專利名稱:圖像處理設備、圖像處理方法和計算機程序的制作方法
技術領域:
本發明涉及輔助眼部的圖像診斷的圖像處理設備、圖像處理方法和計算機程序。
背景技術:
為了早期診斷生活方式相關的疾病和導致失明之前出現的各種疾病,通常進行眼部的檢查。由于諸如OCT(光學相干斷層成像)設備的用于眼部的斷層圖像攝像設備允許三維地觀察視網膜層內部的狀態,因而期望該斷層圖像攝像設備有效地進行更充分的疾病診斷。為了減少使用OC T的醫生的診斷負擔,需要使用計算機的CAD (計算機輔助診斷) 技術。用于OCT的CAD所需的功能包括例如從OC T圖像獲取病變部的三維(3D)位置、形狀和分布狀態以把握疾病的進展程度的功能。所需功能的另一示例包括呈現與例如與在不同時間拍攝的同一被檢眼的一組OCT圖像相對應的病變部的形狀相關聯的時間變化的功能。實現這種高級診斷輔助功能的圖像處理單元一般以在預處理中從OCT圖像提取病變部為前提。因為要呈現的分析結果的精度受到病變部的提取精度的影響,因而高精度病變部提取處理的實現具有非常重要的意義。本發明關注作為眼部病變之一的白斑 (exudate)0還沒有提出過以高精度從3D OCT圖像中檢測白斑的方法。一般地,白斑具有比周圍部分高的亮度和塊狀結構作為圖像特征。然而,除了病變部以外,OCT圖像還包括諸如神經纖維層、視細胞內節外節接合部和視網膜色素上皮層邊界的周圍部分等的局部高亮度的區域。當前的OCT圖像的圖像質量在病變部及其周圍部分之間不具有足夠的對比度。為此, 難以通過僅關注上述圖像特征來以高精度提取白斑。作為該問題的一個解決方案,使用通過其它形式獲得的病變部的信息來預先限制要進行圖像分析的區域。在日本特開2007-325831中公開了用于以這種方式指定要限制的區域的手段。圖1是用于說明日本特開2007-325831所公開的發明的示意圖,并示出OCT圖像的典型截面圖(B掃描圖像)。圖1示出內界膜101、視神經纖維層(視層)和其下層之間的邊界102、視細胞內節外節接合部103、視網膜色素上皮層邊界104以及視網膜層內的血管105。在日本特開2007-325831中,從同一被檢眼的眼底圖像提取血管區域,以檢測OCT 圖像(非病變部)的血管,并將該位置投影至OCT圖像上,從而指定OCT圖像中存在血管的區域。從圖1可以看出,虛線106和107之間的區域是通過將從眼底圖像獲得的血管區域投影至OCT圖像上獲得的區域,并指定血管存在的區域。
發明內容
利用日本特開2007-325831中說明的發明,不能在圖1所示的OCT圖像(B掃描圖像)的垂直方向上指定白斑存在范圍。另外,由于OCT圖像包括與病變部不同的高亮度區域,因而當前圖像質量的OCT圖像存在病變部和其周圍部分之間的對比度不足的問題。因此,本發明提供一種用于以高精度從OCT圖像提取病變部的技術。本發明的實施例的一個方面涉及圖像處理設備,包括邊界提取部件,用于從被檢眼的斷層圖像檢測視網膜層邊界;白斑提取部件,用于從所述被檢眼的眼底圖像提取白斑區域;配準部件,用于進行所述斷層圖像和所述眼底圖像之間的配準,并計算所述斷層圖像和所述眼底圖像之間的空間對應關系;指定部件,用于使用所述邊界提取部件所提取的視網膜層邊界、所述白斑提取部件所提取的白斑區域和所述配準部件所計算出的空間對應關系來指定所述斷層圖像中存在白斑的區域;可能性計算部件,用于針對所述指定部件所指定的區域計算白斑存在的可能性;以及斷層圖像白斑提取部件,用于使用所述可能性從所述指定部件所指定的區域提取所述斷層圖像中的白斑區域。本發明的實施例的另一個方面涉及圖像處理設備,包括邊界提取部件,用于從被檢眼的斷層圖像檢測視網膜層邊界;指定部件,用于使用所述邊界提取部件所提取的視網膜層邊界來指定所述斷層圖像中存在白斑的區域;可能性計算部件,用于針對所述指定部件所指定的區域計算白斑存在的可能性;以及斷層圖像白斑提取部件,用于使用所述可能性從所述指定部件所指定的區域提取所述斷層圖像中的白斑區域。通過以下(參考附圖)對典型實施例的說明,本發明的其它特征將變得明顯。
圖1是示出OCT圖像的典型斷層圖像的圖;圖2是示出根據第一實施例的圖像處理系統的設備配置的例子的框圖;圖3是示出根據第一實施例的圖像處理設備210的功能配置的例子的框圖;圖4是示出根據第一實施例的圖像處理設備210的處理的例子的流程圖;圖5是用于說明根據第一實施例的白斑存在區域指定單元3M的操作的圖;圖6是用于說明根據第二實施例的白斑存在可能性的計算的圖;圖7是示出實現圖像處理設備210的功能的計算機的基本配置的框圖;圖8是用于說明眼底照片、視網膜體數據和積分圖像之間的關系的圖;圖9是用于說明根據第三實施例的白斑提取的誤判斷的圖;圖10是用于說明根據第四實施例的白斑存在可能性的計算的圖;以及圖11是示出根據第四實施例的圖像處理設備210的功能配置的例子的框圖。
具體實施例方式以下將參考附圖詳細說明用于實現本發明的最佳模式。然而,本發明的范圍不限于所示出的例子。第一實施例以下將參考圖2說明根據第一實施例的圖像處理系統的設備配置。圖像處理設備 210對斷層圖像攝像設備220和眼底圖像攝像設備230所拍攝的圖像以及數據服務器MO 中存儲的圖像進行圖像處理。圖3示出圖像處理設備210的詳細配置。斷層圖像攝像設備 220獲得眼部的斷層圖像,并且包括例如時間域OCT或傅立葉域OCT。斷層圖像攝像設備 220根據操作者(技師或醫生,未示出)的操作來三維地獲得被檢者(患者,未示出)的眼部的斷層圖像。將所獲取的斷層圖像發送至圖像處理設備210和數據服務器M0。
5
眼底圖像攝像設備230拍攝眼底部的二維QD)圖像。眼底圖像攝像設備230根據操作者(技師或醫生,未示出)的操作來二維地拍攝被檢者(患者,未示出)的眼底部的圖像。將所獲取的眼底圖像發送至圖像處理設備210和數據服務器M0。數據服務器240存儲斷層圖像攝像設備220所獲取的斷層圖像和眼底圖像攝像設備230所拍攝的眼底圖像。 響應于來自圖像處理設備210的請求或來自操作者(技師或醫生,未示出)的指示將所存儲的各圖像發送至圖像處理設備210。而且,數據服務器240存儲從圖像處理設備210輸出的處理結果。局域網(LAN) 250互連上述設備。注意,可以經由諸如USB、IEEE1394或光纖等的接口來連接這些設備。以下將參考圖3所示的框圖和圖4所示的流程圖來說明圖像處理設備210中的處理。當構成圖像處理設備210的各塊執行相應的處理程序時實現該處理。在步驟S401中,斷層圖像獲取單元310獲取從斷層圖像攝像設備220發送來的斷層圖像或從數據服務器240發送來的斷層圖像。斷層圖像獲取單元310將所獲取的斷層圖像發送至存儲單元340。在步驟S402中,眼底圖像獲取單元320獲取從眼底圖像攝像設備 230發送來的眼底圖像或從數據服務器240發送來的眼底圖像。眼底圖像獲取單元320將所獲取的圖像發送至存儲單元340。在步驟S403中,視網膜層邊界提取單元351從存儲單元340中保持的斷層圖像中提取視網膜層的邊界。由于視網膜層針對各層具有不同的層內亮度值,因而在兩個相鄰層之間的邊界處生成濃度值的差異(邊緣)。因此,通過關注該差異來提取層邊界。可以使用提取包括該差異的區域的各種方法。例如,將該差異認為是邊緣,并且可以通過檢測邊緣來實現層邊界提取。更具體地,通過將邊緣檢測濾波器應用至斷層圖像來檢測邊緣成分,并且從玻璃體側在眼底的深度方向上搜索邊緣。然后,檢測最初的峰位置作為玻璃體和視網膜層之間的邊界,并且檢測最后的峰位置作為視網膜色素上皮層邊界。可以使用諸如Snake 或水平集(level set)法等的活動輪廓法來檢測層邊界。在水平集法的情況下,定義比要檢測的區域的維數高一維的水平集函數,并且將要檢測的層邊界看作為零水平線。通過更新水平集函數來控制輪廓,由此檢測層邊界。另外,可以使用諸如GraphCut等的圖形理論來檢測層邊界。在使用圖形理論的層檢測處理的情況下,設置與圖像的各像素相對應的節點以及稱為sink和source的端子,并對在節點之間連接的邊緣(n-link)和在端子之間連接的邊緣(t-link)進行設置。通過基于對這些邊緣進行加權所創建的圖計算最小切割來檢測層邊界。可以將以上層邊界提取方法中的任一方法三維地應用至作為要處理的對象的整個3D 斷層圖像,或者可以在將所輸入的3D斷層圖像看作為一組2D斷層圖像的情況下將以上的層邊界提取方法中的任一方法單獨地應用至各2D斷層圖像。注意,檢測層邊界的方法不限于這些方法,并且可以使用任意其它方法,只要該方法可以從眼部的斷層圖像檢測層邊界即可。在步驟S404中,眼底圖像白斑提取單元352從存儲單元340中保持的眼底圖像提取白斑。作為圖像特征,白斑區域局部地存在于眼底圖像中,并具有比周圍區域高的亮度。 由此,通過關注這些圖像特征來提取白斑。可以使用各種提取方法。例如,可以使用對眼底圖像的R、G和B成分之一應用Tophat運算的方法。Tophat運算計算原始圖像和通過將形態運算(morphological operation)應用至濃度圖像而獲得的輸出圖像之間的各像素的濃度值差。在應用Tophat運算之后的圖像中,由于白斑中包括的像素具有比其它像素高的信號,因而可以通過將閾值處理應用至該圖像來提取白斑區域。作為另一白斑區域提取方法,可以使用諸如支持向量機(SVM)等的識別器和由例如AdaBoost構建的識別器集合。在該情況下,使用識別器或其集合、基于各種圖像濾波器的輸出結果作為特征量來判斷各像素是否屬于白斑,其中,該圖像濾波器可以增強眼底圖像的R、G和B成分的濃度值或者R、G和B成分的亮度對比度高的區域。此外,對被判斷為屬于白斑的所有像素進行聚類處理以識別各類是否屬于白斑區域。此時,使用各類中的亮度的平均值或方差、或者各類內部和外部的區域之間的亮度對比度來作為特征量。利用上述處理,可以提取白斑區域。當通過白斑提取處理所提取的區域不充分包括白斑時,應用針對提取結果的圖形膨脹處理或使用所提取的區域作為種子(種子點)的區域擴張法,以獲取充分包括白斑的區域。注意,從眼底圖像提取白斑的方法不限于這些方法,并且可以使用任意其它方法,只要該方法可以從眼底圖像中提取白斑即可。在步驟S405中,配準單元353進行存儲單元340中保持的斷層圖像和眼底圖像之間的配準。從斷層圖像生成積分圖像。以下將參考圖8說明積分圖像的生成。參考圖8,視網膜體數據801包括多個視網膜斷層圖像802。作為視網膜體數據801的坐標系統,將各視網膜斷層圖像802(模式圖)的橫向方向定義為χ軸,將縱向方向定義為y軸,并將視網膜斷層圖像802的配置方向定義為ζ軸。具體地,將沿著y軸的方向稱為A掃描線,將x-y平面稱為B掃描截面,并將x-z平面稱為C掃描截面。作為眼底圖像821的坐標系統,將橫向方向定義為X軸,并將縱向方向定義為Y軸。附圖標記804表示內界膜;附圖標記805表示神經纖維層的下側;附圖標記806表示外從狀層的上側;以及附圖標記807表示視網膜色素上皮層的下側。將視網膜層803定義為存在于夾在內界膜804和視網膜色素上皮層的下側邊界之間的組織中的層。通過在Z軸方向上對視網膜體數據801的體素(voxel)的亮度值進行積分來生成積分圖像811。更具體地,假定與斷層圖像的C掃描截面平行的投影平面,并且針對視網膜斷層圖像802的各A掃描線將濃度值投影至投影平面上的相應的像素上。要投影的像素值的計算方法可以使用計算各A掃描線上的體素值的最大值或最小值的方法、將A掃描線方向上的體素值簡單相加的方法、或者通過將體素值的和除以相加數來計算平均值的方法。 而且,不需要考慮各A掃描線上的所有體素,并且可以在任意范圍內計算要投影的像素值。接著,從積分圖像811和眼底圖像821中提取具有解剖學特征的區域。作為典型的解剖學特征之一,本實施例關注于血管。由于血管具有細的線狀結構,因而使用增強線狀結構的濾波器來提取血管。作為增強線狀結構的濾波器,可以使用諸如Sobel濾波器或 Laplacian濾波器等的差分濾波器。可選地,可以使用基于對比度的線段增強濾波器,其計算假定為結構要素的線段中的圖像濃度值的平均值和圍繞結構要素的局部區域中的平均值之間的差。可選地,針對濃度值圖像的各像素計算Hessian矩陣的特征值,并且基于作為結果而獲得的兩個特征值的組合來提取線狀區域。此外,可以進行簡單地具有作為結構要素的線段的Tophat運算。在圖8中,從積分圖像811中提取眼底的血管區域812,并且從眼底圖像821中提取血管區域822。最后,使用分別從積分圖像811和眼底圖像821提取的血管區域812和822來配準眼底圖像821的坐標系統(X,Y)和積分圖像811的坐標系統(χ,z),從而計算斷層圖像802和眼底圖像821之間的空間對應關系。注意,血管投影區域808是具有視網膜斷層圖像 802的坐標(χ,ζ)的像素區域。在進行配準時,預先定義表示兩個圖像之間的相似度的評價值,并且使圖像變形以獲得最佳的評價值。作為評價值,即表示通過以上處理獲得的積分圖像血管區域812和眼底圖像血管區域822之間的重疊程度的值,可以使用當關注具有諸如血管的分支部等的特征幾何形狀的區域時的相應的界標(landmark)之間的距離等。在該實施例中,使用血管作為具有解剖學特征的區域。可選地,可以使用諸如視神經乳頭區域等的其它解剖學特征或由疾病引起的白斑或出血區域。此外,代替僅關注諸如血管等的解剖學特征,可以使用從整個圖像計算得到的評價值,例如亮度值的均方誤差、相關系數或互信息量。注意,當已經通過公知技術配準了斷層圖像和眼底圖像時,可以省略該步驟S405。在步驟S406中,白斑存在區域指定單元3M指定斷層圖像中可能存在白斑的區域。通過使用視網膜層邊界提取單元351所獲得的視網膜層的邊界的提取結果、眼底圖像白斑提取單元352所獲得的眼底圖像上的白斑的提取結果、以及配準單元353所獲得的斷層圖像和眼底圖像之間的空間對應關系來指定該區域。以下將參考圖5說明白斑存在區域指定單元354的操作。圖5示出將存儲單元 340中保持的斷層圖像的B掃描圖像的一個典型切片與視網膜層邊界提取單元351獲得的視網膜層的邊界的提取結果相重疊而獲得的圖像。參考圖5,附圖標記501表示內界膜;附圖標記514表示視神經纖維層和其下側的層之間的邊界;附圖標記502表示視細胞內節外節接合部;以及附圖標記503表示視網膜色素上皮層邊界。而且,附圖標記504表示白斑。 此外,附圖標記505表示視網膜層邊界提取單元351所獲得的內界膜的提取結果;以及附圖標記506表示視網膜層邊界提取單元351所獲得的視網膜色素上皮層邊界的提取結果。本發明的白斑存在可能性是針對斷層圖像中的各像素而定義的值,并表示示出像素是否屬于白斑的可能性。更具體地,較高的可能性表示像素屬于白斑,并且較低的可能性表示像素不屬于白斑。僅在期望充分包括白斑的局部區域中定義存在可能性。在步驟S406 中,設置該局部區域。使用從眼部的斷層圖像提取的視網膜層的邊界和從眼底圖像提取的白斑區域來設置該局部區域。以下將說明定義該局部區域所需的4個邊界線段507、508、 509和510的設置。在與A掃描線垂直的方向(圖5中的X軸方向)上定義局部區域所需的兩個線段 507和508定義通過將從眼底圖像提取的白斑區域投影到斷層圖像上而獲得的白斑區域的相應區域的邊界。在與A掃描線平行的方向(圖5中的Y軸方向)上的上側的邊界線段509 定義從斷層圖像提取的內界膜505的上述邊界線段507和508所分隔的區域中的線段。在圖5中,邊界線段509由粗實線表示,其表示由虛線表示的內界膜提取結果的邊界線段507 和508所分隔的部分。最后,在確定與A掃描線平行的方向(圖5中的Y軸方向)上的下側的邊界線段510時,不能簡單地使用視網膜色素上皮層邊界的提取結果。這是因為,在眼部的斷層圖像中位于白斑下側的視細胞內節外節接合部和視網膜色素上皮層具有比周圍區域低的亮度,如圖5所示。在這種情況下,當將白斑區域錯誤地提取為視網膜色素上皮層邊界并且簡單使用該結果時,不能設置充分包括白斑的區域。為了解決這個問題,根據本發明,使用由邊界線段507和508所包圍的區域附近的視網膜色素上皮層邊界的提取結果PKPE1509和pKPE2510來定義邊界線段510。更具體地,通過使用已知的插值方法在Pkpei和Pkpe2之間進行插值來生成線段,并且該線段用作邊界線段510。在該實施例中,內界膜的提取結果505和視網膜色素上皮層邊界的提取結果506用于確定邊界線段509和510。然而,可以在該實施例中使用的視網膜層的邊界的提取結果不限于此。例如,可以使用視神經纖維層和其下側的層之間的邊界514的提取結果以及視細胞內節外節接合部502的提取結果。在步驟S407中,白斑存在可能性計算單元355計算由白斑存在區域指定單元354 所獲取的邊界線段507、508、509和510所包圍的局部區域中的各像素的白斑存在可能性。 一般公知地,白斑存在于外從狀層和視細胞內節外節接合部之間。根據本發明,基于該解剖學的知識來分配存在可能性。可以使用存在可能性的各種設置方法。在該實施例中,根據插值所獲取的線段510來估計最可能存在白斑的位置,并基于該結果來分配可能性。更具體地,將從邊界線段510上的各像素沿著A掃描線向上離開預定距離Dkpe_exudate的位置513 定義為解剖學上存在白斑的位置。可以根據在包括白斑的典型情況中的從白斑到視網膜色素上皮層邊界的代表距離值來確定值DKPE_EOT)ATE。而且,可以基于從外從狀層和視細胞內節外節接合部之間的中間位置到視網膜色素上皮層邊界的平均距離值來計算值Dkpe_exudate。將估計為最可能存在白斑的位置Pexudate用作基準位置,并將可能性設置為在離基準位置的預定范圍內為1,并在該范圍外為0,由以下式子給出
權利要求
1.一種圖像處理設備,包括邊界提取部件,用于從被檢眼的斷層圖像檢測視網膜層邊界;白斑提取部件,用于從所述被檢眼的眼底圖像提取白斑區域;配準部件,用于進行所述斷層圖像和所述眼底圖像之間的配準,并計算所述斷層圖像和所述眼底圖像之間的空間對應關系;指定部件,用于使用所述邊界提取部件所提取的視網膜層邊界、所述白斑提取部件所提取的白斑區域和所述配準部件所計算出的空間對應關系來指定所述斷層圖像中存在白斑的區域;可能性計算部件,用于針對所述指定部件所指定的區域計算白斑存在的可能性;以及斷層圖像白斑提取部件,用于使用所述可能性從所述指定部件所指定的區域提取所述斷層圖像中的白斑區域。
2.根據權利要求1所述的圖像處理設備,其特征在于,所述指定部件通過使用所述空間對應關系將所述白斑提取部件所提取的白斑區域投影到所述斷層圖像上來確定所述斷層圖像中的與從所述眼底圖像提取的白斑區域相對應的區域,以及所述指定部件基于該相對應的區域及其周圍區域中包括的視網膜層邊界來指定所述斷層圖像中存在白斑的區域。
3.一種圖像處理設備,包括邊界提取部件,用于從被檢眼的斷層圖像檢測視網膜層邊界;指定部件,用于使用所述邊界提取部件所提取的視網膜層邊界來指定所述斷層圖像中存在白斑的區域;可能性計算部件,用于針對所述指定部件所指定的區域計算白斑存在的可能性;以及斷層圖像白斑提取部件,用于使用所述可能性從所述指定部件所指定的區域提取所述斷層圖像中的白斑區域。
4.根據權利要求1 3中任一項所述的圖像處理設備,其特征在于,所述可能性計算部件根據離基準位置的距離來計算所述可能性,其中所述基準位置是基于所述指定部件所指定的區域中的視網膜層邊界而確定的。
5.根據權利要求1 3中任一項所述的圖像處理設備,其特征在于,所述可能性計算部件通過從將存在于視網膜層邊界之間的各像素的可能性的集合與視網膜層邊界之間的距離相關聯存儲的數據服務器中,獲取與所述指定部件所指定的區域中的視網膜層邊界之間的距離相對應的所述可能性的集合,來確定所指定的區域中的像素的可能性。
6.根據權利要求1 5中任一項所述的圖像處理設備,其特征在于,所述斷層圖像白斑提取部件提取所述指定部件所指定的區域中包括的具有大于相關閾值的可能性的各像素作為所述斷層圖像中的白斑區域。
7.根據權利要求1 5中任一項所述的圖像處理設備,其特征在于,所述斷層圖像白斑提取部件除了使用所述可能性以外,還使用像素的亮度和用于對亮度高于周圍區域的區域進行增強的濾波器的輸出值至少之一,與所述可能性以及所述亮度和所述濾波器的輸出值至少之一相關聯地來提取大于所述相關閾值的像素作為所述斷層圖像中的白斑區域。
8.根據權利要求1 7中任一項所述的圖像處理設備,其特征在于,當在通過連接被提取為白斑的像素而獲得的連接區域中、連接像素數小于連接閾值或者圓度小于預定程度時,所述斷層圖像白斑提取部件不將所述連接區域提取為所述斷層圖像中的白斑區域。
9.一種圖像處理方法,包括邊界提取步驟,用于控制邊界提取部件從被檢眼的斷層圖像檢測視網膜層邊界; 白斑提取步驟,用于控制白斑提取部件從所述被檢眼的眼底圖像提取白斑區域; 配準步驟,用于控制配準部件進行所述斷層圖像和所述眼底圖像之間的配準,并計算所述斷層圖像和所述眼底圖像之間的空間對應關系;指定步驟,用于控制指定部件使用所述邊界提取步驟中所提取的視網膜層邊界、所述白斑提取步驟中所提取的白斑區域和所述配準步驟中所計算出的空間對應關系來指定所述斷層圖像中存在白斑的區域;可能性計算步驟,用于控制可能性計算部件針對所述指定步驟中所指定的區域計算白斑存在的可能性;以及斷層圖像白斑提取步驟,用于控制斷層圖像白斑提取部件使用所述可能性從所述指定步驟中所指定的區域提取所述斷層圖像中的白斑區域。
10.一種圖像處理方法,包括邊界提取步驟,用于控制邊界提取部件從被檢眼的斷層圖像檢測視網膜層邊界; 指定步驟,用于控制指定部件使用所述邊界提取步驟中所提取的視網膜層邊界來指定所述斷層圖像中存在白斑的區域;可能性計算步驟,用于控制可能性計算部件針對所述指定步驟中所指定的區域計算白斑存在的可能性;以及斷層圖像白斑提取步驟,用于控制斷層圖像白斑提取部件使用所述可能性從所述指定步驟中所指定的區域提取所述斷層圖像中的白斑區域。
11.一種用于使計算機用作根據權利要求1 8中任一項所述的圖像處理設備的計算機程序。
全文摘要
一種圖像處理設備,包括邊界提取部件,用于從被檢眼的斷層圖像檢測視網膜層邊界;白斑提取部件,用于從被檢眼的眼底圖像提取白斑區域;配準部件,用于進行斷層圖像和眼底圖像之間的配準,并計算斷層圖像和眼底圖像之間的空間對應關系;指定部件,用于使用視網膜層邊界、白斑區域和空間對應關系來指定斷層圖像中存在白斑的區域;可能性計算部件,用于針對所指定的區域計算白斑存在的可能性;以及斷層圖像白斑提取部件,用于使用可能性從所指定的區域提取斷層圖像中的白斑區域。
文檔編號G06T1/00GK102458222SQ20108002452
公開日2012年5月16日 申請日期2010年5月13日 優先權日2009年6月2日
發明者今村裕之, 古川大介, 巖瀨好彥 申請人:佳能株式會社