JP2021074378A - Medical processing system and program - Google Patents
Medical processing system and program Download PDFInfo
- Publication number
- JP2021074378A JP2021074378A JP2019204641A JP2019204641A JP2021074378A JP 2021074378 A JP2021074378 A JP 2021074378A JP 2019204641 A JP2019204641 A JP 2019204641A JP 2019204641 A JP2019204641 A JP 2019204641A JP 2021074378 A JP2021074378 A JP 2021074378A
- Authority
- JP
- Japan
- Prior art keywords
- data
- image
- image data
- raw data
- resolution
- 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.)
- Pending
Links
- 238000012545 processing Methods 0.000 title claims abstract description 125
- 230000015654 memory Effects 0.000 claims description 75
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims description 2
- 238000005070 sampling Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 193
- 238000002591 computed tomography Methods 0.000 description 162
- 238000000034 method Methods 0.000 description 49
- 238000010586 diagram Methods 0.000 description 29
- 230000008569 process Effects 0.000 description 29
- 238000012986 modification Methods 0.000 description 24
- 230000004048 modification Effects 0.000 description 24
- 238000001514 detection method Methods 0.000 description 22
- 238000007781 pre-processing Methods 0.000 description 12
- 241001669679 Eleotris Species 0.000 description 9
- 238000010801 machine learning Methods 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 8
- 238000003745 diagnosis Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 5
- 238000012937 correction Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 2
- 229910052782 aluminium Inorganic materials 0.000 description 2
- 230000001678 irradiating effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Abstract
Description
本発明の実施形態は、医用処理システム及びプログラムに関する。 Embodiments of the present invention relate to medical processing systems and programs.
X線CT(Computed Tomography)装置は、被検体の生データを収集し、生データをメモリ等の記憶回路に記憶させる。そして、X線CT装置は、ユーザからの指示に応じて、記憶回路に記憶された生データからCT画像データを生成し、CT画像データから表示用の画像データを生成し、表示用の画像データに基づく画像をディスプレイに表示させる。 The X-ray CT (Computed Tomography) apparatus collects raw data of a subject and stores the raw data in a storage circuit such as a memory. Then, the X-ray CT device generates CT image data from the raw data stored in the storage circuit in response to an instruction from the user, generates image data for display from the CT image data, and image data for display. The image based on is displayed on the display.
このため、記憶回路の空き容量の減少を抑制するために、記憶回路に記憶される生データのデータサイズが小さいことが望まれる。例えば、高分解能の生データを収集して高解像度のCT画像データを生成することが可能なX線CT装置(超高精細CT装置)では、収集される生データのデータサイズが大きくなる傾向にある。このため、特に、超高精細CT装置では、記憶回路の空き容量を確保することが望まれている。ただし、単純に、生データに対してダウンサンプリング等を実行することにより記憶回路に記憶される生データのデータサイズを小さくするだけでは、CT画像データの空間分解能及び解像度は、低くなってしまう。 Therefore, in order to suppress the decrease in the free space of the storage circuit, it is desired that the data size of the raw data stored in the storage circuit is small. For example, in an X-ray CT apparatus (ultra-high-definition CT apparatus) capable of collecting high-resolution raw data and generating high-resolution CT image data, the data size of the collected raw data tends to increase. is there. Therefore, in particular, in an ultra-high-definition CT apparatus, it is desired to secure free space in a storage circuit. However, simply reducing the data size of the raw data stored in the storage circuit by performing downsampling or the like on the raw data will lower the spatial resolution and resolution of the CT image data.
本発明が解決しようとする課題は、記憶部(記憶回路)に記憶するデータのデータサイズを小さくしつつ、読影に支障がない画質を確保することである。 An object to be solved by the present invention is to secure image quality that does not hinder image interpretation while reducing the data size of data stored in a storage unit (storage circuit).
実施形態の医用処理システムは、記憶部と、画像生成部とを備える。記憶部は、被検体に対してスキャンを実行することで収集された第1の分解能に対応する第1のデータの一部である部分データを記憶し、第1のデータの少なくとも一部に対してダウンサンプリングを実行することで取得された、第1の分解能よりも低い第2の分解能に対応する第2のデータを記憶する。画像生成部は、第2のデータに基づいて画像データを生成する要求を受け付けた場合、第2のデータに基づいて第1の分解能に対応する第3のデータを生成する学習済みモデルを使用して画像データを生成し、部分データに基づいて画像データを生成する要求を受け付けた場合、学習済みモデルを使用せずに画像データを生成する。 The medical processing system of the embodiment includes a storage unit and an image generation unit. The storage unit stores partial data that is a part of the first data corresponding to the first resolution collected by performing a scan on the subject, and for at least a part of the first data. The second data corresponding to the second resolution lower than the first resolution, which is acquired by executing the downsampling, is stored. When the image generator receives a request to generate image data based on the second data, the image generator uses a trained model that generates the third data corresponding to the first resolution based on the second data. When the request to generate the image data based on the partial data is received, the image data is generated without using the trained model.
以下、図面を参照して、医用処理システム及びプログラムの実施形態について詳細に説明する。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。 Hereinafter, embodiments of the medical processing system and the program will be described in detail with reference to the drawings. The contents described in one embodiment or modification may be similarly applied to other embodiments or other modifications.
(第1の実施形態)
図1は、第1の実施形態に係るシステム100の構成の一例を示す図である。図1に示すシステム100は、X線CT(Computed Tomography)装置1と、学習済みモデル生成装置2とを備える。システム100では、X線CT装置1は、学習済みモデル生成装置2により生成された学習済みモデルを使用して各種の処理を行う。
(First Embodiment)
FIG. 1 is a diagram showing an example of the configuration of the
X線CT装置1と学習済みモデル生成装置2とは、ネットワーク3を介して互いに通信可能に接続されている。X線CT装置1は、被検体の生データを収集し、収集した生データを用いてCT画像データを生成する。また、X線CT装置1は、学習済みモデル生成装置2に学習済みモデルを生成させるために、生データを学習済みモデル生成装置2に送信してもよい。X線CT装置1の詳細については後述する。
The X-ray CT apparatus 1 and the trained model generator 2 are connected to each other so as to be able to communicate with each other via the
学習済みモデル生成装置2は、X線CT装置1以外にも、複数の他のX線CT装置(図示せず)とネットワーク3を介して接続されている。学習済みモデル生成装置2は、X線CT装置1及び複数の他のX線CT装置から送信された様々な被検体の生データを受信する。学習済みモデル生成装置2により受信された生データは、学習済みモデルを生成する際に用いられる。学習済みモデル生成装置2は、サーバやPC(Personal Computer)等により実現される。
The trained model generation device 2 is connected to a plurality of other X-ray CT devices (not shown) in addition to the X-ray CT device 1 via a
学習済みモデル生成装置2は、処理回路2aを備える。処理回路2aは、例えば、プロセッサにより実現される。処理回路2aは、学習済みモデル生成機能2a_1を備える。学習済みモデル生成機能2a_1は、学習済みモデルを生成する学習時の処理を行う。ここで、処理回路2aがプロセッサによって実現される場合には、処理回路2aが有する学習済みモデル生成機能2a_1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、学習済みモデル生成装置2が備えるメモリ等の記憶回路(図示せず)に記憶されている。そして、処理回路2aは、記憶回路からプログラムを読み出して実行することで、プログラムに対応する学習済みモデル生成機能2a_1を実現する。換言すると、プログラムを読み出した状態の処理回路2aは、図1の処理回路2aに示された学習済みモデル生成機能2a_1を有することとなる。 The trained model generator 2 includes a processing circuit 2a. The processing circuit 2a is realized by, for example, a processor. The processing circuit 2a includes a trained model generation function 2a_1. The trained model generation function 2a_1 performs a process at the time of learning to generate a trained model. Here, when the processing circuit 2a is realized by the processor, the trained model generation function 2a_1 of the processing circuit 2a is in the form of a program that can be executed by a computer, such as a memory included in the trained model generation device 2. It is stored in a storage circuit (not shown). Then, the processing circuit 2a realizes the trained model generation function 2a_1 corresponding to the program by reading the program from the storage circuit and executing the program. In other words, the processing circuit 2a in the state where the program is read has the trained model generation function 2a_1 shown in the processing circuit 2a of FIG.
図2は、第1の実施形態の学習時における学習済みモデル53の生成方法の一例を説明するための図である。例えば、学習済みモデル生成機能2a_1は、X線CT装置1及び複数の他のX線CT装置から送信された様々な被検体の生データ51に対して、ダウンサンプリングを実行することにより、新たな生データ52を生成する。
FIG. 2 is a diagram for explaining an example of a method of generating the trained
生データ51は、例えば、チャネル方向及び列方向に沿って並ぶ複数のデータにより構成されている場合や、チャネル方向及びビュー方向に沿って並ぶ複数のデータにより構成されている場合がある。図3は、第1の実施形態において、チャネル方向及び列方向に沿って並ぶ複数のデータにより構成されている生データ51の一例を示す図である。図4は、第1の実施形態において、チャネル方向及びビュー方向に沿って並ぶ複数のデータにより構成されている生データ51の一例を示す図である。
The
ダウンサンプリングとは、例えば、図3に示す生データ51において、チャネル方向及び列方向のうち少なくとも一つの方向に連続して並んでいる複数のデータに対して加算平均処理を施すことにより、複数のデータを一つのデータに束ねる処理である。また、ダウンサンプリングとは、例えば、図4に示す生データ51において、チャネル方向及びビュー方向のうち少なくとも一つの方向に連続して並んでいる複数のデータに対して加算平均処理を施すことにより、複数のデータを一つのデータに束ねる処理である。したがって、ダウンサンプリングされた生データのデータサイズは、ダウンサンプリングされる前の生データのデータサイズよりも小さい。
Downsampling is, for example, a plurality of
学習済みモデル生成機能2a_1は、ダウンサンプリングを実行することにより、生データ51が有する空間分解能よりも低い空間分解能を有する生データ52を新たに生成する。以下の説明では、生データ51が有する空間分解能を「第1の空間分解能」と称し、生データ52が有する空間分解能を「第2の空間分解能」と称する。第1の空間分解能は、第1の分解能の一例である。また、第2の空間分解能は、第2の分解能の一例である。
The trained model generation function 2a_1 newly generates
図5は、第1の実施形態に係る第2の空間分解能を有する生データ52の一例を示す図である。例えば、学習済みモデル生成機能2a_1は、図3に示す生データ51に対してダウンサンプリングを実行することにより図5に示す生データ52を生成する。生データ52のデータサイズは、生データ51のデータサイズよりも小さい。
FIG. 5 is a diagram showing an example of
そして、図2に示すように、学習時には、学習済みモデル生成機能2a_1は、生データ51と生データ52との関係を学習することによって、学習済みモデル53を生成する。学習済みモデル53は、第2の空間分解能の生データに基づいて、第1の空間分解能の生データ(第1の空間分解能の生データに相当するデータ)を生成し、生成した第1の空間分解能の生データを出力する。
Then, as shown in FIG. 2, at the time of learning, the trained model generation function 2a_1 generates the trained
すなわち、学習済みモデル生成機能2a_1は、生データ51と生データ52とを対応付けて学習することにより、学習済みモデル53を生成する。学習済みモデル53は、第2の空間分解能の生データの入力を受けて、第1の空間分解能の生データに相当するデータを生成し出力する。
That is, the trained model generation function 2a_1 generates the trained
例えば、学習済みモデル生成機能2a_1は、生データ52を入力データとし、生データ51を教師データとして機械学習エンジンに入力することによって、機械学習を行う。
For example, the trained model generation function 2a_1 performs machine learning by inputting the
例えば、機械学習エンジンは、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)等の各種のアルゴリズムを用いて、機械学習を行う。 For example, machine learning engines include Deep Learning, Neural Network, Logistic regression analysis, non-linear discriminant analysis, Support Vector Machine (SVM), and Random Forest. , Naive Bayes, etc., to perform machine learning.
このような機械学習の結果として、学習済みモデル生成機能2a_1は、第2の空間分解能の生データの入力に対して、第1の空間分解能の生データを出力する学習済みモデル53を生成する。
As a result of such machine learning, the trained model generation function 2a_1 generates a trained
そして、学習済みモデル生成機能2a_1は、生成した学習済みモデル53を、ネットワーク3を介して、X線CT装置1に送信する。
Then, the trained model generation function 2a_1 transmits the generated trained
図6を参照しながら、第1の実施形態に係るX線CT装置1の構成の一例について説明する。図6は、第1の実施形態に係るX線CT装置1の構成の一例を示す図である。図6に示すように、X線CT装置1は、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。X線CT装置1は、医用画像診断装置の一例であり、放射線診断装置の一例であり、医用処理システムの一例である。
An example of the configuration of the X-ray CT apparatus 1 according to the first embodiment will be described with reference to FIG. FIG. 6 is a diagram showing an example of the configuration of the X-ray CT apparatus 1 according to the first embodiment. As shown in FIG. 6, the X-ray CT device 1 includes a
図6においては、非チルト状態での回転フレーム13の回転軸又は寝台装置30の天板33の長手方向をZ軸方向とする。また、Z軸方向に直交し、床面に対し水平である軸方向をX軸方向とする。また、Z軸方向及びX軸方向に直交し、床面に対し垂直である軸方向をY軸方向とする。なお、図6は、説明のために架台装置10を複数方向から描画したものであり、X線CT装置1が有する架台装置10の数は1つである。
In FIG. 6, the rotation axis of the
架台装置10は、X線管11と、X線検出器12と、回転フレーム13と、X線高電圧装置14と、制御装置15と、ウェッジ16と、コリメータ17と、DAS(Data Acquisition System)18とを有する。
The
X線管11は、熱電子を発生する陰極(フィラメント)と、熱電子の衝突を受けてX線を発生する陽極(ターゲット)とを有する真空管である。X線管11は、X線高電圧装置14からの高電圧の印加により、陰極から陽極に向けて熱電子を照射することで、被検体Pに対し照射するX線を発生する。例えば、X線管11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。なお、X線管11は、X線発生部の一例である。
The
X線検出器12は、X線管11から照射されて被検体Pを通過したX線を検出し、検出したX線量に対応した信号をDAS18へと出力する。X線検出器12は、例えば、X線管11の焦点を中心とした1つの円弧に沿ってチャネル方向に複数の検出素子が配列された検出素子列を複数有する。X線検出器12は、例えば、チャネル方向に複数の検出素子が配列された検出素子列が列方向(スライス方向、row方向)に複数配列された構造を有する。また、X線検出器12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。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線量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。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次元コリメータ又は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、シンチレータからの光量に応じた電気信号に変換する機能を有し、例えば、フォトダイオード等の光センサを有する。なお、X線検出器12は、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。また、X線検出器12は、X線検出部の一例である。
The
回転フレーム13は、X線管11とX線検出器12とを対向支持し、制御装置15によってX線管11とX線検出器12とを回転させる円環状のフレームである。例えば、回転フレーム13は、アルミニウムを材料とした鋳物である。なお、回転フレーム13は、X線管11及びX線検出器12に加えて、X線高電圧装置14やウェッジ16、コリメータ17、DAS18等を更に支持することもできる。更に、回転フレーム13は、図6において図示しない種々の構成を更に支持することもできる。以下では、架台装置10において、回転フレーム13、及び、回転フレーム13と共に回転移動する部分を、回転部とも記載する。
The rotating
X線高電圧装置14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11に印加する高電圧を発生する高電圧発生装置と、X線管11が発生する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よい。なお、X線高電圧装置14は、回転フレーム13に設けられてもよいし、図示しない固定フレームに設けられても構わない。
The X-ray high-
制御装置15は、CPU(Central Processing Unit)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。制御装置15は、入力インターフェース43からの入力信号を受けて、架台装置10及び寝台装置30の動作制御を行う。例えば、制御装置15は、回転フレーム13の回転や架台装置10のチルト、寝台装置30及び天板33の動作等について制御を行う。一例を挙げると、制御装置15は、架台装置10をチルトさせる制御として、入力された傾斜角度(チルト角度)情報により、X軸方向に平行な軸を中心に回転フレーム13を回転させる。なお、制御装置15は架台装置10に設けられてもよいし、コンソール装置40に設けられてもよい。
The
ウェッジ16は、X線管11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16は、X線管11から被検体Pへ照射されるX線の分布が、予め定められた分布になるように、X線管11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16は、ウェッジフィルタ(wedge filter)やボウタイフィルタ(bow-tie filter)であり、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等を加工したフィルタである。
The
コリメータ17は、ウェッジ16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17は、X線絞りと呼ばれる場合もある。また、図6においては、X線管11とコリメータ17との間にウェッジ16が配置される場合を示すが、X線管11とウェッジ16との間にコリメータ17が配置される場合であってもよい。この場合、ウェッジ16は、X線管11から照射され、コリメータ17により照射範囲が制限されたX線を透過して減衰させる。
The
DAS18は、X線検出器12が有する各検出素子によって検出されるX線の信号を収集する。例えば、DAS18は、各検出素子から出力される電気信号に対して増幅処理を行う増幅器と、アナログ信号である電気信号をデジタル信号に変換するA/D変換器とを有し、検出データを生成する。
The
DAS18が生成した検出データは、回転フレーム13に設けられた発光ダイオード(Light Emitting Diode: LED)を有する送信機から、光通信によって、架台装置10の非回転部分(例えば、固定フレーム等。図6での図示は省略している)に設けられた、フォトダイオードを有する受信機に送信され、コンソール装置40へと転送される。ここで、非回転部分とは、例えば、回転フレーム13を回転可能に支持する固定フレーム等である。なお、回転フレーム13から架台装置10の非回転部分へのデータの送信方法は、光通信に限らず、非接触型の如何なるデータ伝送方式を採用してもよいし、接触型のデータ伝送方式を採用しても構わない。
The detection data generated by the
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とを有する。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の長手方向に移動する駆動機構であり、モータ及びアクチュエータ等を含む。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の長手方向に移動してもよい。
The
コンソール装置40は、メモリ41と、ディスプレイ42と、入力インターフェース43と、処理回路44とを有する。なお、コンソール装置40は架台装置10とは別体として説明するが、架台装置10にコンソール装置40又はコンソール装置40の各構成要素の一部が含まれてもよい。
The
メモリ41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。メモリ41は、記憶部の一例である。メモリ41は、例えば、生データ、投影データ及びCT画像データを記憶する。また、例えば、メモリ41は、X線CT装置1に含まれる回路がその機能を実現するためのプログラムを記憶する。なお、メモリ41は、X線CT装置1とネットワークを介して接続されたサーバ群(クラウド)により実現されることとしてもよい。この場合、サーバ群及びX線CT装置1により構成されるシステムは、医用処理システムの一例である。
The
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各種の画像データが示す各種の画像を表示したり、医師や診療放射線技師等のユーザからの各種操作を受け付けるためのGUI(Graphical User Interface)等を表示したりする。例えば、ディスプレイ42は、液晶ディスプレイやCRT(Cathode Ray Tube)ディスプレイである。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等で構成されてもよい。
The
入力インターフェース43は、ユーザ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、入力インターフェース43は、生データを収集する際の収集条件や、CT画像データを再構成する際の再構成条件等をユーザから受け付ける。例えば、入力インターフェース43は、マウスやキーボード、トラックボール、スイッチ、ボタン、ジョイスティック、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スクリーン、光学センサを用いた非接触入力回路、音声入力回路等により実現される。なお、入力インターフェース43は、架台装置10に設けられてもよい。また、入力インターフェース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等で構成されることにしても構わない。また、入力インターフェース43は、マウスや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、コンソール装置40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ーフェース43の例に含まれる。
The
処理回路44は、X線CT装置1全体の動作を制御する。なお、処理回路44は、コンソール装置40に含まれる場合に限られない。例えば、処理回路44は、複数のX線CT装置にて取得された検出データに対する処理を一括して行なう統合サーバに含まれてもよい。例えば、X線CT装置1とネットワークで接続された統合サーバが処理回路44を有してもよい。この場合、X線CT装置1は、収集した生データを統合サーバへ送信する。そして、統合サーバは、生データを受信する。そして、統合サーバの処理回路44は、受信した生データに対して、以下で説明する各種の処理を実行する。この場合、統合サーバ及びX線CT装置1により構成されるシステムは、医用処理システムの一例である。
The
例えば、処理回路44は、システム制御機能441、前処理機能442、画像生成機能443、画像処理機能444及び出力機能445を実行する。例えば、処理回路44は、メモリ41からシステム制御機能441に相当するプログラムを読み出し、読み出されたプログラムを実行することにより、入力インターフェース43を介してユーザから受け付けた入力操作に基づいて、処理回路44の各種機能を制御する。
For example, the
例えば、システム制御機能441は、学習済みモデル生成装置2から送信された学習済みモデル53を受信すると、受信した学習済みモデル53をメモリ41に記憶させる。メモリ41に記憶された学習済みモデル53は、画像生成機能443により用いられる。
For example, when the
また、例えば、システム制御機能441は、X線CT装置1を制御してスキャンを実行する。スキャンには、位置決めスキャン(位置決め撮影)及び本スキャン(本撮影)が含まれる。例えば、システム制御機能441は、メモリ41に記憶されている複数の種類のスキャンプロトコルの中から、診断に応じたスキャンプロトコルを選択する。そして、システム制御機能441は、選択したスキャンプロトコルに基づいてスキャンを実行する。システム制御機能441は、例えば、コンベンショナルスキャン、ヘリカルスキャン、ステップアンドシュート方式及びダイナミックスキャンといった種々の方式でのスキャンを実行することができる。
Further, for example, the
例えば、システム制御機能441は、X線CT装置1を制御して、位置決めスキャンを実行する。例えば、システム制御機能441は、X線管11の位置を所定の回転角度に固定し、天板33をZ方向に移動させながらX線管11からのX線を被検体Pに照射することで、位置決めスキャンを実行する。また、処理回路44は、メモリ41から画像生成機能443に相当するプログラムを読み出し、読み出されたプログラムを実行することにより、位置決めスキャンにより収集された生データに基づいて、2次元の位置決め画像データ又は3次元の位置決め画像データを生成する。なお、位置決め画像データは、スキャノ画像データやスカウト画像データと呼ばれる場合もある。
For example, the
また、システム制御機能441は、X線CT装置1を制御して、投影データを収集する本スキャンを実行する。例えば、システム制御機能441は、位置決め画像データに基づいて、本スキャンのスキャン条件(収集条件)を設定する。システム制御機能441は、収集条件として、例えば、X線管11に供給される管電圧を変化させるタイミングを示すタイミングデータを生成し、生成したタイミングデータをメモリ41に格納する。次に、システム制御機能441は、寝台駆動装置32を制御することにより、被検体Pを架台装置10の撮影口内へ移動させる。また、システム制御機能441は、コリメータ17の開口度及び位置を調整する。また、システム制御機能441は、制御装置15を制御することにより回転部を回転させる。
In addition, the
また、システム制御機能441は、X線高電圧装置14を制御することにより、X線管11へ高電圧を供給させる。これにより、X線管11は、被検体Pに対し照射するX線を発生する。
Further, the
システム制御機能441によって本スキャンが実行される間、複数のDAS18は、複数の検出素子によって検出される複数のX線の信号を収集し、検出データを生成する。また、処理回路44は、メモリ41から前処理機能442に相当するプログラムを読み出し、読み出されたプログラムを実行することにより、DAS18から出力された検出データに対し前処理を施す。例えば、前処理機能442は、DAS18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等の前処理を施す。なお、前処理を施した後のデータは、生データと称される。また、前処理を施す前の検出データ及び前処理を施した後の生データは、投影データと称される。X線CT装置1は、このようにして、生データを収集する。例えば、前処理機能442は、先の図3及び図4に示すような生データ51を生成することにより生データ51を収集する。架台装置10及び前処理機能442は、生データを収集する収集部の一例である。生データは、データの一例である。
While the scan is performed by the
また、処理回路44は、メモリ41から画像生成機能443に相当するプログラムを読み出し、読み出されたプログラムを実行することにより、生データに基づいてCT画像データを再構成する。具体的には、画像生成機能443は、生データに対して、フィルタ補正逆投影法や逐次近似再構成法等を用いた再構成処理を行ってCT画像データを再構成する。このようにして、画像生成機能443は、生データに基づいてCT画像データを生成する。画像生成機能443は、画像生成部の一例である。CT画像データは、画像データの一例である。
Further, the
また、処理回路44は、メモリ41から画像処理機能444に相当するプログラムを読み出し、読み出されたプログラムを実行することにより、CT画像データに対して各種の画像処理を施す。例えば、画像処理機能444は、入力インターフェース43を介してユーザから受け付けた入力操作等に基づいて、再構成されたCT画像データを、公知の方法により任意断面(例えば、アキシャル断面)の断層像データ、3次元画像データ又はMIP(Maximum Intensity Projection)画像データに変換する。すなわち、画像処理機能444は、CT画像データに基づいて、断層像データ、3次元画像データ又はMIP画像データを生成する。また、画像処理機能444は、断層像データ、3次元画像データ又はMIP画像データをメモリ41に記憶させる。断層像データ、3次元画像データ又はMIP画像データは、表示用の画像データの一例である。また、断層像データにより示される断層像、3次元画像データにより示される3次元画像、及び、MIP画像データにより示されるMIP画像は、画像の一例である。
Further, the
また、処理回路44は、メモリ41から出力機能445に相当するプログラムを読み出し、読み出されたプログラムを実行することにより、断層像データや3次元画像データ、CT画像データ等を出力する。例えば、出力機能445は、断層像データが示す断層像、3次元画像データが示す3次元画像、MIP画像データが示すMIP画像等の各種の画像をディスプレイ42に表示させる。出力機能445は、表示制御部の一例である。
Further, the
また、例えば、出力機能445は、CT画像データ、断層像データ、3次元画像データ及びMIP画像データを、X線CT装置1とネットワーク3を介して接続された外部装置(例えば、画像データを保管するサーバ装置等)に出力する。また、例えば、出力機能445は、学習済みモデルを学習済みモデル生成装置2に生成させるために、前処理機能442により生成された生データをネットワーク3を介して学習済みモデル生成装置2に送信してもよい。
Further, for example, the
図6に示すX線CT装置1においては、各処理機能がコンピュータによって実行可能なプログラムの形態でメモリ41に記憶されている。処理回路44は、メモリ41から各プログラムを読み出して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44は、読み出したプログラムに対応する機能を有することとなる。なお、図6においては、システム制御機能441、前処理機能442、画像生成機能443、画像処理機能444及び出力機能445の各処理機能が単一の処理回路44によって実現される場合を示したが、実施形態はこれに限られるものではない。例えば、処理回路44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44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。
In the X-ray CT apparatus 1 shown in FIG. 6, each processing function is stored in the
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、GPU(Graphics Processing Unit)、特定用途向け集積回路(Application Specific Integrated Circuit:ASIC)、又は、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)、若しくは、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。プロセッサはメモリ41に保存さ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。
The term "processor" used in the above description refers to, for example, a CPU, a GPU (Graphics Processing Unit), an application specific integrated circuit (ASIC), or a programmable logic device (for example, a simple programmable logic device (for example, a simple programmable logic device). It means a circuit such as a Simple Programmable Logic Device (SPLD), a Complex Programmable Logic Device (CPLD), or a Field Programmable Gate Array (FPGA). The processor realizes the function by reading and executing the program stored in the
なお、図6においては、単一のメモリ41が各処理機能に対応する各プログラムを記憶するものとして説明した。しかしながら、複数のメモリ41を分散して配置し、処理回路44は、個別のメモリ41から対応するプログラムを読み出す構成としても構わない。また、メモリ41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。
In FIG. 6, it has been described that a
また、処理回路44は、ネットワークを介して接続された外部装置のプロセッサを利用して、各種の機能を実現することとしてもよい。例えば、処理回路44は、メモリ41から各機能に対応するプログラムを読み出して実行するとともに、X線CT装置1とネットワークを介して接続された外部のワークステーション又はサーバ群(クラウド)を計算資源として利用することにより、図6に示す各機能を実現してもよい。この場合、X線CT装置1及び外部のワークステーション又はサーバ群により構成されるシステムは、医用処理システムの一例である。
Further, the
以上、X線CT装置1の構成の一例について説明した。かかる構成の下、X線CT装置1は、メモリ41に記憶される生データのデータサイズが大きくなることを抑制しつつ、生データに基づく画像データの空間分解能が低下することを抑制することができるように、以下に説明する各種の処理を実行する。すなわち、X線CT装置1は、メモリ41に記憶される生データのデータサイズを小さくしつつ、読影に支障がない画質を確保することができるように、以下に説明する各種の処理を実行する。
The example of the configuration of the X-ray CT apparatus 1 has been described above. Under such a configuration, the X-ray CT apparatus 1 can suppress the increase in the data size of the raw data stored in the
図7は、第1の実施形態に係る画像生成機能443が実行する処理の一例を説明するための図である。図7に示すように、例えば、画像生成機能443は、本スキャンにより収集された第1の空間分解能の生データ55のうちの一部の生データ56を特定し、特定した生データ56をメモリ41に記憶させる。なお、生データ55は、例えば、複数の生データにより構成されている。また、画像生成機能443は、生データ55のうちの少なくとも一部の生データ57を特定する。そして、画像生成機能443は、特定した生データ57に対してダウンサンプリングを実行することで、第2の空間分解能の生データ58を生成する。そして、画像生成機能443は、生データ58をメモリ41に記憶させる。
FIG. 7 is a diagram for explaining an example of processing executed by the
したがって、メモリ41は、被検体Pに対してスキャンを実行することで収集された第1の空間分解能に対応する生データ55の一部である生データ56を記憶する。また、メモリ41は、生データ55の少なくとも一部に対してダウンサンプリングを実行することで取得された、第1の空間分解能よりも低い第2の空間分解能に対応する生データ58を記憶する。なお、生データ55は、第1のデータの一例である。また、生データ56は、部分データの一例である。また、生データ58は、第2のデータの一例である。生データ55、生データ56及び生データ58は、被検体Pを透過したX線の強度に対応するデータである。
Therefore, the
なお、ダウンサンプリングが実行される生データ57は、例えば、生データ55のうちの生データ56以外の生データであってもよいし、生データ55そのものであってもよい。いずれの場合であっても、生データ56のデータサイズ及び生データ58のデータサイズの合計が、生データ55のデータサイズよりも小さくなるような条件でダウンサンプリングが実行される。
The
したがって、メモリ41が生データ56及び生データ58を記憶している場合のメモリ41の空き容量は、メモリ41が生データ55を記憶している場合のメモリ41の空き容量よりも大きい。よって、第1の実施形態によれば、メモリ41に記憶される生データのデータサイズが大きくなることを抑制することができる。すなわち、第1の実施形態によれば、メモリ41に記憶される生データのデータサイズを小さくすることができる。
Therefore, the free space of the
また、ネットワーク3に接続された、生データを記憶する外部装置(図示せず)に、出力機能445が生データ56及び生データ58を送信する場合に要する送信時間は、生データ55を送信する場合に要する送信時間よりも短くなる。したがって、第1の実施形態によれば、生データを外部装置に送信する際の送信時間が長くなることを抑制することができる。
Further, the transmission time required when the
ここで、生データ55の中から生データ56を特定する方法の一例、及び、生データ55の中からダウンサンプリングの対象となる生データ57を特定する方法の一例について説明する。
Here, an example of a method of specifying the
まず、X線CT装置1が、ヘリカルスキャン又はステップアンドシュート方式により第1の空間分解能の生データを収集した場合について説明する。この場合、例えば、画像生成機能443は、生データ55のうちの1フレーム分のCT画像データに対応する生データ毎に、生データに基づいてCT画像データを生成する。そして、画像処理機能444は、CT画像データを断層像データ、3次元画像データ又はMIP画像データに変換する。そして、画像処理機能444は、CT画像データ、断層像データ、3次元画像データ又はMIP画像データ等の画像データに対して、画像データ中の診断対象の腫瘍又は診断対象の臓器等の診断対象の部位を自動検出するCAD(Computer Aided Detection)処理を実行する。この結果、例えば、診断対象の部位を有する画像データと、診断対象の部位を有さない画像データとに分けられる。
First, the case where the X-ray CT apparatus 1 collects the raw data of the first spatial resolution by the helical scan or the step-and-shoot method will be described. In this case, for example, the
そして、画像生成機能443は、生データ55を構成する複数の生データのうち、診断対象の部位を有する画像データを生成する際に用いられた生データを、生データ56として特定する。この場合、生データ56は、診断対象の部位が含まれる重要なデータである。このようにして、生データ56は、生データ55に基づく画像データの解析により、生データ55から特定される。生データ55に基づく画像データは、第1の画像データの一例である。
Then, the
また、画像生成機能443は、生データ55を構成する複数の生データのうち、生データ56以外の生データを、生データ57として特定する。この場合、生データ57は、診断対象の部位が含まれないデータであるため、生データ56よりも重要ではないデータである。
Further, the
なお、画像生成機能443は、他の方法によっても、生データ56を特定してもよい。例えば、画像生成機能443は、CT画像データ、断層像データ、3次元画像データ及びMIP画像データ等の画像データに代えて、被検体Pの位置決め画像データに対してCAD処理等を実行することにより、上述した方法と同様の方法で生データ56を特定してもよい。位置決め画像データは、CT画像データ、断層像データ、3次元画像データ及びMIP画像データ等の画像データとは異なる画像データであり、被検体Pの画像データである。この場合、生データ56は、位置決め画像データの解析により、生データ55から特定される。位置決め画像データは、第2の画像データの一例である。
The
また、画像生成機能443は、X線CT装置1により、今回の診断よりも前の過去の診断において被検体Pをスキャンすることにより収集された生データに基づく画像データである過去画像データ(CT画像データ、断層像データ、3次元画像データ及びMIP画像データ等)に対してCAD処理等を実行することにより、上述した方法と同様の方法で生データ56を特定してもよい。過去画像データは、今回の診断において収集された生データに基づく画像データとは異なる画像データであり、被検体Pの画像データである。すなわち、生データ56は、過去画像データの解析により、生データ55から特定される。過去画像データは、第2の画像データの一例である。
Further, the
また、画像生成機能443は、X線CT装置1とは異なる他の医用画像診断装置により、過去の診断において被検体Pを撮像又は撮影することにより得られた過去画像データに対してCAD処理等を実行することにより、上述した方法と同様の方法で生データ56を特定してもよい。例えば、画像生成機能443は、ネットワーク3に接続された他の医用画像診断装置(図示せず)又は外部装置(図示せず)から、過去画像データを取得する。そして、画像生成機能443は、取得した過去画像データに対して、生データ56を特定するための処理を実行する。取得した過去画像データとしては、超音波画像データ、MR(Magnetic Resonance)画像データ、PET(Positron Emission Tomography)−CT画像データ、PET−MR画像データ、X線画像データ及び光学画像データが挙げられる。すなわち、生データ56は、このような過去画像データの解析により、生データ55から特定される。このような過去画像データも、第2の画像データの一例である。
Further, the
例えば、画像生成機能443は、取得した過去画像データに対して、CAD処理を実行する。この結果、例えば、診断対象の部位を有する過去画像データと、診断対象の部位を有さない過去画像データとに分けられる。そして、画像生成機能443は、生データ56のうち、診断対象の部位を有する過去画像データに対応する生データを、生データ56として特定する。
For example, the
また、画像生成機能443は、上述した第1の画像データの一例として挙げた画像データにより示される画像、又は、上述した第2の画像データの一例として挙げた画像データにより示される画像をディスプレイ42に表示させてもよい。そして、画像生成機能443は、入力インターフェース43を介して、ディスプレイ42に表示された画像を確認したユーザから生データ56の範囲を受け付けてもよい。そして、画像生成機能443は、ユーザから受け付けた範囲に基づいて、生データ55のうちの一部の生データ56を特定してもよい。すなわち、生データ56は、第1の画像データの一例として挙げた画像データ、又は、上述した第2の画像データの一例として挙げた画像データに対するユーザからの操作により、生データ55から特定される。
Further, the
また、画像生成機能443は、本スキャンを実行する際に選択されたスキャンプロトコルを用いて、生データ56を特定してもよい。例えば、複数のスキャンプロトコルのそれぞれは、特定の部位をスキャンするためのプロトコルである。したがって、選択されたスキャンプロトコルは、診断対象となる特定の部位をスキャンするためのプロトコルである。そこで、画像生成機能443は、選択されたスキャンプロトコルに基づいて、診断対象となる部位を特定する。そして、画像生成機能443は、生データ55のうち、特定された部位を含む生データを、生データ56として特定する。すなわち、生データ56は、スキャンを実行する際に選択されたスキャンプロトコルにより、生データ55から特定される。
The
また、過去の診断等から、ユーザは、診断対象の部位の位置を予め把握している場合がある。この場合、ユーザは、予め、入力インターフェース43を介して、診断対象の部位の位置の範囲を入力してもよい。この場合、画像生成機能443は、入力された診断対象の部位の位置の範囲を示す位置情報をメモリ41に予め記憶させておく。なお、位置情報が示す部位の範囲としては、生データ55の収集範囲全体に対する相対的な位置の範囲であってもよいし、X線CT装置1に対して定義された座標系における絶対的な位置の範囲であってもよい。そして、画像生成機能443は、生データ56を特定する際に、メモリ41に記憶された位置情報を取得する。そして、画像生成機能443は、生データ55のうち、位置情報が示す範囲内の生データを、生データ56として特定する。すなわち、生データ56は、位置情報により、生データ55から特定される。なお、位置情報は、予め決められたデータ収集位置に関する情報の一例である。
In addition, the user may know the position of the part to be diagnosed in advance from the past diagnosis or the like. In this case, the user may input the range of the position of the part to be diagnosed in advance via the
次に、X線CT装置1が、同一の位置を複数の時相にわたって撮影するダイナミックスキャンにより第1の空間分解能の生データ55を収集した場合について説明する。この場合、生データ55は、複数の時相の生データにより構成される。画像生成機能443は、生データ55のうち、特定の時相の生データを生データ56として特定する。例えば、特定の時相としては、特定の心時相又は特定の心拍が挙げられる。そして、画像生成機能443は、生データ55を構成する複数の時相の生データのうち、生データ56以外の生データを、生データ57として特定する。
Next, a case where the X-ray CT apparatus 1 collects the
次に、図8を参照して、X線CT装置1のメモリ41に学習済みモデル53、生データ56及び生データ58が記憶されている場合に処理回路44が実行する処理の流れの一例について説明する。図8は、第1の実施形態に係る処理回路44が実行する処理の流れの一例を示すフローチャートである。図8に示す処理は、X線CT装置1のメモリ41に学習済みモデル53、生データ56及び生データ58が記憶されている場合に、入力インターフェース43がユーザからCT画像データを生成する要求を受け付けたときに実行される。
Next, with reference to FIG. 8, an example of a processing flow executed by the
第1の実施形態では、CT画像データを生成する要求としては、2つの要求がある。1つ目の要求は、生データ56に基づいてCT画像データを生成する要求である。2つ目の要求は、生データ58に基づいてCT画像データを生成する要求である。以下の説明では、1つ目の要求は、第1の要求と称される。また、以下の説明では、2つ目の要求は、第2の要求と称される。
In the first embodiment, there are two requirements for generating CT image data. The first request is a request to generate CT image data based on the
第1の要求は、例えば、ユーザが生データ56に含まれる重要な診断対象の部位の状態を診断したい場合等に、ユーザがX線CT装置1に入力する要求である。また、第2の要求は、例えば、ユーザが診断する必要がある部位が新たに発見され、この部位が生データ58に含まれる場合等に、ユーザがX線CT装置1に入力する要求である。
The first request is a request that the user inputs to the X-ray CT apparatus 1 when, for example, the user wants to diagnose the state of an important part to be diagnosed included in the
図8に示すように、画像生成機能443は、受け付けた要求が、第1の要求であるか否かを判定する(ステップS100)。受け付けた要求が第1の要求である場合(ステップS100:Yes(第1の要求))、画像生成機能443は、生データ56に基づいて第1の空間分解能に対応するCT画像データを生成する(ステップS101)。すなわち、画像生成機能443は、生データ56に基づいてCT画像データを生成する要求を受け付けた場合、学習済みモデル53を使用せずにCT画像データを生成する。
As shown in FIG. 8, the
そして、画像処理機能444は、生成されたCT画像データから断層像データ、3次元画像データ又はMIP画像データ等の表示用の画像データを生成し、出力機能445は、表示用の画像データにより示される画像をディスプレイ42に表示させ(ステップS102)、処理を終了する。
Then, the
図9は、第1の実施形態に係る画像の一例を示す図である。例えば、出力機能445は、ステップS102において、図9に示す断層像59をディスプレイ42に表示させる。
FIG. 9 is a diagram showing an example of an image according to the first embodiment. For example, the
一方、受け付けた要求が第1の要求でない場合(ステップS100:No(第2の要求))、受け付けた要求は第2の要求である。そこで、画像生成機能443は、学習済みモデル53を使用して、第2の空間分解能の生データ58から、第1の空間分解能の生データを生成する(ステップS103)。
On the other hand, when the received request is not the first request (step S100: No (second request)), the received request is the second request. Therefore, the
図10は、第1の実施形態のステップS103の処理の一例を説明するための図である。図10に示すように、運用時には、画像生成機能443は、第2の空間分解能の生データ58を学習済みモデル53に入力することで、学習済みモデル53に第1の空間分解能の生データ60を出力させる。すなわち、画像生成機能443は、学習済みモデル53に第1の空間分解能の生データ60を生成させる。そして、画像生成機能443は、生成(出力)された生データ60を取得する。このようにして、画像生成機能443は、生データ60を生成する。
FIG. 10 is a diagram for explaining an example of the process of step S103 of the first embodiment. As shown in FIG. 10, during operation, the
そして、画像生成機能443は、生データ60に基づいてCT画像データを生成する(ステップS104)。すなわち、画像生成機能443は、生データ58に基づいてCT画像データを生成する第2の要求を受け付けた場合、生データ58に基づいて第1の空間分解能に対応する生データ60を生成する学習済みモデル53を使用してCT画像データを生成する。生データ60は、第3のデータの一例である。生データ60は、被検体Pを透過したX線の強度に対応するデータに相当するデータである。
Then, the
そして、画像処理機能444は、生成されたCT画像データから表示用の画像データを生成し、出力機能445は、表示用の画像データにより示される画像をディスプレイ42に表示させ(ステップS105)、処理を終了する。
Then, the
ステップS101及びステップS104で生成されるCT画像データは、第2の空間分解能の生データ58ではなく、第2の空間分解能よりも高い第1の空間分解能の生データ60に基づいて生成される。このため、ステップS101及びステップS104で生成されるCT画像データの空間分解能は、第2の空間分解能ではなく、第1の空間分解能に対応する。したがって、第1の実施形態によれば、CT画像データの空間分解能が低下することを抑制することができる。よって、第1の実施形態によれば、読影に支障がない、表示用の画像データの画質を確保することができる。
The CT image data generated in steps S101 and S104 is generated based on the
また、上述したように、第1の実施形態によれば、メモリ41に記憶される生データのデータサイズを小さくすることができる。したがって、第1の実施形態によれば、メモリ41に記憶される生データのデータサイズを小さくしつつ、読影に支障がない画質を確保することができる。
Further, as described above, according to the first embodiment, the data size of the raw data stored in the
また、第1の実施形態では、診断対象の部位が含まれる生データ56は、第1の空間分解能を有した状態でメモリ41に記憶される。そして、学習済みモデル53が使用されずに、生データ56からCT画像データが生成される。ここで、学習済みモデル53により生成された第1の空間分解能の生データ60の精度は、ダウンサンプリングされる前の第1の空間分解能の生データ57の精度よりも、良好でない場合がある。この場合、学習済みモデル53により生成された生データ60に基づくCT画像データ及び表示用の画像データの精度が、良好でない場合がある。しかしながら、第1の実施形態によれば、学習済みモデル53が使用されずに、第1の空間分解能の生データ56からCT画像データ及び表示用の画像データが生成される。このため、第1の実施形態によれば、診断対象の部位が含まれる生データに基づくCT画像データ及び表示用の画像データの精度を良好にすることができる。
Further, in the first embodiment, the
以上、第1の実施形態について説明した。第1の実施形態によれば、上述したように、メモリ41に記憶される生データのデータサイズを小さくしつつ、読影に支障がない画質を確保することができる。
The first embodiment has been described above. According to the first embodiment, as described above, it is possible to secure the image quality that does not hinder the interpretation while reducing the data size of the raw data stored in the
(第1の実施形態の変形例1)
上述した第1の実施形態では、学習済みモデル生成装置2が、生データ52を入力データとし、生データ51を教師データとして用いることで、学習済みモデル53を生成する場合について説明した。しかしながら、学習済みモデル生成装置2は、生データ52に代えて他のデータを入力データとして用いて、学習済みモデルを生成してもよい。そこで、このような変形例を、第1の実施形態の変形例1として説明する。変形例1の説明では、主に、第1の実施形態と異なる点について説明し、第1の実施形態と同様の構成の説明については省略する場合がある。
(Modification 1 of the first embodiment)
In the first embodiment described above, the case where the trained model generation device 2 generates the trained
図11は、第1の実施形態の変形例1に係る学習済みモデル生成装置2が実行する処理の一例を説明するための図である。図11に示すように、学習済みモデル生成装置2の学習済みモデル生成機能2a_1は、生データ51に基づいてCT画像データ61を再構成する。具体的には、学習済みモデル生成機能2a_1は、生データ51に対して、フィルタ補正逆投影法や逐次近似再構成法等を用いた再構成処理を行ってCT画像データ61を再構成する。このようにして、学習済みモデル生成機能2a_1は、生データ51に基づいてCT画像データ61を生成する。
FIG. 11 is a diagram for explaining an example of processing executed by the trained model generation device 2 according to the first modification of the first embodiment. As shown in FIG. 11, the trained model generation function 2a_1 of the trained model generation device 2 reconstructs the
そして、学習済みモデル生成機能2a_1は、CT画像データ61に対して順投影を行って、第2の空間分解能の生データ62を生成する。
Then, the trained model generation function 2a_1 performs forward projection on the
図12は、第1の実施形態の変形例1の学習時における学習済みモデル53aの生成方法の一例を説明するための図である。図12に示すように、学習時には、学習済みモデル生成機能2a_1は、生データ51と生データ62との関係を学習することによって、学習済みモデル53aを生成する。学習済みモデル53aは、第2の空間分解能の生データに基づいて、第1の空間分解能の生データ(第1の空間分解能の生データに相当するデータ)を生成し、生成した第2の空間分解能の生データを出力する。
FIG. 12 is a diagram for explaining an example of a method of generating the trained model 53a at the time of learning of the modified example 1 of the first embodiment. As shown in FIG. 12, at the time of learning, the trained model generation function 2a_1 generates the trained model 53a by learning the relationship between the
すなわち、学習済みモデル生成機能2a_1は、生データ51と生データ62とを対応付けて学習することにより、学習済みモデル53aを生成する。学習済みモデル53aは、第2の空間分解能の生データの入力を受けて、第1の空間分解能の生データを生成し出力する。
That is, the trained model generation function 2a_1 generates the trained model 53a by learning the
例えば、学習済みモデル生成機能2a_1は、生データ62を入力データとし、生データ51を教師データとして機械学習エンジンに入力することによって、機械学習を行う。
For example, the trained model generation function 2a_1 performs machine learning by inputting
このような機械学習の結果として、学習済みモデル生成機能2a_1は、第2の空間分解能の生データの入力に対して、第1の空間分解能の生データを出力する学習済みモデル53aを生成する。 As a result of such machine learning, the trained model generation function 2a_1 generates a trained model 53a that outputs the first spatial resolution raw data in response to the input of the second spatial resolution raw data.
そして、学習済みモデル生成機能2a_1は、生成した学習済みモデル53aを、ネットワーク3を介して、X線CT装置1に送信する。X線CT装置1は、学習済みモデル53aを用いて、上述した学習済みモデル53を用いて行った各種の処理と同様の処理を実行する。したがって、第1の実施形態の変形例1によれば、上述した第1の実施形態と同様の効果が得られる。
Then, the trained model generation function 2a_1 transmits the generated trained model 53a to the X-ray CT apparatus 1 via the
(第1の実施形態の変形例2)
上述した第1の実施形態では、X線CT装置1が、第1の要求及び第2の要求を受け付ける場合について説明した。しかしながら、X線CT装置1は、第2の要求に代えて他の要求を受け付けてもよい。そこで、このような変形例を、第1の実施形態の変形例2として説明する。変形例2の説明では、主に、第1の実施形態及び変形例1と異なる点について説明し、第1の実施形態及び変形例1と同様の構成の説明については省略する場合がある。
(Modification 2 of the first embodiment)
In the first embodiment described above, the case where the X-ray CT apparatus 1 accepts the first request and the second request has been described. However, the X-ray CT apparatus 1 may accept other requests instead of the second request. Therefore, such a modification will be described as a modification 2 of the first embodiment. In the description of the modified example 2, the points different from the first embodiment and the modified example 1 will be mainly described, and the description of the same configuration as the first embodiment and the modified example 1 may be omitted.
変形例2では、X線CT装置1は、第1の要求、第3の要求及び第4の要求の3つの要求を受け付ける。第3の要求は、生データ58に基づいて第1の空間分解能に対応するCT画像データを生成する要求である。第4の要求は、生データ58に基づいて第2の空間分解能に対応するCT画像データを生成する要求である。なお、第1の要求、第3の要求及び第4の要求の3つの要求は、CT画像データを生成する要求である。
In the second modification, the X-ray CT apparatus 1 accepts three requests, a first request, a third request, and a fourth request. The third requirement is to generate CT image data corresponding to the first spatial resolution based on the
図13を参照して、X線CT装置1のメモリ41に学習済みモデル53、生データ56及び生データ58が記憶されている場合に処理回路44が実行する処理の流れの一例について説明する。図13は、第1の実施形態の変形例2に係る処理回路44が実行する処理の流れの一例を示すフローチャートである。図13に示す処理は、X線CT装置1のメモリ41に学習済みモデル53、生データ56及び生データ58が記憶されている場合に、入力インターフェース43がユーザからCT画像データを生成する要求を受け付けたときに実行される。
With reference to FIG. 13, an example of a processing flow executed by the
図13に示すように、画像生成機能443は、第1の実施形態と同様に、受け付けた要求が、第1の要求であるか否かを判定する(ステップS100)。受け付けた要求が第1の要求である場合(ステップS100:Yes(第1の要求))、第1の実施形態と同様に、画像生成機能443は、生データ56に基づいてCT画像データを生成する(ステップS101)。そして、第1の実施形態と同様に、画像処理機能444は、生成されたCT画像データから表示用の画像データを生成し、出力機能445は、表示用の画像データにより示される画像をディスプレイ42に表示させ(ステップS102)、処理を終了する。
As shown in FIG. 13, the
一方、受け付けた要求が第1の要求でない場合(ステップS100:No)、受け付けた要求が第3の要求であるか否かを判定する(ステップS200)。受け付けた要求が第3の要求である場合(ステップS200:Yes(第3の要求))、画像生成機能443は、学習済みモデル53を使用して、第2の空間分解能の生データ58から、第1の空間分解能の生データ60を生成する(ステップS201)。
On the other hand, when the received request is not the first request (step S100: No), it is determined whether or not the received request is the third request (step S200). If the received request is a third request (step S200: Yes (third request)), the
そして、画像生成機能443は、生データ60に基づいて、第1の空間分解能に対応するCT画像データを生成する(ステップS202)。すなわち、画像生成機能443は、生データ58に基づいて第1の空間分解能に対応するCT画像データを生成する要求を受け付けた場合、学習済みモデル53を使用して第1の空間分解能に対応するCT画像データを生成する。
Then, the
そして、画像処理機能444は、生成されたCT画像データから表示用の画像データを生成し、出力機能445は、表示用の画像データにより示される画像をディスプレイ42に表示させ(ステップS203)、処理を終了する。
Then, the
一方、受け付けた要求が第3の要求でない場合(ステップS200:No(第4の要求))、受け付けた要求は第4の要求である。そこで、画像生成機能443は、生データ58に基づいて、第2の空間分解能に対応するCT画像データを生成する(ステップS204)。すなわち、画像生成機能443は、生データ58に基づいて第2の空間分解能に対応するCT画像データを生成する要求を受け付けた場合、学習済みモデル53を使用せずに第2の空間分解能に対応するCT画像データを生成する。
On the other hand, when the received request is not the third request (step S200: No (fourth request)), the received request is the fourth request. Therefore, the
そして、画像処理機能444は、生成されたCT画像データから表示用の画像データを生成し、出力機能445は、表示用の画像データにより示される画像をディスプレイ42に表示させ(ステップS205)、処理を終了する。
Then, the
このように、変形例2では、生データ58に基づく第1の空間分解能に対応するCT画像データと、生データ58に基づく第2の空間分解能に対応するCT画像データとが生成される。したがって、変形例2によれば、同一の生データ58から、ユーザが所望する空間分解能に応じたCT画像データを生成することができる。
As described above, in the second modification, the CT image data corresponding to the first spatial resolution based on the
以上、第1の実施形態の変形例2について説明した。上述したように、変形例2によれば、同一の生データ58から、ユーザが所望する空間分解能に応じたCT画像データを生成することができる。また、変形例2によれば、第1の実施形態等と同様の効果が得られる。
The modified example 2 of the first embodiment has been described above. As described above, according to the second modification, CT image data corresponding to the spatial resolution desired by the user can be generated from the same
(第2の実施形態)
なお、上述した第1の実施形態及び変形例1,2では、X線CT装置1のメモリ41に記憶された学習済みモデル53が更新されない場合について説明した。しかしながら、メモリ41に記憶された学習済みモデル53が更新されてもよい。そこで、このような実施形態を第2の実施形態として説明する。なお、第2の実施形態の説明では、主に、第1の実施形態及び変形例1,2と異なる点について説明する。また、第1の実施形態及び変形例1,2と同様の構成については同一の符号を付し、説明を省略する場合がある。
(Second embodiment)
In the first embodiment and the first and second modifications 1 and 2 described above, the case where the learned
図14は、第2の実施形態に係るX線CT装置1aの構成の一例を示す図である。図14に示すX線CT装置1aは、コンソール装置40に代えてコンソール装置40aを備える点が、図6に示す第1の実施形態に係るX線CT装置1と異なる。また、第2の実施形態に係るコンソール装置40aは、図6に示す処理回路44に代えて処理回路44aを備える点が、図6に示すコンソール装置40と異なる。また、第2の実施形態に係る処理回路44aは、学習済みモデル更新機能446を備える点が、図6に示す処理回路44と異なる。
FIG. 14 is a diagram showing an example of the configuration of the X-ray CT apparatus 1a according to the second embodiment. The X-ray CT apparatus 1a shown in FIG. 14 is different from the X-ray CT apparatus 1 according to the first embodiment shown in FIG. 6 in that the
図15及び図16は、第2の実施形態に係る学習済みモデル更新機能446が実行する処理の一例を説明するための図である。学習済みモデル更新機能446は、学習済みモデル53に追加で学習(追加学習)させて、学習済みモデル53bを生成する。すなわち、学習済みモデル更新機能446は、学習済みモデル53を更新することにより、学習済みモデル53bを生成する。
15 and 16 are diagrams for explaining an example of the process executed by the trained
例えば、図15に示すように、学習済みモデル更新機能446は、入力データを生データ58(図7参照)とし、教師データを生データ57(図7参照)として、生データ58と生データ57とを対応付けて学習済みモデル53に更に学習させることにより、学習済みモデル53bを生成する。すなわち、学習済みモデル更新機能446は、生データ55の少なくとも一部である生データ57、及び、生データ57に対してダウンサンプリングを実行することで取得された生データ58を用いて、学習済みモデル53を学習することで、学習済みモデル53bを取得する。なお、生データ57は、部分データの一例である。また、学習済みモデル53は、第1の学習済みモデルの一例である。また、学習済みモデル53bは、第2の学習済みモデルの一例である。
For example, as shown in FIG. 15, the trained
例えば、生データ58が学習済みモデル53aに入力された場合に、学習済みモデル53aは、生データ57に相当するデータを生成し出力する。したがって、学習済みモデル53aは、生データ58の入力に対して、精度の良いデータを出力することができる。
For example, when the
ここで、例えば、学習済みモデル更新機能446は、学習済みモデル53のコピーを生成し、学習済みモデル53のコピーをメモリ41に記憶させた上で、学習済みモデル53のコピーを更新することにより、学習済みモデル53aを生成してもよい。この場合、メモリ41には、学習済みモデル53及び学習済みモデル53bが記憶されている。このため、このままでは、画像生成機能443は、生データ58に基づいてCT画像データを生成する要求を受け付けた場合に、学習済みモデル53及び学習済みモデル53bの中から、使用する学習済みモデルを特定することが困難である。
Here, for example, the trained
また、X線CT装置1aは、次々と生データ55(図7参照)を生成する。そのため、画像生成機能443は、生データ55が生成される度に、生データ56(図7参照)及び生データ57(図7参照)を特定し、生データ57から生データ58(図7参照)を生成する。このため、学習済みモデル更新機能446は、新たに生データ57が特定される度に、新たに特定された生データ57を用いて学習済みモデル53のコピーを更新することにより学習済みモデル53aを生成してもよい。この場合、学習済みモデル更新機能446は、次々と学習済みモデル53aを生成する。よって、メモリ41には、学習済みモデル53と、次々に生成された複数の学習済みモデル53aとが記憶される。したがって、画像生成機能443は、新たに生成された生データ58に基づいてCT画像データを生成する要求を受け付けた場合に、学習済みモデル53及び複数の学習済みモデル53bの中から、使用する学習済みモデルを特定することが困難である。
Further, the X-ray CT apparatus 1a generates raw data 55 (see FIG. 7) one after another. Therefore, the
したがって、新たに生成された生データ58と、この生データ58が用いられて生成された学習済みモデル53bとの対応付けが必要である。
Therefore, it is necessary to associate the newly generated
そこで、図16に示すように、学習済みモデル更新機能446は、学習済みモデル53bと、生データ58とを対応付けてメモリ41に記憶させる。例えば、学習済みモデル更新機能446は、学習済みモデル53bに、生データ58を識別する識別子を付加することで、学習済みモデル53bと生データ58とを対応付けてもよい。このように、メモリ41は、学習済みモデル53bに生データ58を対応付けて記憶する。
Therefore, as shown in FIG. 16, the trained
そして、画像生成機能443は、生データ58に基づいてCT画像データを生成する要求を受け付けた場合に、先のステップS103又はステップS201において、以下に説明する処理を実行する。例えば、画像生成機能443は、メモリ41の記憶内容を参照し、生データ58に対応付けられた学習済みモデル53bを特定する。そして、画像生成機能443は、特定された学習済みモデル53bを使用して、第1の空間分解能の生データ60を生成する。すなわち、画像生成機能443は、生データ58に基づいてCT画像データを生成する要求を受け付けた場合、生データ58を、生データ58に対応付けられた学習済みモデル53bに適用することにより、CT画像データを生成する。
Then, when the
したがって、第2の実施形態によれば、複数の学習済みモデルがメモリ41に記憶されている場合であっても、適切な学習済みモデルを使用してCT画像データを生成することができる。したがって、第2の実施形態によれば、精度良くCT画像データを生成することができる。
Therefore, according to the second embodiment, even when a plurality of trained models are stored in the
以上、第2の実施形態について説明した。第2の実施形態によれば、上述したように、精度良くCT画像データを生成することができる。また、第2の実施形態では、上述した第1の実施形態及び変形例1,2と同様の効果が得られる。 The second embodiment has been described above. According to the second embodiment, as described above, CT image data can be generated with high accuracy. Further, in the second embodiment, the same effects as those of the first embodiment and the modified examples 1 and 2 described above can be obtained.
(第3の実施形態)
上述した第1の実施形態、第2の実施形態及び変形例1,2によれば、X線CT装置1,1aが、第1の空間分解能の生データ55を収集する場合について説明した。しかしながら、X線CT装置1,1aは、第1の空間分解能の生データ55を収集可能であるとともに、第2の空間分解能の生データを収集可能であってもよい。そこで、このような実施形態を第3の実施形態として説明する。なお、第3の実施形態の説明では、主に、第1の実施形態と異なる点について説明する。ただし、以下に説明する第3の実施形態の内容は、第2の実施形態及び変形例1,2に適用されることができる。また、第3の実施形態の説明では、第1の実施形態と同様の構成については同一の符号を付し、説明を省略する場合がある。
(Third Embodiment)
According to the first embodiment, the second embodiment and the modified examples 1 and 2 described above, the case where the X-ray CT apparatus 1, 1a collects the
例えば、第3の実施形態では、X線CT装置1は、第1の空間分解能の生データ55を収集する第1の収集モード、及び、第2の空間分解能の生データを収集する第2の収集モードの中から、ユーザによって選択されたモードで本スキャンを行う。
For example, in the third embodiment, the X-ray CT apparatus 1 collects the first spatial resolution
例えば、X線CT装置1は、第1の収集モードで本スキャンを行う場合には、X線検出器12の所定範囲内の全ての検出素子から出力される電気信号に基づく生データ55を収集する。
For example, when performing the main scan in the first collection mode, the X-ray CT apparatus 1 collects
また、X線CT装置1は、第2の収集モードで本スキャンを行う場合には、X線検出器12の所定範囲内の全ての検出素子のうちの所定数の検出素子から出力される電気信号に基づく生データを収集する。例えば、X線CT装置1は、「2(チャネル方向)×2(列方向)」の4つの検出素子を1つのブロックとして、複数のブロックがチャネル方向及び列方向に連続するように、所定範囲内の検出素子に対して複数のブロックを設定する。そして、X線CT装置1は、第2の収集モードで本スキャンを行う場合には、ブロック毎に1つの検出素子から出力される電気信号に基づく生データを収集する。この場合、4つの検出素子から構成されるブロック毎に1つの検出素子から出力される電気信号が用いられるため、第2の収集モードで収集される生データのデータサイズは、第1の収集モードで収集される生データのデータサイズの4分の1となる。
Further, when the X-ray CT apparatus 1 performs the main scan in the second collection mode, the electricity output from a predetermined number of detection elements among all the detection elements within the predetermined range of the
ここで、第1の収集モードで本スキャンされる被検体と、第2の収集モードで本スキャンされる被検体とは、同一である場合もあれば、異なる場合もある。第1の収集モードで実行される本スキャンは、第1のスキャンの一例である。また、第2の収集モードで実行される本スキャンは、第2のスキャンの一例である。 Here, the subject to be main-scanned in the first collection mode and the subject to be main-scanned in the second collection mode may be the same or different. The main scan performed in the first collection mode is an example of the first scan. The main scan executed in the second collection mode is an example of the second scan.
図17は、第3の実施形態に係るメモリ41の記憶内容の一例を示す図である。例えば、第3の実施形態では、図17に示すように、画像生成機能443は、第1の実施形態と同様に、生データ56及び生データ58をメモリ41に記憶させる。更に、第3の実施形態では、画像生成機能443は、第2の収集モードでの本スキャンにより収集された生データ65をメモリ41に記憶させる。
FIG. 17 is a diagram showing an example of the stored contents of the
すなわち、メモリ41は、被検体に対して第1の収集モードで本スキャンを実行することで収集された第1の空間分解能に対応する生データ55の一部である生データ56を記憶する。また、メモリ41は、生データ55の少なくとも一部に対してダウンサンプリングを実行することで取得された生データ58を記憶する。また、メモリ41は、被検体に対して第2の収集モードで本スキャンを実行することで収集された第2の空間分解能に対応する生データ65を記憶する。なお、生データ65は、第3のデータの一例である。
That is, the
次に、図18を参照して、メモリ41に学習済みモデル53、生データ56、生データ58及び生データ65が記憶されている場合に処理回路44が実行する処理の流れの一例について説明する。図18は、第3の実施形態に係る処理回路44が実行する処理の流れの一例を示すフローチャートである。図18に示す処理は、メモリ41に学習済みモデル53、生データ56、生データ58及び生データ65が記憶されている場合に、入力インターフェース43がCT画像データを生成する要求を受け付けたときに実行される。
Next, with reference to FIG. 18, an example of a processing flow executed by the
第3の実施形態では、CT画像データを生成する要求としては、3つの要求がある。1つ目の要求は、上述した第1の要求であり、2つ目の要求は、上述した第2の要求である。3つ目の要求は、生データ65に基づいてCT画像データを生成する要求である。以下の説明では、3つ目の要求は、第5の要求と称される。 In the third embodiment, there are three requirements for generating CT image data. The first requirement is the first requirement described above, and the second requirement is the second requirement described above. The third request is a request to generate CT image data based on the raw data 65. In the following description, the third requirement is referred to as the fifth requirement.
図18に示すように、画像生成機能443は、第1の実施形態と同様に、受け付けた要求が第1の要求であるか否かを判定する(ステップS100)。受け付けた要求が第1の要求である場合(ステップS100:Yes(第1の要求))、画像生成機能443は、第1の実施形態と同様に、生データ56に基づいて第1の空間分解能に対応するCT画像データを生成する(ステップS101)。そして、画像処理機能444は、生成されたCT画像データから表示用の画像データを生成し、出力機能445は、表示用の画像データにより示される画像をディスプレイ42に表示させ(ステップS102)、処理を終了する。
As shown in FIG. 18, the
一方、受け付けた要求が第1の要求でない場合(ステップS100:No)、画像生成機能443は、受け付けた要求が第2の要求であるか否かを判定する(ステップS300)。受け付けた要求が第2の要求である場合(ステップS300:Yes(第2の要求))、画像生成機能443、画像処理機能444及び出力機能445は、ステップS301〜ステップS303を実行する。ステップS301〜ステップS303は、第1の実施形態におけるステップS201〜ステップS203と同様の処理である。
On the other hand, when the received request is not the first request (step S100: No), the
具体的には、画像生成機能443は、学習済みモデル53を使用して、ダウンサンプリングにより得られた第2の空間分解能の生データ58から、第1の空間分解能の生データ60を生成する(ステップS301)。そして、画像生成機能443は、生データ60に基づいてCT画像データを生成する(ステップS302)。そして、画像処理機能444は、生成されたCT画像データから表示用の画像データを生成し、出力機能445は、表示用の画像データにより示される画像をディスプレイ42に表示させ(ステップS303)、処理を終了する。
Specifically, the
一方、受け付けた要求が第2の要求でない場合(ステップS300:No(第5の要求))、受け付けた要求は第5の要求である。そこで、画像生成機能443は、学習済みモデル53を使用して、第2の収集モードでの本スキャンにより収集された第2の空間分解能の生データ65から、第1の空間分解能の生データを生成する(ステップS304)。具体的には、画像生成機能443は、生データ65を学習済みモデル53に入力することで、学習済みモデル53に第1の空間分解能の生データを生成させて出力させる。そして、画像生成機能443は、生成(出力)された生データを取得する。このようにして、画像生成機能443は、生データを生成する。
On the other hand, when the received request is not the second request (step S300: No (fifth request)), the received request is the fifth request. Therefore, the
そして、画像生成機能443は、生成された生データに基づいてCT画像データを生成する(ステップS305)。そして、画像処理機能444は、生成されたCT画像データから表示用の画像データを生成し、出力機能445は、表示用の画像データにより示される画像をディスプレイ42に表示させ(ステップS306)、処理を終了する。
Then, the
すなわち、第3の実施形態では、画像生成機能443は、第2の要求を受け付けた場合と、第5の要求を受け付けた場合とで、共通の学習済みモデル53を使用してCT画像データ及び表示用の画像データを生成する。すなわち、第2の要求を受け付けた場合と、第5の要求を受け付けた場合とで、画像生成機能443により使用される学習済みモデル53が同一である。したがって、メモリ41が要求毎に学習済みモデルを記憶する場合と比較して、メモリ41の空き容量を大きくすることができる。
That is, in the third embodiment, the
以上、第3の実施形態について説明した。第3の実施形態によれば、メモリ41が要求毎に学習済みモデルを記憶する場合と比較して、メモリ41の空き容量を大きくすることができる。また、第3の実施形態によれば、第1の実施形態と同様の効果が得られる。
The third embodiment has been described above. According to the third embodiment, the free space of the
なお、上述した各実施形態及び各変形例では、X線CT装置1,1aが各種の処理を実行する場合について説明した。しかしながら、X線CT装置1,1aと同様に、第1の空間分解能のデータ及び第1の空間分解能よりも低い第2の空間分解能のデータを生成することが可能な他の医用画像診断装置が、X線CT装置1が実行する各種の処理と同様の処理を実行してもよい。例えば、MRI装置、又は、光子計数型検出器を備えるX線CT装置等の医用画像診断装置が、X線CT装置1が実行する各種の処理と同様の処理を実行してもよい。 In each of the above-described embodiments and modifications, the case where the X-ray CT devices 1 and 1a execute various processes has been described. However, similar to the X-ray CT apparatus 1,1a, other medical diagnostic imaging apparatus capable of generating the first spatial resolution data and the second spatial resolution data lower than the first spatial resolution is available. , The same processing as the various processing executed by the X-ray CT apparatus 1 may be executed. For example, a medical image diagnostic device such as an MRI device or an X-ray CT device provided with a photon counting type detector may perform the same processing as the various processes performed by the X-ray CT device 1.
上述した実施形態に係る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。即ち、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などに応じて、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、あるいは、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うる。 Each component of each device according to the above-described embodiment is a functional concept, and does not necessarily have to be physically configured as shown in the figure. That is, the specific form of distribution / integration of each device is not limited to the one shown in the figure, and all or part of the device is functionally or physically distributed in arbitrary units according to various loads and usage conditions. Can be integrated and configured. Further, each processing function performed by each device may be realized by a CPU and a program analyzed and executed by the CPU, or may be realized as hardware by wired logic.
また、上述した実施形態で説明した各種の処理は、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。 Further, the various processes described in the above-described embodiment can be realized by executing a program prepared in advance on a computer such as a personal computer or a workstation. This program can be distributed via a network such as the Internet. The program can also be executed by being recorded on a computer-readable recording medium such as a hard disk, flexible disk (FD), CD-ROM, MO, or DVD, and read from the recording medium by the computer.
以上説明した少なくとも1つの実施形態又は変形例によれば、メモリ41に記憶される生データのデータサイズを小さくしつつ、読影に支障がない画質を確保することができる。
According to at least one embodiment or modification described above, it is possible to ensure image quality that does not interfere with image interpretation while reducing the data size of the raw data stored in the
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。 Although some embodiments of the present invention have been described, these embodiments are presented as examples and are not intended to limit the scope of the invention. These embodiments can be implemented in various other forms, and various omissions, replacements, and changes can be made without departing from the gist of the invention. These embodiments and modifications thereof are included in the scope and gist of the invention, as well as in the scope of the invention described in the claims and the equivalent scope thereof.
1 X線CT装置
41 メモリ
443 画像生成機能
1
Claims (10)
前記第2のデータに基づいて画像データを生成する要求を受け付けた場合、前記第2のデータに基づいて前記第1の分解能に対応する第3のデータを生成する学習済みモデルを使用して画像データを生成し、前記部分データに基づいて画像データを生成する要求を受け付けた場合、前記学習済みモデルを使用せずに画像データを生成する画像生成部と、
を備える、医用処理システム。 Partial data that is part of the first data corresponding to the first resolution collected by performing a scan on the subject is stored and downsampled to at least a part of the first data. A storage unit that stores the second data corresponding to the second resolution lower than the first resolution, which is acquired by executing the above.
When a request to generate image data based on the second data is received, the image is imaged using a trained model that generates third data corresponding to the first resolution based on the second data. When a request to generate data and generate image data based on the partial data is received, an image generation unit that generates image data without using the trained model and an image generation unit.
A medical processing system.
前記第2のデータに基づいて前記第1の分解能に対応する画像データを生成する要求を受け付けた場合、前記学習済みモデルを使用して画像データを生成し、
前記第2のデータに基づいて前記第2の分解能に対応する画像データを生成する要求を受け付けた場合、前記学習済みモデルを使用せずに画像データを生成する、
請求項1に記載の医用処理システム。 The image generation unit
When a request for generating image data corresponding to the first resolution is received based on the second data, the trained model is used to generate the image data.
When a request for generating image data corresponding to the second resolution is received based on the second data, the image data is generated without using the trained model.
The medical processing system according to claim 1.
請求項1又は2に記載の医用処理システム。 The partial data is obtained from the analysis of the first image data based on the first data, the analysis of the second image data of the subject different from the first image data, and the analysis of the first image data from the user. Is identified from the first data by the operation of, the user's operation on the second image data, the scan protocol selected when performing the scan, or information about a predetermined data collection position. ,
The medical processing system according to claim 1 or 2.
前記第2のデータに基づいて画像データを生成する要求を受け付けた場合、前記第2のデータを、前記第2のデータに対応付けられた前記第2の学習済みモデルに適用することにより、画像データを生成する画像生成部と、
を備える、医用処理システム。 Lower than the first resolution obtained by performing downsampling on at least a portion of the first data corresponding to the first resolution collected by performing a scan on the subject. A storage unit that stores the second data in association with the second trained model acquired by learning the first trained model using the second data corresponding to the second resolution. ,
When a request to generate image data based on the second data is received, the image is obtained by applying the second data to the second trained model associated with the second data. An image generator that generates data and
A medical processing system.
前記第2のデータに基づいて画像データを生成する要求を受け付けた場合と、前記第3のデータに基づいて画像データを生成する要求を受け付けた場合とで、共通の学習済みモデルを使用して画像データを生成する画像生成部と、
を備える、医用処理システム。 The first scan obtained by performing a downsampling on at least a portion of the first data corresponding to the first resolution collected by performing the first scan on the subject. The second data corresponding to the second resolution lower than the resolution is stored, and the third data corresponding to the second resolution collected by performing the second scan on the subject is stored. Memory and
A common trained model is used between the case where the request for generating image data based on the second data is accepted and the case where the request for generating image data based on the third data is accepted. An image generator that generates image data and
A medical processing system.
被検体に対してスキャンを実行することで収集された第1の分解能に対応する第1のデータの少なくとも一部に対してダウンサンプリングを実行することで取得された、前記第1の分解能よりも低い第2の分解能に対応する第2のデータに基づいて画像データを生成する要求を受け付けた場合、前記第2のデータに基づいて前記第1の分解能に対応する第3のデータを生成する学習済みモデルを使用して画像データを生成し、
前記第1のデータの一部である部分データに基づいて画像データを生成する要求を受け付けた場合、前記学習済みモデルを使用せずに画像データを生成する、
処理を実行させるためのプログラム。 On the computer
More than the first resolution obtained by performing downsampling on at least a portion of the first data corresponding to the first resolution collected by performing a scan on the subject. Learning to generate the third data corresponding to the first resolution based on the second data when the request to generate the image data based on the second data corresponding to the lower second resolution is received. Generate image data using the ready model
When a request for generating image data based on partial data that is a part of the first data is received, the image data is generated without using the trained model.
A program to execute processing.
被検体に対してスキャンを実行することで収集された第1の分解能に対応する第1のデータの少なくとも一部に対してダウンサンプリングを実行することで取得された、前記第1の分解能より低い第2の分解能に対応する第2のデータを用いて第1の学習済みモデルを学習することで取得された第2の学習済みモデルに、前記第2のデータを対応付けて記憶部に記憶させ、
前記第2のデータに基づいて画像データを生成する要求を受け付けた場合、前記第2のデータを、当該第2のデータに対応付けられた前記第2の学習済みモデルに適用することにより、画像データを生成する、
処理を実行させるためのプログラム。 On the computer
Lower than the first resolution obtained by performing downsampling on at least a portion of the first data corresponding to the first resolution collected by performing a scan on the subject. The second data is associated with the second trained model acquired by learning the first trained model using the second data corresponding to the second resolution and stored in the storage unit. ,
When a request to generate image data based on the second data is received, the image is obtained by applying the second data to the second trained model associated with the second data. Generate data,
A program to execute processing.
被検体に対して第1のスキャンを実行することで収集された第1の分解能に対応する第1のデータの少なくとも一部に対してダウンサンプリングを実行することで取得された、前記第1の分解能より低い第2の分解能に対応する第2のデータに基づいて画像データを生成する要求を受け付け、
被検体に対して第2のスキャンを実行することで収集された前記第2の分解能に対応する第3のデータに基づいて画像データを生成する要求を受け付け、
前記第2のデータに基づいて画像データを生成する要求を受け付けた場合と、前記第3のデータに基づいて画像データを生成する要求を受け付けた場合とで共通の学習済みモデルを使用して画像データを生成する、
処理を実行させるためのプログラム。 On the computer
The first scan obtained by performing a downsampling on at least a portion of the first data corresponding to the first resolution collected by performing the first scan on the subject. Accepts a request to generate image data based on second data corresponding to a second resolution lower than the resolution
Accepting a request to generate image data based on the third data corresponding to the second resolution collected by performing a second scan on the subject.
An image using a trained model that is common to the case where the request for generating image data based on the second data is accepted and the case where the request for generating image data based on the third data is accepted. Generate data,
A program to execute processing.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019204641A JP2021074378A (en) | 2019-11-12 | 2019-11-12 | Medical processing system and program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019204641A JP2021074378A (en) | 2019-11-12 | 2019-11-12 | Medical processing system and program |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021074378A true JP2021074378A (en) | 2021-05-20 |
Family
ID=75899757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019204641A Pending JP2021074378A (en) | 2019-11-12 | 2019-11-12 | Medical processing system and program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2021074378A (en) |
-
2019
- 2019-11-12 JP JP2019204641A patent/JP2021074378A/en active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10130320B2 (en) | X-ray CT apparatus and image diagnostic apparatus | |
JP7348376B2 (en) | Medical processing equipment, X-ray CT system and processing program | |
US20210279918A1 (en) | Medical information processing apparatus, medical image diagnosis apparatus, and medical information processing method | |
JP7313818B2 (en) | MEDICAL IMAGE PROCESSING APPARATUS, MEDICAL IMAGE DIAGNOSTIC APPARATUS, AND MEDICAL IMAGE PROCESSING METHOD | |
JP7362322B2 (en) | X-ray CT system and medical processing equipment | |
JP6598653B2 (en) | Medical information processing apparatus and medical information processing system | |
US11344275B2 (en) | Medical diagnostic-imaging apparatus | |
US20160364525A1 (en) | Medical image processing apparatus and medical image transfer system | |
JP7237741B2 (en) | Medical diagnostic imaging equipment | |
JP2021074378A (en) | Medical processing system and program | |
JP2022013679A (en) | Medical image processing method, medical image processing apparatus and x-ray ct apparatus | |
US10806418B2 (en) | X-ray CT apparatus and imaging condition calculating method | |
JP2021137259A (en) | Medical diagnostic system, medical diagnostic apparatus, and medical information processing apparatus | |
JP7437887B2 (en) | Medical information processing equipment and X-ray CT equipment | |
JP2020141721A (en) | Medical data collection device and medical diagnostic system | |
JP2020096757A (en) | Medical image processing device, medical image diagnostic device and image processing program | |
JP7244280B2 (en) | MEDICAL IMAGE DIAGNOSTIC APPARATUS AND MEDICAL IMAGE DIAGNOSTIC METHOD | |
JP7321846B2 (en) | X-ray CT system and medical processing equipment | |
JP7321798B2 (en) | Reconstruction device and radiological diagnosis device | |
JP7466301B2 (en) | Medical system, medical information management device and terminal device | |
US20220313191A1 (en) | X-ray computed tomography apparatus, medical image display apparatus, and medical image display method | |
JP7399780B2 (en) | Medical image diagnostic equipment | |
JP2023055322A (en) | Machine learning model evaluation device, machine learning model evaluation method, and program | |
JP2023074958A (en) | Medical image processing device, medical image processing method, and program | |
JP2023071179A (en) | Medical image processing apparatus, x-ray ct apparatus, medical image processing method and program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220822 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230428 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230530 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230731 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230912 |