特許ウォッチ

公開番号2025100457
公報種別公開特許公報(A)
公開日2025-07-03
出願番号2024221715
出願日2024-12-18
発明の名称網膜画像におけるノイズ低減
出願人オプトスピーエルシー
代理人弁理士法人太陽国際特許事務所
主分類A61B 3/14 20060101AFI20250626BHJP(医学または獣医学;衛生学)
要約【課題】網膜に関連するテクスチャを保持する、ノイズが除去された画像を生成する。
【解決手段】網膜の一領域の画像シーケンスを処理して、当該領域の平均化画像を生成するコンピュータ実装方法であって、画像シーケンスから選択された基準画像と、シーケンス内の残りの画像からの画像であるそれぞれの比較画像の各組合せについて、基準画像とそれぞれの比較画像との間のそれぞれのオフセットを決定することと、オフセットが閾値よりも小さいかを判定するために、各オフセットを閾値と比較することと、それぞれのオフセットが閾値よりも小さいと判定された各組合せにおいて、それぞれの比較画像を選択することと、領域の平均化画像を生成するために、選択された比較画像を使用することと、を含む。閾値は、平均化画像が、画像シーケンス内の画像から生成された基準平均化画像よりも、網膜の当該領域において、より多くのテクスチャ特徴を示すよう定められる。
【選択図】図1
特許請求の範囲【請求項１】
眼（５０）の網膜（４０）の第１の領域（３０）の第１の画像シーケンス（２０）を処理して、前記第１の領域（３０）の平均化画像（７０）を生成するコンピュータ実装方法であって、
前記第１の画像シーケンス（２０）から選択された基準画像（Ｉ
Ｒｅｆ
）と、前記第１の画像シーケンス（２０）の残りの画像からの画像であるそれぞれの比較画像（Ｉ
Ｃｏｍｐ
）との各組合せについて、前記基準画像（Ｉ
Ｒｅｆ
）と前記それぞれの比較画像（Ｉ
Ｃｏｍｐ
）との間のそれぞれのオフセット（ｔ；Δφ）を決定することと、
前記オフセット（ｔ；Δφ）がオフセット閾値（Ｔ；Θ）よりも小さいかを判定するために、決定された各オフセット（ｔ；Δφ）をオフセット閾値（Ｔ；Θ）と比較することと、
前記基準画像（Ｉ
Ｒｅｆ
）と前記それぞれの比較画像（Ｉ
Ｃｏｍｐ
）との間の前記それぞれのオフセット（ｔ）が前記オフセット閾値（Ｔ；Θ）よりも小さいと判定された各組合せにおいて、前記それぞれの比較画像（Ｉ
Ｃｏｍｐ
）を選択することと、
前記第１の領域（３０）の前記平均化画像（７０）を生成するために、前記選択された比較画像（２５）を使用することと、を含み、
前記オフセット閾値（Ｔ；Θ）は、前記第１の画像シーケンス（２０）が、前記基準画像（Ｉ
Ｒｅｆ
）から前記閾値（Ｔ）よりも大きいオフセット（ｔ）分オフセットされた少なくとも１つの画像と、前記基準画像（Ｉ
Ｒｅｆ
）から前記閾値（Ｔ）よりも小さいそれぞれのオフセット（ｔ）分オフセットされた画像とを含む場合、前記平均化画像（７０）が、前記第１の画像シーケンス（２０）内の前記画像から生成された基準平均化画像（７５）よりも、前記網膜（４０）の前記第１の領域（３０）の構造を示すテクスチャをより多く示すよう定められる、
コンピュータ実装方法。
続きを表示（約 3,100 文字）【請求項２】
前記基準画像（Ｉ
Ｒｅｆ
）と前記それぞれの比較画像（Ｉ
Ｃｏｍｐ
）の各組合せについて決定された前記それぞれのオフセット（ｔ；Δφ）は並進オフセット（ｔ）を含み、
前記比較することは、前記並進オフセット（ｔ）が並進オフセット閾値（Ｔ）よりも小さいかを判定するために各並進オフセット（ｔ）を並進オフセット閾値（Ｔ）と比較することを含み、
前記選択することは、前記それぞれの並進オフセット（ｔ）が前記並進オフセット閾値（Ｔ）よりも小さいと判定された各組合せにおいて、前記それぞれの比較画像（Ｉ
Ｃｏｍｐ
）を選択することを含む、
請求項１に記載のコンピュータ実装方法。
【請求項３】
各組合せにおける前記基準画像（Ｉ
Ｒｅｆ
）と前記それぞれの比較画像（Ｉ
Ｃｏｍｐ
）との間の前記それぞれの並進オフセット（ｔ）は、
前記基準画像（Ｉ
Ｒｅｆ
）と前記それぞれの比較画像（Ｉ
Ｃｏｍｐ
）を用いて相互相関を計算すること、及び
前記基準画像（Ｉ
Ｒｅｆ
）と前記それぞれの比較画像（Ｉ
Ｃｏｍｐ
）を用いて算出された正規化クロスパワースペクトルの逆フーリエ変換を計算すること、
のうちのいずれかによって決定される、請求項２に記載のコンピュータ実装方法。
【請求項４】
前記基準画像（Ｉ
Ｒｅｆ
）と前記それぞれの比較画像（Ｉ
Ｃｏｍｐ
）の各組合せについて決定された前記それぞれのオフセット（ｔ；Δφ）は回転オフセット（Δφ）を含み、
前記比較することは、前記回転オフセット（Δφ）が回転オフセット閾値（Θ）よりも小さいかを判定するために各回転オフセット（Δφ）を回転オフセット閾値（Θ）と比較することを含み、
前記選択することは、前記それぞれの回転オフセット（Δφ）が前記回転オフセット閾値（Θ）よりも小さいと判定された各組合せにおいて、前記それぞれの比較画像（Ｉ
Ｃｏｍｐ
）を選択することを含む、
請求項１から請求項３のいずれか１項に記載のコンピュータ実装方法。
【請求項５】
各組合せにおける前記基準画像（Ｉ
Ｒｅｆ
）と前記それぞれの比較画像（Ｉ
Ｃｏｍｐ
）との間の前記それぞれの回転オフセット（Δφ）は、
前記それぞれの比較画像（Ｉ
Ｃｏｍｐ
）の回転バージョンを使用して相互相関を計算すること、及び
前記基準画像（Ｉ
Ｒｅｆ
）と前記それぞれの比較画像（Ｉ
Ｃｏｍｐ
）の極変換を使用して計算された正規化クロスパワースペクトルの逆フーリエ変換を計算すること、
のうちのいずれかによって決定される、請求項４に記載のコンピュータ実装方法。
【請求項６】
前記選択された比較画像（２５）は、
前記選択された比較画像（２５）を相互に対して位置合わせすることであって、前記選択された比較画像（２５）の各対を位置合わせすることは、前記対の前記画像の画像座標系間のそれぞれの幾何学的変換に従って、前記対の前記画像のうちの一方のピクセル値を再分配することを含む、位置合わせすることと、
前記位置合わせされた画像を平均化することにより、前記第１の領域（３０）の前記平均化画像（７０）を生成することと、
によって、前記第１の領域（３０）の前記平均化画像（７０）を生成するために使用される、先行する請求項のいずれか１項に記載のコンピュータ実装方法。
【請求項７】
前記選択された比較画像（２５）の各対の前記画像の前記画像座標系間の前記それぞれの幾何学的変換は、
前記選択された比較画像（２５）のピクセルが配列されている第１のピクセル配列方向に沿った、それぞれの第１の整数のピクセル分の、それぞれの第１の並進、及び
前記選択された比較画像（２５）の前記ピクセルが配列されている第２のピクセル配列方向に沿った、それぞれの第２の整数のピクセル分の、それぞれの第２の並進、
の少なくとも１つからなる、請求項６に記載のコンピュータ実装方法。
【請求項８】
前記基準画像（Ｉ
Ｒｅｆ
）とそれぞれの比較画像（Ｉ
Ｃｏｍｐ
）の各組合せについて、前記それぞれのオフセットを用いて相互に対して位置合わせされたときの前記基準画像（Ｉ
Ｒｅｆ
）と前記それぞれの比較画像（Ｉ
Ｃｏｍｐ
）のそれぞれの類似度を決定することと、
前記決定された類似度が第１の類似度閾値よりも大きいかを判定するために、各決定された類似度を第１の類似度閾値と比較することと、
をさらに含み、
前記選択することは、前記基準画像（Ｉ
Ｒｅｆ
）と前記それぞれの比較画像（Ｉ
Ｃｏｍｐ
）が、その間に前記オフセット閾値（Ｔ；Θ）よりも小さいそれぞれのオフセット（ｔ；Δφ）と、前記それぞれのオフセットを用いて相互に対して位置合わせされたときに前記第１の類似度閾値よりも大きいそれぞれの類似度と、を有すると判定された各組合せにおいて、それぞれの比較画像（Ｉ
Ｃｏｍｐ
）を選択することを含む、
先行する請求項のいずれか１項に記載のコンピュータ実装方法。
【請求項９】
前記決定された類似度が第２の類似度閾値よりも小さいかを判定するために、各決定された類似度を第２の類似度閾値と比較することをさらに含み、前記第２の類似度閾値は前記第１の類似度閾値よりも大きく、前記選択することは、前記基準画像（Ｉ
Ｒｅｆ
）と前記それぞれの比較画像（Ｉ
Ｃｏｍｐ
）が、その間に前記オフセット閾値（Ｔ；Θ）よりも小さいそれぞれのオフセット（ｔ；Δφ）と、前記それぞれのオフセットを用いて相互に対して位置合わせされたときに前記第１の類似度閾値よりも大きく前記第２の類似度閾値よりも小さいそれぞれの類似度と、を有すると判定された各組合せにおいて、それぞれの比較画像（Ｉ
Ｃｏｍｐ
）を選択することを含む、請求項８に記載のコンピュータ実装方法。
【請求項１０】
各組合せにおける前記基準画像（Ｉ
Ｒｅｆ
）と前記それぞれの比較画像（Ｉ
Ｃｏｍｐ
）との間の前記それぞれの並進オフセット（ｔ）は、前記基準画像（Ｉ
Ｒｅｆ
）と前記それぞれの比較画像（Ｉ
Ｃｏｍｐ
）とを用いて相互相関を計算することによって決定され、
前記それぞれの並進オフセット（ｔ）を使用して相互に対して位置合わせされたときの、前記基準画像（Ｉ
Ｒｅｆ
）と前記それぞれの比較画像（Ｉ
Ｃｏｍｐ
）との間の前記それぞれの類似度は、前記計算された相互相関の最大値を決定することで決定される、
請求項２に従属する場合には請求項８に、請求項２に従属する場合には請求項９に記載のコンピュータ実装方法。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本明細書の例示的な態様は、一般に、眼の網膜の画像におけるノイズを抑制する技術に関し、より詳細には、網膜の一領域の画像シーケンスを処理して、当該領域のノイズ除去画像を生成することに関する。
続きを表示（約 3,900 文字）【背景技術】
【０００２】
様々な異なるモダリティによる網膜撮像が、眼の網膜における病理学的変化、及び加齢に伴う生理学的変化を検出するために広く利用されている。あらゆる場合において、このような変化を正常に検出するには、網膜画像は焦点が合い、ノイズが可能な限り少なく、アーチファクトが可能な限り少ないことが要求される。しかしながら、患者の安全のため、網膜撮像デバイスは一般的に低出力の照明光源を使用しており、このため信号対雑音比（ＳＮＲ）が、他の組織の撮像と比べて低くなる可能性がある。さらに、撮像技術によってはノイズがつきものである。例えば、光干渉断層計（ＯＣＴ）画像はスペックルノイズを含む傾向があり、コントラストが低下し、強く散乱する構造間の境界を識別することが困難となり得る。眼底自発蛍光（ＦＡＦ）画像は、低輝度レベルの蛍光の検出に由来するもので、光子ノイズとアンプ（読み出し）ノイズの組合せのために、ＳＮＲが低いことが多い。
【発明の概要】
【発明が解決しようとする課題】
【０００３】
ノイズは、例えば、複数の画像フレームを記録し、相互に対して位置合わせし、位置合わせした画像を平均化して、成分画像からのノイズが低いレベルに平均化されたノイズ除去画像を生成する平均化技術を用いることで、画像キャプチャプロセスを適合させて抑制することができる。また、例えば畳み込みニューラルネットワーク（ＣＮＮ）又は他の教師あり機械学習アルゴリズムを用いる、ポストキャプチャ画像処理技術によってノイズを抑制することもできる。ＣＮＮ又は他の教師あり機械学習アルゴリズムは、キャプチャされた網膜画像からノイズを除去するため、平均化（ノイズ除去）画像を用いて訓練されている。しかしながら、これらの両アプローチでは、網膜に関連するテクスチャを含む、価値ある低コントラストの解剖学的特徴が、最終的なノイズ除去画像では抑制されるか、欠落してしまう傾向がある。したがって、網膜に関連するテクスチャを保持する、ノイズが除去された網膜画像を生成する技術を提供することが望ましい。
【課題を解決するための手段】
【０００４】
本明細書の第１の例示的な態様によれば、眼の網膜の一領域の画像シーケンスを処理して、当該領域の平均化画像を生成するコンピュータ実装方法が提供される。コンピュータ実装方法は、画像シーケンスから選択された基準画像と、シーケンスの残りの画像からの画像であるそれぞれの比較画像との各組合せについて、基準画像とそれぞれの比較画像との間のそれぞれのオフセットを決定することと；オフセットがオフセット閾値よりも小さいかを判定するために、決定された各オフセットをオフセット閾値と比較することと；基準画像とそれぞれの比較画像との間のそれぞれのオフセットがオフセット閾値よりも小さいと判定された各組合せにおいて、それぞれの比較画像を選択することと；領域の平均化画像を生成するために、選択された比較画像を使用することと；を含む。オフセット閾値は、画像シーケンスが、基準画像から閾値よりも大きいオフセット分オフセットされた少なくとも１つの画像と、基準画像から閾値よりも小さいそれぞれのオフセット分オフセットされた画像とを含む場合に、平均化画像が、画像シーケンス内の画像から生成された基準平均化画像よりも、網膜の第１の領域の構造を示すテクスチャをより多く示すよう定められる。
【０００５】
本明細書の第２の例示的な態様によれば、網膜画像からノイズをフィルタリングする機械学習アルゴリズムを訓練するコンピュータ実装方法が提供される。コンピュータ実装方法は、網膜画像の複数のシーケンスの各シーケンスを処理してそれぞれの平均化網膜画像を生成することにより、グラウンドトゥルース訓練対象データを生成することであって、各平均化網膜画像は、第１の例示的な態様のコンピュータ実装方法に従って生成される、生成することと；画像シーケンスの各々からそれぞれの画像を選択することにより、訓練入力データを生成することと；網膜画像からノイズをフィルタリングする機械学習アルゴリズムを訓練するために、グラウンドトゥルース訓練対象データ及び訓練入力データを使用することと；を含む。
【０００６】
また、本明細書の第３の例示的な態様によれば、少なくとも１つのプロセッサにより実行されると、少なくとも１つのプロセッサに、前述の第１の例示的な態様又は第２の例示的な態様の少なくとも１つの方法を実行させる、コンピュータ可読命令を含むコンピュータプログラムが提供される。コンピュータプログラムは、非一時的なコンピュータ可読記憶媒体（例えば、コンピュータのハードディスクやＣＤ等）に格納されてもよく、コンピュータ可読信号によって搬送されてもよい。
【０００７】
また、本明細書の第４の例示的な態様によれば、眼の網膜の一領域の画像シーケンスを処理して、当該領域の平均化画像を生成すべく配置されたデータ処理装置が提供される。データ処理装置は、少なくとも１つのプロセッサと、コンピュータ可読命令を記憶する少なくとも１つのメモリとを含む。コンピュータ可読命令は、少なくとも１つのプロセッサにより実行されると、少なくとも１つのプロセッサに、画像シーケンスから選択された基準画像と、シーケンスの残りの画像からの画像であるそれぞれの比較画像との各組合せについて、基準画像とそれぞれの比較画像との間のそれぞれのオフセットを決定させ；オフセットがオフセット閾値よりも小さいかを判定するために、決定された各オフセットをオフセット閾値と比較させ；基準画像とそれぞれの比較画像との間のそれぞれのオフセットがオフセット閾値よりも小さいと判定された各組合せにおいて、それぞれの比較画像を選択させ；領域の平均化画像を生成するために、選択された比較画像を使用させる。オフセット閾値は、画像シーケンスが、基準画像から閾値よりも大きいオフセット分オフセットされた少なくとも１つの画像と、基準画像から閾値よりも小さいそれぞれのオフセット分オフセットされた画像とを含む場合に、平均化画像が、画像シーケンス内の画像から生成された基準平均化画像よりも、網膜の第１の領域の構造を示すテクスチャをより多く示すよう定められる。
【０００８】
また、本明細書の第５の例示的な態様によれば、眼の網膜の一領域の画像シーケンスを取得すべく配置された眼科撮像デバイスと、眼科撮像デバイスによって取得された画像シーケンスを処理して網膜の領域の平均化画像を生成すべく配置された第４の例示的な態様に係るデータ処理装置と、を含む眼科撮像システムが提供される。
【０００９】
次に、例示的な実施形態を、あくまで非限定的な例として、添付図面を参照しながら詳細に説明する。特に断りのない限り、同様の参照番号は別の図面においても同一の又は機能的に類似する要素を示す。
【図面の簡単な説明】
【００１０】
本明細書の例示的な実施形態に係る眼科撮像デバイス１０及びデータ処理装置６０を含む眼科撮像システム１００の概略図である。
データ処理装置６０が眼の網膜の一領域の画像シーケンス２０を処理して、当該領域の平均化画像７０を生成し得る例示的プロセスの概略図である。
プログラマブル信号処理ハードウェア３００におけるデータ処理装置６０の例示的な実装の概略図である。
データ処理装置６０が網膜の一領域の画像シーケンスを処理して、当該領域の平均化画像を生成する、第１の例示的な実施形態に係る方法を示すフロー図である。
ＦＡＦ画像の一例と、当該画像の中心に対して０．３度回転させることで生じる画像のエッジにおける１．３ピクセル分の変位を示す。
ＦＡＦ画像の一例を示す。
図６Ａに示したＦＡＦ画像を、図６Ａの画像から４．５度回転オフセットした別のＦＡＦ画像と平均化することによって得られた平均化ＦＡＦ画像を示す。
図６Ａに示したＦＡＦ画像を、図６Ａの画像に対して無視できる回転オフセットを有する別のＦＡＦ画像と平均化することによって得られた平均化ＦＡＦ画像を示す。
画像シーケンス２０を生成するための、第２の画像シーケンス１５のセグメント化の概略図である。
データ処理装置６０が網膜の一領域の画像シーケンスを処理して、当該領域の平均化画像を生成する、第２の例示的な実施形態に係る方法を示すフロー図である。
眼科撮像デバイス１０によって取得された例示的なＦＡＦ画像を示す。
第２の例示的な実施形態の方法に従ってＦＡＦ画像シーケンスから選択された、図９ＡのＦＡＦ画像を含む１０のＦＡＦ画像を平均化することによって得られる平均化画像７０の例を示す。
データ処理装置６０が網膜画像からノイズをフィルタリングすべく機械学習アルゴリズムを訓練する、第３の例示的な実施形態に係る方法を示すフロー図である。
第３の例示的な実施形態において、プロセッサ３２０が網膜画像のそれぞれのシーケンスから平均化された網膜画像の各々を生成する方法を示すフロー図である。
【発明を実施するための形態】
（【００１１】以降は省略されています）

関連特許