JP2021153786A - 画像処理装置、画像処理方法及びプログラム - Google Patents

Abstract

【課題】被検眼に係る広範囲な縦幅の画像を短時間に高い解像度で取得できる仕組みを提供する。【解決手段】被検眼に対する測定光の焦点深度の幅を超える縦幅を有する第１の画像２２０を取得し、学習済モデル３００を用いて、第１の画像２２０における焦点深度の幅に係る第１領域２２２を除く第２領域２２１及び２２３の解像度よりも高い解像度を有する画像であって第１の画像２２０の縦幅を有する第２の画像２３０を生成する。【選択図】図１

Description

本発明は、被検眼に係る画像を処理する画像処理装置及び画像処理方法、並びに、当該画像処理装置としてコンピュータを機能させるためのプログラム関するものである。この際、画像処理装置としては、例えば、被検眼からの測定光の戻り光における収差を測定して補正する補償光学機能を有する眼科撮影装置を適用することが好適である。

近年、眼科撮影装置として、被検眼の眼底に２次元的にレーザ光を照射してその戻り光を受光して画像化するＳＬＯ（Ｓｃａｎｎｉｎｇ Ｌａｓｅｒ Ｏｐｈｔｈａｌｍｏｓｃｏｐｅ：走査レーザ検眼鏡）装置や、低コヒーレンス光の干渉を利用したイメージング装置が開発されている。低コヒーレンス光の干渉を利用したイメージング装置は、ＯＣＴ（Ｏｐｔｉｃａｌ Ｃｏｈｅｒｅｎｃｅ Ｔｏｍｏｇｒａｐｈｙ：光干渉断層計または光干渉断層撮影法）装置と呼ばれ、特に被検眼の眼底あるいはその近傍の断層画像を得る目的で用いられている。ＯＣＴの種類としては、ＴＤ−ＯＣＴ（Ｔｉｍｅ Ｄｏｍａｉｎ ＯＣＴ：タイムドメインＯＣＴ）や、ＳＤ−ＯＣＴ（Ｓｐｅｃｔｒａｌ Ｄｏｍａｉｎ ＯＣＴ：スペクトラルドメインＯＣＴ）等を含め、種々のものが開発されてきている。

特に、近年、このような眼科撮影装置では、照射レーザの高ＮＡ化等によって、撮影画像の更なる高解像度化が進められている。しかしながら、例えば被検眼の眼底を撮影する場合には、被検眼の角膜や水晶体等の光学組織を通じた撮影を行わなければならないため、撮影画像の高解像度化が進むに連れて、これらの角膜や水晶体による収差が撮影画像の画質に大きく影響するようになってきた。

現在、被検眼による収差を測定し、その収差を補正する補償光学（Ａｄａｐｔｉｖｅ Ｏｐｔｉｃｓ：ＡＯ）機能を光学系に組み込んだＡＯ−ＳＬＯ装置やＡＯ−ＯＣＴ装置の研究が進められている。例えば、非特許文献１には、ＡＯ−ＯＣＴ装置の例が示されている。ＡＯ−ＳＬＯ装置やＡＯ−ＯＣＴ装置では、一般的には、シャックハルトマン波面センサー方式によって戻り光の波面を測定する。ここで、シャックハルトマン波面センサー方式とは、被検眼に測定光を入射し、その戻り光を、マイクロレンズアレイを通してＣＣＤカメラで受光することによって、戻り光の波面を測定するものである。そして、ＡＯ−ＳＬＯ装置やＡＯ−ＯＣＴ装置では、測定した戻り光の波面を補正するように可変形状ミラーや空間位相変調器等を駆動し、それらを通じて被検眼の眼底を撮影することにより、眼底の高分解能な平面画像や断層画像の撮影が可能となる（例えば、特許文献１参照）。

特開２０１５−２２１０９１号公報

ＺＨＡＮＧ，ｅｔ ａｌ．，"Ｈｉｇｈ−ｓｐｅｅｄ ｖｏｌｕｍｅｔｒｉｃ ｉｍａｇｉｎｇ ｏｆ ｃｏｎｅ ｐｈｏｔｏｒｅｃｅｐｔｏｒｓ ｗｉｔｈ ａｄａｐｔｉｖｅ ｏｐｔｉｃｓ ｓｐｅｃｔｒａｌ−ｄｏｍａｉｎ ｏｐｔｉｃａｌ ｃｏｈｅｒｅｎｃｅ ｔｏｍｏｇｒａｐｈｙ"，Ｏｐｔｉｃｓ Ｅｘｐｒｅｓｓ，Ｍａｙ １５，２００６，ｐａｇｅｓ ４３８０−４３９４，Ｖｏｌ．１４，Ｎｏ．１０

例えば、眼科撮影装置としてＡＯ−ＯＣＴ装置を用いて断層画像を撮影する場合、高ＮＡ化によって得られる断層画像の焦点深度は浅く、一度の撮影では限られた（幅の狭い）縦幅の断層画像しか取得することができない。例えば、被検眼の神経線維層から脈絡膜までの広範囲な縦幅の断層画像を高分解能に得るためには、測定光を集光させる集光位置となる合焦位置（フォーカス位置）を縦方向（被検眼の深さ方向）に徐々にずらしながら各集光位置での断層画像を何枚も撮影し、最後にそれらの断層画像を組み合わせる（並べる）技術を採用することで達成されうる。しかしながら、この技術では、長時間に亘り患者に対して開瞼を要求することとなり、患者への負担が大きく、また患者の被検眼が不安定に陥りやすいため、精度の高い（解像度の高い）画像が得られないという問題がある。

本発明は、このような問題点に鑑みてなされたものであり、被検眼に係る広範囲な縦幅の画像を短時間に高い解像度で取得できる仕組みを提供することを目的とする。

本発明の画像処理装置は、被検眼に対する測定光の焦点深度の幅を超える縦幅を有する第１の画像を取得する取得手段と、学習済モデルを用いて、前記第１の画像における前記焦点深度の幅に係る第１領域を除く第２領域の解像度よりも高い解像度を有する画像であって前記縦幅を有する第２の画像を生成する生成手段と、を有する。
また、本発明は、上述した画像処理装置による画像処理方法、及び、上述した画像処理装置の各手段としてコンピュータを機能させるためのプログラムを含む。

本発明によれば、被検眼に係る広範囲な縦幅の画像を短時間に高い解像度で取得することができる。

本発明の第１の実施形態に係る画像処理装置において、学習済モデルを用いて、入力データから出力データ（教師データ）を生成する概念を示す図である。 図１に示す学習済モデルを作成する際の処理の概念を示す図である。 図１に示す学習済モデルを作成する際の処理の概念を示す図である。 本発明の第１の実施形態に係る画像処理装置として適用する眼科撮影装置の概略構成の一例を示す図である。 図４に示す波面センサーの概略構成の一例を示す図である。 図４に示す波面センサーで測定する波面を説明するための図である。 本発明の第１の実施形態に係る画像処理装置として適用する眼科撮影装置による画像処理方法における処理手順の一例を示すフローチャートである。 図４に示す画像処理部の概略構成の一例を示す図である。 図８に示すＣＮＮ処理部の概略構成の一例を示す図である。 本発明の第１の実施形態に係る画像処理装置として適用する眼科撮影装置による画像処理方法における処理手順の一例を示すフローチャートである。 本発明の第２の実施形態に係る画像処理装置として適用する眼科撮影装置による画像処理方法を説明するための図である。

以下に、図面を参照しながら、本発明を実施するための形態（実施形態）について説明する。

（第１の実施形態）
まず、本発明の第１の実施形態について説明する。

図１は、本発明の第１の実施形態に係る画像処理装置において、学習済モデル３００を用いて、入力データ２２０から出力データ（教師データ）２３０を生成する概念を示す図である。図１には、ＯＣＴ画像２００及びＡＯ−ＯＣＴ画像２１０の一例が示されている。ここでは、ＡＯ−ＯＣＴを用いた断層画像を撮影する場合の一例について説明する。

図１において、入力データ２２０は、ＡＯ−ＯＣＴを用いた断層画像を撮影する際に得られる画像であって、被検眼に対する測定光の焦点深度の幅を超える縦幅を有する「第１の画像」である。この入力データ２２０では、焦点深度の幅に係る集光位置の領域（第１領域）２２２と、第１領域２２２よりも解像度が低くボケた領域（第２領域）２２１及び２２３を有して構成されている。この際、集光位置の領域を示す第１領域２２２は、測定光を当該集光位置に合焦させる合焦位置の領域となる。そして、本実施形態では、学習済モデル３００を用いて、入力データ２２０から出力データ（教師データ）２３０を生成する。具体的に、出力データ（教師データ）２３０は、入力データ２２０における第１領域２２２を除く第２領域２２１及び２２３の解像度よりも高い解像度を有する画像であって入力データ２２０の縦幅と同等の縦幅を有する「第２の画像」である。即ち、本実施形態では、学習済モデル３００を用いて、ＡＯ−ＯＣＴによる撮影で得られた焦点深度の浅い（集光位置の縦幅（第１領域２２２）が狭い）断層画像を入力データ２２０とすることで、焦点深度の深い（集光位置の縦幅が広い）断層画像を出力データ（教師データ）２３０として生成するものである。

次に、図１に示す学習済モデル３００を作成する際の処理について説明する。
図２は、図１に示す学習済モデル３００を作成する際の処理の概念を示す図である。
学習済モデル３００を作成する際の学習モデルでは、図２に示すように、被検眼に対する測定光の焦点深度の幅を超える縦幅を有する画像であって且つ当該縦幅において合焦位置となる集光位置の領域が異なる複数の画像を入力データ３２０とする。図２に示す例では、入力データ３２０となる複数の画像における各画像は、図１の第１領域２２２に相当する集光位置の領域（第１領域）３２２と、図１の第２領域２２１及び２２３に相当するボケた領域（第２領域）３２１及び３２３を含み、集光位置の領域である第１領域３２２が相互に異なる６つの画像［１］−１〜［６］−１が示されている。また、図２に示す例では、６つの画像［１］−１〜［６］−１におけるそれぞれの第１領域３２２は、相互に異なる単層画像の部分画像となっている。また、６つの画像［１］−１〜［６］−１は、例えば連続した一連の撮影により得られた画像群である。そして、学習済モデル３００を作成する際の学習モデルでは、例えば、結果として得たい縦幅広範囲断層画像１は、入力データ３２０となる６つの画像［１］−１〜［６］−１におけるそれぞれの第１領域３２２の部分画像（断層画像）を組み合わせることで生成される。即ち、図１の学習済モデル３００は、縦幅において第１領域３２２の位置が異なる複数の画像を入力データ３２０とし、当該複数の画像のそれぞれの第１領域３２２の部分画像を用いて生成された画像１を出力データとする教師データを学習することにより得られるものである。

図３は、図１に示す学習済モデル３００を作成する際の処理の概念を示す図である。具体的に、図３は、学習済モデル３００を作成する際の学習モデルにおいて、図２の入力データ３２０から出力データ（教師データ）３３０を導出する概念図である。図３において、取得したい縦幅広範囲断層画像１は、入力データ３２０である複数の画像［１］−１〜［６］−１におけるそれぞれの集光位置の領域（図２の第１領域３２２）の部分画像（断層画像）を組み合わせることで生成される。同様に、取得したい縦幅広範囲断層画像２は、入力データ３２０である複数の画像［１］−２〜［６］−２におけるそれぞれの集光位置の領域（図２の第１領域３２２）の部分画像（断層画像）を組み合わせることで生成される。

例えば、ＡＯ−ＯＣＴによる撮影で図３の画像［１］−１が得られた場合を考える。この場合、図１の学習済モデル３００では、この図３の画像［１］−１を入力データ２２０とし、例えば導出エンジン［１］によって縦幅広範囲断層画像１を出力データ（教師データ）２３０として導き出すものである。

以上は、本発明の概念を説明したものであるが、以下、具体的に、本発明の実施形態について説明する。まずは、本発明の実施形態に係る画像処理装置について説明する。

＜装置構成＞
図４は、本発明の第１の実施形態に係る画像処理装置として適用する眼科撮影装置１００の概略構成の一例を示す図である。本実施形態においては、測定対象を被検眼Ｅ（より具体的には、被検眼Ｅの眼底Ｅｆ）とし、眼科撮影装置１００としては、同一装置内にＡＯ−ＳＬＯユニット１０１とＡＯ−ＯＣＴユニット１０２の両機能を有する、補償光学ＯＣＴ−ＳＬＯ装置を適用した一例について説明する。また、図４には、図１〜図３に示す画像の縦幅における縦方向に相当するＺ方向、及び、当該Ｚ方向と直交し且つ相互に直交するＸ方向及びＹ方向を示す、ＸＹＺ座標系を図示している。このように、図１〜図３に示す画像の縦幅における縦方向は、被検眼Ｅの眼底Ｅｆにおける深さ方向を示すＺ方向に対応している。

まず、ＡＯ−ＳＬＯユニット１０１について説明する。
ＡＯ−ＳＬＯユニット１０１は、図４に示すように、光源１４１、単一モード光ファイバー１４２、コリメータ１４３、光分割部１４４、集光レンズ１４５、及び、光センサー１４６を有して構成されている。

光源１４１は、例えば、波長７６０ｎｍのＳＬＤ光源（Ｓｕｐｅｒ Ｌｕｍｉｎｅｓｃｅｎｔ Ｄｉｏｄｅ）を用いることができる。この際、光源１４１の波長は、特に制限されるものではないが、眼底Ｅｆの撮像用としては、被検者の眩しさの軽減と分解能維持のために、７５０ｎｍ〜１５００ｎｍ程度の波長が好適に用いられる。また、本実施形態では、光源１４１としてＳＬＤ光源を用いたが、その他にレーザ等も用いることができる。また、本実施形態では、眼底撮像と波面測定のための光源を共用しているが、それぞれを別光源とし、光路の途中で合波する構成としてもよい。また、本実施形態では、ＡＯ−ＳＬＯユニット１０１を含むＡＯ−ＳＬＯ光学系は、ＡＯ−ＯＣＴユニット１０２を含むＡＯ−ＯＣＴ光学系と一部の光学系を共用するため、ＡＯ−ＯＣＴ光学系との光路と分岐するために、ＡＯ−ＯＣＴユニット１０２に含まれる光源１５１の波長とは異なる波長を選択し、ダイクロイックミラー島で光路を分岐する構成としている。

光源１４１から照射された光は、単一モード光ファイバー１４２を通って、コリメータ１４３により、平行光線（測定光１０５）として照射される。照射される測定光１０５の偏光は、単一モード光ファイバー１４２の経路に具備された不図示の偏光調整器により調整される。別の構成としては、コリメータ１４３から出射された後の光路に偏光を調整する光学部品を配置する構成がある。

照射された測定光１０５は、ビームスプリッターからなる光分割部１４４を通過し、更にＡＯ−ＯＣＴユニット１０２との光分岐用のビームスプリッター１０４を通過し、補償光学機能の光学系（補償光学系）に導光される。

補償光学系は、光分割部１０６、反射ミラー１０７−１〜１０７−４、波面補正デバイス１０８、リレー光学系１１３−１〜１１３−２、アパーチャー１１４、及び、波面センサー１１５を有して構成されている。ここで、反射ミラー１０７−１〜１０７−４は、少なくとも、被検眼Ｅの瞳と波面センサー１１５及び波面補正デバイス１０８とが光学的に共役関係になるように設置されている。また、本実施形態では、光分割部１０６としてビームスプリッターを用いる。

光分割部１０６を透過した測定光１０５は、反射ミラー１０７−１と反射ミラー１０７−２で反射されて波面補正デバイス１０８に入射する。そして、波面補正デバイス１０８で反射された測定光１０５は、更に反射ミラー１０７−３と反射ミラー１０７−４で反射され、走査光学系１０９−１に導光される。

本実施形態では、波面補正デバイス１０８として可変形状ミラーを用いる。この際、可変形状ミラーは、反射面が複数の領域に分割されており、各領域の角度を変えることにより、反射光の波面を変化させることができるミラーである。また、波面補正デバイス１０８としては、可変形状ミラーの代わりに液晶素子を用いた空間位相変調器を用いることも可能である。その場合、被検眼Ｅからの光の両偏光の波面を補正するために、２つの空間位相変調器を用いる場合もある。

反射ミラー１０７−３及び反射ミラー１０７−４で反射された光は、走査光学系１０９−１によって、１次元もしくは２次元に走査される。本実施形態では、走査光学系１０９−１に主走査用（眼底水平方向）と副走査用（眼底垂直方向）として１つの共振スキャナーと１つのガルバノスキャナーを用いる。別の構成では、走査光学系１０９−１に２つのガルバノスキャナーを用いることもある。走査光学系１０９−１内の各スキャナーを光学的な共役状態にするために、各スキャナーの間にミラーやレンズといった光学素子を用いる構成を採用する場合もある。

本実施形態では、走査光学系１０９−１に加えて更にトラッキングミラー１０９−２を備える。このトラッキングミラー１０９−２は、２つのガルバノスキャナーから構成され、撮像領域をさらに２方向に移動させることが可能である。別の構成では、走査光学系１０９−１がトラッキングミラー１０９−２の機能を兼ねる構成や、トラッキングミラー１０９−２が走査光学系１０９−１の共振スキャナー方向のみの構成、トラッキングミラー１０９−２が２次元ミラーである構成もありうる。また、走査光学系１０９−１とトラッキングミラー１０９−２を光学的に共役関係とするために、不図示のリレー光学系が用いられることが多い。

走査光学系１０９−１及びトラッキングミラー１０９−２で走査された測定光１０５は、接眼レンズ１１０−１及び接眼レンズ１１０−２を通して被検眼Ｅに照射される。被検眼Ｅに照射された測定光１０５は、眼底Ｅｆで反射もしくは散乱される。接眼レンズ１１０−１及び接眼レンズ１１０−２の位置を調整することによって、被検眼Ｅの視度に合わせて最適な測定光１０５の照射を行うことが可能となる。ここでは、眼科撮影装置１００の接眼部に接眼レンズ１１０を配置したが、球面ミラー等で構成しても良い。

被検眼Ｅの網膜（眼底Ｅｆ）から反射もしくは散乱された測定光１０５の戻り光は、測定光１０５の入射時の経路を逆向きに進行し、光分割部１０６によってその一部の光が波面センサー１１５の側に反射され、戻り光の波面を測定するために用いられる。光分割部１０６において波面センサー１１５に向けて反射された戻り光は、リレー光学系１１３−１、アパーチャー１１４及びリレー光学系１１３−２を通り、波面センサー１１５に入射する。リレー光学系１１３−１とリレー光学系１１３−２との間に配置されたアパーチャー１１４は、レンズ等からの不要な反射散乱光が波面センサー１１５に入射しないようにするための光学部材である。本実施形態では、波面センサー１１５としてシャックハルトマンセンサーを用いる。

波面センサー１１５は、補償光学制御部１１６に接続され、受光した戻り光の波面を補償光学制御部１１６に伝える。波面補正デバイス１０８も補償光学制御部１１６に接続されており、補償光学制御部１１６から指示された変調（合焦位置への変調）を行う。例えば、補償光学制御部１１６は、波面センサー１１５の測定結果により導出される撮影に十分なスポット数から合焦位置を計算し、波面補正デバイス１０８にそのフォーカス値となるような合焦位置へ変調するように指令する。その後、補償光学制御部１１６は、波面センサー１１５の測定結果による取得された戻り光の波面に基づいて、収差のない波面へと補正するような波面補正デバイス１０８の画素ごとの変調量（収差補正量）を計算し、波面補正デバイス１０８にそのように変調するように指令する。波面センサー１１５による戻り光の波面の測定と補償光学制御部１１６による波面補正デバイス１０８への指示は、繰り返し処理され、常に最適な合焦位置と波面となるようにフィードバック制御が行われる。

光分割部１０６を透過した戻り光は、光分割部１４４によって一部の光が反射され、集光レンズ１４５によってピンホールを有する光センサー１４６に集光される。そして、光センサー１４６は、受光した光の強度に応じた電気信号に変換する。光センサー１４６は、制御部１１７に接続され、制御部１１７は、光センサー１４６で得られた電気信号と光走査の位置に基づいて被検眼Ｅの眼底Ｅｆの平面画像（眼底画像）を構成する。その後、被検眼Ｅの眼底Ｅｆの平面画像は、画像処理部１１８で画像処理が施された後、ＡＯ−ＳＬＯ画像としてディスプレイ１１９に表示される。

次に、ＡＯ−ＯＣＴユニット１０２について説明する。
ＡＯ−ＯＣＴユニット１０２は、図４に示すように、光源１５１、ファイバーカプラー１５２、参照光学系１５３、及び、分光器１５４を有して構成されている。

光源１５１は、例えば、波長８４０ｎｍのＳＬＤ光源を用いる。光源１５１は、低干渉性の光を出射できるものであればよく、波長幅が３０ｎｍ以上のＳＬＤが好適に用いられる。また、光源１５１に、チタンサファイアレーザなどの超短パルスレーザ等を用いることもできる。本実施形態では、ＡＯ−ＯＣＴユニット１０２を含むＡＯ−ＯＣＴ光学系は、ＡＯ−ＳＬＯユニット１０１を含むＡＯ−ＳＬＯ光学系と一部の光学系を共用するため、光源１５１は、ＡＯ−ＳＬＯユニット１０１の光源１４１と異なる波長の光を出射するものとし、ダイクロイックミラー等で分岐する構成が望ましい。

光源１５１から照射された光は、単一モード光ファイバーを通って、ファイバーカプラー１５２まで導光される。ファイバーカプラー１５２は、光源１５１から出射された光を測定光経路Ｌ１と参照光経路Ｌ２とに分岐する。本実施形態では、ファイバーカプラー１５２は、１０：９０の分岐比のものを使用し、投入光量の１０％が測定光経路Ｌ１に行く構成とする。

測定光経路Ｌ１を通った光は、測定光としてコリメータ１０３によって平行光線として照射される。照射される測定光の偏光は、測定光経路Ｌ１としての単一モード光ファイバーに具備された不図示の偏光調整器により調整される。別の構成としては、コリメータ１０３から出射された後の光路に偏光を調整する光学部品を配置する構成もある。また、測定光経路Ｌ１中に測定光の分散特性を調整する光学素子や色収差特性を調整する光学素子を具備する場合もある。

ＡＯ−ＯＣＴユニット１０２から出射された測定光は、光分岐用のビームスプリッター１０４でＡＯ−ＳＬＯユニット１０１から出射された測定光と合波され、測定光１０５として、ＡＯ−ＳＬＯ光学系と同様の光路をたどり、被検眼Ｅ（具体的には、被検眼Ｅの眼底Ｅｆ）を照射する。被検眼Ｅから散乱・反射された戻り光は、ＡＯ−ＳＬＯ光学系と同様に往路と同じ経路を逆向きに進み、光分岐用のビームスプリッター１０４で反射されて測定光経路Ｌ１としての光ファイバーを通じてファイバーカプラー１５２に戻る。

ＡＯ−ＯＣＴユニット１０２から出射された測定光の戻り光も、波面センサー１１５で波面が測定され、波面補正デバイス１０８で補正される。なお、波面補正の方法は、このような方式に限定されるわけではなく、ＡＯ−ＯＣＴ光学系に係る戻り光の波面のみを測定する場合や、ＡＯ−ＳＬＯ光学系に係る戻り光の波面のみを測定する場合には、例えば、波面センサー１１５の前に光学フィルターを追加する構成を採る。また、光学フィルターを動的に抜差ししたり変更したりすることで、波面を測定する戻り光を切り替える制御も可能である。

一方、ＡＯ−ＯＣＴユニット１０２において、参照光経路Ｌ２を通った参照光は、参照光学系１５３のコリメータ１５３１から出射され、ミラー１５３２−１及びミラー１５３２−２で反射して光路長可変部１５３３に到達する。そして、光路長可変部１５３３に到達した参照光は、光路長可変部１５３３で反射され、ミラー１５３２及びコリメータ１５３１を通じて、再度、ファイバーカプラー１５２に戻る。

ファイバーカプラー１５２に到達した測定光の戻り光と参照光とは、合波され干渉光として、光ファイバーを通して分光器１５４に導光される。分光器１５４に入った干渉光は、コリメータ１５４１で出射され、グレーティング１５４２により波長ごとに分光される。グレーティング１５４２で分光された干渉光は、レンズ系１５４３−１及びレンズ系１５４３−２を通じてラインセンサー１５４４に照射される。ラインセンサー１５４４は、ＣＣＤセンサーで構成される場合もあるし、ＣＭＯＳセンサーで構成される場合もある。

分光器１５４のラインセンサー１５４４は、制御部１１７に接続され、制御部１１７は、ラインセンサー１５４４で得られた干渉光に基づく電気信号（干渉信号）に基づいて被検眼Ｅの眼底Ｅｆの断層画像を構成する。この際、制御部１１７は、光路長可変部１５３３を駆動制御し、被検眼Ｅの眼底Ｅにおける所望の深さ位置（深さ領域）の断層画像を取得する。また、制御部１１７は、走査光学系１０９−１及びトラッキングミラー１０９−２も同時に駆動制御しており、任意の位置（領域）の干渉信号が取得可能である。制御部１１７は、得られた干渉信号から断層画像を生成することにより、３次元ボリュームデータが取得できる。その後、被検眼Ｅの眼底Ｅｆの断層画像は、画像処理部１１８で画像処理が施された後、ＡＯ−ＯＣＴ画像としてディスプレイ１１９に表示される。

ＡＯ−ＯＣＴでは、非常に高解像度で高精細な断層画像が得られるので、被検眼Ｅの神経節細胞などの細胞構造が明瞭に描出されるため、細胞レベルの解析に非常に有用である。

次に、波面センサー１１５について詳しく説明する。
図５は、図４に示す波面センサー１１５の概略構成の一例を示す図である。具体的に、図５は、波面センサー１１５としてシャックハルトマンセンサーを用いた例を示している。具体的に、波面センサー１１５は、図５（ａ）に示すように、マイクロレンズアレイ１３２及びＣＣＤセンサー１３３を有して構成されている。

マイクロレンズアレイ１３２は、測定光１０５の戻り光１３１をＣＣＤセンサー１３３上の焦点面１３４に集光させるものである。

図５（ｂ）は、図５（ａ）に示す波面センサー１１５を、図５（ａ）のＡ−Ａ'で示す位置から見た様子を示す図である。図５（ａ）に示すマイクロレンズアレイ１３２は、図５（ｂ）に示すように、複数のマイクロレンズ１３５から構成されている。測定光１０５の戻り光１３１は、図５（ｂ）に示す各マイクロレンズ１３５を通してＣＣＤセンサー１３３上に集光される。このため、測定光１０５の戻り光１３１は、図５（ｃ）に示すように、マイクロレンズ１３５の個数分のスポット１３６に分割されて、ＣＣＤセンサー１３３上に集光される。

図４に示す補償光学制御部１１６は、制御部１１７の制御に基づいて、図５（ｃ）に示す各スポット１３６の位置から、入射した戻り光１３１の波面を計算する。例えば、補償光学制御部１１６は、各スポット１３６の波面に収差がない場合の基準位置と波面センサー１１５で測定された位置との差から各収差測定点における戻り光１３１の波面の傾きを算出する。また、例えば、補償光学制御部１１６は、各スポット１３６の基準位置と波面センサー１１５で測定された位置との差からＺｅｒｎｉｋｅ係数を算出することも可能である。

図６は、図４に示す波面センサー１１５で測定する波面を説明するための図である。この図６において、図５に示す構成と同様の構成については同じ符号を付しており、その詳細な説明は省略する。

図６（ａ）には、球面収差を持つ戻り光１３１の波面１３７が示されている。図６（ａ）に示す例の場合、測定光１０５の戻り光１３１は、図６（ａ）に示す波面１３７で形成されている。測定光１０５の戻り光１３１は、マイクロレンズアレイ１３２によって、ＣＣＤセンサー１３３において波面１３７の局所的な垂線方向の位置に集光される。図６（ｂ）は、この場合の戻り光１３１のＣＣＤセンサー１３３における集光状態の一例を示す図である。戻り光１３１が球面収差を持つため、スポット１３６は、図６（ｂ）に示すように、ＣＣＤセンサー１３３の中央部に偏った状態で集光される。この位置を計算することによって、戻り光１３１の波面が検出される。ここでは、波面センサー１１５として、３０個×４０個のマイクロレンズアレイ１３２を有するシャックハルトマンセンサーを用いた。

図４に示す接眼レンズ１１０−１及び接眼レンズ１１０−２で被検眼Ｅの視度に対応するような光学系がある場合には、接眼レンズ１１０−１及び接眼レンズ１１０−２が良好に調整されていることが重要である。そうすることで、収差補正処理の実行時に、被検眼Ｅの収差の大部分を占めるデフォーカス成分を波面補正デバイス１０８で補正する必要がなくなる。また、波面センサー１１５の直前に配置されたアパーチャー１１４によって不要光をカットすることで正しい収差を測定することが可能となる。しかしながら、被検眼Ｅの収差のデフォーカスが補正されていないと、本来は通過させるべき被検眼Ｅの網膜からの戻り光もアパーチャー１１４の部分で広がった状態となり、大部分がアパーチャー１１４でカットされてしまうことになる。さらに、収差補正処理を最大限有効に動作させるためには、正しい位置に被検眼Ｅを配置することが重要であり、不図示の前眼部モニターや波面センサー１１５の測定結果を見ながら、被検眼Ｅの位置を調整する必要がある。なお、表示される波面センサー１１５の測定結果は、例えば、図６（ｂ）に示すハルトマン像と呼ばれる画像である。

図７は、本発明の第１の実施形態に係る画像処理装置として適用する眼科撮影装置１００による画像処理方法における処理手順の一例を示すフローチャートである。具体的に、図７は、本実施形態の学習用の教師データとなる収差補正された画像を取得するための処理手順の一例を示すフローチャートである。

まず、ステップＳ１１０において、検査者の指示を受けた制御部１１７は、光源１５１等を駆動し光照射を開始する。なお、公知の手法により被検眼Ｅを眼科撮影装置１００に対して大まかに位置合わせをした状態から説明する。本実施形態では、画像撮影用の光と波面測定用の光が同一であるため、ステップＳ１１０では、被検眼Ｅの眼底Ｅｆの撮影と測定光１０５の戻り光の波面測定が可能な状態となる。

続いて、ステップＳ１２０において、制御部１１７は、検査者からの入力デバイスを用いた指示に基づいて、被検眼Ｅの顔位置の微調整やフォーカス調整等を行う。この際、フォーカス調整に係るフォーカス値は、予め別の装置で測定した値を入力する構成でもよい。

続いて、ステップＳ１３０において、波面センサー１１５は、上述した図６（ｂ）に示すハルトマン像を取得し、これを補償光学制御部１１６へ出力する。

続いて、ステップＳ１４０において、補償光学制御部１１６は、ステップＳ１３０で得られたハルトマン像に基づいて、合焦位置補正処理を行う。ここで得られる補正された合焦位置での被検眼Ｅの断層画像は、全断層画像までは合焦されていない（焦点深度の浅い）、例えば図２に示す画像［３］−１のような断層画像である。

続いて、ステップＳ１５０において、補償光学制御部１１６は、収差補正処理を行う。具体的に、補償光学制御部１１６は、波面センサー１１５により戻り光の収差を測定して収差情報を取得することで、測定した結果に基づく収差補正量を計算し、これに基づいて波面補正デバイス１０８を駆動させることで収差補正処理を行う。

ここで、収差の測定は、波面センサー１１５として用いるシャックハルトマンセンサーのスポット１３６を計測し、各測定点のスポット位置の基準位置からの移動量（ずれ量）を算出することで行う。一般的に、移動量は、Ｘ方向とＹ方向の変位量で表される。本実施形態では、３０個×４０個のマイクロレンズアレイ１３２のシャックハルトマンセンサーを使用しているので、全てのマイクロレンズアレイ１３２に測定光が入射している場合には、３０×４０で１２００の測定点におけるスポット１３６の移動量が算出される。補償光学制御部１１６は、このスポット１３６の移動量データから収差補正量を計算する。なお、この方法以外にも、測定したスポット１３６の移動量から戻り光の波面を表現するためのＺｅｒｎｉｋｅ係数を算出することも可能であり、それを基に波面補正デバイス１０８を制御することが可能であることは言うまでもない。

続いて、ステップＳ１６０において、制御部１１７は、合焦位置と収差が補正された状態で被検眼Ｅの撮影を行う。ここでは、例えば、その撮影で取得された断層画像を図２に示す画像［３］−１とする。

焦点深度の深い（合焦された縦幅の広い）断層画像を取得するためには、ステップＳ１６０で撮影を実行した後、ステップＳ１４０に戻る。上述したステップＳ１６０で取得される断層画像は、焦点深度の浅い（合焦された縦幅が狭い）画像であるためである。そして、上述したステップＳ１４０で補正された合焦位置（例えば図２に示す画像［３］−１）から"ずらした"例えば図２に示す画像［４］−１のような合焦位置に補正する。その後、改めて収差補正を実行し撮影する。例えば、その撮影で取得された断層画像を図２に示す画像［４］−１とする。

このように、撮影終了の要求があるまで、ステップＳ１４０〜ステップＳ１６０を繰り返し実行する。これは、例えば図２に示す画像［１］−１〜［６］−１までの単層画像を取得し、それらを結合して、焦点深度の深い（合焦された縦幅の広い）断層画像を生成する。

次に、ステップＳ１４０の合焦位置補正処理の詳細について説明する。

ステップＳ１４０の合焦位置補正処理では、まず、ステップＳ１４１において、補償光学制御部１１６は、ハルトマン像から出力されてきたスポット像を認識し、認識できたスポット数ｎを算出（検出）する。この際、撮影に十分なスポット数となった場合には、次ステップであるステップＳ１４２に移行する。一方、スポット数が十分でない場合には、一定時間経過後にステップＳ１３０へ戻る。

ステップＳ１４２に進むと、補償光学制御部１１６は、測定されたスポット１３６から公知の手法でフォーカス値Ｆを算出する。フォーカス値が十分小さく補正されると、次ステップであるステップＳ１５０に移行する。フォーカス値が十分小さく補正されていない場合には、一定時間経過後にステップＳ１３０へ戻る。

ここで、ステップＳＳ１６０で得られる単層画像（例えば図２に示す画像［３］−１）と、その単層画像を結合し組み合わせて得られる全断層画像（例えば図２に示す「結果として得たい全断層画像１」）は、それぞれ不図示のメモリ上に蓄積される。そして、本実施形態では、被検眼Ｅに対する測定光の焦点深度の幅を超える縦幅の画像であって且つ当該縦幅において合焦位置が異なる複数の画像を結合し組み合わせた全断層画像１を教師データとして用いる。

＜学習＞
次に、眼科撮影装置１００の撮影により得られた単層画像から、全断層画像を学習させる例について説明する。なお、ここでいう単層画像とは、例えば図２に示す画像［３］−１であり、また、ここでいう全断層画像とは、例えば図２に示す「結果として得たい全断層画像１」のことである。

図８は、図４に示す画像処理部１１８の概略構成の一例を示す図である。ここで、図８では、画像処理部１１８と接続される、制御部１１７及びディスプレイ１１９も、図示している。

画像処理部１１８は、図８に示すように、画像取得部８１０、ＣＮＮ処理部８２０、及び、学習部８３０を有して構成されている。

画像取得部８１０は、制御部１１７を介して、被検眼Ｅの眼底Ｅｆにおける単層画像を取得する。

ＣＮＮ処理部８２０は、畳み込みニューラルネットワークを用いて画像処理を行って、画像取得部８１０で取得した単層画像から、全断層画像を生成する。本実施形態では、ディープラーニングの一種であるＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）によってモデルを学習する。

学習部８３０は、ＣＮＮ処理部８２０が参照する畳み込みニューラルネットワークの学習処理を行う。

図９は、図８に示すＣＮＮ処理部８２０の概略構成の一例を示す図である。ＣＮＮ処理部８２０は、図８に示すように、画像エンコーダネットワーク８２１、及び、デコーダネットワーク８２２を含み構成されている。このＣＮＮ処理部８２０には、畳み込み（Ｃｏｎｖｏｌｕｔｉｏｎ）層、活性化（Ａｃｔｉｖａｔｉｏｎ）層、ダウンサンプリング（Ｐｏｏｌｉｎｇ）層、アップサンプリング（Ｕｐ Ｓａｍｐｌｉｎｇ）層、合成（Ｍｅｒｇｅｒ）層がある。畳み込み（Ｃｏｎｖｏｌｕｔｉｏｎ）層は、設定されたフィルタのカーネルサイズ、フィルタ数、ストライド値、ダイレーション値などのパラメータに従って、入力値群に対して畳み込み処理を行う層である。なお、前記フィルタのカーネルサイズを、入力画像の次元数に応じて変更する構成にしてもよい。活性化（Ａｃｔｉｖａｔｉｏｎ）層は、入力信号の総和の活性化について決定し、ステップ関数、シグモイド関数やＲｅＬＵ（Ｒｅｃｔｉｆｉｅｄ Ｌｉｎｅａｒ Ｕｎｉｔ）で構成される。ダウンサンプリング（Ｐｏｏｌｉｎｇ）層は、Ｍａｘ Ｐｏｏｌｉｎｇ処理など、入力値群を間引いたり、合成したりすることによって、出力値群の数を入力値群の数よりも少なくする処理である。アップサンプリング（Ｕｐ Ｓａｍｐｌｉｎｇ）層は、線形補間処理など、入力値群を複製したり、入力値群から補間した値を追加したりすることによって、出力値群の数を入力値群の数よりも多くする処理である。合成（Ｍｅｒｇｅｒ）層は、或る層の出力値群や画像を構成する画素値群などの値群を、複数のソースから入力し、それらを連結したり、加算したりして合成する処理を行う層である。

画像エンコーダネットワーク８２１は、入力画像である上述した単層画像に対して複数のエンコード層による畳み込み演算を行う。各エンコード層は、１以上の畳み込み処理部とプーリング処理部を有し、各層の結果が内部的に保持できるように構成される。学習データとしては、単層画像を入力とし、出力として全断層画像を学習データとする。この学習データを用いて、モデルを機械学習し、学習したモデルを学習済モデル３００として用いて単層画像から全断層画像へ変換するネットワークパラメータを得る。

＜ＣＮＮによる単層画像の組合せを用いた撮影＞
次に、上述した学習済モデル３００を用いて、断層画像を撮影する方法について説明する。装置構成については、図４〜図６，図８〜図９で示したものとなる。

具体的に、図４に示すように、波面補正デバイス１０８は、補償光学制御部１１６に接続されており、補償光学制御部１１６から指示された合焦位置と収差となるように変調を行う。画像処理部１１８は、得られた単層画像データと、上述した学習（学習済モデル３００）によって得られた全断層画像データを基にして、全断層の全縦幅に合焦された焦点深度の深い（合焦位置縦幅が広い）断層画像を生成し、これをディスプレイ１１９に表示する。

図１０は、本発明の第１の実施形態に係る画像処理装置として適用する眼科撮影装置１００による画像処理方法における処理手順の一例を示すフローチャートである。具体的に、図１０は、学習済モデル３００を用いて、出力データ２３０を生成する際の処理手順の一例を示すフローチャートである。

図１０のステップＳ２１０〜ステップＳ２６０は、それぞれ、図７のステップＳ１１０〜ステップＳ１６０の処理と同様である。この際、ステップＳ２６０で得られる単層画像の合焦位置（集光位置）は、単層画像の特徴的な部位に合わせられる。ここでは、輝度値の高い、全断層の全縦幅の中の任意の位置（患者ごとに異なる）にフォーカスが合うものとする。

ステップＳ２６０で得られる単層画像と合焦位置（集光位置）を上述した学習によって得られた学習済モデル３００のネットワークへ入力することで、全断層画像の生成が可能となる。具体的には、図１を用いて説明すると、例えばステップＳ２６０で得られる単層画像は、入力データ２２０で表されるような合焦位置（集光位置）と焦点深度の浅い（集光位置の縦幅が狭い）断層画像である。本実施形態では、この（１枚の）断層画像を入力データ２２０とし、学習済モデル３００を用いて、ＣＮＮによる単層画像の組合せによって、図１に示す全断層の全縦幅に係る出力データ２３０を生成する。

ここで、一例として図３と図８を用いて説明を行う。
仮に、ここでは、ステップＳ２６０で得られる単層画像は、画像［２］−１であるものとする。学習済モデル３００に対するインプット情報としては、「焦点深度の浅い（合焦位置（集光位置）の縦幅が狭い）画像情報」と、「輝度値の高い、全断層の全縦幅の中の任意の合焦位置（集光位置）（患者ごとに異なる）」である。そのインプット情報は、画像処理部１１８の画像取得部８１０にセットされ、ＣＮＮ処理部８２０において畳み込みニューラルネットワークを用いて画像処理を行い、学習部８３０においてＣＮＮ処理部８２０が参照する畳み込みニューラルネットワークの学習処理を行う。それは、例えば、図３に示す導出エンジン［２］において、インプット情報の画像情報内の輝度分布に基づく特徴量（輝度変化の傾きなど）をたよりに、縦幅広範囲断層画像を導き出すものである。
上述のように導き出された出力データ（教師データ）２３０としての縦幅広範囲断層画像をディスプレイ１１９に表示し、使用者に明示する。以上より、ステップＳ２６０での１回の撮影で任意の合焦位置と単層画像を得ることができ、学習済モデル３００を用いることにより、縦幅広範囲断層画像である出力データ（教師データ）２３０を導き出して表示を行うことができる。

本実施形態においては、図１に示すように、学習済モデル３００を用いて生成された出力データ（教師データ）２３０は、入力データ２２０よりも、第１領域２２２の解像度と同等の解像度を有する範囲が大きい画像となっている。また、学習済モデル３００を用いて生成された出力データ（教師データ）２３０は、例えば被検眼Ｅにおけるスクリーニング用の画像であることが好適である。

以上説明したように、第１の実施形態に係る眼科撮影装置１００では、被検眼Ｅに対する測定光の焦点深度の幅を超える縦幅を有する入力データ２２０を取得するようにしている。そして、第１の実施形態に係る眼科撮影装置１００では、学習済モデル３００を用いて、入力データ２２０における焦点深度の幅に係る第１領域２２２を除く第２領域２２１及び２２３の解像度よりも高い解像度を有する画像であって入力データ２２０の縦幅を有する出力データ（教師データ）２３０を生成するようにしている。
かかる構成によれば、被検眼Ｅに係る広範囲な縦幅の画像を短時間に高い解像度で取得することができる。より具体的には、各集光位置（各合焦位置）での複数枚の断層画像を撮影することなく、広範囲で高分解能な断層画像を短時間で取得することが可能となる。

（第２の実施形態）
次に、本発明の第２の実施形態について説明する。なお、以下に記載する第２の実施形態の説明においては、上述した第１の実施形態と共通する事項については説明を省略し、上述した第１の実施形態と異なる事項について説明を行う。

上述した第１の実施形態では、例えば図１の入力データ２２０に示されるように、集光位置の領域（第１領域２２２）が単層であるものについて説明を行ったが、複数層あるものであってもよい。また、集光位置の領域（第１領域２２２）が複数層である画像の生成方法としては、合焦位置をずらすことで人為的に得るものである。具体的に、意図的に複数枚の単層画像を取得し、例えば２枚の単層画像が得られたところでＣＮＮによる単層画像の組合せを用い、「結果として得たい全断層画像」を生成する。

第２の実施形態に係る画像処理装置として適用する眼科撮影装置の概略構成は、図４に示す第１の実施形態に係る画像処理装置として適用する眼科撮影装置１００の概略構成と同様である。

図１１は、本発明の第２の実施形態に係る画像処理装置として適用する眼科撮影装置１００による画像処理方法を説明するための図である。例えば、予め狙いたい被検眼Ｅの眼底Ｅｆにおける合焦位置がある場合には、その位置を選択できるようにする。ここで、選択できるようにする理由は、事前情報としてその位置に所見が認められる場合、或いはその位置の経時的変化を観察したい場合など、予め位置を狙いたい目的があるシーンが様々あるからである。つまり、医師は、部位によっては学習機能によって導出された画像ではなく、処理の無い真実の画像を要求する。

本実施形態では、図１０のステップＳ２６０の撮影において得られる情報は、「選択された単層画像１１１１及び１１２１」を含む画像１１１０及び１１２０と「任意の合焦位置と単層画像」である。インプット情報としては、「選択された単層画像情報」と、「焦点深度の浅い（合焦位置（集光位置）の縦幅が狭い）画像情報」と、「輝度値の高い、全断層画像全縦幅の中の任意の合焦位置（集光位置）（患者ごとに異なる）」である。そのインプット情報は、画像処理部１１８の中の画像取得部８１０にセットされ、ＣＮＮ処理部８２０において畳み込みニューラルネットワークを用いて「選択された単層画像１１１１及び１１２１」を除く範囲で画像処理を行い、学習部８３０においてＣＮＮ処理部８２０が参照する畳み込みニューラルネットワークの学習処理を行う。それは、例えば、図３に示す導出エンジン［２］において、インプット情報の画像情報内の輝度分布に基づく特徴量（輝度変化の傾きなど）をたよりに、学習済モデル３００によって縦幅広範囲断層画像を導き出すものである。

その後、学習済モデル３００によって生成された縦幅広範囲断層画像と「選択された単層画像１１１１及び１１２１」とを組み合わせ、出力データ（教師データ）１１３０としての縦幅広範囲断層画像をディスプレイ１１９に表示し、使用者に明示する。ここで、図１１において、出力データ（教師データ）１１３０のうちの単層画像１１３１の部分画像及び単層画像１１３２の部分画像が、それぞれ、選択された単層画像１１１１の部分画像及び選択された単層画像１１２１の部分画像に相当するものである。即ち、出力データ（教師データ）１１３０は、学習済モデル３００を用いて得られた画像に、画像１１１０及び１１２０における単層画像１１１１の部分画像及び単層画像１１２１の部分画像を合成した画像となっている。

上述した第１の実施形態と本実施形態との相違点は、本実施形態では、「選択された単層画像１１１１及び１１２１」を除く範囲で導出処理を行うことと、導出された縦幅広範囲断層画像と選択された単層画像（真実の画像）をその後に組み合わせるという点である。図１１の概念図で示すように、例えば病変部のある単層画像１１１１の部分画像ともう１つの単層画像１１２１の部分画像をもとに全断層画像に係る出力データ（教師データ）１１３０を生成することは、病変部も網羅した断層画像を生成することとなり且つ処理時間も短縮できる。

（第３の実施形態）
次に、本発明の第３の実施形態について説明する。なお、以下に記載する第３の実施形態の説明においては、上述した第１及び第２の実施形態と共通する事項については説明を省略し、上述した第１及び第２の実施形態と異なる事項について説明を行う。

上述した第１及び第２の実施形態では、単層画像の縦幅を例えば図２に示す画像［１］−１〜［６］−１といったように６層で分けられる例を説明したが、本発明においては、６層に限定されるものではない。

（その他の実施形態）
上述した本発明の実施形態では、画像処理部１１８を眼科撮影装置１００の内部に構成し、眼科撮影装置１００を本発明に係る画像処理装置として適用する形態を説明したが、本発明においてはこの形態に限定されるものではない。例えば、画像処理部１１８を眼科撮影装置１００の外部の外部装置に構成し、当該外部装置を本発明に係る画像処理装置として適用する形態も、本発明に含まれるものである。

本発明は、上述の実施形態の１以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける１つ以上のプロセッサーがプログラムを読出し実行する処理でも実現可能である。また、１以上の機能を実現する回路（例えば、ＡＳＩＣ）によっても実現可能である。
このプログラム及び当該プログラムを記憶したコンピュータ読み取り可能な記憶媒体は、本発明に含まれる。

なお、上述した本発明の実施形態は、いずれも本発明を実施するにあたっての具体化の例を示したものに過ぎず、これらによって本発明の技術的範囲が限定的に解釈されてはならないものである。即ち、本発明はその技術思想、又はその主要な特徴から逸脱することなく、様々な形で実施することができる。

１００：眼科撮影装置、１０１：ＡＯ−ＳＬＯユニット、１０２：ＡＯ−ＯＣＴユニット、１０３：コリメータ。１０４：光分岐用のビームスプリッター、１０５：測定光、１０６：光分割部、１０７：反射ミラー、１０８：波面補正デバイス、１０９−１：走査光学系、１０９−２：トラッキングミラー、１１３：リレー光学系、１１４：アパーチャー、１１５：波面センサー、１１６：補償光学制御部、１１７：制御部、１１８：画像処理部、１１９：ディスプレイ、Ｅ：被検眼、Ｅｆ：眼底、２００：ＯＣＴ画像、２１０：ＡＯ−ＯＣＴ画像、２２０：入力データ、２３０：出力データ（教師データ）、３００：学習済モデル

Claims (7)

1. 被検眼に対する測定光の焦点深度の幅を超える縦幅を有する第１の画像を取得する取得手段と、
   学習済モデルを用いて、前記第１の画像における前記焦点深度の幅に係る第１領域を除く第２領域の解像度よりも高い解像度を有する画像であって前記縦幅を有する第２の画像を生成する生成手段と、
   を有することを特徴とする画像処理装置。
2. 前記学習済モデルは、前記縦幅において前記第１領域の位置が異なる複数の画像を入力データとし、前記複数の画像のそれぞれの前記第１領域の部分画像を用いて生成された画像を出力データとする教師データを学習することにより得られるものであることを特徴とする請求項１に記載の画像処理装置。
3. 前記第２の画像は、前記第１の画像よりも、前記第１領域の解像度と同等の解像度を有する範囲が大きいことを特徴とする請求項１または２に記載の画像処理装置。
4. 前記第２の画像は、前記被検眼におけるスクリーニング用の画像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. 前記第２の画像は、前記学習済モデルを用いて得られた画像に、前記第１の画像における前記第１領域の部分画像を合成した画像であ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。
6. 被検眼に対する測定光の焦点深度の幅を超える縦幅を有する第１の画像を取得する取得ステップと、
   学習済モデルを用いて、前記第１の画像における前記焦点深度の幅に係る第１領域を除く第２領域の解像度よりも高い解像度を有する画像であって前記縦幅を有する第２の画像を生成する生成ステップと、
   を有することを特徴とする画像処理方法。
7. コンピュータを、請求項１乃至５のいずれか１項に記載の画像処理装置の各手段として機能させるためのプログラム。

Images