特許 7190330 医用画像処理装置

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2022-12-07

(45)【発行日】2022-12-15

(54)【発明の名称】医用画像処理装置

(51)【国際特許分類】

   G01T 1/161 20060101AFI20221208BHJP

【ＦＩ】

G01T1/161 D

【請求項の数】 6

(21)【出願番号】P 2018208338

(22)【出願日】2018-11-05

(65)【公開番号】P2020076584

(43)【公開日】2020-05-21

【審査請求日】2021-10-01

(73)【特許権者】

【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】110001380

【氏名又は名称】弁理士法人東京国際特許事務所

(72)【発明者】

【氏名】金田 明義

(72)【発明者】

【氏名】本村 信篤

【審査官】蔵田 真彦

(56)【参考文献】

【文献】特開２００８－１５７６４０（ＪＰ，Ａ）

【文献】特開２０１４－０４８１５８（ＪＰ，Ａ）

【文献】米国特許第０７４０９２４０（ＵＳ，Ｂ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０１Ｔ １／１６１－１／１６６

(57)【特許請求の範囲】

【請求項1】

複数時相の核医学データを取得する第１の取得部と、
前記複数時相の核医学データに基づいて、前記複数時相のうち少なくとも一部の時相の核医学データを加算した加算画像を生成する第１の学習済みモデルに対して、前記複数時相の核医学データを入力することで前記加算画像を生成する加算画像生成部と、
前記加算画像に基づいて、前記核医学データ中に設定される関心領域に関する情報を生成する第２の学習済みモデルに対して、前記加算画像を入力することで前記関心領域に関する情報を生成する関心領域設定部と、
前記複数時相の核医学データと、前記加算画像と、前記関心領域に関する情報とに基づいて、放射線量の時間変化を示すTime Activity Curveを生成する学習済みモデルに対して、前記複数時相の核医学データと、前記加算画像生成部が生成した前記加算画像と、前記関心領域設定部が生成した前記関心領域に関する情報とを入力することで前記Time Activity Curveを生成する第１の処理部と、
を備えた医用画像処理装置。

【請求項2】

前記学習済みモデルは、
前記核医学データ中に設定される関心領域の情報にさらに基づいて、前記Time Activity Curveを生成する、
請求項１記載の医用画像処理装置。

【請求項3】

前記学習済みモデルは、
前記核医学データ中に設定される複数の関心領域の情報にさらに基づいて、前記複数の関心領域のそれぞれに対応する前記Time Activity Curveを生成する、
請求項２記載の医用画像処理装置。

【請求項4】

前記学習済みモデルは、
前記複数時相の核医学データの収集条件に応じて複数用意される、
請求項１ないし３のいずれか１項に記載の医用画像処理装置。

【請求項5】

前記学習済みモデルが出力したTime Activity Curveを取得する第２の取得部と、
前記Time Activity Curveに基づいて、前記Time Activity Curveにおける解析処理開始点、解析処理範囲、およびバックグラウンド計算処理範囲の少なくとも１つを生成する第３の学習済みモデルに対して、前記Time Activity Curveを入力することで前記解析処理開始点、前記解析処理範囲、および前記バックグラウンド計算処理範囲の少なくとも１つを生成する第２の処理部と、
をさらに備えた請求項１ないし４のいずれか１項に記載の医用画像処理装置。

【請求項6】

複数時相の医用データを取得する第１の取得部と、
前記複数時相の医用データに基づいて、前記複数時相のうち少なくとも一部の時相の医用データを加算した加算画像を生成する第１の学習済みモデルに対して、前記複数時相の医用データを入力することで前記加算画像を生成する加算画像生成部と、
前記加算画像に基づいて、前記医用データ中に設定される関心領域に関する情報を生成する第２の学習済みモデルに対して、前記加算画像を入力することで前記関心領域に関する情報を生成する関心領域設定部と、
前記複数時相の医用データと、前記加算画像と、前記関心領域に関する情報とに基づいて、時間変化を有するデータを生成する学習済みモデルに対して、前記複数時相の医用データと、前記加算画像と、前記加算画像生成部が生成した前記加算画像と、前記関心領域設定部が生成した前記関心領域に関する情報とを入力することで前記時間変化を有するデータを生成する第１の処理部と、
を備えた医用画像処理装置。

【発明の詳細な説明】

【技術分野】

【0001】

本発明の実施形態は、医用画像処理装置に関する。

【背景技術】

【0002】

被検体の医用画像診断では、時系列的に連続した複数の医用画像に基づいて、被検体内に投与されたトレーサの時間的な動きを解析する動態解析が利用されることがある。

【0003】

たとえば、トレーサとして造影剤を用いる場合は、Ｘ線ＣＴ（Computed Tomography）や磁気共鳴イメージング（ＭＲＩ：Magnetic Resonance Imaging）装置などによって取得された時間的に連続した複数の医用画像にもとづいて、造影剤の動態解析が行われる。また、核医学画像診断では、ＳＰＥＣＴ（Single Photon Emission Computed Tomography）装置やＰＥＴ（Positron Emission Tomography）装置などの核医学診断装置によって取得された時間的に連続した複数の核医学画像にもとづいて、被検体内に投与された放射性医薬品の動態解析が行われる。

【0004】

動態解析では、注目する臓器や腫瘍などに関心領域が設定され、関心領域内の画素値の時間濃度曲線を生成し、時間濃度曲線を解析して様々な情報を得ることができる。しかし、動態解析の前処理における設定項目には、時間濃度曲線を得るための関心領域の設定や、時間濃度曲線に対する解析処理範囲の設定など、ユーザの技量に大きく影響を受ける項目がある。これらの設定項目がばらついてしまうと、動態解析の結果もばらついてしまう。このため、動態解析の結果は、ユーザの技量に応じてばらつきが生じてしまう場合がある。

【先行技術文献】

【特許文献】

【0005】

【文献】特開２０１４－０４８１５８号公報

【発明の概要】

【発明が解決しようとする課題】

【0006】

本発明が解決しようとする課題は、被検体内に投与されたトレーサの動態解析の精度を向上させるよう、動態解析の前処理を的確に行うことである。

【課題を解決するための手段】

【0007】

実施形態に係る医用画像処理装置は、第１の取得部と、第１の処理部とを有する。第１の取得部は、ダイナミックデータ（複数時相の核医学データ）を取得する。第１の処理部は、複数時相の核医学データに基づいて、放射線量の時間変化を示すTime Activity Curveを生成する学習済みモデルに対して、複数時相の核医学データを入力することでTime Activity Curveを生成する。

【図面の簡単な説明】

【0008】

【図1】（ａ）は第１実施形態に係る医用画像処理装置としてのコンソールを含む核医学診断装置の一構成例を示すブロック図、（ｂ）は（ａ）のＸ－Ｘ’線に沿う断面図。

【図2】核医学診断装置の内部構成例を概略的に示すブロック図。

【図3】第１実施形態に係る処理回路のプロセッサによる実現機能例を示す概略的なブロック図。

【図4】ＴＡＣ生成機能の第１の学習方法の学習時におけるデータフローの一例を示す説明図。

【図5】ＴＡＣ生成機能の第１の学習方法の運用時におけるデータフローの一例を示す説明図。

【図6】（ａ）はＴＡＣ生成機能の第２の学習方法の学習時におけるデータフローの一例を示す説明図、（ｂ）は第２の学習方法の運用時におけるデータフローの一例を示す説明図。

【図7】（ａ）は加算画像生成機能の学習時におけるデータフローの一例を示す説明図、（ｂ）は運用時におけるデータフローの一例を示す説明図。

【図8】（ａ）はＲＯＩ設定機能の学習時におけるデータフローの一例を示す説明図、（ｂ）は運用時におけるデータフローの一例を示す説明図。

【図9】ひとかたまりの学習済みモデルの運用時におけるデータフローの一例を示す説明図。

【図10】（ａ）は処理範囲生成機能の学習時におけるデータフローの一例を示す説明図、（ｂ）は運用時におけるデータフローの一例を示す説明図。

【図11】第２の実施形態に係る医用画像処理装置の一構成例を示すブロック図。

【発明を実施するための形態】

【0009】

以下、図面を参照しながら、医用画像処理装置の実施形態について詳細に説明する。

【0010】

本実施形態に係る医用画像処理装置は、被検体内に投与されたトレーサの動態解析の前処理を行うものであり、時系列的に連続した複数の医用画像にもとづいてトレーサの時間変化を有するデータを生成可能なものである。本実施形態に係る医用画像としては、ＳＰＥＣＴ装置やＰＥＴ装置などの核医学診断装置で収集される核医学データにもとづく核医学画像、Ｘ線ＣＴ装置で取得されるＸ線ＣＴ画像、およびＭＲＩ装置で取得されるＭＲ画像などを用いることができる。

【0011】

以下の例では、本発明に係る医用画像処理装置が核医学診断装置の一部として含まれる場合について説明する。また、以下の例では、核医学診断装置として３検出器型のガンマ線検出器回転型のＳＰＥＣＴ装置を用いる場合の一例について示す。なお、ガンマ線検出器回転型ＳＰＥＣＴ装置としては、ガンマ線検出器が１つ、２つまたは４以上のものであってもよい。

【0012】

（第１の実施形態）
図１（ａ）は、第１実施形態に係る医用画像処理装置としてのコンソール３０を含む核医学診断装置１の一構成例を示すブロック図であり、（ｂ）は（ａ）のＸ－Ｘ’線に沿う断面図である。また、図２は核医学診断装置１の内部構成例を概略的に示すブロック図である。

【0013】

核医学診断装置１は、図１（ａ）に示すように、架台装置１０、寝台装置２０、および医用画像処理装置としてのコンソール３０を有する。

【0014】

架台装置１０は、その内部に円筒状の撮像空間を形成する架台本体１１と、３つのガンマ線検出器１２ａ、１２ｂおよび１２ｃとを有する。また、架台装置１０はさらに、３つのガンマ線検出器１２ａ、１２ｂおよび１２ｃのそれぞれに着脱自在に設けられた３つのコリメータ１３ａ、１３ｂおよび１３ｃと、回転駆動装置１４とを備える。

【0015】

架台本体１１は、土台と、土台に固定された筐体で構成された固定架台と、固定架台に対して回転可能に支持された回転板を含む回転架台とを備える。固定架台および回転架台は、たとえば架台カバーにより覆われる。固定架台、回転架台、およびこれらを覆う架台カバーの中央部分には、撮像領域を内包する開口が設けられる。

【0016】

図１（ｂ）に示すように、本実施形態に係る核医学診断装置１は、三角形状に配置された３つのガンマ線検出器１２ａ、１２ｂおよび１２ｃを備えた３検出器型のガンマ線検出器回転型のＳＰＥＣＴ装置である。

【0017】

３つのガンマ線検出器１２ａ、１２ｂおよび１２ｃは、回転架台に保持される。回転架台が回転駆動装置１４を介して回転軸の周り（ｚ軸周り）に回転することにより、３つのガンマ線検出器１２ａ、１２ｂおよび１２ｃは一体として回転軸の周りを回転する

【0018】

ガンマ線検出器１２ａは、被検体（たとえば患者）に投与されたテクネシウムなどのＲＩ（放射性同位元素）から放射されるガンマ線を検出する。なお、ガンマ線検出器１２ｂおよび１２ｃはガンマ線検出器１２ａと同様の構成および作用を有するため、説明を省略する。

【0019】

ガンマ線検出器１２ａは、被検体（たとえば患者）Ｐに投与されたＴｌ－２０１やＴｃ－９９ｍなどのＲＩ（放射性同位元素）から放射されるガンマ線を検出する。なお、ガンマ線検出器１２ｂおよび１２ｃはガンマ線検出器１２ａと同様の構成および作用を有するため、説明を省略する。ガンマ線検出器１２ａは、シンチレータ型検出器であってもよいし、半導体型検出器であってもよい。

【0020】

ガンマ線検出器１２ａがシンチレータ型検出器である場合は、ガンマ線検出器１２ａは、ガンマ線の入射角度を規定するためのコリメータ１３ａと、コリメータ１３ａによってコリメートされたガンマ線が入射すると瞬間的な閃光を発するシンチレータと、ライトガイドと、シンチレータから射出された光を検出する２次元に配列された複数の光電子増倍管と、シンチレータ用電子回路などを有する。シンチレータは、たとえばタリウム活性化ヨウ化ナトリウムＮａＩ（Ｔｌ）により構成される。

【0021】

シンチレータ用電子回路は、ガンマ線が入射する事象（イベント）が発生するごとに、複数の光電子増倍管の出力にもとづいて複数の光電子増倍管により構成される検出面内におけるガンマ線の入射位置情報（位置情報）、入射強度情報および入射時刻情報を生成しコンソール３０の処理回路３５に出力する。この位置情報は、検出面内の２次元座標の情報であってもよいし、あらかじめ検出面を複数の分割領域（１次セル）に仮想的に分割しておき（たとえば１２８×１２８個に分割しておき）、どの１次セルに入射があったかを示す情報であってもよい。

【0022】

一方、ガンマ線検出器１２ａが半導体型検出器である場合は、ガンマ線検出器１２ａは、コリメータ１３ａと、コリメータ１３ａによりコリメートされたガンマ線を検出するための２次元に配列された複数のガンマ線検出用半導体素子（以下、半導体素子という）と、半導体用電子回路などを有する。半導体素子は、たとえばＣｄＴｅやＣｄＺｎＴｅ（ＣＺＴ）により構成される。

【0023】

半導体用電子回路は、ガンマ線が入射する事象（イベント）が発生するごとに、半導体素子の出力にもとづいて入射位置情報、入射強度情報および入射時刻情報を生成して処理回路３５に出力する。この位置情報は、複数の半導体素子（たとえば１２８×１２８個）のうちのどの半導体素子に入射したかを示す情報である。

【0024】

すなわち、ガンマ線検出器１２ａは、イベントごとに入射位置情報、入射強度情報および入射時刻情報を出力する。また、位置情報は、１次セルのどの位置にガンマ線が入射したかを示す情報および検出面内の２次元座標の情報の少なくとも一方である。

【0025】

ガンマ線検出器１２ａ、１２ｂおよび１２ｃは、処理回路３５により撮像タイミングを制御される。

【0026】

コリメータ１３ａ、１３ｂおよび１３ｃはそれぞれ、鉛やタングステンなどの放射線を透過しづらい物質により構成され、光子が飛来する方向を規制するための複数の孔が設けられる。この孔は、たとえば六角形などの多角形形状を有する。

【0027】

回転駆動装置１４は、回転架台を所定の回転軸ｒの周りに高速回転させるためのモータなどの回転手段、回転手段の回転を制御するための電子部品、および回転手段の回転を回転架台に伝達するローラなどの伝達手段などを有する。回転駆動装置１４は、データ収集回路１５を介して処理回路３５に制御されて、回転架台を所定の回転軸ｒの周りに回転させる。たとえば、処理回路３５は、回転架台を介してガンマ線検出器１２ａ、１２ｂおよび１２ｃを被検体Ｐの周りに連続にあるいはステップ的に回転させることにより、複数方向からの被検体のＳＰＥＣＴ投影データ（以下、投影データという）を収集することができる。

【0028】

データ収集回路１５は、たとえばプリント回路基板により構成され、処理回路３５により制御されて、ガンマ線検出器１２ａ、１２ｂおよび１２ｃ、回転駆動装置１４および天板駆動装置２３を制御することにより、被検体Ｐの撮像を実行する。

【0029】

データ収集回路１５は、ガンマ線検出器１２ａ、１２ｂおよび１２ｃのそれぞれの出力をたとえばリストモードで収集し、収集した投影データをコンソール３０に出力する。リストモードでは、ガンマ線の検出位置情報、強度情報、ガンマ線検出器１２ａ、１２ｂおよび１２ｃと被検体Ｐとの相対位置を示す情報（ガンマ線検出器１２ａ、１２ｂおよび１２ｃの位置や角度など）、およびガンマ線の検出時刻がガンマ線の入射イベントごとに収集される。

【0030】

寝台装置２０は、天板２１と、天板２１を垂直方向および水平方向に移動させる寝台本体２２と、天板２１を移動させる天板駆動装置２３とを有する。

【0031】

天板２１は、ｚ軸方向に長手方向を有し、ｘ軸方向に短手方向を有する板状の部材により構成される。被検体は、天板２１上に載置される。被検体Ｐは、天板２１に載置される。

【0032】

寝台本体２２は、床面に設置され、天板２１を昇降自在に支持する。たとえば、寝台本体２２は、長尺形状を有しＸ字状に配された２つの支持部材と、２つの支持部材の中央部を軸支する連結ピンとを有し、２つの支持部材の上端部に天板２１が支持される。この場合、天板２１は、たとえば２つの支持部材の下端部どうしの間隔を狭めることにより上昇し、下端部どうしの間隔を広げることにより下降する。

【0033】

天板駆動装置２３は、データ収集回路１５を介して処理回路３５に制御されて、天板２１を移動させる。具体的には、天板駆動装置２３は、天板２１をｚ軸方向やｘ軸方向に沿って移動させる駆動源としてのモータ、およびこのモータを制御するための電子部品などを有する。また、天板駆動装置２３は、天板２１を昇降させる駆動源としてのモータ、およびこのモータを制御するための電子部品などを有する。

【0034】

一方、核医学診断装置１のコンソール３０は、たとえば一般的なパーソナルコンピュータやワークステーションなどにより構成され、入力インターフェース３１、ディスプレイ３２、記憶回路３３、ネットワーク接続回路３４および処理回路３５を有する。なお、コンソール３０は独立して設けられずともよく、たとえばコンソール３０の構成３１－３５の一部が固定架台に分散して設けられてもよい。コンソール３０は、医用画像処理装置の一例である。

【0035】

入力インターフェース３１は、たとえばトラックボール、スイッチボタン、マウス、キーボード、テンキーなどの一般的な入力装置により構成され、ユーザの操作に対応した操作入力信号を処理回路３５に出力する。たとえば、ユーザは、入力インターフェース３１を介して撮像対象部位や検査で用いるＲＩを指定することができる。

【0036】

ディスプレイ３２は、たとえば液晶ディスプレイやＯＬＥＤ（Organic Light Emitting Diode）ディスプレイなどの一般的な表示出力装置により構成される。

【0037】

記憶回路３３は、磁気的もしくは光学的記録媒体または半導体メモリなどの、プロセッサにより読み取り可能な記録媒体を含んだ構成を有する。記憶回路３３は、処理回路３５により制御されて、被検体Ｐの複数時相の核医学データ（核医学画像、核医学画像データ、または生データ）を記憶する。これら記録媒体内のプログラムおよびデータの一部または全部は、電子ネットワークを介した通信によりダウンロードされるように構成してもよい。

【0038】

ネットワーク接続回路３４は、たとえば所定のプリント回路基板を有するネットワークカードなどにより構成され、ネットワークの形態に応じた種々の情報通信用プロトコルを実装する。ネットワーク接続回路３４は、この各種プロトコルに従って核医学診断装置１と他の機器とを接続する。この接続には、電子ネットワークを介した電気的な接続などを適用することができる。ここで電子ネットワークとは、電気通信技術を利用した情報通信網全般を意味し、無線／有線の病院基幹ＬＡＮ（Local Area Network）やインターネット網のほか、電話通信回線網、光ファイバ通信ネットワーク、ケーブル通信ネットワークおよび衛星通信ネットワークなどを含む。

【0039】

処理回路３５は、記憶回路３３に記憶されたプログラムを読み出して実行することにより、被検体Ｐに投与されたトレーサの動態解析の精度を向上させるよう、動態解析の前処理を的確に行うための処理を実行するプロセッサである。

【0040】

動態解析の前処理は、被検体Ｐの複数時相の核医学データ（以下適宜、ダイナミックデータという）から、関心領域の放射線量の時間変化を示すTime Activity Curve（以下、ＴＡＣという）を生成する処理を少なくとも含む。以下の説明では、ＴＡＣの生成処理のほか、動態解析の前処理に、ＴＡＣ生成に用いられる関心領域の設定処理、当該関心領域の設定に用いられる加算画像の生成処理、ならびにＴＡＣに対して動態解析の解析処理開始点、解析処理範囲、およびバックグラウンド計算処理範囲の少なくとも１つを生成する処理を含む場合の例を示す。これらの前処理の実行後に、解析処理が実行される。なお、解析処理は、前処理を実行する医用画像処理装置の一例としてのコンソール３０で前処理に続けて実行されてもよいし、他の装置で実行されてもよい。

【0041】

図３は、第１実施形態に係る処理回路３５のプロセッサによる実現機能例を示す概略的なブロック図である。

【0042】

図３に示すように、処理回路３５のプロセッサは、ダイナミックデータ取得機能４１、ＴＡＣ生成機能４２、加算画像生成機能４３、ＲＯＩ設定機能４４、ＴＡＣ取得機能４５、および処理範囲生成機能４６を実現する。また、これらの各機能はそれぞれプログラムの形態で記憶回路３３に記憶されている。

【0043】

ダイナミックデータ取得機能４１は、ダイナミックデータ（被検体Ｐの複数時相の核医学データ）を取得する。学習済みモデルの運用時において、ダイナミックデータ（複数時相の核医学データ）はデータ収集回路１５を介して取得される。なお、ダイナミックデータ（複数時相の核医学データ）は、ダイナミック断層像をスライス単位に並び替えて作成したダイナミックデータ（複数時相の核医学データ）を含んでもよい。ダイナミックデータ取得機能４１は、第１の取得部の一例である。

【0044】

ＴＡＣ生成機能４２は、複数時相の核医学データに基づいて、ＴＡＣ（放射線量の時間変化を示すTime Activity Curve）を生成する学習済みモデルに対して、複数時相の核医学データを入力することでＴＡＣを生成する。ＴＡＣ生成機能４２は、第１の処理部の一例である。

【0045】

学習済みモデルは、複数時相の核医学データの収集条件に応じて複数用意される。収集条件は、収集部位、収集方法、放射性医薬品、および被検体の体格などを含む。また、収集方法は、収集時間および収集拡大率を含む。

【0046】

また、ＴＡＣ生成機能４２は、核医学データ中に設定される関心領域の情報にさらに基づいて、ＴＡＣを生成してもよい。また、ＴＡＣ生成機能４２は、核医学データ中に設定される複数の関心領域の情報が利用可能な場合は、複数の関心領域のそれぞれに対応するＴＡＣを生成してもよい。

【0047】

加算画像生成機能４３は、複数時相の核医学データに基づいて、複数時相のうち少なくとも一部の時相の核医学データを加算した加算画像を生成する第１の学習済みモデルに対して、複数時相の核医学データを入力することで加算画像を生成する。なお、医用画像処理装置としてのコンソール３０は、加算画像生成機能４３を備えずともよい。

【0048】

ＲＯＩ設定機能４４は、加算画像に基づいて、核医学データ中に設定される関心領域に関する情報を生成する第２の学習済みモデルに対して、加算画像を入力することで核医学データ中に設定される関心領域に関する情報を生成する。なお、医用画像処理装置としてのコンソール３０は、ＲＯＩ設定機能４４を備えずともよい。

【0049】

ＴＡＣ取得機能４５は、ＴＡＣ生成機能４２が生成したＴＡＣを取得する。ＴＡＣ取得機能４５は、第２の取得部の一例である。

【0050】

処理範囲生成機能４６は、ＴＡＣに基づいて、ＴＡＣにおける解析処理開始点、解析処理範囲、およびバックグラウンド計算処理範囲の少なくとも１つを生成する第３の学習済みモデルに対して、ＴＡＣを入力することで解析処理開始点、解析処理範囲、およびバックグラウンド計算処理範囲の少なくとも１つを生成する。処理範囲生成機能４６は、第２の処理部の一例である。

【0051】

図４は、ＴＡＣ生成機能４２の第１の学習方法の学習時におけるデータフローの一例を示す説明図である。

【0052】

ＴＡＣ生成機能４２は、トレーニングデータを多数入力されて学習を行うことにより、パラメータデータ４２２を逐次的に更新する。

【0053】

第１の学習方法では、トレーニングデータは、トレーニング入力データとしてのダイナミックデータ群５１を構成するダイナミックデータ（複数時相の核医学データ）５１１、５１２、５１３、・・・、と、各ダイナミックデータ（複数時相の核医学データ）に対応する理想的なＴＡＣ６１１、６１２、６１３、・・・、により構成された教師データ群６１と、の組みからなる。理想的なＴＡＣ６１１、６１２、６１３、・・・、は、それぞれ、対応するダイナミックデータ５１１、５１２、５１３、・・・、から実際に生成したものを用いる。

【0054】

なお、ダイナミックデータ群５１は、ダイナミックデータ（複数時相の核医学データ）５１１、５１２、５１３、・・・、の最初と最後の所定時相を間引く、またはダミーデータを追加する、または各データをスムージングする、などして、ダイナミックデータ群５１の数を増やすことにより、トレーニングデータを増やしてもよい。

【0055】

ＴＡＣ生成機能４２は、トレーニングデータが与えられるごとに、ダイナミックデータ（複数時相の核医学データ）５１１、５１２、５１３、・・・、をニューラルネットワーク４２１で処理した結果が理想的なＴＡＣ６１１、６１２、６１３、・・・、に近づくようにパラメータデータ４２２を更新していく、いわゆる学習を行う。一般に、パラメータデータ４２２の変化割合が閾値以内に収束すると、学習は終了と判断される。以下、学習後のパラメータデータ４２２を特に学習済みパラメータデータ４２２ｔという。

【0056】

図５は、ＴＡＣ生成機能４２の第１の学習方法の運用時におけるデータフローの一例を示す説明図である。第１の学習方法の運用時には、ＴＡＣ生成機能４２は、ＴＡＣの生成対象となる被検体Ｐのダイナミックデータ（複数時相の核医学データ）７１を入力され、学習済みモデル４２０を用いてＴＡＣ８１を生成する。

【0057】

なお、ニューラルネットワーク４２１と学習済みパラメータデータ４２２ｔは、学習済みモデル４２０を構成する。ニューラルネットワーク４２１は、プログラムの形態で記憶回路３３に記憶される。学習済みパラメータデータ４２２ｔは、記憶回路３３に記憶されてもよいし、ネットワークを介してコンソール３０と接続された記憶媒体に記憶されてもよい。学習済みモデル４２０（ニューラルネットワーク４２１と学習済みパラメータデータ４２２ｔ）が記憶回路３３に記憶される場合、処理回路３５のプロセッサにより実現される、第１の処理部の一例としてのＴＡＣ生成機能４２は、記憶回路３３から学習済みモデル４２０を読み出して実行することでダイナミックデータ（複数時相の核医学データ）７１にもとづいてＴＡＣ８１を生成する。

【0058】

なお、学習済みモデル４２０を含め、本実施形態に係る学習済みモデルのそれぞれは、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field Programmable Gate Array）などの集積回路によって構築されてもよい。

【0059】

また、学習済みモデル４２０を含め、本実施形態に係る学習済みモデルのそれぞれの学習時に用いられる教師データは、複数のユーザにより作成されることが好ましい。教師データには、教師データの作成者の癖が反映されてしまい、データが偏ってしまうことがあるためである。

【0060】

また、ＴＡＣ生成機能４２によるＴＡＣ８１の生成精度を向上させるよう、収集条件（収集部位、収集方法（収集時間、収集拡大率など）、放射性医薬品、および被検体の体格など）に応じて学習済みモデル４２０を用意される。この場合、ダイナミックデータ群５１を構成するダイナミックデータ（複数時相の核医学データ）を収集条件に応じて分類し、分類ごとに学習済みモデル４２０を構築する。なお、この場合、ダイナミックデータ群５１の収集条件と、当該収集条件にもとづいて構築された学習済みモデル４２０の運用時の入力データ７１の収集条件とは、一致させるべきことに注意する。

【0061】

収集条件に応じて複数の学習済みモデル４２０を用意し、ダイナミックデータ（複数時相の核医学データ）７１の収集条件に応じた学習済みモデル４２０を利用することにより、より精度よくＴＡＣ８１を得ることができる。

【0062】

図６（ａ）はＴＡＣ生成機能４２Ａの第２の学習方法の学習時におけるデータフローの一例を示す説明図であり、（ｂ）は第２の学習方法の運用時におけるデータフローの一例を示す説明図である。

【0063】

第２の学習方法は、トレーニング入力データとして、ダイナミックデータ群５１に加えて、関心領域情報群５２と、加算画像群５３とを用いる点で第１の学習方法と異なる。関心領域情報群５２は、ダイナミックデータ（複数時相の核医学データ）５１１、５１２、５１３、・・・、のそれぞれに設定される関心領域の情報（以下、ＲＯＩ情報という）５２１、５２２、５２３、・・・、により構成される。ＲＯＩ情報は、ダイナミックデータ（複数時相の核医学データ）中に設定された関心領域の位置の情報を含む。また、加算画像群５３は、ＲＯＩ情報５２１、５２２、５２３、・・・、に含まれるＲＯＩの設定に利用された加算画像５３１、５３２、５３３、・・・、により構成される。

【0064】

ＴＡＣ生成機能４２Ａは、ニューラルネットワーク４２１Ａを用いた学習により学習済みパラメータデータ４２２Ａｔを得る。ニューラルネットワーク４２１Ａと学習済みパラメータデータ４２２Ａｔは、学習済みモデル４２０Ａを構成する。

【0065】

第２の学習方法の運用時には、ＴＡＣ生成機能４２Ａは、ＴＡＣの生成対象となる被検体Ｐのダイナミックデータ（複数時相の核医学データ）７１と、ＲＯＩ情報７２と、加算画像７３とを入力され、学習済みモデル４２０Ａを用いてＴＡＣ８１を生成する。

【0066】

また、ＴＡＣ生成機能４２は、トレーニング入力データとして加算画像群５３を用いない第３の学習方法を利用してもよい。第２の学習方法や第３の学習方法の運用時は、ＲＯＩ情報７２を利用することにより、第１の学習方法で生成された学習済みモデル４２０を用いる場合よりもさらに精度の高いＴＡＣ８１を生成することができる。

【0067】

また、第２の学習方法および第３の学習方法において、トレーニング入力データとしてのＲＯＩ情報５２１、５２２、５２３、・・・、のそれぞれには、複数のＲＯＩが設定されてもよい。この場合、運用時には、ＲＯＩ情報７２には、１つのダイナミックデータ（複数時相の核医学データ）７１に対して複数設定されたＲＯＩの情報が含まれ、ＴＡＣ生成機能４２（４２Ａ）は、それぞれのＲＯＩに対応するＴＡＣを生成する。この場合、たとえば、ユーザは、入力インターフェース３１を介して、生成された複数のＴＡＣからダイナミックデータ（複数時相の核医学データ）７１に最適と考える１つのＴＡＣを選択するとよい。

【0068】

図７（ａ）は、加算画像生成機能４３の学習時におけるデータフローの一例を示す説明図であり、（ｂ）は運用時におけるデータフローの一例を示す説明図である。

【0069】

加算画像生成機能４３は、トレーニングデータを多数入力されて学習を行うことにより、パラメータデータ４３２を逐次的に更新する。トレーニングデータは、トレーニング入力データとしてのダイナミックデータ群５１を構成するダイナミックデータ（複数時相の核医学データ）５１１、５１２、５１３、・・・、と、各ダイナミックデータ（複数時相の核医学データ）に対応する理想的な加算画像５３１、５３２、５３３、・・・、により構成された教師データ群５３と、の組みからなる。教師データ群５３には、加算画像を生成するための加算範囲の設定情報が含まれてもよい。加算範囲は、たとえばダイナミックデータ群５１の時相区間により定義される。理想的な加算画像５３１、５３２、５３３、・・・、は、それぞれ、対応するダイナミックデータ（複数時相の核医学データ）５１１、５１２、５１３、・・・、から実際に生成したものを用いる。

【0070】

加算画像生成機能４３は、トレーニングデータが与えられるごとに、ダイナミックデータ（複数時相の核医学データ）５１１、５１２、５１３、・・・、をニューラルネットワーク４３１で処理した結果が理想的な加算画像５３１、５３２、５３３、・・・、に近づくようにパラメータデータ４３２を更新していく。学習後のパラメータデータ４３２を特に学習済みパラメータデータ４３２ｔという。ニューラルネットワーク４３１と学習済みパラメータデータ４３２ｔは、第１の学習済みモデル４３０を構成する。

【0071】

運用時には、加算画像生成機能４３は、記憶回路３３から読み出した第１の学習済みモデル４３０に対して、加算画像の生成対象となるダイナミックデータ（複数時相の核医学データ）７１を入力され、第１の学習済みモデル４３０を用いて加算画像７３を生成する。

【0072】

図８（ａ）は、ＲＯＩ設定機能４４の学習時におけるデータフローの一例を示す説明図であり、（ｂ）は運用時におけるデータフローの一例を示す説明図である。

【0073】

ＲＯＩ設定機能４４は、トレーニングデータを多数入力されて学習を行うことにより、パラメータデータ４４２を逐次的に更新する。トレーニングデータは、トレーニング入力データとしての加算画像群５３を構成する加算画像５３１、５３２、５３３、・・・、と、各加算画像に対応する理想的なＲＯＩ情報５２１、５２２、５２３、・・・、により構成された教師データ群５２と、の組みからなる。理想的なＲＯＩ情報５２１、５２２、５２３、・・・、は、それぞれ対応する加算画像５３１、５３２、５３３、・・・、に対して実際に設定されたものを用いる。ＲＯＩの設定は、ダイナミックデータ（複数時相の核医学データ）に対して直接に行うよりも、加算画像に対して行うほうが精度がよい。

【0074】

ＲＯＩ設定機能４４は、トレーニングデータが与えられるごとに、加算画像５３１、５３２、５３３、・・・、をニューラルネットワーク４４１で処理した結果が理想的なＲＯＩ情報５２１、５２２、５２３、・・・、に近づくようにパラメータデータ４４２を更新していく。学習後のパラメータデータ４４２を特に学習済みパラメータデータ４４２ｔという。ニューラルネットワーク４４１と学習済みパラメータデータ４４２ｔは、第２の学習済みモデル４４０を構成する。

【0075】

運用時には、ＲＯＩ設定機能４４は、記憶回路３３から読み出した第２の学習済みモデル４４０に対して、ＲＯＩ情報の生成対象となる加算画像７３を入力され、第２の学習済みモデル４４０を用いてＲＯＩ情報７２を生成する。

【0076】

続いて、第１の学習済みモデル４３０による加算画像生成処理（図７（ｂ）参照）、第２の学習済みモデル４４０によるＲＯＩ設定処理（図８（ｂ）参照）、および学習済みモデル４２０ＡによるＴＡＣ生成処理（図６（ｂ）参照）を一連の処理として運用する場合について説明する。

【0077】

図９は、ひとかたまりの学習済みモデル４２０Ｂの運用時におけるデータフローの一例を示す説明図である。

【0078】

図９に示すように、第１の学習済みモデル４３０による加算画像生成処理、第２の学習済みモデル４４０によるＲＯＩ設定処理、および学習済みモデル４２０ＡによるＴＡＣ生成処理を一連の処理として運用されてもよい。この場合も、外観的には、学習済みモデル４２０と同様に、ひとかたまりの学習済みモデル４２０Ｂに対してダイナミックデータ（複数時相の核医学データ）７１が入力されてＴＡＣ８１が出力される。

【0079】

また、第１の学習済みモデル４３０による加算画像生成処理と第２の学習済みモデル４４０によるＲＯＩ設定処理を一連の処理として運用しつつ、学習済みモデル４２０または学習済みモデル４２０Ａ、または第３の学習方法で生成した学習済みモデル４２０を別な処理として運用してもよい。

【0080】

図１０（ａ）は、処理範囲生成機能４６の学習時におけるデータフローの一例を示す説明図であり、（ｂ）は運用時におけるデータフローの一例を示す説明図である。

【0081】

処理範囲生成機能４６は、トレーニングデータを多数入力されて学習を行うことにより、パラメータデータ４６２を逐次的に更新する。トレーニングデータは、トレーニング入力データとしてのＴＡＣ群５４を構成するＴＡＣ５４１、５４２、５４３、・・・、と、各ＴＡＣに対応する理想的なカーソル位置Ｃ１、Ｃ２、Ｃ３が設定された理想的な処理範囲設定情報６２１、６２２、６２３、・・・、により構成された教師データ群６２と、の組みからなる。理想的な処理範囲設定情報６２１、６２２、６２３、・・・、は、ＴＡＣ５４１、５４２、５４３、・・・のそれぞれに実際に設定されたものを用いる。

【0082】

カーソル位置Ｃ１は、本実施形態に係る前処理の後に実行される動態解析の解析処理開始点を示す。また、カーソル位置Ｃ２とカーソル位置Ｃ３の間の範囲は、バックグラウンドの計算に利用する範囲（バックグラウンド計算処理範囲）を定義する。また、カーソル位置Ｃ１とＣ３の間の範囲は、動態解析の解析処理範囲を定義する。

【0083】

なお、ＴＡＣ群５４は、ＴＡＣ５４１、５４２、５４３、・・・、の最初と最後の所定時相を間引く、またはダミーデータを追加する、またはカーブをスムージングする、などして、ＴＡＣ群５４の数を増やすことにより、トレーニングデータを増やしてもよい。

【0084】

処理範囲生成機能４６は、トレーニングデータが与えられるごとに、ＴＡＣ５４１、５４２、５４３、・・・、をニューラルネットワーク４６１で処理した結果が理想的な処理範囲設定情報６２１、６２２、６２３、・・・、に近づくようにパラメータデータ４６２を更新していく。学習後のパラメータデータ４６２を特に学習済みパラメータデータ４６２ｔという。ニューラルネットワーク４６１と学習済みパラメータデータ４６２ｔは、第３の学習済みモデル４６０を構成する。

【0085】

運用時には、処理範囲生成機能４６は、記憶回路３３から読み出した第３の学習済みモデル４６０に対して、処理範囲設定情報の生成対象となるＴＡＣ８１を入力され、第３の学習済みモデル４６０を用いて処理範囲設定情報９１を生成する。このとき、ＴＡＣ８１として学習済みモデル４２０、４２０Ａ、４２０Ｂの出力を利用し、ＴＡＣ生成処理と処理範囲設定処理を一連の処理として運用してもよい。

【0086】

本実施形態に係る核医学診断装置１の処理回路３５によれば、学習済みモデル４２０を用いることにより、ユーザの技量によることなく、的確に動態解析の前処理としてのＴＡＣ生成処理を行うことができる。また、第１、第２、および第３の学習済みモデル４３０、４４０、および４６０を用いることにより、ユーザの技量によることなく、的確に動態解析の前処理としての加算画像生成処理、ＲＯＩ設定処理、および処理範囲設定処理をそれぞれ行うことができる。また、この前処理で得られたＴＡＣ８１および処理範囲設定情報９１を用いることにより、後処理としての動態解析処理の精度を大幅に向上させることができる。

【0087】

なお、学習済みモデル４２０を含め、本実施形態に係る学習済みモデルのそれぞれは、運用時の入力データおよび出力データの組を、トレーニングデータとして学習にフィードバックさせてもよい。

【0088】

また、学習済みモデル４２０（４２０Ａ、４２０Ｂ）、４３０、４４０、および４６０の生成物であるＴＡＣ８１、加算画像７３、ＲＯＩ情報７２、および処理範囲設定情報９１は、それぞれ、ユーザによる修正を受け付けるための対話ウィンドウとともにディスプレイ３２に表示されて、ユーザによる入力インターフェース３１を介した修正を受け付けてもよい。また、修正を受けつけた場合は、当該修正の後のデータを教師データとして学習にフィードバックさせてもよい。

【0089】

（第２の実施形態）
図１１は、第２の実施形態に係る医用画像処理装置３０Ｎの一構成例を示すブロック図である。この第２実施形態に示す医用画像処理装置３０Ｎは、ネットワーク１００を介して接続された核医学診断装置１０１、画像サーバ１０２、Ｘ線ＣＴ装置１０３、ＭＲＩ装置１０４などのモダリティとは独立して設けられる点で第１実施形態に示すコンソール３０と異なる。他の構成および作用については図１に示すコンソール３０と実質的に異ならないため同じ構成には同一符号を付して説明を省略する。

【0090】

医用画像処理装置３０Ｎは、核医学診断装置１０１、画像サーバ１０２、Ｘ線ＣＴ装置１０３、ＭＲＩ装置１０４などのモダリティとは独立して、これらのモダリティのそれぞれとデータ送受信可能にネットワーク１００を介して接続される。

【0091】

ネットワーク接続回路３４Ｎは、医用画像処理装置３０Ｎと、核医学診断装置１０１、画像サーバ１０２、Ｘ線ＣＴ装置１０３、ＭＲＩ装置１０４とを接続する。この接続には、電子ネットワークを介した電気的な接続などを適用することができる。ここで電子ネットワークとは、電気通信技術を利用した情報通信網全般を意味し、無線／有線の病院基幹ＬＡＮ（Local Area Network）やインターネット網のほか、電話通信回線網、光ファイバ通信ネットワーク、ケーブル通信ネットワークおよび衛星通信ネットワークなどを含む。

【0092】

ダイナミックデータ取得機能４１Ｎは、学習済みモデルの運用時において、ネットワーク１００を介して、必要に応じて核医学診断装置１０１、画像サーバ１０２、Ｘ線ＣＴ装置１０３、ＭＲＩ装置１０４のいずれかから複数時相の医用データ（ダイナミックデータ）を取得する。

【0093】

たとえば、核医学診断装置１０１からダイナミックデータを取得する場合は、ダイナミックデータは複数時相の核医学データであり、学習済みモデル４２０、４３０、４４０、４６０は第１実施形態と同等のものが構築される。また、たとえばＸ線ＣＴ装置１０３からを取得する場合は、ダイナミックデータは時系列的に連続した複数のＸ線ＣＴ画像またはＸ線ＣＴ画像データであり、学習済みモデル４２０は造影剤の時間濃度曲線ＴＤＣを生成し、学習済みモデル４６０はＴＤＣにもとづいて処理範囲設定情報を生成する。処理回路３５Ｎのその他の動作については第１実施形態に係る処理回路３５と同様である。

【0094】

第２実施形態に係る医用画像処理装置３０Ｎの処理回路３５Ｎによっても、第１実施形態に係るコンソール３０の処理回路３５と同様の効果を奏する。また、第２実施形態に係る医用画像処理装置３０Ｎによれば、核医学データのほか、Ｘ線ＣＴデータやＭＲデータを含む医用データをあつかうことができ、複数時相の医用データに基づいて時間変化を有するデータ（ＴＡＣ、ＴＤＣ）を生成することができる。

【0095】

また、本実施形態に係る医用画像処理装置３０Ｎは、トレーサの時間変化を有するデータを生成するものであり、たとえばトレーサが放射性医薬品であり医用データが核医学データであれば、心臓のダイナミックデータ（複数時相の核医学データ）に基づいてＴＡＣを生成することができる。このＴＡＣを用いて、本実施形態に係る医用画像処理装置３０Ｎにより実行される前処理の実行後に、脳血流量を推定する動態解析が行われる。

【0096】

以上説明した少なくとも１つの実施形態によれば、被検体内に投与されたトレーサの動態解析の精度を向上させるよう、動態解析の前処理を的確に行うことできる。

【0097】

なお、上記実施形態において、「プロセッサ」という文言は、たとえば、専用または汎用のＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、または、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（たとえば、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）、およびＦＰＧＡ）等の回路を意味するものとする。プロセッサは、記憶媒体に保存されたプログラムを読み出して実行することにより、各種機能を実現する。

【0098】

また、上記実施形態では処理回路の単一のプロセッサが各機能を実現する場合の例について示したが、複数の独立したプロセッサを組み合わせて処理回路を構成し、各プロセッサが各機能を実現してもよい。また、プロセッサが複数設けられる場合、プログラムを記憶する記憶媒体は、プロセッサごとに個別に設けられてもよいし、１つの記憶媒体が全てのプロセッサの機能に対応するプログラムを一括して記憶してもよい。

【0099】

なお、本発明の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】

【0100】

１ 核医学診断装置
３０ コンソール
３０Ｎ 医用画像処理装置
４１、４１Ｎ ダイナミックデータ取得機能
４２、４２Ａ ＴＡＣ生成機能
４３ 加算画像生成機能
４４ ＲＯＩ設定機能
４５ ＴＡＣ取得機能
４６ 処理範囲生成機能
５１ ダイナミックデータ群
５２ 関心領域情報群
５３ 加算画像群
５４ ＴＡＣ群
７１ ダイナミックデータ
７２ ＲＯＩ情報
７３ 加算画像
９１ 処理範囲設定情報
４２０、４２０Ａ、４２０Ｂ 学習済みモデル
４３０ 第１の学習済みモデル
４４０ 第２の学習済みモデル
４６０ 第３の学習済みモデル

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】