特表 2024-537920 光干渉断層血管造影方法、装置、電子機器及び記憶媒体

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公表特許公報(A)

(11)【公表番号】

(43)【公表日】2024-10-16

(54)【発明の名称】光干渉断層血管造影方法、装置、電子機器及び記憶媒体

(51)【国際特許分類】

   A61B 3/10 20060101AFI20241008BHJP

   A61B 3/12 20060101ALI20241008BHJP

   G01N 21/17 20060101ALI20241008BHJP

【ＦＩ】

A61B3/10 100

A61B3/12 300

G01N21/17 630

【審査請求】有

【予備審査請求】未請求

(21)【出願番号】P 2024541122

(86)(22)【出願日】2022-09-22

(85)【翻訳文提出日】2024-05-20

(86)【国際出願番号】 CN2022120404

(87)【国際公開番号】W WO2023045991

(87)【国際公開日】2023-03-30

(31)【優先権主張番号】202111109543.3

(32)【優先日】2021-09-22

(33)【優先権主張国・地域又は機関】CN

(81)【指定国・地域】

(71)【出願人】

【識別番号】524108617

【氏名又は名称】トワードピ （ベイジン） メディカル テクノロジー リミテッド

(74)【代理人】

【識別番号】100131451

【弁理士】

【氏名又は名称】津田 理

(74)【代理人】

【識別番号】100167933

【弁理士】

【氏名又は名称】松野 知紘

(74)【代理人】

【識別番号】100184181

【弁理士】

【氏名又は名称】野本 裕史

(74)【代理人】

【識別番号】100220423

【弁理士】

【氏名又は名称】榊間 城作

(72)【発明者】

【氏名】ヤン，ジー

(72)【発明者】

【氏名】ワン，シャオ

【テーマコード（参考）】

2G059

4C316

【Ｆターム（参考）】

2G059AA05

2G059BB08

2G059BB12

2G059EE02

2G059EE09

2G059FF02

2G059MM01

2G059MM02

2G059MM05

2G059MM09

2G059MM10

2G059MM14

4C316AA10

4C316AA11

4C316AB02

4C316AB11

4C316AB16

4C316FB29

(57)【要約】

本出願は、光干渉断層血管造影方法、装置、電子機器及び記憶媒体を提供する。該方法は、目標領域に対してＡスキャンをＮ回繰り返して得られるＮ個の干渉スペクトル信号である、目標領域の時間領域信号を取得するステップと、Ｋ個のスケールに基づいて、Ｎ個の干渉スペクトル信号のうち、各干渉スペクトル信号をスケール変換して、Ｎ×ｋ個のスケール変換信号を得るステップと、各スケール変換信号をフーリエ変換して対数を取ることで、対数空間における軸方向周波数領域信号を得て、前記軸方向周波数領域信号をノイズ除去するステップと、Ｋ個のスケールに基づいて、Ｎ×ｋ個のノイズ除去された軸方向周波数領域信号をｋグループの単一スケール信号に分割し、各グループの単一スケール信号に対して無相関化計算を行って単一スケールの血流信号を得るステップと、ｋグループの単一スケールの血流信号に基づいて、マルチスケールの血流信号を得るステップと、マルチスケールの血流信号に基づいて、血流像を得るステップとを含む。本出願は、血流信号の認識精度が向上する。

【特許請求の範囲】

【請求項1】

目標領域に対してＡスキャンをＮ回繰り返して得られるＮ個の干渉スペクトル信号である、前記目標領域の時間領域信号を取得するステップと、
ｋ個のスケールに基づいて、Ｎ個の前記干渉スペクトル信号のうちの各前記干渉スペクトル信号をスケール変換して、Ｎ×ｋ個のスケール変換信号を得るステップであって、ｋ個の前記スケールに基づいて、何れかの前記干渉スペクトル信号をスケール変換することは、Ｋ個の前記スケールのそれぞれに基づいて、前記何れかの干渉スペクトル信号を分解して、前記何れかの干渉スペクトル信号に対応するｋ個の前記スケール変換信号を得ることを含むステップと、
各前記スケール変換信号をフーリエ変換して対数を取ることで、対数空間における軸方向周波数領域信号を得て、前記軸方向周波数領域信号をノイズ除去するステップと、
ｋ個のスケールに基づいて、Ｎ×ｋ個のノイズ除去された前記軸方向周波数領域信号をｋグループの単一スケール信号に分割して、各グループの前記単一スケール信号に対して無相関化計算を行って単一スケールの血流信号を得るステップと、
ｋグループの前記単一スケールの血流信号に基づいて、マルチスケールの血流信号を得るステップと、
前記マルチスケールの血流信号に基づいて、血流像を得るステップと、を含む、
ことを特徴とする光干渉断層血管造影方法。

【請求項2】

前記干渉スペクトル信号がサンプリング時間帯Ｔに対応し、Ｋ個の前記スケールのそれぞれに基づいて、前記何れかの干渉スペクトル信号を分解して、前記何れかの干渉スペクトル信号に対応するｋ個の前記スケール変換信号を得るステップは、
ｋ個の前記スケールのうちの何れかのスケールに基づいて、前記何れかの干渉スペクトル信号を分解して、前記何れかの干渉スペクトル信号が前記何れかのスケールに対応するスケール変換信号を得る操作を含み、当該操作は、
前記何れかのスケールに対応する分解信号を特定するステップであって、前記分解信号が前記サンプリング時間帯Ｔにおける信号であり、前記分解信号が少なくとも１つの時間グループを含み、前記時間グループが隣接する第１時間帯及び第２時間帯、隣接する２つの前記第１時間帯、又は、隣接する２つの前記第２時間帯を含むステップと、
前記第１時間帯に対応する前記何れかの干渉スペクトル信号に順方向信号を乗算して第１信号を得るステップと、
前記第２時間帯に対応する前記何れかの干渉スペクトル信号に逆方向信号を乗算して第２信号を得るステップと、
少なくとも１つの前記第１信号及び少なくとも１つの前記第２信号に基づいて、前記何れかの干渉スペクトル信号が前記何れかのスケールに対応するスケール変換信号を得るステップと、を含む、
ことを特徴とする請求項１に記載の方法。

【請求項3】

対数空間における前記軸方向周波数領域信号をノイズ除去して、ノイズ除去された前記軸方向周波数領域信号を得るステップは、
分割閾値を特定するステップを含み、
前記軸方向周波数領域信号の振幅が前記分割閾値以上である場合、前記ノイズ除去された軸方向周波数領域信号は、前記対数空間における軸方向周波数領域信号と等しく、
前記軸方向周波数領域信号の振幅が前記分割閾値よりも小さい場合、前記ノイズ除去された軸方向周波数領域信号は、前記分割閾値と等しい、
ことを特徴とする請求項１に記載の方法。

【請求項4】

前記分割閾値を特定するステップは、
クラスタリングアルゴリズムに基づいて、全ての前記軸方向周波数領域信号に対応するノイズ信号を抽出するステップと、
前記ノイズ信号に基づいて分割閾値を特定するステップと、を含む、
ことを特徴とする請求項３に記載の方法。

【請求項5】

各グループの前記単一スケール信号に対して無相関化計算を行って単一スケールの血流信号を得るステップは、
前記各グループの前記単一スケール信号の１次統計量、２次統計量及び３次統計量を決定するステップと、
前記１次統計量、２次統計量及び３次統計量に基づいて無相関化計算を行って前記単一スケールの血流信号を決定するステップと、を含む、
ことを特徴とする請求項１に記載の方法。

【請求項6】

各前記スケール変換信号をフーリエ変換して対数を取ることで、対数空間における軸方向周波数領域信号を得た後に、
位相相関アルゴリズムに基づいて、前記軸方向周波数領域信号の全てをアライメント操作するステップを更に含む、
ことを特徴とする請求項１に記載の方法。

【請求項7】

ｋ個のスケールに基づいて、前記Ｎ個の前記干渉スペクトル信号のうちの各前記干渉スペクトル信号をスケール変換する前に、前記時間領域信号のうち、各前記干渉スペクトル信号を分散補償するステップを更に含む、
ことを特徴とする請求項１に記載の方法。

【請求項8】

目標領域に対してＡスキャンをＮ回繰り返して得られるＮ個の干渉スペクトル信号である、前記目標領域の時間領域信号を取得するための取得モジュールと、
ｋ個のスケールに基づいて、Ｎ個の前記干渉スペクトル信号のうちの各前記干渉スペクトル信号をスケール変換して、Ｎ×ｋ個のスケール変換信号を得るためのスケール変換モジュールであって、ｋ個の前記スケールに基づいて、何れかの前記干渉スペクトル信号をスケール変換することは、Ｋ個の前記スケールのそれぞれに基づいて、前記何れかの干渉スペクトル信号を分解して、前記何れかの干渉スペクトル信号に対応するｋ個の前記スケール変換信号を得ることを含むスケール変換モジュールと、
各前記スケール変換信号をフーリエ変換して対数を取ることで、対数空間における軸方向周波数領域信号を得て、前記軸方向周波数領域信号をノイズ除去するための周波数領域変換モジュールと、
ｋ個のスケールに基づいて、Ｎ×ｋ個のノイズ除去された前記軸方向周波数領域信号をｋグループの単一スケール信号に分割して、各グループの前記単一スケール信号に対して無相関化計算を行って単一スケールの血流信号を得るための無相関化モジュールと、
ｋグループの前記単一スケールの血流信号に基づいて、マルチスケールの血流信号を得るための融合モジュールと、
前記マルチスケールの血流信号に基づいて、血流像を得るための撮像モジュールと、を備える、
ことを特徴とする光干渉断層血管造影装置。

【請求項9】

１つ又は複数のプロセッサと、
メモリと、を備え、
１つ又は複数のコンピュータプログラムは、メモリに記憶され、１つ又は複数のプロセッサによって実行するように配置され、
前記１つ又は複数のコンピュータプログラムは、請求項１～７の何れか１項に記載の光干渉断層血管造影方法を実行するために用いられる、
ことを特徴とする電子機器。

【請求項10】

プロセッサによってロードされ、請求項１～７の何れか１項に記載の光干渉断層血管造影方法を実行するコンピュータプログラムが記憶されている、
ことを特徴とするコンピュータ読み取り可能な記憶媒体。

【発明の詳細な説明】

【技術分野】

【0001】

本出願は、光干渉断層撮影の分野に関し、特に、光干渉断層血管造影方法、装置、電子機器及び記憶媒体関する。

【背景技術】

【0002】

光干渉断層撮影技術（ＯｐｔｉｃａｌＣｏｈｅｒｅｎｃｅＴｏｍｏｇｒａｐｈｙ、ＯＣＴ）は、高感度、高分解能、高速、非侵襲的撮影方式であり、眼底疾患の診断に広く用いられ、眼科疾患の検出及び治療に大きな意義を持っている。

【0003】

断層撮影方式として、ＯＣＴは、光の干渉性を利用して、眼底をスキャンし撮像し、１回のスキャンを１つのＡスキャン（Ａ－ｓｃａｎ）と呼び、隣接する連続的な複数のスキャングループを合わせて１つのＢスキャン（Ｂ－ｓｃａｎ）と呼び、Ｂ－ｓｃａｎは、一般的に見られるＯＣＴ断面であり、医療診断におけるＯＣＴの最も重要な撮影方式である。

【0004】

ＯＣＴ分野では、ＯＣＴＡ（ＯＣＴＡｎｇｉｏｇｒａｐｈｙ、光干渉断層血管造影）は、近年進んできた新しい技術である。網膜ＯＣＴＡマップは、網膜の血流の形状や、血流の分布等を直観的に表示することができ、眼底疾患の診断に重要である。静止した眼球では、眼底で動く物質は、血管内を流れる血球だけであるため、ＯＣＴＡでは、血管内を流れる赤血球を造影剤として、動く血球によるＯＣＴ信号の差を測定し、血流情報を提供し、網脈絡膜血管の三次元構造を迅速且つ非侵襲的に再構築し、これにより、血管網の可視化を実現することができる。血管造影では、同じ位置を数回繰り返し撮像し、数回撮像されたＢ－ｓｃａｎ間の差分を計算して、現在位置の血流信号を得る必要がある。

【発明の概要】

【発明が解決しようとする課題】

【0005】

しかし、ＯＣＴＡの軸方向の分解能が高いため、脈動のジッタノイズの影響を受けやすく、撮像効果に誤差が生じやすい。そのため、一般的には、軸方向の分解能を下げてノイズの影響を低減させるが、軸方向の分解能を下げると、血流信号の認識精度が低下するおそれがある。

【課題を解決するための手段】

【0006】

血流信号の認識精度を向上させるために、本出願は、光干渉断層血管造影方法、装置、電子機器及び記憶媒体を提供する。

【0007】

第１態様によれば、本出願は、以下の光干渉断層血管造影方法を提供する。

【0008】

光干渉断層血管造影方法は、
目標領域に対してＡスキャンをＮ回繰り返して得られるＮ個の干渉スペクトル信号である、前記目標領域の時間領域信号を取得するステップと、
ｋ個のスケールに基づいて、Ｎ個の前記干渉スペクトル信号のうちの各前記干渉スペクトル信号をスケール変換して、Ｎ×ｋ個のスケール変換信号を得るステップであり、ｋ個の前記スケールに基づいて、何れかの前記干渉スペクトル信号をスケール変換することは、Ｋ個の前記スケールのそれぞれに基づいて、前記何れかの干渉スペクトル信号を分解して、前記何れかの干渉スペクトル信号に対応するｋ個の前記スケール変換信号を得るステップと、
各前記スケール変換信号をフーリエ変換して対数を取ることで、対数空間における軸方向周波数領域信号を得て、前記軸方向周波数領域信号をノイズ除去するステップと、
ｋ個のスケールに基づいて、Ｎ×ｋ個のノイズ除去された前記軸方向周波数領域信号をｋグループの単一スケール信号に分割して、各グループの前記単一スケール信号に対して無相関化計算を行って単一スケールの血流信号を得るステップと、
ｋグループの前記単一スケールの血流信号に基づいて、マルチスケールの血流信号を得るステップと、
前記マルチスケールの血流信号に基づいて、血流像を得るステップと、を含む。

【0009】

上述した実施例によれば、血流信号は、局所的な変動を有する非定常信号であり、１つの干渉スペクトル信号は、１回のスケール変換後に複数のセグメントに分解されるため、その後の無相関化計算を行う場合、異なる時間における同一の目標領域に対応する各セグメントの干渉スペクトル信号に対応する軸方向周波数領域信号を比較することができ、セグメントを分解して比較するによって、非定常状態の変動信号をより正確に捉えることができ、正確な血流信号の抽出が可能となる。

【0010】

更に、１つの干渉スペクトル信号を複数のスケールで変換し、各スケールに対応する分解セグメントの数が異なり、つまり、セグメントを分解して比較するスケールが異なるため、異なるスケールで非定常信号の変動を測定することができる。そのため、１つの干渉スペクトル信号を、同時にスケール変換して複数のスケールの融合を行うことで、単一スケールの誤判定率を低減することができ、血流信号の抽出精度及び処理効率を向上させることができる。また、１回の干渉スペクトル信号のうち、ポイントの全てが保持されるため、画像のより多くの詳細を復元することができ、Ｓ／Ｎ比を向上させることができる。

【0011】

実現可能な実施例では、前記干渉スペクトル信号がサンプリング時間帯に対応して、Ｋ個の前記スケールのそれぞれに基づいて、前記何れかの干渉スペクトル信号を分解して、前記何れかの干渉スペクトル信号に対応するｋ個のスケール変換信号をステップことは、
ｋ個の前記スケールのうちの何れかのスケールに基づいて、前記何れかの干渉スペクトル信号を分解して、前記何れかの干渉スペクトル信号が前記何れかのスケールに対応するスケール変換信号を得る操作を含み、該操作は、
前記何れかのスケールに対応する分解信号を特定するステップであって、前記分解信号が前記サンプリング時間帯Ｔにおける信号であり、前記分解信号が少なくとも１つの時間グループを含み、前記時間グループが隣接する第１時間帯及び第２時間帯、隣接する２つの前記第１時間帯、又は、隣接する２つの前記第２時間帯を含むステップと、
前記第１時間帯に対応する前記何れかの干渉スペクトル信号に順方向信号を乗算して第１信号を得るステップと、
前記第２時間帯に対応する前記何れかの干渉スペクトル信号に逆方向信号を乗算して第２信号を得るステップと、
少なくとも１つの前記第１信号及び少なくとも１つの前記第２信号に基づいて、前記何れかの干渉スペクトル信号が前記何れかのスケールに対応するスケール変換信号を得るステップと、を含む。

【0012】

上述した実施例によれば、スケールに対応する少なくとも１つの時間グループに基づいてサンプリング時間帯Ｔを分割し、順方向信号及び逆方向信号に基づいて干渉スペクトル信号を異なるの少なくとも１つの第１信号と少なくとも１つの第２信号に分割し、干渉スペクトル信号のセグメント化を実現し、該スケールに対応するスケール変換信号を得る。

【0013】

実現可能な実施例では、対数空間における前記軸方向周波数領域信号をノイズ除去して、ノイズ除去された前記軸方向周波数領域信号を得るステップは、
分割閾値を特定するステップを含み、
前記軸方向周波数領域信号の振幅が前記分割閾値以上である場合、前記ノイズ除去された軸方向周波数領域信号は、前記対数空間における軸方向周波数領域信号と等しく、
前記軸方向周波数領域信号の振幅が前記分割閾値よりも小さい場合、前記ノイズ除去された軸方向周波数領域信号は、前記分割閾値と等しい。

【0014】

上述した実施例によれば、分割閾値に基づいて、軸方向周波数領域信号をノイズ低減して分割することで、Ｓ／Ｎ比を向上させる。

【0015】

実現可能な実施例では、前記分割閾値を特定するステップは、
クラスタリングアルゴリズムに基づいて、全ての前記軸方向周波数領域信号に対応するノイズ信号を抽出するステップと、
前記ノイズ信号に基づいて分割閾値を特定するステップとを含む。

【0016】

上述した実施例によれば、教師なし学習によりノイズ信号を抽出し分割閾値を特定し、軸方向周波数領域信号によって閾値を自動的に決定することで、分割閾値の決定精度を向上させ、Ｓ／Ｎ比を向上させることができる。

【0017】

実現可能な実施例では、各グループの前記単一スケール信号に対して無相関化計算を行って単一スケールの血流信号を得るステップは、
前記各グループの前記単一スケール信号の１次統計量、２次統計量及び３次統計量を決定するステップと、
前記１次統計量、２次統計量及び３次統計量に基づいて無相関化計算を行って前記単一スケールの血流信号を決定するステップとを含む。

【0018】

上述した実施例によれば、高次の統計量を利用することで、単一スケールの信号からより有用な情報を抽出し、無相関化計算を行うことができ、単一血流スケールの信号の抽出精度を向上させる。

【0019】

実現可能な実施例では、各前記スケール変換信号をフーリエ変換して対数を取ることで、対数空間における軸方向周波数領域信号を得た後に、
位相相関アルゴリズムに基づいて、全ての前記軸方向周波数領域信号に対してアライメント操作を実行するステップを更に含み、
前記ノイズ除去された軸方向周波数領域信号は、アライメント操作後の前記軸方向周波数領域信号に基づいてノイズ除去した信号である。

【0020】

上述した実施例によれば、アライメント操作は、ジッタが軸方向周波数領域信号への干渉を低減し、Ｓ／Ｎ比を改善する効果を達成する。

【0021】

実現可能な実施例では、ｋ個のスケールに基づいて、Ｎ個の前記干渉スペクトル信号のうちの各前記干渉スペクトル信号をスケール変換する前に、前記時間領域信号のうち、各前記干渉スペクトル信号を分散補償するステップを更に含む。

【0022】

第２態様によれば、本出願は、以下の光干渉断層血管造影装置を提供する。

【0023】

光干渉断層血管造影装置は、
目標領域に対してＡスキャンをＮ回繰り返して得られるＮ個の干渉スペクトル信号である、前記目標領域の時間領域信号を取得するための取得モジュールと、
ｋ個のスケールに基づいて、Ｎ個の前記干渉スペクトル信号のうちの各前記干渉スペクトル信号をスケール変換して、Ｎ×ｋ個のスケール変換信号を得るためのスケール変換モジュールであって、ｋ個の前記スケールに基づいて、何れかの前記干渉スペクトル信号をスケール変換することは、Ｋ個の前記スケールのそれぞれに基づいて、前記何れかの干渉スペクトル信号を分解して、前記何れかの干渉スペクトル信号に対応するｋ個の前記スケール変換信号を得ることを含むスケール変換モジュールと、
各前記スケール変換信号をフーリエ変換して対数を取ることで、対数空間における軸方向周波数領域信号を得て、前記軸方向周波数領域信号をノイズ除去するための周波数領域変換モジュールと、
ｋ個のスケールに基づいて、Ｎ×ｋ個のノイズ除去された前記軸方向周波数領域信号をｋグループの単一スケール信号に分割して、各グループの前記単一スケール信号に対して無相関化計算を行って単一スケールの血流信号を得るための無相関化モジュールと、
ｋグループの前記単一スケールの血流信号に基づいて、マルチスケールの血流信号を得るための融合モジュールと、
前記マルチスケールの血流信号に基づいて、血流像を得るための撮像モジュールと、を備える。

【0024】

上述した実施例によれば、血流信号は、局所的な変動を有する非定常信号であり、１つの干渉スペクトル信号は、１回のスケール変換後に複数のセグメントに分解され、その後の無相関化計算を行う場合、異なる時間における同一の目標領域に対応する各セグメントの干渉スペクトル信号に対応する軸方向周波数領域信号を比較することができ、セグメントを分解して比較するによって、非定常状態の変動信号をより正確に捉えることができ、正確な血流信号の抽出が可能となる。

【0025】

また、１つの干渉スペクトル信号を複数のスケールで変換し、各スケールに対応する分解セグメントの数が異なり、つまり、セグメントを分解して比較するスケールが異なるため、異なるスケールで非定常信号の変動を測定することができる。従って、１つの干渉スペクトル信号に対して、同時にスケール変換して且複数のスケールの融合を行うことで、単一スケールの誤判定率を低減することができ、血流信号の抽出精度及び処理効率を向上させる。また、１回の干渉スペクトル信号のうち、ポイントの全てが保持されるため、画像のより多くの詳細を復元することができ、Ｓ／Ｎ比を向上させることができる。

【0026】

実現可能な実施例では、前記スケール変換モジュールは、何れかの前記スケールに基づいて、前記何れかの干渉スペクトル信号を分解し、前記スケール変換信号を得る場合、具体的には、
前記干渉スペクトル信号がサンプリング時間帯Ｔに対応することと、
何れかの前記スケールに対応する分解信号を特定することであって、前記分解信号が前記サンプリング時間帯Ｔにおける信号であり、前記分解信号が少なくとも１つの時間グループを含み、前記時間グループが隣接する第１時間帯及び第２時間帯、隣接する２つの前記第１時間帯、又は、隣接する２つの前記第２時間帯を含むことと、
前記第１時間帯に対応する前記干渉スペクトル信号に順方向信号を乗算して第１信号を得ることと、
前記第２時間帯に対応する前記干渉スペクトル信号に逆方向信号を乗算して第２信号を得ることと、
少なくとも１つの前記第１信号及び少なくとも１つの前記第２信号に基づいて、前記スケール変換信号を得ることのために用いられる。

【0027】

実現可能な実施例では、前記装置は、対数空間における前記軸方向周波数領域信号をノイズ除去するノイズ除去モジュールを更に備え、ノイズ除去された前記軸方向周波数領域信号を得る場合、具体的には、
分割閾値を特定するために用いられ、
前記軸方向周波数領域信号の振幅が前記分割閾値以上である場合、前記ノイズ除去された軸方向周波数領域信号は、前記対数空間における軸方向周波数領域信号と等しく、
前記軸方向周波数領域信号の振幅が前記分割閾値よりも小さい場合、前記ノイズ除去された軸方向周波数領域信号は、前記分割閾値と等しい。

【0028】

実現可能な実施例では、前記ノイズ除去モジュールは、分割閾値を特定する場合、具体的には、
クラスタリングアルゴリズムに基づいて、全ての前記軸方向周波数領域信号に対応するノイズ信号を抽出することと、
前記ノイズ信号に基づいて分割閾値を特定することとのために用いられる。

【0029】

実現可能な実施例では、前記無相関化モジュールは、各グループの前記単一スケール信号に対して無相関化計算を行って単一スケールの血流信号を得る場合、具体的には、
前記各グループの前記単一スケール信号の１次統計量、２次統計量及び３次統計量を決定することと、
前記１次統計量、２次統計量及び３次統計量に基づいて無相関化計算を行って前記単一スケールの血流信号を決定することとのために用いられる。

【0030】

実現可能な実施例では、前記装置は、アライメントモジュールを更に備え、前記アライメントモジュールは、具体的には、対数空間における軸方向周波数領域信号得た後、
位相相関アルゴリズムに基づいて、全ての前記軸方向周波数領域信号に対してアライメント操作を実行するために用いられ、
前記ノイズ除去された軸方向周波数領域信号が、アライメント操作後の前記軸方向周波数領域信号に基づいてノイズ除去した信号である。

【0031】

実現可能な実施例では、前記装置は、分散補償モジュールを更に備え、前記分散補償モジュールは、具体的には、
ｋ個のスケールに基づいて、前記Ｎ個の前記干渉スペクトル信号のうちの各前記干渉スペクトル信号をスケール変換する前に、前記時間領域信号のうち、各前記干渉スペクトル信号を分散補償するために用いられる。

【0032】

第３態様によれば、本出願は、電子機器を提供する。

【0033】

電子機器は、
１つ又は複数のプロセッサと、
メモリと、を備え、
１つ又は複数のコンピュータプログラムは、メモリに記憶され、１つ又は複数のプロセッサによって実行するように配置され、
前記１つ又は複数のコンピュータプログラムは、上記の光干渉断層血管造影方法を実行するために配置される。

【0034】

第４態様によれば、本出願は、以下のコンピュータ読み取り可能な記憶媒体を提供する。

【0035】

コンピュータ読み取り可能な記憶媒体は、プロセッサによってロードされ、上記の光干渉断層血管造影方法を実行するコンピュータプログラムが記憶されている。

【0036】

以上をまとめて、本出願は、少なくとも以下の有益な技術効果を含む。

【0037】

１つの干渉スペクトル信号は、１回のスケール変換後に複数のセグメントに分解され、その後の無相関化計算を行う場合、異なる時間における同一の目標領域に対応する各セグメントの干渉スペクトル信号に対応する軸方向周波数領域信号を比較することができ、セグメントを分解して比較するによって、非定常状態の変動信号をより正確に捉えることができ、正確な血流信号の抽出が可能となる。また、１回の干渉スペクトル信号のうち、ポイントの全てが保持されるため、画像のより多くの詳細を復元することができ、Ｓ／Ｎ比を向上させることができる。同時に、１つの干渉スペクトル信号を複数のスケールで変換し、各スケールに対応する分解セグメントの数が異なる、即セグメントを分解して比較するスケールが異なるため、異なるスケールで非定常信号の変動を測定することができる。従って、１つの干渉スペクトル信号に対して、同時にスケール変換して且複数のスケールの融合を行うことで、単一スケールの誤判定率を低減することができ、血流信号の抽出精度及び処理効率を向上させる。

【図面の簡単な説明】

【0038】

【図1】図１は、本出願の実施例に係る光干渉断層血管造影方法の模式的なフローチャートである。

【図2】図２は、時間領域信号をマルチスケール変換する模式図である。

【図3】図３は、本出願の実施例に係る（ａ）硝子体血流像、（ｂ）深部画像、（ｃ）浅部血流像である。

【図4】図４は、本出願の実施例のステップＳ０２１～ステップＳ０２３の模式的なフローチャートである。

【図5】図５は、本出願の実施例のステップＳ０３１～ステップＳ０３３の模式的なフローチャートである。

【図6】図６は、本出願の実施例の単一スケール信号に基づいて無相関化計算を行う模式図である。

【図7】図７は、本出願の実施例の光干渉断層血管造影装置の概略図である。

【図8】図８は、本出願の実施例の電子機器の模式図である。

【発明を実施するための形態】

【0039】

以下、図１～図８を参照して、本出願を更に詳細に説明する。

【0040】

当業者は、本明細書を読んだ後、必要に応じて、創造的貢献なしに本願の実施例に補正を加えることができるが、本願の特許請求の範囲に含まれる限り、特許法によって保護される。

【0041】

以下、本出願の実施例の目的、技術的手段及び利点をより明確にするために、本出願の実施例における図面を参照しながら、本出願の実施例における技術案を明確かつ完全に説明する。記載された実施例は本出願の実施例の一部であり、実施例の全てではないことは明らかである。本願の実施例に基づいて、当業者が創造的な工夫を要することなく得られる他の全ての実施例は、本願の保護範囲に含まれる。

【0042】

また、本明細書において、「及び／又は」という用語は、単に関連する対象の関連関係を説明し、３種類の関係が存在し得ることを示し、例えば、Ａ及び／又はＢは、Ａのみが存在し、Ａ及びＢの両方が存在し、又は、Ｂのみが存在することを示すことができる。また、本明細書において「／」は、特に指定がない場合、一般に、関連対象が「又は」の関係にあることを示す。

【0043】

本出願において提出される技術案の理解を容易にするために、先ず、本出願の説明に導入される幾つかの要素を説明する。以下の説明は、本願の実施例の内容を理解する観点から、これらの要素の理解を容易にするために過ぎず、必ずしも全ての可能な場合を網羅するものではないことを理解されたい。

【0044】

（１）Ａスキャン：深度方向においてサンプルから反射された深度反射輪郭について、１回のＡスキャンによって１つの干渉スペクトル信号を得て、サンプルの１つの軸方向の深度の画像情報はすべて干渉スペクトル信号に含まれ、それをフーリエ変換して、１つのサンプルの１つの軸方向深度の画像を得る。

【0045】

（２）Ｂスキャン：隣接し連続的、かつ、異なる位置にある複数の干渉スペクトル信号（Ａスキャン信号）（例えば、Ｎ１個の干渉スペクトル信号）を含む。各干渉スペクトル信号は、Ｘ個のポイントを含み、これらのスペクトルは、Ｎ１×Ｘのデータパケットを構成する。具体的には、時間領域での光干渉断層撮影技術は、深度方向のスキャンが必要であり、ＯＣＴの高速のリアルタイム撮影に不利である。周波数領域での光干渉断層撮影システムは、サンプルアーム及び参照アームの干渉スペクトルをフーリエ変換することで、深度方向（Ｚ方向）の全ての情報（Ａ－スキャン信号）を得ることができ、深度方向の機械的スキャン（Ａ－スキャン）を必要とせず、横方向のスキャン（Ｘ方向走査及びＹ方向走査）のみが必要であり、１回のＸ方向走査によってＢスキャン画像を形成し、Ｙ方向走査によってＯＣＴ三次元信号を形成する。

【0046】

（３）ＯＣＴＡシステムの軸方向の分解能は、サンプルの軸方向の深度断層撮像を分解可能な最小距離を意味する。各干渉スペクトル信号に含まれるＸ個のポイントは、ＯＣＴＡシステムの軸方向の分解能によって決定され、ＯＣＴＡ画像の横方向分解能と軸方向の分解能とが互いに相関しない。ＯＣＴＡシステムは、横方向分解能に依存せず、おおよそ（１～１５ｕｍ）の軸方向の分解能を提供することができ、軸方向の分解能は、主に幅光源の干渉長さに依存する。

【0047】

（４）Ｓ／Ｎ比は、画像における信号とノイズとの比を計算して画像を評価する指標であり、グローバル評価基準である。ＯＣＴＡ画像について、Ｓ／Ｎ比の値が大きいほど、画像におけるスペックルノイズが少なく、画像のノイズ除去効果が高く、画質が良い。

【0048】

本出願の実施例は、電子機器によって実行される光干渉断層血管造影方法を提供している。図１を参照して、該方法は以下のステップを含む。

【0049】

ステップＳ１０１において、目標領域の時間領域信号を取得する。

【0050】

ここで、時間領域信号は、目標領域に対してＡスキャンをＮ回繰り返して得られるＮ個の干渉スペクトル信号である。時間領域信号の式は、Ｉ（ｉ，ｘ，ｔ）であり、ｉ＝１、２、・・・Ｎである。Ｘは、スキャン位置（即ち、目標領域）であり、ｔは、現在のＡスキャンにおけるスキャン時間点であり、各Ａスキャンに対応する時間は、サンプリング時間帯Ｔである。一般的には、Ａスキャンのスキャンレートは、通常、毎秒７０００回、毎秒１００００回・・・となるように設定される。

【0051】

ここで、１回のＡスキャンによって取得された干渉スペクトル信号をフーリエ変換して、サンプルの深度情報を得ることができる。１つの干渉スペクトル信号に対応するデータポイントが多いほど、フーリエ変換された画像のポイントが多くなり、画像の分解能も高くなる。血管造影の場合、高分解能の画像は、異なる組織、異なるレベルの血流信号をより正確に認識することができる。

【0052】

１回のＡスキャンの時間（サンプリング時間帯Ｔ）は、人為的に設定される時間であり、１回のＡスキャンの時間を設定する際に、入射光のパワーや、サンプルの反射率や、測定深度及び深度情報の取得速度等の情報を考慮する必要がある。例えば、在弱散乱媒体では、ＯＣＴシステムの感度により検出可能な最小光信号が決定され、強散乱媒体では、ＯＣＴシステムの感度により最大撮像深度が決定される。１回のＡスキャンの信号取得時間を延長し、深度情報の取得速度を低下させることで、ＯＣＴの感度を向上させることができる。

【0053】

定常信号を分析する場合、最も一般的、かつ、最も重要な分析方法は、フーリエ変換であるが、フーリエ分析においてグローバル変換（１つのサンプリング時間帯Ｔに対応）を用いるため、非定常信号の最も基本的な性質である信号の時間－周波数局所性を表現することができない。本出願の実施例に検討する血流信号は、非定常信号である。

【0054】

血流信号の変動を抽出するために、分割スペクトル振幅―無相関化血管撮影（ｓｐｌｉｔ－ｓｐｅｃｔｒｕｍａｍｐｌｉｔｕｄｅ－ｄｅｃｏｒｒｅｌａｔｉｏｎａｎｇｉｏｇｒａｐｈｙ、ＳＳＡＤＡ－ＯＣＴ）について改良のアルゴリズムを提出した。ＳＳＡＤＡは、ＯＣＴスペクトル全体を幾つかの狭いバンドに分割し、これらのバンドごとに、異なるＢスキャン間の相関性を計算し平均化する。具体的なステップは、データ処理中に、異なる位置のバンドパスフィルタ（例えば、等間隔に配置された４つのバンドパスフィルタ）によってスペクトラムを分離し、該ステップは、スペクトル分割と呼ばれる。そして、各Ｂスキャンのペアの間で得られるＭ個の独立の無相関化画像に基づいて得られる画像は、軸方向の分解能が低く、横方向の分解能が同じのものである。

【0055】

しかし、上記のスペクトル分割によって、より正確な血流信号の変動を取得して、Ｓ／Ｎ比を向上させることができるが、干渉スペクトル信号の一部のデータポイントが廃棄されるため、復元された画像の軸方向の分解能が低下する。

【0056】

高い軸方向の分解能を保持し、変化した血流信号を正確に抽出できるようにするために、本出願の実施例は、１回のＡスキャンに対応するデータポイントを全て保持し、血流信号の局所的な変化の性質に基づいて、１回のＡスキャンに対応する信号を複数のセグメントの単位信号（即ち、１回のスケール変換）に分解し、各セグメントの単位信号内での血流信号の変化を分析することで、血流信号を正確に抽出する。

【0057】

ステップＳ１０２において、ｋ個のスケールに基づいて、Ｎ個の干渉スペクトル信号のうち、各干渉スペクトル信号をスケール変換して、Ｎ×ｋ個のスケール変換信号を得る。

【0058】

ここで、ｋ個のスケールに基づいて何れかの干渉スペクトル信号をスケール変換することは、各スケールに基づいて何れかの干渉スペクトル信号を分解し、何れかの干渉スペクトル信号に対応するｋ個のスケール変換信号を得ることを含む。

【0059】

干渉スペクトル信号を１回でスケール変換する場合、干渉スペクトル信号を複数のセグメントの単位信号に分解し、在無相関化計算を行う場合、各セグメントの単位信号に対応する軸方向周波数領域信号を比較することができる。セグメントを分解して比較するは、１回の干渉スペクトル信号内の非定常の変動信号をより正確に捉えることができ、正確な血流信号の抽出が可能となる。

【0060】

１次干渉スペクトル信号を複数のスケールで変換し、各スケールに対応する分解セグメントの数が異なり、即ち、セグメントを分解して比較するスケールが変動するため、異なるスケールで非定常の変動信号を測定することができる。

【0061】

また、スペクトル分割際の周波数帯域の間に重なりが存在する可能性があり、計算を繰り返すと、計算効率の低下を招く恐れがあり、スペクトル分割と比べて、本出願の実施例では、１つの干渉スペクトル信号のうち、ポイントの全てを保持できるだけでなく、データの計算を繰り返すことも回避できる。

【0062】

ステップＳ１０３において、各スケール変換信号をフーリエ変換して対数を取ることで、対数空間における軸方向周波数領域信号を得る。

【0063】

ステップＳ１０４において、Ｋ個のスケールに基づいて、Ｎ×ｋ個のノイズ除去された軸方向周波数領域信号をｋグループの単一スケール信号に分割し、各グループの単一スケール信号に対して無相関化計算を行って単一スケールの血流信号を得る。

【0064】

本出願の実施例では、軸方向周波数領域信号をノイズ除去する原理は以下の通りである。モーションコントラストに対する無相関化アルゴリズムの定量的効果は、元のＡ－スキャン信号のノイズレベルに大きく依存し、信号強度の減衰（例えば、深部組織領域）により、ランダム性ノイズが徐々に主成分を占めるようになり、これにより、無相関値も大きくなり、無相関アーチファクトを生じる。例えば、通常、無相関演算に基づいて生成されるモーションコントラストは、ノイズのランダム性と赤血球の動きによる無相関を区別することができないため、Ｓ／Ｎ比の弱い領域が血流信号の領域として誤分類されやすい。その結果、血流像のコントラストに深刻な影響を与える。一方、ノイズ除去処理によって、ノイズ除去された軸方向周波数領域信号は、その後の無相関計算の時の該ランダムノイズ信号による誤差を低減又は除去することができる。

【0065】

ステップＳ１０５において、ｋグループの単一スケールの血流信号に基づいて、マルチスケールの血流信号を得る。

【0066】

ここで、１つのＢスキャン信号は、異なる位置の複数のＡスキャン信号を含む。ステップＳ１０１～ステップＳ１０４のステップ処理後、何れかの位置のＡスキャン信号は、何れかの位置に対応するマルチスケールの血流信号である。１回のＢスキャン信号の各位置のスケールの血流信号を分析することで、構造断面全体の血管信号を得ることができる。

【0067】

本出願の実施例では、最初に取得した１つの干渉スペクトル信号を、同時にスケール変換して複数のスケールで融合することで、血流信号の抽出精度及び処理効率を向上させることができる。

【0068】

ステップＳ１０６において、マルチスケールの血流信号に基づいて、血流像を得る。

【0069】

具体的には、可視化ソフトウェアを利用して、マルチスケールの血流信号を血管画像に転換する。図３は、融合したマルチスケールの血流信号に対応する（ａ）硝子体血流像、（ｂ）深部画像、（ｃ）浅部血流像である。複数のスケールの融合に基づいて、単一スケールにおける誤判定率が低減され、Ｓ／Ｎ比が向上し、異なる組織、異なるレベルに対応する血流信号を正確に認識することができる。

【0070】

本出願の実現可能な実施例では、図２及び図４を参照して、ステップＳ１０２において、何れかのスケールに基づいて、何れかの干渉スペクトル信号を分解して、スケール変換信号を得ることは、以下のステップを含む。

【0071】

ステップＳ０２１おいて、何れかのスケールに対応する分解信号を特定する。

【0072】

ここで、各スケールは、プリセットされた１つの分解信号に対応する。分解信号の形式は、以下に示す。
［１，１，－１，－１］
［１，１，－１，－１］
［１，－１，－１，１］
［１，－１，１，～１］
・・・

【0073】

ここで、分解信号は、サンプリング時間帯Ｔにおける信号であり、分解信号が少なくとも１つの時間グループを含み、時間グループが、隣接する第１時間帯及び第２時間帯、隣接する２つの第１時間帯、又は、隣接する２つの第２時間帯を含む。

【0074】

［１，１，－１，～１］を例にとって説明すると、該分解信号は、第１時間グループ（Ｔ１，Ｔ１）及び第２時間グループ（Ｔ２，Ｔ２）の２つの時間グループに対応する。第１時間グループは、サンプリング時間帯Ｔにおいて、第２時間グループの前方位置に位置する。

【0075】

また、［１，－１，－１，１］を例として説明すると、該分解信号は、第１時間グループ（Ｔ１，Ｔ２）及び第２時間グループ（Ｔ２，Ｔ１）の２つの時間グループに対応する。第１時間グループは、サンプリング時間帯Ｔにおいて、第２時間グループの前の位置に位置する。

【0076】

更に、ｋ個の分解信号を表現しやすいために、ｋ個のスケールに対応するｋ個の分解信号を行に配列し、非ゼロ直交信号Ｓを形成する。非ゼロ直交信号Ｓは、以下の式で示すことができる。

【数1】

【0077】

ステップＳ０２２において、第１時間帯に対応する干渉スペクトル信号に順方向信号を乗算して第１信号を得て、第２時間帯に対応する干渉スペクトル信号に逆方向信号を乗算して第２信号を得る。

【0078】

ここで、第１信号と第２信号とは異なる。図２を参照して、本出願の実施例で例示した分解信号は、矩形波信号であるが、本出願の実施例の第１信号及び第２信号は、他の形式の信号も含み、例えば、第１信号と第２信号との間で円滑な切り替わることができる。

【0079】

上記の例では、１は順方向信号であり、―１は逆方向信号であり、Ｔ１は順方向信号に対応し、Ｔ２は逆方向信号に対応する。

【0080】

ステップＳ０２３において、少なくとも１つの第１信号及び少なくとも１つの第２信号に基づいてスケール変換信号を得る。

【0081】

得られるスケール変換信号は、以下の式（２）で示す。

【数2】

【0082】

更に、Ｋ個のスケールに基づいて、Ｎ個の干渉スペクトル信号のうち、各干渉スペクトル信号をスケール変換して、Ｎ×ｋ個のスケール変換信号を得る。つまり、

【数3】

【0083】

本出願の実施例では、異なる応用要求に応じて、異なるのスケール及び該スケールに対応する分解信号を設定することができる。スケール変換した後、各干渉スペクトル信号は、ｋ個のスケール変換信号に対応し、Ｎ個の干渉スペクトル信号は、合計Ｎ×ｋ個のスケール変換信号を得ることができる。

【0084】

本出願の実現可能な実施例では、ステップＳ１０１において、目標領域の時間領域信号を取得した後、ｋ個のスケールに基づいて、Ｎ個の干渉スペクトル信号のうち、各干渉スペクトル信号スケール変換する前に、時間領域信号のうち、各干渉スペクトル信号を分散補償することを更に含む。

【0085】

ＯＣＴシステムの軸方向の分解能は、干渉分光信号の半値幅に反比例する。システムの実際の光路において、参照アームとサンプルアームとの間の分散物質の長さの差は、分散ミスマッチを引き起こし、干渉分光信号に位相の変化が導入され、干渉分光信号のスペクトルが広くなり、ＯＣＴＡ画像の軸方向分解能の低下とＳ／Ｎ比の低下を招く恐れがある。

【0086】

既知の分散ミスマッチは、コリメータ、走査対物レンズ、光ファイバー、被測定サンプルなどのシステム構成要素に由来する。被測定サンプルの深度が異なると、検出光が通過する分散媒質の長さが異なり、分散ミスマッチの量も異なるため、被測定サンプルの深度によって軸方向の分解能が異なる。従って、撮像深度範囲内の異なる深度における軸分解能を理論的な軸分解能に近づけるためには、深度の変化に伴う分散の補償が特に重要となる。

【0087】

現在、ＯＣＴＡシステムの分散補償方式は、物理補償方式と数値補償方式に分けられる。物理補償方式は参照アームにハードウェアデバイスを追加することで両アーム間の分散ミスマッチを補償し、物理補償方式は光路にハードウェアデバイスを追加・変更する必要があるため、システムが複雑化し、他のノイズが導入され、コストが増大する。一方、数値補償法は、ＯＣＴＡによって収集されたデータのみに対して分散ミスマッチを解消するための後続処理を実行すればよい。本出願の一実施例は、時間領域信号の分散を補償するために数値補償法を採用する。

【0088】

具体的には、数値補償法には主に以下の種類がある。

【0089】

第一は、反復補償法であり、即ち、Ａスキャンされる空域の画質（例えば、鮮鋭度、レイリーエントロピーなど）を評価関数として、最適な補償効果が得られる分散補償係数を繰り返し探索する方法であり、ＭａｒＫｓらは、ＯＣＴＡシステムの解像度を向上させるために、黄金分割法に基づく反復法を用いて分散補償を行っている。

【0090】

第二は、デコンボリューション法であり、即ち、サンプルの構造や材質に応じて、サンプルの深度につれて変化する分散パラメータのコンボリューションカーネルを計算し、デコンボリューション演算によって分散のミスマッチを除去する方法である。

【0091】

第三は、短時間フーリエ変換法であり、即ち、スペクトルを窓関数で分割し、異なる周波数の光によって補償されるべき分散位相を計算する方法である。

【0092】

第四は、空域抽出法であり、即ち、干渉スペクトル信号のスペクトラムに対して、所定の閾値に応じて窓関数を設定し、サンプルの異なる深度のガウスピーク信号を抽出し、対応するスペクトルをフィッティング法により得て、その２次と３次の分散項を除去することで、異なる深度の分散ミスマッチを補正する方法である。

【0093】

第五は、分散係数フィッティング法であり、即ち、反復法を用いてサンプルの異なる深度における分散係数を事前に計算し、サンプルの材料情報を取得し、サンプルの深い位置における弱い信号を補正する方法である。

【0094】

本出願の実施例では、ステップＳ１０１における時間領域信号に対して分散補償を行い、更新された時間領域信号を得た後、ステップＳ１０２において、ｋ個のスケールに基づき、分散補償された時間領域信号の各干渉スペクトル信号をｋ個のスケールでスケール変換を行い、Ｎ×ｋ個のスケール変換された信号を得る。

【0095】

ＯＣＴＡのデータ取得の場合に、同一の位置において一定の時間間隔のＢスキャンを連続して採集し、Ｂスキャン間の無相関信号を比較することによって微小血管画像を再構成する必要がある。データ取得の過程で、データは必然的にサンプルの動き、環境ノイズ、システムの振動などの影響により不連続になり、血管画像の歪みや破損として現れ、画像にモーションアーチファクトが生じる。サンプルの動きによって生じるアーチファクトは、ＯＣＴＡの画質を著しく低下させ、組織微小血管の定量的検討に影響を与える。

【0096】

なお、呼吸や心拍、測定部位の意図しない揺れなど、様々なサンプルの動きの原因がある。心拍によるマイクロメートルスケールの皮膚の動きのような小さな動きでも、バックグラウンドノイズを増加させ、最終的に血管撮影の効果に影響を及ぼす。データ取得の間隔が長いほど、モーションアーチファクトが深刻であるため、モーションアーチファクトの除去は、ＯＣＴＡの血管抽出アルゴリズムにおける重要な要素である。アーチファクト除去の主な方法は画像アライメントである。

【0097】

具体的には、動きの影響を受けた画像の歪みや切れなどを補正し、モーションアーチファクトのない画像を得ることを目的として、変換、補間、シフトなどの手法を含む画像アライメントを行う。

【0098】

本出願の実施例の場合、Ｓ／Ｎ比を低下させる主な影響因子は並進である。そのため、本出願の実施例の可能な形態では、ステップＳ１０３において、スケール変換された各信号をフーリエ変換し対数をとって、対数空間内の軸方向周波数領域信号を得た後、位相相関アルゴリズムに基づいて、全ての軸方向周波数領域信号に対してアライメント操作を実行することを更に含む。ここで、ノイズ除去された軸方向周波数領信号は、アライメント操作後の軸方向周波数領域信号に基づいてノイズ除去された信号である。

【0099】

位相相関アルゴリズムは、画像が並進移動する状況に対処することができる。対数極座標モデルと組み合わせたフーリエ－メリン（Ｆｏｕｒｉｅｒ－Ｍｅｌｌｉｎ、ＦＭＴ）アルゴリズムは、フーリエ位相相関アルゴリズムの拡張であり、ＦＭＴは、回転及びスケーリングされた画像に直接対処することができる。このような周波数領域に基づく方法は、アライメントのために、画像のコンテンツ情報の全てを使用する。

【0100】

具体的には、並進移動処理を行うための位相相関アルゴリズムの過程は以下に示す。

【数4】

【0101】

上述した位相相関アルゴリズムに基づいて、ステップＳ１０３において、対数空間における軸方向周波数領域信号の全てを、上記の位相相関アルゴリズムに基づいてアライメント操作を行い、アライメントした軸方向周波数領域信号の全てを取得し、そして、アライメントした軸方向周波数領域信号の全てをノイズ除去することで、ノイズ除去された軸方向周波数領域信号を得る。

【0102】

本出願の実現可能な実施例では、図５を参照して、ステップＳ１０３の後、対数空間における軸方向周波数領域信号をノイズ除去して、ノイズ除去された軸方向周波数領域信号を得ることは、以下のステップを含む。

【0103】

ステップＳ０３１において、分割閾値を特定する。

【0104】

無相関アーチファクトのノイズ低減方法は以下の通りである。Ａスキャン信号の変化を統計する場合、ＯＣＴＡに対するノイズ信号の影響を分離するために強度閾値を設定し、強度マスクを生成することによって、Ｓ／Ｎ比が低いすべての信号を除去することにより、後続の無相関計算において、そのランダムノイズ信号による誤差を低減又は除去することができる。本願の実施例における分割閾値は強度マスクであり、分割閾値は、通常、人為的な経験に基づいて設定される。更に精度を向上させるために、本出願の実施例では、分割閾値を特定することは、クラスタリングアルゴリズムに基づいて、すべての軸方向周波数領域信号に対応するノイズ信号を抽出すること、及びノイズ信号に基づいて分割閾値を特定することを含む。

【0105】

クラスタリング法は、ノイズ信号を除去する目的を達成するために、信号中のクラスタを発見して、信号中の外れ値を見つけ出し除去するものである。本出願の実施例では、クラスタの集合から外れる信号がノイズ信号である。

【0106】

ここで、Ｋ－ｍｅａｎｓアルゴリズムは、伝統的な距離に基づくクラスタリングアルゴリズムであり、Ｋをパラメータとして入力し、Ｋ個の中心点をランダムに選択し、最終的にｎ個の対象をＫ個のクラスタに分割し、同じクラスタのメンバーは高い類似度を有し、異なるクラスタのメンバーは高い相違度を有する。具体的には、Ｋ－ｍｅａｎｓクラスタリングアルゴリズムにおけるクラスタリングの中心は、クラスタ内の全ての信号対象の属性の平均値を計算することによって特定され、ノイズ信号クラスの分布は、画像信号強度のＫ－ｍｅａｎｓクラスタリング分析を行うことによって得ることができる。

【0107】

具体的には、Ｋ－ｍｅａｎｓクラスタリングアルゴリズムに基づいてノイズ信号を抽出する流れは、ステップＳ１１（図示せず）、ステップＳ１２（図示せず）、ステップＳ１３（図示せず）、ステップＳ１４（図示せず）、及び、ステップＳ１５（図示せず）を含む。

【0108】

ステップＳ１１において、最遠点クラスタリング（ｆａｒｔｈｅｓｔ－ｆｉｒｓｔｓｔｒａｔｅｇｙ）を用いてＫ個のクラスタリングの中心を現在のクラスタリングの中心として選択する（Ｋは自然数である）。

【0109】

ステップＳ１２において、現在のクラスタリングの中心に応じて、すべての軸方向周波数領域信号をクラスタリングし、各軸方向周波数領域信号を最も近いクラスタリングの中心によって表されるクラスタにクラスタリングする。

【0110】

ステップＳ１２において、現在の各クラスタの平均値を新しいクラスタリングの中心として計算する。

【0111】

ステップＳ１３において、新しいクラスタリングの中心が前のクラスタリングの中心と同じであるか否かを判定し、同じである場合、ステップＳ１４を実行し、同じでない場合、新しいクラスタリングの中心を現在のクラスタリングの中心として、ステップＳ１２からステップＳ１３を循環させる。

【0112】

ステップＳ１４において、すべての新しいクラスタリングの中心のうち、任意の２つのクラスタリングの中心間の距離を計算する。

【0113】

ステップＳ１５において、任意の２つのクラスタリングの中心間の距離が設定された基準閾値よりも大きいかどうかを判断し、大きい場合、任意の２つのクラスタリングの中心間の距離が設定された基準閾値よりも大きいクラスタの部分を選別し、選別されたクラスタに対応する軸方向周波数領域信号をノイズ信号とし、大きくない場合、ノイズ信号がないことを特徴付ける情報を出力する。

【0114】

ノイズ信号を得た後、ノイズ信号の分布統計処理を行い、ノイズ信号の平均及び分散を得て、平均及び分散に基づいて分割閾値を特定する。最適な閾値を選択する方法としては、具体的には、最大クラス間分散法が挙げられる。平均及び分散に基づいて閾値を特定する方法は当業者に周知されているため、本明細書では繰り返す説明しない。

【0115】

分割閾値を特定した後、分割閾値に対応する信号強度に基づいて軸方向周波数領域信号を分割し、有効ターゲットをノイズから分離して画像のＳ／Ｎ比を向上させることができる。

【0116】

ステップＳ０３２において、軸方向周波数領域信号の振幅が分割閾値以上である場合、ノイズ除去された軸方向周波数領域信号は、対数空間における軸方向周波数領域信号と等しい。

【0117】

ステップＳ０３３において、軸方向周波数領域信号の振幅が分割閾値より小さい場合、ノイズ除去された軸方向周波数領域信号は分割閾値に等しい。

【数5】

【0118】

ノイズ除去された軸方向周波数領域信号を得た後、無相関化アルゴリズムの原理に基づいて、血流の流れによる信号相関性の変化を利用して、隣接するＢスキャン画像を差分分析し、血流信号を抽出する。

【0119】

本出願の実現可能な実施例では、図６を参照して、ステップＳ１０５において、各グループの単一スケール信号に対して無相関化計算を行って単一スケールの血流信号を得ることは、各グループの単一スケール信号の１次統計量、２次統計量及び３次統計量を決定することと、１次統計量、２次統計量及び３次統計量に基づいて無相関化計算を行って、単一スケールの血流信号を決定することとを含む。

【数6】

【0120】

統計学的な観点から、正規分布のランダム変数（ベクトル）の統計的特徴は、一次統計量及び二次統計量によって完全に表現することができる。例えば、ガウス分布のランダムなベクトルについて、その数学的期待値及び共分散行列を知れば、その結合確率密度関数を知ることができる。ガウスランダム過程について、その平均値及び自己相関関数（又は自己共分散関数）を知れば、その確率構造を知ることができ、即ち、その全体の統計的特徴を知る。

【0121】

しかし、ランダム変数やランダム過程がガウス分布に従わない場合、１次統計量や２次統計量ではその統計的特徴を完全に表現することができない。言い換えれば、１次統計量や２次統計量にすべての情報が含まれず、高次統計量にも多くの有用な情報が含まれる。

【0122】

信号処理において高次統計量を使用する主な動機としては、１）未知のパワースペクトルの加法性色ノイズの影響の抑制、２）非最小位相系の識別又は非最小位相信号の再構成、３）ガウス偏差による様々な情報の抽出、４）信号における非線形の検出・表現、及び非線形性系の識別などが挙げられる。

【0123】

従って、高次統計量信号処理法は、非ガウス信号の高次統計量から有用な情報、特に１次統計量や２次統計量から抽出できない情報を抽出する手法である。この観点から、高次統計法は、相関関数やパワースペクトルに基づくランダム信号処理法を補完する重要な手法であるとともに、２次統計法では解決できない多くの信号処理問題に対して手段を提供することができる。

【0124】

１次統計量、２次統計量及び３次統計量に基づいて無相関化計算を行って、単一スケールの血流信号を決定することは、下式を含む。

【数7】

【0125】

本出願の実現可能な実施例では、ステップＳ１０６において、ｋグループの単一スケールの血流信号に基づいて、マルチスケールの血流信号を得ることは、ｋグループの単一スケールの血流信号を重ね合わせてマルチスケールの血流信号を得ることを含む。

【数8】

【0126】

上述した実施例は、方法フローの観点から光干渉断層血管造影方法を説明したが、以下の実施例は、仮想モジュール又は仮想ユニットの観点から光干渉断層血管造影装置１００を説明する。具体的には、以下の実施例を詳述する。

【0127】

本出願の実施例は、光干渉断層血管造影装置１００を提供する。図７を参照して、光干渉断層血管造影装置１００は、
目標領域に対してＡスキャンをＮ回繰り返して得られるＮ個の干渉スペクトル信号である、目標領域の時間領域信号を取得するための取得モジュール１００１と、
Ｋ個のスケールに基づいて、Ｎ個の干渉スペクトル信号のうち、各干渉スペクトル信号をスケール変換して、Ｎ×ｋ個のスケール変換信号を得るためのスケール変換モジュール１００２であって、ｋ個のスケールに基づいて何れかの干渉スペクトル信号をスケール変換することは、各スケールに基づいて何れかの干渉スペクトル信号を分解して、何れかの干渉スペクトル信号に対応するｋ個のスケール変換信号を得ることを含むスケール変換モジュール１００２と、
各スケール変換信号をフーリエ変換して対数を取ることで、対数空間における軸方向周波数領域信号を得るための周波数領域変換モジュール１００３と、
Ｋ個のスケールに基づいて、Ｎ×ｋ個のノイズ除去された軸方向周波数領域信号をｋグループの単一スケール信号に分割し、各グループの単一スケール信号に対して無相関化計算を行って単一スケールの血流信号を得るための無相関化モジュール１００４と、
ｋグループの単一スケールの血流信号に基づいて、マルチスケールの血流信号を得るための融合モジュール１００５と、
マルチスケールの血流信号に基づいて、血流像を得るための撮像モジュール１００６と、を備える。

【0128】

上述した実施例によれば、血流信号は、局所的な変動を有する非定常信号であり、１つの干渉スペクトル信号は、１回のスケール変換後に複数のセグメントに分解されるその後の無相関化計算を行う場合、異なる時間における同一の目標領域に対応する各セグメントの干渉スペクトル信号に対応する軸方向周波数領域信号を比較することができ、セグメントを分解して比較するによって、非定常状態の変動信号をより正確に捉えることができ、正確な血流信号の抽出が可能となる。

【0129】

また、１つの干渉スペクトル信号を複数のスケールで変換し、各スケールに対応する分解セグメントの数が異なり、つまり、セグメントを分解して比較するスケールが異なるため、異なるスケールで非定常信号の変動を測定することができる。従って、１つの干渉スペクトル信号に対して、同時にスケール変換して且複数のスケールの融合を行うことで、単一スケールの誤判定率を低減することができ、血流信号の抽出精度及び処理効率を向上させる。また、１回の干渉スペクトル信号のうち、ポイントの全てが保持されるため、画像のより多くの詳細を復元することができ、Ｓ／Ｎ比を向上させることができる。

【0130】

実現可能な実施例では、干渉スペクトル信号がサンプリング時間帯Ｔに対応し、スケール変換モジュール１００２は、何れかのスケールに基づいて何れかの干渉スペクトル信号を分解しスケール変換信号を得る場合、具体的には、
何れかのスケールに対応する分解信号を特定することであって、分解信号がサンプリング時間帯Ｔにおける信号であり、分解信号が少なくとも１つの時間グループを含み、時間グループが隣接する第１時間帯及び第２時間帯、隣接する２つの第１時間帯、又は、隣接する２つの第２時間帯を含むことと、
第１時間帯に対応する干渉スペクトル信号に順方向信号を乗算して第１信号を得ることと、
第２時間帯に対応する干渉スペクトル信号に逆方向信号を乗算して第２信号を得ることと、
少なくとも１つの第１信号及び少なくとも１つの第２信号に基づいてスケール変換信号を得ることとのために用いられる。

【0131】

実現可能な実施例では、装置は、対数空間における軸方向周波数領域信号をノイズ除去するノイズ除去モジュールを更に備え、ノイズ除去された軸方向周波数領域信号を得る場合、具体的には、
分割閾値を特定するために用いられ、
軸方向周波数領域信号の振幅が分割閾値以上である場合、ノイズ除去された軸方向周波数領域信号が、対数空間における軸方向周波数領域信号と等しい、
軸方向周波数領域信号の振幅が分割閾値よりも小さい場合、ノイズ除去された軸方向周波数領域信号が、分割閾値と等しい。

【0132】

実現可能な実施例では、ノイズ除去モジュールは分割閾値を特定する場合、具体的には、
クラスタリングアルゴリズムに基づいて、すべての軸方向周波数領域信号に対応するノイズ信号を抽出することと、
ノイズ信号に基づいて、分割閾値を特定することとのために用いられる。
実現可能な実施例では、無相関化モジュール１００４は、各グループの単一スケール信号に対して無相関化計算を行って単一スケールの血流信号を得る場合、具体的には、
各グループの単一スケール信号の１次統計量、２次統計量及び３次統計量を決定することと、
１次統計量、２次統計量及び３次統計量に基づいて無相関化計算を行って、単一スケールの血流信号を決定することとのために用いられる。

【0133】

実現可能な実施例では、装置は、アライメントモジュールを更に備える。各スケール変換信号をフーリエ変換して対数を取ることで、対数空間における軸方向周波数領域信号を得た後に、アライメントモジュールは、具体的には、
位相相関アルゴリズムに基づいて、すべての軸方向周波数領域信号をアライメント操作するために用いられる。

【0134】

ここで、ノイズ除去された軸方向周波数領域信号は、アライメント操作后の軸方向周波数領域信号に基づいてノイズ除去された信号である。
実現可能な実施例では、装置は、分散補償モジュールを更に備える。分散補償モジュールは、具体的には、
Ｋ個のスケールに基づいて、Ｎ個の干渉スペクトル信号のうち、各干渉スペクトル信号をスケール変換する前に、時間領域信号のうち、各干渉スペクトル信号を分散補償するために用いられる。

【0135】

本出願の実施例に係る光干渉断層血管造影装置は、上記の方法実施例に適用されるが、ここで繰り返し説明しない。

【0136】

本出願の実施例は電子機器を提供する。図８に示すように、図８に示す電子機器１０００は、プロセッサ１００１とメモリ１００３とを備える。ここで、プロセッサ１００１とメモリ１００３とは、例えば、バス１００２を介して接続される。オプションとして、電子機器１０００は、トランシーバー１００４を更に備えてもよい。なお、実際の応用では、トランシーバー１００４は、１つに限らず、該電子機器１０００の構成は、本出願の実施例を限定するものではない。

【0137】

プロセッサ１００１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ、中央処理装置）、汎用プロセッサ、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ、データ信号プロセッサ）、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ、特定用途向け集積回路）、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ、フィールドプログラマブルゲートアレイ）又は他のプログラマブルロジックデバイス、トランジスタロジックデバイス、ハードウェアコンポーネント、又はそれらの任意の組み合わせであってもよい。本出願の開示内容にて説明した様々な例示的論理ボックス、モジュール、及び回路を実現又は実行することができる。プロセッサ１００１は、１つ又は複数のマイクロプロセッサの組み合わせ、ＤＳＰとマイクロプロセッサの組み合わせなどを含む、コンピューティング機能を実現する組み合わせであってもよい。

【0138】

バス１００２は、上述したコンポーネントの間で情報を転送するための経路を含んでもよい。バス１００２は、例えば、ＰＣＩ（Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ、ペリフェラルコンポーネント相互接続規格）バス又はＥＩＳＡ（Ｅｘｔｅｎｄｅｄ Ｉｎｄｕｓｔｒｙ Ｓｔａｎｄａｒｄ Ａｒｃｈｉｔｅｃｔｕｒｅ、拡張業界標準構造）バスであってもよい。バス１００２は、アドレスバス、データバス、制御バスなどに分けられることができる。なお、図８では、図示の便宜上、１本の太線だけで示しているが、バスが１本又は１種類しかないことを意味するものではない。

【0139】

メモリ１００３は、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ、読み取り専用メモリ）又は静的な情報及び命令を記憶可能な他のタイプの静的記憶装置、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ、ランダムアクセスメモリ）又は情報及び命令を記憶できる他のタイプの動的記憶装置であってもよく、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍａｂｌｅ Ｍｅｍｏｒｙ、消去可能プログラマブル読み取り専用メモリ）であってもよい。Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＣＤ－ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｃ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ、コンパクトディスク読み取り専用メモリ）又はその他の光ディスク記憶装置（圧縮ディスク、レーザーディスク、コンパクトディスク、デジタル汎用ディスク、ブルーレイディスクなどを含む）、磁気ディスク記憶媒体や他の磁気記憶装置、指令又はデータ構造の形態を有する所望のプログラムコードを搬送又は記憶するために使用可能であり、コンピュータによってアクセス可能な他の媒体であってもよい。これらに限定されない。

【0140】

メモリ１００３は、本出願の技術案のアプリケーションコードを格納し実行するために使用され、プロセッサ１００１によって実行が制御される。プロセッサ１００１は、メモリ１００３に格納されたアプリケーションコードを実行して、上記の方法の実施例に例示したことを実施する。

【0141】

ここで、電子機器は、携帯電話、ラップトップコンピュータ、デジタル放送受信機、ＰＤＡ（パーソナルデジタルアシスタント）、ＰＡＤ（タブレットコンピュータ）、ＰＭＰ（ポータブルマルチメディアプレーヤ）、車載ナビゲーション端末などの車載端末などのモバイル端末、及びデジタルＴＶ、デスクトップコンピュータなどの固定端末などが含まれるが、これらに限定されるものではない。また、サーバ等であってもよい。なお、図８に示す電子機器は単なる一例であり、本開示の実施例の機能や利用範囲を何ら限定するものではない。

【0142】

本出願の実施例は、コンピュータプログラムが記憶されたコンピュータ読み取り可能な記憶媒体を提供する。コンピュータプログラムがコンピュータで実行されると、コンピュータに前述の方法実施例の対応する内容を実行させることができる。従来技術と比較して、本出願の実施例では、ユーザがある時間帯におけるあるサービスタイプを予約する場合、他のサービスタイプに対応する登録時間帯が既に占有されていると直接判断するのではなく、実際の占有時間帯及びそれに対応する時間帯占有閾値に基づいて、他の各サービスタイプについての実際の占有時間帯に関連する登録時間帯が既に占有されている否かを判断するものである。つまり、実際の占有時間帯に基づいて、それに関連する他のサービスタイプの登録時間帯が占有されていないと判断された場合、当該時間はまだユーザによって予約され得ると判断されるので、断片化された時間が低減され、資源の無駄が低減される。更に、医療従事者及び患者の待ち時間も低減され、診察の効率が改善される。

【0143】

なお、添付図面のフローチャートにおける各ステップは、矢印で示すように順番に示されているが、これらのステップは、必ずしも矢印で示す順序で順番に実行されるわけではない。本明細書に明示的に記載しない限り、これらのステップの実行に厳密な順序制限はなく、他の順序で実行されてもよい。更に、添付図面のフローチャートにおけるステップの少なくとも一部は、複数のサブステップ又は複数の段階を含んでもよく、これらのサブステップ又は段階は、必ずしも同一の時点に完了されるとは限らず、異なる時点に実行されてもよい。その実行順序は必ずしも順次ではなく、他のステップ又は他のステップのサブステップ又は段階の少なくとも一部と順番に又は交互に実行されてもよい。

【0144】

上記の説明は、本出願の実施例の一部に過ぎず、当業者にとって、本出願の原理から逸脱しない限り、様々な改良及び変更を行うことができ、これらの改良及び装変更も、本出願の保護範囲とみなされるべきである。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【国際調査報告】