ホーム > 特許ランキング > 富士フイルム株式会社 > 特許7607496
特許 7607496出願番号 特願 2021-63571
学習装置、方法およびプログラム、並びに放射線画像処理装置、方法およびプログラム
出願人 富士フイルム株式会社（識別番号 306037311）
2026年 特許公開件数ランキング 32位 403件（※）
2026年 特許取得件数ランキング 12位 705件（※）
公報発行日 2024年12月27
公報URL https://ipforce.jp/patent-jp-P_B1-7607496 ログイン済みの方はこのURLへ
［この特許公報を共有したい場合］あなたがログインしてこの特許公報を表示すれば、他の人はログインしなくてもこのURLで見ることができるようになります。
※ 共同出願を含む
知財ポータルサイト IP Force にログインすれば、この公報の全文を閲覧できます。 ログインはこちら ログイン・ユーザー登録
技術分野
学習装置、方法およびプログラム、並びに放射線画像処理装置、方法およびプログラム
発明が解決しようとする課題[発明の詳細な説明]から抜粋
ところで、実際に被写体の放射線撮影を行う場合、被写体と放射線検出器との間にグリッドが使用されたり、撮影台または撮影台の天板等の物体が介在されたりする場合がある。このような物体は固有の放射線特性を有しているため、物体を透過することによって放射線の線質が硬化するビームハードニングにより放射線減弱係数が変化する。具体的には、ビームハードニングにより放射線減弱係数が小さくなる。また、放射線減弱係数は、被写体に照射される放射線のエネルギーが高いほど小さくなる。このため、放射線のエネルギー特性、および被写体と放射線検出器との間に介在する物体の放射線特性を考慮しないと、被写体の組成さらには体厚を精度よく推定することができない。
課題を解決するための手段[発明の詳細な説明]から抜粋
本開示による学習装置は、少なくとも１つのプロセッサを備え、
プロセッサは、学習用データと正解データとからなる教師データを用いてニューラルネットワークを機械学習することにより、対象被写体の少なくとも１つの対象放射線画像が入力されると、対象被写体の組成および対象被写体の体厚の少なくとも一方を出力する学習済みニューラルネットワークを構築し、
学習用データは、
厚さおよび材質が既知の・・・ 続きを知財ポータルサイト IP Force にログインして見る
発明の効果[発明の詳細な説明]から抜粋
本開示によれば、被写体の体厚および組成の少なくとも一方を精度よく推定することができる。
この特許の権利範囲[特許請求の範囲]
知財ポータルサイト IP Force にログインして確認する (無料)
この特許公報に記載されている図面[図面の簡単な説明]から抜粋
【図1】
本開示の実施形態による学習装置および放射線画像処理装置を適用した放射線画像撮影システムの構成を示す概略ブロック図
【図2】
本実施形態による学習装置および放射線画像処理装置の概略構成を示す図
【図3】
本実施形態による学習装置および放射線画像処理装置の機能的な構成を示す図
【図4】
本実施形態において用いられるニューラルネットワークの概略構成を示す図
【図5】
教師データを示す図
【図6】
ニューラルネットワークの学習を説明するための図
【図7】
学習済みニューラルネットワークが行う処理の概念図
【図8】
表示画面を示す図
【図9】
正解データの導出装置の機能的な構成を示す図
【図10】
基準物体の撮影を説明するための図
【図11】
放射線のエネルギースペクトルを示す図
【図12】
放射線エネルギーに対する人体の軟部組織、骨部組織およびアルミニウムの放射線減弱係数を示す図
【図13】
基準物体の厚さと放射線減弱係数との関係を示す図
【図14】
散乱線モデルを示す図
【図15】
骨部画像を示す図
【図16】
軟部画像を示す図
【図17】
被写体の体厚に対する骨部と軟部とのコントラストの関係を示す図
【図18】
ルックアップテーブルの一例を示す図
【図19】
筋肉組織を透過後の放射線と脂肪組織を透過後の放射線とのエネルギースペクトルの一例を示す図
【図20】
本実施形態において行われる学習処理のフローチャート
【図21】
本実施形態において行われる放射線画像処理のフローチャート
代表図 図1本件の代表的な図
１ 撮影装置
２ 放射線源
３ 撮影台
３Ａ 天板
３Ｂ 取付部
４ グリッド
５，６ 放射線検出器
７ 放射線エネルギー変換フィルタ
１０ 放射線画像処理装置
１１ ＣＰＵ
１２ メモリ
１３ ストレージ
１４ ディスプレイ
１５ 入力デバイス
１６ メモリ
１７ ネットワークＩ／Ｆ
１８ バス
２１ 画像取得部
２２ 情報取得部
２３ 学習部
２４ 推定部
２４Ａ 学習済みニューラルネットワーク
２５ 表示制御部
３０ ニューラルネットワーク
３１ 入力層
３２ 中間層
３３ 出力層
３５ 畳み込み層
３６ プーリング層
３７ 全結合層
４０ 教師データ
４１ 学習用データ
４１Ａ 基準画像
４１Ｂ 放射線エネルギー特性
４１Ｃ 物体特製
４１Ｄ 撮影条件
４２ 正解データ
４２Ａ 体厚
４２Ｂ 骨塩量
４２Ｃ 筋肉量
４７ 出力データ
４８ パラメータ
５０ 表示画面
５１，５２ リファレンス
６０ 導出装置
６１ 画像取得部
６２ 情報取得部
６３ 減弱係数導出部
６４ 一次線成分導出部
６５ 散乱線成分導出部
６６ モデル導出部
６７ 散乱線除去部
６８ サブトラクション部
６９ 組成導出部
７０ 基準物体
Ｇ１ 第１の放射線画像
Ｇ２ 第２の放射線画像
Ｇｅ 骨塩画像
Ｇｂ 骨部画像
Ｇｍ 筋肉画像
Ｇｓ 軟部画像
Ｇｔ 体厚画像
Ｋ０ 基準画像
ＬＵＴ１ ルックアップテーブル
全ての図面はログインすると無料で閲覧できます。ログイン・ユーザー登録
［広告欄］
ログインすれば広告は減ります
ログインすれば広告は減ります