专利名称：图像处理设备及其控制方法和计算机程序的制作方法
技术领域：
本发明涉及一种图像处理设备及其控制方法和计算机程序。
背景技术：
对于在生活方式病和失明原因之前出现的各种疾病的早期诊断，通常进行眼科检查。由于需要医学检查等来查找整个眼部的疾�。允褂每矸段У难鄄客枷�(以下称为眼底图像)的检查是不可或缺的。使用眼底照相机或SLO(激光扫描检眼镜)拍摄眼底图像。另一方面，由于诸如OCT(光学相干断层成像)等的用于眼部的断层图像摄像设备允许三维观察视网膜层的内部状态，所以期待该类断层图像摄像设备对疾病有效地给出更恰当的诊断。图5A是利用OCT所拍摄的视网膜的黄斑断层图像的模式图。在三维上获得利用 OCT的眼部的断层图像。在图5A中，附图标记T1 Tn表示黄斑部的二维QD)横断面图像 (B-扫描图像)。然后，附图标记1表示内界膜，附图标记2表示神经纤维层和其下面的层之间的边界(以下称为神经纤维层边界幻；并且附图标记2'表示神经纤维层。附图标记 3表示内丛状层和其下面的层之间的边界(以下称为内丛状层边界幻，并且附图标记4表示外丛状层和其下面的层之间的边界(下面称为外丛状层边界4)。附图标记5表示光感受器的内节和外节之间的接合部，并且附图标记6表示视网膜色素上皮边界。例如，当输入这类断层图像时，如果可以测量神经纤维层2'(图5A中的T1)的厚度，则可以定量诊断诸如青光眼等的疾病的发展程度和治疗之后的恢复程度。为了定量测量这些层的厚度，公开了一种用于根据断层图像使用计算机检测视网膜的各个层的边界、并且测量各个层的厚度的技术(参见日本特开2008-073099号公报)。另一方面，在OCT断层图像中，当物体强烈反射或吸收测量光时，在物体后方通常生成由信号的衰减或损失所导致的伪影。注意，该物体包括血管(血液)和白斑。与此相对，提出了这样一种技术，该技术从眼底的表面图像提取血管区域，将血管区域逆投影至 OCT断层图像上，并且对逆投影区域附近的层边界进行插值，从而估计由血管所导致的伪影区域中的层边界(参见日本特开2007-325831号公报)。另一方面，希望使用OCT的检查来检测诸如青光眼和年龄相关性黄斑变性等的多种类型的眼科疾病。那么，由于断层图像中感兴趣的层根据是否有疾病及疾病的种类而不同，所以要求根据视网膜的状态来检测层。
发明内容
对于日本特开2008-073099号和2007-325831号公报所述的方法，为应对多种类型的疾病的检测，操作者不得不预先估计疾�。⑶也坏貌灰允视诟眉膊〉姆治瞿Ｊ浇胁饬�。当不能获得适当处理结果时，操作者不得不通过将分析模式改变成适于其它疾病的分析模式、并改变图像处理参数来进行再次测量，结果导致麻烦的处理。为此，要分析大量数据，用户负担极大。此外，上述日本特开2008-073099号公报所述方法没有讨论用于计算生成伪影的区域的层边界的任何方法。上述日本特开2007-325831号公报所述方法将逆投影至OCT断层图像上的所有区域作为伪影区域(紧挨在血管之下的区域)处理，并且在这些区域没有检测到任何断层图像的情况下对层边界进行插值来进行估计。为此，当在断层图像上的各逆投影区域上都没有发生信号衰减时，层边界结果变得不正确。另外，上述方法仅应对由血管引起的信号衰减，但是不能应对由诸如白斑和出血等病变部所引起的任何信号衰减。因此，本发明根据被检眼的视网膜的状态来选择要检测的层的种类，并且基于视网膜层的解剖学特征检测层，从而允许对层边界以及衰减区域的高精度检测。本发明实施例的一个方面涉及一种图像处理设备，所述图像处理设备分析被检眼的视网膜层，包括特征提取部件，用于从根据所述视网膜层的断层图像所获得的投影图像和所述被检眼的眼底图像提取表示所述被检眼的解剖学特征的特征量；判断部件，用于基于所述特征量来判断所述解剖学特征的种类；层结构检测部件，用于根据判断出的所述解剖学特征的种类，从所述视网膜层中确定要检测的层，并且检测所述断层图像中所确定的层的结构；以及层结构修改部件，用于修改下面的区域中所包括的层的结构，其中，所述区域具有由所述层结构检测部件所检测到的层的结构的所述解剖学特征。本发明实施例的其它方面涉及一种图像处理设备，所述图像处理设备分析被检眼的视网膜层，包括特征提取部件，用于从根据所述视网膜层的断层图像所获得的投影图像，提取表示所述被检眼中的解剖学特征的特征量；层结构检测部件，用于从所述断层图像检测所述视网膜层中的层的结构；信息提取部件，用于基于由所述层结构检测部件所检测到的层的结构，提取预定层之间的层的亮度信息和形状信息；判断部件，用于基于所述特征量、所述亮度信息和所述形状信息，判断在所述视网膜层中是否存在病变部和所述病变部的种类；以及层结构修改部件，用于根据所述判断部件的判断结果，修改由所述层结构检测部件所检测到的层的结构；其中，当所述判断部件判断为存在所述病变部时，所述层结构修改部件修改由所述层结构检测部件所检测到的层中的某些层的结构。根据本发明的其它方面，一种图像处理设备的控制方法，所述图像处理设备分析被检眼的视网膜层，所述控制方法包括以下步骤提取步骤，用于从根据所述视网膜层的多个断层图像所获得的投影图像和所述被检眼的眼底图像，提取表示所述被检眼中的解剖学特征的特征量；判断步骤，用于基于所述特征量来判断所述解剖学特征的种类；确定步骤， 用于根据判断出的所述解剖学特征的种类确定所述视网膜层中要检测的层，并且在所述断层图像中检测所确定的层的结构；以及修改步骤，用于修改所检测到的层的结构中、包括在具有所述解剖学特征的区域中的层的结构。根据本发明的其它方面，一种图像处理设备的控制方法，所述图像处理设备分析被检眼的视网膜层，所述控制方法包括以下步骤提取步骤，用于从根据所述视网膜层的多个断层图像所获得的投影图像，提取表示所述被检眼中的解剖学特征的特征量；检测步骤，用于从所述断层图像检测所述视网膜层中的层的结构；提取步骤，用于基于所检测到的层的结构，提取预定层之间的亮度信息和层的形状信息；判断步骤，用于基于所述特征量、 所述亮度信息和所述形状信息，判断在所述视网膜层中是否存在病变部和所述病变部的种类；以及修改步骤，用于根据所述判断结果，修改在所述检测步骤中所检测到的层的结构， 其中，在所述修改步骤中，当判断为存在所述病变部时，修改在所述检测步骤中所检测到的层的一部分结构。通过以下(参考附图)对典型实施例的说明，本发明的其它特征将显而易见。
图1是示出根据实施例的图像处理系统的功能结构的例子的框图；图2是示出根据实施例的图像处理单元200的功能结构的框图；图3是示出根据实施例的视网膜层结构分析处理序列的流程图；图4A和4B是示出层结构分析处理序列在正常状态时和异常状态时的处理的流程图；图5A和5B是示出根据实施例的断层图像和投影图像的例子的示意图；图6是示出根据实施例为生成层结构强调图像所需的特征值和特征向量之间的关系的图；图7A 7D是用于说明根据实施例的多分辨率层结构强调图像的生成的图；图8A和8B是用于说明根据实施例的断层图像的特征和层结构强调图像的特征的图；图9是用于说明根据实施例的断层图像中的遮蔽区域的图；图IOA和IOB是用于说明根据实施例的断层图像的特征和遮蔽区域的图；图11是示出根据第二实施例的图像处理设备的功能结构的框图；图12是示出根据第二实施例的视网膜层结构分析处理序列的流程图；以及图13是示出根据实施例的图像处理设备的基本结构的框图。
具体实施例方式下面将参考附图详细说明用于实现本发明的最佳模式。然而，本发明的范围不局限于所示例子。根据本发明实施例的一个方面，图像处理设备10获取被检眼的断层图像和眼底图像，并且根据断层图像生成投影图像以进行断层图像和眼底图像之间的配准。然后，设备 10通过眼底图像和投影图像来检测为确定是否存在疾病及疾病种类所需的解剖学信息，基于该检测结果判断要测量的层，并且对预定层执行分析处理。注意，本实施例将说明出现黄斑部的断层图像。然而，要拍摄的部不局限于黄斑部，而且可以对视神经乳头应用相同处理。此外，处理可应用于同时出现黄斑部和视神经乳头的图像。另外，将说明对要获取的整个三维(3D)断层图像应用分析处理的情况。然而，在其它结构中，可以从3D断层图像选择感兴趣的二维OD)断层图像(以下将2D断层图像称为横断面图像)，并且可以对所选择的横断面图像应用处理。例如，可以对包括预先确定的眼底的特定部(例如中央凹)的横断面图像应用处理。在这种情况下，要检测的层的边界和正常结构、以及正常状态下的数据等是与该横断面有关的2D数据。图1中示出的图像处理设备10经由诸如Khernet 等的局域网(LAN) 40与断层图像摄像设备20、眼底图像拍摄设备30和数据服务器50连接以建立图像处理系统。注意， 图像处理设备10可以经由诸如光纤、USB或IEEE1394等的接口与这些设备连接。另外，图像处理设备10可以经由诸如因特网等的外部网络与这些设备连接。
断层图像摄像设备20获得眼部的断层图像，并且例如包括时域OCT或傅立叶域 OCT。眼底图像拍摄设备30拍摄眼部的眼底图像，并且包括例如眼底照相机或SL0。数据服务器50保持被检眼的断层图像和图像特征量等。数据服务器50存储从断层图像摄像设备 20所输出的被检眼的断层图像、以及从图像处理设备10所输出的分析结果。另外，数据服务器50响应于来自图像处理设备10的请求，将与被检眼相关联的先前的数据发送给图像处理设备10。下面将说明构成图像处理设备10的结构的各个功能块。图像处理单元200通过从眼底图像检测病变部和血管的特征量来对眼底进行疾病判断，并且根据该判断结果执行用于分析断层图像的预定层的处理。ETBE(被检眼)信息获取单元210从外部获取为识别被检眼所使用的信息。图像获取单元220包括断层图像获取单元221和眼底图像获取单元 222。图像获取单元220获取从断层图像摄像设备20所发送的断层图像和从眼底图像拍摄设备30所发送的眼底图像。指示获取单元230获取操作者所输入的处理指示。存储单元 240临时保持由ETBE信息获取单元210所获取的与被检眼相关联的信息、以及由图像获取单元220所获取的被检眼的断层图像和眼底图像。显示单元270将由图像获取单元220所获取的断层图像和图像处理单元200对断层图像的处理结果显示在监视器上。结果输出单元280将检查日期和时间、识别被检眼所使用的信息、被检眼的断层图像、以及由图像处理单元200所获得的分析结果作为要存储的信息而相互关联，并且将该信息发送给数据服务器50。下面将参考图2说明构成图像处理单元200的各个功能块。投影图像生成单元251 通过在深度方向上对断层图像进行积分生成投影图像，以进行眼底图像和断层图像之间的配准。区域指定单元252基于特征提取单元257的提取结果，指定断层图像中病变部和血管的区域。层结构强调单元253基于表示视网膜包括层结构的解剖学特征，根据断层图像来强调视网膜的层结构。层结构检测单元2M根据断层图像检测预定层，以对视网膜层的厚度和体积等定量。层结构修改单元255在断层图像的区域中例如发生信号亮度衰减的位置处，修改由层结构检测单元2M检测到的层的检测结果。定量单元256基于层结构检测单元254的结果，计算层厚度、面积和体积。特征提取单元257根据由投影图像生成单元251 所生成的投影图像和由眼底图像拍摄设备30所拍摄的眼底图像，检测血管和病变部。病变部包括白斑、脉络膜小疣和出血。配准单元258基于由特征提取单元257所提取的血管特征和特征部，进行投影图像和眼底图像之间的配准。第一判断单元259基于由特征提取单元257所提取的特征，判断要由层结构检测单元2M检测的层的种类。注意，后面将详细说明要由各个功能块执行的处理的详细内容。下面将参考图3中示出的流程图说明图像处理设备10的处理序列。该处理序列获取被检眼的断层图像和眼底图像，并且根据断层图像生成投影图像以进行断层图像和眼底图像之间的配准。然后，该处理序列从眼底图像和投影图像检测为了判断是否存在疾病和疾病的种类所需的解剖学信息，基于该判断结果确定要测量的层，并且对预定层执行分析处理。在步骤S301，ETBE信息获取单元210从外部获取被检者识别号码作为识别被检眼所使用的信息。单元210基于被检者识别号码获取由数据服务器50所保持的与被检眼相关联的信息。与被检眼相关联的信息包括例如患者的姓名、年龄、性别、以及作为检查对象的右眼或左眼。此外，当作为其它检查信息的视力、眼轴长度和眼压等的测量数据存在时， 单元210可以获取这些测量数据。然后，单元210将所获取的信息发送给存储单元M0。在步骤S302，断层图像获取单元221获取从断层图像摄像设备20所发送的断层图像，并且眼底图像获取单元222获取从眼底图像拍摄设备30所发送的眼底图像。这些单元 221和222将所获取的信息发送给存储单元M0。在假定由图像获取单元220所获取的断层图像和眼底图像是由ETBE信息获取单元210所识别的被检眼的断层图像和眼底图像的前提下，给出下面的说明。另外，假定断层图像包括与断层图像摄像相关联的各种参数作为信息，并且眼底图像包括与眼底图像的拍摄相关联的各种参数作为信息。在步骤S303，投影图像生成单元251通过在深度方向上对各个横断面图像(例如， B-扫描图像)进行积分生成投影图像，以进行眼底图像和断层图像之间的配准。下面将参考图5A和5B说明投影图像生成单元251的处理。图5A和5B示出断层图像和投影图像的例子。图5A示出横断面图像T1 Tn，并且图5Β示出基于横断面图像T1 Tn所生成的投影图像P。深度方向与图5Α中的ζ方向一致，并且在深度方向上对图像进行积分是用于对图 5Α的ζ方向上各个深度位置处的光强度(亮度值)求和的处理。可以利用通过将各个深度位置处的亮度简单相加所获得的值或者通过将该和除以加数的数量所获得的平均值来定义投影图像P。为获得投影图像P，不需要将深度方向上的所有像素的亮度相加，而是可以仅将任意范围内的像素的亮度相加。例如，可以预先检测整个视网膜层，并且可以仅将视网膜层中的亮度相加。此外，可以仅将视网膜层中的任意层中的亮度相加。投影图像生成单元251通过执行用于在深度方向上对由断层图像摄像设备20所拍摄的横断面图像T1 Tn 进行积分的处理，生成投影图像P。图5Β中的投影图像P表现了越大的积分值表示越高的亮度，并且越小的积分值表示越低的亮度。图5Β中的投影图像P中的曲线V表示血管，并且该图像中心的圆圈M表示黄斑部。断层图像摄像设备20通过使用光接收元件接收由低相干光源所发射的光的反射光，获取眼部的横断面图像T1 Τη。在血管存在的位置处，比血管更深的位置处的光的反射光亮度趋于变弱，并且通过在ζ方向上对它们进行积分所获得的值小于没有血管存在的位置处的值。为此，通过生成投影图像P，可以获得在血管和其它部之间具有对比度的图像。在步骤S304，特征提取单元257从由投影图像生成单元251所生成的投影图像和由眼底图像拍摄设备30所拍摄的眼底图像提取表示血管和病变部的特征量。病变部包括白斑、脉络膜小疣和出血。在OCT断层图像中，在诸如这些血管和病变部等的吸收物质后方，通常生成由信号的衰减或损失所导致的伪影。为此，从眼底图像和投影图像提取良好表示它们的特征量，并且在确定层结构时，使用这些区域作为遮蔽区域。此外，在下一步骤 S305中的眼底图像和投影图像之间的配准时，还使用这些特征量作为特征。由于血管具有细线结构，所以使用强调线状结构的滤波器来提取血管。作为强调线状结构的滤波器，使用如下的滤波器，其中，该滤波器计算假定为结构元素的线段上的图像浓度值的平均值与围绕该结构元素的局部区域中的平均值之间的差。然而，本发明不局限于此，并且可以使用诸如Sobel滤波器等的差分滤波器。可选地，可以针对浓度值图像的各个像素计算Hessian 矩阵的特征值，并且可以基于作为结果所获得的两个特征值的组合提取线状区域。此外，可以进行单纯具有线段作为结构元素的顶帽(top hat)运算。作为图像特征，作为病变部的白斑区域局部存在于眼底图像中，并且与周围区域相比具有更高的亮度。因此，可以通过关注这些图像特征来实现白斑提取。可以使用各种提取方法。例如，可以使用对眼底图像的R、G和B成分中的一个应用顶帽运算的方法。顶帽运算计算原始图像与通过向浓度图像应用形态学运算所获得的输出图像之间的各个像素的浓度值差。在应用顶帽运算之后的图像中，由于白斑中所包括的像素具有比其它像素更高的信号，所以可以通过对该图像应用阈值处理来提取白斑区域。利用上述处理，可以提取良好表示白斑区域的特征量。类似地，可以作为解剖学特征量提取脉络膜小疣和出血等。作为从眼底图像所获得的解剖学特征，脉络膜小疣具有白色块状图像特征。作为出血区域的图像特征，与非出血区域相比，出血区域在各R、G和B成分中具有较低的浓度值，并且与血管部的浓度值相比，严重出血区域具有相当低的浓度值。 这样，可以在关注投影图像的像素值的同时提取诸如白斑、脉络膜小疣和出血等的病变部。表示这些血管和病变部的特征量的提取方法不局限于上述方法。另外，该方法不必仅局限于一个方法，并且可以组合多个方法。对于病变部，仅需要从投影图像或眼底图像提取病变部，并且可以通过组合这两个提取结果来指定断层图像中的病变位置。注意，除血管和病变部以外，特征提取单元257还可以提取黄斑部和视神经乳头等。配准单元258可以使用这些黄斑部和视神经乳头位置作为在投影图像和眼底图像之间配准时的特征量，或者可以使用黄斑部和视神经乳头位置作为特征量来减少病变部的检测错误。当不能从眼底图像提取层结构检测中所使用的有效特征量(血管和病变部)时，在跳过下一步骤S305的处理的同时执行步骤S306中的处理。在步骤S305，配准单元258进行投影图像和眼底图像之间的配准。当将眼底图像定义为基准图像时，可以通过计算投影图像的比例尺(sx，sy)、位置坐标(x，y)和转动(rot) 参数，实现投影图像和眼底图像之间的配准。为了配准图像的位置，提取具有解剖学特征的区域。作为代表性的解剖学特征之一，本发明关注血管。使用分别从投影图像和眼底图像所提取的血管，配准图像。在进行配准时，预先定义表示两个图像之间的相似性的评价值， 并且将图像变形以获得最佳评价值。作为评价值，可以使用表示通过上述处理所获得的投影图像血管区域和眼底图像血管区域之间的重叠程度的值和在关注诸如血管的分支部等的具有特征几何形状的区域时相应标志之间的距离等。在本实施例中，使用血管作为具有解剖学特征的区域。可选地，可以使用诸如视神经乳头区域等的其它解剖学特征、或者由疾病所导致的白斑或出血区域。此外，代替仅关注诸如血管等的解剖学特征，可以使用根据整个图像所计算出的评价值，例如，亮度的均方误差、相关系数或相互信息量。在步骤S306，区域指定单元252将由特征提取单元257所提取的血管和病变部逆投影至OCT断层图像。结果，可以将从眼底图像和投影图像所获得的血管和病变部作为遮蔽区域设置在断层图像上。第一判断单元259在步骤S307使用由特征提取单元257所提取的特征量，判断是否检测到了病变部、以及所检测到的病变部的种类，并且选择通过层结构检测单元2M要检测的层的种类。为了判断是否存在病变部及其种类，使用诸如支持向量机等的识别器和基于例如AdaBoost构建的识别器集合。例如，当要提取白斑区域时，使用可以强调下面的区域的各种图像滤波器的输出结果作为特征量，其中，在该区域中，眼底图像的R、G和B成分的浓度值或者R、G和B成分的亮度对比度高。然后，使用识别器或者其集合判断各像素是否属于白斑。此外，使被判断为属于白斑的所有像素经过聚类以再次识别各簇是否属于白斑区域。此时，使用各簇中的亮度的平均值或方差、或者各簇内部和外部的区域之间的亮度对比度作为特征量。当作为第一判断单元259的判断结果没有检测到病变部时，层结构检测单元254 检测内界膜1、神经纤维层边界2、内丛状层边界3、外丛状层边界4、光感受器的内节和外节之间的接合部5、以及视网膜色素上皮边界6。当检测到了病变部时，单元2M检测内界膜1 和视网膜色素上皮边界6。此外，当作为病变部检测到脉络膜小疣时，由于视网膜发生年龄相关性黄斑变性，所以视网膜色素上皮边界6具有凹凸形状。为此，与视网膜色素上皮边界 6的检测同时，估计视网膜色素上皮边界6的正常结构。如果第一判断单元259判断为眼底的状态正常，则处理进入步骤S308 ；如果判断为眼底的状态异常，则处理进入步骤S309。在步骤S308，执行在视网膜的状态正常时的分析处理。后面将参考图4A中示出的流程图说明该步骤中的处理。在步骤S309，执行在视网膜的状态异常时的分析处理。后面将参考图4B中示出的流程图说明该步骤中的处理。在步骤S310，指示获取单元230从外部获取关于是否将与被检眼相关联的当前处理的结果存储在数据服务器50中的指示。操作者通过使用用户界面(未示出)来输入该指示。如果操作者指示存储该结果，则处理进入步骤S311 ；否则，处理跳至步骤S312。在步骤S311，结果输出单元观0将检查的日期和时间、识别被检眼所使用的信息、 被检眼的断层图像和眼底图像、以及由图像处理单元200所获得的分析结果相互关联作为要存储的信息，并且将该信息发送给数据服务器50。在步骤S312，指示获取单元230从外部获取关于是否结束图像处理设备10的断层图像分析处理的指示。操作者使用用户界面 (未示出)输入该指示。如果单元230获取用于结束该处理的指示，则图像处理设备10结束其处理。另一方面，如果单元230获取用于继续该处理的指示，则处理返回到步骤S301 以执行针对下一被检眼的处理(或者针对当前被检眼的再处理)。如上所述，执行图像处理设备10的处理。下面将参考图4A详细说明步骤S308的处理内容。在步骤S410，层结构强调单元 253根据断层图像强调视网膜的层结构。为了强调视网膜的层结构，使用基于Hessian矩阵的特征值的层结构强调滤波器。该滤波器可以基于Hessian矩阵的三个特征值(λ” λ 2， λ 3)之间的关系强调3D浓度分布的二次局部结构。如下给出Hessian矩阵
权利要求
1.一种图像处理设备，其分析被检眼的视网膜层，所述图像处理设备包括特征提取部件，用于从根据所述视网膜层的断层图像所获得的投影图像和所述被检眼的眼底图像，提取表示所述被检眼中的解剖学特征的特征量；判断部件，用于基于所述特征量来判断所述解剖学特征的种类； 层结构检测部件，用于根据判断出的所述解剖学特征的种类确定所述视网膜层中要检测的层，并且在所述断层图像中检测所确定的层的结构；以及层结构修改部件，用于修改由所述层结构检测部件所检测到的层的结构中、包括在具有所述解剖学特征的区域中的层的结构。
2.根据权利要求1所述的图像处理设备，其特征在于，当所述解剖学特征包括血管时， 所述特征提取部件使用强调线状结构的滤波器提取所述血管的特征量，以及所述层结构修改部件通过使用与所述区域邻接并与所述血管邻接的层的边界进行插值来限制搜索范围、并且在所述搜索范围内重新检测层结构，修改与所述血管邻接的层的结构。
3.根据权利要求1或2所述的图像处理设备，其特征在于，当所述解剖学特征包括病变部时，所述特征提取部件基于像素值提取所述病变部的特征量，以及所述层结构修改部件通过使用所检测到的层的与所述区域邻接的边界进行插值，修改包括在所述区域中的层的结构。
4.根据权利要求1 3中任一项所述的图像处理设备，其特征在于，所述特征提取部件提取所述特征量，作为反映所述被检眼中存在所述解剖学特征的可能性的值，以及所述层结构修改部件对包括在所述可能性不小于预定值的区域中的层的结构进行修改。
5.根据权利要求1 3中任一项所述的图像处理设备，其特征在于，还包括层结构更新部件，所述层结构更新部件用于更新由所述层结构修改部件修改后的层的结构，其中，所述层结构更新部件使用形成由所述层结构检测部件所检测到的层的检测点， 指定使基于图像能和形状能中至少一个所计算出的能量值最小化的层边界，并且基于所指定的层边界来更新由所述层结构修改部件修改后的层的结构，其中，所述图像能基于将所述检测点夹在中间的层中的亮度的方差和所述检测点处的亮度梯度，所述形状能表示通过连接所述检测点所形成的层的形状的平滑度。
6.一种图像处理设备，其分析被检眼的视网膜层，所述图像处理设备包括特征提取部件，用于从根据所述视网膜层的断层图像所获得的投影图像，提取表示所述被检眼中的解剖学特征的特征量；层结构检测部件，用于从所述断层图像检测所述视网膜层中的层的结构； 信息提取部件，用于基于由所述层结构检测部件所检测到的层的结构，提取预定层之间的亮度信息和层的形状信息；判断部件，用于基于所述特征量、所述亮度信息和所述形状信息，判断在所述视网膜层中是否存在病变部和所述病变部的种类；以及层结构修改部件，用于根据所述判断部件的判断结果，修改由所述层结构检测部件所检测到的层的结构，其中，当所述判断部件判断为存在所述病变部时，所述层结构修改部件修改由所述层结构检测部件所检测到的层的一部分结构。
7.根据权利要求6所述的图像处理设备，其特征在于，所述特征提取部件还从所述被检眼的眼底图像提取所述特征量，当所述解剖学特征包括血管时，所述特征提取部件使用强调线状结构的滤波器提取所述血管的特征量，以及当所述解剖学特征包括病变部时，所述特征提取部件基于像素值提取所述病变部的特征量。
8.一种图像处理设备的控制方法，所述图像处理设备分析被检眼的视网膜层，所述控制方法包括以下步骤提取步骤，用于从根据所述视网膜层的多个断层图像所获得的投影图像和所述被检眼的眼底图像，提取表示所述被检眼中的解剖学特征的特征量；判断步骤，用于基于所述特征量来判断所述解剖学特征的种类； 确定步骤，用于根据判断出的所述解剖学特征的种类确定所述视网膜层中要检测的层，并且在所述断层图像中检测所确定的层的结构；以及修改步骤，用于修改所检测到的层的结构中、包括在具有所述解剖学特征的区域中的层的结构。
9.一种图像处理设备的控制方法，所述图像处理设备分析被检眼的视网膜层，所述控制方法包括以下步骤提取步骤，用于从根据所述视网膜层的多个断层图像所获得的投影图像，提取表示所述被检眼中的解剖学特征的特征量；检测步骤，用于从所述断层图像检测所述视网膜层中的层的结构； 提取步骤，用于基于所检测到的层的结构，提取预定层之间的亮度信息和层的形状信息；判断步骤，用于基于所述特征量、所述亮度信息和所述形状信息，判断在所述视网膜层中是否存在病变部和所述病变部的种类；以及修改步骤，用于根据所述判断结果，修改在所述检测步骤中所检测到的层的结构， 其中，在所述修改步骤中，当判断为存在所述病变部时，修改在所述检测步骤中所检测到的层的一部分结构。
10.一种用于使计算机用作根据权利要求1 7中任一项所述的图像处理设备的计算机程序。
全文摘要
一种图像处理设备，其分析被检眼的视网膜层，包括特征提取部件，用于从根据所述视网膜层的断层图像所获得的投影图像和所述被检眼的眼底图像提取表示所述被检眼的解剖学特征的特征量；判断部件，用于基于所述特征量来判断所述解剖学特征的种类；层结构检测部件，用于根据判断出的所述解剖学特征的种类，从所述视网膜层中确定要检测的层，并且检测所述断层图像中所确定的层的结构；以及层结构修改部件，用于修改下面的区域中所包括的层的结构，其中，所述区域具有由所述层结构检测部件所检测到的层的结构的所述解剖学特征。
文档编号G01N21/17GK102458225SQ20108002464
公开日2012年5月16日 申请日期2010年5月13日 优先权日2009年6月2日
发明者今村裕之, 古川大介, 岩濑好彦 申请人:佳能株式会社
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
