KR20140098681A - 분산된 반사도 데이타로부터 생물리학 모델을 위한 생물학적 매개변수 벡터를 추정하는 통제-기초 전환 - Google Patents

분산된 반사도 데이타로부터 생물리학 모델을 위한 생물학적 매개변수 벡터를 추정하는 통제-기초 전환 Download PDF

Info

Publication number
KR20140098681A
KR20140098681A KR1020140007679A KR20140007679A KR20140098681A KR 20140098681 A KR20140098681 A KR 20140098681A KR 1020140007679 A KR1020140007679 A KR 1020140007679A KR 20140007679 A KR20140007679 A KR 20140007679A KR 20140098681 A KR20140098681 A KR 20140098681A
Authority
KR
South Korea
Prior art keywords
biological parameter
estimated
parameter vector
virtual
vector
Prior art date
Application number
KR1020140007679A
Other languages
English (en)
Inventor
케샤브 메스타 라리트
스리니바스 라메스 팔가트
엔리케 길 알바로
Original Assignee
제록스 코포레이션
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 제록스 코포레이션 filed Critical 제록스 코포레이션
Publication of KR20140098681A publication Critical patent/KR20140098681A/ko

Links

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
    • A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
    • 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
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1075—Measuring physical dimensions, e.g. size of the entire body or parts thereof for measuring dimensions by non-invasive methods, e.g. for determining thickness of tissue layer
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
    • A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
    • A61B5/443—Evaluating skin constituents, e.g. elastin, melanin, water
    • 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
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
    • A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
    • A61B5/444—Evaluating skin marks, e.g. mole, nevi, tumour, scar
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Physiology (AREA)
  • Dermatology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Optics & Photonics (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Cardiology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Pulmonology (AREA)

Abstract

본 발명은 반사도-기초 분광 측정 시스템으로부터 획득된 반사도 측정들을 사용하여 생물리학 모델을 위한 생물학적 매개변수 벡터를 추정하는 시스템 및 방법이다. 본 방법은 피부 성질들을 기술하고 반사도 스펙트럼들을 추정하도록 절반-경험적인 생물리학 모델을 사용하고, 전산적 효율을 위해 기본 벡터들을 사용하여 추정된 및 측정된 반사도 스펙트럼들의 차원도 (dimensionality)를 감소시킨다. 알고리즘들의 혼합은, 다음 순서로 측정된 분광으로부터 유도된 매개변수들 간의 오차가 추정된 스펙트럼들로부터 계산된 매개변수들과 비교되는 반복적인 통제 기초한 기법을 사용하여 더 정제된 매개변수들의 초기 집합을 생성하도록 채용된다. 이들 오차들은 다음으로 작은 델타 내지 매개변수들의 초기 집합을 생성하도록 프로세싱된다. 공정은 추정된 가상의 생물학적 매개변수들 및 측정된 가상의 생물학적 매개변수들 간의 오차가 제로로 강하되거나 달리 선-정의된 역치 수준 미만이 될 때까지 반복된다.

Description

분산된 반사도 데이타로부터 생물리학 모델을 위한 생물학적 매개변수 벡터를 추정하는 통제-기초 전환 {Control-based inversion for estimating a biological parameter vector for a biophysics model from diffused reflectance data}
본 발명은 노출된 피부 영역의 표면의 생체내 실행되는 반사도-기초 분광 측정 시스템을 사용하여 획득된 스펙트럼 측정들로부터 생물리학 모델을 위한 생물학적 매개변수 벡터를 추정하는 시스템들 및 방법들에 관한 것이다.
개시된 것은 반사도-기초 분광 측정 시스템으로부터 획득된 측정된 스펙트럼으로부터 생물리학 모델을 위한 생물학적 매개변수 벡터 (생물학적 매개변수들의 벡터)를 추정하는 시스템 및 방법이다.
"생물학적 실체 (biological entity)"는 측정된 스펙트럼이 이로부터 획득되고 본 명세서에서 개시된 제안들에 따라 가공될 수 있는 노출된 피부의 부위를 가지는 임의의 관심 있는 개체를 말한다.
용어 "인간", "사람", 또는 "환자"가 본 발명의 전체를 통하여 다양한 점들에서 사용될 수 있더라도, 본 발명이 지향하는 생물학적 실체는 인간이 아닌 다른 것일 수 있는 점이 이해되어야 한다. 이와 같이, "인간", "사람", 또는 "환자"의 사용은 첨부된 청구항들의 범위를 엄격하게 인간들로 제한하는 것으로서, 고려되는 것은 아니다.
"피부"는 내재하는 조직들, 내부 기관들, 및 다른 해부학적 구조들을 일부를 언급하자면 충격, 찰과상, 자외선 조사, 화학적 노출에 대항하여 보호한다. 도 1은 그의 기본 구조들을 도시하는 인간 피부의 단면을 나타낸다. 피부는 전 체중의 대략 16%를 차지한다. 피부는 뇌에 외부 세계와 신체적 접촉에 관한 감각적 데이타를 제공하는 신경들로 홍조를 띤다. 도 1에서 나타난 바와 같이, 피부는 세 가지 층들, 예로 표피, 진피 및 피하 층들을 포함한다. 표피는 혈액이 없고 상피 세포들에 의해 우점되며 진피층 내의 모세혈관들로부터 영양분들 및 산소의 확산에 의존한다. 피부 채색에 관여하는 일차적인 색소들은 카로틴 및 멜라닌이다. 둘 다의 색소들은 표피에 존재한다. 표피층의 색소세포들 (melanocyte)은 자외선 조사로부터 내재한 조직들을 보호하는 멜라닌이라고 말하는 색소의 다양한 명암들을 생산한다. 진피층은 표피 및 피하 층들 사이에 놓이고 혈관들, 림프 구조들, 신경 섬유들 및 모낭들 및 땀샘들과 같은 부속 기관들로 다수의 층들을 구성한다. 피하층은 지방 (지방 (fat)) 조직에 의해 우점된다. 피하층은 피부 구조들 및 신체의 나머지 부위 간의 경계로서 작용한다.
"피부암 (skin cancer)"은 암성이 된 피부 위의 성장 또는 병변을 말한다. 대부분의 피부암들은 일정 암들이 더 깊은 구조들 내에서 출현하긴 하더라도 외부 (표피) 층에서 생긴다. 세 가지의 공통적인 피부암들, 예로 기저세포 암종 (basal cell carcinoma), 편평세포 암종 (squamous cell carcinoma), 및 흑색종 (melanoma)이 존재한다. 일반적으로, 시간 경과시 크기에서 증가되는 피부 상의 임의의 성장 (종양) 또는 비정상적 탈색 (병변)은 피부암이 되는 것으로 의심된다. 본 발명의 구현예들은 상세하게 피부암 검출 및 진단의 용이성 (facilitation)에 관한 것이다.
"관심 있는 부위"는 노출된 피부의 영역이다. 도 2는 단일 표시 (nark) 201을 가진 왼손을 가진 및 두 개의 표시들 202 및 203을 가지는 오른손을 가진 한 쌍의 도시된 손들을 나타낸다. 본 명세서의 제안들이 피부암 진단에 사용되는 이들 실행예들에서, 표시 자체가 흥미롭다. 관심 있는 부위는 관심 있는 표시 주변의 영역일 수 있다. 하나의 이러한 부위가 표시 203 주변의 204에서 관찰된다. 피부 위의 병변은 둘러싸는 정상적인 피부로부터 병변을 분리하여 그의 전산화적 복합도를 분광 반사도 감지 장치를 사용하여 서로 다른 파장들에서 포집된 일련의 화면들로부터 획득된 해당 부위 내의 단지 이들 픽셀들에 제한하는 경계를 결정하도록 분절화될 수 있다.
"분광 반사도 감지 장치 (spectral reflectance sensing device)"는 분광 영상 포집 능력을 가진 영상화 시스템이다. 이러한 영상화 시스템은 화면에서 각각의 픽셀을 위해 획득된 분광 측정을 생산한다. 분광 반사도 감지 장치는 당해 기술분야에서 알려진 바와 같이, 분광측정기 (spectrometer), 분광광도측정기 (spectrophotometer), 다중-분광 카메라 (multi-spectral camera), 및 고분광 카메라 (hyperspectral camera)일 수 있다. 또 다른 구현예에서, 분광 반사도 감지 장치는 색상 및 분광 데이타 둘 다를 포집할 수 있는 하이브리드 영상화 시스템이다. 분광광도측정기는 강도를 광원 파장의 함수로서 측정할 수 있는 광도측정기이다. 분광광도측정기들의 중요한 특징들은 분광 밴드의 너비 그리고 흡수 또는 반사도 측정의 선형적 범위이다. 분광광도측정기는 단지 스폿 측정들을 제공한다. 분광측정기는 그들의 파장들에 따라 광학적 신호들을 분리하는 광학적 기구이다. 이들 특수화된 기구들은 서로 다른 분광 반응들로 생기며 다양한 시판 회사들의 벤더들로부터 입수가 가능하다. 분광측정기들은 표면들로부터 반사된 광을 측정하도록 탐침들 및 서로 다른 광원들 (예로, 텅스텐 할로겐 광)로 맞추어질 수 있다.
"다중-분광 카메라 (multi - spectral camera)"는 다중-분광 또는 고-분광 (hyper-spectral) 영상화 시스템 둘 중 하나가 될 수 있다. 둘 다의 구현예들은 일반적으로 표적으로부터 반사된 광을 측정하는 분광 센서들의 어레이를 포함한다. 다중-분광 카메라는 가시적 파장 밴드에서 또는 IR 파장 밴드에서 또는 둘 다의 밴드들에서 작동할 수 있다. 다중-분광 카메라는 전형적으로 물체를 조명하는 적어도 하나의 광원 및 각각의 좁은 밴드-통과 필터를 가지는 각각의 검출기를 가진 검출기 어레이를 가진다. 다른 구현예들에서, 다중-분광 카메라는 채널 (per-channel)을 기초로 한 반사도 수치들을 내보내기 위한 다수의 출력들을 포함하고, 반사도 수치들을 가공하고 저장하기 위한 프로세서 및 저장 장치를 더 포함할 수 있다. 이러한 카메라 시스템은 또한 저장 장치, 메모리, 및 기계 해독가능한 프로그램 지침들을 실행할 수 있는 프로세서를 통합할 수 있다.
"고분광 카메라 (hyperspectral camera)"는 분광분석법 (spectroscopy) 및 영상화 (imaging)를 조합하고, 따라서 통상적인 RGB 영상화 방법들을 사용하여 정확하게 구별될 수 없는 서로 다른 물체들 간을 분간할 수 있다. 대부분의 고분광 카메라들은 그들의 분광분석 능력을 좁은 슬릿-모양의 구멍으로부터 센서 위로 빛을 분산하는 회절 격자로 인해 얻는다. 슬릿이 x 방향으로 지향되는 경우라면, 다음으로 이동가능한 거울에 의해 장면 (scene) 위의 구멍을 지나가는 것 (sweeping)은 y 방향으로 화면을 만든다. 좁은 슬릿 및 긴 초점 길이는 미세한 분광 및 공간적 해상도를 수득하지만, 대용량 (구멍이 작기 때문에), 카메라 크기 (다수의 광학적 구성성분들 때문에), 및 기계적 복잡성 (광학이 이동가능하기 때문에)을 희생한다. 이러한 고분광 카메라 상에서, 전적으로 통합된 CMOS 적합한 고분광 센서는 도 3에 나타난 바와 같다.
R m (λ)라고 표시되는 "측정된 스펙트럼"은 파장 λ에서 분광 반사도 감지 장치를 사용하여 획득된 반사도 측정들을 말한다.
"측정된 스펙트럼을 받는 것 (receiving measured spectrum)"은 본 명세서에서 개시된 방법들에 따라 가공되는 분광 측정들을 복구하거나, 받거나, 포집하거나, 다운로드하거나, 달리 획득하는 것으로 널리 참착되도록 의도되고 이들을 의미한다. 측정된 스펙트럼에 대한 수치들은 개별적 수치들로서 받아지거나, 실시간으로 분광 데이타의 연속적 흐름으로서 받아질 수 있다. 측정된 스펙트럼은 연속적으로 분광 반사도 감지 장치로부터 받아지거나 유선 또는 무선 네트워크를 거쳐서 리모트 장치로부터 복구될 수 있다.
일반적으로 P 로서 표시되는 "생물학적 매개변수 벡터 (biological parameter vector)"는 생물학적 매개변수들의 벡터를 말한다. 생물학적 매개변수들은 표피 두께, 멜라닌 농도, 진피 혈액 부피 분획, 피부 산소 포화도, 및 광분산 매개변수 의 임의의 것일 수 있다.
P 0 로 표시되는 "초기 생물학적 매개변수 벡터"는 추정된 스펙트럼을 획득하도록 처음 반복적으로 생물리학 모델에 제공되는 생물학적 매개변수 벡터이다. 초기 생물학적 매개변수 벡터는 널리 이해되는 바와 같이, 예를 들면 동시적 혼란 확률적 근사 (Simultaneous Perturbation Stochastic Approximation, SPSA), 레벤버그-마르쿼드 알고리즘 (Levenberg-Marquard Algorithm, LMA), 또는 유전적 알고리즘 (Genetic Algorithm)을 사용하여 생성된다. 간략하게, SPSA는 글로발 최소를 찾는 하강 방법이다. 그의 주요한 특징은 근간이 되는 최적화 문제점의 차원과는 상관없이 객관적인 기능의 두 번의 측정들만을 요구하는 점진적인 근사이다. 최적화 기법으로서, 적응적 모델화 및 시뮬레이션이 잘 맞고 복수의 미지 매개변수들로 시스템들을 최적화하는 데 널리 사용된다. 예시들은 SPSA 웹사이트에서 제공된다. 레벤버그- 마르쿼드 알고리즘 (LMA)은 함수의 매개변수들의 공간을 거쳐서 일반적으로 비선형의 함수를 최소화하는 문제점에 대한 수적인 해법 (solution)을 제공한다. 이들 최소화 문제점들은 특히 가장 작은 제곱들 곡선 맞추기 및 비선형 프로그램화에서 발생한다. 필수적으로, LMA는 가우스-뉴튼 알고리즘 (GNA) 및 점진적 강하의 방법 사이에 간입한다. LMA는 전형적으로 GNA보다 더 강하고, 이는 많은 경우들에서 이것이 최종 최소와 벗어나서 시작할 때라도 해법을 찾을 수 있는 점을 의미한다. LMA는 일반 (generic) 곡선-맞추기 문제점들을 해결하기 위해 많은 소프트웨어 적용들에서 사용되는 인기있는 알고리즘이다. 그러나, LMA는 단지 로칼 최소이고 글로발 최소가 아니다. 유전적 알고리즘 (GA)는 자연적인 진화의 과정을 모방하는 탐색 발견법 (search heuristic)이다. GA는 최적화 및 탐색 문제점들에 대한 해법들을 생성하는 데 사용되는 더 큰 부류의 진화적 알고리즘들 (EA)에 속한다.
"절반-경험적인 생물리학 모델 (semi - empirical biophysics model)" 또는 단순하게 "생물리학 모델"은 입력으로서 생물학적 매개변수들의 벡터를 받고, 출력으로서 추정된 스펙트럼을 생성하는 모델이다.
R e (λ)로 표시되는 "추정된 스펙트럼"은 (측정된 스펙트럼과는 정반대되는 바) 추정되고 생물리학 모델에 의해 생산되는 스펙트럼이다. 한 가지 구현예에서, 추정된 스펙트럼은 다음의 관계에 의해 정의된다:
Figure pat00001
(1)
여기에서 P i 는 생물학적 매개변수 벡터의 i번째 매개변수이고, Ψ i (λ)는 파장 λ를 위한 기본 수치를 나타내는 주어진 행을 따른 각각의 요소를 가진 i번째 열-방향 기본 벡터들이고, N은 매개변수들의 수이다. 기본 집합은 생물리학 모델 상의 실험들의 설계 (DOE)에 의해 또는 몬테카를로 시뮬레이션에 의해 작성된다.
"측정된 가상의 생물학적 매개변수 벡터"는 받은 측정된 스펙트럼 R m (λ)를 벡터 P m 에 의해 재연된 낮은 차원 가상의 매개변수 공간으로 변환하였던 것에 의해 획득된 생물학적 매개변수들의 벡터이다. 한 가지 구현예에서, 벡터 P m 은 다음의 관계에 의해 정의된다:
Figure pat00002
(2)
여기에서 Ψ (λ)는 파장 λ를 위한 기본 수치를 나타내는 주어진 행을 따른 각각의 요소를 가진 열-방향 기본 벡터들이고, T는 이항 작용이다.
"추정된 가상의 생물학적 매개변수 벡터"는 추정된 스펙트럼 R e (λ)를 벡터 P e 에 의해 재연된 낮은 차원 가상의 매개변수 공간으로 변환하였던 것의 결과이다. 한 가지 구현예에서, 벡터 P e 은 다음의 관계에 의해 정의된다:
Figure pat00003
(3)
여기에서 Ψ (λ)는 파장 λ를 위한 기본 수치를 나타내는 주어진 행을 따른 각각의 요소를 가진 열-방향 기본 벡터이고, T는 이항 작용이다.
"다음 순서의 추정된 가상의 생물학적 매개변수 벡터"는 다음 순서의 반복 상에서 사용을 위해 획득된 추정된 가상의 생물학적 매개변수들의 벡터이다. 본 명세서에서 보다 전적으로 개시된 바와 같이, 다음 순서의 추정된 가상의 생물학적 매개변수 벡터는 획득 매트릭스 K 를 가진 MIMO 적분 통제기를 포함하는 피드백 토제기를 사용하여 결정되고, 여기에서 획득 매트리스는 극-배치 전략, 또는 선형 전방형 조절기 (LQR) 둘 중 하나를 사용하여 명목상의 수치들에서 함수 행렬식 (Jacobian)을 전산화하였던 과정에 의해 설계된다.
P F 로 표시된 "다음 순서의 추정된 가상의 생물학적 매개변수 벡터"는 측정된 가상의 생물학적 매개변수 벡터 및 다음 순서의 추정된 가상의 생물학적 매개변수 벡터 간의 비교의 결과로서 결정된 오차가 역치 수준 또는 그의 미만일 때 반복적 공정에 의해 출력된 마지막 추정된 가상의 생물학적 매개변수 벡터를 말한다.
예시 반사도-기초 분광 측정 시스템 400의 한 가지 구현예를 도시하는 참조가 현재 도 4에 작성되어 있다.
도 4에서, 예시적 인간 손 402는 종합적으로 403에서 발광기들 401에 의해 임의의 다양한 파장들에서 방출되는 광 빔을 반사하고, 반사된 광 404의 적어도 일부는 분광 측정 시스템 400의 광학 405에 의해 받아진다. 광학 405는 받아진 반사된 광 404를 집중시키도록 작용하는 하나 이상의 렌즈 406을 가진다. 이러한 광학은 좁은 밴드의 원하는 파장에서 광을 통과하도록 단지 허용하는 하나 이상의 밴드 통과 필터들을 포함할 수 있다. 필터들은 동일한 화면의 N개 파장 밴드들을 획득하도록 연속적으로 변화될 수 있다. 집중된 광 407은 다중-차원 그리드를 따라 다수의 픽셀 위치들에서 강도 수치들을 독립적으로 기록하는 검출기 408의 어레이 위에 인도되고 받아진 광은 포만 IR 영상 409로 공간적으로 분해된다. 한 가지 구현예에서, 검출기 408은 분광 내용이 선택가능한 다중-분광 IR 검출 장치를 포함한다. 적합한 광학 405 및 검출기 어레이 408은 공통적으로 시판되고 있다. 센서 어레이 408는 손 402의 포집된 IR 영상 409의 픽셀 강도 수치들 410을 컴퓨터 작업대 411로 제공한다. 컴퓨터 작업대는, 예를 들면 광학 405의 초점 및 검출기 어레이 408의 민감도를 통제하도록 분광 측정 시스템의 다양한 구성성분들과 통신하여 배치될 수 있다.
작업대 411은 도식적 사용자 인터페이스를 종합적으로 포함하는 디스플레이 412 및 키보드 413를 가지는 것으로 관찰된다. 도식적 사용자 인터페이스는 도 4의 시스템의 작업자 또는 사용자가 장치 설정들을 변형하기 위해 하나 이상의 메뉴 옵션들에 들어가거나 달리 이들을 선택하도록 한다. 대안적으로, 사용자가 디스플레이 412의 표면을 물리적으로 접촉하여 메뉴 옵션들을 선택하게 하는 터치 스크린 디스플레이가 사용된다. 도식적 사용자 인터페이스를 사용하여, 사요자는 초기 생물학적 매개변수들을 정의하고, 다양한 전산적 작동들을 개시하고, 결과들을 볼 수 있다.
작업대는 또한 마더보드, CPU, 메모리, 인터페이스, 저장 장치, 및 네트워트 카드와 같은 통신들 링크를 수용하는 컴퓨터 케이스 414를 포함한다. 본 구현예에서, 작업대 411은 캡처 IR 영상들의 신호들을 받고 도 9의 시스템에 관하여 더 기술된 바와 같이 본 명세서의 제안의 다양한 관점들을 수행하도록 제작되어, 최종 가상의 추정된 가상의 생물학적 매개변수 벡터가 생성되고 저장 장치 415 또는 컴퓨터 해독가능한 매체 416와 통신될 수 있다.
작업대 411은 반드시 본 명세서에서 기술된 기능들을 수행하도록 기계 해독가능한 프로그램 지침들을 실행할 수 있는 프로세서를 포함하는 것으로 이해되어야한다.
분산 반사도 분광분석법은 분산 반사도 측정들로부터 흡수하고 분산하는 시료의 방사성 성질들을 결정하는 단계를 포함한다. 생물학적 적용들에서, 방사선 조사된 배지는 그의 방사성 성질들이 각 층 내에서는 일정하지만 층들 사이에서는 서로 다른 강하게 분산하는 다중-층 배지로서 모델화될 수 있다. 피부는 표피라고 불리는 외부층 및 진피라고 불리는 내재하는 층으로 구성된다. 이와 같이, 인간 피부는 이층 시스템으로서 모델화될 수 있다. 표피는 멜라닌 함량으로 인해 자외선 및 스펙트럼의 가시적 부분들에서 강한 흡수를 특징으로 한다. 혈액 및 연결조직들은 진피에서 흡수 및 분산을 담당한다. 혈액의 흡수 특징들은 산소헤모글로빈 및 탈산소헤모글로빈의 농도들에 의존한다. 이층 모델은 인간 피부가 절반-무한한 진피를 감싸는 유한한 표피로서 합리적으로 접근되도록 한다. 피하는 피하 지방에서는 색소단들 (chromosphere)이 전혀 없기 때문에 모든 가시광선을 분산하는 것으로 가정된다. 이층 피부 모델은 피부 성질들을, 다음으로 예를 들면 절반-경험적인 쿠벨카-먼크 (Kubelka-Munk) 모델을 사용하여 분산 반사도의 정확한 추정치들을 합리적으로 수득할 수 있는 피부 광학적 계수들과 관련시키는 데 사용될 수 있다. 흡수 및 반사와 같은 방사성 성질들은 투과도 (transmittance) 및 반사도 (reflectance) 스펙트럼들과 관련될 수 있다.
광자 전달을 다루는 기초적인 공식은 방사성 전달 공식 (RTE)라고 말한다. RTE의 한 가지 구현예는 다음으로서 표현된다:
Figure pat00004
(4)
여기에서 I λ 는 방향
Figure pat00005
의 위치
Figure pat00006
에서 분광 강도이다. σ α,λ 및 σ s,λ 는 흡수 및 분산 스펙트럼들이다. ε λ 는 방출 스펙트럼들이다. 적분은 방향
Figure pat00007
로 분산된 광을 나타낸다.
Figure pat00008
는 방향
Figure pat00009
에서 광자가 방향
Figure pat00010
로 분산될 가능성이고 상 함수라고 말한다. RTE는 배지들 (예로, 공기 및 피부) 간의 인터페이스들에서 적당한 경계 조건들이 정확하게 정의되는 경우라면 해결될 수 있다. 이들 경계 조건들은 잘-알려진 스넬 (Snell)의 법칙 및 프레스넬 (Fresnel)의 공식들의 형태를 취한다. RTE는 수적인 방법들을 사용하여 해결될 수 있다. 한 가지의 이러한 수적인 방법은 몬테카를로 방법이고, 여기에서 흡수 및 분산은 단계 크기 및 각도 이반 (defection)에 대한 가능성 분포들을 수집하여 모델화된 확률적 사건들로서 처리된다. 몬테카를로는 일단 구조 (예로, 인터페이스들) 및 성질들 (예로, 흡수 및 분산 스펙트럼들)이 정의되었던 경우라면 매우 정확하다.
평면적 기하학들을 위해, RTE는 분석적 해법들을 수득하도록 충분하게 단순화될 수 있다. 효과적인 운반 알베도 (Effective Transport Albedo)라고 불리는 단일한 매개변수가 광자 운반을 기술하는 데 사용될 수 있는 것으로 관찰될 수 있다. 한 가지 구현예에서, 이것은 다음에 의해 주어진다:
Figure pat00011
(5)
1D RTE는 필수적으로 인쇄된 화면에서 그의 전산적 효율로 인해 색상을 모델화하는 데 널리 사용되는 쿠벨카-먼크 (K-M)와 동등한 것으로도 역시 관찰될 수 있다. 그러나, K-M 모델이 몬테카를로와 비교 시 모두 정확한 것은 아니라는 점이 이해되어야 한다. 도 5는 n = 1의 반사 지수로 절반-무한한 배지로부터 얻은 분산된 반사도들에 대한 몬테카를로와 K-M 모델의 비교를 나타낸다. 도 6은 n 범위에 대한 몬테카를로와 절반-경험적인 K-M 모델의 비교를 나타내고, 여기에서 n은 층의 반사도 지수이다. 도 7은 얇은 (유한한) 꼭대기층 및 절반-무한한 바닥층으로 구성된 이층의 기하학을 위해 유도된 절반-경험적인 K-M 모델을 나타낸다.
한 가지 구현예에서, 무한한 층 위의 표면으로부터 분산 반사도를 위한 이층 절반-경험적인 K-M 모델은:
Figure pat00012
(6)
에 의해 정의되고,
여기에서 R_은:
Figure pat00013
(7)
로 주어지는 단일한 층 절반-경험적인 K-M 모델이고,
여기에서
Figure pat00014
(8)
Figure pat00015
(9)
여기에서 ρ 01 은 분광 반사도이고 ρ 10 은 배지로부터 공기까지의 표면 반사도이고, R d 는:
Figure pat00016
로 주어지는 K-M 분산 반사도이고, 여기에서 α는 ω tr 의 함수로서 표현되는 K-M 매개변수들이다. 기호 '∧'로 표시되는 정량들은 회귀 적합 결과들 (fit)로부터 몬테카를로 결과들까지 획득된 경험적 계수들 A i 및 B i 로의 경험적으로 변형된 정량들을 말한다. 매개변수 R*은:
Figure pat00017
(10)
로 주어지는 매칭 매개변수이고,
여기에서 Y는 꼭대지 층의 K-M 광학적 두께이고 α는 ω tr2 의 함수가 되는 경험적인 요인이고 따라서 다음이다.
Figure pat00018
(11)
도 8은 도 7의 이층 구조에 대한 몬테카를로와 절반-경험적인 K-M의 비교를 나타낸다.
피부 모델들은 피부 성질들을 다음으로 절반-경험적인 K-M 모델을 사용하여 반사도 스펙트럼을 계산하는 데 사용될 수 있는 피부 층들의 광학적 성질들로 지도작성한다.
일반적으로, 피부 모델에서 흡수 σ a 및 분산 스펙트럼들 σ s 은 다음의 형태를 취한다:
Figure pat00019
(12)
여기에서 p 은 피부 성질들의 벡터이고, f 및 g는 이들 성질들을 피부층 i의 광학적 성질들로 지도 작성하는 맵핑 함수들이다. 가시광선으로부터 NIR까지에서 피부 모델들의 세부사항들은 유도브스키 및 필론 (Yudovsky and Pilon)에 의한 "절반-무한하고 이층 흡수 및 분산 배지의 분산 반사도를 위한 단순하고 정확한 표현들 (Simple And Accurate Expressions For Diffuse Reflectance Of A Semi -Infinite And Two - Layer Absorbing And Scattering Media)" 및 "생체내 분광 반사도 측정들로부터 피부 성질들을 복구하는 것 (Retrieving Skin Properties From In Vivo Spectral Reflectance Measurements)"라는 제목으로 된 상기-통합된 참고문헌들에서 찾을 수 있다. 본 범위에서, 이층 절반-경험적인 K-M 모델은 피부가 절반-무한한 진피층을 감싸는 유한한 표피로서 합리적으로 접근될 수 있기 때문에 특히 흥미롭다. 본 발명의 다양한 구현예들에서, 피부 매개변수들은 벡터:
Figure pat00020
(13)
에 의해 주어지고,
여기에서 L epi 는 표피층 두께이고, f met 은 표피에서 멜라닌 농도이고, f blood 는 진피층에서 혈액의 부피 분획이고, SO 2 는 혈액에서 산호 포화도이고, C s 는 광 분산 매개변수이다. T는 이항 작용을 나타내는 데 사용되는 기호이다. 진피 및 표피 둘 다의 반사 지수는 ≒ 1.44인 것으로 확인되어 왔고 둘 다의 층들에서 분산 비등방성 매개변수는 ≒ 0.77로 잘 근사될 수 있다. 절반-경험적인 K-M 모델의 정확성은 g에 상대적으로 비민감하다.
표피에서 흡수 스펙트럼들은:
Figure pat00021
(14)
의 견지에서 표현될 수 있고,
여기에서 σ a, net 은 멜라닌 소멸 스펙트럼들이고 σ a, bkg 는 기저 흡수 스펙트럼들이고 여기에서
Figure pat00022
이다.
유사하게, 진피에서 흡수 스펙트럼은:
Figure pat00023
(15)
의 견지에서 표현될 수 있고,
여기에서 σ a, bloo d는
Figure pat00024
로서 또한 표현될 수 있는 혈액의 흡수 스펙트럼들이고, 여기에서 σ a, ox y 및 σ a, deoxy 는
Figure pat00025
(16)
Figure pat00026
(17)
에 의해 정의된 바와 같이, 각각 산화된 및 탈산화된 혈액의 흡수 스펙트럼들이고, 여기에서 ε oxy 및 ε deoxy 는 각각 산화된 및 탈산화된 헤모글로빈의 몰 소멸 계수들이고, C heme 은 전형적으로 150 g/리터가 되는 혈액에서 헤모글로빈의 농도이다. 진피 및 표피 둘 다에서 분산 스펙트럼들은:
Figure pat00027
를 가진
Figure pat00028
이다. 이것은 이층 피부 모델의 상세한 설명을 완성한다.
피부 모델의 전환을 위한 시스템 900의 블록도의 한 가지 구현예를 보여주는 참조가 현재 도 9에 작성되어 있다. 공식 (13)의 초기 매개변수 벡터 p 가 주어지면, 추정된 반사도 스펙트럼들이 생성될 수 있다. 반복적 통제-기초 정제 접근법은 추정된 가상의 생물학적 매개변수 벡터의 정확성을 더 개선하는 데 사용된다. 반복들은 피부 모델 상에서 측정된 가상의 매개변수 벡터 P m 및 추된 가상의 매개변수 벡터 P e 를 비교하고 이어서 다음 순서의 반복 상에서 사용되는 새로운 추정된 가상의 생물학적 매개변수 벡터를 생성하도록 오차를 가공하는 것에 의해 수행된다. 반복적 접근법이 수렴할 때, P m 및 P e 간에 계산된 오차 벡터의 표준 (norm)은 제로에 근접하거나 더 높아지도록 시작할 수 있다.
도 9에서, 측정된 스펙트럼 R m (λ)은 (902에서) 블록 'A'로 제공되고 (903에서), 여기에서 상기 측정된 스펙트럼은 예를 들면 가장 작은 제곱들 방법을 사용하여 더 낮은 차원 가상의 매개변수들로 변환되어 측정된 가상의 생물학적 매개변수 벡터 P m 을 (904에서) 획득한다. 측정된 가상의 생물학적 매개변수 벡터 904는 905에서 일반적으로 나타낸 전환 알고리즘으로 제공되고, 측정된 가상의 생물학적 매개변수 벡터 904는 추정된 가상의 생물학적 매개변수 벡터 P e 와 대비하여 (907에서) 이를 비교하여 그들 간의 오차 E를 (908에서) 결정하는 비교기 (comparator) 906으로 제공된다. 측정된 가상의 생물학적 매개변수 벡터 904는 초기 생물학적 매개변수 벡터 P 0 를 (910에서) 유도하는 데 유전적 알고리즘 (GA)을 사용하는 전환기 (inverter) 909로도 역시 제공된다. 제한된-LMA 또는 SPSA도 역시 모듈 909 내에서 사용될 수 있다. 결정된 오차 908은 획득된 벡터 910으로 첨가되어 (912에서) 다음 순서의 추정된 가상의 생물학적 매개변수 벡터 P 를 (913에서) 생성하는 통제기 (controller) 911로 제공된다. 다음 순서의 추정된 가상의 생물학적 매개변수 벡터 913은 저장 장치 914로 저장된다. 첫 번째 반복 상에서, 초기 생물학적 매개변수 벡터 910은 입력으로서 생물리학 모델 915로 제공되어 추정된 스펙트럼 R e (λ)을 (916에서) 획득한다. 통제기는 바람직하게 수렴이 거의 제로 수치에서 달성되도록 설계된다.
도 9의 구현예에서, 피드백 통제기 911은 극-배치 전략 또는 LQR (선형의 정방형 조절기)를 사용하여 생물학적 매개변수 벡터의 명목상의 수치들에서 함수 행렬식 (Jacobian)을 전산화하여 설계되었던 획득 매트릭스 K 를 가진 MIMO (다중-입력 다중-출력) 적분 통제기를 포함한다. 반복들 동안, 추정된 스펙트럼 R e (λ)은 오차 벡터의 표준이 제로일 때, 물론 사용된 수 기초가 생물리학 모델에 전적으로 접근하는 경우라면 측정된 스펙트럼 R n (λ)과 정확하게 매칭될 것으로 주목되어야 한다. 실제로, 두 가지 스펙트럼 간의 정확한 매칭은 예를 들면 측정된 스펙트럼에서 노이즈를 포함하는 문제점들로 인해 달성되지 않을 것이다. 반복들은 바람직하게 오차 벡터의 표준이 허용가능한 사용자-정의된 역치 수준으로 또는 이의 미만이 될 때까지 수행된다. 반복 과정은 바람직하게 저장된다.
생성된 추정된 반사도 스펙트럼 916은 블록 'B'로 (917에서) 제공되고, 여기에서 매개변수들은 P e 에 의해 (907에서) 재연된 더 낮은 자원 가상의 매개변수 공간으로 변환된다. 블록 'A'에서 일어나는 더 낮은 차원 매개변수 공간으로 변환은 블록 'B'에서 일어나는 변환과 동일한 것으로 이해되어야 한다. 다른 구현예들에서, 블록 'A' 및 블록 'B'는 단일한 블록 내로 조합된다.
도 9의 시스템은 최소의 오차의 수렴까지 반복되는 반복적 공정이다. 수렴 시, 저장 장치 915에서 저장되었던 마지막 생물학적 매개변수 벡터 913은 최종 추정된 가상의 생물학적 매개변수 벡터 P F 인 것으로 결정된다.
형식적 유도
Ψ(λ)는 기본 함수들을 포함하는 매트릭스를 말한다. 생물리학 모델 상 또는 몬테카를로 시뮬레이터 상 둘 중 하나에서 실험들의 설계 (DOE)를 수행하여 자연적 기본 집합을 작성한다. 다른 수학적 기본 함수들 (예로, 잔파장 (wavelet), DCT 등)도 역시 사용될 수 있는 것으로 이해되어야 한다. 자연적 기본 집합은 이것이 유의하게 더 낮은 차원 가상의 매개변수들을 유도할 수 있기 때문에 바람직하다.
일반적인 추정된 스펙트럼 R e (λ)을 위해, 추정된 가상의 생물학적 매개변수 벡터는
Figure pat00029
이고, 여기에서 P i 는 i번째 매개변수이고, T는 이항 작용이고, N은 매개변수들의 수이다. 추정된 스펙트럼을 위한 공식은 다음과 같이 자연적 기본 집합의 견지에서 유도될 수 있다:
Figure pat00030
(18)
공식 (14)의 둘 다의 항들을 Ψ T (λ)로 곱하고 용어들을 재배열하여, 우리는:
Figure pat00031
(19)
를 얻는다.
유사하게, 블록 A의 출력을 위해, 우리는:
Figure pat00032
(20)
를 얻는다.
도 1은 인간 피부의 기본 구조들을 나타낸 것이다.
도 2는 단일한 병변 (201에서)을 그의 위에 가진 왼손 및 피부 위에 두 개의 병변들을 가진 오른손 (202 및 203에서)을 가지는 한 쌍의 인간 손들을 나타낸 것이다.
도 3은 시판되는 CMOSIS CMV4000 화면 센서의 꼭대기 위에 웨이퍼 수준으로 직접 후-가공된 한 벌의 분광 필터들의 집합으로 구성된 전적으로 통합된 CMOS 적합한 고분광 센서인 IMEC로부터 입수가능한 고분광 카메라를 나타낸 것이다.
도 4는 본 발명에 따른 생물학적 매개변수 벡터를 추정하기 위한 인간 손의 표면으로부터 반사도 측정들을 포집하는 예시 반사도-기초 분광 측정 시스템의 한 가지 구현예를 나타낸 것이다.
도 5는 n = 1의 반사 지수로 절반-무한한 배지로부터 얻은 분산된 반사도 데이타에 대한 몬테카를로 모델과 K-M 모델의 비교를 나타낸 것이다.
도 6은 몬테카를로와 절반-경험적인 K-M 모델의 비교를 나타낸 것이다.
도 7은 얇은 (유한한) 꼭대기층 및 절반-무한한 바닥층으로 구성된 이층의 기하학을 위해 유도된 절반-경험적인 K-M 모델을 나타낸 것이다.
도 8은 도 7의 이층 구조에 대한 몬테카를로와 절반-경험적인 K-M의 비교를 나타낸 것이다.
도 9는 이층 피부 모델의 통제-기초 전환을 위한 시스템의 블록도의 한 가지 구현예를 나타낸 것이다.
도 10은 생물리학 모델을 위한 생물학적 매개변수 벡터를 추정하는 본 방법의 한 가지 구현예를 도시하는 흐름도를 나타낸 것이다.
도 11은 A절 또는 B절 둘 중 하나에 관하여 연속되는 프로세싱 흐름으로 도 10의 흐름도의 연속을 나타낸 것이다.
도 12는 본 방법의 다양한 관점들을 실행하는 한 가지 예시 화면 프로세싱 시스템의 블록도를 나타낸 것이다.
참조가 현재 도 10의 흐름도로 작성되어 있다. 프로세싱은 단계 100에서 시작한다.
단계 1002에서, 측정된 스펙트럼 R m (λ)을 받는다. 받은 측정된 스펙트럼은 생물학적 실체의 표면으로부터 파장 λ에서 분광 반사도 감지 장치에 의해 획득된 생체내 분광 반사도 측정들을 포함한다. 생물학적 실체의 표면은 생물학적 매개변수 벡터 P 가 추정되는 생물리학 모델에 의해 재연된다.
단계 1004에서, 추정된 스펙트럼 R e (λ)을 획득하도록 초기 생물학적 매개변수 벡터 P 0 를 생물리학 모델로 제공한다.
단계 1006에서, 측정된 스펙트럼 R m (λ)을 측정된 가상의 생물학적 매개변수 벡터 P m 에 의해 재연된 낮은 차원 가상의 매개변수 공간으로 변환한다.
단계 1008에서, 추정된 스펙트럼 R e (λ)을 추정된 가상의 생물학적 매개변수 벡터 P e 에 의해 재연된 낮은 차원 가상의 매개변수 공간으로 변환한다.
단계 1010에서, 오차 벡터 E 의 양을 획득하도록 측정된 가상의 생물학적 매개변수 벡터를 추정된 가상의 생물학적 매개변수 벡터와 비교한다.
단계 1012에서, 오차 벡터 (단계 1010의)가 선-정의된 역치 이하인지 여부의 결정이 이루어진다.
단계 1012의 결정의 결과로서, 오차가 선-정의된 역치 수준 이하인 경우라면, 다음으로 프로세싱이 A절에 관하여 계속되고, 단계 1013에서 마지막 추정된 가상의 생물학적 매개변수 벡터는 원하는 최종 추정된 가상의 생물학적 매개변수 벡터 P F 인 것으로 결정한다.
단계 1014에서, 최종 추정된 가상의 생물학적 매개변수 벡터 P F 를 예를 들면 도 9의 저장 장치 914와 같은 저장 장치로 통신한다. 이후에, 본 구현예에서는, 심화 프로세싱을 정지한다. 단계 1012의 결정의 결과로서, 오차가 선-정의된 역치 수준 이상이거나 이와 동등한 것으로 결정된 경우라면, 다음으로 프로세싱이 B절에 관하여 계속되고, 단계 1016에서 다음 순서의 추정된 가상의 생물학적 매개변수 벡터를 오차의 결정된 양을 기초로 하여 생성한다.
단계 1018에서, 다음 순서의 추정된 스펙트럼을 획득하도록 다음 순서의 가상의 생물학적 매개변수 벡터를 생물리학 모델로 제공한다.
단계 1020에서, 다음 순서의 추정된 스펙트럼을 다음 순서의 추정된 가상의 생물학적 매개변수 벡터 P e 에 의해 재연된 낮은 차원 가상의 매개변수 공간으로 변환한다. 이후에 프로세싱이 C절에 관하여 계속되고, 단계 1010에서 오차 벡터 E 의 양을 획득하도록 측정된 가상의 생물학적 매개변수 벡터를 본 다음 순서의 추정된 가상의 생물학적 매개변수 벡터와 비교한다. 프로세싱은 오차가 원하는 역치 수준 미만인 것으로 결정될 때까지 이러한 방식으로 반복된다.
참조가 현재 도 10 및 도 11의 흐름도들, 및 도 9의 반복적 시스템에 관하여 기술된 본 방법의 다양한 관점들을 실행하기 위한 한 가지 예시 프로세싱 시스템의 블록도를 도시하는 도 12로 작성되어 있다.
도 12에서, 분광 반사도 감지 장치 1202는 장치의 화면 부분 1203에서 배치된 관심 있는 개체의 노출된 피부의 영역의 하나 이상의 IR 영상들을 포집한다. 분광 측정 장치 1202의 다양한 구현예들은 도 4의 시스템에 관하여 관찰되고 논의된 일정 또는 모든 특징들 및 기능성들을 포함할 수 있다. 포집된 화면 데이타는 화면 프로세싱 시스템 1204로 통신된다. 도 12의 구현예에서, 화면 프로세싱 시스템은 받은 화면 데이타를 대기 행렬에 넣기 위한 버퍼 1206을 포함한다. 버퍼 1206은 본 발명의 다양한 구현예들에 따라 받은 화면 데이타를 가공하는 데 필요한 수학적 공식들 및 재연들을 더 저장할 수 있다. 신호 프로세서 1208은 노이즈를 제거하도록 픽셀 강도 수치들을 가공한다. 안정화기 1210은 분광 측정 시스템의 운동 또는 개체의 이동 둘 중 하나로부터 나온 노이즈가 보완되는 이들 구현예들의 완성을 위해 나타낸다. 화면들은 예를 들면 화면 분절화 및 점 특징 추적 (point feature tracking)을 사용하여 안정화될 수 있다. 이러한 기법들은 화면 프로세싱 기술분야에서 잘 알려져 있다.
측정된 스펙트럼은 측정된 가상의 생물학적 매개변수 벡터 P m 에 의해 재연된 낮은 차원 가상의 매개변수 공간으로 측정된 스펙트럼을 변환하고 수치들을 저장 장치 1214로 저장하는 변환 모듈 1212로 제공된다. 생물리학 모델 1216은 초기 생물학적 매개변수 벡터 P 0 를 받고 추정된 스펙트럼 R e (λ)을 생성한다. 생물리학 모델의 다양한 관점들도 역시 저장 장치 1214로부터 복구될 수 있다. 변환 모듈 1218은 추정된 스펙트럼을 추정된 가상의 생물학적 매개변수 벡터 P e 에 의해 재연된 낮은 차원 가상의 매개변수 공간으로 변환한다. 비교기 1222는 측정된 가상의 생물학적 매개변수 벡터 P m 및 추정된 가상의 생물학적 매개변수 벡터 P e 간의 비교를 수행하여 그들 간의 오차 E 를 결정한다. 결정된 오차는 메모리 1220에서 저장된다. 역치 테스트 프로세서 1224는 오차가 선-정의된 역치 이하인지 여부를 결정한다. 해당되는 경우라면, 다음으로 마지막 추정된 가상의 생물학적 매개변수 벡터는 최종 추정된 가상의 생물학적 매개변수 벡터 P F 인 것으로 결정된다. 최종 추정된 가상의 생물학적 매개변수 벡터는 이들 가상의 매개변수들 및 다양한 결과들이 그들의 디스플레이 장치 위에 전시되는 작업대 1228로 통신된다. 이러한 결과들은 도 14의 표의 하나 이상의 관점들의 형태를 취할 수 있다. 역치 테스트 1224가 오차가 선-정의된 역치 이하가 아니라고 결정한 경우라면, 다음으로 매개변수 벡터 생성기 1225는 오차의 결정된 양을 기초로 하여 다음 순서의 생물학적 매개변수 벡터를 생성한다. 다음 순서의 생물학적 매개변수 벡터는 다음 순서의 추정된 스펙트럼을 획득하도록 생물리학 모델 1216으로 통신되거나 달리 이로 제공된다. 본 구현예에서, 다양한 모듈들은 수치들이 저장되고 복구되는 메모리 1220을 통해 통신된다. 다음 순서의 추정된 스펙트럼은 다음 순서의 추정된 가상의 생물학적 매개변수 벡터에 의해 재연된 낮은 차원 가상의 매개변수 공간으로 변환된다 (1218에서). 도 12의 공정은 역치 테스트 모듈 1224가 오차는 허용가능한 수준 미만인 점을 결정할 때까지 반복적으로 반복되고, 이 지점에서 최종 추정된 가상의 생물학적 매개변수 벡터 P F 는 작업대 1228로 통신되고 또한 저장 장치 1238로 제공된다.
도 12의 시스템의 임의 모듈들 또는 프로세싱 유닛들에 의해 수행되는 일정 또는 모든 기능성은 전체적으로 또는 부분적으로 컴퓨터 작업대에 의해 수행될 수 있는 것으로 이해되어야 한다. 작업대 1228은 통신들 인터페이스 (미도시)를 통해 네트워크 1230과 통신하도록 배치된다. 도 12의 작업대는 정보를 전시하기 위한 그리고 예를 들면 초기 생물학적 매개변수 벡터를 제공하는 사용자와 같은 사용자 입력 또는 선택을 달성하기 위한 디스플레이 1232를 포함하는 것으로 보여진다. 디스플레이 1232는 시스템 1204의 임의의 모듈들 및 프로세서들 및/또는 측정 장치 1202와 통신하도록 배치될 수 있어 이에 의해 획득된 화면들 및 분광 측정들은 디스플레이 장치 위에서 보여질 수 있다. 도 12의 시스템의 사용자 또는 기술자는 작업대 1228의 도식적 사용자 인터페이스, 예로 키보드 1234 및 마우스 1236를 사용하여 관심 있는 부위들을 확인하고, 매개변수들을 설정하고, 수치들을 입력하고, 픽셀들, 프레임들, 영상들 및/또는 영상들의 부분들을 가공을 위해 선택하는 데 사용할 수 있다. 사용자에 의해 입력된 데이타 및 작성된 선택은 저장 매체 1238또는 컴퓨터 해독가능한 매체 1240으로 저장될 수 있다.
도 4 및 도 12의 작업대들은 다양한 수적 수치들, 텍스트, 스크롤 바들, 사용자 선택가능한 옵션들을 가진 풀-다운 메뉴들 등을 디스플레이하도록 제작된 작동 시스템 및 다른 특수화된 소프트웨어를 그 위에 전시되는 정보를 입력하거나, 선택하거나, 변형하기 위해 가지는 것으로 이해되어야 한다. 컴퓨터 해독가능한 매체로 저장된 정보는 예를 들면 CD-ROM 또는 DVD 드라이브와 같은 매체 리더에 의해 복구될 수 있다. 도 12의 임의 모듈들 및 프로세싱 유닛들은 데이타베이스 1238과 통신하도록 배치될 수 있고 이로부터 데이타, 변수들, 기록들, 매개변수들, 기능들, 그들의 의도된 기능들을 수행하는 데 요구되는 기계 해독가능한/실행가능한 프로그램 지침들을 저장/복구할 수 있다. 게다가 프로세싱 시스템 1204의 각각의 모듈들은 네트워크 1230을 거쳐서 하나 이상의 장치들와 통신하도록 배치될 수 있다.

Claims (10)

  1. 반사도-기초 분광 측정 시스템으로부터 획득된 반사도 측정들로부터 생물리학 모델을 위한 생물학적 매개변수 벡터를 추정하는 방법으로서,
    입력으로서, 초기 생물학적 매개변수 벡터 P 0 를 상기 생물리학 모델로 제공하는 단계로서, 상기 생물리학 모델은 입력으로서 추정된 스펙트럼 R e (λ)를 생성하는 단계;
    상기 추정된 스펙트럼을 추정된 가상의 생물학적 매개변수 벡터 P e 에 의해 재연된 낮은 차원 가상의 매개변수 공간으로 변환하는 단계; 및
    상기 추정된 가상의 생물학적 매개변수 벡터를 저장 장치로 통신하는 단계:
    를 포함하는, 방법.
  2. 제 1항에 있어서,
    생물학적 실체의 표면으로부터 파장 λ에서 분광 반사도 감지 장치에 의해 획득된 생체내 분광 반사도 측정들을 포함하는 측정된 스펙트럼 R m (λ)을 받는 단계로서, 상기 표면은 부분적으로 생물학적 매개변수 벡터 P 가 추정되는 생물리학 모델에 의해 재연되는 단계;
    상기 측정된 스펙트럼을 측정된 가상의 생물학적 매개변수 벡터 P m 에 의해 재연된 낮은 차원 가상의 매개변수 공간으로 변환하는 단계;
    (A) 상기 측정된 가상의 생물학적 매개변수 벡터 P n 을 상기 추정된 측정된 가상의 생물학적 매개변수 벡터 P e 와 비교하여 그들 간의 오차 E 를 결정하는 단계;
    (B) 선-정의된 역치 이하가 되는 상기 오차에 반응하여, 마지막 추정된 가상의 생물학적 매개변수 벡터가 최종 추정된 가상의 생물학적 매개변수 벡터 P F 가 되는 것으로 결정하는 단계로서, 달리 아닌 경우라면
    (i) 상기 결정된 오차의 양을 기초로 하여 다음 순서의 생물학적 매개변수 벡터를 생성하는 단계;
    (ii) 상기 다음 순서의 생물학적 매개변수 벡터를 상기 생물리학 모델로 제공하여 다음 순서의 추정된 스펙트럼을 획득하는 단계;
    (iii) 상기 다음 순서의 추정된 스펙트럼을 다음 순서의 추정된 가상의 생물학적 매개변수 벡터에 의해 재연된 낮은 차원 가상의 매개변수 공간으로 변환하는 단계로서, 상기 다음 순서의 추정된 가상의 생물학적 매개변수 벡터는 다음 순서의 반복 상에서 사용되는 단계:를 포함하는 단계; 및
    (A) 내지 (B)를 반복하는 단계; 그리고
    상기 최종 추정된 가상의 생물학적 매개변수 벡터를 상기 저장 장치로 통신하는 단계:
    를 더 포함하는 방법.
  3. 제 1항에 있어서,
    상기 추정된 스펙트럼 R e (λ)은:
    Figure pat00033
    를 포함하는 방법.
    여기에서 P i 는 상기 생물학적 매개변수 벡터에서 i번째 매개변수이고, Ψ 1 (λ), Ψ 1 (λ), Ψ 3 (λ), .... Ψ N (λ)는 열-방향 기본 벡터들 1, 2, 3,....N을 각각 나타내고, 행을 따라 각각의 요소는 파장 λ를 위한 기본 수치를 나타내고, N은 매개변수들의 수이다.
  4. 제 1항에 있어서,
    상기 추정된 가상의 생물학적 매개변수 벡터 P e 는:
    Figure pat00034
    를 포함하는 방법.
    여기에서 Ψ (λ)는 각각의 요소가 파장 λ를 위한 기본 수치를 나타내는 열-방향 기본 벡터들을 가진 매트릭스이고, T는 이항 작용이다.
  5. 제 1항에 있어서,
    상기 측정된 가상의 생물학적 매개변수 벡터 P m 은:
    Figure pat00035
    를 포함하는 방법.
    여기에서 Ψ (λ)는 각각의 요소가 파장 λ를 위한 기본 수치를 나타내는 열-방향 기본 벡터들을 가진 매트릭스이고, T는 이항 작용이다.
  6. 반사도-기초 분광 측정 장치로부터 획득된 반사도 측정들로부터 생물리학 모델을 위한 생물학적 매개변수 벡터를 추정하는 시스템으로서,
    생물학적 실체의 표면으로부터 파장 λ에서 생체내 분광 반사도 측정들을 획득하기 위한 분광 반사도 감지 장치로서, 상기 표면은 부분적으로 생물학적 매개변수 벡터 P 가 추정되는 생물리학 모델에 의해 재연되는 장치; 및
    저장 장치 및 상기 분광 반사도 감지 장치와 통신하는 프로세서로서, 상기 공정은
    초기 생물학적 매개변수 벡터 P 0 를 상기 생물리학 모델 내로 받아 추정된 스텍트럼 R e (λ)를 생성하는 단계;
    상기 추정된 스펙트럼을 추정된 가상의 생물학적 매개변수 벡터 P e 에 의해 재연된 낮은 차원 가상의 매개변수 공간으로 변환하는 단계; 및
    상기 추정된 가상의 생물학적 매개변수 벡터를 상기 저장 장치로 통신하는 단계:를 수행하기 위한 기계 해독가능한 프로그램 지침들을 실행하는 프로세서:
    를 포함하는, 시스템.
  7. 제 6항에 있어서,
    생물학적 실체의 표면으로부터 파장 λ에서 분광 반사도 감지 장치에 의해 획득된 생체내 분광 반사도 측정들을 포함하는 측정된 스펙트럼 R m (λ)을 받는 단계로서, 상기 표면은 부분적으로 생물학적 매개변수 벡터 P 가 추정되는 생물리학 모델에 의해 재연되는 단계;
    상기 측정된 스펙트럼을 측정된 가상의 생물학적 매개변수 벡터 P n 에 의해 재연된 낮은 차원 가상의 매개변수 공간으로 변환하는 단계;
    (A) 상기 측정된 가상의 생물학적 매개변수 벡터 P n 을 상기 추정된 측정된 가상의 생물학적 매개변수 벡터 P e 와 비교하여 그들 간의 오차 E 를 결정하는 단계;
    (B) 선-정의된 역치 이하가 되는 상기 오차에 반응하여, 마지막 추정된 가상의 생물학적 매개변수 벡터가 최종 추정된 가상의 생물학적 매개변수 벡터 P F 가 되는 것으로 결정하는 단계로서, 달리 아닌 경우라면
    (i) 상기 결정된 오차의 양을 기초로 하여 다음 순서의 생물학적 매개변수 벡터를 생성하는 단계;
    (ii) 상기 다음 순서의 생물학적 매개변수 벡터를 상기 생물리학 모델로 제공하여 다음 순서의 추정된 스펙트럼을 획득하는 단계;
    (iii) 상기 다음 순서의 추정된 스펙트럼을 다음 순서의 추정된 가상의 생물학적 매개변수 벡터에 의해 재연된 낮은 차원 가상의 매개변수 공간으로 변환하는 단계로서, 상기 다음 순서의 추정된 가상의 생물학적 매개변수 벡터는 다음 순서의 반복 상에서 사용되는 단계:를 포함하는 단계; 및
    (A) 내지 (B)를 반복하는 단계; 그리고
    상기 최종 추정된 가상의 생물학적 매개변수 벡터를 상기 저장 장치로 통신하는 단계:
    를 더 포함하는 시스템.
  8. 제 6항에 있어서,
    상기 추정된 스펙트럼 R e (λ)는:
    Figure pat00036
    를 포함하는 시스템.
    여기에서 P i 는 상기 생물학적 매개변수 벡터에서 i번째 매개변수이고, Ψ 1 (λ), Ψ 1 (λ), Ψ 3 (λ), .... Ψ N (λ)는 열-방향 기본 벡터들 1, 2, 3,....N을 각각 나타내고, 행을 따라 각각의 요소는 파장 λ를 위한 기본 수치를 나타내고, N은 매개변수들의 수이다.
  9. 제 6항에 있어서,
    상기 추정된 가상의 생물학적 매개변수 벡터 P e 는:
    Figure pat00037
    를 포함하는 시스템.
    여기에서 Ψ (λ)는 각각의 요소가 파장 λ를 위한 기본 수치를 나타내는 열-방향 기본 벡터들을 가진 매트릭스이고, T는 이항 작용이다.
  10. 제 6항에 있어서,
    상기 측정된 가상의 생물학적 매개변수 벡터 P m 은:
    Figure pat00038
    를 포함하는 시스템.
    여기에서 Ψ (λ)는 각각의 요소가 파장 λ를 위한 기본 수치를 나타내는 열-방향 기본 벡터들을 가진 매트릭스이고, T는 이항 작용이다.
KR1020140007679A 2013-01-31 2014-01-22 분산된 반사도 데이타로부터 생물리학 모델을 위한 생물학적 매개변수 벡터를 추정하는 통제-기초 전환 KR20140098681A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US13/755,155 US20140213909A1 (en) 2013-01-31 2013-01-31 Control-based inversion for estimating a biological parameter vector for a biophysics model from diffused reflectance data
US13/755,155 2013-01-31

Publications (1)

Publication Number Publication Date
KR20140098681A true KR20140098681A (ko) 2014-08-08

Family

ID=51223673

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140007679A KR20140098681A (ko) 2013-01-31 2014-01-22 분산된 반사도 데이타로부터 생물리학 모델을 위한 생물학적 매개변수 벡터를 추정하는 통제-기초 전환

Country Status (4)

Country Link
US (1) US20140213909A1 (ko)
JP (1) JP2014147714A (ko)
KR (1) KR20140098681A (ko)
CN (1) CN103970982A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170014622A (ko) * 2015-07-30 2017-02-08 삼성전자주식회사 분광기의 반복 재현성 검증 장치 및 방법, 스펙트럼 데이터 분석 장치

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10182757B2 (en) 2013-07-22 2019-01-22 The Rockefeller University System and method for optical detection of skin disease
US10542961B2 (en) 2015-06-15 2020-01-28 The Research Foundation For The State University Of New York System and method for infrasonic cardiac monitoring
US11134885B2 (en) 2015-08-13 2021-10-05 The Rockefeller University Quantitative dermoscopic melanoma screening
US10395300B2 (en) 2015-12-21 2019-08-27 International Business Machines Corporation Method system and medium for personalized expert cosmetics recommendation using hyperspectral imaging
CN105786762B (zh) * 2016-03-28 2017-02-22 陈威 一种人皮肤光谱的建模方法以及高拟合度的多个皮肤参数的数学建模方法
CN105868159B (zh) * 2016-03-28 2017-06-27 陈威 一种利用数学模型计算人皮肤光吸收相关的19个生物学参数的方法
US11134848B2 (en) 2016-04-25 2021-10-05 Samsung Electronics Co., Ltd. Mobile hyperspectral camera system and human skin monitoring using a mobile hyperspectral camera system
EP3458838A4 (en) * 2016-05-19 2020-03-04 The Regents of The University of Colorado, A Body Corporate MODULUS-REINFORCED PROBE
US10568695B2 (en) * 2016-09-26 2020-02-25 International Business Machines Corporation Surgical skin lesion removal
JP2019170963A (ja) * 2018-03-29 2019-10-10 国立研究開発法人国立国際医療研究センター 皮膚血流測定装置
CN115079995B (zh) * 2022-07-22 2022-11-11 中南大学 一种中子谱仪被测样品测点排序方法和系统
CN116019425B (zh) * 2023-03-27 2023-05-23 皑高森德医疗器械(北京)有限责任公司 一种基于高光谱图像的数字皮肤模型及其应用

Family Cites Families (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5016173A (en) * 1989-04-13 1991-05-14 Vanguard Imaging Ltd. Apparatus and method for monitoring visually accessible surfaces of the body
US6029115A (en) * 1996-10-03 2000-02-22 Perkin Elmer Llc Analyzing spectrometric data
CA2212776A1 (en) * 1997-08-08 1999-02-08 Andrzej Barwicz A spectrometric micro-sensor/transducer and procedure for interpretation of spectrometric data
US7084974B1 (en) * 1998-05-19 2006-08-01 Measurement Microsystems A-Z, Inc. Apparatus and method for light spectrum measurement
US6587702B1 (en) * 1999-01-22 2003-07-01 Instrumentation Metrics, Inc Classification and characterization of tissue through features related to adipose tissue
DE60037235T2 (de) * 1999-06-14 2008-10-16 Panalytical B.V. Verfahren zur ermittlung eines wahren spektrums aus einem gemessenen spektrum
US6697654B2 (en) * 1999-07-22 2004-02-24 Sensys Medical, Inc. Targeted interference subtraction applied to near-infrared measurement of analytes
US7115858B1 (en) * 2000-09-25 2006-10-03 Nanometrics Incorporated Apparatus and method for the measurement of diffracting structures
US20020112540A1 (en) * 2000-12-20 2002-08-22 Schlumberger Technology Corporation Acoustic method for estimating mechanical properties of a material and apparatus therefor
US20030018457A1 (en) * 2001-03-13 2003-01-23 Lett Gregory Scott Biological modeling utilizing image data
CN1200174C (zh) * 2001-04-11 2005-05-04 日特建设株式会社 使用连续纤维的加强土施工法及其装置
US6584435B2 (en) * 2001-08-30 2003-06-24 Xerox Corporation Systems and methods for determining spectra using dynamic karhunen-loeve algorithms with measurements from led color sensor
WO2005111905A2 (en) * 2004-05-17 2005-11-24 Max-Planck Gesellschaft zur Förderung der Wissenschaften e.V. Prediction of the dynamic behavior of a biological system
WO2006076810A1 (en) * 2005-01-21 2006-07-27 Perceptronix Medical Inc. Method And Apparatus For Measuring Cancerous Changes From Reflectance Spectral Measurements Obtained During Endoscopic Imaging
EP1864281A1 (en) * 2005-04-01 2007-12-12 QUALCOMM Incorporated Systems, methods, and apparatus for highband burst suppression
US8308646B2 (en) * 2005-04-18 2012-11-13 Mayo Foundation For Medical Education And Research Trainable diagnostic system and method of use
CN101511261B (zh) * 2005-04-25 2011-09-28 马萨诸塞大学 用于校准光反射测量的系统和方法
US8154612B2 (en) * 2005-08-18 2012-04-10 Qualcomm Incorporated Systems, methods, and apparatus for image processing, for color classification, and for skin color detection
GB2429385C (en) * 2005-09-23 2008-04-24 Astron Clinica Ltd Image processing method and apparatus.
CN1866008A (zh) * 2006-05-11 2006-11-22 张爱华 一种组件式多功能传感器件及其制备方法
CA2688050A1 (en) * 2006-05-30 2007-12-06 University Of Massachusetts Measuring tissue oxygenation
WO2010093503A2 (en) * 2007-01-05 2010-08-19 Myskin, Inc. Skin analysis methods
US10085643B2 (en) * 2007-01-05 2018-10-02 Jadran Bandic Analytic methods of tissue evaluation
NO2255173T3 (ko) * 2008-03-18 2018-06-23
US8095226B2 (en) * 2009-02-02 2012-01-10 Xerox Corporation Methods and systems to schedule gains in process control loops
US8693050B2 (en) * 2009-08-06 2014-04-08 Xerox Corporation Controlling process color in a color adjustment system
JP5605687B2 (ja) * 2010-06-29 2014-10-15 株式会社リコー 分光特性測定方法、分光特性測定装置及びこれを備えた画像形成装置
CN102609601B (zh) * 2011-01-20 2015-04-22 浙江大学 一种基于类内质网体膜计算的渣油加氢反应动力学模型参数估计方法
US9558300B2 (en) * 2011-11-11 2017-01-31 Carnegie Mellon University Stochastic computational model parameter synthesis system

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170014622A (ko) * 2015-07-30 2017-02-08 삼성전자주식회사 분광기의 반복 재현성 검증 장치 및 방법, 스펙트럼 데이터 분석 장치

Also Published As

Publication number Publication date
JP2014147714A (ja) 2014-08-21
CN103970982A (zh) 2014-08-06
US20140213909A1 (en) 2014-07-31

Similar Documents

Publication Publication Date Title
KR20140098681A (ko) 분산된 반사도 데이타로부터 생물리학 모델을 위한 생물학적 매개변수 벡터를 추정하는 통제-기초 전환
US20200267336A1 (en) Systems and methods for hyperspectral imaging
US10201281B2 (en) System, method and article for normalization and enhancement of tissue images
US8462981B2 (en) Spectral unmixing for visualization of samples
Jolivot et al. Skin parameter map retrieval from a dedicated multispectral imaging system applied to dermatology/cosmetology
EP2992818B1 (en) Optical method for determining morphological parameters of skin tissue lesions
EP3520685B1 (en) Portable electronic device, accessory, and operating method therefor
US20090318815A1 (en) Systems and methods for hyperspectral medical imaging
EP3393353B1 (en) Image based bilirubin determination
Vyas et al. Estimating physiological skin parameters from hyperspectral signatures
CN105143448A (zh) 用于使用多模式光学测量三维地表征组织的方法和系统
WO2019143906A1 (en) System for detection of disease in plants
Preece et al. Spectral filter optimization for the recovery of parameters which describe human skin
CN116322486A (zh) 痤疮严重程度分级方法和设备
KR102473493B1 (ko) 이미지 캡쳐 디바이스 및 감지 보호 디바이스
Jung et al. Deep learning-based optical approach for skin analysis of melanin and hemoglobin distribution
WO2023084216A1 (en) Raman spectroscopy method and apparatus
Lisenko et al. Method for determining skin pigment concentrations from multispectral images of the skin
Gutierrez-Navarro et al. Quadratic blind linear unmixing: A graphical user interface for tissue characterization
Välisuo Photonics simulation and modelling of skin for design of spectrocutometer
Oehl et al. WAFER: A new method to retrieve sun-induced fluorescence based on spectral wavelet decompositions
Karambor Chakravarty Non-invasive Estimation of Skin Chromophores Using Hyperspectral Imaging
Randeberg et al. Short-Wavelength Infrared Hyperspectral Imaging for Biomedical Applications
Harrison-Smith Novel Noninvasive Optical Diagnostic Technologies for the Management of Neonatal Jaundice
WO2021118806A1 (en) Hyperspectral image construction of biological tissue for blood hemoglobin analysis using a smartphone

Legal Events

Date Code Title Description
WITN Withdrawal due to no request for examination