JP2020091232A - 医用画像処理装置、核医学診断装置、医用画像処理方法、および学習装置 - Google Patents

Abstract

【課題】心臓の内部状態を表す画像に基づいて冠動脈の狭窄に関する情報を精度よく推定することである。【解決手段】実施形態の医用画像処理装置は、第１取得部と、狭窄情報生成部とを持つ。第１取得部は、被検体の心臓をスキャンして得られる核医学診断画像を取得する。狭窄情報生成部は、少なくとも核医学診断画像に基づいて被検体の冠動脈の狭窄に関する情報を出力する学習済みモデルに、少なくとも前記第１取得部により取得された核医学診断画像を入力することで、前記被検体の冠動脈の狭窄に関する情報を生成する。【選択図】図１

Description

本発明の実施形態は、医用画像処理装置、核医学診断装置、医用画像処理方法、および学習装置に関する。

シンチグラフィを行なうための核医学診断装置が知られている。核医学診断装置には、ＳＰＥＣＴ（Single Photon Emission computed Tomography）装置やＰＥＴ（Positron Emission Tomography）装置がある。核医学診断装置は、放射性同位元素（Radio Isotope；ＲＩ）を含む血流マーカやトレーサなどの薬品が生体内の特定組織や臓器に選択的に取り込まれる性質を利用して、生体内に分布したＲＩから放射されるガンマ線を、生体外に配設されたガンマ線検出器を有するガンマカメラで検出する。核医学診断装置は、ガンマ線検出器によって検出したガンマ線の線量分布を画像化した核医学診断画像を生成することで、被検体（患者）の内部画像を提供することができる。

核医学診断装置は、主に被検体の頭部や心臓を対象として使用されている。心臓を検査する場合、核医学診断装置によって負荷ＳＰＥＣＴ検査が行われ、ある程度の異常が発見された場合に冠動脈ＣＴ検査が行われる。冠動脈ＣＴ検査は造影剤を用いるため被検体のアレルギー体質に配慮が必要であり、透析、糖尿病、喘息等の患者に対してはなるべく回避されることが好ましい。このため、上記の属性を有する被検体に対しては、まず負荷ＳＰＥＣＴ検査を行い、軽度灌流異常や判定困難であることが判明した場合に冠動脈ＣＴ検査を行うことが行われてきた。しかしながら、従来の技術では、負荷ＳＰＥＣＴ検査などの核医学診断装置による検査の結果、すなわち心臓の内部状態を表す画像から冠動脈の狭窄に関する情報を精度よく推定することができない場合があった。

米国特許出願公開第２０１７／００７１４７９号明細書

本発明が解決しようとする課題は、心臓の内部状態を表す画像に基づいて冠動脈の狭窄に関する情報を精度よく推定することである。

実施形態の医用画像処理装置は、第１取得部と、狭窄情報生成部とを持つ。第１取得部は、被検体の心臓をスキャンして得られる核医学診断画像を取得する。狭窄情報生成部は、少なくとも核医学診断画像に基づいて被検体の冠動脈の狭窄に関する情報を出力する学習済みモデルに、少なくとも前記第１取得部により取得された核医学診断画像を入力することで、前記被検体の冠動脈の狭窄に関する情報を生成する。

第１の実施形態に係る核医学診断装置１の一例を示すブロック図。 ＰｏｌａｒＭａｐが作成される様子を模式的に示す図。 負荷時と安静時のＰｏｌａｒＭａｐを比較した図。 学習装置１００の構成の一例を示す図。 モデル生成機能１５４による処理の内容を模式的に示す図。 狭窄情報生成機能７５による処理の内容を模式的に示す図。 狭窄情報生成機能７５の処理結果としてディスプレイ５４に表示される画像を例示した図（その１）。 狭窄情報生成機能７５の処理結果としてディスプレイ５４に表示される画像を例示した図（その２）。 狭窄情報生成機能７５の処理結果としてディスプレイ５４に表示される画像を例示した図（その３）。 モデル生成機能１５４により実行される処理の流れの一例を示すフローチャート。 コンソール装置５０により実行される処理の流れの一例を示すフローチャート。 第2の実施形態に係る医用サービス提供装置２００の構成と、核医学診断装置１Ａとの関係の一例を示す図。

以下、実施形態の医用画像処理装置、核医学診断装置、医用画像処理方法、および学習装置を、図面を参照して説明する。以下の実施形態では、核医学診断装置はＳＰＥＣＴ装置であるものとするが、核医学診断装置はＳＰＥＣＴ装置に限らず、ＰＥＴ装置であってもよい。

（第１の実施形態）
図１は、第１の実施形態に係る核医学診断装置１の一例を示すブロック図である。核医学診断装置１は、例えば、スキャナ装置１０と、コンソール装置５０とを備える。第１の実施形態では、コンソール装置５０が医用画像処理装置の一例である。

［スキャナ装置］
スキャナ装置１０は、例えば、固定架台１２と、回転架台１４と、回転駆動装置１６と、１２０度ずつずらして回転架台１４に取り付けられた３組のガンマ線検出器２０およびコリメータ２２と、コリメータ駆動回路２４と、データ収集回路２６と、天板３０と、天板駆動装置３２とを備える。

固定架台１２は、スキャナ装置１０が設置される室内の床に固定される。回転架台１４は、固定架台１２に対して回転軸ＡＸ回りに回転可能に支持される。被検体Ｐは、体軸が回転架台１４の回転軸ＡＸと略平行になるように天板３０に載置される。

回転駆動装置１６は、回転架台１４を回転軸ＡＸ周りに回転させる。回転駆動装置１６は、例えば、モータなどの駆動手段、駆動手段を制御するための電子部品、および駆動手段の回転軸の回転力を回転架台１４に伝達するローラなどの伝達手段を有する。回転駆動装置１６は、処理回路７０により制御される。例えば、処理回路７０は、回転架台１４を介してガンマ線検出器２０を回転軸ＡＸ周りに連続的に、あるいはステップ的に回転させることで、複数方向からの被検体Ｐの投影データを収集することを可能にする。

ガンマ線検出器２０は、被検体Ｐに投与されたテクネシウムなどのＲＩ（放射性同位元素）により放射されるガンマ線を検出する。ガンマ線検出器２０の検出タイミングは、処理回路７０によって制御される。ガンマ線検出器２０は、例えば、シンチレータ型検出器、または半導体型検出器である。これについては後述する。

コリメータ２２は、ガンマ線検出器２０に入射するガンマ線の入射角度を規制する。コリメータ２２は、鉛やタングステンなどの放射線を透過しづらい物質により形成される。コリメータ２２には、光子が飛来する方向を規制するための複数の孔が設けられる。この孔の断面は、例えば六角形などの多角形形状を有する。

ガンマ線検出器２０がシンチレータ型検出器である場合、ガンマ線検出器２０は、例えば、コリメータ２２によりコリメートされたガンマ線が入射すると瞬間的な閃光を発するシンチレータと、ライトガイドと、シンチレータから射出された光を検出する２次元に配列された複数の光電子増倍管と、シンチレータ用電子回路とを有する。シンチレータは、例えばタリウム活性化ヨウ化ナトリウムＮａＩ（Ｔｌ）により構成される。シンチレータ用電子回路は、ガンマ線が入射する事象（イベント）が発生するごとに、複数の光電子増倍管の出力に基づいて複数の光電子増倍管により構成される検出面内におけるガンマ線の入射位置情報（位置情報）、入射強度情報および入射時刻情報を生成しコンソール装置５０の処理回路７０に出力する。この位置情報は、検出面内の２次元座標の情報であってもよいし、あらかじめ検出面を複数の分割領域（１次セル）に仮想的に分割しておき（例えば１０２４×１０２４個に分割しておき）、どの１次セルに入射があったかを示す情報であってもよい。

ガンマ線検出器２０が半導体型検出器である場合、ガンマ線検出器２０は、コリメータ２２によりコリメートされたガンマ線を検出するための２次元に配列された複数の半導体素子と、半導体用電子回路などを有する。半導体素子は、例えばＣｄＴｅやＣｄＺｎＴｅ（ＣＺＴ）により形成される。半導体用電子回路は、ガンマ線が入射する事象（イベント）が発生するごとに、半導体素子の出力に基づいて入射位置情報、入射強度情報および入射時刻情報を生成して処理回路７０に出力する。この位置情報は、複数の半導体素子（例えば１０２４×１０２４個）のうちどの半導体素子に入射したかを示す情報である。

コリメータ駆動回路２４は、例えば、ガンマ線検出器２０およびコリメータ２２を、回転架台１４の回転軸ＡＸに近づけ、或いは遠ざける方向に駆動する。

データ収集回路２６は、例えばプリント回路基板を含む。データ収集回路２６は、処理回路７０からの指示に従い、少なくともガンマ線検出器２０を制御することにより、被検体Ｐの撮像を実行する。データ収集回路２６は、ガンマ線検出器２０により検出されたガンマ線の検出位置情報、強度情報、ガンマ線検出器２０と被検体Ｐとの相対位置を示す情報、およびガンマ線の検出時刻を、ガンマ線の入射イベントに対応付けて収集する。

天板３０は、被検体Ｐを載置すると共に、被検体Ｐの動きを規制する。天板駆動装置３２は、処理回路７０により制御され、天板３０を、回転架台１４の回転軸ＡＸに沿って、或いは上下方向（図中、Ｙ方向）に移動させる。天板駆動装置３２は、駆動源としてのモータ、およびモータを制御するための電子部品などを有する。

［コンソール装置］
コンソール装置５０は、例えば、入力インターフェース５２と、ディスプレイ５４と、記憶回路５６と、ネットワーク接続回路５８と、処理回路７０とを備える。コンソール装置５０は、核医学診断装置１専用に設計された装置であってもよいし、汎用のパーソナルコンピュータやワークステーションに必要なプログラムがインストールされたものであってもよい。前者の場合、コンソール装置５０の構成の一部は固定架台１２に分散して配置されてもよい。

入力インターフェース５２は、例えば、キーボードやマウス、タッチパネル、トラックボールなどの装置を含む。入力インターフェース５２は、ユーザの操作に対応した操作入力信号を処理回路７０に出力する。

ディスプレイ５４は、例えば、ＬＣＤ（Liquid Crystal Display）や有機ＥＬ（Electroluminescence）ディスプレイなどである。

記憶回路５６は、ＨＤＤ（Hard Disk Drive）やフラッシュメモリなどの非一次的記憶媒体を含む。また、記憶回路５６は、ＲＡＭ（Random Access Memory）やレジスタなどの記憶媒体を含んでもよい。記憶回路５６は、ハードウェアプロセッサが読み込み可能なデータを格納する。記憶回路５６には、例えば、処理回路７０により生成される核医学診断画像５６−１や所見情報５６−２、学習済みモデル５６−３などの情報が格納される。また、記憶回路５６には、処理回路７０のハードウェアプロセッサが実行するプログラムが格納されてもよい。

ネットワーク接続回路５８は、例えば、プリント回路基板を有するネットワークカード、或いは無線通信モジュールなどを含む。ネットワーク接続回路５８は、接続する対象のネットワークの形態に応じた情報通信用プロトコルを実装する。ネットワークは、例えば、ＬＡＮ（Local Area Network）やＷＡＮ（Wide Area Network）、インターネット、セルラー網、専用回線等を含む。

処理回路７０は、例えば、スキャン制御機能７１と、前処理機能７２と、再構成処理機能７３と、ＰｏｌａｒＭａｐ（ポーラーマップ）作成機能７４と、狭窄情報生成機能７５とを備える。処理回路７０は、例えば、ハードウェアプロセッサが記憶回路５６に記憶されたプログラムを実行することにより、これらの機能を実現するものである。

ハードウェアプロセッサとは、例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、特定用途向け集積回路（Application Specific Integrated Circuit; ＡＳＩＣ）、プログラマブル論理デバイス（例えば、単純プログラマブル論理デバイス（Simple Programmable Logic Device; ＳＰＬＤ）または複合プログラマブル論理デバイス（Complex Programmable Logic Device; ＣＰＬＤ）、フィールドプログラマブルゲートアレイ（Field Programmable Gate Array; ＦＰＧＡ））などの回路（circutry）を意味する。記憶回路５６にプログラムを記憶させる代わりに、ハードウェア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、ハードウェアプロセッサは回路内に組み込まれたプログラムを読み出し実行することで機能を実現する。ハードウェアプロセッサは、単一の回路として構成されるものに限らず、複数の独立した回路を組み合わせて１つのハードウェアプロセッサとして構成され、各機能を実現するようにしてもよい。また、複数の構成要素を１つのハードウェアプロセッサに統合して各機能を実現するようにしてもよい。

スキャン制御機能７１は、入力インターフェース５２により受け付けられたスキャン計画の実行指示に基づいて、回転駆動装置１６、コリメータ駆動回路２４、データ収集回路２６、天板駆動装置３２のうち一部または全部を制御してスキャンを実行し、データ収集回路２６から投影データを取得する。

前処理機能７２は、例えば、入力インターフェース５２により受け付けられ、或いは記憶回路５６に記憶された前処理条件情報に基づいて、投影データに対する前処理を実行する。前処理には、例えば、均一性補正処理、回転中心補正処理、前処理フィルタ処理、ファンビーム投影データをパラレルビーム投影データに変換する処理などが含まれる。

再構成処理機能７３は、前処理機能７２によって前処理が行われた投影データに対して再構成処理を行い、ボリュームデータを生成する。ボリュームデータは、核医学診断画像５６−１の一つとして記憶回路５６に格納される。核医学診断画像５６−１は、心筋の各位置における核種の量を反映した画像である。再構成処理機能７３は、例えば、Ｃｈａｎｇ法逐次近似法（Iterative Chang）に基づいて再構成処理を行う。これに代えて、再構成処理機能７３は、ＭＬ−ＥＭ（Maximum Likelihood-Expectation Maximization）法、ＯＳ−ＥＭ（Ordered Subset Expectation Maximization）法などに基づいて再構成処理を行ってもよい。

ＰｏｌａｒＭａｐ作成機能７４は、再構成処理機能７３によって生成されたボリュームデータに基づいて、ＰｏｌａｒＭａｐ（ポーラーマップ）を生成する。ＰｏｌａｒＭａｐは、核医学診断画像５６−１の他の一つとして記憶回路５６に格納される。ＰｏｌａｒＭａｐは、例えば、ボリュームデータから短軸断面、垂直長軸断面、水平長軸断面などの断面画像を軸に沿って複数抽出し、抽出した断面画像を重ね合わせることで生成される。図２は、ＰｏｌａｒＭａｐが作成される様子を模式的に示す図である。図中の断面ＣＳは、短軸断面である。第１の実施形態において、ＰｏｌａｒＭａｐ作成機能７４が第１取得部の一例である。ＰｏｌａｒＭａｐ作成機能７４は、短軸断面に代えて、垂直長軸断面または水平長軸断面を抽出して重ね合わせることでＰｏｌａｒＭａｐを生成してもよい。

投影データを取得し、ボリュームデータを生成し、ＰｏｌａｒＭａｐを作成する処理は、例えば、被検体Ｐの安静時と、負荷時のそれぞれにおいて実行される（負荷ＳＰＥＣＴ検査）。負荷時とは、心臓に負荷がかかった状態のことをいう。この状態は、被検体Ｐにトレッドミルやエアロバイク（登録商標）などの機器で運動を行ってもらったり、被検体Ｐに薬剤を投与して疑似的に心臓に負荷のかかった状態にすることで作り出される。図３は、負荷時と安静時のＰｏｌａｒＭａｐを比較した図である。図示するように、負荷時のＰｏｌａｒＭａｐには、血流の低い部分（虚血部分）が示されていることが分かる。この虚血部分の分布および血流低下度合いは、冠動脈の狭窄を推定するための手がかりとなるものである。

狭窄情報生成機能７５は、安静時のＰｏｌａｒＭａｐと、負荷時のＰｏｌａｒＭａｐと、これらのＰｏｌａｒＭａｐに対する医師の所見情報とを学習済みモデル５６−３に入力することで、被検体Ｐの冠動脈の狭窄に関する情報を生成する。所見情報の詳細については後述する。学習済みモデル５６−３は、これらの情報が入力されることで、被検体Ｐの冠動脈の狭窄に関する情報を出力するように、機械学習によって学習されたモデルである。

［学習装置］
学習済みモデル５６−３は、例えば、核医学診断装置１とは別体の学習装置によって生成される。ここで学習装置について説明する。図４は、学習装置１００の構成の一例を示す図である。学習装置１００は、例えば、ネットワーク接続回路１１０と、入力インターフェース１２０と、ディスプレイ１３０と、記憶回路１４０と、処理回路１５０とを備える。

ネットワーク接続回路１１０は、例えば、プリント回路基板を有するネットワークカード、或いは無線通信モジュールなどを含む。ネットワーク接続回路１１０は、接続する対象のネットワークの形態に応じた情報通信用プロトコルを実装する。ネットワークは、例えば、ＬＡＮやＷＡＮ、インターネット、セルラー網、専用回線等を含む。核医学診断装置１のネットワーク接続回路５８と学習装置１００のネットワーク接続回路１１０が同じネットワークに接続することで、核医学診断装置１と学習装置１００とが通信可能となる。

入力インターフェース１２０は、例えば、キーボードやマウス、タッチパネル、トラックボールなどの装置を含む。入力インターフェース１２０は、ユーザの操作に対応した操作入力信号を処理回路１５０に出力する。

ディスプレイ１３０は、例えば、ＬＣＤ（Liquid Crystal Display）や有機ＥＬ（Electroluminescence）ディスプレイなどである。

記憶回路１４０は、ＨＤＤやフラッシュメモリなどの非一次的記憶媒体を含む。また、記憶回路１４０は、ＲＡＭやレジスタなどの記憶媒体を含んでもよい。記憶回路１４０は、ハードウェアプロセッサが読み込み可能なデータを格納する。記憶回路１４０には、例えば、処理回路１５０により参照される学習データ１４０−１や教師データ１４０−２、処理回路１５０が生成する学習済みモデル１４０−３などの情報が格納される。また、記憶回路１４０には、処理回路１５０のハードウェアプロセッサが実行するプログラムが格納されてもよい。

処理回路１５０は、例えば、データ取得機能１５２と、モデル生成機能１５４とを備える。処理回路１５０は、例えば、ハードウェアプロセッサが記憶回路１４０に記憶されたプログラムを実行することにより、これらの機能を実現するものである。

データ取得機能１５２は、例えば、安静時および負荷時のＰｏｌａｒＭａｐと、これらのＰｏｌａｒＭａｐに対する医師の所見情報とを取得し、学習データ１４０−１として記憶回路１４０に記憶させる。また、データ取得機能１５２は、上記の学習データに係る被検体Ｐに関する、冠動脈の狭窄に関する情報を取得し、教師データ１４０−２として記憶回路１４０に記憶させる。同じ被検体Ｐから得られた１セットの学習データ１４０−１と教師データ１４０−２は、互いに対応付けられている。データ取得機能１５２は、例えば、一以上の核医学診断装置１からネットワークを介してこれらの情報を取得する。また、データ取得機能１５２は、可搬型の記憶媒体に格納されたデータを、図示しないドライブ装置を介して取得してもよい。データ取得機能１５２は、第2取得部の一例である。

所見情報とは、例えば、安静時および負荷時のＰｏｌａｒＭａｐを視認した医師による診断結果（推定結果）である。安静時および負荷時のＰｏｌａｒＭａｐを視認した医師は、例えば、「右冠状動脈の狭窄が高い」といった情報を画像診断報告書またはカルテに記載すると共に、入力インターフェース５２を用いて入力する。また、所見情報は、安静時および負荷時のＰｏｌａｒＭａｐを、複数の分割領域ごとに医師が評価した評価値の集合であってもよい。また、所見情報は、医師により作成される情報に限らず、安静時および負荷時のＰｏｌａｒＭａｐに対する画像処理によって生成される情報であってもよい。この場合、例えば、狭窄情報生成機能７５が安静時および負荷時のＰｏｌａｒＭａｐに対する画像処理を行って所見情報を生成する。

冠動脈の狭窄に関する情報とは、例えば、狭窄率の情報と狭窄血管部位の情報とを含む。狭窄率の情報と狭窄血管部位の情報は、例えば、冠動脈ＣＴに基づいて、医師等により判断され、或いはコンピュータ処理によって得られたた結果である。これらの情報は、医師によって紙媒体または電子情報としてのカルテに書き込まれた情報から転写されたものでもよいし、冠動脈ＣＴの診断結果を電子的に取得したものであってもよい。また、冠動脈の狭窄に関する情報は、狭窄率が３０［％］以上の血管の有無を示す情報であってもよいし、ＣＴ−ＦＦＲ（Fractional Flow Reserve：心筋血流予備量比）値であってもよい。

図５は、モデル生成機能１５４による処理の内容を模式的に示す図である。モデル生成機能１５４は、予め接続情報等が定義されると共に接続係数等のパラメータが暫定的に設定された機械学習モデルに対して、複数セットの学習データ１４０を入力し、その結果が、学習データ１４０に対応する教師データ１４０−２に近づくように、機械学習モデルにおけるパラメータを調整する。モデル生成機能１５４は、例えば、バックプロパゲーション（逆誤差伝搬法）によって機械学習モデルのパラメータを調整する。機械学習モデルは、例えば、ＣＮＮ（Convolution Neural Network）を利用したＤＮＮ（Deep Neural Network）である。１セットの学習データ１４０は、例えば、安静時のＰｏｌａｒＭａｐの各画素の画素値と、負荷時のＰｏｌａｒＭａｐの各画素の画素値と、所見情報を数値化した情報とを結合（コンカチネット）し、ベクトルまたは行列の形式にしたものである。冠動脈の狭窄に関する情報も、例えば、所定次元の数値で表される。モデル生成機能１５４は、予め定められたセット数の学習データ１４０−１と対応する教師データ１４０−２についてバックプロパゲーションを行うと、処理を終了する。その時点の機械学習モデルが学習済みモデル１４０−３となる。なお、モデル生成機能１５４は、ＰｏｌａｒＭａｐのみを用いて学習済みモデル１４０−３を生成してもよいし、安静時のＰｏｌａｒＭａｐと負荷時のＰｏｌａｒＭａｐの双方を入力するのではなく、安静時のＰｏｌａｒＭａｐのみ（或いは安静時のＰｏｌａｒＭａｐと所見情報）を用いて学習済みモデル１４０−３を生成してもよい。

学習済みモデル１４０−３の出力は、教師データ１４０−２と完全に一致する情報、例えば、事象の有無（すなわちゼロか１か）を示すものに限らず、確率分布で表されてもよい。例えば、学習済みモデル１４０−３の出力は、「右冠状動脈に狭窄が生じている確率が８５％」といった情報であってもよい。学習済みモデル１４０−３の出力層を任意に設定することで、教師データ１４０−２と同じ意義を有するが、完全に一致しない情報を出力することもできる。

学習済みモデル１４０−３として機能するデータ構造ないしプログラムは、核医学診断装置１の販売時点で、核医学診断装置１の記憶回路５６に学習済みモデル５６−３として格納されていてもよいし、販売後に核医学診断装置１の記憶回路５６に学習済みモデル５６−３としてインストールされてもよい。後者の場合、学習済みモデル１４０−３は、例えば、学習装置１００のネットワーク接続回路１１０からネットワークを介してネットワーク接続回路５８宛てに送信され、記憶回路５６に格納される。また、学習済みモデル１４０−３は、可搬型の記憶装置に格納されており、可搬型の記憶装置が核医学診断装置１の図示しないドライブ装置に装着されることで記憶回路５６に学習済みモデル５６−３としてインストールされてもよい。

［再：コンソール装置］
以下、再びコンソール装置５０について説明する。狭窄情報生成機能７５は、上記のように学習装置１００によって生成された学習済みモデル５６−３に入力データを入力することで、被検体Ｐの冠動脈の狭窄に関する情報を生成する。図６は、狭窄情報生成機能７５による処理の内容を模式的に示す図である。狭窄情報生成機能７５は、対象となる被検体Ｐに関する、安静時のＰｏｌａｒＭａｐ、負荷時のＰｏｌａｒＭａｐ、および所見情報を結合したものを入力データとして学習済みモデル５６−３に入力する。そして、学習済みモデル５６−３が出力した冠動脈の狭窄に関する情報に基づいて、結果を出力する。狭窄情報生成機能７５は、例えば、ディスプレイ５４に結果を示す画像を表示させる。なお、狭窄情報生成機能７５は、ＰｏｌａｒＭａｐのみを学習済みモデル５６−３に入力してもよいし、安静時のＰｏｌａｒＭａｐと負荷時のＰｏｌａｒＭａｐの双方を入力するのではなく、安静時のＰｏｌａｒＭａｐのみ（或いは安静時のＰｏｌａｒＭａｐと所見情報）を学習済みモデル５６−３に入力してもよい。

図７〜９は、狭窄情報生成機能７５の処理結果としてディスプレイ５４に表示される画像を例示した図である。図示するように、狭窄情報生成機能７５の処理結果として「冠動脈ごとの狭窄が生じている確率」が表示されてもよいし、「狭窄が生じている可能性がある冠動脈についての狭窄率の予測値」が表示されてもよいし、「冠動脈ごとの狭窄率が３０［％］以上である確率」が表示されてもよいし、「狭窄率が３０［％］以上の冠動脈がある確率」が表示されてもよい。

［処理フロー］
図１０は、モデル生成機能１５４により実行される処理の流れの一例を示すフローチャートである。まず、モデル生成機能１５４は、１セットの学習データ１４０−１を取得する（ステップＳ２００）。

次に、モデル生成機能１５４は、取得した１セットの学習データ１４０−１を機械学習モデルに入力し（ステップＳ２０２）、１セットの学習データ１４０−１に対応する教師データ１４０−２から誤差を逆伝搬させる（ステップＳ２０４）。

次に、モデル生成機能１５４は、所定セット数の学習データ１４０−１についてステップＳ２０２およびＳ２０４の処理を行ったか否かを判定する（ステップＳ２０６）。所定セット数の学習データ１４０−１についてステップＳ２０２およびＳ２０４の処理を行っていない場合、モデル生成機能１５４は、ステップＳ２００に処理を戻す。所定セット数の学習データ１４０−１についてステップＳ２０２およびＳ２０４の処理を行った場合、モデル生成機能１５４は、その時点のパラメータを用いて学習済みモデルを確定し（ステップＳ２０８）、本フローチャートの処理を終了する。

図１１は、コンソール装置５０により実行される処理の流れの一例を示すフローチャートである。まず、スキャン制御機能７１が、負荷ＳＰＥＣＴ検査を行うように核医学診断装置１の各部を制御する（ステップＳ３００）。

次に、ＰｏｌａｒＭａｐ作成機能７４が、安静時と負荷時のＰｏｌａｒａＭａｐを作成する（ステップＳ３０２）。次に、狭窄情報生成機能７５が、例えば入力インターフェース５２を介してＰｏｌａｒＭａｐに基づく所見情報を取得し（ステップＳ３０４）、入力データを生成して学習済みモデル５６−３に入力する（ステップＳ３０６）。そして、狭窄情報生成機能７５は、学習済みモデル５６−３の出力に基づいて結果を出力する（ステップＳ３０８）。

以上説明した第１の実施形態によれば、学習済みモデルにＰｏｌａｒＭａｐと所見情報を入力して、被検体Ｐの冠動脈の狭窄に関する情報を生成することにより、心臓の内部状態を表す画像に基づいて冠動脈の狭窄に関する情報を精度よく推定することができる。

（第２の実施形態）
以下、第2の実施形態について説明する。第１の実施形態では、核医学診断装置の一部であるコンソール装置が医用画像処理装置の一例であるものとしたが、第２の実施形態では、医用画像処理装置は核医学診断装置とは別体として構成され、且つ医用画像処理装置と学習装置が一体として構成されるものとする。以下、これを医用サービス提供装置と称する。

図１２は、第2の実施形態に係る医用サービス提供装置２００の構成と、核医学診断装置１Ａとの関係の一例を示す図である。核医学診断装置１Ａは、スキャナ装置１０と、コンソール装置５０Ａとを備える。コンソール装置５０Ａは、第１の実施形態のコンソール装置５０から狭窄情報生成機能７５を除いた構成を有する。また、コンソール装置５０Ａの記憶回路５６には、学習済みモデル５６−３が格納されていなくてもよい。

医用サービス提供装置２００は、例えば、ネットワーク接続回路２１０と、入力インターフェース２２０と、ディスプレイ２３０と、記憶回路２４０と、処理回路２５０とを備える。

ネットワーク接続回路２１０は、第１の実施形態におけるネットワーク接続回路１１０と同様の構成、機能、および役割を有する。入力インターフェース２２０は、第１の実施形態における入力インターフェース１２０と同様の構成、機能、および役割を有する。ディスプレイ２３０は、第１の実施形態におけるディスプレイ１３０と同様の構成、機能、および役割を有する。

記憶回路２４０は、ＨＤＤやフラッシュメモリなどの非一次的記憶媒体を含む。また、記憶回路２４０は、ＲＡＭやレジスタなどの記憶媒体を含んでもよい。記憶回路２４０は、ハードウェアプロセッサが読み込み可能なデータを格納する。記憶回路２４０には、例えば、処理回路２５０により参照される学習データ２４０−１や教師データ２４０−２、処理回路２５０が生成する学習済みモデル２４０−３などの情報が格納される。また、記憶回路２４０には、処理回路２５０のハードウェアプロセッサが実行するプログラムが格納されてもよい。

処理回路２５０は、例えば、データ取得機能２５２と、モデル生成機能２５４と、狭窄情報生成機能２５６とを備える。処理回路２５０は、例えば、ハードウェアプロセッサが記憶回路２４０に記憶されたプログラムを実行することにより、これらの機能を実現するものである。

データ取得機能２５２は、第１の実施形態におけるデータ取得機能１５２と同様の機能および役割を有する。更に、第２の実施形態におけるデータ取得機能２５２は、核医学診断装置１Ａから、対象となる被検体ＰのＰｏｌａｒＭａｐや所見情報などの入力データを取得する。第２の実施形態において、データ取得機能２５２は第１取得部の一例であると共に、第２取得部の一例でもある。

モデル生成機能２５４は、第１の実施形態におけるモデル生成機能２５４と同様の機能を有する。

狭窄情報生成機能２５６は、第１の実施形態における狭窄情報生成機能７５と同様の機能を医用サービス提供装置２００の側に配置したものである。狭窄情報生成機能２５６は、データ取得機能２５２により取得された入力データを、モデル生成機能２５４により生成された学習済みモデル２４０−３に入力することで、被検体Ｐの冠動脈の狭窄に関する情報を生成する。そして、狭窄情報生成機能２５６は、生成した被検体Ｐの冠動脈の狭窄に関する情報を、ネットワーク接続回路２１０を制御して核医学診断装置１Ａに送信する。核医学診断装置１Ａの側では、受信した情報に基づいて、図７〜９で例示したような画像をディスプレイ５４に表示させる。

以上説明した第２の実施形態によれば、第１の実施形態と同様の効果を奏することができる。また、第２の実施形態によれば、狭窄情報生成機能を限られた場所に集約することで、コンピュータリソースの配置を効率化することができる。

上記説明したように、核医学診断装置と、狭窄情報生成機能と、学習機能の配置は任意に定めることができる。例えば、学習モデルに入力データを入力して冠動脈の狭窄に関する情報を出力する装置と、学習装置とが、それぞれ核医学診断装置と別体で存在してもよい。

また、医用画像処理装置が学習モデルに入力する入力データは、ＰｏｌａｒＭａｐなどの核医学診断画像に限らず、被検体の心臓の内部状態を表す画像であれば如何なる画像であってもよい。

上記説明した実施形態は、以下のように表現することができる。
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、
前記ハードウェアプロセッサが前記記憶装置に記憶されたプログラムを実行することで、
被検体の心臓をスキャンして得られる核医学診断画像を取得し、
少なくとも核医学診断画像に基づいて被検体の冠動脈の狭窄に関する情報を出力する学習済みモデルに、少なくとも前記取得された核医学診断画像を入力することで、前記被検体の冠動脈の狭窄に関する情報を生成する、
ように構成されている、医用画像処理装置。

以上説明した少なくともひとつの実施形態によれば、被検体Ｐの心臓をスキャンして得られる核医学診断画像を取得する第１取得部（７４，２５２）と、少なくとも核医学診断画像に基づいて被検体の冠動脈の狭窄に関する情報を出力する学習済みモデル（５６−３，２４０−３）に、少なくとも核医学診断画像を入力することで、被検体Ｐの冠動脈の狭窄に関する情報を生成する狭窄情報生成部（７５，２５６）と、を持つことにより、心臓の内部状態を表す画像に基づいて冠動脈の狭窄に関する情報を精度よく推定することができる。

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、１Ａ 核医学診断装置
１０ スキャナ装置
５０、５０Ａ コンソール装置
５２、１２０、２２０ 入力インターフェース
５４、１３０、２３０ ディスプレイ
５６、１４０、２４０ 記憶回路
５６−１ 核医学診断画像
５６−２ 所見情報
５６−３、１４０−３ 学習済みモデル
５８、１１０、２１０ ネットワーク接続回路
７０、１５０、２５０ 処理回路
７１ スキャン制御機能
７２ 前処理機能
７３ 再構成処理機能
７４ ＰｏｌａｒＭａｐ作成機能
７５、２５６ 狭窄情報生成機能
１００ 学習装置
１４０−１ 学習データ
１４０−２ 教師データ
１５２、２５２ データ取得機能
１５４、２５４ モデル生成機能
２００ 医用サービス提供装置

Claims (9)

1. 被検体の心臓をスキャンして得られる核医学診断画像を取得する第１取得部と、
   少なくとも核医学診断画像に基づいて被検体の冠動脈の狭窄に関する情報を出力する学習済みモデルに、少なくとも前記第１取得部により取得された核医学診断画像を入力することで、前記被検体の冠動脈の狭窄に関する情報を生成する狭窄情報生成部と、
   を備える医用画像処理装置。
2. 前記核医学診断画像は、前記被検体の安静時の核医学診断画像と、前記被検体の負荷時の核医学診断画像とを含み、
   前記狭窄情報生成部は、少なくとも前記被検体の安静時の核医学診断画像と、前記被検体の負荷時の核医学診断画像とを前記学習済みモデルに入力することで、前記被検体の冠動脈の狭窄に関する情報を生成する、
   請求項１記載の医用画像処理装置。
3. 前記学習済みモデルは、前記核医学診断画像と、前記核医学診断画像に対する医師または放射線技師の所見情報とに基づいて前記被検体の冠動脈の狭窄に関する情報を出力するモデルであり、
   前記狭窄情報生成部は、前記核医学診断画像と前記所見情報を前記学習済みモデルに入力することで、前記被検体の冠動脈の狭窄に関する情報を生成する、
   請求項１または２記載の医用画像処理装置。
4. 前記学習済みモデルは、前記核医学診断画像と、前記核医学診断画像を所定の基準で評価した評価結果とに基づいて前記被検体の冠動脈の狭窄に関する情報を出力するモデルであり、
   前記狭窄情報生成部は、前記核医学診断画像と前記評価結果を前記学習済みモデルに入力することで、前記被検体の冠動脈の狭窄に関する情報を生成する、
   請求項１から３のうちいずれか１項記載の医用画像処理装置。
5. 前記核医学診断画像は、心筋の各位置における核種の量を反映した画像である、
   請求項１から４のうちいずれか１項記載の医用画像処理装置と、
6. 請求項１から５のうちいずれか１項記載の医用画像処理装置と、
   前記被検体の心臓をスキャンするスキャナ装置と、
   を備える核医学診断装置。
7. コンピュータにより実行される医用画像処理方法であって、
   被検体の心臓をスキャンして得られる核医学診断画像を取得することと、
   少なくとも核医学診断画像に基づいて被検体の冠動脈の狭窄に関する情報を出力する学習済みモデルに、少なくとも前記取得した核医学診断画像を入力することで、前記被検体の冠動脈の狭窄に関する情報を生成することと、
   を備える医用画像処理方法。
8. 被検体の心臓をスキャンして得られる核医学診断画像と、前記被検体の冠動脈の狭窄に関する情報とを取得する第２取得部と、
   少なくとも前記核医学診断画像を学習データとし、前記被検体の冠動脈の狭窄に関する情報を教師データとして、少なくとも核医学診断画像に基づいて被検体の冠動脈の狭窄に関する情報を出力する学習済みモデルを生成するモデル生成部と、
   を備える学習装置。
9. 少なくとも被検体の心臓の内部状態を表す画像を取得する第１取得部と、
   少なくとも前記画像に基づいて被検体の冠動脈の狭窄に関する情報を出力する学習済みモデルに、少なくとも前記画像を入力することで、前記被検体の冠動脈の狭窄に関する情報を生成する狭窄情報生成部と、
   を備える医用画像処理装置。

Images