JP2016063926A - 放射線画像解析装置および方法並びにプログラム - Google Patents

放射線画像解析装置および方法並びにプログラム Download PDF

Info

Publication number
JP2016063926A
JP2016063926A JP2014193994A JP2014193994A JP2016063926A JP 2016063926 A JP2016063926 A JP 2016063926A JP 2014193994 A JP2014193994 A JP 2014193994A JP 2014193994 A JP2014193994 A JP 2014193994A JP 2016063926 A JP2016063926 A JP 2016063926A
Authority
JP
Japan
Prior art keywords
thickness distribution
body thickness
image
estimated
subject
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2014193994A
Other languages
English (en)
Other versions
JP6165695B2 (ja
Inventor
榎本　淳
Jun Enomoto
淳 榎本
小田　泰史
Yasushi Oda
泰史 小田
崇史 田島
Takashi Tajima
崇史 田島
健 桑原
Takeshi Kuwabara
健 桑原
泰樹 原田
Daiki Harada
泰樹 原田
細井　雄一
Yuichi Hosoi
雄一 細井
中津川　晴康
Haruyasu Nakatsugawa
晴康 中津川
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujifilm Corp
Original Assignee
Fujifilm Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fujifilm Corp filed Critical Fujifilm Corp
Priority to JP2014193994A priority Critical patent/JP6165695B2/ja
Priority to US14/855,540 priority patent/US9633480B2/en
Priority to CN201510595265.5A priority patent/CN105433967B/zh
Publication of JP2016063926A publication Critical patent/JP2016063926A/ja
Application granted granted Critical
Publication of JP6165695B2 publication Critical patent/JP6165695B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/006—Mixed reality
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
    • A61B6/5282—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to scatter
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30061—Lung

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Veterinary Medicine (AREA)
  • Optics & Photonics (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Quality & Reliability (AREA)

Abstract

【課題】画像解析装置および方法並びにプログラムにおいて、被写体の放射線撮影により得られた被写体画像の体厚分布を推定する体厚分布推定処理の高精度化を図りつつ体厚分布推定処理の時間を許容範囲内に抑制する。
【解決手段】
被写体画像を取得する画像取得部３１と、推定体厚分布を有する仮想モデルの入力を受け付けし、仮想モデルの推定体厚分布を修正して、修正された推定体厚分布を出力する体厚分布修正部３５と、出力された推定体厚分布を被写体の体厚分布として決定する体厚分布決定部３６とを備え、体厚分布決定部３６は、第１の終了条件を満たすまで体厚分布修正部３５に体厚分布修正処理を繰り返し実行させる第１の制御と、第１の終了条件とは異なる第２の終了条件を満たすまで体厚分布修正部３５に体厚分布修正処理を繰り返し実行させる第２の制御とを判定条件に応じて切り換える判定部３６Ａを有する。
【選択図】図１

Description

本発明は、被写体を撮影して得られた放射線画像を解析する画像解析装置および方法並びにプログラムに関し、特に、被写体を撮影した放射線画像を解析して放射線画像の各位置における被写体の厚さを推定する放射線画像解析装置および方法並びにプログラムに関する。
従来、被写体を透過した放射線により被写体の放射線画像を撮影する際、被写体の厚さが大きいほど被写体内部における放射線の散乱の発生、放射線透過率の低下などの影響が大きくなり、取得される放射線画像の画質が変動することが知られている。このため、撮影条件と放射線画像の信号値、放射線画像の信号値のヒストグラム幅、被写体画像における被写体の所定方向の長さなど種々の情報によって大まかに被写体の厚さを推定し、推定した被写体の厚さに応じて、撮影された放射線画像に対する散乱線除去処理等の画像処理条件や、放射線画像の撮影に適用される撮影条件を変更する技術が提案されている。
例えば特許文献１には、予め既知の厚みを有する模擬被写体を既知の撮影条件で放射線撮影して得られた画像の画素値を測定することにより、体厚と画素値の関係を対応付けた対応付けテーブルを用意し、対応付けテーブルに基づいて、被写体画像の画素値に応じて概略的な体厚分布を推定し、被写体画像の体厚分布に応じた被写体画像の散乱線成分を推定して、被写体画像から散乱線成分を減算した処理後画像を取得する手法が開示されている。
また、非特許文献１には、人体の体厚分布に応じて放射線画像の散乱線成分を推定して除去する手法が開示されている。非特許文献１の画像処理方法によれば、被写体画像の画素値から推定した体厚分布に基づいて、入力された被写体画像に所定の関数を適用することにより被写体画像に含まれる散乱線の像を推定した推定散乱線画像を生成し、被写体画像から推定散乱線画像を減算することにより、入力された被写体画像から一次線画像を推定した推定一次線画像を生成する。さらに、生成した推定一次線画像に所定の関数を適用することによりさらなる推定散乱線画像を生成し、被写体画像からさらなる推定散乱線画像を減算してさらなる推定一次線画像を生成する処理を所定の収束条件下で収束するまで繰り返して、収束した推定散乱線画像を算出し、この推定散乱線画像を被写体画像から減算することにより最終的に散乱線成分を除去した処理後画像を取得することができる。また、非特許文献１には、被写体画像に含まれる散乱線の像を推定するための所定の関数を体厚に応じて調整する方法が開示されている。
特開平０２−２４４８８１号公報
Trotter, 他4名, "Thickness-dependent Scatter Correction Algorithm for Digital Mammography", Proc. SPIE Vol.4682, 2002年5月, p.469-478
ここで、被写体内部の肺野等の被写体の内部構造を反映した、詳細な体厚を求めるためには、実際に被写体を撮影して得られた被写体画像の画素値から被写体の厚さを算出することが好ましい。しかしながら、被写体画像には、被写体を透過して放射線検出器に直接照射された一次線の成分（一次線成分）と、被写体内で放射線が散乱した散乱線の成分（散乱線成分）が含まれている。
このため、特許文献１や非特許文献１のように、散乱線除去グリッド（グリッド）を用いないで撮影された放射線画像に画素値に基づいて体厚を推定する方法を適用した場合には、放射線画像に含まれた散乱線成分の影響によって、被写体の体厚分布を正確に推定することが難しい。また、散乱線成分の影響を避けるためにはグリッドを用いて被写体画像を撮影することが考えられるが、被写体の被曝量などの負担を低減するためにもグリッドを用いないで撮影した被写体画像から、体厚分布を正確に推定したいという要求がある。
この要求に応えるために、本出願人は、予め定められた仮想モデルを用いて、仮想モデルの放射線撮影により得られる一次線画像および散乱線画像を仮想モデルから推定し、推定された一次線画像と散乱線画像とを合成した画像を、被写体の放射線撮影により得られる放射線画像を推定した画像である推定画像として生成し、生成した推定画像と実際に被写体を放射線撮影して得られた被写体画像との差が小さくなるように、体厚分布を繰り返し修正することによって、精度よく体厚分布を算出する技術（特願２０１３−２２９９４１参照）を提案している。
また、実際の医療現場においては、できるだけ体厚分布を推定する体厚分布推定処理を高精度化して精度のよい体厚分布を取得したいという要求だけでなく、被写体画像の診断目的と画像解析装置の性能と撮影環境の事情等に応じて、体厚分布推定処理の高精度化を図りつつ体厚分布推定処理の実行時間を許容範囲内に維持したいという要求もある。
本発明は上記事情に鑑みてなされたものであり、被写体を撮影した放射線画像を解析して放射線画像の各位置における被写体の厚さを推定する際に、体厚分布推定処理の高精度化を図りつつ体厚分布推定処理の実行時間を許容範囲内に抑制する放射線画像解析装置、放射線画像解析方法および放射線画像解析プログラムを実現することを目的とする。
本発明による放射線画像解析装置は、被写体の放射線撮影により得られた被写体画像を解析して、被写体の体厚分布を推定する放射線画像解析装置であって、被写体画像を取得する画像取得部と、推定体厚分布を有する仮想モデルの入力を受け付けし、仮想モデルの推定体厚分布を修正して、修正された推定体厚分布を出力する体厚分布修正部であって、入力された推定体厚分布を有する仮想モデルを取得する仮想モデル取得部と、取得した仮想モデルの放射線撮影により得られる一次線画像を推定した推定一次線画像と仮想モデルの放射線撮影により得られる散乱線画像を推定した推定散乱線画像とを合成した画像を、被写体の放射線撮影により得られる放射線画像を推定した推定画像として生成する推定画像生成部と、推定画像と被写体画像の違いを小さくするように、取得した推定体厚分布を修正して出力する修正部と、を有する体厚分布修正部と、修正部に仮想モデルの推定体厚分布を修正させて出力させ、出力された推定体厚分布を有する仮想モデルを仮想モデル取得部に入力して仮想モデルを取得させ、推定画像生成部に仮想モデルから推定画像を生成させる体厚分布修正処理の実行を制御する体厚分布決定部であって、終了条件を満たすまで体厚分布修正処理を繰り返し実行し、終了条件を満たしている場合には、終了条件を満たした際の体厚分布修正処理において出力された推定体厚分布を被写体の体厚分布として決定する体厚分布決定部とを備え、体厚分布決定部は、第１の終了条件を満たすまで体厚分布修正処理を繰り返し実行させる第１の制御と、第１の終了条件とは異なる第２の終了条件を満たすまで体厚分布修正処理を繰り返し実行させる第２の制御とを判定条件に従って切り換えて実行する判定部を有し、第２の制御における体厚分布修正処理の実行回数が第１の制御における体厚分布修正処理の実行回数よりも少ないことを特徴とする。
本発明による放射線画像解析方法は、被写体画像を取得する画像取得ステップと、推定体厚分布を有する仮想モデルの入力を受け付けし、仮想モデルの推定体厚分布を修正して、修正された推定体厚分布を出力する体厚分布修正ステップであって、入力された推定体厚分布を有する仮想モデルを取得する仮想モデル取得ステップと、取得した仮想モデルの放射線撮影により得られる一次線画像を推定した推定一次線画像と仮想モデルの放射線撮影により得られる散乱線画像を推定した推定散乱線画像とを合成した画像を、被写体の放射線撮影により得られる放射線画像を推定した推定画像として生成する推定画像生成ステップと、推定画像と被写体画像の違いを小さくするように、取得した推定体厚分布を修正して出力する修正ステップと、を有する体厚分布修正ステップと、修正ステップによって仮想モデルの推定体厚分布を修正させて出力させ、仮想モデル取得ステップによって出力された推定体厚分布を有する仮想モデルを取得させ、推定画像生成ステップによって仮想モデルから推定画像を生成させる体厚分布修正処理の実行を制御する体厚分布決定ステップであって、終了条件を満たすまで体厚分布修正処理を繰り返し実行し、終了条件を満たしている場合には、終了条件を満たした際の体厚分布修正処理において出力された推定体厚分布を被写体の体厚分布として決定する体厚分布決定ステップとを備え、体厚分布決定ステップは、第１の終了条件を満たすまで体厚分布修正処理を繰り返し実行させる第１の制御と、第１の終了条件とは異なる第２の終了条件を満たすまで体厚分布修正処理を繰り返し実行させる第２の制御とを判定条件に従って切り換えて実行する判定ステップを有し、第２の制御における体厚分布修正処理の実行回数が第１の制御における体厚分布修正処理の実行回数よりも少ないことを特徴とする。
なお、本発明による放射線画像解析プログラムは、被写体の放射線撮影により得られた被写体画像を解析して、被写体の体厚分布を推定する放射線画像解析プログラムであって、コンピュータを、被写体画像を取得する画像取得部と、推定体厚分布を有する仮想モデルの入力を受け付けし、仮想モデルの推定体厚分布を修正して、修正された推定体厚分布を出力する体厚分布修正部であって、入力された推定体厚分布を有する仮想モデルを取得する仮想モデル取得部と、取得した仮想モデルの放射線撮影により得られる一次線画像を推定した推定一次線画像と仮想モデルの放射線撮影により得られる散乱線画像を推定した推定散乱線画像とを合成した画像を、被写体の放射線撮影により得られる放射線画像を推定した推定画像として生成する推定画像生成部と、推定画像と被写体画像の違いを小さくするように、取得した推定体厚分布を修正して出力する修正部と、を有する体厚分布修正部と、修正部に仮想モデルの推定体厚分布を修正させて出力させ、出力された推定体厚分布を有する仮想モデルを仮想モデル取得部に入力して仮想モデルを取得させ、推定画像生成部に仮想モデルから推定画像を生成させる体厚分布修正処理の実行を制御する体厚分布決定部であって、終了条件を満たすまで体厚分布修正処理を繰り返し実行し、終了条件を満たしている場合には、終了条件を満たした際の体厚分布修正処理において出力された推定体厚分布を被写体の体厚分布として決定する体厚分布決定部として機能させ、体厚分布決定部は、第１の終了条件を満たすまで体厚分布修正処理を繰り返し実行させる第１の制御と、第１の終了条件とは異なる第２の終了条件を満たすまで体厚分布修正処理を繰り返し実行させる第２の制御とを判定条件に従って切り換えて実行する判定部を有し、第２の制御における体厚分布修正処理の実行回数が第１の制御における体厚分布修正処理の実行回数よりも少ないことを特徴とする。
上記「体厚」は、照射された放射線の経路上における、空気領域を除いた被写体領域の厚さの総計を意味する。例えば、体厚は、照射された放射線の経路上における、肺内の空気領域など被写体内の空気領域を除いた被写体組織の厚さの総計とされる。
「推定画像」は、仮想モデルの放射線撮影により得られる一次線画像を仮想モデルから推定した推定一次線画像と仮想モデルの放射線撮影により得られる散乱線画像を仮想モデルから推定した推定散乱線画像とを合成した画像であると、実質的に見なせるものであればよい。例えば、仮想モデルに推定一次線画像生成用の関数を適用して推定一次線画像を作成し、仮想モデルに推定散乱線画像生成用の関数を適用して推定散乱線画像とを別途生成してから合成してもよく、仮想モデルに推定画像生成用の関数を適用して推定画像を推定してもよい。
「推定画像と被写体画像との違い」とは、推定画像と被写体画像の互いに対応する各位置における画素値の相関の高さを意味する。また、「被写体画像と推定画像との違いを小さくする」とは、被写体画像と推定画像の互いに対応する各位置の画素値の相関が高くなる（両画像が類似する）ことを意味する。
また、本発明による放射線画像解析装置において、判定部は、複数の体厚分布修正処理における推定画像と被写体画像の違いの時系列の推移に基づいて、第１の終了条件を満たすまでに繰り返される体厚分布修正処理の実行時間の和である推定実行時間を推定し、推定実行時間が第１制限時間より大きい場合には第２の制御を実行し、推定実行時間が第２制限時間以下である場合には第１の制御を実行してもよい。
また、本発明による放射線画像解析装置において、判定部が、放射線画像解析装置の処理能力を表す処理能力情報に応じて、処理能力が特定の処理レベルよりも低い場合には第２の制御を実行し、処理能力が特定の処理レベル以上である場合には第１の制御を実行してもよい。
「放射線画像解析装置の処理能力を表す処理能力情報」とは、放射線画像の体厚分布推定処理を実施するための処理能力を直接的間接的に把握可能なものであればいかなる情報であってもよい。例えば、放射線画像解析装置を構成するコンピュータの処理装置の処理速度やメモリの容量などを表す情報であってもよく、撮影機器の種類を表す情報または撮影場所を表す情報であってもよい。
また、上記場合に、処理能力情報が、被写体画像の撮影に使用された撮影機器の種類を表す情報であってもよい。
「撮影機器の種類を表す情報」とは、病院の撮影室などの処理装置などのように十分な処理性能を有する処理装置が用いられているか否かを推測できる情報であればよい。例えば、固定型線源、携帯型線源、読影室に装備されるような標準型コンソール、タブレット端末などの携帯型コンソール、固定型検出パネル、携帯型検出パネルを示す情報が考えられる。
また、本発明による放射線画像解析装置において、判定部は、撮影場所ごとに第１の制御または第２の制御を対応づけた対応付け情報に応じて、被写体画像の撮影場所に第１の制御が対応づけられている場合には第１の制御を実行し、被写体の撮影場所に第２の制御が対応づけられている場合には第２の制御を実行してもよい。
また、「撮影場所」とは、病院の撮影室などのように十分な処理性能を有する処理装置が用いられる環境か否かを推測できる場所、または、体厚分布推定処理の実行時間を許容範囲以下にする必要があるか否かことを確認できる場所であればよい。撮影場所として、例えば、撮影室、救急車内、回診車内、屋外、病室、その他医療用施設でない場所などが考えられる。
また、本発明による放射線画像解析装置において、判定部は、被写体画像の緊急表示の要否を表す緊急表示情報に応じて、緊急表示が必要である場合には第２の制御を実行し、緊急表示が必要でない場合には第１の制御を実行してもよい。
また、本発明による放射線画像解析装置において、判定部は、被写体画像の表す部位ごとに第１の制御または第２の制御を対応づけた対応付け情報に応じて、被写体画像の表す部位に第１の制御が対応づけられている場合には第１の制御を実行し、被写体画像の表す部位に第２の制御が対応づけられている場合には第２の制御を実行してもよい。
また、本発明による放射線画像解析装置において、第１の終了条件が、推定画像生成部に生成された推定画像と被写体画像との違いの許容値である第１の閾値を表しており、第２の終了条件が、推定画像生成部に生成された推定画像と被写体画像との違いの許容値である第２の閾値を表しており、第２の閾値が第１の閾値より大きい値であってもよい。
また、本発明による放射線画像解析装置において、第２の終了条件が、体厚分布修正処理の実行回数の上限値または体厚分布修正処理の実行時間の和の上限値を表していてもよい。
また、本発明による放射線画像解析装置において、被写体の体厚分布に応じた処理パラメータを用いて被写体画像の画像処理を実行して処理後画像を取得する画像処理部と、処理後画像を表示装置に表示させる表示制御部とをさらに備えることが好ましい。
本発明によれば、繰り返し制御の実行回数の相対的に多い第１の制御と、第２の制御より繰り返し制御の実行回数が少ない第２の制御を判定条件に従って切り換えることによって、体厚分布推定処理の高精度化を図りつつ体厚分布推定処理の実行時間を許容範囲内に抑制することができる。
本発明の第１の実施形態に係る放射線画像解析装置を適用した放射線画像撮影システムの構成を示す概略ブロック図 体厚分布の対応付けテーブルの一例を示す図 推定画像の生成方法の一例を説明するための図 推定画像の生成方法の別の一例を説明するための図 判定条件の例を説明するための図 本実施形態に係る放射線画像解析装置によって行われる処理を示すフローチャート 終了条件の例を説明するための図
以下、図面を参照して本発明の実施形態について説明する。図１は本発明の第１の実施形態による放射線画像解析装置を適用した放射線画像撮影システムの構成を示す概略ブロック図である。図１に示すように、本実施形態による放射線画像撮影システムは、撮影装置１０と、システムを制御する制御装置２０と、画像解析装置３０（放射線画像解析装置）とを備える。
撮影装置１０は被写体ＫにＸ線を照射するＸ線源１２と、被写体Ｋを透過したＸ線を検出して被写体Ｋの放射線画像を取得する放射線検出器１４とを備える。なお、本実施形態においては、被写体Ｋと放射線検出器１４との間には、被写体Ｋを透過したＸ線のうち、被写体Ｋにより散乱した散乱線を除去するための散乱線除去グリッド（グリッド）は配置されない。
制御装置２０は、設定された撮影条件に従ってＸ線源１２を駆動制御する線源駆動制御部２２と、放射線検出器１４を制御し、被写体の放射線画像（被写体画像）を取得して記憶部４２に記憶する検出器制御部２４とを備える。
画像解析装置３０は、画像解析装置３０に対する操作者の各種入力を受け付ける入力部４３、表示部４４、中央処理装置（ＣＰＵ）、半導体メモリ、通信インターフェースおよびハードディスクやＳＳＤ等の記憶部４２を備えたコンピュータであり、画像解析装置３０には、本実施形態にかかる放射線画像解析プログラムがインストールされている。そして、この放射線画像解析プログラムの実行により、画像解析装置３０の中央処理装置およびメモリが協働して、画像取得部３１と、体厚分布修正部３５と、体厚分布決定部３６と、散乱線情報取得部３７と、散乱線除去部３８と、画像処理部３９と、表示制御部４０として機能する。入力部４３は、キーボード、マウス、タッチパネル等から構成される。なお、入力部４３は、画像解析装置３０に対する操作者の各種入力を受け付ける。また、表示部４４は、ＣＲＴ、液晶ディスプレイ等からなり、撮影装置１０により取得された放射線画像の表示や各種その他の所望の処理に必要な情報の表示を行う。
記憶部４２には、検出器制御部２４および線源駆動制御部２２を制御する不図示の撮影制御部によって取得した被写体画像Ｉｋとその撮影条件が記憶される。また、記憶部４２には、複数の撮影条件ごとに濃度値（画素値）と体厚とを対応付けた対応付けテーブルＬＵＴが予め作成されて記憶されている。また、記憶部４２には、初期体厚分布Ｔ０（ｘ，ｙ）を有する被写体Ｋの仮想モデルＭが記憶される。さらに、記憶部４２には、被検体画像用の仮想モデルＭに含まれる構造物（ここでは肺野、骨、臓器等の解剖学的構造物）と構造物の配置と、構造物の放射線に対する特性等を示す特性情報が、比較用被写体の胸腹部の肺野、骨等の解剖学的構造物の配置および組成に基づいて予め設定されて記憶される。また、記憶部４２には、各処理で必要とされる各種パラメータ、生成された画像（推定一次線画像、推定散乱線画像など）が適宜記憶されるものとする。なお、本明細書における体厚は、照射された放射線の経路上における空気領域を除いた被写体領域の厚さの総計を意味する。
「撮影条件」は、撮影線量、管電圧、管電流と照射時間の積、放射線源（線源）と放射線検出器の検出面との距離、線源のターゲットおよびフィルタの材質、撮影に使用される放射線検出器の種類、エアギャップ量（被写体から放射線検出器までの距離）、必要に応じて放射線検出器に備えられる放射線遮蔽物の有無および材質のうち少なくとも１つを含むものであればよい。
ここでは、撮影条件として、被写体画像Ｉｋの撮影時に用いられた、撮影線量と、管電圧と、管電流と照射時間の積、および、線源と放射線検出器の検出面との距離が記憶されている。なお、記憶された撮影条件は、後述の体厚分布修正部３５による処理、散乱線情報取得部３７による処理、画像処理部３９による処理などその他各種所望の画像処理などに適宜利用される。
表示制御部４０は、本実施形態による画像解析処理に必要な情報や、制御装置２０の撮影制御処理に必要な情報などを、適宜表示部４４に表示させる。
画像取得部３１は、検出器制御部２４または記憶部４２などから、被写体画像Ｉｋを取得する。なお、本実施形態に限定されず、本発明は任意の種類の被検体について適用可能である。例えば、被検体を人体の任意の部位とすることができる。
体厚分布修正部３５は、後述の体厚分布決定部３６による推定体厚分布Ｔｎを有する仮想モデルＭの入力を受け付けし、仮想モデルＭの推定体厚分布を修正して、修正された推定体厚分布Ｔｎを出力するものである。なお、体厚分布修正部３５による体厚分布推定処理の実行回数をｎ回目（ｎは自然数）とする。詳細には、体厚分布修正部３５は、初期体厚分布Ｔ０（入力された推定体厚分布）を有する仮想モデルを取得する仮想モデル取得部３２と、取得した仮想モデルＭの放射線撮影により得られる一次線画像を推定した推定一次線画像Ｉｐと仮想モデルＭの放射線撮影により得られる散乱線画像を推定した推定散乱線画像Ｉｓとを合成した画像を、被写体Ｋの放射線撮影により得られる放射線画像を推定した推定画像Ｉｍとして生成する推定画像生成部３３と、推定画像Ｉｍと被写体画像Ｉｋの違いを小さくするように、取得した推定体厚分布Ｔｎを修正して出力する修正部３４を有する。
仮想モデル取得部３２は、初期体厚分布Ｔ０を有する被写体Ｋの仮想モデルＭを取得する。また、体厚分布推定処理の繰り返し中は、後述の修正部３４によって少なくとも１回以上修正された推定体厚分布Ｔｎ−１を有する仮想モデルＭを取得する。仮想モデルＭは、初期体厚分布Ｔ０（ｘ，ｙ）に従った体厚がｘｙ平面上の各位置に対応付けられた被写体Ｋを仮想的に表すデータである。また、仮想モデルＭに含まれる構造物（ここでは肺野、骨、臓器などの解剖学的構造物）と構造物の配置と、構造物の放射線に対する特性などを示す特性情報は、比較用被写体の胸腹部の肺野、骨などの解剖学的構造物の配置および組成に基づいて設定されている。
本実施形態においては、被写体Ｋの仮想モデルＭの初期体厚分布Ｔ０は、仮想モデル取得部３２によって生成されて取得される。
仮想モデル取得部３２は、被写体画像Ｉｋの撮影条件を取得し、記憶部４２から被写体Ｋの撮影条件に応じた画素値（濃度値）と体厚とを対応付けたテーブルを取得する。図２に画素値と体厚とを対応付けたテーブルの例を示す。そして、仮想モデル取得部３２は、図２に示すテーブルに基づいて、被写体画像Ｉｋの各画素の画素値に対応する体厚を特定することにより、被写体画像Ｉｋの初期体厚分布Ｔ０を取得する。以上の処理は下記の式（１）により表される。なお、式（１）における、Ｉｋ（ｘ，ｙ）は、被検体画像における各画素の画素値、Ｔ０（ｘ，ｙ）は各画素位置における初期体厚分布を示す。
なお、被検体画像用の仮想モデルＭの初期体厚分布は、後述の修正部３４により修正されるものであるため、例えば、標準的な人体の体厚分布を表すものであってもよく、一様分布を表すものであってもよく、任意の分布とされてよい。また、初期体厚分布Ｔ０は、各仮想モデルＭの初期体厚分布を取得する処理の際に生成されて取得されてもよく、各仮想モデルＭの取得処理に先立って予め設定されていてもよい。
推定画像生成部３３は、仮想モデルＭの放射線撮影により得られる一次線画像を推定した推定一次線画像Ｉｐと仮想モデルＭの放射線撮影により得られる散乱線画像を推定した推定散乱線画像Ｉｓとを合成した画像を、被写体画像Ｉｋを推定した画像である被写体画像Ｉｋの推定画像Ｉｍとして生成して記憶部４２に記憶する。
図３および図４は、推定画像Ｉｍの生成方法を説明するための図である。図３に示すように、推定画像生成部３３は、仮想モデルＭを、被写体画像Ｉｋと同等の撮影条件で仮想モデルＭを撮影した場合に得られる推定一次線画像Ｉｐを、下記式（２）に従って生成し、生成した推定一次線画像Ｉｐを用いて、式（３）に従って推定散乱線画像Ｉｓを生成する。そして、推定画像生成部３３は、式（４）に示すように推定一次線画像Ｉｐと推定散乱線画像Ｉｓを合成することにより、推定画像Ｉｍを生成する。なお、推定一次線画像Ｉｐと推定散乱線画像Ｉｓを１回目に作成する際には、推定式（２）、式（３）において初期体厚分布Ｔ０（ｘ，ｙ）が用いられる（式（２）、（３）においてｎ＝１である）。
ここで、（ｘ，ｙ）は被写体画像Ｉｋの画素位置の座標、Ｉｐ（ｘ，ｙ）は画素位置（ｘ，ｙ）における推定一次線画像（一次線の画素値）、Ｉｓ（ｘ，ｙ）は画素位置（ｘ，ｙ）における推定散乱線画像（散乱線の画素値）、Ｉｏ（ｘ，ｙ）は画素位置（ｘ，ｙ）における線量、Ｉｍ（ｘ，ｙ）は画素位置（ｘ，ｙ）における推定画像、μは被写体の線減弱係数、Ｋｓ(ｘ，ｙ，Ｔｎ（ｘ’，ｙ’），θｘ’，ｙ’)は画素位置（ｘ，ｙ）における被検体厚に応じた点拡散関数(Point Spread Function)を表す畳みこみカーネルである。なお、線量Ｉｏ（ｘ，ｙ）は、被写体が存在しないと仮定した際に放射線が検出器で検出される線量（画素値）であり、線源１２と放射線検出器１４の検出面との距離（ＳＩＤ）、管電圧および撮影線量に応じて変化する。また、θｘ’，ｙ’は、撮影条件や仮想モデルＭの特性情報によって特定されるパラメータを表している。
なお、推定画像Ｉｍは、仮想モデルＭを放射線撮影した場合に得られると推定される画像であればよく、推定一次線画像Ｉｐと推定散乱線画像Ｉｓを加算して合成した画像と実質的にみなせるものであればよい。例えば、図４に示すように、式（２）〜（４）に替えて下記式（５）を用いて、一次線成分と散乱線成分を合わせたカーネルを畳み込み積分して推定画像Ｉｍを生成してもよい。ここで、Ｋｐ＋ｓ（ｘ，ｙ，Ｔｎ−１（ｘ’，ｙ’），θｘ’，ｙ’)は、一次線成分と散乱線成分を合わせた点拡散関数を表すカーネルである。また、放射線撮影により得られた画像から推定一次線画像および推定散乱線画像を合成した推定画像を生成可能であれば、任意のモデル関数を用いてよい。
なお、Ｋｐ＋ｓ（ｘ，ｙ，Ｔｎ−１（ｘ’，ｙ’），θｘ’，ｙ’)は、撮影条件等に応じて実験的に求めることができる。
本実施形態においては、撮影条件ごとにカーネルＫｓ(ｘ，ｙ，Ｔｎ（ｘ’，ｙ’），θｘ’，ｙ’)、Ｋｐ＋ｓ（ｘ，ｙ，Ｔｎ−１（ｘ’，ｙ’），θｘ’，ｙ’)を予め算出し、各種撮影条件とカーネルＫｓ(ｘ，ｙ，Ｔｎ（ｘ’，ｙ’），θｘ’，ｙ’)、Ｋｐ＋ｓ（ｘ，ｙ，Ｔｎ−１（ｘ’，ｙ’），θｘ’，ｙ’)とを予め対応付けたテーブルを記憶部４２に記憶しておき、撮影時の照射野情報、被写体情報および撮影条件に基づいて、このテーブルを参照してカーネルＫｓ(ｘ，ｙ，Ｔｎ（ｘ’，ｙ’），θｘ’，ｙ’)、Ｋｐ＋ｓ（ｘ，ｙ，Ｔｎ−１（ｘ’，ｙ’），θｘ’，ｙ’)を求める。なお、カーネルＫｓ、Ｋｐ＋ｓは、カーネルＫｓ、Ｋｐ＋ｓが用いられる前であれば任意のタイミングで算出してよい。
修正部３４は、被写体画像Ｉｋの推定画像Ｉｍと被写体画像Ｉｋとに基づいて、被写体画像Ｉｋの推定画像Ｉｍと被写体画像Ｉｋの違いが小さくなるように被写体Ｋの仮想モデルＭの初期体厚分布Ｔ０、または、少なくとも１回以上修正された推定体厚分布Ｔｎ−１を修正する。具体的には、推定画像Ｉｍと被写体画像Ｉｋの対応する位置の画素値の差が小さくなるように修正する。
修正部３４は、推定体厚分布Ｔｎ−１の修正処理を行うために、被写体画像Ｉｋと推定画像Ｉｍの違いが小さくなるように推定体厚分布Ｔｎ−１の各位置の修正値を取得できる任意の方法を適用可能である。本実施形態では、修正部３４は、仮想モデルＭの一画素以上の部分領域ごとに、仮想モデルＭの推定体厚分布Ｔｎ−１を変動させて、推定画像Ｉｍと被写体画像Ｉｋとの違いを小さくする部分領域の体厚を算出する処理を実施する。そして、算出された各部分領域の体厚によって仮想モデルの体厚分布を修正する。
ここでは、修正部３４は、最急降下法を用いて推定体厚分布Ｔｎ−１の体厚の修正値を求めるものとする。下記式（６）、（７）を用いて、仮想モデルＭの画素のうち、Ｔｎ−１（ｘ，ｙ）において１つの特定の座標の体厚のみを変動させて、エラー関数ｆｅｒｒｏｒの一次偏微分（勾配）に基づいて繰り返しｄＴｎ−１（ｘ，ｙ）を算出することにより、エラー関数ｆｅｒｒｏｒの出力値を最小化することができる。そして、エラー関数ｆｅｒｒｏｒの出力値を最小化した際の、１つの特定の座標の体厚を、その特定の座標の体厚の修正値として決定する。また、他の画素についても同様に、それぞれ体厚の修正値を求めることにより、各画素の体厚分布を修正し、修正した推定体厚分布Ｔｎを取得して、修正した推定体厚分布Ｔｎを記憶部４２に記憶する。
ただし、式（６）において、αは、体厚の更新速度を表すパラメータである更新係数である。式（７）に示すＫｐ＋ｓの微分値部分の算出方法の一例として、例えば、Ｔｎ−１（ｘ，ｙ）に極めて小さい値ｄｔを加えたとき値の変化を式（８）によって算出して、式（７）のＫｐ＋ｓの値とすることができる。
体厚分布決定部３６は、体厚分布修正部３５による処理の繰り返しを制御する機能を有する。体厚分布決定部３６は、体厚分布修正部３５による処理の実行回数をｎ回目（ｎは自然数）とすると、ｎ＝１の場合には、体厚分布修正部３５に初期体厚分布Ｔｎ−１（Ｔ０）を入力し、仮想モデル取得部３２に推定体厚分布Ｔｎ−１（Ｔ０）を有する仮想モデルＭを取得させ、推定画像生成部３３に仮想モデルＭから推定画像Ｉｍを生成させ、修正部３４に、初期体厚分布Ｔ０を修正させて、ｎの値を１つ増加して更新し（ｎ＝ｎ＋１とする）、推定体厚分布Ｔｎ（Ｔ１）として出力させる。その後は、体厚分布決定部３６は、修正部３４に仮想モデルＭの推定体厚分布Ｔｎ−１を修正させて推定体厚分布Ｔｎとして出力させ、出力された推定体厚分布Ｔｎを有する仮想モデルＭを仮想モデル取得部３２に入力して取得させ、推定画像生成部３３に仮想モデルＭから推定画像Ｉｍを生成させる体厚分布修正処理（後述のＳ０６、Ｓ０２、Ｓ０３に示される一連の処理）の繰り返し実行を制御する。
また、体厚分布決定部３６は、体厚分布修正処理が終了条件を満たすか否かを判定し、終了条件を満たさない場合には、体厚分布修正処理を実行し、終了条件を満たしていることを判定した場合には、終了条件を満たした際の体厚分布修正処理において出力された推定体厚分布を被写体の体厚分布として決定する。例えば、終了条件を初めて満たした際の体厚分布修正処理の実行回数がｎ回目であれば、推定体厚分布Ｔｎを被写体の体厚分布Ｔｋとして決定する。また、体厚分布決定部３６は、被写体の体厚分布Ｔｋを記憶部４２に記憶する。
また、体厚分布決定部３６は、終了条件として、第１の終了条件と第１の終了条件とは異なる第２の終了条件とを有し、第１の終了条件を満たすまで体厚分布修正処理を繰り返し実行させる第１の制御と、第２の終了条件を満たすまで体厚分布修正処理を繰り返し実行させる第２の制御とを判定条件に応じて切り換える判定部３６Ａを有する。
近年、医療現場において患者等の画像診断のために被写体画像の処理後画像を表示する際に、観察に適した高品質な処理後画像を表示することが益々求められている。また、被写体画像から画像診断に供される処理後画像を表示するためには、被写体Ｋの被写体画像Ｉｋを取得してから、被写体画像Ｉｋの体厚分布を推定する一連の処理を実施し、決定した被写体画像Ｉｋの体厚分布を用いて散乱線除去処理、階調処理、ノイズ抑制処理、ダイナミックレンジ調整処理、周波数強調処理などの所望の画像処理を行って処理後画像を生成する所要時間が必要となる。しかしながら、医療現場では被写体画像を取得してから処理後画像を表示するまでの期間を短縮化したいという要求も高いため、処理後画像の高品質化を図りつつ処理後画像表示までの所要時間を許容範囲内に抑制することが好ましい。
本発明は、体厚分布を決定する過程で実施される体厚分布推定処理の時間を制御して、体厚分布推定処理の高精度化を図りつつ体厚分布推定処理の実行時間を許容範囲内に抑制するものである。このために、判定部３６Ａは、判定条件に基づいて、体厚分布推定処理に含まれるループ処理（体厚分布修正処理）の繰り返しの実行回数が相対的に多い第１の制御と、ループ処理の実行回数が相対的に少ない第２の制御とを切り換えて実行することにより、被写体画像取得から処理後画像表示までの所要時間のうち、体厚分布推定処理（体厚分布を決定する処理）による実行時間を制御する。なお、第２の制御は、体厚分布修正処理の繰り返し処理の時間が許容範囲内となるように第２の終了条件が設定され、第１の制御は、体厚分布の高精度化などその他の任意の事項に応じて第１の終了条件が設定される。結果的に、第１の終了条件と第２の終了条件は、第２の制御における体厚分布修正処理の実行回数が第１の制御における体厚分布修正処理の実行回数より少なくなるように設定されればよい。なお、本実施形態では、体厚分布推定処理は、体厚分布修正部と体厚分布決定部によって行われる処理（例えば、後述の図７のＳ０２乃至Ｓ０７に示す処理）である。
判定条件として、体厚分布修正処理の繰り返し処理の時間を許容範囲内に制限する必要があるか否かを判断可能な任意の条件を設定することができる。
本実施形態では、判定部３６Ａを、複数の体厚分布修正処理における推定画像Ｉｍと被写体画像Ｉｋの違いの時系列の推移に基づいて、第１の終了条件を満たすまで繰り返す体厚分布修正処理の実行時間の和である推定実行時間を推定し、推定実行時間が第１制限時間より大きい場合には第２の制御を実行し、推定実行時間が第１制限時間以下である場合には第１の制御を実行するものとする。かかる例について、図５を用いて説明する。なお、判定部３６Ａは、体厚分布修正処理の実行時間の和を直接推定して、推定実行時間が第１制限時間より大きいか否かを判断してもよく、体厚分布推定処理の実行時間の和を推定することにより、間接的に体厚分布修正処理の実行時間の和が第１制限時間より大きいか否かを判断してもよい。
図５は、体厚分布修正処理の実行時間の累積値を横軸に示し、被写体画像と推定画像との違いの値を縦軸に示す図である。また、第１の終了条件は被写体画像と推定画像との違いの許容値ｖ１を表すものである。図５において、実線はすでに算出された推定画像Ｉｍと被写体画像Ｉｋの違いの時系列の推移を示し、破線は推定された推定画像Ｉｍと被写体画像Ｉｋの違いの時系列の推移を示す。図５に示すように、体厚分布決定部３６が第１の終了条件を満たすまで体厚分布修正処理を繰り返させると、被写体画像Ｉｋと推定画像Ｉｍとの違いは徐々に小さくなる。
ここでは、判定条件は、ユーザに許容可能な待ち時間に応じて設定された第１制限時間ｔｌ２を表すものである。判定部３６Ａは、第１回目の体厚分布修正処理の開始からの推定画像Ｉｍと被写体画像Ｉｋの違いの時系列データの近似曲線を求め、特定の基準時間ｔｌ１の近似曲線の接線（図５の破線参照）を求め、接線が許容値ｖ１に達する時間ｔｌ３を算出することにより、最初に体厚分布修正処理を開始してから第１の終了条件を満たすまでに繰り返す体厚分布修正処理の実行時間の和である推定実行時間ＥＰを推定する。そして、推定実行時間が第１制限時間ｔｌ２より大きい場合には第２の制御を実行する。一方、繰り返された体厚分布修正処理の実行時間の和が第１制限時間以下である場合には第１の制御を実行する。
上記の場合には、繰り返された体厚分布修正処理の実行時間の和が第１制限時間より大きいか否かを判断することにより、比較的簡易な方法で、推定体厚修正処理の繰り返しによる実行時間が許容範囲を超過することを抑制することができる。
また、例えば、判定部３６Ａは、放射線画像解析装置の処理能力を表す処理能力情報に応じて、処理能力が特定の処理レベルよりも低い場合には第２の制御を実行し、処理能力が特定の処理レベル以上である場合には第１の制御を実行するようにしてもよい。
放射線画像解析装置の処理能力が高くなるほど、体厚分布修正処理の実行速度が短くなるため、処理能力の特定の処理レベルは、放射線画像解析装置の処理能力が第１の制御の実行時間が許容範囲内となるように設定される。例えば、各放射線画像解析装置を構成するコンピュータの中央処理装置の仕様やメモリの大きさごとに、処理能力をレベル分けしてもよい。この場合には、放射線画像解析装置の処理能力に応じて、処理能力が特定の処理レベルよりも低い場合には第２の制御を実行して、推定体厚修正処理の繰り返しによる実行時間が許容範囲を超過することを抑制することができる。
また、上記場合に、処理能力情報は、画像処理装置の処理能力を表す任意の情報を採用できる。例えば、画像解析装置の処理能力を表す処理能力情報が、被写体画像の撮影に使用された撮影機器の種類を表す情報であってもよい。
なお、「撮影機器の種類を表す情報」とは、病院の撮影室などの処理装置などのように十分な処理性能を有する処理装置が用いられているか否かを推測できる情報であればよい。例えば、固定型線源、携帯型線源、読影室に装備されるような標準型コンソール、タブレット端末などの携帯型コンソール、固定型検出パネル、携帯型検出パネルを示す情報が考えられる。携帯型撮影機器（携帯型線源、携帯型検出パネル、携帯型コンソール）は、軽量化、コンパクト化などの要求に応じて、処理能力をある程度制限したものもあるため、撮影機器情報が携帯型撮影機器を表すものである場合には、第２の制御を実行するように判定条件を設定してもよい。一方で、病院の撮影室に配置される固定型機器（固定型線源、固定型検出パネル、読影室用標準型コンソール）は、ある程度の処理能力が担保されているものとして第１の制御を実行するように判定条件を設定してもよい。
また、例えば、判定部３６Ａは、撮影場所ごとに第１の制御または第２の制御を対応づけた対応付け情報に応じて、被写体画像の撮影場所に第１の制御が対応づけられている場合には第１の制御を実行し、被写体の撮影場所に第２の制御が対応づけられている場合には第２の制御を実行してもよい
また、「撮影場所」とは、病院の撮影室などのように十分な処理性能を有する処理装置が用いられる環境か否かを推測できる場所、または、体厚分布推定処理の実行時間を許容範囲以下にする必要があるか否かことを確認できる場所であればよい。例えば、撮影場所の種類として、撮影室、救急車内、回診車内、屋外、病室、その他医療用施設でない場所などが考えられる。対応付け情報は、撮影場所が病院の撮影室などのように十分な処理性能を有する処理装置が用いられる環境を表していれば、第１の制御を実行するように対応付けし、撮影場所が、病院の撮影室などのように十分な処理性能を有する処理装置が用いられない環境（救急車内、ドクターカー内、回診車内、屋内、病室、その他の医療用施設でない場所）を表していれば、第２の制御を実行するように対応付けすればよい。または、対応付け情報は、撮影場所が体厚分布推定処理の実行時間を許容範囲以下にする必要があることを確認できる場所（救急車内、ドクターカー内、回診車内、屋内、病室、その他の医療用施設でない場所）を表していれば、第２の制御を実行するように対応付けし、撮影場所が体厚分布推定処理の実行時間を許容範囲以下にする必要がないことを確認できる場所を表していれば、第１の制御を実行するように対応付けしてもよい。
また、撮影室以外の放射線撮影をする場合には、撮影環境から放射線検出器に入射する散乱線を抑制する対策が十分施せないため、撮影時にできるだけ早く処理後画像を表示して、処理後画像の散乱線の影響を確認し、再度撮影が必要か否かを決定したいという要求がある。もし、判定部３６Ａが撮影場所に応じて第１の制御と第２の制御を切り換える場合には、対応付け情報において、散乱線対策がされていない撮影場所に第２の制御を対応付けすることによって、このような要求にも好適に応えることができる。
判定部３６Ａは、被写体画像中の緊急表示の要否を表す緊急表示情報に応じて、緊急表示が必要である場合には第２の制御を実行し、緊急表示が必要でない場合には第１の制御を実行する。
救急患者の画像診断時など、緊急度が高い場合には、被写体画像の撮影時から、撮影された被写体画像に所要の画像処理を行った処理後画像をできるだけ早く表示したいという要求がある。このため、緊急表示の必要がある場合には第２の制御を実行することにより、できるだけ早く処理後画像を表示して観察することが有効である。この場合には、緊急医療に役立つ情報をより早く提供することができる。例えば、表示された処理後画像を、緊急車両などにおいて被写体を適切な専門医のいる病院に搬送するための判断材料として役立てることができる。あるいは、緊急車両などが病院に到着前に、処理後画像を迅速に送付することができる。
なお、被写体画像の緊急表示の要否を任意の方法で取得してよい。例えば、緊急表示を指示するユーザの操作入力を受け付けた場合には、緊急表示の必要があり、例えば、緊急表示を指示するユーザの操作入力を受け付けなかった場合には、緊急表示不要であると判定してよい。
判定部３６Ａは、例えば、高い画像品質が要求されない部位や体厚分布における厚みの変動が少ない部位などに対しては、第２の制御を実行し、その他の部位については、第１の制御を実行してもよい。例えば、判定部３６Ａは、判定部が、被写体の部位ごとに第１の制御または第２の制御を対応づけた対応付け情報に応じて、被写体の部位に第１の制御が対応づけられている場合には第１の制御を実行し、被写体の部位に第２の制御が対応づけられている場合には第２の制御を実行してもよい。被写体画像の部位は、任意の方法で取得してよく、例えば、オーダ情報（撮影指示情報）から被写体画像の部位を取得してもよく、公知の画像認識情報によって被写体画像の部位を取得してもよい。
この場合には、部位に応じて適切に第１の制御と第２の制御を切り換えることにより、被写体画像から処理後画像を生成する処理を連続して行う場合などに、ユーザの入力負担なく、被写体画像から処理後画像を生成する処理の効率化を図ることができる。
また、判定部３６Ａは、被写体画像が動画像であるか静止画像であるかを表す情報に応じて、被写体画像が静止画像である場合には第１の制御を実行し、被写体画像が動画像である場合には第２の制御を実行してもよい。動画像には、時間遅れを防ぐために被写体画像に所要の画像処理を行った処理後画像をできるだけ早く表示したいという要求があるからである。また、動画像を構成する１つのフレーム画像に対して、体厚分布を決定した後は、動画像を構成するフレーム画像から上記１つのフレーム画像を除いた他のフレーム画像に対して、決定した体厚分布を共通して用いることが好ましい。各フレーム画像に対して体厚分布を決定する処理を行うことによる時間遅れの抑制と、計算負荷を低減することができる。
また、第１の終了条件と第２の終了条件として要求される事項に応じた適切な終了条件が適時選択されることが好ましい。
また、本実施形態では、第１の終了条件が、推定画像生成部に生成された推定画像と被写体画像との違いの許容値である第１の閾値を表している。また、第２の終了条件を、推定画像生成部に生成された推定画像と被写体画像との違いの許容値である第２の閾値を表すものとし、第２の閾値を第１の閾値より大きい値とする。このようにした場合には、簡易な方法で、第１の制御の実行時間に対する第２の制御の実行時間の短縮化を実現できる。また、第１の制御の実行時間に対する第２の制御の実行時間の割合を制御することが容易である。
第１の終了条件と第２の終了条件についてさらに詳細に説明する。第１の終了条件と第２の終了条件は、被写体画像Ｉｋと推定画像Ｉｍとの違いを表すエラー値Ｖｅｒｒｏｒの閾値（被写体画像Ｉｋと推定画像Ｉｍとの違いの許容値である第１の閾値）を表すものである。第２の条件におけるエラー値Ｖｅｒｒｏｒの閾値（第２の閾値）は、第１の条件におけるエラー値Ｖｅｒｒｏｒの閾値（第１の閾値）よりも大きく設定されている。第１の閾値は、目標精度に応じた適切な値があらかじめ設定される。第２の閾値は、許容可能な実行時間に応じた適切な値があらかじめ設定される。
体厚分布決定部３６の第１の終了条件の判定方法を説明する。体厚分布決定部３６は、式（９）および式（１０）に示すように、下記の被写体画像Ｉｋと推定画像Ｉｍとの違いを表すエラー値Ｖｅｒｒｏｒを定義し、終了条件としてエラー値Ｖｅｒｒｏｒが閾値以下であるか否かを判定する。また、式（１０）に示すように、被写体画像Ｉｋから推定画像Ｉｍを減算した差分画像Ｉｄの各画素値の２乗和をエラー関数ｆｅｒｒｏｒとして規定する。なお、第１の終了条件として、被写体画像Ｉｋと推定画像Ｉｍとの違いが許容可能な程度に十分小さくなったことを判定可能なあらゆる判定手法を適用可能である。
また、上記例に限定されず、エラー関数ｆｅｒｒｏｒを、被写体画像Ｉｋと推定画像Ｉｍとの違いを表すあらゆる方法で規定することができる。例えば、下記式（１１）に示すように、被写体画像Ｉｋから推定画像Ｉｍを減算した差分画像Ｉｄの各画素値の絶対値の総和をエラー関数ｆｅｒｒｏｒとしてもよい。
なお、式（１）〜（１１）において、同じ要素には同じ符号を付して、説明を省略する。被写体画像Ｉｋと推定画像Ｉｍの違いを表すエラー値Ｖｅｒｒｏｒを最小化するあらゆる最適化手法を適用可能であり、例えば、シンプレックス法や最急降下法、共役勾配法を用いることができる。
また、例えば、第２の終了条件は、体厚分布修正処理の実行回数の上限値を表すものであってもよい。例えば、複数の被検体画像のサンプルを用いて第１の制御を実行し、得られたサンプルの実行回数の平均値などよりも十分小さい回数を体厚分布修正処理の実行回数の制限値として設定することが考えられる。この場合には、簡易な方法で、推定体厚修正処理の繰り返しによる実行時間が許容範囲を超過することを抑制することができる。
また、例えば、第２の終了条件は、繰り返された体厚分布修正処理の実行時間の和の上限値を表すものであってもよい。図７は、第２の終了条件の例を説明するための図であり、体厚分布推定処理の実行時間の累積値を横軸に示し、被写体画像と推定画像との違いの値を縦軸に示す図である。図７に示すように、体厚分布決定部３６が体厚分布修正処理を繰り返すことによって被写体画像Ｉｋと推定画像Ｉｍとの違いが徐々に小さくなる。第１の終了条件は、被写体画像と推定画像との違いの許容値ｖ１を表すものであり、第２の終了条件は、体厚分布修正処理の実行時間の和の上限値ｔｌ４を表すものである。第２の制御を実行した場合には、体厚分布決定部３６は、体厚分布修正処理を繰り返し実行し、体厚分布修正処理の実行時間の和が上限値ｔｌ４を超えると、それ以上体厚分布修正処理を実行せずに、最後に実行された体厚分布修正処理で修正された推定体厚分布を被写体Ｋの体厚分布Ｔｋとして決定する（図７実線参照）。また、第１の制御を実行した場合には、体厚分布決定部３６は、許容値ｖ１を満たすまで体厚分布修正処理を繰り返し実行して、最後に実行された体厚分布修正処理で修正された推定体厚分布を被写体Ｋの体厚分布Ｔｋとして決定する（図７一点鎖線参照）。
被写体画像Ｉｋと推定画像Ｉｍとの違いが第１の終了条件を満たす程度に収束するまでに許容範囲を超えるような実行時間がかかることは好ましくないため、第２の終了条件を、体厚分布修正処理の実行時間の和の上限値ｔｌ４を表すものとすることにより、簡易かつ確実な方法で、推定体厚修正処理の繰り返しによる実行時間が許容範囲を超過することを抑制することができる。また、所望の精度を満たすよう設定された第１の終了条件と所望の許容時間を満たすよう設定された第２の終了条件と切り換えることにより、体厚分布推定処理の高精度化の要求と体厚分布推定処理の実行時間の制限の要求に好適に応えることができる。なお、判定部３６Ａは、体厚分布修正処理の実行時間の和が上限値より大きいか否かを判断してもよく、体厚分布推定処理の実行時間の和が上限値より大きいか否かを判断することにより、間接的に体厚分布修正処理の実行時間の和が上限値より大きいか否かを判断してもよい。また、第２の終了条件として、第１の終了条件よりも相対的に体厚分布修正処理の実行時間の和あるいは体厚分布修正処理の実行回数を少なくできる任意の条件を表すものとすることができる。
散乱線情報取得部３７は、取得した体厚分布Ｔｋを適用して、式（２）によって被写体画像Ｉｋの推定一次線画像を取得し、式（３）に従って、被写体画像Ｉｋ（ｘ，ｙ）の推定散乱線画像Ｉｓ（ｘ，ｙ）を取得する。そして、散乱線除去部３８は、被写体画像Ｉｋの推定散乱線画像Ｉｓ（ｘ，ｙ）を被写体画像Ｉｋ（ｘ，ｙ）から減算することにより散乱線による影響を除去した処理後画像を生成して記憶部４２に記憶する。
散乱線除去部３８は、被写体画像Ｉｋの推定散乱線画像Ｉｓ（ｘ，ｙ）を被写体画像Ｉｋ（ｘ，ｙ）から減算することにより散乱線による影響を除去した散乱線除去処理後画像を生成して記憶部４２に記憶する。
画像処理部３９は、被写体画像Ｉｋに対して、ノイズを除去するノイズ除去処理、階調処理および周波数処理等の所要の画像処理を行って処理済みの放射線画像を取得する。なお、画像処理部３９は、所要の画像処理が実施された処理後画像を記憶部４２に記憶する。また、画像処理部３９は、被写体画像Ｉｋに対して所要の画像処理を行うものであればよく、被写体画像Ｉｋそのものに対して所要の画像処理を行ってもよく、散乱線除去処理が施された被写体画像Ｉｋ（散乱線除去処理後画像）に対して所要の画像処理を行ってもよい。
以下、図６に示すフローチャートを用いて本実施形態に係る画像解析装置３０によって実施される放射線画像解析処理の流れを説明する。
まず、画像取得部３１は、記憶部４２から、被写体Ｋである患者を放射線撮影して得られた被写体画像Ｉｋを取得する（Ｓ０１）。
次に仮想モデル取得部３２は、記憶部４２から、初期体厚分布Ｔ０（ｘ，ｙ）を有する被写体Ｋの仮想モデルＭを取得する（Ｓ０２）。
次いで推定画像生成部３３は、被写体画像と同等の撮影条件で仮想モデルＭを撮影した場合に得られる推定一次線画像Ｉｐと、被写体画像と同等の撮影条件で仮想モデルＭを撮影した場合に得られる推定散乱線画像Ｉｓとを合成した推定画像Ｉｍを生成する（Ｓ０３）。
続いて、判定部３６Ａは、予め定められた判定条件に従って第１の制御を実行するか第２の制御を実行するかを判定する（Ｓ０４）。
体厚分布決定部３６は第１の制御を実行する場合には第１の終了条件を終了条件として用い、第２の制御を実行する場合には第２の終了条件を終了条件として用いる。そして、体厚分布決定部３６は、終了条件を満たさない場合には（Ｓ０５，Ｎｏ）、修正部３４に、推定体厚分布Ｔｎ−１（ｎ＝１の場合には、初期体厚分布Ｔ０）を修正させ、ｎの値を１つ増加して更新させ（ｎ＝ｎ＋１とする）、推定体厚分布Ｔｎとして出力する修正処理を実施させる（Ｓ０６）。
修正された推定体厚分布Ｔｎが出力されると、体厚分布決定部３６は、仮想モデル取得部３２に修正された推定体厚分布Ｔｎを取得させ（Ｓ０２）、取得された推定体厚分布Ｔｎに対して、推定画像生成部３３に、被写体画像と同等の撮影条件で推定体厚分布Ｔｎを有する仮想モデルＭを撮影した場合に得られる推定一次線画像Ｉｐと、被写体画像と同等の撮影条件で同仮想モデルＭを撮影した場合に得られる推定散乱線画像Ｉｓとを合成した推定画像Ｉｍを生成させる（Ｓ０３）。その後、体厚分布決定部３６は判定条件に従って第１の制御を実行するか第２の制御を実行するかを判定する（Ｓ０４）。
そして、以降同様に、終了条件を満たすまで、修正部３４が推定体厚分布Ｔｎ−１を修正し、ｎの値を１つ増加して更新し（ｎ＝ｎ＋１とする）、推定体厚分布Ｔｎとして出力する修正処理（Ｓ０６）と、仮想モデル取得部３２が修正された推定体厚分布Ｔｎを取得する処理（Ｓ０２）と、推定画像生成部３３が推定体厚分布Ｔｎを有する仮想モデルＭの推定画像Ｉｍを生成する処理（Ｓ０３）と、判定部３６Ａが判定条件を判定する処理（Ｓ０４）と、体厚分布決定部３６が終了条件（第１の制御の場合には第１の終了条件、第２の制御の場合には第２の終了条件）を満たすか否かを判断する処理（Ｓ０５）の処理がこの順番で繰り返される。なお、Ｓ０６、Ｓ０２、Ｓ０３が本実施形態における推定体厚修正処理に相当し、Ｓ０２-Ｓ０７に示す処理が本実施形態における体厚分布推定処理に相当する。
体厚分布決定部３６は、終了条件を満たしていることを判定した場合には（Ｓ０５，Ｙｅｓ）、終了条件を満たした際に修正された修正後の推定体厚分布Ｔｎを被写体画像Ｉｋの体厚分布Ｔｋとして決定する（Ｓ０７）。
次に、散乱線情報取得部３７は、取得した体厚分布Ｔｋを適用して、式（２）によって被写体画像Ｉｋの推定一次線画像を取得し、式（３）に従って、被写体画像Ｉｋ（ｘ，ｙ）の推定散乱線画像Ｉｓ（ｘ，ｙ）を取得する（Ｓ０８）。そして、散乱線除去部３８は、被写体画像Ｉｋの推定散乱線画像Ｉｓ（ｘ，ｙ）を被写体画像Ｉｋ（ｘ，ｙ）から減算することにより散乱線による影響を除去した散乱線除去処理後画像を生成して記憶部４２に記憶する（Ｓ０９）。
続いて、散乱線除去処理後画像に対して、画像処理部３９は、決定された被写体の体厚分布Ｔｋに応じた処理パラメータを用いて所要の画像処理を実行して処理後画像を取得する（Ｓ１０）。そして、表示制御部４０は、ユーザからの表示終了指示の入力を受け付けるまで、処理後画像を表示部４４に表示させる表示制御を行う（Ｓ１１）。
本実施形態によれば、仮想モデルＭを放射線撮影した場合に得られると推定される画像である、推定一次線画像Ｉｐと推定散乱線画像Ｉｓを合成した推定画像Ｉｍを生成して、推定画像Ｉｍと被写体画像Ｉｋとの違いが小さくなるように、仮想モデルＭの体厚分布を修正しているため、推定画像Ｉｍと被写体画像Ｉｋとの違いに基づいて、推定画像Ｉｍが被写体画像Ｉｋに近似するように正確に推定体厚分布Ｔｎを修正でき、修正した仮想モデルＭの推定体厚分布Ｔｎを被写体Ｋの体厚分布Ｔｋとすることにより、正確に被写体画像Ｉｋの体厚分布Ｔｋを決定することができる。また、従来方法ではグリッドを用いないで撮影された画像からは散乱線成分による影響が大きく正確な体厚分布を算出することが難しかったことに対し、本実施形態の手法によれば、推定画像Ｉｍが被写体画像Ｉｋに近似するように正確に推定体厚分布Ｔｎを修正して、被写体Ｋの体厚分布Ｔｋとして決定しているため、被写体画像Ｉｋがグリッドを用いないで撮影された画像であっても、従来方法よりも正確に体厚分布Ｔｋを得ることができる。
また、本実施形態に示すように、仮想モデル取得部３２が、修正された推定体厚分布Ｔｎを有する仮想モデルＭをさらに取得し、推定画像生成部３３が、修正された推定体厚分布Ｔｎを有する仮想モデルＭから推定画像Ｉｍをさらに生成し、修正部３４が、さらに生成された推定画像Ｉｍと被写体画像Ｉｋの違いが小さくなるように仮想モデルＭの推定体厚分布Ｔｎをさらに修正する場合には、修正された推定体厚分布Ｔｎを有する仮想モデルに基づいて、体厚分布Ｔの修正を繰り返すことにより、推定画像Ｉｍが被写体画像Ｉｋにより近似するように体厚分布Ｔをより正確に修正できるため、修正した仮想モデルＭの推定体厚分布Ｔｎ＋１を被写体Ｋの体厚分布Ｔｋとすることで、さらに正確に被写体画像Ｉｋの体厚分布Ｔｋを決定することができる。
また、体厚分布決定部３６が判定部３６Ａを備え、判定部３６Ａは、判定条件に基づいて、ループ処理（体厚分布修正処理）の繰り返しの実行回数が相対的に多い第１の制御と、ループ処理の実行回数が相対的に少ない第２の制御とを切り換えて実行することにより、被写体画像取得から処理後画像表示までの所要時間のうち、体厚分布推定処理の繰り返しによる実行時間を制御することができる。判定部３６Ａが第２の制御を実行した場合には、体厚分布修正処理の時間を許容範囲内に抑制しつつ、第２の終了条件に応じた精度の体厚分布を算出することができる。また、判定部３６Ａが第１の制御を実行した場合には、第１の終了条件に応じた高精度な体厚分布を算出することができる。このため、第１の制御と第２の制御を切り換えて実行することにより、体厚分布推定処理の高精度化を図りつつ体厚分布推定処理の実行時間を許容範囲内に抑制することができる。また、結果的に、被写体画像取得から処理後画像表示までの所要時間を許容時間に抑えることができ、ユーザの観察作業の効率化を支援することができる。
また、本実施形態に示すように、体厚分布決定部３６が、推定画像Ｉｍと被写体画像Ｉｋとの違いが許容可能な程度に十分小さくなった場合に、仮想モデルＭの推定体厚分布Ｔｎを被写体Ｋの体厚分布Ｔｋとして決定している場合には、推定画像Ｉｍと被写体画像Ｉｋとが近似する体厚分布となるように、繰り返し体厚分布を修正して、非常に正確に被写体画像の体厚分布を決定することができる。また、体厚分布決定部３６は、推定画像Ｉｍと被写体画像Ｉｋとの違いが閾値以下となったか否かを判定することにより、推定画像Ｉｍと被写体画像Ｉｋとの違いが許容可能な程度に十分小さくなったか否かを好適に判別して、推定画像Ｉｍと被写体画像Ｉｋとが近似する体厚分布となるように、繰り返し体厚分布を修正して、非常に正確に被写体画像の体厚分布を決定することができる。
また、本実施形態において、修正部３４が、推定画像と被写体画像の差分画像の画素値の絶対値の総和または差分画像の画素値の二乗和が小さくなるように、仮想モデルの体厚分布を修正しているため、好適に推定画像Ｉｍと被写体画像Ｉｋとの違いの大きさを判定することができる。
また、本実施形態に示すように、修正部３４が、仮想モデルＭの１画素以上の部分領域ごとに、仮想モデルＭの推定体厚分布Ｔｎ−１のうち１つの部分領域の体厚を変動させて、推定画像Ｉｍと被写体画像Ｉｋとの違いを最小化する場合のその１つの部分の体厚を算出し、算出された各部分の体厚によって仮想モデルＭの体厚分布を修正する場合には、各画素の体厚の修正値を正確に算出でき、好適に修正された推定体厚分布Ｔｎを取得することができる。
本実施形態によれば、決定された被写体Ｋの体厚分布Ｔｋを用いて被写体画像の散乱線を推定した散乱線情報を取得する散乱線情報取得部３７と、取得した散乱線情報に基づいて、被写体画像の散乱線の除去処理を行う散乱線除去部３８を備えているため、精度よく散乱線除去処理を行った処理後画像を取得することができる。散乱線情報を取得する任意の方法を採用可能であり、散乱線情報に基づいて散乱線を除去する任意の方法を採用可能である。
また、推定画像生成部３３は、被写体画像Ｉｋに含まれる構造物と、構造物の配置と、構造物の放射線に対する特性を表す特性情報を仮想モデルＭの特性情報として取得し、特性情報に基づいて、仮想モデルＭの各位置に対応する構造物に応じて推定画像Ｉｍを算出するためのパラメータを選択して推定画像Ｉｍを生成してもよい。例えば特性情報に基づいて、仮想モデルＭから式（２）を用いて推定一次線画像Ｉｐを作成する際の式（２）の線減弱係数を、各位置における構造物（構造物の組成）に応じて切り換えて用いることが考えられる。放射線撮影された画像において一次線成分や散乱線成分は、被写体の骨、臓器の種類、臓器などに含まれる空洞の有無などの被写体に含まれる構造物と、構造物の空間的な位置によって、放射線撮影された画像の各位置において複雑に変動する。このため、被写体画像Ｉｋの特性情報を仮想モデルＭの特性情報として取得し、仮想モデルＭの各位置に（仮想的に）含まれる構造物に応じて、推定一次線画像や推定散乱線画像などに用いるパラメータを適切に選択することにより、構造物に起因する一次線成分や散乱線成分の誤差を低減して、より正確に推定一次線画像Ｉｐ、推定散乱線画像Ｉｓを生成することができる。
なお、式（３）で示すＫｓのパラメータθｘ’，ｙ’についても、構造物ごとに異なるθｘ’，ｙ’の値を設定し、各位置の構造物に応じて各位置に適用されるθｘ’，ｙ’を異ならせてもよい。また、被写体画像Ｉｋと同一の被写体Ｋを撮影したＣＴ画像やＭＲＩ画像などの３次元画像を取得し、取得したＣＴ画像やＭＲＩ画像から被写体画像Ｉｋの特性情報を測定して取得してもよい。同じ被写体Ｋの３次元画像を用いて特性情報を取得した場合には、臓器や骨の空間的な位置などの情報についても正確に取得できる。
また、推定一次線画像Ｉｐと推定散乱線画像Ｉｓを生成できる種々の方法を適用してよい。例えば、式（２）および（３）に替えて、例えば、加藤秀起、「ディジタルX線画像の後処理による散乱線成分除去法」, 日本放射線技術学会雑誌第62巻第9号, 2006年9月, p.1359-1368に記載されたように、モンテカルロシミュレーション法を用いて推定一次線画像Ｉｐと推定散乱線画像Ｉｓを生成してもよい。また、モンテカルロシミュレーション法を用いる場合に、仮想モデルＭに含まれる構造物と構造物の配置と構造物の放射線に対する特性とを表す情報である特性情報を用いることが好ましい。この場合には、より高精度に推定一次線画像Ｉｐと推定散乱線画像Ｉｓを生成することができる。
また、修正部３４が、取得した撮影条件に応じて、推定画像Ｉｍの生成に用いられる、撮影条件によって変動するパラメータ（例えば、上記式（７）、（８）におけるθｘ’，ｙ’など）を選択し、選択したパラメータを用いて推定画像Ｉｍの体厚分布の修正処理（Ｓ０６）を行うことが好ましい。この場合には、被写体画像Ｉｋの撮影条件に応じて、撮影条件によって変動するパラメータを適切に設定して推定画像Ｉｍを生成することができるため、推定画像Ｉｍをより正確に推定して生成することができる。このため、結果として、被写体Ｋの体厚分布をより正確に決定することができる。
また、決定された被写体の体厚分布に応じた処理パラメータを用いて被写体画像の画像処理を実行して処理後画像を取得する画像処理部３９と、処理後画像を表示装置に表示させる表示制御部４０とを備えているため、判定部３６Ａが第１の制御を実行して、その後の必要な処理を行って処理後画像を表示した場合には、第２終了条件に応じて観察に適したより高品質な処理後画像を提供してユーザの観察作業を支援することができる。また、判定部３６Ａが第２の制御を実行して、その後の必要な処理を行って処理後画像を表示した場合には、第２終了条件に応じてユーザの許容範囲の時間内で高品質な処理後画像を提供してユーザの観察作業を支援することができる。
また、緊急時や再撮影の要否を確認する場合など、一旦第２の体厚分布を算出して、第２の体厚分布を用いた処理後画像を生成して表示し、追って必要に応じて第１の体厚分布を算出し、第２の体厚分布を用いた処理後画像を生成して表示したいという要求も考えられる。このような場合、例えば、体厚分布決定部３６は、判定条件に基づいて、まず、第２の終了条件を満たすまで体厚分布修正処理を繰り返し実行して（第２の制御を実行して）、第２の終了条件に応じた被写体画像Ｉｋの体厚分布（第２の体厚分布）を決定する。続いて、判定条件に基づいて、さらに第１の終了条件を満たすまで体厚分布修正処理を繰り返し実行して（第１の制御を実行して）、第１の終了条件に応じた被写体画像Ｉｋの第１の体厚分布を決定する。そして、画像処理部３９は、まず、先に得られた第２の体厚分布を用いて被写体画像に対して所要の画像処理を行って処理後画像を生成し、表示制御部４０がその処理後画像を表示部４４に表示する。その後、画像処理部３９は、後で得られた第１の体厚分布を用いて被写体画像に対して所要の画像処理を行って処理後画像を生成し、表示制御部４０が第１の体厚分布を用いて得られた処理後画像を表示部４４に表示すればよい。
この場合には、ユーザが、第２の体厚分布を用いた処理後画像を先に表示することにより、被写体画像の注目すべき部分や、被写体画像に適用された放射線撮影の撮影条件の適否などを大まかに把握できる可能性があり、ユーザの観察を効率化するとともにユーザの観察の参考になる情報を提供することができる。また、追って、第１の体厚分布を用いた処理後画像を表示することにより、画像観察に適した処理後画像を提供することができる。なお、上記場合に、被写体画像Ｉｋに対して、必要に応じて散乱線情報取得部３７による散乱線情報取得処理と散乱線除去部３８による散乱線除去処理を行い、散乱線除去を行った被写体画像に対して画像処理部３９が第１（または第２の体厚分布）を用いた所要の画像処理を行って処理後画像を生成し、表示制御部４０が第１の処理後画像（または第２の処理後画像）を表示部４４に表示してもよい。
また、上記各実施形態において、第１および第２の制御のどちらが実施されたかをユーザに表示または音声により通知するようにしてもよい。例えば、第２の制御が行われた場合には、処理後画像の表示の際に、簡易型体厚分布推定が行われた旨識別表示するようにしてもよい。また、第２の制御が行われた場合には、被写体画像Ｉｋ（処理前画像）を記憶しておいて、後で改めて第１の制御により体厚分布を取得してもよい。
また、上記の各実施形態において、図６のＳ０１に示す被写体画像Ｉｋの取得処理は、Ｓ０４に示す被写体画像と推定画像の違いの判定処理に先だって行われるものであれば任意のタイミングで行ってよい。
上記実施形態において、画像解析装置３０を、散乱線情報取得部３７および散乱線除去部３８を省略した構成とし、散乱線情報取得処理および散乱線除去処理を実施しない態様としてもよい。この場合、他の装置に決定した被写体Ｋの体厚分布Ｔｋを出力し、他の装置で体厚分布Ｔｋを用いて被写体画像Ｉｋの画像処理や撮影条件を決定する処理を実施することが考えられる。
なお、本各実施形態に限定されず、本発明によって得られた被写体の体厚分布は、被写体画像に対して、被写体の体厚に応じた画像処理条件を決定するためのあらゆる処理に用いることができる。例えば、本発明によって得られた体厚分布を静止画像または動画像である被写体画像に対する、濃度、コントラストなどの階調処理、ノイズ抑制処理、ダイナミックレンジ調整処理、周波数強調処理などに用いることが考えられる。また、本発明により得られた体厚分布を、被写体画像に対して、体厚に応じた撮影条件を決定するためのあらゆる処理に用いることができる。本発明により得られた体厚分布を用いて各画像処理条件または撮影条件を決定した場合には、被写体画像に対する正確な体厚分布が適用されることにより、決定された画像処理条件または撮影条件による画質改善効果を高めることができる。
上記の各実施形態はあくまでも例示であり、上記のすべての説明が本発明の技術的範囲を限定的に解釈するために利用されるべきものではない。本発明の態様は、上述した個々の実施例に限定されるものではなく、個々の実施例の各要素のいかなる組合せも本発明に含み、また、当業者が想到しうる種々の変形も含むものである。すなわち、特許請求の範囲に規定された内容およびその均等物から導き出される本発明の概念的な思想と趣旨を逸脱しない範囲で種々の追加、変更および部分的削除が可能である。
また、上記の実施形態におけるシステム構成、ハードウェア構成、処理フロー、モジュール構成、ユーザインターフェースや具体的処理内容等に対して、本発明の趣旨から逸脱しない範囲で様々な改変を行ったものも、本発明の技術的範囲に含まれる。たとえば、画像解析装置の構成要素の一部または全部は、1台のワークステーションにより構成されたものであってもよく、ネットワークを介して接続された一台以上のワークステーション、サーバ、記憶装置によって構成されたものであってもよい。
また、上記実施形態においては、放射線検出器１４を用いて被写体の放射線画像を撮影する撮影装置１０において取得した放射線画像を用いて散乱線除去処理を行っているが、特開平８−２６６５２９号公報、特開平９−２４０３９号公報等に示される放射線検出体としての蓄積性蛍光体シートに被写体の放射線画像情報を蓄積記録し、蓄積性蛍光体シートから光電的に読み取ることにより取得した放射線画像を用いた場合においても、本発明を適用できることはもちろんである。
１０ 撮影装置
２０ 制御装置
３０ 画像解析装置（放射線画像解析装置）
３１ 画像取得部
３２ 仮想モデル取得部
３３ 推定画像生成部
３４ 修正部
３５ 体厚分布修正部
３６ 体厚分布決定部
３６Ａ 判定部
３７ 散乱線情報取得部
３８ 散乱線除去部
３９ 画像処理部
４０ 表示制御部
４２ 記憶部
４３ 入力部
４４ 表示部（表示装置）
Ｋ 被写体
Ｉｋ 被写体画像
Ｉｍ モデル画像
Ｍ 仮想モデル
Ｔｋ 被写体画像の体厚分布
Ｔｎ モデル画像の体厚分布
Ｔｐ 一次線透過率
Ｔｓ 散乱線透過率

Claims (12)

  1. 被写体の放射線撮影により得られた被写体画像を解析して、前記被写体の体厚分布を推定する放射線画像解析装置であって、
    前記被写体画像を取得する画像取得部と、
    推定体厚分布を有する仮想モデルの入力を受け付けし、前記仮想モデルの前記推定体厚分布を修正して、修正された前記推定体厚分布を出力する体厚分布修正部であって、入力された前記推定体厚分布を有する仮想モデルを取得する仮想モデル取得部と、取得した前記仮想モデルの放射線撮影により得られる一次線画像を推定した推定一次線画像と前記仮想モデルの放射線撮影により得られる散乱線画像を推定した推定散乱線画像とを合成した画像を、前記被写体の放射線撮影により得られる放射線画像を推定した推定画像として生成する推定画像生成部と、該推定画像と前記被写体画像の違いを小さくするように、前記取得した前記推定体厚分布を修正して出力する修正部と、を有する体厚分布修正部と、
    前記修正部に前記仮想モデルの推定体厚分布を修正させて出力させ、出力された前記推定体厚分布を有する仮想モデルを前記仮想モデル取得部に入力して前記仮想モデルを取得させ、前記推定画像生成部に前記仮想モデルから前記推定画像を生成させる体厚分布修正処理の実行を制御する体厚分布決定部であって、終了条件を満たすまで前記体厚分布修正処理を繰り返し実行し、前記終了条件を満たしている場合には、前記終了条件を満たした際の前記体厚分布修正処理において出力された推定体厚分布を前記被写体の体厚分布として決定する体厚分布決定部とを備え、
    前記体厚分布決定部は、第１の前記終了条件を満たすまで前記体厚分布修正処理を繰り返し実行させる第１の制御と、前記第１の終了条件とは異なる第２の前記終了条件を満たすまで前記体厚分布修正処理を繰り返し実行させる第２の制御とを判定条件に従って切り換えて実行する判定部を有し、該第２の制御における前記体厚分布修正処理の実行回数が前記第１の制御における前記体厚分布修正処理の実行回数よりも少ないことを特徴とする放射線画像解析装置。
  2. 前記判定部は、複数の前記体厚分布修正処理における前記推定画像と前記被写体画像の違いの時系列の推移に基づいて、前記第１の終了条件を満たすまでに繰り返される前記体厚分布修正処理の実行時間の和である推定実行時間を推定し、前記推定実行時間が第１制限時間より大きい場合には前記第２の制御を実行し、前記推定実行時間が前記第１制限時間以下である場合には前記第１の制御を実行する請求項１記載の放射線画像解析装置。
  3. 前記判定部が、前記放射線画像解析装置の処理能力を表す処理能力情報に応じて、前記処理能力が特定の処理レベルよりも低い場合には前記第２の制御を実行し、前記処理能力が前記特定の処理レベル以上である場合には前記第１の制御を実行する請求項１記載の放射線画像解析装置。
  4. 前記処理能力情報が、前記被写体画像の撮影に使用された撮影機器の種類を表す情報である請求項３に記載の放射線画像解析装置。
  5. 前記判定部が、撮影場所ごとに前記第１の制御または前記第２の制御を対応づけた対応付け情報に応じて、前記被写体画像の撮影場所に前記第１の制御が対応づけられている場合には前記第１の制御を実行し、前記被写体の撮影場所に前記第２の制御が対応づけられている場合には前記第２の制御を実行する請求項１に記載の放射線画像解析装置。
  6. 前記判定部が、前記被写体画像の緊急表示の要否を表す緊急表示情報に応じて、緊急表示が必要である場合には前記第２の制御を実行し、緊急表示が必要でない場合には前記第１の制御を実行する請求項１に記載の放射線画像解析装置。
  7. 前記判定部が、前記被写体画像の表す部位ごとに前記第１の制御または前記第２の制御を対応づけた対応付け情報に応じて、前記被写体画像の表す部位に前記第１の制御が対応づけられている場合には前記第１の制御を実行し、前記被写体画像の表す部位に前記第２の制御が対応づけられている場合には前記第２の制御を実行する請求項１に記載の放射線画像解析装置。
  8. 前記第１の終了条件が、前記推定画像生成部に生成された前記推定画像と前記被写体画像との違いの許容値である第１の閾値を表しており、
    前記第２の終了条件が、前記推定画像生成部に生成された前記推定画像と前記被写体画像との違いの許容値である第２の閾値を表しており、
    前記第２の閾値が前記第１の閾値より大きい値である請求項１および４から７のいずれか１項に記載の放射線画像解析装置。
  9. 前記第２の終了条件が前記体厚分布修正処理の実行回数の上限値または前記体厚分布修正処理の実行時間の和の上限値を表す請求項１および４から７のいずれか１項に記載の放射線画像解析装置。
  10. 前記被写体の前記体厚分布に応じた処理パラメータを用いて前記被写体画像の画像処理を実行して処理後画像を取得する画像処理部と、
    前記処理後画像を表示装置に表示させる表示制御部とをさらに備えた請求項１から９のいずれか１項に記載の放射線画像解析装置。
  11. 被写体の放射線撮影により得られた被写体画像を解析して、前記被写体の体厚分布を推定する放射線画像解析装置に実行させる放射線画像解析方法であって、
    前記被写体画像を取得する画像取得ステップと、
    推定体厚分布を有する仮想モデルの入力を受け付けし、前記仮想モデルの前記推定体厚分布を修正して、修正された前記推定体厚分布を出力する体厚分布修正ステップであって、入力された前記推定体厚分布を有する仮想モデルを取得する仮想モデル取得ステップと、取得した前記仮想モデルの放射線撮影により得られる一次線画像を推定した推定一次線画像と前記仮想モデルの放射線撮影により得られる散乱線画像を推定した推定散乱線画像とを合成した画像を、前記被写体の放射線撮影により得られる放射線画像を推定した推定画像として生成する推定画像生成ステップと、該推定画像と前記被写体画像の違いを小さくするように、前記取得した前記推定体厚分布を修正して出力する修正ステップと、を有する体厚分布修正ステップと、
    前記修正ステップによって前記仮想モデルの推定体厚分布を修正させて出力させ、前記仮想モデル取得ステップによって出力された前記推定体厚分布を有する仮想モデルを取得させ、前記推定画像生成ステップによって前記仮想モデルから前記推定画像を生成させる体厚分布修正処理の実行を制御する体厚分布決定ステップであって、終了条件を満たすまで前記体厚分布修正処理を繰り返し実行し、前記終了条件を満たしている場合には、前記終了条件を満たした際の前記体厚分布修正処理において出力された推定体厚分布を前記被写体の体厚分布として決定する体厚分布決定ステップとを備え、
    前記体厚分布決定ステップは、第１の前記終了条件を満たすまで前記体厚分布修正処理を繰り返し実行させる第１の制御と、前記第１の終了条件とは異なる第２の前記終了条件を満たすまで前記体厚分布修正処理を繰り返し実行させる第２の制御とを判定条件に従って切り換えて実行する判定ステップを有し、該第２の制御における前記体厚分布修正処理の実行回数が前記第１の制御における前記体厚分布修正処理の実行回数よりも少ないことを特徴とする放射線画像解析方法。
  12. 被写体の放射線撮影により得られた被写体画像を解析して、前記被写体の体厚分布を推定する放射線画像解析プログラムであって、
    コンピュータを、
    前記被写体画像を取得する画像取得部と、
    推定体厚分布を有する仮想モデルの入力を受け付けし、前記仮想モデルの前記推定体厚分布を修正して、修正された前記推定体厚分布を出力する体厚分布修正部であって、入力された前記推定体厚分布を有する仮想モデルを取得する仮想モデル取得部と、取得した前記仮想モデルの放射線撮影により得られる一次線画像を推定した推定一次線画像と前記仮想モデルの放射線撮影により得られる散乱線画像を推定した推定散乱線画像とを合成した画像を、前記被写体の放射線撮影により得られる放射線画像を推定した推定画像として生成する推定画像生成部と、該推定画像と前記被写体画像の違いを小さくするように、前記取得した前記推定体厚分布を修正して出力する修正部と、を有する体厚分布修正部と、
    前記修正部に前記仮想モデルの推定体厚分布を修正させて出力させ、出力された前記推定体厚分布を有する仮想モデルを前記仮想モデル取得部に入力して前記仮想モデルを取得させ、前記推定画像生成部に前記仮想モデルから前記推定画像を生成させる体厚分布修正処理の実行を制御する体厚分布決定部であって、終了条件を満たすまで前記体厚分布修正処理を繰り返し実行し、前記終了条件を満たしている場合には、前記終了条件を満たした際の前記体厚分布修正処理において出力された推定体厚分布を前記被写体の体厚分布として決定する体厚分布決定部として機能させ、
    前記体厚分布決定部は、第１の前記終了条件を満たすまで前記体厚分布修正処理を繰り返し実行させる第１の制御と、前記第１の終了条件とは異なる第２の前記終了条件を満たすまで前記体厚分布修正処理を繰り返し実行させる第２の制御とを判定条件に従って切り換えて実行する判定部を有し、該第２の制御における前記体厚分布修正処理の実行回数が前記第１の制御における前記体厚分布修正処理の実行回数よりも少ないことを特徴とする放射線画像解析プログラム。
JP2014193994A 2014-09-24 2014-09-24 放射線画像解析装置および方法並びにプログラム Active JP6165695B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2014193994A JP6165695B2 (ja) 2014-09-24 2014-09-24 放射線画像解析装置および方法並びにプログラム
US14/855,540 US9633480B2 (en) 2014-09-24 2015-09-16 Radiographic image analyzing device, method, and recording medium
CN201510595265.5A CN105433967B (zh) 2014-09-24 2015-09-17 放射线图像分析装置及方法以及程序

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2014193994A JP6165695B2 (ja) 2014-09-24 2014-09-24 放射線画像解析装置および方法並びにプログラム

Publications (2)

Publication Number Publication Date
JP2016063926A true JP2016063926A (ja) 2016-04-28
JP6165695B2 JP6165695B2 (ja) 2017-07-19

Family

ID=55526196

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2014193994A Active JP6165695B2 (ja) 2014-09-24 2014-09-24 放射線画像解析装置および方法並びにプログラム

Country Status (3)

Country Link
US (1) US9633480B2 (ja)
JP (1) JP6165695B2 (ja)
CN (1) CN105433967B (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7078167B1 (ja) 2021-10-01 2022-05-31 コニカミノルタ株式会社 動態画像処理装置、動態画像処理システム、動態画像処理プログラム、動態画像処理方法及び移動型放射線撮影装置
JP7185236B2 (ja) 2017-03-01 2022-12-07 イベックス イノベーションズ リミテッド 放射線撮影システムで散乱を補正するための装置および方法
JP7448042B1 (ja) 2023-01-13 2024-03-12 コニカミノルタ株式会社 動態画像処理装置、移動型放射線撮影装置、動態画像処理システム、プログラム及び動態画像処理方法

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6296553B2 (ja) * 2014-09-30 2018-03-20 富士フイルム株式会社 放射線画像撮影装置および放射線画像撮影装置の作動方法
KR101816886B1 (ko) 2014-10-22 2018-01-09 사회복지법인 삼성생명공익재단 호흡 유도 시스템 및 방법
JP6582510B2 (ja) * 2015-04-15 2019-10-02 コニカミノルタ株式会社 放射線画像撮影システム
JP2017051395A (ja) * 2015-09-09 2017-03-16 富士フイルム株式会社 放射線画像処理装置、方法およびプログラム
EP3731759A4 (en) * 2017-12-29 2021-01-20 Shanghai United Imaging Healthcare Co., Ltd. SYSTEMS AND METHODS FOR SCRAP CORRECTION OF AN IMAGE
CN108335269B (zh) * 2018-01-16 2022-03-04 东软医疗系统股份有限公司 X线图像的散射修正方法、装置、控制设备及存储介质
GB2608900B (en) * 2018-08-31 2023-05-31 Ibex Innovations Ltd X-ray imaging system
KR102543990B1 (ko) 2021-02-26 2023-06-15 주식회사 뷰웍스 X선 영상의 산란 보정 방법 및 장치

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1057361A (ja) * 1996-08-14 1998-03-03 Hitachi Medical Corp Ｘ線装置
US5878108A (en) * 1995-11-30 1999-03-02 Hitachi Medical Corporation Method for generating X-ray image and apparatus therefor
JP2008000190A (ja) * 2006-06-20 2008-01-10 Toshiba Corp Ｘ線診断装置およびｘ線診断装置におけるデータ処理方法
JP2009142497A (ja) * 2007-12-14 2009-07-02 Hitachi Medical Corp Ｘ線診断装置
JP2010005032A (ja) * 2008-06-25 2010-01-14 Hitachi Medical Corp Ｘ線撮影装置
JP2013232138A (ja) * 2012-05-01 2013-11-14 Asahikawa Medical College 画像処理装置、画像処理方法、およびプログラム
US20140119509A1 (en) * 2012-10-31 2014-05-01 Konica Minolta, Inc. Radiation image capturing system

Family Cites Families (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6457361A (en) * 1987-08-28 1989-03-03 Omron Tateisi Electronics Co Method for inputting hankul alphabet
JPH02244881A (ja) 1989-03-17 1990-09-28 Toshiba Corp Ｘ線診断装置
JPH0614911A (ja) * 1992-07-02 1994-01-25 Toshiba Corp Ｘ線診断方法及びその装置
JPH08266529A (ja) 1995-03-31 1996-10-15 Fuji Photo Film Co Ltd 骨塩定量分析方法
JPH0924039A (ja) 1995-07-10 1997-01-28 Fuji Photo Film Co Ltd 骨塩定量分析方法および装置
JP3423828B2 (ja) * 1995-11-30 2003-07-07 株式会社日立メディコ Ｘ線画像作成方法およびその装置
US6502984B2 (en) * 1997-01-17 2003-01-07 Canon Kabushiki Kaisha Radiographic apparatus
FR2846503B1 (fr) * 2002-10-29 2005-03-25 Ge Med Sys Global Tech Co Llc Procede de determination des parametres optimaux d'une acquisition de radiographie
JP4612796B2 (ja) * 2004-01-30 2011-01-12 キヤノン株式会社 Ｘ線撮影画像表示制御装置及び方法並びにｘ線撮影システム
WO2006080144A1 (ja) * 2005-01-27 2006-08-03 Hitachi Medical Corporation Ｘ線計測装置
JP5085031B2 (ja) * 2005-11-10 2012-11-28 株式会社東芝 Ｘ線アンギオ撮影装置
JP4963881B2 (ja) * 2006-07-03 2012-06-27 株式会社日立メディコ Ｘ線診断装置
JP2008246022A (ja) * 2007-03-30 2008-10-16 Fujifilm Corp 放射線撮影装置
JP5572040B2 (ja) * 2009-09-28 2014-08-13 富士フイルム株式会社 放射線撮影装置
JP2011104103A (ja) * 2009-11-17 2011-06-02 Canon Inc エネルギサブトラクション画像撮影装置
JP5481185B2 (ja) * 2009-12-28 2014-04-23 株式会社東芝 Ｘ線診断装置
JP5642444B2 (ja) * 2010-07-15 2014-12-17 三菱重工業株式会社 放射線治療装置の作動方法および放射線治療装置制御装置
JP5858606B2 (ja) * 2010-11-05 2016-02-10 株式会社東芝 Ｘ線ｃｔ装置およびｘ線ｃｔ装置の制御方法
WO2013115389A1 (ja) * 2012-02-01 2013-08-08 株式会社東芝 医用画像診断装置
JP6071145B2 (ja) * 2013-07-31 2017-02-01 富士フイルム株式会社 放射線画像解析装置および方法並びにプログラム
JP6071144B2 (ja) * 2013-07-31 2017-02-01 富士フイルム株式会社 放射線画像解析装置および方法並びにプログラム
JP5857170B2 (ja) * 2013-08-02 2016-02-10 オリンパス株式会社 撮像装置および撮像方法
JP6283875B2 (ja) * 2013-09-05 2018-02-28 キヤノンメディカルシステムズ株式会社 医用画像処理装置、ｘ線診断装置およびｘ線コンピュータ断層撮影装置
JP5937552B2 (ja) * 2013-09-09 2016-06-22 富士フイルム株式会社 放射線撮影システムおよびその作動方法
JP6208600B2 (ja) * 2014-03-03 2017-10-04 富士フイルム株式会社 放射線画像撮影装置および放射線画像撮影システム
JP6169626B2 (ja) * 2014-03-10 2017-07-26 富士フイルム株式会社 放射線画像処理装置、方法およびプログラム
US10058301B2 (en) * 2014-09-24 2018-08-28 Fujifilm Corporation Image analysis device, image analysis method, and program

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5878108A (en) * 1995-11-30 1999-03-02 Hitachi Medical Corporation Method for generating X-ray image and apparatus therefor
JPH1057361A (ja) * 1996-08-14 1998-03-03 Hitachi Medical Corp Ｘ線装置
JP2008000190A (ja) * 2006-06-20 2008-01-10 Toshiba Corp Ｘ線診断装置およびｘ線診断装置におけるデータ処理方法
JP2009142497A (ja) * 2007-12-14 2009-07-02 Hitachi Medical Corp Ｘ線診断装置
JP2010005032A (ja) * 2008-06-25 2010-01-14 Hitachi Medical Corp Ｘ線撮影装置
JP2013232138A (ja) * 2012-05-01 2013-11-14 Asahikawa Medical College 画像処理装置、画像処理方法、およびプログラム
US20140119509A1 (en) * 2012-10-31 2014-05-01 Konica Minolta, Inc. Radiation image capturing system

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7185236B2 (ja) 2017-03-01 2022-12-07 イベックス イノベーションズ リミテッド 放射線撮影システムで散乱を補正するための装置および方法
JP7078167B1 (ja) 2021-10-01 2022-05-31 コニカミノルタ株式会社 動態画像処理装置、動態画像処理システム、動態画像処理プログラム、動態画像処理方法及び移動型放射線撮影装置
JP2023053472A (ja) * 2021-10-01 2023-04-13 コニカミノルタ株式会社 動態画像処理装置、動態画像処理システム、動態画像処理プログラム、動態画像処理方法及び移動型放射線撮影装置
JP7448042B1 (ja) 2023-01-13 2024-03-12 コニカミノルタ株式会社 動態画像処理装置、移動型放射線撮影装置、動態画像処理システム、プログラム及び動態画像処理方法

Also Published As

Publication number Publication date
JP6165695B2 (ja) 2017-07-19
CN105433967B (zh) 2020-03-20
US9633480B2 (en) 2017-04-25
US20160086328A1 (en) 2016-03-24
CN105433967A (zh) 2016-03-30

Similar Documents

Publication Publication Date Title
JP6165695B2 (ja) 放射線画像解析装置および方法並びにプログラム
JP6071144B2 (ja) 放射線画像解析装置および方法並びにプログラム
JP6128463B2 (ja) 放射線画像処理装置および方法並びにプログラム
JP6653629B2 (ja) 放射線画像処理装置、方法およびプログラム
JP6042855B2 (ja) 放射線画像撮影装置、放射線画像撮影方法、及び放射線画像撮影プログラム
US10258305B2 (en) Radiographic image processing device, method, and program
JP6296553B2 (ja) 放射線画像撮影装置および放射線画像撮影装置の作動方法
US9947101B2 (en) Radiographic image analysis device and method, and recording medium having program recorded therein
JP6156847B2 (ja) 放射線画像処理装置および方法並びにプログラム
JP6704374B2 (ja) 体脂肪率測定装置、方法およびプログラム
JP6851750B2 (ja) 放射線撮影装置、放射線撮影システム、放射線撮影方法、及びプログラム
JP2017063907A (ja) 断層画像生成装置、方法およびプログラム
JP6129125B2 (ja) 放射線画像解析装置および方法並びにプログラム
JP6301439B2 (ja) 放射線画像解析装置および方法並びにプログラム
JP6125257B2 (ja) 医用診断装置および画像処理装置
JP6313402B2 (ja) 放射線画像撮影装置、放射線画像撮影方法、及び放射線画像撮影プログラム
JP6321267B2 (ja) 画像解析装置および方法並びにプログラム
JP2024010966A (ja) 放射線画像処理装置、その作動方法、及び放射線画像処理プログラム
JP2023177980A (ja) 放射線画像処理装置、方法およびプログラム
JP2019208927A (ja) 画像処理装置、画像処理方法及びプログラム
JP2020151382A (ja) 放射線画像処理装置、放射線画像処理方法、プログラム、コンピューター読取可能な記録媒体及び放射線撮影システム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20160825

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20170428

RD03 Notification of appointment of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7423

Effective date: 20170523

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20170530

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20170621

R150 Certificate of patent or registration of utility model

Ref document number: 6165695

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250