JP7258354B2 - 生体組織内の異常を検出するための方法及びシステム - Google Patents

Description

本開示は、医用撮像の分野に関する。より具体的には、本開示は、生体組織内の異常を検出するための方法及びシステムに関する。

撮像技術は一般に、様々な病気の検出及び診断を支援するために使用される。異常を検出するために、被験者の特定の関心領域（ＲＯＩ）の画像が分析される。アミロイド及び他の異常を検出するのに一般的に使用される技術に、陽電子放出断層撮影（ＰＥＴ）スキャンが含まれる。ＰＥＴスキャンは、高額で時間がかかり、被験者に不快感をもたらし得る。

検出され診断の確定につながり得る異常の一例には、アミロイド、すなわち異常なタンパク質凝集体が含まれる。特に、アルツハイマー病は本質的には神経変性疾患であるが、被験者の網膜におけるアミロイド斑の存在はアルツハイマー病の発症を示し得ることが指摘されている。さらに、例えば糖尿病及び高血圧などの他の病気の診断も、被験者の網膜内の異常の検出に基づき得ることが提示されている。

近年、数値画像処理を伴う技術が提案されている。具体的には、被験者のＲＯＩ内の異常パターンを発見することを目的として、画像分析を使用して画像テクスチャの特徴付けが行われ得る。現在、被験者の眼の中に、被験者の他の器官に起因する疾患の兆候を効率的に検出することができる商用技術は少ない。このような技術の一例は、２０１６年３月２３日公開されたＳｙｌｖｅｓｔｒｅ ｅｔ ａｌ．の国際特許出願公開番号ＷＯ２０１６／０４１０６２ Ａ１に見出すことができ、この開示は、参照によりその全体が本明細書に組み込まれるものとし、アルツハイマー病の発症を患っている被験者の眼底に存在するアミロイド斑を同定するために使用され得るスペクトル解像画像を生成する技術を開示する。

ＲＯＩのテクスチャを表現するツールとして、グレイレベル共起行列（ＧＬＣＭ）分析が提案されている。例えば、図１（従来技術）は、２人の被験者の関心領域の空間ＧＬＣＭに基づいたテクスチャ相関の表示であり、これらの被験者のうち１人はアミロイド陽性である。図１では、ＲＯＩは、２人の被験者の網膜内である。写真１０_Ａは、アミロイド陽性被験者（以下患者「Ａ」）のＲＯＩを示し、一方１０_Ｂは、アミロイド陰性被験者（以下患者「Ｂ」）の同様のＲＯＩを示す。写真１０_Ａ及び１０_Ｂは、これらのＲＯＩのいくつかの違いを示すが、これらの違いは微小であり、正常な状態と異常な状態を容易に区別するのに十分とは言えない。写真１０_Ａ及び１０_Ｂに基づく診断は、高度な技術を有する医療専門家の診察を必要とする。異常な組織と正常な組織をそれぞれ示す写真１０_Ａと１０_Ｂの差異が曖昧であることが原因で、医療専門家の技術でも誤診が起こり得る。

現在の撮像技術は、高度な技術を有する専門家のみが診断可能な視覚情報を提供する傾向がある。さらに、現在の撮像技術は一般に、被験者のＲＯＩなどの様々な生体組織における様々な種類の異常の検出に、容易に適応できない。

従って、現在の撮像技術の限られた適応性及びこのような技術を使用して得られる画像の固有の曖昧さに関連する問題を補う、医用撮像分野における向上が求められている。

本開示によれば、生体組織内の異常を検出する方法が提供される。生体組織の第１の画像が得られ、第１の画像は第１の波長の光を含む。生体組織の第２の画像が得られ、第２の画像は第２の波長の光を含む。生体組織のテクスチャ解析は、第１及び第２の画像の空間情報を用いて行われる。テクスチャ解析は、第１及び第２の波長で解像される。

本開示によれば、生体組織内の異常を検出するシステムも提供される。システムは、生体組織の第１の画像及び第２の画像の受信器と、受信器に動作可能に接続されたプロセッサとを備える。プロセッサは、第１及び第２の画像の空間情報を用いて生体組織のテクスチャ解析を実行するように構成され、テクスチャ解析は、第１の画像の第１の波長及び第２の画像の第２の波長で解像される。

本開示によれば、生体組織内の異常を検出する方法も提供される。生体組織のモノクロ画像が得られる。生体組織のモノクロ画像の空間情報を用いて生体組織のテクスチャ解析を行うことで、生体組織の特徴が特定される。生体組織の特徴に基づいて、テクスチャ画像が生成される。テクスチャ画像の一次統計値と所定値との比較に少なくとも部分的に基づいて、被験者の生体組織は、正常または異常に分類される。

本開示はさらに、生体組織内の異常を検出するシステムに関する。システムは、生体組織のモノクロ画像の受信器と、受信器に動作可能に接続されたプロセッサとを備える。プロセッサは、生体組織のモノクロ画像の空間情報を用いて生体組織のテクスチャ解析を行って、生体組織の特徴を特定し、生体組織の特徴に基づいて、テクスチャ画像を生成し、テクスチャ画像の一次統計値と所定値との比較に少なくとも部分的に基づいて、被験者の生体組織を正常または異常に分類するように構成される。

前述の特徴及び他の特徴は、添付の図面を参照する単なる例として与えられたそれらの例示的な実施形態の下記の非限定的な説明を読むことで、明らかになるであろう。

本開示の実施形態は、添付の図面を参照する単なる例として説明される。

従来技術による、うち１人がアミロイド陽性である２人の被験者の関心領域の空間ＧＬＣＭに基づいたテクスチャ相関の表示である。 移動ウィンドウを使用して、空間及びスペクトル情報に基づき生体組織のテクスチャ画像を構築するプロセスの概略図である。 一実施形態による、ＧＬＣＭ及び／またはＧＬＲＬＭ及び／またはＭＲＦＭを空間及びスペクトル方向に使用し、テクスチャ情報を使用して、生体組織の画像を分類するプロセスのシーケンス図である。 別の一実施形態による、ＧＬＣＭ及び／またはＧＬＲＬＭ及び／またはＭＲＦＭを空間方向に使用し、テクスチャ情報を使用して、生体組織の画像を分類するプロセスのシーケンス図である。 生体組織の画像を分類するシステムの要素を示す高次ネットワーク図である。 生体組織の画像を分類するデバイスのブロック図である。 うち２人がアミロイド陽性である４人の被験者の関心領域の空間及びスペクトルＧＬＣＭに基づいたテクスチャ相関の表示である。 図７の４人の被験者の関心領域の空間及びスペクトルＧＬＣＭに基づいた相関テクスチャ画像のヒストグラムである。 図７の４人の被験者の空間及びスペクトルＧＬＣＭに基づいた統計分類の三次元表示である。 さらに多くの被験者の空間及びスペクトルＧＬＣＭに基づいた統計分類の別の三次元表示であり、データは統計分類の次元縮小後に得られる。

様々な図面において、類似番号は類似する特徴を表す。

本開示の様々な態様は一般に、現在の撮像技術の限られた適応性及びこのような技術を使用して得られる画像の固有の曖昧さに関連する問題のうちの１つ以上に対処する。

一般的に言うと、本技術は、二次元画像に本質的に存在する空間情報に、スペクトル情報の使用により定義される第三次元を追加する。生体組織の画像は、２つ以上の波長で取得される。ここで図面を参照すると、図２は、移動ウィンドウを使用して、空間及びスペクトル情報に基づき生体組織のテクスチャ画像、すなわちテクスチャマップを構築するプロセスの概略図である。図２では、被験者の関心領域（ＲＯＩ）内に生体組織がみられる。被験者の器官または組織５０は、ＲＯＩ５２を含み、ここからｊ個の異なる波長で複数の画像５４_１、５４_２、・・・、５４_ｊが取得され、ＲＯＩ５２のハイパースペクトル画像５６が生成される。複数の画像５４_１、５４_２、・・・、５４_ｊのそれぞれは、ＲＯＩ５２から放射される反射または蛍光を捕捉することにより取得され得る。画像５４_１、５４_２、・・・、５４_ｊ、並びにハイパースペクトル画像５６はそれぞれ、複数の画素行５８と、複数の画素列６０とを含む。ハイパースペクトル画像５６の一部は、ウィンドウ６２内に、幅ｋ画素及び高さｌ画素にわたる空間情報を含み、ｋ及びｌのそれぞれは１画素以上であり、このウィンドウ６２は、ｊ個の異なる波長で定義されたスペクトル情報６４も含む。ハイパースペクトル画像５６のテクスチャ解析は、ウィンドウ６２のｋ・ｌ画素に含まれる空間情報に基づいて実行され、テクスチャ解析は、ｊ個の異なる波長で解像される。ＲＯＩ５２の領域にわたりウィンドウ６２を移動させることで、テクスチャ解析は、ＲＯＩ５２のテクスチャ画像２０_Ｂを提供する。テクスチャ画像２０_Ｂには、ＲＯＩ５２を説明する情報、例えばＲＯＩ５２の正規化コントラスト画像、正規化均一性画像、正規化相関画像、及び／または正規化エネルギー画像が含まれる。

本開示の文脈では、生体組織は、関心領域（ＲＯＩ）を含むことができ、完全な器官以上の大きさであり得る、あるいは異常の最終的検出及び／または診断の確定に十分な任意の組織もしくはその一部ほどの小ささであり得る。非限定的な一例では、生体組織は、被験者の網膜またはその一部を含み、探索される異常は、網膜の血管近くにアミロイド斑の存在を含み得る。別の非限定的な一例では、生体組織は、被験者に行われる生体組織検査から得られ得る。生体組織の撮像は、生体内、生体外、及び／または試験管内で行われ得る。

図３は、一実施形態による、ＧＬＣＭ及び／またはＧＬＲＬＭ及び／またはＭＲＦＭを空間及びスペクトル方向に使用し、テクスチャ情報を使用して、生体組織の画像を分類するプロセスのシーケンス図である。図３において、シーケンス１００は複数の動作を含み、これらの動作は変更可能な順序で実行することができ、動作のうちのいくつかは同時に実行することが可能であり、動作のうちのいくつかは任意である。

動作１０２で、生体組織のハイパースペクトル画像が得られる。ハイパースペクトルは、複数の対応する波長で取得された生体組織の複数の画像から構成される。２つの異なる波長で、最低でも生体組織の２つの画像が取得される。一変形形態では、ハイパースペクトル画像は、第３の波長の光を含む生体組織の第３の画像を含み得る。別の変形形態では、ハイパースペクトル画像は、多数の画像を含み得、これらの画像はそれぞれ、対応する波長の光を含む。ハイパースペクトル画像を生成するために、例えばカメラといった画像取得デバイス（図示せず）が、第１及び第２の画像、並びにさらなる任意の画像を取得する。一実施形態では、画像取得デバイスにより、第１、第２、及びさらなる任意の画像が同時に取得される。非限定的な例で、様々な波長での画像の連続取得、及び走査レーザ眼科（ＳＬＯ）撮像など、他の画像取得方法も企図されている。

動作１０４にて第１及び第２の画像、並びに利用可能であればさらなる任意の画像の光強度、すなわち輝度を較正することで、これらの画像を提供する撮像機器が生じる異なる波長での最終的な出力変動が補正され得る。同様に、撮像機器が各波長の画像の一貫した位置合わせを提供しない場合、動作１０６にて第１、第２、及びさらなる任意の画像の位置合わせが行われ得、これによりこれらの画像の対応画素は、生体組織の同じ要素に対応する。動作１０４及び１０６は任意であり、撮像機器が較正及び位置合わせを行った画像を提供する実施形態においては、存在しなくてもよい。

生体組織のテクスチャ解析は、少なくとも第１及び第２の画像の空間情報を用いて、また利用可能であれば生体組織のさらなる任意の画像の空間情報も用いて実行され、テクスチャ解析は、少なくとも第１及び第２の波長で、また利用可能であれば生体組織のこれらのさらなる画像の波長で解像される。このテクスチャ解析は、動作１０８及び１１０で行われる。生体組織の特徴を特定するために、動作１０８にて、行列を計算すること、例えば、生体組織の第１、第２、及びさらなる任意の画像の空間及びスペクトル情報に適用されたグレイレベル共起行列（ＧＬＣＭ）、グレイレベルランレングス行列（ＧＬＲＬＭ）、マルコフ確率場行列（ＭＲＦＭ）、またはＧＬＣＭ、ＧＬＲＬＭ、及びＭＲＦＭの任意の組み合わせを使用することにより、生体組織の第１、第２、及びさらなる任意の画像の各画素に対しテクスチャ解析が行われる。動作１１０にて、テクスチャ値が計算される。動作１０８及び１１０は、第１及び第２の画像並びにさらなる任意の画像の画素行及び画素列にわたり繰り返される。

非限定的な実施形態において、動作１１２にて、第１、第２、及びさらなる任意の画像のテクスチャ解析で特定された生体組織の特徴に基づいて、テクスチャ画像が生成される。生体組織の第１、第２、及びさらなる任意の画像を含む生体組織画像の集合が、画像取得デバイスを用いて取得される。画像プロセッサは、ｊ・ｋ・ｌの寸法を有する移動ウィンドウを実施する。移動ウィンドウにおいて、ｊは、波長の数であり、また集合内の画像の数に等しく、ｋは、生体組織の画像の第１次元におけるウィンドウの画素数（例えば画素行を形成する生体組織の水平方向の幅に沿ったウィンドウの画素数）であり、ｌは、生体組織の画像の第２次元におけるウィンドウの画素数（例えば画素列を形成する生体組織の垂直方向の高さに沿ったウィンドウの画素数）である。特定の実施形態では、ｌは１画素に等しくてもよく、この場合、移動ウィンドウは、波長の数と移動ウィンドウの画素幅で定義された２次元行列を形成する。ＧＬＣＭ及び／またはＧＬＲＬＭ及び／またはＭＲＦＭを用いたテクスチャ解析は、初期位置におけるこのウィンドウに含まれる情報を用いて行われる。特定のテクスチャ特徴の値は、ＧＬＣＭまたはＧＬＲＬＭまたはＭＲＦＭ行列におけるエネルギーレベル、相関レベル、コントラストレベル、または均一性レベルに基づいて計算される。この値は、テクスチャ画像の第１の画素の値となり、よってテクスチャを特徴付ける。ウィンドウは次に、生体組織の画像集合上で、第１次元に沿って（例えば水平に）、所定の画素数分、例えば１つ以上の画素分、空間内を移動させられる。このウィンドウの情報は再び抽出され分析され、テクスチャ画像の第２の画素が定義される。プロセスは、移動ウィンドウが第１次元の終わり（第１の行の終わり）に達するまで続けられ、次に移動ウィンドウを第２次元に沿って（例えば垂直に、別の画素行上で）、別の所定の画素数分、例えば１つ以上の画素分、移動させることが続けられる。プロセスは、移動ウィンドウが画像集合または生体組織を完全に覆うまで続けられる。

動作１１４にて、テクスチャ画像のヒストグラムに基づく一次統計値（ＦＯＳ）が計算され得る。ＦＯＳは、テクスチャ画像の強度平均、強度歪度、強度分散、及び強度尖度のうちのいずれか１つ以上を含み得る。動作１１４のＦＯＳは、生体組織の特徴に追加できる相似値の特定につながり得る。任意で、動作１１４で取得された統計情報は、動作１１５にて、例えば主成分分析（ＰＣＡ）または判別分析（ＤＡ）のうちの１つを使用して、教師ありまたは教師なし次元縮小にかけられ得る。次元縮小の有無にかかわらず統計情報は、生体組織の特徴及び任意で相似値に基づいて生体組織を分類する後続の動作１１６において使用される。分類は、例えばコントラスト、相関、均一性、及び／またはエネルギーを反映したテクスチャといったテクスチャ画像で見つかる様々なＦＯＳのうちのいずれか１つ以上を使用して行われ得る。分類は、陰性結果１１８をもたらし得、この場合、生体組織は正常として分類され、または陽性結果１２０をもたらし得、この場合、生体組織は異常として分類される。より詳細には、動作１１６にて行われる分類は、一方では所定値との比較を、他方ではテクスチャ画像の統計値との比較を含み得る。代替的または付加的に、動作１１６にて行われる分類は、テクスチャ画像またはその統計値と、同じ被験者の生体組織、例えば被験者の同じＲＯＩから得られた前のテクスチャ画像またはその統計値との変差を特定することを含み得る。動作１１６にて行われる分類はまた、ＦＯＳを使用して、テクスチャ画像と前のテクスチャ画像との変差を特徴付け得る。テクスチャ画像と前のテクスチャ画像との変差は、テクスチャ画像の強度の正規化及び前のテクスチャ画像の強度の正規化の後に、特定され得る。非限定的に、画像の様々な画素の強度は、０と１の間の強度範囲内に正規化され得、これらの値は無次元である。異常の進行は、テクスチャ画像と前のテクスチャ画像との変差に少なくとも部分的に基づいて判定され得る。

任意で、動作１２２はさらに、ハイパースペクトル画像に含まれる第１、第２、及びさらなる任意の画像におけるそれぞれの波長のスペクトル情報を使用して、生体組織のスペクトルシグネチャを定義し得る。スペクトルシグネチャは、利用可能な波長での特定画素の強度（すなわち輝度）の情報を含むベクトルである。このベクトルはまた、利用可能な波長での特定領域の平均強度値も表し得る。スペクトルシグネチャを対照生体組織の基準スペクトルシグネチャと比較することが可能となり、その結果、動作１１６はさらに、この比較に少なくとも部分的に基づいて、被験者の生体組織を正常（陰性結果１１８）または異常（陽性結果１２０）に分類し得る。従って、生体組織の分類は、教師ありで基準情報に基づいて行われてもよく、または教師なしで行われてもよい。

スペクトルシグネチャは、生体組織に関連するピクセルごとの情報を含み得る。あるいは、スペクトルシグネチャは、生体組織の領域にわたり、または生体組織の一部にわたり定義された平均スペクトルシグネチャであり得る。別の言い方をすると、生体組織のスペクトルシグネチャは、異常の検出及び／または生体組織に見られる状態の診断に有用な任意のレベルの粒度で、特定され得る。生体組織のスペクトルシグネチャを、対照生体組織のスペクトルシグネチャと、または被験者の同一もしくは同等の生体組織から以前に取得したスペクトルシグネチャと比較することにより、生体組織の全ての画素に関してテクスチャ画像の分化率を特定することが可能となる。生体組織のスペクトルシグネチャと、被験者の同一または同等の生体組織から取得された前のスペクトルシグネチャとの変差を特定すること、及び生体組織のスペクトルシグネチャと前のスペクトルシグネチャとの変差に少なくとも部分的に基づいて異常の進行を判定することが、可能になる。異常の進行の判定は、被験者の治療の有効性を評価するのに特に有用であり得る。

分類が陽性結果１２０をもたらす場合、シーケンス１００は、生体組織において発見された異常に関する情報を技師または医療提供者に提供するのに有用な１つ以上の動作を続け得る。例えば、動作１２４は、生体組織内の異常の位置を特定し得、動作１２６は、生体組織の異常を定量化し得、動作１２８は、生体組織の映像マッピングを提供して、コンピュータモニタ上に類似表示を映し出し得る。技師または医療提供者に提供される情報を使用して、テクスチャ画像と基準テクスチャ画像との比較及び／または生体組織のスペクトルシグネチャと基準スペクトルシグネチャとの比較に少なくとも部分的に基づいて、被験者の診断が確定され得る。非限定的に、本技術を使用して、被験者のＲＯＩにおいてバイオマーカー、例えば脳アミロイドに相関するバイオマーカーの存在が検出され得る。例えば、少なくとも部分的に動作１０８及び１１０のテクスチャ解析に基づいて、またシーケンス１００内の他の動作の結果に基づいて、被験者の網膜においてアルツハイマー病の兆候を検出することが可能になる。シーケンス１００の動作を使用して検出可能となり得る他の病気には、動脈硬化症、糖尿病性網膜症、緑内障、加齢黄斑変性症、皮膚癌、及び前立腺癌が非限定的に含まれる。

図４は、別の一実施形態による、ＧＬＣＭ及び／またはＧＬＲＬＭ及び／またはＭＲＦＭを空間方向に使用し、テクスチャ情報を使用して、生体組織の画像を分類するプロセスのシーケンス図である。図４において、シーケンス２００は複数の動作を含み、これらの動作は変更可能な順序で実行することができ、動作のうちのいくつかは同時に実行することが可能であり、動作のうちのいくつかは任意である。シーケンス２００内の動作のうちのいくつかは、シーケンス１００のうちのいくつかの動作と同一または同等であり、一貫性を保つために同じ番号で識別する。図３に関連して記述された動作と同一または同等の動作は、説明を簡潔にするために詳細に記述しない。

シーケンス２００において、生体組織のテクスチャ解析は、生体組織のモノクロ画像の空間情報を用いて行われる。一変形形態では、動作２０２にて、モノクロ画像が直接取得され得る。別の変形形態では、動作１０２にてハイパースペクトル画像が取得され得、その後、動作２０４にてハイパースペクトル画像のスペクトル次元が縮小され、生体組織のモノクロ画像が提供される。スペクトル次元のこの縮小は、例えば、ハイパースペクトル画像の複数の波長で対応画素の平均を計算することにより、またはハイパースペクトル画像の主成分分析（ＰＣＡ）もしくは判別分析（ＤＡ）を用いることにより、取得され得る。

モノクロ画像が取得される方法に関係なく、生体組織のテクスチャ解析は、生体組織のモノクロ画像の空間情報を用いて行われる。このテクスチャ解析は、動作２０６及び１１０で行われる。動作１０８にて、生体組織のモノクロ画像の空間情報に適用されたグレイレベル共起行列（ＧＬＣＭ）、グレイレベルランレングス行列（ＧＬＲＬＭ）、マルコフ確率場行列（ＭＲＦＭ）、またはＧＬＣＭ、ＧＬＲＬＭ、及びＭＲＦＭの任意の組み合わせを使用して、生体組織の第１、第２、及びさらなる任意の画像の各画素に対しテクスチャ解析が行われる。動作１１０にて、テクスチャ値が計算される。モノクロ画像の画素行及び画素列にわたり、動作２０６及び１１０が繰り返される。

動作１１２におけるテクスチャ画像の生成、動作１１４におけるＦＯＳの計算、動作１１５における次元縮小、動作１１６における生体組織の分類、結果１１８または結果１２０の判定、並びに動作１２４、１２６及び／または１２８における結果の提示は、モノクロ画像に基づくとはいえ本質的には図３の前述の説明と同じであり、シーケンス２００から得られる結果及び情報は、シーケンス１００と同じ診断目的で使用され得る。

非限定的な一実施形態において、生体組織の第１、第２、及びさらなる任意の画像を含む生体組織画像の集合が、画像取得デバイスを用いて取得される。画像プロセッサは、ｋ・ｌの寸法を有する移動ウィンドウを実施する。移動ウィンドウにおいて、ｋは、生体組織の画像の第１次元におけるウィンドウの画素数（例えば画素行を形成する生体組織の水平方向の幅に沿ったウィンドウの画素数）であり、一方ｌは、生体組織の画像の第２次元におけるウィンドウの画素数（例えば生体組織の垂直方向の高さに沿ったウィンドウの画素数）である。ＧＬＣＭ及び／またはＧＬＲＬＭ及び／またはＭＲＦＭを用いたテクスチャ解析は、初期位置におけるこのウィンドウに含まれる情報を用いて行われる。特定のテクスチャ特徴（コントラスト、エネルギー、相関、または均一性）の値が計算される。この値は、テクスチャ画像の第１の画素の値となり、よってテクスチャを特徴付ける。ウィンドウは次に、生体組織の画像集合上で、第１次元に沿って（例えば水平に）、所定の画素数分、例えば１つ以上の画素分、空間内を移動させられる。このウィンドウの情報は再び抽出され分析され、テクスチャ画像の第２の画素が定義される。プロセスは、移動ウィンドウが第１次元の終わり（第１の行の終わり）に達するまで続けられ、次に移動ウィンドウを第２次元に沿って（例えば垂直に、別の画素行上で）、別の所定の画素数分、例えば１つ以上の画素分、移動させることが続けられる。プロセスは、移動ウィンドウが画像集合または生体組織を完全に覆うまで続けられる。

任意で、シーケンス２００の状況において、ハイパースペクトル画像を供給する撮像デバイスが引き起こす不完全な位置合わせを直すために必要であれば、動作１０２で得られたハイパースペクトル画像に含まれる様々な波長の画像は、動作１０６にて、位置合わせにかけられ得る。その後、動作１２２は、次に生体組織のスペクトルシグネチャを基準スペクトルシグネチャと比較するために、ハイパースペクトル画像に含まれるスペクトル情報を使用して、生体組織のスペクトルシグネチャを定義し得る。次いで、動作１１６はさらに、スペクトルシグネチャと基準スペクトルシグネチャとの比較に少なくとも部分的に基づいて、被験者の生体組織を正常または異常に分類し得る。

シーケンス１００及び２００において、動作１０２～１２８及び／または２０２～２０６のそれぞれの動作は、メモリに接続された１つ以上のプロセッサにより処理されるように構成され得る。

図５は、生体組織の画像を分類するシステムの要素を示す高次ネットワーク図である。図６は、生体組織の画像を分類するデバイスのブロック図である。図５及び図６を同時に考察すると、ネットワーク３００は、生体組織の画像を分類するデバイス４００を含む。ネットワーク３００は、１つのクライアントデバイス３０２_１、または３０２_１、３０２_２、・・・、３０２_ｎなどの複数のクライアントデバイスを含み得る。各クライアントデバイス３０２は、例えばカメラといった画像取得デバイス（具体的に図示せず）、被験者のＲＯＩの複数のモノクロ画像及び／またはハイパースペクトル画像を含む。クライアントデバイス３０２_１、３０２_２、・・・、３０２_ｎは、データ転送接続３０４を使用して、各自の画像取得デバイスからデバイス４００へ、生体組織の画像を転送する。次に、デバイス４００は、ネットワークインターフェース４０２、プロセッサ４０４を備え、さらにメモリ４０６、及びディスプレイドライバ４０８を備え得る。プロセッサ４０４は、画像分析モジュール４１０及び機械学習モジュール４１２を実装する。デバイス４００は、所与の生体組織に関して、陰性結果１１８または陽性結果１２０のうちの１つを出力し、これはデータ転送接続３０４を介して、所与の生体組織の画像を提出したクライアントデバイス３０２へ送信され得る。データ転送接続３０４には、インターネット、クラウドネットワークインターフェース、プライベートネットワークインターフェース、ローカルエリアネットワーク、及び仮想プライベートネットワークなどが非限定的に含まれ得る。データ転送接続３０４は、非限定的に、光ケーブルもしくは銅ケーブルなどの１つ以上の有線接続、１つ以上の無線接続、またはこれらの任意の組み合わせにより実現され得る。

より詳細には、デバイス４００のネットワークインターフェース４０２は、生体組織の第１の画像及び第２の画像を少なくとも含むハイパースペクトル画像の受信器として、または生体組織のモノクロ画像の受信器として、機能する。

デバイス４００がハイパースペクトル画像を受信した場合、プロセッサ４０４は、ハイパースペクトル画像に含まれる第１及び第２の画像並びにさらなる任意の画像の位置合わせを実行して、生体組織の同じ要素に対応する第１、第２、及びさらなる任意の画像の対応画素の位置を合わせる。必要であれば、プロセッサ４０４は、第１、第２、及びさらなる任意の画像の強度を較正し得る。

一変形形態では、プロセッサ４０４は、第１及び第２の画像の空間情報を用いて生体組織のテクスチャ解析を実行し、第１の画像の第１の波長及び第２の画像の第２の波長でテクスチャ解析を解像するように構成される。同じまたは別の変形形態では、プロセッサ４０４は、生体組織のモノクロ画像の空間情報を使用して、生体組織のテクスチャ解析を実行するように構成される。どちらの場合も、プロセッサ４０４は、ＧＬＣＭ及び／またはＧＬＲＬＭ及び／またはＭＲＦＭ技術を使用して、テクスチャ解析を実行し得る。プロセッサ４０４は、第１及び第２の画像またはモノクロ画像のいずれかのテクスチャ解析に基づいて、テクスチャ画像を生成し得る。プロセッサ４０４は次に、テクスチャ画像の一次統計値と所定値との比較に少なくとも部分的に基づいて、被験者の生体組織を正常または異常に分類し得る。プロセッサ４０４はまた、生体組織内の異常の位置特定及び／または異常の定量化を行い得る。プロセッサ４０４は、ディスプレイドライバ４０８に接続されたディスプレイ（図示せず）により、テクスチャ画像を表示させ得る。プロセッサ４０４はまた、ネットワークインターフェース４０２により、テクスチャ画像、生体組織の分類、基準画像からの変差の定量のうちの１つ以上を、生体組織の画像（複数可）を供給したクライアントデバイスへ送信させ得る。

メモリ４０６は、生体組織内で発見された異常に関する統計情報、生体組織の基準テクスチャ画像、同じ被験者の生体組織から得られた前のテクスチャ画像、及びこれらの任意の組み合わせなどの情報要素を記憶し得る。プロセッサ４０４は、メモリ４０６からこの情報を使用して、生体組織の分類を行い得る。

図５及び図６の説明で述べられた特徴に加えて、デバイス４００はさらに、図４及び図５の前述の説明で記載された機能及び動作のうちのいずれか１つを実行するように適合され得、これには、これらの動作の任意の組み合わせも含まれる。

図７は、うち２人がアミロイド陽性である４人の被験者の関心領域の空間及びスペクトルＧＬＣＭに基づいたテクスチャ相関の表示である。上記に説明された技術を用いて４枚の写真が取得され、これらの写真のうちの２枚は、図１の前述の説明で紹介された同じ患者「Ａ」及び「Ｂ」に関して取得された。

写真２０_Ａは、アミロイド陽性患者「Ａ」の生体組織を示し、一方写真２０_Ｂは、アミロイド陰性患者「Ｂ」の生体組織を示し、写真２０_Ｂは実際には、図２の前述の説明で紹介されている。写真１０_Ａと２０_Ａを比較し、写真１０_Ｂと２０_Ｂを比較すると、これらの画像のコントラスト及び可読性は著しく向上している。写真２０_Ｃ及び２０_Ｄは、他の２人の被験者、患者「Ｃ」及び「Ｄ」に関して取得され、具体的には、写真２０_Ｃは、別のアミロイド陽性被験者の同様の生体組織を表し、一方写真２０_Ｄは、別のアミロイド引用被験者の同様の生体組織を表す。再び、写真２０_Ｃ及び２０_Ｄを考察すると、本明細書で開示される技術により、従来技術を用いて得られた医療画像と比べると、可読性がはるかに向上した医療画像が提供される。

図８は、図７の４人の被験者の関心領域の空間及びスペクトルＧＬＣＭに基づいた相関テクスチャ画像のヒストグラムである。曲線３０_Ａ、３０_Ｃ、３０_Ｂ、及び３０_Ｄは、２人のアミロイド陽性患者「Ａ」及び「Ｃ」の場合、画素強度は多数の画素の高ピークに達し、２人のアミロイド陰性患者「Ｂ」及び「Ｄ」の場合、このようなピークは存在しないことを示す。

図９は、図７の４人の被験者の空間及びスペクトルＧＬＣＭに基づいた統計分類の三次元表示である。図９のグラフには、空間ＧＬＣＭに基づいた均一性画像、相関画像、及びエネルギー画像の平均値に基づく一次統計（ＦＯＳ）計算の結果が示されており、３つの軸は、これらの患者の生体組織からの反射放出で形成された画像の平均相関、平均均一性、及び平均エネルギーを提供する。アミロイド陽性患者「Ａ」及び「Ｃ」は、図９の３Ｄ空間において対応点４０_Ａ及び４０_Ｃで表され、一方アミロイド陰性患者「Ｂ」及び「Ｄ」は、対応点４０_Ｂ及び４０_Ｄで表される。３Ｄ空間内におけるアミロイド陰性患者またはアミロイド陽性患者の位置には、非常に明確な差異が現れ、これらの患者の生体組織内の異常を検出するのに図４の手順が有効であることを実証している。図９は、生体組織画像の相関、均一性、及びエネルギーの平均値を示す。例示されていないが、生体組織画像のコントラスト、相関、均一性、及びエネルギーの尖度、歪度、または分散を示す同様のグラフを作成することが可能である。

再び図３及び図４を参照すると、任意で、動作１１６で生体組織の分類を行う前に、動作１１４にて取得された統計情報に、次元縮小動作１１５が適用され得る。図１０は、さらに多くの被験者の空間及びスペクトルＧＬＣＭに基づいた統計分類の別の三次元表示であり、データは統計分類の次元縮小後に得られる。図１０のグラフを図９のグラフと比較すると、多数の被験者を使用して、陽性結果の第１の集団７０と陰性結果の第２の集団７２が作り出される。動作１１５にて判別分析（ＤＡ）の３つの最も重要な構成要素が選択された後に、結果が得られる。

生体組織内の異常を検出する方法及びシステムの説明は、例示にすぎず、決して限定する意図はないことを、当業者は理解するであろう。本開示の利益を享受する当業者には、他の実施形態が容易にわかるであろう。さらに、開示される方法及びシステムは、現在の撮像技術の限られた適応性及びこのような技術を使用して得られる画像の固有の曖昧さに関連する既存のニーズ及び問題に対し、価値ある解決策を提供するようにカスタマイズされ得る。説明を明確にするために、方法及びシステムの実施態様の平凡な特徴の全てを示し説明してはいない。具体的には、特徴の組み合わせは、前述の説明において提示されたものに限定されず、添付の特許請求の範囲に列挙される要素の組み合わせは、本開示の不可欠な部分を成す。当然のことながら、方法及びシステムの任意のこのような実際の実施態様の開発において、アプリケーション関連制約、システム関連制約、及びビジネス関連制約の順守など、開発者の特定の目的を達成するために多数の実施態様固有の決定が行われる必要があり得ること、並びに、これらの特定の目的は、実施態様によって及び開発者によって、変わることが、理解されよう。さらに、開発努力は複雑で時間がかかり得るが、それでもなお本開示の利益を享受する医療撮像分野の当業者にとってエンジニアリングの日常的仕事であることが、理解されよう。

本開示によれば、本明細書で説明される構成要素、プロセス動作、及び／またはデータ構造は、様々な種類のオペレーティングシステム、コンピューティングプラットフォーム、ネットワークデバイス、コンピュータプログラム、及び／または汎用マシンを使用して実施され得る。さらに、ハードワイヤードデバイス、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、または特定用途向け集積回路（ＡＳＩＣ）などの汎用性の低いデバイスも使用され得ることが、当業者には認識されよう。一連の動作を含む方法がコンピュータまたはマシンにより実施され、これらの動作がマシンにより読み取り可能な一連の命令として記憶され得る場合、これらは有形媒体に記憶され得る。

本明細書で説明されるシステム及びモジュールは、本明細書で説明される目的に適したソフトウェア、ファームウェア、ハードウェア、またはソフトウェア、ファームウェア、もしくはハードウェアの任意の組み合わせ（複数可）を含み得る。ソフトウェア及び他のモジュールは、サーバ、ワークステーション、パーソナルコンピュータ、コンピュータタブレット、パーソナルデジタルアシスタント（ＰＤＡ）、及び本明細書で説明される目的に適した他のデバイス上に存在し得る。ソフトウェア及び他のモジュールは、ローカルメモリを介して、ネットワークを介して、ブラウザもしくは他のアプリケーションを介して、または本明細書で説明される目的に適した他の手段を介して、アクセス可能であり得る。本明細書で説明されるデータ構造は、本明細書で説明される目的に適したコンピュータファイル、変数、プログラミングアレイ、プログラミング構造、または任意の電子情報記憶スキームもしくは方法、あるいはこれらの任意の組み合わせを含み得る。

本開示は、実施例として提供された非限定的な例示的実施形態を用いて、前述の明細書において説明された。これらの例示的実施形態は、自由に修正してもよい。特許請求の範囲は、実施例で述べられた実施形態に限定されるべきではなく、説明全体と一貫する最も広い解釈が与えられるべきである。

Claims (31)

1. 生体組織を撮像するための方法であって、
   受信器が、第１の波長の光を含む前記生体組織の第１の画像を取得することと、
   受信器が、第２の波長の光を含む前記生体組織の第２の画像を取得することと、
   プロセッサが、前記第１及び第２の画像の空間情報を用いて前記生体組織のテクスチャ解析を実行することであって、ここで前記テクスチャ解析は前記第１及び第２の波長で解像され、前記生体組織の特徴に基づいて、テクスチャ画像を生成する、前記第１及び第２の画像の空間情報を用いて前記生体組織のテクスチャ解析を実行することと、
   を含み、
   前記テクスチャ画像を生成することは、
   ｊ・ｋ・ｌの寸法を有する移動ウィンドウを定義することであって、ｊは前記生体組織の画像の数であり、ｋは前記生体組織の前記画像の第１次元で定義される前記移動ウィンドウの画素数であり、ｌは前記生体組織の前記画像の第２次元で定義される前記移動ウィンドウの画素数である、前記ｊ・ｋ・ｌの寸法を有する前記移動ウィンドウを定義することと、
   前記移動ウィンドウに含まれる前記生体組織の前記画像からの情報を使用して、前記テクスチャ画像の画素値を計算することと、
   続けて、前記生体組織の前記第１次元において、前記移動ウィンドウを第１の所定画素数分、移動させることと、
   前記生体組織の前記画像の前記第１次元において前記移動ウィンドウを移動させるごとに、前記テクスチャ画像の画素値の前記計算を繰り返すことと、
   続けて、前記生体組織の前記画像の前記第２次元において、前記移動ウィンドウを第２の所定画素数分、移動させることと、
   前記生体組織の前記画像の前記第２次元において前記移動ウィンドウを移動させるごとに、前記テクスチャ画像の画素値の前記計算と、前記生体組織の前記画像の前記第１次元にわたる前記移動ウィンドウの前記移動とを繰り返すことと、
   を含む、
   生体組織を撮像するための方法。
2. 前記第１及び第２の画像のそれぞれは、複数の画素行及び複数の画素列を含む、請求項１に記載の方法。
3. 前記方法は、前記第１及び第２の画像の位置合わせを実行することをさらに含み、これにより前記第１及び第２の画像の対応画素は、前記生体組織の同じ要素に対応する、請求項２に記載の方法。
4. 前記第１及び第２の画像の強度を較正することをさらに含む、請求項１～３のいずれか１項に記載の方法。
5. 前記テクスチャ解析は、グレイレベル共起行列（ＧＬＣＭ）、グレイレベルランレングス行列（ＧＬＲＬＭ）、マルコフ確率場行列（ＭＲＦＭ）、及びこれらの組み合わせから選択された技術を用いて実行される、請求項１～４のいずれか１項に記載の方法。
6. 前記生体組織の前記特徴は、前記ＧＬＣＭまたはＧＬＲＬＭまたはＭＲＦＭ行列のコントラストレベル、前記ＧＬＣＭまたはＧＬＲＬＭまたはＭＲＦＭ行列の相関レベル、前記ＧＬＣＭまたはＧＬＲＬＭまたはＭＲＦＭ行列の均一性レベル、前記ＧＬＣＭまたはＧＬＲＬＭまたはＭＲＦＭ行列のエネルギーレベル、及びこれらの組み合わせから選択された要素に基づいて特定される、請求項５に記載の方法。
7. 前記数ｌは、１画素に等しい、請求項１に記載の方法。
8. 前記テクスチャ画像と前記被験者の前記生体組織から得られた前のテクスチャ画像との変差を特定することをさらに含む、請求項１、６および７のいずれか１項に記載の方法。
9. 前記テクスチャ画像と前記前のテクスチャ画像との前記変差を特定する前に、前記テクスチャ画像の強度と前記前のテクスチャ画像の強度とを正規化することをさらに含む、請求項８に記載の方法。
10. 一次統計値を使用して、前記テクスチャ画像及び前記前のテクスチャ画像の前記変差を特徴付けることをさらに含む、請求項９に記載の方法。
11. 前記テクスチャ画像及び前記前のテクスチャ画像の前記変差を特徴付けることを考慮して、前記一次統計値の次元縮小を実行することをさらに含む、請求項１０に記載の方法。
12. 前記テクスチャ画像の強度を正規化すること、
    基準テクスチャ画像の強度を正規化すること、
    前記テクスチャ画像と前記基準テクスチャ画像とを比較すること
    をさらに含む、請求項１、６および７のいずれか１項に記載の方法。
13. 一次統計値を使用して、前記テクスチャ画像と前記基準テクスチャ画像とを比較することをさらに含む、請求項１２に記載の方法。
14. 前記テクスチャ画像と前記基準テクスチャ画像とを比較することを考慮して、前記一次統計値の次元縮小を実行することをさらに含む、請求項１３に記載の方法。
15. 前記一次統計値は、強度平均、強度歪度、強度分散、強度尖度、及びこれらの組み合わせから選択される、請求項１０、１１、１３及び１４のいずれか１項に記載の方法。
16. 各自の波長を有する前記第１及び第２の画像のスペクトル情報を用いて、前記生体組織のスペクトルシグネチャを定義することをさらに含む、請求項１～１５のいずれか１項に記載の方法。
17. 前記生体組織の前記スペクトルシグネチャと、前記被験者の前記生体組織から得られた前のスペクトルシグネチャとの変差を特定することをさらに含む、請求項１６に記載の方法。
18. 第３の波長の光を含む前記生体組織の第３の画像を取得することと、
    前記第１、第２、及び第３の画像の空間情報を用いて前記テクスチャ解析を実行することであって、前記テクスチャ解析は前記第１、第２、及び第３の波長で解像される、前記第１、第２、及び第３の画像の前記空間情報を用いて前記テクスチャ解析を実行することと、
    をさらに含む、請求項１～１７のいずれか１項に記載の方法。
19. 前記方法は、前記生体組織の複数の追加画像を取得することであって、前記複数の追加画像のそれぞれは、複数の追加波長のうちの対応する１つの波長の光を含む、前記生体組織の前記複数の追加画像を取得することをさらに含み、
    前記テクスチャ解析は、前記第１、第２、及び複数の追加画像の空間情報を用いて実行され、前記テクスチャ解析は、前記第１、第２、及び複数の追加波長で解像される、
    請求項１～１７のいずれか１項に記載の方法。
20. 前記テクスチャ解析に少なくとも部分的に基づいて、前記生体組織内にバイオマーカーの存在を検出することをさらに含む、請求項１～１９のいずれか１項に記載の方法。
21. 生体組織を撮像するためのシステムであって、
    前記生体組織の第１の画像及び第２の画像の受信器と、
    前記受信器に動作可能に接続されたプロセッサと
    を備え、前記プロセッサは、
    前記第１及び第２の画像の空間情報を用いて前記生体組織のテクスチャ解析を実行することであって、ここで前記テクスチャ解析は、前記第１の画像の第１の波長及び前記第２の画像の第２の波長で解像され、前記生体組織の特徴に基づいて、テクスチャ画像を生成する、前記第１及び第２の画像の空間情報を用いて前記生体組織のテクスチャ解析を実行することと、
    ｊ・ｋ・ｌの寸法を有する移動ウィンドウを定義することであって、ｊは前記生体組織の画像の数であり、ｋは前記生体組織の前記画像の第１次元で定義される前記移動ウィンドウの画素数であり、ｌは前記生体組織の前記画像の第２次元で定義される前記移動ウィンドウの画素数である、前記ｊ・ｋ・ｌの寸法を有する前記移動ウィンドウを定義することと、
    前記移動ウィンドウに含まれる前記生体組織の前記画像からの情報を使用して、前記テクスチャ画像の画素値を計算することと、
    続けて、前記生体組織の前記第１次元において、前記移動ウィンドウを第１の所定画素数分、移動させることと、
    前記生体組織の前記画像の前記第１次元において前記移動ウィンドウを移動させるごとに、前記テクスチャ画像の画素値の前記計算を繰り返すことと、
    続けて、前記生体組織の前記画像の前記第２次元において、前記移動ウィンドウを第２の所定画素数分、移動させることと、
    前記生体組織の前記画像の前記第２次元において前記移動ウィンドウを移動させるごとに、前記テクスチャ画像の画素値の前記計算と、前記生体組織の前記画像の前記第１次元にわたる前記移動ウィンドウの前記移動とを繰り返すことと、
    を実行するように構成されている、
    生体組織を撮像するためのシステム。
22. 前記プロセッサはさらに、
    前記テクスチャ解析の一環として、前記第１及び第２の画像のコントラストレベル、前記第１及び第２の画像の相関レベル、前記第１及び第２の画像の均一性レベル、前記第１及び第２の画像のエネルギーレベル、及びこれらの組み合わせから選択される前記生体組織の特徴を特定し、
    前記テクスチャ画像の一次統計値と所定値との比較に少なくとも部分的に基づいて、前記被験者の前記生体組織を正常または異常に分類する、
    ように構成される、請求項２１に記載のシステム。
23. 前記プロセッサはさらに、前記被験者の前記生体組織を正常または異常に分類することを考慮して、前記一次統計値の次元縮小を実行するように構成される、請求項２２に記載のシステム。
24. 前記プロセッサはさらに、前記生体組織内の前記異常の位置を特定するように構成される、請求項２１～２３のいずれか１項に記載のシステム。
25. 前記プロセッサはさらに、前記異常を定量化するように構成される、請求項２４に記載のシステム。
26. 前記システムはさらにディスプレイドライバを備え、前記プロセッサはさらに、前記ディスプレイドライバに接続されたディスプレイに、前記テクスチャ画像を表示させるように構成される、請求項２１～２５のいずれか１項に記載のシステム。
27. 前記システムはさらに、前記プロセッサに動作可能に接続されたメモリを備え、前記メモリは、前記生体組織内で発見された異常に関する統計情報、前記生体組織の基準テクスチャ画像、前記生体組織から得られた前のテクスチャ画像、及びこれらの組み合わせから選択される情報要素を記憶する、請求項２１～２６のいずれか１項に記載のシステム。
28. 前記受信器は、クライアント端末から前記第１及び第２の画像を受信し、前記クライアント端末へ前記テクスチャ画像を送信するように適合されたネットワークインターフェースの一部である、請求項２１～２７のいずれか１項に記載のシステム。
29. 前記システムは、前記ネットワークインターフェースに動作可能に接続された画像取得デバイスをさらに備え、前記画像取得デバイスは、前記第１及び第２の画像それぞれの複数の画素行及び複数の画素列を取得するように適合される、請求項２１～２８のいずれか１項に記載のシステム。
30. 前記プロセッサはさらに、前記第１及び第２の画像の位置合わせを実行するように構成され、これにより前記第１及び第２の画像の対応画素は、前記生体組織の同じ要素に対応する、請求項２９に記載のシステム。
31. 前記プロセッサはさらに、前記第１及び第２の画像の強度を較正するように構成される、請求項２１～３０のいずれか１項に記載のシステム。

Images