光立体構造計測装置及びその構造情報処理方法
【課題】層構造を有する測定対象の構造情報から層領域の連続性が容易に識別でき、また浅い層領域にある構造物により深部の不明瞭化した層領域の構造情報を確実に抽出する。
【解決手段】信号処理部９３は、光立体構造像生成部１２０、特定層抽出手段及びノイズ領域消去手段としての特定層抽出／ノイズ除去部１２１、欠落領域抽出手段としての欠落領域抽出部１２２、欠落領域範囲算出手段としての欠落領域範囲算出部１２３、関心領域分類手段としての関心領域分類部１２４、閾値／基準値格納部１２５、属性付加手段及び属性制御手段としての属性付加／制御部１２６及びコンピュータグラフィック画像構築手段としてのレンダリング部１２７を備えて構成される。
【解決手段】信号処理部９３は、光立体構造像生成部１２０、特定層抽出手段及びノイズ領域消去手段としての特定層抽出／ノイズ除去部１２１、欠落領域抽出手段としての欠落領域抽出部１２２、欠落領域範囲算出手段としての欠落領域範囲算出部１２３、関心領域分類手段としての関心領域分類部１２４、閾値／基準値格納部１２５、属性付加手段及び属性制御手段としての属性付加／制御部１２６及びコンピュータグラフィック画像構築手段としてのレンダリング部１２７を備えて構成される。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は光立体構造計測装置及びその構造情報処理方法に係り、特に測定対象の構造情報の処理部分に特徴のある光立体構造計測装置及びその構造情報処理方法に関する。
【背景技術】
【０００２】
従来、生体組織の光断層画像を取得する際に、ＯＣＴ（Ｏｐｔｉｃａｌ Ｃｏｈｅｒｅｎｃｅ Ｔｏｍｏｇｒａｐｈｙ）計測を利用した光断層画像取得装置が用いられることがある。この光断層画像取得装置は、光源から射出された低コヒーレント光を測定光と参照光とに分割した後、該測定光が測定対象に照射されたときの測定対象からの反射光、もしくは後方散乱光と参照光とを合波し、該反射光と参照光との干渉光の強度に基づいて光断層画像を取得するものである（特許文献１）。以下、測定対象からの反射光、後方散乱光をまとめて反射光と標記する。
【０００３】
上記のＯＣＴ計測には、大きくわけてＴＤ−ＯＣＴ（Ｔｉｍｅ ｄｏｍａｉｎ ＯＣＴ）計測とＦＤ−ＯＣＴ（Ｆｏｕｒｉｅｒ Ｄｏｍａｉｎ ＯＣＴ）計測の２種類がある。ＴＤ−ＯＣＴ計測は、参照光の光路長を変更しながら干渉光強度を測定することにより、測定対象の深さ方向の位置（以下、深さ位置という）に対応した反射光強度分布を取得する方法である。
【０００４】
一方、ＦＤ−ＯＣＴ計測は、参照光と信号光の光路長は変えることなく、光のスペクトル成分毎に干渉光強度を測定し、ここで得られたスペクトル干渉強度信号を計算機にてフーリエ変換に代表される周波数解析を行うことで、深さ位置に対応した反射光強度分布を取得する方法である。ＴＤ−ＯＣＴに存在する機械的な走査が不要となることで、高速な測定が可能となる手法として、近年注目されている。
【０００５】
ＦＤ−ＯＣＴ計測を行う装置構成で代表的な物としては、ＳＤ−ＯＣＴ（Ｓｐｅｃｔｒａｌ Ｄｏｍａｉｎ ＯＣＴ）装置とＳＳ−ＯＣＴ（Ｓｗｅｐｔ Ｓｏｕｒｃｅ ＯＣＴ）の２種類が挙げられる。ＳＤ−ＯＣＴ装置は、ＳＬＤ（Ｓｕｐｅｒ Ｌｕｍｉｎｅｓｃｅｎｃｅ Ｄｉｏｄｅ）やＡＳＥ（Ａｍｐｌｉｆｉｅｄ Ｓｐｏｎｔａｎｅｏｕｓ Ｅｍｉｓｓｉｏｎ）光源、白色光といった広帯域の低コヒーレント光を光源に用い、マイケルソン型干渉計等を用いて、広帯域の低コヒーレント光を測定光と参照光とに分割した後、測定光を測定対象に照射させ、そのとき戻って来た反射光と参照光とを干渉させ、この干渉光をスペクトロメータを用いて各周波数成分に分解し、フォトダイオード等の素子がアレイ状に配列されたディテクタアレイを用いて各周波数成分毎の干渉光強度を測定し、これにより得られたスペクトル干渉強度信号を計算機でフーリエ変換することにより、光断層画像を構成するようにしたものである。
【０００６】
一方、ＳＳ−ＯＣＴ装置は、光周波数を時間的に掃引させるレーザを光源に用い、反射光と参照光とを各波長において干渉させ、光周波数の時間変化に対応した信号の時間波形を測定し、これにより得られたスペクトル干渉強度信号を計算機でフーリエ変換することにより光断層画像を構成するようにしたものである。
【０００７】
ところで、ＯＣＴ計測は上述したように特定の領域の光断層像を取得する方法であるが、内視鏡下では、例えば癌病変部を通常照明光内視鏡や特殊光内視鏡の観察により発見し、その領域をＯＣＴ測定することで、癌病変部がどこまで浸潤しているかを見わけることが可能となる。また、測定光の光軸を２次元的に走査することで、ＯＣＴ計測による深さ情報と合わせて３次元的な情報を取得することができる。
【０００８】
ＯＣＴ計測と３次元コンピュータグラフィック技術の融合により、マイクロメートルオーダの分解能を持つ３次元構造モデルを表示することが可能となる事から、以下ではこのＯＣＴ計測による３次元構造モデルを光立体構造像と呼ぶ。
【０００９】
ＯＣＴにより、例えば食道の癌深達度の観察が行われている。食道のＯＣＴ像では、手前から薄い上皮層と強散乱の基底膜、その奥にやや強い散乱の粘膜固有層が描出され、その下部にやや低散乱の粘膜筋板、強散乱の粘膜下層、そして低散乱の筋層が描出される。
【００１０】
癌の発生による組織構造変化の一例を説明すると、癌が上皮層に発生して増殖すると、上皮の肥厚が現れる。この時期、癌に向かって粘膜下層にある血管から新生血管が粘膜層に向けて伸び、基底膜を超えて癌細胞周辺に形成されることが知られている。癌が進行すると基底膜を破り固有層に浸潤し、さらに進行すると粘膜筋板、粘膜下層、筋層へと浸潤深さが深くなる。
【００１１】
基底膜を浸潤していない癌は「上皮内新生物」と呼ばれ、切除すれば完治する、というひとつの指標となる。早期癌をより早く見つけて、転移の危険性のないうちに低侵襲な治療をするために、基底膜より下に浸潤しているかどうかの見極めが大事である。基底膜を超えて浸潤している場合は、次の指標として粘膜筋板を超えているかどうかが重要となる。粘膜筋板を超えていない場合は、転移の確率が低いため、内視鏡下切除治療が選択される。一方、粘膜筋板を超えた場合は、転移の確率が高くなるため、開胸手術や放射線治療が選択される。早期癌をより低侵襲な治療をするために、粘膜筋板より下に浸潤しているかどうかの見極めが大事である。そこで、基底膜、あるいは粘膜筋板といった特定の膜、もしくは層のみ抽出して画像化する事が期待される。しかし、基底膜の状態を直接観察する方法はなかった。
【００１２】
ＯＣＴにより、例えば、眼底を例として、特定の散乱強度を抽出して、層構造を抽出する手法が開示されている（特許文献２）。層構造の抽出には、具体的には深さ方向の１次元微分フィルタ等を用いて層構造、もしくは層の境界部を抽出するとしている。眼底の場合、層構造が明確でありまた構造の変化が少ないため、この様な手法で抽出しても誤差は少ない。しかし、食道など消化管で行われている例はなかった。
【００１３】
癌が上皮層に発生すると、癌に向かって新生血管が粘膜層に形成される事が知られている。食道の早期癌の場合、新生血管は、粘膜下層から基底膜を通り抜けて粘膜上皮層に伸び、ＩＰＣＬ（上皮乳頭血管ループ）を形成する。癌が進行すると、基底膜をやぶり、癌が粘膜下層に入り込む。新生血管は、癌に向かってランダムな方向で形成される。通常の内視鏡検査では、表面から透けて見える新生血管の密度分布や形状から癌のグレードを判定する手法が行われている。
【先行技術文献】
【特許文献】
【００１４】
【特許文献１】特開２００８−１２８７０８号公報
【特許文献２】特開２００８−７３０９９号公報
【発明の概要】
【発明が解決しようとする課題】
【００１５】
ＯＣＴの断層像では、基底膜を示す信号が観察されている。しかしながら、食道粘膜の場合、粘膜内に基底膜と同様に強散乱を示す新生血管などの構造物による誤認識や、癌になると極端に肥厚する場合や血管などの比較的浅い層の構造物の影響によるそれ以降の深さの光強度の減衰により、抽出が困難となることがある。また、癌の浸潤により基底膜が喪失している場合もあるが、基底膜以外の層や構造物により現れる別の層と基底膜とが連続しているのか不連続なのかがわかりにくい、という欠点がある。
【００１６】
また、新生血管の分布は、癌の広がりを知るための有用な指標である。しかし、従来のＯＣＴ計測手法は、粘膜表面近くまで来ている新生血管の密度が、周辺の正常部と比較して際だっているかどうかを見ているにすぎない。一方、従来の内視鏡観察手法は、粘膜表面近くまで来ている新生血管を見ているにすぎない。
【００１７】
そのため、従来の手法では、例えば炎症を起こして充血しているような場合に新生血管との見分けが困難である、粘膜上に非癌粘膜が覆っている場合に視認性が悪い、といった欠点があった。例えば、新生血管が基底膜を超える時に作り出す穴を直接的に見ることができれば、生体内部の新生血管の分布をより精度良く見極められると期待されるが、このような方法はなかった。
【００１８】
本発明は、このような事情に鑑みてなされたもので、層構造を有する測定対象の構造情報から層領域の連続性が容易に識別でき、また浅い層領域にある構造物により深部の不明瞭化した層領域の構造情報を確実に抽出することのできる光立体構造計測装置及びその構造情報処理方法を提供することを目的とする。
【課題を解決するための手段】
【００１９】
前記目的を達成するために、請求項１に記載の光立体構造計測装置は、層構造を有する測定対象の積層の深さ方向に測定光を照射し、かつ前記測定光の光軸を２次元走査して前記測定対象の光立体構造情報を取得する光立体構造計測装置において、前記光立体構造情報を格納する光立体構造情報記憶手段と、前記光立体構造情報記憶手段に格納された前記光立体構造情報の情報値を所定の閾値と比較し、前記所定の閾値以上の前記光立体構造情報の情報値が連続した所定の範囲以上の領域を前記測定対象の特定層領域として抽出する特定層抽出手段と、前記特定層領域上にて、前記光立体構造情報の情報値が前記所定の閾値未満の領域を欠落領域として抽出する欠落領域抽出手段と、前記欠落領域の範囲の大きさを算出する欠落領域範囲算出手段と、前記欠落領域の範囲の大きさを複数の所定の範囲判定基準値と比較し、前記欠落領域を複数種類の関心領域に分類する関心領域分類手段と、を備えて構成される。
【００２０】
請求項１に記載の光立体構造計測装置では、前記特定層抽出手段が前記光立体構造情報記憶手段に格納された前記光立体構造情報の情報値を所定の閾値と比較し、前記所定の閾値以上の前記光立体構造情報の情報値が連続した所定の範囲以上の領域を前記測定対象の特定層領域として抽出し、前記欠落領域抽出手段が記特定層領域上にて前記光立体構造情報の情報値が前記所定の閾値未満の領域を欠落領域として抽出し、前記欠落領域範囲算出手段が前記欠落領域の範囲の大きさを算出し、前記関心領域分類手段が前記欠落領域の範囲の大きさを複数の所定の範囲判定基準値と比較し、前記欠落領域を複数種類の関心領域に分類することで、層構造を有する測定対象の構造情報から層領域の連続性が容易に識別でき、また浅い層領域にある構造物により深部の不明瞭化した層領域の構造情報を確実に抽出することができるという効果がある。
【００２１】
請求項２に記載の光立体構造計測装置のように、請求項１に記載の光立体構造計測装置であって、前記特定層抽出手段は、前記所定の閾値以上の前記光立体構造情報の情報値が連続した領域が前記所定の範囲未満の場合、該領域をノイズ領域として前記光立体構造情報より消去するノイズ領域消去手段を有することが好ましい。
【００２２】
請求項３に記載の光立体構造計測装置のように、請求項１または２に記載の光立体構造計測装置であって、前記光立体構造情報をレンダリング処理してコンピュータグラフィック画像を構築するコンピュータグラフィック画像構築手段をさらに備えることが好ましい。
【００２３】
請求項４に記載の光立体構造計測装置のように、請求項３に記載の光立体構造計測装置であって、前記特定層領域及び前記関心領域が識別可能な属性を前記特定層領域及び前記関心領域に付加する属性付加手段を備え、前記コンピュータグラフィック画像構築手段は、前記光立体構造情報をレンダリング処理して、少なくとも前記属性が付加された前記特定層領域及び前記関心領域を有する前記コンピュータグラフィック画像を構築することが好ましい。
【００２４】
請求項５に記載の光立体構造計測装置のように、請求項４に記載の光立体構造計測装置であって、前記コンピュータグラフィック画像構築手段は、前記コンピュータグラフィック画像構築手段は、前記測定対象の積層の深さ方向より前記特定層領域を投影した投影画像を前記コンピュータグラフィック画像として構築することが好ましい。
【００２５】
請求項６に記載の光立体構造計測装置のように、請求項４または５に記載の光立体構造計測装置であって、前記コンピュータグラフィック画像構築手段は、前記光立体構造情報をレンダリング処理して光立体構造画像を前記コンピュータグラフィック画像として構築することが好ましい。
【００２６】
請求項７に記載の光立体構造計測装置のように、請求項４ないし６のいずれか１つに記載の光立体構造計測装置であって、前記属性付加手段は、少なくとも前記所定の範囲判定基準値うちの最小範囲判定基準値未満の前記関心領域の属性を前記特定層領域の属性とする属性制御手段を有することが好ましい。
【００２７】
請求項８に記載の光立体構造計測装置のように、請求項７に記載の光立体構造計測装置であって、前記属性制御手段は、前記所定の範囲判定基準値うちの前記最小範囲判定基準値より大きな値の複数の範囲判定基準値に基づき、異なる複数の前記属性を前記関心領域分類手段が分類した前記関心領域毎に付加することが好ましい。
【００２８】
請求項９に記載の光立体構造計測装置のように、請求項１ないし８のいずれか１つに記載の光立体構造計測装置であって、前記測定対象は生体粘膜組織であり、前記関心領域分類手段は、前記所定の範囲判定基準値うちの第１の範囲判定基準値以上で、かつ前記第１の範囲判定基準値より大きい第２の範囲判定基準値未満の前記関心領域を新生血管領域に分類することが好ましい。
【００２９】
請求項１０に記載の光立体構造計測装置のように、請求項９に記載の光立体構造計測装置であって、前記関心領域分類手段は、前記所定の範囲判定基準値うちの前記第２の範囲判定基準値以上の前記関心領域を癌浸潤領域に分類することが好ましい。
【００３０】
請求項１１に記載の光立体構造計測装置のように、請求項９または１０に記載の光立体構造計測装置であって、前記関心領域分類手段が判定した前記新生血管領域の分布を前記特定層領域上に新生血管分布像として生成する新生血管分布像生成手段をさらに備えることが好ましい。
【００３１】
請求項１２に記載の光立体構造計測装置のように、請求項９ないし１１のいずれか１つに記載の光立体構造計測装置であって、前記特定層領域は、前記生体粘膜組織の基底膜領域及び粘膜筋板領域の少なくともいずれか一方の領域を含むことが好ましい。
【００３２】
請求項１３に記載の光立体構造計測装置の構造情報処理方法は、層構造を有する測定対象の積層の深さ方向に測定光を照射し、かつ前記測定光の光軸を２次元走査して前記測定対象の光立体構造情報を取得する光立体構造計測装置の構造情報処理方法において、前記光立体構造情報を格納する光立体構造情報記憶ステップと、前記光立体構造情報記憶ステップにて格納された前記光立体構造情報の情報値を所定の閾値と比較し、前記所定の閾値以上の前記光立体構造情報の情報値が連続した所定の範囲以上の領域を前記測定対象の特定層領域として抽出する特定層抽出ステップと、前記特定層領域上にて、前記光立体構造情報の情報値が前記所定の閾値未満の領域を欠落領域として抽出する欠落領域抽出ステップと、前記欠落領域の範囲の大きさを算出する欠落領域範囲算出ステップと、前記欠落領域の範囲の大きさを複数の所定の範囲判定基準値と比較し、前記欠落領域を複数種類の関心領域に分類する関心領域分類ステップと、を備えて構成される。
【００３３】
請求項１３に記載の光立体構造計測装置の構造情報処理方法では、前記特定層抽出ステップが前記光立体構造情報記憶ステップにて格納された前記光立体構造情報の情報値を所定の閾値と比較し、前記所定の閾値以上の前記光立体構造情報の情報値が連続した所定の範囲以上の領域を前記測定対象の特定層領域として抽出し、前記欠落領域抽出ステップが前記特定層領域上にて前記光立体構造情報の情報値が前記所定の閾値未満の領域を欠落領域として抽出し、前記欠落領域範囲算出ステップが前記欠落領域の範囲の大きさを算出し、前記関心領域分類ステップが前記欠落領域の範囲の大きさを複数の所定の範囲判定基準値と比較し、前記欠落領域を複数種類の関心領域に分類することで、層構造を有する測定対象の構造情報から層領域の連続性が容易に識別でき、また浅い層領域にある構造物により深部の不明瞭化した層領域の構造情報を確実に抽出することができるという効果がある。
【発明の効果】
【００３４】
以上説明したように、本発明によれば、層構造を有する測定対象の構造情報から層領域の連続性が容易に識別でき、また浅い層領域にある構造物により深部の不明瞭化した層領域の構造情報を確実に抽出することができるという効果がある。
【図面の簡単な説明】
【００３５】
【図１】本発明の実施形態に係る光立体構造画像化装置の構成を示すブロック図
【図２】図１の光立体構造画像化装置において走査手段の変形例を示す図
【図３】図１の信号処理部の構成を示すブロック図
【図４】図１の光立体構造画像化装置の３次元ＣＧ画像生成処理の流れを示すフローチャート
【図５】図３の特定層抽出／ノイズ除去部にて光立体構造像より特定層を抽出すると共に光立体構造像のノイズを除去する具体的な手順の一例を説明するための図
【図６】図３の特定層抽出／ノイズ除去部により抽出された特定層の投影図
【図７】実施例１における図３の属性付加／制御部による特定層からの関心領域Ａの消去を説明する図
【図８】実施例１における図３のレンダリング部により生成されるコンピュータグラフィック画像の一例を示す図
【図９】図５の手順の実施例２を説明するための図
【図１０】図３の特定層抽出／ノイズ除去部により抽出された実施例２における特定層の投影図
【図１１】図３の属性付加／制御部による特定層での関心領域の実施例２における処理を説明する図
【図１２】図３のレンダリング部により生成される実施例２におけるコンピュータグラフィック画像の一例を示す図
【図１３】図３の特定層抽出／ノイズ除去部により抽出された実施例３における特定層の投影図
【図１４】図３のレンダリング部により生成される実施例３におけるコンピュータグラフィック画像の一例を示す図
【図１５】図３の属性付加／制御部が生成する新生血管の分布像を示す図
【図１６】図１５の新生血管の分布像を基底膜領域に重畳させた場合の図
【図１７】図１５の新生血管の分布像をレンダリングしたコンピュータグラフィック画像を示す図
【図１８】内視鏡画像に図１１の投影図に重畳した図
【発明を実施するための形態】
【００３６】
以下、添付図面を参照して、本発明に係る光立体構造計測装置としての光立体構造画像化装置の実施の形態について詳細に説明する。
【００３７】
図１は本発明の実施形態に係る光立体構造画像化装置の構成を示すブロック図である。図１に示すように、光立体構造計測装置である光立体構造画像化装置１は、例えば体腔内の生体組織や細胞等の測定対象の断層画像を例えば波長１．３μｍを中心とするＳＳ−ＯＣＴ計測により取得するものであって、ＯＣＴ光源１０、干渉情報検出部７０を有するＯＣＴ干渉計３０、プローブ４０、ＣＧ画像生成部９０及びモニタ１００を備えて構成される。
【００３８】
ＯＣＴ光源１０は周波数を一定の周期で掃引させながら赤外領域のレーザ光Ｌを射出する光源である。
【００３９】
ＯＣＴ光源１０から射出されたレーザ光Ｌは、ＯＣＴ干渉計３０内の光分波部３により測定光Ｌ１と参照光Ｌ２とに分波される。光分波部３は、例えば、分岐比９０：１０の光カプラから構成され、測定光：参照光＝９０：１０の割合で分波する。
【００４０】
ＯＣＴ干渉計３０では、光分波部３により分波された参照光Ｌ２は、サーキュレータ５ａを介して参照光調整手段としての光路長調整部８０により光路長が調整されて反射される。
【００４１】
この光路長調整部８０は、断層画像の取得を開始する位置を調整するために参照光Ｌ２の光路長を変更するものであり、コリメータレンズ８１、８２および反射ミラー８３を有している。そして、サーキュレータ５ａからの参照光Ｌ２はコリメータレンズ８１、８２を透過した後に反射ミラー８３により反射され、参照光Ｌ２の戻り光Ｌ２ａは再びコリメータレンズ８１、８２を介してサーキュレータ５ａに入射される。
【００４２】
ここで、反射ミラー８３は可動ステージ８４上に配置されており、可動ステージ８４はミラー移動部８５により矢印Ａ方向に移動可能に設けられている。そして可動ステージ８４が矢印Ａ方向に移動することにより、参照光Ｌ２の光路長が変更するようになっている。そして、光路長調整部８０からの参照光Ｌ２の戻り光Ｌ２ａは、サーキュレータ５ａを介して光合分波部４に導光される。
【００４３】
一方、光分波部３により分波された測定光Ｌ１は、サーキュレータ５ｂ及び光ファイバＦＢを介してプローブ４０に導光される。プローブ４０の出射端から測定光Ｌ１が出射されて測定対象Ｔに照射され、その戻り光Ｌ３が再びプローブ４０に入射し、サーキュレータ５ｂに戻ってくる。
【００４４】
プローブ４０は、入射された測定光Ｌ１を光学ロータリコネクタ部４１を介して測定対象Ｔまで導光し、測定対象Ｔに照射する。また、プローブ４０は、測定光Ｌ１が測定対象Ｔに照射されたときの測定対象Ｔからの戻り光Ｌ３を導光する。
【００４５】
測定対象Ｔの深さ方向をＺ、プローブの長手軸方向をＸ、ＺＸ面に直角な方向をＹとすると、プローブ４０は、走査手段としての光走査部４２内の図示しないモータにより、光学ロータリコネクタ部４１から先のファイバ部が回転する構成となっており、それにより測定対象Ｔ上において円周状に測定光Ｌ１を走査するようになっており、これによりＺＹ平面の２次元断層画像が計測可能となっている。さらに、光走査部４２内の図示しないモータによりプローブ４０の先端が測定光Ｌ１の走査円が形成する平面に対して垂直な方向Ｘに進退走査することにより、ＸＹＺの３次元断層画像の計測が可能となっている。また、プローブ４０は、図示しない光コネクタにより光ファイバＦＢに対して着脱可能に取り付けられている。
【００４６】
図２は図１の光立体構造画像化装置において走査手段の変形例を示す図である。
【００４７】
勿論、プローブ先端形状や走査方向はこれに限る物ではなく、例えば、ファイバ先端側に図２に示すように、レンズＬ及びガルバノミラー等の高速走査ミラーＭを配置した光送受部９００を設け、高速走査ミラーＭにより２次元走査を行ってもよいし、ステージ（図示せず）によって進退走査するように集光手段及び走査手段を構成してもよい。あるいは、測定対象をステージによって２次元的に走査してもよい。あるいは、これら光軸走査機構、および測定試料移動機構を組み合わせて構成してもよい。ＯＣＴ装置の光軸走査は、このようにガルバノミラーを用いたものでも、ステージによって走査するタイプでも、どれでもよい。プローブの場合、偏向ミラーのみモータで回転させても、ファイバに固定して、ファイバ毎回転させてもよい。回転に限らず、ＭＥＭＳ（Ｍｉｃｒｏ Ｅｌｅｃｔｒｏ Ｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍｓ）ミラーを用いて線形走査させてもよい。
【００４８】
測定対象Ｔからの反射光（あるいは後方散乱光）Ｌ３は、ＯＣＴ干渉計３０に導光され、ＯＣＴ干渉計３０にてサーキュレータ５ｂを介して光合分波部４に導光される。そして、この光合分波部４において測定光Ｌ１の反射光（あるいは後方散乱光）Ｌ３と参照光Ｌ２の戻り光Ｌ２ａとを合波し干渉情報検出部７０側に射出するようになっている。
【００４９】
干渉情報検出部７０は、光合分波部４により合波された測定光Ｌ１の反射光（あるいは後方散乱光）Ｌ３と参照光Ｌ２の戻り光Ｌ２ａとの干渉光Ｌ５を、所定のサンプリング周波数で検出するものであり、干渉光Ｌ５の光強度を測定するＩｎＧａＡｓフォトディテクタ７１ａおよび７１ｂと、ＩｎＧａＡｓフォトディテクタ７１ａの検出値とＩｎＧａＡｓフォトディテクタ７１ｂの検出値のバランス検波を行なう干渉光検出部７２とを備えている。なお、干渉光Ｌ５は、光合分波部４において２分され、ＩｎＧａＡｓフォトディテクタ７１ａおよび７１ｂにおいて検出され、干渉光検出部７２に出力される。干渉光検出部７２は、ＯＣＴ光源１０の掃引トリガ信号Ｓに同期して、干渉光Ｌ５をフーリエ変換することにより、測定対象Ｔの各深さ位置における反射光（あるいは後方散乱光）Ｌ３の強度を検出する。
【００５０】
ＣＧ画像生成部９０は、干渉光検出部７２により検出された測定対象Ｔの各深さ位置における反射光（あるいは後方散乱光）Ｌ３の強度を干渉情報の信号強度情報として光立体構造情報記憶手段としてのメモリ９１に格納する。ＣＧ画像生成部９０はメモリ９１のほかに、信号処理部９３、制御部９４を備えて構成される。信号処理部９３は、メモリ９１に格納された干渉情報の信号強度情報に基づいて測定対象Ｔの構造情報からなる光立体構造像を生成する。制御部９４は、信号処理部９３を制御すると共に、ＯＣＴ光源１０発光制御を行うと共に、ミラー移動部８５を制御する。
【００５１】
図３は図１の信号処理部の構成を示すブロック図である。信号処理部９３は、図３に示すように、光立体構造像生成部１２０、特定層抽出手段及びノイズ領域消去手段としての特定層抽出／ノイズ除去部１２１、欠落領域抽出手段としての欠落領域抽出部１２２、欠落領域範囲算出手段としての欠落領域範囲算出部１２３、関心領域分類手段としての関心領域分類部１２４、閾値／基準値格納部１２５、属性付加手段及び属性制御手段としての属性付加／制御部１２６及びコンピュータグラフィック画像構築手段としてのレンダリング部１２７を備えて構成される。
【００５２】
光立体構造像生成部１２０は、メモリ９１に格納された干渉情報の信号強度情報に基づいて測定対象Ｔの構造情報からなる光立体構造像を生成する。
【００５３】
特定層抽出／ノイズ除去部１２１は、連続した構造情報の範囲と所定の閾値とを比較することで、連続した構造情報の範囲と所定の閾値以上の場合には光立体構造像生成部１２０より構築された光立体構造像の特定層領域（例えば、基底膜領域、あるいは粘膜筋板領域）とすると共に、連続した構造情報の範囲と所定の閾値未満の場合にはノイズ領域として測定対象Ｔの構造情報のノイズ領域を抽出しこのノイズ領域を光立体構造像から除去する。
【００５４】
欠落領域抽出部１２２は、特定層抽出／ノイズ除去部１２１にて抽出した特定層領域上において構造情報が欠落している欠落領域を抽出する。
【００５５】
欠落領域範囲算出部１２３は、欠落領域抽出部１２２にて抽出した欠落範囲の大きさ、例えば面積を算出する。
【００５６】
関心領域分類部１２４は、欠落領域範囲算出部１２３にて算出した欠落範囲の大きさを所定の範囲判定基準値と比較し、欠落領域を欠落範囲の大きさに応じた複数の関心領域（例えば、新生血管領域、微小癌浸潤領域、進行癌浸潤領域等）分類する。
【００５７】
閾値／基準値格納部１２５は、特定層抽出／ノイズ除去部１２１にて使用する所定の閾値、関心領域分類部１２４にて使用する範囲判定基準値等を格納している。
【００５８】
属性付加／制御部１２６は、特定層抽出／ノイズ除去部１２１にて抽出された特定層領域及び関心領域分類部１２４により分類された関心領域に属性を付加・設定する。
【００５９】
レンダリング部１２７は、光立体構造像生成部１２０にて生成された光立体構造像、特定層抽出／ノイズ除去部１２１にて抽出された特定層領域及び関心領域分類部１２４により分類された関心領域の構造情報をレンダリング処理してコンピュータグラフィック画像を生成する。なお、レンダリング部１２７は、属性付加／制御部１２６に付加・設定された特定層領域及び関心領域の属性に基づき、特定層領域及び関心領域を識別可能にコンピュータグラフィック画像を構築する。すなわち、レンダリング部１２７は、特定層領域及び関心領域の属性に基づき、例えば異なる色付け処理、あるいは強調処理を実行し光立体構造ＣＧ画像等のコンピュータグラフィック画像を構築する。なお、レンダリング部１２７は構築したコンピュータグラフィック画像をモニタ１００に出力するようになっている。
【００６０】
次に、このように構成された本実施形態の光立体構造画像化装置１の作用を図４のフローチャートを用いて説明する。図４は図１の光立体構造画像化装置の３次元ＣＧ画像生成処理の流れを示すフローチャートである。
【００６１】
図４に示すように、制御部９４は、光立体構造像生成部１２０にてメモリ９１に格納された干渉情報の信号強度情報に基づいて測定対象Ｔの構造情報からなる光立体構造像を生成する（ステップＳ１）。なお、光立体構造像生成部１２０は、連続性の判定に適した大きさ以下の高周波のノイズを除去するため、ローパスフィルタ、あるいは平均化処理などのノイズ除去手段を行う。
【００６２】
次に、制御部９４は、特定層抽出／ノイズ除去部１２１にて閾値／基準値格納部１２５からの所定の閾値に基づいて、光立体構造像生成部１２０より構築された光立体構造像の層構造の構造情報を抽出する（ステップＳ２）。
【００６３】
さらに、制御部９４は、特定層抽出／ノイズ除去部１２１にて閾値／基準値格納部１２５からの所定の閾値に基づいて、測定対象Ｔの干渉情報の信号強度情報のノイズ情報を抽出しこのノイズ情報を光立体構造像から除去する（ステップＳ３）。
【００６４】
このステップＳ２及びＳ３の処理の詳細について、図５ないし図７を用いて説明する。図５は図３の特定層抽出／ノイズ除去部にて光立体構造像より特定層を抽出すると共に光立体構造像のノイズを除去する具体的な手順の一例を説明するための図であり、図６は図３の特定層抽出／ノイズ除去部により抽出された特定層の投影図である。
【００６５】
図５（Ａ）において、例えば、生体における食道は、上層から、粘膜表面１５０、薄い上皮層１５１、強散乱の基底膜１５２、やや強い散乱の粘膜固有層１５３、やや低散乱の粘膜筋板１５４、強散乱の粘膜下層１５５、筋層（不図示）というような層構造を有している。
【００６６】
癌が上皮層１５１に発生すると、上皮層１５１の厚みが増大し上皮層１５１に肥厚が現れる。そして癌はまず基底膜１５２を破り粘膜固有層１５３に浸潤し、さらに進行すると粘膜筋板１５４、粘膜下層１５５、筋層へと浸潤深さが深くなる。癌の浸潤有無を見分けるために、基底膜１５２より下に浸潤しているかどうかの見極めが重要となる。
【００６７】
図５（Ａ）に示す食道の粘膜組織を光立体構造画像化装置１によりＯＣＴ計測を行うと、光立体構造画像化装置１は、図５（Ｂ）のような干渉情報の信号強度情報を得ることができる。なお図５（Ｂ）においては説明を簡略化するため、食道の積層の深さ方向を有する断面における、粘膜表面１５０、上皮層１５１、基底膜１５２の干渉情報の信号強度情報である粘膜表面強度情報１５０ａ、上皮層強度情報１５１ａ、基底膜強度情報１５２ａを模式的に示している。
【００６８】
図５（Ａ）に示すように、例えば上皮層１５１には毛細血管１５６等があるために、図５（Ｂ）に示すように、上皮層強度情報１５１ａには毛細血管１５６に応じた毛細血管強度情報１５６ａが検出される。この毛細血管強度情報１５６ａはＯＣＴ計測時に下層に対して影となり基底膜強度情報１５２ａには強度情報が欠落した欠落部分１５８ａが発生する。さらに、上皮層強度情報１５１ａには、ノイズ成分１５７ａが発生する場合もある。
【００６９】
このため、特定層抽出／ノイズ除去部１２１は、ステップＳ２にて干渉情報の信号強度情報より、粘膜表面１５０、上皮層１５１、基底膜１５２の構造情報である、粘膜表面構造情報１５０ｂ、上皮層構造情報１５１ｂ、基底膜構造情報１５２ｂを抽出する。
【００７０】
これらの構造情報を抽出した場合には、図５（Ｃ）に示すように上皮層構造情報１５１ｂ内に毛細血管あるいはノイズによる小さな領域の構造情報１５６ｂ、１５７ｂを抽出すると共に、基底膜構造情報１５２ｂにおいては毛細血管等により影となる欠落した欠落領域１５８ｂを抽出する。
【００７１】
特定層抽出／ノイズ除去部１２１は、ステップＳ２において、連続した構造情報の範囲の大きさ（図５（Ｃ）の場合は連続した構造情報の長さ）と閾値／基準値格納部１２５に格納されている所定の閾値とを比較することで、連続した構造情報の範囲の大きさが所定の閾値以上の場合には光立体構造像生成部１２０より構築された光立体構造像の特定層領域である粘膜表面１５０、上皮層１５１、基底膜１５２を抽出する。なお、欠落領域１５８ｂは上皮層１５１と共に抽出される。
【００７２】
さらに、特定層抽出／ノイズ除去部１２１は、ステップＳ３において、連続した構造情報の範囲の大きさがと所定の閾値未満の場合にはノイズ領域として測定対象Ｔの構造情報のノイズ領域を抽出する。そして、特定層抽出／ノイズ除去部１２１は、このノイズ領域を光立体構造像から除去する。すなわち、このステップＳ３の処理により、特定層抽出／ノイズ除去部１２１は、図５（Ｃ）に示した小さな領域の構造情報１５６ｂ、１５７ｂをノイズ領域として光立体構造像から除去する。
【００７３】
このようなステップＳ２、Ｓ３の処理により、特定層抽出／ノイズ除去部１２１は、図５（Ｄ）のように、構造情報１５６ｂ、１５７ｂからなるノイズ領域を除去した、粘膜表面領域１５０Ａ、上皮層領域１５１Ａ、基底膜領域１５２Ａを抽出する。なお、欠落領域１５８Ａは上皮層領域１５１Ａと共に抽出される。
【００７４】
以上、説明の簡略化のため、図５においては２次元断面像を用いて説明したが、特定層抽出／ノイズ除去部１２１は、具体的には、上記ステップＳ２、Ｓ３の処理を光立体構造像全体に対して実行する。
【００７５】
すなわち、特定層抽出／ノイズ除去部１２１は、まず、深さ方向に向かって干渉情報の信号強度情報の高くなる点（抽出点）を抽出する。これを３次元像全体に対して行う。
【００７６】
抽出点は、隣接している抽出点をまとまることで、いくつかの抽出領域を形成する。それぞれの抽出領域毎に、特定層抽出／ノイズ除去部１２１は、連続性のある層（例えば、粘膜表面領域１５０Ａ、上皮層領域１５１Ａ、基底膜領域１５２Ａ）とそれ以外の構造物（例えば、構造情報１５６ｂ、１５７ｂ：図５（Ｃ）参照））とを分離する。
【００７７】
そして、特定層抽出／ノイズ除去部１２１は、それぞれの抽出領域を、上面から見た図６に示すような投影図１７０において、投影図１７０の面積（連続した構造情報の範囲の大きさ）がある一定面積（閾値／基準値格納部１２５に格納されている所定の閾値）以上の場合は、連続性のある層（例えば、粘膜表面領域１５０Ａ、上皮層領域１５１Ａ、基底膜領域１５２Ａ）とし、それ以外（例えば、構造情報１５６ｂ、１５７ｂ：図５（Ｃ）参照）はノイズ領域と見なして除去する。
【００７８】
図４に戻り、次に、制御部９４は、欠落領域抽出部１２２にて例えば図６に示した基底膜領域１５２Ａの投影図１７０上に発生した複数の欠落領域１５８Ａを抽出する（ステップＳ４）。
【００７９】
次に、制御部９４は、欠落領域範囲算出部１２３において欠落領域抽出部１２２にて抽出した欠落領域１５８Ａの大きさ、例えば面積を算出する（ステップＳ５）。
【００８０】
そして、制御部９４は、関心領域分類部１２４において欠落領域範囲算出部１２３にて算出した欠落領域１５８Ａの大きさを閾値／基準値格納部１２５からの所定の範囲判定基準値と比較し、欠落領域１５８Ａを欠落範囲の大きさに応じた複数の関心領域（例えば、新生血管領域、微小癌浸潤領域、進行癌浸潤領域等）に分類する（ステップＳ６）。
【００８１】
具体的には、関心領域分類部１２４は、投影図１７の内部にある欠落領域１５８Ａに対して、例えばその直径に応じたクラスの関心領域に分類する。例えば、関心領域分類部１２４は、径１０ミクロン未満を関心領域Ａ（例えば、正常な毛細血管領域orノイズ）、径１０ミクロン以上２００ミクロン未満を関心領域Ｂ（例えば、新生血管領域）、径２００ミクロン以上１ｍｍ未満を関心領域Ｃ（例えば、微小浸潤領域）、径１ｍｍ以上を関心領域Ｄ（例えば、進行浸潤領域）等に分類する。
【００８２】
次に、制御部９４は、属性付加／制御部１２６において特定層抽出／ノイズ除去部１２１にて抽出された特定層領域（粘膜表面領域１５０Ａ、上皮層領域１５１Ａ、基底膜領域１５２Ａ）及び関心領域分類部１２４により分類された各関心領域に属性を付加・設定する（ステップＳ７）。例えば色属性を特定層領域及び各関心領域に付加・設定する。
【００８３】
そして、制御部９４は、レンダリング部１２７において光立体構造像生成部１２０にて生成された光立体構造像、特定層抽出／ノイズ除去部１２１にて抽出された特定層領域及び関心領域分類部１２４により分類された関心領域の構造情報をレンダリング処理してコンピュータグラフィック画像を生成する（ステップＳ８）。なお、レンダリング部１２７は、属性付加／制御部１２６に付加・設定された特定層領域及び関心領域の属性に基づき、特定層領域及び関心領域を識別可能にコンピュータグラフィック画像を構築する。すなわち、レンダリング部１２７は、特定層領域及び関心領域の属性に基づき、例えば異なる色付け処理、あるいは強調処理を実行しコンピュータグラフィック画像を構築する。
【００８４】
そして、制御部９４は、レンダリング部１２７にて構築したコンピュータグラフィック画像をモニタ１００に出力し、モニタ１００にコンピュータグラフィック画像を表示させる（ステップＳ９）。
【００８５】
上記のステップＳ６〜Ｓ８の処理を以下の実施例１〜にて具体的に説明する。
【００８６】
＜実施例１＞
図７は実施例１における図３の属性付加／制御部による特定層からの関心領域Ａの消去を説明する図であり、図８は実施例１における図３のレンダリング部により生成されるコンピュータグラフィック画像の一例を示す図である。
【００８７】
図５及び図６にて説明した基底膜領域１５２Ａ上の欠落領域１５８ｂの場合は、関心領域分類部１２４は、ステップＳ６にて欠落領域１５８ｂを例えば１０ミクロン未満を関心領域Ａ（例えば、正常な毛細血管領域orノイズ）と分類する。
【００８８】
属性付加／制御部１２６は、ステップＳ７にて関心領域Ａに対しては基底膜領域１５２Ａと同じ属性を付加することで、図７に示すように、基底膜領域１５２Ａから関心領域Ａ（欠落領域１５８ｂ）を消去する。
【００８９】
これにより、レンダリング部１２７は、ステップＳ８にて図８に示すように、光立体構造像生成部１２０にて生成された光立体構造像に色属性が付加された特定層領域（粘膜表面領域１５０Ａ、上皮層領域１５１Ａ、基底膜領域１５２Ａ）をレンダリングしてコンピュータグラフィック画像１４０を生成する。この場合のコンピュータグラフィック画像１４０は、基底膜領域１５２Ａからは欠落領域１５８が消去されることとなる。
【００９０】
＜実施例２＞
図９は図５の手順の実施例２を説明するための図であり、図１０は図３の特定層抽出／ノイズ除去部により抽出された実施例２における特定層の投影図である。また、図１１は図３の属性付加／制御部による特定層での関心領域の実施例２における処理を説明する図であり、図１２は図３のレンダリング部により生成される実施例２におけるコンピュータグラフィック画像の一例を示す図である。ここで、図９（Ａ）〜（Ｄ）での処理内容は図６（Ａ）〜（Ｄ）での処理内容と同じであるので、説明は省略する。
【００９１】
図９に示すように、基底膜領域１５２Ａに癌が浸潤し基底膜領域１５２Ａの一部が喪失した場合は、関心領域分類部１２４は、ステップＳ６にて喪失による欠落領域１８０ｂを例えば径１ｍｍ以上を関心領域Ｄ（例えば、進行浸潤領域）と分類する。なお、関心領域分類部１２４は、図９（Ａ）〜（Ｄ）での欠落領域１５８ｂについては実施例１と同様に例えば１０ミクロン未満を関心領域Ａ（例えば、正常な毛細血管領域orノイズ）と分類する。
【００９２】
特定層抽出／ノイズ除去部１２１は、それぞれの抽出領域を、上面からの見た図１０に示すような投影図１７０において、投影図１７０の面積（連続した構造情報の範囲の大きさ）がある一定面積（閾値／基準値格納部１２５に格納されている所定の閾値）以上の場合は、連続性のある層（例えば、粘膜表面領域１５０Ａ、上皮層領域１５１Ａ、基底膜領域１５２Ａ）とし、それ以外（例えば、構造情報１５６ｂ、１５７ｂ）は、ノイズ領域と見なして除去する。
【００９３】
属性付加／制御部１２６は、投影図１７０にて関心領域Ａに対しては基底膜領域１５２Ａと同じ属性を付加することで、図１１に示すように、基底膜領域１５２Ａから関心領域Ａ（欠落領域１５８）を消去すると共に、欠落領域１８０ｂは径１ｍｍ以上の関心領域Ｄ（進行浸潤領域）として基底膜領域１５２Ａ上に残す（ステップＳ７）。
【００９４】
これにより、レンダリング部１２７は、ステップＳ８にて図１２に示すように、光立体構造像生成部１２０にて生成された光立体構造像に例えば識別可能な色属性が付加された特定層領域（粘膜表面領域１５０Ａ、上皮層領域１５１Ａ、基底膜領域１５２Ａ）をレンダリングしてコンピュータグラフィック画像１４０を生成する。この場合のコンピュータグラフィック画像１４０は、基底膜領域１５２Ａからは欠落領域１５８が消去され、基底膜領域１５２Ａ上には例えば識別可能な色属性が付加された関心領域Ｄ（欠落領域１８０ｂ）としての進行浸潤領域がレンダリングされることとなる。
【００９５】
＜実施例３＞
図１３は図３の特定層抽出／ノイズ除去部により抽出された実施例３における特定層の投影図である。また、図１４は図３のレンダリング部により生成される実施例３におけるコンピュータグラフィック画像の一例を示す図である。
【００９６】
食道の早期癌の場合、新生血管は、粘膜下層から基底膜を通り抜けて粘膜上皮層に伸び、ＩＰＣＬ（上皮乳頭血管ループ）を形成する。癌が進行すると、基底膜をやぶり、癌が粘膜下層に入り込む。新生血管は、癌に向かってランダムな方向で形成される。通常の内視鏡検査では、表面から透けて見える新生血管の密度分布や形状から癌のグレードを判定する手法が行われているが粘膜表面近くまで来ている新生血管を見ているにすぎない。
【００９７】
実施例３では、生体内部の新生血管の分布の見極めや、新生血管による基底膜の状態を観察するための実施例である。
【００９８】
関心領域分類部１２４は、ステップＳ６にて欠落領域を例えば関心領域Ａ〜Ｄに分類する。
【００９９】
属性付加／制御部１２６は、投影図１７０にて関心領域Ａに対しては基底膜領域１５２Ａと同じ属性を付加することで、図１３に示すように、基底膜領域１５２Ａから関心領域Ａ（欠落領域１５８）を消去すると共に、欠落領域１９０ｂは径１０ミクロン以上２００ミクロン未満の関心領域Ｂ（新生血管領域）、欠落領域１９１ｂは径２００ミクロン以上１ｍｍ未満の関心領域Ｃ（微小浸潤領域）、欠落領域１９２ｂは径１ｍｍ以上の関心領域Ｄ（進行浸潤領域）として基底膜領域１５２Ａ上に残す（ステップＳ７）。
【０１００】
これにより、レンダリング部１２７は、ステップＳ８にて図１４に示すように、光立体構造像生成部１２０にて生成された光立体構造像に例えば識別可能な色属性が付加された特定層領域（粘膜表面領域１５０Ａ、上皮層領域１５１Ａ、基底膜領域１５２Ａ）をレンダリングしてコンピュータグラフィック画像１４０を生成する。この場合のコンピュータグラフィック画像１４０は、基底膜領域１５２Ａからは欠落領域１５８が消去され、基底膜領域１５２Ａ上には例えば識別可能な色属性が付加された関心領域Ｂ〜Ｄ（欠落領域１９０ｂ、欠落領域１９１ｂ、欠落領域１９２ｂ）としての新生血管領域、微小浸潤領域、進行浸潤領域がレンダリングされることとなる。
【０１０１】
図１５は図３の属性付加／制御部が生成する新生血管の分布像を示す図であり、図１６は図１５の新生血管の分布像を基底膜領域に重畳させた場合の図であり、さらに図１７は図１５の新生血管の分布像をレンダリングしたコンピュータグラフィック画像を示す図である。
【０１０２】
なお、実施例３の属性付加／制御部１２６は、図１５に示すように、新生血管の分布を分布像２００として生成し、この新生血管の分布像２００を図１６に示すように、基底膜領域１５２Ａの投影図１７０に重畳させることができる。これによりレンダリング部１２７は、基底膜上での新生血管の分布状態が容易に認識可能な図１７に示すようなコンピュータグラフィック画像１４０を生成することが可能となり、癌診断をより確実に行うことができる。
【０１０３】
この実施例３では、特に基底膜の構造から、新生血管の密度、浸潤の状態をわかりやすく表示できる。浅い領域にある構造物による深部の不明瞭化領域においても、層構造の抽出がより確実に行われる。また、眼内の新生血管が原因となっている加齢黄斑変性や糖尿病網膜症、網膜静脈閉塞症、血管新生緑内障の診断にも有効である。この場合、基底膜のかわりに網膜を抽出して観察する。
【０１０４】
以上のように、本実施形態及びその実施例１〜３において説明したように、特に以下のような効果を得ることができる。
【０１０５】
（１）生体構造が病変により変化しても、特定の層を抽出しやすい。
【０１０６】
（２）浅い領域にある構造物による深部の不明瞭化領域においても、層構造の抽出がより確実に行われる。
【０１０７】
（３）癌による層構造の連続性の喪失を判別しやすい。
【０１０８】
このように本実施形態によれば、層構造を有する測定対象の構造情報から層領域の連続性が容易に識別でき、また浅い層領域にある構造物により深部の不明瞭化した層領域の構造情報を確実に抽出することできる。
【０１０９】
図１８は内視鏡画像に図１１の投影図に重畳した図である。本実施形態及びその実施例１〜３においては、プローブ４０を内視鏡の鉗子チャンネルに挿入して、内視鏡画像観察とＯＣＴ計測を行う場合には、図１８に示すように、レンダリング部１２７は、内視鏡画像３００上に投影図１７０を半透明な状態で重畳させることができる。そして、レンダリング部１２７は、このような内視鏡画像３００上で投影図１７０を半透明な状態で重畳させた画像をモニタ１００に表示させることで、より癌診断を向上させることが可能となる。
【０１１０】
なお、癌のスクリーニングに公知のＮＢＩ（Ｎａｒｒｏｗ Ｂａｎｄ Ｉｍａｇｉｎｇ）と呼ばれる手法や公知のＦＩＣＥ（Ｆｌｅｘｉｂｌｅ ｓｐｅｃｔｒａｌ Ｉｍａｇｉｎｇ Ｃｏｌｏｒ Ｅｎｈａｎｃｅｍｅｎｔ）と呼ばれる手法がある。これらは、青、緑の波長域を画像化することで、病変部の特徴を視認しやすくする手法である。このＮＢＩ／ＦＩＣＥ画像に投影図１７０を半透明な状態で重畳させた画像をモニタ１００に表示させるようにしてもよい。
【０１１１】
以上、本発明の光立体構造計測装置について詳細に説明したが、本発明は、以上の例には限定されず、本発明の要旨を逸脱しない範囲において、各種の改良や変形を行ってもよいのはもちろんである。
【０１１２】
食道の基底膜を例として説明したが、他の消化管、例えば胃、小腸、大腸などでは、粘膜筋板を抽出すると、その浸潤をわかりやすく視認させる事ができる。あるいは、基底膜の存在する口腔、舌、咽頭、胃、小腸、大腸、胆管などの消化管や、鼻腔、喉頭、気管支などの呼吸器、膀胱、尿管、尿道などの泌尿器、子宮、膣などの生殖器、皮膚などや、層構造のある眼底など、特定の膜あるいは層の構造に異変をきたす組織であれば、適用可能である。
【符号の説明】
【０１１３】
１…光立体構造画像化装置、１０…ＯＣＴ光源、３０…ＯＣＴ干渉計、４０…プローブ、７０…干渉情報検出部、９０…ＣＧ画像生成部、９１…メモリ、９３…信号処理部、９４…制御部、１００…モニタ、１２０…光立体構造像生成部、１２１…特定層抽出／ノイズ除去部、１２２…欠落領域抽出部、１２３…欠落領域範囲算出部、１２４…関心領域分類部、１２５…閾値／基準値格納部、１２６…属性付加／制御部、１２７…レンダリング部
【技術分野】
【０００１】
本発明は光立体構造計測装置及びその構造情報処理方法に係り、特に測定対象の構造情報の処理部分に特徴のある光立体構造計測装置及びその構造情報処理方法に関する。
【背景技術】
【０００２】
従来、生体組織の光断層画像を取得する際に、ＯＣＴ（Ｏｐｔｉｃａｌ Ｃｏｈｅｒｅｎｃｅ Ｔｏｍｏｇｒａｐｈｙ）計測を利用した光断層画像取得装置が用いられることがある。この光断層画像取得装置は、光源から射出された低コヒーレント光を測定光と参照光とに分割した後、該測定光が測定対象に照射されたときの測定対象からの反射光、もしくは後方散乱光と参照光とを合波し、該反射光と参照光との干渉光の強度に基づいて光断層画像を取得するものである（特許文献１）。以下、測定対象からの反射光、後方散乱光をまとめて反射光と標記する。
【０００３】
上記のＯＣＴ計測には、大きくわけてＴＤ−ＯＣＴ（Ｔｉｍｅ ｄｏｍａｉｎ ＯＣＴ）計測とＦＤ−ＯＣＴ（Ｆｏｕｒｉｅｒ Ｄｏｍａｉｎ ＯＣＴ）計測の２種類がある。ＴＤ−ＯＣＴ計測は、参照光の光路長を変更しながら干渉光強度を測定することにより、測定対象の深さ方向の位置（以下、深さ位置という）に対応した反射光強度分布を取得する方法である。
【０００４】
一方、ＦＤ−ＯＣＴ計測は、参照光と信号光の光路長は変えることなく、光のスペクトル成分毎に干渉光強度を測定し、ここで得られたスペクトル干渉強度信号を計算機にてフーリエ変換に代表される周波数解析を行うことで、深さ位置に対応した反射光強度分布を取得する方法である。ＴＤ−ＯＣＴに存在する機械的な走査が不要となることで、高速な測定が可能となる手法として、近年注目されている。
【０００５】
ＦＤ−ＯＣＴ計測を行う装置構成で代表的な物としては、ＳＤ−ＯＣＴ（Ｓｐｅｃｔｒａｌ Ｄｏｍａｉｎ ＯＣＴ）装置とＳＳ−ＯＣＴ（Ｓｗｅｐｔ Ｓｏｕｒｃｅ ＯＣＴ）の２種類が挙げられる。ＳＤ−ＯＣＴ装置は、ＳＬＤ（Ｓｕｐｅｒ Ｌｕｍｉｎｅｓｃｅｎｃｅ Ｄｉｏｄｅ）やＡＳＥ（Ａｍｐｌｉｆｉｅｄ Ｓｐｏｎｔａｎｅｏｕｓ Ｅｍｉｓｓｉｏｎ）光源、白色光といった広帯域の低コヒーレント光を光源に用い、マイケルソン型干渉計等を用いて、広帯域の低コヒーレント光を測定光と参照光とに分割した後、測定光を測定対象に照射させ、そのとき戻って来た反射光と参照光とを干渉させ、この干渉光をスペクトロメータを用いて各周波数成分に分解し、フォトダイオード等の素子がアレイ状に配列されたディテクタアレイを用いて各周波数成分毎の干渉光強度を測定し、これにより得られたスペクトル干渉強度信号を計算機でフーリエ変換することにより、光断層画像を構成するようにしたものである。
【０００６】
一方、ＳＳ−ＯＣＴ装置は、光周波数を時間的に掃引させるレーザを光源に用い、反射光と参照光とを各波長において干渉させ、光周波数の時間変化に対応した信号の時間波形を測定し、これにより得られたスペクトル干渉強度信号を計算機でフーリエ変換することにより光断層画像を構成するようにしたものである。
【０００７】
ところで、ＯＣＴ計測は上述したように特定の領域の光断層像を取得する方法であるが、内視鏡下では、例えば癌病変部を通常照明光内視鏡や特殊光内視鏡の観察により発見し、その領域をＯＣＴ測定することで、癌病変部がどこまで浸潤しているかを見わけることが可能となる。また、測定光の光軸を２次元的に走査することで、ＯＣＴ計測による深さ情報と合わせて３次元的な情報を取得することができる。
【０００８】
ＯＣＴ計測と３次元コンピュータグラフィック技術の融合により、マイクロメートルオーダの分解能を持つ３次元構造モデルを表示することが可能となる事から、以下ではこのＯＣＴ計測による３次元構造モデルを光立体構造像と呼ぶ。
【０００９】
ＯＣＴにより、例えば食道の癌深達度の観察が行われている。食道のＯＣＴ像では、手前から薄い上皮層と強散乱の基底膜、その奥にやや強い散乱の粘膜固有層が描出され、その下部にやや低散乱の粘膜筋板、強散乱の粘膜下層、そして低散乱の筋層が描出される。
【００１０】
癌の発生による組織構造変化の一例を説明すると、癌が上皮層に発生して増殖すると、上皮の肥厚が現れる。この時期、癌に向かって粘膜下層にある血管から新生血管が粘膜層に向けて伸び、基底膜を超えて癌細胞周辺に形成されることが知られている。癌が進行すると基底膜を破り固有層に浸潤し、さらに進行すると粘膜筋板、粘膜下層、筋層へと浸潤深さが深くなる。
【００１１】
基底膜を浸潤していない癌は「上皮内新生物」と呼ばれ、切除すれば完治する、というひとつの指標となる。早期癌をより早く見つけて、転移の危険性のないうちに低侵襲な治療をするために、基底膜より下に浸潤しているかどうかの見極めが大事である。基底膜を超えて浸潤している場合は、次の指標として粘膜筋板を超えているかどうかが重要となる。粘膜筋板を超えていない場合は、転移の確率が低いため、内視鏡下切除治療が選択される。一方、粘膜筋板を超えた場合は、転移の確率が高くなるため、開胸手術や放射線治療が選択される。早期癌をより低侵襲な治療をするために、粘膜筋板より下に浸潤しているかどうかの見極めが大事である。そこで、基底膜、あるいは粘膜筋板といった特定の膜、もしくは層のみ抽出して画像化する事が期待される。しかし、基底膜の状態を直接観察する方法はなかった。
【００１２】
ＯＣＴにより、例えば、眼底を例として、特定の散乱強度を抽出して、層構造を抽出する手法が開示されている（特許文献２）。層構造の抽出には、具体的には深さ方向の１次元微分フィルタ等を用いて層構造、もしくは層の境界部を抽出するとしている。眼底の場合、層構造が明確でありまた構造の変化が少ないため、この様な手法で抽出しても誤差は少ない。しかし、食道など消化管で行われている例はなかった。
【００１３】
癌が上皮層に発生すると、癌に向かって新生血管が粘膜層に形成される事が知られている。食道の早期癌の場合、新生血管は、粘膜下層から基底膜を通り抜けて粘膜上皮層に伸び、ＩＰＣＬ（上皮乳頭血管ループ）を形成する。癌が進行すると、基底膜をやぶり、癌が粘膜下層に入り込む。新生血管は、癌に向かってランダムな方向で形成される。通常の内視鏡検査では、表面から透けて見える新生血管の密度分布や形状から癌のグレードを判定する手法が行われている。
【先行技術文献】
【特許文献】
【００１４】
【特許文献１】特開２００８−１２８７０８号公報
【特許文献２】特開２００８−７３０９９号公報
【発明の概要】
【発明が解決しようとする課題】
【００１５】
ＯＣＴの断層像では、基底膜を示す信号が観察されている。しかしながら、食道粘膜の場合、粘膜内に基底膜と同様に強散乱を示す新生血管などの構造物による誤認識や、癌になると極端に肥厚する場合や血管などの比較的浅い層の構造物の影響によるそれ以降の深さの光強度の減衰により、抽出が困難となることがある。また、癌の浸潤により基底膜が喪失している場合もあるが、基底膜以外の層や構造物により現れる別の層と基底膜とが連続しているのか不連続なのかがわかりにくい、という欠点がある。
【００１６】
また、新生血管の分布は、癌の広がりを知るための有用な指標である。しかし、従来のＯＣＴ計測手法は、粘膜表面近くまで来ている新生血管の密度が、周辺の正常部と比較して際だっているかどうかを見ているにすぎない。一方、従来の内視鏡観察手法は、粘膜表面近くまで来ている新生血管を見ているにすぎない。
【００１７】
そのため、従来の手法では、例えば炎症を起こして充血しているような場合に新生血管との見分けが困難である、粘膜上に非癌粘膜が覆っている場合に視認性が悪い、といった欠点があった。例えば、新生血管が基底膜を超える時に作り出す穴を直接的に見ることができれば、生体内部の新生血管の分布をより精度良く見極められると期待されるが、このような方法はなかった。
【００１８】
本発明は、このような事情に鑑みてなされたもので、層構造を有する測定対象の構造情報から層領域の連続性が容易に識別でき、また浅い層領域にある構造物により深部の不明瞭化した層領域の構造情報を確実に抽出することのできる光立体構造計測装置及びその構造情報処理方法を提供することを目的とする。
【課題を解決するための手段】
【００１９】
前記目的を達成するために、請求項１に記載の光立体構造計測装置は、層構造を有する測定対象の積層の深さ方向に測定光を照射し、かつ前記測定光の光軸を２次元走査して前記測定対象の光立体構造情報を取得する光立体構造計測装置において、前記光立体構造情報を格納する光立体構造情報記憶手段と、前記光立体構造情報記憶手段に格納された前記光立体構造情報の情報値を所定の閾値と比較し、前記所定の閾値以上の前記光立体構造情報の情報値が連続した所定の範囲以上の領域を前記測定対象の特定層領域として抽出する特定層抽出手段と、前記特定層領域上にて、前記光立体構造情報の情報値が前記所定の閾値未満の領域を欠落領域として抽出する欠落領域抽出手段と、前記欠落領域の範囲の大きさを算出する欠落領域範囲算出手段と、前記欠落領域の範囲の大きさを複数の所定の範囲判定基準値と比較し、前記欠落領域を複数種類の関心領域に分類する関心領域分類手段と、を備えて構成される。
【００２０】
請求項１に記載の光立体構造計測装置では、前記特定層抽出手段が前記光立体構造情報記憶手段に格納された前記光立体構造情報の情報値を所定の閾値と比較し、前記所定の閾値以上の前記光立体構造情報の情報値が連続した所定の範囲以上の領域を前記測定対象の特定層領域として抽出し、前記欠落領域抽出手段が記特定層領域上にて前記光立体構造情報の情報値が前記所定の閾値未満の領域を欠落領域として抽出し、前記欠落領域範囲算出手段が前記欠落領域の範囲の大きさを算出し、前記関心領域分類手段が前記欠落領域の範囲の大きさを複数の所定の範囲判定基準値と比較し、前記欠落領域を複数種類の関心領域に分類することで、層構造を有する測定対象の構造情報から層領域の連続性が容易に識別でき、また浅い層領域にある構造物により深部の不明瞭化した層領域の構造情報を確実に抽出することができるという効果がある。
【００２１】
請求項２に記載の光立体構造計測装置のように、請求項１に記載の光立体構造計測装置であって、前記特定層抽出手段は、前記所定の閾値以上の前記光立体構造情報の情報値が連続した領域が前記所定の範囲未満の場合、該領域をノイズ領域として前記光立体構造情報より消去するノイズ領域消去手段を有することが好ましい。
【００２２】
請求項３に記載の光立体構造計測装置のように、請求項１または２に記載の光立体構造計測装置であって、前記光立体構造情報をレンダリング処理してコンピュータグラフィック画像を構築するコンピュータグラフィック画像構築手段をさらに備えることが好ましい。
【００２３】
請求項４に記載の光立体構造計測装置のように、請求項３に記載の光立体構造計測装置であって、前記特定層領域及び前記関心領域が識別可能な属性を前記特定層領域及び前記関心領域に付加する属性付加手段を備え、前記コンピュータグラフィック画像構築手段は、前記光立体構造情報をレンダリング処理して、少なくとも前記属性が付加された前記特定層領域及び前記関心領域を有する前記コンピュータグラフィック画像を構築することが好ましい。
【００２４】
請求項５に記載の光立体構造計測装置のように、請求項４に記載の光立体構造計測装置であって、前記コンピュータグラフィック画像構築手段は、前記コンピュータグラフィック画像構築手段は、前記測定対象の積層の深さ方向より前記特定層領域を投影した投影画像を前記コンピュータグラフィック画像として構築することが好ましい。
【００２５】
請求項６に記載の光立体構造計測装置のように、請求項４または５に記載の光立体構造計測装置であって、前記コンピュータグラフィック画像構築手段は、前記光立体構造情報をレンダリング処理して光立体構造画像を前記コンピュータグラフィック画像として構築することが好ましい。
【００２６】
請求項７に記載の光立体構造計測装置のように、請求項４ないし６のいずれか１つに記載の光立体構造計測装置であって、前記属性付加手段は、少なくとも前記所定の範囲判定基準値うちの最小範囲判定基準値未満の前記関心領域の属性を前記特定層領域の属性とする属性制御手段を有することが好ましい。
【００２７】
請求項８に記載の光立体構造計測装置のように、請求項７に記載の光立体構造計測装置であって、前記属性制御手段は、前記所定の範囲判定基準値うちの前記最小範囲判定基準値より大きな値の複数の範囲判定基準値に基づき、異なる複数の前記属性を前記関心領域分類手段が分類した前記関心領域毎に付加することが好ましい。
【００２８】
請求項９に記載の光立体構造計測装置のように、請求項１ないし８のいずれか１つに記載の光立体構造計測装置であって、前記測定対象は生体粘膜組織であり、前記関心領域分類手段は、前記所定の範囲判定基準値うちの第１の範囲判定基準値以上で、かつ前記第１の範囲判定基準値より大きい第２の範囲判定基準値未満の前記関心領域を新生血管領域に分類することが好ましい。
【００２９】
請求項１０に記載の光立体構造計測装置のように、請求項９に記載の光立体構造計測装置であって、前記関心領域分類手段は、前記所定の範囲判定基準値うちの前記第２の範囲判定基準値以上の前記関心領域を癌浸潤領域に分類することが好ましい。
【００３０】
請求項１１に記載の光立体構造計測装置のように、請求項９または１０に記載の光立体構造計測装置であって、前記関心領域分類手段が判定した前記新生血管領域の分布を前記特定層領域上に新生血管分布像として生成する新生血管分布像生成手段をさらに備えることが好ましい。
【００３１】
請求項１２に記載の光立体構造計測装置のように、請求項９ないし１１のいずれか１つに記載の光立体構造計測装置であって、前記特定層領域は、前記生体粘膜組織の基底膜領域及び粘膜筋板領域の少なくともいずれか一方の領域を含むことが好ましい。
【００３２】
請求項１３に記載の光立体構造計測装置の構造情報処理方法は、層構造を有する測定対象の積層の深さ方向に測定光を照射し、かつ前記測定光の光軸を２次元走査して前記測定対象の光立体構造情報を取得する光立体構造計測装置の構造情報処理方法において、前記光立体構造情報を格納する光立体構造情報記憶ステップと、前記光立体構造情報記憶ステップにて格納された前記光立体構造情報の情報値を所定の閾値と比較し、前記所定の閾値以上の前記光立体構造情報の情報値が連続した所定の範囲以上の領域を前記測定対象の特定層領域として抽出する特定層抽出ステップと、前記特定層領域上にて、前記光立体構造情報の情報値が前記所定の閾値未満の領域を欠落領域として抽出する欠落領域抽出ステップと、前記欠落領域の範囲の大きさを算出する欠落領域範囲算出ステップと、前記欠落領域の範囲の大きさを複数の所定の範囲判定基準値と比較し、前記欠落領域を複数種類の関心領域に分類する関心領域分類ステップと、を備えて構成される。
【００３３】
請求項１３に記載の光立体構造計測装置の構造情報処理方法では、前記特定層抽出ステップが前記光立体構造情報記憶ステップにて格納された前記光立体構造情報の情報値を所定の閾値と比較し、前記所定の閾値以上の前記光立体構造情報の情報値が連続した所定の範囲以上の領域を前記測定対象の特定層領域として抽出し、前記欠落領域抽出ステップが前記特定層領域上にて前記光立体構造情報の情報値が前記所定の閾値未満の領域を欠落領域として抽出し、前記欠落領域範囲算出ステップが前記欠落領域の範囲の大きさを算出し、前記関心領域分類ステップが前記欠落領域の範囲の大きさを複数の所定の範囲判定基準値と比較し、前記欠落領域を複数種類の関心領域に分類することで、層構造を有する測定対象の構造情報から層領域の連続性が容易に識別でき、また浅い層領域にある構造物により深部の不明瞭化した層領域の構造情報を確実に抽出することができるという効果がある。
【発明の効果】
【００３４】
以上説明したように、本発明によれば、層構造を有する測定対象の構造情報から層領域の連続性が容易に識別でき、また浅い層領域にある構造物により深部の不明瞭化した層領域の構造情報を確実に抽出することができるという効果がある。
【図面の簡単な説明】
【００３５】
【図１】本発明の実施形態に係る光立体構造画像化装置の構成を示すブロック図
【図２】図１の光立体構造画像化装置において走査手段の変形例を示す図
【図３】図１の信号処理部の構成を示すブロック図
【図４】図１の光立体構造画像化装置の３次元ＣＧ画像生成処理の流れを示すフローチャート
【図５】図３の特定層抽出／ノイズ除去部にて光立体構造像より特定層を抽出すると共に光立体構造像のノイズを除去する具体的な手順の一例を説明するための図
【図６】図３の特定層抽出／ノイズ除去部により抽出された特定層の投影図
【図７】実施例１における図３の属性付加／制御部による特定層からの関心領域Ａの消去を説明する図
【図８】実施例１における図３のレンダリング部により生成されるコンピュータグラフィック画像の一例を示す図
【図９】図５の手順の実施例２を説明するための図
【図１０】図３の特定層抽出／ノイズ除去部により抽出された実施例２における特定層の投影図
【図１１】図３の属性付加／制御部による特定層での関心領域の実施例２における処理を説明する図
【図１２】図３のレンダリング部により生成される実施例２におけるコンピュータグラフィック画像の一例を示す図
【図１３】図３の特定層抽出／ノイズ除去部により抽出された実施例３における特定層の投影図
【図１４】図３のレンダリング部により生成される実施例３におけるコンピュータグラフィック画像の一例を示す図
【図１５】図３の属性付加／制御部が生成する新生血管の分布像を示す図
【図１６】図１５の新生血管の分布像を基底膜領域に重畳させた場合の図
【図１７】図１５の新生血管の分布像をレンダリングしたコンピュータグラフィック画像を示す図
【図１８】内視鏡画像に図１１の投影図に重畳した図
【発明を実施するための形態】
【００３６】
以下、添付図面を参照して、本発明に係る光立体構造計測装置としての光立体構造画像化装置の実施の形態について詳細に説明する。
【００３７】
図１は本発明の実施形態に係る光立体構造画像化装置の構成を示すブロック図である。図１に示すように、光立体構造計測装置である光立体構造画像化装置１は、例えば体腔内の生体組織や細胞等の測定対象の断層画像を例えば波長１．３μｍを中心とするＳＳ−ＯＣＴ計測により取得するものであって、ＯＣＴ光源１０、干渉情報検出部７０を有するＯＣＴ干渉計３０、プローブ４０、ＣＧ画像生成部９０及びモニタ１００を備えて構成される。
【００３８】
ＯＣＴ光源１０は周波数を一定の周期で掃引させながら赤外領域のレーザ光Ｌを射出する光源である。
【００３９】
ＯＣＴ光源１０から射出されたレーザ光Ｌは、ＯＣＴ干渉計３０内の光分波部３により測定光Ｌ１と参照光Ｌ２とに分波される。光分波部３は、例えば、分岐比９０：１０の光カプラから構成され、測定光：参照光＝９０：１０の割合で分波する。
【００４０】
ＯＣＴ干渉計３０では、光分波部３により分波された参照光Ｌ２は、サーキュレータ５ａを介して参照光調整手段としての光路長調整部８０により光路長が調整されて反射される。
【００４１】
この光路長調整部８０は、断層画像の取得を開始する位置を調整するために参照光Ｌ２の光路長を変更するものであり、コリメータレンズ８１、８２および反射ミラー８３を有している。そして、サーキュレータ５ａからの参照光Ｌ２はコリメータレンズ８１、８２を透過した後に反射ミラー８３により反射され、参照光Ｌ２の戻り光Ｌ２ａは再びコリメータレンズ８１、８２を介してサーキュレータ５ａに入射される。
【００４２】
ここで、反射ミラー８３は可動ステージ８４上に配置されており、可動ステージ８４はミラー移動部８５により矢印Ａ方向に移動可能に設けられている。そして可動ステージ８４が矢印Ａ方向に移動することにより、参照光Ｌ２の光路長が変更するようになっている。そして、光路長調整部８０からの参照光Ｌ２の戻り光Ｌ２ａは、サーキュレータ５ａを介して光合分波部４に導光される。
【００４３】
一方、光分波部３により分波された測定光Ｌ１は、サーキュレータ５ｂ及び光ファイバＦＢを介してプローブ４０に導光される。プローブ４０の出射端から測定光Ｌ１が出射されて測定対象Ｔに照射され、その戻り光Ｌ３が再びプローブ４０に入射し、サーキュレータ５ｂに戻ってくる。
【００４４】
プローブ４０は、入射された測定光Ｌ１を光学ロータリコネクタ部４１を介して測定対象Ｔまで導光し、測定対象Ｔに照射する。また、プローブ４０は、測定光Ｌ１が測定対象Ｔに照射されたときの測定対象Ｔからの戻り光Ｌ３を導光する。
【００４５】
測定対象Ｔの深さ方向をＺ、プローブの長手軸方向をＸ、ＺＸ面に直角な方向をＹとすると、プローブ４０は、走査手段としての光走査部４２内の図示しないモータにより、光学ロータリコネクタ部４１から先のファイバ部が回転する構成となっており、それにより測定対象Ｔ上において円周状に測定光Ｌ１を走査するようになっており、これによりＺＹ平面の２次元断層画像が計測可能となっている。さらに、光走査部４２内の図示しないモータによりプローブ４０の先端が測定光Ｌ１の走査円が形成する平面に対して垂直な方向Ｘに進退走査することにより、ＸＹＺの３次元断層画像の計測が可能となっている。また、プローブ４０は、図示しない光コネクタにより光ファイバＦＢに対して着脱可能に取り付けられている。
【００４６】
図２は図１の光立体構造画像化装置において走査手段の変形例を示す図である。
【００４７】
勿論、プローブ先端形状や走査方向はこれに限る物ではなく、例えば、ファイバ先端側に図２に示すように、レンズＬ及びガルバノミラー等の高速走査ミラーＭを配置した光送受部９００を設け、高速走査ミラーＭにより２次元走査を行ってもよいし、ステージ（図示せず）によって進退走査するように集光手段及び走査手段を構成してもよい。あるいは、測定対象をステージによって２次元的に走査してもよい。あるいは、これら光軸走査機構、および測定試料移動機構を組み合わせて構成してもよい。ＯＣＴ装置の光軸走査は、このようにガルバノミラーを用いたものでも、ステージによって走査するタイプでも、どれでもよい。プローブの場合、偏向ミラーのみモータで回転させても、ファイバに固定して、ファイバ毎回転させてもよい。回転に限らず、ＭＥＭＳ（Ｍｉｃｒｏ Ｅｌｅｃｔｒｏ Ｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍｓ）ミラーを用いて線形走査させてもよい。
【００４８】
測定対象Ｔからの反射光（あるいは後方散乱光）Ｌ３は、ＯＣＴ干渉計３０に導光され、ＯＣＴ干渉計３０にてサーキュレータ５ｂを介して光合分波部４に導光される。そして、この光合分波部４において測定光Ｌ１の反射光（あるいは後方散乱光）Ｌ３と参照光Ｌ２の戻り光Ｌ２ａとを合波し干渉情報検出部７０側に射出するようになっている。
【００４９】
干渉情報検出部７０は、光合分波部４により合波された測定光Ｌ１の反射光（あるいは後方散乱光）Ｌ３と参照光Ｌ２の戻り光Ｌ２ａとの干渉光Ｌ５を、所定のサンプリング周波数で検出するものであり、干渉光Ｌ５の光強度を測定するＩｎＧａＡｓフォトディテクタ７１ａおよび７１ｂと、ＩｎＧａＡｓフォトディテクタ７１ａの検出値とＩｎＧａＡｓフォトディテクタ７１ｂの検出値のバランス検波を行なう干渉光検出部７２とを備えている。なお、干渉光Ｌ５は、光合分波部４において２分され、ＩｎＧａＡｓフォトディテクタ７１ａおよび７１ｂにおいて検出され、干渉光検出部７２に出力される。干渉光検出部７２は、ＯＣＴ光源１０の掃引トリガ信号Ｓに同期して、干渉光Ｌ５をフーリエ変換することにより、測定対象Ｔの各深さ位置における反射光（あるいは後方散乱光）Ｌ３の強度を検出する。
【００５０】
ＣＧ画像生成部９０は、干渉光検出部７２により検出された測定対象Ｔの各深さ位置における反射光（あるいは後方散乱光）Ｌ３の強度を干渉情報の信号強度情報として光立体構造情報記憶手段としてのメモリ９１に格納する。ＣＧ画像生成部９０はメモリ９１のほかに、信号処理部９３、制御部９４を備えて構成される。信号処理部９３は、メモリ９１に格納された干渉情報の信号強度情報に基づいて測定対象Ｔの構造情報からなる光立体構造像を生成する。制御部９４は、信号処理部９３を制御すると共に、ＯＣＴ光源１０発光制御を行うと共に、ミラー移動部８５を制御する。
【００５１】
図３は図１の信号処理部の構成を示すブロック図である。信号処理部９３は、図３に示すように、光立体構造像生成部１２０、特定層抽出手段及びノイズ領域消去手段としての特定層抽出／ノイズ除去部１２１、欠落領域抽出手段としての欠落領域抽出部１２２、欠落領域範囲算出手段としての欠落領域範囲算出部１２３、関心領域分類手段としての関心領域分類部１２４、閾値／基準値格納部１２５、属性付加手段及び属性制御手段としての属性付加／制御部１２６及びコンピュータグラフィック画像構築手段としてのレンダリング部１２７を備えて構成される。
【００５２】
光立体構造像生成部１２０は、メモリ９１に格納された干渉情報の信号強度情報に基づいて測定対象Ｔの構造情報からなる光立体構造像を生成する。
【００５３】
特定層抽出／ノイズ除去部１２１は、連続した構造情報の範囲と所定の閾値とを比較することで、連続した構造情報の範囲と所定の閾値以上の場合には光立体構造像生成部１２０より構築された光立体構造像の特定層領域（例えば、基底膜領域、あるいは粘膜筋板領域）とすると共に、連続した構造情報の範囲と所定の閾値未満の場合にはノイズ領域として測定対象Ｔの構造情報のノイズ領域を抽出しこのノイズ領域を光立体構造像から除去する。
【００５４】
欠落領域抽出部１２２は、特定層抽出／ノイズ除去部１２１にて抽出した特定層領域上において構造情報が欠落している欠落領域を抽出する。
【００５５】
欠落領域範囲算出部１２３は、欠落領域抽出部１２２にて抽出した欠落範囲の大きさ、例えば面積を算出する。
【００５６】
関心領域分類部１２４は、欠落領域範囲算出部１２３にて算出した欠落範囲の大きさを所定の範囲判定基準値と比較し、欠落領域を欠落範囲の大きさに応じた複数の関心領域（例えば、新生血管領域、微小癌浸潤領域、進行癌浸潤領域等）分類する。
【００５７】
閾値／基準値格納部１２５は、特定層抽出／ノイズ除去部１２１にて使用する所定の閾値、関心領域分類部１２４にて使用する範囲判定基準値等を格納している。
【００５８】
属性付加／制御部１２６は、特定層抽出／ノイズ除去部１２１にて抽出された特定層領域及び関心領域分類部１２４により分類された関心領域に属性を付加・設定する。
【００５９】
レンダリング部１２７は、光立体構造像生成部１２０にて生成された光立体構造像、特定層抽出／ノイズ除去部１２１にて抽出された特定層領域及び関心領域分類部１２４により分類された関心領域の構造情報をレンダリング処理してコンピュータグラフィック画像を生成する。なお、レンダリング部１２７は、属性付加／制御部１２６に付加・設定された特定層領域及び関心領域の属性に基づき、特定層領域及び関心領域を識別可能にコンピュータグラフィック画像を構築する。すなわち、レンダリング部１２７は、特定層領域及び関心領域の属性に基づき、例えば異なる色付け処理、あるいは強調処理を実行し光立体構造ＣＧ画像等のコンピュータグラフィック画像を構築する。なお、レンダリング部１２７は構築したコンピュータグラフィック画像をモニタ１００に出力するようになっている。
【００６０】
次に、このように構成された本実施形態の光立体構造画像化装置１の作用を図４のフローチャートを用いて説明する。図４は図１の光立体構造画像化装置の３次元ＣＧ画像生成処理の流れを示すフローチャートである。
【００６１】
図４に示すように、制御部９４は、光立体構造像生成部１２０にてメモリ９１に格納された干渉情報の信号強度情報に基づいて測定対象Ｔの構造情報からなる光立体構造像を生成する（ステップＳ１）。なお、光立体構造像生成部１２０は、連続性の判定に適した大きさ以下の高周波のノイズを除去するため、ローパスフィルタ、あるいは平均化処理などのノイズ除去手段を行う。
【００６２】
次に、制御部９４は、特定層抽出／ノイズ除去部１２１にて閾値／基準値格納部１２５からの所定の閾値に基づいて、光立体構造像生成部１２０より構築された光立体構造像の層構造の構造情報を抽出する（ステップＳ２）。
【００６３】
さらに、制御部９４は、特定層抽出／ノイズ除去部１２１にて閾値／基準値格納部１２５からの所定の閾値に基づいて、測定対象Ｔの干渉情報の信号強度情報のノイズ情報を抽出しこのノイズ情報を光立体構造像から除去する（ステップＳ３）。
【００６４】
このステップＳ２及びＳ３の処理の詳細について、図５ないし図７を用いて説明する。図５は図３の特定層抽出／ノイズ除去部にて光立体構造像より特定層を抽出すると共に光立体構造像のノイズを除去する具体的な手順の一例を説明するための図であり、図６は図３の特定層抽出／ノイズ除去部により抽出された特定層の投影図である。
【００６５】
図５（Ａ）において、例えば、生体における食道は、上層から、粘膜表面１５０、薄い上皮層１５１、強散乱の基底膜１５２、やや強い散乱の粘膜固有層１５３、やや低散乱の粘膜筋板１５４、強散乱の粘膜下層１５５、筋層（不図示）というような層構造を有している。
【００６６】
癌が上皮層１５１に発生すると、上皮層１５１の厚みが増大し上皮層１５１に肥厚が現れる。そして癌はまず基底膜１５２を破り粘膜固有層１５３に浸潤し、さらに進行すると粘膜筋板１５４、粘膜下層１５５、筋層へと浸潤深さが深くなる。癌の浸潤有無を見分けるために、基底膜１５２より下に浸潤しているかどうかの見極めが重要となる。
【００６７】
図５（Ａ）に示す食道の粘膜組織を光立体構造画像化装置１によりＯＣＴ計測を行うと、光立体構造画像化装置１は、図５（Ｂ）のような干渉情報の信号強度情報を得ることができる。なお図５（Ｂ）においては説明を簡略化するため、食道の積層の深さ方向を有する断面における、粘膜表面１５０、上皮層１５１、基底膜１５２の干渉情報の信号強度情報である粘膜表面強度情報１５０ａ、上皮層強度情報１５１ａ、基底膜強度情報１５２ａを模式的に示している。
【００６８】
図５（Ａ）に示すように、例えば上皮層１５１には毛細血管１５６等があるために、図５（Ｂ）に示すように、上皮層強度情報１５１ａには毛細血管１５６に応じた毛細血管強度情報１５６ａが検出される。この毛細血管強度情報１５６ａはＯＣＴ計測時に下層に対して影となり基底膜強度情報１５２ａには強度情報が欠落した欠落部分１５８ａが発生する。さらに、上皮層強度情報１５１ａには、ノイズ成分１５７ａが発生する場合もある。
【００６９】
このため、特定層抽出／ノイズ除去部１２１は、ステップＳ２にて干渉情報の信号強度情報より、粘膜表面１５０、上皮層１５１、基底膜１５２の構造情報である、粘膜表面構造情報１５０ｂ、上皮層構造情報１５１ｂ、基底膜構造情報１５２ｂを抽出する。
【００７０】
これらの構造情報を抽出した場合には、図５（Ｃ）に示すように上皮層構造情報１５１ｂ内に毛細血管あるいはノイズによる小さな領域の構造情報１５６ｂ、１５７ｂを抽出すると共に、基底膜構造情報１５２ｂにおいては毛細血管等により影となる欠落した欠落領域１５８ｂを抽出する。
【００７１】
特定層抽出／ノイズ除去部１２１は、ステップＳ２において、連続した構造情報の範囲の大きさ（図５（Ｃ）の場合は連続した構造情報の長さ）と閾値／基準値格納部１２５に格納されている所定の閾値とを比較することで、連続した構造情報の範囲の大きさが所定の閾値以上の場合には光立体構造像生成部１２０より構築された光立体構造像の特定層領域である粘膜表面１５０、上皮層１５１、基底膜１５２を抽出する。なお、欠落領域１５８ｂは上皮層１５１と共に抽出される。
【００７２】
さらに、特定層抽出／ノイズ除去部１２１は、ステップＳ３において、連続した構造情報の範囲の大きさがと所定の閾値未満の場合にはノイズ領域として測定対象Ｔの構造情報のノイズ領域を抽出する。そして、特定層抽出／ノイズ除去部１２１は、このノイズ領域を光立体構造像から除去する。すなわち、このステップＳ３の処理により、特定層抽出／ノイズ除去部１２１は、図５（Ｃ）に示した小さな領域の構造情報１５６ｂ、１５７ｂをノイズ領域として光立体構造像から除去する。
【００７３】
このようなステップＳ２、Ｓ３の処理により、特定層抽出／ノイズ除去部１２１は、図５（Ｄ）のように、構造情報１５６ｂ、１５７ｂからなるノイズ領域を除去した、粘膜表面領域１５０Ａ、上皮層領域１５１Ａ、基底膜領域１５２Ａを抽出する。なお、欠落領域１５８Ａは上皮層領域１５１Ａと共に抽出される。
【００７４】
以上、説明の簡略化のため、図５においては２次元断面像を用いて説明したが、特定層抽出／ノイズ除去部１２１は、具体的には、上記ステップＳ２、Ｓ３の処理を光立体構造像全体に対して実行する。
【００７５】
すなわち、特定層抽出／ノイズ除去部１２１は、まず、深さ方向に向かって干渉情報の信号強度情報の高くなる点（抽出点）を抽出する。これを３次元像全体に対して行う。
【００７６】
抽出点は、隣接している抽出点をまとまることで、いくつかの抽出領域を形成する。それぞれの抽出領域毎に、特定層抽出／ノイズ除去部１２１は、連続性のある層（例えば、粘膜表面領域１５０Ａ、上皮層領域１５１Ａ、基底膜領域１５２Ａ）とそれ以外の構造物（例えば、構造情報１５６ｂ、１５７ｂ：図５（Ｃ）参照））とを分離する。
【００７７】
そして、特定層抽出／ノイズ除去部１２１は、それぞれの抽出領域を、上面から見た図６に示すような投影図１７０において、投影図１７０の面積（連続した構造情報の範囲の大きさ）がある一定面積（閾値／基準値格納部１２５に格納されている所定の閾値）以上の場合は、連続性のある層（例えば、粘膜表面領域１５０Ａ、上皮層領域１５１Ａ、基底膜領域１５２Ａ）とし、それ以外（例えば、構造情報１５６ｂ、１５７ｂ：図５（Ｃ）参照）はノイズ領域と見なして除去する。
【００７８】
図４に戻り、次に、制御部９４は、欠落領域抽出部１２２にて例えば図６に示した基底膜領域１５２Ａの投影図１７０上に発生した複数の欠落領域１５８Ａを抽出する（ステップＳ４）。
【００７９】
次に、制御部９４は、欠落領域範囲算出部１２３において欠落領域抽出部１２２にて抽出した欠落領域１５８Ａの大きさ、例えば面積を算出する（ステップＳ５）。
【００８０】
そして、制御部９４は、関心領域分類部１２４において欠落領域範囲算出部１２３にて算出した欠落領域１５８Ａの大きさを閾値／基準値格納部１２５からの所定の範囲判定基準値と比較し、欠落領域１５８Ａを欠落範囲の大きさに応じた複数の関心領域（例えば、新生血管領域、微小癌浸潤領域、進行癌浸潤領域等）に分類する（ステップＳ６）。
【００８１】
具体的には、関心領域分類部１２４は、投影図１７の内部にある欠落領域１５８Ａに対して、例えばその直径に応じたクラスの関心領域に分類する。例えば、関心領域分類部１２４は、径１０ミクロン未満を関心領域Ａ（例えば、正常な毛細血管領域orノイズ）、径１０ミクロン以上２００ミクロン未満を関心領域Ｂ（例えば、新生血管領域）、径２００ミクロン以上１ｍｍ未満を関心領域Ｃ（例えば、微小浸潤領域）、径１ｍｍ以上を関心領域Ｄ（例えば、進行浸潤領域）等に分類する。
【００８２】
次に、制御部９４は、属性付加／制御部１２６において特定層抽出／ノイズ除去部１２１にて抽出された特定層領域（粘膜表面領域１５０Ａ、上皮層領域１５１Ａ、基底膜領域１５２Ａ）及び関心領域分類部１２４により分類された各関心領域に属性を付加・設定する（ステップＳ７）。例えば色属性を特定層領域及び各関心領域に付加・設定する。
【００８３】
そして、制御部９４は、レンダリング部１２７において光立体構造像生成部１２０にて生成された光立体構造像、特定層抽出／ノイズ除去部１２１にて抽出された特定層領域及び関心領域分類部１２４により分類された関心領域の構造情報をレンダリング処理してコンピュータグラフィック画像を生成する（ステップＳ８）。なお、レンダリング部１２７は、属性付加／制御部１２６に付加・設定された特定層領域及び関心領域の属性に基づき、特定層領域及び関心領域を識別可能にコンピュータグラフィック画像を構築する。すなわち、レンダリング部１２７は、特定層領域及び関心領域の属性に基づき、例えば異なる色付け処理、あるいは強調処理を実行しコンピュータグラフィック画像を構築する。
【００８４】
そして、制御部９４は、レンダリング部１２７にて構築したコンピュータグラフィック画像をモニタ１００に出力し、モニタ１００にコンピュータグラフィック画像を表示させる（ステップＳ９）。
【００８５】
上記のステップＳ６〜Ｓ８の処理を以下の実施例１〜にて具体的に説明する。
【００８６】
＜実施例１＞
図７は実施例１における図３の属性付加／制御部による特定層からの関心領域Ａの消去を説明する図であり、図８は実施例１における図３のレンダリング部により生成されるコンピュータグラフィック画像の一例を示す図である。
【００８７】
図５及び図６にて説明した基底膜領域１５２Ａ上の欠落領域１５８ｂの場合は、関心領域分類部１２４は、ステップＳ６にて欠落領域１５８ｂを例えば１０ミクロン未満を関心領域Ａ（例えば、正常な毛細血管領域orノイズ）と分類する。
【００８８】
属性付加／制御部１２６は、ステップＳ７にて関心領域Ａに対しては基底膜領域１５２Ａと同じ属性を付加することで、図７に示すように、基底膜領域１５２Ａから関心領域Ａ（欠落領域１５８ｂ）を消去する。
【００８９】
これにより、レンダリング部１２７は、ステップＳ８にて図８に示すように、光立体構造像生成部１２０にて生成された光立体構造像に色属性が付加された特定層領域（粘膜表面領域１５０Ａ、上皮層領域１５１Ａ、基底膜領域１５２Ａ）をレンダリングしてコンピュータグラフィック画像１４０を生成する。この場合のコンピュータグラフィック画像１４０は、基底膜領域１５２Ａからは欠落領域１５８が消去されることとなる。
【００９０】
＜実施例２＞
図９は図５の手順の実施例２を説明するための図であり、図１０は図３の特定層抽出／ノイズ除去部により抽出された実施例２における特定層の投影図である。また、図１１は図３の属性付加／制御部による特定層での関心領域の実施例２における処理を説明する図であり、図１２は図３のレンダリング部により生成される実施例２におけるコンピュータグラフィック画像の一例を示す図である。ここで、図９（Ａ）〜（Ｄ）での処理内容は図６（Ａ）〜（Ｄ）での処理内容と同じであるので、説明は省略する。
【００９１】
図９に示すように、基底膜領域１５２Ａに癌が浸潤し基底膜領域１５２Ａの一部が喪失した場合は、関心領域分類部１２４は、ステップＳ６にて喪失による欠落領域１８０ｂを例えば径１ｍｍ以上を関心領域Ｄ（例えば、進行浸潤領域）と分類する。なお、関心領域分類部１２４は、図９（Ａ）〜（Ｄ）での欠落領域１５８ｂについては実施例１と同様に例えば１０ミクロン未満を関心領域Ａ（例えば、正常な毛細血管領域orノイズ）と分類する。
【００９２】
特定層抽出／ノイズ除去部１２１は、それぞれの抽出領域を、上面からの見た図１０に示すような投影図１７０において、投影図１７０の面積（連続した構造情報の範囲の大きさ）がある一定面積（閾値／基準値格納部１２５に格納されている所定の閾値）以上の場合は、連続性のある層（例えば、粘膜表面領域１５０Ａ、上皮層領域１５１Ａ、基底膜領域１５２Ａ）とし、それ以外（例えば、構造情報１５６ｂ、１５７ｂ）は、ノイズ領域と見なして除去する。
【００９３】
属性付加／制御部１２６は、投影図１７０にて関心領域Ａに対しては基底膜領域１５２Ａと同じ属性を付加することで、図１１に示すように、基底膜領域１５２Ａから関心領域Ａ（欠落領域１５８）を消去すると共に、欠落領域１８０ｂは径１ｍｍ以上の関心領域Ｄ（進行浸潤領域）として基底膜領域１５２Ａ上に残す（ステップＳ７）。
【００９４】
これにより、レンダリング部１２７は、ステップＳ８にて図１２に示すように、光立体構造像生成部１２０にて生成された光立体構造像に例えば識別可能な色属性が付加された特定層領域（粘膜表面領域１５０Ａ、上皮層領域１５１Ａ、基底膜領域１５２Ａ）をレンダリングしてコンピュータグラフィック画像１４０を生成する。この場合のコンピュータグラフィック画像１４０は、基底膜領域１５２Ａからは欠落領域１５８が消去され、基底膜領域１５２Ａ上には例えば識別可能な色属性が付加された関心領域Ｄ（欠落領域１８０ｂ）としての進行浸潤領域がレンダリングされることとなる。
【００９５】
＜実施例３＞
図１３は図３の特定層抽出／ノイズ除去部により抽出された実施例３における特定層の投影図である。また、図１４は図３のレンダリング部により生成される実施例３におけるコンピュータグラフィック画像の一例を示す図である。
【００９６】
食道の早期癌の場合、新生血管は、粘膜下層から基底膜を通り抜けて粘膜上皮層に伸び、ＩＰＣＬ（上皮乳頭血管ループ）を形成する。癌が進行すると、基底膜をやぶり、癌が粘膜下層に入り込む。新生血管は、癌に向かってランダムな方向で形成される。通常の内視鏡検査では、表面から透けて見える新生血管の密度分布や形状から癌のグレードを判定する手法が行われているが粘膜表面近くまで来ている新生血管を見ているにすぎない。
【００９７】
実施例３では、生体内部の新生血管の分布の見極めや、新生血管による基底膜の状態を観察するための実施例である。
【００９８】
関心領域分類部１２４は、ステップＳ６にて欠落領域を例えば関心領域Ａ〜Ｄに分類する。
【００９９】
属性付加／制御部１２６は、投影図１７０にて関心領域Ａに対しては基底膜領域１５２Ａと同じ属性を付加することで、図１３に示すように、基底膜領域１５２Ａから関心領域Ａ（欠落領域１５８）を消去すると共に、欠落領域１９０ｂは径１０ミクロン以上２００ミクロン未満の関心領域Ｂ（新生血管領域）、欠落領域１９１ｂは径２００ミクロン以上１ｍｍ未満の関心領域Ｃ（微小浸潤領域）、欠落領域１９２ｂは径１ｍｍ以上の関心領域Ｄ（進行浸潤領域）として基底膜領域１５２Ａ上に残す（ステップＳ７）。
【０１００】
これにより、レンダリング部１２７は、ステップＳ８にて図１４に示すように、光立体構造像生成部１２０にて生成された光立体構造像に例えば識別可能な色属性が付加された特定層領域（粘膜表面領域１５０Ａ、上皮層領域１５１Ａ、基底膜領域１５２Ａ）をレンダリングしてコンピュータグラフィック画像１４０を生成する。この場合のコンピュータグラフィック画像１４０は、基底膜領域１５２Ａからは欠落領域１５８が消去され、基底膜領域１５２Ａ上には例えば識別可能な色属性が付加された関心領域Ｂ〜Ｄ（欠落領域１９０ｂ、欠落領域１９１ｂ、欠落領域１９２ｂ）としての新生血管領域、微小浸潤領域、進行浸潤領域がレンダリングされることとなる。
【０１０１】
図１５は図３の属性付加／制御部が生成する新生血管の分布像を示す図であり、図１６は図１５の新生血管の分布像を基底膜領域に重畳させた場合の図であり、さらに図１７は図１５の新生血管の分布像をレンダリングしたコンピュータグラフィック画像を示す図である。
【０１０２】
なお、実施例３の属性付加／制御部１２６は、図１５に示すように、新生血管の分布を分布像２００として生成し、この新生血管の分布像２００を図１６に示すように、基底膜領域１５２Ａの投影図１７０に重畳させることができる。これによりレンダリング部１２７は、基底膜上での新生血管の分布状態が容易に認識可能な図１７に示すようなコンピュータグラフィック画像１４０を生成することが可能となり、癌診断をより確実に行うことができる。
【０１０３】
この実施例３では、特に基底膜の構造から、新生血管の密度、浸潤の状態をわかりやすく表示できる。浅い領域にある構造物による深部の不明瞭化領域においても、層構造の抽出がより確実に行われる。また、眼内の新生血管が原因となっている加齢黄斑変性や糖尿病網膜症、網膜静脈閉塞症、血管新生緑内障の診断にも有効である。この場合、基底膜のかわりに網膜を抽出して観察する。
【０１０４】
以上のように、本実施形態及びその実施例１〜３において説明したように、特に以下のような効果を得ることができる。
【０１０５】
（１）生体構造が病変により変化しても、特定の層を抽出しやすい。
【０１０６】
（２）浅い領域にある構造物による深部の不明瞭化領域においても、層構造の抽出がより確実に行われる。
【０１０７】
（３）癌による層構造の連続性の喪失を判別しやすい。
【０１０８】
このように本実施形態によれば、層構造を有する測定対象の構造情報から層領域の連続性が容易に識別でき、また浅い層領域にある構造物により深部の不明瞭化した層領域の構造情報を確実に抽出することできる。
【０１０９】
図１８は内視鏡画像に図１１の投影図に重畳した図である。本実施形態及びその実施例１〜３においては、プローブ４０を内視鏡の鉗子チャンネルに挿入して、内視鏡画像観察とＯＣＴ計測を行う場合には、図１８に示すように、レンダリング部１２７は、内視鏡画像３００上に投影図１７０を半透明な状態で重畳させることができる。そして、レンダリング部１２７は、このような内視鏡画像３００上で投影図１７０を半透明な状態で重畳させた画像をモニタ１００に表示させることで、より癌診断を向上させることが可能となる。
【０１１０】
なお、癌のスクリーニングに公知のＮＢＩ（Ｎａｒｒｏｗ Ｂａｎｄ Ｉｍａｇｉｎｇ）と呼ばれる手法や公知のＦＩＣＥ（Ｆｌｅｘｉｂｌｅ ｓｐｅｃｔｒａｌ Ｉｍａｇｉｎｇ Ｃｏｌｏｒ Ｅｎｈａｎｃｅｍｅｎｔ）と呼ばれる手法がある。これらは、青、緑の波長域を画像化することで、病変部の特徴を視認しやすくする手法である。このＮＢＩ／ＦＩＣＥ画像に投影図１７０を半透明な状態で重畳させた画像をモニタ１００に表示させるようにしてもよい。
【０１１１】
以上、本発明の光立体構造計測装置について詳細に説明したが、本発明は、以上の例には限定されず、本発明の要旨を逸脱しない範囲において、各種の改良や変形を行ってもよいのはもちろんである。
【０１１２】
食道の基底膜を例として説明したが、他の消化管、例えば胃、小腸、大腸などでは、粘膜筋板を抽出すると、その浸潤をわかりやすく視認させる事ができる。あるいは、基底膜の存在する口腔、舌、咽頭、胃、小腸、大腸、胆管などの消化管や、鼻腔、喉頭、気管支などの呼吸器、膀胱、尿管、尿道などの泌尿器、子宮、膣などの生殖器、皮膚などや、層構造のある眼底など、特定の膜あるいは層の構造に異変をきたす組織であれば、適用可能である。
【符号の説明】
【０１１３】
１…光立体構造画像化装置、１０…ＯＣＴ光源、３０…ＯＣＴ干渉計、４０…プローブ、７０…干渉情報検出部、９０…ＣＧ画像生成部、９１…メモリ、９３…信号処理部、９４…制御部、１００…モニタ、１２０…光立体構造像生成部、１２１…特定層抽出／ノイズ除去部、１２２…欠落領域抽出部、１２３…欠落領域範囲算出部、１２４…関心領域分類部、１２５…閾値／基準値格納部、１２６…属性付加／制御部、１２７…レンダリング部
【特許請求の範囲】
【請求項１】
層構造を有する測定対象の積層の深さ方向に測定光を照射し、かつ前記測定光の光軸を２次元走査して前記測定対象の光立体構造情報を取得する光立体構造計測装置において、
前記光立体構造情報を格納する光立体構造情報記憶手段と、
前記光立体構造情報記憶手段に格納された前記光立体構造情報の情報値を所定の閾値と比較し、前記所定の閾値以上の前記光立体構造情報の情報値が連続した所定の範囲以上の領域を前記測定対象の特定層領域として抽出する特定層抽出手段と、
前記特定層領域上にて、前記光立体構造情報の情報値が前記所定の閾値未満の領域を欠落領域として抽出する欠落領域抽出手段と、
前記欠落領域の範囲の大きさを算出する欠落領域範囲算出手段と、
前記欠落領域の範囲の大きさを複数の所定の範囲判定基準値と比較し、前記欠落領域を複数種類の関心領域に分類する関心領域分類手段と、
を備えたことを特徴とする光立体構造計測装置。
【請求項２】
前記特定層抽出手段は、前記所定の閾値以上の前記光立体構造情報の情報値が連続した領域が前記所定の範囲未満の場合、該領域をノイズ領域として前記光立体構造情報より消去するノイズ領域消去手段を有する
ことを特徴とする請求項１に記載の光立体構造計測装置。
【請求項３】
前記光立体構造情報をレンダリング処理してコンピュータグラフィック画像を構築するコンピュータグラフィック画像構築手段をさらに備えたことを特徴とする請求項１または２に記載の光立体構造計測装置。
【請求項４】
前記特定層領域及び前記関心領域が識別可能な属性を前記特定層領域及び前記関心領域に付加する属性付加手段を備え、前記コンピュータグラフィック画像構築手段は、前記光立体構造情報をレンダリング処理して、少なくとも前記属性が付加された前記特定層領域及び前記関心領域を有する前記コンピュータグラフィック画像を構築することを特徴とする請求項３に記載の光立体構造計測装置。
【請求項５】
前記コンピュータグラフィック画像構築手段は、前記測定対象の積層の深さ方向より前記特定層領域を投影した投影画像を前記コンピュータグラフィック画像として構築することを特徴とする請求項４に記載の光立体構造計測装置。
【請求項６】
前記コンピュータグラフィック画像構築手段は、前記光立体構造情報をレンダリング処理して光立体構造画像を前記コンピュータグラフィック画像として構築することを特徴とする請求項４または５に記載の光立体構造計測装置。
【請求項７】
前記属性付加手段は、少なくとも前記所定の範囲判定基準値うちの最小範囲判定基準値未満の前記関心領域の属性を前記特定層領域の属性とする属性制御手段を有することを特徴とする請求項４ないし６のいずれか１つに記載の光立体構造計測装置。
【請求項８】
前記属性制御手段は、前記所定の範囲判定基準値うちの前記最小範囲判定基準値より大きな値の複数の範囲判定基準値に基づき、異なる複数の前記属性を前記関心領域分類手段が分類した前記関心領域毎に付加することを特徴とする請求項７に記載の光立体構造計測装置。
【請求項９】
前記測定対象は生体粘膜組織であり、前記関心領域分類手段は、前記所定の範囲判定基準値うちの第１の範囲判定基準値以上で、かつ前記第１の範囲判定基準値より大きい第２の範囲判定基準値未満の前記関心領域を新生血管領域に分類することを特徴とする請求項１ないし８のいずれか１つに記載の光立体構造計測装置。
【請求項１０】
前記関心領域分類手段は、前記所定の範囲判定基準値うちの前記第２の範囲判定基準値以上の前記関心領域を癌浸潤領域に分類することを特徴とする請求項９に記載の光立体構造計測装置。
【請求項１１】
前記関心領域分類手段が判定した前記新生血管領域の分布を前記特定層領域上に新生血管分布像として生成する新生血管分布像生成手段をさらに備えたことを特徴とする請求項９または１０に記載の光立体構造計測装置。
【請求項１２】
前記特定層領域は、前記生体粘膜組織の基底膜領域及び粘膜筋板領域の少なくともいずれか一方の領域を含むことを特徴とする請求項９ないし１１のいずれか１つに記載の光立体構造計測装置。
【請求項１３】
層構造を有する測定対象の積層の深さ方向に測定光を照射し、かつ前記測定光の光軸を２次元走査して前記測定対象の光立体構造情報を取得する光立体構造計測装置の構造情報処理方法において、
前記光立体構造情報を格納する光立体構造情報記憶ステップと、
前記光立体構造情報記憶ステップにて格納された前記光立体構造情報の情報値を所定の閾値と比較し、前記所定の閾値以上の前記光立体構造情報の情報値が連続した所定の範囲以上の領域を前記測定対象の特定層領域として抽出する特定層抽出ステップと、
前記特定層領域上にて、前記光立体構造情報の情報値が前記所定の閾値未満の領域を欠落領域として抽出する欠落領域抽出ステップと、
前記欠落領域の範囲の大きさを算出する欠落領域範囲算出ステップと、
前記欠落領域の範囲の大きさを複数の所定の範囲判定基準値と比較し、前記欠落領域を複数種類の関心領域に分類する関心領域分類ステップと、
を備えたことを特徴とする光立体構造計測装置の構造情報処理方法。
【請求項１】
層構造を有する測定対象の積層の深さ方向に測定光を照射し、かつ前記測定光の光軸を２次元走査して前記測定対象の光立体構造情報を取得する光立体構造計測装置において、
前記光立体構造情報を格納する光立体構造情報記憶手段と、
前記光立体構造情報記憶手段に格納された前記光立体構造情報の情報値を所定の閾値と比較し、前記所定の閾値以上の前記光立体構造情報の情報値が連続した所定の範囲以上の領域を前記測定対象の特定層領域として抽出する特定層抽出手段と、
前記特定層領域上にて、前記光立体構造情報の情報値が前記所定の閾値未満の領域を欠落領域として抽出する欠落領域抽出手段と、
前記欠落領域の範囲の大きさを算出する欠落領域範囲算出手段と、
前記欠落領域の範囲の大きさを複数の所定の範囲判定基準値と比較し、前記欠落領域を複数種類の関心領域に分類する関心領域分類手段と、
を備えたことを特徴とする光立体構造計測装置。
【請求項２】
前記特定層抽出手段は、前記所定の閾値以上の前記光立体構造情報の情報値が連続した領域が前記所定の範囲未満の場合、該領域をノイズ領域として前記光立体構造情報より消去するノイズ領域消去手段を有する
ことを特徴とする請求項１に記載の光立体構造計測装置。
【請求項３】
前記光立体構造情報をレンダリング処理してコンピュータグラフィック画像を構築するコンピュータグラフィック画像構築手段をさらに備えたことを特徴とする請求項１または２に記載の光立体構造計測装置。
【請求項４】
前記特定層領域及び前記関心領域が識別可能な属性を前記特定層領域及び前記関心領域に付加する属性付加手段を備え、前記コンピュータグラフィック画像構築手段は、前記光立体構造情報をレンダリング処理して、少なくとも前記属性が付加された前記特定層領域及び前記関心領域を有する前記コンピュータグラフィック画像を構築することを特徴とする請求項３に記載の光立体構造計測装置。
【請求項５】
前記コンピュータグラフィック画像構築手段は、前記測定対象の積層の深さ方向より前記特定層領域を投影した投影画像を前記コンピュータグラフィック画像として構築することを特徴とする請求項４に記載の光立体構造計測装置。
【請求項６】
前記コンピュータグラフィック画像構築手段は、前記光立体構造情報をレンダリング処理して光立体構造画像を前記コンピュータグラフィック画像として構築することを特徴とする請求項４または５に記載の光立体構造計測装置。
【請求項７】
前記属性付加手段は、少なくとも前記所定の範囲判定基準値うちの最小範囲判定基準値未満の前記関心領域の属性を前記特定層領域の属性とする属性制御手段を有することを特徴とする請求項４ないし６のいずれか１つに記載の光立体構造計測装置。
【請求項８】
前記属性制御手段は、前記所定の範囲判定基準値うちの前記最小範囲判定基準値より大きな値の複数の範囲判定基準値に基づき、異なる複数の前記属性を前記関心領域分類手段が分類した前記関心領域毎に付加することを特徴とする請求項７に記載の光立体構造計測装置。
【請求項９】
前記測定対象は生体粘膜組織であり、前記関心領域分類手段は、前記所定の範囲判定基準値うちの第１の範囲判定基準値以上で、かつ前記第１の範囲判定基準値より大きい第２の範囲判定基準値未満の前記関心領域を新生血管領域に分類することを特徴とする請求項１ないし８のいずれか１つに記載の光立体構造計測装置。
【請求項１０】
前記関心領域分類手段は、前記所定の範囲判定基準値うちの前記第２の範囲判定基準値以上の前記関心領域を癌浸潤領域に分類することを特徴とする請求項９に記載の光立体構造計測装置。
【請求項１１】
前記関心領域分類手段が判定した前記新生血管領域の分布を前記特定層領域上に新生血管分布像として生成する新生血管分布像生成手段をさらに備えたことを特徴とする請求項９または１０に記載の光立体構造計測装置。
【請求項１２】
前記特定層領域は、前記生体粘膜組織の基底膜領域及び粘膜筋板領域の少なくともいずれか一方の領域を含むことを特徴とする請求項９ないし１１のいずれか１つに記載の光立体構造計測装置。
【請求項１３】
層構造を有する測定対象の積層の深さ方向に測定光を照射し、かつ前記測定光の光軸を２次元走査して前記測定対象の光立体構造情報を取得する光立体構造計測装置の構造情報処理方法において、
前記光立体構造情報を格納する光立体構造情報記憶ステップと、
前記光立体構造情報記憶ステップにて格納された前記光立体構造情報の情報値を所定の閾値と比較し、前記所定の閾値以上の前記光立体構造情報の情報値が連続した所定の範囲以上の領域を前記測定対象の特定層領域として抽出する特定層抽出ステップと、
前記特定層領域上にて、前記光立体構造情報の情報値が前記所定の閾値未満の領域を欠落領域として抽出する欠落領域抽出ステップと、
前記欠落領域の範囲の大きさを算出する欠落領域範囲算出ステップと、
前記欠落領域の範囲の大きさを複数の所定の範囲判定基準値と比較し、前記欠落領域を複数種類の関心領域に分類する関心領域分類ステップと、
を備えたことを特徴とする光立体構造計測装置の構造情報処理方法。
【図１】
【図２】
【図３】
【図４】
【図１８】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図２】
【図３】
【図４】
【図１８】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【公開番号】特開２０１０−２２０６６９（Ｐ２０１０−２２０６６９Ａ）
【公開日】平成２２年１０月７日（２０１０．１０．７）
【国際特許分類】
【出願番号】特願２００９−６８５５７（Ｐ２００９−６８５５７）
【出願日】平成２１年３月１９日（２００９．３．１９）
【出願人】（３０６０３７３１１）富士フイルム株式会社 (25,513)
【Ｆターム（参考）】
【公開日】平成２２年１０月７日（２０１０．１０．７）
【国際特許分類】
【出願日】平成２１年３月１９日（２００９．３．１９）
【出願人】（３０６０３７３１１）富士フイルム株式会社 (25,513)
【Ｆターム（参考）】
[ Back to top ]