JP2014527434A - 光干渉断層法におけるフィーチャの動き補正及び正規化 - Google Patents

Abstract

光干渉断層法システムを提供する。システムは、ＯＣＴイメージャと、ＯＣＴイメージャに接続され、光源からの光を受光し、サンプルからの反射光をＯＣＴイメージャに供給する２次元横断スキャナと、ＯＣＴイメージャから３Ｄ ＯＣＴデータを受け取り、３Ｄ ＯＣＴデータを処理するコンピュータとを備え、３Ｄ ＯＣＴデータの処理は、ベースラインモードにおいて動きアーチファクトを補正し、ベースラインモードにおいて基準データを生成し、セグメント化を実行して関心ボリュームを特定し、反射率、テクスチャ又はこれらの組合せを含むフィーチャ情報を抽出する。【選択図】図１

Description

本出願は、２０１１年８月９日に出願された米国仮出願番号６１／５２１，７１８及び２０１２年８月８日に出願された米国非仮出願番号１３／５６９，８９２の優先権を主張し、これらは、引用によって全体が本願に援用される。

本発明は、包括的には、光干渉断層法及びその応用の分野に関する。具体的には、本発明は、眼科において３次元（３Ｄ）データ又は２次元（２Ｄ）画像を収集及び処理する方法及びシステムに関する。

光干渉断層法（Optical Coherence Tomography：ＯＣＴ）は、マイクロメートル単位の分解能で３次元（３Ｄ）データセットを捕捉する光信号及び処理技術である。このＯＣＴイメージング方式は、過去１５年間に亘り、関心の対象（object of interest）、例えば、人間の眼の角膜及び網膜等の非侵襲的イメージングのために一般的に使用されてきた。眼科の分野において、ユーザ及び臨床医は、ＯＣＴスキャンの結果として得られる網膜の断面画像によって、様々な種類の眼の病理を評価することができる。しかしながら、時間領域技術（time-domain technology：ＴＤ−ＯＣＴ）に基づくイメージングデバイスのスキャン速度の制約のため、網膜全体の評価及び検査のために取得できる断面画像の数は非常に限られている。

新世代のＯＣＴ技術であるフーリエ領域又はスペクトル領域光干渉断層法（Fourier-Domain or Spectral Domain Optical Coherence Tomography ：ＦＤ／ＳＤ−ＯＣＴ）は、ＴＤ−ＯＣＴから著しく進歩し、例えば、データスキャン速度及び分解能が改善されている。現在では、約１７，０００〜４０，０００Ａ−スキャン毎秒の典型的なスキャン速度を有するＦＤ−ＯＣＴによって、高密度ラスタスキャン又は繰返し断面スキャンによる３Ｄデータセットが実現されている。

ＯＣＴにおける技術的進歩によって、大規模な量のデータを生成することができるようになり、この増加率は、伸び続けている。これらの進歩の結果、多数の走査パターンが設計され、これらを用いて、眼の様々な関心ボリューム（volumes of interest：ＶＯＩ）が捕捉され、診断能力が高められている。

現在のＯＣＴ眼科分野では、３Ｄイメージング及び画像処理技術を最大限に活用して、３Ｄデータを取得及び処理することが主流となっている。３Ｄデータは、例えば、緑内障、加齢黄斑変性症（age-related macular degeneration：ＡＭＤ）、角膜疾患等の疾患及び眼に影響する他の医学的状態を診断するために利用できる。ＯＣＴデータの解析では、角膜及び網膜における様々なセグメント化された層の厚さの測定値に注目することが多かった。しかしながら、眼の組織の拡散特性に影響がある眼疾患において、この厚さの測定値が変化しないこともある。眼の細胞層の他の幾つかの物理的特徴及び特性が、眼の異なる状態の評価及び診断に有用な追加的情報を提供することがある。

通常、ＯＣＴデータ取得の間の患者の眼の無意識の動きによって、アーチファクトが生成され、このアーチファクトは、ＶＯＩの物理的特徴及び特性の正確度及び信頼性に影響を与えることがある。これらの動きによって、取得データの相対的な変位が導入される。例えば、結果として得られる３Ｄデータ内で物理的特徴が不連続に見え、実際の眼の解剖学的特徴から解離し、処理及び評価の信頼性及び正確度が低下することがある。

当分野では、通常、質的な視覚的印象及び／又は量的なコンピュータ支援診断（computer-aided diagnosis：ＣＡＤ）解析に基づいて、眼疾患の診断を行う。したがって、システム又は方式が違っていても、取得された３Ｄデータ及び抽出されたフィーチャが一貫性を維持し、比較が容易であることが確実な１つ以上の処理方法を用いることが重要である。ＯＣＴデータの処理及び評価の正確度及び有効性を向上させるシステムが必要である。

幾つかの実施形態は、光干渉断層法（optical coherence tomography：ＯＣＴ）システムを提供する。幾つかの実施形態に基づく光干渉断層法（ＯＣＴ）システムは、ＯＣＴイメージャと、ＯＣＴイメージャに接続され、光源からの光を受光し、サンプルからの反射光をＯＣＴイメージャに供給する２次元横断スキャナと、ＯＣＴイメージャから３Ｄ ＯＣＴデータを受け取り、３Ｄ ＯＣＴデータを処理する命令を実行するコンピュータとを備え、命令は、ベースラインモードにおいて動きアーチファクトを補正し、ベースラインモードにおいて基準データを生成し、セグメント化を実行して関心ボリュームを特定し、反射率、テクスチャ又はこれらの組合せを含むフィーチャ情報を抽出する。

ある実施形態では、眼科のためのデータ解析の方法は、少なくとも１つの３Ｄ ＯＣＴデータセットを取得するステップと、ベースラインモードにおいて動きアーチファクトを補正するステップと、ベースラインモードにおいて基準データを生成するステップと、セグメント化を実行して関心ボリュームを特定するステップと、反射率、テクスチャ又はこれらの組合せを含むフィーチャ情報を抽出するステップとを有する。

本発明、これに付随する利点、及びこの特徴は、添付の図面を参照する以下の詳細な説明によって更に完全に明らかとなる。

本発明の幾つかの実施形態において使用することができるＯＣＴシステムの具体例を示す図である。 正常な場合におけるＢ−スキャン（ｘ−ｚ）画像の反射率及びテクスチャの相違を示す図である。 病理が存在する場合におけるＢ−スキャン（ｘ−ｚ）画像の反射率及びテクスチャの相違を示す図である。 本発明の幾つかの実施形態に基づくコンピュータ支援診断（ＣＡＤ）方法のステップを示すフローチャートである。 ２Ｄ ＯＣＴイメージのシーケンスを取得するための水平（ｘ）及び垂直（ｙ）座標における例示的なベースライン走査パターンを示す図である。 正常な場合のフィーチャスペクトルの具体例を示す図である。 病理が存在する場合のフィーチャスペクトルの具体例を示す図である。 様々なカットオフカラー及び信頼区間を表示する標準データベースによる進行解析の例示的な概略図である。

光干渉断層法（Optical Coherence Tomography：ＯＣＴ）技術は、３次元（３Ｄ）データセットにおいて情報が豊富なコンテンツを得るために医療分野で一般的に使用されている。例えば、ＯＣＴは、外科的処置の間に、カテーテルプローブのための画像を提供するために使用することができる。歯科分野では、ＯＣＴは、歯科処置を誘導するために使用されている。眼科の分野では、ＯＣＴは、正確で高分解能の３次元データセットを生成することができ、これを用いて、角膜及び網膜における異なる眼疾患を検出及び監視することができる。異なる分野及び異なる臨床用途のために異なるスキャン構成が開発されている。これらのスキャン構成は、ＯＣＴ技術の用途を異なる臨床用途に更に拡大し、ＯＣＴ技術によって得られる３Ｄデータセットの品質を向上させ及び情報を充実させる。

ＯＣＴデータのデータ正確度を高める本発明の幾つかの実施形態を開示する。このようなデータは、眼の組織構造の評価及び眼疾患の診断に利用することができる。具体的には、本発明の解析の幾つかの実施形態は、コンピュータ支援診断（ＣＡＤ）方法において利用することができ、中心窩の病理（例えば、糖尿病性網膜症）、視神経頭の病理（例えば、緑内障）、角膜の病理（例えば、円錐角膜）、及び関心の対象となる眼の他の領域及び病理の診断に適用することができる。

図１は、本発明の幾つかの実施例に基づいてＯＣＴデータセットを処理及び解析するために使用できるＯＣＴシステム１００の具体例を示している。ＯＣＴシステム１００は、光源１０１を含み、光源１０１は、カプラ１０３に光を供給し、カプラ１０３は、サンプリングアームを介してＸＹスキャン１０４に光を方向付け、参照アームを介して光遅延１０５に光を方向付ける。ＸＹスキャン１０４は、眼１０９を横切るように光をスキャンし、眼１０９からの反射光を回収する。眼１０９から反射する光は、ＸＹスキャン１０４によって捕捉され、カプラ１０３において、光遅延１０５から反射した光と結合されて、干渉信号が生成される。干渉信号は、検出器１０２に供給される。ＯＣＴイメージャ１００は、時間領域ＯＣＴイメージャであってもよく、この場合、光遅延１０５をスキャンすることによって深度（又はＡ−スキャン）が得られ、又はフーリエ領域イメージャであってもよく、この場合、検出器１０２は、波長の関数として干渉信号を捕捉する分光光度計である。何れの場合も、ＯＣＴ Ａ−スキャンは、コンピュータ１０８によって捕捉される。コンピュータ１０８は、ＸＹパターンに沿った一連のＡ−スキャンを用いて、３Ｄ ＯＣＴデータセットを生成する。また、本発明の幾つかの実施形態に基づき、コンピュータ１０８を用いて、３Ｄ ＯＣＴデータセットを２Ｄ画像に処理することもできる。コンピュータ１０８は、データを処理できる如何なるデバイスであってもよく、関連するデータストレージ、例えば、メモリ又は固定ストレージ媒体、及びサポート回路と共に幾つのプロセッサ又はマイクロコントローラを含んでいてもよい。

ＯＣＴシステム１００に加えて、本発明に基づく眼の病理のコンピュータ支援診断のための装置は、カメラ１０６を備えていてもよく、カメラ１０６は、眼底カメラであってもよい。カメラ１０６からの光は、カプラ１０７によって、ＯＣＴイメージャ１００のサンプリングアームに供給される。カプラ１０７は、カメラ１０６からの光が入射カプラ１０３に入射することを防ぐと共に、カメラ１０６に由来する眼１０９からの反射光をカメラ１０６に方向付ける。また、ローカルネットワーキング又はインターネットを介して、他のイメージング方式のリソースからのデータ１１０をコンピュータ１０８にインポートすることもできる。画像、３Ｄ ＯＣＴデータ及び他のイメージング方式からインポートされたリソースの組合せを利用することによって、より信頼性が高い眼の病理のＣＡＤを達成できることが予想される。

図３は、本発明の幾つかの実施形態に基づくコンピュータ支援診断（computer-aided diagnosis：ＣＡＤ）方法のステップを示すフローチャートである。図３に示すように、最初のステップでは、ＯＣＴデータ取得３０５を実行する。データ取得３０５において取得されたデータは、モード選択３０７におけるモードの判定に応じて、ベースライン（baseline）モード又はフォローアップ（follow-up）モードで使用される。ベースラインモードでは、ＯＣＴデータの動き補正３１０が実行される。そして、基準生成３１５を実行し、ベースライン基準（baseline reference）を作成する。フォローアップモードでは、実時間追跡ステップ３２０で追跡を実行し、データ位置合わせ（data registration）３２５を実行することができる。次に、ベースラインモード又はフォローアップモードの何れにおいても、ステップ３３０において、関心ボリューム（volumes of interest：ＶＯＩ）のセグメント化を行う。ステップ３３５では、ＶＯＩ内の関心フィーチャ（features of interest）を抽出することができる。そして、ステップ３４０において、フィーチャ正規化を実行する。そして、幾つかの実施形態では、ステップ３４５において、フィーチャ比較及び検出のための標準データベース（normative database：ＮＤＢ）を構築してもよい。更にステップ３４７での判定に基づき、フォローアップスキャンモードでは、ステップ３５０において、進行解析を用いて、異なる時点からのフィーチャを更に解析及び評価できる。以下、図３の実施形態を更に詳細に説明する。

データ取得ステップ３０５
図３に示すＣＡＤ方法３００の最初のステップは、データ取得３０５におけるＯＣＴデータの取得である。幾つかの実施形態では、ＯＣＴデータは、図４に示すように、走査パターン４１０を用いて取得できる。また、臨床用途に応じて、当分野で周知の他の走査パターンを用いて、十分な３Ｄ情報が利用できるようにしてもよい。走査パターンは、眼の関心フィーチャ、例えば、中心窩又は視神経頭を実質的に覆う必要がある。図４に示すｘ−ｚ座標の２Ｄ ＯＣＴイメージ４２０は、走査パターン４１０内の太い水平線４１２で示すように、水平走査（ｘ−スキャン）によって取得される。同様に、図４に示すｚ−ｙ座標の２Ｄ ＯＣＴイメージ４３０は、太い垂直線４１４で示すように、垂直走査（ｙ−スキャン）によって取得される。

幾つかの実施形態では、水平走査又は垂直走査の何れかを単独で適用するのではなく、走査パターン４１０に示されている水平走査及び垂直走査の両方を適用して、３Ｄデータ整列のために十分且つ信頼できる情報を提供する。ｚ−方向に沿った動きアーチファクトは、水平走査及び垂直走査の両方からの情報を用いて、より容易に検出及び補正できる。

ベースラインモードにおける動き補正ステップ３１０
３Ｄボリュームスキャンの間に眼の動きから生じるアーチファクトは、通常、データ品質を劣化させ、後続する量的測定の正確度及び信頼性に直接的な影響を与える。動き補正ステップ３１０では、動き補正を実行して、グラウンドトゥルース（ground truth）又は疑似静止（pseudo-motionless）データセット、３Ｄデータ又は２Ｄ画像を得ることができ、後に実行される測定及びデータ評価に対する動きアーチファクトの影響を回避することができる。

本発明の幾つかの実施形態では、ステップ３１０において、他のイメージング方式からの血管パターンに基づく繰返し処理を用いて、３Ｄ ＯＣＴデータセット内の動きを補正することができる。幾つかの実施形態では、例えば、眼底カメラ１０６による眼底撮影を用いて、網膜の高精度な空間情報を提供することができ、これを利用して、動き補正を実行することができる。眼底写真は、通常、僅かな動きアーチファクトを含む。動き補正３１０で得られた空間情報を用いて１つ以上のオフセットベクトルを算出して３Ｄ ＯＣＴデータを調整することができる。データセットのｘ次元、ｙ次元及びｚ次元を調整できることが好ましい。また、幾つかの実施形態では、より高次の空間的調整を達成できる。幾つかの実施形態では、ステップ３１０において、眼底撮影を用いることに代えて、スキャンされたＯＣＴデータの全体的又は部分的な組織反射率を処理することによって、眼底画像と同様の２Ｄシミュレート走査型レーザ検眼鏡（simulated scanning laser ophthalmoscope：ＳＳＬＯ）画像を生成することができる。また、血管の反射率値及び形態的特性を利用して、ステップ３１０で生成された各オフセットベクトルに対する動き補正の質を評価することもできる。例えば、目印位置（landmark positions）又は反射率コントラストの正確度を評価することによって、量的なスコアを定義することができる。各ＯＣＴ画像について、特定の探索範囲内の全ての可能なオフセットベクトル間で、全てのＯＣＴ画像のシーケンスからの総スコアが最高のスコアになるような最適なオフセットベクトルを発見することによって、最適な整列を達成できる。

幾つかの実施形態では、動き補正３１０は、高速走査軸方向が直交する２つ以上の連続した３Ｄ ＯＣＴボリュームスキャンに基づいて実行することができる。図４に示すように、この手法では、完全な走査パターンが少なくとも２つの３Ｄデータセットを生成し、第１のデータセットは、水平（ｘ）スキャンのみを用いて取得され、第２のデータセットは、垂直（ｙ）スキャンのみを用いて取得される。

他の実施形態では、高性能演算技術、例えば、ハードウェア関連のストリーミングＳＩＭＤ（Single Instruction Multiple Data：単一命令複数データ：）拡張命令（ＳＳＥ）及びグラフィック処理ユニット（Graphic Processing Unit：ＧＰＵ）を用いて動き補正ステップ３１０の速度性能を向上させることができる。

ベースラインモードにおける基準生成ステップ３１５
スキャンされた３Ｄデータを保存するためには、通常、大きなメモリ空間が必要であるため、ベースライン基準として動き補正データのサブセットを抽出することは有益である。ステップ３１５では、ベースライン基準データは、フォローアップ通院の際に取得されたＯＣＴデータセットのためのデータ位置合わせ及び進行解析を補助するベースラインとして使用できるため、重要である。また、ベースライン基準は、視覚化アプリケーション（visualization application）のために使用することもできる。幾つかの実施形態では、動き補正データのサブセットとして血管を抽出し、後のフォローアップ通院のためのベースライン基準として保存することができる。血管の網目状構造は、ストレージ及び処理のために必要なメモリを大幅に低減し、更に、フォローアップ通院の際のデータ位置合わせのための情報が豊かな基準を提供する。

フォローアップモードにおける実時間追跡ステップ３２０
病気の進行又はその治療に対する反応を追跡するために、複数回の通院に亘って、実質的に同じ位置でＯＣＴ測定を実行することが望ましい。データ取得のフォローアップモードでは、ステップ３２０において、ビデオベース又はＳＬＯベースのリアルタイム追跡を用いて、ステップ３２０のデータ取得の間の患者の眼の動きを補償することができ、これによって、通院毎の患者の固定位置におけるあらゆる変化を考慮に入れることができ、動きアーチファクトを更に低減することができる。ステップ３２０では、同じ患者について、複数回の通院に亘って、実質的に同じ位置でＯＣＴスキャンを取得することができ、後続する処理及び解析のためのＯＣＴデータの質を更に向上させることができる。

フォローアップモードにおけるデータ位置合わせステップ３２５
フォローアップデータ取得モードのステップ３２５では、以前に保存したＯＣＴのベースライン基準を用いて、今回の通院又は再来院において取得されたＯＣＴ又は他のイメージング方式からのデータを位置合わせすることができる。一般的な診療では、患者は、通常、構造的情報及び機能的情報の両方を提供する異なる眼科器具によって診察される。例えば、構造的情報を提供するＯＣＴデータをカラー眼底撮影（構造的情報）又は視野検査データ（機能的情報）と位置合わせすることによって、医師にとってより有用な診断情報を提供することができる。データ位置合わせステップ３２５では、目印（例えば、血管及び中心窩位置）を用いることができる。スキャン領域、スキャン分解能及び雑音特性は、器具毎に異なることがあるので、データ位置合わせの前に追加的データ処理を実行してデータ品質を向上させることができる。このようなデータ処理としては、雑音低減、コントラスト強調及び当分野で周知のデータ強調のための他の如何なる手法を用いてもよい。データ位置合わせステップ３２５は、如何なるデータ位置合わせ方法によって達成してもよい。幾つかの実施形態では、データ位置合わせステップ３２５は、スケーリング、回転及び平行移動を含む複数の次元における変量を検出する能力を有する自己相関関数を使用する。

関心ボリューム（Volume of Interest：ＶＯＩ）セグメント化ステップ３３０
網膜の脈絡膜及び角膜のスキャンのための複数層セグメント化アルゴリズムは、ＲＴＶｕｅ ＦＤ−ＯＣＴシステム（オプトビュー社（Optovue）、カリフォルニア州フレモント）において利用可能である。３Ｄ表面は、最大の傾斜から開始され、最小の傾斜で終了するように階層的に検出される。幾つかの実施形態では、先験的な組織学的情報と共に幾つかの線形フィルタ及び非線形フィルタを用いて、全ての表面が平滑化される。網膜に関連するスキャンでは、セグメント化によって、以下の網膜表面、すなわち、内境界膜（inner limiting membrane：ＩＬＭ）、神経線維層（nerve fiber layer：ＮＦＬ）、神経節細胞層（ganglion cell layer：ＧＣＬ）、内網状層（inner plexiform layer：ＩＰＬ）、内顆粒層（inner nuclear layer：ＩＮＬ）、外網状層（outer plexiform layer：ＯＰＬ）、外顆粒層（outer nuclear layer：ＯＮＬ）、外境界膜（outer limiting membrane：ＯＬＭ）、内節層（inner segment layer：ＩＳＬ）、結合線毛（connecting cilia：ＣＬ）、外節層（outer segment layer：ＯＳＬ）、ヴァーヘフ膜（Verhoeff's membrane：ＶＭ）及び網膜色素上皮（ＲＰＥ）を生成することができる。脈絡膜に関連するスキャンでは、セグメント化によって、ブルッフ膜（Bruch's membrane：ＢＭ）、脈絡毛細管板（choriocapillaries：ＣＣ）、ザットラー層（Sattler's layer：ＳＬ）、ハラー層（Haller's layer：ＨＬ）及び脈絡膜−強膜界面（choroid sclera interface：ＣＳＩ）等の表面を生成することができる。角膜に関連するスキャンでは、セグメント化によって、前眼部表面／涙液膜（anterior segment surface/tear film：ＴＦ）、上皮層（epithelium layer：ＥＰＬ）、ボーマン膜（Bowman's membrane：ＢＯＭ）、支質層（stroma layer：ＳＴＬ）、デスメ膜（Descemet's membrane：ＤＭ）及び内皮層（endothelium layer：ＥＮＬ）等を生成することができる。

ステップ３３０では、所望の表面がセグメント化又は識別されると、上述した何れか２つのセグメント化又は特定された関心表面の間の３Ｄ空間によって、関心ボリューム（ＶＯＩ）を画定することができる。例えば、緑内障の早期診断では、ＩＬＭとＲＮＦＬの間又はＩＬＭとＩＰＬとの間の３Ｄ空間をＶＯＩとして画定することが有効である。人工水晶体インプラントでは、ＴＦとＥＮＬの間の空間を用いて、角膜屈折力を算出することができる。加齢黄斑変性（aged-related macular degeneration：ＡＭＤ）の患者については、嚢胞様黄斑浮腫（cystoid macular edema：ＣＭＥ）の場合、ＩＬＭからＲＰＥまで、糖尿病性黄斑浮腫（diabetic macular edema：ＤＭＥ）の場合、ＩＬＭからＯＮＬまで、ドルーゼン剥離及び地図状萎縮（geographic atrophy：ＧＡ）の場合、ＩＳＬからＲＰＥまでの網膜層に特に注目する。

ＶＯＩは、様々な深さ（ｚ）位置で画定することに加えて、様々な空間的な（ｘ，ｙ）位置で画定することができる。例えば、標準ＥＴＤＲＳ（Early Treatment Diabetic Retinopathy Study：糖尿病網膜症の早期治療研究）セクタは、（ｘ，ｙ）平面内の網膜の中心窩ピットを局所的な中心とした各フィーチャを評価するために用いられるＶＯＩであってもよい。所望の臨床用途に応じて、更なる検出又は解析のために、ベースライン診察の基準データから又はフォローアップ診断の位置合わせされたデータから、適切なＶＯＩをセグメント化することができる。

フィーチャ抽出ステップ３３５
ステップ３３０について説明したように層がセグメント化されると、ステップ３３５では、これらの層のそれぞれにおける眼の組織の異なる特性が抽出及び解析される。当分野では、３Ｄデータをセグメント化して膜厚を解析することは知られているが、本発明の幾つかの実施形態は、網膜又はＶＯＩの他の重要な特性又は特徴の解析を提供する。これらの重要且つこれまで気付かれていなかった特性としては、例えば、層反射率及び組織テクスチャがある。図２ａ及び図２ｂは、厚さが変化しない組織層の異なる構造的な特性を示す図である。図２ａは、健康な場合の組織層の細胞構造を示しており、細胞構造２１０は、規則的に離間し、細胞は、良好に組織化されて、同様の形状及びサイズを有している。図２ｂは、細胞レベルの変化の具体例を示しており、ここでは、組織の厚さが変化することなく、異なる組織層２２０の形状、サイズ及び組織が病理のために変化している。これらの変化によって、媒質の不透明性によって生成されるシェーディングに加えて、反射率が低下し、取得データにおける組織構造が異なる領域が生じる。したがって、組織の厚さが変化することなく、病理によって細胞構造及び特性が変化するこれらの状況においては、反射率及びテクスチャを解析することによって空間の変化を定量化することがより適切である場合がある。

３Ｄ反射率及びテクスチャのフィーチャは、ステップ３３０で画定されたＶＯＩから算出される。幾つかの重要なフィーチャは、Ｆ（ｘ，ｙ，ｚ｜ＶＯＩ）として表され、強度レベル分布測定値、ランレングス測定値、共起マトリクス測定値、ウェーブレット解析測定値、パターンスペクトル測定値及び当分野で周知の他の測定値を含む。

幾つかの実施形態では、以下の式によって、上述の３Ｄフィーチャから導出される高度なフィーチャである２Ｄフィーチャマップを生成することができる。

F-Map (x,y) = Σ_{z in VOI} F(x,y,z | VOI)
（フィーチャマップ（ｘ，ｙ）＝ＶＯＩ Ｆ（ｘ，ｙ，ｚ｜ＶＯＩ）におけるΣｚ）
ここで、２Ｄフィーチャマップは、ＶＯＩのｚ軸に沿ったテクスチャ測定値の総和であってもよい。

特定の用途に応じて、上述の３Ｄフィーチャ又は２Ｄフィーチャマップから更に情報を抽出することによって１Ｄフィーチャスペクトルを表すことができる。例えば、ＶＯＩ内で所与の形状Ｂ及び寸法ｒを有する網膜剥離の数は、以下の式で定義することができる。

F-Spectrum (r,B) = # of the shape B with size r in VOI
（フィーチャスペクトル（ｒ，Ｂ）＝ＶＯＩにおけるサイズｒの形状Ｂの数）
この具体例では、形状−サイズスペクトルを用いて、セグメント化されたＶＯＩ内の形状及びサイズを量的に評価している。フィーチャスペクトル内のあるサイズの大きなインパルスは、その所与のサイズにおける形状Ｂの主な（突出又は侵入している）部分的構造の存在を示す。パターンスペクトルの帯域幅ｍ_ｂｗを用いて、形状Ｂのサイズ範囲を特徴付けることができ、ｍ_ｂｗは、以下のように定義することができる。

ｍ_ｂｗ＝ｒ_ｍａｘ−ｒ_ｍｉｎ
ここで、サイズパラメータｒ_ｍａｘ及びｒ_ｍｉｎは、それぞれ、フィーチャスペクトル内の最大サイズ及び最小サイズを表す。

幾つかの実施形態では、更に、フィーチャスペクトルに基づくエントロピに似たフィーチャ複雑性測定値ｍ_ｉｒを用いて、ＶＯＩ内の組織の形状及び不規則性を特徴付けることができる。これは、以下のような数式で表すことができる。

ｍ_ｉｒ＝−Σｐ（ｒ，Ｂ）ｌｏｇ［ｐ（ｒ，Ｂ）］
ｐ（ｒ，Ｂ）＝フィーチャスペクトル（ｒ，Ｂ）／ボリューム（ＶＯＩ）
この具体例では、ｐ（ｒ，Ｂ）は、確率的観点からフィーチャスペクトル（ｒ，Ｂ）を処理する確率関数である。フィーチャスペクトルが平坦であれば、ｍ_ｉｒが最大値になり、これは、関心フィーチャが様々なサイズのＢ（例えば、球）パターンを含むことによって非常に不規則又は複雑であることを示している。フィーチャスペクトルが、例えば、ｒ＝ｋにおけるインパルスのみを含む場合、ｍ_ｉｒは、最小値（０）になり、この場合、ＶＯＩは、単にサイズｋのパターンＢであり、したがって、最も規則的である（又は不規則ではない）とみなすことができる。

図５ａ及び図５ｂは、図２に示すような例示的な組織層構造からのエントロピ測定値のフィーチャスペクトルの具体例を示している。図５ａは、図２ａに示すような健康な場合の組織構造のエントロピ測定値を示しており、図５ｂは、図２ｂに示すような病理がある場合の不規則な細胞構造のエントロピ測定値を示している。

フィーチャ正規化ステップ３４０
一般的な診療において、眼疾患の診断は、主に視覚的印象に基づいて行われている。ある所定の基準に対してフィーチャを正規化した場合、異なる測定間での相対的なフィーチャ（反射率及びテクスチャ）の量的な比較がより有効で信頼できるものとなることがある。本発明の幾つかの実施形態では、ステップ３４０における正規化は、ＯＣＴデータに基づいて実行される。データ反射率は、特定の基準層における最大反射率に基づいて正規化してもよい。例えば、網膜、脈絡膜及び角膜のスキャンのための基準層として、それぞれ、ＲＰＥ、ＣＣ及びＴＦを用いることができる。正規化されたフィーチャは、以下のように表すことができる。

ＮＦ（ｘ，ｙ，ｚ｜ＶＯＩ）＝Ｆ（ｘ，ｙ，ｚ｜ＶＯＩ）×Κ／μ
ここで、Κ及びμは、それぞれターゲット平均反射率値（基準値）及び基準の測定された平均反射率値である。

これに代えて、ヒストグラムベースの解析を用いて、特定の基準層におけるデータ反射率の推定値を提供してもよい。この特徴的反射率推定値を用いて、スキャン間のデータ反射率の変化を補償することができる。

幾つかの実施形態では、フィーチャ正規化ステップ３４０において、他のイメージング方式を利用できる。眼科において異なる疾患状態の診断を補助するために一般的に用いられる様々なイメージング方式がある。ＯＣＴに加えて、頻繁に使用される方式としては、カラー眼底撮影、蛍光眼底血管造影（fluorescein angiography：ＦＡ）、インドシアニングリーン（indocyanine green：ＩＣＧ）血管造影、超音波検査、走査型レーザ検眼（scanning laser ophthalmoscopy：ＳＬＯ）及びその派生（トモグラフィ、偏光測定）等がある。様々なイメージング方式は、関心組織について、反射率及びコントラストが異なるデータを提供する。例えば、以下のように、ＯＣＴデータについて、２Ｄフィーチャマップを正規化する基準として、眼底撮影における中心窩領域と血管との間のフィーチャコントラストを用いることができる。

ＮＦ−Ｍａｐ（ｘ，ｙ）＝Ｆ−Ｍａｐ（ｘ，ｙ）×Ｃ／ｃ
ここで、Ｃ及びｃは、それぞれ、眼底撮影（基準値）及び取得したＯＣＴデータの平均コントラスト値である。

幾つかの実施形態では、正規化は、複数の帯域のＯＣＴ光源に基づいて行われる。多くのＯＣＴシステム１００においては、光源１０１は、通常、８３０ｎｍの波長を中心とする単帯域光源である。これに代えて、同じＶＯＩにおいて、中心波長５００ｎｍの光源１０１を用いることによって、異なる組織反射率が得られる。例えば、５００ｎｍの光源で取得された健康なＯＣＴ ＲＮＦＬデータは、８３０ｎｍの光源を用いた場合に比べて、約２倍の反射率値を示すことがある。ＲＮＦＬの損傷によって反射率が低下することがあり、これは、８３０ｎｍの光源を用いた場合に比べて、５００ｎｍの光源を用いた場合により顕著となる。したがって、ＯＣＴデータから所与の波長で抽出されたフィーチャは、他の波長で抽出されたフィーチャによって正規化することができる。反射率比は、健康なＲＮＦＬの場合、約２．０、損傷したＲＮＦＬの場合、約１．０と推定することができる。

標準データベース（ＮＤＢ）比較及び異常検出ステップ３４５
ステップ３４５では、疾患の検出及び評価のために、ステップ３４０で正規化されたフィーチャを標準データベースと比較することができる。眼のデータの標準データベース（正常な外観を有するデータ）は、Ｎ個の正常な眼のＯＣＴボリュームの集合から導出することができる。幾つかの実施形態では、これらのＮ個のボリュームに亘る各２Ｄフィーチャマップ位置（ｘ，ｙ）における各正規化されたフィーチャの分布は、Ｎ個のフィーチャ値（１ボリュームあたり１つの正規化されたフィーチャ値）の平均μ_Ｎ（ｘ，ｙ）及び標準偏差σ_Ｎ（ｘ，ｙ）として定義される。したがって、正規化されたフィーチャマップＮＦ−Ｍａｐ（ｘ，ｙ）と平均との間の偏差ｄ（ｘ，ｙ｜ＶＯＩ）は、以下のように表すことができる。

ｄ（ｘ，ｙ｜ＶＯＩ）＝（ＮＦ−Ｍａｐ（ｘ，ｙ）−μ_Ｎ（ｘ，ｙ））／σ_Ｎ（ｘ，ｙ）
幾つかの実施形態に基づいて眼球異常を分類する簡単な方法は、設定されたカットオフ点、例えば、以下の４個のカットオフにおける通常の外観から、局所的偏差を算出することを含む。

ａ．９９％カットオフ：ｄ（ｘ，ｙ｜ＶＯＩ）＝２．３２
ｂ．９５％カットオフ：ｄ（ｘ，ｙ｜ＶＯＩ）＝１．６４
ｃ．５％カットオフ：ｄ（ｘ，ｙ｜ＶＯＩ）＝−１．６４
ｄ．１％カットオフ：ｄ（ｘ，ｙ｜ＶＯＩ）＝−２．３２
例えば、フィーチャとしてＲＮＦＬ反射率を用いる緑内障患者のＣＡＤでは、このような例示的なスキームを用いて、組織位置を、正常（５％以上のカットオフ）、疑い有り（１％以上５％未満のカットオフ）、進行した緑内障（１％未満のカットオフ）と分類することができる。

進行／解析ステップ３５０
フォローアップ通院モードでデータを取得する場合、ステップ３５０において、進行解析を実行して、特定の医学的状態の傾向及び進行を監視することができる。ステップ３５０では、正常な場合及び病理がある場合の両方について、抽出された各フィーチャの再現性を評価できる。フィーチャの再現性は、異なる寄与因子のバリエーションを考慮し、共通の因子は、システム、オペレータ及び測定再現性を含む。再現性の共通の測定値は、評価されるフィーチャの標準偏差によって表すことができる。標準偏差が小さい程、測定の再現性が高く、したがって、進行解析の結果の信頼性が高い。本発明の幾つかの実施形態に基づく進行解析の具体例を図６に示す。この具体例では、一般的な臨床設定において、ある期間、通常は、２〜５年の期間に亘って傾向解析が行われている。この具体例では、３年の期間に亘って、６カ月毎の間隔で取得したＯＣＴデータの抽出されたフィーチャをプロットしている。また、この傾向解析は、ステップ３４５について説明したようにフィーチャが調整（例えば、年齢調整）された標準データベースに重ねられている。また、図６の進行解析は、各フィーチャ値において、評価されているフィーチャの標準偏差を示す縦棒を含むことができ、これは、結果の信頼性及び再現性を図式的に示している。

幾つかの実施形態又はその一部は、ハードウェア、ファームウェア又はソフトウェアによって実現してもよいことは明らかである。ソフトウェアで実現される場合、ソフトウェアは、ここに説明した実施形態又はその均等物をプロセッサに実行させる如何なる言語で書かれていてもよい。ソフトウェアは、実行可能な命令の形式であってもよく、汎用プロセッサ又は特定用途プロセッサによってロード及び実行できる揮発性又は不揮発性の如何なるコンピュータ読取可能媒体に保存してもよい。

ここでは、例示的な実施形態を参照して方法及びデバイスを特別に示し、説明したがこれらの形式及び詳細は様々に変更できることは、当業者にとって明らかである。

Claims (20)

1. 眼科のためのデータ解析の方法において、
   少なくとも１つの３Ｄ ＯＣＴデータセットを取得するステップと、
   ベースラインモードにおいて動きアーチファクトを補正するステップと、
   ベースラインモードにおいて基準データを生成するステップと、
   セグメント化を実行して関心ボリュームを特定するステップと、
   反射率、テクスチャ又はこれらの組合せを含むフィーチャ情報を抽出するステップとを有する方法。
2. さらに、前記フィーチャ情報を正規化するステップを有する請求項１記載の方法。
3. さらに、標準データベースを構築し、前記３Ｄ ＯＣＴデータ内の異常を特定するステップを有する請求項２記載の方法。
4. さらに、異なる時点における少なくとも１つのフォローアップ３Ｄ ＯＣＴデータを取得するステップと、
   前記フォローアップ３Ｄ ＯＣＴデータの動きアーチファクトを補正するステップと、
   前記フォローアップ３Ｄ ＯＣＴデータを前記ベースラインモードの３Ｄ ＯＣＴデータに位置合わせするステップと、を有する請求項３記載の方法。
5. さらに、異なる時点で取得された３Ｄ ＯＣＴデータを用いて進行解析を実行するステップを有する請求項１記載の方法。
6. 前記異なる時点で取得された少なくとも１つの３Ｄ ＯＣＴデータは、異なるイメージング方式によって取得される請求項４記載の方法。
7. 前記異なるイメージング方式は、カラー眼底撮影、視野テスト、走査型レーザ検眼鏡、蛍光眼底血管造影、インドシアニングリーン血管造影及び超音波検査からなるグループから選択される請求項６記載の方法。
8. 前記関心ボリュームは、実質的に、網膜領域、脈絡膜領域、角膜領域及びこれらの組合せからのデータを含む請求項１記載の方法。
9. 前記関心ボリュームは、少なくとも１つの空間次元からの情報を含む請求項８記載の方法。
10. さらに、強度レベル分布測定値、ランレングス測定値、共起マトリクス測定値、ウェーブレット解析測定値、パターンスペクトル測定値及びこれらの組合せを含む量的パラメータを算出するステップを有する請求項１記載の方法。
11. 前記フィーチャ情報は、組織形状−サイズスペクトル、組織エントロピ測定値、組織コントラスト又はこれらの組合せを含む請求項１記載の方法。
12. ＯＣＴイメージャと、
    前記ＯＣＴイメージャに接続され、光源からの光を受光し、サンプルからの反射光を前記ＯＣＴイメージャに供給する２次元横断スキャナと、
    前記ＯＣＴイメージャから３Ｄ ＯＣＴデータを受け取り、前記３Ｄ ＯＣＴデータを処理する命令を実行するコンピュータとを備え、
    前記命令は、
    ベースラインモードにおいて動きアーチファクトを補正することと、
    ベースラインモードにおいて基準データを生成することと、
    セグメント化を実行して関心ボリュームを特定することと、
    反射率、テクスチャ又はこれらの組合せを含むフィーチャ情報を抽出することと、を含む、光干渉断層法（optical coherence tomography：ＯＣＴ）システム。
13. 前記命令は、さらに、前記フィーチャ情報を正規化することと、標準データベースを構築することと、前記３Ｄ ＯＣＴデータ内の異常を特定することと、を含む請求項１２記載のシステム。
14. 前記命令は、さらに、
    異なる時点における少なくとも１つのフォローアップ３Ｄ ＯＣＴデータを取得することと、
    前記フォローアップ３Ｄ ＯＣＴデータの動きアーチファクトを補正することと、
    前記フォローアップ３Ｄ ＯＣＴデータを前記ベースラインモードの３Ｄ ＯＣＴデータに位置合わせすることと、を含む請求項１３記載のシステム。
15. 前記命令は、さらに、異なる時点で取得された３Ｄ ＯＣＴデータを用いて進行解析を実行することを含む請求項１２記載のシステム。
16. 前記異なる時点で取得された少なくとも１つの３Ｄ ＯＣＴデータは、異なるイメージング方式によって取得される請求項１４記載のシステム。
17. 前記異なるイメージング方式は、カラー眼底撮影、視野テスト、走査型レーザ検眼鏡、蛍光眼底血管造影、インドシアニングリーン血管造影及び超音波検査からなるグループから選択される請求項１６記載のシステム。
18. 前記関心ボリュームは、実質的に、網膜領域、脈絡膜領域、角膜領域及びこれらの組合せからのデータを含み、及び少なくとも１つの空間次元からの情報を含む請求項１２記載のシステム。
19. 前記命令は、さらに、強度レベル分布測定値、ランレングス測定値、共起マトリクス測定値、ウェーブレット解析測定値、パターンスペクトル測定値及びこれらの組合せを有する量的パラメータを算出することを含む請求項１２記載のシステム。
20. 前記フィーチャ情報は、組織形状−サイズスペクトル、組織エントロピ測定値、組織コントラスト又はこれらの組合せを含む請求項１２記載のシステム。

Images