JP7497390B2 - 血管内機器の検出及び圧着測定のためのシステム及び方法 - Google Patents

Description

本開示は、医療機器の検出及び圧着に関し、より詳細には、ステント等の血管内機器の検出と血管内機器圧着の測定のための機器、システム及び方法に関する。

冠動脈疾患は、先進国では主要な死因であり、３５歳以上の人の全死因のほぼ３分の１を占める。動脈壁内に動脈硬化性プラークが蓄積すると、動脈狭窄が引き起こされ、血流が悪くなり、最終的に心筋梗塞の原因となる。

動脈狭窄の低侵襲治療としては、ステントとして知られる血管内インプラントの使用が挙げられ、これは、動脈形状を復元し、心筋への血流供給を増加させることを目的とする。ステントは、カテーテルを通して狭窄血管に挿入され、ステント内でバルーンを膨らませることによって拡張され、これにより、同時に狭窄を開くとともにステントを膨らませる。バルーンがしぼんだ後、ステントは、標的領域において膨らんだままとなり、そこを開いた状態に保持する。しかしながら、ステントが動脈壁に完全に圧着されず、将来的に深刻な事態を引き起こす場合がある。ステント圧着は、光干渉断層撮影法（ＯＣＴ）等の血管内イメージングモダリティを用いて視覚的に検証されるが、これは、経験豊富な読影者への依存度が高い手技である。この制約を克服するために、文献上では自動処理方法が導入されている。一部の方法では、ステントストラットを検出し、ステント圧着測定を実行することが可能である。しかしながら、従来の方法では、一部の血管内画像においてステントが完全にイメージングされず、圧着の程度を計算するために２次元（２Ｄ）距離測定が用いられる。したがって、従来の方法では、ステントが全ての血管内画像に完全に写っているわけではなく、かつ／又は、圧着率が２Ｄ測定に基づいて大まかに推定される場合があるので、従来の方法は、ステントの特定の断面に基づく場合がある。

血管内機器を検出し、血管壁に対する血管内機器の圧着を測定するためのシステム、方法及びコンピュータ可読媒体が開示される。

本開示の一部の実施形態によれば、システムは、１つ以上のプロセッサと、当該１つ以上のプロセッサによって実行されるように構成された実行可能命令を格納した１つ以上のコンピュータ可読媒体と、を備え、１つ以上のコンピュータ可読媒体及び１つ以上のプロセッサは、システムに、以下を実行させるように構成される：血管壁及び血管内機器の血管内画像データを取得することであって、血管内画像データは複数の画像を含む、取得すること；複数の画像を表す信号を生成すること；複数の画像を表す信号に基づいて、複数の画像のうち、血管内機器に対応する１つ以上の画像を特定すること；血管内機器に対応する１つ以上の画像に基づいて、血管内機器の３次元（３Ｄ）形状の表現を生成すること；血管内機器に対応する管腔セグメントの３Ｄ形状の表現を用いて、血管壁に対する血管内機器の圧着値を決定することであって、圧着値は、管腔セグメントの３Ｄ形状と血管内機器の３Ｄ形状との間のボリューム差に基づく、決定すること；及び、圧着値を示す情報を提示すること。

一部の実施形態では、血管内機器（ステント等）の各断面にそれぞれ対応する画像が特定され、それを用いて、血管壁に完全に圧着していないステントの割合を示す圧着値が決定される。本開示の実施形態では、例えばステントの撮像断面の全てを使用することにより、また、３Ｄでステント圧着を測定することにより、圧着測定の精確性が向上する。

本開示の更なる特徴は、添付の図面を参照した例示の実施形態の以下の説明から明らかになるであろう。図中、同様の参照文字は、その図面全体を通して同じ又は類似の部分を示す。

添付の図面（本明細書に組み込まれ、その一部を構成する）は、本開示の実施形態を示し、説明とともに、本開示の原理を説明するのに役立つ。

図１は、例示の光干渉断層撮影（ＯＣＴ）システムを示す。 図２は、例示のカテーテルを示す。 図３は、対象と、ステントと、イメージングプローブのらせん状経路の例を示す。 図４は、らせん状経路上のＯＣＴイメージングプローブによる例示のＡラインスキャンの位置を示す。 図５Ａ～図５Ｃは、ＯＣＴ画像データの一連のフレームにおけるステント外観を示す例示のＡライン画像を示す。 図６は、ステント検出に用いられる例示の動作フローを示す。 図７は、血管内画像データの２次元表現を示す例示のカーペットビュー画像を示す。 図８は、図７の血管内画像データの表現に基づいて生成された例示の信号を示す。 図９は、図８の信号に重ね合わされた移動平均平滑化信号の例を示すとともに、例示の信号セグメントを示す。 図１０は、ステント検出に用いられる例示の動作フローを示す。 図１１は、Ａライン画像の例を示す。 図１２は、図１１に示されたＡライン画像に対応する例示のＡライン信号を示す。 図１３は、図１２のＡライン信号の検出された谷を示し、検出された谷の各々は候補ステントストラットに対応する。 図１４は、ステント検出に用いられる例示の動作フローを示す。 図１５Ａ～図１５Ｃは、処理の異なる段階での例示のカーペットビュー画像を示す。図１５Ａは、カーペットビュー画像を示す。図１５Ｂは、図１５Ａのカーペットビュー画像のバイラテラルフィルタリングを示す。図１５Ｃは、カーペットビュー画像のバイラテラルフィルタリング及びバイナリセグメンテーションの後の例示のバイナリ画像を示すとともに、ガイドワイヤオブジェクトの表現を示す。 図１６は、例示のカーペットビュー画像を示す。図１６は、図１７に示されるフレームＸに対応する縦白線を含み、縦白線は、図１７に示されるガイドワイヤ画素に対応する灰色セグメント（白線を両断する）を含む。 図１７は、フレームＸ（図１６では縦白線として示される）の例示のＡライン画像を示す。図１７は、Ａライン画像とガイドワイヤ画素（図１６では、縦白線を両断する灰色セグメントとして示される）との間の対応関係を示す。 図１８は、例示のＡライン信号と、検出されたステントストラットを示す。図１８（並びに対応する図１９及び図２０）は、ステントストラット検出の例を示す。 図１９は、図１８の検出されたステントストラットを表示する極座標ＯＣＴ画像を示す。 図２０は、図１８の検出されたステントストラットを表示するデカルトＯＣＴ画像を示す。 図２１は、ステント圧着測定に用いられる例示の動作フローを示す。 図２２Ａ～図２２Ｃは、３つの連続するバイナリフレームの例を示し、それぞれ、ステントストラット（星印）と、ステントストラットにわたるスプラインを用いて作成された対応するオブジェクト（白色）とを示す。 図２３Ａ～図２３Ｃは、図２２Ａ～図２２Ｃのバイナリフレームにそれぞれ対応する３つの一連のバイナリフレームを示す。図２３Ｂは、補間の例を示す。 図２４は、ステントボリュームの表現である、ステントの３Ｄ形状の例示表現を示す。 図２５は、管腔ボリュームの表現である、管腔の３Ｄ形状の例示表現を示す。 図２６Ａ～図２６Ｃは、図２６Ａ（ビュー１）、図２６Ｂ（ビュー２）及び図２６Ｃ（ビュー３）に異なる角度で提示された、ボリューム差の３つの例示ビューを示し、それぞれ、管腔ボリュームとステントボリュームの間の差を示す。 図２７は、例示のネットワーク環境を示す。 図２８は、例示の計算システムを示す。 図２９は、機械学習モデルの訓練のための例示の動作フローを示す。 図３０は、機械学習モデルの訓練のための例示の訓練データを示す。

以下の段落では、特定の説明的な実施形態を記載する。他の実施形態は、代替、均等物及び変更を含む場合がある。加えて、説明的な実施形態はいくつかの特徴を含む場合があり、特定の特徴は、本明細書に記載の装置、システム及び方法の一部の実施形態には必須ではない場合がある。更に、一部の実施形態は、以下の説明的な実施形態の２つ以上からの特徴を含む。また、本明細書で用いられる場合、「又は」という接続詞は、一般に包括的な「又は」を指すが、明示的に示される場合、或いは文脈上「又は」が排他的な「又は」でなければならないことが示される場合、「又は」は排他的な「又は」を指す場合がある。

本明細書には、ステントの検出とステント圧着の測定のためのシステム及び方法の改善が開示される。本開示の特徴は、より速いステント検出や圧着率の精度の向上等、現在の検出方法に優る改善点を提供する。例えば、一部の実施形態は、処理されるデータ量を低減しながらステント検出を実行し、それにより、ステント検出に要する計算時間を短縮することを含む。更に、本開示の特徴によって、より正確な圧着測定が提供される。例えば、一部の実施形態は、ステントの表面に沿って欠測データを補間することと、各フレームのステント輪郭及び対応する管腔輪郭を用いて、ステント及び管腔の３次元（３Ｄ）ボリュームを生成することと、を含む。管腔３Ｄボリュームからステント３Ｄボリュームが差し引かれて、それぞれの３Ｄボリューム間のボリューム差が取得され、ボリューム差に基づいてステント圧着率が決定される。本開示の更なる特徴及び改善点を後述する。

血管内イメージングプルバックにより、動脈血管を表す多数の２次元（２Ｄ）画像が得られる。ステントは、プルバック画像の１／５～１／８に相当する動脈血管のごく一部に配置される。更に、ステントフレームに示されるステントストラットの数は、プルバック時の撮像信号のらせん動作の影響を受ける。各フレーム内に見えるステントストラットは、断面の１／８を表す画像の小さなセグメントから、断面全体を表す画像全体に至るまで、変化し得る。現在利用可能な方法は、動脈プルバック全体をスキャンすること（計算時間を増加させる）と、２Ｄ画像に見られる個々のステントストラットの全てを検出することを重視している。これにより、３Ｄ空間に存在する問題点であるステント圧着の程度を計算するために、２Ｄ距離測定を行うことになる。３Ｄでステントを表現する方法も導入されているが、そのような方法では３Ｄ測定を行うことができず、可視化のみを目的として用いられている。

本開示の実施形態は、先に特定した現在利用可能な方法の制約を克服し、高速かつ現実的なステント圧着測定を提供する。一部の実施形態によれば、本明細書に開示されるシステム及び方法は、以下のうちの１つ以上を実行する。Ａ）光干渉断層撮影（ＯＣＴ）システムのプルバックフレーム（２ＤのＡライン画像フレーム）をインポートし、各画像のＡラインを平均化することによってプルバックのカーペットビューを構築し、カーペットビュー画像の各縦線を平均化することによってカーペットビュー信号を抽出する。Ｂ）信号を１０値のセグメントに分割し、各セグメントについて特徴を抽出し、それらをステント又は非ステントに分類する（カーペットビューのどこからどこまでがステントであるかを示す）。Ｃ）ステントに対応する各フレームについて、各フレームのＡラインを平均化することによってＡライン信号を作成し、Ａライン信号の谷を検出する。検出された谷の各々は、ステント候補Ａラインに対応する。Ｄ）フレームのＡライン信号の平均値を計算し、それを２で割って、ステント谷閾値（Thr）を定義する。次に、ステップＢのカーペットビュー画像にOtsu自動二値化を適用し、ガイドワイヤオブジェクトを、カーペットビューを貫通するオブジェクトとして定義する。Ｅ）各フレーム内のステントＡラインを、谷＜Thrに対応し、かつガイドワイヤオブジェクト画素に属さないＡラインとして検出する。次に、各ステントＡラインの最も明るい画素を、ステントストラットとして定義する。Ｆ）前後のフレームストラットを用いて、フレームの欠測／未検出ストラットを平均化し、スプラインを用いてそれらを接続する。Ｇ）管腔輪郭（例えば独立した管腔検出アルゴリズムによって提供される）を用いて、各輪郭セット（管腔及びステント）を３Ｄ空間に変換する。各輪郭セットについてボリュームを作成し、それらのボリューム差としてステント圧着を計算する。本明細書では、先に特定したプロセス及び特徴を詳述する。

ここで図面の詳細に目を向けると、図１は、本開示の１つ以上の態様に係る光学プローブを用いて、本明細書に記載のステント、管腔及び／又はアーチファクトの検出技術の１つ以上の実施形態等のＯＣＴ技術を利用するように機能するＯＣＴシステム１００を示す。一部の実施形態では、計算システム１０１は、ＯＣＴシステム１００を制御するように機能する。一部の実施形態では、計算システム１０１は、本明細書で説明又は図示される１つ以上の方法の１つ以上のステップを実行する。一部の実施形態では、計算システム１０１は、本明細書に記載又は図示される機能を提供する。一部の実施形態では、計算システム１０１上で動作するソフトウェアは、本明細書で説明又は図示される１つ以上の方法の１つ以上のステップを実行し、又は、本明細書で説明又は図示される機能を提供する。特定の実施形態は、計算システム１０１の１つ以上の部分を含む。一部の実施形態では、計算システム１０１は、ＯＣＴシステム１００の１つ以上の実在物とインタラクトして、ＯＣＴシステム１００を制御する。計算システム１０１は、ＯＣＴシステム１００の実在物の１つ以上と通信し情報を送受信するために、任意の適切なプロトコル、規格、データ交換形式、又はこれらのうちの組合わせを用いてよい。

計算システム１０１は、アプリケーション１１２及びデータ記憶部１１３を含む。計算システム１０１のこれらのコンポーネントは、任意の適切な方式で計算システム１０１に存在する。例えば、これらのコンポーネントは、１つ又は複数の装置に存在してよい。一部の実施形態では、これらのコンポーネントの一方又は両方は、ソフトウェアアプリケーションの一部として提供されてよい。一部の実施形態では、これらのコンポーネントの一方又は両方は、スタンドアロンのソフトウェアアプリケーションとして提供されてよい。

アプリケーション１１２は、プログラム及び関連データを含む。一部の実施形態では、計算システム１０１上で動作するアプリケーションは、本明細書で説明又は図示される１つ以上の動作を実行し、又は、本明細書で説明又は図示される機能を提供する。例えば、アプリケーション１１２のプログラムは、１つ以上のプロセッサによって実行されたときに、本明細書で説明又は図示される１つ以上の動作を計算システム１０１に実行させる命令を含んでよい。一部の実施形態では、アプリケーションは、計算システム１０１上でプログラム命令を実行し、本明細書に記載の１つ以上の動作を実行することによってステント検出及びステント圧着測定を実行するための、データ及び１つ以上のプログラムを含む。一部の実施形態では、計算システム１０１上で動作するアプリケーション１１２は、ＯＣＴシステム１００の１つ以上の実在物とインタラクトする。一部の実施形態では、計算システム１０１上で動作するアプリケーション１１２は、ネットワーク上の１つ以上の実在物との間で、要求を送信したり情報を受け取ったりすることができる。一部の実施形態では、計算システム１０１上で動作するアプリケーション１１２は、ディスプレイ１１１上に情報を提示する。

計算システム１０１は、データ記憶部１１３に格納された情報の保持及びアクセスのための機能を提供する。一部の実施形態では、計算システム１０１上で動作するアプリケーション１１２は、データ記憶部１１３に関する動作を実行する。計算システム１０１は、例えば、エントリをデータ記憶部１１３に追加すること；データ記憶部１１３からエントリを削除すること；データ記憶部１１３内のエントリを変更すること；データ記憶部１１３内のエントリを検索すること；及び、データ記憶部１１３からエントリを再取得すること等の、様々な動作を実行することができる。データ記憶部１１３内の情報は、任意の適切な方式で編成されてよく、また、アプリケーション１１２の機能を実装するため等の任意の適切な理由のために編成されてよい。一部の実施形態では、計算システム１０１は、１つ以上の動作を実行して、データ記憶部１１３において以下のうちの１つ以上を追加、削除、変更、検索又は再取得することができる：ＯＣＴシステム１００から取得された血管内画像データ；血管内画像データを用いて生成された情報；機械学習モデルに関する情報；又は、その他の適切な情報。血管内画像データは、例えば、血管及び当該血管の管腔内に配置されたステントの画像データや、血管の管腔内の複数の場所で信号を発信及び受信するＯＣＴ器具（光学プローブ等）によって取得された複数の画像を含む血管内画像データであってよい。血管内画像データを用いて生成される情報としては、例えば、カーペットビューでの血管内画像データの２Ｄ表現、カーペットビュー画像から生成された信号、信号の特徴についての情報、バイナリマスク、輪郭オブジェクト、ステントの３Ｄ形状の表現、管腔の３Ｄ形状の表現、ステント圧着値を示す情報、その他の適切な情報が挙げられる。

ＯＣＴシステム１００は、光源１０９、参照アーム１０２、サンプルアーム１０３、スプリッタ１０４、参照ミラー１０５及び１つ以上の検出器１０７を備える。ＯＣＴシステム１００は移相デバイス又はユニット１０８を含んでよく、１つ以上の実施形態では、移相デバイス又はユニットは省略することができる。１つ以上の実施形態では、ＯＣＴシステム１００は、患者インタフェースデバイス又はユニット（ＰＩＵ）１１０及びカテーテル１２０（図１～図２に図式的に示される）を含んでよく、ＯＣＴシステム１００は、サンプル又は標的１０６とインタラクトすることができる（例えばカテーテル１２０及び／又はＰＩＵ１１０を介して）。１つ以上の実施形態では、ＯＣＴシステム１００は干渉計を含み、或いは、干渉計は、少なくとも光源１０９、参照アーム１０２、サンプルアーム１０３、スプリッタ１０４及び参照ミラー１０５等の、ＯＣＴシステム１００の１つ以上のコンポーネントによって画成される。

光源１０９はスプリッタ１０４への光を生じるように機能し、スプリッタ１０４は、光源１０９からの光を、参照アーム１０２に入る参照ビームとサンプルアーム１０３に入るサンプルビームとに分離する。スプリッタ１０４は、参照ミラー１０５、１つ以上の検出器１０７及びサンプル又は標的１０６に対して、角度を成して位置付け又は配置される。参照ビームは移相ユニット１０８（システムに含まれる場合、ＯＣＴシステム１００に示される）を通過し、参照ビームは参照アーム１０２の参照ミラー１０５に反射される。一方、サンプルビームは、サンプルアーム１０３のＰＩＵ（患者インタフェースユニット）１１０及びカテーテル１２０を通して、サンプル１０６から反射又は散乱される。参照ビームとサンプルビームの両方は、スプリッタ１０４で結合（又は再結合）し、干渉縞を生成する。ＯＣＴシステム１００及び／又はその干渉計の出力は、１つ以上の検出器１０７（例えばフォトダイオードやマルチアレイカメラ等）で連続的に取得される。１つ以上の検出器１０７は、結合又は再結合された２つの放射線又は光ビーム間の干渉又は干渉縞を測定する。１つ以上の実施形態では、フリンジ効果が作り出され、１つ以上の検出器１０７によって測定することができるように、参照ビームとサンプルビームは、異なる光路長を進む。ＯＣＴシステム１００及び／又はその干渉計の出力から得られる電気アナログ信号は、デジタル信号に変換されて、計算システム１０１等のコンピュータによって解析される。１つ以上の実施形態では、光源１０９は、放射線源であってもよいし、又は、広帯域の波長で放射される広帯域光源であってもよい。１つ以上の実施形態では、ソフトウェア及び電子機器を含むフーリエ解析器を用いて、電気アナログ信号を光スペクトルに変換することができる。

光源１０９は、複数の光源を含んでもよいし、単一の光源であってもよい。光源１０９は、１つ以上の実施形態において、広帯域レーザ光を発生する。光源１０９は、レーザ、有機発光ダイオード（ＯＬＥＤ）、発光ダイオード（ＬＥＤ）、ハロゲンランプ、白熱灯、レーザによって励起される超連続光源、及び／又は蛍光灯のうち１つ以上を含んでよい。光源１０９は、少なくとも３つのバンドに分離できる光を提供する任意の光源であってよく、各バンドは更に分散されて、空間情報のスペクトル符号化に用いられる光を提供する。光源１０９は、ＯＣＴシステム１００の他のコンポーネントにファイバ結合されてもよいし、自由空間結合されてもよい。

本開示の少なくとも１つの態様によれば、ＯＣＴシステムの機能は、光ファイバを用いて実装される。前述したように、本開示のＯＣＴ技術の１つの用途は、図１～図２に概略的に示されるように、カテーテル１２０とともにＯＣＴを使用することである。

図２は、シース２２１、コイル２２２、プロテクタ２２３及び光学プローブ２２４を含むカテーテル１２０の実施形態を示す。図１～図２に概略的に示されるように、カテーテル１２０は、プルバックでコイル２２２をスピンさせるために、ＰＩＵ１１０に接続されることが好ましい（例えば、ＰＩＵ１１０の少なくとも１つの実施形態は、プルバックでコイル２２２をスピンさせるように機能する）。コイル２２２は、その近位端から遠位端へ（例えば、ＰＩＵ１１０の回転モータを介して、又はそれによって）トルクを送達する。１つ以上の実施形態では、評価されている生体器官、サンプル又は物質（血管や心臓等の中空器官等）の全方向ビューを見るために光学プローブ２２４の遠位端もスピンするように、コイル２２２は、光学プローブ２２４とともに／光学プローブ２２４に固定される。例えば、アクセスするのが困難な内臓器官（血管内画像や消化管、その他の狭域等）へのアクセスを提供するために、ＯＣＴ干渉計のサンプルアーム（図１に示されるサンプルアーム１０３等）内には、光ファイバのカテーテル及び内視鏡が存在してよい。カテーテル１２０又は内視鏡の内部の光学プローブ２２４を通る光のビームが関心表面にわたって回転すると、１つ以上のサンプルの断面画像が得られる。３Ｄデータを取得するために、光学プローブ２２４は、回転スピン中に長手方向に同時に並進されて、らせん状のスキャンパターンをもたらす。この並進は、プローブ２２４の先端を近位端に向かって引き戻すことによって行うことができるので、プルバックと呼ばれる。

１つ以上の実施形態では、１つ以上のコンポーネント（プローブの１つ以上のコンポーネント（例えばカテーテル１２０（例えば図１及び図２））、針、カプセル、患者インタフェースユニット（例えば患者インタフェースユニット１１０））を、１つ以上の他のコンポーネント（光学部品、光源（例えば光源１０９）、偏向部（例えば、光源からの光を光学干渉系へ偏向してから、光学干渉系から受け取った光を少なくとも１つの検出器に向けて送るように機能するコンポーネントである偏向又は被偏向部；１つ以上の干渉計、サーキュレータ、スプリッタ、アイソレータ、カプラ、融着ファイバカプラ、穴を有する部分切断ミラー、タップを有する部分切断ミラー等のうちの少なくとも１つを含む偏向又は被偏向部）、サンプルアーム１０２、接続コンポーネント及び又は患者ユーザインタフェース１１０に電力供給するように機能するモータ）に接続するために、患者ユーザインタフェース１１０は、接続コンポーネント（又はインタフェースモジュール）（回転接合部等）を備えてよく、或いは含んでよい。例えば、接続部材又はインタフェースモジュールが回転接合部である場合、回転接合部は後述するように機能することが好ましい。１つ以上の他の実施形態では、回転接合部は、接触型回転接合部、レンズレス回転接合部、レンズベース回転接合部、又は当業者に既知の他の回転接合部のうちの少なくとも１つであってよい。

少なくとも１つの実施形態では、ＰＩＵ１１０は、光ファイバ回転接合部（ＦＯＲＪ）と、回転モータ及び並進電動ステージ（例えばＰＩＵ１１０の一部）と、カテーテルコネクタ（例えばＰＩＵ１１０の一部）とを含んでよい。ＦＯＲＪにより、ファイバをファイバ軸に沿って回転させながら、光信号を途切れることなく伝送することができる。ＦＯＲＪは、ロータ及びステータを含む自由空間光ビームコンバイナを有してよい。

少なくとも１つの実施形態では、計算システム１０１は、モータ及び並進電動ステージの動きを制御し、少なくとも１つの検出器１０７から強度データを取得し、スキャン画像をディスプレイ１１１（例えばモニタ、スクリーン）上に表示するように機能する。１つ以上の実施形態では、計算システム１０１は、モータの速度を変更し、かつ／又は、モータを停止するように機能する。モータは、速度を制御して位置の精度を高めるために、ステッピング又はＤＣサーボモータであってよい。

１つ以上の実施形態では、計算システム１０１は、ＯＣＴシステム１００、カテーテル１２０、及び／又は、ＯＣＴシステム１００の１つ以上の他の前述のコンポーネントを制御するように機能する。少なくとも１つの実施形態では、計算システム１０１は、ＯＣＴシステム１００の少なくとも１つの検出器１０７から強度データを得るように機能し、また、ディスプレイ１１１上に画像を表示する。ＯＣＴシステム１００の１つ以上のコンポーネントの出力は、例えばフォトダイオード、光電子増倍管（ＰＭＴ）、ラインスキャンカメラ又はマルチアレイカメラ等の、ＯＣＴシステム１００の少なくとも１つの検出器１０７によって取得することができる。ＯＣＴシステム１００又はその１つ以上のコンポーネントの出力から得られる電気アナログ信号は、デジタル信号に変換されて、計算システム１０１等のコンピュータによって解析される。１つ以上の実施形態では、光源１０９は、放射線源であってもよいし、又は、広帯域の波長で放射される広帯域光源であってもよい。１つ以上の実施形態では、ソフトウェア及び電子機器を含むフーリエ解析器を用いて、電気アナログ信号を光スペクトルに変換することができる。一部の実施形態では、少なくとも１つの検出器１０７は、３つの異なる帯域の光を検出するように構成された３つの検出器を含む。

一部の実施形態では、計算システム１０１はディスプレイ１１１を含み、ディスプレイ１１１は、計算システム１０１の内蔵コンポーネントである。一部の実施形態では、ディスプレイ１１１と計算システム１０１は別個の機器であり、ディスプレイ１１１は、計算システム１０１と通信する出力機器或いは入出力機器である。

計算システム１０１は、イメージングを実行するためにＰＩＵ１１０、カテーテル１２０、及び／又はＯＣＴシステム１００の１つ以上の他のコンポーネントと通信し、取得された強度データから画像を再構成する。ディスプレイ１１１は、再構成された画像を表示し、また、撮像条件又は撮像対象の物体に関する他の情報を表示することができる。一部の実施形態では、ディスプレイ１１１は、液晶ディスプレイ（ＬＣＤ）とバックライトを含み、これにより、グラフィカルユーザインタフェース（ＧＵＩ）に情報を提示する等の出力操作が可能となる。一部の実施形態では、ディスプレイ１１１は、ディスプレイ１１１上のＧＵＩに提示されたインタフェース要素に対する接触に基づいて、ユーザ入力又はコマンドを受け取るように動作可能なタッチセンサ式要素を含む。インタフェース要素は、ディスプレイ１１１上に表示されるグラフィックオブジェクトであり得る。また、ディスプレイ１１１は、例えば、ステント、管腔エッジ及び／又はアーチファクトの検出等のＯＣＴその他のイメージング技術を実施する際に、ユーザがＯＣＴシステム１００を操作するためのＧＵＩを提供する。入力は、例えば、計算システム１０１に接続又は包含されるタッチパネル機器、キーボード、マウスその他の入力機器を用いて提供することができる。計算システム１０１は、入力に基づく１つ以上の命令に従って、撮像条件を設定若しくは変更し、イメージングを開始若しくは終了し、かつ／又は、管腔検出、ステント検出及び／若しくはアーチファクト検出を開始若しくは終了するように、ＯＣＴシステム１００に指示する。ＯＣＴシステム１００の光源１０９は、ステータス情報及び制御信号を送受信するために計算システム１０１と通信するインタフェースを有してよい。

１つ以上の実施形態では、ステントストラット検出のために、極座標での画像の各１次元（１Ｄ）信号（例えばＡライン）に検索を適用することができる。本開示の１つ以上の実施形態では、Ａラインから極座標系でＯＣＴ画像が形成される。各Ａラインは、狭い信号幅並びに／又は鋭い立ち上がりエッジ及び立ち下がりエッジのような、金属オブジェクト（例えばステント、ステントストラット、ガイドワイヤ）からのアーチファクトを明確に示すもの；広い信号幅や緩やかな立ち下がりエッジのような、シース反射や他のアーチファクトと比較した場合の、遮るもののない軟部組織の信号の強度及び形状における有意差等、撮像されたオブジェクトに関する情報を含む。各Ａラインは、特定の視野角に沿った標的、サンプル又はオブジェクト（血管等）の断面１Ｄサンプリングを表す。イメージングプローブ又はデバイスが回転すると（例えば約０度から約３６０度、約１８０度から約３６０度、約３６０度）、対応するＡラインにより、極座標において標的、サンプル又はオブジェクト（例えば血管）の完全な２次元断面が形成され、それがデカルト座標に変換されて、標的、サンプル又はオブジェクト（例えば血管）の断面の断層撮影ビュー画像が形成される。

図３は、対象（動脈３０１）と、プルバック時のイメージングプローブのらせん状経路３０２と、ステント３０３との例を示す。ステント３０３は血管内インプラントであり、狭窄血管内に配置されて、該血管を開いた状態に保ち、血流量を増加させる。ステント３０３は、金属製の円形メッシュ機器であってよい。ＯＣＴシステム１００は、冠動脈壁の構造を撮像するために用いることができる。イメージングプローブは、大腿動脈を通して冠動脈に挿入される侵襲性光学カテーテルであってよい。カテーテルは、プルバック時に回転スピンを行い、反射した光信号（Ａラインと呼ばれる）を収集する。

図４は、図３に示すように動脈３０１内にステント３０３が配置された状態で、らせん状経路３０２上のＯＣＴイメージングプローブによる４つの別個のＡラインスキャン４０１の位置を示す。一部の実施形態では、Ａラインの各群は、カテーテルのフルスピンを表し、動脈３０１のそれぞれの断面（２ＤＯＣＴ画像フレーム）に対応する。図４に示される例では４つのＡラインスキャン４０１が示されているが、ＯＣＴ用途では、例えば、血管の断面に対応する各フレームについて約５００個のＡラインスキャンが含まれ得る。各フレームのデータ収集には、任意の適切な数のＡラインスキャン（３００～１，０００個のＡラインスキャン等）を用いることができる。Ａラインスキャン４０１から収集されたデータは、１つ以上のコンピュータ可読媒体に格納することができる。一部の実施形態では、イメージングプローブが回転し、画像又は映像をスキャン及び記録しながらプルバック又は推進される。一部の実施形態では、収集されたデータから３次元データセットが得られる。一部の実施形態では、収集されたデータから２次元画像フレーム（例えばＡライン画像）が得られ、各フレームは、異なる長手方向位置で血管の３６０°スライスを提供する。ステント留置された動脈３０１が撮像される場合、ステントストラットは、プルバック画像の一部に存在し、光がその金属構造を透過できないので、影が続く明るい形で現れる。カテーテルのらせん運動と、Ａライン画像の形成のために各回転で収集されるＡライン光サンプルの数により、一部のＯＣＴ画像では一部のステントストラットが見えないことがある。ステントの外観は、Ａラインスキャン４０１の各々の位置と、Ａラインスキャン４０１が辿るらせん状経路３０２とに依存する。ＯＣＴ画像の一連のフレームにおけるステントストラットの外観の変化を、図５Ａ～図５Ｃに示す。

図５Ａ～図５Ｃは、ＯＣＴＡライン画像の一連のフレームにおけるステントの外観を示す。一部の実施形態では、図５Ａ、図５Ｂ及び図５Ｃのそれぞれのフレームにおける各Ａライン画像は、１フレーム当たり約５００回のＡラインスキャンで収集されたそれぞれのデータで構成される。一連のフレームのＡライン画像は、異なる数のステントストラットを示す。例えば、図５Ａでは、１０個のステントストラット（白い矢印で示す）が見える。一方、図５Ｂでは、４個のステントストラットのみ（白い矢印で示す）が見える。そして、図５Ｃでは、８個のステントストラット（白い矢印で示す）が見える。この現象により、一部の検出方法によって検出できるステントストラットの数が減少し、これにより、可視ストラットの２Ｄ測定に基づくステント圧着測定の精度も下がってしまうおそれがある。本開示の実施形態は、このような問題を軽減する。

１つ以上の実施形態では、プルバックの血管内画像データでのステントの位置は、自動的に検出される。１つ以上の実施形態では、個々のステントストラットが自動的に検出される。１つ以上の実施形態では、ステント圧着率が自動的に計算される。

図６は、ステント検出に用いられる例示の動作フローを示す。一部の実施形態では、図６のステップの１つ以上は、計算システム１０１において、計算システム１０１上のアプリケーション１１２のプログラム命令を実行することによって、実行される。

ステップＳ６０１において、計算システム１０１は、血管内画像データを取得する。一部の実施形態では、計算システム１０１は、血管壁と、血管の管腔内に配置された血管内機器（ステント等）の血管内画像データを取得する。血管内画像データは、複数の画像を含んでよい。例えば、血管内画像データは複数のＯＣＴ画像フレームであってよく、各ＯＣＴ画像フレームは、血管内のカテーテルのフルスピンを表すＡラインのそれぞれの群に対応する。一部の実施形態では、ＯＣＴ画像フレームの各々は、血管のそれぞれの断面画像である。一部の実施形態では、複数のＯＣＴ画像フレームは、血管内機器に対応する１つ以上の画像を含み、１つ以上の画像の各々は、血管内機器のそれぞれの断面に対応する。一部の実施形態によれば、血管内画像データは、複数のＡライン画像を含む。

血管内画像データは、ステップＳ６０１において適切な方法で取得される。限定ではない例として、ＯＣＴシステム１００、計算システム１０１上の１つ以上のコンピュータ可読媒体（例えばメモリや記憶装置）、リモートストレージ、別のソース、或いはこれらのうちの２つ以上の組合わせのうちの１つ以上から、血管内画像データを取得することができる。一部の実施形態では、血管内画像データは、ＯＣＴシステム１００の少なくとも１つの検出器１０７から取得される。例えば、計算システム１０１は、検出器１０７から強度データを得ることができる。一部の実施形態では、血管内画像データの全部又は一部がデータ記憶部１１３に含まれており、計算システム１０１は、データ記憶部１１３内の血管内画像データにアクセスすることにより、血管内画像データを取得する。例えば、計算システム１０１は、ＯＣＴシステム１００その他のソースから血管内画像データを受け取り、データ記憶部１１３に血管内画像データを格納することができる。その後、計算システム１０１は、データ記憶部１１３から血管内画像データを取り出すことができる。一部の実施形態では、血管内画像データの全部又は一部は、ネットワークを介して取得される。例えば、図２７を参照して論じるようなサーバ計算システム２７０１、クライアント計算システム２７０２、ネットワーク２７０３に接続された別の実在物、或いはこれらの組合わせから、血管内画像データの少なくとも一部を受信することができる。

ステップＳ６０２において、計算システム１０１は、寸法Ａ×Ｌを有する血管内画像データの２Ｄ表現を生成する。ここで、Ａは、１フレームあたりのＡライン数であり、Ｌは、フレーム数である。一部の実施形態によれば、血管内画像データの２Ｄ表現は、プルバックのフレーム（Ｌ）ごとのＡライン（Ａ）の各々を平均化することによって生成される。例えば、一部の実施形態では、計算システム１０１は、プルバック中に取得されたフレームＬ（例えばＯＣＴ画像フレーム）のＡライン画像を全てインポートし、Ａライン画像ごとのＡラインの各々を平均化する。

一部の実施形態では、計算システム１０１は、ステップＳ６０２においてカーペットビュー画像を生成する。例えば、ステップＳ６０２において、計算システム１０１は、ステップＳ６０１で取得された血管内画像データを用いて、カーペットビュー画像を生成することができる。一部の実施形態によれば、カーペットビュー画像は、断面ＯＣＴ画像の２Ｄ表現であるが、カーペットの筒を広げるのと似たような方法で展開される。カーペットビュー画像は、縦断面図に沿って横断面図又は極座標図を展開することによる、Ａラインの表現である。例えば、計算システム１０１は、プルバックから取得されたＡライン画像ごとのＡラインの各々を平均化し、フレームごとのＡラインの各々の平均を、２次元Ａ×Ｌ（すなわち１フレームあたりのＡライン数にフレーム数を掛けたもの）で表示することによって、カーペットビュー画像を生成することができる。カーペットビュー画像の例を図７に示す。

図７は、血管内画像データの２次元表現を示す例示のカーペットビュー画像を示す。寸法Ａ×Ｌをもつカーペットビュー画像（ＡはＡライン数であり、Ｌはフレーム数である）は、プルバックからの全ての画像をインポートし、フレームごとのＡラインの各々を平均化することによって、作成される。よって、各フレームは、カーペットビュー画像の単一の縦線に対応する。カーペットビュー画像の各縦線は、各フレームのそれぞれのＡラインに対応する様々な強度値を含む。図７は、カーペットビュー画像の特定領域間の対照的な強度値を示す。例えば、カーペットビュー画像は、ステントストラットの影やガイドワイヤの影等の影を落とす金属オブジェクトの領域における、対照的な強度値を含む。ガイドワイヤオブジェクトの影は、例えば、図７のカーペットビュー画像にわたって水平に現れる。更に、カーペットビュー画像の領域７０１は、可視パターンの中にステントストラットの影を含む。領域７０１は、ステントを表す画像データを含むフレームのセットに対応する。例えば、領域７０１のフレームは、ステントストラットの影が表示されているカーペットビュー画像のそれぞれの縦線に対応する。

ステップＳ６０３において、計算システム１０１は、血管内画像データに含まれる複数の画像を表す信号を生成する。例えば、計算システム１０１は、ステップＳ６０２で生成された２Ｄ表現のフレーム（Ｌ）に対応する複数の画像を表す信号を生成することができる。一部の実施形態では、ステップＳ６０３において、計算システム１０１は、複数の画像の各々に対応するＡラインのそれぞれの群に基づいて、血管内画像データの複数の画像の各々についてそれぞれの信号値を生成することによって、信号を生成する。一部の実施形態では、計算システム１０１は、カーペットビュー画像の縦線を平均化して、各フレームについてそれぞれの平均強度値を取得することによって、信号を生成する。ステップＳ６０３で生成される信号の例を、図８に示す。

図８は、図７のカーペットビュー画像の縦線を平均化することによって生成された信号８０１を示す。図８に示される例では、信号８０１は、横軸に示すように、画像データの４００個のフレームに対応する。各フレームは、図７のカーペットビュー画像のそれぞれの縦線に対応するＡライン画像を含む。例えば、プルバックで取得された各Ａライン画像は、Ａラインのそれぞれの群（例えば１フレームあたりのＡラインスキャンの数に基づく）に対応する。また、Ａラインの各群は、カーペットビュー画像のそれぞれの縦線に対応する。ステップＳ６０２に関して示されるように、カーペットビュー画像は、フレームごとのＡラインの各々を平均化することによって生成される。よって、図７に示される例では、カーペットビュー画像は、連続して配置された４００本の縦線を含み、これは、Ａライン画像の４００個のフレームに対応する。カーペットビュー画像の各縦線は、各Ａライン画像に関連付けられたそれぞれのＡラインに基づく様々な強度値を含む。図８では、信号８０１は一連の平均強度値であり、各強度値は、カーペットビュー画像のそれぞれの縦線に対応する。

一部の実施形態では、ステップＳ６０３において、計算システム１０１は、各縦線について表現情報を決定する。表現情報は、縦線、Ａライン画像、縦線の特徴又は特性、Ａライン画像の特徴又は特性、或いはこれらのうちの２つ以上の組合わせを表現し、対応し、特定し、或いは関連する任意の情報であってよい。一部の実施形態では、表現情報は単一の値である。次に、計算システム１０１は、各縦線及び／又はＡライン画像に対応するそれぞれの表現情報を用いて、信号８０１を生成することができる。一部の実施形態では、各Ａライン画像は、信号８０１のそれぞれの信号値によって表される。一部の実施形態では、ステップＳ６０３は、カーペットビュー画像の各縦線を平均化することによって信号８０１を生成することを含む。例えば、各縦線に関連付けられたＡラインのそれぞれの強度値に基づいて、各縦線の平均強度値を決定することができる。一部の実施形態では、カーペットビュー画像の各縦線に対応するそれぞれの平均強度値を用いて、信号８０１が生成される。

したがって、一部の実施形態では、画像データの各フレームは、信号８０１のそれぞれの信号値に対応する。例えば、カーペットビュー画像の各縦線を平均化することにより、画像データの各フレームについて単一の値を取得することができる。次に、それぞれの信号値に基づいて信号を作成することができる。ステップＳ６０３において、カーペットビュー画像の縦線を用いて信号を作成することにより、一部の実施形態によれば、血管内画像データの各Ａライン画像を単一の値によって表すことができる。これにより、一部の実施形態では、プルバック全体を処理して、１つの信号のみを用いてステントの位置特定を行うことができ、従来の方法と比較して計算時間を短縮することができる。例えば、一部の実施形態では、例えば２Ｄ画像に見られる個々のステントストラットの全てを検出するために、動脈プルバック全体をスキャンすることによってステント検出を実行することと比較して、ステップＳ６０３で生成された信号を用いて血管内のステントの位置特定を行うことにより、計算時間が短縮される。

図８では、カーペットビュー画像の縦線の平均強度を表す信号８０１は、最初の約１５０個のフレームでは着実に大きくなる。フレーム番号がステントの縁又は境界に近付くと、フレーム１５０とフレーム２００の間の信号８０１によって示されるように、平均強度に急激な上昇が見られる。ステントストラットの影パターンを含む図７の領域７０１は、信号８０１の変動の増大に対応する。すなわち、ステントの縁又は境界（例えばステントの開始位置と終了位置）に位置するカーペットビュー画像の縦線の平均強度にスパイクがあり、ステントストラットの影を含む領域７０１内の平均強度には、より鮮明かつ頻繁な変動がある。ステントストラットの影のパターンを含む領域７０１は、フレーム２５０とフレーム３００の間に延在する。ステントに対応する領域７０１の外側では、図８のフレーム３００付近からフレーム３８０にかけての信号８０１によって示されるように、平均強度は着実に低下する。

ステップＳ６０４において、計算システム１０１は、信号８０１を信号セグメントに分割する。一部の実施形態では、計算システム１０１は、各信号セグメントの所定数の信号値に基づいて、信号８０１を信号セグメントに分割する。例えば、信号８０１は、それぞれ１０個の信号値を有する１つ以上の信号セグメントに分割されてよい。１つ以上の実施形態では、計算システム１０１は、信号８０１を、少なくとも１０個の画像に対応する少なくとも１つの信号セグメントを含む信号セグメントに分割する。例えば、一部の実施形態では、４００個のフレームを含む各Ａライン画像は、ステップＳ６０３で生成された信号８０１のそれぞれの信号値によって表され、ステップＳ６０４において計算システム１０１は、信号８０１を、それぞれ１０個の信号値を有する信号セグメントに分割する。したがって、各信号セグメントは、１０個のＡライン画像に対応する１０個の信号値を含むことができ、１０個の信号値の各々は、１０個のＡライン画像の各々を表す。

一部の実施形態では、信号セグメントの各々は、血管内画像データの複数の画像のうちの２つ以上の一連の画像に対応する。例えば、信号セグメントの各々は、一連のフレームの２つ以上のＡライン画像に対応し得る。一部の実施形態では、信号セグメントは任意の適切なサイズであってもよいし、信号８０１の分割に任意の適切な根拠又は基準が用いられてもよい。一部の実施形態では、信号８０１の各信号セグメントが信号８０１の他の各信号セグメントと同じサイズになるように、信号８０１が分割される。一部の実施形態では、信号８０１の少なくとも第１の信号セグメントが信号８０１の少なくとも第２の信号セグメントと異なるサイズになるように、信号８０１が分割される。一部の実施形態に従って、ステップＳ６０４で生成された信号セグメントの例を、図９に示す。

図９は、５つの例示の信号セグメント９０２を示す。更に、図９は、図８の信号８０１に重ね合わされた移動平均平滑化信号９０１を示す。例として、図９は、５つの信号セグメント９０２に分割された信号８０１及び移動平均平滑化信号９０１を示す。信号セグメント９０２の各々は、図９ではそれぞれ１０個のフレーム（フレーム１～１０、１１～２０、２１～３０、３１～４０、４１～５０）に対応する。図９の例では、説明を分かりやすくするために、信号データの特定の区間（フレーム０～５０）にわたって５つの信号セグメント９０２を示しているが、本開示は、図９の例に限定されない。本開示は、信号データの全部又は一部にわたる任意の適切な数の信号セグメント９０２を企図する。一部の実施形態では、図９の信号８０１と移動平均平滑化信号９０１の全体が、信号セグメント９０２に分割される。例えば、一部の実施形態では、信号８０１と移動平均平滑化信号９０１は、図９の４００個のフレームにわたって４０個の均等な信号セグメント９０２に分割され、各信号セグメントは、それぞれ１０個のフレームのセットに対応する。

ステップＳ６０５において、計算システム１０１は、各信号セグメントの１つ以上の信号特徴を抽出する。１つ以上の実施形態によれば、計算システム１０１は、各信号セグメントについて低相レベル及び高相レベルを抽出する。例えば、一部の実施形態では、計算システム１０１は、各信号セグメントについて、ヒストグラム法を用いて、信号セグメントのバイレベル波形の低相レベル及び高相レベルを抽出する。１つ以上の実施形態によれば、計算システム１０１は、各信号セグメントについて、信号セグメントとその移動平均平滑化信号の間の信号対雑音比を抽出する。例えば、図９に示されるように、信号８０１のそれぞれの信号値を用いて移動平均を計算することによって、移動平均平滑化信号９０１を生成することができる。移動平均平滑化信号９０１の生成には、移動平均の任意の適切な方法又は変形を用いることができる。次に、各信号セグメントについて、信号セグメントと対応する移動平均平滑化信号との間の信号対雑音比が抽出される。

１つ以上の実施形態によれば、ステップＳ６０５では、少なくとも以下の３つの信号特徴、すなわち、ヒストグラム法を用いた、信号セグメントのバイレベル波形の低相レベル及び高相レベル、並びに、信号セグメントとその移動平均平滑化信号の間の信号対雑音比が抽出される。例えば、一部の実施形態では、各信号セグメントについて特徴のセットが抽出され、特徴のセットは、少なくとも上記の３つの信号特徴を含む。一部の実施形態では、ステップＳ６０５で抽出された１つ以上の特徴は、機械学習モデルによって使用されてよい。例えば、抽出された特徴の１つ以上が、機械学習モデルの訓練に使用されてよい。更なる例として、抽出された特徴のうちの１つ以上は、機械学習モデルに提供された１つ以上の入力を機械学習モデルが分類する際に用いられてよい。

ステップＳ６０６において、計算システム１０１は、信号セグメント特徴データを分類器に入力する。１つ以上の実施形態では、ステップＳ６０６は、ステップＳ６０５で抽出された１つ以上の信号特徴を分類器に入力することを含む。１つ以上の実施形態では、分類器は機械学習モデルである。例えば、分類器は、サポートベクタマシン（ＳＶＭ）分類器であってよい。一部の実施形態では、分類器は、血管内機器（例えばステント）の画像データの表現であるもの、或いは血管内機器の画像データの表現ではないもののいずれかとして、信号セグメントの分類を出力するように構成される。１つ以上の実施形態では、分類器は訓練済み分類器であり、信号セグメントの分類は、信号セグメントの特徴データに含まれる１つ以上の信号特徴に基づく。機械学習モデルを訓練するための例示の動作フローと、機械学習モデルの訓練のための例示の訓練データを、図２９及び図３０を参照しながら更に後述する。

１つ以上の実施形態によれば、ステップＳ６０６において、計算システム１０１は、信号セグメントの低相レベル及び高相レベル、並びに、信号セグメントと該信号セグメントの移動平均平滑化信号との間の信号対雑音比を、分類器に入力する。一部の実施形態では、信号セグメントは、ヒストグラム法を用いた信号セグメントのバイレベル波形の低相レベル及び高相レベルと、信号セグメントとその移動平均平滑化信号の間の信号対雑音比とに基づいて、分類器によって分類される。例えば、サポートベクタマシン（ＳＶＭ）を用いて、各信号セグメントを（それらのそれぞれの特徴値を用いて）ステントであるか否かに分類することができる。一部の実施形態では、ステップＳ６０４（信号８０１が信号セグメント９０２に分割される）を参照して説明した信号セグメント９０２の各々が、分類器によって分類される。例えば、それぞれ１０値信号を含む信号セグメント９０２を、ステップＳ６０６で分類器に入力された信号セグメントの特徴データに基づいて、ステントであるか否かに分類することができる。

ステップＳ６０７では、分類器が、血管内機器の画像データの表現であるもの、或いは血管内機器の画像データの表現ではないもののいずれかとして、各信号セグメントの分類を出力する。例えば、一部の実施形態では、サポートベクタマシン（ＳＶＭ）を用いて、信号セグメント９０２が（ステップ６０５で抽出された各信号セグメントに対応する特徴値を用いて）、ステントであるか否かに分類される。１つ以上の実施形態によれば、各信号セグメントは、ステントセグメント又は非ステントセグメントとして分類される。例として、血管内機器の画像データの表現であると分類される１つ以上の信号セグメントは、カーペットビュー画像の領域７０１（ステントストラットの影パターンが見える）の１つ以上のフレームに対応する信号セグメントである。

１つ以上の実施形態によれば、ステップＳ６０７では、訓練済みの分類器が、１つ以上の信号特徴（例えば、ヒストグラム法を用いた信号セグメントのバイレベル波形の低相レベル及び高相レベルと、信号セグメントとその移動平均平滑化信号の間の信号対雑音比とを含む）に基づいて、信号セグメント９０２の各々の分類を出力する。図７及び図８に示されるように、ステントストラットの影パターンを含む領域７０１は、信号８０１の変動の増大に対応する。すなわち、ステントの縁又は境界（例えばステントの開始位置と終了位置）に位置するカーペットビュー画像の縦線の平均強度にスパイクがあり、ステントストラットの影を含む領域７０１内の平均強度には、より鮮明かつ頻繁な変動がある。更に、図９に示されるように、移動平均平滑化信号９０１が信号８０１に重ね合わされると、信号８０１のうち、カーペットビュー画像の領域７０１に対応する領域は、信号８０１の他の領域よりも高い信号対雑音比を含む。例えば、カーペットビュー画像の領域７０１のフレームに対応する信号セグメントの多くでは、カーペットビュー画像の領域７０１の外側のフレームに対応する信号セグメントの多くのものよりも、信号セグメントとその移動平均平滑化信号９０１の間の差が大きい。カーペットビュー画像の領域７０１に対応するフレームの信号８０１の変動に基づいて、カーペットビュー画像の領域７０１に対応する信号セグメントの様々な特徴は、カーペットビュー画像の領域７０１の外側のフレームに対応する信号セグメントの対応する特徴と比較して、明確な特徴を含み得る。例えば、信号セグメントの信号値の低相レベル及び高相レベルや、信号セグメントの信号対雑音比等の特徴を用いて、信号セグメントを、血管内機器の画像データの表現であるもの、或いは血管内機器の画像データの表現ではないもののいずれかとして特定することができる。すなわち、図２９及び図３０に示される分類器の訓練に基づいて、信号セグメントの低相レベル及び高相レベルと、信号セグメントの信号対雑音比との解析に基づいて、カーペットビュー画像の領域７０１に対応するフレームを表す信号セグメントを、カーペットビュー画像の領域７０１外の領域に対応するフレームを表す信号セグメントと区別することができる。

分類器が、血管内機器の画像データの表現であるとして信号セグメントの分類を出力した場合（ステップＳ６０７でＹｅｓ）、フローはステップＳ６０８へ進む。例えば、一部の実施形態では、信号セグメントは、信号セグメントの信号セグメント特徴データに基づいて、ステントセグメントに分類される。一方、分類器が、血管内機器の画像データの表現ではないとして信号セグメントの分類を出力した場合（ステップＳ６０７でＮｏ）、フローはステップＳ６０９へ進む。例えば、一部の実施形態では、信号セグメントは、信号セグメントの信号セグメント特徴データに基づいて、非ステントセグメントに分類される。

ステップＳ６０８において、計算システム１０１は、ステントに対応する画像を特定する。一部の実施形態では、ステントセグメントに対応するプルバックシーケンスのフレームが、ステントに対応する画像を含むものとして特定される。すなわち、ステップＳ６０７で血管内機器の画像データの表現であると分類された信号セグメントが、ステントフレームとして特定される。１つ以上の実施形態では、１つ以上の信号セグメントを血管内機器の画像データの表現とする分類に基づいて、計算システム１０１は、１つ以上の信号セグメントに対応する１つ以上の画像を、血管内機器に対応する１つ以上の画像として特定する。したがって、計算システム１０１は、複数の画像を表す信号８０１に基づいて、プルバックシーケンスの複数の画像のうち、血管内機器に対応する１つ以上の画像を特定する。

一部の実施形態では、カーペットビュー画像の領域７０１に対応するフレームを表す信号セグメントは、血管内のステント位置を示すステントフレームを含むものとして特定される。例として、カーペットビュー画像の領域７０１に対応するフレームに対応する信号セグメント９０２は、約５０～８０個のフレーム（フレーム１９０付近からフレーム２７０付近まで）を含み得る。カーペットビュー画像の領域７０１に対応するこれらのフレームは、この領域のフレームの強度測定値の変動に基づいて、カーペットビュー画像の領域７０１外のフレームよりも、血管内機器の画像データの表現として分類される（すなわち、ステントセグメントとして分類される）可能性が高い。ステップＳ６０８において計算システム１０１がステントに対応する画像を特定した後、フローはステップＳ６０９へ進む。

ステップＳ６０９において、計算システム１０１は、信号８０１を信号セグメント９０２に分割することによって生成されたセグメントの中で、分類の必要がある別のセグメントが存在するかどうかを決定する。まだ分類されていない別の信号セグメント９０２が存在する場合（ステップＳ６０９にてＹｅｓ）、フローはステップＳ６０６へ進む。例えば、まだ分類されていない特定された信号セグメント９０２が解析される。すなわち、特定された信号セグメントについて、信号セグメントの特徴データがステップＳ６０６で分類器に入力され、信号セグメント９０２について、ステップＳ６０７での分類が繰り返される。一方、計算システム１０１が、他の信号セグメント９０２を分類する必要がないと決定した場合（ステップＳ６０９でＮｏ）、フローは図１０のＳ１００１へ進む。

したがって、ステップＳ６０４で分割された信号８０１の信号セグメント９０２の各々について、ステップＳ６０５で抽出された特徴データが、ステップＳ６０６で分類器に入力され、ステップＳ６０７において、各信号セグメントが、ステントセグメントであるか否かに分類される。信号８０１を作成し、機械学習モデル（例えばＳＶＭ分類器）を適用することにより、ステント領域の位置が特定され、この領域（例えばカーペットビュー画像の領域７０１に対応する領域）のみにステント検出を適用することができるので、処理時間が短縮される。上記の処理により、本開示は、信号８０１に対して機械学習を用いて、カーペットビュー画像内のステント領域７０１の位置特定を行う。信号８０１に対して機械学習を用いてステントの位置特定を行うことにより、プルバックシーケンスの全フレームを検索する場合と比較して、特徴抽出の次元が縮小され、計算時間が短縮される。１つ以上の実施形態では、このように、血管内プルバック内の血管内機器（ステント）位置を自動的に検出することを含む。そして、図１０を参照して説明するように、カーペットビュー画像のステントセグメントに対応するプルバックのフレームを更に解析することができる。

図１０は、ステント検出に用いられる例示の動作フローを示す。一部の実施形態では、図１０のステップの１つ以上は、計算システム１０１において、計算システム１０１上のアプリケーション１１２のプログラム命令を実行することによって、実行される。

ステップＳ１００１において、計算システム１０１は、ステントに対応する画像のＡライン信号を生成する。例えば、ステップＳ６０８でステントに対応するものとして特定された画像の各々は、各画像についてそれぞれのＡライン信号を生成することによって、更に解析される。血管内機器に対応する１つ以上の画像の各々について、計算システム１０１は、Ａライン画像のＡラインを平均化することによって、Ａライン信号を生成する。例示のＡライン画像を、図１１に示す。

図１１は、ステントストラットを表すＡライン画像の例を示す。例えば、検出されたステントストラットを示す極座標ＯＣＴ画像が描出される。ステントストラットの金属構造は光を通さないので、検出されたステントストラットは、影が続く明るい形で現れる。一部の実施形態では、ステップＳ１００１では、カーペットビュー画像の領域７０１に対応する各フレームについて、各フレームのＡラインを平均化することによってＡライン信号が作成される。計算システム１０１は次に、ステントフレームのＡライン信号を解析する。

図１２は、図１１のＡライン画像に対応するＡライン信号１２０１を示す。Ａライン信号１２０１は、平均Ａライン値を示し、複数の山と谷を含む。図１２に示される例示の谷１２０２は、図１１に示される検出されたステントストラットの１つに対応するステントストラットを表す。

ステップＳ１００２において、計算システム１０１は、Ａライン信号の谷においてストラット候補を検出する。一部の実施形態では、計算システム１０１は、図１３に示されるようなそれぞれのＡライン信号の谷において、血管内機器のストラット候補を検出する。

図１３は、図１２のＡライン信号１２０１に対応するＡライン信号１３０１の検出された谷を示し、Ａライン信号１３０１の検出された谷の各々は、ステント候補Ａラインに対応する。Ａライン信号１３０１の検出された谷は、それぞれアスタリスク（＊）で示されている。例えば、図１３においてアスタリスクが付された検出された谷１３０２の例は、図１２に示される谷１２０２に対応する。検出された例示の谷１３０２は、図１３のＡライン信号１３０１に沿って検出されたいくつかの谷のうちの１つである。

ステップＳ１００３において、計算システム１０１は、Ａライン信号の谷閾値（Thr）を計算する。一部の実施形態では、谷閾値（Thr）は、Ａライン信号１２０１の平均値を２で割った値である。計算システム１０１は、Ａライン信号１２０１を構成する平均Ａライン値の平均値を決定し、該平均値を２で割ることによって、谷閾値（Thr）を計算する。一部の実施形態では、計算システム１０１は、谷閾値（Thr）を自動的に計算する。１つ以上の実施形態によれば、谷閾値（Thr）は次に、ステントストラットの検出に用いられる。例として、図１３のＡライン信号１３０１では、検出された谷（アスタリスクで標示）のうち、計算された谷閾値（Thr）よりも下にある一部が、ステントストラット候補とみなされる。

ステップＳ１００４において、計算システム１０１は、ガイドワイヤの表現を含むバイナリマスクを取得する。例として、ガイドワイヤとその影の検出は、ステントストラット検出を改善するために用いられる。ガイドワイヤという既知の影を検出することによって、誤検出が減少する。よって、ステントストラット処理よりも前にガイドワイヤの影を検出することによって、ガイドワイヤの影をストラット検出から除外することができる。

１つ以上の実施形態では、計算システム１０１は、自動二値化法（例えばOtsu自動二値化法、ｋ平均法）を用いて、バイナリカーペットビュー画像を作成する。カーペットビュー画像は、バイラテラルフィルタリングを用いてフィルタリングされ、例えばOtsuの自動二値化法を用いて自動的に二値化される。セグメント化された画像を用いて、カーペットビュー画像を貫通するオブジェクトを、ガイドワイヤオブジェクトとして定義する。

１つ以上の実施形態では、ステップＳ１００４は、図１４に示されるステップを実行することによって実施される。図１４は、ステント検出に用いられる例示の動作フローを示す。一部の実施形態では、図１４のステップの１つ以上は、計算システム１０１において、計算システム１０１上のアプリケーション１１２のプログラム命令を実行することによって、実行される。図１４のステップを、図１５Ａ～図１５Ｃを参照して説明する。

図１５Ａ～図１５Ｃは、フィルタ処理の異なる段階でのカーペットビュー画像を示す。図１５Ａは、カーペットビュー画像を示す。図１５Ｂは、自動二値化を適用した後の対応するバイナリ画像を示す。図１５Ｃは、検出されたガイドワイヤオブジェクトを示す。

ステップＳ１４０１において、計算システム１０１は、寸法Ａ×Ｌを有する血管内画像データの２Ｄ表現を取得する。ここで、Ａは、１フレームあたりのＡライン数であり、Ｌはフレーム数である。１つ以上の実施形態では、ステップＳ１４０１は、ステップＳ６０２で生成されたカーペットビュー画像を取得することを含む。１つ以上の実施形態によれば、ステップＳ１４０１は、ステップＳ６０２で生成されたカーペットビュー画像の一部を取得することを含む。

１つ以上の実施形態では、ステップＳ１４０１は、血管内画像データの２Ｄ表現を用いて、ガイドワイヤの表現を含むバイナリマスクを生成することを含む。図１５Ａは、ガイドワイヤ１５０１Ａの表現を含むカーペットビュー画像を示す。更に、図１５Ａは、ステント１５０２Ａの表現を示す可視パターンの中にステントストラットの影を含む。

ステップＳ１４０２において、計算システム１０１は、血管内画像データの２Ｄ表現に対してバイラテラルフィルタリングを実行する。例えば、ガウスフィルタと同様に、バイラテラルフィルタは非線形平滑化フィルタである。それらの基本的な違いは、画素強度の違いを考慮に入れることであり、これにより、ノイズ低減と同時にエッジのメンテナンスが実現される。畳込みを使用すると、近傍画素の強度の加重平均により、マスクの中央画素の強度が置換される。画像Ｉのバイラテラルフィルタと、ウィンドウマスクＷは、以下のように定義することができ、
以下の正規化因子をもつ。
式中、ｘは、マスクの中央画素の座標であり、パラメータｆ_r及びｇ_sは、強度の差を平滑化するためのガウスカーネルと、座標の差を平滑化するための空間ガウスカーネルである。

図１５Ｂは、画像バイラテラルフィルタリングが実行された後のカーペットビュー画像を示す。図１５Ｂには、ガイドワイヤ１５０１Ｂの表現が示されている。更に、図１５Ｂは、ステント１５０２Ｂの表現を示すパターンの中にステントストラットの影を含む。

ステップＳ１４０３において、計算システム１０１は、二値化法を用いてバイナリマスクを生成する。例えば、一部の実施形態では、血管内画像データの２Ｄ表現を用いて、計算システム１０１は、ガイドワイヤの表現を含むバイナリマスクを生成する。

カーペットビュー画像を自動で二値化するために、Otsu法を用いて画像Ｉ’の閾値Thr_otsuが計算され、Thr_otsuよりも小さい画像Ｉ’の画素がゼロ値に設定される。その結果は、ガイドワイヤがゼロオブジェクトによって表されるバイナリ画像である。例えば、図１５Ｃは、Otsu自動二値化法を用いて自動で二値化された後の画像として、検出されたガイドワイヤオブジェクト１５０１Ｃを示す。一部の実施形態では、自動二値化を実行するために別の方法が利用される。例えば、一部の実施形態では、ｋ平均法を用いて、自動二値化が実行されてもよい。

ステップＳ１４０４において、計算システム１０１は、図１５Ｃに示されるバイナリマスクにおいてガイドワイヤオブジェクト１５０１Ｃを検出する。一部の実施形態では、ステップＳ１４０４は、バイナリマスクに基づいて、血管内機器に対応する画像においてガイドワイヤを検出することと、画像からガイドワイヤを除外又は除去することと、を含む。バイナリカーペットビュー画像においてカテーテルガイドワイヤオブジェクト１５０１Ｃを検出することにより、ガイドワイヤアーチファクトをステントストラットから分離し、ストラット検出精度を上げることができる。このように、図１４のステップを用いて、カーペットビュー画像を用いたガイドワイヤの除去を実行することができる。更に、ガイドワイヤアーチファクトを検出するためのカーペットビュー画像の処理は、ステントが留置されたプルバックシーケンスとステントが留置されていないプルバックシーケンスの両方で、素早く正確に実行することができる。このように、１つ以上の実施形態によれば、ステップＳ１００４は、図１４及び図１５を参照して説明したプロセスを用いて実行される。

更にステップＳ１００４を参照して、図１６及び図１７には、フレーム及びそのガイドワイヤ画素とカーペットビュー画像との対応関係が示されている。図１６は、画像フレームＸ（図１７に示す）に対応する白縦線１６０１を有するカーペットビュー画像を示す。図１６に示される小さな灰色のセグメント（縦白線１６０１を両断している）は、ガイドワイヤ画素に対応する。図１７は、フレーム（フレームＸと標示されたＡライン画像）とそのガイドワイヤ画素１７０１（Ａライン画像の灰色の帯）との対応関係を示す。

図１６及び図１７に関して示されるように、各Ａライン画像はフレーム（例えばフレームＸ）に対応する。各フレームは、カーペットビュー画像の単線（図１６では縦白線１６０１によって示される）に対応する。また、各フレームのうちガイドワイヤに重なる部分（灰色の帯によって示される）１７０１は、ステップＳ１００２で検出されたステントストラット候補から除外又は除去され得るガイドワイヤ画素を示す。

ステップＳ１００５において、計算システム１０１は、Ｓ１００２でＡライン信号の谷において検出された各ストラット候補について、Ａラインの谷が、ステップＳ１００３で計算された谷閾値（Thr）未満であり、かつ、ステップＳ１００４で特定されたガイドワイヤ画素に属さないかどうかを決定する。１つ以上の実施形態によれば、計算システム１０１は、１つ以上のストラットの各々が、谷閾値未満であり、かつガイドワイヤ画素に属さないそれぞれのＡライン信号の谷に対応するという決定に基づいて、１つ以上のストラットを検出する。例えば、Ａラインの谷（検出された谷１３０２等）が、計算された谷閾値（Thr）未満であり、かつ、ガイドワイヤオブジェクトの画素（ガイドワイヤ画素１７０１等）に属さない場合、そのＡラインの谷はステントＡラインに属する。

図１８～図２０は、ステントストラット検出の例を示す。図１８は、図１９及び図２０に示されるＡライン画像に対応するＡライン画像のＡライン信号を示す。図１８のＡライン信号では、谷の各々にアスタリスク（＊）が付されている。１１個の谷（＊）が、ステップＳ１００３で計算された谷閾値（Thr）よりも小さいことが分かる。これらの１１個の谷は、図１８では１１個の矢印によって特定されている。すなわち、ステップＳ１００２で検出された全ての谷（＊）のうち、１１個の谷のみが、ステップＳ１００３で計算された谷閾値（Thr）よりも小さいことが分かった。谷閾値（Thr）未満の例示の谷１８０１は、矢印で特定されているように示されている。図１８において矢印で特定される１１個の谷のうち、４個の谷１８０２は、ガイドワイヤオブジェクト画素に属する。例えば、図１８で特定される４つの谷１８０２は、図１７に示されるようなガイドワイヤ画素１７０１に属する。よって、ステップＳ１００５では、７つの谷（矢印で識別）のみが、計算された谷閾値（Thr）未満であり、かつ、ガイドワイヤ画素に属さないＡラインの谷であることが分かる。これらの７つの谷を、図１９及び図２０に示す。

図１９は、図１８に対応するとともに、ステントストラットに属するＡラインを示す、例示のＡライン画像を示す。ステントＡラインの最大強度画素は、ステントストラットである。図１９には、極座標ＯＣＴ画像が示され、矢印が７つの検出されたステントストラットを特定している。図２０は、図１９に対応する検出されたストラットを含むデカルトＯＣＴ画像を示す。

ステップＳ１００５では、各Ａライン画像について、任意のＡラインの谷が閾値谷（Thr）未満であり、かつ、ガイドワイヤ画素に属さないことが分かった場合（ステップＳ１００５でＹｅｓ）、フローはステップＳ１００６へ進む。一方、Ａライン画像について、閾値谷（Thr）未満であり、かつ、ガイドワイヤ画素に属さないＡラインの谷が見つからなかった場合（ステップＳ１００５でＮｏ）、フローはステップＳ１００７へ進む。

ステップＳ１００６において、計算システム１０１は、Ａライン画像内のステントのストラットを検出する。一部の実施形態では、計算システム１０１は、血管内機器に対応する１つ以上の画像の各々について、血管内機器の１つ以上のストラットを検出する。ステントストラットは、谷閾値（Thr）未満であり、かつガイドワイヤオブジェクト画素に属さない谷に対応するＡラインの最も明るい画素として検出される。１つ以上の実施形態によれば、ステントストラットを検出するために、計算システム１０１は、最大強度のステントラインを見つけ、それをステントストラットとして指定する。例えば、図１９に示される例では、谷閾値（Thr）未満であり、かつガイドワイヤオブジェクト画素に属さない谷として特定された７本のＡラインの最も明るい画素を検出することにより、７つのステントストラットが検出される。検出された７つのステントストラットは、例えば図１９では、白い矢印で特定されている。計算システム１０１がＡライン画像内のステントのストラットを検出した後、フローはステップＳ１００７へ進む。

ステップＳ１００７において、計算システム１０１は、まだステントストラット検出のために解析されていない別のＡライン画像が存在するかどうかを決定する。例えば、一部の実施形態では、計算システム１０１は、ステップＳ６０８でステントに対応すると特定された画像の中で、まだステントストラット検出のために解析されていない残りの画像があるかどうかを決定する。ステントストラットについてまだ解析されていない別のＡライン画像が存在する場合（ステップＳ１００７でＹｅｓ）、フローはステップＳ１００１へ進む。例えば、図１０のステップを繰り返すことによって、まだ解析されていない特定されたＡライン画像が解析される。一方、計算システム１０１が、他のＡライン画像を解析する必要がないと決定した場合（ステップＳ１００７でＮｏ）、フローは図２１のＳ２１０１へ進む。

図２１は、ステント圧着測定に用いられる例示の動作フローを示す。一部の実施形態では、図２１のステップの１つ以上は、計算システム１０１において、計算システム１０１上のアプリケーション１１２のプログラム命令を実行することによって、実行される。

ステップＳ２１０１において、計算システム１０１は、それぞれのストラットに基づいて、ステントに対応する画像の各々のオブジェクトを生成する。１つ以上の実施形態では、計算システム１０１は、血管内機器に対応する１つ以上の画像の各々についてそれぞれのオブジェクトを生成し、各オブジェクトは、血管内機器のそれぞれの表面セグメントを表す。例えば、一部の実施形態では、ステップＳ６０８で特定された画像の各々についてオブジェクトが生成され、ここで、各オブジェクトの輪郭は、各画像についてステップＳ１００６で検出されたそれぞれのストラットに基づいている。

１つ以上の実施形態では、ステップＳ２１０１は、複数のオブジェクトの各々について１つ以上のストラットのそれぞれにわたってそれぞれのスプラインを適用することによって、複数のオブジェクトを生成することを含む。複数のオブジェクトは、血管内機器の連続する表面セグメントを表す。例えば、各画像について検出されたストラットを用いて、スプラインが適用され、各画像においてステントの表面を表すバイナリオブジェクトが作成される。

ステップＳ２１０２において、計算システム１０１は、オブジェクト領域を閾値と比較する。例えば、一部の実施形態では、各オブジェクトの領域がチェックされて、当該オブジェクトが１つ以上の基準を満たすかどうかが決定される。一部の実施形態では、計算システム１０１は、各オブジェクトのサイズを閾値と比較する。例えば、１つ以上の実施形態では、バイナリオブジェクトがその前のオブジェクトの９０％未満の面積を有する場合、計算システム１０１は、オブジェクトが閾値未満であると決定する。

ステップＳ２１０２での比較には、任意の適切な閾値又は基準を用いることができる。限定ではない例として、オブジェクトの面積を、チェック対象のオブジェクトの直前又は直後に配置された連続するオブジェクトの面積と比較してもよいし、或いは、オブジェクトの面積を、閾値としての所定の面積サイズと比較してもよいし、或いは、オブジェクトの形状を所定の形状と比較してもよい。或いは、ステップＳ２１０２での閾値は、検出されたステントストラットの閾値数であってよい。例えば、ステップＳ２１０２において、計算システム１０１は、検出されオブジェクトの生成に用いられたステントストラットの数を、閾値としてのステントストラットの所定数と比較することができる。

ステップＳ２１０３において、計算システム１０１は、関連するオブジェクト特徴が閾値未満であるかどうかを決定する。例えば、一部の実施形態では、計算システム１０１は、オブジェクトの面積が閾値未満であるかどうかを決定する。１つ以上の実施形態では、バイナリオブジェクトがその前のオブジェクトの９０％未満の面積を有する場合、計算システム１０１は、オブジェクトが閾値未満であると決定する。或いは、計算システム１０１は、オブジェクトの形状が所定の形状の閾値以内にないかどうかを決定することができる。或いは、計算システム１０１は、オブジェクトの生成に用いられたステントストラットの数が所定数よりも少ないかどうかを決定することができる。ステップＳ２１０３では、任意の適切な閾値特徴と任意の適切な閾値が実装されてよい。

オブジェクト特徴が閾値未満である場合（ステップＳ２１０３でＹｅｓ）、フローはステップＳ２１０４へ進む。一方、オブジェクト特徴が閾値未満ではない場合（ステップＳ２１０３でＮｏ）、フローはステップＳ２１０５へ進む。

ステップＳ２１０４において、計算システム１０１は、第２のオブジェクトの１つ以上のストラットと、第３のオブジェクトの１つ以上のストラットとを用いて、オブジェクトの１つ以上の欠測ストラットを補間することにより、ステップＳ２１０３で閾値未満であると決定されたオブジェクトを生成する。例えば、第１のオブジェクトのサイズが閾値未満である場合、計算システム１０１は、第２のオブジェクトの１つ以上のストラットと、第３のオブジェクトの１つ以上のストラットとを用いて、第１のオブジェクトの１つ以上の欠測ストラットを補間することができる。例として、一部の実施形態では、バイナリオブジェクトがその前のオブジェクトの９０％未満の面積を有する場合、計算システム１０１は、前後のフレームのオブジェクトのポイントを補間することによって、このオブジェクトを再計算することができる。

一部の実施形態では、ステップＳ２１０４は、オブジェクトの全部又は一部を補間によって生成することを含む。例えば、１つ以上の実施形態では、計算システム１０１は、第１のオブジェクトと比べて血管内機器の先行する表面セグメントを表す第２のオブジェクトのデータを用いて、或いは、第１のオブジェクトと比べて血管内機器の後続する表面セグメントを表す第３のオブジェクトのデータを用いて、或いは、第２のオブジェクトのデータと第３のオブジェクトのデータの両方を用いて、第１のオブジェクトの１つ以上の部分を補間することにより、第１のオブジェクトを生成する。一部の実施形態では、計算システム１０１は、第１のオブジェクトのサイズが閾値未満である場合に、第２のオブジェクトの１つ以上のストラットと、第３のオブジェクトの１つ以上のストラットとを用いて、第１のオブジェクトの１つ以上の欠測ストラットを補間することにより、第１のオブジェクトを生成する。例として、フレームの欠測ストラット又は未検出ストラットは、前後のフレームのストラットを用いて補間することができる。計算システム１０１は、このようなオブジェクトを、前後のフレームのオブジェクトのポイントを補間することによって再計算することができる。１つ以上の実施形態では、計算システム１０１は、前後のフレームのストラットを用いてフレームの欠測ストラットを平均化し、それらをスプラインを用いて接続することができる。

限定ではなく例として、ステントストラット補間の例を、図２２Ａ～図２２Ｃ及び図２３Ａ～図２３Ｃに概略的に示す。図２２Ａ～図２２Ｃは、３つの連続するバイナリフレームを示し、それぞれ、ステントストラット（星印）と、ステントストラットにわたるスプラインを用いて作成された対応するオブジェクト（白色）とを示す。例えば、図２２Ａは、検出された６つのステントストラット（星印）と、６つのステントストラットにわたるスプラインを用いて作成された対応するオブジェクト（白色）とを含むフレームを示す。図２２Ｂは、検出された３つのステントストラット（星印）と、３つのステントストラットにわたるスプラインを用いて作成された対応するオブジェクト（白色）とを含むフレームを示す。図２２Ｃは、検出された５つのステントストラット（星印）と、５つのステントストラットにわたるスプラインを用いて作成された対応するオブジェクト（白色）とを含むフレームを示す。

図２３Ａ～図２３Ｃは、３つの連続するバイナリフレームを示すが、ステントストラットは示されていない（すなわち星印は図示されていない）。図２３Ａに示されるオブジェクトの輪郭は、図２２Ａに示されるオブジェクトの輪郭に対応する。更に、図２３Ｃに示されるオブジェクトの輪郭は、図２２Ｃに示されるオブジェクトの輪郭に対応する。これは、例えば、図２２Ａに示されるオブジェクトと図２２Ｃに示されるオブジェクトは両方とも、ステップＳ２１０３で閾値未満ではないと決定されたからである。したがって、ステップＳ２１０３におけるＮｏの決定に基づいて、フローはステップＳ２１０５へ進む。図２２Ａ及び図２３Ａに対応する画像フレームには、ステップＳ２１０１で生成されたオブジェクトが用いられ、同様に、図２２Ｃ及び図２３Ｃに対応する画像フレームには、ステップＳ２１０１で生成されたオブジェクトが用いられる。その一方、図２３Ｂは、再計算されたオブジェクトを表す。例えば、ステップＳ２１０２において、図２２Ｂに示されるオブジェクトの特徴が閾値と比較される。１つ以上の実施形態では、図２２Ｂのオブジェクトの特徴は、ステップＳ２１０３において閾値未満であると決定される。例えば、図２２Ｂのバイナリフレームの欠測又は未検出のストラットが原因で、図２３Ｂのバイナリオブジェクトは、前後のオブジェクトを用いて再計算される。例えば、図２３Ｂに示されるオブジェクトを生成するために、図２３Ａに示されるオブジェクト及び図２３Ｃに示されるオブジェクトを用いて、図２２Ｂのバイナリオブジェクトが再計算される。前後のストラットを用いて欠測又は未検出のストラットを補間することにより、ステントの表面がリアルに可視化される。一部の実施形態では、計算システム１０１は、前後のフレームのストラットを用いてフレームの欠測ストラットを平均化し、それらをスプラインを用いて接続する。欠測又は未検出のストラットを補完することにより、圧着率の精度を高めることができる。

図２２Ａ～図２２Ｃと図２３Ａ～図２３Ｃに示される例において、例えば、図２２Ｂのオブジェクトの面積が、図２２Ａに示されるオブジェクトの面積の９０％未満であったことを理由に、図２２Ｂは閾値未満であると決定された場合がある。したがって、１つ以上の実施形態では、図２２Ｂに示されるオブジェクトは削除された可能性がある。計算システム１０１は、図２３Ｂに示される補間されたバイナリオブジェクトを生成するために、図２３Ａに示されるフレーム（又は図２２Ａに示される対応するフレーム）と、図２３Ｃに示されるフレーム（又は図２２Ｃに示される対応するフレーム）とのポイントを補間することによって、このオブジェクトを再計算することができる。ステップＳ２１０４においてオブジェクトの全部又は一部を補間によって生成した後、フローはステップＳ２１０５へ進む。

ステップＳ２１０５において、計算システム１０１は、ステップＳ２１０１で生成されたオブジェクトの中に、閾値と比較する必要のある別のオブジェクトが存在するかどうかを決定する。別のオブジェクトが存在する場合（ステップＳ２１０５でＹｅｓ）、フローはステップＳ２１０２へ進む。例えば、特定されたオブジェクトの特徴が閾値と比較される。すなわち、各オブジェクトについてステップＳ２１０２及びＳ２１０３が実行され、オブジェクトの特徴が閾値未満である場合に、ステップＳ２１０４も実行される。一方、計算システム１０１が、他のオブジェクトを閾値と比較する必要がないと決定した場合（ステップＳ２１０５でＮｏ）、フローはＳ２１０６へ進む。

ステップＳ２１０６において、計算システム１０１は、ステントのオブジェクトの輪郭を、２次元から３次元に変換する。１つ以上の実施形態では、計算システム１０１は、血管内機器に対応する１つ以上の画像（ステップＳ６０８で特定された）に基づいて、血管内機器の３次元形状の表現を生成する。一部の実施形態では、血管内機器に対応する１つ以上の画像に対応するそれぞれのオブジェクトを用いて、血管内機器の３次元形状の表現が生成される。例えば、ステップＳ２１０１及び／又はステップＳ２１０４で補間によって生成されたオブジェクトの各々を用いて、オブジェクトの輪郭を変換することにより、血管内機器の３次元形状が生成される。

１つ以上の実施形態では、ステップＳ２１０６は、輪郭セット（血管内機器（例えばステント）に対応する）を３Ｄ空間に変換することを含む。血管内機器のバイナリオブジェクトの輪郭が、２Ｄ空間から３Ｄに変換される。バイナリオブジェクトを変換するには、各バイナリ輪郭のＭ（Ｍ≠偶数）個の等距離点を時計回りに抽出し、三角測量法を実施して、３Ｄステントのメッシュサーフェスを構築する。Ｍ個の輪郭点は、接続され、三角メッシュとそのボリュームを構築する。

ステップＳ２１０７において、計算システム１０１は、ステントに対応する画像について管腔輪郭データを取得する。例えば、一部の実施形態では、計算システム１０１は、少なくとも、ステップＳ６０８でステントについて特定された画像に対応する画像について、管腔輪郭データを取得する。管腔の境界は、任意の適切な方法を用いて、画像内で自動的又は半自動的に検出することができる。

ステップＳ２１０８において、計算システム１０１は、管腔輪郭データを２次元から３次元に変換する。１つ以上の実施形態では、計算システム１０１は、血管内機器に対応する１つ以上の画像に基づいて、管腔セグメントの３次元形状の表現を生成する。例えば、管腔セグメントは、血管内機器の画像フレームに対応する管腔輪郭データの一部であってよい。一部の実施形態では、ステップＳ２１０８は、輪郭セット（ステップＳ２１０７で取得された管腔輪郭データに対応する）を３Ｄ空間に変換することを含む。１つ以上の実施形態では、独立したアルゴリズムによって提供された対応するフレーム（ステント留置されたフレーム）の管腔セグメント輪郭は、ステント輪郭についてステップＳ２１０６で用いられたのと同じ手順を用いて、３Ｄボリュームに変換される。例えば、管腔境界オブジェクトの輪郭が、２Ｄ空間から３Ｄに変換される。管腔輪郭を変換するには、管腔輪郭の各々のＭ（Ｍ≠偶数）個の等距離点を時計回りに抽出し、三角測量法を実施して、３Ｄ管腔のメッシュサーフェスを構築する。Ｍ個の輪郭点は、接続され、三角メッシュとそのボリュームを構築する。

ステップＳ２１０９において、計算システム１０１は、ステントの３次元形状の表現を、管腔の３次元形状の表現に重ね合わせて提示する。例えば、一部の実施形態では、計算システム１０１は、血管内機器に対応する１つ以上の画像（ステップＳ６０８で特定された）に基づいて、血管内機器の３次元形状の表現を生成する。１つ以上の実施形態では、計算システムは、血管内機器の３次元形状が管腔セグメントの３次元形状に重ね合わされるように、血管内機器の３次元形状の表現を、管腔セグメントの３次元形状の表現とともに提示す。すなわち、ステントボリュームと管腔セグメントボリュームが、一緒に３次元空間に投影される。

図２４は、例示のステントボリューム２４０１を示す。例えば、例示のステントボリューム２４０１は、血管内機器に対応する１つ以上の画像（ステップＳ６０８で特定された）に基づいて生成された血管内機器の３次元形状の表現である。

図２５は、例示の管腔ボリューム２５０１を示す。例えば、例示の管腔ボリューム２５０１は、血管内機器の画像フレームに対応する管腔輪郭データに基づいて生成された管腔セグメントの３次元形状の表現である。

図２６Ａ～図２６Ｃは、管腔セグメントの３次元形状の表現に重ね合わされたステントの３次元形状の表現の３つの例示のビューを示す。図２６Ａ～図２６Ｃでは、重ね合されたビュー２６０１の３つの例により、ステントと管腔セグメントの間のボリューム差が示されており、図２６Ａ（ビュー１）、図２６Ｂ（ビュー２）、図２６Ｃ（ビュー３）において異なる角度で提示されている。１つ以上の実施形態によれば、３次元管腔セグメント内のステントの３次元ビューを提供することにより、動脈の湾曲が示されるので、ステントの不完全圧着（完全に圧着されていない状態）をより良好に理解することができる。例示のビュー１、ビュー２、ビュー３は例示のビューであり、本開示は、図２６Ａ～図２６Ｃに示されるビューに限定されない。例えば、重ね合わされたビュー２６０１は、ディスプレイ（例えばディスプレイ１１１）上に提示することができ、ビューがどのように操作されるのかを示す入力がユーザによって提供することにより、回転又はその他の方法で調整することができる。

ステップＳ２１１０において、計算システム１０１は、管腔の３次元形状とステントの３次元形状の間のボリューム差に基づいて、血管壁に対するステントの圧着値を計算及び提示する。一部の実施形態では、計算システム１０１は、血管内機器に対応する管腔セグメントの３Ｄ形状の表現を用いて、血管壁に対する血管内機器の圧着値を決定し、圧着値は、管腔セグメントの３Ｄ形状と血管内機器の３Ｄ形状との間のボリューム差に基づく。例えば、一部の実施形態では、管腔３Ｄボリュームからステント３Ｄボリュームが差し引かれて、それぞれの３Ｄボリューム間のボリューム差が取得され、ボリューム差に基づいてステント圧着率が決定される。１つ以上の実施形態では、圧着値を示す情報を提示することができる。一部の実施形態では、圧着値を示す情報は、血管内機器が血管壁に完全に圧着されていない割合の標示を含む。例えば、計算システム１０１は、２つのボリュームを計算し、管腔ボリュームからステントボリュームを差し引いて、ステント圧着率を得ることができる。

１つ以上の実施形態によれば、３次元の空間に忠実に表現された機器と構造において３次元測定を実行することにより、現実的な割合を計算することができる。更に、結果を３次元空間に描出することにより、ユーザに圧着現象をより良好に理解してもらうことができる。このように、１つ以上の実施形態により、計算システム１０１は、機器の何パーセントが血管内に完全に圧着されていないのかを計算する。例えば、ステントボリュームと管腔セグメントボリュームの間のボリューム差により、ステントの現実的な圧着率が定義される。したがって、３次元空間でステント圧着を計算することにより、圧着精度が向上する。１つ以上の実施形態では、ボリュームを重ね合わせたビューと、圧着値を示す情報が、同時に提示される。そのような情報を同時に提供することにより、機器圧着不良をより良好に理解することができる。

図２７は、例示のネットワーク環境２７００を示す。ＯＣＴシステム１００と、サーバ計算システム２７０１と、クライアント計算システム２７０２は、ネットワーク２７０３に接続される。一部の実施形態では、ＯＣＴシステム１００に含まれる計算システム１０１が、ネットワーク２７０３に接続される。一部の実施形態では、本明細書に記載の１つ以上の動作又は機能は、ネットワーク２７０３に接続されたＯＣＴシステム１００、サーバ計算システム２７０１及びクライアント計算システム２７０２のうちの１つ以上によって実行される。ネットワーク２７０３は、１つ以上のサーバと１つ以上のクライアントを互いに結合する。ネットワーク２７０３は、任意の適切なネットワークであってよい。例えば、ネットワーク２７０３の１つ以上の部分は、アドホックネットワーク、イントラネット、エクストラネット、仮想プライベートネットワーク（ＶＰＮ）、ローカルエリアネットワーク（ＬＡＮ）、無線ＬＡＮ（ＷＬＡＮ）、広域ネットワーク（ＷＡＮ）、無線ＷＡＮ（ＷＷＡＮ）、メトロポリタンエリアネットワーク（ＭＡＮ）、インターネットの一部、公衆交換電話網（ＰＳＴＮ）の一部、携帯電話ネットワーク、又はこれらのうちの２つ以上の組合わせを含み得る。ネットワーク２７０３は、１つ以上のネットワークを含んでよい。

一部の実施形態によれば、ＯＣＴシステム１００と、サーバ計算システム２７０１と、クライアント計算システム２７０２とのうちの１つ以上は、ネットワーク２７０３上の１つ以上の他の実在物とインタラクトする。ＯＣＴシステム１００と、サーバ計算システム２７０１と、クライアント計算システム２７０２は、本明細書に記載の装置及び計算システムの１つ以上と通信し情報を送受信するために、任意の適切なプロトコル、規格、データ交換形式、又はこれらのうちの組合わせを用いてよい。一部の実施形態では、ＯＣＴシステム１００、サーバ計算システム２７０１及びクライアント計算システム２７０２のうちの１つ以上は、本明細書に記載の１つ以上の動作、機能及び／又はプロセスを実行するための１つ以上のプログラム、アプリケーション、ＧＵＩ、データ、その他の適切なリソースを含む。

一部の実施形態では、サーバ計算システム２７０１は、本明細書に記載のファイル（例えば医用画像）、データ及び／又はアプリケーションプログラムを格納するために１つ以上のサーバ又はデータ記憶部を含む。例えば、ＯＣＴシステム１００によって生成された血管内画像を含む画像データセットを、サーバ計算システム２７０１に送ることができる。一部の実施形態では、サーバ算システム２７０１は、本明細書に記載の１つ以上の方法の全部又は一部を実行する。例えば、サーバ計算システム２７０１は、画像データを取得し、画像データを用いて１つ以上の動作又はプロセスを実行することができる。例えば、サーバ計算システム２７０１は、ステント、アーチファクト及び／又は管腔エッジを検出することができ、或いは、要求に応じてステント圧着情報を出力することができる。サーバ計算システム２７０１は、１つ以上のアプリケーションサーバ、ウェブサーバ、ファイルサーバ、データベースサーバ、その他のサーバを含んでよい。一部の実施形態では、サーバ計算システム２７０１はユニタリである。一部の実施形態では、サーバ計算システム２７０１は分散される。サーバ計算システム２７０１は、複数の場所にまたがることができる。サーバ計算システム２７０１は、複数のマシン（例えばサーバ、メインフレーム、デスクトップコンピュータ、ラップトップコンピュータ）にまたがることができる。

一部の実施形態では、クライアント計算システム２７０２は、ネットワーク２７０３上のリソースにアクセスするためにブラウザ及び／又はアプリケーションを実行する１つ以上の計算装置（例えばデスクトップコンピュータ、ラップトップコンピュータ、スマートフォン、タブレットコンピュータ）を含む。クライアント計算システム２７０２は、ＯＣＴシステム１００（又はサーバ計算システム２７０１）からファイル（例えば医用画像）を取得することができ、画像を処理することができる。例えば、クライアント計算システム２７０２は、ステント、アーチファクト及び／又は管腔エッジを検出することができ、或いは、ステント圧着情報を出力することができる。一部の実施形態では、クライアント計算システム２７０２は、本明細書に記載の１つ以上の方法の全部又は一部を実行する。

図２８は、例示の計算システム２８００を示す。様々な実施形態によれば、計算システム２８００の説明の全部又は一部は、計算システム１０１、サーバ計算システム２７０１、クライアント計算システム２７０２及びＯＣＴシステム１００のうちの１つ以上の全部又は一部に対して適用可能である。一部の実施形態では、計算システム１０１は、計算システム２８００を含む。一部の実施形態では、計算システム２８００は、本明細書に記載される機能を提供する。一部の実施形態では、計算システム２８００上で動作するソフトウェアが、本明細書に記載の１つ以上の動作を実行する。

本明細書で用いられる計算システムという用語は、電子データに対して演算を実行するために連携する、１つ以上のソフトウェアモジュール、１つ以上のハードウェアモジュール、１つ以上のファームウェアモジュール、又はそれらの組合わせ等を含む。モジュールの物理的レイアウトは、異なる場合がある。計算システムは、ネットワークを介して結合された複数の計算機器を含んでよい。計算システムは、内部モジュール（メモリ及びプロセッサ等）が協働して電子データに対して演算を実行する単一の計算機器を含んでよい。また、本明細書で用いられるリソースという用語は、計算システムで処理され得るオブジェクト等を含む。リソースは、実行可能命令又はデータの一部であり得る。

一部の実施形態では、計算システム２８００は、本明細書で説明又は図示される１つ以上の方法の１つ以上のステップを実行する。一部の実施形態では、計算システム２８００は、本明細書に記載又は図示される機能を提供する。一部の実施形態では、計算システム２８００上で動作するソフトウェアは、本明細書で説明又は図示される１つ以上の方法の１つ以上のステップを実行し、又は、本明細書で説明又は図示される機能を提供する。一部の実施形態は、計算システム２８００の１つ以上の部分を含む。

計算システム２８００は、１つ以上のプロセッサ２８０１、メモリ２８０２、記憶装置２８０３、入出力（Ｉ／Ｏ）インタフェース２８０４、通信インタフェース２８０５及びバス２８０６を含む。計算システム２８００は、任意の適切な物理的形態をとってよい。例として、計算システム２８００は、組込みコンピュータシステム、システムオンチップ（ＳＯＣ）、シングルボードコンピュータシステム（ＳＢＣ）（例えばコンピュータオンモジュール（ＣＯＭ）やシステムオンモジュール（ＳＯＭ）等）、デスクトップ型コンピュータシステム、ラップトップ又はノートブック型のコンピュータシステム、インタラクティブキオスク、メインフレーム、コンピュータシステムのメッシュ、携帯電話、ＰＤＡ、サーバ、タブレットコンピュータシステム、又はこれらの２つ以上の組合わせであってよい。

プロセッサ２８０１は、コンピュータプログラムを構成するもの等、命令を実行するためのハードウェアを含む。プロセッサ２８０１は、メモリ２８０２、記憶装置２８０３、内部レジスタ又は内部キャッシュから命令を取り出すことができる。次に、プロセッサ２８０１は、命令を復号して実行する。次に、プロセッサ２８０１は、１つ以上の結果を、メモリ２８０２、記憶装置２８０３、内部レジスタ又は内部キャッシュに書き込む。プロセッサ２８０１は、オペレーティングシステム、プログラム、ユーザインタフェース及びアプリケーションインタフェース、並びに計算システム２８００の任意の他の機能を実行するための処理能力を提供することができる。

プロセッサ２８０１は、中央処理装置（ＣＰＵ）、１つ以上の汎用マイクロプロセッサ、特定用途向けマイクロプロセッサ及び／若しくは専用マイクロプロセッサ、又はそのような処理コンポーネントの何らかの組合わせを含んでよい。プロセッサ２８０１は、１つ以上のグラフィックプロセッサ、ビデオプロセッサ、オーディオプロセッサ及び／又は関連チップセットを含んでよい。

一部の実施形態では、メモリ２８０２は、プロセッサ２８０１が実行するための命令又はプロセッサ２８０１が演算するためのデータを格納するためのメインメモリを含む。例として、計算システム２８００は、記憶装置２８０３又は別のソースからメモリ２８０２に命令をロードすることができる。命令の実行中又は実行後に、プロセッサ２８０１は、１つ以上の結果（中間結果又は最終結果であり得る）をメモリ２８０２に書き込んでよい。１つ以上のメモリバス（それぞれがアドレスバス及びデータバスを含んでよい）は、プロセッサ２８０１をメモリ２８０２に結合してよい。１つ以上のメモリ管理ユニット（ＭＭＵ）は、プロセッサ２８０１とメモリ２８０２との間に存在し、プロセッサ２８０１によって要求されたメモリ２８０２へのアクセスを容易にすることができる。メモリ２８０２は、１つ以上のメモリを含んでよい。メモリ２８０２は、ランダムアクセスメモリ（ＲＡＭ）であってよい。

記憶装置２８０３は、データ及び／又は命令を格納する。限定ではなく例として、記憶装置２８０３は、ハードディスクドライブ、フロッピーディスクドライブ、フラッシュメモリ、光ディスク、光磁気ディスク、磁気テープ若しくはユニバーサルシリアルバス（ＵＳＢ）ドライブ、又はこれらのうちの２つ以上の組合わせを含んでよい。一部の実施形態では、記憶装置２８０３は、着脱可能な媒体である。一部の実施形態では、記憶装置２８０３は、固定媒体である。一部の実施形態では、記憶装置２８０３は、計算システム２８００の内部にある。一部の実施形態では、記憶装置２８０３は、計算システム２８００の外部にある。一部の実施形態では、記憶装置２８０３は、不揮発性のソリッドステートメモリである。一部の実施形態では、記憶装置２８０３は、リードオンリーメモリ（ＲＯＭ）を含む。必要に応じて、このＲＯＭは、マスクプログラムされたＲＯＭ、プログラム可能なＲＯＭ（ＰＲＯＭ）、消去可能なＰＲＯＭ（ＥＰＲＯＭ）、電気的に消去可能なＰＲＯＭ（ＥＥＰＲＯＭ）、電気的に変更可能なＲＯＭ（ＥＡＲＯＭ）若しくはフラッシュメモリ、又はこれらの２つ以上の組合わせであってよい。記憶装置２８０３は、１つ以上のメモリデバイスを含んでよい。記憶装置２８０３に格納された１つ以上のプログラムモジュールは、本明細書に記載の様々な動作及びプロセスを実行させるように構成されてよい。記憶装置２８０３は、アプリケーションデータ、プログラムモジュール及び他の情報を格納してよい。一部の実施形態では、アプリケーション１１２は、記憶装置２８０３上に存在し、計算システム２８００上で実行される。一部の実施形態では、データ記憶部１１３は、記憶装置２８０３上に存在する。記憶装置２８０３に格納された１つ以上のプログラムモジュールは、本明細書に記載の様々な動作及びプロセスを実行させるように構成される。例えば、アプリケーション１１２のプログラムは命令を含んでよく、当該命令は、１つ以上のプロセッサによって実行されたときに、図６、図１０、図１４、図２１及び図２９のうちの１つ以上に関して記載された１つ以上の動作を１つ以上のプロセッサに実行させる。

Ｉ／Ｏインタフェース２８０４は、計算システム２８００と１つ以上のＩ／Ｏデバイスとの間の通信のための１つ以上のインタフェースを提供するハードウェア、ソフトウェア、又は両方を含む。計算システム２８００は、必要に応じて、これらのＩ／Ｏデバイスのうちの１つ以上を含んでよい。これらのＩ／Ｏデバイスの１つ以上により、人と計算システム２８００の間の通信が可能となる。限定ではなく例として、Ｉ／Ｏデバイスは、光源、キーボード、キーパッド、マイク、モニタ、マウス、スピーカ、スチルカメラ、スタイラス、タブレット、タッチスクリーン、トラックボール、ビデオカメラ、別の適切なＩ／Ｏデバイス、又はこれらのうちの２つ以上の組合わせを含んでよい。Ｉ／Ｏデバイスは、１つ以上のセンサを含んでよい。一部の実施形態では、Ｉ／Ｏインタフェース２８０４は、プロセッサ２８０１がこれらのＩ／Ｏデバイスの１つ以上を駆動することを可能にする１つ以上のデバイス又はソフトウェアドライバを含む。Ｉ／Ｏインタフェース２８０４は、１つ以上のＩ／Ｏインタフェースを含んでよい。

通信インタフェース２８０５は、計算システム２８００と１つ以上の他の計算システム又は１つ以上のネットワークとの間の通信（例えばパケットベースの通信等）のための１つ以上のインタフェースを提供する、ハードウェア、ソフトウェア又は両方を含む。限定ではなく例として、通信インタフェース２８０５は、イーサネット又は他の有線ネットワークと通信するためのネットワークインタフェースカード（ＮＩＣ）又はネットワークコントローラ、又は、無線ネットワーク（ＷＩ－ＦＩネットワーク等）と通信するための無線ＮＩＣ（ＷＮＩＣ）又は無線アダプタを含んでよい。本開示は、任意の適切なネットワークと、そのための任意の適切な通信インタフェース２８０５を想定している。限定ではなく例として、計算システム２８００は、アドホックネットワーク、パーソナルエリアネットワーク（ＰＡＮ）、ローカルエリアネットワーク（ＬＡＮ）、広域ネットワーク（ＷＡＮ）、メトロポリタンエリアネットワーク（ＭＡＮ）、又はインターネットの１つ以上の部分、又はこれらのうちの２つ以上の組合わせと通信してよい。これらのネットワークのうちの１つ以上の１つ以上の部分は、有線であっても無線であってもよい。一例として、計算システム２８００は、無線ＰＡＮ（ＷＰＡＮ）（例えばBluetooth WPAN又は超広帯域（ＵＷＢ）ネットワーク等）、ＷＩ－ＦＩネットワーク、ＷＩ－ＭＡＸネットワーク、携帯電話ネットワーク（例えばＧＳＭ（Global System for Mobile Communications）ネットワーク等）、又は他の適切な無線ネットワーク、又はこれらのうちの２つ以上の組合わせと通信してよい。計算システム２８００は、必要に応じて、これらのネットワークのいずれかのための任意の適切な通信インタフェース２８０５を含んでよい。通信インタフェース２８０５は、１つ以上の通信インタフェース２８０５を含んでよい。

バス２８０６は、計算システム２８００の様々なコンポーネントを相互接続し、それにより、データの伝送と様々なプロセスの実行を可能にする。バス２８０６は、メモリバス又はメモリコントローラ、周辺バス、及び様々なバスアーキテクチャのいずれかを使用するローカルバスを含む、１つ以上のタイプのバス構造を含んでよい。

図２９は、機械学習モデルの訓練のための例示の動作フローを示す。一部の実施形態では、図２９のステップの１つ以上は、計算システム２８００において、計算システム２８００上のアプリケーション１１２のプログラム命令を実行することによって、実行される。

ステップＳ２９０１において、計算システム２８００は、機械学習モデルを訓練するための訓練データを取得する。訓練データは、信号セグメントに対応する特徴データを含む複数の訓練例を含む。一部の実施形態では、ステップＳ２９０１は、図３０に示される訓練データの取得を含む。

図３０は、機械学習モデルの訓練のための例示の訓練データ３０００を示す。１つ以上の実施形態によれば、訓練データ３０００は、特徴データ３００１及び専門家推定３００２を含む。

１つ以上の実施形態では、特徴データ３００１は、複数の信号セグメントの信号セグメント特徴データを含む。１つ以上の実施形態では、特徴データ３００１は、各信号セグメントの低相レベル及び高相レベルを含む。例えば、一部の実施形態では、特徴データ３００１は、各信号セグメントについて、ヒストグラム法を用いた信号セグメントのバイレベル波形の低相レベル及び高相レベルを含む。１つ以上の実施形態では、特徴データ３００１は、各信号セグメントについて、信号セグメントとその移動平均平滑化信号の間の信号対雑音比を含む。特徴データ３００１は、信号セグメントに関連付けられた任意の適切な特徴データを含んでよい。

１つ以上の実施形態では、訓練データ３０００は専門家推定３００２を含む。例えば、１つ以上の実施形態によれば、訓練データ３０００は、多くのＯＣＴプルバックシーケンスから得られるステント留置セグメントと非ステント留置セグメントのバランスの取れたデータセットを含むように、１人以上の専門家又は監督者によって選択された信号セグメント特徴データ３００１を含む。一部の実施形態では、信号セグメントの特徴データ３００１は、専門家推定３００２を用いて、ステント留置セグメント又は非ステント留置セグメントとして特定される。一部の実施形態では、専門家推定３００２は、例えば、信号セグメントの分類及び／又は信号セグメントの特徴に関する１つ以上のラベルを含む。

１つ以上の実施形態では、ステップＳ２９０１は、訓練データ３０００を機械学習モデルに入力することを含む。一部の実施形態では、機械学習モデルは分類器である。例えば、機械学習モデルは、サポートベクタマシン（ＳＶＭ）分類器であってよい。

ステップＳ２９０２において、計算システム２８００は、機械学習モデルを訓練する。例えば、計算システム２８００は、ステップＳ２９０１で取得された訓練データを用いて、機械学習モデルを訓練することができる。一部の実施形態では、機械学習モデルは、図３０の訓練データ３０００に基づいて訓練される。一部の実施形態では、ステップＳ２９０２は、機械学習モデルが分類器であるように、機械学習モデルを訓練することを含む。

１つ以上の実施形態では、機械学習モデルは、ステップＳ２９０２において、信号セグメントの１つ以上の信号特徴に基づいて、血管内機器の画像データの表現であるもの、或いは血管内機器の画像データの表現ではないもののいずれかとして、信号セグメントを分類するように訓練される。一部の実施形態では、機械学習モデルは、以下の信号特徴のうちの１つ以上に基づいて、各信号セグメントを分類するように訓練される：ヒストグラム法に用いた信号セグメントのバイレベル波形の低相レベル及び高相レベル；及び、信号セグメントとその移動平均平滑化信号の間の信号対雑音比。

１つ以上の実施形態によれば、機械学習モデルを訓練するために、信号セグメント（例えば１０個のフレームに対応する図９の１０値信号セグメント９０２）は、専門家推定を用いてステント留置又は非ステント留置として分類され、少なくとも７つのステント留置動脈から得られたセグメントの特徴のバランスの取れたデータセットが作成される。一部の実施形態では、機械学習モデルは、信号セグメントの各々について、ステントセグメント又は非ステントセグメントのいずれかとして分類を出力するように訓練される。

上記の説明は、本開示の原理を説明するのに役立つ。しかし、本開示は、上記の例に限定されるべきではない。例えば、様々な動作のうち一部の順序及び／又はタイミングは、本開示の範囲から逸脱することなく、上記に与えられた例とは異なってよい。更に例として、ネットワーク及び／又はコンピューティングシステムのタイプは、本開示の範囲から逸脱することなく、上記の例とは異なってよい。本開示の範囲から逸脱することなく、上記で与えられた例からの他の変形も存在し得る。例えば、本開示の範囲から逸脱することなく、図示された例の様々な特徴を修正、再配置又は除去することができ、又は、１つ以上の特徴を追加することができる。

本開示の範囲は、命令を格納したコンピュータ可読媒体を含み、命令は、１つ以上のプロセッサによって実行されたときに、本明細書に記載される本開示の１つ以上の実施形態を１つ以上のプロセッサに実行させる。コンピュータ可読媒体の例として、ハードディスク、フロッピーディスク、光磁気ディスク（ＭＯ）、コンパクトディスク読取り専用メモリ（ＣＤ－ＲＯＭ）、記録可能なコンパクトディスク（ＣＤ－Ｒ）、ＣＤ－Ｒｅｗｒｉｔａｂｌｅ（ＣＤ－ＲＷ）、デジタル多用途ディスクＲＯＭ（ＤＶＤ－ＲＯＭ）、ＤＶＤ－ＲＡＭ、ＤＶＤ－ＲＷ、ＤＶＤ＋ＲＷ、磁気テープ、不揮発性メモリカード及びＲＯＭが挙げられる。コンピュータ実行可能命令は、ネットワークを介してダウンロードされることにより、コンピュータ可読記憶媒体に供給することもできる。

本明細書の開示は特定の実施形態を参照して説明されてきたが、当然のことながら、これらの実施形態は、本開示の原理及び用途の例示にすぎない（そして、それに限定されない）。したがって、当然のことながら、例示の実施形態には多くの変更を加えることができ、本開示の主旨及び範囲から逸脱することなく他の構成を考案することができる。以下の特許請求の範囲は、そのような変更並びに均等の構造及び機能を全て包含するように、最も広い解釈が与えられるべきである。

Claims (20)

1. １つ以上のプロセッサと、
   前記１つ以上のプロセッサによって実行されるように構成される実行可能命令を格納した１つ以上のコンピュータ可読媒体と、
   を備えるシステムであって、
   前記１つ以上のコンピュータ可読媒体及び前記１つ以上のプロセッサは、前記システムに、
   血管の壁及び血管内機器の血管内画像データを取得することであって、前記血管内画像データは複数の画像を含む、取得することと、
   前記複数の画像を表す信号を生成することと、
   前記複数の画像を表す前記信号に基づいて、前記複数の画像のうち、前記血管内機器に対応する１つ以上の画像を特定することと、
   前記血管内機器に対応する前記１つ以上の画像に基づいて、前記血管内機器の３次元（３Ｄ）形状の表現を生成することと、
   前記血管内機器に対応する管腔セグメントの３Ｄ形状の表現を用いて、前記血管の壁に対する前記血管内機器の圧着値を決定することであって、前記圧着値は、前記管腔セグメントの前記３Ｄ形状と前記血管内機器の前記３Ｄ形状との間のボリューム差に基づく、決定することと、
   前記圧着値を示す情報を提示することと、
   を実行させるように構成される、
   システム。
2. 前記複数の画像の各々は、前記血管の断面画像であり、前記血管内機器に対応する前記１つ以上の画像の各々は、前記血管内機器のそれぞれの断面に対応する、
   請求項１に記載のシステム。
3. 前記複数の画像の各々は、それぞれのＡライン群に対応し、前記複数の画像を表す前記信号を生成するために、前記１つ以上のコンピュータ可読媒体及び前記１つ以上のプロセッサは、前記システムに、
   前記複数の画像の各々に対応する前記それぞれのＡライン群に基づいて、前記複数の画像の各々についてそれぞれの信号値を生成すること、
   を実行させるように更に構成される、請求項１に記載のシステム。
4. 前記１つ以上のコンピュータ可読媒体及び前記１つ以上のプロセッサは、前記システムに、
   前記複数の画像を表す前記信号をセグメントに分割することであって、信号セグメントの各々は、前記複数の画像のうちの２つ以上の連続する画像に対応する、分割することと、
   各信号のセグメントのデータを分類器に入力することであって、前記分類器は、前記血管内機器の画像データの表現であるもの、或いは前記血管内機器の画像データの表現ではないもののいずれかとして、前記信号セグメントの各々の分類を出力する、入力することと、
   を実行させるように更に構成される、請求項１に記載のシステム。
5. 前記血管内機器に対応する前記１つ以上の画像を特定するために、前記１つ以上のコンピュータ可読媒体及び前記１つ以上のプロセッサは、前記システムに、
   １つ以上の信号セグメントを前記血管内機器の画像データの表現とする分類に基づいて、前記１つ以上の信号セグメントに対応する１つ以上の画像を、前記血管内機器に対応する前記１つ以上の画像として特定すること、
   を実行させるように更に構成される、請求項４に記載のシステム。
6. 前記分類器は、サポートベクタマシン分類器である、
   請求項４に記載のシステム。
7. 前記分類器は、訓練された分類器であり、
   前記信号セグメントの各々についての前記分類は、１つ以上の信号特徴に基づく、
   請求項４に記載のシステム。
8. 前記信号セグメントの各々の前記分類は、各信号セグメントの低相レベル及び高相レベル、並びに、各信号セグメントと当該信号セグメントの移動平均平滑化信号との間の信号対雑音比に基づく、
   請求項７に記載のシステム。
9. 前記１つ以上のコンピュータ可読媒体及び前記１つ以上のプロセッサは、前記システムに、
   前記血管内画像データの２次元表現を用いて、ガイドワイヤの表現を含むバイナリマスクを生成することと、
   前記バイナリマスクに基づいて、前記血管内機器に対応する画像において前記ガイドワイヤを検出し、前記画像から前記ガイドワイヤを除外又は除去することと、
   を実行させるように更に構成される、請求項１に記載のシステム。
10. 前記１つ以上のコンピュータ可読媒体及び前記１つ以上のプロセッサは、前記システムに、前記血管内機器に対応する前記１つ以上の画像の各々に対して、
    Ａライン画像のＡラインを平均化することによって、Ａライン信号を生成することと、
    それぞれのＡライン信号の谷において、血管内機器のストラット候補を検出することと、
    前記Ａライン信号の平均値を２で割った値として、谷閾値を計算することと、
    前記谷閾値未満であり、かつ、ガイドワイヤ画素に属さないそれぞれのＡライン信号の谷に、前記血管内機器の１つ以上のストラットの各々が対応するという決定に基づいて、前記血管内機器の前記１つ以上のストラットを検出することと、
    を実行させるように更に構成される、請求項１に記載のシステム。
11. 前記１つ以上のコンピュータ可読媒体及び前記１つ以上のプロセッサは、前記システムに、
    前記血管内機器に対応する前記１つ以上の画像の各々について、前記血管内機器の１つ以上のストラットを検出することと、
    前記血管内機器に対応する前記１つ以上の画像の各々について、それぞれのオブジェクトを生成することと、
    を実行させるように更に構成され、
    各オブジェクトは、前記血管内機器のそれぞれの表面セグメントを表し、前記血管内機器の前記３Ｄ形状の前記表現は、前記血管内機器に対応する前記１つ以上の画像に対応する前記それぞれのオブジェクトを用いて生成される、
    請求項１に記載のシステム。
12. 前記血管内機器に対応する前記１つ以上の画像の各々についてそれぞれのオブジェクトを生成するために、前記１つ以上のコンピュータ可読媒体及び前記１つ以上のプロセッサは、前記システムに、
    複数の前記オブジェクトの各々について、前記１つ以上のストラットのそれぞれにわたってそれぞれのスプラインを適用することによって、複数のオブジェクトを生成すること、
    を実行させるように更に構成され、
    前記複数のオブジェクトは、前記血管内機器の連続する表面セグメントを表す、
    請求項１１に記載のシステム。
13. 前記血管内機器に対応する前記１つ以上の画像の各々についてそれぞれのオブジェクトを生成するために、前記１つ以上のコンピュータ可読媒体及び前記１つ以上のプロセッサは、前記システムに、
    第１のオブジェクトを生成すること、
    を実行させるように更に構成され、
    前記第１のオブジェクトは、前記第１のオブジェクトと比べて前記血管内機器の先行する表面セグメントを表す第２のオブジェクトのデータを用いて、或いは、前記第１のオブジェクトと比べて前記血管内機器の後続する表面セグメントを表す第３のオブジェクトのデータを用いて、或いは、前記第２のオブジェクトの前記データと前記第３のオブジェクトの前記データの両方を用いて、前記第１のオブジェクトの１つ以上の部分を補間することによって、生成される、
    請求項１１に記載のシステム。
14. 前記第１のオブジェクトを生成するために、前記１つ以上のコンピュータ可読媒体及び前記１つ以上のプロセッサは、前記システムに、
    前記第１のオブジェクトのサイズを閾値と比較することと、
    前記第１のオブジェクトのサイズが前記閾値未満である場合に、前記第２のオブジェクトの１つ以上のストラットと、前記第３のオブジェクトの１つ以上のストラットとを用いて、前記第１のオブジェクトの１つ以上の欠測ストラットを補間することにより、前記第１のオブジェクトを生成することと、
    を実行させるように更に構成される、請求項１３に記載のシステム。
15. 前記１つ以上のコンピュータ可読媒体及び前記１つ以上のプロセッサは、前記システムに、
    前記血管内機器の前記３Ｄ形状が前記管腔セグメントの前記３Ｄ形状と重ね合わされるように、前記血管内機器の前記３Ｄ形状の前記表現を、前記管腔セグメントの前記３Ｄ形状の前記表現とともに提示すること、
    を実行させるように更に構成される、請求項１に記載のシステム。
16. 前記管腔セグメントの前記３Ｄ形状の前記表現は、前記血管内機器に対応する前記１つ以上の画像に基づいて生成される、
    請求項１に記載のシステム。
17. 前記圧着値を示す前記情報は、前記血管内機器が前記血管の壁に完全に圧着されていない割合の標示を含む、
    請求項１に記載のシステム。
18. 前記血管内機器はステントであり、前記血管内画像データは、前記血管の管腔内に配置された前記ステントの画像データを含む、
    請求項１に記載のシステム。
19. １つ以上のプロセッサを備える計算システムの作動方法であって、
    前記計算システムが、血管の壁及び血管内機器の血管内画像データを取得するステップであって、前記血管内画像データは複数の画像を含む、取得するステップと、
    前記計算システムが、前記複数の画像を表す信号を生成するステップと、
    前記計算システムが、前記複数の画像を表す前記信号に基づいて、前記複数の画像のうち、前記血管内機器に対応する１つ以上の画像を特定するステップと、
    前記計算システムが、前記血管内機器に対応する前記１つ以上の画像に基づいて、前記血管内機器の３次元（３Ｄ）形状の表現を生成するステップと、
    前記計算システムが、前記血管内機器に対応する管腔セグメントの３Ｄ形状の表現を用いて、前記血管の壁に対する前記血管内機器の圧着値を決定するステップであって、前記圧着値は、前記管腔セグメントの前記３Ｄ形状と前記血管内機器の前記３Ｄ形状との間のボリューム差に基づく、決定するステップと、
    前記計算システムが、前記圧着値を示す情報を提示するステップと、
    を含む方法。
20. 命令を格納した１つ以上のコンピュータ可読記憶媒体であって、前記命令は、１つ以上の計算装置によって実行されたときに、前記１つ以上の計算装置に、
    血管の壁及び血管内機器の血管内画像データを取得するステップであって、前記血管内画像データは複数の画像を含む、取得するステップと、
    前記複数の画像を表す信号を生成するステップと、
    前記複数の画像を表す前記信号に基づいて、前記複数の画像のうち、前記血管内機器に対応する１つ以上の画像を特定するステップと、
    前記血管内機器に対応する前記１つ以上の画像に基づいて、前記血管内機器の３次元（３Ｄ）形状の表現を生成するステップと、
    前記血管内機器に対応する管腔セグメントの３Ｄ形状の表現を用いて、前記血管の壁に対する前記血管内機器の圧着値を決定するステップであって、前記圧着値は、前記管腔セグメントの前記３Ｄ形状と前記血管内機器の前記３Ｄ形状との間のボリューム差に基づく、決定するステップと、
    前記圧着値を示す情報を提示するステップと、
    を実行させる、１つ以上のコンピュータ可読記憶媒体。