JP2023077229A - 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】スペクトラルイメージング技術の処理の精度を高めつつ、スペクトラルイメージング技術で取得したＸ線撮像にもとづいて通常の臨床に適した画像を得ること。
【解決手段】実施形態に係るＸ線診断装置は、上述した課題を解決するために、画像取得部と、仮想画像生成部とを有する。画像取得部は、第１のＸ線エネルギーを用いたＸ線撮像にもとづく２次元の第１Ｘ線画像を取得するとともに、第１のＸ線エネルギーとは異なる第２のＸ線エネルギーを用いたＸ線撮像にもとづく２次元の第２Ｘ線画像を取得する。仮想画像生成部は、第１Ｘ線画像と第２Ｘ線画像にもとづいて、第１のＸ線エネルギーおよび第２のＸ線エネルギーのいずれとも異なる第３のＸ線エネルギーを用いたＸ線撮像を模した２次元の仮想的な第３Ｘ線画像を生成する。
【選択図】 図２

Description

本明細書およ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。

Ｘ線診断装置において、Ｘ線のエネルギーを変化させて異なる複数のＸ線エネルギーのそれぞれに対応したＸ線画像を収集し、物質ごとにＸ線の吸収特性が異なることを利用して被検体に含まれる物質を弁別するスペクトラルイメージング技術が知られている。

スペクトラルイメージング技術では、物質ごとの厚みデータを得る物質弁別処理のほか、特定の物質の成分を抑制するエネルギーサブトラクション処理などを行うことができる。物質弁別処理では、たとえば２種のＸ線エネルギーのそれぞれに対応する２つのＸ線画像から、特定の２つの物質（たとえば骨と軟部組織など）のそれぞれについて、厚みの分布を示す物質弁別画像を生成することができる。

物質弁別処理やエネルギーサブトラクション処理などのスペクトラルイメージング技術では、処理の精度を高めるため、Ｘ線エネルギーの差が大きく設定されることが好ましい。たとえば、管電圧を変化させてＸ線エネルギーを変化させる場合、高管電圧による撮像ではなるべく高い管電圧（たとえば１４０ｋＶなど）が、低管電圧による撮像ではなるべく低い管電圧（たとえば４０ｋＶなど）が、それぞれ選択されるとよい。

一方、通常の臨床では、これらの両極端な管電圧にもとづくＸ線画像ではなくその中間的な管電圧（たとえば８０ｋＶなど）にもとづくＸ線画像がユーザの観察に適している。

したがって、スペクトラルイメージング技術におけるＸ線撮像で得られる複数のＸ線画像は、物質弁別処理などに利用されて被検体の構成元素の違いを画像化することに利用することはできるものの、そのものを通常の臨床に利用することは難しい。スペクトラルイメージング技術の処理の精度を高めつつ通常の臨床に適した画像を得る方法としては、両極端な管電圧によるＸ線撮像に加えて通常の臨床に適したＸ線画像を得るための中間的な管電圧によるＸ線撮像を別途行う方法が考えられるが、この場合、被検体の被ばく線量が多くなってしまう。

特開２０２１－０１０７２７号公報

クリストファー Ｍ. ビショップ（Christopher M. Bishop）著、「パターン認識と機械学習（Pattern recognition and machine learning）」、（米国）、第１版、スプリンガー（Springer）、２００６年、Ｐ．２２５－２９０

本明細書およ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、スペクトラルイメージング技術の処理の精度を高めつつ、スペクトラルイメージング技術で取得したＸ線撮像にもとづいて通常の臨床に適した画像を得ることである。

実施形態に係るＸ線診断装置は、上述した課題を解決するために、画像取得部と、仮想画像生成部とを有する。画像取得部は、第１のＸ線エネルギーを用いたＸ線撮像にもとづく２次元の第１Ｘ線画像を取得するとともに、第１のＸ線エネルギーとは異なる第２のＸ線エネルギーを用いたＸ線撮像にもとづく２次元の第２Ｘ線画像を取得する。仮想画像生成部は、第１Ｘ線画像と第２Ｘ線画像にもとづいて、第１のＸ線エネルギーおよび第２のＸ線エネルギーのいずれとも異なる第３のＸ線エネルギーを用いたＸ線撮像を模した２次元の仮想的な第３Ｘ線画像を生成する。

一実施形態に係る医用画像処理装置を含むＸ線診断装置の一構成例を示すブロック図。 図１に示す処理回路のプロセッサにより、スペクトラルイメージング技術の処理の精度を高めつつ、スペクトラルイメージング技術で取得したＸ線撮像にもとづいて通常の臨床に適した画像を得る際の手順の一例を示すフローチャート。 高エネルギー撮像画像ＩＨと低エネルギー撮像画像ＩＬにもとづいて通常エネルギー仮想画像ｉＩＭが生成される際の各画像例を示す説明図。 第１実施形態に係る通常エネルギー仮想画像ｉＩＭを生成する際のデータフローの一例を示す図。 第１の物質および第２の物質の第３のＸ線エネルギーを用いたＸ線撮像を模した仮想第１物質弁別画像（通常エネルギー仮想骨画像ｉＩＭｂｏｎｅ）および仮想第２物質弁別画像（通常エネルギー仮想軟部組織画像ｉＩＭｔｉｓｓｕｅ）が生成される際のデータフローの一例を示す図。 第１実施形態に係る仮想エネルギー画像生成機能の学習時におけるデータフローの一例を示す説明図。 第１実施形態に係る仮想エネルギー画像生成機能の運用時におけるデータフローの一例を示す説明図。 通常エネルギー仮想画像ｉＩＭを補正した補正ｉＩＭを生成する際のデータフローの一例を示す図。 第２実施形態の変形例に係る仮想エネルギー画像生成機能の学習時におけるデータフローの一例を示す説明図。 第２実施形態の変形例に係る仮想エネルギー画像生成機能の運用時におけるデータフローの一例を示す説明図。 （ａ）は骨厚さ画像Ｔｂｏｎｅの一例を示す図、（ｂ）は軟部組織厚さ画像Ｔｔｉｓｓｕｅの一例を示す図。 （ａ）は通常エネルギー仮想画像ｉＩＭの一例を示す図、（ｂ）は通常エネルギー撮像画像ｒＩＭの一例を示す図。 造影血管厚さ画像Ｔｖｅｓｓｅｌを生成する際のデータフローの一例を示す図。

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。

本発明の一実施形態に係るＸ線診断装置、医用画像処理装置、およびプログラムは、スペクトラルイメージング技術を利用可能であり、異なる複数のＸ線エネルギーのそれぞれに対応するＸ線画像を取得する。

図１は、一実施形態に係る医用画像処理装置を含むＸ線診断装置１０の一構成例を示すブロック図である。なお、Ｘ線診断装置１０は、異なる複数のＸ線エネルギーのそれぞれに対応するＸ線画像が収集可能なものであればよく、たとえばＸ線ＴＶ装置やＸ線アンギオ装置、一般撮影装置、乳房Ｘ線撮像装置（マンモグラフィ装置）などを含む。

Ｘ線診断装置１０は、図１に示すように、撮像装置２０と医用画像処理装置の一例としてのコンソール３０を有する。

撮像装置２０は、通常は検査室に設置され、被検体に関する画像データを生成するよう構成される。医用画像処理装置の一例としてのコンソール３０は、たとえば検査室に隣接する操作室に設置され、画像データにもとづくＸ線画像を生成して表示を行なう。なお、コンソール３０は、撮像装置２０が設置される検査室に設置されてもよいし、撮像装置２０とネットワークを介して接続されて検査室と離れた遠隔地に設置されてもよい。

撮像装置２０は、Ｘ線管２１、Ｘ線可動絞り２２、ＦＰＤ２３、天板２４、ディスプレイ２５、およびコントローラ２６などを有する。

Ｘ線管２１は、高電圧を印加されてＸ線を発生する。Ｘ線管２１に印加される管電圧はコンソール３０の処理回路３４により制御される。

Ｘ線可動絞り２２は、Ｘ線管２１によって発生されたＸ線の照射範囲を絞り込むための鉛板等であり、複数の鉛板等の組み合わせによってスリットを形成する。たとえば、Ｘ線可動絞り２２は２対の可動羽根を有し、各対の可動羽根が開閉することでＸ線管２１から照射されるＸ線の照射範囲を調整する。

ＦＰＤ２３は、複数のＸ線検出素子（撮像素子群）を有するフラットパネルディテクタ（平面検出器、ＦＰＤ：Flat Panel Detector）により構成され、ＦＰＤ２３に照射されたＸ線を検出し、この検出したＸ線にもとづいて、Ｘ線透視画像やＸ線撮影画像（以下、Ｘ線透視画像およびＸ線撮影画像をＸ線画像と総称する）の画像データを所定のフレームレートで出力する。この画像データはコンソール３０に与えられる。より具体的には、ＦＰＤ２３は、Ｘ線の入射量に応じた信号電荷を蓄積する半導体素子により構成されたＸ線検出素子を複数有する。複数のＸ線検出素子はマトリクス状に配列される。ＦＰＤ２３としては、たとえばＣＭＯＳ－ＦＰＤなどを用いることができる。

Ｘ線管２１とＦＰＤ２３は、天板２４に載置された被検体を挟んで対向配置されればよい。たとえば、Ｘ線管２１とＦＰＤ２３は、図１に示すように被検体を挟んで対向配置されるようにＣアームなどの支持部材の両端部にそれぞれ支持されてもよい。また、Ｘ線管２１とＦＰＤ２３は、それぞれが独立な支持部材に支持されてもよい。

なお、図１にはＣアームがＸ線管２１を天板２４の下方に位置するよう支持するアンダーチューブタイプの場合を例として示したが、Ｘ線管２１を天板２４の上方に位置するよう支持するオーバーチューブタイプであってもよい。また、図１では１つのＣアームから構成されたシングルプレーンのＸ線診断装置１０を例示したが、Ｘ線診断装置１０は２つのアームを備えたバイプレーンのＸ線診断装置であってもよい。また、Ｃアームは、Ｘ線管焦点とＸ線検出器の距離（ＳＩＤ：Source Image receptor Distance）を変更可能なようにＸ線管２１とＦＰＤ２３を保持してもよい。

天板２４は、寝台の上部に設けられ、被検体を載置する。図示しない高電圧電源は、コンソール３０の処理回路３４に制御される。高電圧電源は、Ｘ線管２１に印加する高電圧を発生する機能を有する高電圧発生装置と、Ｘ線管２１が照射するＸ線に応じた出力電圧の制御を行うＸ線制御装置とを有する。高電圧発生装置は、変圧器方式であってもよいし、インバータ方式であってもよい。

ディスプレイ２５は、１または複数の表示領域により構成され、処理回路３４が生成した画像などの各種情報を表示する。ディスプレイ２５は、検査室内のユーザが視認可能な位置に配置され、たとえば液晶ディスプレイやＯＬＥＤ（Organic Light Emitting Diode）ディスプレイなどの一般的な表示出力装置により構成される。

コントローラ２６は、プロセッサおよび記憶回路を少なくとも有する。コントローラ２６は、この記憶回路に記憶されたプログラムに従ってコンソール３０により制御されて、撮像装置２０の各コンポーネントを統括制御する。たとえば、コントローラ２６は、コンソール３０により制御されて、複数のＸ線エネルギーで被検体を撮像してそれぞれのＸ線エネルギーに対応するＸ線画像データを生成し、コンソール３０に与える。

一方、コンソール３０は、ディスプレイ３１、入力インターフェース３２、記憶回路３３、および処理回路３４を有する。

ディスプレイ３１は、たとえば液晶ディスプレイやＯＬＥＤ（Organic Light Emitting Diode）ディスプレイなどの一般的な表示出力装置により構成され、処理回路３４の制御に従って処理回路３４が生成した画像などの各種情報を表示する。

入力インターフェース３２は、たと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なうタッチパッド、光学センサを用いた非接触入力インターフェース、および音声入力インターフェース等などの一般的な入力装置により実現され、ユーザの操作に対応した操作入力信号を処理回路３４に出力する。また、入力インターフェース３２は、ばく射のオンオフを制御するばく射スイッチを含む。

記憶回路３３は、磁気的もしくは光学的記録媒体または半導体メモリなどの、プロセッサにより読み取り可能な記録媒体を含んだ構成を有する。記憶回路３３の記憶媒体内のプログラムおよびデータの一部または全部は、電子ネットワークを介した通信によりダウンロードされてもよいし、光ディスクなどの可搬型記憶媒体を介して記憶回路３３に与えられてもよい。

処理回路３４は、Ｘ線診断装置１０を統括制御する機能を実現する。また、処理回路３４は、記憶回路３３に記憶された画像処理プログラムを読み出して実行することにより、スペクトラルイメージング技術の処理の精度を高めつつ、スペクトラルイメージング技術で取得したＸ線撮像にもとづいて通常の臨床に適した画像を得るための処理を実行するプロセッサである。

処理回路３４のプロセッサは、図１に示すように、画像取得機能３４１、物質弁別機能３４２、仮想エネルギー画像生成機能３４３、および表示制御機能３４４を実現する。これらの各機能はそれぞれプログラムの形態で記憶回路３３に記憶されている。なお、処理回路３４の機能３４１－３４４の一部は、ネットワークを介してコンソール３０にデータ送受信可能に接続された外部のプロセッサにより実現されてもよい。

画像取得機能３４１は、第１のＸ線エネルギーを用いたＸ線撮像にもとづく２次元の第１Ｘ線画像を取得するとともに、第１のＸ線エネルギーとは異なる第２のＸ線エネルギーを用いたＸ線撮像にもとづく２次元の第２Ｘ線画像を取得する。画像取得機能３４１は画像取得部の一例である。

Ｘ線エネルギーの変化は、管電圧の切り替えやビームフィルタの変更などにより実現することができる。

第１Ｘ線画像と第２Ｘ線画像は、撮像装置２０を制御してＸ線撮像を実行させて撮像装置２０からリアルタイムに取得されてもよいし、Ｘ線診断装置１０による検査終了後に、Ｘ線診断装置１０からまたはＸ線診断装置１０にネットワークを介して接続された画像サーバからポストプロセスで取得されてもよい。画像サーバは、たとえばＰＡＣＳ（Picture Archiving and Communication System：医用画像保管通信システム）に備えられる画像の長期保管用のサーバであり、ネットワークを介して接続されたＸ線診断装置１０で生成されたＸ線透視画像やＤＳＡ画像などのＸ線画像を記憶している。

以下の説明では、適宜、第１Ｘ線画像を高管電圧に対応する高エネルギー撮像画像ＩＨといい、第２Ｘ線画像を低管電圧に対応する低エネルギー撮像画像ＩＬという。

物質弁別機能３４２は、第１Ｘ線画像と第２Ｘ線画像にもとづいて、物質弁別処理により第１の物質の厚さ分布を示す第１物質弁別画像と、第２の物質の厚さ分布を示す第２物質弁別画像とを生成する。以下の説明では、第１物質弁別画像が、第１Ｘ線画像と第２Ｘ線画像にもとづく物質弁別処理により骨を弁別した骨厚さ画像Ｔｂｏｎｅであり、第２物質弁別画像が、第１Ｘ線画像と第２Ｘ線画像にもとづく物質弁別処理により軟部組織を弁別した軟部組織厚さ画像Ｔｔｉｓｓｕｅである場合の例を示す。物質弁別機能３４２は弁別部の一例である。

仮想エネルギー画像生成機能３４３は、第１Ｘ線画像と第２Ｘ線画像にもとづいて、第１のＸ線エネルギーおよび第２のＸ線エネルギーのいずれとも異なる第３のＸ線エネルギーを用いたＸ線撮像を模した２次元の仮想的な第３Ｘ線画像を生成する。仮想エネルギー画像生成機能３４３は仮想画像生成部の一例である。

仮想エネルギー画像生成機能３４３は、管電圧およびビームフィルタの少なくとも一方を仮想的に調整することにより、第３のＸ線エネルギーに対応するスペクトルによる投影をシミュレートする。

以下の説明では、第３のＸ線エネルギー（通常エネルギー）に対応する管電圧が、第１のＸ線エネルギー（高エネルギー）に対応する高管電圧と第２のＸ線エネルギー（低エネルギー）に対応する低管電圧との中間の管電圧である場合の例を示す。また、以下の説明では、仮想的な第３Ｘ線画像を通常エネルギー仮想画像ＩｍａｇｉｎａｒｙＩＭ（ｉＩＭ）という。

表示制御機能３４４は、仮想的な第３Ｘ線画像を、第１物質弁別画像および第２物質弁別画像の少なくとも一方と並列に、または第１物質弁別画像および第２物質弁別画像の少なくとも一方もしくは当該少なくとも一方と重畳させて、ディスプレイ２５やディスプレイ３１に表示させる。表示制御機能３４４は表示制御部の一例である。

（第１実施形態）
まず、Ｘ線診断装置１０、医用画像処理装置、およびプログラムの第１実施形態について図２－４を参照して説明する。

図２は、図１に示す処理回路３４のプロセッサにより、スペクトラルイメージング技術の処理の精度を高めつつ、スペクトラルイメージング技術で取得したＸ線撮像にもとづいて通常の臨床に適した画像を得る際の手順の一例を示すフローチャートである。図２において、Ｓに数字を付した符号はフローチャートの各ステップを示す。

また、図３は、高エネルギー撮像画像ＩＨと低エネルギー撮像画像ＩＬにもとづいて通常エネルギー仮想画像ｉＩＭが生成される際の各画像例を示す説明図である。図４は、第１実施形態に係る通常エネルギー仮想画像ｉＩＭを生成する際のデータフローの一例を示す図である。

図２に示す手順は、Ｘ線診断装置１０によるＸ線撮像に適用可能であり、たとえばＸ線アンギオ装置における透視撮像、ＤＡ（Digital Angiography）撮像、ＤＳＡ（Digital Subtraction Angiography）撮像などの所定のフレームレートの連続したＸ線撮像にも適用可能である。

まず、ステップＳ１において、画像取得機能３４１は、入力インターフェース３２のばく射スイッチが押されたか否かを判定する。ばく射スイッチが押されていないときは（ステップＳ１のＮＯ）、一連の手順は終了となる。一方、ばく射スイッチが押されると（ステップＳ１のＹＥＳ）、画像取得機能３４１は、第１のＸ線エネルギーを用いたＸ線撮像にもとづく２次元の高エネルギー撮像画像ＩＨを取得するとともに（ステップＳ２）、第２のＸ線エネルギーを用いたＸ線撮像にもとづく２次元の低エネルギー撮像画像ＩＬを取得する（ステップＳ３）。ステップＳ２とステップＳ３の順序は逆でもよい。

なお、第１のＸ線エネルギーを用いたＸ線撮像と第２のＸ線エネルギーを用いたＸ線撮像は、たとえば管電圧を切り替えることによって行われる。この場合、高管電圧に対応する撮像と低管電圧に対応する撮像とがそれぞれ異なるＸ線パルスで行われてもよいし、Ｘ線管２１が１つのＸ線パルスを照射している間に管電圧を切り替えることによって行われてもよい。後者の場合、非破壊読み出し可能なＦＰＤ２３を用い、ＦＰＤ２３から管電圧の切替に応じて非破壊読み出しを行ってもよい。

次に、ステップＳ４において、物質弁別機能３４２は、高エネルギー撮像画像ＩＨと低エネルギー撮像画像ＩＬにもとづいて、物質弁別処理により骨厚さ画像Ｔｂｏｎｅと軟部組織厚さ画像Ｔｔｉｓｓｕｅを生成する（図３、図４参照）。

図２－４に示す手順では、物質弁別機能３４２は、物質弁別処理において、高エネルギー撮像画像ＩＨと低エネルギー撮像画像ＩＬの各画素について、次の式（１）と式（２）の連立方程式を満たすような骨など（骨と造影血管など）の厚みｄ_ｂｏｎｅと軟部組織の厚みｄ_ｓｏｆｔとを算出する。

ただし、

である。

式（１）～（４）において、N(high)(E)は第１のＸ線エネルギーのスペクトル、N(low)(E)は第２のＸ線エネルギーのスペクトル、μ_ｂｏｎｅ(E)は骨などのＸ線の吸収係数、μ_ｓｏｆｔ(E)は軟部組織の吸収係数をそれぞれ表す。N(high)(E)、N(low)(E)、μ_ｂｏｎｅ(E)、μ_ｓｏｆｔ(E)は、既知の値として記憶回路３３にあらかじめ記憶される。

そして、物質弁別機能３４２は、各画素について求めた骨などの厚みｄ_ｂｏｎｅに応じた輝度値を各画素に割り当てて骨厚さ画像Ｔｂｏｎｅを生成するとともに、各画素について求めた軟部組織の厚みｄ_ｓｏｆｔに応じた輝度値を各画素が有するように軟部組織厚さ画像Ｔｔｉｓｓｕｅを生成する。

次に、ステップＳ５において、仮想エネルギー画像生成機能３４３は、高エネルギー撮像画像ＩＨと低エネルギー撮像画像ＩＬにもとづいて２次元の仮想的なＸ線画像である通常エネルギー仮想画像ｉＩＭを生成する。図２－４に示す手順では、仮想エネルギー画像生成機能３４３は、骨厚さ画像Ｔｂｏｎｅと軟部組織厚さ画像Ｔｔｉｓｓｕｅの各画素について、仮想的なＸ線エネルギーのスペクトルを用いた仮想的な投影処理を行うことにより、仮想的な通常エネルギー仮想画像ｉＩＭを生成する。

具体的には、仮想エネルギー画像生成機能３４３は、ステップＳ４で求められた骨などの厚みｄ_ｂｏｎｅと軟部組織の厚みｄ_ｓｏｆｔとを次の式（５）に代入し、仮想的な第３のＸ線エネルギー（たとえば通常の臨床に適した通常エネルギー）のスペクトルN(middle)(E)を用いて各画素について投影をシミュレートすることで、仮想的な通常エネルギー仮想画像ｉＩＭを生成する（図３、図４参照）。

仮想的な第３のＸ線エネルギーのスペクトルN(middle)(E)は、管電圧を仮想的に設定することでシミュレートしてもよいし、ビームフィルタを仮想的に切り替えてシミュレートしてもよいし、管電圧とビームフィルタの両方を調整してシミュレートしてもよい。また、仮想エネルギー画像生成機能３４３は、式（５）を用いて、さらに仮想的な第４のＸ線エネルギーのスペクトルN(middle2)(E)にもとづいて仮想的な第２の通常エネルギー仮想画像を生成してもよい（たとえば、仮想的な第３のＸ線エネルギーが管電圧８０ｋＶに対応するとき、仮想的な第４のＸ線エネルギーはそれより少し小さい管電圧７０ｋＶに対応するなど）。

次に、ステップＳ６において、表示制御機能３４４は、通常エネルギー仮想画像ｉＩＭを、骨厚さ画像Ｔｂｏｎｅおよび軟部組織厚さ画像Ｔｔｉｓｓｕｅの少なくとも一方と並列に、骨厚さ画像Ｔｂｏｎｅおよび軟部組織厚さ画像Ｔｔｉｓｓｕｅの少なくとも一方と重畳させて、ディスプレイ２５やディスプレイ３１に表示させ、ステップＳ１に戻る。

ここで、上記重畳表示するに際し、通常エネルギー仮想画像ｉＩＭを主たる画像として、これに骨厚さ画像Ｔｂｏｎｅや軟部組織厚さ画像Ｔｔｉｓｓｕｅを従たる画像として重畳してもよいし、その逆でもよい。また、重畳表示にあたって、骨厚さ画像Ｔｂｏｎｅや軟部組織厚さ画像Ｔｔｉｓｓｕｅそのものに替えて、これらに基づく画像（例えば、骨厚さ画像Ｔｂｏｎｅにおいて輪郭を抽出して得た画像）を用いてもよい。さらに、重畳表示された各画像を区別して把握できるよう、重畳表示対象の画像のうちの少なくとも１つを有彩色により表示してもよい。なお、物質弁別結果である骨厚さ画像Ｔｂｏｎｅおよび軟部組織厚さ画像Ｔｔｉｓｓｕｅの少なくとも一方の表示に加えて、またはこれに替えて、物質弁別結果にもとづいて画像処理（たとえば特定の空間周波数成分の強調）を行った通常エネルギー仮想画像ｉＩＭを表示してもよい。

以上の手順により、スペクトラルイメージング技術の処理の精度を高めつつ、スペクトラルイメージング技術で取得したＸ線撮像にもとづいて通常の臨床に適した画像を得ることができる。

また、画像取得機能３４１および仮想エネルギー画像生成機能３４３は、ユーザの（たとえばばく射スイッチを介しての）ばく射指示の継続を条件として、高エネルギー撮像画像ＩＨの取得、低エネルギー撮像画像ＩＬの取得、および通常エネルギー仮想画像ｉＩＭの生成、の組合せを順次繰り返してもよい。

Ｘ線診断装置１０によれば、スペクトラルイメージング技術におけるＸ線撮像で得られた複数のＸ線画像にもとづいて、第３のＸ線画像（たとえば通常エネルギー仮想画像ｉＩＭ）を得ることができる。このため、スペクトラルイメージング技術における両極端なＸ線エネルギーを用いたＸ線撮像を行うだけで、通常の臨床に適した画像を生成するためのＸ線撮像を特別に行って被検体の被ばく線量を増大させてしまうことなく、骨厚さ画像Ｔｂｏｎｅおよび軟部組織厚さ画像Ｔｔｉｓｓｕｅなどの物質弁別画像を生成することができるばかりでなく、通常の臨床に適した画像を仮想的に生成し表示することができる。

（第１実施形態の第１変形例）
図５は、第１の物質および第２の物質の第３のＸ線エネルギーを用いたＸ線撮像を模した仮想第１物質弁別画像（通常エネルギー仮想骨画像ｉＩＭｂｏｎｅ）および仮想第２物質弁別画像（通常エネルギー仮想軟部組織画像ｉＩＭｔｉｓｓｕｅ）が生成される際のデータフローの一例を示す図である。

骨厚さ画像Ｔｂｏｎｅや軟部組織厚さ画像Ｔｔｉｓｓｕｅは、物質の厚さ分布を示す画像である。このため、骨厚さ画像Ｔｂｏｎｅや軟部組織厚さ画像Ｔｔｉｓｓｕｅは通常のＸ線画像とはコントラストが異なり、ユーザにとって違和感があり直感的な観察が困難な場合がある。

そこで、仮想エネルギー画像生成機能３４３は、式（５）に骨などの厚みｄ_ｂｏｎｅと軟部組織の厚みｄ_ｓｏｆｔの一方のみを代入し、通常の臨床に用いる仮想的なＸ線エネルギーのスペクトルN(middle)(E)を用いて各画素について投影をシミュレートすることで、通常エネルギー仮想骨画像ｉＩＭｂｏｎｅおよび通常エネルギー仮想軟部組織画像ｉＩＭｔｉｓｓｕｅを生成してもよい（図５参照）。

この場合、表示制御機能３４４は、骨厚さ画像Ｔｂｏｎｅおよび軟部組織厚さ画像Ｔｔｉｓｓｕｅに替えて通常エネルギー仮想骨画像ｉＩＭｂｏｎｅおよび通常エネルギー仮想軟部組織画像ｉＩＭｔｉｓｓｕｅを用いるとよい。

骨厚さ画像Ｔｂｏｎｅおよび軟部組織厚さ画像Ｔｔｉｓｓｕｅに替えて通常エネルギー仮想骨画像ｉＩＭｂｏｎｅおよび通常エネルギー仮想軟部組織画像ｉＩＭｔｉｓｓｕｅを表示することにより、ユーザは見慣れたコントラストを有する画像を観察することができるため、より高精度に診断を行うことができる。

また、意図する物質の（たとえば骨の）弁別画像をより視認性良くしたい、または意図しない物質の（たとえば軟部組織の）弁別画像の視認性を低下させたい場合がある。この場合、式（５）による演算を行う際、前者のケースにおいては、骨などの厚みｄ_ｂｏｎｅに１より大きな数値を一律乗じ、後者のケースにおいては、ｄ_ｓｏｆｔに１より小さい数値を一律乗じることで、意図した視認性の弁別画像を生成してもよい。同様の効果は、たとえば式（２）の演算において、物質ごとに異なるスペクトルN(middle)(E)を用いることでも得ることができる。

（第１実施形態の第２変形例）
仮想エネルギー画像生成機能３４３は、機械学習により構築された学習済みモデルを用いて高エネルギー撮像画像ＩＨと低エネルギー撮像画像ＩＬから通常エネルギー仮想画像ｉＩＭを生成してもよい。この場合、機械学習としてＣＮＮ（畳み込みニューラルネットワーク）や畳み込み深層信念ネットワーク（ＣＤＢＮ：Convolutional Deep Belief Network）などの、多層のニューラルネットワークを用いた深層学習を用いてもよい。以下、仮想エネルギー画像生成機能３４３が深層学習により構築された学習済みモデルを用いる場合の例について説明する。なお、この場合、図２のステップＳ４は省略されてもよい。図２のステップＳ４が省略される場合は、図２のステップＳ６では通常エネルギー仮想画像ｉＩＭのみが表示される。

図６は、第１実施形態に係る仮想エネルギー画像生成機能３４３の学習時におけるデータフローの一例を示す説明図である。仮想エネルギー画像生成機能３４３は、多数のトレーニングデータセットを用いて深層学習を行うことにより、パラメータデータ５２を逐次的に更新する。

多数のトレーニングデータセットのそれぞれのトレーニングデータセットは、学習用データ４１と教師データ４２の組からなる。学習用データ４１は、高エネルギー撮像画像ＩＨと低エネルギー撮像画像ＩＬの組４１１、４１２、４１３、・・・である。教師データ４２は、第３のＸ線エネルギーを用いて実際にＸ線撮像を行って取得した実際の第３Ｘ線画像（通常エネルギー撮像画像）ｒＩＭ４２１、４２２、４２３、・・・である。実際の第３Ｘ線画像（通常エネルギー撮像画像）ｒＩＭ４２１、４２２、４２３、・・・のそれぞれは、高エネルギー撮像画像ＩＨと低エネルギー撮像画像ＩＬの組４１１、４１２、４１３、・・・のそれぞれとＸ線エネルギーを除き同一の撮像条件で取得される。

仮想エネルギー画像生成機能３４３は、トレーニングデータセットが与えられるごとに、学習用データ４１をニューラルネットワーク５１で処理した結果が教師データ４２に近づくようにパラメータデータ５２を更新していく、いわゆる学習を行う。一般に、パラメータデータ５２の変化割合が閾値以内に収束すると、学習は終了と判断される。以下、学習後のパラメータデータ５２を特に学習済みパラメータデータ５２ｔという。ニューラルネットワーク５１と学習済みパラメータデータ５２ｔは学習済みモデル５０を構成する。

図７は、第１実施形態に係る仮想エネルギー画像生成機能３４３の運用時におけるデータフローの一例を示す説明図である。運用時には、仮想エネルギー画像生成機能３４３は、高エネルギー撮像画像ＩＨと低エネルギー撮像画像ＩＬの組６１を入力され、学習済みモデル５０を用いて、通常エネルギー仮想画像ｉＩＭ６２を生成する。

学習済みモデル５０はニューラルネットワーク５１と学習済みパラメータデータ５２ｔにより構成される。この種の学習の方法および学習済みモデルの構築方法については、非特許文献１に開示された方法など種々の方法が知られている。ニューラルネットワーク５１は、プログラムの形態で記憶回路３３に記憶される。学習済みパラメータデータ５２ｔは、記憶回路３３に記憶されてもよいし、ネットワークを介して処理回路３４と接続された記憶媒体に記憶されてもよい。

学習済みモデル５０（ニューラルネットワーク５１と学習済みパラメータデータ５２ｔ）が記憶回路３３に記憶される場合、処理回路３４のプロセッサにより実現される仮想エネルギー画像生成機能３４３は、記憶回路３３から学習済みモデル５０を読み出して実行することで、高エネルギー撮像画像ＩＨと低エネルギー撮像画像ＩＬから通常エネルギー仮想画像ｉＩＭを生成することができる。

また、学習済みモデル５０は、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field Programmable Gate Array）などの集積回路によって構築されてもよい。

（第２実施形態）
図８は、通常エネルギー仮想画像ｉＩＭを補正した補正ｉＩＭを生成する際のデータフローの一例を示す図である。

第１実施形態に係る方法で生成された通常エネルギー仮想画像ｉＩＭは、第３のＸ線エネルギーを用いて実際にＸ線撮像を行って取得した実際の第３Ｘ線画像ｒＩＭを用いて補正されてもよい。

この場合、被検体の被ばく線量を低減させるよう、第３のＸ線エネルギーを用いた実際のＸ線撮像は、通常のＸ線撮像で用いられる線量よりも低い線量で行うとよい。この場合、得られる第３Ｘ線画像は通常の画像よりも粗い画像（粗ｒＩＭ）となるが、実際のＸ線撮像で得た粗ｒＩＭとの加算処理などにより通常エネルギー仮想画像ｉＩＭを補正することで、通常エネルギー仮想画像ｉＩＭよりも非常に高画質な仮想画像（補正ｉＩＭ）を得ることができる。

上記手法を用いれば、第３Ｘ線画像ｒＩＭの取得のための実際のＸ線撮像における線量
を、補正ｉＩＭと同一のＳＮ比を有するＸ線画像をＸ線撮像により取得する場合における線量よりも小さくすることができる。すなわち、上記手法によれば、通常の臨床に適したＸ線画像を得るためのＸ線撮像を別途行う方法に比して、線量を低減することができる。

なお、上記においては、通常エネルギー仮想画像ｉＩＭを補正処理の対象画像とし、実際の第３Ｘ線画像ｒＩＭを補正処理用画像として用いるものとして説明をした。しかし、通常エネルギー仮想画像ｉＩＭと実際の第３Ｘ線画像ｒＩＭとは、ノイズ量等を除き類似する画像である以上、補正処理の対象画像と補正処理用画像との間の区別は便宜的なものにすぎず、本質は、通常エネルギー仮想画像ｉＩＭに加えて実際の第３Ｘ線画像ｒＩＭを用いることにより、通常エネルギー仮想画像ｉＩＭよりも高画質な画像を得る点にある。そこで、データ処理上、実際の第３Ｘ線画像ｒＩＭを補正処理の対象画像として扱う場合や、通常エネルギー仮想画像ｉＩＭと実際の第３Ｘ線画像ｒＩＭとの間に主従の関係を持たせずにこれらを扱う場合であっても、取得された高画質な画像は、補正ｉＩＭないし「補正仮想第３Ｘ線画像」にあたる。

（第２実施形態の変形例）
補正ｉＩＭは、機械学習により構築された学習済みモデルを用いて、高エネルギー撮像画像ＩＨ、低エネルギー撮像画像ＩＬ、および粗ｒＩＭから生成されてもよい。

図９は、第２実施形態の変形例に係る仮想エネルギー画像生成機能３４３の学習時におけるデータフローの一例を示す説明図である。この変形例に係る仮想エネルギー画像生成機能３４３は、多数のトレーニングデータセットを用いて深層学習を行うことにより、パラメータデータ７２を逐次的に更新する。

多数のトレーニングデータセットのそれぞれのトレーニングデータセットは、学習用データ４３と教師データ４４の組からなる。学習用データ４３は、高エネルギー撮像画像ＩＨと低エネルギー撮像画像ＩＬと粗ｒＩＭの組４３１、４３２、４３３、・・・である。教師データ４４は、第３のＸ線エネルギーを用いて実際にＸ線撮像を行って取得した実際の第３Ｘ線画像ｒＩＭ４４１、４４２、４４３、・・・である。実際の第３Ｘ線画像ｒＩＭ４４１、４４２、４４３、・・・は、通常のＸ線撮像と同じまたはそれ以上の線量で第３のＸ線エネルギーを用いたＸ線撮像を行って取得された高画質な精細画像である。

なお、学習用データ４３の粗ｒＩＭは、実際にＸ線撮像せずに、実際の第３Ｘ線画像ｒＩＭ４４１、４４２、４４３、・・・のそれぞれにノイズ付加することで生成されてもよい。

仮想エネルギー画像生成機能３４３は、トレーニングデータセットが与えられるごとに、学習用データ４３をニューラルネットワーク７１で処理した結果が教師データ４４に近づくようにパラメータデータ７２を更新し、学習済みパラメータデータ７２ｔを得る。ニューラルネットワーク７１と学習済みパラメータデータ７２ｔは学習済みモデル７０を構成する。

図１０は、第２実施形態の変形例に係る仮想エネルギー画像生成機能３４３の運用時におけるデータフローの一例を示す説明図である。

第２実施形態の変形例では、運用時には、仮想エネルギー画像生成機能３４３は、高エネルギー撮像画像ＩＨと低エネルギー撮像画像ＩＬと粗ｒＩＭの組６３を入力され、学習済みモデル７０を用いて、補正された通常エネルギー仮想画像ｉＩＭ（補正ｉＩＭ）６４を生成すればよい。

（第３実施形態）
第３実施形態に示すＸ線診断装置１０、医用画像処理装置およびプログラムは、造影血管を弁別する点で第１実施形態および第２実施形態に示すＸ線診断装置１０、医用画像処理装置およびプログラムと異なる。

図１１（ａ）は骨厚さ画像Ｔｂｏｎｅの一例を示す図であり、（ｂ）は軟部組織厚さ画像Ｔｔｉｓｓｕｅの一例を示す図である。図１２（ａ）は通常エネルギー仮想画像ｉＩＭの一例を示す図であり、（ｂ）は通常エネルギー撮像画像ｒＩＭの一例を示す図である。また、図１３は、造影血管厚さ画像Ｔｖｅｓｓｅｌを生成する際のデータフローの一例を示す図である。

Ｘ線撮像の視野に骨、造影血管、軟部組織が含まれる場合を考える。血管を造影する造影剤のＸ線の吸収係数は高く、骨に近い。物質弁別機能３４２は、造影血管８２の吸収係数を骨８１の吸収係数μ_ｂｏｎｅ(E)とみなして式（１）と式（２）を用いて骨などの厚みｄ_ｂｏｎｅ求めている。したがって、物質弁別機能３４２が厚みｄ_ｂｏｎｅにもとづいて生成する骨厚さ画像Ｔｂｏｎｅには、骨８１の厚さ分布とともに、骨８１に換算した厚みを持つ物質として造影血管８２の厚さ分布が描出される（図１１（ａ）参照）。

一方、物質弁別機能３４２が生成する軟部組織厚さ画像Ｔｔｉｓｓｕｅには、軟部組織８３の厚さ分布が描出される。このとき、軟部組織厚さ画像Ｔｔｉｓｓｕｅにおいて、軟部組織８３と造影血管８２とが重なって投影される画素は、造影血管８２の厚みだけ軟部組織８３の厚みが薄くなった輝度値を有することになる（図１１（ｂ）参照）。

しかし、骨８１と造影血管８２の吸収係数は、実際には完全に同一ではない。このため、仮想エネルギー画像生成機能３４３が骨厚さ画像Ｔｂｏｎｅと軟部組織厚さ画像Ｔｔｉｓｓｕｅから仮想的に生成した通常エネルギー仮想画像ｉＩＭ（図１２（ａ）参照）と、実際に通常のＸ線エネルギーでＸ線撮像して生成された通常エネルギー撮像画像ｒＩＭ（図１２（ｂ）参照）とでは、他の構成要素と造影血管８２との濃度差が異なる。

このため、第３実施形態に係る物質弁別機能３４２は、仮想的な通常エネルギー仮想画像ｉＩＭと実際の通常エネルギー撮像画像ｒＩＭとを互いの差分をとる（図１３参照）などして比較することにより、造影血管８２を弁別した造影血管弁別画像である造影血管厚さ画像Ｔｔｉｓｓｕｅを生成することができる。

以上説明した少なくとも１つの実施形態によれば、スペクトラルイメージング技術の処理の精度を高めつつ、スペクトラルイメージング技術で取得したＸ線撮像にもとづいて通常の臨床に適した画像を得ることができる。

なお、上記実施形態において、「プロセッサ」という文言は、たとえば、専用または汎用のＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、または、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（たとえば、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）、およ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。プロセッサがたとえばＣＰＵである場合、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て実行することにより、各種機能を実現する。また、プロセッサがたとえばＡＳＩＣである場合、記憶回路にプログラムを保存するかわりに、当該プログラムに相当する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。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ハードウェア処理により各種機能を実現する。あるいはまた、プロセッサは、ソフトウェア処理とハードウェア処理とを組み合わせて各種機能を実現することもできる。

また、上記実施形態では処理回路の単一のプロセッサが各機能を実現する場合の例について示したが、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、各プロセッサが各機能を実現してもよい。また、プロセッサが複数設けられる場合、プログラムを記憶する記憶回路は、プロセッサごとに個別に設けられてもよいし、１つの記憶回路が全てのプロセッサの機能に対応するプログラムを一括して記憶してもよい。

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。

１０ Ｘ線診断装置
２１ Ｘ線管
２５ ディスプレイ
３０ コンソール（医用画像処理装置）
３１ ディスプレイ
４１、４３ 学習用データ
４２、４４ 教師データ
５０、７０ 学習済みモデル
３４１ 画像取得機能
３４２ 物質弁別機能
３４３ 仮想エネルギー画像生成機能
３４４ 表示制御機能
ｄ_ｂｏｎｅ 厚み
ｄ_ｓｏｆｔ 厚み
ｉＩＭ 通常エネルギー仮想画像（仮想的な第３Ｘ線画像）
ｒＩＭ 通常エネルギー撮像画像（撮像で得た実際の第３Ｘ線画像）

Claims (16)

1. 第１のＸ線エネルギーを用いたＸ線撮像にもとづく２次元の第１Ｘ線画像を取得するとともに、前記第１のＸ線エネルギーとは異なる第２のＸ線エネルギーを用いたＸ線撮像にもとづく２次元の第２Ｘ線画像を取得する画像取得部と、
   前記第１Ｘ線画像と前記第２Ｘ線画像にもとづいて、前記第１のＸ線エネルギーおよび前記第２のＸ線エネルギーのいずれとも異なる第３のＸ線エネルギーを用いたＸ線撮像を模した２次元の仮想的な第３Ｘ線画像を生成する仮想画像生成部と、
   を備えたＸ線診断装置。
2. 前記第１Ｘ線画像と前記第２Ｘ線画像にもとづいて第１物質弁別画像と第２物質弁別画像を生成する弁別部、
   をさらに備え、
   前記仮想画像生成部は、
   前記第１物質弁別画像と前記第２物質弁別画像の各画素について、前記第３のＸ線エネルギーに対応するスペクトルを用いた仮想的な投影処理を行うことにより、前記仮想的な第３Ｘ線画像を生成する、
   請求項１記載のＸ線診断装置。
3. 前記仮想画像生成部は、
   管電圧およびビームフィルタの少なくとも一方を仮想的に調整することにより前記第３のＸ線エネルギーに対応するスペクトルによる投影をシミュレートする、
   請求項２記載のＸ線診断装置。
4. 操作者からのばく射指示操作を受け付ける入力インターフェース、
   をさらに備え、
   前記画像取得部および前記仮想画像生成部は、
   前記ばく射指示の継続を条件として、前記第１Ｘ線画像の取得、前記第２Ｘ線画像の取得、および前記仮想的な第３Ｘ線画像の生成、の組合せを順次繰り返す、
   請求項２または３に記載のＸ線診断装置。
5. 前記仮想的な第３Ｘ線画像を、前記第１物質弁別画像および前記第２物質弁別画像の少なくとも一方と並列にディスプレイに表示させ、または前記第１物質弁別画像および前記第２物質弁別画像の少なくとも一方もしくは当該少なくとも一方に基づく画像と重畳させて前記ディスプレイに表示させる表示制御部、
   をさらに備えた請求項２ないし４のいずれか１項に記載のＸ線診断装置。
6. 前記弁別部は、
   前記第１Ｘ線画像と前記第２Ｘ線画像にもとづいて第１の物質および第２の物質の厚みを求め、前記第１物質弁別画像および前記第２物質弁別画像の各画素がそれぞれ前記第１の物質および前記第２の物質の厚みに応じた輝度値を有するよう前記第１物質弁別画像および前記第２物質弁別画像を生成する、
   請求項５記載のＸ線診断装置。
7. 前記仮想画像生成部は、
   前記第１の物質および前記第２の物質の厚みにもとづいて、前記第３のＸ線エネルギーを用いた前記第１の物質および前記第２の物質のＸ線撮像を模した仮想第１物質弁別画像および仮想第２物質弁別画像を生成し、
   前記表示制御部は、
   前記仮想的な第３Ｘ線画像を、前記仮想第１物質弁別画像および前記仮想第２物質弁別画像の少なくとも一方と並列に前記ディスプレイに表示させ、または前記仮想第１物質弁別画像および前記仮想第２物質弁別画像の少なくとも一方もしくは当該少なくとも一方に基づく画像と重畳させてディスプレイに表示させる、
   請求項６記載のＸ線診断装置。
8. 前記仮想画像生成部は、
   前記第１Ｘ線画像と前記第２Ｘ線画像とにもとづいて前記仮想的な第３Ｘ線画像を生成する学習済みモデルに対して前記第１Ｘ線画像と前記第２Ｘ線画像を入力することにより、前記仮想的な第３Ｘ線画像を生成する、
   請求項１記載のＸ線診断装置。
9. 前記画像取得部は、
   前記第３のＸ線エネルギーを用いた実際のＸ線撮像にもとづく２次元の実際の第３Ｘ線画像をさらに取得し、
   前記仮想画像生成部は、
   前記実際の第３Ｘ線画像と前記仮想的な第３Ｘ線画像とにもとづいて補正仮想第３Ｘ線画像を生成する、
   請求項１ないし８のいずれか１項に記載のＸ線診断装置。
10. 前記実際の第３Ｘ線画像は、通常のＸ線撮像よりも低い線量で前記第３のＸ線エネルギーを用いた実際のＸ線撮像を行うことで取得される、
    請求項９記載のＸ線診断装置。
11. 前記第３のＸ線エネルギーを用いた実際のＸ線撮像における線量は、前記補正仮想第３Ｘ線画像と同一のＳＮ比を有するＸ線画像をＸ線撮像により取得する場合における線量よりも小さい、
    請求項９または１０に記載のＸ線診断装置。
12. 前記仮想画像生成部は、
    前記第１Ｘ線画像と前記第２Ｘ線画像と前記実際の第３Ｘ線画像とにもとづいて前記補正仮想第３Ｘ線画像を生成する学習済みモデルに対して、前記第１Ｘ線画像と前記第２Ｘ線画像と前記実際の第３Ｘ線画像を入力することにより、前記補正仮想第３Ｘ線画像を生成する、
    請求項９または１０に記載のＸ線診断装置。
13. 前記学習済みモデルは、
    前記第１Ｘ線画像と、前記第２Ｘ線画像と、通常のＸ線撮像と同じまたはそれ以上の線量で前記第３のＸ線エネルギーを用いた実際のＸ線撮像を行うことで取得された精細第３Ｘ線画像にノイズを付与することにより生成された粗第３Ｘ線画像と、を学習用データとし、前記精細第３Ｘ線画像を教師データとするトレーニングデータセットを用いて構築された、
    請求項１２記載のＸ線診断装置。
14. 前記第１Ｘ線画像と前記第２Ｘ線画像にもとづいて第１物質弁別画像と第２物質弁別画像を生成する弁別部、
    をさらに備え、
    前記弁別部は、
    前記実際の第３Ｘ線画像と前記仮想的な第３Ｘ線画像とを比較することにより造影血管が抽出された造影血管弁別画像を生成する、
    請求項９ないし１３のいずれか１項に記載のＸ線診断装置。
15. 第１のＸ線エネルギーを用いたＸ線撮像にもとづく２次元の第１Ｘ線画像を取得するとともに、前記第１のＸ線エネルギーとは異なる第２のＸ線エネルギーを用いたＸ線撮像にもとづく２次元の第２Ｘ線画像を取得する画像取得部と、
    前記第１Ｘ線画像と前記第２Ｘ線画像にもとづいて、前記第１のＸ線エネルギーおよび前記第２のＸ線エネルギーのいずれとも異なる第３のＸ線エネルギーを用いたＸ線撮像を模した２次元の仮想的な第３Ｘ線画像を生成する仮想画像生成部と、
    を備えた医用画像処理装置。
16. コンピュータに、
    第１のＸ線エネルギーを用いたＸ線撮像にもとづく２次元の第１Ｘ線画像を取得するとともに、前記第１のＸ線エネルギーとは異なる第２のＸ線エネルギーを用いたＸ線撮像にもとづく２次元の第２Ｘ線画像を取得するステップと、
    前記第１Ｘ線画像と前記第２Ｘ線画像にもとづいて、前記第１のＸ線エネルギーおよび前記第２のＸ線エネルギーのいずれとも異なる第３のＸ線エネルギーを用いたＸ線撮像を模した２次元の仮想的な第３Ｘ線画像を生成するステップと、
    を実行させるためのプログラム。

Images