JP7034131B2 - 低コヒーレンス干渉法のための方法及び装置 - Google Patents

Description

（関連出願の相互参照）
この出願は、２０１８年１２月１９日に出願された「ＭＥＴＨＯＤ ＡＮＤ ＡＰＰＡＲＡＴＵＳ ＦＯＲ ＬＯＷ ＣＯＨＥＲＥＮＣＥ ＩＮＴＥＲＦＥＲＯＭＥＴＲＹ」と題する米国仮特許出願第６２／７８１，９９１号、及び、２０１９年３月２２日に出願された「ＭＥＴＨＯＤ ＡＮＤ ＡＰＰＡＲＡＴＵＳ ＦＯＲ ＬＯＷ ＣＯＨＥＲＥＮＣＥ ＩＮＴＥＲＦＥＲＯＭＥＴＲＹ」と題する米国仮特許出願第６２／８２２，４１５号に基づく優先権を主張するものであり、それらの全体を参照により本明細書に援用する。

現在、動的なスペックル／粒子を測定及び視覚化するための様々な医用画像化モダリティや技術がある（本明細書では、用語「スペックル」及び「粒子」は同じ意味で使用される）。例えば、そのような動的なスペックル/粒子は、サイズ、形状、位置などを変更するものであってよい。モダリティの一例である光コヒーレンストモグラフィ（ＯＣＴ）血管造影（ＯＣＴ－Ａ）は、移動する赤血球の表面からのレーザー光の反射を利用して、イメージングサンプルの様々なセグメント領域／深さを通る血管を描写する。ＯＣＴ血管造影画像の例を図１に示す。ＯＣＴ血管造影画像のコントラストは、イメージングサンプルからの後方散乱光の強度に比例する。後方散乱光の強度は、入射レーザー光で照明された移動するスペックル／粒子の光学特性の関数である。これらの移動するスペックル／粒子には、赤血球、白血球、血小板などが含まれる。

図２は、レーザースペックルコントラスト画像の例を示す。レーザースペックルコントラストイメージングは、流体の流れまたは流体の動きに比例するコントラストを有する画像、又は、移動するスペックルの速度に比例するコントラストを有する画像を生成する。更に別の例として、動的光散乱法（ＤＬＳ）を図３に示す。動的光散乱法は、懸濁液中の小さなスペックル又は溶液中のポリマーのサイズ分布プロファイルを決定するために使用される。時間的変動は、通常、強度又は光子の自己相関関数（ＡＣＦ）又はパワースペクトルを解析することによって決定される。

本明細書に開示された１つの例によれば、イメージング方法は次のステップを含む：物体の位置からの第１回目及び第２回目の画像データを含む前記物体の画像データセットを、干渉イメージングシステムを用いて収集する；前記第１回目の前記位置の画像データから第１の深さプロファイルを求め、且つ、前記第２回目の前記位置の画像データから第２の深さプロファイルを求める；前記第１の深さプロファイルと前記第２の深さプロファイルとの間における深さに関する変化を求める；前記第１の深さプロファイルと前記第２の深さプロファイルとの間の前記変化に基づいて、前記物体内の少なくとも１つの動的粒子の特性を求め又は位置を特定する。

上記した例の様々な実施形態は、以下に示す構成のいずれかを有する：前記少なくとも１つの動的粒子について求められた前記特性に基づいて、前記物体の画像を生成し、前記画像を表示する；前記第１の深さプロファイル又は前記第２の深さプロファイルは、複素領域で定義される；前記干渉イメージングシステムの光源は、低コヒーレンス光源である；前記変化は、前記第１の深さプロファイルと前記第２の深さプロファイルとの間の差分、又は前記差分の絶対値である；前記変化は、前記第１の深さプロファイルと前記第２の深さプロファイルとの比、又は前記比の絶対値である；前記変化は、前記第１の深さプロファイルと前記第２の深さプロファイルとの間の相関又は脱相関である；前記変化は、前記第１の深さプロファイルと前記第２の深さプロファイルとの間の標準偏差又は分散である；前記方法は、更に、前記第１の深さプロファイルと前記第２の深さプロファイルとの間の前記変化が極大値又は極小値となる位置における前記物体の深さを特定し、前記特定された深さは、動的粒子の位置に対応する；前記方法は、更に、前記第１の深さプロファイルと前記第２の深さプロファイルとの間の前記変化の１階導関数を求め、前記１階導関数がゼロである位置における前記物体の深さを特定し、前記特定された深さは、動的粒子の位置に対応する；前記方法は、更に、前記第１の深さプロファイルと前記第２の深さプロファイルとの間の前記変化の１階導関数を求め、前記１階導関数がゼロでない位置における前記物体の深さを特定し、前記少なくとも１つの動的粒子の前記特性は、前記特定された深さの個数に基づく；前記方法は、更に、前記第１の深さプロファイルと前記第２の深さプロファイルとの間の前記変化を求めるより前に、前記第１の深さプロファイル及び／又は前記第２の深さプロファイルに閾値を適用する；前記方法は、更に、前記画像を生成するより前に、前記第１の深さプロファイル及び／又は前記第２の深さプロファイルに閾値を適用する；前記閾値は、前記干渉イメージングシステムのノイズフロアに比例し、前記第１の深さプロファイル若しくは前記第２の深さプロファイルの強度のヒストグラム若しくは累積ヒストグラムから求められ、又は、前記画像データのフレームサイズ及び／若しくはサンプルサイズに比例する；前記閾値は、前記干渉イメージングシステムのノイズフロアに比例し、前記第１の深さプロファイルと前記第２の深さプロファイルとの間の前記変化の相違レベルのヒストグラムから求められ、又は、前記画像データのフレームサイズ及び／若しくはサンプルサイズに比例する；前記画像データセットは、３Ｄ光コヒーレンストモグラフィデータである；前記物体は、人眼である；前記求められる特性は、動的粒子密度であり、前記動的粒子密度は、関心領域において既定の深さを越えた動的粒子の特定された位置の総数として求められる；前記求められる特性は、前記少なくとも１つの動的粒子のサイズであり、前記サイズは、前記第１の深さプロファイルと前記第２の深さプロファイルとの間の前記変化の極大ピーク又は極小ピークの幅に比例し、又は、前記第１の深さプロファイルと前記第２の深さプロファイルとの間の前記変化の１階導関数がゼロである位置における深さ間の距離に比例する；前記方法は、更に、前記求められたサイズに基づいて、動的粒子サイズ分布を求める；前記方法は、更に、前記第１の深さプロファイルと前記第２の深さプロファイルとの間の前記変化の１階導関数のパワースペクトルを求める。

光コヒーレンストモグラフィ血管造影画像の例を示す。

レーザースペックルコントラスト画像の例を示す。

動的光散乱法の例を示す。

本開示の低コヒーレンス干渉測定システムの例の概略を示す。

本開示のワークフローの例を示す。

異なる時刻に同じ位置から取得した２つの深さプロファイルの例を示す。

閾値処理後における図６Ａの２つの深さプロファイルの例を示す。

閾値レベルを決定するための光信号の強度レベルのヒストグラムを示す。 閾値レベルを決定するための光信号の強度レベルのヒストグラムを示す。

閾値レベルを決定するために用いられる関心領域の選択を示す。

各画像に関連付けられた深さプロファイルの差分を求める前及び後に適用された際の、異なる閾値レベル値の効果を示す。

図６Ｂに示す２つの閾値処理された深さプロファイルに基づく動的スペックル特性信号ＤＰＰ（ｚ）の例を示す。

異なる時刻に同じ位置から取得した３つの深さプロファイルＳ（ｚ）、Ｓ′（ｚ）、Ｓ′′（ｚ）の例である。

図１１Ａの３つの深さプロファイルＳ（ｚ）、Ｓ′（ｚ）、Ｓ′′（ｚ）の標準偏差としての、動的スペックル特性信号ＤＰＰ（ｚ）の例を示す。

図１０の動的スペックル特性信号ＤＰＰ（ｚ）の例を、示された深さにおける信号の各ピーク位置とともに示す。

図１２の動的スペックル特性信号ＤＰＰ（ｚ）の例の動的スペックル位置信号ＤＰＬ（ｚ）の例を、ゼロクロス深さ（ｚｅｒｏ ｃｒｏｓｓｉｎｇ ｄｅｐｔｈｓ）とともに示す。

図１２の動的スペックル特性信号ＤＰＰ（ｚ）の例の動的スペックル位置信号ＤＰＬ（ｚ）の例を、非ゼロクロス深さ（ｎｏｎ－ｚｅｒｏ ｃｒｏｓｓｉｎｇ ｄｅｐｔｈｓ）とともに示す。

動的スペックル密度のグラフを示す。

動的スペックル特性信号ＤＰＰ（ｚ）からの動的スペックルの寸法の決定を示す。

動的スペックル位置信号ＤＰＬ（ｚ）からの動的スペックルの寸法の決定を示す。

動的スペックルの寸法の分布の例を示す。

図１６Ｂの動的スペックル位置信号ＤＰＬ（ｚ）のパワースペクトルの例を示す。

ＯＣＴデータの３Ｄボリュームから検出された動的スペックルのボリュームの例を示す。 ＯＣＴデータの３Ｄボリュームから検出された動的スペックルのボリュームの例を示す。

健常眼及び患眼の双方の深部叢層（ｄｅｅｐ ｐｌｅｘｕｓ ｌａｙｅｒ）についての、フルオレセイン血管造影画像と、本開示による動的スペックルカウンティングに基づく２Ｄ投影画像との比較を示す。

細動脈瘤を有する患眼についての、カラー眼底画像と、フルオレセイン血管造影画像と、本開示による非ゼロピクセルカウンティングに基づく２Ｄ投影画像との比較を示す。

病的なヒト黄斑の浅部叢層（ｓｕｐｅｒｆｉｃｉａｌ ｐｌｅｘｕｓ ｌａｙｅｒ）及び深部叢層についての、従来のＯＣＴ血管造影画像と、本開示による非ゼロピクセルカウンティングに基づく２Ｄ投影画像と、本開示による動的スペックルカウンティングに基づく２Ｄ投影画像との比較を示す。

脈絡膜新生血管を有するヒト網膜外層（ｏｕｔｅｒ ｒｅｔｉｎａ）についての、カラー眼底画像と、本開示による動的スペックルカウンティングに基づく２Ｄ投影画像との比較を示す。

しかしながら、上述したＯＣＴ－Ａ、レーザースペックルコントラストイメージング、及びＤＬＳ技術にも、様々な制限がある。例えば、ＯＣＴ－Ａ画像のコントラストは、局所的な動的スペックルの濃度や寸法ではなく、所与のスペックルの光学特性に比例する。更に、画像化されたスペックルによって引き起こされるより強い光散乱は、結果として得られる測定されたＯＣＴ－Ａ信号のより高い強度（又は振幅）を生じる。したがって、測定されたＯＣＴ－Ａ信号では、弱い散乱スペックルは可視化されにくい（又は、信号対雑音比が低くなる）。同様に、測定されたレーザースペックルコントラスト信号（又は画像）では、ゆっくり動くスペックルは可視化されにくい。ＤＬＳでは、光ビームはサンプルに対して静止しているため、散乱スペックルは光ビームに対して移動する。更に、ＤＬＳには深さプロファイルは存在しない。

本開示は、動的スペックルを決定、解析及び／又は視覚化することが可能であり、且つ、上記の制限を必ずしも受けることのない低コヒーレンス干渉法及び装置に関する。本明細書に記載の低コヒーレンス干渉法は、蛍光剤のコントラストに比例したコントラストを有するフルオレセイン血管造影（ＦＡ）、インドシアニングリーン血管造影（ＩＣＧＡ）、共焦点走査レーザーフルオレセイン血管造影（ＣＳＬ－ＦＡ）、共焦点走査レーザーインドシアニングリーン血管造影（ＣＳＬ－ＩＣＧＡ）、及び蛍光顕微鏡（ＦＭ）の画像に匹敵するイメージング性能を提供できる。ここで、蛍光剤のスペックルは、画像化を意図したものと同様に動く。これに対し、低コヒーレンス干渉法では色素は不要である。従来の方法（例えば、ＯＣＴ血管造影、レーザースペックルコントラストイメージングなど）は、そのような特徴を提供することができない。低コヒーレンス干渉法では、画像内のピクセル強度（又は、ピクセル位置における信号強度）は、局所的な動的スペックル濃度（又は密度）及び／又は寸法に比例する。画像（又は信号）が組織からのものである場合、本明細書で説明する低コヒーレンス干渉法を使用することで、健康な組織と病的な組織との相違を示すことにより、組織の異常を明らかにすることができる。

図４は、低コヒーレンス干渉測定システム４００の例示的な概略図を示す。他の干渉モダリティと同様に、本システムは、光源４０２、参照アーム４０４、及びサンプルアーム４０６を含む。この場合、光源４０２は、低コヒーレンス長の光を生成する光源で或る。光源４０２によって生成された光は、例えば、（干渉計光学系４０８の一部としての）ビームスプリッターによって分割され、参照アーム４０４及びサンプルアーム４０６に送られる。光は、サンプルアーム４０６において、結像されている物体により反射され、且つ、参照アーム４０４内のミラーによって反射される。参照アーム４０４からの反射光とサンプルアーム４０６からの反射光とは、次に、検出アーム４１０において再結合され、例えば検出アーム４１０内の光検出器によって検出される。

この光検出器の出力は、データ収集ユニット及び／又はアナログ－デジタル変換器などの収集ユニット４１２に供給され、続いて、プロセッサ４１６と入力／出力インターフェース４１８とを含むコンピューター又は同様のシステム４１４に提供される。プロセッサ４１６は、検出アーム４１０内の検出器と収集ユニット４１２とにより受け付けられたデータを解析するように構成又はプログラムされていてよい。入力／出力インターフェース４１８は、処理された画像を出力するための、また、これら画像の解析に関する情報を出力するためのディスプレイを含んでいてよい。入力／出力インターフェースは、ボタン、キー、又は他の操作装置など、コンピューターシステム４１４へのユーザー入力を受け付けるための任意のハードウェアを含んでいてもよい。

システム４００は、画像や解析データを格納するためのメモリを含んでいてもよい。この情報は、例えば、データベース４２０の一部として格納されてもよい。更に、メモリ及び／又はデータベース４２０は、標準データベースなどの参照データを含んでいてもよい。データは、コンピューターシステム４１４の一部としてローカルメモリに格納されてもよいし、例えば別のサーバーにリモートで格納されてもよい。

本開示の例示的なワークフローを図５に示す。それから分かるように、データは、まず収集され、次に処理及び解析されて、この解析が最終的に視覚化及び格納可能となる。この視覚化は、例えば、画像又は結果として得られる解析データとしての視覚化であり、格納は、例えば、前述したデータベース４２０への格納である。収集は、前述した低コヒーレンス干渉測定システム４００を用いて画像化データ５０２（例えば干渉光信号）を取得することを含む。好ましくは、データは、撮像されている物体における各関心位置について少なくとも一度取得される。集合的に、このデータは、例えば、従来の３Ｄ光コヒーレンストモグラフィ（ＯＣＴ）データセットを形成する。そのような場合、低コヒーレンス干渉測定システム４００は、ＯＣＴシステムであってよい。

次に、取得されたデータは、例えば、上記のシステム４００のプロセッサ４１６によって処理され、その位置からデータが取得された各時刻について各位置の深さプロファイルを再構成する。これは、まず、取得された光信号データの前処理５０４を含んでいてよい。前処理５０４は、例えば、ホワイトノイズを除去するための信号のフィルタリングにより、及び／又は、光分散の数値的な補償により行われる。前処理５０４は、波長領域の信号測定値を波数領域に変換する処理と、その後に任意的に行われる、当該変換後の信号を数値的に再サンプリングする処理とを含んでいてもよい。

次に、各収集時刻について各位置のデータの深さプロファイルが求められる（５０６）。深さプロファイルは、（前処理された）光信号（若しくは波数領域に変換された光信号）又は前処理されていない取得信号のフーリエ変換又は不均一フーリエ変換（ｎｏｎ－ｕｎｉｆｏｒｍ Ｆｏｕｒｉｅｒ ｔｒａｎｓｆｏｒｍ）を行うことによって再構築されてよい。深さプロファイルは、他の同様の変換を使用して再構築されてもよいし、複素領域又は実数領域に存在してもよい。いくつかの実施形態では、単一の光信号から複数の深さプロファイルを再構築することができる。２つの異なる時刻における同一位置からの複数の深さプロファイルを比較することで、これら深さプロファイルの間における変化を算出することができる（５１０）。ヒト網膜の画像化データから得られた深さプロファイルの例を図６Ａに示す。同図において、同じ位置から異なる時刻に取得された２つの深さプロファイルＳ（ｚ）及びＳ′（ｚ）は、深さに対する取得信号強度を示している。プロファイルは、（例えば３Ｄ ＯＣＴデータセットからの）個々のＡラインに対応していてよく、よって、深さは、複数のＡラインからなる２Ｄ画像（例えばＢスキャン）のピクセルに対応した離散的な深さとして表されてよい。構築された深さプロファイルは、複素数の形態であってよい。

図５の参照に戻り、深さプロファイルを構築し及び／又は深さプロファイル間の変化を算出した後に、構築された深さプロファイル又はそれらの差分に対して閾値処理５０８、５１４を任意的に適用してもよい。閾値処理は、例えば、閾値以上の強度を有する信号の部分のみが考慮されるように、特定レベルの背景ノイズを除去するように作用してもよい。このように、閾値は深さプロファイルの最小強度レベルであってよい。図６Ａに示す深さプロファイルＳ（ｚ）およびＳ′（ｚ）に対して例示的に適用された閾値の結果を図６Ｂに示す。同図から、低強度ノイズが深さプロファイル信号から除去されていることが分かる。もちろん、他の実施形態において、深さプロファイルの最大強度レベルを設定するために追加的又は代替的に閾値を使用してもよい。

深さプロファイルに適用される閾値レベルの決定には多くの方法がある。例えば、ＯＣＴ Ｂスキャンの強度値のヒストグラム（又は同様の分布）の形状は、少なくともＢスキャンサイズ、組織サイズ、及び組織の種類の数に影響を受けることがある。これは、これらの特性が、Ｂスキャン画像の相対的なピクセル強度（そして、その結果として、異なる時刻に取得された対応位置におけるＢスキャン間の任意の差分）に影響を与えることによる。図７Ａは、Ｂスキャンの光信号についての強度レベルのヒストグラムの例を示している。同図に示されるように、示された閾値レベルは、背景ノイズ（信号の大部分を構成する）を除去するためにヒストグラムに基づき設定されてよく、Ｂスキャンの信号対雑音比（ＳＮＲ）に比例してもよい。図７Ｂの累積ヒストグラムに示された別の実施形態では、閾値レベルは、Ｂスキャンサイズ及び／又はサンプルサイズ（例えば、組織サイズ）によって影響を受ける。同図において、有意な光信号の大部分がそれ未満となるような強度に閾値が設定される。

更に別の実施形態では、閾値レベルは、画像化される物体の関心領域の平均強度に比例してもよい。図８から分かるように、関心領域はＯＣＴ Ｂスキャン画像から選択される。Ｂスキャン画像の平均強度を生成するために関心領域の各ピクセルが平均化され、その平均強度に対して比例するレベルとして閾値を選択してもよい。更に、他の実施形態では、閾値は、他の任意の統計的定量（例えば、強度の中央値、強度の標準偏差など）及び／又は深さプロファイルや取得された画像化データの特性などに比例してもよい。

図９は、各画像に関連付けられた深さプロファイルの間の差分を決定する前及び後に適用された場合における異なる閾値レベル値の効果を示している。同図に示されたように、閾値レベルは、画像化された物体の異常を視覚化するのに役立つ。例えば、極端な場合、最高の閾値レベルを適用すると、最高強度のスペックルがより明瞭に視覚化される。上述したように、例示的な深さプロファイルに対して直接に閾値処理を適用してよく、及び／又は、（例えば、例示的な深さプロファイルの間の差分を取ることにより決定される）例示的な深さプロファイルの間の変化に対して閾値処理を適用してよい。

図５の参照に戻ると、深さプロファイルの構築（５０６）及び任意的な深さプロファイルに対する閾値の適用（５０８）の後、各深さプロファイル間の差分（又は変化）が算出され（５１０）、これにより動的スペックル特性信号ＤＰＰ（ｚ）が生成される（５１２）。図１０は、図６Ｂに示す２つの閾値処理された深さプロファイルに基づく例示的な動的スペックル特性信号ＤＰＰ（ｚ）を示す。深さプロファイル間のこの変化は、数値演算を用いて定量的に決定可能である。

例えば、動的スペックル特性信号ＤＰＰ（ｚ）は、深さプロファイル間の数値的な差分／変化（又はその絶対値）に等しくてよい。換言すると、以下のように表現される：
ＤＰＰ（ｚ）＝Ｓ（ｚ）－Ｓ′（ｚ）
又は、
ＤＰＰ（ｚ）＝｜Ｓ（ｚ）－Ｓ′（ｚ）｜。
動的スペックル特性信号ＤＰＰ（ｚ）は、深さプロファイルＳ（ｚ）及びＳ′（ｚ）の間の数値的な差分に基づく。別の実施形態によれば、動的スペックル特性信号ＤＰＰ（ｚ）は、深さプロファイルの比（又はその絶対値）に等しくてよい。換言すると、以下のように表現される：
ＤＰＰ（ｚ）＝Ｓ（ｚ）／Ｓ′（ｚ）
又は、
ＤＰＰ（ｚ）＝｜Ｓ（ｚ）／Ｓ′（ｚ）｜。

更に他の実施形態では、生成された動的スペックル特性信号ＤＰＰ（ｚ）は、２つの要素間の差分を考慮する任意の数値的方法を使用して決定されてよい。例えば、動的スペックル特性信号ＤＰＰ（ｚ）は、第１の深さプロファイルと第２の深さプロファイル（例えば、Ｓ（ｚ）及びＳ′（ｚ））の間の相関若しくは脱相関に等しいか又はそれに基づいていてよく、深さプロファイル間の標準偏差若しくは分散に等しいか又はそれに基づいていてよく、又は、類似のものであってよい。

例えば、図１１Ｂは、図１１Ａに示されている複数の深さプロファイルの間の統計的標準偏差又は分散に基づく動的スペックル特性信号ＤＰＰ（ｚ）の例を示している。図１１Ａに示す３つの深さプロファイルＳ（ｚ）、Ｓ′（ｚ）及びＳ′′（ｚ）は、異なる時刻に同じ位置から取得されたものであり、深さに対する取得信号強度として表されている。次に、各プロファイル間の統計的標準偏差又は分散を演算することにより、各プロファイル間の差分（又は変化）を測定することができる。その結果として得られる動的スペックル特性信号を図１１Ｂに示す。上述したように、閾値処理（例えば、閾値標準偏差又は分散レベル）５０８、５１４は、深さプロファイルに対して直接に適用されてよく、又は、深さの動的スペックル特性信号ＤＰＰ（ｚ）（例えば、図１１Ｂに示すような標準偏差／分散）に適用されてよい。この標準偏差閾値レベルは、図１１Ｂに標準偏差レベルで示されている。

図５の参照に戻ると、干渉信号を処理して動的スペックル特性信号ＤＰＰ（ｚ）を取得（５１２）した後、動的スペックルを検出し、その特性を分析するために、動的スペックル特性信号が解析される（５１６）。例えば、動的スペックルの深さ位置は、図１１Ｂに大きな点（「○」）で示されている。換言すると、動的スペックルは、動的スペックル特性信号ＤＰＰ（ｚ）が閾値レベル以上である動的スペックル特性信号ＤＰＰ（ｚ）に対応する位置の深さに存在すると考えられる。与えられた深さ（又は深さ範囲）における特定の構造が既知であるとすると、大きな点（「○」）の個数、したがってこれら構造における動的スペックルの個数を求めることができる。

図１２は、図１０の例示的な動的スペックル特性信号を示すとともに、深さの信号の各ピーク位置を大きな点（「●」）で示している。この例では、各ピークは、動的スペックルの深さ位置を表している。これらのピーク、又は動的スペックル特性信号ＤＰＰ（ｚ）の局所的な最大値（極大値）及び局所的な最小値（極小値）は、任意のピーク検出方法によって求めることができる。例えば、動的スペックル特性信号ＤＰＰ（ｚ）の動的スペックル位置ＤＰＬ（ｚ）（動的スペックル位置信号とも呼ばれる）のゼロクロス点は、ＤＰＰ（ｚ）のピークに対応し、よって動的スペックル位置に対応する。換言すると、以下のように表現される：
ＤＰＬ（ｚ）＝ｄ［ＤＰＰ（ｚ）］／ｄｚ。
動的スペックル特性信号ＤＰＰ（ｚ）の動的スペックル位置ＤＰＬ（ｚ）、及び、対応するゼロクロス点を図１３に示す。図１４に示す別の例では、深さの非ゼロ差分点（ｎｏｎ－ｚｅｒｏ ｄｉｆｆｅｒｅｎｃｅ ｐｏｉｎｔｓ）（又はピクセル）を大きな点（「●」）で示す。ユーザー定義の空間的及び／又は時間的な関心領域における非ゼロピクセルを、視覚化のためにカウントすることができる。

図１５は、動的スペックル密度（又は周波数）のグラフを示している。動的スペックル密度は、単位面積、体積、時間、及び／又はユーザー定義の空間及び時間（例えば、深さ範囲）における動的スペックルの個数に比例する。したがって、或る境界内の（前述したように求められ、図示された）動的スペックル特性信号ＤＰＰ（ｚ）の深さにおけるピークの総数をカウントすることによって、動的スペックルの密度を測定することができる。境界は、特定の生理学的な領域又は構造（例えば、網膜層）に関連していてよく、及び／又は、ユーザーによって事前に決定されてもよい。図１５の例では、動的スペックル密度は、ユーザー定義のカーネルサイズ（与えられた深さに対する関心領域の位置についてのＮピクセルサイズ）内における深さプロファイルについての動的スペックル位置ＤＰＬ（ｚ）信号の全ゼロクロス点として示されている。浅部叢層及び深部叢層の深さは既知である（そして、動的スペックル密度のグラフに示されている）ので、各層（及び、他の既知の層／深さ）の密度を求めて比較することができる。例えば、動的スペックルの密度は、図１５にグラフ化された関心領域では、深部叢（ｄｅｅｐ ｐｌｅｘｕｓ）よりも浅部叢（ｓｕｐｅｒｆｉｃｉａｌ ｐｌｅｘｕｓ）において大きいことが分かる。

更に別の例では、動的スペックルサイズは、動的スペックル特性信号ＤＰＰ（ｚ）及び動的スペックル位置信号ＤＰＬ（ｚ）のいずれかから求めることができる。図１６Ａに示すように、動的スペックルの寸法は、動的スペックル特性信号ＤＰＰ（ｚ）の各ピークの幅に比例する。図１６Ｂに示すように、動的スペックルの寸法は、動的スペックル位置信号ＤＰＬ（ｚ）の２つのゼロクロス点の間の距離にも比例する。動的スペックルサイズを用いると、任意の関心領域や深さ範囲などについての動的スペックルサイズの分布を求めることができる。そのような例示的な分布を図１６Ｃに示す。

動的スペックル位置信号ＤＰＬ（ｚ）の各ゼロクロス点が動的スペックルの変位の中心点を表すと仮定すると、隣接するゼロクロス点の間の空間的距離は、隣接する動的スペックルの間隔を意味し得る。この動的スペックルの空間分布及び群は、フーリエ変換を行うことによって解析可能である。したがって、動的スペックル位置信号ＤＰＬ（ｚ）のフーリエ変換により構築された動的スペックル位置信号ＤＰＬ（ｚ）のパワースペクトルを用いて、隣接する粒子についての相対的な情報を解析することが可能である。例えば、特定の周波数分布プロファイルは、病変組織からの細動脈瘤を示す場合がある。パワースペクトルの例を図１７に示す。

再び図５の参照に戻ると、動的スペックル特性の解析（５１６）に続いて、画像化データ及び解析結果を視覚化することができ（５２０）、或いは、入出力インターフェースを介してユーザーに画像化データ及び解析結果を提示することや、後の閲覧及び／又は解析のために画像化データ及び解析結果を保存することができる（５２２）。そのような視覚化は、データセット全体について行ってもよく、及び／又は、ユーザー定義の空間的エリア及び／又は時間的期間の範囲内における後の解析であってよい（５１８）。

１つの例において、視覚化（５２０）は、上記の説明による複数のＡラインの処理に基づいて（Ｃスキャン又は正面画像に対応する）２Ｄ投影画像を生成する処理を含んでいてよい。例えば、所与の関心領域（２Ｄ投影画像内に示される領域）内の各Ａラインについての深さプロファイルから求められた動的スペックル特性信号ＤＰＰ（ｚ）又は動的スペックル位置信号ＤＰＬ（ｚ）のピーク又は非ゼロピクセルを求める（又はカウントする）ことによって、２Ｄ投影画像の各ピクセルを生成することが可能である。したがって、２Ｄ投影画像内においてより高い強度のピクセルは、関心のある空間領域／時間的期間内においてより多くのピーク又はより多くの非ゼロピクセルに相当し、したがって、より多数のスペックルに相当し得る。もちろん、強度は、特定された動的スペックルの個数に反比例する場合も有り得る。そのような２Ｄ投影画像は、深さプロファイル全体又は関心のある深さ（例えば、画像化された物体の異なる複数の層又は複数の層の組み合わせ）の投影であってよいことに留意されたい。これらの画像は、また、関心のある時間に取得された深さプロファイル（及び、それらの間の差分／変化）のみを考慮することによって、関心のある時間的期間内に存在し得る。

動的スペックル及び／又はそれらの特性を説明するために、２Ｄ Ｂスキャン画像（深さを含む断面画像）を生成することも可能である。例えば、各深さプロファイルがＢスキャンにおけるＡラインに対応する場合、検出された動的スペックルに対応する深さの各ピクセルについて、動的なスペックルが検出されない深さに対応するピクセルよりも大きくなるように強度レベルを設定することによって、Ｂスキャン画像を形成することができる。それにより、動的スペックルの位置が可視化される。他の実施形態では、様々なピクセル深さでの強度レベルは、スペックルの特性（例えばサイズ）に対応して設定してもよい。それにより、動的スペックル特性の変動が可視化される。次いで、これら複数のＢスキャンは、ボリューム内にて検出された動的スペックルを示す３Ｄボリュームを集合的に形成し得る。図１８Ａは、図１８Ｂに示されるオリジナルの３Ｄ ＯＣＴデータから検出された動的スペックルのボリュームを示す。

上述のように、従来の光コヒーレンストモグラフィ血管造影（ＯＣＴ－Ａ）画像は、細動脈瘤（ＭＡ）や脈絡膜新生血管（ＣＮＶ）を視覚化するのに十分な感度ではない。しかしながら、本開示により生成される２Ｄ投影画像は、フルオレセイン血管造影（ＦＡ）、インドシアニングリーン血管造影（ＩＣＧＡ）、及び蛍光染料（蛍光剤）を利用する同様の技術に匹敵する情報を提供することができる。例えば、図１９及び図２０は、本開示に基づく２Ｄ投影画像に対するＦＡ画像及びカラー眼底画像（グレースケールで表現されている）の比較を示す。特に、図１９は、上記のように、動的スペックル（例えば、動的スペックル特性信号ＤＰＰ（ｚ）のピーク）のカウント（計数）に基づく２Ｄ投影イメージングとＦＡとによって生成された、健常ヒト黄斑及び病的ヒト黄斑の双方の深部叢層の画像の比較を示す。同様に、図２０は、細動脈瘤を有する患眼からの画像として、上述した非ゼロピクセルカウントに基づく２Ｄ投影画像と、カラー眼底画像と、ＦＡ画像とを示している。図１９の患眼の画像から分かるように、ＦＡ画像と２Ｄ投影画像の双方ともに、細動脈瘤の存在を示す明るいスポット（輝点）を呈することが可能である。

図２１は、本開示に基づいて病的なヒト黄斑の浅部及び深部の叢層について形成された２Ｄ投影画像と、従来のＯＣＴ血管造影画像との比較を示す。図示するように、これら黄斑の浅部層及び深部層ともに、非ゼロピクセルカウンティング技術を使用して、そして動的スペックルをカウントすることにより（例えば、動的スペックル特性信号ＤＰＰ（ｚ）のピークをカウントする技術により）、本開示に基づいて形成された２Ｄ投影画像が形成された。この比較から分かるように、２Ｄ投影画像では細動脈瘤が可視化されているが、ＯＣＴ－Ａ画像には細動脈瘤を識別するのに十分な感度がない。

図２２は、本開示による（例えば、動的スペックル特性信号ＤＰＰ（ｚ）のピークカウンティング技術による）動的スペックルカウンティングに基づくヒト網膜外層の２Ｄ投影画像と、ヒト網膜外層のカラー眼底画像（グレースケールで示されている）との比較を示している。脈絡膜新生血管の存在（２Ｄ投影画像において白丸で囲まれた箇所）が２Ｄ投影画像において可視化されている。

更に、本開示による視覚化のいずれにおいても、例えば、所定のピクセル強度閾値に基づき色を適用することによって色付けを行えることに留意されたい。例えば、細動脈瘤を（例えば青色で）強調するために、そのような色付けを使用することができる。このような色付けにより、視覚化における異常の識別を向上させることができる。

最後に、前述し且つ図５に示したように、上記のデータのいずれか（取得されたデータ又は処理の結果得られたデータ）と関連する画像とを、視覚化のための後の解析のために保存することができる（５２２）。これらのデータ及び画像は、イメージングシステムに又はリモートで格納され、例えば図４に示すシステムのデータベースに保存することができる。

低コヒーレンス干渉測定のシステム及び方法の本開示は、前述した利点及び用途に限定されない。例えば、本開示は、眼科における眼疾患検出に使用することができ、ＦＡ画像及び／又はＩＣＧＡ画像に匹敵する情報や、蛍光剤の注入無しでの血管の視覚化や、蛍光剤の注入無しでの血管漏出の視覚化や、細動脈瘤（ＭＡ）・脈絡膜新生血管（ＣＮＶ）・出血・網膜下液領域などの病的エリアの視覚化などを提供することができる。本開示はまた、特定の疾患の診断に使用することも可能であり、この特定の疾患には、これらに限定されないが、糖尿病性網膜症、加齢黄斑変性症、黄斑毛細血管拡張症、ポリープ状脈絡膜血管症、緑内障及び視神経障害、網膜色素変性症、網膜血管閉塞などが含まれる。更に、本開示は、眼科イメージング用途としてここまで提示されたが、それに限定されない。例えば、本開示は、腫瘍科における癌検出、皮膚科における皮膚疾患検出、神経科における脳疾患検出、心臓科における心血管疾患検出、非破壊評価及び非破壊検査分野、生物学における細胞モニタリングなどに応用することができる。更に、本明細書で検討された特徴と同様の特徴を提供するために、他の従来のＯＣＴ－Ａ処理方法を本開示にしたがって適合させることが可能である。他の従来のＯＣＴ－Ａ処理方法としては、ＯＣＴＡＲＡ（ｏｐｔｉｃａｌ ｃｏｈｅｒｅｎｃｅ ｔｏｍｏｇｒａｐｈｙ ａｎｇｉｏｇｒａｐｈｙ ｒａｔｉｏ ａｎａｌｙｓｉｓ）、ＳＳＡＤＡ（ｓｐｌｉｔ－ｓｐｅｃｔｒｕｍ ａｍｐｌｉｔｕｄｅ－ｄｅｃｏｒｒｅｌａｔｉｏｎ ａｎｇｉｏｇｒａｐｈｙ）、ＯＭＡＧ（ｏｐｔｉｃａｌ ｍｉｃｒｏａｎｇｉｏｇｒａｐｈｙ）、及びその他のＯＣＴ血管造影処理方法などがある。

Claims (9)

1. 眼の同一位置からの第１回目及び第２回目の画像データを含む前記眼の画像データセットを、干渉イメージングシステムを用いて収集し、
   前記第１回目の前記同一位置の画像データから第１の深さプロファイルを求め、且つ、前記第２回目の前記同一位置の画像データから第２の深さプロファイルを求め、
   前記第１の深さプロファイルと前記第２の深さプロファイルとの間における深さに関する変化を求め、
   前記第１の深さプロファイルと前記第２の深さプロファイルとの間の前記変化に基づいて、前記眼内の少なくとも１つの動的粒子の特性を求め又は位置を特定し、
   前記画像データセットは、３Ｄ光コヒーレンストモグラフィデータであり、
   前記第１の深さプロファイル及び前記第２の深さプロファイルは、前記３Ｄ光コヒーレンストモグラフィデータからの前記同一位置における個々のＡラインに対応しており、
   更に、
   前記少なくとも１つの動的粒子について求められた前記特性に基づいて、前記眼の画像を生成し、
   前記画像を表示し、
   前記眼の前記画像の生成は、
   所与の関心領域内の各Ａラインについての深さプロファイルから動的スペックル特性信号又は動的スペックル位置信号を求め、
   前記動的スペックル特性信号又は前記動的スペックル位置信号のピーク又は非ゼロピクセルを求め、又は、前記ピーク又は前記非ゼロピクセルをカウントして、前記眼の前記画像の各ピクセルを生成する、
   イメージング方法。
2. 前記第１の深さプロファイル又は前記第２の深さプロファイルは、複素領域で定義される、
   請求項１のイメージング方法。
3. 前記干渉イメージングシステムの光源は、低コヒーレンス光源である、
   請求項１又は２のイメージング方法。
4. 前記変化は、前記第１の深さプロファイルと前記第２の深さプロファイルとの間の差分、又は前記差分の絶対値である、
   請求項１～３のいずれかのイメージング方法。
5. 前記変化は、前記第１の深さプロファイルと前記第２の深さプロファイルとの比、又は前記比の絶対値である、
   請求項１～３のいずれかのイメージング方法。
6. 前記変化は、前記第１の深さプロファイルと前記第２の深さプロファイルとの間の相関又は脱相関である、
   請求項１～３のいずれかのイメージング方法。
7. 前記変化は、前記第１の深さプロファイルと前記第２の深さプロファイルとの間の標準偏差又は分散である、
   請求項１～３のいずれかのイメージング方法。
8. 更に、前記第１の深さプロファイルと前記第２の深さプロファイルとの間の前記変化を求めるより前に、前記第１の深さプロファイル及び／又は前記第２の深さプロファイルに閾値を適用する、
   請求項１～７のいずれかのイメージング方法。
9. 更に、前記画像を生成するより前に、前記第１の深さプロファイル及び／又は前記第２の深さプロファイルに閾値を適用する、
   請求項１のイメージング方法。
   

Images