JP2015532860A - 自動ステント検出 - Google Patents

Abstract

本発明は、概して、主成分分析および／または領域共分散記述子を使用した腔内画像内のステント等の物体の検出に関する。ある側面では、物体を含むことが既知の事前に定義された腔内画像の訓練セットが、生成される。訓練セットの主成分は、物体空間を形成するために、計算されることができる。未知の入力腔内画像が、取得され、物体空間上に投影されることができる。投影から、物体は、入力腔内画像内で検出されることができる。別の実施形態では、共分散行列が、物体を含むことが既知の各事前に定義された腔内画像に対して形成される。未知の入力腔内画像が、取得され、共分散行列が、入力腔内画像に対して算出される。入力画像および訓練セットの各画像の共分散は、入力腔内画像内の物体の存在を検出するために、比較される。

Description

（関連出願）
本願は、米国仮出願第６１／７１０，４２９号（２０１２年１０月５日出願）の利益、および上記出願を基礎とする優先権を主張する。上記出願は、その全体が参照により本明細書に援用される。
（技術分野）
本発明は、概して、腔内撮像におけるステントの自動検出に関する。

断層撮像は、生体系内の高分解能断面撮像を可能にする信号取得および処理技術である。断層撮像システムは、例えば、光コヒーレンス断層撮影システム、超音波撮像システム、およびコンピュータ断層撮影を含む。断層撮像は、特に、低侵襲的手技を通して、カテーテル内に配置されるプローブを使用して、血管等の身体内の脈管または管腔の表面下を撮像するために非常に好適である。

典型的断層撮像カテーテルは、脈管の画像ビデオループを記録しながら、血管を通して縦方向に回転および移動する撮像コアから成る。その動きは、３Ｄデータセットをもたらし、各フレームは、異なる縦方向区分における脈管の３６０度スライスを提供する。これらのフレームは、心臓病専門医に、患者内の狭窄の場所および重症度、不安定プラークの存在、ならびに経時的疾患の変化等の非常に貴重な情報を提供する。本情報はまた、薬物療法、ステント配置、血管形成術、またはバイパス外科手術等の患者のための適切な治療計画を決定することにおいて補助する。

行われる最も一般的分析の１つは、ステントの配置および並置である。ステントは、バルーン血管形成術後、血管の中に挿入され、脈管を開放して保持し、閉塞が生じないように保ち、塞栓形成する可能性がある動脈病変のための枠組を提供する金属またはポリマーから作製される、小型の、典型的には、メッシュ状またはスロット付きの管状構造である。配置の間、ステントは、脈管内に平行に配置され、脈管壁に接触すべきである。冠動脈ステントの並置は、ステントが動脈の壁に対してどれだけ良好に置かれるかの条件となる。ステントが、配置時、血管に対して完全に噛合しないと、ステントは、「不完全並置」となる。不完全並置は、ステントと冠動脈壁との間の死空間内の血液貯留または滞留のため、後続の詰まりまたは血栓のリクスを高め得る。したがって、ステントが適切に用いられていることを検証することが重要である。

血管内画像内のステント対置を識別および測定するために、心臓病専門医は、典型的には、手動で、断層画像内で可視であるステントの枠組であるステント支柱の位置を特定する必要がある。概して、少なくとも２つのステント支柱の識別が、ステント並置を決定するために必要とされる。本プロセスは、非常に時間がかかり得、ユーザエラーを生じやすい。

本発明は、概して、ステント場所を検出する方法を提供することによって、展開されたステントを迅速に査定するための断層撮像システムのユーザの能力を改善する。画像処理技法の使用を通して、撮像行程に関して記録されたデータセット内の全フレームまたはフレームのサブセットのステント場所が、検出され、ユーザに提供される。結果として生じるステント検出は、断層画像、すなわち、画像縦断表示（ＩＬＤ）上に表示される、または脈管の３−Ｄ復元上に表示され得る。これは、有利には、ユーザが、並置を定量化するために、手動で、ステント支柱を特定する必要性を排除する。さらに、ステントの自動検出は、手動検出に関連付けられたエラーを低減させ、誤並置されたステントを検出および矯正するためのより確実な手段を提供する。

本発明の側面において使用するために好適な断層撮像システムは、光コヒーレンス断層撮影システム、超音波撮像システム、および複合ＯＣＴ−超音波撮像システム等、腔内画像を取得可能な任意の断層断面撮像システムを含む。腔内画像は、典型的には、血管内画像であるが、また、腸管腔等の生体管腔内で撮影された任意の画像を含む。

本発明は、ステント、ステント支柱、またはステントの一部のコンピュータ支援検出のためのコンピューティングシステムおよび方法に関し、また、組織またはガイドワイヤ等の腔内画像内の他の物体を検出するためにも使用されることができる。物体は、１次元、２次元、または３次元画像から取得されたデータを使用して、極座標系内の場所に基づいて識別される。ステント支柱が識別されると、管腔境界に対するステント並置または被覆率の測定値が、容易に算出されることができる。

一側面では、物体を表示することが既知の事前に定義された腔内画像のセットが、生成され、物体を含むことが未知の腔内画像、例えば、ＯＣＴ検査を受ける患者の入力腔内画像内の物体を識別または認識するように、プロセッサを訓練する。例えば、本ステップでは、事前に定義された腔内データ画像のセットは、プロセッサがステント支柱を識別するように訓練され得るように、ステント支柱を表示することが既知の複数の腔内画像を含むことができる。事前に定義された腔内画像の訓練セットが生成された後、セットに対する主成分が、算出され、物体に対する物体空間を作成することができる。物体に対する主成分は、記憶され、物体を含むことが未知の入力腔内画像内の物体を検出するために使用されることができる。入力腔内画像を物体空間上に投影することによって、物体は、入力腔内画像内で検出されることができる。

ある実施形態では、入力腔内画像が物体空間上に投影された後、入力腔内画像と物体空間画像との間の誤差、例えば、ユークリッド距離が、決定される。小さい誤差は、入力腔内画像内の物体の正検出を構成することができる。画像は、次いで、入力腔内画像内で検出された物体を識別またはハイライトするように後処理されることができる。後処理するステップはまた、入力腔内画像から誤物体検出を除去することを含むことができる。

いくつかの実施形態では、異なる物体を表示することが既知の事前に定義された腔内画像の少なくとも２つのセット、例えば、ステントを表示することが既知の事前に定義された腔内画像のセットおよび組織を表示することが既知の事前に定義された腔内画像のセットが、生成される。各セットに対する主成分が、各物体に対する物体空間を生成するために算出されることができる。いずれかの物体を表示することが未知の入力腔内画像が、各物体空間上に投影され、物体が、入力腔内画像内で検出される。物体は、入力腔内画像と各物体空間との間の誤差を計算することによって、検出されることができる。入力腔内画像を最も正確に表す、例えば、最小誤差を有する、物体空間は、物体空間に対応する物体の正検出を示す。より大きい誤差を伴う物体空間は、その対応する物体に対する負検出を示し得る。これは、有利には、誤差のみに基づく検出の代わりに、検出が、誤差の組み合わせおよび誤差の比較に基づくため、検出の正確度を増加させる。

別の側面では、ステント等の物体が、各画像が１つ以上の特徴によって定義される、物体の腔内画像の訓練セットを生成することによって、入力腔内画像内で検出されることができる。共分散行列が、訓練セットの各事前に定義された腔内画像内の特徴に対して算出されることができる。入力腔内画像内の特徴に対する共分散が、計算され、訓練セットの共分散と比較されることができる。比較から、物体は、入力腔内画像内で検出されることができる。ある側面では、特徴は、画素のデカルト座標、各画素の強度、またはｘおよびｙ方向における画像の１階および２階微分値であることができる。

本発明のその他およびさらなる側面ならびに特徴は、本発明を限定ではなく、図示することを意図する、以下の発明を実施するための形態および付随の図面から明白となるであろう。

図１は、脈管の斜視図である。 図２は、図１に示される脈管の横断面図である。 図３は、光コヒーレンス断層撮影（ＯＣＴ）システムの構成要素の略図である。 図４は、図３に示される撮像エンジンの略図である。 図５は、本発明のある実施形態のＯＣＴシステムにおける光経路の略図である。 図６は、ＯＣＴシステムの患者インターフェースモジュールである。 図７は、本発明のある実施形態による、撮像カテーテルの部品の動きの例証である。 図８は、本発明のある実施形態による、３次元撮像システムのＡ走査線のアレイを示す。 図９は、脈管内のＡ走査の位置付けを示す。 図１０は、本発明のある実施形態による、Ｂ走査を構成するために使用される、Ａ走査のセットを図示する。 図１１は、脈管の断面内の図１０に示されるＡ走査のセットを示す。 図１２は、６６０のＡ−走査から計算されるサンプルＯＣＴＢ−走査画像を示す。 図１３は、図１２のＢ−走査からの走査変換ＯＣＴ画像を示す。 図１４は、ステント検出のための主成分分析の基本フロー図を描写する。 図１５は、図１４で概略された主成分分析後に検出されたステント支柱を伴う、例示的ＯＣＴＢ−走査を描写する。 図１６は、ステントおよび組織主成分を使用して投影されるデータの誤差を描写する。 図１７は、図１５の走査変換画像内の結果として生じるステント検出を描写する。 図１８は、引き戻しにおける全フレームに対する図１６からの組織誤差およびステント誤差を描写する。 図１９は、引き戻しにおける全フレームに対する対応するステント検出を描写する。 図２０は、領域共分散分析を使用して、結果として生じるステント検出を描写する。 図２１は、ある実施形態による、システム略図である。

本発明は、概して、腔内医療撮像においてステントを自動的に検出することに関する。医療撮像は、断面および多次元の解剖学的画像が入手されたデータから構築される、一般的技術クラスである。データは、限定ではないが、磁気共鳴画像診断（ＭＲＩ）、蛍光透視法、Ｘ線断層撮影、計算体軸断層撮影、およびコンピュータ断層撮影を含む、Ｘ線撮影方法、シンチグラフィ、陽電子放射断層撮影、および単一光子放射コンピュータ断層撮影等の核医学技法、限定ではないが、血管内超音波法分光法（ＩＶＵＳ）、超音波変調光断層撮影、超音波伝送断層撮影、他の断層技法、例えば、静電容量、磁気誘導、機能ＭＲＩ、光学投影、および熱音響撮像を含む、光音響撮像超音波デバイスおよび方法、それらの組み合わせ、ならびに１、２、および３次元画像を生成する他の医療技法との組み合わせを含む、種々の信号取得システムから収集されることができる。本明細書に説明される例示は、ＯＣＴに適用されるように、本発明に対して描写されるが、これらの技法のうちの少なくとも全ては、本発明のシステムおよび方法との使用のために検討される。

本発明のシステムおよび方法は、とりわけ、血管内超音波法（ＩＶＵＳ）および光コヒーレンス断層撮影（ＯＣＴ）等の、管腔の３次元画像を生成する血管内撮像方法論における用途を有する。着目特徴１１３を有する管腔１０１の区画が、図１に示される。図２は、特徴１１３を通した管腔１０１の断面を示す。ある実施形態では、血管内撮像は、撮像デバイスを特徴１１３の近傍に位置付け、３次元画像を表すデータを収集することを伴う。

ＯＣＴは、カテーテルの遠位端に取り付けられた小型近赤外線発光プローブを伴う、特別に設計されたカテーテルを使用する、医療撮像方法論である。光学信号取得および処理方法として、光学散乱媒体（例えば、生体組織）内からマイクロメートル分解能の３次元画像を捕捉する。市販のＯＣＴシステムは、絵画保存および診断医療を含む、多用途において採用されており、特に、眼科学では、網膜内から詳細画像を取得するために使用され得る。網膜の詳細画像は、いくつかの眼疾患および眼外傷を識別することを可能にする。最近では、また、冠動脈疾患を診断することに役立つように、介入心臓学でも使用され始めている。ＯＣＴは、干渉測定技術の適用が、例えば、血管を内側から視認し、生体内の血管の内皮（内壁）を視覚化することを可能にする。

生体医療撮像のためのＯＣＴおよび他の信号処理撮像システムの他の用途として、表面下構造および血流形成を撮像するための皮膚科学、歯および歯肉線の構造を撮像し、脱灰および再石灰化、歯石、虫歯、ならびに歯周病を識別および追跡するための歯科医学、胃腸管を撮像し、クローン病および潰瘍性大腸炎によって生じるもの等のポリープおよび炎症を検出するための消化器病学、悪性と正常組織とを判別するための癌診断における使用が挙げられる。

概して、ＯＣＴシステムは、１）撮像カテーテルと、２）ＯＣＴ撮像ハードウェアと、３）ホストアプリケーションソフトウェアとの３つの構成要素を備えている。利用された場合、構成要素は、ＯＣＴデータを取得し、ＯＣＴデータを処理し、捕捉されたデータをホストシステムに伝送可能である。ＯＣＴシステムおよび方法は、概して、米国特許出願公開第２０１１／０１５２７７１号、Ｃｏｎｄｉｔ、他の米国特許出願公開第２０１０／０２２０３３４号、Ｃａｓｔｅｌｌａ、他の米国特許出願公開第２００９／００４３１９１号、Ｍｉｌｎｅｒ、他の米国特許出願公開第２００８／０２９１４６３号、およびＫｅｍｐ，Ｎ．の米国特許出願公開第２００８／０１８０６８３号に説明されており、それらの各々の内容は、参照することによって、全体として組み込まれる。ある実施形態では、本発明のシステムおよび方法は、本明細書に説明される組織撮像デバイスおよび方法が、代替として、ＯＣＴ、ＩＶＵＳ、または他のハードウェアとともに使用されることができるように、２つ以上の異なる３次元撮像システムと相互作用するように構成される、処理ハードウェアを含む。

血管に加え、限定ではないが、リンパ系および神経系の血管系、小腸、大腸、胃、食道、結腸、膵管、胆管、肝管の管腔を含む、胃腸管の種々の構造、輸精管、膣、子宮、および卵管を含む、生殖器官の管腔、尿細管、腎細管、尿管、および膀胱を含む、尿路の構造、ならびに頭頸部および洞、耳下腺、気管、気管支、および肺を含む、肺系の構造を含む、生体構造の種々の管腔が、前述の撮像技術を用いて撮像され得る。

心臓の動脈は、特に、ＯＣＴ等の撮像デバイスを用いて検査することが有用である。冠動脈のＯＣＴ撮像は、冠動脈内の任意の特定の点におけるプラークの蓄積の量を決定することができる。数十年にわたる動脈壁内のプラークの集積は、不安定プラークの編成となり、ひいては、心臓発作および動脈の狭窄（狭小化）につながる。ＯＣＴは、動脈の壁内のプラークボリュームおよび／または動脈管腔の狭窄の程度の両方を決定することにおいて有用である。これは、特に、血管造影撮像が入口病変の管腔等に関して信頼性がないと見なされる状況、または血管造影画像が管腔区画を適正に視覚化しない状況において有用であり得る。例示的領域として、複数の重複する動脈区画を伴うものが挙げられる。また、ステントを用いて、または用いずに、動脈の液圧血管形成術拡張等を用いた狭窄の治療の効果と、経時的医療療法の結果とを査定するためにも使用される。例示的実施形態では、本発明は、ＯＣＴによって、３次元画像を捕捉するためのシステムを提供する。

ＯＣＴでは、光源は、光のビームを撮像デバイスに送達し、標的組織を撮像する。光源は、広スペクトル光源、パルス状光源、連続波光源であり、スーパールミネッセントダイオード、超短波パルスレーザ、およびスーパーコンティニュームが挙げられ得る。光源内には、光増幅器および同調可能フィルタがあり、ユーザが、増幅されるべき光の波長を選択することを可能にする。医療用途において一般に使用される波長として、近赤外線光、例えば、約８００ｎｍ〜約１７００ｎｍが挙げられる。

本発明の方法は、時間ドメインまたは周波数（高精細）ドメインのいずれかにおいて動作するＯＣＴシステムを含む、任意のＯＣＴシステムから取得される画像データに適用される。時間ドメインＯＣＴと周波数ドメインＯＣＴとの間の基本的差異は、時間ドメインＯＣＴでは、走査機構が、画像取得の間、時間の関数として走査される、可動ミラーであることである。しかしながら、周波数ドメインＯＣＴでは、可動部品は存在せず、画像は、周波数または波長の関数として走査される。

時間ドメインＯＣＴシステムでは、干渉スペクトルは、基準経路を変更してサンプル内の反射による複数の光学経路に合うように、基準ミラー等の走査機構を縦方向に移動させことによって取得される。反射率を与える信号が、経時的にサンプリングされ、具体的距離において進行する光は、検出器内に干渉を生成する。サンプルを横断して、走査機構を側方に（または、回転）移動させることは、２次元および３次元画像を生成する。

周波数ドメインＯＣＴでは、ある範囲の光学周波数を放出可能な光源が、干渉計を励起し、干渉計は、サンプルから戻された光を同一の源からの光の基準ビームと結合し、結合された光の強度が、光学周波数の関数として記録され、干渉スペクトルを形成する。干渉スペクトルのフーリエ変換は、サンプル内の深度に沿った反射率分布を提供する。

周波数ドメインＯＣＴのいくつかの方法が、文献に説明されている。「スペクトルレーダ」とも呼ばれる（Ｏｐｔｉｃｓ ｌｅｔｔｅｒｓ，Ｖｏｌ．２１，Ｎｏ．１４（１９９６）１０８７−１０８９）、スペクトルドメインＯＣＴ（ＳＤ−ＯＣＴ）では、回折格子またはプリズムまたは他の手段が、干渉計の出力をその光学周波数成分に分散させるために使用される。これらの分離された成分の強度が、各検出器が光学周波数またはわずかな範囲の光学周波数を受信する、光学検出器のアレイを使用して測定される。これらの光学検出器からの測定のセットは、干渉スペクトルを形成し（Ｓｍｉｔｈ，Ｌ．Ｍ．ａｎｄ Ｃ．Ｃ．Ｄｏｂｓｏｎ，Ａｐｐｌｉｅｄ Ｏｐｔｉｃｓ ２８：３３３９−３３４２）、散乱体までの距離が、パワースペクトル内の波長依存縞間隔によって決定される。ＳＤ−ＯＣＴは、奥行走査が必要ではないように、光学検出器のアレイの単一露出を分析することによって、照明軸に沿って置かれた複数の散乱体の距離および散乱強度の決定を可能にする。典型的には、光源は、広範囲の光学周波数を同時に放出する。代替として、掃引源ＯＣＴでは、干渉スペクトルは、調節可能光学周波数を伴う源を使用して記録され、源の光学周波数は、ある範囲の光学周波数を通して掃引され、掃引の間、時間の関数として干渉された光強度を記録する。掃引源ＯＣＴの実施例は、米国特許第５，３２１，５０１号に説明されている。

概して、時間ドメインシステムおよび周波数ドメインシステムはさらに、システムの光学レイアウトに基づいて、タイプが異なり得る。すなわち、共通ビーム経路システムおよびビーム経路差システムである。共通ビーム経路システムは、全ての産生された光を単一光ファイバを通して送信し、基準信号およびサンプル信号を発生させる一方、ビーム経路差システムは、光の一部がサンプルに向かわせられ、他の部分が基準表面に向かわせられるように、産生された光を分割する。共通ビーム経路システムは、米国特許第７，９９９，９３８号、米国特許第７，９９５，２１０号、および米国特許第７，７８７，１２７号に説明されており、ビーム経路差システムは、米国特許第７，７８３，３３７号、米国特許第６，１３４，００３号号、および米国特許第６，４２１，１６４号に説明されており、それらの各々の内容は、参照することによって、全体として本明細書に組み込まれる。

ある実施形態では、本発明は、図３に図示されるように、血管内撮像能力を伴う、ビーム経路差ＯＣＴシステムを提供する。血管内撮像のために、光ビームが、光ファイバ系撮像カテーテル８２６を介して、脈管管腔に送達される。撮像カテーテルは、ハードウェアを通して、ホストワークステーション上のソフトウェアに接続される。ハードウェアは、撮像エンジン８５９と、ユーザ制御を含むハンドヘルド患者インターフェースモジュール（ＰＩＭ）８３９とを含む。撮像カテーテルの近位端は、図３に示されるように、撮像エンジンに接続されるＰＩＭ８３９に接続される。

図４に示されるように、撮像エンジン８５９（例えば、ベッドサイドユニット）は、電力供給源８４９と、光源８２７と、干渉計８３１と、可変遅延線８３５と、データ取得（ＤＡＱ）ボード８５５と、光学コントローラボード（ＯＣＢ）８５１とを格納する。ＰＩＭケーブル８４１は、撮像エンジン８５９をＰＩＭ８３９と接続し、エンジンケーブル８４５は、撮像エンジン８５９をホストワークステーションと接続する。

図５は、本発明の例示的実施形態による、ビーム経路差システムにおける光経路を示す。画像捕捉のための光は、光源８２７内から発生する。この光は、ＯＣＴ干渉計９０５と補助または「クロック」干渉計９１１との間で分割される。ＯＣＴ干渉計に向かわせられる光はさらに非対称分割比を用いて、スプリッタ９１７によって分割され、スプリッタ９１９によって再結合される。光の大部分は、サンプル経路９１３の中に誘導され、残りは、基準経路９１５の中に誘導される。サンプル経路は、ＰＩＭ８３９および撮像カテーテル８２６を通して延び、画像が捕捉される撮像カテーテルの遠位端で終端する光ファイバを含む。

典型的血管内ＯＣＴは、ガイドワイヤ、ガイドカテーテル、および血管造影システム等の標準的介入技法およびツールを使用して、患者の標的脈管の中に撮像カテーテルを導入することを伴う。撮像カテーテルは、例えば、Ｃａｓｔｅｌｌａ、他の米国特許出願公開第２００９／００４３１９１号およびＤｉｃｋ、他の米国特許出願公開第２００９／００１８３９３号（両方とも、参照することによってその全体として本明細書に組み込まれる）に説明されるような、同時撮像のためのＯＣＴ−ＩＶＵＳシステムによって、ＩＶＵＳと統合され得る。

撮像カテーテルの回転は、図６に示される、スピンモータ８６１によって駆動される一方、平行移動は、引き戻しモータ８６５によって駆動される。これは、図７によって説明される画像捕捉のための動きをもたらす。脈管内の血液は、撮像のために、一時的に、透明溶液で洗浄される。動作が、ＰＥＶＩまたは制御コンソールからトリガされると、カテーテルの撮像コアは、画像データを収集しながら回転する。撮像エンジンによって提供される光を使用することによって、内側コアは、図８に図示されるように、Ａ−走査線のアレイとして光を組織の中に送信し、反射される光を検出する。

図９は、脈管内のＡ−走査の位置付けを示す。Ａ−走査Ａｌｌ、Ａ１２、・・・ＡＮのうちの１つが、脈管１０１（例えば、脈管壁）内の特徴の表面を横切る各場所において、コヒーレント光が、反射され、検出される。カテーテル８２６は、引き戻しモータ８６５によって押し引きされ、軸１１７に沿って平行移動する。

反射された検出光は、サンプル経路９１３に沿って伝送され、スプリッタ９１９（図５）において、基準経路９１５からの光と再結合される。基準経路上の可変遅延線（ＶＤＬ）９２５は、調節可能ファイバコイルを使用して、基準経路９１５の長さをサンプル経路９１３の長さと一致させる。基準経路長は、ファームウェアまたはソフトウェアの制御下、平行移動ステージ上のミラーを平行移動させるステッパモータによって調節される。ＶＤＬ９２５の内側の自由空間光学ビームは、ミラーが固定入力／出力ファイバから離れて移動するにつれて、より多くの遅延を被る。

スプリッタ９１９からの結合された光は、直交偏光状態に分割され、ＲＦ帯域偏光分岐時間干渉縞信号をもたらす。干渉縞信号は、図５に示されるように、ＯＣＢ８５１上のＰＩＮフォトダイオード９２９ａ、９２９ｂ，・・・を使用して、光電流に変換される。干渉、偏光分割、および検出ステップは、ＯＣＢ上の偏光分岐モジュール（ＰＤＭ）によって行われる。ＯＣＢからの信号は、図４に示されるＤＡＱ８５５に送信される。ＤＡＱは、デジタル信号処理（ＤＳＰ）マイクロプロセッサおよびフィールドプログラマブルゲートアレイ（ＦＰＧＡ）を含み、信号をデジタル化し、ホストワークステーションおよびＰＩＭと通信する。ＦＰＧＡは、未加工光学干渉信号を有意義なＯＣＴ画像に変換する。ＤＡＱはまた、必要に応じて、データを転送帯域幅をｌＧｂｐｓまで圧縮する（例えば、不可逆圧縮ＪＰＥＧエンコーダを用いてフレームを圧縮する）。

データは、Ａ−走査Ａｌｌ、Ａ１２、・・・、ＡＮから収集され、有形非一過性メモリ内に記憶される。典型的には、回転システムは、画像ビデオループを記憶しながら、回転および後退（または、前進）する撮像コアから成る。この動きは、２次元画像フレームの３次元データセットをもたらし、各フレームは、異なる縦方向場所において、脈管の３６０°スライスを提供する。

概して、軸１１７の周囲のカテーテル８２６の１回転に対応する、Ａ−走査のセットは、集合的に、Ｂ−走査を定義する。図１０は、本発明のある実施形態による、Ｂ−走査を構成するために使用される、Ａ−走査Ａｌｌ、Ａ１２、・・・、Ａ１８のセットを図示する。これらのＡ−走査線は、軸１１７を見下ろして見るように示される（すなわち、それらの間の縦方向距離は、示されない）。８つのＡ−走査線が、図１０に図示されるが、典型的ＯＣＴ用途は、３００〜１，０００のＡ−走査線を含み、Ｂ−走査（例えば、約６６０）を作成することができる。各Ａ−走査線に沿って検出された反射は、撮像された組織内の特徴に関連付けられる。各Ａ−走査から反射される光は、分割され、基準経路９１５およびＶＤＬ９２５を通して送信される、対応する光と結合され、再結合された場合、これらの２つの光経路間の干渉が、組織内の特徴を示す。

全Ａ−走査線のデータは、一緒になって、組織の３次元画像を表す。概して、Ｂ−走査と称される、Ａ−走査線のデータは、断層図とも称される、組織の断面の画像を作成するために使用されることができる。例えば、図１１は、脈管の断面内の図１０に示されるＡ−走査のセットを示す。回転撮像モダリティによって取得されるＡ−走査のセットは、結合され、Ｂ−走査を形成することができる。図１２は、６６０個のＡ−走査を伴う、ＯＣＴ極座標Ｂ−走査の実施例である。脈管の最終断層図を作成するために、Ｂ−走査は、デカルト座標系に走査変換される。図１３は、図１２におけるＢ−走査の走査変換画像を表示する。

本発明のシステムおよび方法は、腔内画像内のステント等の物体の自動検出を提供する、画像処理技法を含む。典型的には、ＯＣＴ腔内画像は、血管の管腔内で撮影された血管内画像であるが、本明細書に説明される検出方法は、腸等の他の生体管腔内の物体を検出するためにも使用されることができる。以下の説明は、ＯＣＴ画像内で物体を検出することを対象とするが、当業者は、意図される方法およびシステムが、血管内超音波法撮像（ＩＶＵＳ）および複合ＯＣＴ−ＩＶＵＳ等の任意の他の撮像技法から取得される任意の腔内画像内で物体を検出するために利用されることができることを容易に認識するであろう。

本発明の実施形態は、Ａ−走査等の１次元画像、Ｂ−走査等の２次元画像、および／または３次元画像内の特徴を使用して、極座標系内でステント場所を検出するためのアルゴリズムを提供する。物体の極座標が、検出されると、極座標は、デカルト座標に変換され、断層画像として表示されることができる。したがって、ステントの３次元プロファイルが、検出され、ユーザに表示されることができる。加えて、自動的に検出されたステントの極座標を用いて、管腔境界に対するステント支柱並置または被覆率も、容易に算出されることができる。加えて、これらのアルゴリズムは、事前走査変換データおよび走査変換データにも適用されることができる。

本明細書に開示されるアルゴリズムは、ＯＣＴ撮像行程の間に撮影されたフレーム毎に適用されることができるので、１つ以上のフレーム内で検出され得る物体の場所が、算出され、グラフィック表示上においてユーザに提供されることができる。

１−Ｄ、２−Ｄ、または３−Ｄ画像は、画素場所、画素強度、画素に関するＲＧＢカラーチャネルを含む色強度、および／またはｘ、ｙ、ｚ座標を含むボリュームデータを含む、画素データ等のデータを含む。画像から取得されるデータは、物体を分類または検出するために使用され得る、画像内の特徴と見なされる。画像は、振幅、位相、周波数、極性、速度、重量、密度、透明度、反射率、硬度、および温度等の他のデータ特徴に関連付けられることができる。

図１４は、ある実施形態において、既知の信号処理アプローチである、主成分分析の適応を使用して、ステントを検出するために採用されるステップを例示する。例示的主成分分析技法は、Ｍ．Ｔｕｒｋ、および、Ａ．Ｐｅｎｔｌａｎｄ ”Ｗｉｇｅｎｆａｃｅｓ ｆｏｒ Ｒｅｃｏｇｎｉｔｉｏｎ”、およびＰｅｎｔｌａｎｄ、他「Ｖｉｅｗ−ｂａｓｅｄ ａｎｄ ｍｏｄｕｌａｒ ｅｉｇｅｎｓｐａｃｅｓ ｆｏｒ ｆａｃｅ ｒｅｃｏｇｉｎｉｔｉｏｎ」Ｐｒｏｃ．ＩＥＥＥ Ｃｏｎｆ．Ｃｏｍｐｕｔ Ｖｉｓｉｏｎ．＠Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎにおいて見出され得る。これらの技法は、腔内画像内の物体の検出に適応されている。第１のステップ３０は、物体に対する事前に定義された腔内画像の訓練セットを生成するステップを含む。第２のステップ３２は、物体に対する主成分を算出し、物体空間を作成するステップを伴う。第３のステップ３４は、入力腔内画像を物体空間上に投影するステップを伴う。第４のステップ３６は、腔内画像内の物体を検出するステップを伴う。本発明の方法は、ステント検出に限定されず、ガイドワイヤ、管腔境界、および組織等の任意の腔内画像内の物体を検出するために使用されることができる。

第１のステップ３０は、画像が、物体を含むことが既知ではない画像または画像の領域内の物体を識別するようにプロセッサを訓練するために使用され得るように、物体を含むことが既知の事前に定義された腔内画像の訓練セットを生成することである。物体を含むことが既知の画像は、物体が手動で位置を特定および検出された画像を含む。物体を含むことが既知の画像は、オンラインで取得されるか、またはオフラインでコンパイルされることができる。ある側面では、事前に定義された腔内画像の訓練セットは、例えば、訓練セットの生成に先立って、画像をフィルタリングすることによって前処理されることができる。

ある側面では、訓練セットに対する画像は、全て同一のサイズである、または同一のサイズに補間される。画素強度等のデータは、主成分分析のために、行列の中に配列されることができる。一側面では、訓練セット内の各画像からのデータが、採取され、行列の中にスタックされることができ、行列内の各列は、異なる画像を表し、行列の列内の各行は、各訓練画像内の同一の画素場所を表す。行は、特徴と見なされることができ、各列は、その特徴のサンプルである。

全訓練において、本明細書に説明される実施形態において使用するために生成されたセットは、事前に定義された画像の固定量に限定されないことに留意されたい。むしろ、訓練セットは、適応訓練プロセスを有するように作られることができる。例えば、訓練セットを具体的物体に対して正しく識別された入力腔内画像で継続的に更新することによる。訓練セットデータベースが成長するにつれて、検出の正確度も上がる。

事前に定義された行列の訓練セットの行列が、コンパイルされると、訓練セット行列に対する主成分が、第２のステップ３２におけるように、算出され、物体空間を作成する。主成分は、訓練データセット行列から算出される共分散行列の固有ベクトルを直接算出することによって、または、例えば、Ａｂｄｉ，Ｈ，＆ Ｗｉｌｌｉａｍｓ，Ｌ．Ｊ．（２０１０）． ”Ｐｒｉｎｃｉｐａｌ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ”． Ｗｉｌｅｙ Ｉｎｔｅｒｄｉｓｃｉｐｌｉｎａｒｙ Ｒｅｖｉｅｗｓ：Ｃｏｍｐｕｔａｔｉｏｎａｌ Ｓｔａｔｉｓｔｉｃｓ，２：４３３−４５９に詳細に説明される、訓練セットデータ行列の特異値分解（ＳＶＤ）を利用することによって、算出されることができる。主成分を計算することによって、事前に定義された画像のセットのうちのどのベクトルが、物体空間全体内の物体画像の分布を最も良く説明するかを決定することができる。したがって、上位ｎ個の固有ベクトルのみが、画像セット内の相違の大部分を説明する基礎を作成するために保たれる。これらのベクトルは、物体画像の部分空間を定義し、物体空間を構成する。主成分は、メモリ内に記憶され、入力腔内画像内の物体を検出するために、後に利用される。

主成分を利用して、未知の入力画像内の物体を検出するために、閾値誤差が、算出されることができる。一側面では、閾値は、物体を含むことが既知の事前に定義された画像のうちの１つ以上と物体空間との間の誤差の量を決定することによって算出される。この閾値誤差は、物体空間を作成するために使用された同じ事前に定義された画像または同じ物体を作成することが既知の別の画像を使用して取得されることができる。誤差を決定するために、事前に定義された画像は、物体空間と比較して、事前に定義された画像内の点間の距離を決定するために、物体空間上に投影されることができる。ある側面では、誤差は、訓練セット画像と物体空間との間のユークリッド距離である。この誤差算出は、訓練セット内の各事前に定義された画像、訓練セット内の事前に定義された画像の一部、または訓練セット外の複数の事前に定義された画像に対して繰り返されることができる。

算出された誤差を使用して、未知の画像が物体を含むかどうかを決定するために使用され得る、閾値誤差値を計算することができる。例えば、閾値誤差を上回る誤差を有する、物体空間に対して投影される未知の画像は、物体を含むと決定されず、閾値誤差を下回る誤差を伴う未知の画像は、物体に対する正検出を返すであろう。閾値誤差は、最大誤差、最小誤差、あるいは、平方平均、算術平均、最頻値、中位数、または当技術分野において公知の任意の他の統計平均等の誤差の平均計算結果であることができる。

第３のステップ３４は、入力腔内画像を物体空間上に投影するステップを伴う。入力腔内画像は、ＯＣＴ手技の間にリアルタイムで撮影された画像、または以前に撮影された画像、例えば、コンピューティングシステム上に記憶またはアップロードされた画像であることができる。入力腔内画像と物体空間との間の誤差は、閾値誤差を決定するために誤差が事前に定義された各画像に対して算出された同様の方法で算出される。いくつかの実施形態では、誤差は、入力画像と物体空間との間のユークリッド距離である。誤差が算出された後、入力腔内画像の誤差は、第４のステップ３６におけるように、物体を検出するために使用されることができる。例えば、誤差が閾値を下回る場合、物体は、入力腔内画像内で正検出される。誤差が閾値画像を上回る場合、物体は、入力腔内画像内で負検出される。

ある側面では、物体空間は、入力腔内画像を２つ以上の物体空間と比較するために、２つ以上の物体に関して作成される。ステップ３０およびステップ３２は、少なくとも１つの他の物体に対して繰り返される。一実施形態では、訓練セットが、ステントを含むことが既知の事前に定義された腔内画像から生成され、かつ、訓練セットが、組織を含むことが既知の事前に定義された腔内画像、例えば、ステントを伴わない血管の画像から生成される。主成分は、組織空間とステント空間とを算出するために、両訓練セットに対して生成される。ステップ３６に対して、入力腔内画像は、組織空間およびステント空間の両方上に投影されることができ、組織誤差およびステント誤差が、入力腔内画像を両空間と比較することによって計算されることができる。元の画像を最も正確に表す、主成分、組織、またはステントのセットは、入力腔内画像に一致するクラスとして選択され、対応する物体は、正検出される。例えば、ステントと入力腔内画像との間の誤差が、組織と入力腔内画像との間の誤差より小さい場合、ステントは、入力腔内画像内で正検出される。

加えて、閾値誤差値もまた、複数の物体空間の各々に対して算出されることができる。入力腔内画像と各物体空間の閾値との間の比較は、物体が入力腔内画像内に存在するかどうかを決定することができる。誤差が、両クラスに関して有意に高い場合、これは、入力腔内画像が訓練セット内で使用されたデータのいずれにも一致しないことを示し得る。閾値誤差を比較することは、誤差の大きさを単に比較する場合の誤分類のリスクを低減させる。入力腔内画像が、訓練セットのいずれとも一致しない場合、インジケータが、ＯＣＴグラフィカル表示上に現れ、手動検出が未分類入力腔内画像に対して必要とされ得ることをユーザに示すことができる。

具体的実施形態では、図１４の方法は、組織、ステント、およびガイドワイヤを検出するための分類器を訓練するように適合される。ガイドワイヤは、その特徴が腔内画像においてステントのように現れるため、しばしば、ステント支柱と誤分類される。これは、ステントに対する正検出が、実際には、ガイドワイヤである可能性を防止する。

いくつかの実施形態では、入力腔内画像は、管腔境界を使用して定義され得る。性能を改善するために、検出された管腔境界が、画像内のステント支柱等の物体に対する検索領域を識別するために使用されることができる。本側面では、物体に対して生成された事前に定義された画像の訓練セットもまた、管腔境界によって定義されるであろう。例えば、管腔境界が、Ａ−線内の＋３０画素、−２００画素の周囲の領域内で検出される場合、訓練セットは、事前に定義された画像の管腔境界領域のみを使用して形成されることができ、その領域に対する物体空間が、生成されることができる。Ａ−線腔内画像の同じ領域は、物体空間上に投影され、その領域内の物体を検出することができる。検出は、前述と同じ誤差方法を使用して生じる。管腔境界は、米国特許第７，９７８，９１６号、Ｓ．Ｔａｎｉｍｏｔｏ，Ｇ．Ｒｏｄｒｉｇｕｅｚ−Ｇｒａｎｉｌｌｏ，Ｐ．Ｂａｒｌｉｓ，Ｓ．ｄｅ Ｗｉｎｔｅｒ，Ｎ．Ｂｒａｉｎｉｎｇ，Ｒ．Ｈａｍｅｒｓ，Ｍ．Ｋｎａｐｐｅｎ，Ｓ．Ｖｅｒｈｅｙｅ，Ｐ．Ｗ．Ｓｅｒｒｕｙｓ，ａｎｄ Ｅ．Ｒｅｇａｒ，”Ａ ｎｏｖｅｌ ａｐｐｒｏａｃｈ ｆｏｒ ｑｕａｎｔｉｔａｔｉｖｅ ａｎａｌｙｓｉｓ ｏｆ ｉｎｔｒａｃｏｒｏｎａｒｙ ｏｐｔｉｃａｌ ｃｏｈｅｒｅｎｃｅｔｏｍｏｇｒａｐｈｙ：Ｈｉｇｈ ｉｎｔｅｒ−ｏｂｓｅｒｖｅｒ ａｇｒｅｅｍｅｎｔ ｗｉｔｈ ｃｏｍｐｕｔｅｒ−ａｓｓｉｓｔｅｄ ｃｏｎｔｏｕｒ ｄｅｔｅｃｔｉｏｎ，”Ｃａｔｈｅｔ．Ｃａｒｄｉｏｖａｓｃ．Ｉｎｔｅｒｖｅｎｔ．７２，２２８−２３５（２００８）、Ｋ．Ｓｉｈａｎ，Ｃ．Ｂｏｔｋａ，Ｆ．Ｐｏｓｔ，Ｓ．ｄｅ Ｗｉｎｔｅｒ，Ｅ．Ｒｅｇａｒ，Ｒ．Ｈａｍｅｒｓ，ａｎｄ Ｎ．Ｂｒａｉｎｉｎｇ，”Ａ ｎｏｖｅｌ ａｐｐｒｏａｃｈ ｔｏ ｑｕａｎｔｉｔａｔｉｖｅ ａｎａｌｙｓｉｓ ｏｆ ｉｎｔｒａｌｕｍｉｎａｌ ｏｐｔｉｃａｌ ｃｏｈｅｒｅｎｃｅ ｔｏｍｏｇｒａｐｈｙ ｉｍａｇｉｎｇ，”Ｃｏｍｐｕｔ．Ｃａｒｄｉｏｌ．１０８９−１０９２（２００８）、Ｊ．Ｃａｎｎｙ，”Ａ ｃｏｍｐｕｔａｔｉｏｎａｌ ａｐｐｒｏａｃｈ ｔｏ ｅｄｇｅ ｄｅｔｅｃｔｉｏｎ，”ＩＥＥＥ Ｔｒａｎｓ．Ｐａｔｔｅｒｎ Ａｎａｌ．Ｍａｃｈ．Ｉｎｔｅｌｌ．８，６７９−６９８（１９８６）に開示される技法等の当技術分野において公知の任意の方法を使用して、自動的または半自動的に、画像内で検出されることができる。

加えて、本発明の方法は、例えば、画像内のステントの場所、例えば、ステント深度を検出するための後処理ステップを提供する。当技術分野において公知の任意の方法が、ステントの深度位置を特定するために使用されることができ、例えば、検出された管腔境界のある最大距離以内のピーク検出が、ステントの最終場所を識別するために使用されることができる。後処理ステップは、画像内のステントの検出を検証するために使用されることができる。例えば、本発明の方法はまた、ガイドワイヤまたは他の誤ステント検出を検出するために使用される他のアルゴリズムまたは方法と組み合わせられることができる。一側面では、本発明の方法を使用してステントの検出後、ガイドワイヤ検出／追跡アルゴリズムが、画像に適用され、誤ステント検出を除去することができる。後処理ステップはまた、グラフィカルユーザインターフェース上に血管内画像内の結果として生じるステント検出を視覚的に図示するために使用されることができる。例えば、ステントの検出された部分は、画像内で太線または円形でハイライトされることができる。

以下の説明および図は、図１４におけるブロック図後のステント検出を図示する。図１５は、検出されたステント支柱および自動的に検出された管腔境界の両方をハイライトする、ＯＣＴＢ−走査の実施例を描写する。ステントおよび組織に対する訓練セットは、管腔境界によって生成され、組織空間およびステント空間が、算出された。境界の周囲のＡ−線入力腔内画像が、ステント空間および組織空間上に投影された。入力腔内画像と組織空間およびステント空間の両方との間の誤差が、算出され、図１６にプロットされた。図１６に示されるように、ステント誤差は、ステントの場所におおいてより小さく、組織誤差は、ステントの場所でより高い。ステント誤差と組織誤差との間の差異もまた、図１６にプロットされる。ステント誤差が、組織誤差より低い管腔境界に沿った場所は、ステントとして分類され、したがって、ステントが、画像内で正検出される。図１７は、図１５に示されるＢ−走査の対応する走査変換画像を表示する。後処理ステップが、利用され、走査変換画像内のステント検出をハイライトする。引き戻しにおける全フレームに対するステント誤差と組織誤差との間の差異は、図１８における２Ｄに広げられたマップにプロットされる。この引き戻しにおける全フレームに対する対応するステント検出は、図１９に提供される。

別の実施形態では、物体は、画像または画像の領域内の物体を検出する領域共分散記述子を使用して、腔内画像内で検出される。本アプローチは、１Ｄ、２Ｄ、および３Ｄ腔内画像の両方に適合されることができる。図１３に概略された検出方法と同様に、本アルゴリズムは、事前に定義された腔内画像の訓練セットを生成することと、検出のために入力腔内画像と比較される訓練セットを決定することを必要とする。領域共分散撮像技法は、当技術分野において公知であり、例えば、Ｔｕｚｅｌ、他”Ｒｅｇｉｏｎ Ｃｏｖａｒｉａｎｃｅ：Ａ Ｆａｓｔ Ｄｅｓｃｒｉｐｔｏｒ ｆｏｒ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ，”Ｅｕｒｏｐｅａｎ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ（ＥＣＣＶ），Ｍａｙ ２００６；Ｆｏｒｓｔｎｅｒ ａｎｄ Ｍｏｏｎｅｎ，”Ａ ｍｅｔｒｉｃ ｆｏｒ ｃｏｖａｒｉａｎｃｅ ｍａｔｒｉｃｓ，”Ｔｅｃｈｎｉｃａｌ Ｒｅｐｏｒｔ，Ｄｅｐｔ．ｏｆ Ｇｅｏｄｅｓｙ ａｎｄ Ｇｅｏｉｎｆｏｒｍａｔｉｃｓ，Ｓｔｕｔｔｇａｒｔ Ｕｎｉｖｅｒｓｉｔｙ（１９９９）に説明されている。

領域共分散を使用して、腔内画像内のステントまたは物体を検出するために、第１のステップは、物体、例えば、ステント、組織、またはガイドワイヤを含むことが既知の事前に定義された腔内画像の訓練セットを生成することである。特徴行列が、次いで、訓練セットの各事前に定義された腔内画像内のいくつかの特徴、例えば、画素場所のｘおよびｙ座標、各画素の強度、ならびにｘおよびｙ方向における画像の１階および２階微分値を使用して、訓練セットに対して生成されることができる。これらの特徴は、訓練セット内の各事前に定義された画像に対して算出される。訓練セットの事前に定義された画像は、ｍ×ｎの任意のサイズ画像であることができ、一側面では、ｍおよびｎは、腔内画像内のステントの幅および組織の深度より若干大きい寸法に対応し、訓練セットの全画像は、同一のサイズであるべきである。画像全体について領域共分散分析を行うことが可能であるが、ｍ×ｎ領域の使用は、管腔境界上に位置するステントおよび他の物体の標的検索を可能にする。例えば、ｍ×ｎ画像領域は、当技術分野において公知かつ前述の管腔境界を検出する任意の方法を使用して、入力腔内画像内で検出される管腔境界の周囲で作成されることができる。

事前に定義された腔内画像の各画素は、以下に列挙される式を使用して、特徴行列に変換される。

上式では、ｘおよびｙは、指数であり、Ｉは、強度である。ステント検出の目的のために、特徴式は、より多いまたはより少ない特徴を有するか、または追加の特徴データ、例えば、ＲＧＢカラー値の追加を含むように適合されることができる。訓練セット内の各入力腔内画像は、同じ（ｘ、ｙ）画素場所を有し、顕著ではないが、これらの座標は、画像毎に変動する他の特徴を相関させるために有用である。特徴行列が算出されると、各画像に対する特徴のセットに対する共分散行列が、以下の式を使用して算出されることができ、式中、ｚは、特徴を表し、ｕは、特徴サンプルの平均であり、Ｔは、転置演算子である。

前述のプロセスは、訓練セット内の各事前に定義された腔内画像に対して繰り返され、共分散行列は、未知の入力腔内画像の物体の検出中における後の使用のためにメモリ内に保存される。共分散行列は、物体の部分空間を表す。

入力腔内画像内の物体を検出するために、入力腔内画像は、訓練セットの事前に定義された画像と同一のｍ×ｎ領域に分解され、例えば、ステント場所を識別する。領域に対する入力腔内画像の共分散行列が、算出され、訓練セットの各共分散行列と比較される。共分散行列の比較は、共分散行列内の特徴点間の距離計算、すなわち、誤差計算を行うことを伴う。共分散行列間の距離を計算するための当技術分野において公知の任意の方法は、未知の入力腔内画像共分散行列と事前に定義された訓練セットの共分散行列との間の距離を計算するように使用または適合されることができる。例えば、Ｊ．Ｎ．Ｌ．Ｂｒｉｉｍｍｅｒ ａｎｄ Ｌ．Ｒ．Ｓｔｒｙｄｏｍ，”Ａｎ ｅｕｃｌｉｄｅａｎ ｄｉｓｔａｎｃｅ ｍｅａｓｕｒｅ ｂｅｔｗｅｅｎ ｃｏｖａｒｉａｎｃｅ ｍａｔｒｉｃｅｓ ｏｆ ｓｐｅｅｃｈｃｅｐｓｔｒａ ｆｏｒ ｔｅｘｔ−ｉｎｄｅｐｅｎｄｅｎｔ ｓｐｅａｋｅｒ ｒｅｃｏｇｎｉｔｉｏｎ，”ｉｎ Ｐｒｏｃ．１９９７ Ｓｏｕｔｈ Ａｆｒｉｃａｎ Ｓｙｍｐ．Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ａｎｄ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，１９９７，ｐｐ．１６７−１７２、 Ｗ．Ｆｏｒｓｔｎｅｒ ａｎｄ Ｂ．Ｍｏｏｎｅｎ，Ａ Ｍｅｔｒｉｃ ｆｏｒ Ｃｏｖａｒｉａｎｃｅ Ｍａｔｒｉｃｅｓ Ｄｅｐｔ．Ｇｅｏｄｅｓｙ ａｎｄ Ｇｅｏｉｎｆｏｒｍａｔｉｃｓ，Ｓｔｕｔｔｇａｒｔ Ｕｎｉｖ．，Ｓｔｕｔｔｇａｒｔ，Ｇｅｒｍａｎｙ，１９９９、ＯＴｕｚｅｌ，Ｆ．Ｐｏｒｉｋｌｉ，ａｎｄ Ｐ．Ｍｅｅｒ，”Ｒｅｇｉｏｎ ｃｏｖａｒｉａｎｃｅ：Ａ ｆａｓｔ ｄｅｓｃｒｉｐｔｏｒ ａｎｄ ｆｏｒ ｄｅｔｅｃｔｉｏｎ ａｎｄ ｃｌａｓｓｉｆｉｃａｔｉｏｎ，”ｉｎ Ｐｒｏｃ．Ｉｍａｇｅ ａｎｄ Ｖｉｓｉｏｎ Ｃｏｍｐｕｔｉｎｇ，Ａｕｃｋｌａｎｄ，Ｎｅｗ Ｚｅａｌａｎｄ，２００４を参照されたい。

閾値誤差が、訓練セットに対して決定され、入力腔内画像と訓練セット画像との間の距離が、物体の正検出を示すかどうかを決定するために使用されることができる。任意の方法が、閾値距離を作成するために使用されることができる。例えば、閾値距離は、訓練セット画像間の共分散距離を計算し、最大距離を閾値距離として選択するか、または平均値を閾値距離として計算することによって、求められることができる。

前述の実施形態のように、領域共分散アプローチはまた、２つ以上の物体に対する共分散行列を生成することによって、入力血管内画像内の１つ以上の物体を検出するために使用されることができる。例えば、事前に定義された画像の訓練セットが、組織およびステントに対して生成されることができ、特徴行列が、訓練セット内の各事前に定義された画像に対して算出されることができ、共分散行列が、各特徴行列から計算されることができる。入力腔内画像に対して計算された共分散行列は、次いで、ステントおよび組織共分散行列と比較される。入力腔内画像からの距離を最小限にする訓練セットは、入力腔内画像内の、訓練セットに対応する物体の正検出を示す。加えて、閾値誤差が、各物体に対して算出され、いずれの物体が血管内画像内に存在するかどうかを決定するために使用されることができる。

図２０は、領域共分散アプローチを使用して、Ａ−走査変換画像内で検出されたステント支柱を表示する。太線は、ステント検出を示す。前述の実施形態のように、後処理ステップは、ステントの場所を深度で識別し、誤検出を除去するように適用されることができる。

加えて、画像内の物体認識のために部分空間を利用する、当技術分野において公知の他のアルゴリズム画像処理技法も、腔内画像内のステントおよび他の物体を検出するために適合されることができる。種々の物体認識技法の簡潔な概要については、Ｂａｉｎ ａｎｄ Ｔａｏ，Ｃｈａｐｔｅｒ ３：”Ｆａｃｅ Ｓｕｂｓｐａｃｅ Ｌｅａｒｎｉｎｇ”，Ｈａｎｄｂｏｏｋ ｏｆ Ｆａｃｅ Ｒｅｃｏｇｎｉｔｉｏｎ，２０１１を参照されたい。例えば、フィッシャーの線形判別分析（ＦＬＤＡ）が、ステントを検出するために使用されることができる。線形判別分析は、主に、主成分分析の使用と比較して、分類または検出前に、より管理可能な数まで画素値等の特徴の数を低減させるために使用される。新しい寸法の各々は、テンプレートを形成する、画素値の線形組み合わせである。フィッシャーの線形判別を使用して取得された線形組み合わせは、線形分類子と呼ばれ、ステントを検出するために、入力腔内画像との比較において使用されることができる。

ある側面では、ＦＤＬＡは、他のアルゴリズム技法と組み合わせられ、その技法を使用した物体検出の正確度を改善することができる。例えば、ＦＤＬＡは、一般的平均基準および最大最小距離分析（ＭＭＤＡ）、弁別局所性整合分析（ＤＬＡ）、ならびに多様体弾性ネット（ＭＮＥ）と組み合わせられることができる。

腔内画像内のステントまたは物体を検出するために使用あるいは適合され得る、別の検出方法は、統計モデルベースの画像認識アルゴリズムの使用を含む。例えば、Ｆｅｌｚｅｎｓｚｗａｌｂ ａｎｄ Ｈｕｔｔｅｎｌｏｃｈｅｒ，”Ｐｉｃｔｏｒｉａｌ Ｓｔｒｕｃｔｕｒｅｓ ｆｏｒ Ｏｂｊｅｃｔ Ｒｅｃｏｇｎｉｔｉｏｎ，” Ｖｏｌｕｍｅ ６１，Ｎｕｍｂｅｒ １，５５−７９，ＤＯＩ：１０．１０２３／Ｂ：ＶＩＳＩ．０００００４２９３４．１５１５９．４９、Ａ．Ａ．Ａｍｉｎｉ，Ｔ．Ｅ．Ｗｅｙｍｏｕｔｈ，ａｎｄ Ｒ．Ｃ．Ｊａｉｎ．”Ｕｓｉｎｇ ｄｙｎａｍｉｃ ｐｒｏｇｒａｍｍｉｎｇ ｆｏｒ ｓｏｌｖｉｎｇ ｖａｒｉａｔｉｏｎａｌ ｐｒｏｂｌｅｍｓ ｉｎ ｖｉｓｉｏｎ，”ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｐａｔｔｅｒｎ Ａｎａｌｙｓｉｓ ａｎｄ Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ，１２（９）：８５５｛８６７，Ｓｅｐｔｅｍｂｅｒ １９９０、Ｍ．Ａ．Ｆｉｓｃｈｌｅｒ ａｎｄ Ｒ．Ａ．Ｅｌｓｃｈｌａｇｅｒ，”Ｔｈｅ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ａｎｄ ｍａｔｃｈｉｎｇ ｏｆ ｐｉｃｔｏｒｉａｌ ｓｔｒｕｃｔｕｒｅｓ，” ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｃｏｍｐｕｔｅｒ，２２（ｌ）：６７−９２，Ｊａｎｕａｒｙ １９７３を参照されたい。

本明細書で論じられる腔内画像内の物体を検出方法に関して、種々のコンピュータまたはプロセッサベースのシステムが、腔内画像からデータをコンパイルし、ＯＣＴプローブとインターフェースをとり、入力腔内画像を取得し、開示されるアルゴリズムを適用し、物体を検出し、検出された物体をＯＣＴシステムのユーザに表示するために好適である。本明細書に説明されるシステムおよびその使用方法は、全体的にハードウェア実施形態、全体的にソフトウェア実施形態、またはソフトウェアおよびハードウェア側面を組み合わせた実施形態の形態をとり得る。本明細書に説明されるシステムおよびその使用方法は、プロセッサまたは各デバイスがプロセスまたは方法の少なくとも一部を行うコンピューティングデバイスの任意の組み合わせを含む、コンピュータ等の任意のタイプのコンピューティングデバイスを使用して行われることができる。

いくつかの実施形態では、本発明のデバイスは、ＯＣＴ撮像システムを含み、ＯＣＴ撮像ハードウェアの動作を通して、３次元データセットを取得する。いくつかの実施形態では、本発明のデバイスは、ラップトップ、デスクトップ、またはタブレットコンピュータ等のコンピュータデバイスであり、ネットワークを使用したサーバ上のディスクドライブとして、または電子メール添付として、有形記憶媒体からそれを読み出すことによって、３次元データセットを取得する。

本発明の方法は、ソフトウェア、ハードウェア、ファームウェア、ハード配線、またはこれらのいずれかの組み合わせを使用して、行われることができる。機能を実装する特徴はまた、機能の一部が異なる物理的場所に実装されるように分散されることを含め、種々の位置に物理的に位置することができる（例えば、無線または有線接続を用いて、ある部屋に撮像装置および別の部屋または別個の建物にホストワークステーション等）。

いくつかの実施形態では、ユーザは、視覚インターフェースと相互作用し、撮像システムからの画像を視認する。ユーザからの入力（例えば、パラメータまたは選択）は、電子デバイス内のプロセッサによって受信される。選択は、可視表示の中でレンダリングされることができる。電子デバイスを含む例示的システムは、図２１に図示される。図２１に示されるように、撮像エンジン８５９は、ネットワーク４０９を経由して、ホストワークステーション４３３と、随意に、サーバ４１３と通信する。いくつかの実施形態では、オペレータは、コンピュータ４４９または端末４６７を使用して、システム４００を制御するか、または画像を受信する。画像は、モニタを含み得る、Ｉ／Ｏ４５４、４３７、または４７１を使用して表示され得る。任意のＩ／Ｏは、キーボード、マウス、またはタッチスクリーンを含み、プロセッサ４２１、４５９、４４１、または４７５のいずれかと通信し、例えば、データを任意の有形非一過性メモリ４６３、４４５、４７９、または４２９内に記憶させ得る。サーバ４１３は、概して、インターフェースモジュール４２５を含み、ネットワーク４０９を経由して、通信を可能にする、またはデータをデータファイル４１７に書き込む。

コンピュータプログラムの実行のために好適なプロセッサとして、一例として、汎用および特殊目的マイクロプロセッサの両方、ならびに任意の種類のデジタルコンピュータの任意の１つ以上のプロセッサが挙げられる。概して、プロセッサは、命令およびデータを読み取り専用メモリまたはランダムアクセスメモリまたは両方から受信するであろう。コンピュータの不可欠な要素は、命令を実行するためのプロセッサと、命令およびデータを記憶するための１つ以上のメモリデバイスである。概して、コンピュータはまた、データを記憶するための１つ以上の大容量記憶デバイス、例えば、磁気、光磁気ディスク、または光ディスクを含む、またはそこに動作可能に結合され、そこからデータを受信する、またはそこにデータを転送する、または両方を行うであろう。コンピュータプログラム命令およびデータを具現化するために好適な情報キャリアとして、一例として、半導体メモリデバイス（例えば、ＥＰＲＯＭ、ＥＥＰＲＯＭ、固体状態ドライブ（ＳＳＤ）、およびフラッシュメモリデバイス）、磁気ディスク（例えば、内部ハードディスクまたは可撤性ディスク）、光磁気ディスク、および光ディスク（例えば、ＣＤおよびＤＶＤディスク）を含む、あらゆる形態の不揮発性メモリが挙げられる。プロセッサおよびメモリは、特殊目的論理回路によって補完される、またはその中に組み込まれることができる。

ユーザとの相互作用を提供するために、本明細書に説明される主題は、Ｉ／Ｏデバイス、例えば、ＣＲＴ、ＬＣＤ、ＬＥＤ、または情報をユーザに表示するための投影デバイスおよびユーザが入力をコンピュータに提供し得る、キーボードおよびポインティングデバイス等の入力または出力デバイス（例えば、マウスまたはトラックボール）を有する、コンピュータ上に実装されることができる。他の種類のデバイスも同様に、ユーザとの相互作用を提供するために使用されることができる。例えば、ユーザに提供されるフィードバックは、感覚フィードバック（例えば、視覚フィードバック、聴覚フィードバック、または触覚フィードバック）の任意の形態であることができ、ユーザからの入力は、音響、発話、または触覚入力を含む、任意の形態で受信されることができる。

本明細書に説明される主題は、バックエンド構成要素（例えば、データサーバ４１３）、ミドルウェア構成要素（例えば、アプリケーションサーバ）、またはフロントエンド構成要素（例えば、それを通して、ユーザが本明細書に説明される主題の実装と相互作用することができる、グラフィカルユーザインターフェース４５４またはウェブブラウザを有する、クライアントコンピュータ４４９）、またはそのようなバックエンド、ミドルウェア、およびフロントエンド構成要素の任意の組み合わせを含む、コンピューティングシステム内に実装されることができる。システムの構成要素は、デジタルデータ通信、例えば、通信ネットワークの任意の形態または媒体によって、ネットワーク４０９を通して、相互接続されることができる。通信ネットワークの実施例として、セルネットワーク（例えば、３Ｇまたは４Ｇ）、ローカルエリアネットワーク（ＬＡＮ）、および広域ネットワーク（ＷＡＮ）、例えば、インターネットが挙げられる。

本明細書に説明される主題は、データ処理装置（例えば、プログラマブルプロセッサ、コンピュータ、または複数のコンピュータ）の動作によって実行するため、またはそれを制御するために、情報キャリア内（例えば、非一過性コンピュータ読み取り可能な媒体内）で有形具現化される、１つ以上のコンピュータプログラム等の１つ以上のコンピュータプログラム製品として実装されることができる。コンピュータプログラム（プログラム、ソフトウェア、ソフトウェアアプリケーション、アプリ、マクロ、またはコードとしても知られる）は、コンパイルまたは解釈言語（例えば、Ｃ、Ｃ＋＋、Ｐｅｒｌ）を含む、プログラミング言語の任意の形態で書き込まれることができ、独立型プログラムとして、またはモジュール、構成要素、サブルーチン、またはコンピューティング環境において使用するために好適な他のユニットとして含め、任意の形態で展開されることができる。本発明のシステムおよび方法は、限定ではないが、Ｃ、Ｃ＋＋、Ｐｅｒｌ、Ｊａｖａ（登録商標）、ＡｃｔｉｖｅＸ、ＨＴＭＬ５、Ｖｉｓｕａｌ Ｂａｓｉｃ、またはＪａｖａ（登録商標）Ｓｃｒｉｐｔを含む、当技術分野において公知の任意の好適なプログラミング言語で書き込まれた命令を含むことができる。

コンピュータプログラムは、必ずしも、ファイルに対応しない。プログラムは、他のプログラムまたはデータを当該プログラム専用の単一ファイルまたは複数の協調ファイル（例えば、１つ以上のモジュール、サブプログラム、またはコードの一部を記憶するファイル）内に保持する、ファイル４１７の一部内に記憶されることができる。コンピュータプログラムは、１カ所において、または複数箇所にわたって分散され、通信ネットワークによって相互接続される、１つのコンピュータまたは複数のコンピュータ上で実行されるように展開されることができる。

ファイルは、例えば、ハードドライブ、ＳＳＤ、ＣＤ、または他の有形非一過性媒体上に記憶されたデジタルファイルであることができる。ファイルは、ネットワーク４０９を経由して、１つのデバイスから別のデバイスに送信されることができる（例えば、ネットワークインターフェースカード、モデム、ワイヤレスカード、または類似物を通して、例えば、サーバからクライアントに送信されるパケットとして）。

本発明によるファイルの書き込みは、例えば、粒子を追加、除去、または並べ替えることによって、有形非一過性コンピュータ読み取り可能な媒体を（例えば、実効電荷または双極子モーメントとともに、読み取り／書き込みヘッドによって磁化パターンに）変換することを伴い、パターンは、次いで、ユーザによって所望され、かつユーザにとって有用である、客観的物理現象に対する情報の新しい配置を表す。いくつかの実施形態では、書き込みは、有形非一過性コンピュータ読み取り可能な媒体内の材料の物理的変換を伴う（例えば、光学読み取り／書き込みデバイスが、次いで、情報の新しくかつ有用な配置を読み取ることができるように、ある光学特性とともに、例えば、ＣＤ−ＲＯＭに焼く）。いくつかの実施形態では、ファイルの書き込みは、ＮＡＮＤフラッシュメモリデバイス等の物理的フラッシュメモリ装置を変換し、フローティングゲートトランジスタから作製されるメモリセルのアレイ内の物理的要素を変換することによって情報を記憶することを含む。ファイルの書き込み方法は、当技術分野において周知であって、例えば、手動でまたは自動的に、プログラムによって、あるいはソフトウェアからの保存コマンドまたはプログラミング言語からの書き込みコマンドによって、起動されることができる。

好適なコンピューティングデバイスは、典型的には、大容量メモリと、少なくとも１つのグラフィカルユーザインターフェースと、少なくとも１つの表示デバイスとを含み、典型的には、デバイス間の通信を含む。大容量メモリは、あるタイプのコンピュータ読み取り可能な媒体、すなわち、コンピュータ記憶媒体を例証する。コンピュータ記憶媒体は、コンピュータ可読命令、データ構造、プログラムモジュール、または他のデータ等の情報の記憶のための任意の方法または技術において実装される、揮発性、不揮発性、可撤性、および非可撤性媒体を含み得る。コンピュータ記憶媒体の実施例として、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリ、または他のメモリ技術、ＣＤ−ＲＯＭ、デジタル多用途ディスク（ＤＶＤ）または他の光学記憶、磁気カセット、磁気テープ、磁気ディスク記憶または他の磁気記憶デバイス、無線周波数識別タグまたはチップ、あるいは所望の情報を記憶するために使用されることができ、コンピューティングデバイスによってアクセスされることができる、任意の他の媒体が挙げられる。

図１４の各ブロックならびに本明細書に開示されるシステムおよび方法の任意の部分は、コンピュータプログラム命令によって実装されることができることを理解されるであろう。これらのプログラム命令は、プロセッサ上で実行する命令が、図１４に規定される、または本明細書に開示されるシステムおよび方法に関して説明される、アクションを実装するための手段を作成するように機械を生成するために、プロセッサに提供され得る。コンピュータプログラム命令は、プロセッサによって実行され、一連の動作ステップをプロセッサによって行わせ、コンピュータ実装プロセスを生成し得る。コンピュータプログラム命令はまた、動作ステップの少なくともいくつかを並行して行わせ得る。さらに、ステップのいくつかはまた、マルチプロセッサコンピュータシステム内で生じ得るように、２つ以上のプロセッサにわたって行われ得る。加えて、１つ以上のプロセスもまた、本発明の範囲または精神から逸脱することなく、他のプロセスと並行して、またはさらに図示されるものと異なるシーケンスにおいて行われ得る。
（参照による引用）
特許、特許出願、特許刊行物、雑誌、書籍、論文、ウェブ内容等の他の文書の参照および引用が、本開示全体を通して行われた。そのような文書は全て、あらゆる目的のために、参照することによって、全体として本明細書に組み込まれる。
（均等物）
本明細書に図示および説明されるものに加え、本発明の種々の修正およびその多くのさらなる実施形態が、本明細書に引用された科学および特許文献の参考文献を含む、本書の全内容から当業者に明白となるであろう。本明細書における主題は、その種々の実施形態およびその均等物において本発明の実践に適用され得る、重要な情報、例示、および指針を含む。

Claims (42)

1. 腔内画像内の物体を自動的に検出するためのシステムであって、前記システムは、
   プロセッサと、
   前記プロセッサに結合され、情報を記憶している記憶デバイスと
   を備え、前記情報は、
   物体を表示することが既知の事前に定義された腔内画像の訓練セットを取得することであって、各腔内画像は、特徴を備えている、ことと、
   前記訓練セットの各腔内画像内の特徴に対する共分散を決定することと、
   腔内入力画像内の特徴に対する共分散を決定することと、
   前記入力腔内画像の共分散を前記訓練セットの共分散と比較し、前記入力画像内の物体を検出することと
   を行うように前記プロセッサを構成する、システム。
2. 特徴は、画素のデカルト座標、各画素の強度、ｘおよびｙ方向における画像の１階および２階微分値から成る群から選択される、請求項１に記載のシステム。
3. 前記物体は、ステント、組織、またはガイドワイヤを含む、請求項１に記載のシステム。
4. 前記事前に定義された腔内画像および入力腔内画像は、１次元、２次元、または３次元である、請求項１に記載のシステム。
5. 前記事前に定義された腔内画像は、光コヒーレンス断層撮影システムおよび超音波撮像システムから成る群から選択される撮像システムから取得される、請求項１に記載のシステム。
6. 命令を表すソフトウェアコードを記憶するコンピュータ読み取り可能な媒体であって、前記命令は、コンピューティングシステムによって実行されると、前記コンピューティングシステムに血管内の物体を検出する方法を行わせ、前記方法は、
   物体を表示することが既知の事前に定義された腔内画像の訓練セットを生成することであって、各腔内画像は、特徴を備えている、ことと、
   前記訓練セットの各腔内画像内の特徴に対する共分散を算出することと、
   入力腔内画像内の前記物体を検出することと
   を含み、前記検出するステップは、
   前記腔内入力画像内の特徴に対する共分散を算出することと、
   前記入力腔内画像の共分散を前記訓練セットの共分散と比較し、前記入力画像内の前記物体を検出することと
   を含む、コンピュータ読み取り可能な媒体。
7. 特徴は、画素のデカルト座標、各画素の強度、ｘおよびｙ方向における画像の１階および２階微分値から成る群から選択される、請求項６に記載のコンピュータ読み取り可能な媒体。
8. 前記物体は、ステント、組織、またはガイドワイヤを含む、請求項６に記載のコンピュータ読み取り可能な媒体。
9. 前記事前に定義された腔内画像および入力腔内画像は、１次元、２次元、または３次元である、請求項６に記載のコンピュータ読み取り可能な媒体。
10. 前記事前に定義された腔内画像は、光コヒーレンス断層撮影システムおよび超音波撮像システムから成る群から選択される撮像システムから取得される、請求項６に記載のシステム。
11. 命令を表すソフトウェアコードを記憶するコンピュータ読み取り可能な媒体であって、前記命令は、コンピューティングシステムによって実行されると、前記コンピューティングシステムに腔内画像内の物体を検出する方法を行わせ、前記方法は、
    物体を表示することが既知の事前に定義された腔内画像のセットを生成することと、
    前記セットに対する主成分を算出し、前記物体に対する物体空間を作成することと、
    入力腔内画像を前記物体空間上に投影することと、
    前記入力腔内画像内の前記物体を検出することと
    を含む、コンピュータ読み取り可能な媒体。
12. 前記検出するステップは、前記入力腔内画像と前記物体空間との間の誤差を計算することをさらに含む、請求項１１に記載のコンピュータ読み取り可能な媒体。
13. 小さい誤差は、前記入力腔内画像内の前記物体の正検出を構成する、請求項１１に記載のコンピュータ読み取り可能な媒体。
14. 前記事前に定義された腔内画像および入力腔内画像は、１次元、２次元、または３次元である、請求項１１に記載のコンピュータ読み取り可能な媒体。
15. 前記物体は、組織、ステント支柱、またはガイドワイヤから成る群から選択される、請求項１１に記載のコンピュータ読み取り可能な媒体。
16. 前記入力腔内画像を後処理することをさらに含む、請求項１１に記載のコンピュータ読み取り可能な媒体。
17. 前記後処理するステップは、誤物体検出を除去し、前記物体検出をハイライトすることを含む、請求項１１に記載のコンピュータ読み取り可能な媒体。
18. 少なくとも１つの他の物体に対して前記生成するステップ、前記識別するステップ、および前記投影するステップを行うことと、
    前記入力腔内画像内の前記少なくとも１つの他の物体を検出することと
    をさらに含む、請求項１１に記載のコンピュータ読み取り可能な媒体。
19. 前記少なくとも１つの他の物体を検出するステップは、前記物体に対する前記入力腔内画像と前記物体空間との間の誤差と、前記少なくとも１つの他の物体に対する前記入力腔内画像と前記物体空間との間の誤差とを計算することをさらに含む、請求項１８に記載のコンピュータ読み取り可能な媒体。
20. さらに、より小さい誤差が、対応する物体に対する正検出を構成する、請求項１９に記載のコンピュータ読み取り可能な媒体。
21. 前記事前に定義された腔内画像および入力腔内画像は、１次元、２次元、または３次元である、請求項１８に記載のコンピュータ読み取り可能な媒体。
22. 前記物体は、組織、ステント支柱、またはガイドワイヤから成る群から選択される、請求項１８に記載のコンピュータ読み取り可能な媒体。
23. 前記入力腔内画像を後処理することをさらに含む、請求項１８に記載のコンピュータ読み取り可能な媒体。
24. 後処理することが、誤物体検出を除去し、前記物体検出をハイライトすることを含む、請求項１８に記載のコンピュータ読み取り可能な媒体。
25. 腔内画像内の物体を自動的に検出するためのシステムであって、
    中央処理ユニット（ＣＰＵ）と、
    前記ＣＰＵに結合され、情報を記憶している記憶デバイスと
    を備え、前記情報は、
    物体を表示することが既知の事前に定義された腔内画像のセットを生成することと、
    前記セットに対する主成分を算出し、前記物体に対する物体空間を作成することと、
    入力腔内データ画像を前記物体空間上に投影することと、
    前記入力腔内画像内の前記物体を検出することと
    を行うように前記ＣＰＵを構成する、システム。
26. 前記物体を検出することは、前記入力腔内画像と前記物体空間との間の誤差を計算することをさらに含む、請求項２５に記載のシステム。
27. 前記物体空間と比較して小さい誤差は、前記入力腔内画像内の前記物体の正検出を構成する、請求項２６に記載のシステム。
28. 前記事前に定義された腔内画像および入力腔内画像は、１次元、２次元、または３次元である、請求項２５に記載のシステム。
29. 前記物体は、組織、ステント支柱、またはガイドワイヤから成る群から選択される、請求項２５に記載のシステム。
30. 前記入力腔内画像を後処理することをさらに含む、請求項２５に記載のシステム。
31. 後処理することは、誤物体検出を除去し、前記物体検出をハイライトすることを含む、請求項３０に記載のシステム。
32. 少なくとも１つの他の物体に対して前記生成するステップ、前記識別するステップ、および前記投影するステップを行うことと、
    前記入力腔内画像内の前記少なくとも１つの他の物体を検出することと
    をさらに含む、請求項２５に記載のシステム。
33. 前記少なくとも１つの他の物体を検出することは、
    前記物体に対する前記入力腔内画像と前記物体空間との間の誤差と、前記少なくとも１つの他の物体に対する前記入力腔内画像と前記物体空間との間の誤差とを計算することをさらに含む、請求項３２に記載のシステム。
34. さらに、より小さい誤差が、対応する物体に対する正検出を構成する、請求項３３に記載のシステム。
35. 前記事前に定義された腔内画像および入力腔内画像は、１次元、２次元、または３次元である、請求項３２に記載のシステム。
36. 前記物体は、管腔境界、ステント支柱、またはガイドワイヤから成る群から選択される、請求項３２に記載のシステム。
37. 前記入力腔内画像を後処理することをさらに含む、請求項３２に記載のシステム。
38. 後処理することは、誤物体検出を除去し、前記物体検出をハイライトすることを含む、請求項３７に記載のシステム。
39. 腔内画像内の物体を検出する方法であって、前記方法は、
    物体を表示することが既知の事前に定義された腔内画像のセットを生成するステップと、
    前記セットに対する主成分を算出し、前記物体に対する物体空間を作成するステップと、
    入力腔内画像を前記物体空間上に投影するステップと、
    前記入力腔内画像内の物体を検出するステップと
    を含む、方法。
40. 前記入力腔内画像を処理することをさらに含む、請求項３９に記載の方法。
41. 前記処理するステップは、誤物体検出を除去し、前記物体検出をハイライトすることを含む、請求項４０に記載の方法。
42. 前記少なくとも１つの他の物体を検出するステップは、前記物体に対する前記入力腔内画像と前記物体空間との間の誤差と、前記少なくとも１つの他の物体に対する前記入力腔内画像と前記物体空間との間の誤差とを計算することをさらに含む、請求項３９に記載の方法。