JP7246952B2 - 医用情報処理装置、ｘ線診断装置及びプログラム - Google Patents

Description

本発明の実施形態は、医用情報処理装置、Ｘ線診断装置及びプログラムに関する。

Ｘ線診断装置は、検査に加え、治療にも利用されている。例えば、心臓冠動脈又は下肢などの血管の狭窄に対する治療として、ＩＶＲ（Interventional Radiology）と呼ばれる方法が知られている。ＩＶＲでは、操作者がリアルタイムで表示されるＸ線画像を視認しながら、カテーテル及びガイドワイヤを血管内に挿入して病変部まで治療器具を進めて治療を行う。このとき、血管の狭窄をもたらす一因である石灰化がＸ線画像では視認しづらいため、石灰化の視認し易いＣＴ（Computed Tomography）画像又はＭＲＩ（Magnetic Resonance Imaging）画像をＸ線画像に重ね合わせてＩＶＲをガイドする技術が併用される場合がある。

しかしながら、この種の技術は、多くの場合、被検体の心拍・呼吸による血管の動きや変形、デバイスの挿入による血管の変形などにより、実際の位置とは異なる位置にＣＴ画像等がＸ線画像に重ね合わされてしまう。従って、この種の技術は、表示されるＸ線画像において、石灰化の大まかな位置しか提示できない点で改善の余地がある。

米国特許出願公開第２０１４／０２７５９４６号明細書

本発明が解決しようとする課題は、表示されるＸ線画像において、石灰化の位置をより正確に提示することである。

実施形態に係るＸ線診断装置は、領域特定部、情報取得部及び強調画像生成部を備えている。
前記領域特定部は、被検体のボリュームデータ上の石灰化位置に基づいて、前記被検体のＸ線画像上の領域を特定する。
前記情報取得部は、前記Ｘ線画像の前記特定された領域の画像又は前記Ｘ線画像と当該Ｘ線画像における前記特定された領域の位置とに基づいて、前記Ｘ線画像における石灰化位置を特定するための特定情報を取得する。
前記強調画像生成部は、前記特定情報に基づいて、前記Ｘ線画像における石灰化位置を強調した強調画像を生成する。

図１は、第１の実施形態に係るＸ線診断装置及び医用情報処理装置を含む医用情報処理システムの構成を示すブロック図である。 図２は、第１の実施形態に係るＸ線診断装置の構成を示すブロック図である。 図３は、第１の実施形態に係るＸ線診断装置及び医用情報処理装置のデータ作成機能を説明するための模式図である。 図４は、第１の実施形態に係るＸ線診断装置及び医用情報処理装置の学習制御機能を説明するための模式図である。 図５は、第１の実施形態に係るＸ線診断装置及び医用情報処理装置の実行機能を説明するための模式図である。 図６は、第１の実施形態に係るＸ線診断装置及び医用情報処理装置の取得機能を説明するための模式図である。 図７は、第１の実施形態に係る医用情報処理装置の構成を示すブロック図である。 図８は、第１の実施形態における動作を説明するためのフローチャートである。 図９は、第１の実施形態におけるステップＳＴ１０の動作を説明するための模式図である。 図１０は、第１の実施形態におけるステップＳＴ２０の動作を説明するための模式図である。 図１１は、第１の実施形態における強調処理の動作を説明するための模式図である。 図１２は、第１の実施形態におけるオーバーレイの動作を説明するための模式図である。 図１３は、第１の実施形態における閾値に応じた強調処理の動作を説明するための模式図である。 図１４は、第１の実施形態における対象血管に応じた強調処理の動作を説明するための模式図である。 図１５は、第２の実施形態における動作を説明するためのフローチャートである。 図１６は、第３の実施形態に係るＸ線診断装置及び医用情報処理装置のデータ作成機能を説明するための模式図である。 図１７は、第３の実施形態に係るＸ線診断装置及び医用情報処理装置の学習制御機能を説明するための模式図である。 図１８は、第３の実施形態に係るＸ線診断装置及び医用情報処理装置の実行機能を説明するための模式図である。 図１９は、第３の実施形態における動作を説明するためのフローチャートである。 図２０は、第４の実施形態に係るＸ線診断装置及び医用情報処理装置の学習制御機能を説明するための模式図である。 図２１は、第４の実施形態に係るＸ線診断装置及び医用情報処理装置の実行機能を説明するための模式図である。 図２２は、第４の実施形態における動作を説明するためのフローチャートである。

以下、図面を参照して各実施形態について説明する。

＜第１の実施形態＞
図１は、第１の実施形態に係るＸ線診断装置及び医用情報処理装置を含む医用情報処理システムの構成を示すブロック図であり、図２は、Ｘ線診断装置の構成を示すブロック図である。図３乃至図６は、Ｘ線診断装置及び医用情報処理装置のデータ作成機能、学習制御機能、実行機能及び取得機能を説明するための模式図であり、図７は、医用情報処理装置の構成を示すブロック図である。図１に示す医用情報処理システムは、互いにネットワークＮｗを介して通信可能なＸ線診断装置１、医用情報処理装置９０、Ｘ線ＣＴ装置２００及びＭＲＩ装置２１０を備えている。なお、この医用情報処理システムは、これに限らず、Ｘ線診断装置１の他に、医用情報処理装置９０、Ｘ線ＣＴ装置２００及びＭＲＩ装置２１０のうちの少なくとも１台を含む構成に変形可能である。

ここで、Ｘ線診断装置１は、撮像装置１０、心電計３０、インジェクタ４０、寝台装置５０及びコンソール装置７０を備えている。撮像装置１０は、高電圧発生装置１１、Ｘ線発生部１２、Ｘ線検出器１３、Ｃアーム１４、状態検出器１４１及びＣアーム駆動装置１４２を備えている。

高電圧発生装置１１は、Ｘ線管の陰極から発生する熱電子を加速するために、陽極と陰極の間に印加する高電圧を発生させてＸ線管へ出力する。

Ｘ線発生部１２は、被検体Ｐに対してＸ線を照射するＸ線管と、Ｘ線の照射野を限定するＸ線絞りとを備えている。

Ｘ線管は、Ｘ線を発生する。具体的には、Ｘ線管は、熱電子を発生する陰極と、陰極から飛翔する熱電子を受けてＸ線を発生する陽極とを保持する真空管である。例えば、Ｘ線管には回転する陽極に熱電子を照射することでＸ線を発生させる回転陽極型のＸ線管がある。Ｘ線管は高圧ケーブルを介して高電圧発生装置１１に接続されている。陰極と陽極との間には、高電圧発生装置１１により管電圧が印加される。管電圧の印加により陰極から陽極に向けて熱電子が飛翔する。陰極から陽極に向けて熱電子が飛翔することにより管電流が流れる。高電圧発生装置１１からの高電圧の印加及びフィラメント電流の供給により、陰極から陽極に向けて熱電子が飛翔し、熱電子が陽極に衝突することによりＸ線が発生される。

Ｘ線絞りは、Ｘ線管とＸ線検出器１３の間に位置し、一般的には、絞り羽根、付加フィルタ及び補償フィルタを備えている。Ｘ線絞りは、開口領域外のＸ線を遮蔽することにより、Ｘ線管が発生したＸ線を、被検体Ｐの関心領域にのみ照射されるように絞り込む。例えば、Ｘ線絞りは４枚の鉛板からなる絞り羽根を有し、これらの絞り羽根をスライドさせることで、Ｘ線の遮蔽される領域を任意のサイズに調節する。Ｘ線絞りの絞り羽根は、操作者が入力インタフェース７３から入力した関心領域に応じて、図示しない駆動装置により駆動される。また、Ｘ線絞りは、Ｘ線の総ろ過を調整するための付加フィルタがスリットから挿入可能となっている。また、Ｘ線絞りは、Ｘ線検査時に使用される鉛マスクや補償フィルタがアクセサリ挿入口から挿入可能となっている。なお、Ｘ線管とＸ線絞りとの間に、照射Ｘ線量を減衰或いは低減させる機能を有するＲＯＩ（Region Of Interest）フィルタを更に備えてもよい。

Ｘ線検出器１３は、被検体Ｐを透過したＸ線を検出する。このようなＸ線検出器１３としては、Ｘ線を直接電荷に変換するものと、光に変換した後、電荷に変換するものとが使用可能であり、ここでは前者を例に説明するが後者であっても構わない。すなわち、Ｘ線検出器１３は、例えば、被検体Ｐを透過したＸ線を電荷に変換して蓄積する平面状のＦＰＤ（Flat Panel Detector）と、このＦＰＤに蓄積された電荷を読み出すための駆動パルスを生成するゲートドライバとを備えている。ＦＰＤの大きさは一般的に８～１２インチであるが、１２×１６インチの長方形タイプも一般的である。ＦＰＤは微小な検出素子を列方向及びライン方向に２次元的に配列して構成される。各々の検出素子はＸ線を感知し、入射Ｘ線量に応じて電荷を生成する光電膜と、この光電膜に発生した電荷を蓄積する電荷蓄積コンデンサと、電荷蓄積コンデンサに蓄積された電荷を所定のタイミングで出力するＴＦＴ（薄膜トランジスタ）を備えている。蓄積された電荷はゲートドライバが供給する駆動パルスによって順次読み出される。

Ｘ線検出器１３の後段には、図示しない投影データ生成回路及び投影データ記憶回路を備える。投影データ生成回路は、ＦＰＤから行単位あるいは列単位でパラレルに読み出された電荷を電圧に変換する電荷・電圧変換器と、この電荷・電圧変換器の出力をデジタル信号に変換するＡ／Ｄ変換器と、デジタル変換されたパラレル信号を時系列的なシリアル信号に変換するパラレル・シリアル変換器を備えている。投影データ生成回路は、このシリアル信号を時系列的な投影データとして投影データ記憶回路に供給する。投影データ記憶回路は、投影データ生成回路から供給される時系列的な投影データを順次保存して２次元投影データを生成する。この２次元投影データは、メモリ７１に保存される。

Ｃアーム１４は、Ｘ線発生部１２とＸ線検出器１３とを被検体Ｐ及び天板５３を挟んで対向するように保持することで、天板５３上の被検体ＰのＸ線撮影を行うことができる構成を有する。

具体的にはＣアーム１４は、天板５３の長軸方向及び短軸方向に沿って移動可能となっている。また、Ｃアーム１４は、保持部を介して支持アームに支持されている。支持アームは、略円弧形状を有し、天井に設けられたレールに対する移動機構に基端が取り付けられている。Ｃアーム１４は、天板５３に垂直なＹ方向と、天板５３の長軸方向に沿ったＺ方向との両者に直交するＸ方向の軸を中心に回転可能に保持部に保持されている。また、Ｃアーム１４は、Ｚ方向の軸を中心とした略円弧形状を有し、略円弧形状に沿ってスライド動作可能に保持部に保持されている。すなわち、Ｃアーム１４は、Ｚ方向の軸を回転中心としたスライド動作を行うことができる。また、Ｃアーム１４は、保持部を中心としてＸ方向の軸を中心とした回転動作（以下、「主回転動作」と称する。）をすることができ、スライドとこの回転の組み合わせにより様々な角度方向からＸ線画像を観察することを可能とする。さらに、Ｃアーム１４は、Ｙ方向の軸を中心にも回転することができ、これにより、例えば、上述のスライド動作の回転中心軸をＸ方向とすることができる。なお、Ｘ線発生部１２のＸ線焦点と、Ｘ線検出器１３の検出面中心とを通る撮影軸は、スライド動作の回転中心軸と、主回転動作の回転中心軸とに一点で交差するように設計されている。当該交点は、一般的には、アイソセンタと呼ばれている。アイソセンタは、Ｃアーム１４が上述のスライド動作や主回転動作をしても変位しない。このため、アイソセンタに関心部位が位置した場合、Ｃアーム１４のスライド動作又は主回転動作により得られた医用画像の動画像において、関心部位の観察が容易になる。

このようなＣアーム１４は、レール下の支持アーム、Ｘ方向の軸、Ｙ方向の軸及びＺ方向の軸に係る動作を実現するための複数の動力源が該当する適当な箇所に備えられている。これらの動力源はＣアーム駆動装置１４２を構成する。Ｃアーム駆動装置１４２は、駆動制御機能７４２からの駆動信号を読み込んでＣアーム１４をスライド運動、回転運動、直線運動させる。さらに、Ｃアーム１４には、その角度または姿勢や位置の情報を検出する状態検出器１４１がそれぞれ備えられている。状態検出器１４１は、例えば回転角や移動量を検出するポテンショメータや、位置検出センサであるエンコーダ等で構成される。エンコーダとしては、例えば磁気方式、刷子式、あるいは光電式等の、いわゆるアブソリュートエンコーダが使用可能となっている。また、状態検出器１４１としては、回転変位をデジタル信号として出力するロータリエンコーダあるいは直線変位をデジタル信号として出力するリニアエンコーダなど、様々な種類の位置検出機構が適宜、使用可能となっている。

心電計３０は、被検体Ｐに取り付けられた電極（図示せず）を介して当該被検体Ｐの心電波形（Electrocardiogram：ＥＣＧ）を取得する。心電計３０は、取得した心電波形及び時間情報を含む心電図データをコンソール装置７０の処理回路７４及びメモリ７１と、医用情報処理装置９０の処理回路９４及びメモリ９１へと出力する。「心位相」の用語は、通常は、心電図データによって検出されたＲ波を目印にし、Ｒ波からＲ波までの時間を１００％で規格化し、現在のフレームの時刻を％で表現したものを指している。例えば、心臓収縮末期の心位相は２５％付近である。

インジェクタ４０は、被検体Ｐの造影血管Ｘ線画像を撮影する際に、撮影制御機能７４３から通信された注入量及び注入速度に応じて、被検体Ｐに造影剤を注入する。

寝台装置５０は、被検体Ｐを載置、移動させる装置であり、基台５１と、寝台駆動装置５２と、天板５３と、支持フレーム５４とを備えている。

基台５１は、床面に設置され、支持フレーム５４を鉛直方向（Ｙ方向）に移動可能に支持する筐体である。

寝台駆動装置５２は、寝台装置５０の筐体内に収容され、被検体Ｐが載置された天板５３を天板５３の長手方向（Ｚ方向）に移動するモータあるいはアクチュエータを含んでいる。寝台駆動装置５２は、駆動制御機能７４２からの駆動信号を読み込んで、天板５３を床面に対して水平方向や垂直方向に移動させる。

天板５３は、支持フレーム５４の上面に設けられ、被検体Ｐが載置される板である。

支持フレーム５４は、被検体Ｐが載置される天板５３を移動可能に支持する。詳しくは、支持フレーム５４は、基台５１の上部に設けられ、天板５３をその長手方向に沿ってスライド可能に支持する。

コンソール装置７０は、メモリ７１、ディスプレイ７２、入力インタフェース７３、処理回路７４及びネットワークインタフェース７６を備えている。

メモリ７１は、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、ＨＤＤ（Hard Disk Drive）及び画像メモリなど電気的情報を記録するメモリ本体と、それらメモリ本体に付随するメモリコントローラやメモリインタフェースなどの周辺回路とを備えている。メモリ７１は、例えば、処理回路７４に実行されるプログラムと、Ｘ線検出器１３から受けた検出データ（投影データ）、処理回路７４により生成された医用画像、機械学習モデル、学習済みモデル、処理回路７４の処理に用いるデータ、各種テーブル、処理途中のデータ及び処理後のデータ等が記憶される。医用画像としては、例えば、ＣＴ画像（ボリュームデータ）、ＭＲＩ画像（ボリュームデータ）、Ｘ線画像（Ｘ線透視画像）、造影血管Ｘ線画像（ＤＳＡ画像）、重畳画像などがある。学習済みモデルは、被検体のＸ線画像上で特定された領域の画像又は当該Ｘ線画像と当該Ｘ線画像における特定された領域の位置とに基づいて、当該Ｘ線画像における石灰化位置を特定するための特定情報を出力するように機能付けられている。プログラムは、例えば、コンピュータに、被検体のボリュームデータ上の石灰化位置に基づいて、当該被検体のＸ線画像上の領域を特定する領域特定機能、当該Ｘ線画像の当該特定された領域の画像又は当該Ｘ線画像と当該Ｘ線画像における特定された領域の位置とに基づいて、当該Ｘ線画像における石灰化位置を特定するための特定情報を取得する情報取得機能、当該特定情報に基づいて、当該Ｘ線画像における石灰化位置を強調した強調画像を生成する強調画像生成機能、を実現させる。補足すると、このようなプログラムとしては、例えば、予めネットワーク又は非一過性のコンピュータ読み取り可能な記憶媒体からコンピュータにインストールされ、医用情報処理装置７７の各機能を当該コンピュータに実現させるプログラムが用いられる。メモリ７１は、記憶部の一例である。

ディスプレイ７２は、医用画像などといった各種の情報を表示するディスプレイ本体と、ディスプレイ本体に表示用の信号を供給する内部回路、ディスプレイ本体と内部回路とをつなぐコネクタやケーブルなどの周辺回路から構成されている。内部回路は、処理回路７４から供給される画像データに被検体情報や投影データ生成条件等の付帯情報を重畳して表示データを生成し、得られた表示データに対しＤ／Ａ変換とＴＶフォーマット変換を行なってディスプレイ本体に表示する。例えば、ディスプレイ７２は、処理回路７４によって生成された医用画像や、操作者からの各種操作を受け付けるためのＧＵＩ（Graphical User Interface）等を出力する。例えば、ディスプレイ７２は、液晶ディスプレイやＣＲＴ（Cathode Ray Tube）ディスプレイである。また、ディスプレイ７２は、表示部の一例である。また、ディスプレイ７２は、デスクトップ型でもよいし、コンソール装置７０本体と無線通信可能なタブレット端末等で構成されることにしても構わない。ディスプレイ７２は表示部の一例である。

入力インタフェース７３は、被検体情報の入力、Ｘ線条件の設定、各種コマンド信号の入力等を行う。被検体情報は、例えば、被検体ＩＤ、被検体名、生年月日、年齢、体重、性別、検査部位等を含んでいる。なお、被検体情報は、被検体の身長を含んでもよい。入力インタフェース７３は、例えば、Ｃアーム１４の移動指示、関心領域（ＲＯＩ）の設定などを行うためのトラックボール、スイッチボタン、マウス、キーボード、操作面へ触れることで入力操作を行うタッチパッド、及び表示画面とタッチパッドとが一体化されたタッチパネルディスプレイ等によって実現される。入力インタフェース７３は、処理回路７４に接続されており、操作者から受け取った入力操作を電気信号へ変換し、処理回路７４へと出力する。また、入力インタフェース７３は、コンソール装置７０本体と無線通信可能なタブレット端末等で構成されることにしても構わない。また、本明細書において入力インタフェース７３はマウス、キーボードなどの物理的な操作部品を備えるものだけに限られない。例えば、装置とは別体に設けられた外部の入力機器から入力操作に対応する電気信号を受け取り、この電気信号を処理回路７４へ出力する電気信号の処理回路も入力インタフェース７３の例に含まれる。

処理回路７４は、メモリ７１内のプログラムを呼び出し実行することにより、プログラムに対応するシステム制御機能７４１、駆動制御機能７４２、撮影制御機能７４３、画像処理機能７４４、データ作成機能７４５、学習制御機能７４６、実行機能７４７、強調処理機能７４８及び表示制御機能７４９を実現するプロセッサである。なお、図２においては単一の処理回路７４にてシステム制御機能７４１、駆動制御機能７４２、撮影制御機能７４３、画像処理機能７４４、データ作成機能７４５、学習制御機能７４６、実行機能７４７、強調処理機能７４８及び表示制御機能７４９が実現されるものとして説明したが、複数の独立したプロセッサを組み合わせて処理回路を構成し、各プロセッサがプログラムを実行することにより各機能を実現するものとしても構わない。また、システム制御機能７４１、駆動制御機能７４２、撮影制御機能７４３、画像処理機能７４４、データ作成機能７４５、学習制御機能７４６、実行機能７４７、強調処理機能７４８及び表示制御機能７４９は、それぞれシステム制御回路、駆動制御回路、撮影制御回路、画像処理回路、データ作成回路、学習制御回路、実行回路、強調処理回路及び表示制御回路と呼んでもよく、個別のハードウェア回路として実装してもよい。

システム制御機能７４１は、例えば、入力インタフェース７３から入力された操作者によるコマンド信号、及び各種初期設定条件等の情報を一旦記憶した後、これらの情報を処理回路７４の各処理機能に送信する。

駆動制御機能７４２は、例えば、入力インタフェース７３から入力されたＣアーム１４及び天板５３の駆動に関する情報を用いて、Ｃアーム駆動装置１４２及び寝台駆動装置５２の制御を行う。例えば、駆動制御機能７４２は、撮像装置１０の移動や回転、及び寝台装置５０の移動やチルトなどを制御する。

撮影制御機能７４３は、例えば、システム制御機能７４１からの情報を読み込んで、高電圧発生装置１１における管電圧、管電流、照射時間などのＸ線条件の制御を行う。Ｘ線条件は、管電流と照射時間の積（ｍＡｓ）を含んでもよい。

画像処理機能７４４は、例えば、メモリ７１内の投影データに対してフィルタリング処理等の画像処理を行ってＸ線画像データを生成し、Ｘ線画像データをメモリ７１に保存する。更に、画像処理機能７４４は、得られた複数のＸ線画像データに対し合成処理や減算（サブトラクション）処理等を行ない、得られたＸ線画像データをメモリ７１に保存する。なお、造影剤を用いて得られたＸ線画像から、造影剤を用いずに得られたＸ線画像を減算処理して得られたＸ線画像データについては、造影血管Ｘ線画像データ又はＤＳＡ（Digital Subtraction Angiography）画像ともいう。

データ作成機能７４５は、被検体のＸ線画像上の特定された領域の画像又は当該Ｘ線画像と当該Ｘ線画像における特定された領域の位置と、当該Ｘ線画像における石灰化位置を特定するための特定情報とを含む学習用データを作成する。なお、特定された領域は、Ｘ線画像内の石灰化した部分を含んでおり、当該Ｘ線画像全体よりも小さい領域である。特定された領域は、特定領域、部分領域、小領域又は関心領域などのように読み替えてもよい。なお、以下の説明は、「特定された領域の画像」及び「当該Ｘ線画像と当該Ｘ線画像における特定された領域の位置」のうち、「特定された領域の画像」を用いる場合を代表例に挙げて述べる。このようなデータ作成機能７４５は、例えば図３に示すように、領域特定機能７４５ａ、情報作成機能７４５ｂ、学習用データ出力機能７４５ｃを有している。領域特定機能７４５ａは、被検体Ｐのボリュームデータ上の石灰化位置に基づいて、被検体ＰのＸ線画像上の領域を特定する。詳しくは、領域特定機能７４５ａは、被検体Ｐに関して医用画像診断装置で撮影されたボリュームデータ上の石灰化位置（石灰化位置座標）に基づいて、被検体Ｐに関してＸ線診断装置１で撮像されたＸ線画像上の領域を特定する。医用画像診断装置で撮影されたボリュームデータとしては、例えば、Ｘ線ＣＴ装置で撮影されたＣＴ画像としてもよく、ＭＲＩ装置で撮影されたＭＲＩ画像としてもよい。

情報作成機能７４５ｂは、操作者の操作に応じて、特定された領域の画素毎に石灰化の指標を設定することにより、石灰化位置を特定するための特定情報を作成する。この指標（以下、スコアともいう）は、例えば、石灰化らしさ（石灰化の性状、硬い度合い）を０乃至１の範囲で示す値としてもよい。特定情報は、画素毎に石灰化の指標を示す情報であり、石灰化マップ又は石灰化スコアなどと呼んでもよい。なお、情報作成機能７４５ｂは、被検体Ｐに関してＸ線診断装置１で撮像された造影血管Ｘ線画像のうちの特定された領域と同じ位置の領域の画像を、特定された領域の画像（又はＸ線画像における特定された領域）にオーバーレイし、当該オーバーレイされた領域の画素毎に特定情報を作成してもよい。すなわち、操作者の操作に応じて、オーバーレイされた領域の画素毎に石灰化のスコアを設定してもよい。ここで、オーバーレイする造影血管Ｘ線画像は、Ｘ線画像の特定された領域が心臓冠動脈の場合、画像間のズレを小さくする観点から、特定された領域と同じ心位相の造影血管Ｘ線画像であることが好ましい。なお、本実施形態及び以下の各実施形態は、心臓冠動脈の場合を例に挙げて述べるが、これに限らず、下肢などの血管のように、体動のない血管を対象としてもよい。

学習用データ出力機能７４５ｃは、領域特定機能７４５ａにより特定された領域の画像（又はＸ線画像と当該特定された領域の位置）と、情報作成機能７４５ｂにより作成された特定情報とを、入力された当該特定された領域の画像（又はＸ線画像と当該特定された領域の位置と）を受け付けて当該特定情報を出力する学習済みモデルに使用するための学習用データとして出力する。なお、領域特定機能７４５ａ、情報作成機能７４５ｂ及び学習用データ出力機能７４５ｃは、領域特定部、情報作成部及び学習用データ出力部の一例である。

学習制御機能７４６は、図４に示すように、データ作成機能７４５により得られた学習用データに基づいて、機械学習モデルＭ１に機械学習を行わせることにより、学習済みの機械学習モデルである学習済みモデルＭ２を作成する。学習制御機能７４６は、学習済みモデルＭ２をメモリ７１に書き込む。これにより、学習済みモデルＭ２はメモリ７１に記憶される。学習済みモデルＭ２は、Ｘ線画像における特定された領域の画像（又は当該Ｘ線画像と当該特定された領域の位置と）に基づいて、当該Ｘ線画像における石灰化位置を特定するための特定情報を出力するように機能付けられている。この場合、学習用データは、Ｘ線画像における特定された領域の画像である入力データと、当該特定情報である出力データとを含んでいる。但し、入力データとしては、Ｘ線画像における特定された領域の画像に代えて、Ｘ線画像と当該特定された領域の位置とを用いてもよい。機械学習モデルは、Ｘ線画像における特定された領域の画像（又は当該Ｘ線画像と当該特定された領域の位置と）を入力として、当該Ｘ線画像における石灰化位置を特定するための特定情報を出力する、複数の関数が合成されたパラメータ付き合成関数である。パラメータ付き合成関数は、複数の調整可能な関数及びパラメータの組合せにより定義される。本実施形態に係る機械学習モデルは、上記の要請を満たす如何なるパラメータ付き合成関数であっても良いが、多層のネットワークモデル（以下、多層化ネットワークと呼ぶ）であるとする。多層化ネットワークを用いる学習済みモデルＭ２は、Ｘ線画像における特定された領域の画像（又は当該Ｘ線画像と当該特定された領域の位置と）を入力する入力層と、当該Ｘ線画像における石灰化位置を特定するための特定情報を出力する出力層と、入力層と出力層との間に設けられる少なくとも１層の中間層とを有する。なお、入力層は、例えば、特定された領域の画像の画素数に応じたユニットを有してもよく、当該Ｘ線画像の画素数に応じたユニット及び当該特定された領域の位置を示す値の個数に応じたユニットを有してもよい。出力層は、例えば、特定された領域の画像の画素毎の石灰化スコアを出力するため、特定された領域の画像の画素数に応じたユニットを有してもよい。また、入力層は、出力信号及び付帯情報を入力してもよく、特定情報は、当該特定された領域及び付帯情報に対応した情報としてもよい。当該学習済みモデルＭ２は、人工知能ソフトウエアの一部であるプログラムモジュールとしての利用が想定される。このような多層化ネットワークとしては、例えば、深層学習（Deep Learning）の対象となる多層ニューラルネットワークである深層ニューラルネットワーク（Deep Neural Network：ＤＮＮ）を用いている。ＤＮＮとしては、例えば、動画に対して再帰型ニューラルネットワーク（Recurrent Neural Network：ＲＮＮ）を用いてもよく、静止画に対して畳込みニューラルネットワーク（Convolutional Neural Network：ＣＮＮ）を用いてもよい。ＲＮＮは、長・短期記憶（Long Short-Term Memory：ＬＳＴＭ）を含んでもよい。以下の説明は、主に、Ｘ線画像における特定された領域の画像が動画である場合を例に挙げて述べる。以上の当該多層化ネットワークに関する説明は、以下の全ての機械学習モデル及び学習済みモデルにも該当する。

実行機能７４７は、被検体のボリュームデータ上の石灰化位置に基づいて、被検体のＸ線画像上の領域を特定し、Ｘ線画像の当該特定された領域の画像（又は当該Ｘ線画像と当該Ｘ線画像における特定された領域の位置と）に基づいて、当該Ｘ線画像における石灰化位置を特定するための特定情報を取得する。このような実行機能７４７は、例えば、ボリュームデータをアンギオグラフィックビュー表示した画像とＸ線画像との位置合わせの実行、又は学習済みモデルＭ２の実行などにより実現可能である。以下の説明は、学習済みモデルＭ２を実行する場合を代表例に挙げて述べる。例えば、実行機能７４７は、メモリ７１内の学習済みモデルＭ２を実行することにより、Ｘ線画像の特定された領域に基づいて、当該Ｘ線画像における石灰化位置を特定するための特定情報を出力する。このような実行機能７４７は、例えば図５に示すように、領域特定機能７４７ａ及び情報取得機能７４７ｂを有している。

ここで、領域特定機能７４７ａは、被検体Ｐのボリュームデータ上の石灰化位置に基づいて、被検体ＰのＸ線画像上の領域を特定する。詳しくは、領域特定機能７４７ａは、被検体Ｐに関して医用画像診断装置で撮影されたボリュームデータ上の石灰化位置に基づいて、被検体Ｐに関してＸ線診断装置１で撮像されたＸ線画像上の領域を特定する。なお、「石灰化位置」の用語は、「石灰化の位置」ともいう。また、この領域特定機能７４７ａは、図６に示すように、Ｘ線画像ｇ１に関して、被検体Ｐの心拍及び呼吸に対応する石灰化の位置ｐ１の移動に追従して、当該位置ｐ１を含む領域ａ１を特定してもよい。あるいは、領域特定機能７４７ａは、被検体Ｐの心拍及び呼吸に対応する石灰化の位置ｐ１の移動範囲を含む領域ａ２を特定してもよい。また、図６中、Ｘ線画像ｇ１の左上方の直線は、血管に挿入されたカテーテルｋ１を示している。カテーテルｋ１の先端が位置する血管から少し下流側の一つの血管において、石灰化した位置ｐ１が被検体Ｐの心拍及び呼吸に応じて周期的に移動している。

情報取得機能７４７ｂは、領域特定機能７４７により特定された領域の画像（又はＸ線画像と当該Ｘ線画像における特定された領域の位置）と学習済みモデルＭ２とに基づいて、当該Ｘ線画像における特定された領域の石灰化位置を特定するための特定情報を取得する。ここで、特定情報は、当該特定された領域の画素毎の石灰化に関するスコアでもよい。このスコアは、例えば、石灰化らしさ（石灰化の性状、硬い度合い）を０乃至１の範囲で示す値としてもよい。なお、領域特定機能７４７ａ及び情報取得機能７４７ｂは、領域特定部及び情報取得部の一例である。

強調処理機能７４８は、実行機能７４７により取得された特定情報に基づいて、Ｘ線画像における石灰化位置を強調した強調画像を生成する。なお、強調処理機能７４８は、操作者の操作に応じて、石灰化位置の強調に用いる閾値を設定してもよい。また、強調処理機能７４８は、特定情報が、当該特定された領域の画素毎の石灰化に関するスコアである場合に、特定された領域の画素毎に当該スコアと当該閾値とを比較し、当該比較した結果に基づいて、特定された領域の画素毎に、Ｘ線画像の石灰化位置を強調するようにしてもよい。また、強調処理機能７４８は、撮像されたＸ線画像がデバイスの画像を含むとき、デバイスの進行先の血管のみに関する特定画像に基づいてＸ線画像の石灰化位置を強調してもよい。デバイスとしては、例えば、ガイドワイヤやカテーテルのように被検体の血管に挿入されてＸ線撮像される医療器具であれば、適宜、使用可能となっている。また、強調処理機能７４８としては、撮像されたＸ線画像の時間変化に基づいて、特定情報で特定される石灰化位置が常に当該進行先の血管上にあるか否かを判定し、当該判定した結果に応じてＸ線画像の石灰化位置を強調してもよい。強調処理機能７４８は、強調画像生成部及び設定部の一例である。

表示制御機能７４９は、例えば、システム制御機能７４１からの信号を読み込んで、メモリ７１から所望の医用画像データを取得してディスプレイ７２に表示する制御などを行う。また、表示制御機能７４９は、強調処理機能７４８により生成された強調画像をディスプレイ７２に表示させる。表示制御機能７４９は、表示制御部の一例である。

ネットワークインタフェース７６は、コンソール装置７０をネットワークＮｗに接続して医用情報処理装置９０、Ｘ線ＣＴ装置２００又はＭＲＩ装置２１０等の他の装置と通信するための回路である。ネットワークインタフェース７６としては、例えば、ネットワークインタフェースカード（ＮＩＣ）が使用可能となっている。以下の説明では、他の装置との通信にネットワークインタフェース７６が介在する旨の記載を省略する。

これらメモリ７１、ディスプレイ７２、入力インタフェース７３、処理回路７４のデータ作成機能７４５、学習制御機能７４６、実行機能７４７、強調処理機能７４８及び表示制御機能７４９は、医用情報処理装置７７を構成している。医用情報処理装置７７は、画像処理機能７４４を更に含んでもよい。医用情報処理装置７７は、Ｘ線診断装置１に内蔵されてもよく、Ｘ線診断装置１とは別の装置として、Ｘ線診断装置１の外部に設けてもよい。

一方、医用情報処理装置９０は、図７に示すように、メモリ９１、ディスプレイ９２、入力インタフェース９３、処理回路９４及びネットワークインタフェース９６を備えている。

メモリ９１は、ＲＯＭ、ＲＡＭ、ＨＤＤ及び画像メモリなど電気的情報を記録するメモリ本体と、それらメモリ本体に付随するメモリコントローラやメモリインタフェースなどの周辺回路とを備えている。メモリ９１は、例えば、処理回路９４に実行されるプログラム、処理回路９４により生成された医用画像、機械学習モデル、学習済みモデル、処理回路９４の処理に用いるデータ、各種テーブル、処理途中のデータ及び処理後のデータ等が記憶される。医用画像としては、例えば、ＣＴ画像、ＭＲＩ画像、Ｘ線画像（Ｘ線透視画像）、造影血管Ｘ線画像（ＤＳＡ画像）、重畳画像などがある。学習済みモデルは、被検体のＸ線画像上の特定された領域の画像（又はＸ線画像と当該Ｘ線画像における当該特定された領域の位置と）に基づいて、当該Ｘ線画像における石灰化位置を特定するための特定情報を出力するように機能付けられている。プログラムは、例えば、コンピュータに、被検体のボリュームデータ上の石灰化位置に基づいて、当該被検体のＸ線画像上の領域を特定する領域特定機能、当該Ｘ線画像の当該特定された領域の画像又は当該Ｘ線画像と当該Ｘ線画像における当該特定された領域の位置とに基づいて、当該Ｘ線画像における石灰化位置を特定するための特定情報を取得する情報取得機能、当該特定情報に基づいて、当該Ｘ線画像における石灰化位置を強調した強調画像を生成する強調画像生成機能、を実現させる。補足すると、このようなプログラムとしては、例えば、予めネットワーク又は非一過性のコンピュータ読み取り可能な記憶媒体からコンピュータにインストールされ、医用情報処理装置９０の各機能を当該コンピュータに実現させるプログラムが用いられる。メモリ９１は、記憶部の一例である。

ディスプレイ９２は、医用画像などといった各種の情報を表示するディスプレイ本体と、ディスプレイ本体に表示用の信号を供給する内部回路、ディスプレイ本体と内部回路とをつなぐコネクタやケーブルなどの周辺回路から構成されている。内部回路は、処理回路９４から供給される画像データに被検体情報や投影データ生成条件等の付帯情報を重畳して表示データを生成し、得られた表示データに対しＤ／Ａ変換とＴＶフォーマット変換を行なってディスプレイ本体に表示する。例えば、ディスプレイ９２は、処理回路９４によって強調された医用画像や、操作者からの各種操作を受け付けるためのＧＵＩ等を出力する。例えば、ディスプレイ９２は、液晶ディスプレイやＣＲＴディスプレイである。また、ディスプレイ９２は、表示部の一例である。また、ディスプレイ９２は、デスクトップ型でもよいし、医用情報処理装置９０本体と無線通信可能なタブレット端末等で構成されることにしても構わない。ディスプレイ９２は表示部の一例である。

入力インタフェース９３は、被検体情報の入力、各種コマンド信号の入力等を行う。被検体情報は、例えば、被検体ＩＤ、被検体名、生年月日、年齢、体重、性別、検査部位等を含んでいる。なお、被検体情報は、被検体の身長を含んでもよい。入力インタフェース９３は、例えば、機械学習や画像処理といった医用情報処理に関する指示、関心領域（ＲＯＩ）の設定などを行うためのトラックボール、スイッチボタン、マウス、キーボード、操作面へ触れることで入力操作を行うタッチパッド、及び表示画面とタッチパッドとが一体化されたタッチパネルディスプレイ等によって実現される。入力インタフェース９３は、処理回路９４に接続されており、操作者から受け取った入力操作を電気信号へ変換し、処理回路９４へと出力する。また、入力インタフェース９３は、医用情報処理装置９０本体と無線通信可能なタブレット端末等で構成されることにしても構わない。また、本明細書において入力インタフェース９３はマウス、キーボードなどの物理的な操作部品を備えるものだけに限られない。例えば、装置とは別体に設けられた外部の入力機器から入力操作に対応する電気信号を受け取り、この電気信号を処理回路９４へ出力する電気信号の処理回路も入力インタフェース９３の例に含まれる。

処理回路９４は、メモリ９１内のプログラムを呼び出し実行することにより、プログラムに対応するデータ作成機能９４５、学習制御機能９４６、実行機能９４７、強調処理機能９４８及び表示制御機能９４９を実現するプロセッサである。なお、図７においては単一の処理回路９４にてデータ作成機能９４５、学習制御機能９４６、実行機能９４７、強調処理機能９４８及び表示制御機能９４９が実現されるものとして説明したが、複数の独立したプロセッサを組み合わせて処理回路を構成し、各プロセッサがプログラムを実行することにより各機能を実現するものとしても構わない。また、データ作成機能９４５、学習制御機能９４６、実行機能９４７、強調処理機能９４８及び表示制御機能９４９は、それぞれデータ作成回路、学習制御回路、実行回路、強調処理回路及び表示制御回路と呼んでもよく、個別のハードウェア回路として実装してもよい。また、医用情報処理装置９０内のデータ作成機能９４５、学習制御機能９４６、実行機能９４７、強調処理機能９４８及び表示制御機能９４９は、Ｘ線診断装置１内のデータ作成機能７４５、学習制御機能７４６、実行機能７４７、強調処理機能７４８及び表示制御機能７４９と同様の機能である。このため、以下のデータ作成機能９４５、学習制御機能９４６、実行機能９４７、強調処理機能９４８及び表示制御機能９４９に関する説明は、適宜、重複する部分などを省略して述べる。

データ作成機能９４５は、被検体のＸ線画像上の特定された領域の画像又は当該Ｘ線画像と当該Ｘ線画像における特定された領域の位置と、当該Ｘ線画像における石灰化位置を特定するための特定情報とを含む学習用データを作成する。このようなデータ作成機能９４５は、例えば図３に示したように、領域特定機能９４５ａ、情報作成機能９４５ｂ、学習用データ出力機能９４５ｃを有している。領域特定機能９４５ａは、被検体Ｐのボリュームデータ上の石灰化位置に基づいて、被検体ＰのＸ線画像上の領域を特定する。詳しくは、領域特定機能９４５ａは、被検体Ｐに関して医用画像診断装置で撮影されたボリュームデータ上の石灰化位置（石灰化位置座標）に基づいて、被検体Ｐに関してＸ線診断装置１で撮像されたＸ線画像上の領域を特定する。

情報作成機能９４５ｂは、Ｘ線画像の特定された領域の画像（又はＸ線画像と当該Ｘ線画像における特定された領域の位置と）に基づき、操作者の操作に応じて当該Ｘ線画像における石灰化位置を特定するための特定情報を作成する。例えば、情報作成機能９４５ｂは、操作者の操作に応じて、特定された領域の画素毎に石灰化の指標を設定することにより、石灰化位置を特定するための特定情報を作成する。なお、情報作成機能９４５ｂは、被検体Ｐに関してＸ線診断装置１で撮像された造影血管Ｘ線画像のうちの特定された領域と同じ位置の領域の画像を、特定された領域の画像（又はＸ線画像における特定された領域）にオーバーレイし、当該オーバーレイされた領域の画素毎に特定情報を作成してもよい。すなわち、操作者の操作に応じて、オーバーレイされた領域の画素毎に石灰化のスコアを設定してもよい。ここで、オーバーレイする造影血管Ｘ線画像は、Ｘ線画像の特定された領域が心臓冠動脈の場合、画像間のズレを小さくする観点から、特定された領域と同じ心位相の造影血管Ｘ線画像であることが好ましい。また、情報作成機能９４５ｂは、操作者の操作に応じて、オーバーレイする造影血管Ｘ線画像の濃度又は透過度を調整する機能を有してもよい。

学習用データ出力機能９４５ｃは、領域特定機能９４５ａにより特定された領域の画像（又はＸ線画像と当該特定された領域の位置）と、情報作成機能９４５ｂにより作成された特定情報とを、入力された当該特定された領域の画像（又はＸ線画像と当該特定された領域の位置と）を受け付けて当該特定情報を出力する学習済みモデルに使用するための学習用データとして出力する。なお、領域特定機能９４５ａ、情報作成機能９４５ｂ及び学習用データ出力機能９４５ｃは、領域特定部、情報作成部及び学習用データ出力部の一例である。

学習制御機能９４６は、図４に示したように、データ作成機能９４５により得られた学習用データに基づいて、機械学習モデルＭ１に機械学習を行わせることにより、学習済みの機械学習モデルである学習済みモデルＭ２を作成する。学習制御機能９４６は、学習済みモデルＭ２をメモリ９１に書き込む。これにより、学習済みモデルＭ２はメモリ９１に記憶される。学習済みモデルＭ２は、Ｘ線画像における特定された領域の画像（又は当該Ｘ線画像と当該特定された領域の位置と）に基づいて、当該Ｘ線画像における石灰化位置を特定するための特定情報を出力するように機能付けられている。この場合、学習用データは、Ｘ線画像における特定された領域の画像である入力データと、当該特定情報である出力データとを含んでいる。但し、入力データとしては、Ｘ線画像における特定された領域の画像に代えて、Ｘ線画像と当該特定された領域の位置とを用いてもよい。機械学習モデルは、Ｘ線画像における特定された領域の画像（又は当該Ｘ線画像と当該特定された領域の位置と）を入力として、当該Ｘ線画像における石灰化位置を特定するための特定情報を出力する、複数の関数が合成されたパラメータ付き合成関数である。

実行機能９４７は、ボリュームデータ上の石灰化位置に基づいてＸ線画像上の領域を特定し、Ｘ線画像の当該特定された領域の画像（又は当該Ｘ線画像と当該Ｘ線画像における特定された領域の位置と）に基づいて、当該Ｘ線画像における石灰化位置を特定するための特定情報を取得する。このような実行機能９４７は、例えば、ボリュームデータをアンギオグラフィックビュー表示した画像とＸ線画像との位置合わせの実行、又は学習済みモデルＭ２の実行などにより実現可能である。以下の説明は、学習済みモデルＭ２を実行する場合を代表例に挙げて述べる。例えば、実行機能９４７は、メモリ９１内の学習済みモデルＭ２を実行することにより、Ｘ線画像上の特定された領域の画像に基づいて、当該Ｘ線画像における石灰化位置を特定するための特定情報を取得する。このような実行機能９４７は、例えば図５に示したように、領域特定機能９４７ａ及び情報取得機能９４７ｂを有している。

ここで、領域特定機能９４７ａは、被検体Ｐのボリュームデータ上の石灰化位置に基づいて、被検体ＰのＸ線画像上の領域を特定する。詳しくは、領域特定機能９４７ａは、被検体Ｐに関して医用画像診断装置で撮影されたボリュームデータ上の石灰化位置に基づいて、被検体Ｐに関してＸ線診断装置１で撮像されたＸ線画像上の領域を特定する。ここで、医用画像診断装置で撮影されたボリュームデータとしては、例えば、Ｘ線ＣＴ装置２００で撮影されたＣＴ画像、及びＭＲＩ装置２１０で撮影されたＭＲＩ画像が適宜、使用可能となっている。なお、この領域特定機能９４７ａは、図６に示したように、Ｘ線画像ｇ１に関して、被検体Ｐの心拍及び呼吸に対応する石灰化の位置ｐ１の移動に追従して、当該位置ｐ１を含む領域ａ１を特定してもよい。あるいは、領域特定機能９４７ａは、被検体Ｐの心拍及び呼吸に対応する石灰化の位置ｐ１の移動範囲を含む領域ａ２を特定してもよい。

情報取得機能９４７ｂは、領域特定機能９４７ａにより特定された領域の画像（又はＸ線画像と当該Ｘ線画像における特定された領域の位置と）に基づいて、当該Ｘ線画像における石灰化位置を特定するための特定情報を取得する。例えば、情報取得機能９４７ｂは、領域特定機能９４７ａにより特定された領域の画像（又はＸ線画像と当該Ｘ線画像における特定された領域の位置）と学習済みモデルＭ２とに基づいて、当該Ｘ線画像における石灰化位置を特定するための特定情報を取得する。ここで、特定情報は、当該特定された領域の画素毎の石灰化に関するスコアでもよい。このスコアは、例えば、石灰化らしさ（石灰化の性状、硬い度合い）を０乃至１の範囲で示す値としてもよい。なお、領域特定機能９４７ａ及び情報取得機能９４７ｂは、領域特定部及び情報取得部の一例である。

強調処理機能９４８は、実行機能９４７により取得された特定情報に基づいて、Ｘ線画像における石灰化位置を強調した強調画像を生成する。なお、強調処理機能７４８は、操作者の操作に応じて、石灰化位置の強調に用いる閾値を設定してもよい。また、強調処理機能７４８は、特定情報が、当該特定された領域の画素毎の石灰化に関するスコア（指標）である場合に、特定された領域の画素毎に当該スコアと当該閾値とを比較し、当該比較した結果に基づいて、特定された領域の画素毎に、Ｘ線画像の石灰化位置を強調するようにしてもよい。また、強調処理機能９４８は、撮像されたＸ線画像がデバイスの画像を含むとき、デバイスの進行先の血管のみに関する特定画像に基づいてＸ線画像の石灰化位置を強調してもよい。デバイスとしては、例えば、ガイドワイヤやカテーテルのように被検体の血管に挿入されてＸ線撮像される医療器具であれば、適宜、使用可能となっている。また、強調処理機能９４８としては、撮像されたＸ線画像の時間変化に基づいて、特定情報で特定される石灰化位置が常に当該進行先の血管上にあるか否かを判定し、当該判定した結果に応じてＸ線画像の石灰化位置を強調してもよい。強調処理機能９４８は、強調処理部及び設定部の一例である。

表示制御機能９４９は、例えば、入力インタフェース９３からの信号を読み込んで、メモリ９１から所望の医用画像データを取得してディスプレイ９２に表示する制御などを行う。また、表示制御機能９４９は、強調処理機能９４８により生成された強調画像をディスプレイ９２に表示させる。表示制御機能９４９は、表示制御部の一例である。

ネットワークインタフェース９６は、医用情報処理装置９０をネットワークＮｗに接続してＸ線診断装置１、Ｘ線ＣＴ装置２００又はＭＲＩ装置２１０等の他の装置と通信するための回路である。ネットワークインタフェース９６としては、例えば、ネットワークインタフェースカード（ＮＩＣ）が使用可能となっている。以下の説明では、他の装置との通信にネットワークインタフェース９６が介在する旨の記載を省略する。

なお、医用情報処理装置９０内のデータ作成機能９４５、学習制御機能９４６、実行機能９４７、強調処理機能９４８及び表示制御機能９４９は、Ｘ線診断装置１内のデータ作成機能７４５、学習制御機能７４６、実行機能７４７、強調処理機能７４８及び表示制御機能７４９と同様の機能である。すなわち、医用情報処理システムとしては、医用情報処理装置９０内の各機能９４５～９４９、又はＸ線診断装置１内の各機能７４５～７４９、のいずれかの動作が実行される。なお、医用情報処理装置９０の処理回路９４は、Ｘ線診断装置１内の画像処理機能７４４と同様の画像処理機能を更に実現してもよい。

Ｘ線ＣＴ装置２００は、被検体Ｐに関して医用画像を撮影する医用画像診断装置の一例である。Ｘ線ＣＴ装置２００は、被検体ＰをＣＴ撮影し、得られたＣＴ画像（ボリュームデータ）をＸ線診断装置１又は医用情報処理装置９０に送信する。

ＭＲＩ装置２１０は、被検体Ｐに関して医用画像を撮影する医用画像診断装置の他の一例である。ＭＲＩ装置２１０は、被検体ＰをＭＲＩ撮影し、得られたＭＲＩ画像（ボリュームデータ）をＸ線診断装置１又は医用情報処理装置９０に送信する。

次に、以上のように構成された医用情報処理装置の動作について図８のフローチャート及び図９乃至図１４の模式図を用いて説明する。なお、Ｘ線診断装置１の処理回路７４、及び医用情報処理装置９０の処理回路９４は、データ作成機能、学習制御機能、実行機能、強調処理機能及び表示制御機能に関し、ほぼ同様の動作を実行する。これに伴い、重複した文言の繰り返しを避けて理解を容易にする観点から、以下の説明では、当該各機能の動作について、医用情報処理装置９０の処理回路９４を代表例に挙げて述べる。このような代表例の説明は、適宜、装置名及び参照符号などを読み替えることにより、Ｘ線診断装置１の処理回路７４の動作の説明に適用することができる。このことは、以下の各実施形態でも同様である。また、医用情報処理装置９０のメモリ９１は、Ｘ線診断装置１で撮像されたＸ線画像における特定された領域に基づいて、当該Ｘ線画像における石灰化位置を特定するための特定情報を出力するように機能付けられた学習済みモデルＭ２を記憶した状態であるとする。

始めに、Ｘ線ＣＴ装置２００は、被検体ＰをＣＴ撮影し、得られた三次元のＣＴ画像（ボリュームデータ）を医用情報処理装置９０に送信する。医用情報処理装置９０の処理回路９４は、受信したＣＴ画像をメモリ９１に保存する。なお、ＣＴ画像に代えて、ＭＲＩ装置２１０が送信した三次元のＭＲＩ画像（ボリュームデータ）をメモリ９１に保存してもよい。以下の説明は、ＣＴ画像を保存した場合を代表例に挙げて述べる。

ステップＳＴ１０において、Ｘ線診断装置１の処理回路７４は、操作者による入力インタフェース７３の操作に応じて、撮像装置１０を制御し、Ｘ線透視撮像を開始する。これにより、被検体ＰのＸ線画像が動画として得られる。このＸ線画像は、Ｘ線透視撮像中、Ｘ線診断装置１から医用情報処理装置９０に送信される。医用情報処理装置９０の処理回路９４は、受信したＸ線画像をメモリ９１に保存する一方、ディスプレイ９２に表示させる。このとき、例えば図９に示すように、時刻ｔ１において、石灰化した位置ｐ１～ｐ３と、血管に挿入されたカテーテルｋ１とを視認可能なＸ線画像ｇ１が得られる。また、インジェクタ４０からカテーテルｋ１を通して血管ｖ１に造影剤を注入した場合、時刻ｔ２～ｔ４に一例を示すように、造影撮像が行われる。例えば、時刻ｔ２において血管ｖ１が造影され始める。時刻ｔ３において血管ｖ１内を造影剤が進行していく。時刻ｔ４において血管ｖ１から造影剤が流出していく。時刻ｔ５において血管ｖ１から造影剤が流出し、時刻ｔ１と同様に、石灰化した位置ｐ１～ｐ３と、カテーテルｋ１とを視認可能なＸ線画像ｇ１が得られる。なお、時刻ｔ２～ｔ４の間、被検体Ｐの心拍及び呼吸により、Ｘ線画像ｇ１内において、血管ｖ１等の位置が移動している。ステップＳＴ１０で開始したＸ線透視撮像は、ステップＳＴ５０の終了まで継続して行われる。また、Ｘ線透視撮像中、必要により、時刻ｔ２～ｔ４に示した如き、造影剤を用いた造影撮像が行われる。

ステップＳＴ１０の後、ステップＳＴ２０において、医用情報処理装置９０の処理回路９４は、被検体Ｐに関してＸ線ＣＴ装置２００で撮影されたＣＴ画像の石灰化位置に基づいて、被検体Ｐに関してＸ線診断装置で撮像されたＸ線画像における特定した領域を取得する。このようなステップＳＴ２０においては、例えば、ステップＳＴ２１～ＳＴ２３の処理が半自動又は自動で行われる。以下の説明では、手動の場合を例に挙げて述べる。

ステップＳＴ２１において、処理回路９４は、図１０に示すように、操作者による入力インタフェース９３の操作に応じて、被検体ＰのＣＴ画像ｃｔ１をディスプレイ９２に表示させ、ＣＴ画像ｃｔ１上の血管ｖ１内の石灰化の位置ｐ１～ｐ３を指定する。詳しくは、処理回路９４は、操作者の操作により指定された点及びその点の周囲にある同様のＣＴ値をもつ領域を、石灰化の位置として指定する。なお、処理回路９４は、このような半自動の指定に代えて、石灰化に対応するＣＴ値に基づいて石灰化の位置を自動で指定してもよい。このＣＴ画像ｃｔ１は、例えば、アンギオグラフィックビューという表示方法を用い、冠動脈のみをＭＩＰ（maximum intensity projection）で表示した画像であり、冠動脈の石灰化の位置ｐ１～ｐ３が白く表示されている。但し、ＣＴ画像ｃｔ１は、これに限らず、ボリュームレンダリングやｃＭＰＲ（curved multi planar reformat）といった他の表示方法を用いた画像としてもよい。

ステップＳＴ２１の後、ステップＳＴ２２において、処理回路９４は、ＣＴ画像ｃｔ１上で指定された石灰化の位置ｐ１～ｐ３に基づいて、Ｘ線画像ｇ１上の石灰化の位置ｐ１～ｐ３を特定する。例えば、処理回路９４は、ＣＴ画像ｃｔ１とＸ線画像ｇ１との位置合わせ又は位置座標の関連付けを行うことにより、ＣＴ画像ｃｔ１上の位置ｐ１～ｐ３を、Ｘ線画像ｇ１上の位置ｐ１～ｐ３に対応付ける。

ステップＳＴ２２の後、ステップＳＴ２３において、処理回路９４は、特定した石灰化の位置ｐ１～ｐ３を含む領域ａ１を特定する。これにより、処理回路９４は、Ｘ線画像に含まれる石灰化の位置を含む領域を特定する。この例では、処理回路９４は、被検体Ｐの心拍及び呼吸に対応する石灰化の位置の移動に追従して、当該位置を含む領域ａ１を特定する。但し、これに限らず、処理回路９４は、被検体Ｐの心拍及び呼吸に対応する石灰化の位置の移動範囲を含む領域ａ２を特定してもよい。しかる後、処理回路９４は、当該特定した領域の画像をＸ線画像ｇ１から切り出す。いずれにしても、このようなステップＳＴ２１～ＳＴ２３の実行により、ステップＳＴ２０が終了する。

ステップＳＴ２０の終了後、ステップＳＴ３０において、処理回路９４は、切り出された特定された領域ａ１の画像と、メモリ７１内の学習済みモデルＭ２とに基づいて、当該領域ａ１の石灰化位置を特定するための特定情報を取得する。例えば、処理回路９４は、当該領域ａ１の画素毎の石灰化に関するスコアを取得する。このスコアは、例えば、石灰化らしさ（石灰化の性状、硬い度合い）を０乃至１の範囲で示す値とする。この場合、スコアは、血管内壁が柔らかいほど０に近い値となり、血管内壁が硬いほど１に近い値となる。なお、スコアは、０と１の関係を逆にしてもよい。いずれにしても、処理回路９４は、領域ａ１の石灰化位置を特定するための特定情報を取得する。

ステップＳＴ３０の後、ステップＳＴ４０～ＳＴ５０において、処理回路９４は、当該取得された特定情報に基づいて、撮像されたＸ線画像ｇ１における石灰化位置を強調処理して強調画像を生成し、当該強調画像をディスプレイ７２に表示させる。

これにより、例えば、図１１の左側に示す如き、強調処理前のＸ線画像ｇ１が、図１１の右側に示すように強調処理後のＸ線画像ｇ１（強調画像）として表示される。強調処理前のＸ線画像ｇ１では、カテーテルｋ１と、石灰化の位置ｐ１とが明瞭に視認可能であり、石灰化の位置ｐ２，ｐ３が微かに視認可能であったのに対し、強調処理後のＸ線画像ｇ１では、石灰化の位置ｐ１～ｐ３が強調されて視認可能となっている。強調処理としては、例えば、着色処理や濃淡の変更処理などが適宜、使用可能となっている。着色処理に関しては、例えば、石灰化に関するスコア毎に、カラー画像の色（例、赤から青まで、黄色、緑、水色を介して、連続的に変化するグラデーション）を定めてもよい。濃淡の変更処理としては、例えば、石灰化に関するスコア毎に、白黒画像の階調（例、黒から白まで、濃淡の異なる灰色を介して、連続的に変化するグラデーション）を定めてもよい。なお、濃淡は、白黒の階調に限らず、特定色の階調を用いてもよい。このようなグラデーションを用いる場合、石灰化の位置・形状に加え、石灰化の性状を強調表示することができる。

また例えば、図１２に示すように、Ｘ線画像ｇ１上に石灰化の位置ｐ１～ｐ３を強調表示する際に、参考までに血管ｖ１の画像をオーバーレイしてもよい。図１２の右上側に、心電同期させた造影血管Ｘ線画像をオーバーレイしたＸ線画像ｇ１ａを示し、図１２の右下側に、ＣＴ画像をオーバーレイしたＸ線画像ｇ１ｂを示す。

但し、このような強調処理は、過度に施すと、Ｘ線撮像された石灰化の状態を視認しにくくするので、適宜、調整可能とすることが好ましい。このような調整手法としては、例えば、（ａ）度合いを調整する手法、（ｂ）時間を調整する手法、及び（ｃ）領域を調整する手法、が適宜、実行可能である。

上記（ａ）の手法としては、例えば、（ａ１）着色処理の閾値を変更する手法、及び（ａ２）着色又は濃淡の透過度（若しくは濃度）を変更する手法がある。上記（ａ１）の方法としては、例えば図１３に示すように、処理回路９４が、操作者の操作に応じて、強調処理に用いる閾値をカラースケールｃｓ１に設定する。この閾値は、カラースケールｃｓ１に応じて着色処理が施されるスコアｓｃ１の下限値を示しており、カラースケールｃｓ１の下限値に相当する。このため、閾値の調整により、着色処理（強調処理）の有無や色変化の細かさを変更可能となっている。例えば、閾値「０．６」の場合、スコアｓｃ１が０．６～１の範囲でカラー画像の色（例、赤から青までの前述したグラデーション）が定められる。同様に、閾値「０．３」の場合、スコアｓｃ１が０．３～１の範囲でカラー画像の色（例、前述したグラデーション）が定められる。なお、小さい範囲の方が色変化が細かい。これにより、処理回路９４は、特定された領域ａ１の画素毎にスコアｓｃ１と閾値とを比較し、比較した結果に基づいて、特定された領域ａ１の画素に対応するＸ線画像ｇ１の画素毎に強調処理を実行して、当該Ｘ線画像ｇ１をディスプレイ９２に表示させる。例えば閾値「０．３」の場合、図１３の右上側に示すように、位置ｐ１の画素毎に、赤のグラデーションで着色処理が施され、位置ｐ２の画素毎に、黄色のグラデーションで着色処理が施され、位置ｐ３の画素毎に、緑のグラデーションで着色処理が施される。閾値「０．６」の場合、位置ｐ１の画素毎に、赤のグラデーションで着色処理が施されるが、位置ｐ２，ｐ３の画素毎のスコアが閾値「０．６」未満のため、着色処理が施されない。なお、これに限らず、カラースケールｃｓ１の０乃至１の範囲で色のグラデーションを定めておき、スコアｓｃ１が閾値を超えた位置の画素のみ着色処理を施すようにしてもよい。また、上記（ａ２）の手法としては、例えば、処理回路９４が、操作者の操作に応じて、強調処理に用いる着色又は濃淡の透過度（若しくは濃度）を設定し、当該設定した透過度に基づいて強調処理を実行する。

上記（ｂ）の手法としては、例えば、（ｂ１）色を点滅させる手法、及び（ｂ２）強調処理のオン／点滅／オフを制御する手法がある。上記（ｂ１）の手法としては、例えば、心電計３０の出力に基づいて、ある心位相だけ強調処理を施す手法を用いてもよく、強調処理の有無の間で透過度を１心拍よりも長周期で変動させる手法を用いてもよい。あるいは、上記（ｂ１）の手法としては、例えば、心位相とは独立して間欠的に強調処理を施す手法を用いてもよい。また、上記（ｂ２）の手法としては、処理回路９４が、操作者の操作に応じて、強調処理のオン、点滅、オフを切り替えてもよい。なお、ここでいう「強調処理の点滅」は、上記（ｂ１）の手法を用いることを意味する。

上記（ｃ）の手法としては、（ｃ１）デバイス先端付近の石灰化のみ強調表示する手法、（ｃ２）対象血管の石灰化のみ強調表示する手法、（ｃ３）手動で指定した領域の石灰化のみ強調表示する手法がある。上記（ｃ１）の手法としては、例えば、Ｘ線画像ｇ１がカテーテルｋ１の画像を含むとき、カテーテルｋ１の先端から所定範囲の領域内にある石灰化の位置のみを強調処理する。このとき、カテーテルｋ１の移動に応じて強調処理の領域を移動させる。上記（ｃ２）の手法としては、例えば、Ｘ線画像ｇ１がカテーテルｋ１の画像を含むとき、カテーテルｋ１の進行先の血管（対象血管）のみに関する特定情報に基づいてＸ線画像の石灰化位置を強調する。例えば心臓の場合、右冠動脈（ＲＣＡ）、左前下行枝（ＬＡＤ）及び左回旋枝（ＬＣＸ）のうち、デバイスの進行先である対象血管のみを強調処理の対象にする。ここで、対象血管は、例えば、ステップＳＴ２０で用いたＣＴ画像上で指定される。このとき、処理回路９４は、撮像されたＸ線画像の時間変化に基づいて、特定情報で特定される石灰化位置が常に進行先の血管上にあるか否かを判定し、判定した結果に応じてＸ線画像の石灰化位置を強調してもよい。図１４に一例を示すように、時刻ｔ２１において、Ｘ線画像ｇ２内の対象血管ｖ２上に石灰化の位置ｐ４，ｐ５があるとする。ここで、石灰化の位置ｐ５は、対象血管ｖ２が、奥行き方向の異なる他の血管と交差した位置にあるので、二次元のＸ線画像ｇ２だけでは対象血管ｖ２上にあるか否かを識別できない状況にあるとする。続いて、時刻ｔ２１から時間変化した時刻ｔ２２において、被検体の心拍及び呼吸に応じて、Ｘ線画像ｇ２内の対象血管ｖ２上に石灰化の位置ｐ４がある一方、対象血管ｖ２から石灰化の位置ｐ５が外れたとする。これにより、処理回路９４は、例えば、少なくとも１回の呼吸期間において、強調処理の対象となる石灰化の位置ｐ４，ｐ５が常に進行先の対象血管ｖ２上にあるか否かを判定し、判定した結果、常に進行先の対象血管ｖ２にある石灰化の位置ｐ４のみを強調処理する。また、上記（ｃ３）の手法としては、表示中のＸ線画像ｇ１において、操作者による入力インタフェース９３の操作により指定した領域内にある石灰化の位置のみ強調処理する。

いずれにしても、ステップＳＴ４０～ＳＴ５０において、処理回路９４は、当該取得された特定情報に基づいて、撮像されたＸ線画像ｇ１における石灰化位置を強調した強調画像を生成し、当該強調画像をディスプレイ９２に表示させる。このため、医師は、リアルタイムに表示された強調画像（強調処理が実行されたＸ線画像）を視認しながらカテーテルｋ１を進行させ、狭窄した血管を治療することができる。なお、リアルタイムでの表示は、厳密に、撮像された瞬間に表示する処理を意味するのではなく、Ｘ線診断装置１側でＸ線画像が順次取得される処理に並行して、医用情報処理装置９０側で当該Ｘ線画像から生成された強調画像が順次表示される処理を意味する。

上述したように第１の実施形態によれば、ボリュームデータ上の石灰化位置に基づいてＸ線画像上の領域を特定する。Ｘ線画像の特定された領域の画像又はＸ線画像と当該Ｘ線画像における特定された領域の位置とに基づいて、Ｘ線画像における石灰化位置を特定するための特定情報を取得する。特定情報に基づいて、Ｘ線画像における石灰化位置を強調した強調画像を生成する。これにより、表示されるＸ線画像において、石灰化の位置をより正確に提示することができる。

補足すると、Ｘ線診断装置１のＸ線画像において、石灰化位置は、視認しにくいが、Ｘ線画像データ上には存在する。このため、ボリュームデータ上の石灰化位置から、Ｘ線画像上の石灰化位置を含む領域を特定する。その特定した領域の画像又は特定した領域の位置に基づいて、Ｘ線画像上の石灰化位置やその形状・性状を色等の方法で強調表示する。これにより、患者の心拍・呼吸による血管の動きや変形、デバイスの挿入による血管の変形などがあっても、石灰化位置をより正確に提示でき、もって、ＩＶＲを支援することができる。

また、第１の実施形態によれば、特定された領域の画像又はＸ線画像と特定された領域の位置とに基づいて、特定情報を出力するように機能付けられた学習済みモデルを記憶する。また、特定された領域の画像又はＸ線画像と特定された領域の位置と学習済みモデルとに基づいて、特定情報を取得する。このように、学習済みモデルから出力された特定情報により、石灰化位置を強調するので、表示されるＸ線画像において、石灰化の位置をより正確に提示することができる。また、特定した領域の画像又は特定された領域の位置を用いることで、Ｘ線画像から明らかに不要な領域（特定された領域以外の領域）を省くことができるため、誤検出の抑制や処理時間の短縮を行うことができる。

また、第１の実施形態によれば、被検体の心拍及び呼吸に対応する石灰化の位置の移動に追従して、領域の位置を特定する。この場合、石灰化の位置の移動範囲を含む領域に比べ、特定される領域の大きさをより小さくできるので、学習済みモデルから出力される特定情報の精度の向上を期待することができる。

また、第１の実施形態によれば、被検体の心拍及び呼吸に対応する石灰化の位置の移動範囲を含む領域を特定してもよい。この場合、位置の移動に追従した領域に比べ、追従させる処理を省略できるので、より高速な特定処理を期待することができる。

また、第１の実施形態によれば、操作者の操作に応じて、石灰化位置の強調に用いる閾値を設定する。また、特定情報は、当該特定された領域の画素毎の石灰化に関する指標である。また、当該特定された領域の画素毎に当該指標と当該閾値とを比較し、当該比較した結果に基づいて、特定された領域の画素毎に、Ｘ線画像の石灰化位置を強調する。これにより、石灰化位置の強調に用いる閾値を変更できるので、石灰化位置の強調後に表示されるＸ線画像（強調画像）の視認性の向上を図ることができる。

また、第１の実施形態によれば、Ｘ線画像がデバイスの画像を含むとき、当該デバイスの進行先の血管のみに関する特定情報に基づいてＸ線画像の石灰化位置を強調する。これにより、デバイスの進行先の血管とは異なる血管の石灰化に関する強調表示を阻止できるので、デバイスの進行先の血管上にある石灰化の視認性を向上させることができる。

また、第１の実施形態によれば、Ｘ線画像の時間変化に基づいて、特定情報で特定される石灰化位置が常に進行先の血管上にあるか否かを判定し、判定した結果に応じてＸ線画像の石灰化位置を強調する。これにより、デバイスの進行先の血管とは異なる血管（進行先の対象血管に交差した血管であって、奥行き方向が異なる血管）の石灰化に関する強調表示を阻止できるので、デバイスの進行先の血管上にある石灰化の視認性を向上させることができる。

＜第２の実施形態＞
次に、第２の実施形態に係る医用情報処理装置について説明する。以下の説明は、前述した図面と同一部分については同一符号を付してその詳しい説明を省略し、主に、異なる部分について述べる。このことは、以下の各実施形態についても同様である。

第２の実施形態は、第１の実施形態に対応する学習用データの作成及び機械学習モデルの学習に関する形態である。

これに伴い、処理回路９４は、図３及び図４に示したように、前述したデータ作成機能９４５、及び前述した学習制御機能９４６の動作を実行する。

他の構成は、第１の実施形態と同様である。

次に、第２の実施形態に係る医用情報処理装置の動作について図１５のフローチャートを用いて説明する。以下の説明は、学習用データの作成に関する動作（図１５）、及び機械学習モデルの学習制御に関する動作、の順に述べる。

（学習用データの作成に関する動作）
ステップＳＴ１において、Ｘ線診断装置１の処理回路７４は、操作者による入力インタフェース７３の操作に応じて、撮像装置１０を制御し、Ｘ線透視撮像を実行する。これにより、被検体ＰのＸ線画像が動画として得られる。このＸ線画像は、Ｘ線診断装置１から医用情報処理装置９０に送信される。医用情報処理装置９０の処理回路９４は、受信したＸ線画像をメモリ９１に保存する。

ステップＳＴ１の後、ステップＳＴ２において、処理回路９４は、被検体Ｐに関してＸ線ＣＴ装置２００で撮影されたＣＴ画像（ボリュームデータ）上の石灰化位置に基づいて、被検体Ｐに関してＸ線診断装置で撮像されたＸ線画像における特定した領域を取得する。例えば、処理回路９４は、ＣＴ画像内で石灰化を示す位置に基づいて、Ｘ線画像から領域を特定して取得する。また、ステップＳＴ２は、例えば、前述したステップＳＴ２１～ＳＴ２３と同様に、ステップＳＴ２－１～ＳＴ２－３の処理が半自動又は自動で行われる。ステップＳＴ２－１～ＳＴ２－３の実行により、ステップＳＴ２が終了する。このようなステップＳＴ２は、図３に示した第１の前処理に対応する。

ステップＳＴ２の後、ステップＳＴ３において、処理回路９４は、被検体Ｐに関してＸ線診断装置１で撮像されて医用情報処理装置９０に送信された造影血管Ｘ線画像を特定した領域にオーバーレイする。詳しくは、処理回路９４は、ステップＳＴ２で特定した領域に対し、同じ心位相で同じ位置の領域（以下、同じ領域ともいう）の造影血管Ｘ線画像をオーバーレイする。これにより、処理回路９４は、特定された領域の重畳画像を作成する。また、処理回路９４は、操作者の操作に応じて、オーバーレイする造影血管Ｘ線画像の濃度または透過度を調節可能なことが好ましい。また、造影血管Ｘ線画像をオーバーレイすることは、任意の付加的事項であり、省略してもよい。このようなステップＳＴ３は、図３に示した第２の前処理に対応する。

ステップＳＴ３の後、ステップＳＴ４において、処理回路９４は、操作者の操作に応じて、特定した領域の画素毎に石灰化のスコアを設定することにより、石灰化位置を特定するための特定情報を作成する。例えば、処理回路９４は、操作者の操作に応じて、ステップＳＴ３でオーバーレイされた特定された領域の画素毎に石灰化のスコアを設定する。このスコアは、前述同様に、石灰化らしさ（石灰化の性状、硬い度合い）を０乃至１の範囲で示す値とする。なお、処理回路９４は、石灰化のスコアを設定する前に、画素毎の石灰化を視認し易くする観点から、操作者の操作に応じて、動画像であるＸ線画像の特定された領域を再生、逆再生、コマ送り、コマ戻し可能なことが好ましい。補足すると、石灰化は、静止画より動画の方が視認し易く、動画についても、再生方向や再生速度を変更することにより、視認し易くなる傾向がある。

ステップＳＴ４の後、ステップＳＴ５において、処理回路９４は、ステップＳＴ２で特定された領域の画像と、ステップＳＴ４で作成された特定情報とを、学習済みモデルに使用するための学習用データとして出力する。学習用データは、Ｘ線画像における特定された領域の画像である入力側データと、Ｘ線画像の石灰化位置を特定するための特定情報である出力側データとを含んでおり、例えば、メモリ９１に保存される。これにより、ステップＳＴ５が終了する。以下同様に、ステップＳＴ１で取得された動画像のＸ線画像のうち、任意の時間長のＸ線画像に対し、ステップＳＴ２～ＳＴ５を繰り返し実行することにより、機械学習に用いる量の学習用データが作成される。

（学習制御に関する動作）
処理回路９４は、図４に示したように、機械学習に用いる量の学習用データを順次、用いて機械学習モデルＭ１に機械学習を行わせる。このとき、機械学習モデルＭ１は、学習用データのうち、入力された特定された領域の画像に基づいて、当該Ｘ線画像における石灰化位置を特定するための特定情報を出力する。また、処理回路９４は、機械学習モデルＭ１から出力された特定情報が、学習用データ内の当該特定情報に近づくように、機械学習モデルＭ１のパラメータ等を調整し、機械学習モデルＭ１に機械学習を行う。

機械学習の終了により、処理回路９４は、パラメータ等を調整済みの機械学習モデルＭ１として、学習済みモデルＭ２を作成する。作成された学習済みモデルＭ２は、特定された領域の画像に基づいて、当該特定された領域の石灰化位置を特定するための特定情報を出力するように機能付けられている。処理回路９４は、作成した学習済みモデルＭ２をメモリ９１に保存する。

上述したように第２の実施形態によれば、ボリュームデータ上の石灰化位置に基づいてＸ線画像上の領域を特定する。Ｘ線画像の特定された領域の画像又はＸ線画像と当該Ｘ線画像における特定された領域の位置とに基づき、操作者の操作に応じてＸ線画像における石灰化位置を特定するための特定情報を作成する。特定された領域の画像又はＸ線画像と特定された領域の位置と、特定情報とを、入力された当該特定された領域の画像又はＸ線画像と当該特定された領域の位置とを受け付けて特定情報を出力する学習済みモデルに使用するための学習用データとして出力する。このように、Ｘ線画像のうちの特定された領域について、石灰化位置を特定するための特定情報を作成するので、操作者による石灰化特定作業（石灰化のスコアを設定する作業）の負荷を軽減することができる。詳しくは、Ｘ線画像から明らかに不要な領域を省いて、領域を特定することで、誤設定の抑制や作業時間の短縮を図ることができる。

また、第２の実施形態によれば、造影血管Ｘ線画像のうちの特定された領域と同じ位置の領域の画像を、当該特定された領域の画像又はＸ線画像における当該特定された領域にオーバーレイし、当該オーバーレイされた領域の画素毎に特定情報を作成する。このように、造影血管Ｘ線画像がオーバーレイされた領域の画素毎に、特定情報を作成するので、特定された領域の画素のうち、造影血管Ｘ線画像がオーバーレイされない画素に対しては、特定情報を作成せずに済むので、より一層、石灰化特定作業の負荷を軽減することができる。すなわち、オーバーレイされた血管位置を参考にして、確認する領域を更に狭めることができ、人による石灰化特定作業の労力を軽減することができる。

＜第３の実施形態＞
第３の実施形態は、第１及び第２の実施形態の変形例であり、石灰化位置を特定するための特定情報の精度の向上を図るため、学習用データが、特定された領域と同じ領域の造影血管Ｘ線画像（血管走行情報）を更に含む構成となっている。

これに伴い、処理回路９４のデータ作成機能９４５としては、図１６に示すように、学習用データ出力機能９４５ｃが、前述した特定された領域の画像（又はＸ線画像と当該Ｘ線画像における特定された領域の位置）や特定情報に加え、情報作成機能９４５ｂにより得られた造影血管Ｘ線画像における、当該特定された領域と同じ位置の領域の画像を、学習用データとして出力する。

また、処理回路９４の学習制御機能９４６は、図１７に示すように、前述した学習用データに比べ、さらに、造影血管Ｘ線画像における同じ位置の領域の画像を含む学習用データに基づいて、機械学習モデルＭ１に機械学習を行わせることにより、学習済みモデルＭ２を作成する。すなわち、学習済みモデルＭ２は、Ｘ線画像の特定された領域の画像と、当該特定された領域と同じ位置の領域（の造影血管Ｘ線画像）とに基づいて、Ｘ線画像の石灰化位置を特定するための特定情報を出力するように機能付けられている。なお、学習済みモデルＭ２は、Ｘ線画像と当該特定された領域の位置と、当該特定された領域と同じ位置の領域の造影血管Ｘ線画像とに基づいて、Ｘ線画像の石灰化位置を特定するための特定情報を出力するように機能付けられていてもよい。

また、処理回路９４の実行機能９４７としては、図１８に示すように、領域特定機能９４７ａが、被検体に関してＸ線診断装置１で撮像された造影血管Ｘ線画像から、特定された領域と同じ位置の領域の画像を更に取得する。

また、実行機能９４７としては、情報取得機能９４７ｂが、特定された領域の画像（又はＸ線画像と当該Ｘ線画像における特定された領域の位置）と、造影血管Ｘ線画像における同じ位置の領域の画像と、学習済みモデルＭ２とに基づいて、当該Ｘ線画像の特定された領域の石灰化位置を特定するための特定情報を出力する。

他の構成は、第１及び第２の実施形態と同様である。

次に、以上のように構成された医用情報処理装置の動作について図１９のフローチャートを用いて説明する。以下の説明は、学習済みモデルＭ２の実行に関する動作（図１９）、学習用データの作成に関する動作、及び機械学習モデルの学習制御に関する動作、の順に述べる。

（学習済みモデルＭ２の実行に関する動作）
いま、前述同様に、ステップＳＴ１０、ＳＴ２１～ＳＴ２３が実行されたとする。ステップＳＴ２３の後、ステップＳＴ２４において、処理回路９４は、ステップＳＴ２３で切り出された領域ａ１と同じ心位相で同じ位置の領域を、被検体Ｐの造影血管Ｘ線画像から切り出す。これにより、処理回路９４は、Ｘ線画像に含まれる石灰化の位置を含む領域ａ１に加え、被検体Ｐの造影血管Ｘ線画像において、当該領域ａ１と同じ位置の領域を取得する。このようなステップＳＴ２１～ＳＴ２４の実行により、ステップＳＴ２０が終了する。

ステップＳＴ２０の後、ステップＳＴ３０において、処理回路９４は、取得された領域ａ１のＸ線画像と、当該同じ位置の領域の造影血管Ｘ線画像と、学習済みモデルＭ２とに基づいて、当該領域ａ１の石灰化位置を特定するための特定情報を出力する。例えば、処理回路９４は、前述同様に、当該領域ａ１の画素毎の石灰化に関するスコアを出力する。

ステップＳＴ３０の後、前述同様に、ステップＳＴ４０～ＳＴ５０が実行される。

（学習用データの作成に関する動作）
いま、前述同様に、ステップＳＴ１～ＳＴ４が実行されたとする。ステップＳＴ４の後、ステップＳＴ５において、図１６に示したように、処理回路９４は、ステップＳＴ２で取得された領域のＸ線画像と、ステップＳＴ３でオーバーレイした領域の造影血管Ｘ線画像と、ステップＳＴ４で作成された特定情報とを、学習用データとして出力する。学習用データは、Ｘ線画像における特定された領域の画像及び同じ領域の造影血管Ｘ線画像である入力側データと、特定情報である出力側データとを含んでおり、例えば、メモリ９１に保存される。これにより、ステップＳＴ５が終了する。以下同様に、ステップＳＴ１で取得された動画像のＸ線画像のうち、任意の時間長のＸ線画像に対し、ステップＳＴ２～ＳＴ５を繰り返し実行することにより、機械学習に用いる量の学習用データが作成される。

（学習制御に関する動作）
処理回路９４は、図１７に示したように、機械学習に用いる量の学習用データを順次、用いて機械学習モデルＭ１に機械学習を行わせる。このとき、機械学習モデルＭ１は、学習用データのうち、入力された特定された領域の画像と、当該特定された領域に対して同じ領域の画像とを受け付けて当該特定された領域の石灰化位置を特定するための特定情報を出力する。また、処理回路９４は、機械学習モデルＭ１から出力された情報が、学習用データ内の特定情報に近づくように、機械学習モデルＭ１のパラメータ等を調整し、機械学習モデルＭ１に機械学習を行う。

機械学習の終了により、処理回路９４は、パラメータ等を調整済みの機械学習モデルＭ１として、学習済みモデルＭ２を作成する。作成された学習済みモデルＭ２は、Ｘ線画像における特定された領域の画像及び同じ領域の造影血管線画像に基づいて、当該特定された領域の石灰化位置を特定するための特定情報を出力するように機能付けられている。処理回路９４は、作成した学習済みモデルＭ２をメモリ９１に保存する。

上述したように第３の実施形態によれば、被検体に関してＸ線診断装置で撮像された造影血管Ｘ線画像から、特定された領域と同じ位置の領域の画像を更に取得する。学習済みモデルは、特定された領域の画像又はＸ線画像と特定された領域の位置と、当該同じ位置の領域の画像とに基づいて、特定情報を出力するように機能付けられている。また、特定された領域の画像又はＸ線画像と当該Ｘ線画像における特定された領域の位置と、同じ位置の領域の画像と、学習済みモデルとに基づいて、特定情報を出力する。このように、学習済みモデルが、Ｘ線画像の特定された領域に加え、造影血管Ｘ線画像の同じ位置の領域に基づいて情報を出力するので、精度の向上を図ることができる。

（第１変形例）
第３の実施形態は、石灰化位置を特定する特定情報における精度の向上を図るため、学習用データ及び学習済みモデルＭ２の入力側データを、Ｘ線画像における特定された領域の画像と、同じ領域の造影血管Ｘ線画像（血管走行情報）としていた。すなわち、第３の実施形態は、当該入力側データを、Ｘ線画像の特定された領域と、血管走行情報との両者としていた。

これに対し、第３の実施形態の第１変形例は、学習用データ及び学習済みモデルＭ２の入力側データを、Ｘ線画像の特定された領域の画像を造影血管Ｘ線画像の同じ領域内の造影血管領域でトリミングした画像（以下、トリミング画像ともいう）に変形している。すなわち、第１変形例は、当該入力側データを、血管走行情報に対応する領域のＸ線画像に変形している。

これに伴い、処理回路９４のデータ作成機能９４５としては、学習用データ出力機能９４５ｃが、Ｘ線画像のトリミング画像と、当該トリミング画像の石灰化位置を特定するための特定情報とを学習用データとして出力する。

また、処理回路９４の学習制御機能９４６は、当該トリミング画像を含む学習用データに基づいて、機械学習モデルＭ１に機械学習を行わせることにより、学習済みモデルＭ２を作成する。すなわち、学習済みモデルＭ２は、当該トリミング画像に基づいて、特定情報を出力するように機能付けられている。

また、処理回路９４の実行機能９４７としては、領域特定機能９４７ａが、被検体に関してＸ線診断装置１で撮像された造影血管Ｘ線画像から、Ｘ線画像の特定された領域と同じ領域内の造影血管領域の画像を更に取得する。

また、実行機能９４７としては、情報取得機能９４７ｂが、Ｘ線画像の特定された領域の画像を、取得された造影血管領域の画像でトリミングしたトリミング画像と、学習済みモデルＭ２とに基づいて、当該トリミング画像の石灰化位置を特定するための特定情報を出力する。

他の構成は、第３の実施形態と同様である。

以上のような構成によれば、学習済みモデルが、Ｘ線画像の特定された領域の画像を造影血管領域の画像でトリミングした画像に基づいて特定情報を出力するので、第３の実施形態と同様に、精度の向上を図ることができる。

（第２変形例）
第３の実施形態の第２変形例は、第３の実施形態に用いる造影血管Ｘ線画像の同じ領域、又は第１変形例に用いる造影血管Ｘ線画像の同じ領域内の造影血管領域を、システム上の移動による画像変化に対応して移動させる構成となっている。例えば、図９の時刻ｔ３～ｔ４にかけて、Ｘ線画像ｇ１内の下方の血管を視認するため、システム上で天板５３を移動させたことにより、Ｘ線画像ｇ１の変化が生じている。このような場合に、第２変形例は、造影血管Ｘ線画像の同じ領域、又は当該同じ領域内の造影血管領域を、天板５３の移動に対応して移動させる。なお、システム上の移動としては、天板５３の移動に加え、ＳＩＤ（source image distance）の長短の調整、Ｃアーム１４の回動や平行移動、ＦＯＶ（field of view）の拡大／縮小などのように、画像変化を生じるような、システム上の幾何学的条件の変化を意味する。

これに伴い、Ｘ線診断装置１の処理回路７４は、前述した機能に加え、駆動制御機能７４２から受ける幾何学的条件の情報を医用情報処理装置９０に送信する。

医用情報処理装置９０の処理回路９４は、受信した幾何学的条件の情報に基づいて、取得するＸ線画像の特定された領域と、造影血管Ｘ線画像の同じ領域又は造影血管Ｘ線画像の同じ領域内の造影血管領域とを移動させる。

他の構成は、第３の実施形態やその第１変形例と同様である。

以上のような構成によれば、システム上の幾何学的条件を変化させた場合でも、第３の実施形態やその第１変形例と同様に、精度の向上を図ることができる。

＜第４の実施形態＞
第４の実施形態は、第１及び第２の実施形態の変形例であり、石灰化位置を特定するための特定情報の精度の向上を図るため、被検体の心位相毎に学習を行う構成となっている。ここで、心位相毎とは、０～１００％で規格化した心位相のうちの１％毎でもよく、数％～数十％毎でもよい。１％毎の場合には、入力側データである特定された領域の画像として静止画を用いればよく、数％～数十％毎の場合には、特定された領域の画像として動画を用いればよい。

これに伴い、処理回路９４のデータ作成機能９４５としては、被検体の心位相毎に、当該被検体のＸ線画像における特定された領域の画像（又は心位相毎の当該Ｘ線画像と当該特定された領域の位置）と、当該Ｘ線画像における石灰化位置を特定するための特定情報とを含む学習用データを作成する。

処理回路９４の学習制御機能９４６としては、図２０に示すように、データ作成機能９４５により得られた学習用データに基づいて、心位相毎に、機械学習モデルＭ１に機械学習を行わせることにより、学習済みの機械学習モデルである学習済みモデルＭ２を作成する。ここで、学習済みモデルＭ２は、被検体の心位相毎のＸ線画像の特定された領域の画像（又は心位相毎の当該Ｘ線画像と当該特定された領域の位置）と、当該Ｘ線画像における石灰化位置を特定するための特定情報を出力するように個別に機能付けられた複数の心位相毎学習済みモデルを含んでいる。

処理回路９４の実行機能９４７は、図２１に示すように、心位相毎に、メモリ７１内の学習済みモデルＭ２を実行することにより、Ｘ線画像の特定された領域の画像（又は心位相毎の当該Ｘ線画像と当該特定された領域の位置）に基づいて、当該Ｘ線画像における石灰化位置を特定するための特定情報を出力する。例えば、実行機能９４７のうちの領域特定機能９４７ａは、被検体Ｐのボリュームデータ上の石灰化位置に基づいて、被検体ＰのＸ線画像上の領域を心位相毎に特定する。実行機能９４７のうちの情報取得機能９４７ｂは、被検体Ｐの心位相に基づいて複数の心位相毎学習済みモデルのいずれかを選択し、当該選択された心位相毎学習済みモデルと、特定された領域の画像（又はＸ線画像と当該Ｘ線画像における当該特定された領域の位置）とに基づいて、当該Ｘ線画像における石灰化位置を特定するための特定情報を出力する。

他の構成は、第１及び第２の実施形態と同様である。

次に、以上のように構成された医用情報処理装置の動作について図２２のフローチャートを用いて説明する。以下の説明は、学習済みモデルＭ２の実行に関する動作（図２２）、学習用データの作成に関する動作、及び機械学習モデルの学習制御に関する動作、の順に述べる。

（学習済みモデルＭ２の実行に関する動作）
いま、前述同様に、ステップＳＴ１０が実行されたとする。ステップＳＴ１０の後、ステップＳＴ２０において、処理回路９４は、被検体Ｐに関してＸ線ＣＴ装置２００で撮影されたＣＴ画像（ボリュームデータ）上の石灰化位置に基づいて、被検体Ｐに関してＸ線診断装置１で撮像されたＸ線画像上の領域を心位相毎に特定し、当該特定した領域を取得する。

ステップＳＴ２０の後、ステップＳＴ３０において、処理回路９４は、心位相毎に、メモリ７１内の学習済みモデルＭ２を実行することにより、Ｘ線画像の特定された領域の画像（又は心位相毎の当該Ｘ線画像と当該特定された領域の位置）に基づいて、当該Ｘ線画像における石灰化位置を特定するための特定情報を出力する。このようなステップＳＴ３０においては、例えば、ステップＳＴ３１～ＳＴ３３の処理が行われる。ステップＳＴ３１において、処理回路９４は、心電計３０の出力に基づいて、被検体Ｐの心位相を取得する。なお、ステップＳＴ３１は、ステップＳＴ１０～ＳＴ５０においても同様に実行される。ステップＳＴ３２において、処理回路９４は、被検体Ｐの心位相に基づいて複数の心位相毎学習済みモデルのいずれかを選択する。ステップＳＴ３３において、処理回路９４は、当該選択された心位相毎学習済みモデルと特定された領域の画像とに基づいて、当該Ｘ線画像における石灰化位置を特定するための特定情報を出力する。例えば、処理回路９４は、前述同様に、当該特定された領域ａ１の画素毎の石灰化に関するスコアを出力する。

ステップＳＴ３０の後、前述同様に、ステップＳＴ４０～ＳＴ５０が実行される。

（学習用データの作成に関する動作）
いま、前述同様に、ステップＳＴ１～ＳＴ４が実行されたとする。ステップＳＴ４の後、ステップＳＴ５において、処理回路９４は、被検体Ｐの心位相毎に、ステップＳＴ２で取得された特定された領域の画像と、ステップＳＴ４で作成された石灰化位置を特定するための特定情報とを、学習用データとして出力する。以下同様に、ステップＳＴ１で取得された動画像のＸ線画像のうち、他の心位相のＸ線画像に対し、ステップＳＴ２～ＳＴ５を繰り返し実行することにより、心位相毎の学習用データが作成される。

（学習制御に関する動作）
処理回路９４は、図２０に示したように、機械学習に用いる量の心位相毎の学習用データを順次、用いて、心位相毎に機械学習モデルＭ１に機械学習を行わせる。このとき、機械学習モデルＭ１は、学習用データのうち、例えば、入力された特定された領域の画像を受け付けて当該特定された領域の石灰化位置を特定するための特定情報を出力する。また、処理回路９４は、心位相毎の機械学習モデルＭ１から出力された特定情報が、学習用データ内の特定情報に近づくように、心位相毎の機械学習モデルＭ１のパラメータ等を調整し、心位相毎の機械学習モデルＭ１に機械学習を行う。

機械学習の終了により、処理回路９４は、パラメータ等を調整済みの、心位相毎の機械学習モデルＭ１を含む学習済みモデルＭ２を作成する。作成された学習済みモデルＭ２は、例えば、被検体Ｐの心位相毎のＸ線画像の特定された領域の画像と、当該Ｘ線画像における石灰化位置を特定するための特定情報を出力するように個別に機能付けられた複数の心位相毎学習済みモデルを含んでいる。処理回路９４は、作成した学習済みモデルＭ２をメモリ９１に保存する。

上述したように第４の実施形態によれば、学習済みモデルが、被検体の心位相毎に特定された領域の画像又は心位相毎のＸ線画像と特定された領域の位置とに基づいて、特定情報を出力するように個別に機能付けられた複数の心位相毎学習済みモデルを含んでいる。また、被検体の心位相に基づいて複数の心位相毎学習済みモデルのいずれかを選択し、当該選択された心位相毎学習済みモデルと当該特定された領域の画像又は当該Ｘ線画像と当該特定された領域の位置とに基づいて、当該特定情報を出力する。このように、心位相毎の学習済みモデルを用いて、特定情報を出力するので、特定情報の精度の向上を図ることができる。

なお、第４の実施形態は、第１及び第２の実施形態に限らず、第３の実施形態に適用してもよい。この場合、第３の実施形態の効果に加え、第４の実施形態の効果を得ることができる。

以上説明した少なくとも一つの実施形態によれば、ボリュームデータ上の石灰化位置に基づいてＸ線画像上の領域を特定する。Ｘ線画像の特定された領域の画像又はＸ線画像と当該Ｘ線画像における特定された領域の位置とに基づいて、Ｘ線画像における石灰化位置を特定するための特定情報を取得する。特定情報に基づいて、Ｘ線画像における石灰化位置を強調した強調画像を生成する。これにより、表示されるＸ線画像において、石灰化の位置をより正確に提示することができる。

上記説明において用いた「プロセッサ」という文言は、例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、或いは、特定用途向け集積回路（Application Specific Integrated Circuit：ＡＳＩＣ）、プログラマブル論理デバイス（例えば、単純プログラマブル論理デバイス（Simple Programmable Logic Device：ＳＰＬＤ）、複合プログラマブル論理デバイス（Complex Programmable Logic Device：ＣＰＬＤ）、及びフィールドプログラマブルゲートアレイ（Field Programmable Gate Array：ＦＰＧＡ）等の回路を意味する。プロセッサは記憶回路に保存されたプログラムを読み出し実行することで機能を実現する。なお、記憶回路にプログラムを保存する代わりに、プロセッサの回路内にプログラムを直接組み込むよう構成しても構わない。この場合、プロセッサは回路内に組み込まれたプログラムを読み出し実行することで機能を実現する。なお、本実施形態の各プロセッサは、プロセッサごとに単一の回路として構成される場合に限らず、複数の独立した回路を組み合わせて１つのプロセッサとして構成し、その機能を実現するようにしてもよい。さらに、図２又は図７における複数の構成要素を１つのプロセッサへ統合してその機能を実現するようにしてもよい。

なお、本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１ Ｘ線診断装置
１０ 撮像装置
１１ 高電圧発生装置
１２ Ｘ線発生部
１３ Ｘ線検出器
１４ Ｃアーム
１４１ 状態検出器
１４２ Ｃアーム駆動装置
３０ 心電計
４０ インジェクタ
５０ 寝台装置
５１ 基台
５２ 寝台駆動装置
５３ 天板
５４ 支持フレーム
７０ コンソール装置
７１，９１ メモリ
７２，９２ ディスプレイ
７３，９３ 入力インタフェース
７４，９４ 処理回路
７４１ システム制御機能
７４２ 駆動制御機能
７４３ 撮影制御機能
７４４ 画像処理機能
７４５，９４５ データ作成機能
７４５ａ，７４７ａ，９４５ａ，９４７ａ 領域特定機能
７４５ｂ，９４５ｂ 情報作成機能
７４５ｃ，９４５ｃ 学習用データ出力機能
７４６，９４６ 学習制御機能
７４７，９４７ 実行機能
７４７ｂ，９４７ｂ 情報取得機能
７４８，９４８ 強調処理機能
７４９，９４９ 表示制御機能
７６，９６ ネットワークインタフェース
９０ 医用情報処理装置
Ｍ１ 機械学習モデル
Ｍ２ 学習済みモデル
ｇ１，ｇ１ａ，ｇ１ｂ，ｇ２ Ｘ線画像
ａ１，ａ２ 特定された領域
ｃｔ１ ＣＴ画像
ｋ１ カテーテル
ｐ１～ｐ５ 石灰化の位置
ｖ１，ｖ２ 血管
ｃｓ１ カラースケール
ｓｃ１ 石灰化のスコア

Claims (11)

1. 被検体のボリュームデータ上の石灰化位置に基づいて、前記被検体のＸ線画像上の領域を特定する領域特定部と、
   前記Ｘ線画像の前記特定された領域の画像又は前記Ｘ線画像と当該Ｘ線画像における前記特定された領域の位置とに基づいて、前記Ｘ線画像における石灰化位置を特定するための特定情報を取得する情報取得部と、
   前記特定情報に基づいて、前記Ｘ線画像における石灰化位置を強調した強調画像を生成する強調画像生成部と、
   を備え、
   前記強調画像生成部は、前記被検体に取り付けられた電極を介して当該被検体の心電波形を取得する心電計の出力に基づいて、ある心位相だけ前記強調画像を生成する、医用情報処理装置。
2. 前記特定された領域の画像又は前記Ｘ線画像と前記特定された領域の位置とに基づいて、前記特定情報を出力するように機能付けられた学習済みモデルを記憶する記憶部を更に備え、
   前記情報取得部は、前記特定された領域の画像又は前記Ｘ線画像と前記特定された領域の位置と前記学習済みモデルとに基づいて、前記特定情報を取得する、
   請求項１に記載の医用情報処理装置。
3. 前記領域特定部は、前記被検体の心拍及び呼吸に対応する石灰化の位置の移動に追従して、前記領域の位置を特定する、請求項１又は２に記載の医用情報処理装置。
4. 前記領域特定部は、前記被検体の心拍及び呼吸に対応する石灰化の位置の移動範囲を含む前記領域の位置を特定する、請求項１又は２に記載の医用情報処理装置。
5. 前記情報取得部は、造影血管Ｘ線画像から前記特定された領域と同じ位置の領域の画像を更に取得し、
   前記学習済みモデルは、前記特定された領域の画像又は前記Ｘ線画像と前記特定された領域の位置と、前記同じ位置の領域の画像とに基づいて、前記特定情報を出力するように機能付けられており、
   前記情報取得部は、前記特定された領域の画像又は前記Ｘ線画像と当該Ｘ線画像における前記特定された領域の位置と、前記同じ位置の領域の画像と、前記学習済みモデルとに基づいて、前記特定情報を出力する、請求項２に記載の医用情報処理装置。
6. 前記学習済みモデルは、被検体の心位相毎に前記特定された領域の画像又は前記心位相毎の前記Ｘ線画像と前記特定された領域の位置とに基づいて、前記特定情報を出力するように個別に機能付けられた複数の心位相毎学習済みモデルを含んでおり、
   前記情報取得部は、前記被検体の心位相に基づいて前記複数の心位相毎学習済みモデルのいずれかを選択し、前記選択された心位相毎学習済みモデルと前記特定された領域の画像又は前記Ｘ線画像と前記特定された領域の位置とに基づいて、前記特定情報を出力する、請求項２に記載の医用情報処理装置。
7. 操作者の操作に応じて、前記石灰化位置の強調に用いる閾値を設定する設定部を更に備え、
   前記特定情報は、前記特定された領域の画素毎の石灰化に関する指標であり、
   前記強調画像生成部は、前記特定された領域の画素毎に前記指標と前記閾値とを比較し、前記比較した結果に基づいて、前記特定された領域の画素毎に、前記Ｘ線画像の石灰化位置を強調する、請求項１乃至６のいずれか一項に記載の医用情報処理装置。
8. 前記強調画像生成部は、前記Ｘ線画像がデバイスの画像を含むとき、前記デバイスの進行先の血管のみに関する前記特定情報に基づいて前記Ｘ線画像の石灰化位置を強調する、請求項１乃至７のいずれか一項に記載の医用情報処理装置。
9. 前記強調画像生成部は、前記Ｘ線画像の時間変化に基づいて、前記特定情報で特定される石灰化位置が常に前記進行先の血管上にあるか否かを判定し、前記判定した結果に応じて前記Ｘ線画像の石灰化位置を強調する、請求項８に記載の医用情報処理装置。
10. 被検体のボリュームデータ上の石灰化位置に基づいて、前記被検体のＸ線画像上の領域を特定する領域特定部と、
    前記Ｘ線画像の前記特定された領域の画像又は前記Ｘ線画像と当該Ｘ線画像における前記特定された領域の位置とに基づいて、前記Ｘ線画像における石灰化位置を特定するための特定情報を取得する情報取得部と、
    前記特定情報に基づいて、前記Ｘ線画像における石灰化位置を強調した強調画像を生成する強調画像生成部と、
    を備え、
    前記強調画像生成部は、前記被検体に取り付けられた電極を介して当該被検体の心電波形を取得する心電計の出力に基づいて、ある心位相だけ前記強調画像を生成する、Ｘ線診断装置。
11. コンピュータに、
    被検体のボリュームデータ上の石灰化位置に基づいて、前記被検体のＸ線画像上の領域を特定する領域特定機能、
    前記Ｘ線画像の前記特定された領域の画像又は前記Ｘ線画像と当該Ｘ線画像における前記特定された領域の位置とに基づいて、前記Ｘ線画像における石灰化位置を特定するための特定情報を取得する情報取得機能、
    前記特定情報に基づいて、前記Ｘ線画像における石灰化位置を強調した強調画像を生成する強調画像生成機能、
    を実現させ、
    前記強調画像生成機能は、前記被検体に取り付けられた電極を介して当該被検体の心電波形を取得する心電計の出力に基づいて、ある心位相だけ前記強調画像を生成する、プログラム。

Images