JP2020049059A - 医用画像処理装置および方法 - Google Patents

Abstract

【課題】コストを抑えつつ高画質な画像を得ることができる。【解決手段】本実施形態に係る医用画像処理装置は、取得部と、処理部とを含む。取得部は、第１の散乱線除去能を有するハードウェアに基づいた、処理対象の第１の医用データを取得する。処理部は、第１の医用データが入力され前記第１の散乱線除去能よりも高い第２の散乱線除去能に基づく第２の医用データを出力する学習済みモデルに従い、前記処理対象の第１の医用データから第２の医用データを生成する。【選択図】図７

Description

本発明の実施形態は、医用画像処理装置および方法に関する。

Ｘ線ＣＴ（Computed Tomography）装置では、コントラストを改善させるため散乱Ｘ線の除去が行われる。散乱Ｘ線除去の手法としては、コリメータ板を検出器の前面に配置することにより散乱Ｘ線を除去するといったハードウェアを用いた手法がある。また、画像処理により散乱Ｘ線の影響を除去するといったソフトウェアを用いた手法もある。
ハードウェアにより散乱Ｘ線の除去を行う場合、散乱Ｘ線の除去能力が高い２次元コリメータを適用したり、コリメータの高さを高くしたりする方法があるが、コストの増加につながる。
一方、ソフトウェアにより散乱Ｘ線の補正処理を行う場合、散乱Ｘ線の除去能力を高めようとすると計算時間が長くなる。計算時間を短縮するために高性能な演算処理装置を導入しようとすると、結局コストの増加につながる。

米国特許出願公開第２０１８／０１４６９３５号明細書 米国特許出願公開第２０１８／００７８２２１号明細書 米国特許第７３６２８４９号明細書

本発明が解決しようとする課題は、コストを抑えつつ高画質な画像を得ることである。

本実施形態に係る医用画像処理装置は、取得部と、処理部とを含む。取得部は、第１の散乱線除去能を有するハードウェアに基づいた、処理対象の第１の医用データを取得する。処理部は、第１の医用データが入力され前記第１の散乱線除去能よりも高い第２の散乱線除去能に基づく第２の医用データを出力する学習済みモデルに従い、前記処理対象の第１の医用データから第２の医用データを生成する。

図１は、第１の実施形態に係るＸ線ＣＴ装置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ＣＴ装置の動作例を示すフローチャートである。 図３は、散乱線除去能を定める基準となる散乱線除去グリッドの構成を示す図である。 図４は、学習済みモデルを生成する学習システムの一例を示すブロック図である。 図５は、第１の実施形態に係るモデル学習装置による機械学習時の概念を示す図である。 図６は、第１の実施形態に係る機械学習させた学習済みモデルの利用時の概念を示す図である。 図７は、第２の実施形態に係る医用画像処理装置に係るブロック図である。

以下、図面を参照しながら本実施形態に係わる医用画像処理装置および方法について説明する。以下の実施形態では、同一の参照符号を付した部分は同様の動作をおこなうものとして、重複する説明を適宜省略する。以下、一実施形態について図面を用いて説明する。

（第１の実施形態）
以下、本実施形態に係る医用画像処理装置を含むＸ線ＣＴ（Computed Tomography）装置について図１のブロック図を参照して説明する。図１に示すＸ線ＣＴ装置１は、架台装置１０と、寝台装置３０と、医用画像処理装置の処理を実現するコンソール装置４０とを有する。図１では説明の都合上、架台装置１０を複数描画している。

なお、本実施形態では、非チルト状態での回転フレーム１３の回転軸又は寝台装置３０の天板３３の長手方向をＺ軸方向、Ｚ軸方向に直交し、床面に対し水平である軸方向をＸ軸方向、Ｚ軸方向に直交し、床面に対し垂直である軸方向をＹ軸方向とそれぞれ定義するものとする。

例えば、架台装置１０及び寝台装置３０はＣＴ検査室に設置され、コンソール装置４０はＣＴ検査室に隣接する制御室に設置される。なお、コンソール装置４０は、必ずしも制御室に設置されなくてもよい。例えば、コンソール装置４０は、架台装置１０及び寝台装置３０とともに同一の部屋に設置されてもよい。いずれにしても架台装置１０と、寝台装置３０と、コンソール装置４０とは互いに通信可能に有線または無線で接続されている。

架台装置１０は、被検体ＰをＸ線ＣＴ撮影するための構成を有するスキャン装置である。架台装置１０は、Ｘ線管１１と、Ｘ線検出器１２と、回転フレーム１３と、Ｘ線高電圧装置１４と、制御装置１５と、ウェッジ１６と、コリメータ１７と、データ収集装置１８（以下、ＤＡＳ（Data Acquisition System）１８ともいう）とを含む。

Ｘ線管１１は、Ｘ線高電圧装置１４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（フィラメント）から陽極（ターゲット）に向けて熱電子を照射することでＸ線を発生する真空管である。具体的には、熱電子がターゲットに衝突することによりＸ線が発生される。例えば、Ｘ線管１１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１１で発生したＸ線は、例えばコリメータ１７を介してコーンビーム形に成形され、被検体Ｐに照射される。

Ｘ線検出器１２は、Ｘ線管１１から照射され、被検体Ｐを通過したＸ線を検出し、当該Ｘ線量に対応した電気信号をＤＡＳ１８へと出力する。Ｘ線検出器１２は、例えば、Ｘ線管１１の焦点を中心として１つの円弧に沿ってチャネル方向に複数のＸ線検出素子が配列された複数のＸ線検出素子列を有する。Ｘ線検出器１２は、例えば、チャネル方向に複数のＸ線検出素子が配列されたＸ線検出素子列がスライス方向（列方向、ｒｏｗ方向）に複数配列された列構造を有する。

Ｘ線検出器１２は、具体的には、例えば、グリッドと、シンチレータアレイと、光センサアレイとを有する間接変換型の検出器である。Ｘ線検出器１２は、検出部の一例である。

シンチレータアレイは、複数のシンチレータを有する。シンチレータは、入射Ｘ線は、当該入射Ｘ線の強度に応じた個数の光子に変換する。
グリッドは、シンチレータアレイのＸ線入射側の面に配置され、散乱Ｘ線を吸収する機能を有するＸ線遮蔽板を有する。なお、グリッドはコリメータと呼ばれる場合もある。

光センサアレイは、シンチレータからの受けた光を増幅して電気信号に変換する機能を有し、例えば、光電子増倍管（フォトマルチプライヤー：ＰＭＴ）等の光センサを有する。
なお、Ｘ線検出器１２は、入射したＸ線を電気信号に変換する半導体素子を有する直接変換型の検出器であっても構わない。

回転フレーム１３は、Ｘ線発生部とＸ線検出器１２とを回転軸回りに回転可能に支持する。具体的には、回転フレーム１３は、Ｘ線管１１とＸ線検出器１２とを対向支持し、後述する制御装置１５によってＸ線管１１とＸ線検出器１２とを回転させる円環状のフレームである。回転フレーム１３は、アルミニウム等の金属により形成された固定フレーム（図示せず）に回転可能に支持される。詳しくは、回転フレーム１３は、ベアリングを介して固定フレームの縁部に接続されている。回転フレーム１３は、制御装置１５の駆動機構からの動力を受けて回転軸Ｚ回りに一定の角速度で回転する。

なお、回転フレーム１３は、Ｘ線管１１とＸ線検出器１２に加えて、Ｘ線高電圧装置１４やＤＡＳ１８を更に備えて支持する。このような回転フレーム１３は、撮影空間をなす開口（ボア）１９が形成された略円筒形状の筐体に収容されている。開口はＦＯＶに略一致する。開口の中心軸は、回転フレーム１３の回転軸Ｚに一致する。なお、ＤＡＳ１８が生成した検出データは、例えば発光ダイオード（ＬＥＤ）を有する送信機から光通信によって架台装置の非回転部分（例えば固定フレーム。図１での図示は省略する。）に設けられた、フォトダイオードを有する受信機（図示せず）に送信され、コンソール装置４０へと転送される。なお、回転フレームから架台装置の非回転部分への検出データの送信方法は、前述の光通信に限らず、非接触型のデータ伝送であれば如何なる方式を採用しても構わない。

Ｘ線高電圧装置１４は、変圧器（トランス）及び整流器等の電気回路を有し、Ｘ線管１１に印加する高電圧及びＸ線管１１に供給するフィラメント電流を発生する機能を有する高電圧発生装置と、Ｘ線管１１が照射するＸ線に応じた出力電圧の制御を行うＸ線制御装置とを有する。高電圧発生装置は、変圧器方式であってもよいし、インバータ方式であっても構わない。なお、Ｘ線高電圧装置１４は、後述する回転フレーム１３に設けられてもよいし、架台装置１０の固定フレーム（図示しない）側に設けられても構わない。

制御装置１５は、ＣＰＵ（Central Processing Unit）等を有する処理回路と、モータ及びアクチュエータ等の駆動機構とを有する。処理回路は、ハードウェア資源として、ＣＰＵやＭＰＵ（Micro Processing Unit）等のプロセッサとＲＯＭ（Read Only Memory）やＲＡＭ（Random Access Memory）等のメモリとを有する。また、制御装置１５は、特定用途向け集積回路（Application Specific Integrated Circuit：ＡＳＩＣ）やフィールド・プログラマブル・ゲート・アレイ（Field Programmable Gate Array：ＦＰＧＡ）、他の複合プログラマブル論理デバイス（Complex Programmable Logic Device：ＣＰＬＤ）、単純プログラマブル論理デバイス（Simple Programmable Logic Device：ＳＰＬＤ）により実現されてもよい。制御装置１５は、コンソール装置４０からの指令に従い、Ｘ線高電圧装置１４及びＤＡＳ１８等を制御する。前記プロセッサは、前記メモリに保存されたプログラムを読み出して実現することで上記制御を実現する。

また、制御装置１５は、コンソール装置４０若しくは架台装置１０に取り付けられた、後述する入力インターフェース４３からの入力信号を受けて、架台装置１０及び寝台装置３０の動作制御を行う機能を有する。例えば、制御装置１５は、入力信号を受けて回転フレーム１３を回転させる制御や、架台装置１０をチルトさせる制御、及び寝台装置３０及び天板３３を動作させる制御を行う。なお、架台装置１０をチルトさせる制御は、架台装置１０に取り付けられた入力インターフェース４３によって入力される傾斜角度（チルト角度）情報により、制御装置１５がＸ軸方向に平行な軸を中心に回転フレーム１３を回転させることによって実現される。また、制御装置１５は架台装置１０に設けられてもよいし、コンソール装置４０に設けられても構わない。なお、制御装置１５は、前記メモリにプログラムを保存する代わりに、前記プロセッサの回路内にプログラムを直接組み込むように構成しても構わない。この場合、前記プロセッサは、前記回路内に組み込まれたプログラムを読み出して実行することで上記制御を実現する。

ウェッジ１６は、Ｘ線管１１から照射されたＸ線量を調節するためのフィルタである。具体的には、ウェッジ１６は、Ｘ線管１１から被検体Ｐへ照射されるＸ線が、予め定められた分布になるように、Ｘ線管１１から照射されたＸ線を透過して減衰するフィルタである。例えば、ウェッジ１６（ウェッジフィルタ（wedge filter）、ボウタイフィルタ（bow-tie filter））は、所定のターゲット角度や所定の厚みとなるようにアルミニウムを加工したフィルタである。

コリメータ１７は、ウェッジ１６を透過したＸ線の照射範囲を絞り込むための鉛板等であり、複数の鉛板等の組み合わせによってスリットを形成する。なお、コリメータ１７は、Ｘ線絞りと呼ばれる場合もある。

ＤＡＳ１８は、Ｘ線検出器１２から電気信号を読み出し、読み出した電気信号に基づいて、Ｘ線検出器１２により検出されたＸ線の線量に関するデジタルデータ（以下、検出データともいう）を生成する。検出データは、生成元のＸ線検出素子のチャンネル番号、列番号、収集されたビュー（投影角度ともいう）を示すビュー番号、及び検出されたＸ線の線量の積分値を示すデータのセットである。ＤＡＳ１８は、例えば、検出データを生成可能な回路素子を搭載したＡＳＩＣ（Application Specific Integrated Circuit）により実現される。検出データは、コンソール装置４０へと転送される。

例えば、ＤＡＳ１８は、検出器画素各々について前置増幅器、可変増幅器、積分回路及びＡ／Ｄ変換器を含む。前置増幅器は、接続元のＸ線検出素子からの電気信号を所定のゲインで増幅する。可変増幅器は、前置増幅器からの電気信号を可変のゲインで増幅する。積分回路は、前置増幅器からの電気信号を、１ビュー期間に亘り積分して積分信号を生成する。積分信号の波高値は、１ビュー期間に亘り接続元のＸ線検出素子により検出されたＸ線の線量値に対応する。Ａ／Ｄ変換器は、積分回路からの積分信号をアナログデジタル変換して検出データを生成する。

寝台装置３０は、スキャン対象の被検体Ｐを載置、移動させる装置であり、基台３１と、寝台駆動装置３２と、天板３３と、支持フレーム３４とを備えている。

基台３１は、支持フレーム３４を鉛直方向に移動可能に支持する筐体である。
寝台駆動装置３２は、被検体Ｐが載置された天板３３を天板３３の長軸方向に移動するモータあるいはアクチュエータである。寝台駆動装置３２は、コンソール装置４０による制御、または制御装置１５による制御に従い、天板３３を移動する。例えば、寝台駆動装置３２は、天板３３に載置された被検体Ｐの体軸が回転フレーム１３の開口の中心軸に一致するよう、天板３３を被検体Ｐに対して直交方向に移動する。また、寝台駆動装置３２は、架台装置１０を用いて実行されるＸ線ＣＴ撮影に応じて、天板３３を被検体Ｐの体軸方向に沿って移動してもよい。寝台駆動装置３２は、制御装置１５からの駆動信号のデューティ比等に応じた回転速度で駆動することにより動力を発生する。寝台駆動装置３２は、例えば、ダイレクトドライブモータやサーボモータ等のモータにより実現される。

支持フレーム３４の上面に設けられた天板３３は、被検体Ｐが載置される板である。なお、寝台駆動装置３２は、天板３３に加え、支持フレーム３４を天板３３の長軸方向に移動してもよい。

コンソール装置４０は、メモリ４１と、ディスプレイ４２と、入力インターフェース４３と、処理回路４４とを有する。メモリ４１と、ディスプレイ４２と、入力インターフェース４３と、処理回路４４との間のデータ通信は、バス（BUS）を介して行われる。なお、コンソール装置４０は架台装置１０とは別体として説明するが、架台装置１０にコンソール装置４０またはコンソール装置４０の各構成要素の一部が含まれてもよい。

メモリ４１は、種々の情報を記憶するＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）、集積回路記憶装置等の記憶装置である。メモリ４１は、例えば、投影データや再構成画像データを記憶する。メモリ４１は、ＨＤＤやＳＳＤ等以外にも、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）、フラッシュメモリ等の可搬性記憶媒体や、ＲＡＭ（Random Access Memory）等の半導体メモリ素子等との間で種々の情報を読み書きする駆動装置であってもよい。また、メモリ４１の保存領域は、Ｘ線ＣＴ装置１内にあってもよいし、ネットワークで接続された外部記憶装置内にあってもよい。例えば、メモリ４１は、ＣＴ画像や表示画像のデータを記憶する。また、メモリ４１は、本実施形態に係る制御プログラムを記憶する。

ディスプレイ４２は、各種の情報を表示する。例えば、ディスプレイ４２は、処理回路４４によって生成された医用画像（ＣＴ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４２としては、例えば、液晶ディスプレイ（ＬＣＤ：Liquid Crystal Display）、ＣＲＴ（Cathode Ray Tube）ディスプレイ、有機ＥＬディスプレイ（ＯＥＬＤ：Organic Electro Luminescence Display）、プラズマディスプレイ又は他の任意のディスプレイが、適宜、使用可能となっている。また、ディスプレイ４２は、架台装置１０に設けられてもよい。また、ディスプレイ４２は、デスクトップ型でもよいし、コンソール装置４０本体と無線通信可能なタブレット端末などで構成されることにしても構わない。

入力インターフェース４３は、操作者からの各種の入力操作を受け付け、受け付けた入力操作を電気信号に変換して処理回路４４に出力する。例えば、入力インターフェース４３は、投影データを収集する際の収集条件や、ＣＴ画像を再構成する際の再構成条件、ＣＴ画像から後処理画像を生成する際の画像処理条件等を操作者から受け付ける。入力インターフェース４３としては、例えば、マウス、キーボード、トラックボール、スイッチ、ボタン、ジョイスティック、タッチパッド及びタッチパネルディスプレイ等が適宜、使用可能となっている。なお、本実施形態において、入力インターフェース４３は、マウス、キーボード、トラックボール、スイッチ、ボタン、ジョイスティック、タッチパッド及びタッチパネルディスプレイ等の物理的な操作部品を備えるものに限られない。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４４へ出力する電気信号の処理回路も入力インターフェース４３の例に含まれる。入力インターフェース４３は、架台装置１０に設けられてもよい。又、入力インターフェース４３は、コンソール装置４０本体と無線通信可能なタブレット端末などで構成されることにしても構わない。

処理回路４４は、入力インターフェース４３から出力される入力操作の電気信号に応じてＸ線ＣＴ装置１全体の動作を制御する。例えば、処理回路４４は、ハードウェア資源として、ＣＰＵやＭＰＵ、ＧＰＵ（Graphics Processing Unit）等のプロセッサとＲＯＭやＲＡＭ等のメモリとを有する。処理回路４４は、メモリに展開されたプログラムを実行するプロセッサにより、システム制御機能４４１、前処理機能４４２、再構成処理機能４４３、取得機能４４４、補正処理機能４４５及び表示制御機能４４６を実行する。なお、各機能（システム制御機能４４１、前処理機能４４２、再構成処理機能４４３、取得機能４４４、補正処理機能４４５および表示制御機能４４６）は単一の処理回路で実現される場合に限らない。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。

システム制御機能４４１は、入力インターフェース４３を介して操作者から受け付けた入力操作に基づいて、処理回路４４の各機能を制御する。具体的には、システム制御機能４４１は、メモリ４１に記憶されている制御プログラムを読み出して処理回路４４内のメモリ上に展開し、展開された制御プログラムに従ってＸ線ＣＴ装置１の各部を制御する。例えば、処理回路４４は、入力インターフェース４３を介して操作者から受け付けた入力操作に基づいて、処理回路４４の各機能を制御する。例えば、システム制御機能４４１は、スキャン範囲、撮影条件等を決定するための被検体Ｐの２次元の位置決め画像を取得する。なお、位置決め画像は、スキャノ画像またはスカウト画像とも呼ばれる。システム制御機能４４１は、システム制御部の一例である。

前処理機能４４２は、ＤＡＳ１８から出力された検出データに対して、対数変換処理やオフセット補正処理、チャネル間の感度補正処理、ビームハードニング補正等の前処理を施したデータを生成する。なお、前処理前のデータ（検出データ）及び前処理後のデータを総称して投影データと称する場合もある。

再構成処理機能４４３は、前処理機能４４２にて生成された投影データに対して、フィルタ補正逆投影法（ＦＢＰ法：Filtered Back Projection）や逐次近似再構成法等を用いた再構成処理を行ってＣＴ画像データを生成する。

取得機能４４４は、医用データを取得する。医用データは、例えば、Ｘ線ＣＴ装置１で撮影したＣＴ画像データまたは投影データである。取得機能４４４は、取得部の一例である。

補正処理機能４４５は、取得機能４４４で取得した医用データに対し、散乱線補正処理を実行し、散乱線成分が除去された医用データを生成する。補正処理機能４４５は、処理部の一例である。

表示制御機能４４６は、処理回路４４の各機能または処理における処理途中又は処理結果の情報を表示するようにディスプレイ４２を制御する処理である。

なお、処理回路４４は、スキャン制御処理および画像処理も行う。
スキャン制御処理は、Ｘ線高電圧装置１４に高電圧を供給させて、Ｘ線管１１にＸ線を照射させるなど、Ｘ線スキャンに関する各種動作を制御する処理である。
画像処理は、入力インターフェース４３を介して操作者から受け付けた入力操作に基づいて、再構成処理機能４４３によって生成されたＣＴ画像データを公知の方法により、任意断面の断層画像データや３次元画像データに変換する処理である。なお、３次元画像データの生成は、再構成処理機能４４３が直接行なっても構わない。

処理回路４４は、コンソール装置４０に含まれる場合に限らず、複数の医用画像診断装置にて取得されたデータに対する処理を一括して行う統合サーバに含まれてもよい。
なお、コンソール装置４０は、単一のコンソールにて複数の機能を実行するものとして説明したが、複数の機能を別々のコンソールが実行することにしても構わない。例えば、前処理機能４４２、再構成処理機能４４３等の処理回路４４の機能を分散して有しても構わない。

次に、第１の実施形態に係るＸ線ＣＴ装置１の動作例について図２のフローチャートを参照して説明する。
ステップＳ２０１では、被検体Ｐの位置決め撮影（位置決めスキャン）が実行される。
ステップＳ２０２では、被検体の本撮影（本スキャン）が実行される。なお、ステップＳ２０１およびステップＳ２０２については、一般的なスキャンを実行すればよいため詳細な説明は省略する。

ステップＳ２０３では、取得機能４４４により処理回路４４が、本スキャンにより得られる処理対象の第１の医用データを取得する。ここで、第１の医用データは、第１の散乱線除去能を有するハードウェアに基づいて撮影された医用データである。第ｎ（ｎは整数）の散乱線除去能を有するハードウェアに基づいて撮影された医用データは、具体的には、第ｎの散乱線除去能を有する散乱線除去グリッドが設けられたＸ線検出器により検出された投影データ（又はサイノグラムデータ）や当該投影データに基づいて再構成されたＣＴ画像データ、当該ＣＴ画像データに順変換等を施して生成された計算上の投影データを含む。

ステップＳ２０４では、補正処理機能４４５により処理回路４４が、後述する学習済みモデルに従い、処理対象の第１の医用データから、第１の散乱線除去能よりも高い第２の散乱線除去能に基づく第２の医用データを生成する。言い換えれば、処理対象の第１の医用データよりも高精度な散乱線補正が施された（散乱線除去率が高い）第２の医用データを生成する。以上でＸ線ＣＴ装置１の動作例を終了する。

次に、散乱線除去能を定める基準となる散乱線除去グリッドの構成について図３を参照して説明する。
図３では、Ｚ軸方向からみた散乱線除去グリッド３０１と、散乱線除去グリッド３０１の後段に配置されるシンチレータアレイ３０２とを示す。なお、散乱線除去グリッド３０１はＸ線検出器１２に設けられ、Ｘ線検出器１２と共にＺ軸回りに回転する。図３は、Ｘ線検出器１２がＺ軸回りの最下方（１８０度）の位置に配置されているときの散乱線除去グリッド３０１を示している。

散乱線除去グリッド３０１では、散乱線を吸収するグリッド板３０１１が所定の間隔で配置される。当該間隔、つまり２つのグリッド板３０１１の間に設けられる空間３０１２に、被検体Ｐを透過したいわゆる１次Ｘ線がＸ線検出器１２に入射する。なお、当該空間３０１２は、単に空気で形成されてもよいし、ファイバ、アルミニウムなどのＸ線を透過する中間物質が配置されることで形成されてもよい。

散乱線除去グリッド３０１の散乱線除去能は、グリッドの分割度合いによって変わる。例えば、１次元の散乱線除去グリッドよりも２次元の散乱線除去グリッドのほうが、より細かいグリッドであるため散乱線除去能が高くなる。

また、次元数を変えることに限らず、散乱線除去グリッド３０１の散乱線除去能は、グリッド板の高さＨ、グリッド板３０１１の幅Ｗ、およびグリッド板３０１１の間隔（ピッチ）Ｐｉ（言い換えれば、中間物質５０１２のＸ軸方向の長さ）を基準（パラメータ）として規定することができる。例えば、グリッド板３０１１の高さＨが高いほど、散乱線をより多く遮蔽することができるので、散乱線除去能が高くなる。グリッド板３０１１の幅Ｗが大きいほど、より多くの散乱線を吸収できるため、散乱線除去能が高くなる。また、グリッド板３０１１のピッチＰｉが狭いほど、空間３０１２に入射する１次Ｘ線の割合が高くなるため、散乱線除去能が高くなる。

さらに、グリッド板３０１１を放射線（Ｘ線）の遮蔽能力の高い材料で形成するほど、散乱線除去能は高くなる。例えば、銅やニッケルと比較して原子量が大きいタングステン、モリブデン、鉛などがＸ線の遮蔽能力が高い材料といえる。
また、上記の基準を組み合わせて散乱線除去能を考慮してもよく、例えば、ピッチＰｉに対する高さＨの比であるグリッド比（アスペクト比ともいう）が大きいほど、散乱線除去能が高くなる。

次に、補正処理機能４４５が利用する学習済みモデルの生成方法について図４を参照して説明する。
図４は、学習済みモデルを生成する医用情報処理システムの一例を示すブロック図である。図４に示される医用情報処理システムは、Ｘ線ＣＴ装置１と、学習データ保管装置５０と、モデル学習装置５２とを含む。

学習データ保管装置５０は、複数の学習サンプルを含む学習用データを記憶する。例えば、学習データ保管装置５０は、大容量記憶装置が内蔵されたコンピュータである。また、学習データ保管装置５０は、コンピュータにケーブルや通信ネットワークを介して通信可能に接続された大容量記憶装置であってもよい。当該記憶装置としては、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、集積回路記憶装置等が適宜利用可能である。

モデル学習装置５２は、学習データ保管装置５０に記憶された学習用データに基づいて、モデル学習プログラムに従いモデルに機械学習を行わせることで、学習済みモデル４１１を生成する。本実施形態において、機械学習のアルゴリズムとしては、ニューラルネットワーク、ディープラーニング、Random Forest、またはカーネル回帰等を想定するが、これに限らず他の機械学習のアルゴリズムであってもよい。モデル学習装置５２は、ＣＰＵ（Central Processing Unit）及びＧＰＵ（Graphics Processing Unit）等のプロセッサを有するワークステーション等のコンピュータである。

モデル学習装置５２と学習データ保管装置５０とはケーブル、又は通信ネットワークを介して通信可能に接続されてもよい。また、学習データ保管装置５０がモデル学習装置５２に搭載されてもよい。これらの場合、学習データ保管装置５０からモデル学習装置５２へ学習用データが供給される。なお、モデル学習装置５２と学習データ保管装置５０とは通信可能に接続されてなくてもよい。この場合、学習用データが記憶された可搬性記憶媒体を介して、学習データ保管装置５０からモデル学習装置５２へ学習用データが供給される。

Ｘ線ＣＴ装置１とモデル学習装置５２とはケーブル、又は通信ネットワークを介して通信可能に接続されてもよい。モデル学習装置５２で生成された学習済みモデル４１１がＸ線ＣＴ装置１へ供給され、学習済みモデル４１１がメモリ４１に記憶される。なお、Ｘ線ＣＴ装置１とモデル学習装置５２とは、必ずしも通信可能に接続されてなくてもよい。この場合、学習済みモデル４１１が記憶された可搬型記憶媒体等を介して、モデル学習装置５２からＸ線ＣＴ装置１へ学習済みモデル４１１が供給される。

学習済みモデル４１１は、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。学習済みモデル４１１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よい。

なお、第１の実施形態に係る学習済みモデル４１１は、機械学習前の多層化ネットワーク（単にモデルともいう）をディープニューラルネットワーク（ＤＮＮ）に代表されるニューラルネットワークで機械学習させることで生成される。なお、ニューラルネットワークに限らず、学習済みモデル４１１は、上述した機械学習のアルゴリズムによりモデルを学習させることで生成されてもよい。また、学習済みモデル４１１は、パラメータ付き合成関数ではなく、ルックアップテーブル（ＬＵＴ）により実現してもよい。

次に、モデル学習装置５２によるモデルの学習時の概念について図５を参照して説明する。
モデル学習装置５２は、学習用データを用いて学習用プログラムである多層化ネットワーク４１０を機械学習させればよい。学習済みモデル４１１は、Ｘ線ＣＴ装置１のコンソール装置４０にインストールされる。また、Ｘ線ＣＴ装置１の修理時やソフトウェアのアップデート時において学習済みモデル４１１をアップデートできるようにしてもよい。

学習済みモデル４１１のモデル学習時には、例えば工場出荷時などにおいて、散乱線除去能が低いハードウェアを実装した装置により実際に被検体Ｐを撮影した医用データを入力データとし、散乱線除去能が高いハードウェアを実装した装置により実際に被検体Ｐを撮影した医用データを正解データ（出力データ）とした学習用データが用いられる。このとき、患者や健常者等の他、ファントムや亡くなった患者、生きている動物又は死んでいる動物が被検体Ｐとして用いられてもよい。入力データと正解データとは、実測のデータだけでなく、シミュレーションにより生成されたデータでもよいし、実測のデータを加工して生成されたデータでもよい。
散乱線除去能が高いハードウェアは、製造コスト及び材料の耐久性の観点から、汎用機器として流通させるのが難しい場合がある。よって、散乱線除去能が高いハードウェアを実装した装置を製造し、当該装置に基づいて取得した医用データを正解データして学習済みモデルを生成することで、散乱線除去能が高いハードウェアのデータに基づく知見を、散乱線除去能が低いが耐久性があるハードウェアを実装した汎用機器にも適用することができる。

ここで、散乱線除去能の高低の関係は、入力データと正解データとを比較し、正解データのほうが入力データよりも高い散乱線除去能に基づくデータとなる関係であればよい。
具体的には、学習用データとして、１次元の散乱線除去グリッドを用いて撮影された医用データを入力データとし、２次元の散乱線除去グリッドを用いて撮影された医用データを正解データとすればよい。

また、入力データよりも正解データのほうが散乱線除去グリッドの次元数が高い場合は勿論、入力データと正解データとが同じ次元の散乱線除去グリッドにより撮影される場合でも、図３に示すような散乱線除去グリッドのパラメータを変更すれば、学習用データを生成できる。

例えば、入力データを撮影する際に用いた散乱線除去グリッドよりも、グリッドの高さ（グリッド板の高さ）が高い散乱線除去グリッドを用いて撮影された医用データを、正解データとして用いればよい。または、入力データを撮影する際に用いた散乱線除去グリッドよりも、グリッド板の厚みが厚い散乱線除去グリッドを用いて撮影された医用データを、正解データとして用いればよい。または、入力データを撮影する際に用いた散乱線除去グリッドよりも、グリッド比が大きい散乱線除去グリッドを用いて撮影された医用データを、正解データとして用いればよい。または、入力データを撮影する際に用いた散乱線除去グリッドよりも、放射線（Ｘ線）の遮蔽能力が高い材料を用いて生成された散乱線除去グリッドを用いて撮影された医用データを、正解データとして用いればよい。

上述の例は、入力データ及び正解データ共に、散乱線除去グリッドの散乱線除去能の違い、すなわちハードウェアの性能の違いを学習させる例であるが、正解データとして、ハードウェアの性能の違いに加え、ソフトウェアによる散乱線補正を行った医用データを正解データとして用いてもよい。具体的には、例えば、学習用データとして、１次元の散乱線除去グリッドを用いて撮影された医用データを入力データとし、２次元の散乱線除去グリッドを用いて撮影された医用データに対し、さらにソフトウェアによる散乱線補正処理を行った医用データを正解データとすればよい。

これにより、後述する学習済みモデル４１１の利用時に、学習済みモデル４１１から出力される医用データに対して、別途ソフトウェアによる散乱線補正処理を行わなくてよいため、ソフトウェアによる散乱線補正に係る計算時間を省略し、処理に係る全体の計算時間を短くすることができる。結果、処理の効率化を図ることができる。

一方、正解データから入力データを生成してもよい。例えば、２次元の散乱線除去グリッドを用いて撮影した医用データを、１次元の散乱線除去グリッドを用いて撮影した医用データの散乱線除去能と同程度となるようにシミュレーションで医用データの品質を低下させる。つまり、医用データに含まれる散乱線成分を増加させる。具体的には、シミュレーションにより、１次元の散乱線除去グリッドによる散乱線除去能と２次元の散乱線除去グリッドによる散乱線除去との散乱線成分の差分を算出し、当該散乱線成分の差分と正解データとを合成する。こうすることで、散乱線の影響が増加した医用データを生成することができる。このように、高い散乱線除去能を有する２次元の散乱線除去グリッドに基づく医用データから、低い散乱線除去能に基づく医用データを入力データとして生成することで、正解データを得るだけで学習用データを容易に生成することができる。

次に、図５で機械学習させた学習済みモデル４１１の利用時の概念について図６を参照して説明する。
学習済みモデル４１１の利用時には、Ｘ線ＣＴ装置１を用いて撮影した処理対象の医用データが学習済みモデル４１１に入力される。学習済みモデル４１１は、入力された処理対象の医用データよりも散乱線成分が除去された医用データを出力する。具体的には、例えば、１次元の散乱線除去グリッドを有するＸ線ＣＴ装置１により撮影された第１の医用データが学習済みモデル４１１に入力され、第１の医用データから、２次元の散乱線除去グリッドに基づいて取得されるような第２の医用データが生成される。

なお、医用データは、上述したようにＣＴ画像データでもよいし、投影データであってもよい。医用データがＣＴ画像データであれば、学習済みモデル４１１に対してＣＴ画像データが入力され、入力されたＣＴ画像データよりも散乱線成分が除去されたＣＴ画像データが出力される。医用データが投影データであれば、学習済みモデル４１１に対して投影データが入力され、投影データの散乱線除去能よりも高い散乱線除去能に基づいて得られるＣＴ画像データが出力される。

なお、学習済みモデル４１１の出力として、投影データを出力してもよい。つまり、入力された投影データよりも散乱線成分が除去された投影データが出力される。当該学習済みモデル４１１の出力である投影データは、例えば再構成処理機能４４３により再構成処理されるなど、既存の再構成処理を適用することできる。よって、例えば、病院などに既に配備されているＸ線ＣＴ装置のコンソール装置に本実施形態に係る医用画像処理装置を実装すれば、配備されているＸ線ＣＴ装置が有する散乱線除去能よりも高い散乱線除去能に基づいて得られるＣＴ画像を生成することができる。

以上に示した第１の実施形態によれば、学習時には、散乱線除去能に関し高品質かつ高性能なハードウェアを実装した正解データ作成用のＸ線ＣＴ装置により生成した正解データを用いて、学習済みモデルを生成する。当該正解データ作成用のＸ線ＣＴ装置よりも散乱線除去能が低いＸ線ＣＴ装置で当該学習済みモデルを利用すれば、散乱線除去能が低いＸ線ＣＴ装置でも高精度の散乱線補正が施された医用データを出力することができる。つまり、正解データ作成用の装置よりも散乱線除去能が劣るＸ線ＣＴ装置でも、正解データ作成用のＸ線ＣＴ装置並みの散乱線除去能により散乱線補正処理が施された医用データを生成することができる。
すなわち、本実施形態に係るＸ線ＣＴ装置によれば、学習済みモデルを用いることで、実際のＸ線ＣＴ装置の構成よりも高い散乱線除去能に基づいた、コントラストがより改善されたＣＴ画像を生成することができる。よって、コストを抑えつつ高画質な画像を得ることができる。

（第２の実施形態）
上述の実施形態に係る散乱線補正処理は、Ｘ線ＣＴ装置１のコンソール装置４０で行われることに限らず、例えば、ワークステーションに含まれるような医用画像処理装置において実行されてもよい。

第２の実施形態に係る、散乱線補正処理を実行する医用画像処理装置を図７のブロック図を参照して説明する。
医用画像処理装置７００は、処理回路７２０と、ストレージ７４０と、通信インターフェース７６０とを含む。また、信号のやりとりは、バス７８０を介して行われる。

処理回路７２０は、取得機能７２２と、補正処理機能７２４とを含む。取得機能７２２は、通信インターフェース７６０を介して、Ｘ線ＣＴ装置１から医用データとして投影データまたはＣＴ画像データを取得する。補正処理機能７２４は、上述した実施形態と同様の処理を行うため、ここでの詳細な説明は省略する。
ストレージ７４０は、例えばメモリであり、学習済みモデル４１１などを記憶する。
通信インターフェース７６０は、Ｘ線ＣＴ装置１とデータのやりとりを行う。

以上に示した第２の実施形態によれば、医用画像処理装置が第１の実施形態に示す散乱線補正処理を実行することで、ユーザがＸ線ＣＴ装置１のコンソール画面を見ながら操作する代わりに、Ｘ線ＣＴ装置１と別室で散乱線補正処理を行うこともできる。

以上説明した少なくとも１つの実施形態によれば、コストを抑えつつ高画質な画像を得ることができる。

なお、Ｘ線ＣＴ装置には、Ｘ線管と検出器とが一体として被検体Ｐの周囲を回転するＲｏｔａｔｅ／Ｒｏｔａｔｅ−Ｔｙｐｅ（第３世代ＣＴ）、リング状にアレイされた多数のＸ線検出素子が固定され、Ｘ線管のみが被検体Ｐの周囲を回転するＳｔａｔｉｏｎａｒｙ／Ｒｏｔａｔｅ−Ｔｙｐｅ（第４世代ＣＴ）等様々なタイプがあり、いずれのタイプでも本実施形態へ適用可能である。

なお、Ｘ線を発生させるハードウェアはＸ線管１１に限られない。例えば、Ｘ線管１１に替えて、電子銃から発生した電子ビームを集束させるフォーカスコイルと、電磁偏向させる偏向コイルと、被検体Ｐの半周を囲い偏向した電子ビームが衝突することによってＸ線を発生させるターゲットリングとを含む第５世代方式を用いてＸ線を発生させることにしても構わない。

さらに、本実施形態においては、一管球型のＸ線ＣＴ装置にも、Ｘ線管と検出器との複数のペアを回転リングに搭載した、いわゆる多管球型のＸ線ＣＴ装置にも適用可能である。

加えて、実施形態に係る各機能は、前記処理を実行するプログラムをワークステーション等のコンピュータにインストールし、これらをメモリ上で展開することによっても実現することができる。このとき、コンピュータに前記手法を実行させることのできるプログラムは、磁気ディスク（ハードディスクなど）、光ディスク（ＣＤ−ＲＯＭ、ＤＶＤなど）、半導体メモリなどの記憶媒体に格納して頒布することも可能である。

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ものである。

１ Ｘ線ＣＴ装置
１０ 架台装置
１１ Ｘ線管
１２ Ｘ線検出器
１３ 回転フレーム
１４ Ｘ線高電圧装置
１５ 制御装置
１６ ウェッジ
１７ コリメータ
１８ データ収集装置（ＤＡＳ）
１９ 開口（ボア）
３０ 寝台装置
３１ 基台
３２ 寝台駆動装置
３３ 天板
３４ 支持フレーム
４０ コンソール装置
４１ メモリ
４２ ディスプレイ
４３ 入力インターフェース
４４，７２０ 処理回路
５０ 学習データ保管装置
５２ モデル学習装置
３０１ 散乱線除去グリッド
３０２ シンチレータアレイ
４１０ 多層化ネットワーク
４１１ 学習済みモデル
４４１ システム制御機能
４４２ 前処理機能
４４３ 再構成処理機能
４４４，７２２ 取得機能
４４５，７２４ 補正処理機能
４４６ 表示制御機能
７００ 医用画像処理装置
７４０ ストレージ
７６０ 通信インターフェース
７８０ バス
３０１１ グリッド板
３０１２ 空間

Claims (9)

1. 第１の散乱線除去能を有するハードウェアに基づいた、処理対象の第１の医用データを取得する取得部と、
   第１の医用データが入力され前記第１の散乱線除去能よりも高い第２の散乱線除去能に基づく第２の医用データを出力する学習済みモデルに従い、前記処理対象の第１の医用データから第２の医用データを生成する処理部と、
   を備える医用画像処理装置。
2. 第１の医用データは、１次元の散乱線除去グリッドに基づいて取得された医用データであり、
   第２の医用データは、２次元の散乱線除去グリッドに基づいて取得された医用データである、請求項１に記載の医用画像処理装置。
3. 前記第１の医用データは、１次元または２次元の散乱線除去グリッドに基づいて取得された医用データであり、
   前記第２の医用データは、２次元の散乱線除去グリッドに基づいて取得された医用データに対し、ソフトウェアによる散乱線補正処理が行われた医用データである、請求項１に記載の医用画像処理装置。
4. 前記第１の医用データは、前記第２の医用データに含まれる散乱線成分を増加させた医用データである請求項１に記載の医用画像処理装置。
5. 前記第２の医用データは、前記第１の医用データの取得に用いた散乱線除去グリッドよりも、グリッドの高さが高い散乱線除去グリッドに基づいて取得された医用データである、請求項１から請求項４のいずれか１項に記載の医用画像処理装置。
6. 前記第２の医用データは、前記第１の医用データの取得に用いた散乱線除去グリッドよりも、グリッド板の厚みが厚い散乱線除去グリッドに基づいて取得された医用データである、請求項１から請求項５のいずれか１項に記載の医用画像処理装置。
7. 前記第２の医用データは、前記第１の医用データの取得に用いた散乱線除去グリッドよりも、グリッド比が大きい散乱線除去グリッドに基づいて取得された医用データである、請求項１から請求項６のいずれか１項に記載の医用画像処理装置。
8. 前記第２の医用データは、前記第１の医用データの取得に用いた散乱線除去グリッドよりも、放射線の遮蔽能力が高い材料を用いて生成された散乱線除去グリッドに基づいて取得された医用データである、請求項１から請求項７のいずれか１項に記載の医用画像処理装置。
9. 第１の散乱線除去能を有するハードウェアに基づいた、処理対象の第１の医用データを取得し、
   第１の医用データが入力され前記第１の散乱線除去能よりも高い第２の散乱線除去能に基づく第２の医用データを出力する学習済みモデルに従い、前記処理対象の第１の医用データから第２の医用データを生成する医用画像処理方法。