特許 7487367 Ｘ線ＣＴ装置、検出器補正方法および医用情報システム

(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】2024-05-10

(45)【発行日】2024-05-20

(54)【発明の名称】Ｘ線ＣＴ装置、検出器補正方法および医用情報システム

(51)【国際特許分類】

   A61B 6/03 20060101AFI20240513BHJP

【ＦＩ】

A61B6/03 550H

【請求項の数】 12

(21)【出願番号】P 2023035913

(22)【出願日】2023-03-08

(62)【分割の表示】P 2018208417の分割

【原出願日】2018-11-05

(65)【公開番号】P2023060294

(43)【公開日】2023-04-27

【審査請求日】2023-04-06

(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】110003708

【氏名又は名称】弁理士法人鈴榮特許綜合事務所

(72)【発明者】

【氏名】加藤 徹

(72)【発明者】

【氏名】中井 宏章

(72)【発明者】

【氏名】宮崎 博明

【審査官】亀澤 智博

(56)【参考文献】

【文献】特開２００５－３１９１５２（ＪＰ，Ａ）

【文献】特開平０６－３４３６２９（ＪＰ，Ａ）

【文献】特開２０１５－０２４１２８（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ａ６１Ｂ ６／００ － ６／５８

Ｇ０１Ｔ １／００ － ７／１２

Ｈ０４Ｎ ５／３０ － ５／３２５

Ｈ０４Ｎ ２５／００ －２５／７９

(57)【特許請求の範囲】

【請求項1】

同一の検出素子で得られる、補正対象ビューを含む複数のビューに対応する複数の信号を取得する取得部と、
前記複数の信号に基づいて、前記補正対象ビューに対応する信号について前記検出素子を含む検出器の応答特性を補正する補正部と、
を具備し、
前記複数のビューは、時系列的に連続するビューであり、
前記複数のビューの数は、前記検出器に関する減衰時間とＸ線条件とに基づいて決定される、
Ｘ線ＣＴ装置。

【請求項2】

前記複数のビューは、前記補正対象ビューと、前記補正対象ビューよりも時系列を遡ったビューとである、請求項１に記載のＸ線ＣＴ装置。

【請求項3】

前記複数のビューは、前記補正対象ビューと、前記補正対象ビューよりも時系列を進めたビューとである、請求項１に記載のＸ線ＣＴ装置。

【請求項4】

同一の検出素子で得られる、補正対象ビューを含む複数のビューに対応する複数の信号を取得する取得部と、
前記複数の信号に基づいて、前記補正対象ビューに対応する信号について前記検出素子を含む検出器の応答特性を補正する補正部と、
を具備し、
前記複数のビューは、時系列的に連続するビューであり、
前記補正部は、複数の信号が入力され、前記検出素子を含む検出器の応答特性が補正された信号を出力する学習済みモデルに従い、前記補正対象ビューの信号について前記検出器の応答特性が補正された信号を生成する、
Ｘ線ＣＴ装置。

【請求項5】

前記補正部は、前記学習済みモデルに前記複数の信号を時系列順に１つずつ入力させる、請求項４に記載のＸ線ＣＴ装置。

【請求項6】

同一の検出素子で得られる、補正対象ビューを含む複数のビューに対応する複数の信号を取得する取得部と、
前記複数の信号に基づいて、前記補正対象ビューに対応する信号について前記検出素子を含む検出器の応答特性を補正する補正部と、
を具備し、
前記複数のビューの数は、前記検出器に関する減衰時間とＸ線条件とに基づいて決定される、
Ｘ線ＣＴ装置。

【請求項7】

前記複数のビューの数は、更に、回転フレームの回転速度に基づいて決定される、請求項６に記載のＸ線ＣＴ装置。

【請求項8】

前記減衰時間は、前記検出器が直接変換型である場合、電荷が不均一状態から均一状態に戻るまでの時間である、請求項１または請求項６に記載のＸ線ＣＴ装置。

【請求項9】

同一の検出素子で得られる、補正対象ビューを含む時系列的に連続する複数のビューに対応する複数の信号を取得し、
前記複数の信号に基づいて、前記補正対象ビューに対応する信号について前記検出素子を含む検出器の応答特性を補正し、
前記複数のビューの数は、前記検出器に関する減衰時間とＸ線条件とに基づいて決定される、検出器補正方法。

【請求項10】

同一の検出素子で得られる、補正対象ビューを含む複数のビューに対応する複数の信号を取得し、
前記複数の信号に基づいて、前記補正対象ビューに対応する信号について前記検出素子を含む検出器の応答特性を補正する検出器補正方法であり、
前記複数のビューの数は、前記検出器に関する減衰時間とＸ線条件とに基づいて決定される検出器補正方法。

【請求項11】

同一の検出素子で得られる、補正対象ビューを含む複数のビューに対応する複数の信号を取得する取得部と、
前記複数の信号に基づいて、前記補正対象ビューに対応する信号について前記検出素子を含む検出器の応答特性を補正する補正部と、
を具備し、
前記複数のビューは、時系列的に連続するビューであり、
前記複数のビューの数は、前記検出器に関する減衰時間とＸ線条件とに基づいて決定される、
医用情報処理システム。

【請求項12】

同一の検出素子で得られる、補正対象ビューを含む複数のビューに対応する複数の信号を取得する取得部と、
前記複数の信号に基づいて、前記補正対象ビューに対応する信号について前記検出素子を含む検出器の応答特性を補正する補正部と、
を具備し、
前記複数のビューの数は、前記検出器に関する減衰時間とＸ線条件とに基づいて決定される、
医用情報処理システム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明の実施形態は、Ｘ線ＣＴ装置および検出器ユニットに関する。

【背景技術】

【0002】

Ｘ線ＣＴ装置で用いる検出器の応答特性には、アフターグロー特性、チャージシェアリングおよびパイルアップなどが挙げられ、これら複数の応答特性が同時に発生する。よって、例えばフォトンカウンティング型検出器からの出力を用いて画像再構成を行う場合、検出器の応答特性を補正する必要がある。
上記複数の応答特性の補正処理は、各特性に合わせてそれぞれにモデルを構築し、補正係数を算出して、取得された検出器出力から応答特性を補正した値を求めている。
しかし、上記複数の応答特性は時間的に一連の応答として相互に関連して発生するため、同時に補正する、すなわち応答関数を決定して補正することは、非常に困難である。

【先行技術文献】

【特許文献】

【0003】

【文献】米国特許第９８３３２０２号明細書

【文献】米国特許第９８５４６５６号明細書

【文献】米国特許出願公開第２０１８／０１９２９７７号明細書

【発明の概要】

【発明が解決しようとする課題】

【0004】

本発明が解決しようとする課題は、精度の高い補正を行うことである。

【課題を解決するための手段】

【0005】

本実施形態に係るＸ線ＣＴ装置は、取得部と、補正部とを含む。取得部は、同一の検出素子で得られる、補正対象ビューを含む複数のビューに対応する複数の信号を取得する。補正部は、前記複数の信号に基づいて、前記補正対象ビューに対応する信号について前記検出素子を含む検出器の応答特性を補正する。

【図面の簡単な説明】

【0006】

【図1】図１は、本実施形態に係るＸ線ＣＴ装置を示すブロック図である

【図2】図２は、本実施形態に係る学習済みモデルの生成方法を示す図である。

【図3】図３は、本実施形態に係るモデルの学習時の概念を示す図である。

【図4】図４は、本実施形態に係る学習済みモデルの利用時の概念を示す図である。

【図5】図５は、本実施形態に係る利用時における学習済みモデルに対する入力データの第１の入力例を示す図である。

【図6】図６は、図５から１時刻進んだときの学習済みモデルに対する入力データの第１の入力例を示す図である。

【図7】図７は、本実施形態に係る利用時における学習済みモデルに対する入力データの第２の入力例を示す図である。

【図8】図８は、図７から１時刻進んだときの学習済みモデルに対する入力データの第２の入力例を示す図である。

【発明を実施するための形態】

【0007】

以下、図面を参照しながら本実施形態に係わるＸ線ＣＴ（Computed Tomography）装置および検出器ユニットについて説明する。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おこなうものとして、重複する説明を適宜省略する。以下、一実施形態について図面を用いて説明する。

【0008】

以下、本実施形態に係るＸ線ＣＴ装置について図１のブロック図を参照して説明する。図１に示すＸ線ＣＴ装置１は、架台装置１０と、寝台装置３０と、Ｘ線ＣＴ装置の処理を実現するコンソール装置４０とを有する。図１では説明の都合上、架台装置１０を複数描画している。

【0009】

なお、本実施形態では、非チルト状態での回転フレーム１３の回転軸又は寝台装置３０の天板３３の長手方向をＺ軸方向、Ｚ軸方向に直交し、床面に対し水平である軸方向をＸ軸方向、Ｚ軸方向に直交し、床面に対し垂直である軸方向をＹ軸方向とそれぞれ定義するものとする。

【0010】

例えば、架台装置１０及び寝台装置３０はＣＴ検査室に設置され、コンソール装置４０はＣＴ検査室に隣接する制御室に設置される。なお、コンソール装置４０は、必ずしも制御室に設置されなくてもよい。例えば、コンソール装置４０は、架台装置１０及び寝台装置３０とともに同一の部屋に設置されてもよい。いずれにしても架台装置１０と、寝台装置３０と、コンソール装置４０とは互いに通信可能に有線または無線で接続されている。

【0011】

架台装置１０は、被検体ＰをＸ線ＣＴ撮影するための構成を有するスキャン装置である。架台装置１０は、Ｘ線管１１と、Ｘ線検出器１２と、回転フレーム１３と、Ｘ線高電圧装置１４と、制御装置１５と、ウェッジ１６と、コリメータ１７と、データ収集装置１８（以下、ＤＡＳ（Data Acquisition System）１８ともいう）とを含む。

【0012】

Ｘ線管１１は、Ｘ線高電圧装置１４からの高電圧の印加及びフィラメント電流の供給により、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ことでＸ線を発生する真空管である。具体的には、熱電子がターゲットに衝突することによりＸ線が発生される。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。Ｘ線管１１で発生したＸ線は、例えばコリメータ１７を介してコーンビーム形に成形され、被検体Ｐに照射される。

【0013】

Ｘ線検出器１２は、本実施形態では、フォトンカウンティング型検出器の場合と、一般的なＸ線検出器、すなわち積分型の検出器の場合とをそれぞれ想定する。

【0014】

Ｘ線検出器１２が、フォトンカウンティング型検出器である場合、Ｘ線管１１から照射され、被検体Ｐを通過したＸ線を光子単位で検出する。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（列方向、ｒｏｗ方向）に複数配列された列構造を有する。

【0015】

Ｘ線検出器１２は、具体的には、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。Ｘ線検出器１２は、検出部の一例である。
シンチレータアレイは、複数のシンチレータを有する。シンチレータは、入射Ｘ線を、当該入射Ｘ線の強度に応じた個数の光子に変換する。
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線遮蔽板を有する。なお、グリッドはコリメータ（１次元コリメータまたは２次元コリメータ）と呼ばれる場合もある。
光センサアレイは、シンチレータから受けた光を増幅して電気信号に変換し、当該入射Ｘ線のエネルギーに応じた波高値を有する出力信号（エネルギー信号）を生成する機能を有し、例えば、光電子増倍管（フォトマルチプライヤー：ＰＭＴ）等の光センサを有する。生成されたエネルギー信号がＤＡＳ１８に出力される。

【0016】

一方、Ｘ線検出器１２が、積分型の検出器である場合、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ＤＡＳ１８へと出力する。シンチレータアレイは、複数のシンチレータを有する。シンチレータは、入射Ｘ線を、当該入射Ｘ線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。光センサアレイは、シンチレータからの受けた光を増幅して電気信号に変換する機能を有し、例えば、光電子増倍管（フォトマルチプライヤー：ＰＭＴ）等の光センサを有する。
なお、上述のＸ線検出器１２は、間接変換型の検出器を想定しているが、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。

【0017】

回転フレーム１３は、Ｘ線発生部（Ｘ線管１１，ウェッジ１６およびコリメータ１７）とＸ線検出器１２とを回転軸回りに回転可能に支持する。具体的には、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、後述する制御装置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。回転フレーム１３は、アルミニウム等の金属により形成された固定フレーム（図示せず）に回転可能に支持される。詳しくは、回転フレーム１３は、ベアリングを介して固定フレームの縁部に接続されている。回転フレーム１３は、制御装置１５の駆動機構からの動力を受けて回転軸Ｚ回りに一定の角速度で回転する。

【0018】

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を更に備えて支持する。このような回転フレーム１３は、撮影空間をなす開口（ボア）１９が形成された略円筒形状の筐体に収容されている。開口はＦＯＶに略一致する。開口の中心軸は、回転フレーム１３の回転軸Ｚに一致する。なお、ＤＡＳ１８が生成した撮影データは、例えば発光ダイオード（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（例えば固定フレーム。図１での図示は省略する。）に設けられた、フォトダイオードを有する受信機（図示せず）に送信され、コンソール装置４０へと転送される。なお、回転フレームから架台装置の非回転部分への撮影データの送信方法は、前述の光通信に限らず、非接触型のデータ伝送であれば如何なる方式を採用しても構わない。

【0019】

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に印加する高電圧及びＸ線管１１に供給するフィラメント電流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。なお、Ｘ線高電圧装置１４は、後述する回転フレーム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。

【0020】

制御装置１５は、ＣＰＵ（Central Processing Unit）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。処理回路は、ハードウェア資源として、ＣＰＵやＭＰＵ（Micro Processing Unit）等のプロセッサとＲＯＭ（Read Only Memory）やＲＡＭ（Random Access Memory）等のメモリとを有する。また、制御装置１５は、特定用途向け集積回路（Application Specific Integrated Circuit：ＡＳＩＣ）やフィールド・プログラマブル・ゲート・アレイ（Field Programmable Gate Array：ＦＰＧＡ）、他の複合プログラマブル論理デバイス（Complex Programmable Logic Device：ＣＰＬＤ）、単純プログラマブル論理デバイス（Simple Programmable Logic Device：ＳＰＬＤ）により実現されてもよい。制御装置１５は、コンソール装置４０からの指令に従い、Ｘ線高電圧装置１４及びＤＡＳ１８等を制御する。前記プロセッサは、前記メモリに保存されたプログラムを読み出して実現することで上記制御を実現する。

【0021】

また、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。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４３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。また、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。なお、制御装置１５は、前記メモリにプログラムを保存する代わりに、前記プロセッサの回路内にプログラムを直接組み込むように構成しても構わない。この場合、前記プロセッサは、前記回路内に組み込まれたプログラムを読み出して実行することで上記制御を実現する。

【0022】

ウェッジ１６は、Ｘ線管１１から照射された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。例えば、ウェッジ１６（ウェッジフィルタ（wedge filter）、ボウタイフィルタ（bow-tie filter））は、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。

【0023】

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。

【0024】

ＤＡＳ１８は、例えば、撮影データを生成可能な回路素子を搭載したＡＳＩＣ（Application Specific Integrated Circuit）により実現される。ＤＡＳ１８とＸ線検出器１２とは検出器ユニットを構成する。
ＤＡＳ１８は、Ｘ線検出器１２がフォトンカウンティング型検出器である場合、Ｘ線検出器１２により検出されたＸ線のカウントを示すデジタルデータ（以下、スペクトルデータともいう）を、複数のエネルギー帯域（以下、エネルギー・ビン、又は単にビンともいう）毎に生成する。スペクトルデータは、生成元の検出素子のチャンネル番号、列番号、収集されたビュー（投影角度ともいう）を示すビュー番号、及びエネルギー・ビン番号により識別されたカウント値のデータのセットである。スペクトルデータは、コンソール装置４０へと転送される。

【0025】

一方、Ｘ線検出器１２が積分型検出器である場合、ＤＡＳ１８は、Ｘ線検出器１２から電気信号を読み出し、読み出した電気信号に基づいて、Ｘ線検出器１２により検出されたＸ線の線量に関するデジタルデータである投影データを生成する。投影データは、生成元のＸ線検出素子のチャンネル番号、列番号、収集されたビュー（投影角度ともいう）を示すビュー番号、及び検出されたＸ線の線量の積分値を示すデータのセットである。
例えば、ＤＡＳ１８は、検出素子各々について前置増幅器、可変増幅器、積分回路及びＡ／Ｄ変換器を含む。前置増幅器は、接続元の検出素子からの電気信号を所定のゲインで増幅する。可変増幅器は、前置増幅器からの電気信号を可変のゲインで増幅する。積分回路は、前置増幅器からの電気信号を、１ビュー期間に亘り積分して積分信号を生成する。積分信号の波高値は、１ビュー期間に亘り接続元の検出素子により検出されたＸ線の線量値に対応する。Ａ／Ｄ変換器は、積分回路からの積分信号をアナログデジタル変換して投影データを生成する。以下、スペクトルデータと投影データとを区別しない場合、撮影データと呼ぶ。

【0026】

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とを備えている。

【0027】

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を天板３３の長軸方向に移動するモータあるいはアクチュエータである。寝台駆動装置３２は、コンソール装置４０による制御、または制御装置１５による制御に従い、天板３３を移動する。例えば、寝台駆動装置３２は、天板３３に載置された被検体Ｐの体軸が回転フレーム１３の開口の中心軸に一致するよう、天板３３を被検体Ｐに対して直交方向に移動する。また、寝台駆動装置３２は、架台装置１０を用いて実行されるＸ線ＣＴ撮影に応じて、天板３３を被検体Ｐの体軸方向に沿って移動してもよい。寝台駆動装置３２は、制御装置１５からの駆動信号のデューティ比等に応じた回転速度で駆動することにより動力を発生する。寝台駆動装置３２は、例えば、ダイレクトドライブモータやサーボモータ等のモータにより実現される。

【0028】

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。

【0029】

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４４とを有する。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４４との間のデータ通信は、バス（BUS）を介して行われる。なお、コンソール装置４０は架台装置１０とは別体として説明するが、架台装置１０にコンソール装置４０またはコンソール装置４０の各構成要素の一部が含まれてもよい。

【0030】

メモリ４１は、種々の情報を記憶するＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）、集積回路記憶装置等の記憶装置である。メモリ４１は、例えば、撮影データや再構成画像データを記憶する。メモリ４１は、ＨＤＤやＳＳＤ等以外にも、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）、フラッシュメモリ等の可搬性記憶媒体や、ＲＡＭ（Random Access Memory）等の半導体メモリ素子等との間で種々の情報を読み書きする駆動装置であってもよい。また、メモリ４１の保存領域は、Ｘ線ＣＴ装置１内にあってもよいし、ネットワークで接続された外部記憶装置内にあってもよい。例えば、メモリ４１は、ＣＴ画像や表示画像のデータを記憶する。また、メモリ４１は、本実施形態に係る制御プログラムを記憶する。

【0031】

ディスプレイ４２は、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４４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としては、例えば、液晶ディスプレイ（ＬＣＤ：Liquid Crystal Display）、ＣＲＴ（Cathode Ray Tube）ディスプレイ、有機ＥＬディスプレイ（ＯＥＬＤ：Organic Electro Luminescence Display）、プラズマディスプレイ又は他の任意のディスプレイが、適宜、使用可能となっている。また、ディスプレイ４２は、架台装置１０に設けられてもよい。また、ディスプレイ４２は、デスクトップ型でもよいし、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などで構成されることにしても構わない。

【0032】

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４４に出力する。例えば、入力インターフェース４３は、撮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。入力インターフェース４３としては、例えば、マウス、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、タッチパッド及びタッチパネルディスプレイ等が適宜、使用可能となっている。なお、本実施形態において、入力インターフェース４３は、マウス、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、タッチパッド及びタッチパネルディスプレイ等の物理的な操作部品を備えるものに限られない。例えば、装置とは別体に設けられた外部の入力機器から入力操作に対応する電気信号を受け取り、この電気信号を処理回路４４へ出力する電気信号の処理回路も入力インターフェース４３の例に含まれる。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。又、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などで構成されることにしても構わない。

【0033】

処理回路４４は、入力インターフェース４３から出力される入力操作の電気信号に応じてＸ線ＣＴ装置１全体の動作を制御する。例えば、処理回路４４は、ハードウェア資源として、ＣＰＵやＭＰＵ、ＧＰＵ（Graphics Processing Unit）等のプロセッサとＲＯＭやＲＡＭ等のメモリとを有する。処理回路４４は、メモリに展開されたプログラムを実行するプロセッサにより、システム制御機能４４１、取得機能４４２、選択機能４４３、補正機能４４４、再構成処理機能４４５及び表示制御機能４４６を実行する。なお、各機能（システム制御機能４４１、取得機能４４２、選択機能４４３、補正機能４４４、再構成処理機能４４５及び表示制御機能４４６）は単一の処理回路で実現される場合に限らない。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、各プロセッサがプログラムを実行することにより各機能を実現するものとしても構わない。

【0034】

システム制御機能４４１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４４の各機能を制御する。具体的には、システム制御機能４４１は、メモリ４１に記憶されている制御プログラムを読み出して処理回路４４内のメモリ上に展開し、展開された制御プログラムに従ってＸ線ＣＴ装置１の各部を制御する。例えば、処理回路４４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４４の各機能を制御する。例えば、システム制御機能４４１は、スキャン範囲、撮影条件等を決定するための被検体Ｐの２次元の位置決め画像を取得する。なお、位置決め画像は、スキャノ画像またはスカウト画像とも呼ばれる。システム制御機能４４１は、システム制御部の一例である。

【0035】

取得機能４４２は、Ｘ線検出器１２の各検出素子において、同一の検出素子で得られる複数のビューに対応する複数の信号を取得する。複数のビューには、補正対象となるビューである補正対象ビューが含まれる。複数のビューに対応する複数の信号は、時系列に沿った信号値の履歴データを示す。取得機能４４２は、取得部の一例である。
選択機能４４３は、Ｘ線条件ごとに生成された学習済みモデルが生成される場合、Ｘ線条件ごとに生成された学習済みモデルを参照し、処理対象となるビューの信号を取得する際のＸ線条件に対応する学習済みモデルを選択する。

【0036】

補正機能４４４は、取得機能４４２で取得した複数の信号に基づいて、補正対象ビューに対応する信号について検出素子を含むＸ線検出器１２の応答特性を補正する。補正機能４４４は、例えば、複数の信号が入力され、Ｘ線検出器１２の応答特性が補正された信号を出力する学習済みモデルに従い、補正対象ビューに対応する信号についてＸ線検出器１２の応答特性が補正された信号を生成する。本実施形態において「Ｘ線検出器の応答特性が補正された信号」とは、応答特性が補正されたＸ線検出器から出力されると推定される信号を意味する。補正機能４４４は、処理部の一例である。
再構成処理機能４４５は、補正機能４４４により補正された撮影データに対して、フィルタ補正逆投影法（ＦＢＰ法：Filtered Back Projection）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。
表示制御機能４４６は、処理回路４４の各機能または処理における処理途中又は処理結果の情報を表示するようにディスプレイ４２を制御する。

【0037】

なお、処理回路４４は、スキャン制御処理および画像処理も行う。
スキャン制御処理は、Ｘ線高電圧装置１４に高電圧を供給させて、Ｘ線管１１にＸ線を照射させるなど、Ｘ線スキャンに関する各種動作を制御する処理である。

【0038】

画像処理は、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４４５によって生成されたＣＴ画像データを、任意断面の断層画像データや３次元画像データに変換する処理である。なお、３次元画像データの生成は、再構成処理機能４４５が直接行なっても構わない。

【0039】

処理回路４４は、コンソール装置４０に含まれる場合に限らず、複数の医用画像診断装置にて取得されたデータに対する処理を一括して行う統合サーバに含まれてもよい。
なお、コンソール装置４０は、単一のコンソールにて複数の機能を実行するものとして説明したが、複数の機能を別々のコンソールが実行することにしても構わない。例えば、取得機能４４２および補正機能４４４等の処理回路４４の機能を分散して有しても構わない。

【0040】

次に、補正機能４４４が利用する学習済みモデルの生成方法について図２を参照して説明する。
図２は、学習済みモデルを生成する医用情報処理システムの一例を示すブロック図である。図２に示される医用情報処理システムは、Ｘ線ＣＴ装置１と、学習データ保管装置２０と、モデル学習装置２２とを含む。

【0041】

学習データ保管装置２０は、複数の学習サンプルを含む学習用データを記憶する。例えば、学習データ保管装置２０は、大容量記憶装置が内蔵されたコンピュータである。また、学習データ保管装置２０は、コンピュータにケーブルや通信ネットワークを介して通信可能に接続された大容量記憶装置であってもよい。当該記憶装置としては、ＨＤＤ、ＳＳＤ、集積回路記憶装置等が適宜利用可能である。

【0042】

モデル学習装置２２は、学習データ保管装置２０に記憶された学習用データに基づいて、モデル学習プログラムに従いモデルに機械学習を行わせることで、学習済みモデル４１１を生成する。本実施形態において、機械学習のアルゴリズムとしては、ニューラルネットワーク、ディープラーニング、特に時系列データの取り扱いが可能なリカレントニューラルネットワーク（ＲＮＮ：Recurrent Neural Network）、ＬＳＴＭ（Long Short-Term Memory）等を想定するが、これに限らず隠れマルコフモデル（ＨＭＭ：Hidden Markov Model）といった他の機械学習のアルゴリズムであってもよい。ＲＮＮは、隠れ層といわれる内部の中間層にループを持ち、その後の時刻における処理まで情報を持続させることが可能である。また、ＬＳＴＭは、ＲＮＮよりも長期的な情報の依存関係を学習することができるネットワークである。モデル学習装置２２は、ＣＰＵ及びＧＰＵ等のプロセッサを有するワークステーション等のコンピュータである。

【0043】

モデル学習装置２２と学習データ保管装置２０とは、ケーブル又は通信ネットワークを介して通信可能に接続されてもよい。また、学習データ保管装置２０がモデル学習装置２２に搭載されてもよい。これらの場合、学習データ保管装置２０からモデル学習装置２２へ学習用データが供給される。なお、モデル学習装置２２と学習データ保管装置２０とは通信可能に接続されてなくてもよい。この場合、学習用データが記憶された可搬性記憶媒体を介して、学習データ保管装置２０からモデル学習装置２２へ学習用データが供給される。

【0044】

Ｘ線ＣＴ装置１とモデル学習装置２２とはケーブル、又は通信ネットワークを介して通信可能に接続されてもよい。モデル学習装置２２で生成された学習済みモデル４１１がＸ線ＣＴ装置１へ供給され、学習済みモデル４１１がメモリ４１に記憶される。なお、Ｘ線ＣＴ装置１とモデル学習装置２２とは、必ずしも通信可能に接続されてなくてもよい。この場合、学習済みモデル４１１が記憶された可搬型記憶媒体等を介して、モデル学習装置２２からＸ線ＣＴ装置１へ学習済みモデル４１１が供給される。

【0045】

なお、学習済みモデル４１１は、複数の関数が合成されたパラメータ付き合成関数ともいえる。パラメータ付き合成関数は、複数の調整可能な関数およびパラメータの組合せにより定義される。学習済みモデルは、上記の要請を満たす如何なるパラメータ付き合成関数であってもよい。

【0046】

なお、本実施形態に係る学習済みモデル４１１は、機械学習前の多層化ネットワーク（単にモデルという）を、ＲＮＮまたはＬＳＴＭ等に代表される時系列データを取り扱うアルゴリズムで機械学習させることで生成される。なお、ＲＮＮおよびＬＳＴＭに限らず、学習済みモデル４１１は、上述した機械学習のアルゴリズムによりモデルを学習させることで生成されてもよい。

【0047】

次に、モデル学習装置２２によるモデルの学習時の概念について図３を参照して説明する。
モデル学習装置２２は、学習用データを用いて多層化ネットワーク４１０を機械学習させる。Ｘ線検出器１２の検出素子ごとに応答特性を補正するため、学習用データは、検出素子ごとに作成される。また、Ｘ線検出器１２の応答特性はＸ線条件によって変化する。例えば、管電流の値が大きい場合は、管電流の値が小さい場合と比較して検出素子で検出される光子の数が多くなり、管電流の値に応じてパイルアップ特性が変化する。よって、モデル学習装置２２は、Ｘ線条件を含めてモデルを学習させる。

【0048】

以下の例では、Ｘ線検出器１２がフォトンカウンティング型検出器であり、入力データとなる複数の信号は、１ビューごとに１つの検出素子で得られる、複数のビュー分のスペクトルデータであることを想定する。なお、入力データとなる複数の信号は、Ｘ線検出器１２が積分型である場合、検出素子で検出される信号の積分値である。

【0049】

モデルの学習時には、例えば工場出荷時などにおいて、実際に被検体Ｐを撮影した複数のビューのスペクトルデータ６１と撮影時のＸ線条件６３とを入力データとし、撮影時のＸ線条件６３を設定してシミュレーションした１つの理想スペクトルデータ６５を正解データ（出力データ）とした学習用データを用いる。モデル学習装置２２は、当該学習用データを用いて多層化ネットワーク４１０を学習させ、学習済みモデル４１１を生成する。Ｘ線条件６３は、例えば、管電圧（ｋＶ）、管電流（ｍＡ）、ビューレート（view rate）、フィルタ情報、コリメータ情報が挙げられる。なお、Ｘ線ＣＴ装置１の修理時やソフトウェアのアップデート時において学習済みモデル４１１をアップデートできるようにしてもよい。

【0050】

被検体Ｐとして、患者や健常者等の他、ファントムや亡くなった患者、生きている動物又は死んでいる動物が被検体Ｐとして用いられてもよい。

【0051】

被検体Ｐを撮影して入力データを収集する際には、透過条件として、材質（空気、水、要素）、厚さを考慮する。特に、被検体Ｐがファントムである場合は、回転フレーム１３の回転によってＸ線パスが透過する被写体厚が変動する楕円柱のようなファントムを用いることが望ましい。
また、モデルの学習時には、エネルギー帯域ごとの変動も学習させてもよい。例えば、低エネルギー側に影響する、比較的原子番号の小さい金属を材料としたフィルタを適用してスペクトルデータ６１を取得する。さらに、高エネルギー側に影響する、つまり高エネルギー成分を減衰させる原子番号の大きい金属（Ｐｂ、ｗ）を材料とするフィルタを適用してスペクトルデータ５１を取得する。その後、取得したスペクトルデータ６１をそれぞれＸ線条件６３に応じて学習させればよい。

【0052】

理想スペクトルデータ６５は、シミュレーションにより被検体Ｐを透過した撮影データそのものとして想定されるので、Ｘ線検出器１２の応答特性に影響されない。
一方、実際に被検体Ｐを撮影して得られたスペクトルデータ６１は、Ｘ線検出器１２における複数の応答特性の影響を受けている。スペクトルデータ６１は、これら複数の応答特性間の相互作用の影響を受ける。複数の応答特性は、時間的に依存する、換言すれば、時間変化する。Ｘ線検出器１２の応答特性としては、例えば、チャージシェアリング特性、アフターグロー特性（残光特性）、パイルアップ特性がある。チャージシェアリング特性は、入射するＸ線の入射角度によって隣接する検出素子にも当該Ｘ線により生じた電荷がまたがるという特性である。アフターグロー特性は、前の時点で撮影した像が次の時点で撮影した像にも残ってしまう減衰時間に関する特性である。パイルアップ特性は、検出素子への光子の入射間隔が短いことに依存する特性である。

【0053】

本実施形態では、複数ビューのスペクトルデータ６１の入力データとして学習させることで、上述の複数の応答特性の相互作用および時間的依存作用を切り分けて補正する必要なく、適切に応答特性を補正することができる。

【0054】

また、入力データとして用いる複数のビューのスペクトルデータ６１は、履歴データとして時間的に複数ビュー前のスペクトルを併せて入力データとする。スペクトルデータの数、すなわちビューの数は、Ｘ線条件、被検体Ｐ、回転フレーム１３の回転速度、Ｘ線検出器１２に関する減衰時間に基づいて決定される。例えば、回転フレーム１３が１回転するときに収集されるビュー数が最大のビュー数として、当該最大のビュー数以下となるように適宜設計されればよい。設計指針としては、例えば、アフターグロー特性を考慮して、あるビューを撮影した時点から、当該ビューの時点で生じたアフターグロー成分が閾値以下となる時点までの間で取得されたビュー数を、入力データに用いるビューの数（スペクトルデータの数）とすればよい。

【0055】

なお、アフターグロー特性における「減衰時間」は、Ｘ線検出器１２が間接変換型である場合、シンチレータの蛍光減衰時間である。一方、Ｘ線検出器１２が直接変換型である場合、アフターグロー特性における「減衰時間」は、電荷が不均一状態から均一状態に戻るまでの時間である。

【0056】

次に、図３で機械学習させた学習済みモデル４１１の利用時の概念について図４を参照して説明する。
学習済みモデル４１１の利用時において、補正機能４４４により処理回路４４は、Ｘ線ＣＴ装置１を用いて撮影した処理対象となる複数のスペクトルデータ６７と撮影時のＸ線条件６３とを入力データとして学習済みモデル４１１に入力する。学習済みモデル４１１は、入力された複数のスペクトルデータ６７に従い、Ｘ線検出器１２の応答特性が補正された補正スペクトルデータ６９を出力する。補正スペクトルデータ６９は、入力データよりも、信号劣化に関係する応答特性に依存する成分が低減されたスペクトルデータである。換言すれば、補正スペクトルデータ６９は、理想の応答特性を有するＸ線検出器１２及びＤＡＳ１８により生成されると推定されるスペクトルデータである。

【0057】

次に、利用時における学習済みモデル４１１に対する入力データの第１の入力例について図５および図６を参照して説明する。
図５は、ある時点での学習済みモデル４１１の利用例を示す。本実施形態で想定するスペクトルデータは、エネルギー帯域（ビン）ごとに区分されたカウント値のデータで表される。図５の例は、学習済みモデル４１１としてＲＮＮを想定し、学習済みモデル４１１は、入力層４１１１、中間層４１１３および出力層４１１５を有する。入力データとして、現在の時刻（Ｔ）から２ビュー分遡った３ビューのスペクトルデータと撮影時のＸ線条件とを用いる。各スペクトルデータは、３つのビンで表現される。

【0058】

第１の入力例では、３つのスペクトルデータを一度に学習済みモデル４１１に入力する。すなわち、時刻（Ｔ）のスペクトルデータ５１、時刻（Ｔ－１）のスペクトルデータ５２および時刻（Ｔ－２）のスペクトルデータ５３が一度に学習済みモデル４１１に入力される。

【0059】

また図５に示すように、各スペクトルデータの各ビンのカウント値が、学習済みモデル４１１の入力層４１１１のノードにそれぞれ入力される。具体的には、スペクトルデータ５１の３つのビンＥ（１）、ビンＥ（２）およびビンＥ（３）のカウント値が、入力データＥ（１，Ｔ）、入力データＥ（２，Ｔ）および入力データＥ（３，Ｔ）としてそれぞれ入力層４１１１のノードに入力される。スペクトルデータ５２およびスペクトルデータ５３についても同様にノードに入力される。

【0060】

学習済みモデル４１１では、入力層４１１１からデータを受け取った中間層４１１３により処理が実行され、出力層４１１５にデータを出力する。出力層４１１５からは、時刻（Ｔ）のスペクトルデータについてＸ線検出器１２の応答特性が補正された補正スペクトルデータが出力される。

【0061】

次に、１時刻進み、次のビューにおけるスペクトルデータについて処理する場合を図６に示す。１時刻進んだ場合、１つ時系列を進めた３つのスペクトルデータが入力される。すなわち、時刻（Ｔ＋１）のスペクトルデータ５５、時刻（Ｔ）のスペクトルデータ５１および時刻（Ｔ－１）のスペクトルデータ５２が一度に学習済みモデル４１１に入力される。学習済みモデル４１１では図５と同様の処理が実行され、出力層４１１５からは、時刻（Ｔ＋１）のスペクトルデータについてＸ線検出器１２の応答特性が補正された補正スペクトルデータが出力される。

【0062】

次に、利用時における学習済みモデル４１１に対する入力データの第２の入力例について図７および図８を参照して説明する。
第２の入力例では、スペクトルデータが時系列順に１つずつ学習済みモデルに入力される。

【0063】

学習済みモデル４１１では、学習時の同じビュー数分のスペクトルデータが蓄積されたのちに処理が実行され、学習済みモデル４１１から補正スペクトルデータが出力される。そのため、例えば、学習時に３ビュー分のスペクトルデータを学習用データの入力データとして用いた場合、学習済みモデル４１１の利用時に、初期の入力だけ一度に３ビュー分のスペクトルデータが入力されてもよいし、時系列順にスペクトルデータが入力され、３ビュー分のスペクトルデータが蓄積されるまで学習済みモデルから補正スペクトルデータが出力されないようにしてもよい。

【0064】

図７では、学習済みモデル４１１に時刻（Ｔ－２）のスペクトルデータおよび時刻（Ｔ－１）のスペクトルデータが既に入力されており（図示せず）、次に、時刻（Ｔ）のスペクトルデータが入力される場合を想定する。

【0065】

時刻（Ｔ）のスペクトルデータが入力されると、時刻（Ｔ－２）および時刻（Ｔ－１）のスペクトルデータとあわせて３ビュー分のスペクトルデータの入力データに基づいて、学習済みモデル４１１から補正スペクトルデータが出力される。

【0066】

次に、１時刻進み、次のビューにおけるスペクトルデータについて処理する場合を図８に示す。１時刻進んだ場合、時刻（Ｔ＋１）のスペクトルデータ５５が学習済みモデル４１１に入力される。学習済みモデル４１１には、既に時刻（Ｔ－１）のスペクトルデータ５２および時刻（Ｔ）のスペクトルデータ５１が入力されている。よって、時刻（Ｔ－１）、時刻（Ｔ）および時刻（Ｔ＋１）の３つのスペクトルデータに基づき、中間層４１１３では図７と同様の処理が実行され、出力層４１１５から時刻（Ｔ＋１）のスペクトルデータについてＸ線検出器１２の応答特性が補正された補正スペクトルデータ５４が出力される。

【0067】

なお、上述した例では、Ｘ線条件を含めて学習させることにより、Ｘ線条件に沿って検出器応答が補正された補正スペクトルデータを出力する学習済みモデルを想定するが、Ｘ線条件ごとに学習済みモデルを生成してもよい。この場合、学習済みモデルの利用時において、選択機能４４３により処理回路４４は、被検体Ｐを測定する際、つまり対象ビューの信号を取得する際のＸ線条件に従って学習済みモデルを選択する。補正機能４４４により処理回路４４は、選択機能４４３により選択された当該Ｘ線条件に対応する学習済みモデルに従い、スペクトルデータに含まれる応答特性を補正した補正スペクトルデータを出力してもよい。

【0068】

また、上述した例では、現在時刻のスペクトルデータを学習済みモデル４１１に入力し、応答特性が補正された現在時刻のスペクトルデータを出力する例を示すが、これに限らず、出力として現在時刻よりも前の時刻のスペクトルデータについて、応答特性を補正したデータが出力されてもよい。具体的に、学習済みモデル４１１は、例えば時刻（Ｔ－２）、時刻（Ｔ－１）および時刻Ｔの３つのスペクトルデータが入力され、時刻Ｔではなく、１つ前の時刻（Ｔ－１）のスペクトルデータについて応答特性が補正されたデータを出力するように設計されてもよい。

【0069】

上述の例では、処理回路４４により取得機能４４２、選択機能４４３および補正機能４４４を実行しているが、これに限らず、ＤＡＳ１８に取得機能４４２、選択機能４４３および補正機能４４４を実行する処理回路を含んでもよい。つまり、コンソール装置４０ではなく検出器ユニットが、当該処理回路によりＸ線検出器１２の応答特性の補正を実行してもよい。

【0070】

以上に示した第１の実施形態によれば、Ｘ線検出器からの複数の信号として時系列情報を含む履歴データを入力し、Ｘ線検出器の応答特性が補正された信号を出力可能とすることで、応答特性間の時系列的な相互作用を考慮した複雑なモデルを構築することなく、迅速かつ精度の高い補正処理を実行でき、後段のＣＴ画像再構成およびスペクトル画像再構成の信頼性を向上させることができる。

【0071】

また、本実施形態に係るＸ線ＣＴ装置によれば、学習済みモデルを用いることで、チャージシェアリング特性、アフターグロー特性およびパイルアップ特性のそれぞれについて個別に補正せずに、応答特性間の相互作用を含めて適切な応答特性の補正が実行できる。そのため、画質（コントラスト、ノイズ）がより改善されたＣＴ画像を生成することができる。よって、コストを抑えつつ高画質な画像を得ることができる。
また、別途ソフトウェアによる応答特性の補正処理を逐一行わなくてよいため、ソフトウェアによる応答特性の補正処理に係る計算時間を省略し、処理に係る全体の計算時間を短くすることができる。結果として、処理の効率化を図ることができる。

【0072】

なお、Ｘ線ＣＴ装置には、Ｘ線管と検出器とが一体として被検体Ｐの周囲を回転するＲｏｔａｔｅ／Ｒｏｔａｔｅ－Ｔｙｐｅ（第３世代ＣＴ）、リング状にアレイされた多数のＸ線検出素子が固定され、Ｘ線管のみが被検体Ｐの周囲を回転するＳｔａｔｉｏｎａｒｙ／Ｒｏｔａｔｅ－Ｔｙｐｅ（第４世代ＣＴ）等様々なタイプがあり、いずれのタイプでも本実施形態へ適用可能である。

【0073】

なお、Ｘ線を発生させるハードウェアはＸ線管１１に限られない。例えば、Ｘ線管１１に替えて、電子銃から発生した電子ビームを集束させるフォーカスコイルと、電磁偏向させる偏向コイルと、被検体Ｐの半周を囲い偏向した電子ビームが衝突することによってＸ線を発生させるターゲットリングとを含む第５世代方式を用いてＸ線を発生させることにしても構わない。

【0074】

さらに、本実施形態においては、一管球型のＸ線ＣＴ装置にも、Ｘ線管と検出器との複数のペアを回転リングに搭載した、いわゆる多管球型のＸ線ＣＴ装置にも適用可能である。

【0075】

加えて、実施形態に係る各機能は、前記処理を実行するプログラムをワークステーション等のコンピュータにインストールし、これらをメモリ上で展開することによっても実現することができる。このとき、コンピュータに前記手法を実行させることのできるプログラムは、磁気ディスク（ハードディスクなど）、光ディスク（ＣＤ－ＲＯＭ、ＤＶＤなど）、半導体メモリなどの記憶媒体に格納して頒布することも可能である。

【0076】

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】

【0077】

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 データ収集装置（ＤＡＳ）
１９ 開口（ボア）
２０ 学習データ保管装置
２２ モデル学習装置
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
４４ 処理回路
５１，５２，５３，５５，６１，６７ スペクトルデータ
５４，６９ 補正スペクトルデータ
６３ Ｘ線条件
６５ 理想スペクトルデータ
４１０ 多層化ネットワーク
４１１ 学習済みモデル
４４１ システム制御機能
４４２ 取得機能
４４３ 選択機能
４４４ 補正機能
４４５ 再構成処理機能
４４６ 表示制御機能
４１１１ 入力層
４１１３ 中間層
４１１５ 出力層

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】