JP2022513424A - 視神経乳頭の自動形状定量化の方法 - Google Patents

Abstract

本発明は、光コヒーレンストモグラフィーで取得した三次元画像データ（１）から視神経乳頭を自動形状定量する方法及びコンピュータプログラムに関し、ａ）網膜の三次元画像データ（１）、視神経乳頭の少なくとも一部を含む画像データを提供する工程（１００）であって、画像データは、関連するピクセル値を有するピクセルを含む、前記工程、ｂ）三次元画像データ（１）において、視神経乳頭の解剖学的部分を特定する工程（２００、３００）であって、解剖学的部分は、網膜色素上皮（ＲＰＥ）部分（３）及び内境界膜（ＩＬＭ）部分（２）を含む、前記工程、ｃ）網膜色素上皮部分（３）の下部境界についてのＲＰＥポリゴンメッシュ（３０）を決定する工程であって、ＲＰＥポリゴンメッシュ（３０）は、網膜色素上皮部分（３）の下部境界に沿って延びる、前記工程、ｄ）内境界膜部分（２）のＩＬＭポリゴンメッシュ（２０）を決定する工程であって、ＩＬＭポリゴンメッシュ（２０）は、内境界膜部分（２）に沿って延びる、前記工程、ｅ）ＲＰＥポリゴンメッシュ（３０）及びＩＬＭポリゴンメッシュ（２０）から視神経乳頭の形態学的パラメーター（１０）を決定する工程、ｆ）視神経乳頭の形態学的パラメータ（１０）及び／又はＲＰＥポリゴンメッシュ（３０）の少なくとも一部の表現及び／又はＩＬＭポリゴンメッシュ（２０）の少なくとも一部の表現を表示する工程、を含む。【選択図】図４

Description

本発明は、光コヒーレンストモグラフィーから取得された三次元画像データからの視神経乳頭の自動形状定量化のための方法及びコンピュータプログラムに関する。

視神経乳頭（ＯＮＨ）は、多くの神経変性及び自己免疫性炎症状態の影響を受ける。光コヒーレンストモグラフィーは、視神経乳頭の高解像度の三次元スキャンを取得できる。ただし、視神経乳頭の複雑な解剖学的構造及び病理学により、画像のセグメンテーションは困難な作業になる。

この課題は、例えばＵＳ２０１５／０１５７２０２Ａ１で対処されている。ＵＳ２０１５／０１５７２０２Ａ１は、変形した視神経乳頭のモデリングを可能にし、視神経乳頭の形状パラメータを生成することを可能にする、光コヒーレンストモグラフィーに基づく自動視神経乳頭記述の方法を教示している。

２つの膜が視神経乳頭領域を定義し、視神経乳頭を内眼及び外眼：内境界膜（ＩＬＭ）及びブルッフ膜（ＢＭ）に対して限定する。ＩＬＭは、眼の硝子体（硝子とも呼ばれる）を網膜組織から分離し、一方、ＢＭは、脈絡膜の最も内側の層、すなわち、眼の血管層である。ＢＭは、脈絡膜及び網膜色素上皮（ＲＰＥ）の間の膜である。ＢＭには、視神経が伸びて視神経乳頭を形成する開口部を有する。

ＩＬＭ、ＲＰＥをセグメント化し、及びＢＭの開口部を特定することは、視神経乳頭のイメージングバイオマーカーを計算するための重要な出発点を提供する。

当技術分野で知られている方法は、画像ベースの評価及びモデリング方法であり、すなわち、視神経乳頭の物理的特性のモデリング及び予測を可能にする視神経乳頭の解剖学的部分についての数学的記述は提供されていない。

米国特許出願公開第２０１５／０１５７２０２号

本発明の目的は、視神経乳頭の解剖学的特徴の物理的特性のモデリングを可能にする方法を提供することである。

本目的は、請求項１の特徴を有する方法及び請求項１４に記載のコンピュータプログラムによって達成される。
有利な実施形態は、下位請求項に記載されている。
以下において、例示的な実施形態の説明が、例及び図の説明によって与えられる。以下に示す。

本発明による方法の選択された処理工程を示すフロー図。 本発明による強調表示された処理工程を伴うＢスキャン。 モーションアーティファクトを有するＲＰＥ表面及び平滑化後の同じＲＰＥ表面。 ＲＰＥ及びＩＬＭポリゴンメッシュの表現並びにブルッフ膜の開口部を表すポイント。 ブルッフ膜の開口部及び、ブルッフ膜の開口部領域を囲むフィットした楕円を表す一式の点。 対応する面及び頂点を決定するための投影されたＩＬＭポリゴンメッシュを有するＲＰＥポリゴンメッシュ。 さまざまな形態学的パラメータの視覚的表現。 ブルッフ膜がＯＮＨの近くに見られるＯＮＨのＢスキャン。 さまざまな形態学的パラメータの表現。

請求項１によれば、光コヒーレンストモグラフィーで取得された三次元画像データからの視神経乳頭の自動形状定量化のための方法は、以下の工程を含む：
ａ）網膜の三次元画像データ（１）、視神経乳頭の少なくとも一部を含む画像データを提供する工程（１００）であって、画像データは、関連するピクセル値を有するピクセルを含む、前記工程、
ｂ）三次元画像データ（１）において、視神経乳頭の解剖学的部分を特定する工程（２００、３００）であって、解剖学的部分は、網膜色素上皮（ＲＰＥ）部分（３）及び内境界膜（ＩＬＭ）部分（２）を含む、前記工程、
ｃ）網膜色素上皮部分（３）の下部境界についてのＲＰＥポリゴンメッシュ（３０）を決定する工程であって、ＲＰＥポリゴンメッシュ（３０）は、網膜色素上皮部分（３）の下部境界に沿って延びる、前記工程、
ｄ）内境界膜部分（２）のＩＬＭポリゴンメッシュ（２０）を決定する工程であって、ＩＬＭポリゴンメッシュ（２０）は、内境界膜部分（２）に沿って延びる、前記工程、
ｅ）ＲＰＥポリゴンメッシュ（３０）及びＩＬＭポリゴンメッシュ（２０）から視神経乳頭の形態学的パラメーター（１０）を決定する工程、
ｆ）視神経乳頭の形態学的パラメータ（１０）及び／又はＲＰＥポリゴンメッシュ（３０）の少なくとも一部の表現及び／又はＩＬＭポリゴンメッシュ（２０）の少なくとも一部の表現を表示する工程。

光コヒーレンストモグラフィー（ＯＣＴ）法は、特に、Ａスキャン、Ｂスキャン、及びＣスキャンの形態で画像データを提供し、「Ａスキャン」という用語は、網膜に本質的に直交する方向に向けられた一次元線スキャンを指し、「Ｂスキャン」という用語は、特に横方向にシフトされたＡスキャンから再構成された二次元画像データを指し、「Ｃスキャン」という用語は、特に、複数のＢスキャンから再構成された三次元画像データを指す。

本明細書の文脈において、Ａスキャンに沿った方向は特にｚ軸と呼ばれ、ｘ軸及びｙ軸はユークリッド座標系でｚ軸に直交する方向に向けられる。

したがって、特にｚ軸は網膜組織から硝子体に向かって、特に眼の光軸に沿って延びる。

前記座標系に関して異なる方向に向けられた画像データ一式は、当業者によって知られているように、前記座標系と一致させることができる。

特に画像データのピクセルは、Ｃスキャンの最小の画像要素を表し、つまり、ピクセルはボクセルであり得る。

各ピクセルは、ピクセルの位置又はピクセルに含まれる特徴を決定できるように、二次元又は三次元の画像座標に関連付けることができる。

画像データは、二次元又は三次元画像として表すことができ、画像は特にグレースケール画像である。

特にピクセル値は、ピクセル値によって特に表される特定の数値の形でコード化された光コヒーレンストモグラフィー信号強度情報を運ぶ。

視神経乳頭は、典型的には、様々な解剖学的構造に囲まれており、前記解剖学的構造は、しばしば、画像データのｘ－ｙ平面に本質的に延びる層の形態を有する。これらの層は、視神経乳頭によって中断される。

したがって、特に網膜色素上皮層は視神経を取り囲んでいる。ブルッフ膜の開口部は、特に、視神経が網膜色素上皮を遮る境界、網膜色素上皮層及び視神経の間に位置する。

本発明によれば、網膜色素上皮（ＲＰＥ）部分は、画像データにおいて特定され、ＲＰＥ部分は、眼の網膜色素上皮の少なくとも一部を含む。

本発明の特に１つの目的は、ブルッフ膜に沿って延びるポリゴンメッシュを見つけることである。ただし、ブルッフ膜は通常、ＯＣＴ画像では別個の構造として視認されない又は認識されないため、ブルッフ膜開口部の近くの視神経乳頭領域に特有のブルッフ膜オーバーハングがない限り、代わりに、ＲＰＥの下部境界部分が特定される。ブルッフ膜はＲＰＥ部分の下部境界に隣接しており、比較的薄いため、ＲＰＥ部分の下部境界のポリゴンメッシュは、ブルッフ膜の位置及び延長を正確に表している。

ブルッフ膜が視認できる、又は識別できる部分、例えば、視神経乳頭領域に近い膜の張り出しにおいて、ＲＰＥポリゴンメッシュはブルッフ膜に沿って伸びている。

本明細書の文脈における「下部境界」という用語は、硝子体とは反対側を向くＲＰＥ部分の限界を指す。「下部境界」という用語は、特に硝子体とは反対側を向いているＲＰＥの表面を指す。対照的に、ＲＰＥ部分の上部境界は、硝子体に面するＲＰＥ膜の表面を指す。したがって、ＯＣＴ画像データのＲＰＥ部分から２つの境界を特定できる。ＲＰＥ膜は通常非常に薄く、ゆえにＯＣＴデータでは薄い層としてのみ表されるため、「下部」及び「上部」境界という用語は、特に膜の面を指す。

また、内境界膜（ＩＬＭ）部分は、内境界膜の少なくとも一部を含む画像データにおいて特定される。

「特定する」という用語は、特に、セグメンテーション、すなわち、特に、そこに画像化された問題の特徴を有するピクセルの抽出を指す。

ＯＣＴ画像データの解剖学的部分のセグメンテーションに関連する様々な方法がある。

網膜色素上皮（ＲＰＥ）部分及び内境界膜（ＩＬＭ）部分の下部境界の特定は、特にコンピュータ上で実行されるコンピュータプログラムによって、特に完全に自動化されて容易になる。

光コヒーレンストモグラフィー画像の信号対雑音比が比較的低いため、ＲＰＥ及びＩＬＭ部分の特定は、しばしばノイズの多いＲＰＥ及びＩＬＭ層につながる。

したがって、本発明の別の実施形態によれば、ＲＰＥ部分及び／又はＩＬＭ部分は、ＲＰＥポリゴンメッシュ及び／又はＩＬＭポリゴンメッシュがそれぞれの部分について決定される前にさらに処理される。

そのような処理は、例えば、それぞれの部分の平滑化、補間、及び／又は反復推定を含み、後者は、特に、それぞれの部分の外れ値を繰り返し除去することによる。

ＲＰＥ部分及びＩＬＭ部分が特定され、特にそれに応じて処理されると、ＲＰＥ部分の下部境界に対してＲＰＥポリゴンメッシュが決定され、ＩＬＭ部分に対してＩＬＭポリゴンメッシュが決定される。それぞれのポリゴンメッシュが達成され、ポリゴンメッシュは実質的にそれぞれの部分に沿ってそしてそれぞれの部分に延びる。

ＲＰＥポリゴンメッシュ及びＩＬＭポリゴンメッシュは、ＲＰＥ部分の下部境界、つまりそれぞれブルッフ膜及びＩＬＭ部分の複雑さの少ない表現を提供する。したがって、ＲＰＥポリゴンメッシュは基本的にＲＰＥ部分（及びしたがってブルッフ膜）の下部境界に適合するが、特にポリゴン面のサイズのオーダーのスケールで逸脱する可能性がある。同じことがＩＬＭ部分と対応するＩＬＭポリゴンメッシュにも当てはまる。

ＲＰＥ部分の下部境界のポリゴンメッシュ及びＩＬＭ部分のポリゴンメッシュにより、ＯＮＨの重要なプロパティの物理モデリングが可能になる。

ポリゴンメッシュは、三次元に広がる複雑な表面の近似を可能にし、この近似は、特にＲＰＥ部分又はＩＬＭ部分の下にある下部境界の簡略化された表現である。ポリゴンメッシュは、物理的特性及び特性の効率的な計算、及び視神経の物理的特性のシミュレーション又は推定を可能にする。

これは、視神経乳頭の形状を決定するだけの従来の画像ベースのセグメンテーション方法では不可能である。

特に、伝統的なの形態計測法は、解剖学的部分の体積、サイズ、長さなどの形状パラメータを決定し、２．５次元の表面、つまりＸＹグリッド上のグラフ関数をもたらす層のセグメンテーションに基づいている。対照的に、本発明は、ＩＬＭの三次元多様体表面及びＲＰＥ部分の下部境界を使用して、上記の指名された形状パラメータなどの形態学的パラメータを計算することができる。

別の実施形態によれば、ＲＰＥポリゴンメッシュ及びＩＬＭポリゴンメッシュの面及び／又は端は、例えば、ばね定数又は弾性モジュールなどの物理的特性が割り当てられる。

さらに、ＲＰＥポリゴンメッシュ及び／又はＩＬＭポリゴンメッシュ間の相互作用を確立して、視神経乳頭に作用する圧力又は変形力などの物理的特性を推定され得る。

計算は、例えば有限要素アプローチ法により、ポリゴンメッシュでより高速かつ効率的に実行され得る。

ポリゴンメッシュによるＲＰＥ部分及びＩＬＭ部分の近似は、そのような決定されたパラメータの高精度を維持しながら、形態学的パラメータのより効率的な計算を可能にする。

形態学的パラメータは、特に形状パラメータ、特に視神経乳頭の幾何学的及び／又は物理的特性に関連する形状パラメータである。

形態学的パラメータが形状パラメータである場合、前記形状パラメータは、例えば、視神経乳頭の形状に関連するサイズ、形状、又は別の特性に関連する。

形態学的パラメータの評価は、いくつかの神経変性疾患の診断の基礎となることが知られている。

少なくとも１つの形態学的パラメータは、特に、ＯＮＨの関心領域の形状、トポロジー、体積、又はサイズに関する情報を提供する。

形態学的パラメータ又はＲＰＥポリゴンメッシュ又はＩＬＭポリゴンメッシュの出力は、特に、少なくとも１つの形態学的パラメータ、ＲＰＥポリゴンメッシュ及び／又はＩＬＭポリゴンメッシュの特にグラフィカル表現の表示を伴う。

上記の実体の表示は、ディスプレイ又はビデオプロジェクターによって特に容易にされる。

ＲＰＥポリゴンメッシュ及びＩＬＭポリゴンメッシュからの形態学的パラメータの決定には、特に、形態学的パラメータに到達するために、それぞれのポリゴンメッシュの頂点、端、及び面の情報（位置及び方向など）を処理するコンピュータベースの操作を含む。コンピュータベースの処理には、特に、それぞれのポリゴンメッシュの有限要素解析が含まれる。

本発明の別の実施形態によれば、ＲＰＥポリゴンメッシュは、視神経の領域にわたって延びる。

本発明の別の実施形態によれば、ＲＰＥポリゴンメッシュ及びＩＬＭポリゴンメッシュはそれぞれ、頂点、面、及び特に端を含み、特にそれらからなり、ＩＬＭポリゴンメッシュの各面について、ＩＬＭポリゴンメッシュ及びＲＰＥポリゴンメッシュの間の対応が確立されるように、ＲＰＥポリゴンメッシュの対応する頂点が決定され、特に、ポリゴンメッシュは確立された対応に基づいて互いに相対的に整列される。

この実施形態は、ＲＰＥポリゴンメッシュ及びＩＬＭポリゴンメッシュの間の対応を確立することを可能にし、これは、傾斜スキャンに起因する画像データも処理することを可能にする。

この実施形態は、例えば、ＯＮＨ体積の正確な計算を可能にする。

特に、この実施形態は、そのようなＯＮＨ体積を計算するために四面体の使用を可能にする。

四面体の高さは、ＲＰＥ及びＩＬＭポリゴンメッシュの対応するポイントに依存するため、この対応を確立することが重要である。

ＲＰＥポリゴンメッシュは、ＩＬＭポリゴンメッシュとは異なる数の面と頂点を含み得る。

本発明の別の実施形態によれば、ＲＰＥポリゴンメッシュの頂点は、規則的なグリッド上に、特に互いに固定の距離で、より具体的には長方形のグリッド上に配置される。

本発明の別の実施形態によれば、ＲＰＥ頂点は、単一の平面、特にＡスキャン方向に直交する平面内、又は画像データのｘ－ｙ平面内に延びる。

ＲＰＥポリゴンメッシュが単一平面内に延びることは、例えば、ＩＬＭポリゴンメッシュ、画像データ、ＩＬＭ部分、ＲＰＥ部分、並びに／又はブルッフ膜及びブルッフ膜の開口部に特に適用される対応する投影又は変換によって達成され得る。

本発明の別の実施形態によれば、投影されたＩＬＭポリゴンメッシュは、ＲＰＥポリゴンメッシュ上のＩＬＭポリゴンメッシュの投影から、特にＲＰＥ－ポリゴンメッシュを構成する画像データのｘ－ｙ平面への投影によって生成される。

ＲＰＥポリゴンメッシュの頂点に対応するＩＬＭポリゴンメッシュの面、特にｘ－ｙ平面のＲＰＥポリゴンメッシュは、特に投影されたＩＬＭポリゴンメッシュを使用して決定される。

本発明の別の実施形態によれば、画像化されたブルッフ膜（ＢＭＯ）における開口部を有する三次元画像データのピクセルは、画像データにおいて自動的に特定され、ブルッフ膜開口部を含む特定されたピクセルから一式の点がブルッフ膜開口部を表すように生成され、特に点がブルッフ膜開口部領域を囲む。

特に、ＲＰＥ層が視神経乳頭によって中断されている各Ｂスキャンから、ブルッフ膜の開口部を表す２つのポイントが特定される。

ブルッフ膜の開口部は、網膜の解剖学的構造である。さらに、ブルッフ膜の開口部は、重要な形態学的パラメータを決定するために使用できる。

繰り返すが、ブルッフ膜は通常ＯＣＴ画像では視認できないため、ブルッフ膜開口部の近くの視神経乳頭領域に特有のブルッフ膜オーバーハングがない限り、特にＲＰＥ部分はブルッフ膜開口部を特定するために使用される。

本発明の別の実施形態によれば、ＲＰＥポリゴンメッシュは、特にブルッフ膜開口部上の複数の面、特にＲＰＥポリゴンメッシュがブルッフ膜開口部を制限する点一式によって囲まれる領域を覆うように、延びる及び／又は継続される。

本発明の別の実施形態によれば、楕円形、特に楕円又は円は、ブルッフ膜開口部を表す点に適合され、楕円形は、ブルッフ膜開口部領域を囲み、楕円形は、ブルッフ膜開口部領域に特に画像データのＡスキャン方向又は画像データのｘ－ｙ平面に直交して延びる平面によって構成される。

ブルッフ膜の開口領域は、楕円形で囲まれているが、体積セグメントが定義されるように、特に画像データのＡスキャン方向又はｚ軸に沿って伸びている。体積セグメントは、特にベース領域として楕円形を有する円筒形である。

ブルッフ膜の開口部を含む一式内の点は、三次元すべてに沿って、特にｚ軸又はＡスキャン方向に沿って異なる座標を持つことができるが、点一式への楕円の適合は単一の平面に伸びる楕円を生成する。

したがって、Ａスキャン方向又はｚ軸に沿った位置は、前記楕円を点一式に適合させるための最適化方法によって決定される。最適化方法は、例えば、適合した楕円までのポイントの距離の最小二乗最小化に基づくことができる。

楕円形は、ブルッフ膜の開口領域のノイズを除去し、その領域を単純かつ正確に表現する。楕円形、特に関連する体積セグメントは、解剖学的部分に関する関連情報を維持しながら、データのより複雑さを低減した処理及び形態学的パラメータの計算を可能にする。

さらに、本発明の別の実施形態によれば、ブルッフ膜開口部を表す調整された点一式が生成され、調整された点一式の点は楕円上に位置し、特に調整された一式の隣接する点は互いに同じ距離を有し、すなわちそれらは等距離に配置される。これにより、ブルッフ膜の開口部を表すポイントの規則的な間隔が可能になる。

本発明の別の実施形態によれば、楕円は、アフィン変換によって円に変換される。

したがって、特に円柱の形状を有する体積セグメントは、変換後に円形のベース領域を持つ。

この実施形態は、少なくとも１つの形態学的パラメータなどの後続のパラメータのさらに高速な計算を可能にする。

本発明の別の実施形態によれば、ＲＰＥポリゴンメッシュについて、中央ＲＰＥ領域が、ＩＬＭポリゴンメッシュについて中央ＩＬＭ領域が決定され、それぞれの中央領域は、それぞれのポリゴンメッシュへの楕円の投影に対応する領域に囲まれ、特に、投影は画像データのＡスキャン方向又はｚ軸に沿っている。

中央ＩＬＭ領域及び中央ＲＰＥ領域は、特に少なくとも１つの形態学的パラメータの決定のために使用される。

中央領域に由来する形態学的パラメータは、特にＯＮＨ形態の関連する変化に敏感であり、つまり、ブルッフ膜開口部によって区切られたＩＬＭ及びＲＰＥのそれぞれの中央領域に由来する形態学的パラメータは、視神経乳頭の形態の反射及び比較に適している。

これらの中央領域は、特に円筒形の体積セグメント内にある。これらの中央領域を特定すると、すべての計算、特に少なくとも１つの形態学的パラメータを決定するための計算は、画像データを参照することなく、又は画像データをさらに評価することなく、ポリゴンメッシュの中央領域で実行され得る。

本発明の別の実施形態によれば、視神経乳頭カップの体積が決定され、視神経乳頭カップの体積は、ＩＬＭポリゴンメッシュ及びＲＰＥポリゴンメッシュから計算され、視神経乳頭カップの体積は、特に補間されたＲＰＥポリゴンメッシュの下に伸びるＩＬＭポリゴンメッシュの部分によって囲まれた体積である。

視神経乳頭体積は、特にＩＬＭポリゴンメッシュの中央領域及びＲＰＥポリゴンメッシュの中央領域で構成されており、計算はそれぞれの中央領域に含まれるポリゴンに対して行行われ得、計算負荷が軽減される。

本明細書の文脈において、「ＲＰＥポリゴンメッシュの下」という用語は、ＲＰＥポリゴンメッシュよりも眼の硝子体からさらに離れて位置する領域、点、複数の点、及び／又は体積を指し、すなわち特に画像データのＢスキャンの画像下部境界に近い。

視神経乳頭カップ体積は形態学的パラメータである。

本発明の別の実施形態によれば、視神経乳頭カップ表面は、ＲＰＥポリゴンメッシュ及びＩＬＭポリゴンメッシュから計算され、視神経乳頭カップ表面は、ＲＰＥポリゴンメッシュの下に延びるＩＬＭポリゴンメッシュの部分に対応する。

視神経乳頭カップ表面は形態学的パラメータである。表面の輪郭は、医療関係者が視覚的に検査できるＯＮＨ異常に関する情報を提供できる。

本発明の別の実施形態によれば、曲げエネルギーは、ＩＬＭポリゴンメッシュからの内側制限膜部分について決定され、曲げエネルギーは、ＩＬＭポリゴンメッシュの曲率の大きさに対応し、特に、曲げエネルギーは、中央のＩＬＭ領域についてのみ決定される。

特にポリゴンメッシュについて、表面の曲率を決定するためのさまざまな手段がある。ポリゴンメッシュの面は曲率を示さないが、ポリゴンメッシュの全体的な形状はそのような曲率を示す可能性がある。

曲率の大きさに由来する曲げエネルギーは、曲率の大きさが小さい領域と比較して、曲率の大きさが大きい領域について特に大きい。

曲げエネルギーは、ＩＬＭポリゴンメッシュの複数の部分について局所的に決定され得、例えば、色分けされたＩＬＭポリゴンメッシュ又はＩＬＭの色分けされた中央領域が表示され得、色は曲げエネルギーに関する情報を提供する。

これにより、中央領域のＩＬＭの表面特性を迅速に分析し、容易に理解できる。

曲げエネルギーは特に形態学的パラメータである。

本発明の別の実施形態によれば、ＲＰＥポリゴンメッシュ及び／又はＩＬＭポリゴンメッシュは、三角形分割された表面であり、特に、ＩＬＭ三角形分割された表面の各面について、ＲＰＥ三角形分割された表面の対応する頂点が決定され、ＩＬＭ三角形分割表面及びＲＰＥ三角形分割表面が確立される。

三角形分割された表面は、さまざまな操作を実行でき、比較的簡単に計算できるポリゴンメッシュのクラスである。

本発明の別の実施形態によれば、網膜色素上皮部分の下部境界のＲＰＥポリゴンメッシュを決定する前に、ＲＰＥ部分は、特に薄板スプライン法によって平滑化され、ＲＰＥポリゴンメッシュは、平滑化された網膜色素上皮部分の下部境界について決定される。

本発明の別の実施形態によれば、網膜色素上皮部分の下部境界のＲＰＥポリゴンメッシュを決定する前に、ＲＰＥ部分は、特に薄板スプライン法によって、特にブルッフ膜開口領域について、補間され、ＲＰＥポリゴンメッシュは、補間された網膜色素上皮部分の下部境界に対して決定される。

補間されたＲＰＥポリゴンメッシュは視神経乳頭の体積又は表面の明確な上部境界を提供するため、この補間は、例えば視神経乳頭カップの体積及び表面の正確な決定を可能にする。

本発明の別の実施形態によれば、網膜色素上皮部分が平面になる変換が決定され、画像データ及び／又はＩＬＭポリゴンメッシュ、ＲＰＥポリゴンメッシュ、特にブルッフ膜開口部が同じ変換によって変換される。

画像データ及び関連するポリゴンメッシュを変換するこのプロセスは、体積フラット化とも呼ばれる。体積のフラット化により、後続の処理工程の計算の複雑さが軽減される。

本発明による問題は、請求項１４に記載のコンピュータプログラムによってさらに解決される。

「プロセッサ」又は「コンピュータ」又はそのシステムという用語は、本明細書では、メモリや通信ポートなどの追加要素で構成される可能性がある、汎用プロセッサ又はマイクロプロセッサ、ＲＩＳＣプロセッサ、又はＤＳＰなどの通常の当技術分野の文脈として使用される。任意に又は追加で、「プロセッサ」又は「コンピュータ」という用語又はその派生語は、提供又は組み込まれたプログラムを実行することができ、及び／又は、入力ポートや出力ポートなどデータ記憶装置及び／又は他の装置を制御及び／又はアクセスすることができる装置を示す。「プロセッサ」又は「コンピュータ」という用語は、接続されている、及び／又は連結されている、及び／又は他の方法で通信し、メモリなどの１つ以上の他のリソースを共有する可能性がある複数のプロセッサ又はコンピュータも示す。

本発明の別の態様によれば、本発明による方法は、患者の健康な眼を、特発性頭蓋内高血圧症（ＩＩＨ）、多発性硬化症（ＭＳ）及び／又は神経脊髄炎スペクラム障害（ＮＭＯＳＤ）などの自己免疫性中枢神経系障害、及び／又は視神経炎（ＯＮ）の病歴から、視神経を損傷して神経軸索変性を引き起こす炎症性視神経障害に罹患している患者の眼から区別するための診断補助として使用され得る。

本発明は、全自動３Ｄ、すなわち視神経乳頭（ＯＮＨ）領域の三次元形状分析に関する。いくつかの実施形態によれば、ＯＮＨを特徴付ける新規の三次元形状パラメータを計算し、ＯＮＨの様々な形状の異なる側面を説明するロバストで信頼性の高い三次元形態パラメータを提供することが可能である。

以下において、ＩＬＭ表面及びＲＰＥ表面の前処理、及びそれらの間の対応を含む、いくつかの三次元形態、特にＯＮＨの形状パラメータを計算する手順を示す。

図１は、フロー図を示しており、ＯＣＴ体積スキャンは方法の入力である。つまり、方法に提供される画像データ１００はＯＣＴ体積スキャンを含む。

次に、ブルッフ膜を表すＲＰＥ表面が、ブルッフ膜開口部（ＢＭＯ）点とともにセグメント化される２００。「ＲＰＥ表面」という用語は、ＲＰＥ部分の下部境界を表す「ＲＰＥポリゴンメッシュ」という用語と同じ意味で使用される。

本明細書の文脈では、ＲＰＥの下部境界はブルッフ膜層と同じであることに注意されたい。

後続の又は並行する工程において、本明細書の文脈ではＩＬＭポリゴンメッシュとも呼ばれるＩＬＭ表面は、画像データから決定される３００。

ＲＰＥポリゴンメッシュ、ＩＬＭポリゴンメッシュ、ブルッフ膜開口部で表されるこれら３つの解剖学的部分は、ＯＮＨの三次元形状を表すために使用され得、ＯＮＨのさらなる形状分析の入力として機能する。

ＩＬＭポリゴンメッシュの各面について、ＲＰＥポリゴンメッシュの対応する頂点と決定される４００。さらに、ＢＭＯ点で囲まれた領域によって、両方のポリゴンメッシュについての中央領域が決定され５００、少なくとも１つの形態パラメータが推定され、方法のユーザーに表示され得る。

ＩＬＭ及びＲＰＥ表面は、それぞれＭ _ｉｌｍ 及びＭ _ｒｐｅ として表され、ＢＭＯ点はＰで表される。この例では、ＩＬＭ及びＲＰＥ表面は、三角形分割された多様体表面、つまり特定のポリゴンメッシュであり、次のように頂点及び面（三角形）の一式で記載される：

ＩＬＭ表面及びＲＰＥ表面は、頂点の数及び三角形の数が異なり得る。ｎ _ｉｌｍ 及びｍ _ｉｌｍ は、ＩＬＭ表面の頂点及び面の数を表す。同様に、ｎ _ｒｐｅ 及びｍ _ｒｐｅ は、それぞれＶ _ｒｐｅ 及びＦ _ｒｐｅ のサイズを示す。ＢＭＯ点は次のように表される：

ｎ _ｐ はＢＭＯ点の数である。

ＯＮＨスキャンの体積スキャンは、視神経乳頭を１５°×１５°のスキャン角度及びＢスキャンあたり３８４Ａスキャンの解像度で焦点を合わせ、１４５Ｂスキャンのカスタムプロトコルを使用して、スペクトルドメインＯＣＴ（Ｈｅｉｄｅｌｂｅｒｇ Ｓｐｅｃｔｒａｌｉｓ ＳＤＯＣＴ、Ｈｅｉｄｅｌｂｅｒｇ Ｅｎｇｉｎｅｅｒｉｎｇ、ドイツ）で取得され得る。ｘ方向の空間分解能は約１２．６μｍ、軸方向の空間分解能は約３．９μｍ、２つのＢスキャン間の距離は約３３．５μｍである。

図２は、単一のＢスキャンを使用して例示されたブルッフ膜表面及びＢＭＯ点の検出を示している。図２（ａ）は、元の画像データの１つのＢスキャンを示している（灰色の矢印は血管及びそれらが生成するシャドウアーティファクトを示し、区切られた領域はＯＮＨディスクの一部である。図２（ｂ）は、平滑化及び強度正規化を適用した後の同じＢスキャンを示している。図２（ｃ）は、外れ値を削除した後の近似ＩＳＯＳジャンクション点（点線）を示している。計算の慣例として、この工程で検出された外れ値は、軸（ｚ）方向に座標が１と等しくなるように設定されている。図２（ｄ）は、ＲＰＥ部分の近似された上部境界、つまり上部境界ＲＰＥ点（点線）を使用した同じＢスキャンを示している。図２（ｅ）は、ＲＰＥ部分３０の平滑化及び補間された下部境界（点線）を使用した同じＢスキャンを示している。図２（ｆ）は、特定されたＢＭＯ点４０（白い点）を使用した同じＢスキャンを示している。血管が存在する場合でも、ＢＭＯ点４０は検出される。３８４ピクセルは約４４０２．８０μｍを表し、２２６ピクセルは約８８１．４０μｍを表す。

以下において、ブルッフ膜４４についてのＲＰＥポリゴンメッシュ３０を生成するための詳細な例を示す。

ＲＰＥの下部境界を決定する
ブルッフ膜４４は網膜の終末を表すため、形態計測計算における重要なパラメータである。この例によれば、ＲＰＥポリゴンメッシュ３０は、ブルッフ膜を表すように決定される。ブルッフ膜をセグメント化する１つの方法は、［１］で説明されている。ＯＣＴからの画像データで一般的に使用されるいくつかの前処理工程が実行される。Ｉ（ｑ_ｘｙ）をピクセルｑ_ｘｙの強度と考えたし。第１の工程において、ガウス平滑化フィルター（σ＝５ピクセル等方性、カーネルサイズ＝（１０μｍ×１４μｍ））が各Ｂスキャンに個別に適用される。ガウスフィルターによる平滑化は、ほとんどのＯＣＴデータに存在するスペックルノイズを低減するだけでなく、２つの最も高強度の層、つまり網膜神経線維層（ＲＮＦＬ）及びＲＰＥの近似も容易になる。

第２の工程において、画像データのさまざまな強度に対処するために、各スライスでコントラストの再スケーリング（Ｂスキャン）が実行される。コントラストの不均一性は、異なる照明の領域を持つＢスキャンの形で、又は非常に異なる強度範囲の同じ体積の複数のＢスキャンとして発生する可能性がある。具体的には、ヒストグラムベースの振幅正規化方法［２］を使用して、サンプリングされた列（Ａスキャン）が配置されているＢスキャンのヒストグラムで、最初の６６パーセンタイルを低カットオフとして使用し、９９パーセンタイルを高カットオフとして使用して、元の画像の信号をピクセル値［０；１］間で線形にマッピングする。

図２（ｂ）は、上記の手順に従って平滑化及び正規化された体積データのＢスキャンを示している。図２（ａ）は、元のグレー値を持つ同じＢスキャンを示している。

上部境界ＲＰＥ近似
ＲＰＥ部分３の上部境界を概算するために、最初にＩＬＭ部分２をセグメンテーション方法の上部境界として概算する。各Ａスキャンで、平滑化及び正規化された体積データの上部から最初のピクセル（つまり、硝子体５１が配置されている側（図２を参照））、Ｉ _ＳＮ が選択され、これは、Ａスキャンを含むＢスキャンの最大値の１／３よりも大きい値である。これにより、ＩＬＭ _ｉｎｉｔ で示されるＩＬＭの初期推定点の一式が提供される。次に、ＲＰＥの上部境界が概算される。最初に、画像導関数、Ｓｏｂｅｌカーネルを使用した各Ｂスキャン（垂直勾配）の∇Ｉ _ＳＮ が計算される。各Ａスキャンに沿って、ＩＬＭ _ｉｎｉｔ 一式から開始して、ＲＰＥの上部境界近似のいくつかの中間工程が実行される。内側及び外側セグメントの接合領域（ＩＳＯＳ）は、図２（ｃ）に示すように、点ｐの最初の一式を見つけることによって決定される。

一式ｐ_ｘｙから開始して、ＲＰＥの上部境界は概算される。

ＩＳ／ＯＳより下の点のみが考慮される。

この段階での入力は、各ＢスキャンのＲＰＥの上部境界に属する点のリストである。このリストは、ＲＰＥの上部境界に正しく配置された点の中に、特に血管によって投影された影の存在下、及び視神経乳頭の領域にあるいくつかの外れ値も含む。各Ｂスキャンの上部又は下部３分の１にある外れ値を除去するために、ＲＰＥの上部境界を反映する上部ＲＰＥ点からなる線の勾配が決定され得、上記の上部ＲＰＥ点の平均値は正しい上位ＲＰＥ点に属する可能性が最も高い座標から計算され得る。これらの座標は、外れ値間の勾配線の最大部分からのＲＰＥ境界点を表す（勾配内の外れ値は＞４０μｍとみなされる）。次に、最初のシード点が平均値に最も近いものとして検出される。このシードｑ _ｓｅｅｄ から開始して、外れ値はＲＰＥ _{ｕｐｐｅｒ} （||ｑ _ｓｅｅ －ｑ _ｎｅｗ ||＞７０μｍの点）から繰り返し削除される。同様に、Ｂスキャンの最後の３分の１からの外れ値が削除される。１つのＢスキャンの結果の点一式は、図２（ｄ）の白い点で示されている。ＲＰＥ _{ｕｐｐｅｒ} から削除された点は、ＯＮＨ領域及びＢＭＯ領域を概算する。ＩＬＭは非常に複雑なトポロジーを持つ可能性があるが、この領域には他の網膜層がないことに注意されたい。楕円をその輪郭に適合させることにより、除去されたＲＰＥ _{ｕｐｐｅｒ} 部からＯＮＨのマスクＡ _ＯＮＨ が作成される。

ＲＰＥ下部境界検出
ＲＰＥの下部境界は、ＲＰＥ _{ｌｏｗｅｒ} で示され、ブルッフ膜と同じである。ＲＰＥ _{ｕｐｐｅｒ} より下で最大の負の勾配があり、ＲＰＥ _{ｕｐｐｅｒ} に最も近い点がＲＰＥの下部境界として選択される（つまり、複数の最小点が同様の値を持つ場合、対応するＲＰＥ _{ｕｐｐｅｒ} までの距離が最小の点が選択される）。最大勾配値のみの使用は、各表面に沿ったスプリアス点の原因となる。

これらのエラーの修正は、高度な平滑化パラメータを持つ三次元平滑化スプラインを適用することによって行われる。血管が存在する場合、ＲＰＥの座標が欠落している大きな領域が発生する可能性があり、三次元スプラインが目的の滑らかな輪郭からの逸脱を示す可能性があることに注意されたい。

最後に、連続するＢスキャンでのモーションアーティファクトだけでなく、網膜の自然な曲率も考慮するために、効率的な２段階の薄板スプライン適合（ＴＰＳ）プロセスが実行され、これは［３］によって提案されたアプローチを改善し、［４］の研究で提示された直交スキャンを利用しない。最初に、ＴＰＳ最小二乗近似が実行される。使用される制御点の数は、各軸方向の寸法に沿った表面のサイズによって決まる。この段階では、スロースキャン方向にそれぞれ２５％、１５％に設定されており、制御点は各方向に均等に分散されている。これは、ＴＰＳを０．８５に設定された平滑化パラメータα（ｃ．ｆ．［５］）と組み合わせて、特に遅軸に沿ったモーションアーティファクトの影響を受けずに網膜の曲率を維持するより平滑化された表面を作成できる。特にα＝［０．７０；０．８５］の値は一貫した結果を提供する。ＴＰＳ表面の１０×１０グリッド点の局所において重複しない近傍の平均＋標準偏差として定義された元の表面の極端なグリッド点が削除される。次に、同様の実際のＴＰＳ適合が適用される。この第２の工程におけるパラメータの選択は、前の段階の外れ値が削除されているという事実に強く影響される。特に、グリッド点の場合、平滑化パラメータ０．４５で、低速スキャン方向において２０％、高速スキャン方向において１０％が使用される。α＝［０．３０；０．５０］で一貫した結果が得られた。戦略は、特に血管が存在するとき、又は近似されたＯＮＨ領域のすぐ近くでは、検出されたＲＰＥ _{ｌｏｗｅｒ} 点の位置に存在するアーティファクトを平滑化しながら、グリッド点のデータに近いＴＰＳを取得することである。両方の段階は、Ａ _ＯＮＨ を含めずにＲＰＥ _{ｌｏｗｅｒ} で実行される。図３（ａ）は、Ｂスキャンの中間方向に典型的なアーティファクトがある元のＲＰＥ表面を示している。これらは、元の表面の形状を維持しながら、ＴＰＳアプローチを適用した後に修正される。結果を図３（ｂ）に示す。

ＴＰＳを実行した後のＲＰＥ下部境界３、つまりブルッフ膜の結果を図２（ｅ）に示す。

ＩＬＭ表面も決定されると、ＲＰＥポリゴンメッシュ及びＩＬＭポリゴンメッシュの間の対応が確立される。さらなる分析について、これら２つの表面間の対応する点を見つける必要がある。このプロセスを以下に示す。ＩＬＭ表面の各面（ｆ _ｉ ∈Ｆ _ｉｌｍ ｜ｉ＝０、…、ｍ _ｉｌｍ －１）に対応するＲＰＥ表面の頂点が計算される。一般に、ここで関数グラフとして表されるＲＰＥ表面：Ｍ _ｒｐｅ ：Ｒ ^２ →Ｒは、ＩＬＭと比較して構造が複雑ではない。ＯＣＴスキャナーにおいては、Ａスキャンの数（ｘ方向）及びＢスキャンの数（ｙ方向）が固定されており、ＲＰＥグラフ関数のドメインとして通常のＸＹグリッドが作成される。したがって、ＲＰＥ表面の各頂点のインデックスは、ｘ線（垂直線）及びｙ線（水平線）の数と、それぞれε _ｘ 及びε _ｙ で表される両方向のサンプリングサイズを使用して計算できる。ｘ線及びｙ線の数は、次の式を使用して計算される：

ｘ _ｍａｘ 、ｘ _ｍｉｎ 、ｙ _ｍａｘ 、及びｙ _ｍｉｎ は、ｘ方向及びｙ方向のＲＰＥ表面の境界値である。各面ｆ _ｉ ∈Ｆ _ｉｌｍ について、ＸＹ平面上のＲＰＥ表面の頂点が計算され、これは、体積スキャンでの対応するＡスキャン及びＢスキャンの位置を概算する。ｃ _ｉ が面ｆ _ｉ の図心を表すと考えてみる。

ｘインデックス（ｉ _ｘ ）、ｙインデックス（ｉ _ｙ ）、及び頂点（ｉ）インデックスは、次の式を使用して、面ｆ _ｉ のＲＰＥ表面のｘ線及びｙ線を使用して計算される：

［…］は天井関数を表し、ｉはＲＰＥ表面の対応する頂点を表す。正確な計算のために、ＲＰＥ表面の頂点ｉの近傍が確認され、対応する頂点は次のように計算される。

Ω_ｉは頂点ｉの（ＸＹ平面での）３ｘ３の近傍を表す。

最後に、以下の一式を取得する。

これは、Ｆ _ｉｌｍ の各面に対応するＲＰＥ表面頂点の一式を表す。対応計算の視覚的表現は図６に示され、ＲＰＥの通常のＸＹグリッドが青で示され、投影されたＩＬＭの頂点及び端が赤で描かれている。

ＢＭＯ点の計算
ＢＭＯは、ブルッフ膜（ＢＭ）層、つまりＲＰＥの下部境界の終端であり、ＯＮＨ定量化のための安定したゼロ参照平面として機能する。したがって、ＢＭＯはＯＮＨ形態学的パラメータの検出における重要なパラメータである。ＢＭＯ検出における課題は、特に血管によって引き起こされる影、又はＢＭと同様の構造であるエルシング（Ｅｌｓｃｈｉｎｇ）５０の境界組織の存在下で、これらの点４０を正しく特定することである。ＢＭＯ点４０は、当該技術分野で知られているように、ＸＹ平面における二次元投影画像を使用せずに、三次元画像データ内で直接セグメント化される。

ＢＭＯを決定するために、画像データは平坦化される。この工程は、体積における選択された境界が平坦になるように、すべてのＡスキャンを変換することを指す。この例では、網膜は平滑化されたＲＰＥ _{ｌｏｗｅｒ} に整列されている。整列は、体積削減プロセスだけでなく他の組織からのＢＭＯの区別を容易にする。

大まかなＯＮＨ領域の終点であるＡ _ＯＮＨ は、ＢＭＯ点検出の開始点を提供する。各Ｂスキャンで、開始点は、次の条件を満たす場合、新しいＢＭＯ点候補で更新される。１）２ＤＭｏｒｌｅｔフィルター処理された画像において最小値がある、２）ｄ（ｐ _ｎｅｗ 、ｐ _{ＢＭＯ－ｓｅｅｄ} ）＜３０μｍ、及び３）エルシングの組織を含むことを避けるために、５ボクセルの隣接領域における曲率はほぼゼロである。１つのＢスキャンの左右の部分で検出されたＢＭＯ点がオーバーラップする場合、Ａ _ＯＮＨ によって以前に定義されたＢＭＯの開始領域又は終了領域がそれに応じて更新される。ペア（左及び右）で検出されたＢＭＯ点の例を図２（ｆ）に示す。

図５（ａ）に示すように、ＯＮＨの周囲の血管、ノイズ成分、及び三次元ＯＣＴスキャンパターンのために、ＢＭＯ点は不均一でノイズが多くなる。これらのアーティファクトを削除するために、楕円がＢＭＯ点に適合される。ＯＮＨ形状分析のもう１つの重要なパラメータは、ＢＭＯ点の中心である。これは、すべてのＢＭＯ点の重心として計算される。図５は、楕円の適合はノイズを除去するだけでなく、データ点を均一に増加もさせることを示している。

ＯＮＨ形状分析について、ＢＭＯ点は視神経乳頭のマージンを表すため、ＢＭＯ点の内側の領域は特に重要である。この領域をセグメント化するために、Ｒ ^２ におけるＢＭＯ点の楕円表現、つまり適合した楕円が、ＢＭＯ点の重心とともに使用される。

次に、両方の表面の中心のインデックスを次のように計算できる。

ＩＬＭ及びＲＰＥ表面のＢＭＯ領域を計算するために、楕円はアフィン変換を使用して円に変換される。

この変換により、ＢＭＯ領域の計算の複雑さが軽減され、特にコンピュータプログラムとして実装された場合に、方法の速度が向上する。ここで、ＢＭＯ点の円形表現を使用することにより、ＲＰＥ表面及びＩＬＭ表面の両方のＢＭＯ領域が次のように計算される。

それぞれの領域の計算は、ディスク成長法を使用して行われる。

画像データのこれらの処理工程により、ＩＬＭポリゴンメッシュの中央領域、ＲＰＥポリゴンメッシュの中央領域、及びＢＭＯ開口領域が決定される。

形態学的パラメータの決定１０
ＯＮＨカップ体積７
ＯＮＨカップは、図７（ａ）及び（ｂ）に示されるように、ＩＬＭ表面２０のセグメント、すなわちＩＬＭポリゴンメッシュ２０、特にＲＰＥ表面３０の下に延びる中央ＩＬＭ領域２５として定義される。カップはすべてのＯＮＨ体積スキャンに存在するわけではないことに注意されたい。例えば、膨張したＯＮＨの場合、ＩＬＭ表面は常にＲＰＥ表面より上にある。ＯＮＨカップの存在を検出するには、各面ｆ _ｉ ∈Ｆ _ｉｌｍ について、その図心ｃ _ｉ を計算する。上記のように、ＩＬＭの各面ｆ _ｉ は、ＲＰＥにおける対応する頂点ｖ _ｉ ∈Ｃがある。

同様に、以下のカップ領域を計算することができる。

Ω_ｃｕｐは、ＲＰＥ表面の下にあるＩＬＭの面（三角形）で構成される。図７（ｂ）からわかるように、カップ領域も適切な面の法線方向を持つ多様体表面である。カップの体積を正確に計算するために、領域の各三角形の面の法線情報を使用できる。

カップの体積は、次の式を使用して計算される。

Ａ _ｉ は三角形の面積を表し、これは、ＩＬＭ表面の面ｆ _ｉ をＸＹ平面に投影したものであり、ｈ _ｉ はＲＰＥ表面に対する高さである。これらの変数は次のように定義される。

２つの端間の外積は、対応する面の方向を処理し、複雑なトポロジー領域でも正確な体積計算を可能にする。

中央ＯＮＨ厚さ（ＣＯＮＨＴ）：
ＣＯＮＨＴは、図７（ｃ）に示すように、ＩＬＭの中心及びＲＰＥの表面の間の高さの差として定義される。

ＢＭＯ領域体積：
ＢＭＯ領域体積は、セグメント化されたＩＬＭ及びＲＰＥ表面を使用して計算される。カップ体積はＢＭＯ領域体積から分離されているため、カップ体積が存在する場合は含まれない。次に、ＢＭＯ領域の体積は次のように計算できる。

ＯＮＨカップ体積と同様に、ＢＭＯ領域体積は、同様の式を使用して決定される。

Ａ _ｉ は、一式Ω_ｂｍｏに属する面ｆ _ｉ の面積である。

同様に、ｈ _ｉ もＲＰＥ表面の対応する頂点を使用して計算される。

ＯＮＨ総体積：
ＯＮＨカップ及びＢＭＯ領域体積と同様に、ＯＮＨ総体積もＩＬＭ及びＲＰＥ表面を使用して計算される。図９（ａ）に示すように、総体積は、ＩＬＭ表面及びＲＰＥ表面のそれぞれｖ _ｉｌｍｃ 及びｖ _ｒｐｅｃ を中心とする半径１．５ｍｍの円形領域から計算される。ＩＬＭ及びＲＰＥ表面の円形領域は、次の方程式を使用して計算される。

次に、総体積領域Ω_ｔｖが以下を使用して計算される：

図９（ｂ）に示すように、ＩＬＭ表面の総体積領域をΩ_ｔｖで表す。これは、総体積の計算にさらに使用される。

Ａ _ｉ は面ｆ _ｉ ∈Ω_ｔｖの面積、ｈ _ｉ はＲＰＥ表面の頂点に対応する高さｗ．ｒ．ｔである。

ＯＮＨ環状領域体積：
ＯＮＨ環状領域は、ＯＮＨ外側領域を表し、図９（ｃ）を参照されたい。ＩＬＭ表面では、この領域は次の方程式を使用して計算される。

Ω_ａｖは、ＯＮＨの環状領域に属するすべてのＩＬＭ表面面で構成される。環状領域の体積は、ＩＬＭ及びＲＰＥの表面の対応を使用して計算される。

環状領域体積は、さまざまなコホートでＯＮＨ体積の外側領域の変化を確認するのに役立つ。

曲げエネルギー６：
ＢＭＯ領域内のＩＬＭ表面の粗さは重要なパラメータであり、一般にマニホールド表面の曲げエネルギーとして知られている。曲げエネルギーは、曲率の観点で表面の公平性を測定する。一般に、ＩＬＭ表面の外側の領域は、非常に複雑なトポロジー構造を持つＢＭＯの内側の領域とは異なり、非常に滑らかで平坦である。本明細書では、要素ベースの法線投票テンソル（ＥＮＶＴ）を使用してＢＭＯ領域内の曲げエネルギーを定義する。ＥＮＶＴは方向情報（面法線）を利用して、各面ｆ _ｉ ∈Ω_ｂｍｏで形状解析演算子を計算し、及び以下で定義される：

ａ _ｊ という用語は、面ｆ _ｉ の面積である。ＩＬＭ表面の不規則なサンプリングに対するロバスト性を保証するために、上記の式は、対応する面積ａ _ｊ によって重み付けされる。ＥＮＶＴ、Ｍ_ｉは対称で正の半定値行列であるため、スペクトル成分に分解できる。

対応する固有ベクトルはｅ_ｋで表される。

これらの固有値の異方性特性を使用して、次の式を使用してＢＭＯ領域内の曲げエネルギーを定義する。

図７（ｄ）は、曲げエネルギーに基づいてＢＭＯ領域の各面がどのように色付けされるかを示している。色は白（平らな領域）から暗い（シャープな特徴）まで増減される。

ＢＭＯ－ＭＲＷ：
ＢＭＯ－ＭＲＷは、有効な代替構造手段として［６］によって提案されている。ＢＭＯ点及びＩＬＭ表面間の最小距離を計算する。ａｖｇ _ｍｒｗ で表される平均ＢＭＯ－ＭＲＷは、次のように計算される。

ＢＭＯ－ＭＲＷ表面積：
ＢＭＯ－ＭＲＷ表面積ＢＭＯ－ＭＲＡは、すべてのＢＭＯ－ＭＲＷによって定義された領域全体を取得することによって計算される。楕円に適合したＢＭＯ点Ｐ _２Ｄ 及びＰからのｚ座標が組み合わされ、次のように表される。

クワッド表面は、点一式Ｐ _ｅ 及びＰ _ｍｒｗ を使用して、両方の点一式の対応する頂点間に端を導入し、隣接する点を接続することによって作成される。ＭＲＤ表面のクワッド要素の数は、各点一式の点の数に等しく、Ｑ＝｛ｑ _ｉ │ｉ＝０、…、ｎ _ｐ －１｝として表される。ＭＲＷ－ＭＲＡは次のように計算される。

ａ _ｑｉ はクワッドｑ _ｉ の面積を表す。

ＢＭＯ面積：
図５に示すように、ＢＭＯ面積（ＢＭＯＡ）は、ＢＭＯ点にフィットした楕円の下の領域を表し、円錐曲線を使用して計算される。

ｒ_１及びｒ_２は、近似された楕円の長軸及び短軸である。

実験及び結果
本発明による方法を評価するために、反復測定信頼性試験を実施し、健康な対象のＯＮＨ形状を調査し、ＯＮＨに腫れ及び萎縮の形で影響を与えることが知られている疾患を有する患者における違いを方法が検出できるかどうかを決定するために試験した。

反復測定の信頼性を推定するために、１０人の健康な対象から各眼を３回反復スキャンした。これらの対象は、それぞれ１週間の時間枠内で測定され、次の週に再度測定された。表１に、再現性の結果を示す。本発明による方法は、提示されたすべてのパラメータで高いスコアを示し、ＣＯＮＨＴについて０．９０５の最も低いクラス内相関係数（ＩＣＣ）、Ｖｃｕｐについて最高の０．９９８である。ＩＣＣ及び信頼区間は、一元配置分散分析からの分散成分を使用して推定された。

本発明による方法はまた、同じデバイスの他のいくつかのスキャンプロトコル（７３個のＢスキャン、１５°×１５°のスキャン角度、及びＢスキャンあたり３８４個のＡスキャンの解像度を備えたＯＮＨキューブ、ｘ方向空間分解能は約１２．６μｍ、軸方向は約３．９μｍ、２つのＢスキャン間の距離は約６１μｍ、２４個のＢスキャン、１５°×１５°のスキャン角度、Ｂスキャン７６８個のＡスキャン解像度を備えたＮＨスタースキャン、ｘ方向空間分解能は約５．３６μｍ、軸方向は約３．９μｍ）、及び、２００×２００×１０２４ボクセルで６×６×２ｍｍ^３の領域をカバーするＣｉｒｒｕｓＨＤＯＣＴ（Ｃａｒｌ Ｚｅｉｓｓ Ｍｅｄｉｔｅｃ、ダブリン、カリフォルニア州）を使用して取得された体積ＯＮＨ中心プロトコルで試験され、良好な結果が得られた。

ＢＭＯ検出が検証され、及びＲＰＥセグメンテーションが確認された。再現性テストで使用されたものから５つのスキャンが無作為に選択された。経験豊富な採点者が手動でＢＭＯ点を選択した。これにより、自動的に検出された数に対応する手動で選択されたＢＭＯ点を使用した合計４８８回のＢスキャンがもたらされた。

表１：３Ｄパラメータの再現性テスト。略語：ＩＣＣ－クラス内相関係数、ＬＣＩ－９５％信頼区間の下限及びＵＣＩ－９５％信頼区間の上限。

さらに、ｘ軸だけで得なく軸方向（ｚ軸）の平均符号付きエラー及び符号なしエラーを比較した。自動化された方法で視神経乳頭の中心に近いＢＭＯが特定された場合、ｘ方向の距離の符号は正であった。同様に、自動ＢＭＯが手動ＢＭＯの下にある場合、ｚ方向の距離の符号は正であった。結果を表２に示す。

表２：自動（提案）セグメンテーション及び手動セグメンテーションの間のｘ軸、及びｚ軸のピクセル及びμｍでの平均符号なし及び符号付きエラー。

臨床評価
このセクションにおいて、２４８個のＯＣＴスキャンについての本発明による方法の結果が、３つのグループ、７１個の健康な対照眼（ＨＣ）、特発性頭蓋内高血圧症（ＩＩＨ）に罹患している患者の３１の眼から提示される。ＯＮＨ（鬱血乳頭）。また、自己免疫性中枢神経系障害（多発性硬化症（ＭＳ）及び神経脊髄炎スペクトラム障害（ＮＭＯＳＤ））及び視神経を損傷して神経軸索変性を引き起こす炎症性視神経障害である視神経炎（ＯＮ）の病歴を有する患者の１４６個の眼も含めた。

ＩＩＨ患者において、ＯＮＨ量が増加し、脳脊髄液（ＣＳＦ）圧と相関することが示された。縦断的分析により、ＯＣＴによって測定されたＯＮＨ量は、最初の腰椎穿後刺及びアセタゾラミド治療の開始後に減少したことが明らかになった。さらに、ＯＮＨ量の増加は、ＩＩＨ患者の視力低下と関連しており、パラメータの潜在的な臨床的関連性を示した。

ＯＮは、いずれかの脱髄事象の既往歴のない、ＭＳの最も一般的な初期臨床症状の１つである。病気の経過中、急性ＯＮはＭＳ患者の５０％、７０％に影響を及ぼす。ＯＮの急性期における浮腫による最初の腫れの後、網膜神経線維層（ＲＮＦＬ）の厚さは次の６か月で減少した。視神経炎（ＯＮ）は、５５％の患者で最初のＮＭＯＳＤ関連の臨床事象であり、視神経及び網膜に深刻な構造的損傷を引き起こし、その結果、機能障害を引き起こす。ＮＭＯＳＤにおけるＯＮの再発は、ｐＲＮＦＬを大幅に薄し、神経節細胞層及び内網状層（ＧＣＩＰ）の組み合わせを引き起こす。

表３に提示された結果は、本発明による方法が首尾よく差異を捕捉することを実証している。群間の違いを示さない唯一のパラメータは、曲げエネルギー、Ｅｂである。ＩＩＨの影響を受けた眼において、ＢＭＯ内のＯＮＨ形状がより滑らかな凸形状になると予想されていたが、データは依然として非常に不均一である。したがって、曲げエネルギーは、データのこの極端な変動を反映している。

特にＢＭＯ内では、１つのＯＮＨから別のＯＮＨへのトポロジーが非常に異なる場合がある。

表３：ＨＣ及び患者群に対して定義されたすべての３Ｄパラメータの分析。最後の列は、２つのグループ間のＧＥＥ分析を示している。略語：ＨＣ－健康な対照、ＳＤ－標準偏差、最小－最小値、最大－最大値、ＧＥＥ－眼間／対象内依存性を考慮した一般化推定方程式モデル分析、ｐ－ｐ値。

図８では、ＯＣＴスキャンでブルッフ膜がどの領域に見られるかが例示されている。視神経乳頭の近くで、ＲＰＥ部分３が終了し、ＲＰＥ３の続きとしてブルッフ膜４４（白いバーで下線が引かれている）が視認できる。ブルッフ膜４４の終点で、ブルッフ膜開口部４３が本発明による方法によっても特定することができることが視認できる。

さらに、エルシング５０の境界組織もこのＯＣＴスキャンで視認できる。硝子体５１もこのＯＣＴスキャンで示される。

実行のためにコンピュータに実装できる提案された方法で、いくつかの形態学的パラメータ、特に視神経乳頭を特徴付ける新しい形態学的パラメータを提供する曲げエネルギーを効率的かつ正確に決定することが可能である。

参照
［１］Ｅ．Ｍ．Ｋａｄａｓ，Ｆ．Ｋａｕｆｈｏｌｄ，Ｃ．Ｓｃｈｕｌｚ，ｅｔ ａｌ．，３Ｄ Ｏｐｔｉｃ Ｎｅｒｖｅ Ｈｅａｄ Ｓｅｇｍｅｎｔａｔｉｏｎ ｉｎ Ｉｄｉｏｐａｔｈｉｃ Ｉｎｔｒａｃｒａｎｉａｌ Ｈｙｐｅｒｔｅｎｓｉｏｎ，２６２－２６７．Ｓｐｒｉｎｇｅｒ Ｂｅｒｌｉｎ Ｈｅｉｄｅｌｂｅｒｇ，Ｂｅｒｌｉｎ，Ｈｅｉｄｅｌｂｅｒｇ（２０１２）．
［２］Ｃ．－Ｌ．Ｃｈｅｎ，Ｈ．Ｉｓｈｉｋａｗａ，Ｇ．Ｗｏｌｌｓｔｅｉｎ，ｅｔ ａｌ．，“Ｉｎｄｉｖｉｄｕａｌ ａ－ｓｃａｎ ｓｉｇｎａｌ ｎｏｒｍａｌｉｚａｔｉｏｎ ｂｅｔｗｅｅｎ ｔｗｏ ｓｐｅｃｔｒａｌ ｄｏｍａｉｎ ｏｐｔｉｃａｌ ｃｏｈｅｒｅｎｃｅ ｔｏｍｏｇｒａｐｈｙ ｄｅｖｉｃｅｓ，”Ｉｎｖｅｓｔｉｇａｔｉｖｅ Ｏｐｈｔｈａｌｍｏｌｏｇｙ＆Ｖｉｓｕａｌ Ｓｃｉｅｎｃｅ５４（５），３４６３－３４７１（２０１３）．
［３］Ｍ．Ｋ．Ｇａｒｖｉｎ，Ｍ．Ｄ．Ａｂｒａｍｏｆｆ，Ｒ．Ｋａｒｄｏｎ，ｅｔ ａｌ．，“Ｉｎｔｒａｒｅｔｉｎａｌ ｌａｙｅｒ ｓｅｇｍｅｎｔａｔｉｏｎ ｏｆ ｍａｃｕｌａｒ ｏｐｔｉｃａｌ ｃｏｈｅｒｅｎｃｅ ｔｏｍｏｇｒａｐｈｙ ｉｍａｇｅｓ ｕｓｉｎｇ ｏｐｔｉｍａｌ ３ｄ ｇｒａｐｈ ｓｅａｒｃｈ，”ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｍｅｄｉｃａｌ Ｉｍａｇｉｎｇ２７，１４９５－１５０５（２００８）．
［４］Ｂ．Ｊ．Ａｎｔｏｎｙ，Ａ Ｃｏｍｂｉｎｅｄ Ｍａｃｈｉｎｅ－ｌｅａｒｎｉｎｇ ａｎｄ Ｇｒａｐｈ－ｂａｓｅｄ Ｆｒａｍｅｗｏｒｋ ｆｏｒ ｔｈｅ ３－ｄ Ａｕｔｏｍａｔｅｄ Ｓｅｇｍｅｎｔａｔｉｏｎ ｏｆ Ｒｅｔｉｎａｌ Ｓｔｒｕｃｔｕｒｅｓ ｉｎ Ｓｄ－ｏｃｔ Ｉｍａｇｅｓ．ＰｈＤ ｔｈｅｓｉｓ，Ｉｏｗａ Ｃｉｔｙ，ＩＡ，ＵＳＡ（２０１３）．ＡＡＩ３６０８１７７．
［５］Ｋ．Ｒｏｈｒ，Ｈ．Ｓ．Ｓｔｉｅｈｌ，Ｒ．Ｓｐｒｅｎｇｅｌ，ｅｔ ａｌ．，Ｐｏｉｎｔ－ｂａｓｅｄ ｅｌａｓｔｉｃ ｒｅｇｉｓｔｒａｔｉｏｎ ｏｆ ｍｅｄｉｃａｌ ｉｍａｇｅ ｄａｔａ ｕｓｉｎｇ ａｐｐｒｏｘｉｍａｔｉｎｇ ｔｈｉｎ－ｐｌａｔｅ ｓｐｌｉｎｅｓ，２９７－３０６．Ｓｐｒｉｎｇｅｒ Ｂｅｒｌｉｎ Ｈｅｉｄｅｌｂｅｒｇ，Ｂｅｒｌｉｎ，Ｈｅｉｄｅｌｂｅｒｇ（１９９６）．
［６］Ａ．Ｓ．Ｃ．Ｒｅｉｓ，Ｎ．Ｏ’Ｌｅａｒｙ，Ｈ．Ｙａｎｇ，ｅｔ ａｌ．，“Ｉｎｆｌｕｅｎｃｅ ｏｆ ｃｌｉｎｉｃａｌｌｙ ｉｎｖｉｓｉｂｌｅ，ｂｕｔ ｏｐｔｉｃａｌ ｃｏｈｅｒｅｎｃｅ ｔｏｍｏｇｒａｐｈｙ ｄｅｔｅｃｔｅｄ，ｏｐｔｉｃ ｄｉｓｃ ｍａｒｇｉｎ ａｎａｔｏｍｙ ｏｎ ｎｅｕｒｏｒｅｔｉｎａｌ ｒｉｍ ｅｖａｌｕａｔｉｏｎ，”Ｉｎｖｅｓｔｉｇａｔｉｖｅ Ｏｐｈｔｈａｌｍｏｌｏｇｙ＆Ｖｉｓｕａｌ Ｓｃｉｅｎｃｅ ５３（４），１８５２－１８６０（２０１２）．

Claims (14)

1. 光コヒーレンストモグラフィーで取得した三次元画像データ（１）から視神経乳頭を自動形状定量する方法であって、
   ａ）網膜の三次元画像データ（１）、視神経乳頭の少なくとも一部を含む画像データを提供する工程（１００）であって、画像データは、関連するピクセル値を有するピクセルを含む、前記工程、
   ｂ）三次元画像データ（１）において、視神経乳頭の解剖学的部分を特定する工程（２００、３００）であって、解剖学的部分は、網膜色素上皮（ＲＰＥ）部分（３）及び内境界膜（ＩＬＭ）部分（２）を含む、前記工程、
   ｃ）網膜色素上皮部分（３）の下部境界についてのＲＰＥポリゴンメッシュ（３０）を決定する工程であって、ＲＰＥポリゴンメッシュ（３０）は、網膜色素上皮部分（３）の下部境界に沿って延びる、前記工程、
   ｄ）内境界膜部分（２）のＩＬＭポリゴンメッシュ（２０）を決定する工程であって、ＩＬＭポリゴンメッシュ（２０）は、内境界膜部分（２）に沿って延びる、前記工程、
   ｅ）ＲＰＥポリゴンメッシュ（３０）及びＩＬＭポリゴンメッシュ（２０）から視神経乳頭の形態学的パラメーター（１０）を決定する工程、
   ｆ）視神経乳頭の形態学的パラメータ（１０）及び／又はＲＰＥポリゴンメッシュ（３０）の少なくとも一部の表現及び／又はＩＬＭポリゴンメッシュ（２０）の少なくとも一部の表現を表示する工程、
   を含む、前記方法。
2. ＲＰＥポリゴンメッシュ（３０）及びＩＬＭポリゴンメッシュ（２０）は、それぞれ、頂点及び面（２２、３２）、及び特に端（２３、３３）を含み、ＩＬＭポリゴンメッシュ（２０）の各面（３２）について、ＩＬＭポリゴンメッシュ（２０）とＲＰＥポリゴンメッシュ（３０）との間の対応が決定されるように、ＲＰＥポリゴンメッシュ（３０）の対応する頂点が決定される（４００）、請求項１に記載の方法。
3. 画像データ（１）において、ブルッフ膜（ＢＭＯ）（４３）の開口部が自動的に特定され、特定されたブルッフ膜開口部（４３）から一式の点（４０）は、ブルッフ膜開口部を表すように生成され、特に、一式の点（４０）がブルッフ膜開口部領域（４２）を囲む、請求項１又は２に記載の方法。
4. 楕円形（４１）がブルッフ膜開口部を表す点（４０）に取り付けられ、楕円形（４１）がブルッフ膜開口部領域（４２）を囲み、楕円形（４１）は、平面によって、特に画像データ（１）のＡスキャン方向に直交して延びる平面によって構成される、請求項３に記載の方法。
5. 楕円形（４１）がアフィン変換によって円に変換される、請求項４に記載の方法。
6. ＲＰＥポリゴンメッシュ（３０）についての中央ＲＰＥ領域（３４）及びＩＬＭポリゴンメッシュ（２０）についての中央ＩＬＭ領域（２４）が決定され（５００）、それぞれの中央領域（２４、３４）は、それぞれのポリゴンメッシュ（２０、３０）への楕円（４１）の投影に対応する領域によって囲まれ、特に、投影は、画像データ（１）のＡスキャン方向に沿っている、請求項３～５のいずれか一項に記載の方法。
7. 視神経乳頭カップ体積（７）が決定され、ＩＬＭ及びＲＰＥポリゴンメッシュ（２０、３０）から計算され、視神経乳頭カップ体積（７）は、ＲＰＥポリゴンメッシュ（３０）の下に延びるＩＬＭポリゴンメッシュ（２５）の部分によって囲まれた体積である、請求項１～６のいずれか一項に記載の方法。
8. 視神経乳頭カップ表面（８）が、ＲＰＥポリゴンメッシュ（３０）及びＩＬＭポリゴンメッシュ（２０）から計算され、視神経乳頭カップ表面（８）は、ＲＰＥポリゴンメッシュ（３０）の下に延びるＩＬＭポリゴンメッシュ（２５）の表面部分に対応する、請求項１～７のいずれか一項に記載の方法。
9. ＩＬＭポリゴンメッシュ（２０）から内境界膜部分（２）について曲げエネルギー（６）が決定され、曲げエネルギー（６）がＩＬＭポリゴンメッシュ（２０）の曲率の大きさに対応し、特に曲げエネルギー（６）が中央のＩＬＭ領域（２５）に対してのみ決定される、請求項１～８のいずれか一項に記載の方法。
10. ＲＰＥポリゴンメッシュ（３０）及び／又はＩＬＭポリゴンメッシュ（２０）が三角形分割された表面であり、特にＩＬＭ三角形分割された表面（２０）の各面（２２）について、ＩＬＭ三角形分割された表面（２０）とＲＰＥ三角形分割された表面（３０）との間の対応が確立されるように、ＲＰＥ三角形分割された表面（３０）の対応する頂点が決定される、請求項１～９のいずれか一項に記載の方法。
11. 網膜色素上皮部分（３）についてのＲＰＥポリゴンメッシュ（３０）を決定する前に、前記部分は、特に薄板スプライン法によって平滑化され、特に、平滑化が網膜色素上皮の下部境界に適用され、又は平滑化が網膜色素上皮の下部境界にのみ適用され、ＲＰＥポリゴンメッシュ（３０）は、特に平滑化された網膜色素上皮部分の下部境界について決定される、請求項１～１０のいずれか一項に記載の方法。
12. 網膜色素上皮部分（２）の下部境界のＲＰＥポリゴンメッシュ（３０）を決定する前に、前記部分（２）は、特にブルッフ膜開口領域（４２）について、特に薄板スプライン法によって補間され、ＲＰＥポリゴンメッシュ（３０）は、網膜色素上皮部分の補間された下部境界について決定される、請求項１～１１のいずれか一項に記載の方法。
13. 網膜色素上皮部分（２）が平面になる変換が決定され、画像データ（１）及び／又はＩＬＭポリゴンメッシュ（２０）、ＲＰＥポリゴンメッシュ（３０）、及び特にブルッフ膜開口部は、同じ変換によって変換される、請求項１～１２のいずれか一項に記載の方法。
14. 請求項１に記載の方法の工程をコンピュータに実行させる命令を含むコンピュータプログラム。
    
    
    

Images