JP2015231526A - 光コヒーレンストモグラフィ画像から組織特徴を取得する定量的方法 - Google Patents

Abstract

【課題】光コヒーレンストモグラフィ画像から組織特徴を取得する定量的方法を提供する。【解決手段】ＯＣＴ光学ビームの後方散乱および減衰が測定され、これらの測定値および色等の指標に基づいて、画像の各部分の後方散乱および減衰の特定値に対応して、その部分に割り当てられる。次いで、画像が指標とともに表示され、次いで、ユーザが組織特徴を決定することができる。代替実施形態では、組織特徴は、後方散乱および減衰値の組み合わせを与えられたプログラムによって、自動的に分類される。【選択図】図１

Description

（発明の分野）
本発明は、光コヒーレンストモグラフィを用いた組織特徴付けの方法を提供する。具体的には、部分的に、このような特徴付けは、組織の光学特性および画像特性を測定することによって行われ得る。

（関連出願）
本出願は、２００８年６月に出願された米国仮出願第６１／０５８，０７７号に対する優先権を主張し、この仮出願の開示は、本明細書においてその全体が参照により援用される。

（背景）
光コヒーレンストモグラフィ（ＯＣＴ）は、眼科学、心臓病学、胃腸病学、および医学の他分野で広く適用される干渉画像法である。小径光ファイバプローブを通して高分解能（２μｍ〜１５μｍ）で表面下の構造を眺める能力のため、ＯＣＴは特に内部組織および器官の低侵襲画像法に有用である。ＯＣＴシステムは、１秒当たり最大１００フレームの画像を生成することができ、数秒以内に拍動している心臓動脈の冠動脈を撮像することを可能にする。ＯＣＴは、時間領域（ＴＤ−ＯＣＴ）および周波数領域（フーリエ領域ＯＣＴまたは光周波数領域画像法、ＯＦＤＩ）の両方において実装することができる。

患者の身体部分のＯＣＴ画像化は、医者が治療の最適なタイプおよびコースを決定するのに有用な道具を提供する。例えば、血管内ＯＣＴによる冠動脈の画像化は、狭窄の位置、不安定プラークの存在、または動脈硬化プラークのタイプを明らかにする場合がある。この情報は、心臓病専門医が、薬物療法（例えば、コレステロール低下薬）、血管形成術およびステント挿入のようなカテーテルによる治療、または冠動脈バイパス手術のような侵襲的手術手技の、どの治療が患者に最も役立つであろうかを選ぶのを助ける。臨床医学におけるその用途に加え、ＯＣＴはまた、動物での薬物開発および臨床試験に非常に有用である。

正常な動脈は、内膜、中膜、および外膜（ａｄｖｅｎｔｉａ）から成る一貫した層状構造を有する。粥状動脈硬化過程の結果、内膜は病理学的には肥厚し、線維、プロテオグリカン、脂質、およびカルシウムだけでなく、マクロファージおよび他の炎症細胞をも含む、異なるタイプの組織で構成されるプラークを包含する場合がある。これらの組織型は、ＯＣＴによって測定することができる、異なる光学特性を有する。最も病理学的に有意であると思われるプラークは、根底にある脂質プールによる線維性被膜を有する、いわゆる不安定プラークである。

通常のＯＣＴ画像法システムでは、カテーテルに載置される光学プローブは、冠動脈血管内等、関心の対象となる点へと注意深く操作される。次いで、光学ビームが伝送され、後方散乱された信号が、干渉計を使用して、コヒーレント検出により受信される。プローブが所定のラインまたはエリアを介して走査されると、多くのデータラインを収集することができる。その後、画像（２Ｄまたは３Ｄ）は、よく知られる技術を使用して再構築される。次いでこの画像は、血管壁の肥厚およびプラーク構成等、病理学的特徴を査定するために、心臓病専門医によって視覚的に分析される。

組織型は画面上のその外形によって識別されるので、ある情報（組織型等）を容易に見分けることができないため、分析に誤りが生じる場合がある。標準的なＯＣＴ画像のみが、ＯＣＴ信号の強度情報を包含する。ＯＣＴ信号に影響を与える光学特性の小さい変化は、容易には見分けることができない。したがって、光学特性を測定し、科学者および臨床医を援助するように、光学特性を使用するＯＣＴシステムおよび方法を有するのは有利となるであろう。本発明はこの必要性に対応する。

（発明の概要）
方法は、以下の説明、図面、および特許請求の範囲により説明される。

概して、本発明は、ＯＣＴによって撮像された１つまたは複数の組織の特性を決定するための方法および装置に関する。一実施形態では、ＯＣＴ光学ビームの後方散乱および減衰が測定され、これらの測定値に基づいて、色等の指標が、画像の各部分の後方散乱および減衰の特定値に対応して、その部分に割り当てられる。次いで、画像が指標とともに表示され、次いで、ユーザが組織特徴を決定することができる。代替として、組織特徴は、後方散乱および減衰値の組み合わせを与えられたプログラムによって、自動的に分類することができる。

一局面では、本発明は、原位置で組織構成要素を識別するための方法に関する。一実施形態では、方法は、原位置で組織のＯＣＴ画像を撮影するステップと、ＯＣＴ画像の中の点で減衰および後方散乱を測定するステップと、測定された減衰および後方散乱に応じて、ＯＣＴ画像の中の点に対応する組織の中の位置で、組織の組成を決定するステップとを含む。別の実施形態では、方法は、後方散乱減衰空間における一対の座標を、後方散乱減衰空間における一対の座標の値の指標にマッピングするステップをさらに含む。一実施形態では、指標は色である。別の実施形態では、方法は、ＯＣＴ画像の中の点における測定された減衰および後方散乱に対応する、指標を表示するステップをさらに含む。

別の局面では、本発明は、原位置で組織構成要素を識別するためのシステムに関する。一実施形態では、システムは、原位置で組織のＯＣＴ画像を撮影するためのＯＣＴサブシステムと、ＯＣＴ画像の中の点で減衰および後方散乱を測定し、測定された減衰および後方散乱に応じて、ＯＣＴ画像の中の点に対応する組織の中の位置で、組織の組成を決定するための、ＯＣＴサブシステムと通信するプロセッサと、ＯＣＴ画像、ならびにＯＣＴ画像の中の点における測定された減衰および後方散乱に対応する指標を表示するための表示部とを備える。

別の局面では、本発明は、原位置で組織構成要素を識別するためのプロセッサ実装方法に関する。一実施形態では、方法は、（ａ）プローブを使用して、原位置で組織サンプルのＯＣＴデータセットを収集するステップと、（ｂ）組織サンプルの中の点で、減衰値および後方散乱値を測定するステップと、（ｃ）測定された減衰値および後方散乱値に応じて、ＯＣＴデータセットから形成されたＯＣＴ画像の中の画像位置に対応する、組織サンプルの中の位置で組織特徴を決定するステップとを含む。方法は、後方散乱減衰空間における一対の座標を、後方散乱減衰空間における一対の座標の値の指標にマッピングするさらなるステップを含むことができる。方法は、ＯＣＴ画像の中の点における測定された減衰および後方散乱に対応する、指標を表示するさらなるステップを含むことができる。組織特徴は、コレステロール、線維、線維質、脂質プール、脂質、線維脂肪、カルシウム小結節、カルシウム板、カルシウム斑、血栓、泡沫細胞、およびプロテオグリカンから成る群より選択することができる。指標は、例えば、色であることができる。指標はまた、オーバーレイ、カラーマップ、テクスチャマップ、およびテキストから成る群より選択することもできる。方法は、後方散乱、減衰、エッジシャープネス、およびテクスチャ測定から成る群より選択される特性を使用して、組織型を分類するさらなるステップを含むことができる。方法は、組織型分類を改善するように、集束効果を補正するさらなるステップを含むことができる。方法は、例えば、血液に関連する減衰効果といった、減衰効果に対処するように、角度強度補正を適用するさらなるステップを含むことができる。方法は、境界検出、管腔位置、およびＯＣＴ位置深度から成る群より選択される技術を使用して、組織特徴を決定するさらなるステップを含むことができる。

別の局面では、本発明は、原位置で組織構成要素を識別するためのシステムに関する。一実施形態では、システムは、（ａ）原位置で組織のＯＣＴ画像を撮影するためのＯＣＴサブシステムと、（ｂ）ＯＣＴ画像の中の点で減衰および後方散乱を測定し、測定された減衰および後方散乱に応じて、ＯＣＴ画像の中の点に対応する組織の中の位置で、組織の組織特徴を決定するための、ＯＣＴサブシステムと通信するプロセッサと、（ｃ）ＯＣＴ画像、ならびにＯＣＴ画像の中の点における測定された減衰および後方散乱に対応する指標とを表示するための表示部とを含む。組織特徴は、コレステロール、線維、線維質、脂質プール、脂質、線維脂肪、カルシウム小結節、カルシウム板、カルシウム斑、血栓、泡沫細胞、およびプロテオグリカンから成る群より選択できる。

別の局面では、本発明は、サンプルの組織特徴を識別するための光コヒーレンストモグラフィシステムに関する。一実施形態では、コンピュータシステムは、サンプルを走査することから生成される光干渉信号を受信するように構成され、かつ光干渉信号を電気信号に変換する検出器と、電子メモリデバイスと、メモリデバイスおよび検出器と通信する電子プロセッサとを含む。メモリデバイスは、プロセッサによって実行されると、プロセッサに、電気信号を分析させ、サンプルに対応する複数のデータセットを生成させ、複数のデータセットのうちの１つは、後方散乱データを備え、後方散乱データを第１の閾値と比較させ、後方散乱データは、サンプルの中の第１の位置にマッピングし、後方散乱データが第１の閾値を超える場合、第１の組織特徴を有するものとして、サンプルの中の第１の位置を特徴付けさせる、命令を含むことができる。一部の実施形態では、プロセッサはさらに、第１の組織特徴が、第１の位置に対して識別および表示されるように、サンプルのＯＣＴ画像を生成させられる。第１の組織特徴は、コレステロール、線維、線維質、脂質プール、脂質、線維脂肪、カルシウム小結節、カルシウム板、カルシウム斑、血栓、泡沫細胞、およびプロテオグリカンから成る群より選択することができる。一部の実施形態では、複数のデータセットのうちの少なくとも１つは、ＯＣＴ走査データ、減衰データ、エッジシャープネスデータ、テクスチャパラメータ、または干渉計データを含む。

本発明の目的および特徴は、以下に記載する図面および請求項を参照することで、より良く理解することができる。図面は必ずしも原寸とは比例せず、代わりに、概して本発明の原理を図示することに重きが置かれている。図中、符号は様々な図にわたって、特定の部品を示すのに使用される。開示に関連する図面は、導入される時、開示内で個別に取り上げられる。

図１は、本発明の実施形態に従う、一般的なＯＣＴデータ取得システムの概略図である。 図２は、本発明の実施形態に従い、半透明層とともにその中に配置される、画像プローブを伴う管腔の断面の概略図である。 図３Ａは、ＯＣＴデータを収集するのに使用される電磁波のビームに対する光学特性、幾何学的情報、およびパラメータを示す。 図３Ｂおよび３Ｃは、本発明の実施形態に従い、ＯＣＴデータ収集を行うのに使用される、プローブチップからのビーム距離の機能として、相対強度および利得それぞれのプロットを示す。 図３Ｂおよび３Ｃは、本発明の実施形態に従い、ＯＣＴデータ収集を行うのに使用される、プローブチップからのビーム距離の機能として、相対強度および利得それぞれのプロットを示す。 図４Ａは、本発明の実施形態に従い、その中に配置される画像プローブを伴う管腔の断面を示す。 図４Ｂは、本発明の実施形態に従い、プローブの回転角に対する例示的角度強度プロファイルを示す。 図５Ａ−５Ｂは、本発明の具体的実施形態に従う、ＯＣＴ画像のノイズ除去の例示的方法の適用からの結果を図示する。図５Ａはノイズ除去前の画像を示し、図５Ｂはノイズ除去方法の適用後の同一ＯＣＴ画像を示す。 図５Ａ−５Ｂは、本発明の具体的実施形態に従う、ＯＣＴ画像のノイズ除去の例示的方法の適用からの結果を図示する。図５Ａはノイズ除去前の画像を示し、図５Ｂはノイズ除去方法の適用後の同一ＯＣＴ画像を示す。 図６Ａは、本発明の実施形態に従い、光学特性抽出のための方法の一部として、ウィンドウを使用して処理されるＯＣＴ走査データを図示する。 図６Ｂは、本発明の実施形態に従い、関心領域を画定するように処理される、ＯＣＴ走査データを図示する。 図６Ｃは、本発明の実施形態に従い、１組のＯＣＴデータからある光学特性のモデルを作るのに使用される線形部分を伴う、データプロットである。 図７は、本発明の実施形態に従い、管腔の断面を図示し、管腔表面の自動検出および関心の対象となるＯＣＴ透過限度を実証する。 図８は、本発明の実施形態に従い、一次元のＯＣＴ軸方向走査上の区分回帰を使用して、組織の境界分布を行うのに適する、プロットされたＯＣＴデータセットを図示する。 図９は、カニーエッジ検出法を使用して組織の境界分布が生成されるように、ＯＣＴ走査を使用して得られる管腔の二次元断面を図示する。 図１０Ａは、壁の中の様々な組織を伴う、２つの位置でのビームの相互作用を示す、管腔壁の一部分の図形である。 図１０Ｂおよび１０Ｃは、本発明の実施形態に従い、図１０Ａに示す多層組織対象から減衰／後方散乱係数を抽出する方法で使用される、寸法および変数を図示する概略図である。 図１０Ｂおよび１０Ｃは、本発明の実施形態に従い、図１０Ａに示す多層組織対象から減衰／後方散乱係数を抽出する方法で使用される、寸法および変数を図示する概略図である。 図１１Ａは、本発明の実施形態に従い、後方散乱および減衰データに関する、例示的な組織の性質決定係数を示す、４つの画像データプロットを含む。 図１１Ｂは、本発明の実施形態に従い、異なる組織特性を区別するための方法を実装するのに適する、減衰および後方散乱データのカラーマップのプロットを示す。 図１１Ｃは、図１１Ｂに示すカラーマップを使用して強化されている、異なる組織特性を描写する、２つの例示的ＯＣＴ画像を示す。 図１１Ｄ−１１Ｅは、図１１Ｂおよび１１Ｃの線影付きバージョンを示す。 図１１Ｄ−１１Ｅは、図１１Ｂおよび１１Ｃの線影付きバージョンを示す。 図１２Ａおよび１２Ｂは、本発明の実施形態に従い、組織プレパラートおよびＯＣＴデータ処理による、組織の性質決定方法をそれぞれ図示する。 図１２Ａおよび１２Ｂは、本発明の実施形態に従い、組織プレパラートおよびＯＣＴデータ処理による、組織の性質決定方法をそれぞれ図示する。 図１３Ａは、本発明の実施形態に従い、マッピングされた組織型を伴う、例示的組織学画像を示す。 図１３Ｂは、本発明の実施形態に従い、図１３Ａで識別された組織型およびデータが、境界を伴ってマッピングされ識別された、ＯＣＴ画像を示す。 図１４は、図１２Ａ−１２Ｂに記載の方法を使用して、本物の人間の粥状動脈硬化プラークから得られたある組織特性に関する、減衰データ対後方散乱データのプロットを示す。 図１５Ａは、関心領域の組織特性をデータベースに追加された組織特性と比較する、組織の性質決定判別方法とともに使用するのに適する、減衰データ対後方散乱データのプロットを示す。 図１５Ｂは、本発明の実施形態に従い、コンピュータテクスチャのオーバーレイが、関心領域を記載するのに使用される、例示的ＯＣＴ組織性質決定画像を図示する。 図１６Ａは、本発明の実施形態に従い、図１４に示す後方散乱対減衰データを描写するプロットである。 図１６Ｂ−１６Ｃは、本発明の実施形態に従い、関心の対象となる境界用に測定されるような、エッジシャープネスおよびテクスチャ、それぞれを描写するプロットである。 図１６Ｂ−１６Ｃは、本発明の実施形態に従い、関心の対象となる境界用に測定されるような、エッジシャープネスおよびテクスチャ、それぞれを描写するプロットである。

以下の説明は、本発明のある実施形態を図示する付属の図面に言及している。他の実施形態も可能であり、本発明の精神および範囲から逸脱しない限りにおいて、実施形態に変形がなされてもよい。したがって、続く詳細な記述は、本発明を限定することを意味しない。むしろ、本発明の範囲は、添付する請求項によって画定される。

概して、本発明は、限定するものではないが、時間またはフーリエ領域かいずれかの光コヒーレンストモグラフィ（ＯＣＴ）等、概して低コヒーレンス干渉法（ＬＣＩ）と称するものに基づく光学的方法を使用して、血管壁の組織の性質を決定するための方法に関する。本願に記載する方法は、光学的較正、アーティファクト除去、関心領域からの正確な光学および空間パラメータ測定値の生成、組織の分割、組織型の判別分析等、半自動または自動の組織の性質決定で遭遇する問題を解決する。本願で使用する通り、判別分析は、画像またはデータを異なるクラスに分類することを指す。

本発明は、生物組織を特徴付けるように、ＯＣＴデータおよび画像を分析するための方法を提供する。本願に記載の方法は、具体的には血管組織に関する場合があるが、方法はまた、胃腸管、肺器官、および生殖器官の組織を含む、体の他の器官にある組織にも適用する。本発明の実施形態は、図１に関して以下に説明する、性質決定ソフトウェアおよび決定データベースを含む、ＯＣＴシステムおよびコンピュータデバイスと連動して動作する。具体的には、ＯＣＴコンソールおよびＯＣＴプローブは、血管から未加工のＯＣＴデータおよび復調データを獲得するのに使用される。このような文脈において、復調データは、グレースケール画像等のＯＣＴ画像、またはかかる画像と関連する根底にあるデータを指す。ＯＣＴデータは、プロセッサ等のコンピュータデバイスによって受信され、組織特徴に関する符号、テキスト、または図形情報が表示される、ＯＣＴ画像を生み出すのに使用される。

一部分において、本発明の実施形態は、ＯＣＴプローブによってアクセス可能なある管腔および組織の壁を評価するのに使用される。例示的な組織画像または組織データセットは、限定するものではないが、プラーク、脂質プール、およびステント配置ゾーンを含むことができる。通常、サンプルの組織学画像は、同一および無関係のサンプルの、ＯＣＴデータに基づく性質決定を自動化するのに使用される。本発明の一実施形態では、基準データ（例えば、組織学的に再検討されたサンプルからの正常な組織型データ）は、データベースに保存されたデータとのソフトウェア比較を使用して、特徴付けられるか、または生成される。一実施形態において、性質決定ソフトウェアは、図１２Ａに示すステップのうちの幾つかまたは全てを実装する。しかしながら、このソフトウェアは必要に応じて、本願に記載する通り、他の方法を実装することもできる。

概して、性質決定ソフトウェアの一実施形態は、組織学画像の中の関心領域の手動選択が基本である。実際の組織学データは、異なる組織型を識別するように評価される。順に、これらの識別された組織の評価は、同一のサンプル組織に対して得られたＯＣＴ画像と比較される。手動で識別された組織と、組織学画像の関心の対象となった構造とを比較することによって、ＯＣＴ画像の中の組織型および構造を自動的に特徴付けるために、訓練セットが生み出され、本願に記載のソフトウェアおよびプログラム論理のいくつかを可能にする。例えば、組織層Ａが組織学画像に識別された場合、同一の関心領域Ａ’は、対応するＯＣＴ画像で識別することができる。この過程は繰り返され、ＯＣＴ画像に異なる組織を設置するのに使用される、情報のデータベースを構築することができる。後方散乱および減衰データは、本過程を促進するために、以下に概要を述べる通りに使用することができる。本願に記載する方法の他の実施形態はまた、画像処理ステップ（焦点補正等）および光学特性測定を含む。

例示的サンプル測定セッションの一部として、初めに、１つ以上の組織サンプルが、ＯＣＴ走査データを収集するように、ＯＣＴを使用して調べられる。走査データが処理されると、組織サンプルに関してその結果得られたＯＣＴ画像は、画像アーティファクトに対し較正され補正される。次に、組織サンプルは断面にされ、異なる要素または特徴で構成するように画像の異なる部分を指定して、組織学画像を生み出す。組織サンプルは、組織学的方法（色素染色等）を使用して処理され、組織学画像または組織学データセットを生み出すようにデジタル化される。

一実施形態では、ＯＣＴ画像は、サンプルのＯＣＴ走査から反射された後、ＯＣＴプローブに到達する、後方散乱信号の画像マッピングである。一実施形態では、組織学画像は、色素染色を経験した本物の組織サンプルのデジタル化された顕微鏡画像であり、すなわち、組織学画像は色素分布を示すカラー画像である。色素はある分子および組織型に優先的に結合するので、組織学画像は、組織サンプルに分子／組織型をマッピングする。本願で使用される通り、組織学画像は、通常、組織または組織構造に関するデータ、あるいはかかる根底にあるデータから作り出された画像を含む。

組織学画像は、操作者が組織型（または性質決定）および関心領域（ＲＯＩ）を識別するのを可能にする。ＯＣＴ画像は、組織学画像に整合またはマッピングされる。一実施形態では、マッピングは手動で行われる。次に、性質決定ソフトウェアは、次いで、ＯＣＴ画像上で対応する領域を識別する。次いで、性質決定ソフトウェアは、少なくとも１つの組織の光学特性または空間特徴を計算し、その結果がデータベースに保存される。その後、統計分析が適用され、ＯＣＴデータ、および組織学において識別される組織型の両方を使用して、判別分析方法を形成する。

図１は、ＯＣＴ画像法システム１０の一般化された図の略図である。画像法システムは、通常、干渉計１２、広帯域光源等の光源１４、または光学ビームにサンプルアーム１６および基準アーム１８を提供する波長掃引源を含む。サンプルアーム１６は、ＯＣＴプローブ等の光走査装置を通して組織へ、光学ビームを送達する。一実施形態では、光走査装置は、サンプルアームの端部に取り付けられる回転トランスデューサであり、患者の体を通って関心領域へと注意深く走査される。走査プローブは、血管壁に実質的な平行ビームを提供する。基準アームは、別個の光学経路、またはサンプルアームとしてわずかに異なる位置であるが通常経路のいずれかに設置されてもよい、既知の内臓反射鏡を有する。サンプルアームおよび基準アームの両方からの後方散乱した灯火信号は、光干渉計１２で再び組み合わされる。

組み合わされた光干渉信号は、光検出器（または検出器の配列）２０によって電気信号に変換される。次いで、信号は、画像を構築するように使用される。一実施形態では、検出器は、処理および分析サブシステム２１と電気通信する。サブシステムは、プロセッサ２２と、データ取得モジュール２４と、分析ソフトウェアアプリケーション２６とを含むことができる。

プロセッサ２２はコンピュータシステムの一部分であるか、あるいは他のプロセッサベースのデバイスが様々なソフトウェアプログラム、またはデータ取得２４およびデータ分析モジュール２６等のプログラム論理を実行する。他の実施形態では、取得および分析システム要素はハードウェアモジュールである。一実施形態では、ソフトウェアは、以下に記載する通り、性質決定ソフトウェアと、関心領域を表示するためのグラフィカルユーザインターフェースとを含む。通常、プロセッサ２２は、メモリ（図示せず）およびデータベース２８と通信する。データベースは、以下に概要を述べる通り、全タイプのデータを保存し、様々な処理フェーズおよび段階に関与するように使用される。

ＯＣＴは、本グループの画像法システムのうちで現在最も広く普及している変異形である。市販されているＯＣＴシステムのサンプルアームは、顕微鏡、前方視型内視鏡、および側方視型内視鏡を含む、多くの構成を有する。一般化による損失なしに記述を単純化するために、側方視型内視鏡付きＯＣＴは、以下で本発明を記述するための非限定的な例として使用される。本構成では、光学プローブは、サンプルアーム１６で内視鏡カテーテルの中に載置される。実質的な平行ビームは、側面に載置される光学プローブから退出する。通常、カテーテルおよびプローブは、２Ｄ走査を生成するために回転し、３Ｄ走査を生成するために回転する間に、引っ張られるかまたは前進することができる。

ＯＣＴ信号は、離散した光の画像容量から収集した光として記述することができる。サンプル内の離散した位置からの信号は、画像データセットを含む。いずれの位置から検出された信号は、光学画像法システムの特徴に加えて、散乱要素のサイズ、屈折率、密度、幾何学的配置によって判別される。異なる組織は異なる化学組成および顕微鏡的構造を有するため、それらの外形はＯＣＴ画像において異なる。外形の質的差異が、プラークを識別し特徴付けるのに、臨床的に使用されている。しかしながら、この質的方法は、広範囲の経験を必要とし、機器および人間の間違いを起こしやすい。組織性質決定の助けとなるように、本発明は、定量的測定を組み込む様々な手段を提供する。一部の実施形態では、本組織性質決定は、プロセッサ２２および性質決定ソフトウェアを使用して、自動的に行われる。

本発明の一実施形態では、性質決定ソフトウェアは、ＯＣＴデータを入力し、信号強度を較正し、フィルタリングを介してデータ品質を強化し、画像アーティファクトを補正し、操作者によって識別される全組織の関心領域または特定の関心領域に対するパラメータを計算し、組織型または性質決定を識別するように、データベースに保存されたパラメータを使用する。本実施形態では、性質決定ソフトウェアは、ＯＣＴデータからの組織の光学特性または空間特徴の少なくとも１つを識別する。組織の光学特性は、計算され表示される。個々の組織の光学特性は、個別にまたは組み合わせてかのいずれかで表示される。

組織の光学パラメータを計算するために、多くの光学モデルが使用できる。本発明の一実施形態では、組織の光学パラメータは、単一散乱体理論に基づき、データに一致することによって抽出することができる。本発明の別の実施形態では、光学パラメータは、多重散乱体効果を含む、拡張されたホイヘンス‐フレネル（ＥＬＦ）理論等のモデルによって抽出することができる。

一実施形態では、以下に述べる通り、Ｐ（ｚ）は受信されるＯＣＴ信号の電力である。単一散乱理論に従い、深度ｚ０からｚ１までの、均一サンプルから収集されたＯＣＴ信号電力Ｐ（ｚ）は、下記式によって記載される。

ｚはサンプルの中の深度であり、Ｋは送達された入射電力であり、Ａ（ｚ，φ）は光学システム効率であり、Ｔ（ｚ０）は組織表面から深度ｚ０への光伝達効率であり、μｂは組織の後方散乱係数であり、μａは組織の減衰係数である。Ａ（ｚ，φ）では、角度依存φは、カテーテルの回転および血液の減衰により引き起こされる、ビーム送達効率が異なることから生じる。ｚ依存は、発散ビーム集束プロファイル等の要因によって引き起こされる。組織の後方散乱係数および減衰係数は組織型の特徴であり、組織特徴を決定するために、ある実施形態で使用される主な光学パラメータである。特定の画像設定に対して、Ｋ値およびＡ（ｚ，φ）値は、一定である。特定の関心領域に対して、Ｔ（Ｚ０）はまた、定数である。しかしながら、一部の実施形態では、これらの定数からの変動があり得る。上記の異なるパラメータに対して実質的に一定の動作を仮定すると、ｌｏｇ［Ｐ（ｚ）］および深度ｚの間の線形関係は、合理的な想定である。したがって、直線は、走査深度とＯＣＴシステムにより受信される信号との間の関係を説明するデータに一致し得る。本線形モデルには様々な使用法がある。例えば、本線形モデルに基づいて、減衰係数は一致する直線の勾配から計算することができる一方、後方散乱係数は一致する直線の補正値から計算することができる。

深度パラメータに関して、ｚ依存は、以下に述べる通り、図３Ａおよび３Ｂによって図示されている。順に、ｚ依存は、図３Ｃに示すデータに一致するモデルを使用して解決することができる。φ依存は、ある技術を使用して対処することができる、多くの影響を及ぼす要因を有する。一実施形態では、φ依存は、以下に記載する通り、図４Ｂのデータに一致するモデルを使用して解決される。

ＯＣＴ画像装置およびサンプルアームビーム送達デバイスは、様々な光学効率を有する。ノイズ減算およびフィルタリングに加えて、組織の光学特性の正確な測定を保証するために、画像システムは注意深く較正されなくてはならず、様々なアーティファクトも除去されなくてはならない。図２に示す通り、サンプルプローブから退出する光の強度を較正するために、本較正方法の一実施形態は、既知の後方散乱係数を有する半透明層の材料３０を、光学プローブ３２の周囲に置く。示す図では、両方が関心の対象である管腔３４の中に配置されている。

この層３０からのＯＣＴ強度は、プローブから退出する光の強度に比例し、それにより、較正された光学基準を提供する。この半透明層３０は、カテーテルの外筒、最も外側の外筒と光ファイバプローブとの間の層、または光ファイバ上の特定の半透明コーティングの形態を取ることができ、カテーテルの外筒または中間にある他の構造層は、較正された反射係数を有する。より詳細に本実施形態を考察するには、例示的ＯＣＴプローブの構成要素を再検討するのが有用である。

一実施形態では、ＯＣＴプローブは、１枚以上のプラスチックまたはガラスの層によって包囲される、回転光ファイバ３２で構成される。これらは、実質的に固定された保護外筒を構成する。部分反射鏡は、層３０（外筒の一部分である）か、あるいは光ファイバまたはＧＲＩＮレンズアセンブリ内部のインターフェースのいずれかであり得る。層３０を使用する利点は、層３０の強度が、概してＯＣＴ画像に可視化されることである。層３０の欠点は、より大型で複雑な構造である。この大型サイズおよび複雑さは不均一である場合があり、層全体が回転依存性を有している場合がある。インターフェースを反射鏡として使用する１つの利点は、ファイバと共に回転することである。故に、可能性のある回転依存性から損害を被ることはない。インターフェースの欠点は、正常なＯＣＴ走査範囲の外側に及ぶ（すなわち、正常なＯＣＴ画像範囲がファイバ先端のまさに遠位で始まる場合、ファイバ先端の近位）場合があることであり、このインターフェースを捕捉するように、ＯＣＴ走査範囲を内側に向けて調整する必要があり、外側の走査領域の同等部分を失う場合もある。

部分反射鏡３０は、送達される入射光強度（Ｋ）を較正するのに使用される。部分反射層３０は、既知の強度のレーザを注入し、反射した信号強度を記録することによって較正することができる。

ＯＣＴ走査を行うのに適する光学ビーム等の電磁ビームが図３Ａに示され、ｗ０はビームウエストであり、ｚ０レイリー範囲である。有限波長のため、画像法で使用される光学ビームは、ビームウエストから発散されるガウスビームである。光学ビームは、ローレンツ関数によって記述することができる、ビーム集束プロファイルを産生する。

式１．２において、Ａ（ｚ）は深度ｚにおける光の強度であり、ｚ０はレイリー範囲であり、ｆはレンズアセンブリの焦点距離である。均質媒質では、発散ビームのプロファイルは、図３Ｂに示す通り、焦点面に達し、転がって左右から落ちる、ＯＣＴ強度パターンを産生する。ピンぼけによる強度の損失を補正するために、画像プローブの焦点距離が測定され、式（１．２）の逆数がＯＣＴ信号Ｐ（ｚ）に適用される。焦点面から離れた領域でノイズの過剰ブースティングを抑制するために、図３Ｃに示す通り、増幅率は焦点から遠くに限定される。

図４Ａに示す通り、ＯＣＴデータを収集するのに適するプローブ５０が、断面で示されている。体内ＯＣＴ画像化の間、光学ビームは、血管壁に到着する前に、多くのカテーテル外筒層および液体層（食塩水またはフラッシング剤等）を通って移動する。これらの層は、上手く予想することができない、ある量の減衰を始める場合がある。光が斜角で組織に衝突する場合、一部のその強度は、表面反射で失われる場合がある。図に示す通り、管腔境界５３が表層５５に対して示されている。表層５５は、深度寸法で管腔境界から数コヒーレンス長離れて組織を含み、分割型である。管腔境界（内側の実線）と点線との間の領域は「表層」であり、φはプローブの回転角である。

これらの効果を補正するために、表層５５および他の生体サンプルが、管腔境界の真下に線維質組織の均一層で構成される場合、表層５５をＡ（ｚ，φ）のφ依存に対する較正基準として使用するのが合理的である。これを行うために、管腔と血管との間の境界５３は、手動による選択または自動プログラムのいずれかによって見つけられる。次いで、領域の中のＯＣＴ強度は、図４Ｂに示す角度依存強度プロファイルを与えるように、深度に対して平均化される。加えて、図４Ｂは、表層から得られたφの関数としての、角度依存強度プロファイルを示す。

図４Ｂに示すこのプロファイルの逆数は、ＯＣＴ信号に適用される。逆数プロファイルの適用は、回転依存強度の変動および管腔の中における不均一な血液の減衰を補正する。例えば、かかる逆数プロファイルをＯＣＴ画像に適用することで、図４Ａに示す画像が生じるであろう。概して、様々なプロファイルおよびモデルは、本願に記載する通り、ＯＣＴ画像の品質を改善するのに使用される。組織の性質決定の別の問題が、組織の境界を区別し、他の関心領域を区別するのをより困難にする、望まないノイズによって起こる。

ＯＣＴ画像ノイズは、いくつかの構成要素、すなわちショットノイズ、レーザーノイズ、および電気ノイズを有する。ＯＣＴ画像はまた、スペックルによって劣化する。スペックル効果は、コヒーレント画像法に固有であり、光学特性測定の正確性を減少し得る。高分解能の精度を維持するために、空間分解能を劣化することなく、空間ノイズを除去するノイズ除去手順が行われる。図５Ａは「手順前」の画像を示す一方、図５Ｂは、ノイズ除去手順の適用後の改善された「手順後」の画像を示す。適するノイズ除去技術およびアルゴリズムは、当業者には既知である。

図６Ａに示す通り、本発明の一実施形態では、画像データのウィンドウＷは適切なサイズを取る。このウィンドウは、時間とともに異なる関心領域を選択するように、図６Ａに示す通り、移動することもできる（図６Ｂ、ＲＯＩＡ参照）。代替として、ウィンドウＷのサイズを変更することもできる。一実施形態では、人との相互作用または自動的な分割方法が必要とされない場合、ウィンドウは、特定サイズの一次元、二次元、または三次元の点、領域、あるいは容量を指す。このウィンドウＷは、閉鎖された領域が、十分な空間分解能を維持しながら、信頼できるモデルフィッティングに十分な量のデータを提供するようなサイズに決定される。ウィンドウＷの軸方向の直線（点、平面、または他の要素）は、そのウィンドウに対して深度プロファイル（または他のプロファイル）を産生するように平均化される。モデルフィッティングは、そのデータウィンドウに対応する光学特性を獲得するように、深度プロファイルに適用される。例えば、単一散乱モデルが採用される場合、深度プロファイルは、線形モデルの一致を促進するために、図６Ｃに示すのと同じ対数尺度である。次いで、直線のフィッティングがプロファイルに適用される。式（１．１）に基づいて、直線フィッティングの補正値が、後方散乱係数の測定を提供する一方、勾配は減衰係数の測定を提供する。

初期データが収集されると、次いで、ウィンドウＷは、画像の中の異なる位置で光学特性を得るために、ＯＣＴ画像の内側に移動する（ウィンドウの可能な移動方向を示す、図６Ａに示す矢印を参照）。別の実施形態では、関心領域（例えばＲＯＩＡ）は、人間の操作者によってか、あるいはプロセッサベースのコンピュータプログラムまたは他のソフトウェアモジュールのいずれかによって描かれる。例示的な関心領域ＲＯＩＡが図６Ｂに示されている。図６Ｂに示すような、関心領域の内側のＯＣＴデータは、深度プロファイルを産生するように平均化される。順に、関心領域の光学特性は、図６Ｃに示す線形データのフィッティング等、モデルフィッティングによって得られる。

動脈等のある管腔の壁は、異なる組織の構成要素を含む、層状構造である。一部の実施形態では、図６Ｃに示す線形モデルフィッティングのみが、単一管腔層に対して正確である。したがって、多層状構造の中の関心領域に対する光学特性を得るために、管腔表面およびＯＣＴ透過限度範囲は、最初にＯＣＴ画像またはＯＣＴ画像から得られた光学特性を処理することによって見つけられる。一実施形態では、これは自動コンピュータプログラムによって行う。図７では、外側境界ＢＯＣＴは、ＯＣＴシステムの透過限度を示す。対照的に、管腔の内側境界は、内側境界ＢＬｕｍによって示されている。画像プローブＰｃｓの断面もまた示されている。示す通り、外側境界ＯＣＴの可視性は、自動コンピュータプログラムによって強化されている。

多層状構造を分析し、光学特性データを獲得するのに加え、異なる組織型間の境界もまた、関心の対象である。本発明の一実施形態では、組織の境界検出は、単一深度走査を分析することによって得られる。かかる境界検出の例は、図８の例示的ＯＣＴデータプロットおよび線形曲線フィッティングモデルを使用して理解することができる。深度プロファイルは、区分モデルと適合する。示す通り、制限するものではないが、異なる線形部分（Ｐ１−Ｐ３）が示されている。図８に示すように、区分直線化が完成すると、不連続または切断点が組織境界を示す一方、各線分は１つの組織型を示す。例えば、図８では、Ｐ１は線維組織を表すかまたは線維組織に対応し、Ｐ２は石灰化組織を表すかまたは石灰化組織に対応し、Ｐ３は脂肪組織を表すかまたは脂肪組織に対応する。Ｐ１とＰ２との間の不連続は、線維組織と石灰化組織との間の組織境界を示す。

本発明の別の実施形態では、組織の境界検出は、２Ｄまたは３ＤのＯＣＴ画像を分析するか、あるいは人間の操作者または自動アルゴリズムによって得られる。かかる境界検出の例は、図９に図示されている。示す通り、管腔の２次元ＯＣＴ画像が示されている。管腔Ｌおよび石灰化Ｃ境界は、自動エッジ検出方法、例えば、エッジ検出アルゴリズムで示される。

組織の境界検出が完成すると、補正された光学特性が、計算モデルによって検索される。かかるモデルの一例は、走査される境域と画像カテーテルとの間のいずれの層による累積減衰の量によって、後方散乱を相殺する。図１０Ａに示す仮説上のＯＣＴ画像に対して、最初、組織領域Ｙは、上に概説した方法により分割され、包囲する組織領域Ｘとは異なる光学特性を有する。ＯＣＴ画像には最大Ｎ本の走査線があってもよい。一般性を喪失することなく、２本の走査線Ｓ１およびＳ２を考慮することができる。これら２本の走査線は、Ａ１、Ｂ１、Ｃ１およびＡ２、Ｂ２、Ｃ２それぞれで、管腔表面、組織Ｙの上部境界、ならびに組織Ｙの底部境界と交差する。線分Ａ１Ｂ１およびＡ２Ｂ２の長さが、それぞれｄ１およびｄ２である場合の、Ｓ１およびＳ２の強度プロファイルが、図１０Ｂおよび１０Ｃにそれぞれ示されている。強度プロファイルＳ１およびＳ２の勾配Ｓｘ，ｉならびにＳＹ，ｉは、それぞれの領域で計算され、添字ｉは異なる走査線を示す。

ノイズおよびスペックルの影響を減少するために、次いで、組織ＸおよびＹの減衰係数は、全走査線の勾配の平均として計算される。組織Ｘの後方散乱係数は、ＡｉとＢｉとの間の強度プロファイルの補正値として計算される。しかしながら、組織Ｘの減衰効果のため、組織Ｙの後方散乱係数は、ＢｉとＣｉとの間の強度プロファイルの補正値によって、平易に計算することはできない。別の方法は使用される。具体的には、組織Ｙの上部の組織Ｘのための減衰による補正値への影響は、次の式を使用して相殺することができる。

上記式では、Ｏｙ，ｉは組織Ｙの直線フィッティングの補正値であり、Ｓｘ，ｉは組織Ｘの直線フィッティングから計算され、ｄｉは組織Ｘの厚みであり、Ｏ’ｙ，ｉおよびＯｙ，ｉはそれぞれ組織Ｙでの直線フィッティングの相殺補正値ならびに元の補正値である。Ｓｘ，ｉは組織Ｘでの直線フィッティングの勾配であり、ｄｉは組織Ｘ内部の走査線が及ぶ深度である。

ノイズおよびスペックルの影響を減少するために、次いで、組織ＸおよびＹの後方散乱係数が、全走査線の相殺された補正値の平均として計算される。上の例において、仮説上の画像は２つの組織層のみを有するが、方法は、上部から反復して底層の補正値を相殺することによって、多層ＯＣＴ画像へ拡張することができる。

本発明の別の実施形態は、２Ｄまたは３Ｄ画像に基づいて、特定の組織型に関連する画像特徴の抽出に関する。これらの特徴は、深度依存走査線からのみ抽出されるのではなく、むしろ隣接走査のパターンの分析による。一例は、カルシウム組織および脂肪組織の分化である。ＯＣＴでは、両方の組織型が信号の不良として表れる一方、周辺の線維質または基本組織は良好な信号として表れる。しかしながら、カルシウム組織と線維質組織との間の境界は、大抵鮮明である一方、ＯＣＴにおける脂肪組織と線維質組織との間の境界は、大抵拡散的である。境界のシャープネスは、画像輝度（エッジの尖鋭度）の導関数を測定することによって、数量化することができる。その他数量化可能な局所画像の特徴は、テクスチャおよび形状情報を含む。

境界のシャープネスを測定するための、１つの半自動的方法は、操作者がエッジライン、またはエッジラインを包囲する小さいエリアをおおよそ事前に選択する必要がある。次いで、エッジ検出アルゴリズム（カニーエッジ検出器または領域拡張法等）が、エッジの正確な位置を検出するために使用される。エッジラインにわたるグレーレベルの変動により、エッジ尖鋭度の尺度が与えられる。エッジ尖鋭度の値は、プラークの信号と周辺組織との間の内側対外側の差を数量化することによって、計算される。

コンピュータビジョンでは、テクスチャは大抵、輝度における局所変化のパターンを指す。ＯＣＴ画像では、テクスチャはスペックル形成に密接に関係し、散乱要素または構造の密度およびサイズ分布から影響を受ける。血管画像法では、類似の焦点条件下において、テクスチャは組織型と相関があるように観察される。例えば、大型で密に充填されたマクロファージ泡沫細胞は、大きいスペックルを形成し、「固形の」テクスチャを呈する一方、小さい散乱要素で緩やかに充填されたプロテオグリカン分子は、小さいスペックルを形成し、「ゲル上の」テクスチャを呈する。強度統計（ヒストグラムまたは分散値）、局所パターン分析（例えば、空間グレーレベル同時生起マトリクス）、またはスペクトル分析に基づく方法を含む、コンピュータビジョンにおけるテクスチャ情報を数量化する数々の方法がある。

異なる粥状動脈硬化プラークは、異なる幾何学形状を有する。例えば、泡沫細胞は大抵、大型脂質プールの肩部上に、リボン様の特徴を形成する。順に、中膜が血管等の周囲に環のように現れる。形状情報は、現在、ＯＣＴ画像の数量評価で使用されている。コンピュータ化された形状分析では、稠密度、フーリエ記述子、中心の不変モーメント、およびコード長分布が、最も一般的に使用される方法である。形状情報は、２Ｄ形状、３Ｄ形状、または両方のいずれかであり得ることは理解されたい。

光学後方散乱係数、光学減衰係数、画像エッジシャープネス、画像テクスチャ、画像形状は、組織のパラメータとして上に詳細に記載しているが、本発明はこれらのパラメータに限定されるものではないことは理解されたい。したがって、他のパラメータ（光学的異方性因子等）も本発明の範囲内である。上記パラメータを導くモデルおよび計算方法は、可能な方法である一方、本発明の範囲内である、他の物理的モデルまたは計算方法があることも理解されたい。

光学的組織および画像特性の定量的測定は、臨床的解釈を助けるように、ＯＣＴ操作者に対して表示することができる。一実施形態では、組織特性は個々に表示される。別の実施形態では、複数の組織特性が、連結表示方法を使用して、共に表示される。例えば、図１１Ａに示されている２つの組織断面がある。減衰係数および後方散乱係数は、グレースケールのマッピングを使用して、個々に示されている。図１１Ｂは、カラーマップが後方散乱および減衰測定値を組み合わせるように導き出される、連結表示方法を示している。文字「Ｃ」、「Ｆ」、および「Ｌ」は、石灰化、線維質、および脂肪組織それぞれの平均後方散乱ならびに減衰係数の位置を示している。図１１Ｃは、図１１Ｂの中に画定されたカラーマップを使用して、図１１Ａの中の後方散乱および減衰測定値を組み合わせた画像を示している。図は黒白で公開されるため、図１１Ｄおよび図１１Ｅは、図ＢおよびＣのカラーマップを線影付きテクスチャマップと置き換えることで示している。プラークを可視化するこの方法を使用して、コントラスト促進の改善を獲得することができる。テクスチャマップの代わりに、真の色またはシンボルを使用する、カラーマップあるいはシンボル符号化マップも使用することができ、大抵可視化の改善を生成することは理解されたい。

本発明の別の実施形態では、性質決定ソフトウェアが、関心の対象であるサンプルの中で、画像分割を生成し、組織境界を画定し、組織要素を識別するように、ＯＣＴデータおよび測定された組織の光学特性を分析する。組織パラメータは、それぞれの組織サンプルまたはその要素に対して計算され、データベースに保存されるパラメータと比較される。これらの結果に基づいて、組織型または性質決定が、単変量または多変量判別分析あるいは分類に従って、その要素の組織サンプルに対して割り当てられる。一実施形態では、計算された組織パラメータは、数字または色分けされた画像（例えば、離散色、グレースケール）として表示される。別の実施形態では、導き出された組織型は、テキストまたは色分けされた画像（例えば、離散色、グレースケール）としてユーザに表示される。これらの特徴について、以下により詳細を記載する。

組織の光学および画像特性の定量的測定を生成し分析する別の方法が、図１２Ａおよび１２Ｂに示されている。一実施形態では、２つの主要フェーズを使用することができる。第１のフェーズは、分析およびデータベース追加フェーズであり、第２のフェーズは患者の組織性質決定フェーズである。これらのフェーズは、図１に示すデータベースおよびソフトウェアを使用して行うことができる。

図１２Ａに示す通り、データベース追加フェーズでは、血管サンプルが切除および準備され（ステップ１０１）、ＯＣＴデータが血管の一部分から収集される。組織学データ（ステップ１０３）およびＯＣＴデータ（ステップ１０４）は、示す通り、並行して収集される。一実施形態では、一定の測定値を生成するように、ＯＣＴデータは較正され、アーティファクトは除去される。一実施形態では、データ処理ステップ（ステップ１０８）が行われる。データ処理ステップは、限定するものではないが、上記に文字でおよび図２、３、４、５に記載する、システム電力を較正し、集束効果を補正し、角度依存を補正し、ノイズ除去するステップを含むことができる。調べられた血管部分は、標準的組織学処理によって、分割され処理される。特定の組織型（または血管の性質決定）を取り囲む関心領域は、ある判断基準を使用して、操作者または機械によって識別される（ステップ１１２）。関心領域は、ＯＣＴ画像データまたはプロセッサ生成のＯＣＴ画像にマッピングされる（ステップ１１４）。光学特性および空間特徴抽出（ステップ１１８）も行うことができる。最後に、いずれの解決された組織特性を、将来の分析用にデータベースに保存することができる（ステップ１２２）。

同様に、図１２Ｂは原位置で組織型を識別する方法を示している。この方法は、ＯＣＴデータを収集するステップ（ステップ１２６）を含む。収集されると、このＯＣＴデータは、走査された管腔または関心の対象となる他のサンプルに対して、ＯＣＴ画像を生成する（ステップ１３０）ように使用される。一実施形態では、次いで、ＯＣＴ画像が、データ処理ステップ（ステップ１３４）に供される。それから、上に概要を述べた通り、光学特性および空間特徴抽出（ステップ１３８）を行うことができる。組織型識別子またはサインが、上に述べた通りに生成される（ステップ１４２）。次に、いずれの適する組織型識別子またはサインが、関連データベースに保存される（ステップ１４６）。この点で、本番に記載する様々なタイプの統計分析（ステップ１５０）が、組織型識別子またはサインを使用して、ＯＣＴ画像の中で特定の組織型を識別するように行うことができる。

データベース追加フェーズの間、異なる組織型が識別され、組織学画像上にマッピングされる。保存されるこれらの組織識別子またはサインは、新規ＯＣＴ走査のための組織要素および関心の対象のタイプを自動的に識別するように、将来使用することができる。対応する領域はまた、ＯＣＴデータまたは画像の中で識別される。かかるマッピングされた組織学画像の例は、組織型（例えば、線維（「Ｆ」）、石灰化（「Ｃａ」））が識別された、図１３Ａに示されている。対応するマッピングされたＯＣＴ画像は、図１３Ｂに示されている。少なくとも１つの光学特性および他の画像特徴が抽出され、組織特性データベースに保存される。上記過程は、パラメータの定量的測定の精度を増加するのに望ましいのと同じくらいの回数、それぞれの組織型およびそれぞれの性質決定に対して繰り返される。

データベースで使用するのに適するデータの例が、３つの組織型の減衰および後方散乱係数がプロットされる、図１４に示されている。プロットに示す通り、石灰化、線維、および脂肪組織は、減衰／後方散乱空間の中のそれらの位置によって区別可能であるクラスタを形成し、それが組織の性質決定の基礎となる。組織の性質決定フェーズでは、調べられる血管は、ＯＣＴで画像化される。画像は較正され、アーティファクトは除去される。次いで、関心領域は操作者の入力、または自動分割アルゴリズムのいずれかによって生成される。光学特性および他の画像特徴は、関心領域から抽出される。定量的測定は、第１のフェーズで生成された組織特性データベースと比較される。

ＲＯＩの組織特性をデータベースと比較し、組織型を割り当てる、多くの統計方法がある。本発明の一実施形態では、組織特性に基づいて組織型を識別するように、判別分析方法（または分類分析方法）が使用される。例えば、異なる組織型は、異なる光学後方散乱係数μｂおよび減衰係数μａを有する。検査されるいずれのＲＯＩに対して、両方のパラメータが測定される。故に、データベース追加フェーズの間に、異なる組織型の対（μｂ、μａ）が得られる。

性質決定フェーズの間、組織ＲＯＩの対（μｂ、μａ）が得られ、マハラノビス距離が、新規に獲得されたＲＯＩの対と、データベースからの対の値との間で計算される。計算から、最適の合致を見つけるよう決定される。例えば、図１５Ａに示す通り、距離はデータベースの中の線維に対するＲＯＩ間で最短であり、ＲＯＩはある程度の信頼で線維質組織と特徴付けられる。性質決定の結果は、色分け画像として表示するか、または可能な組織の性質決定を説明するテキストの説明文を使用して、表示することができる。図１５Ｂはかかる性質決定の例であり、グレーの点で描いた領域全体が線維質領域を表す一方、底部の「−」の点で描いた領域は脂質領域を表す。異なる色分けまたは選択的に印を付けられた組織領域、および関連のコード化された説明文は、制限するものではないが、線維、脂質プール、線維脂肪、カルシウム小結節、カルシウム板、カルシウム斑、血栓、泡沫細胞、プロテオグリカン、およびその他を含む。図１５Ｂおよび図１１Ｃは関連しているが異なる。図１５Ｂでは、組織型は臨床医のために事前に分類される一方で、図１１Ｃでは、造影画像が表示されるが、組織型の決定は、画像を解釈する時に、臨床医によってなされる。

判別または分類分析用の光学特性および画像特徴は、後方散乱係数および減衰係数に限定するものではなく、限定するものではないが、エッジシャープネス、テクスチャパラメータ、プラーク幾何学形状等を含むことにも留意されたい。加えて、かかる分析を行うためのアルゴリズムは、マハラノビス距離分析に限定するものではなく、様々な統計方法を含む。生物組織は複合体である。後方散乱および減衰測定値を組み合わせるのみで区別することが到底できない、多くの組織型およびサブタイプがある。例えば、泡沫細胞組織および脂質の両方は、高い後方散乱および減衰を有する。石灰化およびある疎性結合組織の両方は、低い後方散乱および低い減衰を有する。加えて、大抵、異なる組織型の間では、後方散乱および減衰測定値に対していくつかのオーバーレイがある。例えば、いくつかの大型石灰化プラークは、内側に埋め込まれた小さい脂質または線維質組織ポケットを有し、それゆえより高い後方散乱係数を有する。これらの場合には、組織の性質決定を援助するかまたは細緻化するように、さらなる光学または画像パラメータを作る必要がある。

さらなるパラメータが、組織の性質決定を援助または細緻化するために使用されてもよい。図１６Ａには、図１４に示す後方散乱対減衰プロットを要約したプロットがある。脂質／泡沫細胞組織に対する石灰化の間に著しいオーバーレイがある。脂肪組織および泡沫細胞組織もまた、類似の特性を有する。したがって、このプロットのみに基づく判別方法は、高精度でこれらの組織型を区別するのに十分ではない。

図１６Ｂは、石灰化組織および線維質組織によって形成される境界と、石灰化組織および脂肪組織によって形成される境界とに対して測定される、エッジシャープネスのプロットを示している。著しい差異が、２つのタイプの境界の間のエッジの遷移幅に対して発見された。故に、図１６Ｂは、組織分類をさらに精緻化するのに使用することができるであろう。

ＯＣＴ冠動脈画像法では、泡沫細胞もまた、病気の状態の重要な指標である。泡沫細胞は大抵、拡大されたマクロファージ、または脂肪滴で充填される筋細胞である。これらの脂肪滴の存在のため、それらをいくつかの脂肪組織と区別するのがしばしば困難である。しかしながら、泡沫細胞は大型細胞であり、しばしば様々なサイズの群にクラスタ形成されるため、大抵細胞外脂質から構成される脂肪組織とは異なるテクスチャの外形を有する傾向がある。

図１６Ｃは、脂質およびマクロファージ組織用の、テクスチャパラメータであり、グレーレベル同時生起マトリクスを示している。グレーレベル同時生起マトリクス計算は、Ｍａｔｌａｂ（Ｍａｔｈ Ｗｏｒｋｓ社、マサチューセッツ州ナティック）等、多くの標準的な商用画像処理ソフトウェアで利用可能である。依然テクスチャ測定の点で、脂質と泡沫細胞との間にオーバーレイがあるものの、さらなる情報が、組織の性質決定制度を改善するのを援助する。

上記分析とは、後方散乱および減衰を分析した後に、エッジシャープネスおよびテクスチャ測定を分析することである。他の実施形態では、分析および比較の全てを、並行して、または組み合わせ直列／並列ステップで行うことができる。図１６に示すデータおよび決定は例であり、さらなるパラメータおよび閾値は、関心の対象であるいずれの適する組織を識別するように、上記の通り組織学データを使用して訓練される、ＯＣＴシステムとともに使用することができる。

（非限定的なソフトウェアの特徴およびＯＣＴ方法およびシステムを実装するための実施形態）
本発明は、限定するものではないが、プロセッサ（例えば、マイクロプロセッサ、マイクロコントローラ、デジタル信号プロセッサ、または汎用コンピュータ）とともに使用するためのコンピュータプログラム論理、プログラム可能な論理デバイスとともに使用するためのプログラム可能論理（例えば、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）または他のＰＬＤ）、個別部品、集積回路（例えば、特定用途向け集積回路（ＡＳＩＣ））、またはそれらのいずれの組み合わせを含むいずれの他の手段を含む、多くの異なる形状に統合されてもよい。本発明の典型的な実施形態では、ＯＣＴプローブおよびプロセッサベースのシステムを使用して収集されるデータの処理のいくつかまたは全てが、コンピュータで実行可能な形状に変換され、コンピュータで読み取り可能な媒体の中のものとして保存され、オペレーティングシステムの制御化でマイクロプロセッサによって実行される、一組のコンピュータプログラム命令として実装される。したがって、クエリー応答および入力データは、ＯＣＴデータ、組織学画像、ＯＣＴ画像、ＲＯＩ、オーバーレイ、信号処理、アーティファクト除去、ならびに上記の他の特徴および実施形態を生成するのに適する、プロセッサが理解可能な命令に変形される。

本願に前述した機能性の全てまたは一部を実装する、コンピュータプログラム論理は、限定するものではないが、ソースコード形状、コンピュータで実行可能な形状、および様々な中間形状（例えば、アセンブラ、コンパイラ、リンカ、またはロケータによって生成される形状）を含む、様々な形状で統合されてもよい。ソースコードは、様々なオペレーティングシステムまたは動作環境で使用するための、様々なプログラム言語（例えば、オブジェクトコード、アセンブリ言語、またはＦｏｒｔｒａｎ、Ｃ、Ｃ＋＋、ＪＡＶＡ（登録商標）、またはＨＴＭＬ等の高水準言語）のいずれに実装される、一連のコンピュータプログラム命令を含んでもよい。ソースコードは、様々なデータ構造および通信メッセージを画定し使用してもよい。ソースコードは、コンピュータで実行可能な形状（例えば、インタプリタ経由）であってもよいか、またはソースコードは、コンピュータで実行可能な形状に変換（例えば、変換装置、アセンブラ、またはコンパイラ経由）されてもよい。

コンピュータプログラムは、永久的にまたは一時的のいずれかで、半導体メモリデバイス（例えば、ＲＡＭ、ＲＯＭ、ＰＲＯＭ、ＥＥＰＲＯＭ、またはＦｌａｓｈプログラム可能ＲＡＭ）、磁気メモリデバイス（例えば、ディスケットまたは固定ディスク）、光学メモリデバイス（例えば、ＣＤ−ＲＯＭ）、ＰＣカード（例えば、ＰＣＭＣＩＡカード）、または他のメモリデバイス等、有形の記憶媒体の中に、いずれの形状（例えば、ソースコード形状、コンピュータで実行可能な形状、または中間形状）に固定されてもよい。コンピュータプログラムは、限定するものではないが、アナログ技術、デジタル技術、光学技術、無線技術（例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標））、ネットワーク技術、およびインターネットワーキング技術を含む、様々な通信技術のうちのいずれかを使用して、コンピュータに伝送可能である信号の中のいずれの形状で固定されてもよい。コンピュータプログラムは、印刷または電子書類（例えば、市販のソフトウェア）を付随する可撤性記憶媒体のようないずれの形状で分配されるか、コンピュータシステムにあらかじめ搭載されるか（例えば、システムＲＯＭまたは固定ディスク上に）、あるいは通信システム（例えば、インターネットまたはＷｏｒｌｄ Ｗｉｄｅ Ｗｅｂ）上でサーバまたは電子掲示板から分配されてもよい。

本願で前述の機能性の全てまたは一部を実装する、ハードウェア論理（プログラム可能論理デバイスとともに使用するためのプログラム可能論理を含む）は、従来の手動方法を使用して設計されてもよく、あるいはコンピュータ支援設計（ＣＡＤ）、ハードウェア記述言語（例えば、ＶＨＤＬまたはＡＨＤＬ）、またはＰＬＤプログラム可能言語（例えば、ＰＡＬＡＳＭ、ＡＢＥＬ、またはＣＵＰＬ）等の様々な道具を使用して、電子的に設計、捕捉、シミュレーション、または文書化されてもよい。

プログラム可能論理は、半導体メモリデバイス（例えば、ＲＡＭ、ＲＯＭ、ＰＲＯＭ、ＥＥＰＲＯＭ、またはＦｌａｓｈプログラム可能ＲＡＭ）、磁気メモリデバイス（例えば、ディスケットまたは固定ディスク）、光学メモリデバイス（例えば、ＣＤ−ＲＯＭ）、または他のメモリデバイス等、有形の記憶媒体の中に、永久的にまたは一時的のいずれかで、固定されてもよい。プログラム可能論理は、限定するものではないが、アナログ技術、デジタル技術、光学技術、無線技術（例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標））、ネットワーク技術、およびインターネットワーキング技術を含む、様々な通信技術のうちのいずれかを使用して、コンピュータに伝送可能である信号の中に固定されてもよい。プログラム可能論理は、印刷または電子書類（例えば、市販のソフトウェア）を付随する可撤性記憶媒体として分配されるか、コンピュータシステムにあらかじめ搭載されるか（例えば、システムＲＯＭまたは固定ディスク上に）、あるいは通信システム（例えば、インターネットまたはＷｏｒｌｄ Ｗｉｄｅ Ｗｅｂ）上でサーバまたは電子掲示板から分配されてもよい。

適する処理モジュールの様々な例が、以下により詳細に述べられる。本願で使用する通り、モジュールは、特定のデータ処理またはデータ伝送タスクを行うのに適する、ソフトウェア、ハードウェア、あるいはファームウェアを指す。通常、好ましい実施形態では、モジュールは、命令、または、ＯＣＴ走査データ、干渉信号データ、クロック信号、関心領域タイプ、式、および他の関心の対象である情報等、様々なタイプのデータを受信し、変形させ、経路選択し、処理するのに適する、ソフトウェアルーチン、プログラム、あるいは他のメモリ常駐アプリケーションを指す。

本願に記載のコンピュータおよびコンピュータシステムは、データを獲得、処理、保存および／または通信する時に使用するソフトウェアアプリケーションを保存するためのメモリ等、動作可能なように関連付けられるコンピュータで読み取り可能な媒体を含んでもよい。その動作可能なように関連付けられるコンピュータまたはコンピュータシステムに対して、内部、外部、遠隔、または局所にあることができることは、理解されるものとする。

メモリはまた、例えば、限定するものではないが、ハードディスク、光学ディスク、フロッピー（登録商標）ディスク、ＤＶＤ（デジタル多用途ディスク）、ＣＤ（コンパクトディスク）、メモリスティック、フラッシュメモリ、ＲＯＭ（読み取り専用メモリ）、ＲＡＭ（ランダムアクセスメモリ）、ＤＲＡＭ（ダイナミックランダムアクセスメモリ）、ＰＲＯＭ（プログラム可能ＲＯＭ）、ＥＥＰＲＯＭ（拡張消去可能ＰＲＯＭ）、および／または他の同様のコンピュータで読み取り可能な媒体を含む、ソフトウェアあるいは他の命令を保存するためのいずれの手段を含んでもよい。

概して、本願に記載する本発明の実施形態との関連で適用される、コンピュータで読み取り可能なメモリ媒体は、プログラム可能な装置によって実行される命令を保存することが可能な、いずれのメモリ媒体を含んでもよい。該当する場合は、本願に記載する方法のステップは、複数または１つのコンピュータで読み取り可能なメモリ媒体上に保存される命令として、統合または実行されてもよい。これらの命令は、本発明の実施形態に従い、命令を生み出すために適用される場合がある、Ｃ＋＋、Ｃ、Ｊａｖａ（登録商標）、および／または様々な他の種類のソフトウェアプログラム言語等、様々なプログラム言語で統合されるソフトウェアであってもよい。

本発明の図および説明は、明確化のために他の要素を排除する一方で、本発明の明確な理解に対して妥当である要素を図示するために単純化されていることは理解されるべきである。しかしながら、当業者は、これらおよび他の要素が望ましい場合があることを理解するであろう。しかしながら、かかる要素が当該分野でよく知られているため、かつ本発明のより良い理解を促進しないため、かかる要素の記載は本願では提供しない。図は、図解のために提示されており、組立図としてではないことは理解されるものとする。省略した詳細および変形例または代替実施形態は、当業者の理解の範囲内である。

本発明のある局面では、要素または構造を提供するために、あるいは所定の１つまたは複数の機能を行うために、単一の構成要素が複数の構成要素によって置き換えられてもよく、複数の構成要素が単一の構成要素によって置き換えられてもよいことは理解できるものとする。かかる置換が、本発明のある実施形態を実施するように機能しない場合以外、かかる置換は本発明の範囲内とみなされる。

本願に提示した例は、本発明の潜在的および特定の実装を説明することを意図している。例は、主として、当業者に対する本発明の図解を目的に意図していることは理解できるであろう。本発明の精神から逸脱しない、本願に記載のこれらの図表または操作の変形例があってもよい。例えば、ある場合には、方法のステップまたは操作は、異なる順番で行われるか、または実行されてもよく、あるいは操作は追加、削除、または修正されてもよい。

さらに、本発明の特定の実施形態は、本発明を説明する目的で本願に記載されており、本発明を限定する目的ではないのに対して、要素、ステップ、構造、および／または部分の詳細、材料、ならびに配置の数々の変形が、請求項に記載の通り、本発明から逸脱することなく、本発明の原理および範囲内で行われてもよいことは、当業者によって、理解されるであろう。

特許請求の範囲は以下の通りである。

Claims (17)

1. 原位置で組織構成要素を識別するためのプロセッサ実装方法であって、
   ａ．プローブを使用して、原位置で組織サンプルのＯＣＴデータセットを収集することと
   ｂ．該組織サンプルの中の点において減衰値および後方散乱値を測定することと、
   ｃ．該測定された減衰値および後方散乱値に応じて、該ＯＣＴデータセットから形成されたＯＣＴ画像の中の画像位置に対応する該組織サンプルの中の位置において、組織特徴を決定することと
   を含む、方法。
2. 後方散乱減衰空間における一対の座標を、該後方散乱減衰空間における該一対の座標の値の指標にマッピングすることをさらに含む、請求項１に記載の方法。
3. 前記指標は色である、請求項２に記載の方法。
4. 前記ＯＣＴ画像の中の前記点における前記測定された減衰および後方散乱に対応する前記指標を表示することをさらに含む、請求項２に記載の方法。
5. 前記組織特徴は、コレステロール、線維、脂質プール、線維脂肪、石灰化、赤色血栓、白色血栓、泡沫細胞、およびプロテオグリカンから成る群より選択される、請求項１に記載の方法。
6. 前記指標は、オーバーレイ、カラーマップ、テクスチャマップ、およびテキストから成る群より選択される、請求項１に記載の方法。
7. 後方散乱、減衰、エッジシャープネス、およびテクスチャ測定から成る群より選択される特性を使用して、組織型を分類するステップをさらに含む、請求項１に記載の方法。
8. 組織型分類を改善するように、集束効果を補正するステップをさらに含む、請求項１に記載の方法。
9. 減衰効果に対処するように、角度強度補正を適用するステップをさらに含む、請求項１に記載の方法。
10. 前記減衰効果は、血液に関連する、請求項９に記載の方法。
11. 境界検出、管腔位置、およびＯＣＴ位置深度決定から成る群より選択される技術を使用して、組織特徴を決定するステップをさらに含む、請求項１に記載の方法。
12. 原位置で組織構成要素を識別するためのシステムであって、
    ａ．原位置で組織のＯＣＴ画像を撮影するためのＯＣＴサブシステムと、
    ｂ．該ＯＣＴ画像の中の点において減衰および後方散乱を測定することと、該測定された減衰および後方散乱に応じて、該ＯＣＴ画像の中の該点に対応する該組織の中の位置において該組織の組織特徴を決定することとを行う、該ＯＣＴサブシステムと通信するプロセッサと、
    ｃ．該ＯＣＴ画像と、該ＯＣＴ画像の中の該点における該測定された減衰および後方散乱に対応する指標とを表示するための表示部と
    を備える、システム。
13. 前記組織特徴は、コレステロール、線維、線維質、脂質プール、脂質、線維脂肪、カルシウム小結節、カルシウム板、カルシウム斑、血栓、泡沫細胞、およびプロテオグリカンから成る群より選択される、請求項１２に記載のシステム。
14. サンプルの組織特徴を識別するための光コヒーレンストモグラフィシステムであって、該コンピュータシステムは、
    サンプルを走査することから生成される光干渉信号を受信するように構成され、かつ該光干渉信号を電気信号に変換する、検出器と、
    電子メモリデバイスと、
    該メモリデバイスおよび該検出器と通信する電子プロセッサと
    を備え、
    該メモリデバイスは命令を備え、該命令は、該プロセッサによって実行されると、
    該電気信号を分析し、該サンプルに対応する複数のデータセットを生成することであって、該複数のデータセットのうちの１つは、後方散乱データを備えている、ことと、
    該後方散乱データを第１の閾値と比較することであって、該後方散乱データは、該サンプルの中の第１の位置にマッピングすることと、
    該後方散乱データが該第１の閾値を超える場合、第１の組織特徴を有するように、該サンプルの中の該第１の位置を特徴付けることと
    を、該プロセッサに行わせる、システム。
15. 前記第１の組織特徴は、コレステロール、線維、線維質、脂質プール、脂質、線維脂肪、カルシウム小結節、カルシウム板、カルシウム斑、血栓、泡沫細胞、およびプロテオグリカンから成る群より選択される、請求項１４に記載のシステム。
16. 前記プロセッサは、前記第１の組織特徴が、前記第１の位置に対して識別および表示されるように、前記サンプルのＯＣＴ画像をさらに生成させられる、請求項１４に記載のシステム。
17. 前記複数のデータセットのうちの１つは、ＯＣＴ走査データ、減衰データ、エッジシャープネスデータ、テクスチャパラメータ、および干渉計データを備える、請求項１４に記載のシステム。

Images