JP6595474B2 - 創傷アセスメントおよびマネジメントのための方法およびシステム - Google Patents

Description

関連出願の相互参照

本出願は、米国特許法第１１９条（ｅ）の定めにより、２０１３年１２月３日に出願された米国特許出願第６１／９１１，１６２号および２０１４年４月２３日に出願された米国特許出願第６１／９８３，０２２号からの優先権を主張するものであり、各出願の全体の内容をここに参照により援用する。

米国内だけでも数百万人の患者が、静脈性潰瘍、糖尿病性潰瘍、および圧迫潰瘍、外科的創傷、ストーマ創傷および他の複合創傷等をはじめとする慢性創傷および複合創傷に冒されている。米国では年間数十億ドルが慢性創傷の治療に費やされており、そのうち十億ドル以上が創傷ケア製品についてのものである。人口の高齢化および糖尿病・肥満症の発症率の増加に起因して、慢性創傷の治療費は年々増加を続けている。慢性創傷の治療費は、個人および社会にとって非常に大きな経済的負担となっている。

医療技術の進歩はさまざまな種類の創傷に対する新しい治療法の導入に貢献しているが、創傷の深度・体積・面積・周囲長の測定、および創傷の分類等、創傷および創傷治癒経過の正確かつ客観的なアセスメントについて満たされていない大きな要求がある。創傷治癒経過の客観的なアセスメントは、治療の方向性の有用性判断の基準となるものであり、最適な治療計画を選択する上で重要である。しかしながら、臨床の現場においては、そのような測定値は一般に不正確であり、主観的であり、また整合性がない（定規、透過性透写、および深度については綿棒を使って手作業で行われる）。規格と信頼性が欠如しているため、医学的意思決定のための臨床業務に各測定値を適用するのは困難な場合が多い。さらに、創傷アセスメントにおいてそのような非整合性があると、遠隔管理または集学的な創傷ケアの協調連携も実施が困難となる。この問題を解決するため、立体照明およびステレオ撮影を用いた、創傷治療器具が数多く開発されてきた。しかしながら、これらのシステムには、特殊／高価な機器が必要であり、使用が難しく、医療記録管理システムとの統合性に欠け、また総じて創傷の正確な査定には非効率的である。その結果、これらの各創傷治療器具は、治療の現場において実用的でない。

創傷および他の多くの疾病管理の分野（限定はしないが、皮膚科学、美学、化粧品、腫瘍学、眼科学、耳鼻咽喉学等を含む）における別の満たされていない要求とは、視覚的および他のマルチメディア情報を管理するための効率的で安全な協調的システムに対する需要の増大である。

本明細書における「背景技術」の記載は、本開示の背景事情をおおまかに提示することを目的とするものである。ここに挙げた発明者らの研究は、この背景技術の箇所に記載されている限りにおいて、および記載の各態様は、出願時における先行技術と認められない限りにおいて、本発明に対する先行技術であると明示的または黙示的に認めるものではない。

一実施形態による系統図の例を示す図である。 一実施形態による系統図の別の例を示す図である。 一実施形態による、撮像センサおよび構造センサから取得した情報を用いてサーバが実行する処理の概略図である。 二次元画像情報を用いた創傷セグメンテーションのプロセスを示すフロー図である。 一実施形態による、創傷に対応する前景エリアおよび背景エリアを指定した創傷の一例を示す図である。 一実施形態による、具体的実施例を示す図である。 構造センサデータおよび取得したセグメント化画像から三次元測定値を算出するプロセスを示すフロー図である。 撮像センサを用いた、構造センサのキャリブレーションの例を示す図である。 前景マスクを深度データに適用して、エリア内の深度情報のみを取得するようにした状態を示す図である。 創傷内の組織を分類するプロセスを示す図である。 手動セグメンテーションと自動セグメンテーションとの比較を示す図である。 一実施形態によるシステムインタフェースの例を示す図である。 一実施形態による演算システムの一例を示す図である。

本明細書に開示の各実施例およびそれらに付随する多くの利点については、以下の詳細な説明を添付の図面との関連を考慮して参照することにより理解が深まるにつれて、より包括的な理解を容易に得ることができるようになる。

本開示は、医学的損傷の特徴を測定するシステムについて説明する。本システムは、関心（対象）エリアの撮像情報およびトポロジ情報を取得する１つ以上の撮像センサと、回路と、を備え、該回路は、対象エリアの撮像情報内における損傷部分の境界を定め、撮像情報とトポロジ情報とを相関させ、撮像情報内において指定した損傷部分の境界をトポロジ情報に適用してマスクエリアを指定し、およびトポロジ情報および撮像情報に基づいて、マスクエリア内における損傷部分の特徴を測定するように構成する。

本システムのさらなる実施形態において、回路は、さらに、
対象エリアの撮像情報から、対象エリアの代表的な背景部分を指定し、
対象エリアの撮像情報から、対象エリアの代表的な損傷部分を指定し、および、
指定した代表的な背景部分および損傷部分に基づいて、対象エリアの撮像情報内における損傷部分の境界を定めるように構成する。

本システムのさらなる実施形態において、回路は、さらに、ユーザ入力または画素特性の差異に基づいて、対象エリアの撮像情報から対象エリアの代表的な損傷部分を指定するように構成する。

本システムのさらなる実施形態において、回路は、さらに、撮像情報に基づいてマスクエリア内の損傷部分を分類するように構成する。

本システムのさらなる実施形態において、回路は、さらに、損傷部分をタイル状に分割することによりマスクエリア内の損傷部分を分類して、各タイルの撮像値についての中心傾向の測度を算出し、かつ、あらかじめ訓練した分類器によって生成した損傷タイプ情報を用いて各タイルを分類するように構成する。

本システムのさらなる実施形態において、損傷タイプ情報には、健康組織、スラフ（壊死）組織、エスカー（痂皮）組織が含まれる。

本システムのさらなる実施形態において、あらかじめ訓練した分類器はサポートベクターマシンであり、このサポートベクターマシンは、一連の注釈付き画像について、各画像をタイル状に分割して各タイルの撮像値について中心傾向の測度を算出し、損傷のタイプによって各タイルを指定するように構成した回路を用いて損傷タイプ情報を生成する。

本システムのさらなる実施形態において、マスクエリア内における損傷部分の特徴は、損傷の深度、幅、および長さを含む。

本システムのさらなる実施形態において、マスクエリア内における損傷部分の特徴は、損傷の周囲長、面積、体積を含む。

本システムのさらなる実施形態において、回路は、自動画像セグメンテーションアルゴリズムを利用して、対象エリアの撮像情報内における損傷部分の境界を定めるように構成する。

本システムのさらなる実施形態において、回路は、対象エリアの代表的な損傷部分のコンター（contour、輪郭）を検出することにより、対象エリアの撮像情報内における損傷部分の境界を定めるように構成する。

本システムのさらなる実施形態において、回路は、対象エリアの代表的な損傷部分のコンターを検出し、すべてのコンターを反復処理することにより、対象エリアの撮像情報内における損傷部分の境界を定めるように構成する。

本システムのさらなる実施形態において、医学的損傷は創傷である。

本開示は、さらに、医学的損傷の特徴を測定する装置について説明する。本装置は、対象エリアの撮像情報内における損傷部分の境界を定め、１つ以上の撮像センサによって取得した撮像情報とトポロジ情報とを相関させ、撮像情報内において指定した損傷部分の境界をトポロジ情報に適用してマスクエリアを指定し、およびトポロジ情報および撮像情報に基づいて、マスクエリア内における損傷部分の特徴を測定するように構成した回路を備える。

本装置のさらなる実施形態において、回路は、さらに、対象エリアの撮像情報から、対象エリアの代表的な背景部分を指定し、対象エリアの撮像情報から、対象エリアの代表的な損傷部分を指定し、および、指定した代表的な背景部分および損傷部分に基づいて、対象エリアの撮像情報内における損傷部分の境界を定めるように構成する。

本装置のさらなる実施形態において、回路は、さらに、ユーザ入力または画素特性の差異に基づいて、対象エリアの撮像情報から対象エリアの代表的な損傷部分を指定するように構成する。

本装置のさらなる実施形態において、回路は、さらに、撮像情報に基づいてマスクエリア内の損傷部分を分類するように構成する。

本装置のさらなる実施形態において、回路は、さらに、損傷部分をタイル状に分割することによりマスクエリア内の損傷部分を分類して、各タイルの撮像値についての中心傾向の測度を算出し、かつ、あらかじめ訓練したサポートベクターマシンによって生成した損傷タイプ情報を用いて各タイルを分類するように構成する。

本装置のさらなる実施形態において、損傷タイプ情報には、健康組織、スラフ（壊死）組織、エスカー（痂皮）組織が含まれる。

本装置のさらなる実施形態において、あらかじめ訓練したサポートベクターマシンは、一連の注釈付き画像について、各画像をタイル状に分割して各タイルの撮像値について中心傾向の測度を算出し、損傷のタイプによって各タイルを指定するように構成した回路を用いて損傷タイプ情報を生成する。

本装置のさらなる実施形態において、マスクエリア内における損傷部分の特徴は、損傷の深度、幅、および長さを含む。

本装置のさらなる実施形態において、マスクエリア内における損傷部分の特徴は、損傷の周囲長、面積、体積を含む。

本装置のさらなる実施形態において、回路は、グラブカットアルゴリズム（grab cut algorithm）を利用して、対象エリアの撮像情報内における損傷部分の境界を定めるように構成する。

本装置のさらなる実施形態において、回路は、対象エリアの代表的な損傷部分のコンターを検出することにより、対象エリアの撮像情報内における損傷部分の境界を定めるように構成する。

本装置のさらなる実施形態において、回路は、対象エリアの代表的な損傷部分のコンターを検出し、すべてのコンターを反復処理することにより、対象エリアの撮像情報内における損傷部分の境界を定めるように構成する。

本装置のさらなる実施形態において、医学的損傷は創傷である。

本開示は、また、医学的損傷の特徴を測定する方法について説明する。本方法は、処理回路を用いて、対象エリアの撮像情報内における損傷部分の境界を定めるステップと、
処理回路を用いて、１つ以上の撮像センサによって取得した撮像情報とトポロジ情報とを相関させるステップと、
処理回路を用いて、撮像情報内において指定した損傷部分の境界をトポロジ情報に適用してマスクエリアを指定するステップと、および、
処理回路を用いて、トポロジ情報および撮像情報に基づいて、マスクエリア内における損傷部分の特徴を測定するステップと、を含む。

本方法のさらなる実施形態において、本方法は、対象エリアの撮像情報から、対象エリアの代表的な背景部分を指定するステップと、
対象エリアの撮像情報から、対象エリアの代表的な損傷部分を指定するステップと、および、
指定した代表的な背景部分および損傷部分に基づいて、対象エリアの撮像情報内における損傷部分の境界を定めるステップと、をさらに含む。

本方法のさらなる実施形態において、本方法は、ユーザ入力または画素特性の差異に基づいて、対象エリアの撮像情報から対象エリアの代表的な損傷部分を指定するステップをさらに含む。

本方法のさらなる実施形態において、本方法は、撮像情報に基づいてマスクエリア内の損傷部分を分類するステップをさらに含む。

本方法のさらなる実施形態において、本方法は、損傷部分をタイル状に分割することによりマスクエリア内の損傷部分を分類して、各タイルの撮像値についての中心傾向の測度を算出し、かつ、あらかじめ訓練したサポートベクターマシンによって生成した損傷タイプ情報を用いて各タイルを分類するステップをさらに含む。

本方法のさらなる実施形態において、損傷タイプ情報には、健康組織、スラフ（壊死）組織、エスカー（痂皮）組織が含まれる。

本方法のさらなる実施形態において、あらかじめ訓練したサポートベクターマシンは、一連の注釈付き画像について、各画像をタイル状に分割して各タイルの撮像値について中心傾向の測度を算出し、損傷のタイプによって各タイルを指定するように構成した回路を用いて損傷タイプ情報を生成する。

本方法のさらなる実施形態において、マスクエリア内における損傷部分の特徴は、損傷の深度、幅、および長さを含む。

本方法のさらなる実施形態において、マスクエリア内における損傷部分の特徴は、損傷の周囲長、面積、体積を含む。

本方法のさらなる実施形態において、本方法は、グラブカットアルゴリズム（grab cut algorithm）を利用して、対象エリアの撮像情報内における損傷部分の境界を定めるステップをさらに含む。

本方法のさらなる実施形態において、本方法は、対象エリアの代表的な損傷部分のコンターを検出することにより、対象エリアの撮像情報内における損傷部分の境界を定めるステップをさらに含む。

本方法のさらなる実施形態において、本方法は、対象エリアの代表的な損傷部分のコンターを検出し、すべてのコンターを反復処理することにより、対象エリアの撮像情報内における損傷部分の境界を定めるステップをさらに含む。

本方法のさらなる実施形態において、医学的損傷は創傷である。

ここで図面を参照する。いくつかの図面を通して、同様の参照符号は同一または対応する部分を示す。図１に、慢性および複合創傷の体積評価用のシステムを示す。慢性および複合創傷の例としては、限定はしないが、圧迫潰瘍、糖尿病性潰瘍、動脈不全潰瘍、静脈鬱血潰瘍、および火傷創傷等が挙げられる。慢性創傷は、多くの場合、常時モニタリングして注意を払う必要がある。従来の二次元カメラ単体により得られる視覚的情報のほか、三次元表面データの臨床的重要性は特に高い。よって、モバイル機器、構造センサ機能を有する特殊カメラ、クラウド／ネットワーク構造等を用いて臨床データおよび画像を撮影し、分析し、送信することにより、従来技術は大幅に改善しうる。本実施形態は、上記の部品を組み込むことにより、創傷予防および治療を目的として、臨床情報を取り込み、評価し、文書化し、通信する完全なプラットフォームを提供するものである。

図１に、一実施形態による系統図を示す。図１に含まれるモバイル機器１には、二次元撮像センサ２および構造センサ３を取り付け／接続するか、または、内蔵する。本実施形態はモバイル機器１に限定されず、センサ２、３とネットワーク２０との間で情報を送信可能な演算装置であればよい。モバイル機器１はネットワーク２０を介してサーバ１０に接続される。また、サーバ１０はポータル１１およびインフォマティクス１２に接続される。

モバイル機器１は、セルラー式／ワイヤレス式の携帯機器であり、データ処理能力を有し、撮像センサ２を介した二次元写真撮影機能が内蔵されている。モバイル機器１は、タッチスクリーン、スタイラス、マウス、キーボード、またはその他の入力手段によるユーザインタラクションを備えていてもよい。モバイル機器１は、モバイル機器１に入出力ポート（例えば、ＵＳＢポート）を介して、またはその他の接続方法、例えばブルートゥースまたは近距離無線通信（「ＮＦＣ」）等を介してモバイル機器１に接続した構造センサ３との接続を介した（三次元）構造検知機能を有してもよい。モバイル機器１としては、アップルコンピュータ社のｉＰａｄ（商標）またはサムソン社のＧａｌａｘｙ Ｔａｂ（商標）または、入出力機能を有する任意の他の好適なモバイルまたはタブレット機器とすることができる。

撮像センサ２は、モバイル機器１に内蔵または包含したデジタルＣＣＤセンサであればよく、例えばアップルコンピュータ社のｉＳｉｇｈｔカメラ（商標）等が挙げられる。撮像センサ２は、任意の好適な解像度（例えば、６４０×４８０解像度等）を有することができ、任意の好適な画素数（例えば８メガピクセル等）を有しうる。しかしながら、二次元カメラを用いた創傷の測定においては、スケーリング情報および歪み補正が欠如することが問題となる。実際には、撮影対象と同じシーンに、撮影者等が参照オブジェクト（定規、またはあらかじめ寸法がわかっているオブジェクト、例えば硬貨等）を配置して、後から測定値を導出できるようにすることが多い。しかしながら、この方法では、カメラが測定面について垂直であることが要求され、煩雑であり精密さを欠く。しかしながら、この問題の解決のため、いくつかの手法が開発されてきた。例えば、構造センサ３を設けて、撮像センサ２とともに用いる実施形態、および、構造センサ３を設けず、撮像センサ２からの情報とともにオンスクリーンガイドを用いてスケーリング情報を提供し歪み補正を行う実施形態等が挙げられる。

構造センサ３は、オクシピタル社が開発したオクシピタル構造センサ（商標）等の三次元撮像センサとすることができる。撮像センサ２と構造センサ３の空間的相関関係は既知であるため、撮像センサ２で撮像した二次元画像を、構造センサ３によって取得した三次元構造データにマッピングすることができる。よって、創傷の情報を得る際には、撮像センサ２および構造センサ３の両方で画像を取得する。代替的な実施形態において、構造センサ３のみ、または撮像センサ２のみから、撮像情報を得てもよい。

構造センサ３によれば、さらなる特殊装置または煩雑な工程を何ら必要とせずに、モバイル機器１を用いた正確な三次元測定が可能となる。構造センサ３は、ブラケットを用いてモバイル機器１に装着してもよい。構造センサ３はオクシピタル構造センサ（商標）を用いて実装されるほか、三次元ステレオカメラとしても実装しうる。代案として、構造センサ３は、既存のモバイル機器と並行に使用して立体画像を撮影可能な装置であってもよく、既存のカメラとともに用いて立体照明を生成可能な装置（例えば、J. Ryan Kruseによる「手持ち式携帯電話用の三次元スキャナ（three-dimensional scanner for hand-held phones）」、米国特許出願第２０１２０２８１０８７号等の教示によるもの）であってもよく、小型レーザレンジスキャナであってもよく、または、モバイル機器１と並行して用いて創傷部位の三次元情報を取得可能な任意の潜在的な装置であってもよい。

構造センサ３は、例えば、ブラケットを用いてモバイル機器１に装着してもよい。代案として、構造センサ３は、外付けであってもよく、モバイル機器１に接続されていなくてもよい。

撮像センサ２および構造センサ３を用いて画像情報および三次元情報を得ようとする場合、画像を得ようとするユーザが望み得る最良の画像を撮影できるように導くオンスクリーンガイドを設けることができる。オンスクリーンガイドは、ユーザが画像を撮影しようとしているときに表示することができ、装置が撮像に最適な位置にあるかどうかについてユーザに注意喚起する。加えて、オンスクリーンガイドは、照明効果および傾きについての情報のほかに、例えばさらに上下左右に動かすようユーザを導くことができる。

撮像センサ２および構造センサ３によって得られた二次元視覚情報および三次元測定値に加え、他の生理学的な情報も臨床診断においては重要である場合がある。当該他の生理学的な情報は、モバイル機器１と追加的な装置を一緒に用いて測定してもよい。たとえば、近赤外熱撮像を用いれば、感染を示す熱を検出することが可能となり、ハイパースペクトル撮像方法をモバイルプラットフォームに適用すれば、組織潅流および壊死を測定することが可能となり、センサを用いれば、臭気を検出して記録することが可能となり、また、他の化学センサまたは細菌検出器を現行のモバイルプラットフォームと並行して用いることができる。これらの追加センサは、構造センサ３と同一の付属装着内に備えてもよく、または、別の構造物として実装してもよい。各追加センサは、有線または無線通信を介してモバイル機器１に接続する外部機器等として実装してもよい。

サーバ１０は、医師のオフィス内または病院内でローカルに実装してもよく、アマゾン（商標）ＡＷＳ等のクラウドサービスを実施するサーバを介してクラウド内に実装してもよい。個人的な医療情報を扱うサーバはいずれもＨＩＰＡＡに準拠するセキュアサーバとして実装しうる。ＨＩＰＡＡ準拠サーバとは、１９９６年の健康保険の携行性と責任に関する法律（Health Insurance Portability and Accountability Act of 1996（ＨＩＰＡＡ）；Ｐｕｂ．１０４〜１９１、１１０行、Ｓｔａｔ．１９３６年、１９９６年８月２１日制定）に準拠するものである。当該サーバは、創傷に関する情報を格納したデータベースを含んでもよく、またはそのようなデータベースに接続してもよい。サーバ１０は、モバイル機器１が取得した情報を分析する処理を行うことができる。この処理を以下に詳述する。

サーバ１０はプラクティショナーポータル１１と接続し、患者の創傷に関する情報をプラクティショナーに提供するように設計する。創傷情報は、プラクティショナーが既に有している患者についての電子カルテ（electronic health record）と組み合わせて統合することができる。

インフォマティクス１２は、アクセス対象のデータベースにおいて匿名の臨床データへの経路を提供して、臨床研究および健康情報学を支援して創傷ケアを向上する。

図２は、一実施形態によるシステムのフロープロセスを示す図である。本プロセスにおいて、モバイル機器１によって患者の画像を撮影することにより画像情報を生成する。この情報は、前述したように、撮像センサ２および構造センサ３または他のセンサ等からの情報を含んでもよい。

モバイル機器１および関連する撮像センサ２および構造センサ３の機能を用いて、モバイル機器１により創傷の二次元および三次元情報を取り込む。以下の表１に、構造センサ３によって取得した三次元測定値の例を示す。

プラクティショナー５は、モバイル機器１を介して情報を入力し、患者４から得られた撮像情報を増大する。代替的な実施形態において、プラクティショナー５はモバイル機器１とは別の、撮像情報を取り込むインタフェースを介して情報を入力することができる。

表２に、プラクティショナー５から取得した、関連臨床的パラメータの例を示す。

表１および表２に含まれる情報は、モバイル機器１（または他の機器）からサーバ１０に転送され、サーバ１０は、当該データを、あらかじめ作成した創傷パラメータとともにデータベースに格納する。そして、転送されたデータに基づき画像分析を行う。この画像分析は、サーバ１０において行うこともでき、または、代替的な実施形態において、モバイル機器１上でローカルに行うこともできる。

図３は、撮像センサ２および構造センサ３から取得した情報を用いてサーバが実行する処理の概略図である。特に、二次元画像情報を用いて創傷セグメンテーションを行って創傷境界情報を求め、その結果を、計算により求めた三次元メッシュ情報と組み合わせる。よって、二次元画像においてセグメント化した創傷境界を三次元空間にマッピングすることができ、三次元構造データから三次元測定値を算出することができる。サーバ１０は、撮像センサ２からの撮像データまたは構造センサ３からの三次元データを用いて処理を行うことに限定されない。サーバ１０は、また、保存画像または遠隔取得されてサーバ１０に転送された画像を用いて処理を行ってもよい。上述したように、画像処理はモバイル機器１上で行ってもよく、この場合、画像の取得には、内臓カメラを用いてもよく、インターネット（専用サーバ）から画像をダウンロードしてもよく、または、ＵＳＢインタフェース等の入出力インタフェースを介して入手可能であれば、ＵＳＢフラッシュドライブを用いてもよい。

図４は、二次元画像情報を用いた創傷セグメンテーションのプロセスを示すフロー図である。画像セグメンテーションは、半自動的なアルゴリズムを用いて行う。画像の処理とは、画像セグメント化プロセス中のユーザまたはプラクティショナーによるインタラクションを含んでもよい。代案として、ユーザインタラクションなしに各プロセスを行うことにより、図４に記載したユーザ入力をすべて自動予測または自動入力により置き換えうるようにしてもよい。

ステップＳ１００において、サーバ１０またはモバイル機器１において二次元画像情報を取得する。ステップＳ１０１において、取得した画像をスケーリングする。演算時間は画像の大きさによって決まるため、画像を縮小して、セグメンテーションを確実に「リアルタイム」（実行中）で行えるようにする。ステップＳ１０２において、取得した画像をトリミングし、トリミングしたエリアを保存する。特に、創傷をさらに詳しく調べるため、システムは画像を（例えば２倍に）拡大して画像中央における既定の領域に焦点を合わせる。これは、画像の略中央に創傷が配置されるであろうことを想定している。画像の見えない部分がトリミング領域を画定する。代案として、例えば、創傷が画像の中央にない状況においては、システムはトリミング工程において創傷検出ステップを含んで創傷の位置を検出しうる。ステップＳ１０３において、関心（対象）領域（ＲＯＩ）を画定する矩形を用いてグラブカットアルゴリズムを初期化する。ＲＯＩは、境界から２０画素分をオフセットすることにより画定する。代案として、ＲＯＩは、任意の数の種々の形状または創傷の位置として、または境界からのオフセットした任意の数の画素として画定しうる。

ステップＳ１０４において、取得した画像およびセグメンテーションについての方向をユーザに提示する。具体的には、トリミングして拡大した画像をユーザに提示する。ユーザは、まず、タッチスクリーン上の自分の指またはスタイラスペン、マウスまたはタッチパッドを用いて、オブジェクトの一部または背景の一部、またはその逆を指し示す。よって、創傷（前景エリア）および背景は、ユーザインタラクションにより特定される。図５は、創傷に対応する前景エリア５１および背景エリア５０をユーザにより指定した、例示的な創傷を示す図である。図５に示すように、エリア５３は背景エリアとして指定されており、当該エリアが創傷の一部として検出されないようにしている。しかしながら、代替的な実施形態においては、画像の中央からの距離、および画像中の他の創傷の存在、および／または各創傷間の相対的大きさに基づいて、システムがこのエリアを主創傷から識別する。先に述べたように、画像の前景および背景部分の検出は、サーバ１０またはモバイル機器１にて自動で行ってもよい。創傷の形状、色、場所、患者の位置、画像中の他の画像（毛布、手、等）は多様であるため、創傷の検知は困難な作業であり、画素領域を創傷または非創傷と分類できるようになる境界検出方法または機械学習方法で創傷の均一性を評価するグラブカットアルゴリズム等のスマートなアルゴリズムを必要とする。いずれの方法も、ユーザインタラクションなしで自動的に作用して初期成果を提供するように調整可能である。創傷のセグメント化には固有の難しさがあるため、セグメンテーションプロセスにおいて、ユーザにより実行可能な後処理であって、アンダーセグメンテーションおよび／またはオーバーセグメンテーションを修正可能な後処理、または別のアルゴリズムにより実行可能な後処理が要求されることが多い。

ここで、創傷画像のセグメンテーションを自動で行う２つの例示的なアルゴリズムについて説明する。他のアルゴリズムを使用することもできる。第１の例示的なアルゴリズムはグラブカットに基づくものであり、ユーザは創傷を見て矩形を画像中央に重ねる。ユーザは、その矩形の中に創傷を位置合わせして撮像を行うよう求められる。矩形の外側にあるものはすべて背景とみなされ、矩形の内側にあるものはすべて背景または前景となる可能性があるとされる。グラブカットアルゴリズムの初期化後、初期成果が自動的に算出されユーザに示されることになる。

第２の例示的なアプローチは、機械学習に基づくものであり、システムは、数百枚の画像から、皮膚、手、または他のオブジェクトを背景技術と学習し、粒状組織、エスカー組織のスラフ等を前景と学習することが要求される。機械学習アルゴリズムを訓練した後、新規の画像をタイル状に分割して、背景または前景として分類する。

これらの例示的なアプローチのいずれによっても、ユーザは最終的な誤差を修正してセグメンテーションを後から調整することも可能な状態となる。

オブジェクト（前景）および背景それぞれの画定後または画定に応じて、さらなる画像処理が自動的に開始する。代案として、指定が完了したという指示がユーザにより与えられた後、さらなる画像処理を行う。

ステップＳ１０５においてさらなる画像処理が開始し、前景画定域（foreground definition）内の中央画素位置を取得する。グラブカットアルゴリズムにより、いくつかの非連続したパッチを創傷として検出することができる。ユーザがある領域を創傷と定義するときは、この領域を創傷としてセグメント化し、それによってこの領域内の１画素を前景として使用するというユーザの意図を示す。そして、システムにより各創傷パッチをそれぞれ反復処理（iterate）して、前景画素を含んでいないパッチを除外する。コンターが１つ以上あったかどうかによって、ステップＳ１０７後に反復処理を開始する。

ステップＳ１０６において、出力マスクを前景画素についてフィルタリング（選別）する。各反復処理の後、グラブカットアルゴリズムにより、背景を０、前景を１、背景らしきものを２、前景らしきものを３、と定義するマスクを出力する。このマスクを前景画素のみについて選別する。その他の割り当て（０、２、３）はすべて０で置換する。その結果、前景画素について１、背景画素について０を含むバイナリマスクとなる。

ステップＳ１０７において、前景マスク中のコンターを検出し、前景マスク中にコンターが１つ以上あるかどうかを判定する。コンターが１つ以上あった場合、ステップＳ１０９において、システムはすべてのコンター上を反復処理して、各コンターが前景画素を含むかどうかを検出する。上述したように、セグメンテーション反復処理を１回行った結果、画像上にいくつかの前景パッチが生じる。ステップＳ１０７において、バイナリマスクを用いて各パッチのコンターを検出する。ステップＳ１０９において、前景画素が各コンターのうちの１つの内部にあるかどうか判定し、もしコンター内にあれば、このコンターを対象の創傷と定義し、一方、もしコンター内に前景画素がなければ、このエリアは創傷ではないと判定する。

前景画素を含まない各コンターについて、ステップＳ１１１において当該コンターに背景値を書き込む。ステップＳ１１２に進むコンターが１つのみとなるように、システムは、修正されたバイナリマスクにおいて、コンターを再度検出し、各コンター上を反復処理することにより追加のコンターがあれば対処する。コンターが１つだけになったら、フローはステップＳ１１２に進む。

ステップＳ１１２において、グラブカットアルゴリズムの次の反復処理を行う。このプロセスにより、隆起したポリゴンのオーバーレイ（prominent polygon overlay）を用いてオブジェクトの境界を描く初期セグメンテーションを生成する。

ステップＳ１１３において、ユーザが結果に満足しているかを判定する。満足していなければ、フローはステップＳ１０４に戻り、それによってユーザは、オブジェクト、背景、またはその両方についての追加の指示を用いることにより、セグメンテーションを納得いくまでさらに精密に行うことができる。

ステップＳ１１４においては、保存したトリミングエリアを用いて、結果画像を逆トリミングする。結果画像をセグメント化画像として出力する。

この半自動的なセグメンテーションアルゴリズムは、本明細書において参照として援用するCarsten Rothe、Vladimir Kolmogorov、およびAndrew Blake、2004年、「グラブカット」：反復グラフカットを用いた双方向前景抽出（interactive foreground extraction using iterated graph cuts）、In ACM SIGGRAPH 2004 Papers (SIGGRAPH '04)、Joe Marks (Ed.). ACM、New York, NY,米国、３０９〜３１４. DOI=10.1145/1186562.1015720、または、例えばグラブカットアルゴリズム等の別のセグメンテーションアルゴリズムに記載されるようなグラブカットアルゴリズムを用いて実装することができる。本プロセスにおいて、ユーザは、タッチスクリーン上で指をスワイプさせる簡単な動作を用いて、創傷エリアおよび非創傷エリアについてのシード領域を特定する。セグメンテーション結果はリアルタイムで表示し、ユーザは、自由裁量で、必要に応じてセグメンテーションを微調整する。このアルゴリズムは、最小限の指示監視で非常に高速な実施ができる。

検証用の種々の創傷画像６０枚を用いて、画像セグメンテーションの有効度の例示的な証拠を得た。５人の臨床医に、Ｍａｔｌａｂプログラムを実行するＷｉｎｄｏｗｓタブレット端末上でスタイラスを用いて創傷境界をなぞるように頼んだ。この結果を、正規化した重複スコア（normalized overlap score）を用いて、本発明の創傷境界セグメンテーションプロセスと比較した。図６に示すように、本発明のセグメンテーションアルゴリズムの実施と、専門家の手動によるセグメンテーションとは、非常に良好に重複した（重複スコア９０％前後）。また、本アルゴリズムにより、作業時間が約４０秒から４秒未満に減少した。

図７に、構造センサ３のデータおよび図４に示すプロセスから取得したセグメント化画像から三次元測定値を算出するプロセスを示すフロー図を示す。構造センサ３のデータは、医学的損傷（創傷）についての情報を提供するトポロジ情報である。特に、二次元カラー画像において創傷境界がセグメント化されたら、このセグメンテーションを三次元区間にマッピングすることができ、三次元創傷モデルの抽出が可能となる。ポイントクラウド（点群）に主成分分析（Principal Component Analysis（ＰＣＡ））を適用して幅および長さ等の寸法を算出することができる。代案として、創傷を囲む最小面積の回転矩形を見つけることができる。この矩形の幅および長さにより、創傷の範囲すなわち幅と長さをそれぞれ画定する。周囲の長さは、創傷境界を描く線分を付加することにより算出できる。面積、体積、深度については、まず、三次元創傷モデルに近似適合する放物面を用いて基準面を作成する。この基準面は、周囲の体曲率の解剖学上の形状に沿うものであり、創傷のない正常な皮膚がどのようなものかを表している。創傷の面積は、周囲を創傷境界で囲まれた基準面の表面積として算出することができる。体積は、基準面および創傷表面によってカプセル化した空間であり、深度は、これら２つの面の最長距離である。これらの自動化アルゴリズムは、例えば、ＯｐｅｎＣＶにおいて実装することができる。

別の重要な態様として、構造センサ３と撮像センサ２との位置合わせが挙げられる。一実施形態において、これら２つのセンサは取り付けブラケットが固定であるため、両センサ間に固定型６ＤＯＦ変換（rigid 6DOF transform）を有する。本実施形態においては、ＯｐｅｎＣＶに見られるような、チェス盤ターゲットおよびステレオキャリブレーションアルゴリズムを用いて変換を判定する。判定を行うには、構造センサ３に対してはゼロディストーションモデル、撮像センサ２についてはディストーション・偏心モデルをそれぞれ用いて、個々のセンサをキャリブレートする。そして、内的センサパラメータ（焦点距離を含む）がすべて固定した状態で、ＯｐｅｎＣＶｓｔｅｒｅｏＣａｌｉｂｒａｔｅ機能等のステレオキャリブレーション機能を用いて、２つのセンサ間における外的変換を算出する。図８に示すように、両センサは同一の平面表面を観測するので、独自のＲＧＢカメラを有するＫｎｅｃｔ深度カメラと同様の、外部キャリブレーションが可能となる。代案として、深度カメラを有するカラーカメラの自動キャリブレーション法を用いることができる。良好なキャリブレーションにより、カラー画像中のセグメント化した創傷境界を三次元構造データ上により正確にマッピングでき、正確な創傷寸法が算出できる。

図７のステップＳ２００において、構造センサ３および前景マスクにより取得した、セグメント化画像に対応する深度マップを取得する。前景マスクはカラー画像と同じ大きさのバイナリ画像であるが、創傷に属する画素に１、そうでない画素（背景）に０を割り当てることにより、創傷を前景として符号化する。

ステップＳ２０１において、すべての深度マップを統合して一つの深度マップにする。このステップを行うことにより、均一な深度マップを得ることができる。特に、深度マップにはノイズが非常に多いため、深度マップ中の一部の深度値が欠落している。いくつかの連続した深度マップを保存することにより、それら深度マップをすべて集約して一つの深度マップにすることによってその欠落部分を補充することが可能である。このステップにより欠落している深度値の大部分は減少するが、それでもなお欠落部分の一部が残ってしまうことがある。ステップＳ２０２では、近隣画素の深度値を用いて欠落部分を補充する別の方法を適用する。

ステップＳ２０２において、近隣値からの補間により、欠落している深度情報をすべて補充する。

ステップＳ２０３において、前景マスクに代表される、エリア内の深度情報を用いて、さらなる処理を行う。例えば、図９に示すように、前景マスク３２を深度データに適用してエリア内の深度情報のみを取得する。

ステップＳ２０４において、深度マップおよび構造センサ３に固有のパラメータを用いて、二次元画像空間における画素位置をカメラ空間内の対応する三次元座標に変換する。

ステップＳ２０５において、前景マスク内のコンターを定め、ステップＳ２０６において、定めたコンターを三次元空間に投影することにより、周囲長を算出する。この周囲長は外傷境界の全長（円の周囲と同様）であるが、ただし三次元空間におけるものである。

ステップＳ２０７において、最小包含矩形を三次元空間に投影し、創傷の長さと幅を算出する。よって、ステップＳ２０６では、創傷の周囲長を算出し、ステップＳ２０７では、創傷の最大長さおよび幅を算出する。

ステップＳ２０８において、セグメンテーション（前景マスク）を三次元空間に投影して、面積を算出する。

ステップＳ２０９において、放物線形状を適合して、コンター深度情報を用いて表面を評価する。

ステップＳ２１０において、創傷内の最深点を算出し、ステップＳ２１１において、創傷の体積を算出する。

ステップＳ２１２において、先行する各ステップにおいて求めた、創傷の幅、長さ、周囲長、面積、体積、深度（最深）およびセグメンテーションを出力する。

サーバ１０は、また、創傷組織分類処理を行ってもよい。代案として、この処理はモバイル装置１においても実行しうる。図１０に、創傷中の組織を分類するプロセスを示す。このプロセスにおいて、創傷境界を抽出した後、創傷組織を、粒状組織、および／またはスラフ組織、および／またはエスカー組織に分類することができる。タイルベースの多クラスＳＶＭ（サポートベクターマシン）分類器を用いればこの作業を自動化することができる。ＳＶＭは、数百枚の種々の創傷画像１００枚について訓練してもよく、それぞれについて数百枚のタイルを与えて分類器に各特徴を学習させる。クロス確認およびグリッドサーチを用いて、学習プロセスおよび一般化の質を最適化することができる。実験的試験によれば、図１１に示すように、手動セグメンテーションと自動セグメンテーションとの間には良好な重複（重複スコア８０％超）があった。本図において、図１１Ａは創傷の原画像を示し、図１１Ｂは分類アルゴリズム出力を用いた重畳を示し、図１１Ｃは粒状組織についての自動分類を示し、図１１Ｄは、スラフ組織についての自動分類を示す。図１１Ｅは、専門家による粒状組織についての手動分類を示し、図１１Ｆは、専門家によるスラフ組織についての手動分類を示す。

図１０のステップＳ３００において、撮像センサ２によって取得したカラー画像を、前景マスクとともに取得する。

ステップＳ３０１において、前景マスクに対応するカラー画像のエリア内の色情報を取得する。

ステップＳ３０２において、マスクを有する色情報を、正方形タイル等のタイル状に分割する。他のタイル形状を用いてもよい。ステップＳ３０３において、各タイルについて特徴を算出する。この特徴は抽出要素である。特に、一実施例において、ある画像がＲＧＢカラー形式で与えられた場合、画像をＲＧＢからＨＳＶ、ＬＡＢ，および／またはグレースケール形式に変換して、次のような特徴、すなわち：ａ）各タイルにおける、Ｈ値、Ｓ値それぞれの平均偏差および標準偏差；ｂ）各タイルにおけるＬ値、Ａ値、およびＢ値それぞれの平均偏差および標準偏差；およびｃ）グレー値それぞれの平均偏差および標準偏差を抽出する。ステップＳ３０４において、訓練されたサポートベクターマシンを用いて各タイルを分類する。この訓練プロセスをステップＳ４００〜Ｓ４０６に示す。

ステップＳ４００において、創傷中の健康組織、スラフ組織、および／またはエスカー組織のエリアに注釈を付けた一連の画像を取得する。次に、ステップＳ４０１において、これらの画像をさらに処理し、注釈付きエリア内の各色情報がそれぞれの注釈とリンクするようにする。ステップＳ４０２において、各画像を正方形タイル状に分割する。そして、ステップＳ４０３において、各タイルについて上記の特徴を算出する。ステップＳ４０４において、各タイルが属する組織クラスに応じてタイルに標識する。ステップＳ４０５において、クロス確認を適用し、別個のテスト集合を用いてサポートベクターマシンに最適なパラメータを検出する。ステップＳ５０６において、ＳＶＭモデルを生成する。

ステップＳ３０４において、ステップＳ４０６で生成したモデルを使用して各タイルを分類する。ステップＳ３０５において、各タイルの属するクラスに応じた所定の色を施し、クラスごとに色が異なるようにする。ステップＳ３０６において、画像上で各色をハイライトさせた分類済み画像を出力する。

サーバ１０において処理を行うと、サーバ１０はモバイル機器１にデータを返送してプラクティショナーにデータを表示する。モバイル機器１の代わりに別の機器にデータを送信してもよい。

図１２に、プラクティショナーに提供するシステムインタフェースの例を示す。このインタフェース上にある情報は、モバイル機器１内で生成したものか、またはサーバ１０からモバイル機器１または別の機器に送信したもののいずれかである。

インタフェースはカラー画像６０を表示し、このインタフェースにより、ユーザはトグル６１を選択することにより創傷５１に印をつけ、トグル６２を選択することにより背景５０に印をつけることができる。ユーザは、ボタン６３により印を消すことができる。印５０、５１を配置したら、ユーザはセグメンテーションボタン６４を選択することができ、これにより図４に示す処理が開始する。この処理が完了したら、創傷境界情報をインタフェースに戻し、この情報は境界７２として表示される。

そして、ユーザは測定ボタン６５を選択して、図７に示す処理を開始することができる。この処理が完了し処理結果が得られたら、最小包含矩形７１を表示し創傷測定値６６を提示する。

ユーザは、創傷組織分類ボタン６７を選択することもでき、それによって創傷の異なる部分が、クラス６８に基づいて、異なる色を用いて分類される。ボタン６７を選択すると、図１０に示す処理が行われる。処理結果は創傷上に重畳される。

サーバ１０によって生成したデータは、モバイル機器１に転送するほか、データベースにも保存する。データベースはサーバ１０に対してローカルであっても遠隔地またはクラウド上にあってもよい。データは医学上機密性が高い場合があるため、個人情報保護のため暗号化して保存しても、および／またはプロテクトをかけて保存してもよい。

サーバ１０によって生成したデータ、またはモバイル機器１によってローカルに生成したデータはデータベースに保存することができる。このデータは、創傷画像および関連臨床データを含み、両データはいずれも手動で入力し、画像処理方法等を用いて自動で生成したものである。特定の患者についてのデータベース中にある履歴データを用いて、患者の創傷治癒経過を分析して、以下に示す表３に挙げたものと同様のパラメータを出力することができる。よって、この情報を、創傷の他の視覚的特徴等と統合して、臨床（方針）決定を支援することができる。このデータベースから、表１、表２、表３に挙げた情報をはじめとする臨床情報にアクセスすることができ、創傷管理またはプラクティショナーポータル１１に報告することができる。データベースに保存した情報は、プラクティショナーが管理している、患者の既存の電子カルテに組み込むことができる。管理ポータル１１を用いて、プラクティショナー、すなわち医者、看護婦、研究者、または 適切な権限および資格のある任意の者は、情報にアクセスして、ＨＩＰＡＡに準拠した形で創傷管理を提供することができる。このポータルを介護支援サービス管理に用いることもできる。

同様に、データベース中の匿名化した臨床データにインフォマティクス・インタフェース１２を介してアクセスし、臨床研究および健康情報学を支援して創傷ケアを向上することができる。

本発明の実施例によれば顕著な利点が提供される。例えば、本発明のシステムによれば、創傷の画一的な測定を確実に行うことができる。本システムの画一性により、データベースの調査および相互参照の実現可能性がさらに高まる。本システムの別の利点は、万一業務についてのカルテ監査が発生した場合に、医療保険会社およびメディケア／メディカル会計仲介者等とともに文書作成する際のシステム監査プロセスが大幅に強化される。保存した画像等により、治療計画、代用皮膚の適用、および治癒の経過（または欠如）等が判明する。本システムの別の利点は、創傷ベンチマーク治癒プログラムに関する内部組織的監査を補うことができる点である。

加えて、モバイル機器１は、さらに、創傷分類のための指針および最先端治療法、代用皮膚についての現行のＣＰＴコーディングガイドライン、創傷管理／感染予防に関する医薬品等のアップデート等の患者用の教材および医療提供者用の参考試料、および既存の電子健康記録（ＥＨＲ）システムへのリンクを確保する機能を含みうる。

介護者間の協力を支援するため、本システムによれば、患者が種々の施設間を移転する際に、患者によって病歴データへのアクセス権を許可することが可能となり、患者自身が自己監視および自己報告によって自身の病歴に貢献できるようになるほか、介護チームも連帯して貢献できるようになる。

本発明の各実施形態は、創傷測定以外の他の用途に適用することも可能である。

別の実施形態において、慢性創傷を発症するリスクの高い人々、例えば、糖尿病性下肢潰瘍を発症しやすい糖尿病患者、圧迫潰瘍を発症しやすい寝たきりの患者、末梢血管疾患のある患者等に対する予防手段としても本発明の各実施形態を用いることができる。血液供給の不足が引き起こす虚血組織は潰瘍発症の主な原因の一つであり、最終的に壊死および潰瘍を生じる。本発明の各実施形態をマルチスペクトル撮像技術または他の高度な撮像技術および／または画像分析アルゴリズムと組み合わせて、身体表面上の血液供給または血液潅流を診断することができる。例えば、パルス酸素飽和度測定において用いられる技術と同様に、バンドパスフィルタ、バンドストップフィルタ、ローパスフィルタ、またはハイパスフィルタを用いて、異なる波長光のもとで撮像を行い、それらの画像を用いて皮膚の表層等における血液酸素含有量を分析することができる。例えば、異なる２つの波長を有する近赤外域の光源を用いることができる。光フィルタを光源と一緒に組み合わせて既存のカメラ電話に装備すれば、カメラのマルチスペクトル撮像機能が向上して血液潅流を測定することができる。

さらに別の実施形態において、本発明の各実施形態を用いて、耳、鼻、喉、口、および眼の内部状態を監視することができる。視覚画像を向上するため、補助光源を用いうる。また、導光器を用いて届きにくい箇所を撮像することもでき、場合または状況によっては、ぶれ補正および倍率の変更を行ってもよい。これらの機能は、既存のモバイル機器に装備できるようにすれば、患者はより高画質の画像を撮影できるようになり、コンピュータはより正確に臨床情報を抽出可能となり、医療提供者は疾病の経過をより良好に観察でき、合併症のリスクを検出して対処すること可能となる。

さらに別の実施形態において、本発明の各実施形態を用いて、身体の表面上にある目に見える腫れ、膨張、または突出部分（protruding feature）を有する疾病状態、例えば、限定はしないが、末梢血管疾患、皮膚のしこり、ヘルニア、および痔疾の発生を監視することができる。これらの箇所の形状および大きさは臨床的に重要であり、本発明の各実施形態によれば容易に測定および追跡ができる。

さらに別の実施形態において、本発明の各実施形態を、整形再建手術または体重減少療法に用いれば、身体形状の変化を測定して記録をとることができる。

さらに別の実施形態において、本発明の各実施形態を用いて、患者の排泄、例えば排便および排尿等を監視することができる。ここで、排泄の視覚的特徴は臨床的に重要でありうる。

さらに別の実施形態において、本発明の各実施形態を用いて、水分摂取および固体摂取の両方を監視しなければならない多数の医学的状態について、食物群の体積および識別に基づき患者のカロリー摂取量を監視することができる。

要すれば、本開示は、患者がモバイル機器を使用して行う自己監視および自己報告に基づいて慢性疾患管理を行う方法およびシステムに適用することができる。すなわち、本開示は、カメラ機能付きモバイル機器を（特殊なアドオンデバイス、例えば、ステレオカメラ、立体照明、マルチスペクトル光イメージャ、または他の光源または導光器等の有無にかかわらず）利用して、対象の部位、例えば、限定はしないが、ストーマ、創傷、潰瘍、皮膚の状態、歯の状態、耳、鼻、喉、および眼についての情報を取得する。代案として、この課題は、ウェブカム機能付きラップトップ、またはカメラとコンピュータシステムとを組み合わせたものによって達成しうる。例えば、限定はしないが、大きさ、形状、色彩、色相、飽和度（彩度）、明暗比、質感、模様、三次元表面、または体積測定情報等の視覚情報は、疾病の経過を監視する際には大きな臨床的価値がある。本発明の各実施形態は、カメラ機能付きモバイル機器を（撮像機能を強化し、向上し、または付加する追加の装置の有無にかかわらず）用いて画像を取得し、取得した画像から臨床上重要な特徴を分析して抽出し、その後その情報を遠隔サーバに送信する技術を開示するものである。代案として、すべての画像分析および特徴認識は遠隔サーバサイトで行いうる。医療従事者またはコンピュータによる自動化アルゴリズムは、これらの患者情報にアクセスして、症状悪化のリスク、合併症等の初期警告兆候、または治療等への患者の適合性等を判定することができる。一実施形態において、コンピュータによる自動化は、第一防御線として機能することになる。このシステムによれば、初期警告兆候について患者情報をすべてスクリーニングすることができる。リスクを確認されたら、ある一定の兆候が正常範囲から逸脱または悪化する傾向を示したときに、医療提供者および／または患者に警告することができる。そして、医療提供者は実状を評価し、警告を承認または無視することができ、警告に応じた適切な行為、例えば、患者と連絡する、療法を調整する、または治療を遵守するよう患者に促す等を行う。画像、患者とのやりとり、患者の疾病構造、および医療提供者の治療計画から抽出した臨床データに基づき、本システムを用いてターゲット広告を行い製品の推薦をすることができる。

代替的な実施形態において、深度情報および画像情報は、撮像装置または撮像素子（イメージセンサ）単体で取得することができる。本実施形態において、撮像装置または撮像素子（イメージセンサ）は、創傷の画像を撮影するだけでなく、創傷の深度情報を取得することができる。加えて、画像の各部分、例えば創傷の各部分の距離を、自動焦点情報に基づいて求めることも可能である。例えば、創傷と背景との距離差等を求めることにより、創傷の深度情報を求めることが可能である。

上記の処理のうち、少なくともある一定の部分、例えば、図４、図７、および図１０に記載した各プロセスについては、少なくとも１つのマイクロプロセッサを有する何らかの形の内蔵コンピュータまたは外部コンピュータを用いることにより、または回路／処理回路を用いることにより、実装または支援することができる。上記のプロセスはいずれも、コンピュータまたは回路または回路／処理回路を用いて行うことができる。当業者であれば認識されるように、コンピュータプロセッサは、別個の論理ゲートとして、特定用途向け集積回路（ＡＳＩＣ）として、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）として、または他の複合プログラム可能論理デバイス（ＣＰＬＤ）として実装することができる。ＦＰＧＡまたはＣＰＬＤによる実装は、ＶＨＤＬ、Ｖｅｒｙｌｏｇ、または任意のハードウェア記述言語で符号化することができ、この符号体系はＦＰＧＡまたはＣＰＬＤ内の電子メモリに直接保存するか、または別個の電子メモリとして保存することができる。さらに、この電子メモリは、例えば、ＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ、またはフラッシュメモリ等の不揮発性メモリとすることができる。この電子メモリは、また、例えば、静的または動的ＲＡＭ等の揮発性メモリとすることもでき、マイクロコントローラまたはマイクロプロセッサ等のプロセッサを設けて、電子メモリの管理を行い、また、ＦＰＧＡまたはＣＰＬＤと電子メモリとの間のインタラクションを管理することができる。

代案として、コンピュータプロセッサは、本明細書に記載の各機能を行うコンピュータ読み取り可能な一連の命令を含むコンピュータプログラムを実行することができ、このプログラムは、上記の非一過性の電子メモリのいずれか、および／またはハードディスクドライブ、ＣＤ、ＤＶＤ、フラッシュドライブまたは他の周知の記憶媒体に記憶されている。さらに、コンピュータ読み取り可能な命令は、実用的なアプリケーション、バックグラウンドデーモン、またはオペレーティングシステムの構成要素、またはそれらの組み合わせとして提供することができ、例えば、米国インテル社のＸｅｎｏｎプロセッサまたは米国ＡＭＤ社のオプテロン（Ｏｐｔｅｒｏｎ）プロセッサ等のプロセッサおよびマイクロソフトＶＩＳＴＡ、ＵＮＩＸ、Ｓｏｌａｒｉｓ、ＬＩＮＵＸ、Ａｐｐｌｅ、ＭＡＣ−ＯＳＸ、および当業者に周知の他のオペレーティングシステム等と協働して動作する。

さらに、各実施形態のある特定の機能は、コンピュータベース・システム（図１３）を用いて実装することができる。コンピュータ１０００は、情報伝達用のバスＢまたは他の通信機構、およびバスＢに連結した情報処理用のプロセッサ／ＣＰＵ１００４を備える。コンピュータ１０００は、また、ランダムアクセスメモリ（ＲＡＭ）または他の動的記憶装置（例えば、動的ＲＡＭ（ＤＲＡＭ）、静的ＲＡＭ（ＳＲＡＭ）、およびシンクロナスＤＲＡＭ（ＳＤＲＡＭ）等）等のメインメモリ／メモリユニット１００３を備え、メインメモリ／メモリユニット１００３はバスＢに連結されてプロセッサ／ＣＰＵ１００４が実行する命令および情報を記憶する。加えて、ＣＰＵ１００４が命令を実行している間、メモリユニット１００３を用いて一時的数値変数または他の中間情報を記憶することができる。コンピュータ１０００は、さらに、読み出し専用メモリ（ＲＯＭ）または他の静的記憶装置（例えば、プログラマブルＲＯＭ（ＰＲＯＭ）、消去可能なＰＲＯＭ（ＥＰＲＯＭ）、および電気的消去可能なＰＲＯＭ（ＥＥＰＲＯＭ））を備えることもでき、これらはバスＢに連結されてプロセッサ／ＣＰＵ１００４用の命令および静的情報を記憶する。

コンピュータ１０００は、また、バスＢに連結したディスクコントローラを備えることもでき、情報および命令を記憶する１つ以上の記憶装置、例えば大容量記憶装置１００２およびドライブ装置１００６（例えば、読み取り専用コンパクトディスクドライブ、読み取り／書き込みコンパクトディスクドライブ、コンパクトディスクジュークボックス、およびリムーバブル光磁気ドライブ等）等を制御することができる。各記憶装置は、適切な装置インタフェース機構（例えば、スモールコンピュータシステムインタフェース（ＳＣＳＩ）、集積デバイスエレクトロニクス（integrated device electronics：ＩＤＥ）、エンハンストＩＤＥ（Ｅ−ＩＤＥ）、ダイレクトメモリアクセス（ＤＭＡ）、またはウルトラ−ＤＭＡ等）を用いてコンピュータ１０００に追加することができる。

コンピュータ１０００は、また、限定目的論理装置（例えば、特定用途向け集積回路（ＡＳＩＣ））または構成可能な論理装置（例えば、シンプルプログラム可能論理デバイス（ＳＰＬＤ）、複合プログラム可能論理デバイス（ＣＰＬＤ）、およびフィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ））等を備えることもできる。

コンピュータ１０００は、また、バスＢに連結したディスプレイコントローラを備えることもでき、ディスプレイを制御してコンピュータユーザに情報を表示する。コンピュータシステムは、キーボードおよびポインティングデバイスなどの入力デバイスを備え、コンピュータユーザと情報をやりとりして、プロセッサに情報を提供する。ポインティングデバイスの例としては、例えば、マウス、トラックボール、またはポインティングスティック等が挙げられ、方向情報およびコマンド選択をプロセッサに伝達し、ディスプレイ上のカーソルの動きを制御する。加えて、プリンタは、コンピュータシステムによって記憶および／または生成したデータのリストを提供することができる。

コンピュータ１０００は、ＣＰＵ１００４がメモリユニット１００３等のメモリに記憶した１つ以上の命令を１シーケンス以上実行するのに応じて、本発明の処理ステップの少なくとも一部を行う。これらの命令は、別のコンピュータ可読媒体、例えば、大容量記憶装置１００２またはリムーバブル媒体１００１等からメモリユニットに読み込むことができる。マルチプロセッシング装置における１つ以上のプロセッサを用いて、メモリユニット１００３に含まれる命令の各シーケンスを実行することもできる。代替的な実施形態において、ソフトウェア命令に代えて、または、ソフトウェア命令と組み合わせて、ハードワイヤ回路を用いることができる。よって、各実施形態は、ハードウェア回路とソフトウェアとの特定の組み合わせには何ら限定されない。

以上述べたように、コンピュータ１０００は、本発明の教示によってプログラムした命令を保持し、データ構造、表、記録、または本明細書に記載した他のデータを収容する少なくとも１つのコンピュータ可読媒体１００１またはメモリを備える。コンピュータ可読媒体の例としては、コンパクトディスク、ハードディスク、光磁気ディスク、ＰＲＯＭ（ＥＰＲＯＭ， ＥＥＰＲＯＭ， ｆｌａｓｈ ＥＰＲＯＭ）、ＤＲＡＭ、ＳＲＡＭ、ＳＤＲＡＭ、または他の任意の磁気媒体、コンパクトディスク（例えば、ＣＤ−ＲＯＭ)、または他の任意の磁気媒体、コンパクトディスク（例えば、ＣＤ−ＲＯＭ）、またはコンピュータが読み取り可能な他の任意の媒体が挙げられる。

コンピュータ可読媒体のいずれか一つまたは組み合わせに記憶したものとして、本発明は、主処理装置１００４を制御し、本発明を実装するデバイス等を駆動し、および周処理装置１００４が人間のユーザとやりとりできるようにするソフトウェアを備える。ソフトウェアの例としては、限定はしないが、デバイスドライバ、オペレーティングシステム、開発ツール、およびアプリケーションソフトウェア等を挙げることができる。コンピュータ可読媒体は、さらに、本発明を実装する際に行う処理のすべてまたは一部（処理が分配された場合）を実施する本発明のコンピュータプログラム製品を含む。

本発明の媒体上のコンピュータコード素子は、任意の解釈可能または実行可能なコードメカニズムであればよく、例えば、限定はしないが、スクリプト、解釈可能なプログラム、ダイナミックリンクライブラリ（ＤＬＬ）、Ｊａｖａクラス、および完全実行可能プログラム（complete executable programs）等を含む。さらに、本発明の処理の一部は分配することができ、性能、信頼性、および／またはコストを向上することができる。

本明細書において用いる用語「コンピュータ可読媒体」とは、ＣＰＵ１００４に実行させる命令を与える際に関与する任意の媒体を指す。コンピュータ可読媒体はさまざまな形態をとり、例えば、限定はしないが、不揮発性媒体および揮発性媒体を含む。不揮発性媒体の例としては、例えば、および大容量記憶装置１００２またはリム―バブル媒体１００１等の光ディスク、磁気ディスク、光磁気ディスク等が挙げられる。揮発性媒体の例としては、例えばメモリユニット１００３等の動的メモリが挙げられる。

ＣＰＵ１００４に与えて実行させる１つ以上の命令を１シーケンス以上実行する際には、様々な形態のコンピュータ可読媒体が関与さえることができる。例えば、各命令は、まず、リモートコンピュータの磁気ディスク上で実行することができる。バスＢに連結した入力により、データを受信し、そのデータをバスＢ上に置くことができる。バスＢはデータをメモリユニット１００３に伝達し、ＣＰＵ１００４はメモリユニット１００３から命令を取り出して実行する。メモリユニット１００３が受信した命令は、任意選択で、ＣＰＵ１００４によって実行される前または後のいずれかに、大容量記憶装置１００２に記憶することもできる。

コンピュータ１０００は、また、バスＢに連結した通信インタフェース１００５を含む。通信インタフェース１００５は、例えば、ローカルエリアネットワーク（ＬＡＮ）またはインターネット等の別の通信ネットワークに接続したネットワークに連結する２方向データ通信を提供する。例えば、通信インタフェース１００５は、任意のパケット交換ＬＡＮに取り付けるネットワークインタフェースカードであってもよい。別の例として、通信インタフェースは、対応通信回線へのデータ通信接続を提供する非対称型デジタル加入者回線（ＡＤＳＬ）カード、サービス総合デジタル通信網（ＩＳＤＮ）カード、またはモデムであってもよい。ワイヤレスリンクを実装することもできる。上記実装のいずれにおいても、通信インタフェース１００５は、種々の情報を表すデジタルデータストリームを伝達する電気信号、電磁気信号、または光学信号を送受信する。

ネットワークは、一般に、１つ以上のネットワークを介して、他のデータ装置へデータ通信を行う。例えば、ネットワークは、ローカルネットワーク（例えば、ＬＡＮ）を介して、または通信ネットワークを介した通信サービスを提供するサービスプロバイダが運用する機器を介して、別のコンピュータに接続することができる。ローカルネットワークおよび通信ネットワークは、例えば、デジタルデータストリームを伝達する電気信号、電磁信号、または光学信号、および関連する物理層（例えば、ＣＡＴ５ケーブル、同軸ケーブル、光ファイバ等）を使用する。さらに、ネットワークは、ラップトップコンピュータまたは携帯電話等のモバイル機器への接続も提供することができる。

以上の説明において、フロー図の各プロセス、記述、またはブロックは、いずれも、当該プロセスにおける特定の論理機能またはステップを実施するための１つ以上の実行可能な命令を含むコードの代表的なモジュール、セグメント、または部分と解すべきであり、その代替的な実施も、本提案（present advancements）の例示的な実施形態の範囲に含まれ、各機能は図示または説明したのと異なる順序で実施することができ、例えば、関連する機能性に応じて、実質的に並行して、または逆の順序で実施してもよいことが当業者には理解されよう。

以上、特定の実施形態について説明したが、これらの実施形態は例示にすぎず、本発明の範囲を限定することを意図するものではない。実際に、本明細書において説明した新規の方法、装置、およびシステムは、他の様々な形態によって具現化することができる。さらに、本発明の趣旨を逸脱することなく、本明細書に記載の方法、装置、およびシステムについて、種々の省略、代替、および変更を行うことができる。添付の請求の範囲およびその等価物は、そのような形態および変更をも本発明の趣旨の範囲内にあるものとして含むことを意図している。

Claims (39)

1. 医学的損傷の特徴を測定するシステムであって、
   関心（対象）エリアの二次元画像情報を含む撮像情報を取得する第１の撮像センサと、
   前記対象エリア内におけるオブジェクトの三次元情報を含むトポロジ情報を取得する第２の撮像センサと、
   回路と、を備え、
   該回路は、
   前記撮像情報を用いて、前記対象エリアの前記撮像情報内における損傷部分の境界を定め、
   前記撮像情報の前記二次元画像情報と前記トポロジ情報の前記三次元情報との相関を用いて、前記撮像情報内において指定した前記損傷部分の前記境界を前記トポロジ情報に投影して、前記撮像情報内において指定した前記損傷部分の前記境界の前記トポロジ情報への前記投影によって、前記トポロジ情報の損傷部分に対応する前記トポロジ情報のマスクエリアを指定し、および
   前記トポロジ情報および前記撮像情報に基づいて、前記損傷の深度を含み、かつ前記医学的損傷の医学的評価のために表示される、前記マスクエリア内における前記損傷部分の特徴を測定するように構成した、システム。
2. 前記回路は、さらに、
   前記対象エリアの撮像情報から、該対象エリアの代表的な背景部分を指定し、
   前記対象エリアの撮像情報から、該対象エリアの代表的な損傷部分を指定し、および、
   前記指定した代表的な背景部分および損傷部分に基づいて、前記対象エリアの撮像情報内における損傷部分の境界を定めるように構成した、請求項１に記載のシステム。
3. 前記回路は、さらに、ユーザ入力または画素特性の差異に基づいて、前記対象エリアの前記撮像情報から前記対象エリアの代表的な損傷部分を指定するように構成した、請求項２に記載のシステム。
4. 前記回路は、さらに、前記撮像情報に基づいて前記マスクエリア内の前記損傷部分を分類するように構成した、請求項１に記載のシステム。
5. 前記回路は、さらに、前記損傷部分をタイル状に分割することにより前記マスクエリア内の前記損傷部分を分類して、各タイルの撮像値についての平均を算出し、かつ、あらかじめ訓練した分類器によって生成した損傷タイプ情報を用いて各タイルを分類するように構成した、請求項４に記載のシステム。
6. 前記損傷タイプ情報には、健康組織、スラフ（壊死）組織、エスカー（痂皮）組織が含まれる、請求項５に記載のシステム。
7. 前記あらかじめ訓練した分類器は機械学習分類器であり、該分類器は、一連の注釈付き画像について、各画像をタイル状に分割して各タイルの撮像値について平均を算出し、損傷のタイプによって各タイルを指定するように構成した回路を用いて損傷タイプ情報を生成する、請求項５に記載のシステム。
8. 前記マスクエリア内における前記損傷部分の特徴は、該損傷の最深深度、幅、および長さを更に含む、請求項１に記載のシステム。
9. 前記マスクエリア内における前記損傷部分の特徴は、該損傷の周囲長、面積、体積を含む、請求項１に記載のシステム。
10. 前記回路は、自動画像セグメンテーションアルゴリズムを利用して、前記対象エリアの前記撮像情報内における前記損傷部分の境界を定めるように構成した、請求項１に記載のシステム。
11. 前記回路は、前記対象エリアの代表的な損傷部分のコンター（輪郭）を検出することにより、前記対象エリアの前記撮像情報内における前記損傷部分の境界を定めるように構成した、請求項１に記載のシステム。
12. 前記回路は、前記対象エリアの代表的な損傷部分のコンターを検出し、すべてのコンターを反復処理することにより、前記対象エリアの前記撮像情報内における前記損傷部分の境界を定めるように構成した、請求項１に記載のシステム。
13. 前記医学的損傷は創傷である、請求項１に記載のシステム。
14. 医学的損傷の特徴を測定する装置であって、
    第１の撮像センサを用いて、対象エリアの二次元画像情報を含む撮像情報を取得し、
    第２の撮像センサを用いて、前記対象エリア内のオブジェクトの三次元情報を含むトポロジ情報を取得し、
    前記撮像情報を用いて、前記対象エリアの前記撮像情報内における損傷部分の境界を定め、
    前記撮像情報の前記二次元画像情報と前記トポロジ情報の前記三次元情報との相関を用いて、前記撮像情報内において指定した前記損傷部分の前記境界を前記トポロジ情報に投影して、前記撮像情報内において指定した前記損傷部分の前記境界の前記トポロジ情報への前記投影によって、前記トポロジ情報の損傷部分に対応する前記トポロジ情報のマスクエリアを指定し、および
    前記トポロジ情報および前記撮像情報に基づいて、前記損傷の深度を含み、かつ前記医学的損傷の医学的評価のために表示される、前記マスクエリア内における前記損傷部分の特徴を測定するように構成した回路を備える、装置。
15. 前記回路は、
    前記対象エリアの撮像情報から、該対象エリアの代表的な背景部分を指定し、
    前記対象エリアの撮像情報から、該対象エリアの代表的な損傷部分を指定し、および、
    前記指定した代表的な背景部分および損傷部分に基づいて、前記対象エリアの撮像情報内における損傷部分の境界を定めるように構成した、請求項１４に記載の装置。
16. 前記回路は、さらに、ユーザ入力または画素特性の差異に基づいて、前記対象エリアの前記撮像情報から前記対象エリアの代表的な損傷部分を指定するように構成した、請求項１５に記載の装置。
17. 前記回路は、さらに、前記撮像情報に基づいて前記マスクエリア内の前記損傷部分を分類するように構成した、請求項１４に記載の装置。
18. 前記回路は、さらに、前記損傷部分をタイル状に分割することにより前記マスクエリア内の前記損傷部分を分類して、各タイルの撮像値についての平均を算出し、かつ、あらかじめ訓練した機械学習分類器によって生成した損傷タイプ情報を用いて各タイルを分類するように構成した、請求項１７に記載の装置。
19. 前記損傷タイプ情報には、健康組織、スラフ（壊死）組織、エスカー（痂皮）組織が含まれる、請求項１８に記載の装置。
20. 前記あらかじめ訓練した機械学習分類器は、一連の注釈付き画像について、各画像をタイル状に分割して各タイルの撮像値について平均を算出し、損傷のタイプによって各タイルを指定するように構成した回路を用いて損傷タイプ情報を生成する、請求項１８に記載の装置。
21. 前記マスクエリア内における前記損傷部分の特徴は、該損傷の最深深度、幅、および長さを更に含む、請求項１４に記載の装置。
22. 前記マスクエリア内における前記損傷部分の特徴は、該損傷の周囲長、面積、体積を含む、請求項１４に記載の装置。
23. 前記回路は、グラブカットアルゴリズム（grab cut algorithm）を利用して、前記対象エリアの前記撮像情報内における前記損傷部分の境界を定めるように構成した、請求項１４に記載の装置。
24. 前記回路は、前記対象エリアの代表的な損傷部分のコンターを検出することにより、前記対象エリアの前記撮像情報内における前記損傷部分の境界を定めるように構成した、請求項１４に記載の装置。
25. 前記回路は、前記対象エリアの代表的な損傷部分のコンターを検出し、すべてのコンターを反復処理することにより、前記対象エリアの前記撮像情報内における前記損傷部分の境界を定めるように構成した、請求項１４に記載の装置。
26. 前記医学的損傷は創傷である、請求項１に記載のシステム。
27. 医学的損傷の特徴を測定するための撮像処理装置の作動方法であって、
    第１の撮像センサが、対象エリアの二次元画像情報を含む撮像情報を取得すること、
    第２の撮像センサが、前記対象エリア内のオブジェクトの三次元情報を含むトポロジ情報を取得すること、
    処理回路が、前記撮像情報を用いて、前記対象エリアの撮像情報内における損傷部分の境界を定めること、
    前記処理回路が、前記撮像情報の前記二次元画像情報と前記トポロジ情報の前記三次元情報との相関を用いて、前記撮像情報内において指定した前記損傷部分の前記境界を前記トポロジ情報に投影して、前記撮像情報内において指定した前記損傷部分の前記境界の前記トポロジ情報への前記投影によって、前記トポロジ情報の損傷部分に対応する前記トポロジ情報のマスクエリアを指定すること、および、
    前記処理回路が、前記トポロジ情報および前記撮像情報に基づいて、前記損傷の深度を含み、かつ前記医学的損傷の医学的評価のために表示される、前記マスクエリア内における前記損傷部分の特徴を測定すること、を含む方法。
28. 前記処理回路が、前記対象エリアの撮像情報から、該対象エリアの代表的な背景部分を指定すること、
    前記処理回路が、前記対象エリアの撮像情報から、該対象エリアの代表的な損傷部分を指定すること、および、
    前記処理回路が、前記指定した代表的な背景部分および損傷部分に基づいて、前記対象エリアの撮像情報内における損傷部分の境界を定めること、をさらに含む請求項２７に記載の方法。
29. 前記処理回路が、ユーザ入力または画素特性の差異に基づいて、前記対象エリアの前記撮像情報から前記対象エリアの代表的な損傷部分を指定することをさらに含む、請求項２８に記載の方法。
30. 前記処理回路が、前記撮像情報に基づいて前記マスクエリア内の前記損傷部分を分類することをさらに含む、請求項２７に記載の方法。
31. 前記処理回路が、前記損傷部分をタイル状に分割することにより前記マスクエリア内の前記損傷部分を分類して、各タイルの撮像値についての平均を算出し、かつ、あらかじめ訓練した機械学習分類器によって生成した損傷タイプ情報を用いて各タイルを分類することをさらに含む、請求項３０に記載の方法。
32. 前記損傷タイプ情報には、健康組織、スラフ（壊死）組織、エスカー（痂皮）組織が含まれる、請求項３１に記載の方法。
33. 前記あらかじめ訓練した機械学習分類器は、一連の注釈付き画像について、各画像をタイル状に分割して各タイルの撮像値について平均を算出し、損傷のタイプによって各タイルを指定するように構成した回路を用いて損傷タイプ情報を生成する、請求項３１に記載の方法。
34. 前記マスクエリア内における前記損傷部分の特徴は、該損傷の最深深度、幅、および長さを更に含む、請求項２７に記載の方法。
35. 前記マスクエリア内における前記損傷部分の特徴は、該損傷の周囲長、面積、体積を含む、請求項２７に記載の方法。
36. 前記処理回路が、グラブカットアルゴリズムを利用して、前記対象エリアの前記撮像情報内における前記損傷部分の境界を定めることをさらに含む、請求項２７に記載の方法。
37. 前記処理回路が、前記対象エリアの代表的な損傷部分のコンターを検出することにより、前記対象エリアの前記撮像情報内における前記損傷部分の境界を定めることをさらに含む、請求項２７に記載の方法。
38. 前記処理回路が、前記対象エリアの代表的な損傷部分のコンターを検出し、すべてのコンターを反復処理することにより、前記対象エリアの前記撮像情報内における前記損傷部分の境界を定めることをさらに含む、請求項２７に記載の方法。
39. 前記医学的損傷は創傷である、請求項２７に記載の方法。