JP7140512B2 - 画像処理装置、画像処理方法及びプログラム - Google Patents

Description

本明細書の開示は、画像処理装置、画像処理方法及びプログラムに関する。

特許文献１には、断層画像から所定の血管が動脈か静脈かを判定する方法が開示されている。

特願２０１５－２０７５７２号公報

しかしながら、ＯＣＴ Ａｎｇｉｏｇｒａｐｈｙ（ＯＣＴＡ）により得られたモーションコントラスト画像から所定の血管が動脈か静脈かを判定する技術は知られていなかった。

本明細書の開示は、上記の課題に鑑みてなされたものであり、所定の血管が動脈か静脈かという判定をモーションコントラスト画像に基づいて支援することを目的の１つとする。

なお、前記目的に限らず、後述する発明を実施するための形態に示す各構成により導かれる作用効果であって、従来の技術によっては得られない作用効果を奏することも本明細書の開示の他の目的の１つとして位置付けることができる。

本明細書に開示の画像処理装置は、眼底のモーションコントラスト画像を取得する取得手段と、前記モーションコントラスト画像における血管に相当する領域から所定距離以内の領域である評価領域のモーションコントラスト値の代表値に基づいて前記血管が動脈か静脈かを判定する判定手段と、を備え、前記代表値は、前記評価領域におけるモーションコントラスト値の平均値である。

所定の血管が動脈か静脈かという判定をモーションコントラスト画像に基づいて支援することが可能となる。

装置構成の一例を示す図である。 ＯＣＴＡ撮像時のスキャンの一例を示す図である。 モーションコントラスト画像の一例を説明するための図である。 モーションコントラスト画像の取得手順の一例を示す図である。 モーションコントラスト画像の重ね合せ手順の一例を示す図である。 動脈・静脈の判定方法の一例を説明するための図である。 動脈・静脈の判定手順の一例を示す図である。 ＦＡＺ検出手順の一例を示す図である。 血管分類の一例を説明するための図である。 動脈・静脈の判定方法の一例を説明するための図である。 動脈・静脈の判定手順の一例を示す図である。

ＯＣＴＡ画像を取得する為の装置構成を説明する。次に、ＯＣＴ情報から、ＭＣ画像を取得する方法の全体を説明し、順次、詳細フローを説明する。

［ハード構成］
図１（ａ）は装置構成の一例を示す図である。光源００１はＳＬＤ光源であり、カプラ００２によって、所望の分岐比の下、光を測定光と参照光とに分岐する。測定光は、カプラ００２を通過しコリメータ０２１よりサンプル光学系１０２へ出射される。サンプル光学系１０２には、フォーカスレンズ０２２、角度可変であるＸガルバノメトリックミラー０２３とＹガルバノメトリックミラー０２４、対物レンズ系を形成するレンズ０２５、レンズ０２６が配置され、これらを経由して被検眼０２７の眼底上に測定光によるビームスポットが形成される。ここで、眼底上に導かれたビームスポットは、Ｘガルバノメトリックミラー０２３とＹガルバノメトリックミラー０２４の駆動により、眼底上で２次元に走査される。被検眼０２７の眼底で反射散乱した測定光は、サンプル光学系１０２を介した後、カプラ００２へ導かれる。参照光は、参照光学系１０３へ導かれ、コリメータレンズ０３１によりコリメート光となり、ＮＤフィルター０３２を通過し所定光量に減衰される。その後、参照光はコリメートされた状態を保持したまま、光軸方向に移動可能でサンプル光学系１０２との光路長差を補正することができるミラー０３３で反射され、同じ光路へ折り返される。折り返された参照光は、ＮＤフィルター０３２、コリメータレンズ０３１を介した後、カプラ００２へ導かれる。

カプラ００２へ戻ってきた測定光と参照光は、カプラ００２により合波され、検出系（もしくは分光器）１０４に導かれる。合波された光はコリメータ０４２により出射され、回折格子０４３にて分光された後、レンズ０４４を介してラインセンサ０４５で受光され、干渉信号として出力される。尚、ラインセンサ０４５は、各画素が回折格子０４３によって分光された光の波長成分に対応して受光するように配置されている。

図１（ｂ）は画像処理装置を含む装置構成の一例を示す図である。ＯＣＴ光学系にはフォーカスレンズ０２２を移動させるためのフォーカス駆動手段０６１が、Ｘガルバノメトリックミラー０２３、Ｙガルバノメトリックミラー０２４を駆動するためのガルバノメトリックミラー駆動手段０６２が、ミラー０３３を光軸方向に移動させるためのミラー駆動手段０６３が、各々設けられている。各々の駆動手段と光源００１、ラインセンサ０４５、サンプリング部０５１、メモリ０５２、信号処理手段０５３、操作入力手段０５６、モニタ０５５などは制御手段０５４に接続されて装置全体の動きが制御されている。ここで、画像処理装置は信号処理手段０５３，制御手段０５４を含むものである。なお、サンプリング部０５１、メモリ０５２、モニタ０５５および操作入力手段０５６の少なくとも１つを画像処理装置が含むこととしてもよい。なお、信号処理手段０５３および制御手段０５４は画像処理装置に備えられたＣＰＵ等のプロセッサがメモリに記憶されたプログラムを実行することで実現される。なお、ＣＰＵ等のプロセッサはメモリに記憶されたプログラムを実行することでサンプリング部０５１として機能することとしてもよい。

ラインセンサ０４５からの出力信号は、ガルバノメトリックミラー駆動手段０６２によって駆動された任意のガルバノメトリックミラー駆動位置について、サンプリング部０５１により干渉信号として出力される。続いて、ガルバノメトリックミラー駆動手段０６２によってガルバノメトリックミラー駆動位置がオフセットされ、その位置における干渉信号が出力される。以降はこの繰り返しで干渉信号が次々に生成される。サンプリング部０５１で生成された干渉信号は、メモリ０５２にガルバノメトリックミラー駆動位置とともに記憶される。メモリ０５２に記憶された干渉信号は、信号処理手段０５３により、周波数解析され、被検眼０２７の眼底の断面像となり、モニタ０５５に表示される。ガルバノメトリックミラー駆動位置情報によって、３次元の眼底ボリューム像を生成し、モニタ０５５に表示することもできる。

制御手段０５４は、撮影中の任意のタイミングでバックグラウンドデータを取得する。バックグラウンドデータとは、被検体に測定光が入射しない状態の信号、即ち参照光のみの信号を指し、例えばガルバノメトリックミラー駆動手段０６２によりガルバノメトリックミラーを駆動し、サンプル光学系から測定光が戻らないように測定光の位置を調整した状態で信号取得を行うことでバックグラウンドデータを取得する。

［スキャン例］
次に、図２を用いて本実施形態のスキャンパターンの一例を説明する。なお、以下に例示する数値は一例であり他の数値に変更することができる。図２（ａ）は任意のスキャンについて、図２（ｂ）は本実施例で具体的に実行した数値を反映させたスキャンパターンを示す図である。ＯＣＴＡでは血流によるＯＣＴ干渉信号の時間変化を計測するため、同じ場所で複数回の計測が必要となる。本実施形態ではＯＣＴ装置は同じ場所でのＢスキャンをｍ回繰り返しつつ、ｎ箇所のｙポジションに移動するスキャンを行う。具体的なスキャンパターンを図２（ａ）に示す。眼底平面上でｙ１～ｙｎのｎ箇所のｙポジションについて、Ｂスキャンをｍ回繰り返す。ｍが大きいと同じ場所での計測回数が増えるため、血流の検出精度が向上する。その一方でスキャン時間が長くなり、スキャン中の眼の動き（固視微動）により画像にモーションアーチファクトが発生する問題と被検者の負担が増える問題が生じる。本実施形態では両者のバランスを考慮してｍ＝４（図２（ｂ））として実施した。

なお、ＯＣＴ装置のＡスキャン速度、被検体０２７の眼底表面画像の運動解析に応じて、繰り返し数ｍを変更してもよい。図２においてｐは１つのＢスキャンにおけるＡスキャンのサンプリング数を示している。すなわち、ｐ×ｎにより平面画像サイズが決定される。ｐ×ｎが大きいと、同じ計測ピッチであれば広範囲がスキャンできるが、スキャン時間が長くなり、上述のモーションアーチファクトおよび患者負担の問題が生じる。本実施形態では両者のバランスを考慮してｎ＝ｐ＝３００として実施した。なお、上記ｎ，ｐは適宜自由に変更が可能である。また、図２（ａ）におけるΔｘは隣り合うｘポジションの間隔（ｘピッチ）であり、Δｙは隣り合うｙポジションの間隔（ｙピッチ）である。本実施形態ではｘピッチ、ｙピッチは眼底における照射光のビームスポット径の１／２として決定し、本実施例では、１０μｍ（図２（ｂ））とする。ｘピッチ、ｙピッチを眼底上ビームスポット径の１／２とすることで生成する画像を高精細に形成することができる。ｘピッチ、ｙピッチを眼底ビームスポット径の１／２より小さくしても生成する画像の精細度をそれ以上高くする効果は小さい。逆にｘピッチ、ｙピッチを眼底ビームスポット径の１／２より大きくすると精細度は悪化するが、小さなデータ容量で広い範囲の画像を取得することができる。臨床上の要求に応じてｘピッチ、ｙピッチを自由に変更してもよい。本実施形態のスキャン範囲は、ｘ方向がｐ×Δｘ＝３ｍｍ、ｙ方向がｎ×Δｙ＝３ｍｍである（図２（ｂ）参照）。

［ＯＣＴＡ画像取得］
次に、ＯＣＴＡ画像３０１を生成する方法について、図４を用い説明する。ステップＳ４０１において、信号処理手段０５３はポジションｙ_ｋにおける繰り返しＢスキャン干渉信号（ｍ枚分）を抜き出す。ステップＳ４０２において、信号処理手段０５３はｊ番目の断層データを抜き出す。ステップＳ４０３において、信号処理手段０５３は取得したバックグラウンドデータを上記干渉信号から減算する。ステップＳ４０４において、信号処理手段０５３は、バックグラウンドを減算した干渉信号に対して波数関数に変換処理を施し、フーリエ変換を行う。本実施例では高速フーリエ変換（ＦＦＴ：Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍ）を適用する。尚、フーリエ変換前にゼロパディング処理を施し、干渉信号を増長させても良い。ゼロパディング処理を施すことでフーリエ変換後の階調性が増し、後述するステップ４０９において位置合わせ精度を向上させることが出来る。ステップＳ４０５において、信号処理手段０５３は、ステップＳ４０４にて実行したフーリエ変換によって得られる複素信号の絶対値を計算する。この値が当該スキャンの断層像のＩｎｔｅｎｓｉｔｙとなる。ステップＳ４０６において、信号処理手段０５３はインデックスｊが、所定数（ｍ）に到達したかを判断する。すなわち、ポジションｙ_ｋでの断層画像のＩｎｔｅｎｓｉｔｙ計算がｍ回繰り返されたかを判断する。所定数に満たない場合はＳ４０２に戻り、同一Ｙ位置における断層画像のＩｎｔｅｎｓｉｔｙ計算を繰り返す。所定数に達した場合は、次ステップへ進む。

ステップＳ４０７において、信号処理手段０５３はあるｙ_ｋポジションにおけるｍフレームの同一断層画像の中で、画像の類似度を計算する。具体的には、信号処理手段０５３はｍフレームの断層画像の内の任意の一枚をテンプレートとして選択し、残りのｍ－１フレームの画像との相関値を算出する。なお、相関値の算出方法は他の方法であってもよい。ステップＳ４０８において、信号処理手段０５３はステップＳ４０７で算出した相関値の中で、一定の閾値以上である相関の高い画像を選択する。閾値は任意に設定が可能であり、被検者の瞬きや固視微動によって画像としての相関が低下したフレームを排除することができるように設定する。前述したように、ＯＣＴＡでは、被験体組織のうち流れのある組織（例えば血液）と流れのない組織の間の対比を、画像間の相関値に基づき区別する技術である。即ち、流れの無い組織は画像間で相関が高いという前提の上で流れのある組織を抽出するため、画像として相関が低い場合、ＭＣ（モーションコントラスト）を計算する際に誤検出となり、あたかも画像全体が流れのある組織であるかのように判定してしまう。このステップではそうした誤検出を回避するために、予め画像として相関の低い断層画像を排除し、相関の高い画像のみを選択する。画像選択の結果、同一ポジションｙ_ｋで取得されたｍフレームの画像は適宜取捨選択され、ｑフレームの画像となる。ここで、ｑの取りうる値は、１≦ｑ≦ｍである。

ステップＳ４０９において、信号処理手段０５３は、ステップＳ４０８にて選択されたｑフレームの断層画像の位置合わせを行う。位置合わせのテンプレートとして選択するフレームは、互いに全ての組み合わせで相関を計算し、フレーム別に相関係数の和を求め、その和が最大となるフレームを選択してもよい。次に、テンプレートでフレーム毎に照合し位置ずれ量（δＸ、δＹ、δθ）を求める。具体的にはテンプレート画像の位置と角度を変えながら類似度を表す指標であるＮｏｒｍａｌｉｚｅｄ Ｃｒｏｓｓ－Ｃｏｒｒｅｌａｔｉｏｎ（ＮＣＣ）を計算し、この値が最大となるときの画像位置の差を位置ずれ量として求める。本発明では、類似度を表す指標は、テンプレートとフレーム内の画像の特徴の類似性を表す尺度であれば種々変更が可能である。例えばＳｕｍ ｏｆ Ａｂｓｏｌｕｔｅ Ｄｉｆｆｅｒｅｎｃｅ（ＳＡＤ）、Ｓｕｍ ｏｆ Ｓｑｕａｒｅｄ Ｄｉｆｆｅｒｅｎｃｅ（ＳＳＤ）、Ｚｅｒｏ－ｍｅａｎｓ Ｎｏｒｍａｌｉｚｅｄ Ｃｒｏｓｓ－Ｃｏｒｒｅｌａｔｉｏｎ（ＺＮＣＣ）、Ｐｈａｓｅ Ｏｎｌｙ Ｃｏｒｒｅｌａｔｉｏｎ（ＰＯＣ）、Ｒｏｔａｔｉｏｎ Ｉｎｖａｒｉａｎｔ Ｐｈａｓｅ Ｏｎｌｙ Ｃｏｒｒｅｌａｔｉｏｎ（ＲＩＰＯＣ）等を用いてもよい。

次に信号処理手段０５３は位置ずれ量（δＸ、δＹ、δθ）に応じて位置補正をテンプレート以外の（ｑ－１）フレームに適用し、フレームの位置合わせを行う。ｑが１である場合はこのステップは実行されない。

ステップＳ４１０において信号処理手段０５３はＭＣを計算する。ＭＣは例えば断層画像間の輝度の脱相関を示す値である。本実施例では、ステップＳ４０８で選択し、ステップＳ４０９で位置合わせを行ったｑフレームのＩｎｔｅｎｓｉｔｙ画像間において、同じ位置のピクセルごとに分散値を計算し、その分散値をＭＣとする。ＭＣの求め方は種々あり、本発明においてＭＣは同一Ｙ位置での複数の断層画像の各ピクセルの輝度値の変化を表す指標であれば適用が可能である。尚、ｑ＝１の時、即ち、瞬きや固視微動の影響のために画像として相関が低く、同一ポジションｙ_ｋの位置においてＭＣの計算が不可能な場合は異なる処理を行う。例えば、特徴量を０としてステップを終了しても良いし、前後ｙ_ｋ－１、ｙ_ｋ＋１の画像におけるＭＣが得られる場合、前後の分散値から値を補間しても良い。この場合、正しく計算できなかった特徴量は補完値であるとして異常を通知しても良い。また、特徴量の計算が出来なかったＹ位置を記憶しておき、自動で再スキャンを行っても良い。或いは、自動の再スキャンを行うことをせず、再測定を促す警告を出しても良い。

ステップＳ４１１において、信号処理手段０５３はステップＳ４０９にて位置合わせを行ったＩｎｔｅｎｓｉｔｙ画像を平均化し、Ｉｎｔｅｎｓｉｔｙ平均化画像を生成する。

ステップＳ４１２において信号処理手段０５３は、ステップＳ４１０で出力したＭＣの閾値処理をする。閾値の値は、信号処理手段０５３がステップＳ４１１で出力したＩｎｔｅｎｓｉｔｙ平均化画像からノイズフロアでランダムノイズのみが表示されているエリアを抽出し、標準偏差σを計算し、ノイズフロアの平均輝度（ｉｎｔｅｎｓｉｔｙ）値＋２σと設定する。信号処理手段０５３は、各Ｉｎｔｅｎｓｉｔｙが上記閾値以下の領域に対応したＭＣの値を０に設定する。この閾値処理により、ランダムノイズに由来するＭＣを除去することでノイズを軽減することができる。閾値の値は小さいほどＭＣの検出感度は上がる一方、ノイズ成分も増す。また、大きいほどノイズは減るがＭＣ検出の感度は下がる。本実施例では閾値をノイズフロアの平均輝度（ｉｎｔｅｎｓｉｔｙ）値＋２σとして設定したが、閾値はこれに限るものではない。

ステップＳ４１３において、信号処理手段０５３はインデックスｋが、所定数（ｎ）に到達したかを判断する。すなわち、ｎ箇所の全てのＹ位置において、画像相関度計算、画像選択、位置合わせ、Ｉｎｔｅｎｓｉｔｙ画像平均化計算、ＭＣの計算、及び閾値処理を行ったかを判断する。所定数に満たない場合はＳ４０１に戻り、所定数に到達した場合は、次のステップＳ４１４へ進む。ステップＳ４１３を終了した時点で、すべてのＹ位置での断層画像におけるＩｎｔｅｎｓｉｔｙ平均画像とＭＣの３次元ボリュームデータ（３次元ＯＣＴＡデータ）が生成されたことになる。なお、３次元のＭＣ画像は、ＭＣの３次元ボリュームデータの一例である。ステップＳ４１４では、信号処理手段０５３は、生成された３次元のＯＣＴＡデータに対し、深さ方向に積算したＭＣ正面画像（ＭＣのＥｎＦａｃｅ画像）を生成する。すなわち、信号処理手段０５３は、眼底のモーションコントラスト画像を取得する取得手段の一例に相当する。図３（ａ）は、ＭＣ正面画像の一例である。この時、ＭＣ正面画像の生成にあたり、積算する画像深さ範囲は任意に設定して良い。例えば、信号処理手段０５３は、ステップＳ４１１にて生成されたＩｎｔｅｎｓｉｔｙの平均化画像を元に眼底網膜の層境界を抽出し、所望の層を含むようにＭＣ正面画像を生成する。ＭＣ正面画像を生成した後、信号処理手段０５３は信号処理フローを終了する。以上説明した装置構成、撮影方法、信号処理手順を用いることにより、所望領域においてＭＣ画像（ＯＣＴＡ画像）を取得することが可能となる。なおＭＣ画像には３次元のＭＣ画像およびＥｎＦａｃｅ画像のような２次元のＭＣ画像を含む。本実施例では、ｍ＝４の条件下でＯＣＴＡ画像を取得している。

黄斑部を撮像した３次元のＯＣＴＡデータに対して、図３（ｂ）の様に、積算する深さ範囲を網膜表層側の数層（内境界膜３０２からＩＮＬ中心部３０３）に限定すると図３（ａ）のような網膜表層（Ｓｕｐｅｒｆｉｃｉａｌ Ｃａｐｉｌｌａｒｙ）のＭＣ正面画像が得られる。信号処理手段０５３は、ＭＣ正面画像から黄斑中心の眼底血管３０１が抽出できる。なお、ＭＣ正面画像を生成するための深さ範囲は上記の例に限らない。

［ＭＣ画像重ね合せ画像取得］
次にＭＣ画像を複数枚取得する方法について、図５を用いて説明する。制御手段０５４はステップＳ５０１において、ＭＣ取得枚数Ｆのユーザ入力を促すＧＵＩをモニタ０５５に表示させ、ステップＳ５０２にてユーザがＦを入力する（Ｆ：１以上の整数）。なお、ＭＣ取得枚数Ｆはユーザ入力によらず予め決められた値であってもよい。ステップＳ５０３において、制御手段０５４はＯＣＴ光学系を制御してＭＣ画像取得枚数ｉを１枚から順に取得し、ステップＳ５０４、５０５、５０６に示すように、ユーザの指定したＦまでＭＣ画像を取得する。ステップＳ５０５においては図４の処理が実行される。なお、ＭＣ画像の生成はステップＳ５０５で実行してもよいし、ＭＣ取得枚数Ｆのためのスキャンが完了した後に行うこととしてもよいし、ＭＣ取得枚数Ｆのためのスキャンと並行して行うこととしてもよい。

所望の枚数のＭＣ画像を取得した後、ステップＳ５０７において、信号処理手段０５３はデータ（複数のＭＣ画像のデータ）をメモリ０５２に保存する。ステップＳ５０８において、信号処理手段０５３は、保存された複数のＭＣ画像を用い、ＭＣの重ね合せ画像を取得し、別のデータとしてメモリ０５２に保存する（ステップＳ５０９）。本実施例では、ＭＣ画像を１０枚取得している。本処理により、複数枚のＭＣ重ね合せ画像が取得できる。なお、重ね合わせるＭＣ画像は３次元のＭＣ画像であってもよいし２次元のＭＣ画像（ＭＣのＥｎＦａｃｅ画像）であってもよい。なお、後述する動静脈の判定においてＭＣ画像の重ね合わせは必須の処理ではなく、重ね合わせを行っていないＭＣ画像から動静脈の判定を行うこととしてもよい。

（実施例１：第１の動静脈判定方法）
本実施例では、上述のように得た重ね合わせされたＭＣ画像を用い、動静脈分離する例について、図６を用い説明する。

先ず、信号処理手段０５３は、図６（ａ）に示すＭＣ重ね合せ画像６０１をメモリ０５２から取得する。信号処理手段０５３は、画像６０１から、内境界膜および神経線維層（ＲＮＦＬ）除き、図６（ｂ）に示すＭＣ画像６０２を取得する。内境界膜および神経線維層をＭＣ正面画像から除くことで動静脈の判定が容易なＭＣ正面画像となる。なお、内境界膜から内顆粒層の上層までを除いてＭＣ画像０６２を生成することとしてもよい。すなわち、ＭＣ画像６０２は、内顆粒層のうち下層に位置する血管の層のＭＣ正面画像である。なお、ＭＣ画像６０２は、内顆粒層のうち下層より脈絡膜側の層を含んでいてもよいし含まないようにしてもよい。また、内顆粒層のうち上層のみのＭＣ正面画像を生成することとしてもよい。内顆粒層の一部のＭＣ正面画像は表層における血管の影響を受けにくくなるため動静脈の判定精度を向上させることが可能となる。信号処理手段０５３は、例えば、３次元のＭＣ画像からＭＣ画像６０２を生成する。なお、動静脈判定のために生成するＭＣ正面画像は上記の例に限定されるものではない。例えば、動静脈判定のために生成するＭＣ正面画像は、内境界膜および神経線維層を含まず神経節細胞層を含む画像であってもよいし、内境界膜、神経線維層、神経節細胞層および内網状層を含まず内顆粒層の一部を含む画像であってもよい。なお、例えば、動静脈判定のために生成するＭＣ正面画像は、内顆粒層の一部より脈絡膜側にある層を含まないこととしてもよい。ここで内顆粒層の一部とは、例えば、内顆粒層を硝子体側および脈絡膜側の上下二つに分割した場合のいずれか一方である。

信号処理手段０５３は、ＭＣ画像６０２を二値化し、図６（ｃ）に示す画像６０３を取得する。信号処理手段０５３は、画像６０３に対してエロージョン（ノイズ除去方法であれば、他の方法でも良い）を実施しエロージョン画像６０４を取得する。信号処理手段０５３は、画像６０４から主要な血管（６０６～６１０）を取得する。血管の取得はＭＣ画像６０２に対するユーザの指定に基づいて行ってもよいし、ユーザの指定に依らず自動で行うこととしてもよい。また、血管の取得は３次元のＭＣ画像に基づいて行うこととしてもよいし、２次元のＭＣ画像に基づいて行うこととしてもよい。例えば３次元のＭＣ画像に基づいて血管を取得する場合には正面方向から見た場合の血管の交差の影響を受けにくいため、深さ方向で交差した血管を別のものとして取得することが可能となる。なお、自動で血管を取得する場合には血管の長さが所定値以上の血管を主要な血管として抽出することとしてもよい。

信号処理手段０５３は、抽出した血管を元画像６０２に適応させた画像６０５を取得する。ここで、信号処理手段０５３は、例えば、ＭＣ画像６０２と画像６０５との位置関係を対応付けることで、主要な血管６０６～６１０のＭＣ画像６０２における位置を特定する。ここで、血管６０９は、血管６０６が分岐した血管である為、信号処理手段０５３は、血管６０６と血管６０９は同一血管として取り扱う。その為、本処理で独立した血管は、６０６、６０７、６０８、６１０、となる。信号処理手段０５３は、独立した血管（６０６、６０７、６０８、６１０）の血管周囲（血管壁垂線に沿って、２ピクセル：約２０μｍ）の輝度を測定する。信号処理手段０５３は、血管周囲の単位ピクセルあたりの輝度（Ｉａｖｅ：単位ピクセルあたりの輝度値）をモーションコントラスト値の代表値として算出する。ここで、輝度を測定する領域は評価領域の一例である。この評価領域は血管に隣接する領域であってもよいし血管に隣接していなくともよい。例えば、評価領域は血管に隣接していなくても血管から２ピクセル以内に位置する領域であればよい。信号処理手段０５３は、このような条件を満たす評価領域に基づいて血管が動脈か静脈かを判定する。すなわち、信号処理手段０５３は、モーションコントラスト画像における血管に相当する領域から所定距離以内に位置する領域である評価領域のモーションコントラスト値に基づいて血管が動脈か静脈かを判定する判定手段の一例に相当する。

また、評価領域は血管から２ピクセルの領域に限定されるものではなく、２ピクセルよりも大きくてもよいし２ピクセル未満であってもよい。例えば、評価領域は血管径に基づいて決定されることとしてもよい。例えば、血管径が短いほど評価領域は血管に近くなるようにしてもよい。すなわち、評価領域が位置する場所を規定する距離である血管に相当する領域から所定距離は、血管に相当する領域の太さに基づいて決定されてもよい。具体的には、この所定距離は、血管に相当する領域の太さが小さいほど短くなることとしてもよい。

また、血管径が短いほど評価領域の血管走行方向に交差する方向の幅を短くすることとしてもよい。すなわち、評価領域の血管の走行方向に交差する方向における大きさは、血管に相当する領域の太さに基づいて決定されることとしてもよい。

なお、評価領域の血管の走行方向における大きさは動静脈判定において重要なパラメータの一つである。そこで、血管の走行方向における評価領域の大きさは、所定値より大きいこととしてもよい。例えば、信号処理手段０５３は、血管全域に対して評価領域を設定することとしてもよい。また、血管の走行方向における評価領域の血管の走行距離に対する割合は、所定値より大きいこととしてもよい。なお、評価領域は２次元のＭＣ画像（ＭＣ正面画像）に設定しても良いし、３次元のＭＣ画像に設定することとしてもよい。

信号処理手段０５３は、算出された各血管の輝度平均値（Ｉａｖｅ）が一定の閾値（Ｉｓ）を超えている場合は、本血管を静脈と判定し、超えていない場合は、本血管を動脈と判定する。すなわち、信号処理手段０５３は、代表値が閾値より大きい場合に血管を静脈と判定し、代表値が閾値未満の場合に血管を動脈と判定する。

実際には、信号処理手段０５３は、図６（ｆ）の様なデータを取得することができる。信号処理手段０５３は、血管６０６の輝度平均値ＩａｖｅはＩｓよりも低い為、動脈と判定できる。また、血管６０７、６０８、６１０の輝度平均値ＩａｖｅはＩｓよりも高い為、信号処理手段０５３は、血管６０７、６０８、６１０を静脈と判定できる。なお、閾値Ｉｓは固定であってもよいし可変であってもよい。信号処理手段０５３は、例えば、血管径に応じて閾値Ｉｓを変更することとしてもよい。信号処理手段０５３は、血管径が短いほど閾値Ｉｓを上げることとしてもよい。すなわち、閾値Ｉｓは血管に依らず一定の値であってもよいし、血管毎に適応的に設定される値であってもよい。

以上のプロセスを図７のフローチャートを用い、説明する。

ステップＳ７０１において、信号処理手段０５３は、図５の処理にて得た重ね合わ後のＭＣ画像（３次元のＭＣ画像）をメモリ０５２から読みだす。ステップＳ７０２において、信号処理手段０５３は、３次元のＭＣ画像からＥｎＦａｃｅ画像を取得する。本実施例では、信号処理手段０５３は、ＧＣＬ（神経節細胞層）／ＩＰＬ（内網状層）の層境界とＩＰＬ／ＩＮＬ（内顆粒層）（－１５μｍ：負の符号は脈絡膜側を示す）の位置の境界とを深さ範囲とするＥｎＦａｃｅ画像を取得した。ステップＳ７０３において、信号処理手段０５３は、ステップＳ７０２で得た画像に画像処理を施し、主要な血管を抽出する。本実施例では信号処理手段０５３は、ＭＣ画像を二値化した後、エロージョン処理を一回実施した（図６（ｄ）参照）。信号処理手段０５３は、画像において一定以上続くドット（画素）の集合（線）を抽出する。本実施例では、信号処理手段０５３は、８０ピクセル以上（約１．０ｍｍ以上）の線を主要な血管として抽出した。なお、血管抽出のための数値は８０ピクセルに限定されるものではない。

ステップＳ７０４において、信号処理手段０５３はステップＳ７０３で得られた主要な血管をナンバリングする。ステップＳ７０５において、信号処理手段０５３はナンバリングされた血管をＳ７０２で取得されたＭＣ画像に適応させる（図６（ｅ）参照）。ステップＳ７０６において、信号処理手段０５３はステップＳ７０５で得られた画像６０５を用い、各血管周囲の輝度（モーションコントラスト値）を計測する。本実施例では、血管の周囲（２ピクセル：約２０μｍエリア）の輝度を計測し、各々の血管に対して、輝度平均値（Ｉａｖｅ）を算出する。なお、信号処理手段０５３は輝度平均ではなく輝度の中央値であってもよい。ステップＳ７０７において、信号処理手段０５３はステップＳ７０６で得られた各血管の輝度平均（Ｉａｖｅ）と閾値（Ｉｓ）を比較する。ステップＳ７０８において、信号処理手段０５３はＩａｖｅがＩｓより低い場合は、動脈と判定する。ステップＳ７０９において、ＩａｖｅがＩｓより高い場合は、静脈と判定する。

上記の例によれば、モーションコントラスト画像から動静脈を判定することが可能となる。なお、Ｉａｖｅに替えて中央値、標準偏差、最大値などを評価領域の代表値としてもよい。

（実施例２：第２の動静脈判定方法）
実施例１では、血管壁垂線より２０μｍの位置の輝度により、動静脈判定を実施したが、本実施例では以下の様に血管中心より、輝度プロファイルを計測する事で、動静脈を判定する。

具体的には、実施例１と同様、信号処理手段０５３はＭＣ画像から血管を抽出する（図１０（ａ））。図１０（ａ）の様に、信号処理手段０５３は、抽出した血管１０１０、１０１４の走行方向に対して垂直に５００μｍのエリア１０１１、１０１２、１０１３を規定する。エリア１０１１，１０１２，１０１３は、ユーザの入力に基づいて規定されることとしてもよいし、ユーザの入力に依らず規定することとしてもよい。なお、本明細書において垂直とは完全に垂直な場合および略垂直な場合を含む概念である。また、エリア１０１１、１０１２，１０１３の大きさは５００μｍに限定されるものではなく、他の値であってもよい。例えば、上記のエリアは血管毎に個別の大きさであってもよい。血管径に応じてエリアの大きさを変えることとしてもよく、例えば、血管径が短いほどエリアの大きさを小さくしてもよい。信号処理手段０５３は、各々のエリア１０１１、１０１２、１０１３に対して、輝度プロファイル（モーションコントラスト値のプロファイル）測定する。エリア１０１１の輝度プロファイルは、図１０（ｂ）の様に計測され、同様に、エリア１０１２は図１０（ｃ）、エリア１０１３は図１０（ｄ）の様に計測された。信号処理手段０５３は、図１０（ｂ）に示す輝度プロファイルから動静脈の判定を実施する。信号処理手段０５３は、例えば、血管が存在しない領域（バックグラウンドノイズと同等レベル）の輝度値（モーションコントラスト値）をＩｓ（輝度閾値）とする。信号処理手段０５３は、Ｉｓよりも輝度が高いプロファイル領域１００１、Ｉｓよりも輝度が低いプロファイル領域１００２、プロファイル中で輝度が高いプロファイル領域１００３、Ｉｓよりも輝度が低いプロファイル領域１００４にプロファイルを分割できる。図１０（ａ）におけるエリア１０１１と、図１０（ｂ）の輝度プロファイルとを比較すると、プロファイル領域１００１には毛細血管網、プロファイル領域１００２には無血管領域、プロファイル領域１００３には数十μｍの太い血管、プロファイル領域１００４には無血管領域が存在している事が確認できる。更に、プロファイル領域１００２と、プロファイル領域１００４の無血管領域は、複数の点（画素）、つまり、数十μｍ以上の領域において無血管領域が存在している事を示している。眼底の血管構造上、無血管領域を周囲に帯びている血管１０１０は、動脈と判断する事が出来る。

同様に、エリア１０１２の輝度プロファイルについて、図１０（ｃ）を用い説明する。。領域１０１１の際と同様に、信号処理手段０５３は、Ｉｓよりも輝度が高いプロファイル領域１００５、Ｉｓよりも輝度が低いプロファイル領域１００６、プロファイル中で輝度が高いプロファイル領域１００７、Ｉｓよりも輝度が低いプロファイル領域１００８、に図１０（ｃ）に示すプロファイルを分割できる。エリア１０１２と、図１０（ｃ）の輝度プロファイルを比較すると、プロファイル領域１００５には毛細血管網、プロファイル領域１００６には無血管領域、プロファイル領域１００７には数十μｍの太い血管（血管１０１０よりも太い）、プロファイル領域１００８には、無血管領域、が存在している事を示している。更に、プロファイル領域１００６と、プロファイル領域１００８の無血管領域は、複数の点、つまり、数十μｍ以上の領域において、無血管領域が存在している事が分かる。信号処理手段０５３は、以上の無血管領域の存在から、領域１０１２も無血管領域を周囲に帯びている為、ＭＣ画像から動脈と判断する事が出来る。領域１０１２の血管は血管１０１０が分岐している為、当然の結果である。本実施例では１つの血管１０１０に対して複数のエリア１０１１，１０１２を設定しているが、一方のエリアのプロファイルに基づいて動静脈の判定を行い、その判定結果を連結する血管に反映させてもよい。また、判定の精度を高めるために複数のエリアで動脈（または静脈）と判定された場合のみ判定対象の血管を動脈と判定しないこととしてもよい。

同様に、領域１０１３の輝度プロファイルについて、図１０（ｄ）を用い説明する。領域１０１１の際と同様に、信号処理手段０５３は、Ｉｓよりも輝度が高いプロファイル領域１００９、Ｉｓよりも輝度が低いプロファイル領域１０１５、プロファイル中で輝度が高いプロファイル領域１０１５、にプロファイルを分割できる。輝度がＩｓよりも高いプロファイル領域１００９、１０１６、は毛細血管など何らかの血管が存在している。更に、輝度の低いプロファイル領域１０１５は、一点であり、無血管領域というよりも、血管と血管の間である事が分かる。信号処理手段０５３は、血管１０１４は、無血管領域は存在せず（または無血管領域が閾値以下であるため）静脈と判定する事が出来る。

すなわち、信号処理手段０５３は、モーションコントラスト値のプロファイルから得られる無血管領域の大きさから動静脈の判定を行うことができる。

以上の判定、つまり、第２の動静脈判定方法の手順について、図１１を用い、説明する。ステップＳ１１０１において、信号処理手段０５３は、図５の処理にて得た重ね合わせ後のＭＣ画像を読みだす。ステップＳ１１０２において、信号処理手段０５３はＭＣ画像より、血管を抽出する。ステップＳ１１０３において、信号処理手段０５３は、血管走行の方向に対して、垂直方向に２００μｍの直線を設定し、直線上の輝度（モーションコントラスト値）を計測する。ステップＳ１１０４において、信号処理手段０５３は閾値Ｉｓをメモリ０５２から読み出す。ステップＳ１１０５において、信号処理手段０５３は、輝度が閾値Ｉｓよりも低い領域の数（画素数）ｎを計測する。閾値Ｉｓは第１閾値の一例に相当する。本実施例では、画素数をカウントするのみとした。ステップＳ１１０６、１１０７において、ステップＳ１１０５で計測した画素数がｎ＞４であれば、信号処理手段０５３は無血管領域が閾値より多く存在する為、動脈と判定する。ステップＳ１１０６、１１０９において、ｎ≦４であれば、信号処理手段０５３は無血管領域が閾値以下の為、静脈と判定する。すなわち、信号処理手段０５３は評価領域においてモーションコントラスト値が第１閾値未満である領域の大きさに基づいて血管が動脈か静脈かを判定するといえる。また、上記の「４」は第２閾値の一例に相当する。すなわち、信号処理手段０５３は、価領域においてモーションコントラスト値が第１閾値未満である領域の大きさが第２閾値より大きい場合に前記血管を動脈と判定するといえる。また、信号処理手段０５３は、評価領域においてモーションコントラスト値が第１閾値未満である領域の大きさが第２閾値より小さい場合に前記血管を静脈と判定するといえる。

ステップＳ１１１０において、制御手段０５４はモニタ０５５に結果を表示させる。例えば、制御手段０５４は、動脈と静脈とを異なる色で示したＭＣ画像をモニタ０５５に表示させる。

以上の様に、ＭＣ画像を用い、血管の周囲の輝度を計測する事で、動静脈を判定する事が出来る。本実施例では、プロファイル領域を直線領域としたが、２次元領域、３次元領域、点の集合とした領域などを用いても良い。大きさについても同様に、実施例以外の大きさで良い。輝度の測定には、輝度平均、標準偏差、最大値などを評価領域の代表値として用いても良い。

閾値Ｉｓに関しても、設置環境、ユーザによる設定、人種により変更する事で精度の高い判定が可能となる。図１１のフローにも記載したが、画像から血管を抽出するフローは手動でも自動でも良い。

本実施例では、ＭＣ画像の重ね合せを用いたが、ＭＣ画像単体を用いても動静脈の判定は可能である。

（変形例１）
ステップ７０２において、ＭＣ画像を取得の際、ＩＮＬ（内顆粒層）に基づいて、ＭＣ正面画像を取得すると、動静脈判定がより安定する。具体的には、信号処理手段０５３は、図３（ｃ）の様に、線３０７（内境界膜）から線３０８（神経線維層下部）、線３０８（神経線維層下部）から線３０９（神経節細胞層下部）、線３０９（神経節細胞層下部）から線３０６（ＩＮＬ中央）、線３０６（ＩＮＬ中央）から線３１０（外網状層下部）、で分割する。信号処理手段０５３は、この分割情報を用い、以下の様に４層分離し、第二層において、上述の動静脈判定を実施すると、データが安定する。第一層を線３０７から線３０８の５μｍ程度下部（脈絡膜方向）の間の層と定義する。第二層を線３０８の５μｍ以上下部から線３０９の５μｍ程度上部の間の層と定義する。第三層を線３０９の５μｍ程度上部から線３０６の間の層と定義する。第四層を線３０６から線３１０の間の層と定義する。前記、ＭＣ画像（ＭＣ正面画像）として、第二層を用いる事で、動静脈の判定がより精度高く得る事が出来る。第二層を用いたＭＣ画像は、内境界膜および神経線維層を含まず、神経節細胞層を含む画像に相当する。なお、図３（ｃ）における線３０４はＩＮＬ上端、線３０５はＩＮＬ下端を示している。また、第三層、第四層を動静脈判定に用いることとしてもよい。第四層を用いたＭＣ画像は、内境界膜、神経線維層および神経節細胞層を含まず、内顆粒層の全域のうち一部のみを含む画像に相当する。

なお、線３０６はＩＮＬの中心としたがこれに限定されるものではなく、線３０６はＩＮＬ内の血管の配列に基づいて上下２つの層に分離する位置であってもよい。ＩＮＬ内の血管はＸ方向（深さ方向に直交する方向）に直線的に並んでいるため（例えば上下２段の血管がそれぞれ直線的に並んでいる）、信号処理手段０５３は血管の配列に基づいてＩＮＬを２層に分離する位置を求めることができる。具体的には、信号処理手段０５３はＩＮＬ内の血管をＸ方向（またはＹ方向）に結ぶ線をＩＮＬ内の２段の血管について求め、求めた線同士の深さ方向における中点を求める。Ｘ方向において複数得られるこの中点を結んだ線を線３０６としてもよい。すなわち、信号処理手段０５３は、内顆粒層に含まれる血管の配列に基づいて内顆粒層の一部（内顆粒層の上側の層または下側の層）を決定する決定手段の一例に相当する。信号処理手段０５３は、線３０６を用いて第三層および第四層のＭＣ画像を生成する。すなわち、内顆粒層の一部に基づいて、モーションコントラスト画像を生成する生成手段の一例に相当する。

また、線３０６により規定される内顆粒層の一部（上層または下層）のみのＭＣ画像が生成されてもよい。なお、本変形例は実施例１、３、４に対しても適用可能である。

（変形例２）
本例では、血管を分離する事で、明確なＭＣ画像を取得でき、実施例１、２の解析が更に、向上した例を記述する。

図９（ａ）の画像９０１はＸＺ断面におけるＭＣ信号のみを表示した画像である。図９（ａ）の黒点９０２はＯＣＴ画像で時間的変化を有したエリア（点）である。黒点９０２はモーションコントラスト値が所定値以上の信号を有している部分であり、すなわち血管部分に相当する。黒点９０３も同様である。黒点９０２は網膜表層部の血管を示し、黒点９０３は脈絡膜のエリアの血管を示している。

図９（ａ）の画像において、ａ、ｂ、ｃ、ｄの矢印位置でｘ方向に輝度（モーションコントラスト値）を加算すると、図９（ｂ）の様になる。このａ、ｂ、ｃ、ｄの矢印の位置は、輝度断層画像のＡスキャン方向のプロファイルのピーク位置から特定することが可能である。なお、ａ、ｂ、ｃ、ｄの矢印の位置を特定するためのＡスキャンは複数のＡスキャンの積算値を用いることとしてもよい。浅層（Ｓｕｐｅｒｆｉｃｉａｌ Ｃａｐｉｌｌａｒｙ）と深層（Ｄｅｅｐ ｃａｐｉｌｌａｒｙ）に存在する血管は、図９（ａ）の様にａ～ｄの様に４つの血管に分類出来る事が分かった。特に、血管層ａは、輝度が低く、前述の実施例では、第一層に属していたと考えられる。同様に、血管層ｂは第二層、血管層ｃは第三層、血管層ｄは第四層に属していたと考えられる。例えば、信号処理手段０５３は、第二層に相当する血管層ｂの輝度の積算値が高くなるようにｘ方向に積算する線の角度を変更し、血管層ｂの輝度の積算値が最大となる角度の線を基準にして動静脈判定のためのＭＣ正面画像を生成することとしてもよい。信号処理手段０５３は、例えば、血管層ｂの輝度の積算値が最大となる角度の線を中心として当該線に直交する方向に所定の幅を有する領域を用いてＭＣ正面画像を生成する。なお、所定の幅は、予め決められた任意の値であってもよいし、血管層のモーションコントラスト値の分散値または標準偏差値を用いることとしてもよい。すなわち、信号処理手段０５３は、血管の配列に基づいてＭＣ正面画像を生成する。

なお、血管層ｂの位置はユーザにより特定されてもよいし、信号処理手段０５３によりｘ方向における輝度の積算をｚ方向に順次行うことで得られるピークの位置に基づいて決定することも可能である。信号処理手段０５３は、例えば、脈絡膜側から２番目のピーク位置を血管層ｂとして特定することが可能となる。

本例の様に、血管を用いてＭＣ正面画像を生成することで、動静脈判定に適したＭＣ画像を取得できる。また、動静脈判定のみならず、所望の血管のＭＣ正面画像が生成されるため、診断にも適している。なお、本変形例は実施例１，３、４に対しても適用可能である。

（実施例３：動静脈判定に関する情報の表示）
実施例１、２では評価領域内のモーションコントラスト値または無血管領域の大きさに基づいてＭＣ画像に基づく動静脈の判定を自動で行うことについて述べたが、本実施例では動静脈の判定を支援する情報を表示する例について説明する。

本実施例では、図７のステップＳ７０６で得られたＩａｖｅおよび図１１のステップＳ１１０５で得られた無血管領域を示す画素の数ｎの少なくとも一方を制御手段０５４がモニタ０５５に表示させる。本実施例では血管が動脈であるか静脈であるかの自動判定は実施しない。Ｉａｖｅまたは数ｎは、血管が動脈か静脈かを示す情報の一例に相当する。また、制御手段０５４は、動脈か静脈かを示す情報を表示部に表示させる表示制御手段の一例に相当する。

制御手段０５４は、ユーザにより選択された血管または装置により自動的に選択された血管に関して、Ｉａｖｅおよび数ｎの少なくとも一方をモニタ０５５に表示させる。制御手段０５４は更に、Ｉａｖｅおよび数ｎの少なくとも一方の動静脈判定の基準となる閾値をモニタ０５５に表示させることとしてもよい。また、ＭＣ画像が更にモニタ０５５に表示されることとしてもよい。例えば、ＭＣ画像上の血管がユーザにより指定されると当該血管に関するＩａｖｅおよび数ｎの少なくとも一方と、Ｉａｖｅおよび数ｎの少なくとも一方の動静脈判定の基準となる閾値とがモニタ０５５に表示される。

このようにすれば、動静脈判定に必要な情報をユーザが把握することができる。

（実施例４：ＦＡＺ検出）
本実施例では、ＦＡＺ解析をより安定的に提供できる解析装置について述べる。

ＦＡＺとは、中心窩における無血管領域であり、図３（ａ）の３１１の領域である。ＭＣ信号を用いた従来の浅層（Ｓｕｐｅｒｆｉｃｉａｌ Ｃａｐｉｌｌａｒｙ）画像では、ＦＡＺの計測が安定しなかった。理由は、浅層（Ｓｕｐｅｒｆｉｃｉａｌ Ｃａｐｉｌｌａｒｙ）と深層（Ｄｅｅｐ ｃａｐｉｌｌａｒｙ）の分割境界が曖昧で、層セグメンテーション定義に依存していた為である。

本実施例のフローについて、図８を用い、説明する。

ステップＳ８０１において、信号処理手段０５３は重ね合わせ後のＭＣ画像をメモリ０５２から取得する。ステップＳ８０２において、ステップＳ８０１で取得した画像を上述した第一層、第二層、第三層、第四層に分離する。ステップＳ８０３において、信号処理手段０５３は、ステップＳ８０２で分割された第三層のＭＣ画像を抽出する。例えば、信号処理手段０５３はステップＳ８０１で取得した重ね合わせ後の３次元のＭＣ画像に基づいて第三層のＭＣ画像（ＭＣ正面画像）を生成する。ステップＳ８０４において、信号処理手段０５３は、ステップＳ８０３で取得した第三層のＭＣ画像を用い、ＦＡＺを計測する。本実施例では、第三層のＭＣ画像を二値化する事でＦＡＺを計測した。

上述の様なフローでＦＡＺを計測すると、従来の浅層（Ｓｕｐｅｒｆｉｃｉａｌ Ｃａｐｉｌｌａｒｙ）で計測した際よりも繰り返し精度が向上した。また、疾患眼において、同様の処理を実施する事で更にＦＡＺの数値が安定した。

本実施例の処理は、同一被験者における経時変化情報を取得する際、軽微な変化を正確に抽出できる為、経時変化を計測する際は特に効果がある。

（その他の実施形態）
以上、実施形態例を詳述したが、開示の技術は例えば、システム、装置、方法、プログラム若しくは記録媒体（記憶媒体）等としての実施態様をとることが可能である。具体的には、複数の機器（例えば、ホストコンピュータ、インタフェース機器、撮像装置、ｗｅｂアプリケーション等）から構成されるシステムに適用しても良いし、また、一つの機器からなる装置に適用しても良い。

また、本発明の目的は、以下のようにすることによって達成されることはいうまでもない。即ち、前述した実施形態の機能を実現するソフトウェアのプログラムコード（コンピュータプログラム）を記録した記録媒体（または記憶媒体）を、システムあるいは装置に供給する。係る記憶媒体は言うまでもなく、コンピュータ読み取り可能な記憶媒体である。そして、そのシステムあるいは装置のコンピュータ（またはＣＰＵやＭＰＵ）が記録媒体に格納されたプログラムコードを読み出し実行する。この場合、記録媒体から読み出されたプログラムコード自体が前述した実施形態の機能を実現することになり、そのプログラムコードを記録した記録媒体は本発明を構成することになる。

なお、上述した実施例および変形例は適宜組み合わせて実施してもよい。

０５３ 信号処理手段
０５４ 制御手段
０５５ モニタ

Claims (16)

1. 眼底のモーションコントラスト画像を取得する取得手段と、
   前記モーションコントラスト画像における血管に相当する領域から所定距離以内に位置する領域である評価領域のモーションコントラスト値の代表値に基づいて前記血管が動脈か静脈かを判定する判定手段と、を備え、
   前記代表値は、前記評価領域におけるモーションコントラスト値の平均値であることを特徴とする画像処理装置。
2. 前記判定手段は、前記代表値が閾値未満の場合に前記血管を動脈と判定し、または、前記代表値が前記閾値より大きい場合に前記血管を静脈と判定することを特徴とする請求項１記載の画像処理装置。
3. 眼底のモーションコントラスト画像を取得する取得手段と、
   前記モーションコントラスト画像における血管に相当する領域から所定距離以内に位置する領域である評価領域のモーションコントラスト値が第１閾値未満である領域の大きさに基づいて前記血管が動脈か静脈かを判定する判定手段と、を備え、
   前記判定手段は、前記評価領域においてモーションコントラスト値が前記第１閾値未満である領域の大きさが第２閾値より大きい場合に前記血管を動脈と判定し、または、前記評価領域においてモーションコントラスト値が前記第１閾値未満である領域の大きさが前記第２閾値より小さい場合に前記血管を静脈と判定することを特徴とする画像処理装置。
4. 前記評価領域は、前記血管に相当する領域に隣接する領域であることを特徴とする請求項１乃至３のいずれか１項に記載の画像処理装置。
5. 前記血管の走行方向における前記評価領域の大きさは、所定値より大きいことを特徴とする請求項１乃至４のいずれか１項に記載の画像処理装置。
6. 前記血管の走行方向における前記評価領域の前記血管の走行距離に対する割合は、所定値より大きいことを特徴とする請求項１乃至４のいずれか１項に記載の画像処理装置。
7. 前記評価領域の前記血管の走行方向に交差する方向における大きさは、前記血管に相当する領域の太さに基づいて決定されることを特徴とする請求項１乃至４のいずれか１項に記載の画像処理装置。
8. 前記所定距離は、前記血管に相当する領域の太さに基づいて決定されることを特徴とする請求項１乃至７のいずれか１項に記載の画像処理装置。
9. 前記所定距離は、前記血管に相当する領域の太さが小さいほど短くなることを特徴とする請求項８記載の画像処理装置。
10. 前記モーションコントラスト画像はＥｎＦａｃｅ画像であることを特徴とする請求項１乃至９のいずれか１項に記載の画像処理装置。
11. 前記モーションコントラスト画像は、内境界膜および神経線維層を含まず、神経節細胞層を含む画像、または、内境界膜、神経線維層および神経節細胞層を含まず、内顆粒層の全域のうち一部のみを含む画像であることを特徴とする請求項１０記載の画像処理装置。
12. 前記内顆粒層の一部を、前記内顆粒層に含まれる血管の配列に基づいて決定する決定手段と、
    前記決定手段により決定された前記内顆粒層の一部に基づいて、前記モーションコントラスト画像を生成する生成手段と、を更に備えることを特徴とする請求項１１記載の画像処理装置。
13. 前記決定手段は、深さ方向に直交する方向における血管の配列に基づいて前記内顆粒層の一部を決定することを特徴とする請求項１２記載の画像処理装置。
14. 前記モーションコントラスト画像は、前記内顆粒層の一部より脈絡膜側にある層の画像を含まないことを特徴とする請求項１２または１３に記載の画像処理装置。
15. 眼底のモーションコントラスト画像を取得する取得工程と、
    前記モーションコントラスト画像における血管に相当する領域から所定距離以内に位置する領域である評価領域のモーションコントラスト値の代表値に基づいて前記血管が動脈か静脈かを判定する判定工程と、を備え、
    前記代表値は、前記評価領域におけるモーションコントラスト値の平均値であることを特徴とする画像処理方法。
16. 請求項１５に記載の画像処理方法をコンピュータに実行させることを特徴とするプログラム。

Images