ES2892477T3 - Dispositivo de formación de imágenes médicas - Google Patents

Dispositivo de formación de imágenes médicas Download PDF

Info

Publication number
ES2892477T3
ES2892477T3 ES19167393T ES19167393T ES2892477T3 ES 2892477 T3 ES2892477 T3 ES 2892477T3 ES 19167393 T ES19167393 T ES 19167393T ES 19167393 T ES19167393 T ES 19167393T ES 2892477 T3 ES2892477 T3 ES 2892477T3
Authority
ES
Spain
Prior art keywords
image
module
samples
region
reference image
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
ES19167393T
Other languages
English (en)
Inventor
Paul Ross
Alistair Gorman
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.)
Optos PLC
Original Assignee
Optos PLC
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 Optos PLC filed Critical Optos PLC
Application granted granted Critical
Publication of ES2892477T3 publication Critical patent/ES2892477T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • 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]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/262—Analysis of motion using transform domain methods, e.g. Fourier domain methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/38—Registration of image sequences
    • 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

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

Abstract

Un dispositivo de formación de imágenes médicas (100; 300) que comprende: un módulo de formación de imágenes ópticas (110) operable para generar datos de imagen que definen una imagen (I) de una región de una parte del cuerpo adquiriendo muestras cuyos valores son indicativos de una propiedad óptica de la parte del cuerpo en las respectivas ubicaciones de muestra en la región, las muestras que se adquiere midiendo una intensidad de luz que es o se basa en la luz transmitida a través de la parte del cuerpo, o luz que es o se basa en la luz reflejada de la región de la imagen de la parte del cuerpo, y el uso de un mapeo para mapear las muestras adquiridas a píxeles correspondientes de la imagen de manera que una indicación de la ubicación de muestra de cada muestra se mapee en una ubicación de píxel de un píxel correspondiente de la imagen; un módulo de control (120) configurado para controlar el módulo de formación de imágenes ópticas (110) para generar los datos de imagen adquiriendo una primera secuencia de muestras cuyas ubicaciones de píxeles correspondientes en la imagen siguen un camino (Pdisperso) que está abarcado por píxeles (Pi) correspondiente a la primera secuencia de muestras y se extiende sobre una parte mayor de la imagen (I) que una disposición en una matriz de una secuencia de píxeles (P'i) correspondiente a una segunda secuencia de muestras que el módulo de formación de imágenes ópticas (110) es operable para adquirir, en donde una suma de distancias entre píxeles adyacentes en la secuencia de píxeles es igual a una longitud del camino (Pdisperso); y un módulo de registro (130) configurado para registrar la imagen (I) contra una imagen de referencia (132) que comprende una imagen de una parte de la región.

Description

DESCRIPCIÓN
Dispositivo de formación de imágenes médicas
Campo
Los aspectos de ejemplo en la presente memoria generalmente se relacionan con el campo de la formación de imágenes médicas y, más particularmente, con la adquisición de datos de imagen que definen una imagen de una parte del cuerpo y el registro de la imagen contra una imagen de referencia para producir datos que son útiles para una variedad de diferentes fines, incluyendo el seguimiento de características, la estabilización de formación de imágenes y similares.
Antecedentes
Se conoce una variedad de dispositivos de formación de imágenes médicas para adquirir imágenes de una región de una parte del cuerpo realizando un escaneo de la región según un patrón de escaneo de trama, por ejemplo, y registrando las imágenes adquiridas contra una imagen de referencia para generar información de registro para uso en seguimiento de características, estabilización de imágenes y similares. Sin embargo, existe la necesidad de que tales dispositivos de formación de imágenes médicas sean capaces de realizar de forma fiable las operaciones de registro de imágenes a una velocidad más alta para una tasa de adquisición de datos de imágenes dada, en relación con los dispositivos conocidos.
La tesis de David Chang titulada "Fingerprint Recognition Through Circular Sampling" (1999, Instituto de Tecnología de Rochester) describe un método alternativo al reconocimiento de huellas dactilares por medio de un nuevo muestreo espacial del patrón a través de círculos concéntricos. Con este enfoque, las muestras circulares concéntricas tienen características invariantes de rotación, mientras que una traslación depende solo de la ubicación del centro de los círculos. Los círculos resultantes luego se correlacionan con los del conjunto conocido para obtener una colección de las coincidencias más probables. Esta técnica ha mostrado resultados excepcionales cuando se compara con varios patrones de prueba binarios, así como imágenes de huellas dactilares binarias sintéticas, pero es incapaz de reconocer imágenes de huellas dactilares en escala de grises no mejoradas.
También se hace referencia a Capítulo 4, titulado "Local Feature Design Concepts, Classification, and Learning" de "Computer Vision Metrics Survey, Taxonomy and Analysis" de S. Krig (Springer, 2014), que describe varios conceptos relacionados con el diseño de descriptores de características locales, a saber, patrones, formas, espectros, funciones de distancia, clasificación, emparejamiento y reconocimiento de objetos locales. En particular, se describe el uso de patrones locales dispersos para muestrear píxeles anclados en puntos de interés para crear el descriptor.
El artículo titulado "Multi-modal and multi-vendor retina image registration" de Z. Li et al., publicado en Biomedical Optics Express, Vol. 9, N° 2, página 410 (3 de enero de 2018), describe un método de registro de dos pasos para abordar el problema de lograr un registro de imagen de retina robusto y preciso. La coincidencia de descriptores en imágenes de fase media se utiliza para registrar imágenes globalmente en el primer paso. Se sigue el registro deformable basado en el método del descriptor de vecindad independiente de la modalidad (MIND) para refinar localmente el resultado del registro en el segundo paso. El método propuesto se evalúa ampliamente en imágenes de fondo de ojo en color e imágenes de oftalmoscopio láser de barrido (SLO). Tanto las pruebas cualitativas como cuantitativas demuestran un registro mejorado utilizando el método propuesto en comparación con el estado de la técnica.
Compendio
La invención se define por las reivindicaciones independientes 1, 14 y 15 adjuntas.
Los detalles adicionales de la invención se definen mediante las reivindicaciones dependientes 2-13.
Breve descripción de los dibujos
Las realizaciones de ejemplo en la presente memoria se explicarán ahora en detalle, a modo de ejemplo no limitativo únicamente, con referencia a las figuras adjuntas que se describen a continuación. Los mismos números de referencia que aparecen en diferentes figuras pueden indicar elementos idénticos o funcionalmente similares, a menos que se indique lo contrario.
La figura 1 es una ilustración esquemática de un dispositivo de formación de imágenes médicas según un primer ejemplo de realización en la presente memoria.
La figura 2(a) es una ilustración esquemática de una secuencia de píxeles que están dispuestos en una matriz, en una primera imagen de ejemplo generada por un módulo de formación de imágenes ópticas de la primera realización de ejemplo.
La figura 2(b) es una ilustración esquemática de una secuencia de píxeles que están dispuestos en una matriz, en una segunda imagen de ejemplo generada por un módulo de formación de imágenes ópticas de la primera realización de ejemplo.
La figura 2(c) es una ilustración esquemática de una secuencia de píxeles que están dispuestos en una matriz, en una tercera imagen de ejemplo generada por un módulo de formación de imágenes ópticas de la primera realización de ejemplo.
La figura 3 es una ilustración esquemática de un cuadro de imagen que comprende un conjunto de píxeles Pi dispuestos a lo largo de un camino Pdisperso correspondiente a las muestras adquiridas por el módulo de formación de imágenes ópticas de la primera realización de ejemplo usando un patrón de escaneo de repuesto y, para comparación, otro conjunto de píxeles Pi' dispuestos en una matriz y a lo largo de un segundo camino Pdenso, que corresponden a muestras adquiridas por el módulo de formación de imágenes ópticas de la primera realización de ejemplo utilizando un patrón de escaneo denso.
Las figuras 4(a) a 4(d) ilustran curvas representadas por diferentes ejemplos de una función que un módulo de control puede usar para determinar ubicaciones de muestras en las que el módulo de formación de imágenes ópticas adquiere muestras en la primera realización de ejemplo, con la figura 4(a) ilustrando una elipse, la figura 4(b) ilustrando una figura de Lissajous, la figura 4(c) ilustrando un hipotrocoide y la figura 4(d) ilustrando una espiral. La figura 5 es un diagrama de bloques que ilustra una configuración de hardware de procesamiento de señales de ejemplo del módulo de control y/o módulo de registro de la primera realización de ejemplo.
La figura 6 es un diagrama de flujo que ilustra un método realizado por un procesador de la figura 5, mediante el cual el procesador controla el módulo de formación de imágenes ópticas de la primera realización de ejemplo.
La figura 7 es una ilustración esquemática de un dispositivo de formación de imágenes médicas según una segunda realización de ejemplo en la presente memoria.
La figura 8 es un diagrama de flujo que ilustra un proceso iterativo mediante el cual se controla un módulo de formación de imágenes ópticas de la segunda realización de ejemplo.
La figura 9 es un diagrama de flujo que ilustra un método de control del módulo de formación de imágenes ópticas para generar datos de imagen, según una variante de la segunda realización de ejemplo descrita en la presente memoria.
Descripción detallada de las realizaciones
Las realizaciones de ejemplo en la presente memoria se describirán ahora en detalle con referencia a los dibujos adjuntos.
Realización 1
La figura 1 es una ilustración esquemática de un dispositivo de formación de imágenes médicas 100 según una primera realización de ejemplo.
El dispositivo de formación de imágenes médicas 100 de la presente realización de ejemplo comprende un módulo de formación de imágenes ópticas 110, un módulo de control 120 y un módulo de registro 130. El módulo de formación de imágenes ópticas 110, el módulo de control 120 y el módulo de registro 130 están acoplados comunicativamente mediante cualquier canal de comunicación 140 apropiado (tal como un bus de datos o similar) para ser capaz de intercambiar datos entre sí, como se describe con más detalle a continuación.
El módulo de formación de imágenes ópticas 110 puede ser cualquier tipo de aparato de formación de imágenes ópticas que sea operable para generar datos de imagen que definan una imagen de una región de cualquier parte de un cuerpo humano o animal (estando la región o bien en una superficie externa de la parte del cuerpo, o bien una sección interna de la parte del cuerpo), adquiriendo en primer lugar muestras cuyos valores son indicativos de una propiedad óptica de la parte del cuerpo en las respectivas ubicaciones de muestra en la región. A modo de ejemplo, el módulo de formación de imágenes ópticas 110 puede comprender un sensor de imagen (tal como un dispositivo de carga acoplada (CCD) o un sensor MOS complementario (CMOS), por ejemplo) o más generalmente cualquier tipo de fotodetector capaz de generar datos de imagen midiendo una intensidad de luz transmitida a través de la parte del cuerpo, o reflejada desde la región de la imagen de la parte del cuerpo, o luz derivada de la luz transmitida/reflejada, tal como la luz resultante de una interferencia de la luz transmitida/reflejada con una señal de luz de referencia, por ejemplo, en una pluralidad de ubicaciones de muestra. Los valores de muestra adquiridos por el dispositivo de formación de imágenes ópticas 110 pueden ser indicativos de al menos una propiedad óptica de la parte del cuerpo, tal como su reflectancia, transmitancia, fluorescencia u otra forma de fotoluminiscencia y/o color, por ejemplo.
Los datos de imagen generados por el módulo de formación de imágenes ópticas 110 pueden ser cualquier representación numérica de la imagen derivada de las muestras adquiridas, tal como una imagen de mapa de bits definida por una matriz de píxeles cuyas ubicaciones en la matriz y valores son indicativos de los valores de muestra adquiridos y las Ubicaciones de muestra, respectivamente. El módulo de formación de imágenes ópticas 110 usa un mapeo para mapear las muestras adquiridas a los píxeles correspondientes de la imagen de manera que una indicación de la ubicación de muestra de cada muestra se mapea a la ubicación de píxel de un píxel correspondiente de la imagen. El valor de muestra de cada muestra puede asignarse o mapearse de otro modo a un valor de píxel de un píxel correspondiente de la imagen. Como el tamaño de los datos de imagen generados es relativamente pequeño debido a la escasez de muestras adquiridas por el módulo de formación de imágenes ópticas 110 (como se trata a continuación), la imagen de mapa de bits generada puede, como en la presente realización de ejemplo, almacenarse preferiblemente, sin compresión, en un formato sin procesar (por ejemplo, como el mapa de bits sin procesar, sin una cabecera u otra información tal como información de tamaño) en un dispositivo de memoria del módulo de formación de imágenes ópticas 110, para aumentar la velocidad de procesamiento. Sin embargo, la imagen de mapa de bits generada puede almacenarse alternativamente en el dispositivo de memoria en cualquier formato de archivo de imagen comprimido conocido, por ejemplo, en un archivo de mapa de bits comprimido estandarizado tal como GIF, PNG, TIFF o JPEG.
El dispositivo de formación de imágenes médicas 100 se puede proporcionar en una de muchas formas diferentes. A modo de ejemplo, el dispositivo de formación de imágenes médicas 100 de la presente realización de ejemplo se proporciona en forma de un escáner de retina para formación de imágenes de una región de la retina del ojo de un paciente. Debería entenderse, sin embargo, que los aspectos de configuración y funcionamiento del escáner de retina descritos a continuación no son necesariamente particulares de los escáneres de retina y pueden ser aplicables a otros tipos de escáneres médicos y dispositivos de formación de imágenes médicas.
El escáner de retina puede ser, como en la presente realización de ejemplo, un oftalmoscopio láser de barrido (SLO) para formación de imágenes de la superficie de la retina. El escáner de retina puede, por ejemplo, tomar la forma de un SLO de campo amplio que tiene una disposición óptica como se describe, por ejemplo, en la patente de EE.UU. N° 5.815.242 o, alternativamente, un SLO de campo más estrecho de un tipo convencional bien conocido por los versados en la técnica. El escáner de retina puede ser alternativamente uno de una serie de escáneres de tomografía de coherencia óptica (OCT) conocidos que están configurados para adquirir datos de imagen de OCT que definen una imagen de una región de la retina a una profundidad prescrita por debajo de su superficie. Como alternativa adicional, el escáner de retina puede ser un escáner SLO-OCT combinado, que es capaz de adquirir tanto una imagen de fondo de ojo confocal a través de óptica SLO como una imagen tomográfica a través de óptica OCT en un único procedimiento. Un ejemplo de un escáner SLO-OCT combinado de campo amplio se describe en la patente de EE.Uu . N° 9.924.862.
El escáner de retina puede formar imágenes de la región escaneando un haz de luz colimado a lo largo de la región y midiendo, para cada ubicación de muestra de una secuencia de ubicaciones de muestra en la región cubierta por el escaneo, la intensidad de la luz reflejada desde la ubicación de muestra respectiva utilizando un sensor de imagen u otra disposición de fotodetector que sea capaz de medir la intensidad de la luz reflejada, obteniendo así una secuencia de muestras de la intensidad de la luz reflejada. Para cada muestra adquirida, el escáner de retina forma una asociación (por ejemplo, mediante el almacenamiento en una estructura de datos configurada apropiadamente, que puede visualizarse como una tabla o similar) entre el valor de la muestra y los valores de uno o más parámetros de escaneo (para ejemplo, una o más señales de control para controlar el desplazamiento angular de uno o más elementos de escaneo del escáner de retina) que son indicativas de la ubicación de muestra correspondiente.
Como ejemplo, en una realización en donde el escáner de retina comprende un primer y un segundo elemento de escaneo que se proporcionan en una disposición óptica como se describe en patente europea EP 0730428 B1 para permitir que la luz colimada sea escaneada a través de la retina mediante el control de sus rotaciones, el escáner de retina puede formar una asociación entre el resultado de la medición, Ri, de cada medición de intensidad, i (donde i = 1, ... N en caso de que se adquieran N muestras en el escaneo), y los valores correspondientes, De(i) y Do(i), de señales de excitación, De y Do, según los cuales el elemento o elementos de escaneo del escáner de retina se establecen cuando se realiza la medición i, los valores De(i) y Do (i) siendo así indicativos de la ubicación de la medición i en la retina.
El escáner de retina puede generar los datos de imagen que definen la imagen de la región escaneada utilizando el mapeo mencionado anteriormente para mapear las muestras adquiridas a los píxeles correspondientes de la imagen, de manera que un valor de muestra (Ri en el ejemplo anterior) y la indicación de la ubicación de muestra (por ejemplo, De(i) y Do(i) en el ejemplo anterior) de cada muestra se asignan a un valor de píxel y una ubicación de píxel de un píxel correspondiente de la imagen. Este mapeo se puede realizar para generar los datos de imagen después de que se haya completado la adquisición de muestras y/o durante la adquisición de muestras. El mapeo puede obtenerse sobre la base de una respuesta medida o calculada del espejo o espejos de escaneo a las señales de control y un modelo óptico del escáner de retina, por ejemplo, usando técnicas bien conocidas por los expertos en la técnica.
En un primer modo de funcionamiento, el módulo de control 120 puede controlar el módulo de formación de imágenes ópticas 110 para adquirir una secuencia de muestras según un patrón de escaneo denso, siendo el patrón de escaneo denso de manera que, en la generación de los datos de imagen por el módulo de formación de imágenes ópticas 110, las ubicaciones de muestras en la retina de las muestras adquiridas se asignan a las ubicaciones de píxeles correspondientes en la imagen que están dispuestas en una matriz. El patrón de escaneo denso puede ser un patrón de escaneo de trama, en un ejemplo, en cuyo caso la secuencia de muestras adquiridas se mapea en una secuencia correspondiente de píxeles cuyo orden refleja el orden de las muestras adquiridas según el patrón de escaneo de trama, como se muestra en la ilustración esquemática de la imagen generada en la figura 2(a). En la figura 2(a), los píxeles p, cuyas ubicaciones de píxeles en la imagen son un mapeo de las ubicaciones de muestra en la retina, se muestran, a modo de ejemplo, que están dispuestos en filas y columnas en una matriz (o parrilla), con un espaciado d entre ubicaciones de píxeles adyacentes en cualquier fila o columna de la matriz. En este ejemplo, el espacio entre ubicaciones de píxeles adyacentes en la secuencia es d, con la excepción del espaciado entre la ubicación del último píxel en cada fila de la matriz y la ubicación del siguiente píxel en la secuencia que está en la siguiente fila de la matriz y en el lado opuesto de la matriz. El espaciado entre estas ubicaciones de píxeles adyacentes es 65,/2d, ya que hay 9 píxeles en cada fila en este ejemplo ilustrativo.
En un ejemplo alternativo, en el que el patrón de escaneo denso es un patrón de escaneo 'python' o 'S', los píxeles de la imagen generada están dispuestos de manera similar en una matriz, como se ilustra en la figura 2(b), aunque el espaciado entre la ubicación del último píxel en cada fila de la matriz y la ubicación del siguiente píxel en la secuencia, que está en la siguiente fila de la matriz y en el mismo lado de la matriz, es d en este ejemplo (el espaciado entre las ubicaciones de todos los demás píxeles adyacentes que son de nuevo d).
En la figura 2(c) se muestra un ejemplo adicional de una disposición de los píxeles de imagen en una matriz, en la cual el camino seguido por la secuencia de píxeles en la imagen refleja la adquisición de muestras por el módulo formación de imágenes ópticas 110 en un patrón de escaneo que traza parcialmente una serie de cuadrados concéntricos, trazando la mayor parte de cada cuadrado antes de cambiar para trazar la mayor parte del siguiente cuadrado más grande, etc.
En el primer modo de funcionamiento, el módulo de control 120 controla así el módulo de formación de imágenes ópticas 110 para realizar un escaneo denso usando un patrón de escaneo de uno de los diferentes tipos descritos anteriormente, por ejemplo, dedicando así el tiempo de escaneo disponible a la adquisición de datos de imagen que definen una imagen de una parte relativamente pequeña de la retina, siendo el espaciado de los puntos de muestra adyacentes en la retina típicamente similar a la resolución óptica del módulo de formación de imágenes ópticas 110.
Con el fin de lograr una eficacia de registro mejorada sin requerir que se aumente la velocidad del elemento o elementos de escaneo del escáner de retina y la tasa de muestreo, el módulo de control 120 se puede operar en un segundo modo operativo para controlar el módulo de formación de imágenes ópticas 110 para adquirir muestras usando un patrón de escaneo disperso, de manera que un cuadro de imagen disperso resultante proporciona cobertura de una región general más grande de la retina que una imagen adquirida por el módulo de formación de imágenes ópticas 110 cuando se usa el patrón de escaneo denso del primer modo operativo. Más particularmente, el módulo de control 120 puede operar en el segundo modo para controlar el módulo de formación de imágenes ópticas 110 para generar datos de imagen adquiriendo una primera secuencia de muestras cuyas ubicaciones de píxeles correspondientes en la imagen siguen un camino que se extiende por píxeles correspondientes a la primera secuencia de muestras y se extiende sobre una parte mayor de la imagen que una disposición en una matriz de una secuencia de píxeles correspondiente a una segunda secuencia de muestras que el módulo de formación de imágenes ópticas 110 puede adquirir cuando se opera en el primer modo como se describe anteriormente, en donde un suma de distancias entre píxeles adyacentes en la secuencia de píxeles es igual a la longitud del camino.
En la presente realización de ejemplo, el módulo de control 120 está configurado para determinar las ubicaciones de muestra en donde el módulo de formación de imágenes ópticas 110 adquiere las muestras en la primera secuencia usando una función que define un círculo (por ejemplo, (x - x1)2 + (y - y1)2 = r2, donde (x1, y1) es el centro de un círculo de radio r). Como se ilustra en la figura 3, las ubicaciones de los píxeles Pi en el cuadro de imagen I correspondiente a la primera secuencia de muestras adquiridas en el escaneo disperso siga un camino circular Pdisperso que tiene una circunferencia que es la misma que la longitud del camino Pdenso correspondiente a la suma de las distancias entre píxeles adyacentes en una secuencia de píxeles P'i correspondiente a una segunda secuencia de muestras que el módulo de formación de imágenes ópticas 110 adquiriría cuando funcionara en el primer modo, usando un patrón de escaneo denso como se describió anteriormente. Como se muestra en la figura 3, el camino circular Pdisperso se extiende sobre una parte mayor del cuadro de imagen I que la disposición de píxeles a lo largo del camino Pdenso en una matriz. El camino puede extenderse sobre una parte mayor del cuadro de imagen I que la matriz de píxeles antes mencionada de modo que, por ejemplo, la mayor distancia en línea recta en el cuadro de imagen entre píxeles correspondientes a las muestras en la primera secuencia de muestras adquiridas durante la operación del módulo de control 120 en el segundo modo es mayor que la mayor distancia en línea recta entre píxeles correspondientes a muestras en la segunda secuencia de muestras que se adquirirían durante el funcionamiento del módulo de control 120 en el primer modo.
El módulo de control 120 puede configurarse alternativamente para determinar las ubicaciones de muestra en las que el módulo de formación de imágenes ópticas 110 adquiere las muestras en la primera secuencia usando una función que define una elipse distinta de un círculo (por ejemplo, (x - x1)2/a2 + (y - y1)2/b2 = 1, donde (x1, y1) es el centro de la elipse). De manera más general, la función puede ser cualquier función que defina una curva en un plano. Más ejemplos de la curva se ilustran en las figuras 4(a) a 4(d). La curva puede ser una curva cerrada tal como una elipse no circular (como se ilustra en la figura 4(a)), una figura de Lissajous (como se ilustra en la figura 4(b)) o un hipotrocoide (como se ilustra en la figura 4(c)), por ejemplo. Alternativamente, la curva puede ser una curva abierta tal como una espiral (como se ilustra en la figura 4(d)), o una línea recta, por ejemplo. En un módulo de formación de imágenes ópticas que comprende uno o más elementos de escaneo como se describió anteriormente, el módulo de control 120 puede generar señales de control para impulsar la rotación del elemento o elementos de escaneo sobre la base de la función, de modo que la luz colimada se escanea a través de la retina según el patrón de escaneo disperso definido por la función. Durante la exploración, el módulo de formación de imágenes ópticas 110 puede adquirir muestras a una tasa de muestreo constante, como en la presente realización de ejemplo, o a intervalos irregulares.
El módulo de registro 130 está configurado para registrar la imagen definida por los datos de imagen generados contra una imagen de referencia 132 almacenada en el mismo, que incluye datos de imagen que definen una imagen de al menos una parte de la región que ha sido captada por el módulo de formación de imágenes ópticas 110. En la presente realización de ejemplo, el área de la retina representada en la imagen de referencia 132 es mayor que el área de la retina cubierta por un único escaneo denso del tipo descrito anteriormente que se realiza mediante el módulo de formación de imágenes ópticas 110.
El módulo de registro 130 puede registrar la imagen contra la imagen de referencia 132 calculando una correlación cruzada entre la imagen y la imagen de referencia 132. Por ejemplo, el módulo de registro 130 puede, como en la presente realización de ejemplo, estar configurado para registrar la imagen contra la imagen de referencia 132 mediante el cálculo de una Correlación Cruzada Normalizada Ponderada (en otras palabras, una Correlación Cruzada Normalizada Enmascarada) entre la imagen y la imagen de referencia 132. Se proporcionan detalles adicionales sobre cómo se puede realizar el cálculo de Correlación Cruzada Normalizada Ponderada, por ejemplo, en el artículo titulado "Masked Object Registration in the Fourier Domain" de D. Padfield, publicado en las Actas del IEEE sobre Procesamiento de Imágenes, Vol. 21, Número 5, páginas 2706-2718, el 5 de mayo de 2012 (véase la sección titulada "II. METHODS" en particular). Esta técnica permite el registro de datos de imagen dispersos considerando solo puntos de datos genuinos; los puntos que no son de datos en un cuadro de imagen disperso se excluyen del cálculo de registro mediante el uso de una máscara. Por tanto, el módulo de registro 130 de la presente realización de ejemplo está configurado para producir una medida de un desplazamiento de translación entre dos imágenes. El módulo de registro 130 puede configurarse para registrar la imagen directamente contra la imagen de referencia 132, como en la presente realización de ejemplo, o indirectamente registrando la imagen contra una imagen adquirida previamente en una secuencia de imágenes adquiridas por el módulo de formación de imágenes ópticas 110, en donde se conoce una diferencia del tipo o tipos antes mencionados entre la imagen adquirida previamente y la imagen de referencia 132.
En la presente realización de ejemplo, la imagen de referencia 132 utilizada por el módulo de registro 130 se adquiere antes de la realización del registro por el módulo de registro 130, por ejemplo, formando un mosaico de imágenes de áreas de formación de imágenes adyacentes en la retina de las que se obtienen imágenes de cada una por el módulo de formación de imágenes ópticas 110 usando un patrón de exploración denso. Las áreas de formación de imágenes adyacentes se superponen preferiblemente para permitir que las imágenes se registren entre sí de modo que se puedan combinar (o hilvanar entre sí) para generar el mosaico de imágenes que forman la imagen de referencia 132.
La configuración del módulo de control 120 para controlar el módulo de formación de imágenes ópticas 110 para generar datos de imagen usando un patrón de escaneo disperso como se describió anteriormente, en lugar de un patrón de escaneo denso, y la configuración del módulo de registro 130 para registrar la imagen producida por el escaneo disperso contra la imagen de referencia 132, puede proporcionar uno o más de los siguientes beneficios: (i) puede permitir el seguimiento de características de alta tasa de cuadros con una tasa de datos relativamente baja y escáneres de velocidad relativamente baja en relación con los dispositivos de la técnica anterior; (ii) para una tasa de datos dada, puede ofrecer una eficacia de registro mejorada sobre métodos no dispersos (ya que un cuadro disperso puede proporcionar cobertura de una región general más grande de la retina que un cuadro producido a través de un patrón de escaneo denso), lo que permite que una fidelidad de imagen más alta se logre cuando el registro se utiliza en el procesamiento de imágenes para compensar el movimiento, y un escaneo más preciso de una región específica de interés que se logra cuando el registro se usa para controlar el módulo de formación de imágenes ópticas 110 para mantener un 'bloqueo' en la región de interés; y (iii) el patrón de escaneo disperso se puede construir para cruzarse con regiones de alto detalle, de modo que el registro se pueda realizar incluso cuando se adquieran datos de regiones menos detalladas, siempre que la trayectoria de escaneo se cruce con al menos una región de alto detalle en algún lugar a lo largo de su camino. La configuración de estos componentes del dispositivo de formación de imágenes médicas 100 puede permitir una compensación de movimiento eficaz.
El dispositivo de formación de imágenes médicas 100 puede, como en la presente realización de ejemplo, estar configurado de modo que cada cuadro de imagen entrante (adquirido con el uso del patrón de escaneo disperso como se describió anteriormente) se registre contra la imagen de referencia 132 para determinar un desplazamiento de translación y, si el desplazamiento es mayor que un umbral específico, el patrón de escaneo se vuelve a centrar para seguir cualquier movimiento. Esto puede permitir un mayor grado de desplazamiento de translación que en los dispositivos conocidos, mientras que permanece dentro del rango del patrón de escaneo.
Los aspectos de ejemplo descritos en la presente memoria mejoran las metodologías y los dispositivos de formación de imágenes médicas para adquirir imágenes de partes del cuerpo, en virtud de proporcionar los beneficios descritos anteriormente y, para al menos algunas realizaciones, también en virtud de permitir que se realicen operaciones de registro de imágenes fiables a una velocidad más alta para una tasa de adquisición de datos dada, en relación con los métodos/dispositivos conocidos. Además, en virtud de las capacidades de al menos algunos aspectos de ejemplo descritos en la presente memoria, que tienen sus raíces en la tecnología informática, los aspectos de ejemplo descritos en la presente memoria también mejoran la tecnología informática, por ejemplo y sin limitación, permitiendo las operaciones de registro de imágenes de velocidad más alta y asociadas al procesamiento informático más rápido a realizarse, en relación con métodos/dispositivos conocidos.
La figura 5 es una ilustración esquemática de un hardware de procesamiento de señales programables 200, que puede configurarse para controlar un dispositivo de formación de imágenes médicas que comprende un módulo de formación de imágenes ópticas 110 como se describió en la primera realización de ejemplo y, en particular, funcionar como el módulo de control 120 y/o el módulo de registro 130 (y/o el módulo de actualización 150 de la segunda realización descrita a continuación). El hardware de procesamiento de señales programables 200 comprende una interfaz de comunicación (I/F) 210 para recibir datos de muestra adquiridos por el módulo de formación de imágenes ópticas 110 y enviar instrucciones de control al módulo de formación de imágenes ópticas 110 para controlar el módulo de formación de imágenes ópticas 110 para adquirir muestras según un patrón de escaneo disperso y, opcionalmente, basado en desplazamientos obtenidos en el registro (para mantener la ubicación del escaneo en una región de interés en la retina, para compensar los movimientos del ojo durante la formación de imágenes). El aparato de procesamiento de señales 200 comprende además un procesador (por ejemplo, una Unidad Central de Procesamiento, CPU o Unidad de Procesamiento de Gráficos, GPU) 220, una memoria de trabajo 230 (por ejemplo, una memoria de acceso aleatorio) y un almacén de instrucciones 240 que almacena un programa informático que comprende -las instrucciones legibles por ordenador que, cuando son ejecutadas por el procesador 220, hacen que el procesador 220 realice diversas funciones, incluyendo las del módulo de control 120, el módulo de registro 130 y/o el módulo de actualización 150 descrito en la presente memoria. La memoria de trabajo 230 almacena información utilizada por el procesador 220 durante la ejecución del programa informático, incluyendo los datos de imagen generados por el dispositivo de formación de imágenes ópticas 110, la imagen de referencia 132, uno o más desplazamientos calculados durante el registro de imagen, una o más funciones que definen el patrón de escaneo y las plantillas de formación de imágenes candidatas descritas a continuación, por ejemplo. El almacén de instrucciones 240 puede comprender una ROM (por ejemplo, en forma de una memoria de solo lectura programable y borrable eléctricamente (EEPROM) o memoria flash) que está precargada con las instrucciones legibles por ordenador. Alternativamente, el almacén de instrucciones 240 puede comprender una RAM o un tipo similar de memoria, y las instrucciones legibles por ordenador del programa informático pueden ingresarse al mismo desde un producto de programa informático, tal como un medio de almacenamiento no transitorio, legible por ordenador 250 en forma de un CD-ROM, DVD-ROM, etc. o una señal legible por ordenador 260 que lleva las instrucciones legibles por ordenador. En cualquier caso, el programa informático, cuando es ejecutado por el procesador, hace que el procesador ejecute un método o métodos de control de un dispositivo de formación de imágenes médicas 100 como se describe en la presente memoria, y los métodos mostrados en las figuras 6, 8 y 9. Debería observarse, sin embargo, que el módulo de control 120, el módulo de registro 130 y/o el módulo de actualización 150 pueden implementarse alternativamente en hardware no programable, tal como un circuito integrado de aplicaciones específicas (ASIC).
En la presente realización de ejemplo, una combinación 270 de los componentes de hardware mostrados en la figura 5, que comprende el procesador 220, la memoria de trabajo 230 y el almacén de instrucciones 240, está configurada para realizar funciones del módulo de control 120 y el módulo de registro 130, y/o las funciones del módulo de actualización 150 que se describen a continuación.
La figura 6 es un diagrama de flujo que ilustra un método realizado por el procesador 220, mediante el cual el procesador 220 controla el módulo de formación de imágenes ópticas 110 para generar datos de imagen que definen una imagen de una región de una parte del cuerpo, y registra la imagen frente a una imagen de referencia 132.
En el paso S10 de la figura 6, el procesador 220 controla el módulo de formación de imágenes ópticas 110, como se describió anteriormente, para generar los datos de imagen adquiriendo la primera secuencia de muestras descrita anteriormente, cuyas ubicaciones de píxeles correspondientes en la imagen siguen un camino que se extiende por píxeles correspondientes a la primera secuencia de muestras y se extiende sobre una mayor parte de la imagen que una disposición en una matriz de una secuencia de píxeles correspondiente a la segunda secuencia de muestras que el módulo de formación de imágenes ópticas 110 es operable para adquirir, en donde una suma de distancias entre píxeles adyacentes en la secuencia de píxeles es igual a la longitud del camino.
Luego, en el paso S20 de la figura 6, el procesador 220 registra la imagen frente a una imagen de referencia 132 que comprende una imagen de una parte de la región, como se describió anteriormente.
Realización 2
La figura 7 es una ilustración esquemática de un dispositivo de formación de imágenes médicas 300 según una segunda realización de ejemplo.
El dispositivo de formación de imágenes médicas 300 de la presente realización de ejemplo comprende un módulo de formación de imágenes ópticas 110, un módulo de control 120 y un módulo de registro 130 que son los mismos que en la primera realización de ejemplo, pero difieren de la primera realización de ejemplo al incluir un mecanismo para construir la imagen de referencia 132 que es utilizada por el módulo de registro 130 para registrar las imágenes dispersas adquiridas. En la presente realización de ejemplo, la imagen de referencia 132 se construye acumulando, en una imagen de referencia incompleta, datos de imagen dispersos de imágenes dispersas adquiridas después de que estas imágenes se hayan registrado contra la imagen de referencia 132, aumentando por ello la cobertura del área de la imagen de referencia. Debido a la naturaleza dispersa del escaneo realizado por el módulo de formación de imágenes ópticas 110 bajo el control del módulo de control 120 en el segundo modo de operación descrito anteriormente, este mecanismo de actualización puede permitir que un área relativamente amplia de la imagen de referencia 132 se llene con píxeles correspondientes a datos de muestra de cada escaneo disperso, lo que permite que la imagen de referencia 132 se construya hasta un nivel utilizable para el registro de imágenes en un período de tiempo más corto que en la primera realización de ejemplo descrita anteriormente, donde la imagen de referencia 132 se forma como un mosaico de imágenes que se adquieren al realizar un escaneo denso en secciones adyacentes de la retina. En otras palabras, el dispositivo de formación de imágenes médicas 300 de la presente realización de ejemplo, con el módulo de control 120 del mismo funcionando solo en el segundo modo, puede alcanzar un estado en el que es capaz de registrar de forma fiable imágenes de una región de una parte del cuerpo, para la que no existen datos de imágenes anteriores, en un período de tiempo más corto que el dispositivo de formación de imágenes médicas 100 de la primera realización de ejemplo, que genera la imagen de referencia usando solo escaneos densos como se describió anteriormente.
El módulo de actualización 150 del dispositivo de formación de imágenes médicas 300 está configurado para actualizar la imagen de referencia 132 para incluir los datos de imagen de la imagen que se ha registrado contra la imagen de referencia 132 en el paso S20 de la figura 6, generando por ello una imagen de referencia 132 actualizada que incluye esta información complementaria.
Con el fin de reducir la probabilidad de que la imagen de referencia 132 se actualice para incluir datos de imagen de una imagen dispersa que no se ha registrado correctamente contra la imagen de referencia (debido a un grado insuficiente de superposición entre las características retinales representadas en la imagen dispersa y la imagen de referencia 132) y, por tanto, degradando la calidad de la imagen de referencia, el módulo de actualización 150 puede, como en la presente realización de ejemplo, actualizar la imagen de referencia 132 solo si un máximo de la Correlación Cruzada Normalizada Ponderada calculada entre la imagen dispersa y la imagen de referencia 132 supera un umbral predeterminado.
Como se señaló anteriormente, el módulo de registro 130 puede configurarse para registrar la imagen dispersa adquirida contra la imagen de referencia 132 determinando una diferencia de traslación entre la imagen dispersa y la imagen de referencia 132. La actualización de la imagen de referencia 132 mediante el módulo de actualización 150 puede estar condicionada no solo a que el máximo de la Correlación Cruzada Normalizada Ponderada calculada entre la imagen y la imagen de referencia 132 supere el umbral, sino también a la diferencia de traslación determinada que supere un umbral respectivo. De esta manera, se puede evitar la sobrecarga de procesamiento asociada con la actualización de los datos de imagen de referencia que no aumenta suficientemente su cobertura.
En la presente realización de ejemplo, el módulo de formación de imágenes ópticas 110, el módulo de control 120, el módulo de registro 130 y el módulo de actualización 150 están configurados para realizar la adquisición y el mapeo de las muestras dispersas, el registro de la imagen dispersa contra la imagen de referencia 132, y la generación de la imagen de referencia actualizada en un proceso iterativo, de manera que la imagen dispersa definida por los datos de imagen generados por el módulo de formación de imágenes ópticas 110 en cada iteración de este proceso iterativo sea registrada por el módulo de registro 130 contra y posteriormente utilizada por el módulo de actualización 150 para actualizar, la imagen de referencia 132 actualizada en una iteración anterior del proceso iterativo.
Ahora se describirá un ejemplo de este proceso iterativo con referencia a la figura 8.
En cada una de las iteraciones del proceso iterativo mostrado en la figura 8, el módulo de control 120 y el módulo de registro 130 realizan los pasos S10 y S20, respectivamente, que son los mismos que en la primera realización de ejemplo descrita anteriormente con referencia a la figura 6. En el paso S30, el módulo de actualización 150 actualiza la imagen de referencia 132 para incluir los datos de imagen de la imagen dispersa que se ha registrado contra la imagen de referencia 132, generando por ello una versión actualizada de la imagen de referencia 132, contra la cual la imagen dispersa adquirida por el módulo de formación de imágenes ópticas 110 en la siguiente iteración es registrada por el módulo de registro 130 en esa iteración posterior. La actualización de la imagen de referencia 132 por el módulo de actualización 150 puede estar sujeta a que se cumpla una condición, como se describió anteriormente (es decir, un máximo de la Correlación Cruzada Normalizada Ponderada calculada entre la imagen dispersa y la imagen de referencia 132 que excede un umbral predeterminado), o puede ser incondicional para que la imagen de referencia 132 se actualice en cada iteración. En cualquier caso, la imagen de referencia 132 utilizada por el módulo de registro 130 en cada ejecución del paso S20 es una imagen de referencia 132 actualizada que se ha actualizado en una iteración anterior. En cada iteración del proceso mostrado en la figura 8, el módulo de control 120 determina en el paso S40 si se ha cumplido un criterio de parada, y continúa realizando el proceso iterativo mediante un bucle de retorno al paso S10 si no se ha cumplido el criterio de parada y de lo contrario detiene el procesamiento si se ha cumplido el criterio de detención. El criterio de parada puede ser, por ejemplo, que se haya construido una imagen de referencia suficientemente densa del área de cobertura deseada, determinada por una relación de un número de píxeles diferentes en la referencia cuyos valores se hayan actualizado al número total de píxeles en la imagen de referencia 132. El criterio de parada puede ser adicional o alternativamente que se haya realizado un número predeterminado de iteraciones, o que se haya generado una instrucción para terminar el proceso por un usuario del dispositivo de formación de imágenes médicas 300 o por un proceso de control de adquisición de imágenes (por ejemplo, para controlar la adquisición de datos tomográficos en un sistema de formación de imágenes SLO-OCT combinado) que se ejecuta en el dispositivo, por ejemplo.
Así, en cada cuadro de imagen sucesivo, el patrón de escaneo disperso cubre un área que aún no se ha adquirido con la calidad requerida, aumentando así la cobertura y/o la calidad del área cuando se acumula en la imagen de referencia parcial. Se observa que la imagen dispersa siempre tiene regiones de superposición con la imagen de referencia acumulada, facilitando así el registro con ella. El proceso se puede complementar con relleno de datos de imagen si faltan píxeles en la imagen de referencia final.
En la presente realización de ejemplo, el módulo de control 120 está configurado para controlar el módulo de formación de imágenes ópticas 110 para adquirir muestras en el paso S10 usando el mismo patrón de escaneo disperso en cada una de las iteraciones del proceso iterativo, para generar datos de imagen que definen una pluralidad de imágenes de diferentes regiones respectivas de la parte del cuerpo que están desplazadas unas con respecto a las otras, mediante la adquisición de una pluralidad de secuencias de las muestras, en donde los píxeles a los que se mapean las muestras de las secuencias adquiridas de muestras tienen ubicaciones de píxeles que siguen el mismo camino en cada una de las imágenes dispersas. Los movimientos naturales de la retina del sujeto con respecto al módulo de formación de imágenes ópticas 110 durante la formación de imágenes pueden, como en la presente realización de ejemplo, ser suficientes para hacer que la ubicación de escaneo en la retina del escaneo disperso realizado por el módulo de formación de imágenes ópticas 110 difiera de una iteración a la siguiente, de modo que el escaneo disperso cubre una región diferente de la retina en cada iteración (aunque la diferencia en la cobertura de un escaneo al siguiente puede no ser siempre suficiente para desencadenar la actualización de la imagen de referencia 132, como se indicó anteriormente, de modo que la imagen de referencia 132 no se pueda actualizar en cada iteración). Tales movimientos naturales del ojo del sujeto están generalmente más allá del control del sujeto y pueden ocurrir a pesar de que se tomen medidas para reducirlos, tales como la colocación de la barbilla del sujeto en un reposabarbillas y similares.
En una variante del dispositivo de formación de imágenes médicas 300, que puede usarse en aplicaciones donde el movimiento natural de la retina con respecto al módulo de formación de imágenes ópticas 110 en la escala de tiempo del proceso de adquisición de imágenes es insignificante, el módulo de control 120 puede configurarse para controlar el módulo de formación de imágenes ópticas 110 para adquirir una pluralidad de secuencias de las muestras usando un patrón de escaneo diferente en cada una de las iteraciones del proceso iterativo, para generar datos de imagen que definen una pluralidad de imágenes de la región de la parte del cuerpo, en donde los píxeles a los que se mapean las muestras de las secuencias de muestras adquiridas tienen ubicaciones de píxeles que siguen un camino diferente en cada una de las imágenes. En esta variante, el módulo de control 120 usa un patrón de escaneo diferente en cada una de las iteraciones, asegurando por ello que una región diferente de la retina sea cubierta por cada escaneo. El patrón de escaneo se puede variar en una de una serie de formas diferentes en el proceso iterativo, por ejemplo, trasladando, rotando y/o escalando sistemáticamente el patrón de escaneo disperso en un incremento o incrementos predeterminados en cada iteración, y/o variando en cada iteración la función que define la forma del escaneo disperso.
Un método particularmente ventajoso de controlar el módulo de formación de imágenes ópticas 110 para generar los datos de imagen, según una segunda variante del dispositivo de formación de imágenes médicas 300, se describirá ahora con referencia a la figura 9, que ilustra un proceso mediante el cual el módulo de control 120 de esta segunda variante genera datos de imagen en su ejecución del paso S10 en las figuras 6 y 8.
En la segunda variante, el módulo de control 120 está configurado para mantener un registro de un número de veces que cada uno de una pluralidad de píxeles de la imagen de referencia 132 se ha actualizado durante la ejecución del proceso iterativo. Por ejemplo, el módulo de control 120 puede almacenar un registro en forma de una matriz de datos bidimensional que tiene el mismo número de filas y columnas que filas de píxeles y columnas de píxeles en la imagen de referencia 132, y almacenar en cada celda de esta matriz de datos es un valor de recuento que representa el número de veces que el píxel en la ubicación correspondiente en la imagen de referencia 132 se ha actualizado hasta ahora en el proceso iterativo.
En cada una de las iteraciones del proceso iterativo, el módulo de control 120 de la segunda variante calcula en el paso S10-1 de la figura 9 un grado respectivo de correlación entre el registro y cada una de una pluralidad de plantillas de formación de imágenes candidatas, en donde cada plantilla de formación de imágenes candidata comprende una imagen predicha diferente de una región candidata de la retina para ser captada por el módulo de formación de imágenes ópticas 110. La imagen predicha en cada plantilla de formación de imágenes puede comprender píxeles que tienen un valor de píxel común, que están ubicados en ubicaciones de píxeles en la plantilla de formación de imágenes que se puede mapear con un conjunto correspondiente de valores de parámetros de control del módulo de formación de imágenes ópticas usando un mapeo del tipo descrito anteriormente. En la segunda variante, el módulo de formación de imágenes ópticas 110 puede ser controlado por el módulo de control 120 para generar, según cada una de las plantillas de formación de imágenes candidatas, datos de imagen que definen una imagen de una región candidata respectiva de la parte del cuerpo adquiriendo muestras cuyos valores son indicativos de la propiedad óptica de la parte del cuerpo en las respectivas ubicaciones de muestra en la región candidata, y mapeando las muestras adquiridas a los píxeles correspondientes de la imagen de manera que el valor de muestra y una indicación de la ubicación de muestra de cada muestra se mapean en un valor de píxel y una ubicación de píxel de un píxel correspondiente de la imagen, en donde el módulo de formación de imágenes ópticas 110 está configurado para utilizar el mapeo para determinar ubicaciones de muestra en la región de formación de imágenes candidatas en la que se van a adquirir las muestras.
En el paso S10-2 de la figura 9, el módulo de control 120 selecciona, de la pluralidad de plantillas de formación de imágenes candidatas y en base a los grados de correlación que se han calculado en el paso S10-1, una plantilla de formación de imágenes que se va a utilizar para adquisición de imágenes en esa iteración. El módulo de control 120 puede seleccionar, como plantilla de formación de imágenes, una plantilla de formación de imágenes de la pluralidad de plantillas de formación de imágenes candidatas cuyo grado calculado de correlación con el registro esté entre el más alto de los grados de correlación calculados y el más bajo de los grados de correlación calculados, y preferiblemente una mediana de los grados de correlación calculados. Los valores bajos del grado de correlación corresponden a ubicaciones de escaneo que aumentarán la cobertura de la imagen de referencia 132 a expensas de la superposición entre las áreas cubiertas por la imagen de referencia 132 y el cuadro de imagen adquirida, y los valores altos corresponden a regiones de la retina que han sido muestreadas en mayor grado; los valores intermedios corresponden a áreas con cierta superposición, según se requiera para el seguimiento, y nuevas áreas de retina requeridas para aumentar la cobertura.
Luego, en el paso S10-3 de la figura 9, el módulo de control 120 controla el módulo de formación de imágenes ópticas 110 para generar datos de imagen utilizando la plantilla de formación de imágenes seleccionada en el paso S10-2 de la figura 9.
La imagen definida por los datos de imagen que se ha generado según la plantilla de formación de imágenes seleccionada se registra entonces contra la imagen de referencia 132 por el módulo de registro 130, y el módulo de actualización 150 actualiza la imagen de referencia 132 para incluir los datos de imagen de la imagen que se ha registrado contra la imagen de referencia 132. En la segunda variante, el módulo de actualización 150 actualiza el registro utilizando los datos de imagen de la imagen que se ha registrado contra la imagen de referencia 132, incrementando el recuento en cada celda del registro cuya ubicación correspondiente en la imagen de referencia 132 tiene un píxel cuyo valor de píxel se ha actualizado en la iteración actual.
En la descripción anterior, se describen aspectos de ejemplo con referencia a varias realizaciones de ejemplo. Por consiguiente, la especificación debería considerarse como ilustrativa. De manera similar, las figuras ilustradas en los dibujos, que destacan la funcionalidad y las ventajas de las realizaciones de ejemplo, se presentan únicamente con fines de ejemplo. La arquitectura de las realizaciones de ejemplo es suficientemente flexible y configurable, de manera que se puede utilizar (y navegar) de formas distintas a las mostradas en las figuras adjuntas.
Las realizaciones de software de los ejemplos presentados en la presente memoria se pueden proporcionar como un programa informático, o software, tal como uno o más programas que tienen instrucciones o secuencias de instrucciones, incluidos o almacenados en un artículo de fabricación, tal como un medio accesible por máquina o legible por máquina, un almacén de instrucciones o un dispositivo de almacenamiento legible por ordenador, cada uno de los cuales puede ser no transitorio, en una realización de ejemplo. El programa o las instrucciones en el medio accesible por máquina, medio legible por máquina, no transitorio, almacén de instrucciones o dispositivo de almacenamiento legible por ordenador, pueden usarse para programar un sistema informático u otro dispositivo electrónico. El medio legible por máquina u ordenador, el almacén de instrucciones y el dispositivo de almacenamiento pueden incluir, pero no se limitan a, disquetes, discos ópticos y discos magneto-ópticos u otros tipos de medios/medio legible por máquina/ almacenamiento de instrucciones/dispositivo de almacenamiento adecuado para almacenar o transmitir instrucciones electrónicas. Las técnicas descritas en la presente memoria no se limitan a ninguna configuración de software en particular. Pueden encontrar aplicabilidad en cualquier entorno informático o de procesamiento. Los términos "legible por ordenador", "medio accesible por máquina", "medio legible por máquina", "almacén de instrucciones" y "dispositivo de almacenamiento legible por ordenador" utilizados en la presente memoria incluirán cualquier medio que sea capaz de almacenar, codificar o transmitir instrucciones o una secuencia de instrucciones para su ejecución por la máquina, ordenador o procesador de ordenador y que hace que la máquina/ordenador/procesador de ordenador realice cualquiera de los métodos descritos en la presente memoria. Además, es común en la técnica hablar de software, de una forma u otra (por ejemplo, programa, procedimiento, proceso, aplicación, módulo, unidad, lógica, etc.), como que realiza una acción o provoca un resultado. Tales expresiones son simplemente una forma abreviada de afirmar que la ejecución del software por un sistema de procesamiento hace que el procesador realice una acción para producir un resultado.
Algunas realizaciones también pueden implementarse mediante la preparación de circuitos integrados de aplicaciones específicas, agrupaciones de puertas programables en campo o interconectando una red apropiada de circuitos de componentes convencionales.
Algunas realizaciones incluyen un producto de programa informático. El producto de programa informático puede ser un medio de almacenamiento o medios, almacén o almacenes de instrucciones o dispositivo o dispositivos de almacenamiento, que tiene instrucciones almacenadas en el mismo o dentro del mismo que se pueden usar para controlar, o hacer que un ordenador o procesador de ordenador realice cualquiera de los procedimientos de las realizaciones de ejemplo descritas en la presente memoria. El medio de almacenamiento/almacenamiento de instrucciones/dispositivo de almacenamiento puede incluir, por ejemplo y sin limitación, un disco óptico, una ROM, una RAM, una Ep ROM, una EEPROM, una DRAM, una VRAM, una memoria flash, una tarjeta flash, una tarjeta magnética, una tarjeta óptica, nanosistemas, un circuito integrado de memoria molecular, una RAID, almacenamiento/archivo/almacén de datos remotos y/o cualquier otro tipo de dispositivo adecuado para almacenar instrucciones y/o datos.
Almacenadas en cualquiera del medio o medios legibles por ordenador, almacén o almacenes de instrucciones o dispositivo o dispositivos de almacenamiento, algunas implementaciones incluyen software para controlar tanto el hardware del sistema como para permitir que el sistema o microprocesador interactúe con un usuario humano u otro mecanismo que utilice los resultados de las realizaciones de ejemplo descritas en la presente memoria. Tal software puede incluir, sin limitación, controladores de dispositivos, sistemas operativos y aplicaciones de usuario. En última instancia, tales medios legibles por ordenador o dispositivo o dispositivos de almacenamiento incluyen además software para realizar aspectos de ejemplo de la invención, como se describió anteriormente.
En la programación y/o el software del sistema se incluyen módulos de software para implementar los procedimientos descritos en la presente memoria. En algunas realizaciones de ejemplo en la presente memoria, un módulo incluye software, aunque en otras realizaciones de ejemplo en la presente memoria, un módulo incluye hardware o una combinación de hardware y software.
Si bien se han descrito anteriormente varias realizaciones de ejemplo de la presente invención, debería entenderse que se han presentado a modo de ejemplo y que la invención está definida por las reivindicaciones adjuntas.
En ciertas circunstancias, la multitarea y el procesamiento en paralelo pueden ser ventajosos. Además, la separación de varios componentes en las realizaciones descritas anteriormente no debería entenderse como que se requiera tal separación en todas las realizaciones, y debería entenderse que los componentes y sistemas del programa descritos generalmente pueden integrarse juntos en un solo producto de software o empaquetarse en múltiples productos de software.
Así, en particular, también el aparato y los programas informáticos descritos en la presente memoria pueden realizarse en otras formas específicas sin apartarse de las características de los mismos dentro de los límites de la invención tal como se define en las reivindicaciones adjuntas.

Claims (15)

REIVINDICACIONES
1. Un dispositivo de formación de imágenes médicas (100; 300) que comprende:
un módulo de formación de imágenes ópticas (110) operable para generar datos de imagen que definen una imagen (I) de una región de una parte del cuerpo adquiriendo muestras cuyos valores son indicativos de una propiedad óptica de la parte del cuerpo en las respectivas ubicaciones de muestra en la región, las muestras que se adquiere midiendo una intensidad de luz que es o se basa en la luz transmitida a través de la parte del cuerpo, o luz que es o se basa en la luz reflejada de la región de la imagen de la parte del cuerpo, y el uso de un mapeo para mapear las muestras adquiridas a píxeles correspondientes de la imagen de manera que una indicación de la ubicación de muestra de cada muestra se mapee en una ubicación de píxel de un píxel correspondiente de la imagen;
un módulo de control (120) configurado para controlar el módulo de formación de imágenes ópticas (110) para generar los datos de imagen adquiriendo una primera secuencia de muestras cuyas ubicaciones de píxeles correspondientes en la imagen siguen un camino (Pdisperso) que está abarcado por píxeles (Pi) correspondiente a la primera secuencia de muestras y se extiende sobre una parte mayor de la imagen (I) que una disposición en una matriz de una secuencia de píxeles (P'i) correspondiente a una segunda secuencia de muestras que el módulo de formación de imágenes ópticas (110) es operable para adquirir, en donde una suma de distancias entre píxeles adyacentes en la secuencia de píxeles es igual a una longitud del camino (Pdisperso); y
un módulo de registro (130) configurado para registrar la imagen (I) contra una imagen de referencia (132) que comprende una imagen de una parte de la región.
2. El dispositivo de formación de imágenes médicas (100; 300) según la reivindicación 1, en donde el módulo de control (120) está configurado para determinar las ubicaciones de muestras en las que el módulo de formación de imágenes ópticas (110) adquiere las muestras en la primera secuencia en base a una función que define uno de una espiral, una elipse, una espiral elíptica, una figura de Lissajous y un hipotrocoide en un plano.
3. El dispositivo de formación de imágenes médicas (100; 300) según la reivindicación 1 o la reivindicación 2, en donde el módulo de registro (130) está configurado para registrar la imagen (I) contra la imagen de referencia (132) calculando una Correlación Cruzada Normalizada Ponderada entre la imagen y la imagen de referencia (132).
4. El dispositivo de formación de imágenes médicas (100; 300) según la reivindicación 3, en donde el módulo de registro (130) está configurado para calcular la Correlación Cruzada Normalizada Ponderada mediante el registro de objetos enmascarados en el dominio de Fourier.
5. El dispositivo de formación de imágenes médicas (300) según cualquier reivindicación anterior, que comprende además:
un módulo de actualización (150) configurado para generar una imagen de referencia actualizada actualizando la imagen de referencia (132) para incluir los datos de imagen de la imagen que se ha registrado contra la imagen de referencia (132).
6. El dispositivo de formación de imágenes médicas (300) según la reivindicación 5, en donde el módulo de registro (130) está configurado para registrar la imagen (I) contra la imagen de referencia (132) calculando una Correlación Cruzada Normalizada Ponderada entre la imagen (I) y la imagen de referencia (132), y en donde el módulo de actualización (150) está configurado para generar la imagen de referencia actualizada (132) siempre que un máximo de la Correlación Cruzada Normalizada Ponderada calculada entre la imagen y la imagen de referencia supere un umbral.
7. El dispositivo de formación de imágenes médicas (300) según la reivindicación 6, en donde el umbral es un primer umbral, y el módulo de registro (130) está configurado para registrar la imagen (I) contra la imagen de referencia (132) determinando una diferencia de traslación entre la imagen (I) y la imagen de referencia (132), y en donde el módulo de actualización (150) está configurado para generar la imagen de referencia actualizada siempre que el máximo de la Correlación Cruzada Normalizada Ponderada calculada entre la imagen (I) y la imagen de referencia (132) supere el primer umbral, y la diferencia determinada de traslación supere un segundo umbral.
8. El dispositivo de formación de imágenes médicas (300) según cualquiera de las reivindicaciones 5 a 7, en donde el módulo de formación de imágenes ópticas (110), el módulo de control (120), el módulo de registro (130) y el módulo de actualización (150) están configurados para realizar la adquisición y mapeo de las muestras, el registro de la imagen (I) contra la imagen de referencia (132), y la generación de la imagen de referencia (132) actualizada en un proceso iterativo, de manera que la imagen (I) definida por los datos de imagen generados por el módulo de formación de imágenes ópticas (110) en cada iteración del proceso iterativo son registrados por el módulo de registro (130) contra, y posteriormente utilizados por el módulo de actualización (150) para actualizar, la imagen de referencia (132) actualizada en un iteración anterior del proceso iterativo.
9. El dispositivo de formación de imágenes médicas (300) según la reivindicación 8, en donde el módulo de control (120) está configurado para controlar el módulo de formación de imágenes ópticas (110) para generar datos de imagen que definen una pluralidad de imágenes (I) de diferentes regiones respectivas de la parte del cuerpo que se desplazan unas con respecto a otras adquiriendo una pluralidad de secuencias de las muestras, en donde los píxeles a los que se mapean las muestras de las secuencias adquiridas de muestras tienen ubicaciones de píxeles que siguen un mismo camino en cada una de las imágenes (I).
10. El dispositivo de formación de imágenes médicas (300) según la reivindicación 8, en donde el módulo de control (120) está configurado para controlar el módulo de formación de imágenes ópticas (110) para generar datos de imagen que definen una pluralidad de imágenes (I) de la región de la parte del cuerpo adquiriendo una pluralidad de secuencias de las muestras, en donde los píxeles a los que se mapean las muestras de las secuencias de muestras adquiridas tienen ubicaciones de píxeles que siguen un camino diferente en cada una de las imágenes (I).
11. El dispositivo de formación de imágenes médicas (300) según la reivindicación 10, en donde:
el módulo de control (120) está configurado para mantener un registro de un número de veces que se ha actualizado cada uno de una pluralidad de píxeles de la imagen de referencia (132) durante la ejecución del proceso iterativo; y
en cada iteración del proceso iterativo:
el módulo de control (120) está configurado para calcular un grado respectivo de correlación entre el registro y cada una de una pluralidad de plantillas de formación de imágenes candidatas, en donde cada plantilla de formación de imágenes candidatas comprende una imagen predicha diferente de una región candidata de la parte del cuerpo para ser formada la imagen por el módulo de formación de imágenes ópticas (110), siendo operable el módulo de formación de imágenes ópticas (110) para generar, según cada una de las plantillas de formación de imágenes candidatas, datos de imagen que definen una imagen de una región candidata respectiva de la parte del cuerpo adquiriendo muestras cuyos valores son indicativos de la propiedad óptica de la parte del cuerpo en ubicaciones de muestra respectivas en la región candidata, y mapear las muestras adquiridas a los píxeles correspondientes de la imagen de manera que el valor de la muestra y una indicación de la ubicación de la muestra de cada muestra se mapeen a un valor de píxel y una ubicación de píxel de un píxel correspondiente de la imagen, en donde el módulo de formación de imágenes ópticas (110) está configurado para usar el mapeo para determinar ubicaciones de muestras en la región de formación de imágenes candidatas en la que se van a adquirir las muestras;
el módulo de control (120) está configurado para seleccionar, en base a grados de correlación calculados, una plantilla de formación de imágenes respectiva de la pluralidad de plantillas de formación de imágenes candidatas;
el módulo de control (120) está configurado para controlar el módulo de formación de imágenes ópticas (110) para generar datos de imagen usando la plantilla de formación de imágenes seleccionada;
el módulo de registro (130) está configurado para registrar, contra la imagen de referencia (132), la imagen (I) definida por los datos de imagen que se han generado según la plantilla de formación de imágenes seleccionada; y
el módulo de actualización (150) está configurado para:
actualizar la imagen de referencia (132) para incluir los datos de imagen de la imagen (I) que se ha registrado contra la imagen de referencia (132); y
actualizar el registro utilizando los datos de imagen de la imagen (I) que se ha registrado contra la imagen de referencia (132).
12. El dispositivo de formación de imágenes médicas (100; 300) según cualquier reivindicación anterior, en donde el dispositivo de formación de imágenes médicas (100; 300) es un escáner de retina para escanear una región de la retina de un ojo, y en donde el módulo de formación de imágenes ópticas (110) es operable para generar datos de imagen que definen una imagen (I) de la región de la retina adquiriendo muestras cuyos valores son indicativos de la propiedad óptica de la retina en las respectivas ubicaciones de escaneo en la región.
13. El dispositivo de formación de imágenes médicas (100; 300) según la reivindicación 12, en donde el escáner de retina comprende un oftalmoscopio láser de barrido, SLO, un escáner de tomografía de coherencia óptica, OCT, y un escáner SLO-OCT combinado.
14. Un método realizado por un procesador de un dispositivo de formación de imágenes médicas (100; 300), que comprende un módulo de formación de imágenes ópticas (110) que es operable para generar datos de imagen que definen una imagen (I) de una región de una parte del cuerpo adquiriendo muestras cuyos valores son indicativos de una propiedad óptica de la parte del cuerpo en las respectivas ubicaciones de muestra en la región, las muestras siendo adquiridas midiendo una intensidad de luz que es o se basa en la luz transmitida a través de la parte del cuerpo, o luz que es o se basa en la luz reflejada desde la región de la que se forma la imagen de la parte del cuerpo, y usando un mapeo para mapear las muestras adquiridas a los píxeles correspondientes de la imagen (I) de manera que una indicación de la ubicación de muestra de cada muestra se mapee a una ubicación de píxel de un píxel correspondiente de la imagen (I), el método que comprende:
controlar el módulo de formación de imágenes ópticas (110) para generar los datos de imagen adquiriendo una primera secuencia de muestras cuyas ubicaciones de píxeles correspondientes en la imagen (I) siguen un camino que se abarca por píxeles correspondientes a la primera secuencia de muestras y se extiende sobre una mayor parte de la imagen (I) que una disposición en una matriz de una secuencia de píxeles correspondiente a una segunda secuencia de muestras que el módulo de formación de imágenes ópticas (110) es operable para adquirir, en donde una suma de distancias entre píxeles adyacentes en la secuencia de píxeles es igual a la longitud del camino; y
registrar la imagen (I) contra una imagen de referencia (132) que comprende una imagen de una parte de la región.
15. Un programa informático que, cuando es ejecutado por un procesador (220) de un dispositivo de formación de imágenes médicas (100; 300), que además comprende un módulo de formación de imágenes ópticas (110) operable para generar datos de imagen que definen una imagen (I) de una región de una parte del cuerpo adquiriendo muestras cuyos valores son indicativos de una propiedad óptica de la parte del cuerpo en las respectivas ubicaciones de muestra en la región y mapeando las muestras adquiridas a los píxeles correspondientes de la imagen (I) de manera que se mapea una indicación de la ubicación de muestra de cada muestra a una ubicación de píxel de un píxel correspondiente de la imagen, hace que el procesador (220) realice un método según la reivindicación 14.
ES19167393T 2019-04-04 2019-04-04 Dispositivo de formación de imágenes médicas Active ES2892477T3 (es)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
EP19167393.8A EP3719748B1 (en) 2019-04-04 2019-04-04 Medical imaging device

Publications (1)

Publication Number Publication Date
ES2892477T3 true ES2892477T3 (es) 2022-02-04

Family

ID=66101849

Family Applications (1)

Application Number Title Priority Date Filing Date
ES19167393T Active ES2892477T3 (es) 2019-04-04 2019-04-04 Dispositivo de formación de imágenes médicas

Country Status (6)

Country Link
US (1) US11461898B2 (es)
EP (1) EP3719748B1 (es)
JP (1) JP6943357B2 (es)
CN (1) CN111798499A (es)
DK (1) DK3719748T3 (es)
ES (1) ES2892477T3 (es)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024054937A1 (en) * 2022-09-08 2024-03-14 Cyberdontics (Usa), Inc. Optical coherence tomography scanning system and methods

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB9323065D0 (en) 1993-11-09 1994-01-05 Besca Ltd A wide field retinal scanning ophthalmoscope
EP2209086A1 (en) * 2009-01-15 2010-07-21 Telefonaktiebolaget L M Ericsson (publ) Image processing
US8452064B2 (en) * 2009-12-07 2013-05-28 General Electric Company Apparatus and methods for geometric calibration of positron emission tomography systems
PL2563206T3 (pl) * 2010-04-29 2018-12-31 Massachusetts Institute Of Technology Sposób i urządzenie do korekcji ruchu i poprawy jakości obrazu w optycznej tomografii koherencyjnej
US20130010259A1 (en) * 2011-07-05 2013-01-10 Escalon Digital Vision, Inc. Region based vision tracking system for imaging of the eye for use in optical coherence tomography
GB201217538D0 (en) 2012-10-01 2012-11-14 Optos Plc Improvements in or relating to scanning laser ophthalmoscopes
JP6461937B2 (ja) 2014-05-28 2019-01-30 興和株式会社 画像処理装置、画像処理方法及び画像処理プログラム
JP6652284B2 (ja) 2015-07-08 2020-02-19 キヤノン株式会社 画像生成装置および画像生成方法
JP6756516B2 (ja) 2016-04-28 2020-09-16 株式会社トプコン 眼科撮影装置
WO2019034231A1 (en) * 2017-08-14 2019-02-21 Optos Plc TRACKING RETINAL POSITION
JP2019041841A (ja) 2017-08-30 2019-03-22 株式会社トプコン 眼科装置、及びその制御方法

Also Published As

Publication number Publication date
JP2020168371A (ja) 2020-10-15
US20200320707A1 (en) 2020-10-08
US11461898B2 (en) 2022-10-04
EP3719748A1 (en) 2020-10-07
EP3719748B1 (en) 2021-09-01
DK3719748T3 (da) 2021-10-04
CN111798499A (zh) 2020-10-20
JP6943357B2 (ja) 2021-09-29

Similar Documents

Publication Publication Date Title
ES2866975T3 (es) Dispositivo y método para obtener información de distancia a partir de vistas
ES2921128T3 (es) Procedimiento y dispositivo para la caracterización de ejemplares vivos de forma remota
ES2899873T3 (es) Control de la dentición
JP5881960B2 (ja) テレセントリック焦点ぼかしを使用した３ｄイメージング
US8913803B2 (en) Method, device and system for analyzing images
US11195296B2 (en) Information processing apparatus, method of processing distance information, and recording medium recording distance information processing program
ES2785035T3 (es) Procedimiento de evaluación de un alineador ortodóntico
US20170316565A1 (en) Montaging of wide-field fundus images
KR20100094976A (ko) 신체 루멘 내의 대상물의 크기를 추산하기 위한 장치, 시스템 및 방법
CN103961058A (zh) 光学相干断层摄像装置及其控制方法
JPWO2006112308A1 (ja) モーションキャプチャシステム、及びモーションキャプチャシステムにおける特徴点の三次元再構成法
ES2969279T3 (es) Procesamiento de imagen OCT
US20210366108A1 (en) Systems and methods for segmentation and measurement of a skin abnormality
US10495512B2 (en) Method for obtaining parameters defining a pixel beam associated with a pixel of an image sensor comprised in an optical device
ES2918623T3 (es) Sistema de mejora de un modelo dental digital
ES2769636T3 (es) Recostura automática de superficies en 3-D
RU2747946C1 (ru) Способ и устройство для обработки изображения, полученного с помощью оптоволоконного жгута
ES2892477T3 (es) Dispositivo de formación de imágenes médicas
US11586285B2 (en) Methods and systems for forming images of eye features using a non-imaging, scanning-MEMS-based eye-tracking system
ES2898936T3 (es) Procedimiento de imagen radiográfica, dispositivo de procesamiento de imagen radiográfica y dispositivo de imagen radiográfica
US8744157B2 (en) System and method for candidate generation and new features designed for the detection of flat growths
US10223606B2 (en) 3-D intraoral measurements using optical multiline method
ES2943138T3 (es) Escáner 3D dental con coincidencia de tonos basada en angulares
US20240041316A1 (en) Method of processing optical coherence tomography (oct) data, method of oct imaging, and oct data processing apparatus
ES2932442T3 (es) Evaluación de la calidad de imagen