JP7467466B2 - マルチチャネル直交畳み込みニューラルネットワーク - Google Patents
マルチチャネル直交畳み込みニューラルネットワーク Download PDFInfo
- Publication number
- JP7467466B2 JP7467466B2 JP2021533203A JP2021533203A JP7467466B2 JP 7467466 B2 JP7467466 B2 JP 7467466B2 JP 2021533203 A JP2021533203 A JP 2021533203A JP 2021533203 A JP2021533203 A JP 2021533203A JP 7467466 B2 JP7467466 B2 JP 7467466B2
- Authority
- JP
- Japan
- Prior art keywords
- tissue
- image
- plaque
- features
- neural network
- 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
- 238000013527 convolutional neural network Methods 0.000 title claims description 13
- 210000001519 tissue Anatomy 0.000 claims description 169
- 238000000034 method Methods 0.000 claims description 92
- 238000012014 optical coherence tomography Methods 0.000 claims description 85
- 150000002632 lipids Chemical class 0.000 claims description 43
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 claims description 22
- 239000011575 calcium Substances 0.000 claims description 22
- 229910052791 calcium Inorganic materials 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 12
- 210000002808 connective tissue Anatomy 0.000 claims description 7
- 230000010287 polarization Effects 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 description 96
- 238000003384 imaging method Methods 0.000 description 43
- 239000000523 sample Substances 0.000 description 39
- 239000000835 fiber Substances 0.000 description 30
- 230000035945 sensitivity Effects 0.000 description 30
- 230000005284 excitation Effects 0.000 description 13
- 239000004038 photonic crystal Substances 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 11
- 210000001367 artery Anatomy 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 10
- 210000004351 coronary vessel Anatomy 0.000 description 10
- 230000003902 lesion Effects 0.000 description 9
- 208000037260 Atherosclerotic Plaque Diseases 0.000 description 8
- 238000012512 characterization method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000001727 in vivo Methods 0.000 description 5
- 238000002608 intravascular ultrasound Methods 0.000 description 5
- 210000002540 macrophage Anatomy 0.000 description 5
- 239000000203 mixture Substances 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 201000001320 Atherosclerosis Diseases 0.000 description 4
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 description 4
- 244000208734 Pisonia aculeata Species 0.000 description 4
- 238000002591 computed tomography Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000000386 microscopy Methods 0.000 description 4
- 239000002105 nanoparticle Substances 0.000 description 4
- 239000013307 optical fiber Substances 0.000 description 4
- 208000007536 Thrombosis Diseases 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 239000002073 nanorod Substances 0.000 description 3
- 238000004091 panning Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 210000000329 smooth muscle myocyte Anatomy 0.000 description 3
- 238000002604 ultrasonography Methods 0.000 description 3
- WZUVPPKBWHMQCE-UHFFFAOYSA-N Haematoxylin Chemical compound C12=CC(O)=C(O)C=C2CC2(O)C1C1=CC=C(O)C(O)=C1OC2 WZUVPPKBWHMQCE-UHFFFAOYSA-N 0.000 description 2
- 206010061218 Inflammation Diseases 0.000 description 2
- 102000002274 Matrix Metalloproteinases Human genes 0.000 description 2
- 108010000684 Matrix Metalloproteinases Proteins 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 2
- 238000012152 algorithmic method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 230000002526 effect on cardiovascular system Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000002594 fluoroscopy Methods 0.000 description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 230000008595 infiltration Effects 0.000 description 2
- 238000001764 infiltration Methods 0.000 description 2
- 230000004054 inflammatory process Effects 0.000 description 2
- 238000005305 interferometry 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
- 208000010125 myocardial infarction Diseases 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 102000016942 Elastin Human genes 0.000 description 1
- 108010014258 Elastin Proteins 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000036523 atherogenesis Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 239000011324 bead Substances 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007248 cellular mechanism Effects 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 238000005253 cladding Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000002586 coronary angiography Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 229920002549 elastin Polymers 0.000 description 1
- 210000002889 endothelial cell Anatomy 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- YQGOJNYOYNNSMM-UHFFFAOYSA-N eosin Chemical compound [Na+].OC(=O)C1=CC=CC=C1C1=C2C=C(Br)C(=O)C(Br)=C2OC2=C(Br)C(O)=C(Br)C=C21 YQGOJNYOYNNSMM-UHFFFAOYSA-N 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 201000010536 head and neck cancer Diseases 0.000 description 1
- 208000014829 head and neck neoplasm Diseases 0.000 description 1
- 230000035876 healing Effects 0.000 description 1
- 238000013427 histology analysis Methods 0.000 description 1
- 230000002055 immunohistochemical effect Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 231100000187 late toxicity Toxicity 0.000 description 1
- 125000003473 lipid group Chemical group 0.000 description 1
- 238000004020 luminiscence type Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000009456 molecular mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 108010071584 oxidized low density lipoprotein Proteins 0.000 description 1
- 210000003681 parotid gland Anatomy 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000003836 peripheral circulation Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 238000001959 radiotherapy Methods 0.000 description 1
- 208000037803 restenosis Diseases 0.000 description 1
- 238000002198 surface plasmon resonance spectroscopy Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- 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
- A61B5/0062—Arrangements for scanning
- A61B5/0066—Optical coherence imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
- A61B5/0084—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes for introduction into the body, e.g. by catheters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6846—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be brought in contact with an internal body part, i.e. invasive
- A61B5/6847—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be brought in contact with an internal body part, i.e. invasive mounted on an invasive device
- A61B5/6852—Catheters
-
- 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
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/42—Arrangements for detecting radiation specially adapted for radiation diagnosis
- A61B6/4208—Arrangements for detecting radiation specially adapted for radiation diagnosis characterised by using a particular type of detector
- A61B6/4241—Arrangements for detecting radiation specially adapted for radiation diagnosis characterised by using a particular type of detector using energy resolving detectors, e.g. photon counting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0233—Special features of optical sensors or probes classified in A61B5/00
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10068—Endoscopic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Mathematical Physics (AREA)
- Physiology (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Vascular Medicine (AREA)
- Cardiology (AREA)
- Optics & Photonics (AREA)
- High Energy & Nuclear Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Fuzzy Systems (AREA)
Description
本願は、その全内容が、参照することによって本明細書に組み込まれる、2018年12月14日に出願された、米国仮特許出願第62/779,888号の優先権を主張する。
本発明は、例えば、以下を提供する。
(項目1)
表在脂質およびカルシウム対線維組織および脂質、カルシウム組織、および結合組織間の判別を改良する方法であって、前記方法は、
画像を入手することであって、前記画像は、点または線形アレイトランスデューサから構築された信号である、ことと、
前記画像が構築された方法を分析し、前記画像から導出データを数学的に抽出することと、
直交畳み込みニューラルネットワーク(OCNN)を適用し、前記導出データの考慮点を最適化することと
を含む、方法。
(項目2)
前記画像は、光コヒーレンス断層撮影(OCT)プロセスを使用して取得される、項目1に記載の方法。
(項目3)
前記導出データは、前記OCTプロセスの間に実施されるA-走査の減衰データを備える、項目2に記載の方法。
(項目4)
前記導出データは、2次元(2D)標準偏差データを備える、項目1に記載の方法。
(項目5)
前記OCNNを非導出データに適用することをさらに含む、項目1に記載の方法。
(項目6)
前記非導出データは、極性化データを備える、項目5に記載の方法。
(項目7)
システムであって、
光コヒーレンス断層撮影光源を備える撮像デバイスであって、前記撮像デバイスは、プラークを備える血管内組織の画像を取得するように構成される、撮像デバイスと、
非一過性コンピュータ可読媒体であって、
前記プラークを複数の組織タイプのうちの第1の組織タイプとして分類するように構成される第1のニューラルネットワークを用いて、前記画像のピクセルを分析することと、
前記プラークを前記複数の組織タイプのうちの第2の組織タイプとして分類するように構成される第2のニューラルネットワークを用いて、前記画像のピクセルを分析することと、
前記プラークを前記複数の組織タイプのうちの第3の組織タイプとして分類するように構成される第3のニューラルネットワークを用いて、前記画像のピクセルを分析することと
を行うように構成される、非一過性コンピュータ可読媒体と
を備える、システム。
(項目8)
前記複数の組織タイプからの組織学的データは、前記第1、第2、および第3のニューラルネットワークを訓練するように選択されるピクセルの組織タイプを特性評価するように分析される、項目7に記載のシステム。
(項目9)
前記第1の組織タイプは、脂質プラークであり、前記第2の組織タイプは、石灰化プラークであり、前記第3の組織タイプは、線維プラークである、項目7に記載のシステム。
(項目10)
前記非一過性コンピュータ可読媒体は、前記第1、第2、および第3のニューラルネットワークのノードを用いて、前記画像の複数の特徴を評価し、受信者動作特性(ROC)曲線を使用して、前記複数の特徴の感度および特異性を計算することによって、前記第1、第2、および第3のニューラルネットワークを最適化するように構成される、項目7に記載のシステム。
(項目11)
前記複数の特徴は、以下のグレーレベル同時生起行列(GLCM)特徴、すなわち、コントラスト、エネルギー、相関、均質性、エントロピ、および最大確率のうちの1つ以上のものを備える、項目10に記載のシステム。
(項目12)
前記複数の特徴は、以下の2次元画像統計、すなわち、平均値、分散、歪曲度、尖度、およびエネルギーのうちの1つ以上のものを備える、項目10に記載のシステム。
(項目13)
前記光コヒーレンス断層撮影光源は、掃引型光コヒーレンス断層撮影光源として構成される、項目7に記載のシステム。
(項目14)
前記光コヒーレンス断層撮影光源は、広帯域光コヒーレンス断層撮影光源として構成される、項目7に記載のシステム。
(項目15)
前記撮像デバイスはさらに、短パルス状励起光源を備える、項目7に記載のシステム。
(項目16)
前記短パルス状励起光源は、二光子発光光源である、項目15に記載のシステム。
(項目17)
前記撮像デバイスはさらに、
フォトニック結晶ファイバであって、前記フォトニック結晶ファイバは、同時に、
前記光コヒーレンス断層撮影光源からサンプル部位への第1の波長の単一モード伝搬を有効にすることと、
前記短パルス状光源から前記サンプル部位への第2の波長の単一モード伝搬を有効にすることと、
光コヒーレンス断層撮影信号を前記サンプル部位から透過させることであって、前記光コヒーレンス断層撮影信号は、前記第1の波長から発生される、ことと、
放出信号を前記サンプル部位から透過させることであって、前記放出信号は、前記第2の波長によって前記短パルス状光源から誘発される、ことと
を行うように構成される、フォトニック結晶ファイバ
を備える、項目15に記載のシステム。
(項目18)
第1のダイクロイック要素をさらに備える、項目17に記載のシステム。
(項目19)
前記第1のダイクロイック要素は、前記第1および第2の波長を前記サンプル経路に指向するように構成される、項目17に記載のシステム。
(項目20)
第2のダイクロイック要素をさらに備える、項目17に記載のシステム。
(項目21)
前記第2のダイクロイック要素は、二光子発光を光子計数検出器に向かって指向するように構成される、項目20に記載のシステム。
(項目22)
平衡検出器をさらに備える、項目15に記載のシステム。
(項目23)
前記平衡検出器は、非干渉OCT構成要素を最小限にするように構成される、項目22に記載のシステム。
(項目24)
光子計数検出器をさらに備える、項目7に記載の装置。
(項目25)
前記光子計数検出器は、光電子増倍管である、項目24に記載の装置。
(項目26)
前記光子計数検出器は、アバランシェフォトダイオードである、項目24に記載の装置。
(項目27)
前記光子計数検出器は、二光子発光を検出するように構成される、項目24に記載の装置。
(項目28)
冠動脈プラークを特性評価する方法であって、前記方法は、
光を光ファイバから放出する光コヒーレンス断層撮影光源を使用して、サンプル部位の画像を取得することであって、前記画像は、プラークを備える血管内組織を備える、ことと、
前記プラークを複数の組織タイプのうちの第1の組織タイプとして分類するように構成される第1のニューラルネットワークを用いて、前記画像のピクセルの定量的データを分析することであって、前記第1のニューラルネットワークは、第1の複数のノードを備え、第1の複数の特徴を読み取る、ことと、
前記プラークを前記複数の組織タイプのうちの第2の組織タイプとして分類するように構成される第2のニューラルネットワークを用いて、前記画像のピクセルの定量的データを分析することであって、前記第2のニューラルネットワークは、第2の複数のノードを備え、第2の複数の特徴を読み取る、ことと、
前記プラークを前記複数の組織タイプのうちの第3の組織タイプとして分類するように構成される第3のニューラルネットワークを用いて、前記画像のピクセルの定量的データを分析することであって、前記第3のニューラルネットワークは、第3の複数のノードを備え、第3の複数の特徴を読み取る、ことと
を含む、方法。
(項目29)
前記複数の組織タイプからの組織学的データは、前記第1、第2、および第3のニューラルネットワークを訓練するように選択されるピクセルの組織タイプを特性評価するように分析される、項目28に記載の方法。
(項目30)
前記第1の組織タイプは、脂質プラークであり、前記第2の組織タイプは、石灰化プラークであり、前記第3の組織タイプは、線維プラークである、項目28に記載の方法。
(項目31)
前記定量的データは、以下、すなわち、コントラスト、エネルギー、相関、均質性、エントロピ、および最大確率のうちの1つ以上のものを備える分類特徴を含む、項目28に記載の方法。
(項目32)
前記複数の特徴は、以下の2次元画像統計、すなわち、平均値、分散、歪曲度、尖度、およびエネルギーのうちの1つ以上のものを備える、項目28に記載の方法。
(項目33)
前記画像の複数の分類特徴に関して真陽性対偽陽性率をプロットする受信者動作特性(ROC)曲線を計算することによって、前記第1、第2、および第3のニューラルネットワークを最適化することをさらに含む、項目28に記載の方法。
(項目34)
前記複数の分類特徴の各々に対し、各受信者動作特性(ROC)曲線下面積を計算することをさらに含む、項目33に記載の方法。
(項目35)
前記複数の分類特徴の各々に対する各受信者動作特性(ROC)曲線下面積によって、前記複数の分類特徴をランク付けすることをさらに含む、項目34に記載の方法。
(項目36)
前記第1、第2、および第3のニューラルネットワークのために、前記分類特徴の感度および特異性を計算することをさらに含む、項目35に記載の方法。
(項目37)
前記感度は、前記第1、第2、および第3のニューラルネットワークの各々によって正しく分類された既知のプラークタイプデータ点の割合である、項目36に記載の方法。
(項目38)
前記特異性は、前記第1、第2、および第3のニューラルネットワークの各々に対するプラーク組織タイプの特定のカテゴリに関する正しい分類対総分類の比である、項目36に記載の方法。
(項目39)
前記第1、第2、および第3のニューラルネットワークの各々は、前記特異性および感度の和の最高値をもたらす、前記第1、第2、および第3のニューラルネットワークの各々に対するノードおよび分類特徴の組み合わせを選択することによって、最適化される、項目36に記載の方法。
(項目40)
システムであって、
光コヒーレンス断層撮影光源を備える撮像デバイスであって、前記撮像デバイスは、血管内組織の画像を取得するように構成される、撮像デバイスと、
非一過性コンピュータ可読媒体であって、前記非一過性コンピュータ可読媒体は、前記画像内の血管内組織を複数の組織タイプのうちの第1の組織タイプとして分類するように構成される第1のニューラルネットワークを用いて、前記画像のピクセルを分析するように構成される、非一過性コンピュータ可読媒体と
を備える、システム。
(項目41)
複数の組織タイプからの組織学的データは、前記第1のニューラルネットワークを訓練するように選択されるピクセルの組織タイプを特性評価するように分析される、項目40に記載のシステム。
(項目42)
前記非一過性コンピュータ可読媒体は、前記画像内の血管内組織を前記複数の組織タイプのうちの第2の組織タイプとして分類するように構成される第2のニューラルネットワークを用いて、前記画像のピクセルを分析するように構成される、項目40に記載のシステム。
(項目43)
前記非一過性コンピュータ可読媒体は、前記画像内の血管内組織を前記複数の組織タイプのうちの第3の組織タイプとして分類するように構成される第3のニューラルネットワークを用いて、前記画像のピクセルを分析するように構成される、項目42に記載のシステム。
(項目44)
表在脂質およびカルシウム対線維組織および脂質、カルシウム組織、および結合組織間の判別を改良する方法であって、前記方法は、
(1)組織学およびユーザ入力に基づいて、各線維、カルシウム、脂質、および結合組織のa-走査特性のデータベースを生成することと、
(2)個々のa-走査を1つずつb-走査から解析することと、
(3)組織領域を境界することと、
(4)信号減弱領域の起始の指標を識別することと、
(5)前記信号減弱領域の停止の指標を識別することと、
(6)ガウス関数への最良適合(GOF)を計算することと、
(7)前記ガウス関数内の分母係数を抽出することと、
(8)信号減弱領域下面積を計算することと、
(9)総境界組織領域下面積を計算することと、
(10)ステップ(4)および(5)からの統計を前記データベース上で訓練された線形判別分析(LDA)の中に入力し、a-走査を線維、カルシウム、または脂質として分類することと
を含む、方法。
(項目45)
方法38のステップ(10)において取得されたa-走査分類に基づいて、ニューラルネットワーク上の閾値にバイアスを付与することをさらに含む、項目44に記載の方法。
(項目46)
組織領域を境界することは、管腔の開始点から強度が最大強度の5パーセントである点までサンプリングすることを含む、項目44に記載の方法。
(項目47)
信号減弱領域の起始の指標を識別することは、
傾きが窓の端点における強度値間で計算されるパニング窓アルゴリズムを使用することと、
5つの連続窓が負の傾きを示すとき、信号減弱領域iを決定することと
を含む、項目44に記載の方法。
(項目48)
前記信号減弱領域の停止の指標を識別することは、前記信号減弱領域内の正の傾きのものを伴う5つの連続窓を識別することを含む、項目44に記載の方法。
本実施形態では、2次元窓化画像統計は、平方窓を着目ピクセルの周囲に発生させ、以下の統計を計算することによって決定される。
(1)平均値
(2)分散
(3)歪曲度
(4)尖度
(5)エネルギー
(1)コントラスト
(2)エネルギー
(3)相関
(4)均質性
(5)エントロピ
(6)最大確率
結果
議論および結論
ある実施形態では、患者インターフェースモジュール502は、2つの方向(例えば、前方への押動または後方への引動)における最大50mm/秒の可変平行移動速度で、100mmの線形ストロークをカテーテル501に提供するように構成されることができる。加えて、患者インターフェースモジュール502は、最大3,600回転毎分の速度で撮像ポート533を回転させ、回転あたり1,000A-走査を取得するように構成されることができる。
(参考文献)
Claims (6)
- 表在脂質およびカルシウム対線維組織および脂質、カルシウム組織、および結合組織間の判別を改良する方法であって、前記方法は、
画像を入手することであって、前記画像は、点または線形アレイトランスデューサから構築された信号である、ことと、
前記画像が構築された方法を分析し、前記画像から導出データを数学的に抽出することと、
最適化された直交畳み込みニューラルネットワーク(OCNN)を使用することにより、前記導出データを分類することと
を含む、方法。 - 前記画像は、光コヒーレンス断層撮影(OCT)プロセスを使用して取得される、請求項1に記載の方法。
- 前記導出データは、前記OCTプロセスの間に実施されるA-走査の減衰データを備える、請求項2に記載の方法。
- 前記導出データは、2次元(2D)標準偏差データを備える、請求項1に記載の方法。
- 前記最適化されたOCNNを使用することにより、非導出データを分類することをさらに含む、請求項1に記載の方法。
- 前記非導出データは、極性化データを備える、請求項5に記載の方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023217939A JP2024023852A (ja) | 2018-12-14 | 2023-12-25 | マルチチャネル直交畳み込みニューラルネットワーク |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862779888P | 2018-12-14 | 2018-12-14 | |
US62/779,888 | 2018-12-14 | ||
PCT/US2019/065850 WO2020123739A1 (en) | 2018-12-14 | 2019-12-12 | Multi-channel orthogonal convolutional neural networks |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023217939A Division JP2024023852A (ja) | 2018-12-14 | 2023-12-25 | マルチチャネル直交畳み込みニューラルネットワーク |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2022513200A JP2022513200A (ja) | 2022-02-07 |
JPWO2020123739A5 JPWO2020123739A5 (ja) | 2022-12-19 |
JP7467466B2 true JP7467466B2 (ja) | 2024-04-15 |
Family
ID=71073798
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021533203A Active JP7467466B2 (ja) | 2018-12-14 | 2019-12-12 | マルチチャネル直交畳み込みニューラルネットワーク |
JP2023217939A Withdrawn JP2024023852A (ja) | 2018-12-14 | 2023-12-25 | マルチチャネル直交畳み込みニューラルネットワーク |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023217939A Withdrawn JP2024023852A (ja) | 2018-12-14 | 2023-12-25 | マルチチャネル直交畳み込みニューラルネットワーク |
Country Status (5)
Country | Link |
---|---|
US (1) | US11779220B2 (ja) |
EP (1) | EP3893734A4 (ja) |
JP (2) | JP7467466B2 (ja) |
AU (1) | AU2019397494A1 (ja) |
WO (1) | WO2020123739A1 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11189171B2 (en) * | 2018-03-13 | 2021-11-30 | Nec Corporation | Traffic prediction with reparameterized pushforward policy for autonomous vehicles |
EP3909016A1 (en) * | 2019-01-13 | 2021-11-17 | Lightlab Imaging, Inc. | Systems and methods for classification of arterial image regions and features thereof |
GB201906103D0 (en) * | 2019-05-01 | 2019-06-12 | Cambridge Entpr Ltd | Method and apparatus for analysing intracoronary images |
US11030743B2 (en) * | 2019-05-16 | 2021-06-08 | Tencent America LLC | System and method for coronary calcium deposits detection and labeling |
KR102068279B1 (ko) | 2019-10-04 | 2020-01-20 | 주식회사 루닛 | 이미지 분석 방법 및 시스템 |
WO2023077239A1 (en) * | 2021-11-05 | 2023-05-11 | Daskalopoulou Styliani Stella | Method and system for detection of histopathological plaque features in medical images using deep neural networks |
CN114387464A (zh) * | 2021-12-01 | 2022-04-22 | 杭州脉流科技有限公司 | 基于ivus影像的易损斑块识别方法、计算机设备、可读存储介质和程序产品 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160078309A1 (en) | 2014-09-12 | 2016-03-17 | Research Development Foundation | Apparatus and methods for identifying and evaluating bright spot indications observed through optical coherence tomography |
WO2017214421A1 (en) | 2016-06-08 | 2017-12-14 | Research Development Foundation | Systems and methods for automated coronary plaque characterization and risk assessment using intravascular optical coherence tomography |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5995651A (en) | 1996-07-11 | 1999-11-30 | Duke University | Image content classification methods, systems and computer programs using texture patterns |
WO2002088705A2 (en) | 2001-05-01 | 2002-11-07 | The General Hospital Corporation | Method and apparatus for determination of atherosclerotic plaque type by measurement of tissue optical properties |
US7016048B2 (en) * | 2002-04-09 | 2006-03-21 | The Regents Of The University Of California | Phase-resolved functional optical coherence tomography: simultaneous imaging of the stokes vectors, structure, blood flow velocity, standard deviation and birefringence in biological samples |
DE102005010076A1 (de) | 2005-03-04 | 2006-09-07 | Siemens Ag | Bildbearbeitungsverfahren für ein digitales medizinisches Untersuchungsbild und zugehörige Untersuchungseinrichtung |
US20120022360A1 (en) * | 2008-03-28 | 2012-01-26 | Volcano Corporation | Methods for intravascular imaging and flushing |
WO2009121067A1 (en) * | 2008-03-28 | 2009-10-01 | Volcano Corporation | Method and apparatus for simultaneous hemoglobin reflectivity measurement |
EP2293714B1 (en) | 2008-06-02 | 2014-08-13 | Lightlab Imaging, Inc. | Quantitative methods for obtaining tissue characteristics from optical coherence tomography images |
US20120163693A1 (en) | 2010-04-20 | 2012-06-28 | Suri Jasjit S | Non-Invasive Imaging-Based Prostate Cancer Prediction |
CN105074379B (zh) | 2013-03-14 | 2019-05-17 | 研究发展基金会 | 用于光学相干断层扫描和双光子荧光成像的设备和方法 |
US10542954B2 (en) * | 2014-07-14 | 2020-01-28 | Volcano Corporation | Devices, systems, and methods for improved accuracy model of vessel anatomy |
US10478130B2 (en) | 2015-02-13 | 2019-11-19 | Siemens Healthcare Gmbh | Plaque vulnerability assessment in medical imaging |
-
2019
- 2019-12-12 WO PCT/US2019/065850 patent/WO2020123739A1/en unknown
- 2019-12-12 JP JP2021533203A patent/JP7467466B2/ja active Active
- 2019-12-12 AU AU2019397494A patent/AU2019397494A1/en active Pending
- 2019-12-12 EP EP19895039.6A patent/EP3893734A4/en active Pending
- 2019-12-12 US US16/712,122 patent/US11779220B2/en active Active
-
2023
- 2023-12-25 JP JP2023217939A patent/JP2024023852A/ja not_active Withdrawn
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160078309A1 (en) | 2014-09-12 | 2016-03-17 | Research Development Foundation | Apparatus and methods for identifying and evaluating bright spot indications observed through optical coherence tomography |
WO2017214421A1 (en) | 2016-06-08 | 2017-12-14 | Research Development Foundation | Systems and methods for automated coronary plaque characterization and risk assessment using intravascular optical coherence tomography |
JP2019518581A (ja) | 2016-06-08 | 2019-07-04 | リサーチ ディヴェロプメント ファウンデーション | 血管内光干渉断層撮影法を用いた冠動脈プラークの自動特徴分析およびリスク評価のためのシステムおよび方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2022513200A (ja) | 2022-02-07 |
AU2019397494A1 (en) | 2021-06-03 |
US11779220B2 (en) | 2023-10-10 |
EP3893734A1 (en) | 2021-10-20 |
EP3893734A4 (en) | 2022-08-10 |
US20200187790A1 (en) | 2020-06-18 |
JP2024023852A (ja) | 2024-02-21 |
WO2020123739A1 (en) | 2020-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7467466B2 (ja) | マルチチャネル直交畳み込みニューラルネットワーク | |
AU2017277784B2 (en) | Systems and methods for automated coronary plaque characterization and risk assessment using intravascular optical coherence tomography | |
US11890077B2 (en) | Apparatus, devices and methods for in vivo imaging and diagnosis | |
US11129535B2 (en) | Apparatus, devices and methods for obtaining omnidirectional viewing by a catheter | |
US7539530B2 (en) | Method and system for spectral examination of vascular walls through blood during cardiac motion | |
US11382516B2 (en) | Apparatuses, methods, and storage mediums for lumen and artifacts detection in one or more images, such as in optical coherence tomography images | |
US9713448B2 (en) | System and method for intravascular structural analysis compensation of chemical analysis modality | |
JP7135050B2 (ja) | 血管内画像処理のための血管内画像処理装置、方法及び非一時的記憶媒体 | |
KR101746763B1 (ko) | 망막 또는 맥락막 내 혈관조영 광가간섭 단층촬영 장치 및 이를 이용한 질병 진단방법 | |
EP3949835A2 (en) | Auto-pullback triggering method for intracoronary imaging apparatuses or systems using blood clearing | |
JP7034131B2 (ja) | 低コヒーレンス干渉法のための方法及び装置 | |
Villiger et al. | Future development | |
US20230289956A1 (en) | System and Method for identifying potential false positive and blind spot locations in catheter-based multimodal images | |
Villiger et al. | Future Development 14 | |
Flueraru et al. | Improved arterial tissue differentiation by spectroscopic optical coherence tomography | |
Dana et al. | Conference 9303E: Diagnostic and Therapeutic Applications of Light in Cardiology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221209 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221209 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230927 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231002 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231225 |
|
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: 20240313 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240403 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7467466 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |