JP2022516139A - 残存がん細胞検出のための閾値化のためのシステムおよび方法 - Google Patents

残存がん細胞検出のための閾値化のためのシステムおよび方法 Download PDF

Info

Publication number
JP2022516139A
JP2022516139A JP2021538423A JP2021538423A JP2022516139A JP 2022516139 A JP2022516139 A JP 2022516139A JP 2021538423 A JP2021538423 A JP 2021538423A JP 2021538423 A JP2021538423 A JP 2021538423A JP 2022516139 A JP2022516139 A JP 2022516139A
Authority
JP
Japan
Prior art keywords
image
pixel
images
comparator
intensity value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2021538423A
Other languages
English (en)
Inventor
ストラウスフェルト，デイビッド，ビー．
フェレール，ホルヘ
リー，ダブリュー．，デイビッド
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lumicell Inc
Original Assignee
Lumicell Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Lumicell Inc filed Critical Lumicell Inc
Publication of JP2022516139A publication Critical patent/JP2022516139A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A61B90/361—Image-producing devices, e.g. surgical cameras
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/0036—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room including treatment, e.g., using an implantable medical device, ablating, ventilating
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0071—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by measuring fluorescence emission
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A61B90/37—Surgical systems with images on a monitor during operation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G01N21/6428—Measuring fluorescence of fluorescent products of reactions or of fluorochrome labelled reactive substances, e.g. measuring quenching effects, using measuring "optrodes"
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G01N21/6447—Fluorescence; Phosphorescence by visual observation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A61B90/361—Image-producing devices, e.g. surgical cameras
    • A61B2090/3612—Image-producing devices, e.g. surgical cameras with images taken automatically
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A61B90/37—Surgical systems with images on a monitor during operation
    • A61B2090/373—Surgical systems with images on a monitor during operation using light, e.g. by using optical scanners
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/39—Markers, e.g. radio-opaque or breast lesions markers
    • A61B2090/3937—Visible markers
    • A61B2090/3941—Photoluminescent markers
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/39—Markers, e.g. radio-opaque or breast lesions markers
    • A61B2090/3937—Visible markers
    • A61B2090/395—Visible markers with marking agent for marking skin or other tissue
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2505/00—Evaluating, monitoring or diagnosing in the context of a particular type of medical care
    • A61B2505/05—Surgical care
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G01N2021/6495—Miscellaneous methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Surgery (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • General Physics & Mathematics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Chemical & Material Sciences (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Optics & Photonics (AREA)
  • Gynecology & Obstetrics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Image Analysis (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

外科処置後に残存がん細胞を同定するための画像分析システムの使用の方法に関する態様が開示されている。いくつかの態様において、外科処置部位中の異常細胞を検出するのに使用される患者固有の閾値が決定され得る。医用撮像装置が、患者の解剖学的構造の画像一式を産生するように構成され得る。画像分析システムが、1以上のプロセッサを含み、画像一式を受け取るように、および画像一式を分析することで、患者の異常組織を検出するのに使用するための患者固有の閾値を決定するように、構成され得る。

Description

関連出願
本出願は、2018年12月31日に出願された米国仮出願第62/786,657号(この開示は、その全体が参照されることによって本明細書に組み込まれる)の35 U.S.C.119(e)下の優先権の利益を主張するものである。
背景
国立癌研究所の監視疫学遠隔成績報告(Surveillance Epidemiology and End Results report)によると、百万を超えるがん外科処置が合衆国において毎年実施されており、これらのうち大体40％が腫瘍全体を除去し損なっている。がん細胞が患者に取り残されたという事態は、二次的外科処置をもたらし得る。例えば、乳がんの乳腺腫瘍摘出術において、一次的外科処置の間中にがん細胞のすべてを除去し損なうことは当時15～40％生じることが文献に報告されており、これは二次的外科処置を要する。かかる二次的外科処置または複数回外科処置は、がん再発率の増大を引き起こし、患者の長期生存率を低減させる。
典型的には、固形腫瘍切除後に外科医は腫瘍の大部分(bulk of)を除去し、切除された腫瘍組織の手術後査定のため当該腫瘍を病理学者へ届け、残存がんが患者に取り残されたかどうかを決定する。しかしながら、この病理学査定は非常に時間の掛かる手順であり、外科医へ届けられるべき最終的な結果を得るためしばしば数日掛かる。病理学者は病理学報告において、除去組織部分にがん細胞がその境界と隣接している(「断端陽性」として知られている診断用語)という知見を指し示したなら、残存がん細胞の除去を完了させるための追加切除がその患者に要されることもあり、患者が当初の外科処置を完了させた後という事態においては、この知見によって外科医に二次外科処置の実施を要することもある。
概要
本出願の様々な側面は、がん外科処置最中の腫瘍切除床における残存がん細胞のin situでの観察に関する。例えば、外科処置を追跡調査する必要性を低減させ、かつ再発の虞を最小限にするために残余がんの手術中の同定を可能にさせるための、標的細胞によって活性化の際に蛍光を発するプローブおよび手持ち式の蛍光撮像装置を包含する撮像技術は存在する。例えば、米国特許出願第14/211,201号および第14/211,259号(これらの開示はこれら全体の参照により本明細書に組み込まれる)を参照。In situでの観察技法は、典型的には、背景に対しがん細胞が造影剤でマークされた手術中の外科処置部位画像を提供することもある。外科処置部位画像の背景は、健常組織を包含することもある。外科処置部位画像の視野において健常組織を撮像することは、外科医に、手術最中に外科処置部位を探すのを容易にさせることもある一方、画像中造影剤でハイライト表示されたがん細胞は、外科医が、除去されるべき残余がんを同定する手助けになることもある。がんのすべてが腫瘍床から除去されていることを保証するために、外科処置の最中に残存がん細胞を検出する必要性が依然あることは解される。
本出願は、腫瘍切除床中の残存がん細胞の同定のための画像分析を実施するための方法およびシステムを対象とする。さらに、本明細書に説明されるシステムおよび方法は、前がん症状を検出するためにも使用されてよい。とりわけ、本技法は、画像が健常組織もしくは異常組織および/またはがん性組織を包含するか(あるいは包含する可能性があるか)を決定するのに使用される患者ごとの閾値を決定することを対象とする。
いくつかの態様に従って、技法は、外科処置部位中の異常細胞を検出するのに使用される患者固有の閾値(patient-specific threshold)を決定するためのシステムを提供する。システムは、患者の解剖学的構造(anatomy)の画像一式を産生するように構成されている医用撮像装置を包含する。システムは、画像一式を受け取るように、および画像一式を分析することで、患者の異常組織を検出するのに使用するための患者固有の閾値を決定するように構成されている1以上のプロセッサを含む画像分析システムを包含する。
いくつかの態様に従って、技法は、外科処置部位中の異常細胞を検出するのに使用される患者固有の閾値を決定するための、コンピュータ実装方法を提供する。方法は、患者の解剖学的構造の画像一式を受け取ること、および画像一式を分析することで、患者の異常組織を検出するのに使用する患者固有の閾値を決定すること、を包含する。
いくつかの態様に従って、技法は、外科処置部位画像を収集するように構成されている画像分析システムの少なくとも1個のプロセッサによって実行されるとき、方法を実施することで外科処置部位中の異常細胞を検出するのに使用される閾値を算出するコンピュータ実行可能命令を含む、少なくとも1個の非一時的コンピュータ可読記憶媒体を提供する。方法は、患者の解剖学的構造の画像一式を受け取ること、および患者の異常組織を検出するのに使用する患者固有の閾値を決定すること、を包含する。
図面の簡単な記載
添付の図面は、縮尺どおりに(to scale)描画されることを意図していない。図面中、様々な図において解説されている各々同一のまたは大体同一の構成要素は、同様の数字によって表される。明確にするため、すべての構成要素が、すべての図面において標識されていないこともある。図面中:
図1は、いくつかの態様に従い外科処置後に残存がん細胞を同定するための例示のシステムの構成要素の概観を示す概略図である;
図2は、いくつかの態様に従う別の例示のがん細胞検出システムのブロック図である;
図3は、いくつかの態様に従い残存がん細胞を検出するための例示の処理を示すフローチャートである;
図4は、いくつかの態様に従い患者固有の閾値を算出するための例示の処理を示すフローチャートである;
図5は、いくつかの態様に従い比較器(comparator)を選択するための例示の処理を示すフローチャートである;および
図6は、いくつかの態様に従う最低2平均値(lowest 2 mean)比較器についての例示のパラメトリックおよびノンパラメトリック受信者動作特性(ROC)のプロットである。
詳細な記載
本発明者らは、がん外科処置の有効性を改善するために、サイズがmm～mm未満であるかおよび/または目視での既存の検査では容易に同定されない残存がんの特色などの異常細胞を外科処置部位画像から同定し得るシステムを有することが所望されることを、認識し解してしていた。かかる技法は、患者の手術部位から収集された1以上の画像が異常細胞および/またはがん性細胞を含有するかどうか、したがってさらなる切除または除去を要することもあるかを決定するために閾値化を使用し得る。手術部位の当初の画像一式が取得、使用されて、患者独自の閾値(custom patient threshold)を生成し得る。本明細書に説示されるとおり、例えば、当初の画像は、集約されて代表強度値とし、患者ごとの閾値を算出するために使用され得る。先行技法は、画像分析システムを、具体的な患者に特異的に微調整できるようにはしなかった。さらに本明細書に説明されるとおり、様々な側面に従いつつ、外科処置部位画像の画素を分析し統計学習を利用して閾値算出をさらに微調整する様々な画素分析技法が提供される。
図1は、本出願の態様に従い外科処置後に残存がん細胞を同定するための例示のシステム100の構成要素の概観を示す概略図である。オペレータ180は、ユーザーインターフェース(UI)109と相互作用する1以上の入力装置105を使用して、画像分析システム101に関連するコマンドおよび/またはクエリを発行してもよい。画像分析システムは、画像中の残余がんの特色を同定するために1以上の画像を処理するよう特別にプログラムされた、コンピュータベースのハードウェア要素103を使用して実行されてもよい。画像分析システムの出力は、ディスプレー装置107上、手術室環境内のオペレータへ提示されてもよい。
いくつかの態様において、患者の解剖学的構造の画像は、1名以上の外科医182によって、外科病床184上の患者への外科処置の最中またはその後に取り込まれる。患者の解剖学的構造は、例えば、患者の頭、首、胸部、腹部、腕、手、脚、足、別の適切な構造、もしくはそのある部分の内部構造および/または外部構造の両方、あるいはそれらの組み合わせを包含し得る。患者の解剖学的構造は、外科医が、腫瘍、がん性組織、皮膚病変、創傷などの異常組織、および/または異常組織を包含していてもよいいずれの他の構造が存在し得るかどうかを決定するエリアであってもよい。画像は、腫瘍が、医用撮像装置を使用して切除され、かつデータ接続111を介し画像分析システム101へリアルタイムで送信される外科処置部位186にて、in-situで取り込まれてもよい。このシナリオに使用されるシステム100は、切除外科処置が実施された後の外科処置部位に残っている残存がん細胞のサイズおよび場所に関し、リアルタイムフィードバックを提供することができる。いくつかのケースにおいて、オペレータ180へ提供される画像分析結果は、外科医182に、残存がん細胞除去手順を患者に実施することを容易にさせ、前記画像分析結果によって、二次の、独立した(separate)残存がん細胞除去外科処置の必要性もなく、画像分析システムから、外科処置部位186に残存するすべてのがん細胞が完全に除去されたことのさらなる確証を得させてもよい。
図2は、図1のシステム100の例であるがん細胞検出システム200のブロック図である。構成要素のいくつかは同じであり、よって同じ参照番号が使用されている。図2における例において、画像分析システム201は、システム中の様々な種々の構成要素と連動かつ連携するために使用される相互接続220を包含する。相互接続220は、相互接続された複数の構成要素同士間のデジタルデータの高速通信を可能にさせる1以上のデジタルバスまたは他のタイプのいずれの好適な相互接続を含んでいてもよい。いくつかの態様において、相互接続220は、画像受け取りユニット213から受け取られた画像データを処理するためのプロセッサ231と相互作用し、オペレータ180のための画像分析結果を外部ディスプレー107へ提供するためにプロセッサ231から画像分析結果を得る。いくつかの態様において、相互接続220は、プロセッサに非画像データを伝えてもよい。例えば、プロセッサ231は、一連の方法をプロセッサ上で実行するために相互接続220からプログラミング命令を受け取ってもよい。いくつかの態様において、相互接続220は、メモリ233と通信して、画像データおよび非画像データをプロセッサへ記憶および読取する。例えば、メモリ233は、プロセッサ231によって実行可能なプログラム命令(これは、プロセッサ231によって実行されるとき、残存がん細胞の特色を画像から同定する1以上の方法を実施する)を記憶するコンピュータメモリであってもよい。画像分析システムにおいていずれの好適なコンピュータ可読記憶媒体が、画像データの記憶およびプログラム命令のためのメモリ233として使用されてもよいことは解されるはずである。
いくつかの態様に従って、プロセッサ231は加えて、画像データを処置して残存がん細胞の特色を同定するために、画像分析エンジン240と通信することもある。画像分析エンジン240は、1以上のユニットを包含していてもよく、前記ユニットの各々は画像強調および分析のための命令を実行するのに特化されている。画像の強調は、がん細胞の特色とは関連しないノイズおよびアーチファクトを除去し、かつ背景に対するがん細胞シグナルのシグナルノイズ比を改善するのに役立つこともある。画像強調は、例えば、Cannyフィルタリング、Sobelフィルタリング、Kayyaliフィルタリング、主曲率ベースの(Principle Curvature-Based)領域検出、加速セグメント試験(accelerated segment testing)からの特色、Forstnerフィルタリング、ガウシアンのラプラシアン(Laplacian of Gaussians)、Tophatフィルタリング、ガウス差分(Difference of Gaussians)、最大安定極値領域(maximally stable extremum region)、およびヘッセ行列式(determinant of Hessian)を含む群から選択される1以上の方法を用いて、実施されてもよい。
いくつかの態様において、画像分析エンジン240中のユニットは、包装寸法、電力消費、および製造コストを低減するために、プロセッサ231と一緒に単一のチップ上に集積化されていてもよい。いくつかの他の態様において、画像分析エンジン240は、グラフィックスコプロセッサまたはフィールドプログラマブルゲートアレイ(FPGA)などの高速画像処理を実施するのに特化された個別の(discrete)処理チップ上に実装されていてもよい。さらに、1以上の画像分析特色が、医用撮像装置(例として、装置110)内に組み込まれていてもよい。
図2中のシステムにおいて、ディスプレーコントローラ250は、画像分析結果をプロセッサ231から相互接続220を介して受け取り、検出されたがんの特色のサイズおよび場所を指し示す1以上の処理画像を、オペレータ180のための外部ディスプレー107へ提供する。いくつかの態様において、オーバーレイ生成ユニット253は、同定されたがんの特色を目立たせるためオーバーレイおよび/またはハイライト表示がディスプレー107上オペレータ180へ提示されるように、ディスプレーコントローラへ提供されるべき画像分析結果に基づきオーバーレイおよび/またはハイライト表示を生成する。
図2中のシステムにおいて、医用撮像装置110は、患者の外科処置部位の手術中の画像を取り込むため、かつ取り込まれた画像データを画像受け取りユニット213へデータ接続111を介して送信するために使用される。取り込まれた画像データは、メモリ233に記憶されてもよく、続いて画像データ中の残余がんの特色を同定するようプロセッサ231および画像分析エンジン240によって処理されてもよい。残存がん細胞のサイズおよび場所のリアルタイムフィードバックをオペレータへ提供するために複数の画像データが、ディスプレー107への出力のため実質的に同じ時間内で、医用撮像装置によって取り込まれ、メモリ233に記憶され、プロセッサ231および画像分析エンジン240によって処理されてもよいことは解されるはずである。例えば、医用撮像装置110は、同定されたがん細胞を除去する外科医の手術を容易にするために、画像を特定のビデオ速度(例として、毎秒10フレーム、毎秒12フレーム、毎秒24フレーム、または毎秒30フレーム)にて取り込み、かつ実質的に同じ速度にて、処理および出力のためディスプレー107上ビデオ速度画像をリアルタイムビデオ特色として転送してもよい。
いくつかの態様において、医用撮像装置110は、手持ち式の撮像装置であってもよい。1つの非限定例において、手持ち式の撮像装置は、がん細胞が標識されたある蛍光造影剤の蛍光から放出された光子に対応する蛍光シグナルに対して感受性がある感光検出器を備える手持ち式の蛍光撮像装置であってもよい。いくつかの態様において、撮像装置はまた、具体的な蛍光造影剤の励起波長を撮像されているオブジェクトまたは外科病床へ放出するように構成されている励起供給源も包含していてもよい。手持ち式の蛍光撮像装置の例の記載は、2014年3月14日に出願された表題「MEDICAL IMAGING DEVICE AND METHODS OF USE」の米国特許出願第14/211,201号(この開示はその全体が参照されることによって本明細書に組み込まれる)に見出されてもよい。もちろん、手持ち式の装置は上に言及されているが、本明細書に記載のシステムおよび方法は、手持ち式の装置を用いる使用のみに限定されない。代わりに、それらは、縮尺(size scale)を問わずいずれの適切な撮像および/または分析システム上に実装されていてもよい。
いくつかの態様に従って手持ち式の撮像装置に取り込まれた画像は、外科処置部位において撮像されている組織部分から放出された蛍光光子の数に実質的に対応する輝度または強度レベルの画素を含んでいてもよい。取り込まれた画像上の各画素の強度値は、撮像装置の全視野内の組織部分中の蛍光標識がん細胞の数に実質的に比例する。取り込まれた画像に対する画素のサイズおよび場所は、撮像装置における全視野に対する組織部分のサイズおよび場所に対応する。いくつかの態様において、手持ち式の撮像装置は、当業者によって解され得るとおり、2.5cm、1.3cmの視野、および/または他の視野を包含していてもよい。医用撮像装置110から画像受け取りユニット213へ送信された画像は、1画素に対応する組織部分のサイズ、または換言すれば単一画素に対応する視野が、撮像装置の所望される空間分解能を表すサイズより大きくならないように、アレイ中の直交2方向の各方向において高画素数を包含していてもよい。理論によって拘束されることは望まないが、典型的ながん細胞は、直径でおよそ15μmのオーダーであってもよい。医用撮像装置は、各画素の視野が、約1μm、2μm、3μm、4μm、5μm、10μm、15μm、30μm、もしくはいずれの他の所望されるサイズと等しいか、またはこれより大きくてもよいように、構成されていてもよい。加えて、各画素の視野は、約100μm、50μm、40μm、30μm、20μm、10μm未満、またはいずれの他の所望される縮尺であってもよい。
特定の一態様において、画素ごとの視野は、約5μmと100μmとの間(両端を含む)であってもよい。別の態様において、画素ごとの視野は、約5μmと50μmとの間(両端を含む)であってもよい。各がん細胞と同じほどのサイズであるかまたは各がん細胞より小さい各画素の視野を有することは、各がん細胞がはるかに低い強度の背景に対し蛍光強度が高い1以上の画素全体によって覆われるので、外科処置部位画像における標識がん細胞の特色につき、強調された分解能およびコントラストに繋がる。かかる高分解能およびコントラストは、システムが、目視での既存の検査手段では容易に同定されない外科処置部位画像から僅かながん細胞のみによる小さい特色を同定できるようにする。もちろん、上に指摘したものより大きい視野とこれより小さい視野との両方の画素もまた、本開示がそのように限定されるものではないので、企図されている。さらに、かかる撮像能は、具体的な形状および/または幾何学的形状を有するあるタイプのがん細胞の検出も可能にすることがある。具体的ながん細胞が、具体的な基本的幾何学的形状(fundamental geometry)を有するから、かかる幾何学的形状が、メモリに記憶され、サンプリングされた幾何学的形状と比較され、システムによって検出されてもよいことは解される。
いくつかの態様において、医用撮像装置110によって取り込まれた各画像は画素のアレイを含むが、各画素はその画素の対応する視野にて造影剤の濃度を表すデジタル化強度値をもつ。一例において、各画素の強度値はサンプリングされ、12ビットの分解能でデジタル化されている。他の例において、デジタル化の分解能は、8ビット、14ビット、16ビットなどの他の分解能であってもよく、または画像を記録して送信するのに好適ないずれの分解能であってもよい。取り込まれた画像は、医用撮像装置110から画像受け取りユニット213へデータ接続111を介して送信される。いくつかの態様において、いずれの好適なデータ圧縮技法およびフォーマットも医用撮像装置110からの画像データ送信速度を増強するよう使用されてよいことは解されるはずであるが、生の非圧縮画像データは画像の完全性を確保するように送信される。
画像データの他に、データ接続111はまた、非画像データも医用撮像装置110から画像分析システム201へ送信してよい。一態様において、画像スケーリング情報は、画像分析システムが画素サイズを変換してmmまたはμmなどの測長単位にするために、各外科処置部位画像に付随して送信されてもよい。いくつかの態様において、画素の1以上の群の変換されたサイズは、画素の1以上の群を外科処置部位画像中のがん細胞として同定するために、がん細胞のサイズおよび/または幾何学的形状に基づき、知られている閾値と比較されてもよい。
加えて、データ接続111は、非画像データを画像分析システム201から医用撮像装置110へ送信してもよい。かかる非画像データは、例えば、画像の取り込み、送信、倍率/全視野の調整を実施する医用撮像装置を制御するため、および/または当初の腫瘍切除後の残存がん細胞への外科病床の全調査を提供する医用撮像装置内の光学システムの焦点深度として、オペレータ180によって、使用されてもよい。
いくつかの態様において、図1に示されるとおりのオペレータ180は、画像分析システムと相互作用する1以上の入力装置105を使用してもよい。図2における態様において、入力装置105は、コマンドおよびクエリをオペレータからシステムの様々な構成要素へ送る相互接続220と連結されている。入力装置は、図1に示されるとおり、テキストをタイプするためのキーボード、ディスプレー107上UI109上の1以上の画面オブジェクトと相互作用するマウスを包含していてもよい。例えば、オペレータは、受け取られた外科処置部位画像または分析された残存がん細胞結果を添付する注釈テキストにタイプしてもよい。オペレータは、入力装置を使用してUI109を再構成し、UI109と相互作用して、処置されているがん細胞のタイプに応じた1以上の閾値などの、医用撮像装置上の設定値および/または画像分析設定値を調整してもよい。いくつかの態様において、入力装置はまた、ディスプレー107の外部にあるかまたはこれと集積化されている、スタイラスで操作できる(-sensitive)または指で操作できるタッチ画面を包含していてもよい。いずれの好適なヒューマンインターフェース装置も、オペレータ180がコマンドおよびクエリをシステムへ提供するために使用されてよいことは解されるはずである。いくつかの態様において、入力装置は、ジェスチャー制御または音声制御を包含していてもよい。別の態様において、入力装置は加えて、入力コマンドおよび/またはクエリに関する1以上の特徴を指し示す聴覚の、視覚の、または触覚のフィードバックをオペレータへ提供してもよい。
いくつかの態様において、図2中の画像分析システム201は、オペレータと相互作用するためのUIとしてディスプレー107上に提示されるディスプレーコントローラ250へ画面オブジェクトを生成するために採用されたUI生成エンジン251を包含していてもよい。UIは、メモリ233に記憶されている命令に基づき生成されてもよく、入力装置105からのユーザー入力に基づき動的に調整されてもよい。
図2中のシステム200はまた、例えば、記録保管(archival)を目的として、画像データと非画像データとの両方を記憶するように構成されている、相互接続220へ接続された外部記憶235も包含していてもよい。いくつかの態様において、プログラム命令は、外部記憶235から読み取られてもよく、外部記憶235上に記憶されてもよい。
上に説明されるとおり、本出願の側面は、残存がん細胞の完全除去を容易にするために、腫瘍の大部分を除去した後に外科処置部位に残るがん細胞などの、がん細胞を検出するための方法に関する。とりわけ、側面は、各患者に合わせてあるがん細胞検出処理に使用される閾値を決定する閾値化アルゴリズムに関する。限定することを意図しない一般的な導入として、技法は、以下のステップの1以上を包含し得る。技法は、明確にするため例示の順序を説明するが、ステップの異なる順序および/または組み合わせを使用して遂行され得る。第1に、外科処置部位の画像は処理され得る(例として、背景の補正および/または平坦化)。第2に、技法は、正常組織に基づき閾値を上回る領域を検索し得る。第3に、特色(単数または複数)が、より小さいサイズ閾値を上回るかどうかが決定され得る。特色が第2および第3ステップを満たす場合に、特色はハイライト表示される。第4に、何の特色も存在しない場合、コントラスト強調が、画像の全部または一部を修飾するために使用され得る。第5に、技法は、コントラストが強調された図中のある閾値を上回る特色を検索し得る。第6に、その特色が、サイズ基準およびコントラスト基準などの、1以上の基準を満たすかどうかが決定され得る。特色が第5および第6ステップを満たす場合に、特色はハイライト表示される。
図3は、いくつかの態様に従い残存がん細胞を検出するための例示の処理300を示すフローチャートである。図3中ブロック302にて処理が開始された後、ブロック304にて、画像は、例えば、上に説明されるとおりの手持ち式の撮像装置を使用して、外科処置部位にて取り込まれる。いくつかの態様において、外科処置部位画像は、具体的なビデオ速度にて取り込まれた画像を含有する静止画像および/または静止ビデオであってもよい。ブロック306にて、画像強調処理は、任意におよび加えて、処理300におけるブロック304にて収集された画像を強調するよう実施されてもよい。
ブロック308にて、収集された画像部分は、特徴閾値(characteristic threshold)が予め決められた画像部分中の画素の特徴間の比較に基づき選択される。1つの非限定例において、画像部分は、画像部分中の各画素の強度パラメータが、造影剤で標識された所定のタイプのがん細胞に予想される単純な輝度閾値に対応する閾値を超えているという決定の後の、さらなる分析のために選択されてもよい。閾値化に基づき選択処理を実施するための1つの例示の目標は、健常組織からの光放射を表す背景画素を、さらなる分析から排除することであり得る。本発明者らは、いくつかの態様において、蛍光造影剤ががん細胞へ選択的に結合するように構成されていたとしても、有限の(finite)蛍光強度が、外科処置部位中の非がん細胞領域に対応する画素中に依然として現れることもあることを認識していた。さらに本明細書に説明されるとおり、技法は、閾値を画素へ適用する1つのまたは複数の閾値化ステップを包含し得る。例えば、特色検出(例として、小さい細胞特色検出)は、閾値を画像(単数または複数)(例として、処理画像(単数または複数))へ適用する第1閾値化ステップ、および閾値を、第1閾値化ステップの閾値を上回る元画像(単数または複数)中の(例として、局部の)特色へ適用する第2閾値化ステップを包含し得る。
いくつかのケースにおいて、有限の背景強度は、光検出器中のまたは医用撮像装置の回路網中の背景ノイズに起因してもよい。有限の背景強度はまた、健常な、非がん細胞領域中の非特異的結合による少量の造影剤から放出された蛍光シグナルからも発生してよい。したがって、いくつかの態様において、単純な閾値決定に単独で頼ることは、がん細胞領域の偽陽性同定を防止するのに、背景組織を削除するのに、実質的にがん細胞のみを画像から目立たせるのに、充分ではないこともある。
続いてブロック310にて、ブロック308にて選択された収集画像部分は分析されて、背景に対しサイズに基づき残存がん細胞の1以上の群の特色を同定する。例えば、選択された画像部分中の特色は、除去の標的にされるがん細胞タイプに関連するサイズ範囲の外側にあることが決定された場合、廃棄または排除されてもよい。本明細書に使用されるとき、特色サイズが、外科処置部位画像上の特色に対応する、例として、mmまたはμmで測定されるとおりの外科処置部位上の組織の領域の正しく拡大/縮小された(scaled)サイズ寸法を参照することは理解されるはずである。
ブロック312にて、ブロック310にて同定された残存がん細胞の1以上の群は、下に詳細に説明されるが、局所をベースとする(local based)コントラスト方法を使用して、さらにフィルターが掛けられる。いくつかの態様において、局所コントラストは、残存がん細胞の各郡の特色につき、実質的に特色内のおよびその外側の画素のシグナル強度間の比較に基づき、決定される。背景に対して識別しかつ偽陽性同定を低減させるために、コントラストが予め決められた閾値を上回る特色のみが、がん細胞として同定される。
ブロック308、310および312に従って同定されたがん細胞は、残存がん細胞同定処理がブロック316にて終了する前に、ブロック314にてオペレータ180に対しディスプレー(図1中のディスプレー107など)へ提示される。
いくつかの態様において、図3中のブロック図に解説されるとおりの処理ブロック308～312および306の各々は、標的にされている組織のタイプおよび/または残存がん細胞タイプに応じて、いずれの好適な順番の組み合わせの群において、個々にまたは選択的に適用されてもよい。
いくつかの態様において、図3に示される例示の処理300は、図2中のシステム200によって実施され、医用撮像装置から画像受け取りユニット213によって受け取られた画像を連続的に処理してもよい。
例えば、一態様に従うと、システムは、具体的ながんおよび前がん状態の細胞を検出するのに採用されてもよい。一態様において、システムは、指し示されたあるがんの具体的なサイズおよび幾何学的形状を指し示すパラメータ、ならびにこれらに限定されないが、浸潤性腺管癌、浸潤性小葉癌、非浸潤性乳管癌、卵巣がん、転移性卵巣がん、脳転移、癌性腹膜炎、食道がん、バレット食道、大腸(colorectal)ポリープ、大腸がん、黒色腫、基底細胞皮膚がん、扁平細胞皮膚がん、前立腺がん、肺がん、肉腫、子宮内膜増殖症、子宮内膜がん、および子宮頸部異形成を他のタイプよりも包含する、前がん状態の適応症を記憶していてもよい。
方法300のブロック312に示されるとおり、画像分析システムが閾値を使用して画像が残存がん細胞を包含するか(否か)を決定するから、閾値は、検出処理の重要な側面であり得る。いくつかの態様において、ブロック308において選択される画像部分は、画像中、最も輝度が高い連続した特色に基づき得る。例えば、画像分析システムは、最も輝度が高い連続した特色をもつエリア周辺の具体的な直径の円(例として、500um、1000um)を選択し得る。画像分析システムは、選択されるエリア中の画素を使用して、関連する特色を閾値と比較し得る。例えば、画像分析システムは、選択されるエリア中の最低画素強度値を閾値と比較して、画像中の関連する特色がさらなる切除を要する異常組織(例として、がん性の組織)を含有するかどうかの自動的な決定をし得る。これは、下のTB1000umと称される。
図4は、いくつかの態様に従い患者固有の閾値を算出するための例示の処理400を示すフローチャートである。
処理400は、ブロック402にて開始される。ブロック404にて、医用撮像装置(例として、図1中の医用撮像装置110)は、患者につき外科処置部位画像一式を産生する。一般に、ブロック406～412にて、画像分析システム(例として、図1中の画像分析システム101)は、ブロック404にて収集された外科処置部位画像一式を収集、分析して、患者の異常組織を(例として、医用撮像装置を使用し患者の外科処置部位の取り込まれた新しい画像を使用して)検出するのに使用され得る患者固有の閾値を決定する。いくつかの態様において、外科処置部位画像一式は、健常組織の画像である。しかしながら、画像が異常組織の画像および/または健常組織と異常組織との両方を包含する画像である態様もまた、企図される。
ブロック406にて、画像分析システムは、画素比較器を使用し、ステップ404にて収集された各外科処置部位画像につき代表強度の測定基準(metric)を算出して、代表強度一式の測定基準を生成する。代表強度の測定基準は、関連画像の画素強度値を表す。画素比較器は、さらに本明細書に説明されるとおり、例えば、平均値比較器、パーセンタイル比較器、不変(fixed)比較器、および/または他の統計比較器であり得る。例えば、いくつかの態様において、比較器は、平均値比較器であり得、および代表強度の測定基準は、さらに本明細書に説明されるとおり、関連画像の画素強度値の平均値であり得る。
ブロック408にて、画像分析システムは、予め決められた基準に基づき、代表強度一式の測定基準のうち一部を選択する。いくつかの態様において、予め決められた基準は、代表強度一式の測定基準中の、代表強度の測定基準の1以上を取り除くために使用される。例えば、画像分析システムは、さらに本明細書に説明されるとおり、具体的な比較器につき、代表強度の測定基準の一定の最低値を選択するように構成されていてもよい。
ブロック410にて、画像分析システムは、代表強度の測定基準のうち選択された一部を平均化して、平均強度値を算出する。
ブロック412にて、画像分析システムは、平均強度値と画素比較器に関連する調整因子とに基づき、その患者のための閾値を算出する。例えば、調整因子は、平均強度値を乗じて閾値を決定するために使用される乗数であってもよい。処理は、ブロック414にて終了する。一旦算出されたら、閾値は、画像分析システムによって、具体的な患者につき異常細胞を検出するために使用され得る。
ブロック406を参照すると、画像分析システムは、画素比較器を使用して、各外科処置部位画像につき代表強度の測定基準を算出する。いくつかの態様において、比較器は、各外科処置部位画像の最大画素強度値を算出することによって、各外科処置部位画像につき代表強度値を算出する最大値比較器である。いくつかの態様において、比較器は、各外科処置部位画像の最小画素強度値を算出することによって、各外科処置部位画像につき代表強度値を算出する最小値比較器である。いくつかの態様において、比較器は、外科処置部位画像の画素強度値の平均値を算出することによって、各外科処置部位画像につき代表強度値を算出する平均値比較器である。いくつかの態様において、比較器は、外科処置部位画像の画素強度値の25th(twenty-fifth)パーセンタイルを算出することによって、各外科処置部位画像につき代表強度値を算出する25thパーセンタイル比較器である。いくつかの態様において、比較器は、不変の閾値を使用する不変比較器である。閾値は、例えば、ROC(例として、患者固有の比較器の統計値を何ら使用しないROC)上のヨーデン点(Youden point)を使用して算出され得る。いくつかの態様において、不変の閾値は、すべての患者および/または患者のうちの一部にとって同じであってもよい。いくつかの態様において、比較器は、各画像につき中央画素強度値を算出することによって、各外科処置部位画像につき代表強度値を算出する中央値比較器である。
ブロック408を参照すると、画像分析システムは、予め決められた基準に基づき、代表強度一式の測定基準のうち一部を選択する。例えば、画像分析システムは、一定の最高測定基準、または一定の最低測定基準などの、一定の代表強度の測定基準を選択してもよい。例えば、ブロック404が外科処置部位の6つの画像を収集する場合、ブロック406にて、画像分析システムは、6つの異なる代表強度の測定基準(例として、平均値、または25thパーセンタイル)を、各画像につき1つ算出するように構成され得る。予め決められた基準は、画像分析システムに、例えば、一定の最低代表強度値を選択させ得る。例えば、ブロック404が6つの画像を収集する場合、予め決められた基準は、画像分析システムに、6つすべての代表強度値、代表強度値のうち5つ、値のうち4つ等々(代表強度値のうち2つまで、または1つでさえも)を選択させ得る。例えば、最低6平均値比較器は、平均値関数を使用して収集画像一式につき算出された代表強度値のうち最低の6つを選択する予め決められた基準に関連し得る。別の例として、最低2平均値比較器は、平均値関数を使用して収集画像一式につき算出された代表強度値のうち最低の2つを選択する予め決められた基準に関連し得る。さらなる例として、予め決められた基準は、画像分析システムに、2番目および3番目に低いキャビティ(cavity)初期化画像の平均値の平均化などの、様々な比較器の平均化を実施させ得る。いくつかの態様において、予め決められた基準は、比較器に関連する(例として、平均値比較器などの具体的な比較器は、代表強度の測定基準のうち一部をどのように選択するかを同定する、予め決められた基準に関連する)。
ブロック410を参照すると、画像分析システムは、代表強度の測定基準のうち選択された一部を平均化して、平均強度値を算出する。いくつかの例において、画像分析システムは、代表強度の測定基準を合計し、総和を代表強度の測定基準数で割ることによって、既存の平均化を計算する。当業者は、他の技法も、代表強度の測定基準を合わせて平均強度値にするために使用され得ることを解するであろう。例えば、二乗平均平方根、幾何平均値、中央値、総和、および/または同種のものが、代表強度の測定基準を合わせるために使用され得る。
ブロック412を参照すると、画像分析システムは、ブロック410において計算された平均強度値に基づき、患者につき閾値を算出する。画像分析システムはまた、画素比較器に関連する調整因子も使用して、閾値を算出し得る。例えば、調整因子は、画素比較器に関連する乗数(例として、1.0から3.5まで、18から21まで、および/または同種のものなどの、1.0から25までに及ぶ整数値あるいは少数値との乗数)であり得る。各画素比較器は、同じおよび/または異なる乗数に関連し得る。ステップ408と併せて上に説明されるとおり、各比較器は、予め決められた基準に関連し得る。当業者は、本明細書に説明される比較器および調整因子が例示のみを目的とし、限定することを意図しないことを解するであろう。
一旦画像分析システムが閾値を算出すると、画像分析システムは、閾値を使用して、患者の外科処置部位の画像中の残余異常細胞を同定し得る。例えば、図3と併せて記載される処理300は、患者の外科処置部位を分析するために使用され得るが、ここで算出された閾値はブロック312に使用されて、残存がん細胞の1以上の群を同定する。
図5は、いくつかの態様に従い閾値算出のために使用する比較器を選択するための例示の処理500を示すフローチャートである。処理500は、ブロック502にて開始される。ブロック504にて、医用撮像装置は、患者の外科処置部位の訓練(training)画像一式を収集する。ブロック506にて、画像分析システムは、外科処置部位画像訓練一式に対し複数の比較器(例として、平均値比較器、パーセンタイル比較器、不変比較器等々)を動作させて、比較器の各々につき結果値一式を算出する。ブロック508にて、画像分析システムは、複数の比較器の各々につき結果値一式を分析する。ブロック510にて、画像分析システムは、ブロック508にて実施された分析に基づき、複数の比較器から比較器を選択する。処理500は、ブロック512にて終結する。図4と併せて説明されるとおり、選択される比較器は、患者閾値を算出するのに使用され得る。
ブロック504を参照すると、いくつかの態様において、訓練画像一式は、具体的な患者の外科処置部位のもの、および/または一群の患者のものであり得る。例えば、外科処置部位画像は、患者集団から収集され得る。いくつかの態様において、患者が推奨撮像好機外の撮像時間などに起因する様々な理由から排除されるように、患者は前処理され得る。各患者につき、予め決められた数(例として、2、6、10等々)のキャビティ初期化画像が、塊全体(gross lump)の除去後に生成され得る。追加の画像、画像処理、および/または外科手術が実施されて、データセットを精緻化し得る。例えば、画像分析システムは、第1外科処置キャビティの配向(oriented)画像を生成し得る。標準治療(Standard of care)の削り道具(shaves)は、各配向が撮像された後に除去され得、追加の画像が生成および使用されて追加の組織が除去されるべきかどうかが査定され得る。追加の組織が使用され得るかどうかの査定につき、正常組織閾値は、データ収集手順の最中、定期的に再最適化され得る。外科処置の後、組織病理学が使用されて、画像が実際に残余がんを含有するかどうかが決定され得る。
ブロック506を参照し、一旦データのフルセットがブロック504において収集されると、画像分析システムは、外科処置部位画像訓練一式に対し複数の比較器を動作させて、比較器の各々につき結果値一式を算出する。システムは、結果値を決定する比較器の1以上の分析を動作させるように構成され得る。結果値一式は、例えば、受信者動作特性(ROC)曲線を包含し得る。当業者は、ROC曲線が、その識別閾値(例として、本明細書に説明される閾値)を変動させた際の、分類指標(classifier)システムの診断能(例として、異常細胞および/またはがん性細胞、あるいは否か)を説明するグラフィカルプロットであることを解するであろう。ROC統計値は、例えば、ROC曲線下総面積(AUC)、1個抜き(leave one out)(LOO)交差検証(例として、AUC LOOと称される)、および/または同種のものの後のAUCを包含し得る。AUCは一般に、分類指標が、無作為に選ばれた負事例(negative instance)より高い無作為に選ばれた正事例(positive instance)を順位付けする確率を表す要約統計量である。当業者は、LOO交差検証が、独立したデータセットに対して統計分析結果がどのように一般化されるか査定するのに使用されるモデル検証技法であることを解するであろう。ここである所見は検証セットとして使用され、かつ残りの所見は訓練セットとして使用される。本明細書に記載の技法が、ROCおよびLOO交差検証を使用するように構成され得るものの、当業者は、他の統計的技法も本明細書に記載の技法の精神を逸脱せずに使用され得ることを解するであろう。
結果値一式は、ヨーデン指標に基づき決定された結果値を包含し得る。ヨーデン指標は、-1から1まで及ぶ値(ここで0は無用な試験であり、1は理想的な試験である)を有するROC曲線のすべての点につき定義されている。例えば、結果値は、各AUCにつき最適化されたヨーデン点を包含し得る。加えて、または代替的に、結果値は、ウィルコクソンの結果を包含する。当業者は、ウィルコクソン順位和試験が、独立した2つの試料が同じ分布を有する集団から選択されたものであるか決定するのに使用され得る試験であることを解するであろう。所定の比較器につき、技法は、その比較器によって乗じられる値をスキャンすることで、ROCを入手し得る。乗数は、例えば、最高ヨーデン点を与えるものを決定することによって、算出され得る。
いくつかの態様において、結果値一式は、各比較器につき、真陰性結果、真陽性結果、偽陰性結果、偽陽性結果の数、および/またはそれらのいくつかの組み合わせを包含し得る。例示の結果値は、感度値、特異度値、またはその両方を包含し得る。いくつかの例において、各比較器につき、結果値(例として、統計値)は、その比較器につき、そのヨーデン点にて算出され得る。
いくつかの態様において、例として所定の閾値化値による正規化後に、結果値を算出するのに使用されるデータのフルセットは、がん陽性集団およびがん陰性集団に分割され得る。これら2つの別々の陽性集団および陰性集団は、対数正規分布への適合良好性を査定することによって正規性につき評価され得る。対数正規分布は、正常組織含有画像およびがん組織含有画像につき、パラメータ化ROC曲線を生成するのに使用され得る。パラメータ化ROC曲線からの最良の最適化ヨーデン点は、比較器ならびに関連する側面(例として、予め決められた基準および調整因子)を選択するのに使用され得る。
いくつかの態様において、他の比較器も、平均値比較器およびパーセンタイル比較器に加えて、またはこれらの代わりに、使用され得る。画像の平均値およびパーセンタイルは、堅固である(robust)かおよび/または統計的に効率的であることから、正常組織を表すのに選ばれてもよい。例えば、平均値比較器は、各画像からより多くの画素値を組み込むこともあり、これによって所定の患者につき正常組織を表す数に到達する可能性が(例として、他の比較器と比較して)より高くなり得る。別の例として、パーセンタイル(例として、25thパーセンタイル)は、異常組織または腫瘍を包含するかもしれない画素を避けることもあり、これによって人為的に閾値を上げ偽陰性へ繋がり得る。いくつかの例において、不変の閾値を使用する不変比較器は、画像シグナルにおける患者間の(patient to patient)バリエーションを把握しないこともある。
いくつかの態様において、交差検証は、結果値を決定するのに使用される。例えば、交差検証は、統計モデルが独立したデータセット(例として、外科手術最中に取り込まれたリアルタイムデータセットなどの、モデルを訓練するのに使用されるデータセット以外の、異なるデータセット)へどれほど十分に翻訳されるかを査定するのに使用され得る。例えば、交差検証は、過剰適合などの問題を避けるために、訓練相の最中にデータセットを定義してモデルを試験するのに使用され得る。かかる検証は、予測モデリングのために使用され得る。いくつかの態様において、LOO交差検証は、上に説明されるとおり、各比較器につき実施され得るが、ここで所見(例として、画像および/または関連値)の1つは検証セットとして使用され、残りの所見は訓練セットとして使用される。例えば、画像一式中の各値(例として、単一の画像)は、反復的に排除され得、残りの値は訓練セットとして使用される。いくつかの例において、これらの値は、ロジスティック回帰を使用して適合され得、ロジスティック回帰の出力は、排除された値が病理学の陽性または陰性のいずれかであるかの確率を決定するのに使用され得る。ゆえに、各反復につき、排除された値は検証セットの役割を果たし得、確率値を受け取る。対応する病理学の値と併せて排除された値の確率のアレイは、ROCおよびそれらのAUC値を生成するのに使用され得る。
ブロック508を参照すると、いくつかの態様において、画像分析システムは、結果値一式を、データのフルセット、LOO交差検証、および/またはその両方につきAUCの値と比較することによって分析し得る。例えば、画像分析システムがAUCと比較して、ある比較器につき具体的なパーセンテージの減少が観察されると決定した場合(例として、AUCおよび/またはAUC LOOにおいて5％より大きく減少する場合)に、その比較器は、閾値の算出へ使用するという判断から排除され得る。例えば、かかる比較器は、データのフルセットのAUCが今後の実施についての予測因子として不十分であるとの見解に基づき排除され得る。
いくつかの態様において、データは、比較器の結果値を精緻化する正規性につき評価され得る。例えば、閾値化アプローチの初期調査をデータセット(例として、種々の患者につき画像一式)に対し行った後、データは、データを対数正規分布へ適合することなどによって、正規性につき評価され得る。データセットの正規性は、正規確率プロットの線形性に基づき査定され得る。
いくつかの態様において、結果値は、外れ値につきデータセットを分析せずに、比較器につき算出され得る。いくつかの態様において、TB1000um(上に説明されるとおり、画像中の最も輝度の高い連続した特色周辺の1000um直径円中の最小値)の比率の自然対数の、正規化群の値への正規確率プロットは、正常組織含有画像とがん組織含有画像との両方につき、訓練データセット中の外れ値を検索するのに計算され得る。いくつかの態様において、画像の外れ値の排除の後、比較器調査は、更新された結果値を決定するのに再計算され得る。いくつかの態様において、画像分析システムは、ヨーデン点が最良の比較器を評価する。いくつかの態様において、比較器は、パラメトリックモデルを使用して評価され得る。
図6は、比較器につきいくつかの態様に従う例示のパラメトリックおよび非パラメトリックROCのプロットである。図6において、X軸は0～1に及ぶ偽陽性であり、y軸は0～1に及ぶ感度である。パラメトリックROCは602として示され、非パラメトリックROCは604として示される。いくつかの例において、かかる類似性は、適合が視覚的に良好であることから確認できる。
ブロック510を参照すると、画像分析システムは、ブロック508にて実施された分析に基づき、複数の比較器から比較器を選択する。ブロック506と併せて説明されるとおり、結果値を分析した後、システムは、一番成績の良い(top performing)比較器を選択し得る。いくつかの態様において、画像分析システムは、選択された比較器のさらなる統計分析を実施し得る。例えば、いくつかの態様において、画像分析システムは、選択された比較器を使用して、データセット(例として、比較器につき結果値を生成するのに使用されるデータセット)に対しウィルコクソン順位和試験を実施する。
計算装置の性質に応じて、1以上の追加の要素が存在していてもよい。例えば、スマートフォンまたは他のポータブル電子装置はカメラを包含していてもよく、静止画像またはビデオ画像を取り込むことが可能である。いくつかの態様において、計算装置は、場所を感知する全地球測位システム(GPS)、およびコンパスなどの慣性センサなどのセンサ、傾斜計および/または加速度計を包含していてもよい。オペレーティングシステムは、これらの装置を制御してそれらからデータを取り込み、データを計算装置上で実行するアプリケーションへ利用可能にさせるためのユーティリティを包含していてもよい。
別の例として、いくつかの態様において、計算装置は、パーソナルエリアネットワークを遂行するネットワークインターフェースを包含していてもよい。かかるインターフェースは、例えば、Bluetooth、Zigbee、または802.11アドホックモードを包含する、いずれの好適な技術に従っても作動し得る。
本発明の少なくとも一態様の数種の側面をこのように記載してきたが、様々な変更、改変、および改善が当業者には容易になされるであろうことは解されるべきである。
かかる変更、改変、および改善は、本開示の一環であることを意図しており、本発明の精神および範囲内にあることを意図する。さらに、本出願の利点が指し示されているとはいえ、本発明のどの態様も、記載される利点のいずれも包含しているとは限らないことは解されるはずである。いくつかの態様は、本明細書に、およびいくつかの場合において、有利なものとして記載されるどの特色も遂行しないこともある。結果的に、上記の記載および図面は、ほんの一例としてである。
本出願の上に記載の態様は、無数のやり方のいずれでも遂行され得る。例えば、開示された方法は、MRI、超音波、マンモグラフィーおよび他のX線技法、ラマン、二光子顕微鏡法、ならびにその他を包含する単純な蛍光発光の範囲を超える撮像方法論へ適用されてもよい。
例えば、態様は、ハードウェア、ソフトウェア、またはそれらの組み合わせを使用して遂行されてもよい。ソフトウェアで遂行されたとき、ソフトウェアコードは、単一のコンピュータに提供されているかもしくは複数のコンピュータに分配されているかにかかわらず、いずれの好適なプロセッサまたはプロセッサの一群に対し実行され得る。かかるプロセッサ(複数)は、集積回路(複数)として実装されていてもよく、1個以上のプロセッサが集積回路構成要素(単数)に実装されていてもよく、当該集積回路構成要素は、CPUチップ、GPUチップ、マイクロプロセッサ、マイクロコントローラ、またはコプロセッサなどの名称で当該技術分野において知られている市販の集積回路構成要素を包含する。代替的に、プロセッサは、ASICなどのカスタム回路網に、またはプログラム可能な論理装置を構成した結果生じるセミカスタム回路網に実装されてもよい。今のところ、さらなる代替手段としてのプロセッサは、市販、セミカスタム、もしくはカスタムにかかわらず、より大きな回路の一部または半導体装置の一部であってもよい。特定の例として、いくつかの市販のマイクロプロセッサは、複数個のコアのうち1個または数個がプロセッサを構成してもよいように、複数のコアを有する。とは言え、プロセッサは、回路網を使用し、いずれの好適なフォーマットで実装されていてもよい。
さらに、コンピュータが、ラックマウント式コンピュータ、デスクトップコンピュータ、ラップトップコンピュータ、またはタブレットコンピュータなどの、数多の形態のいずれかに統合されてもよいことは解されるはずである。加えて、コンピュータは、パーソナルデジタルアシスタント(PDA)、スマートフォン、またはいずれの他の好適なポータブル電子装置または固定(fixed)電子装置を包含する、一般にコンピュータとしては見なされていないが好適な処理能をもつ装置に包埋されていてもよい。
また、コンピュータは、1以上の入力装置および出力装置も有していてよい。これらの装置は、数ある中でも、ユーザーインターフェースを提示するのに使用され得る。ユーザーインターフェースを提供するのに使用され得る出力装置の例は、出力の視覚提示のためのプリンタまたはディスプレー画面、および出力の聴覚提示のためのスピーカーまたは他の音発生装置を包含する。ユーザーインターフェースに使用され得る入力装置の例は、マウス、タッチパッド、およびデジタイザタブレットなどの、キーボードおよびポインティング装置を包含する。別の例として、コンピュータは、言語認識を通した入力情報または他の聴覚フォーマットの入力情報を受け取ってもよい。解説された態様において、入力/出力装置は、計算装置から物理的に分離されたものとして解説されている。しかしながら、いくつかの態様において、入力装置および/または出力装置は、計算装置のプロセッサまたは他の要素と同じユニット中へ物理的に集積化されていてもよい。例えば、キーボードは、タッチ画面上のソフトキーボードとして実装されていてもよい。代替的に、入力/出力装置は、計算装置からの接続を全面的に切られていてもよく、無線接続を通して機能的に集積化されていてもよい。
かかるコンピュータは、社内ネットワークもしくはインターネットなどのローカルエリアネットワークまたは広域ネットワークとして包含する1以上のネットワークによっていずれの好適な形態で相互接続されていてもよい。かかるネットワークは、いずれの好適な技術に基づいていてもよく、いずれの好適なプロトコルに従って作動してもよく、無線ネットワーク、有線ネットワーク、または光ファイバーネットワークを包含していてもよい。
また、本明細書に概説される様々な方法または処理は、様々なオペレーティングシステムまたはプラットホームのいずれか1つを採用する1個以上のプロセッサ上で実行可能なソフトウェアとしてコードされていてもよい。加えて、かかるソフトウェアは、数多の好適なプログラミング言語および/またはプログラミングツールもしくはスクリプト作成(scripting)ツールのいずれかを使用して書かれていてもよく、またフレームワークもしくは仮想マシン上で実行される実行可能な機械語コードまたは中間コードとしてもコンパイルされていてよい。
この点において、本発明は、1以上のコンピュータまたは他のプロセッサ上で実行されたとき上に説明された本発明の様々な態様を遂行する方法を実施する1以上のプログラムでコードされるコンピュータ可読記憶媒体(または複数のコンピュータ可読媒体)(例として、コンピュータメモリ、1以上のフロッピーディスク、コンパクトディスク(CD)、光ディスク、デジタルビデオディスク(DVD)、磁気テープ、フラッシュメモリ、フィールドプログラマブルゲートアレイもしくは他の半導体装置中の回路構成、または他の有形のコンピュータ記憶媒体)として統合されていてもよい。上記の例から明らかなとおり、コンピュータ可読記憶媒体は、非一時的な形態のコンピュータ実行可能命令を提供するのに充分な時間、情報を保持していてもよい。かかるコンピュータ可読記憶媒体(単数または複数)は、それに記憶されるプログラム(単数または複数)が上に説明されるとおりの本出願の様々な側面を遂行する1以上の種々のコンピュータまたは他のプロセッサ上へロードされ得るように、輸送可能であり得る。本明細書に使用されるとき、用語「コンピュータ可読記憶媒体」は、製造物(すなわち、製品)または機械であると考えられ得るコンピュータ可読媒体のみを網羅する。代替的に、または加えて、本発明は、伝播シグナル(propagating signal)などの、コンピュータ可読記憶媒体以外のコンピュータ可読媒体として統合されていてもよい。
用語「コード」、「プログラム」、または「ソフトウェア」は一般的な意味で、上に説明されるとおりの本出願の様々な側面を遂行するコンピュータもしくは他のプロセッサをプログラミングするのに採用され得るいずれのタイプのコンピュータコードまたはコンピュータ実行可能命令一式を指すのに本明細書に使用される。加えて、この態様の一側面に従うと、実行されたとき本出願の方法を実施する1以上のコンピュータプログラムが、単一のコンピュータまたはプロセッサ上に存在する必要はないが、本出願の様々な側面を遂行する数多の異なるコンピュータまたはプロセッサにモジュール方式で分配されていてもよいことは解されるはずである。
コンピュータ実行可能命令は、プログラムモジュールなどの多くの形態の1以上のコンピュータまたは他の装置によって実行されるものであってもよい。一般にプログラムモジュールは、具体的なタスクを実施するかまたは具体的な要約データタイプを遂行するルーチン、プログラム、オブジェクト、構成要素、データ構造等々を包含する。典型的には、プログラムモジュールの機能性は、様々な態様において所望されるとおりに組み合わされていてもまたは分配されていてもよい。
またデータ構造は、いずれの好適な形態でコンピュータ可読媒体に記憶されていてもよい。解説を単純化するため、データ構造は、データ構造中の場所を通して関係付けられたフィールドを有するよう示されていてもよい。かかる関係性は同じく、フィールド間の関係性を伝達するコンピュータ可読媒体中の場所に記憶をフィールドにつき指定することによって達成されてもよい。しかしながら、いずれの好適な機構は、例えばデータ要素間の関係性を確立するポインター、タグ、または他の機構の使用を通して、データ構造のフィールド中の情報同士の関係性を確立するのに使用されてもよい。
本出願の様々な側面は、単独で、組み合わせで、または上記の記載の態様において具体的には説明されなかった様々な配置で、使用されてもよく、したがって、その用途において、上記の記載で表されるかまたは図面中に解説される構成要素の詳細および配置に限定されない。例えば、一態様に記載される側面は、形はどうあれ、他の態様に記載される側面と組み合わされてもよい。
また本発明は、例が提供されている方法としても統合されてよい。方法の一環として実施される行為は、いずれの好適なやり方で順序付けられてもよい。結果的に、行為が解説されているのとは異なる順序で実施される態様も構築されてもよいが、前記態様は、解説に役立つ態様において逐次的な行為として示されていたとしても、それら行為のいくつかを同時に実施することを包含していてもよい。
本明細書中およびクレーム中の不定冠詞「a」および「an」は、本明細書に使用されるとき、明確にそれとは反対に指し示されていない限り、「少なくとも1の」を意味するものと理解されるはずである。
本明細書中およびクレーム中の句「および/または」は、本明細書に使用されるとき、そのように等位接続された要素の「いずれかまたは両方」、すなわち、あるケースにおいては接続的に(conjunctively)存在し、他のケースにおいては離接的に(disjunctively)存在する要素を意味するものと理解されるはずである。「および/または」を用いて列挙された複数の要素も同様に、すなわち、そのように等位接続された要素の「1以上」として解釈されるはずである。他の要素は任意に、「および/または」節によってはっきりと同定された要素以外に、はっきりと同定されたそれら要素に関係するかまたは関係しないかにかかわらず、存在していてもよい。よって、非限定例として、「Aおよび/またはB」への言及は、「を含む(comprising)」などのオープンエンドな言葉と併せて使用されるとき、一態様において、Aのみ(任意に、B以外の要素を包含する);別の態様において、Bのみ(任意に、A以外の要素を包含する);もう1つの態様において、AとBとの両方(任意に、他の要素を包含する);等々を指し得る。
本明細書中およびクレーム中の、1以上の要素の列挙に関する句「少なくとも1つの」は、本明細書に使用されるとき、要素の列挙中の要素のいずれか1以上から選択される少なくとも1つの要素を意味するものと理解されるが、要素の列挙内にはっきりと列挙された各要素および要素毎のうち少なくとも1つを必ずしも包含するものではなく、要素の列挙中の要素のいずれの組み合わせも排除しないはずである。この定義はまた、句「少なくとも1つの」が言及する要素の列挙内に、はっきりと同定された要素以外の要素が、はっきりと同定されたそれら要素に関係するかまたは関係しないかにかかわらず、任意に存在していてもよいことも許容する。よって、非限定例として、「AおよびBの少なくとも1つ」(言い換えれば「AまたはBの少なくとも1つ」、言い換えれば「Aおよび/またはBの少なくとも1つ」)は、一態様において、少なくとも1つ(任意に1つより多くを包含する)のAであってBは存在しない(および任意に、B以外の要素を包含する);別の態様において、少なくとも1つ(任意に1つより多くを包含する)のBであってAは存在しない(および任意に、A以外の要素を包含する);もう1つの態様において、少なくとも1つ(任意に1つより多くを包含する)のAと、少なくとも1つ(任意に1つより多くを包含する)のB(および任意に、他の要素を包含する);等々を指し得る。
クレーム要素を修飾するための、例えば、「第1(の)」、「第2(の)」、「第3(の)」等々の序数的用語のクレーム中の使用はそれだけで、1つのクレーム要素の、いずれかの優先度、手順、または順序を、別のものまたは方法の行為が実施される時間的順序に勝って暗示するものではないが、ある名称を有する一方のクレーム要素を(序数的用語がなければ)同じ名称を有するもう一方の要素と区別するラベルとしてただ単に、クレーム要素を区別するのに使用される。
また本明細書に使用される言い回しおよび専門用語は説明を目的としており、限定として見なされるべきではない。本明細書中「を包含する(including)」、「を含む(comprising)」、または「を有する(having)」、「を含有する(containing)」、「を伴う(involving)」、およびそれらのバリエーションの使用は、その後に列挙される事項およびそれらの均等物、ならびに追加事項を網羅することが意図される。
クレームされるのは以下のとおりである:

Claims (21)

  1. 外科処置部位中の異常細胞を検出するのに使用される患者固有の閾値を決定するためのシステムであって、システムが以下:
    患者の解剖学的構造の画像一式を産生するように構成されている、医用撮像装置;
    画像一式を受け取るように;および、画像一式を分析することで、患者の異常組織を検出するのに使用する患者固有の閾値を決定するように
    構成されている1以上のプロセッサを含む、画像分析システム
    を含む、前記システム。
  2. 画像分析システムが、画素比較器を使用して、関連画像の画素強度値を表す画像一式の各画像につき代表強度値を算出することで、代表強度値一式を生成することによって、画像一式を分析するように構成されている、請求項1に記載のシステム。
  3. 画像分析システムが、
    代表強度値一式において代表強度値のうち1以上を取り除くのに使用される予め決められた基準に基づき、代表強度値一式のうち一部を選択する;
    代表強度値の選択された一部を平均化することで、平均強度値を算出する;および
    平均強度値と画素比較器に関連する調整因子とに基づき、患者に対し患者固有の閾値を算出する
    ように構成されている、請求項2に記載のシステム。
  4. 画像が、患者の外科処置部位の外科処置部位画像である、請求項1に記載のシステム。
  5. 医用撮像装置が、新しい外科処置部位画像を産生するように構成されている;
    画像分析システムがさらに、算出された閾値に基づき、新しい外科処置部位画像において異常細胞の1以上の群を同定するように構成されている;および
    システムが、異常細胞の1以上の群のうち同定された少なくとも1群の1以上の場所を指し示すように構成されているディスプレーを含む、
    請求項1に記載のシステム。
  6. 画素比較器が、
    画像一式の各画像につき、各画像の最大画素強度値を算出することによって代表強度値を算出する、最大値比較器;
    画像一式の各画像につき、各画像の最小画素強度値を算出することによって代表強度値を算出する、最小値比較器;
    画像一式の各画像につき、各画像の画素強度値の平均値を算出することによって代表強度値を算出する、平均値比較器;
    画像一式の各画像につき、各画像の画素強度値の25％パーセンタイルを算出することによって代表強度値を算出する、25thパーセンタイル比較器;および
    画像一式の各画像につき、各画像の中央画素強度値を算出することによって代表強度値を算出する、中央値比較器
    からなる群から選択される、請求項1に記載のシステム。
  7. 画像分析システムが、複数の画素比較器から画素比較器を選択するように構成されており、以下:
    複数の画素比較器を訓練画像一式に対し動作させることで、複数の画素比較器における画素比較器の各々につき結果値一式を算出すること;
    複数の画素比較器における各画素比較器につき、結果値一式を分析すること;および
    分析に基づき、複数の画素比較器から画素比較器を選択すること
    を含む、請求項1に記載のシステム。
  8. 外科処置部位中の異常細胞を検出するのに使用される患者固有の閾値を決定するためのコンピュータ実装方法であって、方法が以下:
    患者の解剖学的構造の画像一式を受け取ること;および
    画像一式を分析することで、患者の異常組織を検出するのに使用するための患者固有の閾値を決定すること
    を含む、前記方法。
  9. 画素比較器を使用して、関連画像の画素強度値を表す画像一式の各画像につき代表強度値を算出することで、代表強度値一式を生成することによって、画像一式を分析すること
    を含む、請求項8に記載の方法。
  10. 代表強度値一式において代表強度値のうち1以上を取り除くのに使用される予め決められた基準に基づき、代表強度値一式のうち一部を選択すること;
    代表強度値の選択された一部を平均化することで、平均強度値を算出すること;および
    平均強度値と画素比較器に関連する調整因子とに基づき、患者に対し患者固有の閾値を算出すること
    をさらに含む、請求項9に記載の方法。
  11. 画像が、患者の外科処置部位の外科処置部位画像である、請求項8に記載の方法。
  12. 新しい外科処置部位画像を受け取ること;
    算出された閾値に基づき、新しい外科処置部位画像において異常細胞の1以上の群を同定すること;および
    異常細胞の1以上の群のうち同定された少なくとも1群の1以上の場所を、ディスプレーを介して指し示すこと
    をさらに含む、請求項8に記載の方法。
  13. 画素比較器が、以下:
    画像一式の各画像につき、各画像の最大画素強度値を算出することによって代表強度値を算出する、最大値比較器;
    画像一式の各画像につき、各画像の最小画素強度値を算出することによって代表強度値を算出する、最小値比較器;
    画像一式の各画像につき、各画像の画素強度値の平均値を算出することによって代表強度値を算出する、平均値比較器;
    画像一式の各画像につき、各画像の画素強度値の25％パーセンタイルを算出することによって代表強度値を算出する、25thパーセンタイル比較器;および
    画像一式の各画像につき、各画像の中央画素強度値を算出することによって代表強度値を算出する、中央値比較器
    からなる群から選択される、請求項8に記載の方法。
  14. 複数の画素比較器から画素比較器を選択することをさらに含み、以下:
    複数の画素比較器を訓練画像一式に対し動作させることで、複数の画素比較器における画素比較器の各々につき結果値一式を算出すること;
    複数の画素比較器における各画素比較器につき、結果値一式を分析すること;および
    分析に基づき、複数の画素比較器から画素比較器を選択すること
    を含む、請求項8に記載の方法。
  15. 外科処置部位画像を収集するように構成されている画像分析システムの少なくとも1個のプロセッサによって実行されるとき、方法を実施することで外科処置部位中の異常細胞を検出するのに使用される閾値を算出するコンピュータ実行可能命令を含む、少なくとも1個の非一時的コンピュータ可読記憶媒体であって、方法が以下:
    患者の解剖学的構造の画像一式を受け取ること;および
    画像一式を分析することで、患者の異常組織を検出するのに使用する患者固有の閾値を決定すること
    を含む、少なくとも1個の非一時的コンピュータ可読記憶媒体。
  16. 方法が以下:
    画素比較器を使用して、関連画像の画素強度値を表す画像一式の各画像につき代表強度値を算出することで、代表強度値一式を生成することによって、画像一式を分析すること
    をさらに含む、請求項15に記載の少なくとも1個の非一時的コンピュータ可読記憶媒体。
  17. 方法が以下:
    代表強度値一式において代表強度値のうち1以上を取り除くのに使用される予め決められた基準に基づき、代表強度値一式のうち一部を選択すること;
    代表強度値の選択された一部を平均化することで、平均強度値を算出すること;および
    平均強度値と画素比較器に関連する調整因子とに基づき、患者に対し患者固有の閾値を算出すること
    をさらに含む、請求項16に記載の少なくとも1個の非一時的コンピュータ可読記憶媒体。
  18. 画像が、患者の外科処置部位の外科処置部位画像である、請求項15に記載の少なくとも1個の非一時的コンピュータ可読記憶媒体。
  19. 方法が以下:
    新しい外科処置部位画像を受け取ること;
    算出された閾値に基づき、新しい外科処置部位画像において異常細胞の1以上の群を同定すること;および
    異常細胞の1以上の群のうち同定された少なくとも1群の1以上の場所を、ディスプレーを介して表示すること
    をさらに含む、請求項15に記載の少なくとも1個の非一時的コンピュータ可読記憶媒体。
  20. 画素比較器が、以下:
    画像一式の各画像につき、各画像の最大画素強度値を算出することによって代表強度値を算出する、最大値比較器;
    画像一式の各画像につき、各画像の最小画素強度値を算出することによって代表強度値を算出する、最小値比較器;
    画像一式の各画像につき、各画像の画素強度値の平均値を算出することによって代表強度値を算出する、平均値比較器;
    画像一式の各画像につき、各画像の画素強度値の25％パーセンタイルを算出することによって代表強度値を算出する、25thパーセンタイル比較器;および
    画像一式の各画像につき、各画像の中央画素強度値を算出することによって代表強度値を算出する、中央値比較器
    からなる群から選択される、請求項15に記載の少なくとも1個の非一時的コンピュータ可読記憶媒体。
  21. 方法が、複数の画素比較器から画素比較器を選択することをさらに含み、以下:
    複数の画素比較器を訓練画像一式に対し動作させることで、複数の画素比較器における画素比較器の各々につき結果値一式を算出すること;
    複数の画素比較器における各画素比較器につき、結果値一式を分析すること;および
    分析に基づき、複数の画素比較器から画素比較器を選択すること
    を含む、請求項15に記載の少なくとも1個の非一時的コンピュータ可読記憶媒体。
JP2021538423A 2018-12-31 2019-12-10 残存がん細胞検出のための閾値化のためのシステムおよび方法 Pending JP2022516139A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201862786657P 2018-12-31 2018-12-31
US62/786,657 2018-12-31
PCT/US2019/065319 WO2020142167A1 (en) 2018-12-31 2019-12-10 System and method for thresholding for residual cancer cell detection

Publications (1)

Publication Number Publication Date
JP2022516139A true JP2022516139A (ja) 2022-02-24

Family

ID=71122268

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021538423A Pending JP2022516139A (ja) 2018-12-31 2019-12-10 残存がん細胞検出のための閾値化のためのシステムおよび方法

Country Status (4)

Country Link
US (2) US11793594B2 (ja)
EP (1) EP3905948A4 (ja)
JP (1) JP2022516139A (ja)
WO (1) WO2020142167A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11426075B1 (en) 2017-08-23 2022-08-30 Lumicell, Inc. System and method for residual cancer cell detection

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU687958B2 (en) * 1993-11-29 1998-03-05 Arch Development Corporation Automated method and system for improved computerized detection and classification of masses in mammograms
US6748259B1 (en) * 2000-06-15 2004-06-08 Spectros Corporation Optical imaging of induced signals in vivo under ambient light conditions
WO2004016653A2 (en) 2002-08-15 2004-02-26 Leukotech A/S Bactericidal, anti-apoptotic, pro-inflammatory and anti-inflammatory peptides of heparin-binding protein (hbp) or human neutrophil elastase
US7702599B2 (en) 2004-10-07 2010-04-20 Bernard Widrow System and method for cognitive memory and auto-associative neural network based pattern recognition
US7949164B2 (en) * 2005-04-28 2011-05-24 Yeda Research & Development Co. Ltd. Lung cancer diagnosis using magnetic resonance imaging data obtained at three time points
WO2007058895A2 (en) * 2005-11-11 2007-05-24 Visualsonics Inc. Overlay image contrast enhancement
JP4659645B2 (ja) 2006-03-01 2011-03-30 オリンパスメディカルシステムズ株式会社 拡大内視鏡光学系
US8983581B2 (en) 2008-05-27 2015-03-17 Massachusetts Institute Of Technology System and method for large field of view, single cell analysis
US20100158332A1 (en) 2008-12-22 2010-06-24 Dan Rico Method and system of automated detection of lesions in medical images
US9155471B2 (en) * 2009-05-27 2015-10-13 Lumicell, Inc'. Methods and systems for spatially identifying abnormal cells
EP2435096A1 (en) 2009-05-27 2012-04-04 Lumicell Diagnostics, Inc. Methods and systems for spatially identifying abnormal cells
US9314304B2 (en) 2010-12-08 2016-04-19 Lumicell, Inc. Methods and system for image guided cell ablation with microscopic resolution
WO2012138871A2 (en) * 2011-04-08 2012-10-11 Algotec Systems Ltd. Image analysis for specific objects
CA2906056A1 (en) 2013-03-14 2014-09-25 Lumicell, Inc. Medical imaging device and methods of use
CN115919266A (zh) * 2016-03-08 2023-04-07 恩斯派克特拉健康公司 皮肤疾病的非侵入式检测
US11426075B1 (en) 2017-08-23 2022-08-30 Lumicell, Inc. System and method for residual cancer cell detection

Also Published As

Publication number Publication date
US20200205930A1 (en) 2020-07-02
US11793594B2 (en) 2023-10-24
WO2020142167A1 (en) 2020-07-09
EP3905948A4 (en) 2022-10-05
US20230397970A1 (en) 2023-12-14
EP3905948A1 (en) 2021-11-10

Similar Documents

Publication Publication Date Title
US10198668B2 (en) Apparatus and method for supporting computer aided diagnosis (CAD) based on probe speed
Ali et al. A systematic review of automated melanoma detection in dermatoscopic images and its ground truth data
AU2019431299B2 (en) AI systems for detecting and sizing lesions
US20180263568A1 (en) Systems and Methods for Clinical Image Classification
US20150065803A1 (en) Apparatuses and methods for mobile imaging and analysis
US11771324B1 (en) System and method for residual cancer cell detection
US20220301159A1 (en) Artificial intelligence-based colonoscopic image diagnosis assisting system and method
US20210407637A1 (en) Method to display lesion readings result
US20230007982A1 (en) Computer-implemented systems and methods for object detection and characterization
US20230352133A1 (en) Systems and methods for processing medical data
US20230397970A1 (en) System and method for thresholding for residual cancer cell detection
Sies et al. Dark corner artefact and diagnostic performance of a market‐approved neural network for skin cancer classification
JP2006325640A (ja) 異常陰影候補の表示方法及び医用画像処理システム
JP2006340835A (ja) 異常陰影候補の表示方法及び医用画像処理システム
JP7265805B2 (ja) 画像解析方法、画像解析装置、画像解析システム、制御プログラム、記録媒体
EP3805835B1 (en) Optical imaging system and related apparatus, method and computer program
US20240013394A1 (en) Skin cancer diagnosis method based on image analysis using artificial intelligence
Rao et al. OCTAI: Smartphone-based Optical Coherence Tomography Image Analysis System
Saha et al. YoTransViT: A transformer and CNN method for predicting and classifying skin diseases using segmentation techniques
Yoon et al. Automated deep learning model for estimating intraoperative blood loss using gauze images
WO2022054049A1 (en) Systems and methods for polyp size estimation
KR20220068458A (ko) 학습 데이터 생성 장치 및 방법
Rafi et al. Improving Prostate Cancer Diagnosis with Weakly Supervised Learning and Radiology-Confirmed Negative MRI Data
Zhang et al. Deep Learning-Powered Lung Cancer Diagnosis: Harnessing IoT Medical Data and CT Images.
WO2022187661A1 (en) Systems and methods for organ shape analysis for disease diagnosis and risk assessment

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20221208

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230807

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20231002

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20231207

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240329