し、元の二値化血管画像Ｓ３０の血管構造と同一のトポロジーを保つ。
【００６９】
血管径計測手段４０は、二値化血管画像Ｓ３０と細線化血管画像Ｓ４０を入力とする。まず、二値化血管画像Ｓ３０に距離変換を行った距離変換画像を作成する。距離変換とは、二値画像における前景の画素に対して、背景画素からの最短距離を画素値として与える画像処理である。距離には、４近傍距離、８近傍距離、ユークリッド距離の二乗などが用いられるが、ここでは血管径を測るためユークリッド距離の二乗を用いる。ユークリッド距離による距離変換の方法はいくつか提案されているが、非特許文献１に記載の方法はラスタ走査２回で高速に実行可能である。
【００７０】
図５は図３の二値画像のユークリッド距離の二乗による距離変換の例を示す図である。図５に示すように、作成された距離変換画像において、細線化血管画像Ｓ４０の血管中心線のみを抽出すると、血管中心線の背景までの距離が与えられた細線化血管画像となる。
【００７１】
図６は図５の距離変換画像を図４の細線化画像の血管領域に対応する画素のみを残し、その他を０とするマスク処理をした血管中心線の背景までの距離が与えられた細線化血管画像を示す図である。図７は、血管径を血管中心線の距離の２倍で近似したときに生じる誤差を示す図である。
【００７２】
図６に示すように、ユークリッド距離による距離変換画像の距離値は、注目点を中心とした背景までの最小内接円の半径値であるため、図７に示すように、血管の太さの変化が小さいところでは距離の２倍が血管径７と一致するが、変化が大きいところでは、血管径７より小さい値になるので、距離値の２倍は正確には血管径と一致しない。ただし、血管領域抽出手段２０で膨張、収縮処理などのノイズ除去処理が行われること、デジタル画像での画素は離散的に配列されているなどを考慮すると不一致時の誤差の影響は小さい。また、細線化は必ず幅１にしなければならないため、中心線６が画素の中間にある場合は、半画素分の誤差が生じる。よって、中心線６の距離値の２倍を血管径７とみなす場合、これらの要素の誤差が生じるが、誤差の原因と範囲は一定の小さな範囲で収まり、安定した数値が得られる特徴がある。特に、動脈硬化の診断のなど血管径７そのものよりも血管径７の変化を見たいときは、誤差は小さくなる方向（＋半画素）に限られるため効果的である。
【００７３】
図８は従来技術による血管径を血管中心線の直交線で計測するときの問題点を示す図である。
【００７４】
図８に示すような血管中心線６上の点の接線１１に直交する線分（中心線法線１２）長を測る従来の血管径計測方法は、理論的には正しい値が計測されるが、離散的に画素が配置されているデジタル画像処理では、中心線６の接線計算において中心線６の湾曲次第では誤差が非常に大きくなり、さらにその直交線１２と血管境界８を見つけるときも誤差が生じる。これらの誤差は、中心線６の状態や、中心線６、接線１１の抽出アルゴリズムの巧拙に大きく影響されるため、安定して見積もることは困難である。
【００７５】
このような観点から、本発明において、血管までの中心線６の距離の２倍の距離を血管径７とみなしても、従来の計測方法で得られる計測量から劣化することないと考えられる。特に、動脈硬化の診断などで用いられる血管径７の変化の計測に関しては、誤差のぶれが小さいので従来方法よりも効果的である。
【００７６】
血管径計測手段４０は、上記の画像処理で得られた血管中心線の背景までの距離が与えられた細線化血管画像を血管径つき細線化血管画像Ｓ５０として出力する。
【００７７】
血管交叉部抽出手段５０は、細線化血管画像Ｓ４０もしくは血管径つき細線化血管画像Ｓ５０を入力とする。細線化された血管の各画素は、隣接する血管画素数により交叉点もしくは分岐点、端点、それ以外（線上の点）に分類される。細線化にHilditch細線化アルゴリズム（８連結系）を用いた場合、次のように分類される。
【００７８】
図９（ａ）に示される交叉点：隣接血管画素数４、図９（ｂ）に示される交叉点の隣：隣接血管画素数３以上、図９（ｃ）に示される分岐点：隣接血管画素数３、端点：隣接血管画素数１、その他（線上の点）：隣接血管画素数２。なお、図９においた、塗りつぶされた正方形ｈａ、「１」、白の正方形は「０」、斜線を施した正方形は「不定」、黒白の正方形のまだら模様の正方形は「いずれか一つが1である、残りは０」であることを示している。
【００７９】
したがって、細線化された血管において、図９の隣接血管画素数４のｔｙｐｅ１、２の点を交叉点としてまず見つけ、次にその隣接点以外の隣接血管画素数３の点を分岐点、隣接血管画素数１を端点、それら以外の点（隣接血管画素数２）を線上の点として、細線化血管の点を分類可能である。
【００８０】
しかしながら、細線化画像においては、元の血管画像における交叉部が本来の”Ｘ”型でなく、図１０に示すような２つの分岐部に分解された”＞−＜”型として抽出されることも多いので、これを見つける必要がある。この型の交叉部は、細線化血管画像において図１１で示される以下の特徴を持つ分岐点対となる。
【００８１】
（１）分岐点間長ｐｑが短い。
【００８２】
（２）分岐点を結ぶ線以外で形成される角度組（図１１のθとφ）の大きさが小さい。せいぜい１２０°である。この角度が大きいことは分岐が直線に近いことを意味し、分岐に該当しないことが多い。
【００８３】
（３）分岐点ｐ、ｑを結ぶ線以外で形成される角度組（図１１のθとφ）の大きさが近い。
【００８４】
（４）その補角に相当する角度組（図１１のαとβもしくはγとδ）の大きさも近い。
【００８５】
（５）分岐点ｐ、ｑからそこに接続する分岐点／交叉点／端点までの血管長（図１１のｐｔ、ｐｒ、ｑｓ、ｑｕ）が一定以上ある。
【００８６】
そこで、細線化された分岐部の点について、その角度と接続する他の分岐点／交叉点／端点を計測し、分岐点間の距離（図１１のｐｑ）が近い組を見つけ、それらの分岐点組を形成する角度（図１１のθ、φ、α、β、γ、δ）と、分岐点（交叉点／端点）間長（図１１のｐｔ、ｐｒ、ｑｓ、ｑｕ）を計算し、それらから上記の５つの条件を満たす分岐点組を交叉点とみなす。５つの条件の判定基準はあらかじめ与えておく。血管交叉部抽出手段５０への入力が、血管径つき細線化血管画像Ｓ５０の場合は、血管径に応じて多段階の判定基準を用意しておいても良い。
【００８７】
次に、本発明の第２の実施の形態について説明する。
【００８８】
図１２は本発明の第２の実施の形態による眼底画像解析装置を示すブロック図である。図１２を参照すると、第２の実施の形態による眼底画像解析装置は、第１の実施の形態の眼底画像解析装置の各手段を装置化したモノクロ画像作成装置１００、血管領域抽出装置２００、血管構造抽出装置３００、血管径計測装置４００、及び血管交叉部抽出装置５００によって実施することができる。
【００８９】
図１２に示すように、モノクロ画像作成装置１００、血管領域抽出装置２００、血管構造抽出装置３００、及び血管径計測装置４００は、画像データを蓄積するメモリやディスクなどのストレージ装置１７と、モノクロ画像作成、血管抽出、細線化、距離変換等の計算を行うＣＰＵなどの演算装置１８で実現可能である。
【００９０】
図１３は、本発明の第２の実施の形態による血管交叉部抽出装置５００を示すブロック図である。図１３に示すように、血管交叉部抽出装置５００は、図１２の装置に表示用のモニタ１９を追加した装置で、（血管径つき）細線化血管画像を蓄積するメモリやディスクなどのストレージ装置１７と、分岐部、交叉部の抽出時の計算を行うＣＰＵなどの演算装置１８と、血管とその交叉点位置など出力結果を表示するモニタで実現可能である。
【００９１】
次に、本発明の第３の実施の形態について説明する。本発明の第３の実施の形態は、第１の実施の形態の画像表現方法を計算機上で実行可能なプログラムとして構成し、そのプログラムを計算機で読み取り自在な情報記憶媒体に格納して、その計算機上において図１４で示される手順で実行する。
【００９２】
図１４は、本発明の第３の実施の形態による眼底画像解析装置の動作説明に供せられるフローチャートである。
【００９３】
図１４を参照すると、最初に、ＲＧＢフォーマットカラーの眼底画像を取得し、その画像をＲＧＢ表色系の緑（Ｇ）とＨＳＶ表色系（もしくはＨＳＬ表色系）の色相（Ｈ）のモノクロ画像を作成する（ステップｆ０２）。それぞれのモノクロ画像を小領域に分割後、小領域で線形判別分析を行い、フィッシャー判別比がもっとも大きくなる値を領域の基準値とし（ステップｆ０３ｇ、ｆ０３ｈ）、領域の基準値から各画素の基準値を内挿補間で計算し（ステップｆ０４ｇ、ｆ０４ｈ）、それぞれのモノクロ画像において、基準値以下の画素を血管とした血管抽出二値画像を生成し（ステップｆ０５ｇ、ｆ０５ｈ）、視神経乳頭付近は色相（Ｈ）、その他の部分は緑（Ｇ）からの結果を元にした合成した血管抽出二値画像を生成する（ステップｆ０６ｈ）。この血管抽出二値画像を膨張、収縮などのノイズ処理（ステップｆ０７ｈ）を行った後、細線化アルゴリズムで血管中心線（細線化）画像を生成する（ステップｆ０８）。また、血管抽出二値画像から距離変換を行い、その結果の距離変換画像を血管中心線（細線化）画像でマスクする（ステップｆ０９）。最後に、細線化画像から血管の分岐点、交叉点を抽出し血管構造を抽出し（ステップｆ１０）、終了する。
【産業上の利用可能性】
【００９４】
以上の説明の通り、本発明によれば、眼底異常や眼底に兆候が生じる病気の診断等に用いられる眼底画像データの収集及び解析に利用が可能である。
【図面の簡単な説明】
【００９５】
【図１】本発明の第１の実施の形態による眼底画像解析装置を示すブロック図である。
【図２】本発明の第１の実施の形態による線形内挿による画素の基準値の計算方法を示す図である。
【図３】二値画像の一例を示す図である。
【図４】本発明の第１の実施の形態による二値画像にHilditchのアルゴリズムによる細線化を施した一例を示す図である。
【図５】本発明の第１の実施の形態による二値画像にユークリッド距離の二乗による距離変換を施した一例を示す図である。
【図６】本発明の第１の実施の形態による距離変換画像を細線化画像でマスクした一例を示す図である。
【図７】血管径を血管中心線の距離の２倍で近似したときに生じる誤差を示す図である。
【図８】従来技術による血管径を血管中心線の直交線で計測するときの問題点を示す図である。
【図９】本発明の第１の実施の形態によるHilditchのアルゴリズムで細線化した血管中心線上の点の分類を示す図である。
【図１０】細線化された血管中心線において”Ｘ”型の交叉部が”＞−＜”型の２つの分岐点に分解された場合を示す図である。
【図１１】本発明の第１の実施の形態による分岐点の組で交叉点が分解されたものかを調べるための計測項目を示す図である。
【図１２】本発明の第２の実施の形態によるモノクロ画像作成装置、血管領域抽出装置、血管構造抽出装置および血管径計測装置の構成例を示すブロック図である。
【図１３】本発明の第２の実施の形態による血管交叉部抽出装置の構成例を示すブロック図である。
【図１４】本発明の第３の実施の形態による眼底画像解析装置の動作説明に供せられるフローチャートである。
【符号の説明】
【００９６】
１ 白点
２ ブロック基準値Ａの中心
３ ブロック基準値Ｂの中心
４ ブロック基準値Ｃの中心
５ ブロック基準値Ｄの中心
６ 中心線
７ 血管径
８ 血管境界
１０ モノクロ画像作成手段
１１ 接線
１２ 法線
１３ 動脈
１４ 静脈
１５ 分岐点
１６ 細分化を示す矢印
１７ ストレージ装置
１８ 演算装置
１９ モニタ
２０ 血管領域抽出手段
３０ 血管構造抽出手段
４０ 血管径計測手段
５０ 血管交叉部抽出手段
１００ モノクロ画像作成装置の構成例
２００ 血管領域抽出装置の構成例
３００ 血管構造抽出装置の構成例
４００ 血管径計測装置の構成例
５００ 血管交叉部抽出装置の構成例
Ｓ１０ カラーデジタル眼底画像
Ｓ２０ モノクロ眼底画像
Ｓ３０ 二値化血管画像
Ｓ４０ 細線化血管画像
Ｓ５０ 血管径つき細線化血管画像
【技術分野】
【０００１】
本発明は、眼底画像から血管領域を抽出し血管に関する情報を解析する方法、およびその装置とプログラムに関するものである。
【背景技術】
【０００２】
眼底検査時に取得される眼底写真から眼底の正常／異常の判定、異常部の発見が可能である。最近では、デジタルカメラの性能向上により、眼底写真も電子データであるデジタル画像として取得され、従来、紙媒体の写真上で行われてきた眼底診断もコンピュータ上の画像処理で行うことが可能になった。眼底画像において、網膜血管の解析は交叉などの血管構造や血管径を取得するための重要な項目の一つである。
【０００３】
デジタル化された眼底画像における既存の血管解析は、交叉部を抽出するものとしては、特許文献１やそこに引用されている特許文献２、特許文献３、特許文献４等が、血管径を計測するものとしては、特許文献５やそこに引用されている特許文献６、特許文献７等がある。
【０００４】
交叉部の抽出に関しては、二値化した血管領域の細線化による中心線抽出を行う方法が特許文献８及び特許文献９に、円形、正方形状のフィルタを用いる方法が、特許文献１０に、注目画素の等距離上の各画素における角度−距離曲線の極大値の個数を用いる方法が、特許文献１１に記述されている。
【０００５】
血管径に関しては、いずれも細線化により中心線を抽出後、中心に直交する線と血管との交差点距離により血管径を計算する方法が記述されている。
【０００６】
【特許文献１】特開２００７−９７６３３号公報
【特許文献２】特許第３３７７４４６号公報
【特許文献３】特開平１０−１５１１１４号公報
【特許文献４】特開２００１−７０２４７号公報
【特許文献５】特開２００７−９７７４０号公報
【特許文献６】特開平１０−７１１２５号公報
【特許文献７】特開平１０−２４３９２４号公報
【特許文献８】特許３３７７４４６号公報
【特許文献９】特開平１０−１５１１１４号公報
【特許文献１０】特開２００１−７０２４７号公報
【特許文献１１】特開２００７−２１０６５５号公報
【非特許文献１】Frank Y. Shih and Yi-Ta Wu, “Fast Euclidean distance transformation in two scans using a 3 x 3 neighborhood”, Computer Vision and Image Understanding, Vol.93, No.2, pp.195-205, Feb. 2004.
【発明の開示】
【発明が解決しようとする課題】
【０００７】
しかしながら、これらの既存の方法にはいくつかの問題点がある。交叉部の抽出において、細線化による中心線を抽出する特許文献２及び特許文献９は、特許文献１に指摘があるように本来”Ｘ”のように観察される交叉部が細線化により、図１０に示すような２つの分岐部に分解された”＞−＜”型としてみなされ、交叉部として検出されない問題がある。円形、正方形状のフィルタを用いる特許文献１０も、特許文献１に指摘があるように診断上重要な交叉部で対象となる血管の配置状況によっては抽出されないケースがある。
【０００８】
特許文献１は前述の問題は解決しているが、この方式は交叉部、分岐部以外も含めた血管領域全体に対して、周囲の画素の探査と交叉部、分岐部、それ以外の判定を行う必要があるため、非常に計算量が多くなる。さらに、この方法でも誤認識が生じる場合があるため、上記にあげた問題点解決のために行うには効率が悪い。
【０００９】
血管径の計測に関しては、細線化により中心線の抽出後、中心線の直交線を逐次計算する方法は計算量が多くなる。直交線は中心線の状態に大きく影響されるため、中心線の状態によっては、中心線抽出精度と正方格子状にならぶデジタル画像の画素配列によって精度面の誤差が大きくなることがある。
【００１０】
また、いずれの方法も正確に血管領域が抽出されていることが前提になっているが、眼底画像は光の当たり方によりグラデーションがかかったような画像であるために、安定した血管領域を抽出するためには局所的な画像処理が必要になる。
【００１１】
そこで、本発明の目的の一つは、眼底画像から血管領域を抽出することにある。
【００１２】
また、本発明の目的のもう一つは、眼底画像から血管の分岐点、交叉点を抽出することにある。
【００１３】
さらに、本発明のもう一つの目的は、眼底画像から血管の太さを計測することにある。
【課題を解決するための手段】
【００１４】
本発明の目的は、以下によって、達成することができる。
【００１５】
本発明によれば、眼底画像解析方法であって、カラー眼底画像からモノクロ眼底画像を作成するモノクロ画像作成段階と、前記モノクロ眼底画像から血管領域のみを抽出した二値化血管画像を作成する血管領域抽出段階と、前記二値化血管画像を細線化した細線化血管画像を作成する血管構造抽出段階と、前記二値化血管画像と前記細線化画像から血管径を計算し、前記細線化画像に血管径を与えた血管径つき細線化血管画像を作成する血管径計測段階と、前記細線化血管画像から血管の交叉部を抽出する血管交叉部抽出段階とを備えることを特徴とする眼底画像解析方法が得られる。
【００１６】
ここで、前記眼底画像解析方法において、前記モノクロ画像作成段階で色相と緑成分のモノクロ画像を作成し、前記血管領域抽出段階でそれぞれの抽出結果を併用することが好ましい。
【００１７】
また、前記眼底画像解析方法において、前記血管領域抽出段階での二値化の閾値の決定に画像を小領域に分割し各領域での統計的な閾値を決定し、それらの内挿補間により各画素の閾値を計算することが好ましい。
【００１８】
また、前記眼底画像解析方法において、前記血管径計測段階で距離変換画像を作成し細線化画像と併用することで血管径を計算することが好ましい。
【００１９】
また、前記血管交叉部抽出段階で血管径と細線化血管画像から血管の交叉部を抽出することが好ましい。
【００２０】
また、本発明によれば、前記いずれかの眼底画像解析方法を行うように構成したことを特徴とする眼底画像解析装置が得られる。
【００２１】
また、本発明によれば、カラー眼底画像からモノクロ眼底画像を作成するモノクロ画像作成手段と、前記モノクロ眼底画像から血管領域のみを抽出した二値化血管画像を作成する血管領域抽出手段と、前記二値化血管画像を細線化した細線化血管画像を作成する血管構造抽出手段と、前記二値化血管画像と前記細線化画像から血管径を計算し、前記細線化画像に血管径を与えた血管径つき細線化血管画像を作成する血管径計測手段と、前記細線化血管画像から血管の交叉部を抽出する血管交叉部抽出手段とを備えることを特徴とする眼底画像解析装置が得られる。
【００２２】
ここで、本発明の眼底画像解析装置において、前記モノクロ画像作成手段で色相と緑成分のモノクロ画像を作成し、前記血管領域抽出手段でそれぞれの抽出結果を併用することが好ましい。
【００２３】
また、前記血管領域抽出手段での二値化の閾値の決定に画像を小領域に分割し各領域での統計的な閾値を決定し、それらの内挿補間により各画素の閾値を計算することが好ましい。
【００２４】
また、前記血管径計測手段で距離変換画像を作成し細線化画像と併用することで血管径を計算することが好ましい。
【００２５】
また、前記血管交叉部抽出手段で血管径と細線化血管画像から血管の交叉部を抽出することが好ましい。
【００２６】
また、本発明によれば、コンピュータをカラー眼底画像からモノクロ眼底画像を作成するモノクロ画像作成手段、前記モノクロ眼底画像から血管領域のみを抽出した二値化血管画像を作成する血管領域抽出手段、前記二値化血管画像を細線化した細線化血管画像を作成する血管構造抽出手段、前記二値化血管画像と前記細線化画像から血管径を計算し、前記細線化画像に血管径を与えた血管径つき細線化血管画像を作成する血管径計測手段、及び前記細線化血管画像から血管の交叉部を抽出する血管交叉部抽出手段として機能させるためのプログラムが得られる。
【００２７】
ここで、本発明のプログラムにおいて、前記モノクロ画像作成手段で色相と緑成分のモノクロ画像を作成し、前記血管領域抽出手段でそれぞれの抽出結果を併用することが好ましい。
【００２８】
また、前記血管領域抽出手段での二値化の閾値の決定に画像を小領域に分割し各領域での統計的な閾値を決定し、それらの内挿補間により各画素の閾値を計算することが好ましい。
【００２９】
また、前記プログラムにおいて、前記血管径計測手段で距離変換画像を作成し細線化画像と併用することで血管径を計算することが好ましい。
【００３０】
さらに、前記プログラムにおいて、前記血管交叉部抽出手段で血管径と細線化血管画像から血管の交叉部を抽出することが好ましい。
【発明の効果】
【００３１】
本発明においては、眼底領域を小領域に分割し、局所的に最適な閾値処理で二値化した血管画像を作成することによって、グラデーションがかかった眼底画像においても安定的に血管領域を抽出することができる眼底画像解析方法およびその装置とプログラムとを提供することができる。
【００３２】
また、本発明においては、細線化処理と距離画像作成のみで行うことによって高速に血管径を計算することができる眼底画像解析方法およびその装置とプログラムとを提供することができる。
【００３３】
また、本発明においては、距離変換と細線化による血管径計測は血管の状態に影響されやすい血管中心線の接線を計算しないことで、血管の形状に影響されにくい安定的な血管径を計算できる眼底画像解析方法およびその装置とプログラムを提供することができる。
【００３４】
また、本発明においては、分岐部の近傍ペアを分岐角等の条件で交叉部であるか判定することによって、細線化により本来”Ｘ”のように観察される交叉部が細線化により”＞−＜”のようになった分岐部の組を交叉部として抽出することができる眼底画像解析方法およびその装置とプログラムとを提供することができる。
【００３５】
さらに、本発明においては、細線化により対象画素を減らし、交叉点／分岐点とそれ以外に分け、処理対象を限定することによって、高速に血管の分岐部と交叉部を見つけることができる眼底画像解析方法およびその装置とプログラムとを提供することができる。
【発明を実施するための最良の形態】
【００３６】
以下、本発明の実施の形態について説明する。図１は、本発明の第１の実施の形態による眼底画像解析装置を示すブロック図である。図１を参照すると、眼底画像解析装置６０は、カラーデジタル眼底画像Ｓ１０からモノクロ眼底画像Ｓ２０を作成するモノクロ画像作成手段１０と、モノクロ眼底画像Ｓ２０から血管領域のみを抽出した二値化血管画像Ｓ３０を作成する血管領域抽出手段２０と、二値化血管画像Ｓ３０を細線化した細線化血管画像Ｓ４０を作成する血管構造抽出手段３０と、二値化血管画像Ｓ３０から距離変換画像を作成し、細線化血管画像Ｓ４０と併用して血管径を計算して血管径つき細線化血管画像Ｓ５０を作成する血管径計測手段４０と、細線化血管画像Ｓ４０もしくは血管径つき細線化血管画像Ｓ５０から血管の交叉部を抽出する血管交叉部抽出手段５０とを備えて構成される。
【００３７】
以下に、第１の実施の形態による眼底画像解析装置６０の各手段の動作についての詳細を説明する。
【００３８】
モノクロ画像作成手段１０は、カラーデジタル眼底画像Ｓ１０を入力とする。カラーデジタル眼底画像Ｓ１０は、デジタルの眼底カメラで撮影される。眼底カメラは、多くの場合で使用されているＢＭＰ（ビッドマップ）、ＴＩＦＦ（タグドイメージファイルフォーマット）、ＪＰＥＧなどＲ（赤）、Ｇ（緑）、Ｂ（青）の三原色で表現されるカラーフォーマット画像を前提とする。眼底画像は、背景の黒を除いた眼底領域は、明るく光る視神経乳頭、暗めの黄班、赤い血管、黄色いその他の領域の４つに大別される。このうち、赤が強い血管だけを抽出するには、次の２とおり方法が考えられる。
【００３９】
一つは、Ｒ（赤）、Ｇ（緑）、Ｂ（青）で赤（Ｒ：大、Ｇ：小、Ｂ：小）と黄（Ｒ：大、Ｇ：大、Ｂ：小）を区別するのは、Ｇ（緑）の値の大小であるのでＧ（緑）のモノクロ画像を用いて、黄色と赤の部分を分離する方法である。
【００４０】
もう一つは、Ｒ（赤）、Ｇ（緑）、Ｂ（青）の三原色で表現されるカラーフォーマット画像を、Ｈ（色相）、Ｓ（彩度）、Ｖ（強度）のＨＳＶ表色系に変換し、色相のモノクロ画像を用いて、黄色と赤の部分を分離する方法である。
【００４１】
色相はＲ（赤）、Ｇ（緑）、Ｂ（青）の最大値に影響されるため、末端の暗い血管の抽出には前者のＧ（緑）を用いたほうが有効である。逆に、前者を用いると視神経乳頭の境界付近も抽出され、この部分では後者のＨ（色相）を用いたほうが優れている。このように両者に一長一短があるので、モノクロ画像作成手段１０では両者のモノクロ眼底画像を作成し、それらをモノクロ眼底画像Ｓ２０として血管領域抽出手段２０に出力する。
【００４２】
血管領域抽出手段２０は、モノクロ眼底画像Ｓ２０が入力されるとその眼底領域を小領域に分割する。この小領域としては正方ブロックなどを用いるが、他の円を含む楕円や多角形状のブロックを用いることもできる。
【００４３】
領域サイズは、局所的な統計情報が得られる範囲が望ましい。小さすぎると局所的な情報は反映されるが、統計的な情報はノイズの影響を受けやすく信頼性が乏しくなり、大きすぎると、逆に統計的な情報の信頼性は高くなるが、局所的な情報が反映されなくなる。
【００４４】
各領域に関しては、モノクロ画像の値によるヒストグラムを作成し、線形判別分析により基準値を決める。基準値の計算は次のようになる。
【００４５】
まず、画素値が取り得る値を｛０、１、２、…、Ｌ｝として、その画素値をもつ画素数のヒストグラム（階調ヒストグラム）を作成し、ある値ｋによって［０、ｋ］と［ｋ＋１、Ｌ］の２クラスに分割して、１つめのクラスを０、２つめのクラスを１として２値化するとする。
【００４６】
判別分析においては、クラス間分散を下記数１式、クラス内分散を下記数２式とするとき、下記の数３式で示されるフィッシャー判別比が大きいほど、２クラスの分離度が高いことになる。
【００４７】
【数１】
【００４８】
【数２】
【００４９】
【数３】
【００５０】
下記数４式で示される分散は、下記数５式のような関係があるので、下記数６式の（１）式のとなり、上記数１式で示されるクラス間分散を下記数４式で示される全体の分散で割った値である下記数７式で示されるＦ０が１に近いほど、２クラスの分離度が高くなることと同等になる。
【００５１】
【数４】
【００５２】
【数５】
【００５３】
【数６】
【００５４】
【数７】
【００５５】
なお、上記数４式で示される全階調の分散の計算は、下記数８式で示される階調値、下記数９式で示す階調ｉの画素数、下記数１０式の（２）式で示されるものを画像全体の平均階調としたとき、下記数１１式の（３）式で表され、クラス間分散を上記数１式、下記数１２式を２クラスそれぞれの画素数、下記数１３式を２クラスそれぞれの階調平均としたとき、下記数数１４式となる、閾値の決定は、ｋを順次変えたとき、もっとも上記数７式の値が１に近いときのｋを基準値として選ぶ。
【００５６】
【数８】
【００５７】
【数９】
【００５８】
【数１０】
【００５９】
【数１１】
【００６０】
【数１２】
【００６１】
【数１３】
【００６２】
【数１４】
【００６３】
計算された各小領域の基準値から、各画素の基準値は次のように計算する。
【００６４】
図２は本発明の第１の実施の形態による線形内挿による画素の基準値の計算方法を示す図である。図２に示すように、小領域がブロックで示され、注目点の画素（白点１）がブロックの基準値Ａ、Ｂ、Ｃ、Ｄのブロック中心２、３、４、５に囲まれた領域にあり、ブロックの基準値Ａのブロック中心２から（ｐ、ｒ）右下、ブロックの基準値Ｄのブロック中心５から（ｑ、ｓ）左上にある場合、注目点の基準値は、周辺ブロックの基準値と各ブロック中心から相対位置を用いた線形内挿により下記数１５式となる。これから各画素の基準値を決定する。
【００６５】
【数１５】
【００６６】
各画素に与えられたこの基準値とモノクロ画像の画素値を比較し、画素値が基準値より小さい（緑Ｇ、色相Ｈとも赤側のほうが小さくなる）画素を血管として抽出する。上述のモノクロ画像作成手段１０の説明で述べたように、緑Ｇのモノクロ画像は血管末端で、色相Ｈのモノクロ画像は、視神経乳頭付近で有効であるので、視神経乳頭付近では色相Ｈのモノクロ画像の結果を、それ以外では、緑Ｇの結果を用いて合成した二値化血管画像Ｓ３０を作成すると良い。視神経乳頭は、他よりも圧倒的に明るいので容易に抽出可能である。このようにして作成された二値化血管画像は、カラーデジタル眼底画像Ｓ１０の画質によっては、血管部に欠け、バリ、穴空き生じることもあるので、膨張、収縮や特許文献１１にあるようなノイズ除去処理が後処理して行われることもある。
【００６７】
血管構造抽出手段３０は、二値化血管画像Ｓ３０を入力とし、血管を幅１に細線化した細線化血管画像Ｓ４０を作成する。ここで、細線化は、Hilditch、 Deutsch、 田村などの既存アルゴリズムを用いることが可能である。
【００６８】
図３は二値画像、図４はそのHilditchのアルゴリズムによる細線化の例を示す図である。図３及び図４に示すように、細線化で得られた幅１の血管網は元の二値化血管画像Ｓ３０における血管の中心線に相当し、元の二値化血管画像Ｓ３０の血管構造と同一のトポロジーを保つ。
【００６９】
血管径計測手段４０は、二値化血管画像Ｓ３０と細線化血管画像Ｓ４０を入力とする。まず、二値化血管画像Ｓ３０に距離変換を行った距離変換画像を作成する。距離変換とは、二値画像における前景の画素に対して、背景画素からの最短距離を画素値として与える画像処理である。距離には、４近傍距離、８近傍距離、ユークリッド距離の二乗などが用いられるが、ここでは血管径を測るためユークリッド距離の二乗を用いる。ユークリッド距離による距離変換の方法はいくつか提案されているが、非特許文献１に記載の方法はラスタ走査２回で高速に実行可能である。
【００７０】
図５は図３の二値画像のユークリッド距離の二乗による距離変換の例を示す図である。図５に示すように、作成された距離変換画像において、細線化血管画像Ｓ４０の血管中心線のみを抽出すると、血管中心線の背景までの距離が与えられた細線化血管画像となる。
【００７１】
図６は図５の距離変換画像を図４の細線化画像の血管領域に対応する画素のみを残し、その他を０とするマスク処理をした血管中心線の背景までの距離が与えられた細線化血管画像を示す図である。図７は、血管径を血管中心線の距離の２倍で近似したときに生じる誤差を示す図である。
【００７２】
図６に示すように、ユークリッド距離による距離変換画像の距離値は、注目点を中心とした背景までの最小内接円の半径値であるため、図７に示すように、血管の太さの変化が小さいところでは距離の２倍が血管径７と一致するが、変化が大きいところでは、血管径７より小さい値になるので、距離値の２倍は正確には血管径と一致しない。ただし、血管領域抽出手段２０で膨張、収縮処理などのノイズ除去処理が行われること、デジタル画像での画素は離散的に配列されているなどを考慮すると不一致時の誤差の影響は小さい。また、細線化は必ず幅１にしなければならないため、中心線６が画素の中間にある場合は、半画素分の誤差が生じる。よって、中心線６の距離値の２倍を血管径７とみなす場合、これらの要素の誤差が生じるが、誤差の原因と範囲は一定の小さな範囲で収まり、安定した数値が得られる特徴がある。特に、動脈硬化の診断のなど血管径７そのものよりも血管径７の変化を見たいときは、誤差は小さくなる方向（＋半画素）に限られるため効果的である。
【００７３】
図８は従来技術による血管径を血管中心線の直交線で計測するときの問題点を示す図である。
【００７４】
図８に示すような血管中心線６上の点の接線１１に直交する線分（中心線法線１２）長を測る従来の血管径計測方法は、理論的には正しい値が計測されるが、離散的に画素が配置されているデジタル画像処理では、中心線６の接線計算において中心線６の湾曲次第では誤差が非常に大きくなり、さらにその直交線１２と血管境界８を見つけるときも誤差が生じる。これらの誤差は、中心線６の状態や、中心線６、接線１１の抽出アルゴリズムの巧拙に大きく影響されるため、安定して見積もることは困難である。
【００７５】
このような観点から、本発明において、血管までの中心線６の距離の２倍の距離を血管径７とみなしても、従来の計測方法で得られる計測量から劣化することないと考えられる。特に、動脈硬化の診断などで用いられる血管径７の変化の計測に関しては、誤差のぶれが小さいので従来方法よりも効果的である。
【００７６】
血管径計測手段４０は、上記の画像処理で得られた血管中心線の背景までの距離が与えられた細線化血管画像を血管径つき細線化血管画像Ｓ５０として出力する。
【００７７】
血管交叉部抽出手段５０は、細線化血管画像Ｓ４０もしくは血管径つき細線化血管画像Ｓ５０を入力とする。細線化された血管の各画素は、隣接する血管画素数により交叉点もしくは分岐点、端点、それ以外（線上の点）に分類される。細線化にHilditch細線化アルゴリズム（８連結系）を用いた場合、次のように分類される。
【００７８】
図９（ａ）に示される交叉点：隣接血管画素数４、図９（ｂ）に示される交叉点の隣：隣接血管画素数３以上、図９（ｃ）に示される分岐点：隣接血管画素数３、端点：隣接血管画素数１、その他（線上の点）：隣接血管画素数２。なお、図９においた、塗りつぶされた正方形ｈａ、「１」、白の正方形は「０」、斜線を施した正方形は「不定」、黒白の正方形のまだら模様の正方形は「いずれか一つが1である、残りは０」であることを示している。
【００７９】
したがって、細線化された血管において、図９の隣接血管画素数４のｔｙｐｅ１、２の点を交叉点としてまず見つけ、次にその隣接点以外の隣接血管画素数３の点を分岐点、隣接血管画素数１を端点、それら以外の点（隣接血管画素数２）を線上の点として、細線化血管の点を分類可能である。
【００８０】
しかしながら、細線化画像においては、元の血管画像における交叉部が本来の”Ｘ”型でなく、図１０に示すような２つの分岐部に分解された”＞−＜”型として抽出されることも多いので、これを見つける必要がある。この型の交叉部は、細線化血管画像において図１１で示される以下の特徴を持つ分岐点対となる。
【００８１】
（１）分岐点間長ｐｑが短い。
【００８２】
（２）分岐点を結ぶ線以外で形成される角度組（図１１のθとφ）の大きさが小さい。せいぜい１２０°である。この角度が大きいことは分岐が直線に近いことを意味し、分岐に該当しないことが多い。
【００８３】
（３）分岐点ｐ、ｑを結ぶ線以外で形成される角度組（図１１のθとφ）の大きさが近い。
【００８４】
（４）その補角に相当する角度組（図１１のαとβもしくはγとδ）の大きさも近い。
【００８５】
（５）分岐点ｐ、ｑからそこに接続する分岐点／交叉点／端点までの血管長（図１１のｐｔ、ｐｒ、ｑｓ、ｑｕ）が一定以上ある。
【００８６】
そこで、細線化された分岐部の点について、その角度と接続する他の分岐点／交叉点／端点を計測し、分岐点間の距離（図１１のｐｑ）が近い組を見つけ、それらの分岐点組を形成する角度（図１１のθ、φ、α、β、γ、δ）と、分岐点（交叉点／端点）間長（図１１のｐｔ、ｐｒ、ｑｓ、ｑｕ）を計算し、それらから上記の５つの条件を満たす分岐点組を交叉点とみなす。５つの条件の判定基準はあらかじめ与えておく。血管交叉部抽出手段５０への入力が、血管径つき細線化血管画像Ｓ５０の場合は、血管径に応じて多段階の判定基準を用意しておいても良い。
【００８７】
次に、本発明の第２の実施の形態について説明する。
【００８８】
図１２は本発明の第２の実施の形態による眼底画像解析装置を示すブロック図である。図１２を参照すると、第２の実施の形態による眼底画像解析装置は、第１の実施の形態の眼底画像解析装置の各手段を装置化したモノクロ画像作成装置１００、血管領域抽出装置２００、血管構造抽出装置３００、血管径計測装置４００、及び血管交叉部抽出装置５００によって実施することができる。
【００８９】
図１２に示すように、モノクロ画像作成装置１００、血管領域抽出装置２００、血管構造抽出装置３００、及び血管径計測装置４００は、画像データを蓄積するメモリやディスクなどのストレージ装置１７と、モノクロ画像作成、血管抽出、細線化、距離変換等の計算を行うＣＰＵなどの演算装置１８で実現可能である。
【００９０】
図１３は、本発明の第２の実施の形態による血管交叉部抽出装置５００を示すブロック図である。図１３に示すように、血管交叉部抽出装置５００は、図１２の装置に表示用のモニタ１９を追加した装置で、（血管径つき）細線化血管画像を蓄積するメモリやディスクなどのストレージ装置１７と、分岐部、交叉部の抽出時の計算を行うＣＰＵなどの演算装置１８と、血管とその交叉点位置など出力結果を表示するモニタで実現可能である。
【００９１】
次に、本発明の第３の実施の形態について説明する。本発明の第３の実施の形態は、第１の実施の形態の画像表現方法を計算機上で実行可能なプログラムとして構成し、そのプログラムを計算機で読み取り自在な情報記憶媒体に格納して、その計算機上において図１４で示される手順で実行する。
【００９２】
図１４は、本発明の第３の実施の形態による眼底画像解析装置の動作説明に供せられるフローチャートである。
【００９３】
図１４を参照すると、最初に、ＲＧＢフォーマットカラーの眼底画像を取得し、その画像をＲＧＢ表色系の緑（Ｇ）とＨＳＶ表色系（もしくはＨＳＬ表色系）の色相（Ｈ）のモノクロ画像を作成する（ステップｆ０２）。それぞれのモノクロ画像を小領域に分割後、小領域で線形判別分析を行い、フィッシャー判別比がもっとも大きくなる値を領域の基準値とし（ステップｆ０３ｇ、ｆ０３ｈ）、領域の基準値から各画素の基準値を内挿補間で計算し（ステップｆ０４ｇ、ｆ０４ｈ）、それぞれのモノクロ画像において、基準値以下の画素を血管とした血管抽出二値画像を生成し（ステップｆ０５ｇ、ｆ０５ｈ）、視神経乳頭付近は色相（Ｈ）、その他の部分は緑（Ｇ）からの結果を元にした合成した血管抽出二値画像を生成する（ステップｆ０６ｈ）。この血管抽出二値画像を膨張、収縮などのノイズ処理（ステップｆ０７ｈ）を行った後、細線化アルゴリズムで血管中心線（細線化）画像を生成する（ステップｆ０８）。また、血管抽出二値画像から距離変換を行い、その結果の距離変換画像を血管中心線（細線化）画像でマスクする（ステップｆ０９）。最後に、細線化画像から血管の分岐点、交叉点を抽出し血管構造を抽出し（ステップｆ１０）、終了する。
【産業上の利用可能性】
【００９４】
以上の説明の通り、本発明によれば、眼底異常や眼底に兆候が生じる病気の診断等に用いられる眼底画像データの収集及び解析に利用が可能である。
【図面の簡単な説明】
【００９５】
【図１】本発明の第１の実施の形態による眼底画像解析装置を示すブロック図である。
【図２】本発明の第１の実施の形態による線形内挿による画素の基準値の計算方法を示す図である。
【図３】二値画像の一例を示す図である。
【図４】本発明の第１の実施の形態による二値画像にHilditchのアルゴリズムによる細線化を施した一例を示す図である。
【図５】本発明の第１の実施の形態による二値画像にユークリッド距離の二乗による距離変換を施した一例を示す図である。
【図６】本発明の第１の実施の形態による距離変換画像を細線化画像でマスクした一例を示す図である。
【図７】血管径を血管中心線の距離の２倍で近似したときに生じる誤差を示す図である。
【図８】従来技術による血管径を血管中心線の直交線で計測するときの問題点を示す図である。
【図９】本発明の第１の実施の形態によるHilditchのアルゴリズムで細線化した血管中心線上の点の分類を示す図である。
【図１０】細線化された血管中心線において”Ｘ”型の交叉部が”＞−＜”型の２つの分岐点に分解された場合を示す図である。
【図１１】本発明の第１の実施の形態による分岐点の組で交叉点が分解されたものかを調べるための計測項目を示す図である。
【図１２】本発明の第２の実施の形態によるモノクロ画像作成装置、血管領域抽出装置、血管構造抽出装置および血管径計測装置の構成例を示すブロック図である。
【図１３】本発明の第２の実施の形態による血管交叉部抽出装置の構成例を示すブロック図である。
【図１４】本発明の第３の実施の形態による眼底画像解析装置の動作説明に供せられるフローチャートである。
【符号の説明】
【００９６】
１ 白点
２ ブロック基準値Ａの中心
３ ブロック基準値Ｂの中心
４ ブロック基準値Ｃの中心
５ ブロック基準値Ｄの中心
６ 中心線
７ 血管径
８ 血管境界
１０ モノクロ画像作成手段
１１ 接線
１２ 法線
１３ 動脈
１４ 静脈
１５ 分岐点
１６ 細分化を示す矢印
１７ ストレージ装置
１８ 演算装置
１９ モニタ
２０ 血管領域抽出手段
３０ 血管構造抽出手段
４０ 血管径計測手段
５０ 血管交叉部抽出手段
１００ モノクロ画像作成装置の構成例
２００ 血管領域抽出装置の構成例
３００ 血管構造抽出装置の構成例
４００ 血管径計測装置の構成例
５００ 血管交叉部抽出装置の構成例
Ｓ１０ カラーデジタル眼底画像
Ｓ２０ モノクロ眼底画像
Ｓ３０ 二値化血管画像
Ｓ４０ 細線化血管画像
Ｓ５０ 血管径つき細線化血管画像
【特許請求の範囲】
【請求項１】
眼底画像解析方法であって、カラー眼底画像からモノクロ眼底画像を作成するモノクロ画像作成段階と、
前記モノクロ眼底画像から血管領域のみを抽出した二値化血管画像を作成する血管領域抽出段階と、
前記二値化血管画像を細線化した細線化血管画像を作成する血管構造抽出段階と、
前記二値化血管画像と前記細線化画像から血管径を計算し、前記細線化画像に血管径を与えた血管径つき細線化血管画像を作成する血管径計測段階と、
前記細線化血管画像から血管の交叉部を抽出する血管交叉部抽出段階とを備えることを特徴とする眼底画像解析方法。
【請求項２】
請求項１に記載の眼底画像解析方法において、前記モノクロ画像作成段階で色相と緑成分のモノクロ画像を作成し、前記血管領域抽出段階でそれぞれの抽出結果を併用することを特徴とする眼底画像解析方法。
【請求項３】
請求項１に記載の眼底画像解析方法において、前記血管領域抽出段階での二値化の閾値の決定に画像を小領域に分割し各領域での統計的な閾値を決定し、それらの内挿補間により各画素の閾値を計算することを特徴とする眼底画像解析方法。
【請求項４】
請求項１に記載の眼底画像解析方法において、前記血管径計測段階で距離変換画像を作成し細線化画像と併用することで血管径を計算することを特徴とする眼底画像解析方法。
【請求項５】
請求項１に記載の眼底画像解析方法において、前記血管交叉部抽出段階で血管径と細線化血管画像から血管の交叉部を抽出することを特徴とする眼底画像解析方法。
【請求項６】
請求項１乃至５の内のいずれか一項に記載の眼底画像解析方法を行うように構成したことを特徴とする眼底画像解析装置。
【請求項７】
眼底画像解析装置であって、カラー眼底画像からモノクロ眼底画像を作成するモノクロ画像作成手段と、
前記モノクロ眼底画像から血管領域のみを抽出した二値化血管画像を作成する血管領域抽出手段と、
前記二値化血管画像を細線化した細線化血管画像を作成する血管構造抽出手段と、
前記二値化血管画像と前記細線化画像から血管径を計算し、前記細線化画像に血管径を与えた血管径つき細線化血管画像を作成する血管径計測手段と、
前記細線化血管画像から血管の交叉部を抽出する血管交叉部抽出手段とを備えることを特徴とする眼底画像解析装置。
【請求項８】
請求項７に記載の眼底画像解析装置において、前記モノクロ画像作成手段で色相と緑成分のモノクロ画像を作成し、前記血管領域抽出手段でそれぞれの抽出結果を併用することを特徴とする眼底画像解析装置。
【請求項９】
請求項７に記載の眼底画像解析装置において、前記血管領域抽出手段での二値化の閾値の決定に画像を小領域に分割し各領域での統計的な閾値を決定し、それらの内挿補間により各画素の閾値を計算することを特徴とする眼底画像解析装置。
【請求項１０】
請求項７に記載の眼底画像解析装置において、前記血管径計測手段で距離変換画像を作成し細線化画像と併用することで血管径を計算することを特徴とする眼底画像解析装置。
【請求項１１】
請求項７に記載の眼底画像解析装置において、前記血管交叉部抽出手段で血管径と細線化血管画像から血管の交叉部を抽出することを特徴とする眼底画像解析装置。
【請求項１２】
コンピュータを、
カラー眼底画像からモノクロ眼底画像を作成するモノクロ画像作成手段、
前記モノクロ眼底画像から血管領域のみを抽出した二値化血管画像を作成する血管領域抽出手段、
前記二値化血管画像を細線化した細線化血管画像を作成する血管構造抽出手段、
前記二値化血管画像と前記細線化画像から血管径を計算し、前記細線化画像に血管径を与えた血管径つき細線化血管画像を作成する血管径計測手段、及び
前記細線化血管画像から血管の交叉部を抽出する血管交叉部抽出手段として機能させるためのプログラム。
【請求項１３】
請求項１２に記載のプログラムにおいて、前記モノクロ画像作成手段で色相と緑成分のモノクロ画像を作成し、前記血管領域抽出手段でそれぞれの抽出結果を併用することを特徴とするプログラム。
【請求項１４】
請求項１２に記載のプログラムにおいて、前記血管領域抽出手段での二値化の閾値の決定に画像を小領域に分割し各領域での統計的な閾値を決定し、それらの内挿補間により各画素の閾値を計算することを特徴とするプログラム。
【請求項１５】
請求項１２に記載のプログラムにおいて、前記血管径計測手段で距離変換画像を作成し細線化画像と併用することで血管径を計算することを特徴とするプログラム。
【請求項１６】
請求項１２に記載のプログラムにおいて、前記血管交叉部抽出手段で血管径と細線化血管画像から血管の交叉部を抽出することを特徴とするプログラム。
【請求項１】
眼底画像解析方法であって、カラー眼底画像からモノクロ眼底画像を作成するモノクロ画像作成段階と、
前記モノクロ眼底画像から血管領域のみを抽出した二値化血管画像を作成する血管領域抽出段階と、
前記二値化血管画像を細線化した細線化血管画像を作成する血管構造抽出段階と、
前記二値化血管画像と前記細線化画像から血管径を計算し、前記細線化画像に血管径を与えた血管径つき細線化血管画像を作成する血管径計測段階と、
前記細線化血管画像から血管の交叉部を抽出する血管交叉部抽出段階とを備えることを特徴とする眼底画像解析方法。
【請求項２】
請求項１に記載の眼底画像解析方法において、前記モノクロ画像作成段階で色相と緑成分のモノクロ画像を作成し、前記血管領域抽出段階でそれぞれの抽出結果を併用することを特徴とする眼底画像解析方法。
【請求項３】
請求項１に記載の眼底画像解析方法において、前記血管領域抽出段階での二値化の閾値の決定に画像を小領域に分割し各領域での統計的な閾値を決定し、それらの内挿補間により各画素の閾値を計算することを特徴とする眼底画像解析方法。
【請求項４】
請求項１に記載の眼底画像解析方法において、前記血管径計測段階で距離変換画像を作成し細線化画像と併用することで血管径を計算することを特徴とする眼底画像解析方法。
【請求項５】
請求項１に記載の眼底画像解析方法において、前記血管交叉部抽出段階で血管径と細線化血管画像から血管の交叉部を抽出することを特徴とする眼底画像解析方法。
【請求項６】
請求項１乃至５の内のいずれか一項に記載の眼底画像解析方法を行うように構成したことを特徴とする眼底画像解析装置。
【請求項７】
眼底画像解析装置であって、カラー眼底画像からモノクロ眼底画像を作成するモノクロ画像作成手段と、
前記モノクロ眼底画像から血管領域のみを抽出した二値化血管画像を作成する血管領域抽出手段と、
前記二値化血管画像を細線化した細線化血管画像を作成する血管構造抽出手段と、
前記二値化血管画像と前記細線化画像から血管径を計算し、前記細線化画像に血管径を与えた血管径つき細線化血管画像を作成する血管径計測手段と、
前記細線化血管画像から血管の交叉部を抽出する血管交叉部抽出手段とを備えることを特徴とする眼底画像解析装置。
【請求項８】
請求項７に記載の眼底画像解析装置において、前記モノクロ画像作成手段で色相と緑成分のモノクロ画像を作成し、前記血管領域抽出手段でそれぞれの抽出結果を併用することを特徴とする眼底画像解析装置。
【請求項９】
請求項７に記載の眼底画像解析装置において、前記血管領域抽出手段での二値化の閾値の決定に画像を小領域に分割し各領域での統計的な閾値を決定し、それらの内挿補間により各画素の閾値を計算することを特徴とする眼底画像解析装置。
【請求項１０】
請求項７に記載の眼底画像解析装置において、前記血管径計測手段で距離変換画像を作成し細線化画像と併用することで血管径を計算することを特徴とする眼底画像解析装置。
【請求項１１】
請求項７に記載の眼底画像解析装置において、前記血管交叉部抽出手段で血管径と細線化血管画像から血管の交叉部を抽出することを特徴とする眼底画像解析装置。
【請求項１２】
コンピュータを、
カラー眼底画像からモノクロ眼底画像を作成するモノクロ画像作成手段、
前記モノクロ眼底画像から血管領域のみを抽出した二値化血管画像を作成する血管領域抽出手段、
前記二値化血管画像を細線化した細線化血管画像を作成する血管構造抽出手段、
前記二値化血管画像と前記細線化画像から血管径を計算し、前記細線化画像に血管径を与えた血管径つき細線化血管画像を作成する血管径計測手段、及び
前記細線化血管画像から血管の交叉部を抽出する血管交叉部抽出手段として機能させるためのプログラム。
【請求項１３】
請求項１２に記載のプログラムにおいて、前記モノクロ画像作成手段で色相と緑成分のモノクロ画像を作成し、前記血管領域抽出手段でそれぞれの抽出結果を併用することを特徴とするプログラム。
【請求項１４】
請求項１２に記載のプログラムにおいて、前記血管領域抽出手段での二値化の閾値の決定に画像を小領域に分割し各領域での統計的な閾値を決定し、それらの内挿補間により各画素の閾値を計算することを特徴とするプログラム。
【請求項１５】
請求項１２に記載のプログラムにおいて、前記血管径計測手段で距離変換画像を作成し細線化画像と併用することで血管径を計算することを特徴とするプログラム。
【請求項１６】
請求項１２に記載のプログラムにおいて、前記血管交叉部抽出手段で血管径と細線化血管画像から血管の交叉部を抽出することを特徴とするプログラム。
【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２００９−１８９５８６（Ｐ２００９−１８９５８６Ａ）
【公開日】平成２１年８月２７日（２００９．８．２７）
【国際特許分類】
【出願番号】特願２００８−３３７３８（Ｐ２００８−３３７３８）
【出願日】平成２０年２月１４日（２００８．２．１４）
【出願人】（０００００４２３７）日本電気株式会社 (19,353)
【出願人】（５０４１５７０２４）国立大学法人東北大学 (2,297)
【Ｆターム（参考）】
【公開日】平成２１年８月２７日（２００９．８．２７）
【国際特許分類】
【出願日】平成２０年２月１４日（２００８．２．１４）
【出願人】（０００００４２３７）日本電気株式会社 (19,353)
【出願人】（５０４１５７０２４）国立大学法人東北大学 (2,297)
【Ｆターム（参考）】
[ Back to top ]