WO2004052187A1

WO2004052187A1 - イメージング装置

Info

Publication number: WO2004052187A1
Application number: PCT/JP2003/014641
Authority: WO
Inventors: Kazuhiro Gono
Original assignee: Olympus Corporation
Priority date: 2002-12-12
Filing date: 2003-11-18
Publication date: 2004-06-24
Also published as: EP1576920A4; JP2004202217A; US8000776B2; JP4632645B2; US20060241349A1; EP1576920B1; EP1576920A1

Abstract

画像処理回路は、各画像データを入力すると共にスペクトル推定に必要なデータを推定用データ供給部から得て各画素のスペクトルを推定するスペクトル推定部と、スペクトル推定部からの各画素のスペクトルと特徴計算用データ供給部からの特徴計算用に必要なデータとに基づき数個の散乱特徴を計算する散乱特徴計算部と、散乱特徴計算部からの散乱特徴画像に基づいて、表示色計算を行い、カラー画像として散乱特徴を表示すべく、各画素のRGB値を決めRGB画像を出力する色彩画像生成部とを備えて構成される。

Description

明細書イメージング装置技術分野

本発明は、生体組織の散乱ィメ一ジング処理を行うイメージング装置に関する。背景技術

食道癌など消化管腫瘍疾患は、その多くが消化管粘膜の最表層である上皮層内の基底層から発生することが知られている。基底層から発生した異型細胞が増殖して上皮全層を置換する方向へ、その悪性度が進行する。上皮内におけるこの腫瘍性変化は細胞単体の異型と同時に病理学的な構造変化、いわゆる構造異型を伴い、正常病理像とは異なる不整な組織配列を呈する。

内視鏡診断の目的は、この種の腫瘍をできるだけ早期に発見することにある。早期で発見できれば、内視鏡的治療など低侵襲な手術により根治できる可能性が高くなる。

しかし、食道癌などある種の腫瘍は、早期段階では明確な形状（ポリープまたは陥凹形状）に乏しく、その発見は必ずしも容易でない。

これら形状変化に乏しい腫瘍を早期に発見、鑑別するためにこれまで、多くの提案が為されてきた。

その中でも有力視されているのは、前述した核異型、構造異型が、光学的に散乱変化を生起すると考えて、その散乱変化を光学的に捉えることで、通常の観察像では困難な早期病変の発見を行う技術、散乱スぺクトロスコピー、散乱イメージングである（例えば日本国特開 2 0 0 2 - 9 5 6 3 5号公報）。

従来、上皮内の散乱特性を測定、イメージングするために、偏光光学系を用いた提案が数多く為されている。上皮表面からの後方単散乱光が偏光成分を保持している一方で、上皮下層（粘膜層、粘膜下層）からの多重散乱光が無偏光となるという知見に基づき、水平、垂直偏光成分の差分観測値に基づきイメージングを行う技術である。

ある方向（例えば水平方向）に偏光された観測光で生体組織を照明することで、上皮表面の細胞配列からの後方散乱光は同じ方向（例えば水平方向）の偏光成分として観測される。一方、上皮下内に伝播した光は細胞や様々な組織に構成物による多重散乱効果によって無偏光状態となって組織表面から拡散反射光として観測される。

この光を観測光とは異なる（例えば垂直方向）方向を持つ偏光子で観測することで、多重散乱光の大きさを見積もることができる。この値を用いて、偏光がほとんど維持されている観測光（水平偏光）に含まれる多重散乱の影響を、差分操作で補正し、上皮表層の細胞からの単散乱光を抽出する。

細胞による単散乱現象は、原形質に浮いた様々な球形粒子による M i e散乱としてモデル化が可能であるとされている。 M i e散乱光の特徴として、散乱粒子の粒径、周辺媒体（この場合は、主に原形質）との屈折率比、観測波長に散乱スペクトル形状が依存する。とくに、重要なのは粒径とスペクトル形状との関連である。

前記、偏光測定により抽出した単散乱光のスぺクトル形状を M i e散乱モデルを用いて、粒径を変化させながら非線形最小二乗法等によりフイツティングを行うことで、粘膜上皮の粒径を推定することが可能となる。

上皮層において主に散乱に寄与するものの一つとして細胞核が考えられており、上記方法によって推定された粒径は細胞核の大きさに高い相関を特つと考えられている。

前述した核異型は、核の腫大（腫瘍性変化に伴い、核が正常状態より大きくなること）を伴うので、この方法により核の大きさを推定するということは、上皮の腫瘍性変化の状態を推定することになる。

したがって、偏光を用いたスぺクトロスコピ一、およびイメージングは核腫大をィメ一ジングできる可倉性を持つている。

以上のように偏光スぺクトロスコビー、およびィメ一ジングは核腫大を定量的に推定する可能性を持っているが、内視鏡への応用を考えた場合に下記のような問題がある。

•偏光光学系を内蔵した特殊なスコープが必要

'偏光を用いるため、高感度な撮像素子が必要（偏向光を生成、受光するための光学素子：偏光子を用いると、光のエネルギーは極端に低下する）

• M i e散乱によるモデル化を行うため、照明光と観測光の角度（後方散乱角）を正確に知るか、あるいは固定するための工夫が必要（M i e散乱モデルでは観測される後方散乱光の角度によってスぺクトル形状が大きく依存する）

以上の問題を解決することで、高性能な散乱ィメ一ジング装置を実現する可能性はあるが、装置コストの観点からは前述した課題もある。

本発明は、上記事情に鑑みてなされたものであり、既存の内視鏡光学系をそのまま利用することを前提に、光源装置、およびプロセッサ内部の改良だけで、簡易な散乱ィメージングを行うことのできるイメージング装置を提供することを目的としている。発明の開示

本発明のイメージング装置は、光源装置と、前記光源装置からの照射光を観察に用い、生体観察像を映像信号に変換する撮像装置と、前記映像信号から生体画像を生成するプロセッサとからなるイメージング装置において、前記プロセヅサが、少なくとも生体組織による散乱特徴を画像情報として有する生体画像を生成する手段を備えて構成される。

本発明のその他の特徴及び利益は、次の説明を以て十分明白になるであろう。図面の簡単な説明

図 1ないし図 1 0は本発明の第 1の実施の形態に係わり、図 1は散乱イメージング装置の構成を示す構成図、図 2は図 1の回転フィル夕の構成を示す図、図 3は図 2の回転フィル夕の分光特性を示す図、図 4は図 1の画像処理回路の構成を示すプロック図、図 5は図 1の散乱ィメージング装置が散乱ィメージングを行う消化管粘膜組織を説明する図、図 6は図 5の消化管粘膜組織における所望の散乱特性を生じさせる分光特性のフィル夕を説明する図、図 7は図 4のスペクトル推定部の作用を説明する図、図 8は図 4のスぺクトル推定部の処理の流れを示すフローチャート、図 9は図 4の散乱特徴計算部の作用を説明する図、図 1 0は図 1の回転フィル夕の変形例の構成を示す図である。

図 1 1は本発明の第 2の実施の形態に係る画像処理回路の構成を示すプロック図である。

図 1 2及び図 1 3は本発明の第 3の実施の形態に係わり、図 1 2は散乱イメージング装置の構成を示す構成図、図 1 3は図 1 2の回転フィル夕の構成を示す図である。

図 1 4は本発明の第 4の実施の形態に係る体表面撮像装置を示す図である。

図 1 5ないし図 1 8は本発明の第 5の実施の形態に係わり、図 1 5は画像処理回路の構成を示す構成図、図 1 6は図 1 5の画像処理回路の作用を説明する第 1の図、図 1 7は図 1 5の画像処理回路の作用を説明する第 2の図、図 1 8は図 1 5の画像処理回路の作用を説明するフローチャートである。

図 1 9ないし図 2 3は本発明の第 6の実施の形態に係わり、図 1 9は画像処理回路の構成を示す構成図、図 2 0は図 1 9の画像処理回路の作用を説明する第 1の図、図 2 1は図 1 9の画像処理回路の作用を説明する第 2の図、図 2 2は図 1 9の画像処理回路の作用を説明する第 3の図、図 2 3は図 1 9の画像処理回路の作用を説明するフローチヤ一トである。発明を実施するための最良な形態

本発明をより詳細に説述するために、添付の図面に従ってこれを説明する。

第 1の実施の形態：

図 1に示すように、本実施の形態の散乱イメージング装置を構成する内視鏡装置 1 は、体腔内に挿入し体腔内組織を撮像する撮像手段として C C D 2を有する電子内視鏡 3と、電子内視鏡 3に照明光を供給する光源装置 4と、電子内視鏡 3の C C D 2からの撮像信号を信号処理して内視鏡画像を観察モニタ 5に表示するビデオプロセヅサ 7とから構成される。

光源装置 4は、照明光を発光するキセノンランプ 1 1と、白色光の熱線を遮断する熱線カツトフィル夕 1 2と、熱線カツトフィル夕 1 2を介した白色光の光量を制御する絞り装置 1 3と、照明光を面順次光にする回転フィル夕 1 4と、電子内視鏡 3内に配設されたライトガイド 1 5の入射面に回転フィル夕 1 4を介した面順次光を集光させる集光レンズ 1 6と、回転フィル夕 1 4の回転を制御する制御回路 1 7とを備えて構成される。

回転フィル夕 1 4は、図 2に示すように、円盤状に構成され中心を回転軸とした構造となっており、図 3に示すような分光特性の面順次光を出力するためのフィル夕組を構成する C1フィル夕 1 4 c l , C2フィル夕 1 4 c l, C3フィル夕 1 4 c 1が配置されている。そして、回転フィル夕 1 4は、図 1に示すように、制御回路 1 7により回転フィル夕モ一夕 1 8の駆動制御がなされ回転されるようになっている。

なお、キセノンランプ 1 1、絞り装置 1 3及び回転フィル夕モ一夕 1 8には電源部 1 0より電力が供給される。図 1に戻り、ビデオプロセヅサ 7は、 C C D 2を駆動する C C D駆動回路 2 0と、対物光学系 2 1を介して C C D 2により体腔内組織を撮像した撮像信号を増幅するアンプ 2 2と、アンプ 2 2を介した撮像信号に対して相関 2重サンプリング及びノイズ除去等を行うプロセス回路 2 3と、プロセス回路 2 3を経た撮像信号をデジタル信号の画像データに変換する A/D変換器 2 4と、 AZD変換器 2 4からの画像デ一夕にホワイトバランス処理を施すホワイトバランス回路 2 5と、回転フィル夕 1 4による面順次光を同時化するためのセレクタ 2 6及び同時化メモリ 2 7、 2 8 , 2 9と、同時化メモリ 2 7、 2 8， 2 9に格納された面順次光の各画像デ一夕を読み出しガンマ補正処理、輪郭強調処理、色処理等を行う画像処理回路 3 0と、画像処理回路 3 0からの画像データをアナログ信号に変換する D/A回路 3 1 , 3 2 , 3 3と、光源装置 4の制御回路 1 7からの回転フィルタ 1 4の回転に同期した同期信号を入力し各種タイミング信号を上記各回路に出力するタイミングジェネレータ 3 5と、プロセス回路 2 3を経た撮像信号を入力し光源装置 4の絞り装置 1 3を制御し適正な明るさ制御を行う調光回路 4 3とを備えて構成される。

画像処理回路 3 0は、図 4に示すように、同時化メモリ 2 7、 2 8 , 2 9からの各画像データを入力すると共にスぺクトル推定に必要なデータを推定用デ一夕供給部 5 1 から得て各画素のスぺクトルを推定するスぺクトル推定部 5 2と、スぺクトル推定部 5 2からの各画素のスぺクトルと特徴計算用デ一夕供給部 5 3からの特徴計算用に必要なデータとに基づき数個の散乱特徴を計算する散乱特徴計算部 5 4と、散乱特徴計算部 5 4からの散乱特徴画像に基づいて、表示色計算を行い、カラ一画像として散乱特徴を表示すべく、各画素の: R G B値を決め、 R G B画像として D /A回路 3 1 , 3 2 , 3 3へと出力する色彩画像生成部 5 5とを備えて構成される。

なお、推定用データ供給部 5 1及び特徴計算用データ供給部 5 3はビデオプロセッサ 7内、あるいは外部ブロックに備えられる。

食道などの消化管粘膜組織はおよそ図 5のような構造を持つ。食道癌などの腫瘍は上皮層と粘膜層を分ける基底層から発生する。基底層から発生した腫瘍は核異型と構造異型を伴いながら上皮全層を異型細胞で置換し、いわゆる異形成状態を経て癌へ進行する o

上皮層は扁平上皮で構成され、その緻密な細胞構造から強い散乱特性を示す。また、その散乱特性は波長依存性を持っており、短波長から長波長にかけて低下する特性を持つと考えられている（したがって、短波長光は上皮内でほとんど散乱、反射され、それ以降の粘膜層下への深達は少ないと考えられる）。

よって、上皮内の散乱特性の変化を捉えるには、長波長光より短波長光の方が適していると考えられる。このことは、イメージングにおいても同様で、狭帯域マルチバンド照明をケースに以降説明する。

面順次光を生成する回転フィル夕においては、図 6に示すように、自然な色再現を得るために、通常は C— B、 C— G、 C— Rのような広帯域なフィル夕の組合せが用いられる。回転フィル夕が高速に回転することで、 3つのバンド光が時系列的に被写体を照明して、順次モノクロ C C Dで撮像し、ビデオプロセッサで合成されて、各照明光に対応するバンド画像が観察モニタの B l u e、 G r e e n、 R e dチャンネルに充当されて、一枚のカラ一画像として表示されることになる。

ただし、所望の特性を持つフィル夕を作成することができれば、例えば、 C2、 C4、 C6など C— B、 C一 G、 C—Rの中心波長は大きく変化させないで、半値幅を狭帯域化することで、血管像のコントラストを向上させることもできる。

しかし、ここでは回転フィル夕 1 4は、上皮内の散乱イメージングを目的とするので、前述のとおり、短波長光からバンドを選択する。図 6の Cl、 C2、 C3が相当する。これら短波長城の複数のバンド画像は、長波長側のバンド（C4、 C5、 C6、 C7) より比較的上皮内の構造を良く表すものと考えられる。

ここで、 Cl、 C2、 C3照明光に対応するバンド画像を B l u e、 G r e e n、 R e dチャンネルに充当して一枚のカラ一画像として観察モニター上に再現することも考えられるが、色情報がどのような散乱特性に対応するのか、またその色変化が病理学的な如何なる変化（例えば、構造異型の程度や核腫大の程度など）に対応するのかが明確ではなく、画像の理解が容易ではない。ひいては、内視鏡医が検査中にこのような画像を観察しても、腫瘍の早期発見に寄与することが難しい。

そこで、本実施の形態では、これら複数のバンド画像から分光反射率を推定し、推定された分光反射率から生体組織の光学モデルに基づいて、病理学的に相関の高い特徴へ変換して、画像中におけるその特微量の変化を色彩情報として表示することを考える。

本実施の形態の目的は、狭帯域マルチバンド画像から各画素の分光反射率を推定し、光学モデルに基づいた病理学的に相関の高い特微量を推定し、推定された特微量の画像中における変ィ匕に基づいて色彩情報を生成することにある。

(作用）

同時化メモリ 27、 28, 29から出力された狭帯域バンド画像（本実施の形態は 3バンドを想定しており、図 6に示すように短波長バンド； Cl、 C2、 C3に対応）は、画像処理回路 30内に設けられたスぺクトル推定部 52に入力する。スぺクトル推定部 52は、スペクトル推定に必要なデータを画像処理部内、あるいは外部プロックに備えられた推定用デ一夕供給部 51から得て各画素のスぺクトルを推定する。

推定スぺクトル、つまりスぺクトル画像は散乱特徴計算部 54の入力値となる。散乱特徴計算部 54は、特徴計算用に必要なデータを、画像麵部内、あるいは外部ブロヅクに備えられた特徴計算用データ供給部 53から得て数個の散乱特徴を計算する。この時点で、各画素には数個の散乱特徴が割り当てられている。

散乱特徴計算部 54は、散乱特徴画像を色彩画像生成部 55へと出力する。色彩画像生成部 55は、散乱特徴画像に基づいて、表示色計算を行い、カラー画像として散乱を表示すべく、各画素の RGB値を決め、 RGB画像として D/A回路 31, 32， 33へと出力する。

次に各ブロック（スペクトル推定部 52、散乱特徴計算部 54及び色彩画像生成部 55) における作用について説明する。詳細は文献「V. Backman, R. Gu r jar, K. Badizadegan, I. Itzkan, R. R . Dasari, L . T . Pere lman, and M. S . Feld, " P o larized L i g h t Scatt ering Spect roscopy f or Quant it at i v e Measurement of Epithel ial Ce l lular St ructures In Situ, " IEEE J. Se l. Top. Qunt urn Electron, 5, 1019-1026 (1999) 」に開示されている。なお、以下の数式で" は数個の要素を持つべクトル（小文字）、行列（大文字）を示す。

(スぺクトル推定部 52)

被写体分光反射率と観測されるマルチバンド画像の画素値との関係を式（1) のィメ一ジング方程式として示す。

ここで、 ^Λはバンド数の次元（N；本実施の形態では 3 ) を持つ画素値列べクトルである。 f へは被写体分光反射率列ベクトルであり、波長方向に L個で数値が離散化されている。 n ~はノイズ列ベクトル。 Η ^Λは各バンドの分光感度特性である N個の行べクトルで構成される L Χ Νのシステムマトリヅクスとする。

問題は、 Η が既知であり観測値 g ^Λから被写体め分光反射率を推定することである。 Η ^Λは観察光スペクトル、狭帯域フィル夕の分光透過率特性、撮像素子の分光感度特性など、イメージングシステムの分光特性として既知である。

一般に「バンド数 Ν<波長サンプリング数 L」であるため、推定問題は iU-condition である。つまり、に対して、式（1 ) を満たす： f "は無数に存在することになる (言い換えれば、未知数より方程式の数が少ないので、いろんな解が考えられて、何か条件を付加しないと解を一つに決定することができない）。

そこで、先見情報を準備して解空間（この場合は L次元スペクトル空間）を制限する（これが、解を一つに決定するための条件となる）ことで、妥当な推定解を見いだす必要がある。つまり、先見情報を用いて、 L次元スペクトル空間の中で解の候補となりうるスぺクトルが分布する部分空間内で最適な解を求める問題に帰着する。

先見情報を用いた手法として Wiener推定が一般的に用いられる。式（2 ) に Wiener 推定における推定マトリックス Aを示す。観測べクトル gの右からこの推定マトリックス Aを乗算することで、スペクトルを推定する。したがって、スペクトル推定手段は、予め設定された推定マトリックス Aを用いた、マトリックス演算器として動作する。

A^A= R^ H^r ^ (H^A R_f^ H^{r A} +R_n八 )一ここで、 R は推定すべき被写体スペクトルの波長方向の自己相関行列（L X L ) 、 R_n一は式（1 ) で η ^Λとして現われる加法ノイズの自己相関行列である。； _n"は予め測定されたイメージングシステム（ここでは、光源とスコープを組み合わせたトータルのシステムを指す）のノイズ杵 I生から推定可能であり、既知である。ここでいう先見倩報とは R 、であり、とくに R は推定される分光反射率の妥当性を左右する最も重要なパラメ一夕である。

従来、この自己相関行列 R は、推定されるスペクトルが波長方向に平滑（つまり、輝線スぺクトルなど急激な波長変化はなく、波長方向に比較的なだらかな特性ということ）と仮定して微分オペレータ行列の逆（つまり空間周波数領域において低周波強調フィル夕となる）を用いたり、マルコフモデルなどの統計モデルで分光反射率が表現できるとしてマルコフ遷移行列を用いたりする場合が多い。本実施の形態では、この自己相関行列 R として後述する生体組織の離散粒子構造モデル（以下、光学モデル）から推定されるスぺクトルから求めた自己相関行列を利用する。 '

次に光学モデルについて説明する。生体組織は、繊維組織、細胞、リンパ球、毛細血管、細胞核、細胞内小器官など、様々な要素で構成されている。

散乱は屈折率変化の大きい場所で起こるので、生体組織における主な散乱体（散乱主体）は、細胞核ゃミトコンドリアなどの細胞内小器官であると考えられている。観測波長と同程度か、少し小さい程度の大きさの粒子に対しては、その位相関数と散乱係数を M i e散乱モデルで予測することができる。位相関数は、方向 sから散乱主体に入射した光が s ' 方向に散乱される確率を示す。また、散乱係数は単位距離あたりに光子が何回、散乱を受けるかを表すパラメ一夕である。

この M i e散乱モデルは、 2 7T m a/A (人は波長、 mは屈折率比、 aは散乱主体の直径）をモデルのパラメ一夕として持つ。核と原形質の屈折率比には、大きな変動がないと考えられるので、 Me散乱は主に散乱主体をパラメ一夕として散乱スぺクトルを予測するモデルであると言える。

一方、生体組織に内にどの程度の大きさの粒子（細胞核、細胎内小器官）がどのくらいの密度で存在するかの情報（粒径分布関数）が分かれば、そこから位相関数と散乱係数を推定することが、この M i e散乱モデルで可能となる。粒径分布の概念図を図 7 に示す。実際の粒子直径は細胎内小器官の 0 . 4 /m程度から細胞核の 4 m程度と考えられており、正常組織から構造異形が進行するにしたがって、図 6中の矢印のように粒径分布が変化（f 1 (d) から: f 2 (d)、 dは粒子直径）すると考えられている。 M i e散乱モデルを用いて、粒径分布関数、粒子と周辺媒体との屈折率比（およそ 1 . 0 3 で、周辺媒体としては原形質が想定される）から、位相関数と散乱係数を計算する。粒径分布関数は、正規分布や対数正規分布を適用することが可能である。ターゲットに対して想定される粒径分布パラメ一夕（平均や標準偏差）の変動に対して、 M i e散乱モデルから光学係数を計算し、計算された光学係数に基づき、光伝播モデルにより多重散乱過程をシミュレートすることで、スペクトルを計算する。

光伝播モデルには、解析的な手法として計算時間において有利だが、モデル形状の自由度に制約が大きい拡散方程式による方法や、その計算に時間を要するがモデル形状に対する自由度が大きいモンテカルロモデルなど、状況に応じて使い分けることができる。

ここまでに、モデル計算について整理すると、図 8に示すように、ステップ S 1で粒径分布パラメ一夕（平均、標準偏差）を得。ステップ S 1で粒径分布パラメ一夕を M i e散乱モデルに入力する。ステップ S 3で M i e散乱モデルからは、散乱係数と位相関数出力される。実際には、各々の粒子サイズ毎に M i e散乱モデルを適用して、散乱係数と位相関数を計算して、粒径分布を重み関数として重み付き加算平均として、粒径分布を考慮した M i e散乱計算を行う。

以上のモデル計算によって、上皮内の腫瘍性変化に伴う核異型、構造異型を粒径分布パラメ一夕（平均、標準偏差）の変化として考え、スペクトル計算を行い、これを事前知識として考えて解空間（スペクトル空間）に制約を行う。つまり、 Wiener推定における自己相関行列をこのモデル計算から推定されたスぺクトル分布から予め計算しておく。

具体的には、ステップ S 4で病理学的知見から得られた粒径分布パラメ一夕変化 (平均値、標準偏差の変動）に応じたスペクトル変化を M i e散乱モデル +光伝播モデルで計算する。計算の結果、ステップ S 5でスペクトル空間において、粒径分布パラメ一夕変化に応じたスペクトル分布が形成される。これを母集団として考えて、スペクトルの波長方向の自己相関行列を推定する。

以上、光学モデル（粒径分布モデル +M i e散乱モデル +光伝播モデル）によって予め推定された自己相関行列を用いて、上皮内の散乱スペクトルを推定する。したがつて、推定用デ一夕供給部には、 H R 、 R_n に基づいた式（2 ) で計算されるマトリヅクス Aが格納される。

(散乱特徴計算部 5 4 )

スぺクトル推定部 5 2によって推定されたスぺクトルからは、様々な特徴を計算することができる。本実施の形態では、粒径分布パラメ一夕に着目して、このパラメ一夕に相関を持つ特徴量をスぺクトルから推定する方法を提案する。概念図を図 9に示す。

自己相関行列を推定する際に、粒径分布パラメ一夕（平均、標準偏差）の変化に対するスぺクトル変動範囲が予め分かっている。

したがって、散乱特徴として考えられる平均と標準偏差に対応する特徴軸が F 1 F2として既知となる。つまり、 Fl F2で張られる部分空間にスペクトルが分布することになる。よって、計算されたスペクトルから Fl F2への投影値（f l f 2) 、および明るさ（例えば、スぺクトルの面積など）を 3番目の値として、散乱特徴とする。したがって、特徴計算用データ供給部には、各特徴軸のスペクトルが格納されている。また、計算部における演算は、特徴軸スペクトルと、散乱スペクトルの内積計算となる。

(色彩画像生成部 5 5 )

散乱特徴計算部 5 4から出力された散乱特徴、およびスぺクトルの明るさを例えば、 B l u e , G r e e n R e dチャンネルに充当して色彩画像を生成する。その際に、画素値を 8ビットなど後段の D/A性能に合わせて適切に量子化する必要がある。画面中で早期病変を発見するには、相対的な散乱変化、つまり核異型、構造異型の程度を捉えれば十分であることが多いので、フレーム中で散乱特徴をダイナミックレンジを計算して、 8ビヅトなど既定のレベルで量子化を行い、 R G B信号として出力する。

以上、本実施の形態の特徴をまとめると、各画素に対応する分光反射率の推定を、深達度が比較的浅く、上皮内の特徴を強く反映していると想定される短波長域でのマルチバンド画像と、上皮組織を離散粒子構造としてモデル化し、 M i e散乱モデルおよび光伝播モデルから計算されるモデルベースの分光反射率分布から推定された自己相関行列を用いることによって散乱スぺクトルを推定し、スぺクトル空間における予め求められた粒径分布パラメ一夕に対応する特徴軸への投影値を散乱特徴とし、各画素のこれら特微量を色チャンネルに割り当てて色彩情報で散乱イメージングを実現する。 (効果）

本実施の形態によれば、偏光光学系など特殊なスコープを用いずに、狭帯域フィル夕とプロセヅサ内の演算により、散乱特性変ィ匕に相関のあるィメ一ジングが可能となり、上皮内構造異形など従来は観察が困難であつた特徴を視認することが可能となる。

なお、通常観察像を可能とするため、図 1 0に示すような複数の狭帯域 C1〜C 6 (図 6参照）の狭帯域フィルタ 1 4 C1〜C6を装着した回転フィル夕 1 4を用いてもよく、この場合、各々の狭帯域フィル夕の画像に対応するように、フィル夕数分のメモリを備える。また、この場合、画像処理回路 3 0は、図示はしないが、通常観察像生成部と第 1の実施の形態で記述したスぺクトル推定部 5 2 +散乱特徴計算部 5 4を備え、さらに散乱特徴計算部 5 4の出力に基づいて、強調係数を計算するコントラスト強調係数計算部を備える。フレーム内で例えば粒径分布の平均値やあるいは標準偏差と平均を用いた合成特徴などに相関のある値に基づいて、量子化された一つの値を計算する。この値に基づいて、通常観察像生成都で生成された画像の輝度チャンネルに対して空間周波数の強調係数を決めるようにしてもよい。これにより通常観察像に散乱特徴に基づくコントラスト強調を行うことが可能となる。

第 2の実施の形態：

第 2の実施の形態は、第 1の実施の形態とほとんど同じであるので、異なる点のみ説明し、同一の構成には同じ符号をつけ説明は省略する。

(構成 ·作用）

上皮内における散乱スぺクトルを推定するため、短波長帯域で複数の狭帯域フィル夕を用いる。この帯域は散乱特性が強い一方でヘモグロビンの吸収極大（4 1 5 nm) も存在する。例えば、食道扁上皮を考えた場合、正常粘膜ではほとんど毛紬血管は存在しないが、核の腹大に伴って、乳頭内血管が拡張したり上皮内に新生血管が増生したりする。このような毛細血管像は、ヘモグロビン由来の特異的なスペクトルを有するため、散乱スペクトル推定では誤差要因となることが想定される。したがって、この吸収像としの毛細血管像を散乱スぺクトル推定前に分離する。

分離は、これら毛細血管像が空間周波動的に高周波であることと、散乱イメージ自体は多重散乱により低周波像を形成すると考え、具体的には、図 1 1に示すように、本実施の形態の画像処理回路 3 0では、散乱スペクトル推定部 5 2の前段に空間周波数フィル夕による各狭帯域バンド画像に対応したフィル夕リング部 6 1、 6 2 , 6 3を設ける。フィル夕リング部 6 1、 6 2， 6 3における動作は、 F I Rフィル夕によるコンポリューシヨン演算器で実現可能であって、毛細血管像分離用の高周波バンドパスフィル夕と散乱スぺクトル推定用のローパスフィル夕とで構成される。

各狭帯域バンド画像に対応したフィル夕リング部 6 1、 6 2 , 6 3からの出力は、各バンド画像に対応した高周波画像 C1H、 C2H、 C3H (添え字 H) と低周波画像 Clレ C2 C3L (添え字 L ) に分離され、低周波画像は散乱スペクトル推定部 5 2へ、高周波画像は毛細血管像生成手段 6 4へと出力される。

散乱スペクトル推定部 5 2では、第 1の実施の形態で説明したように、 Wiener推定における自己相関行列を離散粒子構造モデルから推定される上皮内後方散乱スぺクトル分布から算出することで、散乱スペクトルを推定する。

一方、毛細血管像生成部 6 4では、各バンドから作成された高周波画像に対して、適当なノィズ徐去や場合によっては血管構造をモデル化したマッチトフィル夕によりより鮮明に毛細血管像を生成し、輝度情報として画像信号生成部 6 5へと出力する。

画像信号生成部 6 5では、散乱スぺクトル推定部 5 2からの出力に基づき、散乱特性をカラーマップで作成し、一方、毛細血管像を輝度倩報として合成することで、散乱 +毛細血管吸収像を観察モニタ 5に出力する。

(効果）

本実施の形態によれば、偏光光学系など特殊なスコープを用いずに、狭帯域フィル夕とプロセッサ内の演算により、散乱特性変化に相関のあるィメ一ジングが可能となり、上皮内構造異形など従来は観察が困難であつた «を視認することが可能となる。また、空間フィル夕リング手段によって、吸収像である毛細血管像を事前に分離するとで、分光反射率推定精度の低下を防ぐと同時に、鑑別診断に重要となる毛細血管パターンと散乱像を合成して表示することが可能となる。

第 3の実施の形態：

第 3の実施の形態は、第 1の実施の形態とほとんど同じであるので、異なる点のみ説明し、同一の構成には同じ符号をつけ説明は省略する。

(構成 ·作用）

本実施の形態の回転フィル夕 1 4は、図 1 3に示すように、円盤状に構成され中心を回転軸とした 2重構造となっており、外側の径部分には図 6に示した C 1〜 C 3の分光特性の狭帯域な面順次光を出力するための第 1のフィルタ組を構成する C1フィル夕 1 4 C1, C 2フィル夕 1 4 C2, C3フィル夕 1 4 C3が配置され、内側の径部分には図 6 に示した C 4〜 C 6の分光特性の面順次光を出力するための第 2のフィル夕組を構成する C4フィル夕 1 4 C4, C5フィルタ 1 4 C5， C6フィル夕 1 4 C6が配置されている。

そして、回転フィル夕 1 4は、図 1 2に示すように、制御回路 1 7により回転フィル夕モー夕 1 8の駆動制御がなされ回転され、また径方向の移動（回転フィルタ 1 4の光路に垂直な移動であって、回転フィル夕 1 4の第 1のフィルタ組あるいは第 2のフィル夕組を選択的に光路上に移動）がビデオプロセッサの 7内のモード切替回路 4 2からの制御信号によりモード切替モー夕 1 9によって行われる。

なお、キセノンランプ 1 1、絞り装置 1 3、回転フィル夕モー夕 1 8及びモード切替モ一夕 1 9には電源部 1 0より電力が供給される。

電子内視鏡 2には、モード切替スイッチ 4 1が設けられており、このモード切替スィヅチ 4 1の出力がビデオプロセッサ 7内のモード切替回路 4 2に出力されるようになつている。ビデオプロセッサ 7のモード切替回路 4 2は、制御信号を調光回路 4 3，調光制御パラメ一夕切替回路 4 4及び光源装置 4のモード切替モー夕 1 9に出力する。

調光制御パラメ一夕切替回路 4 4は、回転フィル夕 1 4の第 1のフィル夕組あるいは第 2のフィル夕組に応じた調光制御パラメ一夕を調光回路 4 3に出力し、調光回路 4 3は乇一ド切替回路 4 2からの制御信号及び調光制御パラメ一夕切替回路 4 4からの調光制御パラメ一夕に基づき光源装置 4の絞り装置 1 3を制御し適正な明るさ制御を行う。

(効果）

このように本実施の形態では、第 1の実施の形態の効果に加え、 C 4フィル夕 1 4 C4， C5フィル夕 1 4 C5, C6フィル夕 1 4 C 6を用いることで、通常観察光による体腔内観察が可能となる。

第 4の実施の形態：

第 4の実施の形態は、第 1の実施の形態とほとんど同じであるので、異なる点のみ説明し、同一の構成には同じ符号をつけ説明は省略する。

(構成 ·作用）

上記各実施の形態では、撮像装置を内視鏡内に設け、体腔内組織の散乱イメージン T JP2003/014641 グを行う実施形態を説明したが、本実施の形態では、体表面に狭帯域光を照射し皮膚がん等を検知することの出来る散乱イメージング装置を説明する。

図 1 4に示すように、本実施の形態では、電子内視鏡 2の代わりに、肌に接触させるフード 8 1 , リング状に配置されたライトガイド 8 2 , 対物光学系と C C Dとからなる撮像部 8 3を先端に備えた体表面撮像装置 8 4が設けられる。

そして、フード 8 1を肌に接触させ、ライトガイド 8 2より光源装置 4からの C1 ~ C3の分光特性の狭帯域な面順次光を照射し、撮像部 8 3にて撮像して、撮像信号をビデオプロセッサ 7に伝送する。

(効果）

このように本実施の形態では、体表面においても第 1の実施の形態と同様な作用効果を得ることができ、皮膚がん等を検知することが可能となる。 .

第 5の実施の形態：

第 5の実施の形態は、第 1の実施の形態とほとんど同じであるので、異なる点のみ説明し、同一の構成には同じ符号をつけ説明は省略する。

食道など消化管粘膜は層構造を有する。早期癌は主に表層内で発生、伸展する。したがって、より早期の癌を発見するには、粘膜表層内で起きている病理学的な変化を映像として捉える必要がある。

しかし、一般的に生体からの反射光は、粘膜表層が非常に薄いため、表層（第 1層）より下の層（第 2層）以降の変化に反応する。その変化とは、散乱 '吸収であり、具体的には病理学的構造や血管密度である。

そこで、散乱イメージングとして、第 2層の光学特性変化にできるだけ影響を受けない、なおかつ第 1層の光学特性（散乱変化）を強調する散乱特微量を算出するァルゴリズムが必要となる。

第 5の実施の形態では、分光画像値、あるいはマルチバンド画像値である観測値から前記散乱特微量への写像を求める。

(構成）

図 1 5に示すように、画像処理回路 3 0において、特徴計算用データ供給部 5 3には、多重判別分析によって求められた後述する臓器毎の消化管粘膜写像デ一夕 1 0 0である、胃粘膜写像データ、食道粘膜写像データ等が格納され、散乱特徴計算部 5 4は図示しない入力手段からの臓器選択信号に基づき、対応する消化管粘膜写像デ一夕 1 0 0 を特徴計算用デ一夕供給部 5 3より読み出し、散乱特徴を計算するようになっている。

次に、特徴計算用デ一夕供給部 5 3に格納される消化管粘膜写像データ 1 0 0について説明する。図 5において食道などの消化管粘膜組織の構造を説明したが、ここでは上皮層を第 1層、基底層以下の下層全体を第 2層とすると、画像処理回路 3 0のスぺクトル推定部 5 2で推定されたスぺクトルには第 2層の影響が強く反映されおり、第 1層の細胞核腫大を想定したスぺクトル変化はマスキングされている。

そこで、本実施の形態では、観測スペクトル空間において第 2層の影響が小さく、第 1層の散乱特徴が強調される部分空間への写像を求め、求めた写像を消化管粘膜写像デ一夕 1 0 0として特徴計算用デ一夕供給部 5 3に格納する。

このような写像は、公知の多重判別分析によって、第 2層の特性変化に依存するばらっきを最小化する条件下で、第 1層の特性変化、この場合は散乱特徴に依存するスぺクトル変化を最大化する線形写像として求めることができる。

例えばスぺクトル空間で、生体組織のスぺクトルが図 1 6のように分布しているとする。ここで、クラスとは早期食道癌における上皮などターゲットとなる層の散乱特徴が同じであるデ一夕集合を意味する。この図 1 6では、 2つのクラスが描かれているので、散乱特徴が異なる 2種類の上皮を有するデ一夕集合を示すことになる。

各々のクラス内には上皮以外の層の散乱 .吸収特性の変化に応じたデ一夕の広がりが現れる。多重判別空間への写像とは、図 1 6に描かれたクラス内の広がりを最小化する条件下でクラス間の距離を最大化する変換を意味する（ 2クラスでその写像が線形の場合には、フィッシャーの線形識別として知られている）。

この写像によって、図 1 6の生体組織のスペクトルが、図 1 7に示すようにクラス間の距離（クラス間分散）が^化さなおかつクラス内のばらつき（クラス内分散）が最小化される空間に写像される。クラス内分散及びクラス間分散は、例えば光散乱シミュレ一シヨンによつて計算することができる。

つまり、上皮など夕ーゲットとなる層の生体組織の散乱特性がその層以外の吸収 · 散乱特性の影響を最小限に抑えた状態で強調されることを意味する。

(作用）

本実施の形態では、図 1 8に示すように、画像処理回路 3 0は、ステップ S 5 1において同時化メモリ 2 7、 2 8 , 2 9からの各画像デ一夕を入力すると、ステップ S 5 2においてスぺクトル推定部 5 2が推定用デ一夕供給部 5 1から生体スぺクトル自己相関データ得て各画素のスぺクトルを推定し、ステップ S 5 3において散乱特徴計算部 5 4がクラス内分散及びクラス間分散を最適化した空間に写像させる消化管粘膜写像デ一夕 1 0 0を臓器選択信号に基づき特徴計算用データ供給部 5 3より読み出し、散乱特徴を算出し、ステップ S 5 4において色彩画像生成部 5 5が散乱特徴計算部 5 4からの散乱特徴画像に基づいて、表示色計算を行い、カラー画像として散乱特徴を表示すべく、各画素の R G B値を決め、 R GB画像として D/A回路 3 1 , 3 2 , 3 3へと出力する。

色彩画像生成部 5 5では、多重判別分析で得られる散乱特間を 3次元とすると、散乱特徴空間を構成する各軸を R G Bカラ一チャンネルに割り当てる。各軸、最大、最小を予め規定しておき、その範囲で各カラ一チャンネルのレンジを割り当てる。

別のカラ一割当方法として、画像中でコントラストが最大になるように情報を割り当てる。フレーム（あるいはフィールド）単位で演算装置に画像を入力し、画面内で散乱特徴空間にデータを写像する。画面内の画素値の数に応じて、散乱特徴空間内にデ一夕が分布する。その最大分散方向は、クラス間分散、つまりは散乱特徴変化が最も反映される方向となるはずである。したがって、 K L展開など一般的な手法を用いて、最大分散軸への写像値を求める。最大分散軸上の一点を基準点として定めて、そこからの距離に応じて画像に色を割り当てる。色は色相方向に割り当てるなど、もっとも視認性の良い表現で行う。

なお、マルチバンド画像から被写体スペクトルを推定せずに、マルチバンド画像値に対してゲインバランスの補正をした値をそのまま用いるようにしてもよく、この場合スペクトル推定部 5 2を必要としない。ゲインバランスの補正方法は、白色板など分光反射率が！である被写体を撮像し、観測されるマルチバンド画像値間の強度比率が各々のバンド特性と分光反射率既知である被写体分光反射率との分光積から計算される比率になるようにゲイン補正を行う。

(効果）

このように本実施の形態では、第 1の実施の形態の効果に加え、上皮など夕一ゲットとなる層の生体組織の散乱特性をその層以外の吸収 ·散乱特性の影響を最小限に抑えた状態で強調するので、より視認性が向上する。第 6の実施の形態：

第 6の実施の形態は、第 5の実施の形態とほとんど同じであるので、異なる点のみ説明し、同一の構成には同じ符号をつけ説明は省略する。

(構成）

図 1 9に示すように、画像処理回路 3 0は、同時化メモリ 2 7、 2 8 , 2 9からの各画像デ一夕より第 2層（図 5の基底層以下の下層全体）の血管構造情報を抽出する血管構造抽出部 1 1 1と、血管構造抽出部 1 1 1が抽出した血管構造情報に基づきクラス内のばらつき（クラス内分散）を算出し特徴計算用データ供給部 5 3に格納されている消化管粘膜写像デ一夕 1 0 0を算出したクラス内分散に基づき更新する写像更新部 1 1 2とを備えて構成される。

(作用）

食道粘膜など層構造を有する生体組織の場合、図 2 0に示すように表層は毛細血管、中深層は比較的太い血管と、特徴的な血管構造を有する場合が多い。このような構造の生体組織を異なる中心波長を持つバンドで観察すると図 2 1、図 2 2に示すように、表層の血管は短波長側に、中深層の血管は長波長側に再現される（例えば特閧 2 0 0 2 - 9 5 6 3 5号公報、特開 2 0 0 2— 3 4 8 9 3号公報、特閧 2 0 0 2— 3 4 9 0 8号公報等参照）。

したがって、血管のある位置とない位置では上皮の特性は同じでそれ以外の層の特性が異なるデ一夕集合となり、これらデ一夕集合からクラス内分散を推することができる o

そこで、図 2 3に示すように、ステップ S 7 1において血管構造抽出部 1 1 1は R G B画像から長波長側の画像（例えば B画像）を使って、血管位置を抽出する。血管位置の抽出には閾値処理空間周波数フィル夕リング処理など一般釣な手法が適用できる。そして、ステップ S 7 2において写像更新部 1 1 2が血管位置の画素と血管を含まない画素を多数収集して、ステップ S 7 3においてクラス内分散を算出し、特徴計算用デー夕供給部 5 3に格納されている消化管粘膜写像デ一夕 1 0 0を算出したクラス内分散に基づき更新する。

なお、血管構造抽出部 1 1 1は R GB画像から長波長側の画像（例えば B画像）を使って血管位置を抽出するとしたが、血管位置抽出のための帯域画像を得るために、専用の帯域フィル夕を用いて観察部を照明してもよい。

(効果）

このように本実施の形態においても、第 5の実施の形態と同様な効果を得ることができる。

なお、上記各実施の形態では、マルチバンド画像を得るために、光源側で照明光を帯域分離して照射する構成としたが、これに限らず、撮像側に帯域分離フィルタを用いてマルチバンド画像を得るように構成しても良い。

この発明においては、広い範囲において異なる実施態様が、発明の精神及び範囲から逸脱することなく、この発明に基づいて構成できることは明白である。この発明は、添付のクレームによって限定される以外には、それの特定実施態様によって制約されない。産業上の利用可能性

以上のように、本発明に係るイメージング装置は、内部組織による散乱特徴を画像情報としてィメ一ジングする装置として有用である。

Claims

請求の範囲

1 . 光源装置と、

前記光源装置からの照射光を観察に用い、生体観察像を映像信号に変換する撮像装置と、

前記映像信号から生体画像を生成するプロセッサと

からなるイメージング装置において、

前記プロセッサが、

少なくとも生体組織による散乱特徴を画像情報として有する生体画像を生成する手段

を備えたことを特徴とするイメージング装置。

2 . 前記撮像装置は、内視鏡である

ことを特徴とする請求項 1に記載のイメージング装置。

3 . 前記光源装置が、少なくとも一つ以上の帯域光を照射する

ことを特徴とする請求項 1に記載のイメージング装置。

4 . 前記帯城光のうち、少なくとも 1つは、可視光波長城の青色光として位置付けられる帯域に存在する

ことを特徴とする付記項 1に記載のイメージング装置。

5 . 前記プロセッサが、少なくとも 1つ以上の生体画像から、画像中の各位置、及び又は領域に対応するスぺクトルを推定する手段を有する

ことを特徴とする請求項 1に記載のイメージング装置。

6 . 前記スペクトルを推定する手段が、少なくとも 1つ以上の行列演算器を有することを特徴とする請求項 5に記載のィメ一ジング装置。

7 . 前記少なくとも 1つ以上の行列演算器の係数が、離散化された一つ以上の波長によって張られるところのスぺクトル空間において推定すべきスぺクトルの存在範囲を規定する

ことを特徴とする請求項 6に記載のィメ一ジング装置。

8 . 前記少なくとも 1つ以上の行列演算器の係数が、散乱媒体中における光の伝播を表現するところの光伝播モデルを用いて設計されている

ことを特徴とする請求項 7に記載のィメ一ジング装置。

9 . 前記プロセヅサが、画像中の各位置、及び又は領域に対応するスペクトルから生体組織による散乱特徴を推定する手段を有する

ことを特徴とする請求項 1に記載のイメージング装置。

1 0 . 前記散乱特徴を推定する手段が、スペクトル空間において予め定められた少なくとも一つ以上のべクトルへの正射影を行う手段を有する

ことを特徴とする請求項 9に記載のイメージング装置。

1 1 . 前記プロセッサが、生体組織による散乱特徴を画像情報として有する色彩画像を生成する手段を備えた

ことを特徴とする請求項 1に記載のィ ,メ一ジング装置。

1 2 . 前記色彩画像を生成する手段が、生体組織による吸収特徴を画像情報として有する色彩画像を生成する手段を備えた

ことを特徴とする請求項 1 1に言 3載のイメージング装置。

1 3 . 前記色彩画像を生成する手段が、散乱特徴と散乱特徴以外の画像とを合成して、色彩画像として生成する

ことを特徴とする請求項 1 1に記載のイメージング装置。

1 4 . 前記色彩画像を生成する手段が、散乱特徴と散乱特徴以外の画像を同時に、及びまたは切替えで表示するように画像を生成、表示制御を行う

ことを特徴とする請求項 1 1に記載のイメージング装置。

1 5 . 前記散乱特徴以外の画像が、生体組織による吸収特徴を有する画像情報である

ことを特徴とする請求項 1 3に記載のイメージング装置。

1 6 . 前記散乱特徴以外の画像が、白色光照明下で得られる画像に相当することを特徴とする請求項 1 3に記載のイメージング装置。

1 7 . 前記プロセッサが、少なくとも 1つ以上の空間周波数フィル夕リングを行う手段を有する

ことを特徴とする請求項 1に記載のイメージング装置。

1 8 . 前記空間周波数フィル夕リングを行う手段が、少なくとも 1つ以上の生体画像から、画像中の各位置、及び又は領域に対応するスぺクトルを推定する手段に位置すことを特徴とする請求項 1 7に記載のイメージング装置。

1 9 . 生体組織画像から散乱特徴を算出する散乱特徴演算手段と、前記散乱特徴に基づいて画像を生成する画像生成手段とを備えた生体散乱イメージング装置において、前記散乱特徴演算手段は、前記生体組織を組織表層と前記組織表層以外の内部層の 2層でモデル化した場合において、 1ないし複数の画像値、またはこれら画像値に基づく観測値を、前記内部層の光学特性の変化によって生じる観測値の変化からの影響を最小化する条件で、前記組織表層の散乱特徴変化を最大化する散乱特徴空間への写像を適用することで前記散乱特徴を算出する

ことを特徴とする生体散乱ィメージング装置。

2 0 . 前記写像が線形写像である

ことを特徴とする請求項 1 9に記載の生体散乱イメージング装置。

2 1 . 前記線形写像が観測値空間における多重判別分析にとって算出されることをとし、前記多重判別分析におけるクラス間分散が前記組織表層の散乱特徴の違ヽに、クラス内分散が前記内部層の光学特性の違いに対応することを特徴とする

ことを特徴とする請求項 2 0に記載の生体散乱イメージング装置。

2 2 . 前記内部層の光学特性の違いは、前記内部層の層厚、吸収特性、散乱特性を含む

ことを特徴とする請求項 2 1に記載の生体散乱イメージング装置。

2 3 . 前記組織表層の散乱特性の違いは、前記組織表層の生体組織を構成する細胞核径の確率密度分布の変化でモデル化される

ことを特徴とする請求項 2 1に記載の生体散乱ィメ一ジング装置。

2 4 . 前記モデルは、 M i e散乱モデルと、光伝播モデルで構成される

ことを特徴とする請求項 2 3に記載の生体散乱イメージング装置。

2 5 . 前記光伝播モデルは、モンテカルロモデルである

ことを特徴とする請求項 2 4に記載の生体散乱ィメ一ジング装置。

2 6 . 前記多重判別分析における前記クラス内分散が前記生体組織画像から推定される

ことを特徴とする請求項 2 1に記載の生体散乱ィメージング装置。

2 7 . 前記クラス内分散の推定が生体組織内を走行する血管画像から行われるとを特徴とする請求項 2 6に記載の生体散乱ィメ一ジング装置。