JP2023027474A - Ｘ線診断装置、医用画像処理装置、およびプログラム - Google Patents

Abstract

【課題】撮像視野に含まれる要素に応じて、マルチ周波数処理における適切なパラメータを決定すること。【解決手段】実施形態に係るＸ線診断装置は、検出部と、決定部と、画像処理部とを備える。検出部は、被検体が撮像されたＸ線画像データから要素を検出する。決定部は、要素の検出結果に基づいて、マルチ周波数処理のパラメータを決定する。画像処理部は、決定されたパラメータに基づいて、Ｘ線画像データおよび当該Ｘ線画像データより後に撮像された他のＸ線画像データのうち少なくとも一方に対してマルチ周波数処理を実行する。【選択図】図１

Description

本明細書及び図面に開示の実施形態は、Ｘ線診断装置、医用画像処理装置、およびプログラムに関する。

従来、Ｘ線診断装置における画像処理として、マルチ周波数処理が知られている。マルチ周波数処理では、原画像や複数の非鮮鋭画像の差分のバンドパス信号を抽出し、各バンドパス信号に係数をかけて加算することで強調信号を算出しており、複数の周波数帯域信号を独立して強調することで自由な強調特性を実現できる。

マルチ周波数処理で使用されるパラメータは、撮像視野に含まれる要素等によって最適な値が異なる。このため、例えば医師による手技中の撮像視野に含まれる要素が、Ｘ線照射領域の移動またはデバイスの位置の移動等に応じて変化するにも関わらずマルチ周波数処理において同一のパラメータを適用すると、適切な画質のＸ線画像データが得られない場合がある。

特開２０１５－２０８６３８号公報

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、例えば撮像視野に含まれる要素に応じて、マルチ周波数処理における適切なパラメータを決定することである。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づけることもできる。

実施形態に係るＸ線診断装置は、検出部と、決定部と、画像処理部とを備える。検出部は、被検体が撮像されたＸ線画像データから要素を検出する。決定部は、要素の検出結果に基づいて、マルチ周波数処理のパラメータを決定する。画像処理部は、決定されたパラメータに基づいて、Ｘ線画像データおよび当該Ｘ線画像データより後に撮像された他のＸ線画像データのうち少なくとも一方に対してマルチ周波数処理を実行する。

図１は、第１の実施形態に係るＸ線診断装置の構成の一例を示すブロック図である。 図２は、第１の実施形態に係る原画像データのセグメンテーションの一例を示す図である。 図３は、第１の実施形態に係る周波数分離処理の一例を示す図である。 図４は、第１の実施形態に係る強調特性調整処理の一例を示す図である。 図５は、第１の実施形態に係るマルチ周波数処理の流れの一例を示すフローチャートである。 図６は、第２の実施形態に係るマルチ周波数処理のパラメータの調整の一例を示す図である。 図７は、第３の実施形態に係るＲＯＩの一例を示す図である。 図８は、第３の実施形態に係るカテーテルに対応する係数群が適用された周波数帯域データおよび背景データの一例を示す図である。 図９は、第３の実施形態に係るガイドワイヤに対応する係数群が適用された周波数帯域データおよび背景データの一例を示す図である。 図１０は、第３の実施形態に係る骨に対応する係数群が適用された周波数帯域データおよび背景データの一例を示す図である。 図１１は、変形例１に係るマルチ周波数処理のパラメータが登録されたテーブルの一例を示す図である。 図１２は、第１の変形例に係るパラメータセットが適用された周波数帯域データ、および背景データの一例を示す図である。 図１３は、図１２とは異なるパラメータセットが適用された周波数帯域データ、および背景データの一例を示す図である。 図１４は、変形例２に係るモニタの表示の一例を示す図である。

以下、図面を参照しながら、Ｘ線診断装置、医用画像処理装置、およびプログラムの実施形態について詳細に説明する。

（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１００の構成の一例を示すブロック図である。Ｘ線診断装置１００は、被検体ＰにＸ線を照射することにより、被検体Ｐが撮像されたＸ画像データを生成する。なお、被検体Ｐは、Ｘ線診断装置１００に含まれない。Ｘ線診断装置１００は、例えば、循環器、消化管、泌尿器、整形、ＩＶＲ（Interventional Radiology）等の検査および治療の際に用いられる。なお、Ｘ線診断装置１００の用途はこれらに限定されるものではない。

図１に示すように、Ｘ線診断装置１００は、Ｘ線発生部１と、Ｘ線検出部２と、機構部３と、高電圧発生部４と、保持アーム５と、機構制御部６と、画像演算・記憶部７と、表示装置８と、操作部９と、システム制御部１０と、寝台１７とを備える。

また、Ｘ線発生部１は、Ｘ線管１５と、Ｘ線絞り器１６とを備える。Ｘ線検出部２は、画像データ生成部２０と、平面検出器（Flat Panel Detector：ＦＰＤ）２１と、ゲートドライバ２２とを備える。機構部３は、保持アーム移動機構４１と、寝台移動機構４２とを備える。画像データ生成部２０は、電荷・電圧変換器２３と、Ａ／Ｄ（Analog／Digital）変換器２４と、パラレル・シリアル変換器２５とを備える。

高電圧発生部４は、システム制御部１０による制御の下、高電圧を発生し、発生した高電圧をＸ線管１５に供給する高電圧電源である。

Ｘ線管１５は、高電圧発生部４から供給される高電圧を用いて、Ｘ線を発生する。

Ｘ線絞り器１６は、Ｘ線管１５が発生したＸ線を、被検体Ｐの関心領域に対して選択的に照射されるように絞り込む。

保持アーム５は、Ｘ線発生部１、およびＸ線検出部２を保持する。保持アーム５は、両端でＸ線発生部１とＸ線検出部２をそれぞれ支持し、アルファベットのＣに類似の形状のため、Ｃアームともいう。なお、図１では、Ｘ線診断装置１００は、１本の保持アーム５を備えるが、さらにΩアームを備えるバイプレーン構成であっても良い。

機構制御部６は、システム制御部１０による制御の下、保持アーム移動機構４１および寝台移動機構４２を制御することで、保持アーム５の回転や移動、寝台１７の移動を調整する。

保持アーム移動機構４１は、保持アーム５を回転または移動させる機構であり、不図示のモータおよびアクチュエータ等を含む。

寝台移動機構４２は、寝台１７を移動させる機構であり、不図示のモータおよびアクチュエータ等を含む。

寝台１７は、被検体Ｐを載置する。寝台１７は、被検体Ｐを載置した状態で、寝台移動機構４２によって上下方向、前後方向、および傾斜方向に移動可能である。

Ｘ線検出部２は、被検体Ｐを通過したＸ線を検出し、検出結果に基づくＸ線画像データを生成する。

具体的には、平面検出器２１は、被検体Ｐを透過したＸ線を検出し、検出結果を画像データ生成部２０に送信する。平面検出器２１は、例えば、検出膜、画素容量部、ＴＦＴ（Thin Film Transistor）等を備える。平面検出器２１は、本実施形態におけるＸ線検出器の一例である。

ゲートドライバ２２は、システム制御部１０による制御の下、平面検出器２１に蓄積された電荷をＸ線画像信号として読み出すためにＴＦＴのゲート端子に駆動電圧を供給する。

画像データ生成部２０は、平面検出器２１により検出された検出信号からＸ線画像データを生成し、生成したＸ線画像データを画像データ記憶回路１３に格納する。例えば、画像データ生成部２０は、平面検出器２１により検出した検出信号に対して、電流・電圧変換やＡ／Ｄ変換、パラレル・シリアル変換を行い、Ｘ線画像データを生成する。

具体的には、電荷・電圧変換器２３は、平面検出器２１から読み出された電荷を電圧に変換する。Ａ／Ｄ変換器２４は、電荷・電圧変換器２３の出力をデジタル信号（デジタルデータ）に変換する。パラレル・シリアル変換器２５は、デジタル信号に変換された検出信号を時系列的なデータ要素に変換する。

画像演算・記憶部７は、画像データ生成部２０によって生成されたＸ線画像データの補正および記憶をする。本実施形態においては、補正前後のＸ線画像データを区別する場合、画像データ生成部２０によって生成されたＸ線画像データを原画像データと称し、原画像データが画像演算・記憶部７で補正されたものを表示用Ｘ線画像データと称する。

画像演算・記憶部７は、記憶回路１１と、画像演算回路１２と、画像データ記憶回路１３とを備える。

記憶回路１１は、画像演算回路１２によって読み出されて実行される各種機能に対応するプログラムを記憶する。また、記憶回路１１は、画像演算回路１２で実行される各種の処理で使用されるデータを記憶する。例えば、記憶回路１１は、マルチ周波数処理のパラメータの自動設定機能のオン・オフのステータスを表す情報、および学習済みモデル等を記憶する。

記憶回路１１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。記憶回路１１は、記憶部の一例である。

画像演算回路１２は、画像データ生成部２０によって生成された原画像データに画像処理を施すことにより表示用Ｘ線画像データを生成し、生成した表示用Ｘ線画像データを画像データ記憶回路１３に記憶させる。

本実施形態において、画像演算回路１２が施す画像処理は、マルチ周波数処理である。なお、画像演算回路１２は、さらに、マルチ周波数処理以外の画像処理を原画像データに施しても良い。また、本実施形態の画像演算回路１２は、撮像視野（Field Of View：ＦＯＶ）に含まれる要素に応じたマルチ周波数処理のパラメータの自動設定機能を備える。

より詳細には、画像演算回路１２は、取得機能１２０と、検出機能１２１と、決定機能１２２と、周波数分離機能１２３ａと、強調機能１２３ｂと、合成機能１２３ｃとを備える。また、周波数分離機能１２３ａ、強調機能１２３ｂ、および合成機能１２３ｃを総称して、マルチ周波数処理機能１２３という。取得機能１２０は、取得部の一例である。検出機能１２１は、検出部の一例である。決定機能１２２は、決定部の一例である。マルチ周波数処理機能１２３は、画像処理部およびマルチ周波数処理部の一例である。周波数分離機能１２３ａは、周波数分離部の一例である。強調機能１２３ｂは、強調機能部の一例である。合成機能１２３ｃは、合成部の一例である。各機能の詳細は後述する。

画像演算回路１２は、例えば記憶回路１１から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各回路は、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。

表示装置８は、表示用画像メモリ３１と、Ｄ／Ａ（Digital／Analog）変換器３２と、表示制御回路３３と、モニタ３４とを備える。

表示用画像メモリ３１は、画像演算回路１２によって生成された表示用Ｘ線画像データのうち、表示制御回路３３によって読み出されたものを一時的に記憶する。

Ｄ／Ａ変換器３２は、表示用Ｘ線画像データをＤ／Ａ変換する。

表示制御回路３３は、モニタ３４を制御するプロセッサであり、画像演算回路１２によって生成された表示用Ｘ線画像データを画像データ記憶回路１３から読み出し、Ｄ／Ａ変換器３２に変換させた上でモニタ３４に表示させる。表示制御回路３３は、表示制御部の一例である。また、表示制御回路３３は、各種のＧＵＩ（Graphical User Interface）をモニタ３４に表示させても良い。

モニタ３４は、表示用Ｘ線画像データに基づくＸ線画像、および操作者の指示を受け付けるためのＧＵＩが表示される。液晶ディスプレイや有機ＥＬ（Organic Electro－Luminescence：ＯＥＬ）ディスプレイ等により実現される。モニタ３４は、表示部の一例である。

操作部９は、操作者からの各種指示や情報入力を受け付ける。操作部９は、例えば、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、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、及び音声入力回路等によって実現される。なお、操作部９がタッチスクリーンである場合、モニタ３４とタッチパッドとが一体化されたものであっても良い。

操作部９は、システム制御部１０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システム制御部１０へと出力する。例えば、操作部９は操作者によるマルチ周波数処理のパラメータの自動設定機能のオン・オフの操作を受け付ける。操作部９は、マルチ周波数処理のパラメータの自動設定機能のオン・オフの操作を受け付けた場合、受け付けた操作内容をシステム制御部１０に送出する。

また、操作部９は、操作者による撮像条件、検査プロトコル等の入力操作を受け付ける。操作部９は、受け付けた操作内容をシステム制御部１０に送出する。また、システム制御部１０は、操作部９から取得した各種の操作内容を、画像演算回路１２に送出する。

撮像条件は、撮像体系、撮像視野、および拡大率、に関する設定を含む。

撮像体系は、撮像に用いられる機器と被検体Ｐとの位置関係、撮像に用いられる機器間の位置関係に関する定義事項または情報である。撮像に用いられる機器と被検体Ｐとの位置関係、撮像に用いられる機器間の位置関係は、撮像ジオメトリともいう。撮像に用いられる機器は、例えばＸ線管１５および平面検出器２１である。

撮像体系は、例えば、Ｘ線源受像面間距離（Source Image Distance：ＳＩＤ）、ＳＳＤ（Source Skin Distance）、寝台１７の高さ、保持アーム５の回転量を含む。

拡大率は、例えば「ＬｉｖｅＺｏｏｍ」と呼ばれる機能により、操作者によって指定される。ＬｉｖｅＺｏｏｍは、モニタ３４に描出されたＸ線画像をユーザが操作部９を操作することにより拡大または縮小する機能である。

検査プロトコルは、Ｘ線診断装置１００における検査の手順を示す情報であり、撮像対象部位や、各種の撮像の実行順が定義されている。例えば、複数の検査プロトコルが予め記憶回路１１に記憶されており、操作者が操作部９により、被検体Ｐの撮像の際に用いられる検査プロトコルを選択しても良い。

なお、本明細書において操作部９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、Ｘ線診断装置１００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、この電気信号を制御回路へ出力する電気信号の処理回路も操作部９の例に含まれる。操作部９は、入力インタフェースともいう。操作部９は、本実施形態における受付部の一例である。

システム制御部１０は、Ｘ線診断装置１００による撮像処理を制御する。システム制御部１０は、例えば、処理回路１０１、および記憶回路１０２を備える。

処理回路１０１は、Ｘ線診断装置１００で実行される撮像処理を実行するプロセッサである。また、処理回路１０１は、Ｘ線診断装置１００に含まれる各種構成を制御することにより、Ｘ線診断装置１００全体を制御する。例えば、処理回路１０１は、操作部９が操作者より受け付けた各種の操作内容を、画像演算回路１２に送出する。

記憶回路１０２は、処理回路１０１によって読み出されて実行される各種機能に対応するプログラムを記憶する。記憶回路１０２は、例えば、ＲＡＭ、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。

上記説明では、「プロセッサ」が各機能に対応するプログラムを記憶回路１１，１０２から読み出して実行行する例を説明したが、実施形態はこれに限定されない。「プロセッサ」という文言は、例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ(Graphics Processing Unit)、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。プロセッサが例えばＣＰＵである場合、プロセッサは記憶回路１１，１０２に保存されたプログラムを読み出して実行することで機能を実現する。一方、プロセッサがＡＳＩＣである場合、記憶回路１１，１０２にプログラムを保存する代わりに、当該機能がプロセッサの回路内に論理回路として直接組み込まれる。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１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。

次に、本実施形態の画像演算回路１２が備える各機能について説明する。

取得機能１２０は、画像データ記憶回路１３から、被検体Ｐが撮像された原画像データを、取得する。

検出機能１２１は、被検体Ｐが撮像された原画像データから要素を検出する。

本実施形態において、要素は、Ｘ線画像データに描出されたオブジェクトであり、具体的には被検体Ｐの身体組織、または医療機器である。Ｘ線画像データに描出される医療機器には、例えばＩＶＲで使用されるカテーテル、ガイドワイヤ、およびステント等のデバイスがある。Ｘ線画像データに描出される身体組織は、例えば骨、血管、横隔膜、肺野等がある。

より詳細には、検出機能１２１は、取得機能１２０によって取得された原画像データ上に描出された要素の種類、および要素が描出された画像領域を検出する。本実施形態においては、検出機能１２１は、学習済みモデルを使用して、要素ごとの原画像データのセグメンテーション結果を得る。

図２は、第１の実施形態に係る原画像データ８１のセグメンテーションの一例を示す図である。図２に示すように、学習済みモデル９０に原画像データ８１が入力されると、原画像データ８１に描出された要素の種類を示すラベルと、各要素が描出された画像領域とが出力される。図２では、原画像データ８１のセグメンテーション結果を、領域分割済み画像データ８２として図示する。

学習済みモデル９０は、複数の学習用Ｘ線画像データと、当該複数の学習用Ｘ線画像データに対応する要素別のセグメンテーション結果とを対応付けて学習したモデルである。学習済みモデル９０は、例えば、ニューラルネットワーク等のディープラーニング（深層学習）またはその他の機械学習によって生成された学習済みモデルとする。ディープラーニングの手法としては、深層畳み込みニューラルネットワーク（ＤＣＮＮ：Deep Convolutional Neural Network）、畳み込みニューラルネットワーク（ＣＮＮ：Convolutional Neural Network）、再帰型ニューラルネットワーク（ＲＮＮ：Recurrent Neural Network）などを適用することができるが、これらに限定されるものではない。学習済みモデル９０は、例えば、ニューラルネットワークと、学習済みパラメータデータとによって構成される。

学習済みモデル９０は、例えば記憶回路１１に記憶されているものとする。検出機能１２１は、記憶回路１１から学習済みモデル９０を読み出し、原画像データ８１を入力する。あるいは、検出機能１２１に学習済みモデル９０が組み込まれていても良い。

学習済みモデル９０は、Ｘ線診断装置１００以外の情報処理装置で生成されても良いし、Ｘ線診断装置１００が学習済みモデル９０を生成する学習機能を備えても良い。

また、本実施形態における学習済みモデル９０は、これらの学習済みモデル９０が出力した成果物に対してユーザがフィードバックを与えることにより、学習済みモデル９０の内部アルゴリズムを更に更新する「自己学習するモデル」を含む。

図２に示す例では、要素としてＧｕｉｄｉｎｇ ｃａｔｈｅｔｅｒ（ガイディングカテーテル）、Ｃａｔｈｅｔｅｒ（カテーテル）、Ｇｕｉｄｅ ｗｉｒｅ（ガイドワイヤ）、およびＶｅｒｔｅｂｒａ（椎骨）が検出されている。

原画像データ８１上でガイディングカテーテルが描出された範囲は、領域分割済み画像データ８２上の画像領域７０ａとして図示されている。また、カテーテルが描出された範囲は、領域分割済み画像データ８２上の画像領域７０ｂとして図示されている。ガイドワイヤが描出された範囲は、領域分割済み画像データ８２上の画像領域７０ｃとして図示されている。椎骨が描出された範囲は、領域分割済み画像データ８２上の画像領域７０ｄとして図示されている。以下、個々の要素が描出された画像領域７０ａ～７０ｄを特に区別しない場合は、単に画像領域７０という。

また、原画像データ８１上でいずれの要素も検出されていない領域は、背景領域６０という。

図１に戻り、決定機能１２２は、検出機能１２１による要素の検出結果に基づいて、マルチ周波数処理のパラメータを決定する。

マルチ周波数処理は、空間周波数の周波数帯域ごとに強調特性を調整する処理である。マルチ周波数処理は、周波数分離処理と、強調特性調整処理とを含む。

周波数分離処理は、Ｘ線画像データから複数の周波数帯域ごとに分離された複数の周波数帯域データを生成する処理である。周波数分離処理は、Ｘ線画像データに対して段階的にローパスフィルタ（Low Pass Filter：ＬＰＦ）をかけ、１段階前のＬＰＦ処理画像と差分することでそれぞれ異なる周波数帯域が含まれる複数の周波数帯域データと、背景データとを生成する処理である。

強調特性調整処理は、複数の周波数帯域データの各々に係数をかけることにより、複数の周波数帯域データを強調または抑制する処理である。

マルチ周波数処理のパラメータは、周波数分離処理に用いられる閾値と、強調特性調整処理で用いられる係数とを含む。周波数分離処理に用いられる閾値は、例えば、周波数帯域の分離に用いられるローパスフィルタのカットオフ周波数である。

より詳細には、決定機能１２２は、原画像データ８１から検出された要素の種類、および要素が検出された画像領域７０大きさに基づいて、マルチ周波数処理のパラメータを決定する。

例えば、一般に、Ｘ線画像データにおいて、画像の変化が大きい、または画像の図柄が細かい領域ほど、高い周波数帯域に対応する。このため、原画像データ８１上で占める割合が小さい画像領域７０ほど高い周波数領域に対応し、原画像データ８１上で占める割合が大きい画像領域７０ほど低い周波数領域に対応する。

このような周波数帯域データの特性を前提として、決定機能１２２は、要素が描出された画像領域７０が原画像データ８１上に占める割合を要素ごとに算出し、当該割合に基づいて、ローパスフィルタのカットオフ周波数を決定する。

図３は、第１の実施形態に係る周波数分離処理の一例を示す図である。図３に示すように、決定機能１２２は、領域分割済み画像データ８２上の各画像領域７０の面積の割合を、算出する。各画像領域７０の面積の割合は、各画像領域７０に含まれる画素数が領域分割済み画像データ８２全体の画素数に占める割合である。図３に示す例では、Ｖｅｒｔｅｂｒａ（椎骨）の画像領域７０ｄが３２％、Ｃａｔｈｅｔｅｒ（カテーテル）の画像領域７０ｂが７％、Ｇｕｉｄｉｎｇ ｃａｔｈｅｔｅｒ（ガイディングカテーテル）の画像領域７０ａが６％、Ｇｕｉｄｅ ｗｉｒｅ（ガイドワイヤ）の画像領域７０ｃが５％、その他の背景領域６０が５０％を占める。当該割合から、原画像データ８１の大半はＶｅｒｔｅｂｒａ（椎骨）の画像領域７０ｄと背景領域６０とに占められていること、および比較的面積の小さな複数の画像領域７０ｂ，７０ａ，７０ｃが存在することがわかる。

図３のグラフＧ１は、横軸は空間周波数、縦軸は周波数応答を表す。図３に示す例では、決定機能１２２は、６段階でローパスフィルタをかけることにより、周波数帯域データｆ０～ｆ５、および背景データｂ１をそれぞれ分離する。なお、周波数帯域データｆ０～ｆ５の分割数はこれに限定されるものではない。

決定機能１２２は、例えば、高い周波数領域に対応する画像領域７０が多いほど、高い周波集帯域において周波数帯域データｆ０～ｆ５を細かく分離するようにローパスフィルのカットオフ周波数を決定する。図３に示す例では、グラフＧ１の横軸の半分よりも右の高い周波数領域に存在する周波数帯域データｆ０～ｆ５の数が多い。これは、決定機能１２２が各周波数帯域データｆ０～ｆ５を分離するためのカットオフ周波数を、高周波側に多く設定したためである。このように高周波側で細かい粒度で周波数帯域データｆ０～ｆ５を分離することにより、Ｘ線画像データ上の高周波側のオブジェクト、つまり小さな画像領域７０の強調度合を詳細に調整可能になる。

なお、検出された要素の種類によっては、対応する周波数帯域を推定可能な場合がある。例えば、一般に、カテーテル、ガイディングカテーテル、およびガイドワイヤは細長い形状であるため、Ｘ線画像データ上で描出される画像領域は小さく、高い周波数帯域に対応する。このため、決定機能１２２は、検出された要素の種類および数に応じて、カットオフ周波数を決定しても良い。なお、当該構成を採用する場合、記憶回路１１は、要素の種類と周波数帯域とを対応付けたテーブルを記憶していても良い。

また、決定機能１２２は、検出された要素の種類に応じて、周波数帯域データｆ０～ｆ５および背景データｂ１の各々の強調または抑制をする係数を決定する。マルチ周波数処理に置いては、周波数帯域データｆ０～ｆ５および背景データｂ１に、それぞれ異なる値の係数をかけることができるため、決定機能１２２は、段階的なローパスフィルタにより分離された周波数帯域データｆ０～ｆ５および背景データｂ１の数の係数を決定可能である。

図４は、第１の実施形態に係る強調特性調整処理の一例を示す図である。図４のグラフＧ２では、原画像データ８１から生成された、係数をかける前の状態の周波数帯域データｆ０～ｆ５および背景データｂ１を実線で図示する。また、係数がかけられたことによって強調または抑制された、補正後の周波数帯域データｆ００，ｆ１０、および背景データｂ１０を破線で図示する。

図４に示す領域分割済み画像データ８２に示されるように、Ｖｅｒｔｅｂｒａ（椎骨）等の骨がＸ線画像データに描出されている場合、当該骨がカテーテル等のデバイスと重なると、重複領域においてデバイスの視認性が低下する。

このような場合、決定機能１２２は、低周波側の係数を１未満にすることで、Ｖｅｒｔｅｂｒａ（椎骨）に対応する画像領域７０ｄの表示が強調されることを抑制する。図４のグラフＧ２に示す例では、調整前の背景データｂ１よりも、係数がかけられた背景データｂ１０の方が、周波数応答が小さくなっている。つまり、決定機能１２２は、検出された要素の種類の組み合わせに応じて、係数を決定する。

また、決定機能１２２は、ガイドワイヤ等の細いデバイスが原画像データ８１から検出された場合、周波数帯域データｆ０～ｆ５のうち高周波側のものほど強調するように、周波数帯域データｆ０～ｆ５の各々にかける係数を決定する。図４に示す例では、決定機能１２２は、高周波側から１つめの周波数帯域データｆ０にかける係数を最も大きくし、高周波側から２つめの周波数帯域データｆ１にかける係数を２番目に大きくしている。

なお、決定機能１２２は、検出された要素の種類に応じて強調する周波数帯を特定しても良いし、各画像領域７０の原画像データ８１上で占める割合に基づいて強調する周波数帯を特定しても良い。

検出機能１２１および決定機能１２２によるマルチ周波数処理のパラメータの自動設定処理は、マルチ周波数処理のパラメータの自動設定機能がオンに設定されている場合に、実行される。マルチ周波数処理のパラメータの自動設定機能のオン・オフは、後述の操作部９が受け付ける操作者による操作によって切り替えられる。マルチ周波数処理のパラメータの自動設定機能のオン・オフのステータスは、例えば記憶回路１１に記憶される。検出機能１２１および決定機能１２２は、記憶回路１１を参照してマルチ周波数処理のパラメータの自動設定機能がオン・オフのいずれであるかを判定し、オンである場合に、上述の要素の検出処理およびパラメータの決定処理を実行する。

図１に戻り、マルチ周波数処理機能１２３は、決定されたパラメータに基づいて、原画像データ８１に対してマルチ周波数処理を実行する。上述のように、マルチ周波数処理機能１２３は、周波数分離機能１２３ａ、強調機能１２３ｂ、および合成機能１２３ｃを含む。

周波数分離機能１２３ａは、決定機能１２２によって決定されたパラメータに基づいて、複数の周波数帯域データｆ０～ｆ５および背景データｂ１を分離する。より詳細には、周波数分離機能１２３ａは、決定機能１２２によって決定された分離対象の周波数帯域データｆ０～ｆ５および背景データｂ１の数のカットオフ周波数を用いて段階的にローパスフィルタをかけることにより、複数の周波数帯域データｆ０～ｆ５および背景データｂ１を分離する。

また、強調機能１２３ｂは、周波数分離機能１２３ａによって分離された複数の周波数帯域データｆ０～ｆ５および背景データｂ１に対して、決定機能１２２によって決定された係数をかけることにより、各周波数帯域データｆ０～ｆ５および背景データｂ１を強調または抑制する。

合成機能１２３ｃは、強調機能１２３ｂにより強調特性調整処理が施された複数の周波数帯域データｆ００，ｆ１０，ｆ２～ｆ５および背景データｂ１０を合成することにより、表示用Ｘ線画像データを生成する。合成機能１２３ｃは、生成した表示用Ｘ線画像データを画像データ記憶回路１３に保存する。

次に、以上のように構成されたＸ線診断装置１００で実行される処理の流れを説明する。

図５は、第１の実施形態に係るマルチ周波数処理の流れの一例を示すフローチャートである。このフローチャートの処理は、システム制御部１０の制御の下、被検体ＰへのＸ線照射による撮像処理が開始された場合に開始する。

まず、画像データ生成部２０は、平面検出器２１により検出された検出信号から原画像データ８１を生成する（Ｓ１）。取得機能１２０は、画像データ生成部２０によって生成されたら原画像データ８１を取得する。

次に、検出機能１２１は、マルチ周波数処理のパラメータの自動設定機能がオンに設定されているか否かを判定する（Ｓ２）。

マルチ周波数処理のパラメータの自動設定機能がオンの場合（Ｓ２“Ｙｅｓ”）、検出機能１２１は、学習済みモデル９０を用いて、取得機能１２０によって取得された原画像データ８１から要素を検出する（Ｓ３）。

次に、決定機能１２２は、原画像データ８１から検出された要素の種類、および要素が検出された画像領域７０大きさに基づいて、マルチ周波数処理のパラメータを決定する（Ｓ４）。

そして、マルチ周波数処理機能１２３は、決定されたパラメータを用いて、原画像データ８１に対してマルチ周波数処理を実行することにより、表示用Ｘ線画像データを生成する（Ｓ５）。

次に、表示制御回路３３は、生成された表示用Ｘ線画像データをモニタ３４に表示させる（Ｓ６）。

また、マルチ周波数処理のパラメータの自動設定機能がオフの場合（Ｓ２“Ｎｏ”）、検出機能１２１および決定機能１２２によるＳ３，Ｓ４の処理は実行されない。この場合、Ｓ６の処理において、マルチ周波数処理機能１２３は、予め定められたパラメータを用いて、原画像データ８１に対してマルチ周波数処理を実行することにより、表示用Ｘ線画像データを生成する。予め定められたパラメータは、例えば記憶回路１１に記憶されている。

そして、被検体Ｐの撮像が継続する場合（Ｓ７“Ｎｏ”）、Ｓ１～Ｓ６の処理は繰り返し実行される。本実施形態においては、例えば、取得機能１２０は、新たなフレームの原画像データ８１を繰り返し取得する。検出機能１２１は、新たなフレームの原画像データ８１が取得される度に、当該新たに取得された原画像データ８１について要素の検出を繰り返し実行する。また、決定機能１２２は、要素の検出に伴ってパラメータの決定を繰り返し実行する。そして、マルチ周波数処理機能１２３は、繰り返し決定されるパラメータに基づいて、マルチ周波数処理を繰り返し実行する。このように、新たなフレームの原画像データ８１が取得される毎に各機能部により繰り返し処理が実行されることにより、撮影中の原画像データ８１に対してリアルタイムでマルチ周波数処理機能１２３を施すことができる。

そして、被検体Ｐの撮像が終了する場合（Ｓ７“Ｙｅｓ”）、このフローチャートの処理が終了する。

このように、本実施形態のＸ線診断装置１００は、被検体Ｐが撮像された原画像データ８１から要素を検出し、要素の検出結果に基づいて、マルチ周波数処理のパラメータを決定し、決定されたパラメータに基づいて、原画像データ８１に対してマルチ周波数処理を実行する。このため、本実施形態のＸ線診断装置１００によれば、撮像視野に含まれる要素に応じて、マルチ周波数処理における適切なパラメータを決定することができる。

例えば、マルチ周波数処理で使用されるパラメータは、撮像視野に含まれる要素等によって最適な値が異なる。このため、例えば医師による手技中の撮像視野に含まれる要素が、Ｘ線照射領域の移動またはデバイスの位置の移動等に応じて変化するにも関わらずマルチ周波数処理において同一のパラメータを適用すると、適切な画質の表示用Ｘ線画像データが得られない場合がある。これに対して、本実施形態のＸ線診断装置１００は、撮像領域の変化や、デバイスの位置の移動により原画像データ８１に描出される要素が変化した場合においても、変化後の要素に応じて決定したパラメータを用いてマルチ周波数処理をすることができるため、表示用Ｘ線画像データの画質を維持することができる。

特に、医師による手技中に撮像されたＸ線画像をリアルタイムで表示するＩＶＲ等の検査の場合、撮像中にＸ線照射領域が移動したり、医師の手技により撮像視野の中でカテーテル等のデバイスの位置が移動したりすることにより、デバイスの表示に適したパラメータの値が変化する場合がある。このような場合において、本実施形態のＸ線診断装置１００によれば、撮像視野に含まれる要素に応じて自動的にパラメータを適切な値に更新することにより、ユーザが都度パラメータを調整しなくとも、Ｘ線画像上のデバイスの視認性を維持することができる。

また、本実施形態において、マルチ周波数処理は、原画像データ８１から、複数の周波数帯域ごとに分離された複数の周波数帯域データｆ０～ｆ５を生成する周波数分離処理を含む。マルチ周波数処理のパラメータは、周波数分離処理に用いられる閾値を含む。本実施形態のＸ線診断装置１００は、決定された閾値に基づいて、複数の周波数帯域データｆ０～ｆ５を分離する。本実施形態のＸ線診断装置１００によれば、原画像データ８１に描出された要素に応じて、適切に周波数分離をすることができるため、原画像データ８１の画質を向上させることができる。

また、周波数分離処理は、原画像データ８１にローパスフィルタを段階的にかけることにより、異なる周波数帯域が含まれる複数の周波数帯域データｆ０～ｆ５を生成する処理である。本実施形態のＸ線診断装置１００は、要素の検出結果に基づいて、ローパスフィルタにおけるカットオフ周波数を決定する。このため、本実施形態のＸ線診断装置１００によれば、原画像データ８１に描出された要素に応じて、周波数帯域データｆ０～ｆ５に対応する周波数帯域を調整することができる。

また、本実施形態において、マルチ周波数処理は、複数の周波数帯域データｆ０～ｆ５の各々に係数をかけることにより、複数の周波数帯域データｆ０～ｆ５を強調または抑制する強調特性調整処理を含む。本実施形態のＸ線診断装置１００によれば、要素の検出結果に基づいて、強調特性調整処理に用いる係数を決定することにより、原画像データ８１に描出された要素に応じて、周波数帯域データｆ０～ｆ５を個別に強調または抑制することができる。

また、本実施形態のＸ線診断装置１００は、原画像データ８１上に描出された要素の種類、および要素が描出された画像領域７０を検出し、検出した要素の種類、および要素が検出された画像領域７０の大きさに基づいて、パラメータを決定する。このため、本実施形態のＸ線診断装置１００によれば、原画像データ８１上に描出された要素の周波数特性に応じて、表示用Ｘ線画像データの画質を向上させるために適切な周波数帯域データｆ０～ｆ５を分離するカットオフ周波数、および強調または抑制する周波数帯域データｆ０～ｆ５を高精度に特定することができる。

また、本実施形態のＸ線診断装置１００は、要素が描出された画像領域７０が原画像データ８１上に占める割合を要素ごとに算出し、当該割合に基づいて、周波数分離処理に用いられる閾値を決定する。このため、本実施形態のＸ線診断装置１００によれば、原画像データ８１上に描出された要素に対応する周波数帯を、背景領域６０対応する周波数帯よりも細かに分離した上で、要素に対応する周波数帯に該当する周波数帯域データｆ０～ｆ５を強調することができる。このような処理により、本実施形態のＸ線診断装置１００は、表示用Ｘ線画像データにおいて各要素の視認性を向上させることができる。

また、本実施形態のＸ線診断装置１００は、複数の学習用Ｘ線画像データと、当該複数の学習用Ｘ線画像データに含まれる要素のセグメンテーション結果とを学習済みの学習済みモデル９０に、原画像データ８１を入力し、学習済みモデル９０から出力されるセグメンテーション結果を得る。このため、本実施形態のＸ線診断装置１００によれば、原画像データ８１上で要素が描出された画像領域７０を高精度に認識することができる。

なお、本実施形態における「マルチ周波数処理のパラメータを決定する」ことには、異なるパラメータを有するマルチ周波数処理を含む画像処理のプリセットの中から適当なものを選択することを含む。つまり、マルチ周波数処理のパラメータを直接的に選択するだけではなく、画像処理のプリセットを選択することで間接的にマルチ周波数処理のパラメータが決定されることも、「マルチ周波数処理のパラメータを決定する」に含む。例えば、Ｘ線画像データには、マルチ周波数処理以外にも、フィルタ処理等の種々の画像処理が施される場合がある。Ｘ線診断装置１００の決定機能１２２は、マルチ周波数処理と、このような種々の画像処理とを含むプリセットされた複数のパラメータセットの中から、１つのパラメータセットを選択しても良い。

（第２の実施形態）
上述の第１の実施形態では、原画像データ８１上で各要素が描出された画像領域７０の面積の割合に基づいて、マルチ周波数処理のパラメータを決定していた。これに対して、この第２の実施形態では、重複する画像領域７０の組み合わせに応じて、マルチ周波数処理のパラメータを決定する。

本実施形態のＸ線診断装置１００は、図１で説明した第１の実施形態と同様の構成を備える。

本実施形態の画像演算回路１２は、第１の実施形態と同様に、取得機能１２０と、検出機能１２１と、決定機能１２２と、周波数分離機能１２３ａと、強調機能１２３ｂと、合成機能１２３ｃとを備える。取得機能１２０と、検出機能１２１と、周波数分離機能１２３ａと、強調機能１２３ｂと、合成機能１２３ｃとは、第１の実施形態と同様の機能を備える。また、Ｘ線診断装置１００に含まれるその他の構成も、第１の実施形態と同様の機能を備える。

本実施形態の決定機能１２２は、検出機能１２１による要素の検出結果に基づいて、異なる種類の要素が描出された複数の画像領域７０が重複する箇所を認識する。そして、決定機能１２２は、複数の画像領域７０が重複する場合に、重複する各画像領域７０に対応する要素の種類に応じて、マルチ周波数処理のパラメータを決定する。例えば、本実施形態の決定機能１２２は、要素の重なりを判定し、要素が重なっている画像領域７０の視認性を最適化する方向に、原画像データ８１全体に適用するマルチ周波数処理のパラメータを最適化する。

図６は、第２の実施形態に係るマルチ周波数処理のパラメータの調整の一例を示す図である。決定機能１２２は、検出機能１２１によってセグメンテーションされた領域分割済み画像データ８２上で、２以上の画像領域７０が重複する箇所を画像処理により認識する。

図６に示すグラフＧ３～Ｇ５では、係数をかける前の状態の周波数帯域データｆ０～ｆ５および背景データｂ１を実線で、係数によって強調または抑制された補正後の周波数帯域データｆ１０～ｆ５０、および背景データｂ１０を破線で図示する。

図６に示す例では、ガイドワイヤが描出された画像領域７０ｃと、Ｖｅｒｔｅｂｒａ（椎骨）が描出された画像領域７０ｄとが、重複領域Ａ１で重複している。要素のうち、椎骨や横隔膜等の身体組織が描出された画像領域７０と、ガイドワイヤ等のデバイスが描出された画像領域７０とが重複すると、Ｘ線画像データ上のデバイスの視認性が低下する。

このような場合、周波数帯域データｆ０～ｆ５および背景データｂ１のうち、低周波側を抑制し、高周波側を強調することで、Ｖｅｒｔｅｂｒａ（椎骨）が抑制され、デバイス
が強調されて表示される。

グラフＧ３は、Ｖｅｒｔｅｂｒａ（椎骨）の表示を抑制するために低周波側の背景データｂ１および周波数帯域データｆ４，ｆ５が抑制された状態の一例を示す。図６に示す例では、決定機能１２２は、周波数帯域データｆ０～ｆ５および背景データｂ１のうち、抑制する対象である低周波側のデータに対応する係数を、１未満の値にする。決定機能１２２は、例えば、周波数の低いものほど、係数の値を小さくするように、各係数の値を決定する。各係数の値は、例えば、抑制対象の要素に対応付けられて、記憶回路１１に予め保存されているものとする。

また、グラフＧ４は、ガイドワイヤを強調するために高周波側の周波数帯域データｆ０～ｆ４が強調された状態の一例を示す。決定機能１２２は、周波数帯域データｆ０～ｆ５のうち、強調する対象である高周波側のデータに対応する係数を、１より大きい値にする。決定機能１２２は、例えば、周波数の高いものほど、係数の値を大きくするように、各係数の値を決定する。各係数の値は、例えば、強調対象の要素に対応付けられて、記憶回路１１に予め保存されているものとする。

グラフＧ５は、グラフＧ３およびグラフＧ４に示した係数を合成した結果の一例を示す。例えば、空間周波数の高さが中程度の周波数帯域データｆ４の係数は、グラフＧ３とグラフＧ４の両方でそれぞれ異なる大きさの値が適用されているが、決定機能１２２は、これらの値の平均値を、周波数帯域データｆ４の係数として決定しても良い。例えば、記憶回路に、抑制対象の要素に対応付けられた係数のセットと、強調対象の要素に対応付けられた係数のセットが記憶されている場合、決定機能１２２は、抑制対象の要素に対応付けられた係数のセットと強調対象の要素に対応付けられた係数のセットとを合成することにより、原画像データ８１全体に共通して使用される係数の値を決定する。なお、異なる係数を合成する手法は平均値をとることに限定されるものではなく、各種の演算を採用することができる。

また、図６では、背景データｂ１を抑制し、高周波側の周波数帯域データｆ０～ｆ４を強調した例を図示したが、重複する要素の種類の組み合わせに応じて、強調および抑制の対象は異なる。

例えば、肺野が描出された画像領域７０とデバイスが描出された画像領域７０とが重複する場合、Ｘ線画像データ上で肺野が明るく描出されるため、デバイスと重複することでアーチファクトが発生する場合がある。このため、決定機能１２２は、肺野が描出された画像領域７０とデバイスが描出された画像領域７０とが重複する場合、周波数帯域データｆ０～ｆ４のうち肺野に対応する周波数のものを抑制することにより、Ｘ線画像データ上のデバイスの視認性を確保する。

本実施形態のマルチ周波数処理機能１２３は、決定機能１２２によって決定されたパラメータに基づいて、第１の実施形態と同様に、原画像データ８１に対してマルチ周波数処理を実行することにより、表示用Ｘ線画像データを生成する。また、表示制御回路３３は、第１の実施形態と同様に、生成された表示用Ｘ線画像データをモニタ３４に表示させる。

このように、本実施形態のＸ線診断装置１００は、要素の検出結果に基づいて、異なる種類の要素が描出された複数の画像領域７０が重複する箇所を認識し、画像領域７０が重複する要素の種類に応じて、マルチ周波数処理のパラメータを決定する。このため、本実施形態のＸ線診断装置１００によれば、第１の実施形態と同様の効果に加えて、要素同士の重複による視認性の低下を低減することができる。

また、本実施形態のＸ線診断装置１００は、原画像データ８１全体に共通して使用されるマルチ周波数処理のパラメータを決定する。このため、本実施形態のＸ線診断装置１００によれば、画像全体で統一されたパラメータを使用することにより画像処理を簡素化すると共に、画像全体の視認性を向上させるように調整することができる。

（第３の実施形態）
上述の第１、第２の実施形態では、原画像データ８１全体に共通のパラメータを適用してマルチ周波数処理を実行していた。この第３の実施形態では、各要素が描出された画像領域７０毎に、異なるパラメータによるマルチ周波数処理を実行する。

本実施形態のＸ線診断装置１００は、図１で説明した第１の実施形態と同様の構成を備える。

本実施形態の画像演算回路１２は、第１の実施形態と同様に、取得機能１２０と、検出機能１２１と、決定機能１２２と、周波数分離機能１２３ａと、強調機能１２３ｂと、合成機能１２３ｃとを備える。取得機能１２０と、検出機能１２１と、周波数分離機能１２３ａと、強調機能１２３ｂと、合成機能１２３ｃとは、第１の実施形態と同様の機能を備える。また、Ｘ線診断装置１００に含まれるその他の構成も、第１の実施形態と同様の機能を備える。

本実施形態の決定機能１２２は、検出機能１２１による要素の検出結果に基づいて、原画像データ８１上で要素が描出された画像領域７０ごとに、描出された要素の種類に対応するパラメータを決定する。

より詳細には、決定機能１２２は、原画像データ８１上で要素が描出された画像領域７０を、ＲＯＩ（Region Of Interest）として認識する。

図７は、第３の実施形態に係るＲＯＩの一例を示す図である。図７に示す例では、領域分割済み画像データ８２上で、ガイディングカテーテルが描出された画像領域７０ａがＲＯＩ＃１、カテーテルが描出された画像領域７０ｂがＲＯＩ＃２、ガイドワイヤが描出された画像領域７０ｃがＲＯＩ＃４、椎骨が描出された画像領域７０ｄがＲＯＩ＃４として認識されている。ＲＯＩの数は、検出された要素の数に対応する。また、背景領域６０は、いずれのＲＯＩにも該当しない領域となる。

本実施形態の記憶回路１１は、要素の種類に対応するマルチ周波数処理のパラメータを記憶している。より詳細には、記憶回路１１は、要素の種類と、強調特性調整処理に用いられる係数群とが対応付けられたテーブルを記憶する。なお、係数群とは、周波数帯域データｆ０～ｆ５、および背景データｂ１に対応する複数の係数のセットである。なお、記憶回路１１は、要素の種類と、周波数帯域データｆ０～ｆ５、および背景データｂ１を分離するためのカットオフ周波数群とを対応付けたテーブルをさらに記憶しても良い。

本実施形態の決定機能１２２は、原画像データ８１上で要素が描出された画像領域７０ごとに、描出された要素の種類に対応するパラメータを、記憶回路１１から選択する。

図８～１０を用いて、要素の種類に対応する係数群について説明する。

図８は、第３の実施形態に係るカテーテルに対応する係数群が適用された周波数帯域データｆ０～ｆ５および背景データｂ１の一例を示す図である。図８に示すグラフＧ６では、係数をかける前の状態の周波数帯域データｆ０～ｆ５および背景データｂ１を実線で、係数によって強調または抑制された補正後の周波数帯域データｆ００～ｆ５０を破線で図示する。カテーテルが描出された画像領域７０ｂ、つまりＲＯＩ＃２に対応する係数群では、図８に示すように、高周波側ほど強調するように係数が大きくなる。

また、図９は、第３の実施形態に係るガイドワイヤに対応する係数群が適用された周波数帯域データｆ０～ｆ５および背景データｂ１の一例を示す図である。図９に示すグラフＧ７では、係数をかける前の状態の周波数帯域データｆ０～ｆ５および背景データｂ１を実線で、係数によって強調または抑制された補正後の周波数帯域データｆ００～ｆ４０を破線で図示する。ガイドワイヤが描出された画像領域７０ｃ、つまりＲＯＩ＃３に対応する係数群では、図９に示すように、ＲＯＩ＃２よりもさらに高周波側ほど強調するように係数が大きくなる。一般に、ガイドワイヤの方がカテーテルよりもさらに細いデバイスであり、原画像データ８１に描出される画像領域７０ｃの大きさも小さくなる。このため、ＲＯＩ＃３では、ＲＯＩ＃２よりも高周波側をさらに強調することで画像領域７０ｃの視認性を向上させる。

また、図１０は、第３の実施形態に係る骨に対応する係数群が適用された周波数帯域データｆ０～ｆ５および背景データｂ１の一例を示す図である。図１０では、骨の一例として椎骨を例示している。

図１０に示すグラフＧ８では、係数をかける前の状態の周波数帯域データｆ０～ｆ５および背景データｂ１を実線で、係数によって強調または抑制された補正後の背景データｂ１０、周波数帯域データｆ４０，ｆ５０を破線で図示する。

図１０に示すように、椎骨が描出された画像領域７０ｄ、つまりＲＯＩ＃４に対応する係数群では、周波数帯域データｆ０～ｆ５および背景データｂ１のうち、低周波側ほど抑制するように係数が小さくなる。このため、ＲＯＩ＃４にガイドワイヤ等のデバイスが描出された他のＲＯＩが重畳した場合にも、ＲＯＩ＃４の表示が強調されないため、デバイスの視認性を維持することができる。

なお、決定機能１２２は、表示用Ｘ線画像データ上の各ＲＯＩの境界が、係数の差異により視覚的に不連続になることを低減するために、ＲＯＩ内で係数の重み付けをしても良い。例えば、他のＲＯＩと隣接する境界に近い程、他のＲＯＩに適用される係数群との差異が小さくなるように、１つのＲＯＩの中でも段階的に異なる係数群を適用しても良い。このようにＲＯＩの境界における係数の群の差異を低減することで、Ｘ線画像を視認したユーザが感じる違和感を低減することができる。

また、本実施形態においては、要素に対応するパラメータが記憶回路１１に記憶されている例について説明したが、決定機能１２２が原画像データ８１のセグメンテーション結果に応じて、各要素に対応するパラメータを算出しても良い。

また、いずれのＲＯＩにも該当しない領域である背景領域６０については、記憶回路１１に予め記憶されたパラメータを適用しても良いし、マルチ周波数処理とは異なる他の画像処理を適用しても良い。

本実施形態のマルチ周波数処理機能１２３は、決定機能１２２によってＲＯＩごとに決定されたパラメータに基づいて、ＲＯＩごとに個別にマルチ周波数処理を実行する。マルチ周波数処理機能１２３は、個別にマルチ周波数処理を施した各ＲＯＩと、背景領域６０とを統合することにより、表示用Ｘ線画像データを生成する。

また、表示制御回路３３は、第１の実施形態と同様に、生成された表示用Ｘ線画像データをモニタ３４に表示させる。

このように、本実施形態のＸ線診断装置１００は、原画像データ８１上で要素が描出された画像領域７０ごとに、描出された要素の種類に対応するパラメータを決定する。このため、本実施形態のＸ線診断装置１００によれば、第１の実施形態の効果を備えた上で、各要素が描出された画像領域７０ごとに適切なマルチ周波数処理を施すことができる。

より詳細には、本実施形態のＸ線診断装置１００は、要素の種類に対応するパラメータが記憶された記憶回路１１を備え、原画像データ８１上で要素が描出された画像領域７０ごとに、描出された要素の種類に対応するパラメータを、記憶回路１１から選択する。このため、本実施形態のＸ線診断装置１００によれば、各画像領域７０に対して、要素の種類に応じたパラメータを容易に適用可能である。

（変形例１）
上述の実施形態では、Ｘ線診断装置１００は、原画像データ８１に描出された要素の検出結果に基づいて、マルチ周波数処理のパラメータを決定していた。Ｘ線診断装置１００は、さらに、撮像条件や検査プロトコルに応じて、マルチ周波数処理のパラメータを決定しても良い。

例えば、本変形例の決定機能１２２は、Ｘ線画像データの撮像の際に用いられる検査プロトコル、および撮像条件の少なくとも一方に基づいて、パラメータを決定する。第１の実施形態で説明したように、撮像条件には、撮像体系、撮像視野、および拡大率、に関する設定が含まれる。また、第１の実施形態で説明したように、撮像体系は、撮像に用いられる機器と被検体Ｐとの位置関係、撮像に用いられる機器間の位置関係に関する定義事項または情報であり、ＳＩＤ、ＳＳＤ、寝台１７の高さ、保持アーム５の回転量が含まれる。決定機能１２２は、例えば、被検体Ｐの撮像に用いられる検査プロトコル、撮像視野、拡大率、および撮像に用いられる機器と被検体Ｐとの位置関係のうちの少なくともいずれかに基づいて、パラメータを決定する。

また、例えば検査プロトコルおよび撮像条件に基づいてパラメータを決定する場合、本変形例の記憶回路１１は、検査プロトコルと、撮像条件と、マルチ周波数処理のパラメータとが対応付けられたテーブルを記憶する。

図１１は、変形例１に係るマルチ周波数処理のパラメータが登録されたテーブル１１１の一例を示す図である。図１１に示すように、テーブル１１１には、パラメータセットＮｏ．と、検査プロトコルと、撮像条件と、オフセット周波数群と、係数群とが対応付けられて登録されている。

オフセット周波数群は、周波数帯域データｆ０～ｆ５、および背景データｂ１を分離する複数のオフセット周波数のセットである。また、係数群は、周波数帯域データｆ０～ｆ５、および背景データｂ１に対応する複数の係数のセットである。１つの検査プロトコルと撮像条件の組み合わせに対応するオフセット周波数群と係数群とをパラメータセットという。パラメータセットＮｏ．は、各パラメータセットを識別する識別情報である。

なお、図１１に示すテーブル１１１の構成は一例であり、これに限定されるものではない。例えば、図１１では１つのテーブル１１１に複数のパラメータセットが登録される例を図示したが、１つのパラメータセットごとに１つのテーブルが設けられても良い。また、図１１では、オフセット周波数群と係数群の両方がテーブル１１１に登録されているが、いずれか一方のみが検査プロトコルおよび撮像条件に対応付けられても良い。

また、図１１では、検査プロトコルと撮像条件の両方がパラメータに対応付けられているが、いずれか一方のみがパラメータに対応付けられてもよい。また、さらに他の情報が、パラメータに対応付けられてテーブル１１１に登録されても良い。

本変形例の決定機能１２２は、記憶回路１０２に記憶されたテーブル１１１から、被検体Ｐの撮像に用いられる検査プロトコルおよび撮像条件に対応するパラメータセットを読み出し、当該パラメータセットに含まれるパラメータを、原画像データ８１に対するマルチ周波数処理のパラメータとして決定する。

図１２は、第１の変形例に係るパラメータセットが適用された周波数帯域データｆ０～ｆ５、および背景データｂ１の一例を示す図である。また、図１３は、図１２とは異なるパラメータセットが適用された周波数帯域データｆ０～ｆ５、および背景データｂ１の一例を示す図である。図１２、１３のグラフＧ９，Ｇ１０に示すように、各パラメータセットによってマルチ周波数処理の結果は異なる。

例えば、検査プロトコルおよび撮像条件に応じて、撮像視野に含まれる要素の種類および位置は変化する。このため、検査プロトコルおよび撮像条件ごとに、表示用Ｘ線画像データの画質を向上させるためのパラメータを予め記憶することにより、撮像視野に含まれる要素に応じたパラメータを特定可能になる。

より具体的には、撮像視野に含まれる要素の種類および位置は、撮像に用いられる機器と被検体Ｐとの位置関係、つまり撮像ジオメトリによって変化する。撮像に用いられる機器と被検体Ｐとの位置関係は、例えば、ＳＩＤ、寝台１７の高さ、および保持アーム５の回転量により定義される。このため、本変形例の決定機能１２２は、撮像条件に含まれるＳＩＤ、寝台１７の高さ、または保持アーム５の回転量に基づいて、パラメータを決定する。

また、決定機能１２２は、テーブル１１１から読み出したパラメータセットを、さらに、原画像データ８１から検出された要素に基づいて変更しても良い。例えば、決定機能１２２は、検査プロトコルおよび撮像条件に対応するパラメータを、上述の第１～３の実施形態で説明した手法により補正することにより、パラメータを決定しても良い。

なお、本変形例では、テーブル１１１に登録されたパラメータセットを読み出すことで検査プロトコルおよび撮像条件に対応するパラメータを特定する手法について説明したが、他の手法を採用しても良い。例えば、決定機能１２２は、数式またはアルゴリズムにより、検査プロトコルおよび撮像条件に対応するパラメータを特定しても良い。

例えば、決定機能１２２は、撮像条件に基づいて、撮像に用いられる機器と被検体Ｐとの位置関係、つまり撮像ジオメトリを推定し、推定した撮像ジオメトリに応じて、適切なパラメータを算出しても良い。

（変形例２）
また、上述の各実施形態では、原画像データ８１のセグメンテーション結果は、マルチ周波数処理のパラメータの決定のための内部処理に用いられていたが、表示にも用いられても良い。例えば、表示制御回路３３は、原画像データ８１から検出された要素の種類を示すラベル、第３の実施形態において画像領域７０ごとに設定されたＲＯＩ等を、モニタ３４に表示させても良い。

図１４は、変形例２に係るモニタ３４の表示の一例を示す図である。図１４に示す例では、表示制御回路３３は、検出された要素の種類を示すラベル、および画像領域７０の境界線を表示用Ｘ線画像データに重畳した表示用画像８３を、モニタ３４に表示させている。このように原画像データ８１のセグメンテーション結果を表示することにより、ユーザは、表示用Ｘ線画像データ上のどの箇所が何の要素として検出されているかを容易に把握することができる。

（変形例３）
また、上述の第１の実施形態では、新たなフレームの原画像データ８１が取得される度に、検出機能１２１および決定機能１２２により、最新の撮像状態に応じたマルチ周波数処理のパラメータが決定されるものとしたが、パラメータの更新頻度はこれに限定されるものではない。例えば、撮像条件が変化していない間は、同じパラメータが継続して使用されても良い。

より詳細には、決定機能１２２は、撮像の開始から数フレーム分の原画像データ８１に基づいてマルチ周波数処理のパラメータを決定し、その後は撮像体系、ＦＯＶ、または拡大率がユーザによって変更されない限り、同じパラメータを使用しても良い。

あるいは、決定機能１２２は、予め定められたフレーム数、または時間間隔毎に、マルチ周波数処理のパラメータを更新しても良い。マルチ周波数処理機能１２３は、更新までの間は、過去の更新時に決定されたパラメータを用いてマルチ周波数処理を実行する。

また、決定機能１２２は、撮像対象部位に応じて、パラメータの更新頻度を変更しても良い。撮像対象部位は、例えば設定された検査プロトコルにより特定可能である。例えば、決定機能１２２は、同じ撮像体系が継続しており、かつ、撮像対象部位が被検体Ｐの動きの少ない頭部または下肢領域の場合、過去フレームで適用したパラメータを継続して使用しても良い。また、決定機能１２２は、１つのフレームに基づく要素検出結果だけではなく、複数のフレームの要素検出結果を総合してパラメータを決定しても良い。

また、決定機能１２２は、心臓領域のように被検体Ｐが周期的な動きをすることが予想される撮像部位では、心拍１周期分に対応する複数の原画像データ８１に基づいて決定されたパラメータを記憶回路１１に保存しておいても良い。この場合、マルチ周波数処理機能１２３は、心拍に合わせて心電同期によりパラメータを記憶回路１１から読み出してマルチ周波数処理に使用しても良い。

（変形例４）
上述の各実施形態において学習済みモデル９０が用いられた処理について、学習済みモデル９０以外の手法が用いられても良い。例えば、検出機能１２１は、深層学習を用いない画像認識処理により、原画像データ８１から要素を検出しても良い。

（変形例５）
上述の各実施形態において、要素の検出のためのセグメンテーションの対象となるＸ線画像データと、マルチ周波数処理の対象となるＸ線画像データとが同一のＸ線画像データと（原画像データ）である場合について例示した。しかしながら、セグメンテーションの対象となる原画像データと、マルチ周波数処理の対象となる原画像データとは同一でなくとも良い。

例えば、Ｘ線診断装置１００が原画像データを連続して撮影しながらリアルタイムで要素の検出、パラメータの決定、およびマルチ周波数処理を実行する場合、ある原画像データに対するセグメンテーションおよびパラメータの決定の処理が実行されている間に、他の原画像データが撮影される。この場合、Ｘ線診断装置１００のマルチ周波数処理機能１２３は、セグメンテーション対象となった原画像データより後に撮像された他の原画像データに対して、セグメンテーション対象となった原画像データから検出された要素に基づくパラメータによるマルチ周波数処理を実行しても良い。他の原画像データは、本変形例における他のＸ線画像データの一例である。

つまり、本変形例のマルチ周波数処理機能１２３は、決定機能１２２により決定されたパラメータに基づいて、「セグメンテーション対象となった原画像データ」及び「当該原画像データより後に撮像された他の原画像データ」のうち少なくとも一方に対してマルチ周波数処理を実行する。

マルチ周波数処理の対象となる他のＸ線画像データは、セグメンテーション対象となった原画像データの直後に撮影された原画像データでも良いし、さらにその後に撮影された原画像データでも良い。

（変形例６）
上述の各実施形態においてＸ線診断装置１００が実行するものとして説明した処理を、Ｘ線診断装置１００とは異なる情報処理装置が実行しても良い。Ｘ線診断装置１００とは異なる情報処理装置とは、例えば、ＰＣ（Personal Computer）、タブレット端末、サーバ装置、ワークステーション等である。これらの情報処理装置は、本変形例における医用画像処理装置の一例である。

例えば、医用画像処理装置は、取得機能１２０、検出機能１２１、決定機能１２２、周波数分離機能１２３ａ、強調機能１２３ｂ、および合成機能１２３ｃを備える画像演算回路１２と、記憶回路１１と、表示制御回路３３と、モニタ３４、および操作部９とを備えても良い。

なお、本明細書において扱う各種データは、典型的にはデジタルデータである。

以上説明した少なくとも１つの実施形態によれば、撮像視野に含まれる要素に応じて、マルチ周波数処理における適切なパラメータを決定することができる。

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、実施形態同士の組み合わせ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。

以上の実施形態に関し、発明の一側面および選択的な特徴として以下の付記を開示する。

（付記１）
被検体が撮像されたＸ線画像データから要素を検出する検出部と、
前記要素の検出結果に基づいて、マルチ周波数処理のパラメータを決定する決定部と、
前記決定されたパラメータに基づいて、前記Ｘ線画像データおよび当該Ｘ線画像データより後に撮像された他のＸ線画像データのうち少なくとも一方に対して前記マルチ周波数処理を実行する画像処理部と、
を備えるＸ線診断装置。

（付記２）
前記Ｘ線診断装置は、前記被検体が撮像されたＸ線画像データを繰り返し取得する取得部をさらに備え、
前記検出部は、新たに取得されたＸ線画像データについて前記要素の検出を繰り返し実行し、
前記決定部は、前記要素の検出に伴って前記パラメータの決定を繰り返し実行し、
前記画像処理部は、前記繰り返し決定されるパラメータに基づいて、前記マルチ周波数処理を繰り返し実行しても良い。

（付記３）
前記マルチ周波数処理は、前記Ｘ線画像データおよび前記他のＸ線画像データのうち少なくとも一方から、複数の周波数帯域ごとに分離された複数の周波数帯域データを生成する周波数分離処理を含んでも良く、
前記決定されるマルチ周波数処理のパラメータは、前記周波数分離処理に用いられる閾値を含んでも良く、
前記画像処理部は、前記閾値に基づいて、前記複数の周波数帯域データを分離しても良い。

（付記４）
前記周波数分離処理は、前記Ｘ線画像データおよび前記他のＸ線画像データのうち少なくとも一方にローパスフィルタを段階的にかけることにより、異なる周波数帯域が含まれる複数の周波数帯域データを生成する処理であってもよく、
前記閾値は、前記ローパスフィルタにおけるカットオフ周波数でも良い。

（付記５）
前記マルチ周波数処理は、前記複数の周波数帯域データの各々に係数をかけることにより、前記複数の周波数帯域データを強調または抑制する強調特性調整処理を含んでも良く、
前記決定されるマルチ周波数処理のパラメータは、前記係数を含んでも良い。

（付記６）
前記検出部は、前記Ｘ線画像データ上に描出された要素の種類、および前記要素が描出された画像領域を検出しても良く、
前記決定部は、検出された前記要素の種類、および前記要素が検出された前記画像領域の大きさに基づいて、前記パラメータを決定しても良い。

（付記７）
前記決定部は、前記要素が描出された画像領域が前記Ｘ線画像データ上に占める割合を前記要素ごとに算出し、当該割合に基づいて、前記閾値を決定しても良い。

（付記８）
前記検出部は、複数の学習用Ｘ線画像データと前記複数の学習用Ｘ線画像データに含まれる要素のセグメンテーション結果とを学習済みの学習済みモデルに、前記Ｘ線画像データを入力し、前記学習済みモデルから出力される、前記Ｘ線画像データに含まれる前記要素別のセグメンテーション結果を得ても良い。

（付記９）
前記決定部は、前記要素の検出結果に基づいて、異なる種類の前記要素が描出された複数の画像領域が重複する箇所を認識し、画像領域が重複する前記要素の種類に応じて、前記パラメータを決定しても良い。

（付記１０）
前記決定部は、前記Ｘ線画像データおよび前記他のＸ線画像データを含む、連続して撮影された複数のＸ線画像データ全体に共通して使用される前記パラメータを決定しても良い。

（付記１１）
前記決定部は、前記Ｘ線画像データ上で前記要素が描出された画像領域ごとに、前記パラメータを決定しても良い。

（付記１２）
前記Ｘ線診断装置は、前記要素の種類に対応する前記パラメータが記憶された記憶部、をさらに備えても良く、
前記決定部は、前記Ｘ線画像データ上で前記要素が描出された画像領域ごとに、描出された前記要素の種類に対応する前記パラメータを、前記記憶部から選択しても良い。

（付記１３）
前記決定部は、さらに、前記Ｘ線画像データの撮像の際に用いられる検査プロトコル、撮像視野、拡大率、および撮像に用いられる機器と前記被検体との位置関係のうちの少なくともいずれかに基づいて、前記パラメータを決定しても良い。

（付記１４）
前記Ｘ線診断装置は、
前記被検体を載置する寝台と、
前記被検体を通過したＸ線を検出するＸ線検出器と、
前記Ｘ線検出器を支持するアームと、を備えても良く、
前記決定部は、Ｘ線源受像面間距離、前記寝台の高さ、または前記アームの回転量に基づいて、前記パラメータを決定しても良い。

（付記１５）
被検体が撮像されたＸ線画像データから要素を検出する検出部と、
前記要素の検出結果に基づいて、マルチ周波数処理のパラメータを決定する決定部と、
決定された前記パラメータに基づいて、前記Ｘ線画像データおよび当該Ｘ線画像データより後に撮像された他のＸ線画像データのうち少なくとも一方に対して前記マルチ周波数処理を実行する画像処理部と、
を備える医用画像処理装置。

（付記１６）
被検体が撮像されたＸ線画像データから要素を検出する検出ステップと、
前記要素の検出結果に基づいて、マルチ周波数処理のパラメータを決定する決定ステップと、
前記決定されたパラメータに基づいて、前記Ｘ線画像データおよび当該Ｘ線画像データより後に撮像された他のＸ線画像データのうち少なくとも一方に対して前記マルチ周波数処理を実行する画像処理ステップと、
をコンピュータに実行させるためのプログラム。

５ 保持アーム
７ 画像演算・記憶部
８ 表示装置
９ 操作部
１０ システム制御部
１１，１０２ 記憶回路
１２ 画像演算回路
１３ 画像データ記憶回路
１７ 寝台
２０ 画像データ生成部
３３ 表示制御回路
３４ モニタ
６０ 背景領域
７０，７０ａ～７０ｄ 画像領域
８１ 原画像データ
８２ 領域分割済み画像データ
８３ 表示用画像
９０ 学習済みモデル
１００ Ｘ線診断装置
１０１ 処理回路
１１１ テーブル
１２０ 取得機能
１２１ 検出機能
１２２ 決定機能
１２３ マルチ周波数処理機能
１２３ａ 周波数分離機能
１２３ｂ 強調機能
１２３ｃ 合成機能
ｂ１，ｂ１０ 背景データ
ｆ０～ｆ５，ｆ００，ｆ１０，ｆ２０，ｆ３０，ｆ４０，ｆ５０ 各周波数帯域データ
Ｇ１～Ｇ１０ グラフ
Ｐ 被検体

Claims (16)

1. 被検体が撮像されたＸ線画像データから要素を検出する検出部と、
   前記要素の検出結果に基づいて、マルチ周波数処理のパラメータを決定する決定部と、
   前記決定されたパラメータに基づいて、前記Ｘ線画像データ及び当該Ｘ線画像データより後に撮像された他のＸ線画像データのうち少なくとも一方に対して前記マルチ周波数処理を実行する画像処理部と、
   を備えるＸ線診断装置。
2. 前記被検体が撮像されたＸ線画像データを繰り返し取得する取得部をさらに備え、
   前記検出部は、新たに取得されたＸ線画像データについて前記要素の検出を繰り返し実行し、
   前記決定部は、前記要素の検出に伴って前記パラメータの決定を繰り返し実行し、
   前記画像処理部は、前記繰り返し決定されるパラメータに基づいて、前記マルチ周波数処理を繰り返し実行する、請求項１に記載のＸ線診断装置。
3. 前記マルチ周波数処理は、前記Ｘ線画像データおよび前記他のＸ線画像データのうち少なくとも一方から、複数の周波数帯域ごとに分離された複数の周波数帯域データを生成する周波数分離処理を含み、
   前記決定されるマルチ周波数処理のパラメータは、前記周波数分離処理に用いられる閾値を含み、
   前記画像処理部は、前記閾値に基づいて、前記複数の周波数帯域データを分離する、
   請求項１または２に記載のＸ線診断装置。
4. 前記周波数分離処理は、前記Ｘ線画像データおよび前記他のＸ線画像データのうち少なくとも一方にローパスフィルタを段階的にかけることにより、異なる周波数帯域が含まれる複数の周波数帯域データを生成する処理であり、
   前記閾値は、前記ローパスフィルタにおけるカットオフ周波数である、
   請求項３に記載のＸ線診断装置。
5. 前記マルチ周波数処理は、前記複数の周波数帯域データの各々に係数をかけることにより、前記複数の周波数帯域データを強調または抑制する強調特性調整処理を含み、
   前記決定されるマルチ周波数処理のパラメータは、前記係数を含む、
   請求項３または４に記載のＸ線診断装置。
6. 前記検出部は、前記Ｘ線画像データ上に描出された要素の種類、および前記要素が描出された画像領域を検出し、
   前記決定部は、検出された前記要素の種類、および前記要素が検出された前記画像領域の大きさに基づいて、前記パラメータを決定する、
   請求項３から５のいずれか１項に記載のＸ線診断装置。
7. 前記決定部は、前記要素が描出された画像領域が前記Ｘ線画像データ上に占める割合を前記要素ごとに算出し、当該割合に基づいて、前記閾値を決定する、
   請求項３から６のいずれか１項に記載のＸ線診断装置。
8. 前記検出部は、複数の学習用Ｘ線画像データと前記複数の学習用Ｘ線画像データに含まれる要素のセグメンテーション結果とを学習済みの学習済みモデルに、前記Ｘ線画像データを入力し、前記学習済みモデルから出力される、前記Ｘ線画像データに含まれる前記要素別のセグメンテーション結果を得る、
   請求項３から７のいずれか１項に記載のＸ線診断装置。
9. 前記決定部は、前記要素の検出結果に基づいて、異なる種類の前記要素が描出された複数の画像領域が重複する箇所を認識し、画像領域が重複する前記要素の種類に応じて、前記パラメータを決定する、
   請求項１から８のいずれか１項に記載のＸ線診断装置。
10. 前記決定部は、前記Ｘ線画像データおよび前記他のＸ線画像データを含む、連続して撮影された複数のＸ線画像データに共通して使用される前記パラメータを決定する、
    請求項１から９のいずれか１項に記載のＸ線診断装置。
11. 前記決定部は、前記Ｘ線画像データ上で前記要素が描出された画像領域ごとに、前記パラメータを決定する、
    請求項１から１０のいずれか１項に記載のＸ線診断装置。
12. 前記要素の種類に対応する前記パラメータが記憶された記憶部、をさらに備え、
    前記決定部は、前記Ｘ線画像データ上で前記要素が描出された画像領域ごとに、描出された前記要素の種類に対応する前記パラメータを、前記記憶部から選択する、
    請求項１１に記載のＸ線診断装置。
13. 前記決定部は、さらに、前記Ｘ線画像データの撮像の際に用いられる検査プロトコル、撮像視野、拡大率、および撮像に用いられる機器と前記被検体との位置関係のうちの少なくともいずれかに基づいて、前記パラメータを決定する、
    請求項１から１２のいずれか１項に記載のＸ線診断装置。
14. 前記被検体を載置する寝台と、
    前記被検体を通過したＸ線を検出するＸ線検出器と、
    前記Ｘ線検出器を支持するアームと、を備え、
    前記決定部は、Ｘ線源受像面間距離、前記寝台の高さ、または前記アームの回転量に基づいて、前記パラメータを決定する、
    請求項１から１３のいずれか１項に記載のＸ線診断装置。
15. 被検体が撮像されたＸ線画像データから要素を検出する検出部と、
    前記要素の検出結果に基づいて、マルチ周波数処理のパラメータを決定する決定部と、
    決定された前記パラメータに基づいて、前記Ｘ線画像データおよび当該Ｘ線画像データより後に撮像された他のＸ線画像データのうち少なくとも一方に対して前記マルチ周波数処理を実行する画像処理部と、
    を備える医用画像処理装置。
16. 被検体が撮像されたＸ線画像データから要素を検出する検出ステップと、
    前記要素の検出結果に基づいて、マルチ周波数処理のパラメータを決定する決定ステップと、
    前記決定されたパラメータに基づいて、前記Ｘ線画像データおよび当該Ｘ線画像データより後に撮像された他のＸ線画像データのうち少なくとも一方に対して前記マルチ周波数処理を実行する画像処理ステップと、
    をコンピュータに実行させるためのプログラム。

Images