JP2015520437A - ランダムなパターンを分析するシステムおよび方法 - Google Patents

Abstract

一見ランダムな経路、パターン、網状構造、または一連の事象を分析し、コンストラクタル分析により当該一見ランダムな経路、パターン、網状構造、または一連の事象を特徴づけるシステムおよび方法が開示される。得られた統計的値は、当該一見ランダムな経路、パターン、網状構造、または一連の事象と、別の一見ランダムな経路、パターン、網状構造、または一連の事象との比較に利用可能である。比較により、当該一見ランダムな経路、パターン、網状構造、または一連の事象についての情報、並びに当該一見ランダムな経路、パターン、網状構造、または一連の事象の近接部または周辺についての情報が得られる。

Description

関連出願の相互参照

本出願は、参照により全文が本明細書に援用される、２０１２年４月１１日出願の米国仮特許出願第６１／６２２６３６号の優先権を主張する。

本開示は、対象物の分析のためのシステムおよび方法に関するのもであり、対象物は流れ場を有し、一見ランダムに発達する特徴を示す物を分析するシステムおよび方法に関する。本開示は流れ場を含む構造における一見ランダムなパターンおよび経路を測定するシステムおよび方法に関する。本開示は特に、生体系内の、流れ場を有する一見ランダムなパターンおよび経路を撮像し、分析するシステムおよび方法に関する。

見掛け上または一見ランダムなパターンおよび経路は、多くの場合、自然発生したシステムおよび物体の一部であり、通常、流れ場を含んでいる。自然発生するランダムな経路の例としては、大地に流れる川が挙げられる。川はいくつかの蛇行部や支流を持つが、蛇行部、支流が川のどこで発生するかを予測することは困難であることが多い。さらに、自然発生するランダムな経路の例として眼球、心臓、肺、脳をはじめとする生物の一部分における血管の経路が挙げられる。血管は数多くの血管枝を持ち、分岐点の発生個所や血管枝の数、さらに特定の生物における特定の一部分（例えば心臓、眼球など）の支流の方位平均の予測は困難である。また、木も自然発生する構造の例である。枝はランダムな経路となり、枝同士の接続点は一見ランダムな事象である。上記の例、即ち川、血管、木は、全て流れ場を含むものである。

このような一見ランダムな物体の構造を特定、測定できれば、今後現れる形態も予測可能となる。さらに、ある物体群（第１状況下で発達、展開）と、同等の異なる物体群（第２状況下で発達、展開）とが比較可能となる。したがって、このような構造を測定し、当該構造の特徴を特定する方法の開発が望まれている。この方法により、今後現れる物体の性状の予測を目的とする特徴同士の比較が可能となる。

コンストラクタル分析を行うシステムであって、プロセッサと、メモリと、を有し、流れ場を有する一見ランダムな経路、パターン、または網状構造を有する被検体の画像を取得する工程と、前記画像に対し、少なくとも一の画像処理アルゴリズムを実行する工程と、前記画像内において、少なくとも一の一見ランダムな経路、パターン、網状構造、または一連の事象を特定する工程と、前記少なくとも一の一見ランダムな経路、パターン、網状構造、または事象に関連した中心と、少なくとも一の端点を特定する工程と、前記画像内における前記少なくとも一の一見ランダムな経路、パターン、網状構造、または事象に関連する経路長を計算する工程と、前記画像内において、コンストラクタル分析により、前記少なくとも一の一見ランダムな経路、パターン、網状構造、または一連の事象に関連した少なくとも一の統計的値を計算する工程と、前記少なくとも一の統計的値と、前記被検体または別の被検体における少なくとも一の別の一見ランダムな経路、パターン、網状構造、または一連の事象にそれぞれ対応する複数の別の統計的値とを関連付ける工程と、を含む方法を実行するシステムが開示される。

一見ランダムな経路、パターン、網状構造または一連の事象に対しコンストラクタル分析を行う方法であって、流れ場を有する一見ランダムな経路、パターン、網状構造または一連の事象の少なくとも一の画像を取得する工程と、前記少なくとも一の画像に対し、少なくとも一の画像処理アルゴリズムを実行する工程と、少なくとも一のコンピュータ装置において、前記一見ランダムな経路、パターン、網状構造、一連の事象から、少なくとも一の一見ランダムな経路、パターン、網状構造、または事象を特定する工程と、それぞれ前記一見ランダムな経路、パターン、網状構造、または一連の事象の中心を原点とする、少なくとも一の一見ランダムな経路、パターン、網状構造、または事象に関連した中心および少なくとも一の端点を特定する工程と、前記少なくとも一のコンピュータ装置において、前記少なくとも一の一見ランダムな経路、パターン、網状構造、または事象のそれぞれに関連する屈曲度を計算する工程と、前記少なくとも一のコンピュータ装置において、前記一見ランダムな経路、パターン、網状構造、または一連の事象に関連した少なくとも一の統計的値を計算する工程と、少なくとも一の統計的値と、別の被検体における少なくとも一の別の一見ランダムな経路、パターン、網状構造、または一連の事象にそれぞれ対応する複数の別の統計的値とを関連付ける工程と、を含む方法がさらに開示される。

被検体生体系に対しコンストラクタル分析を行う方法であって、前記被検体生体系の、少なくとも一の画像を取得する工程と、少なくとも一のコンピュータ装置において、前記少なくとも一の画像に対し、少なくとも一の画像処理アルゴリズムを実行する工程と、前記被検体生体系の血管網における少なくとも一の血管を特定する工程と、前記少なくとも一のコンピュータ装置において、前記被検体生体系の血管網における前記少なくとも一の血管に関連した複数の分岐点角を特定する工程と、前記少なくとも一のコンピュータ装置において、前記少なくとも一の分岐点角にそれぞれ関連したオプティカルフロー量を計算する工程と、前記少なくとも一のコンピュータ装置において、前記被検体生体系に関連付けられた複数の最適流れ角に関連付けられた少なくとも一の統計的値を計算する工程と、前記少なくとも一の統計的値と、少なくとも一の別の被検体にそれぞれ対応する複数の別の統計的値とを関連付けるコードと、を含む方法がさらに開示される。

図１は、本開示の各種実施形態に係る被検体網膜の画像を示す。

図２は、本開示の各種実施形態に係る被検体網膜の画像内で確認可能な血管網を示す。

、 図３および図４は本開示の各種実施形態に係る、血管網の一部の二値画像を示す。

図５は本開示の各種実施形態に係る、被検体網膜における血管網の様々な経路の画像を示す。

図６は本開示の各種実施形態に係る、血管網における様々な経路の長さを測る方法の一つを示す。

図７は本開示の各種実施形態に係る、被検体網膜の血管網内の様々な特定済み経路に関する屈曲度計算の一例を示す。

図８は本開示の各種実施形態に係る、コンストラクタル分析の一例を示す。

図９は本開示の各種実施形態に係る、被検体網膜に対するコンストラクタル分析の一例を示す。

、 、 図１０〜１２は本開示の各種実施形態に係る、被検体網膜に対するコンストラクタル分析の別の例を示す。

図１３は健常な血管と糖尿病による影響がでた網膜血管との差を示すグラフである。

流れ場を有し、一見ランダムなパターンまたは網状構造を有する物体の画像の分析に利用可能なシステムが開示される。本システムは一見ランダムなパターン、経路、または網状構造の測定、さらにそれらの特徴付けに利用可能である。当該特徴としては、末端間距離、回転半径、屈曲度や、その構造の流体、原子、亜原子粒子（例えば電子、陽子、光子、ホールなど）を内部で流動させる性能などが挙げられる。一実施形態においては、コンストラクタル分析により、一見ランダムなパターン、経路、または網状構造の特徴付けが可能である。ただし、一見ランダムパターン、経路、または網状構造には流れが伴うものとする。開示のシステムは、さらに一見ランダムなパターン、経路、または網状構造周辺の近接部についての情報の取得にも利用可能である。さらに、一連の事象周辺の事象の研究にも利用可能である。ただし、当該一連の事象が当該周辺事象に作用するものであるものとする。

「見掛け上」、「一見」、「一見すると」という用語を使用するのは、本明細書で説明される経路、パターン、網状構造はランダムに見えるが（即ちランダムに見える蛇行経路を持つが）、実際は「システム効率」、「境界条件」、「エネルギー最小化原理」、「案内力」、「設計制約」、「損失最小化」などの熱力学概念により特徴付け可能であるためである。見かけ上の経路、パターン、網状構造は、自然発生的経路、パターン、網状構造と特徴付けられ、流れ場を有する。流体、原子、亜原子粒子、エネルギーなどを運ぶものであるため、輸送網と呼ぶことも可能である。

実施される分析や、それにより得られたデータは、第１のランダムなパターン、経路、網状構造、または一連の事象と、異なる状況、異なる場所、または同じ／異なる場所で異なる時間に発達した第２のランダムなパターン、経路、網状構造、または一連の事象との比較に利用可能である。比較により、第２のランダムなパターン、経路、網状構造、または一連の事象に対する、第１のランダムなパターン、経路、網状構造、または一連の事象の性質が評価される。実施される分析や、それにより得られたデータ、さらに比較に係るあらゆるデータは、画面に出力、紙面に印刷、ＳＳＤ、ＨＤＤやフロッピー（登録商標）ディスクに記録、保存可能である。

システムは、コンピュータと通信し動作する撮像装置を有する。コンピュータは、画像の一部を分析し、経路、パターン、網状構造、または一連のランダムな事象を特徴付ける各種パラメータを提供するコードまたはソフトウェアを備える。当該コードまたはソフトウェアは、画像処理アルゴリズムを有する。画像処理アルゴリズムは画像における少なくとも一の特徴を測定可能であり、コンストラクタル分析により、分析された画像の特徴についての詳細情報を提供可能である。

さらに、ランダムなパターン、経路、網状構造、または一連の事象を含む物体の画像の分析に利用可能な方法も開示される。当該方法は、ランダムな経路、パターン、網状構造、または一連の事象の画像を取得する工程などを含む。得られた画像はコンピュータ（例えばメモリやプロセッサを有する装置）に送られる。コンピュータにおいて、アルゴリズムが実行され、コンストラクタル分析により画像のパラメータが生成される。パラメータは、複数のランダムな経路、パターン、網状構造、または一連の事象から、少なくとも一のランダムな経路、パターン、網状構造、または一連の事象を特定した上で生成される。その少なくとも一のランダムな経路はその末端間距離、回転半径、ランダムな経路の別部分との分岐角、管幅、管長、管屈曲度、分岐指数、非対称比、面積比、親管分岐管間角度変化、親管分岐管間径比、分岐管間径比、確認可能な血管系における全分岐数および合計容積、管発生関数としての数値、位置的関数としての数値などを含む。

上記パラメータは、一見ランダムな経路、パターン、または網状構造に関連したオプティカルフロー値推定に利用される。上記パラメータは流量、流速、圧力勾配、せん断応力およびせん断歪み速度、エネルギー必要量、流体抵抗／流体コンダクタンスなどの計算に利用可能である。さらに、上記パラメータは一見ランダムな経路、パターン、網状構造、または一連の事象全体に係る複数のパラメータに関連した統計的値の推定にも利用可能である。統計的値は一見ランダムな経路、パターン、網状構造、または一連の事象と、別の一見ランダムな経路、パターン、網状構造、または一連の事象との比較に利用可能である。

性能効率（一見ランダムな経路、パターン、または網状構造の性能効率）をコンストラクタル法則的に「理想的」な設計と対比することで、性能改善、退化を判定できる。経路、パターン、または網状構造の劣化を引き起こし得る要因として疾患、治療、処置、調整などが挙げられる。

ここで説明されるシステムおよび方法は、生物内の血管系の健康状態の評価に利用可能という効果がある。血管は生物の眼球、心臓、脳、肺等に存在する。生物とはヒト、動物、鳥類、または魚類である。コンストラクタル分析により得られた統計的値は血管の健康状態の評価、さらには特定の生物が患う疾患の診断や特定に利用可能である。ここで説明されるシステムおよび方法は、さらに植物の流路系の状態、化学産業における化学物質用配管を始めとする輸送系の状態、様々な種類の鳥類および動物の渡りパターン、地球の地下層への水の浸透などの評価にも利用可能である。システムおよび方法は、システム内で種間分岐が生じるあらゆるものに適用可能である。

ここで説明されるシステムおよび方法を、生物の網膜に存在する複数の血管を基に、以下に詳述する。エネルギーや物質は、生物のシステム内（およびシステム間）で、該システムの健全な機能の観点から、効率的かつ規則的に移動することが望ましい。生物体内の生物物理学的流動系または熱、血液、空気をはじめとする物質などを移動させるシステムは、一生を通じて特徴的な形状となるよう自然発達する。これらシステムの構造は、様々な医用撮像技術により撮像、マッピング可能である。この画像データに対し、効率的かつ自然発達的な流れの根底をなす物理法則（コンストラクタル理論、またはコンストラクタル法則とも言う）を適用することで、被検体の生理的、病理的観点での健康状態を数値化できる。即ち、システムに対してコンストラクタル分析を実施することで、その特徴と、健康、不健康の基準との関連性を評価することができる。

目、脳、心臓、肺、神経、腎臓、乳房をはじめとする、生体物質が流れる生体内の様々なシステムが撮像可能である。当該システム内の物質の流れは、健常者と少なくとも一の症状と診断された患者との少なくとも一方に確認される状態と関連付け可能である。ここでは、網膜画像内に視認可能な血管網内における血流検査を例に挙げるが、本明細書で開示される概念、システム、および方法は、様々な器官、血管網、および／または何らかの形で撮像可能な生物体内のシステムや網状構造に対し利用可能である。さらに概念、システム、および方法は、生物体外に存在、または発生する別の一見ランダムな経路、パターン、網状構造、または一連の事象の特徴付けやそれとの比較にも利用可能である。

本開示の一実施形態において、網膜画像内の視認可能な血管網に対応する数値が計算可能である。当該数値は血管網に関する、顕在化した、または潜在的な眼病をはじめとする、特定の計算により得られた数値が関連付けられる症状に関連付け可能である。また一実施形態において、少なくとも一の特定の眼病を検出するため、網膜内の視認可能な血管網の構造に対して幾何学的計算が行われる。さらに、少なくとも一の網膜血管網の健康状態に関する勧告も可能となる。

一実施形態においては、網膜画像は様々な撮像装置／方法により取得可能である。例えば、写真撮影、ＭＲＩ、ＯＣＴ、ＣＴ、超音波、超音波サーモグラフィ、ＰＥＴ，光音響などの様々な医用撮像技術やその他技術により生体系の画像を取得が可能である。図１に被検体網膜の写真を示す。図２に被検体網膜画像内で特定可能な血管網の画像を示す。

様々なフィルタリング、閾値処理、画像認識、および／または特徴認識技術（例えば生体認証システム）により、取得された網膜画像における血管網の「一部」を元画像から抽出（分離）可能である。そして抽出された網膜の血管新生および／または血管構造は、二値画像または構造を二値的に示す描写に変換可能である。なお、非血管系の撮像に上記以外の撮像システムが利用可能である。一見ランダムな経路、パターン、網状構造、または一連の事象は、人工衛星、航空機、展望台、携帯電話などに設置されたその他の視覚映像取得システム（例えば可視光カメラや赤外線カメラ）または音響録音機器（例えば超音波撮像や磁気記録装置など）によっても取得可能である。

一実施形態では、少なくとも一の上述の画像処理技術を用いて例示的な網膜血管網を抽出し、網膜の血管構造内の血管経路を示す二値的概略図を作成可能である。図３に上記経路を表す二値的概略図の一例を示す。本開示の実施形態においては、このような網膜血管構造の二値画像を作成することで、少なくとも一の計算および／またはアルゴリズムにより被検体の目の状態および／または健康状態を評価できる。一実施形態においては、網膜血管構造の二値画像は、網膜血管構造の位置を示す二次元配列データ構造であってよい。

さらに別の実施形態では、二値構造は図４に示すような二値画素行列であってよい。当該二値画素行列において、血管構造が存在する箇所は「０」とされ、血管構造がない箇所は「１」とされる。上記数値はそれぞれ逆のものを示してよく、さらに上述の画像処理技術により網膜が抽出された後、網膜血管構造を数値的に示す上記以外のあらゆる構造が利用可能である。

そして血管構造のデジタル画像は、図４に示すように経路の端点の特定に利用可能である。端点を特定することで、網膜内に視認可能な血管構造内の経路を分離可能である。さらに、特定された端点は血管構造に基づき行われる様々な計算の基準点として利用可能である。当該計算により、血管網における特定血管枝の末端間距離、血管構造の一部における末端間距離、一血管枝、複数血管枝、または血管構造全体の回転半径、血管枝、血管構造の一部、または血管構造全体の持続長、血管枝間平均距離、血管枝平均長、複数血管枝間の方位平均、血管枝、血管構造の一部または血管構造全体の屈曲度などの数値が得られる。

図５に網膜血管構造の二値画像内で端点が特定されると、少なくとも一の端点から経路原点を辿ることができ、二値画像から、経路で示される血管枝の有効長が求められることを示す。血管枝経路長は血管網の健康状態を測る基準の一つである。上記処理は網膜血管構造の二値画像内で検出される様々な端点に適用でき、様々な血管枝経路長が計算された。実施形態によっては、少なくとも一の血管枝長は迷路を解くような要領で検出される。一実施形態では、迷路を解く際の総当たり方式を利用可能である。具体的には、全ての経路が網羅されるまでランダムまたは疑似ランダム的に血管網全体が処理される。

図６に網膜血管網の様々な経路の経路長を求めるのに利用可能な方法の一つを示す。様々な、迷路を解くためのアルゴリズムにより、血管網の端点、原点間の経路を求められる。例えば、図６に示す非限定的例における中心点と端点との間の経路の特定に用いられるアルゴリズムの一つとしてデッドエンドフィリングがある。このアルゴリズムは血管網の様々な端点に適用可能であり、それにより各経路の経路長が計算される。各経路は網膜内に視認可能な血管および／または毛細血管に関連付け可能である。したがって、網膜血管網内の少なくとも一の経路に関連付けられた経路長の計算により得られたデータに対し、様々な計算が可能である。一実施形態では、全経路のうち少なくとも一部の平均経路長と標準偏差が計算可能である。被検体網膜内に視認可能な経路の長さに対応するデータ群に対し上記以外の統計的計算を行ってもよい。得られた計算結果は健常者との比較に利用される。即ち、ある被検体に関連付けられたデータが、健常者の特定の統計的値に関連するまたは上回らないかが判断される。得られた計算結果は、様々な症状の患者の数値と比較してもよい。これにより得られた関連性は、特定の症状の診断に供される。

図７に網膜血管網内に特定された様々な経路に対して実施可能な代替的および／または補助的分析を示す。図に示すように、本開示の実施形態において、被検体網膜の血管網内に特定された少なくとも一の経路の屈曲度を計算可能である。したがって、本開示の実施形態においては網膜内に確認される様々な経路の屈曲度が計算でき、さらに被検体網膜の屈曲度と、健常者および特定の症状と診断された患者に関連付けられた別の数値との比較を可能とする様々な統計的値が計算できる。特定の症状と診断された患者との関連性は当該症状の診断に供される。

図８，図９に、例示的被検体網膜の分析にコンストラクタル理論を適用した例を示す。通常、コンストラクタル理論は流れを効率化するため形状を変化させるシステムの能力に係るものである。被検体網膜血管網に対する網膜画像分析が、図９に示すよう実施可能である。

コンストラクタル分析に基づく方法は、一見ランダムな経路、パターン、または網状構造内の流れを最適化するための初期条件、境界条件、動作制約の理解、判定を通じて行われる。さらに、初期条件、境界条件に用いられる、被検体別の特定生存兆候データも取得される。個別血管構造の画像も取得される。そして医用画像が数学的トポロジー網に変換され、入力圧力が印加圧力に比例する場合におけるネットワーク全ノード／部分の流れに関連した性能値（流量、流速、血管応力など）が計算される。同一の個別動作制約および入力条件において流れに対する全般的な抵抗を最小化する、網状構造の最適な形態が特定される。そして実際の網状構造（例えば血管網）の流れ効率が、理論上の理想的網状構造の流れと比較される。

一実施形態において、大きさ、血流特性、容積をはじめとした網膜血管構造における様々な血管の要素を特定できる。コンストラクタル理論と共に様々な流体力学理論を適用することで、血管網の各種分岐点での最適流れ角が計算できる。そして、健常者と特定の症状と診断された患者を分析することで得られた統計的値と被検体網膜の分析結果との関連性が特定の症状の診断に供される。本開示の実施形態では、経路長、屈曲度に関連した少なくとも一の値の計算、網膜血管網のコンストラクタル分析、さらに少なくとも一の当該値と健常者および／または特定の症状と診断された患者との関連付けが可能である。

図１０〜１２に、血管長、血管径から求められる流体網における輸送特性に基づく、網膜血管内の血流などの生体系を表す方法を示す。図１０に示すように、網膜血管網の流体輸送特性は、動脈抵抗体網として表すことができる。網膜血管網は、コンピュータにより抵抗網概念図に変換され、その流体輸送特性は網膜網に対する画像分析に基づき計算可能である。

例えば、網膜網の概略図内の各血管の血管径は画像分析により求められる。各血管の端点は「接地」圧とされ、抵抗値は、理想的ニュートン流体の一定の層流を条件として血管長、血管径から求められる。したがって図１１に示すように、合計流量、さらには網膜網内の様々な点での流量が得られる。さらに図１２に示すように、網膜網内の様々な点での流速も得られ、網膜網画像にマッピング可能である。これら数値は被検体から検出され、特定の症状と診断された患者の典型的な数値と比較可能である。それにより、特定の症状の診断に供される関連性が得られるのである。

網膜血管網内の血流に対するコンストラクタル分析例を示したが、同分析は体内のあらゆる生体系やあらゆる生体物質に適用可能であることをここで改めて述べる。例えば、コンストラクタル分析は、脳内血流を対象として、脳に適用可能である。さらに、本明細書記載の技術は、例えば被検体の少なくとも一方の肺における血流および／または気流を対象として、少なくとも一方の肺に適用可能である。そしてさらに神経線維内の電子の流れにも適用可能である。そしてシステムや分析対象物は各種変形、変更可能である。

本開示の実施形態は、少なくとも一のコンピュータ装置で実施されるロジックであってもよい。本開示のコンピュータ装置は、いずれもローカルインタフェースに電気的に接続された、少なくとも一のプロセッサとメモリを有する。そのため、コンピュータ装置は、例えば少なくとも一のサーバコンピュータなどの装置であってよい。したがって、例えばローカルインタフェースはアドレス／制御バスをはじめとするバス構造であってもよい。

メモリはプロセッサにより実行可能ないくつかのコンポーネントとデータの両方を記憶する。メモリに記憶され、プロセッサにより実行可能なものの具体例として、本開示に係るロジック実行アプリケーションをはじめとする様々なアプリケーションが挙げられる。したがって、他にも様々な、メモリに記憶され、プロセッサにより実行可能なアプリケーションが存在するのである。ここで説明されるコンポーネントはソフトウェアとして実行されるが、例えばＣ、Ｃ＋＋、Ｃ＃、Ｏｂｊｅｃｔｉｖｅ Ｃ、Ｊａｖａ（登録商標）、Ｊａｖａｓｃｒｉｐｔ（登録商標）、Ｐｅｒｌ、ＰＨＰ、Ｖｉｓｕａｌ Ｂａｓｉｃ、Ｐｙｔｈｏｎ、Ｒｕｂｙ、Ｄｅｌｐｈｉ、Ｆｌａｓｈをはじめとする数多くのプログラム言語の内のいずれかであってもよい。

数多くのソフトウェアコンポーネントがメモリに記憶され、プロセッサにより実行可能である。そして「実行可能」とは、原則的にプログラムファイルのプロセッサにより操作可能な形式を指す。実行可能なプログラムの例として、メモリのランダムアクセス部に展開され、プロセッサにより実行可能な形式のマシンコードに変換可能なコンパイル済みプログラム、メモリのランダムアクセス部に展開され、プロセッサにより実行可能なオブジェクトコードのような適切なフォーマットで表されるソースコード、メモリのランダムアクセス部において命令が生成され、プロセッサにより実行されるよう、その他実行可能なプログラムにより解釈可能なソースコードなどが挙げられる。実行可能なプログラムはメモリにおける任意の箇所、またはＲＡＭ、ＲＯＭ、ＨＤＤ、ＳＳＤ、ＵＳＢフラッシュドライブ、メモリカード、ＣＤやＤＶＤなどの光ディスク、フロッピー（登録商標）ディスク、磁気テープをはじめとするメモリコンポーネントに記憶可能である。

ここでメモリとは、揮発性、不揮発性メモリおよびデータ記憶コンポーネントのいずれであってもよい。揮発性コンポーネントは非通電状態でデータ値を保持しない。不揮発性コンポーネントは非通電状態でもデータを保持する。したがって、例えばメモリはＲＡＭ、ＲＯＭ、ＨＤＤ、ＳＳＤ、ＵＳＢフラッシュドライブ、メモリカードリーダによりアクセスされるメモリカード、対応するフロッピー（登録商標）ディスクドライブによりアクセスされるフロッピー（登録商標）ディスク、光ディスクドライブによりアクセスされる光ディスク、適切なテープドライブによりアクセスされる磁気テープをはじめとするメモリコンポーネント、またはこれらの内二以上のコンポーネントの組み合わせであってよい。さらに、ＲＡＭは例えばＳＲＡＭ、ＤＲＡＭ、ＭＲＡＭなどの装置であってよい。ＲＯＭは例えばＰＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭなどのメモリ装置であってよい。

プロセッサおよびメモリは複数設けられ、それぞれ対応する並列処理回路内で動作してもよい。この場合、ローカルインタフェースは複数プロセッサの内任意の二つの間、任意のプロセッサと任意のメモリとの間、またはメモリの内任意の二つの間などの通信を円滑に行う適切なネットワークであってよい。ローカルインタフェースは、例えばロードバランシング等により当該通信を支える補助的なシステムを含んでよい。プロセッサは電気的構成や、その他適切な構成を有してよい。

本開示の実施形態の実行可能なロジックは上述のように汎用ハードウェアで実行されるソフトウェアやコードとして実施可能であるが、専用ハードウェアまたはソフトウェア／汎用ハードウェアと専用ハードウェアとの組み合わせで実施されてもよい。専用ハードウェアで実施される場合、それぞれ多数の技術の内の任意の一技術またはそれらを組み合わせて利用する回路またはステートマシンとして実施されてよい。ここでいう技術としては、少なくとも一のデータ信号が印加されると様々な論理機能を実行する論理ゲートを有する離散論理回路、適切な論理ゲートを有するＡＳＩＣをはじめとするコンポーネントが挙げられるが、これらに限定されるものではない。これら技術は当業者には広く知られているものであるため、ここでは説明を省略する。

本開示の実施形態に係る、ソフトウェアまたはコードを有するあらゆるロジックやアプリケーションは、例えばコンピュータシステムをはじめとした様々なシステムにおけるプロセッサなどの命令実行システムによって、またはそれに連動して使用される任意の、非一時的なコンピュータ可読媒体として実施されてよい。そのため、ロジックは例えば、コンピュータ可読媒体から取得され、命令実行システムにより実行される命令や宣言を含む宣言文であってよい。本開示において、「コンピュータ可読媒体」は命令実行システムによって、またはそれに連動して使用される、本明細書記載のロジックまたはアプリケーションを格納、記憶する、または保持する任意の媒体であってよい。コンピュータ可読媒体は、例えば磁気、光、半導体媒体などの多様な物理媒体の内の任意のものであってよい。適切なコンピュータ可読媒体の具体例として、磁気テープ、磁気フロッピー（登録商標）ディスク、磁気ＨＤＤ、メモリカード、ＳＳＤ，ＵＳＢフラッシュドライブ、光ディスクが挙げられるが、これらに限定されるものではない。コンピュータ可読媒体は、例えばＳＲＡＭ、ＤＲＡＭ、ＭＲＡＭなどを含むＲＡＭであってもよく、ＰＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭなどを含むＲＯＭ、またはその他メモリ装置であってもよい。

データは、クラウドに保存され、世界中の専門家によりアクセス可能なものであってよい。これにより、世界中で画像の遠隔操作や遠隔地の被検者の検査が可能となる。さらにクラウドにデータを保存することで、正規母集団と罹患集団との間の性状や形態の比較ができ、大規模集団の統計として集約できる。

［第１実施例］
本実施例は、通常の健常な網膜と、糖尿病患者の網膜との違いを例証するため実施された。

健常な網膜と糖尿病患者の網膜が撮像され、上述のコンストラクタル分析が行われた。得られたデータを図１３に示す。図１３は、健常者および糖尿病患者の目における輸送性能に対するネットワーク用分析の結果としての血流量を示す。網状構造の流動性能は、元画像から各血管数値（長さ、直径、屈曲度など）を抽出することで求められる。流動性能を推進力（流体網の圧力差）と組み合わせることで、単位時間毎に網状構造を流れる血液量が求められる。図１３において、糖尿病による網状構造全体の血管収縮が、任意の時間での血液流量の減少として確認される。健常者の網状構造（より容量大）との比較を通じて診断を行うことができる。

上述の通り開示された、コンストラクタル分析を利用する方法、システムは一見ランダムなパターン、経路、網状構造または事象の研究に利用可能である。この方法により特徴づけられる一見ランダムな経路、パターン、網状構造または事象の例として、木や植物の成長、森林の成長、発達、地球全体における特定の種族の進化や渡り、血管の発達及び成長、行政区内、国内、大陸内の輸送網の成長および発展などが挙げられる。

したがって、方法およびシステムは、糖尿病網膜症の評価、脈絡膜血管新生に対する血管新生阻害剤の治療効果の評価、視神経炎並びに様々な硬化現象に大きく関わりのある網膜神経線維束の変性の評価、高血圧や系統的血管疾患と関わりのある眼性偏頭痛の評価を行うコンピュータ支援診断システムの自動眼底画像写真分析アルゴリズムの評価に利用可能である。

さらに方法およびシステムは、一見ランダムなパターン、経路、網状構造、または事象周辺の近接部についての情報を提供可能である。また、この方法は体の別々の部分における多様な疾患の研究に利用可能である。そのような疾患の例として、高血圧症、慢性腎不全、アテローム性動脈硬化（高コレステロール）や、肺気腫、慢性気管支炎、喘息、慢性閉塞性肺疾患、間質性肺疾患、肺塞栓などの呼吸器系疾患や、心筋梗塞、動脈瘤、一過性脳虚血発作などの心血管疾患や、脳震盪、アルツハイマー病、脳卒中などの脳疾患が挙げられる。

なお、本明細書では、「第１」、「第２」、「第３」などの用語が各種要素、コンポーネント、領域、層、および／または部分の説明に用いられている場合があるが、これら要素、コンポーネント、領域、層、および／または部分は当該用語により限定されるものではない。当該用語は単にある要素、コンポーネント、領域、層、部分を別の要素、コンポーネント、領域、層、部分と区別するためのみに用いられている。したがって、以下で記載される「第１要素」、「コンポーネント」、「領域」、「層」、「部分」が、第２要素、コンポーネント、領域、層、部分と記載されても、本明細書の教示から逸脱するものではない。

本明細書内の用語は、特定の実施形態の説明のみを目的としており、制限的な意図は含まれていない。「ａ（１つの）」「ａｎ（１つの）」「ｔｈｅ（その）」などは、別途明記されない限り、単数、複数の限定はないものとする。さらに、本明細書内で使用される「ｃｏｍｐｒｉｓｅｓ（有する）」および／または「ｃｏｍｐｒｉｓｉｎｇ（有した）」または「ｉｎｃｌｕｄｅｓ（有する）」および／または「ｉｎｃｌｕｄｉｎｇ（有した）」は、記載の特徴、領域、整数、工程、動作、要素および／またはコンポーネントの存在を示すものであるが、少なくとも一の別の特徴、領域、整数、工程、動作、要素、コンポーネントおよび／またはそれらの群の存在、追加を排除するものではない。

本明細書で使用されるおよび／またはという用語は「および」、「または」の両方の意味を含むものである。例えば「Ａおよび／またはＢ」という記載はＡ、Ｂ、ＡおよびＢのいずれかに解釈される。

「ｃｏｍｐｒｉｓｉｎｇ（有する）」という移行句は、「ｃｏｎｓｉｓｔｉｎｇ ｅｓｓｅｎｔｉａｌｌｙ ｏｆ（主成分とする）」や「ｃｏｎｓｉｓｔｉｎｇ ｏｆ（から成る）」のような移行句を含むものであり、「ｃｏｍｐｒｉｓｉｎｇ（有する）」に置き換え可能である。

本明細書に例示的実施形態が記載されているが、開示の実施形態の範囲内で、当業者により各種変更が可能であり、実施形態内の要素は均等物に置き換え可能であることが理解されよう。さらに、本開示の本質的範囲から逸脱しない範囲で、本開示の教示に特定の状況や物質を適用するための、数多くの変形例が考えられる。したがって、本開示は、本開示を実施する最良の形態として設計された、開示の特定実施形態に限られるものではない。

Claims (21)

1. コンストラクタル分析を行うシステムであって、
   プロセッサと、
   メモリと、を有し、
   流れ場を有する一見ランダムな経路、パターン、または網状構造を有する被検体の画像を取得する工程と、
   前記画像に対し、少なくとも一の画像処理アルゴリズムを実行する工程と、
   前記画像内において、少なくとも一の一見ランダムな経路、パターン、網状構造、または一連の事象を特定する工程と、
   前記少なくとも一の一見ランダムな経路、パターン、網状構造、または事象に関連した中心と、少なくとも一の端点を特定する工程と、
   前記画像内における前記少なくとも一の一見ランダムな経路、パターン、網状構造、または事象に関連する経路長を計算する工程と、
   前記画像内において、コンストラクタル分析により、前記少なくとも一の一見ランダムな経路、パターン、網状構造、または一連の事象に関連した少なくとも一の統計的値を計算する工程と、
   前記少なくとも一の統計的値と、前記被検体または別の被検体における少なくとも一の別の一見ランダムな経路、パターン、網状構造、または一連の事象にそれぞれ対応する複数の別の統計的値とを関連付ける工程と、を含む方法を実行するシステム。
2. 前記被検体が、生物内の血管網、植物内の毛細管網、大地に流れる川、ポリマ鎖、特定の動物種の渡りパターン、神経系内の神経、導体または半導体媒体内の電子またはホールの経路のいずれかであることを特徴とする、請求項１に記載のシステム。
3. 糖尿病網膜症の評価、脈絡膜血管新生に対する血管新生阻害剤の治療効果の評価、視神経炎並びに様々な硬化現象に大きく関わりのある網膜神経線維束の変性の評価、高血圧や系統的血管疾患と関わりのある眼性偏頭痛の評価、さらに高血圧症、慢性腎不全、アテローム性動脈硬化（高コレステロール）や、肺気腫、慢性気管支炎、喘息、慢性閉塞性肺疾患、間質性肺疾患、肺塞栓などの呼吸器系疾患や、心血管疾患、心筋梗塞、動脈瘤、一過性脳虚血発作、脳疾患、脳疾患脳震盪、アルツハイマー病、脳卒中などに影響された血管および／または神経の状態の評価を行うコンピュータ支援診断システムの自動眼底画像写真分析アルゴリズムの評価に使用されることを特徴とする、請求項１記載のシステム。
4. 前記被検体は、生物内の血管網であることを特徴とする、請求項１記載のシステム。
5. 前記血管網は、ヒトの網膜、心臓、脳、乳房、腎臓および／または肺内に存在することを特徴とする、請求項４記載のシステム。
6. 前記被検体が植物内の毛細管網であることを特徴とする、請求項１記載のシステム。
7. 前記画像が、磁気共鳴映像法、コンピュータ断層撮影法、超音波、超音波サーモグラフィ、光音響法、赤外イメージング、陽電子放射形コンピュータ断層撮影法、Ｘ線撮像のいずれかにより得られることを特徴とする、請求項１記載のシステム。
8. 前記画像は、人工衛星、航空機、医療機器、光ファイバケーブル、携帯電話、展望台のいずれかに搭載されたカメラまたは撮像装置により得られることを特徴とする、請求項１記載のシステム。
9. 前記画像に対し、さらにフィルタリング、閾値処理、デジタル化処理、画像および／または特徴認識のうち少なくとも一が行われることを特徴とする、請求項１記載のシステム。
10. 前記少なくとも一の統計的値は、前記一見ランダムな経路、パターン、または網状構造の末端間距離、前記一見ランダムな経路、パターン、または網状構造の一部における末端間距離、前記一見ランダムな経路、パターン、または網状構造における複数の支流の内の少なくとも一の支流の回転半径、前記一見ランダムな経路、パターン、または網状構造における複数の支流の内、少なくとも一の支流の持続長、前記一見ランダムな経路、パターン、または網状構造における支流間の平均距離、前記一見ランダムな経路、パターン、または網状構造における支流の平均長、前記一見ランダムな経路、パターン、または網状構造の、別の一見ランダムな経路、パターン、または網状構造に対する方位平均、前記一見ランダムな経路、パターン、または網状構造における少なくとも一の支流の屈曲度のいずれかであることを特徴とする、請求項１記載のシステム。
11. 一見ランダムな経路、パターン、網状構造または一連の事象に対しコンストラクタル分析を行う方法であって、
    流れ場を有する一見ランダムな経路、パターン、網状構造または一連の事象の少なくとも一の画像を取得する工程と、
    前記少なくとも一の画像に対し、少なくとも一の画像処理アルゴリズムを実行する工程と、
    少なくとも一のコンピュータ装置において、前記一見ランダムな経路、パターン、網状構造、一連の事象から、少なくとも一の一見ランダムな経路、パターン、網状構造、または事象を特定する工程と、
    それぞれ前記一見ランダムな経路、パターン、網状構造、または一連の事象の中心を原点とする、少なくとも一の一見ランダムな経路、パターン、網状構造、または事象に関連した中心および少なくとも一の端点を特定する工程と、
    前記少なくとも一のコンピュータ装置において、前記少なくとも一の一見ランダムな経路、パターン、網状構造、または事象のそれぞれに関連する屈曲度を計算する工程と、
    前記少なくとも一のコンピュータ装置において、前記一見ランダムな経路、パターン、網状構造、または一連の事象に関連した少なくとも一の統計的値を計算する工程と、
    少なくとも一の統計的値と、別の被検体における少なくとも一の別の一見ランダムな経路、パターン、網状構造、または一連の事象にそれぞれ対応する複数の別の統計的値とを関連付ける工程と、を含む方法。
12. 前記少なくとも一の画像を取得する工程は、磁気共鳴映像法、コンピュータ断層撮影法、超音波、超音波サーモグラフィ、光音響法、赤外イメージング、陽電子放射形コンピュータ断層撮影法、Ｘ線撮像のいずれかにより実施されることを特徴とする、請求項１１記載の方法。
13. 前記少なくとも一の画像を取得する工程は、人工衛星、航空機、医療機器、光ファイバケーブル、携帯電話、展望台のいずれかに搭載されたカメラまたは撮像装置により実施されることを特徴とする、請求項１１記載の方法。
14. 前記一見ランダムな経路、パターン、網状構造または一連の事象が、生物内の血管網、植物内の毛細管網、大地に流れる川、ポリマ鎖、特定の動物種の渡りパターン、神経系内の神経、導体または半導体媒体内の電子またはホールの経路のいずれかを含むことを特徴とする、請求項１１記載の方法。
15. 糖尿病網膜症の評価、脈絡膜血管新生に対する血管新生阻害剤の治療効果の評価、視神経炎並びに様々な硬化現象に大きく関わりのある網膜神経線維束の変性の評価、高血圧や系統的血管疾患と関わりのある眼性偏頭痛の評価、さらに高血圧症、慢性腎不全、アテローム性動脈硬化（高コレステロール）や、肺気腫、慢性気管支炎、喘息、慢性閉塞性肺疾患、間質性肺疾患、肺塞栓などの呼吸器系疾患や、心血管疾患、心筋梗塞、動脈瘤、一過性脳虚血発作、脳疾患、脳疾患脳震盪、アルツハイマー病、脳卒中などに影響された血管および／または神経の状態の評価を行うコンピュータ支援診断システムの自動眼底画像写真分析アルゴリズムの評価に使用されることを特徴とする、請求項１１記載の方法。
16. 前記一見ランダムな経路、パターン、網状構造または一連の事象が、生物内の血管網であることを特徴とする、請求項１１記載の方法。
17. 前記血管網は、ヒトの網膜、心臓、脳、乳房、腎臓および／または肺内に存在することを特徴とする、請求項１５記載の方法。
18. 前記画像に対し、さらにフィルタリング、閾値処理、デジタル化処理、画像および／または特徴認識のうち少なくとも一を行う工程をさらに含む、請求項１１記載の方法。
19. 前記一見ランダムな経路、パターン、網状構造または一連の事象に関連付けられた前記少なくとも一の統計的値を計算する工程が、コンストラクタル分析により実施されることを特徴とする、請求項１１記載の方法。
20. 前記一見ランダムな経路、パターン、網状構造または一連の事象に関連付けられた前記少なくとも一の統計的値が、前記一見ランダムな経路、パターン、網状構造または一連の事象の近接部についての情報を提供することを特徴とする、請求項１９記載の方法。
21. 被検体生体系に対しコンストラクタル分析を行う方法であって、
    前記被検体生体系の、少なくとも一の画像を取得する工程と、
    少なくとも一のコンピュータ装置において、前記少なくとも一の画像に対し、少なくとも一の画像処理アルゴリズムを実行する工程と、
    前記被検体生体系の血管網における少なくとも一の血管を特定する工程と、
    前記少なくとも一のコンピュータ装置において、前記被検体生体系の血管網における前記少なくとも一の血管に関連した複数の分岐点角を特定する工程と、
    前記少なくとも一のコンピュータ装置において、前記少なくとも一の分岐点角にそれぞれ関連したオプティカルフロー量を計算する工程と、
    前記少なくとも一のコンピュータ装置において、前記被検体生体系に関連付けられた複数の最適流れ角に関連付けられた少なくとも一の統計的値を計算する工程と、
    前記少なくとも一の統計的値と、少なくとも一の別の被検体にそれぞれ対応する複数の別の統計的値とを関連付けるコードと、を含む方法。