特開 2022-172743 医用画像処理装置、医用画像処理方法及びプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2022172743

(43)【公開日】2022-11-17

(54)【発明の名称】医用画像処理装置、医用画像処理方法及びプログラム

(51)【国際特許分類】

   A61B 6/03 20060101AFI20221110BHJP

   G01T 1/161 20060101ALI20221110BHJP

   G06T 7/00 20170101ALI20221110BHJP

【ＦＩ】

A61B6/03 350V

A61B6/03 370A

A61B6/03 350Z

G01T1/161 C

G06T7/00 612

G06T7/00 350C

【審査請求】未請求

【請求項の数】9

【出願形態】ＯＬ

(21)【出願番号】P 2021078902

(22)【出願日】2021-05-07

(71)【出願人】

【識別番号】594164542

【氏名又は名称】キヤノンメディカルシステムズ株式会社

(74)【代理人】

【識別番号】110002147

【氏名又は名称】弁理士法人酒井国際特許事務所

(72)【発明者】

【氏名】坂口 卓弥

【テーマコード（参考）】

4C093

4C188

5L096

【Ｆターム（参考）】

4C093AA21

4C093AA22

4C093AA26

4C093CA35

4C093DA02

4C093DA10

4C093EA05

4C093FE13

4C093FF24

4C093FF28

4C093FG18

4C188EE02

4C188FF04

4C188FF07

4C188KK24

4C188KK33

5L096AA03

5L096AA06

5L096AA09

5L096BA06

5L096BA13

5L096HA11

(57)【要約】

【課題】ＡＩ技術を用いた画像解析の精度を向上させる。
【解決手段】実施形態に係る医用画像処理装置は、第１取得部と、第２取得部と、特定部とを備える。第１取得部は、被検体に放射線を照射し当該被検体を通過した放射線、又は被検体に投与された核種が放出する放射線を検出することにより得られた投影データを取得する。第２取得部は、解析対象となる体部位に関する指定情報を取得する。特定部は、指定情報に対応する投影データ上での部分領域を特定する。
【選択図】図１

【特許請求の範囲】

【請求項1】

被検体に放射線を照射し当該被検体を透過した放射線、又は被検体に投与された核種が放出する放射線を検出することにより得られた投影データを取得する第１取得部と、
解析対象となる体部位に関する指定情報を取得する第２取得部と、
前記指定情報に対応する前記投影データ上での部分領域を特定する特定部と、
を備える医用画像処理装置。

【請求項2】

前記特定部は、第１の時相における前記体部位の前記投影データ上での対応する部分領域を、第１の部分領域として特定し、
前記第１の部分領域に基づいて、前記第１の時相とは異なる第２の時相における前記体部位の前記投影データ上での対応する部分領域を、第２の部分領域として決定する決定部を更に備える、
請求項１に記載の医用画像処理装置。

【請求項3】

前記体部位は周期的な動作をする部位であって、前記第１の時相における前記体部位の形状と前記第２の時相における前記体部位の形状とが異なる、
請求項２に記載の医用画像処理装置。

【請求項4】

前記投影データの第１の部分領域又は第２の部分領域を再構成することで前記第１の部分領域の再構成データを生成する再構成部を更に備える、
請求項２又は３に記載の医用画像処理装置。

【請求項5】

解析対象となる体部位の前記投影データを入力とし、当該投影データの解析結果を出力するよう機能付けられた解析モデルに、前記投影データ上での部分領域を入力することで解析を行う解析部を更に備える、
請求項１乃至４の何れか１項に記載の医用画像処理装置。

【請求項6】

入力又は出力の条件が異なる複数の前記解析モデルの中から、一の解析モデルを選択する選択部を更に備え、
前記第２取得部は、前記選択部が選択した前記解析モデルの条件に基づき、前記解析対象の体部位に関する指定情報を取得する、
請求項５に記載の医用画像処理装置。

【請求項7】

前記解析モデルは、前記部分領域を含む情報を用いた機械学習又は深層学習により生成される、
請求項６に記載の医用画像処理装置。

【請求項8】

医用画像処理装置による医用画像処理方法であって、
被検体に放射線を照射し当該被検体を透過した放射線、又は被検体に投与された核種が放出する放射線を検出することにより得られた投影データを取得する第１取得ステップと、
解析対象となる体部位に関する指定情報を取得する第２取得ステップと、
前記指定情報に対応する前記投影データ上での部分領域を特定する特定ステップと、
を含む医用画像処理方法。

【請求項9】

コンピュータに、
被検体に放射線を照射し当該被検体を透過した放射線、又は被検体に投与された核種が放出する放射線を検出することにより得られた投影データを取得する第１取得ステップと、
解析対象となる体部位に関する指定情報を取得する第２取得ステップと、
前記指定情報に対応する前記投影データ上での部分領域を特定する特定ステップと、
を実行させるプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本明細書及び図面に開示の実施形態は、医用画像処理装置、医用画像処理方法及びプログラムに関する。

【0002】

従来、医用画像診断装置によって収集された医用画像を機械学習や深層学習等のＡＩ（Artificial Intelligence）技術を用いて解析することが行われている。

【0003】

例えば、Ｘ線ＣＴ装置によって三次元再構成された医用画像を、ＡＩ技術によって作成した解析モデル（学習済モデル）に入力することで、臓器等の画像特徴量を解析することが行われている。また、従来、ＡＩ技術によって、三次元再構成が行われる以前の医用画像（以下、投影データともいう）から三次元再構成後の医用画像を生成（推定）することも行われている。

【0004】

ところで、三次元再構成処理を行うと、ノイズ成分として微小な信号成分が失われてしまう場合がある。特に、ＡＩ技術を用いて三次元構成後の医用画像を生成する場合には、一般的な症例の患者の医用画像を用いて学習が行われているため、特殊な疾患の患者にのみ存在する特徴的な信号成分が、三次元構成後の医用画像を生成する過程で失われる可能性が高い。このような場合、除去された信号成分が、解析精度の低下を招く可能性がある。

【0005】

そこで、投影データから、臓器等の特徴量を直接推定することが可能な解析モデルが提案されている。この場合、三次元再構成時の信号消失を防ぐことができ、全ての微小信号を解析モデルに入力することが可能となる。しかしながら、投影データを直接入力する場合であっても、投影データ上における対象とする臓器等の位置を正確に特定できないと、臓器周辺の不必要なデータが混入することになるため、解析の精度が低下してしまう可能性がある。

【先行技術文献】

【特許文献】

【0006】

【特許文献1】特開２００５－２５３８４１号公報

【非特許文献】

【0007】

【非特許文献1】クリストファー M. ビショップ（Christopher M. Bishop）著、「パターン認識と機械学習（Pattern recognition and machine learning）」、（米国）、第１版、スプリンガー（Springer）、2006年、P.225-290

【発明の概要】

【発明が解決しようとする課題】

【0008】

本明細書及び図面に開示の実施形態が解決しようとする課題の一つは、ＡＩ技術を用いた医用画像の解析精度を向上させることである。ただし、本明細書及び図面に開示の実施形態により解決しようとする課題は上記課題に限られない。後述する実施形態に示す各構成による各効果に対応する課題を他の課題として位置づけることもできる。

【課題を解決するための手段】

【0009】

実施形態に係る医用画像処理装置は、第１取得部と、第２取得部と、特定部とを備える。第１取得部は、被検体に放射線を照射し当該被検体を通過した放射線、又は被検体に投与された核種が放出する放射線を検出することにより得られた投影データを取得する。第２取得部は、解析対象となる体部位に関する指定情報を取得する。特定部は、指定情報に対応する投影データ上での部分領域を特定する。

【図面の簡単な説明】

【0010】

【図1】図１は、実施形態に係るＸ線コンピュータ断層撮影装置の構成の一例を示すブロック図である。

【図2】図２は、実施形態に係るサイノグラムデータの一例を示す図である。

【図3】図３は、実施形態に係るサイノグラムデータ上の領域を特定する処理の一例を示す説明図である。

【図4】図４は、実施形態に係る所定の時相における対象領域を特定する処理の一例を示す説明図である。

【図5】図５は、実施形態に係る大動脈弁が全閉状態である場合と全開状態であるとサイノグラムデータとの関係を示す説明図である。

【図6】図６は、実施形態に係る異なる時相における対象領域を決定する処理の一例を示す説明図である。

【図7】図７は、実施形態に係る機械学習処理の一例を示す説明図である。

【図8】図８は、実施形態に係る解析処理の一例を示す説明図である。

【図9】図９は、実施形態に係るＸ線ＣＴ装置の機械学習処理の一例を示すフローチャートである。

【図10】図１０は、実施形態に係るＸ線ＣＴ装置の解析処理の一例を示すフローチャートである。

【発明を実施するための形態】

【0011】

以下、図面を参照しながら、実施形態に係る医用画像処理装置について説明する。説明を具体的にするために、実施形態に係る装置として、医用画像処理装置がＸ線ＣＴ装置のコンソール装置である場合を例として説明する。また、以下の実施形態では、同一の参照符号を付した部分は同様の動作を行うものとして、重複する説明を適宜省略する。

【0012】

図１は、実施形態に係るＸ線ＣＴ装置１の構成の一例を示すブロック図である。図１に示すように、Ｘ線ＣＴ装置１は、架台装置１０と寝台装置３０とコンソール装置４０とを有する。

【0013】

なお、本実施形態では、非チルト状態での回転フレーム１３の回転軸の長手方向をＺ軸方向、Ｚ軸方向に直交し、かつ回転中心から回転フレーム１３を支持する支柱に向かう方向をＸ軸、当該Ｚ軸及びＸ軸と直交する方向をＹ軸とそれぞれ定義するものとする。

【0014】

架台装置１０は、診断に用いられる医用画像を撮影するための撮影系１９を有する。撮影系１９は、例えば、Ｘ線管１１、Ｘ線検出器１２、ウェッジ１６、及びコリメータ１７で構成される。すなわち、架台装置１０は、被検体ＰにＸ線を照射し、被検体Ｐを透過したＸ線の検出データから投影データを収集する撮影系１９を有する装置である。

【0015】

また、架台装置１０は、被検体Ｐを収容するための開口部を有する。被検体Ｐが載置された天板３３は、寝台装置３０が設けられる側を入り口として開口部へ収容される。

【0016】

架台装置１０は、Ｘ線管１１と、ウェッジ１６と、コリメータ１７と、Ｘ線検出器１２と、Ｘ線高電圧装置１４と、ＤＡＳ（Ｄａｔａ Ａｃｑｕｉｓｉｔｉｏｎ Ｓｙｓｔｅｍ）１８と、回転フレーム１３と、制御装置１５と、寝台装置３０とを有する。

【0017】

Ｘ線管１１は、Ｘ線高電圧装置１４からの高電圧の印加により、陰極（フィラメント）から陽極（ターゲット）に向けて熱電子を照射する真空管である。例えば、Ｘ線管１１には回転する陽極に熱電子を照射することでＸ線を発生させる回転陽極型のＸ線管がある。

【0018】

ウェッジ１６は、Ｘ線管１１から照射されたＸ線のＸ線量を調節するためのフィルタである。具体的には、ウェッジ１６は、Ｘ線管１１から被検体Ｐへ照射されるＸ線が、予め定められた分布になるように、Ｘ線管１１から照射されたＸ線を透過して減衰するフィルタである。

【0019】

ウェッジ１６は、例えばウェッジフィルタ（ｗｅｄｇｅ ｆｉｌｔｅｒ）またはボウタイフィルタ（ｂｏｗ－ｔｉｅ ｆｉｌｔｅｒ）であり、所定のターゲット角度や所定の厚みとなるようにアルミニウムを加工したフィルタである。

【0020】

コリメータ１７は、ウェッジ１６を透過したＸ線の照射範囲を絞り込むための鉛板等であり、複数の鉛板等の組み合わせによってスリットを形成する。なお、コリメータ１７は、Ｘ線絞りと呼ばれる場合もある。

【0021】

Ｘ線検出器１２は、Ｘ線管１１から照射され、被検体Ｐを通過したＸ線を検出し、当該Ｘ線量に対応した電気信号をデータ収集装置（ＤＡＳ１８）へと出力する。Ｘ線検出器１２は、例えば、Ｘ線管１１の焦点を中心として１つの円弧に沿ってチャンネル方向に複数のＸ線検出素子が配列された複数のＸ線検出素子列を有する。なお、チャンネル方向は、回転フレーム１３の円周方向を意味する。

【0022】

Ｘ線検出器１２は、例えば、Ｘ線管１１の焦点を中心として一つの円弧に沿ってチャンネル方向に複数のＸ線検出素子が配列された複数のＸ線検出素子列を有する。Ｘ線検出器１２は、例えば、チャンネル方向に複数のＸ線検出素子が配列されたＸ線検出素子列がスライス方向（体軸方向、列方向とも呼ばれる）に複数配列された構造を有する。

【0023】

また、Ｘ線検出器１２は、例えば、グリッドと、シンチレータアレイと、光センサアレイとを有する間接変換型の検出器である。シンチレータアレイは、複数のシンチレータを有し、シンチレータは入射Ｘ線量に応じた光子量の光を出力するシンチレータ結晶を有する。グリッドは、シンチレータアレイのＸ線入射側の面に配置され、散乱Ｘ線を吸収する機能を有するＸ線遮蔽版を有する。

【0024】

光センサアレイは、シンチレータからの光量に応じた電気信号に変換する機能を有し、例えば、光電子増倍管（ＰＭＴ）等の光センサを有する。なお、Ｘ線検出器１２は、入射したＸ線を電気信号に変換する半導体素子を有する直接変換型の検出器であっても構わない。

【0025】

Ｘ線高電圧装置１４は、変圧器（トランス）及び整流器等の電気回路を有し、Ｘ線管１１に印加する高電圧を発生する機能を有する高電圧発生装置と、Ｘ線管１１が照射するＸ線に応じた出力電圧の制御を行うＸ線制御装置とを有する。高電圧発生装置は、変圧器方式であってもよいし、インバータ方式であっても構わない。

【0026】

なお、Ｘ線高電圧装置１４は、回転フレーム１３に設けられてもよいし、架台装置１０の固定フレーム（図示しない）側に設けられても構わない。なお、固定フレームは、回転フレーム１３を回転可能に支持するフレームである。

【0027】

ＤＡＳ１８は、Ｘ線検出器１２の各Ｘ線検出素子から出力される電気信号に対して増幅処理を行う増幅器と、電気信号をデジタル信号に変換するＡ／Ｄ変換器とを有し、検出データを生成する。ＤＡＳ１８が生成した検出データは、コンソール装置４０へと転送される。検出データは、例えば、サイノグラムデータである。

【0028】

サイノグラムとは、Ｘ線管１１の各位置（以下、ビュー角度ともいう）ごとに、且つＸ線検出素子ごとに生成される投影データを、ビュー方向とチャンネル方向とに対応付けて示すデータである。ここで、ビュー方向は、ビュー角度に対応し、Ｘ線の照射方向を意味する。

【0029】

なお、Ｘ線検出器１２における１つの検出素子列のみを用いてシングルスキャンを実行した場合、１つのスキャンに対して１つのサイノグラムを生成することができる。また、Ｘ線検出器１２における複数の検出素子列を用いてヘリカルスキャン又はボリュームスキャンを実行した場合、１つのスキャンに対して複数のサイノグラムを生成することができる。例えば、生成した複数のサイノグラムデータを後述する解析モデルの入力データとすることで、疾患の診断等を行うことができる。

【0030】

回転フレーム１３は、Ｘ線管１１とＸ線検出器１２とを対向支持し、制御装置１５によってＸ線管１１とＸ線検出器１２とを回転させる円環状のフレームである。なお、回転フレーム１３は、Ｘ線管１１とＸ線検出器１２に加えて、Ｘ線高電圧装置１４やＤＡＳ１８を更に支持する。

【0031】

回転フレーム１３は架台装置の非回転部分（例えば固定フレーム。図１での図示は省略している）により回転可能に支持される。回転機構は例えば回転駆動力を生ずるモータと、当該回転駆動力を回転フレーム１３に伝達して回転させるベアリングとを含む。モータは例えば当該非回転部分に設けられ、ベアリングは回転フレーム１３及び当該モータと物理的に接続され、モータの回転力に応じて回転フレーム１３が回転する。

【0032】

回転フレーム１３と非回転部分にはそれぞれ、非接触方式または接触方式の通信回路が設けられ、これにより回転フレーム１３に支持されるユニットと当該非回転部分あるいは架台装置１０の外部装置との通信が行われる。

【0033】

例えば、非接触の通信方式として光通信を採用する場合、ＤＡＳ１８が生成した検出データは、回転フレーム１３に設けられた発光ダイオード（ＬＥＤ）を有する送信機から光通信によって架台装置の非回転部分に設けられた、フォトダイオードを有する受信機に送信され、さらに送信器により当該非回転部分からコンソール装置４０へと転送される。

【0034】

なお、通信方式としては、この他に容量結合式や電波方式等の非接触型のデータ伝送の他、スリップリングと電極ブラシを使った接触型のデータ伝送方式を採用しても構わない。

【0035】

制御装置１５は、ＣＰＵ等を有する処理回路と、モータ及びアクチュエータ等の駆動機構とを有する。制御装置１５は、コンソール装置４０若しくは架台装置１０に取り付けられた、後述する入力インターフェース４３からの入力信号を受けて、架台装置１０及び寝台装置３０の動作制御を行う機能を有する。

【0036】

例えば、制御装置１５は、入力信号を受けて回転フレーム１３を回転させる制御や、架台装置１０をチルトさせる制御、及び寝台装置３０及び天板３３を動作させる制御を行う。なお、架台装置１０をチルトさせる制御は、架台装置１０に取り付けられた入力インターフェースによって入力される傾斜角度（チルト角度）情報により、制御装置１５がＸ軸方向に平行な軸を中心に回転フレーム１３を回転させることによって実現される。

【0037】

なお、制御装置１５は架台装置１０に設けられてもよいし、コンソール装置４０に設けられても構わない。

【0038】

寝台装置３０は、スキャン対象の被検体Ｐを載置、移動させる装置であり、基台３１と、寝台駆動装置３２と、天板３３と、支持フレーム３４とを備える。また、天板３３は、図１では図示しないランドマークを備える。基台３１は、支持フレーム３４を鉛直方向に移動可能に支持する筐体である。寝台駆動装置３２は、被検体Ｐが載置された天板３３をその長軸方向（図１のＺ軸方向）に移動させるモータあるいはアクチュエータである。

【0039】

支持フレーム３４の上面に設けられた天板３３は、被検体Ｐが載置される板である。なお、寝台駆動装置３２は、天板３３に加え、支持フレーム３４を天板３３の長軸方向に移動してもよい。

【0040】

寝台駆動装置３２は、制御装置１５からの制御信号に従って、基台３１を上下方向に移動させる。また、寝台駆動装置３２は、制御装置１５からの制御信号に従って、天板３３を長軸方向（Ｚ軸方向）に移動させる。

【0041】

コンソール装置４０は、操作者によるＸ線ＣＴ装置１の操作を受け付けるとともに、架台装置１０によって収集されたＸ線検出データからＸ線ＣＴ画像データを再構成する装置である。コンソール装置４０は、メモリ４１と、ディスプレイ４２と、入力インターフェース４３と、処理回路４５とを備える。

【0042】

メモリ４１は、例えばＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、フラッシュメモリ等の半導体メモリ素子、ハードディスク、光ディスク等により実現される。メモリ４１は、例えば投影データや再構成画像データを記憶する。また、メモリ４１は、撮影プロトコルを記憶する。

【0043】

ここで、撮影プロトコルとは、撮影系１９を制御して被検体Ｐを撮影し画像を取得するための手順等を規定したものである。撮影プロトコルは、例えば、撮影部位、撮影条件、撮影範囲、再構成条件、架台装置１０（撮影系１９）の動作、寝台装置３０の動作等のパラメータ群である。

【0044】

また、メモリ４１は、複数の解析モデル（学習済モデル）を記憶する。解析モデルは、サイノグラムデータを学習用データとした機械学習によって生成される学習済モデルである。なお、複数の解析モデルは、外部のワークステーション等が備える記憶装置に記憶されていてもよい。

【0045】

ここで、解析モデルの各々は、様々な解析を実行することができるよう構成されている。例えば、或る解析モデルは、解析対象となる臓器や器官を表す部分領域のデータが入力されると、当該データから導出される解析対象の状態（病変の有無、繊維化の有無等）を解析結果として出力する。また、例えば、別の解析モデルは、解析対象となる臓器の一部を表す部分領域（例えば、心臓であれば、その一部である大動脈弁等）のデータが入力されると、当該データから導出される解析対象の状態を解析結果として出力する。

【0046】

また、例えば、別の解析モデルは、解析対象となる体内留置デバイスを含む領域を表す部分領域のデータが入力されると、当該データから導出される解析対象の状態（体内留置デバイスの状態、体内留置デバイスと周囲とを含めた領域の状態等）を解析結果として出力する。

【0047】

また、例えば、別の解析モデルは、解析対象となる時相における解析対象となる臓器又は臓器の一部を表す部分領域（例えば、拡張期における心臓の大動脈弁等）のデータが入力されると、当該データから導出される解析対象の状態を解析結果として出力する。また、例えば、別の解析モデルは、解析対象となる組織を表す部分領域（例えば、柔らかい組織、硬い組織等）のデータが入力されると、当該データから導出される解析対象の状態を解析結果として出力する。

【0048】

なお、入力側のデータが同一であっても、解析に使用する解析モデルによって出力される解析結果が異なることがある。例えば、入力側のデータが肝臓領域を表す部分領域である解析モデルであれば、肝臓の疾患の有無を解析結果として出力する解析モデルや肝臓の繊維化の状態を解析結果として出力する解析モデル等が存在する。

【0049】

なお、本実施形態では、上記の説明における部分領域のデータは、サイノグラム上における部分領域のデータである。解析モデルは、このサイノグラム上における部分領域のデータを用いた機械学習により生成されることになる。本実施形態に係るＸ線ＣＴ装置１では、上述の解析モデルを用いることで、様々な解析を実行することができる。

【0050】

また、解析モデルには、解析モデルの条件に関する情報が含まれている。例えば、解析モデルの条件は、入力データの条件や出力データの条件、拍動する体部位の場合の時相の条件等である。なお、解析モデルの条件に関する情報は、例えば、解析モデルのプロパティ等に含まれている。

【0051】

また、メモリ４１は、後述するシステム制御機能４５ａ、前処理機能４５ｂ、再構成処理機能４５ｃ、画像処理機能４５ｄ、第１取得機能４５ｅ、選択機能４５ｆ、第２取得機能４５ｇ、特定機能４５ｈ、決定機能４５ｉ、生成機能４５ｊ、学習機能４５ｋ、及び解析機能４５ｌを実現するための専用プログラムを格納する。

【0052】

ディスプレイ４２は、操作者が参照するモニタであり、各種の情報を表示する。例えば、ディスプレイ４２は、処理回路４５によって生成された医用画像（ＣＴ画像）や、操作者からの各種操作を受け付けるためのＧＵＩ（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）等を出力する。例えば、ディスプレイ４２は、液晶ディスプレイやＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）ディスプレイである。

【0053】

入力インターフェース４３は、操作者からの各種の入力操作を受け付け、受け付けた入力操作を電気信号に変換して処理回路４５に出力する。例えば、入力インターフェース４３は、投影データを収集する際の収集条件や、ＣＴ画像を再構成する際の再構成条件、ＣＴ画像から後処理画像を生成する際の画像処理条件等を操作者から受け付ける。また、例えば、入力インターフェース４３は、操作者から医用画像の解析の目的（以下、解析目的ともいう）の入力を受付ける。

【0054】

また、例えば、入力インターフェース４３は、マウスやキーボード、トラックボール、スイッチ、ボタン、ジョイスティック等により実現される。また、入力インターフェース４３は、架台装置１０に設けられてもよい。また、入力インターフェース４３は、コンソール装置４０本体と無線通信可能なタブレット端末等で構成されることにしても構わない。

【0055】

処理回路４５は、Ｘ線ＣＴ装置１全体の動作を制御する。処理回路４５は、例えば、システム制御機能４５ａ、前処理機能４５ｂ、再構成処理機能４５ｃ、画像処理機能４５ｄ、第１取得機能４５ｅ、選択機能４５ｆ、第２取得機能４５ｇ、特定機能４５ｈ、決定機能４５ｉ、生成機能４５ｊ、学習機能４５ｋ、及び解析機能４５ｌを有する。

【0056】

再構成処理機能４５ｃは、再構成部の一例である。第１取得機能４５ｅは、第１取得部の一例である。選択機能４５ｆは、選択部の一例である。第２取得機能４５ｇは、第２取得部の一例である。特定機能４５ｈは、特定部の一例である。決定機能４５ｉは、決定部の一例である。解析機能４５ｌは、解析部の一例である。

【0057】

実施形態では、構成要素であるシステム制御機能４５ａ、前処理機能４５ｂ、再構成処理機能４５ｃ、画像処理機能４５ｄ、第１取得機能４５ｅ、選択機能４５ｆ、第２取得機能４５ｇ、特定機能４５ｈ、生成機能４５ｊ、学習機能４５ｋ、及び解析機能４５ｌにて行われる各処理機能は、コンピュータによって実行可能なプログラムの形態でメモリ４１へ記憶されている。処理回路４５はプログラムをメモリ４１から読み出し、実行することで各プログラムに対応する機能を実現するプロセッサである。

【0058】

換言すると、各プログラムを読み出した状態の処理回路４５は、図１の処理回路４５内に示された各機能を有することになる。

【0059】

なお、図１においては単一の処理回路４５にて、システム制御機能４５ａ、前処理機能４５ｂ、再構成処理機能４５ｃ、画像処理機能４５ｄ、第１取得機能４５ｅ、選択機能４５ｆ、第２取得機能４５ｇ、特定機能４５ｈ、決定機能４５ｉ、生成機能４５ｊ、学習機能４５ｋ、及び解析機能４５ｌにて行われる処理機能が実現されるものとして説明したが、複数の独立したプロセッサを組み合わせて処理回路４５を構成し、各プロセッサがプログラムを実行することにより機能を実現するものとしても構わない。

【0060】

換言すると、上述のそれぞれの機能がプログラムとして構成され、１つの処理回路が各プログラムを実行する場合であってもよいし、特定の機能が専用の独立したプログラム実行回路に実装される場合であってもよい。

【0061】

上記説明において用いた「プロセッサ」という文言は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＧＰＵ（Ｇｒａｐｈｉｃａｌ ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ）或いは、特定用途向け集積回路（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ：ＡＳＩＣ）、プログラマブル論理デバイス（例えば、単純プログラマブル論理デバイス（Ｓｉｍｐｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ：ＳＰＬＤ）、複合プログラマブル論理デバイス（Ｃｏｍｐｌｅｘ Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ：ＣＰＬＤ），及びフィールドプログラマブルゲートアレイ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ：ＦＰＧＡ））等の回路を意味する。

【0062】

プロセッサはメモリ４１に保存されたプログラムを読み出し実行することで機能を実現する。なお、メモリ４１にプログラムを保存する代わりに、プロセッサの回路内にプログラムを直接組み込むよう構成しても構わない。この場合、プロセッサは回路内に組み込まれたプログラムを読み出し実行することで機能を実現する。

【0063】

システム制御機能４５ａは、入力インターフェース４３を介して操作者から受け付けた入力操作に基づいて、処理回路４５の各種機能を制御する。例えば、システム制御機能４５ａは、入力インターフェース４３を介し、ログインのためのユーザ情報（例えばユーザＩＤ等）、被検体情報等の入力を受け付ける。また、システム制御機能４５ａは、入力インターフェース４３を介し、撮影プロトコルの入力を受け付ける。

【0064】

さらに、システム制御機能４５ａは、操作者から解析目的の入力を受付ける。例えば、医用画像の解析用のアプリケーションがメモリ４１等に記憶されている場合、システム制御機能４５ａは、当該アプリケーションのＵＩ（User interface）を介して、解析目的の入力を受付ける。

【0065】

この場合、システム制御機能４５ａは、例えば、まず、対象臓器の一覧を表示して、操作者から臓器の選択（入力データの種類の選択）を受付ける。次いで、システム制御機能４５ａは、選択された臓器に紐付く解析目的を一覧表示したメニューを表示することで、操作者から解析目的の選択（出力データの種類の選択）を受付けてもよい。なお、システム制御機能４５ａは、入力データの種類と出力データの種類とを組み合わせた解析目的の一覧を表示して、操作者から解析目的の入力を受付けてもよい。

【0066】

また、例えば、システム制御機能４５ａは、操作者から、疑われる疾患名の入力を受付け、当該疾患に紐付く解析目的を一覧表示したメニューを表示することで、操作者から解析目的の選択を受付けてもよい。

【0067】

また、解析目的に紐付く専用アプリケーションがメモリ４１等に記憶されている場合、システム制御機能４５ａは、その専用アプリケーションが起動されたことを条件に、当該専用アプリケーションに紐付く解析目的が入力されたとみなして、解析目的の入力を受付けてもよい。例えば、操作者により肝臓の繊維化解析アプリケーションが起動された場合、システム制御機能４５ａは、肝臓の繊維化解析を解析目的として、解析目的の入力を受付ける。

【0068】

また、システム制御機能４５ａは、電子カルテや検査オーダ等に含まれる情報を取得し、当該情報に紐付く解析目的が入力されたとみなして、解析目的の入力を受付けてもよい。例えば、検査項目として「肝臓の繊維化解析」が用意されている場合、対象の被検体Ｐに「肝臓の繊維化解析」のオーダが存在していれば、システム制御機能４５ａは、肝臓の繊維化解析を解析目的として、解析目的の入力を受付ける。

【0069】

前処理機能４５ｂは、ＤＡＳ１８から出力された検出データに対して対数変換処理やオフセット処理、チャンネル間の感度補正処理、ビームハードニング補正等の前処理を施したデータを生成する。なお、前処理前のデータ（検出データ）及び前処理後のデータを総称して投影データと称する場合もある。

【0070】

再構成処理機能４５ｃは、前処理機能４５ｂにより生成された投影データに対して、再構成条件に従ってフィルタ補正逆投影法や逐次近似再構成法等を用いた再構成処理を行ってＣＴ画像データを生成する。

【0071】

画像処理機能４５ｄは、入力インターフェース４３を介して操作者から受け付けた入力操作に基づいて、再構成処理機能４５ｃによって生成されたＣＴ画像データを公知の方法により、任意断面の断層像データや三次元画像データに変換する。なお、三次元画像データの生成は再構成処理機能４５ｃが直接行なってもよい。

【0072】

なお、後処理は、コンソール装置４０又は外部のワークステーションのどちらで実施することにしても構わない。また、コンソール装置４０とワークステーションの両方で同時に処理することにしても構わない。

【0073】

ここで定義される後処理とは、再構成処理機能４５ｃによって再構成された画像に対する処理を指す概念である。例えば、再構成画像のＭｕｌｔｉ-Ｐｌａｎａｒ Ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ（ＭＰＲ）表示やボリュームデータのレンダリング等を含む。

【0074】

また、ワークステーションとしては、例えば、画像処理機能４５ｄを実現するプロセッサと、ＲＯＭやＲＡＭ等のメモリとをハードウェア資源として有するコンピュータ等が適宜利用可能である。

【0075】

また、再構成処理機能４５ｃ及び画像処理機能４５ｄは、後述する特定機能４５ｈが特定した、又は後述する決定機能４５ｉが決定した、解析対象となる体部位等に対応するサイノグラムデータ上の部分領域を再構成し、三次元画像データを生成してもよい。これにより、解析対象となる体部位等に関する三次元画像データを生成することができる。

【0076】

第１取得機能４５ｅは、被検体ＰにＸ線を照射し、当該被検体を透過したＸ線を検出することにより得られたサイノグラムデータを取得する。サイノグラムデータは、投影データの一例である。具体的には、第１取得機能４５ｅは、ＤＡＳ１８から出力されたサイノグラムデータを取得する。

【0077】

図２は、サイノグラムデータの一例を示す説明図である。図２おいて、横軸は、チャンネルの位置（チャンネル位置）を意味し、縦軸は、ビュー角度を意味する。図２に示すように、サイノグラム上では、物体の軌跡がサインカーブとして描写されている。

【0078】

選択機能４５ｆは、入力又は出力の条件が異なる複数の解析モデルの中から、一の解析モデルを選択する。具体的には、選択機能４５ｆは、システム制御機能４５ａが操作者から受け付けた解析目的の入力に基づいて、当該目的に応じた解析モデルを選択する。より具体的には、選択機能４５ｆは、解析目的と解析モデルとを対応付けた解析モデルデータテーブルを参照し、システム制御機能４５ａが受付けた解析目的の入力に対応する解析モデルを選択する。解析モデルデータテーブルは、例えば、メモリ４１に記憶される。

【0079】

なお、システム制御機能４５ａが操作者から直接解析モデルの選択の入力を受付け、選択機能４５ｆは、システム制御機能４５ａが直接受付けた解析モデルを選択してもよい。

【0080】

第２取得機能４５ｇは、解析対象となる体部位に関する指定情報を取得する。なお、解析対象の体部位に関する指定情報は、解析の対象となる体部位の情報だけでなく、解析の対象となる体部位の状態の情報（例えば、体部位が心臓の場合の心位相等）等も含む情報である。例えば、第２取得機能４５ｇは、選択機能４５ｆが選択した解析モデルの条件に基づき、解析対象の体部位に関する指定情報を取得する。

【0081】

具体的には、第２取得機能４５ｇは、選択機能４５ｆが選択した解析モデルのプロパティを参照し、解析モデルの条件を取得する。そして、第２取得機能４５ｇは、解析モデルの条件から、解析対象の体部位に関する指定情報を特定し、取得する。この場合、例えば、解析モデルの再学習を行うような場合に、当該解析モデルに係る教師データの生成を効率的に行うことができる。

【0082】

また、第２取得機能４５ｇは、システム制御機能４５ａが受付けた解析目的の入力に基づいて、解析対象となる体部位に関する指定情報を取得してもよい。例えば、解析目的と解析モデルの条件とが対応付けられてメモリ４１等に記憶されている場合、第２取得機能４５ｇは、システム制御機能４５ａが受付けた解析目的に対応する解析モデルの条件に基づき、解析対象の体部位に関する指定情報を取得する。

【0083】

これにより、第２取得機能４５ｇは、新たに生成する解析モデルに関しても、解析対象となる体部位に関する指定情報を取得することができる。

【0084】

特定機能４５ｈは、指定情報に対応するサイノグラムデータの部分領域を特定する。例えば、特定機能４５ｈは、解析の対象となる体部位に対応するサイノグラムデータ上の部分領域を特定する。

【0085】

ここで、図３は、サイノグラムデータ上の領域を特定する処理の一例を示す説明図である。この例では、選択機能４５ｆが選択した解析モデルが、心臓全体の疾患の有無を検出する解析モデル（以下、心疾患解析モデルともいう）であった場合について説明する。

【0086】

まず、特定機能４５ｈは、画像処理機能４５ｄによって生成された被検体Ｐの三次元再構成後の三次元画像データから、心臓全体を表す領域を特定する。例えば、特定機能４５ｈは、三次元画像データの特徴量を算出し、メモリ４１等に予め記憶されている心臓全体の特徴量を表す心臓全体モデルと比較する。そして、特定機能４５ｈは、三次元画像データ上において、心臓全体モデルと近似する特徴量を有する領域を、心臓全体を表す領域として特定する。

【0087】

そして、特定機能４５ｈは、特定した心臓全体を表す部分領域の三次元座標を、サイノグラムを表す二次元座標に変換し、サイノグラムデータ上で心臓全体を表す部分領域Ｅ１を特定する。なお、座標の変換は公知の技術を利用することができる。

【0088】

また、例えば、ヘリカルスキャン又はボリュームスキャンを行った場合、特定機能４５ｈは、特定した心臓全体を表す部分領域のスライス方向の三次元座標に基づいて、第１取得機能４５ｅが取得した複数のサイノグラムデータから、心臓全体を表す部分領域を含む複数のサイノグラムデータを特定する。そして、特定機能４５ｈは、特定したサイノグラムデータ毎に上記のサイノグラムデータ上の心臓全体を表す部分領域を特定する処理を行う。

【0089】

なお、特定機能４５ｈが特定するサイノグラムデータ上での部分領域は、図３で説明した心臓に限らないものとする。

【0090】

例えば、被検体Ｐがペースメーカー等の体内留置デバイスを体内に留置しており、選択機能４５ｆが体内留置デバイス以外の部分を解析する解析モデルを選択したような場合、特定機能４５ｈは、体内留置デバイス以外の部分に対応するサイノグラムデータ上の部分領域を特定する。

【0091】

この場合、例えば、特定機能４５ｈは、三次元画像データ上において、体内留置デバイスは輝度値が高い状態で描画されるため、輝度値が閾値を超えている領域を体内留置デバイスに対応する領域とし、輝度値が閾値以下の領域を対象となる領域として特定する。次いで、特定機能４５ｈは、特定した領域の三次元座標を二次元座標に変換して、体内留置デバイス以外の部分に対応するサイノグラムデータ上の部分領域を特定する。

【0092】

また、例えば、血管造影を行っている場合で、選択機能４５ｆが、血管内を解析する解析モデルを選択したような場合、特定機能４５ｈは、造影剤投入後の画像（以下、サブトラクション画像ともいう）に基づき、血管を表す領域を部分領域として特定する。

【0093】

この場合、例えば、特定機能４５ｈは、画像処理機能４５ｄによって生成されたサブトラクション画像から血管を表す領域を部分領域として特定する。次いで、特定した領域の三次元座標を二次元座標に変換して、血管に対応するサイノグラムデータ上の部分領域を特定する。

【0094】

また、例えば、特定機能４５ｈは、血管造影を行っている場合で、選択機能４５ｆが、血管周囲内との関係を解析する解析モデルを選択したような場合、非造影でＸ線吸収される臓器が映っている画像（以下、オリジナル画像ともいう）の血管周囲を含む領域を部分領域として特定する。

【0095】

この場合、例えば、特定機能４５ｈは、画像処理機能４５ｄによって生成されたオリジナル画像から血管周囲を含む領域を部分領域として特定する。次いで、特定機能４５ｈは、特定した領域の三次元座標を二次元座標に変換して、血管周囲を含む領域に対応するサイノグラムデータ上の部分領域を特定する。

【0096】

なお、Ｘ線管１１とＸ線検出器１２との位置関係や被検体Ｐの体型等によっては、一連のビュー角度による撮影の際に、被検体Ｐの一部がＸ線の照射範囲から逸脱した所謂トランケーションの状態を示す、トランケーション部分が発生することがある。

【0097】

トランケーション部分が発生している状態で、特定機能４５ｈが部分領域を特定すると、解析の対象となる体部位に対応するサイノグラムデータ上の部分領域を表す情報に欠損が生じ、特定した部分領域に基づいて行う解析の精度が低下する可能性がある。そこで、特定機能４５ｈは、トランケーション補正を行った上で上記の特定処理を行う。なお、トランケーション補正は既存の技術を利用できる。これにより、解析精度の低下を防止することが可能である。

【0098】

決定機能４５ｉは、解析の対象となる体部位が拍動する部位である場合に、対象となる体部位に対応するサイノグラムデータの部分領域を決定するための処理を行う。以下、この処理が必要な理由について説明する。

【0099】

例えば、対象となる体部位が心臓であれば、拡張期と収縮期とでは位置が異なる。このため、収縮期の解析を行いたい場合に、拡張期におけるサイノグラム上での心臓全体に対応する部分領域を特定したとしても、当該部分領域が、収縮期では心臓全体に対応しない可能性がある。したがって、収縮期における心臓全体に対応するサイノグラム上の部分領域を決定する必要があるためである。

【0100】

そこで、特定機能４５ｈは、第１の時相における体部位のサイノグラムデータ上での対応する部分領域を、第１の部分領域として特定する。そして、決定機能４５ｉは、第１の部分領域に基づいて、第１の時相とは異なる第２の時相における体部位のサイノグラムデータ上での対応する部分領域を、第２の部分領域として決定する。

【0101】

以下、解析の対象となる体部位が心臓の大動脈弁であり、対象となる心位相（拡張期、収縮期等）における大動脈弁の状態を解析したい場合を例に、図４乃至図６を用いて決定機能４５ｉによる処理について説明する。なお、大動脈弁は周期的な動作をする部位の一例である。また、大動脈弁は、心位相によってその形状が異なる部位である。

【0102】

ここで、心位相とは、心臓の収縮と拡張とを含む１回の心拍周期における位相を意味する。例えば、心位相は、心電図のあるＲ波から次のＲ波までを１心拍として、あるＲ波の位相をＲ－Ｒ０％、次のＲ波の位相をＲ－Ｒ１００％として１回の心拍周期における位相を表したものである。

【0103】

図４は、異なる時相における対象領域を決定する処理の一例を示す説明図である。まず、画像処理機能４５ｄによって生成された、所定の心位相（解析の対象となる心位相以外の心位相）における三次元画像データから、大動脈弁を表す領域を特定する。そして、特定機能４５ｈは、図４に示すように、特定した対象領域の三次元座標を二次元座標に変換し、所定の心位相におけるサイノグラムデータ上の大動脈弁を表す部分領域Ｅ２を特定する。

【0104】

一方、決定機能４５ｉは、対象となる心位相におけるサイノグラムデータ上の大動脈弁のビュー方向の位置を決定する。ビュー方向の位置は、対象となる心位相と、所定の心位相におけるサイノグラムデータ上の大動脈弁のビュー方向の位置とに基づいて、決定することができる。次に、決定機能４５ｉは、対象となる心位相におけるサイノグラムデータ上の大動脈弁のチャンネル方向の位置を決定する。

【0105】

大動脈弁は、心臓の拍動により、開閉するため心位相の変化に伴い大きさが変化する。このため、サイノグラムデータ上のチャンネル方向の大動脈弁に対応する位置が心位相により変化する。図５は、大動脈弁の開閉状態とサイノグラムデータ上におけるチャンネル方向の位置と幅との関係の一例を示す説明図である。

【0106】

図５に示すように、大動脈弁が全閉状態ＢＨの時にＸ線管１１からＸ線ＸＲを照射した場合と全開状態ＢＫの時にＸ線管１１からＸ線ＸＲを照射した場合とでは、大動脈弁の大きさが異なるためにＸ線検出器１２の検出結果にも差が生じる。具体的には、検出データであるサイノグラムデータＳＩ上の大動脈弁に対応する領域のチャンネル方向における幅が、全閉状態ＢＨの時に最も小さくなり、全開状態ＢＫの時に最も大きくなる。

【0107】

したがって、決定機能４５ｉは、全閉状態ＢＨにおけるサイノグラムデータＳＩ上の大動脈弁に対応する領域のチャンネル方向における幅と、全開状態ＢＫにおけるサイノグラムデータＳＩ上の大動脈弁に対応する領域のチャンネル方向における幅とから、対象となる心位相におけるサイノグラムデータＳＩ上の大動脈弁に対応する領域のチャンネル方向における幅を推定することができる。

【0108】

図６は、異なる時相における対象領域を決定する処理の一例を示す説明図である。図６に示すように、決定機能４５ｉは、特定機能４５ｈが特定した部分領域Ｅ２と、上記で推定した対象となる心位相におけるサイノグラムデータ上の大動脈弁に対応する領域のチャンネル方向における幅と、に基づいて、対象となる心位相におけるサイノグラムデータ上の大動脈弁を表す領域を表す部分領域Ｅ３を決定する。

【0109】

このように、決定機能４５ｉは、例えば、解析の対象が大動脈弁の場合、特定機能４５ｈにより、１つの心位相において、大動脈弁に対応するサイノグラムデータ上の部分領域が特定されれば、他の心位相における、大動脈弁に対応するサイノグラムデータ上の部分領域を決定することができる。このため、複数の心位相について解析を行いたい場合でも、心位相毎に三次元再構成処理及び部分領域の特定処理を行う必要がなくなり、解析の効率を向上させることができる。

【0110】

図１に戻り、説明を続ける。生成機能４５ｊは、解析モデルを生成するための学習用データセットを生成する。具体的には、生成機能４５ｊは、特定機能４５ｈが特定した、解析の対象となる体部位に対応するサイノグラムデータの部分領域を抽出して入力側教師データを生成する。また、生成機能４５ｊは、医用画像を解析することにより取得（出力）される情報から出力側教師データを生成する。そして、生成機能４５ｊは、入力側教師データと出力側教師データと、から学習用データセットを生成する。

【0111】

例えば、心疾患解析モデルを生成する場合、生成機能４５ｊは、サイノグラムデータの心臓に対応する部分領域を抽出して入力側教師データを生成する。

【0112】

次いで、生成機能４５ｊは、画像処理機能４５ｄにより生成された三次元画像データに基づく医師の所見情報（例えば、心疾患の有無の判断）を電子カルテ等から取得し、当該所見情報から出力側教師データを生成する。そして、生成機能４５ｊは、入力側教師データ（心臓に対応するサイノグラムデータ）と出力側教師データ（心疾患の有無）とをペアにして学習用データセットとして生成する。

【0113】

また、例えば、対象となる臓器が心臓等の拍動する臓器であり、また特定の時相についての解析モデルを生成する場合、生成機能４５ｊは、決定機能４５ｉの処理結果に基づき入力側教師データを生成する。一例として、生成機能４５ｊは、決定機能４５ｉが決定した第２の時相に対応するサイノグラムデータの部分領域データを抽出して入力側教師データを生成する。この場合も出力側教師データの生成等は上記の処理と同様のため、以降の処理の説明は省略する。

【0114】

学習機能４５ｋは、生成機能４５ｊが生成した学習用データセットを用いて機械学習を行うことで、解析モデルを生成する。以下、心疾患解析モデルを生成する場合を例に、図４を用いて解析モデルの生成処理について説明する。図７は、機械学習による解析モデルの生成方法の一例を示す説明図である。

【0115】

例えば、学習機能４５ｋは、図７に示すように、入力側教師データである「心臓に対応するサイノグラムデータ上の部分領域を表すデータ」と、出力側教師データである「医師の所見情報（疾患の有無）」とを学習用データセットとして機械学習エンジンに入力し、機械学習を行うことで、心臓に対応するサイノグラムデータの入力に応じて心疾患の有無を出力するように機能付けられた解析モデル（学習済みモデル）を生成する。

【0116】

ここで、機械学習エンジンとしては、例えば、公知である非特許文献「クリストファー M. ビショップ（Christopher M. Bishop）著、「パターン認識と機械学習（Pattern recognition and machine learning）」、（米国）、第１版、スプリンガー（Springer）、2006年、P.225-290」に記載のニューラルネットワーク（Neural Network）等を適用することができる。

【0117】

なお、機械学習エンジンについては、上記したニューラルネットワークの他、例えば、ディープラーニングや、ロジスティック（Logistic）回帰分析、非線形判別分析、サポートベクターマシン（Support Vector Machine：ＳＶＭ）、ランダムフォレスト（Random Forest）、ナイーブベイズ（Naive Bayes）等の各種のアルゴリズムを用いるものでもよい。

【0118】

なお、この例では、解析モデルは対象臓器の疾患の有無を解析するためのものであるが、解析モデルはこれに限定されない。例えば、解析モデルは、がんの良性悪性、血流の逆流量、出血の有無等を解析するものであってもよい。この場合は、「医師の所見」の代わりにがんの良性悪性、血流の逆流量、出血の有無等の「解析結果」を用いて機械学習を行う。

【0119】

このように、学習機能４５ｋは、三次元再構成によって信号成分が失われていないサイノグラムデータから抽出されたデータを使用して解析モデルを生成する。つまり、学習機能４５ｋは、三次元再構成を行うと失われてしまう可能性が高い微小な信号についても解析モデルの生成に使用することができるため、解析精度の向上を図ることができる。

【0120】

また、学習機能４５ｋは、生成した解析モデルを、メモリ４１に記憶してもよい。なお、学習機能４５ｋは、外部のワークステーション等が備える記憶装置に解析モデルを記憶してもよい。

【0121】

解析機能４５ｌは、解析対象となる体部位のサイノグラムデータを入力とし、当該サイノグラムデータの解析結果を出力するよう機能付けられた解析モデルに、サイノグラムデータ上での部分領域を入力することで解析を行う。具体的には、解析機能４５ｌは、選択機能４５ｆが選択した解析モデルに、サイノグラムデータの部分領域に対応するデータを入力し、当該解析モデルの出力を解析結果として取得する。図８は、学習済モデルを用いた解析方法の一例を示す説明図である。

【0122】

例えば、選択機能４５ｆにより選択された解析モデルが、心疾患解析モデルだった場合、解析機能４５ｌは、図８に示すように、特定機能４５ｈが特定した部分領域に対応するサイノグラムデータを、心疾患解析モデル（学習済モデル）に入力し、心疾患の有無という解析結果を出力する。

【0123】

なお、解析の対象となる被検体Ｐの体部位が心臓等の拍動する臓器である場合、解析機能４５ｌは、決定機能４５ｉが決定した第２の時相に対応する部分領域に対応するデータを入力する。

【0124】

このように、解析機能４５ｌは、特定機能４５ｈが特定した解析の対象となる体部位に対応するサイノグラムデータ上の部分領域を表すデータを入力することにより、三次元再構成によって信号成分が失われていないサイノグラムデータを解析モデルに入力することができる。つまり、解析機能４５ｌは、全ての微小信号を解析モデルに入力することができるため、解析精度の向上を図ることができる。

【0125】

次に、実施形態に係るＸ線ＣＴ装置１が実行する機械学習処理について説明する。図９は、実施形態に係るＸ線ＣＴ装置１が実行する機械学習処理の一例を示すフローチャートである。

【0126】

まず、選択機能４５ｆは、操作者から解析目的の入力を受付ける（ステップＳ１）。次いで、選択機能４５ｆは、メモリ４１に記憶された解析モデルの中から、受付けた解析目的に対応する解析モデルを選択する（ステップＳ２）。このとき、第２取得機能４５ｇは、選択機能４５ｆが選択した解析モデルのプロパティを参照し、解析対象の体部位に関する指定情報を取得する。

【0127】

次に、特定機能４５ｈは、第２取得機能４５ｇが取得した解析対象に関する情報に対応する対象領域を、再構成処理機能４５ｃにより生成された三次元画像データ上から特定する。そして、特定機能４５ｈは、特定した三次元画像データ上の領域の三次元座標を二次元座標に変換し、サイノグラム上における対象領域を特定する（ステップＳ３）。

【0128】

生成機能４５ｊは、サイノグラムデータから特定機能４５ｈが特定したサイノグラムデータ上の対象領域に対応する部分領域を表すデータを抽出し、出力側教師データを生成する。次いで、生成機能４５ｊは、解析目的に対応する解析結果から出力側教師データを生成する。

【0129】

例えば、生成機能４５ｊは、電子カルテ等から、画像処理機能４５ｄにより生成された三次元画像データに基づく医師の所見情報（疾患の有無等）を解析結果として取得し、出力側教師データを生成する。

【0130】

そして、生成機能４５ｊは、入力側教師データと出力側教師データをペアにして学習用データセットを生成する（ステップＳ４）。学習機能４５ｋは、生成機能４５ｊが生成した学習用データセットを機械学習エンジンに入力し、解析モデル（学習済モデル）を生成する（ステップＳ５）。学習機能４５ｋは、生成した解析モデルをメモリ４１に記憶して本処理を終了する。

【0131】

次に、実施形態に係るＸ線ＣＴ装置１が実行する解析処理について説明する。図１０は、実施形態に係るＸ線ＣＴ装置１が実行する解析処理の一例を示すフローチャートである。なお、ステップＳ１１乃至Ｓ１３の処理は、図９のステップＳ１乃至Ｓ３の処理と同様のため、説明を省略する。

【0132】

解析機能４５ｌは、特定機能４５ｈが特定したサイノグラムデータ上の対象領域に対応する部分領域のデータを、選択機能４５ｆが選択した解析モデルに入力する（ステップＳ１４）。解析機能４５ｌは、解析モデルの出力を解析結果として取得し、本処理を終了する（ステップＳ１５）。

【0133】

以上に述べた実施形態に係るＸ線ＣＴ装置１は、サイノグラムデータを取得し、当該サイノグラムデータの、解析対象の体部位に関する指定情報に対応する部分領域を特定する。

【0134】

これにより、サイノグラムデータ上における解析の対象となる部分領域を特定することができる。サイノグラムデータは、生データとも言い換えることができ、三次元再構成を行う前のデータであるため、三次元再構成処理によって情報が欠損してしまうことを防止できる。また、サイノグラムデータ上の解析の対象となる部分のみを特定できるため、不要な情報が混入することも防止できる。

【0135】

したがって、ＡＩ技術を用いて解析を実行する場合に、情報が欠損した状態で解析が行われてしまったり、不要な情報が含まれた状態で解析が行われてしまったりする可能性を低減することができる。つまり、本実施形態に係るＸ線ＣＴ装置１によれば、ＡＩ技術を用いた医用画像の解析精度を向上させることができる。

【0136】

なお、上述した実施形態は、各装置が有する構成又は機能の一部を変更することで、適宜に変形して実施することも可能である。そこで、以下では、上述した実施形態に係るいくつかの変形例を他の実施形態として説明する。なお、以下では、上述した実施形態と異なる点を主に説明することとし、既に説明した内容と共通する点については詳細な説明を省略する。また、以下で説明する変形例は、個別に実施されてもよいし、適宜組み合わせて実施されてもよい。

【0137】

（変形例１）
再構成処理機能４５ｃは、ＡＩ技術によって三次元再構成処理を実行してもよい。本変形例では、例えば、再構成処理機能４５ｃは、機械学習や深層学習等により生成された、サイノグラムデータの入力に応じて、三次元画像データを出力するように機能付けられた学習済みモデルに、ＤＡＳ１８から出力されたサイノグラムデータを入力することにより、三次元再構成した三次元画像データを生成する。

【0138】

一般に、ＡＩ技術によって三次元再構成画像を生成する場合には、一般的な症例の患者の医用画像を用いて学習を行っているため、特殊な疾患の患者にのみ存在する特徴的な信号成分が、三次元構成後の医用画像を生成する過程で失われる可能性が高い。したがって、ＡＩ技術によって生成した三次元画像データを画像解析の入力に用いた場合、除去された信号成分が存在することにより、解析精度の低下を招く可能性がある。

【0139】

これに対し、本変形例の解析モデルは、信号が失われていないサイノグラムデータから抽出されたデータを使用して生成されており、解析モデルに入力する入力データもサイノグラムデータ由来であり、信号成分が失われていない。つまり、本変形例によれば、解析精度を低下させることなく、ＡＩ技術による美しい三次元画像データを生成することができると考えられる。

【0140】

（変形例２）
上述の第１実施形態及び第２実施形態においては、医用画像処理装置は、Ｘ線ＣＴ装置のコンソール装置である場合を例として説明したが、これに限定されるものではない。医用画像処理装置は、例えば、Ｘ線診断装置、アンギオ－ＣＴシステム、トモシンセシス装置、ＳＰＥＣＴ（Single Photon Emission Computed Tomography）装置、ＰＥＴ（Positron Emission computed Tomography）装置等のモダリティが備えるコンソール装置等であってもよい。また、医用画像処理装置は、これらのモダリティから取得した投影データを処理する外部のワークステーション等であってもよい。

【0141】

なお、ＳＰＥＣＴ装置又はＰＥＴ装置の場合、例えば、第１取得機能４５ｅは、被検体Ｐに投与された核種が放出する放射線（ガンマ線等）を検出することにより得られた検出データを投影データとして取得する。

【0142】

例えば、アンギオ－ＣＴシステムの場合、投影データとして二次元画像データを取得することができるため、特定機能４５ｈは、三次元再構成処理を行うことなく、生データである二次元画像データ上で、解析対象の体部位に関する指定情報に対応する部分領域を特定することが可能である。

【0143】

（変形例３）
Ｘ線ＣＴ装置１を、面型のＸ線検出器１２を備え、投影データとして二次元画像データを取得できるように構成してもよい。この場合、上記の変形例１のアンギオ－ＣＴシステムの場合と同様に、特定機能４５ｈは、三次元再構成処理を行うことなく、生データである二次元画像データ上で、解析対象の体部位に関する指定情報に対応する部分領域を特定することが可能である。

【0144】

（変形例４）
上記の実施形態では、特定機能４５ｈが、再構成処理機能４５ｃ及び画像処理機能４５ｄにより生成された三次元画像データ上で解析対象に対応する部分領域を特定し、特定した部分領域の三次元座標を二次元座標に変換することで、サイノグラムデータ上の解析対象に対応する部分領域を特定する形態について説明した。しかし、特定機能４５ｈは、位置決め画像（以下、スキャノ画像ともいう）に基づいて、サイノグラムデータ上の解析対象に対応する部分領域を特定してもよい。

【0145】

スキャノ画像は、おおよその臓器の位置を把握するためのものであり、三次元再構成なしで生成される二次元画像である。特定機能４５ｈは、スキャノ画像上で特定した解析対象に対応する部分領域の座標から、サイノグラムデータ上の解析対象に対応する部分領域を特定する。

【0146】

本変形例によれば、三次元再構処理を行うことなく、サイノグラムデータ上の解析対象に対応する部分領域を特定することができ、処理回路４５にかかる負担を軽減し、処理時間も短縮することができる。

【0147】

（変形例５）
特定機能４５ｈは、簡易的な再構成処理により生成した三次元画像データである標準位置画像に基づいて、サイノグラムデータ上の解析対象に対応する部分領域を特定してもよい。

【0148】

本変形例では、再構成処理機能４５ｃは、２方向以上の多方向の投影データを用いて、簡易な三次元再構成処理を行う。例えば、再構成処理機能４５ｃは、３０度以上離れた２方向の投影データを用いてＣＴ画像データを生成し、画像処理機能４５ｄは、当該ＣＴ画像データを三次元画像データ（以下、簡易三次元画像データともいう）に変換する。

【0149】

特定機能４５ｈは、画像処理機能４５ｄが生成した簡易三次元画像データ上で、解析対象に対応する部分領域を特定し、特定した部分領域の三次元座標を二次元座標に変換することで、サイノグラムデータ上の解析対象に対応する部分領域を特定する。本変形例によれば、処理回路４５にかかる負担を軽減し、処理時間も短縮することができる。

【0150】

（変形例６）
特定機能４５ｈは、標準的な臓器位置を表す三次元画像データである標準位置画像に基づいて、サイノグラムデータ上の解析対象に対応する部分領域を特定してもよい。本変形例では、特定機能４５ｈは、メモリ４１等に予め記憶されている標準位置画像上で、解析対象に対応する部分領域を特定し、特定した部分領域の三次元座標を二次元座標に変換することで、サイノグラムデータ上の解析対象に対応する部分領域を特定する。

【0151】

なお、特定機能４５ｈは、被検体Ｐの体型に応じて、標準位置画像の臓器の位置を補正してもよい。

【0152】

本変形例によれば、予め記憶されている標準位置画像を用いるため、三次元再構処理を行うことなく、サイノグラムデータ上の解析対象に対応する部分領域を特定することができ、処理回路４５にかかる負担を軽減し、処理時間も短縮することができる。

【0153】

（変形例７）
特定機能４５ｈは、過去に撮影された被検体Ｐの三次元画像データ（以下、過去画像ともいう）に基づいて、サイノグラムデータ上の解析対象に対応する部分領域を特定してもよい。本変形例では、特定機能４５ｈは、メモリ４１等に予め記憶されている過去画像上で、解析対象に対応する部分領域を特定し、特定した部分領域の三次元座標を二次元座標に変換することで、サイノグラムデータ上の解析対象に対応する部分領域を特定する。

【0154】

本変形例によれば、予め記憶されている過去画像を用いるため、三次元再構処理を行うことなく、サイノグラムデータ上の解析対象に対応する部分領域を特定することができ、処理回路４５にかかる負担を軽減し、処理時間も短縮することができる。また、同一人物の三次元画像データを用いるため、精度の高い部分領域の特定が行えると考えられる。

【0155】

上記の実施形態及び変形例では、解析機能４５ｌが、選択機能４５ｆが選択した解析モデルに、解析対象に対応するサイノグラムデータの部分領域を表すデータを入力し、解析結果を出力する形態について説明した。しかし、解析機能４５ｌは、三次元画像データ上の解析対象に対応する部分領域を表すデータを用いて、解析結果を補正してもよい。

【0156】

三次元画像データ上の解析対象に対応する部分領域を表すデータを解析モデルに入力すると、三次元再構成の際に情報の欠損が生じる可能性はあるが、不要なデータが混入している可能性は低い。一方、サイノグラム上の解析対象に対応する部分領域を表すデータを解析モデルに入力すると、情報の欠損が生じる可能性は低いが、入力データにノイズやアーチファクト等が混入する可能性がある。

【0157】

したがって、三次元画像データ上の解析対象に対応する部分領域を表すデータを用いて、解析結果を補正することで、より精度の高い解析結果が得られると考えられる。

【0158】

以上説明した少なくとも実施形態及び変形例等によれば、ＡＩ技術を用いた医用画像の解析精度を向上させることができる。

【0159】

いくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更、実施形態同士の組み合わせを行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

【符号の説明】

【0160】

１ Ｘ線ＣＴ装置
１０ 架台装置
１１ Ｘ線管
１２ Ｘ線検出器
１３ 回転フレーム
１４ Ｘ線高電圧装置
１５ 制御装置
１６ ウェッジ
１７ コリメータ
１８ ＤＡＳ（Ｄａｔａ Ａｃｑｕｉｓｉｔｉｏｎ Ｓｙｓｔｅｍ）
１９ 撮影系
３０ 寝台装置
３１ 基台
３２ 寝台駆動装置
３３ 天板
３４ 支持フレーム
４０ コンソール装置
４１ メモリ
４２ ディスプレイ
４３ 入力インターフェース
４５ 処理回路
４５ａ システム制御機能
４５ｂ 前処理機能
４５ｃ 再構成処理機能
４５ｄ 画像処理機能
４５ｅ 第１取得機能
４５ｆ 選択機能
４５ｇ 第２取得機能
４５ｈ 特定機能
４５ｉ 決定機能
４５ｊ 生成機能
４５ｋ 学習機能
４５ｌ 解析機能

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】