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

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。