特許 7663119 Ｘ線撮影装置、画像処理装置、および、画像処理プログラム

(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】2025-04-08

(45)【発行日】2025-04-16

(54)【発明の名称】Ｘ線撮影装置、画像処理装置、および、画像処理プログラム

(51)【国際特許分類】

   A61B 6/12 20060101AFI20250409BHJP

   A61B 6/00 20240101ALI20250409BHJP

   A61B 6/46 20240101ALI20250409BHJP

【ＦＩ】

A61B6/12

A61B6/00 550D

A61B6/46 506A

A61B6/46 506B

【請求項の数】 8

(21)【出願番号】P 2023512817

(86)(22)【出願日】2021-12-27

(86)【国際出願番号】 JP2021048529

(87)【国際公開番号】W WO2022215303

(87)【国際公開日】2022-10-13

【審査請求日】2023-08-18

(31)【優先権主張番号】P 2021065057

(32)【優先日】2021-04-07

(33)【優先権主張国・地域又は機関】JP

(73)【特許権者】

【識別番号】000001993

【氏名又は名称】株式会社島津製作所

(74)【代理人】

【識別番号】100104433

【弁理士】

【氏名又は名称】宮園 博一

(72)【発明者】

【氏名】胡 尓重

(72)【発明者】

【氏名】細見 直正

【審査官】井上 香緒梨

(56)【参考文献】

【文献】特開２０２１－０１３６８５（ＪＰ，Ａ）

【文献】国際公開第２０２０／１７４５４３（ＷＯ，Ａ１）

【文献】特表２０２０－５１８３６６（ＪＰ，Ａ）

【文献】国際公開第２０１９／１３８４３８（ＷＯ，Ａ１）

【文献】特開２０１６－０３４４５１（ＪＰ，Ａ）

【文献】特開２０２１－０４９１１１（ＪＰ，Ａ）

【文献】国際公開第２０１９／２２９１１９（ＷＯ，Ａ１）

【文献】特開２０２０－０３６７７３（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ａ６１Ｂ６／００－６／５８

Ｇ０６Ｔ７／００－７／９０

(57)【特許請求の範囲】

【請求項1】

被検体にＸ線を照射するＸ線照射部と、
前記Ｘ線照射部から照射されたＸ線を検出するＸ線検出部と、
前記Ｘ線検出部によって検出されたＸ線の検出信号に基づいてＸ線画像を生成するＸ線画像生成部と、
制御部と、を備え、
前記制御部は、
前記Ｘ線画像生成部によって生成された前記Ｘ線画像が入力されることによって前記Ｘ線画像中の前記被検体の体内の遺残物の領域を検出する学習済みモデルに基づいて、前記遺残物の位置を示す出力画像を生成し、当該出力画像に基づいて強調画像を生成する強調画像生成部と、
前記強調画像生成部によって生成された前記強調画像と前記Ｘ線画像とを同時または切り替え可能に表示部に表示させる画像出力部と、を含み、
前記強調画像生成部は、前記出力画像に基づいて、前記Ｘ線画像中の前記遺残物の領域がヒートマップ画像として前記遺残物の特徴との一致度に応じて色付けされた前記強調画像を生成するように構成されている、Ｘ線撮影装置。

【請求項2】

前記強調画像生成部は、前記出力画像が前記Ｘ線画像に重畳された出力画像重畳画像を生成するように構成されており、
前記画像出力部は、前記出力画像重畳画像と、前記Ｘ線画像とを同時または切り替え可能に前記表示部に表示させるように構成されている、請求項１に記載のＸ線撮影装置。

【請求項3】

前記強調画像生成部は、前記出力画像に基づいて、前記出力画像中の前記遺残物に対応する部分を色付けすることによって、色付け画像を生成するとともに、生成した前記色付け画像が前記Ｘ線画像に重畳された重畳画像を前記強調画像として生成するように構成されており、
前記画像出力部は、前記重畳画像と、前記Ｘ線画像とを同時または切り替え可能に前記表示部に表示させるように構成されている、請求項１に記載のＸ線撮影装置。

【請求項4】

被検体にＸ線を照射するＸ線照射部と、
前記Ｘ線照射部から照射されたＸ線を検出するＸ線検出部と、
前記Ｘ線検出部によって検出されたＸ線の検出信号に基づいてＸ線画像を生成するＸ線画像生成部と、
制御部と、を備え、
前記制御部は、
前記Ｘ線画像生成部によって生成された前記Ｘ線画像が入力されることによって、前記Ｘ線画像中の前記被検体の体内の遺残物の領域を検出する学習済みモデルに基づいて、前記遺残物の位置が強調された前記学習済みモデルの出力画像および前記出力画像と前記Ｘ線画像とに基づいて前記遺残物の位置が強調されるように生成される合成画像のうちの少なくとも一方を、強調画像として生成する強調画像生成部と、
前記強調画像生成部によって生成された前記出力画像および前記合成画像のうちの少なくとも一方と、前記Ｘ線画像とを同時または切り替え可能に表示部に表示させる画像出力部と、を含み、
前記強調画像生成部は、前記出力画像に基づいて、前記出力画像中の前記遺残物の線状の構造を識別するとともに、識別した前記遺残物の線状の構造が配置される部位を含む所定の領域における密度を取得し、前記密度に応じて変化するように色付けされたヒートマップ画像として色付け画像を生成するように構成されており、
前記画像出力部は、前記ヒートマップ画像としての前記色付け画像が重畳された重畳画像と、前記Ｘ線画像とを同時または切り替え可能に前記表示部に表示させるように構成されている、Ｘ線撮影装置。

【請求項5】

被検体にＸ線を照射するＸ線照射部と、
前記Ｘ線照射部から照射されたＸ線を検出するＸ線検出部と、
前記Ｘ線検出部によって検出されたＸ線の検出信号に基づいてＸ線画像を生成するＸ線画像生成部と、
制御部と、を備え、
前記制御部は、
前記Ｘ線画像生成部によって生成された前記Ｘ線画像が入力されることによって、前記Ｘ線画像中の前記被検体の体内の遺残物の領域を検出する学習済みモデルに基づいて、前記遺残物の位置が強調された前記学習済みモデルの出力画像および前記出力画像と前記Ｘ線画像とに基づいて前記遺残物の位置が強調されるように生成される合成画像のうちの少なくとも一方を、強調画像として生成する強調画像生成部と、
前記強調画像生成部によって生成された前記出力画像および前記合成画像のうちの少なくとも一方と、前記Ｘ線画像とを同時または切り替え可能に表示部に表示させる画像出力部と、を含み、
前記強調画像生成部は、前記学習済みモデルの中間層から出力されるとともに前記Ｘ線画像中の前記遺残物が強調された前記出力画像としての中間層画像が、前記Ｘ線画像に重畳された重畳画像を生成するように構成されており、
前記画像出力部は、前記中間層画像が前記Ｘ線画像に重畳された前記重畳画像と、前記Ｘ線画像とを同時または切り替え可能に前記表示部に表示させるように構成されている、Ｘ線撮影装置。

【請求項6】

前記強調画像生成部は、前記学習済みモデルの出力層から出力されるとともに、前記Ｘ線画像中の前記遺残物の領域を表す出力層画像と、前記学習済みモデルの中間層から出力されるとともに、前記Ｘ線画像中の前記遺残物が強調された中間層画像とのうちの少なくとも一方を、前記出力画像として生成するように構成されており、
前記画像出力部は、前記強調画像と、前記出力層画像および前記中間層画像のうちの少なくとも一方と、前記Ｘ線画像とを同時または切り替え可能に前記表示部に表示させるように構成されている、請求項１に記載のＸ線撮影装置。

【請求項7】

被検体に照射されたＸ線の検出信号に基づいて生成されたＸ線画像が入力されることによって前記Ｘ線画像中の前記被検体の体内の遺残物の領域を検出する学習済みモデルに基づいて、前記遺残物の位置を示す出力画像を生成し、当該出力画像に基づいて強調画像を生成する強調画像生成部と、
前記強調画像生成部によって生成された前記強調画像と前記Ｘ線画像とを同時または切り替え可能に表示部に表示させる画像出力部と、を備え、
前記強調画像生成部は、前記出力画像に基づいて、前記Ｘ線画像中の前記遺残物の領域がヒートマップ画像として前記遺残物の特徴との一致度に応じて色付けされた前記強調画像を生成するように構成されている、画像処理装置。

【請求項8】

コンピュータに、
被検体に照射されたＸ線の検出信号に基づいて生成されたＸ線画像が入力されることによって前記Ｘ線画像中の前記被検体の体内の遺残物の領域を検出する学習済みモデルに基づいて、前記遺残物の位置を示す出力画像を生成させ、当該出力画像に基づいて強調画像を生成させる生成処理と、
前記強調画像と前記Ｘ線画像とを同時または切り替え可能に表示部に表示させる表示処理と、
を実行させ、
前記生成処理は、前記出力画像に基づいて、前記Ｘ線画像中の前記遺残物の領域がヒートマップ画像として前記遺残物の特徴との一致度に応じて色付けされた前記強調画像を生成する処理を含む、画像処理プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、Ｘ線撮影装置、画像処理装置、および、画像処理プログラムに関し、特に、被検体の体内の対象物質を確認するためのＸ線撮影装置、画像処理装置、および、画像処理プログラムに関する。

【背景技術】

【0002】

従来、開腹手術の後に被検者の体内の止血用ガーゼ（対象物体）の有無を確認するための放射線撮影システム（Ｘ線撮影装置）が知られている。このような装置は、たとえば、特開２０１９－１８０６０５号公報に記載されている。

【0003】

上記特開２０１９－１８０６０５号公報に記載された放射線撮影システムは、検査目的に応じて、予め設定された処理手順に従って放射線画像の処理を行う。この放射線撮影システムでは、たとえば、開腹手術の後に止血用ガーゼの有無を確認するための処理手順が設定されている場合、撮影された撮影画像に対して異物強調処理が実行される。また、この放射線撮影システムでは、被検者の体内の異物（ガーゼ）が見やすいように異物強調処理が実行された腹部画像が表示される。

【先行技術文献】

【特許文献】

【0004】

【文献】特開２０１９－１８０６０５号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

ここで、上記特許文献１には明記されていないが、上記特許文献１に記載される放射線撮影システムのように、手術後に被検者の体内の異物（止血用ガーゼなど）の有無を医師などが確認するために、手術後の被検者を写したＸ線画像に異物強調処理を実行する場合、異物強調処理としてエッジ強調処理が行われる場合がある。しかしながら、異物強調処理としてエッジ強調処理が行われる場合、異物のみならず被検者の骨などの人体構造物も強調された強調画像が生成されてしまう。この場合、強調画像において異物の視認性が低下するため、Ｘ線画像に含まれる異物（対象物体）を確認することが困難であるという問題点がある。

【0006】

この発明は、上記のような課題を解決するためになされたものであり、この発明の１つの目的は、被検体を写したＸ線画像に含まれる遺残物を強調する場合に、Ｘ線画像に含まれる遺残物を容易に確認することが可能なＸ線撮影装置、画像処理装置、および、画像処理プログラムを提供することである。

【課題を解決するための手段】

【0007】

上記目的を達成するために、この発明の第１～第３の局面におけるＸ線撮影装置は、被検体にＸ線を照射するＸ線照射部と、Ｘ線照射部から照射されたＸ線を検出するＸ線検出部と、Ｘ線検出部によって検出されたＸ線の検出信号に基づいてＸ線画像を生成するＸ線画像生成部と、制御部と、を備え、制御部は、Ｘ線画像生成部によって生成されたＸ線画像が入力されることによってＸ線画像中の被検体の体内の遺残物の領域を検出する学習済みモデルに基づいて、遺残物の位置を示す出力画像を生成し、出力画像に基づいて強調画像を生成する強調画像生成部と、強調画像生成部によって生成された協調画像とＸ線画像とを同時または切り替え可能に表示部に表示させる画像出力部と、を含む。
上記第１の局面におけるＸ線撮影装置において、強調画像生成部は、出力画像に基づいて、Ｘ線画像中の遺残物の領域がヒートマップ画像として遺残物の特徴との一致度に応じて色付けされた強調画像を生成するように構成されている。
上記第２の局面におけるＸ線撮影装置において、強調画像生成部は、出力画像に基づいて、出力画像中の遺残物の線状の構造を識別するとともに、識別した遺残物の線状の構造が配置される部位を含む所定の領域における密度を取得し、密度に応じて変化するように色付けされたヒートマップ画像として色付け画像を生成するように構成されており、画像出力部は、ヒートマップ画像としての色付け画像が重畳された重畳画像と、Ｘ線画像とを同時または切り替え可能に表示部に表示させるように構成されている。
上記第３の局面におけるＸ線撮影装置において、強調画像生成部は、学習済みモデルの中間層から出力されるとともにＸ線画像中の遺残物が強調された出力画像としての中間層画像が、Ｘ線画像に重畳された重畳画像を生成するように構成されており、画像出力部は、中間層画像がＸ線画像に重畳された重畳画像と、Ｘ線画像とを同時または切り替え可能に表示部に表示させるように構成されている。

【0008】

この発明の第４の局面における画像処理装置では、被検体に照射されたＸ線の検出信号に基づいて生成されたＸ線画像が入力されることによってＸ線画像中の被検体の体内の遺残物の領域を検出する学習済みモデルに基づいて、遺残物の位置を示す出力画像を生成し、出力画像に基づいて強調画像を生成する強調画像生成部と、強調画像生成部によって生成された強調画像とＸ線画像とを同時または切り替え可能に表示部に表示させる画像出力部と、を備え、強調画像生成部は、出力画像に基づいて、Ｘ線画像中の遺残物の領域がヒートマップ画像として遺残物の特徴との一致度に応じて色付けされた強調画像を生成するように構成されている。

【0009】

この発明の第５の局面における画像処理プログラムでは、コンピュータに、被検体に照射されたＸ線の検出信号に基づいて生成されたＸ線画像が入力されることによってＸ線画像中の被検体の体内の遺残物の領域を検出する学習済みモデルに基づいて、遺残物の位置を示す出力画像を生成させ、出力画像に基づいて強調画像を生成させる生成処理と、強調画像とＸ線画像とを同時または切り替え可能に表示部に表示させる表示処理と、を実行させ、生成処理は、出力画像に基づいて、Ｘ線画像中の遺残物の領域がヒートマップ画像として遺残物の特徴との一致度に応じて色付けされた強調画像を生成する処理を含む。

【発明の効果】

【0010】

上記第１～第３の局面におけるＸ線撮影装置、上記第４の局面における画像処理装置、および、上記第５の局面における画像処理プログラムでは、Ｘ線画像が入力されることによってＸ線画像中の被検体の体内の遺残物の領域を検出する学習済みモデルに基づいて、遺残物の位置を示す出力画像を生成し、出力画像に基づいて強調画像を生成する。そして、強調画像とＸ線画像とを同時または切り替え可能に表示部に表示させる。これにより、遺残物の領域を直接的に検出する学習済みモデルに基づいて、遺残物の位置が強調された強調画像が生成されるので、エッジ強調処理によって遺残物および被検体の骨などの人体構造物の両方が強調された強調画像が生成される場合と異なり、強調画像において被検体の骨などの人体構造物が強調されることを抑制することができる。その結果、被検体を写したＸ線画像に含まれる遺残物を強調する場合に、Ｘ線画像に含まれる遺残物を容易に確認することができる。また、強調画像とＸ線画像とを同時または切り替え可能に表示部に表示させるので、強調画像とＸ線画像とを見比べながらＸ線画像に含まれる遺残物を容易に確認することができる。また、医師などによる被検体の体内の遺残物の有無の最終の判断は、Ｘ線画像に基づいて行われるので、Ｘ線画像と強調画像とを見比べながらＸ線画像に含まれる遺残物を容易に確認することができることは、非常に有効である。

【0011】

ここで、学習済みモデルを用いた画像処理を行うことによって被検体を写したＸ線画像に含まれる遺残物を強調する場合、Ｘ線画像から遺残物を除去する学習済みモデルを生成するとともに、生成した学習済みモデルによってＸ線画像から遺残物が除去された除去画像を生成し、Ｘ線画像と除去画像との差分によって強調画像を生成することが考えられる。しかしながら、Ｘ線画像と除去画像との差分によって強調画像が生成される場合には、除去画像において遺残物と類似する被検体の構造（骨盤および大腿骨など）が除去されることに起因して、強調画像において遺残物のみならず遺残物と類似する被検体の構造も強調される場合がある。したがって、Ｘ線画像から遺残物を除去する学習済みモデルを用いた画像処理を行う場合、強調画像において遺残物の視認性が低下するため、Ｘ線画像に含まれる遺残物を確認することが困難である。

【0012】

そこで、上記第１～第３の局面におけるＸ線撮影装置、上記第４の局面における画像処理装置、および、上記第５の局面における画像処理プログラムでは、Ｘ線画像が入力されることによってＸ線画像中の被検体の体内の遺残物の領域を検出する学習済みモデルに基づいて、遺残物の位置を示す出力画像を生成し、出力画像に基づいて強調画像を生成する。そして、強調画像とＸ線画像とを同時または切り替え可能に表示部に表示させる。これにより、遺残物の領域を直接的に検出する学習済みモデルに基づいて、遺残物の位置が強調された強調画像が生成されるので、Ｘ線画像から遺残物を除去する学習済みモデルによって除去画像を生成し、Ｘ線画像と除去画像との差分によって強調画像が生成される場合と異なり、強調画像において遺残物と類似する被検体の構造が強調されることを抑制することができる。その結果、学習済みモデルを用いた画像処理を行うことによって被検体を写したＸ線画像に含まれる遺残物を強調する場合にも、Ｘ線画像に含まれる遺残物を容易に確認することができる。

【図面の簡単な説明】

【0013】

【図1】一実施形態によるＸ線撮影装置の構成を説明するための図である。

【図2】一実施形態によるＸ線撮影装置の構成を説明するためのブロック図である。

【図3】一実施形態による体内に対象物体が存在する被検体のＸ線画像の一例を示す図である。

【図4】一実施形態による学習済みモデルを用いた画像処理について説明するための図である。

【図5】一実施形態による出力層画像について説明するための図である。

【図6】一実施形態による中間層画像について説明するための図である。

【図7】一実施形態による学習済みモデルの生成について説明するための図である。

【図8】一実施形態による色付け画像について説明するための図である。

【図9】一実施形態による色付け重畳画像について説明するための図である。

【図10】一実施形態による中間層重畳画像について説明するための図である。

【図11】一実施形態による表示部の表示について説明するための図である。

【図12】一実施形態による画像処理方法について説明するためのフローチャート図である。

【発明を実施するための形態】

【0014】

以下、本発明を具体化した実施形態を図面に基づいて説明する。

【0015】

（Ｘ線撮影装置の全体構成）
図１～図１１を参照して、本発明の一実施形態によるＸ線撮影装置１００について説明する。

【0016】

図１に示すように、Ｘ線撮影装置１００は、被検体１０１の体内の対象物体２００を識別するためにＸ線撮影を行う。たとえば、Ｘ線撮影装置１００は、手術室内において開腹手術が行われた被検体１０１に対して、対象物体２００（遺残物）が体内に取り残されているか否かを確認するためのＸ線撮影を行う。Ｘ線撮影装置１００は、たとえば、装置全体が移動可能な回診用Ｘ線撮影装置である。対象物体２００は、たとえば、手術用ガーゼ、縫合針、および、鉗子（止血鉗子など）などである。

【0017】

一般に、開腹手術などの外科手術が行われた場合には、医師などの作業者は、閉創後に手術用ガーゼ、縫合針、および、鉗子などの対象物体２００が被検体１０１の体内に取り残される（残留する）ことがないように、被検体１０１に対して確認のためのＸ線撮影を行う。医師などの作業者は、被検体１０１を写したＸ線画像１０（図３参照）を視認することによって、被検体１０１の体内の対象物体２００が取り残されているか否かを確認する。

【0018】

〈Ｘ線撮影装置について〉
図２に示すように、Ｘ線撮影装置１００は、Ｘ線照射部１、Ｘ線検出部２、Ｘ線画像生成部３、表示部４、記憶部５、および、制御部６を備える。なお、制御部６は、請求の範囲の「画像処理装置」および「コンピュータ」の一例である。

【0019】

Ｘ線照射部１は、手術後の被検体１０１にＸ線を照射する。Ｘ線照射部１は、電圧が印加されることによってＸ線を照射するＸ線管を含む。

【0020】

Ｘ線検出部２は、被検体１０１を透過したＸ線を検出する。そして、Ｘ線検出部２は、検出されたＸ線に基づいて検出信号を出力する。Ｘ線検出部２は、たとえば、ＦＰＤ（Ｆｌａｔ Ｐａｎｅｌ Ｄｅｔｅｃｔｏｒ）を含む。また、Ｘ線検出部２は、ワイヤレスタイプのＸ線検出器として構成されており、無線信号としての検出信号を出力する。具体的には、Ｘ線検出部２は、無線ＬＡＮなどによる無線接続によって、Ｘ線画像生成部３と通信可能に構成されており、Ｘ線画像生成部３に対して無線信号としての検出信号を出力する。

【0021】

Ｘ線画像生成部３は、図３に示すように、Ｘ線照射部１およびＸ線検出部２を制御することによって、Ｘ線撮影の制御を行う。そして、Ｘ線画像生成部３は、Ｘ線検出部２によって検出されたＸ線の検出信号に基づいてＸ線画像１０を生成する。Ｘ線画像生成部３は、無線ＬＡＮなどによる無線接続によってＸ線検出部２と通信可能に構成されている。Ｘ線画像生成部３は、たとえば、ＦＰＧＡ（ｆｉｅｌｄ－ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙ）などのプロセッサを含む。そして、Ｘ線画像生成部３は、制御部６に対して生成されたＸ線画像１０を出力する。

【0022】

図３に示すＸ線画像１０は、手術後の被検体１０１の腹部をＸ線撮影することによって取得された画像である。図３に示すＸ線画像１０には、対象物体２００として手術用ガーゼが含まれている。手術用ガーゼは、手術後のＸ線撮影によるＸ線画像１０において視認可能なようにＸ線を透過させにくい造影糸が織り込まれている。また、図３に示すＸ線画像１０には、対象物体２００以外の人工構造物２０１として、手術ワイヤおよび手術クリップが含まれている。

【0023】

表示部４は、たとえば、タッチパネル式の液晶ディスプレイを含む。表示部４は、Ｘ線画像１０などの各種の画像を表示する。また、表示部４は、タッチパネルに対する操作に基づいて、医師などの作業者によるＸ線撮影装置１００を操作するための入力操作を受け付けるように構成されている。

【0024】

記憶部５は、たとえば、ハードディスクドライブなどの記憶装置により構成されている。記憶部５は、Ｘ線画像１０などの画像データを記憶する。また、記憶部５は、Ｘ線撮影装置１００を動作させる各種の設定値を記憶する。また、記憶部５は、制御部６によるＸ線撮影装置１００の制御の処理に用いられるプログラムを記憶する。また、記憶部５は、画像処理プログラム５１を記憶する。画像処理プログラム５１は、たとえば、光ディスクおよびＵＳＢメモリなどの非一過性の可搬型記憶媒体から読み出すか、または、ネットワークを介してダウンロードすることにより、記憶部５に記憶することが可能である。また、記憶部５は、後述する学習済みモデル５２を記憶する。

【0025】

制御部６は、たとえば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、および、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）などを含んで構成されたコンピュータである。制御部６は、機能的な構成として、強調画像生成部６１、および、画像出力部６２を含む。すなわち、制御部６は、画像処理プログラム５１を実行することにより、強調画像生成部６１、および、画像出力部６２として機能する。また、強調画像生成部６１、および、画像出力部６２は、制御部６の中のソフトウェアとしての機能ブロックであり、ハードウェアとしての制御部６の指令信号に基づいて機能するように構成されている。

【0026】

（画像処理について）
ここで、本実施形態では、図４に示すように、強調画像生成部６１（制御部６）は、Ｘ線画像生成部３によって生成されたＸ線画像１０が入力されることによって、Ｘ線画像１０中の被検体１０１の対象物体２００の領域を検出する学習済みモデル５２に基づいて、対象物体２００の位置が強調された学習済みモデル５２の出力画像（１１、１２）および出力画像（１１、１２）とＸ線画像１０とに基づいて対象物体２００の位置が強調されるように生成される合成画像（１４、１５）を、強調画像として生成する。そして、画像出力部６２（制御部６）は、強調画像生成部６１によって生成された出力画像（１１、１２）および合成画像（１４、１５）のうちの少なくとも一方と、Ｘ線画像１０とを同時または切り替え可能に表示部４に表示させる。

【0027】

（出力画像の生成について）
本実施形態では、図４～図６に示すように、強調画像生成部６１（制御部６）は、機械学習によって生成された学習済みモデル５２に基づいて、出力層画像１１と中間層画像１２とを、学習済みモデル５２の出力画像として生成する。学習済みモデル５２は、深層学習を用いた機械学習によって生成される。学習済みモデル５２は、たとえば、全層畳み込みネットワーク（Ｆｕｌｌｙ Ｃｏｎｖｏｌｕｔｉｏｎ Ｎｅｔｗｏｒｋ：ＦＣＮ）の１種類であるＵ－Ｎｅｔをベースとして生成される。学習済みモデル５２は、入力であるＸ線画像１０の各画素のうちから、対象物体２００であると推定される画素を変換することによって、Ｘ線画像１０から対象物体２００であると推定された部分を検出する画像変換（画像再構成）を実行するように学習させることによって生成される。なお、出力層画像１１および中間層画像１２は、請求の範囲の「強調画像」および「出力画像」の一例である。

【0028】

また、学習済みモデル５２は、入力層５２ａと、中間層５２ｂと、出力層５２ｃとを含んでいる。入力層５２ａは、入力画像（Ｘ線画像１０）を受け付ける。中間層５２ｂは、入力層５２ａによって受け付けた入力画像から特徴成分（対象物体２００）を取得する。具体的には、中間層５２ｂは、入力画像のサイズを小さくしながら入力画像から特徴成分（対象物体２００）を取得するダウンサンプリング部と、ダウンサンプリング部によってサイズが小さくされた特徴成分を含む画像を元のサイズ（入力画像のサイズ）に復元するアップサンプリング部とを有する。中間層５２ｂは、Ｘ線画像１０中の対象物体２００が強調された中間層画像１２を出力する。出力層５２ｃは、活性化関数としてシグモイド関数を有する。出力層５２ｃは、中間層５２ｂから出力される中間層画像１２に対してシグモイド関数による処理を行うことによって、Ｘ線画像１０中の対象物体２００の領域を表す出力層画像１１を生成して出力する。出力層画像１１は、各画素の画素値が対象物体２００の領域に属する確率を表すように構成されている。出力層画像１１では、対象物体２００の領域に属する確率が高い画素（画素値が１または１に近い画素）が白く表示され、対象物体２００の領域に属する確率が低い画素（画素値が０または０に近い画素）が黒く表示される。

【0029】

図５に示す出力層画像１１は、学習済みモデル５２に基づいて、図３に示すＸ線画像１０から取得された画像である。図５に示す出力層画像１１では、被検体１０１の骨などの構造物が除去されて対象物体２００が強調されている。また、図５に示す出力層画像１１では、対象物体２００と形状（特徴）が類似する人工構造物２０１も強調されているが、医者などの作業者は、人工構造物２０１について位置および形状などを把握しているため、対象物体２００と容易に区別することが可能である。

【0030】

図６に示す中間層画像１２は、学習済みモデル５２に基づいて、図３に示すＸ線画像１０から取得された画像である。図６に示す中間層画像１２では、被検体１０１の骨などの構造物が少し残っているが、概ね除去されて対象物体２００が強調されている。なお、残っている被検体１０１の骨などの構造物は、出力層５２ｃのシグモイド関数による処理によって、除去される。また、図６に示す中間層画像１２では、対象物体２００と形状（特徴）が類似する人工構造物２０１も強調されているが、医者などの作業者は、人工構造物２０１について位置および形状などを把握しているため、対象物体２００と容易に区別することが可能である。

【0031】

（学習済みモデルの生成について）
図７に示すように、本実施形態では、学習済みモデル５２は、Ｘ線画像１０から手術用ガーゼ、縫合針、および、鉗子などの対象物体２００を検出するように機械学習によって生成される。学習済みモデル５２は、Ｘ線撮影装置１００とは別個の学習装置３００によって予め生成される。学習装置３００は、たとえば、ＣＰＵ、ＧＰＵ、ＲＯＭ、および、ＲＡＭなどを含んで構成されたコンピュータである。学習装置３００は、複数の教師入力用Ｘ線画像３１０と複数の教師出力用画像３２０とを教師データ（トレーニングセット）として、深層学習を用いた機械学習によって学習済みモデル５２を生成する。

【0032】

教師入力用Ｘ線画像３１０は、体内に対象物体２００が取り残された被検体１０１を撮影したＸ線画像１０を模擬するように生成される。教師出力用画像３２０は、教師入力用Ｘ線画像３１０のうちから対象物体２００が検出されたことを模擬するように生成される。教師入力用Ｘ線画像３１０および教師出力用画像３２０は、学習済みモデル５２を用いた推論において入力に用いられるＸ線画像１０と同様の条件（大きさなど）となるように生成される。

【0033】

（重畳画像の生成について）
本実施形態では、図４、図８および図９に示すように、強調画像生成部６１（制御部６）は、Ｘ線画像１０と、学習済みモデル５２の出力層画像１１とに基づいて、出力層画像１１に基づいて生成した色付け画像１３がＸ線画像１０に重畳された色付け重畳画像１４を、合成画像として生成する。具体的には、強調画像生成部６１は、出力層画像１１に基づいて、出力層画像１１中の対象物体２００に対応する部分を色付けすることによって、色付け画像１３を生成する。そして、強調画像生成部６１は、生成した色付け画像１３がＸ線画像１０に重畳された色付け重畳画像１４を生成する。なお、色付け画像１３は、請求の範囲の「出力画像に基づいて生成した画像」の一例である。また、色付け重畳画像１４は、請求の範囲の「強調画像」、「合成画像」および「重畳画像」の一例である。

【0034】

強調画像生成部６１は、出力層画像１１に基づいて、出力層画像１１中の対象物体２００の線状の構造（形状）を識別するとともに、識別した対象物体２００の線状の構造が配置される部位を含む所定の領域における密度を取得し、密度に応じて変化するように色付けされたヒートマップ画像（カラーマップ画像）として色付け画像１３を生成する。

【0035】

たとえば、強調画像生成部６１は、生成された出力層画像１１を２値化処理する。そして、強調画像生成部６１は、２値化処理された出力層画像１１において、線状の構造の密度を検出することによって、線状の構造が含まれる部分（画素）を識別する。具体的には、強調画像生成部６１は、２値化された出力層画像１１に対して、出力層画像１１のうちから特徴量を抽出することによってパターン認識を実行して線状の構造を識別する。

【0036】

たとえば、強調画像生成部６１は、高次局所自己相関（ＨＬＡＣ：Ｈｉｇｈｅｒ－ｏｒｄｅｒ Ｌｏｃａｌ ＡｕｔｏＣｏｒｒｅｌａｔｉｏｎ）特徴を特徴量として抽出する。強調画像生成部６１は、たとえば、出力層画像１１の１つの画素を参照点として取得する。そして、強調画像生成部６１は、参照点を含む（中心とする）所定の領域の局所自己相関特徴による特徴量を抽出する。そして、強調画像生成部６１は、抽出した特徴量と、予め設定されている線状の構造（形状）の特徴量との一致度を測定することによって、参照点を含む所定の領域における線状の構造を識別（検出）する。強調画像生成部６１は、参照点を含む所定の領域における線状の構造の検出値を、参照点における線状の構造の所定の領域における密度として取得する。強調画像生成部６１は、出力層画像１１の画素の各々を参照点として局所自己相関特徴量を取得することによって、出力層画像１１の画素の各々において線状の構造の密度（検出値）を取得する。ここで、参照点を含む所定の領域の大きさは、たとえば、３×３ピクセルの領域であってもよいし、３×３ピクセルよりも大きい９×９ピクセルなどの大きさの領域であってもよい。

【0037】

そして、強調画像生成部６１は、出力層画像１１の画素ごとに取得された線状の構造の密度（検出値）に基づいて、画素ごとに色付けすることによって色付け画像１３を生成する。たとえば、強調画像生成部６１は、線状の構造の密度の値に応じて色相を異ならせるように画素ごとに色付けすることによって、色付け画像１３を生成する。たとえば、色付け画像１３は、密度の値が大きい方から小さい方に向かって、赤色、黄色、緑色、青色の順で、色付けされる。すなわち、密度の値が大きい場合は画素が赤色に色付けされ、密度の値が小さい場合は画素が青色に色付けされる。強調画像生成部６１は、取得された線状の構造の密度（検出値）の０以上６００以下の値の範囲を、各色に対応付けるようにして、色付け画像１３における色を設定する。なお、図８および図９では、色の違いをハッチングの違いによって表している。

【0038】

強調画像生成部６１は、上記のようにして、表示される色によって、各画素（各領域）における特徴量が、対象物体２００に対応する線状の構造の特徴量とどの程度一致しているかということが識別可能な色付け画像１３を生成する。また、色付け画像１３を生成する場合における線状の構造（形状）の識別（抽出）は、高次局所自己相関特徴以外の特徴量の抽出方法を用いたパターン認識によって所定の領域ごとに特徴量を取得するとともに、線状の構造（形状）の密度（パターンの該当の程度）を識別（検出）して色付けされるようにしてもよい。また、上記では、対象物体２００として手術用ガーゼを識別する例について説明したが、対象物体２００が縫合針または鉗子などである場合にも、同様に、出力層画像１１から線状の構造（形状）を識別することによって、色付け画像１３が生成される。

【0039】

図８に示す色付け画像１３は、図５に示す出力層画像１１に基づいて取得された画像である。図８に示す色付け画像１３では、対象物体２００の線状の構造に基づいて色付けが行われることによって、対象物体２００の位置が強調されている。また、図８に示す色付け画像１３では、対象物体２００と形状（特徴）が類似する人工構造物２０１の位置も色付けが行われることによって強調されているが、人工構造物２０１の位置は対象物体２００の位置に比べて、画素密度が低いことを表す色（緑など）で色付けされているため、医者などの作業者は、対象物体２００と容易に区別することが可能である。なお、人工構造物２０１は、出力層画像１１において、対象物体２００に比べて対象物体２００の領域に属する確率が低く見積もられているため、対象物体２００の位置に比べて画素密度が低くなっている。また、色付け画像１３には、対象物体２００および人工構造物２０１の形状の情報は含まれていない。

【0040】

図９に示す色付け重畳画像１４は、図８に示す色付け画像１３が、図３に示すＸ線画像１０に重畳された画像である。図９に示す色付け重畳画像１４では、色付け画像１３がＸ線画像１０に重畳されることによって、対象物体２００の位置が強調されている。また、図９に示す色付け重畳画像１４では、対象物体２００と形状（特徴）が類似する人工構造物２０１の位置も色付け画像１３が重畳されることによって強調されているが、人工構造物２０１の位置は対象物体２００の位置に比べて、画素密度が低いことを表す色（緑など）で色付けされているため、医者などの作業者は、対象物体２００と容易に区別することが可能である。また、医者などの作業者は、人工構造物２０１について位置および形状などを把握しているため、対象物体２００と容易に区別することが可能である。

【0041】

図４および図１０に示すように、強調画像生成部６１（制御部６）は、Ｘ線画像１０と、学習済みモデル５２の中間層画像１２とに基づいて、中間層画像１２がＸ線画像１０に重畳された中間層重畳画像１５を、合成画像として生成する。たとえば、強調画像生成部６１（制御部６）は、透過処理が行われた中間層画像１２をＸ線画像１０に重畳させることによって、中間層重畳画像１５を生成する。なお、中間層重畳画像１５は、請求の範囲の「合成画像」および「重畳画像」の一例である。

【0042】

図１０に示す中間層重畳画像１５は、図６に示す中間層画像１２が、図３に示すＸ線画像１０に重畳された画像である。図１０に示す中間層重畳画像１５では、中間層画像１２がＸ線画像１０に重畳されることによって、対象物体２００の位置および形状が強調されている。また、図１０に示す中間層重畳画像１５では、対象物体２００と形状（特徴）が類似する人工構造物２０１の位置および形状も色付けが行われることによって強調されているが、医者などの作業者は、人工構造物２０１について位置および形状などを把握しているため、対象物体２００と容易に区別することが可能である。

【0043】

（表示部の表示について）
図１１に示すように、本実施形態では、画像出力部６２（制御部６）は、出力層画像１１、中間層画像１２、色付け重畳画像１４、および、中間層重畳画像１５のうちの少なくとも１つと、Ｘ線画像１０とを、同時にまたは切り替え可能に表示部４に表示させる。

【0044】

たとえば、画像出力部６２は、Ｘ線画像１０と、出力層画像１１とを、同時に並べて表示部４に表示させる。また、たとえば、画像出力部６２は、Ｘ線画像１０と、出力層画像１１とを、切り替えて表示部４に表示させる。また、たとえば、画像出力部６２は、Ｘ線画像１０と、中間層画像１２とを、同時に並べて表示部４に表示させる。また、たとえば、画像出力部６２は、Ｘ線画像１０と、中間層画像１２とを、切り替えて表示部４に表示させる。また、たとえば、画像出力部６２は、Ｘ線画像１０と、色付け重畳画像１４とを、同時に並べて表示部４に表示させる。また、たとえば、画像出力部６２は、Ｘ線画像１０と、色付け重畳画像１４とを、切り替えて表示部４に表示させる。また、たとえば、画像出力部６２は、Ｘ線画像１０と、中間層重畳画像１５とを、同時に並べて表示部４に表示させる。また、たとえば、画像出力部６２は、Ｘ線画像１０と、中間層重畳画像１５とを、切り替えて表示部４に表示させる。

【0045】

また、たとえば、画像出力部６２は、Ｘ線画像１０と、出力層画像１１と、中間層画像１２とを、同時に並べて表示部４に表示させる。また、たとえば、画像出力部６２は、Ｘ線画像１０と、出力層画像１１と、中間層画像１２とを、切り替えて表示部４に表示させる。また、たとえば、画像出力部６２は、Ｘ線画像１０と、出力層画像１１と、色付け重畳画像１４とを、同時に並べて表示部４に表示させる。また、たとえば、画像出力部６２は、Ｘ線画像１０と、出力層画像１１と、色付け重畳画像１４とを、切り替えて表示部４に表示させる。また、たとえば、画像出力部６２は、Ｘ線画像１０と、出力層画像１１と、中間層重畳画像１５とを、同時に並べて表示部４に表示させる。また、たとえば、画像出力部６２は、Ｘ線画像１０と、出力層画像１１と、中間層重畳画像１５とを、切り替えて表示部４に表示させる。

【0046】

また、たとえば、画像出力部６２は、Ｘ線画像１０と、中間層画像１２と、色付け重畳画像１４とを、同時に並べて表示部４に表示させる。また、たとえば、画像出力部６２は、Ｘ線画像１０と、中間層画像１２と、色付け重畳画像１４とを、切り替えて表示部４に表示させる。また、たとえば、画像出力部６２は、Ｘ線画像１０と、中間層画像１２と、中間層重畳画像１５とを、同時に並べて表示部４に表示させる。また、たとえば、画像出力部６２は、Ｘ線画像１０と、中間層画像１２と、中間層重畳画像１５とを、切り替えて表示部４に表示させる。また、たとえば、画像出力部６２は、Ｘ線画像１０と、色付け重畳画像１４と、中間層重畳画像１５とを、同時に並べて表示部４に表示させる。また、たとえば、画像出力部６２は、Ｘ線画像１０と、色付け重畳画像１４と、中間層重畳画像１５とを、切り替えて表示部４に表示させる。

【0047】

また、たとえば、画像出力部６２は、Ｘ線画像１０と、出力層画像１１と、中間層画像１２と、色付け重畳画像１４とを、同時に並べて表示部４に表示させる。また、たとえば、画像出力部６２は、Ｘ線画像１０と、出力層画像１１と、中間層画像１２と、色付け重畳画像１４とを、切り替えて表示部４に表示させる。また、たとえば、画像出力部６２は、Ｘ線画像１０と、出力層画像１１と、中間層画像１２と、中間層重畳画像１５とを、同時に並べて表示部４に表示させる。また、たとえば、画像出力部６２は、Ｘ線画像１０と、出力層画像１１と、中間層画像１２と、中間層重畳画像１５とを、切り替えて表示部４に表示させる。

【0048】

また、たとえば、画像出力部６２は、Ｘ線画像１０と、出力層画像１１と、色付け重畳画像１４と、中間層重畳画像１５とを、同時に並べて表示部４に表示させる。また、たとえば、画像出力部６２は、Ｘ線画像１０と、出力層画像１１と、色付け重畳画像１４と、中間層重畳画像１５とを、切り替えて表示部４に表示させる。また、たとえば、画像出力部６２は、Ｘ線画像１０と、中間層画像１２と、色付け重畳画像１４と、中間層重畳画像１５とを、同時に並べて表示部４に表示させる。また、たとえば、画像出力部６２は、Ｘ線画像１０と、中間層画像１２と、色付け重畳画像１４と、中間層重畳画像１５とを、切り替えて表示部４に表示させる。

【0049】

また、たとえば、画像出力部６２は、Ｘ線画像１０と、出力層画像１１と、中間層画像１２と、色付け重畳画像１４と、中間層重畳画像１５とを、同時に並べて表示部４に表示させる。また、たとえば、画像出力部６２は、Ｘ線画像１０と、出力層画像１１と、中間層画像１２と、色付け重畳画像１４と、中間層重畳画像１５とを、切り替えて表示部４に表示させる。なお、表示部４の各画像の切り替え操作は、たとえば、表示部４のタッチパネルに対する入力操作によって行うことが可能である。

【0050】

（本実施形態による画像処理方法について）
次に、図１２を参照して、本実施形態による画像処理方法に関する制御処理フローについて説明する。また、ステップ５０１～ステップ５０３は、Ｘ線画像生成部３による制御処理を示し、ステップ５０４～ステップ５０７は、制御部６による制御処理を示す。

【0051】

まず、ステップ５０１において、手術後の被検体１０１の体内に取り残された対象物体２００を識別するために被検体１０１にＸ線が照射される。次に、ステップ５０２において、照射されたＸ線が検出される。次に、ステップ５０３において、検出されたＸ線の検出信号に基づいてＸ線画像１０が生成される。

【0052】

次に、ステップ５０４において、Ｘ線画像１０が学習済みモデル５２に入力されることによって、出力層画像１１および中間層画像１２が生成される。次に、ステップ５０５において、生成された出力層画像１１に基づいて、色付け画像１３が生成される。具体的には、出力層画像１１中の対象物体２００に対応する部分を色付けすることによって、色付け画像１３が生成される。

【0053】

次に、ステップ５０６において、色付け画像１３がＸ線画像１０に重畳されることによって、色付け重畳画像１４が生成される。また、中間層画像１２がＸ線画像１０に重畳されることによって、中間層重畳画像１５が生成される。次に、ステップ５０７において、出力層画像１１、中間層画像１２、色付け重畳画像１４、および、中間層重畳画像１５のうちの少なくとも１つと、Ｘ線画像１０とが、同時にまたは切り替え可能に表示部４に表示される。

【0054】

［本実施形態の効果］
本実施形態では、以下のような効果を得ることができる。

【0055】

本実施形態のＸ線撮影装置１００では、上記のように、Ｘ線画像１０が入力されることによって、Ｘ線画像１０中の被検体１０１の体内の対象物体２００の領域を検出する学習済みモデル５２に基づいて、対象物体２００の位置が強調された学習済みモデル５２の出力画像（１１、１２）および出力画像（１１、１２）とＸ線画像１０とに基づいて対象物体２００の位置が強調されるように生成される合成画像（１４、１５）のうちの少なくとも一方を、強調画像として生成する。そして、出力画像（１１、１２）および合成画像（１４、１５）のうちの少なくとも一方と、Ｘ線画像１０とを同時または切り替え可能に表示部４に表示させる。これにより、対象物体２００の領域を直接的に検出する学習済みモデル５２に基づいて、出力画像（１１、１２）および合成画像（１４、１５）のうちの少なくとも一方が対象物体２００の位置が強調された強調画像として生成されるので、エッジ強調処理によって対象物体および被検体の骨などの人体構造物の両方が強調された強調画像が生成される場合と異なり、強調画像において被検体１０１の骨などの人体構造物が強調されることを抑制することができる。その結果、被検体１０１を写したＸ線画像１０に含まれる対象物体２００を強調する場合に、Ｘ線画像１０に含まれる対象物体２００を容易に確認することができる。また、強調画像としての出力画像（１１、１２）および合成画像（１４、１５）のうちの少なくとも一方と、Ｘ線画像１０とを同時または切り替え可能に表示部４に表示させるので、強調画像とＸ線画像１０とを見比べながらＸ線画像１０に含まれる対象物体２００を容易に確認することができる。また、医師などによる被検体１０１の体内の対象物体２００の有無の最終の判断は、Ｘ線画像１０に基づいて行われるので、Ｘ線画像１０と強調画像とを見比べながらＸ線画像１０に含まれる対象物体２００を容易に確認することができることは、非常に有効である。

【0056】

ここで、学習済みモデルを用いた画像処理を行うことによって被検体１０１を写したＸ線画像１０に含まれる対象物体２００を強調する場合、Ｘ線画像１０から対象物体２００を除去する学習済みモデルを生成するとともに、生成した学習済みモデルによってＸ線画像１０から対象物体２００が除去された除去画像を生成し、Ｘ線画像１０と除去画像との差分によって強調画像を生成することが考えられる。しかしながら、Ｘ線画像１０と除去画像との差分によって強調画像が生成される場合には、除去画像において対象物体２００と類似する被検体１０１の構造（骨盤および大腿骨など）が除去されることに起因して、強調画像において対象物体２００のみならず対象物体２００と類似する被検体１０１の構造も強調される場合がある。したがって、Ｘ線画像１０から対象物体２００を除去する学習済みモデルを用いた画像処理を行う場合、強調画像において対象物体２００の視認性が低下するため、Ｘ線画像１０に含まれる対象物体２００を確認することが困難である。

【0057】

そこで、本実施形態のＸ線撮影装置１００では、上記のように、Ｘ線画像１０が入力されることによって、Ｘ線画像１０中の被検体１０１の体内の対象物体２００の領域を検出する学習済みモデル５２に基づいて、対象物体２００の位置が強調された学習済みモデル５２の出力画像（１１、１２）および出力画像（１１、１２）とＸ線画像１０とに基づいて対象物体２００の位置が強調されるように生成される合成画像（１４、１５）のうちの少なくとも一方を、強調画像として生成する。そして、出力画像（１１、１２）および合成画像（１４、１５）のうちの少なくとも一方と、Ｘ線画像１０とを同時または切り替え可能に表示部４に表示させる。これにより、対象物体２００の領域を直接的に検出する学習済みモデル５２に基づいて、出力画像（１１、１２）および合成画像（１４、１５）のうちの少なくとも一方が対象物体２００の位置が強調された強調画像として生成されるので、Ｘ線画像１０から対象物体２００を除去する学習済みモデルによって除去画像を生成し、Ｘ線画像１０と除去画像との差分によって強調画像が生成される場合と異なり、強調画像において対象物体２００と類似する被検体１０１の構造が強調されることを抑制することができる。その結果、学習済みモデルを用いた画像処理を行うことによって被検体１０１を写したＸ線画像１０に含まれる対象物体２００を強調する場合にも、Ｘ線画像１０に含まれる対象物体２００を容易に確認することができる。

【0058】

また、上記実施形態では、以下のように構成したことによって、下記のような更なる効果が得られる。

【0059】

すなわち、本実施形態では、上記のように、強調画像生成部６１は、出力画像（１２）または出力画像（１１）に基づいて生成した画像（１３）がＸ線画像１０に重畳された重畳画像（１４、１５）を、合成画像として生成するように構成されており、画像出力部６２は、重畳画像（１４、１５）と、Ｘ線画像１０とを同時または切り替え可能に表示部４に表示させるように構成されている。このように構成すれば、位置関係を容易に把握可能な画像同士である重畳画像（１４、１５）とＸ線画像１０とを見比べながらＸ線画像１０に含まれる対象物体２００を確認することができるので、Ｘ線画像１０に含まれる対象物体２００をより容易に確認することができる。

【0060】

また、本実施形態では、上記のように、強調画像生成部６１は、出力画像（１１）に基づいて、出力画像（１１）中の対象物体２００に対応する部分を色付けすることによって、色付け画像１３を生成するとともに、生成した色付け画像１３がＸ線画像１０に重畳された重畳画像（１４）を生成するように構成されており、画像出力部６２は、色付け画像１３がＸ線画像１０に重畳された重畳画像（１４）と、Ｘ線画像１０とを同時または切り替え可能に表示部４に表示させるように構成されている。このように構成すれば、色付け画像１３がＸ線画像１０に重畳された重畳画像（１４）と、Ｘ線画像１０とを見比べながらＸ線画像１０に含まれる対象物体２００を確認することができるので、重畳画像（１４）の色に基づいてＸ線画像１０に含まれる対象物体２００の位置を直感的に容易に把握することができる。

【0061】

また、本実施形態では、上記のように、強調画像生成部６１は、出力画像（１１）に基づいて、出力画像（１１）中の対象物体２００の線状の構造を識別するとともに、識別した対象物体２００の線状の構造が配置される部位を含む所定の領域における密度を取得し、密度に応じて変化するように色付けされたヒートマップ画像として色付け画像１３を生成するように構成されており、画像出力部６２は、ヒートマップ画像としての色付け画像１３が重畳された重畳画像（１４）と、Ｘ線画像１０とを同時または切り替え可能に表示部４に表示させるように構成されている。このように構成すれば、対象物体２００の線状の構造が配置される部位を含む所定の領域における密度に応じて重畳画像（１４）が色付けされるため、密度の高い部分をより強調した重畳画像（１４）を生成することができる。また、対象物体２００の位置を強調するように生成された出力画像（１１）では、対象物体２００に対応する部分において線状の構造の密度が高くなるため、重畳画像（１４）における対象物体２００に対応する部分をより強調させて色付けすることができる。そして、対象物体２００に対応する部分をより強調させたヒートマップ画像としての色付け画像１３が重畳された重畳画像（１４）と、Ｘ線画像１０とを見比べながらＸ線画像１０に含まれる対象物体２００を確認することができるので、ヒートマップ画像としての色付け画像１３が重畳された重畳画像（１４）の色に基づいてＸ線画像１０に含まれる対象物体２００の位置をより直感的により容易に把握することができる。

【0062】

また、本実施形態では、上記のように、強調画像生成部６１は、学習済みモデル５２の中間層５２ｂから出力されるとともにＸ線画像１０中の対象物体２００が強調された出力画像としての中間層画像１２が、Ｘ線画像１０に重畳された重畳画像（１５）を生成するように構成されており、画像出力部６２は、中間層画像１２がＸ線画像１０に重畳された重畳画像（１５）と、Ｘ線画像１０とを同時または切り替え可能に表示部４に表示させるように構成されている。このように構成すれば、対象物体２００の形状を容易に把握可能な中間層画像１２がＸ線画像１０に重畳された重畳画像（１５）と、Ｘ線画像１０とを見比べながらＸ線画像１０に含まれる対象物体２００を確認することができるので、重畳画像（１５）中の対象物体２００の形状および位置に基づいてＸ線画像１０に含まれる対象物体２００をより容易に確認することができる。

【0063】

また、本実施形態では、上記のように、強調画像生成部６１は、学習済みモデル５２の出力層５２ｃから出力されるとともに、Ｘ線画像１０中の対象物体２００の領域を表す出力層画像１１と、学習済みモデル５２の中間層５２ｂから出力されるとともに、Ｘ線画像１０中の対象物体２００が強調された中間層画像１２とを、出力画像として生成するように構成されており、画像出力部６２は、出力層画像１１および中間層画像１２のうちの少なくとも一方と、Ｘ線画像１０とを同時または切り替え可能に表示部４に表示させるように構成されている。このように構成すれば、対象物体２００の形状を容易に把握可能な出力層画像１１および中間層画像１２のうちの少なくとも一方と、Ｘ線画像１０とを見比べながらＸ線画像１０に含まれる対象物体２００を確認することができるので、Ｘ線画像１０に含まれる対象物体２００をより容易に確認することができる。

【0064】

［変形例］
なお、今回開示された実施形態は、すべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記した実施形態の説明ではなく請求の範囲によって示され、さらに請求の範囲と均等の意味および範囲内でのすべての変更（変形例）が含まれる。

【0065】

すなわち、上記実施形態では、Ｘ線撮影装置１００は、回診用Ｘ線撮影装置である例を示したが、本発明はこれに限られない。たとえば、Ｘ線撮影装置１００は、Ｘ線撮影室に設置されている一般Ｘ線撮影装置であってもよい。

【0066】

また、上記実施形態では、強調画像生成部６１（制御部６）は、出力層画像１１と、中間層画像１２と、色付け重畳画像１４と、中間層重畳画像１５とを生成するように構成されている例を示したが、本発明はこれに限られない。たとえば、強調画像生成部６１は、出力層画像１１と、中間層画像１２と、色付け重畳画像１４と、中間層重畳画像１５とのうちの少なくとも１つが生成されてもよい。

【0067】

また、上記実施形態では、強調画像生成部６１（制御部６）は、出力層画像１１に基づいて、色付け画像１３を生成するように構成されている例を示したが、本発明はこれに限られない。たとえば、中間層画像１２に基づいて、色付け画像１３が生成されてもよい。

【0068】

また、上記実施形態では、強調画像生成部６１（制御部６）は、出力層画像１１中の対象物体２００の線状の構造を識別するとともに、識別した線状の構造に基づいて色付けすることによって、色付け画像１３を生成するように構成されている例を示したが、本発明はこれに限られない。たとえば、線状の構造（形状）のパターン認識ではなく、出力層画像１１の画素値に基づいて色付けすることによって色付け画像１３が生成されてもよい。すなわち、出力層画像１１の所定の領域における画素値の濃度に基づいて、色付け画像１３が色付けされてもよい。

【0069】

また、上記実施形態では、強調画像生成部６１（制御部６）は、対象物体２００の線状の構造が配置される部位を含む所定の領域における密度に応じて変化するように色付けされたヒートマップ画像として色付け画像１３を生成するように構成されている例を示したが、本発明はこれに限られない。たとえば、色を変化させずに、線状の構造の密度（検出値）にしきい値を設けることによって、しきい値より大きい部分（領域）が１つの色によって色付けされた色付け画像１３が生成されてもよい。

【0070】

また、上記実施形態では、強調画像生成部６１（制御部６）は、中間層画像１２がＸ線画像１０に重畳された中間層重畳画像１５を生成するように構成されている例を示したが、本発明はこれに限られない。たとえば、出力層画像１１がＸ線画像１０に重畳された出力層重畳画像が生成されてもよい。

【0071】

また、上記実施形態では、対象物体２００は、手術用ガーゼ、縫合針、および、鉗子を含む例を示したが、本発明はこれに限られない。たとえば、対象物体２００は、ボルト、手術ワイヤ、および、手術クリップなどを含んでいてもよい。

【0072】

また、上記実施形態では、Ｘ線撮影装置１００は、画像出力部６２（制御部６）によって出力された画像を表示する表示部４を備える例を示したが、本発明はこれに限られない。たとえば、Ｘ線撮影装置１００とは別個に設けられた外部表示装置にＸ線画像１０、出力層画像１１、中間層画像１２、色付け重畳画像１４、および、中間層重畳画像１５などの画像出力部６２によって出力された画像が表示されてもよい。

【0073】

また、上記実施形態では、Ｘ線撮影装置１００は、画像処理装置として制御部６を備える例を示したが、本発明はこれに限られない。たとえば、Ｘ線撮影装置１００とは別個に設けられた画像処理装置によって、出力層画像１１、中間層画像１２、色付け重畳画像１４、および、中間層重畳画像１５などの強調画像の生成が行われてもよい。

【0074】

また、上記実施形態では、強調画像生成部６１（制御部６）は、色相を異ならせることによって、線状の構造（形状）の密度（検出値）を識別可能なように色付け画像１３を生成するように構成されている例を示したが、本発明はこれに限られない。たとえば、単一の色相（赤色など）の輝度を異ならせることによって、線状の構造（形状）の密度（検出値）を識別可能なように色付け画像１３が生成されてもよい。すなわち、検出値が大きい場合は輝度が大きくなり、検出値が小さい場合は輝度が小さくなるように、色付け画像１３が生成されてもよい。

【0075】

また、上記実施形態では、別個のハードウェアとして構成されたＸ線画像生成部３と、制御部６とによって、Ｘ線画像１０の生成についての制御処理と、強調画像の生成についての制御処理とがそれぞれ行われる例を示したが、本発明はこれに限られない。たとえば、共通の１つの制御部（ハードウェア）によって、Ｘ線画像１０の生成および強調画像の生成が行われてもよい。

【0076】

また、上記実施形態では、強調画像生成部６１、および、画像出力部６２が、１つのハードウェア（制御部６）における機能ブロック（ソフトウェア）として構成されている例を示したが、本発明はこれに限られない。たとえば、強調画像生成部６１、および、画像出力部６２が、それぞれ別個のハードウェア（演算回路）によって構成されていてもよい。

【0077】

また、上記実施形態では、Ｘ線撮影装置１００とは別個の学習装置３００によって学習済みモデル５２が生成される例を示したが、本発明はこれに限られない。たとえば、Ｘ線撮影装置１００によって学習済みモデル５２が生成されてもよい。

【0078】

また、上記実施形態では、学習済みモデル５２は、全層畳み込みネットワーク（Ｆｕｌｌｙ Ｃｏｎｖｏｌｕｔｉｏｎ Ｎｅｔｗｏｒｋ：ＦＣＮ）の１種類であるＵ－Ｎｅｔをベースとして生成される例を示したが本発明はこれに限られない。たとえば、学習済みモデル５２は、全結合層を含むＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）をベースとして生成されてもよい。また、学習済みモデル５２は、ＳｅｇＮｅｔまたはＰＳＰＮｅｔなどのＵ－Ｎｅｔ以外のＥｎｃｏｄｅｒ－Ｄｅｃｏｄｅｒモデルをベースとして生成されてもよい。

【0079】

［態様］
上記した例示的な実施形態は、以下の態様の具体例であることが当業者により理解される。

【0080】

（項目１）
被検体にＸ線を照射するＸ線照射部と、
前記Ｘ線照射部から照射されたＸ線を検出するＸ線検出部と、
前記Ｘ線検出部によって検出されたＸ線の検出信号に基づいてＸ線画像を生成するＸ線画像生成部と、
制御部と、を備え、
前記制御部は、
前記Ｘ線画像生成部によって生成された前記Ｘ線画像が入力されることによって、前記Ｘ線画像中の前記被検体の体内の対象物体の領域を検出する学習済みモデルに基づいて、前記対象物体の位置が強調された前記学習済みモデルの出力画像および前記出力画像と前記Ｘ線画像とに基づいて前記対象物体の位置が強調されるように生成される合成画像のうちの少なくとも一方を、強調画像として生成する強調画像生成部と、
前記強調画像生成部によって生成された前記出力画像および前記合成画像のうちの少なくとも一方と、前記Ｘ線画像とを同時または切り替え可能に表示部に表示させる画像出力部と、を含む、Ｘ線撮影装置。

【0081】

（項目２）
前記強調画像生成部は、前記出力画像または前記出力画像に基づいて生成した画像が前記Ｘ線画像に重畳された重畳画像を、前記合成画像として生成するように構成されており、
前記画像出力部は、前記重畳画像と、前記Ｘ線画像とを同時または切り替え可能に前記表示部に表示させるように構成されている、項目１に記載のＸ線撮影装置。

【0082】

（項目３）
前記強調画像生成部は、前記出力画像に基づいて、前記出力画像中の前記対象物体に対応する部分を色付けすることによって、色付け画像を生成するとともに、生成した前記色付け画像が前記Ｘ線画像に重畳された前記重畳画像を生成するように構成されており、
前記画像出力部は、前記色付け画像が前記Ｘ線画像に重畳された前記重畳画像と、前記Ｘ線画像とを同時または切り替え可能に前記表示部に表示させるように構成されている、項目２に記載のＸ線撮影装置。

【0083】

（項目４）
前記強調画像生成部は、前記出力画像に基づいて、前記出力画像中の前記対象物体の線状の構造を識別するとともに、識別した前記対象物体の線状の構造が配置される部位を含む所定の領域における密度を取得し、前記密度に応じて変化するように色付けされたヒートマップ画像として前記色付け画像を生成するように構成されており、
前記画像出力部は、前記ヒートマップ画像としての前記色付け画像が重畳された前記重畳画像と、前記Ｘ線画像とを同時または切り替え可能に前記表示部に表示させるように構成されている、項目３に記載のＸ線撮影装置。

【0084】

（項目５）
前記強調画像生成部は、前記学習済みモデルの中間層から出力されるとともに前記Ｘ線画像中の前記対象物体が強調された前記出力画像としての中間層画像が、前記Ｘ線画像に重畳された前記重畳画像を生成するように構成されており、
前記画像出力部は、前記中間層画像が前記Ｘ線画像に重畳された前記重畳画像と、前記Ｘ線画像とを同時または切り替え可能に前記表示部に表示させるように構成されている、項目２～４のいずれか１項に記載のＸ線撮影装置。

【0085】

（項目６）
前記強調画像生成部は、前記学習済みモデルの出力層から出力されるとともに、前記Ｘ線画像中の前記対象物体の領域を表す出力層画像と、前記学習済みモデルの中間層から出力されるとともに、前記Ｘ線画像中の前記対象物体が強調された中間層画像とのうちの少なくとも一方を、前記出力画像として生成するように構成されており、
前記画像出力部は、前記出力層画像および前記中間層画像のうちの少なくとも一方と、前記Ｘ線画像とを同時または切り替え可能に前記表示部に表示させるように構成されている、項目１～５のいずれか１項に記載のＸ線撮影装置。

【0086】

（項目７）
被検体に照射されたＸ線の検出信号に基づいて生成されたＸ線画像が入力されることによって、前記Ｘ線画像中の前記被検体の体内の対象物体の領域を検出する学習済みモデルに基づいて、前記対象物体の位置が強調された前記学習済みモデルの出力画像および前記出力画像と前記Ｘ線画像とに基づいて前記対象物体の位置が強調されるように生成される合成画像のうちの少なくとも一方を、強調画像として生成する強調画像生成部と、
前記強調画像生成部によって生成された前記出力画像および前記合成画像のうちの少なくとも一方と、前記Ｘ線画像とを同時または切り替え可能に表示部に表示させる画像出力部と、を備える、画像処理装置。

【0087】

（項目８）
コンピュータに、
被検体に照射されたＸ線の検出信号に基づいて生成されたＸ線画像が入力されることによって、前記Ｘ線画像中の前記被検体の体内の対象物体の領域を検出する学習済みモデルに基づいて、前記対象物体の位置が強調された前記学習済みモデルの出力画像および前記出力画像と前記Ｘ線画像とに基づいて前記対象物体の位置が強調されるように生成される合成画像のうちの少なくとも一方を、強調画像として生成させる処理と、
前記出力画像および前記合成画像のうちの少なくとも一方と、前記Ｘ線画像とを同時または切り替え可能に表示部に表示させる処理と、
を実行させる、画像処理プログラム。

【符号の説明】

【0088】

１ Ｘ線照射部
２ Ｘ線検出部
３ Ｘ線画像生成部
４ 表示部
６ 制御部（画像処理装置、コンピュータ）
１０ Ｘ線画像
１１ 出力層画像（強調画像、出力画像）
１２ 中間層画像（強調画像、出力画像）
１３ 色付け画像
１４ 色付け重畳画像（強調画像、合成画像、重畳画像）
１５ 中間層重畳画像（強調画像、合成画像、重畳画像）
５１ 画像処理プログラム
５２ 学習済みモデル
５２ｂ 中間層
５２ｃ 出力層
６１ 強調画像生成部
６２ 画像出力部
１００ Ｘ線撮影装置
１０１ 被検体
２００ 対象物体

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】