JP2020130753A - Ｘ線画像処理装置、ｘ線診断装置、およびｘ線画像処理プログラム - Google Patents

Abstract

【課題】Ｘ線画像に映り込んだ物体が被検体の体外と体内のいずれに位置するかを判別可能にすること。【解決手段】実施形態に係るＸ線画像処理装置は、取得部と、抽出部と、出力部とを備える。取得部は、被検体がＸ線撮影された画像であるＸ線画像を取得する。抽出部は、Ｘ線画像とＸ線画像に映り込んだ物体が被検体の体外と体内のいずれに位置するかを表す判別情報との対応関係を示す対応情報に基づいて、取得したＸ線画像に対応する判別情報を抽出する。出力部は、抽出部によって抽出された判別情報に基づく出力情報を出力する。【選択図】図１

Description

本発明の実施形態は、Ｘ線画像処理装置、Ｘ線診断装置、およびＸ線画像処理プログラムに関する。

従来、被検体にＸ線を照射することにより、被検体の体内を透視したＸ線画像を収集するＸ線撮像の技術が知られている。Ｘ線撮像においては、Ｘ線の照射時に被検体にケーブル等の物体が取り付けられていた場合には、当該物体もＸ線画像に映り込む。このようなＸ線画像においては、映り込んだ当該物体が、被検体の体外と体内のいずれに位置するものであるかを判別することは容易ではない。

特開２０１６−２１４７２５号公報 国際公開第２０１６／１７１１８６号

本発明が解決しようとする課題は、Ｘ線画像に映り込んだ物体が被検体の体外と体内のいずれに位置するかを判別可能なＸ線画像処理装置、Ｘ線診断装置、およびＸ線画像処理プログラムを提供することである。

実施形態に係るＸ線画像処理装置は、取得部と、抽出部と、出力部とを備える。取得部は、被検体がＸ線撮影された画像であるＸ線画像を取得する。抽出部は、Ｘ線画像とＸ線画像に映り込んだ物体が被検体の体外と体内のいずれに位置するかを表す判別情報との対応関係を示す対応情報に基づいて、取得したＸ線画像に対応する判別情報を抽出する。出力部は、抽出部によって抽出された判別情報に基づく出力情報を出力する。

図１は、第１の実施形態に係るＸ線画像処理装置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Ｘ線診断装置の構成の一例を示すブロック図である。 図３は、第１の実施形態に係る学習データおよび教師データの一例を示す図である。 図４は、第１の実実施形態に係る入力データ、第１の出力データ、および第２の出力データの一例を示す図である。 図５は、第１の実施形態に係る運用フェーズで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。 図６は、第２の実施形態に係るＸ線診断装置の構成の一例を示すブロック図である。 図７は、第２の実施形態に係る学習データおよび教師データの一例を示す図である。 図８は、第２の実施形態に係る入力データ、第１の出力データ、および第２の出力データの一例を示す図である。 図９は、第２の実施形態に係る運用フェーズで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。 図１０は、第３の実施形態に係る学習データおよび教師データの一例を示す図である。 図１１は、第３の実施形態に係る入力データ、第１の出力データの一例を示す図である。

以下、図面を参照しながら、Ｘ線画像処理装置、Ｘ線診断装置、およびＸ線画像処理プログラムの実施形態について詳細に説明する。

（第１の実施形態）
図１は、第１の実施形態に係るＸ線画像処理装置１００の構成の一例を示す図である。例えば、図１に示すように、本実施形態に係るＸ線画像処理装置１００は、ネットワーク２００を介して、Ｘ線診断装置３００およびＸ線画像保管装置４００と相互に通信可能に接続される。

Ｘ線診断装置３００は、被検体からＸ線画像を収集する装置である。本実施形態におけるＸ線診断装置３００は、例えば、レントゲン画像を撮影するＸ線一般撮影装置である。

図２は、本実施形態に係るＸ線診断装置３００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、Ｘ線診断装置３００は、撮影装置１０と、コンソール装置３０とを有する。撮影装置１０は、高電圧発生回路１１と、照射装置１２と、検出器１３と、駆動回路１４と、収集回路１５とを有する。

高電圧発生回路１１は、後述するＸ線管１２ａにＸ線を発生させるための高電圧を供給する。照射装置１２は、Ｘ線管１２ａと、線質フィルタ１２ｂと、絞り１２ｃとを備える。Ｘ線管１２ａは、高電圧発生回路１１から供給される高電圧により、被検体Ｐに照射するＸ線を発生する。

駆動回路１４は、撮影制御回路３３からの制御信号に基づいて、照射装置１２および検出器１３の位置を移動させる。また、駆動回路１４は、撮影制御回路３３からの制御信号に基づいて、絞り１２ｃを制御して、被検体Ｐに照射させるＸ線の照射範囲（Ｘ線照射野）を制御する。なお、照射範囲は、関心領域（ＲＯＩ：Region Of Interest）を含むものとする。

検出器１３は、照射装置１２から照射されて被検体Ｐを透過したＸ線を検出する。本実施形態においては、被検体Ｐが横になるベッドの上方に設置された照射装置１２から、下向きにＸ線が照射され、ベッドの裏側に設置された検出器１３が、Ｘ線を検出する。収集回路１５は、検出器１３によって検出されたＸ線を収集し、収集したデータをコンソール装置３０に出力する。

コンソール装置３０は、操作者による操作を受け付けるとともに、撮影装置１０によって作成されたデータを用いてＸ線画像を生成する装置である。コンソール装置３０は、一例として、入力回路３１と、ディスプレイ３２と、撮影制御回路３３と、画像生成回路３６と、記憶回路３７と、システム制御回路３８と、Ｉ／Ｆ（インターフェース）回路３９とを有する。

入力回路３１は、トラックボール、スイッチボタン、マウス、キーボード、タッチパネル等によって実現される。入力回路３１は、Ｘ線診断装置３００の操作者からの各種指示や各種設定を受け付け、操作者から受け付けた指示や設定の情報を、システム制御回路３８に転送する。ディスプレイ３２は、操作者によって参照される液晶モニタやＣＲＴ（Cathode Ray Tube）モニタ等によって実現される。

撮影制御回路３３は、例えば、プロセッサにより実現される。撮影制御回路３３は、システム制御回路３８の制御のもと、高電圧発生回路１１、駆動回路１４及び収集回路１５の動作を制御する。

画像生成回路３６は、例えば、プロセッサにより実現される。画像生成回路３６は、収集回路１５から出力されたデータに基づいて、Ｘ線画像を生成する。

記憶回路３７は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ等の半導体メモリ素子、ハードディスク、光ディスク等により実現される。記憶回路３７は、画像生成回路３６から出力されたＸ線画像を記憶する。

システム制御回路３８は、例えば、プロセッサにより実現される。システム制御回路３８は、撮影装置１０およびコンソール装置３０の動作を制御することによって、Ｘ線診断装置３００を制御する。

Ｉ／Ｆ回路３９は、Ｘ線画像処理装置１００およびＸ線画像保管装置４００との間で行われる各種データの伝送および通信を制御する。例えば、Ｉ／Ｆ回路３９は、被検体Ｐから収集したＸ線画像を、Ｘ線画像保管装置４００およびＸ線画像処理装置１００に送信する。

図１に戻り、Ｘ線画像保管装置４００は、ネットワーク２００を介して、Ｘ線診断装置３００からＸ線画像を取得し、取得したＸ線画像を装置内または装置外に設けられた記憶回路に記憶させる。例えば、Ｘ線画像保管装置４００は、サーバ装置等のコンピュータ機器によって実現される。

Ｘ線画像処理装置１００は、ネットワーク２００を介してＸ線診断装置３００またはＸ線画像保管装置４００からＸ線画像を取得し、取得したＸ線画像に対して各種画像処理を行う。例えば、Ｘ線画像処理装置１００は、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。

具体的には、Ｘ線画像保管装置４００は、Ｉ／Ｆ回路１１０と、記憶回路１２０と、入力回路１３０と、ディスプレイ１４０と、処理回路１５０とを有する。

Ｉ／Ｆ回路１１０は、処理回路１５０に接続され、Ｘ線診断装置３００およびＸ線画像保管装置４００との間で行われる各種データの伝送および通信を制御する。例えば、Ｉ／Ｆ回路１１０は、Ｘ線診断装置３００またはＸ線画像保管装置４００からＸ線画像を受信し、受信したＸ線画像を処理回路１５０に出力する。例えば、Ｉ／Ｆ回路１１０は、ネットワークカードやネットワークアダプタ、ＮＩＣ（Network Interface Controller）等によって実現される。

記憶回路１２０は、処理回路１５０に接続され、各種データを記憶する。例えば、記憶回路１２０は、Ｘ線診断装置３００またはＸ線画像保管装置４００から受信したＸ線画像を記憶する。例えば、記憶回路１２０は、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子や、ハードディスク、光ディスク等によって実現される。記憶回路１２０は、記憶部ともいう。

入力回路１３０は、処理回路１５０に接続され、操作者から受け付けた入力操作を電気信号に変換して処理回路１５０に出力する。例えば、入力回路１３０は、トラックボール、スイッチボタン、マウス、キーボード、タッチパネル等によって実現される。

ディスプレイ１４０は、処理回路１５０に接続され、処理回路１５０から出力される各種情報および各種画像データを表示する。例えば、ディスプレイ１４０は、液晶モニタやＣＲＴモニタ、タッチパネル等によって実現される。

処理回路１５０は、入力回路１３０を介して操作者から受け付けた入力操作に応じて、Ｘ線画像保管装置４００の構成要素を制御する。例えば、処理回路１５０は、Ｉ／Ｆ回路１１０から出力される画像データを記憶回路１２０に記憶させる。また、例えば、処理回路１５０は、記憶回路１２０から画像データを読み出し、ディスプレイ１４０に表示する。例えば、処理回路１５０は、プロセッサによって実現される。

また、本実施形態では、処理回路１５０が、取得機能１５１と、抽出機能１５２と、出力機能１５３とを有する。取得機能１５１は、取得部の一例である。また、抽出機能１５２は、抽出部の一例である。出力機能１５３は、出力部の一例である。

取得機能１５１は、被検体ＰがＸ線撮影された画像であるＸ線画像を取得する。本実施形態においては、取得機能１５１は、Ｉ／Ｆ回路１１０を介して、Ｘ線診断装置３００またはＸ線画像保管装置４００からＸ線画像を取得する。取得機能１５１は、取得したＸ線画像を抽出機能１５２に入力する。

また、取得機能１５１は、後述の学習フェーズにおいては、教師データを取得する。取得機能１５１は、取得した教師データを抽出機能１５２に入力する。教師データの詳細については後述する。

抽出機能１５２は、Ｘ線画像と判別情報との対応関係を示す対応情報に基づいて、取得したＸ線画像に対応する判別情報を抽出する。

判別情報は、Ｘ線画像に映り込んだ物体が被検体Ｐの体外と体内のいずれに位置するかを表す情報である。本実施形態においては、判別情報は、取得されたＸ線画像７１のうち被検体Ｐの体外に位置する物体が映り込んだ画像領域を示す画像である。より詳細には、本実施形態の判別情報は、一例として、Ｘ線画像に映り込んだ物体のうち被検体Ｐの体外に位置する物体を黒色で表示し、背景画像および被検体Ｐの体内に位置する物体は表示しない２値画像とする。本実施形態においては、Ｘ線画像から当該２値画像を生成することを、Ｘ線画像から判別情報を抽出する、という。なお、黒色は表示態様の一例であり、判別情報は、他の色や、他の表示態様で被検体Ｐの体外に位置する物体が映り込んだ画像領域を示すものであっても良い。

Ｘ線画像に映り込んだ物体は、例えば、被検体Ｐの体外に取り付けられた心電図検査装置のケーブルや、被検体Ｐの体内に留置された医療用チューブ等である。本実施形態においては、当該ケーブルまたはチューブ等をデバイスともいう。また、背景画像は、被検体Ｐの体外および体内に位置するデバイス（物体）以外の画像のことであり、被検体Ｐの体内組織等の画像である。

また、本実施形態においては、対応情報は、Ｘ線画像と教師データとに基づいて、Ｘ線画像と判別情報との対応関係を示す学習済みモデルであるものとする。教師データは、Ｘ線画像に映り込んだ物体が被検体Ｐの体外と体内のいずれに位置するかを表すデータである。

本実施形態においては、抽出機能１５２は、Ｘ線画像と、教師データとに基づいて、Ｘ線画像と判別情報との対応関係を学習することによって、学習済みモデルを生成する。抽出機能１５２は、例えば、ニューラルネットワーク等のディープラーニング（深層学習）によって学習済みモデルを生成し、当該学習済みモデルを用いて判別情報を抽出するものとする。

ディープラーニングの手法としては、畳み込みニューラルネットワーク（ＣＮＮ：Convolutional Neural Network）や、畳み込みニューラルネットワーク（ＣＤＢＮ：Convolutional Deep Belief Neural Network）などの多層のニューラルネットワークを適用することができる。また、抽出機能１５２は、サポートベクターマシン（ＳＶＭ：Support Vector Machine）等の他の機械学習の手法を用いて学習モデルを生成しても良い。

ここで、本実施形態における学習フェーズの詳細について説明する。図３は、本実施形態に係る学習データおよび教師データの一例を示す図である。

図３に示すように、取得機能１５１は、学習用Ｘ線画像５１ａ〜５１ｎと、教師データ６１ａ〜６１ｎとを取得する。取得機能１５１は、取得した学習用Ｘ線画像５１ａ〜５１ｎと、教師データ６１ａ〜６１ｎとを抽出機能１５２に入力する。なお、学習用Ｘ線画像５１および教師データ６１の数は特に限定するものではない。

学習用Ｘ線画像５１ａ〜５１ｎ（以下、特に区別しない場合は、単に学習用Ｘ線画像５１という）は、体外または体内にデバイス等の物体を取り付けた状態の被検体ＰをＸ線撮像したＸ線画像であり、本実施形態における学習データである。図３に示す例では、学習用Ｘ線画像５１ａには、被検体Ｐの体外に位置する第１の物体８ａ，８ｂと、被検体Ｐの体内に位置する第２の物体９とが映り込んでいる。

教師データ６１ａ〜６１ｎ（以下、特に区別しない場合は、単に教師データ６１という）は、学習用Ｘ線画像５１ａ〜５１ｎに映り込んだ被検体Ｐの体外に位置する第１の物体８ａ，８ｂのみを黒色で表示し、背景画像および被検体Ｐの体内に位置する第２の物体９は表示しない２値画像である。本実施形態においては、教師データ６１はユーザが作成するものとする。例えば、教師データ６１ａは、学習用Ｘ線画像５１ａ上の第１の物体８ａ，８ｂがユーザによって黒く塗りつぶされ、第１の物体８ａ，８ｂ以外の画像がユーザによって削除された画像である。

また、学習用Ｘ線画像５１と、当該学習用Ｘ線画像５１に基づいて生成された教師データ６１とは、対応付けられて入力されるものとする。例えば、教師データ６１ａは、学習用Ｘ線画像５１ａに対応付けられた教師データ６１であり、教師データ６１ｂは、学習用Ｘ線画像５１ｂに対応付けられた教師データ６１であるものとする。

抽出機能１５２は、例えば、学習用Ｘ線画像５１が入力される毎に、学習用Ｘ線画像５１をニューラルネットワークで処理した結果が教師データ６１に近づくように、パラメータデータを更新することにより、学習を行う。

本実施形態においては、学習済みモデルは、ニューラルネットワークと、学習済みパラメータデータとによって構成されるものとする。また、本実施形態においては、抽出機能１５２がニューラルネットワークを含むものとする。抽出機能１５２は、学習済みパラメータデータを記憶回路１２０に保存する。

次に、本実施形態における運用フェーズの詳細について説明する。図４は、本実施形態に係る入力データ、第１の出力データ８１、および第２の出力データ９１の一例を示す図である。

図４に示すＸ線画像７１は、Ｘ線診断装置３００によって撮像されたＸ線画像であり、本実施形態における学習済みモデルに入力される入力データである。

取得機能１５１は、Ｘ線診断装置３００またはＸ線画像保管装置４００からＸ線画像７１を取得し、抽出機能１５２に入力する。

抽出機能１５２は、入力されたＸ線画像７１に対して学習済みモデルを用いて処理を実行し、第１の出力データ８１を出力（生成）する。より詳細には、抽出機能１５２は、ニューラルネットワークと、記憶回路１２０から読み出した学習済みパラメータデータとを用いて、第１の出力データ８１を出力する。

第１の出力データ８１は、本実施形態における取得されたＸ線画像７１に映り込んだ物体が被検体Ｐの体外と体内のいずれに位置するかを表す判別情報の一例である。図４に示すように、第１の出力データ８１は、Ｘ線画像７１に映り込んだ物体のうち被検体Ｐの体外に位置する第１の物体８ａ，８ｂを黒色で表示し、背景画像および被検体Ｐの体内に位置する第２の物体９は表示しない２値画像である。

抽出機能１５２は、生成した第１の出力データ８１を、出力機能１５３に送出する。

ここで図１に戻り、出力機能１５３は、抽出機能１５２よって抽出された判別情報に基づく情報を出力する。より詳細には、出力機能１５３は、判別情報をＸ線画像７１に付与した出力情報を出力する。本実施形態においては、第１の出力データ８１が判別情報の一例であるので、出力機能１５３は、抽出機能１５２によって生成された第１の出力データ８１をＸ線画像７１に重畳して第２の出力データ９１を生成する。第１の出力データ８１をＸ線画像７１に重畳する手法は、公知の手法を採用することができる。

図４に示す第２の出力データ９１は、第１の出力データ８１（２値画像）をＸ線画像７１に重畳した画像であり、本実施形態における出力情報の一例である。図４に示すように、第２の出力データ９１においては、第１の物体８ａ，８ｂが黒色に塗りつぶされた第１の出力データ８１がＸ線画像７１に重畳されているため、被検体Ｐの体外に位置する第１の物体８ａ，８ｂが映り込んだ画像領域が強調表示される。このため、第２の出力データ９１を医師等が読影した場合、被検体Ｐの体外に位置する第１の物体８ａ，８ｂと、被検体Ｐの体外に位置する第２の物体９とを容易に判別することができる。

出力機能１５３は、生成した第２の出力データ９１をディスプレイ１４０に出力する。また、出力機能１５３は、Ｘ線診断装置３００またはＸ線画像保管装置４００に第２の出力データ９１を出力するものとしても良い。

ここで、例えば、処理回路１５０の構成要素である取得機能１５１と、抽出機能１５２と、出力機能１５３とは、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１２０に記憶されている。処理回路１５０は、各プログラムを記憶回路１２０から読み出し、読み出した各プログラムを実行することで、各プログラムに対応する機能を実現する。換言すると、各プログラムを読み出した状態の処理回路１５０は、図１の処理回路１５０内に示された各機能を有することとなる。なお、図１においては、単一の処理回路１５０にて、取得機能１５１、抽出機能１５２、および出力機能１５３の各処理機能が実現されるものとして説明したが、複数の独立したプロセッサを組み合わせて処理回路１５０を構成し、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良い。

上記説明において用いた「プロセッサ」という文言は、例えば、ＣＰＵ（central preprocess 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）、およ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。なお、記憶回路１２０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、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。

ここで、以上のように構成されたＸ線画像処理装置１００において、運用フェーズで実行される処理の流れを説明する。

図５は、本実施形態に係る運用フェーズで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。このフローチャートの処理が実行される前提として、学習済みモデルが生成済みであることとする。

まず、取得機能１５１は、Ｘ線診断装置３００またはＸ線画像保管装置４００から被検体ＰのＸ線画像７１を取得する（Ｓ１１）。取得機能１５１は、取得したＸ線画像７１を抽出機能１５２に入力する。

次に、抽出機能１５２は、学習済みモデルを用いて、入力されたＸ線画像７１に映り込んだ被検体Ｐの体外に位置する第１の物体８ａ，８ｂを判別する（Ｓ１２）。そして、抽出機能１５２は、判別結果に基づいて第１の出力データ８１（２値画像）を生成する（Ｓ１３）。抽出機能１５２は、生成した第１の出力データ８１を、出力機能１５３に送出する。

そして、出力機能１５３は、第１の出力データ８１（２値画像）をＸ線画像７１に重畳して第２の出力データ９１を生成し、生成した第２の出力データ９１を出力する（Ｓ１４）。ここで、このフローチャートの処理は終了する。

一般に、Ｘ線診断装置で被検体を撮像する際に、被検体の体外に取り付けられたデバイス等がＸ線画像に映り込まないように、医師等が被検体の体外に取り付けられたデバイス等を取り外す、または位置を移動するという対応を行う場合がある。しかしながら、被検体の状態によっては、デバイス等の取り外しまたは位置の移動が困難な場合がある。このような場合に、被検体の体外にデバイス等が取り付けられたままＸ線撮像されると、Ｘ線画像にデバイス等が映り込む。また、被検体の体内に留置されたデバイス等がある場合、当該デバイス等も、Ｘ線画像に映り込む。このため、医師等がＸ線画像を読影する際、Ｘ線画像に映り込んだデバイス等が、被検体の体外と体内のいずれに位置するかを判別することが容易ではない場合があった。

例えば、手術後の経過観察のためのＸ線撮影において、被検体の体内に留置したデバイス等を確認することを目的とする場合には、Ｘ線画像に映り込んだデバイス等が被検体の体外と体内のいずれに位置するかを判別することができないと、医師等がＸ線画像に基づいて診断を下すことが困難な場合がある。また、被検体の体外に取り付けられたデバイス等の取り外しや移動が可能な場合であっても、Ｘ線撮影前にデバイス等の取り外しや移動の作業が発生するため、技師等が効率的にＸ線撮影を実施することが困難な場合があった。このため、Ｘ線画像に映り込んだ物体が被検体の体外と体内のいずれに位置するかを判別可能にすることについてのニーズがあった。

本実施形態のＸ線画像処理装置１００は、上述のように、Ｘ線画像７１と判別情報との対応関係を示す対応情報に基づいて、取得したＸ線画像７１に映り込んだ物体が被検体Ｐの体外と体内のいずれに位置するかを表す判別情報を抽出し、判別情報に基づく出力情報を出力する。このため、本実施形態のＸ線画像処理装置１００によれば、Ｘ線画像７１に映り込んだ物体が被検体Ｐの体外と体内のいずれに位置するかを判別可能にすることができる。

このような効果を奏することにより、本実施形態のＸ線画像処理装置１００によれば、医師等が読影をする際の精度を向上させることができる。また、本実施形態のＸ線画像処理装置１００によれば、被検体Ｐの体外にデバイス等がとりつけられたままの状態でＸ線撮影が可能になるため、Ｘ線撮影の作業のワークフローを改善し、作業効率を向上させることができる。

また、本実施形態のＸ線画像処理装置１００は、判別情報をＸ線画像７１に付与した出力情報を出力する。このため、本実施形態のＸ線画像処理装置１００によれば、Ｘ線画像７１上に映り込んだ物体のうち、いずれの物体が被検体Ｐの体外に位置するものであるかを、容易に判別可能な状態にすることができる。

より具体的には、本実施形態のＸ線画像処理装置１００は、Ｘ線画像７１に映り込んだ物体のうち被検体Ｐの体外に位置する物体を黒色で表示し、背景画像および被検体Ｐの体内に位置する物体は表示しない第１の出力データ８１（２値画像）を、Ｘ線画像７１に重畳した画像である第２の出力データ９１を出力する。このため、本実施形態のＸ線画像処理装置１００によれば、医師等が読影をする際に、Ｘ線撮像時の被検体Ｐの状況を別途確認しなくとも、第２の出力データ９１を視認することで被検体Ｐの体外に位置する物体を容易に判別することができる。

また、本実施形態の対応情報は、学習用Ｘ線画像５１と教師データ６１とに基づいて、Ｘ線画像と判別情報との対応関係を示す学習済みモデルである。本実施形態のＸ線画像処理装置１００は、このような学習済みモデルに対して、被検体Ｐを撮像したＸ線画像７１を入力することで、入力したＸ線画像７１に映り込んだ物体が被検体Ｐの体外と体内のいずれに位置するかを表す判別情報を抽出する。このため、本実施形態のＸ線画像処理装置１００によれば、医師等がＸ線画像７１に映り込んだ物体が被検体Ｐの体外と体内のいずれに位置するかを個別に判断しなくとも、Ｘ線画像７１に映り込んだ物体が被検体Ｐの体外と体内のいずれに位置するかを自動的に判別することができる。

また、本実施形態のＸ線画像処理装置１００は、学習用Ｘ線画像５１と教師データ６１とに基づいて、Ｘ線画像と判別情報との対応関係を学習することによって、学習済みモデルを生成する。このため、本実施形態のＸ線画像処理装置１００によれば、多数の学習用Ｘ線画像５１および教師データ６１を効率的に学習し、高精度な対応情報を生成することができる。

なお、教師データ６１、第１の出力データ８１、第２の出力データ９１は、図３および図４で示した態様に限定されるものではない。例えば、教師データ６１は、学習用Ｘ線画像５１のうち第１の物体８ａ，８ｂが映り込んだ画像領域を線で囲んだ画像であっても良い。また、この場合、第１の出力データ８１は、Ｘ線画像７１のうち第１の物体８ａ，８ｂが映り込んだ画像領域を線で囲んだ画像となる。

また、本実施形態の図３で説明した例では、Ｘ線画像処理装置１００の抽出機能１５２は、被検体Ｐの体外に位置する物体を判別するように学習したが、体内に位置する物体を判別するように学習しても良い。例えば、教師データ６１は、学習用Ｘ線画像５１のうち第２の物体９を塗りつぶした画像、または第２の物体９が映り込んだ画像領域を線で囲んだ画像等であっても良い。

また、本実施形態の学習用Ｘ線画像５１およびＸ線画像７１は、生データ（Raw data）または投影データ（Projection data）でも良いし、生データまたは投影データが補正または加工された画像データであっても良い。また、本実施形態の学習用Ｘ線画像５１およびＸ線画像７１は、ＤＩＣＯＭ（Digital Imaging and Communications in Medicine）規格に準拠した画像データであっても良い。

また、本実施形態における学習済みモデルは、Ｘ線画像処理装置１００が出力した第１の出力データ８１または第２の出力データ９１に対するユーザのフィードバックを取得することにより、学習済みモデルの内部アルゴリズムを更に更新する「自己学習するモデル」を含むものとする。

また、対応情報は、Ｘ線画像７１と判別情報との対応関係を示す情報であれば良く、学習済みモデルに限定されるものではない。例えば、対応情報は、数式モデル、ルックアップテーブル、またはデータベース等であっても良い。

（第２の実施形態）
上述の第１の実施形態においては、Ｘ線画像（学習用Ｘ線画像５１、Ｘ線画像７１）を学習データおよび入力データとしたが、この第２の実施形態では、さらに、カメラ画像を学習データおよび入力データとする。

本実施形態におけるＸ線画像処理装置１００、Ｘ線診断装置３００、およびＸ線画像保管装置４００の全体構成は、図１で説明した第１の実施形態の構成と同様であるものとする。

図６は、本実施形態に係るＸ線診断装置３００の構成の一例を示すブロック図である。図６に示すように、本実施形態のＸ線診断装置３００は、第１の実施形態の構成を備えた上で、赤外線カメラ１６を備える。

赤外線カメラ１６は、被検体Ｐが横になるベッドの上方に設置され、被検体Ｐを撮像する。赤外線カメラ１６は、本実施形態におけるカメラの一例である。赤外線カメラ１６が被検体Ｐを撮像することにより、被検体Ｐの衣服の下にデバイス等が取り付けられている場合にも、当該デバイス等が撮像可能となる。

本実施形態の撮影装置１０の駆動回路１４は、第１の実施形態の機能を備えた上で、撮影制御回路３３からの制御信号に基づいて、赤外線カメラ１６を制御する。より詳細には、駆動回路１４は、赤外線カメラ１６の位置および撮像範囲（視野）を制御するものとする。

例えば、駆動回路１４は、赤外線カメラ１６の撮像範囲を、照射装置１２から照射されるＸ線の照射範囲と同じ範囲になるように赤外線カメラ１６を制御するものとする。つまり、赤外線カメラ１６によって撮像されたカメラ画像は、Ｘ線画像７１と同じ範囲を撮像した画像であるものとする。また、本実施形態のカメラ画像の態様は特に限定されるものではなく、例えば、近赤外線の反射をモノクロで表した赤外線画像でも良いし、サーモグラフィであっても良い。

本実施形態の撮影装置１０においては、高電圧発生回路１１と、照射装置１２と、検出器１３と、収集回路１５とは、第１の実施形態と同様の機能を備えるものとする。

また、本実施形態のコンソール装置３０は、第１の実施形態と同様に、入力回路３１と、ディスプレイ３２と、撮影制御回路３３と、画像生成回路３６と、記憶回路３７と、システム制御回路３８と、Ｉ／Ｆ回路３９とを有する。入力回路３１と、ディスプレイ３２と、画像生成回路３６と、記憶回路３７と、システム制御回路３８とは、第１の実施形態と同様の機能を備えるものとする。

本実施形態の撮影制御回路３３は、第１の実施形態の機能を備えた上で、駆動回路１４に対して赤外線カメラ１６の制御信号を送信する。また、本実施形態のＩ／Ｆ回路３９は、第１の実施形態の機能を備えた上で、赤外線カメラ１６によって撮像されたカメラ画像を、Ｘ線画像保管装置４００およびＸ線画像処理装置１００に送信する。

また、本実施形態のＸ線画像処理装置１００は、図１で説明した第１の実施形態と同様に、Ｉ／Ｆ回路１１０と、記憶回路１２０と、入力回路１３０と、ディスプレイ１４０と、処理回路１５０とを備える。また、処理回路１５０は、第１の実施形態と同様に、取得機能１５１と、抽出機能１５２と、出力機能１５３とを備える。

本実施形態の出力機能１５３は、第１の実施形態と同様の機能を備える。

本実施形態の取得機能１５１は、第１の実施形態の機能を備えた上で、さらに、被検体Ｐが赤外線カメラ１６によって撮像されたカメラ画像を取得する。取得機能１５１は、取得したカメラ画像を、抽出機能１５２に入力する。

本実施形態の抽出機能１５２は、第１の実施形態の機能を備えた上で、Ｘ線画像７１およびカメラ画像に基づいて、取得したＸ線画像７１に対応する判別情報を抽出する。

また、本実施形態においては、対応情報は、Ｘ線画像と、カメラ画像と、教師データとに基づいて、Ｘ線画像と判別情報との対応関係を示す学習済みモデルであるものとする。

より詳細には、本実施形態の抽出機能１５２は、Ｘ線画像７１およびカメラ画像に基づいて判別情報を生成する学習済みモデルに対して、被検体Ｐを撮像したＸ線画像７１を入力することで、入力したＸ線画像７１に含まれる物体が被検体Ｐの体外と体内のいずれに位置するかを表す判別情報を抽出する。

また、本実施形態の抽出機能１５２は、Ｘ線画像と、カメラ画像と、教師データとに基づいて、Ｘ線画像と判別情報との対応関係を学習することによって、学習済みモデルを生成する。

ここで、本実施形態における学習フェーズの詳細について説明する。図７は、本実施形態に係る学習データおよび教師データの一例を示す図である。図７に示す学習用Ｘ線画像５１および教師データ６１は、図３で説明した第１の実施形態と同様である。

図７に示す学習用カメラ画像５２ａ〜５２ｎ（以下、特に区別しない場合は、単に学習用カメラ画像５２という）は、赤外線カメラ１６によって撮像されたカメラ画像である。

例えば、図７に示す学習用カメラ画像５２ａは、学習用Ｘ線画像５１ａにおけるＸ線の照射範囲と同じ範囲が撮像されたカメラ画像である。図７に示すように、学習用カメラ画像５２ａには、被検体Ｐの体外に位置する第１の物体８ａ，８ｂが映り込んでいる。また、被検体Ｐの体内に位置する第２の物体９は、学習用Ｘ線画像５１ａには映り込んでいるが、学習用カメラ画像５２ａには映り込んでいない。

本実施形態においては、学習用Ｘ線画像５１と、学習用カメラ画像５２とが学習データである。学習用Ｘ線画像５１を第１の学習データ、学習用カメラ画像５２を第２の学習データと呼んでも良い。また、学習用Ｘ線画像５１と、当該学習用Ｘ線画像５１に基づいて生成された教師データ６１と、当該学習用Ｘ線画像５１におけるＸ線の照射範囲と同じ範囲が撮像された学習用カメラ画像５２とは、対応付けられて入力されるものとする。

本実施形態の抽出機能１５２は、例えば、学習用Ｘ線画像５１および学習用カメラ画像５２が入力される毎に、学習用Ｘ線画像５１および学習用カメラ画像５２をニューラルネットワークで処理した結果が教師データ６１に近づくように、パラメータデータを更新することにより、学習を行う。

また、本実施形態においては、抽出機能１５２は、学習用Ｘ線画像５１だけではなく、学習用カメラ画像５２に基づいて学習するため、被検体Ｐの体外に位置する物体と被検体Ｐの体内に位置する物体とをより高精度に判別可能な学習モデルを生成することができる。例えば、上述したように、被検体Ｐの体外に位置する第１の物体８ａ，８ｂは、学習用カメラ画像５２ａと学習用Ｘ線画像５１ａの両方に映り込み、被検体Ｐの体内に位置する第２の物体９は、学習用Ｘ線画像５１ａにのみ映り込む。抽出機能１５２は、このような学習用Ｘ線画像５１と学習用カメラ画像５２とにおける差異と、教師データ６１とに基づいて、被検体Ｐの体外に位置する物体を高精度に判別可能な学習モデルを生成する。

次に、本実施形態における運用フェーズの詳細について説明する。図８は、本実施形態に係る入力データ、第１の出力データ８１、および第２の出力データ９１の一例を示す図である。

図８に示すＸ線画像７１は、Ｘ線診断装置３００によって撮像されたＸ線画像である。また、図８に示すカメラ画像７２は、Ｘ線診断装置３００に搭載された赤外線カメラ１６によって撮像されたカメラ画像である。カメラ画像７２は、Ｘ線画像７１におけるＸ線の照射範囲と同じ範囲が撮像されたカメラ画像であり、被検体Ｐの体外に位置する第１の物体８ａ，８ｂが映り込んでいる。また、被検体Ｐの体内に位置する第２の物体９は、Ｘ線画像７１には映り込んでいるが、カメラ画像７２には映り込んでいない。

Ｘ線画像７１およびカメラ画像７２は、本実施形態における学習済みモデルに入力される入力データである。Ｘ線画像７１を第１の入力データ、カメラ画像７２を第２の入力データと呼んでも良い。

取得機能１５１は、Ｘ線診断装置３００またはＸ線画像保管装置４００からＸ線画像７１およびカメラ画像７２を取得し、抽出機能１５２に入力する。

抽出機能１５２は、入力されたＸ線画像７１およびカメラ画像７２に対して学習済みモデルを用いて処理を実行し、第１の出力データ８１を出力（生成）する。

本実施形態における第１の出力データ８１および第２の出力データ９１は、第１の実施形態と同様であるものとする。

ここで、以上のように構成されたＸ線画像処理装置１００において、運用フェーズで実行される処理の流れを説明する。

図９は、本実施形態に係る運用フェーズで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。

Ｓ２１のＸ線画像７１の取得処理は、第１の実施形態のＳ１１の処理と同様である。Ｓ２１のＸ線画像７１の取得処理の後、取得機能１５１は、Ｘ線診断装置３００またはＸ線画像保管装置４００から、Ｘ線画像７１におけるＸ線の照射範囲と同じ範囲が撮像されたカメラ画像７２を取得する（Ｓ２２）。取得機能１５１は、取得したＸ線画像７１およびカメラ画像７２を抽出機能１５２に入力する。

次に、抽出機能１５２は、学習済みモデルを用いて、入力されたＸ線画像７１およびカメラ画像７２に映り込んだ被検体Ｐの体外に位置する第１の物体８ａ，８ｂを判別する（Ｓ２３）。Ｓ２４の第１の出力データ８１（２値画像）の生成処理から、Ｓ２５のＸ線画像７１に第１の出力データ８１（２値画像）を重畳して出力する処理は、第１の実施形態のＳ１３からＳ１４の処理と同様である。ここで、このフローチャートの処理は終了する。

このように、本実施形態のＸ線画像処理装置１００によれば、Ｘ線画像７１およびカメラ画像７２に基づいて、Ｘ線画像７１に対応する判別情報を抽出するため、第１の実施形態の効果に加えて、Ｘ線画像７１に映り込んだ物体が被検体Ｐの体外と体内のいずれに位置するかを、さらに高精度に判別することができる。

また、本実施形態のカメラ画像７２は、Ｘ線画像７１の撮像時におけるＸ線の照射範囲と同じ範囲が撮像された画像であるため、本実施形態のＸ線画像処理装置１００によれば、Ｘ線画像７１に映り込んだ物体が被検体Ｐの体外と体内のいずれに位置するかを判別する際に、撮像領域の違いによる画像の差異が判別結果に影響することを抑制することができる。

また、本実施形態の対応情報は、学習用Ｘ線画像５１と、学習用カメラ画像５２と、教師データ６１とに基づいて、Ｘ線画像と判別情報との対応関係を示す学習済みモデルである。このため、本実施形態のＸ線画像処理装置１００によれば、Ｘ線画像７１に映り込んだ物体が被検体Ｐの体外と体内のいずれに位置するかをより高精度に判別可能な学習モデルに基づいた判別結果を得ることができる。

また、本実施形態のＸ線画像処理装置１００は、学習用Ｘ線画像５１と、学習用カメラ画像５２と、教師データ６１とに基づいて、Ｘ線画像と判別情報との対応関係を学習することによって、学習済みモデルを生成する。このため、本実施形態のＸ線画像処理装置１００によれば、Ｘ線画像７１に映り込んだ物体が被検体Ｐの体外と体内のいずれに位置するかをより高精度に判別可能な学習モデルを生成することができる。

なお、本実施形態においては、Ｘ線診断装置３００は赤外線カメラ１６を備えるものとしたが、カメラの種類は赤外線カメラに限定されるものではない。例えば、デバイス等が被検体Ｐの衣服等によって隠蔽されていない場合は、カメラは、光学カメラであっても良い。また、カメラは、バックスキャッタイメージング（後方散乱Ｘ線検査装置）等でも良い。

（第３の実施形態）
上述の第１および第２の実施形態においては、Ｘ線画像処理装置１００は、取得したＸ線画像７１のうち被検体Ｐの体外に位置する物体が映り込んだ画像領域を強調表示した画像（第２の出力データ９１）をしていたが、この第３の実施形態では、Ｘ線画像処理装置１００は、Ｘ線画像７１から被検体Ｐの体外にある物体を除外した画像を出力する。

本実施形態におけるＸ線画像処理装置１００、Ｘ線診断装置３００、およびＸ線画像保管装置４００の全体構成は、図１で説明した第１の実施形態の構成と同様であるものとする。また、本実施形態におけるＸ線診断装置３００の構成は、図２で説明した第１の実施形態の構成と同様であるものとする。

また、本実施形態のＸ線画像処理装置１００は、図１で説明した第１の実施形態と同様に、Ｉ／Ｆ回路１１０と、記憶回路１２０と、入力回路１３０と、ディスプレイ１４０と、処理回路１５０とを備える。また、処理回路１５０は、第１の実施形態と同様に、取得機能１５１と、抽出機能１５２と、出力機能１５３とを備える。

本実施形態の取得機能１５１は、第１の実施形態と同様の機能を備える。

本実施形態の抽出機能１５２は、第１の実施形態の機能を備えた上で、取得したＸ線画像７１から被検体Ｐの体外にある物体を除外した画像を出力する。

本実施形態においては、判別情報は、Ｘ線画像７１から被検体Ｐの体外にある物体を除外した画像であるものとする。また、本実施形態においては、Ｘ線画像７１から被検体Ｐの体外にある物体を除外した画像を生成することを、Ｘ線画像７１から判別情報を抽出する、という。

本実施形態の出力機能１５３は、第１の実施形態の機能を備えた上で、抽出機能１５２によって出力されたＸ線画像７１から被検体Ｐの体外にある物体を除外した画像を、出力する。

ここで、本実施形態における学習フェーズの詳細について説明する。図１０は、本実施形態に係る学習データおよび教師データの一例を示す図である。

図７に示す学習用Ｘ線画像５１は、図３で説明した第１の実施形態と同様である。

また、図７に示す教師データ１０６１ａ〜１０６１ｎ（以下、特に区別しない場合は、単に教師データ１０６１という）は、学習用Ｘ線画像５１から被検体Ｐの体外にある物体を除外（削除）された画像である。また、教師データ１０６１においては、被検体Ｐの体内に位置する物体は除外されないものとする。

例えば、教師データ１０６１ａは、学習用Ｘ線画像５１ａに映り込んだ被検体Ｐの体外に位置する第１の物体８ａ，８ｂが除外された画像である。また、学習用Ｘ線画像５１ａに映り込んだ被検体Ｐの体内に位置する第２の物体９は、教師データ１０６１においても表示されている。教師データ１０６１は、例えば、ユーザによって作成されるものとする。

抽出機能１５２は、例えば、学習用Ｘ線画像５１が入力される毎に、学習用Ｘ線画像５１をニューラルネットワークで処理した結果が教師データ１０６１に近づくように、パラメータデータを更新することにより、学習を行う。

次に、本実施形態における運用フェーズの詳細について説明する。図１１は、本実施形態に係る入力データ（Ｘ線画像７１）、第１の出力データ１０８１の一例を示す図である。図１１に示すＸ線画像７１は、第１の実施形態と同様である。

また、本実施形態の学習済みモデルは、Ｘ線画像７１に基づいて、Ｘ線画像７１から被検体Ｐの体外にある物体を除外した画像を生成する学習済みモデルである。

抽出機能１５２は、入力されたＸ線画像７１に対して学習済みモデルを用いて処理を実行し、第１の出力データ１０８１を出力（生成）する。

第１の出力データ１０８１は、Ｘ線画像７１から被検体Ｐの体外にある物体を除外した画像であり、本実施形態における判別情報の一例である。抽出機能１５２は、生成した第１の出力データ１０８１を、出力機能１５３に送出する。

また、出力機能１５３は、抽出機能１５２によって生成された第１の出力データ１０８１を出力する。つまり、第１の出力データ１０８１は、本実施形態における出力情報の一例でもある。

このように、本実施形態のＸ線画像処理装置１００によれば、Ｘ線画像７１から被検体Ｐの体外にある物体を除外した画像を出力するため、第１の実施形態の効果に加えて、被検体Ｐの体外にある物体によって医師等の読影が妨げられることを低減することができる。

なお、本実施形態においては、Ｘ線診断装置３００は、第１の実施形態と同様の構成を備えるものとしたが、第２の実施形態と同様の構成を備えるものとしても良い。また、本実施形態においても、第２の実施形態と同様に、学習フェーズおよび運用フェーズにおいてカメラ画像を用いるものとしても良い。

（変形例１）
上述の第１〜第３の実施形態においては、Ｘ線画像処理装置１００の抽出機能１５２が学習済みモデルを生成するものとしたが、Ｘ線画像処理装置１００は、他の装置において予め生成された学習済みモデルを取得するものとしても良い。

当該構成を採用する場合、Ｘ線画像処理装置１００の抽出機能１５２は、他の装置から取得した学習済みモデルを記憶回路１２０に保存する。この場合、記憶回路１２０から学習済みモデルを読み込んで処理を実行する。あるいは、Ｘ線画像処理装置１００の抽出機能１５２は、他の装置において予め生成された学習済みモデルが予め組み込まれているものとしても良い。

また、Ｘ線画像処理装置１００の抽出機能１５２とは異なる機能が学習済みモデルを生成するものとしても良い。例えば、Ｘ線画像処理装置１００は、学習フェーズにおける抽出機能１５２の機能として説明した機能を実現する機能を、学習機能として別途備えるものとしても良い。

なお、学習済みモデルは、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field Programmable Gate Array）などの集積回路によって構築されても良い。

（変形例２）
また、上述の第１〜第３の実施形態におけるＸ線画像処理装置１００が実現した機能を、Ｘ線診断装置３００が実現するものとしても良い。例えば、Ｘ線診断装置３００のコンソール装置３０が、図１に示したＸ線画像処理装置１００の処理回路１５０の各構成（取得機能１５１、抽出機能１５２、出力機能１５３）を備えるものとしても良い。あるいは、図１に示すＸ線診断装置３００とＸ線画像処理装置１００とを総称して、Ｘ線診断装置と称しても良い。

（変形例３）
上述の第１〜第３の実施形態においては、Ｘ線診断装置３００を図２に示したように固定型のＸ線一般撮影装置としたが、Ｘ線診断装置３００は、回診車等の移動型Ｘ線撮像装置であっても良い。

以上説明した少なくとも１つの実施形態によれば、Ｘ線画像７１に映り込んだ物体が被検体Ｐの体外と体内のいずれに位置するかを判別可能にすることができる。

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。

８ａ，８ｂ 第１の物体
９ 第２の物体
１０ 撮影装置
１６ 赤外線カメラ
３０ コンソール装置
５１，５１ａ〜５１ｎ 学習用Ｘ線画像
５２，５２ａ〜５２ｎ 学習用カメラ画像
６１，６１ａ〜６１ｎ，１０６１，１０６１ａ〜１０６１ｎ 教師データ
７１ Ｘ線画像
７２ カメラ画像
８１，１０８１ 第１の出力データ
９１ 第２の出力データ
１００ Ｘ線画像処理装置
１１０ Ｉ／Ｆ回路
１２０ 記憶回路
１３０ 入力回路
１４０ ディスプレイ
１５０ 処理回路
１５１ 取得機能
１５２ 抽出機能
１５３ 出力機能
２００ ネットワーク
３００ Ｘ線診断装置
４００ Ｘ線画像保管装置
Ｐ 被検体

Claims (12)

1. 被検体がＸ線撮影された画像であるＸ線画像を取得する取得部と、
   前記Ｘ線画像と前記Ｘ線画像に映り込んだ物体が前記被検体の体外と体内のいずれに位置するかを表す判別情報との対応関係を示す対応情報に基づいて、取得した前記Ｘ線画像に対応する前記判別情報を抽出する抽出部と、
   前記判別情報に基づく出力情報を出力する出力部と、
   を備えるＸ線画像処理装置。
2. 前記出力部は、前記判別情報を前記Ｘ線画像に付与した前記出力情報を出力する、
   請求項１に記載のＸ線画像処理装置。
3. 前記判別情報は、前記Ｘ線画像に映り込んだ物体のうち前記被検体の体外に位置する物体を黒色で表示し、背景画像および前記被検体の体内に位置する物体は表示しない２値画像であり、
   前記出力情報は、前記２値画像を前記Ｘ線画像に重畳した画像である、
   請求項２に記載のＸ線画像処理装置。
4. 前記出力部は、取得した前記Ｘ線画像から前記被検体の体外にある物体を除外した画像を出力する、
   請求項１に記載のＸ線画像処理装置。
5. 前記取得部は、さらに、前記被検体がカメラによって撮像されたカメラ画像を取得し、
   前記抽出部は、前記Ｘ線画像および前記カメラ画像に基づいて、取得した前記Ｘ線画像に対応する前記判別情報を抽出する、
   請求項１から４のいずれか１項に記載のＸ線画像処理装置。
6. 前記カメラ画像は、前記Ｘ線画像の撮像時におけるＸ線の照射範囲と同じ範囲が撮像された画像である、
   請求項５に記載のＸ線画像処理装置。
7. 前記対応情報は、Ｘ線画像と前記Ｘ線画像に映り込んだ物体が前記被検体の体外と体内のいずれに位置するかを表す教師データとに基づいて、前記Ｘ線画像と前記判別情報との対応関係を示す学習済みモデルである、
   請求項１から４のいずれか１項に記載のＸ線画像処理装置。
8. 前記抽出部は、前記Ｘ線画像と、前記教師データとに基づいて、前記Ｘ線画像と前記判別情報との対応関係を学習することによって、前記学習済みモデルを生成する、
   請求項７に記載のＸ線画像処理装置。
9. 前記対応情報は、Ｘ線画像と、カメラ画像と、前記Ｘ線画像に映り込んだ物体が前記被検体の体外と体内のいずれに位置するかを表す教師データとに基づいて、前記Ｘ線画像と前記判別情報との対応関係を示す学習済みモデルである、
   請求項５または６に記載のＸ線画像処理装置。
10. 前記抽出部は、前記Ｘ線画像と、前記カメラ画像と、前記教師データとに基づいて、前記Ｘ線画像と前記判別情報との対応関係を学習することによって、前記学習済みモデルを生成する、
    請求項９に記載のＸ線画像処理装置。
11. 被検体がＸ線撮影された画像であるＸ線画像を取得する取得部と、
    前記Ｘ線画像と前記Ｘ線画像に映り込んだ物体が前記被検体の体外と体内のいずれに位置するかを表す判別情報との対応関係を示す対応情報に基づいて、取得した前記Ｘ線画像に対応する前記判別情報を抽出する抽出部と、
    前記抽出部によって抽出された前記判別情報に基づく出力情報を出力する出力部と、
    を備えるＸ線診断装置。
12. 被検体がＸ線撮影された画像であるＸ線画像を取得し、
    前記Ｘ線画像と前記Ｘ線画像に映り込んだ物体が前記被検体の体外と体内のいずれに位置するかを表す判別情報との対応関係を示す対応情報に基づいて、取得した前記Ｘ線画像に対応する前記判別情報を抽出し、
    抽出された前記判別情報に基づく出力情報を出力する、
    各処理をコンピュータに実行させるＸ線画像処理プログラム。

Images