JP2022034404A - 医用画像生成装置、治療計画作成装置、治療システム、医用画像生成方法、治療計画作成方法、医用画像生成プログラム及び治療計画作成プログラム - Google Patents

Abstract

【課題】本発明の課題は、観察個体（患者）に対し、測定に係る負担を減らし、かつ精度の高い観察個体に関する４次元画像データを簡便に生成するための医用画像生成装置、医用画像生成方法及び医用画像生成プログラムの提供、並びに、治療計画作成装置、治療システム、治療計画作成方法及び治療計画作成プログラムの提供である。【解決手段】上記課題を解決するために、観察個体に関する画像データを取得する一方、観察個体とは別の対照個体に関する４次元画像に関するデータを学習し、学習したデータを基に、取得した画像データを変形し、観察個体に関する４次元画像データとして推計して出力する医用画像生成装置、並びに、装置に係る方法及びプログラムを提供し、併せてこの医用画像生成装置を用いた治療計画作成装置、治療システム、治療計画作成方法及び治療計画作成プログラムを提供する。【選択図】図１

Description

本発明は、治療あるいは診断に用いる画像を生成するための医用画像生成装置、医用画像生成方法及び医用画像生成プログラムに関する。また、本発明は、医用画像生成装置で生成された画像を用いる治療計画作成装置、治療システム、治療計画作成方法及び治療計画作成プログラムに関する。

一般に、患者の治療あるいは診断において患部に係る画像を取得し、活用することが行われている。特に、患部に放射線を照射する放射線治療においては、患部の位置を正確に把握し、放射線を照射する必要がある。そのため、あらかじめ患者の患部に係る画像を３次元データとして取得し、この画像に基づく治療計画の作成や、患部の治療が行われている。

一方、患者の患部が、呼吸や心拍動による臓器移動が生じる箇所（胸腹部等）にある場合、通常の３次元画像では、患部の正確な位置を把握することが困難である。そのため、患者の呼吸による患部の移動を考慮した画像取得が行われている。

例えば、特許文献１には、患者の呼吸サイクル、心周期、動脈拍動ごとに撮影された３次元画像の集まりからなる４次元コンピュータ断層撮影による画像（以下、「４次元ＣＴ画像」と呼ぶ）を用いた治療計画作成装置及び方法が記載されている。

特開２００８－８０１３１号公報

特許文献１に記載されるように、患者の４次元ＣＴ画像を取得し、その画像を用いて治療計画を立てることは知られている。
しかし、特許文献１に記載された４次元ＣＴ画像を取得するには、通常の３次元ＣＴ画像の取得よりも撮影時間が長く、特にＸ線を用いた撮影の場合、患者の被ばく線量が大きくなるため、患者の負担が大きいという問題がある。また、患者の呼吸の乱れが発生すると、４次元ＣＴ画像の精度が大きく低下するという技術的な問題も生じる。
さらに、患者の４次元画像データを取得するための測定装置は既に公知であるが、装置自体のコストや取り扱うデータ量の多さといった点などから、患者の４次元画像データを常に取得することができる環境を整備することは困難である。

一方、患者の治療や診断において４次元画像データは大変有用である。したがって、上述した問題を解消するために、測定に係る患者の負担を減らし、かつ精度の高い４次元画像データを簡便に得ることが求められている。

そこで、本発明の課題は、観察個体（患者）に対し、測定に係る負担を減らし、かつ精度の高い観察個体の特定領域に係る４次元画像データを簡便に生成するための医用画像生成装置、医用画像生成方法及び医用画像生成プログラムを提供することである。
また、本発明の課題は、上記医用画像生成装置で作成された画像を用い、観察個体に係る負担を減らし、かつ精度の高い治療計画の作成又は治療対象部位への処置が可能な治療計画作成装置、治療システム、治療計画作成方法、治療方法及び治療計画作成プログラムを提供することである。

本発明者は、上記課題について鋭意検討した結果、観察個体とは別の対照個体の特定領域に係る４次元画像データを用い、観察個体の特定領域に係る２次元あるいは３次元画像データを変形することによって、観察個体の負担を軽減し、精度の高い４次元画像データを簡便に得ることができるという知見に至り、本発明を完成した。
すなわち、本発明は、以下の医用画像生成装置、治療計画作成装置、治療システム、医用画像生成方法、治療計画作成方法、治療方法、医用画像生成プログラム及び治療計画作成プログラムである。

上記課題を解決するための本発明の医用画像生成装置は、観察個体の特定領域に係る４次元画像データを生成する医用画像生成装置において、観察個体の特定領域に係る２次元又は３次元の画像データを取得する画像取得部と、観察個体とは別の対照個体の特定領域に係る４次元画像に関する複数のデータを学習する学習部と、学習部のデータを基に、画像取得部で取得した画像データを変形し、観察個体の特定領域に係る４次元画像データとして推計して出力する画像変形処理部と、を備えることを特徴とするものである。
この特徴によれば、観察個体の特定領域に係る２次元又は３次元の画像データを取得する一方、既に測定済みである対照個体の特定領域に係る４次元画像データを用いた画像変形を行うことで、観察個体の特定領域に係る４次元画像データを推計することが可能となる。これにより、観察個体自体は測定に係る負荷が軽減される。また、対照個体で測定された結果を用いた画像変形を行うことで、観察個体の呼吸の乱れなどに影響されず、精度の高い観察個体の特定領域に係る４次元画像データを簡便に生成することが可能となる。

また、本発明の医用画像生成装置の一実施態様としては、画像取得部は、３次元画像データを取得するという特徴を有する。
この特徴によれば、２次元画像データを用いる場合と比較し、画像変形時における演算負荷を低減させることが可能となる。これにより、４次元画像データの生成をより簡便に行うことができる。

また、本発明の医用画像生成装置の一実施態様としては、対照個体の特定領域に係る４次元画像について、基準位相となる２次元又は３次元画像データを１つ設定し、基準位相に対する他の位相における２次元又は３次元画像データの変形量を算出する変形量算出部を備え、学習部は、変形量算出部で算出した変形量及び基準位相の画像データを学習するという特徴を有する。
この特徴によれば、画像そのものをデータとして学習させるよりも、必要なデータ容量を小さくすることが可能となる。これにより、演算負荷を低減させることが可能となる。

また、本発明の医用画像生成装置の一実施態様としては、学習部は、変形量算出部で算出した変形量及び基準位相の画像データから、位相ごとの変形量群を導出するモデルを作成し、画像変形処理部は、モデルを用い、画像取得部で取得した画像データにおける位相ごとの画像データを算出し、観察個体の特定領域に係る４次元画像データとして出力するという特徴を有する。
この特徴によれば、対照個体の特定領域に係る基準位相画像データ及び他の呼吸位相における変形量を求め、これらに基づくモデルを作成することで、演算に係るデータ量を減らし、演算負荷を低減させることが可能となる。また、データの連続性を考慮したモデルを作成することが可能となるため、観察個体の特定領域に係る３次元画像データを変形する際、観察個体の構造上の連続性を確保した精度の高い４次元画像データを出力することが可能となる。

また、本発明の医用画像生成装置の一実施態様としては、対照個体の特定領域に係る４次元画像について、基準位相となる２次元又は３次元画像データを１つ設定するとともに、画像取得部で取得した画像データと、基準位相の画像データとを比較する比較演算部を備え、画像変形処理部は、画像取得部で取得した画像データと類似性の高い基準位相の画像データを含む対照個体の特定領域に係る４次元画像に関するデータを、観察個体の特定領域に係る４次元画像データとして出力するという特徴を有する。
この特徴によれば、対照個体の特定領域に係る画像データと、観察個体の特定領域に係る画像データを直接比較し、この比較結果に基づき、対照個体の特定領域に係る４次元画像データをそのまま観察個体の特定領域に係る４次元画像データとして出力することができる。これにより、画像変形処理における演算式（プログラム）の構築が容易となる。

上記課題を解決するための本発明の治療計画作成装置は、上記医用画像生成装置と、医用画像生成装置で生成された観察個体の特定領域に係る４次元画像データを用い、観察個体に対する治療計画を立案する治療計画立案部と、を備えるという特徴を有する。
この特徴によれば、上記医用画像生成装置で生成された画像を用いることで、観察個体の測定に係る負荷を低減させ、かつ精度の高い４次元画像データを基に、治療計画を作成することが可能となる。これにより、観察個体に対する治療計画に係る精度を高めることも可能となる。

上記課題を解決するための本発明の治療システムは、上記医用画像生成装置と、医用画像生成装置で生成された観察個体の特定領域に係る４次元画像データを用い、観察個体の治療対象部位に対する処置を行う処置部と、を備えるという特徴を有する。
この特徴によれば、上記医用画像生成装置で生成された画像を用いることで、観察個体の測定に係る負荷を低減させ、かつ精度の高い４次元画像データを基に、観察個体の治療対象部位に対して処置を行うことが可能となる。これにより、観察個体にとって治療全体の負荷を低減し、治療対象部位への処置に係る精度を高めることも可能となる。

上記課題を解決するための本発明の医用画像生成方法は、観察個体の特定領域に係る４次元画像データを生成する医用画像生成方法において、観察個体の特定領域に係る２次元又は３次元の画像データを取得する画像取得ステップと、観察個体とは別の対照個体の特定領域に係る４次元画像に関する複数のデータを学習する学習ステップと、学習ステップにより学習したデータを基に、画像取得手段で取得した画像データを変形し、観察個体の特定領域に係る４次元画像データとして推計して出力する画像変形処理ステップと、を備えるという特徴を有する。
この特徴によれば、観察個体の特定領域に係る２次元又は３次元の画像データを取得する一方、既に測定済みである対照個体の特定領域に係る４次元画像に関するデータを基にした画像変形を行うことで、観察個体の特定領域に係る４次元画像データを推計することが可能となる。これにより、観察個体自体は測定に係る負荷が軽減される。また、対照個体で測定された結果を用いた画像変形を行うことで、観察個体の呼吸の乱れなどに影響されず、精度の高い観察個体の特定領域に係る４次元画像データを簡便に生成することが可能となる。

また、本発明の医用画像生成方法の一実施態様としては、画像取得ステップは、３次元画像データを取得するという特徴を有する。
この特徴によれば、２次元画像データを用いる場合と比較し、画像変形時における演算負荷を低減させることが可能となる。これにより、４次元画像データの生成をより簡便に行うことができる。

また、本発明の医用画像生成方法の一実施態様としては、対照個体の特定領域に係る４次元画像について、基準位相となる２次元又は３次元画像データを１つ設定し、基準位相に対する他の位相における２次元又は３次元画像データの変形量を算出する変形量算出ステップを備え、学習ステップは、変形量算出ステップで算出した変形量及び基準位相の画像データを学習するという特徴を有する。
この特徴によれば、画像そのものをデータとして学習させるよりも、必要なデータ容量を小さくすることが可能となる。これにより、演算負荷を低減させることが可能となる。

また、本発明の医用画像生成方法の一実施態様としては、学習ステップは、変形量算出ステップで算出した変形量及び基準位相の画像データから、位相ごとの変形量群を導出するモデルを作成し、画像変形処理ステップは、モデルを用い、画像取得ステップで取得した画像データにおける位相ごとの画像データを算出し、観察個体の特定領域に係る４次元画像データとして出力するという特徴を有する。
この特徴によれば、対照個体の特定領域に係る基準位相画像データ及び他の呼吸位相における変形量を求め、これらに基づくモデルを作成することで、演算に係るデータ量を減らし、演算負荷を低減させることが可能となる。また、データの連続性を考慮したモデルを作成することが可能となるため、観察個体の特定領域に係る３次元画像データを変形する際、観察個体の構造上の連続性を確保した精度の高い４次元画像データを出力することが可能となる。

また、本発明の医用画像生成方法の一実施態様としては、対照個体の特定領域に係る４次元画像について、基準位相となる２次元又は３次元画像データを１つ設定するとともに、画像取得ステップで取得した画像データと、基準位相の画像データとを比較する比較演算ステップを備え、画像変形処理ステップは、画像取得ステップで取得した画像データと類似性の高い基準位相の画像データを含む対照個体の特定領域に係る４次元画像に関するデータを、観察個体の特定領域に係る４次元画像データとして出力するという特徴を有する。
この特徴によれば、対照個体の特定領域に係る画像データと、観察個体の特定領域に係る画像データを直接比較し、この比較結果に基づき、対照個体の特定領域に係る４次元画像データをそのまま観察個体の特定領域に係る４次元画像データとして出力することができる。これにより、画像変形処理における演算式（プログラム）の構築が容易となる。

上記課題を解決するための本発明の治療計画作成方法は、上記医用画像生成方法により、観察個体の特定領域に係る４次元画像データを取得する医用画像取得ステップと、医用画像取得ステップで取得した４次元画像データを用い、観察個体に対する治療計画を立案する治療計画立案ステップと、を備えるという特徴を有する。
この特徴によれば、上記医用画像生成方法で生成された画像を用いることで、観察個体の測定に係る負荷を低減させ、かつ精度の高い４次元画像データを基に、治療計画を作成することが可能となる。これにより、観察個体に対する治療計画に係る精度を高めることも可能となる。

上記課題を解決するための本発明の治療方法は、上記医用画像生成方法により、観察個体の特定領域に係る４次元画像データを取得する医用画像取得ステップと、医用画像取得ステップで取得した４次元画像データを用い、観察個体の治療対象部位に対する処置を行う処置ステップと、を備えるという特徴を有する。
この特徴によれば、上記医用画像生成方法で生成された画像を用いることで、観察個体の測定に係る負荷を低減させ、かつ精度の高い４次元画像データを基に、観察個体の治療対象部位に対して処置を行うことが可能となる。これにより、観察個体にとって治療全体の負荷を低減し、治療対象部位への処置に係る精度を高めることも可能となる。

上記課題を解決するための本発明の医用画像生成プログラムは、上記医用画像生成方法を実行するという特徴を有する。
この特徴によれば、大量のデータを速やかに取得、演算することができ、医用画像生成に係る一連のプロセスを円滑に実施することが可能となる。

上記課題を解決するための本発明の治療計画作成プログラムは、上記治療計画作成方法を実行するという特徴を有する。
この特徴によれば、大量のデータを速やかに取得、演算することができ、治療計画作成に係る一連のプロセスを円滑に実施することが可能となる。

本発明によれば、観察個体（患者）に対し、測定に係る負担を減らし、かつ精度の高い観察個体の特定領域に係る４次元画像データを簡便に生成するための医用画像生成装置、医用画像生成方法及び医用画像生成プログラムを提供することができる。
また、本発明によれば、上記医用画像生成装置で作成された画像を用い、観察個体に係る負担を減らし、かつ精度の高い治療計画の作成又は治療対象部位への処置が可能な治療計画作成装置、治療システム、治療計画作成方法、治療方法及び治療計画作成プログラムを提供することができる。

本発明の第１の実施態様に係る医用画像生成装置の構造を示す概略説明図である。 本発明の第１の実施態様に係る医用画像生成装置の変形量算出部における変形量算出についてのフロー図である。 本発明の第１の実施態様に係る医用画像生成装置の学習部において構築するニュートラルネットワークの一例を示す図である。 本発明の第１の実施態様に係る医用画像生成装置の画像変形処理部における演算の一例を示す図である。 本発明の第１の実施態様に係る医用画像生成装置の画像変形処理部から出力される画像データの一例を示す図である。 本発明の第１の実施態様に係る医用画像生成装置を用いた医用画像生成プロセスに関するフロー図である。 本発明の第１の実施態様に係る治療計画作成装置の構造を示す概略説明図である。 本発明の第１の実施態様に係る治療システムの構造を示す概略説明図である。 本発明の第２の実施態様に係る医用画像生成装置の構造を示す概略説明図である。 本発明の第２の実施態様に係る医用画像生成装置の比較演算部における演算についてのフロー図である。 本発明の第２の実施態様に係る医用画像生成装置を用いた医用画像生成プロセスに関するフロー図である。

以下、本発明の医用画像生成装置、治療計画作成装置、治療システム、医用画像生成プログラム及び治療計画作成プログラムに係る実施形態を詳細に説明する。また、本発明の医用画像生成方法、治療計画作成方法及び治療方法については、医用画像生成装置、治療計画作成装置及び治療システムの構成及び作動の説明に置き換えるものとする。
なお、実施形態に記載する医用画像生成装置、治療計画作成装置、治療システム、医用画像生成方法、治療計画作成方法、治療方法、医用画像生成プログラム及び治療計画作成プログラムについては、本発明を説明するために例示したに過ぎず、これに制限されるものではない。

本明細書中において、「観察個体」とは、本発明が適用される対象であり、治療や診断のために４次元画像データを必要とするものを指し、特にヒトや非ヒト動物を意味する。非ヒト動物の具体例としては、非ヒト霊長類、ウシ、ブタ、ヒツジ、ヤギ、ウサギ、イヌ、ネコ、モルモット、ハムスター、マウス、ラット、ニワトリなどが挙げられる。すなわち、本発明の装置、システム、プログラム及び方法は、ヒトに対して適用することができる。また、ヒトを除外した、家畜やペットなどに対して適用することもできる。
また、本明細書中において、「対照個体」とは、観察個体とは別の存在であり、かつ観察個体と同種のものを指す。例えば、観察個体がヒトである場合、対照個体もヒトである。また、対照個体と観察個体との間には、特に関係性・関連性は必要としない。例えば、対照個体と観察個体の間に共通・類似する要素（年代、体格、症例など）が多く存在してもよく、ほとんど存在しなくてもよい。

本明細書中において、「特定領域」とは、治療や診断のために４次元画像データを取得する必要がある箇所を指し、特に呼吸や心拍動による臓器移動が生じる箇所を意味する。具体例としては、胸部、腹部などが挙げられる。なお、「特定領域」としては、治療対象部位となる患部（腫瘍など）が含まれる箇所を設定することが好ましいが、これに限定されるものではない。患部の有無にかかわらず、診断のために画像データの取得が必要と判断される箇所を特定領域として設定することもできる。

［第１の実施態様］
（医用画像生成装置）
図１は、本発明の第１の実施態様に係る医用画像生成装置の構造を示す概略説明図である。
本実施態様に係る医用画像生成装置１Ａは、観察個体の特定領域に係る４次元画像データを生成するものである。医用画像生成装置１Ａは、図１に示すように、画像取得部２と、学習部３と、画像変形処理部４とを備えている。また、医用画像生成装置１Ａは、画像変形処理部４における演算手段の一例として、変形量算出部５を備えている。なお、図１において、一点鎖線で示された矢印は、制御又は入力可能に接続されていることを示している。

画像取得部２は、観察個体の特定領域に係る２次元又は３次元の画像データを取得するものである。また、画像取得部２で取得した画像データは、観察個体の特定領域に係る基礎データとして、画像変形処理部４に入力される。

画像取得部２としては、観察個体の特定領域について２次元又は３次元の画像データを取得できるものであればよく、特に限定されない。ここで、画像取得部２により得られる画像データの一例としては、Ｘ線透視画像（Ｘ線ＣＴ画像）、ＭＲＩ画像、超音波画像などが挙げられる。したがって、画像取得部２の一例としては、上記画像データを取得することができるものであればよく、Ｘ線透視装置、Ｘ線ＣＴ装置、ＭＲＩ装置、超音波画像診断装置などが挙げられる。
なお、画像取得部２としては、観察個体の特定領域に係る３次元の画像データを取得できるものとすることがより好ましい。これにより、後述する画像変形処理部４における演算負荷を低減させることが可能となる。

ここで、画像取得部２で取得する画像データは、観察個体の呼吸による臓器移動の影響を受けない状態で取得されるものが好ましい。より具体的には、観察個体に息を止めてもらった状態で画像取得部２により画像データを取得することが挙げられる。これにより、画像取得部２で取得する画像データの画質を高めることが可能となる。

画像取得部２では、観察個体の特定領域に係る２次元又は３次元画像データの取得のみが行われる。したがって、従来の４次元画像データの取得よりも短時間で観察個体に対する測定を終えることができる。これにより、観察個体に対する負担を低減させることが可能となる。

学習部３は、観察個体とは別の対照個体の特定領域に係る４次元画像に関する複数のデータを学習するものである。また、学習部３で学習したデータを基に、後述する画像変形処理部４における演算を行う。

学習部３で学習するデータは、対照個体の特定領域に対する測定結果に係るものであり、画像取得部２で取得される観察個体の画像データよりも前に取得されたデータである。
学習部３で学習するデータとしては、４次元画像データを取得する環境が整備された施設において、複数の対照個体に対して測定を行い、取得されたものを用いることが挙げられる。すなわち、学習部３は、これまで様々な施設で、様々な対照個体に対して測定されてきた４次元画像データを集約し、データベース化するものである。したがって、学習部３は４次元画像データを収集できるものであればよく、学習部３で学習するデータを取得する手段自体は、医用画像生成装置１Ａとは別体として遠隔地に配設されているものであってもよい。これにより、医用画像生成装置１Ａ自体は、４次元画像に関するデータを取得する機能を必要とせず、装置としてのコストを低減させることが可能となる。

また、学習部３で学習するデータは、対照個体の特定領域に係る４次元画像に関するデータであればよく、データの種類については特に限定されないが、画像取得部２で取得するデータの種類と、次元以外を合わせたものとすることが好ましい。例えば、画像取得部２において３次元のＸ線透視画像（Ｘ線ＣＴ画像）を取得する場合、学習部３で学習するデータとしては４次元のＸ線透視画像（Ｘ線ＣＴ画像）を用いることが挙げられる。また、画像取得部２において３次元のＭＲＩ画像を取得する場合、学習部３で学習するデータとしては４次元のＭＲＩ画像を用いることが挙げられる。

画像変形処理部４は、学習部３のデータを基に、画像取得部２で取得した画像データを変形し、観察個体の特定領域に係る４次元画像データとして推計して出力するものである。すなわち、画像変形処理部４は、画像取得部２で取得された２次元又は３次元画像データが入力され、４次元画像データとして出力する演算を行うものである。

画像変形処理部４で行う演算手段としては、学習部３のデータに基づく演算を行うものであればよく、特に限定されない。例えば、対照個体の特定領域に係る画像データから時間経過に伴う画像の変化に係る傾向を把握し、この傾向に基づき画像取得部２で取得した画像データを変形することや、画像取得部２で取得した画像データと対照個体の特定領域に係る画像データを直接比較し、この比較結果に基づき画像取得部２で取得した画像データを変形することなどが挙げられる。

以下、本実施態様においては、画像変形処理部４で行う演算手段の一例として、変形量算出部５を備え、対照個体の特定領域に係る画像データから時間経過に伴う画像の変化に係る傾向を把握するものについて説明する。

変形量算出部５は、対照個体の特定領域に係る４次元画像について、基準位相となる２次元又は３次元画像データを１つ設定し、基準位相に対する他の位相における２次元又は３次元画像データの変形量を算出するものである。なお、以下、画像データの種類としては、Ｘ線ＣＴ画像を用いたものについて説明を行うが、これに限定されるものではない。

図２は、変形量算出部５における変形量算出フローを示すものである。
まず、学習部３で学習した対照個体の特定領域に係る４次元ＣＴ画像のうち、基準位相となる画像データ（図２では３次元画像データ）を設定する。４次元ＣＴ画像は、１呼吸周期における３次元画像データの集合体であり、基準位相の設定においては１呼吸周期を任意の間隔で等分する。例えば、１呼吸周期を１０等分し、周期の初めと終わり（吸気位相）をＴ００及びＴ９０とし、周期の中間点（呼気位相）をＴ５０として、４次元ＣＴ画像を呼吸位相（＠Ｔｎ）ごとに分割する。そして、そのうちの１つを基準位相（＠Ｔｒｅｆ）として設定する。
このとき設定する基準位相（＠Ｔｒｅｆ）は、画像取得部２で取得する観察個体の特定領域に係る画像データの呼吸位相と合わせることが好ましい。例えば、基準位相（＠Ｔｒｅｆ）としては呼吸周期内の呼気位相に相当する箇所（＠Ｔ５０）を選択し、画像取得部２では観察個体が息を吐き切った状態（呼気位相）の画像を取得することが挙げられる。

次に、対照個体の特定領域に係る４次元画像データのうち、設定した基準位相画像データ（４ＤＣＴ＠Ｔｒｅｆ（＝４ＤＣＴ＠Ｔ５０））から、他の呼吸位相の画像データ（４ＤＣＴ＠Ｔ００～４ＤＣＴ＠Ｔ９０（４ＤＣＴ＠Ｔ５０を除く））における変形量を算出する。

変形量の算出には、デフォーマブルイメージレジストレーション（deformable image registration：ＤＩＲ）の手法を用いることが挙げられる。ＤＩＲは、２つの画像間で位置合わせを行うイメージレジストレーションの一種であり、一方の画像をもう一方の画像に合わせるように非線形に画像変形を行う処理手法を指すものである。

ＤＩＲを用いた変形量の算出に係る処理例について説明する。
２つの画像（画像Ａ及び画像Ｂ）において、画像Ａと画像Ｂ間で互いに類似した部位（特徴点）が最も良く一致するように、画像Ａ上の特徴点に対応する画像Ｂ上の特徴点の移動ベクトルを求める。
この移動ベクトルを、本実施態様における変形量（以下、「ＤＶＦ（deformable vector file）」とも呼ぶ）とする。例えば、４ＤＣＴ＠Ｔｒｅｆに対する４ＤＣＴ＠Ｔ００の変形量をＤＶＦ＠Ｔ００とし、同様に４ＤＣＴ＠Ｔ１０～４ＤＣＴ＠Ｔ９０の変形量をＤＶＦ＠Ｔ１０～ＤＶＦ＠Ｔ９０とする。
なお、ＤＩＲによる変形量の算出に係るアルゴリズムについては特に限定されない。例えば、日本放射線腫瘍学会（ＪＡＳＴＲＯ）公認ガイドラインである「放射線治療における非剛体画像レジストレーション利用のためのガイドライン２０１８年版（略称：ＤＩＲガイドライン２０１８）」に示されるアルゴリズムを用いることができる。

そして、変形量算出部５で求めた変形量（ＤＶＦ＠Ｔ００～Ｔ９０）と基準位相画像データ（４ＤＣＴ＠Ｔｒｅｆ）とを組み合わせて学習部３に学習させる。これにより、本実施態様における学習部３で学習するデータは、画像データそのものを入力するよりも容量を小さくすることが可能となる。これにより、データの記憶や演算にかかる負荷を減らすことが可能となる。

ここで、学習部３では、対照個体の特定領域に係る基準位相画像データ（４ＤＣＴ＠Ｔｒｅｆ）と、他の位相における変形量（ＤＶＦ＠Ｔ００～Ｔ９０）との組み合わせを教師データとし、呼吸位相ごとの変形量群を導出するモデルを作成することが好ましい。

モデル作成における演算手段は特に限定されない。演算手段の一例としては、ニュートラルネットワークを構築し、入力データに対する出力データの関係が、教師データである基準位相画像データ（４ＤＣＴ＠Ｔｒｅｆ）と変形量（ＤＶＦ＠Ｔ００～Ｔ９０）の関係に最も近くなるように、ネットワークパラメータの最適化を行うものが挙げられる。

図３は、学習部３において構築するニュートラルネットワークの一例を示したものである。
図３に示すように、オートエンコーダにより、１つのエンコーダ（Encoder）及び複数のデコーダ（Decoder）を用いて、入力データと出力データの関係性をつなぐネットワークパラメータの最適化を行う。この最適化には、確率的勾配降下法などの手法を用いることができる。
この演算結果に基づき、呼吸位相ごとの変形量群を導出することができるモデル作成が可能となる。また、１つの基準位相画像データ（４ＤＣＴ＠Ｔｒｅｆ）に対し、全ての変形量（ＤＶＦ＠Ｔ００～Ｔ９０）を関連付けて演算を行うことができる。これにより、呼吸位相間の関係性（連続性）が考慮されたモデルを作成することができる。

図４は、画像変形処理部４における演算の一例を示したものである。
図４Ａに示すように、画像変形処理部４では、学習部３で得られたモデルに対して、画像取得部２で取得した観察個体の特定領域に係る画像データ（３ＤＣＴ）を入力することで、この画像データ（３ＤＣＴ）に対応する変形量（ＤＶＦ＠Ｔ００～Ｔ９０）が算出される。そして、図４Ｂに示すように、この変形量を用いて、観察個体の特定領域に係る画像データ（３ＤＣＴ）を変形する。これにより、観察個体の特定領域に係る呼吸位相ごとの画像データ（４ＤＣＴ＠Ｔ００～Ｔ９０）が得られる。

図５は、画像変形処理部４から出力される画像データの一例を示したものである。
図５は、画像変形処理部４によって得られた画像データのうち、４ＤＣＴ＠Ｔ００、Ｔ２０、Ｔ５０、Ｔ７０、Ｔ９０に相当するものを示している。このとき、図５における４ＤＣＴ＠Ｔ５０は、画像変形処理部４に入力した画像データ（３ＤＣＴ）に相当する。
そして、図５に示したような画像データの集合体が、観察個体の特定領域に係る４次元画像データとして出力される。
なお、学習部３で得られたモデルは、呼吸位相間の関係性が考慮されている。このため、図５に示すように、画像変形処理部４から出力される４次元画像データは、呼吸位相ごとの画像データ（４ＤＣＴ＠Ｔ００～Ｔ９０）が、観察個体の構造（ヒトとしての骨格や臓器形状など）における連続性が確保され、かつ精度の高い４次元画像データとして出力されることになる。

そして、画像変形処理部４から出力された観察個体の特定領域に係る４次元画像データは、図示しない保存部に保存され、必要に応じて外部に出力される。

本実施態様における学習部３、画像変形処理部４及び変形量算出部５は、例えば、ＣＰＵなどのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。また、これらのうち一部または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）などのハードウェア（回路部；circuitryを含む）によって実現されてもよく、ソフトウェアとハードウェアの協働によって実現されてもよい。

（医用画像生成プロセス）
図６は、本実施態様における医用画像生成プロセスに関するフロー図である。なお、この医用画像生成プロセスに係る工程は、本実施態様における医用画像生成方法に相当するものである。

図６に示すように、まず、対照個体の特定領域に係る４次元画像データ（４ＤＣＴ）を収集し、変形量算出部５に入力する。変形量算出部５では、４次元画像データの基準位相画像データ（４ＤＣＴ＠Ｔｒｅｆ）を設定し、他の呼吸位相における変形量（ＤＶＦ＠Ｔ００～Ｔ９０）を算出する。これは変形量算出ステップに相当する。

次に、変形量算出部５から、基準位相画像データ（４ＤＣＴ＠Ｔｒｅｆ）及び変形量（ＤＶＦ＠Ｔ００～Ｔ９０）の組み合わせに係るデータを学習部３に入力する。これは学習ステップに相当する。このとき、学習部３に入力するデータ数は特に限定されないが、数が多いほど学習部３で作成するモデルの汎化性、汎用性が高まる。
また、学習部３では、入力されたデータを教師データとし、呼吸位相ごとの変形量群を導出するモデルを作成する。このとき、ニュートラルネットワークなどの機械学習の手法を用い、１つの入力データ（基準位相画像データ）と複数の出力データ（変形量）の関連性を維持させた状態で学習、演算を行うことで、データの連続性を考慮したモデルが作成される。
そして、学習部３で作成したモデルは画像変形処理部４に入力される。

一方、画像取得部２により、観察個体の特定領域に係る画像データ（３ＤＣＴ）を取得し、この画像データ（３ＤＣＴ）を画像変形処理部４に入力する。これは画像取得ステップに相当する。

画像変形処理部４では、学習部３から入力されたモデルを用い、画像データ（３ＤＣＴ）に対応する変形量（ＤＶＦ＠Ｔ００～９０）が算出される。この変形量を用いて、観察個体の特定領域に係る画像データ（３ＤＣＴ）を変形し、観察個体の特定領域に係る呼吸位相ごとの画像データ（４ＤＣＴ＠Ｔ００～Ｔ９０）を得る。
そして、得られた画像データの集合体が、観察個体の特定領域に係る４次元画像データとして出力される。これは画像変形処理ステップに相当する。
さらに、画像変形処理部４から出力された観察個体の特定領域に係る４次元画像データは保存され、医用画像生成プロセスは終了する。

図６で示したフローに基づく医用画像生成プロセスに係る一連の操作については、必要なプログラムを作成し、ＣＰＵなどのハードウェアプロセッサにより実行することが好ましい。大量のデータを速やかに取得、演算することができ、医用画像生成に係る一連のプロセスを円滑に実施することが可能となる。また、このプログラムは、予めＨＤＤ（Hard Disk Drive）やフラッシュメモリなどの記憶装置に格納されていてもよく、ＤＶＤやＣＤ－ＲＯＭなどの着脱可能な記憶媒体に格納し、記憶媒体がドライブ装置に装着されることで記憶装置にインストールされるものとしてもよい。

以上のように、本実施態様における医用画像生成装置１Ａでは、観察個体の特定領域に係る２次元又は３次元の画像データを取得する一方、既に測定済みである対照個体の特定領域に係る４次元画像データを用いた画像変形を行うことで、観察個体の特定領域に係る４次元画像データを推計することが可能となる。これにより、観察個体自体は測定に係る負荷が軽減される。また、対照個体で測定された結果を用いた画像変形を行うことで、観察個体の呼吸の乱れなどに影響されず、精度の高い観察個体の特定領域に係る４次元画像データを簡便に生成することが可能となる。

特に、本実施態様における医用画像生成装置１Ａにおいて、対照個体の特定領域に係る基準位相画像データ及び他の呼吸位相における変形量を求め、これらに基づくモデルを作成することで、演算に係るデータ量を減らし、演算負荷を低減させることが可能となる。また、データの連続性を考慮したモデルを作成することが可能となるため、観察個体の特定領域に係る３次元画像データを変形する際、観察個体の構造上の連続性を確保した精度の高い４次元画像データを出力することが可能となる。

（治療計画作成装置）
図７は、本発明の第１の実施態様における治療計画作成装置の構造を示す概略説明図である。
図７に示すように、本実施態様における治療計画作成装置１０は、上述した医用画像生成装置１Ａと、治療計画立案部１１を備えている。

治療計画立案部１１は、医用画像生成装置１Ａで生成された観察個体の特定領域に係る４次元画像データを用い、観察個体に対する治療計画を立案するものである。
治療計画立案部１１としては、医用画像生成装置１Ａから観察個体の特定領域に係る４次元画像データを取得し、この４次元画像データを基に、観察個体に対する治療計画を立案することができるものであればよく、特に限定されない。例えば、観察個体に対する治療が放射線治療である場合、治療計画立案部１１は、医用画像生成装置１Ａで生成された４次元画像データから治療対象部位（ターゲット）を特定するターゲット特定手段と、ターゲットの位置や形状に基づき、照射する放射線のエネルギー、照射方向、照射範囲の形状などのシミュレーションを行う放射線照射シミュレーション手段と、放射線照射シミュレーション手段の結果に基づく治療計画評価手段などを備え、これらの手段を用いて治療計画を立案することが挙げられる。また、治療計画立案部１１で立案した治療計画は、図示しない保存部に保存され、必要に応じて外部に出力される。
なお、治療計画立案部１１は、例えば、ＣＰＵなどのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。

治療計画作成装置１０において、医用画像生成装置１Ａで生成された観察個体の特定領域に係る４次元画像データの取得（画像取得ステップに相当）及び治療計画立案部１１における治療計画の立案（治療計画立案ステップに相当）に係る一連の操作については、必要なプログラムを作成し、ＣＰＵなどのハードウェアプロセッサにより実行することが好ましい。これにより、大量のデータを速やかに取得、演算することができ、治療計画作成に係る一連のプロセスを円滑に実施することが可能となる。また、このプログラムは、予めＨＤＤ（Hard Disk Drive）やフラッシュメモリなどの記憶装置に格納されていてもよく、ＤＶＤやＣＤ－ＲＯＭなどの着脱可能な記憶媒体に格納し、記憶媒体がドライブ装置に装着されることで記憶装置にインストールされるものとしてもよい。

また、治療計画作成装置１０における一連の操作は、本実施態様における治療計画作成方法に相当する。例えば、医用画像生成装置１Ａで生成された観察個体の特定領域に係る４次元画像データの取得は画像取得ステップに相当し、治療計画立案部１１における治療計画の立案は治療計画立案ステップに相当する。

本実施態様における治療計画作成装置１０は、医用画像生成装置１Ａで生成された画像を用いることで、観察個体の測定に係る負荷を低減させ、かつ精度の高い４次元画像データを基に、治療計画を作成することが可能となる。これにより、観察個体に対する治療計画に係る精度を高めることも可能となる。

（治療システム）
図８は、本発明の第１の実施態様における治療システムの構造を示す概略説明図である。
図８に示すように、本実施態様における治療システム２０は、上述した医用画像生成装置１Ａと、処置部２１を備えている。

処置部２１は、医用画像生成装置１Ａで生成された観察個体の特定領域に係る４次元画像データを用い、観察個体の治療対象部位に対する処置を行うものである。
処置部２１としては、医用画像生成装置１Ａから観察個体の特定領域に係る４次元画像データを取得し、この４次元画像データを基に、観察個体の治療対象部位に対する処置を行うことができるものであればよく、特に限定されない。例えば、観察個体に対する治療が放射線治療である場合、処置部２１としては、観察個体を固定する寝台と、放射線を照射する放射線照射装置と、放射線照射装置の出力を制御する出力制御手段とを備え、医用画像生成装置１Ａで生成された４次元画像データを基に、観察個体の治療対象部位に対して処置を行うことが挙げられる。また、上述した治療計画立案部１１による治療計画を基に、処置部２１の制御を行い、観察個体の治療対象部位に対して処置を行うものとしてもよい。

また、治療システム２０における一連の操作は、本実施態様における治療方法に相当する。例えば、医用画像生成装置１Ａで生成された観察個体の特定領域に係る４次元画像データの取得は画像取得ステップに相当し、処置部２１における観察個体の治療対象部位に対する処置は処置ステップに相当する。

本実施態様における治療システム２０は、医用画像生成装置１Ａで生成された画像を用いることで、観察個体の測定に係る負荷を低減させ、かつ精度の高い４次元画像データを基に、観察個体の治療対象部位に対して処置を行うことが可能となる。これにより、観察個体にとって治療全体の負荷を低減し、治療対象部位への処置に係る精度を高めることも可能となる。

〔第２の実施態様〕
図９は、本発明の第２の実施態様における医用画像生成装置の構造を示す概略説明図である。
第２の実施態様に係る医用画像生成装置１Ｂは、図９に示すように、第１の実施態様に係る医用画像生成装置１Ａにおける変形量算出部５に代えて、比較演算部６を設けるものである。なお、第１の実施態様の構造と同じものについては、説明を省略する。

比較演算部６は、画像変形処理部４における演算手段の一例であって、対照個体の特定領域に係る４次元画像について、基準位相となる２次元又は３次元画像データを１つ設定するとともに、画像取得部２で取得した画像データと、基準位相の画像データとを比較するものである。

図１０は、比較演算部６における演算フローを示すものである。
まず、学習部３で学習した対照個体の特定領域に係る４次元ＣＴ画像のうち、基準位相となる画像データ（図１０では３次元画像データ）を設定する。４次元ＣＴ画像は、１呼吸周期における３次元画像データの集合体であり、基準位相の設定においては１呼吸周期を任意の間隔で等分する。例えば、１呼吸周期を１０等分し、周期の初めと終わり（吸気位相）をＴ００及びＴ９０とし、周期の中間点（呼気位相）をＴ５０として、４次元ＣＴ画像を呼吸位相（＠Ｔｎ）ごとに分割する。そして、そのうちの１つを基準位相（＠Ｔｒｅｆ）として設定する。
このとき設定する基準位相（＠Ｔｒｅｆ）は、画像取得部２で取得する観察個体の特定領域に係る画像データの呼吸位相と合わせることが好ましい。例えば、基準位相（＠Ｔｒｅｆ）としては呼吸周期内の呼気位相に相当する箇所（＠Ｔ５０）を選択し、画像取得部２では観察個体が息を吐き切った状態（呼気位相）の画像を取得することが挙げられる。

次に、設定した基準位相画像データ（４ＤＣＴ＠Ｔｒｅｆ（＝４ＤＣＴ＠Ｔ５０））と、画像取得部２で取得する観察個体の特定領域に係る３次元画像データ（３ＤＣＴ）とを比較する。図１０に示すように、観察個体の特定領域に係る３次元画像データ（３ＤＣＴ）と、１～ｎ番目の対照個体の基準位相画像データ（４ＤＣＴ＠Ｔｒｅｆ）を順に比較し、それぞれの差分Δｄを求める。

差分Δｄの算出手法は特に限定されず、２つの画像間の類似度を定量化する手法を用いることが挙げられる。より具体的には、２つの画像で代表点を抽出し、それらの位置の差を求める方法や、２つの画像間の各ピクセルあるいは各ボクセル信号強度の差を求める方法などが挙げられる。

次に、比較演算部６の比較結果を画像変形処理部４に入力する。そして、画像変形処理部４において、１～ｎ番目の対照個体の基準位相画像データ（４ＤＣＴ＠Ｔｒｅｆ）のうち、差分Δｄの値が最小となるものを抽出する。このとき抽出する対照個体の基準位相画像データ（４ＤＣＴ＠Ｔｒｅｆ）の数は１つでもよく、差分Δｄの値が最小値からｍ番目にあるものを抽出してもよい。
そして、抽出した対照個体の基準位相画像データ（４ＤＣＴ＠Ｔｒｅｆ）が含まれる対照個体の特定領域に係る４次元画像データ（４ＤＣＴ）を、学習部３のデータから取得し、これを観察個体の特定領域に係る４次元画像データとして出力する。
なお、複数の対照個体の基準位相画像データ（４ＤＣＴ＠Ｔｒｅｆ）を抽出した場合、それぞれに対応する対照個体の特定領域に係る４次元画像データ（４ＤＣＴ）を平均化したものを観察個体の特定領域に係る４次元画像データとして出力するものとしてもよい。

そして、画像変形処理部４から出力された観察個体の特定領域に係る４次元画像データは、図示しない保存部に保存され、必要に応じて外部に出力される。

本実施態様における学習部３、画像変形処理部４及び比較演算部６は、例えば、ＣＰＵなどのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。また、これらのうち一部または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）などのハードウェア（回路部；circuitryを含む）によって実現されてもよく、ソフトウェアとハードウェアの協働によって実現されてもよい。

（医用画像生成プロセス）
図１１は、本実施態様における医用画像生成プロセスに関するフロー図である。なお、この医用画像生成プロセスに係る工程は、本実施態様における医用画像生成方法に相当するものである。
図１１に示すように、まず、対照個体の特定領域に係る４次元画像データ（４ＤＣＴ）を収集し、学習部３に入力する。学習部３では、４次元画像データの基準位相画像データ（４ＤＣＴ＠Ｔｒｅｆ）を設定する。これは学習ステップに相当する。そして、設定した４次元画像データの基準位相画像データ（４ＤＣＴ＠Ｔｒｅｆ）は、比較演算部６に入力する。

一方、画像取得部２により、観察個体の特定領域に係る画像データ（３ＤＣＴ）を取得し、この画像データ（３ＤＣＴ）を比較演算部６に入力する。これは画像取得ステップに相当する。

比較演算部６では、画像取得部２で取得した画像データ（３ＤＣＴ）と、学習部３で設定した４次元画像データの基準位相画像データ（４ＤＣＴ＠Ｔｒｅｆ）とを比較し、差分Δｄを求める。これを、１～ｎ番目の対照個体のデータに対して行う。これは比較演算ステップに相当する。
このとき、対照個体のデータ数は特に限定されないが、演算負荷を低減させるために、あらかじめ観察個体と共通・類似する要素を多く有する対照個体を所定数選択し、選択した対照個体の特定領域に係る４次元画像データの基準位相画像データ（４ＤＣＴ＠Ｔｒｅｆ）を比較演算部６に入力するものとしてもよい。

次に、１～ｎ番目の対照個体の基準位相画像データ（４ＤＣＴ＠Ｔｒｅｆ）のうち、差分Δｄの値が最小となるものを抽出する。
そして、抽出した対照個体の基準位相画像データ（４ＤＣＴ＠Ｔｒｅｆ）が含まれる対照個体の特定領域に係る４次元画像データ（４ＤＣＴ）を、学習部３のデータから抽出し、これを観察個体の特定領域に係る４次元画像データとして出力する。これは画像変形処理ステップに相当する。
さらに、画像変形処理部４から出力された観察個体の特定領域に係る４次元画像データは保存され、医用画像生成プロセスは終了する。

図１１で示したフローに基づく医用画像生成プロセスに係る一連の操作については、必要なプログラムを作成し、ＣＰＵなどのハードウェアプロセッサにより実行することが好ましい。大量のデータを速やかに取得、演算することができ、医用画像生成に係る一連のプロセスを円滑に実施することが可能となる。また、このプログラムは、予めＨＤＤ（Hard Disk Drive）やフラッシュメモリなどの記憶装置に格納されていてもよく、ＤＶＤやＣＤ－ＲＯＭなどの着脱可能な記憶媒体に格納し、記憶媒体がドライブ装置に装着されることで記憶装置にインストールされるものとしてもよい。

以上のように、本実施態様における医用画像生成装置１Ｂでは、第１の実施態様に示した医用画像生成装置１Ａと同様に、既に測定済みである対照個体の特定領域に係る４次元画像データを用い、観察個体の特定領域に係る画像データの画像変形を行うことで、観察個体の特定領域に係る４次元画像データを推計することが可能となる。これにより、観察個体自体は測定に係る負荷が軽減される。また、対照個体で測定された結果を用いた画像変形を行うことで、観察個体の呼吸の乱れなどに影響されず、精度の高い観察個体の特定領域に係る４次元画像データを簡便に生成することが可能となる。

特に、医用画像生成装置１Ｂでは、観察個体の特定領域に係る画像データの画像変形において、対照個体の特定領域に係る画像データと、観察個体の特定領域に係る画像データを直接比較し、この比較結果に基づき、対照個体の特定領域に係る４次元画像データをそのまま観察個体の特定領域に係る４次元画像データとして出力することができる。これにより、画像変形処理における演算式（プログラム）の構築が容易となる。

また、本実施態様における医用画像生成装置１Ｂは、第１の実施態様に示した治療計画作成装置や治療システムにおける医用画像生成装置として用いるものとしてもよい。これにより、観察個体の測定に係る負荷を低減させ、かつ精度の高い４次元画像データを基に、治療計画を作成することや観察個体の治療を行うことが可能となる。これにより、観察個体に対する治療計画や治療に係る精度を高めることも可能となる。

なお、上述した実施態様は、医用画像生成装置、治療計画作成装置、治療システム、医用画像生成方法、治療計画作成方法、治療方法、医用画像生成プログラム及び治療計画作成プログラムの一例を示すものである。本発明に係る医用画像生成装置、治療計画作成装置、治療システム、医用画像生成方法、治療計画作成方法、治療方法、医用画像生成プログラム及び治療計画作成プログラムは、上述した実施態様に限られるものではなく、請求項に記載した要旨を変更しない範囲で、上述した実施態様に係る医用画像生成装置、治療計画作成装置、治療システム、医用画像生成方法、治療計画作成方法、治療方法、医用画像生成プログラム及び治療計画作成プログラムを変形してもよい。

本発明の医用画像生成装置、治療計画作成装置、治療システム、医用画像生成方法、治療計画作成方法、治療方法、医用画像生成プログラム及び治療計画作成プログラムは、観察個体（患者）の治療や診断に利用されるものである。特に、治療や診断に有用な観察個体の特定領域に係る４次元画像データの取得に利用されるとともに、この４次元画像データを活用した治療や診断に好適に利用される。

１Ａ，１Ｂ 医用画像生成装置、２ 画像取得部、３ 学習部、４ 画像変形処理部、５ 変形量算出部、６ 比較演算部、１０ 治療計画作成装置、１１ 治療計画立案部、２０ 治療システム、２１ 処置部

Claims (15)

1. 観察個体の特定領域に係る４次元画像データを生成する医用画像生成装置において、
   前記観察個体の特定領域に係る２次元又は３次元の画像データを取得する画像取得部と、
   前記観察個体とは別の対照個体の特定領域に係る４次元画像に関する複数のデータを学習する学習部と、
   前記学習部のデータを基に、前記画像取得部で取得した画像データを変形し、前記観察個体の特定領域に係る４次元画像データとして推計して出力する画像変形処理部と、を備えることを特徴とする、医用画像生成装置。
2. 前記画像取得部は、３次元画像データを取得することを特徴とする、請求項１に記載の医用画像生成装置。
3. 前記対照個体の特定領域に係る４次元画像について、基準位相となる２次元又は３次元画像データを１つ設定し、基準位相に対する他の位相における２次元又は３次元画像データの変形量を算出する変形量算出部を備え、
   前記学習部は、前記変形量算出部で算出した変形量及び基準位相の画像データを学習することを特徴とする、請求項１又は２に記載の医用画像生成装置。
4. 前記学習部は、前記変形量算出部で算出した変形量及び基準位相の画像データから、位相ごとの変形量群を導出するモデルを作成し、
   前記画像変形処理部は、前記モデルを用い、前記画像取得部で取得した画像データにおける位相ごとの画像データを算出し、前記観察個体の特定領域に係る４次元画像データとして出力することを特徴とする、請求項３に記載の医用画像生成装置。
5. 前記対照個体の特定領域に係る４次元画像について、基準位相となる２次元又は３次元画像データを１つ設定するとともに、前記画像取得部で取得した画像データと、前記基準位相の画像データとを比較する比較演算部を備え、
   前記画像変形処理部は、前記画像取得部で取得した画像データと類似性の高い基準位相の画像データを含む前記対照個体の特定領域に係る４次元画像に関するデータを、前記観察個体の特定領域に係る４次元画像データとして出力することを特徴とする、請求項１又は２に記載の医用画像生成装置。
6. 請求項１～５のいずれか一項に記載の医用画像生成装置と、
   前記医用画像生成装置で生成された観察個体の特定領域に係る４次元画像データを用い、観察個体に対する治療計画を立案する治療計画立案部と、を備えることを特徴とする、治療計画作成装置。
7. 請求項１～５のいずれか一項に記載の医用画像生成装置と、
   前記医用画像生成装置で生成された観察個体の特定領域に係る４次元画像データを用い、観察個体の治療対象部位に対する処置を行う処置部と、を備えることを特徴とする、治療システム。
8. 観察個体の特定領域に係る４次元画像データを生成する医用画像生成方法において、
   観察個体の特定領域に係る２次元又は３次元の画像データを取得する画像取得ステップと、
   前記観察個体とは別の対照個体の特定領域に係る４次元画像に関する複数のデータを学習する学習ステップと、
   前記学習ステップにより学習したデータを基に、前記画像取得手段で取得した画像データを変形し、前記観察個体の特定領域に係る４次元画像データとして推計して出力する画像変形処理ステップと、を備えることを特徴とする、医用画像生成方法。
9. 前記画像取得ステップは、３次元画像データを取得することを特徴とする、請求項８に記載の医用画像生成方法。
10. 前記対照個体の特定領域に係る４次元画像について、基準位相となる２次元又は３次元画像データを１つ設定し、基準位相に対する他の位相における２次元又は３次元画像データの変形量を算出する変形量算出ステップを備え、
    前記学習ステップは、前記変形量算出ステップで算出した変形量及び基準位相の画像データを学習することを特徴とする、請求項８又は９に記載の医用画像生成方法。
11. 前記学習ステップは、前記変形量算出ステップで算出した変形量及び基準位相の画像データから、位相ごとの変形量群を導出するモデルを作成し、
    前記画像変形処理ステップは、前記モデルを用い、前記画像取得ステップで取得した画像データにおける位相ごとの画像データを算出し、前記観察個体の特定領域に係る４次元画像データとして出力することを特徴とする、請求項１０に記載の医用画像生成方法。
12. 前記対照個体の特定領域に係る４次元画像について、基準位相となる２次元又は３次元画像データを１つ設定するとともに、前記画像取得ステップで取得した画像データと、前記基準位相の画像データとを比較する比較演算ステップを備え、
    前記画像変形処理ステップは、前記画像取得ステップで取得した画像データと類似性の高い基準位相の画像データを含む前記対照個体の特定領域に係る４次元画像に関するデータを、前記観察個体の特定領域に係る４次元画像データとして出力することを特徴とする、請求項８又は９に記載の医用画像生成方法。
13. 請求項８～１２のいずれか一項に記載の医用画像生成方法により、観察個体の特定領域に係る４次元画像データを取得する医用画像取得ステップと、
    前記医用画像取得ステップで取得した４次元画像データを用い、観察個体に対する治療計画を立案する治療計画立案ステップと、を備えることを特徴とする、治療計画作成方法。
14. 請求項８～１２のいずれか一項に記載の医用画像生成方法を実行することを特徴とする、医用画像生成プログラム。
15. 請求項１３に記載の治療計画作成方法を実行することを特徴とする、治療計画作成プログラム。
    
    

Images