JP2020092739A - 医用画像生成装置、及び医用画像生成プログラム - Google Patents

Abstract

【課題】適切なパラメータで画像データを生成することである。【解決手段】医用画像生成装置は、取得部と、処理部と、決定部とを備える。前記取得部は、被検体が含まれる画像である画像データを取得する。前記処理部は、前記画像データの評価値を用いて学習した学習済みモデルを用いて、前記取得部が取得した前記画像データに応じた出力情報を得る。前記決定部は、前記処理部が得た前記出力情報に基づいて、前記画像データの取得に関するパラメータを決定する。【選択図】図２

Description

本発明の実施形態は、医用画像生成装置、及び医用画像生成プログラムに関する。

従来、超音波診断装置は、血流を色彩で表現するカラーモードを有している。操作者は、カラーモードで正確な血流を示した画像データを生成させるためには、適切なパラメータを設定する必要がある。

しかしながら、適切なパラメータは、被検体の体格や、検査したい被検体の領域の深さや、検査したい臓器等の様々な要因に応じて異なるため、適切なパラメータで画像データを生成することは困難であった。

米国特許出願公開第２０１６／０１７４９４３号明細書 米国特許出願公開第２０１８／００２８０７９号明細書 米国特許出願公開第２００７／００１４４５２号明細書

本発明が解決しようとする課題は、適切なパラメータで画像データを生成することである。

実施形態の医用画像生成装置は、取得部と、処理部と、決定部とを備える。前記取得部は、被検体が含まれる画像である画像データを取得する。前記処理部は、前記画像データの評価値を用いて学習した学習済みモデルを用いて、前記取得部が取得した前記画像データに応じた出力情報を得る。前記決定部は、前記処理部が得た前記出力情報に基づいて、前記画像データの取得に関するパラメータを決定する。

図１は、第１の実施形態に係る医用情報処理システムの構成の一例を示す図である。 図２は、第１の実施形態に係る医用画像生成装置の構成の一例を示すブロック図である。 図３は、超音波画像データに設定された関心領域を説明する説明図である。 図４は、第１学習機能による学習処理を示す図である。 図５は、評価処理機能による運用処理を示す図である。 図６は、第１の実施形態に係る画像生成処理の処理手順を示すフローチャートである。 図７は、第１の実施形態の第１の変形例にかかる医用画像生成装置の構成の一例を示すブロック図である。 図８は、第２の実施形態に係る医用画像生成装置の構成の一例を示すブロック図である。 図９は、第２学習機能による学習処理を示す図である。 図１０は、推定処理機能による運用処理を示す図である。 図１１は、第２の実施形態に係る画像生成処理の処理手順を示すフローチャートである。 図１２は、第２の実施形態の第１の変形例にかかる医用画像生成装置の構成の一例を示すブロック図である。

以下、図面を参照して、医用画像生成装置、及び医用画像生成プログラムの実施形態を説明する。なお、一つの実施形態又は変形例に記載した内容は、他の実施形態又は他の変形例にも同様に適用されてもよい。

（第１の実施形態）
第１の実施形態について説明する。図１は、第１の実施形態に係る医用情報処理システム１の構成の一例を示す図である。図１に示すように、医用情報処理システム１は、医用画像生成装置１０と、電子カルテシステム２０と、ＰＡＣＳ（Picture Archiving and Communication System）３０と、医用情報処理装置４０とを備えている。そして、各システム及び各装置は、ネットワーク５０を介して通信可能に接続されている。なお、図１に示す構成はあくまでも一例であり、図示する医用画像生成装置１０と、電子カルテシステム２０と、ＰＡＣＳ３０と、医用情報処理装置４０と以外の装置がネットワーク５０に接続されてもよい。

医用画像生成装置１０は、被検体を撮像して医用画像を生成する。更に詳しくは、医用画像生成装置１０は、電子カルテシステム２０から送信されるオーダ情報に従って被検体を撮像して、医用画像を生成する。そして、医用画像生成装置１０は、医用画像を生成するごとに、生成した医用画像をＰＡＣＳ３０に送信する。例えば、医用画像生成装置１０は、Ｘ線診断装置、Ｘ線ＣＴ（Computed Tomography）装置、ＭＲＩ（Magnetic Resonance Imaging）装置、超音波診断装置、ＳＰＥＣＴ（Single Photon Emission Computed Tomography）装置、ＰＥＴ（Positron Emission computed Tomography）装置等である。

電子カルテシステム２０は、被検体に関する各種の情報を管理する。更に詳しくは、電子カルテシステム２０は、オーダリングシステムとして、被検体に関する各種のオーダの入力を医師や技師等の操作者から受け付ける。電子カルテシステム２０は、受け付けたオーダの内容を示すオーダ情報を検査室や薬局、放射線科等に設けられた各部門システムに送信する。そして、電子カルテシステム２０は、オーダ情報に従って実施された診療行為の結果として各部門システムから送信される診療データを取得する。例えば、電子カルテシステム２０は、医用画像の撮像を指示するオーダ情報を医用画像生成装置１０に送信する。電子カルテシステム２０は、指示に応じて医用画像生成装置１０が撮像した医用画像を取得する。例えば、電子カルテシステム２０は、サーバやワークステーション等のコンピュータ機器によって実現される。

ＰＡＣＳ３０は、医用画像生成装置１０によって生成された医用画像を保管する。更に詳しくは、ＰＡＣＳ３０は、医用画像生成装置１０から医用画像を受信する。そして、ＰＡＣＳ３０は、受信した医用画像を自装置の記憶回路等に保存して管理する。例えば、ＰＡＣＳ３０は、サーバやワークステーション等のコンピュータ機器によって実現される。

医用情報処理装置４０は、電子カルテシステム２０、医用画像生成装置１０及びＰＡＣＳ３０から各種の情報を取得する。そして、医用情報処理装置４０は、取得した情報を用いて各種の情報処理を行う。例えば、医用情報処理装置４０は、サーバやワークステーション、パーソナルコンピュータ、タブレット端末等のコンピュータ機器によって実現される。

このような、医用情報処理システム１は、医用画像生成装置１０等の装置が生成した画像データと、画像データの取得に関するパラメータとの相関関係を機械学習により学習する。そして、医用画像生成装置１０は、機械学習により構築された学習済みモデルに基づいて、パラメータを調整することにより適切なパラメータで画像データを生成する。

ここで、パラメータとは、医用画像生成装置１０による画像データの取得に関する設定である。例えば、パラメータとは、超音波診断において血流を色彩で表現した超音波画像データを表示させるカラーモードで、超音波画像データの取得に関する設定である。さらに詳しく、パラメータには、超音波診断において各種データの収集が行われる前に収集条件として設定される収集パラメータと、各種データの収集後に画像に施される後処理で用いられる後処理パラメータとの両方が含まれていてもよい。例えば、パラメータは、超音波の出力条件、ゲインの大きさ、造影条件、表示させる血流速度の範囲を指定する設定、被検体の微小な動きを血流として誤検出してしまうことを抑制するフィルタ等である。

機械学習とは、ディープラーニング（Deep Learning）や、ニューラルネットワーク（Neural Network）、ロジスティック（Logistic）回帰分析、非線形判別分析、サポートベクターマシン（Support Vector Machine：ＳＶＭ）、ランダムフォレスト（Random Forest）、ナイーブベイズ（Naive Bayes）等である。

第１の実施形態に係る医用画像生成装置１０は、画像データと、画像データの評価を示す評価値とを学習用データとして機械学習エンジンに入力することで構築された学習済みモデルを用いて、生成した画像データの評価値を出力する。また、医用画像生成装置１０は、生成した画像データの評価値が閾値未満の場合に、パラメータを変更して画像データを生成する。そして、医用画像生成装置１０は、生成した画像データの評価値が閾値以上になるまで、もしくは予め決められた回数まで繰り返し実行することにより適切な画像データを生成する。医用画像生成装置１０は、パラメータを変更した画像データの生成を予め決められた回数までに制限することで、パラメータを変更して画像データを生成する処理が終了しなくなってしまうことを防止する。

本実施形態では、医用画像生成装置１０が超音波診断装置である場合を例に説明する。

図２は、第１の実施形態に係る医用画像生成装置１０の構成の一例を示すブロック図である。図２に示すように、第１の実施形態に係る医用画像生成装置１０は、装置本体１００と、超音波プローブ１０１と、入力インターフェース１０２と、ディスプレイ１０３とを有する。超音波プローブ１０１、入力インターフェース１０２、及びディスプレイ１０３は、装置本体１００と通信可能に接続される。

超音波プローブ１０１は、複数の圧電振動子を有する。これら複数の圧電振動子は、装置本体１００が有する送受信回路１１０から供給される駆動信号に基づき超音波を発生する。また、超音波プローブ１０１は、被検体Ｐからの反射波を受信して電気信号に変換する。すなわち、超音波プローブ１０１は、被検体Ｐに対して超音波走査を行って、被検体Ｐから反射波を受信する。また、超音波プローブ１０１は、圧電振動子に設けられる整合層と、圧電振動子から後方への超音波の伝播を防止するバッキング材等を有する。なお、超音波プローブ１０１は、装置本体１００と着脱自在に接続される。

超音波プローブ１０１から被検体Ｐに超音波が送信されると、送信された超音波は、被検体Ｐの体内組織における音響インピーダンスの不連続面で次々と反射され、反射波信号として超音波プローブ１０１が有する複数の圧電振動子にて受信される。受信される反射波信号の振幅は、超音波が反射される不連続面における音響インピーダンスの差に依存する。なお、送信された超音波パルスが、移動している血流や心臓壁等の表面で反射された場合の反射波信号は、ドプラ効果により、移動体の超音波送信方向に対する速度成分に依存して、周波数偏移を受ける。

本実施形態では、超音波プローブ１０１は、被検体Ｐを２次元で走査する１Ｄアレイプローブであっても、被検体Ｐを３次元で走査する３次元プローブすなわちメカニカル４Ｄプローブや２Ｄアレイプローブであっても適用可能である。

入力インターフェース１０２は、所定の位置（例えば、組織形状の位置や、関心領域、関心領域以外の領域等）の設定等を行うためのトラックボール、スイッチボタン、マウス、キーボード、操作面へ触れることで入力操作を行うタッチパッド、表示画面とタッチパッドとが一体化されたタッチモニタ、光学センサを用いた非接触入力回路、及び音声入力回路等によって実現される。入力インターフェース１０２は、後述する処理回路１６０に接続されており、操作者（ユーザ）から受け付けた入力操作を電気信号へ変換し処理回路１６０へと出力する。なお、本明細書において入力インターフェース１０２は、マウス、キーボード等の物理的な操作部品を備えるものだけに限られない。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、この電気信号を制御回路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の例に含まれる。

ディスプレイ１０３は、医用画像生成装置１０の操作者（ユーザ）が入力インターフェース１０２を用いて各種設定要求を入力するためのＧＵＩ（Graphical User Interface）を表示したり、装置本体１００において生成された超音波画像データ等を表示したりする。また、ディスプレイ１０３は、装置本体１００の処理状況や処理結果を操作者に通知するために、各種のメッセージや表示情報を表示する。また、ディスプレイ１０３は、スピーカーを有し、音声を出力することもできる。

装置本体１００は、超音波プローブ１０１が受信した反射波信号に基づいて超音波画像データを生成する装置である。図２に示す装置本体１００は、超音波プローブ１０１が受信した２次元の反射波データ（エコーデータ）に基づいて２次元の超音波画像データを生成可能な装置である。また、図２に示す装置本体１００は、超音波プローブ１０１が受信した３次元の反射波データに基づいて３次元の超音波画像データ（ボリュームデータ）を生成可能な装置である。

装置本体１００は、図２に示すように、送受信回路１１０と、Ｂモード処理回路１２０と、ドプラ処理回路１３０と、記憶回路１４０と、通信インターフェース１５０と、処理回路１６０と、を有する。送受信回路１１０、Ｂモード処理回路１２０、ドプラ処理回路１３０、記憶回路１４０、通信インターフェース１５０、及び処理回路１６０は、互いに通信可能に接続される。また、装置本体１００は、ネットワーク５０に接続される。

送受信回路１１０は、パルス発生器、送信遅延部、パルサ等を有し、超音波プローブ１０１に駆動信号を供給する。パルス発生器は、所定のレート周波数で、送信超音波を形成するためのレートパルスを繰り返し発生する。また、送信遅延部は、超音波プローブ１０１から発生される超音波をビーム状に集束し、かつ送信指向性を決定するために必要な圧電振動子ごとの遅延時間を、パルス発生器が発生する各レートパルスに対し与える。また、パルサは、レートパルスに基づくタイミングで、超音波プローブ１０１に駆動信号（駆動パルス）を印加する。すなわち、送信遅延部は、各レートパルスに対し与える遅延時間を変化させることで、圧電振動子面から送信される超音波の送信方向を任意に調整する。

なお、送受信回路１１０は、後述する処理回路１６０の指示に基づいて、所定のスキャンシーケンスを実行するために、送信周波数、送信駆動電圧等を瞬時に変更可能な機能を有している。特に、送信駆動電圧の変更は、瞬間にその値を切り替え可能なリニアアンプ型の発信回路、又は、複数の電源ユニットを電気的に切り替える機構によって実現される。

また、送受信回路１１０は、プリアンプ、Ａ／Ｄ（Analog／Digital）変換器、受信遅延部、加算器等を有し、超音波プローブ１０１が受信した反射波信号に対して各種処理を行って反射波データを生成する。プリアンプは、反射波信号をチャネルごとに増幅する。Ａ／Ｄ変換器は、増幅された反射波信号をＡ／Ｄ変換する。受信遅延部は、受信指向性を決定するために必要な遅延時間を与える。加算器は、受信遅延部によって処理された反射波信号の加算処理を行って反射波データを生成する。加算器の加算処理により、反射波信号の受信指向性に応じた方向からの反射成分が強調され、受信指向性と送信指向性とにより超音波送受信の総合的なビームが形成される。

送受信回路１１０は、被検体Ｐを２次元走査する場合、超音波プローブ１０１から２次元の超音波ビームを送信させる。そして、送受信回路１１０は、超音波プローブ１０１が受信した２次元の反射波信号から２次元の反射波データを生成する。また、本実施形態に係る送受信回路１１０は、被検体Ｐを３次元走査する場合、超音波プローブ１０１から３次元の超音波ビームを送信させる。そして、送受信回路１１０は、超音波プローブ１０１が受信した３次元の反射波信号から３次元の反射波データを生成する。

ここで、送受信回路１１０からの出力信号の形態は、ＲＦ（Radio Frequency）信号と呼ばれる位相情報が含まれる信号である場合や、包絡線検波処理後の振幅情報である場合等、種々の形態が選択可能である。

Ｂモード処理回路１２０は、送受信回路１１０から反射波データを受信し、対数増幅、包絡線検波処理等を行って、信号強度が輝度の明るさで表現されるデータ（Ｂモードデータ）を生成する。

ドプラ処理回路１３０は、送受信回路１１０から受信した反射波データから速度情報を周波数解析し、ドプラ効果による血流や組織、造影剤エコー成分を抽出し、速度、分散、パワー等の移動体情報を多点について抽出したデータ（ドプラデータ）を生成する。具体的には、ドプラ処理回路１３０は、移動体の運動情報として、平均速度、平均分散値、平均パワー値等を、複数のサンプル点それぞれでドプラデータを生成する。ここで、移動体とは、例えば、血流や、心壁等の組織、造影剤である。ドプラ処理回路１３０は、血流の運動情報（血流情報）として、血流の平均速度、血流の平均分散値、血流の平均パワー値等を、複数のサンプル点それぞれで推定した情報を生成する。

ドプラ処理回路１３０は、ＭＴＩ（Moving Target Indicator）フィルタ及び血流情報生成部を有する。ドプラ処理回路１３０は、例えば、カラードプラ法を実行し、血流情報を算出する。カラードプラ法では、超音波の送受信が同一の走査線上で複数回行なわれ、同一位置のデータ列に対してＭＴＩフィルタを掛けることで、静止している組織、或いは、動きの遅い組織に由来する信号（クラッタ信号）を抑制して、血流に由来する信号を抽出する。そしてカラードプラ法では、この血流信号から血流の速度、血流の分散、血流のパワー等の血流情報を推定する。

ＭＴＩフィルタは、フィルタ行列を用いて、同一位置（同一サンプル点）の連続した反射波データのデータ列から、クラッタ成分が抑制され、血流に由来する血流信号が抽出されたデータ列を出力する。血流情報生成部は、ＭＴＩフィルタが出力したデータを用いた自己相関演算等の演算を行なって、血流情報を推定し、推定した血流情報をドプラデータとして出力する。ＭＴＩフィルタとしては、例えば、バタワース型のＩＩＲ（Infinite Impulse Response）フィルタ、多項式回帰フィルタ（Polynomial Regression Filter）等の係数が固定されたフィルタ、または固有ベクトル（eigenvector）等を用いて入力信号に応じて係数を変化させる適応型のフィルタが適用可能である。

なお、図２に例示するＢモード処理回路１２０及びドプラ処理回路１３０は、２次元の反射波データ及び３次元の反射波データの両方について処理可能である。すなわち、Ｂモード処理回路１２０は、２次元の反射波データから２次元のＢモードデータを生成し、３次元の反射波データから３次元のＢモードデータを生成する。また、ドプラ処理回路１３０は、２次元の反射波データから２次元のドプラデータを生成し、３次元の反射波データから３次元のドプラデータを生成する。

記憶回路１４０は、処理回路１６０が生成した表示用の画像データを記憶するメモリである。また、記憶回路１４０は、Ｂモード処理回路１２０やドプラ処理回路１３０が生成したデータを記憶することも可能である。記憶回路１４０が記憶するＢモードデータやドプラデータは、例えば、診断の後に操作者が呼び出すことが可能となっており、処理回路１６０を経由して表示用の超音波画像データとなる。

また、記憶回路１４０は、超音波送受信、画像処理及び表示処理を行うための制御プログラムや、診断情報（例えば、患者ＩＤ、医師の所見等）や、診断プロトコルや各種ボディーマーク等の各種データを記憶する。また、記憶回路１４０が記憶するデータは、図示しないインターフェースを経由して、外部装置へ転送することができる。なお、外部装置は、例えば、画像診断を行う医師が使用するＰＣ（Personal Computer）や、ＣＤやＤＶＤ等の記憶媒体、プリンター等である。

通信インターフェース１５０は、ネットワーク５０を経由して外部の各種の装置と通信を行うためのインターフェースである。通信インターフェース１５０により、処理回路１６０は、外部装置と通信を行う。例えば、処理回路１６０は、通信インターフェース１５０によって、医用画像生成装置１０以外の外部装置との間で各種データのやり取りを行うことができる。

処理回路１６０は、医用画像生成装置１０の処理全体を制御する。例えば、処理回路１６０は、プロセッサによって実現される。第１の実施形態に係る処理回路１６０は、制御機能１６１、画像生成機能１６２、設定機能１６３、第１学習機能１６４、評価処理機能１６５、及び第１変更機能１６６を実行する。

ここで、例えば、図２に示す処理回路１６０の構成要素である制御機能１６１、画像生成機能１６２、設定機能１６３、第１学習機能１６４、評価処理機能１６５、及び第１変更機能１６６が実行する各処理機能は、コンピュータによって実行可能なプログラムの形態で記憶回路１４０に記憶されている。処理回路１６０は、各プログラムを記憶回路１４０から読み出し、実行することで各プログラムに対応する機能を実現するプロセッサである。換言すると、各プログラムを読み出した状態の処理回路１６０は、図２の処理回路１６０内に示された各機能を有することとなる。

なお、制御機能１６１、画像生成機能１６２、設定機能１６３、第１学習機能１６４、評価処理機能１６５、及び第１変更機能１６６の全ての処理機能がコンピュータによって実行可能な１つのプログラムの形態で、記憶回路１４０に記録されていてもよい。例えば、このようなプログラムは、医用画像生成プログラムとも称される。この場合、処理回路１６０は、医用画像生成プログラムを記憶回路１４０から読み出し、読み出した医用画像生成プログラムを実行することで医用画像生成プログラムに対応する制御機能１６１、画像生成機能１６２、設定機能１６３、第１学習機能１６４、評価処理機能１６５、及び第１変更機能１６６を実現する。

画像生成機能１６２は、取得部の一例である。評価処理機能１６５及び推定処理機能１６９は、処理部の一例である。第１変更機能１６６及び第２変更機能１７０は、決定部の一例である。設定機能１６３は、設定部の一例である。第１学習機能１６４及び第２学習機能１６８は、学習部の一例である。第１入力機能１６７及び第２入力機能１７１は、入力部の一例である。

制御機能１６１は、医用画像生成装置１０の全体制御を実行する。例えば、制御機能１６１は、通信インターフェース１５０を制御して、医用画像生成装置１０又はＰＡＣＳ３０から画像データを取得する。そして、制御機能１６１は、取得した画像データを記憶回路１４０に記憶させる。また、制御機能１６１は、入力インターフェース１０２を制御して、各種操作を受け付ける。

画像生成機能１６２は、被検体Ｐが含まれている画像である画像データを取得する。更に詳しくは、画像生成機能１６２は、設定されているパラメータに基づいて、Ｂモード処理回路１２０及びドプラ処理回路１３０が生成したデータから超音波画像データを生成等により取得する。すなわち、画像生成機能１６２は、Ｂモード処理回路１２０が生成したＢモードデータから反射波の強度を輝度にて表したＢモード画像データを生成する。また、画像生成機能１６２は、ドプラ処理回路１３０が生成したドプラデータから移動体情報を表す平均速度画像、分散画像、パワー画像、又は、これらの組み合わせ画像としてのカラードプラ画像データを生成する。すなわち、画像生成機能１６２は、設定されているパラメータに基づいて、被検体Ｐの体内の血流を色彩で表現した超音波画像データを生成する。

ここで、画像生成機能１６２は、一般的には、超音波走査の走査線信号列を、テレビ等に代表されるビデオフォーマットの走査線信号列に変換（スキャンコンバート）し、表示用の超音波画像データを生成する。具体的には、画像生成機能１６２は、超音波プローブ１０１による超音波の走査形態に応じて座標変換を行うことで、表示用の超音波画像データを生成する。また、画像生成機能１６２は、超音波画像データに、種々のパラメータの文字情報、目盛り、ボディーマーク、種々のマーカ等を合成する。

設定機能１６３は、画像データに対して１以上の関心領域Ｒ１を設定する。更に詳しくは、設定機能１６３は、超音波画像データのうち学習済みモデルが評価対象にする領域である関心領域Ｒ１を設定する。ここで、図３は、超音波画像データに設定された関心領域Ｒ１を説明する説明図である。超音波診断では被検体Ｐの臓器等の体表の内部を診断する場合が多いため、体表を評価対象から除外したい場合がある。また、診断対象の部位、つまり被検体Ｐの体表からの深さを示す深度に応じて、描画させたい内容が異なっているため、調整すべきパラメータは、被検体Ｐの深度に応じて異なっている。例えば、体表から深度が浅い領域については、末梢部の細かい血管を描画させたい場合が多い。この場合には、低速な血流を描画させるようにパラメータを調整する。一方、体表から深度が深い領域については、太い血管を描画させたい場合が多い。この場合、低速な血流を描画させるようにパラメータを調整すると、様々な動きを血流と誤検知してノイズの多い画像となってしまう。

このような理由により、設定機能１６３は、深度ごとに関心領域Ｒ１を設定する。図３は、例えば被検体Ｐの深度に応じて、３つの領域に分けて関心領域Ｒ１を設定した状態を示している。例えば、設定機能１６３は、体表の下端から任意の深度までを第１関心領域Ｒ１１と、第１関心領域Ｒ１１から任意の深度までを第２関心領域Ｒ１２と、第２関心領域Ｒ１２から任意の深度までを第３関心領域Ｒ１３と設定する。なお、関心領域Ｒ１を３分割するのは一例であって、２分割以下であってもよいし、４分割以上であってもよい。また、関心領域Ｒ１は、矩形形状に限らず、任意の形状であってもよい。

さらに、診断対象となる臓器はそれぞれ大きさが異なっている。また、超音波プローブ１０１の角度に応じて、表示される臓器の大きさも異なっている。そのため、関心領域Ｒ１は、診断対象の部位や、超音波プローブ１０１の角度に応じて異なっていることが好ましい。ここで、臓器等の診断対象の部位が表示される深度や、表示される診断対象の大きさは、診断対象の部位や、超音波プローブ１０１が当てられている被検体Ｐの位置や、超音波プローブ１０１の角度により推定することができる。

そこで、設定機能１６３は、超音波プローブ１０１が当てられる前に設定された診断対象の部位や、超音波プローブ１０１が当てられている被検体Ｐの位置や、超音波プローブ１０１の角度等のこれらの条件の組み合わせごとに、１以上の関心領域Ｒ１を設定する。すなわち、設定機能１６３は、診断対象の部位や、超音波プローブ１０１が当てられている被検体Ｐの位置や、超音波プローブ１０１の角度の組み合わせに基づいて決定される深度に、これら条件の組み合わせに基づいて決定される大きさの関心領域Ｒ１を設定する。この時、関心領域Ｒ１は、矩形形状に限らず、他の形状であってもよい。また、超音波プローブ１０１の角度は、超音波プローブ１０１に傾斜センサを付加することで検出してもよいし、他の方法により検出してもよい。そして、設定機能１６３は、体表の下端から関心領域Ｒ１を設定する。

第１学習機能１６４は、画像データと、評価値との相関関係を学習して学習済みモデルを構築する。ここで、図４は、第１学習機能１６４による学習処理を示す図である。第１学習機能１６４は、任意のパラメータで生成した超音波画像データと、超音波画像データの評価値とを組み合わせた学習用データを入力する。そして、第１学習機能１６４は、機械学習により超音波画像データと、超音波画像データの評価値との相関関係を学習することで、関心領域Ｒ１ごとに学習済みモデルを構築する。すなわち、第１学習機能１６４は、被検体Ｐの深度ごとに設定された関心領域Ｒ１ごとに学習済みモデルを構築する。例えば、第１学習機能１６４は、第１関心領域Ｒ１１と、第２関心領域Ｒ１２と、第３関心領域Ｒ１３との其々の学習済みモデルを構築する。このようにして構築された学習済みモデルは、超音波画像データが入力されると、超音波画像データの評価値を出力する。

ここで、超音波画像データと、超音波画像データの評価値とが組み合わされた学習用データは、医用情報処理装置４０等の他の装置から受信してもよいし、医用画像生成装置１０で生成してもよい。医用画像生成装置１０で生成する場合、第１学習機能１６４は、例えば、超音波画像データごとに超音波画像データの評価値を入力する操作を受け付けることにより生成する。

また、第１学習機能１６４は、関心領域Ｒ１ごとに評価項目が定められている場合には、評価項目ごとの評価値を入力する。例えば、評価項目とは、末梢部の細かい血管を描出できているか、深部の血流を捉えられているか、血管のつながり具合を描出できているか等である。また、評価項目は、関心領域Ｒ１ごとに異なっていてもよいし、同じであってもよい。

さらに、第１学習機能１６４は、診断対象の部位や、超音波プローブ１０１が当てられている被検体Ｐの位置や、超音波プローブ１０１の角度等のこれらの条件の組み合わせごとに関心領域Ｒ１が設定されている場合、これら条件の組み合わせごとに設定された１以上の関心領域Ｒ１ごとに、学習済みモデルを構築する。

評価処理機能１６５は、学習済みモデルを用いて、画像生成機能１６２が取得した画像データに応じた出力情報を得る。すなわち、評価処理機能１６５は、画像データと、評価値との相関関係を学習した学習済みモデルを用いて、画像生成機能１６２が取得した学習データに対応する評価値を出力情報として得る。ここで、図５は、評価処理機能１６５による運用処理を示す図である。画像生成機能１６２が任意のパラメータで生成した超音波画像データを評価対象の関心領域Ｒ１に応じた学習済みモデルに入力すると、学習済みモデルは、入力された超音波画像データの評価値が含まれる出力情報を出力する。すなわち、学習済みモデルは、入力された超音波画像データにおける評価対象の関心領域Ｒ１の評価値を出力する。例えば、第１関心領域Ｒ１１を対象とする学習済みモデルは、第１関心領域Ｒ１１の評価値を出力する。第２関心領域Ｒ１２を対象とする学習済みモデルは、第２関心領域Ｒ１２の評価値を出力する。第３関心領域Ｒ１３を対象とする学習済みモデルは、第３関心領域Ｒ１３の評価値を出力する。さらに、学習済みモデルは、関心領域Ｒ１ごとに評価項目が定められている場合には、評価項目ごとに評価値を出力する。

そして、評価処理機能１６５は、評価値をパラメータにフィードバックする。すなわち、評価処理機能１６５は、評価値が閾値未満の場合には、第１変更機能１６６にパラメータの変更を要求する。ここで、診断対象の部位や、超音波プローブ１０１が当てられている被検体Ｐの位置や、超音波プローブ１０１の角度に基づいて関心領域Ｒ１が設定されている場合には、評価処理機能１６５は、これら条件に適合した学習済みモデルを特定する。そして、評価処理機能１６５は、特定した学習済みモデルに対して、画像生成機能１６２が生成した超音波画像データを入力することで、入力した超音波画像データの評価値が含まれる出力情報を出力させる。

第１変更機能１６６は、評価処理機能１６５が得た出力情報に基づいて、画像データの取得に関するパラメータを決定する。第１の実施形態では、第１変更機能１６６は、学習済みモデルが出力した出力情報に含まれる評価値が閾値未満の場合に、パラメータを変更する。第１変更機能１６６は、関心領域Ｒ１ごとに評価項目が定められている場合には、最も評価値が低い評価項目の評価値を上げるために、パラメータを変更する。例えば、第１変更機能１６６は、末梢部の細かい血管など低流速の血管を描出できていない場合、ＭＴＩフィルタやＷａｌｌフィルタを低流速側にシフトさせたり、表示する流速範囲を調節したりすることで、より低流速まで捉えられるようにする。逆にＲＯＩ内にノイズが多く発生している場合には、第１変更機能１６６は、フィルタを高流速側にシフトさせることで、ノイズを取り除くよう調節する。また、第１変更機能１６６は、深部の血管など高流速の血管を描出できていない場合、送信周波数を下げることで最大検出可能速度を上げるよう調節する。

次に、第１の実施形態において、学習済みマスタの運用時における画像生成処理について説明する。図６は、第１の実施形態に係る画像生成処理の処理手順を示すフローチャートである。

制御機能１６１は、診断対象の部位や深度を設定する操作を受け付ける（ステップＳ１１）。

画像生成機能１６２は、パラメータに基づいて、超音波画像データを生成する（ステップＳ１２）。

評価処理機能１６５は、生成した超音波画像データを、設定された深度の学習済みモデルに入力して、出力情報を出力させる（ステップＳ１３）。すなわち、評価処理機能１６５は、評価項目ごとに超音波画像データの評価値を得る。

第１変更機能１６６は、各評価項目の評価値が閾値未満であるか否かを判定する（ステップＳ１４）。

閾値未満の評価値がある場合に（ステップＳ１４；Ｙｅｓ）、第１変更機能１６６は、最も評価値が低い評価項目の評価値を上げるパラメータを変更する（ステップＳ１５）。そして、医用画像生成装置１０は、ステップＳ１２に移行して、再度超音波画像データを生成する。

一方、閾値未満の評価値がない場合に（ステップＳ１４；Ｎｏ）、画像生成機能１６２は、パラメータに基づいて、超音波画像データを生成する（ステップＳ１６）。

制御機能１６１は、超音波画像データの取得を終了する操作を受け付けたか否かを判定する（ステップＳ１７）。超音波画像データの取得を終了する操作を受け付けていない場合に（ステップＳ１７；Ｎｏ）、医用画像生成装置１０は、ステップＳ１６に移行して、再度超音波画像データを生成する。

超音波画像データの取得を終了する操作を受け付けた場合に（ステップＳ１７；Ｙｅｓ）、医用画像生成装置１０は、画像生成処理を終了する。

以上のように、第１の実施形態に係る医用画像生成装置１０は、超音波画像データを学習済みモデルに入力することで、入力した超音波画像データの評価値を取得する。そして、医用画像生成装置１０は、評価値が閾値未満の場合に、パラメータを変更して再度超音波画像データを生成する。医用画像生成装置１０は、この処理を繰り返し実行することで、適切なパラメータが設定されて、閾値以上の評価値の超音波画像データを生成することができる。すなわち、医用画像生成装置１０は、生成する超音波画像データの画像の品質を向上させることができる。

（第１の実施形態の第１の変形例）
第１の実施形態の第１の変形例について説明する。ここで、図７は、第１の実施形態の第１の変形例にかかる医用画像生成装置１０ａの構成の一例を示すブロック図である。第１の実施形態の第１の変形例に係る医用画像生成装置１０ａの処理回路１６０ａは、第１学習機能１６４に代えて、第１入力機能１６７を備えている。

第１入力機能１６７は、医用情報処理装置４０等の他の装置から学習済みモデルを、受信等により入力を受け付ける。さらに詳しくは、第１入力機能１６７は、超音波画像データと、評価値との相関関係を学習することで構築された学習済みモデルの入力を受け付ける。なお、第１入力機能１６７は、受信に限らず、学習済みモデルを記憶した記憶媒体から接続インターフェースを介して入力を受け付けてもよい。

以上のように、第１の実施形態の第１の変形例に係る医用画像生成装置１０ａは、学習済みモデルの入力を受け付ける。よって、医用画像生成装置１０ａは、第１学習機能１６４を備えていなくても学習済みモデルを取得することが可能である。従って、医用画像生成装置１０ａは、第１学習機能１６４を備えていなくても適切なパラメータで画像データを生成することができる。すなわち、医用画像生成装置１０ａは、第１学習機能１６４を備えていなくても、生成する超音波画像データの画像の品質を向上させることができる。

（第２の実施形態）
第２の実施形態について説明する。ここで、図８は、第２の実施形態に係る医用画像生成装置１０ｂの構成の一例を示すブロック図である。第２の実施形態に係る医用情報処理装置４０の処理回路１６０ｂは、第１学習機能１６４に代えて、第２学習機能１６８を備えている。また、医用情報処理装置４０は、評価処理機能１６５に代えて、推定処理機能１６９を備えている。また、医用情報処理装置４０は、第１変更機能１６６に代えて、第２変更機能１７０を備えている。

第２学習機能１６８は、画像データと、パラメータとの相関関係を学習して学習済みモデルを構築する。ここで、図９は、第２学習機能１６８による学習処理を示す図である。第２学習機能１６８は、超音波画像データと、設定することで超音波画像データの評価値が閾値以上になる適切なパラメータとを用いて、機械学習により学習済みモデルを構築する。更に詳しくは、第２学習機能１６８は、画像生成機能１６２が初期設定のパラメータで生成した超音波画像データと、適切なパラメータとを組み合わせた学習用データを入力する。そして、第２学習機能１６８は、機械学習により超音波画像データと、適切なパラメータとの相関関係を学習することで、関心領域Ｒ１ごとに学習済みモデルを構築する。すなわち、第２学習機能１６８は、被検体Ｐの深度ごとに設定された関心領域Ｒ１ごとに学習済みモデルを構築する。例えば、第２学習機能１６８は、第１関心領域Ｒ１１と、第２関心領域Ｒ１２と、第３関心領域Ｒ１３との其々の学習済みモデルを構築する。さらに、第２学習機能１６８は、診断対象の部位や、超音波プローブ１０１が当てられている被検体Ｐの位置や、超音波プローブ１０１の角度に基づいて関心領域Ｒ１が設定されている場合には、これら条件の組み合わせごとに設定された１以上の関心領域Ｒ１ごとに、学習済みモデルを構築する。このようにして生成された学習済みモデルは、超音波画像データが入力されると、再設定して超音波画像データを生成することで評価値が閾値以上の超音波画像データを生成することができる適切なパラメータを出力する。

ここで、超音波画像データと、適切なパラメータとが組み合わされた学習用データは、医用情報処理装置４０等の他の装置から受信してもよいし、医用画像生成装置１０ｂで生成してもよい。医用画像生成装置１０ｂで生成する場合、第２学習機能１６８は、超音波画像データごとに、適切なパラメータを入力する操作を受け付けることにより生成する。

推定処理機能１６９は、画像データと、画像データの評価値を閾値以上にするパラメータとの相関関係を学習した学習済みモデルを用いて、画像生成機能１６２が取得した学習データに対応するパラメータを出力情報として得る。すなわち、推定処理機能１６９は、画像データと、画像データの評価値を閾値以上にするパラメータとの相関関係を学習した学習済みモデルを用いて、画像生成機能１６２が取得した画像データに対応するパラメータを出力情報として得る。ここで、図１０は、推定処理機能１６９による運用処理を示す図である。推定処理機能１６９は、学習済みモデルに対して、画像生成機能１６２が生成した超音波画像データを入力することで、評価値が閾値以上となる超音波画像データを生成することができる適切なパラメータが含まれる出力情報を出力させる。すなわち、学習済みモデルは、入力された超音波画像データに対する適切なパラメータを出力する。この時、推定処理機能１６９は、画像生成機能１６２が初期設定のパラメータで生成した超音波像データを評価対象の関心領域Ｒ１に応じた学習済みモデルに入力する。例えば、第１関心領域Ｒ１１を評価対象とする場合には、推定処理機能１６９は、第１関心領域Ｒ１１の学習済みモデルに超音波像データを入力する。第２関心領域Ｒ１２を評価対象とする場合には、推定処理機能１６９は、第２関心領域Ｒ１２の学習済みモデルに超音波像データを入力する。第３関心領域Ｒ１３を評価対象とする場合には、推定処理機能１６９は、第３関心領域Ｒ１３の学習済みモデルに超音波像データを入力する。そして、各学習済みモデルは、それぞれパラメータを出力する。

ここで、診断対象の部位や、超音波プローブ１０１が当てられている被検体Ｐの位置や、超音波プローブ１０１の角度に基づいて関心領域Ｒ１が設定されている場合には、推定処理機能１６９は、これら条件に適合した学習済みモデルを特定する。そして、推定処理機能１６９は、特定した学習済みモデルに対して、画像生成機能１６２が生成した超音波画像データを入力することで、入力した超音波画像データの評価値を閾値以上にする適切なパラメータが含まれる出力情報を出力させる。

第２変更機能１７０は、推定処理機能１６９が学習済みモデルに出力させた出力情報に基づいて、画像生成機能１６２が超音波画像データを生成するパラメータを決定する。第２実施形態では、第２変更機能１７０は、学習済みモデルが出力した出力情報に含まれるパラメータに変更する。そして、画像生成機能１６２が出力されたパラメータで超音波画像データを生成することで適切な超音波画像データが生成される。ここで、適切な超音波画像データとは、評価値が閾値以上の超音波画像データである。

次に、第２の実施形態において、学習済みマスタの運用時における画像生成処理について説明する。図１１は、第２の実施形態に係る画像生成処理の処理手順を示すフローチャートである。

制御機能１６１は、診断対象の部位や深度を設定する操作を受け付ける（ステップＳ２１）。

画像生成機能１６２は、パラメータに基づいて、超音波画像データを生成する（ステップＳ２２）。

推定処理機能１６９は、生成した超音波画像データを、設定された深度の学習済みモデルに入力して、出力情報を出力させる（ステップＳ２３）。すなわち、推定処理機能１６９は、入力された超音波画像データの生成において設定すべき適切なパラメータを出力させる。

第２変更機能１７０は、出力されたパラメータに設定を変更する（ステップＳ２４）。

画像生成機能１６２は、パラメータに基づいて、超音波画像データを生成する（ステップＳ２５）。すなわち、画像生成機能１６２は、適切なパラメータに基づいて、適切な超音波画像データを生成する。

制御機能１６１は、超音波画像データの取得を終了する操作を受け付けたか否かを判定する（ステップＳ２６）。超音波画像データの取得を終了する操作を受け付けていない場合に（ステップＳ２６；Ｎｏ）、医用画像生成装置１０ｂは、ステップＳ２５に移行して、再度超音波画像データを生成する。

超音波画像データの取得を終了する操作を受け付けた場合に（ステップＳ２６；Ｙｅｓ）、医用画像生成装置１０ｂは、画像生成処理を終了する。

以上のように、第２の実施形態に係る医用画像生成装置１０ｂは、超音波画像データを学習済みモデルに入力することで、入力した超音波画像データの生成において設定すべき適切なパラメータを取得する。よって、医用画像生成装置１０ｂは、適切なパラメータで画像データを生成することができる。すなわち、医用画像生成装置１０ｂは、生成する超音波画像データの画像の品質を向上させることができる。

（第２の実施形態の第１の変形例）
第２の実施形態の第１の変形例について説明する。ここで、図１２は、第２の実施形態の第１の変形例にかかる医用画像生成装置１０ｃの構成の一例を示すブロック図である。第２の実施形態の第１の変形例に係る医用画像生成装置１０ｃの処理回路１６０ｃは、第２学習機能１６８に代えて、第２入力機能１７１を備えている。

第２入力機能１７１は、医用情報処理装置４０等の他の装置から学習済みモデルを、受信等により入力を受け付ける。さらに詳しくは、第２入力機能１７１は、超音波画像データと、超音波画像データの評価値を閾値以上にするパラメータとの入力を受け付けて、超音波画像データと、パラメータとの相関関係を学習することで構築された学習済みモデルの入力を受け付ける。なお、第２入力機能１７１は、受信に限らず、学習済みモデルを記憶した記憶媒体から接続インターフェースを介して入力を受け付けてもよい。

以上のように、第２の実施形態の第１の変形例に係る医用画像生成装置１０ｃは、学習済みモデルの入力を受け付ける。よって、医用画像生成装置１０ｃは、第２学習機能１６８を備えていなくても学習済みモデルを取得することが可能である。従って、医用画像生成装置１０ｃは、第２学習機能１６８を備えていなくても適切なパラメータで画像データを生成することができる。すなわち、医用画像生成装置１０ｃは、第２学習機能１６８を備えていなくても、生成する超音波画像データの画像の品質を向上させることができる。

また、上述した実施形態では、単一の処理回路（処理回路１６０、１６０ａ、１６０ｂ、１６０ｃ）によって各処理機能が実現される場合の例を説明したが、実施形態はこれに限られない。例えば、処理回路１６０、１６０ａ、１６０ｂ、１６０ｃは、複数の独立したプロセッサを組み合わせて構成され、各プロセッサが各プログラムを実行することにより各処理機能を実現するものとしても構わない。また、処理回路１６０、１６０ａ、１６０ｂ、１６０ｃが有する各処理機能は、単一又は複数の処理回路に適宜に分散又は統合されて実現されてもよい。

上述した各実施形態の説明で用いた「プロセッサ」という文言は、例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、或いは、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）、複合プログラマブル論理デバイス（Complex Programmable Logic Device：ＣＰＬＤ）、及びフィールドプログラマブルゲートアレイ（Field Programmable Gate Array：ＦＰＧＡ））等の回路を意味する。ここで、メモリにプログラムを保存する代わりに、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。この場合には、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。また、本実施形態の各プロセッサは、プロセッサごとに単一の回路として構成される場合に限らず、複数の独立した回路を組み合わせて一つのプロセッサとして構成され、その機能を実現するようにしてもよい。

ここで、プロセッサによって実行されるプログラムは、ＲＯＭ（Read Only Memory）や記憶部等に予め組み込まれて提供される。なお、このプログラムは、これらの装置にインストール可能な形式又は実行可能な形式のファイルでＣＤ（Compact Disk）−ＲＯＭ、ＦＤ（Flexible Disk）、ＣＤ−Ｒ（Recordable）、ＤＶＤ（Digital Versatile Disk）等のコンピュータで読み取り可能な記憶媒体に記録されて提供されてもよい。また、このプログラムは、インターネット等のネットワークに接続されたコンピュータ上に格納され、ネットワーク経由でダウンロードされることにより提供又は配布されてもよい。例えば、このプログラムは、各機能部を含むモジュールで構成される。実際のハードウェアとしては、ＣＰＵが、ＲＯＭ等の記憶媒体からプログラムを読み出して実行することにより、各モジュールが主記憶装置上にロードされて、主記憶装置上に生成される。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部又は一部を、各種の負荷や使用状況等に応じて、任意の単位で機能的又は物理的に分散・統合して構成することができる。更に、各装置にて行なわれる各処理機能は、その全部又は任意の一部が、ＣＰＵ及び当該ＣＰＵにて解析実行されるプログラムにて実現され、或いは、ワイヤードロジックによるハードウェアとして実現され得る。

また、上述した実施形態で説明した医用画像処理方法は、予め用意されたプログラムをパーソナルコンピュータやワークステーション等のコンピュータで実行することによって実現することができる。このプログラムは、インターネット等のネットワークを介して配布することができる。また、このプログラムは、ハードディスク、フレキシブルディスク（ＦＤ）、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ等のコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行することもできる。

以上説明した少なくとも一つの実施形態によれば、適切なパラメータで画像データを生成することができる。

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 医用情報処理システム
１０、１０ａ、１０ｂ、１０ｃ 医用画像生成装置
２０ 電子カルテシステム
３０ ＰＡＣＳ
４０ 医用情報処理装置
５０ ネットワーク
１６０、１６０ａ、１６０ｂ、１６０ｃ 処理回路
１６１ 制御機能
１６２ 画像生成機能
１６３ 設定機能
１６４ 第１学習機能
１６５ 評価処理機能
１６６ 第１変更機能
１６７ 第１入力機能
１６８ 第２学習機能
１６９ 推定処理機能
１７０ 第２変更機能
１７１ 第２入力機能

Claims (10)

1. 被検体が含まれる画像である画像データを取得する取得部と、
   前記画像データの評価値を用いて学習した学習済みモデルを用いて、前記取得部が取得した前記画像データに応じた出力情報を得る処理部と、
   前記処理部が得た前記出力情報に基づいて、前記画像データの取得に関するパラメータを決定する決定部と、
   を備える医用画像生成装置。
2. 前記処理部は、前記画像データと、前記評価値との相関関係を学習した前記学習済みモデルを用いて、前記取得部が取得した前記画像データに対応する前記評価値を前記出力情報として得て、
   前記決定部は、前記評価値が閾値未満である場合に、前記パラメータを変更する、
   請求項１に記載の医用画像生成装置。
3. 前記画像データと、前記評価値との相関関係を学習して前記学習済みモデルを構築する学習部を更に備える、
   請求項２に記載の医用画像生成装置。
4. 前記処理部は、前記画像データと、当該画像データの前記評価値を閾値以上にする前記パラメータとの相関関係を学習した前記学習済みモデルを用いて、前記取得部が取得した前記画像データに対応する前記パラメータを前記出力情報として得て、
   前記決定部は、前記出力情報が示す前記パラメータに変更する、
   請求項１に記載の医用画像生成装置。
5. 前記画像データと、前記パラメータとの相関関係を学習して前記学習済みモデルを構築する学習部を更に備える、
   請求項４に記載の医用画像生成装置。
6. 前記画像データに対して１以上の関心領域を設定する設定部を更に備え、
   前記学習部は、前記設定部が設定した１以上の前記関心領域ごとに、前記学習済みモデルを構築する、
   請求項３又は５に記載の医用画像生成装置。
7. 前記設定部は、診断対象の部位及びプローブの角度の組み合わせごとに、１以上の前記関心領域を設定し、
   前記学習部は、前記診断対象の部位及びプローブの角度の組み合わせごとに設定された１以上の前記関心領域ごとに、前記学習済みモデルを構築する、
   請求項６に記載の医用画像生成装置。
8. 前記画像データと、前記評価値との相関関係を学習して構築された学習済みモデルの入力を受け付ける入力部を更に備える、
   請求項２に記載の医用画像生成装置。
9. 前記画像データと、前記パラメータとの相関関係を学習して構築された学習済みモデルの入力を受け付ける入力部を更に備える、
   請求項４に記載の医用画像生成装置。
10. 被検体の画像データを取得し、
    前記画像データの評価値を用いて学習した学習済みモデルを用いて、取得した前記画像データに応じた出力情報を得て、
    得られた前記出力情報に基づいて、前記画像データの取得に関するパラメータを決定する、
    処理をコンピュータに実行させる医用画像生成プログラム。