知財求人 - 知財ポータルサイト「IP Force」
特表2024-508019機械学習を用いた造影放射線学のためのシステム、方法、およびコンピュータプログラム製品
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2024-02-21
(54)【発明の名称】機械学習を用いた造影放射線学のためのシステム、方法、およびコンピュータプログラム製品
(51)【国際特許分類】
A61B 5/055 20060101AFI20240214BHJP
【ＦＩ】
A61B5/055 380
A61B5/055 383
【審査請求】未請求
【予備審査請求】未請求
(21)【出願番号】P 2023553034
(86)(22)【出願日】2021-11-29
(85)【翻訳文提出日】2023-10-30
(86)【国際出願番号】 EP2021083324
(87)【国際公開番号】W WO2022184298
(87)【国際公開日】2022-09-09
(31)【優先権主張番号】21160325.3
(32)【優先日】2021-03-02
(33)【優先権主張国・地域又は機関】EP
(31)【優先権主張番号】21167116.9
(32)【優先日】2021-04-07
(33)【優先権主張国・地域又は機関】EP
(81)【指定国・地域】
(71)【出願人】
【識別番号】313006625
【氏名又は名称】バイエル・アクチエンゲゼルシヤフト
(74)【代理人】
【識別番号】100114188
【弁理士】
【氏名又は名称】小野 誠
(74)【代理人】
【識別番号】100119253
【弁理士】
【氏名又は名称】金山 賢教
(74)【代理人】
【識別番号】100124855
【弁理士】
【氏名又は名称】坪倉 道明
(74)【代理人】
【識別番号】100129713
【弁理士】
【氏名又は名称】重森 一輝
(74)【代理人】
【識別番号】100137213
【弁理士】
【氏名又は名称】安藤 健司
(74)【代理人】
【識別番号】100143823
【弁理士】
【氏名又は名称】市川 英彦
(74)【代理人】
【識別番号】100183519
【弁理士】
【氏名又は名称】櫻田 芳恵
(74)【代理人】
【識別番号】100196483
【弁理士】
【氏名又は名称】川嵜 洋祐
(74)【代理人】
【識別番号】100160749
【弁理士】
【氏名又は名称】飯野 陽一
(74)【代理人】
【識別番号】100160255
【弁理士】
【氏名又は名称】市川 祐輔
(74)【代理人】
【識別番号】100146318
【弁理士】
【氏名又は名称】岩瀬 吉和
(74)【代理人】
【識別番号】100127812
【弁理士】
【氏名又は名称】城山 康文
(72)【発明者】
【氏名】レンガ，マティアス
(72)【発明者】
【氏名】パートラブ，マービン
【テーマコード（参考）】
4C096
【Ｆターム（参考）】
4C096AA11
4C096AB39
4C096AB41
4C096AB46
4C096AD12
4C096AD14
4C096AD30
4C096DC40
(57)【要約】
造影剤を含む医用画像技術を使用して生成された検査領域の表現の予測を提供するための方法は、検査対象の検査領域の周波数空間における第１の表現を受信すること、前記検査対象の前記検査領域の前記周波数空間における第２の表現を受信すること、医用画像技術の間に投与される前記造影剤の量を用いる前記検査領域の前記周波数空間における表現の予測を出力として提供するように構成されている予測機械学習モデルに入力として前記第１の表現および前記第２の表現を提供すること、前記入力に基づく前記予測機械学習モデルの前記出力を受信すること、および前記予測機械学習モデルの前記出力を前記検査対象の前記検査領域の実空間における表現に変換することを含むことができる。
【選択図】図５Ａ
【選択図】図５Ａ
【特許請求の範囲】
【請求項1】
造影剤を要する医用画像技術を使用して生成された検査領域の表現の予測を提供するシステムであって：検査対象の検査領域の周波数空間における第１の表現を受信し、ここで、前記第１の表現は、医用画像技術の間に投与される造影剤の量が無いか、または前記医用画像技術の間に投与される前記造影剤の第１の量を用いる前記検査領域の表現を含み；
前記検査対象の前記検査領域の前記周波数空間における第２の表現を受信し、ここで、前記第２の表現は、前記医用画像技術の間に投与される前記造影剤の第２の量を用いる前記検査領域の表現を含み、ここで、前記造影剤の前記第２の量造は、前記影剤の前記第１の量とは異なり；
予測機械学習モデルへの入力を提供し、ここで、前記予測機械学習モデルへの入力は、前記第１の表現の少なくとも一部および前記第２の表現の少なくとも一部を含み、ここで、前記予測機械学習モデルは、出力として、前記医用画像技術の間に投与される前記造影剤の第３の量を用いる前記検査領域の前記周波数空間における表現の予測を提供するように構成されている訓練された機械学習モデルを含み、ここで、前記造影剤の前記第３の量は、前記造影剤の前記第１の量および前記造影剤の前記第２の量よりも多く；
前記入力に基づく前記予測機械学習モデルの出力を受信し；
前記予測機械学習モデルの前記出力を、前記検査対象の前記検査領域の実空間における予測された表現に変換し；および
前記検査対象の前記検査領域の前記実空間における前記予測された表現を提供する
ようにプログラムまたは構成されている少なくとも１つのプロセッサを備える、前記システム。
【請求項2】
請求項１のシステムであって、ここで、前記少なくとも１つのプロセッサがさらに：前記検査対象の前記検査領域の前記周波数空間における縮小された表現を提供するために、前記周波数空間の中心を含む前記第１の表現の一部、前記周波数空間の中心を含む前記第２の表現の一部、またはそれぞれが前記周波数空間の中心を含む前記第１の表現の一部および前記第２の表現の一部を特定するようにプログラムまたは構成されており；
ここで、前記予測機械学習モデルへの前記入力は、前記検査対象の前記検査領域の前記周波数空間における前記縮小された表現を含み；および
ここで、前記予測機械学習モデルへの前記入力を提供するとき、前記少なくとも１つのプロセッサが：
前記予測機械学習モデルへの前記入力として、前記検査対象の前記検査領域の前記周波数空間における前記縮小された表現を提供するようにプログラムまたは構成される、前記システム。
【請求項3】
請求項２のシステムであって、ここで、前記少なくとも１つのプロセッサがさらに：前記予測機械学習モデルの補足された出力を提供するために、
前記周波数空間の前記中心を含まず、および前記検査対象の前記検査領域の前記周波数空間における前記縮小された表現を提供するために特定されなかった前記第１の表現の一部、
前記周波数空間の前記中心を含まず、および前記検査対象の前記検査領域の前記周波数空間における前記縮小された表現を提供するために特定されなかった前記第２の表現の一部、または
それぞれが前記周波数空間の前記中心を含まず、および前記検査対象の前記検査領域の前記周波数空間における前記縮小された表現を提供するために特定されなかった前記第１の表現の一部および前記第２の表現の一部によって、
前記予測機械学習モデルの前記出力を補足するようにプログラムまたは構成されており；
ここで、前記予測機械学習モデルの前記出力を、前記検査対象の前記検査領域の前記実空間における前記予測された表現に変換するとき、前記少なくとも１つのプロセッサが：
前記予測機械学習モデルの前記補足された出力を、前記検査対象の前記検査領域の前記実空間における前記予測された表現に変換するようにプログラムまたは構成されている、前記システム。
【請求項4】
請求項１～３のいずれかのシステムであって、ここで、前記医用画像技術の間に投与される造影剤の前記第１の量が、ゼロより多く、ここで、前記医用画像技術の間に投与される造影剤の前記第２の量が、造影剤の前記第１の量より多い、前記システム。
【請求項5】
請求項１～３のいずれかのシステムであって、ここで、前記医用画像技術の間に投与される造影剤の前記第１の量が、ゼロであり、ここで、前記医用画像技術の間に投与される造影剤の前記第２の量が、造影剤の前記第１の量よりも多い、前記システム。
【請求項6】
請求項１～５のいずれかのシステムであって、ここで、前記少なくとも１つのプロセッサがさらに：放射線検査の第１の結果に関する前記検査対象の前記検査領域の前記周波数空間における前記第１の表現を生成し；および
前記放射線検査の第２の結果に関する前記検査対象の前記検査領域の前記周波数空間における前記第２の表現を生成するようにプログラムまたは構成されている、前記システム。
【請求項7】
請求項６のシステムであって、ここで、前記放射線検査が、磁気共鳴画像検査、コンピュータ断層撮影検査、または超音波検査である、前記システム。
【請求項8】
請求項６のシステムであって、ここで、前記放射線検査が、磁気共鳴画像検査であり、ここで、前記周波数空間における前記検査対象の前記検査領域の前記周波数空間における前記第１の表現を受信するとき、前記少なくとも１つのプロセッサが：前記検査対象の前記検査領域の前記磁気共鳴画像検査に関連する第１のｋ空間データを受信するようにプログラムまたは構成されており；および
ここで、前記周波数空間における前記検査対象の前記検査領域の前記周波数空間における前記第２の表現を受信するとき、前記少なくとも１つのプロセッサが：
前記検査対象の前記検査領域の前記磁気共鳴画像検査に関連する第２のｋ空間データを受信するようにプログラムまたは構成されている、前記システム。
【請求項9】
請求項１～７のいずれかのシステムであって、ここで、前記周波数空間における前記検査対象の前記検査領域の前記周波数空間における前記第１の表現を受信するとき、前記少なくとも１つのプロセッサが：検査対象の検査領域の実空間における第一の表現を受信し、ここで、実空間における前記第一の表現は、医用画像技術の間に投与される造影剤の量が無いか、または前記医用画像技術の間に投与される前記造影剤の第一の量を用いる前記検査領域の表現を含み；
前記検査対象の前記検査領域の実空間における前記第１の表現を周波数空間における前記第１の表現に変換するようにプログラムまたは構成されており；
ここで、前記周波数空間における前記検査対象の前記検査領域の前記周波数空間における前記第２の表現を受信するとき、前記少なくとも１つのプロセッサが：
前記検査対象の前記検査領域の前記実空間における第２の表現を受信し、ここで、実空間における前記第２の表現は、前記医用画像技術の間に投与される前記造影剤の第２の量を用いる前記検査領域の表現を含み、ここで、前記造影剤の前記第２の量は、前記造影剤の前記第１の量とは異なり；
前記検査対象の前記検査領域の実空間における前記第１の表現を周波数空間における前記第１の表現に変換するようにプログラムまたは構成されている、前記システム。
【請求項10】
請求項１～９のいずれかのシステムであって、ここで、前記少なくとも１つのプロセッサがさらに：訓練データセットに基づいて前記予測機械学習モデルを訓練するようにプログラムまたは構成されており、ここで、前記訓練データセットは：
複数の検査対象の各検査対象についての検査領域の前記周波数空間における参照表現のセットを含み、検査対象の前記検査領域の参照表現の各セットは：
前記検査対象の前記検査領域の前記周波数空間における第１の参照表現；
前記検査対象の前記検査領域の前記周波数空間における第２の参照表現；および
前記検査対象の前記検査領域の前記周波数空間における第３の参照表現を含み；および
ここで、前記第１の参照表現は、医用画像技術の間に投与される造影剤の量が無いか、または前記医用画像技術の間に投与される前記造影剤の第１の量を用いる前記検査領域の前記周波数空間における参照表現を含み；
ここで、前記第２の参照表現は、前記医用画像技術の間に投与される前記造影剤の第２の量を用いる前記検査領域の前記周波数空間における参照表現を含み；
ここで、前記第３の参照表現は、前記医用画像技術の間に投与される前記造影剤の第３の量を用いる前記検査領域の前記周波数空間における参照表現を含む、前記システム。
【請求項11】
請求項１０のシステムであって、ここで、前記予測機械学習モデルを訓練するとき、前記少なくとも１つのプロセッサが：誤差関数によって提供される誤差の量を最小化するようにプログラムまたは構成されており、ここで、前記誤差関数は、前記医用画像技術の間に投与される前記造影剤の前記第３の量を用いる前記検査対象の前記検査領域の前記周波数空間における表現の予測と前記検査対象の前記検査領域の前記周波数空間における前記第３の参照表現の間の偏差を定量化する、前記システム。
【請求項12】
請求項１～１１のいずれかのシステムであって、ここで、前記少なくとも１つのプロセッサがさらに：訓練データセットに基づいて前記予測機械学習モデルを訓練するようにプログラムまたは構成されており、ここで、前記訓練データセットは：
複数の検査対象の各検査対象についての検査領域の前記周波数空間における縮小された参照表現のセットを含み、検査対象の前記検査領域の縮小された参照表現の各セットは：
前記検査対象の前記検査領域の前記周波数空間における第１の縮小された参照表現；
前記検査対象の前記検査領域の前記周波数空間における第２の縮小された参照表現；および
前記検査対象の前記検査領域の前記周波数空間における第３の縮小された参照表現含み；および
ここで、前記第１の縮小された参照表現は、前記周波数空間の中心を含む前記検査領域の前記周波数空間における第１の参照表現の一部の参照表現を含み、ここで、前記第１の参照表現は、医用画像技術の間に投与される造影剤の量が無いか、または前記医用画像技術の間に投与される前記造影剤の第１の量を用いる前記検査領域の参照表現を含み；
ここで、前記第２の縮小された参照表現は、前記周波数空間の中心を含む前記検査領域の前記周波数空間における第２の参照表現の一部の参照表現を含み、ここで、前記第２の参照表現は、前記医用画像技術の間に投与される前記造影剤の第２の量を用いる前記検査領域の参照表現を含み；
ここで、前記第３の縮小された参照表現は、前記周波数空間の中心を含む前記検査領域の前記周波数空間における第３の参照表現の一部の参照表現を含み、ここで、前記第３の参照表現は、前記医用画像技術の間に投与される前記造影剤の第３の量を用いる前記検査領域の参照表現を含む、前記システム。
【請求項13】
請求項１２のシステムであって、ここで、前記予測機械学習モデルを訓練するとき、前記少なくとも１つのプロセッサは：誤差関数によって提供される誤差の量を最小化するようにプログラムまたは構成されており、ここで、前記誤差関数は、前記医用画像技術の間に投与される前記造影剤の前記第３の量を用いる前記検査対象の前記検査領域の前記周波数空間における縮小された表現の予測と前記検査対象の前記検査領域の前記周波数空間における前記第３の縮小された参照表現の間の偏差を定量化する、前記システム。
【請求項14】
造影剤を要する医用画像技術を使用して生成された検査領域の表現の予測を提供するためのコンピュータプログラム製品であって、少なくとも１つのプロセッサによって実行されるときに、前記少なくとも１つのプロセッサに：検査対象の検査領域の周波数空間における第１の表現を受信させ、ここで、前記第１の表現は、医用画像技術の間に投与される造影剤の量が無いか、または前記医用画像技術の間に投与される前記造影剤の第１の量を用いる前記検査領域の表現を含み；
前記検査対象の前記検査領域の前記周波数空間における第２の表現を受信させ、ここで、前記第２の表現は、前記医用画像技術の間に投与される前記造影剤の第２の量を用いる前記検査領域の表現を含み、ここで、前記造影剤の前記第２の量は、前記造影剤の前記第１の量とは異なり；
予測機械学習モデルへの入力を提供させ、ここで、前記予測機械学習モデルへの前記入力は、前記第１の表現の少なくとも一部および前記第２の表現の少なくとも一部を含み、ここで、前記予測機械学習モデルは、前記医用画像技術の間に投与される前記造影剤の第３の量を用いる前記検査領域の前記周波数空間における表現の予測を出力として提供するように構成されている訓練された機械学習モデルを含み、ここで、前記造影剤の前記第３の量は、前記造影剤の前記第１の量および前記造影剤の前記第２の量よりも多く；
前記入力に基づく前記予測機械学習モデルの前記出力を受信させ；
前記予測機械学習モデルの前記出力を前記検査の前記検査領域の実空間における予測された表現に変換させ；および
前記検査対象の前記検査領域の前記実空間における前記予測された表現を提供させる
１つ以上の命令を含む少なくとも１つの非一時的なコンピュータ可読媒体を含む、前記コンピュータプログラム製品。
【請求項15】
造影剤を要する医用画像技術を用いて生成された検査領域の表現の予測を提供するための方法であって：少なくとも１つのプロセッサによって、検査対象の検査領域の周波数空間における第１の表現を受信すること、ここで、前記第１の表現は、医用画像技術の間に投与される造影剤の量が無いか、または前記医用画像技術の間に投与される前記造影剤の第１の量を用いる前記検査領域の表現を含み；
前記少なくとも１つのプロセッサによって、前記検査対象の前記検査領域の前記周波数空間における第２の表現を受信すること、ここで、前記第２の表現は、前記医用画像技術の間に投与される前記造影剤の第２の量を用いる前記検査領域の表現を含み、ここで、前記造影剤の前記第２の量は、前記造影剤の前記第１の量とは異なり；
前記少なくとも１つのプロセッサによって、予測機械学習モデルへの入力を提供すること、ここで、前記予測機械学習モデルへの前記入力は、前記第１の表現の少なくとも一部および前記第２の表現の少なくとも一部を含み、ここで、前記予測機械学習モデルは、前記医用画像技術の間に投与される前記造影剤の第３の量を用いる前記検査領域の前記周波数空間における表現の予測を出力として提供するように構成されている訓練された機械学習モデルを含み、ここで、前記造影剤の前記第３の量は、前記造影剤の前記第１の量および前記造影剤の前記第２の量よりも多く；
前記少なくとも１つのプロセッサによって、前記入力に基づく前記予測機械学習モデルの前記出力を受信すること；
前記少なくとも１つのプロセッサによって、前記予測機械学習モデルの前記出力を前記検査対象の前記検査領域の実空間における予測された表現に変換すること；および
前記少なくとも１つのプロセッサによって、前記検査対象の前記検査領域の前記実空間における前記予測された表現を提供すること
を含む、前記方法。
【発明の詳細な説明】
【技術分野】
【0001】
関連出願の参照
本出願は、２０２１年３月２日に出願された欧州出願第ＥＰ２１１６０３２５．３号、および２０２１年４月７日に出願された欧州出願第ＥＰ２１１６７１１６．９号の利益を主張するものであり、これらの開示全体が参照により全体的に本明細書に組み込まれる。
背景
本出願は、２０２１年３月２日に出願された欧州出願第ＥＰ２１１６０３２５．３号、および２０２１年４月７日に出願された欧州出願第ＥＰ２１１６７１１６．９号の利益を主張するものであり、これらの開示全体が参照により全体的に本明細書に組み込まれる。
背景
【0002】
１．分野
本開示は一般に、放射線画像の生成に関し、いくつかの非限定的な実施形態では、造影剤を要する医用画像技術を使用して生成された放射線画像の表現の予測を生成するためのシステム、方法、およびコンピュータプログラム製品に関する。
本開示は一般に、放射線画像の生成に関し、いくつかの非限定的な実施形態では、造影剤を要する医用画像技術を使用して生成された放射線画像の表現の予測を生成するためのシステム、方法、およびコンピュータプログラム製品に関する。
【背景技術】
【0003】
２．技術的な考慮事項
放射線学は、疾患を診断および治療するために医用画像技術を使用する医学の分野を指すことがある。放射線学は、診断、治療、および／または科学的目的のための画像を生成するために、超音波処置中などの電磁放射線および機械的波の適用を伴い得る。いくつかの例では、医用画像処置中に画像を生成するために、Ｘ線放射線、ガンマ放射線、および／または電子などの電離放射線が使用され得る。放射線学はまた、コンピュータ断層撮影法（ＣＴ）、陽電子放出断層撮影法（ＰＥＴ）、超音波検査法、核ＭＲＩ（ＮＭＲＩ）とも呼ばれる磁気共鳴画像法（ＭＲＩ）などの他の画像化方法を含むが、これらの医用画像技術は電離放射線を使用しない。いくつかの例では、造影剤（ａ ｃｏｎｔｒａｓｔ ａｇｅｎｔ）（例えば、放射線造影剤（ａ ｒａｄｉｏｌｏｇｉｃａｌ ｃｏｎｔｒａｓｔ ｍａｔｅｒｉａｌ）、放射線造影剤（ａ ｒａｄｉｏｃｏｎｔｒａｓｔ ａｇｅｎｔ）、造影剤（ｃｏｎｔｒａｓｔ ｍｅｄｉａ）など）、および／または生理食塩水などの洗浄剤を、血管造影法、ＣＴ、超音波、ＭＲＩなどの医用画像技術で使用することができる。造影剤は、医用画像技術に基づいて生成された画像にコントラストの増強を提供するために使用され得る（例えば、患者の血流に注入される）。例えば、造影剤は、医用画像技術の間に患者（例えば、ヒト患者または動物患者）の身体の構造および／または機能の描写を改善する物質または物質の混合物を含み得る。
放射線学は、疾患を診断および治療するために医用画像技術を使用する医学の分野を指すことがある。放射線学は、診断、治療、および／または科学的目的のための画像を生成するために、超音波処置中などの電磁放射線および機械的波の適用を伴い得る。いくつかの例では、医用画像処置中に画像を生成するために、Ｘ線放射線、ガンマ放射線、および／または電子などの電離放射線が使用され得る。放射線学はまた、コンピュータ断層撮影法（ＣＴ）、陽電子放出断層撮影法（ＰＥＴ）、超音波検査法、核ＭＲＩ（ＮＭＲＩ）とも呼ばれる磁気共鳴画像法（ＭＲＩ）などの他の画像化方法を含むが、これらの医用画像技術は電離放射線を使用しない。いくつかの例では、造影剤（ａ ｃｏｎｔｒａｓｔ ａｇｅｎｔ）（例えば、放射線造影剤（ａ ｒａｄｉｏｌｏｇｉｃａｌ ｃｏｎｔｒａｓｔ ｍａｔｅｒｉａｌ）、放射線造影剤（ａ ｒａｄｉｏｃｏｎｔｒａｓｔ ａｇｅｎｔ）、造影剤（ｃｏｎｔｒａｓｔ ｍｅｄｉａ）など）、および／または生理食塩水などの洗浄剤を、血管造影法、ＣＴ、超音波、ＭＲＩなどの医用画像技術で使用することができる。造影剤は、医用画像技術に基づいて生成された画像にコントラストの増強を提供するために使用され得る（例えば、患者の血流に注入される）。例えば、造影剤は、医用画像技術の間に患者（例えば、ヒト患者または動物患者）の身体の構造および／または機能の描写を改善する物質または物質の混合物を含み得る。
【0004】
ＣＴスキャン（例えば、コンピュータ軸断層撮影（ＣＡＴ）スキャン）は、診断目的で身体の詳細な画像を非侵襲的に得るために、放射線学において使用される医用画像技術を含み得る。ＣＴスキャンを実行するためのデバイスは、ＣＴスキャナーであってもよい。ＣＴスキャナーは、患者の体内の異なる組織によるＸ線減衰を測定するために、ガントリ内に配置された回転Ｘ線管および検出器の列を使用することができる。異なる角度から取得された複数のＸ線測定値は、身体の断層撮影（例えば、断面）画像を生成するために、再構成アルゴリズムを使用してコンピュータ上で処理され得る。
【0005】
ＭＲＩは、特に患者の体内の組織および／または器官の構造および機能を描写するための医学的診断において使用される医用画像技術を含むことができる。ＭＲＩにおいて、検査対象中の陽子の磁気モーメントが基本磁場中で整列され、その結果、縦方向に沿って巨視的な磁化が存在する。検査対象の磁気モーメントは次いで、高周波（ＨＦ）パルスによる照射によって（例えば、電磁放射のＨＦパルスによる励起によって）静止位置（例えば、緩和位置）から偏向される。次いで、励起状態から静止位置へのプロトンの戻り、または磁化動力学は、ＭＲＩマシンの１つ以上のＨＦ受信コイルによって緩和信号として検出され得る。空間符号化のために、急速に切り替えられた傾斜磁場は、基本磁場に重畳され得る。緩和信号は最初に、周波数空間（例えば、周波数領域、空間周波数空間、フーリエ空間、フーリエ描写など）において生データ（例えば、検出されたＭＲＩデータ）として存在し、逆フーリエ変換によって実空間（例えば、画像空間）に変換することができる。一実施形態では、ネイティブＭＲＩの使用中、組織のコントラストは、様々な緩和時間（例えば、Ｔ１およびＴ２と呼ばれる、スピン－格子緩和時間およびスピン－スピン緩和時間）および／または陽子密度によって生成されてもよい。スピン－格子緩和時間は、縦磁化のその平衡磁化状態への遷移を記述することができ、スピン－格子緩和時間は、共鳴励起の前に平衡磁化の６３．２１％に達するのにかかる時間として測定される。スピン－スピン緩和時間は、同様の方法で、横磁化のその平衡磁化状態への遷移を表すことができる。
【0006】
ＣＴ画像化手順中、ヨウ素含有溶液を造影剤として使用することができる。ＭＲＩ画像化手順中、超常磁性物質（例えば、酸化鉄ナノ粒子、超常磁性鉄－白金粒子（ＳＩＰＰ）など）および／または常磁性物質（例えば、ガドリニウムキレート、マンガンキレートなど）を造影剤として使用することができる。超音波画像化手順において、気体で満たされたマイクロバブルを含む液体が使用されてもよく、該液体は、静脈内に投与される。ＭＲＩ造影剤は、造影剤を取り込む構造の緩和時間を変えることによって効果を発揮する。２つの物質群：常磁性物質と超常磁性物質、を区別することができる。両方の物質群は、個々の原子または分子の周りに磁場を誘導する不対電子を有する。超常磁性造影剤は、主にＴ２の短縮をもたらし、一方、常磁性造影剤は、主にＴ１の短縮をもたらす。造影剤の効果は、造影剤自体が信号を発するのではなく、代わりに、単に造影剤の近傍の信号の強度に影響を与えるだけであるので、間接的であってもよい。超常磁性造影剤の例は、酸化鉄ナノ粒子（例えば、超常磁性酸化鉄（ＳＰＩＯ））である。常磁性造影剤の例は、ガドペンテト酸ジメグルミン（例えば、Ｍａｇｎｅｖｉｓｔ（登録商標））、ガドテル酸（例えば、Ｄｏｔａｒｅｍ（登録商標）、Ｄｏｔａｇｉｔａ（登録商標）、Ｃｙｃｌｏｌｕｘ（登録商標））、ガドジアミド（例えば、Ｏｍｎｉｓｃａｎ（登録商標））、ガドテリドール（例えば、ＰｒｏＨａｎｃｅ（登録商標））、およびガドブトロール（例えば、Ｇａｄｏｖｉｓｔ（登録商標））等のガドリニウムキレートである。
【発明の概要】
【発明が解決しようとする課題】
【0007】
要約
【0008】
したがって、造影剤を要する医用画像技術を使用して生成された検査領域の表現の予測を提供するためのシステム、方法、およびコンピュータプログラム製品が開示される。
【課題を解決するための手段】
【0009】
いくつかの非限定的な実施形態によれば、提供されるのは、造影剤を要する医用画像技術を使用して生成された検査領域の表現の予測を提供するためのシステムであって、検査対象の検査領域の周波数空間における第１の表現を受信するように、ここで、第１の表現は、医用画像技術の間に投与される造影剤の量が無いか、または医用画像技術の間に投与される造影剤の第１の量を用いる検査領域の表現を含み、検査対象の検査領域の周波数空間における第２の表現を受信するように、ここで、第２の表現は、医用画像技術の間に投与される造影剤の第２の量を用いる検査領域の表現を含み、ここで、造影剤の第２の量は、造影剤の第１の量とは異なり、予測機械学習モデルへの入力を提供するように、ここで、予測機械学習モデルへの入力は、第１の表現の少なくとも一部および第２の表現の少なくとも一部を含み、ここで、予測機械学習モデルは、医用画像技術の間に投与される造影剤の第３の量を用いる検査領域の周波数空間における表現の予測を、出力として、提供するように構成されている訓練された機械学習モデルを備え、ここで、造影剤の第３の量は、造影剤の第１の量および造影剤の第２の量よりも多く、入力に基づく予測機械学習モデルの出力を受信するように、予測機械学習モデルの出力を検査対象の検査領域の実空間における予測された表現に変換するように、および実空間における検査対象の検査領域の予測された表現を提供するように、プログラムまたは構成されている少なくとも１つのプロセッサを備える、システムである。
【0010】
いくつかの非限定的な実施形態によれば、提供されるのは、造影剤を要する医用画像技術を用いて生成された検査領域の表現の予測を提供するためのコンピュータプログラム製品であって、少なくとも１つのプロセッサによって実行されるとき、少なくとも１つのプロセッサに、検査対象の検査領域の周波数空間における第１の表現を受信させ、ここで、第１の表現は、医用画像技術の間に投与される造影剤の量が無いか、または医用画像技術の間に投与される造影剤の第１の量を用いる検査領域の表現を含み、検査対象の検査領域の周波数空間における第２の表現を受信させ、ここで、第２の表現は、医用画像技術の間に投与される造影剤の第２の量を用いる検査領域の表現を含み、ここで、造影剤の第２の量は、造影剤の第１の量とは異なり、予測機械学習モデルへの入力を提供させ、ここで、予測機械学習モデルへの入力は、第１の表現の少なくとも一部および第２の表現の少なくとも一部を含み、ここで、予測機械学習モデルは、医用画像技術の間に投与される造影剤の第３の量を用いる検査領域の周波数空間における表現の予測を、出力として、提供するように構成されている訓練された機械学習モデルを備え、ここで、造影剤の第３の量は、造影剤の第１の量および造影剤の第２の量よりも多く、入力に基づく予測機械学習モデルの出力を受信させ、予測機械学習モデルの出力を、検査の検査領域の実空間における予測された表現に変換させ、および検査対象の検査領域の実空間における予測された表現を提供させる、１つ以上の命令を含む少なくとも１つの非一時的なコンピュータ可読媒体を備える、製品である。
【0011】
いくつかの非限定的な実施形態によれば、提供されるのは、造影剤を要する医用画像技術を使用して生成された検査領域の表現の予測を提供するための方法であって、少なくとも１つのプロセッサによって、検査対象の検査領域の周波数空間における第１の表現を受信すること、ここで、第１の表現は、医用画像技術の間に投与される造影剤の量が無いか、または医用画像技術の間に投与される造影剤の第１の量を用いる検査領域の表現を含み、少なくとも１つのプロセッサによって、検査対象の検査領域の周波数空間における第２の表現を受信すること、ここで、第２の表現は、医用画像技術の間に投与される造影剤の第２の量を用いる検査領域の表現を含み、ここで、造影剤の第２の量は、造影剤の第１の量とは異なり、少なくとも１つのプロセッサによって、予測機械学習モデルへの入力を提供すること、ここで、予測機械学習モデルへの入力は、第１の表現の一部および第２の表現の少なくとも一部を含み、ここで、予測機械学習モデルは、出力として、医用画像技術の間に投与される造影剤の第３の量を用いる検査領域の周波数空間における表現の予測を提供するように構成されている訓練された機械学習モデルを備え、ここで、造影剤の第３の量は、造影剤の第１の量および造影剤の第２の量よりも多く、少なくとも１つのプロセッサによって、入力に基づく予測機械学習モデルの出力を受信すること、少なくとも１つのプロセッサによって、予測機械学習モデルの出力を、検査対象の検査領域の実空間における予測された表現に変換すること、および少なくとも１つのプロセッサによって、検査対象の検査領域の実空間における予測された表現を提供することを含む、方法である。
【0012】
さらなる非限定的な実施形態は、以下の番号付けされた各項に記載される：
【0013】
第１項：造影剤を要する医用画像技術を使用して生成された検査領域の表現の予測を提供するためのシステムであって：検査対象の検査領域の周波数空間における第１の表現を受信するように、ここで、第１の表現は、医用画像技術の間に投与される造影剤の量が無いか、または医用画像技術の間に投与される造影剤の第１の量を用いる検査領域の表現を含み；検査対象の検査領域の周波数空間における第２の表現を受信するように、ここで、第２の表現は、医用画像技術の間に投与される造影剤の第２の量を用いる検査領域の表現を含み、ここで、造影剤の第２の量は、造影剤の第１の量とは異なり；予測機械学習モデルへの入力を提供するように、ここで、予測機械学習モデルへの入力は、第１の表現の少なくとも一部および第２の表現の少なくとも一部を含み、ここで、予測機械学習モデルは、医用画像技術の間に投与される造影剤の第３の量を用いる検査領域の周波数空間における表現の予測を、出力として、提供するように構成されている訓練された機械学習モデルを備え、ここで、造影剤の第３の量は、造影剤の第１の量および造影剤の第２の量よりも多く；入力に基づく予測機械学習モデルの出力を受信するように；予測機械学習モデルの出力を検査対象の検査領域の実空間における予測された表現に変換するように；および検査対象の検査領域の実空間における予測された表現を提供するように、プログラムまたは構成されている少なくとも１つのプロセッサを備える、システム。
【0014】
第２項：第１項に記載のシステムであって、ここで、少なくとも１つのプロセッサは：周波数空間の中心を含む第１の表現の一部、周波数空間の中心を含む第２の表現の一部、またはそれぞれが周波数空間の中心を含む第１の表現の一部および第２の表現の一部を特定するように、検査対象の検査領域の周波数空間における縮小された表現を提供するようにさらにプログラムまたは構成されており；ここで、予測機械学習モデルへの入力は検査対象の検査領域の周波数空間における縮小された表現を含み；および、ここで、予測機械学習モデルへの入力を提供するとき、少なくとも１つのプロセッサは：検査対象の検査領域の周波数空間における縮小された表現を、予測機械学習モデルへの入力として、提供するようにプログラムまたは構成されている、システム。
【0015】
第３項：第２項に記載のシステムであって、ここで、少なくとも１つのプロセッサは：予測機械学習モデルの出力を：周波数空間の中心を含まず、検査対象の検査領域の周波数空間における縮小された表現を提供するために特定されなかった第１の表現の一部、周波数空間の中心を含まず、検査対象の検査領域の周波数空間における縮小された表現を提供するために特定されなかった第２の表現の一部、または、それぞれ周波数空間の中心を含まず、検査対象の検査領域の周波数空間における縮小された表現を提供するために特定されなかった第１の表現の一部および第２の表現の一部で補足するように、予測機械学習モデルの補足された出力を提供するようにさらにプログラムまたは構成されており；ここで、予測機械学習モデルの出力を、検査対象の検査領域の実空間における予測された表現に変換するとき、少なくとも１つのプロセッサが：予測機械学習モデルの補足された出力を、検査対象の検査領域の実空間における予測された表現に変換するようにプログラムまたは構成されている、システム。
【0016】
第４項：第１～３項のいずれかに記載のシステムであって、ここで、医用画像技術の間に投与される造影剤の第１の量がゼロより多く、ここで、医用画像技術の間に投与される造影剤の第２の量が造影剤の第１の量より多い、システム。
【0017】
第５項：第１～３項のいずれかに記載のシステムであって、ここで、医用画像技術の間に投与される造影剤の第１の量がゼロであり、ここで、医用画像技術の間に投与される造影剤の第２の量が造影剤の第１の量よりも多い、システム。
【0018】
第６項：第１～５項のいずれかに記載のシステムであって、ここで、少なくとも１つのプロセッサが：放射線検査の第１の結果に関して、検査対象の検査領域の周波数空間における第１の表現を生成するように；および放射線検査の第２の結果に関して検査対象の検査領域の周波数空間における第２の表現を生成するようにさらにプログラムまたは構成されている、システム。
【0019】
第７項：第６項に記載のシステムであって、ここで、放射線検査は、磁気共鳴画像検査、コンピュータ断層撮影検査、または超音波検査である、システム。
【0020】
第８項：第６項に記載のシステムであって、放射線検査が、磁気共鳴画像検査であり、ここで、周波数空間における検査対象の検査領域の周波数空間における第１の表現を受信するとき、少なくとも１つのプロセッサは：検査対象の検査領域の磁気共鳴画像検査に関連する第１のｋ空間データを受信するようにプログラムまたは構成されており；および、ここで、周波数空間における検査対象の検査領域の周波数空間における第２の表現を受信するとき、少なくとも１つのプロセッサは：検査対象の検査領域の磁気共鳴画像検査に関連する第２のｋ空間データを受信するようにプログラムまたは構成されている、システム。
【0021】
第９項：第１～７項のいずれかに記載のシステムであって、ここで、周波数空間における検査対象の検査領域の周波数空間における第１の表現を受信するとき、少なくとも１つのプロセッサが、検査対象の検査領域の実空間における第１の表現を受信するように、ここで、実空間における第１の表現は、医用画像技術の間に投与される造影剤の量が無いか、または医用画像技術の間に投与される造影剤の第１の量を用いる検査領域の表現を含み；検査対象の検査領域の実空間における第１の表現を周波数空間における第１の表現に変換するようにプログラムまたは構成されており；ここで、周波数空間における検査対象の検査領域の周波数空間における第２の表現を受信するとき、少なくとも１つのプロセッサが、検査対象の検査領域の実空間における第２の表現を受信するように、ここで、実空間における第２の表現は、医用画像技術の間に投与される造影剤の第２の量を用いる検査領域の表現を含み、ここで、造影剤の第２の量は、造影剤の第１の量とは異なり；検査対象の検査領域の実空間における第１の表現を周波数空間における第１の表現に変換するようにプログラムまたは構成されている、システム。
【0022】
第１０項：第１～９項のいずれかに記載のシステムであって、ここで、少なくとも１つのプロセッサはさらに、訓練データセットに基づいて予測機械学習モデルを訓練するようにプログラムまたは構成されており、ここで、訓練データセットは：複数の検査対象の各検査対象についての検査領域の周波数空間における参照表現のセットを備え、検査対象の検査領域の参照表現の各セットが：検査対象の検査領域の周波数空間における第１の参照表現；検査対象の検査領域の周波数空間における第２の参照表現；および検査対象の検査領域の周波数空間における第３の参照表現を備え；および、ここで、第１の参照表現は、医用画像技術の間に投与される造影剤の量が無いか、または医用画像技術の間に投与される造影剤の第１の量を用いる検査領域の周波数空間における参照表現を含み；ここで、第２の参照表現は、医用画像技術の間に投与される造影剤の第２の量を用いる検査領域の周波数空間における参照表現を含み；ここで、第３の参照表現は、医用画像技術の間に投与される造影剤の第３の量を用いる検査領域の周波数空間における参照表現を含む、システム。
【0023】
第１１項：第１０項に記載のシステムであって、ここで、予測機械学習モデルをトレーニングするとき、少なくとも１つのプロセッサは、誤差関数によって提供される誤差の量を最小化するようにプログラムまたは構成されており、ここで、誤差関数は、医用画像技術の間に投与される造影剤の第３の量を用いる検査対象の検査領域の周波数空間における表現の予測と、検査対象の検査領域の周波数空間における第３の参照表現との間の偏差を定量化する、システム。
【0024】
第１２項：第１～１１項のいずれかに記載のシステムであって、ここで、少なくとも１つのプロセッサはさらに、訓練データセットに基づいて予測機械学習モデルを訓練するようにプログラムまたは構成されており、ここで、訓練データセットは、複数の検査対象の各検査対象についての検査領域の周波数空間における縮小された参照表現のセットを含み、検査対象の検査領域の縮小された参照表現の各セットは：検査対象の検査領域の周波数空間における第１の縮小された参照表現；検査対象の検査領域の周波数空間における第２の縮小された参照表現；および検査対象の検査領域の周波数空間における第３の縮小された参照表現を含み；および、ここで、第１の縮小された参照表現は、周波数空間の中心を含む検査領域の周波数空間における第１の参照表現の一部の参照表現を含み、ここで、第１の参照表現は、医用画像技術の間に投与される造影剤の量が無いか、または医用画像技術の間に投与される造影剤の第１の量を用いる検査領域の参照表現を含み；ここで、第２の縮小された参照表現は、周波数空間の中心を含む検査領域の周波数空間における第２の参照表現の一部の参照表現を含み、ここで、第２の参照表現は、医用画像技術の間に投与される造影剤の第２の量を用いる検査領域の参照表現を含み；ここで、第３の縮小された参照表現は、周波数空間の中心を含む検査領域の周波数空間における第３の参照表現の一部の参照表現を含み、ここで、第３の参照表現は、医用画像技術の間に投与される造影剤の第３の量を用いる検査領域の参照表現を含む、システム。
【0025】
第１３項：第１２項に記載のシステムであって、ここで、予測機械学習モデルを訓練するとき、少なくとも１つのプロセッサは、誤差関数によって提供されるエラーの量を最小化するようにプログラムまたは構成されており、ここで、誤差関数は、医用画像技術の間に投与される造影剤の第３の量を用いる検査対象の検査領域の周波数空間における縮小された表現の予測と検査致対象の検査領域の周波数空間における第３の縮小された参照表現の間の偏差を定量化する、システム。
【0026】
第１４項：造影剤を要する医用画像技術を用いて生成された検査領域の表現の予測を提供するためのコンピュータプログラム製品であって、少なくとも１つのプロセッサによって実行されるとき、少なくとも１つのプロセッサに：検査対象の検査領域の周波数空間における第１の表現を受信させ、ここで、第１の表現は、医用画像技術の間に投与される造影剤の量が無いか、または医用画像技術の間に投与される造影剤の第１の量を用いる検査領域の表現を含み；検査対象の検査領域の周波数空間における第２の表現を受信させ、ここで、第２の表現は、医用画像技術の間に投与される造影剤の第２の量を用いる検査領域の表現を含み、ここで、造影剤の第２の量は、造影剤の第１の量とは異なり；予測機械学習モデルへの入力を提供させ、ここで、予測機械学習モデルへの入力は、第１の表現の少なくとも一部および第２の表現の少なくとも一部を含み、ここで、予測機械学習モデルは、出力として、医用画像技術の間に投与される造影剤の第３の量を用いる検査領域の周波数空間における表現の予測を提供するように構成されている訓練された機械学習モデルを含み、ここで、造影剤の第３の量は、造影剤の第１の量および造影剤の第２の量よりも多く；入力に基づく予測機械学習モデルの出力を受信させ；予測機械学習モデルの出力を、検査の検査領域の実空間における予測された表現に変換させ；および検査対象の検査領域の実空間における予測された表現を提供させる１つ以上の命令を含む少なくとも１つの非一時的なコンピュータ可読媒体を含む、コンピュータプログラム製品。
【0027】
第１５項：第１４項に記載のコンピュータプログラム製品であって、ここで、１つ以上の命令はさらに、少なくとも１つのプロセッサに、周波数空間の中心を含む第１の表現の一部、周波数空間の中心を含む第２の表現の一部、またはそれぞれが周波数空間の中心を含む第１の表現の一部および第２の表現の一部を特定させ、検査対象の検査領域の周波数空間における縮小された表現を提供させ；ここで、予測機械学習モデルへの入力は、検査対象の検査領域の周波数空間における縮小された表現を含み；およびここで、少なくとも１つのプロセッサに、予測機械学習モデルへの入力を提供させる１つ以上の命令は、少なくとも１つのプロセッサに、予測機械学習モデルへの入力として、検査対象の検査領域の周波数空間における低減表現を提供させる、コンピュータプログラム製品。
【0028】
第１６項：第１５項に記載のコンピュータプログラム製品であって、ここで、１つ以上の命令はさらに、少なくとも１つのプロセッサに；予測機械学習モデルの出力を：周波数空間の中心を含まず、および検査対象の検査領域の周波数空間における縮小された表現を提供するために特定されなかった第１の表現の一部、周波数空間の中心を含まず、および検査対象の検査領域の周波数空間における縮小された表現を提供するために特定されなかった第２の表現の一部、または、それぞれが周波数空間の中心を含まず、および検査対象の検査領域の周波数空間における縮小された表現を提供するために特定されなかった第１の表現の一部および第２の表現の一部で補足させ；予測機械学習モデルの補足された出力を提供させ；ここで、少なくとも１つのプロセッサに、予測機械学習モデルの出力を検査対象の検査領域の実空間における予測された表現に変換させる１つ以上の命令は、少なくとも１つのプロセッサに：予測機械学習モデルの補足された出力を、検査対象の検査領域の実空間における予測された表現に変換させる、コンピュータプログラム製品。
【0029】
第１７項：第１４～１６項のいずれかに記載のコンピュータプログラム製品であって、ここで、医用画像技術の間に投与される造影剤の第１の量は、ゼロより多く、ここで、医用画像技術の間に投与される造影剤の第２の量は、造影剤の第１の量より大きい、コンピュータプログラム製品。
【0030】
第１８項：第１４～１６項のいずれかに記載のコンピュータプログラム製品であって、ここで、医用画像技術の間に投与される造影剤の第１の量は、ゼロであり、ここで、医用画像技術の間に投与される造影剤の第２の量は、造影剤の第１の量よりも多い、コンピュータプログラム製品。
【0031】
第１９項：第１４～１８項のいずれかに記載のコンピュータプログラム製品であって、ここで、１つ以上の命令はさらに、少なくとも１つのプロセッサに：放射線検査の第１の結果に関して、検査対象の検査領域の周波数空間における第１の表現を生成させ；および放射線検査の第２の結果に関する検査対象の検査領域の周波数空間における第２の表現を生成させる、コンピュータプログラム製品。
【0032】
第２０項：第１９項に記載のコンピュータプログラム製品であって、ここで、放射線検査は、磁気共鳴画像検査、コンピュータ断層撮影検査、または超音波検査である、コンピュータプログラム製品。
【0033】
第２１項：第１９項に記載のコンピュータプログラム製品であって、ここで、放射線検査は、磁気共鳴画像検査であり、ここで、少なくとも１つのプロセッサに、検査対象の検査領域の周波数空間における第１の表現を受信させる１つ以上の命令は、少なくとも１つのプロセッサに：検査対象の検査領域の磁気共鳴画像検査に関連する第１のｋ空間データを受信させ；およびここで、少なくとも１つのプロセッサに、検査対象の検査領域の周波数空間における第２の表現を受信させる１つ以上の命令は、少なくとも１つのプロセッサに：検査対象の検査領域の磁気共鳴画像検査に関連する第２のｋ空間データを受信させる、コンピュータプログラム製品。
【0034】
第２２項：第１４～２０項のいずれかに記載のコンピュータプログラム製品であって、ここで、少なくとも１つのプロセッサに、検査対象の検査領域の周波数空間における第１の表現を受信させる１つ以上の命令は、少なくとも１つのプロセッサに：検査対象の検査領域の実空間における第１の表現を受信させ、ここで、実空間における第１の表現は、医用画像技術の間に投与される造影剤の量が無いか、または医用画像技術の間に投与される造影剤の第１の量を用いる検査領域の表現を含み；検査対象の検査領域の実空間の第１の表現を周波数空間における第１の表現に変換させ；およびここで、少なくとも１つのプロセッサに、検査対象の検査領域の周波数空間における第２の表現を受信させる１つ以上の命令は、少なくとも１つのプロセッサに：検査対象の検査領域の実空間における第２の表現を受信させ、ここで、実空間における第２の表現は、医用画像技術の間に投与される造影剤の第２の量を用いる検査領域の第２の表現を含み、ここで、造影剤の第２の量は、造影剤の第１の量とは異なり；検査対象の検査領域の実空間における第１の表現を周波数空間における第１の表現に変換する、コンピュータプログラム製品。
【0035】
第２３項：第１４～２２項のいずれかに記載のコンピュータプログラム製品であって、ここで、１つ以上の命令がさらに、少なくとも１つのプロセッサに、訓練データセットに基づいて予測機械学習モデルを訓練させ、ここで、訓練データセットは：複数の検査対象の各検査対象についての検査領域の周波数空間における参照表現のセットを含み、検査対象の検査領域の参照表現の各セットは：検査対象の検査領域の周波数空間における第１の参照表現と；検査対象の検査領域の周波数空間における第２の参照表現と；および検査対象の検査領域の周波数空間における第３の参照表現を含み；および、ここで、周波数空間における第１の参照表現は、医用画像技術の間に投与される造影剤の量が無いか、または医用画像技術の間に投与される造影剤の第１の量を用いる検査領域の参照表現を含み；ここで、周波数空間における第２の参照表現は、医用画像技術の間に投与される造影剤の第２の量を用いる検査領域の参照表現を含み；ここで、周波数空間における第３の参照表現は、医用画像技術の間に投与される造影剤の第３の量を用いる検査領域の参照表現を含む、コンピュータプログラム製品。
【0036】
第２４項：第２３項に記載のコンピュータプログラム製品であって、ここで、少なくとも１つのプロセッサに、予測機械学習モデルを訓練させる１つ以上の命令は、少なくとも１つのプロセッサに：誤差関数によって提供される誤差の量を最小化させ、ここで、誤差関数は、医用画像技術の間に投与される造影剤の第３の量を用いる検査対象の検査領域の周波数空間における表現の予測と、検査対象の検査領域の周波数空間における第３の参照表現との間の偏差を定量化する、コンピュータプログラム製品。
【0037】
第２５項：第１４～２４項のいずれかに記載のコンピュータプログラム製品であって、ここで、１つ以上の命令はさらに、少なくとも１つのプロセッサに：訓練データセットに基づいて予測機械学習モデルを訓練させ、ここで、訓練データセットは：複数の検査対象の各検査対象についての検査領域の周波数空間における縮小された参照表現のセットを含み、検査対象の検査領域の縮小された参照表現の各セットは：検査対象の検査領域の周波数空間における第１の縮小された参照表現と；検査対象の検査領域の周波数空間における第２の縮小された参照表現と；および検査対象の検査領域の周波数空間における第３の縮小された参照表現を含み；および、ここで、第１の縮小された参照表現は、周波数空間の中心を含む検査領域の周波数空間における第１の参照表現の一部の参照表現を含み、ここで、第１の参照表現は、医用画像技術の間に投与される造影剤の量が無いか、または医用画像技術の間に投与される造影剤の第１の量を用いる検査領域の表現を含み；ここで、第２の縮小された参照表現は、周波数空間の中心を含む検査領域の周波数空間における第２の参照表現の一部の参照表現を含み、ここで、第２の参照表現は、医用画像技術の間に投与される造影剤の第２の量を用いる検査領域の参照表現を含み、ここで、第３の縮小された参照表現は、周波数空間の中心を含む検査領域の周波数空間における第３の参照表現の一部の参照表現を含み、ここで、第３の参照表現は、医用画像技術の間に投与される造影剤の第３の量を用いる検査領域の参照表現を含む、コンピュータプログラム製品。
【0038】
第２６項：第２５項に記載のコンピュータプログラム製品であって、ここで、少なくとも１つのプロセッサに、予測機械学習モデルを訓練させる１つ以上の命令は、少なくとも１つのプロセッサに：誤差関数によって提供される誤差の量を最小化させ、ここで、誤差関数は、医用画像技術の間に投与される造影剤の第３の量を用いる検査対象の検査領域の周波数空間における縮小された表現の予測と、検査対象の検査領域の周波数空間における第３の縮小された参照表現との間の偏差を定量化する、コンピュータプログラム製品。
【0039】
第２７項：造影剤を要する医用画像技術を使用して生成された検査領域の表現の予測を提供する方法であって：少なくとも１つのプロセッサによって、検査対象の検査領域の周波数空間における第１の表現を受信すること、ここで、第１の表現は、医用画像技術の間に投与される造影剤の量が無いか、または医用画像技術の間に投与される造影剤の第１の量を用いる検査領域の表現を含み；少なくとも１つのプロセッサによって、検査対象の検査領域の周波数空間における第２の表現を受信すること、ここで、第２の表現は、医用画像技術の間に投与される造影剤の第２の量を用いる検査領域の表現を含み、ここで、造影剤の第２の量は、造影剤の第１の量とは異なり；少なくとも１つのプロセッサによって、入力を予測機械学習モデルへ提供すること、ここで、予測機械学習モデルへの入力は、第１の表現の少なくとも一部および第２の表現の少なくとも一部を含み、ここで、予測機械学習モデルは、出力として、医用画像技術の間に投与される造影剤の第３の量を用いる検査領域の周波数空間における表現の予測を提供するように構成されている訓練された機械学習モデルを含み、ここで、造影剤の第３の量は、造影剤の第１の量および造影剤の第２の量よりも多く；少なくとも１つのプロセッサによって、入力に基づく予測機械学習モデルの出力を受信すること；少なくとも１つのプロセッサによって、予測機械学習モデルの出力を、検査対象の検査領域の実空間における予測された表現に変換すること；および、少なくとも１つのプロセッサによって、検査対象の検査領域の実空間における予測された表現を提供することを含む、方法。
【0040】
第２８項：第２７項に記載の方法であって、周波数空間の中心を含む第１の表現の一部、周波数空間の中心を含む第２の表現の一部、またはそれぞれが周波数空間の中心を含む第１の表現の一部および第２の表現の一部を特定すること、検査対象の検査領域の周波数空間における縮小された表現を提供することをさらに含み；ここで、予測機械学習モデルへの入力は、検査対象の検査領域の周波数空間における縮小された表現を含み；および、ここで、予測機械学習モデルへの入力を提供することは：検査対象の検査領域の周波数空間における縮小された表現を入力として予測機械学習モデルを提供することを含む、方法。
【0041】
第２９項：第２８項に記載の方法であって：周波数空間の中心を含まず、検査対象の検査領域の周波数空間における縮小された表現を提供するために特定されなかった第１の表現の一部、周波数空間の中心を含まず、検査対象の検査領域の周波数空間における縮小された表現を提供するために特定されなかった第２の表現の一部、またはそれぞれが周波数空間の中心を含まず、検査対象の検査領域の周波数空間における縮小された表現を提供するために特定されなかった第１の表現の一部および第２の表現の一部を用いて、予測機械学習モデルの出力を補足すること；予測機械学習モデルの補足された出力を提供することを含み；ここで、予測機械学習モデルの出力を、検査対象の検査領域の実空間における表現に変換することは、予測機械学習モデルの補足された出力を、検査対象の検査領域の実空間における表現に変換することを含む、方法。
【0042】
第３０項：第２７～２９項のいずれかに記載の方法であって、ここで、医用画像技術の間に投与される造影剤の第１の量は、ゼロより多く、ここで、医用画像技術の間に投与される造影剤の第２の量は、造影剤の第１の量より多い、方法。
【0043】
第３１項：第２７～２９項のいずれかに記載の方法であって、ここで、医用画像技術の間に投与される造影剤の第１の量がゼロであり、医用画像技術の間に投与される造影剤の第２の量が、造影剤の第１の量よりも大きい、方法。
【0044】
第３２項：第２７～３１項のいずれかに記載の方法であって：放射線検査の第１の結果に関して、検査対象の検査領域の周波数空間における第１の表現を生成すること；および、放射線検査の第２の結果に関して、検査対象の検査領域の周波数空間における第２の表現を生成することをさらに含む、方法。
【0045】
第３３項：第３２項に記載の方法であって、ここで、放射線検査が、磁気共鳴画像検査、コンピュータ断層撮影検査、または超音波検査である、方法。
【0046】
第３４項：第３２項に記載の方法であって、ここで、放射線検査は、磁気共鳴画像検査であり、ここで、検査対象の検査領域の周波数空間における第１の表現を受信することは：検査対象の検査領域の磁気共鳴画像検査に関連する第１のｋ空間データを受信することを含み；および、ここで、検査対象の検査領域の周波数空間における第２の表現を受信することは：検査対象の検査領域の磁気共鳴画像検査に関連する第２のｋ空間データを受信することを含む、方法。
【0047】
第３５項：第２７～３３項のいずれかに記載の方法であって、ここで、検査対象の検査領域の周波数空間における第１の表現を受信することは：検査対象の検査領域の実空間における第１の表現を受信することを含み、ここで、実空間における第１の表現は、医用画像技術の間に投与される造影剤の量が無いか、または医用画像技術の間に投与される造影剤の第１の量を用いる検査領域の表現を含み；検査対象の検査領域の実空間における第１の表現を周波数空間における第１の表現に変換することを含み；および、ここで、検査対象の検査領域の周波数空間における第２の表現を受信することは：検査対象の検査領域の実空間における第２の表現を受信することを含み、ここで、実空間における第２の表現は、医用画像技術の間に投与される造影剤の第２の量を用いる検査領域の表現を含み、ここで、造影剤の第２の量は、造影剤の第１の量とは異なり；検査対象の検査領域の実空間における第１の表現を周波数空間における第１の表現に変換することを含む、方法。
【0048】
第３６項：第２７～３５項のいずれかに記載の方法であって：訓練データセットに基づいて予測機械学習モデルを訓練することをさらに含み、ここで、訓練データセットは：複数の検査対象の各検査対象についての検査領域の周波数空間における参照表現のセットを含み、検査対象の検査領域の周波数空間における参照表現の各セットは：検査対象の検査領域の周波数空間における第１の参照表現と；検査対象の検査領域の周波数空間における第２の参照表現と；および；検査対象の検査領域の周波数空間における第３の参照表現とを含み；および、ここで、第１の参照表現は、医用画像技術の間に投与される造影剤の量が無いか、または医用画像技術の間に投与される造影剤の第１の量を用いる検査領域の参照表現を含み、；ここで、第２の参照表現は、医用画像技術の間に投与される造影剤の第２の量を用いる検査領域の参照表現を含み；ここで、第３の参照表現は、医用画像技術の間に投与される造影剤の第３の量を用いる検査領域の参照表現を含む、方法。
【0049】
第３７項：第３６項に記載の方法であって、ここで、予測機械学習モデルを訓練することは：誤差関数によって提供される誤差の量を最小化することを含み、ここで、誤差関数は、医用画像技術の間に投与される造影剤の第３の量を用いる検査対象の検査領域の周波数空間における表現の予測と、検査対象の検査領域の周波数空間における第３の参照表現との間の偏差を定量化する、方法。
【0050】
第３８項：第２７～３７項のいずれかに記載の方法であって：訓練データセットに基づいて予測機械学習モデルを訓練することをさらに含み、ここで、訓練データセットは：複数の検査対象の各検査対象についての検査領域の周波数空間における縮小された参照表現のセットを含み、検査対象の検査領域の周波数空間における縮小された参照表現の各セットは：検査対象の検査領域の周波数空間における第１の縮小された参照表現と；検査対象の周波数空間における第２の縮小された参照表現と；および、検査対象の検査領域の周波数空間における第３の縮小された参照表現を含み；および、ここで、第１の縮小された参照表現は、周波数空間の中心を含む検査領域の周波数空間における第１の参照表現の一部の参照表現を含み、ここで、第１の参照表現は、医用画像技術の間に投与される造影剤の量が無いか、または医用画像技術の間に投与される造影剤の第１の量を用いる検査領域の参照表現を含み；ここで、第２の縮小された参照表現は、周波数空間の中心を含む検査領域の周波数空間における第２の参照表現の一部の参照表現を含み、ここで、第２の参照表現は、医用画像技術の間に投与される第２の量お造影剤を用いる検査領域の参照表現を含み；ここで、第３の縮小された参照表現は、周波数空間の中心を含む検査領域の周波数空間における第３の参照表現の一部の参照表現を含み、ここで、第３の参照表現は、医用画像技術の間に投与される造影剤の第３の量を用いる検査領域の参照表現を含む、方法。
【0051】
第３９項：第３８項に記載の方法であって、ここで、予測機械学習モデルを訓練することは：誤差関数によって提供される誤差の量を最小化することを含み、ここで、誤差関数は、医用画像技術の間に投与される造影剤の第３の量を用いる検査対象の検査領域の周波数空間における縮小された表現の予測と、検査対象の検査領域の周波数空間における第３の縮小された参照表現との間の偏差を定量化する、方法。
【0052】
本開示のこれらおよび他の特徴および特性、ならびに操作方法および構造に関連する要素の機能、ならびに部分の組み合わせおよび製造の経済性は、添付の図面を参照しながら以下の説明および添付の特許請求の範囲を考慮するとより明らかになり、それらのすべてが本明細書の一部を形成し、同様の参照番号は様々な図中の対応する部分を示す。しかしながら、図面は例示および説明のみを目的とし、本開示の限界の定義として意図されていないことを明確に理解されたい。本明細書および特許請求の範囲で使用される場合、「ａ」、「ａｎ」、および「ｔｈｅ」の単数形は、文脈が明らかに別段の指示をしない限り、複数の指示対象を含む。
図面の簡単な説明
図面の簡単な説明
【0053】
非限定的な実施形態のさらなる利点および詳細は、添付の概略図に示される例示的な実施形態を参照して、以下でより詳細に説明される：
【図面の簡単な説明】
【0054】
【0055】
説明
【0056】
以下の説明のために、用語「端部（ｅｎｄ）」、「上部（ｕｐｐｅｒ）」、「下部（ｌｏｗｅｒ）」、「右（ｒｉｇｈｔ）」、「左（ｌｅｆｔ）」、「垂直（ｖｅｒｔｉｃａｌ）」、「水平（ｈｏｒｉｚｏｎｔａｌ）」、「上部（ｔｏｐ）」、「底部（ｂｏｔｔｏｍ）」、「横方向（ｌａｔｅｒａｌ）」、「縦方向（ｌｏｎｇｉｔｕｄｉｎａｌ）」、およびそれらの派生語は図面において方向付けられているように、本開示に関連するものとする。しかし、本開示は、明示的に反対の指定がある場合を除き、様々な代替の変形例およびステップシーケンスを想定し得ることを理解されたい。また、添付の図面に示され、以下の明細書に記載される特定のデバイスおよびプロセスは、単に本開示の例示的な実施形態または態様であることを理解されたい。したがって、本明細書に開示される実施形態または実施形態の態様に関連する特定の次元および他の物理的特性は、別段の指示がない限り、限定するものと見なされるべきではない。
【0057】
本明細書で使用される態様、コンポーネント、要素、構造、動作、ステップ、機能、命令、および／または同様のものは、そのように明示的に記載されない限り、重要または必須であると解釈されるべきではない。また、本明細書で使用される冠詞「ａ」および「ａｎ」は、１つ以上の項目を含むことが意図され、「１つ以上の」および「少なくとも１つの」と互換的に使用され得る。本明細書および特許請求の範囲で使用される場合、「ａ」、「ａｎ」、および「ｔｈｅ」の単数形は文脈が明らかに別段の指示をしない限り、複数の指示対象を含む。さらに、本明細書で使用される場合、「セット」および「グループ」という用語は１つ以上の項目（たとえば、関連項目、非関連項目、関連項目と非関連項目との組合せなど）を含むことを意図し、「１つ以上」または「少なくとも１つ」と互換的に使用され得る。１つの項目のみが意図される場合、用語「１つ」または同様の言語が使用される。また、本明細書で使用するとき、用語「有する（ｈａｓ）」、「有する（ｈａｖｅ）」、「有する（ｈａｖｉｎｇ）」などは、オープンエンドの用語であることが意図される。さらに、「～に基づいて」という語句は、別段の明示的な記載がない限り、「～に少なくとも部分的に基づいて」を意味することを意図する。さらに、「～に基づいて」という語句は、「～に応答して」を意味し、本明細書で適切に言及されるように、電子デバイス（たとえば、コントローラ、プロセッサ、コンピューティングデバイスなど）の指定された操作を自動的にトリガするための条件を示し得る。
【0058】
本明細書で使用される場合、用語「システム」は、限定はしないが、プロセッサ、サーバ、クライアントデバイス、ソフトウェアアプリケーション、および／または他の同様のコンポーネントなどの、１つ以上のコンピューティングデバイスまたはコンピューティングデバイスの組合せを指し得る。加えて、本明細書で使用される「サーバ」または「プロセッサ」への言及は、前のステップまたは機能を実行するものとして列挙された以前に列挙されたサーバおよび／またはプロセッサ、異なるサーバおよび／またはプロセッサ、ならびに／あるいはサーバおよび／またはプロセッサの組合せを指し得る。たとえば、本明細書および特許請求の範囲で使用されるように、第１のステップまたは機能を実行するものとして列挙される第１のサーバおよび／または第１のプロセッサは、第２のステップまたは機能を実行するものとして列挙される同じまたは異なるサーバおよび／またはプロセッサを指し得る。
【0059】
本明細書で使用される場合、「通信」および「通信する」という用語は、情報（たとえば、データ、信号、メッセージ、命令、コマンドなど）の受信（ｒｅｃｅｐｔｉｏｎ）、受信（ｒｅｃｅｉｐｔ）、送信、転送、提供などを指し得る。あるユニット（たとえば、デバイス、システム、デバイスまたはシステムのコンポーネント、それらの組合せ、および／または同様のもの）が別のユニットと通信するということは、一方のユニットが他方のユニットから情報を直接的または間接的に受信すること、および／または他方のユニットに情報を送信することができることを意味する。これは、本質的に有線および／または無線である直接的または間接的な接続を指し得る。さらに、２つのユニットは、送信される情報が第１のユニットと第２のユニットとの間で修正、処理、中継、および／またはルーティングされ得るとしても、互いに通信し得る。例えば、第１のユニットは、第１のユニットが情報を受動的に受信し、第２のユニットに情報を能動的に送信しない場合であっても、第２のユニットと通信することができる。別の例として、少なくとも１つの中間ユニット（たとえば、第１のユニットと第２のユニットとの間に位置する第３のユニット）が第１のユニットから受信された情報を処理し、処理された情報を第２のユニットに送信する場合、第１のユニットは第２のユニットと通信することができる。いくつかの非限定的な実施形態において、情報は、データを含むネットワークパケット（たとえば、データパケットなど）を指し得る。
【0060】
いくつかの非限定的な実施形態が、閾値に関連して本明細書に記載される。本明細書で使用されるように、閾値を満たすことは、閾値よりも大きい、閾値よりも多い、閾値よりも高い、閾値よりも大きいかまたはそれに等しい、閾値よりも小さい、閾値よりも少ない、閾値よりも低い、閾値よりも小さいかまたはそれに等しい、閾値に等しいなどである値を指し得る。
【0061】
いくつかの非限定的な実施形態において、機械学習モデルを、放射線画像の生成に使用される造影剤の量を低減する方法として使用することができる。例えば、プロセスの第１のステップの間に、訓練データセットが生成され得る。複数の個人（例えば、患者、人など）について、訓練データセットは個人ごとに、ネイティブ放射線画像（例えば、ゼロコントラスト画像など、医用画像技術の間に投与される造影剤の量が無しで生成される放射線画像）、造影剤の低量の投与（例えば、低コントラスト画像）に基づいて（例えば、後に）医用画像技術の間に生成される低コントラスト放射線画像、および造影剤の標準量の投与に基づいて医用画像技術の間に生成されるフルコントラスト放射線画像（例えば、フルコントラスト画像）を含み得る。第２のステップにおいて、人工ニューラルネットワークなどの機械学習モデルを訓練して、訓練データセットに含まれる各個人について、ネイティブ放射線画像および低コントラスト放射線画像に基づいて、造影剤の標準量の投与後の検査領域を示す、予測された放射線画像（例えば、人工放射線画像）を予測することができる。フルコントラスト放射線画像は、予測機械学習モデルを訓練するときに、参照（例えば、グラウンドトゥルース）として各個人に対して使用される。第３のステップにおいて、新たな個人について、訓練された機械学習モデルを使用して、ネイティブ放射線画像および低コントラスト放射線画像に基づいて、検査領域が、医用画像技術の間に造影剤の標準量が投与されたかに見えるように、新たな個人の検査領域を示す予測された放射線画像を予測することができる。同様のプロセスは、２０１８年１０月９日に出願された国際特許出願ＰＣＴ／ＵＳ２０１８／０５５０３４号に見出すことができ、その全体が参照により本明細書に組み込まれる。
【0062】
しかしながら、そのようなプロセスの間、ピクセル／ボクセルが互いに対応するように、異なる個人の個々の放射線画像を一致させるために、コレジストレーションが必要とされ得る。例えば、放射線画像のコレジストレーションは、個人からの検査領域の放射線画像の画像要素（例えば、ピクセルまたはボクセル）が、その個人からの検査領域の別の放射線画像の画像要素に対応する（例えば、同じものを示す）ように、必要とされ得る。放射線画像の画像要素が一致しない場合、アーチファクトが予測された放射線画像内に現れる可能性があり、検査領域内の解剖学的構造を覆ったり、歪めたり、および／またはシミュレートしたりする可能性がある。
【0063】
加えて、上述のプロセスは、予測機械学習モデルの訓練および予測された放射線画像の生成のために、完全な放射線画像の使用を必要とし得る。例えば、予測機械学習モデルの訓練および予測された放射線画像の生成は、造影剤の様々な量の投与後の完全な放射線画像の使用を必要とし得る。このようにして、予測された放射線画像を生成するための計算の複雑さは急速に増加し得る。さらに、予測された放射線画像の計算には、所望の時間内に計算を実行するために必要とされ得る高価なハードウェアとともに、多大な時間が必要とされ得る。さらに、完全な放射線画像は、サイズを部分領域（例えば、パッチ）に縮小する必要があり得、部分領域は過度に大きい放射線画像でコンピュータのメモリを過負荷にしないように、互いに別々に処理される必要があり得る。しかしながら、そのようなアプローチは、部分領域が互いに別々に処理され、完全な放射線画像（例えば、スティッチングアーチファクト）を形成するために再結合されるとき、境界面におけるアーチファクトにつながる可能性がある。そのようなスティッチングアーチファクトのその後の除去は、追加の計算リソースを必要とし得る。さらに、そのアプローチは、放射線科医によって誤って解釈される可能性がある予測された放射線画像におけるエラーのリスクを提供する可能性があり、完全な放射線画像に基づく誤診断のリスクを提供する可能性がある。
【0064】
造影剤を要する医用画像技術を使用して生成された検査領域の表現の予測を提供するための改善されたシステム、方法、およびコンピュータプログラム製品が提供される。本開示の実施形態は：検査対象の検査領域の周波数空間における第１の表現を受信し、ここで、第１の表現は、医用画像技術の間に投与される造影剤の量が無いか、または医用画像技術の間に投与される造影剤の第１の量を用いる検査領域の表現を含み、検査対象の検査領域の周波数空間における第２の表現を受信し、ここで、第２の表現は、医用画像技術の間に投与される造影剤の第２の量を用いる検査領域の表現を含み、ここで、造影剤の第２の量は、造影剤の第１の量とは異なり、予測機械学習モデルへの入力を提供するようにプログラムまたは構成されている少なくとも１つのプロセッサを備えるシステムを含んでいてもよく、ここで、予測機械学習モデルへの入力は、第１の表現の少なくとも一部および第２の表現の少なくとも一部を含み、ここで、予測機械学習モデルは、出力として、医用画像技術の間に投与される造影剤の第３の量を用いる検査領域の周波数空間における表現の予測を提供し、ここで、造影剤の第３の量は、造影剤の第１の量および造影剤の第２の量よりも多く、入力に基づく予測機械学習モデルの出力を受信し、予測機械学習モデルの出力を検査対象の検査領域の実空間における予測された表現に変換し、および実空間における検査対象の検査領域の予測された表現を提供するように構成されている訓練された機械学習モデルを備える。
【0065】
いくつかの非限定的な実施形態において、少なくとも１つのプロセッサはさらに：周波数空間の中心を含む第１の表現の一部、周波数空間の中心を含む第２の表現の一部、またはそれぞれが周波数空間の中心を含む第１の表現の一部および第２の表現の一部を特定し、検査対象の検査領域の周波数空間における縮小された表現を提供するようにプログラムまたは構成されており、ここで、予測機械学習モデルへの入力は、検査対象の検査領域の周波数空間における縮小された表現を含み、および、ここで、予測機械学習モデルに入力が提供されるとき、少なくとも1つのプロセッサは、予測機械学習モデルへの入力として、検査対象の検査領域の周波数空間における縮小された表現を提供するようにプログラムまたは構成されている。いくつかの非限定的な実施形態において、少なくとも１つのプロセッサはさらに、予測機械学習モデルの出力を、周波数空間の中心を含まず、検査対象の検査領域の周波数空間における縮小された表現を提供するために選択されなかった第１の表現の一部、周波数空間の中心を含まず、検査対象の検査領域の周波数空間における縮小された表現を提供するために選択されなかった第２の表現の一部、またはそれぞれが周波数空間の中心を含まず、検査対象の検査領域の周波数空間における縮小された表現を提供するために選択されなかった第１の表現の一部および第２の表現の一部により補足し、予測機械学習モデルの補足された出力を提供するようにプログラムまたは構成されており、ここで、予測機械学習モデルの出力を実空間における検査対象の検査領域の予測された表現に変換するとき、少なくとも１つのプロセッサは、予測機械学習モデルの補足された出力を、検査対象の検査領域の実空間における予測された表現に変換するようにプログラムまたは構成されている。
【0066】
いくつかの非限定的な実施形態において、医用画像技術の間に投与される造影剤の第１の量は、ゼロより多く、ここで、医用画像技術の間に投与される造影剤の第２の量は、造影剤の第１の量より多い。
【0067】
いくつかの非限定的な実施形態において、医用画像技術の間に投与される造影剤の第１の量は、ゼロであり、ここで、医用画像技術の間に投与される造影剤の第２の量は、造影剤の第１の量よりも多い（すなわち、ゼロよりも多い）。
【0068】
いくつかの非限定的な実施形態において、少なくとも１つのプロセッサはさらに、放射線検査の第１の結果に関して、検査対象の検査領域の周波数空間における第１の表現を生成し、放射線検査の第２の結果に関して検査対象の検査領域の周波数空間における第２の表現を生成するようにプログラムまたは構成されている。いくつかの非限定的な実施形態において、放射線検査は、磁気共鳴画像検査、コンピュータ断層撮影検査、または超音波検査である。
【0069】
いくつかの非限定的な実施形態において、周波数空間における検査対象の検査領域の周波数空間における第１の表現を受信するとき、少なくとも１つのプロセッサは、検査対象の検査領域の磁気共鳴画像（ＭＲＩ）検査に関連する第１のｋ空間データを受信するようにプログラムまたは構成されており、および、ここで、周波数空間における検査対象の検査領域の周波数空間における第２の表現を受信するとき、少なくとも１つのプロセッサは、検査対象の検査領域のＭＲＩ検査に関連する第２のｋ空間データを受信するようにプログラムまたは構成されている。
【0070】
いくつかの非限定的な実施形態において、周波数空間における検査対象の検査領域の周波数空間における第１の表現を受信するとき、少なくとも１つのプロセッサは：検査対象の検査領域の実空間における第１の表現を受信し、ここで、実空間における第１の表現は、医用画像技術の間に投与される造影剤の第１の量が無いか、または医用画像技術の間に投与される造影剤の第１の量を用いる検査領域の表現を含み；検査対象の検査領域の実空間における第１の表現を周波数空間における第１の表現に変換するようにプログラムまたは構成されており；および、ここで、周波数空間における検査対象の検査領域の周波数空間における第２の表現を受信するとき、少なくとも１つのプロセッサは：検査対象の検査領域の実空間における第２の表現を受信し、ここで、実空間における第２の表現は、医用画像技術の間に投与される造影剤の第２の量を用いる検査領域の表現を含み、ここで、造影剤の第２の量は、造影剤の第１の量とは異なり；検査対象の検査領域の実空間における第１の表現を周波数空間における第１の表現に変換するようにプログラムまたは構成されている。
【0071】
いくつかの非限定的な実施形態において、少なくとも１つのプロセッサはさらに、訓練データセットに基づいて予測機械学習モデルを訓練しするようにさらにプログラムまたは構成されており、ここで、訓練データセットは、複数の検査対象の各検査対象についての検査領域の周波数空間における参照表現のセットを含み、検査対象の検査領域の参照表現の各セットは、検査対象の検査領域の周波数空間における第１の参照表現と、検査対象の検査領域の周波数空間における第２の参照表現と、および検査対象の検査領域の周波数空間における第３の参照表現を含み、および、ここで、第１の参照表現は、医用画像技術の間に投与される造影剤の量が無いか、または医用画像技術の間に投与される造影剤の第１の量を用いる検査領域の参照表現を含み、ここで、第２の参照表現は、医用画像技術の間に投与される造影剤の第２の量を用いる検査領域の参照表現を含み、および、ここで、第３の参照表現は、医用画像技術の間に投与される造影剤の第３の量を用いる検査領域の参照表現を含む。
【0072】
いくつかの非限定的な実施形態において、予測機械学習モデルを訓練するとき、少なくとも１つのプロセッサは、誤差関数によって提供される誤差の量を最小化するようにプログラムまたは構成されており、ここで、誤差関数は、医用画像技術の間に投与される造影剤の第３の量を用いる検査対象の検査領域の周波数空間における表現の予測と、検査対象の検査領域の周波数空間における第３の参照表現との間の偏差を定量化する。
【0073】
いくつかの非限定的な実施形態において、少なくとも１つのプロセッサはさらに、訓練データセットに基づいて予測機械学習モデルを訓練するようにプログラムまたは構成されており、ここで、訓練データセットは、複数の検査対象の各検査対象についての検査領域の周波数空間における縮小された参照表現のセットを含み、検査対象の検査領域の縮小された参照表現の各セットは、検査対象の検査領域の周波数空間における第１の縮小された参照表現と、検査対象の検査領域の周波数空間における第２の縮小された参照表現と、および検査対象の検査領域の周波数空間における第３の縮小された参照表現を含み、および、ここで、第１の縮小縮小された参照表現は、周波数空間の中心を含む検査領域の周波数空間における第１の参照表現の一部の参照表現を含み、ここで、第１の参照表現は、医用画像技術の間に投与される造影剤の量が無いか、または医用画像技術の間に投与される造影剤の第１の量を用いる検査領域の参照表現を含み、ここで、第２の縮小された参照表現は、周波数空間の中心を含む検査領域の周波数空間における第２の参照表現の一部の参照表現を含み、ここで、第２の参照表現は、医用画像技術の間に投与される造影剤の第２の量を用いる検査領域の参照表現を含み、ここで、第３の縮小された参照表現は、周波数空間の中心を含む検査領域の周波数空間における第３の参照表現の一部の参照表現を含み、ここで、第３の参照表現は、医用画像技術の間に投与される造影剤の第３の量を用いる検査領域の参照表現を含む。
【0074】
いくつかの非限定的な実施形態において、予測機械学習モデルを訓練するとき、少なくとも１つのプロセッサは、誤差関数によって提供される誤差の量を最小化するようにプログラムまたは構成されており、ここで、誤差関数は、医用画像技術の間に投与される造影剤の第３の量を用いる検査対象の検査領域の周波数空間における縮小された表現の予測と、検査対象の検査領域の周波数空間における第３の縮小された参照表現との間の偏差を定量化する。
【0075】
このようにして、システムは、検査対象の検査領域の実空間における表現を提供するために造影剤の使用を低減する、検査対象の検査領域の実空間における予測された表現を提供することができる。さらに、システムは、アーチファクト、特にスティッチングアーチファクトのリスクを回避することができるように、コレジストレーションにおけるエラーに対して耐性のある方法で、検査対象の検査領域の実空間における予測された表現を提供することができる。加えて、システムは、出力として、医用画像技術の間に投与される造影剤の特定の量を用いる検査領域の周波数空間における表現の予測を提供するように構成されている機械学習モデルを使用しないシステムよりも、予測された表現を提供するために必要なコンピューティングリソースがより少なくなり得、およびシステムは、計算の複雑さをシステムのハードウェア構成に適合されることを可能にし得る。さらに、実空間における予測された表現を提供するために検査対象の検査領域の周波数空間における縮小された表現を使用することにより、および／または機械学習モデルを訓練するために検査対象の検査領域の周波数空間における縮小された参照表現を使用することにより、システムは、実空間における予測された表現を提供するために検査対象の検査領域の周波数空間における縮小された表現を使用しないシステムまたは機械学習モデルを訓練するための検査対象の検査領域の周波数空間における縮小された参照表現を使用しないシステムと比較して、実空間における予測された表現を提供する提供するために、および／または機械学習モデルを訓練するために必要とされる時間の量を縮小し得る。
【0076】
ここで、図１（ＦＩＧ．１）を参照すると、図１は、本明細書で説明されるデバイス、システム、方法、および／またはコンピュータプログラム製品が実装され得る環境１００の非限定的な実施形態の図である。図１に示すように、環境１００は、放射線機械学習システム１０２と、医用画像システム１０４と、およびユーザデバイス１０６とを含む。いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、通信ネットワーク１０８を介して医用画像システム１０４および／またはユーザデバイス１０６と相互接続（例えば、通信するための接続を確立するなど）することができる。いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、有線接続、無線接続、または有線接続と無線接続との組合せを介して、医用画像システム１０４、およびユーザデバイス１０６と相互接続し得る。
【0077】
放射線機械学習システム１０２は、通信ネットワーク１０８を介して医用画像システム１０４および／またはユーザデバイス１０６と通信するように構成されている１つ以上のコンピューティングデバイスを含み得る。例えば、放射線機械学習システム１０２は、サーバ、サーバのグループ、および／または他の同様のデバイスを含むことができる。いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、医用画像システム１０４のコンポーネントであってもよい。いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、クラウドコンピューティングシステムを含むことができる。
【0078】
医用画像システム１０４は、通信ネットワーク１０８を介して放射線機械学習システム１０２および／またはユーザデバイス１０６と通信することが可能な１つ以上のコンピューティングデバイスを含み得る。例えば、医用画像システム１０４は、通信ネットワーク１０８を介して通信することができ、および造影剤（例えば、放射線造影剤）の使用を含む医用画像手順を実行することができる、ＣＴスキャナーおよび／またはＭＲＩスキャナーなどの１つ以上のスキャナーを含むことができる。
【0079】
ユーザデバイス１０６は、通信ネットワーク１０８を介して放射線機械学習システム１０２および／または医用画像システム１０４と通信するように構成されている１つ以上のコンピューティングデバイスを含み得る。たとえば、ユーザデバイス１０６は、デスクトップコンピュータ（たとえば、サーバと通信するクライアントデバイス）および／またはラップトップ、タブレット、スマートフォンなどのポータブルコンピュータを含み得る。いくつかの非限定的な実施形態または態様において、ユーザデバイス１０６は、ユーザ（たとえば、デバイスを操作する個人）に関連付けられ得る。
【0080】
通信ネットワーク１０８は、１つ以上の有線および／または無線ネットワークを含むことができる。たとえば、通信ネットワーク１０８は、セルラーネットワーク（たとえば、ロングタームエボリューション（ＬＴＥ）ネットワーク、第３世代（３Ｇ）ネットワーク、第４世代（４Ｇ）ネットワーク、第５世代（５Ｇ）ネットワーク、符号分割多元接続（ＣＤＭＡ）ネットワークなど）、ローカルエリアネットワーク（ＬＡＮ）、ワイドエリアネットワーク（ＷＡＮ）、ワイヤレスＬＡＮ（ＷＬＡＮ）、プライベートネットワーク、アドホックネットワーク、イントラネット、インターネット、光ファイバベースのネットワーク、イーサネット（Ｅｔｈｅｒｎｅｔ）ネットワーク、ユニバーサルシリアルバス（ＵＳＢ）ネットワーク、クラウドコンピューティングネットワークなど、および／またはこれらのもしくは他のタイプのネットワークのいくつかもしくはすべての組合せを含み得る。
【0081】
図１に示されるシステムおよび／またはデバイスの数および配置は、一例として提供される。追加のシステムおよび／またはデバイス、より少ないシステムおよび／またはデバイス、異なるシステムおよび／またはデバイス、または図１に示されるものとは異なるように配置されたシステムおよび／またはデバイスがあってもよい。さらに、図１に示される２つ以上のシステムおよび／またはデバイスは、単一のシステムまたは単一のデバイス内に実装されてもよく、または図１に示される単一のシステムまたは単一のデバイスは、複数の分散システムまたはデバイスとして実装されてもよい。追加または代替として、環境１００のシステムのセットまたはデバイスのセット（たとえば、１つ以上のシステム、１つ以上のデバイス）は、環境１００のシステムの別のセットまたはデバイスの別のセットによって実行されるものとして説明される１つ以上の機能を実行し得る。
【0082】
ここで、図２（ＦＩＧ．２）を参照すると、図２は、デバイス２００の例示的なコンポーネントの図である。デバイス２００は、放射線機械学習システム１０２、医用画像システム１０４、および／またはユーザデバイス１０６に対応し得る。いくつかの非限定的な実施形態において、放射線機械学習システム１０２、医用画像システム１０４、および／またはユーザデバイス１０６は、少なくとも１つのデバイス２００および／またはデバイス２００の少なくとも１つのコンポーネントを含み得る。図２に示すように、デバイス２００は、バス２０２と、プロセッサ２０４と、メモリ２０６と、ストレージコンポーネント２０８と、入力コンポーネント２１０と、出力コンポーネント２１２と、および通信インターフェース２１４とを含み得る。
【0083】
バス２０２は、デバイス２００のコンポーネント間の通信を可能にするコンポーネントを含み得る。いくつかの非限定的な実施形態において、プロセッサ２０４は、ハードウェア、ソフトウェア、またはハードウェアとソフトウェアとの組合せで実装され得る。例えば、プロセッサ２０４は、プロセッサ（例えば、中央処理装置（ＣＰＵ）、画像処理装置（ＧＰＵ）、加速処理装置（ＡＰＵ）など）、マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ）、および／または機能を実行するようにプログラムされ得る任意の処理コンポーネント（例えば、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、特定用途向け集積回路（ＡＳＩＣ）など）を含み得る。メモリ２０６は、プロセッサ２０４によって使用するための情報および／または命令を記憶する、ランダムアクセスメモリ（ＲＡＭ）、読取り専用メモリ（ＲＯＭ）、および／または別のタイプの動的または静的記憶デバイス（たとえば、フラッシュメモリ、磁気メモリ、光メモリなど）を含み得る。
【0084】
ストレージコンポーネント２０８は、デバイス２００の操作および使用に関連する情報および／またはソフトウェアを記憶し得る。例えば、ストレージコンポーネント２０８は、ハードディスク（例えば、磁気ディスク、光ディスク、光磁気ディスク、ソリッドステートディスクなど）、コンパクトディスク（ＣＤ）、デジタル多用途ディスク（ＤＶＤ）、フロッピーディスク、カートリッジ、磁気テープ、および／または別のタイプのコンピュータ可読媒体を、対応するドライブとともに含み得る。
【0085】
入力コンポーネント２１０は、ユーザ入力（たとえば、タッチスクリーンディスプレイ、キーボード、キーパッド、マウス、ボタン、スイッチ、マイクロフォン、カメラなど）を介してなど、デバイス２００が情報を受信することを可能にするコンポーネントを含み得る。追加または代替として、入力コンポーネント２１０は、情報を感知するためのセンサ（たとえば、全地球測位システム（ＧＰＳ）コンポーネント、加速度計、ジャイロスコープ、アクチュエータなど）を含み得る。出力コンポーネント２１２は、デバイス２００（たとえば、ディスプレイ、スピーカ、１つ以上の発光ダイオード（ＬＥＤ）など）からの出力情報を提供するコンポーネントを含み得る。
【0086】
通信インターフェース２１４は、デバイス２００が有線接続、ワイヤレス接続、または有線接続とワイヤレス接続との組合せなどを介して、他のデバイスと通信することを可能にする、トランシーバのようなコンポーネント（たとえば、トランシーバ、別個の受信機および送信機など）を含み得る。通信インターフェース２１４は、デバイス２００が別のデバイスから情報を受信すること、および／または別のデバイスに情報を提供することを可能にし得る。例えば、通信インターフェース２１４は、イーサネット（Ｅｔｈｅｒｎｅｔ）インターフェース、光インターフェース、同軸インターフェース、赤外線インターフェース、高周波（ＲＦ）インターフェース、ユニバーサルシリアルバス（ＵＳＢ）インターフェース、Ｗｉ－Ｆｉ（登録商標）インターフェース、セルラーネットワークインターフェースなどを含むことができる。
【0087】
デバイス２００は、本明細書で説明する１つ以上のプロセスを実行することができる。デバイス２００は、メモリ２０６および／またはストレージコンポーネント２０８などのコンピュータ可読媒体に記憶されたソフトウェア命令を実行するプロセッサ２０４に基づいて、これらのプロセスを実行し得る。コンピュータ可読媒体（たとえば、非一時的なコンピュータ可読媒体）は、本明細書では非一時的メモリデバイスとして定義される。非一時的メモリデバイスは、単一の物理ストレージデバイスの内部に配置されたメモリ空間、または複数の物理ストレージデバイスにわたって拡散されたメモリ空間を含み得る。
【0088】
ソフトウェア命令は、別のコンピュータ可読媒体から、または通信インターフェース２１４を介して別のデバイスから、メモリ２０６および／またはストレージコンポーネント２０８に読み込まれ得る。実行されると、メモリ２０６および／またはストレージコンポーネント２０８に記憶されたソフトウェア命令は、プロセッサ２０４に、本明細書に記載された１つ以上のプロセスを実行させ得る。追加または代替として、本明細書に記載された１つ以上のプロセスを実行するために、ソフトウェア命令の代わりに、またはソフトウェア命令と組み合わせて、ハードワイヤード回路を使用することができる。したがって、本明細書に記載された実施形態または態様は、ハードウェア回路およびソフトウェアのいずれの特定の組合せに限定されない。
【0089】
メモリ２０６および／またはストレージコンポーネント２０８は、データストレージまたは１つ以上のデータ構造（たとえば、データベースおよび／または同様のもの）を含み得る。デバイス２００は、メモリ２０６および／またはストレージコンポーネント２０８内のデータストレージまたは１つ以上のデータ構造、から情報を取り出すこと、に情報を記憶すること、または、に記憶された情報を検索することが可能であり得る。
【0090】
図２に示されるコンポーネントの数および配置は、一例として提供される。いくつかの非限定的な実施形態において、デバイス２００は、図２に示されるものよりも追加のコンポーネント、より少ないコンポーネント、異なるコンポーネント、または異なるように配置されたコンポーネントを含み得る。追加または代替として、デバイス２００のコンポーネントのセット（たとえば、１つ以上のコンポーネント）は、デバイス２００のコンポーネントの別のセットによって実行されるものとして本明細書に記載された１つ以上の機能を実行し得る。
【0091】
ここで、図３（ＦＩＧ． ３）を参照すると、図３は、造影剤を要する医用画像技術を使用して生成された検査領域の表現の予測を提供するためのプロセス３００の非限定的な実施形態のフローチャートである。いくつかの非限定的な実施形態または態様において、プロセス３００に関して記載された機能のうちの１つ以上は、放射線機械学習システム１０２によって（たとえば、完全に、部分的になど）実行され得る。いくつかの非限定的な実施形態または態様において、プロセス３００のステップのうちの１つ以上は、医用画像システム１０４および／またはユーザデバイス１０６などの放射線機械学習システム１０２とは別個のおよび／またはそれを含む別のデバイスまたはデバイスのグループによって（たとえば、完全に、部分的に、および／または同様に）実行され得る。
【0092】
図３に示すように、ステップ３０２において、プロセス３００は、検査領域の周波数空間における第１の表現を受信することを含むことができる。例えば、放射線機械学習システム１０２は、医用画像システム１０４から、周波数空間における検査領域（例えば、視野（ＦＯＶ）、画像ボリューム等）の周波数空間における第１の表現を受信してもよい。いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、医用画像システム１０４から検査対象の検査領域の周波数空間における第１の表現を受信することができる。いくつかの非限定的な実施形態において、第１の表現は、医用画像技術（例えば、放射線検査の間に実行されるであろう医用画像技術）の間に投与される造影剤の量が無いか、または医用画像技術の間に投与される造影剤の第１の量を用いる検査領域の周波数空間における表現を含み得る。いくつかの非限定的な実施形態において、医用画像技術の間に投与される造影剤の第１の量は、ゼロよりも多い。
【0093】
いくつかの非限定的な実施形態において、検査対象が哺乳動物などの生物を含んでもよい。一例では、検査対象は、人間を含んでもよい。いくつかの非限定的な実施形態において、検査領域は、放射線検査（例えば、医用画像技術を含む放射線検査）を受ける検査対象の一部であってもよい。一例では、検査領域は、検査対象の臓器または臓器の一部を含んでもよい。いくつかの非限定的な実施形態において、放射線検査は、磁気共鳴画像（ＭＲＩ）検査、コンピュータ断層撮影（ＣＴ）検査、および／または超音波検査を含み得る。いくつかの非限定的な実施形態において、検査領域は、放射線画像で撮像されるボリュームを含んでもよい。検査領域は、例えば概観画像（ローカライザ）上で、放射線科医によって（例えば、放射線科医によって手動で）定義されてもよい。追加または代替として、検査領域は、自動的に（たとえば、放射線機械学習システム１０２によって自動的に、医用画像システム１０４によって自動的になど）定義され得る。例えば、検査領域は、プロトコル（例えば、医用画像システム１０４の特定のプロトコル）に基づいて自動的に定義されてもよい。
【0094】
いくつかの非限定的な実施形態において、検査領域の周波数空間における第１の表現は、医用画像システム１０４によって実行される放射線検査に関連するデータを含むことができる。例えば、検査領域の周波数空間における第１の表現は、医用画像システム１０４によって実行されるＭＲＩ検査（例えば、検査対象の検査領域のＭＲＩ検査）に関連するｋ空間データを含むことができる。
【0095】
いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、検査領域の周波数空間における第１の表現を、検査領域の実空間（例えば、画像空間）における第１の表現に変換することができる。例えば、放射線機械学習システム１０２は、逆フーリエ変換を使用して、検査領域の周波数空間における第１の表現を、検査領域の実空間における第１の表現に変換することができる。
【0096】
いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、検査領域の周波数空間内に第１の表現を生成することができる。例えば、放射線機械学習システム１０２は、検査領域の実空間における第１の表現（例えば、検査領域の第１の放射線画像）を受信してもよく、放射線機械学習システム１０２は、フーリエ変換を使用して、検査領域の実空間における第１の表現に基づいて、検査領域の周波数空間における第１の表現を生成してもよい。いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、実空間における検査領域の２次元（２Ｄ）放射線画像としてまたは３次元放射線画像として、検査領域の実空間における第１の表現を受信することができ、および放射線機械学習システム１０２は、必要に応じて、２Ｄフーリエ変換または３Ｄフーリエ変換を使用して、検査領域の実空間における第１の表現に基づく検査領域の周波数空間における第１の表現を生成することができる。
【0097】
図３に示すように、ステップ３０４において、プロセス３００は、検査領域の周波数空間における第２の表現を受信することを含むことができる。例えば、放射線機械学習システム１０２は、検査領域（例えば、第１の表現の同じ検査領域）の周波数空間における第２の表現を医用画像システム１０４から受信することができる。いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、検査対象（例えば、第１の表現の検査領域と同じ検査対象）の検査領域の周波数空間における第２の表現を医用画像システム１０４から受信することができる。いくつかの非限定的な実施形態において、第２の表現は、医用画像技術の間に投与される造影剤の第２の量を用いる検査領域の表現を含んでもよい。いくつかの非限定的な実施形態において、造影剤の第２の量は、第１の表現に関連する医用画像技術の間に投与される造影剤の第１の量とは異なる。いくつかの非限定的な実施形態において、造影剤の第２の量は、医用画像技術の間に投与される造影剤の第１の量よりも多い。
【0098】
いくつかの非限定的な実施形態において、検査領域の周波数空間における第２の表現は、医用画像システム１０４によって実行される放射線検査に関連するデータを含み得る。例えば、検査領域の周波数空間における第２の表現は、医用画像システム１０４によって実行されるＭＲＩ検査に関連するｋ空間データを含むことができる。
【0099】
いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、検査領域の周波数空間における第１の表現に関連するｋ空間データと、検査領域の周波数空間における第２の表現に関連するｋ空間データとを受信することができる。例えば、放射線機械学習システム１０２は、検査領域のＭＲＩ検査に関連する第１のｋ空間データ（例えば、ＭＲＩ検査によって生成された第１のｋ空間データ）として検査領域の周波数空間における第１の表現を受信することができ、および放射線機械学習システム１０２は、検査領域のＭＲＩ検査に関連する第２のｋ空間データ（例えば、ＭＲＩ検査によって生成された第２のｋ空間データ）として検査領域の周波数空間における第２の表現を受信することができる。いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、放射線検査の第１の結果に関する検査領域の周波数空間における第１の表現を生成し得、および放射線機械学習システム１０２は、放射線検査の第２の結果に関する検査領域の周波数空間における第２の表現を生成し得る。例えば、放射線機械学習システム１０２は、ＭＲＩ検査の第１の結果に関連するｋ空間データに基づいて、検査領域の周波数空間における第１の表現を生成することができ、および放射線機械学習システム１０２は、ＭＲＩ検査の第２の結果に関連するｋ空間データに基づいて、検査領域の周波数空間における第２の表現を生成することができる。いくつかの非限定的な実施形態において、検査領域の周波数空間における第１の表現は、検査領域のＭＲＩ検査に関連する第１のｋ空間データを含むことができ、および／または検査領域の周波数空間における第２の表現は、検査領域のＭＲＩ検査に関連する第２のｋ空間データを含むことができる。
【0100】
いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、検査領域の周波数空間における第２の表現を、検査領域の実空間における第２の表現に変換することができる。例えば、放射線機械学習システム１０２は、逆フーリエ変換を使用して、検査領域の周波数空間における第２の表現を、検査領域の実空間における第２の表現に変換することができる。
【0101】
いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、検査領域の周波数空間において第２の表現を生成することができる。例えば、放射線機械学習システム１０２は、検査領域の実空間における第２の表現（例えば、検査領域の第１の放射線画像）を受信してもよく、および放射線機械学習システム１０２は、フーリエ変換を使用して検査領域の実空間における第２の表現に基づいて、検査領域の周波数空間における第２の表現を生成してもよい。いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、検査領域の２次元（２Ｄ）放射線画像または３次元（３Ｄ）放射線画像として、検査領域の実空間における第２の表現を受信することができ、および放射線機械学習システム１０２は、必要に応じて、２Ｄフーリエ変換または３Ｄフーリエ変換を使用して、検査領域の実空間における第２の表現に基づいて、検査領域の周波数空間における第２の表現を生成することができる。
【0102】
図３に示されるように、ステップ３０６において、プロセス３００は、予測機械学習モデルへの入力として、第１の表現および第２の表現を提供することを含み得る。例えば、放射線機械学習システム１０２は、予測機械学習モデル（例えば、予測アルゴリズム、予測モデル（ａ ｐｒｅｄｉｃｔｉｏｎ ｍｏｄｅｌ）、予測モデル（ａ ｐｒｅｄｉｃｔｉｖｅ ｍｏｄｅｌ）など）への入力を提供することができ、ここで、予測機械学習モデルへの入力は、検査領域の周波数空間における第１の表現の少なくとも一部と、検査領域の周波数空間における第２の表現の少なくとも一部とを含む。いくつかの非限定的な実施形態において、予測機械学習モデルは、出力として、医用画像技術（例えば、検査領域の周波数空間における第１の表現および検査領域の周波数空間における第２の表現に関連する医用画像技術と同じ医用画像技術）の間に投与される造影剤の第３の量を用いる検査対象の検査領域の周波数空間における表現の予測を提供するように構成されている訓練された機械学習モデルを含み得る。いくつかの非限定的な実施形態において、医用画像技術の間に投与される造影剤の第３の量の用いる検査領域の周波数空間における表現の予測は、医用画像技術の間に特定の量が実際に投与される必要のない検査領域（例えば、検査対象の検査領域）に、造影剤の特定の量（例えば、医用画像技術および／または検査対象のパラメータに基づいて、検査対象に投与されるのであろう造影剤の標準量）が検査領域に投与される場合に、検査領域が表さられるであるような検査対象の検査領域の予測を含む。
【0103】
いくつかの非限定的な実施形態において、造影剤の第３の量は、造影剤の第１の量および／または造影剤の第２の量とは異なる。例えば、造影剤の第３の量は、検査領域の周波数空間における第１の表現に関連する医用画像技術の間に投与される造影剤の第１の量よりも多くてもよく、および検査領域の周波数空間における第２の表現に関連する医用画像技術の間に投与される造影剤の第２の量よりも多くてもよい。
【0104】
いくつかの非限定的な実施形態において、予測機械学習モデルは、人工ニューラルネットワークを含み得る。いくつかの非限定的な実施形態において、人工ニューラルネットワークは、少なくとも３層の処理要素を含むことができる。たとえば、人工ニューラルネットワークは入力ニューロン（たとえば、ノード）を有する第１の層と、出力ニューロンを有する第Ｎの層と、Ｎ－２個の中間層とを含み得、ここで、Ｎは、自然数であり、２よりも大きい。いくつかの非限定的な実施形態において、入力ニューロンは、検査対象の検査領域の周波数空間における第１の表現と、検査対象の検査領域の周波数空間における第２の表現とを受信するように構成され得る。出力ニューロンは、入力に基づく、医用画像技術の間に投与される造影剤の特定の量を用いる検査領域の周波数空間における表現の少なくとも１つの予測を（例えば、出力として）提供するように構成され得る。いくつかの非限定的な実施形態において、入力ニューロンと出力ニューロンとの間の層の処理要素は、所定の接続重みを用いて所定のパターンで互いに接続される。いくつかの非限定的な実施形態において、接続重みは機械学習モデルの訓練（たとえば、人工ニューラルネットワークの訓練）の間に更新され得る。
【0105】
いくつかの非限定的な実施形態において、予測機械学習モデルは、畳み込みニューラルネットワーク（ＣＮＮ）を含み得る。いくつかの非限定的な実施形態において、ＣＮＮは、マトリクスの形態で入力を処理することが可能であり得る。ＣＮＮは、１つ以上のフィルタ（たとえば、１つ以上の畳み込み層）と、１つ以上のアグリゲーション層（たとえば、１つ以上のプーリング層）とを含み得、これらは交互に繰り返され得、ＣＮＮの端部は、完全に接続されたニューロンの１つ以上の層（たとえば、１つ以上の密／完全に接続された層）を含み得る。追加または代替として、予測機械学習モデルは、敵対的生成ネットワーク（ＧＡＮ）を含み得る。
【0106】
いくつかの非限定的な実施形態において、予測機械学習モデルへの入力はさらに、検査対象（例えば、放射線検査に基づいて検査領域が取得される検査対象）に関連する情報、検査領域（例えば、第１の表現および第２の表現に関連する検査領域）に関連する情報、および／または検査対象（例えば、検査対象の検査領域）に対して実行される放射線検査に関連する情報を含み得る。例えば、予測機械学習モデルへの入力は、検査対象の性別、年齢、体重、身長、既往症、すでに摂取された薬剤の性質および持続時間および量、血圧、中心静脈圧、呼吸速度、血清アルブミン、総ビリルビン、血糖、鉄含有量、呼吸能力などに関連する情報を含むことができる。追加または代替として、予測機械学習モデルへの入力は、検査領域の既存の条件、検査領域の部分的切除などの検査領域に関連する医療行為、肝臓移植が行われたかどうか、鉄肝臓が存在するかどうか、脂肪肝が存在するかどうかなどの器官の条件などを含み得る。追加または代替として、予測機械学習モデルへの入力は、検査対象に対して実行される放射線検査のタイプを含み得る。
【0107】
いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、周波数空間の中心を含む検査領域の周波数空間における第１の表現の一部（例えば、領域）、周波数空間の中心を含む検査領域の周波数空間における第２の表現の一部、またはそれぞれが周波数空間の中心を含む検査領域の周波数空間における第１の表現の一部および検査領域の周波数空間における第２の表現の一部を特定（例えば、選択（ｓｅｌｅｃｔ）、選択（ｃｈｏｏｓｅ）、決定、等）して、検査対象の検査領域の周波数空間における縮小された表現を提供することができる。例えば、放射線機械学習システム１０２は、周波数空間の中心を含む検査領域の周波数空間における第１の表現の一部（例えば、領域）、周波数空間の中心を含む検査領域の周波数空間における第２の表現の一部、またはそれぞれが周波数空間の中心を含む検査領域の周波数空間における第１の表現の一部および検査領域の周波数空間における第２の表現の一部を自動的に特定して、検査対象の検査領域の周波数空間における縮小された表現を提供することができる。いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、ユーザ（たとえば、ユーザデバイス１０６のユーザ）から受信された手動入力に基づいて、検査領域の周波数空間における表現の一部（たとえば、検査領域の周波数空間における第１の表現の一部、検査領域の周波数空間における第２の表現の一部、検査領域の周波数空間における縮小された表現の一部、検査領域の周波数空間における参照表現の一部など）を特定し得る。
【0108】
一例において、検査対象の検査領域の周波数空間における縮小された表現は、検査領域の周波数空間の中心を含む検査領域の周波数空間における第１の表現の一部と、検査領域の周波数空間における第２の表現とを含み得る。別の例において、検査対象の検査領域の周波数空間における縮小された表現は、検査領域の周波数空間における第１の表現と、周波数空間の中心を含む検査領域の周波数空間における第２の表現の一部とを含み得る。さらに別の例において、検査対象の検査領域の周波数空間における縮小された表現は、周波数空間の中心を含む検査領域の周波数空間における第１の表現の一部と、周波数空間の中心を含む検査領域の周波数空間における第２の表現の一部とを含み得る。
【0109】
いくつかの非限定的な実施形態において、予測機械学習モデルへの入力は、検査対象の検査領域の周波数空間における縮小された表現を含む。いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、予測機械学習モデルへの入力として、検査対象の検査領域の周波数空間における縮小された表現を提供することができる。検査対象の検査領域の周波数空間における縮小された表現を使用することによって、放射線機械学習システム１０２は、検査対象の検査領域の周波数空間における縮小された表現に基づいく予測機械学習モデルの出力を取得するときに使用されるコンピューティングリソース要件および計算の複雑さを低減し得る。
【0110】
本開示によれば、検査領域の周波数空間における表現の使用は、検査領域の実空間における表現の使用よりも有利であり得る。例えば、表現のコレジストレーションは、周波数空間では実空間ほど重要ではない。コレジストレーション（たとえば、画像レジストレーション）は、同じ領域または同様の領域の２つ以上の画像に最適に照合する（たとえば、位置合わせする）デジタル画像処理におけるプロセスを指し得る。一方の画像を参照画像として定義し、他方の画像を対象画像として定義することができる。照合されるべき参照画像および対象画像は、参照画像および対象画像が、異なる位置から、異なる時点で、および／または異なるセンサを用いて取得されるので、互いに異なり得る。対象画像を対応する参照画像と最適に照合させるために、補償変換（ａ ｃｏｍｐｅｎｓａｔｉｎｇ ｔｒａｎｓｆｏｒｍａｔｉｏｎ）が計算され得る。
【0111】
検査領域の周波数空間における表現は、検査領域の実空間における表現よりも、訓練、検証、および予測手順の間のコレジストレーションにおける誤りに関してより寛容であり得る。例えば、周波数空間における表現がより低い精度で周波数における別の表現と重畳される場合、精度の欠如は、検査領域の実空間における表現がより低い精度で重畳される場合よりも影響が少ない。低減された影響は、フーリエ変換の特性によるものである。例えば、実空間における表現（例えば、画像）の回転（ｔｕｒｎｓ）または回転（ｒｏｔａｔｉｏｎｓ）は、フーリエ変換を使用して画像が変換された後に、画像情報（例えば、可視構造に関連する情報）が画像の異なる領域に局所化されることにつながり得る。しかしながら、周波数空間において、フーリエ変換された画像（例えば、周波数空間における画像の表現）のコントラスト情報が周波数空間の中心の周りにマッピングされるため、このような回転（ｔｕｒｎｓ）または回転（ｒｏｔａｔｉｏｎｓはコントラスト情報が提供される領域を変化させない。
【0112】
「周波数空間の中心」という用語の同義語は、「周波数空間の起点」という用語である。周波数空間の中心は例えば、２次元デカルト座標系における座標０，０を有する点に対応する。周波数空間の中心に近い点は、中心からさらに離れた点よりも低い周波数を表す。中心の周りの周波数空間における領域は、中心から離れた領域よりも、検査領域の表現のコントラストに関するより多くの情報を含む。
【0113】
検査領域の周波数空間における表現の使用のさらなる利点は、コントラスト情報が詳細情報（例えば、微細構造）から分離されることであり得る。したがって、訓練手順の間に、予測機械学習モデルによって学習されるコントラスト情報に集中し、および予測手順の間に、予測機械学習モデルによって予測され得るコントラスト情報にも集中することが可能である。検査領域の実空間における表現におけるコントラスト情報は通常、表現全体にわたって分布されるが（例えば、各画像要素はコントラストに関する情報を本質的に有する）、検査領域の周波数空間における表現におけるコントラスト情報は、周波数空間の中心およびその周囲に符号化される。したがって、検査領域の周波数空間における表現における低周波数は、コントラスト情報を担当し、一方、高周波数は、微細構造に関する詳細情報を含む。検査領域の周波数空間における表現の使用は、コントラスト情報を分離すること、訓練および予測をコントラスト情報に制限すること、および訓練手順および／または予測手順の後に微細構造に関する情報を再導入することを可能にし得る。
【0114】
図３に示すように、ステップ３０８において、プロセス３００は、予測機械学習モデルの出力を決定することを含むことができる。例えば、放射線機械学習システム１０２は、予測機械学習モデルへの入力を提供することができ、および予測機械学習モデルは、入力に基づく出力を生成することができる。放射線機械学習システム１０２は、出力を生成する予測機械学習モデルに基づいて出力を決定することができる。いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、出力を生成する予測機械学習モデルに基づいて出力を受信することができる。いくつかの非限定的な実施形態において、予測機械学習モデルの出力は、検査領域の周波数空間における第３の表現を含むことができ、これは、検査領域の周波数空間における表現（例えば、人工表現）の予測であり得る。いくつかの非限定的な実施形態において、第３の表現は、医用画像技術の間に投与される造影剤の第３の量を用いる検査領域の周波数空間における表現を含み得る。
【0115】
いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、検査領域のＭＲＩ検査に関連するｋ空間データに基づいて、予測機械学習モデルの出力を決定することができる。例えば、放射線機械学習システム１０２は、検査領域のＭＲＩ検査に関連する第１のｋ空間データと、検査領域のＭＲＩ検査に関連する第２のｋ空間データとを、予測機械学習モデルへの入力として提供することができる。放射線機械学習システム１０２は、検査領域のＭＲＩ検査に関連する第１のｋ空間データと、検査領域のＭＲＩ検査に関連する第２のｋ空間データとを入力として用いて、出力を生成する予測機械学習モデルに基づいて、出力を決定してもよい。
【0116】
図３に示すように、ステップ３１０において、プロセス３００は、予測機械学習モデルの出力を検査領域の実空間における予測された表現に変換することを含むことができる。例えば、放射線機械学習システム１０２は、予測機械学習モデルの出力を、検査領域の実空間における予測された表現（例えば、検査領域の実空間における表現の予測）に変換することができる。いくつかの非限定的な実施形態において、検査領域の実空間における予測された表現は、医用画像技術（例えば、検査領域の周波数空間における第１の表現および検査領域の周波数空間における第２の表現に関連する医用画像技術）の間に投与される造影剤の第３の量を用いる検査領域の予測された放射線画像（例えば、検査領域の放射線画像の予測）を含むことができる。いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、逆フーリエ変換を使用して、予測機械学習モデルの出力を検査領域の実空間における予測された表現に変換することができる。
【0117】
いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、検査領域の実空間における予測された表現に関連する動作を実行することができる。例えば、放射線機械学習システム１０２は、検査領域の実空間における予測された表現を放射線機械学習システム１０２の出力として提供することができる。そのような例において、放射線機械学習システム１０２は、検査領域の実空間における予測された表現をユーザデバイス１０６および／または医用画像システム１０４に提供（例えば、送信）することができる（例えば、検査領域の実空間における予測された表現が、ユーザデバイス１０６および／または医用画像システム１０４によって出力され得るように）。いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、放射線機械学習システム１０２に関連するデータ構造内の検査領域の実空間における予測された表現を記憶することができる。いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、検査領域の実空間における予測された表現をディスプレイデバイス上に表示することができる。
【0118】
いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、予測機械学習モデルの出力を補足して、予測機械学習モデルの補足された出力を提供することができる。例えば、放射線機械学習システム１０２は、予測機械学習モデルの出力を、周波数空間の中心を含まず、検査対象の検査領域の周波数空間における縮小された表現を提供するために特定されなかった検査領域の周波数空間における第１の表現の一部、周波数空間の中心を含まず、検査対象の検査領域の周波数空間における縮小された表現を提供するために特定されなかった検査領域の周波数空間における第２の表現の一部、またはそれぞれが周波数空間の中心を含まず、検査対象の検査領域の周波数空間における縮小された表現を提供するために特定されなかった第１の表現の一部および第２の表現の一部で補足して、予測機械学習モデルの補足された出力を提供してもよい。いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、予測機械学習モデルの補足された出力を、検査対象の検査領域の実空間における表現に変換することができる。
【0119】
いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、検査領域の実空間における予測された表現の様々な位置座標についての結果として得られる信号強度をグレースケール値および／または色値に変換して、共通の画像フォーマット（例えば、医用フォーマットにおけるデジタル撮像および通信（ＤＩＣＯＭ））でデジタル画像を提供することができる。
【0120】
ここで図４（ＦＩＧ．４）を参照すると、図４は、医用画像技術の間に投与される造影剤の特定の量を用いる検査領域の表現の予測を提供するように構成されている予測機械学習モデルを訓練するためのプロセス４００の非限定的な実施形態のフローチャートである。いくつかの非限定的な実施形態において、予測機械学習モデルは、プロセス３００に関して記載されているような予測機械学習モデルと同じまたは同様であってもよい。いくつかの非限定的な実施形態または態様において、プロセス４００に関して記載された機能のうちの１つ以上は、放射線機械学習システム１０２によって（たとえば、完全に、部分的になど）実行され得る。いくつかの非限定的な実施形態または態様において、プロセス３００のステップのうちの１つ以上は、医用画像システム１０４および／またはユーザデバイス１０６などの、放射線機械学習システム１０２とは別個のおよび／またはそれを含む、別のデバイスまたはデバイスのグループによって（たとえば、完全に、部分的に、および／または同様に）実行され得る。
【0121】
図４に示すように、ステップ４０２において、プロセス４００は、複数の検査対象の各検査対象についての検査領域の周波数空間における参照表現のセットを含む訓練データセットを受信することを含むことができる。いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、医用画像システム１０４および／またはユーザデバイス１０６から、複数の検査対象の各検査対象についての検査領域の周波数空間における参照表現（例えば、複数の参照表現）のセットを含む、訓練データセットを受信し得る。いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、放射線機械学習システム１０２に関連するデータ構造から訓練データセットを取得することができる。いくつかの非限定的な実施形態において、検査領域は、複数の検査対象のすべての検査対象について同じであってもよい。いくつかの非限定的な実施形態において、検査領域の参照表現（たとえば、縮小された参照表現）は、予測機械学習モデルの訓練プロセスの間に使用される検査領域の周波数空間における表現を指し得る。
【0122】
いくつかの非限定的な実施形態において、各検査対象の検査領域の周波数空間における各参照表現はさらに、検査対象（例えば、放射線検査に基づいて検査領域が取得される検査対象）に関連する情報、検査領域に関連する情報（例えば、第１の表現および第２の表現に関連する検査領域）、および／または検査対象（例えば、検査対象の検査領域）に対して実行される放射線検査に関連する情報を含み得る。例えば、検査対象に関連する情報は、検査対象の性別、年齢、体重、身長、既往症、既に摂取された薬剤の性質および／または期間／または量、血圧、中心静脈圧、呼吸速度、血清アルブミン、総ビリルビン、血糖、鉄含有量、呼吸能力などに関連する情報を含むことができる。追加または代替として、検査領域に関連する情報は、検査領域の既存の状態、検査領域の部分的切除などの検査領域に関連する医療行為、肝臓移植が行われたかどうか、鉄肝臓が存在するかどうか、脂肪肝が存在するかどうかなどの臓器の状態などを含み得る。追加または代替として、検査対象に対して実行される放射線検査に関連する情報は、検査対象に対して実行される放射線検査のタイプを含み得る。
【0123】
いくつかの非限定的な実施形態において、訓練データセットは、複数の検査対象の各検査対象についての検査領域の周波数空間における参照表現のセット（例えば、複数）を含み得る。検査対象の検査領域の周波数空間における参照表現の各セットは、検査対象の検査領域の周波数空間における第１の参照表現と、検査対象の検査領域の周波数空間における第２の参照表現と、および検査対象の検査領域の周波数空間における第３の参照表現とを含むことができる。いくつかの非限定的な実施形態において、第１の参照表現は、医用画像技術の間に投与される造影剤の量が無いか、または医用画像技術の間に投与される造影剤の第１の量を用いる検査領域の周波数空間における参照表現を含み得る。いくつかの非限定的な実施形態において、第２の参照表現は、医用画像技術の間に投与される造影剤の第２の量を用いる検査領域の周波数空間における参照表現を含み得る。いくつかの非限定的な実施形態において、第３の参照表現は、医用画像技術の間に投与される造影剤の第３の量を用いる検査領域の周波数空間における参照表現を含み得る。いくつかの非限定的な実施形態において、造影剤の第３の量は、医用画像技術および／または検査対象のパラメータに基づいて医用画像技術の間に検査対象に投与されるのであろう造影剤の標準量であってもよい。いくつかの非限定的な実施形態において、第３の参照表現は、グラウンドトゥルース表現であってもよい。
【0124】
いくつかの非限定的な実施形態において、医用画像技術の間に投与される造影剤の第１の量は、ゼロよりも多い。いくつかの非限定的な実施形態において、医用画像技術の間に投与される造影剤の第１の量は、ゼロである。いくつかの非限定的な実施形態において、造影剤の第２の量は、第１の表現に関連する医用画像技術の間に投与される造影剤の第１の量とは異なる。いくつかの非限定的な実施形態において、造影剤の第２の量は、医用画像技術の間に投与される造影剤の第１の量よりも多い。いくつかの非限定的な実施形態において、造影剤の第３の量は、造影剤の第１の量および／または造影剤の第２の量とは異なる。例えば、造影剤の第３の量は、検査領域の周波数空間における第１の表現に関連する医用画像技術の間に投与される造影剤の第１の量よりも多く、および検査領域の周波数空間における第２の表現に関連する医用画像技術の間に投与される造影剤の第２の量よりも多くてもよい。
【0125】
いくつかの非限定的な実施形態において、訓練データセットは、複数の検査対象の各検査対象についての検査領域の周波数空間における縮小された参照表現のセットを含み得る。検査対象の検査領域の周波数空間における縮小された参照表現の各セットは、検査対象の検査領域の周波数空間における第１の縮小された参照表現、検査対象の検査領域の周波数空間における第２の縮小された参照表現、および／または検査対象の検査領域の周波数空間における第３の縮小された参照表現を含むことができる。いくつかの非限定的な実施形態において、第１の縮小された参照表現は、周波数空間の中心を含む検査領域の周波数空間における第１の参照表現の一部の周波数空間における表現を含み得る。いくつかの非限定的な実施形態において、第２の縮小された参照表現は、周波数空間の中心を含む検査領域の周波数空間における第２の参照表現の一部の周波数空間における表現を含み得る。いくつかの非限定的な実施形態において、第３の縮小された参照表現は、周波数空間の中心を含む検査領域の周波数空間における第３の参照表現の一部の周波数空間における表現を含み得る。
【0126】
図４に示すように、ステップ４０４において、プロセス４００は、参照表現の一部を特定することを含むことができる。例えば、放射線機械学習システム１０２は、検査対象の検査領域の周波数空間における縮小された参照表現を提供するために使用される検査対象の検査領域の参照表現（例えば、各参照表現の同じ部分）の一部（例えば、領域）を特定することができる。これにより、放射線機械学習システム１０２は、複数の検査対象の検査対象の検査領域の周波数空間における縮小された参照表現を含む訓練データセットを提供することができる。
【0127】
いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、各検査対象の検査領域の周波数空間における縮小された参照表現を提供するために、複数の検査対象の検査対象の検査領域の周波数空間における各参照表現（例えば、一組の参照表現の各参照表現）の一部（例えば、特定された部分）を特定（例えば、自動的に特定）してもよい。例えば、放射線機械学習システム１０２は、検査領域の周波数空間における参照表現のセットの検査領域の周波数空間における参照表現の一部を、その部分が周波数空間の中心を含むように特定することができる。いくつかの非限定的な実施形態において、部分の中心は、周波数空間の中心に対応し得る。いくつかの非限定的な実施形態において、部分は、形状を有する可能性がある。例えば、特定された部分は、円形、角形、凹形、および／または凸形であってもよい。いくつかの非限定的な実施形態において、部分は、デカルト座標系における３Ｄ周波数空間の場合、立方体形状（例えば、直方体）であってもよい。いくつかの非限定的な実施形態において、部分は、デカルト座標系における２Ｄ周波数空間の場合、長方形（例えば、正方形）であってもよい。いくつかの非限定的な実施形態において、特定された部分は、周波数空間と同じ次元を有し得る。たとえば、２Ｄ周波数空間における２Ｄ表現の場合、部分は平面を含み得る。別の例において、３Ｄ周波数空間における３Ｄ表現の場合、部分はボリュームを含むことができる。
【0128】
図４に示すように、ステップ４０６において、プロセス４００は、参照表現を縮小することを含むことができる。例えば、放射線機械学習システム１０２は、検査対象の検査領域の周波数空間における縮小された参照表現を提供するために特定された部分（例えば、特定された部分）に基づいて、検査対象の検査領域の周波数空間における参照表現を縮小することができる。いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、参照表現の部分に存在しない参照表現の任意の部分を除去する（たとえば、破棄する、切り取るなど）ことによって、各参照表現を縮小し得る。例えば、放射線機械学習システム１０２は、マスク（例えば、特定された部分に対応するマスク）で参照表現を覆い、マスクによって覆われていない参照表現の任意の部分を除去することによって、各参照表現を縮小することができる。いくつかの非限定的な実施形態において、参照表現をマスクで覆うとき、放射線機械学習システム１０２は、マスクによって覆われていない画像要素（たとえば、ピクセル、ボクセル）の１つ以上の色値をゼロ（たとえば、黒）に設定し得る。
【0129】
図４に示すように、ステップ４０８において、プロセス４００は、複数の縮小された参照表現を使用して予測機械学習モデルを訓練することを含むことができる。例えば、放射線機械学習システム１０２は、検査領域（例えば、検査対象の検査領域）の周波数空間における複数の縮小された参照表現に基づいて、予測機械学習モデルを訓練することができる。いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、教師あり機械学習プロセスにおいて自己学習アルゴリズムを使用して予測機械学習モデルを訓練することができる。いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、機械学習の間に、訓練データセットに基づく統計モデルを生成するために、自己学習アルゴリズムを使用することができる。
【0130】
いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、訓練の間に、誤差関数によって提供されるエラーの量を最小限に抑えることができる。いくつかの非限定的な実施形態において、誤差関数は、医用画像技術の間に投与される造影剤の特定の量を用いる検査対象の検査領域の表現の予測（例えば、予測された表現）と、検査対象の検査領域の周波数空間におけるグラウンドトゥルース参照表現（例えば、医用画像技術の間に投与される造影剤の特定の量を用いる検査対象の検査領域の周波数空間におけるグラウンドトゥルース参照表現）との間の偏差を定量化し得る。いくつかの非限定的な実施形態において、誤差関数は、医用画像技術の間に投与される造影剤の特定の量を用いる検査対象の検査領域の縮小された表現の予測（例えば、予測された縮小された表現）と、検査対象の検査領域の周波数空間におけるグラウンドトゥルース縮小された参照表現との間の偏差を定量化する。
【0131】
いくつかの非限定的な実施形態において、予測機械学習モデルは、出力として、医用画像技術（例えば、検査領域の周波数空間における第１の表現および検査領域の周波数空間における第２の表現に関連する医用画像技術と同じ医用画像技術）の間に投与される造影剤の特定の量を用いる検査領域の周波数空間における表現の予測を提供するように構成され得る。いくつかの非限定的な実施形態において、造影剤の特定の量は、検査領域の周波数空間における第１の表現に関連する医用画像技術の間に投与される造影剤の第１の量とは異なり、および検査領域の周波数空間における第２の表現に関連する医用画像技術の間に投与される造影剤の第２の量とは異なる。例えば、造影剤の特定の量は、検査領域の周波数空間における第１の表現に関連する医用画像技術の間に投与される造影剤の第１の量よりも多く、および検査領域の周波数空間における第２の表現に関連する医用画像技術の間に投与される造影剤の第２の量よりも大きい。
【0132】
いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、ｋ空間データに基づいて予測機械学習モデルを訓練することができる。例えば、検査対象の検査領域の周波数空間における各縮小された参照表現は、ＭＲＩ検査（例えば、医用画像システム１０４によって実行されるＭＲＩ検査）に関連するｋ空間データを含むことができる。放射線機械学習システム１０２は、複数の検査対象に対する検査対象の検査領域の周波数空間における各縮小された参照表現に含まれるｋ空間データに基づいて、予測機械学習モデルを訓練してもよい。
【0133】
いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、バックプロパゲーション法を使用して予測機械学習モデルを訓練することができる。このようにして、放射線機械学習システム１０２は、対応する出力への入力のマッピングに関して最大の信頼性を有するために予測機械学習モデルを訓練することができる。マッピング品質は、誤差関数（たとえば、損失関数）によって記述され得る。バックプロパゲーション法の間、目標は、誤差関数を最小化することである。バックプロパゲーション法の場合、予測機械学習モデルは、ノードの接続重みの変更によって更新（例えば、学習、教示されるなど）することができる。訓練された状態において、予測機械学習モデルの処理要素間の接続重みは、検査領域の周波数空間における第１の参照表現と、検査領域の周波数空間における第２の参照表現との間の関係に関する情報と、第３の参照表現に関する情報とを含み得る。情報は、第１および第２の表現に基づいて検査の周波数空間における表現を予測するために使用され得る。いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、データを訓練データセットと検証データセットとに分割するために、交差検証方法を使用し得る。訓練データセットは、ノードの接続重みのバックプロパゲーション訓練において使用され得る。検証データセットは、訓練の間に使用されないデータに基づいて、訓練された予測機械学習モデルによって提供される表現の予測の精度をチェックするために使用され得る。
【0134】
いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、訓練データセットに基づいて予測機械学習モデルを生成することができる。例えば、放射線機械学習システム１０２は、医用画像技術（例えば、放射線検査の間に実行される医用画像技術）の間に投与される造影剤の特定の量を用いる検査領域の表現（例えば、周波数空間における表現）の予測を実行するために、予測機械学習モデルを生成することができる。
【0135】
いくつかの非限定的な実施形態において、予測機械学習モデルは、入力として、医用画像技術の間に投与される造影剤の量（例えば、ある量、無量など）を用いる検査領域の周波数空間における表現に関連するデータを受信し、出力として、医用画像技術の間に投与される造影剤の特定の量を用いる検査領域の周波数空間における表現の予測を提供するように設計された機械学習モデルを含み得る。例えば、予測機械学習モデルは、医用画像技術の間に投与される造影剤の量が無いか、または医用画像技術の間に投与される造影剤の第１の量を用いる検査領域の表現を含む検査領域の周波数空間における第１の表現に関連するデータと、医用画像技術の間に投与される造影剤の第２の量を用いる検査領域の表現を含む検査領域の周波数空間における第２の表現に関連するデータとを受信し、および医用画像技術の間に投与される造影剤の第３の量を用いる検査領域の周波数空間における表現の予測を含む出力を提供するように設計されてもよい。いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、（例えば、後の使用のために）予測機械学習モデルを記憶することができる。
【0136】
いくつかの非限定的な実施形態において、本明細書で記載されているように、放射線機械学習システム１０２は、予測機械学習モデルのための訓練データ（たとえば、訓練データセット）を取得するために、検査対象の検査領域の周波数空間における表現に関連するデータを処理することができる。例えば、放射線機械学習システム１０２は、予測機械学習モデルを生成するために（例えば、放射線機械学習システム１０２によって）分析され得るフォーマットにデータを変更するためにデータを処理し得る。変更されるデータ（たとえば、変更から生じるデータ）は、訓練データと呼ばれることがある。いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、データを受信することに基づいて訓練データを取得するために、時間隔の間に検査対象の検査領域の周波数空間における表現に関連したデータを処理し得る。追加的または代替的に、放射線機械学習システム１０２は、放射線機械学習システム１０２のユーザ（例えば、ユーザデバイス１０６に関連するユーザ）からの、指示を受信する放射線機械学習システム１０２に基づいて、訓練データを取得するために、データを処理することができ、放射線機械学習システム１０２がデータに対応する時間間隔の予測機械学習モデルを生成するための指示を受信したときなどに、放射線機械学習システム１０２がデータを処理する。
【0137】
いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、データに基づいて予測変数を決定することによって、検査対象の検査領域の周波数空間における表現に関連するデータを処理することができる。予測変数は、検査領域または検査対象に関連し、検査対象の検査領域の周波数空間における表現に関連するデータに基づいて導出され得る、メトリックを含み得る。予測変数は、予測機械学習モデルを生成するために分析され得る。例えば、予測変数は、検査対象に関連する変数、例えば、検査対象の性別、年齢、体重、身長、既往症、摂取された薬剤の性質および／または期間および／または量、血圧、中心静脈圧、呼吸速度、血清アルブミン、総ビリルビン、血糖、鉄含有量、呼吸能力などを含むことができる。追加的または代替的に、予測変数は、検査領域に関連する変数、例えば検査領域の既存の状態に関連する変数、検査領域の部分的切除などの検査領域に関連する医療行為、肝臓移植が行われたかどうか、鉄肝臓が存在するかどうか、脂肪肝が存在するかどうかなどの臓器の状態などを含み得る。追加的または代替的に、予測変数は、検査対象に対して実行される放射線検査のタイプに関連する変数など、検査対象に対して実行される放射線検査に関連する変数を含むことができる。
【0138】
いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、予測機械学習モデルを生成するために、訓練データを分析することができる。例えば、放射線機械学習システム１０２は、予測機械学習モデルを生成し、訓練データを分析するために、機械学習技術を使用することができる。いくつかの非限定的な実施形態において、（例えば、検査対象の検査領域の周波数空間および／または実空間における表現に関連する履歴データから取得される訓練データに基づいて）予測機械学習モデルを生成することは、予測機械学習モデルを訓練することと呼ばれ得る。機械学習技術は例えば、教師ありおよび／または教師なし技術、例えば決定木、ランダムフォレスト、ロジスティック回帰、線形回帰、勾配ブースティング、サポートベクトルマシン、エクストラツリー（たとえば、ランダムフォレストの拡張）、ベイズ統計、学習オートマトン、隠れマルコフモデリング、線形分類器、二次分類器、関連付けルール学習、および／または同様のものなどを含み得る。いくつかの非限定的な実施形態において、予測機械学習モデルは、特定の特性に固有のモデル、例えば、特定の検査領域に固有のモデル、特定の検査対象、医用画像技術の間に投与される造影剤の特定の量などを含むことができる。追加的または代替的に、予測機械学習モデルは、検査領域の特定のタイプを含む検査対象の特定のタイプ（たとえば、ヒトなどの哺乳動物のタイプ）に固有であり得る。いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、１つ以上のエンティティ、エンティティの特定のグループ、および／または１つ以上のエンティティの１つ以上のユーザのための１つ以上の予測機械学習モデルを生成することができる。
【0139】
追加的または代替的に、訓練データを分析するとき、放射線機械学習システム１０２は、訓練データを分析するときに予測を行うために使用され得る予測変数（たとえば、特徴）として１つ以上の変数（たとえば、１つ以上の独立変数）を識別し得る。いくつかの非限定的な実施形態において、予測変数の値は、予測機械学習モデルへの入力であり得る。例えば、放射線機械学習システム１０２は、検査領域の周波数空間における表現を正確に予測するために使用され得る予測変数として、変数のサブセット（例えば、適切なサブセット）を識別し得る。いくつかの非限定的な実施形態において、予測変数は、放射線機械学習システム１０２によって決定されるように、医用画像技術の間に投与される造影剤の特定の量を用いる検査領域の周波数空間における表現の予測に有意な影響（例えば、閾値を満たす影響）を有する、上述のような検査領域および／または検査対象変数の１つ以上を含み得る。
【0140】
いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、予測機械学習モデルを検証することができる。例えば、放射線機械学習システム１０２は、放射線機械学習システム１０２が予測機械学習モデルを生成した後に、予測機械学習モデルを検証することができる。いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、検証に使用される訓練データの一部に基づいて予測機械学習モデルを検証することができる。例えば、放射線機械学習システム１０２は、訓練データを第１の部分と第２の部分とに分割することができ、ここで、第１の部分は上述のように、予測機械学習モデルを生成するために使用することができる。この例では、訓練データの第２の部分（たとえば、検証データ）は、予測機械学習モデルを検証するために使用され得る。
【0141】
いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、検査対象の検査領域の周波数空間における表現に関連した検証データ（例えば、検査対象の検査領域の周波数空間における表現のデータ）を予測機械学習モデルへの入力として提供し、および、予測機械学習モデルの出力に基づいて、予測機械学習モデルが、医用画像技術の間に投与される造影剤の特定の量を用いる検査領域の周波数空間における表現を正しく予測したか、または不正確に予測したかを決定することにより、予測機械学習モデルを検証することができる。いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、検証閾値に基づいて予測機械学習モデルを検証することができる。例えば、放射線機械学習システム１０２は、（検証データによって識別されるように）医用画像技術の間に投与される造影剤の特定の量を用いる検査領域の周波数空間における表現が、予測機械学習モデルによって正しく予測されるとき（例えば、予測機械学習モデルが、医用画像技術の間に投与される造影剤の特定の量を用いる検査領域の周波数空間における表現の５０％、医用画像技術の間に投与される造影剤の特定の量を用いる検査領域の周波数空間における表現の７０％、または医用画像技術の間に投与される造影剤の特定の量を用いる検査領域の周波数空間における表現の別の閾値量などを正確に予測するとき）、予測機械学習モデルを検証するように構成され得る。
【0142】
いくつかの非限定的な実施形態において、放射線機械学習システム１０２が予測機械学習モデルを検証しない場合（例えば、医用画像技術の間に投与される造影剤の特定の量を用いる検査領域の周波数空間における正確に予測された表現のパーセンテージが検証閾値を満たさない場合）、放射線機械学習システム１０２は、１つ以上の追加の予測機械学習モデルを生成し得る。
【0143】
いくつかの非限定的な実施形態において、予測機械学習モデルが検証されると、放射線機械学習システム１０２はさらに、新しい訓練データを受信することに基づいて予測機械学習モデルを訓練し、および／または新しい予測機械学習モデルを生成することができる。新しい訓練データは、検査対象の検査領域の周波数空間における１つ以上の表現に関連した追加データを含むことができる。いくつかの非限定的な実施形態において、新しい訓練データは、検査対象の検査領域の周波数空間における表現に関連したデータを含み得る。放射線機械学習システム１０２は、予測機械学習モデルを使用して、医用画像技術の間に投与される造影剤の特定の量を用いる検査領域の周波数空間における表現を予測し、および予測機械学習モデルの出力を、検査対象の検査領域の周波数空間における表現に関連するデータを含む新しい訓練データと比較することができる。そのような例において、放射線機械学習システム１０２は、新しい訓練データに基づいて１つ以上の予測機械学習モデルを更新することができる。
【0144】
いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、予測機械学習モデルを記憶することができる。例えば、放射線機械学習システム１０２は、予測機械学習モデルをデータ構造（例えば、データベース、リンクリスト、ツリーなど）に記憶することができる。データ構造は、放射線機械学習システム１０２内に、または放射線機械学習システム１０２の外部（例えば、遠隔）に配置され得る。
【0145】
ここで図５Ａ～図５Ｃ（ＦＩＧＳ．５Ａ－５Ｃ）を参照すると、図５Ａ～図５Ｃは、造影剤を要する医用画像技術を使用して生成された検査領域の表現の予測を提供するためのプロセス（たとえば、プロセス３００）の実装５００の図である。図５Ａ～図５Ｃに関して以下に記載されているように、実装５００は、プロセスのステップを実行する放射線機械学習システム１０２を含むことができる。いくつかの非限定的な実施形態において、プロセスのステップの１つ以上は、医用画像システム１０４および／またはユーザデバイス１０６など、放射線機械学習システム１０２とは別個のおよび／またはそれを含む別のデバイスまたはデバイスのグループによって（たとえば、完全に、部分的に、および／または同様に）実行され得る。
【0146】
図５Ａ（ＦＩＧ．５Ａ）に示すように、放射線機械学習システム１０２は、検査対象の検査領域の周波数空間における表現を生成することができる。図５Ａにさらに示されるように、３つの異なる時点ｔ１、ｔ２およびｔ３において、放射線機械学習システム１０２は、検査対象の検査領域の３つの表現を生成し得る。例えば、放射線機械学習システム１０２は、医用画像システム１０４によって検査対象の検査領域に対して実行される医用画像技術を有する放射線検査の結果を受信してもよい。検査領域は、ヒト患者の肺であり得る。結果は、医用画像システム１０４によって検査領域に対して実行される医用画像技術に基づく、検査対象の検査領域の実空間における３つの表現を含み得る。
【0147】
結果は、第１の放射線画像Ｏ１、第２の放射線画像Ｏ２、および第３の放射線画像Ｏ３を含む３つの放射線画像を含むことができる。第１の放射線画像Ｏ１は、医用画像技術の間に投与される造影剤の量が無いか、または医用画像技術の間に投与される造影剤の第１の量を用いて生成された検査領域の画像を含むことができる。第２の放射線画像Ｏ２は、医用画像技術の間に投与される造影剤の第２の量を用いて生成された検査領域の画像を含むことができる。第３の放射線画像Ｏ３は、医用画像技術の間に投与される造影剤の第３の量を用いて生成された検査領域の画像を含むことができる。いくつかの非限定的な実施形態において、造影剤の第２の量は、第１の量とは異なり得る。いくつかの非限定的な実施形態において、造影剤の第３の量は、第１の量および第２の量とは異なり得る。一例において、造影剤の第１の量は、ゼロ以上であり、造影剤の第２の量は、造影剤の第１の量より多く、および造影剤の第３の量は、造影剤の第２の量より多い。
【0148】
第１の表現Ｆ１は、医用画像技術の間に投与される造影剤の量が無いか、または医用画像技術の間に投与される造影剤の第１の量を用いる検査領域の表現を含み得る。第２の表現Ｆ２は、医用画像技術の間に投与される造影剤の第２の量を用いる検査領域の表現を含むことができる。第３の表現Ｆ３は、医用画像技術の間に投与される造影剤の第３の量を用いる検査領域の表現を含むことができる。
【0149】
いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、医用画像システム１０４によって実行された放射線検査の結果に基づいて、検査対象の検査の周波数空間における３つの表現、Ｆ１、Ｆ２、およびＦ３、を生成し得る。例えば、放射線機械学習システム１０２は、フーリエ変換（ＦＴ）を使用して、検査領域の実空間における表現Ｏ１、Ｏ２、およびＯ３に基づいて、検査の周波数空間における３つの表現Ｆ１、Ｆ２、およびＦ３を生成することができる。検査領域の実空間における表現Ｏ１、Ｏ２、およびＯ３は、放射線機械学習システム１０２によって、ＦＴを使用して、検査領域の周波数空間における表現Ｆ１、Ｆ２、およびＦ３に変換され得る。検査領域の周波数空間における表現Ｆ１、Ｆ２、およびＦ３は、放射線機械学習システム１０２によって、逆フーリエ変換（ｉＦＴ）を使用して、検査領域の実空間における表現Ｏ１、Ｏ２、およびＯ３に変換され得る。いくつかの非限定的な実施形態において、ＦＴ以外の変換は、実空間における表現を周波数空間における表現に変換するために、放射線機械学習システム１０２によって使用され得る。そのような変換の３つの主要な特性は、明確な逆変換（たとえば、実空間における表現と周波数空間における表現との間の明確な結びつき）、コントラスト情報の局所性、および欠陥画像レジストレーションに関するロバスト性の存在を含み得る。
【0150】
図５Ｂ（ＦＩＧ．５Ｂ）に示されるように、検査領域の周波数空間における表現Ｆ１、Ｆ２、およびＦ３は、予測機械学習モデルを訓練するために使用され得る。検査領域の周波数空間における表現Ｆ１、Ｆ２、およびＦ３は、検査対象の訓練データセットに含まれ得る。放射線機械学習システム１０２は、予測機械学習モデルを訓練するために、複数の検査対象の複数の訓練データセットを使用することができる。
【0151】
いくつかの非限定的な実施形態において、予測機械学習モデルは、出力として、第１の表現Ｆ１および第２の表現Ｆ２に基づいて、医用画像技術の間に投与される造影剤の特定の量を用いる検査領域の周波数空間における表現の予測を提供するように訓練される。いくつかの非限定的な実施形態において、造影剤の特定の量は、医用画像技術の間に投与される造影剤の第３の量に対応する。
【0152】
図５Ｂにさらに示されるように、放射線機械学習システム１０２は、予測機械学習モデルへの入力を提供することができ、放射線機械学習システム１０２は、入力に基づく予測機械学習モデルの出力を受信することができる。いくつかの非限定的な実施形態において、第１の表現Ｆ１および第２の表現Ｆ２は、予測機械学習モデルに入力として提供され得る。予測機械学習モデルの出力は、医用画像技術の間に投与される造影剤の第３の量を用いる検査領域の周波数空間における表現の予測Ｆ３＊を含むことができる。訓練手順の一部として、放射線機械学習システム１０２は、医用画像技術の間に投与される造影剤の第３の量を用いる検査領域の周波数空間における表現の予測Ｆ３＊を、医用画像技術の間に投与される造影剤の第３の量を用いる検査領域の周波数空間における第３の表現Ｆ３と比較することができる。表現の予測Ｆ３＊と第３の表現Ｆ３との間の偏差は、偏差を定義された最小値に低減するように予測機械学習モデルを訓練するためにバックプロパゲーション法において使用され得る。予測機械学習モデルが、複数の検査対象の複数の訓練データセットに基づいて訓練されており、医用画像技術の間に投与される造影剤の第３の量を用いる検査領域の周波数空間における表現の予測Ｆ３＊が、定義された精度に達している場合、予測機械学習モデルは、訓練されていると見なされ得、予測のために使用され得る。
【0153】
図５Ｃ（ＦＩＧ．５Ｃ）に示されるように、放射線機械学習システム１０２は、医用画像技術の間に投与される造影剤の特定の量を用いる検査対象の検査領域の周波数空間における表現の予測を提供するために、予測機械学習モデルを使用することができる。いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、検査対象の検査領域の周波数空間における第１の表現Ｆ’１を受信することができる。周波数空間における第１の表現Ｆ’１は、医用画像技術の間に投与される造影剤の量が無いか、または医用画像技術の間に投与される造影剤の第１の量を用いる検査領域の表現を含み得る。いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、検査対象の検査領域の周波数空間における第２の表現Ｆ’２を受信することができる。いくつかの非限定的な実施形態において、周波数空間における第２の表現Ｆ’２は、医用画像技術の間に投与される造影剤の第２の量を用いる検査領域の表現を含むことができ、造影剤の第２の量は、造影剤の第１の量よりも多くすることができる。
【0154】
図５Ｃにさらに示されるように、放射線機械学習システム１０２は、予測機械学習モデルへの入力を提供することができる。予測機械学習モデルへの入力は、周波数空間における第１の表現Ｆ’１と、周波数空間における第２の表現Ｆ’２とを含み得る。予測機械学習モデルは、医用画像技術の間に投与される造影剤の第３の量を用いる検査領域の周波数空間における表現の予測Ｆ’３＊を出力として提供するように構成されている訓練された機械学習モデルを含み得る。いくつかの非限定的な実施形態において、造影剤の第３の量は、造影剤の第１の量および造影剤の第２の量よりも多い。
【0155】
図５Ｃにさらに示されるように、放射線機械学習システム１０２は、入力に基づく予測機械学習モデルの出力Ｆ’３＊を受信し、ｉＦＴを使用して、予測機械学習モデルの出力を検査対象の検査領域の実空間における予測された表現Ｏ’３＊に変換することができる。いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、検査対象の検査領域の実空間における予測された表現Ｏ’３＊を提供することができる。
【0156】
ここで図６Ａ～図６Ｂ（ＦＩＧＳ．６Ａ－６Ｂ）を参照すると、図６Ａ～図６Ｂは、造影剤を要する医用画像技術を使用して生成された検査領域の表現の予測を提供するためのプロセス（たとえば、プロセス３００）の実装６００の図である。図６Ａ～図６Ｂに関して以下で記載されるように、実装６００は、プロセスのステップを実行する放射線機械学習システム１０２を含むことができる。いくつかの非限定的な実施形態において、プロセスのステップのうちの１つ以上は、医用画像システム１０４および／またはユーザデバイス１０６など、放射線機械学習システム１０２とは別個のおよび／またはそれを含む別のデバイスまたはデバイスのグループによって（たとえば、完全に、部分的に、および／または同様に）実行され得る。
【0157】
図６Ａ（ＦＩＧ．６Ａ）に示されるように、実装５００と同じまたは同様の様式で、検査領域の周波数空間における表現Ｆ１、Ｆ２、およびＦ３は、予測機械学習モデルを訓練するために使用され得る。検査領域の周波数空間における表現Ｆ１、Ｆ２、およびＦ３は、検査対象の訓練データセットに含まれ得る。放射線機械学習システム１０２は、予測機械学習モデルを訓練するために、複数の検査対象の複数の訓練データセットを使用することができる。
【0158】
実装５００と同様に、第１の表現Ｆ１は、医用画像技術の間に投与される造影剤の量が無いか、または医用画像技術の間に投与される造影剤の第１の量を用いる検査領域の表現を含むことができ、第２の表現Ｆ２は、医用画像技術の間に投与される造影剤の第２の量を用いる検査領域の表現を含むことができ、第３の表現Ｆ３は、医用画像技術の間に投与される造影剤の第３の量を用いる検査領域の表現を含むことができる。
【0159】
いくつかの非限定的な実施形態において、実装５００と同じまたは同様の方法で、放射線機械学習システム１０２は、医用画像システム１０４によって実行された放射線検査の結果に基づいて、検査対象の検査領域の周波数空間における３つの表現Ｆ１、Ｆ２、およびＦ３を生成し得る。いくつかの非限定的な実施形態において、予測機械学習モデルは、出力として、第１の表現の一部および第２の表現の一部に基づいて、医用画像技術の間に投与される造影剤の特定の量を用いる検査領域の周波数空間における表現の一部の予測を提供するように訓練される。いくつかの非限定的な実施形態において、造影剤の特定の量は、医用画像技術の間に投与される造影剤の第３の量に対応する。
【0160】
図６Ａにさらに示されるように、放射線機械学習システム１０２は、検査対象の検査領域の周波数空間における第１の縮小された表現Ｆ１ｒｅｄを提供するために、周波数空間の中心を含む第１の表現Ｆ１の一部Ａを特定することができる。さらに、放射線機械学習システム１０２は、検査対象の検査領域の周波数空間における第２の縮小された表現Ｆ２ｒｅｄを提供するために、周波数空間の中心を含む第２の表現Ｆ２の一部Ａを特定することができる。さらに、放射線機械学習システム１０２は、検査対象の検査領域の周波数空間における第３の縮小された表現Ｆ３ｒｅｄを提供するために、周波数空間の中心を含む第３の表現Ｆ３の一部Ａを特定することができる。
【0161】
図６Ａにさらに示されるように、放射線機械学習システム１０２は、予測機械学習モデルへの入力として、検査対象の検査領域の周波数空間における第１の縮小された表現Ｆ１ｒｅｄと、検査対象の検査領域の周波数空間における第２の縮小された表現Ｆ２ｒｅｄとを提供することができ、および放射線機械学習システム１０２は、入力に基づく予測機械学習モデルの出力を受信することができる。いくつかの非限定的な実施形態において、出力は、医用画像技術の間に投与される造影剤の第３の量を用いる検査領域の周波数空間における表現の一部の予測Ｆ３＊ｒｅｄを含むことができる。
【0162】
訓練手順の一部として、放射線機械学習システム１０２は、医用画像技術の間に投与される造影剤の第３の量を用いる検査領域の周波数空間における表現の一部の予測Ｆ３＊ｒｅｄを、検査対象の検査領域の周波数空間における第３の縮小された表現Ｆ３ｒｅｄと比較することができる。周波数空間における表現の一部の予測Ｆ３＊ｒｅｄと周波数空間における第３の縮小された表現Ｆ３ｒｅｄとの間の偏差は、偏差を定義された最小値に低減するように予測機械学習モデルを訓練するためにバックプロパゲーション法において使用され得る。予測機械学習モデルが、複数の検査対象の複数の訓練データセットに基づいて訓練されており、および医用画像技術の間に投与される造影剤の第３の量を用いる周波数空間における表現の一部の予測Ｆ３＊ｒｅｄが、定義された精度に達している場合、予測機械学習モデルは、訓練されていると見なされ得、予測のために使用され得る。
【0163】
図６Ｂ（ＦＩＧ．６Ｂ）に示されるように、放射線機械学習システム１０２は、医用画像技術の間に投与される造影剤の特定の量を用いる検査対象の検査領域の周波数空間における表現の予測を提供するために、予測機械学習モデルを使用することができる。いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、検査対象の検査領域の周波数空間における第１の表現Ｆ’１を受信することができる。周波数空間における第１の表現Ｆ’１は、医用画像技術の間に投与される造影剤の量が無いか、または医用画像技術の間に投与される造影剤の第１の量を用いる検査領域の表現を含み得る。いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、検査対象の検査領域の周波数空間における第２の表現Ｆ’２を受信することができる。いくつかの非限定的な実施形態において、周波数空間における第２の表現Ｆ'２は、医用画像技術の間に投与される造影剤の第２の量を用いる検査領域の表現を含んでもよく、および造影剤の第２の量は、造影剤の第１の量よりも多くてもよい。
【0164】
図６Ｂにさらに示されるように、放射線機械学習システム１０２は、検査対象の検査領域の周波数空間における第１の縮小された表現Ｆ’１ｒｅｄを提供するために、周波数空間の中心を含む第１の表現Ｆ’１の一部Ａを特定することができる。さらに、放射線機械学習システム１０２は、検査対象の検査領域の周波数空間における第２の縮小された表現Ｆ’２ｒｅｄを提供するために、周波数空間の中心を含む第２の表現Ｆ’２の一部Ａを特定することができる。
【0165】
図６Ｂにさらに示されるように、放射線機械学習システム１０２は、予測機械学習モデルへの入力を提供することができる。予測機械学習モデルへの入力は、周波数空間における第１の縮小された表現Ｆ’１ｒｅｄと、周波数空間における第２の縮小された表現Ｆ’２ｒｅｄとを含み得る。予測機械学習モデルは、医用画像技術の間に投与される造影剤の第３の量を用いる検査領域の周波数空間における縮小された表現の予測Ｆ’３＊ｒｅｄを出力として提供するように構成されている訓練された機械学習モデルを含み得る。いくつかの非限定的な実施形態において、造影剤の第３の量は、造影剤の第１の量および造影剤の第２の量よりも多い。
【0166】
さらに、図６Ｂに示されるように、放射線機械学習システム１０２は、入力に基づく予測機械学習モデルの出力Ｆ’３＊ｒｅｄを受信してもよく、および放射線機械学習システム１０２は、予測機械学習モデルの補足された出力Ｆ’１Ｄ１＋Ｆ’３＊ｒｅｄを提供するために、予測機械学習モデルの出力Ｆ’３＊ｒｅｄを、周波数空間の中心を含まず、および検査対象の検査領域の周波数空間における第１の縮小された表現Ｆ’１ｒｅｄを提供するために特定されなかった第１の表現の一部Ｆ’１Ｄ１で補足してもよい。いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、ｉＦＴを使用して、予測機械学習モデルの補足された出力を、検査対象の検査領域の実空間における予測された表現Ｏ’３＊に変換することができる。いくつかの非限定的な実施形態において、放射線機械学習システム１０２は、検査対象の検査領域の実空間における予測された表現Ｏ’３＊を提供することができる。
【0167】
上記のシステム、方法、およびコンピュータプログラム製品は、最も実用的かつ好ましい実施形態または態様であると現在考えられるものに基づいて例示の目的で詳細に説明されているが、そのような詳細は、単にその目的のためであり、本開示は、記載された実施形態または態様に限定されず、逆に、添付の特許請求の範囲の趣旨および範囲内にある修正および等価な構成を網羅することが意図されることを理解されたい。例えば、本開示は可能な限り、任意の実施形態または態様の少なくとも１つの特徴を、任意の他の実施形態または態様の少なくとも１つの特徴と組み合わせることができることを企図することを理解されたい。
【図1】
【図2】
【図3】
【図4】
【図5A】
【図5B】
【図5C】
【図6A】
【図6B】
【国際調査報告】