JP2014023933A - 断層撮影方法及び装置 - Google Patents

Abstract

【課題】断層画像の検査中に物体の特徴の位置を判定する方法及び装置を提供する。
【解決手段】ステップＳ１０１において、ＳＬＯ上で視神経円板の中心の座標が得られる。ステップＳ１０２において、ステップＳ１０１で判定された座標は、ＯＣＴ画像空間に適合又は変換される。ステップＳ１０３を実行してＯＣＴが円板領域を含むかを確認できる。ＯＣＴデータは、眼底画像に類似する２次元画像、すなわち投影画像に変換される。投影画像上での円板検出する。（ステップＳ１０４及びＳ１０５）。ステップＳ１０６／Ｓ１０７で円板がＯＣＴ画像において検出されるかを確認する。
【選択図】図１

Description

本発明は、光干渉断層法（ＯＣＴ）を使用する撮影システムにおいて断層画像の検査中の物体の特徴の位置を判定する方法及び装置に関する。特に本発明は、光断層データ取得中、特にＯＣＴスキャン中に眼の特定の層間の境界及び視神経円板（盲点）又は中心窩等のいくつかの眼に特異的な特徴を検出することに関するが、それに限定されない。

光干渉断層法（ＯＣＴ）は、組織構造の画像を提供できる高解像度の断面撮影を実行する技術である。ＯＣＴは、ＯＣＴビームの方向のサンプルの散乱プロファイルを判定する干渉法の方法である。各散乱プロファイルをアキシャルスキャン又はＡスキャンと呼ぶ。構造にわたる一連のＡスキャンにより、組織の前部又は後部のセグメントを通る平面を断面再構成できる。これはＢスキャンとして既知である。

光干渉断層法の結果（構造データ）を使用する層分割及び特徴識別（分割／特徴）アルゴリズムは、最も市販されているＯＣＴデバイス（例えば、ＳＯＣＴ Ｃｏｐｅｒｎｉｃｕｓ、Ｏｐｔｏｐｏｌ；ＲＳ−３０００、Ｎｉｄｅｋ；ＯＣＴ−２０００、Ｔｏｐｃｏｎ；Ｃｉｒｒｕｓ ＨＤ−ＯＣＴ、Ｃａｒｌ Ｚｅｉｓｓ Ｍｅｄｉｔｅｃ）により提供された重要な機能である。

分割／特徴アルゴリズムは、特定の層間の境界及び視神経円板（盲点）又は中心窩等のいくつかの眼に特異的な特徴を検出しようとする。多くの場合、健常眼のモデルを使用して正確な層分割を実行できる。しかし、いくつかの眼病変の撮影はこの手法ではできない。既知の方法には、単一の断層像に対して正確な層分割及び／又は特徴検出（すなわち、ＸＺ又はＹＺの平面において実行された単一のＢスキャンであり、Ｚ軸は撮影サンプルの深さを示す）を実行することが困難であるという更なる欠点がある。そのような問題は、網膜のスキャン済み領域の位置に関する情報の不足によるものである。この場合及び網膜における孔等のいくつかの異常がある場合、偽の非解剖学的領域は視神経円板領域として認識されてもよい。

上述の欠点を克服するために、３ＤのＯＣＴデータから再構成された眼底のような画像（すなわち、ＸＹ平面上の投影画像）の特徴を解析することで追加情報を取得できる。視神経円板の場所に関する追加情報は、分割／特徴アルゴリズムの性能を改善するために非常に有用である。追加情報を使用して視神経円板の場所に関連する単一のＢスキャンの場所を判定でき、この情報に基づいて分割アルゴリズムのパラメータを調整及び／又は変更する。しかし、以下の理由のうちの１つ以上のために、場合によっては３ＤのＯＣＴデータ容量に対する円板検出を実行できない。

i）円板の近傍の断層像の品質は良好な検出を実行するには不十分である
ii）検査領域は視神経円板を含まない、あるいは
iii）検査領域は視神経円板を含むが、３Ｄデータが低解像度である（例えば、少数のＢスキャン及び／又はＡスキャン）ために検出は不可能である
従って、視神経円板等の網膜の何らかの一般的な特徴に関連してＢスキャンの場所を認識する改善された方法が必要である。従って、分割処理の前に視神経円板（又は網膜の他の特徴）の場所を発見する製品又は処理を有することが望ましい。

提示された目的を達成するために、断層画像において着目物体の特徴を識別する方法であって、
−着目物体の特徴の特徴点を追加の画像において判定する工程と、
−検出された特徴点に基づいて追加の画像において特徴に関連する位置データを判定する工程と、
−断層画像において着目物体の特徴を識別する工程であって、追加の画像において判定された位置データは識別を誘導するために使用される、工程とを備える。

一実施形態において、断層画像における特徴及び追加の画像における特徴は、着目物体の同一の特徴である。

追加の画像は断層画像でないことが好ましい。例えば、走査型レーザ検眼鏡、眼底カメラ又は他の網膜撮影デバイスを用いて撮影することにより、追加の画像を取得できる。

一実施形態において、識別を誘導することは、特徴の初期識別を補正することを含む。

識別を誘導することは、追加の画像の位置データを断層画像の位置データに適合することを含むことが好ましい。

識別を誘導することは、断層画像において識別される特徴を探索するための断層画像において着目領域を判定するために適合された位置データを利用することを更に含むという利点がある。

一実施形態において、追加の画像の位置データを断層画像の位置データを適合することは、追加の画像及び断層画像を画像適合アルゴリズムの使用と位置合わせすることで実行される。

別の実施形態において、追加の画像の位置データを断層画像の位置データに適合することは、追加の画像を断層画像と手動で位置合わせすることで実行される。

更に別の実施形態において、追加の画像の位置データを断層画像の位置データに適合することは、追加の画像と断層画像との関係を判定することと、判定された関係を使用して追加の画像を断層画像と位置合わせすることとにより実行される。

別の実施形態において、追加の画像の位置データを断層画像の位置データに適合することは、ハードウェアコンポーネント間の関係を判定することと、判定された関係を使用して追加の画像を断層画像と位置合わせすることとにより実行される。

断層画像は、２次元画像に変換されてもよいという利点がある。

着目物体は眼であり、且つ特徴は、眼における網膜の視神経円板に関連することが好ましい。

一実施形態において、視神経円板に関連した特徴は、網膜の層の厚さの補正の領域を規定するために使用される。

別の実施形態において、視神経円板に関連した特徴は、網膜の集中層の領域を規定するために使用される。

更に別の実施形態において、視神経円板に関連した特徴は、牽引偽陽性検出を除去する領域を規定するために使用される。

本発明に係る装置は、断層画像において着目物体の特徴を識別する方法を実行するように構成されるという利点がある。

本発明に係るコンピュータ可読媒体は、実行時に断層画像において着目物体の特徴を識別する方法をデバイスに実行させる命令を含むことが好ましい。

本発明に係る方法及び装置を用いて取得されたデータは、更なる解析の結果を改善するために使用されてもよい。例えば、円板の位置及び形状、並びに窩の位置は、ＯＣＴに関係なく検出されてもよい。ＯＣＴ視神経円板検出アルゴリズムに対する探索領域は、結果の性能及び品質を改善するために縮小されてもよい。

次に、例として添付の図面を参照する。

図１は、ＳＬＯ円板検出による本発明に係る方法の実施形態を示すフローチャートである。 図２は、ＳＬＯ円板検出による層解析の方法を示すフローチャートである。 図３は、図１のステップ４及びステップ５で利用されたＯＣＴ円板探索領域と眼底画像との関係を示す図である。 図４は、層として偽って検出された牽引を図２のステップ３で除去後に結果として得られる画像を示す図である。 図５は、図２のステップ４で内部円板領域から検出された層を除去した後に結果として得られる画像を示す図である。

第１の実施形態において、網膜の画像は、ＯＣＴデータ取得と同時に第２の撮影装置により撮影される。本実施形態において、第２の撮影装置は網膜の画像を取得する走査型レーザ検眼鏡（ＳＬＯ）を含むが、本発明はこれに限定されないことが理解されるべきである。着目特徴の画像を取得するのに適したあらゆる適切な撮影装置を使用できる。例えば、視神経円板を識別する網膜撮影のために、眼底カメラ又は網膜撮影に適した他のあらゆる同様のデバイスが使用されてもよい。

撮影された網膜の特定の特徴の場所は、撮影された画像に基づいて取得される。

図１を参照すると、本発明の一実施形態のフローチャートが示される。要約すると、第１に、視神経円板の位置が追加の画像上で検出される。これは、例えばエッジ検出フィルタ、円形領域を検出する変換等の一般的な画像処理技術を適用することで達成されてもよい。

これにより、視神経円板の中心の座標等の視神経円板の位置及び視神経円板の境界を示すポリゴンを含むデータの集合を生成する。

第２に、追加の画像上で可視の網膜の特徴の位置がＯＣＴ画像上のこれらの要素の位置と位置合わせされるように、追加の画像はＯＣＴ走査領域に位置合わせされる。ＯＣＴデータの２次元投影を準備し且つこれらの２つの画像の最適な適合を見つけるためにあらゆる適切な数理最適化技術を使用することにより、そのような動作を実行してもよい。そのような最適な適合変換が見つかる場合、追加の画像から検索されたデータは、ＯＣＴデータの空間に変換されることにより、ＯＣＴ検出アルゴリズムにおいて使用可能になる。

図１に示された好適な実施形態によると、ステップＳ１０１において、網膜画像上の円板は、画像を向上し且つノイズ（例えば、ガウスぼかし又はメディアン）を除去するように一連の画像フィルタを適用することで検出される。この後に、画像上の円領域を検出するように設計されたあらゆるアルゴリズム、例えば円板のエッジを検出するハフ変換又は一組の方向フィルタを使用する。その結果、網膜の画像上の視神経円板の境界を示すポリゴンと共に、判定された視神経円板の中心の座標が得られる。

ステップＳ１０２において、ステップＳ１０１で判定された座標は、ＯＣＴ画像空間に適合又は変換される。ステップＳ１０２の適合処理は、以下の方法のうちの１つで実行されてもよい。

・網膜画像とＯＣＴ走査領域との関係が既知であるために、ハードウェアコンポーネントを適切に位置合わせする。ＳＬＯ及びＯＣＴ双方のデータセットを位置合わせするために、ハードウェアコンポーネント間の既知の幾何関係が使用可能である
・網膜画像とＯＣＴデータとの関係（例えば、網膜及びＯＣＴ撮影のうちの１つ又はそれら双方において使用された走査パラメータの集合に依存する機能）を判定することと、特定の計算を実行して双方のデータセットを位置合わせすること
・従来の画像適合アルゴリズムを使用して網膜画像及びＯＣＴ投影画像を位置合わせすること
・画像を手動で位置合わせすること（例えば、網膜画像及びＯＣＴ画像をディスプレイ上に投影することと、表示された一方又は他方の画像のパラメータが位置合わせされるまでそれらをユーザに調整させること）
円板が網膜画像上で検出され、且つ網膜画像がＯＣＴデータと適切に位置合わせされる場合、ステップＳ１０３を実行してＯＣＴが円板領域を含むかを確認できる。ＯＣＴが円板領域を含む場合、ＯＣＴ画像上で円板が検出されてもよい。ＯＣＴが円板領域を含まない場合、特徴検出のための連続した全てのアルゴリズムは、層の検出の間の基準として網膜画像円板検出を使用してもよい。

好適な実施形態によると、ＯＣＴデータは、眼底画像に類似する２次元画像、すなわち投影画像に変換される。投影画像上での円板検出（図１のステップＳ１０４及びＳ１０５）は、網膜画像上で円板を検出するのと同様の方法で実行されてもよい。しかし、網膜画像上での円板検出は、ＯＣＴ円板検出アルゴリズムを改善及び簡略化するためにいくつかの方法で使用されてもよい。例えば、以下の方法である。

・網膜画像円板検出のＡＡＢＢ（軸並行バウンディングボックス）は、探索領域を制限するようにＯＣＴ座標系にマッピングされてもよい。これは、視神経円板３０５が撮影されている網膜画像３０１を示す図３に示される。網膜画像３０１において検出された視神経円板の特徴を制限するバウンディングボックス３０３は、ＯＣＴ画像データの対応する領域３０４にマッピング又は投影される。ＯＣＴ検出アルゴリズムが視神経円板を探索する領域は、投影されたバウンディングボックスの領域３０３により制限される。

・視神経円板がＯＣＴデータのエッジ上にあることを網膜画像検出が示す場合、ＯＣＴ円板検出アルゴリズムは、それに対応してこれを反映するように円板の位置を調整してもよい。

・ＯＣＴ検出アルゴリズムは、ＯＣＴ画像上で検出された円板の形状を網膜画像上で検出された円板の形状と比較してもよい。形状間の相関性又は類似性は、認識が信頼できるかに関する基準を提供する。例えば、相関値を判定するあらゆる数値演算が使用可能である。

ステップＳ１０６／Ｓ１０７で円板がＯＣＴ画像において検出されるかを確認する必要がある。異常、画像アーチファクト又は低品質なＯＣＴ検出のために、ＯＣＴ検出の結果は、後続の層の検出処理において使用するには不適切だろう。そのような場合、改善されたある特定の層の検出を使用する可能性を維持するために、網膜画像検出の結果を使用する必要がある。

従って、ＳＬＯ上で円板を検出した後、例えば、検索されたＳＬＯの位置データは、少なくとも以下の目的のために使用されてもよい。

i）ＯＣＴ検出がうまくいかない（あるいは使用不可である）場合、その代わりに層の検出アルゴリズムにおいて検出されたＳＬＯ円板の位置データを利用するため
ii）層の検出からＳＬＯ画像から検出された円板領域を除外するため（解剖学的に、そこに層は存在しない）
iii）層をスポットに集中するためであり、ＲＰＥ境界は、解剖学的に視神経に到達して中断する
iv）円板領域の近傍の層厚の差異に準拠するため
解剖学的に、視神経円板領域内部に牽引がないため、硝子体／ＲＮＦＬ境界の場所を明らかに判定できる。この情報は、解析結果を改善するように牽引と硝子体／ＲＮＦＬ層（双方が同様の勾配を有する）とを区別するために使用可能である。

次に、図２を参照して、層の検出の識別及び識別を誘導又は補助するために網膜画像での視神経円板の検出を使用するこれらの態様を説明する。

図２のステップＳ２０１において、初期の層の検出が実行される。これは、網膜画像から変換された円板の位置情報を利用してＯＣＴ画像における層の検出結果を誘導する前に必要である。例えば、以下の方法のうちの１つ以上により検出が実行されてもよい。

・勾配フィルタを適用して層間の明度差を示す方法
・エッジ追跡アルゴリズムを使用する方法
アルゴリズムが層の検出を確実に実行できない領域を省略するように、視神経円板検出の結果は、初期検出において使用されてもよい。

場合によっては、初期検出の処理において、間違って検出される層もあり、すなわち例えば、それらの検出された垂直位置は、低すぎるかあるいは高すぎる可能性がある。断層像品質が異なり且つ層の明度が類似するために、下位層（断層像上で見られるような）は、場合によっては上位層として検出される可能性がある。従って、ステップＳ２０２において、ＯＣＴ画像の検出された層は、視神経円板の近傍の解剖学的な層厚に基づいて補正される。

解剖学的に、通常、層は、眼の種々の領域において規定の厚さの範囲を超えない。視神経円板に関する情報は、層が適切な厚さの範囲に適合するかを確認し、且つ必要に応じて何らかの調整を行うことにより、誤って検出された層を補正する方法を提供してもよい。

検出の間、異常は、場合によっては層として検出されてもよい。例えば牽引は、ＲＮＦＬ層と非常に類似したノイズ特性を有する。従って、牽引が間違ってＲＮＦＬ層として検出される可能性があり、その結果、残りの全ての層が誤って検出される。しかし、牽引は、通常、視神経円板の近傍に存在しないため、検出された円板の位置は、ＲＮＦＬ層とこれらの異常とを区別するために使用可能である。この特性は、図２の方法のステップＳ２０３で牽引に対する偽陽性検出を除去するために円板の位置を使用することで利用される。

検出されるＲＮＦＬ層４０３に近接して位置合わせされる牽引４０１を示す図４において、一般的な例を詳細に示す。牽引４０１がＲＮＦＬ層の一部として誤認されうる危険性がある。しかし、視神経円板の検出された位置は、検出された円板領域内部で開始し且つ断層像のエッジにおいて終了する追跡経路４０２を判定するために使用可能である。アルゴリズムは、検出された円板領域から断層像のエッジまでＲＮＦＬ層の追跡を試みてもよく、それにより牽引を回避する。あるいは、アルゴリズムは、値を検出された境界の断片に割り当てて牽引ではなく有効な層の境界を選択してもよい。

人体眼解剖学のために、網膜層は円板領域内部に存在しない。この特性はステップＳ２０４で利用される。アルゴリズムは、偽陽性検出を回避するために層の境界を検出する場合にこの領域を省略してもよい。

これは、層の境界の検出が省略されるべき検出された円板領域を５０２が示す図５において示される。

人体眼解剖学のために、全ての網膜層の境界（硝子体／ＲＮＦＬを除く）は、ＲＰＥ層が視神経頭の周囲で終了する場所に集中する。従って、ステップＳ２０５において、検出された視神経円板の位置に基づく情報は、この既知の特性を反映するように検出された層（ＲＮＦＬ層以外の）を適応するように必要な調整を行うために使用されてもよい。例えば、非ＲＮＦＬ層の層の境界は、両側のＲＰＥの端部に集中するように強制されてもよい。

これは、視神経円板領域５０２にわたり継続するもともと検出された層の境界５０３が示される図５に示される。非ＲＮＦＬ境界が集中するように強制される集中領域５０１があるため、補正された層の境界５０４は、検出された視神経円板領域５０２に基づいて判定されるＲＰＥの端部５０５ａ及び５０５ｂに集中するように強制される。

更なる一実施形態において、ＳＬＯ円板ポリゴンの形状は、ＯＣＴ投影画像の換算比を評価するために使用可能である。ＯＣＴ投影画像は、視神経円板を検出するために使用可能である。検出後、ＯＣＴ画像上の円板が円形状を有する確率が高く、これにより、実質的に検出処理が簡略化される。

上述の実施形態は眼のＯＣＴ撮影を示すが、本発明は、同様の適切に規定された形状及び構造を有する他の物体の撮影にも適用可能であることが理解されるべきである。例えば、手指及び足指又は他のあらゆる物体は、層状の物質又は組織を含む。また、層の検出に加え、画像物体上で可視の他のあらゆる特徴は、本明細書において説明した有利な方法を実行される。

本発明の教示を取り入れる種々の実施形態を説明したが、当業者は、依然としてこれらの教示を取り入れる変更された他の多くの実施形態を容易に考案できる。

本発明を具体化する方法はコンピュータにより実現される方法であってもよいことが理解されるだろう。従って、本発明は、コンピュータ又はプロセッサにより実行された時に上述した方法のうちのいずれかをコンピュータ又はプロセッサに実行させるプログラムにも適用される。

そのようなプログラムは、単独で提供されてもよく、あるいはキャリア媒体に、キャリア媒体により又はキャリア媒体上に保持されてもよい。キャリア媒体は、記憶媒体又は記録媒体、特にコンピュータ可読記憶媒体であってもよい。例には、ハードディスクドライブ、ＤＶＤ又はメモリ素子が含まれる。

更にキャリア媒体は、信号等の伝送媒体であってもよい。従って、本発明を具体化するプログラムは、インターネットを含むネットワークを介して信号の形式で分散、ダウンロード又はアップロードされてもよい。

プログラムは非一時的であってもよい。

Claims (17)

1. 断層画像において着目物体の特徴を識別する方法であって、
   −着目物体の特徴の特徴点を追加の画像において判定する工程と、
   −検出された特徴点に基づいて前記追加の画像において前記特徴に関連する位置データを判定する工程と、
   −前記断層画像において前記着目物体の特徴を識別する工程であって、前記追加の画像において前記判定された位置データは前記識別を誘導するために使用される、工程と、
   を備えることを特徴とする方法。
2. 前記断層画像における前記特徴及び前記追加の画像における前記特徴は、前記着目物体の同一の特徴であることを特徴とする請求項１記載の方法。
3. 前記追加の画像は断層画像でないことを特徴とする請求項１記載の方法。
4. 前記識別を誘導することは、前記特徴の初期識別を補正することを含むことを特徴とする請求項１から３のいずれか１項に記載の方法。
5. 前記識別を誘導することは、前記追加の画像の前記位置データを前記断層画像の位置データに適合させることを含むことを特徴とする請求項１から４のいずれか１項に記載の方法。
6. 前記識別を誘導することは、前記断層画像において識別される前記特徴を探索するための前記断層画像において着目領域を判定するために前記適合された位置データを利用することを更に含むことを特徴とする請求項５記載の方法。
7. 前記追加の画像の前記位置データを前記断層画像の位置データを適合することは、前記追加の画像及び断層画像を画像適合アルゴリズムの使用と位置合わせすることで実行されることを特徴とする請求項５記載の方法。
8. 前記追加の画像の前記位置データを前記断層画像の位置データに適合させることは、前記追加の画像を断層画像と手動で位置合わせすることで実行されることを特徴とする請求項５記載の方法。
9. 前記追加の画像の前記位置データを前記断層画像の位置データに適合させることは、前記追加の画像と断層画像との関係を判定し、判定された関係を使用して前記追加の画像を断層画像と位置合わせすることにより実行されることを特徴とする請求項５記載の方法。
10. 前記追加の画像の前記位置データを前記断層画像の位置データに適合させることは、ハードウェアコンポーネント間の関係を判定し、判定された関係を使用して前記追加の画像を断層画像と位置合わせすることにより実行されることを特徴とする請求項５記載の方法。
11. 断層画像は、２次元画像に変換されることを特徴とする請求項７から１０のいずれか１項に記載の方法。
12. 着目物体は眼であり、前記特徴は、前記眼における網膜の視神経円板に関連することを特徴とする請求項１から１１のいずれか１項に記載の方法。
13. 視神経円板に関連した前記特徴は、網膜の層の厚さの補正の領域を規定するために使用されることを特徴とする請求項４又は１２記載の方法。
14. 視神経円板に関連した前記特徴は、網膜の集中層の領域を規定するために使用されることを特徴とする請求項４、１２又は１３記載の方法。
15. 視神経円板に関連した前記特徴は、牽引偽陽性検出を除去する領域を規定するために使用されることを特徴とする請求項４又は１２記載の方法。
16. 請求項１から１５のいずれか１項に記載の方法を実行することを特徴とする装置。
17. 実行時に請求項１から１５のいずれか１項に記載の方法をデバイスに実行させる命令を含むことを特徴とするコンピュータ可読媒体。

Images