JP2021108758A - Ｘ線診断装置及び医用画像処理装置 - Google Patents

Abstract

【課題】 異なるＸ線吸収差をもつ被検体を撮像したＸ線画像に対して、視認性を向上させるための適切なＸ線条件を得ること。【解決手段】 実施形態に係るＸ線診断装置は、撮像部、決定部及び制御部を備えている。前記撮像部は、被検体にＸ線を照射してＸ線画像を撮像する。前記決定部は、管電圧切り替えを用いた複数エネルギーのＸ線照射により撮像されたＸ線画像の解析結果に基づいて、Ｘ線条件の制御に対する画素の寄与を決定する。前記制御部は、前記寄与の決定結果に基づいて、前記管電圧切り替えを用いない単一エネルギーのＸ線照射による撮像におけるＸ線条件を制御する。【選択図】図１

Description

本発明の実施形態は、Ｘ線診断装置及び医用画像処理装置に関する。

Ｘ線診断装置の分野では、Ｘ線画像の視認性を向上させるための技術として、使用するＸ線条件を被検体厚に応じて自動で設定する自動Ｘ線条件制御（以下、ＡＥＣともいう）の技術が知られている。従来のＡＥＣでは、必ずしも関心のある物体の視認性が高くなるようなＸ線条件とはなっていない。

特表２００９−５０４２２１号公報

イアン・グッドフェロー（Ｉａｎ Ｇｏｏｄｆｅｌｌｏｗ）、外２名、「第９章 畳み込みネットワーク（Ｃｈａｐｔｅｒ ９ Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｔｗｏｒｋｓ）」、ディープラーニング（Ｄｅｅｐ ｌｅａｒｎｉｎｇ）、エムアイティー・プレス（ＭＩＴ ｐｒｅｓｓ）、２０１６年、ｐ．３３０−３７２、インターネット＜ＵＲＬ：http://www.deeplearningbook.org＞ Ａｕｆｒｉｃｈｔｉｇ Ｒ， Ｗｉｌｓｏｎ ＤＬ，「Ｘ−ｒａｙ ｆｌｕｏｒｏｓｃｏｐｙ ｓｐａｔｉｏ−ｔｅｍｐｏｒａｌ ｆｉｌｔｅｒｉｎｇ ｗｉｔｈ ｏｂｊｅｃｔ ｄｅｔｅｃｔｉｏｎ．」、ＩＥＥＥ Ｔｒａｎｓ．Ｍｅｄ．Ｉｍａｇｉｎｇ，１９９５：１４（４）：７３３−７４６ 本田道隆 白石邦夫、「主成分分析による線状陰影の検出法とリアルタイム透視画像処理への応用」、医用画像情報学会雑誌、２００４年、２１巻、第３号、ｐ．２３９−２５１

本明細書及び図面に開示の実施形態が解決しようとする課題の一つは、Ｘ線画像の視認性を向上させるための適切なＸ線条件を得ることである。

また、本明細書及び図面に開示の実施形態が解決しようとする課題の一つは、擬似的な線状陰影が撮像されたＸ線画像の視認性を向上させることである。

ただし、本明細書及び図面に開示の実施形態により解決しようとする課題は上記課題に限られない。後述する実施形態に示す各構成による各効果に対応する課題を他の課題として位置づけることもできる。

実施形態に係るＸ線診断装置は、撮像部、決定部及び制御部を備えている。
前記撮像部は、被検体にＸ線を照射してＸ線画像を撮像する。
前記決定部は、管電圧切り替えを用いた複数エネルギーのＸ線照射により撮像されたＸ線画像の解析結果に基づいて、Ｘ線条件の制御に対する画素の寄与を決定する。
前記制御部は、前記寄与の決定結果に基づいて、前記管電圧切り替えを用いない単一エネルギーのＸ線照射による撮像におけるＸ線条件を制御する。

図１は、第１の実施形態に係るＸ線診断装置の構成を示すブロック図である。 図２は、第１の実施形態に係るＸ線診断装置におけるコンソール装置及び医用画像処理装置の構成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済みモデルの一例を説明するための模式図である。 図４は、第１の実施形態における動作を説明するためのフローチャートである。 図５は、第１の実施形態におけるステップＳＴ３０の動作を説明するためのフローチャートである。 図６は、第１の実施形態における動作を説明するためのシーケンス図及び模式図である。 図７は、第１の実施形態における動作を説明するための原画像及びスペクトラル画像の模式図である。 図８は、第１の実施形態における動作を説明するための原画像の一例を示す模式図である。 図９は、第１の実施形態における動作を説明するための骨画像及び骨マップ画像の一例を示す模式図である。 図１０は、第１の実施形態における動作を説明するための原画像の他の例を示す模式図である。 図１１は、第１の実施形態における動作を説明するための骨マップ画像の他の例を示す模式図である。 図１２は、第１の実施形態における動作を説明するための骨マップ画像の更に他の例を示す模式図である。 図１３は、第２の実施形態に係るＸ線診断装置におけるコンソール装置及び医用画像処理装置の構成を示すブロック図である。 図１４は、第２の実施形態における動作を説明するためのフローチャートである。 図１５は、第２の実施形態における動作を説明するための原画像の一例を示す模式図である。 図１６は、第２の実施形態における動作を説明するための骨画像の一例を示す模式図である。 図１７は、第２の実施形態における動作を説明するための骨マップ画像の一例を示す模式図である。

以下、図面を参照して各実施形態について説明する。

＜第１の実施形態＞
図１は、第１の実施形態に係るＸ線診断装置の構成を示すブロック図であり、図２は、Ｘ線診断装置におけるコンソール装置及び医用画像処理装置の構成を示すブロック図である。図３は、学習済みモデルの一例を説明するための模式図である。

ここで、Ｘ線診断装置１は、撮像装置１０、寝台装置５０、コンソール装置７０及びモニタ８０を備えている。撮像装置１０は、高電圧発生装置１１、Ｘ線発生部１２、Ｘ線検出器１３、Ｃアーム１４及びＣアーム制御装置１４２を備えている。撮像装置１０は、被検体にＸ線を照射してＸ線画像を撮像する撮像部の一例である。詳しくは、撮像装置１０は、単一エネルギー又は複数エネルギーのＸ線照射により被検体のＸ線画像を撮像する撮像部の一例である。

高電圧発生装置１１は、Ｘ線管の陰極から発生する熱電子を加速するために、陽極と陰極の間に印加する高電圧を発生させてＸ線管へ出力する。

Ｘ線発生部１２は、被検体Ｐに対してＸ線を照射するＸ線管と、Ｘ線の照射野を限定したり、照射野のうちの一部についてＸ線を減衰させたりする機能を有するＸ線絞りとを備えている。

Ｘ線管は、Ｘ線を発生する。具体的には、Ｘ線管は、熱電子を発生する陰極と、陰極から飛翔する熱電子を受けてＸ線を発生する陽極とを保持する真空管である。例えば、Ｘ線管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線管は高圧ケーブルを介して高電圧発生装置１１に接続されている。陰極と陽極との間には、高電圧発生装置１１により管電圧が印加される。管電圧の印加により陰極から陽極に向けて熱電子が飛翔する。陰極から陽極に向けて熱電子が飛翔することにより管電流が流れる。高電圧発生装置１１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、陰極から陽極に向けて熱電子が飛翔し、熱電子が陽極に衝突することによりＸ線が発生される。

Ｘ線絞りは、Ｘ線管とＸ線検出器１３の間に位置し、一般的には、絞り羽根、付加フィルタ及び補償フィルタを備えている。Ｘ線絞りは、開口領域外のＸ線を遮蔽することにより、Ｘ線管が発生したＸ線を、被検体Ｐの関心領域にのみ照射されるように絞り込む。例えば、Ｘ線絞りは４枚の鉛板からなる絞り羽根を有し、これらの絞り羽根をスライドさせることで、Ｘ線の遮蔽される領域を任意のサイズに調節する。Ｘ線絞りの絞り羽根は、操作者が入力インタフェース７３から入力した関心領域に応じて、図示しない駆動装置により駆動される。また、Ｘ線絞りは、Ｘ線の総ろ過を調整するための付加フィルタがスリットから挿入可能となっている。また、Ｘ線絞りは、Ｘ線検査時に使用される鉛マスクや補償フィルタがアクセサリ挿入口から挿入可能となっている。なお、補償フィルタは、照射Ｘ線量を減衰或いは低減させる機能を有するＲＯＩ（Region Of Interest）フィルタを含んでもよい。

Ｘ線検出器１３は、被検体Ｐを透過したＸ線を検出する。このようなＸ線検出器１３としては、Ｘ線を直接電荷に変換するものと、光に変換した後、電荷に変換するものとが使用可能であり、ここでは前者を例に説明するが後者であっても構わない。すなわち、Ｘ線検出器１３は、例えば、ＣＭＯＳ（Complementary Metal Oxide）トランジスタを用いた２次元のイメージセンサを備え、被検体Ｐを透過したＸ線を電荷に変換して蓄積する平面状のＦＰＤ（Flat Panel Detector）と、このＦＰＤに蓄積された電荷を読み出すための駆動パルスを生成するゲートドライバとを備えている。このＦＰＤは、ＣＭＯＳ−ＦＰＤと呼んでもよい。ＦＰＤは微小な検出素子を列方向及びライン方向に２次元的に配列して構成される。各々の検出素子はＸ線を感知し、入射Ｘ線量に応じて電荷を生成する光電膜と、この光電膜に発生した電荷を蓄積するフォトダイオード（ＰＤ）と、電荷を増幅する増幅回路と、増幅した電荷をデジタル信号に変換するＡ／Ｄ変換器とを備えている。デジタル信号は、ゲートドライバが供給する駆動パルスによって順次読み出される。

Ｘ線検出器１３の後段には、図示しない投影データ生成回路を備える。投影データ生成回路は、ＦＰＤから行単位あるいは列単位でパラレルに読み出されたデジタル信号を時系列的なシリアル信号（時系列的な投影データ）に変換するパラレル・シリアル変換器を備えている。時系列的な投影データは、投影データ生成回路から出力され、医用画像処理装置７５に供給される。

Ｃアーム１４は、Ｘ線発生部１２とＸ線検出器１３とを被検体Ｐ及び天板５３を挟んで対向するように保持することで、天板５３上の被検体ＰのＸ線撮影を行うことができる構成を有する。以下の説明では、天井吊りタイプのＣアームを例に挙げて述べるが、これに限らず、例えば、床置きタイプのＣアームであってもよい。

具体的にはＣアーム１４は、天板５３の長軸方向及び短軸方向に沿って移動可能となっている。また、Ｃアーム１４は、保持部を介して支持アームに支持されている。支持アームは、略円弧形状を有し、天井に設けられたレールに対する移動機構に基端が取り付けられている。Ｃアーム１４は、天板５３に垂直なＹ方向と、天板５３の長軸方向に沿ったＺ方向との両者に直交するＸ方向の軸を中心に回転可能に保持部に保持されている。また、Ｃアーム１４は、Ｚ方向の軸を中心とした略円弧形状を有し、略円弧形状に沿ってスライド動作可能に保持部に保持されている。すなわち、Ｃアーム１４は、Ｚ方向の軸を回転中心としたスライド動作を行うことができる。また、Ｃアーム１４は、保持部を中心としてＸ方向の軸を中心とした回転動作（以下、「主回転動作」と称する。）をすることができ、スライドとこの回転の組み合わせにより様々な角度方向からＸ線画像を観察することを可能とする。さらに、Ｃアーム１４は、Ｙ方向の軸を中心にも回転することができ、これにより、例えば、上述のスライド動作の回転中心軸をＸ方向とすることができる。なお、Ｘ線発生部１２のＸ線焦点と、Ｘ線検出器１３の検出面中心とを通る撮影軸は、スライド動作の回転中心軸と、主回転動作の回転中心軸とに一点で交差するように設計されている。当該交点は、一般的には、アイソセンタと呼ばれている。アイソセンタは、Ｃアーム１４が上述のスライド動作や主回転動作をしても変位しない。このため、アイソセンタに関心部位が位置した場合、Ｃアーム１４のスライド動作又は主回転動作により得られた医用画像の動画像において、関心部位の観察が容易になる。

このようなＣアーム１４は、レール下の支持アーム、Ｘ方向の軸、Ｙ方向の軸及びＺ方向の軸に係る動作を実現するための複数の動力源が該当する適当な箇所に備えられている。これらの動力源はＣアーム制御装置１４２に制御される。Ｃアーム制御装置１４２は、システム制御機能７４１からの駆動信号を読み込んでＣアーム１４をスライド運動、回転運動、直線運動させる。さらに、Ｃアーム１４には、その角度または姿勢や位置の情報を検出する図示しない状態検出器がそれぞれ備えられている。状態検出器は、例えば回転角や移動量を検出するポテンショメータや、位置検出センサであるエンコーダ等で構成される。エンコーダとしては、例えば磁気方式、刷子式、あるいは光電式等の、いわゆるアブソリュートエンコーダが使用可能となっている。また、状態検出器としては、回転変位をデジタル信号として出力するロータリエンコーダあるいは直線変位をデジタル信号として出力するリニアエンコーダなど、様々な種類の位置検出機構が適宜、使用可能となっている。

寝台装置５０は、被検体Ｐを載置、移動させる装置であり、基台５１と、寝台駆動装置５２と、天板５３と、支持フレーム５４とを備えている。

基台５１は、床面に設置され、支持フレーム５４を鉛直方向（Ｙ方向）に移動可能に支持する筐体である。

寝台駆動装置５２は、寝台装置５０の筐体内に収容され、被検体Ｐが載置された天板５３を天板５３の長手方向（Ｚ方向）に移動するモータあるいはアクチュエータを含んでいる。寝台駆動装置５２は、システム制御機能７４１からの駆動信号を読み込んで、天板５３を床面に対して水平方向や垂直方向に移動させる。

天板５３は、支持フレーム５４の上面に設けられ、被検体Ｐが載置される板である。

支持フレーム５４は、被検体Ｐが載置される天板５３を移動可能に支持する。詳しくは、支持フレーム５４は、基台５１の上部に設けられ、天板５３をその長手方向に沿ってスライド可能に支持する。

コンソール装置７０は、図２に示すように、メモリ７１、ディスプレイ７２、入力インタフェース７３及び処理回路７４を備えている。

メモリ７１は、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、ＨＤＤ（Hard Disk Drive）及び画像メモリなど電気的情報を記録するメモリ本体と、それらメモリ本体に付随するメモリコントローラやメモリインタフェースなどの周辺回路とを備えている。メモリ７１は、例えば、処理回路７４に実行されるプログラムと、Ｘ線検出器１３から受けた投影データ、処理回路７４により生成された医用画像、処理回路７４の処理に用いるデータ、各種テーブル、処理途中のデータ及び処理後のデータ等が記憶される。医用画像としては、例えば、通常のＸ線画像、投影データを順次保存して得た２次元の投影データ（Ｘ線画像）、高エネルギー画像、低エネルギー画像、骨画像、軟部組織画像及び骨マップ画像などがある。

ここで、通常のＸ線画像は、管電圧切り替えを用いない単一エネルギーのＸ線照射により被検体を撮像して得られるＸ線画像である。なお、「管電圧切り替え」は、「ＡＥＣによる管電圧の調整」ではなく、デュアルエネルギー技術における「複数の管電圧を交替的に切り替える制御」を意図している。

高エネルギー画像は、管電圧切り替えを用いた複数エネルギーのＸ線照射により被検体を撮像したＸ線画像のうち、高い方のエネルギー（高い方の管電圧）を用いて撮像したＸ線画像である。

低エネルギー画像は、管電圧切り替えを用いた複数エネルギーのＸ線照射により被検体を撮像したＸ線画像のうち、低い方のエネルギー（低い方の管電圧）を用いて撮像したＸ線画像である。

骨画像は、高エネルギー画像及び低エネルギー画像に物質弁別処理を施すことにより作成され、骨部及び非骨部（軟部組織）のうちの骨部を明瞭に表すＸ線画像である。骨画像としては、例えば低エネルギー画像から非骨部のコントラストを抑制するように、低エネルギー画像及び高エネルギー画像を加重減算して得られたＸ線画像が適宜、使用可能となっている。また、骨画像としては、骨の厚さを画素値とする画像である、骨の厚さ画像を用いてもよい。

軟部組織画像は、高エネルギー画像及び低エネルギー画像に物質弁別処理を施すことにより作成され、骨部及び非骨部のうちの非骨部（軟部組織）を明瞭に表すＸ線画像である。軟部組織画像としては、例えば、高エネルギー画像から骨部のコントラストを抑制するように、高エネルギー画像及び低エネルギー画像を加重減算して得られたＸ線画像が適宜、使用可能となっている。また、軟部組織画像としては、軟部組織の厚さを画素値とする画像である、軟部組織の厚さ画像を用いてもよい。

骨マップ画像は、例えば、骨画像に閾値処理を施すことにより、骨部と非骨部とを弁別した結果を表す画像である。なお、骨マップ画像に代えて、例えば、軟部組織画像に閾値処理を施すことにより、骨部と非骨部とを弁別した結果を表す画像を用いることも可能である。

これに加え、メモリ７１は、図３に示すように、高エネルギー画像ｇＨＥ、低エネルギー画像ｇＬＥ及び骨マップ画像ｇＭｐにより機械学習モデルＭｄ１を学習させて得られた学習済みモデルＭｄ２を記憶してもよい。メモリ７１は、例えば、Ｘ線診断装置１の工場出荷前に予め学習済みモデルＭｄ２を記憶してもよく、あるいはＸ線診断装置１の工場出荷後に、図示しないサーバ装置などから取得した学習済みモデルＭｄ２を記憶してもよい。このことは、以下の各実施形態でも同様である。学習済みモデルＭｄ２は、複数エネルギーのＸ線照射により撮像されたＸ線画像に基づいて、当該Ｘ線画像に対して骨部及び非骨部を弁別した結果（例、骨マップ画像ｇＭｐ）を出力するように機能付けられている。

このような学習済みモデルＭｄ２は、学習用データに基づいて、機械学習モデルＭｄ１に機械学習を行わせることにより、学習済みの機械学習モデルである学習済みモデルとして作成可能となっている。ここで、学習用データは、複数エネルギーのＸ線照射により撮像されたＸ線画像である高エネルギー画像ｇＨＥ及び低エネルギー画像ｇＬＥを入力データとし、当該Ｘ線画像に対して骨部及び非骨部を弁別した結果である骨マップ画像ｇＭｐを出力データとした、入力データと出力データとの組である。機械学習モデルは、高エネルギー画像ｇＨＥ及び低エネルギー画像ｇＬＥを入力とし、骨マップ画像ｇＭｐを出力する、複数の関数が合成されたパラメータ付き合成関数である。パラメータ付き合成関数は、複数の調整可能な関数及びパラメータの組合せにより定義される。本実施形態に係る機械学習モデルは、上記の要請を満たす如何なるパラメータ付き合成関数であっても良いが、多層のネットワークモデル（以下、多層化ネットワークと呼ぶ）であるとする。多層化ネットワークを用いる学習済みモデルＭｄ２は、高エネルギー画像ｇＨＥ及び低エネルギー画像ｇＬＥを入力する入力層と、骨マップ画像ｇＭｐを出力する出力層と、入力層と出力層との間に設けられる少なくとも１層の中間層とを有する。当該学習済みモデルＭｄ１は、人工知能ソフトウエアの一部であるプログラムモジュールとしての利用が想定される。このような多層化ネットワークとしては、例えば、深層学習（Deep Learning）の対象となる多層ニューラルネットワークである深層ニューラルネットワーク（Deep Neural Network：ＤＮＮ）を用いている。ＤＮＮとしては、例えば、動画に対して再帰型ニューラルネットワーク（Recurrent Neural Network：ＲＮＮ）を用いてもよく、静止画に対して畳込みニューラルネットワーク（Convolutional Neural Network：ＣＮＮ）を用いてもよい。この種のＣＮＮは、ＤＣＮＮ（Deep CNN）ともいう。本実施形態では、学習済みモデルとしてＤＣＮＮを用いている。ＣＮＮについては、例えば、前述した「イアン・グッドフェロー（Ian Goodfellow）、外２名、「第９章 畳み込みネットワーク（Chapter 9 Convolutional Networks）」、ディープラーニング（Deep learning）、エムアイティー・プレス（MIT press）、2016年、p.330-372、インターネット ＜ＵＲＬ：http://www.deeplearningbook.org＞」に記載されている。また、ＲＮＮは、長・短期記憶（Long Short-Term Memory：ＬＳＴＭ）を含んでもよい。以上の当該多層化ネットワークに関する説明は、以下の全ての機械学習モデルＭｄ１及び学習済みモデルＭｄ２にも該当する。

プログラムは、例えば、コンピュータに、複数エネルギーのＸ線照射により撮像されたＸ線画像の解析結果に基づいて、Ｘ線条件の制御に対する画素の寄与を決定する決定機能、及び寄与の決定結果に基づいて、単一エネルギーを含むＸ線条件を制御する制御機能、を実現させる。補足すると、このようなプログラムとしては、例えば、予めネットワーク又は非一過性のコンピュータ読み取り可能な記憶媒体からコンピュータにインストールされ、医用画像処理装置７５の各機能を当該コンピュータに実現させるプログラムが用いられる。メモリ７１は、記憶部の一例である。

ディスプレイ７２は、医用画像などといった各種の情報を表示するディスプレイ本体と、ディスプレイ本体に表示用の信号を供給する内部回路、ディスプレイ本体と内部回路とをつなぐコネクタやケーブルなどの周辺回路から構成されている。内部回路は、処理回路７４から供給される画像データに被検体情報や投影データ生成条件等の付帯情報を重畳して表示データを生成し、得られた表示データに対しＤ／Ａ変換とＴＶフォーマット変換を行なってディスプレイ本体に表示する。例えば、ディスプレイ７２は、処理回路７４によって生成された医用画像や、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７２は、液晶ディスプレイやＣＲＴ（Cathode Ray Tube）ディスプレイである。また、ディスプレイ７２は、表示部の一例である。また、ディスプレイ７２は、デスクトップ型でもよいし、コンソール装置７０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。ディスプレイ７２は表示部の一例である。

入力インタフェース７３は、被検体情報の入力、Ｘ線条件の設定、各種コマンド信号の入力等を行う。被検体情報は、例えば、被検体ＩＤ、被検体名、生年月日、年齢、体重、性別、検査部位等を含んでいる。なお、被検体情報は、被検体の身長を含んでもよい。入力インタフェース７３は、例えば、Ｃアーム１４の移動指示、関心領域（ＲＯＩ）の設定などを行うためのトラックボール、スイッチボタン、マウス、キーボード、操作面へ触れることで入力操作を行うタッチパッド、及び表示画面とタッチパッドとが一体化されたタッチパネルディスプレイ等によって実現される。入力インタフェース７３は、処理回路７４に接続されており、操作者から受け取った入力操作を電気信号へ変換し、処理回路７４へと出力する。また、入力インタフェース７３は、コンソール装置７０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、本明細書において入力インタフェース７３はマウス、キーボードなどの物理的な操作部品を備えるものだけに限られない。例えば、装置とは別体に設けられた外部の入力機器から入力操作に対応する電気信号を受け取り、この電気信号を処理回路７４へ出力する電気信号の処理回路も入力インタフェース７３の例に含まれる。

処理回路７４は、メモリ７１内のプログラムを呼び出し実行することにより、プログラムに対応するシステム制御機能７４１、画像処理機能７４２、解析機能７４３、決定機能７４４及び表示制御機能７４５を実現するプロセッサである。なお、図２においては単一の処理回路７４にてシステム制御機能７４１、画像処理機能７４２、解析機能７４３、決定機能７４４及び表示制御機能７４５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。また、システム制御機能７４１、画像処理機能７４２、解析機能７４３、決定機能７４４及び表示制御機能７４５は、それぞれシステム制御回路、画像処理回路、解析回路、決定回路及び表示制御回路と呼んでもよく、個別のハードウェア回路として実装してもよい。

システム制御機能７４１は、例えば、入力インタフェース７３から入力された操作者によるコマンド信号、及び各種初期設定条件等の情報を一旦記憶した後、これらの情報を処理回路７４の各処理機能に送信する。

また、システム制御機能７４１は、例えば、入力インタフェース７３から入力されたＣアーム１４及び天板５３の駆動に関する情報を用いて、Ｃアーム制御装置１４２及び寝台駆動装置５２の制御を行う。例えば、システム制御機能７４１は、撮像装置１０の移動や回転、及び寝台装置５０の移動やチルトなどを制御する。

また、システム制御機能７４１は、例えば、メモリ７１に設定された情報を読み込んで、高電圧発生装置１１における管電圧、管電流、照射時間などのＸ線条件の制御を行う。Ｘ線条件は、管電流と照射時間の積（ｍＡＳ）を含んでもよい。

さらに、システム制御機能７４１は、後述する決定機能７４４による、Ｘ線条件の制御に対する画素の寄与の決定結果に基づいて、管電圧切り替えを用いない単一エネルギーのＸ線照射による撮像におけるＸ線条件を制御する。このようなシステム制御機能７４１は、制御部の一例である。

画像処理機能７４２は、例えば、メモリ７１内の投影データに対してフィルタリング処理等の画像処理を行ってＸ線画像データを生成し、Ｘ線画像データをメモリ７１に保存する。投影データから生成されるＸ線画像データとしては、例えば、通常のＸ線画像、高エネルギーｇＨＥ、低エネルギー画像ｇＬＥなどの医用画像データがある。

解析機能７４３は、管電圧切り替えを用いた複数エネルギーのＸ線照射により撮像されたＸ線画像を解析することにより、当該Ｘ線画像に対して骨部及び非骨部を弁別した結果を解析結果として得る。例えば、解析機能７４３は、複数エネルギーのＸ線照射により撮像された高エネルギー画像ｇＨＥ及び低エネルギー画像ｇＬＥの間の物質弁別処理や画像演算（減算処理、加重減算処理、閾値処理）等を行ない、得られた骨画像、軟部組織画像及び骨マップ画像などのＸ線画像データをメモリ７１に保存する。骨マップ画像は、「弁別結果」又は「解析結果」等と呼んでもよい。解析機能７４３は、所定の物質分別処理や画像演算処理のアルゴリズムを記述したプログラムを用いる手法で実現してもよく、前述した学習済みモデルＭｄを用いる手法で実現してもよい。前者の場合、例えば、複数エネルギーのＸ線照射により撮像されたＸ線画像を解析することにより、当該Ｘ線画像から非骨部のコントラストを抑制した骨画像を生成し、当該骨画像に閾値処理を施すことにより、弁別した結果を得るためのプログラムを用いてもよい。後者の場合、例えば、複数エネルギーのＸ線照射により撮像されたＸ線画像に基づいて当該弁別した結果を出力するための学習済みモデルに対して、当該Ｘ線画像を入力し、当該弁別した結果を出力させることにより、解析結果を得る手法を用いてもよい。解析機能７４３は、解析部の一例である。

決定機能７４４は、管電圧切り替えを用いた複数エネルギーのＸ線照射により撮像されたＸ線画像の解析結果に基づいて、Ｘ線条件の制御に対する画素の寄与を決定する。なお、「Ｘ線条件の制御に対する画素の寄与」とは、どの画素の画素値をどの程度Ｘ線条件のフィードバックに用いるかを表す。すなわち、「Ｘ線条件の制御に対する画素の寄与を決定する」ことには、Ｘ線画像を構成する画素の中からＸ線条件へのフィードバックのための統計値の算出に用いる画素を選択することや、Ｘ線画像を構成する各画素の画素値からＸ線条件へのフィードバックのための統計値を算出するにあたって、画素毎の重み付け係数を決定することを含まれる。また、「Ｘ線条件の制御に対する画素の寄与を決定する」ことには、Ｘ線条件へのフィードバックのための統計値の算出に用いる画素を選択し、さらに選択された画素のそれぞれについて重み付け係数を決定することが含まれる。上述のＸ線条件へのフィードバックのための統計値としては、単純な平均値演算や重み付け平均値演算などの統計的な手法により得られた画素値が適宜、使用可能となっている。統計的な手法により得られた画素値としては、これに限らず、抽出値、最頻値、中央値、最大値などの任意の値が適宜、使用可能となっている。いずれにしても、決定機能７４４は、複数エネルギーによるＸ線画像の解析結果を、Ｘ線条件のフィードバックに対する画素の寄与の決定に用いる。

ここで、決定機能７４４は、当該Ｘ線画像に対して骨部及び非骨部を弁別した結果が解析結果として得られると、当該骨部の画素に、撮像されたデバイスが重なっているか否かに基づいて寄与を決定してもよい。「撮像されたデバイス」は、「検出されたデバイス」又は「識別されたデバイス」に読み替えてもよい。

また、決定機能７４４は、骨部の画素にデバイスが重なっている場合に、当該Ｘ線画像の関心領域内の各画素のうちの骨部の各画素に基づいて、寄与を決定してもよい。このとき、決定機能７４４は、関心領域内に骨部の画素がない場合、デバイスの少なくとも一部を含むように関心領域を移動させ、当該移動させた後の関心領域内の骨部の各画素に基づいて、寄与を決定してもよい。

また、決定機能７４４は、当該骨部の画素にデバイスが重なっていない場合に、Ｘ線画像の関心領域内の各画素のうちの非骨部の各画素に基づいて、寄与を決定してもよい。このとき、決定機能７４４は、関心領域内に非骨部の画素がない場合、デバイスの少なくとも一部を含むように関心領域を移動させ、当該移動させた後の関心領域内の非骨部の各画素に基づいて、寄与を決定してもよい。なお、「骨部の画素にデバイスが重なっていない場合」は、「骨部の画素にデバイスが無い場合」と読み替えてもよい。いずれにしても、このような決定機能７４４は、決定部の一例である。

表示制御機能７４５は、メモリ７１内の医用画像データなどの表示データをディスプレイ７２及びモニタ８０に表示する制御などを行う。例えば、表示制御機能７４５は、システム制御機能７４１からの信号を読み込んで、メモリ７１から所望の医用画像データを取得してディスプレイ７２及びモニタ８０に表示する制御などを行う。表示制御機能７４５は、表示制御部の一例である。

モニタ８０は、ディスプレイ７２よりも大きい表示面を有するディスプレイであり、医用画像などといった各種の情報を表示するディスプレイ本体と、ディスプレイ本体に表示用の信号を供給する内部回路、ディスプレイ本体と内部回路とをつなぐコネクタやケーブルなどの周辺回路から構成されている。内部回路は、処理回路７４から供給される画像データに被検体情報や投影データ生成条件等の付帯情報を重畳して表示データを生成し、得られた表示データに対しＤ／Ａ変換とＴＶフォーマット変換を行なってディスプレイ本体に表示する。モニタ８０は、処理回路７４の表示制御機能７４５からの制御に応じて、ディスプレイ７２と同一又は異なる内容を表示可能となっている。

これらメモリ７１、ディスプレイ７２、入力インタフェース７３、処理回路７４の画像処理機能７４２、解析機能７４３、決定機能７４４及び表示制御機能７４５は、医用画像処理装置７５を構成している。これに伴い、メモリ７１、ディスプレイ７２、入力インタフェース７３、処理回路７４の画像処理機能７４２、解析機能７４３、決定機能７４４及び表示制御機能７４５に関する説明は、Ｘ線診断装置１及び医用画像処理装置７５の各々の説明となっている。医用画像処理装置７５は、Ｘ線診断装置１に内蔵されてもよく、Ｘ線診断装置１とは別の装置として、Ｘ線診断装置１の外部に設けてもよい。

次に、以上のように構成されたＸ線診断装置の動作について図４及び図５のフローチャート、並びに図６乃至図１２の模式図を用いて説明する。

始めに、Ｘ線画像の収集に先立ち、Ｘ線診断装置１を操作する操作者は、入力インタフェース７３の操作により、被検体情報を入力した後、通常画像収集シーケンス及びスペクトラル画像収集シーケンスにおけるＸ線条件、画像データ生成条件及び画像データ表示条件の設定を行ない、これらの入力情報や設定情報をメモリ７１に保存しておく。この初期設定が終了すると、操作者は、被検体Ｐが載置された天板５３と、撮像装置１０のＣアーム１４とを所定の方向へ移動／回動させることにより被検体Ｐに対するＸ線透視撮像の撮像位置や撮像方向を設定する。このような準備段階の後、ステップＳＴ１０が開始される。

ステップＳＴ１０において、Ｘ線診断装置１は、通常のＸ線画像を収集及び表示する。例えば、Ｘ線診断装置１の処理回路７４は、操作者による入力インタフェース７３の操作に応じて、通常画像収集シーケンスを設定し、通常画像収集シーケンスに基づいて、単一エネルギーを含むＸ線条件を制御することにより、撮像装置１０を介して、Ｘ線透視撮像を開始する。これにより、例えば、被検体Ｐの胴部のＸ線画像が動画として得られる。このＸ線画像は、単一のエネルギーにより撮像されたライブ画像であり、Ｘ線透視撮像中、順次、Ｘ線検出器１３から医用画像処理装置７５に収集される。収集されたＸ線画像は、メモリ７１に保存される一方、ディスプレイ７２及びモニタ８０に表示される。但し、Ｘ線透視撮像の開始直後には、被検体Ｐにガイドワイヤ等のデバイスを挿入しておらず、Ｘ線画像にはデバイスが写り込まない。しかる後、被検体Ｐにデバイスが挿入される。

ステップＳＴ１０の後、ステップＳＴ２０において、Ｘ線診断装置１は、Ｘ線画像からデバイスを探索し、当該デバイスを検出する。デバイスの検出としては、非特許文献２及び３のようなルールベースの検出アルゴリズムを用いても良いし、前述のＣＮＮのような機械学習によるアルゴリズムを用いても良く、種々のデバイス検出アルゴリズムが利用可能である。

ステップＳＴ２０の後、ステップＳＴ３０において、Ｘ線診断装置１は、操作者による入力インタフェース７３の操作に応じて、複数エネルギーを用いてスペクトラル画像を収集及び表示する。このステップＳＴ３０は、例えば図５に示す如き、ステップＳＴ３１〜ＳＴ３６のように実行される。

まず、ステップＳＴ３１において、処理回路７４は、操作者による入力インタフェース７３の操作に応じて、スペクトラル画像収集シーケンスを設定する。

ステップＳＴ３１の後、ステップＳＴ３２〜ＳＴ３３において、処理回路７４は、スペクトラル画像収集シーケンスに基づいて、撮像装置１０を制御することにより、スペクトラル画像を収集する。言い換えると、撮像装置１０は、複数エネルギーによりＸ線画像を撮像し、処理回路７４は、当該撮像されたＸ線画像を解析する。例えば、処理回路７４は、図６（ａ）に示すように、高電圧発生装置１１を制御し、１パルス中における管電圧を低ｋＶから高ｋＶに切り替えることにより、Ｘ線１パルスで複数エネルギーを切り替えて撮像を行う。この複数エネルギーを切り替えた撮像は、デュアルエネルギー撮像と呼んでもよく、マルチエネルギー撮像と呼んでもよい。

このとき、図６（ｂ）に示すように、被検体Ｐを透過したＸ線を検出するＸ線検出器１３には、ＦＰＤの画素毎に電荷が蓄積される。なお、このＦＰＤは、多数回サンプルホールド可能で且つ非破壊読出可能なＣＭＯＳ型のイメージセンサを用いている。

このため、処理回路７４は、図６（ｃ）に示すように、Ｘ線検出器１３を制御し、低ｋＶのパルスに応じたＸ線画像を読み出すための駆動パルスである第１読出信号に応じて、Ｘ画像（ＳＨ１）に対応する第１投影データをＦＰＤから読み出す。第１投影データは、医用画像処理装置７５に収集され、順次、メモリ７１に保存されることにより、２次元の第１投影データとしてのＸ線画像（ＳＨ１）が生成される。Ｘ線画像（ＳＨ１）は、低エネルギー画像ｇＬＥともいう。

同様に、図６（ｄ）に示すように、高ｋＶのパルスに応じたＸ線画像を読み出すための駆動パルスである第２読出信号に応じて、Ｘ線画像（ＳＨ２）に対応する第２投影データをＦＰＤから読み出す。第２投影データは、医用画像処理装置７５に収集され、順次、メモリ７１に保存されることにより、２次元の第２投影データとしてのＸ線画像（ＳＨ２）が生成される。医用画像処理装置７５の処理回路７４は、このＸ線画像（ＳＨ２）と、先ほどのＸ線画像（ＳＨ１）とを演算処理することにより、高エネルギー画像ｇＬＨを生成し、メモリ７１に収集する。この演算処理としては、例えば減算処理（ＳＨ２−ＳＨ１）が使用可能である。

処理回路７４は、これら低エネルギー画像ｇＬＥ及び高エネルギー画像ｇＬＨに基づいて、スペクトラル画像ｇＳＰを生成する。

しかる後、図６（ｅ）に示すように、ゲートドライバからリセット信号がＦＰＤに送出され、ＦＰＤ画素の蓄積電荷量がリセットされる。これにより、Ｘ線１パルス分（１フレーム分）のスペクトラル画像ｇＳＰの収集が終了する。以下同様に、フレーム毎に、ステップＳＴ３２が繰り返し実行される。

ここで、ステップＳＴ３２〜ＳＴ３３のスペクトラル画像ｇＳＰの収集及び物質弁別処理について補足的に述べる。スペクトラル画像ｇＳＰの収集及び物質弁別処理は、並列的に実行される。
例えば、処理回路７４は、図７に示すように、低エネルギー画像ｇＬＥ及び高エネルギー画像ｇＬＨといった原画像ｇＥに対し、物質弁別処理を用いることにより、骨画像ｇＢ及び軟部組織画像ｇＳＴといったスペクトラル画像ｇＳＰを生成する。

物質弁別処理においては、例えば、あるエネルギーＥにより撮像されたエネルギー画像の画素に対応する、被検体がある場合と無い場合のＸ線検出器１３の出力信号比が（１）式で示される。

但し、Ｉ/Ｉ₀：被検体がある場合と無い場合のＸ線検出器１３の出力信号比、
Ｅ：エネルギー［ｋｅＶ］、
Ｎ（Ｅ）：エネルギーＥにおけるフォトン数（スペクトル）、
μ_bone（Ｅ）：エネルギーＥにおける骨の線減弱係数［ｃｍ^-1］、
μ_soft（Ｅ）：エネルギーＥにおける軟部組織の線減弱係数［ｃｍ^-1］、
ｄ_bone：骨の厚さ［ｃｍ］、
ｄ_soft：軟部組織の厚さ［ｃｍ］。

ここで、式（１）に基づき、低エネルギーＥ_LによるＸ線スペクトルの場合の式（２）と、高エネルギーＥ_HによるＸ線スペクトルの場合の式（３）とを作成する。

但し、Ｉ_EL/Ｉ_{0_EL}：低エネルギーＥ_Lを用いた際の、被検体がある場合と無い場合のＸ線検出器１３の出力信号比、
Ｉ_EH/Ｉ_{0_EH}：高エネルギーＥ_Hを用いた際の、被検体がある場合と無い場合のＸ線検出器１３の出力信号比。

式（２）及び式（３）において、未知数は、骨の厚さｄ_boneと、軟部組織の厚さｄ_softとの２つである。従って、式（２）及び式（３）の連立方程式を解くことにより、骨の厚さｄ_boneと、軟部組織の厚さｄ_softとを算出する。上記のような２つのエネルギーによる弁別の手法だと、ガイドワイヤ等のデバイスは、主に線減弱係数が近い骨に分類される。ＳＴ２０においてデバイスが検出された画素においては、骨の厚さｄ_boneを、周囲の画素における骨の厚さｄ_boneで補間することで求めてもよい。あるいは、式（２）及び式（３）に基づいて算出された骨の厚さｄ_boneから、典型的なデバイスに対応する骨の厚さを減算することで、骨の厚さｄ_boneを補正してもよい。エネルギー画像の画素における骨の厚さｄ_boneと、軟部組織の厚さｄ_softとに基づいて、骨画像ｇＢ及び軟部組織画像ｇＳＴを作成できる。骨画像ｇＢは、軟部組織のコントラストが抑制されて、骨部を明瞭に表すＸ線画像である。軟部組織画像ｇＳＴは、骨部のコントラストが抑制されて、軟部組織を明瞭に表すＸ線画像である。このように、物質弁別処理が行われる。

なお、骨画像ｇＢ及び軟部組織画像ｇＳＴは、上述した物質弁別処理により作成する方法に限らず、物質弁別の他の手法であるデュアルエネルギーサブトラクション処理により作成してもよい。この場合、上述した物質弁別処理に代えて、低エネルギー画像ｇＬＥ及び高エネルギー画像ｇＨＥを用いたデュアルエネルギーサブトラクション処理が実行される。例えば、低エネルギー画像ｇＬＥ及び高エネルギー画像ｇＨＥの各々の同じ位置において、軟部組織を示す画素を選択する。ここで、高エネルギー画像ｇＨＥの軟部組織を示す画素の値と、低エネルギー画像ｇＬＥの軟部組織を示す画素の値とに基づいて、低エネルギー画像ｇＬＥの軟部組織を消去するように、低エネルギー画像ｇＬＥから高エネルギー画像ｇＨＥが加重減算される。この加重減算の結果を、適宜、補正することにより、骨画像ｇＢが生成される。骨画像ｇＢは、前述した通り、軟部組織のコントラストが抑制されて、骨部を明瞭に表すＸ線画像である。

また同様に、例えば、低エネルギー画像ｇＬＥ及び高エネルギー画像ｇＨＥの各々の同じ位置において、骨部を示す画素を選択する。ここで、高エネルギー画像ｇＨＥの骨部を示す画素の値と、低エネルギー画像ｇＬＥの骨部を示す画素の値とに基づいて、高エネルギー画像ｇＨＥの骨部を消去するように、高エネルギー画像ｇＨＥから低エネルギー画像ｇＬＥが加重減算される。この加重減算の結果を、適宜、補正することにより、軟部組織画像ｇＳＴが生成される。軟部組織画像ｇＳＴは、前述した通り、骨部のコントラストが抑制されて、軟部組織を明瞭に表すＸ線画像である。

物資弁別処理及びデュアルエネルギーサブトラクション処理のいずれにしても、骨画像ｇＢ及び軟部組織画像ｇＳＴといったスペクトラル画像ｇＳＰが生成されると、１フレーム分のステップＳＴ３２〜ＳＴ３３が終了する。なお、骨画像ｇＢとしては、例えば、骨の厚さを画素値とする、骨の厚さ画像を用いてもよい。また、軟部組織画像ｇＳＴとしては、例えば、軟部組織の厚さを画素値とする、軟部組織の厚さ画像を用いてもよい。

ステップＳＴ３２〜ＳＴ３３の後、ステップＳＴ３４において、処理回路７４は、操作者による入力インタフェース７３の操作に応じて、表示画像がスペクトラル画像ｇＳＰか否かを判定する。

ステップＳＴ３４の判定の結果、表示画像がスペクトラル画像である場合には、ステップＳＴ３５において、処理回路７４は、骨画像ｇＢや軟部組織画像ｇＳＴをディスプレイ７２及びモニタ８０に表示させる。

一方、ステップＳＴ３４の判定の結果、表示画像がスペクトラル画像でない場合には、ステップＳＴ３６において、処理回路７４は、低エネルギー画像ｇＬＥや高エネルギー画像ｇＨＥをディスプレイ７２及びモニタ８０に表示させる。

以上により、ステップＳＴ３１〜ＳＴ３６からなるステップＳＴ３０が終了する。

ステップＳＴ３０の後、図４に戻り、ステップＳＴ４０において、処理回路７４は、例えば、骨画像ｇＢに閾値処理を施すことにより、骨部と非骨部（軟部組織）とを弁別した結果を表す骨マップ画像を作成する。補足すると、骨画像ｇＢは、骨部を明瞭に表すＸ線画像であるものの、骨部と非骨部との区別が明瞭でない領域が存在する。これに対し、骨マップ画像は、骨画像ｇＢに閾値処理を施すことにより、骨画像ｇＢ内の骨部と非骨部とを明瞭に区別できる。骨マップ画像は、例えば、骨画像ｇＢのうち、骨部の画素の値を維持し、非骨部の画素の値を設定値に変更した画像である。設定値は、例えば、０（ゼロ値）のように、非骨部の画素を識別し易い値が好ましい。なお、骨マップ画像が表示用画像でなく内部演算用画像であることから、設定値としては、色付け又はパターン付け等のように視覚的な効果をもたらす値を用いる必要はない。このような骨マップ画像は、骨部と非骨部とを明確に区別して表している。いずれにしても、ステップＳＴ３０及びＳＴ４０によれば、複数エネルギーのＸ線照射により撮像されたＸ線画像の解析結果を得ることができる。詳しくは、ステップＳＴ３２、ＳＴ３３及びＳＴ４０により、複数エネルギーのＸ線照射により撮像されたＸ線画像（低エネルギー画像ｇＬＥ、高エネルギー画像ｇＨＥ）に対して骨部及び非骨部を弁別した結果（骨マップ画像ｇＭｐ）を解析結果として得ることができる。具体的には、ステップＳＴ３２、ＳＴ３３及びＳＴ４０により、複数エネルギーのＸ線照射により撮像されたＸ線画像を解析することにより、当該Ｘ線画像から非骨部のコントラストを抑制した骨画像を生成し、当該骨画像に閾値処理を施すことにより、弁別した結果を得ることができる。なお、処理回路７４は、複数エネルギーのＸ線照射により撮像されたＸ線画像に基づいて当該弁別した結果を出力するための学習済みモデルＭｄ２に対して、当該Ｘ線画像を入力し、当該弁別した結果を出力させることにより、解析結果を得てもよい。

しかる後、処理回路７４は、複数エネルギーのＸ線照射により撮像されたＸ線画像の解析結果に基づいて、Ｘ線条件の制御（ＡＥＣ）に対する画素の寄与を決定する（ステップＳＴ５０〜ＳＴ１２０）。以下、順次、説明する。

ステップＳＴ４０の後、ステップＳＴ５０において、処理回路７４は、ガイドワイヤ等のデバイスが骨部にあるか否かを判定する。このステップＳＴ５０は、Ｘ線画像に対して骨部及び非骨部を弁別した結果が解析結果として得られると、当該骨部の画素にデバイスが重なっているか否かに基づいて寄与を決定する処理の一例である。図８に示す例では、原画像ｇＥにおいて、ガイドワイヤＷｇが骨部にあり、視認しにくいとする。また、関心領域ＲＯＩは、ガイドワイヤＷｇを含まない位置に設定されているとする。

このとき、図９に示すように、骨画像ｇＢにおいて、ガイドワイヤＷｇが視認できる。また、骨画像ｇＢの骨部と非骨部とを区別した骨マップ画像ｇＭｐによれば、ガイドワイヤＷｇが骨部にあることが判明する。すなわち、図８及び図９に示す例の場合、処理回路７４は、デバイスが骨部にある旨を判定する（ＳＴ５０：Ｙｅｓ）。

これに対し、図１０に示す例では、原画像ｇＥにおいて、ガイドワイヤＷｇが非骨部にあり、視認しにくいとする。また、関心領域ＲＯＩは、ガイドワイヤＷｇを含まない位置に設定されているとする。言い換えると、関心領域ＲＯＩは、ガイドワイヤが配置されている部位の画像レベルの反映が少ない領域にあるとする。

このとき、図１１に示すように、骨画像ｇＢの骨部と非骨部とを区別した骨マップ画像ｇＭｐによれば、ガイドワイヤＷｇが非骨部にあることが判明する。すなわち、図１０及び図１１に示す例の場合、処理回路７４は、デバイスが非骨部にある旨を判定する（ＳＴ５０：Ｎｏ）。

ここで、ステップＳＴ５０：Ｙｅｓの場合に移行するステップＳＴ６０〜ＳＴ８０の処理と、ステップＳＴ５０：Ｎｏの場合に移行するステップＳＴ９０〜ＳＴ１１０の処理とについて順に述べる。

ステップＳＴ５０の判定の結果、デバイスが骨部にある場合（ＳＴ５０：Ｙｅｓ）、ステップＳＴ６０において、処理回路７４は、Ｘ線条件の制御（ＡＥＣ）に利用可能な画素が関心領域ＲＯＩ内にあるか否かを判定する。なお、ステップＳＴ６０のＡＥＣに利用可能な画素としては、骨部にあるデバイスを見易くするため、骨部の画素とする。

ステップＳＴ６０の判定の結果、利用可能な画素が無い場合にはステップＳＴ７０に移行する。ステップＳＴ７０においては、処理回路７４は、関心領域ＲＯＩをデバイス近傍に移動させる。これにより、関心領域ＲＯＩがデバイス近傍の骨部の画素を含むようになる。なお、関心領域ＲＯＩ内の画素は、ＡＥＣに利用される。また、ステップＳＴ７０は、関心領域内に骨部の画素がない場合、デバイスの少なくとも一部を含むように関心領域を移動させ、当該移動させた後の関心領域内の骨部の各画素に基づいて、寄与を決定する処理の一例である。ステップＳＴ７０の後、ステップＳＴ８０に移行する。

一方、ステップＳＴ６０の判定の結果、利用可能な画素がある場合にはステップＳＴ８０に移行する。ステップＳＴ８０においては、処理回路７４は、関心領域ＲＯＩ内の画素のうち、非骨部の画素を除外し、残りの骨部の画素を関心領域ＲＯＩ内の画素としてＡＥＣに利用する。また、ステップＳＴ６０、ＳＴ８０は、関心領域ＲＯＩ内の骨部の画素のうち、検出されたデバイスと重なっている画素について、（その寄与率を大きくするように）寄与を決定する処理の一例である。補足すると、デバイスが骨部にあった場合、関心領域ＲＯＩ内の骨部の画素を加算平均（単純な平均値演算）することでＲＯＩ内のＡＥＣ用信号レベルとする処理を基本としている。そのバリエーションとして、デバイスが配置されている骨部の画素の画素値を加算平均処理上、重みを付けた演算（重み付け平均値演算）をすることで、ＲＯＩ内のＡＥＣ用信号レベルとする処理を実行してもよい。ステップＳＴ８０の後、ステップＳＴ１２０に移行する。

以上がステップＳＴ５０：Ｙｅｓの場合に移行するステップＳＴ６０〜ＳＴ８０の処理である。

これに対し、ステップＳＴ５０の判定の結果、デバイスが骨部にない場合（ＳＴ５０：Ｎｏ）、ステップＳＴ９０において、処理回路７４は、Ｘ線条件の制御（ＡＥＣ）に利用可能な画素が関心領域ＲＯＩ内にあるか否かを判定する。なお、ステップＳＴ９０のＡＥＣに利用可能な画素としては、骨部にないデバイスを見易くするため、非骨部（軟部組織）の画素とする。

ステップＳＴ９０の判定の結果、利用可能な画素が無い場合には（ＳＴ９０：Ｎｏ）、ステップＳＴ１００に移行する。ステップＳＴ１００においては、処理回路７４は、図１２に示すように、関心領域ＲＯＩをデバイス近傍に移動させる。これにより、関心領域ＲＯＩがデバイス近傍の非骨部の画素を含むようになる。なお、関心領域ＲＯＩ内の非骨部の画素がＡＥＣに利用される。また、ステップＳＴ１００は、関心領域内に非骨部の画素がない場合、デバイスの少なくとも一部を含むように関心領域を移動させ、当該移動させた後の関心領域内の非骨部の各画素に基づいて、寄与を決定する処理の一例である。ステップＳＴ１００の後、ステップＳＴ１１０に移行する。

一方、ステップＳＴ９０の判定の結果、利用可能な画素がある場合にはステップＳＴ１１０に移行する。ステップＳＴ１１０においては、処理回路７４は、関心領域ＲＯＩ内の画素のうち、骨部の画素を除外し、残りの非骨部の画素を関心領域ＲＯＩ内の画素とする。なお、関心領域ＲＯＩ内の非骨部の画素がＡＥＣに利用される。また、ステップＳＴ９０、ＳＴ１１０は、当該骨部の画素がデバイスに重なっていない場合に、Ｘ線画像の関心領域内の各画素のうち、骨部の画素を除外して、残った非骨部の各画素に基づいて、寄与を決定する処理の一例である。ステップＳＴ１１０の後、ステップＳＴ１２０に移行する。以上がステップＳＴ５０：Ｎｏの場合に移行するステップＳＴ９０〜ＳＴ１１０の処理である。

次に、ステップＳＴ１２０において、処理回路７４は、関心領域ＲＯＩ内の画素値の演算を実行する。この演算としては、例えば、以下の（ａ）〜（ｃ）のいずれかの演算が適宜、使用可能となっている。

（ａ）ステップＳＴ３３で算出した骨の厚さｄ_boneに応じて画素値を演算する。

（ｂ）ＳＴ８０又はＳＴ１１０の後の関心領域ＲＯＩ内の残りの画素にて単純な平均値演算を実行してもよい。

（ｃ）ステップＳＴ３３で算出した骨の厚さｄ_boneに基づき、デバイス近傍の画素における骨の厚さｄ_boneにより近い骨の厚さｄ_boneを持つ画素ほど大きな重みを付けた演算処理（例、重み付け平均値演算）を実行してもよい。

上記（ａ）〜（ｃ）のいずれかの演算の実行により、ステップＳＴ１２０が終了する。なお、得られた関心領域ＲＯＩ内の画素値の演算結果は、ＡＥＣに利用される。

ステップＳＴ１２０の後、ステップＳＴ１３０において、Ｘ線診断装置１は、前述したステップＳＴ１０と同様に、単一のエネルギーにより撮像されたライブ画像である通常のＸ線画像を収集及び表示する。但し、設定される通常画像収集シーケンスにおける管電圧としては、ステップＳＴ１２０の演算結果に基づくＡＥＣにより、調整された管電圧の値が用いられる。このようなステップＳＴ１３０は、寄与の決定結果に基づいて、単一エネルギーを含むＸ線条件を制御する処理の一例である。

ステップＳＴ１４０において、Ｘ線診断装置１は、前述したステップＳＴ２０と同様に、Ｘ線画像からデバイスを探索し、当該デバイスを検出する。

ステップＳＴ１４０の後、ステップＳＴ１５０において、処理回路７４は、例えば、操作者による入力インタフェース７３の操作に応じて、骨マップ画像ｇＭｐを更新するか否かを判定する。例えば、Ｘ線画像内のデバイスが見にくい場合、操作者の操作により、骨マップ画像ｇＭｐを更新する。また、Ｘ線画像内のデバイスが見易い場合には、骨マップ画像ｇＭｐを更新しない。なお、これに限らず、処理回路７４は、Ｘ線画像が変化したときに、骨マップ画像ｇＭｐを更新してもよい。Ｘ線画像の変化としては、例えば、Ｘ線画像内のデバイス位置の変化でもよく、Ｘ線画像の撮像範囲の変化でもよい。

ステップＳＴ１５０の判定の結果、骨マップ画像ｇＭｐを更新しない場合、処理回路７４は、ステップＳＴ１３０に戻り、ステップＳＴ１３０〜ＳＴ１５０の処理を継続する。

一方、ステップＳＴ１５０の判定の結果、骨マップ画像ｇＭｐを更新する場合、処理回路７４は、ステップＳＴ３０に戻り、ステップＳＴ３０〜ＳＴ１５０の処理を継続する。なお、以上の処理の実行中、撮像終了の指示が入力されたときには、処理を終了する。

上述したように第１の実施形態によれば、単一エネルギー又は複数エネルギーを含むＸ線条件に基づいて被検体のＸ線画像を撮像し、当該複数エネルギーのＸ線照射により撮像されたＸ線画像の解析結果に基づいて、Ｘ線条件の制御に対する画素の寄与を決定し、当該寄与の決定結果に基づいて、単一エネルギーを含むＸ線条件を制御する。

従って、異なるＸ線吸収差をもつ被検体を撮像したＸ線画像に対して、当該Ｘ線画像の視認性を向上させるための適切なＸ線条件を得ることができる。また、総合的な最適化を期待することができる。その結果、適切なＸ線条件の選択による画質向上、被曝線量の低減を期待することができる。

補足すると、従来技術は、異なるＸ線吸収差をもつ被検体を撮像したＸ線画像に対して、視認性を向上させるための適切なＸ線条件が得られない点で改良の余地がある。具体的には例えば、心臓血管造影においては、Ｘ線吸収が少ない肺野部と、Ｘ線吸収が大きな椎骨部等とのように、異なるＸ線吸収差をもつ複数の部位を撮像したＸ線画像では、信号画像レベルの差異が大きく、ダイナミックレンジが広い。従って、従来技術では、Ｘ線吸収の多い椎骨部の上にガイドワイヤがあり、且つＡＥＣの画像レベル評価用の関心領域内に椎骨部が少ない場合等には、ガイドワイヤを明瞭に表示するための適切なＸ線条件が得られない。また、従来技術は、逆に、Ｘ線吸収の少ない肺野部の上にガイドワイヤがあり、且つ関心領域内に肺野部が少ない場合にも同様に、適切なＸ線条件が得られない。

一方、第１の実施形態によれば、前述した通り、異なるＸ線吸収差をもつ被検体を撮像したＸ線画像に対して、視認性を向上させるための適切なＸ線条件が得られる。

また、複数エネルギーのＸ線照射により撮像されたＸ線画像を解析することにより、Ｘ線画像に対して骨部及び非骨部を弁別した結果を当該解析結果として得るようにしてもよい。この場合、異なるＸ線吸収差をもつ骨部及び非骨部からなる被検体を撮像したＸ線画像に対して、視認性を向上させるための適切なＸ線条件を得ることができる。

補足すると、複数のＸ線エネルギー情報を元に意図した物質のみの画像を生成できるＸ線スペクトラルイメージングの手法を用いて、収集画像領域において骨等の高吸収部位と、その他の水と等価な低吸収の軟部組織部位の弁別マッピング画像を生成する。作成したマッピング画像を元に、自動Ｘ線条件制御及び、画像処理を行うことができる。

また、骨部の画素がデバイスに重なっているか否かに基づいて当該寄与を決定するようにしてもよい。この場合、骨部に重なったデバイスが見づらいときでも、デバイスの視認性を向上させるための適切なＸ線条件を得ることができる。

また、骨部の画素がデバイスに重なっている場合に、Ｘ線画像の関心領域内の各画素のうちの骨部の各画素に基づいて、当該寄与を決定するようにしてもよい。この場合、関心領域内の骨部の各画素に基づいて、デバイスの視認性を向上させるための適切なＸ線条件を得ることができる。

また、関心領域内に骨部の画素がない場合、デバイスの少なくとも一部を含むように関心領域を移動させ、当該移動させた後の関心領域内の骨部の各画素に基づいて、当該寄与を決定するようにしてもよい。この場合、関心領域内に骨部の画素がなくても、関心領域を移動させて関心領域に骨部の画素を含めることができるので、Ｘ線条件の制御に対する画素の寄与を決定する動作の信頼性を向上させることができる。

また、骨部の画素がデバイスに重なっていない場合に、Ｘ線画像の関心領域内の各画素のうちの非骨部の各画素に基づいて、当該寄与を決定するようにしてもよい。この場合、関心領域内の非骨部の各画素に基づいて、デバイスの視認性を向上させるための適切なＸ線条件を得ることができる。

また、関心領域内に非骨部の画素がない場合、デバイスの少なくとも一部を含むように関心領域を移動させ、当該移動させた後の関心領域内の非骨部の各画素に基づいて、当該寄与を決定するようにしてもよい。この場合、関心領域内に非骨部の画素がなくても、関心領域を移動させて関心領域に非骨部の画素を含めることができるので、Ｘ線条件の制御に対する画素の寄与を決定する動作の信頼性を向上させることができる。

また、複数エネルギーのＸ線照射により撮像されたＸ線画像を解析することにより、Ｘ線画像から非骨部のコントラストを抑制した骨画像を生成し、骨画像に閾値処理を施すことにより、弁別した結果を得るようにしてもよい。この場合、主に、画像処理の手法を用いて、Ｘ線画像の解析結果を得ることができる。

また、複数エネルギーのＸ線照射により撮像されたＸ線画像に基づいて弁別した結果を出力するための学習済みモデルに対して、当該Ｘ線画像を入力し、当該弁別した結果を出力させることにより、解析結果を得るようにしてもよい。この場合、ニューラルネットワークを用いて、Ｘ線画像の解析結果を得ることができる。

以上のような第１の実施形態の効果は、適宜、以下の［１０］〜［１５］のように表現することもできる。
［１０］スペクトラル画像収集により得られた骨画像及び軟部組織画像を利用することで、Ｘ線条件制御を行うことができる。

［１１］上記［１０］で得られた物資弁別画像（骨画像、軟部組織画像）のうち、骨画像を利用して骨マップを作成することができる。

［１２］上記［１１］を用いて、別途、識別したターゲットであるデバイスが骨マップ上にあるか否かを判断することができる。

［１３］上記［１２］の判断の結果、ターゲットデバイスが骨マップ上にあった際には、オリジナル画像上にて設定されたＡＥＣ_ＲＯＩ（Ｘ線条件制御用の関心領域）の中から、非骨と判断された画素を除外して、Ｘ線条件を制御することができる。また、ターゲットデバイスが骨マップ上に無かった際には、オリジナル画像上にて設定されたＡＥＣ_ＲＯＩの中から、骨と判断された画素を除外して、Ｘ線条件を制御することができる。

［１４］上記［１３］において、該当する画素が無かった場合には、近隣の領域にＡＥＣ ＲＯＩを移動することでＸ線条件を制御することができる。

［１５］上記［１３］において、ターゲットデバイスが骨マップ上に有った際の、Ｘ線条件の制御では、骨の厚さに応じて設定管電圧の値を制御することができる。

＜第２の実施形態＞
図１３は、第２の実施形態に係るＸ線診断装置が備えるコンソール装置及び医用画像処理装置の構成を示すブロック図であり、図２と同様の部分には同一符号を付してその詳しい説明を省略し、ここでは主に異なる部分について述べる。

第２の実施形態は、第１の実施形態の変形例であり、多くの擬似的な線状陰影が撮像されたＸ線画像に対して、リアルタイムに視認性を向上させる形態である。具体的には、図２に示した決定機能７４４に代えて、図１３に示す如き、検出機能７４６及び強調機能７４７を処理回路７４が備えている。なお、「リアルタイム」の用語は、厳密に、Ｘ線画像が撮像された瞬間に視認性を向上させる処理を意味するのではなく、Ｘ線画像が撮像された瞬間から順次、視認性を向上させるための処理が実行されることを意味する。

ここで、処理回路７４の検出機能７４６は、前述した撮像装置１０によって管電圧切り替えを用いた複数エネルギーのＸ線照射により撮像されたＸ線画像の解析結果に基づいてデバイスを検出する。補足すると、検出機能７４６は、複数エネルギーによるＸ線画像の解析結果をデバイスの検出に用いる。

また、検出機能７４６は、前述した解析機能７４３によって当該Ｘ線画像に対して骨部及び非骨部を弁別した結果が解析結果として得られた場合に、当該骨部及び当該非骨部のうち、当該骨部の各画素からデバイスを探索することにより、デバイスを検出するようにしてもよい。なお、解析機能７４３は、前述同様に、複数エネルギーのＸ線照射により撮像されたＸ線画像に基づいて当該弁別した結果を出力するための学習済みモデルＭｄ２に対して、当該Ｘ線画像を入力し、当該弁別した結果を出力させることにより、解析結果を得るようにしてもよい。検出機能７４６は、検出部の一例である。

処理回路７４の強調機能７４７は、当該デバイスの強調処理を実行することにより、強調画像を生成する。強調処理としては、コントラスト強調、エッジ強調、カラー表示といった任意の画像処理が使用可能となっている。また、デバイスの強調処理は、関心領域内のデバイス全体を強調してもよく、関心領域内のデバイスの一部を強調してもよい。また、デバイスの強調処理は、デバイスの画素を強調する場合に限らず、デバイス周辺の画素を強調してもよい。強調機能７４７は、強調部の一例である。

他の構成は、第１の実施形態と同様である。

次に、第２の実施形態における動作について図１４のフローチャート及び図１５乃至図１７の模式図を用いて説明する。始めに、前述した初期設定等の準備段階が行われた後、ステップＳＴ２１０が開始される。

ステップＳＴ２１０においては、前述したステップＳＴ１０と同様に、通常のＸ線画像が収集及び表示される。

ステップＳＴ１０の終了後、ステップＳＴ２２０〜ＳＴ２４０が、前述したステップＳＴ３１〜ＳＴ３３と同様に実行される。これにより、低エネルギー画像ｇＬＥ及び高エネルギー画像ｇＨＥといった原画像ｇＥや、骨画像ｇＢ及び軟部組織画像ｇＳＴといったスペクトラル画像ｇＳＰがＸ線診断装置１の医用画像処理装置７５に収集される。収集した原画像ｇＥでは、図１５に一例を示すように、右方のガイドワイヤ以外に多くの線状陰影が撮像されているとする。原画像ｇＥに対応する骨画像ｇＢでは、図１６に示すように、右方の骨部にガイドワイヤが重なって撮像されている。

ステップＳＴ２４０の後、前述したステップＳＴ４０と同様に、ステップＳＴ２５０が実行される。このとき、処理回路７４は、例えば、骨画像ｇＢに閾値処理を施すことにより、図１７に示す如き、骨部と非骨部（軟部組織）とを弁別した結果を表す骨マップ画像ｇＭｐを作成する。これにより、骨部と非骨部とを弁別した結果を解析結果として得ることができる。

ステップＳＴ２５０の後、処理回路７４は、当該解析結果に基づいてデバイスを検出する（ＳＴ２６０〜ＳＴ２７０）。例えば、処理回路７４は、当該骨部及び非骨部を弁別した結果が解析結果として得られた場合に、当該骨部及び当該非骨部のうち、当該骨部の各画素からデバイスを探索することにより、デバイスを検出する（ＳＴ２６０〜ＳＴ２７０）。以下、順次、説明する。

ステップＳＴ２６０において、処理回路７４は、当該骨部及び当該非骨部のうち、当該骨部の各画素をデバイスの探索領域として設定する。図１７に示す例では、骨部は、骨マップ画像ｇＭｐの半分以下の濃淡領域となっている。すなわち、図１７中、デバイスの探索領域は、骨マップ画像ｇＭｐの半分以下の領域として設定されている。

ステップＳＴ２６０の後、ステップＳＴ２７０において、処理回路７４は、デバイスの探索領域内でデバイスを探索することにより、デバイスを検出する。

ステップＳＴ２７０の後、ステップＳＴ２８０において、処理回路７４は、操作者による入力インタフェース７３の操作に応じて、骨画像ｇＢ又は軟部組織画像ｇＳＴを表示させるか否かを判定する。

ステップＳＴ２８０の判定の結果、否の場合には、ステップＳＴ２９０において、処理回路７４は、通常のＸ線画像をデバイス強調して表示する。すなわち、処理回路７４は、通常のＸ線画像内のデバイスの強調処理を実行することにより、強調画像を生成し、この強調画像をディスプレイ７２及びモニタ８０に表示させる。ステップＳＴ２９０の終了後、ステップＳＴ３３０に移行する。

また、ステップＳＴ２８０の判定の結果、骨画像ｇＢ又は軟部組織画像ｇＳＴを表示させる場合には、ステップＳＴ３００において、処理回路７４は、操作者による入力インタフェース７３の操作に応じて、骨画像ｇＢを表示させるか否かを判定する。

ステップＳＴ３００の判定の結果、否の場合には、ステップＳＴ３１０において、処理回路７４は、軟部組織画像ｇＳＴをデバイス強調して表示する。すなわち、処理回路７４は、軟部組織画像ｇＳＴ内のデバイスの強調処理を実行することにより、強調画像を生成し、この強調画像をディスプレイ７２及びモニタ８０に表示させる。ステップＳＴ３１０の終了後、ステップＳＴ３３０に移行する。

一方、ステップＳＴ３００の判定の結果、骨画像ｇＢを表示させる場合には、ステップＳＴ３２０において、処理回路７４は、骨画像ｇＢをデバイス強調して表示する。すなわち、処理回路７４は、骨画像ｇＢ内のデバイスの強調処理を実行することにより、強調画像を生成し、この強調画像をディスプレイ７２及びモニタ８０に表示させる。ステップＳＴ３２０の終了後、ステップＳＴ３３０に移行する。

ステップＳＴ３３０において、処理回路７４は、前述同様に、操作者による入力インタフェース７３の操作に応じて、骨マップ画像ｇＭｐを更新するか否かを判定する。

ステップＳＴ３３０の判定の結果、骨マップ画像ｇＭｐを更新しない場合、処理回路７４は、ステップＳＴ２８０に戻り、ステップＳＴ２８０〜ＳＴ３３０の処理を継続する。

一方、ステップＳＴ３３０の判定の結果、骨マップ画像ｇＭｐを更新する場合、処理回路７４は、ステップＳＴ２２０に戻り、ステップＳＴ２２０〜ＳＴ３３０の処理を継続する。なお、以上の処理の実行中、撮像終了の指示が入力されたときには、処理を終了する。

上述したように第２の実施形態によれば、複数エネルギーによりＸ線画像を撮像し、当該撮像されたＸ線画像の解析結果に基づいてデバイスを検出し、当該デバイスの強調処理を実行することにより、強調画像を生成する。

従って、多くの擬似的な線状陰影が撮像されたＸ線画像に対して、リアルタイムに視認性を向上させることができる。また、画像処理の精度向上による画質向上を期待することができる。

補足すると、従来技術は、多くの擬似的な線状陰影が撮像されたＸ線画像に対して、リアルタイムに視認性を向上できない点で改良の余地がある。具体的には例えば、ガイドワイヤを示す線状陰影をＸ線画像内で検索し、ガイドワイヤを強調表示する画像処理は、Ｘ線画像が透視等の動画像であるため、リアルタイムに実行する必要がある。これに対し、Ｘ線画像内のガイドワイヤの位置が不明なため、Ｘ線画像の端から端までを満遍なく検索する必要がある。よって、従来技術は、強調表示をリアルタイムに実行するためには、画像処理を実現するハードウェアの性能に高い要求が発生する。これに加え、従来技術は、肺野部等の如き、多くの擬似的な線状陰影が撮像されるＸ線画像においてガイドワイヤのみを検出することが困難なため、リアルタイムに視認性を向上させることができない。

一方、第２の実施形態によれば、前述した通り、多くの擬似的な線状陰影が撮像されたＸ線画像に対して、リアルタイムに視認性を向上できる。

さらに補足すると、第２の実施形態によれば、ガイドワイヤの線状陰影を捕捉して、画像処理による強調に利用する。原画像ｇＥでは、ガイドワイヤ以外の線状陰影が多い。これに対し、物質弁別処理による骨画像ｇＢを作成すると、Ｎｉ、Ｃｒ等を主原料とするデバイス（ガイドワイヤ）は骨部として描出される。よって、骨マップ画像ｇＭｐを利用すると、ガイドワイヤの探索領域が骨部に限定され、且つ、ガイドワイヤ以外の（非骨部の）線状陰影を抑圧することができる。

また、当該撮像されたＸ線画像を解析することにより、当該Ｘ線画像に対して骨部及び非骨部を弁別した結果を解析結果として得るようにしてもよい。このとき、当該骨部及び当該非骨部のうち、当該骨部の各画素からデバイスを探索することにより、当該デバイスを検出するようにしてもよい。この場合、デバイスの探索領域が骨部の各画素に限定されるので、骨部及び非骨部を含む画像全体からデバイスを探索する場合に比べ、より容易且つ、より高速に、デバイスを検出することができる。

また、当該複数エネルギーのＸ線照射により撮像されたＸ線画像に基づいて当該弁別した結果を出力するための学習済みモデルに対して、当該Ｘ線画像を入力し、当該弁別した結果を出力させることにより、解析結果を得るようにしてもよい。この場合、前述同様に、ニューラルネットワークを用いて、Ｘ線画像の解析結果を得ることができる。

なお、第２の実施形態は、複数エネルギーによるＸ線画像の解析結果に基づいてデバイスを検出し、当該デバイスの強調処理を実行することにより、強調画像を生成する構成により、デバイスの強調処理に関して、Ｘ線条件を制御する必要がない。このため、第２の実施形態は、Ｘ線診断装置に限らず、医用画像処理装置としても実現することができる。

また、以上のような第２の実施形態の効果は、適宜、以下の［２０］及び［２１］のように表現することもできる。
［２０］スペクトラル画像収集により得られた骨画像及び軟部組織画像を利用することで、画像処理制御を行うことができる。

［２１］上記［２０］で得られた物資弁別画像（骨画像、軟部組織画像）のうち、骨画像を利用して作成された骨マップ画像の一部の領域内のみを探索範囲として設定し、線状陰影を認識する処理を実行することができる。

以上説明した少なくとも１つの実施形態によれば、異なるＸ線吸収差をもつ被検体を撮像したＸ線画像に対して、視認性を向上させるための適切なＸ線条件を得ることができる。

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 Processing Unit）、ＧＰＵ（Graphics Processing Unit）、或いは、特定用途向け集積回路（Application Specific Integrated Circuit：ＡＳＩＣ）、プログラマブル論理デバイス（例えば、単純プログラマブル論理デバイス（Simple Programmable Logic Device：ＳＰＬＤ）、複合プログラマブル論理デバイス（Complex Programmable Logic Device：ＣＰＬＤ）、及びフィールドプログラマブルゲートアレイ（Field Programmable Gate Array：ＦＰＧＡ）等の回路を意味する。プロセッサは記憶回路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。なお、記憶回路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。なお、本実施形態の各プロセッサは、プロセッサごとに単一の回路として構成される場合に限らず、複数の独立した回路を組み合わせて１つのプロセッサとして構成し、その機能を実現するようにしてもよい。さらに、図２又は図１３における複数の構成要素を１つのプロセッサへ統合してその機能を実現するようにしてもよい。

なお、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。

１ Ｘ線診断装置
１０ 撮像装置
１１ 高電圧発生装置
１２ Ｘ線発生部
１３ Ｘ線検出器
１４ Ｃアーム
１４２ Ｃアーム制御装置
５０ 寝台装置
５１ 基台
５２ 寝台駆動装置
５３ 天板
５４ 支持フレーム
７０ コンソール装置
７１ メモリ
７２ ディスプレイ
７３ 入力インタフェース
７４ 処理回路
７４１ システム制御機能
７４２ 画像処理機能
７４３ 解析機能
７４４ 決定機能
７４５ 表示制御機能
７４６ 検出機能
７４７ 強調機能
７５ 医用画像処理装置
Ｍｄ２ 学習済みモデル
ｇＥ 原画像
ｇＨＥ 高エネルギー画像
ｇＬＥ 低エネルギー画像
ｇＢ 骨画像
ｇＳＴ 軟部組織画像
ｇＳＰ スペクトラル画像

Claims (14)

1. 被検体にＸ線を照射してＸ線画像を撮像する撮像部と、
   管電圧切り替えを用いた複数エネルギーのＸ線照射により撮像されたＸ線画像の解析結果に基づいて、Ｘ線条件の制御に対する画素の寄与を決定する決定部と、
   前記寄与の決定結果に基づいて、前記管電圧切り替えを用いない単一エネルギーのＸ線照射による撮像におけるＸ線条件を制御する制御部と
   を備えたＸ線診断装置。
2. 前記複数エネルギーのＸ線照射により撮像されたＸ線画像を解析することにより、前記Ｘ線画像に対して骨部及び非骨部を弁別した結果を前記解析結果として得る解析部、を更に備えた請求項１記載のＸ線診断装置。
3. 前記決定部は、前記骨部の画素に、前記撮像されたデバイスが重なっているか否かに基づいて前記寄与を決定する、請求項２記載のＸ線診断装置。
4. 前記決定部は、前記骨部の画素に前記デバイスが重なっている場合に、前記Ｘ線画像の関心領域内の各画素のうちの骨部の各画素に基づいて、前記寄与を決定する、請求項３記載のＸ線診断装置。
5. 前記決定部は、前記関心領域内に骨部の画素がない場合、前記デバイスの少なくとも一部を含むように前記関心領域を移動させ、前記移動させた後の関心領域内の骨部の各画素に基づいて、前記寄与を決定する、請求項４記載のＸ線診断装置。
6. 前記決定部は、前記骨部の画素に前記デバイスが重なっていない場合に、前記Ｘ線画像の関心領域内の各画素のうちの非骨部の各画素に基づいて、前記寄与を決定する、請求項３記載のＸ線診断装置。
7. 前記決定部は、前記関心領域内に非骨部の画素がない場合、前記デバイスの少なくとも一部を含むように前記関心領域を移動させ、前記移動させた後の関心領域内の非骨部の各画素に基づいて、前記寄与を決定する、請求項６記載のＸ線診断装置。
8. 前記解析部は、前記複数エネルギーのＸ線照射により撮像されたＸ線画像を解析することにより、前記Ｘ線画像から非骨部のコントラストを抑制した骨画像を生成し、前記骨画像に閾値処理を施すことにより、前記弁別した結果を得る、請求項２乃至７のいずれか一項に記載のＸ線診断装置。
9. 前記解析部は、前記複数エネルギーのＸ線照射により撮像されたＸ線画像に基づいて前記弁別した結果を出力するための学習済みモデルに対して、当該Ｘ線画像を入力し、前記弁別した結果を出力させることにより、前記解析結果を得る、請求項２乃至８のいずれか一項に記載のＸ線診断装置。
10. 管電圧切り替えを用いた複数エネルギーのＸ線照射によりＸ線画像を撮像する撮像部と、
    前記撮像されたＸ線画像の解析結果に基づいてデバイスを検出する検出部と、
    を備えたＸ線診断装置。
11. 前記撮像されたＸ線画像を解析することにより、前記Ｘ線画像に対して骨部及び非骨部を弁別した結果を前記解析結果として得る解析部、を更に備え、
    前記検出部は、前記骨部及び前記非骨部のうち、前記骨部の各画素からデバイスを探索することにより、前記デバイスを検出する、請求項１０記載のＸ線診断装置。
12. 前記解析部は、前記複数エネルギーのＸ線照射により撮像されたＸ線画像に基づいて前記弁別した結果を出力するための学習済みモデルに対して、当該Ｘ線画像を入力し、前記弁別した結果を出力させることにより、前記解析結果を得る、請求項１１記載のＸ線診断装置。
13. 前記デバイスの強調処理を実行することにより、強調画像を生成する強調部、を更に備えた請求項１０乃至１２のいずれか一項に記載のＸ線診断装置。
14. 管電圧切り替えを用いた複数エネルギーのＸ線照射によるＸ線画像の解析結果に基づいてデバイスを検出する検出部と、
    前記デバイスの強調処理を実行することにより、強調画像を生成する強調部と
    を備えた医用画像処理装置。

Images