特許 7435067 眼科画像処理装置および眼科画像処理プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-02-13

(45)【発行日】2024-02-21

(54)【発明の名称】眼科画像処理装置および眼科画像処理プログラム

(51)【国際特許分類】

   A61B 3/10 20060101AFI20240214BHJP

【ＦＩ】

A61B3/10 100

【請求項の数】 6

(21)【出願番号】P 2020042503

(22)【出願日】2020-03-12

(65)【公開番号】P2021142088

(43)【公開日】2021-09-24

【審査請求日】2023-02-07

(73)【特許権者】

【識別番号】000135184

【氏名又は名称】株式会社ニデック

(74)【代理人】

【識別番号】100166785

【弁理士】

【氏名又は名称】大川 智也

(72)【発明者】

【氏名】坂下 祐輔

(72)【発明者】

【氏名】熊谷 佳紀

(72)【発明者】

【氏名】柴 涼介

(72)【発明者】

【氏名】竹野 直樹

【審査官】佐々木 創太郎

(56)【参考文献】

【文献】特開２０２０－０００６７８（ＪＰ，Ａ）

【文献】特開２０１９－２１６８４８（ＪＰ，Ａ）

【文献】米国特許出願公開第２０１２／０１６５７９９（ＵＳ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ａ６１Ｂ ３／００－３／１８

(57)【特許請求の範囲】

【請求項1】

被検眼の組織の画像である眼科画像を処理する眼科画像処理装置であって、
前記眼科画像処理装置の制御部は、
ＯＣＴ装置によって撮影された眼科画像、または、前記ＯＣＴ装置によって組織の同一部位を撮影した複数の眼科画像を加算平均した加算平均画像を、基画像として取得する基画像取得ステップと、
加算平均に用いられた眼科画像の枚数（≧１）である加算枚数以外の撮影条件の指定指示の入力を受け付ける撮影条件入力ステップと、
機械学習アルゴリズムによって訓練された数学モデルに、前記撮影条件入力ステップにおいて入力された前記撮影条件と、前記基画像を入力することで、入力された加算枚数以外の前記撮影条件で撮影された画像に相当する目的画像を取得する目的画像取得ステップと、
を実行し、
前記数学モデルは、組織の同一部位を撮影した複数の訓練用眼科画像のうち、一部の前記訓練用眼科画像のデータを入力用訓練データとすると共に、加算枚数以外の撮影条件が前記入力用訓練データの撮影条件とは異なる前記訓練用眼科画像のデータを出力用訓練データとして訓練されていることを特徴とする眼科画像処理装置。

【請求項2】

被検眼の組織の画像である眼科画像を処理する眼科画像処理装置であって、
前記眼科画像処理装置の制御部は、
ＯＣＴ装置によって撮影された眼科画像、または、前記ＯＣＴ装置によって組織の同一部位を撮影した複数の眼科画像を加算平均した加算平均画像を、基画像として取得する基画像取得ステップと、
前記基画像が前記ＯＣＴ装置によって撮影された際の撮影条件を取得する基画像撮影条件取得ステップと、
機械学習アルゴリズムによって訓練された数学モデルに、前記基画像撮影条件取得ステップにおいて取得された前記基画像の前記撮影条件と、前記基画像を入力することで、前記ＯＣＴ装置によって前記基画像が撮影された際の撮影条件に対して、加算平均に用いられた眼科画像の枚数（≧１）である加算枚数以外の撮影条件が異なる画像に相当する目的画像を取得する目的画像取得ステップと、
を実行し、
前記数学モデルは、組織の同一部位を撮影した複数の訓練用眼科画像のうち、一部の前記訓練用眼科画像のデータを入力用訓練データとすると共に、加算枚数以外の撮影条件が前記入力用訓練データの撮影条件とは異なる前記訓練用眼科画像のデータを出力用訓練データとして訓練されていることを特徴とする眼科画像処理装置。

【請求項3】

被検眼の組織の画像である眼科画像を処理する眼科画像処理装置であって、
前記眼科画像処理装置の制御部は、
ＯＣＴ装置によって撮影された眼科画像、または、前記ＯＣＴ装置によって組織の同一部位を撮影した複数の眼科画像を加算平均した加算平均画像を、基画像として取得する基画像取得ステップと、
画像範囲全体のうち一部の範囲の指定指示の入力を受け付ける範囲入力ステップと、
機械学習アルゴリズムによって訓練された数学モデルに前記基画像を入力することで、前記ＯＣＴ装置によって前記基画像が撮影された際の撮影条件に対して、加算平均に用いられた眼科画像の枚数（≧１）である加算枚数以外の撮影条件が前記範囲入力ステップにおいて入力された範囲において異なる画像に相当する目的画像を取得する目的画像取得ステップと、
を実行し、
前記数学モデルは、組織の同一部位を撮影した複数の訓練用眼科画像のうち、一部の前記訓練用眼科画像のデータを入力用訓練データとすると共に、加算枚数以外の撮影条件が前記入力用訓練データの撮影条件とは異なる前記訓練用眼科画像のデータを出力用訓練データとして訓練されていることを特徴とする眼科画像処理装置。

【請求項4】

被検眼の組織の画像である眼科画像を処理する眼科画像処理装置によって実行される眼科画像処理プログラムであって、
前記眼科画像処理プログラムが前記眼科画像処理装置の制御部によって実行されることで、
ＯＣＴ装置によって撮影された眼科画像、または、前記ＯＣＴ装置によって組織の同一部位を撮影した複数の眼科画像を加算平均した加算平均画像を、基画像として取得する基画像取得ステップと、
加算平均に用いられた眼科画像の枚数（≧１）である加算枚数以外の撮影条件の指定指示の入力を受け付ける撮影条件入力ステップと、
機械学習アルゴリズムによって訓練された数学モデルに、前記撮影条件入力ステップにおいて入力された前記撮影条件と、前記基画像を入力することで、入力された加算枚数以外の前記撮影条件で撮影された画像に相当する目的画像を取得する目的画像取得ステップと、
を前記眼科画像処理装置に実行させ、
前記数学モデルは、組織の同一部位を撮影した複数の訓練用眼科画像のうち、一部の前記訓練用眼科画像のデータを入力用訓練データとすると共に、加算枚数以外の撮影条件が前記入力用訓練データの撮影条件とは異なる前記訓練用眼科画像のデータを出力用訓練データとして訓練されていることを特徴とする眼科画像処理プログラム。

【請求項5】

被検眼の組織の画像である眼科画像を処理する眼科画像処理装置によって実行される眼科画像処理プログラムであって、
前記眼科画像処理プログラムが前記眼科画像処理装置の制御部によって実行されることで、
ＯＣＴ装置によって撮影された眼科画像、または、前記ＯＣＴ装置によって組織の同一部位を撮影した複数の眼科画像を加算平均した加算平均画像を、基画像として取得する基画像取得ステップと、
前記基画像が前記ＯＣＴ装置によって撮影された際の撮影条件を取得する基画像撮影条件取得ステップと、
機械学習アルゴリズムによって訓練された数学モデルに、前記基画像撮影条件取得ステップにおいて取得された前記基画像の前記撮影条件と、前記基画像を入力することで、前記ＯＣＴ装置によって前記基画像が撮影された際の撮影条件に対して、加算平均に用いられた眼科画像の枚数（≧１）である加算枚数以外の撮影条件が異なる画像に相当する目的画像を取得する目的画像取得ステップと、
を前記眼科画像処理装置に実行させ、
前記数学モデルは、組織の同一部位を撮影した複数の訓練用眼科画像のうち、一部の前記訓練用眼科画像のデータを入力用訓練データとすると共に、加算枚数以外の撮影条件が前記入力用訓練データの撮影条件とは異なる前記訓練用眼科画像のデータを出力用訓練データとして訓練されていることを特徴とする眼科画像処理プログラム。

【請求項6】

被検眼の組織の画像である眼科画像を処理する眼科画像処理装置によって実行される眼科画像処理プログラムであって、
前記眼科画像処理プログラムが前記眼科画像処理装置の制御部によって実行されることで、
ＯＣＴ装置によって撮影された眼科画像、または、前記ＯＣＴ装置によって組織の同一部位を撮影した複数の眼科画像を加算平均した加算平均画像を、基画像として取得する基画像取得ステップと、
画像範囲全体のうち一部の範囲の指定指示の入力を受け付ける範囲入力ステップと、
機械学習アルゴリズムによって訓練された数学モデルに前記基画像を入力することで、前記ＯＣＴ装置によって前記基画像が撮影された際の撮影条件に対して、加算平均に用いられた眼科画像の枚数（≧１）である加算枚数以外の撮影条件が前記範囲入力ステップにおいて入力された範囲において異なる画像に相当する目的画像を取得する目的画像取得ステップと、
を前記眼科画像処理装置に実行させ、
前記数学モデルは、組織の同一部位を撮影した複数の訓練用眼科画像のうち、一部の前記訓練用眼科画像のデータを入力用訓練データとすると共に、加算枚数以外の撮影条件が前記入力用訓練データの撮影条件とは異なる前記訓練用眼科画像のデータを出力用訓練データとして訓練されていることを特徴とする眼科画像処理プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、被検眼の眼科画像を処理する眼科画像処理装置および眼科画像処理プログラムに関する。

【背景技術】

【0002】

従来、高画質の画像を取得するための種々の技術が提案されている。例えば、特許文献１に記載の眼科画像処理装置は、機械学習アルゴリズムによって訓練された数学モデルに基画像を入力することで、基画像よりも高画質の目的画像を取得する。数学モデルは、低解像度訓練画像を入力用訓練データとし、且つ、高解像度訓練画像を出力用訓練データとして予め訓練されている。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２０２０－６７８号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

特許文献１に記載の眼科画像処理装置によると、高画質（高解像度）の眼科画像が実際に撮影されなくても、高画質の目的画像が取得され得る。しかし、実際に撮影された画像から、高画質化以外の他の効果を奏する画像を得ることは、従来の技術では困難であった。

【0005】

本開示の典型的な目的は、実際に撮影された画像から有用な画像を取得するための眼科画像処理装置および眼科画像処理プログラムを提供することである。

【課題を解決するための手段】

【0006】

本開示における典型的な実施形態が提供する眼科画像処理装置の第１態様は、被検眼の組織の画像である眼科画像を処理する眼科画像処理装置であって、前記眼科画像処理装置の制御部は、ＯＣＴ装置によって撮影された眼科画像、または、前記ＯＣＴ装置によって組織の同一部位を撮影した複数の眼科画像を加算平均した加算平均画像を、基画像として取得する基画像取得ステップと、加算平均に用いられた眼科画像の枚数（≧１）である加算枚数以外の撮影条件の指定指示の入力を受け付ける撮影条件入力ステップと、機械学習アルゴリズムによって訓練された数学モデルに、前記撮影条件入力ステップにおいて入力された前記撮影条件と、前記基画像を入力することで、入力された加算枚数以外の前記撮影条件で撮影された画像に相当する目的画像を取得する目的画像取得ステップと、を実行し、前記数学モデルは、組織の同一部位を撮影した複数の訓練用眼科画像のうち、一部の前記訓練用眼科画像のデータを入力用訓練データとすると共に、加算枚数以外の撮影条件が前記入力用訓練データの撮影条件とは異なる前記訓練用眼科画像のデータを出力用訓練データとして訓練されている。
本開示における典型的な実施形態が提供する眼科画像処理装置の第２態様は、被検眼の組織の画像である眼科画像を処理する眼科画像処理装置であって、前記眼科画像処理装置の制御部は、ＯＣＴ装置によって撮影された眼科画像、または、前記ＯＣＴ装置によって組織の同一部位を撮影した複数の眼科画像を加算平均した加算平均画像を、基画像として取得する基画像取得ステップと、前記基画像が前記ＯＣＴ装置によって撮影された際の撮影条件を取得する基画像撮影条件取得ステップと、機械学習アルゴリズムによって訓練された数学モデルに、前記基画像撮影条件取得ステップにおいて取得された前記基画像の前記撮影条件と、前記基画像を入力することで、前記ＯＣＴ装置によって前記基画像が撮影された際の撮影条件に対して、加算平均に用いられた眼科画像の枚数（≧１）である加算枚数以外の撮影条件が異なる画像に相当する目的画像を取得する目的画像取得ステップと、を実行し、前記数学モデルは、組織の同一部位を撮影した複数の訓練用眼科画像のうち、一部の前記訓練用眼科画像のデータを入力用訓練データとすると共に、加算枚数以外の撮影条件が前記入力用訓練データの撮影条件とは異なる前記訓練用眼科画像のデータを出力用訓練データとして訓練されている。
本開示における典型的な実施形態が提供する眼科画像処理装置の第３態様は、被検眼の組織の画像である眼科画像を処理する眼科画像処理装置であって、前記眼科画像処理装置の制御部は、ＯＣＴ装置によって撮影された眼科画像、または、前記ＯＣＴ装置によって組織の同一部位を撮影した複数の眼科画像を加算平均した加算平均画像を、基画像として取得する基画像取得ステップと、画像範囲全体のうち一部の範囲の指定指示の入力を受け付ける範囲入力ステップと、機械学習アルゴリズムによって訓練された数学モデルに前記基画像を入力することで、前記ＯＣＴ装置によって前記基画像が撮影された際の撮影条件に対して、加算平均に用いられた眼科画像の枚数（≧１）である加算枚数以外の撮影条件が前記範囲入力ステップにおいて入力された範囲において異なる画像に相当する目的画像を取得する目的画像取得ステップと、を実行し、前記数学モデルは、組織の同一部位を撮影した複数の訓練用眼科画像のうち、一部の前記訓練用眼科画像のデータを入力用訓練データとすると共に、加算枚数以外の撮影条件が前記入力用訓練データの撮影条件とは異なる前記訓練用眼科画像のデータを出力用訓練データとして訓練されている。

【0007】

本開示における典型的な実施形態が提供する眼科画像処理プログラムの第１態様は、被検眼の組織の画像である眼科画像を処理する眼科画像処理装置によって実行される眼科画像処理プログラムであって、前記眼科画像処理プログラムが前記眼科画像処理装置の制御部によって実行されることで、ＯＣＴ装置によって撮影された眼科画像、または、前記ＯＣＴ装置によって組織の同一部位を撮影した複数の眼科画像を加算平均した加算平均画像を、基画像として取得する基画像取得ステップと、加算平均に用いられた眼科画像の枚数（≧１）である加算枚数以外の撮影条件の指定指示の入力を受け付ける撮影条件入力ステップと、機械学習アルゴリズムによって訓練された数学モデルに、前記撮影条件入力ステップにおいて入力された前記撮影条件と、前記基画像を入力することで、入力された加算枚数以外の前記撮影条件で撮影された画像に相当する目的画像を取得する目的画像取得ステップと、を前記眼科画像処理装置に実行させ、前記数学モデルは、組織の同一部位を撮影した複数の訓練用眼科画像のうち、一部の前記訓練用眼科画像のデータを入力用訓練データとすると共に、加算枚数以外の撮影条件が前記入力用訓練データの撮影条件とは異なる前記訓練用眼科画像のデータを出力用訓練データとして訓練されている。
本開示における典型的な実施形態が提供する眼科画像処理プログラムの第２態様は、被検眼の組織の画像である眼科画像を処理する眼科画像処理装置によって実行される眼科画像処理プログラムであって、前記眼科画像処理プログラムが前記眼科画像処理装置の制御部によって実行されることで、ＯＣＴ装置によって撮影された眼科画像、または、前記ＯＣＴ装置によって組織の同一部位を撮影した複数の眼科画像を加算平均した加算平均画像を、基画像として取得する基画像取得ステップと、前記基画像が前記ＯＣＴ装置によって撮影された際の撮影条件を取得する基画像撮影条件取得ステップと、機械学習アルゴリズムによって訓練された数学モデルに、前記基画像撮影条件取得ステップにおいて取得された前記基画像の前記撮影条件と、前記基画像を入力することで、前記ＯＣＴ装置によって前記基画像が撮影された際の撮影条件に対して、加算平均に用いられた眼科画像の枚数（≧１）である加算枚数以外の撮影条件が異なる画像に相当する目的画像を取得する目的画像取得ステップと、を前記眼科画像処理装置に実行させ、前記数学モデルは、組織の同一部位を撮影した複数の訓練用眼科画像のうち、一部の前記訓練用眼科画像のデータを入力用訓練データとすると共に、加算枚数以外の撮影条件が前記入力用訓練データの撮影条件とは異なる前記訓練用眼科画像のデータを出力用訓練データとして訓練されている。
本開示における典型的な実施形態が提供する眼科画像処理プログラムの第３態様は、被検眼の組織の画像である眼科画像を処理する眼科画像処理装置によって実行される眼科画像処理プログラムであって、前記眼科画像処理プログラムが前記眼科画像処理装置の制御部によって実行されることで、ＯＣＴ装置によって撮影された眼科画像、または、前記ＯＣＴ装置によって組織の同一部位を撮影した複数の眼科画像を加算平均した加算平均画像を、基画像として取得する基画像取得ステップと、画像範囲全体のうち一部の範囲の指定指示の入力を受け付ける範囲入力ステップと、機械学習アルゴリズムによって訓練された数学モデルに前記基画像を入力することで、前記ＯＣＴ装置によって前記基画像が撮影された際の撮影条件に対して、加算平均に用いられた眼科画像の枚数（≧１）である加算枚数以外の撮影条件が前記範囲入力ステップにおいて入力された範囲において異なる画像に相当する目的画像を取得する目的画像取得ステップと、を前記眼科画像処理装置に実行させ、前記数学モデルは、組織の同一部位を撮影した複数の訓練用眼科画像のうち、一部の前記訓練用眼科画像のデータを入力用訓練データとすると共に、加算枚数以外の撮影条件が前記入力用訓練データの撮影条件とは異なる前記訓練用眼科画像のデータを出力用訓練データとして訓練されている。

【0008】

本開示に係る眼科画像処理装置および眼科画像処理プログラムによると、実際に撮影された画像から有用な画像が取得される。

【図面の簡単な説明】

【0009】

【図1】数学モデル構築装置１、眼科画像処理装置２１、および眼科画像撮影装置１１Ａ，１１Ｂの概略構成を示すブロック図である。

【図2】数学モデル構築装置１が実行する数学モデル構築処理のフローチャートである。

【図3】入力用訓練データと出力用訓練データの取得パターンの一例を説明するための説明図である。

【図4】眼科画像処理装置２１が実行する撮影条件変更処理のフローチャートである。

【図5】条件指定画面３０と、目的画像表示画面４０の一例を示す図である。

【発明を実施するための形態】

【0010】

本開示で例示する眼科画像処理装置の制御部は、基画像取得ステップ、および目的画像取得ステップを実行する。基画像取得ステップでは、制御部は、ＯＣＴ装置によって撮影された眼科画像、または、ＯＣＴ装置によって組織の同一部位を撮影した複数の眼科画像を加算平均した加算平均画像を、基画像として取得する。目的画像取得ステップでは、制御部は、機械学習アルゴリズムによって訓練された数学モデルに基画像を入力することで、目的画像を取得する。数学モデルは、組織の同一部位を撮影した複数の訓練用眼科画像のうち、一部の訓練用眼科画像のデータを入力用訓練データとすると共に、加算枚数以外の撮影条件が入力用訓練データの撮影条件とは異なる訓練用眼科画像のデータを出力用訓練データとして訓練されている。取得される目的画像は、ＯＣＴ装置によって基画像が撮影された際の撮影条件に対して、加算平均に用いられた眼科画像の枚数（≧１）である加算枚数以外の撮影条件が異なる画像に相当する。

【0011】

本開示で例示する眼科画像処理装置によると、ＯＣＴ装置によって実際に撮影された基画像から、加算枚数以外の撮影条件が基画像の撮影条件とは異なる画像に相当する目的画像が取得される。従って、ユーザにとって有用な撮影条件で撮影された画像に相当する画像が、容易に取得される。

【0012】

なお、本開示では、ＯＣＴ装置によって撮影された眼科画像を処理する眼科画像処理装置を例示する。しかし、本開示で例示する技術は、ＯＣＴ装置以外の眼科撮影装置（例えば、走査型レーザ検眼鏡（ＳＬＯ）、眼底カメラ、および角膜内皮細胞撮影装置等の少なくともいずれか）によって撮影された眼科画像を処理する眼科画像処理装置にも適用できる。

【0013】

加算枚数以外の撮影条件は、ＯＣＴ装置における測定光と参照光の少なくともいずれかの光路長、測定光および参照光の少なくともいずれかの偏光状態、ＯＣＴ信号を取得する際の受光素子の露光時間、１つのスキャンラインに対して測定光を走査させる際に取得されるＡスキャンデータの数、および、Ａスキャン方向の解像度の少なくともいずれかであってもよい。この場合、基画像の撮影条件とは異なる撮影条件で撮影された画像に相当する目的画像が、眼科画像処理装置によって適切に取得される。

【0014】

詳細には、数学モデルによって変更する撮影条件を光路長とする場合には、組織の深さ方向における各位置のうち、画像に鮮明に映り込む位置が変化する。変更する撮影条件を偏光状態とする場合には、偏光状態に応じて画像に現れる組織の構造の差異が変化する。変更する撮影条件を露光時間とする場合には、露光時間に起因する画像の輝度が変化する。変更する撮影条件を、スキャンライン毎のＡスキャンデータの数とする場合には、スキャンライン方向（所謂Ｂスキャン方向）における画像の解像度が変化する。変更する撮影条件を、Ａスキャン方向の解像度とする場合には、組織の深さ方向における画像の解像度が変化する。なお、数学モデルによって変更する撮影条件を、光路長、偏光状態、露光時間、Ａスキャンデータの数、およびＡスキャン方向の解像度とは異なる撮影条件とすることも可能である。

【0015】

数学モデルの訓練に用いられる入力用訓練データは、組織の同一部位を撮影した複数の訓練用眼科画像のうち、Ｌ枚（Ｌ≧１）の訓練用眼科画像に基づくデータであってもよい。また、数学モデルの訓練に用いられる出力用訓練データは、組織の同一部位を撮影した複数の訓練用眼科画像のうち、加算枚数以外の撮影条件が入力用訓練データの撮影条件とは異なる、Ｈ枚（Ｈ＞Ｌ）の訓練用眼科画像の加算平均画像のデータであってもよい。この場合、ＯＣＴ装置によって実際に撮影された基画像から、ノイズの影響が抑制され、且つ、異なる撮影条件で撮影された画像に相当する目的画像が、数学モデルによって容易に取得される。

【0016】

制御部は、基画像、または、取得された目的画像のノイズの影響を抑制するデノイジングステップをさらに実行してもよい。この場合、加算枚数以外の撮影条件が変更されることに加え、画像に含まれるノイズの影響が抑制される。よって、より有用な眼科画像が取得される。

【0017】

なお、目的画像取得ステップとデノイジングステップが別々に実行される場合、デノイジングステップの具体的な方法は適宜選択できる。例えば、制御部は、加算平均画像を出力用訓練モデルとして予め訓練された数学モデルに、基画像または目的画像を入力することで、基画像または目的画像のノイズの影響が抑制された画像を取得してもよい。また、制御部は、数学モデルを使用しない他の手法（例えば、加算平均処理またはフィルター処理等）を用いて、基画像または目的画像のノイズの影響を抑制してもよい。制御部は、基画像のノイズの影響を抑制した後に、目的画像取得ステップを実行してもよい。

【0018】

制御部は、加算枚数以外の撮影条件の指定指示の入力を受け付ける撮影条件入力ステップをさらに実行してもよい。制御部は、目的画像取得ステップにおいて入力された撮影条件と、基画像とを数学モデルに入力することで、入力された撮影条件で撮影された画像に相当する目的画像を取得してもよい。つまり、制御部は、入力された撮影条件を画像の変換条件として、基画像を変換した目的画像を取得してもよい。この場合、ユーザが所望する撮影条件で撮影された画像に相当する目的画像が、適切に取得される。

【0019】

入力される撮影条件は、変更される撮影条件の種類であってもよいし、目的画像の撮影条件を指定する数値等であってもよい。撮影条件の種類および数値等が共に入力されてもよい。また、複数の撮影条件の候補の中から、ユーザが所望する撮影条件を選択することで、撮影条件が入力されてもよい。

【0020】

ただし、ユーザが撮影条件を指定せずに、変更される撮影条件（撮影条件の種類および数値等の少なくともいずれか）が予め定められていてもよい。

【0021】

制御部は、基画像がＯＣＴ装置によって撮影された際の撮影条件を取得する基画像撮影条件取得ステップをさらに実行してもよい。制御部は、基画像撮影条件取得ステップにおいて取得された基画像の撮影条件と、基画像とを数学モデルに入力することで、目的画像を取得してもよい。この場合には、基画像の撮影条件が数学モデルに入力されない場合に比べて、数学モデルから出力される目的画像の品質が向上する。

【0022】

また、制御部は、基画像と、基画像のノイズの程度を示すノイズ情報とを数学モデルに入力することで、目的画像を取得してもよい。この場合には、ノイズ情報が数学モデルに入力されない場合に比べて、数学モデルから出力される目的画像のノイズがより適切に減少する。なお、ノイズ情報は、基画像のノイズの程度を示す値であってもよい。また、基画像が加算平均画像である場合には、ノイズ情報は、基画像を生成する際に加算平均された画像の枚数であってもよい。

【0023】

なお、基画像の撮影条件およびノイズ情報を数学モデルに入力する処理は、省略されてもよい。この場合でも、基画像の撮影条件とは異なる撮影条件で撮影された画像に相当する目的画像が、適切に取得される。

【0024】

制御部は、画像範囲全体のうち一部の範囲の指定指示の入力を受け付ける範囲入力ステップを実行してもよい。制御部は、入力された範囲において撮影条件が変更された目的画像を取得してもよい。この場合、画像範囲全体のうち、ユーザが所望する範囲において、撮影条件が変更される。よって、ユーザにとってより有用な画像が取得される。

【0025】

なお、以下では、基画像を数学モデルに入力することで、基画像よりもノイズの影響が抑制され、且つ、ＯＣＴ装置によって基画像が撮影された際の撮影条件とは異なる撮影条件で撮影された画像に相当する目的画像が取得される場合を例示する。しかし、ノイズの影響が基画像から変更されず、且つ、基画像の撮影条件とは異なる撮影条件で撮影された画像に相当する目的画像が、数学モデルによって取得されてもよい。この場合、数学モデルは、組織の同一部位を撮影した複数の訓練用眼科画像のうち、１枚または複数枚の訓練用眼科画像に基づく画像を入力用訓練データとすると共に、入力用訓練データが撮影された際の撮影条件とは異なる条件で撮影された、１枚または複数枚の訓練用眼科画像に基づく画像を出力用訓練データとして訓練されていてもよい。

【0026】

＜実施形態＞
（装置構成）
以下、本開示における典型的な実施形態の１つについて、図面を参照して説明する。図１に示すように、本実施形態では、数学モデル構築装置１、眼科画像処理装置２１、および眼科画像撮影装置１１Ａ，１１Ｂが用いられる。数学モデル構築装置１は、機械学習アルゴリズムによって数学モデルを訓練させることで、数学モデルを構築する。構築された数学モデルは、入力された基画像に基づいて、基画像が撮影された際の撮影条件（加算枚数以外の撮影条件）とは異なる撮影条件で撮影された画像に相当する目的画像を出力する。眼科画像処理装置２１は、数学モデルを用いて、基画像から目的画像を取得する。眼科画像撮影装置１１Ａ，１１Ｂは、被検眼の組織の画像である眼科画像を撮影する。

【0027】

一例として、本実施形態の数学モデル構築装置１にはパーソナルコンピュータ（以下、「ＰＣ」という）が用いられる。詳細は後述するが、数学モデル構築装置１は、眼科画像撮影装置１１Ａから取得した眼科画像を利用して数学モデルを訓練させることで、数学モデルを構築する。しかし、数学モデル構築装置１として機能できるデバイスは、ＰＣに限定されない。例えば、眼科画像撮影装置１１Ａが数学モデル構築装置１として機能してもよい。また、複数のデバイスの制御部（例えば、ＰＣのＣＰＵと、眼科画像撮影装置１１ＡのＣＰＵ１３Ａ）が、協働して数学モデルを構築してもよい。

【0028】

また、本実施形態の眼科画像処理装置２１にはＰＣが用いられる。しかし、眼科画像処理装置２１として機能できるデバイスも、ＰＣに限定されない。例えば、眼科画像撮影装置１１Ｂまたはサーバ等が、眼科画像処理装置２１として機能してもよい。眼科画像撮影装置（本実施形態ではＯＣＴ装置）１１Ｂが眼科画像処理装置２１として機能する場合、眼科画像撮影装置１１Ｂは、眼科画像を撮影しつつ、撮影した眼科画像に対して撮影条件が変更された眼科画像を適切に取得することができる。また、タブレット端末またはスマートフォン等の携帯端末が、眼科画像処理装置２１として機能してもよい。複数のデバイスの制御部（例えば、ＰＣのＣＰＵと、眼科画像撮影装置１１ＢのＣＰＵ１３Ｂ）が、協働して各種処理を行ってもよい。

【0029】

また、本実施形態では、各種処理を行うコントローラの一例としてＣＰＵが用いられる場合について例示する。しかし、各種デバイスの少なくとも一部に、ＣＰＵ以外のコントローラが用いられてもよいことは言うまでもない。例えば、コントローラとしてＧＰＵを採用することで、処理の高速化を図ってもよい。

【0030】

数学モデル構築装置１について説明する。数学モデル構築装置１は、例えば、眼科画像処理装置２１または眼科画像処理プログラムをユーザに提供するメーカー等に配置される。数学モデル構築装置１は、各種制御処理を行う制御ユニット２と、通信Ｉ／Ｆ５を備える。制御ユニット２は、制御を司るコントローラであるＣＰＵ３と、プログラムおよびデータ等を記憶することが可能な記憶装置４を備える。記憶装置４には、後述する数学モデル構築処理（図２参照）を実行するための数学モデル構築プログラムが記憶されている。また、通信Ｉ／Ｆ５は、数学モデル構築装置１を他のデバイス（例えば、眼科画像撮影装置１１Ａおよび眼科画像処理装置２１等）と接続する。

【0031】

数学モデル構築装置１は、操作部７および表示装置８に接続されている。操作部７は、ユーザが各種指示を数学モデル構築装置１に入力するために、ユーザによって操作される。操作部７には、例えば、キーボード、マウス、タッチパネル等の少なくともいずれかを使用できる。なお、操作部７と共に、または操作部７に代えて、各種指示を入力するためのマイク等が使用されてもよい。表示装置８は、各種画像を表示する。表示装置８には、画像を表示可能な種々のデバイス（例えば、モニタ、ディスプレイ、プロジェクタ等の少なくともいずれか）を使用できる。なお、本開示における「画像」には、静止画像も動画像も共に含まれる。

【0032】

数学モデル構築装置１は、眼科画像撮影装置１１Ａから眼科画像のデータ（以下、単に「眼科画像」という場合もある）を取得することができる。数学モデル構築装置１は、例えば、有線通信、無線通信、着脱可能な記憶媒体（例えばＵＳＢメモリ）等の少なくともいずれかによって、眼科画像撮影装置１１Ａから眼科画像のデータを取得してもよい。

【0033】

眼科画像処理装置２１について説明する。眼科画像処理装置２１は、例えば、被検者の診断または検査等を行う施設（例えば、病院または健康診断施設等）に配置される。眼科画像処理装置２１は、各種制御処理を行う制御ユニット２２と、通信Ｉ／Ｆ２５を備える。制御ユニット２２は、制御を司るコントローラであるＣＰＵ２３と、プログラムおよびデータ等を記憶することが可能な記憶装置２４を備える。記憶装置２４には、後述する眼科画像処理（例えば、図４に例示する撮影条件変更処理等）を実行するための眼科画像処理プログラムが記憶されている。眼科画像処理プログラムには、数学モデル構築装置１によって構築された数学モデルを実現させるプログラムが含まれる。通信Ｉ／Ｆ２５は、眼科画像処理装置２１を他のデバイス（例えば、眼科画像撮影装置１１Ｂおよび数学モデル構築装置１等）と接続する。

【0034】

眼科画像処理装置２１は、操作部２７および表示装置２８に接続されている。操作部２７および表示装置２８には、前述した操作部７および表示装置８と同様に、種々のデバイスを使用することができる。

【0035】

眼科画像処理装置２１は、眼科画像撮影装置１１Ｂから眼科画像を取得することができる。眼科画像処理装置２１は、例えば、有線通信、無線通信、着脱可能な記憶媒体（例えばＵＳＢメモリ）等の少なくともいずれかによって、眼科画像撮影装置１１Ｂから眼科画像を取得してもよい。また、眼科画像処理装置２１は、数学モデル構築装置１によって構築された数学モデルを実現させるプログラム等を、通信等を介して取得してもよい。

【0036】

眼科画像撮影装置１１Ａ，１１Ｂについて説明する。一例として、本実施形態では、数学モデル構築装置１に眼科画像を提供する眼科画像撮影装置１１Ａと、眼科画像処理装置２１に眼科画像を提供する眼科画像撮影装置１１Ｂが使用される場合について説明する。しかし、使用される眼科画像撮影装置の数は２つに限定されない。例えば、数学モデル構築装置１および眼科画像処理装置２１は、複数の眼科画像撮影装置から眼科画像を取得してもよい。また、数学モデル構築装置１および眼科画像処理装置２１は、共通する１つの眼科画像撮影装置から眼科画像を取得してもよい。なお、本実施形態で例示する２つの眼科画像撮影装置１１Ａ，１１Ｂは、同一の構成を備える。従って、以下では、２つの眼科画像撮影装置１１Ａ，１１Ｂについて纏めて説明を行う。

【0037】

また、本実施形態では、眼科画像撮影装置１１（１１Ａ，１１Ｂ）として、ＯＣＴ装置を例示する。ただし、ＯＣＴ装置以外の眼科画像撮影装置（例えば、レーザ走査型検眼装置（ＳＬＯ）、眼底カメラ、または角膜内皮細胞撮影装置（ＣＥＭ）等）が用いられてもよい。

【0038】

眼科画像撮影装置１１（１１Ａ，１１Ｂ）は、各種制御処理を行う制御ユニット１２（１２Ａ，１２Ｂ）と、眼科画像撮影部１６（１６Ａ，１６Ｂ）を備える。制御ユニット１２は、制御を司るコントローラであるＣＰＵ１３（１３Ａ，１３Ｂ）と、プログラムおよびデータ等を記憶することが可能な記憶装置１４（１４Ａ，１４Ｂ）を備える。

【0039】

眼科画像撮影部１６は、被検眼の眼科画像を撮影するために必要な各種構成を備える。図示しないが、眼科画像撮影部１６は、ＯＣＴ光源と、ＯＣＴ光源から出射されたＯＣＴ光を測定光と参照光に分岐する分岐光学素子を備える。さらに、本実施形態の眼科画像撮影部１６は、受光素子１７（１７Ａ，１７Ｂ）、スキャナ１８（１８Ａ，１８Ｂ）、光路長調整部１９（１９Ａ，１９Ｂ）、偏光状態調整部２０（２０Ａ，２０Ｂ）を備える。受光素子１７は、被検眼の組織によって光と参照光の合成光を受光する。スキャナ１８は、測定光を被検眼の組織上で走査する。光路長調整部１９は、測定光と参照光の少なくともいずれかの光路長を調整する。偏光状態調整部２０は、測定光および参照光の少なくともいずれかの偏光状態を調整する。

【0040】

眼科画像撮影装置１１は、被検眼の眼底の二次元断層画像および三次元断層画像を撮影することができる。詳細には、ＣＰＵ１３は、スキャンライン上にＯＣＴ光（測定光）を走査させることで、スキャンラインに交差する断面の二次元断層画像を撮影する。また、ＣＰＵ１３は、ＯＣＴ光を二次元的に走査することによって、組織における三次元断層画像を撮影することができる。例えば、ＣＰＵ１３は、組織を正面から見た際の二次元の領域内において、位置が互いに異なる複数のスキャンライン上の各々に測定光を走査させることで、複数の二次元断層画像を取得する。次いで、ＣＰＵ１３は、撮影された複数の二次元断層画像を組み合わせることで、三次元断層画像を取得する。

【0041】

また、ＣＰＵ１３は、各種撮影条件を変更して眼科画像を撮影することができる。例えば、ＣＰＵ１３は、光路長調整部１９によって光路長を調整することで、組織の深さ方向における各位置のうち、断層画像に鮮明に映り込む位置を変化させることができる。ＣＰＵ１３は、偏光状態調整部２０によって偏光状態を調整することで、偏光状態に応じて画像に現れる組織の構造を変化させることができる。ＣＰＵ１３は、受光素子１７における露光時間を調整することで、露光時間に起因する眼科画像の輝度を変化させることができる。ＣＰＵ１３は、各スキャンライン毎のＡスキャンデータ（深さ方向のデータ）の数を調整することで、スキャンライン方向（Ｂスキャン方向）における画像の解像度を変化させることができる。ＣＰＵ１３は、Ａスキャン方向の画像の解像度を変化させることも可能である。

【0042】

さらに、ＣＰＵ１３は、組織上の同一部位（本実施形態では、同一のスキャンライン上）に測定光を複数回走査させることで、同一部位の眼科画像を複数撮影する。ＣＰＵ１３は、同一部位の複数の眼科画像に対して加算平均処理を行うことで、スペックルノイズの影響が抑制された加算平均画像を取得することができる。加算平均処理は、例えば、複数の眼科画像のうち、同一の位置の画素の画素値を平均化することで行われてもよい。加算平均処理を行う画像の数が多い程、スペックルノイズの影響は抑制され易いが、撮影時間は長くなる。なお、眼科画像撮影装置１１は、同一部位の眼科画像を複数撮影する間に、被検眼の動きにＯＣＴ光の走査位置を追従させるトラッキング処理を実行する。

【0043】

（数学モデル構築処理）
図２および図３を参照して、数学モデル構築装置１が実行する数学モデル構築処理について説明する。数学モデル構築処理は、記憶装置４に記憶された数学モデル構築プログラムに従って、ＣＰＵ３によって実行される。

【0044】

数学モデル構築処理では、訓練データセットによって数学モデルが訓練されることで、基画像が撮影された際の撮影条件（加算枚数以外の撮影条件）とは異なる撮影条件で撮影された画像に相当する（つまり、撮影条件が変更された画像に相当する）目的画像を出力するための数学モデルが構築される。さらに、本開示で例示する数学モデルは、目的画像よりもノイズの影響が抑制された目的画像を出力する。詳細は後述するが、訓練データセットには、入力用訓練データと出力用訓練データが含まれる。本実施形態では、入力用訓練データとして、１枚～複数枚の眼科画像（本実施形態では眼底の二次元断層画像）に基づくデータが使用される。また、出力用訓練データとして、入力用訓練データが撮影された際の加算枚数以外の撮影条件とは異なる撮影条件で撮影された眼科画像に基づくデータが使用される。さらに、本実施形態では、出力用訓練データとして、入力用訓練データに使用される眼科画像の枚数（Ｌ枚）よりも多い枚数（Ｈ枚）の眼科画像に基づく加算平均画像のデータが使用される。入力用訓練データと出力用訓練データは、組織の同一部位を撮影対象としている。

【0045】

図２に示すように、ＣＰＵ３は、入力用訓練データ用の眼科画像Ｉを取得する（Ｓ１）。本実施形態では、被検眼の眼底上にＯＣＴ光を走査させることで撮影された二次元断層画像が、入力用訓練データ用の眼科画像Ｉとして、眼科画像撮影装置１１Ａから取得される。ただし、ＣＰＵ３は、二次元断層画像を生成する基となる信号（例えばＯＣＴ信号）を眼科画像撮影装置１１Ａから取得し、取得した信号に基づいて二次元断層画像を生成することで、二次元断層画像を取得してもよい。

【0046】

図３に示す例では、第１撮影条件で撮影された１枚の眼科画像３０Ｉのデータが、入力用訓練データとして取得される。しかし、組織の同一部位を撮影した複数の眼科画像３０Ｉのデータ、または、組織の同一部位を撮影した複数の眼科画像３０Ｉの加算平均画像のデータが、入力用訓練データとして取得されてもよい。加算平均画像のデータが入力用訓練データとして取得されることで、１枚の眼科画像３０Ｉのデータが入力用訓練データとして取得される場合に比べて、数学モデルが出力する目的画像の画質が向上する。

【0047】

なお、本実施形態のＳ１で取得される入力用訓練データには、眼科画像Ｉが撮影された際の、加算枚数以外の第１撮影条件（光路長、偏光状態、露光時間、スキャンライン毎のＡスキャンデータの数、および、Ａスキャン方向の解像度のうちの少なくともいずれか）と、眼科画像Ｉのノイズの程度を示すノイズ情報とが含まれる。第１撮影条件は、眼科画像撮影装置１１Ａから取得されてもよい。また、眼科画像Ｉのノイズの程度を示す情報は、眼科画像Ｉから自動的に取得されてもよいし、ユーザによって入力されてもよい。

【0048】

次いで、ＣＰＵ３は、入力用訓練データ（眼科画像Ｉ）と同一の被検眼の同一部位を、入力用訓練データの加算枚数以外の撮影条件（第１撮影条件）とは異なる撮影条件（第２撮影条件）で撮影した複数の眼科画像Ｏを、出力用訓練データ用の眼科画像として取得する（Ｓ２）。つまり、ＣＰＵ３は、入力用訓練データを撮影する際にＯＣＴ光が走査されたスキャンラインと同一のスキャンライン上でＯＣＴ光を走査させることで撮影された、複数の眼科画像Ｏを、眼科画像撮影装置１１Ａから取得する。

【0049】

図３に示す例では、入力用訓練データとして使用された眼科画像３０Ｉの枚数（Ｌ枚）よりも多いＨ枚の眼科画像Ｏ（３０Ｏ１～３０ＯＨ）が、出力用訓練データ用の眼科画像として取得される。例えば、入力用訓練データとして、Ｌ枚の眼科画像３０Ｉの加算平均画像が取得された場合には、加算平均画像に使用された眼科画像３０Ｉの枚数（Ｌ枚）よりも多いＨ枚の眼科画像Ｏが、Ｓ２で取得される。

【0050】

本実施形態では、入力用訓練データ用の眼科画像Ｉの撮影条件（第１撮影条件）と、出力用訓練データ用の眼科画像Ｏの撮影条件（第２撮影条件）の間で、前述した光路長、偏光状態、露光時間、スキャンライン毎のＡスキャンデータの数、および、Ａスキャン方向の解像度のうちの１つまたは複数が異なる。

【0051】

次いで、ＣＰＵ３は、出力用訓練データ用の複数の眼科画像Ｏの加算平均画像３１を、出力用訓練データとして取得する（Ｓ３）前述したように、出力用訓練データである加算平均画像３１に使用される眼科画像Ｏの枚数Ｈは、入力用訓練データに使用される眼科画像Ｉの枚数Ｌよりも多い。なお、加算平均画像３１は、数学モデル構築装置１が生成してもよい。また、数学モデル構築装置１は、眼科画像撮影装置１１Ａによって生成された加算平均画像３１を取得してもよい。

【0052】

なお、本実施形態のＳ１，Ｓ３で取得される出力用訓練データには、複数の眼科画像Ｏが撮影された際の第２撮影条件（光路長、偏光状態、露光時間、スキャンライン毎のＡスキャンデータの数、および、Ａスキャン方向の解像度のうちの少なくともいずれか）と、加算平均画像３１のノイズの程度を示すノイズ情報とが含まれる。第２撮影条件は、眼科画像撮影装置１１Ａから取得されてもよい。また、加算平均画像３１のノイズの程度を示す情報は、加算平均画像３１から自動的に取得されてもよいし、ユーザによって入力されてもよい。加算平均画像３１に使用された眼科画像Ｏの枚数の情報が、ノイズの程度を示す情報として取得されてもよい。

【0053】

次いで、ＣＰＵ３は、機械学習アルゴリズムによって、訓練データセットを用いた数学モデルの訓練を実行する（Ｓ４）。機械学習アルゴリズムとしては、例えば、ニューラルネットワーク、ランダムフォレスト、ブースティング、サポートベクターマシン（ＳＶＭ）等が一般的に知られている。

【0054】

ニューラルネットワークは、生物の神経細胞ネットワークの挙動を模倣する手法である。ニューラルネットワークには、例えば、フィードフォワード（順伝播型）ニューラルネットワーク、ＲＢＦネットワーク（放射基底関数）、スパイキングニューラルネットワーク、畳み込みニューラルネットワーク、再帰型ニューラルネットワーク（リカレントニューラルネット、フィードバックニューラルネット等）、確率的ニューラルネット（ボルツマンマシン、ベイシアンネットワーク等）等がある。

【0055】

ランダムフォレストは、ランダムサンプリングされた訓練データに基づいて学習を行って、多数の決定木を生成する方法である。ランダムフォレストを用いる場合、予め識別器として学習しておいた複数の決定木の分岐を辿り、各決定木から得られる結果の平均（あるいは多数決）を取る。

【0056】

ブースティングは、複数の弱識別器を組み合わせることで強識別器を生成する手法である。単純で弱い識別器を逐次的に学習させることで、強識別器を構築する。

【0057】

ＳＶＭは、線形入力素子を利用して２クラスのパターン識別器を構成する手法である。ＳＶＭは、例えば、訓練データから、各データ点との距離が最大となるマージン最大化超平面を求めるという基準（超平面分離定理）で、線形入力素子のパラメータを学習する。

【0058】

数学モデルは、例えば、入力データと出力データの関係を予測するためのデータ構造を指す。数学モデルは、訓練データセットを用いて訓練されることで構築される。訓練データセットは、入力用訓練データと出力用訓練データのセットである。数学モデルは、ある入力用訓練データが入力された時に、それに対応する出力用訓練データが出力されるように訓練される。例えば、訓練によって、各入力と出力の相関データ（例えば、重み）が更新される。

【0059】

本実施形態では、機械学習アルゴリズムとして多層型のニューラルネットワークが用いられている。ニューラルネットワークは、データを入力するための入力層と、予測したいデータを生成するための出力層と、入力層と出力層の間の１つ以上の隠れ層を含む。各層には、複数のノード（ユニットとも言われる）が配置される。詳細には、本実施形態では、多層型ニューラルネットワークの一種である畳み込みニューラルネットワーク（ＣＮＮ）が用いられている。ただし、他の機械学習アルゴリズムが用いられてもよい。例えば、競合する２つのニューラルネットワークを利用する敵対的生成ネットワーク（Ｇｅｎｅｒａｔｉｖｅ ａｄｖｅｒｓａｒｉａｌ ｎｅｔｗｏｒｋｓ：ＧＡＮ）が、機械学習アルゴリズムとして採用されてもよい。

【0060】

なお、本実施形態のＳ４では、前述したように、眼科画像Ｉが撮影された際の第１撮影条件と、眼科画像Ｉのノイズの程度を示す情報とが、入力用訓練データに含まれる。また、複数の眼科画像Ｏが撮影された際の第２撮影条件と、加算平均画像３１のノイズの程度を示す情報とが、出力用訓練データに含まれる。その結果、数学モデルは、入力される基画像の第１撮影条件およびノイズの程度に応じて、適切に目的画像を出力することができる。

【0061】

また、加算枚数以外の複数の撮影条件（本実施形態では、光路長、偏光状態、露光時間、スキャンライン毎のＡスキャンデータの数、および、Ａスキャン方向の解像度）のうち、入力用訓練データ用の眼科画像Ｉと出力用訓練データ用の眼科画像Ｏの間で異なるいずれかの撮影条件に応じて、複数の数学モデルの各々が訓練されてもよい。つまり、数学モデルを利用して変更する撮影条件毎に、別々に数学モデルが訓練されてもよい。また、入力用訓練データ用の眼科画像Ｉと出力用訓練データ用の眼科画像Ｏの間で、加算枚数以外の複数の撮影条件を変更して、数学モデルを訓練してもよい。この場合、数学モデルは、入力された基画像に基づいて、基画像の撮影条件に対して複数の撮影条件を変更した目的画像を出力することができる。

【0062】

数学モデルの構築が完了するまで（Ｓ５：ＮＯ）、Ｓ１～Ｓ４の処理が繰り返される。数学モデルの構築が完了すると（Ｓ５：ＹＥＳ）、数学モデル構築処理は終了する。構築された数学モデルを実現させるプログラムおよびデータは、眼科画像処理装置２１に組み込まれる。

【0063】

（撮影条件変更処理）
図４および図５を参照して、眼科画像処理装置２１が実行する撮影条件変更処理について説明する。撮影条件変更処理は、記憶装置２４に記憶された眼科画像処理プログラムに従って、ＣＰＵ２３によって実行される。本実施形態の撮影条件変更処理では、数学モデルに基画像が入力されることで、基画像よりもノイズの影響が抑制され、且つ、基画像が撮影された際の撮影条件（加算枚数以外の撮影条件）とは異なる撮影条件で撮影された画像に相当する目的画像が取得される。

【0064】

まず、ＣＰＵ２３は、眼科画像撮影装置（本実施形態ではＯＣＴ装置）１１Ｂによって撮影された基画像３１（図５参照）を取得する。本実施形態の基画像３１は、前述した入力用訓練データと同様に、第１撮影条件で撮影された１枚の眼科画像の、または、第１撮影条件で撮影された複数枚の眼科画像の加算平均画像である。

【0065】

ＣＰＵ２３は、基画像３１が眼科画像撮影装置１１Ｂによって撮影された際の、加算枚数以外の撮影条件（基画像３１の撮影条件）と、基画像３１のノイズの程度を示すノイズ情報を取得する（Ｓ２）。基画像３１の撮影条件は、例えば、有線通信、無線通信、または着脱可能な記憶媒体等を介して取得されてもよいし、ユーザによって入力されてもよい。また、ノイズ情報は、基画像３１から自動的に取得されてもよいし、ユーザによって入力されてもよい。基画像３１が加算平均画像である場合には、ノイズ情報は、基画像３１を生成する際に加算平均された画像の枚数（加算枚数）であってもよい。

【0066】

ＣＰＵ２３は、Ｓ１で取得した基画像３１と条件指定部３２を、表示装置２８に表示させる（Ｓ３）。図５に、基画像３１と条件指定部３２が表示された条件指定画面３０の一例を示す。条件指定部３２には、基画像３１の撮影条件と、ユーザが指定する目的画像の撮影条件（つまり、基画像３１の撮影条件から変更する撮影条件）が、複数の撮影条件（本実施形態では、光路長、偏光状態、露光時間、スキャンライン毎のＡスキャンデータの数、および、Ａスキャン方向の解像度）の各々について表示される。なお、本実施形態では、基画像３１および目的画像の加算枚数も表示されている。ユーザは、変更したい撮影条件の欄を指定し、所望の値を入力することで、目的画像の撮影条件を適宜指定することができる。なお、複数の撮影条件のうち、ユーザが変更することを指定しない撮影条件の欄には、「－」が表示されている。

【0067】

ＣＰＵ２３は、撮影条件を指定する指示が入力されたか否かを判断する（Ｓ５）。入力されていなければ（Ｓ５：ＮＯ）、処理はそのままＳ８へ移行する。撮影条件を指定する指示が入力されると（Ｓ５：ＹＥＳ）、ＣＰＵ２３は、指定された撮影条件を目的画像の撮影条件（つまり、画像の変換条件）に設定し、条件指定部３２の表示を変更する（Ｓ６）。

【0068】

ＣＰＵ２３は、範囲指定指示がユーザによって入力されたか否かを判断する（Ｓ８）。本実施形態では、ユーザは、基画像３１の撮影条件を変更する変更範囲３３（図５参照）を指定することができる。変更範囲３３が指定されると、基画像３１の画像範囲全体のうち、指定された変更範囲内において、ノイズの影響が抑制され且つ撮影条件が変更された目的画像が取得される。変更範囲３３が指定されていなければ（Ｓ８：ＮＯ）、処理はそのままＳ１１へ移行する。変更範囲３３が指定されると（Ｓ８：ＹＥＳ）、ＣＰＵ２３は、指定された変更範囲３３を、撮影条件の変更範囲に設定する（Ｓ９）。

【0069】

ＣＰＵ２３は、撮影条件を決定する指示がユーザによって入力されたか否かを判断する（Ｓ１１）。入力されていなければ（Ｓ１１：ＮＯ）、処理はＳ５へ戻り、Ｓ５～Ｓ１１の処理が繰り返される。ユーザが決定ボタン３４（図５参照）を操作して決定指示を入力すると（Ｓ１１：ＹＥＳ）、ＣＰＵ２３は、基画像３１、基画像３１の撮影条件、基画像３１のノイズ情報、および、指定された目的画像の撮影条件を数学モデルに入力する（Ｓ１２）。その結果、基画像３１よりもノイズの影響が抑制され、且つ、基画像３１が撮影された際の撮影条件とは異なる撮影条件（本実施形態では、指定された撮影条件）で撮影された画像に相当する目的画像が、数学モデルによって出力される。ＣＰＵ２３は、取得した目的画像を表示装置２８に表示させる。図５に、目的画像表示画面４０の一例を示す。表示される目的画像４１では、ノイズの影響が抑制されている。また、目的画像４１の撮影条件は、基画像３１の撮影条件とは異なる撮影条件に変更されている。

【0070】

なお、Ｓ９で変更範囲３３が設定されている場合、本実施形態のＳ１２では、基画像３１の画像範囲全体のうち、Ｓ９で設定された変更範囲３３内の画像が数学モデルに入力される。その結果、基画像３１の画像範囲全体のうち、ユーザが所望する範囲において、ノイズの影響および撮影条件が変更される。

【0071】

上記実施形態で開示された技術は一例に過ぎない。従って、上記実施形態で例示された技術を変更することも可能である。まず、上記実施形態で例示された複数の技術のうちの一部のみを実行することも可能である。例えば、眼科画像処理装置２１は、数学モデルに基画像３１を入力することで、基画像３１のノイズの影響を変更せずに、基画像３１が撮影された際の撮影条件とは異なる撮影条件で撮影された画像に相当する目的画像４１を取得してもよい。この場合、眼科画像処理装置２１は、撮影条件が変更された目的画像４１を取得する処理とは別に、基画像３１または目的画像４１のノイズの影響を抑制するデノイジング処理を実行してもよい。デノイジング処理は、目的画像４１を取得するための数学モデルとは別に設けられた、画像のノイズの影響を抑制するための数学モデルが利用されることで実行されてもよい。また、数学モデルを利用せずに、公知の処理（例えば、加算平均処理またはフィルター処理等）によって、デノイジング処理が実行されてもよい。

【0072】

また、上記実施形態では、ユーザは、所望する撮影条件を自由に眼科画像処理装置２１に入力することが可能である。眼科画像処理装置２１は、入力された撮影条件を変換条件として、基画像３１を変換することで、目的画像４１を取得する。しかし、眼科画像処理装置２１は、多数の撮影条件の組み合わせの中から、目的画像４１の画質が良好となる撮影条件の組み合わせを自動的に設定し、設定した撮影条件の組み合わせを変換条件として目的画像４１を取得してもよい。

【0073】

なお、図４のＳ１で基画像３１を取得する処理は、「基画像取得ステップ」の一例である。図４のＳ１２で目的画像を取得する処理は、「目的画像取得ステップ」の一例である。図４のＳ５で撮影条件の指定指示の入力を受け付ける処理は、「撮影条件入力ステップ」の一例である。図４のＳ２で基画像３１の撮影条件を取得する処理は、「基画像撮影条件取得ステップ」の一例である。図４のＳ８で変更範囲３３の指定指示の入力を受け付ける処理は、「範囲入力ステップ」の一例である。

【符号の説明】

【0074】

１ 数学モデル構築装置
１１Ａ，１１Ｂ 眼科画像撮影装置
１７Ａ，１７Ｂ 受光素子
１８Ａ，１８Ｂ スキャナ
１９Ａ，１９Ｂ 光路長調整部
２０Ａ，２０Ｂ 偏光状態調整部
２１ 眼科画像処理装置
２３ ＣＰＵ
２４ 記憶装置
２８ 表示装置
３１ 基画像
４１ 目的画像

【図1】

【図2】

【図3】

【図4】

【図5】