JP5890396B2 - 角膜の健康状態の変化をコンピュータに評価させるためのプログラム - Google Patents

Description

関連出願の相互参照
本出願は、現在係属中の「角膜の健康状態の変化を評価するための装置及び方法（DEVICES AND METHODS FOR ASSESSING CHANGES IN CORNEAL HEALTH）」と題する、2010年5月6日に出願された米国仮出願第61/331,983号の優先権を主張する。この開示内容全体は参照することによりここに組み込まれる。

本出願は、角膜を評価する際に用いられるコンピュータ実施方法であって、角膜の一連の層状画像の中から主要画像を選択し、主要画像内の複数の角膜構造を検出し、そして複数の角膜構造の定量分析を提供することを含む、角膜を評価する際に用いるためのコンピュータ実施方法に関する。

角膜の画像化は、角膜の健康状態を評価し、角膜疾患の進行をモニタリングし、そして角膜治療の効果を判断する上で有用である。角膜共焦点顕微鏡が、角膜の特徴を測定する画像化装置の一例である。生体内共焦点顕微鏡は、生きている角膜微細構造の高分解能で信頼性高いリアルタイムの画像化によって、例えば正常角膜形態、病原体侵入、ジストロフィー及び変性、手術後管理、ドライアイ、薬物毒性、内皮モニタリング、及びコンタクトレンズ関連の変化が判断されることを可能にする。

正常な健常角膜は、５つの層、すなわち上皮、ボーマン層、支質、デスメ膜、及び内皮から成る透明な無血管結合組織である。角膜上皮、すなわち角膜の最外層は、５つ〜６つの細胞層から成る厚さ約５０μｍの組織である。角膜上皮は角膜の厚さの約１０分の１である。角膜上皮は、３つの解剖学的グループ、すなわち表層細胞、翼細胞、及び基底細胞に分類されることができる。

表層上皮細胞は平らな多角細胞であって、これらの多角細胞は角膜の最外面上に２つ〜３つの細胞層の深さで積み重ねられている。画像化されると、これらの細胞は多角形のパターン、明るく照らされた細胞質、反射性の核、及び核周囲の暗いハローによって特徴づけられる。細胞が死滅するのに伴って、細胞質全体が過剰反射性になる。これらの表層細胞は直径が最大５０μｍであり、厚さが約５μｍである。これらは、角膜の中央で典型的には密度が最も低く約６２４細胞／ｍｍ²であり、周囲で典型的には密度が最も高く約１２１３細胞／ｍｍ²である。

表層細胞のすぐ下側（すなわち後側）には、翼細胞が位置している。翼細胞は２つ〜３つの細胞の深さである。これらは、（より大きい）上側と（より小さい）下側とに分けられることができるが、しかし一般に約２０μｍのサイズであり、規則的なモザイク・パターンを形成している。平均密度は角膜の中央で５０００細胞／ｍｍ²であり、周囲で５５００細胞／ｍｍ²である。

上皮細胞の最内層（すなわち最も後側）は基底上皮である。これらは上皮細胞のうちで最も小さく、平均して約８〜１０μｍである。画像化されると、これらは高反射性境界（密な接合）を有する高密度モザイクのように見える。平均密度は中央で６０００〜９０００細胞／ｍｍ²であり、周囲では１０，０００細胞／ｍｍ²よりも高い。

基底上皮には、基底下神経集網がすぐに隣接する。画像化されると、神経集網は、平行な線状の過剰反射性線維を有する比較的無細胞の層として見られる。神経は、ミトコンドリア及びグリコーゲン粒子が蓄積したものである局所的な軸索拡大によって特徴づけられる。線維は、渦状パターンに組織化され、従って走査場所に応じて異なる方向に延びることになる。

ボーマン層は８〜１０μｍ厚であり、基底細胞層と支質との間に位置する、ランダム配列されたコラーゲン原線維から成る。この層はしばしば霞んで異常形態に見える。

支質は全角膜体積の８０〜９０％を占める。これは細胞構造と、無細胞構造と、感覚神経構造とから成っている。細胞成分（ケラトサイト）は反射性核を有しているのに対して、無細胞成分（コラーゲン薄膜）は黒く見えるか又は光学的に透明に見える。ケラトサイト密度は、支質前部で最も高く、支質中央部で減少し、そして支質後部に向かって僅かに増大する。支質神経線維は上皮下神経線維よりも太い。

デスメ膜は、共焦点顕微鏡技術を用いて見ることができないことがある。

内皮は、六角形モザイク・パターンを形成する細胞から成る単一層である。健常内皮は２５００〜３０００細胞／ｍｍ²から成っているが、しかし、これは年齢、疾患、及び低酸素透過性コンタクトレンズの装用とともに減少する。

白血球を含む免疫細胞は外来侵入物質を防御する。白血球の主なカテゴリーは、顆粒球（例えば好中球、好塩基球、及び好酸球）、非顆粒球（例えばマクロファージ）及びリンパ球を含む。顆粒球は、典型的には極めて小さく（＜１０μｍ）高運動性であり、微生物及び損傷細胞に由来する走化性因子に応答した炎症中に角膜に容易に侵入する。マクロファージ（最大２０μｍ）は、典型的には潰瘍部位に存在し、そして組織内部に数ヶ月間も留まることがある。リンパ球は眼瞼及び瞼結膜内に見いだされる。白血球は典型的には基底細胞又は翼細胞のレベルに位置する。これらは共焦点顕微鏡によって容易には区別化されないが、場所、サイズ、及び形態が識別を助けることができる。例えば、免疫細胞は一般に神経集網に沿って移動することがある。これらは例えば基底上皮及びボーマン層内で識別されることもある。

共焦点顕微鏡は、透明又は不透明な組織内部で反射させられた光を測定することによって作動する。角膜用共焦点顕微鏡はコリメート光源で小さな角膜領域を照射する。この光は、アパーチャを通り、そして対物レンズを通ってレンズの焦点領域の僅かな体積のスペースに合焦させられる。焦点領域から反射した光は次いで対物レンズによって再び集められる。次いで、光は光検出装置に入る前にビームスプリッタ及びピンホールを通過する。検出器のアパーチャは散乱光を遮断し、結果としてコンベンショナルな顕微鏡技術よりも鮮鋭な画像をもたらす。光検出装置は、光信号を電気信号に変換し、デジタル組織学的画像を形成する。

感染性角膜炎（具体的にはアカントアメーバ角膜炎及び真菌性角膜炎）、角膜ジストロフィー、及び角膜の健康状態及び疾患の他のパラメータを含む種々の角膜の病状を判断するために、生体内共焦点顕微鏡技術が典型的に臨床で用いられている。しかしながら、生体内共焦点顕微鏡技術は、一貫して且つ迅速に分析して解釈するのが難しい大量のデータを含む画像を提供することがある。従って、生体内共焦点顕微鏡技術のほとんどの用途は定性的であり、或いは、定量的な結果をもたらすためには、多大な時間のかかる手動分析を必要としている。従って、角膜変化を定量化するために共焦点顕微鏡画像を客観的に判断するロバストで迅速な画像処理技術が、この分野において必要である。

この開示は、医療画像を分析するための、ソフトウェアを含む方法及びコンピュータ・システム、そしてより具体的には角膜の健康状態を評価すべく顕微鏡画像を分析するための方法及びコンピュータ・システムに概して関し、そしてこれらを包含する。

１実施態様において、角膜を評価する際に用いるためのコンピュータ実施方法が、角膜の一連の層状画像の中から主要画像を選択することを含む。コンピュータ実施方法はさらに、主要画像内の複数の角膜構造を検出することと、複数の角膜構造の定量分析を提供することとを含む。

別の実施態様の場合、角膜の一連の層状画像内に示された角膜構造を分析するために、コンピュータ実行可能命令が記憶されているコンピュータ可読媒体が使用される。コンピュータ実行可能命令は、角膜の一連の層状画像の中から主要画像を選択することと、主要画像内の第１のタイプの角膜構造を検出することとを含む。命令はさらに、主要画像内の第１のタイプの角膜構造の定量分析を提供することを含む。

別の実施態様の場合、角膜の一部の三次元画像を生成する方法が、角膜の一部の一連の層状画像の中から主要画像を選択することを含む。この方法はさらに、角膜の一部の一連の層状画像の中から主要画像よりも前側の画像を識別することと、角膜の一部の一連の層状画像の中から主要画像よりも後側の画像を識別することとを含む。この方法はさらに、主要画像、前側画像、及び後側画像の各々において見ることができる角膜の特徴を識別することと、主要画像、前側画像、及び後側画像の各々において角膜の特徴を位置合わせすることとを含む。この方法はさらに、一連の層状画像の中から少なくとも主要画像、前側画像、及び後側画像を使用して、角膜の一部の三次元画像をレンダリングすることを含む。

本発明の更なる態様、形態、実施態様、目的、特徴、利益、及び利点は、本明細書中に提供された詳細な図面及び説明から明らかになる。

下記詳細な説明を添付の図面と一緒に読めば、本開示の特徴を最善に理解することができる。なお、業界における標準的習慣に従って、種々の特徴は原寸に比例して図示されてはいない。実際には、種々の特徴の寸法は、考察の明確さのために任意に増減し得る。加えて、本開示は種々の例において符号を繰り返すことがある。この繰り返しは便宜上のものであって、これ自体で、論じられた種々の実施態様間及び／又は形態間の関係を決定づけるものではない。

図１は、本開示の実施態様を実施するための模範的なシステムを構成する汎用コンピューティング装置を示すシステム・ダイヤグラムである。 図２は、生体組織の画像を分析するプロセスの１実施態様を全体的に概説するフローダイヤグラムである。 図３は、本開示の１実施態様を実施するためのプログラム・モジュールを示すアーキテクチャ・システム・ダイヤグラムである。 図４は、主要画像内の神経を識別する模範的なセグメント化画像である。 図５は、主要画像内の免疫細胞を識別する模範的なセグメント化画像である。 図６は、二次画像内の翼細胞を識別する模範的なセグメント化画像である。 図７は、識別された神経及び細胞に関する情報を示す模範的なグラフィック表示である。 図８は、識別された神経及び細胞に関する情報を示す模範的なグラフィック表示である。 図９は、識別された神経及び細胞に関する情報を示す模範的なグラフィック表示である。 図１０は、二次画像上にオーバーレイされた手動形成のグラフィックを示す模範的な画像である。 図１１は、自動モード及び手動モードからのデータを比較する模範的なグラフィック表示である。 図１２は、角膜画像の三次元レンダリングのためのプロセスの１実施態様を全体的に概説するフローダイヤグラムである。 図１３は、コンポジット・モードの模範的な３Ｄ画像である。 図１４は、アイソサーフェス・モードの模範的な３Ｄ画像である。 図１５は、スライス・モードの模範的な３Ｄ画像である。

本発明の原理の理解を促すために、ここで、図面に示される実施態様又は例を参照する。同じものを記述するためには特定の言葉が用いられることになる。とはいえ、言うまでもないことだが、本発明の範囲を限定することが意図されるものではない。本発明の関連分野の当業者であれば普通に想起するように、記載の実施態様のあらゆる変更形及び更なる改変形、そして本明細書中に記載された本発明の原理の更なる用途が考えられる。

角膜組織を含む生体組織の画像を分析する技術は、本開示に記載されるように、パーソナル・コンピュータ、サーバーコンピュータ、モバイル・コンピュータ、及び分散コンピューティング・システムを含む、多くの汎用コンピューティング装置又は専用コンピューティング装置で達成される。図１を参照すると、本開示の実施態様を実施するための模範的なシステムを構成する汎用コンピューティング装置１００が示されている。コンピューティング装置１００は、中央処理ユニット（ＣＰＵ）１０２、システム・メモリユニット１０４、取り外し可能なメモリインターフェイス１０６、取り外し不能なメモリインターフェイス１０８、出力インターフェイス１１０、入力インターフェイス１１２、及びネットワーク・インターフェイス１１４のような構成部分を含んでいてよい。

システム・メモリユニット１０４は、揮発性メモリ、不揮発性メモリ、又はこれら２つの組み合わせであってよい。システム・メモリユニット１０４は、ランダム・アクセス・メモリ（ＲＡＭ）、読み出し専用メモリ（ＲＯＭ）、プログラマブルＲＯＭ（ＰＲＯＭ）、消去可能ＰＲＯＭ（ＥＰＲＯＭ）、電気的ＥＰＲＯＭ（ＥＥＰＲＯＭ）、フラッシュ・メモリ、ＣＤ−ＲＯＭ、デジタル多用途ディスク（ＤＶＤ）、磁気テープ、磁気ディスク・ストレージ、又はコンピューティング装置１００によってアクセスされるべき情報を記憶するための任意の他の媒体を含む、任意のタイプのコンピュータ記憶媒体であってよい。インターフェイス１０６、１０８は、コンピュータが取り外し可能又は取り外し不能なコンピュータ可読媒体上で情報にアクセスすること又は媒体に情報を記憶することを可能にする。コンピュータ可読媒体は上記タイプのうちのいずれかであってよい。

出力インターフェイス１１０は、コンピュータ１００が出力装置、例えばディスプレイ、プリンタ、スピーカー、又はコンピュータからの情報を提供するための任意の他の装置とインターフェイスをとることを可能にする。入力インターフェイス１１２は、コンピュータ１００が入力装置、例えばキーボード、マウス、音声入力装置、タッチ入力装置、カメラ、顕微鏡、又はコンピュータへ情報を提供するためのその他の装置とインターフェイスをとることを可能にする。

ネットワーク・インターフェイス１１４は、コンピュータ１００が、他のコンピューティング装置又はコンピュータ可読媒体と直接又はネットワークを介してインターフェイスをとることを可能にする。ネットワーク・インターフェイス１１４は例えば、１つ以上のネットワーク・インターフェイス・カード（ＮＩＣ）であってよい。ＮＩＣはそれぞれ媒体アクセス制御（ＭＡＣ）アドレスと連携する。構成部分１０２、１０４、１０６、１０８、１１０、１１２、１１４は、バス・システム１１６によって相互接続されている。言うまでもなく、コンピューティング装置は異なる形で形成されていてもよく、列挙した構成部分のそれぞれが実際にはいくつかの異なる構成部分であってよい。例えばＣＰＵ１０２は実際にはマルチプロセッサ又は分散処理システムであってよい。

上記動作環境のうちのいずれかの環境内で、生体構造の画像を分析するプロセスを実施してよい。ここで図２を参照すると、例えば角膜構造を含む生体構造の画像を分析するプロセス１２０が、大まかに述べると、生体組織の複数のインクリメンタル画像の中から主要画像を選択するステップ１２２を含んでいる。ステップ１２４において、生体組織の複数のインクリメンタル画像の中から１つ以上の二次画像を選択する。ステップ１２６において、細胞、細胞成分、神経、及び血管のような構造を主要画像及び二次画像において検出する。ステップ１２８において、構造についての情報、例えば数、サイズ、場所、形状、密度、又はこれらの組み合わせを計算する。ステップ１３０において、構造のグラフィック表現を表示し、そして対応する選択画像上に重ね合わせるか又はオーバーレイしてよい。例えば翼細胞の境界のグラフィック表現を二次画像上に表示してよい。ステップ１３２において、例えば構造検出パラメータを精緻化するか又はグラフィック表現を変更するようにユーザー入力を受け入れてよい。ステップ１２８〜１３２をユーザーによって望まれる通りに繰り返してよい。言うまでもなく、この開示の他の実施態様が、付加的なプロセス・ステップを含んでいてよく、或いは特定のプロセス・ステップを省いてもよい。

生体組織画像を分析するこの技術は、コンピュータ実行可能命令、例えば種々のソフトウェア及び／又はハードウェア・モジュールと組み合わせてコンピュータによって実行されるプログラム・モジュールとの一般的な関連において記述されることができる。一般に、プログラム・モジュールは、ルーティン、プログラム、オブジェクト、コンポーネント、及び特定のタスクを実施するデータ構造を含んでいる。図２において上述のようにまとめたプロセスが、図３のアーキテクチャ・システム・プログラムに示されている。具体的に言えば、図３のシステム・ダイヤグラムは、特定タイプの生体組織、つまりここに記載されるような角膜組織の画像を分析する技術を実施するためのプログラム・モジュール間の相互関係を示している。なお、角膜組織は生体組織の１つのタイプにすぎず、当業者に知られている任意のタイプの生体組織を、この開示の技術を用いて分析することができる。一般に、図３に示されているように、角膜画像を分析するための技術１４０は、自動画像処理モード１４２又は手動画像処理モード１４３における使用のために一組の角膜画像１４１を用意することによって作業を始める。

角膜画像１４１は、生体内共焦点顕微鏡技術を用いて得られることができる。ドイツ国ハイデルベルク在Heidelberg Engineering GmbHによって製造されたRostock角膜モジュールを備えたHeidelberg Retina Tomograph（ＨＲＴ）は、角膜画像を獲得するために使用されうる模範的な共焦点レーザー走査検眼鏡である。ＨＲＴのこのような形態は、角膜組織を細胞レベルで視覚化する生体内角膜顕微鏡技術を実施する。ＨＲＴの光源は、１μｍの分解能を有する６７０ｎｍダイオード・レーザー（クラス１）である。それぞれの捕捉画像の面積は約４００μｍ×４００μｍであり、デジタル画像サイズは約３８４×３８４ピクセルであるが、他の生体内共焦点顕微鏡は、本発明の範囲にまだ含まれる異なる画像サイズ、画像数、セグメント・サイズなどを有することになる。捕捉されたそれぞれの体積走査は、走査毎に約２μｍのセグメントで約８０μｍの深さにわたって約４０のインクリメンタル層状画像を含有してよい。インクリメンタル画像は、上皮層、神経集網層、ボーマン層、及び支質層の画像を含んでよい。全ての測定値を較正単位で提供すべく、それぞれの画像に関連付けられたマイクロメートル情報をソフトウェアによって記憶して使用することができる。

使用に際しては、ＨＲＴの対物レンズ部分を、患者の角膜の軸線方向中央に、そして角膜に接触した状態で位置決めしてよい。ＨＲＴを角膜の最も上側の上皮層に合焦させ、そして体積走査を開始する。ＨＲＴが前側から後側へ約６０μｍの深さまで合焦するのに伴って自動走査によって画像を捕捉する。なお、後側の場所から前側の場所へ走査することによって、反転プロセスを代わりに用いることもできる。同じ患者に対して同じ位置で複数の体積走査画像を捕捉することができる。走査手順を患者の他方の眼に対して、好ましくは同じ走査方向で繰り返してよい。

自動処理モード１４２において、インクリメンタル角膜画像１４１の中から主要画像を識別するために、画像選択モジュール１４４を用いる。いくつかの実施態様の場合、主要画像は、焦点面内で最も目立つ神経、例えば最も大きい神経、又は最も多数の神経を有する画像として識別される。主要画像を選択するために、他の定量的又は定性的基準を代わりに用いてもよい。この主要画像は「最良の神経画像層」又は「最適な神経画像層」と特徴づけられることもできる。画像選択モジュール１４４は、インクリメンタル角膜画像１４１の中から二次画像を識別するために用いられることもできる。二次画像は翼細胞画像であってよい。１つの実施態様の場合、翼細胞画像は主要画像よりも前寄り約２０μｍのところに位置する画像であってよい。連続する画像間の距離は、約０．２μｍ〜約５μｍ、好ましくは約０．５μｍ〜約４μｍであってよく、より好ましい実施態様では約１μｍ〜３μｍであってよい。連続する画像間の距離が２μｍである場合、二次画像は主要画像よりも前寄り１０番目の画像である。この実施態様の場合、二次画像は、主要画像の選択に応じて選択される。別の実施態様では、二次画像は、他の定量的又は定性的基準に基づいて選択されることもできる。任意には、選択された主要画像又は二次画像をユーザーに表示することができる。選択画像を見ると、ユーザーは、主要画像又は二次画像のためにインクリメンタル画像１４１の中から異なる画像を使用することを選ぶ場合がある。例えば異なる二次画像が好ましい場合、ユーザーによって選択された画像は二次画像として識別されるようになる。主要画像又は二次画像を、予め確立された定量的又は定性的基準に基づいて初めは識別することができない場合、ソフトウェアは、ユーザーがインクリメンタル画像１４１の中から主要画像又は二次画像を選択することを促すことができる。或いは、ユーザーは自動プロセスによって選択された画像とは異なる主要画像又は二次画像として画像を手動で選択してもよい。

主要画像及び二次画像が選択された後、選択された画像内部の構造をグラフィック的にセグメント化又は指定するために、構造検出モジュール１４６を用いる。構造、例えば神経、免疫細胞、及び翼細胞を検出するための基準は、画像の属性、例えば明るさ、形状、サイズ、厚さ、トポロジー、識別されたピクセル・パターン、他の検出された構造との近接度、及び対照画像との対応度に基づいていてよい。セグメント化パラメータ値は、神経又は細胞に対応してユーザーによって変更されることができる。図４に示されているように、主要画像１６０では神経の検出が行われ、検出された神経に相当する蛇行線のグラフィック表現１６２がもたらされる。検出された神経のグラフィック表現１６２を、主要画像１６０に対するオーバーレイとして表示することにより、例えば色又は他のグラフィック・マーカーによって、主要画像内の神経の場所を強調することができる。

図５に示されているように、主要画像１６０では、免疫細胞の検出が行われ、検出された免疫細胞の境界に相当する不連続な領域のグラフィック表現１６４がもたらされる。検出された免疫細胞のグラフィック表現１６４を、主要画像１６０に対するオーバーレイとして表示することにより、例えば色又は他のグラフィック・マーカーによって、主要画像内の免疫細胞の場所を強調することができる。或いは、一連の角膜画像内の異なる画像において免疫細胞の検出を行ってもよい。この異なる画像は例えば別の露光時間を用いて獲得されてよい。

図６に示されているように、選択された翼細胞層の二次画像１６６では、翼細胞の検出が行われ、検出された翼細胞の境界に相当するモザイク様のグラフィック表現１６８がもたらされる。検出された翼細胞のグラフィック表現１６８を、主要画像１６６に対するオーバーレイとして表示することにより、例えば色又は他のグラフィック・マーカーによって、二次画像内の翼細胞の場所を強調することができる。

主要画像及び二次画像における構造が検出され、そしてグラフィック的にセグメント化された後、検出された構造を定量分析するためにモジュール１４８、１４９、１５０が用いられる。定量分析は、健常又は非健常な角膜からの対照画像を含む対照画像及び対照測定と比較されてよい。神経分析モジュール１４８において、識別された神経構造のそれぞれに対して測定を行い、そして識別された神経構造、及び関心事の領域内の神経構造の集合の属性を算出する。このような測定値及び属性は、例えば長さ、厚さ、神経の数、及び分枝の数、並びにこれらの組み合わせを含んでよい。神経分析モジュール１４８はユーザーが後処理編集することを可能にする。例えば、ユーザーは、神経のグラフィック表現１６２を見ること又は算出された属性を見ることに基づいて自動グラフィック表現１６２を変更又は改善することを決定する場合、グラフィックを抹消するか、グラフィックを付加するか、注釈を付加するか、又は神経を表す蛇行線のギャップを埋めることによってグラフィック表現を編集することができる。グラフィック表現を変更した後、識別された神経構造の属性を、変更済みセグメント化に基づいて再算出することができる。

免疫細胞分析モジュール１５０において、識別された免疫細胞のそれぞれに対して測定を行い、そして個々の免疫細胞、及び関心事の領域内の細胞の集合の属性を算出する。このような測定値及び属性は、免疫細胞の数、密度（関心事の領域内の免疫細胞の数）、個々の細胞の面積、関心事の領域内の細胞の平均表面積、神経に対する近接度、幅、ピクセル数、及び形状因子、並びにこれらの組み合わせを含んでよい。免疫細胞モジュール１５０は、ユーザーが後処理編集することを可能にする。例えば、ユーザーは、免疫細胞のグラフィック表現１６４を見ること又は算出された属性を見ることに基づいて自動グラフィック表現１６４を変更又は改善することを決定する場合、グラフィックの抹消、グラフィックの付加、グラフィックの分離、又は個々の免疫細胞を表す注釈の付加のうちの１つ以上を行うことによって、グラフィック表現を編集することができる。グラフィック表現を変更した後、識別された免疫細胞の属性を、変更済みセグメント化に基づいて再算出することができる。

翼細胞分析モジュール１５２において、識別された翼細胞のそれぞれに対して測定を行い、そして個々の翼細胞、及び関心事の領域内の翼細胞の集合の属性を算出する。このような測定値及び属性は、翼細胞の数、密度（関心事の領域内の翼細胞の数）、平均サイズ、標準偏差、所定の又はユーザーによって確立された閾値及び密度を上回る細胞の数、及びこれらの組み合わせを含んでよい。個々の細胞の測定値及び属性はさらにセントロイド、クロフトン周囲長、稠密度、真円度、及びこれらの組み合わせを含んでもよい。関心事の領域内の翼細胞の集合に対しては、領域平均値、領域最小値、及び領域最大値を計算してよい。測定及び計算を、所定の又はユーザーによって定義された最小閾値と最大閾値との間に含まれる細胞に対して行うことができる。翼細胞分析モジュール１５２は、ユーザーが後処理編集することを可能にする。例えば、ユーザーは、翼細胞のグラフィック表現１６８を見ること又は算出された属性を見ることに基づいて自動グラフィック表現１６８を変更又は改善することを決定する場合、グラフィックを抹消するか、グラフィックを付加するか、又はセグメント化線を引き直すことによってグラフィック表現を編集することができる。例えば、前に識別された翼細胞を分割するためにグラフィック表現に境界が付加されると、モジュール１５２は、全ての測定を再算出し、そして更新された情報を提供することになる。翼細胞分析モジュール１５２は、注釈に対してスキップされる翼細胞がないことを保証するための補助ツールを提供してもよい。

モジュール１４３〜１５２のいずれも、画像化された角膜に関する情報１５６を生成することができる。グラフィカル・ユーザーインターフェイス（ＧＵＩ）を用いることにより、モジュールのいずれかについての情報１５６をユーザーに表示することができる。例えば、図７に示されているように、ＧＵＩ１７０は、モジュール１５２において測定され且つ算出された個々の翼細胞についての情報１７２を表示するためのグリッドを含んでいてよい。選択タブ１７４は、ユーザーが構造分析及び概要分析のそれぞれに対する情報表示を切り換えることを可能にする。図８は、分析モジュール１４８〜１５２において実施された分析に基づく概要情報１７８を提供するＧＵＩ１７６の例である。図９は、グラフィック・データ表示１８０の例である。このグラフィック・データ表示１８０はこの事例ではヒストグラムである。ヒストグラムは、分析された神経又は細胞の属性をプロットする。チャート、テーブル、スプレッドシート、グラフ、又はデータ・リストを含む他のタイプグラフィック表示が、画像化された角膜についてのデータを表示するのに適している場合もある。グリッド・フォーマットで表示された測定値に対して、例えばデータを列又は行によってソートすることができる。表示されたデータと画像との間で画像同期が利用可能であってよい。

上記の自動画像処理モード１４２は、グラフィック表現を生成し、そして角膜構造を分析するための自動化技術を提供する。角膜画像を分析する技術１４０は手動画像処理モード１４３も含む。このモードは、ユーザーが、自動画像処理モード１４２において生成されたグラフィック表現とともに、又はこのようなグラフィック表現の代わりとして表示し得るグラフィック表現及び注釈を生成することを可能にする。ユーザーは、手動モード及び自動モード双方からのモジュールを用いて、角膜データ１５６の所望のグラフィック集合又は算出集合を生成することができる。図１０に示されているように、例えば手動モード１４３の範囲内で、ユーザーは二次画像１６６に注釈を加えることができる。例えば、ユーザーは、ユーザーによって識別された翼細胞に対応するグラフィック・ポイント１８２を描いてよい。自動モード１４２は、ユーザー注釈１８２を受け入れ、そしてこれらを用いて、細胞数、密度、又は手動識別された細胞に関する他の計算値を生成してよい。手動のカウント及び密度情報はＧＵＩにおいてテーブル形態で表示されてよい。加えて、手動情報は、関心事の同じ領域に対して生成された自動データと比較するために用いられてもよい。加えて、例えば、翼細胞のグラフィック表現１６８及び手動注釈１８２は両方とも、翼細胞層の二次画像１６６上にオーバーレイされることにより、多層複合画像を提供することができる。なお、同様の手動モード動作を用いて、免疫細胞及び神経構造分析に対して注釈し、そして計算値を比較することができる。図１１に示されているように、検証概要テーブル１８４の形態を成すＧＵＩが、手動モード１４３からの手動測定値に関連付けられる値と、自動モード１４２からの自動測定値に関連付けられる値とを表示することができる。テーブル１８４の区分１８６は、自動モード及び手動モードの比較情報を提供する。例えば区分１８６は、自動検出された細胞と手動マークされた細胞との比較、自動検出された細胞と手動マークされない細胞との比較、そして手動マークされた細胞と検出されない細胞との比較を表示してよい。手動カウントと自動カウントとを比較するために、感度及び特異度が算出されてよい。

自動画像処理モード１４２はさらに、角膜画像１４１から神経集網の三次元（３Ｄ）復元を生成するための神経形態計測モジュール１５４を含む。神経形態計測モジュール１５４は、ユーザーが、角膜画像１４１のサブセットを、体積ピクセル（ボクセル）から形成された３Ｄオブジェクトとして集成するのを可能にする。この集成体から３Ｄ神経集網を抽出することができ、神経測定を実施することができる。図１２に示されているように、神経形態モジュール１５４によって行使することができる方法１９０は、画像選択モジュール１４４において識別された主要画像を読み出すステップ１９２を含む。

神経は前後方向で変化する形態を有しているので、同じ神経の画像は連続する角膜画像において異なっている。眼の運動が、連続する角膜画像全体を通して同じ神経を識別することをさらに困難にすることがある。ステップ１９４で、画像位置合わせプロセスが、連続する角膜画像内の対応する基準点及び構造を識別する。主要画像から所定の距離のところに位置する、例えば４μｍだけ前側、及び４μｍだけ後側に位置する画像を、主要画像に対して位置合わせすることができる。前側画像及び後側画像に対して、追加の画像を位置決めしてよい。角膜画像１４１の全て又はサブセットに対して、位置合わせを行ってよい。位置合わせのために使用してよい基準点は例えば、神経の分岐点、神経先端、又は免疫細胞を含む。任意には、ユーザーは位置合わせプロセスに干渉することによって、位置合わせ点を手動で選択又は変更することができる。位置合わせステップ１９４は、例えば約１０秒未満で行われてよい。関連する回転行列データを有する位置合わせ済み画像がディスクに保存されてよい。神経形態モジュール１５４は、ユーザーが位置合わせプロセス中に連続画像を平滑に見ることを可能にするブレンド機能を提供することができる。黒いバックグラウンド・ピクセル（又はボクセル）を除去し、又はそれぞれの画像上のキャラクタを抹消するために、クロッピング・ツールのような更なるツールを位置合わせプロセスに提供してよい。ブラウジング・ツールのような更なるツールが、位置合わせの前と後との両方で、ディスプレイ内の二次元ビデオとして角膜画像を再生することを可能にする。

ステップ１９６において、位置合わせされた画像を主要画像の上方及び下方にスタックすることによって、３Ｄオブジェクトを生成する。例えば、この３Ｄオブジェクトを生成するために、前側の５つの画像と、後側の５つの画像とをスタックしてよい。２つのセクション間のギャップはユーザーによって定義されてよい。いくつかの実施態様の場合、３Ｄオブジェクトは約１秒以下でレンダリングすることができる。いくつかの実施態様の場合、神経とともに免疫細胞を復元してよい。神経検出は３Ｄ画像内で行われてよいが、主要画像内で免疫細胞を識別することが好ましい。以下で論じるように、３Ｄオブジェクトは、代わりの１つ以上の３Ｄレンダリング・モードを用いて表示されてよい。代わりの表示モードのいずれにおいても、ズーミング及びパンニング・ツールを提供してよい。

図１３に示されているように、スタックされて位置合わせされた画像は、３Ｄ空間内で自由に回転可能なコンポジット／ボリューム・モード画像２０４として表示されることができる。体積モード画像は、透明度を含むフル画像（又はボクセル）情報を用いて表示されてよい。換言すれば、体積レンダリングは透過光情報を用いて実施される。アルファ・パラメータとしても知られる透明度又は不透明度パラメータを制御することにより、３Ｄ体積内部を見ることが可能である。不透明度及び色値は、ＧＵＩ及びユーザー入力を用いて制御してよい。

図１４に示されているように、スタックされて位置合わせされた画像は、３Ｄ空間内で自由に回転可能なアイソサーフェス（等値面）・モード画像２０６として表示されることができる。アイソサーフェス・モードでは、ユーザーによって指定された値を有するピクセルだけを使用してオブジェクトが表示される。換言すれば、画像はオブジェクトの表面の画像である。アイソサーフェス・モードで表示された表面は、同じ領域に属するピクセルを結合し、そして隣のピクセルを使用して補間を行うことによって定義される。

図１５に示されているように、スタックされて位置合わせされた画像は、３Ｄ空間内で自由に回転可能なスライス・モード画像２０８として表示されることができる。このモードは、ユーザーが、表示されるべき選択平面を選択することを可能にする。ユーザーは、ＧＵＩへの入力を通してスライス配向を定義してよい。２つ以上の区分を表示してよく、また複数の区分間の距離を指定してよい。

再び図１２を参照すると、ステップ１９８で、３Ｄ復元画像、又はスタック画像内のそれぞれの二次元画像上で識別された神経及び免疫細胞に対応するボクセルを処理することによって、セグメント化を実施する。ステップ２００では、セグメント化された神経の３Ｄグラフィック表現が表示される。全てのレンダリング・モードのために、３Ｄオブジェクトの複数位置を記録し、そして連続する位置の間を補間することによって、オーディオ・ビデオ・インターリーブ（ＡＶＩ）ファイルを生成してよい。ＡＶＩフォーマットはコーデック圧縮を支援することができる。動画ビデオ・ファイルが結果としてもたらされる。ステップ２０２では、神経集網の３Ｄ「スケルトン（skeleton）」の測定値を算出する。これらの測定値は、分岐点の数、分枝の長さ、神経の太さ、神経の総数、及び分枝の蛇行度のうちの１つ以上を含んでよい。１つの実施態様の場合、蛇行度は、分枝の長さを、分枝の２つの先端間のユークリッド距離で割り算したものとして計算することができる。いくつかの計算の場合、神経の底部点を指定してよい。スケルトンのいずれの分枝も、画像内でユーザーによって手動選択されてよく、また、測定値を含む対応列を関連測定グリッド内で強調することにより、選択された分枝に関する情報をユーザーに提供することができる。二次元画像に関して前述したように、種々のチャート、統計、ヒストグラム、及び他の情報提示グラフィック形態を３Ｄ画像のために生成することができる。二次元モジュール又は三次元モジュールのいずれについても、提示された情報の種々のグラフィック形態は、スプレッドシート、テーブル、又は市販のスプレッドシート、ワードプロセッシング、データベース、及び／又はプレゼンテーションソフトに適合可能且つインポート可能な他の一般に使用されるフォーマットにエクスポートされることができる。

角膜画像を分析するための技術１４０は潜在的に多数の用途を有する。例えばこれは、コンタクトレンズ非装用者と比較したコンタクトレンズ装用者、種々異なるタイプのレンズ・ケア溶液を使用するコンタクトレンズ装用者、及び角膜炎、感染性疾患、又はアレルギーの患者の角膜における免疫細胞応答を評価するために用いられてよい。技術１４０は、水疱性角膜症患者、保存剤を含有する点眼剤で治療を受ける患者、及び進行性上皮角膜ジストロフィー患者の角膜内の翼細胞変化を評価するために用いられてもよい。技術１４０は、角膜屈折矯正手術後の患者、又はドライアイ症候群患者の角膜変化を評価するために用いられてもよい。

本明細書中に使用される「のような」又は「例えば」(such as)という用語は、模範的可能性の非制限的リストを提供することが意図される。

本明細書中に使用される「約(approximately）」又は「約(about)」は、数値範囲における両方の数字に言及するものと概ね理解されるべきである。さらに、本明細書中の全ての数値範囲は、それぞれの全ての整数と、範囲内における整数の小数点第１位とを含むと理解されるべきである。

本発明の種々の実施態様を上述したが、これらは一例として示したにすぎず本発明を限定するものではない。上記方法及びステップが特定の順序で発生する特定の事象を示す場合、この開示の恩恵を受ける当業者であれば、特定のステップの順序を修正し得ること、そしてこのような修正が本発明の変更形に基づくものであることを認識するはずである。加えて、特定のステップは、可能であれば並行したプロセスにおいて同時に実施されてよく、又は上記のように順次実施されてもよい。従って、本発明の範囲は、上記実施態様のいずれかによって限定されるべきではなく、下記請求項及びこれらの均等物に従ってのみ定義されるべきである。本発明を特定の実施態様を参照しながら具体的に示して説明してきたが、形態及び詳細の種々様々な変更を施し得ることは言うまでもない。

Claims (9)

1. 走査によって補足された角膜の一連の層状画像の中から主要画像を選択するステップであって、前記主要画像を選択することが、前記一連の層状画像の中から最も大きい神経又は最も多数の神経を有する画像を選択することを含む、ステップと、
   該主要画像内の複数の角膜構造を検出するステップと、
   該複数の角膜構造の属性を算出することによって該複数の角膜構造を定量分析するステップと
   をコンピュータに実行させるためのプログラム。
2. 前記一連の層状画像は、前記角膜の一連の層状共焦点顕微鏡画像を含む、請求項１に記載のプログラム。
3. 前記複数の角膜構造は複数の神経を含む、請求項１に記載のプログラム。
4. 前記複数の角膜構造は複数の免疫細胞を含む、請求項１に記載のプログラム。
5. さらに、前記角膜の一連の層状画像の中から翼細胞を含む二次画像を選択し、該二次画像内の複数の翼細胞を検出するステップをコンピュータに実行させる、請求項１に記載のプログラム。
6. さらに、前記複数の角膜構造のグラフィック表現を表示するステップをコンピュータに実行させる、請求項１に記載のプログラム。
7. さらに、ユーザー入力を受信し、該ユーザー入力に応じて前記複数の角膜構造のグラフィック表現を修正するステップをコンピュータに実行させる、請求項６に記載のプログラム。
8. さらに、前記複数の角膜構造のうちの少なくとも１つの角膜構造の三次元ビューを生成するステップをコンピュータに実行させる、請求項１に記載のプログラム。
9. さらに、前記角膜の一連の層状画像の中から、前記主要画像よりも前側の画像及び前記主要画像よりも後側の画像を選択し、該主要画像、前側画像、及び後側画像の各々において共通基準点を位置合わせするステップをコンピュータに実行させる、請求項１に記載のプログラム。

Images