JP7624619B2 - 血流解析装置、眼科装置、血流解析装置の作動方法、及びプログラム - Google Patents

血流解析装置、眼科装置、血流解析装置の作動方法、及びプログラム Download PDF

Info

Publication number
JP7624619B2
JP7624619B2 JP2021025971A JP2021025971A JP7624619B2 JP 7624619 B2 JP7624619 B2 JP 7624619B2 JP 2021025971 A JP2021025971 A JP 2021025971A JP 2021025971 A JP2021025971 A JP 2021025971A JP 7624619 B2 JP7624619 B2 JP 7624619B2
Authority
JP
Japan
Prior art keywords
blood flow
unit
analysis
depth
subject
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2021025971A
Other languages
English (en)
Other versions
JP2022127783A (ja
Inventor
英一郎 西原
振一郎 中村
晃敏 吉田
勇錫 宋
康文 福間
正博 秋葉
夏奈 南出
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Asahikawa Medical University
Topcon Corp
RIKEN
Original Assignee
Asahikawa Medical University
Topcon Corp
RIKEN
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Asahikawa Medical University, Topcon Corp, RIKEN filed Critical Asahikawa Medical University
Priority to JP2021025971A priority Critical patent/JP7624619B2/ja
Publication of JP2022127783A publication Critical patent/JP2022127783A/ja
Application granted granted Critical
Publication of JP7624619B2 publication Critical patent/JP7624619B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Eye Examination Apparatus (AREA)

Description

本発明は、血流解析装置、眼科装置、血流解析装置の作動方法、及びプログラムに関する。
動脈硬化は、生活習慣病の原因の１つであり、自覚症状がないまま進行すると心疾患や脳血管疾患を引き起こす可能性があることが知られている。このような動脈硬化などの循環器系の疾患の診断及び予防には、血管状態の評価が有用である。
血管状態を評価するための指標として心臓足首血管指数（Ｃａｒｄｉｏ Ａｎｋｌｅ Ｖａｓｃｕｌａｒ Ｉｎｄｅｘ：ＣＡＶＩ）や、足関節上腕血圧比（Ａｎｋｌｅ Ｂｒａｃｈｉａｌ Ｉｎｄｅｘ：ＡＢＩ）などがある。ＣＡＶＩを評価することで、動脈の硬さが正常範囲であるか、動脈硬化の疑いがあるか、正常範囲と動脈強化の疑いとの境界領域であるかを判定することができる。ＡＢＩを評価することで、下肢動脈の閉塞状態が正常範囲であるか、軽度閉塞状態であるか、重篤閉塞状態であるかを判定することができる。
一方、近年では、全身循環の動態と網膜の血流との関係性を評価する手法が着目されている。例えば、特許文献１及び特許文献２には、被検者の眼底に対して光コヒーレンストモグラフィ（Ｏｐｔｉｃａｌ Ｃｏｈｅｒｅｎｃｅ Ｔｏｍｏｇｒａｐｈｙ：ＯＣＴ）を実行して眼底における血流情報を生成する手法が開示されている。
特開２０１３－１８４０１８号公報 特開２０１９－０３４２３７号公報
本発明者らの調査によれば、ＣＡＶＩを用いて被検者の血管状態を判定した場合、疾病者グループの１５．８％は正常範囲であると判定され、健常者グループの１８．２％は境界領域であると判定されることが判明した。同様に、ＡＢＩを用いて被検者の血管状態を判定した場合、疾病者グループの５７．１％は正常範囲であると判定されることが判明した。
すなわち、現状では、ＣＡＶＩ又はＡＢＩだけで血管状態を正しく評価することは困難であり、被検者の血管状態を正しく評価するための新たな技術が望まれる。
本発明は、このような事情を鑑みてなされたものであり、その目的は、被検者の血管状態を正しく評価するための新たな技術を提供することにある。
実施形態の第１態様は、被検者の眼底における血流速度の時系列データに対して時間周波数解析を行う解析部と、前記解析部により得られた解析データの特徴量に基づいて、前記被検者を健常者グループ及び疾病者グループを含む複数のグループのいずれかに分類する分類部と、を含み、前記解析部は、時間軸方向及び血流速度軸方向に正規化された前記時系列データに対して時間周波数解析を行う、血流解析装置である。
実施形態の第２態様では、第１態様において、前記解析部は、１拍動期間における前記時系列データに対してウェーブレット変換を行い、前記分類部は、前記解析部により得られたウェーブレット変換データの特徴位置におけるマザーウェーブレットのスケール値とシフト値とに基づいて、前記被検者を前記複数のグループのいずれかに分類する。
実施形態の第３態様では、第１態様において、前記解析部は、１拍動期間における前記時系列データを第１深度における近似項と微小項とに分解すると共に、第ｍ（ｍは２以上の自然数）深度における近似項を第（ｍ＋１）深度における近似項と微小項とに分解することを第ｎ（ｎは自然数）深度まで繰り返す多重解像度解析を行い、前記分類部は、前記解析部により得られた前記第ｎ深度における近似項の二乗和と前記第ｎ深度における微小項の二乗和とに基づいて、前記被検者を前記複数のグループのいずれかに分類する。
実施形態の第４態様では、第１態様において、前記解析部は、１拍動期間における前記時系列データに対してウェーブレット変換を行う第１解析部と、１拍動期間における前記時系列データを第１深度における近似項と微小項とに分解すると共に、第ｍ（ｍは２以上の自然数）深度における近似項を第（ｍ＋１）深度における近似項と微小項とに分解することを第ｎ（ｎは自然数）深度まで繰り返す多重解像度解析を行う第２解析部と、を含み、前記分類部は、前記第１解析部により得られたウェーブレット変換データの特徴位置におけるマザーウェーブレットのスケール値とシフト値と、前記第２解析部により得られた前記第ｎ深度における近似項の二乗和と前記第ｎ深度における微小項の二乗和とに基づいて、前記被検者を前記複数のグループのいずれかに分類する。
実施形態の第５態様では、第２態様又は第４態様において、前記特徴位置は、前記ウェーブレット変換データが最大となる位置である。
実施形態の第６態様では、第１態様～第５態様のいずれかにおいて、前記血流速度は、前記眼底に対してドップラーＯＣＴを実行することにより得られる血流によるドップラー信号に基づいて取得される。
実施形態の第７態様は、前記眼底における計測部位に対して異なるタイミングでＯＣＴを実行する光学系と、前記光学系により得られた複数の信号に基づいて前記眼底における血流速度を求める血流情報生成部と、第６態様に記載の血流解析装置と、を含む、眼科装置である。
実施形態の第８態様は、被検者の眼底における血流速度の時系列データに対して時間周波数解析を行う解析ステップと、前記解析ステップにおいて得られた解析データの特徴量に基づいて、前記被検者を健常者グループ及び疾病者グループを含む複数のグループのいずれかに分類する分類ステップと、を含み、前記解析ステップは、前記１以上のプロセッサが、時間軸方向及び血流速度軸方向に正規化された前記時系列データに対して時間周波数解析を行う、血流解析装置の作動方法である。
実施形態の第９態様では、第８態様において、前記解析ステップは、１拍動期間における前記時系列データに対してウェーブレット変換を行い、前記分類ステップは、前記解析ステップにおいて得られたウェーブレット変換データの特徴位置におけるマザーウェーブレットのスケール値とシフト値とに基づいて、前記被検者を前記複数のグループのいずれかに分類する。
実施形態の第１０態様では、第８態様において、前記解析ステップは、１拍動期間における前記時系列データを第１深度における近似項と微小項とに分解すると共に、第ｍ（ｍは２以上の自然数）深度における近似項を第（ｍ＋１）深度における近似項と微小項とに分解することを第ｎ（ｎは自然数）深度まで繰り返す多重解像度解析を行い、前記分類ステップは、前記解析ステップにおいて得られた前記第ｎ深度における近似項の二乗和と前記第ｎ深度における微小項の二乗和とに基づいて、前記被検者を前記複数のグループのいずれかに分類する。
実施形態の第１１態様では、第８態様において、前記解析ステップは、１拍動期間における前記時系列データに対してウェーブレット変換を行う第１解析ステップと、１拍動期間における前記時系列データを第１深度における近似項と微小項とに分解すると共に、第ｍ（ｍは２以上の自然数）深度における近似項を第（ｍ＋１）深度における近似項と微小項とに分解することを第ｎ（ｎは自然数）深度まで繰り返す多重解像度解析を行う第２解析ステップと、を含み、前記分類ステップは、前記第１解析ステップにおいて得られたウェーブレット変換データの特徴位置におけるマザーウェーブレットのスケール値とシフト値と、前記第２解析ステップにおいて得られた前記第ｎ深度における近似項の二乗和と前記第ｎ深度における微小項の二乗和とに基づいて、前記被検者を前記複数のグループのいずれかに分類する。
実施形態の第１２態様では、第９態様又は第１１態様において、前記特徴位置は、前記ウェーブレット変換データが最大となる位置である。
実施形態の第１３態様では、第８態様～第１２態様のいずれかにおいて、前記血流速度は、前記眼底に対してドップラーＯＣＴを実行することにより得られる血流によるドップラー信号に基づいて取得される。
実施形態の第１４態様は、コンピュータに、第８態様～第１３態様のいずれかの血流解析装置の作動方法の各ステップを実行させるプログラムである。
なお、上記した複数の態様に係る構成を任意に組み合わせることが可能である。
本発明によれば、被検者の血管状態を正しく評価するための新たな技術を提供することができる。
第１実施形態に係る眼科装置の光学系の構成の一例を表す概略図である。 第１実施形態に係る眼科装置の光学系の構成の一例を表す概略図である。 第１実施形態に係る眼科装置の処理系の構成の一例を表す概略図である。 第１実施形態に係る眼科装置の処理系の構成の一例を表す概略図である。 第１実施形態に係る眼科装置の処理系の構成の一例を表す概略図である。 第１実施形態に係る眼科装置の処理系の構成の一例を表す概略図である。 第１実施形態に係る眼科装置の処理系の構成の一例を表す概略図である。 第１実施形態に係る眼科装置の処理系の構成の一例を表す概略図である。 第１実施形態に係る眼科装置の動作を説明するための概略図である。 第１実施形態に係る眼科装置の動作を説明するための概略図である。 第１実施形態に係る眼科装置の動作を説明するための概略図である。 第１実施形態に係る眼科装置の動作を説明するための概略図である。 第１実施形態に係る眼科装置の動作の一例を表すフロー図である。 第１実施形態に係る眼科装置の動作の一例を表すフロー図である。 第１実施形態に係る眼科装置の動作の一例を表すフロー図である。 第１実施形態に係る眼科装置の動作を説明するための概略図である。 第１実施形態に係る眼科装置の動作を説明するための概略図である。 第２実施形態に係る眼科装置の処理系の構成例の一例を表す概略図である。 第２実施形態に係る眼科装置の動作を説明するための概略図である。 第２実施形態に係る眼科装置の動作を説明するための概略図である。 第２実施形態に係る眼科装置の動作の一例を表すフロー図である。 第２実施形態に係る眼科装置の動作を説明するための概略図である。 第３実施形態に係る眼科装置の処理系の構成例の一例を表す概略図である。 第４実施形態に係る眼科装置の処理系の構成例の一例を表す概略図である。
この発明に係る血流解析装置、眼科装置、血流解析方法、及びプログラムの実施形態の例について、図面を参照しながら詳細に説明する。なお、この明細書において引用された文献の記載内容や任意の公知技術を、以下の実施形態に援用することが可能である。
実施形態に係る血流解析装置は、被検者の血流速度の時系列データに対して時間周波数解析を行い、時間周波数解析を行うことにより得られた解析データの特徴量に基づいて、被検者を健常者グループ及び疾病者グループを含む複数のグループのいずれかに分類する。いくつかの実施形態では、血流は、被検者の眼底における血流である。いくつかの実施形態では、時系列データは、波形情報である。時間周波数解析の例として、連続ウェーブレット変換（Ｃｏｎｔｉｎｕｏｕｓ Ｗａｖｅｌｅｔ Ｔｒａｎｓｆｏｒｍ：ＣＷＴ）、離散ウェーブレット変換（Ｄｉｓｃｒｅｔｅ Ｗａｖｅｌｅｔ Ｔｒａｎｓｆｏｒｍ：ＤＷＴ）、短時間フーリエ変換（Ｓｈｏｒｔ－Ｔｉｍｅ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍ：ＳＴＦＴ）、多重解像度解析（Ｍｕｌｔｉｒｅｓｏｌｕｓｉｏｎ ａｎａｌｙｓｉｓ：ＭＲＡ）などがある。いくつかの実施形態では、２以上の時間周波数解析により得られた２以上の特徴量に基づいて、被検者を健常者グループ及び疾病者グループを含む複数のグループのいずれかに分類する。
健常者グループは、医師等によりあらかじめ健常者であると診断されたグループである。疾病者グループは、医師等によりあらかじめ疾病者であると診断されたグループである。いくつかの実施形態では、複数のグループは、健常者グループ、疾病者グループ、及び健常者と疾病者との中間領域のグループ（疾病者の疑いがあるグループ）を含む。
いくつかの実施形態では、血流速度の時系列データは、光コヒーレンストモグラフィ（ＯＣＴ）を用いて取得される。いくつかの実施形態では、血流解析装置の機能は、被検眼に対してＯＣＴを実行可能な眼科装置に搭載される。いくつかの実施形態では、血流解析装置は、ＯＣＴを実行することにより得られた血流速度の時系列データを外部から受信するように構成される。
実施形態に係る血流解析方法は、実施形態に係る血流解析装置により実行される。実施形態に係るプログラムは、血流解析方法の各ステップをプロセッサ（コンピュータ）に実行させる。実施形態に係る記録媒体は、実施形態に係るプログラムが記録されたコンピュータ読み取り可能な非一時的な記録媒体（記憶媒体）である。
本明細書において「プロセッサ」は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、プログラマブル論理デバイス（例えば、ＳＰＬＤ（Ｓｉｍｐｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ）、ＣＰＬＤ（Ｃｏｍｐｌｅｘ Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ）、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ））等の回路を意味する。プロセッサは、例えば、記憶回路や記憶装置に格納されているプログラムを読み出し実行することで、実施形態に係る機能を実現する。
以下の実施形態では、フーリエドメインタイプのＯＣＴを実行する眼科装置が実施形態に係る血流解析装置の機能を実現する場合について説明する。
また、以下では、スウェプトソースＯＣＴと眼底カメラとを組み合わせた眼科装置について説明するが、実施形態に係る構成はこれに限定されない。例えば、ＯＣＴの種別はスウェプトソースＯＣＴには限定されず、スペクトラルドメインＯＣＴ等であってもよい。スウェプトソースＯＣＴは、波長可変光源（波長掃引光源）からの光を測定光と参照光とに分割し、被検物からの測定光の戻り光を参照光と重ね合わせて干渉光を生成し、この干渉光をバランスドフォトダイオード等で検出し、波長の掃引及び測定光のスキャンに応じて収集された検出データにフーリエ変換等を施して画像を形成する手法である。スペクトラルドメインＯＣＴは、低コヒーレンス光源からの光を測定光と参照光とに分割し、被検物からの測定光の戻り光を参照光と重ね合わせて干渉光を生成し、この干渉光のスペクトル分布を分光器で検出し、検出されたスペクトル分布にフーリエ変換等を施して画像を形成する手法である。換言すると、スウェプトソースＯＣＴは時分割でスペクトル分布を取得する手法であり、スペクトラルドメインＯＣＴは空間分割でスペクトル分布を取得する手法である。なお、実施形態に適用可能なＯＣＴの手法はこれらに限定されず、他の任意の手法（例えば、タイムドメインＯＣＴ）を適用することが可能である。
実施形態に係る眼科装置は、眼底カメラのような被検眼の写真（デジタル写真）を取得する機能を備えていてもよいし、備えていなくてもよい。また、眼底カメラの代わりに、走査型レーザ検眼鏡（ＳＬＯ）や、スリットランプ顕微鏡や、前眼部撮影カメラや、手術用顕微鏡など、任意のモダリティが設けられてもよい。なお、眼底写真等の正面画像は、眼底の観察やスキャンエリアの設定やトラッキングなどに利用可能である。
＜第１実施形態＞
［構成］
図１に示すように、血流解析装置としての機能を有する眼科装置１は、眼底カメラユニット２、ＯＣＴユニット１００、及び演算制御ユニット２００を含む。眼底カメラユニット２には、従来の眼底カメラとほぼ同様の光学系が設けられている。ＯＣＴユニット１００には、ＯＣＴを実行するための光学系や機構が設けられている。演算制御ユニット２００は、プロセッサを含む。被検者の顔を支持するための顎受けや額当てが、眼底カメラユニット２に対向する位置に設けられている。
［光学系］
（眼底カメラユニット２）
眼底カメラユニット２には、被検眼Ｅの眼底Ｅｆを撮影するための光学系や機構が設けられている。眼底Ｅｆを撮影して得られる画像（眼底像、眼底写真等と呼ばれる）には、観察画像や撮影画像がある。観察画像は、例えば、近赤外光を用いた動画撮影により得られる。撮影画像は、例えば、可視フラッシュ光を用いて得られるカラー画像若しくはモノクロ画像、又は近赤外フラッシュ光を用いて得られるモノクロ画像である。眼底カメラユニット２は、フルオレセイン蛍光画像やインドシアニングリーン蛍光画像や自発蛍光画像などを取得可能であってよい。
眼底カメラユニット２は、照明光学系１０と撮影光学系３０とを含む。照明光学系１０は被検眼Ｅに照明光を照射する。撮影光学系３０は、被検眼Ｅからの照明光の戻り光を検出する。ＯＣＴユニット１００からの測定光は、眼底カメラユニット２内の光路を通じて被検眼Ｅに導かれ、その戻り光は、同じ光路を通じてＯＣＴユニット１００に導かれる。
照明光学系１０の観察光源１１は、例えばハロゲンランプ又は発光ダイオード（ＬＥＤ）である。観察光源１１から出力された光（観察照明光）は、曲面状の反射面を有する反射ミラー１２により反射され、集光レンズ１３を経由し、可視カットフィルタ１４を透過して近赤外光となる。更に、観察照明光は、撮影光源１５の近傍にて一旦集束し、ミラー１６により反射され、リレーレンズ１７、１８、絞り１９及びリレーレンズ２０を経由する。そして、観察照明光は、孔開きミラー２１の周辺部（孔部の周囲の領域）にて反射され、ダイクロイックミラー４６を透過し、対物レンズ２２により屈折されて被検眼Ｅ（特に眼底Ｅｆ）を照明する。
被検眼Ｅからの観察照明光の戻り光は、対物レンズ２２により屈折され、ダイクロイックミラー４６を透過し、孔開きミラー２１の中心領域に形成された孔部を通過する。孔部を通過した戻り光は、ダイクロイックミラー５５を透過し、撮影合焦レンズ３１を経由し、ミラー３２により反射される。更に、この戻り光は、ハーフミラー３３Ａを透過し、ダイクロイックミラー３３により反射され、集光レンズ３４によりＣＣＤイメージセンサ３５の受光面に結像される。ＣＣＤイメージセンサ３５は、例えば所定のフレームレートで戻り光を検出する。なお、撮影光学系３０のピントが眼底Ｅｆに合っている場合には眼底Ｅｆの観察画像が得られ、ピントが前眼部に合っている場合には前眼部の観察画像が得られる。
撮影光源１５は、例えば、キセノンランプ又はＬＥＤを含む可視光源である。撮影光源１５から出力された光（撮影照明光）は、観察照明光と同様の経路を通って眼底Ｅｆに照射される。被検眼Ｅからの撮影照明光の戻り光は、観察照明光の戻り光と同じ経路を通ってダイクロイックミラー３３まで導かれ、ダイクロイックミラー３３を透過し、ミラー３６により反射され、集光レンズ３７によりＣＣＤイメージセンサ３８の受光面に結像される。
液晶ディスプレイ（ＬＣＤ）３９は、被検眼Ｅを固視させるための固視標を表示する。ＬＣＤ３９から出力された光束（固視光束）は、その一部がハーフミラー３３Ａにて反射され、ミラー３２に反射され、撮影合焦レンズ３１及びダイクロイックミラー５５を経由し、孔開きミラー２１の孔部を通過する。孔開きミラー２１の孔部を通過した固視光束は、ダイクロイックミラー４６を透過し、対物レンズ２２により屈折されて眼底Ｅｆに投射される。ＬＣＤ３９の画面における固視標の表示位置を変更することにより被検眼Ｅの固視位置を変更できる。なお、ＬＣＤ３９の代わりに、複数のＬＥＤが２次元的に配列されたマトリクスＬＥＤや、光源と可変絞り（液晶絞り等）との組み合わせなどを、固視光束生成手段として用いることができる。
眼底カメラユニット２にはアライメント光学系５０とフォーカス光学系６０とが設けられている。アライメント光学系５０は、被検眼Ｅに対する光学系のアライメントに用いられるアライメント視標を生成する。フォーカス光学系６０は、被検眼Ｅに対するフォーカス調整に用いられるスプリット視標を生成する。
アライメント光学系５０のＬＥＤ５１から出力されたアライメント光は、絞り５２及び５３並びにリレーレンズ５４を経由し、ダイクロイックミラー５５により反射され、孔開きミラー２１の孔部を通過する。孔開きミラー２１の孔部を通過した光は、ダイクロイックミラー４６を透過し、対物レンズ２２により被検眼Ｅに投射される。
アライメント光の角膜反射光は、対物レンズ２２、ダイクロイックミラー４６及び上記孔部を経由し、その一部がダイクロイックミラー５５を透過し、撮影合焦レンズ３１を通過する。撮影合焦レンズ３１を通過した角膜反射光は、ミラー３２により反射され、ハーフミラー３３Ａを透過し、ダイクロイックミラー３３に反射され、集光レンズ３４によりＣＣＤイメージセンサ３５の受光面に投影される。ＣＣＤイメージセンサ３５による受光像（２つの輝点からなるアライメント視標像）に基づき、従来と同様のマニュアルアライメントやオートアライメントを行うことができる。
フォーカス光学系６０は、撮影光学系３０の光路（撮影光路）に沿った撮影合焦レンズ３１の移動に連動して、照明光学系１０の光路（照明光路）に沿って移動される。反射棒６７は、照明光路に対して挿脱可能である。
フォーカス調整を行う際には、反射棒６７の反射面が照明光路に斜設される。ＬＥＤ６１から出力されたフォーカス光は、リレーレンズ６２を通過し、スプリット視標板６３により２つの光束に分離され、二孔絞り６４を通過し、ミラー６５により反射され、集光レンズ６６により反射棒６７の反射面に一旦結像されて反射される。更に、フォーカス光は、リレーレンズ２０を経由し、孔開きミラー２１に反射され、ダイクロイックミラー４６を透過し、対物レンズ２２により屈折されて眼底Ｅｆに投射される。
フォーカス光の眼底反射光は、アライメント光の角膜反射光と同じ経路を通ってＣＣＤイメージセンサ３５により検出される。ＣＣＤイメージセンサ３５による受光像（２つの輝線像からなるスプリット視標像）に基づき、従来と同様のマニュアルアライメントやオートアライメントを行うことができる。
ダイクロイックミラー４６は、眼底撮影用の光路とＯＣＴ用の光路とを合成する。ダイクロイックミラー４６は、ＯＣＴに用いられる波長帯の光を反射し、眼底撮影用の光を透過させる。ＯＣＴ用の光路には、ＯＣＴユニット１００側から順に、コリメータレンズユニット４０、光路長変更部４１、光スキャナ４２、ＯＣＴ合焦レンズ４３、ミラー４４、及びリレーレンズ４５が設けられている。
光路長変更部４１は、図１に示す矢印の方向に移動可能とされ、ＯＣＴ用の光路の光路長を変更する。この光路長の変更は、被検眼Ｅの眼軸長に応じた光路長の補正や、干渉状態の調整などに利用される。光路長変更部４１は、例えばコーナーキューブと、これを移動する機構とを含む。
光スキャナ４２は、被検眼Ｅの瞳孔と光学的に共役な位置に配置される。光スキャナ４２は、ＯＣＴ用の光路を通過する測定光ＬＳの進行方向を変更する。それにより、被検眼Ｅが測定光ＬＳでスキャンされる。光スキャナ４２は、ｘｙ平面の任意方向に測定光ＬＳを偏向可能であり、例えば、測定光ＬＳをｘ方向に偏向するガルバノミラーと、ｙ方向に偏向するガルバノミラーとを含む。
（ＯＣＴユニット１００）
図２に例示するように、ＯＣＴユニット１００には、被検眼ＥのＯＣＴを実行するための光学系が設けられている。この光学系の構成は、従来のスウェプトソースＯＣＴと同様である。すなわち、この光学系は、光源からの光を測定光と参照光とに分割し、被検眼Ｅからの測定光の戻り光と参照光路を経由した参照光とを重ね合わせて干渉光を生成し、この干渉光を検出する干渉光学系を含む。干渉光学系により得られる検出結果（検出信号）は、干渉光のスペクトルを示す信号であり、演算制御ユニット２００に送られる。
光源ユニット１０１は、一般的なスウェプトソースＯＣＴと同様に、出射光の波長を高速で変化させることが可能な波長可変光源を含む。波長可変光源は、例えば、近赤外レーザ光源である。
光源ユニット１０１から出力された光Ｌ０は、光ファイバ１０２により偏波コントローラ１０３に導かれてその偏波状態が調整される。更に、光Ｌ０は、光ファイバ１０４によりファイバカプラ１０５に導かれて測定光ＬＳと参照光ＬＲとに分割される。
参照光ＬＲは、光ファイバ１１０によりコリメータ１１１に導かれて平行光束に変換され、光路長補正部材１１２及び分散補償部材１１３を経由し、コーナーキューブ１１４に導かれる。光路長補正部材１１２は、参照光ＬＲの光路長と測定光ＬＳの光路長とを合わせるよう作用する。分散補償部材１１３は、参照光ＬＲと測定光ＬＳとの間の分散特性を合わせるよう作用する。
コーナーキューブ１１４は、入射した参照光ＬＲの進行方向を逆方向に折り返す。コーナーキューブ１１４に対する参照光ＬＲの入射方向と出射方向は互いに平行である。コーナーキューブ１１４は、参照光ＬＲの入射方向に移動可能であり、それにより参照光ＬＲの光路長が変更される。
図１及び図２に示す構成では、測定光ＬＳの光路（測定光路、測定アーム）の長さを変更するための光路長変更部４１と、参照光ＬＲの光路（参照光路、参照アーム）の長さを変更するためのコーナーキューブ１１４の双方が設けられている。いくつかの実施形態では、光路長変更部４１とコーナーキューブ１１４のいずれか一方のみが設けられる。また、これら以外の光学部材を用いて、測定光路長と参照光路長との差を変更することも可能である。
コーナーキューブ１１４を経由した参照光ＬＲは、分散補償部材１１３及び光路長補正部材１１２を経由し、コリメータ１１６によって平行光束から集束光束に変換され、光ファイバ１１７に入射する。光ファイバ１１７に入射した参照光ＬＲは、偏波コントローラ１１８に導かれてその偏波状態が調整され、光ファイバ１１９によりアッテネータ１２０に導かれて光量が調整され、光ファイバ１２１によりファイバカプラ１２２に導かれる。
一方、ファイバカプラ１０５により生成された測定光ＬＳは、光ファイバ１２７により導かれてコリメータレンズユニット４０により平行光束に変換される。平行光束に変換された測定光ＬＳは、光路長変更部４１、光スキャナ４２、ＯＣＴ合焦レンズ４３、ミラー４４及びリレーレンズ４５を経由し、ダイクロイックミラー４６により反射され、対物レンズ２２により屈折されて被検眼Ｅに入射する。測定光ＬＳは、被検眼Ｅの様々な深さ位置において散乱・反射される。被検眼Ｅからの測定光ＬＳの戻り光は、往路と同じ経路を逆向きに進行してファイバカプラ１０５に導かれ、光ファイバ１２８を経由してファイバカプラ１２２に到達する。
ファイバカプラ１２２は、光ファイバ１２８を介して入射された測定光ＬＳと、光ファイバ１２１を介して入射された参照光ＬＲとを重ね合わせて干渉光を生成する。ファイバカプラ１２２は、所定の分岐比（例えば１：１）で干渉光を分岐することにより、一対の干渉光ＬＣを生成する。一対の干渉光ＬＣは、それぞれ光ファイバ１２３及び１２４を通じて検出器１２５に導かれる。
検出器１２５は、例えばバランスドフォトダイオード（Ｂａｌａｎｃｅｄ Ｐｈｏｔｏ Ｄｉｏｄｅ）である。バランスドフォトダイオードは、一対の干渉光ＬＣをそれぞれ検出する一対のフォトディテクタを有し、これらによる検出結果の差分を出力する。検出器１２５は、その検出結果（検出信号）をＤＡＱ（Ｄａｔａ Ａｃｑｕｉｓｉｔｉｏｎ Ｓｙｓｔｅｍ）１３０に送る。
ＤＡＱ１３０には、光源ユニット１０１からクロックＫＣが供給される。クロックＫＣは、光源ユニット１０１において、波長可変光源により所定の波長範囲内で掃引される各波長の出力タイミングに同期して生成される。光源ユニット１０１は、例えば、各出力波長の光Ｌ０を分岐することにより得られた２つの分岐光の一方を光学的に遅延させた後、これらの合成光を検出した結果に基づいてクロックＫＣを生成する。ＤＡＱ１３０は、検出器１２５から入力される検出信号をクロックＫＣに基づきサンプリングする。ＤＡＱ１３０は、検出器１２５からの検出信号のサンプリング結果を演算制御ユニット２００に送る。
（演算制御ユニット２００）
演算制御ユニット２００は、眼底カメラユニット２、表示装置３及びＯＣＴユニット１００の各部を制御する。また、演算制御ユニット２００は、各種の演算処理を実行する。例えば、演算制御ユニット２００は、一連の波長走査毎に（Ａライン毎に）、検出器１２５により得られた検出結果に基づくスペクトル分布にフーリエ変換等の信号処理を施すことにより、各Ａラインにおける反射強度プロファイルを形成する。更に、演算制御ユニット２００は、各Ａラインの反射強度プロファイルを画像化することにより画像データを形成する。そのための演算処理は、従来のスウェプトソースＯＣＴと同様である。
演算制御ユニット２００は、例えば、プロセッサ、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ハードディスクドライブ、通信インターフェイスなどを含む。ハードディスクドライブ等の記憶装置には各種のコンピュータプログラムが格納されている。演算制御ユニット２００は、操作デバイス、入力デバイス、表示デバイスなどを含んでいてもよい。
［処理系］
眼科装置１の処理系（制御系）は、演算制御ユニット２００を中心に構成される。
眼科装置１の処理系の構成例を図３～図８に示す。図３は、眼科装置１の処理系の機能ブロック図の一例を表す。図４は、図３の画像形成部２２０の機能ブロック図の一例を表す。図５は、図３のデータ処理部３００の機能ブロック図の一例を表す。図６は、図５の血流情報生成部３２０の機能ブロック図の一例を表す。図７は、図５の血流情報解析部３３０の機能ブロック図の一例を表す。図８は、図７の解析部３５０の機能ブロック図の一例を表す。
演算制御ユニット２００は、図３に示すように、制御部２１０と、画像形成部２２０と、データ処理部３００とを含む。
（制御部２１０）
制御部２１０は、眼科装置１の各部を制御する。制御部２１０は、プロセッサ、ＲＡＭ、ＲＯＭ、ハードディスクドライブなどを含む。制御部２１０の機能は、回路を含むハードウェアと、制御ソフトウェアとの協働により実現される。制御部２１０は、主制御部２１１と記憶部２１２とを含む。
（主制御部２１１）
主制御部２１１は各種の制御を行う。特に、主制御部２１１は、眼底カメラユニット２の合焦駆動部３１Ａ及び４３Ａ、ＣＣＤイメージセンサ３５及び３８、ＬＣＤ３９、光路長変更部４１、及び光スキャナ４２などを制御する。また、主制御部２１１は、ＯＣＴユニット１００の光源ユニット１０１、参照駆動部１１４Ａ、検出器１２５、及びＤＡＱ１３０などを制御する。更に、主制御部２１１は、図１及び図２に示す光学系を駆動する光学系駆動部（図示せず）を制御する。
合焦駆動部３１Ａは、主制御部２１１からの制御を受け、撮影光学系３０の光軸に沿って撮影合焦レンズ３１を移動させる。合焦駆動部３１Ａには、撮影合焦レンズ３１を保持する保持部材と、この保持部材を移動するための駆動力を発生するアクチュエータと、この駆動力を伝達する伝達機構とが設けられる。アクチュエータは、例えばパルスモータにより構成される。伝達機構は、例えば歯車の組み合わせやラック・アンド・ピニオンなどによって構成される。それにより、主制御部２１１からの制御を受けた合焦駆動部３１Ａが撮影合焦レンズ３１を移動することにより、撮影光学系３０の合焦位置が変更される。なお、手動又はユーザーの操作部２４２に対する操作により合焦駆動部３１Ａが撮影光学系３０の光軸に沿って撮影合焦レンズ３１を移動するようにしてもよい。
合焦駆動部４３Ａは、主制御部２１１からの制御を受け、ＯＣＴユニット１００における干渉光学系の光軸（測定光の光路）に沿ってＯＣＴ合焦レンズ４３を移動させる。合焦駆動部４３Ａには、ＯＣＴ合焦レンズ４３を保持する保持部材と、この保持部材を移動するための駆動力を発生するアクチュエータと、この駆動力を伝達する伝達機構とが設けられる。アクチュエータは、例えばパルスモータにより構成される。伝達機構は、例えば歯車の組み合わせやラック・アンド・ピニオンなどによって構成される。それにより、主制御部２１１からの制御を受けた合焦駆動部４３ＡがＯＣＴ合焦レンズ４３を移動することにより、測定光の合焦位置が変更される。なお、手動又はユーザーの操作部２４２に対する操作により合焦駆動部４３Ａが干渉光学系の光軸に沿ってＯＣＴ合焦レンズ４３を移動するようにしてもよい。
主制御部２１１は、ＣＣＤイメージセンサ３５の露光時間（電荷蓄積時間）、感度、フレームレート等を制御することが可能である。主制御部２１１は、ＣＣＤイメージセンサ３８の露光時間、感度、フレームレート等を制御することが可能である。
主制御部２１１は、ＬＣＤ３９に対して固視標や視力測定用視標の表示制御を行うことが可能である。それにより、被検眼Ｅに呈示される視標の切り替えや視標の種別の変更が可能になる。また、ＬＣＤ３９における視標の表示位置を変更することにより、被検眼Ｅに対する視標呈示位置を変更することが可能である。
主制御部２１１は、光路長変更部４１を制御することにより、参照光ＬＲの光路長と測定光ＬＳの光路長との差を相対的に変更することが可能である。主制御部２１１は、被検眼Ｅの対象部位がＯＣＴ画像のフレーム内における所定の範囲に描出されるように光路長変更部４１を制御する。具体的には、主制御部２１１は、被検眼Ｅの対象部位がＯＣＴ画像のフレーム内における所定のｚ位置（深さ方向の位置）に描出されるように光路長変更部４１を制御することが可能である。
主制御部２１１は、光スキャナ４２を制御することにより被検眼Ｅの眼底Ｅｆ又は前眼部における測定光ＬＳの走査位置を変更することが可能である。光スキャナ４２の制御には、測定光ＬＳをｘ方向に偏向するガルバノミラーによる走査位置、走査範囲又は走査速度の制御、測定光ＬＳをｙ方向に偏向するガルバノミラーによる走査位置、走査範囲又は走査速度の制御などがある。また、主制御部２１１は、光スキャナ４２による測定光ＬＳの走査態様を制御することができる。測定光ＬＳの走査態様としては、例えば、水平スキャン、垂直スキャン、十字スキャン、放射スキャン、円スキャン、同心円スキャン、螺旋スキャンなどがある
主制御部２１１は、光源ユニット１０１を制御することにより、光Ｌ０の点灯と消灯の切り替えや、光Ｌ０の光量の変更などを制御することが可能である。
主制御部２１１は、参照駆動部１１４Ａを制御することにより、参照光ＬＲの光路長と測定光ＬＳの光路長との差を相対的に変更することが可能である。参照駆動部１１４Ａは、参照光路に設けられたコーナーキューブ１１４を移動させる。それにより、参照光路の長さが変更される。主制御部２１１は、被検眼Ｅの対象部位がＯＣＴ画像のフレーム内における所定の範囲に描出されるように参照駆動部１１４Ａを制御する。具体的には、主制御部２１１は、被検眼Ｅの対象部位がＯＣＴ画像のフレーム内における所定のｚ位置に描出されるように参照駆動部１１４Ａを制御することが可能である。主制御部２１１は、光路長変更部４１及び参照駆動部１１４Ａの少なくとも一方を制御することにより、参照光ＬＲの光路長と測定光ＬＳの光路長との差を相対的に変更することが可能である。以下では、主制御部２１１は、光路長変更部４１だけを制御することにより測定光ＬＳと参照光ＬＲとの光路長差調整を行うものとして説明するが、参照駆動部１１４Ａだけを制御することにより参照光ＬＲと測定光ＬＳとの光路長差調整を行ってもよい。
主制御部２１１は、検出器１２５の露光時間（電荷蓄積時間）、感度、フレームレート等を制御することが可能である。また、主制御部２１１は、ＤＡＱ１３０を制御することが可能である。
図示しない光学系駆動部は、眼科装置１に設けられた光学系（図１及び図２に示す光学系）を３次元的に移動する。主制御部２１１は、被検眼Ｅと装置光学系との位置関係を維持するように光学系駆動部を制御することが可能である。この制御は、アライメントやトラッキングにおいて用いられる。トラッキングとは、被検眼Ｅの運動に合わせて装置光学系を移動させるものである。トラッキングを行う場合には、事前にアライメントとピント合わせが実行される。トラッキングは、被検眼Ｅを動画撮影して得られる画像に基づき被検眼Ｅの位置や向きに合わせて装置光学系をリアルタイムで移動させることにより、アライメントとピントが合った好適な位置関係を維持する機能である。
（記憶部２１２）
記憶部２１２は各種のデータを記憶する。記憶部２１２に記憶されるデータとしては、例えば、ＯＣＴ画像の画像データ、眼底像の画像データ、被検眼情報、データ処理部３００による処理結果などがある。被検眼情報は、被検者ＩＤや氏名などの被検者情報や、左眼／右眼の識別情報や、電子カルテ情報などを含む。
（画像形成部２２０）
画像形成部２２０は、ＤＡＱ１３０によりサンプリングされた検出器１２５からの検出信号に基づいて、眼底Ｅｆ又は前眼部の断層像の画像データを形成する。画像形成部２２０はプロセッサを含む。なお、この明細書では、「画像データ」と、それに基づく「画像」とを同一視することがある。
図４に示すように、画像形成部２２０は、断層像形成部２２１を含む。
（断層像形成部２２１）
断層像形成部２２１は、ＤＡＱ１３０による検出信号のサンプリング結果に基づいて、眼底Ｅｆの断層像の画像データを形成する。断層像形成部２２１は、予備計測において取得されたデータに基づいて断層像を形成することができる。断層像形成部２２１が実行する処理は、従来のスペクトラルドメインＯＣＴと同様に、ノイズ除去（ノイズ低減）、フィルタ処理、ＦＦＴ（Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍ）などを含む。他のタイプのＯＣＴが適用される場合、断層像形成部２２１は、そのタイプに応じた公知の処理を実行する。
このような断層像形成部２２１は、血流計測（第１走査及び／又は第２走査）により取得されたデータに基づいて断層像を形成することが可能である。
例えば、特開２０１７－７９８８６号公報に開示されているように、実施形態では、血流計測の対象部位を設定するための走査（予備計測）と、予備計測の結果から設定された部位に関する血流情報を取得するための走査（血流計測）とが実行される。
予備計測では、眼底Ｅｆの複数の断面を測定光ＬＳで反復的に走査する。複数の断面の走査は、例えば、互いに平行な複数の走査線に沿ったラスタースキャンである。ラスタースキャンの走査線の本数は例えば１２８本であり、それにより眼底Ｅｆの３次元領域が走査される（３次元スキャン）。なお、走査パターンや走査線の本数は本例に限定されない。
血流計測では、予備計測の結果から設定された眼底Ｅｆの部位に基づき２種類の走査（第１走査及び第２走査）が実行される。予備計測の結果から設定された部位を注目部位と呼ぶ。注目部位は、注目血管と注目断面とを含む。注目血管は、予備計測の結果から設定された眼底Ｅｆの血管である。注目血管は、脈波が明瞭に観察される血管であってよく、例えば動脈である。注目断面は、注目血管に交差する断面である。更に、注目部位は、注目断面の近傍に位置する１以上の断面を含んでいてよい。この１以上の断面は、注目血管の傾きを求めるためのＯＣＴスキャンの対象となる。
第１走査では、注目血管に交差する２以上の断面が測定光ＬＳで走査される。第１走査により取得されたデータは、注目断面における注目血管の傾き（向き）を求めるために用いられる。一方、第２走査は、注目血管に交差する注目断面が測定光ＬＳで反復的に走査される。第１走査が行われる断面は、注目断面の近傍に配置される。第２走査は、ＯＣＴを用いたドップラー計測（ドップラーＯＣＴ）である。
第１走査及び第２走査の対象断面は、ｘｙ面において、注目血管の走行方向に対して直交するように向き付けられることが望ましい。図９の眼底像Ｄに示すように、実施形態では、例えば、視神経乳頭Ｄａの近傍に、第１走査が行われる２つの断面Ｃ１１及びＣ１２と、第２走査が行われる注目断面Ｃ２とが注目血管Ｄｂに交差するように設定される。２つの断面Ｃ１１及びＣ１２の一方は注目断面Ｃ２に対して注目血管Ｄｂの上流側に位置し、他方は下流側に位置する。注目断面Ｃ２に対する各断面Ｃ１１及びＣ１２の距離（断面間距離）は、事前に決定される。
第２走査は、被検者の心臓の少なくとも１心周期の間にわたって実行されることが望ましい。それにより、心臓の全ての時相における血流情報が得られる。第２走査の実行時間は、あらかじめ設定された一定の時間（例えば２秒間）であってもよいし、被検者ごとに又は検査毎に設定された時間であってもよい。後者の一例において、心電計を用いて得られる被検者の心拍データを利用することができる。
例えば、断層像形成部２２１は、断面Ｃ１１及びＣ１２に対する第１走査により得られた干渉光ＬＣの検出結果に基づいて、断面Ｃ１１の形態を表す断層像と、断面Ｃ１２の形態を表す断層像とを形成する。このとき、断面Ｃ１１を１回走査して１枚の断層像を形成し、且つ、断面Ｃ１２を１回走査して１枚の断層像を形成することができる。或いは、断面Ｃ１１を複数回走査して得られた複数の断層像に基づき１枚の断層像を取得し、且つ、断面Ｃ１２を複数回走査して得られた複数の断層像に基づき１枚の断層像を取得することができる。複数の断層像から１枚の断層像を取得する処理の例として、複数の断層像を平均して画質向上を図る処理や、複数の断層像から最適な１枚を選択する処理がある。
また、断層像形成部２２１は、注目断面Ｃ２に対する第２走査により得られた干渉光ＬＣの検出結果に基づいて、注目断面Ｃ２の形態の時系列変化を表す断層像群を形成する。この処理についてより詳しく説明する。第２走査では、上記のように注目断面Ｃ２が繰り返し走査される。断層像形成部２２１には、第２走査に応じて、ＯＣＴユニット１００の検出器１２５から検出信号が逐次入力される。断層像形成部２２１は、注目断面Ｃ２の１回分の走査に対応する検出信号群に基づいて、注目断面Ｃ２の１枚の断層像を形成する。断層像形成部２２１は、この処理を第２走査の反復回数だけ繰り返すことで、時系列に沿った一連の断層像を形成する。ここで、これら断層像を複数の群に分割し、各群の断層像を平均して画質の向上を図ってもよい。
（ユーザーインターフェイス２４０）
眼科装置１には、ユーザーインターフェイス２４０が設けられている。ユーザーインターフェイス２４０は表示部２４１と操作部２４２とを含む。表示部２４１は表示装置３を含む。操作部２４２は各種の操作デバイスや入力デバイスを含む。ユーザーインターフェイス２４０は、例えばタッチパネルのような表示機能と操作機能とが一体となったデバイスを含んでいてもよい。ユーザーインターフェイス２４０の少なくとも一部を含まない実施形態を構築することも可能である。例えば、表示デバイスは、眼科装置に接続された外部装置であってよい。
（データ処理部３００）
データ処理部３００は、画像形成部２２０により形成された画像データに対して各種のデータ処理（画像処理）や解析処理を施す。例えば、データ処理部３００は、画像の輝度補正や分散補正等の補正処理を実行する。また、データ処理部３００は、ＣＣＤイメージセンサ３５、３８を用い得られた画像（前眼部像等）に対して各種の画像処理や解析処理を施す。
データ処理部３００は、断層像の間の画素を補間する補間処理などの公知の画像処理を実行することにより、被検眼Ｅのボリュームデータ（ボクセルデータ）を形成することができる。ボリュームデータに基づく画像を表示させる場合、データ処理部３００は、このボリュームデータに対してレンダリング処理を施して、特定の視線方向から見たときの擬似的な３次元画像を形成する。
データ処理部３００は、取得されたボリュームデータ（３次元データセット、スタックデータ等）に各種のレンダリングを施すことで画像を形成することが可能である。データ処理部３００により形成される画像として、任意断面におけるＢモード画像（縦断面像、軸方向断面像）、任意断面におけるＣモード画像（横断面像、水平断面像）、プロジェクション画像、シャドウグラムなどがある。Ｂモード画像やＣモード画像のような任意断面の画像は、指定された断面上の画素（ピクセル、ボクセル）を３次元データセットから選択することにより形成される。プロジェクション画像は、３次元データセットを所定方向（ｚ方向、深さ方向、軸方向）に投影することによって形成される。シャドウグラムは、３次元データセットの一部（たとえば特定層に相当する部分データ）を所定方向に投影することによって形成される。Ｃモード画像、プロジェクション画像、シャドウグラムのような、被検眼の正面側を視点とする画像を正面画像（ｅｎ－ｆａｃｅ画像）と呼ぶ。
また、データ処理部３００は、ＯＣＴにより時系列に収集されたデータ（例えば、Ｂスキャン画像データ）に基づいて、網膜血管や脈絡膜血管が強調されたＢモード画像や正面画像（血管強調画像、アンギオグラム）を構築することができる。例えば、被検眼Ｅの略同一部位を反復的にスキャンすることにより、時系列のＯＣＴデータを収集することができる。
いくつかの実施形態では、データ処理部３００は、略同一部位に対するＢスキャンにより得られた時系列のＢスキャン画像を比較し、信号強度の変化部分の画素値を変化分に対応した画素値に変換することにより当該変化部分が強調された強調画像を構築する。更に、データ処理部３００は、構築された複数の強調画像から所望の部位における所定の厚さ分の情報を抽出してｅｎ－ｆａｃｅ画像として構築することでＯＣＴアンギオグラムを形成する。
更に、データ処理部３００は、画像形成部２２０により形成された断層像において、所定の層領域を特定することが可能である。特定可能な層領域として、内境界膜、神経繊維層、神経節細胞層、内網状層、内顆粒層、外網状層、外顆粒層、外境界膜、視細胞層、網膜色素上皮層、脈絡膜、強膜、各層領域の界面などがある。
断層像から所定の層領域を特定する処理は、典型的には、セグメンテーション処理を含む。セグメンテーション処理は、断層像中の部分領域を特定するための公知の処理である。データ処理部３００は、例えば、断層像における各画素の輝度値に基づきセグメンテーション処理を行う。すなわち、眼底Ｅｆのそれぞれの層領域は特徴的な反射率を有し、これら層領域に相当する画像領域もそれぞれ特徴的な輝度値を有する。データ処理部３００は、これら特徴的な輝度値に基づきセグメンテーション処理を実行することにより、目的の画像領域（層領域）を特定することができる。データ処理部３００は、少なくとも網膜動脈又は網膜静脈が存在する層領域（例えば、内境界膜からブルッフ膜までの間の層領域）を特定する。いくつかの実施形態では、データ処理部３００は、断層像において特定された層領域に対応する位相画像（後述）中の画像領域を特定する。
データ処理部３００は、画像形成部２２０により形成された画像に基づいて血流情報を生成し、生成された血流情報を解析して被検者が疾病者（健常者）グループであるか否かを分類することが可能である。血流情報は、眼底Ｅｆにおける血流速度を含む。このようなデータ処理部３００は、図５に示すように、位相画像形成部３１０と、血流情報生成部３２０と、血流情報解析部３３０とを含む。
（位相画像形成部３１０）
位相画像形成部３１０は、眼底Ｅｆの（略同一の）所定部位を繰り返しＯＣＴスキャンすることにより得られたデータ（ＯＣＴデータ）に基づいて位相画像を形成する。位相画像形成部３１０は、予備計測において取得されたデータに基づいて、スキャンされた断面における位相差の時系列変化を表す位相画像を形成する。予備計測では、眼底Ｅｆの複数の断面が繰り返し走査される。位相画像形成部３１０は、予備計測により取得されたデータに基づいて、これら断面のそれぞれにおける位相画像を形成する。
また、位相画像形成部３１０は、血流計測の第２走査により取得されたデータに基づいて位相画像を形成する。例えば、位相画像形成部３１０は、注目断面Ｃ２に対する第２走査により得られた干渉光ＬＳの検出結果に基づいて、注目断面Ｃ２における位相差の時系列変化を表す位相画像を形成する。
位相画像の形成に用いられるデータは、断層像形成部２２１が断層像を形成するために用いられるデータと同じであってよい。この場合、スキャンされた断面の断層像と位相画像とを容易に位置合わせすることができる。つまり、同じデータに基づき形成された断層像と位相画像とについて、断層像の画素と位相画像の画素とを自然に対応付けることが可能である。
位相画像の形成方法の例を説明する。本例の位相画像は、隣り合うＡライン複素信号（隣接する走査点に対応する信号）の位相差を算出することにより得られる。換言すると、本例の位相画像は、スキャンされた断面の断層像の各画素について、その画素の画素値（輝度値）の時系列変化に基づき形成される。任意の画素について、位相画像形成部３１０は、その輝度値の時系列変化のグラフを考慮する。位相画像形成部３１０は、このグラフにおいて所定の時間間隔Δｔだけ離れた２つの時点ｔ１及びｔ２（ｔ２＝ｔ１＋Δｔ）の間における位相差Δφを求める。そして、この位相差Δφを時点ｔ１（より一般に２つの時点ｔ１及びｔ２の間の任意の時点）における位相差Δφ（ｔ１）として定義する。あらかじめ設定された多数の時点のそれぞれについてこの処理を実行することで、当該画素における位相差の時系列変化が得られる。
位相画像は、各画素の各時点における位相差の値を画像として表現したものである。この画像化処理は、例えば、位相差の値を表示色や輝度で表現することで実現できる。このとき、時系列に沿って位相が増加したことを表す色（例えば赤）と、減少したことを表す色（例えば青）とを違えることができる。また、位相の変化量の大きさを表示色の濃さで表現することもできる。このような表現方法を採用することで、血流の向きや大きさを色や濃度で提示することが可能となる。以上の処理を各画素について実行することにより位相画像が形成される。
なお、位相差の時系列変化は、上記の時間間隔Δｔを十分に小さくして位相の相関を確保することにより得られる。このとき、測定光ＬＳの走査において断層像の分解能に相当する時間未満の値に時間間隔Δｔを設定したオーバーサンプリングが実行される。
（血流情報生成部３２０）
血流情報生成部３２０は、画像形成部２２０により形成された断層像（具体的には、位相画像形成部３１０により形成された位相画像）において上記のように特定された所定の層領域（例えば、内境界膜からブルッフ膜までの間の層領域）の血流情報を生成する。
血流情報生成部３２０は、予備計測に基づいて設定された部位の血流計測にて取得されたデータの処理を実行する。本例において、血流情報生成部３２０は、１本の血管について、第１走査により取得されたデータに基づいて、注目断面における注目血管の傾きを求める。更に、血流情報生成部３２０は、第１走査に基づき求められた注目血管の傾きと、第２走査により取得されたデータとに基づいて、注目血管に関する血流情報を求める。血流情報は、例えば、血流速度と、血流量とを含む。このような血流情報生成部３２０は、図６に示すように、血管領域特定部３２１と、傾き算出部３２２と、血流速度算出部３２３と、血管径算出部３２４と、血流量算出部３２５とを含む。
（血管領域特定部３２１）
血管領域特定部３２１は、断層像形成部２２１により形成された断層像において、注目血管に対応する血管領域を特定する。更に、血管領域特定部３２１は、位相画像形成部３１０により形成された位相画像において、注目血管に対応する血管領域を特定する。血管領域の特定は、各画像の画素値を解析することにより行われる（例えば閾値処理）。いくつかの実施形態では、血管領域特定部３２１は、断層像又は位相画像に対して、閾値処理、エッジ検出、二値化、細線化、領域拡張法（リージョングローイング）などの公知の画像処理を実行することにより血管領域を特定する。
いくつかの実施形態では、位相画像に描出される血管領域の形状が略円形状である場合、血管領域特定部３２１は、輝度差又は位相差の変化が大きい略円形状の領域を特定することにより血管領域を特定する。
この実施形態では、同じデータから断層像と位相画像とを形成することが可能である。それにより、血管領域特定部３２１は、断面形態が比較的明瞭に描出される断層像内の血管領域を特定し、特定された血管領域に対応する位相画像内の領域を血管領域として特定することが可能である。また、断層像と位相画像とが異なるデータから作成された場合であっても、それらのレジストレーションが直接的又は間接的に可能である場合には、一方の画像の血管領域の特定結果を他方の画像の血管領域の特定に利用することができる。
いくつかの実施形態では、血管領域特定部３２１は、ユーザーによる操作部２４２に対する操作内容に基づいて指定された血管領域を特定する。ユーザーは、主制御部２１１により表示部２４１に表示された眼底Ｅｆの正面画像又は断面の位相画像を見ながら操作部２４２に対して操作を行うことにより、所望の注目血管に対応する血管領域を指定することができる。
（傾き算出部３２２）
傾き算出部３２２は、第１走査により取得されたデータに基づいて注目断面Ｃ２における注目血管Ｄｂの傾きを算出する。このとき、第２走査により得られたデータを更に用いることも可能である。傾き算出部３２２は、断面間距離と血管領域の特定結果とに基づいて、注目断面Ｃ２における注目血管Ｄｂの傾きを算出する。断面間距離は、断面Ｃ１１と断面Ｃ１２との間の距離を含んでよい。また、断面間距離は、断面Ｃ１１と注目断面Ｃ２との間の距離と、断面Ｃ１２と注目断面Ｃ２との間の距離とを含んでよい。
注目血管Ｄｂの傾きの算出方法の例を、図１０を参照しつつ説明する。断層像Ｇ１１及びＧ１２は、それぞれ、第１走査が適用される断面Ｃ１１を表す断層像及び断面Ｃ１２を表す断層像である。また、断層像Ｇ２は、第２走査が適用される注目断面Ｃ２を表す断層像である。符号Ｖ１１、Ｖ１２及びＶ２は、それぞれ、断層像Ｇ１１内の血管領域、断層像Ｇ１２内の血管領域、及び断層像Ｇ２内の血管領域を示す。なお、これら血管領域は注目血管Ｄｂの断面に相当する。図１０において、ｚ座標軸は下方向を向いており、これは測定光ＬＳの照射方向（測定光ＬＳの光路の光軸の方向、軸線方向、Ａライン方向）と実質的に一致するものとする。また、隣接する断層像（断面）の間隔をＬとする。
１つの例において、傾き算出部３２２は、３つの血管領域Ｖ１１、Ｖ１２及びＶ２の位置関係に基づいて、注目断面Ｃ２における注目血管Ｄｂの傾きＵを算出する。この位置関係は、例えば、３つの血管領域Ｖ１１、Ｖ１２及びＶ２を結ぶことによって得られる。具体的には、傾き算出部３２２は、３つの血管領域Ｖ１１、Ｖ１２及びＶ２のそれぞれの特徴点を特定し、これら特徴点を結ぶ。この特徴点としては、中心位置、重心位置、最上部（ｚ座標値が最小の位置）、最下部（ｚ座標値が最大の位置）などがある。また、これら特徴点の結び方としては、線分で結ぶ方法、近似曲線（スプライン曲線、ベジェ曲線等）で結ぶ方法などがある。
更に、傾き算出部３２２は、これら特徴点を結ぶ線に基づいて傾きＵを算出する。線分が用いられる場合、例えば、注目断面Ｃ２内の血管領域Ｖ２の特徴点と断面Ｃ１１内の血管領域Ｖ１１の特徴点とを結ぶ第１線分の傾きと、血管領域Ｖ２の当該特徴点と断面Ｃ１２内の血管領域Ｖ１２の特徴点とを結ぶ第２線分の傾きとに基づいて、傾きＵが算出される。この算出処理の例として、２つの線分の傾きの平均値を求めることができる。また、近似曲線で結ぶ場合の例として、近似曲線と注目断面Ｃ２との交差位置における近似曲線の傾きを求めることができる。なお、断面間距離Ｌは、線分や近似曲線を求める処理において、これら断層像Ｇ１１、Ｇ１２及びＧ２をｘｙｚ座標系に埋め込むときに用いられる。
本例では、３つの断面における血管領域を考慮しているが、２つの断面の血管領域を考慮して傾きを求めることも可能である。具体例として、断面Ｃ１１内の血管領域Ｖ１１と断面Ｃ１２内の血管領域Ｖ１２とに基づいて、注目断面Ｃ２における注目血管Ｄｂの傾きＵを求めるよう構成できる。或いは、上記第１線分又は第２線分の傾きを傾きＵとして用いることも可能である。
注目断面における注目血管の傾きを算出する方法は、上記のものには限定されない。例えば、次のような方法を適用することができる。まず、注目断面に交差し、かつ注目血管に沿う断面に対してＯＣＴスキャンを行う。次に、このＯＣＴスキャンにより取得されたデータに基づいて断層像を形成し、この断層像のセグメンテーションを行って所定組織に相当する画像領域（層領域）が特定される。特定される層領域は、例えば、内境界膜に相当する層領域（ＩＬＭ領域）である。内境界膜は、網膜と硝子体との境界を規定する網膜の組織であり、比較的明瞭に描出される。更に、特定された層領域の形状を近似する線分を求め、その傾きを求める。近似線分の傾きは、例えば、ｚ座標軸に対する角度として、又は、ｘｙ面（つまりｚ座標軸に直交する平面）に対する角度として表現される。
（血流速度算出部３２３）
血流速度算出部３２３は、位相画像として得られる位相差の時系列変化に基づいて、注目血管Ｄｂ内を流れる血液の注目断面Ｃ２における血流速度を算出する。この算出対象は、或る時点における血流速度でもよいし、この血流速度の時系列変化（血流速度変化情報）でもよい。前者の場合、例えば心電図の所定の時相（例えばＲ波の時相）における血流速度を選択的に取得することが可能である。また、後者における時間の範囲は、注目断面Ｃ２を走査した時間の全体又は任意の一部である。
血流速度変化情報が得られた場合、血流速度算出部３２３は、当該時間の範囲における血流速度の統計値を算出することができる。この統計値としては、平均値、標準偏差、分散、中央値、最大値、最小値、極大値、極小値などがある。また、血流速度の値についてのヒストグラムを作成することもできる。
血流速度算出部３２３は、前述のようにドップラーＯＣＴの手法を用いて血流速度を算出する。このとき、傾き算出部３２２により算出された注目断面Ｃ２における注目血管Ｄｂの傾きＵが考慮される。具体的には、傾き算出部３２２は次式を用いる。
Figure 0007624619000001
式（１）において、Δｆは、測定光ＬＳの散乱光が受けるドップラーシフトを表し、ｎは、媒質（血液）の屈折率を表し、ｖは、媒質の流速（血流速度）を表す。また、θは、測定光ＬＳの入射方向と媒質の流れの方向（傾きＵ）とが成す角度を表し、λは、測定光ＬＳの中心波長を表す。
実施形態では、ｎとλは既知であり、Δｆは位相差の時系列変化から得られ、θは傾きＵから得られる（又はθは傾きＵとして得られる）。これらの値を式（１）に代入することにより、血流速度ｖが算出される。
（血管径算出部３２４）
血管径算出部３２４は、眼底像又はＯＣＴ画像を解析することにより、注目断面Ｃ２における注目血管Ｄｂの径を算出する。眼底像が用いられる場合、注目断面Ｃ２の位置を含む眼底Ｅｆの部位の撮影が行われ、それにより得られた眼底像（例えば、カラー眼底像、レッドフリー画像等）に基づいて、注目断面Ｃ２における注目血管Ｄｂの径、つまり血管領域Ｖ２の径を算出する。ＯＣＴ画像が用いられる場合、このＯＣＴ画像は、例えば、第２走査に基づき形成された断層像、又は、予備計測に基づき形成された画像である。このような血管径の算出は、従来と同様にして実行される。
（血流量算出部３２５）
血流量算出部３２５は、血流速度の算出結果と血管径の算出結果とに基づいて、注目血管Ｄｂ内を流れる血液の流量を算出する。この処理の一例を以下に説明する。
血管内における血流がハーゲン・ポアズイユ流（Ｈａｇｅｎ－Ｐｏｉｓｅｕｉｌｌｅ ｆｌｏｗ）と仮定する。また、血管径をｗとし、血流速度の最大値をＶｍとすると、血流量Ｑは次式で表される。
Figure 0007624619000002
血流量算出部３２５は、血管径算出部３２４による血管径の算出結果ｗと、血流速度算出部３２３による血流速度の算出結果に基づく最大値Ｖｍとを式（２）に代入することにより、血流量Ｑを算出する。
（血流情報解析部３３０）
血流情報解析部３３０は、血流情報生成部３２０により生成された血流情報を用いて解析処理を実行する。本例において、血流情報生成部３２０は、１本の網膜動脈又は網膜静脈の血流速度を血流情報として生成する。血流情報解析部３３０は、血流情報生成部３２０により生成された血流情報の経時的変化を表す血流情報の時系列データ（すなわち、血流速度の経時的変化を表すデータ）を生成する。血流情報解析部３３０は、生成された血流情報の時系列データに対して時間周波数解析を行うことにより血流情報の特徴量を取得し、取得された特徴量に基づいて被検者を健常者グループ及び疾病者グループを含む複数のグループのいずれかに分類する。
このような血流情報解析部３３０は、図７に示すように、抽出部３４０と、解析部３５０と、分類部３６０と、学習部３７０とを含む。
（抽出部３４０）
抽出部３４０は、血流情報生成部３２０により生成された血流情報（血流速度の時系列データ）から１拍動期間の血流情報（血流速度の時系列データ）を抽出する。抽出部３４０は、心周期特定部３４１と、補間部３４２と、正規化部３４３とを含む。
（心周期特定部３４１）
心周期特定部３４１は、血流速度の時系列データから心周期（１拍動期間）を特定する。血流速度は、心臓の拍動に起因して変化する。心周期特定部３４１は、例えば、拍動に対応した血流速度の変化点を特定することにより心周期を特定する。
図１１に、抽出部３４０の動作説明図を示す。図１１は、血流速度の時系列データである血流速度波形の一例を表す。図１１において、横軸は時間を表し、縦軸は血流速度を表す。
心周期特定部３４１は、血流速度の時系列データから血流速度が所定の値となる２つのタイミングの間の期間を１心拍に要する心周期（１拍動期間）ＴＨＲとして特定する。所定の値として、極小値、極大値、最小値、最大値などがある。実施形態では、心周期特定部３４１は、血流速度が最小値となる２つのタイミングの間の期間を心周期ＴＨＲとして特定する。心周期特定部３４１は、血流速度の時系列データから特定された２以上の心周期の統計値を心周期ＴＨＲとして出力してもよい。この統計値としては、平均値、標準偏差、分散、中央値、最大値、最小値、極大値、極小値などがある。
（補間部３４２）
補間部３４２は、心周期特定部３４１により特定された心周期ＴＨＲの間の血流速度の時系列データを時間軸方向に正規化する。時間軸方向の正規化は、心周期の正規化に相当する。具体的には、補間部３４２は、心周期特定部３４１により心周期が特定された血流速度の時系列データに対して、所定の期間における計測サンプリング数が所定のサンプリング数になるように補間処理を実行する。所定の期間として、例えば、１拍動期間、１秒間、２秒間などがある。所定のサンプリング数として、２ｋ（ｋは自然数、例えばｋ＝７）点などがある。この実施形態では、補間部３４２は、１拍動期間においてサンプリング数が２７（＝１２８）点（次元）になるように補間処理を実行する。
所定の期間における計測サンプリング数が所定のサンプリング数に満たない場合、補間部３４２は、１以上のサンプリング点における血流速度を補間により追加することが可能である。いくつかの実施形態では、補間部３４２は、線形補間、ラグランジュ補間、スプライン補間等の公知の補間方法を用いて１以上のサンプリング点を追加する。
所定の期間における計測サンプリング数が所定のサンプリング数を越える場合、補間部３４２は、１以上のサンプリング点における血流速度を間引くことが可能である。
このように血流速度の時系列データに対して時間軸方向に正規化を行うことによって、心拍数（心周期）が異なる複数の被検者の時系列データに対する解析精度を向上させることが可能になる。
（正規化部３４３）
正規化部３４３は、補間部３４２によりサンプリング点の追加（又は間引き）が行われた血流速度の時系列データを血流速度軸方向に正規化する。血流速度軸方向の正規化は、血流速度（振幅）の正規化に相当する。具体的には、正規化部３４３は、図１１に示すように、心周期ＴＨＲ内の血流速度を最大値で正規化する。例えば、正規化部３４３は、心周期ＴＨＲ内の血流速度の最大値と最小値との差ＶＨＲを最大値が「１」になり最小値が「０」になるように血流速度を正規化する。
このように血流速度の時系列データに対して血流速度軸方向に正規化を行うことによって、血流速度の最大値、最小値、又は変動幅が異なる複数の被検者の血流速度の時系列データに対する解析精度を向上させることが可能になる。
いくつかの実施形態では、補間部３４２により補間処理が施された血流速度の時系列データに対して、正規化部３４３による正規化処理が省略される。いくつかの実施形態では、正規化部３４３により正規化された血流速度の時系列データに対して、補間部３４２は、上記の補間処理を実行するように構成される。
（解析部３５０）
解析部３５０は、抽出部３４０により抽出された血流速度の時系列データに対して時間周波数解析を行い、取得された解析データの特徴量を求める。この実施形態では、解析部３５０は、１拍動期間における血流速度の時系列データに対して連続ウェーブレット変換を行い、取得されたウェーブレット変換データの特徴位置におけるマザーウェーブレットのスケール値とシフト値とを求める。以下、連続ウェーブレット変換を単に「ウェーブレット変換」と表記する。
このような解析部３５０は、図８に示すように、ウェーブレット変換部３５１と、特徴位置探索部３５２と、特徴量特定部３５３とを含む。
（ウェーブレット変換部３５１）
ウェーブレット変換部３５１は、１拍動期間における血流速度の時系列データに対してウェーブレット変換を行う。
例えば、基底に用いるウェーブレット関数Ψａ，ｂ（ｔ）（ｔは時間）を式（３）のように定義する。式（３）において、「ａ」は時間軸を「１／ａ」倍に変換するスケール値を表し、「ｂ」は時間軸上を「ｂ」だけ移動させるシフト値を表す。
Figure 0007624619000003
また、マザーウェーブレットとして、例えば、次の式（４）のようにメキシカンハット（Ｍｅｘｉｃａｎ Ｈａｔ）ウェーブレットを採用した場合、式（３）のウェーブレット関数Ψａ，ｂ（ｔ）は、式（５）のように表される。
Figure 0007624619000004
Figure 0007624619000005
ここで、抽出部３４０により抽出された１拍動期間における血流速度の時系列データを被解析信号ｘ（ｔ）とする。ウェーブレット変換部３５１は、式（６）に従って被解析信号ｘ（ｔ）に対してウェーブレット変換を行い、スケール値「ａ」とシフト値「ｂ」の関数である変換データＷΨ［ｘ（ｔ）］を求める。
Figure 0007624619000006
（特徴位置探索部３５２）
特徴位置探索部３５２は、ウェーブレット変換部３５１により得られた変換データＷΨ［ｘ（ｔ）］の特徴位置を探索する。特徴位置探索部３５２は、変換データＷΨ［ｘ（ｔ）］に基づいて特徴位置を探索する。特徴位置の例として、変換データＷΨ［ｘ（ｔ）］の最大を示す位置、変換データＷΨ［ｘ（ｔ）］の最小を示す位置、変換データＷΨ［ｘ（ｔ）］の平均値（中央値）を示す位置などがある。この実施形態では、特徴位置探索部３５２は、変換データＷΨ［ｘ（ｔ）］が最大を示す位置を特徴位置として探索する。
（特徴量特定部３５３）
特徴量特定部３５３は、ウェーブレット変換部３５１により得られた変換データＷΨ［ｘ（ｔ）］の特徴量を特定する。具体的には、特徴量特定部３５３は、特徴位置探索部３５２により探索された特徴位置における変換データＷΨ［ｘ（ｔ）］の特徴量を特定する。特徴量は、スケール値「ａ」及びシフト値「ｂ」を含む。この実施形態では、特徴量特定部３５３は、変換データＷΨ［ｘ（ｔ）］が最大を示す位置におけるスケール値「ａ」及びシフト値「ｂ」を特徴量として特定する。
図１２に、解析部３５０の動作説明図を示す。図１２は、縦軸をスケール値「ａ」とし、横軸をシフト値「ｂ」としたとき、式（６）を用いて算出された変換データＷΨ［ｘ（ｔ）］のプロット図を模式的に表したものである。なお、図１２において、縦軸及び横軸のそれぞれは最大値で規格化（正規化）されている。
すなわち、ウェーブレット変換部３５１は、式（６）に従って被解析信号ｘ（ｔ）に対してウェーブレット変換を行う。それにより、スケール値［ａ］とシフト値「ｂ」の関数である変換データＷΨ［ｘ（ｔ）］は、図１２に示すように分布する。なお、図１２では、各座標位置における変換データＷΨ［ｘ（ｔ）］の値を濃淡で表す（値が大きいほど濃い）。
特徴位置探索部３５２は、ウェーブレット変換部３５１により算出された変換データＷΨ［ｘ（ｔ）］の最大を示す位置を探索し、特徴位置ＣＰを特定する。特徴量特定部３５３は、特徴位置探索部３５２により特定された特徴位置ＣＰにおけるスケール値ａ０及びシフト値ｂ０を特徴量として特定する。
（分類部３６０）
分類部３６０は、解析部３５０により得られた変換データＷΨ［ｘ（ｔ）］の特徴位置におけるマザーウェーブレットのスケール値とシフト値とに基づいて、被検者を健常者グループ及び疾病者グループを含む複数のグループのいずれかに分類する。上記のように、健常者グループは、医師によりあらかじめ健常者であると診断されたグループであり、疾病者グループは、医師によりあらかじめ疾病者であると診断されたグループである。
いくつかの実施形態では、分類部３６０は、上記のスケール値及びシフト値に基づいて、被検者を健常者グループ及び疾病者グループのいずれかに分類する。
いくつかの実施形態では、複数のグループは、健常者グループ、疾病者グループ、及び健常者と疾病者との中間領域のグループを含む。この場合、分類部３６０は、上記のスケール値及びシフト値に基づいて、被検者を健常者グループ、疾病者グループ、及び中間領域のグループのいずれかに分類する。被検者を中間領域のグループに分類することで、当該被検者に対する精密検査の検査結果を特に注意深く精査する必要があることを、被検者、検者、又は医師等に促すことができる。
いくつかの実施形態では、分類部３６０は、上記のスケール値及びシフト値に基づいて、被検者を中間領域のグループ及びそれ以外のグループに分類する。
いくつかの実施形態では、分類部３６０は、上記のスケール値及びシフト値の少なくとも１つを所定の閾値と比較することにより、被検者を上記のように分類する。
いくつかの実施形態では、分類部３６０は、複数の被検者の血流速度の時系列データを事前に解析することにより得られた分類モデルを用いて、上記のスケール値及びシフト値に基づいて被検者を上記のように分類する。複数の被検者の血流速度の時系列データに対する事前の解析には、回帰分析（単回帰分析、重回帰分析）、機械学習等の公知の解析手法が用いられる。機械学習による解析手法として、線形サポートベクタマシン、非線形サポートベクタマシン、決定木法、ランダムフォレスト法、ｋ近傍法などの分類モデルの学習などがある。この場合、分類部３６０は、回帰分析により得られた回帰直線又は回帰曲線を用いて、上記のスケール値及びシフト値に基づいて被検者を上記のように分類することができる。或いは、分類部３６０は、機械学習により得られた分類モデル（学習済みモデル）を用いて、上記のスケール値及びシフト値に基づいて被検者を上記のように分類することができる。この実施形態では、分類部３６０は、非線形サポートベクタマシンとして機能する分類モデルを用いて、上記のスケール値及びシフト値に基づいて被検者を上記のように分類する。
（学習部３７０）
学習部３７０は、分類部３６０により被検者の分類に用いられる分類モデルを生成する。学習部３７０は、被検者の血流速度の時系列データから得られたスケール値及びシフト値の組み合わせを訓練データとし、訓練データの分類結果を教師データとする公知の教師あり機械学習を実行することにより分類モデルを生成する。分類結果は、事前に医師等により上記の複数のグループのいずれに分類されるかが判断されたものである。
上記のデータ処理部３００の機能は、１以上のプロセッサにより実現される。いくつかの実施形態では、データ処理部３００の機能は、データ処理部３００の各部の機能を実行する複数のプロセッサにより実現される。
眼科装置１又は血流情報解析部３３０は、実施形態に係る「血流解析装置」の一例である。ドップラーシフトΔｆは、実施形態に係る「ドップラー信号」の一例である。図１において対物レンズ２２からＯＣＴユニット１００までの光学系は、実施形態に係る「光学系」の一例である。
［動作］
実施形態に係る眼科装置１の動作について説明する。
眼科装置１の動作の例を図１３～図１５に示す。図１３は、眼科装置１の動作例のフロー図を表す。図１４は、図１３のステップＳ１の処理例のフロー図を表す。図１５は、図１３のステップＳ５の処理例のフロー図を表す。記憶部２１２には、図１３～図１５に示す処理を実現するためのコンピュータプログラムが記憶されている。主制御部２１１は、このコンピュータプログラムに従って動作することにより、図１３～図１５に示す処理を実行する。なお、アライメント、フォーカス調整、干渉感度調整、ｚ位置調整など、一般的な準備処理は既に完了しているものとする。
（Ｓ１：血流情報を生成）
まず、制御部２１０（主制御部２１１）は、被検眼Ｅの１本の網膜動脈又は網膜静脈の血流速度を含む血流情報を血流情報生成部３２０に生成させる。続いて、制御部２１０は、血流情報解析部３３０を制御して、血流情報生成部３２０により生成された血流速度の時系列データを生成させる。
具体的には、制御部２１０は、ＯＣＴユニット１００等の光学系を制御してＯＣＴ計測を実行させ、取得された計測結果を用いて血流情報を血流情報生成部３２０に生成させる。血流情報解析部３３０は、血流情報生成部３２０により生成された血流情報を時系列に配列することにより血流情報の時系列データ（血流速度の時系列データ）を生成する。ステップＳ１の詳細は後述する。
（Ｓ２：心周期を特定）
次に、制御部２１０は、ステップＳ１において生成された時系列データから上記のように心周期を心周期特定部３４１に特定させる。
（Ｓ３：補間）
続いて、制御部２１０は、ステップＳ２において特定された心周期における血流速度の時系列データを上記のように補間部３４２に補間させる。
（Ｓ４：正規化）
続いて、制御部２１０は、ステップＳ３において補間された血流速度の時系列データを上記のように正規化部３４３に正規化させる。
（Ｓ５：解析）
次に、制御部２１０は、ステップＳ４において正規化された血流速度の時系列データに対する時間周波数解析を解析部３５０に実行させる。ステップＳ５の詳細は後述する。
（Ｓ６：分類）
次に、制御部２１０は、ステップＳ５において実行された時間周波数解析により得られた特徴量に基づいて、被検者を健常者グループ及び疾病者グループのいずれかに分類する。ここで、特徴量は、ウェーブレット変換データの特徴位置におけるマザーウェーブレットのスケール値とシフト値である。
以上で、眼科装置１の動作は終了である（エンド）。
図１３のステップＳ１の処理は、図１４に示すように行われる。
（Ｓ１１：計測位置を指定）
まず、ユーザー又は制御部２１０は、予備計測のスキャン範囲を設定する。スキャン範囲の設定においては、例えば、リアルタイムで取得される眼底Ｅｆの赤外観察像、或いは、過去に取得された眼底Ｅｆのデータ（眼底像、ＯＣＴ画像、ＳＬＯ画像、位相画像等）が参照される。
制御部２１０は、ＯＣＴユニット１００等を制御することにより、設定されたスキャン範囲（複数の断面）に対して予備計測を実行させる。一例として、設定されるスキャン範囲は３次元領域であり、この３次元領域のラスタースキャンが繰り返し実行される。位相画像形成部３１０は、予備計測により取得されたデータに基づいて、複数の断面のそれぞれについて位相画像を形成する。
（Ｓ１２：計測位置近傍の断面を設定）
次に、制御部２１０は、眼底Ｅｆの正面画像を表示させる。正面画像は、例えば、リアルタイムで取得される赤外観察像、又は、過去に取得された画像である。ユーザーは、表示された情報を参照し、血流計測の対象となる断面（注目断面Ｃ２）を設定する。例えば、ユーザーは、眼底Ｅｆの正面画像とともに表示された設定支援情報を参照することにより、この正面画像内の所望の動脈領域（注目血管Ｄｂ）を指定する。
本例では注目断面Ｃ２の設定を手動で行っているが、これに限定されない。例えば、眼底Ｅｆの赤外観察像と計測部位情報とに基づいて、注目血管Ｄｂや注目断面Ｃ２を自動で設定することができる。注目血管Ｄｂの設定は、例えば、動脈領域のいずれか（例えば最も太いもの）を選択することにより行われる。また、注目断面Ｃ２は、例えば、注目血管Ｄｂの向きが所定の許容範囲内である位置に、注目血管Ｄｂの走行方向に対して直交するように設定される。
更に、ユーザー又は制御部２１０（又はデータ処理部３００）は、第１走査の対象となる断面Ｃ１１及びＣ１２の設定を行う。
（Ｓ１３：ＯＣＴ計測）
続いて、制御部２１０は、ステップＳ１２において設定された断面Ｃ１１及びＣ１２のＯＣＴスキャンを実行する（第１走査）。更に、制御部２１０は、ステップＳ１２において設定された注目断面Ｃ２の反復的なＯＣＴスキャンを実行する（第２走査）。
（Ｓ１４：画像を形成）
制御部２１０は、ステップＳ１３における第１走査により取得されたデータに基づいて、断面Ｃ１１及びＣ１２に対応する断層像Ｇ１１及びＧ１２を断層像形成部２２１に形成させる。また、制御部２１０は、ステップＳ１３における第２走査により取得されたデータに基づいて、注目断面Ｃ２の位相画像を位相画像形成部３１０に形成させる。また、断層像形成部２２１は、当該データに基づいて注目断面Ｃ２の断層像を形成する。
（Ｓ１５：血管領域を特定）
制御部２１０は、ステップＳ１４において形成された断層像における注目血管Ｄｂを特定させる。このとき、制御部２１０は、データ処理部３００によるセグメンテーション処理により特定された所定の層領域（例えば、内境界膜からブルッフ膜までの間の層領域）における注目血管Ｄｂに相当する画像領域を血管領域として特定する。
（Ｓ１６：血管の傾きを算出）
続いて、制御部２１０は、上記のように注目断面Ｃ２における注目血管Ｄｂの傾きＵを傾き算出部３２２に算出させる。
（Ｓ１７：血流速度を算出）
続いて、制御部２１０は、ステップＳ１３における第１走査に基づき算出された傾きＵと、ステップＳ１３における第２走査により取得された位相画像とに基づいて、注目断面Ｃ２における血流速度を血流速度算出部３２３に算出させる。
（Ｓ１８：血管径を算出）
次に、制御部２１０は、注目断面Ｃ２における注目血管Ｄｂの径を血管径算出部３２４に算出させる。
（Ｓ１９：血流量を算出）
続いて、制御部２１０は、ステップＳ１７において算出された血流速度と、ステップＳ１８において算出された血管径とに基づいて、注目血管Ｄｂ内を流れる血液の流量を血流量算出部３２５に算出させる。
制御部２１０は、以上のように算出された血流速度、血管径、及び血流量の少なくとも１つを含む血流情報を血流情報生成部３２０に生成させることが可能である。この実施形態では、制御部２１０は、少なくとも血流速度を含む血流情報を血流情報生成部３２０に生成させる。更に、制御部２１０は、血流情報解析部３３０を制御することにより、血流情報生成部３２０により生成された少なくとも１心周期より長い期間にわたる血流速度の時系列データを含む血流情報を生成させる。
以上で、図１３のステップＳ１の処理は終了である（エンド）。
図１３のステップＳ５の処理は、図１５に示すように行われる。
（Ｓ２１：ウェーブレット変換）
図１３のステップＳ５では、制御部２１０は、ステップＳ４において正規化された血流速度の時系列データに対するウェーブレット変換をウェーブレット変換部３５１に実行させる。
ウェーブレット変換部３５１は、上記のように、血流速度の時系列データを被解析信号ｘ（ｔ）として、式（６）に従ってウェーブレット変換を行い、スケール値とシフト値の関数である変換データＷΨ［ｘ（ｔ）］を求める。
（Ｓ２２：最大となる位置を探索）
続いて、制御部２１０は、ステップＳ２１において求められた変換データＷΨ［ｘ（ｔ）］の特徴位置を特徴位置探索部３５２に探索させる。
特徴位置探索部３５２は、変換データＷΨ［ｘ（ｔ）］が最大を示す位置を特徴位置（例えば、図１２の特徴位置ＣＰ）として探索する。
（Ｓ２３：スケール値とシフト値とを特定）
次に、制御部２１０は、ステップＳ２２において特定された特徴位置におけるスケール値及びシフト値（例えば、図１２のスケール値ａ０及びシフト値ｂ０）を特徴量として特徴量特定部３５３に特定させる。
以上で、図１３のステップＳ５の処理は終了である（エンド）。
ここで、医師によりあらかじめ健常者グループに分類された３６名の被検者、及び医師によりあらかじめ疾病者グループに分類された８名の被検者について、血流速度の時系列データを第１実施形態に適用した例について説明する。なお、疾病者グループに分類された被検者は、包括的高度慢性下肢虚血（Ｃｈｒｏｎｉｃ ｌｉｍｂ－ｔｈｒｅａｔｅｎｉｎｇ ｉｓｃｈｅｍｉａ：ＣＬＴＩ）、腹部大動脈瘤（Ａｂｄｏｍｉｎａｌ Ａｏｒｔｉｃ Ａｎｅｕｒｙｓｍ：ＡＡＡ）、急性大動脈解離（Ａｃｕｔｅ Ａｏｒｔｉｃ Ｄｉｓｓｅｃｔｉｏｎ）、急性冠症候群（Ａｃｕｔｅ Ｃｏｒｏｎａｒｙ Ｓｙｎｄｒｏｍｅ：ＡＣＳ）のいずれかの疾病を伴うと診断された被検者である。
図１６に、健常者グループに分類された被検者の血流速度の時系列データと、疾病者グループに分類された被検者の血流速度の時系列データの一例を示す。図１６において、各時系列データは、補間部３４２により１拍動期間に２７個のサンプリング数となるように補間され、且つ、正規化部３４３による正規化処理と同様に正規化されている。
図１６に示すように、健常者グループと疾病者グループとの間で血流速度の変化の差違を明確に識別することは非常に困難である。
図１７に、図１６に示す血流速度の時系列データから算出されたウェーブレット変換データの特徴位置における特徴量の分布の一例を示す。図１７において、横軸はシフト値を表し、縦軸はスケール値を表す。
図１７に示すように、血流速度の時系列データに対してウェーブレット変換を行うことにより算出された特徴量は、範囲ＧＲ０、ＧＲ１のいずれかに含まれる。範囲ＧＲ０は、健常者グループに分類された被検者が分布する範囲である。範囲ＧＲ１は、疾病者グループに分類された被検者が分布する範囲である。例えば、分類部３６０は、解析対象の被検者の血流速度の時系列データに対してウェーブレット変換を行うことにより算出された特徴量が、範囲ＧＲ０、ＧＲ１に含まれるか否かを判別することにより、被検者を分類する。それにより、解析対象の被検者を健常者グループ及び疾病者グループのいずれかに高精度に分類することができる。
分類部３６０は、上記のように、回帰分析により得られた回帰直線又は回帰曲線、或いは、機械学習により得られた分類モデル（学習済みモデル）を用いて、解析対象の被検者を健常者グループ及び疾病者グループのいずれかに高精度に分類することができる。
範囲ＧＲ０、ＧＲ１が重複する範囲ＧＲ２は、健常者と疾病者との中間領域の被検者が分布する範囲である。従って、解析対象の被検者が範囲ＧＲ２に含まれるか否かを判別することにより、解析対象の被検者に対する精密検査の検査結果を特に注意深く精査する必要があることを、被検者、検者、又は医師等に促すことができる。
以上説明したように、第１実施形態によれば、被検眼の眼底における１拍動期間の血流速度の時系列データに対してウェーブレット変換を行うことにより、血流速度の時系列データの特徴量を取得することができる。取得された特徴量に基づいて被検者を健常者グループ及び疾病者グループを含む複数のグループのいずれかに分類することで、被検者の血管状態を高精度に評価することができるようになる。
＜第２実施形態＞
第１実施形態では、時間周波数解析としてウェーブレット変換を行う場合について説明したが、実施形態に係る構成はこれに限定されるものではない。第２実施形態では、時間周波数解析として多重解像度解析を行う。
以下、第２実施形態について、第１実施形態との相違点を中心に説明する。
第２実施形態に係る眼科装置の構成が第１実施形態に係る眼科装置１の構成と異なる点は、解析部３５０に代えて解析部３５０ａが設けられている点である。
（解析部３５０ａ）
図１８に、解析部３５０ａの機能ブロック図の一例を示す。
解析部３５０ａは、１拍動期間における２ｋ（ｋは２以上の自然数）次元の血流速度の時系列データを第１深度における近似項と微小項とに分解すると共に、第ｍ（ｍは２以上の自然数）深度における近似項を第（ｍ＋１）深度における近似項と微小項とに分解することを第ｎ（ｎは自然数、ｎ＜ｋ）深度まで繰り返し分解する多重解像度解析を行い、第ｎ深度における近似項の２ｋ－ｎ個の項の二乗和と第ｎ深度における微小項の２ｋ－（ｎ－１）個の項の二乗和とを特徴量として求める。このような解析部３５０ａは、多重解像度解析部３５１ａと、特徴量算出部３５２ａとを含む。
（多重解像度解析部３５１ａ）
多重解像度解析部３５１ａは、１拍動期間における２ｋ次元（２ｋ個のサンプリング点）の血流速度の時系列データに対して多重解像度解析を行う。
ここで、血流速度の時系列データをｆ（０）（ｘ）とし、スケーリング関数である近似項（ａｐｐｒｏｘｉｍａｔｉｏｎ）をｆ（ｊ）（ｘ）（ｊは深度（次数））とし、ウェーブレット関数である微小項（ｄｅｔａｉｌ ｃｏｅｆｆｉｃｉｅｎｔ）をｇ（ｊ）（ｘ）とする。多重解像度解析部３５１ａは、次の式（７）に従ってｆ（０）（ｘ）を分解する（式（７）において、ｎ＝１の場合）。
Figure 0007624619000007
すなわち、多重解像度解析部３５１ａは、所定の深度(例えば、深度ｎ＝５)までｆ（０）（ｘ）を式（８）に示すように分解する。
Figure 0007624619000008
式（８）において、スケーリング関数（ファーザーウェーブレット）及びウェーブレット関数（マザーウェーブレット）を下記のように定義すると、ｆ（ｊ）（ｘ）は式（９）、式（１０）のように表され、ｇ（ｊ）（ｘ）は式（１１）、式（１２）のように表される。
Figure 0007624619000009
Figure 0007624619000010
図１９Ａ及び図１９Ｂに、多重解像度解析部３５１ａの動作説明図を示す。図１９Ａは、深度が「５」になるまで血流速度の時系列データｆ（０）（ｘ）（ｏｒｉｇｉｎａｌ）を近似項と微小項とに繰り返し分解する様子を模式的に表す。なお、図１９Ａでは、各深度において、近似項と微小項とにより再現される波形（時系列データ）が模式的に図示されている。図１９Ｂは、各深度における近似項数と微小項数とを模式的に表す。
図１９Ａに示すように、多重解像度解析部３５１ａは、血流速度の時系列データｆ（０）（ｘ）を近似項ｆ（１）（ｘ）と微小項ｇ（１）（ｘ）とに分解し（深度＝１、第１深度）、ｆ（１）（ｘ）を近似項ｆ（２）（ｘ）と微小項ｇ（２）（ｘ）とに分解し（深度＝２、第２深度）、・・・、ｆ（４）（ｘ）を近似項ｆ（５）（ｘ）と微小項ｇ（５）（ｘ）とに分解する（深度＝５、第５深度）。これ以降も同様に分解することが可能である。
すなわち、多重解像度解析部３５１ａは、１拍動期間における血流速度の時系列データを第１深度における近似項と微小項とに分解すると共に、第ｍ深度の近似項を第（ｍ＋１）深度の近似項と微小項とに分解することを第ｎ深度（所定の深度）まで繰り返す多重解像度解析を行う。
図１９Ｂに示すように、第１深度では、２ｋ（例えば、ｋ＝７）個の項数を有する２ｋ次元の元の時系列データ（ｏｒｉｇｉｎａｌ）が２ｋ－１次元の近似項と２ｋ次元の微小項とに分解される。第２深度では、第１深度における２ｋ－１次元の近似項が２ｋ－２次元の近似項と２ｋ－１次元の微小項とに分解される。第ｎ深度では、第（ｎ－１）深度における２ｋ－（ｎ－１）次元の近似項が２ｋ－ｎ次元の近似項と２ｋ－（ｎ－１）次元の微小項とに分解される。すなわち、深度が深くなるに従って次元数（項数）が減少する。このような近似項の項数と微小項の項数との関係は、式（７）、式（８）から導き出される。
なお、図１９Ａに示す各深度における再現波形に基づいて、近似項と微小項との分解の繰り返し回数（次数、深度）を決定することが可能である。或いは、各深度における再現波形と直前の深度における再現波形との差分に基づいて、近似項と微小項との分解の繰り返し回数を決定することが可能である。
（特徴量算出部３５２ａ）
特徴量算出部３５２ａは、多重解像度解析部３５１ａにより所定の深度まで分解された近似項と微小項とに基づいて特徴量を算出する。
特徴量算出部３５２ａは、式（１３）、式（１４）に示すように、多重解像度解析部３５１ａにより得られた第ｎ深度における近似項の２ｋ－ｎ個（次元）の項の二乗和Ａｎと第ｎ深度における微小項の２ｋ－（ｎ－１）個（次元）の項の二乗和Ｄｎとを特徴量として算出する。式（１３）において、ａｑ ｎは、第ｎ深度における近似項のｑ番目の項を表す。式（１４）において、ｄｑ ｎは、第ｎ深度における微小項のｑ番目の項を表す。例えば、ｎ＝５、ｋ＝７である。
Figure 0007624619000011
第２実施形態に係る眼科装置の動作は、第１実施形態に係る眼科装置１の動作とほぼ同様である。図１３のステップＳ５の処理は、図２０に示すように行われる。
図２０に、図１３のステップＳ５の処理例のフロー図を表す。記憶部２１２には、図１３、図１４、及び図２０に示す処理を実現するためのコンピュータプログラムが記憶されている。主制御部２１１は、このコンピュータプログラムに従って動作することにより、図１３、図１４、及び図２０に示す処理を実行する。
（Ｓ３１：多重解像度解析）
図１３のステップＳ５では、制御部２１０は、ステップＳ４において正規化された血流速度の時系列データに対する多重解像度解析を多重解像度解析部３５１ａに実行させる。
多重解像度解析部３５１ａは、上記のように、血流速度の時系列データに対して、式（７）～式（１２）に従って多重解像度解析を行う。上記のように、例えば、ｎ＝５、ｋ＝７である。
（Ｓ３２：近似項の二乗和と微小項の二乗和を算出）
続いて、制御部２１０は、ステップＳ３１において求められた近似項及び微小項を用いて特徴量を特徴量算出部３５２ａに算出させる。
特徴量算出部３５２ａは、上記のように、ステップＳ３１において得られた第５深度における近似項の２７－５（＝２２）個の項の二乗和と第５深度における微小項の２７－４（＝２３）個の項の二乗和とを特徴量として算出する。
以上で、図１３のステップＳ５の処理は終了である（エンド）。
ここで、第１実施形態と同様に、あらかじめ健常者グループに分類された３６名の被検者、及びあらかじめ疾病者グループに分類された８名の被検者（図１６参照）について、血流速度の時系列データを第２実施形態に適用した例について説明する。
図２１に、図１６に示す血流速度の時系列データに対して多重解像度解析を行うことにより算出された特徴量（第５深度における近似項の２２個の項と第５深度における微小項の２３個の項の二乗和）の分布の一例を示す。図２１において、横軸は第５深度における近似項の２２個の項の二乗和を表し、縦軸は第５深度における微小項の２３個の項の二乗和を表す。
図２１に示すように、血流速度の時系列データに対して多重解像度解析を行うことにより算出された特徴量は、範囲ＧＲ１０、ＧＲ１１のいずれかに含まれる。範囲ＧＲ１０は、健常者グループに分類された被検者が分布する範囲である。範囲ＧＲ１１は、疾病者グループに分類された被検者が分布する範囲である。例えば、分類部３６０は、解析対象の被検者の血流速度の時系列データに対して多重解像度解析を行うことにより算出された特徴量が、範囲ＧＲ１０、ＧＲ１１に含まれるか否かを判別することにより、被検者を分類する。それにより、解析対象の被検者を健常者グループ及び疾病者グループのいずれかに高精度に分類することができる。
分類部３６０は、上記のように、回帰分析により得られた回帰直線又は回帰曲線、或いは、機械学習により得られた分類モデル（学習済みモデル）を用いて、解析対象の被検者を健常者グループ及び疾病者グループのいずれかに高精度に分類することができる。
第２実施形態では、学習部３７０は、被検者の血流速度の時系列データから得られた上記の第５深度における近似項の２ｋ－ｎ個の項の二乗和及び第５深度における微小項の２ｋ－（ｎ－１）個の項の二乗和の組み合わせを訓練データとし、訓練データの分類結果を教師データとする公知の教師あり機械学習を実行することにより分類部３６０の機能を実現する分類モデルを生成する。ここで、分類結果は、事前に医師等により上記の複数のグループのいずれに分類されるかが判断されたものである。
範囲ＧＲ１０、ＧＲ１１が重複する範囲ＧＲ１２は、健常者と疾病者との中間領域の被検者が分布する範囲である。従って、解析対象の被検者が範囲ＧＲ１２に含まれるか否かを判別することにより、解析対象の被検者に対する精密検査の検査結果を特に注意深く精査する必要があることを、被検者、検者、又は医師等に促すことができる。
以上説明したように、第２実施形態によれば、被検眼の眼底における１拍動期間の血流速度の時系列データに対して多重解像度解析を行うことにより、血流速度の時系列データの特徴量を取得することができる。取得された特徴量に基づいて被検者を健常者グループ及び疾病者グループを含む複数のグループのいずれかに分類することで、被検者の血管状態を高精度に評価することができるようになる。
＜第３実施形態＞
上記の実施形態では、時間周波数解析としてウェーブレット変換又は多重解像度解析を行う場合について説明したが、実施形態に係る構成はこれに限定されるものではない。第３実施形態に係る眼科装置は、時間周波数解析としてウェーブレット変換と多重解像度解析とを組み合わせて、被検者を健常者グループ及び疾病者グループのいずれかに分類するように構成される。
以下、第３実施形態について、第１実施形態又は第２実施形態との相違点を中心に説明する。
第３実施形態に係る眼科装置の構成が第１実施形態に係る眼科装置１又は第２実施形態に係る眼科装置と異なる点は、解析部３５０又は解析部３５０ａに代えて解析部３５０ｂが設けられている点である。
（解析部３５０ｂ）
図２２に、解析部３５０ｂの機能ブロック図の一例を示す。図２２において、図８又は図１８と同様の部分には同一符号を付し、適宜説明を省略する。
解析部３５０ｂは、第１解析部３６１ｂと、第２解析部３６２ｂとを含む。第１解析部３６１ｂは、第１実施形態と同様に、血流速度の時系列データに対してウェーブレット変換を行うことにより、血流速度の時系列データの特徴量を取得する。第２解析部３６２ｂは、第２実施形態と同様に、血流速度の時系列データに対して多重解像度解析を行うことにより、血流速度の時系列データの特徴量を取得する。すなわち、第１解析部３６１ｂは、ウェーブレット変換部３５１と、特徴位置探索部３５２と、特徴量特定部３５３とを含む。第２解析部３６２ｂは、多重解像度解析部３５１ａと、特徴量算出部３５２ａとを含む。
具体的には、第１解析部３６１ｂは、被検者の１拍動期間における血流速度の時系列データに対してウェーブレット変換を行い、取得されたウェーブレット変換データの特徴位置におけるマザーウェーブレットのスケール値とシフト値とを特徴量として求める。第２解析部３６２ｂは、第１解析部３６１ｂの解析対象である血流速度の時系列データに対して多重解像度解析を行い、第ｎ深度における近似項の２ｋ－ｎ個の項の二乗和と第ｎ深度における微小項の２ｋ－（ｎ－１）個の項の二乗和とを特徴量として求める。
第３実施形態では、分類部３６０は、第１解析部３６１ｂにより得られた変換データＷΨ［ｘ（ｔ）］の特徴位置におけるマザーウェーブレットのスケール値とシフト値と、第２解析部３６２ｂにより得られた第ｎ深度における近似項の２ｋ－ｎ個の項の二乗和と第ｎ深度における微小項の２ｋ－（ｎ－１）個の項の二乗和とに基づいて、被検者を健常者グループ及び疾病者グループを含む複数のグループのいずれかに分類する。
いくつかの実施形態では、分類部３６０は、第１解析部３６１ｂにより得られた特徴量に基づいて被検者が範囲ＧＲ０に含まれ、且つ、第２解析部３６２ｂにより得られた特徴量に基づいて被検者が範囲ＧＲ１０に含まれるとき、当該被検者を健常者グループに分類する。また、分類部３６０は、第１解析部３６１ｂにより得られた特徴量に基づいて被検者が範囲ＧＲ１に含まれ、且つ、第２解析部３６２ｂにより得られた特徴量に基づいて被検者が範囲ＧＲ１１に含まれるとき、当該被検者を疾病者グループに分類する。
更に、分類部３６０は、第１解析部３６１ｂにより得られた特徴量に基づいて被検者が範囲ＧＲ１に含まれ、且つ、第２解析部３６２ｂにより得られた特徴量に基づいて被検者が範囲ＧＲ１０に含まれるとき、又は第１解析部３６１ｂにより得られた特徴量に基づいて被検者が範囲ＧＲ０に含まれ、且つ、第２解析部３６２ｂにより得られた特徴量に基づいて被検者が範囲ＧＲ１１に含まれるとき、当該被検者を中間領域のグループに分類する。
学習部３７０は、被検者の血流速度の時系列データから得られたスケール値及びシフト値と第ｎ深度における近似項の２ｋ－ｎ個の項の二乗和と第ｎ深度における微小項の２ｋ－（ｎ－１）個の項の二乗和との組み合わせを訓練データとし、訓練データの分類結果を教師データとする公知の教師あり機械学習を実行することにより分類部３６０の機能を実現する分類モデルを生成することが可能である。ここで、分類結果は、事前に医師等により上記の複数のグループのいずれに分類されるかが判断されたものである。
以上説明したように、第３実施形態によれば、被検眼の眼底における１拍動期間の血流速度の時系列データに対してウェーブレット変換及び多重解像度解析を行うことにより、血流速度の時系列データの複数の特徴量を取得する。取得された複数の特徴量を組み合わせて、被検者を健常者グループ及び疾病者グループを含む複数のグループのいずれかに分類することで、被検者の血管状態を高精度に評価することができるようになる。
＜第４実施形態＞
第１実施形態～第３実施形態では、血流速度の時系列データに対して時間周波数解析を行う場合について説明したが、実施形態に係る構成はこれに限定されるものではない。第４実施形態に係る眼科装置は、血流速度の時系列データを回帰分析することにより、被検者を健常者グループ及び疾病者グループのいずれかに分類するように構成される。
以下、第４実施形態について、第１実施形態との相違点を中心に説明する。
第４実施形態に係る眼科装置の構成が第１実施形態に係る眼科装置１と異なる点は、血流情報解析部３３０に代えて血流情報解析部３３０ｃが設けられている点である。
（血流情報解析部３３０ｃ）
図２３に、血流情報解析部３３０ｃの機能ブロック図の一例を示す。図２３において、図７と同様の部分には同一符号を付し、適宜説明を省略する。
血流情報解析部３３０ｃは、抽出部３４０と、標準化部３８０ｃと、分類部３６０ｃと、学習部３７０ｃとを含む。抽出部３４０は、心周期特定部３４１と、補間部３４２と、正規化部３４３とを含む。標準化部３８０ｃは、抽出部３４０により抽出された血流速度の時系列データを標準化する。分類部３６０ｃは、標準化部３８０ｃにより標準化された血流速度の時系列データに基づいて、被検者を健常者グループ及び疾病者グループを含む複数のグループのいずれかに分類する。学習部３７０ｃは、分類部３６０ｃの機能を実現する分類モデルを生成する。
（標準化部３８０ｃ）
標準化部３８０ｃは、血流速度の時系列データの分布を標準正規分布に変換する。時系列データを構成する各データをｘとし、時系列データの平均値をμとし、時系列データの標準偏差をσとすると、標準化部３８０ｃは、血流速度の時系列データの分布を、式（１５）に従って変換される標準化変数ｚの標準正規分布に変換する。
Figure 0007624619000012
（分類部３６０ｃ）
分類部３６０ｃは、標準化部３８０ｃにより標準正規分布に変換された血流速度の時系列データに基づいて、被検者を健常者グループ及び疾病者グループを含む複数のグループのいずれかに分類する。
いくつかの実施形態では、複数のグループは、健常者グループ、疾病者グループ、及び健常者と疾病者との中間領域のグループを含む。この場合、分類部３６０ｃは、上記のスケール値及びシフト値に基づいて、被検者を健常者グループ、疾病者グループ、及び中間領域のグループのいずれかに分類する。
いくつかの実施形態では、分類部３６０ｃは、標準化部３８０ｃにより標準正規分布に変換された血流速度の時系列データに基づいて、被検者を健常者グループ及び疾病者グループのいずれかに分類する。
いくつかの実施形態では、分類部３６０ｃは、標準化部３８０ｃにより標準正規分布に変換された血流速度の時系列データに基づいて、被検者を中間領域のグループ及びそれ以外のグループに分類する。
いくつかの実施形態では、分類部３６０ｃは、複数の被検者の血流速度の時系列データを事前に解析することにより得られた分類モデルを用いて、被検者を上記のように分類する。複数の被検者の血流速度の時系列データに対する事前の解析には、線形サポートベクタマシン、非線形サポートベクタマシン、決定木法、ランダムフォレスト法、ｋ近傍法等の機械学習等の公知の解析手法が用いられる。この場合、分類部３６０ｃは、機械学習により得られた分類モデル（学習済みモデル）を用いて、被検者を上記のように分類することができる。
（学習部３７０ｃ）
学習部３７０ｃは、分類部３６０ｃにより被検者の分類に用いられる分類モデルを生成する。学習部３７０ｃは、被検者の血流速度の時系列データを訓練データとし、訓練データの分類結果を教師データとする公知の教師あり機械学習を実行することにより分類モデルを生成する。分類結果は、事前に医師等により上記の複数のグループのいずれに分類されるかが判断されたものである。
上記の血流情報解析部３３０ｃの機能は、１以上のプロセッサにより実現される。いくつかの実施形態では、血流情報解析部３３０ｃの機能は、各部の機能を実行する複数のプロセッサにより実現される。
以上説明したように、第４実施形態によれば、被検眼の眼底における１拍動期間の血流速度の時系列データに対して、機械学習により被検者を健常者グループ及び疾病者グループを含む複数のグループのいずれかに分類する。特に、互いに異なる説明変数（入力）間で絶対値の分布が異なることに起因して分類部３６０ｃに対する機械学習の効果が低下する場合であっても、説明変数間の絶対値の分布を揃えることができるため、分類部３６０ｃに対する機械学習の精度を向上させることができる。
＜変形例＞
上記の実施形態において、式（４）に示すマザーウェーブレットを例として説明したが、実施形態に係る構成はこれに限定されるものではない。例えば、上記の実施形態において、式（１６）～式（２２）のいずれかのマザーウェーブレットを用いてもよい。
式（１６）は、式（４）と異なるメキシカンハットマザーウェーブレット（ｍｅｘｈ）の一例を表す。
Figure 0007624619000013
式（１７）は、モルレー（Ｍｏｒｌｅｔ）マザーウェーブレット（ｍｏｒｌ）の一例を表す。
Figure 0007624619000014
式（１８）は、複素モルレー（Ｃｏｍｐｌｅｘ Ｍｏｒｌｅｔ）マザーウェーブレット（ｃｍｏｒＢ－Ｃ）の一例を表す。式（１８）において、Ｂは帯域幅を表し、Ｃは、中心周波数を表す。
Figure 0007624619000015
式（１９）は、ガウス微分（Ｇａｕｓｓｉａｎ Ｄｅｒｉｖａｔｉｖｅ）マザーウェーブレット（ｇａｕｓＰ）の一例を表す。式（１９）において、Ｃは定数を表す。
Figure 0007624619000016
式（２０）は、複素ガウス微分マザーウェーブレット（ｃｇａｕｓＰ）の一例を表す。式（２０）において、Ｃは定数を表す。
Figure 0007624619000017
式（２１）は、シャノン（Ｓｈａｎｎｏｎ）ウェーブレット（ｓｈａｎＢ－Ｃ）の一例を表す。式（２１）において、Ｂは帯域幅を表し、Ｃは、中心周波数を表す。
Figure 0007624619000018
式（２２）は、周波数Ｂスプライン（Ｆｒｅｑｕｅｎｃｙ Ｂ－Ｓｐｌｉｎｅ）ウェーブレット（ｆｂｓｐ）の一例を表す。式（２２）において、Ｍはスプラインの次数を表し、Ｂは帯域幅を表し、Ｃは、中心周波数を表す。
Figure 0007624619000019
第３実施形態に眼科装置は、互いに異なる２以上のマザーウェーブレットが適用されたウェーブレット変換により得られた２以上の特徴量に基づいて、被検者を上記の複数のグループに分類するように構成されていてもよい。或いは、互いに異なる２以上のマザーウェーブレットが適用されたウェーブレット変換により得られた２以上の特徴量と、多重解像度解析により得られた特徴量とに基づいて、被検者を上記の複数のグループに分類するように構成されていてもよい。
［作用］
実施形態に係る血流解析装置、眼科装置、血流解析方法、及びプログラムについて説明する。
いくつかの実施形態に係る血流解析装置（血流情報解析部３３０、眼科装置１）は、解析部（３５０、３５０ａ）と、分類部（３６０）とを含む。解析部は、被検者の眼底（Ｅｆ）における血流速度の時系列データに対して時間周波数解析を行う。分類部は、解析部により得られた解析データの特徴量に基づいて、被検者を健常者グループ及び疾病者グループを含む複数のグループのいずれかに分類する。
このような態様によれば、血流速度の時系列データに対して時間周波数解析を行うことにより特徴量を求め、求められた特徴量に基づいて被検者を分類するようにしたので、被検者の血管状態を正しく高精度に評価することが可能になる。
いくつかの実施形態では、解析部は、１拍動期間における時系列データに対してウェーブレット変換を行い、分類部は、解析部により得られたウェーブレット変換データの特徴位置（ＣＰ）におけるマザーウェーブレットのスケール値とシフト値とに基づいて、被検者を複数のグループのいずれかに分類する。
このような態様によれば、ウェーブレット変換により得られたウェーブレット変換データの特徴位置におけるマザーウェーブレットのスケール値とシフト値とを特徴量として求めるようにしたので、血管状態の高精度な評価に有用な特徴量を簡便に取得することが可能になる。
いくつかの実施形態では、解析部は、１拍動期間における時系列データを第１深度における近似項と微小項とに分解すると共に、第ｍ（ｍは２以上の自然数）深度における近似項を第（ｍ＋１）深度における近似項と微小項とに分解することを第ｎ（ｎは自然数）深度まで繰り返す多重解像度解析を行い、分類部は、解析部により得られた第ｎ深度における近似項の二乗和と第ｎ深度における微小項の二乗和とに基づいて、被検者を複数のグループのいずれかに分類する。
このような態様によれば、多重解像度解析により得られた第ｎ深度における近似項の二乗和（例えば、近似項の２ｋ－ｎ個の項の二乗和、ｎ＜ｋ、ｋは２以上の自然数）と第ｎ深度における微小項の二乗和（例えば、微小項の２ｋ－（ｎ－１）個の項の二乗和）とを特徴量として求めるようにしたので、血管状態の高精度な評価に有用な特徴量を簡便に取得することが可能になる。
いくつかの実施形態では、解析部は、１拍動期間における時系列データに対してウェーブレット変換を行う第１解析部（３６１ｂ）と、１拍動期間における時系列データを第１深度における近似項と微小項とに分解すると共に、第ｍ（ｍは２以上の自然数）深度における近似項を第（ｍ＋１）深度における近似項と微小項とに分解することを第ｎ（ｎは自然数）深度まで繰り返す多重解像度解析を行う第２解析部（３６２ｂ）と、を含む。分類部は、第１解析部により得られたウェーブレット変換データの特徴位置におけるマザーウェーブレットのスケール値とシフト値と、第２解析部により得られた第ｎ深度における近似項の二乗和と第ｎ深度における微小項の二乗和とに基づいて、被検者を複数のグループのいずれかに分類する。
このような態様によれば、ウェーブレット変換により得られたウェーブレット変換データの特徴位置におけるマザーウェーブレットのスケール値とシフト値と、多重解像度解析により得られた第ｎ深度における近似項の二乗和（例えば、近似項の２ｋ－ｎ個の項の二乗和、ｎ＜ｋ、ｋは２以上の自然数）と第ｎ深度における微小項の二乗和（例えば、微小項の２ｋ－（ｎ－１）個の項の二乗和）とを特徴量として求めるようにしたので、血管状態の高精度な評価に有用な特徴量を簡便に取得することが可能になる。
いくつかの実施形態では、特徴位置は、ウェーブレット変換データが最大となる位置である。
このような態様によれば、特徴位置の探索が容易になり、より簡便に特徴量を求めることが可能になる。
いくつかの実施形態では、血流速度は、眼底に対してドップラーＯＣＴを実行することにより得られる血流によるドップラー信号に基づいて取得される。
このような態様によれば、ＯＣＴにより血流速度の計測が可能な既存の眼科装置を用いて被検眼の血管状態を高精度に評価することが可能になる。
いくつかの実施形態は、眼底における計測部位に対して異なるタイミングでＯＣＴを実行する光学系（図１の対物レンズ２２からＯＣＴユニット１００までの光学系）と、光学系により得られた複数の信号に基づいて眼底における血流速度を求める血流情報生成部（３２０）と、上記の血流解析装置と、を含む、眼科装置である。
このような態様によれば、被検者の血管状態を正しく高精度に評価することが可能な眼科装置を提供することが可能になる。
いくつかの実施形態は、被検者の眼底（Ｅｆ）における血流速度の時系列データに対して時間周波数解析を行う解析ステップと、解析ステップにおいて得られた解析データの特徴量に基づいて、被検者を健常者グループ及び疾病者グループを含む複数のグループのいずれかに分類する分類ステップと、を含む、血流解析方法である。
このような態様によれば、血流速度の時系列データに対して時間周波数解析を行うことにより特徴量を求め、求められた特徴量に基づいて被検者を分類するようにしたので、被検者の血管状態を正しく高精度に評価することが可能になる。
いくつかの実施形態では、解析ステップは、１拍動期間における時系列データに対してウェーブレット変換を行い、分類ステップは、解析ステップにおいて得られたウェーブレット変換データの特徴位置におけるマザーウェーブレットのスケール値とシフト値とに基づいて、被検者を複数のグループのいずれかに分類する。
このような態様によれば、ウェーブレット変換により得られたウェーブレット変換データの特徴位置におけるマザーウェーブレットのスケール値とシフト値とを特徴量として求めるようにしたので、血管状態の高精度な評価に有用な特徴量を簡便に取得することが可能になる。
いくつかの実施形態では、解析ステップは、１拍動期間における時系列データを第１深度における近似項と微小項とに分解すると共に、第ｍ（ｍは２以上の自然数）深度における近似項を第（ｍ＋１）深度における近似項と微小項とに分解することを第ｎ（ｎは自然数）深度まで繰り返す多重解像度解析を行い、分類ステップは、解析ステップにおいて得られた第ｎ深度における近似項の二乗和と第ｎ深度における微小項の二乗和とに基づいて、被検者を複数のグループのいずれかに分類する。
このような態様によれば、多重解像度解析により得られた第ｎ深度における近似項の二乗和（例えば、近似項の２ｋ－ｎ個の項の二乗和、ｎ＜ｋ、ｋは２以上の自然数）と第ｎ深度における微小項の二乗和（例えば、微小項の２ｋ－（ｎ－１）個の項の二乗和）とを特徴量として求めるようにしたので、血管状態の高精度な評価に有用な特徴量を簡便に取得することが可能になる。
いくつかの実施形態では、解析ステップは、１拍動期間における時系列データに対してウェーブレット変換を行う第１解析ステップと、１拍動期間における時系列データを第１深度における近似項と微小項とに分解すると共に、第ｍ（ｍは２以上の自然数）深度における近似項を第（ｍ＋１）深度における近似項と微小項とに分解することを第ｎ（ｎは自然数）深度まで繰り返す多重解像度解析を行う第２解析ステップと、を含む。分類ステップは、第１解析ステップにおいて得られたウェーブレット変換データの特徴位置におけるマザーウェーブレットのスケール値とシフト値と、第２解析ステップにおいて得られた第ｎ深度における近似項の二乗和と第ｎ深度における微小項の二乗和とに基づいて、被検者を複数のグループのいずれかに分類する。
このような態様によれば、ウェーブレット変換により得られたウェーブレット変換データの特徴位置におけるマザーウェーブレットのスケール値とシフト値と、多重解像度解析により得られた第ｎ深度における近似項の二乗和（例えば、近似項の２ｋ－ｎ個の項の二乗和、ｎ＜ｋ、ｋは２以上の自然数）と第ｎ深度における微小項の二乗和（例えば、微小項の２ｋ－（ｎ－１）個の項の二乗和）とを特徴量として求めるようにしたので、血管状態の高精度な評価に有用な特徴量を簡便に取得することが可能になる。
いくつかの実施形態では、特徴位置は、ウェーブレット変換データが最大となる位置である。
このような態様によれば、特徴位置の探索が容易になり、より簡便に特徴量を求めることが可能になる。
いくつかの実施形態では、血流速度は、眼底に対してドップラーＯＣＴを実行することにより得られる血流によるドップラー信号に基づいて取得される。
このような態様によれば、ＯＣＴにより血流速度の計測が可能な既存の眼科装置を用いて被検眼の血管状態を高精度に評価することが可能になる。
いくつかの実施形態は、コンピュータに、上記のいずれかに記載の血流解析方法の各ステップを実行させるプログラムである。
このような態様によれば、血流速度の時系列データに対して時間周波数解析を行うことにより特徴量を求め、求められた特徴量に基づいて被検者を分類するようにしたので、被検者の血管状態を正しく高精度に評価することが可能なプログラムを提供することができるようになる。
いずれかの実施形態に係るプログラムを記録したコンピュータ可読な非一時的記録媒体を作成することが可能である。この非一時的記録媒体は任意の形態であってよく、その例として、磁気ディスク、光ディスク、光磁気ディスク、半導体メモリなどがある。
以上に説明した実施形態は本発明の一例に過ぎない。本発明を実施しようとする者は、本発明の要旨の範囲内における変形（省略、置換、付加等）を任意に施すことが可能である。
１ 眼科装置
１００ ＯＣＴユニット
２１０ 制御部
２１１ 主制御部
３００ データ処理部
３１０ 位相画像形成部
３２０ 血流情報生成部
３３０、３３０ｃ 血流情報解析部
３４０ 抽出部
３５０、３５０ａ、３５０ｂ 解析部
３５１ ウェーブレット変換部
３５１ａ 多重解像度解析部
３５２ 特徴位置探索部
３５２ａ 特徴量算出部
３５３ 特徴量特定部
３６０、３６０ｃ 分類部
３６１ｂ 第１解析部
３６２ｂ 第２解析部
３７０、３７０ｃ 学習部
３８０ｃ 標準化部
Ｅ 被検眼
Ｅｆ 眼底

Claims (14)

  1. 被検者の眼底における血流速度の時系列データに対して時間周波数解析を行う解析部と、
    前記解析部により得られた解析データの特徴量に基づいて、前記被検者を健常者グループ及び疾病者グループを含む複数のグループのいずれかに分類する分類部と、
    を含み、
    前記解析部は、時間軸方向及び血流速度軸方向に正規化された前記時系列データに対して時間周波数解析を行う、血流解析装置。
  2. 前記解析部は、１拍動期間における前記時系列データに対してウェーブレット変換を行い、
    前記分類部は、前記解析部により得られたウェーブレット変換データの特徴位置におけるマザーウェーブレットのスケール値とシフト値とに基づいて、前記被検者を前記複数のグループのいずれかに分類する
    ことを特徴とする請求項１に記載の血流解析装置。
  3. 前記解析部は、１拍動期間における前記時系列データを第１深度における近似項と微小項とに分解すると共に、第ｍ（ｍは２以上の自然数）深度における近似項を第（ｍ＋１）深度における近似項と微小項とに分解することを第ｎ（ｎは自然数）深度まで繰り返す多重解像度解析を行い、
    前記分類部は、前記解析部により得られた前記第ｎ深度における近似項の二乗和と前記第ｎ深度における微小項の二乗和とに基づいて、前記被検者を前記複数のグループのいずれかに分類する
    ことを特徴とする請求項１に記載の血流解析装置。
  4. 前記解析部は、
    １拍動期間における前記時系列データに対してウェーブレット変換を行う第１解析部と、
    １拍動期間における前記時系列データを第１深度における近似項と微小項とに分解すると共に、第ｍ（ｍは２以上の自然数）深度における近似項を第（ｍ＋１）深度における近似項と微小項とに分解することを第ｎ（ｎは自然数）深度まで繰り返す多重解像度解析を行う第２解析部と、
    を含み、
    前記分類部は、前記第１解析部により得られたウェーブレット変換データの特徴位置におけるマザーウェーブレットのスケール値とシフト値と、前記第２解析部により得られた前記第ｎ深度における近似項の二乗和と前記第ｎ深度における微小項の二乗和とに基づいて、前記被検者を前記複数のグループのいずれかに分類する
    ことを特徴とする請求項１に記載の血流解析装置。
  5. 前記特徴位置は、前記ウェーブレット変換データが最大となる位置である
    ことを特徴とする請求項２又は請求項４に記載の血流解析装置。
  6. 前記血流速度は、前記眼底に対してドップラーＯＣＴを実行することにより得られる血流によるドップラー信号に基づいて取得される
    ことを特徴とする請求項１～請求項５のいずれか一項に記載の血流解析装置。
  7. 前記眼底における計測部位に対して異なるタイミングでＯＣＴを実行する光学系と、
    前記光学系により得られた複数の信号に基づいて前記眼底における血流速度を求める血流情報生成部と、
    請求項６に記載の血流解析装置と、
    を含む、眼科装置。
  8. １以上のプロセッサが、被検者の眼底における血流速度の時系列データに対して時間周波数解析を行う解析ステップと、
    前記１以上のプロセッサが、前記解析ステップにおいて得られた解析データの特徴量に基づいて、前記被検者を健常者グループ及び疾病者グループを含む複数のグループのいずれかに分類する分類ステップと、
    を含み、
    前記解析ステップは、前記１以上のプロセッサが、時間軸方向及び血流速度軸方向に正規化された前記時系列データに対して時間周波数解析を行う、血流解析装置の作動方法。
  9. 前記解析ステップは、１拍動期間における前記時系列データに対してウェーブレット変換を行い、
    前記分類ステップは、前記解析ステップにおいて得られたウェーブレット変換データの特徴位置におけるマザーウェーブレットのスケール値とシフト値とに基づいて、前記被検者を前記複数のグループのいずれかに分類する
    ことを特徴とする請求項８に記載の血流解析装置の作動方法。
  10. 前記解析ステップは、１拍動期間における前記時系列データを第１深度における近似項と微小項とに分解すると共に、第ｍ（ｍは２以上の自然数）深度における近似項を第（ｍ＋１）深度における近似項と微小項とに分解することを第ｎ（ｎは自然数）深度まで繰り返す多重解像度解析を行い、
    前記分類ステップは、前記解析ステップにおいて得られた前記第ｎ深度における近似項の二乗和と前記第ｎ深度における微小項の二乗和とに基づいて、前記被検者を前記複数のグループのいずれかに分類する
    ことを特徴とする請求項８に記載の血流解析装置の作動方法。
  11. 前記解析ステップは、
    １拍動期間における前記時系列データに対してウェーブレット変換を行う第１解析ステップと、
    １拍動期間における前記時系列データを第１深度における近似項と微小項とに分解すると共に、第ｍ（ｍは２以上の自然数）深度における近似項を第（ｍ＋１）深度における近似項と微小項とに分解することを第ｎ（ｎは自然数）深度まで繰り返す多重解像度解析を行う第２解析ステップと、
    を含み、
    前記分類ステップは、前記第１解析ステップにおいて得られたウェーブレット変換データの特徴位置におけるマザーウェーブレットのスケール値とシフト値と、前記第２解析ステップにおいて得られた前記第ｎ深度における近似項の二乗和と前記第ｎ深度における微小項の二乗和とに基づいて、前記被検者を前記複数のグループのいずれかに分類する
    ことを特徴とする請求項８に記載の血流解析装置の作動方法。
  12. 前記特徴位置は、前記ウェーブレット変換データが最大となる位置である
    ことを特徴とする請求項９又は請求項１１に記載の血流解析装置の作動方法。
  13. 前記血流速度は、前記眼底に対してドップラーＯＣＴを実行することにより得られる血流によるドップラー信号に基づいて取得される
    ことを特徴とする請求項８～請求項１２のいずれか一項に記載の血流解析装置の作動方法。
  14. コンピュータに、請求項８～請求項１３のいずれか一項に記載の血流解析装置の作動方法の各ステップを実行させることを特徴とするプログラム。
JP2021025971A 2021-02-22 2021-02-22 血流解析装置、眼科装置、血流解析装置の作動方法、及びプログラム Active JP7624619B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2021025971A JP7624619B2 (ja) 2021-02-22 2021-02-22 血流解析装置、眼科装置、血流解析装置の作動方法、及びプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2021025971A JP7624619B2 (ja) 2021-02-22 2021-02-22 血流解析装置、眼科装置、血流解析装置の作動方法、及びプログラム

Publications (2)

Publication Number Publication Date
JP2022127783A JP2022127783A (ja) 2022-09-01
JP7624619B2 true JP7624619B2 (ja) 2025-01-31

Family

ID=83060980

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021025971A Active JP7624619B2 (ja) 2021-02-22 2021-02-22 血流解析装置、眼科装置、血流解析装置の作動方法、及びプログラム

Country Status (1)

Country Link
JP (1) JP7624619B2 (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002355218A (ja) 2001-06-01 2002-12-10 Canon Inc 眼血流計
JP2007054376A (ja) 2005-08-25 2007-03-08 Univ Nihon 機能的近赤外分光装置の信号解析方法及び信号解析装置、機能的近赤外分光装置並びに信号解析プログラム
US20120136224A1 (en) 2009-04-08 2012-05-31 Kayvan Najarian Combining Predictive Capabilities of Transcranial Doppler (TCD) with Electrocardiogram (ECG) to Predict Hemorrhagic Shock
US20180289253A1 (en) 2015-05-22 2018-10-11 Indiana University Research & Technology Corporation Methods and systems for patient specific identification and assessmentof ocular disease risk factors and treatment efficacy
JP2019042264A (ja) 2017-09-05 2019-03-22 株式会社トプコン 眼科撮影装置及び眼科情報処理装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3519185B2 (ja) * 1995-09-22 2004-04-12 花王株式会社 血流解析装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002355218A (ja) 2001-06-01 2002-12-10 Canon Inc 眼血流計
JP2007054376A (ja) 2005-08-25 2007-03-08 Univ Nihon 機能的近赤外分光装置の信号解析方法及び信号解析装置、機能的近赤外分光装置並びに信号解析プログラム
US20120136224A1 (en) 2009-04-08 2012-05-31 Kayvan Najarian Combining Predictive Capabilities of Transcranial Doppler (TCD) with Electrocardiogram (ECG) to Predict Hemorrhagic Shock
US20180289253A1 (en) 2015-05-22 2018-10-11 Indiana University Research & Technology Corporation Methods and systems for patient specific identification and assessmentof ocular disease risk factors and treatment efficacy
JP2019042264A (ja) 2017-09-05 2019-03-22 株式会社トプコン 眼科撮影装置及び眼科情報処理装置

Also Published As

Publication number Publication date
JP2022127783A (ja) 2022-09-01

Similar Documents

Publication Publication Date Title
US20210224997A1 (en) Image processing apparatus, image processing method and computer-readable medium
US10980416B2 (en) Blood flow measurement apparatus
US10660514B2 (en) Image processing apparatus and image processing method with generating motion contrast image using items of three-dimensional tomographic data
JP7348374B2 (ja) 眼科情報処理装置、眼科撮影装置、眼科情報処理方法、及びプログラム
JP2014104275A (ja) 眼科装置
JP7009265B2 (ja) 画像処理装置、画像処理方法及びプログラム
JP2023038280A (ja) 血流計測装置
US12150711B2 (en) Blood flow analysis apparatus, blood flow analysis method, and recording medium
WO2020044712A1 (ja) 眼科装置、及びその制御方法
JP7096116B2 (ja) 血流計測装置
JP7111874B2 (ja) 眼科撮影装置
EP4270410A1 (en) Ophthalmic information processing device, ophthalmic device, ophthalmic information processing method, and program
JP7260426B2 (ja) 光コヒーレンストモグラフィ装置、その制御方法、光計測方法、プログラム、及び記憶媒体
US11911108B2 (en) Blood flow measurement apparatus
JP2019054994A (ja) 眼科撮影装置、眼科情報処理装置、プログラム、及び記録媒体
JP7624619B2 (ja) 血流解析装置、眼科装置、血流解析装置の作動方法、及びプログラム
JP6646021B2 (ja) 眼科画像処理装置
JP2020146433A (ja) 画像処理装置、画像処理方法及びプログラム
JP7216514B2 (ja) 血管解析装置
WO2025183024A1 (ja) 眼科装置、その制御方法、プログラム、及び記録媒体
JP7068366B2 (ja) 血流計測装置
US20250191182A1 (en) Ophthalmic information processing apparatus, ophthalmic apparatus, ophthalmic information processing method, and recording medium
JP7221628B2 (ja) 血流計測装置、情報処理装置、情報処理方法、及びプログラム
JP6991075B2 (ja) 血流計測装置

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210517

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20240201

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20240710

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20240820

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240919

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20241217

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20250109

R150 Certificate of patent or registration of utility model

Ref document number: 7624619

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150