JP2018153605A - 体脂肪率測定装置、方法およびプログラム - Google Patents

体脂肪率測定装置、方法およびプログラム Download PDF

Info

Publication number
JP2018153605A
JP2018153605A JP2017135065A JP2017135065A JP2018153605A JP 2018153605 A JP2018153605 A JP 2018153605A JP 2017135065 A JP2017135065 A JP 2017135065A JP 2017135065 A JP2017135065 A JP 2017135065A JP 2018153605 A JP2018153605 A JP 2018153605A
Authority
JP
Japan
Prior art keywords
thickness distribution
fat percentage
body thickness
subject
image
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
JP2017135065A
Other languages
English (en)
Other versions
JP6704374B2 (ja
Inventor
隆浩 川村
Takahiro Kawamura
隆浩 川村
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 US15/904,436 priority Critical patent/US11234641B2/en
Publication of JP2018153605A publication Critical patent/JP2018153605A/ja
Application granted granted Critical
Publication of JP6704374B2 publication Critical patent/JP6704374B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Apparatus For Radiation Diagnosis (AREA)

Abstract

【課題】体脂肪率測定装置、方法およびプログラムにおいて、被写体への被曝量を低減しつつ、被写体の体脂肪率を簡易に測定できるようにする。【解決手段】サブトラクション処理部32が、第1および第2の放射線画像G1,G2から被写体Hの軟部組織を表す軟部画像Gsを生成する。体厚推定部33が、軟部画像Gs、第1の放射線画像G1、および第2の放射線画像G2を取得した際の撮影条件に基づいて、被写体Hの体厚分布を推定する。近似体厚分布算出部34が、推定した体厚分布を人体に対応するモデルで近似した近似体厚分布を算出し、体脂肪率算出部35が、近似体厚分布に基づいて、被写体H内の体脂肪率の分布を算出する。【選択図】図1

Description

本発明は、被写体の体脂肪率を測定する体脂肪率測定装置、方法およびプログラムに関するものである。
従来より、体脂肪率を測定するための手法として、電気インピーダンス法が知られている。電気インピーダンス法は、被写体の全体重に占める体脂肪の割合を、単一の値として測定する手法である。このため、電気インピーダンス法では、被写体内において体脂肪がどのように分布しているかを知ることはできない。そこで、被写体内における体脂肪の分布を取得するために、被写体の断層画像を撮影し、断層画像において体脂肪の分布を測定する手法が提案されている(特許文献1参照)。
国際公開第2009/017004号
しかしながら、特許文献1に記載された手法は、体脂肪の分布を測定するために断層画像が必要である。断層画像を取得するためには、放射線を複数回被写体に照射する必要があるため、被写体の被曝量が多くなる。また、断層画像を取得する必要があるため、体脂肪測定のための作業が煩雑なものとなる。
本発明は、上記事情に鑑みなされたものであり、被写体への被曝量を低減しつつ、被写体の体脂肪率を簡易に測定できるようにすることを目的とする。
本発明による体脂肪率測定装置は、被写体を透過したそれぞれエネルギー分布が互いに異なる放射線により取得された複数の放射線画像から、被写体の軟部組織を表す軟部画像を生成するサブトラクション処理手段と、
軟部画像および放射線画像を取得した際の撮影条件に基づいて、被写体の体厚分布を推定する体厚推定手段と、
推定した体厚分布を人体に対応するモデルで近似した近似体厚分布を算出する近似体厚分布算出手段と、
近似体厚分布に基づいて、被写体内の体脂肪率の分布を算出する体脂肪率算出手段とを備える。
なお、本発明による体脂肪率測定装置においては、体脂肪率算出手段は、さらに推定した体厚分布にも基づいて、体脂肪率の分布を算出するものであってもよい。
また、本発明による体脂肪率測定装置においては、体厚推定手段は、軟部画像の低周波画像を生成し、軟部画像の低周波画像および撮影条件に基づいて、被写体の体厚分布を推定するものであってもよい。
また、本発明による体脂肪率測定装置においては、体脂肪率の分布を表示手段に表示する表示制御手段をさらに備えるものであってもよい。
また、本発明による体脂肪率測定装置においては、表示制御手段は、体脂肪率の分布を、複数の放射線画像および軟部画像のいずれかと重ねて表示するものであってもよい。
本発明による体脂肪率測定方法は、被写体を透過したそれぞれエネルギー分布が互いに異なる放射線により取得された複数の放射線画像から、被写体の軟部組織を表す軟部画像を生成し、
軟部画像および放射線画像を取得した際の撮影条件に基づいて、被写体の体厚分布を推定し、
推定した体厚分布を人体に対応するモデルで近似した近似体厚分布を算出し、
近似体厚分布に基づいて、被写体内の体脂肪率の分布を算出する。
なお、本発明による体脂肪率測定方法をコンピュータに実行させるためのプログラムとして提供してもよい。
本発明による他の体脂肪率測定装置は、コンピュータに実行させるための命令を記憶するメモリ、および
記憶された命令を実行するよう構成されたプロセッサを備え、プロセッサは、
被写体を透過したそれぞれエネルギー分布が互いに異なる放射線により取得された複数の放射線画像から、被写体の軟部組織を表す軟部画像を生成するサブトラクション処理と、
軟部画像および放射線画像を取得した際の撮影条件に基づいて、被写体の体厚分布を推定する体厚推定処理と、
推定した体厚分布を人体に対応するモデルで近似した近似体厚分布を算出する近似体厚分布算出処理と、
近似体厚分布に基づいて、被写体内の体脂肪率の分布を算出する体脂肪率算出処理とを実行する。
本発明によれば、被写体を透過したそれぞれエネルギー分布が互いに異なる放射線により取得された複数の放射線画像から、被写体の軟部組織を表す軟部画像が生成され、軟部画像および放射線画像を取得した際の撮影条件に基づいて、被写体の体厚分布が推定される。そして、推定した体厚分布を人体に対応するモデルで近似した近似体厚分布が算出され、近似体厚分布に基づいて、被写体内の体脂肪率の分布が算出される。このため、少ない撮影回数により被写体の体脂肪率の分布を測定することができ、これにより、被写体への被曝量を低減でき、かつ被写体の体脂肪率を簡易に測定できる。
本発明の実施形態による体脂肪率測定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 本実施形態による体脂肪率測定装置の概略構成を示す図 軟部画像を示す図 体厚推定部の構成を示す概略ブロック図 被写体の体軸に垂直な面での断面図 表示部に表示された体脂肪率分布を示す図 本実施形態において行われる処理を示すフローチャート 体厚推定処理のフローチャート 体厚分布の対応付けテーブルの例を示す図 推定画像の生成方法の例を説明するための図 推定画像の生成方法の他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は本発明の実施形態による体脂肪率測定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、エネルギー分布が異なる2つの放射線画像を撮影し、2つの放射線画像を用いてエネルギーサブトラクション処理を行い、これにより取得された軟部画像を用いて体脂肪率を測定するためのものであり、撮影装置1と、本実施形態による体脂肪率測定装置を内包するコンピュータ2とを備える。
撮影装置1は、第1の放射線検出器5および第2の放射線検出器6に、放射線源であるX線源3から発せられ、被写体Hを透過したX線を、それぞれエネルギーを変えて照射するいわゆる1ショットエネルギーサブトラクションを行うための撮影装置である。撮影時においては、図1に示すように、X線源3に近い側から順に、第1の放射線検出器5、銅板等からなるX線エネルギー変換フィルタ7、および第2の放射線検出器6を配置して、X線源3を駆動させる。なお、第1および第2の放射線検出器5,6とX線エネルギー変換フィルタ7とは密着されている。
これにより、第1の放射線検出器5においては、いわゆる軟線も含む低エネルギーのX線による被写体Hの第1の放射線画像G1が取得される。また、第2の放射線検出器6においては、軟線が除かれた高エネルギーのX線による被写体Hの第2の放射線画像G2が取得される。第1および第2の放射線画像は体脂肪測定装置であるコンピュータ2に入力される。
第1および第2の放射線検出器5,6は、放射線画像の記録と読み出しを繰り返して行うことができるものであり、放射線の照射を直接受けて電荷を発生する、いわゆる直接型の放射線検出器を用いてもよいし、放射線を一旦可視光に変換し、その可視光を電荷信号に変換する、いわゆる間接型の放射線検出器を用いるようにしてもよい。また、放射線画像信号の読出方式としては、TFT(thin film transistor)スイッチをオン・オフさせることによって放射線画像信号が読み出される、いわゆるTFT読出方式のもの、または読取り光を照射することによって放射線画像信号が読み出される、いわゆる光読出方式のものを用いることが望ましいが、これに限らずその他のものを用いるようにしてもよい。
コンピュータ2には表示部8および入力部9が接続されている。表示部8は、CRT(Cathode Ray Tube)あるいは液晶ディスプレイ等からなり、撮影により取得された放射線画像およびコンピュータ2において行われる処理に必要な各種入力の補助を行う。入力部9は、キーボード、マウスあるいはタッチパネル等からなる。なお、表示部8が表示手段に対応する。
コンピュータ2には、本実施形態の体脂肪率測定プログラムがインストールされている。本実施形態においては、コンピュータは、操作者が直接操作するワークステーションあるいはパソコンでもよいし、それらとネットワークを介して接続されたサーバコンピュータでもよい。体脂肪率測定プログラムは、DVD(Digital Versatile Disc)、CD−ROM(Compact Disc Read Only Memory)等の記録媒体に記録されて配布され、その記録
媒体からコンピュータにインストールされる。もしくは、ネットワークに接続されたサーバコンピュータの記憶装置、あるいはネットワークストレージに、外部からアクセス可能な状態で記憶され、要求に応じてコンピュータにダウンロードされ、インストールされる。
図2は、本実施形態において、コンピュータ2に体脂肪率測定プログラムをインストールすることにより実現された体脂肪率測定装置の概略構成を示す図である。図2に示すように、体脂肪率測定装置は、標準的なコンピュータの構成として、CPU(Central Processing Unit)21、メモリ22およびストレージ23を備えている。
ストレージ23は、ハードディスクまたはSSD(Solid State Drive)等のストレージデバイスからなり、撮影装置1の各部を駆動するためのプログラムおよび体脂肪率測定プログラムを含む各種情報が記憶されている。また、撮影により取得された放射線画像も記憶される。
メモリ22には、各種処理をCPU21に実行させるために、ストレージ23に記憶されたプログラム等が一時的に記憶される。体脂肪率測定プログラムは、CPU21に実行させる処理として、撮影装置1に撮影を行わせてエネルギー分布が互いに異なる第1および第2の放射線画像G1,G2を取得する画像取得処理、第1および第2の放射線画像G1,G2から被写体Hの軟部組織を表す軟部画像Gsを生成するサブトラクション処理、軟部画像Gs、第1の放射線画像G1および第2の放射線画像G2を取得した際の撮影条件に基づいて、被写体Hの体厚分布を推定する体厚推定処理、推定した体厚分布を人体に対応するモデルで近似した近似体厚分布を算出する近似体厚分布算出処理、近似体厚分布に基づいて、被写体H内の体脂肪率の分布を算出する体脂肪率算出処理、並びに体脂肪率の分布を表示部8に表示する表示制御処理を規定している。
そして、CPU21が体脂肪率測定プログラムに従いこれらの処理を実行することで、コンピュータ2は、画像取得部31、サブトラクション処理部32、体厚推定部33、近似体厚分布算出部34、体脂肪率算出部35および表示制御部36として機能する。なお、コンピュータ2は、画像取得処理、サブトラクション処理、体厚推定処理、近似体厚分布算出処理、体脂肪率算出処理および表示制御処理をそれぞれ行うプロセッサまたは処理回路を備えるものであってもよい。
画像取得部31は、X線源3を駆動して被写体HにX線を照射し、被写体Hを透過したX線を第1および第2の放射線検出器5,6により検出して、第1および第2の放射線画像G1,G2を取得する。この際、撮影線量、管電圧およびSID等の撮影条件が設定される。撮影条件は、操作者による入力部9からの入力により設定すればよい。設定された撮影条件は、ストレージ23に保存される。なお、体脂肪率測定プログラムとは別個のプログラムにより第1および第2の放射線画像G1,G2を取得してストレージ23に保存するようにしてもよい。この場合、画像取得部31は、ストレージ23に保存された第1および第2の放射線画像G1,G2を画像処理のためにストレージ23から読み出すものとなる。なお、本実施形態においては、被写体Hの胸部から腹部を撮影して、胸部から腹部についての第1および第2の放射線画像G1,G2を取得するものとする。
サブトラクション処理部32は、第1の放射線画像G1および第2の放射線画像G2に対して、相対応する画素間で重み付け減算を行うことにより、各放射線画像G1,G2に含まれる被写体Hの特定構造物を抽出したサブトラクション画像を生成する。本実施形態においては、第1および第2の放射線画像G1,G2は胸部から腹部の放射線画像である。サブトラクション処理部32は、第1の放射線画像G1および第2の放射線画像G2に対して適切に重み付けをして減算することにより、被写体Hの軟部のみが抽出された軟部画像Gsを生成する。図3は軟部画像Gsを示す図である。
体厚推定部33は、軟部画像Gs並びに第1および第2の放射線画像G1,G2を取得した際の撮影条件に基づいて、被写体Hの体厚分布を推定する。体厚分布の推定に際し、体厚推定部33は、軟部画像Gsの低周波成分を表す低周波軟部画像GLsを生成する。具体的には、軟部画像Gsに対してローパスフィルタによるフィルタリング処理を施すことにより、低周波軟部画像GLsを生成する。なお、ウェーブレット変換、およびフーリエ変換等の周知の手法を用いて、低周波軟部画像GLsを生成してもよい。
本実施形態においては、体厚推定部33は、例えば特開2015−043959号公報に記載された手法を用いて、被写体Hの体厚分布を推定する。図4は体厚推定部33の構成を示す概略ブロック図である。図4に示すように、体厚推定部33は、仮想モデル取得部41、推定画像生成部42、修正部43および体厚分布決定部44を備える。
仮想モデル取得部41は、初期体厚分布T0(x,y)を有する被写体Hの仮想モデルKを取得する。
推定画像生成部42は、仮想モデルKに基づいて、仮想モデルKの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Igpと、仮想モデルKの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Igsとを合成した画像を、被写体Hの撮影により得られ、かつサブトラクション処理により得られる低周波軟部画像GLsを推定した推定画像Imとして生成する。
修正部43は、推定画像Imと低周波軟部画像GLsとに基づいて、推定画像Imと低周波軟部画像GLsの違いが小さくなるように仮想モデルKの初期体厚分布T0を修正する。
体厚分布決定部44は、修正された体厚分布Tn−1(nは自然数)を低周波軟部画像GLsの体厚分布T(x,y)に決定する。
なお、本実施形態においては、ストレージ23に、初期体厚分布T0(x,y)を有する被写体Hの仮想モデルKが記憶される。また、体厚推定部33が行う処理の詳細については後述する。
近似体厚分布算出部34は、体厚推定部33が推定した体厚分布を人体に対応するモデルで近似した近似体厚分布Tcylin(x,y)を算出する。本実施形態においては、人体に対応するモデルとして、断面が楕円形の楕円柱モデルを使用するものとする。具体的には、近似体厚分布算出部34は、楕円柱モデルの断面の長径および短径の初期値を設定した初期楕円柱モデルを生成し、体厚分布決定部44が決定した体厚分布(x,y)との誤差が最小となるように、初期楕円柱モデルの断面の長径および短径の初期値を修正する。そして修正した長径および短径の楕円断面を有する楕円柱モデルを生成する。生成した楕円柱モデルにおける体厚分布が、近似体厚分布Tcylin(x,y)となる。
体脂肪率算出部35は、近似体厚分布Tcylin(x,y)に基づいて、被写体H内の体脂肪率の分布を算出する。ここで、人体の体幹部は、人体の体軸方向の断面を概ね楕円形状で近似することができる。近似した楕円形状が近似体厚分布Tcylin(x,y)である。この際、人体の軟部組織の減弱係数μsoftと近似体厚分布Tcylin(x,y)との積は、低周波軟部画像GLs上の軟部組織によるX線減弱による濃度変化を表す。なお、濃度変化とは、X線が被写体Hを透過することなく放射線検出器5,6に到達することにより得られる濃度から見た変化を示す。したがって、濃度変化の画像上の分布は、低周波軟部画像GLsにおけるX線が直接放射線検出器5,6に照射することにより得られる素抜け領域における濃度から被写体Hの領域における各画素の濃度を減算することにより算出される。以下、濃度変化の画像上の分布を、濃度差分布Δ(x,y)と称する。
一方、図5に示すように、矢印50で示す実際の被写体のX線透過経路上には、軟部組織51以外にも、脂肪52が含まれている。このため、濃度差分布Δ(x,y)は、脂肪の減弱係数μfat、脂肪の厚さ分布Tfat(x,y)、脂肪を除く軟部組織の減弱係数μsoft、および軟部組織の厚さ分布Tsoft(x,y)を用いて、以下の式(1)により表される。
また、Tcylin(x,y)=Tfat(x,y)+Tsoft(x,y)の関係が成り立つ。したがって、低周波軟部画像GLs内の各画素位置(x,y)における体脂肪率R(x,y)は、下記の式(2)により算出することができる。
表示制御部36は、体脂肪率算出部35が算出した体脂肪率分布を表示部8に表示する。図6は表示部8に表示された体脂肪分布を示す図である。図6に示すように、本実施形態においては、体脂肪率分布が第1の放射線画像G1に重畳されて表示されている。なお、体脂肪率分布を第2の放射線画像G2または軟部画像Gsに重畳してもよい。なお、図6においては、体脂肪率分布を3段階に色分けして表示している。なお、図6においては色分けを濃度の相違により表しており、濃度が大きいほど体脂肪率が高いことを示している。また、表示部8には、濃度と体脂肪率との関係を表すリファレンス55が表示されている。リファレンス55を参照することにより、体脂肪率の分布を容易に認識することができる。
次いで、本実施形態において行われる処理について説明する。図7は本実施形態において行われる処理を示すフローチャートである。まず、画像取得部31は、撮影装置1に撮影を行わせてエネルギー分布が互いに異なる第1および第2の放射線画像G1,G2を取得する(ステップST1)。次いで、サブトラクション処理部32がサブトラクション処理を行い、第1および第2の放射線画像G1,G2から被写体Hの軟部組織を表す軟部画像Gsを生成する(ステップST2)。そして、体厚推定部33が、軟部画像Gsから低周波軟部画像GLsを生成し(ステップST3)、さらに低周波軟部画像GLsおよび第1および第2の放射線画像G1,G2を取得した際の撮影条件に基づいて、被写体Hの体厚分布T(x,y)を推定する(ステップST4)。そして、近似体厚分布算出部34が、推定した体厚分布T(x,y)を楕円柱モデルで近似した近似体厚分布を算出し(ステップST5)、体脂肪率算出部35が、近似体厚分布に基づいて、被写体H内の体脂肪率の分布を算出する(ステップST6)。そして、表示制御部36が体脂肪率の分布を表示部8に表示し(ステップST7)、処理を終了する。
次いで、体厚推定処理について説明する。図8は体厚推定処理のフローチャートである。体厚推定部33の仮想モデル取得部41は、ストレージ23から、初期体厚分布T0(x,y)を有する被写体Hの仮想モデルKを取得する(ステップST11)。仮想モデルK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Hを仮想的に表すデータである。また、仮想モデルKに含まれる構造物(骨および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は、比較用被写体の骨および臓器等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。
また、仮想モデルKの初期体厚分布T0(x,y)は任意の分布とされてよいが、本実施形態においては、仮想モデル取得部41によって初期体厚分布T0が生成されて取得される。仮想モデル取得部41は、被写体Hの撮影線量、管電圧およびSID等の撮影条件を取得し、ストレージ23から被写体Hの撮影条件に応じた画素値と体厚とを対応付けたテーブルを取得する。図9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41は、図9に示すテーブルに基づいて、被写体Hの放射線画像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、放射線画像の体厚分布を取得する。そして、仮想モデル取得部41は、放射線画像の体厚分布を仮想モデルKの初期体厚分布T0として取得する。なお、初期体厚分布T0は、本実施形態のように仮想モデルKの取得処理の際に生成されてもよく、仮想モデルKの取得処理に先立って予め設定されていてもよい。以上の処理は下記の式(3)により表される。なお、I(x,y)は、放射線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。
次いで推定画像生成部42は、放射線画像と同等の撮影条件で仮想モデルKを撮影した場合に得られる推定一次線画像Igpと、放射線画像と同等の撮影条件で仮想モデルKを撮影した場合に得られる推定散乱線画像Igsとを合成した推定画像Imを生成する(ステップST12)。図10および図11は、推定画像Imの生成方法を説明するための図である。
図10に示すように、推定画像生成部42は、低周波軟部画像GLs、すなわち第1および第2の放射線画像G1,G2と同等の撮影条件で仮想モデルKを撮影した場合に得られる推定一次線画像Igpを下記式(4)に従って生成し、生成した推定一次線画像Igpを用いて、式(5)に従って推定散乱線画像Igsを生成する。そして、推定画像生成部42は、式(6)に示すように推定一次線画像Igpと推定散乱線画像Igsとを合成することにより、推定画像Imを生成する(ステップST12)。なお、推定一次線画像Igpと推定散乱線画像Igsとを1回目に作成する際には、推定式(4)、式(5)において初期体厚分布T0(x,y)が用いられる(式(4)、(5)においてn=1である)。
ここで、(x,y)は低周波軟部画像GLsの画素位置の座標、Igp(x,y)は画素位置(x,y)における推定一次線画像、Igs(x,y)は画素位置(x,y)における推定散乱線画像、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Hの線減弱係数、Ks(x,y,Tn(x’,y’),θx’,y’)は画素位置(x,y)における被写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Hが存在しないと仮定した際に放射線検出器5により検出される放射線の線量であり、X線源3と放射線検出器5の検出面との距離(SID)、管電圧およびmAs値に応じて変化する。また、θx’,y’は、管電圧等の撮影条件や仮想モデルK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K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Igpと推定散乱線画像Igsとを合成した画像と実質的に見なせるものであればよい。例えば、図11に示すように、式(4)〜(6)に代えて下記式(7)を用いて、一次線成分と散乱線成分とを合わせたカーネルを畳みこ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とを合わせた点拡散関数を表すカーネルである。また、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、Ks(x,y,Tn(x’,y’),θx’,y’)、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、撮影時の撮影条件に基づいてカーネルKs(x,y,Tn(x’,y’),θx’,y’)、Kp+s(x,y,Tn−1(x’,y’),θx’,y’)を算出してもよいが、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’)とを対応付けたテーブルをストレージ23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’)を求めてもよい。
図8のフローチャートに従って、続く処理を説明する。続いて、体厚分布決定部44は、低周波軟部画像GLsと推定画像Imとの違いが終了条件を満たすか否かを判定する(ステップST13)。ここでは、式(8)および式(9)に示すように、下記の低周波軟部画像GLs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(9)に示すように、低周波軟部画像GLs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、終了条件として、低周波軟部画像GLs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、低周波軟部画像GLs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(10)に示すように、低周波軟部画像GLs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。
体厚分布決定部44は、エラー値Verrorが終了条件を満たさない場合には(ステップST13:No)、体厚分布Tn−1(n=1の場合には、初期体厚分布T0)を修正する修正処理を行う(ステップST14)。
体厚分布Tn−1の修正処理を行うために、低周波軟部画像GLsと推定画像Imとの違いが小さくなるように体厚分布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、仮想モデルKの一画素以上の部分領域毎に、仮想モデルKの体厚分布Tn−1を変動させて、推定画像Imと低周波軟部画像GLs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。
具体的には、本実施形態は、最急降下法を用いて体厚分布Tn−1の体厚の修正値を求めるものとする。下記式(11)、(12)を用いて、仮想モデルK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、修正した体厚分布Tnを取得する。
ただし、式(11)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(12)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(13)によって算出して、式(12)のKp+sの値とすることができる。なお、式(3)〜(13)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。低周波軟部画像GLsと推定画像Imと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、または共役勾配法を用いることができる。
修正された体厚分布Tnを取得すると、体厚分布決定部44は、nの値を1つ増加して更新し(n=n+1とする)、仮想モデル取得部41は修正された体厚分布Tnを取得する(ステップST11)。そして、取得された体厚分布Tnに対して、推定画像生成部42および体厚分布決定部44はステップST11〜ステップST13の処理をそれぞれ上記と同様に実行する。そして、低周波軟部画像GLsと推定画像Imとの違いを示すエラー値Verrorが終了条件を満たすまで、上記同様に、体厚分布Tnの修正処理(ステップST14)と、修正された体厚分布Tnを有する仮想モデルKの取得処理(ステップST11)と、体厚分布Tnを用いた新たな推定画像Imの生成処理(ステップST12)と、新たに生成された推定画像Imと放射線画像との違いが終了条件を満たすかを判定する処理(ステップST13)の処理とが繰り返される。
一方、体厚分布決定部44は、エラー値Verrorが終了条件を満たしていることを判定した場合には(ステップST13:Yes)、終了条件を満たした際にエラー値Verrorに用いられた体厚分布Tnを低周波軟部画像GLsの体厚分布Tとして決定して体厚推定処理を終了する(ステップST15)。
このように、本実施形態においては、サブトラクション処理により軟部画像Gsを生成し、軟部画像Gsから低周波軟部画像GLsを生成し、低周波軟部画像GLsおよび放射線画像を取得した際の撮影条件に基づいて、被写体Hの体厚分布を推定し、推定した体厚分布を楕円柱モデルで近似した近似体厚分布を算出し、近似体厚分布に基づいて、被写体H内の体脂肪率の分布を算出するようにしたものである。このため、少ない撮影回数により被写体の体脂肪率の分布を測定することができ、これにより、被写体Hへの被曝量を低減でき、かつ被写体の体脂肪率を簡易に測定できる。
また、軟部画像Gsから低周波軟部画像GLsを生成し、低周波軟部画像GLsおよび撮影条件に基づいて、被写体Hの体厚分布を推定することにより、被写体内の細かな構造物に影響されることなく、精度よく被写体Hの体厚分布を推定することができる。
また、体脂肪率の分布を表示部8に表示することにより、被写体の体脂肪率の分布を確認できる。とくに、体脂肪率の分布を第1の放射線画像G1等と重ねて表示することにより、被写体内のどの構造物にどのように体脂肪率が分布しているかを容易に確認することができる。したがって、体脂肪率を用いた診断を容易に行うことができる。
なお、上記実施形態においては、式(2)における濃度差分布Δ(x,y)を、素抜け領域における濃度から被写体Hの領域における各画素の濃度を減算することにより算出しているが、体厚推定部33が推定した体厚分布T(x,y)を用いて下記の式(14)により濃度差分布Δ(x,y)を算出してもよい。
Δ(x,y)=μsoft×T(x,y) (14)
また、上記実施形態においては、軟部画像Gsから低周波軟部画像GLsを生成して体厚分布を推定しているが、低周波軟部画像GLsを生成することなく、軟部画像Gsから体厚分布を推定してもよい。
また、上記各実施形態においては、1ショット法により第1および第2の放射線画像G1,G2を取得しているが、撮影を2回行ういわゆる2ショット法により第1および第2の放射線画像G1,G2を取得してもよい。
また、上記各実施形態においては、第1および第2の放射線検出器5,6を用いて被写体の放射線画像を撮影するシステムにおいて取得した放射線画像を用いて画像処理を行っているが、検出手段として蓄積性蛍光体シートを用いて第1および第2の放射線画像G1,G2を取得する場合にも、本発明を適用できることはもちろんである。この場合、2枚の蓄積性蛍光体シートを重ねて被写体Hを透過したX線を照射して、被写体Hの放射線画像情報を各蓄積性蛍光体シートに蓄積記録し、各蓄積性蛍光体シートから放射線画像情報を光電的に読み取ることにより第1および第2の放射線画像G1,G2を取得すればよい。
また、上記実施形態においては、人体に対応するモデルとして楕円柱モデルを用いているが、これに限定されるものではない。例えば、円形、多角形または予め定められた曲線により断面が定められるモデルを、人体に対応するモデルとして用いてもよい。また、CT(Computed Tomography)画像およびMRI(Magnetic Resonance Imaging)画像等におけるアキシャル断面の画像を用いて、人体についてのアキシャル断面の平均的な断面形状を算出し、算出した断面形状を有するモデルを、人体に対応するモデルとして用いてもよい。
以下、本実施形態の作用効果について説明する。
軟部画像の低周波画像を生成し、軟部画像の低周波画像および撮影条件に基づいて、被写体の体厚分布を推定することにより、被写体内の細かな構造物に影響されることなく、精度よく被写体の体厚分布を推定することができる。
体脂肪率の分布を表示することにより、被写体の体脂肪率の分布を確認できる。とくに、体脂肪率の分布を複数の放射線画像のいずれかと重ねて表示することにより、被写体内のどの構造物にどのように体脂肪率が分布しているかを容易に確認することができる。したがって、体脂肪率を用いた診断を容易に行うことができる。
1 放射線画像撮影装置
2 コンピュータ
3 X線源
5、6 放射線検出器
7 X線エネルギー変換フィルタ
8 表示部
9 入力部
21 CPU
22 メモリ
23 ストレージ
31 画像取得部
32 サブトラクション処理部
33 体厚推定部
34 近似体厚分布算出部
35 体脂肪率算出部
36 表示制御部
41 仮想モデル取得部
42 推定画像生成部
43 修正部
44 体厚分布決定部
50 矢印
51 軟部組織
52 脂肪
55 リファレンス
G1 第1の放射線画像
G2 第2の放射線画像
Gs 軟部画像
GLs 低周波軟部画像
H 被写体

Claims (7)

  1. 被写体を透過したそれぞれエネルギー分布が互いに異なる放射線により取得された複数の放射線画像から、前記被写体の軟部組織を表す軟部画像を生成するサブトラクション処理手段と、
    前記軟部画像および前記放射線画像を取得した際の撮影条件に基づいて、前記被写体の体厚分布を推定する体厚推定手段と、
    前記推定した体厚分布を人体に対応するモデルで近似した近似体厚分布を算出する近似体厚分布算出手段と、
    前記近似体厚分布に基づいて、前記被写体内の体脂肪率の分布を算出する体脂肪率算出手段とを備えた体脂肪率測定装置。
  2. 前記体脂肪率算出手段は、さらに前記推定した体厚分布にも基づいて、前記体脂肪率の分布を算出する請求項1に記載の体脂肪率測定装置。
  3. 前記体厚推定手段は、前記軟部画像の低周波画像を生成し、該軟部画像の低周波画像および前記撮影条件に基づいて、前記被写体の体厚分布を推定する請求項1または2に記載の体脂肪率測定装置。
  4. 前記体脂肪率の分布を表示手段に表示する表示制御手段をさらに備えた請求項1から3のいずれか1項に記載の体脂肪率測定装置。
  5. 前記表示制御手段は、前記体脂肪率の分布を、前記複数の放射線画像および前記軟部画像のいずれかと重ねて表示する請求項4に記載の体脂肪率測定装置。
  6. 被写体を透過したそれぞれエネルギー分布が互いに異なる放射線により取得された複数の放射線画像から、前記被写体の軟部組織を表す軟部画像を生成し、
    前記軟部画像および前記放射線画像を取得した際の撮影条件に基づいて、前記被写体の体厚分布を推定し、
    前記推定した体厚分布を人体に対応するモデルで近似した近似体厚分布を算出し、
    前記近似体厚分布に基づいて、前記被写体内の体脂肪率の分布を算出する体脂肪率測定方法。
  7. 被写体を透過したそれぞれエネルギー分布が互いに異なる放射線により取得された複数の放射線画像から、前記被写体の軟部組織を表す軟部画像を生成する手順と、
    前記軟部画像および前記放射線画像を取得した際の撮影条件に基づいて、前記被写体の体厚分布を推定する手順と、
    前記推定した体厚分布を人体に対応するモデルで近似した近似体厚分布を算出する手順と、
    前記近似体厚分布に基づいて、前記被写体内の体脂肪率の分布を算出する手順とをコンピュータに実行させる体脂肪率測定プログラム。
JP2017135065A 2017-03-16 2017-07-10 体脂肪率測定装置、方法およびプログラム Active JP6704374B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US15/904,436 US11234641B2 (en) 2017-03-16 2018-02-26 Body fat percentage measurement device, method and program

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017051473 2017-03-16
JP2017051473 2017-03-16

Publications (2)

Publication Number Publication Date
JP2018153605A true JP2018153605A (ja) 2018-10-04
JP6704374B2 JP6704374B2 (ja) 2020-06-03

Family

ID=63715394

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017135065A Active JP6704374B2 (ja) 2017-03-16 2017-07-10 体脂肪率測定装置、方法およびプログラム

Country Status (1)

Country Link
JP (1) JP6704374B2 (ja)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3666189A1 (en) * 2018-12-11 2020-06-17 Canon Kabushiki Kaisha Image processing apparatus, image processing method, and storage medium
WO2020158659A1 (ja) 2019-02-01 2020-08-06 富士フイルム株式会社 被写体情報取得装置及びその作動方法並びに被写体情報取得プログラム
US20210106298A1 (en) * 2019-10-09 2021-04-15 Fujifilm Corporation Image processing apparatus, method, and program
JP2022026205A (ja) * 2020-07-30 2022-02-10 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
US11478209B2 (en) 2019-10-04 2022-10-25 Fujifilm Corporation Image processing apparatus, method, and program
US11911204B2 (en) 2021-03-09 2024-02-27 Fujifilm Corporation Scattered ray model derivation device, scattered ray model derivation method, scattered ray model derivation program, radiation image processing device, radiation image processing method, and radiation image processing program
US11963810B2 (en) 2021-03-12 2024-04-23 Fujifilm Corporation Estimation device, estimation method, and estimation program
US12064278B2 (en) 2021-04-02 2024-08-20 Fujifilm Corporation Learning device, learning method, and learning program, radiation image processing device, radiation image processing method, and radiation image processing program

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004147863A (ja) * 2002-10-30 2004-05-27 Aloka Co Ltd X線骨密度測定装置
US20140371570A1 (en) * 2013-06-12 2014-12-18 General Electric Company Method for measuring liver fat mass using dual-energy x-ray absorptiometry
JP2015192846A (ja) * 2014-03-28 2015-11-05 富士フイルム株式会社 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
JP2016220850A (ja) * 2015-05-28 2016-12-28 株式会社日立製作所 医療用x線測定システム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004147863A (ja) * 2002-10-30 2004-05-27 Aloka Co Ltd X線骨密度測定装置
US20140371570A1 (en) * 2013-06-12 2014-12-18 General Electric Company Method for measuring liver fat mass using dual-energy x-ray absorptiometry
JP2015192846A (ja) * 2014-03-28 2015-11-05 富士フイルム株式会社 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
JP2016220850A (ja) * 2015-05-28 2016-12-28 株式会社日立製作所 医療用x線測定システム

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111297382A (zh) * 2018-12-11 2020-06-19 佳能株式会社 图像处理装置,图像处理方法和存储介质
CN111297382B (zh) * 2018-12-11 2023-10-24 佳能株式会社 图像处理装置,图像处理方法和存储介质
EP3666189A1 (en) * 2018-12-11 2020-06-17 Canon Kabushiki Kaisha Image processing apparatus, image processing method, and storage medium
US11090021B2 (en) 2018-12-11 2021-08-17 Canon Kabushiki Kaisha Image processing apparatus, image processing method, and storage medium
WO2020158659A1 (ja) 2019-02-01 2020-08-06 富士フイルム株式会社 被写体情報取得装置及びその作動方法並びに被写体情報取得プログラム
JPWO2020158659A1 (ja) * 2019-02-01 2021-12-02 富士フイルム株式会社 被写体情報取得装置及びその作動方法並びに被写体情報取得プログラム
JP7284768B2 (ja) 2019-02-01 2023-05-31 富士フイルム株式会社 被写体情報取得装置及びその作動方法並びに被写体情報取得プログラム
US11478209B2 (en) 2019-10-04 2022-10-25 Fujifilm Corporation Image processing apparatus, method, and program
JP2021058508A (ja) * 2019-10-09 2021-04-15 富士フイルム株式会社 画像処理装置、方法およびプログラム
JP2023076735A (ja) * 2019-10-09 2023-06-01 富士フイルム株式会社 画像処理装置、方法およびプログラム
JP7289769B2 (ja) 2019-10-09 2023-06-12 富士フイルム株式会社 画像処理装置、方法およびプログラム
US20210106298A1 (en) * 2019-10-09 2021-04-15 Fujifilm Corporation Image processing apparatus, method, and program
JP7408867B2 (ja) 2019-10-09 2024-01-05 富士フイルム株式会社 画像処理装置、方法およびプログラム
US11969281B2 (en) 2019-10-09 2024-04-30 Fujifilm Corporation Image processing apparatus, method, and program
JP2022026205A (ja) * 2020-07-30 2022-02-10 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
JP7362561B2 (ja) 2020-07-30 2023-10-17 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
US11911204B2 (en) 2021-03-09 2024-02-27 Fujifilm Corporation Scattered ray model derivation device, scattered ray model derivation method, scattered ray model derivation program, radiation image processing device, radiation image processing method, and radiation image processing program
US11963810B2 (en) 2021-03-12 2024-04-23 Fujifilm Corporation Estimation device, estimation method, and estimation program
US12064278B2 (en) 2021-04-02 2024-08-20 Fujifilm Corporation Learning device, learning method, and learning program, radiation image processing device, radiation image processing method, and radiation image processing program

Also Published As

Publication number Publication date
JP6704374B2 (ja) 2020-06-03

Similar Documents

Publication Publication Date Title
JP6704374B2 (ja) 体脂肪率測定装置、方法およびプログラム
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
JP6169626B2 (ja) 放射線画像処理装置、方法およびプログラム
JP6156847B2 (ja) 放射線画像処理装置および方法並びにプログラム
JP6165695B2 (ja) 放射線画像解析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
US9947101B2 (en) Radiographic image analysis device and method, and recording medium having program recorded therein
US11234641B2 (en) Body fat percentage measurement 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
JP2009285356A (ja) 医療用撮影システム、画像処理装置、画像処理方法、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
CN111542267A (zh) 用于呈现暗场x射线图像信息的装置
JP6184925B2 (ja) 放射線画像解析装置、方法、及びプログラム
JP7284816B2 (ja) 放射線画像処理装置及び放射線画像処理方法
TWI500412B (zh) 一種影像品質的改善處理方法及其造影系統
JP2022163614A (ja) 推定装置、方法およびプログラム
JP2015223492A (ja) グリッド同様のコントラスト強調のためのx線撮像システム及び方法
CN110678123A (zh) 改进的x射线图像中的几何测量
US12039727B2 (en) Energy subtraction processing device, energy subtraction processing method, and energy subtraction processing program
US20220175333A1 (en) Image processing device, image processing method, and image processing program
JP2023177980A (ja) 放射線画像処理装置、方法およびプログラム
JP2024000885A (ja) 放射線画像処理装置、方法およびプログラム
JP2024040945A (ja) 画像処理装置、方法およびプログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190221

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20191223

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200114

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200227

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: 20200414

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200512

R150 Certificate of patent or registration of utility model

Ref document number: 6704374

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