JP2009530068A - 分類基準に従った自動プラーク特性決定に基づく自動病変解析 - Google Patents

Abstract

プラークの病変を自動的に分類するためのシステムおよび方法が開示される。プラーク分類アプリケーションは、血管断面のスペクトル解析され特性決定された組織のマップを含む少なくとも１つのグラフィカル画像に、プラーク分類基準を適用して、３Ｄボリュームをカバーするスライスの組またはスライスに対する全体的なプラーク分類を提供する。プラーク分類は、特性決定された各組織タイプ（例えば、壊死性コア−ＮＣ）の量および位置に基づいている。例示的な一実施形態では、可能なプラーク分類の組は、例えば、適応性内膜肥厚（ＡＩＴ）、病的内膜肥厚（ＰＩＴ）、線維粥腫（ＦＡ）、薄被膜型線維粥腫（ＴＣＦＡ）、および石灰化線維（ＦＣ）を含むが、これらを、特性決定された組織タイプ（そこからプラーク分類が導出される）と混同しないようにされたい。

Description

関連出願の相互参照
本出願は、Ｍａｒｇｏｌｉｓその他の、２００６年３月２２日に出願された、「Ｌｅｓｉｏｎ Ａｎａｌｙｓｉｓ Ａｕｔｏｍａｔｉｃ Ｐｌａｑｕｅ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ」と題する米国仮出願第６０／７８５２６７号、およびＭａｒｇｏｌｉｓその他の、２００６年５月２日に出願された、「Ｌｅｓｉｏｎ Ａｎａｌｙｓｉｓ Ｒｕｌｅｓ」と題する米国仮出願第６０／７９７３３３号の優先権を主張し、上記で特定された両方の仮出願の内容は、そこに含まれるすべての参考文献の内容および教示を含むその全体が、参照により明示的に本明細書に組み込まれる。

発明の分野
本発明は、一般に、イメージング・システムの分野に関し、より詳細には、血管の疾患を診断および治療するために使用される、血管内イメージング・システムに関する。

新しい医療技術の開発が、心臓血管疾患の診断および治療のために医師が使用可能な、ますます多くの選択肢を提供している。そのような機器の使用可能性が、心臓血管疾患を発見し治療する医師および外科医の能力を向上させている。血管内イメージング技術は、医師が、血管系の内部に挿入されたセンサにより生成される様々な画像を作成し、見ることを可能にしている。そのような画像は、２次元内腔画像を示す代わりに、血管壁内部の組織の画像を提供することにより、血管造影などの従来の放射線イメージング技法を補足する。

血管内超音波（ＩＶＵＳ：ｉｎｔｒａｖａｓｃｕｌａｒ ｕｌｔｒａｓｏｕｎｄ）解析は、組織の特性決定（ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎ）を含む、血管対象物（ｖａｓｃｕｌａｒ ｏｂｊｅｃｔ）内の定量的成分同定のためのシステムおよび方法に具体的な応用を見出している。例示的な実施形態は、超音波デバイスに関し、より具体的には、血管対象物の特性を決定するためのＩＶＵＳデータの使用（またはＩＶＵＳデータの変換）に関して説明されているが、本発明が、そのようなものに限定されないことを理解されたい。従って、例えば、タイプまたは組成に従って組織を分類するために、超音波または場合によりは電磁放射（例えば、非可視域の光波）に基づいた後方散乱データ（または後方散乱データの変換）を使用することも、本発明の主旨および範囲内にある。

患者の身体の部分を画像化することは、医療行為の様々な領域において、最善の治療のタイプおよび方針を決定するための有用なツールを提供する。カテーテルに取り付けたプローブ（例えば、超音波トランスデューサ・アレイ）の挿入を伴う技法による、患者の冠血管の画像化は、医師に価値のある情報を提供することができる。例えば、画像データは、患者における狭窄の程度を示したり、疾患の進行を明らかにしたり、血管形成やアテレクトミーなどの処置が指示されているのか、それともより侵襲的な処置が正当なものであるのかについての決定を行うことの、助けとなる。

超音波イメージング・システムでは、超音波トランスデューサ・プローブが、カテーテルの遠位端に取り付けられ、カテーテルは、冠動脈内部などの目標地点まで患者の身体の中を慎重に通されて行く。知られたシステムにおけるトランスデューサ・プローブは、選択された角度範囲にわたる区域（セクタ）をカバーするように、機械的に前後に走査または回転する、単一の圧電性結晶素子を備える。音響信号が送信され、これらの音響信号のエコー（または後方散乱）が受信される。後方散乱データは、走査された組織のタイプや密度を特定するために使用される。プローブはセクタを掃引するので、多くの音響掃引線（ａｃｏｕｓｔｉｃ ｌｉｎｅ）が処理されて、患者のセクタ画像を組み立てる。データが収集された後、血管の画像（例えば、ＩＶＵＳ画像）が、よく知られた技法を使用して再構成される。その後、この画像は、血管成分およびプラーク内容物を評価するために、心臓病専門医により目で見て分析される。他の知られたシステムは、トランスデューサ素子のアレイを備えるプローブを使用して、超音波エコー・データを獲得する。

ＩＶＵＳイメージングの具体的な応用では、超音波データは、血管系内部の組織の特性を決定し、血管の画像化部分を構成する組織の内容物を図式的に表現した画像を生成するために使用される。超音波後方散乱データのスペクトル解析および色分けされた組織マップに基づいた、そのようなイメージング技法の例が、Ｎａｉｒその他の「Ｓｙｓｔｅｍ ａｎｄ Ｍｅｔｈｏｄ ｏｆ Ｃｈａｒａｃｔｅｒｉｚｉｎｇ Ｖａｓｃｕｌａｒ Ｔｉｓｓｕｅ」と題する米国特許第７０７４１８８号、およびＶｉｎｃｅその他の「Ｖａｓｃｕｌａｒ Ｐｌａｑｕｅ Ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎ」と題する米国特許第６２００２６８号に提示されており、これらの特許の内容は、そこに含まれるすべての参考文献を含むその全体が、参照により本明細書に組み込まれる。そのようなシステムは、血管閉塞において見出される、線維組織（ＦＴ：ｆｉｂｒｏｕｓ ｔｉｓｓｕｅ）、線維脂肪（ＦＦ：ｆｉｂｒｏ−ｆａｔｔｙ）、壊死性コア（ＮＣ：ｎｅｃｒｏｔｉｃ ｃｏｒｅ）、および石灰化（ＤＣ：ｄｅｎｓｅ ｃａｌｃｉｕｍ）を含む様々な組織タイプ（「プラーク成分」とも呼ばれる）を同定するために、超音波後方散乱（反射音波）データの応答特性を解析する。

超音波にさらされた時の組織の応答の特性を決定する場合、画像化領域内のデータ点におけるパラメータ値が考察される。既知の組織タイプの応答特性に基づいて、データ点における組織に、特定の組織タイプ（例えば、壊死性コア）が割り当てられる。その後、画像化領域内の特徴データ点の集合は、可視断面画像に変換され、可視断面画像では、同定された様々な組織のタイプが、臨床分析のために色分けされた形式で提示される。具体的な知られたシステムでは、画像化した血管の断面「スライス」における、各組織により占められる検出された面積が計算される。例えば、組織の特性決定解析を完了すると、システムは、石灰化、線維、線維脂肪、および壊死性コア組織により占められる断面領域を描画する。更に、引き抜き処理（ｐｕｌｌ−ｂａｃｋ ｐｒｏｃｅｄｕｒｅ）中に各断面スライスにおいて生成された組成情報が、一連のデータ・セットとして保存され、各スライスにおける様々なプラーク・クラスの組成が、一連の連続した血管断面をカバーする各スライスにおけるプラーク組成（領域）として、２次元で図式的に表現される。

知られた組織特性決定システムは、目で見て認識できる特徴を提供するが、全体量、密集度、および断面における位置を含む、各タイプのプラーク組織の重要性は、各観察者の個人的経験および訓練に影響される。従って、２人の人が、同じ断面画像を見たとしても、著しく異なる診断および治療方針案になる可能性がある。

本発明によれば、プラークの病変を自動的に分類するためのシステムおよび方法が提供され、そのシステムおよび方法では、プラーク分類アプリケーションにより、血管の断面スライスの少なくとも１つのグラフィカル画像に対して、分類基準が適用され、３Ｄボリュームをカバーするスライスの組またはスライスに対する全体的なプラーク分類を提供する。従って、代替の実施形態では、３次元解析が実行され、複数の連続した血管断面にわたって処理された組織タイプ情報から、病変タイプが提供される。

プラーク分類は、特性の決定された各組織タイプ（例えば、壊死性コア−ＮＣ）の量および位置に基づいている。例示的な一実施形態では、考えられ得るプラーク分類の組は、例えば、適応性内膜肥厚（ＡＩＴ：ａｄａｐｔｉｖｅ ｉｎｔｉｍａｌ ｔｈｉｃｋｅｎｉｎｇ）、病的内膜肥厚（ＰＩＴ：ｐａｔｈｏｌｏｇｉｃａｌ ｉｎｔｉｍａｌ ｔｈｉｃｋｅｎｉｎｇ）、線維粥腫（ＦＡ：ｆｉｂｒｏａｔｈｅｒｏｍａ）、薄被膜型線維粥腫（ＴＣＦＡ：ｔｈｉｎ−ｃａｐ ｆｉｂｒｏａｔｈｅｒｏｍａ）、および石灰化線維（ＦＣ：ｆｉｂｒｏ−ｃａｌｃｉｆｉｃ）を含むが、これらを、特性決定された組織タイプ（プラーク分類がそこから得られる）と混同しないようにされたい。これらプラーク・タイプの各々は本明細書で説明される。

特許請求の範囲は本発明の特徴を詳細に説明するが、本発明ならびにその目的および利点は、以下の詳細な説明を添付の図面と併せて読むと最もよく理解することができよう。

血管内のプラーク／病変を分類するための開示されるシステムおよび方法は、少なくとも１つの血管断面に対する組織特性決定画像に、分類基準を適用する。特性決定（特性を表す）画像は、例えば、血管の断面を含むＩＶＵＳプローブの視野に関連する周波数応答パラメータから描画された、色分けされた組織マップである。分類基準は、特性決定された組織（例えば、線維組織（ＦＴ）、線維脂肪（ＦＦ）、壊死性コア（ＮＣ）、および石灰化（ＤＣ））の量および位置に基づいて、プラーク／病変のタイプ（例えば、適応性内膜肥厚（ＡＩＴ）、病的内膜肥厚（ＰＩＴ）、線維粥腫（ＦＡ）、薄被膜型線維粥腫（ＴＣＦＡ）、および石灰化線維（ＦＣ））の自動同定をサポートする。上記の病変タイプは、医療規格機構（ｍｅｄｉｃａｌ ｓｔａｎｄａｒｄｓ ｏｒｇａｎｉｚａｔｉｏｎ）により、よく認識されている。

分類基準は、血管断面における特定のプラーク・タイプの位置を識別するばかりでなく、潜在的に脆弱なプラーク現象（例えば、ＴＣＦＡ）を識別することも容易にする。例えば、主要血管のより近位位置の病変は、患者をより大きなリスクにさらす可能性が高い。例示的な実施形態では、断面組織特性決定画像の解析は、患者が処置台の上にいる間にリアルタイムに行われる。医師は、自動プラーク分類方法により特定された大きい健康上の脅威に対処するため、迅速な処置行為を行う機会を提供される。そのような処置の例は、患部動脈内部に特定の薬剤溶出ステントを配置することを含み、これは、組織画像情報の分析および患者が必要とする治療を、時間をあけて後に行うのとは、対照的である。

例示的な実施形態では、プラーク分類基準は、線維粥腫の複数の層を含む病変（障害、lesion）を識別する。そのような病変は、かつてのプラーク破裂の部位を表す可能性が高い。層は、一般にはグレー・スケール画像においてより良く表現されるので、そのような識別は、血管内の同じ位置において超音波エコー強度情報から生成されるグレー・スケールＩＶＵＳ画像に関して実行することが可能である。グレー・スケール画像とプラーク分類基準による確認とは組み合わされて、そのような病変の識別を向上させる。

例示的な一実施形態によれば、脆弱性指標は、特定されたプラーク分類に関連付けられた患者リスクのランキングを含む。また、他の実施形態は、例えば、糖尿病や高血圧を含む患者の情報／因子に基づいて、脆弱性指標を精緻化する。

例示的なＩＶＵＳ（血管内超音波）システムは、血管系へ挿入される柔軟な細長い部材に取り付けられた超音波プローブ・デバイスを含む。システムは更に、プラーク分類アプリケーション・プログラムに関連するコンピュータ実行可能命令を保存するためのメモリを備えるコンピューティング・デバイスを含む。

最初に図１を参照すると、プラーク分類システム１００が概略的に示されている。血管内超音波コンソール１１０は、ＩＶＵＳカテーテル１２０と通信可能に結合される。ＩＶＵＳカテーテル１２０は、血管からの後方散乱データ（即ち、ＩＶＵＳデータ）を捕捉する、遠位に取り付けられた超音波トランスデューサ・プローブ１２２を備える。知られたＩＶＵＳカテーテルによれば、カテーテル１２０は、目標地点まで（例えば、大腿動脈を介して）患者の身体の中を通されて行く。その後、トランスデューサ・プローブ１２２は、コンソール１１０を介して制御されて、超音波パルスを放出し、その後、血管組織／プラークおよび血液から反射されたエコーまたは後方散乱信号を受信する。異なるタイプおよび密度の組織は、超音波パルスを異なる様式で吸収および反射するので、ＩＶＵＳカテーテル１２０によりコンソール１１０に返された反射データ（即ち、ＩＶＵＳデータ）信号は、超音波エコーの解析を実行するソフトウェアにより変換され、血管対象物の組織マップが描画される。本明細書に示されるＩＶＵＳコンソール１１０は、特定のタイプのＩＶＵＳコンソールに限定されず、当業者に知られているすべての超音波デバイス（例えば、Ｖｏｌｃａｎｏ ＣｏｒｐｏｒａｔｉｏｎのＩｎＶｉｓｉｏｎおよびｓ５システム）を含むことを理解されたい。更に、本明細書に示されるＩＶＵＳカテーテル１２０は、特定のタイプのカテーテルに限定されず、当業者に知られているすべての超音波カテーテルを含むことを理解されたい。従って、例えば、単一のトランスデューサ（例えば、回転するように適合される）や、トランスデューサ・アレイ（例えば、カテーテル周囲に円周状に配置される）は、本発明の主旨および範囲内にある。

知られたイメージング・アプリケーション、すなわち、ＩＶＵＳコンソール（例えば、コンソール１１０）により実行されるものや、コンピューティング・デバイス（例えば、コンピューティング・デバイス１３０）に通信可能に結合されるものは、受け取ったエコー情報から、々な画像タイプを描画する。第１のタイプのイメージング・アプリケーションは、超音波エコー信号データを、トランスデューサ・プローブ１２０の視野内の異物により返されたエコー信号の相対強度を反映するグレー・スケールに変換する。そのようなイメージング・アプリケーションでは、相対的に明るい領域および暗い領域は、異なる組織のタイプおよび／または密度を表す。

コンソール１１０に通信可能に結合されたコンピューティング・デバイス１３０で実行される組織特性決定アプリケーション１３２などのような、他のイメージング・アプリケーションは、コンソール１１０により受け取られたカテーテル１２０からのエコー情報のスペクトル特性に基づいての、血管対象物のカラー・コード化され特性決定された組織マップを描く。カテーテル１２０により提供されたエコー情報から取り出されたスペクトル情報は、組織／プラーク特性決定画像を描くために、特定のタイプの組織／プラークに関連する周波数応答シグニチャと比較される。

例示的な一実施形態によれば、コンピュータ可読媒体に保存される１組のコンピュータ実行可能命令およびプラーク分類基準を含むプラーク分類アプリケーション１３３は、組織特性決定アプリケーション１３２により提供された血管対象物の特性決定組織マップ（特性決定された組織のマップ）を解析して、単一の血管断面に関するプラーク分類データ、および連続した断面血管スライスから構成される血管セグメントに関するプラーク分類データを提供する。プラーク分類アプリケーション１３３の機能および例示的なロジックは、本明細書で更に説明される。

データ・ストレージ１３４は、コンソール１１０から受け取ったエコー情報から特性決定アプリケーション１３２により描かれた、組織／プラーク特性決定画像／マップを保存する。データ・ストレージ１３４は、例えば、ＲＡＭ、キャッシュ・メモリ、フラッシュ・メモリ、磁気ディスク、光ディスク、着脱可能ディスク、ＳＣＳＩディスク、ＩＤＥハード・ドライブ、テープ・ドライブ、光学的符号化情報ディスク（例えば、ＤＶＤ）、ならびに当業者に一般に知られている他のタイプのデータ・ストレージ・ドライブ（およびＲＡＩＤデバイスなどのような、それらの組み合わせ）を含む、様々なデータ・ストレージ・デバイスの何れかである。

図１に関する締め括りとして、図１に示されたコンポーネントの数および位置は、本発明を限定することを意図しておらず、例示的なシステムが動作する環境を説明するためにのみ提供されている。従って、例えば、複数のデータ・ストレージ・デバイスを有するコンピューティング・デバイス、および／またはリモートに配置された特性決定アプリケーション（部分的もしくは全体的）も本発明の主旨および範囲内にある。

例示的な一実施形態によれば、プラーク分類アプリケーション１３３は、事前にプログラム／構成された基準を、特性決定アプリケーション１３２により提供された１または複数の血管断面に関する組織特性決定情報に適用して、血管組織断面に関するプラーク分類判定を提供する。図２を参照すると、プラーク分類および関連する略称の例示的な一覧が提供されている。適応性内膜肥厚（ＡＩＴ）は、閉塞の量が小さく、病的ではないので、必ずしもプラークには分類されない閉塞のタイプである。病的内膜肥厚（ＰＩＴ）は、主として線維および線維脂肪からなり（１５％より多い）、ごく少量の壊死性コア（５％より少ない）および石灰化組織（５％より少ない）を含む、プラークのタイプである。

線維粥腫（ＦＡ）は、線維および／または線維脂肪組織に、厚い線維性被膜（thick fibrous cap）および相当量の壊死性コア（融合性壊死性コアが全プラーク体積の５％より大きい）を有するプラーク形態である。ＦＡは、存在する石灰化の量に基づいてサブクラスに細分化され、（１）ごく少量のＤＣ（プラーク体積の５％より少ない）を含むＦＡと、（２）相当量のＤＣ（５％より多い）を有し、石灰化線維粥腫（Ｃａ ＦＡ： Ｃａｌｃｉｆｉｅｄ Ｆｉｂｒｏ−Ａｔｈｅｒｏｍａ）と呼ばれるＦＡとを含み、Ｃａ ＦＡは、ＦＡ内の壊死性コア成分の長さに基づいて局所型とび慢型とに更に分類できる。

本明細書で説明される基準により扱われる別のプラーク分類は、薄被膜型線維粥腫（ＴＣＦＡ、thin cap fibro-atheroma）である。ＴＣＦＡは一般に、線維被膜の徴候のない１０％より多くの壊死性コアを有する。ＴＣＦＡは、最も低い脆弱性から最も高い脆弱性までを含む相対的な脆弱性／脅威レベルに従って、４つのサブクラスに更に分類でき、（１）５％より少ない石灰化を有するＴＣＦＡと、（２）５％より多い石灰化または石灰化薄被膜型線維粥腫（Ｃａ ＴＣＦＡ：Ｃａｌｃｉｆｉｅｄ Ｔｈｉｎ Ｃａｐ Ｆｉｂｒｏ−Ａｔｈｅｒｏｍａ）を有するＴＣＦＡと、（３）複数の融合性壊死性コアを有するＴＣＦＡ（線維被膜の徴候のない少なくとも１つの壊死性コアを含み、石灰化によるかつての破裂を示唆する）と、（４）線維被膜が徴候のなく２０％より多い壊死性コアと、５％より多くの石灰化と、５０％より広い断面面積の内腔狭窄と（グレー・スケールＩＶＵＳ画像により観察される）を有するＴＣＦＡとを含む。

石灰化線維（ＦＣ）プラークは、主として、５％より多くの石灰化を有する線維組織である。ＦＣは、５％より少ない壊死性コアを有する。石灰の単一または複数の層が、石灰の深在または表在シート（ｄｅｅｐ ｏｒ ｓｕｐｅｒｆｉｃｉａｌ ｓｈｅｅｔｓ）の形態で、狭窄を伴ってまたは伴わずに、存在する。一般に、そのようなプラークは、安定である可能性が高い。最後に、線維性プラーク（ＦＴ：Ｆｉｂｒｏｕｓ ｐｌａｑｕｅ）は、主として、線維性の組成であるが、ＡＩＴよりも大きい。

図３を参照すると、フローチャートは、コンソール１１０により受け取られたカテーテル１２０からのエコー情報のスペクトル特性に基づいて、血管対象物の特性決定組織マップ（例えば、ＦＴ、ＦＦ、ＮＣ、およびＤＣを含むプラーク成分の２次元表示）を解析することにより実施される、例示的なプラーク分類方式／基準を要約している。代替の実施形態では、プラーク分類の方式／基準は、複数の隣接する断面血管スライスにより提供される体積／３次元情報に基づいてプラークを分類するように強化される。

最初に、ステップ３００において、観察下の血管断面についてのスペクトル解析された組織マップ（例えば、２次元ピクセル・マップ）が、血管の内腔周囲の最大プラーク厚さ、および／または狭窄の存在を判定するために、解析される。例示的な実施形態では、４００ミクロンの距離に対応する１２ピクセル（３２８×３２８ピクセル・マップにおいて）のプラーク厚さが、深刻であり得るプラーク病変とＡＩＴとを弁別する。従って、ステップ３０２において、プラークの最大厚さが１２ピクセル（４００ミクロン）より薄い場合、制御はステップ３０４へ移り、プラーク分類アプリケーション１３３は、観察下の血管断面にＡＩＴクラスを割り当てる。最大厚さの測定に加えて、例示的な一実施形態では、１２ピクセル／４００ミクロンより厚いプラーク厚さが、血管の周囲の１０パーセントを超えない場合、制御はステップ３０４へ移り、観察下の断面にＡＩＴクラスが割り当てられる。プラーク分類アプリケーション１３３が、プラーク厚さが１２ピクセル（血管の周囲の少なくとも１０パーセントについて）を超えると判定した場合、制御はステップ３０２からステップ３０６に移り、分類アプリケーションは、プラーク構造内の異なる成分の組成および位置の検査を開始して、観察下の血管断面についてのプラーク分類を自動的に提供する。

ステップ３０６において、分類アプリケーション１３３は、血管断面内の融合性ＮＣ（ＣＮＣ：ｃｏｎｆｌｕｅｎｔ ＮＣ）の存在を識別する。融合性ＮＣの存在は、血管断面の組織特性決定組織マップにおいてＮＣとして識別されるピクセル（例えば、ＮＣ組織に対応して赤色を割り当てられる）のクラスタを識別することにより判定される。

ステップ３０６において、融合性ＮＣが識別されない場合、制御はステップ３０８に移り、分類アプリケーション１３３は、血管断面画像内の融合性ＤＣ（ＣＤＣ：ｃｏｎｆｌｕｅｎｔ ＤＣ）を識別する。ステップ３０８において、融合性ＤＣのための閾値尺度に従って、ＤＣピクセルのクラスタが解析される。血管断面のかなりの部分が融合性ＤＣである場合、制御はステップ３１０へ移り、分類アプリケーション１３３は、血管断面にＦＣクラスを割り当てる。

それとは異なり、ステップ３０８において、融合性ＤＣが観察されない場合、制御はステップ３１２へ移り、分類アプリケーション１３３は、血管断面のピクセル画像に表されたプラークにおける線維脂肪（ＦＦ）組織のパーセンテージを計算する。プラークのかなり多くのパーセンテージ（例えば、１５パーセントより大きい）がＦＦ組織である場合、制御はステップ３１４へ移り、プラーク分類アプリケーションは、血管断面に病的内膜肥厚（ＰＩＴ）クラスを割り当てる。また、ＦＦ組織のパーセンテージが設定閾値（例えば、１５パーセント）を超えない場合、制御はステップ３１２からステップ３１６へ移り、線維性プラーク（ＦＴ）クラスが割り当てられる。

ステップ３０６に戻り、分類アプリケーション１３３により融合性ＮＣが識別された場合、制御はステップ３２０へ移る。ステップ３２０において、分類アプリケーション１３３は、融合性ＮＣが内腔とプラークの境界（ｌｕｍｅｎ−ｐｌａｑｕｅ ｂｏｒｄｅｒ）に存在するかどうかを判定する。融合性ＮＣが実際に内腔プラーク境界に存在する場合、プラークはＴＣＦＡであり、制御はステップ３２２へ移り、ＴＣＦＡプラークによりもたらされる脅威の程度を判定する。

ステップ３２２において、融合性ＤＣが存在しない場合、制御はステップ３２４へ移り、ＴＣＦＡ分類が断面に割り当てられる。ＴＣＦＡ分類は、脆弱なプラークに関する第１レベルの高リスクを識別する。それとは異なり、ステップ３２２において、融合性ＤＣが識別される場合、制御はステップ３２６へ移り、分類アプリケーション１３３は、融合性ＮＣに付着した融合性ＤＣについて断面画像を探索する。例えば、「付着した」は、融合性ＤＣの何れかのピクセルが融合性ＮＣの何れかのピクセルに隣接している場合に、生じていると定義される。そのような付着が識別されない場合、制御はステップ３２６からステップ３２８へ移り、分類アプリケーション１３３は、血管断面にＴＣＦＡクラスを割り当てる。それとは異なり、付着が識別される場合、制御はステップ３２６からステップ３３０へ移り、Ｃａ ＴＣＦＡクラスが割り当てられる。Ｃａ ＴＣＦＡクラスは、ＴＣＦＡクラスよりも高リスクのプラーク病変であると考えられる。

ステップ３２０に戻り、融合性ＮＣが内腔に発見されない場合、制御はステップ３３２へ移る。ステップ３３２において、分類アプリケーションは、融合性ＤＣについて断面組織マップ画像を解析する。融合性ＤＣが存在しない場合、制御はステップ３３２からステップ３３４へ移り、血管断面には線維粥腫（ＦＡ）分類が割り当てられる。しかし、融合性ＤＣが識別される場合、制御はステップ３３２からステップ３３６へ移る。

ステップ３３６において、分類アプリケーション１３３は、融合性ＮＣに付着した融合性ＤＣについて断面画像を探索する。付着が観察されない場合、制御はステップ３３７へ移り、ＦＡ分類が血管断面に割り当てられる。しかし、融合性ＤＣと融合性ＮＣとの付着が観察される場合、制御はステップ３３６からステップ３３８へ移る。

ステップ３３８において、分類アプリケーション１３３は、内腔プラーク境界における融合性ＤＣについて組織マップ画像を探索する。融合性ＤＣが内腔プラーク境界に存在しない場合、制御はステップ３４０へ移り、分類アプリケーション１３３は、血管断面に石灰化線維粥腫（Ｃａ ＦＡ）クラスを割り当てる。融合性ＤＣが内腔プラーク境界で検出される場合、制御はステップ３４２へ移り、石灰化薄被膜型線維粥腫（Ｃａ ＴＣＦＡ）クラスが断面に割り当てられて、対応する血管断面に相対的に高リスクの病変が存在することを、分類アプリケーション１３３の出力を受ける観察者／検討者に示す。

プラーク分類アプリケーション１３３の自動化という性質の一つの特徴は、それぞれの血管断面（または代替例として、血管セグメントを構成する一連の隣接するスライス）に関して明確なクラス識別を提供することである。従って、血管断面に関して「未知」クラスは存在しない。また他の実施形態では、プラーク分類を割り当てることに加えて、プラーク分類アプリケーション１３３は、プラーク分類をもたらした主要なパラメータ値を保存する。

自動プラーク分類アプリケーション１３３の例示的な実施形態の更に別の特徴は、任意の与えられた断面または血管セグメント内のプラークによりもたらされる脆弱性／脅威に基づいての各スライスへのコード（例えば色など）の割り当てである。スライス／セグメントは次に、脅威レベルを視覚的に表現する方式で図式的に表示される。例えば、血管セグメントに割り当てられた値は、血管セグメントの２次元または３次元の表現とマージされる。様々なセグメントに割り当てられた値／色は、脆弱なプラークによりもたらされる脅威の深刻さ、および血管セグメント内におけるプラークの位置を示すために、視覚的に表される。

プラーク／病変の分類の上述の例は、例示的なものであり、本発明の範囲を限定する意図はないことに留意されたい。より多くの組織成分組成クラス（必ずしもプラーク成分に限定されない）が識別されるので、後方散乱信号から画像化された特定の組織組成の識別の標準化を支援するための、新しい分類アプリケーション／基準が開発される。更に、融合組織タイプの閾値、付着、および内腔表面における位置は、様々な完全であり得る判断プロセスの影響を受ける。しかし、様々な実施形態では、分類アプリケーション１３３の基準の自動適用は、血管内の識別されたプラークによりもたらされる様々なレベルの脅威／脆弱性を識別するための、プラーク病変の適時（例えば、ほぼリアルタイム）で一貫性／客観性のある解析を、保証する。

システムおよび関連するコンポーネントが、構造および技法を含む本発明の例示的な実施形態を参照しながら、本明細書で説明された。本発明の原理が適用できる多くの可能な実施形態に鑑みて、図面に関連して本明細書で説明された実施形態は、例示的であることを意図しているにすぎず、本発明の範囲を限定すると解釈されるべきではないことを理解されたい。従って、本明細書で説明された本発明は、添付の特許請求の範囲およびその均等物の範囲内に含まれ得るすべての実施形態を企図している。

図１は、ＩＶＵＳエコー情報に関連する組織／プラーク深さの複数の範囲に適用される複数の特性決定基準を含む開示された組織／プラーク特性決定方式を実施するのに適した組織特性決定システムを示す。 図２は、血管断面にわたる特性決定された組織データからプラーク・タイプを提供する自動プラーク分類の方法およびシステムを使用して識別可能なプラーク分類の組を識別する表である。 図３は、血管断面における組織タイプの量および位置の解析に基づいてプラーク・タイプを提供するプラーク分類手順に関する例示的なステップの組を要約したフローチャートである。

Claims (30)

1. 血管内のプラークを分類する方法であって、
   組織特性決定アプリケーションにより、血管断面に関する超音波エコー情報のスペクトル解析から、特性決定された組織成分マップを提供するステップであって、前記特性決定された組織マップにおいて、異なるプラーク成分が、割り当てられた識別値により弁別される、ステップと、
   プラーク分類アプリケーションにより、前記特性決定された組織マップの空間的に配置されたデータに、分類基準を適用するステップと、
   前記適用するステップに応じて、前記血管断面に関連するプラーク分類を提供するステップと、
   を備える方法。
2. 請求項１に記載の方法であって、前記分類基準は、それぞれの血管断面に関するプラーク分類を提供する、方法。
3. 請求項１に記載の方法であって、前記プラーク分類アプリケーションは、１組の階層的に構成された分類規則を適用する、方法。
4. 請求項３に記載の方法であって、前記規則はデシジョン・トリーとして構成される、方法。
5. 請求項３に記載の方法であって、トップレベルの決定は、関連するプラークの存在のある断面を自動的に識別し、前記関連するプラークの存在は、少なくとも最小プラーク厚さまたは狭窄に基づいて決定される、方法。
6. 請求項１に記載の方法であって、前記分類基準は、融合性壊死性コアの存在に基づいた規則を含む、方法。
7. 請求項６に記載の方法であって、前記分類基準は、前記血管断面内における融合性壊死性コアの、内腔とプラークの境界に関連した位置に基づいた規則を含む、方法。
8. 請求項６に記載の方法であって、前記分類基準は、融合性壊死性コアと融合性石灰化との付着に基づいた規則を含む、方法。
9. 請求項６に記載の方法であって、前記分類基準は、サンプルに存在する線維脂肪物質のパーセンテージに基づいた規則を更に含む、方法。
10. 請求項１に記載の方法であって、血管セグメントの断面に割り当てられたプラーク分類に従って表示される前記血管セグメントのグラフィカル表現を提供するステップを更に備える方法。
11. 血管内のプラークの分類を容易にするためのコンピュータ実行可能命令を含むコンピュータ可読媒体であって、
    前記コンピュータ実行可能命令が、
    血管断面に関する超音波エコー情報のスペクトル解析から特性決定された組織成分マップを提供するステップであって、前記特性決定された組織マップにおいて、異なるプラーク成分が、割り当てられた識別値により弁別される、ステップと、
    前記特性決定された組織マップの空間的に配置されたデータに、分類基準を適用するステップと、
    前記適用するステップに応じて、前記血管断面に関連するプラーク分類を提供するステップと
    を含む１組のステップの実行を容易にする、
    コンピュータ可読媒体。
12. 請求項１１に記載のコンピュータ可読媒体であって、前記分類基準は、それぞれの血管断面に関するプラーク分類を提供する、コンピュータ可読媒体。
13. 請求項１１に記載のコンピュータ可読媒体であって、プラーク分類アプリケーションは、１組の階層的に構成された分類規則を適用する、コンピュータ可読媒体。
14. 請求項１３に記載のコンピュータ可読媒体であって、前記規則はデシジョン・トリーとして構成される、コンピュータ可読媒体。
15. 請求項１３に記載のコンピュータ可読媒体であって、トップレベルの決定は、関連するプラークの存在のある断面を自動的に識別し、前記関連するプラークの存在は、少なくとも最小プラーク厚さまたは狭窄に基づいて決定される、コンピュータ可読媒体。
16. 請求項１１に記載のコンピュータ可読媒体であって、前記分類基準は、融合性壊死性コアの存在に基づいた規則を含む、コンピュータ可読媒体。
17. 請求項１６に記載のコンピュータ可読媒体であって、前記分類基準は、前記血管断面内における融合性壊死性コアの、内腔とプラークの境界に関連した位置に基づいた規則を含む、コンピュータ可読媒体。
18. 請求項１６に記載のコンピュータ可読媒体であって、前記分類基準は、融合性壊死性コアと融合性石灰化との付着に基づいた規則を含む、コンピュータ可読媒体。
19. 請求項１６に記載のコンピュータ可読媒体であって、前記分類基準は、サンプルに存在する線維脂肪物質のパーセンテージに基づいた規則を更に含む、コンピュータ可読媒体。
20. 請求項１１に記載のコンピュータ可読媒体であって、血管セグメントの断面に割り当てられたプラーク分類に従って表示される前記血管セグメントのグラフィカル表現を提供するステップを更に備える、コンピュータ可読媒体。
21. 血管内のプラークを分類するためのシステムであって、
    血管断面に関する超音波エコー情報のスペクトル解析から特性決定された組織成分マップを提供するための組織特性決定アプリケーションであって、前記特性決定された組織マップにおいて、異なるプラーク成分が、割り当てられた識別値により弁別される、組織特性決定アプリケーションと、
    前記特性決定された組織マップの空間的に配置されたデータに分類基準を適用するため、および前記血管断面に関連するプラーク分類を提供するためのプラーク分類アプリケーションと、
    を備えるシステム。
22. 請求項２１に記載のシステムであって、前記分類基準は、それぞれの血管断面に関するプラーク分類を提供する、システム。
23. 請求項２１に記載のシステムであって、前記プラーク分類アプリケーションは、１組の階層的に構成された分類規則を適用する、システム。
24. 請求項２３に記載のシステムであって、前記規則はデシジョン・トリーとして構成される、システム。
25. 請求項２３に記載のシステムであって、トップレベルの決定は、関連するプラークの存在のある断面を自動的に識別し、前記関連するプラークの存在は、少なくとも最小プラーク厚さまたは狭窄に基づいて決定される、システム。
26. 請求項２１に記載のシステムであって、前記分類基準は、融合性壊死性コアの存在に基づいた規則を含む、システム。
27. 請求項２６に記載のシステムであって、前記分類基準は、前記血管断面内における融合性壊死性コアの、内腔とプラークの境界に関連した位置に基づいた規則を含む、システム。
28. 請求項２６に記載のシステムであって、前記分類基準は、融合性壊死性コアと融合性石灰化との付着に基づいた規則を含む、システム。
29. 請求項２６に記載のシステムであって、前記分類基準は、サンプルに存在する線維脂肪物質のパーセンテージに基づいた規則を更に含む、システム。
30. 請求項２１に記載のシステムであって、前記プラーク分類アプリケーションは、血管セグメントの断面に割り当てられたプラーク分類に従って表示される前記血管セグメントのグラフィカル表現を提供するグラフィカル出力プロセッサを更に備える、システム。

Images