KR102031738B1 - 피검체의 조직을 특성화하는 방법 및 시스템 - Google Patents
피검체의 조직을 특성화하는 방법 및 시스템Info
- Publication number
- KR102031738B1 KR102031738B1 KR1020177024707A KR20177024707A KR102031738B1 KR 102031738 B1 KR102031738 B1 KR 102031738B1 KR 1020177024707 A KR1020177024707 A KR 1020177024707A KR 20177024707 A KR20177024707 A KR 20177024707A KR 102031738 B1 KR102031738 B1 KR 102031738B1
- Authority
- KR
- South Korea
- Prior art keywords
- wound
- time
- tissue
- intensity
- subject
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 425
- 238000004364 calculation method Methods 0.000 claims abstract description 120
- 208000027418 Wounds and injury Diseases 0.000 claims description 451
- 206010052428 Wound Diseases 0.000 claims description 447
- 239000012216 imaging agent Substances 0.000 claims description 149
- 238000000799 fluorescence microscopy Methods 0.000 claims description 134
- 230000008859 change Effects 0.000 claims description 73
- 238000012632 fluorescent imaging Methods 0.000 claims description 71
- 230000006870 function Effects 0.000 claims description 66
- 230000010412 perfusion Effects 0.000 claims description 56
- 229960004657 indocyanine green Drugs 0.000 claims description 50
- MOFVSTNWEDAEEK-UHFFFAOYSA-M indocyanine green Chemical group [Na+].[O-]S(=O)(=O)CCCCN1C2=CC=C3C=CC=CC3=C2C(C)(C)C1=CC=CC=CC=CC1=[N+](CCCCS([O-])(=O)=O)C2=CC=C(C=CC=C3)C3=C2C1(C)C MOFVSTNWEDAEEK-UHFFFAOYSA-M 0.000 claims description 50
- 238000012512 characterization method Methods 0.000 claims description 45
- 238000002583 angiography Methods 0.000 claims description 42
- 238000012545 processing Methods 0.000 claims description 41
- 238000003384 imaging method Methods 0.000 claims description 40
- 230000017531 blood circulation Effects 0.000 claims description 38
- 230000008569 process Effects 0.000 claims description 38
- 201000010099 disease Diseases 0.000 claims description 33
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 33
- 238000011282 treatment Methods 0.000 claims description 33
- 239000007850 fluorescent dye Substances 0.000 claims description 31
- 238000011156 evaluation Methods 0.000 claims description 29
- 230000005284 excitation Effects 0.000 claims description 29
- 230000035876 healing Effects 0.000 claims description 28
- 238000005286 illumination Methods 0.000 claims description 28
- 230000003287 optical effect Effects 0.000 claims description 25
- 230000001684 chronic effect Effects 0.000 claims description 23
- 239000000975 dye Substances 0.000 claims description 22
- 238000002073 fluorescence micrograph Methods 0.000 claims description 22
- 210000004369 blood Anatomy 0.000 claims description 20
- 239000008280 blood Substances 0.000 claims description 20
- 239000003795 chemical substances by application Substances 0.000 claims description 17
- 230000000007 visual effect Effects 0.000 claims description 16
- 230000003750 conditioning effect Effects 0.000 claims description 14
- 230000003247 decreasing effect Effects 0.000 claims description 13
- 238000002059 diagnostic imaging Methods 0.000 claims description 13
- 230000000977 initiatory effect Effects 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 13
- IICCLYANAQEHCI-UHFFFAOYSA-N 4,5,6,7-tetrachloro-3',6'-dihydroxy-2',4',5',7'-tetraiodospiro[2-benzofuran-3,9'-xanthene]-1-one Chemical compound O1C(=O)C(C(=C(Cl)C(Cl)=C2Cl)Cl)=C2C21C1=CC(I)=C(O)C(I)=C1OC1=C(I)C(O)=C(I)C=C21 IICCLYANAQEHCI-UHFFFAOYSA-N 0.000 claims description 11
- 108010004729 Phycoerythrin Proteins 0.000 claims description 11
- 108010004469 allophycocyanin Proteins 0.000 claims description 11
- ZFKJVJIDPQDDFY-UHFFFAOYSA-N fluorescamine Chemical compound C12=CC=CC=C2C(=O)OC1(C1=O)OC=C1C1=CC=CC=C1 ZFKJVJIDPQDDFY-UHFFFAOYSA-N 0.000 claims description 11
- MHMNJMPURVTYEJ-UHFFFAOYSA-N fluorescein-5-isothiocyanate Chemical compound O1C(=O)C2=CC(N=C=S)=CC=C2C21C1=CC=C(O)C=C1OC1=CC(O)=CC=C21 MHMNJMPURVTYEJ-UHFFFAOYSA-N 0.000 claims description 11
- DVGHHMFBFOTGLM-UHFFFAOYSA-L fluorogold Chemical compound F[Au][Au]F DVGHHMFBFOTGLM-UHFFFAOYSA-L 0.000 claims description 11
- 239000003446 ligand Substances 0.000 claims description 11
- 229940054441 o-phthalaldehyde Drugs 0.000 claims description 11
- ZWLUXSQADUDCSB-UHFFFAOYSA-N phthalaldehyde Chemical compound O=CC1=CC=CC=C1C=O ZWLUXSQADUDCSB-UHFFFAOYSA-N 0.000 claims description 11
- PYWVYCXTNDRMGF-UHFFFAOYSA-N rhodamine B Chemical compound [Cl-].C=12C=CC(=[N+](CC)CC)C=C2OC2=CC(N(CC)CC)=CC=C2C=1C1=CC=CC=C1C(O)=O PYWVYCXTNDRMGF-UHFFFAOYSA-N 0.000 claims description 11
- 229930187593 rose bengal Natural products 0.000 claims description 11
- 229940081623 rose bengal Drugs 0.000 claims description 11
- STRXNPAVPKGJQR-UHFFFAOYSA-N rose bengal A Natural products O1C(=O)C(C(=CC=C2Cl)Cl)=C2C21C1=CC(I)=C(O)C(I)=C1OC1=C(I)C(O)=C(I)C=C21 STRXNPAVPKGJQR-UHFFFAOYSA-N 0.000 claims description 11
- 238000013481 data capture Methods 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 10
- 206010061218 Inflammation Diseases 0.000 claims description 9
- 108010053210 Phycocyanin Proteins 0.000 claims description 9
- GLNADSQYFUSGOU-GPTZEZBUSA-J Trypan blue Chemical compound [Na+].[Na+].[Na+].[Na+].C1=C(S([O-])(=O)=O)C=C2C=C(S([O-])(=O)=O)C(/N=N/C3=CC=C(C=C3C)C=3C=C(C(=CC=3)\N=N\C=3C(=CC4=CC(=CC(N)=C4C=3O)S([O-])(=O)=O)S([O-])(=O)=O)C)=C(O)C2=C1N GLNADSQYFUSGOU-GPTZEZBUSA-J 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 230000004054 inflammatory process Effects 0.000 claims description 9
- 238000012935 Averaging Methods 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 8
- 230000005856 abnormality Effects 0.000 claims description 7
- 201000011510 cancer Diseases 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 7
- 230000009467 reduction Effects 0.000 claims description 7
- AUNGANRZJHBGPY-SCRDCRAPSA-N Riboflavin Chemical compound OC[C@@H](O)[C@@H](O)[C@@H](O)CN1C=2C=C(C)C(C)=CC=2N=C2C1=NC(=O)NC2=O AUNGANRZJHBGPY-SCRDCRAPSA-N 0.000 claims description 6
- 230000001154 acute effect Effects 0.000 claims description 6
- 230000006378 damage Effects 0.000 claims description 6
- 206010012601 diabetes mellitus Diseases 0.000 claims description 6
- 238000012986 modification Methods 0.000 claims description 6
- 230000004048 modification Effects 0.000 claims description 6
- PDXNSXLPXJFETD-DYVQZXGMSA-N (2e)-2-[(2e)-2-[2-[4-[(2s)-2-[[4-[(2-amino-4-oxo-1h-pteridin-6-yl)methylamino]benzoyl]amino]-2-carboxyethyl]phenoxy]-3-[(e)-2-[3,3-dimethyl-5-sulfo-1-(4-sulfobutyl)indol-1-ium-2-yl]ethenyl]cyclohex-2-en-1-ylidene]ethylidene]-3,3-dimethyl-1-(4-sulfobutyl)i Chemical compound OS(=O)(=O)CCCCN1C2=CC=C(S([O-])(=O)=O)C=C2C(C)(C)\C1=C/C=C\1C(OC=2C=CC(C[C@H](NC(=O)C=3C=CC(NCC=4N=C5C(=O)N=C(N)NC5=NC=4)=CC=3)C(O)=O)=CC=2)=C(\C=C\C=2C(C3=CC(=CC=C3[N+]=2CCCCS(O)(=O)=O)S(O)(=O)=O)(C)C)CCC/1 PDXNSXLPXJFETD-DYVQZXGMSA-N 0.000 claims description 5
- RBTBFTRPCNLSDE-UHFFFAOYSA-N 3,7-bis(dimethylamino)phenothiazin-5-ium Chemical compound C1=CC(N(C)C)=CC2=[S+]C3=CC(N(C)C)=CC=C3N=C21 RBTBFTRPCNLSDE-UHFFFAOYSA-N 0.000 claims description 5
- 108010043121 Green Fluorescent Proteins Proteins 0.000 claims description 5
- 102000004144 Green Fluorescent Proteins Human genes 0.000 claims description 5
- 208000004210 Pressure Ulcer Diseases 0.000 claims description 5
- 208000025865 Ulcer Diseases 0.000 claims description 5
- 239000005090 green fluorescent protein Substances 0.000 claims description 5
- 229960000907 methylthioninium chloride Drugs 0.000 claims description 5
- -1 porphysome Chemical compound 0.000 claims description 5
- 230000002829 reductive effect Effects 0.000 claims description 5
- 230000009711 regulatory function Effects 0.000 claims description 5
- 230000002123 temporal effect Effects 0.000 claims description 5
- ANRHNWWPFJCPAZ-UHFFFAOYSA-M thionine Chemical compound [Cl-].C1=CC(N)=CC2=[S+]C3=CC(N)=CC=C3N=C21 ANRHNWWPFJCPAZ-UHFFFAOYSA-M 0.000 claims description 5
- 231100000397 ulcer Toxicity 0.000 claims description 5
- 210000003462 vein Anatomy 0.000 claims description 5
- 208000002847 Surgical Wound Diseases 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 208000014674 injury Diseases 0.000 claims description 4
- 208000034656 Contusions Diseases 0.000 claims description 3
- 208000035874 Excoriation Diseases 0.000 claims description 3
- 208000034693 Laceration Diseases 0.000 claims description 3
- 208000000558 Varicose Ulcer Diseases 0.000 claims description 3
- 238000005299 abrasion Methods 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 210000003141 lower extremity Anatomy 0.000 claims description 2
- 239000003607 modifier Substances 0.000 claims description 2
- 206010011985 Decubitus ulcer Diseases 0.000 claims 2
- 208000034526 bruise Diseases 0.000 claims 1
- 230000001131 transforming effect Effects 0.000 claims 1
- 210000001519 tissue Anatomy 0.000 description 261
- 230000000875 corresponding effect Effects 0.000 description 52
- 230000000694 effects Effects 0.000 description 21
- 238000007726 management method Methods 0.000 description 19
- 238000001356 surgical procedure Methods 0.000 description 14
- 230000033115 angiogenesis Effects 0.000 description 13
- 230000008081 blood perfusion Effects 0.000 description 13
- 230000029663 wound healing Effects 0.000 description 13
- 210000004204 blood vessel Anatomy 0.000 description 10
- 238000002560 therapeutic procedure Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 8
- 239000000306 component Substances 0.000 description 8
- 238000005259 measurement Methods 0.000 description 8
- 230000002269 spontaneous effect Effects 0.000 description 8
- 230000002792 vascular Effects 0.000 description 8
- 238000012800 visualization Methods 0.000 description 8
- 230000002596 correlated effect Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000002639 hyperbaric oxygen therapy Methods 0.000 description 7
- 210000000481 breast Anatomy 0.000 description 6
- 230000007423 decrease Effects 0.000 description 6
- 238000002278 reconstructive surgery Methods 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 238000013500 data storage Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 239000007787 solid Substances 0.000 description 5
- 230000009885 systemic effect Effects 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 230000002491 angiogenic effect Effects 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 239000003085 diluting agent Substances 0.000 description 4
- 230000000302 ischemic effect Effects 0.000 description 4
- 230000001575 pathological effect Effects 0.000 description 4
- 230000017423 tissue regeneration Effects 0.000 description 4
- 230000035899 viability Effects 0.000 description 4
- ZGXJTSGNIOSYLO-UHFFFAOYSA-N 88755TAZ87 Chemical compound NCC(=O)CCC(O)=O ZGXJTSGNIOSYLO-UHFFFAOYSA-N 0.000 description 3
- HEMHJVSKTPXQMS-UHFFFAOYSA-M Sodium hydroxide Chemical compound [OH-].[Na+] HEMHJVSKTPXQMS-UHFFFAOYSA-M 0.000 description 3
- 206010049514 Traumatic fracture Diseases 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 3
- 210000001367 artery Anatomy 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 230000001149 cognitive effect Effects 0.000 description 3
- 238000013508 migration Methods 0.000 description 3
- 230000005012 migration Effects 0.000 description 3
- 230000017074 necrotic cell death Effects 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 230000010410 reperfusion Effects 0.000 description 3
- 210000000115 thoracic cavity Anatomy 0.000 description 3
- 230000000699 topical effect Effects 0.000 description 3
- AOYNUTHNTBLRMT-SLPGGIOYSA-N 2-deoxy-2-fluoro-aldehydo-D-glucose Chemical compound OC[C@@H](O)[C@@H](O)[C@H](O)[C@@H](F)C=O AOYNUTHNTBLRMT-SLPGGIOYSA-N 0.000 description 2
- 102000004506 Blood Proteins Human genes 0.000 description 2
- 108010017384 Blood Proteins Proteins 0.000 description 2
- 208000010201 Exanthema Diseases 0.000 description 2
- 108010073929 Vascular Endothelial Growth Factor A Proteins 0.000 description 2
- 102000005789 Vascular Endothelial Growth Factors Human genes 0.000 description 2
- 108010019530 Vascular Endothelial Growth Factors Proteins 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 229960002749 aminolevulinic acid Drugs 0.000 description 2
- 230000003115 biocidal effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000007675 cardiac surgery Methods 0.000 description 2
- 210000000038 chest Anatomy 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 239000002872 contrast media Substances 0.000 description 2
- 238000002607 contrast-enhanced ultrasound Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 210000003743 erythrocyte Anatomy 0.000 description 2
- 201000005884 exanthem Diseases 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 230000012010 growth Effects 0.000 description 2
- 210000005003 heart tissue Anatomy 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 230000004089 microcirculation Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 210000002445 nipple Anatomy 0.000 description 2
- 230000007170 pathology Effects 0.000 description 2
- 239000004033 plastic Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 206010037844 rash Diseases 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000000472 traumatic effect Effects 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 210000005166 vasculature Anatomy 0.000 description 2
- 230000002861 ventricular Effects 0.000 description 2
- 238000011179 visual inspection Methods 0.000 description 2
- 230000016776 visual perception Effects 0.000 description 2
- JKMHFZQWWAIEOD-UHFFFAOYSA-N 2-[4-(2-hydroxyethyl)piperazin-1-yl]ethanesulfonic acid Chemical compound OCC[NH+]1CCN(CCS([O-])(=O)=O)CC1 JKMHFZQWWAIEOD-UHFFFAOYSA-N 0.000 description 1
- 208000027502 Ankle fracture Diseases 0.000 description 1
- 102000005600 Cathepsins Human genes 0.000 description 1
- 108010084457 Cathepsins Proteins 0.000 description 1
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 description 1
- 208000032544 Cicatrix Diseases 0.000 description 1
- 102000008186 Collagen Human genes 0.000 description 1
- 108010035532 Collagen Proteins 0.000 description 1
- AUNGANRZJHBGPY-UHFFFAOYSA-N D-Lyxoflavin Natural products OCC(O)C(O)C(O)CN1C=2C=C(C)C(C)=CC=2N=C2C1=NC(=O)NC2=O AUNGANRZJHBGPY-UHFFFAOYSA-N 0.000 description 1
- 208000032928 Dyslipidaemia Diseases 0.000 description 1
- 102000016942 Elastin Human genes 0.000 description 1
- 108010014258 Elastin Proteins 0.000 description 1
- 208000002087 Endarteritis Diseases 0.000 description 1
- 206010016228 Fasciitis Diseases 0.000 description 1
- 239000007995 HEPES buffer Substances 0.000 description 1
- VEXZGXHMUGYJMC-UHFFFAOYSA-N Hydrochloric acid Chemical compound Cl VEXZGXHMUGYJMC-UHFFFAOYSA-N 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 206010058558 Hypoperfusion Diseases 0.000 description 1
- 208000005230 Leg Ulcer Diseases 0.000 description 1
- 208000017170 Lipid metabolism disease Diseases 0.000 description 1
- 102000004895 Lipoproteins Human genes 0.000 description 1
- 108090001030 Lipoproteins Proteins 0.000 description 1
- 206010025282 Lymphoedema Diseases 0.000 description 1
- 206010027476 Metastases Diseases 0.000 description 1
- 208000004221 Multiple Trauma Diseases 0.000 description 1
- 206010028851 Necrosis Diseases 0.000 description 1
- 206010031252 Osteomyelitis Diseases 0.000 description 1
- 206010033546 Pallor Diseases 0.000 description 1
- 206010040844 Skin exfoliation Diseases 0.000 description 1
- 239000007983 Tris buffer Substances 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 150000001413 amino acids Chemical class 0.000 description 1
- 230000003872 anastomosis Effects 0.000 description 1
- 210000003423 ankle Anatomy 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 206010003230 arteritis Diseases 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000007321 biological mechanism Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000012503 blood component Substances 0.000 description 1
- 230000036770 blood supply Effects 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 230000008822 capillary blood flow Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 208000020832 chronic kidney disease Diseases 0.000 description 1
- 229920001436 collagen Polymers 0.000 description 1
- 210000001072 colon Anatomy 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 239000000994 contrast dye Substances 0.000 description 1
- 229940039231 contrast media Drugs 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- 210000004351 coronary vessel Anatomy 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000012631 diagnostic technique Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229920002549 elastin Polymers 0.000 description 1
- 238000013209 evaluation strategy Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 210000004904 fingernail bed Anatomy 0.000 description 1
- 150000002211 flavins Chemical class 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 210000002683 foot Anatomy 0.000 description 1
- 239000005337 ground glass Substances 0.000 description 1
- 229910000041 hydrogen chloride Inorganic materials 0.000 description 1
- IXCSERBJSXMMFS-UHFFFAOYSA-N hydrogen chloride Substances Cl.Cl IXCSERBJSXMMFS-UHFFFAOYSA-N 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 238000001990 intravenous administration Methods 0.000 description 1
- 238000010253 intravenous injection Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 208000002502 lymphedema Diseases 0.000 description 1
- 239000008176 lyophilized powder Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- 230000009401 metastasis Effects 0.000 description 1
- 239000003226 mitogen Substances 0.000 description 1
- 238000003333 near-infrared imaging Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- BOPGDPNILDQYTO-NNYOXOHSSA-N nicotinamide-adenine dinucleotide Chemical compound C1=CCC(C(=O)N)=CN1[C@H]1[C@H](O)[C@H](O)[C@@H](COP(O)(=O)OP(O)(=O)OC[C@@H]2[C@H]([C@@H](O)[C@@H](O2)N2C3=NC=NC(N)=C3N=C2)O)O1 BOPGDPNILDQYTO-NNYOXOHSSA-N 0.000 description 1
- 229930027945 nicotinamide-adenine dinucleotide Natural products 0.000 description 1
- 231100000252 nontoxic Toxicity 0.000 description 1
- 230000003000 nontoxic effect Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000000050 nutritive effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 239000008363 phosphate buffer Substances 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 230000002980 postoperative effect Effects 0.000 description 1
- 108090000765 processed proteins & peptides Proteins 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000017854 proteolysis Effects 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 238000010791 quenching Methods 0.000 description 1
- 239000000700 radioactive tracer Substances 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 238000002271 resection Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 229960002477 riboflavin Drugs 0.000 description 1
- 235000019192 riboflavin Nutrition 0.000 description 1
- 239000002151 riboflavin Substances 0.000 description 1
- 231100000241 scar Toxicity 0.000 description 1
- 230000037387 scars Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 210000002966 serum Anatomy 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 229920001059 synthetic polymer Polymers 0.000 description 1
- 230000001839 systemic circulation Effects 0.000 description 1
- 230000030968 tissue homeostasis Effects 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- LENZDBCJOHFCAS-UHFFFAOYSA-N tris Chemical compound OCC(N)(CO)CO LENZDBCJOHFCAS-UHFFFAOYSA-N 0.000 description 1
- 230000001228 trophic effect Effects 0.000 description 1
- 238000012285 ultrasound imaging Methods 0.000 description 1
- 230000006442 vascular tone Effects 0.000 description 1
- 208000037997 venous disease Diseases 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
- G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0071—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by measuring fluorescence emission
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
- A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
- A61B5/445—Evaluating skin irritation or skin trauma, e.g. rash, eczema, wound, bed sore
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
- A61K49/00—Preparations for testing in vivo
- A61K49/001—Preparation for luminescence or biological staining
- A61K49/0013—Luminescence
- A61K49/0017—Fluorescence in vivo
- A61K49/0019—Fluorescence in vivo characterised by the fluorescent group, e.g. oligomeric, polymeric or dendritic molecules
- A61K49/0021—Fluorescence in vivo characterised by the fluorescent group, e.g. oligomeric, polymeric or dendritic molecules the fluorescent group being a small organic molecule
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
- A61K49/00—Preparations for testing in vivo
- A61K49/001—Preparation for luminescence or biological staining
- A61K49/0013—Luminescence
- A61K49/0017—Fluorescence in vivo
- A61K49/0019—Fluorescence in vivo characterised by the fluorescent group, e.g. oligomeric, polymeric or dendritic molecules
- A61K49/0021—Fluorescence in vivo characterised by the fluorescent group, e.g. oligomeric, polymeric or dendritic molecules the fluorescent group being a small organic molecule
- A61K49/0032—Methine dyes, e.g. cyanine dyes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
- A61K49/00—Preparations for testing in vivo
- A61K49/001—Preparation for luminescence or biological staining
- A61K49/0013—Luminescence
- A61K49/0017—Fluorescence in vivo
- A61K49/0019—Fluorescence in vivo characterised by the fluorescent group, e.g. oligomeric, polymeric or dendritic molecules
- A61K49/0021—Fluorescence in vivo characterised by the fluorescent group, e.g. oligomeric, polymeric or dendritic molecules the fluorescent group being a small organic molecule
- A61K49/0032—Methine dyes, e.g. cyanine dyes
- A61K49/0034—Indocyanine green, i.e. ICG, cardiogreen
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
- A61K49/00—Preparations for testing in vivo
- A61K49/001—Preparation for luminescence or biological staining
- A61K49/0013—Luminescence
- A61K49/0017—Fluorescence in vivo
- A61K49/0019—Fluorescence in vivo characterised by the fluorescent group, e.g. oligomeric, polymeric or dendritic molecules
- A61K49/0021—Fluorescence in vivo characterised by the fluorescent group, e.g. oligomeric, polymeric or dendritic molecules the fluorescent group being a small organic molecule
- A61K49/0041—Xanthene dyes, used in vivo, e.g. administered to a mice, e.g. rhodamines, rose Bengal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
- A61K49/00—Preparations for testing in vivo
- A61K49/001—Preparation for luminescence or biological staining
- A61K49/0013—Luminescence
- A61K49/0017—Fluorescence in vivo
- A61K49/0019—Fluorescence in vivo characterised by the fluorescent group, e.g. oligomeric, polymeric or dendritic molecules
- A61K49/0021—Fluorescence in vivo characterised by the fluorescent group, e.g. oligomeric, polymeric or dendritic molecules the fluorescent group being a small organic molecule
- A61K49/0041—Xanthene dyes, used in vivo, e.g. administered to a mice, e.g. rhodamines, rose Bengal
- A61K49/0043—Fluorescein, used in vivo
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
- A61K49/00—Preparations for testing in vivo
- A61K49/001—Preparation for luminescence or biological staining
- A61K49/0013—Luminescence
- A61K49/0017—Fluorescence in vivo
- A61K49/0019—Fluorescence in vivo characterised by the fluorescent group, e.g. oligomeric, polymeric or dendritic molecules
- A61K49/0045—Fluorescence in vivo characterised by the fluorescent group, e.g. oligomeric, polymeric or dendritic molecules the fluorescent agent being a peptide or protein used for imaging or diagnosis in vivo
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
- A61K49/00—Preparations for testing in vivo
- A61K49/001—Preparation for luminescence or biological staining
- A61K49/0013—Luminescence
- A61K49/0017—Fluorescence in vivo
- A61K49/0019—Fluorescence in vivo characterised by the fluorescent group, e.g. oligomeric, polymeric or dendritic molecules
- A61K49/0045—Fluorescence in vivo characterised by the fluorescent group, e.g. oligomeric, polymeric or dendritic molecules the fluorescent agent being a peptide or protein used for imaging or diagnosis in vivo
- A61K49/0047—Green fluorescent protein [GFP]
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
- A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/48—Diagnostic techniques
- A61B6/486—Diagnostic techniques involving generating temporal series of image data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/507—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for determination of haemodynamic parameters, e.g. perfusion CT
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- 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
- G06T2207/10064—Fluorescence image
-
- 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
- G06T2207/30088—Skin; Dermal
-
- 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
- G06T2207/30096—Tumor; Lesion
-
- 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
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/404—Angiography
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Epidemiology (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Dermatology (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Physiology (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Endoscopes (AREA)
Abstract
피검체의 조직을 특성화하는 방법들 및 시스템들이 개시된다. 상기 방법은 상기 피검체의 조직의 형광 이미지들의 시계열을 수신하는 단계 - 상기 이미지들은 복수의 계산 영역들을 정의함, 상기 복수의 계산 영역들에 대한 복수의 시간-세기 곡선들을 발생시키는 단계, 각각의 계산 영역에 대해 파라미터 값들 세트를 생성하는 단계, 상기 파라미터 값들 세트들을 비교하여 각각의 계산 영역에 대한 총 순위 값을 발생시키는 단계, 및 상기 총 순위 값을 순위 맵 이미지로 변환시키는 단계를 포함한다. 또한, 상처 인덱스 값을 발생시킴으로써 조직 내의 상처를 특성화하는 방법들 및 시스템들이 개시된다.
Description
관련 출원의 상호-참조
본 출원은 2015년 2월 2일 자로 출원되고 명칭이 "METHODS AND SYSTEMS FOR PROCESSING A TIME SERIES OF ANGIOGRAPHY IMAGES OF TISSUE OF A SUBJECT"인 미국 가출원 제62/110,609호, 및 2015년 6월 11일 자로 출원되고 명칭이 "METHODS AND SYSTEMS FOR QUANTITATIVELY ASSESSING A WOUND IN TISSUE OF A SUBJECT"인 미국 출원 제62/174,225호의 우선권 주장 출원이며, 이들 미국 출원은 전반적으로 참조로 본원에 병합된다.
본 발명은 일반적으로 영상 분야에 관한 것으로, 특히 피검체의 조직을 특성화하기 위한 의료 이미지들의 프로세싱에 관한 것이다.
혈류량 (blood flow)은 체적 유량 (즉, 체적/시간) 또는 이동 속도 (즉, 거리/시간)와 같은 용어로 정량화될 수 있는, 혈관들을 통한 혈액 이동을 정의하는데 사용되는 일반적인 용어이다. 조직 관류 (perfusion)는, 조직 관류가 조직 체적 내의 혈관들을 통한 혈액 이동을 정의한다는 점에서 혈관 (vascular) 혈류량과 구별된다. 조직 혈액 관류는 종종 체적/시간/조직 체적에 관하여 정량화되지만, 경우에 따라 조직 체적 대신 조직 질량 (tissue mass)이 사용된다. 보다 구체적으로, 조직 관류는, 관류되는 조직의 모세혈관계 (capillary bed)에 산소 및 영양분이 제공되고 상기 조직의 모세혈관계로부터 폐기물이 제거되는 단위 조직 체적당 혈액의 미세 순환 흐름에 관한 것이다. 관류는, 보다 큰 직경의 비-영양성 혈관보다는 오히려, 혈액과 조직 사이의 대사 산물들의 교환과 관련된 혈관들을 포함하는 영양성 혈관들 (즉, 모세혈관들로 알려진 미세 혈관들)과 연관이 있다. 그러나, 보다 큰 직경의 혈관들을 통한 혈액 이동에 비해, 개별적인 모세혈관들을 통한 혈액 이동은 주로 혈관 운동으로 인해 매우 불규칙적일 수 있고, 혈관 긴장 (tone)에서의 자발 발진은 적혈구 이동의 박동으로 나타난다. 소정의 경우들에서, 예를 들어, 혈관 운동은 개별 적혈구로부터 모세혈관 벽을 통해 그리고 관류되는 인접한 조직으로 산소 확산을 용이하게 하기 위해, 혈류량을 모세혈관계 내에서 최대 20 초 동안 일시적으로 멈추게 할 수 있다. 결과적으로, 모세혈관 혈류량에서의 자발 발진은 심장 박동, 신경 분포 또는 호흡과는 독립적일 수 있다. 그러한 흐름은 단순히 체적/시간에 관해서 정의될 수 없다; 그 대신에, 이는 주어진 조직 체적 내의 모든 혈관 (즉, 모세혈관) 세그먼트들 내의 혈액의 총량에 기반하여 특성화되어야 한다. 이러한 특성화는 모세혈관 혈액 이동의 모든 측정이 조직 체적에 관련된 차원을 포함한다는 사실에 반영된다.
의료 종사자들 및 다른 임상의들이 조직에서 혈류량 및/또는 조직 관류를 정확하게 평가하기를 원하는 많은 상황이 있다. 예를 들어, 상처 조직을 가진 환자를 치료할 때, 임상의들은 열악한 조직 관류가 치유 과정에 악영향을 미치기 때문에, 상처 부위 내외의 혈류량 및/또는 조직 재관류를 정확하게 평가해야 한다. 혈류량 및/또는 조직 관류의 정확한 평가는 급성 (예컨대, 외과) 및 만성 상처들의 성공적인 치유의 기회들을 증가시킨다. 관류 동력의 평가는 또한 다른 임상 응용들, 이를테면, 플라스틱 재건술 절차 (예컨대, 피부 플랩 전이술 (skin flap transfers))를 받는 환자들의 수술 전 평가, 또는 심장 수술 중 심장 조직의 생존 능력 및 기능의 평가 (예컨대, 관상 동맥 우회 이식 수술, 부분 좌심실 절제술 또는 Batista 외과 수술을 통한 좌심실 수축 등)에서 중요하다.
현재 임상의들은 주관적인 시각적 평가와 조직 관류를 평가하기 위한 조잡한 기계적 테스트들을 기반으로 한 임상적 판단에 의존할 수 있다. 그러한 조잡한 하나의 기계적 테스트는, 혈액이 조직으로부터 힘을 압박될 시에 임상의가 외부 모세혈관계에 압력을 가하여 (예컨대, 네일 베드를 가압함으로써) 블랜칭 (blanching)을 유발하고, 그 후에, 압력이 해제될 이후에 색이 되돌아오는데 필요한 시간을 측정하는 모세혈관 재충전 테스트이다. 그러나, 그러한 임상적 판단은 주관적이고 정확하지는 않다.
소정의 진보된 관행들은 혈류량 및/또는 조직 관류를 평가하기 위한 형광 영상 기술들과 같은 영상 기술들을 사용하기 시작했다. 형광 영상 기술들은, 통상적으로 피검체의 혈관계 전체에 걸쳐 순차적으로 순환하고 적절한 여기 광으로 조명될 때의 형광 신호를 방출하는 형광 신호를 방출하는 영상 제제 (imaging agent) (예를 들어, 피검체에서 혈액 단백질들과 결합하는 인도시아닌 그린 (indocyanine green, ICG)과 같은)의 볼러스 (bolus)의 투여를 사용한다. 형광 영상 시스템들은, 영상 제제 볼러스가 영상 시야에서 피검체의 조직을 가로지르면서 방출된 영상 제제 형광의 이미지들을 획득한다. 이미지들은 통상적으로 볼러스가 동맥 혈관들을 통해 조직에 진입하고, 조직의 미세 혈관을 통해 이동하며, 그리고 정맥 혈관들을 통해 조직을 빠져나오면서 획득된다. 이미지들이 모니터 상에 비디오로서 디스플레이될 시에, 임상의들은 시간에 따른 형광 세기의 변화로 나타나는 혈관계에서의 이러한 영상 제제 이동을 관찰할 수 있다. 형광 세기에 대한 시각적인 인식에 기반하여, 임상의들은 조직의 혈류량 및/또는 관류 상태 및 그 다음의 치료 가능성에 관한 상대적이고 질적인 (qualitative) 결정을 내릴 수 있다. 그러나 그러한 이미지들의 질적인 시각 평가는 다수의 이유들로 항상 충분하지는 않는데, 특히 시각적 정보가 모호한 경우들에는 그러하다. 예를 들면, 이미지 밝기, 이미지 콘트라스트 및 이미지 노이즈와 같은 많은 파라미터들이 조직의 혈류량 및/또는 관류 속성들과는 다른 요인들에 의해 영향을 받을 수 있기 때문에, 그러한 시각적 평가는 제한적이다. 게다가, 단순한 시각적 평가는 주관적이며 (예컨대, 시각적 평가는 임상의마다 다를 수 있고, 한 임상의의 시각적 평가 프로토콜은 다소 환자마다 및/또는 영상 세션마다 다를 수 있음), 그리고 혈류량 및/또는 조직 관류를 평가하는 표준화된 프로토콜을 지원하지 않는다. 마지막으로, 이전의 시각적 평가들의 임상의의 메모리 부족 또는 부정확한 기억으로 인해, 다수의 영상 세션들에 걸쳐 시간에 따른 환자의 혈류량 및/또는 관류 상태를 신뢰성 있게 그리고 일관되게 비교 및 추적하는 것은 어려울 수 있다.
이로써, 정확하고, 편리하며 용이하게 이해되는 방식으로 혈류량 및/또는 조직 재관류를 특성화시키는 방식으로 임상의에게 의료 이미지 데이터를 프로세싱 및/또는 제시하는 방법들 및 시스템들을 가지는 것이 바람직하다.
본 명세서는 피검체의 조직을 특성화하는 시스템들 및 방법들의 변형들이 기술된다. 일반적으로, 일 변형에서, 피검체의 조직을 특성화하기 위한 시스템은 하나 이상의 프로세서들, 및 저장된 명령어들를 가진 메모리를 포함한다. 일부 변형예들에서, 상기 명령어들이 하나 이상의 프로세서들에 의해 실행될 시에, 상기 명령어들은 상기 시스템이 상기 피검체의 조직의 형광 이미지들의 시계열을 수신하고 - 상기 이미지들은 복수의 계산 영역들을 정의함; 상기 복수의 계산 영역들에 대한 복수의 시간-세기 곡선들을 발생시키고; 각각의 계산 영역에 대해 파라미터 값들 세트를 생성하고 - 상기 파라미터 값들은 상기 시간-세기 곡선의 적어도 일 부분을 근사화함; 상기 복수의 계산 영역들에 대한 파라미터 값들 세트들을 비교하여 각각의 계산 영역에 대한 총 순위 (rank) 값을 발생시키며; 그리고 상기 계산 영역들에 대한 총 순위 값들을 순위 맵 이미지로 변환시키도록 한다. 상기 시스템은 디스플레이를 포함할 수 있으며, 상기 명령어들은 상기 시스템이 상기 순위 맵 이미지를 상기 디스플레이 상에 디스플레이하도록 하고, 그리고/또는 상기 시스템이 상기 조직의 해부학적 이미지 상에 상기 순위 맵 이미지를 중첩시키도록 한다. 상기 시스템은 상기 조직 내의 형광 영상 제제로부터 형광 방출물을 유도하기 위해 여기 광을 제공하는 광원을 포함할 수 있다. 상기 시스템은 예를 들어 상기 형광 방출물에 기반하여 상기 형광 혈관조영검사 (angiography) 이미지들의 시계열과 같은, 형광 방출물에 기반한 형광 이미지들의 시계열을 발생시키는 이미지 획득 조립체를 포함할 수 있다.
일반적으로, 또 다른 변형예에서, 피검체의 조직을 특성화하는 시스템은 상기 피검체의 조직의 형광 이미지들의 시계열을 수신하기 위해 배치된 수신 유닛 - 상기 이미지들은 복수의 계산 영역들을 정의함; 상기 복수의 계산 영역들 각각에 대해 개별 시간-세기 곡선을 발생시키기 위해 배치된 제 1 발생 유닛; 각각의 계산 영역에 대해 파라미터 값들 세트를 생성하기 위해 배치된 생성 유닛 - 상기 파라미터 값들은 각각의 시간-세기 곡선의 적어도 일 부분을 근사화함; 각각의 계산 영역에 대한 파라미터 값들 세트에 기반하여 상기 계산 영역들 각각에 대한 총 순위 값을 발생시키기 위해 배치된 제 2 발생 유닛; 및 상기 계산 영역들에 대한 총 순위 값들을 순위 맵 이미지로 변환시키기 위해 배치된 변환 유닛;을 포함한다.
시스템의 일부 변형예들에서, 적어도 계산 영역은 하나의 픽셀 또는 하나의 복셀 (voxel)에 의해 정의될 수 있다. 일부 변형예들에서, 상기 파라미터 값들 중 적어도 하나는 시간-세기 곡선의 시간 속성들과 관련된다. 일부 변형예들에서, 파라미터 값들 중 적어도 하나는 상기 시간-세기 곡선에서 세기 변화들의 크기와 관련된다. 일부 변형예들에서, 상기 파라미터 값들 중 적어도 하나는 상기 시간-세기 곡선의 다항식 (polynomial)의 특성화에 관련된 계수이다. 일부 변형들에서 각각의 파라미터 값은 파라미터 타입에 대한 값이며, 그리고 상기 시스템이 상기 파라미터 값들 세트들을 비교할 시에, 상기 시스템은 각각의 계산 영역에 대한 파라미터 타입들에 대해 수치 순위들 세트를 발생시킨다. 일부 변형예들에서, 상기 시스템이 각각의 계산 영역에 대한 총 순위 값을 발생시킬 시에, 상기 시스템은 각각의 계산 영역에 대한 수치 순위들 세트를 합산할 수 있거나, 또는 해시 함수로 각각의 계산 영역에 대한 수치 메트릭들 세트를 맵핑할 수 있다. 일부 변형예들에서, 상기 시스템이 상기 총 순위 값들을 순위 맵 이미지로 변환시킬 시에, 상기 시스템은 각각의 총 순위 값을 세기 값에 상관시킨다.
일반적으로, 피검체의 조직을 특성화하는 방법의 하나의 변형예에서, 상기 방법은 상기 피검체의 조직의 형광 이미지들의 시계열을 수신하는 단계 - 상기 이미지들은 복수의 계산 영역들을 정의함; 상기 복수의 계산 영역들에 대한 복수의 시간-세기 곡선들을 발생시키는 단계; 각각의 계산 영역에 대해 파라미터 값들 세트를 생성하는 단계 - 상기 파라미터 값들은 상기 시간-세기 곡선의 적어도 일 부분을 근사화함; 상기 복수의 계산 영역들에 대한 파라미터 값들 세트들을 비교하여 각각의 계산 영역에 대한 총 순위 값을 발생시키는 단계; 및 상기 계산 영역들에 대한 총 순위 값들을 순위 맵 이미지로 변환시키는 단계;를 포함할 수 있다. 상기 방법은 의학적 영상에 사용되기 위해 수행될 수 있다. 상기 방법은 하나 이상의 프로세서들 및 메모리를 포함하는 컴퓨터 시스템에서 수행될 수 있다.
일반적으로, 방법의 또 다른 변형예에서, 혈관조영검사 이미지 정보를 시각화하는 컴퓨터 구현 방법은 다음을 포함한다: 피검체의 조직의 혈관조영검사 이미지들의 시계열을 검색하는 단계; 복수의 계산 영역들을 정의하는 단계 - 가각의 계산 영역은 상기 혈관조영검사 이미지들의 시계열 각각에서 해당 이미지 위치에 관련됨; 각각의 계산 영역에 대해, 상기 혈관조영검사 이미지들의 시계열에서의 상기 계산 영역에 대한 시간-세기 곡선을 발생시키는 단계; 각각의 계산 영역에 대해, 상기 시간-세기 곡선으로부터 도출된 파라미터들 중 하나 이상에 기반하여 상기 계산 영역에 대한 순위 값을 계산하는 단계; 및 각각의 계산 영역의 이미지 위치 상에서 상기 계산 영역에 대해 상기 계산된 순위 값의 표시가 제공되는 시각적 이미지를 발생시키는 단계. 일부 변형예들에서, 상기 혈관조영검사 이미지들의 시계열은 단일 이미지 시리즈 획득 이벤트에 관련될 수 있다.
상기 방법의 일부 변형예들에서, 상기 적어도 하나의 계산 영역은 하나의 픽셀 또는 하나의 복셀에 의해 정의된다. 일부 변형예들에서, 상기 파라미터 값들 중 적어도 하나는 상기 시간-세기 곡선의 시간 속성들에 관련된다. 예를 들어, 상기 파라미터 값은 다음의 파라미터 타입들 중 하나에 대한 것일 수 있다 (또는 하나를 포함할 수 있다): (i) 상기 시간-세기 곡선의 증가하는 세기의 영역의 지속 기간 (duration), (ii) 상기 시간-세기 곡선의 높은 세기의 영역의 지속 기간, (iii) 상기 시간-세기 곡선의 안정 상태의 영역의 지속 기간, (iv) 상기 시간-세기 곡선의 감소하는 세기의 영역의 지속 기간, 또는 이들의 조합. 또 다른 예시로서, 상기 파라미터 값은 다음 파라미터 타입들 중 하나에 대한 것일 수 있다 (또는 하나를 포함할 수 있다): (i) 상기 시간-세기 곡선의 관류 개시 양상 (perfusion onset phase)의 지속 기간, (ii) 상기 시간-세기 곡선의 동맥 양상의 지속 기간, (iii) 상기 시간-세기 곡선의 미세-혈관 양상의 지속 기간, (iv) 상기 시간-세기 곡선의 정맥 양상의 지속 기간, 또는 이들의 조합 또 다른 예시로서, 상기 파라미터 값은 다음 파라미터 타입들 중 하나에 대한 것일 수 있다 (또는 하나를 포함할 수 있다): (i) 증가하는 형광 세기의 개시까지의 시간, (ii) 빠른 또는 가장 빠른 형광 세기 증가에 대한 시간, (iii) 빠른 또는 가장 빠른 형광 세기 감소에 대한 시간, (iv) 상기 시간-세기 곡선의 전술한 영역들 중 어느 것에 대한 형광 세기에서의 변화율, 또는 이들의 조합.
일부 변형예들에서, 상기 파라미터 값들 중 적어도 하나는 상기 시간-세기 곡선에서의 세기 변화들의 크기에 관련된다. 상기 파라미터 값은 다음 파라미터 타입들 중 하나에 대한 것일 수 있다 (또는 하나를 포함할 수 있다): (i) 상기 시간-세기 곡선의 증가하는 세기의 영역 내의 세기 변화, (ii) 상기 시간-세기 곡선의 높은 세기의 영역 내의 세기 변화, (iii) 상기 시간-세기 곡선의 감소하는 세기의 영역 내의 세기 변화, 또는 이들의 조합. 또 다른 예시로서, 상기 파라미터 값은 다음 파라미터 타입들 중 하나에 대한 것일 수 있다 (또는 하나를 포함할 수 있다): (i) 상기 시간-세기 곡선의 관류 개시 양상 동안의 세기 변화, (ii) 상기 시간-세기 곡선의 동맥 양상 동안의 세기 변화, (iii) 상기 시간-세기 곡선의 미세-혈관 양상 동안의 세기 변화, (iv) 상기 시간-세기 곡선의 정맥 양상 동안의 세기 변화, 또는 이들의 조합. 또 다른 예시로서, 상기 파라미터 값은 다음의 파라미터 타입들 중 하나에 대한 것일 수 있다 (또는 하나를 포함할 수 있다): (i) 빠른 또는 가장 빠른 형광 세기 증가의 기간 동안의 세기 변화, (ii) 빠른 또는 가장 빠른 형광 세기 감소의 기간 동안의 세기 변화, 또는 이들의 조합.
일부 변형예들에서, 상기 파라미터 값들 중 적어도 하나는 상기 시간-세기 곡선의 다항식의 특성화에 관련된 계수 값이다. 일부 변형예들에서, 각각의 파라미터 값은 파라미터 타입에 대한 값일 수 있고, 그리고 상기 파라미터 값들 세트들을 비교하는 단계는 각각의 계산 영역에 대한 파라미터 타입들에 대해 수치 순위들 세트를 발생시키는 단계를 포함한다.
일부 변형예들에서, 각각의 계산 영역에 대한 총 순위 값을 발생시키는 단계는 각각의 계산 영역에 대한 수치 순위들 세트를 합산하는 단계를 포함한다. 일부 변형예들에서, 각각의 계산 영역에 대한 총 순위 값을 발생시키는 단계는 해시 함수로 각각의 계산 영역에 대한 수치 메트릭들 세트를 맵핑하는 단계를 포함한다. 상기 해시 함수는 예를 들어, 순환 중복 검사 (cyclic redundancy check), 페어링 함수 등을 포함할 수 있다. 일부 변형예들에서, 상기 총 순위 값들을 순위 맵으로 변환시키는 단계는 각각의 총 순위 값을 세기 값에 상관시키는 단계, 및/또는 각각의 총 순위 값을 그레이스케일 또는 컬러 디스플레이 값에 상관시키는 단계를 포함한다. 일부 변형예들에서, 상기 방법은 순위 맵 이미지를 디스플레이 상에 디스플레이하는 단계를 포함한다. 상기 순위 맵 이미지는 상기 피검체의 조직의 해부학적 이미지 상에 중첩될 수 있다. 일부 변형예들에서, 상기 방법은 상기 조직을 통해 이동하는 형광 영상 제제의 볼러스의 이동 (transit)을 캡처하는 형광 영상 시스템을 사용하여 상기 형광 이미지들의 시계열을 발생시키는 단계를 포함한다. 예를 들어, 상기 형광 영상 제제는 인도시아닌 그린, 플루오레세인 이소티오시아네이트, 로다민, 피코에리트린, 피코시아닌, 알로피코시아닌, o-프탈알데히드, 플루오레스카민, 로즈 벵갈, 트립판 블루, 플루오로-금, 녹색 형광 단백질, 플라빈, 메틸렌 블루, 포르피소메들, 시아닌 염료, IRDDye800CW, 표적 리간드와 결합된 CLR 1502, 표적 리간드와 결합된 OTL38, 또는 이들의 조합을 포함할 수 있다. 일부 변형예들에서, 상기 형광 이미지들의 시계열은 형광 혈관조영검사 이미지들의 시계열을 포함한다.
일반적으로, 피검체의 타깃 조직 영역 내의 상처를 특성화하는 시스템의 일 변형예에서, 상기 시스템은: 하나 이상의 프로세서들; 및 저장된 명령어들을 가진 메모리를 포함한다. 상기 명령어들이 하나 이상의 프로세서들에 의해 실행될 시에, 상기 명령어들은 상기 시스템이: 상기 피검체의 타깃 조직 영역의 형광 이미지들의 시계열을 수신하고 - 상기 이미지들은 복수의 계산 영역들을 정의함; 상기 복수의 계산 영역들에 대한 복수의 시간-세기 곡선들을 발생시키고; 각각의 계산 영역에 대해 하나 이상의 파라미터 값들을 생성하고 - 상기 하나 이상의 파라미터 값들은 상기 시간-세기 곡선의 적어도 일 부분을 근사화함; 상기 복수의 계산 영역들에 대한 파라미터 값들 세트들을 비교하여 각각의 계산 영역에 대한 총 순위 값을 발생시키고; 수정된 총 순위 값들을 포함한 데이터 세트를 발생시키며 - 상기 수정된 총 순위 값들은 상기 총 순위 값들과 기준 값 사이의 비교에 적어도 부분적으로 기반함; 그리고 상기 상처에 위치된 계산 영역들에 대응하는 데이터 세트의 적어도 일 부분에 기반하여 상처 인덱스 값을 발생시키도록 할 수 있다. 일부 변형예들에서, 상기 시스템은 디스플레이를 포함하고, 상기 명령어들은 상기 시스템이 상기 디스플레이 상에서 상기 순위 맵 이미지를 디스플레이하도록 한다. 일부 변형예들에서, 상기 시스템은 상기 조직 내의 형광 영상 제제로부터 형광 방출물을 유도하기 위해 여기 광을 제공하는 광원을 포함한다. 일부 변형예들에서, 상기 시스템은 상기 형광 방출물에 기반하여 상기 형광 이미지들의 시계열을 발생시키는 이미지 획득 조립체를 포함한다. 일부 변형예들에서, 상기 형광 이미지들의 시계열은 상기 형광 방출물에 기반하여 형광 혈관조영검사 이미지들의 시계열을 포함한다.
일반적으로, 피검체의 타깃 조직 영역 내의 상처를 특성화하는 시스템의 또 다른 변형예에서, 상기 시스템은 다음을 포함한다: 상기 피검체의 타깃 조직 영역의 형광 이미지들의 시계열을 수신하기 위해 배치된 수신 유닛 - 상기 이미지들은 복수의 계산 영역들을 정의함; 상기 복수의 계산 영역들 각각에 대해 개별 시간-세기 곡선을 발생시키기 위해 배치된 제 1 발생 유닛; 각각의 계산 영역에 대해 파라미터 값들 세트를 생성하기 위해 배치된 생성 유닛 - 상기 파라미터 값들은 각각의 시간-세기 곡선의 적어도 일 부분을 근사화함; 각각의 계산 영역에 대한 파라미터 값들 세트에 기반하여 상기 계산 영역들 각각에 대한 총 순위 값을 발생시키기 위해 배치된 제 2 발생 유닛; 수정된 총 순위 값들을 포함한 데이터 세트를 발생시키기 위해 배치된 제 3 발생 유닛 - 상기 수정된 총 순위 값들은 상기 총 순위 값들과 기준 값 사이의 비교에 적어도 부분적으로 기반함; 및 상기 상처에 위치된 계산 영역들에 대응하는 데이터 세트의 적어도 일 부분에 기반하여 상처 인덱스 값을 발생시키기 위해 배치된 제 4 발생 유닛.
시스템의 일부 변형예들에서, 적어도 하나의 계산 영역은 하나의 픽셀 또는 하나의 복셀에 의해 정의된다. 일부 변형예들에서, 시스템이 데이터 세트를 발생시킬 시에, 상기 시스템은 상기 총 순위 값들의 적어도 일 부분을 조절한다. 일부 변형예들에서, 상기 시스템은 제 1 조절 데이터 세트를 발생시키기 위해 제 1 조절 함수로 상기 총 순위 값들의 제 1 부분을 조절하며, 그리고 제 2 조절 데이터 세트를 발생시키기 위해 제 2 조절 함수로 상기 총 순위 값들의 제 2 부분을 조절한다. 일부 변형예들에서, 상기 제 1 조절 함수는 신원 함수이다. 일부 변형예들에서, 상기 제 2 조절 함수는 상기 제 2 조절 데이터 세트가 제로가 되도록 한다. 일부 변형예들에서, 제 1 조절 데이터 세트는 복수의 상처 특성화 값들을 포함하고, 제 2 조절 데이터 세트는 복수의 비-상처 특성 값들을 포함한다. 일부 변형예들에서, 상기 수정된 총 순위 값들은 상기 제 1 및 제 2 조절 데이터 세트들과 상기 기준 값의 비교에 기반한다. 일부 변형예들에서, 상기 기준 값은 기준 순위 값을 포함하며, 상기 기준 순위 값은 기준 형광 이미지들의 시계열에 대한 기준 시간-세기 곡선에 기반하고, 상기 기준 형광 이미지들의 시계열은 기준 조직의 것이다.
일부 변형예들에서, 상기 상처 인덱스 값은 상기 상처에 위치된 계산 영역들에 대응하는 데이터 세트의 적어도 일 부분의 평균치이다. 일부 변형예들에서, 상기 상처 인덱스 값은 상기 상처에 위치된 계산 영역들에 대응하는 상기 수정된 총 순위 값들을 합산하고, 상기 형광 이미지들에서의 픽셀들 또는 복셀들의 수로 상기 합산을 나눔으로써 발생된다. 일부 변형예들에서, 상기 상처 인덱스 값은 상기 상처에 위치된 계산 영역들에 대응하는 상기 수정된 총 순위 값을 합산하고, 상기 타깃 조직 영역에 위치된 계산 영역들에 대응하는 상기 계산 영역들에서의 픽셀들 또는 복셀들의 수로 상기 합산을 나눔으로써 발생된다.
일반적으로, 피검체의 타깃 조직 영역 내의 상처를 특성화하는 방법은 다음을 포함한다: 상기 피검체의 타깃 조직 영역의 형광 이미지들의 시계열을 수신하는 단계 - 상기 이미지들은 복수의 계산 영역들을 정의함; 상기 복수의 계산 영역들에 대한 복수의 시간-세기 곡선들을 발생시키는 단계; 각각의 계산 영역에 대해 하나 이상의 파라미터 값들을 생성하는 단계 - 상기 하나 이상의 파라미터 값들은 상기 시간-세기 곡선의 적어도 일 부분을 근사화함; 상기 복수의 계산 영역들에 대한 파라미터 값들 세트들을 비교하여 각각의 계산 영역에 대한 총 순위 값을 발생시키는 단계; 수정된 총 순위 값들을 포함한 데이터 세트를 발생시키는 단계 - 상기 수정된 총 순위 값들은 상기 총 순위 값들과 기준 값 사이의 비교에 적어도 부분적으로 기반함; 및 상기 상처에 위치된 계산 영역들에 대응하는 데이터 세트의 적어도 일 부분에 기반하여 상처 인덱스 값을 발생시키는 단계. 상기 방법은 의학적 영상에 사용되기 위해 수행될 수 있다. 상기 방법은 하나 이상의 프로세서들 및 메모리를 포함한 컴퓨터 시스템에서 수행될 수 있다.
상기 방법의 일부 변형예들에서, 적어도 하나의 계산 영역은 하나의 픽셀 또는 하나의 복셀에 의해 정의된다. 일부 변형예들에서, 상기 데이터 세트를 발생시키는 단계는 상기 총 순위 값들의 적어도 일 부분을 조절하는 단계를 포함한다. 일부 변형예들에서, 상기 총 순위 값들의 적어도 일 부분을 조절하는 단계는 제 1 조절 데이터 세트를 발생시키기 위해 제 1 조절 함수로 상기 총 순위 값들의 제 1 부분을 조절하는 단계, 및 제 2 조절 데이터 세트를 발생시키기 위해 제 2 조절 함수로 상기 총 순위 값들의 제 2 부분을 조절하는 단계를 포함한다. 일부 변형예들에서, 상기 제 1 및 제 2 조절 함수들은 서로 다르다. 일부 변형예들에서, 상기 제 1 조절 함수는 신원 함수이다. 일부 변형예들에서, 상기 제 2 조절 함수는 상기 제 2 조절 데이터 세트가 제로가 되도록 한다. 일부 변형예들에서, 상기 제 1 조절 데이터 세트는 복수의 상처 특성화 값들을 포함하며, 그리고 상기 제 2 조절 데이터 세트는 복수의 비-상처 특성화 값들을 포함한다.
일부 변형예들에서, 데이터 세트를 발생시키는 단계는 상기 제 1 및 제 2 조절 데이터 세트들과 상기 기준 값을 비교하는 단계를 포함한다. 일부 변형예들에서, 상기 기준 값은 기준 순위 값을 포함할 수 있으며, 상기 기준 순위 값은 기준 형광 이미지들의 시계열에 대한 기준 시간-세기 곡선에 기반한다. 일부 변형예들에서, 상기 기준 형광 이미지들의 시계열은 기준 조직을 나타낸다. 일부 변형예들에서, 상기 기준 조직은 상기 피검체 내의 건강한 조직, 상기 피검체의 타깃 조직 영역 내의 건강한 조직, 또는 하나 이상의 건강한 제 3 자 (party) 피검체들의 조직일 수 있다. 일부 변형예들에서, 상기 기준 값은 상기 형광 이미지들의 시계열의 배경 메트릭 (background metric)에 적어도 부분적으로 기반한다. 일부 변형예들에서, 상기 기준 값은 공차 값, 승수, 또는 다수의 기준 값들의 평균치에 의해 수정된다.
일부 변형예들에서, 상처 인덱스 값을 발생시키는 단계는 상기 상처에 위치된 계산 영역들에 대응하는 상기 데이터 세트의 적어도 일 부분을 평균화하는 단계를 포함한다. 이들 중 일부에서, 상기 데이터 세트의 적어도 일 부분을 평균화하는 단계는 상기 상처에 위치된 계산 영역들에 대응하는 상기 수정된 총 순위 값들을 합산하고, 상기 형광 이미지들에서의 픽셀들 또는 복셀들의 수로 상기 합산을 나누는 단계를 포함한다. 이들 변형예들 중 일부에서, 상기 데이터 세트의 적어도 일 부분을 평균화하는 단계는 상기 상처에 위치된 계산 영역들에 대응하는 상기 수정된 총 순위 값들을 합산하고, 상기 타깃 조직 영역에 위치된 계산 영역들에 대응하는 상기 계산 영역들에서의 픽셀들 또는 복셀들의 수로 상기 합산을 나누는 단계를 포함한다.
일부 변형예들에서, 상기 방법은 상기 상처 인덱스 값을 디스플레이 상에 디스플레이하는 단계를 포함한다. 일부 변형예들에서, 상기 방법은 상기 계산 영역들에 대한 총 순위 값들을 순위 맵 이미지로 변환시키고 상기 상처 인덱스 값을 갖는 순위 맵 이미지를 상기 디스플레이 상에 디스플레이하는 단계를 포함한다. 일부 변형예들에서, 상기 방법은 상기 조직을 통해 이동하는 형광 영상 제제의 볼러스의 이동을 캡처하는 형광 영상 시스템을 사용하여 상기 형광 이미지들의 시계열을 발생시키는 단계를 포함한다. 예를 들어, 상기 형광 영상 제제는 인도시아닌 그린, 플루오레세인 이소티오시아네이트, 로다민, 피코에리트린, 피코시아닌, 알로피코시아닌, o-프탈알데히드, 플루오레스카민, 로즈 벵갈, 트립판 블루, 플루오로-금, 녹색 형광 단백질, 플라빈, 메틸렌 블루, 포르피소메들, 시아닌 염료, IRDDye800CW, 표적 리간드와 결합된 CLR 1502, 표적 리간드와 결합된 OTL38, 또는 이들의 조합을 포함할 수 있다. 일부 변형예들에서, 상기 형광 이미지들의 시계열은 형광 혈관조영검사 이미지들의 시계열을 포함한다. 일부 변형예들에서, 상기 형광 이미지들의 시계열은 형광 혈관조영검사 이미지들의 시계열을 포함한다.
도 1은 피검체의 조직을 특성화하는 예시적인 방법의 예시적인 블록 다이어그램이다.
도 2a는 이미지들의 시계열의 예시적인 도시이다. 도 2b는 이미지들의 시계열의 계산 영역에 대해 발생된 시간-세기 곡선의 예시적인 도면이다.
도 3은 시간-세기 곡선을 근사화하거나 이와 달리 특성화하는 복수의 예시적인 파라미터들을 갖는 예시적인 시간-세기 곡선이다.
도 4는 피검체의 타깃 조직 영역에서 상처를 특성화하는 예시적인 방법의 예시적인 블록 다이어그램이다.
도 5a는 정상 상처 치유 과정을 개략적으로 도시한다. 도 5b는 만성 상처 치유 과정을 개략적으로 도시한다.
도 6은 피검체의 조직을 특성화하도록 구성된 예시적인 형광 영상 시스템의 예시적인 도면이다.
도 7은 피검체의 조직을 특성화하도록 구성된 형광 영상 시스템의 예시적인 조명 모듈의 예시적인 도면이다.
도 8은 피검체의 조직을 특성화하도록 구성된 형광 영상 시스템의 예시적인 카메라 모듈이다.
도 9a-9f는 상처 케어에 대한 방법들 및 시스템들의 적용에 관한 예시적인 이미지들을 나타낸다.
도 10a-10d는 흉부 수술에 대한 방법들 및 시스템들의 적용에 관련된 예시적인 이미지들을 나타낸다.
도 11a-11b는 재건 수술에 대한 방법들 및 시스템들의 적용에 관련된예시적인 이미지들을 나타낸다.
도 12-12h는 외상성 골절 상처의 상처 관리에 대한 방법들 및 시스템들의 적용에 관련된 예시적인 이미지들을 나타낸다.
도 13a-13k는 감염된 상처의 상처 관리에 대한 방법들 및 시스템들의 적용에 관련된 예시적인 이미지들을 나타낸다.
도 14a-14i는 허혈 상처의 상처 관리에 대한 방법들 및 시스템들의 적용에 관련된 예시적인 이미지들을 나타낸다.
도 15a-15l는 방법들 및 시스템들을 유방 재건 수술에 대한 방법들 및 시스템들의 적용에 관련된 예시적인 이미지들을 도시한다.
도 2a는 이미지들의 시계열의 예시적인 도시이다. 도 2b는 이미지들의 시계열의 계산 영역에 대해 발생된 시간-세기 곡선의 예시적인 도면이다.
도 3은 시간-세기 곡선을 근사화하거나 이와 달리 특성화하는 복수의 예시적인 파라미터들을 갖는 예시적인 시간-세기 곡선이다.
도 4는 피검체의 타깃 조직 영역에서 상처를 특성화하는 예시적인 방법의 예시적인 블록 다이어그램이다.
도 5a는 정상 상처 치유 과정을 개략적으로 도시한다. 도 5b는 만성 상처 치유 과정을 개략적으로 도시한다.
도 6은 피검체의 조직을 특성화하도록 구성된 예시적인 형광 영상 시스템의 예시적인 도면이다.
도 7은 피검체의 조직을 특성화하도록 구성된 형광 영상 시스템의 예시적인 조명 모듈의 예시적인 도면이다.
도 8은 피검체의 조직을 특성화하도록 구성된 형광 영상 시스템의 예시적인 카메라 모듈이다.
도 9a-9f는 상처 케어에 대한 방법들 및 시스템들의 적용에 관한 예시적인 이미지들을 나타낸다.
도 10a-10d는 흉부 수술에 대한 방법들 및 시스템들의 적용에 관련된 예시적인 이미지들을 나타낸다.
도 11a-11b는 재건 수술에 대한 방법들 및 시스템들의 적용에 관련된예시적인 이미지들을 나타낸다.
도 12-12h는 외상성 골절 상처의 상처 관리에 대한 방법들 및 시스템들의 적용에 관련된 예시적인 이미지들을 나타낸다.
도 13a-13k는 감염된 상처의 상처 관리에 대한 방법들 및 시스템들의 적용에 관련된 예시적인 이미지들을 나타낸다.
도 14a-14i는 허혈 상처의 상처 관리에 대한 방법들 및 시스템들의 적용에 관련된 예시적인 이미지들을 나타낸다.
도 15a-15l는 방법들 및 시스템들을 유방 재건 수술에 대한 방법들 및 시스템들의 적용에 관련된 예시적인 이미지들을 도시한다.
이제, 본 발명의 다양한 양태들 및 변형들의 구현예들 및 실시예들이 상세히 참조될 것이며, 그 예시들은 첨부된 도면들에 도시된다.
피검체의 조직을 특성화하는 방법들
도 1에 도시된 바와 같이, 피검체의 조직을 특성화하는 방법 (100)의 예시는 다음을 포함할 수 있다: 피검체의 조직의 형광 이미지들의 시계열을 수신하는 단계 (112) - 상기 이미지들은 복수의 계산 영역들을 정의함, 복수의 계산 영역들에 대한 복수의 시간-세기 곡선들을 발생시키는 단계 (114), 각각의 계산 영역에 대해 파라미터 값들 세트를 생성하는 단계 (116) - 상기 파라미터 값들은 시간-세기 곡선의 적어도 일 부분을 근사화함; 복수의 계산 영역들에 대한 파라미터 값들 세트들을 비교하여 각각의 계산 영역에 대한 총 순위 (rank) 값을 발생시키는 단계 (118), 및 상기 계산 영역에 대한 총 순위 값들을 순위 맵 이미지로 변환시키는 단계 (120). 일부 변형예들에서, 방법은 형광 이미지들의 시계열을 발생시키는 단계 (110), 및/또는 디스플레이 상에 순위 맵 이미지를 디스플레이하는 단계 (122)를 더 포함할 수 있다.
일부 변형예들에서, 방법의 적어도 일 부분은 의료 영상 시스템으로부터 분리되어 위치된 컴퓨터 시스템에 의해 수행될 수 있다. 예를 들면, 형광 이미지들의 시계열을 수신하는 단계 (112), 복수의 시간-세기 곡선들을 발생시키는 단계 (114), 파라미터 값들 세트를 생성하는 단계 (116), 각각의 계산 영역에 대한 총 순위 값을 발생시키는 단계 (118), 및 총 순위 값들을 순위 맵 이미지로 변환시키는 단계 (120) 중 일부 또는 모두는 임상 현장 (예컨대, 형광 영상 시스템이 위치하는 곳)으로부터 떨어진 외부 위치 (off-site location)에서 컴퓨터 시스템에 의해, 또는 임상 셋팅에 위치되지만 영상 시스템에 구현되지 않은 컴퓨터 시스템에 의해 수행될 수 있다. 이러한 변형들에서, 형광 이미지들의 시계열은 데이터 저장 매체 (예컨대, 하드 드라이브, 클라우드 저장 장치 등)로부터 또는 네트워크 통신 (예컨대, 유선 연결, 인터넷, 적합한 무선 기술 표준에 기반한 무선 네트워크 등)을 통해 이미지 데이터의 전송의 결과로서 수신될 수 있다. 예를 들면, 상기 방법은 클라이언트-서버 아키텍처를 포함할 수 있어서, 영상 시스템은 이미지 데이터를 컴퓨팅 서버로 송신하고 프로세싱된 데이터 (예컨대, 본 명세서에 기술된 방법들의 다양한 단계들의 순위 맵 이미지 또는 중간 출력물들)를 영상 시스템 상에 다시 로딩하는 클라이언트 하드웨어를 포함할 수 있다. 영상 시스템 내의 클라이언트 하드웨어가 프로세싱된 데이터를 로딩한 이후에, 영상 시스템은 추가로 본 명세서에서 기술된 방법들에 따라 데이터를 프로세싱하고 및/또는 프로세싱된 데이터를 디스플레이할 수 있다.
일부 변형예들에서, 방법의 적어도 일 부분은 임상 현장에서와 같은 의료 영상 시스템에 통합된 컴퓨터 시스템에서 하나 이상의 프로세서들에 의해 수행된다. 예를 들어, 형광 이미지들의 시계열을 수신하는 단계 (112), 복수의 시간-세기 곡선들을 발생시키는 단계 (114), 파라미터 값들 세트를 생성하는 단계 (116), 각각의 계산 영역에 대한 총 순위 값을 발생시키는 단계 (118), 및 총 순위 값들을 순위 맵 이미지로 변환시키는 단계 (120) 중 일부 또는 모두는 의료 영상 시스템에서 컴퓨터 시스템에 의해 수행될 수 있다. 이들 변형예들 중 일부에서, 상기 방법은 형광 이미지들의 시계열을 수신하기 이전에 형광 이미지들의 시계열을 발생시키는 단계 (110)를 더 포함할 수 있다.
전술한 바와 같이, 형광 영상 시스템들과 같은 현재의 의료 영상 기술들은 임상의들이 피검체의 조직에서 혈류량 및/또는 조직 관류를 정확하게 평가하는 제한된 기회를 제공한다. 예를 들면, 조직을 통해 염료 볼러스의 이동을 캡처하는 형광 이미지들을 시각적으로 평가할 시에, 혈류량 및/또는 조직 관류의 임상의들 평가는, 조직의 관류 속성들에 독립적인 파라미터들 (예컨대, 밝기, 이미지 콘트라스트, 이미지 노이즈)에 의해 혼동된다. 추가적으로, 이미지들에 대한 임상의들의 단순한 시각적 평가는 주관적이며 임상의마다, 환자마다 및/또는 영상 세션마다 다를 수 있다. 더욱이, 이전의 시각적 평가들의 임상의의 메모리 부족 또는 부정확한 기억으로 인해, 다수의 영상 세션들에 걸쳐 시간에 따른 환자의 혈류량 및/또는 관류 상태를 신뢰성 있게 그리고 일관되게 비교 및 추적하는 방식은 없다.
조직을 특성화하는, 본 명세서에 기술된 방법들 및 시스템들은 보다 효과적인 임상 결정을 가능하게 하는 방식으로 이미지 데이터를 프로세싱하고 사용자에게 이미지 데이터를 제시한다. 특히, 순위 맵 이미지는 임상-관련 파라미터들에 대해, 예를 들어 픽셀들 (또는 복셀들)과 같은 이미지 요소들 사이의 상대 차이들, 또는 이미지화된 조직의 상이한 영역들을 간결하게 나타내는 공간 맵일 수 있다. 일부 변형예들에서, 순위 맵 이미지는 영상화된 조직의 상이한 영역들이 치유 상태, 조직 속성 및/또는 다른 조직 조건에서 어떻게 변화하는지를 시각화한 것일 수 있다. 예를 들어, 순위 맵 이미지는 염증, 악성 종양, 질병 또는 인간이 쉽게 인지하고 식별할 수 있는 방식으로 조직의 다른 이상물 (abnormality)을 시각화할 수 있다. 본 명세서에서 더 기술되는 바와 같이, 이들 정량화된 시각화는 혈류량 및/또는 조직 관류를 평가하기 위한 표준화된 프로토콜을 용이하게 하고 다수의 영상화 세션들에 걸쳐 시간에 따라 환자의 평가들을 비교 및 추적하는 방법을 제공함으로써 임상의들의 주관성의 모호성 및 영향을 감소시킨다. 이로써, 이들 정량화된 시각화는 임상의가 보다 일관된 임상 평가 및/또는 의료 치료 결정을 내릴 수 있게 한다.
다양한 예시적인 실시예들이 형광 이미지들의 시계열과 관련하여 본 명세서에 기술되었지만, 상기 방법은 조직 내의 영상 제제의 동적 거동과 관련된 시계열로서 발생된 다른 이미지들의 소스들에 그리고 다른 임상 목적에 대해 적용될 수 있다. 예를 들어, 이미지들은 혈류량 및 조직 관류 평가를 위한 방사선-비투과 (radio-opaque) 조영 염료를 사용하여 컴퓨터화 단층 촬영 (CT) 혈관조영검사로부터 도출될 수 있다. 또 다른 예시로서, 이미지들은 FDG (fluorodeoxyglucose) 또는 다른 방사성 추적자 (radiotracer)를 사용하여 양전자 방출 단층 촬영 (PET)으로부터 도출되어 대사 활성도를 평가하고 병적 측면 (pathology)을 잠재적으로 평가하고 및/또는 병적 측면 평가에 유용한 정보를 제공할 수 있다. 또 다른 예시로서, 이미지들은 전신 순환 (systemic circulation)에 정맥 내 투여된 가스-충전 마이크로버블 조영 매체의 사용을 이용하는 조영 증강 초음파 영상 (contrast-enhanced ultrasound imaging)으로부터 도출될 수 있다. 마이크로버블 조영제들을 사용하는 그러한 초음파 영상은 마이크로버블들 내의 가스와 연 (soft) 조직 사이의 높은 에코발생 (즉, 초음파를 반사시키는 물체의 능력) 차이로 인하여, 조영이 증가되는 고유의 소노그램을 만들어 내기 위해 초음파의 초음파 후방산란 또는 반사를 향상시킨다. 조영 증강 초음파는, 예를 들어, 장기들의 혈액 관류 및 혈류량을 영상화하는데 사용될 수 있다.
이미지들의 시계열 발생
일부 변형예들에서, 도 1에 도시된 바와 같이, 상기 방법은 형광 이미지들의 시계열을 발생시키는 단계 (110)를 포함한다. 피검체의 조직의 형광 이미지들의 시계열은, 예를 들어, 형광 영상 제제로서의 인도시아닌 그린 (ICG) 염료와 같은 형광 영상 제제를 이용하는 형광 영상 기술들에 의해 발생될 수 있다. ICG는, 피검체에 투여될 시에, 혈액 단백질들과 결합하고 조직 내의 혈액과 함께 순환된다. 본 명세서에서 형광제 또는 형광 염료가 언급되었지만, 이미지들의 시계열을 발생시키기 위해 사용되는 영상 기술의 타입에 따라서 다른 적합한 영상 제제들이 사용될 수 있다.
일부 변형예들에서, 형광 영상 제제 (예컨대, ICG)는 영상화를 위한 적합한 농도로 볼러스 주사로서 피검체에게 투여될 수 있다. 조직 관류를 평가하기 위해 상기 방법이 수행되는 일부 변형예들에서, 형광 영상 제제는 피검체의 정맥 또는 동맥 내로의 주사에 의해 피검체에게 투여되고, 그 결과 염료 볼러스는 혈관계를 순환하고 미세혈관계를 가로 질러간다. 다수의 형광 영상 제제들이 사용되는 일부 변형예들에서, 그러한 제제들은 동시에 (예컨대, 단일 볼러스로) 또는 순차적으로 (예컨대, 별도의 볼러스들로) 투여될 수 있다. 일부 변형예들에서, 형광 영상 제제는 카테터에 의해 투여될 수 있다. 일부 변형예들에서, 형광 영상 제제는 형광 이미지들의 시계열을 발생시키기 위한 측정을 수행하기 앞서 1 시간 미만으로 피검체에 투여될 수 있다. 예를 들어, 형광 영상 제제는 측정에 앞서 30 분 미만으로 피검체에 투여될 수 있다. 다른 변형예들에서, 형광 영상 제제는 측정을 수행하기 적어도 30 초 전에 투여될 수 있다. 일부 변형예들에서, 형광 영상 제제는 측정 수행과 동시에 투여될 수 있다.
일부 변형예들에서, 형광 영상 제제는 혈액 내에서 원하는 순환 농도를 달성하기 위해 다양한 농도로 투여될 수 있다. 예를 들어, 형광 영상 제제가 ICG인 조직 관류 평가에 대한 일부 변형예들에서, 형광 영상 제제는 약 2.5 mg/mL의 농도로 투여되어 혈액에서 약 5 μM 내지 약 10 μM의 순환 농도를 달성할 수 있다. 일부 변형예들에서, 형광 영상 제제의 투여에 대한 상위 농도 한계는 형광 영상 제제가 순환 혈액에서 임상적으로 독성이 되는 농도이고, 하위 농도 한계는 혈액에서 순환하는 형광 영상 제제를 검출하는 형광 이미지들의 시계열을 획득하는데 사용되는 기구들에 대한 한계이다. 일부 변형예들에서, 형광 영상 제제의 투여에 대한 상위 농도 한계는 형광 영상 제제가 자가-퀘칭 (self-quenching)되는 농도이다. 예를 들어, ICG의 순환 농도는 약 2 μM 내지 약 10 mM의 범위일 수 있다.
이로써, 일 양태에서, 상기 방법은 피검체에 형광 영상 제제 또는 다른 영상 제제의 투여, 및 이미지 데이터를 프로세싱하기 이전의 형광 이미지들의 시계열의 발생 또는 획득을 포함할 수 있다. 또 다른 양태에서, 상기 방법은 형광 영상 제제 또는 다른 영상 제제를 피검체에게 투여하는 임의의 단계를 배제할 수 있다. 예를 들면, 형광 이미지들의 시계열은, 예를 들어 피검체 내에 이미 존재하는 인도시아닌 그린 (ICG) 염료와 같은 형광 영상 제제의 측정에 기반할 수 있고 및/또는 자발형광 응답 (예컨대, 본래 조직 자발형광 또는 유도 조직 자발형광), 또는 형광 영상 제제로부터 일어나는 자발형광 및 외인성 형광의 조합의 측정에 기반할 수 있다.
일부 변형예들에서, 적합한 형광 영상 제제는 혈액과 함께 순환할 수 있는 제제 (예컨대, 혈액 내의 지방단백질 또는 혈청 혈장과 같은 혈액 성분과 함께 순환할 수 있는 형광 염료)이며, 적절한 여기 광 에너지에 노출될 시에 형광을 내는 제제이다. 형광 영상 제제는 형광 염료, 그의 유사체, 그의 유도체 또는 이들의 조합을 포함할 수 있다. 형광 염료는 임의의 비-독성 형광 염료를 포함할 수 있다. 일부 변형예들에서, 형광 영상 제제는 근적외선 스펙트럼에서 최적으로 형광을 방출한다. 일부 변형예들에서, 형광 영상 제제는 예를 들어 인도시아닌 그린 (ICG)과 같은 트리카보시아닌 염료 (tricarbocyanine dye)이거나, 상기 트리카보시아닌 염료를 포함한다. 다른 변형예들에서, 형광 영상 제제는 플루오레세인 이소티오시아네이트 (fluorescein isothiocyanate), 로다민 (rhodamine), 피코에리트린 (phycoerythrin), 피코시아닌 (phycocyanin), 알로피코시아닌 (allophycocyanin), o-프탈알데히드 (o-phthaldehyde), 플루오레스카민 (fluorescamine), 로즈 벵갈 (rose Bengal), 트립판 블루 (trypan blue), 플루오로-금 (fluoro-gold), 녹색 형광 단백질, 플라빈들 (flavins, 예컨대, 리보플라빈 등), 메틸렌 블루, 포르피소메들, 시아닌 염료들 (예컨대, 타깃 리간드, Cy5.5 등과 결합된 카텝신-활성화 Cy5), IRDye800CW, 표적 리간드와 결합된 CLR 1502, 표적 리간드와 결합된 OTL38 또는 이들의 조합이거나 이들을 포함하여, 상기 형광 영상 제제는 각각의 영상 제제에 적절한 여기 광 파장을 사용하여 여기시킬 수 있다. 일부 변형예들에서, 형광 영상 제제의 유사체 또는 유도체가 사용될 수 있다. 예를 들어, 형광 염료 유사체 또는 유도체는, 화학적으로 개질되지만 적절한 파장의 광 에너지에 노출될 시에 여전히 형광을 내는 능력을 보유한 형광 염료를 포함할 수 있다. 형광의 일부 또는 모두가 자발형광으로부터 도출되는 변형예들에서, 자발형광을 야기하는 형광단들 중 하나 이상은 내인성 조직 형광단 (예컨대, 콜라겐, 엘라스틴, NADH 등), 5-아미노레불린 산 (5-aminolevulinic Acid, 5-ALA) 또는 이들의 조합일 수 있다.
일부 변형예들에서, 형광 영상 제제는 동결 건조된 파우더, 고체 또는 액체로서 제공될 수 있다. 형광 영상 제제는 멸균 주사기로 멸균 유체를 투여함으로써 적합한 농도로 재구성을 허용할 수 있는 바이알 (vial) (예컨대, 멸균 바이알)에 제공될 수 있다. 재구성은 임의의 적절한 담체 또는 희석제를 사용하여 수행될 수 있다. 예를 들어, 형광 영상 제제는 투여 직전에 수성 희석제로 재구성될 수 있다. 용액에서 형광 영상 제제를 유지할 임의의 희석제 또는 담체가 사용될 수 있다. 예를 들어, ICG는 물로 재구성될 수 있다. 일부 변형예들에서, 일단 형광 영상 제제가 재구성되면, 추가적인 희석제들 및 담체들과 혼합될 수 있다. 일부 변형예들에서, 형광 영상 제제는, 용해도, 안정성, 영상 속성들 또는 이들의 조합을 향상시키기 위해 또 다른 분자 (예컨대, 단백질, 펩티드, 아미노산, 합성 고분자 또는 당)에 결합될 수 있다. 추가적인 완충제들은 Tris, HCl, NaOH, 인산염 완충액, HEPES를 포함하여 옵션으로 첨가될 수 있다.
일부 변형예들에서, 형광 이미지들의 시계열은 획득 시간에 의해 연속적으로 정돈된 복수의 개별 이미지 프레임들 (예컨대, 형광 이미지 프레임들), 또는 개별 프레임들을 나타내는 데이터를 포함한다. 예를 들어, 형광 이미지들의 시계열은 ICG 기반 형광 영상 시스템을 사용하여 획득될 수 있고, 이때 피검체는 수술 직전에 ICG의 정맥 주사를 받으며, 그리고 조직은 ICG의 여기 파장들에 광으로 조명되면서 염료가 타깃 조직을 이동할 시에 염료로부터 최종적인 형광 방출물은 이미지화된다. 형광 이미지들은 또한, 일련의 개별 프레임들, 또는 이들의 획득 시간에 의해 연속적으로 정돈된 개별 프레임들 (예컨대, 압축 비디오)을 나타내는 데이터로서 순차적으로 저장될 수 있다.
일부 변형예들에서, 시계열의 개별 이미지 프레임들은 공간적으로 정렬되거나 등록된다. 예를 들어, 형광 이미지들의 통상적인 시계열은 2 내지 3 분에 걸쳐 기록될 수 있으며, 상기 2 내지 3 분 동안 일부 피검체의 움직임은 불가피할 수 있다. 결과적으로, 동일한 해부학적 특징들이 이미지 시계열 획득 기간 동안 상이한 시간에서 획득된 이미지 프레임들 내의 상이한 위치들에 나타날 수 있다. 그러한 오정렬이 차후 분석에서 에러를 가져올 수 있기 때문에, 시간이 지남에 따라 각 픽셀 또는 픽셀들 그룹에 대한 형광 레벨이 뒤따른다. 에러를 감소시키는 것을 돕기 위해, 발생된 이미지 프레임들은 서로 공간적으로 정렬 (등록)될 수 있다. 일부 변형예들에서, 이미지 등록 또는 정렬은 하나의 이미지로부터의 포인트들을 제 2 이미지 내의 상응하는 포인트들에 맵핑하는 공간 변환을 결정하는 프로세스를 지칭한다.
이미지 등록은 반복적인 프로세스일 수 있다. 예를 들어, 예시적인 실시예에 따르면, 이미지 등록은 다음 세트의 구성 요소들: 2 개의 입력 이미지들, 변환, 메트릭, 인터폴레이터 (interpolator) 및 옵티마이저 중 하나 이상을 사용할 수 있다. 변환은 고정 이미지 공간을 이동 이미지 공간에 맵핑한다. 파라미터 공간을 탐색하기 위해 옵티마이저가 필요하다. 메트릭의 최적 값을 찾기 위해 변환의 구현에 기반한 Insight Segmentation and Registration Toolkit (ITK) (http://itk.org/)이 사용될 수 있다. 메트릭은 2 개의 이미지들이 서로 얼마나 잘 매칭되는지 비교한다. 마지막으로, 인터폴레이터는 비-그리드 위치들에서의 이동 이미지의 세기를 평가한다. 형광 이미지들의 시계열 전체를 정렬하기 위해, 이러한 절차는 분석에 포함된 모든 프레임들에 대해 실행된다. 상기 구성 요소는 일련의 입력 프레임들의 범위를 통해 루핑하고 (loop), 베이스라인 보정을 위해 배경 이미지를 빼며, 그리고 노이즈 감소 필터들을 적용하고, 그 후에 연속된 쌍들의 이미지들을 등록한다.
일부 변형예들에서, 형광 이미지들의 시계열은, 예를 들어, 선택된 데이터를 추출하거나, 베이스라인 세기를 계산하거나, 이미지 품질 개선 프로세스를 수행하거나, 또는 이들의 조합을 수행하도록 사전-프로세싱된다.
예를 들어, 선택된 데이터의 추출은 이미지 시계열 데이터로부터 소정의 데이터를 찾아 배제하는 크로핑 (cropping)을 포함할 수 있다. 예를 들어, 피검체의 형광 영상 절차 동안에, 오퍼레이터는 형광 영상 제제가 타깃 조직에 도달하기 전에 형광 이미지들의 시계열을 만족스럽게 기록하기 시작할 수 있다. 결과적으로, 형광 이미지들의 시계열은 상당한 수의 "어두운" 프레임들을 시작 시에 가질 수 있고, 이로써, 의미 있는 데이터를 전혀 포함하지 않는 프레임들에 대해 불필요한 계산 시간을 추가한다. 문제를 완화하기 위해, 크로핑은 형광 이미지들의 시계열의 시작으로부터 이들 "어두운" 프레임들을 제거하기 위해 사용될 수 있다. 추가적으로, 피검체에 형광 영상 제제 (예컨대, ICG)가 주사될 시에, 영상 제제가 타킷 조직을 이동함에 따라 영상 제제로부터의 형광 신호는 통상적으로 일련의 단계를 통해 진행된다: 영상 제제가 동맥 혈관들을 통해 조직으로 들어갈 시에 형광 세기의 급격한 증가에 이어, 영상 제제가 미세혈관계를 가로질러 갈 시에 안정적인 형광의 기간이 뒤따르고, 그 후에 영상 제제의 정맥 유출로 인해 형광 세기의 느린 감소에 이어, 임의의 영상 제제가 혈류 (bloodstream) 내에 해제된 혈관계의 내벽 (lining)에 보유될 시에 잔류 형광의 기간이 뒤따른다. 이러한 마지막 "잔류" 단계는 수 분 동안 지속될 수 있으며, 그리고 혈류량을 직접적으로 나타내지 않기 때문에 통상적으로 의미 있는 관류 정보를 제공하지 않는다. 이로써, 크로핑은 차후 단계들의 분석으로부터 잔류 단계를 찾아 배제하는데 사용될 수 있다.
일부 변형예들에서, 사전-프로세싱은 베이스라인 세기의 계산을 포함할 수 있다. 예를 들어, 형광 이미지들의 시계열이 형광 영상 시스템에 의해 발생될 시에, 카메라 노이즈, 열 노이즈 및/또는 초기 주사로부터의 잔류 형광 염료의 존재와 같은 다양한 외부 요인들이 기록된 일련물의 형광에 기여할 수 있다. 그러한 요소들이 분석에 미치는 영향을 최소화하기 위해, 베이스라인 세기는 모든 일련물에 대해 계산될 수 있으며, 그리도 데이터의 분석은 이에 따라 조정될 수 있다.
일부 변형예들에서, 사전-프로세싱은 이미지 품질 검증 프로세스를 포함할 수 있다. 그러한 프로세스는, 예를 들어, 형광 이미지들의 시계열 획득이 너무 늦게 시작되고 제 1 프레임이 캡처되었던 시간까지 타겟 조직의 이동을 영상 제제가 이미 시작한 실시예들에서 시작 밝기 테스트를 포함할 수 있다. 이러한 시나리오에서, 형광 이미지들의 시계열이 신뢰성 있게 분석 또는 프로세싱될 수 없는데, 이는 관류 시작에 관련된 정보가 손실되었기 때문이다. 결과적으로, 그러한 일련의 데이터는 거부된다.
일부 변형예들에서, 이미지 품질 확인 프로세스는 밝기 변경 테스트를 포함할 수 있다. 예를 들어, 형광 영상 시스템이 이미지 획득 중에 갑자기 움직이거나 이물질들 (foreign objects)이 시야에 나타난 경우, 또는 일련물들이 캡처되는 동안 외부 소스로부터의 광이 장면을 조명하는 경우에 그러한 테스트가 사용될 수 있다. 이들 이벤트들 모두는 임의의 차후 분석의 결과를 크게 왜곡할 수 있다. 이에 따라서, 그러한 테스트를 거친 형광 이미지들의 시계열은 확인 절차에 실패할 수 있다 (추가 프로세싱 부적합하다고 식별될 수 있음). 예시적인 실시예에 따르면, 밝기 변화 테스트는 형광 이미지들의 시계열에서 이웃하는 프레임들의 평균 세기들 사이의 차이의 계산을 포함하고, 이를 선택된 세기 차이 임계치와 비교한다. 확인을 통과하기 위해서는, 모든 연속 프레임들의 세기 차이가 선택된 세기 차이 임계치에 의해 지정된 한계 내에 있어야 한다.
일부 변형예들에서, 이미지 품질 확인 프로세스는 형광 이미지들의 시계열 획득이 조기에 중단되지 않았음을 체크하기 위한 세기 피크 위치 테스트를 포함할 수 있다. 예를 들어, 세기 피크 위치 테스트는 충분한 수의 프레임들이 조직을 통과하는 염료 볼러스 이동의 모든 단계들을 커버하는데 획득되는 것을 보장한다. 예시적인 실시예에 따르면, 형광 세기 피크 위치 테스트는 최대 평균 형광 세기를 갖는 프레임을 찾고 이것이 형광 이미지들의 시계열에 마지막 프레임이 아니라는 것을 확인하는 것을 포함한다. 이러한 조건이 실패하면, 이는 형광 세기 값이 아직 그들의 최대 값에 도달하지 않았다는 강력한 표시가 될 것이며, 그러한 형광 이미지들의 시계열은 추가 분석에 적합하지 않다.
일부 변형예들에서, 이미지 품질 확인 프로세스는 최대 형광 세기 테스트를 여전히 더 포함할 수 있다. 테스트의 목적은 이미지들이 너무 어둡거나 (대부분의 픽셀들이 사전 정의된 임계치 아래로 떨어짐) 또는 과포화된 (대부분의 픽셀들이 사전 정의된 포화 임계치를 초과함) 형광 이미지들의 시계열을 필터링하는 것이다.
조직 표면의 곡률, 이미지 획득 절차 동안의 과도한 움직임, 어둡거나 과포화된 이미지들, 이미지화된 영역 내의 이물질들 및 외부의 광 또는 음영은 형광 이미지들의 시계열의 품질에 영향을 줄 수 있고, 이로써 그러한 이미지 데이터의 차후 프로세싱에 영향을 줄 수 있다. 이들 문제들을 완화시키기 위해, 그러한 사항들을 최소화하는데 설계된, 우수하게 구조화된 영상 프로토콜 및 형광 영상 시스템이 사용될 수 있다.
이미지들의 시계열은 복수의 계산 영역들을 정의할 수 있다. 각각의 계산 영역은, 예를 들어 단일 픽셀 또는 픽셀들의 그룹, 복셀 또는 복셀들의 그룹, 또는 형광 이미지들의 시계열에서 일부 다른 공간적으로 정의된 영역 또는 체적과 같은 이미지 요소일 수 있다. 각각의 계산 영역은 다른 모든 계산 영역들과 크기가 동일할 수도 있거나, 일부 또는 다른 모든 계산 영역들과 크기가 상이할 수도 있다. 일 변형예에서, 하나 이상의 계산 영역들의 경계들 및/또는 분포는 사전 정의될 수 있다 (예컨대, 각각의 픽셀 또는 복셀에 대한 계산 영역, 또는 각 2x2 픽셀들의 그룹 또는 2x2x2 복셀들의 블록에 대한 계산 영역). 또 다른 변형예에서, 하나 이상의 계산 영역들의 경계들 및/또는 분포는 임상의와 같은 사용자에 의해 정의될 수 있다.
복수의 시간-세기 곡선 발생
일부 변형예들에서, 도 1에 도시된 바와 같이, 상기 방법은 복수의 계산 영역들 (114)에 대한 복수의 시간-세기 곡선들을 발생시키는 단계를 포함한다. 각각의 시간-세기 곡선은 형광 이미지들 내의 각각의 계산 영역에 대응한다. 복수의 계산 영역들 (114) 중 일부 또는 모두 각각에 대해, 개별 시간-세기 곡선이 발생될 수 있다. 도 2a 및 도 2b에 개략적으로 도시된 바와 같이, 특정 계산 영역 (210) (도 2a)에 대응하는 주어진 시간-세기 곡선 (212) (도 2b)은 형광 이미지들의 시계열을 통해 그 계산 영역에서 관찰된 형광 신호의 세기를 나타낸다. 일부 변형예들에서, 시간-세기 곡선은 모든 양상들 (phases) (예컨대, 혈관조영검사 응용에서 동맥, 미세 혈관, 정맥 및 잔류물), 양상의 또는 양상 조합의 서브셋, 모든 양상들의 서브셋, 또는 그의 유도체 (예를 들어, 픽셀별 또는 복셀별에 기반하여 형광 세기의 변화와 연관된 제 1 및 제 2 시간 유도체에 기반한 결정을 포함함)을 기술한다. 시간-세기 곡선들의 모두 또는 일부는 형광 이미지들을 발생시킨 형광 영상 시스템에서 구현된 프로세서에 의해, 또는 형광 이미지들을 발생시킨 형광 영상 시스템으로부터 멀리 떨어진 프로세서에 의해 발생될 수 있다.
일부 변형예들에서, 도 2b에 도시된 바와 같이, 시간-세기 곡선 (212)은 증가하는 세기의 영역, 피크 세기의 영역, 안정 상태 (plateau)의 영역, 감소하는 세기의 영역, 또는 이들의 조합을 포함한다. 형광 영상 (예컨대, 형광 혈관조영검사)의 정황에서, 도 3에 도시된 바와 같이, 시간-세기 곡선 (312)은 일련의 양상들: 동맥 양상, 미세-혈관 양상, 정맥 양상, 잔류물 양상, 또는 이들의 조합으로서 조직을 통해 형광 영상 제제 (예컨대, 형광 염료) 볼러스의 이동을 나타낼 수 있다.
시간-세기 곡선 (또는 그 일 부분)의 형상, 시간-세기 곡선 하의 영역, 또는 이들의 조합은 피검체의 조직에서의 형광 영상 제제의 분포, 조직에서의 혈류량, 또는 이들의 조합을 나타낼 수 있다. 일부 적용들에서, 피검체의 조직에서의 영상 제제의 분포는 조직의 속성, 조직의 질환 (예컨대, 염증, 악성 종양, 이상물, 질병) 또는 이들의 조합을 나타낸다.
각 계산 영역에 대한 파라미터 값들 세트 생성
일부 변형예들에서, 도 1에 도시된 바와 같이, 상기 방법은 각 계산 영역 (116)에 대한 파라미터 값들 세트를 생성하는 단계를 포함하며, 상기 파라미터 값들은 상기 시간-세기 곡선의 적어도 일 부분을 특성화하거나 근사화한다. 일부 변형예들에서, 파라미터 타입들 중 하나 이상은 곡선의 시간 속성들에 대해 정의될 수 있다. 예를 들어, 파라미터 타입들 중 하나 이상은 시간-세기 곡선의 특정 영역의 지속 기간, 이를테면: (i) 시간-세기 곡선의 증가하는 세기의 영역의 지속 기간, (ii) 시간-세기 곡선의 피크 또는 높은 세기의 영역의 지속 기간, (iii) 시간-세기 곡선의 안정 상태의 영역의 지속 기간, 또는 (iv) 시간-세기 곡선의 감소하는 세기의 영역의 지속 기간에 관련될 수 있다. 형광 영상 (예컨대, 형광 혈관조영검사)의 정황에서, 파라미터 타입들 중 하나 이상은 관류 개시 양상, 동맥 양상, 미세-혈관 양상, 또는 정맥 양상의 지속 기간과 관련될 수 있다. 또 다른 예시로서, 파라미터 타입들 중 하나 이상은 제 1 정의 이벤트 (예컨대, 형광 이미지들의 원시 (raw) 또는 사전-프로세싱된 시계열의 시작)와 제 2 정의 이벤트 사이에서, 정의된 경과 시간, 이를테면: (v) 증가하는 형광 세기의 개시까지의 시간과 관련될 수 있다. 또 다른 예시로서, 파라미터 타입들 중 하나 이상은 키-변화율 (key rate-of-change) 또는 다른 세기 특성들을 갖는 정의된 기간, 이를테면: (vi) 빠른 또는 가장 빠른 형광 세기 증가에 대한 시간, 빠른 또는 가장 빠른 형광 세기 감소에 대한 시간, 및/또는 시간-세기 곡선의 전술한 영역들 중 임의의 것에 대한 형광 세기의 변화율과 관련될 수 있다.
일부 변형예들에서, 파라미터 타입들 중 하나 이상은 시간-세기 곡선의 소정의 영역들에 대한 형광 세기 변화들에 대해 정의될 수 있다. 예를 들어, 파라미터 타입들 중 하나 이상은 시간-세기 곡선의 특정 영역에 걸친 세기 변화, 이를테면: (i) 시간-세기 곡선의 증가하는 세기의 영역 내의 세기 변화, (ii) 시간-세기 곡선의 높은 또는 피크 세기의 영역 내의 세기 변화, 또는 (iii) 시간-세기 곡선의 감소하는 세기의 영역 내의 세기 변화에 관련될 수 있다. 형광 영상 (예컨대, 형광 혈관조영검사)의 예시적인 정황에서, 파라미터 타입들 중 하나 이상은 관류 개시 양상, 동맥 양상, 미세-혈관 양상, 또는 정맥 양상 동안 세기 변화와 관련될 수 있다. 또 다른 예시로서, 파라미터 타입들 중 하나 이상은 제 1 정의 이벤트 (예컨대, 형광 이미지들의 원시 또는 사전-프로세싱된 시계열의 시작)와 제 2 정의 이벤트 사이에서, 정의된 경과 시간에 걸친 세기 변화, 이를테면: (iv) 증가하는 형광 세기에 대한 개시 동안의 세기 변화와 관련될 수 있다. 또 다른 예시로서, 파라미터 타입들 중 하나 이상은 키-변화율 또는 다른 세기 특성들을 갖는 정의된 기간에 걸친 세기 변화, 이를테면: (v) 빠른 또는 가장 빠른 형광 세기 증가의 기간 동안의 세기 변화, (vi) 높은 형광 세기의 기간 동안의 세기 변화, 및/또는 (vii) 빠른 또는 가장 빠른 형광 세기 감소의 기간 동안의 세기 변화와 관련될 수 있다.
일부 변형예들에서, 파라미터 타입들 중 하나 이상은, 소정의 실시예들에서, 시간-세기 곡선이 나타나는 정확도를 증가시킬 수 있는 수치 곡선-피팅 (fitting) 알고리즘에 기반할 수 있다. 그러나, 계산 영역들에 대한 파라미터 값들은 시간-세기 곡선의 적어도 일 부분을 근사화하거나, 또는 그렇지 않으면 특성화하는 임의의 적합한 파라미터 타입들에 대한 값들을 포함할 수 있다.
각 계산 영역에 대한 총 순위 값 발생
일부 변형예들에서, 도 1에 도시된 바와 같이, 상기 방법은 이미지들의 시계열에서 각 계산 영역 (118)에 대한 총 순위 값을 발생시키는 단계를 포함한다. 각 계산 영역에 대한 총 순위 값을 발생시키는 것은 각 계산 영역에 대한 시간-세기 곡선이 다른 계산 영역들의 시간-세기 곡선들과 비교되는 법의 정량적 설명을 초래한다. 보다 구체적으로, 각 계산 영역에 대한 총 순위 값은 그 계산 영역에 대한 파라미터 값들 (시간-세기 곡선의 적어도 일 부분을 특성화하거나 근사화함)이 다른 모든 계산 영역에 대한 파라미터 값들과 정량적으로 비교하는 (또는 "순위 매기는") 법을 반영할 수 있다.
총 순위 값 (118)을 발생시키는 제 1 변형예에서, 각 계산 영역에 대한 총 순위 값은 그 계산 영역에 대한 수치 순위들 세트에 기반할 수 있다. 이들 변형들에서, 각 수치 순위, 또는 서브순위는 그 계산 영역에 대한 특정 파라미터가 다른 모든 계산 영역들에 대한 그 파라미터와 비교되거나 순위가 매겨지는 법을 기반으로 한다. 다시 말하면, 각 계산 영역이 파라미터 값들 세트에 대한 수치 순위들 세트와 연관되도록, 각 계산 영역에 대한 각 파라미터 값에 대해 수치 순위가 발생되거나, 또는 그렇지 않으면 할당된다.
형광 영상 (예컨대, 형광 혈관조영검사)의 정황에서, 각 계산 영역에 대한 시간-세기 곡선은, 예를 들어, 도 3에 도시된 다음 파라미터들에 의해 정량화될 수 있다: 개시 양상의 지속 기간 (ΔTonset), 동맥 양상 동안 고정된 시간 간격 내의 형광 세기 변화 (ΔIINGRESS), 미세-혈관 양상의 지속 시간 (ΔTMVASCULAR), 및 정맥 양상의 지속 시간 (ΔTVENOUS). 하나의 계산 영역에 대해, ΔTonset에 대응하는 제 1 수치 순위는, 그 계산 영역에 대한 ΔTonset이 다른 모든 계산 영역들에 대한 ΔTonset에 대해 순위를 매기는 (보다 길거나 또는 보다 짧음) 법에 기반하여 발생된다. ΔIINGRESS에 대응하는 제 2 수치 순위는, 그 계산 영역에 대한 ΔIINGRESS이 다른 모든 계산 영역들에 대한 ΔIINGRESS에 대해 순위를 매기는 (보다 크거나 또는 보다 작음) 법에 기반하여 발생된다. ΔTMVASCULAR에 대응하는 제 3 수치 순위는, 그 계산 영역에 대한 ΔTMVASCULAR이 모든 다른 계산 영역들에 대한 ΔTMVASCULAR에 대해 순위를 매기는 (보다 길거나 또는 보다 짧음) 법에 기반하여 발생된다. ΔTVENOUS에 대응하는 제 4 수치 순위는, 그 계산 영역에 대한 ΔTVENOUS이 모든 다른 계산 영역들에 대한 ΔTVENOUS에 대해 순위를 매기는 (보다 길거나 또는 보다 짧음) 법에 기반하여 발생된다. 예를 들어, 보다 높은 수치 순위는 보다 높은 ΔIINGRESS를 가진 픽셀에 할당될 수 있다. 또 다른 예시로서, 보다 느린 ΔTonset을 가진 픽셀에 더 낮은 순위가 할당될 수 있다. 그 계산 영역에 대한 수치 순위들 세트는 4 개의 파라미터들에 대응하는 이들 4 개의 수치 순위들을 포함한다. 이러한 프로세스는 각 계산 영역에 대해 반복되고, 그 결과 각 계산 영역은 파라미터들에 대응하는 연관 수치 순위들 세트를 가진다. 수치 순위들에 대한 가능한 값들의 범위는 이하에 더 기술되는 바와 같이, 총 순위 값, 가중 요인들, 및/또는 총 순위 값에 대한 디스플레이 스케일 범위 (예컨대, 8-비트 그레이 스케일 범위)를 발생시키도록 합산되는 파라미터 타입들의 수에 대응될 수 있다. 다른 변형예들에서, 임의의 적합한 종류 및/또는 파라미터들의 수는 시간-세기 곡선들을 정량화화기 위해 사용될 수 있다. 예를 들면, 각 수치 순위들 세트는 이 단락에서 기술된 4 개의 파라미터들 중 서브세트만 (예컨대, 2 또는 3 개만)의 순위에 기반될 수 있다.
각 계산 영역 (118)에 대한 총 순위 값을 발생시키는 것은, 모든 계산 영역이 수치 순위 값들의 2 이상의 (예컨대, 모두) 합계에 기반된 총 순위 값을 가지도록, 계산 영역별을 기반으로 한 2 이상의 (예컨대, 모두) 개별 수치 순위들 (서브순위들)를 합산하는 것을 포함할 수 있다. 일부 변형예들에서, 수치 값들 세트의 합계는 식 1의 단계들을 포함할 수 있다:
식 1:
여기서 RTotal은 총 순위 값이고; wtn은 대응하는 파라미터에 적용된 가중 요인이며 (예컨대, ΔIINGRESS에 적용된 wt1, ΔTONSET에 적용된 wt2, ΔTMVASCULAR에 적용된 wt3, 및 ΔTVENOUS에 적용된 wt4); 그리고 Rn (파라미터)은 나타난 파라미터에 대한 서브순위이다 (예컨대, R1 (ΔIINGRESS)은 (ΔIINGRESS)에 대한 수치 순위이고, R2 (ΔTonset)은 ΔTonset에 대한 수치 순위이고, R3 (ΔTMVASCULAR)은 ΔTMVASCULAR에 대한 수치 순위이며, 그리고 R4 (ΔTVENOUS)은 ΔTVENOUS에 대한 수치 순위이다.
선택된 파라미터들 각각 (예컨대, ΔIINGRESS, ΔTonset, ΔTMVASCULAR, ΔTVENOUS)이 측정된 후에, 서브순위 값은 선택된 파라미터들 각각에 할당되며, 그리고 선택된 값들 범위 내에 있다. 일부 변형예들에서, 서브순위 값은, 선택된 파라미터들에 적용된 가중치 요인들 및 RTotal에 대한 선택된 값들 범위에 적어도 부분적으로 의존하는 값들 범위 내에 있을 수 있다. 일부 변형예들에서, 가중 요인들은 대략 동일하다. 예를 들어, 식 1의 하나의 예시적인 구현예에서, 가중 요인들 각각은 대략 동일할 수 있으며 (예컨대, wt1 = wt2 = wt3 = wt4), 그리고 RTotal에 대한 값들 범위는 8-비트 그레이 스케일에 대응하는, 대략 0-255일 수 있다. 이러한 예시에서, 파라미터들 각각은, 8-비트 그레이 스케일의 대략 1/4인 0-63으로부터의 서브순위 값과 연관된다 (예컨대, R1 = 0 내지 63, R2 = 0 내지 63, R3 = 0 내지 63, R4 = 0 내지 63; 서브순위 (R1, R2, R3, R4) ∈ [0...63]). 다른 변형예들에서, 가중 요인들, 총 순위 값들에 대한 범위, 또는 둘 모두는 상이할 수 있다.
식 2는 식 1의 특정 구현의 예시이다:
식 2:
여기서, MAX_RANK는 모든 계산 영역들에 걸쳐 나타난 파라미터에 대한 최대 수치 순위 값이다. 예를 들어 MAX_RANK는 63일 수 있으며, 그리고 각 파라미터 값의 범위는 0-63 일 수 있다.
총 순위 값 (118)을 발생시키는 제 2 변형예에서, 총 순위 값은 해시 함수로 각 계산 영역에 대한 수치 메트릭들 세트를 맵핑함으로써 발생될 수 있다. 이는 각 계산 영역에 대해 고유한 총 순위 값을 초래한다. 일부 버전들에서, 각 계산 영역에 대한 수치 메트릭들은 총 순위 값을 발생시키는 제 1 변형예 (예컨대, 그 계산 영역에 대한 시간-세기 곡선의 상이한 부분들에 수치 순위들을 할당함)에 기술된 바와 같이 발생된 수치 순위들일 수 있다. 예를 들어, 곡선 피팅이 f(x) = C1 + C2X + C3X2 + C4X3과 같은 3 차 다항식으로 표현된 경우, 수들이 단일 순위에 결합될 수 있다. 그러므로, 총 순위 값 RTotal은 RTotal = [C1, C2, C3, C4]의 조합이 될 것이고, 본 명세서에 기술된 다양한 변형들 중 임의의 것에 따라 도출될 것이다 (예컨대, 엘레겐트 페어링 (elegant pairing)). 일부 버전들에서, 각 계산 영역에 대한 수치 메트릭들은 그 계산 영역에 대한 시간-세기 곡선에 가장 잘 맞는 다항식의 계수들에 대응할 수 있다. 일부 버전들에서, 수치 메트릭들은 사전 정의된 간격들로 시간-세기 곡선의 측정된 세기 값들일 수 있다. 다른 버전들에서, 수치 메트릭들은 상이한 영상 양식들 (imaging modalities)에 대해 상이할 수 있는 다른 적합한 하나 이상의 파라미터들 상에 기반될 수 있다.
해시 함수는 수치 메트릭들 세트 각각을 단일 수와 고유하게 맵핑시킨다. 예를 들어, 해시 함수는 순환 중복 검사 (Cyclic Redundancy Check)일 수 있다. 또 다른 예시로서, 해시 함수는 칸터의 페어링 (Cantor's Pairing) 또는 엘레겐트 페어링 (Elegant Pairing)과 같은, 수들 쌍들을 단일 수에 맵핑시키는 페어링 함수일 수 있다. 해시 함수가 페어링 함수인 버전들에서, 해시 함수는, 모든 수치 메트릭들이 각 계산 영역에 대해 단일 값 (총 순위 값)으로서 인코딩될 때까지 페어링별로 재귀적으로 적용될 수 있다. 페어링 함수는 또한 각 인수에서 엄격하게 단조로운 (monotone) 방식으로, 두 개의 자연수들을 단일 자연수로 고유하게 인코딩하기 위한 프로세스이다. 예를 들어, P: N × N → N이 페어링 함수라면, 모든 x, y ∈ N인 경우, P (x, y) < P (x + 1, y) 및 P (x, y) < P (x, y + 1)이다. 독창성과 단조로움을 제외하고, 함수는 보다 높은 차원으로 쉽게 일반화되어야 한다. 즉, 다수의 파라미터들 (예컨대, 3 개, 4 개 이상의 파라미터들 등)을 단일 수에 맵핑하는 것이 가능할 수 있다. 이들 기준을 만족하는 하나의 예시적인 후보는 다음과 같이 정의될 수 있는 소위 엘레겐트 페어링 함수이다 (식 3):
식 3:
2 개 초과의 수를 페어링하기 위해서, 페어링 쌍을 사용할 수 있다. 예를 들어, f(i, j, k)는 P(i, P(j, k)) 또는 P(P(i, j), k)로 정의될 수 있지만, f(i,j,k,l)는 P(P(i, j), P(k, l))로 정의되어야 한다. 일단 순위들을 나타내는 수들 세트를 생성하면, 필요에 따라 이들을 조정할 수 있다 (예컨대, 0 내지 255).
총 순위 값을 발생시키는 제 1 및 제 2 변형들과 관련하여 기술된 알고리즘들은 단지 예시적인 것이다. 상이한 응용들 또는 영상 양식들에서와 같은 다른 변형예들에서, 상기 방법은 추가적으로 또는 대안적으로, 복수의 계산 영역들에 대한 세트들 또는 파라미터 값들 중 2 개 이상 (예컨대, 모두)을 비교하는 것에 기반하여 총 순위 값을 발생시키는 다른 적합한 알고리즘들을 수행하는 단계를 포함할 수 있다.
계산 영역들에 대한 총 순위 값들을 순위 맵 이미지로의 변환
도 1에 도시된 바와 같이, 상기 방법은 총 순위 값들을 순위 맵 이미지 (120)로 변환하는 단계를 포함한다. 결과 순위 맵 이미지는 계산 영역들에 걸친 총 순위 값들의 공간 분포를 시각화함으로써, 계산 영역들 간의 총 순위 값들에서 임의의 상대 차이들을 시각화한다. 이로써, 순위 맵 이미지는 이해하기 쉬운 방식으로 피검체의 조직의 상이한 속성들 (예컨대, 생리학적 속성들)을 강조하는, 선택된 파라미터들에 대해 영상화된 조직의 상이한 부분들 간의 임의의 상대 차이들을 나타낸다. 상기에서 더 기술된 바와 같이, 결과적으로, 순위 맵 이미지는 보다 효과적이고 일관된 임상 평가들 및 의사 결정을 용이하게 할 수 있다.
일부 변형예들에서, 총 순위 값들을 순위 맵 이미지 (120)로 변환하는 것은, 순위 맵 이미지에서의 계산 영역들이 총 순위 값들에 대응하는 가변 세기 값들로 묘사될 수 있도록, 각각의 총 순위 값을 세기 값에 상관시키는 것을 포함할 수 있다. 변환은 디스플레이 밝기 값을 각각의 총 순위 값에 할당하는 것을 포함할 수 있고, 상기 총 순위 값 및 밝기 값은 직접적인 관계를 가진다 (예컨대, 순위가 높을수록, 픽셀의 세기가 높음). 직접적인 관계는 선형 또는 비선형일 수 있다. 다른 변형예들에서, 변환은 총 순위 값과 밝기 값 사이의 간접적인 관계에 기반될 수 있다.
일부 변형예들에서, 총 순위 값은 그레이 스케일 또는 컬러 스케일 값으로 맵핑될 수 있다. 예를 들어, 총 순위 값들은 8-비트 그레이스케일 디스플레이 값 (예컨대, 0 내지 255)에 맵핑되어, 총 순위 값들의 그레이스케일 이미지 표현을 허용할 수 있다. 일부 변형예들에서, 시각적 인지를 최적화하기 위해, 적절한 콘트라스트 컬러들 (이를테면, 거짓 컬러 또는 의사 컬러)로 표현된 상이한 그레이스케일 값 범위들을 갖는 그레이스케일 이미지 표현에 컬러 배합 (color scheme)이 적용될 수 있다. 다른 스케일들은 추가적으로 또는 대안적으로 총 순위 값들을 공간 순위 맵 이미지에 대한 픽셀 값들로 변환시키기 위해 적용될 수 있고, 그 결과 픽셀 값들에서의 차이들은 총 순위 값들에서 그리고 영상화된 조직의 상이한 영역들 간에서 상대 차이들을 반영한다.
순위 맵 이미지 및 다른 단계들 디스플레이
일부 변형예들에서, 도 1에 도시된 바와 같이, 상기 방법은 디스플레이 (122) 상에 순위 맵 이미지를 디스플레이하는 단계를 더 포함할 수 있다. 예를 들어, 순위 맵 이미지는 형광 영상 시스템 또는 다른 적합한 디스플레이의 비디오 모니터 상의 사용자 인터페이스 내에 디스플레이될 수 있다. 순위 맵 이미지는 단독으로 또는 또 다른 이미지 (예컨대, 해부학적 이미지 상에 오버레이되거나 중첩됨) 또는 다른 데이터와 결합하여 디스플레이될 수 있다. 그러한 다른 데이터는, 예를 들어, 그 피검체에 대한 특정 임상적 정황을 제공하는 피검체의 전신 또는 국소 질환과 관련될 수 있다. 그러한 질환은, 예를 들어, 고혈압, 이상지질혈증, 진성 당뇨병, 만성 폐색성 폐질환, 관상 동맥 질환, 만성 신장 질환, 또는 이들의 조합을 포함하는 합병증 질환을 포함할 수 있다. 일부 변형예들에서, 순위 맵 이미지는 이하에서 더 기술되는 바와 같이, 조직의 상처를 특성화하는 상처 인덱스 값으로 디스플레이될 수 있다.
일부 변형예들에서, 상기 방법은 총 순위 값들의 맵을 임상적으로 관련된 (예컨대, 조직 관류 관련) 질환에 대한 위험 추정과 상관시키는 단계를 더 포함할 수 있다. 그러한 평가들은 사전-개입, 치료/수술 중, 및 개입-후 이루어질 수 있다. 상기 방법은 또한 사전-개입, 치료/수술 중, 및 개입-후 피검체에서 임상적으로 관련된 (예컨대, 조직 관류 관련) 질환을 식별하고 특성화하기 위한 진단을 정의하는 단계를 포함할 수 있다. 다른 변형예들에서, 상기 방법은 상관 및 진단 단계들을 배제시킬 수 있다.
상처를 특성화하는 방법
피검체의 조직을 특성화하기 위한 상술된 방법 (100)은 프로세싱된 이미지 데이터의 추가 적용들을 위한 토대로서의 역할을 할 수 있다. 예를 들어, 도 4에 도시된 바와 같이, 피검체의 타깃 조직 영역에서 상처를 특성화하기 위한 의학적 영상에 사용되는 예시적인 방법 (400)은 다음을 포함할 수 있다: 피검체의 타깃 조직 영역의 형광 이미지들의 시계열을 수신하는 단계 (412) - 상기 이미지들은 복수의 계산 영역들을 정의함, 복수의 계산 영역들에 대한 복수의 시간-세기 곡선들을 발생시키는 단계 (414), 각 계산 영역에 대해 하나 이상의 파라미터 값들을 생성하는 단계 (416) - 상기 하나 이상의 파라미터 값들은 시간-세기 곡선의 적어도 일 부분을 근사화함, 복수의 계산 영역들에 대한 파라미터 값들 세트들을 비교함으로써 각 계산 영역에 대한 총 순위 값을 발생시키는 단계 (418), 수정된 총 순위 값들을 포함하는 데이터 세트를 발생시키는 단계 (426) - 상기 수정된 총 순위 값들은 총 순위 값들과 기준 값 사이의 비교를 적어도 부분적으로 기반으로 함, 및 상처에 위치된 계산 영역들에 대응하는 데이터 세트의 적어도 일 부분을 기반으로 하여 상처 인덱스 값을 발생시키는 단계 (428). 일부 변형예들에서, 방법 (400)은 형광 이미지들의 시계열을 발생시키는 단계 (410) 및/또는 디스플레이 상에 순위 맵 이미지를 디스플레이하는 단계 (430)를 더 포함할 수 있다.
일반적으로 말하면, 방법 (400)은 기준 값으로부터의 편차를 나타내는 상처에 대해 수행될 수 있다. 상처는, 절개, 압력 궤양, 정맥 궤양, 동맥 궤양, 당뇨병성 하지 궤양, 열상, 찰과상, 천공, 타박상, 박리, 캐비티, 화상, 이들의 조합 및/또는 이와 유사한 것과 같은, 조직에 대한 만성 또는 급성 손상의 임의의 종류를 포함할 수 있다. 더욱이, 상처는 분쇄 상처, 전투 상처 (예컨대, 총상/폭발) 또는 괴저, 염증, 정맥 장애, 림프 부종 등에 기인한 상처와 같은, 다양한 외상 이벤트들 및/또는 의학적 질환들 중 하나 이상에 의해 유발될 수 있다.
상처 관리에서의 하나의 어려움은, 예를 들어, 임상의의 기술과 경험에 따라, 상처의 본질 또는 의학적 질환을 임상의들 사이에서 다르게 볼 수 있다는 점이다. 현재, 상처 관리 기술들은 상처의 병적 이력에 대한 정보를 제공하지만, 생존 능력 및/또는 회복 가능성의 신뢰할 수 있는 지표들을 제공하지 못할 수 있다 (예컨대, 상처 및/또는 상처 주위 (periwound)가 합병증을 유발할 가능성이 있는지, 치유가 가능한지, 치유가 어떻게 진행되는지, 그리고 적용된 치료가 효과적이고 중단될 수 있는지). 더욱이, 상처는 어떠한 병적 측면도 종래의 기술로 입증할 수 없는 곳에도 존재한다.
현재, 이들 어려움들 중 일부를 해결하기 위한 시도로, 일부 형광 영상 기술은 시각적 디스플레이를 제공함과 더불어, 상처 및 그 주변의 혈류량 및/또는 관류를 수치적으로 특성화하기 위해 비디오 데이터로부터 메트릭들을 발생시키고, 이로 인해 조직 관류 상태를 평가할 시에 주관성 및 인지성 편향을 감소시키려고 시도할 수 있다. 그러나 그러한 수치적 특성화는, 임상의들이 임상적으로 의미 있는 평가를 하도록 하는 정보를 전달하기 위해 필요로 하는 상처 치유의 근본적인 생물학적 메커니즘들에 대한 이해에 의해 알려지지 않았다. 보다 구체적으로, 상처 치유 과정 동안의 혈류량 및/또는 조직 관류 동력에 대한 포괄적인 이해는 상처 치유 상태의 정확한 해석을 산출하기 위한 그러한 이미지 데이터에 매우 도움이 될 것이다. 현존의 형광 영상 기술들은 그러한 지식을 통합하지 못하고, 순차적으로 혈류량 및/또는 조직 관류를 평가하기 위한 표준화된 프로토콜을 지원하지 못하며, 그리고 임상의들 간에, 환자들 간에, 그리고 다수의 영상 세션들 간에 충분히 일치되는 조직에서의 혈류량/관류 행태의 정확한 특성화 및 분류를 제공하지 못한다.
일 변형예에서, 본 명세서에 기술된 방법은 타깃 조직 영역 (예컨대, 상처, 상처 주위)에서 상처를 특성화하기 위한 의학적 영상 기술에 관한 것이다. 상기 방법은 타깃 조직 영역과 관련하여 관심 있는 데이터의 분리 및 선택을 용이하게 할 수 있는 반면 (예컨대, 상처 영역에서만 일어나는 타깃 조직 영역에서의 데이터), 관심이 덜한 나머지 데이터를 억제할 수 있다 (예컨대, 상처 조직과는 다른 조직에서 일어나는 타깃 조직에서의 데이터). 이러한 방식으로, 상기 방법은 관심 있는 정보의 임의의 희석을 최소화함으로써 향상된 진단력을 제공한다. 게다가, 상기 방법은 임상의의 인지 및/또는 기술의 편향을 겪지 않는 타깃 조직 (예컨대, 상처 또는 상처 주위)의 상태의 일관된 목표, 양적 표현을 제공한다. 더욱이, 상기 방법은 다수의 영상 세션들에 걸쳐 시간 경과에 따른 환자의 상처 치유 상태를 비교 및 추적하기 위한 신뢰할 수 있고 일관되는 방식을 제공할 수 있다 (예컨대, 혈류량 및/또는 관류에 기반함). 이로써, 상기 방법은 타깃 조직 영역의 보다 정확하고, 일관성 있고, 정량적인 평가뿐만 아니라, 임상 진료 전략의 타깃 체계화를 가능하게 할 수 있다 (예컨대, 치료 권장, 치료 효능 모니터링, 치료가 중단되어야 하는 경우/시기를 결정, 수술 전략 체계화). 궁극적으로, 상기 방법은 또한 약물에 민감한 환자에 대한 환자 위험을 감소시키고 수술 및/또는 치료의 총 비용을 감소시키는 것을 용이하게 할 수 있다.
다양한 실시예들에 따라 상처를 평가하는 것은 관류 동력의 평가를 포함한다. 예를 들어, 본 명세서에 기술된 방법들 및 시스템들은 예를 들어, 플라스틱 재건술 절차, 혈관 문합 (vascular anastomoses)과 함께 조직 재접합을 수반하는 일반적인 수술 절차 (예컨대, 피부 플랩 전이술, 결장 재건 등)를 받는 환자의 수술 전 평가, 또는 심장 수술 중 심장 조직의 생존 능력 및 기능의 평가와 같은 다른 임상의 응용들에 적용될 수 있다. 더욱이, 본 명세서에 기술된 방법들 및 시스템들은, 예를 들어, 조직 관류 또는 조직 내의 영상 제제의 다른 동적 거동과 같은 임의의 동적 프로세스의 임상적 평가에 더 적용 가능하며, 이는 상기 프로세스를 나타내는 입력 데이터의 시계열로부터 발생된 이미지 데이터의 공간 맵 (예컨대, 이미지 프레임들)에 의해 나타나며, 그리고 상기 공간 맵에서의 데이터로부터 발생된 상처 인덱스에 의해 더 나타날 수 있다.
상기 방법의 하나의 응용에서, 상기 방법을 수행하고 본 명세서에 기술된 시스템을 사용하여 도출된 데이터는, 혈관 성장 및 회귀의 자연 발생 과정을 지칭하는 혈관신생 과정과 상기 데이터를 상관시킴으로써 임상의에게 예측 정보를 제공할 수 있으며, 그리고 이는 조직 복구 및 재생의 필수 구성 요소로서 일어난다. 혈관신생은 치유에서 증가하고, 그 후에 생리적인 베이스라인에 대해 제거된다. 예를 들어, 상처 치유 중 혈관이 돋아나고 뻗어나감은, 조직 항상성을 유지하는, 안정되고 양호하게 관류된 혈관 망을 만들기 위해 외래 혈관을 체계적으로 잘라내어 최종적으로 해결하는, 광범위하지만 미성숙하고 새기 쉬운 신생 혈관 망을 초래한다 (예를 들어, Mechanisms of Vessel Regression: Toward an Understanding of the Resolution of Angiogenesis, Mateusz S. Wietecha et al., Current Topics in Microbiology and Immunology, 2013, 367:3-32 참조). 도 5a는 정상 상처 치유 과정인 것으로 기술 분야에서 이해되는 것을 개략적으로 도시한다. 이와 달리, 도 5b는 만성 상처 치유 과정인 것으로 기술 분야에서 이해되는 것을 개략적으로 도시한다. 만성 상처에서, 혈관신생은 균형이 맞지 않다. 그러한 만성 상처가 형광 영상을 사용하여 영상화될 때, 그러한 상처에서의 혈관 "누출"의 결과로 일어나는 것으로 여겨지는 과-형광 (hyperfluorescence)이 관찰된다 (예를 들어, Expression and Proteolysis of Vascular Endothelial Growth Factor is Increased in Chronic Wounds, Gereon Lauer et al.,J Invest Dermatol 115:12-18, 2000; Vascular Endothelial Growth Factor Is a Secreted Angiogenic Mitogen, David W. Leung et al., Science, Vol.246, p.1306, December 8, 1989 참조). 그러므로, 실시예에 따르면, 본 발명의 방법들과 혈관신생 과정의 상관관계는 상처 미세순환 모니터링을 허용함으로써 임상적 의사 결정을 용이하게 하거나 안내할 수 있다. 본 명세서에 기술된 방법 및 시스템을 사용함으로써, 혈관신생 과정에서 상처 치유가 초기 평가 동안 결정되는 곳에 따라, 임상의는 예를 들어, 적용된 치료가 유효한 경우에 차후의 판독이 속해야 하는 곳을 결정할 수 있다. 상기 방법을 수행하고 본 명세서에 기술된 시스템들을 사용하여 도출된 데이터는 상이한 시간 라인들에 따라, 전개, 진행 및/또는 치유될 수 있는 타깃 조직 내의 다수의 상처 영역들 사이의 구별을 여전히 더 용이하게 한다.
본 명세서에 기술된 방법들 및 시스템들이 단독으로 사용될 수 있는 상처의 정량적 평가를 용이하게 하지만, 그러한 정량적 평가는 또한 임상의에게 향상된 진단력을 제공하기 위하여, 질적인 평가 및/또는 지표 (예컨대, 환자의 질환에 관련된 전신 지표 또는 국소 지표)와 결합하여 사용될 수 있다.
추가적으로, 방법의 변형들이 상처의 예후 평가를 위한 형광 이미지들의 시계열의 정황에서 본 명세서에 기술되었지만, 상기 방법은, 조직 내의 영상 제제의 동적 거동에, 그리고 타깃 조직이 상이한 조직 속성들을 갖는 영역들을 포함하는 다른 임상 목적에 대해 관련된, 시계열로서 발생된 입력 데이터의 다른 소스들에 적용될 수 있다. 예시들은 여기된 영상 제제로부터의 형광 검출, 이뿐 아니라, 영상 제제와 연관된 흡수의 검출에 의해 발생된 이미지들의 시계열과 같은 입력 데이터의 다른 소스들을 포함할 수 있다.
일부 변형예들에서, 형광 이미지들의 시계열을 발생시키는 단계 (410), 형광 이미지의 시계열을 수신하는 단계 (412), 복수의 시간 세기 곡선들을 발생시키는 단계 (414), 각 계산 영역에 대해 하나 이상의 파라미터 값들을 생성하는 단계 (416) 및/또는 각 계산 영역에 대한 총 순위 값을 발생시키는 단계 (418)은 피검체의 조직을 특성화하는 방법 (100)과 관련하여 전술한 단계 (110, 112, 114, 116 및 118)와 유사하다.
수정된 총 순위 값들을 포함한 데이터 세트 발생
도 4에 도시된 바와 같이, 상처를 특성화하는 방법 (400)은 수정된 총 순위 값들 (426)을 포함한 데이터 세트를 발생시키는 단계를 포함할 수 있다. 일부 변형예들에서, 수정된 총 순위 값들을 포함한 데이터 세트를 발생시키는 단계는 총 순위 값들 중 적어도 일 부분을 조절하는 단계 및/또는 상기 총 순위 값들을 기준 값과 비교하는 단계를 포함한다.
총 순위 값들 중 적어도 일 부분을 조절하는 것은 타깃 조직의 상처 영역들에 대응하는 총 순위 값들과 타깃 조직의 비-상처 영역들 및 관심이 덜한 다른 영역들에 대응하는 총 순위 값들 사이의 차이를 강화 또는 과장한다. 다시 말하면, 총 순위 값들 중 적어도 일부를 조절하는 것은 다른 데이터 (예컨대, 타깃 조직에서 상처 영역으로부터 일어나지 않은 데이터 및/또는 배경에 연관된 데이터)로부터, 관심 있는 데이터 (예컨대, 타깃 조직에서 상처로부터 일어난 데이터)의 선택을 용이하게 한다.
일부 변형예들에서, 상기 조절은 제 1 조절 데이터 세트를 발생시키기 위해 제 1 조절 함수로 총 순위 값들의 제 1 부분을 조절하는 단계, 및 제 2 조절 데이터 세트를 발생시키기 위해 제 2 조절 함수로 총 순위 값들의 제 2 부분을 조절하는 단계를 포함할 수 있다. 제 1 조절 데이터 세트는 상처에 대응하는 수정된 총 순위 값들을 포함할 수 있으며, 그러므로 상처 특성화 값들로 간주될 수 있다. 제 2 조절 데이터 세트는 비-상처 영역들에 대응하는 수정된 총 순위 값들을 포함할 수 있으며, 그러므로 비-상처 특성화 값들로 간주될 수 있다.
제 1 및 제 2 조절 함수들은 별개일 수 있다. 예를 들면, 일 변형예에서, 제 1 조절 함수는, 제 1 조절 데이터 세트에서의 총 순위 값들이 변화되지 않도록 신원 함수 (identity function) (입력과 동일한 값을 반환시킴)일 수 있으며, 그리고 제 2 조절 함수는 제 2 조절 데이터 세트에서의 총 순위 값들이 제로와 같도록 할 수 있다. 예를 들어, R = 수정되지 않은 총 순위 값인 경우, 제 1 조절 함수 M1은 M1(R) = R일 수 있으며, 그리고 제 2 조절 함수 M2는 M2(R) = 0일 수 있다. 또 다른 예시로서, 제 1 조절 함수는 R > Ref + Tolerance인 경우 M1(R) = R이고, 여기서 Tolerance는 선택되어 정의된 값이다. 또 다른 예시로서, 제 1 조절 함수는 영상화된 조직 내의 저 (hypo)-관류 영역들에 대한 M1(R) = R-Hypo일 수 있으며, 여기서 R-Hypo는 과 (hyper)-형광 발현 상처에 연관된 영역들에 대한 총 순위 값들과 동일하지 않는 사전 정의된 수치 총 순위 값이다.
일부 변형예들에서, 수정된 총 순위 값들은 수정된 순위 맵 이미지로 변환될 수 있다. 예를 들어, 수정된 총 순위 값들 각각은 세기 값과 상관될 수 있어, 수정된 순위 맵 이미지 내의 계산 영역들은 상기 수정된 총 순위 값들에 대응하는 가변 세기 값들로 묘사될 수 있다. 또 다른 예시에서, 수정된 총 순위 값들의 각각은 그레이스케일 또는 컬러 스케일 값과 상관될 수 있다. 그러한 수정된 순위 맵 이미지에서, 상처 영역들에 대응하는 수정된 총 순위 값들은 조절 후 이들 사이의 수치 거리로 인해, 비-상처 영역에 대응하는 수정된 총 순위 값들과는 현저히 상이하게 나타날 것이다. 이러한 수정된 순위 맵 이미지는 영상 시스템 내의 비디오 모니터 또는 다른 적절한 디스플레이 상에서와 같이, 디스플레이될 수 있다.
수정된 총 순위 값들을 기준 값과 비교하는 단계는 타깃 조직의 상처 영역들에 대응하는 데이터를, 타깃 조직의 비-상처 영역들에 대응하는 데이터로부터, 더 격리시킨다. 일부 변형예들에서, 비교 단계는 모든 계산 영역들에 대한 수정된 모든 총 순위 값들로부터 기준 값을 감산하여, 타깃 조직 내의 상처의 정확한 아웃라인에 대응하는 총 순위 값들을 남기는 단계를 포함할 수 있다. 다른 변형예들에서, 기준 값과 비교하는 단계가 총 순위 값들을 조절하는 단계 이전에 수행되는 경우, 비교 단계는 수정되지 않은 모든 총 순위 값들로부터 기준 값을 감산하는 단계를 수반한다.
일부 변형예들에서, 도 4에 도시된 바와 같이, 상기 방법은 총 순위 값들을 수정하는데 사용하는 기준 값을 발생시키는 단계 (424)를 포함할 수 있다. 기준 값은 다수의 접근법들 중 임의의 방법에 따라 발생될 수 있다. 예를 들어, 기준 값은 기준 조직으로부터 얻어진 기준 이미지들 또는 다른 입력 데이터의 시계열 (예컨대, 기준 형광 이미지들의 시계열)로부터 도출될 수 있다. 기준 조직은 다음과 같은 조직일 수 있다: 건강한 피검체; 건강한 피검체들의 집단; 피검체의 타깃 조직 내의 건강한 조직 영역; 피검체의 타깃 조직 외부의 건강한 조직 영역; 그러한 대안들 중 둘 이상의 조합; 또는 기준 이미지들의 시계열에서 배경을 고려한 그러한 대안들의 추가 조합.
더욱이, 기준 값은 상처가 평가되는 특정 양식, 질환, 임상적 정황 또는 이들 요인들의 조합에 대해 특정적일 수 있다. 이로써, 예를 들어, 기준 값은 다음의 기준 조직으로부터 얻어진 기준 이미지들의 시계열로부터 도출될 수 있다: 피검체의 타깃 조직 내의 건강한 조직 영역 또는 특정 양식 또는 질환 (예컨대, 당뇨병과 같은 전신 질환)을 제시하는 피검체들의 집단; 또는 피검체의 타깃 조직 외부의 건강한 조직 영역 또는 특정 양식 또는 질환 (예컨대, 당뇨병과 같은 전신 질환)을 제시하는 피검체들의 집단; 그러한 대안들의 조합; 또는 기준 이미지들의 시계열에서 배경을 고려한 그러한 대안들의 추가 조합.
일 변형예에서, 기준 값은 전술한 총 순위 값들과 유사한 방식으로 계산될 수 있는 기준 총 순위 값들을 기반으로 할 수 있다. 예를 들면, 기준 이미지들 또는 다른 입력 데이터의 시계열은 기준 조직으로부터 얻어질 수 있고 기준 계산 영역에 대해 발생된 기준 시간-세기 곡선의 기반으로서 제공될 수 있다. 순차적으로, 기준 계산 영역에 대한 기준 순위 값은 기준 시간-세기 곡선을 근사화하기 위해 선택된 하나 이상의 파라미터들에 기반하여 발생 또는 할당될 수 있다. 특정 피검체 또는 피검체들 집단에 대한 기준 계산 영역은 수동으로 선택될 수 있거나, 또는 오퍼레이터의 도움에 상관없이 프로세서에 의해 선택될 수 있다. 기준 이미지들의 시계열은 타깃 조직에 대한 이미지들의 시계열 획득 이전에, 실질적으로 동시에 또는 이후에 획득될 수 있다.
또 다른 변형예에서, 기준 값은 기준 이미지들의 별개의 시계열로부터 도출된 것이 아니라, 대신에 타깃 조직으로부터의 이미지들 (예컨대, 형광 이미지들)의 시계열에서의 배경 세기 또는 다른 메트릭과 동일할 수 있다. 여전히 또 다른 변형예에서, 기준 값은 기준 이미지들 또는 다른 입력 데이터의 별개의 시계열 및 형광 이미지들 또는 다른 입력 데이터의 시계열의 조합에 기반한다.
일부 변형예들에서, 기준 값은 공차 값, 승수 또는 이들의 조합과 같은 수정물 (modifier)에 의해 수정될 수 있다. 예를 들어, 수정물은 피검체 또는 피검체들의 그룹/집단의 또 다른 부위로부터 취해진 하나 이상의 기준 값들, 또는 그러한 기준 값들의 평균치일 수 있다. 수정물은 기준 순위의 계산에서 측정 오차를 보상할 수 있다. 다양한 다른 실시예들에서, 기준 값은 하나 이상의 다른 기준 값들로 나누어짐으로써 더 수정될 수 있다.
특정 피검체 또는 피검체의 집단, 특정 응용, 양식, 질환 또는 임상적 정황에 대해 복수의 기준 값들이 표 또는 데이터베이스 (예컨대, 아틀라스 (atlas))에서 집합될 수 있다. 그러한 테이블 또는 데이터베이스는 그 후에 기준 값을 제공하기 위해 사용될 수 있다.
상처 인덱스 값 발생
도 4에 도시된 바와 같이, 방법 (400)은 또한 수정된 총 순위 값들의 데이터 세트 중 적어도 일 부분에 기반하여 상처 인덱스 값을 발생시키는 단계 (428)를 포함한다. 일부 변형예들에서, 이러한 상처 인덱스 값은 일반적으로 단일 수치 값이다. 일부 변형예들에서, 상처 인덱스 값은 상처 특성화 값들의 평균치에 기반한다. 예를 들어, 상처 인덱스 값을 발생시키는 단계는 상처에 위치된 계산 영역들에 대응하는 수정된 순위 값들을 합산하고 그 합을 이미지의 총 픽셀 수로 나누는 단계 (즉, 전체 이미지에 걸친 평균화)를 포함할 수 있다. 또 다른 예시로서, 상처 인덱스 값을 발생시키는 단계는 상처에 위치된 계산 영역들에 대응하는 수정된 순위 값들을 합산하고 그 결과치를, 배경을 배제하는 이미지의 조직 부분을 나타내는 픽셀들의 수로 나누는 단계 (즉, 이미지의 조직 부분에 걸친 평균화)를 포함할 수 있다.
발생된 상처 인덱스 값은 상처의 정량적 표현을 제공한다. 실시예에 따르면, 상처 인덱스 값은 상처 활동도 (즉, 상처 활동도 값)을 나타낸다. 상처 인덱스 값은 시간에 따라 추적될 수 있으며, 속도 및 기울기에 관한 정보를 용이하게 도출하는 그래프 형태로 나타낼 수 있다. 시간 경과에 따른 상처 인덱스 값의 그래프 표현은 시간 경과에 따른 상처 인덱스 값의 변화의 평가를 용이하게 하며, 일부 실시예들에서는 시간 경과에 따른 상처의 상태 또는 활동도의 변화를 나타낸다. 상처의 상태 또는 활동도의 예시들은 상처의 속성, 상처의 질환, 상처의 치유 상태 (예컨대, 염증, 악성 종양, 이상물, 질병)를 포함한다. 시간 경과에 따라 상처 인덱스 값을 추적하는 것은, 예를 들어 상처 치유 스테이지들과 상관될 수 있는 변화율을 추적하는 것을 용이하게 한다. 시간 경과에 따라 상처 인덱스 값을 추적하는 것은 혈관신생 곡선과 더 상관될 수 있다. 이러한 발견은 환자가 처해 있는 치유 스테이지와 순차적으로 상관될 수 있다. 더욱이, 시간 경과에 따른 상처 인덱스 값의 변화에 관련된 정보는 고압 산소 요법, 부압 요법, 또는 공지된 다른 상처 케어 요법과 같은 치료가 치유 과정을 위태롭게 함 없이 중단될 수 있는 포인트에 관한 예측 정보를 제공한다. 결과적으로, 상처 인덱스 값은 조직 혈류량 및/또는 조직 관류를 평가하기 위한 객관적이고 표준화된 프로토콜을 제공하여, 평가를 수행하는 임상의에 상관없이, 다수의 영상 세션들에 걸쳐 시간 경과에 따라 환자의 혈류량 및/또는 관류 상태를 신뢰성 있게 그리고 일관되게 비교 및 추적하는 방식을 용이하게 할 수 있다.
상처 인덱스 값 및 다른 단계들의 디스플레이
일부 변형예들에서, 도 4에 도시된 바와 같이, 방법 (400)은 디스플레이 상에 상처 인덱스 값을 디스플레이하는 단계 (430)를 더 포함할 수 있다. 예를 들어, 상처 인덱스 값은 형광 영상 시스템의 비디오 모니터, 또는 다른 적합한 디스플레이 상의 사용자 인터페이스 내에 디스플레이될 수 있다. 일부 변형예들에서, 상처 인덱스 값은 단독으로 또는 본 발명의 방법의 다른 단계들의 시각화와 결합하여 임상의에게 전달되는 정보를 향상시키는데 사용될 수 있으며 (향상된 진단을 용이하게 함), 해부학적 이미지 상에 더 오버레이될 수 있고, 그리고/또는 환자에 관한 다른 데이터 또는 정보와 상관될 수 있다 (예컨대, 환자의 전신 질환). 예를 들어, 일부 변형예들에서, 상처 인덱스 값은 단독으로 또는 수정되지 않은 및/또는 수정된 총 순위 값들 (예컨대, 순위 맵 이미지 또는 수정된 순위 맵 이미지)과 결합하여 디스플레이될 수 있다. 또 다른 예시로서, 상처 인덱스 값은 최대 관류 맵 및/또는 다른 적합한 맵들 또는 이미지들과 결합하여 디스플레이될 수 있다. 일부 변형예들에서, 수정된 총 순위 값들의 데이터 세트는 임상적으로 관련된 (예를 들어, 관류 관련) 질환에 대한 위험 추정과 상관될 수 있다. 그러한 평가들은 사전-개입, 치료/수술 중, 및/또 개입-후 이루어질 수 있다. 상기 방법은 또한 사전-개입, 치료/수술 중, 및 개입-후 피검체에서 임상적으로 관련된 (예컨대, 관류 관련) 질환을 식별하고 특성화하기 위한 진단을 정의하는 단계를 더 포함할 수 있다. 다양한 다른 실시예들에서, 상기 방법은 상관관계 및/또는 진단 단계들을 배제시킬 수 있다.
일부 변형예들에서, 기계 학습은 추가적으로 또는 대안적으로 순위 맵, 상처 인덱스 값 모두를 발생시키기 위해 그리고/또는 혈류량 및/또는 조직 관류 패턴들을 나타내기 위해 사용될 수 있다. 일부 변형예들에서, 상처 인덱스 값은 기계 학습 프로세스 (프로세서 또는 컴퓨터가 명시적으로 프로그래밍됨 없이 작동함), 딥 (deep) 기계 학습, 데이터 마이닝 및/또는 패턴 인식으로의 입력으로서 사용될 수 있으며, 기계 학습은 그 후에 상처와 같은 조직의 입력 데이터 또는 이미지의 시계열의 평가를 위해 순차적으로 사용된다. 더욱이, 이미지들 또는 다른 입력 데이터의 시계열, 순위 계산 영역들 (예컨대, 순위 매김된 이미지 또는 그 일부) 또는 이들의 조합은 기계 학습 프로세서에 대한 입력으로서 사용될 수 있으며, 그리고 초기 입력 상처 인덱스 값들 (예컨대, 상처 활동도 인덱스 값들)을 사용하여 기계 학습 프로세서에 의해 수행된 학습에 따라 프로세싱 또는 분류될 수 있다.
방법의 다양한 양태들은 다양한 임상 정황들에 대한 응용과 함께 예시 섹션에 추가로 예시된다.
조직 특성화 시스템
피검체의 조직을 특성화하는 (예컨대, 피검체의 타깃 조직 영역의 상처를 특성화하는) 시스템은 하나 이상의 프로세서들 및 저장된 명령어들을 가진 메모리를 포함하며, 상기 명령어들은 하나 이상의 프로세서들에 의해 실행될 시에 시스템이 조직을 특성화하고 그리고/또는 피검체의 타깃 조직 영역에서의 상처를 특성화하기 위해 전술한 바와 같이 실질적으로 방법들을 수행하도록 한다.
일부 변형예들에서, 피검체의 조직을 특성화하는 시스템은 형광 영상 시스템이다. 도 6은 형광 영상 시스템 (610)의 개략적인 예시이다. 형광 영상 시스템 (610)은 피검체의 조직을 조명하여 피검체의 조직 내의 (예컨대, 혈액 내의) 형광 영상 제제 (614)로부터 형광 방출물을 유도하는 광원 (612), 형광 방출물로부터 형광 이미지들의 시계열을 발생시키도록 구성된 이미지 획득 조립체 (616), 및 본 명세서에 기술된 방법들의 변형예들 중 임의의 것에 따라 형광 이미지들의 발생된 시계열을 프로세싱하도록 구성된 프로세서 조립체 (618)를 포함한다. 프로세서 조립체 (618)는 명령들을 갖는 메모리 (668), 전술한 방법들의 다양한 실시예들과 관련하여 기술된 바와 같이 형광 이미지들의 시계열을 프로세싱하기 위해 메모리 (668) 상의 명령들을 실행하도록 구성된 프로세서 모듈 (662), 및 프로세싱되지 않은, 그리고/또는 프로세싱된 형광 이미지들의 시계열을 저장하는 데이터 저장 모듈 (664)을 포함할 수 있다. 일부 변형예들에서, 메모리 (668) 및 데이터 저장 모듈 (664)은 동일한 저장 매체에 구현될 수 있는 반면, 다른 변형예들에서 메모리 (668) 및 데이터 저장 모듈 (664)은 상이한 저장 매체들에 구현될 수 있다. 상기 시스템은, 이미지들 및 다른 데이터, 이를테면, 형광 이미지들 또는 다른 입력 데이터의 시계열, 순위 맵 이미지 및/또는 상처 인덱스 값의 일부 또는 모두를 디스플레이할 수 있는 디스플레이 (666)를 더 포함할 수 있다.
일부 변형예들에서, 광원 (612)은 예를 들어 조명 모듈 (620)을 포함한다. 조명 모듈 (620)은 형광 영상 제제 (614)를 여기시키기에 적합한 세기 및 적합한 파장을 가진 여기 광을 발생시키도록 구성된 형광 여기 소스를 포함할 수 있다. 도 7에 도시된 바와 같이, 조명 모듈 (620)은 피검체의 조직에 형광 영상 제제 (미도시)를 여기시키는 여기 광을 제공하도록 구성된 레이저 다이오드 (722) (예컨대, 하나 이상의 섬유-결합 다이오드 레이저들 등을 포함할 수 있음)를 포함할 수 있다. 다양한 실시예들에서 사용될 수 있는 여기 광의 다른 소스들의 예시들은 하나 이상의 LED들, 아크 램프들, 또는 조직 내의 형광 영상 제제를 여기시키기에 충분한 세기 및 적절한 파장의 다른 조명 기술들을 포함한다. 예를 들어, 혈액에서 형광 영상 제제의 여기 - 상기 형광 영상 제제는 근적외선 여기 및 방출 특성들을 갖는 형광 염료임 - 는 독일, DILAS Diode Laser Co로부터의, 하나 이상의 793 nm의 전도 냉각된 단일 바, 섬유-결합 레이터 다이오드 모듈들을 사용하여 수행될 수 있다.
다시, 도 6을 참조하면, 일부 변형예들에서, 광원 (612)으로부터의 광 출력은 관심 있는 조직 영역을 조명하는데 사용되는 출력을 형성 및 안내하기 위해 하나 이상의 광학 요소들을 통해 투사될 수 있다. 광학 요소들은 이미지 획득 조립체 (616)의 실질적인 전체 시야에 걸쳐 평평한 필드를 보장하기 위해 하나 이상의 렌즈들, 광 가이드들 및/또는 회절 요소들을 포함할 수 있다. 형광 여기 소스는 형광 영상 제제 (14) (예를 들어, ICG 등)의 흡수 최대치에 가까운 파장으로 방출하기 위해 선택될 수 있다. 예를 들어, 도 7에 도시된 바와 같이, 레이저 다이오드 (722)로부터의 출력 (724)은 하나 이상의 포커싱 렌즈들 (726)을 통과한 다음, 예를 들어 미국, Newport Corporation으로부터 일반적으로 구입 가능한 광 파이프들과 같은 균질화 광 파이프 (728)를 통과할 수 있다. 마지막으로, 광은, 예를 들어, 또한 미국, Newport Corporation으로부터 구입 가능한 연마 (ground) 유리 회절 요소들과 같은 광학 회절 요소 (732) (즉, 하나 이상의 광학 확산기들)를 통과할 수 있다. 레이저 다이오드 (722)에 대한 파워는, 예를 들어, 미국, Lumina Power Inc.로부터 구입 가능한 것들과 같은 고-전류 레이저 구동기에 의해 제공될 수 있다. 레이저는 이미지 획득 프로세스 동안, 옵션으로 펄스 모드로 동작될 수 있다. 솔리드 스테이트 포토다이오드 (730)와 같은 광학 센서는 조명 모듈 (620)에 통합될 수 있으며, 그리고 다양한 광학 요소들로부터의 산란 또는 확산 반사들을 통해 조명 모듈 (620)에 의해 만들어진 조명 세기를 샘플링할 수 있다. 일부 변형예들에서, 관심 영역에 걸쳐 모듈을 정렬하고 위치시킬 시에 추가적인 조명 소스들은 안내를 제공하는데 사용될 수 있다.
다시 도 6을 참조하면, 일부 변형예들에서, 이미지 획득 조립체 (616)는 형광 영상 제제 (614)로부터의 형광 방출물로부터 형광 이미지들의 시계열을 획득하도록 구성된 형광 영상 시스템 (610)의 구성 요소일 수 있다. 이미지 획득 조립체 (616)는 카메라 모듈 (640)을 포함할 수 있다. 도 8에 도시된 바와 같이, 카메라 모듈 (640)은 이미지 센서 조립체 (844) 상으로 형광 방출물을 수집 및 포커싱하기 위해, 영상 광학 기기들 (예컨대, 846a, 846b, 848 및 850)의 시스템을 사용하여 조직 내의 형광 영상 제제로부터 형광 방출물 (842)의 이미지들을 획득할 수 있다. 이미지 센서 조립체 (844)는 적어도 하나의 2D 솔리드 스테이트 이미지 센서를 포함할 수 있다. 솔리드 스테이트 이미지 센서는 전하 결합 소자 (CCD), CMOS 센서, CID 또는 유사한 2D 센서 기술일 수 있다. 이미지 센서 조립체 (844)에 의해 변환된 광학 신호에 기인한 전하는, 카메라 모듈 (840) 내의 적절한 판독 및 증폭 전자 기기들에 의해, 디지털 및 아날로그 비디오 신호 모두를 포함하는 전기 비디오 신호로 변환된다.
형광 영상 시스템의 예시적인 실시예에 따르면, 광원은 약 800 nm +/- 10 nm의 여기 파장을 제공할 수 있고, 이미지 획득 조립체는 예를 들어 ICG 형광 영상을 위해 NIR-호환 광학 기기들을 이용하여 > 820nm의 방출 파장을 사용한다. 예시적인 실시예에서, NIR-호환 광학 기기들은 GigE 표준 인터페이스를 가진 CCD 단색 (monochrome) 이미지 센서, 및 광학 포맷 및 장착 포맷 (예컨대, C/CS 장착)에 대해 센서와 호환 가능한 렌즈를 포함할 수 있다.
일부 변형예들에서, 프로세서 모듈 (662)은, 예를 들어, 태블릿, 랩탑, 데스크탑, 네트워크 컴퓨터 또는 전용 독립형 마이크로프로세서와 같은 임의의 컴퓨터 또는 컴퓨팅 수단을 포함한다. 예를 들면, 프로세서 모듈 (662)은 하나 이상의 중앙 프로세싱 유닛들 (CPU)을 포함할 수 있다. 예시적인 실시예에서, 프로세서 모듈 (662)은 4 개의 CPU들을 갖는 쿼드 코어, 2.5GHz 프로세서이며, 각 CPU는 64-비트 마이크로프로세서 (예컨대, INTEL Core i3, i5, 또는 i7로 시판되거나, 또는 AMD Core FX 시리즈)와 같은 마이크로프로세서이다. 그러나, 다른 실시예들에서, 프로세서 모듈 (662)은 임의의 적합한 수의 CPU들 및/또는 다른 적합한 클록 속도를 갖는 임의의 적합한 프로세서일 수 있다.
프로세서 모듈 (662)에 대한 입력은, 예를 들어, 도 8에 도시된 카메라 모듈 (640)의 이미지 센서 (844)로부터, 도 7의 조명 모듈 (620) 내의 솔리드 스테이트 포토다이오드 (730)로부터, 그리고/또는 풋스위치 또는 원격 제어와 같은 임의의 외부 제어 하드웨어로부터 취해질 수 있다. 출력은 레이저 다이오드 구동기 및 광학 정렬 보조기들에 제공된다. 도 6에 도시된 바와 같이, 일부 변형예들에서, 프로세서 조립체 (618)는, 이미지들, 또는 그를 나타내는 데이터, 또는 다른 입력 데이터의 시계열을, 유형의 (tangible) 비-일시적인 컴퓨터 판독 가능 매체, 이를테면, 예를 들어, 획득된 데이터의 기록 및 프로세싱을 가능하게 하기 위한 내부 메모리 (예컨대, 하드 디스크 또는 플래시 메모리)에 저장하기 위한 능력을 갖는 데이터 저장 모듈 (664)을 가질 수 있다. 일부 변형예들에서, 프로세서 모듈 (662)은 다양한 요소들의 제어를 가능하게 하고 조명 및 센서 셔터들의 정확한 타이밍을 보장하는 내부 클록을 가질 수 있다. 일부 변형예들에서, 프로세서 모듈 (662)은 또한 사용자 입력 및 출력의 그래픽 디스플레이를 제공할 수 있다. 형광 영상 시스템은 옵션으로 형광 이미지들의 시계열을 기록 후에 획득 또는 재생할 시에 디스플레이하기 위한 비디오 디스플레이 (666) 또는 다른 모니터로 구성될 수 있다. 비디오 디스플레이 (666)는 추가적으로 또는 대안적으로, 순위 맵 이미지 및/또는 상처 인덱스 값과 같은 본 명세서에 기술된 방법들의 수행 중에 발생된 데이터를 시각화할 수 있다.
도 6 내지 8에 기술된 예시적인 시스템의 동작에서, 피검체는, 관심 영역 (예컨대, 타깃 조직 영역)이 광원 (612) 및 이미지 획득 조립체 (616) 아래에 위치되어 광원 (612)의 조명 모듈 (620)이 실질적으로 관심 영역 전체에 걸쳐 실질적으로 균일한 조명 필드를 생성하도록, 형광 영상 시스템 (610)에 대해 위치된다. 일부 변형예들에서, 형광 영상 제제 (614)를 피검체에게 투여하기 전에, 배경 추론의 목적을 위해 관심 영역의 이미지는 획득될 수 있다. 형광 이미지를 획득하기 위해, 형광 영상 시스템 (610)의 오퍼레이터는 원격 스위치 또는 풋-컨트롤을 누르거나 프로세서 조립체 (618)에 연결된 키보드 (미도시)를 통해 형광 이미지들의 시계열의 획득을 개시할 수 있다. 결과적으로, 광원 (612)은 턴 온되며, 그리고 프로세서 조립체 (618)는 이미지 획득 조립체 (616)에 의해 제공된 형광 이미지 데이터를 기록하기 시작한다. 실시예의 펄스 모드에서 동작할 시에, 카메라 모듈 (640) 내의 이미지 센서 (844)는 조명 모듈 (620) 내의 다이오드 레이저 (722)에 의해 만들어진 레이저 펄스 이후에 형광 방출물을 수집하기 위해 동기화된다. 이러한 방식으로, 최대 형광 방출물 세기가 기록되고, 신호-대-잡음비가 최적화된다. 이 실시예에서, 형광 영상 제제 (614)는 피검체에게 투여되고 동맥 흐름을 통해 관심 영역으로 전달된다. 형광 이미지들의 시계열의 획득은, 예를 들어, 형광 영상 제제 (614)의 투여 직후에 개시되며, 그리고 실질적으로 전체 관심 영역으로부터의 형광 이미지들의 시계열은 형광 영상 제제 (614)의 진입 동안 획득된다. 관심 영역으로부터의 형광 방출물은 카메라 모듈 (640)의 수집 광학 기기들에 의해 수집된다. 잔여 주변 및 반사된 여기 광은 카메라 모듈 (640) 내의 차후 광학 요소들 (예컨대, 필터일 수 있는 도 8의 광학 요소 (850))에 의해 약화되고, 그 결과 형광 방출물은 다른 소스들로부터의 광에 의한 간섭을 최소화하면서 이미지 센서 조립체 (844)에 의해 획득될 수 있다.
일부 변형예들에서, 형광 이미지들의 시계열의 획득 또는 발생에 이어, 프로세서 조립체 (618) (예컨대, 프로세서 모듈 (662) 또는 다른 프로세서)가 그 후에 개시되어 메모리 (668)에 저장된 명령어들을 실행하고 본 명세서에 기술된 바와 같은 하나 이상의 방법들을 수행할 수 있다. 시스템 (610)은 디스플레이 (666) 상에서 순위 맵 및/또는 그로부터 도출된 임의의 임상 상관관계 또는 진단 또는 이들 모두를 시각화할 수 있고, 예를 들어, 그레이스케일 또는 거짓 컬러 이미지로서 사용자에게 디스플레이될 수 있고, 그리고/또는 차후 사용을 위해 저장될 수 있다. 추가적으로 또는 대안적으로, 시스템 (610)은 디스플레이 (666) 상에 상처 인데스 값을 디스플레이할 수 있다.
일부 변형예들에서, 조직을 특성화하거나 타깃 조직 영역 내의 상처를 특성화하는 시스템은 사용자 인터페이스, 사용자 인터페이스와 통신하도록 구성된 프로세서, 및 프로세서에 의해 실행될 시에 프로세서가 조직을 특성화하고 그리고/또는 본 명세서에 기술된 조직 내의 상처를 특성화하는 방법들 중 하나 이상을 수행하도록 하는, 저장된 명령어들을 가진 비-일시적인 컴퓨터-판독 가능 저장 매체를 포함한다. 일부 변형예들에서, 프로세서는 영상 시스템의 구성 요소일 수 있다. 다른 변형예들에서, 프로세서는 영상 시스템과 원격으로 통신할 수 있도록 위치될 수 있고, 상기 영상 시스템은 전술한 형광 영상 시스템 또는 임의의 적합한 영상 시스템일 수 있다.
내장된 컴퓨터-실행 가능 (판독 가능) 프로그램 코드를 가진 유형의 비-일시적인 컴퓨터 판독 가능 매체는, 하나 이상의 프로세서들이 명령어들을 실행할 시에 조직을 특성화하고, 그리고/또는 본 명세서에 기술된 조직 내의 상처를 특성화하는 방법들 중 하나 이상을 수행하도록 하는 명령어들을 제공할 수 있다. 프로그램 코드는 임의의 적절한 프로그래밍 언어로 기입될 수 있으며, 그리고 예를 들어 비-기입 가능한 저장 매체 (예컨대, ROM들, CD-ROM 디스크들 등과 같은 판독-전용 메모리 디바이스들) 상에 영구적으로 저장된 정보, 기입 가능한 저장 매체 (예컨대, 하드 드라이브들 등) 상에 변경 가능하게 저장된 정보, 통신 매체, 이를테면 로컬 영역 네트워크, 공중 네트워크 이를테면 인터넷 또는 전자 명령어를 저장하기에 적합한 임의의 타입의 매체를 통해 프로세서에 전달된 정보를 포함하지만 이에 제한되지 않은 많은 형태로 이루어진 프로세서로 전달될 수 있다. 본 발명의 방법의 다양한 실시예들을 구현하는 컴퓨터 판독 가능 명령어들을 전달할 시에, 그러한 컴퓨터 판독 가능 매체는 본 발명의 다양한 실시예들의 예시들을 나타낸다. 다양한 실시예들에서, 유형의 비-일시적인 컴퓨터 판독 가능 매체는 모든 컴퓨터 판독 가능 매체를 포함하며, 그리고 본 발명의 권리 범위는 매체가 유형 및 비-일시적 모두인 컴퓨터 판독 가능 매체로 제한된다.
키트는 본 명세서에 기술된 시스템들 중 임의의 부분, 및 예를 들어 ICG 또는 임의의 적합한 형광 영상 제제와 같은 형광 염료와 같은 형광 영상 제제를 포함할 수 있다. 추가의 양태들에서, 키트는, 하나 이상의 프로세서들이 명령어들을 실행할 시에 조직을 특성화하고 그리고/또는 본 명세서에 기술된 조직 내의 상처를 특성화하는 방법들 중 하나 이상을 수행하도록 하는 명령어들을 제공할 수 있는, 내장된 컴퓨터-실행 가능 (판독 가능) 프로그램 코드를 가진 유형의 비-일시적인 컴퓨터 판독 가능 매체를 포함할 수 있다. 키트는 (예컨대, 형광 영상 제제를 사용하고, 내장된 명령어들을 갖는 컴퓨터-실행 가능 (판독 가능) 프로그램 코드를 설치하기 위해, 기타 등등) 그 구성 요소들 중 적어도 일부의 사용을 위한 명령어들을 포함할 수 있다. 여전히 추가 양태들에서, 본 명세서에 기술된 방법들 및 시스템들에서 사용되는, 예를 들어 형광 염료와 같은 형광 영상 제제가 제공한다.
예시들
이하에서 기술되는 예시들 중 일부에서, "최대 관류 맵"은, 형광 입력 이미지들의 시계열의 계산 영역 내의 각 픽셀을, 전체 측정 기간 동안에 도달하는 그의 최대 세기의 값으로 할당함으로써 생성된 맵을 지칭한다.
형광 입력 이미지들의 시계열에서 이미지의 선택된 계산 영역 (즉, 순위 분석을 수행하는 관심 영역)에서의 모든 픽셀에 대한 관류 동력은 그의 혈관 조영 곡선의 형상에 의해 특성화될 수 있다. 곡선들은 사전 정의된 일부 기준에 기반하여 분류될 수 있으며, 그리고 결과적으로 모든 픽셀은 표시된 곡선 타입에 대응하는 순위로 할당될 수 있다. 만성 상처들에서 혈류량을 시각화하기 위해 근적외선 영상 기술을 적용할 시에, 아래의 예시들에서 도시된 바와 같이, 대다수의 상처는 소위 과 (hyper)-형광 효과를 나타낸다. 상처 주위의 영역은 매우 빠른 ICG (또는 다른 영상 제제) 유입율을 나타낼 수 있으며, 그 픽셀들에 의해 도달되는 평균보다 높은 세기를 초래한다. 이러한 효과는 상처에만 나타나는 것으로 보이며 건강한 조직에는 일어나는 것으로 보이지 않는다. 각각의 경우에 대한 복수의 총 순위 값들은 순위 맵 이미지에서 시각화되었고, 예시들의 정황에서 "상처 활동도 맵"으로 교환 가능하게 지칭될 수 있다. 순위 맵 이미지의 다른 이점들과 함께 상기에서 추가로 상세하게 기술된 바와 같이, 상처 활동도 맵의 한 가지 목적은 상처와 그 주위에 형성되는 혈류량 패턴을 시각화하는 쉬운 방식을 제공하는 것이다.
아래의 예시들 중 일부에 도시된 바와 같이, 순위 값들 각각을 기준 값과 비교하여 발생된 상처 인덱스 값 (WIV)은 상처 및 상처 치료 진행을 추적하는 정량화 도구를 제공하기 위해 상처 활동도 맵을 통해 질적인 상처 케어 평가를 더 향상시킨다. 전술한 바와 같이, 치유 또는 조직 재생 중에 새로운 혈관 형성은 혈관신생으로 알려져 있으며, 그리고 손상된 조직으로의 혈액 공급을 증가시키는 상처 주위의 고밀도 혈관 망의 성장을 동반한다. 상처가 치유되면, 정상적인 혈관계 구조가 회복될 때까지, 과도한 혈관을 점차적으로 줄인다. 상처 인덱스 값들은 정상 및 만성 상처 둘 다에 대한 혈관신생 과정과 아마 상관이 있는 것처럼 보일 수 있으며, 그리고 상처 치유 진행을 정량화하는 의미 있는 방식을 제공하는 것을 용이하게 한다. 특히, 상처 인덱스 값들은 다수의 영상 세션들에 걸쳐 환자의 시간 경과에 따른 환자의 상처 치유 상태를 (예컨대, 혈류량 및/또는 조직 재관류에 기반하여) 비교 및 추적하기 위한 객관적이고 일관된 방식을 제공한다. 상기에서 더 상세히 기술된 바와 같이, WIV는 임상의들 간, 환자들 간, 그리고 다수의 영상 세션들 간에서 충분히 일치하는 상처 및 그 주위에서의 혈액 흐름/관류 행태의 특성화 및 분류를 가능하게 한다. 아래 예시에서 WIV (및 일부 경우에서, WIV와 조합하여 사용되는 상처 특성화 값들의 시각화)는 상처 활동도 맵의 그레이스케일 버전에 적응 임계치를 적용함으로써 발생되었다.
상처 관리에서 순위 맵 이미지
만성 상처 관리와 같은 상처 관리의 한 가지 어려움 상처의 의학적 질환 또는 특성이 임상의들 간에서 상이하게 보일 수 있다는 점이다. 현재의 기술들은 상처의 병적 이력에 대한 정보를 제공하지만, 생존 능력 및/또는 회복 가능성, 예컨대, 상처 및/또는 상처 주위가 합병증을 유발할 가능성이 있는지, 치유가 가능한지, 치유 진행이 어떤지에 대한 신뢰할 수 있는 지표들을 제공하지 못할 수 있다. 더욱이, 상처는 어떠한 병적 측면도 종래의 진단 기술로 입증할 수 없는 곳에도 존재한다. 본 명세서에 기술된 방법들 및 시스템들의 다양한 실시예들은 특정 조직 영역 (예컨대, 상처, 상처 주위)의 상태의 일관된 표현 (인지의 편향에 주관적이지 않음)을 만드는데 용이하게 하고, 이로써, 보다 정확한 차후 평가 및 치료 전략의 형성을 용이하게 한다 (예컨대, 효능 케어의 권장 및 평가, 이를테면, 예를 들어, 국소 치료, 고압 요법; 수술 전후 조직의 평가; 외과 전략 형성).
도 9a-9f는 만성 비-치유 상처와 같은 상처의 평가 및 관리를 위한 순위 맵 이미지의 적용을 도시한다. 형광 이미지들 (비디오들)의 시계열은 SPY® Elite 형광 영상 디바이스 (NOVADAQ® Technologies Inc.에서 구입할 수 있음)의 도움으로 기록했다. 그 후에, 형광 이미지들의 시계열은 다양한 실시예들에 따라 순위 값들의 공간 맵들, 또는 순위 맵 이미지들을 발생시키기 위해 사용되었다. 이러한 예시에서, 총 순위 값을 발생시키기는 제 2 변형은 전술한 바와 같이 적용되었다. 도 9a에서의 컬러 이미지는 상처에 적용된 임의의 요법 전에 임상의와의 환자의 초기 평가 동안 관찰된 상처를 도시한다. 도 9b는 다양한 실시예들에 따라 발생된 순위 값들의 대응 공간 맵이다. 도 9b는 상처 및 상처 주위의 의학적 질환, 즉, 억제된 순위 값들의 영역 (오른쪽 화살표)에 의해 둘러싸인 상처의 상승된 순위 값들의 영역 (좌측 화살표)이 있는 것을 명확하게 도시한다. 도 9c 및 9e는 치료의 반복된 에피소드들 이후의 상처의 차후 평가 동안 취해진 컬러 이미지들이다. 도 9d 및 도 9f는 도 9c 및 도 9e 각각에 대응하는 순위 맵 이미지들이다. 환자의 제 2 평가에 대응하는 도 9c를 보는 임상의는 상처의 외관이 임의의 치료 전에 초기 방문에서의 상처와 일반적으로 유사하기 때문에, 상처에 적용된 특정 치료의 효능의 명확한 표시를 얻을 수 없다. 그러나, 이와 달리, 도 9d의 대응하는 순위 맵 이미지는 상처의 변화 특성과 치유의 패턴을 명확하게 보여준다. 유사하게, 제 3 평가 (도 9f)와 관련된 순위 맵 이미지는, 치료의 초기 스테이지들에서 도 9b 및 9d에서의 유사한 영역들과 비교할 시에, 상승된 순위 값들의 수축 영역 (화살표)에 의해 표시된 바와 같이 치유의 진행을 명확하게 나타낸다. 더욱이, (비정상적인 관류와 상관되는 것으로 여겨지는) 그러한 잔여 상승된 순위 영역들의 존재는 상처의 종래의 시각적 외관으로부터 명백하게 나타나지 않았다 (도 9e).
흉부 수술에서 순위 맵 이미지
도 10a-10d는 다양한 실시예들에 따라 발생된 순위 맵 이미지가 이 경우에, 흉부 수술을 위한 외과적 정황에서 어떻게 조직 속성들의 시각화를 제공하는데 사용될 수 있는지를 도시한다. 형광 혈관조영검사 이미지들 (비디오들)의 시계열은 SPY® Elite 형광 영상 디바이스 (NOVADAQ® Technologies Inc.에서 구입할 수 있음)의 도움으로 흉부 수술 중에 기록되었으며, 그리고 순위 값들의 공간 맵을 발생시키기 위해 다양한 실시예들에 따라 사용되었다. 이 예시에서, 전술한 바와 같이, 식 1 및 식 2의 알고리즘이 적용되었다. 도 10a는 수술 후 흉부 상처의 컬러 이미지를 도시하고, 도 10b는 대응하는 순위 맵 이미지를 도시한다. 도 10c 및 10d는 3 주간의 고압 산소 치료 후에, 상처의 컬러 이미지, 및 상처의 순위 값들의 대응하는 공간 맵 각각을 도시한다. 이들 도면들에 의해 도시된 바와 같이, 순위 값들의 공간 맵에서의 상처 주위에서 시연된 비정상인 밝은 영역 (도 10b, 화살표)은 수축하고, 에지 주위 및 상처 주위 영역뿐만 아니라 내부적으로도 (도 10d) 외관상 치료로 변화되었다. 순위 값들의 패턴의 차이들은 도 10a에서의 초기 상처와 비교하여 관찰되고, 상처가 치유되었음을 나타낸다. 다양한 실시예들에 따라 발생된 순위 값들의 공간 맵은 상처 상태에 대한 통찰력을 제공하며, 도 10c에 도시된 상처 단독의 컬러 이미지는 제공되지 않고, 이로 인해, 더 나은 상처 케어 관리 및 추가 외과적 개입에 대한 임의의 필요성의 결정을 용이하게 한다.
재건 수술에서 순위 맵 이미지
도 11a-11b는 다양한 실시예들에 따른 방법들 및 시스템들을 복원 유방 수술에 적용한 것을 도시한다. 데이터는 여러 환자에서 유방 절제술 중에 수집되었다. 형광 혈관조영검사 이미지들 (비디오들)의 시계열은 SPY® Elite 형광 영상 디바이스 (NOVADAQ® Technologies Inc.에서 구입할 수 있음)의 도움으로 기록되었으며, 그리고 이러한 데이터는 순위 값들의 공간 맵을 발생시키는데 사용되었다. 이 예시에서, 전술한 바와 같이 식 1 및 2의 알고리즘은 총 순위 값들을 발생시키기 위해 적용되었다. 치료를 받고 있는 각 유방에 대해 3 가지 타입: 사전-절개 베이스라인, 유방 절제술 후, 및 복원 후의 기록이 수행되었다. 추가적으로, 임상 결과를 평가하는 수단으로 수술 이후에 일주일간 컬러 스냅 샷을 찍었다.
순위 맵 이미지 (도 11b)는 이웃 조직과 비교하여 조직이 현저하게 상이한 (위태로운) 젖꼭지 주위의 영역 (화살표로 표시됨)을 식별하였다. 순위 맵 이미지로 식별된 영역은 주변 조직과 비교하여 이러한 조직에 대한 감소된 순위 값들을 나타낸다. 수술 후 1 주일간 촬영한 데이터가 수집된 유방의 컬러 스냅 샷은 젖꼭지 주변에서 괴사를 보였다 (도 11a). 괴사의 형상은 순위 값들의 공간 맵 (화살표) 상에서 비정상적인 컬러 영역에 의해 가깝게 근사화된다. 이로써, 순위 값들의 공간 맵은 임상의에 의해 문제를 식별하기 전에 조직에서의 문제를 식별하였다.
상처 관리 응용 사례 예시들
사례 1 - 외상성 골절 상처
도 12a 내지 도 12h는 예를 들어 외상성 골절에 의해 야기된 상처와 같은 상처의 정량적 평가 및 관리를 위한 본 발명의 방법 및 시스템의 적용을 나타낸다. 환자는 72 세의 노인으로 왼쪽 발목의 외상성 복합 양과 골절 (traumatic, compound bimalleolar fracture)이 발생하여, 관헐적 정복/내 고정술로 수술적 치료가 필요했다. 수술 부위가 완전히 파열되어, 고착 플레이트들 (fixation plates)을 위협하고 결국 사지를 위협했다. 고압 산소 요법 (HBOP) 요법이 권장되었다.
도 12a의 컬러 이미지는, 상처에 적용된 임의의 요법 전에 임상의와의 환자의 초기 평가 동안 관찰된 상처를 도시하며, 그리고 도 12e는 치료의 반복된 에피소드들에 이어 초기 평가 후 1 개월의 상처의 컬러 이미지이다. 상처의 최대 관류 맵들은 전술한 바와 같이 발생되었으며 - 그 예시는 환자의 제 1 평가 동안 취해진 도 12b 및 치료 및 초기 평가 이후에 1 개월 폴로 업 방문 동안 취해진 도 12f에서 도시됨 -, LUNA® 형광 영상 시스템 (NOVADAQ® Technologies Inc.에서 구입 가능)의 도움으로, 그리고 형광 영상 제제로서 ICG를 사용하여 기록되었다. 상처에 대한 상처 활동도 맵들 및 상처 인덱스 값 (WIV)은 전술한 바와 같이 발생되었다. 도 12c 및 도 12g 각각은 초기 방문 및 초기 방문 이후 1 개월에 대한 상처 활동도 맵들을 도시한다. 도 12d 및 12h 각각은 순위 값들 각각과 기준 값의 비교로부터 발생되고 초기 방문 및 초기 방문 후 1 개월 각각에 대해 전술한 바와 같이 프로세싱되는, 상처에 대응하는 상처 특성화 값들 (즉, 비-상처 특성화 값들로부터 분리됨)을 도시 또는 시각화한다. 환자의 타깃 조직 내의 건강한 조직 영역 (도 12c 및 12g에서 녹색으로 도시됨)을 사용하여 기준 값을 도출하였다. 도 12d 및 12h은 환자의 초기 방문 (WIV 50) 및 1 개월 후 (WIV 6) 각각에 대한 상처 인덱스 값을 더 나타낸다.
도 12c는 상처 및 상처 주위의 의학적 질환, 즉, 건강한 조직으로부터 여전히 구별되는 낮은 순위 값들의 영역 (도 12c에서의 황색)에 의해 둘러싸인 상처의 상승된 순위 값들의 영역 (예컨대, 도 12c에서의 적색)이 있는 것을 명확하게 도시한다. 도 12d는 상처에서 과도한 관류의 넓은 영역을 명확하게 나타내며, 이는 50의 WIV에 의해 더 정량화된다.
도 12e (치료의 반복된 에피소드들 이후에 상처의 차후 평가 동안 1 개월에 찍음)를 본 임상의는 상처가 어느 정도 치유되었다는 시각적 표시를 일부 얻을 수 있지만, 이러한 시각적 평가로부터 치료가 중단되어야 하는지는 명확하지 않다. 그러나, 이와 달리, 대응하는 상처 활동도 맵 (도 12g)은 상처의 변화 특성 및 치유의 패턴을 시각화한다. 이러한 패턴은 도 12h에서 상처 특성화 값들 (비-상처 값들에 의해 희석되거나 왜곡되지 않은 상처에만 관련된 값들)의 시각화에서 더욱 극적으로 도시되고, 이는 초기 방문 (도 12d)과 비교하여 상처 관련 영역들의 급격한 감소를 나타낸다. 유사하게, 1 개월 후 현재 WIV 6 (WIV 50의 초기 값으로부터 감소)인 상처의 부량 (quantification)은 상처가 현저하게 치유될 수 있고, 회복될 수 있음을 나타내며, WIV는 0으로 될 것이다. WIV의 감소는 혈관신생, 상처 치유 및 조직 재생과 관련하여 상기에서 논의된 바와 같이 과도한 혈관을 정상 레벨로 줄이는 것과 상관되는 것으로 보인다.
이로써, 상처 인덱스 값 (WIV)은 상처의 상태의 정량적 표시 (예컨대, 상처의 중증도, 활동도)를 제공하는 것을 도울 수 있다. WIV는 조직 혈류량 및/또는 관류를 평가하기 위한 객관적이고 표준화된 프로토콜을 제공하여, 임상의가 평가를 수행하는 것에 관계없이, 다수의 영상 세션들에 걸쳐 시간 경과에 따라 환자의 혈류량 및/또는 관류 상태를 신뢰할 수 있고 일관되게 비교 및 추적할 수 있는 방식을 용이하게 할 수 있다.
사례 2 - 감염 상처
또한, 도 13a 내지 도 13k는 예를 들어 감염된 상처와 같은 상처의 정량적 평가 및 관리를 위한 본 발명의 방법 및 시스템의 적용을 도시한다. 환자는 왼쪽 다리에 감염된 상처를 갖는 48 세 남성이었다. 관헐적 정복 내 고정 복원술 (Open-reduction-internal-fixation reconstruction procedure)을 수행하였다. 상처는 몇 달 동안 열려있었다. 공격적인 국소적 상처 케어 및 항생제 치료에 대한 내성이 적용되었고 HBOT 요법이 권장되었다. 상처 인덱스 값의 이미지 획득, 프로세싱 및 발생과 관련하여 전술한 방법들이 이 경우에 적용된다.
도 13a, 도 13f 및 도 13i는 초기 평가 동안 상처의 컬러 이미지 (도 13a), 초기 평가로부터 2 주 (이용 가능한 이미지 없음), 2 개월 (도 13f), 및 3 개월 (도 13i)에서 발생한 치료 후의 컬러 이미지들이다. 도 13b, 13d, 13g 및 13j는 대응하는 최대 관류 맵들이며, 그리고 도 13c, 13e, 13h 및 13k는 대응하는 상처 활동도 맵들이다. 환자의 타깃 조직 내의 건강한 조직 영역 (도 13c, 13e, 13h 및 13k에서 녹색으로 도시됨)을 사용하여 기준 값을 도출하였다. 이러한 예시에서, 사례 1과는 달리, 비교기 데이터 세트는 시각화되지 않았지만, 오히려 전술한 바와 같이 상처 인덱스 값 (WIV)만이 발생되어 상처의 정량적 측정으로 사용되었다.
이 사례는 회복을 위한 상처의 예시이기도 하다. 2 주에서의 WIV의 증가 (도 13e)는 초기 방문 후에 염증이 발생하여 이로써 상처에 혈관신생이 증가된 것을 나타낸다. 상처는 그 후에, 2 개월에 WIV의 감소로 표시되는 바와 같이 치유되기 시작하여 (도 13h) 결국 상처가 치유되었음을 나타내는 3 개월에 "0"이 되었다 (그림 13k). 이로써, 이러한 치유 과정에서의 WIV 값들은 혈관신생 곡선 및 치유와 상관이 있어 치유 과정의 다양한 스테이지들을 수량화하는 것으로 보인다. 더욱이 단독으로 또는 상처 활동도 맵과 조합하여 WIV로부터 얻은 정보는 상처의 기존의 육안 검사를 사용한 임상의에게 이용될 수 없었을 것이다.
사례 3 - 허혈성 상처
도 14a 내지 14i는 예를 들어 허혈성 상처와 같은 상처의 정량적 평가 및 관리를 위한 본 발명의 방법 및 시스템의 적용을 도시한다. 환자는 골수염 및 상행 근막염, 및 폐쇄 동맥 내막염 (obliterative end arteritis)으로 중족골이 절단된 왼발의 허혈성 상처를 입은 51 세 남자였다. 공격적인 국소 케어 및 항생제 치료에 대한 내성이 적용되었다. HBOT가 권장되고 시작되었다. 상처 인덱스 값의 이미지 획득, 프로세싱 및 발생과 관련하여 전술한 방법들은 이 사례에 적용된다.
도 14a, 14d 및 14g는 초기 평가 동안, 및 초기 평가 후 5 일 (도 14d) 및 1 개월 (도 14g)에 발생한 치료 후의 상처의 컬러 이미지들이다. 도 14b, 14e 및 14h는 대응하는 최대 관류 맵들이며, 그리고 도 14c,도 14f 및 도 14i는 대응하는 상처 활동도 맵들이다. 환자의 타깃 조직 내의 건강한 조직 영역 (도 14c, 14f 및 14i에서 녹색으로 표시됨)을 사용하여 기준 값을 도출하였다. 이러한 예시에서, 비교기 데이터 세트는 사례 1과는 달리 시각화되지 않았지만, 오히려 전술한 바와 같이 WIV만이 발생되어 상처에 대한 상처의 정량적 측정으로 사용되었다.
치료 후 5 일 (도 14c) 및 1 개월 (도 14f)에서의 WIV의 차이는 발가락 영역이 5 일 째에 영상 진단 중에 절단되었기 때문에 통계적으로 유의하지 않았다. 그럼에도 불구하고, WIV는 시간이 지남에 따라 감소하여 기존의 육안 검사만으로는 분명하지 않은 상처가 치유되었음을 나타낸다.
사례 4 - 재건 수술 적용
도 15a-15l는 예를 들어, 유방 재건 수술과 같은 재건 수술에 상기 방법들 및 시스템들을 적용하는 예시를 제공한다. 환자는 46 세 여자로 양측 유방 절제술을 받고 즉시 재건되었다. 수술 후 48 시간 째, 그녀는 우측 유방의 하극 (inferior pole)의 허혈성 손상을 입은 것으로 간주되었다. HBOT 요법이 권장되었다. 상처 인덱스 값의 이미지 획득 (NOVADAQ® Technologies Inc.로부터 구입 가능한 SPY® 형광 영상 시스템의 도움으로 기록됨), 프로세싱 및 발생과 관련하여 전술한 방법들은 이 사례에 적용된다.
도 15a, 15e 및 15i는 초기 평가 (도 15a) 동안. 및 초기 평가 후 1 주 (도 15e) 및 3 주 (도 15i)에서 취해진 치료 후 상처의 컬러 이미지들이다. 도 15b, 15f 및 15j는 대응하는 최대 관류 맵들이며, 그리고 도 15c, 15g 및 15k는 대응하는 상처 활동도 맵들이다.
도 15d, 15h 및 15l은 순위 값들 각각과 기준 값의 비교로부터 발생되고 초기 방문 및 폴로 업 방문에 대해 전술한 바와 같이 프로세싱되는, 상처에 대응하는 상처 특성화 값들 (즉, 비-상처 특성화 값들로부터 분리됨)을 시각화한다. 환자의 타깃 조직 내의 건강한 조직 영역 (도 15c, 15g 및 15k에서 녹색으로 도시됨)을 사용하여 기준 값을 도출하였다. 이 데이터로부터, 초기 방문 및 그 이후에 대한 상처 인덱스 값 (WIV)이 발생되었다 (도 15d, 15h 및 15i). 이 사례는 저 (hypo)-관류된 상처의 치유를 시연한다. WIV의 증가는 혈관신생과 관련하여 논의된 바와 같이 혈관 형성의 증가된 활동도와 상관된다. HBOT 요법은 조직의 저-관류된 영역 주위에서 증가된 혈류량 활동도를 우선적으로 초래하는 혈관신생 과정을 촉발시켰다 (도 15f, 15g, 및 15h). 치유가 진행됨에 따라, 증가된 흐름은 상처 내부에 퍼지고, 이로써 상처 인덱스의 값들이 높아지게 된다 (도 15j, 15k 및 15l).
추가
변형예들
일반적으로, 일 변형예에서, 컴퓨터 구현 방법은 피검체의 조직의 혈관 조영검사 이미지들의 시계열에서 계산 영역에 대한 시간-세기 곡선을 발생시키는 단계, 시간-세기 곡선을 근사화하기 위해 선택된 복수의 파라미터들에 기반하여 계산 영역에 대한 순위 값을 계산하는 단계, 및 계산된 순위 값들의 공간 맵을 발생시키는 단계를 포함한다. 일부 변형예들에서, 혈관조영검사 이미지들의 시계열은 형광 혈관조영검사 이미지들의 시계열을 포함한다. 일부 변형예들에서, 계산된 순위 값들의 공간 맵은 형광 영상 제제의 볼러스가 조직을 통해 이동함에 따라 방출된 형광의 일시적인 특성들을 나타낸다. 일부 변형예들에서, 계산된 순위 값들의 공간 맵은 조직의 속성, 조직의 질환 또는 이들의 조합을 나타낸다. 일부 변형예들에서, 계산된 순위 값들의 공간 맵은 조직의 치유 상태를 나타낸다. 일부 변형예들에서, 조직의 속성 또는 조직의 질환은 염증, 악성 종양, 이상물, 질병 또는 이들의 조합을 포함한다.
일부 변형예들에서, 형광 영상 제제는 형광 염료, 그의 유사체, 그의 유도체 또는 이들의 조합을 포함한다. 일부 변형예들에서, 형광 염료는 트리카보시아닌 염료를 포함한다. 일부 변형예들에서, 형광 염료는 인도시아닌 그린 (ICG), 플루오레세인 이소티오시아네이트, 로다민, 피코에리트린, 피코시아닌, 알로피코시아닌, o-프탈알데히드, 플루오레스카민, 로즈 벵갈, 트립판 블루, 플루오로-금, 또는 이들의 조합을 포함한다. 일부 변형예들에서, 형광 영상 제제는 형광 혈관조영검사 이미지들의 시계열을 획득하기 직전에 피검체에게 투여된다.
일부 변형예들에서, 복수의 파라미터들에서 파라미터는 시간-세기 곡선의 증가하는 세기의 영역의 지속 기간, 시간-세기 곡선의 증가하는 세기의 영역 내의 세기 변화, 시간-세기 곡선의 증가하는 세기의 영역 내의 세기 변화, 시간-세기 곡선의 피크 세기의 영역의 지속 기간, 시간-세기 곡선의 피크 세기의 영역 내의 세기 변화, 시간-세기 곡선의 감소하는 세기의 영역의 지속 기간, 또는 시간-세기 곡선의 감소하는 세기의 영역 내의 세기 변화를 포함한다. 일부 변형예들에서, 복수의 파라미터들에서의 파라미터는 시간-세기 곡선의 관류 개시 양상의 지속 시간, 시간-세기 곡선의 관류 개시 양상 내의 세기 변화, 시간-세기 곡선의 동맥 양상의 지속 시간, 시간-세기 곡선의 동맥 양상 내의 세기 변화, 시간-세기 곡선의 미세-혈관 양상의 지속 시간, 시간-세기 곡선의 미세-혈관 양상 내의 세기 변화, 시간-세기 곡선의 정맥 양상의 지속 기간, 또는 시간-세기 곡선의 정맥 양상 내의 세기 변화를 포함한다. 일부 변형예들에서, 복수의 파라미터들에서의 각 파라미터는 수치 곡선-피팅 알고리즘이다. 일부 변형예들에서, 시간-세기 곡선의 근사화는 시간-세기 곡선의 일 부분의 근사화를 포함한다.
일부 변형예들에서, 혈관조영검사 이미지들의 시계열은 획득 시간에 의해 연속적으로 정돈된 복수의 개별 이미지 프레임들을 포함한다. 일부 변형예들에서, 개별 이미지 프레임들은 공간적으로 정렬된다. 일부 변형예들에서, 혈관조영검사 이미지들의 시계열은 선택된 데이터를 추출하거나, 베이스라인 세기를 계산하거나, 이미지 품질 확인 프로세스를 수행하거나, 또는 이들의 조합을 수행하기 위해 사전-프로세싱된다. 일부 변형예들에서, 계산 영역은 개별 픽셀 또는 개별 픽셀들의 그룹을 포함한다.
일부 변형예들에서, 계산된 순위 값들의 공간 맵을 발생시키는 것은 복수의 계산 영역들에 대해 각 계산된 순위 값에 세기 값을 할당하는 것을 포함한다. 일부 변형예들에서, 계산된 순위 값 및 세기 값은 직접적인 관계를 가진다.
일부 변형예들에서, 상기 방법은 계산된 순위 값들의 공간 맵을 피검체의 조직의 해부학적 이미지 상에 중첩시키는 단계를 포함한다. 일부 변형예들에서, 상기 방법은 피검체의 조직의 혈관조영검사 이미지들의 시계열을 획득하는 단계를 포함한다. 일부 변형예들에서, 혈관 조영검사 이미지들의 시계열은 형광 혈관조영검사 이미지들의 시계열이다.
일부 변형예들에서, 획득은 형광 영상 시스템을 사용하여 수행된다. 이들 변형예들 중 일부에서, 형광 영상 시스템은 형광 영상 제제의 사용을 포함한다. 일부 변형예들에서, 형광 영상 제제는 형광 염료, 그의 유사체, 그의 유도체 또는 이들의 조합을 포함한다. 일부 변형예들에서, 형광 염료는 트리카보시아닌 염료를 포함한다. 일부 변형예들에서, 형광 염료는 인도시아닌 그린 (ICG), 플루오레세인 이소티오시아네이트, 로다민, 피코에리트린, 피코시아닌, 알로피코시아닌, o-프탈알데히드, 플루오레스카민, 로즈 벵갈, 트립판 블루, 플루오로-금, 또는 이들의 조합을 포함한다. 일부 변형예들에서, 형광 영상 제제는 형광 혈관조영검사 이미지들의 시계열의 획득 직적에 피검체에게 투여된다.
일반적으로, 일 변형예에서, 형광 영상 시스템으로 동작하는 컴퓨터 구현 방법이 개시되어 있으며, 상기 형광 영상 시스템은 다음을 포함한다: 피검체의 조직 내의 형광제로부터 형광 방출물을 유도하기 위해 피검체의 조직을 조명하도록 구성된 광원; 형광 방출물로부터 형광 혈관조영검사 이미지들의 시계열을 획득하도록 구성된 이미지 획득 조립체; 및 형광 혈관조영검사 이미지들의 시계열을 프로세싱하도록 구성된 프로세서 조립체. 이들 변형예들에서, 상기 방법은 다음을 포함한다: 프로세서를 통해, 형광 혈관조영검사 이미지들의 시계열에서 계산 영역에 대한 시간-세기 곡선을 발생시키는 단계; 프로세서를 통해, 시간-세기 곡선을 근사화하기 위해 선택된 복수의 파라미터들에 기반하여 계산 영역에 대한 순위 값을 계산하는 단계; 및 프로세서를 통해, 계산된 순위 값들의 공간 맵을 발생시키는 단계.
일부 변형예들에서, 형광 영상 시스템의 광원은, 여기 광을 발생시키도록 구성된 형광 여기 소스를 포함한 조명 모듈을 포함한다. 일부 변형예들에서, 조명 모듈은 조명 모듈에서 나가는 여기 광을 형성 및 안내하도록 구성된 광학 요소를 더 포함한다. 일부 변형예들에서, 광학 요소는 렌즈, 광 가이드, 확산기 또는 이들의 조합을 포함한다. 일부 변형예들에서, 형광 영상 시스템은 형광 영상 제제에 의해 만들어진 형광 방출물을 캡처, 필터링 및 이미지 센서 조립체로 향하게 하도록 구성된 이미지 획득 조립체의 앞면에 배치된 광학 요소들을 더 포함한다.
일반적으로, 일 변형예에서, 피검체의 조직의 혈관조영검사 이미지들의 시계열을 프로세싱하는 시스템은 다음을 포함한다: 사용자 인터페이스; 사용자 인터페이스와 통신하도록 구성된 프로세서; 프로세서에 의해 실행될 시에, 프로세서가 다음을 포함하는 동작들을 수행하도록 하는 저장된 명령어들을 가진 비-일시적인 컴퓨터-판독 가능 저장 매체: 피검체의 조직의 혈관조영검사 이미지들의 시계열에서 계산 영역에 대한 시간-세기 곡선을 발생시키는 단계; 시간-세기 곡선을 근사화하기 위해 선택된 복수의 파라미터들에 기반하여 계산 영역에 대한 순위 값을 계산하는 단계; 및 계산된 순위 값들의 공간 맵을 발생시키는 단계.
일부 변형예들에서, 프로세서는 영상 시스템과 통신한다. 일부 변형예들에서, 상기 시스템은 영상 시스템을 포함한다. 일부 변형예들에서, 프로세서는 영상 시스템의 구성 요소이다. 일부 변형예들에서, 프로세서는 영상 시스템의 동작을 제어하도록 구성된다. 일부 변형예들에서, 영상 시스템은 형광 영상 시스템이며, 그리고 혈관조영검사 이미지들의 시계열은 형광 혈관조영검사 이미지들의 시계열이다. 변형예들의 일부에서, 형광 영상 시스템은 다음을 포함한다: 피검체의 조직 내의 형광 영상 제제로부터 형광 방출물을 유도하기 위해 피검체의 조직을 조명하도록 구성된 조명 모듈; 및 형광 혈관조영검사 이미지들의 시계열을 획득하도록 구성된 카메라 조립체.
일반적으로, 일 변형예에서, 비-일시적인 유형의 컴퓨터-판독 가능 매체는 피검체의 조직의 혈관조영검사 이미지들의 시계열을 프로세싱하는 방법을 포함한, 내장된 컴퓨터-실행 가능 프로그램 코드 수단을 가진다. 상기 방법은 혈관조영검사 이미지들의 시계열에서 계산 영역에 대한 시간-세기 곡선을 발생시키는 단계; 시간-세기 곡선을 근사화하기 위해 선택된 복수의 파라미터들에 기반하여 계산 영역에 대한 순위 값을 계산하는 단계; 및 계산된 순위 값들의 공간 맵을 발생시키는 단계를 포함한다.
일반적으로, 일 변형예에서, 피검체의 조직의 혈관조영검사 이미지들의 시계열을 프로세싱하는 키트는 본 명세서에 기술된 변형예들 중 임의의 것의 시스템 및 형광 영상 제제를 포함한다.
일반적으로, 일 변형예에서, 컴퓨터-구현 방법에 사용하는 형광 영상 제제가 개시되어 있으며, 상기 방법은 다음을 포함한다: 피검체의 조직의 혈관조영검사 이미지들의 시계열에서 계산 영역에 대한 시간-세기 곡선을 발생시키는 단계; 시간-세기 곡선을 근사화하기 위해 선택된 복수의 파라미터들에 기반하여 계산 영역에 대한 순위 값을 계산하는 단계; 및 계산된 순위 값들의 공간 맵을 발생시키는 단계. 일부 변형예들에서, 상처 관리를 위해 본 명세서에 기술된 임의의 방법들 및 시스템들에 사용되는 형광 영상 제제를 개시한다. 이들 변형예들 중 일부에서, 상처 관리는 만성 상처 관리를 포함한다. 일부 변형예들에서, 형광 영상 제제는 ICG를 포함한다.
일반적으로, 일 변형예에서, 피검체의 타깃 조직 내의 상처를 정량적으로 평가하는 컴퓨터-구현 방법은 다음을 포함한다: 타깃 조직으로부터 얻어진 입력 데이터의 시계열에서 계산 영역에 대한 시간-세기 곡선을 발생시키는 단계 - 입력 데이터의 시계열은 타깃 조직을 통한 영상 제제의 이동을 캡처함; 시간-세기 곡선을 근사화하기 위해 선택된 파라미터에 기반하여 계산 영역에 대한 순위 값을 할당하는 단계; 순위 값들 각각과 기준 값의 비교에 기반하여 데이터 세트를 발생시키는 단계; 및 상기 상처에 대한 상처 인덱스 값을 발생시키기 위해 데이터 세트를 프로세싱하는 단계. 일부 변형예들에서, 발생된 인덱스 값은 기계 학습 프로세스에서 사용된다.
일부 변형예들에서, 데이터 세트는 제 1 및 제 2 데이터 세트들을 포함한다. 일부 변형예들에서, 상기 방법은 제 1 및 제 2 데이터 세트들 각각에 조절 함수를 적용하는 단계를 포함한다. 일부 변형예들에서, 제 1 및 제 2 데이터 세트들 각각에 조절 함수를 적용하는 단계는 다음을 포함한다: 제 1 조절 데이터 세트를 발생시키기 위해 제 1 데이터 세트에 제 1 조절 함수를 적용하는 단계; 및 제 2 조절 데이터 세트를 발생시키기 위해 상기 제 1 조절 기능과는 다른 제 2 조절 함수를 제 2 데이터 세트에 적용하는 단계. 일부 변형예들에서, 제 1 조절 데이터 세트는 복수의 상처 특성화 값들을 포함하며, 그리고 제 2 조절 데이터 세트는 복수의 비-상처 특성화 값들을 포함한다. 일부 변형예들에서, 제 1 조절 함수는 신원 함수이다. 일부 변형예들에서, 제 2 조절 함수는 제 2 조절 데이터 세트가 제로가 되도록 한다.
일부 변형예들에서, 상처의 상태를 나타내는 상처 인덱스 값을 발생시키도록 데이터 세트를 프로세싱하는 단계는 비-상처 특성화 값들을 사용하여 상처 특성화 값들을 프로세싱하는 단계를 포함한다. 일부 변형예들에서, 상처 인덱스 값을 발생시키도록 비-상처 특성화 값들을 사용하여 상처 특성화 값들을 프로세싱하는 단계는 제 1 데이터 세트 내의 모든 순위 값들을 합산하고, 계산 영역 내의 총 픽셀 수로 나누는 단계를 포함한다. 일부 변형예들에서, 상처 인덱스 값을 발생시키도록 데이터 세트를 프로세싱하는 단계는 제 1 데이터 세트 내의 모든 순위 값들을 합산하고, 배경을 배제하면서 계산 영역에서 조직 부분을 나타내는 총 픽셀 수로 나누는 단계를 포함한다.
일부 변형예들에서, 상기 방법은 복수의 순위 값들, 데이터 세트 내의 데이터, 복수의 상처 인덱스 값들, 또는 이들의 조합을 시각화하는 단계를 포함한다. 일부 변형예들에서, 복수의 순위 값들, 데이터 세트 내의 데이터, 또는 이들의 조합을 시각화하는 단계, 공간 맵을 발생시키는 단계를 포함한다. 일부 변형예들에서, 상기 방법은 타깃 조직의 해부학적 이미지 상에 공간 맵을 중첩시키는 단계를 포함한다. 일부 변형예들에서, 복수의 상처 인덱스 값들을 시각화하는 단계는 시간 경과에 따라 상처 인덱스 값을 추적하는 단계를 포함한다. 일부 변형예들에서, 시간 경과에 따라 상처 인덱스 값을 추적하는 단계는 시간 경과에 따라 상처 인덱스 값의 변화의 그래프 표현을 발생시키는 단계를 포함한다. 일부 변형예들에서, 시간 경과에 따른 상처 인덱스 값의 변화는 시간 경과에 따른 상처의 상태 변화를 나타낸다.
일부 변형예들에서, 기준 값은 수정물에 의해 수정된다. 일부 변형예들에서, 수식물은 공차 값, 승수, 다수의 기준 값들의 평균 또는 이들의 조합을 포함한다. 일부 변형예들에서, 기준 값은 기준 조직으로부터 얻어진 기준 입력 데이터의 시계열에서 기준 계산 영역에 대한 기준 시간-세기 곡선을 발생시키는 것 - 기준 입력 데이터의 시계열은 기준 조직을 통한 영상 제제의 이동을 캡처함; 및 기준 시간-세기 곡선을 근사화하기 위해 선택된 파라미터에 기반하여 기준 계산 영역에 대한 기준 순위 값을 계산하는 것에 의해 얻어진다. 일부 변형예들에서, 기준 조직은 건강한 피검체, 건강한 피검체들의 집단, 피검체의 타깃 조직 내의 건강한 조직 영역, 피검체의 타깃 조직 외부의 건강한 조직 영역의 조직이다.
일부 변형예들에서, 상처는 타깃 조직에 대한 상해를 포함한다. 일부 변형예들에서, 상해는 수술 상처, 만성 상처, 급성 상처를 포함한다. 일부 변형예들에서, 수술 상처, 만성 상처 또는 급성 상처는 절개, 압력 궤양, 열상, 찰과상, 천공, 타박상, 박리, 캐비티, 화상 또는 이들의 조합을 포함한다. 일부 변형예들에서, 만성 상처는 압력 궤양, 정맥 궤양, 동맥 궤양, 당뇨병성 하지 궤양, 또는 이들의 조합을 포함한다. 일부 변형예들에서, 상처는 기준 값으로부터의 편차를 포함한다. 일부 변형예들에서, 상처의 상태는 상처의 속성, 상처의 질환, 상처의 치유 상태, 또는 이들의 조합을 포함한다. 일부 변형예들에서, 상처의 속성, 상처의 질환 또는 상처의 치유 상태는 염증, 악성 종양, 이상물, 질병 또는 이들의 조합을 포함한다.
일부 변형예들에서, 입력 데이터의 시계열은 형광 입력 데이터의 시계열을 포함한다. 일부 변형예들에서, 상기 방법은 형광 영상 시스템을 사용하여 형광 영상 동안 형광 입력 데이터의 시계열을 획득하는 단계를 포함하며, 상기 영상 제제는 형광 영상 제제이다. 일부 변형예들에서, 형광 영상 제제는 형광 입력 데이터의 시계열의 획득 직전에 피검체에게 투여된다. 일부 변형예들에서, 형광 영상 제제는 형광 염료, 그의 유사체, 그의 유도체 또는 이들의 조합을 포함한다. 일부 변형예들에서, 형광 염료는 트리카보시아닌 염료를 포함한다. 일부 변형예들에서, 트리카보시아닌 염료는 인도시아닌 그린 (ICG)이다. 일부 변형예들에서, 형광 염료는 ICG, 플루오레세인 이소티오시아네이트, 로다민, 피코에리트린, 피코시아닌, 알로피코시아닌, o-프탈알데히드, 플루오레스카민, 로즈 벵갈, 트립판 블루, 플루오로-금, 또는 이들의 조합을 포함한다.
일부 변형예들에서, 시간-세기 곡선을 근사화하도록 선택된 파라미터는 시간-세기 곡선의 증가하는 세기의 영역의 지속 기간, 시간-세기 곡선의 증가하는 세기의 영역 내의 세기 변화, 시간-세기 곡선의 증가하는 세기의 영역 내의 세기 변화, 시간-세기 곡선의 피크 세기의 영역의 지속 시간, 시간-세기 곡선의 피크 세기의 영역 내의 세기 변화, 시간-세기 곡선의 감소하는 세기의 영역의 지속 시간, 또는 시간-세기 곡선의 감소하는 세기의 영역 내의 세기 변화, 또는 이들의 조합을 포함할 수 있다. 일부 변형예들에서, 시간-세기 곡선을 근사화하기 위해 선택된 파라미터는 시간-세기 곡선의 관류 개시 양상의 지속 시간, 시간-세기 곡선의 관류 개시 양상 내의 세기 변화, 시간-세기 곡선의 동맥 양상의 지속 시간, 시간-세기 곡선의 동맥 양상 내의 세기 변화, 시간-세기 곡선의 미세-혈관 양상의 지속 시간, 시간-세기 곡선의 미세-혈관 양상 내의 세기 변화, 시간-세기 곡선의 정맥 양상의 지속 기간, 또는 시간-세기 곡선의 정맥 양상 내의 세기 변화 또는 이들의 조합을 포함한다. 일부 변형예들에서, 시간-세기 곡선을 근사화하기 위해 선택된 파라미터는 수치 곡선-피팅 알고리즘이다. 일부 변형예들에서, 시간-세기 곡선의 근사화는 시간-세기 곡선의 일 부분의 근사화를 포함한다.
일부 변형예들에서, 입력 데이터의 시계열은 획득 시간에 의해 연속적으로 정돈된 복수의 개별 이미지 프레임들을 포함한다. 일부 변형예들에서, 개별 이미지 프레임들은 공간적으로 정렬된다. 일부 변형예들에서, 입력 데이터의 시계열은 선택된 데이터를 추출하거나, 베이스라인 세기를 계산하거나, 이미지 품질 확인 프로세스를 수행하거나, 이들의 조합을 수행하기 위해 사전-프로세싱된다. 일부 변형예들에서, 계산 영역은 개별 픽셀 또는 개별 픽셀들의 그룹을 포함한다.
일부 변형예들에서, 상기 방법은 치유의 진행, 치료, 또는 이들의 조합을 평가하기 위해 상처 인덱스 값을 추적하는 단계를 포함한다. 일부 변형예들에서, 상처 인덱스 값은 상처의 정량적 프로파일을 더 나타낸다.
일부 변형예들에서, 본 명세서에 기술된 변형예들 중 어느 것에서 상처 인덱스 값은 선택된 시점에서 또는 시간 경과에 따라 상처를 평가하기 위해 그리고/또는 상처의 혈류량, 조직 관류, 또는 이들의 조합을 평가하기 위해 본 명세서에 기술된 방식들 중 어느 것에서 시각화와 조합하여 사용될 수 있다.
일반적으로, 일 변형예에서, 피검체의 타깃 조직 내의 상처를 정량적으로 평가하는 컴퓨터-구현 방법은 다음을 포함한다: 피검체의 혈류 내로 형광제를 투여하는 단계; 타깃 조직 내의 혈액에 형광제를 여기시키기 위해 피검체의 타깃 조직을 조명하는 단계; 방출물로부터 발생하는 형광 입력 데이터의 시계열을 획득하는 단계 - 상기 형광 입력 데이터의 시계열은 타깃 조직을 통한 형광제의 이동을 캡처함; 상기 형광 입력 데이터의 시계열에서 계산 영역에 대한 시간-세기 곡선을 발생시키는 단계; 시간-세기 곡선을 근사화하기 위해 선택된 파라미터에 기반하여 계산 영역에 대한 순위 값을 계산하는 단계; 상기 순위 값들 각각과 기준 값의 비교에 기반하여 데이터 세트를 발생시키는 단계; 및 상기 상처에 대한 상처 인덱스 값을 발생시키기 위해 데이터 세트를 프로세싱하는 단계.
일반적으로, 형광 영상 시스템으로 동작하는 하나의 컴퓨터 구현 방법에서, 형광 영상 시스템은 다음을 포함한다: 피검체의 조직 내의 형광제로부터 형광 방출물을 유도하기 위해 피검체의 조직을 조명하도록 구성된 광원; 형광 방출물로부터 형광 입력 데이터의 시계열을 획득하도록 구성된 이미지 획득 조립체; 및 형광 입력 데이터의 시계열을 프로세싱하도록 구성된 프로세서 조립체. 상기 방법은 다음을 포함한다: 프로세서를 통해, 타깃 조직으로부터 얻어진 형광 입력 데이터의 시계열에서 계산 영역에 대한 시간-세기 곡선을 발생시키는 단계 - 상기 형광 입력 데이터의 시계열은 타깃 조직을 통한 형광제의 이동을 캡처함; 프로세서를 통해, 시간-세기 곡선을 근사화하기 위해 선택된 파라미터에 기반하여 계산 영역에 대한 순위값을 할당하는 단계; 프로세서를 통해, 순위 값들 각각과 기준 값의 비교에 기반하여 데이터 세트를 발생시키는 단계; 및 프로세서를 통해, 상처에 대한 상처 인덱스 값을 발생시키기 위해 데이터 세트를 프로세싱하는 단계. 일부 변형예들에서, 형광 영상 시스템의 광원은 여기 광을 발생시키도록 구성된 형광 여기 소스를 포함한 조명 모듈을 포함한다. 일부 변형예들에서, 조명 모듈은 조명 모듈에서 나가는 여기 광을 형성 및 안내하도록 구성된 광학 요소를 더 포함한다. 일부 변형예들에서, 광학 요소는 렌즈, 광 가이드, 확산기 또는 이들의 조합을 포함한다. 일부 변형예들에서, 형광 영상 시스템은 형광 영상 제제에 의해 만들어진 형광 방출물을 캡처, 필터링 및 이미지 센서 조립체로 향하게 하도록 구성된 이미지 획득 조립체의 앞면에 배치된 광학 요소들을 포함한다.
일반적으로, 일 변형예에서, 피검체의 타깃 조직 내의 상처를 정량적으로 평가하는 시스템은 다음을 포함한다: 사용자 인터페이스; 사용자 인터페이스와 통신하도록 구성된 프로세서; 프로세서에 의해 실행될 시에, 프로세서가 다음을 포함하는 동작들을 수행하도록 하는 저장된 명령어들을 가진 비-일시적인 컴퓨터-판독 가능 저장 매체: 타깃 조직의 형광 이미지들의 시계열에서 계산 영역에 대한 시간-세기 곡선을 발생시키는 단계; 시간-세기 곡선을 근사화하기 위해 선택된 파라미터에 기반하여 계산 영역에 대한 순위 값을 할당하는 단계; 순위 값들 각각과 기준 값의 비교에 기반하여 데이터 세트를 발생시키는 단계; 및 상기 상처에 대한 상처 인덱스 값을 발생시키기 위해 데이터 세트를 프로세싱하는 단계.
일부 변형예들에서, 프로세서는 형광 영상 시스템과 통신한다. 일부 변형예들에서, 시스템은 형광 영상 시스템을 더 포함한다. 일부 변형예들에서, 프로세서는 형광 영상 시스템의 구성 요소이다. 일부 변형예들에서, 프로세서는 형광 영상 시스템의 동작을 제어하도록 구성된다. 일부 변형예들에서, 형광 영상 시스템은 다음을 포함한다: 피검체의 조직 내의 형광 영상 제제로부터 형광 방출물을 유도하기 위해 피검체의 조직을 조명하도록 구성된 조명 모듈; 및 형광 이미지들의 시계열을 획득하도록 구성된 카메라 조립체.
일반적으로, 일 변형예에서, 비-일시적인 유형의 컴퓨터-판독 가능 매체는 피검체의 타깃 조직 내의 상처를 정량적으로 평가하는 방법을 포함한, 내장된 컴퓨터-실행 가능 프로그램 코드 수단을 가진다. 상기 방법은 다음을 포함한다: 타깃 조직으로부터 얻어진 형광 입력 데이터의 시계열에서 계산 영역에 대한 시간-세기 곡선을 발생시키는 단계 - 상기 형광 입력 데이터의 시계열은 타깃 조직을 통한 형광 영상 제제의 이동을 캡처함; 시간-세기 곡선을 근사화하기 위해 선택된 파라미터에 기반하여 계산 영역에 대한 순위 값을 할당하는 단계; 순위 값들 각각과 기준 값의 비교에 기반하여 데이터 세트를 발생시키는 단계; 및 상처에 대한 상처 인덱스 값을 발생시키기 위해 데이터 세트를 프로세싱하는 단계.
일반적으로, 일 변형예에서, 피검체의 타깃 조직 내의 상처를 정량적으로 평가하기 위한 키트는 본 명세서에 기술된 변형예들 중 어느 것의 시스템 및 형광 영상 제제를 포함한다.
일반적으로, 일 변형예에서, 피검체의 타깃 조직 내의 상처를 정량적으로 평가하는 컴퓨터-구현 방법에 사용하는 형광 영상 제제가 개시되고, 상기 방법은 다음을 포함한다: 타깃 조직으로부터 얻어진 형광 입력 데이터의 시계열에서 계산 영역에 대한 시간-세기 곡선을 발생시키는 단계 - 형광 입력 데이터의 시계열은 타깃 조직을 통한 형광 영상 제제의 이동을 캡처함; 시간-세기 곡선을 근사화하기 위해 선택된 파라미터에 기반하여 계산 영역에 대한 순위 값을 할당하는 단계; 순위 값들 각각과 기준 값의 비교에 기반하여 데이터 세트를 발생시키는 단계; 및 상처에 대한 상처 인덱스 값을 발생시키기 위해 데이터 세트를 프로세싱하는 단계. 일부 변형예들에서, 상처 관리를 위해 본 명세서에 기술된 임의의 방법들 및 시스템들에 사용하는 형광 영상 제제를 개시한다. 이들 변형예들 중 일부에서, 상처 관리는 만성 상처 관리를 포함한다. 일부 변형예들에서, 형광 영상 제제는 ICG를 포함한다.
일반적으로, 일 변형예에서, 피검체의 타깃 조직 내의 상처를 정량적으로 평가하는 컴퓨터-구현 방법은 다음을 포함한다: 타깃 조직으로부터 얻어진 입력 데이터의 시계열에서 계산 영역에 대한 시간-세기 곡선을 발생시키는 단계; 시간-세기 곡선을 근사화하기 위해 선택된 파라미터에 기반하여 계산 영역에 대한 순위 값을 할당하는 단계; 순위 값들 각각과 기준 값의 비교에 기반하여 데이터 세트를 발생시키는 단계; 및 상처의 상처 인덱스 값을 발생시키기 위해 데이터 세트를 프로세싱하는 단계.
상세하게 도시 및 기술된 다양한 실시예들과 관련하여 본 개시 내용이 도시 및 기술되었지만, 본 개시 내용의 권리 범위로부터 임의의 방식으로 벗어남 없이, 다양한 수정 및 구조적 변화가 이루어질 수 있으므로, 도시된 세부 사항에 제한되는 것은 아니다. 도시된 실시예들의 형태, 구성 요소들의 배치, 단계, 세부 사항 및 동작 순서의 다양한 변형, 이뿐 아니라 본 개시 내용의 다른 실시예들은 본 개시 내용의 권리 범위로부터 임의의 방식으로 벗어남 없이 이루어질 수 있으며, 그리고 이러한 설명을 참조하면 통상의 기술자에게 명백할 것이다. 그러므로, 첨부된 청구항이 본 개시 내용의 권리 범위 내에 있는 속할 시에, 그러한 변형 및 실시예를 포괄할 것으로 고려된다. 명확성 및 간략한 설명을 위해, 본 명세서에서는 동일한 또는 개별 실시예들의 일부로서 특징들이 기술된다; 그러나, 본 개시 내용의 권리 범위가 기술된 특징들 전부 또는 일부의 조합을 가진 실시예들을 포함하는 것으로 인식될 것이다. 용어 "예를 들어" 및 "이를테면", 및 그의 문법적 등가물에 대해, 구어 "제한 없이"는 달리 명시적으로 언급되지 않는 한 다음 것에 따른 것으로 이해된다. 본 명세서에 사용된 바와 같이, 단수 형태들 ("a", "an" 및 "the")는 문맥상 다르게 지시하지 않는 한 복수의 지시대상을 포함한다.
Claims (207)
- 피검체의 조직을 특성화하는 시스템에 있어서,
하나 이상의 프로세서들; 및
저장된 명령어들을 가진 메모리;를 포함하며, 상기 명령어들이 하나 이상의 프로세서들에 의해 실행될 시에, 상기 명령어들은 상기 시스템이:
상기 피검체의 조직의 형광 이미지들의 시계열을 수신하고 - 상기 이미지들은 복수의 계산 영역들을 정의함;
상기 복수의 계산 영역들에 대한 복수의 시간-세기 곡선들을 발생시키고;
각각의 계산 영역에 대해 파라미터 값들 세트를 생성하고 - 상기 파라미터 값들은 상기 시간-세기 곡선의 적어도 일 부분을 근사화함;
상기 복수의 계산 영역들에 대한 파라미터 값들 세트들을 비교하여 각각의 계산 영역에 대한 총 순위 (rank) 값을 발생시키며; 그리고
상기 계산 영역들에 대한 총 순위 값들을 순위 맵 이미지로 변환시키도록 하는, 피검체 조직 특성화 시스템. - 청구항 1에 있어서,
적어도 하나의 계산 영역은 하나의 픽셀에 의해 정의되는, 피검체 조직 특성화 시스템. - 청구항 1 또는 청구항 2에 있어서,
적어도 하나의 계산 영역은 하나의 복셀(voxel)에 의해 정의되는, 피검체 조직 특성화 시스템. - 청구항 1에 있어서,
상기 파라미터 값들 중 적어도 하나는 상기 시간-세기 곡선의 시간 속성들에 관련되는, 피검체 조직 특성화 시스템. - 청구항 1에 있어서,
상기 파라미터 값들 중 적어도 하나는 상기 시간-세기 곡선에서의 세기 변화들의 크기에 관련되는, 피검체 조직 특성화 시스템. - 청구항 1에 있어서,
상기 파라미터 값들 중 적어도 하나는 상기 시간-세기 곡선의 다항식 (polynomial)의 특성화에 관련된 계수인, 피검체 조직 특성화 시스템. - 청구항 1에 있어서,
각각의 파라미터 값은 파라미터 타입에 대한 값이며, 그리고 상기 시스템이 상기 파라미터 값들 세트들을 비교할 시에, 상기 시스템은 각각의 계산 영역에 대한 파라미터 타입들에 대해 수치 순위들 세트를 발생시키는, 피검체 조직 특성화 시스템. - 청구항 7에 있어서,
상기 시스템이 각각의 계산 영역에 대한 총 순위 값을 발생시킬 시에, 상기 시스템은 각각의 계산 영역에 대한 수치 순위들 세트를 합산하는, 피검체 조직 특성화 시스템. - 청구항 1에 있어서,
상기 시스템이 각각의 계산 영역에 대한 총 순위 값을 발생시킬 시에, 상기 시스템은 해시 함수로 각각의 계산 영역에 대한 수치 메트릭들 세트를 맵핑하는, 피검체 조직 특성화 시스템. - 청구항 1에 있어서,
상기 시스템이 상기 총 순위 값들을 순위 맵 이미지로 변환시킬 시에, 상기 시스템은 각각의 총 순위 값을 세기 값에 상관시키는, 피검체 조직 특성화 시스템. - 청구항 1에 있어서,
디스플레이를 더 포함하며,
상기 명령어들은 상기 시스템이 상기 디스플레이 상에서 상기 순위 맵 이미지를 디스플레이하도록 하는, 피검체 조직 특성화 시스템. - 청구항 11에 있어서,
상기 명령어들은 상기 시스템이 상기 조직의 해부학적 이미지 상에 상기 순위 맵 이미지를 중첩시키도록 하는, 피검체 조직 특성화 시스템. - 청구항 1에 있어서,
상기 조직 내의 형광 영상 제제로부터 형광 방출물을 유도하기 위해 여기 광을 제공하는 광원을 더 포함하는, 피검체 조직 특성화 시스템. - 청구항 13에 있어서,
상기 형광 방출물에 기반하여 상기 형광 이미지들의 시계열을 발생시키는 이미지 획득 조립체를 더 포함하는, 피검체 조직 특성화 시스템. - 청구항 14에 있어서,
상기 이미지 획득 조립체는 상기 형광 방출물에 기반하여 형광 혈관조영검사 이미지들의 시계열을 발생시키는, 피검체 조직 특성화 시스템. - 피검체의 조직을 특성화하는 의학적 영상에 사용되는 방법에 있어서,
하나 이상의 프로세서들 및 메모리를 포함한 컴퓨터 시스템에서,
상기 피검체의 조직의 형광 이미지들의 시계열을 수신하는 단계 - 상기 이미지들은 복수의 계산 영역들을 정의함;
상기 복수의 계산 영역들에 대한 복수의 시간-세기 곡선들을 발생시키는 단계;
각각의 계산 영역에 대해 파라미터 값들 세트를 생성하는 단계 - 상기 파라미터 값들은 상기 시간-세기 곡선의 적어도 일 부분을 근사화함;
상기 복수의 계산 영역들에 대한 파라미터 값들 세트들을 비교하여 각각의 계산 영역에 대한 총 순위 값을 발생시키는 단계; 및
상기 계산 영역들에 대한 총 순위 값들을 순위 맵 이미지로 변환시키는 단계;를 포함하는, 피검체 조직 특성화 의학적 영상 사용 방법. - 청구항 16에 있어서,
적어도 하나의 계산 영역은 하나의 픽셀에 의해 정의되는, 피검체 조직 특성화 의학적 영상 사용 방법. - 청구항 16 또는 청구항 17에 있어서,
적어도 하나의 계산 영역은 하나의 복셀에 의해 정의되는, 피검체 조직 특성화 의학적 영상 사용 방법. - 청구항 16에 있어서,
상기 파라미터 값들 중 적어도 하나는 상기 시간-세기 곡선의 시간 속성들에 관련되는, 피검체 조직 특성화 의학적 영상 사용 방법. - 청구항 19에 있어서,
상기 파라미터 값은:
(i) 상기 시간-세기 곡선의 증가하는 세기의 영역의 지속 기간 (duration),
(ii) 상기 시간-세기 곡선의 높은 세기의 영역의 지속 기간,
(iii) 상기 시간-세기 곡선의 안정 상태의 영역의 지속 기간,
(iv) 상기 시간-세기 곡선의 감소하는 세기의 영역의 지속 기간, 및
(v) 이들의 조합
을 포함한 파라미터 타입에 대한 것인, 피검체 조직 특성화 의학적 영상 사용 방법. - 청구항 19에 있어서,
상기 파라미터 값은:
(i) 상기 시간-세기 곡선의 관류 개시 양상 (perfusion onset phase)의 지속 기간,
(ii) 상기 시간-세기 곡선의 동맥 양상의 지속 기간,
(iii) 상기 시간-세기 곡선의 미세-혈관 양상의 지속 기간,
(iv) 상기 시간-세기 곡선의 정맥 양상의 지속 기간, 및
(v) 이들의 조합
을 포함한 파라미터 타입에 대한 것인, 피검체 조직 특성화 의학적 영상 사용 방법. - 청구항 19에 있어서,
상기 파라미터 값은:
(i) 증가하는 형광 세기의 개시까지의 시간,
(ii) 빠른 또는 가장 빠른 형광 세기 증가에 대한 시간,
(iii) 빠른 또는 가장 빠른 형광 세기 감소에 대한 시간,
(iv) 상기 시간-세기 곡선의 전술한 영역들 중 어느 것에 대한 형광 세기에서의 변화율, 및
(v) 이들의 조합
을 포함한 파라미터 타입에 대한 것인, 피검체 조직 특성화 의학적 영상 사용 방법. - 청구항 16에 있어서,
상기 파라미터 값들 중 적어도 하나는 상기 시간-세기 곡선에서의 세기 변화들의 크기에 관련되는, 피검체 조직 특성화 의학적 영상 사용 방법. - 청구항 23에 있어서,
상기 파라미터 값은:
(i) 상기 시간-세기 곡선의 증가하는 세기의 영역 내의 세기 변화,
(ii) 상기 시간-세기 곡선의 높은 세기의 영역 내의 세기 변화,
(iii) 상기 시간-세기 곡선의 감소하는 세기의 영역 내의 세기 변화, 및
(iv) 이들의 조합
을 포함한 파라미터 타입에 대한 것인, 피검체 조직 특성화 의학적 영상 사용 방법. - 청구항 23에 있어서,
상기 파라미터 값은:
(i) 상기 시간-세기 곡선의 관류 개시 양상 동안의 세기 변화,
(ii) 상기 시간-세기 곡선의 동맥 양상 동안의 세기 변화,
(iii) 상기 시간-세기 곡선의 미세-혈관 양상 동안의 세기 변화,
(iv) 상기 시간-세기 곡선의 정맥 양상 동안의 세기 변화, 및
이들의 조합
을 포함한 파라미터 타입에 대한 것인, 피검체 조직 특성화 의학적 영상 사용 방법. - 청구항 23에 있어서,
상기 파라미터 값은:
(i) 빠른 또는 가장 빠른 형광 세기 증가의 기간 동안의 세기 변화, 및
(ii) 빠른 또는 가장 빠른 형광 세기 감소의 기간 동안의 세기 변화
를 포함한 파라미터 타입에 대한 것인, 피검체 조직 특성화 의학적 영상 사용 방법. - 청구항 16에 있어서,
상기 파라미터 값들 중 적어도 하나는 상기 시간-세기 곡선의 다항식의 특성화에 관련된 계수 값인, 피검체 조직 특성화 의학적 영상 사용 방법. - 청구항 16에 있어서,
각각의 파라미터 값은 파라미터 타입에 대한 값이며, 그리고
상기 파라미터 값들 세트들을 비교하는 단계는 각각의 계산 영역에 대한 파라미터 타입들에 대해 수치 순위들 세트를 발생시키는 단계를 포함하는, 피검체 조직 특성화 의학적 영상 사용 방법. - 청구항 28에 있어서,
각각의 계산 영역에 대한 총 순위 값을 발생시키는 단계는 각각의 계산 영역에 대한 수치 순위들 세트를 합산하는 단계를 포함하는, 피검체 조직 특성화 의학적 영상 사용 방법. - 청구항 16에 있어서,
각각의 계산 영역에 대한 총 순위 값을 발생시키는 단계는 해시 함수로 각각의 계산 영역에 대한 수치 메트릭들 세트를 맵핑하는 단계를 포함하는, 피검체 조직 특성화 의학적 영상 사용 방법. - 청구항 30에 있어서,
상기 해시 함수는 순환 중복 검사를 포함하는, 피검체 조직 특성화 의학적 영상 사용 방법. - 청구항 30에 있어서,
상기 해시 함수는 페어링 함수를 포함하는, 피검체 조직 특성화 의학적 영상 사용 방법. - 청구항 16에 있어서,
상기 총 순위 값들을 순위 맵 이미지로 변환시키는 단계는 각각의 총 순위 값을 세기 값에 상관시키는 단계를 포함하는, 피검체 조직 특성화 의학적 영상 사용 방법. - 청구항 16에 있어서,
상기 총 순위 값들을 순위 맵 이미지로 변환시키는 단계는 각각의 총 순위 값을 그레이스케일 또는 컬러 디스플레이 값에 상관시키는 단계를 포함하는, 피검체 조직 특성화 의학적 영상 사용 방법. - 청구항 16에 있어서,
상기 순위 맵 이미지를 디스플레이 상에 디스플레이하는 단계를 더 포함하는, 피검체 조직 특성화 의학적 영상 사용 방법. - 청구항 35에 있어서,
상기 피검체의 조직의 해부학적 이미지 상에 중첩된 순위 맵 이미지를 디스플레이하는 단계를 더 포함하는, 피검체 조직 특성화 의학적 영상 사용 방법. - 청구항 16에 있어서,
상기 조직을 통해 이동하는 형광 영상 제제의 볼러스 (bolus)의 이동을 캡처하는 형광 영상 시스템을 사용하여 상기 형광 이미지들의 시계열을 발생시키는 단계를 더 포함하는, 피검체 조직 특성화 의학적 영상 사용 방법. - 청구항 37에 있어서,
상기 형광 영상 제제는 인도시아닌 그린, 플루오레세인 이소티오시아네이트, 로다민, 피코에리트린, 피코시아닌, 알로피코시아닌, o-프탈알데히드, 플루오레스카민, 로즈 벵갈, 트립판 블루, 플루오로-금, 녹색 형광 단백질, 플라빈, 메틸렌 블루, 포르피소메들, 시아닌 염료, IRDDye800CW, 표적 리간드와 결합된 CLR 1502, 표적 리간드와 결합된 OTL38, 또는 이들의 조합을 포함하는, 피검체 조직 특성화 의학적 영상 사용 방법. - 청구항 37에 있어서,
상기 형광 이미지들의 시계열은 형광 혈관조영검사 이미지들의 시계열을 포함하는, 피검체 조직 특성화 의학적 영상 사용 방법. - 피검체의 타깃 조직 영역 내의 상처를 특성화하는 시스템에 있어서,
하나 이상의 프로세서들; 및
저장된 명령어들을 가진 메모리;를 포함하며, 상기 명령어들이 하나 이상의 프로세서들에 의해 실행될 시에, 상기 명령어들은 상기 시스템이:
상기 피검체의 타깃 조직 영역의 형광 이미지들의 시계열을 수신하고 - 상기 이미지들은 복수의 계산 영역들을 정의함;
상기 복수의 계산 영역들에 대한 복수의 시간-세기 곡선들을 발생시키고;
각각의 계산 영역에 대해 하나 이상의 파라미터 값들을 생성하고 - 상기 하나 이상의 파라미터 값들은 상기 시간-세기 곡선의 적어도 일 부분을 근사화함;
상기 복수의 계산 영역들에 대한 파라미터 값들 세트들을 비교하여 각각의 계산 영역에 대한 총 순위 값을 발생시키고;
수정된 총 순위 값들을 포함한 데이터 세트를 발생시키며 - 상기 수정된 총 순위 값들은 상기 총 순위 값들과 기준 값 사이의 비교에 적어도 부분적으로 기반함; 그리고
상기 상처에 위치된 계산 영역들에 대응하는 데이터 세트의 적어도 일 부분에 기반하여 상처 인덱스 값을 발생시키도록 하는, 피검체 타깃 조직 영역 내의 상처 특성화 시스템. - 청구항 40에 있어서,
적어도 하나의 계산 영역은 하나의 픽셀 또는 하나의 복셀에 의해 정의되는, 피검체 타깃 조직 영역 내의 상처 특성화 시스템. - 청구항 40 또는 청구항 41에 있어서,
상기 시스템이 데이터 세트를 발생시킬 시에, 상기 시스템은 상기 총 순위 값들의 적어도 일 부분을 조절하는, 피검체 타깃 조직 영역 내의 상처 특성화 시스템. - 청구항 40에 있어서,
상기 시스템은 제 1 조절 데이터 세트를 발생시키기 위해 제 1 조절 함수로 상기 총 순위 값들의 제 1 부분을 조절하며, 그리고 제 2 조절 데이터 세트를 발생시키기 위해 제 2 조절 함수로 상기 총 순위 값들의 제 2 부분을 조절하는, 피검체 타깃 조직 영역 내의 상처 특성화 시스템. - 청구항 43에 있어서,
상기 제 1 조절 함수는 신원 함수인, 피검체 타깃 조직 영역 내의 상처 특성화 시스템. - 청구항 43 또는 청구항 44에 있어서,
상기 제 2 조절 함수는 상기 제 2 조절 데이터 세트가 제로가 되도록 하는, 피검체 타깃 조직 영역 내의 상처 특성화 시스템. - 청구항 43에 있어서,
상기 제 1 조절 데이터 세트는 복수의 상처 특성화 값들을 포함하며, 그리고 상기 제 2 조절 데이터 세트는 복수의 비-상처 특성화 값들을 포함하는, 피검체 타깃 조직 영역 내의 상처 특성화 시스템. - 청구항 43에 있어서,
상기 수정된 총 순위 값들은 상기 제 1 및 제 2 조절 데이터 세트들과 상기 기준 값의 비교에 기반하는, 피검체 타깃 조직 영역 내의 상처 특성화 시스템. - 청구항 40에 있어서,
상기 기준 값은 기준 순위 값을 포함하며,
상기 기준 순위 값은 기준 형광 이미지들의 시계열에 대한 기준 시간-세기 곡선에 기반하며, 그리고 상기 기준 형광 이미지들의 시계열은 기준 조직을 나타내는, 피검체 타깃 조직 영역 내의 상처 특성화 시스템. - 청구항 40에 있어서,
상기 상처 인덱스 값은 상기 상처에 위치된 계산 영역들에 대응하는 상기 데이터 세트의 적어도 일 부분의 평균치인, 피검체 타깃 조직 영역 내의 상처 특성화 시스템. - 청구항 49에 있어서,
상기 상처 인덱스 값은 상기 상처에 위치된 계산 영역들에 대응하는 상기 수정된 총 순위 값들을 합산하고, 상기 형광 이미지들에서의 픽셀들 또는 복셀들의 수로 상기 합산을 나눔으로써 발생되는, 피검체 타깃 조직 영역 내의 상처 특성화 시스템. - 청구항 49에 있어서,
상기 상처 인덱스 값은 상기 상처에 위치된 계산 영역들에 대응하는 상기 수정된 총 순위 값들을 합산하고, 상기 타깃 조직 영역에 위치된 계산 영역들에 대응하는 상기 계산 영역들에서의 픽셀들 또는 복셀들의 수로 상기 합산을 나눔으로써 발생되는, 피검체 타깃 조직 영역 내의 상처 특성화 시스템. - 청구항 40에 있어서,
디스플레이를 더 포함하며,
상기 명령어들은 상기 시스템이 상기 디스플레이 상에서 상기 상처 인덱스 값을 디스플레이하도록 하는, 피검체 타깃 조직 영역 내의 상처 특성화 시스템. - 청구항 40에 있어서,
상기 조직 내의 형광 영상 제제로부터 형광 방출물을 유도하기 위해 여기 광을 제공하는 광원을 더 포함하는, 피검체 타깃 조직 영역 내의 상처 특성화 시스템. - 청구항 53에 있어서,
상기 형광 방출물에 기반하여 상기 형광 이미지들의 시계열을 발생시키는 이미지 획득 조립체를 더 포함하는, 피검체 타깃 조직 영역 내의 상처 특성화 시스템. - 청구항 54에 있어서,
상기 이미지 획득 조립체는 상기 형광 방출물에 기반하여 형광 혈관조영검사 이미지들의 시계열을 발생시키는, 피검체 타깃 조직 영역 내의 상처 특성화 시스템. - 피검체의 타깃 조직 영역 내의 상처를 특성화하는 의학적 영상에 사용되는 방법에 있어서,
하나 이상의 프로세서들 및 메모리를 포함한 컴퓨터 시스템에서,
상기 피검체의 타깃 조직 영역의 형광 이미지들의 시계열을 수신하는 단계 - 상기 이미지들은 복수의 계산 영역들을 정의함;
상기 복수의 계산 영역들에 대한 복수의 시간-세기 곡선들을 발생시키는 단계;
각각의 계산 영역에 대해 하나 이상의 파라미터 값들을 생성하는 단계 - 상기 하나 이상의 파라미터 값들은 상기 시간-세기 곡선의 적어도 일 부분을 근사화함;
상기 복수의 계산 영역들에 대한 파라미터 값들 세트들을 비교하여 각각의 계산 영역에 대한 총 순위 값을 발생시키는 단계;
수정된 총 순위 값들을 포함한 데이터 세트를 발생시키는 단계 - 상기 수정된 총 순위 값들은 상기 총 순위 값들과 기준 값 사이의 비교에 적어도 부분적으로 기반함; 및
상기 상처에 위치된 계산 영역들에 대응하는 데이터 세트의 적어도 일 부분에 기반하여 상처 인덱스 값을 발생시키는 단계;를 포함하는, 피검체 타깃 조직 영역 내의 상처 특성화 의학적 영상 사용 방법. - 청구항 56에 있어서,
상기 적어도 하나의 계산 영역은 하나의 픽셀 또는 하나의 복셀에 의해 정의되는, 피검체 타깃 조직 영역 내의 상처 특성화 의학적 영상 사용 방법. - 청구항 56 또는 청구항 57에 있어서,
상기 데이터 세트를 발생시키는 단계는 상기 총 순위 값들의 적어도 일 부분을 조절하는 단계를 포함하는, 피검체 타깃 조직 영역 내의 상처 특성화 의학적 영상 사용 방법. - 청구항 58에 있어서,
상기 총 순위 값들의 적어도 일 부분을 조절하는 단계는 제 1 조절 데이터 세트를 발생시키기 위해 제 1 조절 함수로 상기 총 순위 값들의 제 1 부분을 조절하는 단계, 및 제 2 조절 데이터 세트를 발생시키기 위해 제 2 조절 함수로 상기 총 순위 값들의 제 2 부분을 조절하는 단계를 포함하는, 피검체 타깃 조직 영역 내의 상처 특성화 의학적 영상 사용 방법. - 청구항 59에 있어서,
상기 제 1 및 제 2 조절 함수들은 서로 다른, 피검체 타깃 조직 영역 내의 상처 특성화 의학적 영상 사용 방법. - 청구항 60에 있어서,
상기 제 1 조절 함수는 신원 함수인, 피검체 타깃 조직 영역 내의 상처 특성화 의학적 영상 사용 방법. - 청구항 60에 있어서,
상기 제 2 조절 함수는 상기 제 2 조절 데이터 세트가 제로가 되도록 하는, 피검체 타깃 조직 영역 내의 상처 특성화 의학적 영상 사용 방법. - 청구항 59에 있어서,
상기 제 1 조절 데이터 세트는 복수의 상처 특성화 값들을 포함하며, 그리고 상기 제 2 조절 데이터 세트는 복수의 비-상처 특성화 값들을 포함하는, 피검체 타깃 조직 영역 내의 상처 특성화 의학적 영상 사용 방법. - 청구항 59에 있어서,
상기 데이터 세트를 발생시키는 단계는 상기 제 1 및 제 2 조절 데이터 세트들과 상기 기준 값을 비교하는 단계를 더 포함하는, 피검체 타깃 조직 영역 내의 상처 특성화 의학적 영상 사용 방법. - 청구항 56에 있어서,
상기 기준 값은 기준 순위 값을 포함하며,
상기 기준 순위 값은 기준 형광 이미지들의 시계열에 대한 기준 시간-세기 곡선에 기반하는, 피검체 타깃 조직 영역 내의 상처 특성화 의학적 영상 사용 방법. - 청구항 65에 있어서,
상기 기준 형광 이미지들의 시계열은 기준 조직을 나타내는, 피검체 타깃 조직 영역 내의 상처 특성화 의학적 영상 사용 방법. - 청구항 66에 있어서,
상기 기준 조직은 상기 피검체에서 건강한 조직인, 피검체 타깃 조직 영역 내의 상처 특성화 의학적 영상 사용 방법. - 청구항 67에 있어서,
상기 기준 조직은 상기 피검체의 타깃 조직 영역 내의 건강한 조직인, 피검체 타깃 조직 영역 내의 상처 특성화 의학적 영상 사용 방법. - 청구항 67에 있어서,
상기 기준 조직은 상기 피검체의 타깃 조직 영역 외부에서 건강한 조직인, 피검체 타깃 조직 영역 내의 상처 특성화 의학적 영상 사용 방법. - 청구항 66에 있어서,
상기 기준 조직은 하나 이상의 건강한 제 3 자 (party) 피검체들의 조직인, 피검체 타깃 조직 영역 내의 상처 특성화 의학적 영상 사용 방법. - 청구항 56에 있어서,
상기 기준 값은 상기 형광 이미지들의 시계열의 배경 메트릭 (background metric)에 적어도 부분적으로 기반하는, 피검체 타깃 조직 영역 내의 상처 특성화 의학적 영상 사용 방법. - 청구항 56에 있어서,
상기 기준 값은 공차 값, 승수, 또는 다수의 기준 값들의 평균치에 의해 수정되는, 피검체 타깃 조직 영역 내의 상처 특성화 의학적 영상 사용 방법. - 청구항 56에 있어서,
상기 상처 인덱스 값을 발생시키는 단계는 상기 상처에 위치된 계산 영역들에 대응하는 상기 데이터 세트의 적어도 일 부분을 평균화하는 단계를 포함하는, 피검체 타깃 조직 영역 내의 상처 특성화 의학적 영상 사용 방법. - 청구항 73에 있어서,
상기 평균화하는 단계는 상기 상처에 위치된 계산 영역들에 대응하는 상기 수정된 총 순위 값들을 합산하고, 상기 형광 이미지들에서의 픽셀들 또는 복셀들의 수로 상기 합산을 나누는 단계를 포함하는, 피검체 타깃 조직 영역 내의 상처 특성화 의학적 영상 사용 방법. - 청구항 73에 있어서,
상기 평균화하는 단계는 상기 상처에 위치된 계산 영역들에 대응하는 상기 수정된 총 순위 값들을 합산하고, 상기 타깃 조직 영역에 위치된 계산 영역들에 대응하는 상기 계산 영역들에서의 픽셀들 또는 복셀들의 수로 상기 합산을 나누는 단계를 포함하는, 피검체 타깃 조직 영역 내의 상처 특성화 의학적 영상 사용 방법. - 청구항 56에 있어서,
상기 상처 인덱스 값을 디스플레이 상에 디스플레이하는 단계를 더 포함하는, 피검체 타깃 조직 영역 내의 상처 특성화 의학적 영상 사용 방법. - 청구항 76에 있어서,
상기 계산 영역들에 대한 총 순위 값들을 순위 맵 이미지로 변환시키고 상기 상처 인덱스 값을 갖는 순위 맵 이미지를 상기 디스플레이 상에 디스플레이하는 단계를 더 포함하는, 피검체 타깃 조직 영역 내의 상처 특성화 의학적 영상 사용 방법. - 청구항 56에 있어서,
상기 조직을 통해 이동하는 형광 영상 제제의 볼러스의 이동을 캡처하는 형광 영상 시스템을 사용하여 상기 형광 이미지들의 시계열을 발생시키는 단계를 더 포함하는, 피검체 타깃 조직 영역 내의 상처 특성화 의학적 영상 사용 방법. - 청구항 78에 있어서,
상기 형광 영상 제제는 인도시아닌 그린, 플루오레세인 이소티오시아네이트, 로다민, 피코에리트린, 피코시아닌, 알로피코시아닌, o-프탈알데히드, 플루오레스카민, 로즈 벵갈, 트립판 블루, 플루오로-금, 녹색 형광 단백질, 플라빈, 메틸렌 블루, 포르피소메들, 시아닌 염료, IRDDye800CW, 표적 리간드와 결합된 CLR 1502, 표적 리간드와 결합된 OTL38, 또는 이들의 조합을 포함하는, 피검체 타깃 조직 영역 내의 상처 특성화 의학적 영상 사용 방법. - 청구항 78에 있어서,
상기 형광 이미지들의 시계열은 형광 혈관조영검사 이미지들의 시계열을 포함하는, 피검체 타깃 조직 영역 내의 상처 특성화 의학적 영상 사용 방법. - 피검체의 조직을 특성화하는 시스템에 있어서,
상기 피검체의 조직의 형광 이미지들의 시계열을 수신하기 위해 배치된 수신 유닛 - 상기 이미지들은 복수의 계산 영역들을 정의함;
상기 복수의 계산 영역들 각각에 대해 개별 시간-세기 곡선을 발생시키기 위해 배치된 제 1 발생 유닛;
각각의 계산 영역에 대해 파라미터 값들 세트를 생성하기 위해 배치된 생성 유닛 - 상기 파라미터 값들은 각각의 시간-세기 곡선의 적어도 일 부분을 근사화함;
각각의 계산 영역에 대한 파라미터 값들 세트에 기반하여 상기 계산 영역들 각각에 대한 총 순위 값을 발생시키기 위해 배치된 제 2 발생 유닛; 및
상기 계산 영역들에 대한 총 순위 값들을 순위 맵 이미지로 변환시키기 위해 배치된 변환 유닛;을 포함하는, 피검체 조직 특성화 시스템. - 혈관조영검사 이미지 정보를 시각화하는 컴퓨터 구현 방법에 있어서,
피검체의 조직의 혈관조영검사 이미지들의 시계열을 검색하는 단계;
복수의 계산 영역들을 정의하는 단계 - 각각의 계산 영역은 상기 혈관조영검사 이미지들의 시계열 각각에서 해당 이미지 위치에 관련됨;
각각의 계산 영역에 대해, 상기 혈관조영검사 이미지들의 시계열에서의 상기 계산 영역에 대한 시간-세기 곡선을 발생시키는 단계;
각각의 계산 영역에 대해, 상기 시간-세기 곡선으로부터 도출된 파라미터들 중 하나 이상에 기반하여 상기 계산 영역에 대한 순위 값을 계산하는 단계; 및
각각의 계산 영역의 이미지 위치 상에서 상기 계산 영역에 대해 상기 계산된 순위 값의 표시가 제공되는 시각적 이미지를 발생시키는 단계;를 포함하는, 혈관조영검사 이미지 정보의 시각화 컴퓨터 구현 방법. - 청구항 82에 있어서,
상기 혈관조영검사 이미지들의 시계열은 단일 이미지 시리즈 획득 이벤트에 관련되는, 혈관조영검사 이미지 정보의 시각화 컴퓨터 구현 방법. - 피검체의 타깃 조직 영역 내의 상처를 특성화하는 시스템에 있어서,
상기 피검체의 타깃 조직 영역의 형광 이미지들의 시계열을 수신하기 위해 배치된 수신 유닛 - 상기 이미지들은 복수의 계산 영역들을 정의함;
상기 복수의 계산 영역들 각각에 대해 개별 시간-세기 곡선을 발생시키기 위해 배치된 제 1 발생 유닛;
각각의 계산 영역에 대해 파라미터 값들 세트를 생성하기 위해 배치된 생성 유닛 - 상기 파라미터 값들은 각각의 시간-세기 곡선의 적어도 일 부분을 근사화함;
각각의 계산 영역에 대한 파라미터 값들 세트에 기반하여 상기 계산 영역들 각각에 대한 총 순위 값을 발생시키기 위해 배치된 제 2 발생 유닛;
수정된 총 순위 값들을 포함한 데이터 세트를 발생시키기 위해 배치된 제 3 발생 유닛 - 상기 수정된 총 순위 값들은 상기 총 순위 값들과 기준 값 사이의 비교에 적어도 부분적으로 기반함; 및
상기 상처에 위치된 계산 영역들에 대응하는 데이터 세트의 적어도 일 부분에 기반하여 상처 인덱스 값을 발생시키기 위해 배치된 제 4 발생 유닛;을 포함하는, 피검체 타깃 조직 영역 내의 상처 특성화 시스템. - 컴퓨터-구현 방법에 있어서,
피검체의 조직의 혈관조영검사 이미지들의 시계열에서 계산 영역에 대한 시간-세기 곡선을 발생시키는 단계;
상기 시간-세기 곡선을 근사화하기 위해 선택된 복수의 파라미터들에 기반하여 상기 계산 영역에 대한 순위 값을 계산하는 단계; 및
상기 계산된 순위 값들의 공간 맵을 발생시키는 단계;를 포함하는, 컴퓨터-구현 방법. - 청구항 85에 있어서,
상기 혈관조영검사 이미지들의 시계열은 형광 혈관조영검사 이미지들의 시계열을 포함하는, 컴퓨터-구현 방법. - 청구항 85 또는 청구항 86에 있어서,
상기 계산된 순위 값들의 공간 맵은 상기 조직을 통해 형광 영상 제제의 볼러스가 이동함에 따라 방출된 형광의 일시적인 특성들을 나타내는, 컴퓨터-구현 방법. - 청구항 85에 있어서,
상기 계산된 순위 값들의 공간 맵은 상기 조직의 속성, 상기 조직의 질환, 또는 이들의 조합을 나타내는, 컴퓨터-구현 방법. - 청구항 85에 있어서,
상기 계산된 순위 값들의 공간 맵은 상기 조직의 치유 상태를 나타내는, 컴퓨터-구현 방법. - 청구항 88에 있어서,
상기 조직의 속성 또는 상기 조직의 질환은 염증, 악성 종양, 이상물, 질병, 또는 이들의 조합을 포함하는, 컴퓨터-구현 방법. - 청구항 87에 있어서,
상기 형광 영상 제제는 형광 염료, 그의 유사체, 그의 유도체, 또는 이들의 조합을 포함하는, 컴퓨터-구현 방법. - 청구항 91에 있어서,
상기 형광 염료는 트리카보시아닌 염료를 포함하는, 컴퓨터-구현 방법. - 청구항 91에 있어서,
상기 형광 염료는 인도시아닌 그린 (ICG), 플루오레세인 이소티오시아네이트, 로다민, 피코에리트린, 피코시아닌, 알로피코시아닌, o-프탈알데히드, 플루오레스카민, 로즈 벵갈, 트립판 블루, 플루오로-금, 또는 이들의 조합을 포함하는, 컴퓨터-구현 방법. - 청구항 87에 있어서,
상기 형광 영상 제제는 상기 형광 혈관조영검사 이미지들의 시계열의 획득 직전에 상기 피검체에게 투여되는, 컴퓨터-구현 방법. - 청구항 85에 있어서,
상기 복수의 파라미터들에서의 파라미터는 상기 시간-세기 곡선의 증가 세기의 영역의 지속 기간, 상기 시간-세기 곡선의 증가 세기의 영역 내의 세기 변화, 상기 시간-세기 곡선의 피크 세기의 영역의 지속 기간, 상기 시간-세기 곡선의 피크 세기의 영역 내의 세기 변화, 상기 시간-세기 곡선의 감소 세기의 영역의 지속 기간, 또는 상기 시간-세기 곡선의 감소 세기의 영역 내의 세기 변화를 포함하는, 컴퓨터-구현 방법. - 청구항 85에 있어서,
상기 복수의 파라미터들에서의 파라미터는 상기 시간-세기 곡선의 관류 개시 양상의 지속 기간, 상기 시간-세기 곡선의 관류 개시 양상 내의 세기 변화, 상기 시간-세기 곡선의 동맥 양상의 지속 기간, 상기 시간-세기 곡선의 동맥 양상 내의 세기 변화, 상기 시간-세기 곡선의 미세-혈관 양상의 지속 기간, 상기 시간-세기 곡선의 미세-혈관 양상 내의 세기 변화, 상기 시간-세기 곡선의 정맥 양상의 지속 기간, 또는 상기 시간-세기 곡선의 정맥 양상 내의 세기 변화를 포함하는, 컴퓨터-구현 방법. - 청구항 85에 있어서,
상기 복수의 파라미터들에서의 각각의 파라미터는 수치 곡선-피팅 알고리즘인, 컴퓨터-구현 방법. - 청구항 85에 있어서,
상기 시간-세기 곡선의 근사화는 상기 시간-세기 곡선의 일 부분의 근사화를 포함하는, 컴퓨터-구현 방법. - 청구항 85에 있어서,
상기 혈관조영검사 이미지들의 시계열은 획득 시간에 의해 연속적으로 정돈된 복수의 개별 이미지 프레임들을 포함하는, 컴퓨터-구현 방법. - 청구항 99에 있어서,
상기 개별 이미지 프레임들은 공간적으로 정렬되는, 컴퓨터-구현 방법. - 청구항 85에 있어서,
상기 혈관조영검사 이미지들의 시계열은, 선택된 데이터를 추출하거나, 베이스라인 세기를 계산하거나, 이미지 품질 확인 프로세스를 수행하거나, 또는 이들의 조합을 수행하기 위해 사전-프로세싱되는, 컴퓨터-구현 방법. - 청구항 85에 있어서,
상기 계산 영역은 개별 픽셀 또는 개별 픽셀들의 그룹을 포함하는, 컴퓨터-구현 방법. - 청구항 85에 있어서,
상기 계산된 순위 값들의 공간 맵을 발생시키는 단계는 복수의 계산 영역들에 대해 계산된 순위 값 각각에 세기 값을 할당하는 단계를 포함하는, 컴퓨터-구현 방법. - 청구항 103에 있어서,
상기 계산된 순위 값 및 상기 세기 값은 직접적인 관계에 있는, 컴퓨터-구현 방법. - 청구항 85에 있어서,
상기 계산된 순위 값들의 공간 맵을 상기 피검체의 조직의 해부학적 이미지 상에 중첩시키는 단계를 더 포함하는, 컴퓨터-구현 방법. - 청구항 85에 있어서,
상기 피검체의 조직의 혈관조영검사 이미지들의 시계열을 획득하는 단계를 더 포함하는, 컴퓨터-구현 방법. - 청구항 106에 있어서,
상기 혈관조영검사 이미지들의 시계열은 형광 혈관조영검사 이미지들의 시계열인, 컴퓨터-구현 방법. - 청구항 107에 있어서,
상기 획득은 형광 영상 시스템을 사용하여 수행되는, 컴퓨터-구현 방법. - 청구항 108에 있어서,
상기 형광 영상 시스템은 형광 영상 제제의 사용을 포함하는, 컴퓨터-구현 방법. - 청구항 109에 있어서,
상기 형광 영상 제제는 형광 염료, 그의 유사체, 그의 유도체, 또는 이들의 조합을 포함하는, 컴퓨터-구현 방법. - 청구항 110에 있어서,
상기 형광 염료는 트리카보시아닌 염료를 포함하는, 컴퓨터-구현 방법. - 청구항 110에 있어서,
상기 형광 염료는 인도시아닌 그린 (ICG), 플루오레세인 이소티오시아네이트, 로다민, 피코에리트린, 피코시아닌, 알로피코시아닌, o-프탈알데히드, 플루오레스카민, 로즈 벵갈, 트립판 블루, 플루오로-금, 또는 이들의 조합을 포함하는, 컴퓨터-구현 방법. - 청구항 109에 있어서,
상기 형광 영상 제제는 상기 형광 혈관조영검사 이미지들의 시계열의 획득 직적에 상기 피검체에게 투여되는, 컴퓨터-구현 방법. - 형광 영상 시스템으로 동작하는 컴퓨터-구현 방법에 있어서,
상기 형광 영상 시스템은:
피검체의 조직 내의 형광제로부터 형광 방출물을 유도하기 위해 상기 피검체의 조직을 조명하도록 구성된 광원;
상기 형광 방출물로부터 형광 혈관조영검사 이미지들의 시계열을 획득하도록 구성된 이미지 획득 조립체; 및
상기 형광 혈관조영검사 이미지들의 시계열을 프로세싱하도록 구성된 프로세서 조립체;를 포함하며,
상기 방법은:
상기 프로세서를 통해, 상기 형광 혈관조영검사 이미지들의 시계열에서 계산 영역에 대한 시간-세기 곡선을 발생시키는 단계;
상기 프로세서를 통해, 상기 시간-세기 곡선을 근사화하기 위해 선택된 복수의 파라미터들에 기반하여 상기 계산 영역에 대한 순위 값을 계산하는 단계; 및
상기 프로세서를 통해, 상기 계산된 순위 값들의 공간 맵을 발생시키는 단계를 포함하는, 형광 영상 시스템 동작 컴퓨터-구현 방법. - 청구항 114에 있어서,
상기 형광 영상 시스템의 광원은 여기 광을 발생시키도록 구성된 형광 여기 소스를 포함한 조명 모듈을 포함하는, 형광 영상 시스템 동작 컴퓨터-구현 방법. - 청구항 115에 있어서,
상기 조명 모듈은 상기 조명 모듈에서 나가는 여기 광을 형성 및 안내하도록 구성된 광학 요소를 더 포함하는, 형광 영상 시스템 동작 컴퓨터-구현 방법. - 청구항 116에 있어서,
상기 광학 요소는 렌즈, 광 가이드, 확산기 또는 이들의 조합을 포함하는, 형광 영상 시스템 동작 컴퓨터-구현 방법. - 청구항 114에 있어서,
상기 형광 영상 시스템은 상기 이미지 획득 조립체의 앞면에 배치된 광학 요소들을 더 포함하고, 상기 광학 요소들은 상기 형광제에 의해 만들어진 형광 방출물을, 캡처, 필터링하며, 그리고 상기 이미지 획득 조립체의 이미지 센서 조립체로 향하게 하도록 구성되는, 형광 영상 시스템 동작 컴퓨터-구현 방법. - 피검체의 조직의 혈관조영검사 이미지들의 시계열을 프로세싱하는 시스템에 있어서,
사용자 인터페이스;
상기 사용자 인터페이스와 통신하도록 구성된 프로세서;
저장된 명령어들을 가진 비-일시적인 컴퓨터-판독 가능 저장 매체;를 포함하며,
상기 명령어들이 상기 프로세서에 의해 실행될 시에, 상기 명령어들은 상기 프로세서가:
상기 피검체의 조직의 혈관조영검사 이미지들의 시계열에서 계산 영역에 대한 시간-세기 곡선을 발생시키는 단계;
상기 시간-세기 곡선을 근사화하기 위해 선택된 복수의 파라미터들에 기반하여 상기 계산 영역에 대한 순위 값을 계산하는 단계; 및
상기 계산된 순위 값들의 공간 맵을 발생시키는 단계;를 포함한 동작을 수행하도록 하는, 혈관조영검사 이미지들의 시계열 프로세싱 시스템. - 청구항 119에 있어서,
상기 프로세서는 영상 시스템과 통신하는, 혈관조영검사 이미지들의 시계열 프로세싱 시스템. - 청구항 119에 있어서,
영상 시스템을 더 포함하는, 혈관조영검사 이미지들의 시계열 프로세싱 시스템. - 청구항 121에 있어서,
상기 프로세서는 상기 영상 시스템의 구성 요소인, 혈관조영검사 이미지들의 시계열 프로세싱 시스템. - 청구항 122에 있어서,
상기 프로세서는 상기 영상 시스템의 동작을 제어하도록 구성되는, 혈관조영검사 이미지들의 시계열 프로세싱 시스템. - 청구항 121에 있어서,
상기 영상 시스템은 형광 영상 시스템이며, 그리고 상기 혈관조영검사 이미지들의 시계열은 형광 혈관조영검사 이미지들의 시계열인, 혈관조영검사 이미지들의 시계열 프로세싱 시스템. - 청구항 124에 있어서,
상기 형광 영상 시스템은:
상기 피검체의 조직 내의 형광 영상 제제로부터 형광 방출물을 유도하기 위해 상기 피검체의 조직을 조명하도록 구성된 조명 모듈; 및
상기 형광 혈관조영검사 이미지들의 시계열을 획득하도록 구성된 카메라 조립체;를 포함하는, 혈관조영검사 이미지들의 시계열 프로세싱 시스템. - 피검체의 조직의 혈관조영검사 이미지들의 시계열을 프로세싱하는 방법을 포함한, 내장된 컴퓨터-실행 가능 프로그램 코드 수단을 가진 비-일시적인 유형의 (tangible) 컴퓨터-판독 가능 매체에 있어서, 상기 방법은:
상기 혈관조영검사 이미지들의 시계열에서 계산 영역에 대한 시간-세기 곡선을 발생시키는 단계;
상기 시간-세기 곡선을 근사화하기 위해 선택된 복수의 파라미터들에 기반하여 상기 계산 영역에 대한 순위 값을 계산하는 단계; 및
상기 계산된 순위 값들의 공간 맵을 발생시키는 단계;를 포함하는, 컴퓨터-실행 가능 프로그램 코드 수단을 가진 비-일시적인 유형의 컴퓨터-판독 가능 매체. - 피검체의 조직의 혈관조영검사 이미지들의 시계열을 프로세싱하는 키트에 있어서,
상기 키트는 청구항 119 내지 청구항 125 중 어느 한 항에 따른 시스템 및 형광 영상 제제를 포함하는, 혈관조영검사 이미지들 시계열 프로세싱 키트. - 형광 영상 제제를 사용하는 컴퓨터-구현 방법에 있어서,
상기 방법은:
피검체의 조직의 혈관조영검사 이미지들의 시계열에서 계산 영역에 대한 시간-세기 곡선을 발생시키는 단계;
상기 시간-세기 곡선을 근사화하기 위해 선택된 복수의 파라미터들에 기반하여 상기 계산 영역에 대한 순위 값을 계산하는 단계; 및
상기 계산된 순위 값들의 공간 맵을 발생시키는 단계;를 포함하는, 형광 영상 제제를 사용한 컴퓨터-구현 방법. - 청구항 114 내지 청구항 118 중 어느 한 항에 있어서,
상기 방법은 상처 관리를 위해 형광 영상 제제를 사용하는, 형광 영상 시스템 동작 컴퓨터-구현 방법. - 청구항 119 내지 청구항 125 중 어느 한 항에 있어서,
상기 시스템은 상처 관리를 위해 형광 영상 제제를 사용하는, 혈관조영검사 이미지들의 시계열 프로세싱 시스템. - 청구항 129에 있어서,
상기 형광 영상 제제는 ICG를 포함하는, 형광 영상 시스템 동작 컴퓨터-구현 방법. - 청구항 129에 있어서,
상기 형광 영상 제제는 ICG인, 형광 영상 시스템 동작 컴퓨터-구현 방법. - 피검체의 타깃 조직 내의 상처를 정량적으로 평가하는 컴퓨터-구현 방법에 있어서,
상기 타깃 조직으로부터 얻어진 입력 데이터의 시계열에서 계산 영역에 대한 시간-세기 곡선을 발생시키는 단계 - 상기 입력 데이터의 시계열은 상기 타깃 조직을 통한 영상 제제의 이동을 캡처함;
상기 시간-세기 곡선을 근사화하기 위해 선택된 파라미터에 기반하여 상기 계산 영역에 대한 순위 값을 할당하는 단계;
상기 순위 값들 각각과 기준 값의 비교에 기반하여 데이터 세트를 발생시키는 단계; 및
상기 상처에 대한 상처 인덱스 값을 발생시키기 위해 상기 데이터 세트를 프로세싱하는 단계;를 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 133에 있어서,
상기 데이터 세트는 제 1 및 제 2 데이터 세트들을 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 134에 있어서,
상기 제 1 및 제 2 데이터 세트들 각각에 조절 함수를 적용하는 단계를 더 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 135에 있어서,
상기 제 1 및 제 2 데이터 세트들 각각에 조절 함수를 적용하는 단계는:
제 1 조절 데이터 세트를 발생시키기 위해 상기 제 1 데이터 세트에 제 1 조절 함수를 적용하는 단계; 및
제 2 조절 데이터 세트를 발생시키기 위해 상기 제 1 조절 기능과는 다른 제 2 조절 함수를 상기 제 2 데이터 세트에 적용하는 단계;를 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 136에 있어서,
상기 제 1 조절 데이터 세트는 복수의 상처 특성화 값들을 포함하며, 그리고 상기 제 2 조절 데이터 세트는 복수의 비-상처 특성화 값들을 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 136 또는 청구항 137에 있어서,
상기 제 1 조절 함수는 신원 함수인, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 138에 있어서,
상기 제 2 조절 함수는 상기 제 2 조절 데이터 세트가 제로가 되도록 하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 137에 있어서,
상기 상처의 상태를 나타내는 상처 인덱스 값을 발생시키기 위해 상기 데이터 세트를 프로세싱하는 단계는 상기 비-상처 특성화 값들을 사용하여 상기 상처 특성화 값들을 프로세싱하는 단계를 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 137에 있어서,
상기 상처 인덱스 값을 발생시키기 위해 상기 비-상처 특성화 값들을 사용하여 상기 상처 특성화 값들을 프로세싱하는 단계는 상기 제 1 데이터 세트 내의 모든 순위 값들을 합산하고, 상기 계산 영역 내의 총 픽셀 수로 나누는 단계를 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 137에 있어서,
상기 상처 인덱스 값을 발생시키기 위해 상기 데이터 세트를 프로세싱하는 단계는 상기 제 1 데이터 세트 내의 모든 순위 값들을 합산하고, 배경을 배제하면서 상기 계산 영역에서 조직 부분을 나타내는 총 픽셀 수로 나누는 단계를 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 133에 있어서,
복수의 순위 값들, 상기 데이터 세트 내의 데이터, 복수의 상처 인덱스 값들, 또는 이들의 조합을 시각화하는 단계를 더 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 143에 있어서,
상기 복수의 순위 값들, 상기 데이터 세트 내의 데이터, 또는 이들의 조합을 시각화하는 단계는 공간 맵을 발생시키는 단계를 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 144에 있어서,
상기 타깃 조직의 해부학적 이미지 상에 상기 공간 맵을 중첩시키는 단계를 더 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 143에 있어서,
상기 복수의 상처 인덱스 값들을 시각화하는 단계는 시간 경과에 따라 상기 상처 인덱스 값을 추적하는 단계를 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 146에 있어서,
상기 시간 경과에 따라 상기 상처 인덱스 값을 추적하는 단계는 시간 경과에 따라 상기 상처 인덱스 값의 변화의 그래프 표현을 발생시키는 단계를 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 147에 있어서,
상기 시간 경과에 따른 상처 인덱스 값의 변화는 시간 경과에 따른 상처의 상태 변화를 나타내는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 133에 있어서,
상기 기준 값은 수정물 (modifier)에 의해 수정되는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 149에 있어서,
상기 수정물은 공차 값, 승수, 다수의 기준 값들의 평균 또는 이들의 조합을 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 133에 있어서,
상기 기준 값은,
기준 조직으로부터 얻어진 기준 입력 데이터의 시계열에서 기준 계산 영역에 대한 기준 시간-세기 곡선을 발생시키는 것 - 상기 기준 입력 데이터의 시계열은 상기 기준 조직을 통한 영상 제제의 이동을 캡처함; 및
상기 기준 시간-세기 곡선을 근사화하기 위해 선택된 파라미터에 기반하여 상기 기준 계산 영역에 대한 기준 순위 값을 계산하는 것
에 의해 얻어지는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 151에 있어서,
상기 기준 조직은 건강한 피검체, 건강한 피검체들의 집단, 상기 피검체의 타깃 조직 내의 건강한 조직 영역, 상기 피검체의 타깃 조직 외부의 건강한 조직 영역의 조직인, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 133에 있어서,
상기 상처는 상기 타깃 조직에 대한 상해를 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 153에 있어서,
상기 상해는 수술 상처, 만성 상처, 급성 상처를 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 154에 있어서,
상기 수술 상처, 상기 만성 상처 또는 상기 급성 상처는 절개, 압력 궤양, 열상, 찰과상, 천공, 타박상, 박리, 캐비티, 화상 또는 이들의 조합을 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 154에 있어서,
상기 만성 상처는 압력 궤양, 정맥 궤양, 동맥 궤양, 당뇨병성 하지 궤양, 또는 이들의 조합을 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 133에 있어서,
상기 상처는 상기 기준 값으로부터의 편차를 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 148에 있어서,
상기 상처의 상태는 상기 상처의 속성, 상기 상처의 질환, 상기 상처의 치유 상태, 또는 이들의 조합을 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 158에 있어서,
상기 상처의 속성, 상기 상처의 질환, 또는 상기 상처의 치유 상태는 염증, 악성 종양, 이상물, 질병 또는 이들의 조합을 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 133에 있어서,
상기 입력 데이터의 시계열은 형광 입력 데이터의 시계열을 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 160에 있어서,
형광 영상 시스템을 사용하여 형광 영상 동안 상기 형광 입력 데이터의 시계열을 획득하는 단계를 더 포함하며, 상기 영상 제제는 형광 영상 제제인, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 161에 있어서,
상기 형광 영상 제제는 상기 형광 입력 데이터의 시계열의 획득 직전에 상기 피검체에게 투여되는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 162에 있어서,
상기 형광 영상 제제는 형광 염료, 그의 유사체, 그의 유도체 또는 이들의 조합을 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 163에 있어서,
상기 형광 염료는 트리카보시아닌 염료를 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 164에 있어서,
상기 트리카보시아닌 염료는 인도시아닌 그린 (ICG)인, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 163에 있어서,
상기 형광 염료는 ICG, 플루오레세인 이소티오시아네이트, 로다민, 피코에리트린, 피코시아닌, 알로피코시아닌, o-프탈알데히드, 플루오레스카민, 로즈 벵갈, 트립판 블루, 플루오로-금, 또는 이들의 조합을 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 133에 있어서,
상기 시간-세기 곡선을 근사화하기 위해 선택된 파라미터는 상기 시간-세기 곡선의 증가하는 세기의 영역의 지속 기간, 상기 시간-세기 곡선의 증가하는 세기의 영역 내의 세기 변화, 상기 시간-세기 곡선의 피크 세기의 영역의 지속 시간, 상기 시간-세기 곡선의 피크 세기의 영역 내의 세기 변화, 상기 시간-세기 곡선의 감소하는 세기의 영역의 지속 시간, 또는 상기 시간-세기 곡선의 감소하는 세기의 영역 내의 세기 변화, 또는 이들의 조합을 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 133에 있어서,
상기 시간-세기 곡선을 근사화하기 위해 선택된 파라미터는 상기 시간-세기 곡선의 관류 개시 양상의 지속 시간, 상기 시간-세기 곡선의 관류 개시 양상 내의 세기 변화, 상기 시간-세기 곡선의 동맥 양상의 지속 시간, 상기 시간-세기 곡선의 동맥 양상 내의 세기 변화, 상기 시간-세기 곡선의 미세-혈관 양상의 지속 시간, 상기 시간-세기 곡선의 미세-혈관 양상 내의 세기 변화, 상기 시간-세기 곡선의 정맥 양상의 지속 기간, 또는 상기 시간-세기 곡선의 정맥 양상 내의 세기 변화, 또는 이들의 조합을 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 133에 있어서,
상기 시간-세기 곡선을 근사화하기 위해 선택된 파라미터는 수치 곡선-피팅 알고리즘인, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 133에 있어서,
상기 시간-세기 곡선의 근사화는 상기 시간-세기 곡선의 일 부분의 근사화를 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 133에 있어서,
상기 입력 데이터의 시계열은 획득 시간에 의해 연속적으로 정돈된 복수의 개별 이미지 프레임들을 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 171에 있어서,
상기 개별 이미지 프레임은 공간적으로 정렬되는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 133에 있어서,
상기 입력 데이터의 시계열은 선택된 데이터를 추출하거나, 베이스라인 세기를 계산하거나, 이미지 품질 확인 프로세스를 수행하거나, 이들의 조합을 수행하기 위해 사전-프로세싱되는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 133에 있어서,
상기 계산 영역은 개별 픽셀 또는 개별 픽셀들의 그룹을 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 133에 있어서,
치유의 진행, 치료, 또는 이들의 조합을 평가하기 위해 상기 상처 인덱스 값을 추적하는 단계를 더 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 133에 있어서,
상기 상처 인덱스 값은 상기 상처의 정량적 프로파일을 더 나타내는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 143에 있어서,
상기 시각화하는 단계에서의 상처 인덱스 값은 선택된 시점에서 또는 시간 경과에 따라 상처를 평가하기 위해 사용되는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 133에 있어서,
상기 상처 인덱스 값은 상기 상처의 혈류량, 조직 관류, 또는 이들의 조합을 평가하기 위해 사용되는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 피검체의 타깃 조직 내의 상처를 정량적으로 평가하는 컴퓨터-구현 방법에 있어서,
상기 피검체의 혈류 내로 형광제를 투여하는 단계;
상기 타깃 조직 내의 혈액에 상기 형광제를 여기시키기 위해 상기 피검체의 타깃 조직을 조명하는 단계;
방출물로부터 발생하는 형광 입력 데이터의 시계열을 획득하는 단계 - 상기 형광 입력 데이터의 시계열은 상기 타깃 조직을 통한 형광제의 이동을 캡처함;
상기 형광 입력 데이터의 시계열에서 계산 영역에 대한 시간-세기 곡선을 발생시키는 단계;
상기 시간-세기 곡선을 근사화하기 위해 선택된 파라미터에 기반하여 상기 계산 영역에 대한 순위 값을 계산하는 단계;
상기 순위 값들 각각과 기준 값의 비교에 기반하여 데이터 세트를 발생시키는 단계; 및
상기 상처에 대한 상처 인덱스 값을 발생시키기 위해 상기 데이터 세트를 프로세싱하는 단계;를 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 형광 영상 시스템으로 동작하는 컴퓨터-구현 방법에 있어서,
상기 형광 영상 시스템은:
피검체의 조직 내의 형광제로부터 형광 방출물을 유도하기 위해 상기 피검체의 조직을 조명하도록 구성된 광원;
상기 형광 방출물로부터 형광 입력 데이터의 시계열을 획득하도록 구성된 이미지 획득 조립체; 및
상기 형광 입력 데이터의 시계열을 프로세싱하도록 구성된 프로세서 조립체;를 포함하며,
상기 방법은:
상기 프로세서를 통해, 상기 피검체의 조직으로부터 얻어진 형광 입력 데이터의 시계열에서 계산 영역에 대한 시간-세기 곡선을 발생시키는 단계 - 상기 형광 입력 데이터의 시계열은 상기 피검체의 조직을 통한 형광제의 이동을 캡처함;
상기 프로세서를 통해, 상기 시간-세기 곡선을 근사화하기 위해 선택된 파라미터에 기반하여 상기 계산 영역에 대한 순위값을 할당하는 단계;
상기 프로세서를 통해, 상기 순위 값들 각각과 기준 값의 비교에 기반하여 데이터 세트를 발생시키는 단계; 및
상기 프로세서를 통해, 상처에 대한 상처 인덱스 값을 발생시키기 위해 상기 데이터 세트를 프로세싱하는 단계;를 포함하는, 형광 영상 시스템 동작 컴퓨터-구현 방법. - 청구항 180에 있어서,
상기 형광 영상 시스템의 광원은 여기 광을 발생시키도록 구성된 형광 여기 소스를 포함한 조명 모듈을 포함하는, 형광 영상 시스템 동작 컴퓨터-구현 방법. - 청구항 181에 있어서,
상기 조명 모듈은 상기 조명 모듈에서 나가는 여기 광을 형성 및 안내하도록 구성된 광학 요소를 더 포함하는, 형광 영상 시스템 동작 컴퓨터-구현 방법. - 청구항 182에 있어서,
상기 광학 요소는 렌즈, 광 가이드, 확산기 또는 이들의 조합을 포함하는, 형광 영상 시스템 동작 컴퓨터-구현 방법. - 청구항 183에 있어서,
상기 형광 영상 시스템은 상기 이미지 획득 조립체의 앞면에 배치된 광학 요소들을 더 포함하고, 상기 광학 요소들은 상기 형광제에 의해 만들어진 형광 방출물을, 캡처, 필터링하며, 그리고 상기 이미지 획득 조립체의 이미지 센서 조립체로 향하게 하도록 구성되는, 형광 영상 시스템 동작 컴퓨터-구현 방법. - 피검체의 타깃 조직 내의 상처를 정량적으로 평가하는 시스템에 있어서,
사용자 인터페이스;
상기 사용자 인터페이스와 통신하도록 구성된 프로세서;
저장된 명령어들을 가진 비-일시적인 컴퓨터-판독 가능 저장 매체;를 포함하며,
상기 명령어들이 상기 프로세서에 의해 실행될 시에, 상기 명령어들은 상기 프로세서가:
상기 타깃 조직의 형광 이미지들의 시계열에서 계산 영역에 대한 시간-세기 곡선을 발생시키는 단계;
상기 시간-세기 곡선을 근사화하기 위해 선택된 파라미터에 기반하여 상기 계산 영역에 대한 순위 값을 할당하는 단계;
상기 순위 값들 각각과 기준 값의 비교에 기반하여 데이터 세트를 발생시키는 단계; 및
상기 상처에 대한 상처 인덱스 값을 발생시키기 위해 상기 데이터 세트를 프로세싱하는 단계;를 포함한 동작을 수행하도록 하는, 피검체 타깃 조직 내의 상처 평가 시스템. - 청구항 185에 있어서,
상기 프로세서는 형광 영상 시스템과 통신하는, 피검체 타깃 조직 내의 상처 평가 시스템. - 청구항 185에 있어서,
형광 영상 시스템을 더 포함하는, 피검체 타깃 조직 내의 상처 평가 시스템. - 청구항 187에 있어서,
상기 프로세서는 상기 형광 영상 시스템의 구성 요소인, 피검체 타깃 조직 내의 상처 평가 시스템. - 청구항 186 내지 청구항 188 중 어느 한 항에 있어서,
상기 프로세서는 상기 형광 영상 시스템의 동작을 제어하도록 구성되는, 피검체 타깃 조직 내의 상처 평가 시스템. - 청구항 186에 있어서,
상기 형광 영상 시스템은:
상기 피검체의 조직 내의 형광 영상 제제로부터 형광 방출물을 유도하기 위해 상기 피검체의 조직을 조명하도록 구성된 조명 모듈; 및
상기 형광 이미지들의 시계열을 획득하도록 구성된 카메라 조립체;를 포함하는, 피검체 타깃 조직 내의 상처 평가 시스템. - 피검체의 타깃 조직 내의 상처를 정량적으로 평가하는 방법을 포함한, 내장된 컴퓨터-실행 가능 프로그램 코드 수단을 가진 비-일시적인 유형의 컴퓨터-판독 가능 매체에 있어서, 상기 방법은:
상기 타깃 조직으로부터 얻어진 형광 입력 데이터의 시계열에서 계산 영역에 대한 시간-세기 곡선을 발생시키는 단계 - 상기 형광 입력 데이터의 시계열은 상기 타깃 조직을 통한 형광 영상 제제의 이동을 캡처함;
상기 시간-세기 곡선을 근사화하기 위해 선택된 파라미터에 기반하여 상기 계산 영역에 대한 순위 값을 할당하는 단계;
상기 순위 값들 각각과 기준 값의 비교에 기반하여 데이터 세트를 발생시키는 단계; 및
상기 상처에 대한 상처 인덱스 값을 발생시키기 위해 상기 데이터 세트를 프로세싱하는 단계;를 포함하는, 컴퓨터-실행 가능 프로그램 코드 수단을 가진 비-일시적인 유형의 컴퓨터-판독 가능 매체. - 피검체의 조직에서의 상처를 정량적으로 평가하는 키트에 있어서,
상기 키트는 청구항 185에 따른 시스템 및 형광 영상 제제를 포함하는, 조직 상처 평가 키트. - 형광 영상 제제를 사용하여, 피검체의 타깃 조직 내의 상처를 정량적으로 평가하는 컴퓨터-구현 방법에 있어서,
상기 방법은:
상기 타깃 조직으로부터 얻어진 형광 입력 데이터의 시계열에서 계산 영역에 대한 시간-세기 곡선을 발생시키는 단계 - 상기 형광 입력 데이터의 시계열은 상기 타깃 조직을 통한 형광 영상 제제의 이동을 캡처함;
상기 시간-세기 곡선을 근사화하기 위해 선택된 파라미터에 기반하여 상기 계산 영역에 대한 순위 값을 할당하는 단계;
상기 순위 값들 각각과 기준 값의 비교에 기반하여 데이터 세트를 발생시키는 단계; 및
상기 상처에 대한 상처 인덱스 값을 발생시키기 위해 상기 데이터 세트를 프로세싱하는 단계;를 포함하는, 형광 영상 제제를 사용한 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 133에 있어서,
상기 방법은 상처 관리를 위해 형광 영상 제제를 사용하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 185에 있어서,
상기 시스템은 상처 관리를 위해 형광 영상 제제를 사용하는, 피검체 타깃 조직 내의 상처 평가 시스템. - 청구항 194에 있어서,
상기 형광 영상 제제는 ICG를 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 194에 있어서,
상기 형광 영상 제제는 ICG인, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 피검체의 타깃 조직 내의 상처를 정량적으로 평가하는 컴퓨터-구현 방법에 있어서,
상기 타깃 조직으로부터 얻어진 입력 데이터의 시계열에서 계산 영역에 대한 시간-세기 곡선을 발생시키는 단계;
상기 시간-세기 곡선을 근사화하기 위해 선택된 파라미터에 기반하여 상기 계산 영역에 대한 순위 값을 할당하는 단계;
상기 순위 값들 각각과 기준 값의 비교에 기반하여 데이터 세트를 발생시키는 단계; 및
상기 상처의 상처 인덱스 값을 발생시키기 위해 상기 데이터 세트를 프로세싱하는 단계;를 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 133에 있어서,
상기 발생된 상처 인덱스 값은 기계 학습 프로세스에서 사용되는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 129에 있어서,
상기 상처 관리는 만성 상처 관리를 포함하는, 형광 영상 시스템 동작 컴퓨터-구현 방법. - 청구항 130에 있어서,
상기 상처 관리는 만성 상처 관리를 포함하는, 혈관조영검사 이미지들의 시계열 프로세싱 시스템. - 청구항 130에 있어서,
상기 형광 영상 제제는 ICG를 포함하는, 혈관조영검사 이미지들의 시계열 프로세싱 시스템. - 청구항 130에 있어서,
상기 형광 영상 제제는 ICG인, 혈관조영검사 이미지들의 시계열 프로세싱 시스템. - 청구항 194에 있어서,
상기 상처 관리는 만성 상처 관리를 포함하는, 피검체 타깃 조직 내의 상처 평가 컴퓨터-구현 방법. - 청구항 195에 있어서,
상기 상처 관리는 만성 상처 관리를 포함하는, 피검체 타깃 조직 내의 상처 평가 시스템. - 청구항 195에 있어서,
상기 형광 영상 제제는 ICG를 포함하는, 피검체 타깃 조직 내의 상처 평가 시스템. - 청구항 195에 있어서,
상기 형광 영상 제제는 ICG인, 피검체 타깃 조직 내의 상처 평가 시스템.
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201562110609P | 2015-02-02 | 2015-02-02 | |
| US62/110,609 | 2015-02-02 | ||
| US201562174225P | 2015-06-11 | 2015-06-11 | |
| US62/174,225 | 2015-06-11 | ||
| PCT/CA2016/050092 WO2016123705A1 (en) | 2015-02-02 | 2016-02-02 | Methods and systems for characterizing tissue of a subject |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20170115074A KR20170115074A (ko) | 2017-10-16 |
| KR102031738B1 true KR102031738B1 (ko) | 2019-10-14 |
Family
ID=56563261
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020177024707A KR102031738B1 (ko) | 2015-02-02 | 2016-02-02 | 피검체의 조직을 특성화하는 방법 및 시스템 |
Country Status (9)
| Country | Link |
|---|---|
| US (4) | US9892513B2 (ko) |
| EP (1) | EP3253420A4 (ko) |
| JP (1) | JP6523468B2 (ko) |
| KR (1) | KR102031738B1 (ko) |
| CN (2) | CN107530452A (ko) |
| AU (1) | AU2016214922B2 (ko) |
| CA (1) | CA2975295A1 (ko) |
| HK (1) | HK1248112A1 (ko) |
| WO (1) | WO2016123705A1 (ko) |
Families Citing this family (47)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8406860B2 (en) | 2008-01-25 | 2013-03-26 | Novadaq Technologies Inc. | Method for evaluating blush in myocardial tissue |
| WO2013190391A2 (en) | 2012-06-21 | 2013-12-27 | Novadaq Technologies Inc. | Quantification and analysis of angiography and perfusion |
| US10426361B2 (en) | 2013-06-14 | 2019-10-01 | Novadaq Technologies ULC | Quantification of absolute blood flow in tissue using fluorescence-mediated photoplethysmography |
| WO2015001427A2 (en) | 2013-06-14 | 2015-01-08 | Novadaq Technologies Inc. | Quantification of absolute blood flow in tissue using fluorescence mediated photoplethysmography |
| US10674987B2 (en) | 2014-04-15 | 2020-06-09 | 4Dx Limited | Method of imaging motion of an organ |
| CA2963450A1 (en) * | 2014-10-09 | 2016-04-14 | Novadaq Technologies Inc. | Quantification of absolute blood flow in tissue using fluorescence-mediated photoplethysmography |
| KR102031738B1 (ko) * | 2015-02-02 | 2019-10-14 | 노바다크 테크놀러지즈 유엘씨 | 피검체의 조직을 특성화하는 방법 및 시스템 |
| DE102015202494B4 (de) * | 2015-02-12 | 2023-10-19 | Siemens Healthcare Gmbh | Auswertung einer dynamischen Kontrastmittelverteilung |
| EP3352670B8 (en) | 2015-09-23 | 2024-07-03 | Stryker Corporation | Method and system for assessing healing of tissue |
| EP3352697A4 (en) | 2015-09-23 | 2019-06-19 | Novadaq Technologies ULC | METHOD AND SYSTEMS FOR ADMINISTERING DATA FROM MEDICAL IMAGING |
| US11723617B2 (en) | 2016-02-03 | 2023-08-15 | 4DMedical Limited | Method and system for imaging |
| US10646128B2 (en) | 2016-02-16 | 2020-05-12 | Novadaq Technologies ULC | Facilitating assessment of blood flow and tissue perfusion using fluorescence-mediated photoplethysmography |
| EP3424403B1 (en) * | 2016-03-03 | 2024-04-24 | Sony Group Corporation | Medical image processing device, system, method, and program |
| SG11201807501UA (en) | 2016-03-04 | 2018-09-27 | 4Dx Ltd | Method and system for imaging |
| JP6929689B2 (ja) * | 2016-04-26 | 2021-09-01 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置及び医用画像診断装置 |
| EP3485412A4 (en) * | 2016-07-12 | 2020-04-01 | Mindshare Medical, Inc. | MEDICAL ANALYSIS SYSTEM |
| CA3021481A1 (en) | 2016-07-29 | 2018-02-01 | Novadaq Technologies ULC | Methods and systems for characterizing tissue of a subject utilizing machine learning |
| CN110114803B (zh) * | 2016-12-28 | 2023-06-27 | 松下电器（美国）知识产权公司 | 三维模型分发方法、三维模型接收方法、三维模型分发装置以及三维模型接收装置 |
| EP3565478B1 (en) * | 2017-01-04 | 2022-09-28 | Koninklijke Philips N.V. | Time-based parametric contrast enhanced ultrasound imaging system and method |
| WO2018140978A1 (en) | 2017-01-30 | 2018-08-02 | Medibeacon Inc. | Method for non-invasive monitoring of fluorescent tracer agent with diffuse reflection corrections |
| US11140305B2 (en) | 2017-02-10 | 2021-10-05 | Stryker European Operations Limited | Open-field handheld fluorescence imaging systems and methods |
| AU2018226611B2 (en) | 2017-02-28 | 2023-09-28 | 4DMedical Limited | Method of scanning and assessing lung and vascular health |
| CA3103547A1 (en) * | 2018-06-14 | 2019-12-19 | Perfusion Tech Aps | System and method for automatic perfusion measurement |
| EP3622479B1 (en) * | 2018-07-17 | 2021-09-29 | Brainlab AG | Partitioning a medical image |
| US11116454B2 (en) * | 2018-07-19 | 2021-09-14 | Shimadzu Corporation | Imaging device and method |
| US20210386278A1 (en) * | 2018-11-05 | 2021-12-16 | Mediators Inc. | Endoscope fluorescence inspection device |
| US11497581B2 (en) | 2018-11-05 | 2022-11-15 | Medivators Inc. | Endoscope cleaning and inspection system and method |
| CN109949274B (zh) * | 2019-02-25 | 2020-12-25 | 腾讯科技（深圳）有限公司 | 一种图像处理方法、装置及系统 |
| US10607105B1 (en) * | 2019-03-27 | 2020-03-31 | Disney Enterprises, Inc. | Perceptual data association |
| US11145052B2 (en) | 2019-04-25 | 2021-10-12 | International Business Machines Corporation | Intelligent classification of regions of interest of an organism from multispectral video streams using perfusion models |
| US11276176B2 (en) | 2019-09-04 | 2022-03-15 | International Business Machines Corporation | Intelligent boundary delineation of regions of interest of an organism from multispectral video streams using perfusion models |
| US11651249B2 (en) * | 2019-10-22 | 2023-05-16 | EMC IP Holding Company LLC | Determining similarity between time series using machine learning techniques |
| EP4057908A4 (en) * | 2019-11-14 | 2023-11-22 | Bruin Biometrics, LLC | ULTRASONIC IMAGING |
| EP4076149A1 (en) * | 2019-12-19 | 2022-10-26 | Perfusion Tech ApS | System and method for identifying blood vessels during fluorescence imaging |
| WO2021216486A1 (en) * | 2020-04-20 | 2021-10-28 | Schlumberger Technology Corporation | Characterizing non-linear dynamic processes |
| DE102020206758A1 (de) | 2020-05-29 | 2021-12-02 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein | Verfahren und Vorrichtung zur objektiven Bestimmung des Rekapillisierungsverhaltens an einer menschlichen Körperoberfläche |
| CN116157846A (zh) * | 2020-06-02 | 2023-05-23 | 纪念斯隆凯特琳癌症中心 | 用于分析来自转移部位的病理学数据的机器学习模型 |
| US11526703B2 (en) * | 2020-07-28 | 2022-12-13 | International Business Machines Corporation | GPU accelerated perfusion estimation from multispectral videos |
| EP4213709A1 (en) * | 2020-09-18 | 2023-07-26 | Stryker European Operations Limited | Systems and methods for determining timing for fluorescence based blood flow assessment |
| EP4213712A4 (en) * | 2020-09-18 | 2024-07-31 | Stryker European Operations Ltd | FLUORESCENCE VISUALIZATION SYSTEMS AND METHODS |
| EP4243677A1 (en) * | 2020-11-16 | 2023-09-20 | Stryker Corporation | Systems and methods of relative onset fluorescence delay for medical imaging |
| WO2022144865A1 (en) * | 2021-01-04 | 2022-07-07 | Healthy.Io Ltd. | For capturing and analyzing images for medical examination |
| KR102472583B1 (ko) * | 2021-01-28 | 2022-11-30 | 한림대학교 산학협력단 | 찰과상에 대한 진단 정보를 제공하는 인공지능 모델 기반의 전자 장치, 제어 방법, 및 컴퓨터 프로그램 |
| US11640389B2 (en) | 2021-07-23 | 2023-05-02 | Bank Of America Corporation | Hash-based identification of data corruption issues in time-series data |
| US11645252B2 (en) | 2021-07-23 | 2023-05-09 | Bank Of America Corporation | System and method for efficiently validating time-series data using a hash-based representation of the data |
| WO2023081917A1 (en) * | 2021-11-08 | 2023-05-11 | The Board Of Trustees Of The Leland Stanford Junior University | Methods and systems of generating perfusion parametric maps |
| US12100141B2 (en) | 2021-12-28 | 2024-09-24 | International Business Machines Corporation | Three-dimensional delineation of tumor boundaries via supervised machine learning algorithms and augmented reality |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001525580A (ja) | 1997-12-04 | 2001-12-11 | アプライド スペクトラル イメージング リミテッド | 癌細胞の検出方法 |
| JP2011509789A (ja) | 2008-01-23 | 2011-03-31 | ミカラキス アヴェルキオウ | 超音波造影剤を用いる治療評価 |
| JP2012508053A (ja) | 2008-11-11 | 2012-04-05 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 時間的パラメトリック・コントラスト画像を使った超音波病変識別 |
| JP2013510289A (ja) | 2009-11-03 | 2013-03-21 | エフ．ホフマン−ラ ロシュ アーゲー | 循環系事象と虚血性事象を鑑別するためのＮＴ−ｐｒｏＡＮＰおよびＳＦｌｔ−１ |
Family Cites Families (67)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| ATE506005T1 (de) | 1999-09-24 | 2011-05-15 | Ca Nat Research Council | Vorrichtung zur durchführung einer intraoperativen angiographie |
| JP2001104237A (ja) | 1999-10-05 | 2001-04-17 | Fuji Photo Film Co Ltd | 蛍光判定方法および装置 |
| US6834122B2 (en) | 2000-01-22 | 2004-12-21 | Kairos Scientific, Inc. | Visualization and processing of multidimensional data using prefiltering and sorting criteria |
| JP2001285858A (ja) | 2000-01-27 | 2001-10-12 | Fuji Photo Film Co Ltd | 画像撮影方法および画像撮影装置 |
| GR1004180B (el) * | 2000-03-28 | 2003-03-11 | ����������� ����� ��������� (����) | Μεθοδος και συστημα χαρακτηρισμου και χαρτογραφησης αλλοιωσεων των ιστων |
| DE10120980B4 (de) * | 2001-05-01 | 2009-12-03 | Pulsion Medical Systems Ag | Verfahren, Vorrichtung und Computerprogramm zur Bestimmung des Blutflusses in einer Gewebe- oder Organregion |
| AU2003225508A1 (en) | 2002-05-17 | 2003-12-02 | Pfizer Products Inc. | Apparatus and method for statistical image analysis |
| ATE476908T1 (de) | 2003-04-18 | 2010-08-15 | Medispectra Inc | System und diagnoseverfahren zur optischen detektion von verdächtigen stellen einer gewebeprobe |
| EP1662974A4 (en) | 2003-08-21 | 2009-06-03 | Ischem Corp | AUTOMATED SYSTEMS AND SYSTEMS FOR VASCULAR PLATE DETECTION AND ANALYSIS |
| JP4533673B2 (ja) | 2004-06-07 | 2010-09-01 | オリンパス株式会社 | 赤外観察システム及び赤外観察システムによる作動方法 |
| CA2631564A1 (en) | 2004-11-29 | 2006-06-01 | Hypermed, Inc. | Medical hyperspectral imaging for evaluation of tissue and tumor |
| CA2600466C (en) * | 2005-04-14 | 2014-05-20 | Bracco Research Sa | A perfusion assessment method and system based on animated perfusion imaging |
| CN101179998B (zh) | 2005-05-20 | 2010-12-08 | 株式会社日立医药 | 图像诊断装置 |
| US8600125B2 (en) | 2005-06-22 | 2013-12-03 | The Research Foundation Of State University Of New York | System and method for computer aided polyp detection |
| US20070016029A1 (en) | 2005-07-15 | 2007-01-18 | General Electric Company | Physiology workstation with real-time fluoroscopy and ultrasound imaging |
| DE102005036410A1 (de) | 2005-07-29 | 2007-02-01 | Biocam Gmbh | Verfahren zur Ermittlung der Sauerstoffpartialdruckverteilung in zumindest einem Gewebeflächenabschnitt, insbesondere Hautgewebeflächenabschnitt |
| US9220411B2 (en) | 2006-06-01 | 2015-12-29 | The General Hospital Corporation | In-vivo optical imaging method including analysis of dynamic images |
| JP5410274B2 (ja) * | 2006-06-05 | 2014-02-05 | フォース フォトニクス リミテッド | 組織を特徴づける方法 |
| US10568860B2 (en) | 2006-08-30 | 2020-02-25 | Kowa Co., Ltd. | Pharmaceutical composition containing statin-encapsulated nanoparticle |
| JP5085086B2 (ja) | 2006-10-04 | 2012-11-28 | 株式会社トプコン | 眼底観察装置、眼底画像表示装置及びプログラム |
| EP1916624B1 (en) | 2006-10-25 | 2016-11-23 | Agfa HealthCare NV | Method for segmenting a digital medical image. |
| US8280488B2 (en) | 2006-11-24 | 2012-10-02 | Huisman Henkjan J | Processing and displaying dynamic contrast-enhanced magnetic resonance imaging information |
| JP5355417B2 (ja) * | 2006-12-21 | 2013-11-27 | アンスティテュ ギュスタヴ ルーシ −アイジーアール− | 腫瘍の血管新生の定量化方法およびシステム |
| WO2008118410A2 (en) | 2007-03-23 | 2008-10-02 | The Trustees Of Columbia University In The City Of New York | Quantum dot labeled stem cells for use in providing pacemaker function |
| US8090168B2 (en) | 2007-10-15 | 2012-01-03 | General Electric Company | Method and system for visualizing registered images |
| US8406860B2 (en) | 2008-01-25 | 2013-03-26 | Novadaq Technologies Inc. | Method for evaluating blush in myocardial tissue |
| US10219742B2 (en) * | 2008-04-14 | 2019-03-05 | Novadaq Technologies ULC | Locating and analyzing perforator flaps for plastic and reconstructive surgery |
| JP5918532B2 (ja) * | 2008-04-14 | 2016-05-18 | ノバダック テクノロジーズ インコーポレイテッド | 穿通枝血管の灌流を評価する装置及び穿通枝血管の灌流を評価するための装置の作動制御方法 |
| CN104800863A (zh) * | 2008-05-14 | 2015-07-29 | 诺瓦达克技术公司 | 用于神经成像的包括与病毒组分结合的荧光染料的成像法和组合物 |
| JP5244455B2 (ja) | 2008-05-21 | 2013-07-24 | Ｈｏｙａ株式会社 | 内視鏡プロセッサおよび内視鏡システム |
| CN102124030B (zh) | 2008-06-20 | 2015-06-17 | 国立大学法人冈山大学 | 抗氧化LDL/β2GPI复合物的抗体及其用途 |
| CN101313847B (zh) * | 2008-07-01 | 2010-08-25 | 北京师范大学 | 对人体皮肤病变组织进行无损光学常数成像的装置 |
| US8488863B2 (en) | 2008-11-06 | 2013-07-16 | Los Alamos National Security, Llc | Combinational pixel-by-pixel and object-level classifying, segmenting, and agglomerating in performing quantitative image analysis that distinguishes between healthy non-cancerous and cancerous cell nuclei and delineates nuclear, cytoplasm, and stromal material objects from stained biological tissue materials |
| CN102395975B (zh) | 2009-04-15 | 2016-02-10 | 皇家飞利浦电子股份有限公司 | 临床决策支持系统和方法 |
| CA2772023A1 (en) | 2009-08-18 | 2011-02-24 | Ben Gurion University Of The Negev Research And Development Authority | System and method for analyzing imaging data |
| US20110071403A1 (en) * | 2009-09-21 | 2011-03-24 | Board Of Regents Of The University Of Texas System | Functional near-infrared fluorescence lymphatic mapping for diagnosing, accessing, monitoring and directing therapy of lymphatic disorders |
| WO2011112559A2 (en) | 2010-03-08 | 2011-09-15 | Bruce Adams | System, method and article for normalization and enhancement of tissue images |
| US8976931B2 (en) | 2010-04-13 | 2015-03-10 | Carestream Health, Inc. | Mobile radiography imaging apparatus using prior related images before current image exposure and methods for same |
| US20130051651A1 (en) | 2010-05-07 | 2013-02-28 | Purdue Research Foundation | Quantitative image analysis for wound healing assay |
| US8934685B2 (en) | 2010-09-21 | 2015-01-13 | General Electric Company | System and method for analyzing and visualizing local clinical features |
| JP5823259B2 (ja) | 2010-11-22 | 2015-11-25 | 株式会社東芝 | 医用データ生成装置 |
| EP2686831A1 (en) | 2011-03-15 | 2014-01-22 | Koninklijke Philips N.V. | Correlated image mapping pointer |
| JP2012198139A (ja) | 2011-03-22 | 2012-10-18 | Olympus Corp | 画像処理プログラム、画像処理装置、計測解析装置及び画像処理方法 |
| DE102012201169A1 (de) | 2012-01-27 | 2013-08-01 | Siemens Aktiengesellschaft | Automatische Registrierung von Bildpaaren von medizinischen Bilddatensätzen |
| US20130216482A1 (en) * | 2012-02-03 | 2013-08-22 | The Board Of Regents Of The University Of Texas System | Methods and compositions for non-invasive, dynamic imaging of intestinal motility |
| US9483684B2 (en) | 2012-03-30 | 2016-11-01 | Konica Minolta, Inc. | Medical image processor and storage medium |
| WO2013190391A2 (en) * | 2012-06-21 | 2013-12-27 | Novadaq Technologies Inc. | Quantification and analysis of angiography and perfusion |
| JP6214646B2 (ja) | 2012-06-22 | 2017-10-18 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． | 血管造影図における時間的な解剖学的標的タグ付け |
| WO2014024061A1 (en) | 2012-08-06 | 2014-02-13 | Koninklijke Philips N.V. | Dynamic contrast-enhanced imaging based permeability metric |
| US20140163403A1 (en) | 2012-12-12 | 2014-06-12 | The Texas A&M University System | Automated determination of arterial input function areas in perfusion analysis |
| US9488639B2 (en) | 2013-02-25 | 2016-11-08 | Flagship Biosciences, Inc. | Cell-based tissue analysis |
| CN105163684B (zh) | 2013-03-15 | 2018-02-02 | 圣纳普医疗(巴巴多斯)公司 | 手术数据的联运同步 |
| GB201305171D0 (en) | 2013-03-21 | 2013-05-01 | Univ Nottingham | Measurement of tissue structures |
| US9734573B2 (en) | 2013-04-17 | 2017-08-15 | The United States Of America, As Represented By The Secretary, Dept. Of Health And Human Services | Methods and systems for automatically determining magnetic field inversion time of a tissue species |
| WO2015001427A2 (en) | 2013-06-14 | 2015-01-08 | Novadaq Technologies Inc. | Quantification of absolute blood flow in tissue using fluorescence mediated photoplethysmography |
| WO2015052710A1 (en) | 2013-10-09 | 2015-04-16 | Yosibash Zohar | Automated patient-specific method for biomechanical analysis of bone |
| DE102013226858B4 (de) * | 2013-12-20 | 2024-08-08 | Siemens Healthineers Ag | Verfahren zur Erzeugung eines wenigstens dreidimensionalen Anzeigedatensatzes, Röntgeneinrichtung und Computerprogramm |
| US11395590B2 (en) * | 2014-05-01 | 2022-07-26 | Yeda Research And Development Co. Ltd. | Multimodal transcranial brain optical imaging |
| US11304604B2 (en) | 2014-10-29 | 2022-04-19 | Spectral Md, Inc. | Reflective mode multi-spectral time-resolved optical imaging methods and apparatuses for tissue classification |
| WO2016087589A1 (en) | 2014-12-03 | 2016-06-09 | Ventana Medical Systems, Inc. | Methods, systems, and apparatuses for quantitative analysis of heterogeneous biomarker distribution |
| KR102031738B1 (ko) * | 2015-02-02 | 2019-10-14 | 노바다크 테크놀러지즈 유엘씨 | 피검체의 조직을 특성화하는 방법 및 시스템 |
| WO2016172656A1 (en) | 2015-04-24 | 2016-10-27 | Canfield Scientific, Incorporated | Dermatological feature tracking over multiple images |
| JP6707320B2 (ja) * | 2015-06-01 | 2020-06-10 | キヤノンメディカルシステムズ株式会社 | 画像処理装置およびｘ線診断装置 |
| US10874333B2 (en) | 2015-09-15 | 2020-12-29 | Massachusetts Institute Of Technology | Systems and methods for diagnosis of middle ear conditions and detection of analytes in the tympanic membrane |
| EP3352697A4 (en) | 2015-09-23 | 2019-06-19 | Novadaq Technologies ULC | METHOD AND SYSTEMS FOR ADMINISTERING DATA FROM MEDICAL IMAGING |
| EP3352670B8 (en) * | 2015-09-23 | 2024-07-03 | Stryker Corporation | Method and system for assessing healing of tissue |
| CA3021481A1 (en) | 2016-07-29 | 2018-02-01 | Novadaq Technologies ULC | Methods and systems for characterizing tissue of a subject utilizing machine learning |
-
2016
- 2016-02-02 KR KR1020177024707A patent/KR102031738B1/ko active IP Right Grant
- 2016-02-02 JP JP2017540738A patent/JP6523468B2/ja active Active
- 2016-02-02 EP EP16746031.0A patent/EP3253420A4/en active Pending
- 2016-02-02 AU AU2016214922A patent/AU2016214922B2/en not_active Ceased
- 2016-02-02 CA CA2975295A patent/CA2975295A1/en not_active Abandoned
- 2016-02-02 CN CN201680020302.2A patent/CN107530452A/zh active Pending
- 2016-02-02 US US15/013,945 patent/US9892513B2/en active Active
- 2016-02-02 CN CN202410253905.3A patent/CN118319236A/zh active Pending
- 2016-02-02 WO PCT/CA2016/050092 patent/WO2016123705A1/en active Application Filing
-
2017
- 2017-12-27 US US15/855,587 patent/US10783636B2/en active Active
-
2018
- 2018-06-12 HK HK18107634.7A patent/HK1248112A1/zh unknown
-
2020
- 2020-09-18 US US17/026,076 patent/US11715205B2/en active Active
-
2023
- 2023-07-28 US US18/361,802 patent/US20240249412A1/en active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001525580A (ja) | 1997-12-04 | 2001-12-11 | アプライド スペクトラル イメージング リミテッド | 癌細胞の検出方法 |
| JP2011509789A (ja) | 2008-01-23 | 2011-03-31 | ミカラキス アヴェルキオウ | 超音波造影剤を用いる治療評価 |
| JP2012508053A (ja) | 2008-11-11 | 2012-04-05 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 時間的パラメトリック・コントラスト画像を使った超音波病変識別 |
| JP2013510289A (ja) | 2009-11-03 | 2013-03-21 | エフ．ホフマン−ラ ロシュ アーゲー | 循環系事象と虚血性事象を鑑別するためのＮＴ−ｐｒｏＡＮＰおよびＳＦｌｔ−１ |
Also Published As
| Publication number | Publication date |
|---|---|
| US11715205B2 (en) | 2023-08-01 |
| CN107530452A (zh) | 2018-01-02 |
| AU2016214922B2 (en) | 2019-07-25 |
| EP3253420A1 (en) | 2017-12-13 |
| US20210073994A1 (en) | 2021-03-11 |
| KR20170115074A (ko) | 2017-10-16 |
| EP3253420A4 (en) | 2018-10-10 |
| CN118319236A (zh) | 2024-07-12 |
| WO2016123705A1 (en) | 2016-08-11 |
| US20160253800A1 (en) | 2016-09-01 |
| US20240249412A1 (en) | 2024-07-25 |
| US10783636B2 (en) | 2020-09-22 |
| CA2975295A1 (en) | 2016-08-11 |
| JP2018508259A (ja) | 2018-03-29 |
| AU2016214922A1 (en) | 2017-08-17 |
| US20180158187A1 (en) | 2018-06-07 |
| US9892513B2 (en) | 2018-02-13 |
| HK1248112A1 (zh) | 2018-10-12 |
| JP6523468B2 (ja) | 2019-06-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102031738B1 (ko) | 피검체의 조직을 특성화하는 방법 및 시스템 | |
| US10636144B2 (en) | Methods and systems for assessing healing of tissue | |
| JP7333351B2 (ja) | 機械学習を用いた、対象の組織を特徴付けるための方法およびシステム | |
| JP6785307B2 (ja) | 組織分類システム | |
| JP6487544B2 (ja) | 蛍光媒介光電式容積脈波記録法を用いた組織中の絶対血流の定量化 | |
| JP2018514349A (ja) | 血流及び灌流の画像化及び定量化を行うマルチスペクトルレーザ画像化（ｍｓｌｉ）方法及びシステム | |
| TW201839379A (zh) | 用於評估糖尿病循環併發症之方法及裝置 | |
| US20220039652A1 (en) | Fundus imaging for microvascular assessment | |
| JP2018198959A (ja) | 蛍光媒介光電式容積脈波記録法を用いた組織中の絶対血流の定量化 | |
| Kupper et al. | Modelling the fluorescence optical imaging sequence data of rheumatic hands with a 1d hydrodynamic flow model |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |