JP6247316B2 - ハイパースペクトルカメラガイドプローブを持つイメージングシステム - Google Patents

Description

本発明は医療器具若しくは機器の分野に関する。より具体的には、本発明は効果的な腫瘍マージン評価のためなど、生体組織において標的構造を特定するための医用イメージングシステム及び方法に関する。

腫瘍切除手術中、切除した組織の境界に腫瘍がないかどうかの評価は極めて重要である。腫瘍が完全に切除されなければ、患者にとって散々な結果にもかかわらず治療は治癒的にはならない。組織病理学は切除が完全であったかどうかを評価するためのゴールドスタンダードであるが、これは切除した標本の評価に要する時間のために手術が完了した後にしかなされることができない。断端陽性についてある深さまで切除した組織の外層を調べることができる表面プローブが開発中であるが、これらの方法は外面が十分な精度と十分な分解能で調べられなければならないので、まだかなり時間がかかる。さらに、これらの測定は点状（若しくは小領域測定）であるため、不均一組織構造による変動を生じやすく、これらの測定を不安定にし得る。

従っていかにして時間効率がよくロバストな方法で切除した腫瘍組織の表面を断端陽性について調べるかが問題である。

生体組織内の標的構造、例えば腫瘍組織の安定であると同時に時間効率のよい特定を可能にするシステムと方法を提供することが有利である。

第一の態様において、本発明は関連する生体組織において標的構造を特定するように構成される医用イメージングシステムを提供し、システムは以下を有する：
‐生体組織の第一の表面領域をカバーするハイパースペクトル画像を提供するように構成されるハイパースペクトルカメラシステム。ハイパースペクトル画像のピクセルは異なる光波長帯域における情報を含む。
‐標的構造を示す情報とともに生体組織の第二の表面領域のプローブ測定を提供し、それに従ってプローブ測定データを生成するように構成されるプローブ。第二の表面領域は第一の表面領域より小さく、プローブは標的構造の特定に関してハイパースペクトルカメラシステムよりも高い特異性を提供するように選択される。
‐ハイパースペクトル画像とプローブ測定データを受信するように機能的に接続されるプロセッサ。プロセッサは標的構造を含む可能性があるハイパースペクトル画像の部分を特定するためにハイパースペクトル処理アルゴリズムに従ってハイパースペクトル画像を分析するように構成され、プロセッサはさらに、ハイパースペクトル画像において標的構造を特定する感度が増大した較正されたハイパースペクトル処理アルゴリズムを提供するように、プローブ測定データを分析し、それに応じてハイパースペクトル処理アルゴリズムを較正するように構成される。

本発明は、十分に大きな領域の画像を非常に迅速に、ただしかなり限られたスペクトル分解能で、従って生体組織内の標的構造の特定に関してかなり低い特異性で、提供するために、ハイパースペクトル画像が使用され得るという点で、前述の問題を解決する。しかしながら、それでもハイパースペクトル画像は疑わしい領域、すなわち標的構造が存在する一定の可能性があると予想され得る領域を特定するために使用されることができる。そしてハイパースペクトル画像はオペレータによって、例えばディスプレイ上の視覚表示を用いて、ハイパースペクトル画像によってカバーされる第一の表面領域内のどの（複数の）位置が、標的構造の特定に関してより高い特異性を提供するように選択されるプローブによって測定されるべきかを選択することを目指すガイドとして、使用され得る。従って、プローブは例えばハイパースペクトル画像よりも高いスペクトル分解能を提供することによって、ただし限られた測定領域という犠牲を払って、例えば点測定若しくは点状測定の形で、標的構造を特定するためによりよいデータを提供する。プローブ測定データを用いてハイパースペクトル画像処理アルゴリズムを修正若しくは較正して、標的構造、例えば腫瘍組織の特定に関してコントラスト及び／又は感度が増大した改良された画像が得られる。一つ若しくは限られた数のプローブ測定が実行された後、ハイパースペクトル画像処理アルゴリズムはそれに従って較正されており、較正されたアルゴリズムで処理されるリアルタイムハイパースペクトル画像が、さらなる標的構造の非常に迅速な検査を提供するために使用され得る。

従って、より時間を消費するプローブで検査される疑わしい領域を指摘するために高速のハイパースペクトルカメラが使用される。しかしながら、単一の点状プローブ測定であっても、標的構造を特定する感度の増大を目指してハイパースペクトル画像を著しく改良するために使用され得ることがわかる。このように、本発明の医用イメージングシステムは切除後の断端陽性のロバストで時間効率のよい特定を提供し得る。これはシステムが術中に使用されることを可能にし、従って、後の検査で全腫瘍組織がうまく除去されていないことがわかる場合、手術をやり直す必要なく腫瘍外科手術中に全腫瘍組織を除去する可能性を増す。プローブのタイプ及びプローブ測定データのその後の処理は、好適には問題の特定標的構造の特定に対する高感度を提供することを目指して選択されるべきであることが理解される。

腫瘍の特定の場合、ハイパースペクトルカメラシステムは組織標本の表面の可視画像とハイパースペクトル画像を作るために使用され、接触プローブ若しくは表面プローブは標本の表面付近の組織の内部を局所的に測定することができる。ハイパースペクトル画像はルックアップテーブルデータに基づいて疑わしい領域について分析され、疑わしいシグネチャについてプローブを分析することができる。プローブは、プローブ面が断端陽性を含むかどうかを示す信号を生成することができ、表面プローブで検査される領域はハイパースペクトル画像分析に基づいて可視画像内に示される。例えば数箇所でとられる表面プローブからの信号は、ハイパースペクトル画像を分析するために使用される２Ｄ‐画像処理アルゴリズムを較正するために使用される。プローブデータは特により大きなスペクトル範囲で、より高いスペクトル分解能で取得され、表面下の組織の部分もカバーし、従ってこれらの組織点の正確な評価を可能にし得る。これらの表面プローブ測定はインターベンション中に数回だけ（例えば２Ｄ‐スペクトル画像処理が大きな再構成不確実性を示すとき）なされる必要があり、一旦この表面プローブデータでこの較正が実行されており、システムが再較正されれば、オペレータは本発明に従ってハイパースペクトル画像から得られるリアルタイム２Ｄ‐結果を使用することができる、ということである。特に、表面プローブ測定の信号は、測定のときにプローブ先端位置を標本とレジストレーションするために可視画像の画像分析に基づいて可視画像及び／又はハイパースペクトル画像において注釈付けされる。

腫瘍組織の特定は別として、イメージングシステムは例えば術中に生体組織の表面下の他の標的構造、例えば血管、神経束などの存在を特定するためにも使用され得る。これによって時間のかかる及び／又はインターベンショナルなプローブの必要性の範囲内でこのような血管及び神経束の不測の切開を回避することが可能である。

好適な実施形態において、プローブ測定はハイパースペクトル画像よりも高いスペクトル分解能で取得される。特に、ハイパースペクトル画像はかなり低スペクトル分解能のオーバーラップスペクトル帯で取得され得るか、又はスペクトル帯は非オーバーラップであり、従っていかなる情報も伴わないスペクトル帯を持ち得る。従って、両方の場合において、プローブはより高いスペクトル分解能で測定データを提供し、従ってこれは生体組織内の標的構造の特定に関してより高い特異性を可能にし得る。

好適には、第二の表面領域は第一の表面領域内に位置するように選択され、従ってプローブ測定はハイパースペクトル画像によってカバーされる領域内で実行される。プローブがインターベンションデバイスである場合、"第一の表面領域内"とは、プローブ測定が第一の表面領域の表面下の生体組織内の点若しくは小領域において実行されることと理解されることが理解される。

システムは、一部分の視覚表示と一緒にハイパースペクトル処理アルゴリズムで処理された後のハイパースペクトル画像を視覚的に表示するように構成され、例えば特殊シェーディング、着色、ハイライト、若しくは包囲が、標的構造を含む可能性があると特定される一つ若しくは複数の部分を図示するために使用され得る。

システムは好適には較正されたハイパースペクトル処理アルゴリズムで処理された後のハイパースペクトル画像を視覚的に表示するように構成される。これによって、オペレータ、例えば医師は、較正されたアルゴリズムによる処理後に標的構造をよりよく可視化するように改良される、結果として得られるハイパースペクトル画像を検査することができる。

プロセッサは、プローブ測定データをルックアップテーブルと比較することを有するプローブ処理アルゴリズムに従ってプローブ測定データを分析するように構成され得る。代替的に若しくは付加的に、プロセッサは複数の測定パラメータを計算すること、及び複数の測定パラメータを標的構造を示す生理学的パラメータに変換することを有するプローブ処理アルゴリズムに従ってプローブ測定データを分析するように構成され得る。

プロセッサは、標的構造に属するとプローブ測定データにおいて特定されるハイパースペクトル画像内のピクセルのグルーピングを精緻化することによってハイパースペクトル処理アルゴリズムを較正するように構成され得る。このような改良されたハイパースペクトル画像内のピクセルのグルーピングは標的構造の改良された可視化を提供する。例えば同じ色若しくは明るさを与えられるピクセルのグルーピングはプローブ測定データから抽出されるパラメータに基づいて変更若しくは調整され得る。

プローブは表面プローブ及び／又はインターベンションデバイスを有し得る。プローブは光学プローブ及び／又は超音波プローブを有し得る。どのプローブを使用するかの選択は生体組織とその中で特定される標的構造のタイプによって決まる。特に光学プローブは、拡散反射分光法プローブ、拡散光トモグラフィプローブ、光路長差分光法、蛍光プローブ、ラマン分光法プローブ、共焦点反射プローブ、共焦点蛍光プローブ、二光子蛍光プローブ、光コヒーレンストモグラフィプローブ、及び共焦点イメージングを実行するように構成されるスキャンファイバ顕微鏡のうちの一つを有し得る。

好適には、ハイパースペクトルカメラシステムは二次元リアルタイム画像を提供するように構成され、従ってハイパースペクトル画像がモニタ上でプローブオペレータへ表示される場合にプローブ先端のリアルタイムナビゲーションを可能にする。ハイパースペクトルカメラシステムは一般に、（１）広帯域光源からの光に基づいてカメラ内部に波長分離を持つ専用ハイパースペクトルカメラ、（２）可変波長若しくは同調フィルタセットを持つ光源と標準カメラ、並びに（３）標準カメラの前の広帯域光源と同調フィルタのうちの一つに基づき得る。

ハイパースペクトルカメラ、すなわちタイプ（１）は典型的には高価であり、一方タイプ（２）及び（３）は標準カメラに基づく。しかしながら、それらは他の利点に悩まされる。例えば、異なる波長光での照明によるソリューションは、高品質画像を生成するために環境が暗くなることを要する。ハイパースペクトルカメラシステムに関する"Ａｎ ｉｎｔｒｏｄｕｃｔｉｏｎ ｔｏ ｈｙｐｅｒｓｐｅｃｔｒａｌ ｉｍａｇｉｎｇ ａｎｄ ｉｔｓ ａｐｐｌｉｃａｔｉｏｎ ｆｏｒ ｓｅｃｕｒｉｔｙ，ｓｕｒｖｅｉｌｌａｎｃｅ ａｎｄ ｔａｒｇｅｔ ａｃｑｕｉｓｉｔｉｏｎ"，Ｐ．Ｗ．Ｔ．Ｙｕｅｎ，Ｍ．Ｒｉｃｈａｒｄｓｏｎ，Ｔｈｅ Ｉｍａｇｉｎｇ Ｓｃｉｅｎｃｅ Ｊｏｕｒｎａｌ，Ｖｏｌ．５８，２０１０，ｐ．２４１‐２５３を参照。従って、一実施形態において、ハイパースペクトルカメラシステムは以下のうちの一つを有する：
‐ハイパースペクトル画像を提供するように構成されるハイパースペクトルカメラ。
‐標準カメラ及び異なる狭帯域波長を持つ複数の光源、及び生体組織が複数の光源によって連続的に照明される画像を提供するように構成されるコントローラ。
‐標準カメラ、及び同調光学フィルタの異なる設定で連続画像を提供するように、標準カメラと生体組織の間に配置される同調光学フィルタ。

プロセッサは、ハイパースペクトル画像のどの部分にプローブ測定データが対応するかを特定するよう、ハイパースペクトル画像においてプローブの先端を特定するために画像処理アルゴリズムに従ってハイパースペクトル画像を処理するように構成され得る。この実施形態において、ハイパースペクトル画像のどの部分に所与のプローブ測定が当てはまるかを自動的に特定することが可能であり、これは測定中にプローブの位置を決定するための他のタイプのロケーション手段と比較して迅速で信頼できる方法でハイパースペクトル処理アルゴリズムの較正を実行するために好適である。

既に述べた通り、イメージングシステムは腫瘍組織、神経束、血管（動脈若しくは静脈）、リンパ節、及び組織の酸素化レベルなど、異なる標的構造の特定のために使用され得る。

プロセッサは好適には適切なプロセッサシステム若しくはコンピュータ上での実行のために構成されるソフトウェアプログラムとして実装され得る制御アルゴリズムによって制御される。システムのプロセッサは、例えばハイパースペクトル画像を表示するディスプレイを含む、専用デバイスにおいて実装され得るか、又はシステムのプロセッサはサーバ若しくは汎用コンピュータ上で実行するように構成されるソフトウェアプログラムとして実装され得る。

インターベンションデバイス及び／又は表面プローブのサイズと形状、例えば光学プローブの場合光ファイバの厚さと数は、所与のアプリケーションのために選択されることが理解される。

第二の態様において、本発明は関連する生体組織において標的構造を検出するための方法を提供し、方法は以下のステップを有する：
‐関連する生体組織の第一の表面領域をカバーするハイパースペクトル画像を提供するステップ。ハイパースペクトル画像のピクセルは異なる光波長帯域に関する情報を含む。
‐標的構造を示す情報とともに生体組織の第二の表面領域のプローブ測定に従ってプローブ測定データを提供するステップ。第二の表面領域は第一の表面領域より小さく、第一の表面領域内に位置し、プローブ測定は標的構造の特定に関してハイパースペクトルカメラシステムよりも高い特異性を提供するように選択される。
‐標的構造を含むかもしれないハイパースペクトル画像の部分を特定するためにハイパースペクトル処理アルゴリズムに従ってハイパースペクトル画像を分析するステップ。
‐プローブ測定データを分析するステップ。及び、
‐ハイパースペクトル画像において標的組織構造を特定する感度が増大した、較正されたハイパースペクトル処理アルゴリズムを提供するよう、プローブ測定データ分析の結果に応じてハイパースペクトル処理アルゴリズムを較正するステップ。

ハイパースペクトル画像を"提供"すること及びプローブ測定データを"提供"することは、"提供"が単に例えば保存若しくは送信されたデータなど、データを例えばデジタル形式で受信することを意味する方法のバージョンをカバーすることが理解される。しかしながら、方法の別のバージョンでは、"提供"は生体組織のハイパースペクトル画像を実際にとること、及び生体組織に対してプローブ測定を実行することもカバーする。

当然のことながら第一の態様の同じ利点と実施形態は第二の態様にも当てはまる。一般に第一及び第二の態様は本発明の範囲内で可能ないかなる方法でも組み合わされ、結合され得る。本発明のこれらの及び他の態様、特徴及び／又は利点は以下に記載の実施形態から明らかとなり、それらを参照して解明される。

第一の態様にかかるシステムと第二の態様にかかる方法は、腫瘍外科手術後の断端陽性の特定、組織表面下の血管（動脈若しくは静脈）の特定、組織表面下の神経束の特定、リンパ節、及び組織の酸素化レベルなど、複数のアプリケーションにおいて使用され得ることが理解される。

本発明の実施形態は、ほんの一例として、図面を参照して記載される。

イメージングシステムの実施形態の単純ブロック図を図示する。 本発明に適した光学プローブ先端のスケッチを図示する。 標準カメラに基づく、異なる狭帯域波長光源を伴うハイパースペクトルカメラシステムの実施形態を図示する。 腫瘍組織が存在し得る疑わしい領域の表示とともにハイパースペクトル画像の視覚化を図示する。 ハイパースペクトル処理アルゴリズムが較正された後の、従ってホワイトシェーディングとして腫瘍をはっきりと明らかにする図４ａの画像を図示する。 プローブでの点測定の位置を選択するための異なる手法を図示する。 プローブでの点測定の位置を選択するための異なる手法を図示する。 プローブでの点測定の位置を選択するための異なる手法を図示する。 較正後のハイパースペクトル画像と一緒に腫瘍表示がディスプレイ上に示される診断実施形態のブロック図を図示する。 血液、水及び脂肪に対する吸収スペクトルを示すグラフを図示する。 Ａ：コラーゲン、Ｂ：エラスチン、Ｃ：ＮＡＤＨ、及びＤ：ＦＡＤについての内部蛍光曲線を示すグラフを図示する。 方法の実施形態のブロック図を図示する。

図１はプロセッサＰに適用されてハイパースペクトル処理アルゴリズムＨＳＡにおいて処理されるハイパースペクトルカメラＨＳＣリアルタイム２Ｄハイパースペクトル画像ＨＳＩを伴うシステムの実施形態の基本部分を図示する。ハイパースペクトルカメラＨＳＣは検査される生体組織ＢＴの第一の領域Ａ１、例えば腫瘍組織ＴＳの形で標的構造の存在に関して検査される人体の一部の、ハイパースペクトル画像を提供する。そして処理Ｉ１後のハイパースペクトル画像はディスプレイＤ上にカラー若しくはグレーシェーディングで、例えば腫瘍組織ＴＳを含む可能性があると特定される画像の疑わしい部分をグラフィックでハイライトする視覚的インジケータとともに、表示される。

光学表面プローブＰＲはカメラＨＳＣによってカバーされる第一の領域Ａ１内に位置する第二の領域Ａ２をカバーする単一測定のプローブ測定データＰＭＤを提供する。プローブ測定データＰＭＤはプロセッサに適用され、プローブ測定アルゴリズムＰＭＡによって処理される。このアルゴリズムＰＭＡはプローブ測定データＰＭＤに基づく一つ以上の生理学的パラメータＰＰを抽出することを含み得る。プローブは例えばハイパースペクトルカメラＨＳＣよりも高いスペクトル分解能を提供することによって、腫瘍組織ＴＳを特定することに関してより高い特異性を持つ測定データＰＭＤを提供するように選択される。従って、プローブＰＲが限られた領域Ａ２、例えば単一点をカバーするとしても、これは例えばハイパースペクトル画像でできる以上に組織表面のさらに下の情報を可能にする測定技術のために、ハイパースペクトル画像に基づいてできる以上に高い確実性で腫瘍組織ＴＳの特定を可能にする情報を含むプローブ測定データＰＭＤを提供する。

プローブ測定データＰＭＤから抽出される生理学的パラメータＰＰは、例えばハイパースペクトル画像内の腫瘍組織の生理学的構造をよりよく視覚的に強調するためにハイパースペクトル画像内の画像ピクセルのグルーピングを精緻化することによって、ハイパースペクトル処理アルゴリズムＨＳＡを較正するために使用される。これは較正されたハイパースペクトル処理アルゴリズムＨＳＡをもたらし、そしてその後処理されるハイパースペクトル画像Ｉ２がディスプレイＤに表示され、従って腫瘍組織ＴＳ関連構造が視覚的に強調される画像をもたらすので、オペレータが腫瘍組織ＴＳをより明らかに特定することを可能にする。しかしながら、ハイパースペクトル画像は腫瘍組織が存在する可能性がある、カバーされる領域Ａ１の部分の特定を可能にし、これはプローブ測定を実行するために点若しくは領域Ａ２を選択することを目指すオペレータのためのガイドとして使用されることができるので、全領域Ａ１をカバーする時間のかかるプローブ測定を省く。特に、点測定を提供するプローブＰＲが使用されることができ、これは腫瘍組織ＴＳの特定に関して非常に高い特異性を可能にし、従って高速で第一の領域Ａ１内の腫瘍組織ＴＳの極めて信頼できる特定を提供する。

プローブは表面プローブ若しくはインターベンションデバイスであり得る。プローブが光学プローブである場合、プローブの光ファイバは好適には光学コンソールに接続される。特定の実施形態において、光学検出器は４００ｎｍから１７００ｎｍなどの波長スペクトルの可視及び赤外領域に実質的にある波長を持つ光を分解することができ、これは可視及び近赤外波長域の両方において拡散反射測定を可能にし得る。拡散反射スペクトル（ＤＲＳ）測定についての詳細な解説はＲ．Ｎａｃｈａｂｅ，Ｂ．Ｈ．Ｗ．Ｈｅｎｄｒｉｋｓ，Ｍ．Ｖ．Ｄ．Ｖｏｏｒｔ，Ａ．Ｅ，ａｎｄ Ｈ．Ｊ．Ｃ．Ｍ．Ｓｔｅｒｅｎｂｏｒｇ，"Ｅｓｔｉｍａｔｉｏｎ ｏｆ ｂｉｏｌｏｇｉｃａｌ ｃｈｒｏｍｏｐｈｏｒｅｓ ｕｓｉｎｇ ｄｉｆｆｕｓｅ ｏｐｔｉｃａｌ ｓｐｅｃｔｒｏｓｃｏｐｙ：ｂｅｎｅｆｉｔ ｏｆ ｅｘｔｅｎｄｉｎｇ ｔｈｅ ＵＶ‐ＶＩＳ ｗａｖｅｌｅｎｇｔｈ ｒａｎｇｅ ｔｏ ｉｎｃｌｕｄｅ １０００ ｔｏ １６００ｎｍ，"Ｏｐｔｉｃｓ Ｅｘｐｒｅｓｓ，ｖｏｌ．１８，２０１０，ｐｐ．８７９‐８８８，及びＲ．Ｎａｃｈａｂｅ，Ｂ．Ｈ．Ｗ．Ｈｅｎｄｒｉｋｓ，Ａ．Ｅ．Ｄｅｓｊａｒｄｉｎｓ，Ｍ．ｖａｎ ｄｅｒ Ｖｏｏｒｔ，Ｍ．Ｂ．ｖａｎ ｄｅｒ Ｍａｒｋ， ａｎｄ Ｈ．Ｊ．Ｃ．Ｍ．Ｓｔｅｒｅｎｂｏｒｇ，"Ｅｓｔｉｍａｔｉｏｎ ｏｆ ｌｉｐｉｄ ａｎｄ ｗａｔｅｒ ｃｏｎｃｅｎｔｒａｔｉｏｎｓ ｉｎ ｓｃａｔｔｅｒｉｎｇ ｍｅｄｉａ ｗｉｔｈ ｄｉｆｆｕｓｅ ｏｐｔｉｃａｌ ｓｐｅｃｔｒｏｓｃｏｐｙ ｆｒｏｍ ９００ ｔｏ １６００ｎｍ，"Ｊｏｕｒｎａｌ ｏｆ Ｂｉｏｍｅｄｉｃａｌ Ｏｐｔｉｃｓ，ｖｏｌ．１５，Ｍａｙ．２０１０，ｐｐ．０３７０１５‐１０を参照のこと。

進展及び被試験Ａ１下領域が腫瘍組織を含むかどうかについての情報は、オペレータ、例えば医師にプロセッサＰによっていくつかの方法で提供され得る。例えば赤色光を示すときはまだ腫瘍組織が検出され、緑色光で腫瘍がない、及び／又は随意に黄色光で腫瘍を疑う、ディスプレイＤ上の光インジケータ若しくは表示が使用され得る。別の方法は可聴音声信号を使用することである。オペレータに結果を知らせるさらに別の方法はバー及び／又は数字及び／又は色など、ディスプレイＤ上のグラフィック表示を用いて腫瘍検出の確率を計算することである。

ハイパースペクトルカメラＨＳＣはリアルタイム画像を提供するので、表示画像中のプローブの存在を視覚的に示すことが可能であり、従ってオペレータが疑わしい領域においてプローブを位置付けること、及びその中でプローブ測定を実行することを可能にする。そしてプロセッサは、ハイパースペクトル画像内の正確な位置にプローブ測定データＰＭＤを自動的に割り当てるよう、プローブ先端の検出を可能にする画像処理アルゴリズムを含み得る。

ハイパースペクトルイメージングにおいて、遠隔オブジェクトの２Ｄ‐画像がとられ、それによって２Ｄ‐画像の各ピクセルごとにレジストレーションされた光子のスペクトル成分が分析されている。これは画像強度が（Ｘ，Ｙ）座標と波長の関数として保存される３Ｄ‐データセットを効果的にもたらす。高感度で高価なイメージングシステムを要する宇宙及び空中アプリケーション（鉱物学、農学）用にもともと開発されたが、ハイパースペクトルイメージングカメラは現在プロフェッショナル及び消費者市場で市販されており、例えばヘルスケア及びサーベイランスにおいても適用されている。所要の視野、フレームレート及びスペクトル窓の数と幅に依存して、点スキャン若しくは線スキャンデバイス及び回折、屈折若しくは干渉スペクトルフィルタリングに基づく異なる技術が使用されている。ハイパースペクトルイメージングカメラの典型的な実施例が図１に示され、製造業者Ｈｅａｄｗａｌｌ及びＨｏｒｉｂａの二つのハイパースペクトルカメラを図示する。ハイパースペクトルイメージングのより詳細な概説はＳｈａｗ Ｇ．Ａ．；Ｂｕｒｋｅ Ｈ．Ｋ．，"Ｓｐｅｃｔｒａｌ Ｉｍａｇｉｎｇ ｆｏｒ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ"，Ｌｉｎｃｏｌｎ Ｌａｂｏｒａｔｏｒｙ Ｊｏｕｒｎａｌ １４（１），２００３，ｐｐ．３‐２８に見られる。

ヘルスケアアプリケーションの場合、二次元組織酸素化マップを提供するために医用ハイパースペクトルイメージング（ＭＨＳＩ）が典型的に使用される。イメージング中、反射光が複数波長において収集され、オキシヘモグロビン及びデオキシヘモグロビン信号を分離するために処理され、組織生存性の酸素化マップにおいてデータを表示するために専用アルゴリズムが使用され得る：ｗｗｗ．ｈｙｐｅｒｍｅｄ‐ｉｎｃ．ｃｏｍからのＨｙｐｅｒＭｅｄ Ｉｎｃ．"ＯｘｙＶｕ Ｈｙｐｅｒｓｐｅｃｔｒａｌ Ｉｍａｇｉｎｇ Ｔｅｃｈｎｏｌｏｇｙ"。最近、腫瘍組織の存在についての表示とともに領域を特定するための専用アルゴリズムを持つハイパースペクトルイメージングシステムが導入されている［Ｐａｎａｓｙｕｋ，Ｓ．Ｖ．，Ｓ．Ｙａｎｇ，ｅｔ ａｌ．（２００７）．"Ｍｅｄｉｃａｌ ｈｙｐｅｒｓｐｅｃｔｒａｌ ｉｍａｇｉｎｇ ｔｏ ｆａｃｉｌｉｔａｔｅ ｒｅｓｉｄｕａｌ ｔｕｍｏｒ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｄｕｒｉｎｇ ｓｕｒｇｅｒｙ．"Ｃａｎｃｅｒ Ｂｉｏｌｏｇｙ＆Ｔｈｅｒａｐｙ ６（３）：４３９‐４４６］、及び［Ｈａｍｅｄ Ａｋｂａｒｉ，Ｋｕｎｉａｋｉ Ｕｔｏ，Ｙｕｋｉｋｏ Ｋｏｓｕｇｉ，Ｋａｚｕｙｕｋｉ Ｋｏｊｉｍａ ａｎｄ Ｎａｏｆｕｍｉ Ｔａｎａｋａ（２０１１），Ｃａｎｃｅｒ ｄｅｔｅｃｔｉｏｎ ｕｓｉｎｇ ｉｎｆｒａｒｅｄ ｈｙｐｅｒｓｐｅｃｔｒａｌ ｉｍａｇｉｎｇ，Ｃａｎｃｅｒ Ｓｃｉｅｎｃｅ １０２（４）８５２‐８５７］。これらのシステムは４００ｎｍから最大８００ｎｍまでの可視波長域［Ｐａｎａｓｙｕｋ，Ｓ．Ｖ．，Ｓ．Ｙａｎｇ，ｅｔ ａｌ．（２００７）．"Ｍｅｄｉｃａｌ ｈｙｐｅｒｓｐｅｃｔｒａｌ ｉｍａｇｉｎｇ ｔｏ ｆａｃｉｌｉｔａｔｅ ｒｅｓｉｄｕａｌ ｔｕｍｏｒ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｄｕｒｉｎｇ ｓｕｒｇｅｒｙ．"Ｃａｎｃｅｒ Ｂｉｏｌｏｇｙ＆Ｔｈｅｒａｐｙ ６（３）：４３９‐４４６］若しくは近赤外域（１０００‐２５００ｎｍ）［Ｈａｍｅｄ Ａｋｂａｒｉ，Ｋｕｎｉａｋｉ Ｕｔｏ，Ｙｕｋｉｋｏ Ｋｏｓｕｇｉ，Ｋａｚｕｙｕｋｉ Ｋｏｊｉｍａ ａｎｄ Ｎａｏｆｕｍｉ Ｔａｎａｋａ（２０１１），Ｃａｎｃｅｒ ｄｅｔｅｃｔｉｏｎ ｕｓｉｎｇ ｉｎｆｒａｒｅｄ ｈｙｐｅｒｓｐｅｃｔｒａｌ ｉｍａｇｉｎｇ，Ｃａｎｃｅｒ Ｓｃｉｅｎｃｅ １０２（４）８５２‐８５７］のいずれかにおいて表面領域を画像化し、疑わしいスポットを特定するためにルックアップテーブルに従って画像を着色する。

しかしながら、感度は組織表面上のさまよう血液の存在によって妨げられることが多く、これは観血手術でよく生じる。主要な識別パラメータは血液量と血液酸素化であるため、限られた波長域とスペクトル分解能も特異性を制限し、可視波長域であまり目立たない腫瘍識別子（胆汁、水、脂肪及びその他による組織散乱及び吸収など）が適切に考慮されない可能性がある。

一部の実施形態において、ハイパースペクトルカメラシステムは線スキャン画像を用いて高スペクトル画像を取得するように構成され得る。例えば［Ｋ．Ｈａｍａｄａ，Ｋ．Ｆｕｊｉｔａ，Ｎ．Ｉ．Ｓｍｉｔｈ，Ｍ．Ｋｏｂａｙａｓｈｉ，ａｎｄ Ｓ．Ｋａｗａｔａ，"Ｒａｍａｎ ｍｉｃｒｏｓｃｏｐｙ ｆｏｒ ｄｙｎａｍｉｃ ｍｏｌｅｃｕｌａｒ ｉｍａｇｉｎｇ"，Ｊ Ｂｉｏｍｅｄ Ｏｐｔｉｃｓ．１３（４），０４４０２７（１‐４）（２００８）］参照。ここで、サンプルは白色光源を用いて照らされ、吸収後の散乱／反射光子が検出器／カメラの前のスリットから検出される。スペクトル情報をキャプチャするために一方向で検出器が使用され、他の方向は線に沿って横方向の情報をキャプチャするために使用される。サンプルに沿って線をスキャンすることによって、第二の横方向に沿ってスペクトル情報が得られる。これは関心領域の三次元スペクトルオーバービューを図示する巨大なハイパースペクトルデータセットを提供する。波長を選択することによって、異なる分子／化合物を示す各画像が取得され得る。これは二つの異なる波長のレシオイメージングを実行するためにさらに使用され得る。このモダリティは上記の通り点測定イメージングと比較してより迅速なイメージングを可能にする。

プロセッサＰは様々な方法で実装され得る。プロセッサＰはハイパースペクトルカメラＨＳＣとプローブＰＲ用のフロントエンドを含む専用デバイスに統合され得る。しかしながら、プロセッサＰはカメラＨＳＣとプローブＰＲから遠隔に位置する一つ以上の個別コンピュータ若しくはプロセッサシステムに分散されてもよい。

図２は点ベースのプローブ測定のための可能な光学接触プローブの先端を図示する。光源ファイバ端ＳＦは光を発し、検出器ファイバ端ＤＦは反射光を検出する。例えば先端は図１に示すＰＲの先端であり得る。二つのファイバ端ＳＦ、ＤＦはＦＤの中心間距離で構成される。これは例えばＤＲＳ、蛍光若しくはラマン分光法のために使用され得る。接触プローブでのＤＲＳ測定は連続波長域にわたって非常に速く実行されることができ、プローブ体積は有効光源‐検出器ファイバ間距離ＦＤに依存して組織内へ最大数ミリメートルまで及び得る（例えばプロービング深さ〜１／２ファイバ距離）。従って、単一点ＤＲＳはＮＩＲ（例えば４００ｎｍから１６００ｎｍ）に及ぶ波長域にわたって測定することによりハイパースペクトルイメージングと比較して増大した感度と特異性を提供し、これは追加の腫瘍識別子からの主要な寄与を含み得る。［Ｒ．Ｎａｃｈａｂｅ，Ｄ．Ｅｖｅｒｓ，ＢＨＷ Ｈｅｎｄｒｉｋｓ，ＧＷ Ｌｕｃａｓｓｅｎ，Ｍ．Ｖａｎ ｄｅｒ Ｖｏｏｒｔ，ＥＪ Ｒｕｔｇｅｒｓ，Ｍ‐Ｊ Ｖｒａｎｃｋｅｎ Ｐｅｅｔｅｒｓ，ＪＡ ｖａｎ ｄｅｒ Ｈａｇｅ，ＨＳ Ｏｌｄｅｒｂｕｒｇ，Ｊ．Ｗｅｓｓｅｌｉｎｇ ａｎｄ ＴＪＭ Ｒｕｅｒｓ，"Ｄｉａｇｎｏｓｉｓ ｏｆ ｂｒｅａｓｔ ｃａｎｃｅｒ ｕｓｉｎｇ ｏｐｔｉｃａｌ ｓｐｅｃｔｒｏｓｃｏｐｙ ｆｒｏｍ ５００ ｔｏ １６００ｎｍ：ａ ｃｏｍｐａｒｉｓｏｎ ｏｆ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｍｅｔｈｏｄｓ"，Ｊ．Ｂｉｏｍｅｄ．Ｏｐｔ．１６（２０１１）ｐ０８７０１０］も参照。

図３は、コントローラによって制御される逐次的な方法で生体組織ＢＴの２Ｄ画像を提供する標準デジタルカメラＣＭに基づくハイパースペクトルカメラシステムを図示し、光源Ｌ１、Ｌ２及びＬ３がそれらの異なる狭帯域光を生体組織ＢＴの表面に順次適用する。しばしばごくわずかの注意深く選択される波長における反射率を測定すること、及び二つの異なる波長における反射率を分割するようなコントラストを作り出す何らかの基本技術を用いることによって、組織タイプ間のよい区別を得ることができる。このようなシステムにより、高価なハイパースペクトルカメラを標準カメラＣＭで置き換え、代わりに様々な狭帯域光源を使用することが可能である。好適には、生体組織ＢＴは他の光源からのいかなる干渉も避けるために光源Ｌ１‐Ｌ３による順次照明中に暗所に置かれる。

図４ａ及び４ｂはハイパースペクトル処理アルゴリズムの較正前（図４ａ）及び後（図４ｂ）の同じハイパースペクトル画像の構成図を示す。ハイパースペクトル画像図４ａにおいて、ハイパースペクトル画像処理によって明確に分類されることができない疑わしい領域がオペレータに視覚的に示されることができ、ここでは破線の白線で示される二つの領域として図示される。これは例えば点測定プローブを用いてこれらの疑わしい領域内のプローブ測定を実行するオペレータへのガイドである。（残留）腫瘍特定のためのこのような点測定の増大した感度と特異性は、ハイパースペクトル処理画像、例えばその中で使用されるルックアップテーブルを再較正するために使用されることができ、それによってハイパースペクトル画像内の各ピクセルの感度と特異性を本質的に増大する。このような較正の結果は図４ｂに明らかに見られ、図４ａの上側の領域は腫瘍を実際に隠すように見られ（ホワイトシェーディング）、これは図４ｂで明らかに示され、一方図４ａにおいて疑わしいと示される下側は図４ｂの強調画像において腫瘍組織を含まないように見られる。

点プローブは蛍光分光法でも使用されることができ、これは例えばＮＡＤ＋／ＮＡＤＨ比などの局所代謝、又はドキソルビシン若しくはパクリタキセルのような細胞分裂阻害薬などの組織中の自己蛍光腫瘍特異マーカの存在についての追加情報を提供することによって、改良された腫瘍識別を可能にする。ラマン分光法を用いて、腫瘍細胞の存在と関連する化学成分が非常に高精度で特定されることができ、ハイパースペクトル処理アルゴリズムの再較正のための補足情報を与え得る。

図５ａ‐５ｃは点若しくは少なくとも小領域測定がより大きな領域をカバーするのに役立つプローブ測定のための異なる手法の実施例を示す。図５ａは点測定を示し、一方図５ｂと５ｃは関心領域をカバーする点のクラスタを示す。例えば図５ｂと５ｃに示される手法は単一点プローブとスキャンファイバ顕微鏡の組み合わせを用いて得られる。従って、一部の実施形態において、プローブは単一点プローブとスキャンファイバ顕微鏡の両方を有し得る［ＢＨＷ Ｈｅｎｄｒｉｋｓ，ＷＣＪ Ｂｉｅｒｈｏｆｆ，ＪＪＬ Ｈｏｒｉｋｘ，ＡＥ Ｄｅｓｊａｒｄｉｎｓ，ＣＡ Ｈｅｚｅｍａｎｓ，ＧＷ'ｔ Ｈｏｏｆｔ，ＧＷ Ｌｕｃａｓｓｅｎ，ａｎｄ Ｎ Ｍｉｈａｊｌｏｖｉｃ，"Ｈｉｇｈ‐ｒｅｓｏｌｕｔｉｏｎ ｒｅｓｏｎａｎｔ ａｎｄ ｎｏｎ ｒｅｓｏｎａｎｔ ｆｉｂｅｒ‐ｓｃａｎｎｉｎｇ ｃｏｎｆｏｃａｌ ｍｉｃｒｏｓｃｏｐｅ"，Ｊ．Ｂｉｏｍｅｄ．Ｏｐｔ．１６（２０１１）ｐ０２６００７］。このようなスキャンファイバ顕微鏡は顕著な空間分解能、視野（ＦＯＶ）、及びコントラストで検査下の生体組織の共焦点イメージングを可能にする。ハイパースペクトル画像に加えた組み合わせは、例えば図５ａの通り単一点測定に勝る顕著な進歩を提供する。このモダリティはサブミクロンの分解能で（〜０．６μｍ）空間的関心領域にわたって（〜２００μｍ）全波長領域のマルチスペクトルイメージングを可能にする。モダリティは図５ｂに示すような単一関心領域から、又は多くの個々の関心領域をカバーするように図５ｃに示す通り組み合わせて、全スペクトル情報を得るために使用されることができ、従って著しく大きな領域の情報を可能にする。

組み合わせプローブシステムはさらに異なる光学イメージングモダリティを使用して容易に実現されることができ、例えば共焦点反射［Ｋ．Ｃａｒｌｓｏｎ，Ｍ．Ｃｈｉｄｌｅｙ，Ｋ‐Ｂ．Ｓｕｎｇ，Ｍ．Ｄｅｓｃｏｕｒ，Ａ．Ｇｉｌｌｅｎｗａｔｅｒ，Ｍ．Ｆｏｌｌｅｎ，ａｎｄ Ｒ．Ｒｉｃｈａｒｄｓ‐Ｋｏｒｔｕｍ"Ｉｎ ｖｉｖｏ ｆｉｂｅｒ‐ｏｐｔｉｃ ｃｏｎｆｏｃａｌ ｒｅｆｌｅｃｔａｎｃｅ ｍｉｃｒｏｓｃｏｐｅ ｗｉｔｈ ａｎ ｉｎｊｅｃｔｉｏｎ‐ｍｏｌｄｅｄ ｐｌａｓｔｉｃ ｍｉｎｉａｔｕｒｅ ｏｂｊｅｃｔｉｖｅ ｌｅｎｓ"，Ａｐｐｌ．Ｏｐｔ．４４（１０），１７９２‐１７９７（２００５）］、共焦点蛍光［Ｊ．Ｃ．Ｊｕｎｇ，Ａ．Ｄ．Ｍｅｈｔａ，Ｅ．Ａｋｓａｙ，Ｒ．Ｓｔｅｐｎｏｓｋｉ，ａｎｄ Ｍ．Ｊ．Ｓｃｈｎｉｔｚｅｒ，"Ｉｎ ｖｉｖｏ ｍａｍｍａｌｉａｎ ｂｒａｉｎ ｉｍａｇｉｎｇ ｕｓｉｎｇ ｏｎｅ‐ａｎｄ ｔｗｏ‐ｐｈｏｔｏｎ ｆｌｕｏｒｅｓｃｅｎｃｅ ｍｉｃｒｏｅｎｄｏｓｃｏｐｙ"，Ｊ．Ｎｅｕｒｏｐｈｙｓｉｏｌ．９２（５），３１２１‐３１３３（２００４）］、二光子蛍光［Ｊ．Ｃ．Ｊｕｎｇ ａｎｄ Ｍ．Ｊ．Ｓｃｈｎｉｔｚｅｒ，"Ｍｕｌｔｉｐｈｏｔｏｎ ｅｎｄｏｓｃｏｐｙ"，Ｏｐｔ．Ｌｅｔｔ．２８（１１），９０２‐９０４（２００３）］及び［Ｍ．Ｔ．Ｍｙａｉｎｇ，Ｄ．Ｊ．ＭａｃＤｏｎａｌｄ，ａｎｄ Ｘ．Ｌｉ，"Ｆｉｂｅｒ‐ｏｐｔｉｃ ｓｃａｎｎｉｎｇ ｔｗｏ‐ｐｈｏｔｏｎ ｆｌｕｏｒｅｓｃｅｎｃｅ ｅｎｄｏｓｃｏｐｅ"，Ｏｐｔ．Ｌｅｔｔ．３１（８），１０７６‐１０７８（２００６）］並びに光コヒーレンストモグラフィ［Ｇ．Ｊ．Ｔｅａｒｎｅｙ，Ｍ．Ｅ．Ｂｒｅｚｉｎｓｋｉ，Ｂ．Ｅ．Ｂｏｕｍａ，Ｓ．Ａ．Ｂｏｐｐａｒｔ，Ｃ．Ｐｉｔｒｉｓ，Ｊ．Ｆ．Ｓｏｕｔｈｅｒｎ，ａｎｄ Ｊ．Ｇ．Ｆｕｊｉｍｏｔｏ，"Ｉｎ ｖｉｖｏ ｅｎｄｏｓｃｏｐｉｃ ｏｐｔｉｃａｌ ｂｉｏｐｓｙ ｗｉｔｈ ｏｐｔｉｃａｌ ｃｏｈｅｒｅｎｃｅ ｔｏｍｏｇｒａｐｈｙ"，Ｓｃｉｅｎｃｅ ２７６（５３２１），２０３７‐２０３９（１９９７）］が検査下のサンプルのよりよい特性評価を可能にし得る。

図６は図１を参照してハイパースペクトル画像アルゴリズムＨＳＡの較正後のハイパースペクトル画像Ｉ２がディスプレイＤに適用される診断実施形態を図示する。診断アルゴリズムＤＡは同じ画像Ｉ２を処理し、その中で標的構造が例えば腫瘍であると推定される領域を検出する。そして標的インジケータＴＩがディスプレイに適用され、例えば色、シェーディング、領域まわりの線などの形でハイライトする。

以下、一つ以上のプローブ測定データからのパラメータの特徴の抽出に関する実施例の詳細が記載される。生理学的パラメータの抽出の一実施例はカスタムメイドＭａｔｌａｂ（登録商標） ７．９．０（Ｍａｔｈｗｏｒｋｓ，Ｎａｔｉｃｋ，ＭＡ）アルゴリズムを用いて取得スペクトルをフィッティングすることによる。このアルゴリズムにおいて、広く受け入れられている分析モデル、すなわち、引用により全体が本明細書に組み込まれる、参考文献［Ｔ．Ｊ．Ｆａｒｒｅｌ，Ｍ．Ｓ．Ｐａｔｔｅｒｓｏｎ ａｎｄ Ｂ．Ｃ．Ｗｉｌｓｏｎ，"Ａ ｄｉｆｆｕｓｉｏｎ ｔｈｅｏｒｙ ｍｏｄｅｌ ｏｆ ｓｐａｔｉａｌｌｙ ｒｅｓｏｌｖｅｄ，ｓｔｅａｄｙ‐ｓｔａｔｅ ｄｉｆｆｕｓｅ ｒｅｆｌｅｃｔａｎｃｅ ｆｏｒ ｔｈｅ ｎｏｎ‐ｉｎｖａｓｉｖｅ ｄｅｔｅｒｍｉｎａｔｉｏｎ ｏｆ ｔｉｓｓｕｅ ｏｐｔｉｃａｌ ｐｒｏｐｅｒｔｉｅｓ"，Ｍｅｄ．Ｐｈｙｓ．１９（１９９２）ｐ．８７９‐８８８］によって紹介されるモデルが実装された。参考文献［Ｔ．Ｊ．Ｆａｒｒｅｌ，Ｍ．Ｓ．Ｐａｔｔｅｒｓｏｎ ａｎｄ Ｂ．Ｃ．Ｗｉｌｓｏｎ，"Ａ ｄｉｆｆｕｓｉｏｎ ｔｈｅｏｒｙ ｍｏｄｅｌ ｏｆ ｓｐａｔｉａｌｌｙ ｒｅｓｏｌｖｅｄ，ｓｔｅａｄｙ‐ｓｔａｔｅ ｄｉｆｆｕｓｅ ｒｅｆｌｅｃｔａｎｃｅ ｆｏｒ ｔｈｅ ｎｏｎ‐ｉｎｖａｓｉｖｅ ｄｅｔｅｒｍｉｎａｔｉｏｎ ｏｆ ｔｉｓｓｕｅ ｏｐｔｉｃａｌ ｐｒｏｐｅｒｔｉｅｓ"，Ｍｅｄ．Ｐｈｙｓ．１９（１９９２）ｐ．８７９‐８８８］のモデルのための入力引数は吸収係数μ_ａ（λ）、減少した散乱係数μ'ｓ（λ）及びプローブの先端における発光及び集光ファイバ間の中心間距離である。カメラ画像の場合ファイバ距離がなく、Ｆａｒｒｅｌのモデルはもはや適用できない。代わりに周知のＫｕｂｅｌｋａ‐Ｍｕｎｋモデルに基づくアルゴリズムを使用することが可能である。反射率を散乱及び吸収特性から導出する方法の一実施例は例えば［Ｍ．Ｍｕｌｌｅｒ，Ｇ．Ｆ．Ｚｈｏｕ"Ｍｏｄｅｌｉｎｇ ｅｌｅｃｔｒｏｐｈｏｒｅｔｉｃ ｐａｐｅｒ‐ｌｉｋｅ ｄｉｓｐｌａｙｓ"，Ｐｒｏｃ．ＩＤＷ １‐３，１２８７‐１２９０（２００７）］に与えられる。拡散理論モデルの完全な記述については、［Ｔ．Ｊ．Ｆａｒｒｅｌ，Ｍ．Ｓ．Ｐａｔｔｅｒｓｏｎ ａｎｄ Ｂ．Ｃ．Ｗｉｌｓｏｎ，"Ａ ｄｉｆｆｕｓｉｏｎ ｔｈｅｏｒｙ ｍｏｄｅｌ ｏｆ ｓｐａｔｉａｌｌｙ ｒｅｓｏｌｖｅｄ，ｓｔｅａｄｙ‐ｓｔａｔｅ ｄｉｆｆｕｓｅ ｒｅｆｌｅｃｔａｎｃｅ ｆｏｒ ｔｈｅ ｎｏｎ‐ｉｎｖａｓｉｖｅ ｄｅｔｅｒｍｉｎａｔｉｏｎ ｏｆ ｔｉｓｓｕｅ ｏｐｔｉｃａｌ ｐｒｏｐｅｒｔｉｅｓ"，Ｍｅｄ．Ｐｈｙｓ．１９（１９９２）ｐ．８７９‐８８８］を参照。

後半で、モデルが簡単に説明される。使用される式は主にＮａｃｈａｂｅらの研究に基づき、従って引用により全体が本明細書に組み込まれる［Ｒ．Ｎａｃｈａｂｅ，Ｂ．Ｈ．Ｗ Ｈｅｎｄｒｉｋｓ，Ｍ．Ｖ．Ｄ．Ｖｏｏｒｔ，Ａ．Ｅ，ａｎｄ Ｈ．Ｊ．Ｃ．Ｍ．Ｓｔｅｒｅｎｂｏｒｇ，"Ｅｓｔｉｍａｔｉｏｎ ｏｆ ｂｉｏｌｏｇｉｃａｌ ｃｈｒｏｍｏｐｈｏｒｅｓ ｕｓｉｎｇ ｄｉｆｆｕｓｅ ｏｐｔｉｃａｌ ｓｐｅｃｔｒｏｓｃｏｐｙ：ｂｅｎｅｆｉｔ ｏｆ ｅｘｔｅｎｄｉｎｇ ｔｈｅ ＵＶ‐ＶＩＳ ｗａｖｅｌｅｎｇｔｈ ｒａｎｇｅ ｔｏ ｉｎｃｌｕｄｅ １０００ ｔｏ １６００ｎｍ"，Ｏｐｔｉｃｓ Ｅｘｐｒｅｓｓ，ｖｏｌ．１８，２０１０，ｐｐ．８７９‐８８８］が参照され、さらに引用により全体が本明細書に組み込まれる［Ｒ．Ｎａｃｈａｂｅ，Ｂ．Ｈ．Ｗ．Ｈｅｎｄｒｉｋｓ，Ａ．Ｅ．Ｄｅｓｊａｒｄｉｎｓ，Ｍ．ｖａｎ ｄｅｒ Ｖｏｏｒｔ，Ｍ．Ｂ．ｖａｎ ｄｅｒ Ｍａｒｋ，ａｎｄ Ｈ．Ｊ．Ｃ．Ｍ．Ｓｔｅｒｅｎｂｏｒｇ，"Ｅｓｔｉｍａｔｉｏｎ ｏｆ ｌｉｐｉｄ ａｎｄ ｗａｔｅｒ ｃｏｎｃｅｎｔｒａｔｉｏｎｓ ｉｎ ｓｃａｔｔｅｒｉｎｇ ｍｅｄｉａ ｗｉｔｈ ｄｉｆｆｕｓｅ ｏｐｔｉｃａｌ ｓｐｅｃｔｒｏｓｃｏｐｙ ｆｒｏｍ ９００ ｔｏ １６００ｎｍ"，Ｊｏｕｒｎａｌ ｏｆ Ｂｉｏｍｅｄｉｃａｌ Ｏｐｔｉｃｓ，ｖｏｌ．１５，Ｍａｙ．２０１０，ｐｐ．０３７０１５‐１０］が参照される。

減少した散乱の波長依存性を記述するために二重べき乗則関数が使用されることができ、波長λはｎｍであらわされ、λ_０＝８００ｎｍの波長値に正規化される。パラメータαはこの特定波長における減少した散乱振幅に対応する。

この式において減少した散乱係数はミー散乱とレイリー散乱の和としてあらわされ、ρ_ＭＲはミー散乱対減少した全散乱比である。ミー散乱の減少した散乱勾配はｂで示され、粒子サイズに関連する。

図７はブロットＨｂ，ＨｂＯ_２、水Ｗ、及び脂肪Ｆに対する吸収スペクトルの対数プロットを示す。吸収体の均一分布の場合、全光吸収係数μ_ａ（λ）は図７に示す吸収体の吸光係数と体積分率の積として計算され得る：

関心のある四つの発色団の各濃度で加重した吸収係数の和として吸収係数μ_ａ（λ）をモデリングする代わりに、組織吸収係数を次式としてあらわすことが決定された：

は血液による吸収に対応し、

はプローブボリューム内の水と脂質一緒による吸収に対応する。水と脂質の体積分率はν_ＷＬ＝［脂質］＋［水］であり、ν_{Ｂｌｏｏｄ}は１５０ｍｇ／ｍｌの全血中のヘモグロビンの濃度に対する血液体積分率をあらわす。

因子Ｃは色素パッケージングの効果を説明し、吸収スペクトルの形状について変化する波長依存補正係数である。この効果は組織中の血液が総ボリューム、つまり血管のほんの一部に限局しているという事実によって説明され得る。従って血管の中心付近の赤血球は末梢のものより光の吸収が少ない。事実上、組織内に均一に分布するとき、より少ない赤血球が、離散した血管内に分布する赤血球の実際の数と同じ吸収を生じる。補正係数は次式で記述され：

Ｒはｃｍであらわされる平均血管半径を示す。血液に関する吸収係数は次式で与えられる：

はそれぞれ酸素化ヘモグロビンＨｂＯ_２及び脱酸素化ヘモグロビンＨｂの基本吸光係数スペクトルをあらわす。ヘモグロビンの総量における酸素化ヘモグロビンの割合はα_ＢＬ＝［ＨｂＯ_２］／（［ＨｂＯ_２］＋［Ｈｂ］）で示され、血液酸素飽和度として一般に知られている。

測定組織中の水と脂質の存在に起因する吸収は次式として定義される：

この場合脂質と水一緒の総濃度に関する脂質の濃度はα_ＷＦ＝［脂質］／（［脂質］＋［水］）として書かれ、［脂質］と［水］はそれぞれ脂質（０．８６ｇ／ｍｌの密度）と水の濃度に対応する。

水と脂質の体積分率を別々に推定するのではなく、式６に定義される吸収係数の式で水と脂質のパラメータを関連付けるこの方法は、より安定なフィットをもたらすフィッティングのための基本関数の共分散の最小化に対応する。［Ｒ．Ｎａｃｈａｂｅ，Ｂ．Ｈ．Ｗ．Ｈｅｎｄｒｉｋｓ，Ｍ．Ｖ．Ｄ．Ｖｏｏｒｔ，Ａ．Ｅ，ａｎｄ Ｈ．Ｊ．Ｃ．Ｍ．Ｓｔｅｒｅｎｂｏｒｇ，"Ｅｓｔｉｍａｔｉｏｎ ｏｆ ｂｉｏｌｏｇｉｃａｌ ｃｈｒｏｍｏｐｈｏｒｅｓ ｕｓｉｎｇ ｄｉｆｆｕｓｅ ｏｐｔｉｃａｌ ｓｐｅｃｔｒｏｓｃｏｐｙ：ｂｅｎｅｆｉｔ ｏｆ ｅｘｔｅｎｄｉｎｇ ｔｈｅ ＵＶ‐ＶＩＳ ｗａｖｅｌｅｎｇｔｈ ｒａｎｇｅ ｔｏ ｉｎｃｌｕｄｅ １０００ ｔｏ １６００ｎｍ，"Ｏｐｔｉｃｓ Ｅｘｐｒｅｓｓ，ｖｏｌ．１８，２０１０，ｐｐ．８７９‐８８８］を参照のこと。この定理のさらなる説明と検証については、引用により全体が本明細書に組み込まれる［Ｒ．Ｎａｃｈａｂｅ，Ｂ．Ｈ．Ｗ．Ｈｅｎｄｒｉｋｓ，Ａ．Ｅ．Ｄｅｓｊａｒｄｉｎｓ，Ｍ．ｖａｎ ｄｅｒ Ｖｏｏｒｔ，Ｍ．Ｂ．ｖａｎ ｄｅｒ Ｍａｒｋ， ａｎｄ Ｈ．Ｊ．Ｃ．Ｍ．Ｓｔｅｒｅｎｂｏｒｇ，"Ｅｓｔｉｍａｔｉｏｎ ｏｆ ｌｉｐｉｄ ａｎｄ ｗａｔｅｒ ｃｏｎｃｅｎｔｒａｔｉｏｎｓ ｉｎ ｓｃａｔｔｅｒｉｎｇ ｍｅｄｉａ ｗｉｔｈ ｄｉｆｆｕｓｅ ｏｐｔｉｃａｌ ｓｐｅｃｔｒｏｓｃｏｐｙ ｆｒｏｍ ９００ ｔｏ １６００ｎｍ，"Ｊｏｕｒｎａｌ ｏｆ Ｂｉｏｍｅｄｉｃａｌ Ｏｐｔｉｃｓ，ｖｏｌ．１５，Ｍａｙ．２０１０，ｐｐ．０３７０１５‐１０］を参照のこと。

スペクトルの差を区別する別の方法は主成分分析を利用することによる。この方法はスペクトルの差の分類を可能にし、従って組織間の区別を可能にする。スペクトルから特徴を抽出することも可能である。

図８はＡ：コラーゲン、Ｂ：エラスチン、Ｃ：ＮＡＤＨ、及びＤ：ＦＡＤに対する内部蛍光曲線を示す。このようなパラメータはプローブでも測定され得る。特に、光レドックスパラメータとよばれる比率ＮＡＤＨ／ＦＡＤが、この比率はがん細胞の有効治療で変化すると考えらえる組織の代謝状態の指標であるため、計算され得る。例えば［Ｑ Ｚｈａｎｇ，Ｍ．Ｇ．Ｍｕｅｌｌｅｒ，Ｊ．Ｗｕ ａｎｄ Ｍ．Ｓ．Ｆｅｌｄ，"Ｔｕｒｂｉｄｉｔｙ‐ｆｒｅｅ ｆｌｕｏｒｅｓｃｅｎｃｅ ｓｐｅｃｔｒｏｓｃｏｐｙ ｏｆ ｂｉｏｌｏｇｉｃａｌ ｔｉｓｓｕｅ"Ｏｐｔ．Ｌｅｔｔ．２５（２０００）ｐ１４５１］参照。

図９は人若しくは動物組織内の可能性のある腫瘍組織を特定するための本発明にかかる方法の実施形態を図示する。方法は検査下の組織の第一の領域のハイパースペクトル画像を受信するステップＲ＿ＨＳＩ、随意にハイパースペクトルカメラでハイパースペクトル画像を提供するステップも有する。そしてハイパースペクトル画像は腫瘍組織を含むかもしれないハイパースペクトル画像の一つ若しくは複数の部分を特定及び／又は局在化するためのアルゴリズムで分析されるＬ＿ＴＴ。そのような疑わしい領域がハイパースペクトル画像において局在化される場合、次のステップＤ＿ＳＡは例えばハイパースペクトル画像にオーバーレイされる線若しくは他のグラフィカルシンボルを用いて、疑わしい領域の表示とともにハイパースペクトル画像を表示する。このステップＤ＿ＳＡにおいて、ハイパースペクトル画像はハイパースペクトル画像アルゴリズムの初期設定若しくは較正で、例えば特定される標的構造、この場合腫瘍組織に基づいて選択される設定で、処理される。そしてオペレータは検査下の組織のどの部分にプローブ測定を実行するかの視覚表示を持つ。次のステップＲ＿ＰＭＤはプローブ測定データを受信し、随意にプローブ測定データをもたらすプローブ測定を提供するステップでもある。例えばプローブ測定データは、基本的に第一の領域内の一点に、好適には特定され表示される疑わしい領域内にある、第二の領域内の測定データを提供する光学表面プローブで取得される。

そしてプローブ測定データは、例えば測定された光学吸収係数、減少した散乱係数、及びプローブの先端における発光及び集光ファイバ間の中心間距離に基づいて、一つ以上の生理学的パラメータを特定するように構成されるアルゴリズムで分析されるＡ＿ＰＭＤ。そして結果は、標的構造、この実施例では腫瘍組織と、検査下組織との間のコントラストが増大した画像を提供するように処理アルゴリズムを適応させるよう、ハイパースペクトル画像を分析するために使用される処理アルゴリズムを較正するために使用されるＣ＿ＨＳＡ。その後、較正されたハイパースペクトル画像処理アルゴリズムを用いてハイパースペクトル画像が分析されるＡ＿ＨＳＩ。最後に、再分析されたハイパースペクトル画像が例えばカラーモニタ上に表示されるＤ＿ＨＳＩ。

このように、ハイパースペクトル処理アルゴリズムを修正するように標準処理されたハイパースペクトル画像の疑わしい領域内の組織についての情報を追加するために、高スペクトル分解能の一つ若しくは数個の点測定が利用され得る。そしてこれは検査下組織と標的構造、例えば腫瘍組織間の区別を目指して増大したコントラスト若しくは感度を持つ画像を提供するために、ハイパースペクトル画像を処理するために使用される。これによって、方法はオペレータ、例えば医師若しくは他の医療スタッフが例えば断端陽性の検索において、検査下領域内に腫瘍組織が存在するかどうかを評価するのを支援する。付加的に、方法は再分析されたハイパースペクトル画像においても疑わしい領域を示すこと、及び／又は腫瘍組織が存在する確率を示すことを含み得る。

ステップの一部は図９に示すものと、及び上記方法の実施形態の説明におけるものと異なる順序で実行されてもよいことが理解される。

要約すると、本発明は生体組織内の標的構造、例えば腫瘍を特定するための医用イメージングシステムを提供する。ハイパースペクトルカメラシステムが、例えば限られたスペクトル分解能で、ただし標的構造があるかもしれない疑わしい領域の特定を可能にするために十分に、組織の表面領域をイメージングするために使用され、例えばこのような領域はオペレータへディスプレイ上で視覚的に示され得る。プローブ、例えば光学表面プローブが、組織のより小さい表面領域のプローブ測定を、ただし標的構造を示すより多くの情報とともに、提供するために使用される。プローブは標的構造の特定に関してハイパースペクトルカメラよりも高い特異性を提供するように選択される。そしてハイパースペクトル処理アルゴリズムは疑わしい領域内で実行されるプローブ測定データに基づいて較正され、従って標的構造を特定する感度が増大した画像をもたらす較正されたハイパースペクトル処理アルゴリズムを提供する。得られる画像を大幅に改良するためにごくわずかのプローブ測定が要求されるので、信頼できる迅速な標的構造特定を提供する。

本発明は図面と上記説明において詳細に図示され記載されているが、かかる図示と記載は例示若しくは説明であって限定ではないとみなされ、本発明は開示の実施形態に限定されない。開示の実施形態への他の変更は、図面、開示及び添付の請求項の考察から、請求される発明を実践する当業者によって理解されもたらされることができる。請求項において、"有する"という語は他の要素若しくはステップを除外せず、不定冠詞"ａ"若しくは"ａｎ"は複数を除外しない。単一プロセッサ若しくは他のユニットが請求項に列挙される複数の項目の機能を満たしてもよい。特定の手段が相互に異なる従属請求項に列挙されるという単なる事実は、これら手段の組み合わせが有利に使用されることができないことを示さない。コンピュータプログラムは他のハードウェアと一所に若しくはその一部として設けられる光学記憶媒体若しくはソリッドステート媒体などの適切な媒体上に保存／分散され得るが、インターネット又は他の有線若しくは無線通信システムなどを介して他の形式で分散されてもよい。請求項における任意の参照符号は範囲を限定するものと解釈されてはならない。

Claims (15)

1. 関連する生体組織における標的構造を特定するように構成される医用イメージングシステムであって、
   ‐前記生体組織の第一の表面領域をカバーするハイパースペクトル画像を提供するように構成されるハイパースペクトルカメラシステムであって、当該ハイパースペクトル画像のピクセルは異なる光波長帯域における情報を含む、ハイパースペクトルカメラシステムと、
   前記標的構造を示す情報とともに前記生体組織の第二の表面領域のプローブ測定を提供し、それに従ってプローブ測定データを生成するように構成されるプローブであって、当該第二の表面領域は前記第一の表面領域よりも小さく、当該プローブは前記標的構造の特定に関して前記ハイパースペクトルカメラシステムよりも高い特異性を提供するように選択される、プローブと、
   前記ハイパースペクトル画像と前記プローブ測定データを受信するように機能的に接続されるプロセッサであって、当該プロセッサは前記標的構造を含む可能性がある前記ハイパースペクトル画像の部分を特定するためにハイパースペクトル処理アルゴリズムに従って前記ハイパースペクトル画像を分析するように構成され、当該プロセッサはさらに、前記ハイパースペクトル画像において前記標的構造を特定する感度が増大した、較正されたハイパースペクトル処理アルゴリズムを提供するように、前記プローブ測定データを分析し、それに応じて前記ハイパースペクトル処理アルゴリズムを較正するように構成される、プロセッサと
   を有する、医用イメージングシステム。
2. 前記プローブ測定が前記ハイパースペクトル画像よりも高いスペクトル分解能で取得される、請求項１に記載の医用イメージングシステム。
3. 前記第二の表面領域が前記第一の表面領域内に位置するように選択される、請求項１に記載の医用イメージングシステム。
4. 前記システムが、前記標的構造を含む可能性があると特定される部分の視覚表示と一緒に、前記ハイパースペクトル処理アルゴリズムで処理された後の前記ハイパースペクトル画像を視覚的に表示するように構成される、請求項１に記載の医用イメージングシステム。
5. 前記システムが前記較正されたハイパースペクトル処理アルゴリズムで処理された後の前記ハイパースペクトル画像を視覚的に表示するように構成される、請求項１に記載の医用イメージングシステム。
6. 前記プロセッサが前記プローブ測定データをルックアップテーブルと比較することを有するプローブ処理アルゴリズムに従って前記プローブ測定データを分析するように構成される、請求項１に記載の医用イメージングシステム。
7. 前記プロセッサが、複数の測定パラメータを計算すること及び当該複数の測定パラメータを前記標的構造を示す生理学的パラメータに変換することを有するプローブ処理アルゴリズムに従って前記プローブ測定データを分析するように構成される、請求項１に記載の医用イメージングシステム。
8. 前記プロセッサが、前記プローブ測定データにおいて前記標的構造に属すると特定される前記ハイパースペクトル画像内のピクセルのグルーピングを精緻化することによって前記ハイパースペクトル処理アルゴリズムを較正するように構成される、請求項１に記載の医用イメージングシステム。
9. 前記プローブが表面プローブ及びインターベンションデバイスのうちの一つを有する、請求項１に記載の医用イメージングシステム。
10. 前記プローブが光学プローブ及び超音波プローブのうちの少なくとも一つを有する、請求項１に記載の医用イメージングシステム。
11. 前記プローブが、拡散反射分光法プローブ、拡散光トモグラフィプローブ、光路長差分光法、蛍光プローブ、ラマン分光法プローブ、共焦点反射プローブ、共焦点蛍光プローブ、二光子蛍光プローブ、光コヒーレンストモグラフィプローブ、及び共焦点イメージングを実行するように構成されるスキャンファイバ顕微鏡、のうちの一つを有する、請求項１に記載の医用イメージングシステム。
12. 前記ハイパースペクトルカメラシステムが、
    前記ハイパースペクトル画像を提供するように構成されるハイパースペクトルカメラ、
    標準カメラ及び異なる狭帯域波長を持つ複数の光源及び前記生体組織が当該複数の光源によって連続的に照明される画像を提供するように構成されるコントローラ、
    標準カメラと、同調光学フィルタの異なるセッティングで連続画像を提供するように当該標準カメラと前記生体組織の間に配置される当該同調光学フィルタ、
    のうちの一つを有する、請求項１に記載の医用イメージングシステム。
13. 前記プローブ測定データが前記ハイパースペクトル画像のどの部分に対応するかを特定するように、前記ハイパースペクトル画像において前記プローブの先端を特定するために、画像処理アルゴリズムに従って前記ハイパースペクトル画像を処理するようにプロセッサが構成される、請求項１に記載の医用イメージングシステム。
14. 前記標的構造が、腫瘍組織、神経束、血管、リンパ節、及び組織の酸素化レベルのうちの一つである、請求項１に記載の医用イメージングシステム。
15. 関連する生体組織において標的構造を検出するための医用イメージングシステムの作動方法であって、医用イメージングシステムはハイパースペクトルカメラシステム、プローブ、及びプロセッサを有し、
    前記ハイパースペクトルカメラシステムが、前記関連する生体組織の第一の表面領域をカバーするハイパースペクトル画像を提供するステップであって、当該ハイパースペクトル画像のピクセルは異なる光波長帯域に関する情報を含む、ステップと、
    前記プローブが、前記標的構造を示す情報とともに前記生体組織の第二の表面領域のプローブ測定に従ってプローブ測定データを提供するステップであって、当該第二の表面領域が前記第一の表面領域よりも小さく、前記第一の表面領域内に位置し、当該プローブ測定が前記標的構造の特定に関して前記ハイパースペクトルカメラシステムよりも高い特異性を提供するように選択される、ステップと、
    前記プロセッサが、前記標的構造を含むかもしれない前記ハイパースペクトル画像の部分を特定するために、ハイパースペクトル処理アルゴリズムに従って前記ハイパースペクトル画像を分析するステップと、
    前記プロセッサが、前記プローブ測定データを分析するステップと、
    前記プロセッサが、前記ハイパースペクトル画像において前記標的構造を特定する感度が増大した、較正されたハイパースペクトル処理アルゴリズムを提供するよう、前記プローブ測定データ分析の結果に応じて前記ハイパースペクトル処理アルゴリズムを較正するステップと
    を有する、方法。

Images