光干渉断層法のアイレジストレーション法

专利摘要:
アイレジストレーション及び眼の検査に使用される方法を開示する。アイレジストレーション及び眼の検査に使用される方法が開示され、この方法の幾つかの実施形態は、走査パターン走査線群を取得するステップと；画像群を前記走査線群に基づいて形成するステップと；前記画像群を位置合わせするステップと；特徴マップを前記走査パターン走査線群に基づいて生成するステップと；特徴群を前記特徴マップ上に特定するステップと；そして特徴群の位置情報を記録するステップと、を含む。Ａ
公开号:JP2011516235A
申请号:JP2011505018
申请日:2009-04-14
公开日:2011-05-26
发明作者:ウェイ，ジェイ；ジャン，ベン，クウェイ；デン，ヤンムウ；ルウ，シュウ−シェン
申请人:オプトビュー，インコーポレーテッド；
IPC主号:A61B3-10

专利说明:

[0001] 本発明は眼の検査を実施する方法に関し、特にアイレジストレーション（ｅｙｅ ｒｅｇｉｓｔｒａｔｉｏｎ）を光干渉断層法（ｏｐｔｉｃａｌ ｃｏｈｅｒｅｎｃｅ ｔｏｍｏｇｒａｐｈｙ：ＯＣＴ）を利用して実施する方法に関する。]
背景技術

[0002] 関連出願の相互参照
本出願は、２００８年４月１４日出願の「光干渉断層法のアイレジストレーション法」と題する仮特許出願第６１／１２４，１０９号の優先権を主張するものであり、この仮特許出願を本明細書において参照することにより、当該出願の内容全体が本明細書に組み込まれる。]
[0003] 光干渉断層法は、非侵襲的なヒト網膜撮像のために益々重要なツールになっている。前眼部を撮像するためのＯＣＴ（光干渉断層法）の使用は、屈折障害、すなわち種々の障害の中でもとりわけ、白内障及び緑内障を検出し、そして分析するために極めて有望であることが判明している。しかしながら、眼の動きは、後続の画像群の比較を難しくしてしまう。]
[0004] 従って、経時的なＯＣＴ走査画像群の正確な比較を可能にする撮像手順が必要になる。]
課題を解決するための手段

[0005] 本発明によれば、本発明の幾つかの実施形態による方法は、走査パターン走査線群を取得するステップと；画像群を前記走査線群に基づいて形成するステップと；前記画像群を位置合わせするステップと；特徴マップを前記走査パターン走査線群に基づいて生成するステップと；前記特徴マップ上にて特徴群を特定するステップと；そして特徴群の位置情報を記録するステップと、を含む。]
[0006] 本発明の幾つかの実施形態では、前記画像を位置合わせする前記ステップは、パッチ画像を生成するステップと、そして前記パッチ画像を基準線画像と照合するステップと、を含むことができる。幾つかの実施形態では、前記画像を位置合わせする前記ステップは、走査型レーザ検眼鏡（ｓｉｍｕｌａｔｅｄ ｓｃａｎｎｉｎｇ ｌａｓｅｒ ｏｐｈｔｈａｌｍｏｓｃｏｐｅ：ＳＳＬＯ）模擬画像を生成するステップと、そして前記ＳＳＬＯ画像を、既に撮影しているＳＳＬＯ画像と照合するステップと、を含むことができる。]
[0007] これらの実施形態及び他の実施形態について、以下の図を参照しながら以下に更に説明する。]
図面の簡単な説明

[0008] 本発明の幾つかの実施形態に従って利用することができるＯＣＴスキャナを示している。
本発明によるアイレジストレーション手順及び特徴認識手順の幾つかの実施形態を示している。
本発明によるアイレジストレーション手順及び特徴認識手順の幾つかの実施形態を示している。
一連のＯＣＴ画像を取得するための走査パターンの例を示している。
サンプルパッチ画像をサンプル基準線画像上で位置合わせする様子を示している。
レジストレーションに利用することができる特徴走査線群及びパッチ走査線群を含む一連のＯＣＴ画像を取得するための走査パターンを示している。
本発明の幾つかの実施形態に従って、特徴マップを生成し、特徴群を特徴マップ上に特定し、そして特徴群の位置情報を記録する様子を模式的に示している。
別のサンプルパッチ画像を別のサンプル基準線画像上で位置合わせする様子を示している。
一連のＯＣＴ画像を取得するために利用することができる特徴走査線群及びパッチ走査線群を含む別の例示的な走査パターンを示している。
本発明の幾つかの実施形態に従って、特徴マップを生成し、特徴群を特徴マップ上に特定し、そして特徴群の位置情報を記録する様子を模式的に示している。
一連のＯＣＴ画像を取得するための走査パターンを示しており、この走査パターンは、画像間位置合わせ済みの特徴マップを基準線画像及びパッチ画像を利用することなく生成するための元の特徴走査線群、及び更に別の特徴走査線群を含む。]
[0009] 可能な限り、同じ、または同様の機能を有する構成要素群には同じ参照記号を付している。]
実施例

[0010] 図１は、本発明の幾つかの実施形態による眼の検査に利用することができるＯＣＴ撮像装置１００の一例を示している。ＯＣＴ撮像装置１００は、光をカプラ１０３に供給する光源１０１を含み、このカプラ１０３は光を、サンプリングアームを介してＸＹ走査部１０４に、そして参照アームを介して光遅延部１０５に誘導する。ＸＹ走査部１０４は、光を眼１０９に照射して走査し、そして眼１０９によって反射された光を収集する。眼１０９によって反射された光をＸＹ走査部１０４において撮影し、そして光遅延部１０５によって反射された光とカプラ１０３内で合成して干渉光信号を生成する。当該干渉光信号は検出器１０２に入力される。ＯＣＴ撮像装置１００は、タイムドメインＯＣＴ撮像装置とすることができ、この場合、深度（またはＡ−スキャン）は、光遅延部１０５を走査することにより得られ、またはＯＣＴ撮像装置１００はフーリェドメイン撮像装置とすることができ、この場合、検出器１０２は、干渉光信号を波長の関数として測定する分光計である。いずれの場合においても、ＯＣＴ走査線群は、コンピュータ１０８によって取得される。ＸＹパターンに沿って撮影される一連の走査線を利用してＯＣＴ画像群を生成する。ＯＣＴ撮像装置の一例が米国特許第７，４８０，０５８号に記載されており、この特許を本明細書において参照することにより、当該特許の内容全体が本明細書に組み込まれる。ＯＣＴ撮像装置を利用した眼の検査方法は、米国出願第１１／６５６，０７５号に開示されており、この出願を本明細書において参照することにより、当該出願の内容全体が本明細書に組み込まれる。] 図１
[0011] ＯＣＴ撮像装置１００の他に、本発明による眼の検査装置は、眼底カメラとすることができるカメラ１０６を含むことができる。カメラ１０６からの光は、カプラ１０７により結合されてＯＣＴ撮像装置１００のサンプルアームに入力される。カプラ１０７は、カメラ１０６からの光がカプラ１０３に入射するのを阻止すると共に、カメラ１０６から射出され眼１０９によって反射される光をカメラ１０６に戻る方向に誘導する。コンピュータ１０８はカメラ１０６からの画像、及びＯＣＴ撮像装置１００からの画像の両方の画像を受信し、そして分析する。合成画像を利用して、視神経乳頭の正確かつ完全なＯＣＴ画像を取得することができる。]
[0012] 図２Ａは、本発明の幾つかの実施形態によるアイレジストレーション（ｅｙｅ ｒｅｇｉｓｔｒａｔｉｏｎ）及び分析を行なう手順を示している。本発明の幾つかの実施形態では、アイレジストレーションを２次元（２Ｄ）または３次元（３Ｄ）ＯＣＴ画像に基づいて行なう自動方法及び装置をコンピュータ１０８上で実現して、モニタまたは他のインターフェース装置に表示することができる。深度情報を含まない２Ｄ眼底ビデオ画像は、眼底カメラ１０６の出力で取得される。これとは異なり、深度情報を含むＯＣＴ画像群は、検出器１０２から出力され、そしてこれらのＯＣＴ画像の走査パターンに依存して、特定の評価を行なうために必要に応じて、２Ｄ正面画像または３Ｄボリュームデータとして表示するように構成されている。幾つかの実施形態では、走査データをコンピュータ１０８に保存して次の分析を行なう。眼底カメラ１０６からの眼底画像もコンピュータ１０８に保存することができる。本発明の幾つかの実施形態では、後続の画像処理方法におけるパラメータを更に確実に、かつ効率的に計算して、より正確な診断を医師が行なうようになる。] 図２Ａ
[0013] 図２Ａに示す手順２０１は、本発明の幾つかの実施形態による画像群を位置合わせし、そして分析するプロセスである。ステップ２０３では、基準線（ベースライン）画像を取得し、そして当該画像が既に取得されていることがない場合に保存する。ステップ２０５では、走査パターン画像群を取得する。走査パターン画像群は、特徴走査線群、及びパッチ走査線群を含むことができる。ステップ２０７では、パッチ画像をこれらのパッチ走査線に基づいて形成する。ステップ２０９では、当該パッチ画像を当該基準線画像に位置合わせする。ステップ２１１では、特徴マップをこれらの特徴走査線に基づいて生成する。ステップ２１３では、当該特徴マップ上にて特徴を特定する。ステップ２１５では、特徴マップ上の特徴の位置情報を記録する。この手順の結果、眼が動いたかどうかに拘わらず、または個々の血管または他の特徴が変化したかどうかに拘わらず、パッチ画像が基準線画像内に正確に位置特定される。次に、特徴を特定し、そして基準線画像に対して正確に位置特定して、特徴位置及び他の属性の変化をモニタリングする。] 図２Ａ
[0014] 図２Ｂに示す手順２５１は、本発明による画像群を位置合わせし、そして分析する別の手順を示している。図２Ｂに示すように、走査パターン画像群をステップ２５３で取得する。これらの走査パターン画像は、元の特徴走査線群、及び更に別の特徴走査線群を含む。ステップ２５５では、これらの走査パターン画像を、既に取得している走査パターン画像群に対して位置合わせする。ステップ２５７では、特徴マップをこれらの走査パターン画像に基づいて生成する。最後に、ステップ２５９では、特徴マップ上に特定された特徴の位置情報を記録する。従って、特定された特徴の位置及び状態を経時的に正確に追跡することができる。] 図２Ｂ
[0015] 幾つかの実施形態では、他のモダリティ（用法）による画像群をＯＣＴ画像群と同時に、例えば図１の眼底カメラ１０６で撮影される２Ｄ眼底ビデオ画像と同時に撮影することができる。本発明の幾つかの実施形態に従って取得される３次元ＯＣＴ画像群は、走査中に起こり得る眼の動き及び血管のズレを伴なっている状態で良好に機能することができる。] 図１
[0016] 上に説明したように、本発明の幾つかの実施形態を利用して、眼の組織構造を更に正確に分析することにより、眼疾患を診断することができる。眼底画像のような正面画像は、一連のＯＣＴ画像上の組織反射率を合計することにより構成することができる。次に、眼の組織構造の画像間の位置合わせを正確に行ない、そして眼の組織構造を綿密かつ正確にマッピングするアルゴリズムによって、特徴群の正確な位置特定、及びこれらの特徴の経時的な変化の追跡が可能になる。本発明の幾つかの実施形態によるアイレジストレーション法は、中心窩に起こる眼病変の診断に、例えば糖尿病性網膜症の診断に利用することができる。これらの方法は、視神経乳頭に起こる眼病変の診断に、例えば緑内障の診断にも利用することができる。]
[0017] 図２Ａのステップ２０３に示すように、幾つかの実施形態は基準線画像を利用し、この基準線画像に対して、位置合わせをステップ２０９におけるように行なう。基準線画像を保存し、そして利用して更に分析を行なう、例えば段階的分析を行なうことができる。図３は、基準線（ベースライン）走査パターン３００の一例を示しており、この基準線走査パターン３００を利用して一連のＯＣＴ画像を取得することができる。この場合は、水平走査線群３０３及び垂直走査線群３０５を含む走査パターン３００は、注目する眼の特徴を、例えば中心窩または視神経乳頭をほぼカバーするように構成することができる。] 図２Ａ 図３
[0018] 次に、基準線画像を走査パターン３００に基づいて、正面画像の生成と同様にして、走査ＯＣＴ画像群上の組織反射率を全て合計する、または部分的に合算することにより生成する。このような方法で形成される基準線画像４０４を図４に示す。図４は、サンプルパッチ画像４０２をサンプル基準線画像４０４内にて位置合わせする様子を示している。基準線画像４０４は、基準線走査パターン３００のような基準線走査パターンに基づいて生成される。パッチ画像４０２は、パッチ走査線群に基づいて生成される。図４から分かるように、基準線画像４０４内の網膜血管のような特徴は強調することができ、そして目印として利用することにより、パッチ画像４０２の位置合わせを容易にすることができる。網膜厚のような他の特徴を利用してもよい。] 図４
[0019] 図５は走査パターン５００を示しており、この走査パターン５００を利用して一連のＯＣＴ画像を生成することができる。走査パターン５００は、実線で示す特徴走査線群５０２と、そして破線で示すパッチ走査線群５０４と、を含む。図２Ａの手順２０１のステップ２１１に示すように、特徴マップは、特徴走査線群５０２に基づいて生成することができる。更に、ステップ２０７に示すように、パッチ画像４０２のようなパッチ画像は、パッチ走査線群５０４に基づいて生成することができ、そして当該パッチ画像を使用して、基準線画像４０４との位置合わせをステップ２０９で行なうことができる。] 図２Ａ 図５
[0020] 内境界膜（ｉｎｎｅｒ ｌｉｍｉｔｉｎｇ ｍｅｍｂｒａｎｅ：ＩＬＭ）から網膜色素上皮（ｒｅｔｉｎａｌ ｐｉｇｍｅｎｔ ｅｐｉｔｈｅｌｉｕｍ：ＲＰＥ）までの厚さとして測定される網膜厚は、１つの特徴として使用することができ、そして当該網膜厚が多くの黄斑疾患の分析における重要な考察事項となるので有用な示唆的パラメータである。網膜厚は、浮腫を起こして厚くなる可能性があり、この浮腫は、視力に甚大な影響を及ぼし得る。網膜内に液が溜まると、網膜厚が厚くなるとともに網膜組織の散乱特性も変化し、この変化は、ＯＣＴ走査線上に検出することができる。]
[0021] 図６は、図２Ａのステップ２１１で行なうことができる特徴マップの生成を例示する模式図を示しており、特徴マップ上にて特徴を特定し、そして手順２０１のステップ２１１〜２１５におけるように、特徴の位置情報を記録する様子を示している。図６に示すように、網膜厚垂直走査６０２、及び網膜厚水平走査６０４を示している。薄くなった網膜を測定するための重要な位置は、網膜厚走査６０２及び６０４の２つの菲薄化領域で示すように、中心窩に直接関係している。当該ポイントの位置は、特徴マップ６０６のポイントＣとして示す。このタイプの測定は、糖尿病性網膜症に起因する黄斑浮腫を起こしている患者を追跡するために、または白内障手術後に類嚢胞黄斑浮腫を起こしている患者を選び出し、そして追跡するために非常に有用となり得る。これとは異なり、網膜厚が薄くなって萎縮または散乱を起こす可能性がある。（網膜厚）特徴マップ６０６は、例示目的の特徴マップの一例である。網膜厚以外の他の特徴をモニタリングし、そして特徴マップに利用することもできる。] 図２Ａ 図６
[0022] パッチ画像４０２のようなパッチ画像は、上に説明したように、基準線画像の生成と同様にして、パッチ走査線に基づいて生成することができる。特徴マップ６０６のような特徴マップは、図５の特徴走査線群５０２に基づき、２Ｄ補間法を使用して生成される。図６に示す特徴マップ６０６では、ポイントＡは走査パターン５００の標的中心を指し、ポイントＢは基準線走査パターン３００の標的中心を指し、そしてポイントＣは特徴位置を指し、この特徴位置は図６では、特徴走査線５０２による網膜厚走査６０２及び６０４に示すように中心窩である。] 図５ 図６
[0023] レジストレーション（画像間の位置合わせ）では、ポイントＡに対する特徴マップ６０６上のポイントＢを、パッチ画像４０２の位置を基準線画像４０４上で求めることにより位置特定する。図４に示すように、基準線画像４０４のような基準線画像に対してパッチ画像４０２のようなパッチ画像を位置合わせする前に、パッチ画像４０２の目印（例えば、血管または他の特徴）、及び基準線画像４０４の目印を処理して、眼の動きに起因するこれらの目印のズレを修正する。例えば、眼の動きに起因して、パッチ画像４０２上の、及び／又は基準線画像４０４上の血管が歪み得る、または不連続になり得る。各画像に対して細線化（ｔｈｉｎｎｉｎｇ）アルゴリズム（スケルトンアルゴリズム）を適用し、続いてエッジ追跡処理を適用すると、歪み位置または不連続位置におけるズレ量（Δｘ，Δｙ）を取得することができ、そして補正することができる。次に、修正パッチ画像を修正基準線画像上で位置合わせする。マッチング及び自己相関のような画像処理法を、レジストレーションを完成するために利用して、パッチ画像４０２の目印を、基準線画像４０６の対応する同じ目印に位置合わせすることができる。本発明の幾つかの実施形態では、ハードウェア支援型ストリーミングＳＩＭＤ（Ｓｉｎｇｌｅ Ｉｎｓｔｒｕｃｔｉｏｎ Ｍｕｌｔｉｐｌｅ Ｄａｔａ：単一の命令で複数のデータ を処理できる方式）拡張命令（ＳＳＥ）のような高性能コンピューティングハードウェア及び技術を使用して、基準線画像４０４に対してパッチ画像４０２の位置合わせを実行する速度を速くすることができる。幾つかの実施形態では、データの処理は外部コンピューティングシステム上で行なうことができる。] 図４
[0024] 前に述べたように、特徴マップ６０６のような特徴マップから抽出される特徴は、多くの黄斑疾患の分析において重要である。例えば、普通、中心窩を中心とする糖尿病性網膜疾患早期治療研究（ＥＴＤＲＳ）チャートは、糖尿病性網膜症の診断に広く使用されている。図６の特徴マップ６０６に示すように、中心窩（ポイントＣ）は、厚さの窪みを水平走査ＯＣＴ画像及び垂直走査ＯＣＴ画像に沿って検出することにより特定することができる。しかしながら、中心窩の位置情報は多くの場合、深刻な網膜浮腫を起こしている患者に関しては特に、正しく取得することができない。当該位置情報は、経験豊富な臨床医によって調整される必要がある。しかしながら、一旦、この調整を特定の患者に関して行なっておくと、調整済の位置情報は、次のステップにおいて説明されるように、基準線画像４０４と一緒に記録することができ、そして後続の走査において利用することができる。従って、本発明の幾つかの実施形態では、位置情報は、データを保存する前に臨床医によって調整することができる。] 図６
[0025] 中心窩（ポイントＣ）が特定された後、基準線画像４０４上の当該中心窩の位置情報を計算し、そして記録することができる。まず、特徴マップ６０６におけるポイントＢとポイントＣとの相対位置が容易に取得される。次に、基準線画像４０４内の中心窩位置、すなわち特徴マップ６０６におけるポイントＣは、簡単な座標変換により、走査解像度に生じ得る差を考慮に入れて取得することができる。その結果、患者が、図５に示す走査パターン５００のような走査パターンを用いる別の検査を受ける場合、レジストレーション法を利用して、特徴マップ６０６における多分異なるポイントＡ（標的中心）に対する新規ポイント位置Ｂを計算することができる。中心窩の位置情報は基準線画像４０４上に記録されているので、新規に生成される特徴マップ６０６における中心窩位置は、この場合も同じように、簡単な座標変換により容易に取得される。] 図５
[0026] 基準線画像は、視神経乳頭の検査に使用することもできる。一旦、取得されると、基準線画像は保存され、そして使用されて、段階的分析のような更に別の分析が行なわれる。図３に示す走査パターン３００のような走査パターンを利用して一連のＯＣＴ画像を取得することができ、これらのＯＣＴ画像では、走査パターンは、注目する眼の特徴、例えば視神経乳頭中心（ｏｐｔｉｃ ｄｉｓｃ ｃｅｎｔｅｒ）をほぼカバーする。しかしながら、他の走査パターンを利用して、基準線走査、特徴走査、及びパッチ走査のいずれの走査も行なうことができる。] 図３
[0027] 図７は、パッチ画像７０１を、視神経乳頭中心７０５を含むサンプル基準線画像７０３上で位置合わせする様子を示している。基準線画像７０３は、図８に示すように、基準線走査パターン８０１に基づいて生成される。パッチ画像７０１は、図８に示すように、パッチ走査パターン８０３に基づいて形成される。] 図７ 図８
[0028] 図８は走査パターン８００を示しており、この走査パターン８００を利用して一連のＯＣＴ画像を取得することができ、これらのＯＣＴ画像では、走査パターンは、視神経乳頭中心７０５の領域をほぼカバーする。走査パターン８０１（実線で示す）を利用して基準線画像７０３を形成することができる。更に、走査パターン８０１を利用して特徴走査線群を取得することができる。走査パターン８０３（破線で示す）はパッチ走査線群である。上に説明したように、特徴走査線群を利用して特徴マップを生成するのに対し、パッチ走査線群を利用して基準線画像７０３との位置合わせに使用されることになるパッチ画像を生成する。図８に示すように、走査パターン８０１はラジアルスキャン（放射状走査）である。] 図８
[0029] ここでも同じように、基準線画像７０３は、正面画像と同様にして生成することができ、そして複数の走査済みＯＣＴ画像上の組織反射率を全て合計する、または部分的に合算することにより構成される。網膜血管のような特徴は強調することができ、かつレジストレーションを容易にする目印として利用することができる。]
[0030] 図９は、本発明において特徴マップを生成するステップ、特徴マップ上にて特徴を特定するステップ、及び特徴の位置情報を記録するステップを示す模式図を示している。上に説明したように、ＩＬＭ（内境界膜）から網膜神経線維層（ＲＮＦＬ）までの厚さとして測定される網膜厚は、レジストレーションにおける特徴として使用することができる。網膜厚は、ＲＮＦＬ（網膜神経線維層）の菲薄化が、緑内障のような神経変性疾患の有力な指標となるので、重要な特徴となり得る。薄くなった網膜を測定するために重要な位置は、図９に示す特徴マップ９００のポイントＣで示される視神経乳頭中心に直接関連付けられる。特徴マップ９００に示す特定例に示すように、視神経乳頭中心から半径１．７２５ｍｍの領域における菲薄化が薄は、視力に甚大な影響を及ぼし得る。] 図９
[0031] 図９に示す特徴マップ９００では、図示の円形走査線群９０３の半径はそれぞれ、１．２５ｍｍ、１．４０ｍｍ、１．５５ｍｍ、１．７０ｍｍ、１．８５ｍｍ、及び２．００ｍｍである。特徴マップは更に、複数の領域に分離され、これらの領域は、ＳＴ：上側頭（Ｓｕｐｅｒｉｏｒ Ｔｅｍｐｏｒａｌ），ＴＵ：側頭上部（Ｔｅｍｐｏｒａｌ Ｕｐｐｅｒ），ＴＬ：側頭下部（Ｔｅｍｐｏｒａｌ Ｌｏｗｅｒ），ＩＴ：下側頭（Ｉｎｆｅｒｉｏｒ Ｔｅｍｐｏｒａｌ），ＩＮ：下鼻（Ｉｎｆｅｒｉｏｒ Ｎａｓａｌ），ＮＬ：鼻下部（Ｎａｓａｌ Ｌｏｗｅｒ），ＮＵ：鼻上部（Ｎａｓａｌ Ｕｐｐｅｒ），及びＳＮ：上鼻（Ｓｕｐｅｒｉｏｒ Ｎａｓａｌ）のそれぞれの領域を含む。厚さは、濃淡を淡くする、または濃淡を濃くすることにより示される。幾つかの場合では、特徴マップ９００をカラーコード化して厚さを示すことができる。この種類の測定結果は、緑内障患者を追跡するために特に有用となり得る。例えば、視神経乳頭中心から半径１．７２５ｍｍの領域の周りの平均厚さ値は、図９におけるＳＴ１＝８５，ＳＴ２＝９９，．．．，ＳＮ１＝９４としてそれぞれ示される１６個のセクションデータにより表わされる。これらの測定値から、医師は、全体的な菲薄化に関する情報（ｔｈｉｎｎｉｎｇ ｉｎｆｏｒｍａｔｉｏｎ）だけでなく、局所的な菲薄化に関する情報（最も機能が低下している領域）を取得することができる。その結果、視神経乳頭中心の特定、及び当該特定の精度が、段階的分析のために特に重要となる。] 図９
[0032] 上に説明したように、図８は、一連のＯＣＴ画像を取得するための走査パターン８００を示す。走査パターン８００は、診断用特徴マップを生成するための特徴走査線群８０１（実線）、及びレジストレーション基準線画像７０３に使用されることになるパッチ画像を生成するためのパッチ走査線群８０３（破線）を含む。基準線画像７０３は、走査パターン８０１に基づいて取得することもできる。] 図８
[0033] パッチ画像７０１は、上に説明したように、基準線画像７０３と同様にして生成することができる。特徴マップ９００は、図８の特徴走査線群８０１に基づき、通常、２Ｄ補間法を利用して生成される。ポイントＡは、走査パターン８０１の標的中心を指し、ポイントＢは、基準線画像７０３となる基準線走査パターンの標的中心を指し、そしてポイントＣは、特徴マップ９００における特徴位置を、この例では視神経乳頭中心を指す。] 図８
[0034] レジストレーション法では、図９のポイントＢをポイントＡに対して位置特定する。図７に示すように、パッチ画像７０１を基準線画像７０３に位置合わせする前に、パッチ画像７０１の目印（例えば、血管）及び基準線画像７０３の目印（例えば、血管）を処理して、眼の動きに起因するズレを修正する。例えば、眼の動きに起因して、パッチ画像７０１上の血管、及び／又は基準線画像７０３上の血管が歪み得る、または不連続になり得る。各画像に対して細線化（ｔｈｉｎｎｉｎｇ）アルゴリズム（スケルトンアルゴリズム）を適用し、続いてエッジ追跡処理を適用すると、歪み位置または不連続位置におけるズレ量（Δｘ，Δｙ）を取得し、そして利用して、歪みを補正することができる。次に、修正パッチ画像及び修正基準線画像を使用してレジストレーションを行なう。画像アライメント及び自己相関のような画像処理法を利用して、パッチ画像７０１を基準線画像７０３と照合することができる。これまでのように、ハードウェア支援型ストリーミングＳＩＭＤ（Ｓｉｎｇｌｅ Ｉｎｓｔｒｕｃｔｉｏｎ Ｍｕｌｔｉｐｌｅ Ｄａｔａ）拡張命令（ＳＳＥ）のような高性能コンピューティング技術を利用して性能速度を速くすることができる、またはこれらの画像は後の時点で、外部システム上で分析することができる。] 図７ 図９
[0035] 前に述べたように、特徴マップ９００上の特徴は、多くの黄斑疾患の分析において重要となり得る。例えば、ＲＮＦＬ（網膜神経線維層）３．４５ｍｍプロファイルチャートは、緑内障の診断に広く使用されている。このチャートは、視神経乳頭中心を中心として半径＝１．７２５ｍｍに亘って描かれる。図９に示すように、視神経乳頭中心（ポイントＣ）は、視神経乳頭境界を走査パターン８０１から得られる円形走査ＯＣＴ画像及び放射状走査ＯＣＴ画像に沿って検出することにより特定することができる。しかしながら、視神経乳頭中心の位置情報は多くの場合、特に、重い黄斑疾患を患っている患者に関して正しく取得することができない。位置情報は、経験豊富な臨床医によって調整することができ、そしてこれらの調整結果は、基準線画像７０３と一緒に記録することができる。] 図９
[0036] 視神経乳頭中心（ポイントＣ）が特定された後、基準線画像７０３上の当該視神経乳頭中心の位置情報を計算し、そして記録することができる。まず、特徴マップ９００におけるポイントＢとポイントＣとの相対位置が容易に取得される。次に、基準線画像７０３上の視神経乳頭中心位置は、簡単な座標変換により、走査解像度に生じ得る差を考慮に入れて取得することができる。その結果、患者が、図８の走査パターン８００のような走査パターンを用いる別の検査を受ける場合、開示されるレジストレーション法では、特徴マップ９００における多分異なるポイントＡ（標的中心）に対する新規ポイント位置Ｂを計算する。視神経乳頭中心の位置情報は基準線画像７０３上に記録されているので、新規に生成される特徴マップにおける視神経乳頭中心位置は、この場合も同じように、簡単な座標変換により容易に取得される。] 図８
[0037] 上記実施形態では、パッチ画像を、特徴マップに対応する領域に重ねる必要がある、または重ねる必要はない。幾つかの実施形態では、図２Ｂの手順２５１に示すように、パッチ画像または基準線画像は使用されない。その代わりに、更に別の特徴走査線群を使用して走査密度を高くし、レジストレーションを、これらの特徴走査線に基づいて形成される画像群に対して確実に行なうことができるようにする。別の表現をすると、これらの走査線の全てを利用して特徴マップを生成することができる。] 図２Ｂ
[0038] 図１０は、手順２５１において利用することができる一連のＯＣＴ画像を取得するための走査パターン１０００を示している。走査パターン１０００は、実線に対応する元の特徴走査線群１００３、及び破線に対応する更に別の特徴走査線群１００５を含む。特徴走査線群１００３、及び更に別の特徴走査線群１００５を利用して図９及び６に示すような画像間位置合わせ済みの特徴マップを、基準線画像またはパッチ画像のいずれをも使用することなく生成することができる。更に別の特徴走査線群１００５を利用してレジストレーションを行なうことができる。これらの更に別の走査線は、特徴マップを含む領域内にあるので、これらの走査済み画像の全てを特徴マップの生成に利用することができる。] 図１０ 図９
[0039] 特徴走査線群１０００の全てに基づいて、２Ｄまたは３Ｄ強度画像、すなわち走査型レーザ検眼鏡（ｓｉｍｕｌａｔｅｄ ｓｃａｎｎｉｎｇ ｌａｓｅｒ ｏｐｈｔｈａｌｍｏｓｃｏｐｅ：ＳＳＬＯ）模擬画像を正面画像と同様に、走査済みＯＣＴ画像群上の組織反射率を全てを合計する、または部分的に合算することにより生成することができる。網膜血管のような特徴は、目印として強調し、そして利用することによりレジストレーションを行なうことができる。生成画像は、図７に示す基準線画像７０３と同様である。] 図７
[0040] 更に、特徴走査線群１０００に基づく特徴マップ９００を生成することができる。特徴マップ９００においてポイントＢをポイントＡに対して位置特定するためのレジストレーション法は、図９に関して説明したレジストレーション法と、ポイントＢがこの時点で、既に取得されている特徴マップの標的ポイントに対応することを除き、同様である。２つのＳＳＬＯ画像を位置合わせする前に、これらの２つのＳＳＬＯ画像の目印（例えば、血管）を処理して、眼の動きに起因するこれらの目印のズレを修正する。次に、修正されたこれらのＳＳＬＯ画像を使用してレジストレーションを行なう。アライメント及び自己相関のような画像処理法を利用して２つのＳＳＬＯ画像を位置合わせすることができる。ハードウェア支援型ストリーミングＳＩＭＤ（Ｓｉｎｇｌｅ Ｉｎｓｔｒｕｃｔｉｏｎ Ｍｕｌｔｉｐｌｅ Ｄａｔａ）拡張命令（ＳＳＥ）のような高性能コンピューティング技術を使用して性能速度を速くすることができる。] 図９
[0041] 前に述べたように、特徴マップにおける特徴は、多くの黄斑疾患の分析において重要である。例えば、ＲＮＦＬ（網膜神経線維層）３．４５ｍｍプロファイルチャートは、緑内障の診断に広く使用されている。このチャートは、視神経乳頭中心を中心としている。図９に示すように、視神経乳頭中心（ポイントＣ）は、視神経乳頭境界を、円形走査ＯＣＴ画像及び放射状走査ＯＣＴ画像に沿って検出することにより特定することができる。しかしながら、視神経乳頭中心の位置情報は多くの場合、特に、重い黄斑疾患を患っている患者に関して正しく取得することができない。位置情報は、経験豊富な臨床医によって調整される必要があり、そして当該位置情報は、次のステップにおいて説明するように、基準線画像と一緒に記録される必要がある。] 図９
[0042] 視神経乳頭中心（ポイントＣ）が特定された後、基準線画像上の当該視神経乳頭中心の位置情報を計算し、そして記録することができる。まず、特徴マップ９００におけるポイントＢとポイントＣとの相対位置が容易に取得される。次に、基準線画像上の視神経乳頭中心位置は、簡単な座標変換により、走査解像度に差が生じ得ることを念頭に置いて取得することができる。その結果、患者が、図１０の走査１０００のような走査パターンを用いる別の検査を受ける場合、開示されるレジストレーション法では、特徴マップにおける多分異なるポイントＡ（標的中心）に対する新規ポイント位置Ｂを計算する。視神経乳頭中心の位置情報は基準線画像上に記録されているので、新規に生成される特徴マップにおける視神経乳頭中心位置は、この場合も同じように、簡単な座標変換により容易に取得される。] 図１０
[0043] 基準線走査線群に基づく基準線画像の形成、パッチ走査線群に基づくパッチ画像の形成、または特徴走査線群に基づく特徴画像の形成では、何種類もの画像強調手法を利用することができる。このような手法として、画像強調、画像平滑化、及びモーション検出及び補正を挙げることができる。更に、パッチ画像を背景画像に位置合わせする、または特徴画像を、既に取得されている特徴画像に位置合わせする場合に行なわれるような、１つの画像を別の画像と照合するステップを行なうこともできる。これらの画像操作手法を図１に示すように、コンピュータ１０８上で実行してオペレータに対して、コンピュータ１０８の一部であるディスプレイに表示することができる。別の構成として、図１に示すスキャナ、即ち、ＯＣＴ撮像装置１００からのデータを別のコンピュータに読み出して最終的なデータ分析を行なうことができる。] 図１
[0044] 本発明の幾つかの実施形態では、特徴は、走査線に基づいて形成される画像群を分析することにより自動的に特定することができる。例えば、特徴としての中心窩は、網膜ＩＬＭ（内境界膜）とＩＰＬ層（Ｉｎｎｅｒ Ｐｌｅｘｉｆｏｒｍ Ｌａｙｅｒ：内網状層）またはＲＰＥ層（Ｒｅｔｉｎａｌ Ｐｉｇｍｅｎｔ Ｅｐｉｔｈｅｌｉｕｍ：網膜色素上皮層）との距離を表わす厚みマップ上の最小値の位置を特定することにより検出することができる。別の例として、視神経乳頭中心は、視神経乳頭を含む画像の視神経乳頭境界を位置特定し、そして乳頭境界の幾何学的中心を計算することにより特定することができる。視神経乳頭境界は、例えばＯＣＴ走査線群と同時に撮影される正面画像上に確認することができる。]
[0045] 本発明の幾つかの実施形態を上に開示してきた。これらの実施形態は本発明の例に過ぎず、かつ制限的な意味で提示されているのではないことを理解されたい。部品群及び要素群に対する非常に多くの再構成及び変更は、本発明の思想を逸脱しない限り行なうことができる。従って、本発明は、以下の請求項によってのみ制限される。]
[0046] １００…ＯＣＴ撮像装置、１０１…光源、１０２…検出器、１０３…カプラ、１０４…ＸＹ走査部、１０５…光遅延部、１０６…カメラ、１０７…カプラ、１０８…コンピュータ、１０９…眼、３００…走査パターン、３０３…水平走査線群、３０５…垂直走査線群、４０２…サンプルパッチ画像、４０４…サンプル基準線画像、５００…走査パターン、５０２…特徴走査線群、５０４…パッチ走査線群、６０２…網膜厚垂直走査、６０４…網膜厚水平走査、６０６…特徴マップ、７０１…パッチ画像、７０３…基準線画像、７０５…視神経乳頭中心、８００…走査パターン、８０１…基準線走査パターン、８０３…パッチ走査パターン、９００…特徴マップ、９０３…円形走査線群、１０００…走査パターン、１００３…特徴走査線群、１００５…特徴走査線群]

权利要求:

請求項1
走査パターン走査線群を取得するステップと、画像群を前記走査線群に基づいて形成するステップと、前記画像群を位置合わせするステップと、特徴マップを前記走査パターン走査線群に基づいて生成するステップと、前記特徴マップ上にて特徴群を特定するステップと、特徴群の位置情報を記録するステップと、を含む、アイレジストレーション法。
請求項2
画像群を前記走査線群に基づいて生成する前記ステップは、パッチ画像を形成するステップを含む、請求項１に記載の方法。
請求項3
前記画像群を位置合わせする前記ステップは、前記パッチ画像を基準線画像の対応する部分と照合するステップを含む、請求項２に記載の方法。
請求項4
更に：基準線パターン走査線を取得するステップと、前記基準線画像を前記基準線パターン走査線に基づいて生成するステップと、を含む、請求項３に記載の方法。
請求項5
前記画像群を位置合わせする前記ステップは、既に取得している走査パターン走査線群に対して位置合わせするステップを含む、請求項１に記載の方法。
請求項6
走査パターン走査線群を取得する前記ステップは、特徴走査線及びパッチ走査線の両方を取得するステップを含む、請求項１に記載の方法。
請求項7
特徴マップを生成する前記ステップは、画像を前記特徴走査線に基づいて形成するステップを含む、請求項６に記載の方法。
請求項8
走査パターン走査線群を取得する前記ステップは、特徴走査線及び更に別のパッチ走査線を取得するステップを含む、請求項１に記載の方法。
請求項9
特徴マップを生成する前記ステップは、画像を前記特徴走査線に基づいて形成するステプを含み、そして走査パターン画像群を位置合わせする前記ステップは、前記更に別の特徴走査線に基づいて形成される画像群を、既に撮影されている特徴走査線画像群に位置合わせするステップを含む、請求項８に記載の方法。
請求項10
前記特徴マップは、網膜ＩＬＭ（内境界膜）からＲＰＥ層（ＲｅｔｉｎａｌＰｉｇｍｅｎｔＥｐｉｔｈｅｌｉｕｍ：網膜色素上皮層）までの厚み測定値の特徴、または網膜ＩＬＭ（内境界膜）からＲＮＦＬ層（網膜神経線維層）までの厚み測定値の特徴を表わす、請求項１に記載の方法。
請求項11
前記画像群を位置合わせする前記ステップは、２次元正面画像処理ステップ及び３次元ＯＣＴ画像処理ステップを含む、請求項１に記載の方法。
請求項12
前記２次元正面画像処理ステップ及び前記３次元ＯＣＴ画像処理ステップは画像強調ステップを含む、請求項１１に記載の方法。
請求項13
前記２次元正面画像処理ステップ及び前記３次元ＯＣＴ画像処理ステップは平滑化ステップを含む、請求項１１に記載の方法。
請求項14
前記２次元正面画像処理ステップ及び前記３次元ＯＣＴ画像処理ステップはモーション検出ステップを含む、請求項１１に記載の方法。
請求項15
前記２次元正面画像処理ステップ及び前記３次元ＯＣＴ画像処理ステップは画像照合ステップを含む、請求項１１に記載の方法。
請求項16
前記２次元正面画像処理ステップ及び前記３次元ＯＣＴ画像処理ステップは細線化及びエッジ追跡ステップを含む、請求項１１に記載の方法。
請求項17
特徴群を特定する前記ステップは、網膜ＩＬＭ（内境界膜）からＩＰＬ層（ＩｎｎｅｒＰｌｅｘｉｆｏｒｍＬａｙｅｒ：内網状層）またはＲＰＥ層（ＲｅｔｉｎａｌＰｉｇｍｅｎｔＥｐｉｔｈｅｌｉｕｍ：網膜色素上皮層）までの距離を表わす厚みマップ上の最小値の位置を特定するステップを含む、請求項１に記載の方法。
請求項18
特徴群を特定する前記ステップは、視神経乳頭境界を位置特定するステップと、そして視神経乳頭中心を、前記視神経乳頭境界の幾何学的中心を求めることにより求めるステップと、を含む、請求項１に記載の方法。
請求項19
前記視神経乳頭境界は、走査済みＯＣＴ画像群と一緒に形成される正面画像に基づいて取得される、請求項１８に記載の方法。
請求項20
前記走査パターン走査線群を処理して、走査型レーザ検眼鏡（ｓｉｍｕｌａｔｅｄｓｃａｎｎｉｎｇｌａｓｅｒｏｐｈｔｈａｌｍｏｓｃｏｐｅ：ＳＳＬＯ）模擬画像を生成し、そして前記画像群を位置合わせする前記ステップは、ＳＳＬＯ画像群を位置合わせするステップを含む、請求項１に記載の方法。
請求項21
ＳＳＬＯ画像群を位置合わせする前記ステップは、前記ＳＳＬＯ画像を、既に生成されている別のＳＳＬＯ画像に位置合わせするステップを含む、請求項２０に記載の方法。