ES2702725T3 - Sistema de formación de imágenes oftálmicas con detección automática de características retinales - Google Patents

Sistema de formación de imágenes oftálmicas con detección automática de características retinales Download PDF

Info

Publication number
ES2702725T3
ES2702725T3 ES15808902T ES15808902T ES2702725T3 ES 2702725 T3 ES2702725 T3 ES 2702725T3 ES 15808902 T ES15808902 T ES 15808902T ES 15808902 T ES15808902 T ES 15808902T ES 2702725 T3 ES2702725 T3 ES 2702725T3
Authority
ES
Spain
Prior art keywords
retinal
image
oct
retina
layer
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
ES15808902T
Other languages
English (en)
Inventor
Hugang Ren
Lingfeng Yu
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.)
Novartis AG
Original Assignee
Novartis AG
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 Novartis AG filed Critical Novartis AG
Application granted granted Critical
Publication of ES2702725T3 publication Critical patent/ES2702725T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
    • A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
    • A61B3/102—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for optical coherence tomography [OCT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
    • A61B3/0016—Operational features thereof
    • A61B3/0025—Operational features thereof characterised by electronic signal processing, e.g. eye models
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
    • A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
    • A61B3/12—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for looking at the eye fundus, e.g. ophthalmoscopes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30041—Eye; Retina; Ophthalmic

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Ophthalmology & Optometry (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Eye Examination Apparatus (AREA)

Abstract

Un sistema de formación de imágenes oftálmicas configurado para detectar automáticamente una rotura retinal, que comprende: un sistema (600) de tomografía de coherencia óptica (OCT) configurado para adquirir una imagen (200) de una retina; un dispositivo de computación (610) acoplado al sistema OCT y configurado para segmentar (104) la imagen OCT identificando una capa retinal en la imagen OCT; generar (106) una pluralidad de métricas en base a la imagen OCT segmentada, en el que la pluralidad de métricas incluye: un espesor de una retina neurosensoria; y un radio de curvatura indicativo de un grado de concavidad de una membrana de limitación interior (ILM); detectar (108) la rotura retinal (208) en base a la pluralidad de métricas mediante las acciones de: determinar que el espesor de la retina neurosensoria es menor que un espesor umbral; y determinar que el radio de curvatura indicativo de un grado de concavidad de una membrana de limitación interior (ILM) es menor que un radio de curvatura umbral; y un dispositivo de audio/visual/táctil (630) en comunicación con el dispositivo de computación y configurado para proporcionar a un usuario al menos una de entre una indicación de audio, visual y táctil (210) de la rotura retinal detectada.

Description

DESCRIPCIÓN
Sistema de formación de imágenes oftálmicas con detección automática de características retínales.
Antecedentes
Campo técnico
Las realizaciones reveladas en esta memoria están relacionadas con sistemas de formación de imágenes oftálmicas. Más específicamente, las realizaciones descritas en esta memoria se refieren a la detección automática de características estructurales de la retina, tales como rotura retinales, utilizando la tomografía de coherencia óptica (OCT).
Técnica relacionada
Los defectos estructurales en un ojo de un paciente pueden conducir a pérdida de visión. Por ejemplo, una rotura retinal puede ser un defecto de espesor completo en la retina neurosensoria. Una rotura retinal puede asociarse con un desprendimiento retinal regmatógeno que puede inducir una severa pérdida de visión. Además, las roturas retinales indetectadas son la razón más prevalerte de fallo en la cirugía de desprendimiento retinal.
Convencionalmente, se han detectado roturas retinales mediante un cuidadoso examen del fondo de ojo por un cirujano durante una intervención quirúrgica, tal como una cirugía vitreorretinal. Esto puede implicar una visualización y examen cara a cara utilizando un microscopio quirúrgico. El enfoque convencional puede estar limitado en su capacidad para detectar roturas retinales relativamente pequeñas. Así, un cirujano puede continuar o acabar una intervención quirúrgica sin apreciar la presencia y/o la posición de una rotura retinal.
Se han hecho algunos intentos para aumentar la visibilidad de las roturas retinales. Por ejemplo, una técnica de extrusión de tinte puede implicar la inyección de un tinte azul de tripano en el espacio subretinal. Sin embargo, tales técnicas pueden complicar la intervención quirúrgica y no se usan corrientemente.
La tomografía de coherencia óptica (OCT) puede ser una modalidad no invasiva de formación de imágenes de cortes transversales de alta resolución. Se han hecho algunos esfuerzos para visualizar la retina utilizando OCT. Sin embargo, estos esfuerzos no han implicado una detección automática de roturas retinales.
Por consiguiente, hay necesidad de dispositivos, sistemas y métodos mejorados que mejoren la capacidad para detectar automáticamente características estructurales de la retina durante una intervención quirúrgica abordando una o más de las necesidades discutidas más arriba.
El estado relevante de la técnica está representado por el documento US 2013/181976 A1.
Este documento describe un sistema OCT que permite detectar lesiones retinales visualizando un mapa de espesores retinales obtenido midiendo distancias desde la ILM hasta el RPE en una imagen OCT. Los picos se asocian con lesiones.
Sumario
La solución presentada llena una necesidad médica insatisfecha con una solución singular para proporcionar una detección automática de defectos estructurales de la retina utilizando imágenes OCT a fin de analizar una o más capas retinales. Un cirujano puede ser alertado sobre la detección de una rotura retinal u otra característica durante una intervención quirúrgica.
La presente invención proporciona un sistema de formación de imágenes oftálmicas, configurado para detectar automáticamente una rotura retinal, según las reivindicaciones que siguen.
En concordancia con algunas realizaciones, un método para detectar automáticamente una característica retinal utilizando un sistema de formación de imágenes oftálmicas incluye: adquirir una imagen OCT de una retina; segmentar la imagen OCT; generar una métrica en base a la imagen OCT segmentada; detectar la característica retinal en base a la métrica; y proporcionar a un usuario una indicación de la característica retinal detectada.
En concordancia con algunas realizaciones, un sistema de formación de imágenes oftálmicas incluye: un sistema OCT configurado para adquirir una imagen de una retina; un dispositivo de computación acoplado al sistema OCT y configurado para segmentar la imagen, generar una métrica en base a la imagen segmentada y detectar una característica retinal en base a la métrica; y un dispositivo de audio/visual/táctil en comunicación con el dispositivo de computación y configurado para proporcionar a un usuario al menos una indicación de entre una indicación de audio, una indicación visual y una indicación táctil de la característica retinal detectada.
Aspectos, características y ventajas adicionales de la presente divulgación resultarán evidentes por la descripción detallada siguiente.
Breve descripción de los dibujos
La figura 1 es un diagrama de flujo que ilustra un método para detectar automáticamente una característica retinal utilizando un sistema de formación de imágenes oftálmicas.
La figura 2a es una imagen OCT bidimensional de una retina.
La figura 2b es una imagen OCT tridimensional de una retina.
La figura 3a es una imagen OCT bidimensional de una retina.
La figura 3b es una imagen OCT tridimensional de una retina.
La figura 4 es un gráfico que ilustra un perfil de espesores de una retina.
La figura 5a es una imagen OCT bidimensional de una retina.
La figura 5b es una imagen de fondo de ojo de una retina.
La figura 5c es un pseudomapa en color representativo de una probabilidad de una característica retinal.
La figura 6 es un diagrama que ilustra un sistema de formación de imágenes oftálmicas.
En los dibujos los elementos que llevan la misma designación tienen funciones iguales o similares.
Descripción detallada
En la descripción siguiente se exponen detalles específicos que describen ciertas realizaciones. Sin embargo, resultará evidente para un experto en la materia que las realizaciones divulgadas pueden ponerse en práctica sin algunos o todos estos detalles específicos. Las realizaciones específicas presentadas están destinadas a ser ilustrativas, pero no limitativas. Un experto en la materia puede imaginarse otro material que, aunque no esté descrito específicamente en esta memoria, esté dentro del alcance de esta divulgación.
La presente divulgación describe dispositivos, sistemas y métodos para detectar automáticamente una característica retinal utilizando un análisis cuantitativo de una imagen OCT retinal. Se pueden identificar una o más capas retinales, tales como la membrana de limitación interior (ILM) y el epitelio pigmentado retinal (RPE) cuando se segmenta la imagen OCT. Se puede generar en base a la imagen OCT segmentada una métrica o un parámetro de capa retinal que describa la geometría de una o más capas retinales (espesor de la retina neurosensoria, concavidad/convexidad de la ILM, radio de curvatura de la ILM, etc.). Se pude detectar la característica retinal utilizando la métrica o el parámetro de capa retinal. Se puede detectar una rotura retinal cuando el espesor de la retina neurosensoria es inferior a un umbral, cuando la ILM es cóncava en el área de la característica retinal y cuando el radio de curvatura de la ILM en el área de la característica retinal es menor que un umbral. Se puede proporcionar al cirujano una indicación de audio, visual y/o táctil durante la intervención quirúrgica cuando se detecte la característica retinal.
Los dispositivos, sistemas y métodos de la presente divulgación proporcionan numerosas ventajas, incluyendo: (1) reducir la carga del cirujano en la búsqueda de defectos retinales; (2) reducir los fallos de la intervención quirúrgica minimizando defectos retinales indetectados; (3) mejorar los resultados de la intervención quirúrgica detectando automáticamente defectos retinales y permitiendo que se aborden esos defectos; y (4) aumentar la eficiencia de la intervención quirúrgica alertando automáticamente al cirujano acerca de un defecto retinal detectado.
La figura 1 proporciona un diagrama de flujo de un método 100 para detectar automáticamente una característica retinal utilizando un sistema de formación de imágenes oftálmicas. El método 100 puede incluir la operación de adquirir una imagen OCT de una retina (paso 102). El método 100 puede incluir la operación de segmentar la imagen OCT (paso 104). El método 100 puede incluir la operación de generar una métrica en base a la imagen OCT segmentada (paso 106). El método 100 puede incluir la operación de detectar la característica retinal a base a la métrica (paso 108). El método 100 puede incluir la operación de proporcionar a un usuario una indicación de la característica retinal detectada (paso 110). Los pasos del método 100 pueden ser realizados por uno o más componentes de un sistema de formación de imágenes oftálmicas (por ejemplo, el sistema 600 de formación de imágenes oftálmicas de la figura 6).
El método 100 puede incluir, en el paso 102, la operación de adquirir una imagen OCT de la retina. Un sistema OCT (por ejemplo, el sistema OCT 620 de la figura 6) puede adquirir datos asociados con la imagen OCT. El sistema OCT puede incluir una sonda de formación de imágenes configurada para penetrar en una porción de un ojo de un paciente y formar una imagen del interior del ojo del paciente, incluida la retina. Un sistema OCT externo puede estar configurado para formar imágenes del ojo, incluida la retina, mientras que está colocado en una posición externa con relación al ojo del paciente. Un dispositivo de computación (por ejemplo, el dispositivo de computación 610 de la figura 6) puede procesar los datos adquiridos por el sistema OCT a fin de generar la imagen OCT.
El sistema OCT puede estar configurado para dividir la luz de formación de imagen recibida de una fuente de luz en un haz de formación de imagen que se dirige hacia un tejido biológico diana (por ejemplo, por la sonda de formación de imagen) y un haz de referencia que puede dirigirse hacia un espejo de referencia. El sistema OCT puede ser un sistema en el dominio de Fourier (por ejemplo, un dominio espectral, una fuente barrida, etc.) o un sistema en el dominio del tiempo. El sistema OCT puede estar configurado, además, para recibir la luz de formación de imagen reflejada desde el tejido biológico diana (por ejemplo, capturada por la sonda de formación de imagen, el sistema OCT externo, etc.). El patrón de interferencia entre la luz de formación de imagen reflejada y el haz de referencia es utilizado para generar imágenes del tejido biológico diana. Por consiguiente, el sistema OCT puede incluir un detector configurado para detectar el patrón de interferencia. El detector puede incluir detectores acoplados por carga (CCDs), píxeles o una red de cualquier otro tipo de sensores que generen una señal eléctrica en base a la luz detectada. Además, el detector puede incluir una red de sensores bidimensionales y una cámara detectora.
La imagen OCT puede ser bidimensional o tridimensional. Por ejemplo, la figura 2a proporciona una imagen OCT bidimensional 200 de una porción de la retina y la figura 2b proporciona una imagen OCT tridimensional 250 de una porción de la retina. Se puede ver una rotura retinal 208 en el lado derecho de las figuras 2a y 2b. Se puede detectar automáticamente la rotura retinal 208 utilizando los sistemas, métodos y dispositivos descritos en esta memoria. Se puede ver un vaso sanguíneo 212 en el lado izquierdo de las figuras 2a y 2b.
El método 100 incluye, en el paso 104, la operación de segmentar la imagen OCT. El dispositivo de computación puede identificar una o más capas retinales utilizando los datos asociados con la imagen OCT. La segmentación de la imagen OCT incluye identificar una membrana de limitación interior (ILM), una capa de fibras nerviosas, una capa de células ganglionares, una capa plexiforme interior, una capa nuclear interior, una capa plexiforme exterior, una capa nuclear exterior, una membrana de limitación exterior, una capa de bastones y conos, un epitelio pigmentado retinal (RPE) y otra u otras capas retinales. La figura 3a proporciona la imagen OCT bidimensional 200 con límites identificados de una capa ILM 202 y una capa RPE 204. Análogamente, la figura 3b proporciona la imagen OCT tridimensional 250 con límites identificados de la capa ILM 202 y la capa RPE 204.
El método 100 incluye, en el paso 106, la operación de generar una métrica en base a la imagen OCT segmentada. La métrica es un parámetro de capa retinal que representa objetivamente una geometría de una o más capas retinales utilizando, por ejemplo, uno o más valores numéricos. El parámetro de capa retinal es un espesor, una intensidad, una fase, un tamaño de mota, una densidad vascular, un tamaño, una concavidad/convexidad y un radio de curvatura de una o más capas retinales. La generación de la métrica incluye determinar una representación numérica de la concavidad/convexidad de la ILM. Se determina un radio de curvatura de la ILM en el área de la característica retinal. Se puede determinar el parámetro de capa retinal utilizando una cualquiera, dos, tres, cuatro o más capas retinales. La generación de la métrica incluye determinar un espesor de la retina neurosensoria utilizando la ILM y el RPE. El espesor de la retina neurosensoria puede incluir la distancia entre la ILM y el RPE. Se puede utilizar como métrica una representación numérica del espesor. El parámetro de capa retinal puede determinarse utilizando una capa retinal y una tira de espesor predefinido que rodee a la capa retinal citada. Se pueden generar y utilizar dos o más métricas para evaluar la retina.
El método 100 incluye, en el paso 108, la operación de detectar una rotura retinal en base a la métrica generada. La característica retinal detectada es un aspecto estructural de la resina que es indicativo de un defecto. La característica retinal puede ser una rotura, un agujero, un desgarre, una diálisis, un crecimiento, una protrusión, una depresión, una región con fluido subretinal, etc. Se pueden detectar múltiples características retinales y/o múltiples tipos de características retinales. La característica o característica retinales pueden detectarse utilizando una o más de las métricas. Se utilizan el espesor de la retina neurosensoria y la concavidad/convexidad de la ILM. Utilizando más de una métrica se puede aumentar ventajosamente la certeza de detección de características retinales.
La detección de la característica retinal incluye comparar el parámetro de capa retinal con el umbral. Dado que la métrica generada (paso 106) incluye el espesor de la retina neurosensoria, la detección de la característica retinal incluye comparar el espesor con un espesor umbral. Se puede detectar la característica retinal cuando el parámetro de capa retinal, tal como el espesor de la retina neurosensoria, entre otros, es mayor o menor que el umbral. Se puede detectar una rotura retinal o un agujero retinal cuando el espesor es menor que el umbral. Por otra parte, se puede detectar una excrecencia o una protrusión de la retina cuando el espesor es mayor que el umbral. El espesor umbral puede estar en el rango de, por ejemplo, 50 micras a 300 micras, 75 micras a 300 micras, 100 a 250 micras u otro rango adecuado. El espesor varía a lo largo de la retina (por ejemplo, en o cerca de la fóvea, la retina periférica, etc.) y el umbral puede seleccionarse en base a una posición a lo largo de la retina en la que esté localizada la característica retinal.
La detección de la característica retinal utilizando la métrica generada (paso 106) incluye analizar si la ILM, entre otros elementos, tiene una forma cóncava o convexa y/o el grado de la concavidad/convexidad (el radio de curvatura). Una ILM en el área de la característica retinal que sea cóncava puede ser indicativa de una rotura retinal o un agujero retinal, mientras que una ILM que sea convexa puede ser indicativa de una excrecencia o una protrusión en la retina. A este respecto, la detección de la característica retinal incluye comparar un radio de curvatura de la ILM en el área de la característica retinal con un radio de curvatura umbral indicativo de la presencia de la característica retinal. Se puede detectar una característica retinal cuando el radio de curvatura es mayor o menor que el umbral. Por ejemplo, se puede detectar una rotura retinal o un agujero retinal cuando una porción cóncava de la ILM tiene un radio de curvatura menor que el umbral. El radio de curvatura umbral para detectar una rotura retinal puede estar en el rango de, por ejemplo, entre aproximadamente 0,1 mm y aproximadamente 12 mm, entre aproximadamente 1,0 mm y aproximadamente 6 mm o entre aproximadamente 2,0 mm y aproximadamente 4,0 mm, incluyendo valores tales como 10 mm, 9 mm, 8 mm, 7 mm, 6 mm, 5 mm, 4 mm, 3 mm, 2 mm, 1 mm u otro valor adecuado. Se puede utilizar una combinación de la concavidad/convexidad y el correspondiente radio de curvatura para detectar la característica retinal.
El umbral o umbrales utilizados en la detección de la característica retinal pueden ser adaptativos o específicos del paciente. Por ejemplo, un umbral puede ser una diferencia porcentual en el espesor de la retina neurosensoria en comparación con áreas adyacentes. Así, se puede detectar una característica retinal cuando un área de la retina neurosensoria del paciente tiene un espesor mayor o menor que, por ejemplo, un 50% del espesor de áreas adyacentes. Análogamente, se puede detectar una característica retinal cuando el radio de curvatura de la ILM en el área de la característica retinal es mayor o menor que, por ejemplo, un 50% del radio de curvatura de áreas adyacentes. El umbral puede estar entre, por ejemplo, 1%-100%, 1%-75%, 1%-50%, 1%-25%, etc. Los uno o más umbrales pueden seleccionarse en base a datos empíricos. Por ejemplo, se puede utilizar una colección o base de datos de pacientes para determinar un rango normal fijo de espesor de la retina neurosensoria para pacientes con características similares. Así, se puede detectar una característica retinal cuando un área de la retina neurosensoria del paciente tiene un espesor fuera de (por ejemplo, mayor o menor que) el rango normal fijo esperado para el paciente. Se pueden utilizar tales datos empíricos para determinar un valor umbral por defecto que puede ajustarse en base a características específicas del paciente. Aunque esta discusión menciona específicamente el espesor de la retina neurosensoria, se entiende que la concavidad/convexidad, el radio de curvatura y/u otras métricas pueden ser análogamente específicas del paciente o más generalmente aplicables.
La figura 4 proporciona un gráfico 400 que es representativo de un perfil de espesores de la retina neurosensoria. Los datos asociados con el gráfico 400 pueden estar basados en la imagen OCT segmentada. El eje x del gráfico 400 puede representar la posición a lo largo de la retina neurosensoria en unidades de píxeles. El eje y puede representar el espesor de la retina neurosensoria en unidades de píxeles. Una curva 206 puede representar la distancia de la ILM al RPE a lo largo de la retina. El espesor de la retina neurosensoria ilustrado en el gráfico 400 puede ser la métrica utilizada para detectar la rotura retinal 208. La rotura retinal 208 puede ser un área a lo largo de la retina neurosensoria con un espesor que es significativamente diferente del espesor de áreas adyacentes (por ejemplo, menos de 50%) y/o un área con un espesor menor que un rango normal fijo. Aunque esta discusión menciona específicamente el espesor de la retina neurosensoria, se entiende que la concavidad/convexidad, el radio de curvatura y/u otras métricas pueden utilizarse análogamente para detectar la rotura retinal u otra característica retinal.
El método 100 incluye, en el paso 110, la operación de proporcionar a un usuario una indicación de la característica retinal detectada. Por ejemplo, se puede proporcionar una indicación de audio, visual y/o táctil utilizando un dispositivo de audio/visual/táctil (por ejemplo, el dispositivo de audio/visual/táctil 630 de la figura 6). La indicación puede alertar al cirujano, durante la intervención quirúrgica, acerca de la presencia y/o la posición de la característica retinal detectada. Como se muestra en la figura 5a, una indicación 210 de la rotura retinal detectada 208 puede ser un objeto geométrico (por ejemplo, un cuadrado, un círculo, un polígono, una elipse, etc.) posicionado alrededor de la rotura retinal 208. La indicación 210 puede superponerse a la imagen OCT 200 y/o combinarse de otra manera con ésta, y la imagen OCT combinada puede ser entregada al dispositivo de audio/visual/táctil.
Como se muestra en la figura 5b, la indicación 210 puede configurarse en base a la rotura retinal detectada 208. Como se muestra también en la figura 5b, la indicación 210 puede superponerse a una imagen 260 del fondo del ojo y/o combinarse de otra manera con ésta (por ejemplo, en lugar de la imagen OCT bidimensional 200), y la imagen de fondo de ojo combinada puede ser entregada al dispositivo de audio/visual/táctil.
Como se muestra en la figura 5c, se puede generar un pseudomapa en color 270 en base a la rotura retinal detectada 208. El pseudomapa en color 270 puede ser representativo de la probabilidad de la presencia de una característica retinal en una localización dada de la retina. La indicación 210 puede ser un área del pseudomapa en color 270 que ilustre una alta probabilidad de que la característica retinal esté posicionada en el área. El pseudomapa en color puede ser entregado al dispositivo de audio/visual/táctil.
En general, la indicación 210 puede incluir un texto, una u otras formas o símbolos diferentes y/u otras alertas visuales. La indicación 210 puede posicionarse de formas diversas con relación a la característica retinal. La indicación 210 puede incluir una señal audible para alertar al usuario/cirujano acerca de la presencia y/o la posición de una característica retinal detectada. La indicación 210 puede incluir una realimentación táctil y/o háptica al cirujano.
La figura 6 proporciona un diagrama de bloques de un sistema de formación de imágenes oftálmicas 600. El sistema de formación de imágenes 600 incluye un sistema OCT 620 que está configurado para adquirir una imagen de la retina. El sistema de formación de imágenes 600 incluye un dispositivo de computación 610 que está configurado para segmentar la imagen, generar una métrica en base a la imagen segmentada y detectar una rotura retinal en base a la evaluación de la métrica generada. El dispositivo de computación 610 y el sistema OCT 620 pueden estar configurados para materializar características similares a las descritas anteriormente. El sistema de formación de imágenes 600 incluye un dispositivo de audio/visual/táctil 630 en comunicación con el dispositivo de computación 610 y configurado para proporcionar al menos una de entre una indicación de audio, visual y táctil de la característica retinal detectada. El dispositivo de audio/visual/táctil 630 puede ser un dispositivo autónomo y/o un componente que sea parte del dispositivo de computación 610 o del sistema OCT 620. Por ejemplo, el dispositivo de audio/visual/táctil 630 puede ser un dispositivo de presentación con altavoces integrados.
Las realizaciones descritas en esta memoria pueden proporcionar dispositivos, sistemas y métodos que faciliten la detección automática de defectos estructurales en la retina analizando imágenes OCT retinales. Los dispositivos, sistemas y métodos descritos en esta memoria pueden utilizarse con cualquier modalidad de formación de imágenes en la que puedan identificarse la posición, la geometría y/o el contorno de una o más capas retinales. Los ejemplos antes proporcionados son solamente ilustrativos y no están destinados a ser limitativos. Un experto en la materia puede idear fácilmente otros sistemas compatibles con las realizaciones reveladas, los cuales están destinados a quedar dentro del alcance de esta divulgación. Por tanto, la solicitud será limitada solamente por las reivindicaciones siguientes.

Claims (6)

REIVINDICACIONES
1. Un sistema de formación de imágenes oftálmicas configurado para detectar automáticamente una rotura retinal, que comprende:
un sistema (600) de tomografía de coherencia óptica (OCT) configurado para adquirir una imagen (200) de una retina;
un dispositivo de computación (610) acoplado al sistema OCT y configurado para
segmentar (104) la imagen OCT identificando una capa retinal en la imagen OCT;
generar (106) una pluralidad de métricas en base a la imagen OCT segmentada, en el que la pluralidad de métricas incluye:
un espesor de una retina neurosensoria; y
un radio de curvatura indicativo de un grado de concavidad de una membrana de limitación interior (ILM);
detectar (108) la rotura retinal (208) en base a la pluralidad de métricas mediante las acciones de:
determinar que el espesor de la retina neurosensoria es menor que un espesor umbral; y determinar que el radio de curvatura indicativo de un grado de concavidad de una membrana de limitación interior (ILM) es menor que un radio de curvatura umbral; y
un dispositivo de audio/visual/táctil (630) en comunicación con el dispositivo de computación y configurado para proporcionar a un usuario al menos una de entre una indicación de audio, visual y táctil (210) de la rotura retinal detectada.
2. El sistema de formación de imágenes oftálmicas de la reivindicación 1, en el que el sistema OCT incluye al menos uno de entre:
una sonda de formación de imágenes configurada para penetrar en una porción de un ojo y formar imágenes de un interior del ojo; y
un sistema OCT externo (620) configurado para formar imágenes del ojo mientras está posicionado externamente con relación al ojo.
3. El sistema de formación de imágenes oftálmicas de la reivindicación 1, en el que:
el sistema OCT está configurado para adquirir al menos una de entre una imagen bidimensional y una imagen tridimensional.
4. El sistema de formación de imágenes oftálmicas de la reivindicación 1, en el que:
la capa retinal incluye, además, al menos una de entre una capa de fibras nerviosas, una capa de células ganglionares, una capa plexiforme interior, una capa nuclear interior, una capa plexiforme exterior, una capa nuclear exterior, una membrana de limitación externa, una capa de bastones y conos y un epitelio pigmentado retinal.
5. El sistema de formación de imágenes oftálmicas de la reivindicación 1, en el que el dispositivo de computación está configurado, además, para:
combinar una indicación visual (210) de la rotura retinal detectada con la imagen OCT o con una imagen (260) de fondo de ojo; y
proporcionar la imagen combinada al dispositivo de audio/visual/táctil (630).
6. El sistema de formación de imágenes oftálmicas de la reivindicación 1, en el que el dispositivo de computación está configurado, además, para:
generar un pseudomapa en color (270) representativo de una probabilidad de la presencia de la rotura retinal detectada; y
proporcionar el pseudomapa en color al dispositivo de audio/visual/táctil (630).
ES15808902T 2014-06-19 2015-05-15 Sistema de formación de imágenes oftálmicas con detección automática de características retinales Active ES2702725T3 (es)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/309,618 US10143370B2 (en) 2014-06-19 2014-06-19 Ophthalmic imaging system with automatic retinal feature detection
PCT/US2015/031070 WO2015195247A1 (en) 2014-06-19 2015-05-15 Ophthalmic imaging system with automatic retinal feature detection

Publications (1)

Publication Number Publication Date
ES2702725T3 true ES2702725T3 (es) 2019-03-05

Family

ID=54868542

Family Applications (1)

Application Number Title Priority Date Filing Date
ES15808902T Active ES2702725T3 (es) 2014-06-19 2015-05-15 Sistema de formación de imágenes oftálmicas con detección automática de características retinales

Country Status (10)

Country Link
US (2) US10143370B2 (es)
EP (1) EP3131455B1 (es)
JP (1) JP6737712B2 (es)
CN (1) CN106659378B (es)
AR (1) AR100909A1 (es)
AU (1) AU2015277712B2 (es)
CA (1) CA2949503C (es)
ES (1) ES2702725T3 (es)
TW (1) TWI644647B (es)
WO (1) WO2015195247A1 (es)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010107568A1 (en) * 2009-03-17 2010-09-23 Emory University Internet-based cognitive diagnostics using visual paired comparison task
US10123689B2 (en) 2015-10-28 2018-11-13 Oregon Health & Science University Systems and methods for retinal layer segmentation in OCT imaging and OCT angiography
JP6987495B2 (ja) * 2016-11-18 2022-01-05 キヤノン株式会社 画像処理装置及びその作動方法、並びに、プログラム
CN111417334B (zh) * 2017-11-30 2023-03-28 爱尔康公司 光学相干断层扫描成像中的改进分割
CN109124566B (zh) * 2018-08-13 2022-02-22 青岛市市立医院 一种具有自动视网膜特征检测的眼科成像系统
CN109389568B (zh) * 2018-10-25 2022-04-01 中国科学院上海光学精密机械研究所 自动测量皮肤光学相干层析图像中表皮厚度的方法
CN109758113B (zh) * 2019-01-15 2021-05-25 北京端点医药研究开发有限公司 一种基于图像识别的视网膜病变定量分析系统
US11141060B2 (en) 2019-01-16 2021-10-12 Topcon Corporation Ophthalmologic apparatus and method of controlling the same
US11439301B2 (en) * 2019-01-16 2022-09-13 Topcon Corporation Ophthalmologic information processing apparatus, ophthalmologic apparatus and ophthalmologic information processing method
US11134836B2 (en) 2019-01-16 2021-10-05 Topcon Corporation Ophthalmologic information processing apparatus, ophthalmologic apparatus and ophthalmologic information processing method
EP4366602A2 (en) * 2021-07-09 2024-05-15 Cedars-Sinai Medical Center A method to detect retinal amyloidosis and tauopathy using snap hyperspectral imaging and/or snap hyperspectral optical coherence tomography
CN118014988B (zh) * 2024-03-28 2024-06-07 浙江康鹏半导体有限公司 一种砷化镓衬底晶片缺陷智能检测方法

Family Cites Families (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7668342B2 (en) * 2005-09-09 2010-02-23 Carl Zeiss Meditec, Inc. Method of bioimage data processing for revealing more meaningful anatomic features of diseased tissues
US7997728B2 (en) 2006-05-01 2011-08-16 University Of Southern California Mapping and diagnosis of macular edema by optical coherence tomography
US8223143B2 (en) 2006-10-27 2012-07-17 Carl Zeiss Meditec, Inc. User interface for efficiently displaying relevant OCT imaging data
JP5007114B2 (ja) * 2006-12-22 2012-08-22 株式会社トプコン 眼底観察装置、眼底画像表示装置及びプログラム
US7784937B2 (en) * 2007-06-05 2010-08-31 Digital Vision, Inc. System and method of surfacing a lens, such as a lens for use with eyeglasses
JP5101975B2 (ja) * 2007-10-04 2012-12-19 株式会社トプコン 眼底観察装置及び眼底画像処理装置
US8348429B2 (en) * 2008-03-27 2013-01-08 Doheny Eye Institute Optical coherence tomography device, method, and system
JP4810562B2 (ja) * 2008-10-17 2011-11-09 キヤノン株式会社 画像処理装置、画像処理方法
US20120150029A1 (en) * 2008-12-19 2012-06-14 University Of Miami System and Method for Detection and Monitoring of Ocular Diseases and Disorders using Optical Coherence Tomography
US9700210B2 (en) * 2009-03-02 2017-07-11 Canon Kabushiki Kaisha Image processing apparatus and method for controlling the same
JP5790002B2 (ja) * 2011-02-04 2015-10-07 株式会社ニデック 眼科撮影装置
US10045882B2 (en) * 2009-10-30 2018-08-14 The Johns Hopkins University Surgical instrument and systems with integrated optical sensor
US8811745B2 (en) * 2010-01-20 2014-08-19 Duke University Segmentation and identification of layered structures in images
EP2525706A2 (en) * 2010-01-21 2012-11-28 Physical Sciences, Inc. Multi-functional adaptive optics retinal imaging
CN101862177B (zh) * 2010-04-20 2011-10-26 中山大学中山眼科中心 一种视网膜裂孔三维定位装置
WO2012068408A1 (en) * 2010-11-17 2012-05-24 Optovue, Inc. 3d retinal disruptions detection using optical coherence tomography
JP6061554B2 (ja) * 2012-01-20 2017-01-18 キヤノン株式会社 画像処理装置及び画像処理方法
US20140029820A1 (en) * 2012-01-20 2014-01-30 Carl Zeiss Meditec, Inc. Differential geometric metrics characterizing optical coherence tomography data
JP6226510B2 (ja) * 2012-01-27 2017-11-08 キヤノン株式会社 画像処理システム、処理方法及びプログラム
JP5996959B2 (ja) * 2012-07-30 2016-09-21 株式会社トプコン 眼底解析装置
JP6061555B2 (ja) * 2012-08-27 2017-01-18 キヤノン株式会社 画像処理装置及び画像処理方法
JP6241040B2 (ja) * 2013-01-23 2017-12-06 株式会社ニデック 眼科解析装置、及び眼科解析プログラム
CN110338751A (zh) * 2013-03-15 2019-10-18 瓦索普蒂克医疗公司 使用多种照明形态的眼科检查及疾病管理
WO2014200093A1 (ja) * 2013-06-14 2014-12-18 国立大学法人名古屋大学 光断層画像撮影装置
US9737205B2 (en) * 2013-07-31 2017-08-22 The Board Of Trustees Of The Leland Stanford Junior University Method and system for evaluating progression of age-related macular degeneration
JP6415030B2 (ja) * 2013-08-07 2018-10-31 キヤノン株式会社 画像処理装置、画像処理方法及びプログラム
JP2015197538A (ja) * 2014-03-31 2015-11-09 株式会社ニデック 表示ユニット装着アタッチメントおよび表示装置

Also Published As

Publication number Publication date
AU2015277712A1 (en) 2016-12-01
US10143370B2 (en) 2018-12-04
US20190069776A1 (en) 2019-03-07
CN106659378B (zh) 2018-10-12
US20150366450A1 (en) 2015-12-24
JP6737712B2 (ja) 2020-08-12
TWI644647B (zh) 2018-12-21
JP2017518123A (ja) 2017-07-06
EP3131455A4 (en) 2017-06-07
AR100909A1 (es) 2016-11-09
EP3131455A1 (en) 2017-02-22
CN106659378A (zh) 2017-05-10
TW201601679A (zh) 2016-01-16
EP3131455B1 (en) 2018-09-19
US10694940B2 (en) 2020-06-30
AU2015277712B2 (en) 2019-09-12
CA2949503A1 (en) 2015-12-23
WO2015195247A1 (en) 2015-12-23
CA2949503C (en) 2023-10-03

Similar Documents

Publication Publication Date Title
ES2702725T3 (es) Sistema de formación de imágenes oftálmicas con detección automática de características retinales
US9098742B2 (en) Image processing apparatus and image processing method
CN105310645B (zh) 图像处理装置及图像处理方法
JP5697733B2 (ja) ３次元光コヒーレンストモグラフィを用いた視神経障害の検出
KR101240354B1 (ko) 화상처리장치, 화상처리방법 및 기억매체
ES2901139T3 (es) Equipo de procesamiento de imágenes de vasos sanguíneos, programa de procesamiento de imágenes de vasos sanguíneos y método de procesamiento de imágenes de vasos sanguíneos
KR20130027506A (ko) 단층화상 관찰장치, 처리 방법 및 컴퓨터 판독 가능한 기억매체
JP6748434B2 (ja) 画像処理装置、推定方法、システム及びプログラム
JP6144325B2 (ja) 眼科画像処理装置および眼科イメージング装置
KR20120064625A (ko) 피검안의 단층 화상을 처리하는 화상 처리장치, 촬상 시스템, 화상 처리방법 및 기록매체
EP2693399B1 (en) Method and apparatus for tomography imaging
ES2726720T3 (es) Modificación de imagen de TCO
WO2017101222A1 (zh) 一种角膜屈光度的计算方法及系统
JP6637743B2 (ja) 眼科装置
JP2020058647A (ja) 画像処理方法、画像処理装置、及び画像処理プログラム
WO2021210295A1 (ja) 画像処理方法、画像処理装置、及びプログラム
JP2021168759A (ja) 画像処理方法、画像処理装置、及び画像処理プログラム
Archana et al. Detection of abnormal blood vessels in diabetic retinopathy based on brightness variations in SDOCT retinal images
JP5947497B2 (ja) 眼科画像処理装置、眼科画像処理方法、及び該方法を実行させるためのプログラム
WO2020240629A1 (ja) データ作成方法、データ作成装置、及びデータ作成プログラム
JP2016049183A (ja) 眼科装置及びその制御方法