JP2020081460A - 医用画像処理装置および医用画像処理方法 - Google Patents
医用画像処理装置および医用画像処理方法 Download PDFInfo
- Publication number
- JP2020081460A JP2020081460A JP2018221418A JP2018221418A JP2020081460A JP 2020081460 A JP2020081460 A JP 2020081460A JP 2018221418 A JP2018221418 A JP 2018221418A JP 2018221418 A JP2018221418 A JP 2018221418A JP 2020081460 A JP2020081460 A JP 2020081460A
- Authority
- JP
- Japan
- Prior art keywords
- medical data
- artifact
- overflow
- function
- data
- 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
Links
- 238000012545 processing Methods 0.000 title claims abstract description 105
- 238000003672 processing method Methods 0.000 title claims description 4
- 238000012937 correction Methods 0.000 claims abstract description 112
- 238000010801 machine learning Methods 0.000 claims description 29
- 238000003384 imaging method Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 description 201
- 238000000034 method Methods 0.000 description 60
- 230000008569 process Effects 0.000 description 44
- 238000002591 computed tomography Methods 0.000 description 36
- 238000001514 detection method Methods 0.000 description 23
- 238000010586 diagram Methods 0.000 description 18
- 230000003287 optical effect Effects 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 239000013078 crystal Substances 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 210000004197 pelvis Anatomy 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000003826 tablet Substances 0.000 description 2
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005401 electroluminescence Methods 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
Description
図1は、第1の実施形態に係るX線CT装置1の構成図である。X線CT装置1は、例えば、架台装置10と、寝台装置30と、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Z軸方向から見た図とX軸方向から見た図の双方を掲載しているが、実際には、架台装置10は一つである。実施形態では、非チルト状態での回転フレーム17の回転軸または寝台装置30の天板33の長手方向をZ軸方向、Z軸方向に直交し、床面に対して水平である軸をX軸方向、Z軸方向に直交し、床面に対して垂直である方向をY軸方向とそれぞれ定義する。
X線高電圧装置14は、回転フレーム17に設けられてもよいし、架台装置10の固定フレーム(不図示)の側に設けられてもよい。
図3は、画像処理機能54の構成図である。画像処理機能54は、例えば、再構成画像取得機能54−1と、アーチファクト判定機能54−2と、アーチファクト補正処理機能54−3とを備える。
以下、第1学習機能57による処理について説明する。図4は、第1学習機能57の構成図である。第1学習機能57は、例えば、再構成画像取得機能57−1と、アーチファクト判定結果受付機能57−2と、判定モデル生成機能57−3とを備える。
判定モデル生成機能57−3は、再構成画像取得機能57−1により取得された再構成画像41−4を学習データとし、その再構成画像41−4に対応付けられた、再構成画像41−4にオーバーフローアーチファクトが含まれるか否かを示す情報(アーチファクト判定結果受付機能57−2により判定された判定結果)を教師データとして機械学習を行うことで、判定モデル41−6を生成する。なお、判定モデル生成機能57−3は、外部装置により実現されてもよい。
以下、第2学習機能58による処理について説明する。図7は、第2学習機能58の構成図である。第2学習機能58は、例えば、再構成画像取得機能58−1と、アーチファクト補正結果受付機能58−2と、補正モデル生成機能58−3とを備える。
図8は、補正モデル41−7による処理の内容について説明するための図である。アーチファクト補正処理機能54−3は、被検体情報41−1と再構成画像41−4とをパラメータとして補正モデル41−7に入力することで、再構成画像41−4に含まれるオーバーフローアーチファクトを補正した補正画像41−5を出力する。
以下、人工的なアーチファクトを用いた補正方法について説明する。図10は、補正画像41−5の生成方法について説明するための図である。X線管11から被検体Pに照射されるX線量を検出するX線検出器15の領域a1+a2において、領域a1は想定通りに再構成画像41−4が取得できた(オーバーフローしない)場合であっても、オーバーフローを誘発しやすい撮影部位(肩部や骨盤部を測定する際に、吸収が少ない体表辺縁)を透過したX線を検出する領域a2においてカウント値の最大値がオーバーフローすることがある。
図11は、X線CT装置1による撮影処理の流れの一例を示すフローチャートである。
図12は、第1学習機能57による第1の学習処理の流れの一例を示すフローチャートである。図12のフローチャートは、例えば、図10のステップS114により、所定セット数以上の学習データが保存された場合に行われる。
図13は、第2学習機能58による第2の学習処理の流れの一例を示すフローチャートである。図13のフローチャートは、例えば、図10のステップS114により、所定セット数以上の学習データが保存された場合に行われる。
以下、第2の実施形態のX線CT装置1Aについて説明する。なお、以下の説明において、第1の実施形態と同一の構成及び機能については第1の実施形態と同一の符号を付し、詳細な説明を省略する。また、第1の実施形態と同じ名称であるが構成または機能が異なるものについては、符号の末尾に「A」を付すものとする。
種別判定モデル生成機能57−3Aは、再構成画像取得機能57−1により取得された再構成画像41−4を学習データとし、その再構成画像41−4に対応付けられた、アーチファクトの種別を示す情報を教師データとして機械学習を行うことで、種別判定モデル41−6Aを生成する。なお、種別判定モデル生成機能57−3Aは、外部装置により実現されてもよい。
図17は、X線CT装置1Aによる撮影処理の流れの一例を示すフローチャートである。
図18は、第1学習機能57Aによる第3の学習処理の流れの一例を示すフローチャートである。図18のフローチャートは、例えば、図17のステップS408により所定セット数以上の学習データが保存された場合や、X線CT装置1Aが1名の被検体の撮影を終了する度などのタイミングで行われる。
ハードウェアプロセッサと、
プログラムを記憶した記憶装置と、を備え、
第1の医用データを取得し、
前記取得された第1の医用データがオーバーフローアーチファクトを含むか否かを判定し、
医用データが入力されたときにオーバーフローアーチファクトが補正された医用データを出力する補正モデルに対して、前記オーバーフローアーチファクトを含むと判定された前記第1の医用データを入力することで、前記第1の医用データのオーバーフローアーチファクトが補正された医用データを生成する、
ように構成されている、医用画像処理装置。
10…架台装置
11…X線管
12…ウェッジ
13…コリメータ
14…X線高電圧装置
15…X線検出器
16…データ収集システム
17…回転フレーム
18…制御装置
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
50…処理回路
54−1…再構成画像取得機能
54−2、54−2A…アーチファクト判定機能
54−3…アーチファクト補正処理機能
57、57A…第1学習機能
57−3…判定モデル生成機能
57−3A…種別判定モデル生成機能
58…第2学習機能
58−3…補正モデル生成機能
Claims (9)
- 第1の医用データを取得する取得部と、
前記取得された第1の医用データがオーバーフローアーチファクトを含むか否かを判定する第1判定部と、
医用データが入力されたときにオーバーフローアーチファクトが補正された医用データを出力する補正モデルに対して、前記第1判定部によりオーバーフローアーチファクトを含むと判定された前記第1の医用データを入力することで、前記第1の医用データのオーバーフローアーチファクトが補正された医用データを生成する補正部と、
を備える医用画像処理装置。 - 前記第1判定部は、前記第1の医用データが入力されたときにオーバーフローアーチファクトを含むか否かを示す情報を出力する判定モデルに対して、前記取得した第1の医用データを入力することで、前記取得した第1の医用データがオーバーフローアーチファクトを含むか否かを判定する、
請求項1に記載の医用画像処理装置。 - 前記補正部は、前記取得部が取得した第1の医用データの被検体を識別し、同一の被検体のオーバーフローアーチファクトが補正された医用データが反映された補正モデルが存在する場合、前記同一の被検体のオーバーフローアーチファクトが補正された医用データが反映された補正モデルを用いて前記医用データを補正する、
請求項1または2に記載の医用画像処理装置。 - 前記補正モデルを生成する補正モデル生成部を更に備え、
前記補正モデル生成部は、オーバーフローアーチファクトを含まない医用データの被検体の撮影部位に基づく人工的なアーチファクトを、前記オーバーフローアーチファクトを含まない医用データに追加した医用データを用いて前記補正モデルを生成する、
請求項1から3のうちいずれか1項に記載の医用画像処理装置。 - 前記補正モデル生成部は、オーバーフローアーチファクトを含まない医用データに対して、カウント値を上昇させることで、前記人工的なアーチファクトを、前記オーバーフローアーチファクトを含まない医用データに追加する、
請求項4に記載の医用画像処理装置。 - 前記第1の医用データを学習データとし、前記第1判定部による前記第1の医用データに対する判定結果を教師データとする判定モデルを生成する、判定モデル生成部、
をさらに備える、請求項1から5のうちいずれか1項に記載の医用画像処理装置。 - コンピュータが、
第1の医用データを取得し、
前記取得された第1の医用データがオーバーフローアーチファクトを含むか否かを判定し、
医用データが入力されたときにオーバーフローアーチファクトが補正された医用データを出力する補正モデルに対して、前記オーバーフローアーチファクトを含むと判定された前記第1の医用データを入力することで、前記第1の医用データのオーバーフローアーチファクトが補正された医用データを生成する、
医用画像処理方法。 - 第1の医用データを取得する取得部と、
前記取得された医用データに基づいて前記医用データが含むアーチファクトの種別を示す情報を出力する種別判定モデルに対して、前記取得した第1の医用データを入力することで、前記取得した第1の医用データが含むアーチファクトの種別を判定する第2判定部と、
を備える医用画像処理装置。 - アーチファクトの種別を判定する種別判定モデルを生成する種別判定モデル生成部を更に備え、
前記種別判定モデル生成部は、前記第1の医用データを学習データとし、前記第1の医用データに含まれるアーチファクトの種別を示す情報を教師データとして機械学習を行うことで、前記種別判定モデルを生成する、
請求項8に記載の医用画像処理装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018221418A JP7144292B2 (ja) | 2018-11-27 | 2018-11-27 | 医用画像処理装置および医用画像処理方法 |
JP2022145479A JP7309988B2 (ja) | 2018-11-27 | 2022-09-13 | 医用画像処理装置および医用画像処理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018221418A JP7144292B2 (ja) | 2018-11-27 | 2018-11-27 | 医用画像処理装置および医用画像処理方法 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022145479A Division JP7309988B2 (ja) | 2018-11-27 | 2022-09-13 | 医用画像処理装置および医用画像処理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020081460A true JP2020081460A (ja) | 2020-06-04 |
JP7144292B2 JP7144292B2 (ja) | 2022-09-29 |
Family
ID=70904990
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018221418A Active JP7144292B2 (ja) | 2018-11-27 | 2018-11-27 | 医用画像処理装置および医用画像処理方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7144292B2 (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013158630A (ja) * | 2012-02-09 | 2013-08-19 | Toshiba Corp | X線診断装置及びx線診断方法 |
JP2015514491A (ja) * | 2012-04-23 | 2015-05-21 | コーニンクレッカ フィリップス エヌ ヴェ | 形状検知によるアーティファクト除去 |
US20170365047A1 (en) * | 2016-06-15 | 2017-12-21 | General Electric Company | Artifact management in imaging |
US20170372193A1 (en) * | 2016-06-23 | 2017-12-28 | Siemens Healthcare Gmbh | Image Correction Using A Deep Generative Machine-Learning Model |
CN107945132A (zh) * | 2017-11-29 | 2018-04-20 | 深圳安科高技术股份有限公司 | 一种基于神经网络的ct图像的伪影校正方法及装置 |
-
2018
- 2018-11-27 JP JP2018221418A patent/JP7144292B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013158630A (ja) * | 2012-02-09 | 2013-08-19 | Toshiba Corp | X線診断装置及びx線診断方法 |
JP2015514491A (ja) * | 2012-04-23 | 2015-05-21 | コーニンクレッカ フィリップス エヌ ヴェ | 形状検知によるアーティファクト除去 |
US20170365047A1 (en) * | 2016-06-15 | 2017-12-21 | General Electric Company | Artifact management in imaging |
US20170372193A1 (en) * | 2016-06-23 | 2017-12-28 | Siemens Healthcare Gmbh | Image Correction Using A Deep Generative Machine-Learning Model |
CN107945132A (zh) * | 2017-11-29 | 2018-04-20 | 深圳安科高技术股份有限公司 | 一种基于神经网络的ct图像的伪影校正方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
JP7144292B2 (ja) | 2022-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2020065920A (ja) | 医用画像診断装置、医用画像診断方法、およびプログラム | |
US10497152B2 (en) | X-ray CT apparatus and reconstruction processing apparatus | |
US20210279918A1 (en) | Medical information processing apparatus, medical image diagnosis apparatus, and medical information processing method | |
US11241212B2 (en) | Medical apparatus | |
JP7179479B2 (ja) | X線ct装置 | |
JP7462433B2 (ja) | 医用診断システム、医用診断装置、および医用情報処理装置 | |
JP7309988B2 (ja) | 医用画像処理装置および医用画像処理方法 | |
JP7144292B2 (ja) | 医用画像処理装置および医用画像処理方法 | |
JP7362322B2 (ja) | X線ctシステム及び医用処理装置 | |
JP2022013679A (ja) | 医用画像処理方法、医用画像処理装置及びx線ct装置 | |
JP7244280B2 (ja) | 医用画像診断装置、および医用画像診断方法 | |
CN111973211A (zh) | 医用图像诊断装置 | |
JP7309381B2 (ja) | 医用画像診断装置および医用寝台装置 | |
JP7320934B2 (ja) | 医用画像処理装置および医用画像処理方法 | |
JP7301607B2 (ja) | 放射線診断装置 | |
US20230145523A1 (en) | Medical image processing apparatus, x-ray ct apparatus, medical image processing method and non-volatile storage medium storing program | |
JP7433809B2 (ja) | 学習済みモデルの生成方法、および医用処理装置 | |
JP7399780B2 (ja) | 医用画像診断装置 | |
JP7062514B2 (ja) | X線ct装置、およびx線管制御装置 | |
US11080898B2 (en) | Adaptive processing of medical images to reduce noise magnitude | |
US11328460B2 (en) | X-ray CT system and processing method | |
US20240099675A1 (en) | Medical image processing device and medical image processing method | |
JP7224208B2 (ja) | 医用処理装置、および医用診断システム | |
JP7362259B2 (ja) | 医用画像診断装置、医用画像診断方法、および寝台装置 | |
JP2023114027A (ja) | 医用情報処理装置、医用情報処理方法、校正情報の取得方法、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: 20211005 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220621 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220817 |
|
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: 20220830 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220915 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7144292 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |