JP2022188000A - 設定方法、医用画像診断システム及びプログラム - Google Patents

Abstract

【課題】装置ごとの較正を容易に行うこと。【解決手段】実施形態の設定方法は、医用画像診断装置においてイメージングパラメータの第１セットを用い、被検体を透過した放射線の強度を示す投影データを収集し、投影データに関連する画像品質データセットをサーバに送信し、サーバにおいて、画像品質データセットに基づいて医用画像診断装置に適応させた復元情報を生成し、復元情報を医用画像診断装置に送信し、復元情報を用いて、医用画像診断装置の設定を更新する、ことを、含む。【選択図】図２

Description

本明細書及び図面に開示の実施形態は、設定方法、医用画像診断システム及びプログラムに関する。

具体的には、本開示は、医用画像診断装置（ローカルイメージングシステム）のノイズ特性決定、画像復元モデル決定、およびローカルイメージングシステムへの画像復元パラメータの自動展開のための方法および医用画像診断システム（イメージングシステム）に関する。

本明細書に記載されている背景技術の説明は、本開示の背景を概略的に示すためのものである。この背景技術において説明される技術の範囲、および出願時には先行技術として認められていない本明細書の態様に対する本願発明者の研究内容を、本開示に対する先行技術であるとは、明示的にも黙示的にも認めていない。

Ｘ線画像の最適な画像品質は、システムがそれ固有の構成要素および環境向けに適切に較正されているか否かに依存し得る。Ｘ線システムの無数の装置が、全て別々に保守され、異なって使用され、かつそれらの耐用年数が異なる場合、上記システムの較正が変動し、異なるイメージングパラメータをもたらす場合がある。現在の実践では、不良画素、適用されることになる適切な信号ゲインおよびオフセットなど、関連するパラメータおよび因子を決定するためのローカル較正操作を含むが、ノイズ低減または画像復元プロセスによって影響を受けることになるシステムのノイズ属性または点広がり関数をモデル化することは試みていない。変動の一発生源は、上記ローカル較正操作に対して異なる操作者（サービス技術者）が割り当てられることに起因する場合がある。さらに、Ｘ線管寿命は異なるため、異なるシステムでは時間の経過とともに異なるノイズ特性が発生する可能性があることが考えられる。したがって、システムの保守および較正時にサービス技術者の介入を伴わない方法およびシステムが望まれる。特に、サイト固有データのＡＩベース画像復元およびサイト固有システムの自動更新のための方法およびシステムが望まれる。

米国特許出願公開第２０２０／０１０４７２０号明細書 米国特許出願公開第２０２０／００６５９４０号明細書 米国特許出願公開第２０１９／０００５６８６号明細書

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、装置ごとの較正を容易に行うことを可能にすることである。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付けることもできる。

実施形態の設定方法は、医用画像診断装置においてイメージングパラメータの第１セットを用い、被検体を透過した放射線の強度を示す投影データを収集し、前記投影データに関連する画像品質データセットをサーバに送信し、前記サーバにおいて、前記画像品質データセットに基づいて前記医用画像診断装置に適応させた復元情報を生成し、前記復元情報を前記医用画像診断装置に送信し、前記復元情報を用いて、前記医用画像診断装置の設定を更新する、ことを、含む。

本実施形態に係る複数のローカルシステム（医用画像診断装置）を含む、画像復元パラメータの自動展開のためのシステムの概略図である。 本実施形態に係る画像復元パラメータの自動展開のための医用画像診断システムの概略図である。 本実施形態に係る画像品質データセットを与えられた画像復元向けニューラルネットワークを訓練するための上位のフレームワークを示す図である。 本実施形態に係る画像品質推定および補正方法の下位のフロー図である。 本実施形態に係るノイズ特性の決定及び画像復元パラメータの自動展開に関する方法のフローチャートの一例を示す図である。 本実施形態に係る基本的な人工ニューラルネットワーク（Artificial Neural Network：ＡＮＮ）の例を示す図である。 本実施形態に係る方法を実施するために使用されるＸ線診断装置のブロック図である。

本開示は、医用画像診断装置（ローカルイメージングシステム）において、イメージングパラメータの第１セットを使用して、被検体を通した複数の光線に沿って検出された放射線の強度を表す被検体の投影データを取得することと、取得した投影データに関連する画像品質データセットをリモートサーバに伝送することと、リモートサーバを介して、受信した画像品質データセットに基づいてローカライズされた復元情報を生成することと、リモートサーバからローカルイメージングシステムに、ローカライズされた復元情報を転送することと、ローカライズされた復元情報を使用して、ローカルイメージングシステムを更新することと、を含む方法に関する。

本開示は、さらに、ローカルイメージングシステムで、イメージングパラメータの第１セットを使用して、被検体を通した複数の光線に沿って検出された放射線の強度を表す被検体の投影データを取得し、取得した投影データに関連する画像品質データセットをリモートサーバに伝送し、リモートサーバを介して、受信した画像品質データセットに基づいてローカライズされた復元情報を生成し、リモートサーバからローカルイメージングシステムに、ローカライズされた復元情報を転送し、ローカライズされた復元情報を使用して、ローカルイメージングシステムを更新する、ように構成された処理回路を備える医用画像診断システム（イメージングシステム）に関する。

なお、上記記載では、全ての実施形態および／または本開示または特許請求される発明の漸増的新規態様を特定していないことに注意されたい。その代わりに、上記記載は、様々な実施形態および新規性に相当する点の予備的な議論のみを提供する。さらなる詳細および／または本発明および実施形態の可能な観点については、以下にさらに説明する本開示の発明を実施するための形態セクションおよび対応する図面を参照されたい。

以下、例として提示される本開示の種々の実施形態について、図面を参照しながら詳細に説明する。また、以下の説明において、同様の構成要素には共通の符号を付与するとともに、重複する説明を省略する。

以下の開示は、提示する主題の様々な特徴を実装するための、多くの様々な実施形態、または例を提示する。構成要素および配列の具体例は、本開示を簡易にするために以下で説明する。これらは、当然、単に例だけであり、制限されることを意図していない。例えば、以下の説明における第２の機構上の、またはそれに載った第１の機構の構成は、第１および第２の機構が直接接触した状態で構成される実施形態を含む場合があり、かつ、第１および第２の機構が直接接触していないこともあるような、別の機構が第１の機構と第２の機構との間で構成される場合がある実施形態も含む場合もある。加えて、本開示は、種々の例において、参照番号および／または参照文字を繰り返す場合がある。この繰り返しは、簡易かつ明瞭にするためのものであるが、説明する種々の実施形態および／または構成間の関係性をそれ自体によって定めるものではない。さらに、図に示されているような１つの要素、あるいは他の要素または機構との機構の関係性を表す説明を容易にするために、空間的な相対的語句、例えば「ｔｏｐ（上部）」、「ｂｏｔｔｏｍ（下部）」、「ｂｅｎｅａｔｈ（～の下）」、「ｂｅｌｏｗ（下方に）」、「ｌｏｗｅｒ（下部の）」、「ａｂｏｖｅ（上方の）」、「ｕｐｐｅｒ（上部の）」などが、本明細書において使用される場合がある。空間的な相対的語句は、図に描写される方向に加えて、使用中または動作中のデバイスの様々な方向を包含することが意図される。装置は、別の方法で方向付けられる（９０°にまたは他の方向に回転される）場合があり、本明細書で使用される空間的な相対的記述は、同様に、それに従って解釈される場合がある。

本明細書に記載のように、異なる手順の説明の順序は、明確にするために提示される。概して、これらの手順は、任意の適切な順序で行うことができる。また、本明細書の異なる特徴、技術、構成の各々は、本開示の様々な場所で説明される場合があるが、概念のそれぞれは、互いに独立して、または互いに組み合わせて、実行できることが意図される。したがって、本発明は多くの様々な方法で具現化され、かつ考察され得るものである。

サイト固有の医用画像診断装置から収集されたデータを使用してＡＩベース画像復元プロセスを使用する画像復元パラメータを自動で展開するための設定方法および医用画像診断システムについて、本明細書に記載する。ＡＩベース画像復元プロセスは、画像復元モデルを更新するために、訓練データセットとして収集したデータを使用するニューラルネットワークを含む場合がある。カスタム訓練ニューラルネットワークは、より感度が高いか、またはノイズなど特定のタイプの画像品質劣化に事項を非常に適応させることができ、異なるシステムは異なるように動作するといった予想を伴って、特定のシステムに属することができる。ニューラルネットワークが訓練されて、検証されるときに、ニューラルネットワークはシステムに対する更新を推進し、画像復元を段階的に向上させるか、またはシステム向けの画像復元を再較正する。有利には、本明細書に記載のシステムおよび方法は、画像補正／復元プロセスを個々のシステム（あるいはシステム構成要素）に調整すること、および、一旦システムが適切に較正されると、ローカルの操作者によるさらなる介入を必要とすることなく、これを自動的に行う能力を可能にする。上述したように、このことは、異なる寿命の複数の構成要素を用いる動作の異なる耐用年数の異なる時点で実装される複数のシステムにとって特に有用であり、ここで、全てのシステムは、単一の基準に従って較正することができる。

図１は、本実施形態に係る複数の医用画像診断装置（ローカルシステム）を含む、画像復元パラメータの自動展開のための医用画像診断システムの概略を示している。一実施形態では、医用画像診断システムは、医用画像診断装置１００およびリモートサーバ１４０を含む。リモートサーバ１４０は、医用画像診断装置１００に通信可能に連結されている。例えば、リモートサーバ１４０は、イーサネット（登録商標）、衛星リンク、Ｗｉ－Ｆｉ（２．４ＧＨｚ、５ＧＨｚ、６ＧＨｚ）、セルラ（３Ｇ、４Ｇ、５Ｇ）、またはこれらの任意の組み合わせを介して医用画像診断装置１００に接続されうる。特に、複数の医用画像診断装置１００が、（図示のように）リモートサーバ１４０に接続されている場合がある。例えば、２番目の医用画像診断装置１００ａからｎ番目の医用画像診断装置１００ｎが、リモートサーバ１４０に接続されている場合がある。既に言及したように、医用画像診断装置１００は、領域内外で耐用年数が変動する。すなわち、医用画像診断装置１００、２番目の医用画像診断装置１００ａ、ｎ番目の医用画像診断装置１００ｎは、それらの間で全て同じ寿命および同じモデルである必要はない。

本実施形態に係る設定方法は、医用画像診断装置（ローカルシステム）１００によって収集された画像データ（例えば、投影データ）や、画像データの収集に関与する各種パラメータ（例えば、信号ゲインパラメータ、画像分解能パラメータ、信号ノイズパラメータおよびイメージングパラメータなど）などを含む画像品質データをリモートサーバ１４０に送信する。リモートサーバ１４０は、医用画像診断装置１００から受信した画像品質データを用いて、医用画像診断装置１００を較正するための復元情報を生成する。具体的には、リモートサーバ１４０は、医用画像診断装置１００によって収集する画像品質を一定に保つために、画像データを補正するための情報（例えば、訓練済みのニューラルネットワークである新しい復元モデルや、ノイズ補正を行うためのノイズ係数、スキャンパラメータなど）を生成して、医用画像診断装置１００に送信する。医用画像診断装置１００は、復元情報を受信し、受信した復元情報により設定を更新する。本実施形態に係る設定方法は、上記した処理を医用画像診断装置ごとにそれぞれ実施することで、各医用画像診断装置に適した較正を、医用画像診断装置ごとに容易に行うことを可能にする。以下、本実施形態に係る設定方法の詳細について説明する。

図２は、本実施形態に係る画像復元パラメータの自動展開のための医用画像診断システムの概略図を示している。一実施形態では、医用画像診断装置１００は、患者または被検体のイメージングのための放射線学システムであり、イメージング装置およびローカル処理回路を含む。例えば、イメージング装置は、磁気共鳴イメージング（Magnetic Resonance Imaging：ＭＲＩ）、ポジトロン放射断層撮影（Positron Emission Tomography：ＰＥＴ）、Ｘ線透視、コンピュータ断層写真撮影法（Computed Tomography：ＣＴ）、またはそれらの組み合わせ向けに構成される場合がある。例えば、組み合わせは、ＰＥＴイメージング装置およびＣＴイメージング装置であってもよい。イメージング装置は、放射線源を介して所定の電磁放射線を放射し、複数の検出器素子を介して電磁放射線を検出し、ローカル処理回路を介して放射線源と複数の検出器素子との間に配置された被検体の画像を生成するように構成されてよい。ローカル処理回路は、さらに、取得した投影データ、信号ゲインパラメータ、画像分解能パラメータ、信号ノイズパラメータおよびイメージングパラメータに基づいて生成された画像に関連する画像品質データを取得するように構成される。本明細書において、画像品質データを取得することは、揮発性メモリから読み取ること、不揮発性メモリから読み取ること、ユーザ入力デバイスから読み取ること、同機種間またはネットワーク化された接続を通してデータをストリーミングすること、を含む場合がある。信号ノイズパラメータは、例えば、ノイズ電力スペクトル（Noise Power Spectra：ＮＰＳ）、ノイズ補正係数またはこれらの任意の組み合わせを含むノイズ特性を含む場合がある。追加として、画像分解能パラメータは、変調伝達関数（Modulation Transfer Function：ＭＴＦ）を含む場合がある。画像品質データセットの画像は、投影データの再構成を実施することによって取得されるか、または投影データ自体である場合がある。医用画像診断装置１００は、画像品質データを送信し、かつ別のデバイスからデータを受信するように構成されてもよい。なお、画像品質データに含まれる情報のうち、画像から計算されるパラメータについては、リモートサーバ１４０が受信した投影データから取得するようにしてもよい。すなわち、医用画像診断装置１００から投影データのみが送信される場合でもよい。例えば、ローカル業務ソフトウェア１１０（図２を参照）は、医用画像診断装置１００とリモートサーバ１４０との間のインターフェースとして機能してもよい。代替として、ローカル処理回路は、リモートサーバ１４０と直接通信してもよい。ローカル業務ソフトウェア１１０は、ローカル処理回路に実装されてもよい。例えば、ローカル業務ソフトウェア１１０は、リモートサーバ１４０に画像品質データを送信し、同様にリモートサーバ１４０からデータを受信する場合がある。

投影データは、画像復元モデルを反映する場合があるので、特定の画像復元モデル（例えば、ノイズモデル）を使用して取得される必要がないことを理解されるであろう。画像復元（またはノイズ）モデルは、ニューラルネットワークの形態で作製される更新済みの画像復元モデルを可能にし、既存の画像復元モデルと置き換えることが可能である（下記を参照）。したがって、一部の実施形態では、画像復元モデルは、画像品質データとともに送信される必要はない。

一実施形態では、リモートサーバ１４０は、リモート処理回路およびリモート業務ポータル１３０を含む。ニューラルネットワークが、リモート処理回路に実装されてもよく、またリモート処理回路は、ニューラルネットワークのアプリケーションを実施する命令を備えている場合がある。リモート処理回路は、画像品質データまたは訓練データ１５０のセットなど、受信したデータにニューラルネットワークを適用するように構成されてよい。例えば、訓練データ１５０は、既知のノイズ特性を介してノイズが導入されるノイズ除去画像を含む場合がある。リモート業務ポータル１３０は、データを送信および受信するために、医用画像診断装置１００とインターフェースをとるように構成されてよい。訓練データ１５０は、リモートサーバ１４０にとってローカルであるか、ＳＡＴＡ、ＳＡＳ、ＬＡＮ、ＷＬＡＮを含む任意の適切なリンクによって接続されるか、または異なるロケーションから提供されてよい。

本明細書に記載の設定方法および医用画像診断システムは、医用画像診断装置１００が、一般的使用のために、較正され、操作者に引き渡される際に収集された画像劣化特性（ノイズまたはイメージャ点広がり関数など）に基づいたニューラルネットワークの個別化訓練を可能にする。

医用画像診断装置１００の較正における所定の時間、例えば、インストール中または日常業務中に、スキャンパラメータを含む画像品質データおよび画像復元モデルが収集されてもよい。画像復元モデルは、１つまたは複数のＮＰＳ、または対応する医用画像診断装置１００用の固有のスキャンパラメータ／収集モード（例えば、スキャンの長さ、スキャンサイズ、線量など）にそれぞれが対応する他のノイズ測定値（例えば、量子および電子ノイズレベル）を含む場合がある。加えて、画像品質データは、点広がり関数など他のイメージングモデルを含む場合がある。例えば、バイプレーン血管造影Ｘ線システムは、高Ｘ線線量と低Ｘ線線量との両方で（ただし、その両方の可能な全ての線量ではなく）、その検出器ごとに画像復元モデルを収集する場合がある。ローカル画像劣化データベース１２０は、各検出器の画像復元モデルを使用される収集モードに関連付けて、この相関関係の履歴を記憶する場合がある。例えば、履歴は、揮発性メモリ、不揮発性メモリなどに記憶されてよい。点広がり関数および使用統計など、ノイズに直接関係しない追加のデータが、使用される個々の収集モードに関連付けられてもよい。医用画像診断装置１００の較正が、サポート技術者の要望通りに完了した場合、医用画像診断装置１００は、リモートサーバ１４０に、新しい較正が実施されたことを通知する。

リモートサーバ１４０は、医用画像診断装置１００とリモートサーバ１４０とを接続しているネットワークを通して、保存されたデータ（すなわち、画像品質データ）を要求することによって、医用画像診断装置１００からの新しい較正の通知に応答してもよい。例えば、上述したように通信可能に連結されたコンピュータネットワークが使用されてよい。別の例では、画像品質データは、記憶媒体に保存され、かつリモートサーバ１４０に物理的に転送されてよい。例えば、サポート技術者は、記憶媒体をリモートサーバ１４０に移送するか、または記憶媒体をリモートサーバ１４０にメールしてもよい。例えば、記憶媒体としては、コンパクトディスク（Compact Disc：ＣＤ）、ブルーレイ・ディスクまたはユニバーサルシリアルバス（Universal Serial Bus：ＵＳＢ）ドライブなどが挙げられる。保存されたデータは、訓練データ１５０を生成し、画像復元ニューラルネットワークの新しい訓練か、または部分的な訓練済みニューラルネットワークの微調整のどちらかをスケジュールするために使用されてよい。訓練の結果は、医用画像診断装置１００に送信される場合があり、送信される結果は、ローカライズされた（画像品質データを送信した医用画像診断装置１００に適応された）復元情報１６０である場合がある。ローカライズされた復元情報１６０は、例えば、計算されたニューラルネットワークである新しいローカル復元モデル、医用画像診断装置１００によって実施されるノイズ補正プロセス用の改善されたノイズ係数、ローカルイメージング装置用の改善されたスキャンパラメータ、またはこれらの任意の組み合わせ、ならびに、医用画像診断装置１００によって実施されるノイズ補正プロセス用の改善されたノイズ係数をローカルに生成するための遠隔的に計算された新しいローカル復元モデルの重み係数および接続、ローカルイメージング装置用の改善されたスキャンパラメータ、またはこれらの任意の組み合わせを含む場合がある。例えば、医用画像診断装置１００は、固定構成ニューラルネットワークをホストし、固定構成ニューラルネットワーク用の更新済みのノイズ係数のみが、ローカライズされた復元情報１６０で送信される場合がある。一例では、更新済みのノイズ係数は、人工ニューラルネットワークと協働して、医用画像診断装置１００に送信される。

ローカライズされた復元情報１６０バージョンの履歴が、復元ポイントを作成する目的で、医用画像診断装置１００で、例えばローカル画像劣化データベース１２０に保存されてよい。このプロセスは、完全に自動化される場合があるが、一部の実施形態は、訓練を実施して、医用画像診断装置１００を更新するために、操作者の介入を必要とする場合がある。医用画像診断装置１００から１００ｎのうちいずれか１つが復元ポイントに復帰する必要がある場合、復元ポイントは、過去の状態への復帰を可能にする。

さらに、医用画像診断装置１００は、所定の時間（例えば、システムブート、サブシステムブート、オンデマンド、スケジュールされた時間など）で、更新済みのローカライズされた復元情報１６０をロードすることができ、ローカライズされた復元情報１６０を対応する収集モードおよび使用される画像復元処理と相関させる。医用画像診断装置１００が更新された後に、医用画像診断装置１００は、取得した画像が、更新済みのローカライズされた復元情報１６０によって、劣化していないことを保証するために、新しいローカライズされた復元情報１６０に対して画像品質チェックを追加的に実施してもよい。これらの品質チェックは、完全に自動化されるか、または手動のユーザ介入および許可を必要としてもよい。

自動化された画像品質チェックの場合、新たに取得された画像は、過去のローカライズされた復元情報１６０と、新しいローカライズされた復元情報１６０との両方（過去の画像復元モデルおよび新しい画像復元モデル、ならびに過去のイメージングパラメータおよび新しいイメージングパラメータ、すなわちニューラルネットワークを含む）を用いて処理されてよい。また、医用画像診断装置は、信号対雑音比（Signal-To-Noise Ratio：ＳＮＲ）、およびコントラスト対雑音比（Contrast-To-Noise Ratio：ＣＮＲ）のうち少なくとも１つを含む画像品質測定値を計算してもよい。一実施形態では、医用画像診断装置１００は、画像の平坦な（「背景」）領域の位置を決めて、ＳＮＲの代用として、復元された両方の画像の画素の標準偏差を算定する場合がある。医用画像診断装置１００は、追加的に画像内の高コントラストの被検体（例えば、ガイドワイヤ）の位置を決めて、復元された画像内の被検体の視認性の強度に基づいてコントラストを評価してもよい。これらの測定値は、自動的に、または操作者の許可を伴って、新たに実装されたローカライズされた復元情報１６０を承認または拒否するためのベースとなる場合がある。

部分的に自動化された画像品質チェックの場合、技術者（サービス技術者など）は、静止した被検体（例えば、ファントム）のいくつかのフレームを収集することによって、ほぼ欠陥のない画像、またはノイズのない画像を取得する場合があり、その平均値をグラウンドトゥルースとして扱い、それが復元画像のＳＮＲおよびＣＮＲの計算に使用される場合がある。静止した被検体のデータは、自動的に、または操作者の許可を伴って、新たに実装されたローカライズされた復元情報１６０を承認または拒否するためのベースとなる場合がある。

完全に手動の画像品質チェックの場合、技術者は、医用画像診断装置１００とリモートサーバ１４０との両方によって処理されて、技術者に提示されることがある画像を収集する場合がある。この場合、使用するローカライズされた復元情報１６０は、より良い画像を選ぶことによって選択されてよく、これにより、対応するニューラルネットワーク、イメージングパラメータおよび画像復元モデルが選択される。

更新済みのローカライズされた復元情報１６０を使用した改善された画像品質が承認された場合、ローカライズされた復元情報の過去のバージョンは、更新済みのローカライズされた復元情報１６０によって置き換え可能であり、ローカライズされた復元情報の過去のバージョンは、ローカル画像劣化データベース１２０に記憶されてよい。例えば、更新済みのスキャン長さおよび更新済みのスキャン線量などのイメージングパラメータは、更新されてよい。例えば、更新済みのノイズ特性、更新済みのノイズ係数および更新済みのＮＰＳなどの画像復元モデルは、更新されてよい。

一実施形態では、医用画像診断装置１００から画像品質データを取得することと、リモートサーバ１４０に画像品質データを送信することと、医用画像診断装置１００を更新するために更新済みのローカライズされた復元情報１６０を受信することとの全プロセスは、完全に自動化される場合がある。すなわち、医用画像診断装置１００の所定のエリア内に人間がいないという判定に応じて、自己較正が、被検体用のファントムを使用して医用画像診断装置１００によって自動的に開始されてよい。このようなシナリオでは、医用画像診断装置１００は、ロボットアームをさらに含む場合がある。ロボットアームは、医用画像診断装置１００のイメージングエリア内にファントムを配置するように構成されてよい。次に、ファントムの画像が取得されて、画像品質データがリモートサーバ１４０に送信されてよい。このことは、手動のユーザ入力の必要がなく、医用画像診断装置のより柔軟な較正を実施するのに有利となり得る。例えば、自動較正は、イメージングセンタが閉まっているときにも実施することができる。更新済みのローカライズされた復元情報１６０は、自動的に適用されるか、またはユーザ入力が、ローカライズされた復元情報１６０がイメージング結果を向上させることを保証するために要求されてもよい。完全な自動更新プロセス中に、人間が医用画像診断装置１００の所定のエリアに入ったと判定するとすぐに、有害な放射線に人間を曝すことを防止するために、プロセスは直ちに停止されてもよい。

図３Ａは、画像復元モデリング向けにニューラルネットワークを訓練するための上位のフレームワークを提示している。ニューラルネットワークは、グラウンドトゥルース画像復元モデルから生成された訓練データセットを使用して訓練することができる。訓練フェーズでは、プロセス３１０で、訓練データ１５０は、グラウンドトゥルース画像復元モデルを使用して生成することができ、グラウンドトゥルース画像復元モデルは、例えば、モデルベースノイズ推定方法から生成することができる。次に、訓練データ１５０は、ニューラルネットワークを訓練するために使用されてよい。画像復元モデル決定フェーズでは、プロセス３２０で、被検体または患者のイメージングからの画像品質データは、処理されて、次いで、訓練済みニューラルネットワークに適用されて、ニューラルネットワークからの結果とともに更新済みローカル復元モデルとなる。続いて、プロセス３００のステップ３３０の補正フェーズは、医用画像診断装置１００の補正が、ノイズなどの画像品質劣化因子をその後のイメージングから低減または除去するために実施されて、改善された画像が取得され得る。

図３Ｂは、画像品質劣化推定および復元／補正方法の下位のフロー図を提示している。

プロセス３１０のステップ３１０ａで、訓練データが取得される。例えば、訓練データ１５０の複数のセットを含む大きな画像品質劣化訓練データベース（例えば、ローカル画像劣化データベース１２０）は、画像劣化がそれによって左右される、量子ノイズ、電子検出器ノイズ、Ｘ線ビーム漏出および患者の幾何学的形状を含むいくつかの因子を考慮に入れるために使用されてよい。このために、訓練データベースは、ファントムの複数の画像、および被検体の複数の画像を含む場合があるが、それぞれの画像は、画像復元／補正を伴うものと、伴わないものとがある。複数のファントム画像の各画像は、構成された各ファントムの形状、サイズおよび材料の調整を通して所定の人体解剖学に従って選択されてよい。加えて、患者の代表的な母集団を考慮して、患者の複数の画像は、単純および複雑な解剖学的構造の患者を含むために選択されてよく、訓練データは、とりわけ、臓器分布、サイズ、金属含有物およびコントラストを含むばらつきのある典型的な患者データを含む。

プロセス３１０のステップ３１０ｂで、ニューラルネットワークを訓練するための訓練データ１５０は、訓練データ１５０から生成される。ニューラルネットワークを訓練するために、訓練データ１５０は、ニューラルネットワークが訓練されるときにニューラルネットワークへの入力データの適用により、可能な限り密接に対象データに一致する結果を生成するように、対象データと対になった入力データを含む。このために、ニューラルネットワークへの入力データは、既知のパラメータに従って導入される劣化を伴う患者またはファントムのノイズ除去画像など、復元された画像である場合がある。さらに、ニューラルネットワークの対象データは、劣化特性の推定値である。

プロセス３１０のステップ３１０ｃで、入力画像の対応するセットと対になった対象画像を含んだ訓練データ１５０は、ニューラルネットワークの訓練および最適化のために使用される。概して、ニューラルネットワークの訓練は、当業者によって理解されている技法に従って処理されてよく、またニューラルネットワークの訓練は、訓練を実施することができるいくつかの方式を例示するために非限定的な例として提示する、本明細書に記載する特定の例に限定されない。

プロセス３１０の訓練フェーズでのニューラルネットワークの訓練に続いて、プロセス３２０の画像復元モデル決定フェーズが実施される。

プロセス３２０のステップ３２０ａで、画像品質データからの画像品質劣化データは、訓練済みニューラルネットワークへのアプリケーション向けに取得および準備される。例えば、画像品質劣化データは、ノイズデータを含んでいてもよく、またノイズデータは、ＮＰＳ、ノイズ係数などに分解されてよい。準備された画像品質劣化データは、訓練データ１５０内の入力画像／データと同じ構造を有する構成要素に分割されてよい。画像品質劣化データを準備するプロセスは、訓練データ１５０の入力画像／データを準備するための上述の方法のうち任意の１つまたは複数、あるいは任意の他の方法を含んでもよい。

プロセス３２０のステップ３２０ｂで、準備された画像品質劣化データは、訓練済みニューラルネットワークに適用されて、ローカライズされた復元情報１６０が生成される。訓練済みニューラルネットワークの出力は、ノイズを除去することによってステップ３１０ａで取得された（ノイズが多い画像を含む）画像品質データを補正するために使用されてよい。例えば、補正されていないノイズが多い画像からノイズを排除することによって、ノイズ特性は単離され得る。

プロセス３３０のステップ３３０ａで、訓練済みニューラルネットワークからの生成されたローカライズされた復元情報１６０が出力され、結果として生じる更新済み画像復元モデルが、医用画像診断装置１００およびその後の画像収集イベントを補正するために使用される。

プロセス３３０のステップ３３０ｂで、単離された画像品質劣化特性は、医用画像診断装置１００でローカライズされた復元情報１６０を使用して、その後の画像収集イベントのために画像品質劣化が低減または除去された新しい画像を取得するために使用される。

図４は、本実施形態に係る画像品質劣化の決定及び画像復元パラメータの自動展開に関する方法４００のフローチャートの一例を示している。一実施形態では、方法４００は、スケジュールされたメンテナンスあるいは技術者または操作者の要求に応じてオンデマンドでなど、所定の時間間隔で実施され得る。ステップ４１０で、医用画像診断装置１００から、画像品質データが取得される。例えば、画像品質データは、既存の画像復元モデルまたは他のイメージングモデルを含んでいてもよい。画像復元モデルは、固有の画像収集構成に対応するＮＰＳまたは他のノイズ測定値を含んでいてもよい。ステップ４２０で、将来的に医用画像診断装置１００を過去の構成に戻すことが望まれる場合に備えて、医用画像診断装置１００の復元ポイントが保存されてもよい。復元ポイントは、画像生成のために現在利用されている復元モデルを含む、医用画像診断装置１００の設定の「スナップショット」をキャプチャしてよい。ステップ４３０で、画像品質データが、リモートサーバ１４０に送信される。ステップ４４０で、ニューラルネットワークは、訓練データ１５０および画像品質データを使用して訓練される。ステップ４５０で、ローカライズされた復元情報１６０が取得される。ステップ４６０で、ローカライズされた復元情報１６０が、医用画像診断装置１００に送信される。ステップ４７０で、過去のイメージングパラメータを利用している医用画像診断装置１００は、ローカル復元モデルを使用して更新される。ステップ４８０で、更新済みのローカライズされた復元情報１６０およびイメージングパラメータを利用する医用画像診断装置１００を使用して、新しい画像が取得される。

図５Ａは、Ｎ個の入力、Ｋ個の隠れ層、および３個の出力を有する一般的な人工ニューラルネットワーク（ＡＮＮ）の例を示している。各層はノード（ニューロンとも呼ばれる）で構成されており、各ノードは入力の加重和を実施して、加重和の結果を閾値と比較して出力を生成する。ＡＮＮは関数のクラスを作成するが、この場合、このクラスのメンバは、閾値、結合重み、またはノードの個数および／またはそれらの結合性などの構造の詳細を変更することによって取得される。ＡＮＮのノードは、ニューロン（またはニューロンノード）と呼ばれる場合があり、このニューロンは、ＡＮＮシステムの異なる層間で相互結合を有する場合がある。最も簡素なＡＮＮは、３つの層を有し、オートエンコーダと呼ばれる。ニューラルネットワークは、ニューロンの４つ以上の層を有していてもよく、入力ニューロンと同数の出力ニューロンを有するが、この際、Ｎは、訓練画像の画素の数である。シナプス（すなわち、ニューロン間の結合部）は、「重み」と呼ばれる値（同じ意味で「係数」または「重み付け係数」とも呼ばれる）を記憶し、計算中にデータを処理する。ＡＮＮの出力は、（ｉ）ニューロンの異なる層間の相互結合パターン、（ｉｉ）相互結合部の重みを更新するための学習プロセス、および（ｉｉｉ）ニューロンの重み付けられた入力をその出力活性化に変換する活性化関数の３つのタイプのパラメータに依存する。

数学的に、ニューロンのネットワーク関数ｍ（ｘ）は、他の関数ｎ_i（ｘ）の合成として定義され、この他の関数ｎ_i（ｘ）は、さらに他の関数の合成として定義され得る。これは、図５Ａに示すように変数間の依存関係を表す矢印をもつネットワーク構造として便宜上、表現されることがある。例えば、ＡＮＮは、非線形加重和を使用することがあり、関数ｍ（ｘ）は、以下の式（１）にて表現され得る。なお、式（１）におけるＫ（通例、活性化関数と呼ばれる）は、双曲線正接などのいくつかの所定の関数である。

図５Ａにおいて、ニューロン（すなわち、ノード）は、閾値関数を囲む円として描かれている。図５Ａに示されている非限定的な例の場合、入力は線形関数を囲む円として描かれており、また、矢印はニューロン間の方向付けられた伝達を示している。特定の実装形態では、ニューラルネットワークは、図５Ａに例示するような（例えば、有向非巡回グラフとして表される場合がある）フィードフォワードネットワークである。

図５Ｂは、本実施形態に係る設定方法（例えば方法４００）を実施するために使用することができるＸ線診断装置のブロック図である。Ｘ線診断装置は、ガントリ５００およびコンソール５２０を備える。ガントリ５００は、Ｘ線源システム５１１、コリメーションシステム５１２、テーブル５１３、検出システム５１４およびガントリ制御伝送回路５１５を備える。

Ｘ線源システム５１１は、高電圧発生器５１０およびＸ線管５０１を備える。高電圧発生器５１０は、ガントリ制御伝送回路５１５の制御下で高電圧をＸ線管５０１に適用して、ガントリ制御伝送回路５１５の制御下でフィラメント電流をＸ線管５０１に供給する。Ｘ線管５０１は、高電圧発生器５１０からのトリガの受信に応じて被検体ＯＢＪに対して照射するＸ線を生成する。

コリメーションシステム５１２は、Ｘ線管５０１からのＸ線ビームのスペクトルを変更するビームフィルター／減衰器５１６を備える。コリメータ５１７は、操作時に選択される画像視野に従って開閉する。コリメーションシステム５１２は、被検体ＯＢＪに対して照射するＸ線のＸ線ビームを形成する。

検出システム５１４は、被検体ＯＢＪを通過して伝播されるＸ線を吸収して、吸収したＸ線の強度に比例する電荷信号を生成するように構成された検出器素子（画素）の二次元アレイを備える。各画素の電気信号は、増幅されて、Ａ／Ｄ変換器によってデジタル数字に変換される。

例えば、検出システム５１４は、検出器５０３およびデータ収集システム（Data Acquisition System：ＤＡＳ）５０４を備える。検出器５０３は、Ｘ線管５０１から生成されたＸ線を検出する。検出器５０３は、二次元に配列された複数の検出素子を装備している。各検出素子は、Ｘ線管５０１から生成されたＸ線を検出して、検出したＸ線の強度に対応する電気信号（電流信号）を生成する。

生成された電気信号は、ＤＡＳ５０４に供給される。ＤＡＳ５０４は、増幅器５０４Ａ、Ａ／Ｄ変換器５０４Ｂおよび制御パネル５０４Ｃを備える。ＤＡＳ５０４は、検出器５０３を介して電気信号を読み取って、制御パネル５０４Ｃを介して読み取った電気信号を取得する。ガントリ制御伝送回路５１５は、高電圧発生器５１０、減衰器５１６、コリメータ５１７および制御パネル５０４Ｃを制御して、Ｘ線イメージングを実行する。

コンソール５２０は、前処理回路５２１、画像処理回路５２２、ディスプレイ５２３、操作デバイス５２４、データ記憶装置５２５およびシステム制御回路５２６を備える。

前処理回路５２１は、ガントリ制御伝送回路５１５を介して検出システム５１４から供給される未処理データに対する感度補正などの前処理を実施する。

画像処理回路５２２は、本明細書に記載の画像処理方法、例えば方法３００および４００を実施することができる。

ディスプレイ５２３は、画像処理回路５２２によって生成された画像を表示する。

操作デバイス５２４は、入力デバイスを介して、操作者からの様々なタイプのコマンドおよび情報入力を承認する。

データ記憶装置（メモリ）５２５は、未処理データ、ならびに投影データおよび画像などの様々なタイプのデータを記憶する。加えて、データ記憶装置５２５は、Ｘ線装置用の制御プログラム、および本明細書に記載の画像処理方法を実施するための制御プログラムを記憶する。

システム制御回路５２６は、Ｘ線診断装置の主回路として機能する。システム制御回路５２６は、データ記憶装置５２５に記憶されている制御プログラムを読み取り、かつメモリにプログラムをロードする。システム制御回路５２６は、ロードされた制御プログラムに従ってＸ線診断装置内の対応する回路を制御する。

前述の説明では、具体的な詳細、例えば、処理システムの特定の形態、それに関して使用される様々な構成要素およびプロセスの説明が記載されている。しかしながら、本明細書の技法は、これらの具体的詳細からはそれるその他の実施形態において実施されてもよいこと、およびそのような詳細は、説明目的であって、制限するためのものではないことが理解されるべきである。本明細書に開示された実施形態は、添付の図面を参照して説明してきた。同様に、説明の目的のために、特定の数、材料、および構成が、完全な理解を提供するために記載されている。それでも、実施形態は、そのような特定の詳細なしに実施されてもよい。実質的に同一の機能構成を有する構成要素には、類似の参照符号が付され、そのためいずれかの重複する説明は省略される場合がある。

種々の技法は、様々な実施形態の理解を助けるために、複数の別個の操作として記載されている。説明の順序は、これらの操作が必然的に順序に従うことを意味すると解釈されるべきではない。実際、これらの操作は、提示の順序で実施される必要はない。説明した操作は、上記実施形態とは異なる順序で実施されてもよい。種々の追加の操作が実施されてもよく、および／または記載された操作は、追加の実施形態において省略されてもよい。

本開示の実施形態は、以下のように付加的に述べることもできる。

（１）ローカルイメージングシステムで、イメージングパラメータの第１セットを使用して、被検体を通した複数の光線に沿って検出された放射線の強度を表す被検体の投影データを取得することと、取得した投影データに関連する画像品質データセットをリモートサーバに伝送することと、リモートサーバを介して、受信した画像品質データセットに基づいてローカライズされた復元情報を生成することと、リモートサーバからローカルイメージングシステムに、ローカライズされた復元情報を転送することと、ローカライズされた復元情報を使用して、ローカルイメージングシステムを更新することと、を含む、方法。

（２）被検体はファントムであり、投影データを取得するステップは、人間がローカルイメージングシステムの所定のエリアに配置されていないという判断に応じて、人間の初期処理を伴わずにファントムの投影データを取得することをさらに含む、（１）の方法。

（３）投影データを取得するステップは、ロボットを用いてイメージングエリアにファントムを配置することをさらに含む、（２）の方法。

（４）ローカルイメージングシステムからリモートサーバにイメージングパラメータの第１セットを伝送することと、イメージングパラメータの第１セットを第１復元ポイントとして保存することと、をさらに含む、（１）から（３）のいずれか１つの方法。

（５）ローカライズされた復元情報は、イメージングパラメータの第２セットを含み、ローカルイメージングシステムを更新することは、イメージングパラメータの第１セットを、イメージングパラメータの第２セットと置き換えることをさらに含む、（１）から（４）のいずれか１つの方法。

（６）投影データは、第１画像復元モデルを使用して取得され、ローカライズされた復元情報は、第２画像復元モデルを含み、ローカルイメージングシステムを更新することは、第１画像復元モデルを、第２画像復元モデルに置き換えることを含む、（１）から（５）のいずれか１つの方法。

（７）画像品質データセットは、投影データの再構成を実施することによって取得される画像を含む、（１）から（６）のいずれか１つの方法。

（８）ローカルイメージングシステムで、リモートサーバから受信したローカライズされた復元情報を使用して、画像を取得すること、をさらに含む、（１）から（７）のいずれか１つの方法。

（９）ローカルイメージングシステムにローカライズされた復元情報を転送するステップは、コンピュータネットワークを使用して実施される、（１）から（８）のいずれか１つの方法。

（１０）ローカライズされた復元情報を生成するステップは、ローカライズされた復元情報を生成するために、リモートサーバを介して、受信した画像品質データセットに基づいて人工ニューラルネットワークを計算することをさらに含む、（１）から（９）のいずれか１つの方法。

（１１）処理回路を備えるイメージングシステムであって、該処理回路は、ローカルイメージングシステムで、イメージングパラメータの第１セットを使用して、被検体を通した複数の光線に沿って検出された放射線の強度を表す被検体の投影データを取得し、取得した投影データに関連する画像品質データセットをリモートサーバに伝送し、リモートサーバを介して、受信した画像品質データセットに基づいてローカライズされた復元情報を生成し、リモートサーバからローカルイメージングシステムに、ローカライズされた復元情報を転送し、ローカライズされた復元情報を使用して、ローカルイメージングシステムを更新する、ように構成される、イメージングシステム。

（１２）被検体はファントムであり、処理回路は、人間がローカルイメージングシステムの所定のエリアに配置されていないという判断に応じて、人間の初期処理を伴わずにファントムの投影データを取得することによって、投影データを取得するようにさらに構成される、（１１）のシステム。

（１３）処理回路は、ロボットを用いてイメージングエリアにファントムを配置することによって投影データを取得するようにさらに構成される、（１２）のシステム。

（１４）処理回路は、ローカルイメージングシステムからリモートサーバにイメージングパラメータの第１セットを伝送し、イメージングパラメータの第１セットを第１復元ポイントとして保存するようにさらに構成される、（１１）から（１３）のいずれか１つのシステム。

（１５）ローカライズされた復元情報は、イメージングパラメータの第２セットを含み、処理回路は、イメージングパラメータの第１セットを、イメージングパラメータの第２セットと置き換えることによって、ローカルイメージングシステムを更新するようにさらに構成される、（１１）から（１４）のいずれか１つのシステム。

（１６）投影データは、第１画像復元モデルを使用して取得され、ローカライズされた復元情報は、第２画像復元モデルを含み、処理回路は、第１画像復元モデルを、第２画像復元モデルと置き換えることによって、ローカルイメージングシステムを更新するようにさらに構成される、（１１）から（１５）のいずれか１つのシステム。

（１７）画像品質データセットは、投影データの再構成を実施することによって取得される画像を含む、（１１）から（１６）のいずれか１つのシステム。

（１８）処理回路は、ローカルイメージングシステムで、ローカライズされた復元情報を使用して、画像を取得するようにさらに構成される、（１１）から（１７）のいずれか１つのシステム。

（１９）実行可能命令を含む非一時的コンピュータ可読記憶媒体であって、該命令は回路によって実行されると、該回路に、ローカルイメージングシステムで、イメージングパラメータの第１セットを使用して、被検体を通した複数の光線に沿って検出された放射線の強度を表す被検体の投影データを取得することと、取得した投影データに関連する画像品質データセットをリモートサーバに伝送することと、リモートサーバを介して、受信した画像品質データセットに基づいてローカライズされた復元情報を生成することと、リモートサーバからローカルイメージングシステムに、ローカライズされた復元情報を転送することと、ローカライズされた復元情報を使用して、ローカルイメージングシステムを更新することと、を含む、イメージングシステムにおいて低減する方法を実施させる、非一時的コンピュータ可読記憶媒体。

（２０）被検体はファントムであり、投影データを取得するステップは、人間がローカルイメージングシステムの所定のエリアに配置されていないという判断に応じて、人間の初期処理を伴わずにファントムの投影データを取得することをさらに含む、（１９）の非一時的コンピュータ可読記憶媒体。

（２１）ローカルイメージングシステムにローカライズされた復元情報を転送するステップは、記憶媒体を使用して実施される、（１）から（１０）のいずれか１つの方法。

上記したように、実施形態によれば、装置ごとの較正を容易に行うことを可能にする。

当業者はまた、依然として本発明の同じ目的を達成しながら、上述した技法の操作に対してなされた多くの変形形態が存在し得ることを理解するであろう。このような変形形態は、本開示の範囲に含まれることが意図される。このように、本発明の実施形態の上記の説明は、限定することを意図するものではない。むしろ、本発明の実施形態に対するいずれの制限も、以下の特許請求の範囲に示されている。

Claims (20)

1. 医用画像診断装置においてイメージングパラメータの第１セットを用い、被検体を透過した放射線の強度を示す投影データを収集し、
   前記投影データに関連する画像品質データセットをサーバに送信し、
   前記サーバにおいて、前記画像品質データセットに基づいて前記医用画像診断装置に適応させた復元情報を生成し、
   前記復元情報を前記医用画像診断装置に送信し、
   前記復元情報を用いて、前記医用画像診断装置の設定を更新する、
   ことを、含む設定方法。
2. 前記被検体はファントムであり、
   前記医用画像診断装置における所定のエリアに人間が配置されていないという判定に応じて、操作者による初期処理を伴わずに前記ファントムの前記投影データを収集することをさらに含む、請求項１に記載の設定方法。
3. 前記ファントムは、ロボットを用いて前記投影データを収集するイメージングエリアに配置される、請求項２に記載の設定方法。
4. 前記医用画像診断装置から前記サーバに前記イメージングパラメータの第１セットを送信し、
   前記イメージングパラメータの第１セットを第１復元ポイントとして保存する、
   ことをさらに含む、請求項１に記載の設定方法。
5. 前記医用画像診断装置に適応させた復元情報は、前記イメージングパラメータの第２セットを含み、前記医用画像診断装置の設定の更新は、前記イメージングパラメータの第１セットを、前記イメージングパラメータの第２セットと置き換えることをさらに含む、請求項１に記載の設定方法。
6. 前記投影データは、第１画像復元モデルを用いて収集され、
   前記医用画像診断装置に適応させた復元情報は、第２画像復元モデルを含み、
   前記医用画像診断装置の設定の更新は、前記第１画像復元モデルを、前記第２画像復元モデルに置き換えることをさらに含む、請求項１に記載の設定方法。
7. 前記画像品質データセットは、前記投影データを再構成することによって取得される画像を含む、請求項１に記載の設定方法。
8. 前記医用画像診断装置において、前記サーバから受信した前記医用画像診断装置に適応させた復元情報を用いて画像を取得することをさらに含む、請求項１に記載の設定方法。
9. 前記医用画像診断装置への前記医用画像診断装置に適応させた復元情報の送信は、コンピュータネットワークを使用して実施される、請求項１に記載の設定方法。
10. 前記医用画像診断装置に適応させた復元情報の生成は、前記サーバにおいて、受信した画像品質データセットに基づいて人工ニューラルネットワークを計算することをさらに含む、請求項１に記載の設定方法。
11. 医用画像診断装置においてイメージングパラメータの第１セットを用い、被検体を透過した放射線の強度を示す投影データを収集し、
    前記投影データに関連する画像品質データセットをサーバに送信し、
    前記サーバにおいて、前記画像品質データセットに基づいて前記医用画像診断装置に適応させた復元情報を生成し、
    前記復元情報を前記医用画像診断装置に送信し、
    前記復元情報を用いて、前記医用画像診断装置の設定を更新する、処理回路
    を備える、医用画像診断システム。
12. 前記被検体はファントムであり、
    前記処理回路は、前記医用画像診断装置における所定のエリアに人間が配置されていないという判定に応じて、操作者による初期処理を伴わずに前記ファントムの前記投影データを取得する、請求項１１に記載の医用画像診断システム。
13. 前記処理回路は、ロボットを用いて前記投影データを収集するイメージングエリアに前記ファントムを配置する、請求項１２に記載の医用画像診断システム。
14. 前記処理回路は、
    前記医用画像診断装置から前記サーバに前記イメージングパラメータの第１セットを送信し、
    前記イメージングパラメータの第１セットを第１復元ポイントとして保存する、請求項１１に記載の医用画像診断システム。
15. 前記医用画像診断装置に適応させた復元情報は、イメージングパラメータの第２セットを含み、前記処理回路は、前記イメージングパラメータの第１セットを、前記イメージングパラメータの第２セットと置き換えることによって、前記医用画像診断装置の設定を更新する、請求項１１に記載の医用画像診断システム。
16. 前記投影データは、第１画像復元モデルを使用して取得され、
    前記医用画像診断装置に適応させた復元情報は、第２画像復元モデルを含み、
    前記処理回路は、前記第１画像復元モデルを、前記第２画像復元モデルと置き換えることによって、前記医用画像診断装置の設定を更新する、請求項１１に記載の医用画像診断システム。
17. 前記画像品質データセットは、前記投影データを再構成することによって取得される画像を含む、請求項１１に記載の医用画像診断システム。
18. 前記処理回路は、前記医用画像診断装置において、前記医用画像診断装置に適応させた復元情報を用いて画像を取得する、請求項１１に記載の医用画像診断システム。
19. 医用画像診断装置においてイメージングパラメータの第１セットを用い、被検体を透過した放射線の強度を示す投影データを収集し、
    前記投影データに関連する画像品質データセットをサーバに送信し、
    前記サーバにおいて、前記画像品質データセットに基づいて前記医用画像診断装置に適応させた復元情報を生成し、
    前記復元情報を前記医用画像診断装置に送信し、
    前記復元情報を用いて、前記医用画像診断装置の設定を更新する、
    各処理をコンピュータに実行させる、プログラム。
20. 前記被検体はファントムであり、
    前記医用画像診断装置における所定のエリアに人間が配置されていないという判定に応じて、操作者による初期処理を伴わずに前記ファントムの前記投影データを取得する処理を前記コンピュータにさらに実行させる、請求項１９に記載のプログラム。

Images