JP2013542840A - 光干渉断層法を用いた3d網膜分離検出 - Google Patents
光干渉断層法を用いた3d網膜分離検出 Download PDFInfo
- Publication number
- JP2013542840A JP2013542840A JP2013540031A JP2013540031A JP2013542840A JP 2013542840 A JP2013542840 A JP 2013542840A JP 2013540031 A JP2013540031 A JP 2013540031A JP 2013540031 A JP2013540031 A JP 2013540031A JP 2013542840 A JP2013542840 A JP 2013542840A
- Authority
- JP
- Japan
- Prior art keywords
- data set
- retinal
- layer
- image
- identifying
- 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.)
- Granted
Links
- 238000012014 optical coherence tomography Methods 0.000 title claims abstract description 47
- 230000002207 retinal effect Effects 0.000 title claims abstract description 23
- 238000001514 detection method Methods 0.000 title abstract description 29
- 238000000926 separation method Methods 0.000 title abstract description 7
- 238000000034 method Methods 0.000 claims abstract description 51
- 238000005259 measurement Methods 0.000 claims abstract description 32
- 210000003583 retinal pigment epithelium Anatomy 0.000 claims description 46
- 230000011218 segmentation Effects 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 20
- 238000004299 exfoliation Methods 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 10
- 238000009499 grossing Methods 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 8
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 2
- 238000002679 ablation Methods 0.000 claims 4
- 206010038848 Retinal detachment Diseases 0.000 abstract description 28
- 230000004264 retinal detachment Effects 0.000 abstract description 28
- 210000001525 retina Anatomy 0.000 abstract description 6
- 208000017442 Retinal disease Diseases 0.000 abstract description 5
- 208000005590 Choroidal Neovascularization Diseases 0.000 abstract description 4
- 206010060823 Choroidal neovascularisation Diseases 0.000 abstract description 4
- 208000008069 Geographic Atrophy Diseases 0.000 abstract description 3
- 206010064930 age-related macular degeneration Diseases 0.000 abstract description 3
- 239000000049 pigment Substances 0.000 abstract description 3
- 238000003745 diagnosis Methods 0.000 abstract description 2
- 210000005081 epithelial layer Anatomy 0.000 abstract description 2
- 230000002159 abnormal effect Effects 0.000 abstract 1
- 239000012530 fluid Substances 0.000 abstract 1
- 230000032798 delamination Effects 0.000 description 22
- 230000035945 sensitivity Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 7
- 230000002452 interceptive effect Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000003902 lesion Effects 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 5
- 206010012689 Diabetic retinopathy Diseases 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 108091008695 photoreceptors Proteins 0.000 description 4
- 238000012805 post-processing Methods 0.000 description 4
- 206010003694 Atrophy Diseases 0.000 description 3
- 230000037444 atrophy Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000004424 eye movement Effects 0.000 description 3
- 238000012804 iterative process Methods 0.000 description 3
- 101000840294 Mus musculus Interferon-activable protein 202 Proteins 0.000 description 2
- 238000004040 coloring Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 210000004379 membrane Anatomy 0.000 description 2
- 239000012528 membrane Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 210000000981 epithelium Anatomy 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 208000030533 eye disease Diseases 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 210000003733 optic disk Anatomy 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000004286 retinal pathology Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000011272 standard treatment Methods 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/102—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for optical coherence tomography [OCT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20156—Automatic seed setting
Abstract
【選択図】 図1
Description
図1のフローチャートの第1のステップ100は、網膜における潜在的な剥離の3Dシードの検出を行うものであり、この剥離シードは、3Dデータセット内で最終的な3D剥離ボリュームを判定する後続する3D領域成長のために検出及び特定される。図1に示すように、ステップ100は、シードを準備及び特定するための5つのサブステップを含み、これらについては、以下に説明する。
図1に示す例示的なフローチャートでは、次のステップであるステップ106において、3D OCTデータセット内で3D領域成長を実行する。2D領域成長を用いるセグメント化法は、当分野でよく知られている(例えば、「Adam and Bischof, “Seeded Region Growing,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 16, pp. 641-647, 1994」参照)。ステップ106における3D領域成長は、領域成長制約と共にステップ105で特定された3Dシードを用いて実行できる。領域成長制約の幾つかの具体例は、病変の臨床的知識及びOCTデータセットの画像特性によって判定される3D形状及びサイズである。例えば、多くの網膜剥離/病変、例えば、硬性ドルーゼン、軟性ドルーゼン、色素上皮層分離(Pigment Epithelium Detachment:PED)及び脈絡膜血管新生(Choroidal Neovascularization:CNV)によって、正常なRPE位置(RPE当てはめ)の上に半球形状が形成されることが多い。また、硬性ドルーゼンが形成されると、OCTデータセットの画像特性、例えば、高反射率領域及びゴマ塩状テクスチャ(salt-pepper texture)といった特徴が一般的に観察される。3D領域成長法でこれらの制約を利用することによって、領域成長処理のロバスト性及び正確度を向上させ、領域成長技術において生じやすいことが一般的に知られている漏れ問題(leaking problem)を実質的に軽減することができる。幾つかの実施形態では、ステップ105で特定された3Dシードを用い、上述した制約を利用する3D領域成長ステップ106では、直径が僅か60μmの剥離も検出できる。
次のステップ107では、3D領域成長ステップ106を用いてセグメント化された3D接続された各オブジェクトのボクセルにラベルを付す。ラベル付け処理(labeling procedure)は、例えば、以下のように行ってもよい。まず、3D領域成長ステップ106によって埋められた全てのボクセルに対し、ステップ106で特定された3D接続されたオブジェクトの最大割当可能数より大きいマスク値N(例えば、3Dデータセット内の3D接続されたオブジェクトが255個未満であると仮定して、N=255)を初期的に割り当て、ステップ106において埋められていないボクセルには、0の値を割り当てる。次に、繰返し処理を用いて、3D接続された各オブジェクトに固有値によるラベルを付す。繰返し処理では、k回の繰返しステップを行ってもよく、ここで、1≦k≦Kであり、Kは、ステップ106において3D接続されたオブジェクトの総数である。また、ランダムに選択されたマスク値Nを有するボクセルに対し、一般的に使用されている塗りつぶしアルゴリズム(flood-fill algorithm)を適用して、この選択されたボクセルに接続されている全てのマスクボクセルを検索することができる。先にマスク値Nを有しているこれらの接続ボクセルに新たなマスク値kを割り当てる。この第1の繰返しの後に、kをインクリメントし(例えば、k=k+1)、マスク値Nを有する他のランダムに選択されたボクセルに対し、塗りつぶしアルゴリズムを適用して、このランダムに選択されたボクセルに接続されているボクセルを検索する。そして、これらのボクセルのマスク値をインクリメントされたk値に更新する。この繰返し処理は、K回繰返して終了され、この時点で、初期的なマスク値Nが割り当てられているボクセルはなくなる。この処理によって、3Dデータセット内のK個の総数の3D接続されたオブジェクトにラベルが付され、更なる処理ステップ108〜110が補助され、ステップ111における後の剥離測定を評価することができる。
ステップ108では、ステップ107における3Dラベル付きマスクに基づいて、インテリジェント眼底画像(IFI)を構築することができる。1つ以上の特定の3D接続されたオブジェクトに対し、3Dデータスムージング及び強調技術、例えば、実際の用途に応じて、非線形フィルタリング及びヒストグラム均等化を適用して、最適な眼底画像表現を生成することができる。このようなIFIの具体例を図5に示す。図5に示すIFI画像では、図4に示すような、異なる任意のオフセット量による影響の問題が解決されている。上述した処理の結果として得られるIFI画像は、一定でより正確な網膜剥離特徴を再現している。画像510は、画像410に用いられたものと同じ3Dデータセットから生成された画像である。ドルーゼン520の特徴は、図4の画像420、430、440のそれぞれに示すドルーゼン425、435、445に比べて、より明瞭であり、より明確に特定できる。
幾つかの実施形態では、剥離ラベル付きマスクに剥離領域後処理ステップ109を適用して、動きアーチファクト、例えば、データ取得の間の眼球運動の影響、視神経乳頭近傍又はサイズ及び形状に起因する誤検出領域、又は光学的及び電子的雑音を除去又は最小化することができる。例えば、眼球運動は、IFI画像のエッジ情報及びヒストグラム分布を用いて検出できる。動き確率マップを構築し、各ラベル付き領域に動きアーチファクトの確率を割り当て、動き確率がより高い領域を剥離画像から除去することができる。図9a及び図9bは、後処理の前(図9a)及び後(図9b)の剥離領域の具体例を示している。図9bでは、図9a内の眼球運動によるアーチファクト、小さすぎて細すぎるクラスタ及び視神経乳頭領域に関連する誤検出クラスタが除去されている。幾つかの実施形態では、動き及び他のアーチファクト領域を除去することに代えて、アーチファクトを異なる色調又はカラーで表示して、これらを区別しやすくし、解釈を容易にしてもよい。
本発明の幾つかの実施形態では、オプションのステップ110を実行して、網膜剥離検出の結果を強調してもよく、すなわち、剥離感度メトリックを定義し、各剥離領域又はボリュームに割り当てることができる。感度値は、ユーザにとって合理的な値、例えば、[0.0,1.0]又は[0%,100%]といった範囲で設定することができる。ユーザは、このパラメータを調整することによって、剥離領域又はボリュームを所望の感度レベルで表示することができる。感度値を高めれば、サイズがより小さい、より多くの剥離が検出され、感度値を低めればこの逆になる。これに代えて、ユーザが定義した固定された感度値を初期値として選択してもよい。感度値は、3D OCTデータセットからの情報、例えば、隆起の高さ、剥離の面積、剥離の体積又はこれらのメトリックの組合せを用いて、手動又は自動的に割り当てることができる。例えば、大きいドルーゼン又はPEDの視覚化をユーザが望む場合、低感度値(例えば、1.0のうちの0.5)を選択できる。一方、全ての可能な剥離の視覚化をユーザが望む場合、1.0のうちの1.0の感度値を選択できる。図9c及び図9dは、異なる感度値(それぞれ感度値0.5、1.0)によって検出された剥離領域の具体例を示している。
上述したように、ステップ100〜110によって、3D領域の網膜剥離検出が達成される。次のステップである図1のステップ111では、定量化された測定値を取得し、画像処理を実行して、病気又は病状の診断の補助となるように剥離の特徴及び特性を特定する。3D網膜剥離の測定値は、臨床的に重要であり、画像処理によって、ユーザは、特定された状態を臨床的に有用な手法で評価することができるようになる。本発明の幾つかの実施形態では、ステップ111において、以下の測定及び画像処理を実行できる。
*各剥離の3D境界
*各剥離のサイズ(直径)
*各剥離の面積
*各剥離の体積
*小(<63μm)、中(63μm〜124μm)、大(125μm〜249μm)、特大(250μm〜499μm)、超特大(≧500μm)のカテゴリにおけるサイズの分布
*上に定義した同じサイズカテゴリにおける体積の分布
*任意のユーザ指定領域における剥離の総サイズ
*任意のユーザ指定領域における剥離の総体積
*標準的な糖尿病網膜症早期治療試験(Treatment Diabetic Retinopathy Study:ETDRS)セクタにおける剥離の総サイズ
*全体円(直径6mmの円)
*中心円(直径1mmの円)
*内側リング(1mm〜3mmのリング)
*外側リング(3mm〜6mmのリング)
*内外側(Inner Tempo)
*内上側(Inner Superior)
*内内側(Inner Nasal)
*内下側(Inner Inferior)
*外外側(Out Tempo)
*外上側(Outer Superior)
*外内側(Outer Nasal)
*外下側(Outer Inferior)
*上に定義した標準ETDRS(糖尿病網膜症早期治療試験)セクタにおける剥離の総体積
*上に定義した標準ETDRS(糖尿病網膜症早期治療試験)セクタにおける剥離面積パーセンテージ
これらの数値的測定値の算出に加えて、臨床的に有意な手法でこれらを表示することができる。例えば、剥離中心から参照点、例えば、中心窩までの距離を算出し、幾つかの測定値、例えば、剥離の直径、面積又は体積と関連付けてプロットすることができる。図10は、中心窩までの距離に対する剥離のサイズの例示的なプロットを示している。
本発明の幾つかの実施形態では、3D剥離領域とのユーザインタラクションを提供する直感的でユーザフレンドリなグラフィカルユーザインタフェース(Graphical User InterfaceGUI)を採用することができる。3D網膜剥離セグメント化ステップ106〜110及びステップ111で実行される測定の対話型GUI表示ステップ112は、図1の例示的なフローチャートに組み込むことができる。直感的でユーザフレンドリなユーザインタラクションの具体例によって、ユーザは、ステップ101からの層セグメント化結果を修正して、関心領域をよりよく特定することができる。このようなユーザインタラクションの他の具体例によって、ユーザは、ステップ105における3D剥離シードを変更、追加又は削除して、結果をカスタマイズすることができる。また、このようなユーザインタラクションによって、ユーザは、ステップ106における3D剥離セグメント化を修正、追加、削除又は強調することができる。対話型の表示及びGUIによって、ユーザは、ユーザの臨床的必要性をよりよく満たすように、検出結果を検証及び確認することができる。対話型GUI表示ステップ112において、ユーザが修正を行うことを選択した場合、ステップ100〜111における網膜層セグメント化から測定値の生成、及び検出された3D剥離の画像処理を再評価できる。
ユーザが3D網膜剥離結果及び測定値を検証及び確認した後に、ステップ113において、臨床的に有用な検出レポートを生成することができる。図2は、臨床的に有用な剥離結果レポートの表示スキームの具体例を示している。このサンプルレポートには、2つのIFI200、202が表示されている。IFI200は、ETDRSグリッドが重ねられ、検出された網膜剥離が異なる色で強調表示されたIFIである。幾つかの実施形態では、剥離の特徴を容易に特定できるようにするため、色付けキームを用いる。幾つかの臨床的に有用な特徴は、面積、体積及び深さである。図2の具体例では、緑色203、紫色204及び赤色205の色付けスキームを用いて、剥離のサイズの中、大、特大のそれぞれを示している。IFI202は、ETDRSグリッドが重ねられ、各ETDRSグリッド領域に面積パーセンテージが表示されたIFIである。IFI202は、各ETDRS領域において影響を受けている面積のパーセンテージを示す量的な表示である。敏感なETDRS領域のそれぞれにおいて、剥離の位置及び濃度を特定できるようにすることは、臨床的に有用である。領域206は、全てのドルーゼンが面積の1%を占めている1つのETDRS領域である。画像207は、網膜の層がセグメント化及び表示されたBスキャン画像の一具体例である(第1の赤色:ILM、緑色:IPLシアン:RPE、第2の赤色:RPE当てはめ)。領域208は、対応するBスキャン画像で検出された剥離領域(ピンクの突起)である。更に、このようなレポートに一般的に使用される臨床情報を表示又は統合してもよく、これらの臨床情報には、例えば、剥離総数、各サイズカテゴリ(小、中、大、特大、超特大)毎の剥離数、剥離総面積、ETDRSセクタ毎の剥離面積、剥離総体積、ETDRSセクタ毎の剥離体積、ETDRSセクタ毎の剥離面積パーセンテージ、剥離面積パーセンテージによって色付けされたETDRS領域、IFI画像202上への色付きETDRS領域の重ね合わせ、カラー眼底写真上への色付きETDRS領域の重ね合わせ、サイズカテゴリ200を識別する異なる色によるIFI画像上での剥離境界のマーク等がある。図3は、網膜剥離(ドルーゼン)の1つの形式を特定するために臨床医によって一般的に用いられているカラー眼底写真の具体例を示している。写真300では、ドルーゼン302は、黄色を帯びた色で表示されている。しかしながら、このような従来の表示又はレポートは、上述した定量的で、客観的で、より正確な3D網膜剥離検出方法及び表示に比べると、臨床的有用性が低い。
眼科の分野においては、単一の臨床的に有用な最終レポートに加えて、医師が状態又は病状を監視及び効果的に追跡できるようにすることが有利であることが多い。本発明の幾つかの実施形態は、レポートステップ114において生成され、複数回の通院の一部又は全部に亘って取得された時系列に沿った診察からの臨床的に有用な情報を比較及び表示する統合進行レポートを含む。図6は、進行レポートのための例示的な表示スキームであり、これは、2つの異なる時点600、610で取得された2つのデータセットについての進行解析の具体例(境界によってセグメント化された網膜剥離620)を示している。時系列データセットの数は、2個から臨床的に有意な合理的な数にまで増やすことができる。複数のデータセットが利用可能な場合(多くの場合、患者の複数回の通院による)、進行解析を実行でき、進行レポートを生成することができる。複数のデータセットが利用可能な場合、剥離3Dシード検出のためのステップ100〜113における解析は、これに応じて、複数のデータセットを使用するように適応化される。複数のデータセットを用いることによって、特に通院毎に病状が大幅に変化しない場合に、3D剥離検出方法のロバスト性を検証し及び向上させることができる。進行レポートでは、測定値の一般的で臨床的に有意な表示及び表現、例えば、剥離総数の変化、サイズカテゴリ毎の剥離数の変化、剥離面積の変化、ETDRSセクタ毎の剥離面積の変化、剥離体積の変化、ETDRSセクタ毎の剥離面積パーセンテージの変化、1つのデータのみの剥離領域及び両方のデータセットにおける剥離領域に異なる色を用いてIFI画像に重ねられた剥離領域の変化を用いることができる。これらの有用な情報の幾つかの具体例をグラフ630、640に示す。当業者は、本発明の範囲内で、上述した他の剥離表現及び測定値について、同様のレポートを作成することができる。
Claims (26)
- 光源と、
前記光源からの光を受信し、この光をサンプルに方向付けるx−yスキャナと、
前記スキャナから反射光を受け取る検出器と、
前記検出器から信号を受信し、メモリに保存されたコードを実行するコンピュータとを備え、前記コードは、
サンプルの3Dボクセルを含むデータセットを提供し、
前記3Dデータセットから1つ以上の3Dシードを特定し、
前記3Dシードに基づいて、3D剥離の特徴を取得し、
前記3D剥離の測定値を生成し、
前記3D剥離の結果を表示する命令を提供するイメージング装置。 - 前記3Dデータセットから1つ以上の3Dシードを特定することは、
前記3Dデータセット内の少なくとも1つの網膜の層をセグメント化して、1つ以上のセグメント化された網膜の層を取得し、
前記3Dデータセット内の少なくとも1つの網膜の層から正常な網膜色素上皮(RPE)層を生成して、RPE当てはめ表面を取得し、
前記1つ以上のセグメント化された網膜の層上の点と、前記RPE当てはめ表面上の点との間の距離を算出し、少なくとも1つの隆起マップを取得することを含む請求項1記載の装置。 - 前記3Dデータセットから1つ以上の3Dシードを特定することは、適応型シード検索画像(ASSI)を特定することによってシード候補を特定することを含む請求項2記載の装置。
- 前記ASSIは、隆起マップである請求項3記載の装置。
- 1つ以上のセグメント化された網膜の層の間で3Dデータセットを2D表現に縮減し、鉛直断面画像を取得することを更に含む請求項2記載の装置。
- 前記鉛直断面画像は、画像処理フィルタを適用してASSIを取得することによって処理され、前記処理フィルタは、エッジ検出フィルタ、平滑化フィルタ及びこれらの組合せからなるフィルタの組から選択される請求項5記載の装置。
- 前記ASSIは、前記隆起マップ及び前記鉛直断面画像の情報を結合することによって生成される請求項5記載の装置。
- 前記3Dデータセットから1つ以上の3Dシードを特定することは、3Dセグメント化演算を含む請求項2記載の装置。
- 前記3Dデータセットからの2つ以上の2D横断面輪郭画像を補間することによって、3D領域成長演算又は3Dボリューム構築を行う請求項8記載の装置。
- 前記3D剥離の測定値は、対話式に生成される請求項1記載の装置。
- 前記3D剥離の結果を表示することは、眼の少なくとも1つの解剖学的特徴に関連して、1つ以上の3D剥離特徴のプロットを提供することを含む請求項1記載の装置。
- 異なる時点で得られた3Dデータセットからの3D剥離結果を評価及び表示する進行解析を更に含む請求項1記載の装置。
- 更に、3D表示インタフェース内で関心があるセグメント化された層に重ねて3D剥離クラウドを3D表示する請求項1記載の装置。
- 光干渉断層法(OCT)システムからサンプルの3Dボクセルを含むデータセットを取得するステップと、
前記3Dデータセットから1つ以上の3Dシードを特定するステップと、
前記3Dシードに基づいて、3D剥離の特徴を取得するステップと、
前記3D剥離の測定値を生成するステップと、
前記3D剥離の結果を表示するステップとを有する画像処理方法。 - 前記3Dデータセットから1つ以上の3Dシードを特定するステップは、
前記3Dデータセット内の少なくとも1つの網膜の層をセグメント化して、1つ以上のセグメント化された網膜の層を取得するステップと、
前記3Dデータセット内の少なくとも1つの網膜の層から正常な網膜色素上皮(RPE)層を生成して、RPE当てはめ表面を取得するステップと、
前記1つ以上のセグメント化された網膜の層上の点と、前記RPE当てはめ表面上の点との間の距離を算出し、少なくとも1つの隆起マップを取得するステップとを含む請求項14記載の方法。 - 前記3Dデータセットから1つ以上の3Dシードを特定するステップは、適応型シード検索画像(ASSI)を特定することによってシード候補を特定するステップを含む請求項15記載の方法。
- 前記ASSIは、隆起マップである請求項16記載の方法。
- 1つ以上のセグメント化された網膜の層の間で3Dデータセットを2D表現に縮減し、鉛直断面画像を取得するステップを更に含む請求項15記載の方法。
- 前記鉛直断面画像は、画像処理フィルタを適用してASSIを取得することによって処理され、前記処理フィルタは、エッジ検出フィルタ、平滑化フィルタ及びこれらの組合せからなるフィルタの組から選択される請求項18記載の方法。
- 前記ASSIは、前記隆起マップ及び前記鉛直断面画像の情報を結合することによって生成される請求項18記載の方法。
- 前記3Dデータセットから1つ以上の3Dシードを特定することは、3Dセグメント化演算を含む請求項15記載の方法。
- 前記3Dデータセットからの2つ以上の2D横断面輪郭画像を補間することによって、3D領域成長演算又は3Dボリューム構築を行う請求項21記載の方法。
- 前記3D剥離の測定値は、対話式に生成される請求項14記載の方法。
- 前記3D剥離の結果を表示するステップは、眼の少なくとも1つの解剖学的特徴に関連して、1つ以上の3D剥離特徴のプロットを提供するステップを含む請求項14記載の方法。
- 異なる時点で得られた3Dデータセットからの3D剥離結果を評価及び表示する進行解析を行うステップを更に有する請求項14記載の方法。
- 3D表示インタフェース内で関心があるセグメント化された層に重ねて3D剥離クラウドを3D表示するステップを更に有する請求項14記載の方法。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US41480510P | 2010-11-17 | 2010-11-17 | |
US61/414,805 | 2010-11-17 | ||
PCT/US2011/061252 WO2012068408A1 (en) | 2010-11-17 | 2011-11-17 | 3d retinal disruptions detection using optical coherence tomography |
US13/299,219 | 2011-11-17 | ||
US13/299,219 US8622548B2 (en) | 2010-11-17 | 2011-11-17 | 3D retinal disruptions detection using optical coherence tomography |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013542840A true JP2013542840A (ja) | 2013-11-28 |
JP6038799B2 JP6038799B2 (ja) | 2016-12-07 |
Family
ID=46064089
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013540031A Active JP6038799B2 (ja) | 2010-11-17 | 2011-11-17 | 光干渉断層法を用いた3d網膜分離検出 |
Country Status (6)
Country | Link |
---|---|
US (1) | US8622548B2 (ja) |
EP (1) | EP2641211A1 (ja) |
JP (1) | JP6038799B2 (ja) |
CN (1) | CN103348359A (ja) |
CA (1) | CA2817963A1 (ja) |
WO (1) | WO2012068408A1 (ja) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015136626A (ja) * | 2014-01-21 | 2015-07-30 | 株式会社トプコン | 地図状萎縮の同定及び測定 |
JP2016131881A (ja) * | 2015-01-15 | 2016-07-25 | 株式会社トプコン | 地図状萎縮の同定および測定 |
US9517005B2 (en) | 2013-02-01 | 2016-12-13 | Kabushiki Kaisha Topcon | Attenuation-based optic neuropathy detection with three-dimensional optical coherence tomography |
JP2017518123A (ja) * | 2014-06-19 | 2017-07-06 | ノバルティス アーゲー | 自動網膜特徴検出を用いる眼科撮像システム |
JP2017196306A (ja) * | 2016-04-28 | 2017-11-02 | キヤノン株式会社 | 画像処理装置及び画像処理方法 |
JP2018509975A (ja) * | 2015-03-23 | 2018-04-12 | ノバルティス アーゲー | レーザ光凝固の最適化のためのシステム、装置、および方法 |
JP2019024735A (ja) * | 2017-07-27 | 2019-02-21 | 株式会社ニデック | 眼科システムおよび眼科システム制御プログラム |
JP2019531817A (ja) * | 2016-10-13 | 2019-11-07 | トランスレイタム メディカス インコーポレイテッド | 眼疾患の検出のためのシステム及び方法 |
JP2021087817A (ja) * | 2021-02-24 | 2021-06-10 | キヤノン株式会社 | 画像処理装置及び画像処理方法 |
JP2022082541A (ja) * | 2020-04-10 | 2022-06-02 | 株式会社トプコン | 光コヒーレンストモグラフィ画像を用いた3次元解析 |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2012236545B2 (en) * | 2011-03-29 | 2017-02-02 | Neurovision Imaging, Inc. | Apparatus and method for identifying one or more amyloid beta plaques in a plurality of discrete OCT retinal layers |
US9877646B2 (en) | 2011-10-11 | 2018-01-30 | Carl Zeiss Meditec, Inc. | Assessment of retinal disruption |
JP5936254B2 (ja) | 2012-02-29 | 2016-06-22 | 国立大学法人京都大学 | 眼底観察装置及び眼底画像解析装置 |
JP6105852B2 (ja) * | 2012-04-04 | 2017-03-29 | キヤノン株式会社 | 画像処理装置及びその方法、プログラム |
KR101644466B1 (ko) * | 2012-08-30 | 2016-08-01 | 캐논 가부시끼가이샤 | 정보 처리장치 및 방법 |
JP2014083285A (ja) | 2012-10-25 | 2014-05-12 | Canon Inc | 画像処理装置及び画像処理方法 |
EP2929327B1 (en) | 2012-12-05 | 2019-08-14 | Perimeter Medical Imaging, Inc. | System and method for wide field oct imaging |
WO2014151573A1 (en) * | 2013-03-15 | 2014-09-25 | Steven Verdooner | Method for detecting amyloid beta plaques and drusen |
US10722292B2 (en) | 2013-05-31 | 2020-07-28 | Covidien Lp | Surgical device with an end-effector assembly and system for monitoring of tissue during a surgical procedure |
US9737205B2 (en) | 2013-07-31 | 2017-08-22 | The Board Of Trustees Of The Leland Stanford Junior University | Method and system for evaluating progression of age-related macular degeneration |
CN103679198B (zh) * | 2013-12-10 | 2016-09-14 | 苏州大学 | 一种基于k近邻的视网膜内节/外节缺失自动检测方法 |
WO2015100341A1 (en) | 2013-12-24 | 2015-07-02 | Sanovas, Inc. | Visualization of eye anatomy |
WO2015154200A1 (en) * | 2014-04-07 | 2015-10-15 | Mimo Ag | Method for the analysis of image data representing a three-dimensional volume of biological tissue |
CN106415661B (zh) * | 2014-04-07 | 2019-08-09 | Mimo股份公司 | 用于分析表示生物组织的三维体积的图像数据的方法 |
US9854971B2 (en) | 2014-09-09 | 2018-01-02 | Sanovas Intellectual Property, Llc | System and method for visualization of ocular anatomy |
AU2014259527A1 (en) | 2014-11-06 | 2016-05-26 | Canon Kabushiki Kaisha | Robust segmentation of retinal pigment epithelium layer |
WO2016109750A1 (en) * | 2014-12-30 | 2016-07-07 | Optovue, Inc. | Methods and apparatus for retina bloodvessel assesment with oct angiography |
CN104809480B (zh) * | 2015-05-21 | 2018-06-19 | 中南大学 | 一种基于分类回归树和AdaBoost的眼底图像视网膜血管分割方法 |
WO2017027844A1 (en) * | 2015-08-13 | 2017-02-16 | Wang Ruikang K | Systems and methods of forming enhanced medical images |
US10169864B1 (en) * | 2015-08-27 | 2019-01-01 | Carl Zeiss Meditec, Inc. | Methods and systems to detect and classify retinal structures in interferometric imaging data |
WO2017075089A1 (en) * | 2015-10-28 | 2017-05-04 | Loma Linda University | System and method to analyze various retinal layers |
CN105942972B (zh) * | 2016-05-24 | 2017-07-14 | 中国科学院长春光学精密机械与物理研究所 | 一种对视网膜内核层微细血管自适应光学成像的系统 |
EP3655748B1 (en) | 2017-07-18 | 2023-08-09 | Perimeter Medical Imaging, Inc. | Sample container for stabilizing and aligning excised biological tissue samples for ex vivo analysis |
JP6489193B2 (ja) * | 2017-11-02 | 2019-03-27 | 株式会社ニデック | 眼科解析装置、及び眼科解析プログラム |
CN108090900B (zh) * | 2017-12-28 | 2021-12-28 | 中科微光医疗研究中心(西安)有限公司 | 一种基于ivoct图像的分叉血管自动识别方法 |
CN108596895B (zh) * | 2018-04-26 | 2020-07-28 | 上海鹰瞳医疗科技有限公司 | 基于机器学习的眼底图像检测方法、装置及系统 |
WO2021072204A1 (en) * | 2019-10-11 | 2021-04-15 | Duke University | En face retinal vessel shadow view optical coherence tomography images |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002523123A (ja) * | 1998-08-07 | 2002-07-30 | アーチ・デベロップメント・コーポレーション | 病変の分割および分類のための方法およびシステム |
WO2006022045A1 (ja) * | 2004-08-26 | 2006-03-02 | National University Corporation Nagoya University | 光干渉断層装置 |
US20070216909A1 (en) * | 2006-03-16 | 2007-09-20 | Everett Matthew J | Methods for mapping tissue with optical coherence tomography data |
JP2009507537A (ja) * | 2005-09-09 | 2009-02-26 | カール ツァイス メディテック アクチエンゲゼルシャフト | 病変組織のより有意義な解剖学的特徴を明らかにする生体画像データの処理方法 |
US20090198094A1 (en) * | 2004-03-09 | 2009-08-06 | Robarts Research Institute | Apparatus and computing device for performing brachytherapy and methods of imaging using the same |
US20110103658A1 (en) * | 2009-10-29 | 2011-05-05 | John Davis | Enhanced imaging for optical coherence tomography |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003024184A2 (en) | 2001-09-14 | 2003-03-27 | Cornell Research Foundation, Inc. | System, method and apparatus for small pulmonary nodule computer aided diagnosis from computed tomography scans |
US7301644B2 (en) | 2004-12-02 | 2007-11-27 | University Of Miami | Enhanced optical coherence tomography for anatomical mapping |
WO2007061769A2 (en) | 2005-11-18 | 2007-05-31 | Duke University | Method and system of coregistrating optical coherence tomography (oct) with other clinical tests |
ATE525012T1 (de) | 2006-01-19 | 2011-10-15 | Optovue Inc | Augenuntersuchungsverfahren mittels optischer kohärenztomografie |
ES2599317T3 (es) | 2006-01-19 | 2017-02-01 | Optovue, Inc. | Tomador de imágenes de tomografía de coherencia óptica de dominio de Fourier |
WO2007133964A2 (en) * | 2006-05-12 | 2007-11-22 | The General Hospital Corporation | Processes, arrangements and systems for providing a fiber layer thickness map based on optical coherence tomography images |
US8226236B2 (en) * | 2006-05-18 | 2012-07-24 | University Of Rochester | Method and apparatus for imaging in an eye |
US20070291277A1 (en) | 2006-06-20 | 2007-12-20 | Everett Matthew J | Spectral domain optical coherence tomography system |
US7936462B2 (en) * | 2007-01-19 | 2011-05-03 | Thorlabs, Inc. | Optical coherence tomography imaging system and method |
WO2009120543A1 (en) * | 2008-03-27 | 2009-10-01 | Doheny Eye Institute | Optical coherence tomography device, method, and system |
US8896682B2 (en) | 2008-12-19 | 2014-11-25 | The Johns Hopkins University | System and method for automated detection of age related macular degeneration and other retinal abnormalities |
US8868155B2 (en) | 2008-12-19 | 2014-10-21 | University Of Miami | System and method for early detection of diabetic retinopathy using optical coherence tomography |
JP5451492B2 (ja) * | 2010-03-31 | 2014-03-26 | キヤノン株式会社 | 画像処理装置、その制御方法及びプログラム |
-
2011
- 2011-11-17 CA CA2817963A patent/CA2817963A1/en not_active Abandoned
- 2011-11-17 CN CN2011800651308A patent/CN103348359A/zh active Pending
- 2011-11-17 EP EP11841992.8A patent/EP2641211A1/en not_active Withdrawn
- 2011-11-17 WO PCT/US2011/061252 patent/WO2012068408A1/en active Application Filing
- 2011-11-17 US US13/299,219 patent/US8622548B2/en active Active
- 2011-11-17 JP JP2013540031A patent/JP6038799B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002523123A (ja) * | 1998-08-07 | 2002-07-30 | アーチ・デベロップメント・コーポレーション | 病変の分割および分類のための方法およびシステム |
US20090198094A1 (en) * | 2004-03-09 | 2009-08-06 | Robarts Research Institute | Apparatus and computing device for performing brachytherapy and methods of imaging using the same |
WO2006022045A1 (ja) * | 2004-08-26 | 2006-03-02 | National University Corporation Nagoya University | 光干渉断層装置 |
JP2009507537A (ja) * | 2005-09-09 | 2009-02-26 | カール ツァイス メディテック アクチエンゲゼルシャフト | 病変組織のより有意義な解剖学的特徴を明らかにする生体画像データの処理方法 |
US20070216909A1 (en) * | 2006-03-16 | 2007-09-20 | Everett Matthew J | Methods for mapping tissue with optical coherence tomography data |
US20110103658A1 (en) * | 2009-10-29 | 2011-05-05 | John Davis | Enhanced imaging for optical coherence tomography |
Non-Patent Citations (1)
Title |
---|
JPN6015031856; Daniel M.de Bruin, et al.: '"In Vivo Three-Dimensional Imaging of Neovascular Age-Related Macular Degeneration Using Optical Fr' Investigative Ophthalmology & Visual Science vol. 49, No. 10, 200810, P4545-P4552 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9517005B2 (en) | 2013-02-01 | 2016-12-13 | Kabushiki Kaisha Topcon | Attenuation-based optic neuropathy detection with three-dimensional optical coherence tomography |
US10105046B2 (en) | 2013-02-01 | 2018-10-23 | Kabushiki Kaisha Topcon | Attenuation-based optic neuropathy detection with three-dimensional optical coherence tomography |
US9924860B2 (en) | 2014-01-21 | 2018-03-27 | Kabushiki Kaisha Topcon | Geographic atrophy identification and measurement |
JP2016107148A (ja) * | 2014-01-21 | 2016-06-20 | 株式会社トプコン | 眼科画像処理装置 |
US9526412B2 (en) | 2014-01-21 | 2016-12-27 | Kabushiki Kaisha Topcon | Geographic atrophy identification and measurement |
JP2015136626A (ja) * | 2014-01-21 | 2015-07-30 | 株式会社トプコン | 地図状萎縮の同定及び測定 |
US10694940B2 (en) | 2014-06-19 | 2020-06-30 | Alcon Inc. | Ophthalmic imaging system with automatic retinal feature detection |
JP2017518123A (ja) * | 2014-06-19 | 2017-07-06 | ノバルティス アーゲー | 自動網膜特徴検出を用いる眼科撮像システム |
JP2017074484A (ja) * | 2015-01-15 | 2017-04-20 | 株式会社トプコン | 眼科装置 |
US10117568B2 (en) | 2015-01-15 | 2018-11-06 | Kabushiki Kaisha Topcon | Geographic atrophy identification and measurement |
JP2016131881A (ja) * | 2015-01-15 | 2016-07-25 | 株式会社トプコン | 地図状萎縮の同定および測定 |
JP2018509975A (ja) * | 2015-03-23 | 2018-04-12 | ノバルティス アーゲー | レーザ光凝固の最適化のためのシステム、装置、および方法 |
JP2017196306A (ja) * | 2016-04-28 | 2017-11-02 | キヤノン株式会社 | 画像処理装置及び画像処理方法 |
US10769789B2 (en) | 2016-04-28 | 2020-09-08 | Canon Kabushiki Kaisha | Image processing apparatus and image processing method |
US11610311B2 (en) | 2016-10-13 | 2023-03-21 | Translatum Medicus, Inc. | Systems and methods for detection of ocular disease |
JP2019531817A (ja) * | 2016-10-13 | 2019-11-07 | トランスレイタム メディカス インコーポレイテッド | 眼疾患の検出のためのシステム及び方法 |
JP7308144B2 (ja) | 2016-10-13 | 2023-07-13 | トランスレイタム メディカス インコーポレイテッド | 眼疾患の検出のためのシステム及び方法 |
JP2019024735A (ja) * | 2017-07-27 | 2019-02-21 | 株式会社ニデック | 眼科システムおよび眼科システム制御プログラム |
JP7024240B2 (ja) | 2017-07-27 | 2022-02-24 | 株式会社ニデック | 眼科システムおよび眼科システム制御プログラム |
JP2022082541A (ja) * | 2020-04-10 | 2022-06-02 | 株式会社トプコン | 光コヒーレンストモグラフィ画像を用いた3次元解析 |
JP7278445B2 (ja) | 2020-04-10 | 2023-05-19 | 株式会社トプコン | 光コヒーレンストモグラフィ画像を用いた3次元解析 |
JP2021087817A (ja) * | 2021-02-24 | 2021-06-10 | キヤノン株式会社 | 画像処理装置及び画像処理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103348359A (zh) | 2013-10-09 |
US8622548B2 (en) | 2014-01-07 |
JP6038799B2 (ja) | 2016-12-07 |
US20120127427A1 (en) | 2012-05-24 |
EP2641211A1 (en) | 2013-09-25 |
CA2817963A1 (en) | 2012-05-24 |
WO2012068408A1 (en) | 2012-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6038799B2 (ja) | 光干渉断層法を用いた3d網膜分離検出 | |
US20210158525A1 (en) | Medical image processing apparatus, medical image processing method, computer-readable medium, and learned model | |
Haleem et al. | Automatic extraction of retinal features from colour retinal images for glaucoma diagnosis: a review | |
Abràmoff et al. | Retinal imaging and image analysis | |
Mookiah et al. | Computer-aided diagnosis of diabetic retinopathy: A review | |
US9418423B2 (en) | Motion correction and normalization of features in optical coherence tomography | |
Sarhan et al. | Machine learning techniques for ophthalmic data processing: a review | |
Akram et al. | Automated detection of dark and bright lesions in retinal images for early detection of diabetic retinopathy | |
US8750615B2 (en) | Segmentation and quantification for intravascular optical coherence tomography images | |
GB2589250A (en) | Medical image processing device, medical image processing method and program | |
US11854199B2 (en) | Methods and systems for ocular imaging, diagnosis and prognosis | |
WO2018116321A2 (en) | Retinal fundus image processing method | |
JP2014516646A (ja) | 散乱媒質の深さ分解した物理的及び/又は光学的特性を決定する方法 | |
GB2614130A (en) | Medical image processing apparatus, medical image processing system, learned model, learning apparatus, medical image processing method, and program | |
Vigueras-Guillén et al. | Corneal endothelial cell segmentation by classifier-driven merging of oversegmented images | |
JP7260884B2 (ja) | 三次元(3d)超音波画像の処理 | |
Abràmoff | Image processing | |
JP2018038689A (ja) | 眼科撮影装置及び眼科画像処理装置 | |
Somfai et al. | Evaluation of potential image acquisition pitfalls during optical coherence tomography and their influence on retinal image segmentation | |
Ganjee et al. | Automatic segmentation of abnormal capillary nonperfusion regions in optical coherence tomography angiography images using marker-controlled watershed algorithm | |
Stankiewicz et al. | Novel full-automatic approach for segmentation of epiretinal membrane from 3D OCT images | |
Stankiewicz et al. | Volumetric segmentation of human eye blood vessels based on OCT images | |
Bayer | Interpretation of imaging data from Spectralis OCT | |
Guo | Deep learning meets graph: novel hybrid methods for improved medical image analysis | |
Princy et al. | Analysis of Retinal Images Using Detection of the Blood Vessels by Optic Disc and Optic Cup Segmentation Method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20141117 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150729 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150811 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20151110 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160419 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160615 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20161004 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20161102 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6038799 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |