JP7404253B2 - アルツハイマー病の病状のためのハイパースペクトル画像誘導ラマン眼球撮像装置 - Google Patents
アルツハイマー病の病状のためのハイパースペクトル画像誘導ラマン眼球撮像装置 Download PDFInfo
- Publication number
- JP7404253B2 JP7404253B2 JP2020545830A JP2020545830A JP7404253B2 JP 7404253 B2 JP7404253 B2 JP 7404253B2 JP 2020545830 A JP2020545830 A JP 2020545830A JP 2020545830 A JP2020545830 A JP 2020545830A JP 7404253 B2 JP7404253 B2 JP 7404253B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- raman
- subject
- hyperspectral
- detection device
- 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.)
- Active
Links
- 238000001069 Raman spectroscopy Methods 0.000 title claims description 245
- 208000024827 Alzheimer disease Diseases 0.000 title claims description 184
- 230000007170 pathology Effects 0.000 title claims description 91
- 238000001514 detection method Methods 0.000 claims description 109
- 210000001519 tissue Anatomy 0.000 claims description 105
- 238000003384 imaging method Methods 0.000 claims description 74
- 238000012549 training Methods 0.000 claims description 61
- 238000013528 artificial neural network Methods 0.000 claims description 54
- 238000010801 machine learning Methods 0.000 claims description 48
- 210000001508 eye Anatomy 0.000 claims description 45
- 102000013455 Amyloid beta-Peptides Human genes 0.000 claims description 42
- 108010090849 Amyloid beta-Peptides Proteins 0.000 claims description 42
- 238000004422 calculation algorithm Methods 0.000 claims description 41
- 238000000701 chemical imaging Methods 0.000 claims description 32
- 102000004169 proteins and genes Human genes 0.000 claims description 29
- 108090000623 proteins and genes Proteins 0.000 claims description 29
- 230000003287 optical effect Effects 0.000 claims description 28
- 210000002682 neurofibrillary tangle Anatomy 0.000 claims description 17
- 101710137189 Amyloid-beta A4 protein Proteins 0.000 claims description 13
- 101710151993 Amyloid-beta precursor protein Proteins 0.000 claims description 13
- 102100022704 Amyloid-beta precursor protein Human genes 0.000 claims description 13
- 239000007850 fluorescent dye Substances 0.000 claims description 12
- DZHSAHHDTRWUTF-SIQRNXPUSA-N amyloid-beta polypeptide 42 Chemical compound C([C@@H](C(=O)N[C@@H](C)C(=O)N[C@@H](CCC(O)=O)C(=O)N[C@@H](CC(O)=O)C(=O)N[C@H](C(=O)NCC(=O)N[C@@H](CO)C(=O)N[C@@H](CC(N)=O)C(=O)N[C@@H](CCCCN)C(=O)NCC(=O)N[C@@H](C)C(=O)N[C@H](C(=O)N[C@@H]([C@@H](C)CC)C(=O)NCC(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](C(C)C)C(=O)NCC(=O)NCC(=O)N[C@@H](C(C)C)C(=O)N[C@@H](C(C)C)C(=O)N[C@@H]([C@@H](C)CC)C(=O)N[C@@H](C)C(O)=O)[C@@H](C)CC)C(C)C)NC(=O)[C@H](CC=1C=CC=CC=1)NC(=O)[C@@H](NC(=O)[C@H](CC(C)C)NC(=O)[C@H](CCCCN)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@H](CC=1N=CNC=1)NC(=O)[C@H](CC=1N=CNC=1)NC(=O)[C@@H](NC(=O)[C@H](CCC(O)=O)NC(=O)[C@H](CC=1C=CC(O)=CC=1)NC(=O)CNC(=O)[C@H](CO)NC(=O)[C@H](CC(O)=O)NC(=O)[C@H](CC=1N=CNC=1)NC(=O)[C@H](CCCNC(N)=N)NC(=O)[C@H](CC=1C=CC=CC=1)NC(=O)[C@H](CCC(O)=O)NC(=O)[C@H](C)NC(=O)[C@@H](N)CC(O)=O)C(C)C)C(C)C)C1=CC=CC=C1 DZHSAHHDTRWUTF-SIQRNXPUSA-N 0.000 claims description 11
- 210000005252 bulbus oculi Anatomy 0.000 claims description 10
- 238000001727 in vivo Methods 0.000 claims description 10
- 238000011835 investigation Methods 0.000 claims description 8
- 230000003213 activating effect Effects 0.000 claims description 7
- 239000002243 precursor Substances 0.000 claims description 7
- 238000010186 staining Methods 0.000 claims description 7
- 238000011282 treatment Methods 0.000 claims description 5
- 230000002792 vascular Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 238000001055 reflectance spectroscopy Methods 0.000 claims description 3
- 206010029240 Neuritis Diseases 0.000 claims description 2
- 210000004498 neuroglial cell Anatomy 0.000 claims description 2
- 238000012795 verification Methods 0.000 claims 1
- 238000000034 method Methods 0.000 description 45
- 230000000875 corresponding effect Effects 0.000 description 16
- 239000000523 sample Substances 0.000 description 16
- 210000001525 retina Anatomy 0.000 description 13
- 238000003745 diagnosis Methods 0.000 description 12
- 238000001237 Raman spectrum Methods 0.000 description 11
- 230000007792 alzheimer disease pathology Effects 0.000 description 11
- 210000004204 blood vessel Anatomy 0.000 description 11
- 238000004590 computer program Methods 0.000 description 10
- 230000003595 spectral effect Effects 0.000 description 10
- 239000000126 substance Substances 0.000 description 10
- 239000013307 optical fiber Substances 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 230000001276 controlling effect Effects 0.000 description 7
- 210000005013 brain tissue Anatomy 0.000 description 6
- 230000001427 coherent effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000001907 polarising light microscopy Methods 0.000 description 6
- 239000000203 mixture Substances 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000000338 in vitro Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 3
- 238000002405 diagnostic procedure Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000011503 in vivo imaging Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000010200 validation analysis Methods 0.000 description 3
- AOYNUTHNTBLRMT-SLPGGIOYSA-N 2-deoxy-2-fluoro-aldehydo-D-glucose Chemical compound OC[C@@H](O)[C@@H](O)[C@H](O)[C@@H](F)C=O AOYNUTHNTBLRMT-SLPGGIOYSA-N 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- 150000001408 amides Chemical class 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002329 infrared spectrum Methods 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000926 neurological effect Effects 0.000 description 2
- 238000000879 optical micrograph Methods 0.000 description 2
- 239000000700 radioactive tracer Substances 0.000 description 2
- 230000000284 resting effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000004611 spectroscopical analysis Methods 0.000 description 2
- 208000024806 Brain atrophy Diseases 0.000 description 1
- 206010012289 Dementia Diseases 0.000 description 1
- 206010061218 Inflammation Diseases 0.000 description 1
- 208000034799 Tauopathies Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 210000003161 choroid Anatomy 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- IQFVPQOLBLOTPF-HKXUKFGYSA-L congo red Chemical compound [Na+].[Na+].C1=CC=CC2=C(N)C(/N=N/C3=CC=C(C=C3)C3=CC=C(C=C3)/N=N/C3=C(C4=CC=CC=C4C(=C3)S([O-])(=O)=O)N)=CC(S([O-])(=O)=O)=C21 IQFVPQOLBLOTPF-HKXUKFGYSA-L 0.000 description 1
- 230000001054 cortical effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000002518 glial effect Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000012744 immunostaining Methods 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003834 intracellular effect Effects 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 230000005389 magnetism Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000001000 micrograph Methods 0.000 description 1
- 230000004770 neurodegeneration Effects 0.000 description 1
- 208000015122 neurodegenerative disease Diseases 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 210000001328 optic nerve Anatomy 0.000 description 1
- 238000012014 optical coherence tomography Methods 0.000 description 1
- 230000001936 parietal effect Effects 0.000 description 1
- 210000001152 parietal lobe Anatomy 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 230000002207 retinal effect Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 210000003478 temporal lobe Anatomy 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/12—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for looking at the eye fundus, e.g. ophthalmoscopes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/0016—Operational features thereof
- A61B3/0025—Operational features thereof characterised by electronic signal processing, e.g. eye models
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/12—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for looking at the eye fundus, e.g. ophthalmoscopes
- A61B3/1225—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for looking at the eye fundus, e.g. ophthalmoscopes using coherent radiation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/14—Arrangements specially adapted for eye photography
-
- 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
- A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/286—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q involving mechanical work, e.g. chopping, disintegrating, compacting, homogenising
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/30—Staining; Impregnating ; Fixation; Dehydration; Multistep processes for preparing samples of tissue, cell or nucleic acid material and the like for analysis
-
- 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
- G01N21/55—Specular reflectivity
-
- 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
- G01N21/65—Raman scattering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
- G01N33/6893—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids related to diseases not provided for elsewhere
- G01N33/6896—Neurological disorders, e.g. Alzheimer's disease
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
- A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/286—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q involving mechanical work, e.g. chopping, disintegrating, compacting, homogenising
- G01N2001/2873—Cutting or cleaving
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
- G01N2333/435—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans
- G01N2333/46—Assays involving biological materials from specific organisms or of a specific nature from animals; from humans from vertebrates
- G01N2333/47—Assays involving proteins of known structure or function as defined in the subgroups
- G01N2333/4701—Details
- G01N2333/4709—Amyloid plaque core protein
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2800/00—Detection or diagnosis of diseases
- G01N2800/28—Neurological disorders
- G01N2800/2814—Dementia; Cognitive disorders
- G01N2800/2821—Alzheimer
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Description
この出願は、2017年11月27日に出願されLIGHT-BASED OCULAR SCANNER FOR DETECTION OF ALZHEIMER’S DISEASE PATHOLOGIESという題名の米国仮特許出願第62/590,836号の優先権の利益を主張し、その内容は、参照により本明細書の以下の例示的な実施形態の詳細説明に組み込まれる。
検出装置は、2つの撮像装置(imaging modality)を使用し、第1の撮像装置は、第2の撮像装置の動作を導く。検出装置は、第1の撮像装置を使用して、網膜の反射及び/又は散乱した広帯域光源からの光を検出し、さらに、検査が必要な1つ以上の関心領域(ROI:regions of interest)の場所とサイズを決定する。
検出装置は、第2の撮像装置を使用して、各ROIへのレーザ光の入射によって開始されるラマン散乱プロセスによって再放射される光を検出する。これにより、検出装置は、ラマン分光情報を検出し、特異性の高い1つ以上のAD関連の病状の化学成分に特徴的な特定の波数シフトのカウントを検出できる。
第1の撮像装置は、物理的特性に基づいて、タンパク質オリゴマ又は凝集体である可能性のある異常な領域の検出を可能にし、1つ以上のROIの位置及びサイズを特定する。これらは、単色レーザのような第2の光源を使用して、第2の撮像装置によって、さらに検査を受ける。単色レーザは、各ROIをプローブして、例示的な実施形態において、ラマン分光法を使用して、これらのAD関連の病状の化学成分の特徴である特定の波数シフトがもたらされるかどうかを確認する。
ラマン分光法は、AD、又はADの前駆体に特徴的なタンパク質凝集体又は他の特徴を検出する非常に特異的な方法である。ラマン分光法では、関心のあるターゲット(例えば、タンパク質凝集体や他の機能)が、化学成分に特徴的な(ラマン散乱)光を再放射することにより、単色レーザに応答する。このラマン散乱光は、検出装置によって収集され、AD関連の病状の化学的痕跡を検出するためにスペクトル分析される。
レーザ光は、一例では532nmのコヒーレント光、又は別の例では785nmであり得る。他の例では、他のレーザ波長を使用することができる。同じインタフェースユニット2を介して、光ファイバ3は、また、ラマンプロセスにより、レーザ励起に応じて特定の領域又は被験者の眼球の一部によって再放射される光を収集し、この再放射された光を、適切な光検出器(例えば、分光計)による検出のために、ラマンベースステーション1に供給する。
他の例示的な実施形態では、ラマンベースステーション1及びインタフェースユニット2は、本明細書の教示を考慮して当業者に明らかであるように、単一の装置に組み合わされるか、又はさらに分離することができる。
コンピュータ6は、ラマンベースステーション1及びインタフェースユニット2に対してインタフェース(制御及び通信)をするために使用される。コンピュータ6は、メモリ30及びプロセッサ32を含む。電気ケーブル7は、ラマンベースステーション1とコンピュータ6との間で情報を伝送し、同軸ケーブル8は、インタフェースユニット2とコンピュータ6との間で情報を伝送する。
コンピュータ6は、本明細書でより詳細に説明する機械学習アルゴリズムを使用して、受信した情報を処理する。コンピュータ6は、機械学習アルゴリズムの出力又は他の制御情報を、電気ケーブル9を介してインタフェースユニット2に送信し、インタフェースユニット2は、受信した情報を使用して、光ファイバ3から、被験者の眼球の特定の領域又は部分にレーザ光を導く。例えば、コンピュータ6は、受信した撮像情報を分析し、撮像情報をリアルタイムで部分的又は全体的に処理することができる1つ以上の画像分析専用チップ(例えば、グラフィック処理ユニットすなわちGPU(graphics processing unit))を含むことができる。
インタフェースユニット2は、動物の生体内撮像、組織の生体外撮像(ex vivo imaging)、又は他の任意の適切なターゲットにも使用でき、ステージをインタフェースユニットに取り付けて、ターゲットを適切な位置(例えば、光学系の焦点面)に配置することができる。ターゲットを支持及び配置するための他の構成要素が、他の例で使用されてもよい。
広帯域光源11は、2つのビームスプリッタ12、13を通過し、レンズアセンブリ14等の集束素子を介して網膜に向けられる。他の例示的な実施形態では、被験者の眼球の配光を調整するために、他の集束及びビーム成形要素が存在してもよいことが理解されよう。いったん被験者の眼球に向けられると、広帯域光の少なくとも一部は、網膜又は眼球の他の領域から反射及び/又は後方散乱される。この光の一部はインタフェースユニット2に戻り、そこでレンズアセンブリ14によって収集され、ビームスプリッタ13によってハイパースペクトルカメラ10に向けられる。ハイパースペクトルカメラ10の位置及び反射光及び/又は後方散乱光を収集する幾何形状の他の適切な構成は、当業者には明らかであろう。
いくつかの例では、各ROIのサイズは、この場所を中心とする円形の領域(例えば、半径又は直径で示される)、又は長方形の領域(例えば、M×Nピクセルで示される)として定義できる。1つ以上のROIが特定されると、例えば、ラマン分光部を使用するラマン分光法等、別の撮像装置を検出装置100によって実行することができる。単色レーザ18(図3)等の第2の光源は、ラマン分光部内に収納される。
単色レーザ18からの光は、ミラー15,16,17によって適切なROIに向けられる。ミラー15,16,17は、インタフェースユニット2によって電気機械モータを使用して制御され、ハイパースペクトル反射率撮像部によって取得されたハイパースペクトル情報から事前に特定されたように、被験者の網膜の適切なROIに集束レーザ光を向ける。
電気ケーブル9は、ミラー15,16,17の角度を制御するために、信号をコンピュータ6からインタフェースユニット2に伝送する。レーザ光は、ROIで網膜と相互作用し、ラマン現象を介して、光は、検査された組織の化学成分に特徴的な特定の波数シフトでラマン散乱される。この再放射された光は、レンズアセンブリ14を介して収集され、ビームスプリッタ13を透過し、その後、ビームスプリッタ12及びミラー15,16,17によって反射されてから、光ファイバ3に結合される。次に、光ファイバは、この再放射されたラマン光を、検出のためにラマンベースステーション1に送り返す。
このように、視野の全ての領域からの全ての波長/周波数情報が、1回のキャプチャで同時に取得される。これは、視野内の1次元のラインを横切る光の異なる波長のみを検出して区別できるラインハイパースペクトルカメラとは異なる。これは、複数のフィルタを順番に使用して波長情報をキャプチャする一般的なマルチスペクトルアプローチとも異なり、換言すれば、最初に「赤」の情報をキャプチャし、次に別のフィルタを挿入して「緑」の情報をキャプチャするというようなアプローチとは異なる。
この例では、各ROIへのレーザ光のサイズ(半径)は、レンズアセンブリ14及び/又は絞りを使用して制御することができる。他の例では、レーザ光は、各ROIをピクセル毎に走査する。レーザ光は、これらの領域で組織と相互作用し、ラマン現象を介して、検査された組織の特性である波長の変化を伴う光が組織から散乱する。このラマン散乱光は、1つ以上のさらなるレンズ(図示せず)等の収集光学系によって成形され導かれるため、光ファイバ3に効率的に結合され、ラマンベースステーション1に戻され得る。
ビームスプリッタ19は、この戻り光を、検出のために分光計21に向け直す働きをする。光学フィルタ20は、534nm(レーザ18からのレーザ波長よりも大きい)にカットオフを有するロングパスフィルタを備えることができ、光路に沿って後方反射を受け、ラマンベースステーション1に戻ってきた任意の直進的なレーザ光を除去するために使用される。
別の例では、光学フィルタ20は、レーザの特定の波長(例えば、一例では532nmコヒーレント光、又は別の例では785nm)に対する狭いフィルタを備えたノッチフィルタを備えることができる。光学フィルタ20は、ラマン現象からの光のみが分光計21によって検出されること、及び元のレーザ18からの光が光学フィルタ20によって除去されることを保証する。分光計21は、個々の波長成分を分離し、これら成分を光センサの別個のピクセルに投影する屈折素子を備える。
次に、分光計21によって測定されたスペクトル情報は、さらなる処理のために電気ケーブル7を介してコンピュータ6に送られる。コンピュータ6は、代替として、又は物理的な光学フィルタ20と連携して、アルゴリズム的にさらなるフィルタリング(デジタルフィルタリング)を実行することができる。ラマンベースステーション1は、ラマンベースステーション1の動作を制御し、コンピュータ6及びインタフェースユニット2と通信するための1つ以上のコントローラ又はプロセッサ(図示せず)を含むことができる。
検出装置100によって検出され得る眼底の例示的なタンパク質凝集体は、タウ神経原線維変化(例えば、可溶性又は不溶性タウオリゴマ又はタウ原線維)、アミロイドベータ沈着物(例えば、可溶性アミロイドベータ凝集体又は不溶性アミロイドベータプラーク、アミロイドベータオリゴマ、又はアミロイドベータ前駆体)、及びアミロイド前駆体タンパク質(APP)を含む。
このラマン信号の検出により、ハイパースペクトル撮像のみと比較して、AD関連の病状の検出の特異性が大幅に向上する。AD関連の病状は、経時的にも追跡でき、ADの病状又は他のADの結論の分類を評価するために、同じ患者から異なる時間に取得されたラマン分光情報が比較される。例えば、特定のROIにおける潜在的プラークのラマンカウント値(又は比率又は他の特性)は、AD被験者において経時的に増加する可能性がある。いくつかの例において、機械学習アルゴリズムは、ラマン分光情報とハイパースペクトル反射率情報との両方を使用して、AD関連の病状又は他のAD関連の結論をより適切に分類する。
この例では、特定のラマンキャプチャは、ラマンユニット分光ユニットによってなされる1回のキャプチャのために、レーザ18によって照射されるROIの2つ以上のピクセルを包含することができる。別の例では、ROIの各ピクセルは、単色レーザ18によって刺激される各ピクセルによって走査され、ROIの各ピクセルにわたってラマン分光部によってラマン分光法情報が取得され、ROIのラマンマップを作成するか、又はROIにわたる統合分光結果を計算する。
残りのピークのほとんどは、パラフィンの存在に対応している。1600cm-1及び1663cm-1におけるピークは、この場所にタンパク質が存在することを示し、これらのピークは、視野の近隣領域のこれら波長に存在する低いバックグラウンド信号(図6、602及び604)に対してはっきりと見える。
これにより、アミロイドベータプラークに特徴的なタンパク質の局在化された存在が確認される。1800cm-1におけるベータシートからのラマン信号がなく、1800cm-1に対する1663cm-1のラマン信号の比を示すマップは、アミロイドベータプラークに対応する場所にホットスポットを示すことに注目されたい。所定のレベルのバックグラウンド信号(「ノイズ」)の場合、1800cm-1に対する1663cm-1の信号の比に従って基準を設定できる。例えば、3:1の信号対雑音比を使用して、アミロイドベータプラークの存在を確認できる。
ラマンスペクトルグラフ600は、ラマンスペクトルグラフ500と同じ被験者から取得されているため、比較により、有用な結果が得られる。比較は、プラーク又は他のAD関連の病状として分類するために、機械学習アルゴリズム、比較、式、計算、表、減算、比、又は、コンピュータ6によって実行される他の比較を含み得る。
図7は、そのような例を示しており、各ピクセルは、その領域の1663cm-1と1698cm-1との間の積算カウントをエンコードする。2000cm-1と2500cm-1との間のラマンスペクトルに基づく線形バックグラウンド信号も差し引かれている。図7における輝点702は、容易に特定可能であり、隣接する組織スライスの組織診断を通じて独立して確認されるように、アミロイドベータプラークに対応する。
特定のハイパースペクトル画像マップのピクセルのカウントが高い(又は低い)場合、そのピクセルは、ラマン分光法を使用してさらに調査する必要があることを意味する。ハイパースペクトル撮像マップ1000から、コンピュータ6は、機械学習アルゴリズムを使用して、ラマン分光法によるさらなる調査を必要とする1つ以上のピクセル等の1つ以上のROI1002(1つが示される)を決定することができる。
他の例では、各ハイパースペクトルマップ1000は、1つの特定の波長ではなく、ある範囲の波長を表すことができ、カウントは、その特定の範囲の波長に対するものである。さらに他の例では、ハイパースペクトルマップ1000は、特定の波長の線形結合を使用することによって生成されてもよく、これは、AD関連の病状の特徴を最もよくカプセル化する。
他のいくつかの例では、コンピュータ6がラマン分光法のためのROIを決定するために、関心のあるADの病状との関連性が低いハイパースペクトル撮像マップ1000にはより少ない重みが与えられ、より関連性の高いハイパースペクトル撮像マップ1000にはより大きな重みが与えられる。
したがって、ハイパースペクトル反射率マップの視野全体をラマン走査する必要はないが、図4のピクセル(55μm,46μm)等の局在化された領域では、ラマン分光情報が、1回のキャプチャでラマン分光部によって検出され、これは、図10におけるROI1002と同じ被験者の場所にある。いくつかの例では、輝点ピクセルの周囲のいくつかのピクセル、又は輝点ピクセルの周囲の定義されたピクセル半径も、1回のキャプチャでラマン分光法を使用して分析できる。
したがって、図7のラマンマップ700の視野全体は、ADの病状を評価するときにラマン走査される必要はない。むしろ、図7のピクセル(17μm,21μm)等の局在化された領域は、図10におけるROI1002と同じ被験者上の場所でラマン分光法によって検出される。一例では、ROIのラマン分光法は、ラマン分光部による1回のキャプチャで検出される。別の例では、ROIはピクセル毎に走査され、ROIのラマンマップを生成するか、又は関心のある特定の波長の統合されたカウントを計算する。
クライアントステーション206は、コンピュータ、ラップトップ、モバイル電話、タブレットコンピュータ等であり得る。ネットワーク202は、ローカルエリアネットワーク(LAN)、ワイヤレス広域ネットワーク(WWAN)、プライベートネットワーク、及びインターネットを含むことができる。検出装置100のコンピュータ6(図1)は、ネットワーク202を介して通信するための通信サブシステムを有する。
いくつかの例では、サーバ204は、Amazon(登録商標)AWS、Microsoft(登録商標)Azure、Google(登録商標)Cloud、及びIBM(登録商標)Watson等のサードパーティ機械学習プラットフォームを含むか、又はそれにアクセスすることができる。
サーバ204は、機械学習モジュール218と、検証済みトレーニングデータのデータベースを格納し、トレーニングされたニューラルネットワークを格納するためのメモリ216とを含むことができる。サーバ204は、メモリ216に格納された命令を実行するように構成された1つ以上のコントローラ又はプロセッサ(図示せず)を含むことができる。
各ノードは、入力、重み(存在する場合)、及びバイアス係数(存在する場合)に基づいてデータを変換又は操作し、出力を生成するためのアクティブ化関数(伝達関数とも呼ばれる)を実行する論理プログラミングユニットである。各ノードのアクティブ化機能により、特定の入力、重み、バイアス係数に応じて特定の出力が生成される。
各ノードの入力は、スカラ、ベクトル、行列、オブジェクト、データ構造、及び/又は他のアイテム、又はそれらへの参照であり得る。各ノードは、他のノードから独立して、それぞれのアクティブ化関数、重み(存在する場合)、及びバイアス係数(存在する場合)を格納できる。いくつかの例示的な実施形態では、ニューラルネットワーク出力層の1つ以上の出力ノードの決定は、当技術分野で理解されているように、以前に決定された重み及びバイアス係数を使用して、スコアリング関数及び/又は決定ツリー関数を使用して計算又は決定することができる。
例えば、検出装置100の動作から、ハイパースペクトル反射率情報及びラマン分光情報を取得し、これらは、サーバ204又はEMRサーバ214に格納される。後続する追加のラマンキャプチャを後で実行して、より多くのラマン分光情報を取得できる。ハイパースペクトル反射率情報及びラマン分光情報の履歴的傾向は、後日、ADを示すものとして、又はADの前駆体として検証される可能性がある。例えば、数年後又は数十年後、被験者はADを有すると診断され、この診断は、以前のハイパースペクトル反射率情報及びラマン分光情報をAD又は事前ADとして分類することができる。
同様に、一部の被験者では、EMR情報が後の年に更新される場合があり、ADがないと示される場合がある。いくつかの例では、死後の組織診断を使用して、患者のAD情報を検証できる。組織診断は、顕微鏡又は他の撮像装置を使用して実行できる。
第2のニューラルネットワークは、これらの特定のROIの検査から返されたラマンスペクトルを、第2のニューラルネットワークへの入力としてラマン分光情報とともに分類するために使用される。第2のニューラルネットワークの出力は、ROIの各々に、タンパク質凝集体等の1つ以上の関心のあるAD関連の病状が含まれているか否かの分類である。
そのようなADの結論は、第2のニューラルネットワークによって分類され、例えば、組み合わされた加重スコア、スコアカード、又は確率的決定を使用して決定又は計算される1つ以上のADの病状に基づくことができる。例えば、アミロイドベータとタウとの両方の神経原線維変化の存在又は確率的分類は、より高い確率のADの結論につながる可能性がある。
いくつかの例では、ADの結論は、例えば患者の以前のラマン分光法情報と比較することにより、患者の生理機能の経時的な変化に基づくこともできる。いくつかの例では、ハイパースペクトル反射率情報は、ADの病状の分類をさらに支援する第2のニューラルネットワークへの入力情報としても使用される。
例示的な実施形態では、検証済みトレーニングデータ208は、被験者の隣接するエキソビボの組織スライスを比較することによって取得され、1つのスライスが分析されてハイパースペクトル反射率情報及びラマン分光情報が取得され、隣接するスライスが組織診断によって検証され、検証されたハイパースペクトル反射率情報と、検証されたラマン分光情報とが得られる。
第1のニューラルネットワークのトレーニングのために、検証されたハイパースペクトル反射率情報210は、クライアントステーション206に入力される。例えば、検証されたハイパースペクトル反射率情報210は、ハイパースペクトル反射率マップの特定の波長のカウントを、1つ以上のAD関連の病状に相関させる。第2のニューラルネットワークのトレーニングのために、検証されたラマン分光情報212が、クライアントステーション206に入力される。一例として、検証されたラマン分光情報212は、ROI又はラマンマップの特定の波長のカウントを、1つ以上のAD関連の病状に相関させる。
同様に、機械学習アルゴリズムは、特定のAD関連の病状を分類するために、ハイパースペクトル情報とラマン分光情報の間の相関及び関係を決定できる。コンピュータ6が、トレーニングされたニューラルネットワークを実行し、分類のためにハイパースペクトル反射率情報とラマン分光情報との両方を使用するとき、同じROIを整列させるために、ハイパースペクトル反射率情報とラマン分光情報とに対して、コンピュータ6によってコレジストレーション(co-registration)をデジタルで実行することができる。
いくつかの例では、ROI内の異なるピクセルにおける個々のカウントは、AD関連の病状の分類に使用できる。他の例では、ROI内のピクセルのグループの凝集(統合)特性を使用して、例えば1つのラマンキャプチャでプラークを分類することができる。
したがって、プラークのROIのサイズは、プラークを分類するための追加情報として使用される、第2のニューラルネットワークのトレーニングの一部でもある場合がある。
ニューラルネットワークへのトレーニングの更新は、サーバ204によって定期的に、リアルタイムで、又はより多くの利用可能なトレーニングデータがあるときはいつでも実行でき、それらの更新されたニューラルネットワークは検出装置100に送信され得る。
ステップ1102において、検出装置100は、ハイパースペクトル反射率撮像部(図1)を制御し、ハイパースペクトル反射率撮像部からハイパースペクトル反射率情報を受信することにより、被験者の眼底の広視野撮像を実行する。
ステップ1104において、コンピュータ6は、ハイパースペクトル反射率撮像部及び第1のニューラルネットワークからのハイパースペクトル反射率情報を使用して、さらなる検査を必要とする被験者の1つ以上のROIの場所及びサイズを決定する。
ステップ1106において、検出装置100は、ラマン分光部(図1)を制御して、決定された場所及びサイズでROIを1回のキャプチャで刺激し、ラマン分光部からラマン分光情報を受信することにより、ROIに対してラマン分光を実行する。
ステップ1108において、第2のニューラルネットワークは、ROIのラマン分光部から得られたラマン分光情報と、ハイパースペクトル反射率撮像部からのハイパースペクトル反射率情報とを使用して、1つ以上のAD関連の病状又はADの結論を分類する。
ステップ1110において、検出装置100は、分類を出力装置(例えば、表示画面)、メモリ、又は別のコンピュータに出力する。他のいくつかの例では、ステップ1108,1110は、サーバ204によって実行される。
例示的な実施形態において、複数のAD関連の病状が検出されることに関心がある場合、方法1100では、1つ以上のROI上で全てのAD関連の病状に対して実行され(並行決定)、関心のある全てのAD関連の病状を検出することができる。同じサンプルの施術者、組織診断者、病状学者等による肯定的な診断がある場合、クライアントステーション206は、そのような施術者によって、被験者が1つ以上のAD関連の病状又はADを有していることを肯定的に(及び、独立して)検証するために使用され得る。そのような検証は、機械学習アルゴリズムを改善するために、さらなるトレーニングデータとして機械学習アルゴリズム(第1及び第2のニューラルネットワーク)で使用できる。
ループ1112は、同じセッションで、例えば、ユーザが、まだ顎当て5に当てている間の連続時間内に実行することができる。例えば、ステップ1104において、コンピュータ6は、さらなる検査を必要とし得る被験者の2つ以上のROIを決定する場合があるので、ループ1112は、それら他のROIを調査するために実行される。
ステップ1108における分類は、ハイパースペクトル反射率撮像部及びラマン分光部によって取られた、同じ被験者の複数の異なる個々のキャプチャに基づく結論を提供することができる。
他の例では、ループ1112は実行されず、ハイパースペクトル反射率撮像情報から決定された特定の位置及びサイズを有する1つのROIに対して1つのラマンキャプチャのみが実行される。
ステップ1108において、コンピュータ6は、1つ以上のAD関連の病状又はADの結論を分類するために、ベースラインROIを、ラマン分光法を使用して分析されるROIの1つ以上と比較することができる。
例えば、検出装置100を使用して、以前のセッションは、1つ以上の潜在的なAD関連の病状を事前に保存していた。特定のランドマークを使用して、動脈血管、視神経等の特定の患者における1つ以上の潜在的なAD関連の病状を見つけることができる。
ハイパースペクトル反射率撮像部及び第1のニューラルネットワークからのハイパースペクトル反射率情報を使用して、コンピュータ6は、患者の事前に保存された潜在的なAD関連の病状(又は特定のROI)を特定し、適切なROIを決定し、その後、コンピュータ6はさらに、ユーザが、顎当て5に当てている間、全て同じセッション中に、ラマン分光部を使用して適切なROIを調査する。
方法1200の例示的な結果は、図4から図9に示されるラマン分光情報212、及び図10に示されるハイパースペクトルマップ1000に示されるハイパースペクトル反射率情報210である。
さらに、いくつかの例では、検出装置100の動作からの生体内撮像を使用して、さらなるトレーニングデータを取得することもできる。
ステップ1202において、サンプルはスライスされ、スライド上に配置される。ミクロトーム又はクライオスタットを使用して、サンプルの厚さ12μmのスライスが切り取られた。一系列に隣接するようにスライスが切り取られ、顕微鏡のスライドに配置された。
ステップ1204において、一系列のうちで2つおきのスライスが、アミロイドベータに結合するコンゴレッドで染色されるか、又は、例えば免疫染色等の同様の染色手順で染色される。残りの中間スライドは未染色のままである。
ステップ1206において、標準的な偏光顕微鏡法又は他の組織診断の方法を使用して、アミロイドベータプラークが、染色されたスライド上で特定される。組織診断は、臨床医によって手動で、コンピュータによって自動的に、又はその両方で実行することができる。脳プラークの一般的なサイズは、直径が20μmを超える。したがって、所定のプラークは、複数の12μmのスライスにまたがる可能性が高くなる。
様々なサイズスケールの複数の特徴を確認することで、コレジストレーションが達成される。皮質のひだは、2つの隣接するスライスの一般的な配向のために使用される大規模な特徴を提供する。血管は、隣接するスライスをより細かいサイズスケールでコレジスタするために使用される小さな特徴を構成する。画像内で複数の血管を使用し、これらを隣接するスライス内の同じ場所に配置すると、所定のプラークを数マイクロメートル以内に配置することが容易になる。2つの隣接するスライスの画像を重ね合わせることにより、血管の位置合わせは、一例において画像のコレジストレーションを可能にする。
ステップ1212において、プラークの撮像情報が取得された後、撮像情報(又は処理された撮像情報)は、プラークとして分類される。検証されたハイパースペクトル反射率情報210は、この例では、アミロイドベータプラークと相関している。検証されたハイパースペクトル反射率情報210の例は、図16に示されるハイパースペクトル画像である。検証されたラマン分光情報212は、この例ではアミロイドベータプラークとも相関している。図7を参照されたい。ラマン分光情報212の例は、図4及び図8にそれぞれ示されるラマン分光情報500,800である。
いくつかの例示的な実施形態では、1つ以上のコントローラは、アナログ又はデジタルの構成要素を含むことができ、1つ以上のプロセッサ、1つ以上のプロセッサによって実行可能な命令を格納したメモリ等の1つ以上の不揮発性の記憶媒体、及び/又は、1つ以上のアナログ回路構成要素を含むことができる。
Claims (22)
- 被験者の眼球からの1つ以上のアルツハイマー病(AD)関連の病状を検出するための非侵襲性の生体内眼光に基づく検出装置であって、
広帯域光源及びハイパースペクトルカメラを含むハイパースペクトル反射率撮像部と、
レーザ及び分光計を含むラマン分光部と、
メモリと、
前記メモリに格納された以下の命令を実行するように構成された1つ以上のプロセッサと、を備え、
前記プロセッサは、
前記ハイパースペクトル反射率撮像部を制御して、前記広帯域光源を使用して、前記眼球の眼底の広視野を照明し、ハイパースペクトル反射率情報を決定するために、前記ハイパースペクトルカメラを使用して、前記眼球からの反射光及び/又は後方散乱光を検出し、
前記ハイパースペクトル反射率情報から、1つ以上の関心領域(ROI)を、潜在的なAD関連の病状として判定し、
前記レーザを使用して前記1つ以上のROIの各々を照明するように前記ラマン分光部を制御し、ラマン分光情報を決定するために、前記分光計を使用して、前記レーザから得られる前記眼球からのラマン散乱光を検出し、
前記ハイパースペクトル反射率情報及び前記ラマン分光情報を使用して、前記被験者を1つ以上のAD関連の病状を有するものとして分類し、
前記1つ以上のAD関連の病状は、タンパク質凝集体を含み、該タンパク質凝集体は、タウ神経原線維変化、アミロイドベータ沈着物、可溶性アミロイドベータ凝集体、又はアミロイド前駆体タンパク質のうち少なくとも1つを含む、検出装置。 - 前記被験者を前記1つ以上のAD関連の病状を有するものとして分類することは、前記ハイパースペクトル反射率情報にさらに基づいている、請求項1に記載の検出装置。
- 前記被験者を前記1つ以上のAD関連の病状を有するものとして分類することは、前記メモリ又は別の装置に格納されている前記被験者の以前のハイパースペクトル反射率情報及び/又はラマン分光情報にさらに基づいている、請求項1に記載の検出装置。
- 前記被験者を前記1つ以上のAD関連の病状を有するものとして分類することは、経時的な前記被験者の前記ハイパースペクトル反射率情報及び/又は前記ラマン分光情報の変化にさらに基づいている、請求項1に記載の検出装置。
- 前記被験者を前記1つ以上のAD関連の病状を有するものとして分類することは、前記被験者を複数のAD関連の病状を有するものとして分類することを含む、請求項1に記載の検出装置。
- 前記1つ以上のプロセッサは、さらに、
ハイパースペクトル撮像情報からのベースラインROIを、前記潜在的なAD関連の病状を含まない背景組織であるとして判定し、
前記ラマン分光部を制御して、前記レーザを使用して前記眼球の前記ベースラインROIを照明し、前記背景組織のラマン分光情報を決定するために、前記分光計を使用して、前記レーザから生じた前記眼球からの光を検出するように構成され、
前記分類することは、さらに、前記潜在的なAD関連の病状の前記ラマン分光情報を、前記背景組織の前記ラマン分光情報と比較することに基づいて分類する、請求項1に記載の検出装置。 - 前記1つ以上のAD関連の病状は、前記タウ神経原線維変化を含む前記AD関連の病状の2つ以上を含む、請求項1に記載の検出装置。
- 前記1つ以上のAD関連の病状は、前記被験者の前記眼球の神経炎若しくはグリア細胞病状、又は、前記被験者の前記眼球の血管若しくは脈絡膜の血管特性を含む、請求項1に記載の検出装置。
- 前記1つ以上のAD関連の病状に前記アミロイドベータ沈着物が含まれる場合、前記分類することは、アルファヘリックス及びベータプリーツシートのラマン振動共鳴に対応する1600cm-1から1700cm-1の範囲の波数シフトでラマン分光情報を分析することに基づく、請求項1に記載の検出装置。
- 前記1つ以上のAD関連の病状が前記タウ神経原線維変化を含む場合、前記分類することは、リン酸化されたタウのラマン振動共鳴に対応する1600cm-1から1700cm-1の範囲の波数シフトでラマン分光情報を分析することに基づいている、請求項1に記載の検出装置。
- 前記1つ以上のプロセッサは、前記1つ以上のROIを判定すること、又は、前記被験者を1つ以上のAD関連の病状を有するものとして分類することのうちの1つ又は両方に対して機械学習アルゴリズムを使用する、請求項1に記載の検出装置。
- 前記機械学習アルゴリズムは、検証済みトレーニングデータを使用する、請求項11に記載の検出装置。
- 前記検証済みトレーニングデータは、
被験者からのエキソビボの組織サンプルをスライスして組織スライスにし、
前記組織スライスをスライドに配置し、
前記組織スライスのうちの1つの組織スライスの第1のスライドを染色し、
前記組織サンプル内の第1の組織スライスに隣接しており、未染色の別の組織スライスを有する第2のスライドを提供し、
組織診断を使用して、前記第1のスライドが前記1つ以上のAD関連の病状を有することを検証し、
前記第2のスライドにおいて少なくとも1つの撮像装置を作動させて、撮像情報を取得し、
前記撮像情報を、前記1つ以上のAD関連の病状として分類することによって取得されるものである、請求項12に記載の検出装置。 - 前記少なくとも1つの撮像装置は、前記ラマン分光部、前記ハイパースペクトル反射率撮像部、又はその両方である、請求項13に記載の検出装置。
- 前記機械学習アルゴリズムは、1つ以上のニューラルネットワークを使用する、請求項11に記載の検出装置。
- 前記1つ以上のプロセッサは、さらに、(i)前記1つ以上のAD関連の病状の分類と、(ii)前記1つ以上のAD関連の病状を有するものとする前記被験者の独立した検証とを使用して、前記機械学習アルゴリズムをさらにトレーニングするように構成された、請求項11に記載の検出装置。
- 前記1つ以上のプロセッサは、前記ラマン分光法情報から、AD若しくはADに対する前駆体、又はさらに調査が必要な潜在的なADの事前にスクリーニングされた分類、又は治療若しくは介入への応答性を有するものとして前記被験者を分類するようにさらに構成された、請求項1に記載の検出装置。
- 前記1つ以上のAD関連の病状の分類のためには、外因性蛍光剤、色素、又はトレーサは、不要である、請求項1に記載の検出装置。
- 前記分光計による検出に先立って、前記レーザの波長をフィルタリングして取り除くための1つ以上の光学フィルタをさらに備えた、請求項1に記載の検出装置。
- 前記1つ以上のプロセッサは、前記ハイパースペクトル反射率情報から前記1つ以上のROIの各々のそれぞれのサイズを決定し、前記ラマン分光部を制御して、前記それぞれのサイズを有する前記眼球の前記ROIの各々に前記レーザを放射するように構成された、請求項1に記載の検出装置。
- 前記ラマン分光部は、前記ラマン分光情報の決定のために、前記1つ以上のROIの各々について、前記ラマン分光部の前記レーザを使用してそれぞれの前記ROIの走査を実行するように、前記1つ以上のプロセッサによって制御される、請求項1に記載の検出装置。
- 前記ハイパースペクトルカメラは、
各光センサが光の波長の範囲に敏感な光センサの2次元アレイと、
個々の各フィルタが特定の波長の光を選択的に透過する光センサのアレイをオーバレイする2次元フィルタアレイと、を含む、請求項1に記載の検出装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023151505A JP2023182624A (ja) | 2017-11-27 | 2023-09-19 | アルツハイマー病の病状のためのハイパースペクトル画像誘導ラマン眼球撮像装置 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762590836P | 2017-11-27 | 2017-11-27 | |
US62/590,836 | 2017-11-27 | ||
PCT/CA2018/051504 WO2019100169A1 (en) | 2017-11-27 | 2018-11-27 | Hyperspectral image-guided raman ocular imager for alzheimer's disease pathologies |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023151505A Division JP2023182624A (ja) | 2017-11-27 | 2023-09-19 | アルツハイマー病の病状のためのハイパースペクトル画像誘導ラマン眼球撮像装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021504075A JP2021504075A (ja) | 2021-02-15 |
JP7404253B2 true JP7404253B2 (ja) | 2023-12-25 |
Family
ID=66630393
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020545830A Active JP7404253B2 (ja) | 2017-11-27 | 2018-11-27 | アルツハイマー病の病状のためのハイパースペクトル画像誘導ラマン眼球撮像装置 |
JP2023151505A Pending JP2023182624A (ja) | 2017-11-27 | 2023-09-19 | アルツハイマー病の病状のためのハイパースペクトル画像誘導ラマン眼球撮像装置 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023151505A Pending JP2023182624A (ja) | 2017-11-27 | 2023-09-19 | アルツハイマー病の病状のためのハイパースペクトル画像誘導ラマン眼球撮像装置 |
Country Status (7)
Country | Link |
---|---|
US (1) | US11896382B2 (ja) |
EP (1) | EP3716838A4 (ja) |
JP (2) | JP7404253B2 (ja) |
CN (1) | CN111565624A (ja) |
AU (1) | AU2018372578A1 (ja) |
CA (1) | CA3082936A1 (ja) |
WO (1) | WO2019100169A1 (ja) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11200665B2 (en) * | 2017-08-02 | 2021-12-14 | Shanghai Sixth People's Hospital | Fundus image processing method, computer apparatus, and storage medium |
JP7194136B2 (ja) * | 2019-08-09 | 2022-12-21 | キヤノン株式会社 | 眼科装置、眼科装置の制御方法、及びプログラム |
WO2021029231A1 (ja) * | 2019-08-09 | 2021-02-18 | キヤノン株式会社 | 眼科装置、眼科装置の制御方法、及びプログラム |
GB201913476D0 (en) * | 2019-09-18 | 2019-10-30 | Univ Birmingham | Traumatic brain injury detection |
CA3165710A1 (en) * | 2020-01-23 | 2021-07-29 | Retispec Inc. | Systems and methods for disease diagnosis |
TWI732544B (zh) * | 2020-05-05 | 2021-07-01 | 國立中正大學 | 二維材料薄膜檢測方法及二維材料薄膜檢測系統 |
KR102322531B1 (ko) * | 2021-03-15 | 2021-11-04 | 삼육대학교산학협력단 | 착용형 아밀로이드-베타 플라크 검사 장치 및 이를 포함하는 알츠하이머병 진단 시스템 |
WO2022270043A1 (ja) * | 2021-06-25 | 2022-12-29 | コニカミノルタ株式会社 | 解析システム、学習済みモデル生成装置および判別システムならびに解析方法、学習済みモデル生成方法および判別方法 |
WO2022270606A1 (ja) * | 2021-06-25 | 2022-12-29 | コニカミノルタ株式会社 | 解析システム、学習済みモデル生成装置および判別システムならびに解析方法、学習済みモデル生成方法および判別方法 |
WO2023004436A1 (en) * | 2021-07-23 | 2023-01-26 | Cedars-Sinai Medical Center | Methods and systems for early detection of ocular and/or neurological conditions |
CN113397475B (zh) * | 2021-07-23 | 2023-06-06 | 平安科技(深圳)有限公司 | 基于oct图像的阿尔茨海默症风险的预测方法、系统及介质 |
WO2023063940A1 (en) * | 2021-10-13 | 2023-04-20 | Hewlett-Packard Development Company, L.P. | Region of interest cropped images |
WO2023164780A1 (en) * | 2022-03-03 | 2023-09-07 | Quisitum Automated Systems Inc. | System and method for imaging histopathology-stained slides using coherent anti-stokes raman spectral imaging |
WO2023203380A1 (en) * | 2022-04-20 | 2023-10-26 | Retispec Inc. | Spectropolarimetric imaging of the eye for disease diagnosis |
CN116509339A (zh) * | 2023-07-04 | 2023-08-01 | 台州安奇灵智能科技有限公司 | 低功率拉曼光谱辅助无标记漫反射高光谱成像系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100105098A1 (en) | 2006-06-29 | 2010-04-29 | Peter Frederiske | Methods of Identifying Disease Biomarkers in the Lense of the Eye |
JP2012032368A (ja) | 2010-07-02 | 2012-02-16 | Sony Corp | スペクトルデータ解析装置、生体内物質検出システム及び生体内物質検出方法 |
WO2016157156A1 (en) | 2015-04-02 | 2016-10-06 | Livspek Medical Technologies Inc. | Method and apparatus for a spectral detector for noninvasive detection and monitoring of a variety of biomarkers and other blood constituents in the conjunctiva |
US20170281071A1 (en) | 2016-03-30 | 2017-10-05 | Brain F.I.T. Imaging, LLC | Methods and magnetic imaging devices to inventory human brain cortical function |
JP2017534321A (ja) | 2014-09-15 | 2017-11-24 | シナプティヴ メディカル (バルバドス) インコーポレイテッドSynaptive Medical (Barbados) Inc. | 複合光プローブを用いたシステム及び方法 |
Family Cites Families (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6198532B1 (en) | 1991-02-22 | 2001-03-06 | Applied Spectral Imaging Ltd. | Spectral bio-imaging of the eye |
CA2420186C (en) | 2000-08-21 | 2007-05-15 | The General Hospital Corporation | Methods for diagnosing a neurodegenerative condition |
US7297326B2 (en) | 2000-08-21 | 2007-11-20 | The General Hospital Corporation | Ocular diagnosis of Alzheimer's disease |
ES2363729T3 (es) | 2001-04-27 | 2011-08-12 | The General Hospital Corporation | Diagnóstico ocular de la enfermedad de alzheimer. |
US6988995B2 (en) | 2002-09-30 | 2006-01-24 | Carl Zeiss Meditec, Inc. | Method and system for detecting the effects of Alzheimer's disease in the human retina |
US8582089B2 (en) | 2006-06-09 | 2013-11-12 | Chemimage Corporation | System and method for combined raman, SWIR and LIBS detection |
HUE028034T2 (en) | 2008-03-27 | 2016-11-28 | Cognoptix Inc | Eye image analysis for the diagnosis of neurodegenerative diseases |
WO2010019515A2 (en) | 2008-08-10 | 2010-02-18 | Board Of Regents, The University Of Texas System | Digital light processing hyperspectral imaging apparatus |
JP5771525B2 (ja) * | 2008-09-18 | 2015-09-02 | セダーズ−シナイ メディカル センター | アルツハイマー病を検出するための光学的方法 |
DE102009043750A1 (de) | 2009-09-30 | 2011-08-04 | Carl Zeiss Meditec AG, 07745 | Verfahren und Vorrichtung zur Detektion von Ablagerungen im Auge |
US20110129133A1 (en) | 2009-12-02 | 2011-06-02 | Ramos Joao Diogo De Oliveira E | Methods and systems for detection of retinal changes |
CA2832517C (en) | 2010-05-05 | 2021-07-13 | Melanie Crombie Williams CAMPBELL | Method and system for imaging amyloid beta in the retina of the eye in association with alzheimer's disease |
EP2605694B1 (en) | 2010-08-16 | 2021-10-27 | Cognoptix, Inc. | Method for detecting amyloid proteins |
JP2013545516A (ja) | 2010-10-25 | 2013-12-26 | バードナー,スティーブン | アルツハイマー病、外傷性脳損傷、黄斑変性症、複数の神経変性障害および眼疾患の診断、進行および病気経過予想における網膜内のアミロイドの検出装置および方法 |
US9808155B2 (en) | 2010-10-25 | 2017-11-07 | Neurovision Imaging Llc | Apparatus to detect amyloid in a patient user's retina in a diagnosis, advancement and prognosis of alzheimer's disease, traumatic brain injury, macular degeneration and a plurality of neurodegenerative disorders and ocular diseases |
CN103747719A (zh) | 2011-03-29 | 2014-04-23 | 史提芬·维杜纳 | 复数个离散的oct视网膜层中辨识一或多个淀粉样蛋白斑点的装置与方法 |
US8787638B2 (en) | 2011-04-07 | 2014-07-22 | The Chinese University Of Hong Kong | Method and device for retinal image analysis |
WO2013008651A1 (ja) | 2011-07-14 | 2013-01-17 | 京セラ株式会社 | 回路基板および電子装置 |
EP3922270A1 (en) | 2011-12-09 | 2021-12-15 | Regents of the University of Minnesota | Hyperspectral imaging for early detection of alzheimer's disease |
JP2015506730A (ja) | 2011-12-09 | 2015-03-05 | バードナー,スティーブン | 複数の眼の画像をプレノプティック多焦点画像に結合する方法 |
WO2014151573A1 (en) | 2013-03-15 | 2014-09-25 | Steven Verdooner | Method for detecting amyloid beta plaques and drusen |
JP6461084B2 (ja) | 2013-03-15 | 2019-01-30 | ニューロビジョン イメージング,インコーポレーテッド | アルツハイマー病又は軽度認知機能障害の検出支援システム |
DK2999392T3 (da) | 2013-05-21 | 2019-09-16 | Neurovision Imaging Inc | System og metode til afbildning af en patientbrugers kropsdel |
WO2015047981A1 (en) | 2013-09-24 | 2015-04-02 | The Regents Of The University Of Michigan | Systems and methods for diagnosing inherited retinal diseases |
AU2013405234B2 (en) | 2013-11-12 | 2017-08-10 | Cognoptix, Inc. | Method for measuring fluorescence in ocular tissue |
WO2016041062A1 (en) * | 2014-09-19 | 2016-03-24 | Optina Diagnostics, Inc. | Apparatus and method for producing a spectrally resolved image of a fundus of a subject |
US10964036B2 (en) | 2016-10-20 | 2021-03-30 | Optina Diagnostics, Inc. | Method and system for detecting an anomaly within a biological tissue |
AU2017375496B2 (en) * | 2016-12-16 | 2023-03-16 | The Brigham And Women's Hospital, Inc. | System and method for protein corona sensor array for early detection of diseases |
EP3942569A4 (en) | 2019-03-19 | 2022-12-07 | Optina Diagnostics, Inc. | METHOD AND SYSTEM FOR IDENTIFYING SUBJECTS POTENTIALLY AFFECTED BY A HEALTH PROBLEM |
-
2018
- 2018-11-27 EP EP18881468.5A patent/EP3716838A4/en active Pending
- 2018-11-27 CA CA3082936A patent/CA3082936A1/en active Pending
- 2018-11-27 AU AU2018372578A patent/AU2018372578A1/en active Pending
- 2018-11-27 CN CN201880085278.XA patent/CN111565624A/zh active Pending
- 2018-11-27 US US16/766,880 patent/US11896382B2/en active Active
- 2018-11-27 WO PCT/CA2018/051504 patent/WO2019100169A1/en unknown
- 2018-11-27 JP JP2020545830A patent/JP7404253B2/ja active Active
-
2023
- 2023-09-19 JP JP2023151505A patent/JP2023182624A/ja active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100105098A1 (en) | 2006-06-29 | 2010-04-29 | Peter Frederiske | Methods of Identifying Disease Biomarkers in the Lense of the Eye |
JP2012032368A (ja) | 2010-07-02 | 2012-02-16 | Sony Corp | スペクトルデータ解析装置、生体内物質検出システム及び生体内物質検出方法 |
JP2017534321A (ja) | 2014-09-15 | 2017-11-24 | シナプティヴ メディカル (バルバドス) インコーポレイテッドSynaptive Medical (Barbados) Inc. | 複合光プローブを用いたシステム及び方法 |
WO2016157156A1 (en) | 2015-04-02 | 2016-10-06 | Livspek Medical Technologies Inc. | Method and apparatus for a spectral detector for noninvasive detection and monitoring of a variety of biomarkers and other blood constituents in the conjunctiva |
US20170281071A1 (en) | 2016-03-30 | 2017-10-05 | Brain F.I.T. Imaging, LLC | Methods and magnetic imaging devices to inventory human brain cortical function |
Also Published As
Publication number | Publication date |
---|---|
JP2023182624A (ja) | 2023-12-26 |
US20200323480A1 (en) | 2020-10-15 |
EP3716838A1 (en) | 2020-10-07 |
JP2021504075A (ja) | 2021-02-15 |
EP3716838A4 (en) | 2021-08-11 |
CA3082936A1 (en) | 2019-05-31 |
AU2018372578A1 (en) | 2020-06-11 |
CN111565624A (zh) | 2020-08-21 |
WO2019100169A1 (en) | 2019-05-31 |
US11896382B2 (en) | 2024-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7404253B2 (ja) | アルツハイマー病の病状のためのハイパースペクトル画像誘導ラマン眼球撮像装置 | |
US9232889B2 (en) | Method and apparatus for ocular surface imaging | |
US20220160228A1 (en) | A patient tuned ophthalmic imaging system with single exposure multi-type imaging, improved focusing, and improved angiography image sequence display | |
US9241622B2 (en) | Method for ocular surface imaging | |
US20230018494A1 (en) | Systems and methods for disease diagnosis | |
Lochocki et al. | The search for a unique Raman signature of amyloid-beta plaques in human brain tissue from Alzheimer's disease patients | |
US11187580B2 (en) | Spectral-spatial imaging device | |
WO2016041062A1 (en) | Apparatus and method for producing a spectrally resolved image of a fundus of a subject | |
US9854963B2 (en) | Apparatus and method for identifying one or more amyloid beta plaques in a plurality of discrete OCT retinal layers | |
Du et al. | Label-free hyperspectral imaging and deep-learning prediction of retinal amyloid β-protein and phosphorylated tau | |
US20230140881A1 (en) | Oct en face pathology segmentation using channel-coded slabs | |
CN107224267B (zh) | 一种眼底高光谱成像装置 | |
JP2017029533A (ja) | 光学測定方法及び光学測定装置 | |
Sijilmassi et al. | Multispectral Imaging Method for Rapid Identification and Analysis of Paraffin-Embedded Pathological Tissues | |
WO2023283637A2 (en) | A method to detect retinal amyloidosis and tauopathy using snap hyperspectral imaging and/or snap hyperspectral optical coherence tomography | |
WO2021086869A1 (en) | Resonance raman spectroscopy for evaluating mitochondrial function | |
WO2023203380A1 (en) | Spectropolarimetric imaging of the eye for disease diagnosis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211126 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221027 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221102 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230202 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230403 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230501 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230516 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230919 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20231102 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231114 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231213 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7404253 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |