JP2021029410A - 医用情報処理装置、医用情報処理プログラムおよびｘ線ｃｔ装置 - Google Patents

Abstract

【課題】システムコストを低減する。【解決手段】本実施形態に係る医用情報処理装置は、取得部と、補正部とを含む。取得部は、第１の医用データに対して非可逆圧縮を行なうことにより得られる第１の圧縮データを取得する。補正部は、医用データに対して前記非可逆圧縮を行なうことにより得られる第２の圧縮データが入力され、前記非可逆圧縮による情報損失が補正された医用データを出力するように学習された学習済みモデルに従い、前記第１の圧縮データから、前記情報損失が補正された第２の医用データを生成する。【選択図】図１

Description

本発明の実施形態は、医用情報処理装置、医用情報処理プログラムおよびＸ線ＣＴ装置に関する。

高精細な医用画像を収集できるＸ線ＣＴ（Computed Tomography）装置またはスペクトラルＣＴ装置（フォトンカウンティングＣＴ装置も含む）といった高性能のＸ線ＣＴ装置では、従来型のＸ線ＣＴ装置と比較して、ガントリ側からコンソール側へ転送されるデータ量およびストレージに保管されるデータ量が数倍以上となっている。

ガントリ側からコンソール側へ転送されるデータ量が許容値を超えると、データ損失が発生する可能性があるため、データ通信において帯域保証をする必要がある。そのためにデータ通信にかかるコストの低減が重要となる。また、ガントリ側から転送される生データはデータ量が多く、ストレージに保管されるデータ量を減らしたいというニーズもある。

そこで、データを可逆圧縮または非可逆圧縮することでデータ量を削減する手法が考えられる。可逆圧縮は、データ損失なく圧縮された状態からデータを復元できるが、ホワイトノイズなどはデータを圧縮できないため、圧縮率が低い。一方、非可逆圧縮は、圧縮率は高いが、圧縮ひずみにより、圧縮されたデータを伸張したデータにはブロックノイズが生じ、画質が劣化するという問題がある。

米国特許出願公開第２０１１／０２４３４０７号明細書 米国特許出願公開第２０１０／０１２８９４９号明細書 特許第５８１８５８８号公報

本発明が解決しようとする課題は、システムコストを低減することである。

本実施形態に係る医用情報処理装置は、取得部と、補正部とを含む。取得部は、第１の医用データに対して非可逆圧縮を行なうことにより得られる第１の圧縮データを取得する。補正部は、医用データに対して前記非可逆圧縮を行なうことにより得られる第２の圧縮データが入力され、前記非可逆圧縮による情報損失が補正された医用データを出力するように学習された学習済みモデルに従い、前記第１の圧縮データから、前記情報損失が補正された第２の医用データを生成する。

図１は、第１の実施形態に係る医用情報処理装置を示すブロック図である。 図２は、第１の実施形態に係る学習済みモデルの生成に関する学習システムを示す図である。 図３は、第１の実施形態に係る学習済みモデルの学習時の概念を示す図である。 図４は、第１の実施形態に係る学習済みモデルの利用時の概念を示す図である。 図５は、第１の実施形態に係る医用情報処理装置の第１の実行例を示す図である。 図６は、第１の実施形態に係る医用情報処理装置の第２の実行例を示す図である。 図７は、第２の実施形態に係るＸ線ＣＴ装置の構成を示すブロック図である。 図８は、第２の実施形態に係るＸ線ＣＴ装置のデータ転送例を示すブロック図である。

以下、図面を参照しながら本実施形態に係る医用情報処理装置、医用情報処理プログラムおよびＸ線ＣＴ（Computed Tomography）装置について説明する。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）
第１の実施形態に係る医用情報処理装置について図１のブロック図を参照して説明する。
第１の実施形態に係る医用情報処理装置１は、メモリ１１と、処理回路１３と、入力インタフェース１５と、通信インタフェース１７とを含む。処理回路１３は、取得機能１３１と、補正機能１３３と、画像処理機能１３５と、表示制御機能１３７と、圧縮伸張機能１３９とを含む。

第１の実施形態に係る医用情報処理装置１は、ここでは、Ｘ線ＣＴ装置により撮影された医用データを処理することを想定して説明するが，これに限らず、各種医用画像診断装置により得られた画像を処理可能である。例えば、磁気共鳴イメージング装置で撮像されるＭＲ（Magnetic Resonance）データ、超音波診断装置で取得される超音波画像、ＰＥＴ（Positron Emission Tomography）装置で取得されるＰＥＴ画像およびＳＰＥＣＴ（Single photon emission computed tomography）装置で取得されるＳＰＥＣＴ画像であってもよい。

メモリ１１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１１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、メモリの保存領域は、医用情報処理装置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。メモリ１１は、学習済みモデル、各種医用データ（生データ、投影データ、サイノグラムなどの中間データなど）および各種医用画像（再構成画像、ＣＴ画像、ＭＲ画像、超音波画像、ＰＥＴ（positron emission tomography ）画像など）を格納することを想定する。なお、学習済みモデル、医用データ及び医用画像などは、外部に記憶されていてもよい。学習済みモデル、医用データ及び医用画像などが外部に記憶される場合は、処理回路１３が参照可能であればよい。

処理回路１３は、例えば、ハードウェア資源として、ＣＰＵ（Central Processing Unit）やＭＰＵ(Micro Processing Unit)、ＧＰＵ（Graphics Processing Unit）等のプロセッサとＲＯＭ（Read Only Memory）やＲＡＭ（Random Access Memory）等のメモリとを含む。また処理回路１３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。処理回路１３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、取得機能１３１と、補正機能１３３と、画像処理機能１３５と、表示制御機能１３７と、圧縮伸張機能１３９とを実行する。なお、各機能（取得機能１３１、補正機能１３３、画像処理機能１３５、表示制御機能１３７および圧縮伸張機能１３９）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１３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。

取得機能１３１により処理回路１３は、医用データに対して非可逆圧縮を行うことにより得られる圧縮データを取得する。医用データは、例えば、被検体をＸ線ＣＴ装置などの医用画像診断装置で撮影することにより得られた生データ、投影データまたは投影データをビューごとに時系列で並べたサイノグラムである。圧縮データは、非可逆圧縮された医用データまたは非可逆圧縮の過程で算出されるパラメータである。

補正機能１３３により処理回路１３は、医用データを非可逆圧縮することにより得られる圧縮データが入力され、非可逆圧縮による情報損失が補正された医用データを出力するように学習された学習済みモデルに従い、取得機能１３１により取得した圧縮データから、情報損失が補正された医用データを生成する。学習済みモデルを適用することにより得られる情報損失が補正された医用データとは、例えば非可逆圧縮前のデータに相当する無圧縮データである。情報損失が補正された医用データは、無圧縮データにノイズ低減処理や平滑化処理、エッジ強調等の任意のデータ処理を施すことにより生成された医用データでもよい。
学習済みモデルは、例えば学習済みモデルがメモリ１１に格納される場合は、当該メモリ１１から学習済みモデルを参照してもよいし、学習済みモデルが外部装置に格納される場合は、補正機能１３３が外部装置を参照すればよい。

画像処理機能１３５により処理回路１３は、無圧縮データに対して画像再構成処理を行い、再構成画像を生成する。再構成画像の生成手法としては、例えば、フィルタ補正逆投影法（ＦＢＰ法：Filtered Back Projection）や逐次近似再構成法を用いればよい。

表示制御機能１３７により処理回路１３は、再構成画像を、ディスプレイやプロジェクタを介してスクリーンなどに表示させるように画像の出力を制御する。

圧縮伸張機能１３９により処理回路１３は、取得された圧縮データに対し伸張処理を行ない、伸張データを生成する。伸張処理は、一般的な非可逆圧縮に対応した逆変換を行なえばよく、ここでの具体的な説明は省略する。また、圧縮伸張機能１３９により処理回路１３は、非可逆圧縮前の生データなどが取得された場合は、メモリに格納されるデータ量を削減するため、生データに対して非可逆圧縮処理を行う。

入力インタフェース１５は、ユーザから各種の入力操作を受け付け、受け付けた入力操作に基づく信号をメモリ１１、処理回路１３、通信インタフェース１７などに出力する。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、入力インタフェース１５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信号を受け取り、この信号を処理回路１３へ出力するような処理回路も入力インタフェース１５の例に含まれる。

通信インタフェース１７は、外部と通信するための無線又は有線のインタフェースであり、一般的なインタフェースを用いればよいため、ここでの説明は省略する。

次に、処理回路１３の補正機能１３３が利用する学習済みモデルを生成する学習システムについて図２を参照して説明する。
図２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２に示される医用情報処理システムは、学習用データ生成装置２０、学習用データ保管装置２２と、モデル学習装置２４と、医用情報処理装置１とを含む。

学習用データ生成装置２０は、学習用データを生成する。なお、学習用データの生成方法の一例については、図３を参照して後述する。
学習用データ保管装置２２は、学習用データ生成装置２０において生成された学習用データおよび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、学習用データ保管装置２２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、学習用データ保管装置２２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、ＳＳＤ、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２４は、学習用データ保管装置２２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学習モデルを学習させることで、学習済みモデルを生成する。本実施形態で想定する学習モデルとしては、ニューラルネットワーク、ディープニューラルネットワーク、深層畳み込みニューラルネットワーク（ＤＣＮＮ）、サポートベクタマシン（ＳＶＭ：Support Vector Machine）等を想定するが、これに限らず、学習用データから何らかの特徴を学習できる手法であれば、他の機械学習アルゴリズムであってもよい。モデル学習装置２４は、ＣＰＵ、ＧＰＵ等の汎用プロセッサ、または機械学習専用に構成された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もよい。

モデル学習装置２４と学習用データ保管装置２２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、学習用データ保管装置２２がモデル学習装置２４に搭載されてもよい。これらの場合、学習用データ保管装置２２からモデル学習装置２４へ学習用データが供給される。なお、モデル学習装置２４と学習用データ保管装置２２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型記憶媒体を介して、学習用データ保管装置２２からモデル学習装置２４へ学習用データが供給される。なお、学習済みモデルは、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）により実現されてもよい。

医用情報処理装置１とモデル学習装置２４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２４で生成された学習済みモデルが医用情報処理装置１へ供給され、学習済みモデルが医用情報処理装置１のメモリ１１に記憶される。なお、医用情報処理装置１とモデル学習装置２４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２４から医用情報処理装置１へ学習済みモデルが供給される。
なお、図２のようにモデル学習装置２４を別途用意せず、医用情報処理装置１が学習済みモデルを生成してもよい。

次に、本実施形態に係る学習済みモデルの学習時の概念について図３を参照して説明する。
モデルの学習時には、例えば工場出荷時などにおいて、モデル学習装置２４が、学習用データを用いて学習モデルである多層ネットワーク５１を学習させる。
図３に示すように、非可逆圧縮前の医用データを正解データとし、当該医用データが非可逆圧縮された圧縮データを入力データとした学習用データを用いて多層ネットワーク５１を学習させ、学習済みモデル５３を生成する。言い換えれば、非可逆圧縮されたデータから非可逆圧縮前の無圧縮の状態のデータ（生データ、撮影データ、サイノグラムなど）が再現されるように、多層ネットワーク５１を学習させる。

ここで非可逆圧縮は、画像や動画で用いられている一般的な非可逆圧縮法を用いればよく、例えばＪＰＥＧ、ＪＰＥＧ ２０００、Ｈ．２６４、Ｈ．２６５、ＤＰＣＭ（Differential pulse code modulation）などが挙げられる。
また、学習用データは、非可逆圧縮前の生データが収集されていれば、正解データは非可逆圧縮前の生データを用い、入力データは当該生データを非可逆圧縮した圧縮データを生成すればよいため、効率的に学習用データを用意できる。

なお、入力データとして圧縮データが用いられる代わりに、伸張データが用いられてもよい。圧縮データは非可逆圧縮されているため、当該圧縮データを伸張した伸張データには、圧縮前の情報を完全には復元できずにブロックノイズなどのひずみが生じることとなる。よって、伸張データを入力データとし非可逆圧縮前の医用データを正解データとした学習用データを用いて学習することで、当該ひずみを低減するような学習を行うことができる。さらに、圧縮データを伸張することで伸張データを生成できるため、伸張データを学習用データに用いる場合にも同様に学習用データを効率的に用意できる。

なお、学習用データの入力データとなる圧縮データとしてパラメータを用いてもよい。すなわち、非可逆圧縮処理の一処理として周波数変換を行う場合、例えばＪＰＥＧの圧縮方式において離散コサイン変換を行う場合は、各周波数成分の係数を用いてもよいし、非可逆圧縮処理の一処理として論理変換を行う場合、例えばＤＣＰＭおよび可変長符号化を用いて圧縮する場合は、差分値（例えば、予測モードの予測残差値）であってもよい。

モデル学習装置２４は、各周波数成分の係数または差分値などのパラメータを入力データとし、非可逆圧縮による情報損失が補正された医用データを正解データとした学習用データを用いて多層ネットワーク５１を学習させればよい。
なお、このような圧縮処理（エンコーダ）および伸張処理（デコーダ）の種類に応じて学習済みモデルを用意しておき、圧縮処理の種類に応じて学習済みモデルを切り換えて適用してもよい。
さらに、圧縮データを入力し、非可逆圧縮前の医用データから再構成処理することにより得られる再構成画像を正解データとして多層ネットワーク５１を学習させてもよい。これにより、圧縮データに学習済みモデルを適用することにより、情報損失の影響がない再構成画像を生成することができる。

次に、学習済みモデル５３の利用時の概念について図４を参照して説明する。
学習済みモデル５３の利用時は、例えば、圧縮データの単位として、１ビュー分の投影データでもよいし、複数ビュー分まとめた投影データでもよい。
非可逆圧縮後の医用データに関する圧縮データに対して学習済みモデル５３を適用することで、非可逆圧縮前の無圧縮データを生成できる。

次に、第１の実施形態に係る医用情報処理装置の実行例について図５および図６を参照して説明する。
図５および図６は、学習済みモデル５３に適用する圧縮データと生成される医用データの具体例である。

図５の学習済みモデル５３は、非可逆圧縮されたサイノグラムが伸張された後のサイノグラム（伸張データ）を入力データとし、非可逆圧縮前のサイノグラムを正解データとした学習用データにより学習されていることを想定する。
図５に示すように、伸張された後のサイノグラム５５に対して学習済みモデル５３が適用されることにより、非可逆圧縮前のサイノグラムに相当する無圧縮データ５７を生成できる。学習済みモデル５３を適用する前である伸張された後のサイノグラム５５は、ブロックノイズが生じている。一方、学習済みモデル５３が適用されて生成された無圧縮データ５７は、ブロックノイズが低減されたサイノグラムである。
よって、後処理において、例えば画像処理機能１３５により処理回路１３は、無圧縮データを再構成処理することで、非可逆圧縮によるひずみの影響を低減した再構成画像を生成することができる。

また、図６の学習済みモデル５３は、圧縮データとして離散コサイン変換に関するパラメータ（各周波数成分の係数値）を入力データとし、非可逆圧縮前のサイノグラムを正解データとした学習用データにより学習されていることを想定する。図６に示すように、各周波数成分の係数値６１に対して学習済みモデル５３が適用されることにより、図５と同様に無圧縮データ５７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、非可逆圧縮された医用データに関する圧縮データに対して学習済みモデルを適用することで、非可逆圧縮前の医用データに相当する無圧縮データを生成することができる。これにより、非可逆圧縮処理によって効率的に圧縮されることでデータ量を低減しつつ、無圧縮データに基づいて高品質なデータを復元することができる。結果として、システムコストを低減することができる。

（第２の実施形態）
第２の実施形態では、第１の実施形態に係る医用情報処理装置１の処理回路１３の機能を含むＸ線ＣＴ装置について説明する。

以下、本実施形態に係るＸ線ＣＴ装置について図７のブロック図を参照して説明する。図７に示すＸ線ＣＴ装置２は、架台装置７０と、寝台装置３０と、Ｘ線ＣＴ装置の処理を実現するコンソール装置４０とを有する。図７では説明の都合上、架台装置７０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７３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７０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７０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７０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７０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７０は、Ｘ線管７１と、Ｘ線検出器７２と、回転フレーム７３と、Ｘ線高電圧装置７４と、制御装置７５と、ウェッジ７６と、コリメータ７７と、データ収集装置７８（以下、ＤＡＳ（Data Acquisition System）７８ともいう）とを含む。

Ｘ線管７１は、Ｘ線高電圧装置７４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７１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７１で発生したＸ線は、例えばコリメータ７７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７２は、本実施形態では、いわゆるフォトンカウンティング型検出器の場合と、一般的なＸ線検出器、いわゆる積分型の検出器の場合とをそれぞれ想定する。

Ｘ線検出器７２が、フォトンカウンティング型検出器である場合、Ｘ線管７１から照射され、被検体Ｐを通過したＸ線を光子単位で検出する。Ｘ線検出器７２は、例えば、Ｘ線管７１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７２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７２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７２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線を、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（１次元コリメータまたは２次元コリメータ）と呼ばれる場合もある。

光センサアレイは、シンチレータから受けた光を増幅して電気信号に変換し、当該入射Ｘ線のエネルギーに応じた波高値を有する出力信号（エネルギー信号）を生成する機能を有し、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。生成されたエネルギー信号がＤＡＳ７８に出力される。

一方、Ｘ線検出器７２が、積分型の検出器である場合、Ｘ線管７１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ＤＡＳ７８へと出力する。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線を、当該入射Ｘ線に応じた光子量の光を出力するシンチレータ結晶を有する。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、上述のＸ線検出器７２は、間接変換型の検出器を想定しているが、シンチレータアレイおよび光センサアレイの代わりに、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。

なお、回転フレーム７３は、Ｘ線管７１とＸ線検出器７２に加えて、Ｘ線高電圧装置７４やＤＡＳ７８を更に備えて支持する。このような回転フレーム７３は、撮影空間をなす開口（ボア）７９が形成された略円筒形状の筐体に収容されている。開口７９はＦＯＶに略一致する。開口７９の中心軸は、回転フレーム７３の回転軸Ｚに一致する。なお、ＤＡＳ７８が生成した検出データ（生データ）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７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撮影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７４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７１に印加する高電圧及びＸ線管７１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７１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７４は、後述する回転フレーム７３に設けられてもよいし、架台装置７０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７５は、ＣＰＵ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等のプロセッサとＲＯＭやＲＡＭ等のメモリとを有する。また、制御装置７５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７５は、コンソール装置４０からの指令に従い、Ｘ線高電圧装置７４及びＤＡＳ７８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７５は、コンソール装置４０若しくは架台装置７０に取り付けられた、後述する入力インタフェース４３からの入力信号を受けて、架台装置７０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７５は、入力信号を受けて回転フレーム７３を回転させる制御や、架台装置７０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７０をチルトさせる制御は、架台装置７０に取り付けられた入力インタフェース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７５がＸ軸方向に平行な軸を中心に回転フレーム７３を回転させることによって実現される。また、制御装置７５は架台装置７０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７５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７６は、Ｘ線管７１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７６は、Ｘ線管７１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７１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７６（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７７は、ウェッジ７６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７７は、Ｘ線絞りと呼ばれる場合もある。

ＤＡＳ７８は、例えば、撮影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。ＤＡＳ７８とＸ線検出器７２とは検出器ユニットを構成する。

ＤＡＳ７８は、Ｘ線検出器７２がフォトンカウンティング型検出器である場合、Ｘ線検出器７２により検出されたＸ線のカウントを示すデジタルデータ（以下、スペクトルデータともいう）を、複数のエネルギー帯域（以下、エネルギー・ビン、又は単にビンともいう）毎に生成する。スペクトルデータは、生成元の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、及びエネルギー・ビン番号により識別されたカウント値のデータのセットである。スペクトルデータは、コンソール装置４０へと転送される。より詳細には、スペクトルデータは、架台装置７０の回転部からスリップリングを介して架台装置７０の固定部（非回転部）の伝送装置に伝送され、当該伝送装置からコンソール装置４０へと転送される。なお、スペクトルデータは、架台装置７０の回転部から直接的にコンソール装置４０へと転送されてもよい。

一方、Ｘ線検出器７２が積分型検出器である場合、ＤＡＳ７８は、Ｘ線検出器７２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７２により検出されたＸ線の線量に関するデジタルデータである検出データを生成する。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、投影角度を示すビュー番号、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。検出データは、コンソール装置４０へと転送される。より詳細には、検出データは、架台装置７０の回転部からスリップリングを介して架台装置７０の固定部の伝送装置（例えば制御装置７５）に伝送され、当該伝送装置からコンソール装置４０へと転送される。なお、検出データは、架台装置７０の回転部から直接的にコンソール装置４０へと転送されてもよい。

例えば、Ｘ線検出器７２が積分型検出器である場合、ＤＡＳ７８は、検出素子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投影データを生成する。以下、スペクトルデータと投影データとを区別しない場合、撮影データと呼ぶ。

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７５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７３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７０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７５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７０とは別体として説明するが、架台装置７０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、撮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２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７０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、入力インタフェース４３は、撮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フェース４３の例に含まれる。入力インタフェース４３は、架台装置７０に設けられてもよい。又、入力インタフェース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２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、第１の実施形態に係る処理回路１３と同様に、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、取得機能１３１と、補正機能１３３と、画像処理機能１３５と、表示制御機能１３７と、圧縮伸張機能１３９とを実行する。なお、各機能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。なお、取得機能１３１と、補正機能１３３と、画像処理機能１３５と、表示制御機能１３７と、圧縮伸張機能１３９とについては、第１の実施形態と同様の動作を行うため説明を省略する。

システム制御機能４４１は、入力インタフェース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２の各部を制御する。例えば、処理回路４４は、入力インタフェース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。

前処理機能４４２は、ＤＡＳ７８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など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）および前処理後のデータを総称して投影データとも呼ぶ。

なお、処理回路４４は、スキャン制御処理、画像処理および表示制御処理も行う。

スキャン制御処理は、Ｘ線高電圧装置７４に高電圧を供給させて、Ｘ線管７１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画像処理機能１３５によって生成されたＣＴ画像データを、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、画像処理機能１３５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、取得機能１３１および補正機能１３３などの処理回路４４の機能を分散して有しても構わない。

次に、ガントリ側からコンソール側へのデータ転送の一例について図８を参照して説明する。
図８は、図７からデータ転送に関する構成を抽出したブロック図である。なお、データ転送に関して図８の構成が必須ではなく、他の構成が含まれてもよいし、図８に記載される構成の一部が含まれなくともよい場合もある。
ガントリ側となる架台装置７０は、ＤＡＳ７８と、圧縮器８１と、制御装置７５とを含む。コンソール側は、処理回路４４およびメモリ４１を含む。

撮影データは、ガントリ側からコンソール側に転送される。このとき、ＤＡＳから出力される撮影データは、圧縮器８１により非可逆圧縮され、圧縮データとなる。圧縮データは、制御装置７５を介してコンソール側に転送される。なお、離散コサイン変換の各周波数成分の係数値などのパラメータに学習済みモデルを適用する場合は、非可逆圧縮処理の際に算出されるパラメータも圧縮データと共にコンソール側に転送される。

コンソール側では、取得機能１３１が圧縮データおよびパラメータを取得し、メモリ４１に格納する。学習済みモデルを適用するデータ形式にあわせ、伸張処理が必要であれば、圧縮伸張機能１３９により処理回路４４が、圧縮データを伸張して伸張データを生成すればよい。
なお、架台装置７０に圧縮器８１を設けずに、ＤＡＳ７８の一機能として非可逆圧縮処理を行ってもよい。
また、架台装置７０の回転部からスリップリングを介して架台装置７０の固定部の伝送装置に伝送される際にも、データ転送におけるデータ量を削減してもよい。例えば、架台装置７０の回転部において圧縮器８１を含み、固定部に撮影データを転送する場合に圧縮データを伝送すればよい。さらに、固定部に伸張器を含み、回転部から伝送された圧縮データを伸張し、伸張データをコンソールに転送してもよい。

以上に示した第２の実施形態によれば、圧縮データをガントリ側からコンソール側に転送することで、転送するデータサイズを低減することができる。特に、検出素子ピッチが従来構造に比して細かく大量の投影データが生成される高精細モード（ハイレゾモード、ＨＤＲ）や超高精細モード（ウルトラハイレゾモード、ＵＨＤＲ）を搭載する場合や、複数のエネルギー・ビン毎に投影データが生成されるフォトンカウンティングモードを搭載する場合、転送データサイズを低減することは有用である。また、第１の実施形態と同様に、非可逆圧縮処理によって効率的に圧縮されることでデータ量を低減しつつ、無圧縮データに基づいて高品質なデータを復元することができる。結果として、システムコストを低減することができる。

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。

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。

以上説明した少なくとも１つの実施形態によれば、システムコストを低減することができる。

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 医用情報処理装置
１１，４１ メモリ
１３，４４ 処理回路
１５，４３ 入力インタフェース
１７ 通信インタフェース
２０ 学習用データ生成装置
２２ 学習用データ保管装置
２４ モデル学習装置
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
４２ ディスプレイ
５１ 多層ネットワーク
５３ 学習済みモデル
５５ サイノグラム
５７ 無圧縮データ
６１ 各周波数成分の係数値
７０ 架台装置
７１ Ｘ線管
７２ Ｘ線検出器
７３ 回転フレーム
７４ Ｘ線高電圧装置
７５ 制御装置
７６ ウェッジ
７７ コリメータ
７８ データ収集装置
７９ 開口
８１ 圧縮器
１３１ 取得機能
１３３ 補正機能
１３５ 画像処理機能
１３７ 表示制御機能
１３９ 圧縮伸張機能
４４１ システム制御機能
４４２ 前処理機能
４４６ 再構成処理機能

Claims (7)

1. 第１の医用データに対して非可逆圧縮を行なうことにより得られる第１の圧縮データを取得する取得部と、
   医用データに対して前記非可逆圧縮を行なうことにより得られる第２の圧縮データが入力され、前記非可逆圧縮による情報損失が補正された医用データを出力するように学習された学習済みモデルに従い、前記第１の圧縮データから、前記情報損失が補正された第２の医用データを生成する補正部と、
   を具備する医用情報処理装置。
2. 非可逆圧縮が行われた第１の医用データを伸張した第１の伸張データを取得する取得部と、
   前記非可逆圧縮が行われた医用データを伸張した第２の伸張データが入力され、前記非可逆圧縮による情報損失が補正された医用データを出力するように学習された学習済みモデルに従い、前記第１の伸張データから、前記情報損失が補正された第２の医用データを生成する補正部と、
   を具備する医用情報処理装置。
3. 前記学習済みモデルは、前記第２の圧縮データとして前記非可逆圧縮の過程で算出されるパラメータが入力され、前記情報損失が補正された医用データを出力するように学習され、
   前記取得部は、前記第１の圧縮データとして、前記第１の医用データの前記非可逆圧縮の課程で算出されるパラメータを取得し、
   前記補正部は、前記学習済みモデルに従い、前記取得部により取得された前記パラメータから前記第２の医用データを生成する、請求項１に記載の医用情報処理装置。
4. 前記パラメータは、前記非可逆圧縮の一処理として含まれる、周波数変換における各周波数成分の係数または論理変換における差分値である、請求項３に記載の医用情報処理装置。
5. 前記学習済みモデルは、前記非可逆圧縮された後の医用データを入力データとし、前記非可逆圧縮される前の医用データを正解データとした学習用データを用いて学習される、請求項１から請求項４のいずれか１項に記載の医用情報処理装置。
6. コンピュータに、
   第１の医用データに対して非可逆圧縮を行なうことにより得られる第１の圧縮データを取得する取得機能と、
   医用データに対して前記非可逆圧縮を行なうことにより得られる第２の圧縮データが入力され、前記非可逆圧縮による情報損失が補正された医用データを出力するように学習された学習済みモデルに従い、前記第１の圧縮データから、前記情報損失が補正された第２の医用データを生成する補正機能と、
   を実現させるための医用情報処理プログラム。
7. Ｘ線を照射するＸ線管と、
   前記Ｘ線管から照射されて被検体を透過したＸ線を検出し、投影データを生成する検出部と、
   前記投影データに対して回転部側で非可逆圧縮を行い、圧縮データを生成する圧縮部と、
   前記回転部側から前記圧縮データを取得する取得部と、
   前記非可逆圧縮された投影データが入力され、前記非可逆圧縮による情報損失が補正された投影データを出力するように学習された学習済みモデルに従い、前記圧縮データから、前記情報損失が補正された投影データを生成する補正部と、
   を具備するＸ線ＣＴ装置。