CN104271031B - Oct血管造影数据的分析和可视化 - Google Patents

Oct血管造影数据的分析和可视化 Download PDF

Info

Publication number
CN104271031B
CN104271031B CN201380023147.6A CN201380023147A CN104271031B CN 104271031 B CN104271031 B CN 104271031B CN 201380023147 A CN201380023147 A CN 201380023147A CN 104271031 B CN104271031 B CN 104271031B
Authority
CN
China
Prior art keywords
oct
vascular system
image
anteposition
vascular
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201380023147.6A
Other languages
English (en)
Other versions
CN104271031A (zh
Inventor
玛丽·德宾
乌特卡什·萨尔马
西达尔塔·斯里瓦斯塔瓦
蒂尔曼·施莫尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Carl Zeiss Meditec AG
Original Assignee
Carl Zeiss Meditec AG
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 Carl Zeiss Meditec AG filed Critical Carl Zeiss Meditec AG
Publication of CN104271031A publication Critical patent/CN104271031A/zh
Application granted granted Critical
Publication of CN104271031B publication Critical patent/CN104271031B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
    • A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
    • A61B3/102—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for optical coherence tomography [OCT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
    • A61B3/0016—Operational features thereof
    • A61B3/0025—Operational features thereof characterised by electronic signal processing, e.g. eye models
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B9/00—Measuring instruments characterised by the use of optical techniques
    • G01B9/02—Interferometers
    • G01B9/02083—Interferometers characterised by particular signal processing and presentation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B9/00—Measuring instruments characterised by the use of optical techniques
    • G01B9/02—Interferometers
    • G01B9/0209—Low-coherence interferometers
    • G01B9/02091—Tomographic interferometers, e.g. based on optical coherence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/215—Motion-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30041—Eye; Retina; Ophthalmic
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Ophthalmology & Optometry (AREA)
  • Biomedical Technology (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Computer Graphics (AREA)
  • Eye Examination Apparatus (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

提供了用于分析和可视化OCT血管造影数据的方法。在一种实施方式中，提供了用于识别在由运动对比度数据生成的二维前位图像中的中心凹无血管区的自动化方法。提供了若干3D可视化技术，其包括这样一种，其中选择运动对比度图像中的特定血管且凸显所有连接的血管。进一步的实施方式包括立体可视化方法。此外，描述了用于表征OCT血管造影图像数据的各种度量。

Description

OCT血管造影数据的分析和可视化
优先权
以下申请要求2012年5月10日提交的美国临时申请序列号61/645,513和2012年8月20日提交的美国临时申请序列号61/691,219的优先权，这两个申请的内容通过引用方式并入本文。
技术领域
本发明涉及医学成像，且具体地涉及通过光学相干断层成像术所获得数据的分析和可视化方法。
背景技术
光学相干断层成像术是使用相干门(coherence gating)以获得组织微结构的高分辨率横截面图像的无创的、非接触的成像模型。在傅立叶域OCT(FD-OCT)中，在来自参考的光和来自样本点的背向散射光之间的干涉信号被记录在频域(频率域)而不是时域(时间域)。波长校准后，一维傅立叶变换被采取以获得目标散射势的A-线空间分布。在FD-OCT中的光谱信息识别可通过在谱域OCT(SD-OCT)的情况下使用检测臂中的色散分光计，或在扫描源OCT(SS-OCT)的情况下迅速调整扫描激光源来完成。
近来，人们对使用基于强度(亮度、灰度，intensity)和基于相敏感的OCT技术有大量兴趣，(它们)统称为OCT血管造影，以映射视网膜脉管***，或确定组织中的流动区域(例如参见，通过引用方式并入本文的An等人，“Optical microangiography providescorrelation between microstructure and microvasculature of optic nerve headin human subjects”,J.Biomed.Opt.17,116018(2012)；Zhao等人，“Doppler standarddeviation imaging for clinical monitoring of in vivo human skin blood flow”,Optics Letters 25,1358-1360(2000)；Fingler等人，“Mobility and transverse flowvisualization using phase variance contrast with spectral domain opticalcoherence tomography”,Optics Express.Vol.15，No.20.pp 12637-12653(2007)；Makita等人，“Optical Coherence Angiography”,Optics Express,14(17),7821-7840(2006)；Mariampillai等人，“Optimized speckle variance OCT imaging ofmicrovasculature”,Optics Letters 35,1257-1259(2010)；以及Wang等人，“Frequencydomain phase-resolved optical Doppler and Doppler variance tomography”,OpticsCommunications 242345-350(2004))。OCT血管造影提供非侵害性技术来可视化和间接地量化视网膜循环通路的完整性。在视网膜循环中的异常与眼部病理有直接关系，具体地在黄斑(macula)内，其中，受损的血液动力学不仅可与下降的视力有关，而且可以是用于眼部病理如视网膜静脉阻塞(RVO)、糖尿病视网膜病变(DR)和视网膜内微脉管***异常(IRMA)的替代的生物标志物。具体地，视网膜脉管***和血液流动之间的相关性是眼部缺陷中令人感兴趣的属性(特性，attribute)。DR和RVO是可导致脉管的结构和功能早期变化的病理，且进而可能是许多并发症如黄斑水肿、视网膜缺血和视神经病变的病因。对这些情况，脉管***的量化和可视化，毛细血管和流动(流量，flow)可以是通用的诊断工具。例如，视网膜中的缺血区域可被映射以评估损害范围，且进一步处理疾病。除了脉管丰富的视网膜，在黄斑中有小区域，在中央凹处，其没有任何毛细血管。这就是所谓的中央凹无脉管区(FAZ)，且该区域大小的异常变化也表明如缺血性黄斑病和DR的病理。随着时间的推移FAZ的量化和其大小的测量变化可以是临床上用于疾病存在和发展的显著数值评分，具体地用于DR。
可视化视网膜脉管***的传统技术在本质上是侵害性的，且使用药理学技术来修改在成像视网膜中的对比度(contrast)。当代临床实践涉及注射荧光染料(如荧光素或吲哚菁绿(ICG))进入体循环(***循环)，且然后扫描眼睛以生成图像，其选择性地示出通过脉管网络染料的路径(FA，荧光素血管造影)。没有关于脉管***深度结构的信息被该方法捕获。相反，通过检查OCT强度或相信号生成的脉管图像是无创的，且在捕获具有血液流量对比的现有脉管网络与其深度编码方面提供相当的保真度。
当代文献中已有一些详述FAZ检测的说明，但所有讨论的方法要么是手动的，由专家完成，要么是半自动的，要求手动选择起点或区域的下游方法的知情引导。一些相关出版物和其参考文献用来告知现存的现有技术(例如参见，通过引用方式并入本文的Kim等人，“Noninvasive Imaging of the Foveal Avascular Zone with High-Speed,Phase-Variance Optical Coherence Tomography”Investigative Ophthalmology&VisualScience,53(1)，85-92(2012)；Zheng等人，“Automated segmentation of fovealavascular zone in fundus fluorescein angiography”Retina.51(7):3653-3659(2010)；Yong等人，“Novel Noninvasive Detection of the Fovea Avascular ZoneUsing Confocal Red-Free Imaging in Diabetic Retinopathy and Retinal VeinOcclusion”Retina.52:2649-2655(2011)；以及Wang等人，“Imaging Retinal CapillariesUsing Ultrahigh-Resolution.Optical Coherence Tomography and Adaptive Optics”Invest.Ophthalmol.Vis.Sci.52.6292-6299(2011))。
诊断上，脉管和通常无脉管视网膜两者的变化是显影视网膜病理的重要指标。虽然脉管结构的可视化有助于推进该成像技术的诊断效力，但它可进一步通过增加与来源于识别视网膜脉管和无脉管部分的一些突出的量化和度量的可视化来支撑(起杠杆作用)。所关注的主要量是全部的(整体的)或结构特定的视网膜血液流量动力学，其可因为相对于该技术的时间分辨率的低流速和相对于探测光束的毛细管的几乎垂直取向而对量化有挑战性。除可视化之外，从用来帮助区分健康和患病眼睛中的毛细管网络的血管造影数据衍生的数量词(quantifier)也是可取的。
近来，一些研究小组已探索用于血管造影数据的定量方法以构建脉管病理的有意义数字指标。如分形(fractal)维数分析的技术已被用于研究血管形态、分布和相关功能。Avakian等人展示人类视网膜的荧光素血管造影(FA)图像的分形特性的使用以在健康和患病视网膜之间进行区分(例如参见，Avakian等人，“Fractal analysis of region-basedvascular change in the normal and iion-proliferative diabetic retina,”Curr.Eye Res.24,274-280,2002)。Schmoll等人应用相关分形维数算法来分析非侵害性地使用OCT血管造影图像的中心凹周围毛细管网的完整性(例如参见，Schmoll等人，“Imagingof the parafoveal capillary network and its integrity analysis using fractaldimension”Biomed.Opt.Express 2,1159-1168,2011)。此外，Jia等人和An等人应用更简单的血管密度测量来定量地评价使用OCT血管造影方法的人类视神经头内的毛细管网(例如参见，Jia等人，“Quantitative OCT angiography of optic nerve head blood flow,”Biomed.Opt.Express 3,3127-3137,2012和An等人，“Optical micro angiographyprovides correlation between microstructure and micro vasculature of opticnerve head in human subjects,”J.Biomed.Opt.17,116018,2012)。
通过OCT血管造影捕获的一条重要解剖信息是深度信息，或视网膜组织中血管的空间分布。为可视化复杂的毛细管网，且为利用通过相较于传统血管造影方法如FA的OCT血管造影获得的额外深度信息，OCT血管造影数据通常显示为具有彩色编码深度信息的2D投影(参见Kim等人，“In vivo volumetric imaging of human retinal circulation withphase variance OCT,”Biomedical Optics Express,2(6),1504-1513(2011))。这样的2D投影至少允许区分不同深度的毛细管层。然而，他们缺乏3D感，且也没有提供容易理解的信息，其中较大的视网膜血管供排不同的毛细管网区。
视网膜血管连通性措施还被已知用于眼底摄影(眼底照相)，然而，他们只集中于2D眼底图像的一些主要视网膜血管，而不是可视密集的、复杂的旁中心凹毛细管网的供应(例如参见，Al-Diri等人，“Automated analysis of retinal vascular networkconnectivity,”Computerized Medical Imaging and Graphics,34,462-470(2010))。Ganesan等人调查在共焦显微镜图像中从最大血管到最小毛细管的小鼠视网膜中血管的连通性，以便显影网络模型(例如参见，Ganesan等人，“Development of an Image-BasedNetwork Model of Retinal Vasculature,”Annals of Biomedical Engineering38(4)1566-1585(2010))。然而，他们并没有描述使用这样的方式来交互地可视化人体血管造影所得物。
发明内容
本文所描述的方法是生成视网膜脉管***(或血流)图像的无创的计算技术，所述图像然后被用于任一提取有关视网膜微循环的各种诊断上相关的度量，和/或随后可被用于可视化有关视网膜组织结构的脉管和毛细管结构。脉管***的解剖位置被定义为有明显运动对比度(motion contrast)的位置，其通常是由于血液的流动。有各种检测运动对比度的基于OCT的方法如Doppler OCT、斑点或强度变化和相分辨方法。在大多数这些方法中，运动对比度是通过在大致相同的位置获取至少两个OCT测量(其中两个测量在时间上由预定间隔分隔开)以及通过应用算法以查找复杂OCT信号或其组合如强度或相中的变化所确定。这些测量的精度可通过最小化由于在轴向样品整体运动所致的运动相关错误(包括但不限于去除信号)来改善。
在本发明的优选实施方式中，提取的脉管结构被后处理以去除离群值(outlier)且使血管结构平滑。该衍生结构然后被深度编码且显示在已呈递的视网膜解剖(幅值图像)上。另外，特定深度范围内的后处理的脉管结构可沿轴向概括或整合以生成投影图，其示出脉管***作为前位视图(en face view)，没有任何深度信息。通过检查该图像的顺序或强度统计，没有任何脉管***的区域(如FAZ)可自动划定，且其形状和大小可被量化。可替换地，先前获得的眼底图像，连同凹(中央凹)探测器，可配准(记录，register)到脉管***的该合成前位图像，以协助在其周围有找到FAZ高机会的中心凹的检测。通过详述完全自动化(没有人工干预)方法来精确地确定缺乏视网膜区域的毛细管，通过优先对比血管区域视网膜图像强度含量统计性质的检查，所提出的发明偏离已知的现有技术。
除无脉管区之外，其他度量，如脉管***密度、毛细管密度、血管几何形状、毛细管直径、毛细管间距离、由毛细管环为界的区域等，可通过标准的数学模型和工具来确定。这些度量可在中心凹附近或在关注的其他区域，如旁中心凹的或视***周的区域、***黄斑束或视神经头内被识别。该技术可进一步扩展到自动识别病理中视网膜缺血的区域，如分支视网膜静脉阻塞(BRVO)和中央视网膜静脉阻塞(CRVO)。此外，这些技术还可帮助识别视网膜内微脉管异常(IRMA)。IRMA通常是导致毛细管扩张区域和新毛细管床视网膜内形成的DR相关病症。通常，有关IRMA的新血管形成通过无灌注或缺血的区域发生在视网膜组织以充当分流(shunt)。上述所定义度量中的变化可用作监视是否出现了脉管***的新生长或在无灌注或缺血区域中变化的准则。
在本发明的进一步实施方式中，提供了用于以有意义方式有效地可视化OCT血管造影所得物且定量地表征脉管***网的新方法。检查员可选择OCT血管造影所得物内的血管且程序会示出下到毛细管网的所有连接血管。关于不同视网膜血管连通性的信息也可用于定量评价OCT血管造影所得物，且将其与规范(正常，normative)数据库进行比较。
附图说明
图1示出根据本发明涉及处理运动对比度(motion contrast)OCT数据的各种步骤的流程图。
图2示出可用于运动对比度数据的收集的一般化的眼科OCT成像***。
图3示出由使用标准化向量差分方差(vector difference variance)的OCT数据生成的前位脉管***图像。
图4示出说明三种不同血管丛(plexus)和其所包含的层的视网膜OCT图像。
图5a示出OCT血管造影数据的3D可视化和图5b示出对应的2D投影图像。
图6示出立体图像对如何由使3D可视化类型成为可能的运动对比度数据生成。
图7示出可用于识别中心凹无脉管区(FAZ)的前位脉管***图像的强度直方图(灰度直方图)。
图8示出根据本发明的一方面的前位脉管***图像的等照度线划分结果。
图9示出FAZ如何与图8中等照度线划分后图像数据的其他部分分离。
图10示出在围绕中心凹放射状分布区中的血管密度的图。
具体实施方式
用于脉管***增强OCT数据处理的优选和替代实施方式示于图1的示意图中。该图示出三种可能方式来生成和使用来自OCT***101中获取和重建的复杂OCT数据102的脉管***数据。下文将每种可能组合提及为“方法”、A、B或C，取决于哪种方法路径已被采取来生成用于所讨论实施方式的输入数据。在每种方法中，复杂数据的不同部分(仅强度、仅相，或同时有强度和相)经历不同处理步骤(层分割、运动对比度、前位图像生成的整合/总和(加合))来生成不同脉管***的相关信息。
OCT数据可用使用多种扫描模型的OCT***的任何类型收集，例如，谱域OCT***，或扫描源OCT***，其使用不同波长如840nm或1060nm的激光源。一般化的OCT***的示意图示于图2。来自源201的光被发送，其通常通过光纤205来照射样品210，典型样品为人眼中的组织。源201可要么是在SD-OCT情况下具有短时间相干性长度的宽带光源，要么是在SS-OCT情况下的波长可调激光源。光被扫描，通常用在光纤输出和样品之间的扫描器207，以便光束(虚线208)被横向扫描(在x和y中)越过待成像的区域或体积。从样品散射的光被收集，通常进入用于为样品照明发送光的相同光纤205。在涉及光纤203和具有可调节光延时的后向反射器204的情况下，来源于相同源201的参考光行进单独的路径。本领域技术人员认识到透射参考路径也可使用，且可调节延时可被置于干涉仪的样品或参考臂中。收集的样品光与参考光结合，通常在光纤耦合器202中，以在检测器220中形成光干扰。虽然单光纤端口示出转到检测器，本领域技术人员认识到干涉仪的各种设计可用于干扰信号的平衡或不平衡检测。从检测器的输出供给处理器221。结果可存储在处理器221中或显示在显示器222上。处理和存储功能可在OCT仪器内定位，或功能可在收集数据被传输的外处理单元完成。该单元可专用于数据处理或完成其他任务，其是相当普遍的且不专用于OCT装置。
在干涉仪中的样品和参考臂可由体形光学(bulk-optics)、光纤光学或混合体形光学***构成，且可具有如本领域技术人员所知道的不同架构，如Michelson,Mach-Zehnder或基于公共路径的设计。如本文所用光束应理解为任何周密定向的光路径。在时域***中，参考臂需具有可调光延时来生成干扰。平衡检测***通常用在TD-OCT和SS-OCT***中，而光谱仪用在用于SD-OCT***的检测端口。本文所描述的发明可应用到能够为功能分析生成数据的任何类型的OCT***。
干扰引起干涉光强度在整个谱中变化。干涉光的傅里叶变换揭示在不同路径长度下散射强度的轮廓(谱，profile)，且因此揭示作为样品中深度(z方向)的函数的散射(例如参见，Leitgeb等人，“Ultrahigh resolution Fourier domain optical coherencetomography,”Optics Express 12(10):2156(2004))。通常，傅里叶变换导致复杂数据，且该复杂数据的绝对值制成表以构造强度图像。复杂OCT信号也编码有关由局部样品运动所引起相移的信息，且可用来推断有关高灵敏度样品中主导散射器物理运动的数量。作为深度函数的散射轮廓称为轴向扫描(A-扫描)。在样品中邻近位置测量的一组A-扫描产生样品的横截面图像(断层图像或B-扫描)。在样品上不同横向位置收集的B扫描集合构成数据量(数据体)或多维数据集(数据立方体)。对于数据的特定量，术语快轴(fast axis)是指沿单个B扫描的扫描方向，而慢轴(slow axis)是指沿其收集多个B-扫描的轴。
理想情况下，当如在通过引用方式并入本文的美国专利公开号2012/0249956中描述的用于任何运动的监测和校正时，收集数据。若干OCT血管造影技术(相方差、斑点方差、Doppler、超高敏光学微血管造影(UHS-OMAG)等)的任何一个可应用于所得复杂OCT数据集以检查运动对比度。该分析的结果可提供含有血管位置的容积限定(volumetricdefinition)的图像作为高信号(例如参见，Kim等人，“In vivo volumetric imaging ofhuman retinal circulation with phase variance OCT,”Biomedical Optics Express,2(6),1504-1513(2011))。基于强度的局部搜索或全局方法可用在幅值图像上以提取突出层，其随后用作强度总和的边界。提取的边界仅用来包括先验知道具有血管的总和中的该组织范围。该求和过程的结果是沿着(和进入)成像轴查看体积的平面视图(投影)，且在该投影(前位脉管***图像)中的特征捕获脉管分布(图1中的方法A)。由于总和合并出沿轴向的深度，该视图仅捕获脉管***的综合性形态，且在深度方向上不定位。
通过由完成如在通过引用方式并入本文的美国专利公开号2012/0277579中描述的标准化向量差分方差(vector difference variance)生成的运动对比体积，图3示出通过选择性总和生成的前位脉管***图像(图1，方法A)。由箭头301和302指示的亮脉管***在深色背景反衬下显得醒目。中心区中血管的缺乏指示中心凹无脉管区(FAZ)。从图3可清楚看出，该技术生成视网膜血液循环回路的良好图像(再现)。在该实施例中，用于选择性总和(求和)的边界层是内限制膜(ILM)和位于其下50微米的层。解剖学上，脉管***分布在视网膜的3个主要部分中(图4)：浅表毛细管丛(SCP)，中间毛细管丛(ICP)和深部毛细管丛(DCP)(例如参见，通过引用方式并入本文的Kim等人，“Noninvasive Imaging of theFoveal Avascular Zone with High-Speed,Phase-Variance Optical CoherenceTomography”Investigative Ophthalmology&Visual Science,53(1),85-92(2012))。这些丛的每个是由有限数量的视网膜层组成，其中，在可替换的实施方式中，可用作用于选择性总和的边界层以生成示出脉管***网三种特定类型的脉管***前位视图。生成前位图像不需要选择性总和，且选择性总和的其它实例或表示多个作为单一代表值的强度值的其他方式(例如，积分、求和、最小值、最大值、中间值等)可由本领域技术人员设想(例如参见，通过引用方式并入本文的美国专利号7301644、美国专利公开号2011/0034803和美国专利公开号2008/0100612)。
如先前提到的，投影视图缺乏任何深度信息，因为发信号告知存在脉管***的高信号像素沿轴向求和。解剖学上，视网膜脉管***分布在视网膜组织的三维空间中，具有在每个特定丛内还变化的脉管***的分布和特征(图4)。在本发明的优选实施方式中，在呈现于图3视图中的深度信息可通过明确使用脉管***的容积限定(对比相数据运动后)，且绘制三维空间(3D，图1中的方法B)中的体积来保留。通常，该方法，其延伸方法B，将需要保留使用阈值或选择标准所取得体积中的高强度位置，且完成某些后处理以实施脉管***的解剖连通性。3D脉管***图(map)预期形式的示意图示于图5a，其中黑线描绘出3D空间中的血管路径。相应2D投影视图示于图5b。3D可视化模型将提供在成像视网膜空间中的脉管体系结构/分布的可视化图像。包括在3D图像中的数据可限制于特定丛，使用上述方法，来限制显示在视网膜中特定位置的数据。在视网膜中的位置可由邻接物定义为特定位置，如质心(centroid)或由分割确定的边界，或位置可限制为在两个这样的边界之间。用这种方式每丛的3D血管模型可独立地审阅。
在本发明的进一步实施方式中，检查者可使用数据输入装置如鼠标或触摸屏接口选择体积内的血管，且程序然后将凸显下至毛细管水平的连接血管。这样的可视化可改善阻塞或泄漏的识别。连接脉管***的可视化可通过以下实现，例如仅显示特定连接的脉管***或仅在体积内凸显它以便对比它与其它脉管***。连接脉管***的可视化还可包括图像系列或电影，其中电影仅从最初选择的血管开始，其然后生长，直到所有连接的血管被示出。连接血管被增加的速度可通过它们的血管直径来标准化，以便模拟网络内的血液传播速度。
由血管分割算法创建的信息可作为附加的定量参数，其可用于比较数据集与标准数据库，或用于追踪随着时间推移在特定患者中的变化。这样的参数可以是总血管长度、分支(bifurcation)数量、小动脉对比静脉毛细管的毛细管密度、父母/子女血管的血管直径、分支角度、脉管迂曲度(tortuosity)、毛细管网体积对比静态组织体积。
在本发明的可替换实施方式中，在视网膜中脉管位置的实际深度可用作视差映射(disparity map)，以生成可由临床医生观察以获得空间中脉管分布更好想法的血管网的立体图像对。以视网膜中脉管特征的实际物理深度知识，选择优选的数值范围以映射可能距离的范围(例如，从0mm到2mm)，其后左和右体积对可生成且融合成如图6中所示立体对。这要么通过一副专用3D眼镜，要么经由3D显示技术来呈现。通过视网膜解剖、用以生成有关视网膜各层的脉管映射的幅值图像中编码的深度，该可替换实方式的扩展还允许增强该立体视图。来源于三个丛的血管可优先彩色编码以生成更多信息图像融合方法来可视化。
优选实施方式采用脉管***前位图像的用途来推导临床显著信息，其中最重要的是中心凹无脉管区或FAZ的自动检测。FAZ的检测使用了方法A的输出(图1)，且可通过创建脉管***前位图像的强度直方图来完成。强度直方图(图7)在生成沿横坐标表示图像中强度值的频率分布(沿该图的纵坐标表示)的图像处理中是非常常用的作图技术。许多软件***包括用于图像直方图生成的标准和优化库。优选实施方式通过检测直方图的峰值开始检测方法。如图7所示，脉管前位图像的直方图示出特征性双峰分布，且在FAZ和映射其他部分之间的转变是位于这些峰A和B之间。这是经验观察，且适用于一大组脉管前位图像。优选实施方式评价该转变区如强度水平i＝i1+(i2–i1)/3。计算该特征强度值后，前位图像为具有该特定强度值的像素被询问。类似强度的线被称为等照度线，且强度水平i的等照度线(isophote)迹线提供有最大包括FAZ在里面且脉管视网膜在外面的识别等高线(contour)的优选实施方式(图8)。等照度线通常由等高线运算描绘，其中等高线运算需要以如图8箭头所示水平I处所需等照度线小邻域阈值化图像上强度水平。
等照度线描绘的结果示于图8。由于信号的噪声性质，一些小孤立等高线还可看出，但在优选实施方式中所采用的算法保证凸的且具有最大周长的等照度线将总是包围FAZ。在选择所需等照度线的等高线生成方法中，优选实施方式报告多个匹配(图8中的小孤立等高线)作为每个等高线x和y坐标的列表。这些坐标可用于计算每个等高线周长的简单方式。最好描绘FAZ的等高线是具有最高周长的一个。
在FAZ等高线内的区域可从如图9所示等高线的其余部分中孤立出来。一旦等照度线分布已如前段描述的被孤立，且通过基本形态运算如腐蚀和膨胀，或其任意组合来清洗，所得FAZ区域的形态参数可根据具体情况计算以定量FAZ。作为合理定量的示例，对于图9的情况，区域被计算为计数“开(on)”像素的数量，以每个像素的区域测量，且是5675像素单元。在这种情况下，所描绘FAZ具有与104.7像素单元(523.5微米)长轴和73.1像素单元(548.5微米)短轴的0.71的偏心率。
在可替换实施方式中，脉管映射的剩余部分(在所描绘FAZ外部)可用于计算毛细管密度，尤其作为离中央凹中心距离的函数，且生成在围绕如图10所示中央凹放射状分布区中密度的映射。以脉管前位中FAZ位置的知识，放射状区可分析且“开”比“关”像素的比率可用于生成粗扇形血管密度映射。“开”和“关”像素的定义可通过明智阈值选择来制定。
对于FAZ中存在毛细血网显著侵蚀的情况，可替换实施方式(方法C，图1)允许使用利用中心凹检测算法(例如参见通过引用方式并入本文的美国专利号8079711)由幅值图像的中心凹先验知识，以创建局部直方图，且因此限制搜索脉管无脉管转变区到更小区域。在这种情况下，通过在由方法A生成的图像上的优选实施方式的FAZ检测将最可能不能限定最大周长标准。这种情况在形态清洗步骤后将被空(零)FAZ检测(即，图9中空白图像)标记。使用利用中心凹检测算法的中心凹位置先验知识将帮助引导(boot-strap)非常靠近FAZ预期位置的检测方法。本领域技术人员可意识到假如脉管病理在中央凹是严重的，可以修改控制流以采取可替换路线检测FAZ。
可来源于前位脉管***图像(从一个或多个丛)或来源于3D OCT血管造影数据体积的其他临床显著可量化特性或度量，包括总毛细管体积(超过给定阈值强度的所有像素总和)，以及可来源于血管图案的度量，如迂曲度、规则性、分割长度、总交叉点(totalcrossings)、分支数量、血管宽度参数、小比大血管的比率、毛细管密度、在小动脉和静脉毛细管之间的毛细管密度比率、毛细管直径、毛细管间距离、由毛细管环为界的区域(areabounded by capillary loops)等。也可以考虑包括源自不同丛度量之间的关系，如比率或差值，或源自眼睛不同区域度量之间的关系，如在周围中心凹(peri-fovea)和外中心凹(extra-fovea)、中心凹、***黄斑束、和视神经头区域中。一旦度量确定，其可比较于正常眼睛或已知病理眼睛的数据库以诊断或追踪特定疾病或病症进展。
使用该信息的另一种方式是使用中心凹无脉管区作为一种区域，在该区域上评价其他特性如层厚度或来源于OCT图像的其他参数，或其它配准图像。例如，FAZ内的感光层厚度应具体地有关视锥细胞(cones)，而不是视杆细胞(rods)。包括关于感光体其他信息图像的记录，如自适应光学图像，可允许影响中心凹区域多个度量的量化。相比使用不同模态(如眼底成像)同时所获图像的血管图像呈现，将有助于使用血管数据来引导其他模态的检查，反之亦然。这种共同显示在通过引用方式并入本文的美国专利公开号2008/0100612中描述。
在不同访问(在一个或更多丛中)的毛细管网的视觉比较可揭示与加剧疾病如糖尿病性视网膜病相关的变化。上面讨论的任何度量的纵向分析，具体地FAZ区域也可揭示加剧的损伤。纵向分析也可测量在视网膜脉管***中的修改，如由于缺血或如IRMA的DR有关病症的发展导致的非灌注区域中的变化。在一个图像中选择血管后，连接血管下至毛细管网的范围可潜在地连续评价，在初始图像中且在随后获取并记录的数据集中，从而确定该特定血管的血管网范围是否因治疗而扩大或因病理恶化而收缩。
上述优选实施方式是指与这些相关的视网膜毛细血管和度量的可视化。类似方法可应用到脉络膜脉管***，其包括脉络膜毛细血管、Sattler层和Haller层。虽然并入本发明教导的各种应用和实施方式已示出且详细地描述在本文，本领域技术人员可容易地想出仍并入这些教导的其他变化实施方式。虽然本发明的说明书在这里是针对人眼样本进行讨论的，但本发明的应用并不限于眼睛而是可应用到使用OCT的任何应用中。
以下参考文献通过引用方式并入本文：
专利文献
美国专利号6549801 Chen等人.“Phase-resolved optical coherencetomography and optical Doppler tomography for imaging fluid flow in tissuewith fast scanning speed and high velocity sensitivity”
美国专利号7301644 Knighton等人.“Enhanced optical coherence tomographyfor anatomical mapping”
美国专利号7359062 Chen等人.“High speed spectral domain functionaloptical coherence tomography and optical Doppler tomography for in vivo bloodflow dynamics and tissue structure”
美国专利8079711 Stetson等人.“Method for finding the lateral positionof the fovea in an SD-OCT image volume”
美国公开号2008/0025570 Fingler等人.“Dynamic motion contrast andtransverse flow estimation,using OCT”
美国专利公开号2008/0100612 Dastmalchi等人.“User interface forefficiently displaying relevant OCT imaging data”
美国专利公开号2011/0034803 Stetson等人.“Non-linear projections of 3-Dmedical imaging data”
美国公开号2010/0027857 Wang“In vivo structural and flow imaging”
美国专利公开号2012/0249956 Iyer等人.“Systems and methods forefficiently obtaining measurements of the human eye using tracking”
美国专利公开号2012/0277579 Sharma等人.“Inter-frame complex OCT dataanalysis techniques”
WO 2010/129494 Wang等人“Method and apparatus for quantitative imagingof blood perfusion in living tissue”
WO 2011/097631 Wang“Method and apparatus for ultrahigh sensitiveoptical microangiography”
非专利文献
Al-Diri等人.“Automated analysis of retinal vascular networkconnectivity,”Computerized Medical Imaging and Graphics,34,462-470(2010).
An等人.“Optical microangiography provides correlation betweenmicrostructure and microvasculature of optic nerve head in human subjects,”J.Biomed.Opt.17,116018(2012).
Avakian等人.“Fractal analysis of region-based vascular change in thenormal and nonproliferative diabetic retina,”Curr.Eye Res.24,274-280(2002).
Fingler等人.“Mobility and transverse flow visualization using phasevariance contrast with spectral domain optical coherence tomography”OpticsExpress.Vol.15,No.20.pp 12637-12653(2007).
Fingler等人.“Volumetric microvascular imaging of human retina usingoptical coherence tomography with a novel motion contrast technique”OpticsExpress.Vol.17,No.24,pp 22190-22200(2009).
Ganesan等人.“Development of an Image-Based Network Model of RetinalVasculature,”Annals of Biomedical Engineering 38(4)1566-1585(2010).
Jia等人.“Quantitative OCT angiography of optic nerve head bloodflow,”Biomed.Opt.Express 3,3127-3137(2012).
Kim等人.“In vivo volumetric imaging of human retinal circulation withphase variance OCT,”Biomedical Optics Express,2(6),1504-1513(2011).
Kim等人.“Noninvasive Imaging of the Foveal Avascular Zone with High-Speed,Phase-Variance Optical Coherence Tomography”InvestigativeOphthalmology&Visual Science,53(1),85-92(2012)
Makita等人.“Optical Coherence Angiography,”Optics Express,14(17),7821-7840(2006).
Makita等人.“Comprehensive in vivo micro-vascular imaging of the humaneye by dual-beam-scan Doppler optical coherence angiography”Optics Express 19(2)1271-1283(2011).
Mariampillai等人.“Optimized speckle variance OCT imaging ofmicrovasculature,”Optics Letters 35,1257-1259(2010).
Leitgeb,“Imaging of the parafoveal capillary network and itsintegrity analysis using fractal dimension,”Biomed.Opt.Express 2,1159-1168(2011).
Leitgeb等人.“Real-time assessment of retinal blood flow withultrafast acquisition by color Doppler FDOCT,”Optics Express,11,3116-3121(2003).
Leitgeb等人.“Ultrahigh resolution Fourier domain optical coherencetomography,”Optics Express 12(10):2156(2004)
Liu等人.“Intensity-based modified Doppler variance algorithm:application to phase instable and phase stable optical coherence tomographysystems”Optics Express 19(12),11429-11440(2011).
Schmoll等人.“Imaging of the parafoveal capillary network and itsintegrity analysis using fractal dimension”Biomed.Opt.Express 2,1159-1168(2011).
Wang等人.“Frequency domain phase-resolved optical Doppler and Dopplervariance tomography”Optics Communications 242345-350(2004).Wang等人.“Threedimensional optical angiography,”Optics Express 15,4083-4097(2007).
Wang等人.“Depth-resolved imaging of capillary networks in retina andchoroid using ultrahigh sensitive optical microangiography,”Optics Letters,35(9),1467-1469(2010).
Wang等人.“Imaging Retinal Capillaries Using Ultrahigh-ResolutionOptical Coherence Tomography and Adaptive Optics”Invest.Ophthalmol.Vis.Sci.52.6292-62992011
White等人.“In vivo dynamic human retinal blood flow imaging usingultra-high-speed spectral domain optical Doppler tomography,”Optics Express,11(25),3490-3497(2003).
Yazdanfar“Imaging and velocimetry of the human retinal circulationwith color Doppler OCT,”Optics Letters 25,1448-1450(2000).
Yong等人.“Novel Noninvasive Detection of the Fovea Avascular ZoneUsing Confocal Red-Free Imaging in Diabetic Retinopathy and Retinal VeinOcclusion”Retina.52:2649-26552011
Zhao等人.“Doppler standard deviation imaging for clinical monitoringof in vivo human skin blood flow,”Optics Letters 25,1358-1360(2000).
Zheng等人.“Automated segmentation of foveal avascular zone in fundusfluorescein angiography”Retina.51(7):3653-36592010。

Claims (7)

1.一种用于在眼睛的光学相干断层成像术(OCT)图像数据中识别关注区域的自动化方法，所述方法包括：
收集患者眼睛的多个横向位置上的OCT图像数据，其中在时间上由预定间隔分隔开的大致相同的横向位置处获取至少两个OCT测量；
处理所述数据以确定在大致相同的横向位置处获取的两个或更多个OCT测量中的变化，所述变化与所述预定间隔期间发生的血液流动相关；
从经处理的所述数据生成二维前位脉管***图像；
分析所述前位脉管***图像的强度含量以识别特定区域的大小和形状；
显示或存储所述特定区域，
其中，所述分析的步骤包括：
生成包括所述前位脉管***图像中的像素的强度值的频率分布的直方图；
评估对应于所述特定区域周围的转变区的所述直方图中两个峰之间的强度值；
基于评估的强度值在所述前位脉管***图像内生成等照度线；
以及
评价所述等照度线以识别所述特定区域的大小和形状。
2.如权利要求1所述的方法，其中所述特定区域是中心凹无脉管区(FAZ)。
3.如权利要求1所述的方法，其中所述特定区域是视网膜缺血的区域。
4.如权利要求1所述的方法，进一步包括在生成所述前位脉管***图像中识别视网膜中的层以及使用这些层作为边界。
5.如权利要求1所述的方法，进一步包括将所述前位脉管***图像划分成区且使用强度以确定区中血管相对于背景的比例。
6.如权利要求1所述的方法，进一步包括从经处理的所述数据生成所述眼睛中的视网膜脉管***的三维图像。
7.如权利要求1所述的方法，进一步包括使用除了强度之外的前位脉管***图像的附加属性以识别所述特定区域。
CN201380023147.6A 2012-05-10 2013-05-08 Oct血管造影数据的分析和可视化 Active CN104271031B (zh)

Applications Claiming Priority (7)

Application Number Priority Date Filing Date Title
US201261645513P 2012-05-10 2012-05-10
US61/645,513 2012-05-10
US201261691219P 2012-08-20 2012-08-20
US61/691,219 2012-08-20
US13/781,375 2013-02-28
US13/781,375 US9357916B2 (en) 2012-05-10 2013-02-28 Analysis and visualization of OCT angiography data
PCT/EP2013/059560 WO2013167641A1 (en) 2012-05-10 2013-05-08 Analysis and visualization of oct angiography data

Publications (2)

Publication Number Publication Date
CN104271031A CN104271031A (zh) 2015-01-07
CN104271031B true CN104271031B (zh) 2017-08-08

Family

ID=48470922

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201380023147.6A Active CN104271031B (zh) 2012-05-10 2013-05-08 Oct血管造影数据的分析和可视化

Country Status (6)

Country Link
US (2) US9357916B2 (zh)
EP (2) EP2852317B1 (zh)
JP (2) JP6371762B2 (zh)
CN (1) CN104271031B (zh)
IN (1) IN2014DN08852A (zh)
WO (1) WO2013167641A1 (zh)

Families Citing this family (81)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9033510B2 (en) 2011-03-30 2015-05-19 Carl Zeiss Meditec, Inc. Systems and methods for efficiently obtaining measurements of the human eye using tracking
WO2014168930A1 (en) * 2013-04-09 2014-10-16 University Of Washington Through Its Center For Commercialization Methods and systems for determining hemodynamic properties of a tissue
US9778021B2 (en) 2013-08-29 2017-10-03 Carl Zeiss Meditec, Inc. Evaluation of optical coherence tomographic data prior to segmentation
WO2015044366A1 (en) * 2013-09-30 2015-04-02 Carl Zeiss Meditec Ag High temporal resolution doppler oct imaging of retinal blood flow
US9471975B2 (en) * 2013-10-22 2016-10-18 Bioptigen, Inc. Methods, systems and computer program products for dynamic optical histology using optical coherence tomography
EP2865323B1 (en) * 2013-10-23 2022-02-16 Canon Kabushiki Kaisha Retinal movement tracking in optical coherence tomography
JP6507615B2 (ja) 2013-12-13 2019-05-08 株式会社ニデック 光コヒーレンストモグラフィ装置、及びプログラム
US9782175B2 (en) * 2014-04-24 2017-10-10 The Johns Hopkins University Systems, methods and apparatuses for real-time anastomosis guidance and surgical evaluation using optical coherence tomography
WO2015165989A2 (en) * 2014-05-02 2015-11-05 Carl Zeiss Meditec, Inc. Enhanced vessel characterization in optical coherence tomograogphy angiography
US11071452B2 (en) 2014-06-30 2021-07-27 Nidek Co., Ltd. Optical coherence tomography device, optical coherence tomography calculation method, and optical coherence tomography calculation program
JP6520099B2 (ja) * 2014-06-30 2019-05-29 株式会社ニデック 光コヒーレンストモグラフィ装置、及びデータ処理プログラム
JP6402902B2 (ja) * 2014-06-30 2018-10-10 株式会社ニデック 光コヒーレンストモグラフィ装置及び光コヒーレンストモグラフィ演算プログラム
JP6402901B2 (ja) * 2014-06-30 2018-10-10 株式会社ニデック 光コヒーレンストモグラフィ装置、光コヒーレンストモグラフィ演算方法及び光コヒーレンストモグラフィ演算プログラム
JP6535985B2 (ja) * 2014-06-30 2019-07-03 株式会社ニデック 光コヒーレンストモグラフィ装置、光コヒーレンストモグラフィ演算方法及び光コヒーレンストモグラフィ演算プログラム
JP6375760B2 (ja) * 2014-07-31 2018-08-22 株式会社ニデック 光コヒーレンストモグラフィー装置、および眼底画像処理プログラム
EP3240466A4 (en) * 2014-12-30 2019-02-06 Optovue, Inc. METHOD AND APPARATUS FOR NETWORK BODY VACCINATION ASSESSMENT WITH OCT ANGIOGRAPHY
US10070796B2 (en) * 2015-02-04 2018-09-11 General Electric Company Systems and methods for quantitative microcirculation state monitoring
US9700206B2 (en) * 2015-02-05 2017-07-11 Carl Zeiss Meditec, Inc. Acquistion and analysis techniques for improved outcomes in optical coherence tomography angiography
US9713424B2 (en) * 2015-02-06 2017-07-25 Richard F. Spaide Volume analysis and display of information in optical coherence tomography angiography
US10758122B2 (en) * 2015-02-06 2020-09-01 Richard F. Spaide Volume analysis and display of information in optical coherence tomography angiography
CN105796053B (zh) * 2015-02-15 2018-11-20 执鼎医疗科技（杭州）有限公司 利用oct测量动态对比度和估计横向流量的方法
US10368734B2 (en) 2015-02-19 2019-08-06 Carl Zeiss Meditec, Inc. Methods and systems for combined morphological and angiographic analyses of retinal features
US20160278983A1 (en) * 2015-03-23 2016-09-29 Novartis Ag Systems, apparatuses, and methods for the optimization of laser photocoagulation
US20160278627A1 (en) * 2015-03-25 2016-09-29 Oregon Health & Science University Optical coherence tomography angiography methods
US9984459B2 (en) * 2015-04-15 2018-05-29 Kabushiki Kaisha Topcon OCT angiography calculation with optimized signal processing
JP6598503B2 (ja) * 2015-05-01 2019-10-30 キヤノン株式会社 画像生成装置、画像生成方法及びプログラム
JP6598502B2 (ja) * 2015-05-01 2019-10-30 キヤノン株式会社 画像生成装置、画像生成方法およびプログラム
CN104881872B (zh) * 2015-05-27 2018-06-26 浙江大学 一种光学微血管造影图像分割及评价方法
US10123761B2 (en) 2015-07-01 2018-11-13 William E. Butler Device and method for spatiotemporal reconstruction of a moving vascular pulse wave in the brain and other organs
JP6602108B2 (ja) * 2015-08-27 2019-11-06 キヤノン株式会社 眼科装置、情報処理方法及びプログラム
JP6627342B2 (ja) 2015-09-04 2020-01-08 株式会社ニデック Ｏｃｔモーションコントラストデータ解析装置、ｏｃｔモーションコントラストデータ解析プログラム。
JP6843125B2 (ja) * 2015-09-24 2021-03-17 カール ツァイス メディテック インコーポレイテッドＣａｒｌ Ｚｅｉｓｓ Ｍｅｄｉｔｅｃ Ｉｎｃ． 高感度フロー視覚化方法
JP6922151B2 (ja) * 2015-10-21 2021-08-18 株式会社ニデック 眼科解析装置、眼科解析プログラム
US10492682B2 (en) * 2015-10-21 2019-12-03 Nidek Co., Ltd. Ophthalmic analysis device and ophthalmic analysis program
JP6922152B2 (ja) * 2015-10-21 2021-08-18 株式会社ニデック 眼科解析装置、眼科解析プログラム
JP2017104309A (ja) 2015-12-10 2017-06-15 株式会社トプコン 眼科画像表示装置及び眼科撮影装置
CN105686795B (zh) * 2016-01-13 2018-05-29 深圳市斯尔顿科技有限公司 一种en face OCT图像的动态显示方法
JP6624945B2 (ja) * 2016-01-21 2019-12-25 キヤノン株式会社 画像形成方法及び装置
KR102631506B1 (ko) * 2016-02-12 2024-02-01 더 제너럴 하스피탈 코포레이션 광 간섭 단층촬영을 이용하는 고속 그리고 긴 심도 범위 이미징을 위한 장치 및 방법
JP2017153543A (ja) 2016-02-29 2017-09-07 株式会社トプコン 眼科撮影装置
JP6702764B2 (ja) * 2016-03-08 2020-06-03 キヤノン株式会社 光干渉断層データの処理方法、該方法を実行するためのプログラム、及び処理装置
US9978140B2 (en) * 2016-04-26 2018-05-22 Optos Plc Retinal image processing
JP6843521B2 (ja) * 2016-04-28 2021-03-17 キヤノン株式会社 画像処理装置及び画像処理方法
CN105942972B (zh) * 2016-05-24 2017-07-14 中国科学院长春光学精密机械与物理研究所 一种对视网膜内核层微细血管自适应光学成像的***
US20180012359A1 (en) * 2016-07-06 2018-01-11 Marinko Venci Sarunic Systems and Methods for Automated Image Classification and Segmentation
US10426331B2 (en) * 2016-07-20 2019-10-01 Oregon Health & Science University Automated quantification of nonperfusion in the retina using optical coherence tomography angiography
JP6779690B2 (ja) 2016-07-27 2020-11-04 株式会社トプコン 眼科画像処理装置及び眼科撮影装置
JP7182350B2 (ja) * 2016-09-07 2022-12-02 株式会社ニデック 眼科解析装置、眼科解析プログラム
JP6815798B2 (ja) 2016-09-09 2021-01-20 株式会社トプコン 眼科撮影装置及び眼科画像処理装置
JP6987495B2 (ja) * 2016-11-18 2022-01-05 キヤノン株式会社 画像処理装置及びその作動方法、並びに、プログラム
US10896490B2 (en) * 2016-12-23 2021-01-19 Oregon Health & Science University Systems and methods for reflectance-based projection-resolved optical coherence tomography angiography
KR101855012B1 (ko) 2016-12-28 2018-05-08 부산대학교 산학협력단 Oct 촬영 결과 학습을 통한 시력, 시야 예측 장치
CN106778036B (zh) * 2017-01-10 2017-12-29 首都医科大学附属北京友谊医院 一种数据处理的方法及装置
JP7013134B2 (ja) * 2017-03-09 2022-01-31 キヤノン株式会社 情報処理装置、情報処理方法及びプログラム
US12016628B2 (en) 2017-03-27 2024-06-25 The Board Of Trustees Of The University Of Illinois Optical coherence tomography (OCT) system and method that measure stimulus-evoked neural activity and hemodynamic responses
CA3060383A1 (en) * 2017-05-03 2018-11-08 Uti Limited Partnership System and method for measuring cardiorespiratory response
US10896507B2 (en) * 2017-09-21 2021-01-19 The Regents Of The University Of Michigan Techniques of deformation analysis for quantification of vascular enlargement
JP7220509B2 (ja) * 2017-09-27 2023-02-10 株式会社トプコン 眼科装置及び眼科画像処理方法
CN111491555B (zh) * 2017-10-16 2024-06-21 麻省理工学院 用于非侵入性血液测量的***、装置和方法
AU2018376898B2 (en) * 2017-11-30 2024-05-23 Alcon Inc. Improving segmentation in optical coherence tomography imaging
KR102045883B1 (ko) * 2017-12-06 2019-12-04 한국광기술원 광단층영상 시스템을 이용한 혈관 이미징 장치 및 방법
EP3733050A4 (en) * 2017-12-28 2021-08-11 Nikon Corporation Image processing method, image processing program, image processing device, image display device and image display method
DE102018107621A1 (de) * 2018-03-29 2019-10-02 Imedos Systems GmbH Vorrichtung und Verfahren zur Untersuchung der metabolischen Autoregulation
JP7086683B2 (ja) * 2018-04-06 2022-06-20 キヤノン株式会社 画像処理装置、画像処理方法及びプログラム
JP7215862B2 (ja) 2018-09-26 2023-01-31 株式会社トプコン 眼科撮影装置、その制御方法、プログラム、及び記録媒体
CN109741335B (zh) * 2018-11-28 2021-05-14 北京理工大学 血管oct图像中血管壁及血流区域的分割方法与装置
US11751762B2 (en) * 2018-12-19 2023-09-12 Topcon Corporation Method and apparatus for low coherence interferometry
JP7199236B2 (ja) 2019-01-24 2023-01-05 株式会社トプコン 眼科装置
US11510642B2 (en) 2019-02-06 2022-11-29 William E. Butler Spatiotemporal reconstruction in higher dimensions of a moving vascular pulse wave from a plurality of lower dimensional angiographic projections
AU2020244866A1 (en) 2019-03-27 2021-10-14 Butler, William E Reconstructing cardiac frequency phenomena in angiographic data
US11514577B2 (en) 2019-04-04 2022-11-29 William E. Butler Intrinsic contrast optical cross-correlated wavelet angiography
JP7341422B2 (ja) 2019-09-10 2023-09-11 国立大学法人 筑波大学 走査型イメージング装置、その制御方法、走査型イメージング方法、プログラム、及び記録媒体
JP6992031B2 (ja) * 2019-10-02 2022-01-13 キヤノン株式会社 画像生成装置、画像生成方法及びプログラム
JP6992030B2 (ja) * 2019-10-02 2022-01-13 キヤノン株式会社 画像生成装置、画像生成方法およびプログラム
JP6849776B2 (ja) * 2019-11-27 2021-03-31 キヤノン株式会社 情報処理装置及び情報処理方法
JP6870723B2 (ja) * 2019-12-04 2021-05-12 株式会社ニデック Ｏｃｔモーションコントラストデータ解析装置、ｏｃｔモーションコントラストデータ解析プログラム。
EP4159109A4 (en) 2020-05-29 2024-06-12 University of Tsukuba IMAGE GENERATION DEVICE, IMAGE GENERATION PROGRAM AND METHOD
CN112493982A (zh) * 2020-11-24 2021-03-16 浙江大学 一种术中oct结构与血流成像的装置
CN112529906B (zh) * 2021-02-07 2021-05-14 南京景三医疗科技有限公司 一种软件层面的血管内oct三维图像管腔分割方法和装置
KR102566442B1 (ko) * 2021-06-04 2023-08-14 고려대학교 산학협력단 광간섭단층촬영을 이용하여 맥락막 기질의 특성을 분석하는 장치 및 방법
CN114842306A (zh) * 2022-07-01 2022-08-02 深圳市海清视讯科技有限公司 应用于视网膜病灶图像类型识别的模型训练方法、设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4836670A (en) * 1987-08-19 1989-06-06 Center For Innovative Technology Eye movement detector

Family Cites Families (72)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6549801B1 (en) 1998-06-11 2003-04-15 The Regents Of The University Of California Phase-resolved optical coherence tomography and optical doppler tomography for imaging fluid flow in tissue with fast scanning speed and high velocity sensitivity
JP4027016B2 (ja) * 2000-07-12 2007-12-26 キヤノン株式会社 画像処理装置、画像処理方法及び記憶媒体
JP2002269539A (ja) * 2000-12-01 2002-09-20 Shigehiro Masui 画像処理装置、画像処理装置方法、及び画像処理プログラムを記録したコンピュータ読み取り可能な記録媒体、並びにこれを用いた診断支援システム
AU2002327575A1 (en) * 2001-08-30 2003-03-18 Philadelphia Ophthalmic Imaging Systems System and method for screening patients for diabetic retinopathy
US7020314B1 (en) * 2001-11-13 2006-03-28 Koninklijke Philips Electronics N.V. Black blood angiography method and apparatus
US7039452B2 (en) * 2002-12-19 2006-05-02 The University Of Utah Research Foundation Method and apparatus for Raman imaging of macular pigments
AU2003214146A1 (en) 2002-03-12 2003-09-29 The Regents Of The University Of California Imaging transverse flow velocity using spectral bandwidth of the doppler frequency shift in phase-resolved optical doppler tomography
US6928142B2 (en) * 2002-10-18 2005-08-09 Koninklijke Philips Electronics N.V. Non-invasive plaque detection using combined nuclear medicine and x-ray system
US8090164B2 (en) 2003-08-25 2012-01-03 The University Of North Carolina At Chapel Hill Systems, methods, and computer program products for analysis of vessel attributes for diagnosis, disease staging, and surgical planning
US7359062B2 (en) 2003-12-09 2008-04-15 The Regents Of The University Of California High speed spectral domain functional optical coherence tomography and optical doppler tomography for in vivo blood flow dynamics and tissue structure
JP4505805B2 (ja) * 2004-08-02 2010-07-21 横河電機株式会社 領域抽出方法およびその装置
WO2006024015A1 (en) * 2004-08-24 2006-03-02 The General Hospital Corporation Method and apparatus for imaging of vessel segments
US7301644B2 (en) 2004-12-02 2007-11-27 University Of Miami Enhanced optical coherence tomography for anatomical mapping
JP2008525126A (ja) 2004-12-22 2008-07-17 バイオ−ツリー システムズ， インコーポレイテッド 病気の診断およびモニタリングのための医療画像化方法および装置ならびにその用途
US20080159604A1 (en) 2005-12-30 2008-07-03 Allan Wang Method and system for imaging to identify vascularization
US8125648B2 (en) 2006-06-05 2012-02-28 Board Of Regents, The University Of Texas System Polarization-sensitive spectral interferometry
JP4855150B2 (ja) * 2006-06-09 2012-01-18 株式会社トプコン 眼底観察装置、眼科画像処理装置及び眼科画像処理プログラム
US7995814B2 (en) 2006-06-26 2011-08-09 California Institute Of Technology Dynamic motion contrast and transverse flow estimation using optical coherence tomography
JP5536450B2 (ja) 2006-06-28 2014-07-02 バイオ−ツリー システムズ， インコーポレイテッド ビン方式微小血管密度法、およびその装置
US8180134B2 (en) * 2006-09-26 2012-05-15 Oregon Health & Science University In vivo structural and flow imaging
US8223143B2 (en) * 2006-10-27 2012-07-17 Carl Zeiss Meditec, Inc. User interface for efficiently displaying relevant OCT imaging data
US20080170205A1 (en) * 2007-01-11 2008-07-17 Munger Rejean J Method and apparatus for correlated ophthalmic measurements
JP5683946B2 (ja) * 2007-04-10 2015-03-11 ユニヴァーシティー オブ サザン カリフォルニア ドップラー光コヒーレンス・トモグラフィを用いた血流測定のための方法とシステム
JP4940069B2 (ja) * 2007-09-10 2012-05-30 国立大学法人 東京大学 眼底観察装置、眼底画像処理装置及びプログラム
JP4940070B2 (ja) * 2007-09-10 2012-05-30 国立大学法人 東京大学 眼底観察装置、眼科画像処理装置及びプログラム
US7798647B2 (en) * 2007-09-18 2010-09-21 Carl Zeiss Meditec, Inc. RNFL measurement analysis
CA2748854A1 (en) 2008-01-02 2009-07-16 Bio-Tree Systems, Inc. Methods of obtaining geometry from images
JP5166889B2 (ja) * 2008-01-17 2013-03-21 国立大学法人 筑波大学 眼底血流量の定量測定装置
JP5182689B2 (ja) * 2008-02-14 2013-04-17 日本電気株式会社 眼底画像解析方法およびその装置とプログラム
WO2009111542A2 (en) * 2008-03-04 2009-09-11 Glucolight Corporation Methods and systems for analyte level estimation in optical coherence tomography
WO2009128912A1 (en) * 2008-04-14 2009-10-22 Optovue, Inc. Method of eye registration for optical coherence tomography
US8718743B2 (en) * 2008-04-24 2014-05-06 Duke University Methods for single-pass volumetric bidirectional blood flow imaging spectral domain optical coherence tomography using a modified hilbert transform
US8079711B2 (en) * 2008-04-24 2011-12-20 Carl Zeiss Meditec, Inc. Method for finding the lateral position of the fovea in an SDOCT image volume
JP5535905B2 (ja) * 2008-06-04 2014-07-02 株式会社網膜情報診断研究所 網膜情報診断システム
EP2309919B1 (en) * 2008-07-10 2019-03-06 Ecole Polytechnique Federale De Lausanne (EPFL) EPFL-TTO Functional optical coherent imaging
EP2161564A1 (en) * 2008-09-05 2010-03-10 Optopol Technology S.A. Method and apparatus for imaging of semi-transparent matter
MY142859A (en) 2008-09-10 2011-01-14 Inst Of Technology Petronas Sdn Bhd A non-invasive method for analysing the retina for ocular manifested diseases
US8500279B2 (en) * 2008-11-06 2013-08-06 Carl Zeiss Meditec, Inc. Variable resolution optical coherence tomography scanner and method for using same
JP4850892B2 (ja) * 2008-12-19 2012-01-11 キヤノン株式会社 眼底画像表示装置及びその制御方法、コンピュータプログラム
US8025406B2 (en) * 2009-03-17 2011-09-27 The Uwm Research Foundation, Inc. Systems and methods for photoacoustic opthalmoscopy
US8335552B2 (en) * 2009-03-20 2012-12-18 Medtronic, Inc. Method and apparatus for instrument placement
US8750586B2 (en) * 2009-05-04 2014-06-10 Oregon Health & Science University Method and apparatus for quantitative imaging of blood perfusion in living tissue
JP5725697B2 (ja) * 2009-05-11 2015-05-27 キヤノン株式会社 情報処理装置および情報処理方法
MY147093A (en) 2009-05-13 2012-10-31 Inst Of Technology Petronas Sdn Bhd Apparatus for monitoring and grading diabetic retinopathy
WO2010135820A1 (en) * 2009-05-28 2010-12-02 Annidis Health Systems Corp. Method and system for retinal health management
US8831304B2 (en) 2009-05-29 2014-09-09 University of Pittsburgh—of the Commonwealth System of Higher Education Blood vessel segmentation with three-dimensional spectral domain optical coherence tomography
JP4909377B2 (ja) * 2009-06-02 2012-04-04 キヤノン株式会社 画像処理装置及びその制御方法、コンピュータプログラム
WO2010143601A1 (ja) * 2009-06-11 2010-12-16 国立大学法人筑波大学 ２ビーム型光コヒーレンストモグラフィー装置
US8332016B2 (en) 2009-08-04 2012-12-11 Carl Zeiss Meditec, Inc. Non-linear projections of 3-D medical imaging data
JP2011087672A (ja) * 2009-10-21 2011-05-06 Topcon Corp 眼底画像処理装置及び眼底観察装置
WO2011063220A2 (en) * 2009-11-20 2011-05-26 University Of Pittsburgh - Of The Commonwealth System Of Higher Education Formalization of retinal nerve fiber layer thickness measurements made by time domain-optical coherence tomography
JP5582772B2 (ja) * 2009-12-08 2014-09-03 キヤノン株式会社 画像処理装置及び画像処理方法
WO2011091253A2 (en) * 2010-01-21 2011-07-28 Physical Sciences, Inc. Multi-functional adaptive optics retinal imaging
EP2538833A4 (en) 2010-02-08 2014-03-12 Univ Oregon Health & Science METHOD AND DEVICE FOR ULTRA-SENSITIVE OPTICAL MICROANGIOGRAPHY
WO2011116347A1 (en) * 2010-03-19 2011-09-22 Quickvein, Inc. Apparatus and methods for imaging blood vessels
US20110282191A1 (en) * 2010-05-13 2011-11-17 Oprobe, Llc Optical coherence tomography for neural-signal applications
US8750615B2 (en) * 2010-08-02 2014-06-10 Case Western Reserve University Segmentation and quantification for intravascular optical coherence tomography images
JP5588291B2 (ja) * 2010-09-29 2014-09-10 キヤノン株式会社 情報処理装置、情報処理方法、情報処理システム、及びプログラム
JP5721411B2 (ja) * 2010-12-02 2015-05-20 キヤノン株式会社 眼科装置、血流速算出方法およびプログラム
US9230045B2 (en) * 2011-02-15 2016-01-05 The Research Foundation For The State University Of New York Layer-by-layer quantification of the remodeling of the human fovea in neurodegenerative disease
JP5818458B2 (ja) 2011-02-25 2015-11-18 キヤノン株式会社 画像処理装置、撮影システム、画像処理方法及びプログラム
JP5792967B2 (ja) * 2011-02-25 2015-10-14 キヤノン株式会社 画像処理装置及び画像処理システム
US9033510B2 (en) 2011-03-30 2015-05-19 Carl Zeiss Meditec, Inc. Systems and methods for efficiently obtaining measurements of the human eye using tracking
EP2701605A4 (en) 2011-04-27 2014-10-01 Univ Virginia Commonwealth 3D TRACKING OF HDR SOURCE USING A FLAT IMAGE DETECTOR
US8570372B2 (en) * 2011-04-29 2013-10-29 Austin Russell Three-dimensional imager and projection device
US8760499B2 (en) * 2011-04-29 2014-06-24 Austin Russell Three-dimensional imager and projection device
US20140221827A1 (en) * 2011-06-07 2014-08-07 California Institute Of Technology Enhanced optical angiography using intensity contrast and phase contrast imaging methods
US8433393B2 (en) 2011-07-07 2013-04-30 Carl Zeiss Meditec, Inc. Inter-frame complex OCT data analysis techniques
US8781189B2 (en) * 2011-10-12 2014-07-15 Siemens Aktiengesellschaft Reproducible segmentation of elliptical boundaries in medical imaging
EP2809225B1 (en) * 2012-02-03 2017-04-05 Oregon Health & Science University In vivo optical flow imaging
CN104704416B (zh) * 2012-08-15 2018-07-31 卢西德股份有限公司 用于对组织进行成像的***和方法
US9420945B2 (en) * 2013-03-14 2016-08-23 Carl Zeiss Meditec, Inc. User interface for acquisition, display and analysis of ophthalmic diagnostic data

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4836670A (en) * 1987-08-19 1989-06-06 Center For Innovative Technology Eye movement detector

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"A Review of Algorithms for Segmentation of Retinal Image Data Using Optical Coherence Tomography";Delia Cabrera DeBuc;《Image Segmentation》;20110419;"2. Pixel classification methods"部分 *
"Noninvasive Imaging of the Foveal Avascular Zone with High-Speed, Phase-Variance Optical Coherence Tomography";Dae Yu Kim等;《Investigative Ophthalmology & Visual Science》;20120131;第53卷(第1期);第85-90页 *

Also Published As

Publication number Publication date
IN2014DN08852A (zh) 2015-05-22
CN104271031A (zh) 2015-01-07
EP2852317A1 (en) 2015-04-01
JP2018175888A (ja) 2018-11-15
EP4122377A1 (en) 2023-01-25
US20130301008A1 (en) 2013-11-14
US20160317029A1 (en) 2016-11-03
EP2852317B1 (en) 2022-07-27
JP6371762B2 (ja) 2018-08-08
US9357916B2 (en) 2016-06-07
JP2015515894A (ja) 2015-06-04
WO2013167641A1 (en) 2013-11-14

Similar Documents

Publication Publication Date Title
CN104271031B (zh) Oct血管造影数据的分析和可视化
US10299677B2 (en) Volume analysis and display of information in optical coherence tomography angiography
US10398302B2 (en) Enhanced vessel characterization in optical coherence tomograogphy angiography
Sampson et al. Towards standardizing retinal optical coherence tomography angiography: a review
DeBuc A review of algorithms for segmentation of retinal image data using optical coherence tomography
US10463247B2 (en) Automatic three-dimensional segmentation method for OCT and doppler OCT angiography
JP6278295B2 (ja) 脈絡膜の血管網を選択的に可視化し解析する光干渉断層計装置及びその画像処理プログラム
JP6702764B2 (ja) 光干渉断層データの処理方法、該方法を実行するためのプログラム、及び処理装置
CN105286779B (zh) 一种在体视网膜血流动力学的成像与绝对流速测量方法
JP6758826B2 (ja) 画像処理装置及び画像処理方法
US10758122B2 (en) Volume analysis and display of information in optical coherence tomography angiography
CN107452029A (zh) 一种光学微血管血流成像方法
JP6864450B2 (ja) 眼科撮影装置
Huang et al. In vivo microvascular network imaging of the human retina combined with an automatic three-dimensional segmentation method
Elsawy et al. Automatic segmentation of corneal microlayers on optical coherence tomography images
Eladawi et al. Optical coherence tomography: A review
JP6892234B2 (ja) 眼科撮影装置
CN109744996B (zh) Oct图像的bmo位置定位方法
JP2019025187A (ja) 眼科情報処理装置及び眼科撮影装置
Xu et al. Accurate C/D ratio estimation with elliptical fitting for OCT image based on joint segmentation and detection network
JP7297133B2 (ja) 眼科情報処理装置及び眼科撮影装置
Li Computational Methods for Enhancements of Optical Coherence Tomography
PL245133B1 (pl) Urządzenie do pomiarów i sposób pomiarów i generowania mapy topograficznej przestrzeni przedsiatkówkowej
Patel Automated Three-Dimensional Image Segmentation of Retinal OCT Images

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant