JP2014531575A - 確率論的ボクセルマップを用いた高速高密度点群イメージング - Google Patents

Abstract

システム、装置、及び方法は、誘起された歪みをセンシングするように構成される少なくとも1つの光ファイバ(126)を有するセンシング可能装置(104)を備える。解釈モジュール(115)は、体積と相互作用する前記少なくとも1つの光ファイバ(126)からの信号を受け取り、かつ、前記体積内で前記前記少なくとも1つの光ファイバ(126)が停留した位置を決定するように構成される。記憶装置(116)は、前記体積内の停留した位置の履歴を記憶するように構成される。

Description

本開示は画像のマッピングに関し、より詳細には、内部空洞等を評価する用途において形状センシング光ファイバを用いることによって体積をマッピングするシステム及び方法に関する。

多くの用途において、大抵は内部空洞の特徴と形状を理解することが必要である。この情報は、イメージングモダリティによるアクセスは容易ではないし、またソフトウエアプログラム若しくは解析手段で用いられるためにデジタル化するのも容易ではない。多くの場合、内部空洞の形状を知ること、又は、内部空洞をデジタル的にマッピングできるようにすることは重要である。

本開示の原理によると、システム、装置、及び方法は、誘起された歪みをセンシングするように構成される少なくとも1つの光ファイバを有するセンシング可能装置を備える。解釈モジュールは、体積と相互作用する前記少なくとも1つの光ファイバからの信号を受け取り、かつ、前記体積内で前記前記少なくとも1つの光ファイバが停留した位置を決定するように構成される。記憶装置は、前記体積内の停留した位置の履歴を記憶するように構成される。

システムはセンシング可能装置を有する。前記センシング可能装置は、該装置内で誘起される歪みをセンシングするように構成された少なくとも1つの光ファイバを有する。指数に基づくボクセル座標ルックアップテーブルは、メモリ内に格納される。指数付けされた格納体−マッピングされる体積内の位置に対応する−は、前記少なくとも1つの光ファイバが停留する位置に対応する位置を停留する数の履歴として尤度を格納する。解釈モジュールは、前記体積と相互作用する前記少なくとも1つの光ファイバからの信号を受け取り、かつ、前記信号を解釈することで、前記体積内部の前記少なくとも1つの光ファイバが停留した位置を決定するように構成される。表示装置は、前記体積内の停留した位置のマップを描画するように構成される。

体積をマッピングする方法は、体積内の位置に対応するメモリ位置を初期化する段階、光ファイバ形状センシング可能装置によって前記体積を探索することによって停留した位置のデータ集合を取得する段階、前記停留した位置に対応するメモリ位置を更新することによって前記光ファイバ形状センシング可能装置の停留した位置を記録する段階、及び、前記停留した位置に基づいて前記体積に関する指標をマッピングする段階、を有する。

本開示の上記及び他の目的、特徴、及び利点は、添付図面とともに読まれるべき本願実施例の詳細な説明から明らかとなる。

本開示は、図面を参照しながら好適実施例について詳細に説明する。

一の実施例による体積をマッピングする形状センシング可能システムを備えるシステム及びワークステーションを示すブロック図/流れ図である。 本開示の原理による直方体をマッピングする実験系を示す画像である。 本開示の原理による図1の実験系における光ファイバ装置が停留した位置の軌跡を示す一の画像である。 本開示の原理による図1の実験系における光ファイバ装置が停留した位置の軌跡を示す他の画像である。 他の実施例による体積をマッピングするセンシングされた歪みデータを収集及び使用するシステム/方法を示すブロック図/流れ図である。 他の実施例による分離した部分及び長手部分を有する形状センシング構成を示す図である。

本開示の原理によると、光ファイバセンシングと特定方法を用いて正確な形状の再構成を行うシステム及び方法が供される。正確な形状データは、光ファイバセンシング可能装置（たとえば介入処置のときではカテーテル）によって関心構造を「描く」ことによって得ることができる。

一の実施例では、超高密度の点群である形状データが、光ファイバセンシング及び特定方法を用いることによって取得されて良い。光ファイバ形状センシング及び特定方法のデータ速度が速く、かつ、生体組織構造の形状が複雑な場合には、点に基づくメッシュ処理アルゴリズムは不適切になる場合がある。

指数に基づく参照機構を用いることによって超高密度点群データをボクセルデータ集合にマッピングすることを可能にするシステムが用いられる
前記ボクセルデータは、たとえば標準的な処理方法（たとえばノイズ除去、ホールフィリング、領域拡張、セグメンテーション、メッシング等）を用いて処理され、かつ/又は、体積描画法を用いて視覚化されて良い。ボクセルデータ集合は、確率論的マップを表し植える。前記確率論的マップでは、どのボクセルも、前記形状センシング可能装置（たとえば医療装置）が時間と空間にわたって存在した尤度を示す。当該システムはまた、形状及び得られた構造−たとえば室又は空洞−を素早く視覚化することを可能にする。

光ファイバに基づく形状センシングは、光ファイバの固有後方散乱特性を用いることが好ましい。含まれる原理は、特性レイリー後方散乱パターン又は他の反射特性を用いた前記光ファイバ内での分布歪み測定を利用する。光ファイバ歪みセンシング装置は、空間体積のマッピングを可能にするように医療装置又は他の探索装置内に設けられ又は組み込まれて良い。一の実施例では、空間は参照座標系によって定義される。前記空間は前記センシング装置によって占められる。前記センシング装置は、その存在によって開いた空間及び前記空間内部での前記開いた区間の境界を検知する。この情報は、前記空間の特性、前記空間のサイズ等を計算するのに用いられて良い。

一の実施例では、システムは、分布光ファイバセンシングを実行することで空間又は体積をデジタル的に再構成する。前記歪み測定は、前記センシング装置の長さに沿って位置を分解することで、自由空間が占めることのできる前記センシング装置に沿った特定の位置を決定するのに用いられる。前記センシング装置は、前記空間の境界を検査するように前記空間内部を移動する。時間をかけてデータが収集されることで、3次元データが蓄積されたデータによって明確にされる。

本発明は医療装置関して説明されるが、本発明の教示はかなり広く、かつ、他の装置に適用可能であることに留意して欲しい。一部の実施例では、本願の原理は、複雑な生体系又は機械系（たとえば配管系等）の追跡又は解析に用いられる。たとえば建物の壁内部又はエンジンブロック内部の空洞が本願の原理を用いてマッピングされて良い。特に本願の原理は、生体系の内部追跡処理、身体の全領域−たとえば肺、消化管、排泄器官、血管等−内での処理に適用可能である。図示された構成要素は、ハードウエアとソフトウエアの様々な組み合わせで実装されて良く、かつ、単一の構成要素又は複数の構成要素内で結合可能な複数の機能を供して良い。

図示された様々な構成要素の機能は、専用のハードウエアを使用することによって供されて良いし、又は、適切なソフトウエアと関連するソフトウエアを実行することのできるハードウエアを用いることによって供されて良い。プロセッサによって供されるとき、昨日は単一の専用プロセッサによって、単一の共有されたプロセッサによって、又は、複数の各独立するプロセッサ−そのうちの一部は共有されて良い−によって供されて良い。しかも「プロセッサ」又は「制御装置」という語句を明示的に使用しても、ソフトウエアを実行することのできるハードウエアという意味しかないと解するべきではなく、限定なく、デジタル信号プロセッサ(DSP)ハードウエア、ソフトウエアを記憶する読み取り専用メモリ(ROM)、ランダムアクセスメモリ(RAM)、不揮発性メモリ等を含みうることが含意されうる。

ここで図面を参照すると、図1には、一の実施例による体積をマッピングするシステム100が図示されている。システム100は、光ファイバ形状センシングを用いる介入処置及び外科処置用のすべての用途と併用されて良い。それに加えて本願の原理は、機械系−たとえばエンジンブロック内でのシリンダのマッピング、古器物の空洞、建築物内の空洞の探索等−に適用可能である。歪みの分布光ファイバセンシングは、空洞の形状及び/若しくは特徴の再構成並びに/又は内部表面若しくは外部表面の再構成又はデジタル化を行うのに用いられて良い。形状の領域にわたって光ファイバを用いることによって、形状の特徴のデータ群が、形状をデジタル化するために学習及び使用されて良い。

医療用途では、医療装置102には、形状センシング装置104が備えられて良い。医療装置102上の形状センシング装置104は体積131（たとえば体内の空洞）へ挿入されて良い。形状センシング装置104の図示された光ファイバから受け取られる光の反射特性は、形状センシング装置104の空間を明確にするように解釈される。形状センシング装置104の形状は、空間内での複数の点を相互に明確にすることを可能にするため、座標系138内で設定される。

システム100はワークステーション又はコンソール112を有して良い。ワークステーション又はコンソール112から、処理が、指図を受け、及び/又は管理される。ワークステーション112は、1つ以上のプロセッサ114及びプログラムとアプリケーションを記憶するメモリ116を有することが好ましい。メモリ116は、光学センシング及び解釈モジュール115を格納して良い。光学センシング及び解釈モジュール115は、形状及び/若しくは温度センシング装置又はシステム104からの光フィードバック信号を解釈するように構成される。光センシングモジュール115は、光信号フィードバック（及び他のフィードバック−たとえば電磁(EM)追跡、生きたマルチモダリティ可視化データ、又は、診断環境内で利用可能な他の監視データ−）を用いて、変位、曲がり、並びに、医療装置102及び/又はその周辺領域に係る他の変化を再構成するように構成されて良い。医療装置102は、カテーテル、ガイドワイヤ、プローブ、内視鏡、ロボット、電極、フィルタ装置、バルーン装置、又は他の医療装置等を含んで良い。特に有用な実施例では、センシング装置104は、医療装置102と併用されうる又は独立して使用されうる温度センシング構成を有する。

センシングシステムは、選択された信号を供し、かつ、光応答を受け取る光検出器108を有する。光源106は、検出器108の一部として供されて良いし、又は、光信号をセンシング装置104へ供する別個の装置として供されても良い。センシング装置104は、パターンの組又は複数のパターンを構成するように装置102と結合する1つ以上の光ファイバ126を有する。光ファイバ126は、ケーブル127を介してワークステーション112に接続する。ケーブル127は、必要に応じて、光ファイバ、電気的接続、他の装置を含んで良い。

光ファイバを備えるセンシング装置104は、光ファイバブラッグ回折格子センサに基づいて良い。光ファイバブラッグ回折格子(FBG)は、特定の波長の光を反射させて他すべてを透過させる短い光ファイバの一部である。これは、ファイバコア内に周期的な屈折率の変化を加えることによって実現される。これは波長に固有な誘電ミラーを生成する。従ってファイバブラッグ回折格子は、ある波長を阻止するインラインの光ファイバとして又は波長に固有な反射体として用いられて良い。

ファイバブラッグ回折格子の動作の背後にある基本原理は、屈折率が変化する各界面でのフレネル反射である。一部の波長では、様々な周期の反射光は、反射について建設的干渉が起こるような位相をとる。従って透過については破壊的干渉となる。ブラッグ波長は、歪みにも温度にも敏感である。このことは、ブラッグ回折格子が光ファイバセンサ内のセンシング素子として用いられうることを意味する。FBGセンサでは、（たとえば温度又は歪みの）測定によって、ブラッグ波長のシフトが生じる。

この方法の一の利点は、様々なセンサ素子がファイバの長さにわたって分布可能となることである。構造体内に埋め込まれたファイバの長さに沿って様々なセンサを備える3つ以上のコアを組み込むことによって、その構造体の3次元形状を厳密に−典型的には1mm以上の精度で−決定することが可能となる。ファイバの長さに沿った様々な位置に、多数のFBGセンサ（たとえば3つ以上のファイバセンシングコア）が設けられて良い。各FBGの歪み測定から、その位置での構造体の温度と曲率が推定されうる。多数の測定位置から、全体的な3次元形状が決定され、かつ、温度差が決定されうる。

光ファイバブラッグ回折格子の代わりとして、従来の光ファイバにおける固有後方散乱が利用されても良い。係る方法の一は、標準的な単一モード通信ファイバにおけるレイリー散乱を利用することである。レイリー散乱は、ファイバコア内での屈折率の無作為な揺らぎの結果生じる。これらの無作為な揺らぎは、回折格子の長さに沿って振幅と位相が無作為に変化するブラッグ回折格子としてモデル化されうる。マルチコアファイバの単一長さの内部で延びる3つ以上のコアにおいてこの効果を用いることによって、関心構造の3D形状、温度、及び動的特性を追跡することができる。他の反射/散乱現象が用いられても良い。

可視化システム110は、処置中での対象物131のその場での可視化のために用いられて良い。可視化システム110は、蛍光分光システム、コンピュータ断層撮像(CT)システム、超音波システム等を含んで良い。可視化システム110は、装置102に組み込まれて良いし（たとえば冠動脈血管内超音波(IVUS)等）、又は、対象物131の外部で用いられても良い。可視化システム110はまた、対象物内の関心領域をマッピングすることで、形状/温度センシング空間で記録用の画像体積を生成するため、処置前の画像（たとえば画像体積130）を収集及び処理するのに用いられても良い。可視化装置110からのでーたは有用だが、本願の原理によるマッピングを実行するのに必要ではないことに留意して欲しい。可視化装置110は、空洞又は他の関心領域が体内のどこに存在するのかの参照位置を供しうるが、必要なすべての情報を供することはできないし、空間をデジタル的に描画することもできないし、空間のすべての内部特徴を分解することもできない。

一の実施例では、ワークステーション112は画像生成モジュール148を有する。画像生成モジュール148は、形状センシング装置104からのフィードバックを受け取り、かつ、センシング装置104が体積131内部のどこにあるのかに関する蓄積されたデータを記録するように構成される。空間又は体積131内部の形状センシング装置104の履歴の画像134は表示装置118上に表示されて良い。ワークステーション112は、対象物（患者）131の内部画像を閲覧する表示装置118を有し、かつ、センシング装置104の停留した位置の履歴のオーバーレイ又は他の描画に関する画像134を有して良い。表示装置118はまた、ユーザーが、ワークステーション112とその構成要素及び機能、又は、システム100内部の他の任意の構成要素との相互作用することを可能にする。このことはインターフェース120によってさらに容易になる。インターフェース120には、キーボード、マウス、ジョイスティック、力覚装置、又は、ワークステーション112からのユーザーフィードバック及び相互作用を可能にする他の任意の周辺機器若しくは制御装置が含まれて良い。

他の実施例では、システム100は、他の任意の可視化若しくは追跡法を用いることなく、又は、如何なる外部外部技術若しくはユーザー観察/介入に依拠することなく、身体131内部での形状センシング装置104の履歴を計算する方法又はプログラムを有する。システム100は、形状センシング装置104の点を動的かつリアルタイムで計算することで、空間131内のセンシング装置104に沿ったすべての座標点を知る。座標系138は、参照位置を定義し、その後その位置からの距離を決定することによって設定される。これは多数の方法−たとえば参考位置として形状センシング装置の最初の位置を設定し、画像体積130を用いて、画像体積130に形状センシング空間を記録する等を含むが、これらに限定されるわけではない−で実行されて良い。

体積131内部での形状センシング装置104の履歴は、指数に基づくボクセル座標ルックアップテーブル142内に格納されて良い。指数に基づくボクセル座標ルックアップテーブル142は、形状センシング装置104の停留の情報又は頻度を格納する。ルックアップテーブル142は、体積131内の位置に係るメモリ位置すなわち格納体を有する。形状センシング可能な装置104がある位置に挿入されるたびに、ルックアップテーブル142はその位置に対応する格納体で増加する。格納されたデータは多くの方法によって解釈又は使用されて良い。たとえば解釈モジュール115は、機械学習法146又は形状センシング装置104の格納された情報若しくは履歴に基づく体積を特定する他のプログラム又は方法を含んで良い。解釈モジュール115を用いて（たとえば運動、心臓の鼓動、呼吸等に起因する）体積の変化又は長時間にわたって得られた指標（たとえば成長率、膨張等）を計算するため、履歴は長時間にわたって解析されて良い。解釈モジュール115はまた、データを用いて体積のデジタルモデル132を計算しても良い。このモデル132は他の解析又は調査に用いられても良い。

形状センシング装置104は空間131の形状の正確な再構成を行うことができる。たとえば1.5mのつなぎ/ファイバの4次元（3D+時間）形状が、たとえばファイバに沿って〜50μm毎の間隔で50ms毎に30000のデータ点を供する約20Hzのフレーム速度で再構成されうる。この取得及び再構成プロセスの結果、約10Mbyte/s又は大雑把には80Mbit/sのデータ速度が、ネットワーク又は他の接続での転送、処理、及び視覚化に必要となる。正確な形状データは、関心組織（たとえば空間131の壁）の「描画」又はマッピングを可能にする。データ速度及びメモリは例であり、システムに依存する。

図2A〜図2Cを参照すると、光ファイバ形状センシング及び特定法を用いて取得された高密度点群データの確率論的ボクセルマップによる体積描画の例が示されている。図2Aでは、直方体202が形状センシング可能なカテーテル204を用いて検査された。直方体202は閉じた体積を表す。センシング装置204の位置についてデータが収集された。データは図2B及び図2Cに表示される。図2B及び図2Cで視覚化されるデータについては、形状センシング装置204が、破線206で外形が描かれた直方体202内部でうまく操作された。図2B及び図2Cでは、直方体202の形状は十分に表されている。データは、センシング装置204が長い時間とどまる位置−たとえば直方体202へ入り込むことのできる物理的な穴−を高強度の軌跡（明るい線）で示す。センシング装置204が空間を短時間占める領域は低強度の軌跡（暗い線）である。図2B及び図2Cのデータは漂遊線210を示す。漂遊線210は、形状センシング装置204の再構成の限界における不具合に起因するものであり、除去可能である。

超高密度点群212である形状データ212は形状センシング方法を用いることによって容易に取得されうる。一の実施例では、点に基づくメッシュ処理アルゴリズム（たとえば凸包）が用いられて良い。ただし光ファイバセンシングのデータ速度が高い場合及び生体組織構造−たとえば分岐構造を有する心室（心房）−の形状が複雑な場合には、（たとえば左肺及び肺静脈は）凸包アルゴリズムでは明確にならないので、他のモデル化システムがより適切になると思われる。これらのモデル化システムは、データ点群を利用してさらなる解析又は可視化のために体積をモデル化して良い。

一の実施例では、超高密度データ点群212は、指数に基づくルックアップ機構を用いることによってボクセルデータ集合にマッピングされて良い。ボクセルデータ集合は、画像処理方法（たとえばノイズ除去、ホールフィリング、領域拡張、セグメンテーション、メッシング等）を用いて処理され、かつ/又は、体積描画方法を用いることによって視覚化されて良い。ボクセルデータ集合は、確率論的マップを表す。前記確率論的マップでは、どのボクセルも、医療装置（たとえば形状センシング可能装置）が時間と空間にわたって存在した尤度を示す。システムはまた、形状及び得られた構造−たとえば室−を素早く視覚化することを可能にする。

図3を参照すると、光ファイバ形状センシングデータを用いて確率論的マップを生成するシステム/方法が示されている。ブロック302では、形状センシング可能な装置−たとえばカテーテル−が与えられると、ユーザーは、視野(FOV)の位置と寸法を定義する必要がある。1.5mのファイバの場合、FOVは最大でたとえば3×3×3m³であって良い。1mのファイバ長で約1mmという非常に優れた形状センシングシステムの精度が与えられると、体積格納体の即競る寸法をたとえば2mmに設定できる。この結果、1500³のボクセルからなる体積サイズは、（4byteデータ型を用いると）約13Gbyteメモリを必要とする。しかし実際には、関心生体組織は最も蓋然的にははるかに小さな体積で、たとえば約300mm³である。そのためメモリに要求されるのは約13MByteである。一旦システムメモリが割り当てられると、ブロック304では、メモリが各格納体の位置でゼロに初期化される。ボクセル体積は、停留した空間の確率論的マップ又は多次元ヒストグラムを表す。

ブロック306では、形状センシング装置がマッピングされる体積に導入される。形状センシング装置は、無作為に体積内で明確にされる。ただしパターン状に明確されても良い。目標は、可能な限り短い合計時間で形状センシング装置によって体積を網羅することである。一部の実施例では、体積の境界は、体積又はその内部に含まれる対象物/特徴を明確にすることを容易にするため、より高い周波数で掃引されなければならない。

ブロック307では、自動化方法又はユーザー相互作用による方法が、ボクセル化プロセスに用いられる関心ファイバ部分又はその一部の選択に用いられて良い。これは、データ収集のための領域を選択する段階、又は、複数のセンシング部分を用いる段階及びデータ収集用に部分の組を選択する段階を有して良い。ファイバセンシング装置は、体積をより効率的に掃引するように設けられた複数の同軸部分又は長手部分を有して良い。これはたとえば、作用体積全体内部の関心領域内に属するファイバの全部又は一部についてのみボクセルが測定されることを保証するのに用いられて良い。領域は、体積描画内部からユーザーが選択して良いし、又は、体積描画内部から自動的に特定されても良い。領域はまた、処置前の可視化データ若しくは「現在」処置中の画像を他の方法で可視化することによって、又は、介入中の光ファイバ形状センシング構成の専門家向けシステムガイダンスを可能にする同様の研究のライブラリから定義されても良い。

ブロック308では、形状センシングシステムからの形状センシングデータフレームは、たとえば次式のような指数に基づくボクセル座標ルックアップを用いることによって体積にマッピングされて良い。

index_i=x_voxel,i+y_voxel,i*sx+z_voxel,i*sx*sy
ここでx_voxel,iはファイバ指数の位置i(x_fiber,i)に沿って光ファイバ形状センシング装置によって検査されるボクセルx座標の指数に対応する。x₀は、形状センシング装置の座標原点が与えられたときのボクセル体積のx軸でのオフセットである。dxはx軸に沿ったボクセルの分解能である（単位nm）。index_iは、ファイバの指数位置iでの線形データアレイが与えられたときのボクセルデータ集合内の指数ルックアップ位置である。上記説明はy,z方向についても同様である。sxはx方向に沿ったボクセルグリッドサイズである（y方向であればsy）。指数が負又はアレイサイズよりも大きい場合、形状センシング測定はFOVから外れる。他の指数付け方法が用いられても良い。

ブロック310では、一旦ボクセル体積内での指数位置が計算されると、形状センシング装置が対応する指数付けされた位置にあると判断されたときにボクセル値が1つ増加する（他の所望の値/他の操作による調節に設定されても良い）。それにより確率論的マップが生成される。このことは、形状センシング装置が、どの程度の時間及び空間内のどこに物理的に存在したのかを示す。処理は長時間繰り返されることで、形状センシング装置の新たな位置でブロック306に戻って良い。ボクセルへのアクセスは、取得フレーム速度−たとえば20Hz−でファイバに沿った各測定点について繰り返されなければならない（たとえばファイバ素子を約1mmにダウンサンプリングすることで速度は劇的に増大しうる）。

ブロック312では、結果として得られたボクセルマップが、たとえば数例挙げると体積描画、任意断面再構成(MPR)、最大値投影法(MIP)、又はサーフェスレンダリング（たとえば等表面視覚化）方法を用いて視覚化されて良い。ボクセル化された形状センシングデータは、装置が存在した尤度が最も高い領域のみをレンダリングすることを可能にする。これはたとえば心房/心室であって良い。心房/心室の形状は、最も支配的な心肺段階及び呼吸段階の体積描画においても高強度である。

ブロック314では、ボクセルに基づく画像処理がデータ集合上で実行されて良い。これは、カラーマップ、不透明度/半透明度、ルックアップテーブル等の修正を含んで良い。ボクセルデータは、画像処理方法（たとえばノイズ除去、ホールフィリング、領域拡張、セグメンテーション、メッシング等）を用いて処理され、かつ/又は、体積描画法を用いて視覚化されて良い。他の実施例では、他の情報の符号化−たとえば対応する光ファイバセンシングノード位置で測定された電位が考慮されて良い。係るデータは、たとえばRGBa又は体積描画用のデータ型を用いることによってボクセルデータにおいて符号化されて良い。ブロック316では、ボクセルに基づくデータ集合は、メッシュ又は他の計算モデルを計算するのに用いられて良い。これは、有限要素法解析又は他の解析法を実行するのに用いられて良い。

ブロック318では、ボクセル化された形状センシングデータは、体積運動（たとえば心室/心房の運動）の特定及び補償に用いられて良い。その際ボクセル化された形状センシングデータは、他のセンサデータと組み合わせら得れても良いし、組み合わせられなくても良い。長時間にわたって形状センシングデータを用いることによって、体積の形状/運動を推定することができる。他の実施例は、拡張された期間調査しながらの機能の可視化を含む。（たとえば運動のほとんどない高強度の領域は、形状センシング装置が存在する尤度が高い。速く運動する低強度の領域は、形状センシング装置が存在する（した）尤度が低い）。このようにして、機械的な同期不全は、たとえば左心室の各異なる領域に沿って複数の点群ボクセル画像の強度同士を比較することによって推定されうる。心筋出力は、運動する心筋の領域に対応する低強度領域と、空洞の本体に対応する高強度領域とを比較することによって推定されうる。他の用途も考えられる。

ブロック320では、ボクセル化された点群画像は、機械学習アルゴリズム又は他のデータ処理アルゴリズムと結合されることで、関心対象である目的の生体組織が自動的に特定され、目標領域の輪郭が描画され、可視化システム又は介入システムを調節して診断若しくは治療の効率を最適化される。

図4を参照すると、他の実施例による光ファイバによる形状センシング装置が可能な装置400が図示されている。装置400は分離した部分を有して良い。前記分離した部分の各々は1つ以上の光ファイバを保持する。装置400は長手部分404を有して良い。長手部分404の所定の部分は、上述のように体積のマッピングに用いられる。形状センシング可能な装置は如何なる部分も必要としないが、この実施例の装置400は分離した部分402及び/又は長手部分404を有して良い。部分402又は404は、解釈モジュール115（図1）を用いた形状センシング用に稼働して良い。部分402又は404が稼働することにより、解釈モジュール115は、その部分の特徴の先進食いを行い、かつ、その（複数の）部分からのフィードバックを解釈するように敏感になる。

部分の様々な構成を有することで、マッピングされる体積からのデータ収集を迅速にすることができる。たとえば指状部分又は分離した部分402は、体積内の密な空間内に適合するように構成されて良い。形状センシング装置は、精度及び/又はデータ収集を改善するように設計された特別な構成を有して良い。

Claims (23)

1. 誘起された歪みをセンシングするように構成される少なくとも1つの光ファイバを有するセンシング可能装置；
   体積と相互作用する前記少なくとも1つの光ファイバからの信号を受け取り、かつ、前記体積内で前記前記少なくとも1つの光ファイバが停留した位置を決定するように構成される解釈モジュール；
   前記体積内の停留した位置の履歴を格納するように構成される記憶装置；
   を有するシステム。
2. 前記記憶装置が、前記体積内の位置に対応する格納体を格納し、かつ、
   前記履歴が、前記対応する位置への停留回数を含む、
   請求項1に記載のシステム。
3. 前記センシング可能装置が医療装置内に含まれ、かつ、
   前記体積は体内の内部空洞を含む、
   請求項1に記載のシステム。
4. 前記解釈モジュールが、格納された情報に基づいて前記体積を特定するのに用いられる機械学習方法を有する、請求項1に記載のシステム。
5. 前記センシング可能装置が選択的に稼働する部分を有し、
   前記部分の一部が前記体積をマッピングするように稼働する、
   請求項1に記載のシステム。
6. 前記履歴が前記体積の変形情報を含み、かつ、
   前記解釈モジュールは、長時間にわたる前記体積の変形又は得られた指標を計算するように構成される。
   請求項1に記載のシステム。
7. 前記解釈モジュールが、前記体積のデジタルモデルを計算するように構成される、請求項1に記載のシステム。
8. 前記履歴が指数に基づくボクセル座標ルックアップテーブルを有する、請求項1に記載のシステム。
9. 内部で誘起される歪みをセンシングするように構成された少なくとも1つの光ファイバを有するセンシング可能装置；
   メモリ内に格納される指数に基づくボクセル座標ルックアップテーブルであって、マッピングされる体積内の位置に対応する指数付けされた格納体は、前記少なくとも1つの光ファイバが停留する位置に対応する位置を停留する数の履歴として尤度を格納する、ルックアップテーブル；
   前記体積と相互作用する前記少なくとも1つの光ファイバからの信号を受け取り、かつ、前記信号を解釈することで、前記体積内部の前記少なくとも1つの光ファイバが停留した位置を決定するように構成される解釈モジュール；
   前記体積内の停留した位置のマップを描画するように構成される表示装置；
   を有するシステム。
10. 前記センシング可能装置が医療装置内に含まれ、かつ、
    前記体積は体内の内部空洞を含む、
    請求項9に記載のシステム。
11. 前記解釈モジュールが、格納された情報又は得られた定量的指標に基づいて前記体積を特定するのに用いられる機械学習方法を有する、請求項9に記載のシステム。
12. 前記センシング可能装置が選択的に稼働する部分を有し、
    前記部分の一部が前記体積をマッピングするように稼働する、
    請求項9に記載のシステム。
13. 前記履歴が前記体積の変形情報を含み、かつ、
    前記解釈モジュールは、長時間にわたる前記体積の変形又は得られた指標を計算するように構成される。
    請求項9に記載のシステム。
14. 前記解釈モジュールが、前記体積のデジタルモデルを計算するように構成される、請求項9に記載のシステム。
15. 前記表示装置が、前記尤度のマップから計算により得られた定量的指標のマップを描画するように構成される、請求項9に記載のシステム。
16. 体積内の位置に対応するメモリ位置を初期化する段階；
    光ファイバ形状センシング可能装置によって前記体積を探索することによって停留した位置のデータ集合を取得する段階；
    前記停留した位置に対応するメモリ位置を更新することによって前記光ファイバ形状センシング可能装置の停留した位置を記録する段階；及び、
    前記停留した位置に基づいて前記体積に関する指標をマッピングする段階；
    を有する方法。
17. 前記停留した位置を記録する段階が、前記体積内の位置に対応する指数付けされた格納体に停留位置を格納する段階を含む、請求項16に記載の方法。
18. 前記センシング可能装置が医療装置内に含まれ、かつ、
    前記体積は体内の内部空洞を含む、
    請求項16に記載の方法。
19. 機械学習方法を用いることによって前記の停留した位置に基づいて前記体積を特定する段階をさらに有する、請求項16に記載の方法。
20. 前記センシング可能装置の部分を選択的に稼働することで前記体積をマッピングする段階をさらに有する、請求項16に記載の方法。
21. 前記停留した位置に対応するメモリ位置を更新する段階が、長時間にわたる前記体積の運動を計算するための前記体積の変形情報を格納する段階を含む、請求項16に記載の方法。
22. 前記体積をマッピングする段階が、前記体積のデジタルモデルを計算する段階を含む、請求項16に記載の方法。
23. 前記停留した位置に基づいて前記体積に関する指標をマッピングする段階が、研鑽された領域の統計又は他の指標をマッピングする段階を含む、請求項16に記載の方法。

Images