特許ウォッチ

公開番号2025132678
公報種別公開特許公報(A)
公開日2025-09-10
出願番号2024030403
出願日2024-02-29
発明の名称画像処理装置、画像処理システム、画像処理方法及びプログラム
出願人国立大学法人千葉大学
代理人個人,個人
主分類G06T 7/55 20170101AFI20250903BHJP(計算;計数)
要約【課題】光干渉断層撮影により撮像された組織の深さ情報を推定可能な画像処理装置を提供する。
【解決手段】画像処理装置が、光干渉断層撮影により撮像された断層画像を取得する画像取得部と、所定の組織の形状を含むテンプレート画像を用いて断層画像に撮像された組織の中心を強調した中心強調画像を生成する中心強調部と、中心強調画像に基づいて組織の深さ情報を推定する深さ推定部と、を備える。
【選択図】図3
特許請求の範囲【請求項１】
光干渉断層撮影により撮像された断層画像を取得するように構成されている画像取得部と、
所定の組織の形状を含むテンプレート画像を用いて前記断層画像に撮像された前記組織の中心を強調した中心強調画像を生成するように構成されている中心強調部と、
前記中心強調画像に基づいて前記組織の深さ情報を推定するように構成されている深さ推定部と、
を備える画像処理装置。
続きを表示（約 1,500 文字）【請求項２】
請求項１に記載の画像処理装置であって、
前記断層画像は、光干渉断層血管撮影法により撮像されており、
前記組織は、血管である、
画像処理装置。
【請求項３】
請求項１又は２に記載の画像処理装置であって、
前記断層画像の画素強度の分布を示す強度分布画像を生成するように構成されている強度解析部をさらに備え、
前記深さ推定部は、前記強度分布画像及び前記中心強調画像に基づいて前記深さ情報を推定するように構成されている、
画像処理装置。
【請求項４】
請求項３に記載の画像処理装置であって、
前記深さ推定部は、所定のコスト関数に基づいて前記組織の中心線を探索することで、前記深さ情報を推定するように構成されている、
画像処理装置。
【請求項５】
請求項４に記載の画像処理装置であって、
前記コスト関数は、前記強度分布画像において前記中心線に含まれる画素値の総和、前記中心強調画像において前記中心線に含まれる画素値の総和、及び前記中心線の曲率を含む、
画像処理装置。
【請求項６】
請求項１又は２に記載の画像処理装置であって、
前記テンプレート画像は、前記組織の形状及び前記深さ方向に発生するアーチファクトの形状を含む、
画像処理装置。
【請求項７】
請求項１又は２に記載の画像処理装置であって、
前記画像取得部は、複数の断面で撮像された複数の前記断層画像を含む三次元画像を取得するように構成されており、
前記三次元画像を前記深さ方向に投影した平面画像に撮像された前記組織の中心線を推定するように構成されている中心線推定部と、
前記中心線及び前記深さ情報に基づいて前記組織の三次元構造を示す画像データを生成するように構成されている画像生成部と、
をさらに備える画像処理装置。
【請求項８】
撮像装置及び画像処理装置を含む画像処理システムであって、
前記撮像装置は、光干渉断層撮影により所定の組織を含む被写体の断層画像を撮像するように構成されており、
前記画像処理装置は、
前記撮像装置により撮像された前記断層画像を取得するように構成されている画像取得部と、
前記組織の形状を含むテンプレート画像を用いて前記断層画像に撮像された前記組織の中心を強調した中心強調画像を生成するように構成されている中心強調部と、
前記中心強調画像に基づいて前記組織の深さ情報を推定するように構成されている深さ推定部と、
を備える画像処理装置。
【請求項９】
コンピュータが、
光干渉断層撮影により撮像された断層画像を取得する手順と、
所定の組織の形状を含むテンプレート画像を用いて前記断層画像に撮像された前記組織の中心を強調した中心強調画像を生成する手順と、
前記中心強調画像に基づいて前記組織の深さ情報を推定する手順と、
を実行する画像処理方法。
【請求項１０】
コンピュータに、
光干渉断層撮影により撮像された断層画像を取得する手順と、
所定の組織の形状を含むテンプレート画像を用いて前記断層画像に撮像された前記組織の中心を強調した中心強調画像を生成する手順と、
前記中心強調画像に基づいて前記組織の深さ情報を推定する手順と、
を実行させるためのプログラム。

発明の詳細な説明【技術分野】
【０００１】
本開示は、画像処理装置、画像処理システム、画像処理方法及びプログラムに関する。
続きを表示（約 1,800 文字）【背景技術】
【０００２】
光干渉断層撮影（OCT; Optical coherence tomography）により撮像された断層画像に基づいて、血管の三次元構造を解析する技術が知られている。例えば、非特許文献１には、ＯＣＴ断層像に対して血管強調を行った結果から、領域拡張を用いて体動によるノイズを除去する技術が開示されている。また、例えば、非特許文献２には、造影剤を使用して撮影した血管強調後のＯＣＴ断層像をリファレンスとして作成した教師データを深層学習した学習済みモデルに基づいて、造影剤を使用しない通常の血管強調後のＯＣＴ断層像から血管の三次元構造を推定する技術が開示されている。
【先行技術文献】
【非特許文献】
【０００３】
岡村宙輝、岡本尚之、羽石秀昭、"光コヒーレンストモグラフィー画像からの３次元血管構造の抽出"、第４１回日本医用画像工学会大会予稿集、２０２２年
S. Stefan, et al., " Deep learning toolbox for automated enhancement, segmentation, and graphing of cortical optical coherence tomography microangiograms", Biomedical Optics Express, vol. 11, pp. 7325-7342, 2020.
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、従来技術では、血管の深さ情報の推定精度を向上する余地がある。例えば、光干渉断層撮影では、血管から深さ方向に発生するアーチファクトの影響により、血管の三次元構造を詳細に解析することが困難である。
【０００５】
本開示の一態様は、光干渉断層撮影により撮像された組織の深さ情報を推定可能な画像処理装置を提供することを目的とする。
【課題を解決するための手段】
【０００６】
本開示の一態様による画像処理装置は、光干渉断層撮影により撮像された断層画像を取得する画像取得部と、所定の組織の形状を含むテンプレート画像を用いて断層画像に撮像された組織の中心を強調した中心強調画像を生成する中心強調部と、中心強調画像に基づいて組織の深さ情報を推定する深さ推定部と、を備える。
【発明の効果】
【０００７】
本開示の一態様によれば、光干渉断層撮影により撮像された組織の深さ情報を推定できる。
【図面の簡単な説明】
【０００８】
画像処理システムの全体構成の一例を示すブロック図である。
コンピュータのハードウェア構成の一例を示すブロック図である。
画像処理装置の機能構成の一例を示すブロック図である。
テンプレート画像の一例を示す図である。
画像処理方法の一例を示すフローチャートである。
断層画像の一例を示す図である。
平面画像の一例を示す図である。
中心線画像の一例を示す図である。
強度プロファイルの一例を示す図である。
深度プロファイルの一例を示す図である。
従来技術による推定結果の一例を示す図である。
実施形態による推定結果の一例を示す図である。
【発明を実施するための形態】
【０００９】
以下、本発明の各実施形態について添付の図面を参照しながら説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複した説明を省略する。
【００１０】
［実施形態］
本発明の一実施形態は、光干渉断層撮影により撮像された断層画像（以下、「ＯＣＴ画像」とも呼ぶ）に基づいて、所定の組織の三次元構造を可視化する画像処理システムである。本実施形態では、断層画像は、光干渉断層血管撮影法（OCTA; Optical Coherence Tomography Angiography）により撮像された断層画像（以下、「ＯＣＴＡ画像」とも呼ぶ）でもよい。
（【００１１】以降は省略されています）

関連特許