JP2023125605A - 放射線画像解析装置、その作動方法、及び放射線画像解析プログラム - Google Patents

放射線画像解析装置、その作動方法、及び放射線画像解析プログラム Download PDF

Info

Publication number
JP2023125605A
JP2023125605A JP2022029806A JP2022029806A JP2023125605A JP 2023125605 A JP2023125605 A JP 2023125605A JP 2022029806 A JP2022029806 A JP 2022029806A JP 2022029806 A JP2022029806 A JP 2022029806A JP 2023125605 A JP2023125605 A JP 2023125605A
Authority
JP
Japan
Prior art keywords
bone
rotation angle
bone mass
image
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2022029806A
Other languages
English (en)
Inventor
伴子 瀧
Tomoko Taki
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujifilm Corp
Original Assignee
Fujifilm Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fujifilm Corp filed Critical Fujifilm Corp
Priority to JP2022029806A priority Critical patent/JP2023125605A/ja
Priority to US18/175,415 priority patent/US20230274426A1/en
Publication of JP2023125605A publication Critical patent/JP2023125605A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/505—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of bone
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/60—Rotation of whole images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/42—Arrangements for detecting radiation specially adapted for radiation diagnosis
    • A61B6/4266—Arrangements for detecting radiation specially adapted for radiation diagnosis characterised by using a plurality of detector units
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/482—Diagnostic techniques involving multiple energy imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5235—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
    • A61B6/5282—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to scatter
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30008—Bone
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images
    • G06V2201/033—Recognition of patterns in medical or anatomical images of skeletal patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radiology & Medical Imaging (AREA)
  • Multimedia (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Optics & Photonics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Evolutionary Computation (AREA)
  • Dentistry (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Physiology (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

【課題】放射線画像を用いて、一定の基準での骨量を容易に計測することができる放射線画像解析装置、その作動方法、及び放射線画像解析プログラムを提供する。【解決手段】放射線画像解析装置１０は、骨部を含む被写体をＸ線撮影することにより得られるＸ線画像１４を取得し、Ｘ線画像１４に基づき、骨部の基準位置からの回旋角度を取得し、Ｘ線画像１４の画素毎に画素値を変換することにより得た骨部の補正前骨量情報を、回旋角度に基づき補正することにより、骨部の骨量情報を取得する。【選択図】図１

Description

本発明は、放射線画像から骨量情報を取得する放射線画像解析装置、その作動方法、及び放射線画像解析プログラムに関する。
医療分野においては、放射線撮影による骨密度の測定が行われている。骨密度は、骨粗鬆症の診断または治療の経過観察のための重要なデータとして用いられる。例えば、ＤＸＡ（Ｄｕａｌ Ｅｎｅｒｇｙ Ｘ－ｒａｙ Ａｂｓｏｒｐｔｉｏｍｅｔｒｙ）法による検査によれば、骨部を選択的に写した放射線画像を得ることが可能である。この放射線画像に写る骨部の画像により、画像の各画素における輝度（画素値）が骨量と関連することを用いて、骨部が含むミネラルの密度を示す骨量の情報を得る。骨量は、骨塩量、または骨密度等ともいわれる。
放射線撮影により骨量をより正確に求める方法が開示されている。例えば、撮影による検査の再現性を向上させるために、Ｘ線撮影系に対する被検体の脚部の角度を調整可能に固定する固定具と、脚部の角度を登録する登録手段とを備える骨密度測定装置が開示されている（特許文献１）。また、前腕の骨の骨密度を測定するための関心領域の方向を補正することにより、関心領域を正確に設定することが可能である骨密度測定装置が開示されている（特許文献２）。
国際公開第２０１７／０２６０４６号 特開２０１５－０６５９９９号公報
被検体の角度等のポジションを固定する方法では、正しいポジションにより被検体を固定するために時間を要するおそれがあり、また、異なったポジションで撮影された放射線画像同士で骨量の比較が正確にできないおそれがある。また、関心領域の方向を補正する方法では、関心領域が３次元的にずれた場合には対応できないおそれがある。
本発明は、放射線画像を用いて、一定の基準での骨量を容易に計測することができる放射線画像解析装置、その作動方法、及び放射線画像解析プログラムを提供することを目的とする。
本発明は、プロセッサを備える放射線画像解析装置であって、プロセッサは、骨部を含む被写体の放射線撮影を行うことにより得られる放射線画像を取得し、放射線画像に基づき、骨部の基準位置からの回旋角度を取得し、放射線画像の画素毎に画素値を変換することにより得た骨部の補正前骨量情報を、回旋角度に基づき補正することにより、骨部の骨量情報を取得する。
放射線画像は、被写体を正面位で撮影したものであることが好ましい。
骨部は、大腿骨近位部であることが好ましい。
骨部は、予め設定した部位を含み、プロセッサは、放射線画像に写る部位の部位画像に基づき、回旋角度を取得することが好ましい。
骨部は、右または左の大腿骨近位部であり、部位は、小転子であることが好ましい。
プロセッサは、部位画像に基づき、小転子の頂点と大腿骨近位部が含む大腿骨の内側に接する接線との距離である小転子距離を求め、小転子距離に基づき、回旋角度を取得することが好ましい。
プロセッサは、小転子距離と回旋角度とが対応する回旋角度対応情報を取得し、小転子距離と回旋角度対応情報とに基づき、回旋角度を取得することが好ましい。
プロセッサは、回旋角度と、補正前骨量情報を補正するための補正係数とが対応する補正係数対応情報を取得し、回旋角度と補正係数対応情報とに基づき、補正前骨量情報を補正することが好ましい。
放射線画像を有する入力情報を入力することにより、回旋角度に関連する推定結果を推定して出力可能な学習済みモデルを備え、学習済みモデルは、推定結果を入力情報に基づいて出力するためのパラメータを有し、プロセッサは、学習済みモデルを用いることにより出力された推定結果から回旋角度を取得することが好ましい。
プロセッサは、放射線画像を取得する際に、被写体の体厚分布に基づいて散乱線成分を画素毎に推定し、放射線画像から散乱線成分を除去することが好ましい。
骨部は、皮質骨と海綿骨とを含み、プロセッサは、放射線画像に写る骨部の皮質骨の領域と海綿骨の領域とを認識し、皮質骨の領域に基づき補正前皮質骨量情報を取得し、かつ、海綿骨の領域に基づき補正前海綿骨量情報を取得し、補正前皮質骨量情報を回旋角度に基づき補正することにより皮質骨量情報を取得し、かつ、補正前海綿骨量情報を回旋角度に基づき補正することにより海綿骨量情報を取得することが好ましい。
プロセッサは、既知の骨量を有するファントムの放射線撮影を行うことにより得られる放射線画像に基づいて骨量情報の基準値を取得し、既知の骨量と骨量情報の基準値とが対応する骨量対応情報を取得し、骨量対応情報に基づき、骨量情報から骨量を取得することが好ましい。
本発明の放射線画像解析装置の作動方法は、骨部を含む被写体の放射線撮影を行うことにより得られる放射線画像を取得するステップと、放射線画像に基づき、骨部の基準位置からの回旋角度を取得するステップと、放射線画像の画素毎に画素値を変換することにより得た骨部の補正前骨量情報を、回旋角度に基づき補正することにより、骨部の骨量情報を取得するステップとを備える。
本発明の放射線画像解析プログラムは、骨部を含む被写体の放射線撮影を行うことにより得られる放射線画像を取得する機能と、放射線画像に基づき、骨部の基準位置からの回旋角度を取得する機能と、放射線画像の画素毎に画素値を変換することにより得た骨部の補正前骨量情報を、回旋角度に基づき補正することにより、骨部の骨量情報を取得する機能とをコンピュータに実行させる。
本発明によれば、放射線画像を用いて、一定の基準での骨量を容易に計測することができる。
放射線画像解析装置の機能を説明する説明図である。 Ｘ線画像における小転子の形状と大腿骨の回旋角度との関係を説明する説明図であり、図２（Ａ）は、回旋角度がマイナス２０°、図２（Ｂ）は、回旋角度がプラスマイナス０°、図２（Ｃ）は回旋角度がプラス２０°の場合である。 小転子距離ａを説明する説明図である。 大腿骨の回旋角度によりＸ線画像における小転子距離ａが変化することを説明する説明図であり、図４（Ａ）は、回旋角度がマイナス２０°、図４（Ｂ）は、回旋角度がプラスマイナス０°、図４（Ｃ）は回旋角度がプラス２０°の場合である。 Ｘ線画像における小転子距離と回旋角度との関係を示すグラフである。 骨量（ＢＭＤ）と回旋角度との関係を示すグラフである。 放射線画像解析装置の処理の流れを説明するフローチャートである。 放射線画像撮影システムの概略図である。 コンソールの機能を示すブロック図である。 骨部組織画像の生成を説明する説明図である。 体厚分布取得部を備えるコンソールの機能を示すブロック図である。 体厚分布取得部の機能を示すブロック図である。 学習済みモデルを備える回旋角度取得部の機能を示すブロック図である。 学習済みモデルの機能を説明する説明図である。 体厚と管電圧とによる変換係数を示すルックアップテーブルであり、管電圧がそれぞれ１００ｋＶ、９０ｋＶ、又は８０ｋＶの場合である。 骨量取得部の機能を示すブロック図である。 皮質骨と海綿骨とを説明する説明図である。
本発明の基本的な構成の一例について説明する。図１に示すように、本発明の放射線画像解析装置（以下、解析装置という）１０は、解析用画像取得部１１と、回旋角度取得部１２と、骨量取得部１３とを備える。
解析用画像取得部１１は、骨部を含む被写体の放射線撮影を行うことにより得られる放射線画像を取得する。放射線撮影は、放射線を用いて骨部が写る放射線画像が得られる撮影であればよい。したがって、放射線撮影は、Ｘ線等の放射線を用いた、単純撮影及び造影撮影等、並びに、ＤＸＡ法等を用いた撮影を含む。また、放射線撮影を行うことにより得られる放射線画像は、骨部が写る放射線画像であればよく、放射線撮影により直接的に得られる放射線画像の他、得られた放射線画像を用いて各種の画像処理を行った後の画像、及び、複数の放射線画像を用いて画像合成等を行った後の画像等を含む。本実施形態では、放射線撮影として単純Ｘ線撮影を行い、解析用画像取得部１１は、放射線画像として単純Ｘ線画像（以下、Ｘ線画像という）１４を取得する。
解析用画像取得部１１は、本実施形態では、骨部として大腿骨１５の大腿骨近位部を被写体としたＸ線画像１４を取得する。大腿骨近位部は、小転子１６を含む。Ｘ線画像１４は、左の大腿骨近位部を、厳密にポジショニングを調整することなく正面位である正面仰臥位前後（ＡＰ）で撮影したものである。図１において、Ｘ線画像１４では、白が濃く見える領域１５ａを網掛けで示し、白が薄く見える領域１５ｂを網掛けをしないで示す。
解析用画像取得部１１が取得するＸ線画像１４は、そのＸ線画像１４に基づき解析を行うことにより骨量情報を取得するためのものであるから、好ましくは、Ｘ線画像１４に写る骨部は、さまざまな影響が排除され、骨部のみを反映して写すものであることが好ましい。解析用画像取得部１１は、本実施形態では、できるだけ骨部のみを反映して写すものとなるように、放射線画像として、画像処理を行ったＸ線画像１４を取得する。なお、解析用画像取得部１１が取得するＸ線画像１４は、画像処理しないものであってもよい。以下、Ｘ線画像１４という場合、画像処理を行った後のＸ線画像１４と、画像処理を行わないＸ線画像１４とを含む。
また、本明細書では、「骨量」とは、骨塩量又は骨密度（ＢＭＤ、Ｂｏｎｅ Ｍｉｎｅｒａｌ Ｄｅｎｓｉｔｙ）と同じものを意味し、単位は、ｇ／ｃｍ２である。
回旋角度取得部１２は、Ｘ線画像１４に基づき、骨部の基準位置からの回旋角度を取得する。本実施形態では、Ｘ線画像１４に基づき、大腿骨１５の基準位置からの回旋角度を取得する。骨部の基準位置は、予め１つに決めた位置とする。本実施形態では、左右どちらか片側の大腿骨１５を正面仰臥位前後で撮影する場合に、一般的に好ましいとされるポジショニングを基準位置とする。例えば、骨盤前額面を水平にし、撮影する側の股関節部を受像面中心に合わせ、下肢は伸展位で軽度内旋位にしたポジショニングを基準位置とする。
回旋角度とは、撮影する際の骨部のポジショニングにおける、回旋可能な骨部の回旋の角度をいう。したがって、骨部の基準位置からの回旋角度とは、骨部が大腿骨１５である場合、下肢の回旋等により、大腿骨１５が基準位置よりも内旋または外旋した場合の基準位置からの回旋角度をいう。
図２（Ｂ）に示すように、Ｘ線画像１４において大腿骨１５が基準位置にある場合の回旋角度を０°とする。この場合、Ｘ線画像１４に小転子１６が写る。なお、図２（Ａ）、（Ｂ）、及び（Ｃ）において、Ｘ線画像１４に写る小転子１６を含む部分を、それぞれ図の下方に拡大して示す。図２（Ａ）に示すように、大腿骨１５が内旋しており、例えば、基準位置からの回旋角度が－２０°である場合、Ｘ線画像１４に写る小転子１６の形状は小さい形状となる。なお、内旋の回旋角度はマイナスの角度で表し、外旋の回旋角度はプラスの角度で表す。一方、図２（Ｃ）に示すように、大腿骨１５が外旋しており、例えば、基準位置からの回旋角度が２０°である場合、隠れていた小転子１６が前面から見えるようになるため、Ｘ線画像１４に写る小転子１６の形状は目立って大きい形状となる。
骨量は、Ｘ線画像１４の画素値に基づいて算出される。なお、画素値は、色の濃淡を表す値であり、Ｘ線画像１４はモノクロ画像であるため、一般的に、輝度値、又はコントラストといわれる場合もある。被写体は、骨部と骨部の周囲に存在する軟部とを有する。放射線における減弱の指数関数の法則から、放射線画像において骨部が写る領域である骨部領域の画素値は、骨部の線減弱係数と軟部の線減弱係数との差と、骨の厚さとの積となる。また、骨部の線減弱係数は、骨部のミネラル成分の密度の関数である。したがって、放射線画像における骨部領域の画素値を骨量に変換することができるが、回旋角度が異なって撮影されたＸ線画像１４においては、同じ骨部であっても、算出される骨量が異なる場合がある。
回旋角度の取得方法としては、取得した放射線画像に基づく方法を用いることができる。例えば、基準位置で骨部を撮影した放射線画像と、測定対象での同じ骨部を撮影した放射線画像とにおいて、放射線画像に写る骨部の部位の部位画像における部位の形状の変化から回旋角度を得る方法が挙げられる。または、回旋角度の正解データを付与した放射線画像により学習モデルを学習させた学習済みモデルを用い、この学習済みモデルに測定対象での同じ骨部を撮影した放射線画像を入力することにより回旋角度を得る方法を用いてもよい。
本実施形態では、放射線画像であるＸ線画像１４に写る大腿骨１５の部位である小転子１６の形状の変化から回旋角度を得る。形状の変化としては、例えば、Ｘ線画像１４に写る小転子１６の部位画像に基づき、小転子１６の頂点と大腿骨１５が含む大腿骨の内側に接する接線との距離を小転子距離とし、この小転子距離を用いることができる。
図３に示すように、具体的には、小転子距離ａは、Ｘ線画像１４の小転子１６が写る部位の部位画像において、小転子１６が形成されている部分付近の大腿骨の内側に接線１８を設定し、小転子１６の頂点から接線１８に垂線１９を設定する。小転子の頂点から垂線１９と接線１８との交点までを、小転子距離ａとする。小転子距離ａは、小転子１６の頂点と接線１８との距離である。
図４（Ｂ）に示すように、大腿骨１５が基準位置にある場合の小転子距離ａは、距離ａ２であるのに対し、図４（Ａ）に示すように、大腿骨１５が基準位置より２０°内旋する場合の小転子距離は、距離ａ２より小さい距離ａ１となる。一方、図４（Ｃ）に示すように、大腿骨１５が基準位置より２０°外旋する場合の小転子距離は、距離ａ２より大きい距離ａ３となる。
Ｘ線画像１４に基づき測定した小転子距離ａは、予め作成した小転子距離ａと回旋角度とが対応する回旋角度対応情報を用いることにより回旋角度に変換することができる。なお、回旋角度対応情報は、大腿骨１５が既知の回旋角度である場合に撮影したＸ線画像１４において実測した小転子距離ａと回旋角度とから多項式近似等を行って得た関係式であってもよいし、ＬＵＴ（Ｌｏｏｋ Ｕｐ Ｔａｂｌｅ）等でもよい。本実施形態では、関係式を用いる。本発明者は、回旋角度対応情報によれば、個体差を抑えて小転子距離ａを回旋角度に変換できることを見出した。すなわち、回旋角度対応情報を得るために実測した対象である被写体と、回旋角度対応情報を用いて回旋角度を求めようとする放射線画像に写る被写体とは、同じであっても互いに異なってもよい。したがって、回旋角度対応情報を用いて、小転子距離ａを回旋角度に変換することが好ましい。
図５に示すように、回旋角度対応情報は、実測した小転子距離aと回旋角度とを回帰分析することにより求めた回帰曲線である関係式２２とすることができる。グラフ２１は、複数の実測した小転子距離ａと回旋角度とのデータを、縦軸を小転子距離ａ、横軸を回旋角度としてプロットしたものである。実測では、具体的には、同じ大腿骨１５について、回旋角度を所定の複数の値に変える以外は同じ条件にて取得した複数のＸ線画像１４について、それぞれ小転子距離ａを測定している。なお、縦軸及び横軸は、基準位置からの差としている。すなわち縦軸は、回旋角度が０°の場合の小転子距離ａを基準（０ｍｍ）とし、実測した小転子距離ａとの差Δ（単位、ｍｍ）とし、横軸は、基準位置を回旋角度０°とし、基準位置からの回旋角度（単位、°）としている。これらのデータを回帰分析することにより回帰曲線を得て、これを関係式２２とした。なお、関係式２２は、例えば、小転子距離ａの差Δをｙ（ｍｍ）、回旋角度をｘ（°）とした場合に、以下の式（１）となった。
ｙ＝０．１１ｘ－０．２７ （１）
また、関係式２２は、決定係数Ｒ２が０．９６であり、小転子距離ａと回旋角度との関係を精度良く示すものであった。なお、この関係式２２より、内旋及び外旋の両者において、内旋角度１０°に対し約１ｍｍの小転子距離ａの差Δが生じることがわかった。
骨量取得部１３は、解析用画像取得部１１が取得した放射線画像の画素毎に、画素値を骨量情報に変換して補正前骨量情報を得る。そして、補正前骨量情報を、回旋角度取得部１２により取得した回旋角度に基づき補正することにより骨量情報を取得する。取得した骨量情報を用いて算出した骨量を、解析装置１０を用いて計測した骨量とする。補正では、回旋角度が０°相当の骨量情報になるように補正前骨量情報を変換する。
骨量情報は、骨量を表す情報であり、測定結果である骨量と対応するデータである。したがって、骨量情報を用いることにより、測定結果である骨量を算出することができる。なお、測定結果である骨量は、ＢＭＤ（単位、g／ｃｍ２）と同じ意味であるから、骨量は、骨量の絶対値といえる。骨量情報は、これを用いて測定結果である骨量を算出できるデータであればよく、骨量を表す相対値、又はその他の値であり、骨量を表す絶対値であってもよい。本実施形態では、骨量情報は、測定による骨量の絶対値を表す情報とする。
画素値を骨量情報に変換する方法としては、管電圧等の撮影条件等による補正を行うために、画素値と骨量情報とが対応するＬＵＴを参照することにより、Ｘ線画像１４に写る骨部の骨部領域の画素値を骨量情報に変換するための変換係数を画素毎に取得した上で、画素値に変換係数を乗ずることにより補正前骨量情報を得る方法が挙げられる。
次に、補正前骨量情報を回旋角度に基づき補正する方法として、本発明者は、回旋角度と、補正前骨量情報を補正するための補正係数とが対応する補正係数対応情報を用いることにより、精度良く基準位置での骨量を取得できることを見出した。補正係数対応情報は、実測した補正前骨量情報と回旋角度とから多項式近似等を行って得た関係式であってもよいし、ＬＵＴ等でもよい。予め取得した回旋角度と骨量情報との関係式を用いる場合、関係式は、実測して得られた回旋角度と骨量情報との関係を多項式近似することにより得た関係式であることが好ましい。この関係式によれば、個体差を抑えて補正前骨量情報を回旋角度が０°相当の骨量情報に補正することができた。このようにして得られた骨量情報に基づく骨量１７は、回旋角度が０°で撮影した場合に計測された骨量とほぼ同じとなった。
図６に示すように、補正係数対応情報は、実測したＢＭＤ（単位、g／ｃｍ２）と回旋角度とを回帰分析することにより多項式近似にて求めた関係式３２とすることができる。グラフ３１は、複数の実測したＢＭＤと回旋角度とのデータを、縦軸をＢＭＤ、横軸を回旋角度としてプロットしたものである。実測では、具体的には、同じ大腿骨１５について、回旋角度を所定の複数の値に変える以外は同じ条件にて取得した複数のＸ線画像１４について、それぞれ画素毎に画素値に基づき変換した骨量を得ている。式３２ａは、人骨ａの値であり、関係式３２ｂは、人骨ｂの値であり、人骨ａと人骨ｂとは互いに異なる人の人骨である。なお、関係式において、関係式３２ａと関係式３２ｂとを区別しないときは、関係式３２という。また、縦軸は実測値であり、横軸は基準位置からの差としており、マイナスは内旋による回旋角度、プラスは外旋による回旋角度である。すなわち、横軸は、基準位置を回旋角度０°とし、基準位置からの回旋角度（単位、°）としている。これらのデータを回帰分析することにより、回帰曲線を得て、これを関係式３２とした。関係式３２は多項式であり、異なる人であっても同じ多項式での近似が可能であった。
以上のように、本発明の解析装置１０によれば、ポジショニングを厳密に調整することなく撮影したＸ線画像１４を用いて、大腿骨１５の回旋の影響を考慮した上で、一定のポジショニングにて撮影した場合に相当する骨量を算出することができる。例えば、骨部が大腿骨１５の場合、Ｘ線画像１４に写る大腿骨１５の回旋角度がさまざまであっても、大腿骨の１５の回旋角度が０°である基準位置で撮影した場合に得られる骨量を求めることができる。したがって、本発明の解析装置１０によれば、Ｘ線画像１４を用いて、一定の基準での骨量を容易に計測することができる。
図７に示すフローチャートを用いて本発明の解析装置１０の処理の一例を説明する。解析装置１０は、大腿骨１５の大腿骨近位部を含む被写体を単純Ｘ線撮影をすることにより得られるＸ線画像１４を取得する（ステップＳＴ１１０）。次に、回旋角度を取得するために、Ｘ線画像１４に基づき、骨部の部分である小転子１６の小転子距離ａを取得する（ステップＳＴ１２０）。次に、Ｘ線画像１４に基づき、大腿骨１５の基準位置からの回旋角度を取得する（ステップＳＴ１３０）。本実施形態では、回旋角度は、小転子距離ａと回旋角度とが対応する回旋角度対応情報を用いることにより取得する。
次に、Ｘ線画像１４の画素毎に画素値を変換することにより得た大腿骨１５の補正前骨量情報を取得する（ステップＳＴ１４０）。本実施形態では、画素値の変換は、予め取得したＬＵＴを用いて行う。次に、回旋角度に基づいて、補正前骨量情報を補正するための補正係数を取得する（ステップＳＴ１５０）。本実施形態では、補正係数は、回旋角度と、補正前骨量情報を補正するための補正係数とが対応する補正係数対応情報を用いて行う。
そして、補正前骨量情報に補正係数を乗じることにより補正前骨量情報を補正する（ステップＳＴ１６０）。補正前骨量情報を補正した値が、基準位置での骨量を放射線画像に基づき計測した、最終的に取得される骨量情報となる（ステップＳＴ１７０）。
骨粗鬆症の診断に用いられるＤＸＡ検査などによる骨量計測では、脆弱性骨折の多い腰椎と大腿骨が計測される。計測される骨量は２次元上に投影された量（単位がｇ／ｃｍ２）のため、患者の姿勢変化によって計測値が変動してしまう問題がある。骨量は、外側の皮質骨の方が、内側の海綿骨より多く、骨の回転によって２次元上に投影される皮質骨の重なり量が変化することで計測値変動が大きくなる。このため、特に、回転方向に動き易い大腿骨の計測に影響が大きい。放射線技師は、再現性の良い、正確な計測ができるように、固定具を使ったり、プレショット画像を確認したりして、入射Ｘ線に骨が真正面となるような位置に患者をポジショニングする。
しかしながら、ポジショニング調整には時間がかかったり、患者によっては好ましいポジショニングがとれない場合がある。また、骨粗鬆症の診断等において、同一患者の過去の骨量からの変化を得たい場合は、同じポジショニングで撮影した放射線画像であることが好ましい。したがって、ポジショニングが適切でなかった放射線画像が写損となり、再撮影が必要になる場合がある。また、測定精度が高いＤＸＡ検査には専用の機器が必要であるため、容易に検査することが難しい場合がある。
本発明の解析装置１０は、ポジショニングを厳密に合わせることなく撮影した放射線画像により、回旋角度が０度相当で撮影した場合の骨量を精度良く得ることができる。したがって、ポジショニング調整負荷を減らすことができる。また、ポジショニング不良で再撮影することによる被曝量増加を防ぐことができる。
また、単純撮影した放射線画像を用いることができるため、ＤＸＡ法等の撮影を行う専用の機器を必要とせず、既存の設備を使用することができる。また、既存の設備を使用して撮影されたポジショニング調整が不適切だった放射線画像の過去データを利用することができる。また、骨量計測専用の固定具や、骨量計測のために内旋させたポジショニングが不要になるため、他の目的でのＸ線撮影等の放射線撮影と兼用でき、検査の効率化に寄与する。
ＤＸＡ法等の撮影を行う専用の機器がある場合にも、解析装置１０を好ましく適用することができる。ＤＸＡ法により得られた放射線画像に対しても、骨部の回旋による影響を補正した測定値を算出することができるため、一定の基準での、すなわち、一定の回旋角度での骨量の測定値を得ることが可能である。
次に、本発明の解析装置１０を含む放射線撮影システム等について実施形態の一例を説明する。放射線撮影システムは、Ｘ線を用いて被写体Ｏｂｊを撮影することにより、被写被写体ＯｂｊのＸ線画像１４を取得し、Ｘ線画像１４に基づき骨量を取得する。
図８に示すように、放射線画像撮影システム４０は、放射線発生部である放射線源４２、放射線撮影部４３、及び、コンソール４１を備える。放射線撮影部４３は、放射線を検出して放射線画像データを生成する。
コンソール４１は、放射線画像撮影システム４０の主制御装置であり、解析装置（放射線解析装置）１０を含み、入力部４７及びディスプレイ４８、並びに、撮影したＸ線画像１４とこのＸ線画像１４に関する情報等を管理するＰＡＣＳ（Picture Archiving and Communication System for medical application：医療画像保管通信システム）等の画像サーバ、患者情報、診療情報、検査情報、会計情報、及び撮影オーダ等の情報を、患者毎に登録及び管理するＨＩＳ（Hospital Information System：病院情報システム）、及び、ＲＩＳ（Radiology Information System：放射線情報システム）等の情報管理サーバと接続する。
放射線画像撮影システム４０は、エネルギー分布が互いに異なる放射線により、第１の放射線画像Ｇ１及び第２の放射線画像Ｇ２からなる２つのＸ線画像１４を撮影する。エネルギー分布が異なる２つのＸ線画像１４を撮影する方法としては、被写体Ｏｂｊを通過した互いに異なるエネルギー分布のＸ線を、１つの検出器からなる放射線撮影部４３に交互に照射することにより撮影する方法、または、被写体Ｏｂｊを透過したＸ線を、２枚重ねた検出器からなる放射線撮影部４３に照射することにより撮影する方法である、いわゆる１ショットエネルギーサブトラクション法を採用できる。１ショットエネルギーサブトラクション法では、被写体に対して１回の放射線照射（１ショット）で２つの異なるエネルギー成分の放射線画像を記録することができる。本実施形態では、１ショットエネルギーサブトラクション法を採用する。撮影した２つの放射線画像のいずれか１つまたは２つを骨量を取得するためのＸ線画像１４として用いる。
放射線源４２は、放射線撮影に用いる放射線を発生する。本実施形態においては、放射線源４２はＸ線Ｒａを発生するＸ線源である。被写体Ｏｂｊは人であり、人の大腿骨１５の大腿骨近位部を含む。
放射線撮影部４３は、第１の放射線検出器４４及び第２の放射線検出器４５を備える。第１の放射線検出器４４及び第２の放射線検出器４５のそれぞれは、例えばＦＰＤ（Flat Panel Detector）である。ＦＰＤは、被写体Ｏｂｊを透過したＸ線Ｒａを検出して電気信号に変換することにより、被写体ＯｂｊのＸ線画像１４を出力する。
放射線源４２から発せられ、被写体Ｏｂｊを通過したＸ線を、第１の放射線検出器４４及び第２の放射線検出器４５で受ける場合において、第１の放射線検出器４４及び第２の放射線検出器４５はそれぞれＸ線のエネルギーを変えて受け取る。撮影時においては、放射線源４２から近い側から順に、第１の放射線検出器４４、銅板等からなるＸ線エネルギー変換フィルタ４６、及び第２の放射線検出器４５を配置して、放射線源４２を駆動させる。なお、第１の放射線検出器４４及び第２の放射線検出器４５とＸ線エネルギー変換フィルタ４６とはできるだけ密着させることが好ましい。
これにより、第１の放射線検出器４４においては、いわゆる軟線を含む低エネルギーのＸ線による被写体Ｏｂｊの第１の放射線画像Ｇ１が得られる。また、第２の放射線検出器４５においては、軟線が除かれた高エネルギーのＸ線による被写体Ｏｂｊの第２の放射線画像Ｇ２が得られる。第１の放射線画像Ｇ１及び第２の放射線画像Ｇ２は、コンソール４１が受け取る。
第１の放射線検出器４４及び第２の放射線検出器４５は、放射線画像の記録及び読み出しを繰り返して行うことができ、放射線の照射を直接受けて電荷を発生する、いわゆる直接型の放射線検出器を用いてもよい。もしくは、第１の放射線検出器４４及び第２の放射線検出器４５は、放射線を一旦可視光に変換し、その可視光を電荷信号に変換する、間接型の放射線検出器を用いてもよい。放射線画像信号の読出方式としては、ＴＦＴ（Thin Film Transistor）スイッチをオン・オフさせることによって放射線画像信号が読み出される、いわゆる光読出方式を用いることが好ましい。
コンソール４１は放射線画像撮影システム４０の主制御装置（いわゆるコンピュータ）であり、例えば、所定の機能を実行するためのアプリケーションプログラムがインストールされたパーソナルコンピュータ、またはワークステーション等のコンピュータである。解析装置１０も、例えば、所定の機能を実行するためのアプリケーションプログラムがインストールされたパーソナルコンピュータ、またはワークステーション等のコンピュータである。コンピュータには、プロセッサであるＣＰＵ（Central Processing Unit）、メモリ、及びストレージ等が備えられ、ストレージに記憶されたプログラム等により、各種機能を実現する。
本実施形態では、コンソール４１のコンピュータが、放射線画像撮影システム４０の主制御装置の機能、及び、解析装置１０の機能を実行する。コンソール４１のコンピュータが解析装置１０の機能を実行する場合、コンソール４１が含む放射線画像解析部（以下、解析部という）１０ａが、解析装置１０の機能を実行する。したがって、コンソール４１は、解析部１０ａを含む。なお、解析装置１０は、本実施形態のようにコンソール４１のコンピュータと共通のコンピュータであってもよいし、コンソール４１以外のコンピュータであってもよい。すなわち、解析装置１０は、コンソール４１に接続した他の装置等に含まれるもの、または、単体の装置であってもよい。
解析部１０ａの機能は、具体的には、放射線画像解析プログラムによりコンソール４１のコンピュータが作動することにより実現される。例えば、コンソール４１のコンピュータは、ストレージ等（図示なし）に放射線画像解析プログラムを保存し、これを実行する。放射線画像解析プログラムは、骨部を含む被写体を単純撮影することにより得られる放射線画像を取得する機能と、放射線画像に基づき、骨部の基準位置からの回旋角度を取得する機能と、放射線画像の画素毎に画素値を変換することにより得た骨部の補正前骨量情報を、回旋角度に基づき補正することにより、骨部の骨量を算出する機能とをコンピュータに実行させる。
コンソール４１と接続する入力部４７は、撮影メニューの処理、並びに、放射線撮影及び解析部１０ａによる解析等に関する操作を受け付け、ユーザから入力を受け付けるユーザインターフェースである。ユーザインタフェースは、キーボード、マウス、または、タッチパネル等（いずれも図示せず）とすることができる。タッチパネルは、コンソール４１と接続するディスプレイ４８とすることができ、ディスプレイ４８に表示されるＧＵＩ（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）と協同して各種操作を受け付けてもよい。
コンソール４１と接続するディスプレイ４８は、ＲＩＳから送られる撮影メニューの表示、撮影の指示または制御を行うＧＵＩ画面の表示、撮影したＸ線画像１４及び計測した骨量の表示、並びに、解析部１０ａ等の操作または制御を行うＧＵＩの表示等を行う。なお、ディスプレイ４８は、ＲＩＳ等の各種情報管理サーバと接続する場合は、これらと通信して、患者情報及び過去のＸ線画像１４等を表示することが可能である。また、コンソール４１は、撮影したＸ線画像１４及び解析部１０ａによる解析結果等を、ＰＡＣＳ等の画像サーバまたはＲＩＳ等の各種情報管理サーバに送信する。さらに、コンソール４１は、放射線撮影部４３から撮影したＸ線画像１４を受け取るのみならず、ＲＩＳ等のサーバが有する過去に撮影したＸ線画像１４を受け取ってもよい。この場合、解析部１０ａは、過去に撮影したＸ線画像１４を解析することにより、過去のＸ線画像１４に基づいた骨量を取得して、ディスプレイ４８に表示等することができる。
図９に示すように、コンソール４１は、画像取得部５２、画像処理部５３、及び解析装置１０として機能する解析部１０ａを備える。画像取得部５２は、撮影により放射線撮影部４３の放射線検出器が検出した放射線画像を取得する。画像処理部５３は、画像取得部５２が取得した放射線画像に対する画像処理を行う。
本実施形態では、画像処理部５３は、撮影した第１の放射線画像Ｇ１及び第２の放射線画像Ｇ２を取得し、これらに対し適切な係数による処理を行った後、差分により骨部または軟部を抽出して、骨部組織画像または軟部組織画像を生成する。また、骨部組織画像及び軟部組織画像を合成して、これらのそれぞれが分離して見やすい合成画像を生成してもよい。したがって、画像処理部５３による画像処理後のＸ線画像１４は、骨部組織画像、軟部組織画像、または合成画像のいずれか少なくとも１つを含む。本実施形態では、解析部１０ａに入力する画像処理後のＸ線画像１４として、画像処理部５３が生成した骨部組織画像を用いる。
図１０に示すように、画像処理部５３は、取得した第１の放射線画像Ｇ１及び第２の放射線画像Ｇ２に対してエネルギーサブトラクション法を用いて画像処理を行う。放射線画像Ｇ１及び第２の放射線画像Ｇ２は、単純Ｘ線画像である。第１の放射線画像Ｇ１及び第２の放射線画像Ｇ２が取得された際の２つのＸ線エネルギーの特性差を利用して骨部を抽出する画像処理により、骨部組織画像１４ｂが生成される。また、同様に、軟部を抽出する画像処理により、軟部組織画像１４ｃが生成される。生成された骨部組織画像１４ｂは、解析部１０ａの解析用画像取得部１１（図１参照）に入力する。なお、骨部組織画像１４ｂと軟部組織画像１４ｃとを合成することにより、軟部と骨部とが分離して見やすい合成画像１４ａを生成してもよい。
解析用画像取得部１１には、場合により、骨部組織画像１４ｂの他に、合成画像１４ａを入力してもよい。したがって、解析用画像取得部１１が取得するＸ線画像１４には、解析用の画像処理を行わないＸ線画像１４に加え、骨部組織画像１４ｂ、及び合成画像１４ａが含まれる。
なお、被写体Ｏｂｊの撮影の際に、被写体Ｏｂｊを透過したＸ線の散乱線成分を除去する散乱線除去グリッドを使用する場合には、第１の放射線画像Ｇ１及び第２の放射線画像Ｇ２には、被写体Ｏｂｊを透過したＸ線の一次線成分が含まれる。一方、被写体Ｏｂｊの撮影時に、散乱線除去グリッドを使用しない場合には、第１の放射線画像Ｇ１及び第２の放射線画像Ｇ２にはＸ線の一次線成分及び散乱線成分が含まれる。
また、Ｘ線画像１４に散乱線成分が含まれる場合、被写体Ｏｂｊの体厚の厚み分布から、厚み毎に発生する散乱線を推定して除去することが好ましい。散乱線を推定して除去する対象のＸ線画像１４は、撮影して得られた、骨部抽出等の画像処理を行っていない第１の放射線画像Ｇ１または第２の放射線画像Ｇ２とすることが好ましい。散乱線を除去した後に骨部抽出等の各種の画像処理を行うことにより、より好ましい画像処理結果を得ることができるためである。
図１１に示すように、この場合、コンソール４１は、体厚分布取得部５４を備える。被写体Ｏｂｊの厚み分布は、計測値であっても推定値であってもよい。したがって、体厚分布取得部５４は、被写体Ｏｂｊ厚み分布の計測値を取得するか、または、被写体Ｏｂｊの厚み分布の推定値を取得する。体厚分布取得部５４は、取得した計測値または推定値である体厚分布に基づいて、散乱線を画素ごとに推定し、第１の放射線画像Ｇ１及び第２の放射線画像Ｇ２からそれぞれ散乱線を除去する。散乱線を除去した第１の放射線画像Ｇ１及び第２の放射線画像Ｇ２は、画像処理を行った第１の放射線画像Ｇ１及び第２の放射線画像Ｇ２として、骨部抽出等の画像処理を行うために、画像処理部５３に入力する。
なお、散乱線を除去する対象のＸ線画像１４は、第１の放射線画像Ｇ１または第２の放射線画像Ｇ２のいずれかに限らず、骨部組織画像１４ｂ、軟部組織画像１４ｃ、または合成画像１４ａ等、いずれも対象とすることができる。なお、第１の放射線画像Ｇ１及び第２の放射線画像Ｇ２は、１ショットエネルギーサブトラクション法により得られたＸ線画像１４であるため、第１の放射線画像Ｇ１または第２の放射線画像Ｇ２のいずれかに基づいて被写体のＯｂｊの体厚分布を推定し、得られた推定値をそのまま第２の放射線画像Ｇ２の体厚分布とすることができる。
画像処理を施さない第１の放射線画像Ｇ１または第２の放射線画像Ｇ２に対して散乱線除去を行った上で、骨部抽出または軟部抽出の画像処理を行うことにより、骨部組織画像１４ｂまたは軟部組織画像１４ｃ等を生成する。したがって、散乱線の影響を抑えて骨部抽出等の画像処理を行うため、より正確な骨部組織画像１４ｂまたは軟部組織画像１４ｃを生成することができる。
図１２に示すように、体厚分布取得部５４は、体厚分布測定値取得部６１、体厚分布推定値取得部６２、及び散乱線除去部６３を備える。体厚分布取得部５４は、測定した体厚分布を取得する。体厚分布測定値取得部６１は、体厚分布を実測して得られた測定値を取得し、これを被写体Ｏｂｊの体厚分布とする。
体厚分布推定値取得部６２は、公知の方法を用いて、被写体の厚み分布の推定値を取得する。厚み分布の推定値を取得する方法、または、取得した厚み分布の推定値を用いて散乱線除去の画像処理を行う方法としては、例えば、特開２０１５－０４３９５９号公報に記載された仮想モデルを用いる手法を採用することが好ましい。
仮想モデルを用いる手法は、まず、所定の体厚分布を有する仮想モデルを取得し、仮想モデルの放射線撮影により得られる推定一次線画像及び推定散乱線画像とを合成した推定画像を生成する。次に、被写体Ｏｂｊの放射線撮影により得られる被写体画像と、推定画像とから、各対応する位置の画素の画素値の違いを表すエラー値が小さくなるように、仮想モデルの体厚分布を修正する。修正した仮想モデルの体厚分布を被写体の体厚分布として決定する。このようにして、例えば、グリッドを用いないで撮影した被写体であっても、散乱線の影響を抑え、体厚分布のより正確な推定値を得ることができる。
散乱線除去部６３は、得られた被写体の体厚分布の測定値または推定値を、被写体Ｏｂｊの体厚分布として取得し、取得した体厚分布に基づいてＸ線画像１４から散乱線を除去する。散乱線を除去する方法としては、公知の方法を採用することができ、例えば、体厚分布から推定した推定散乱線画像を、撮影して得られたＸ線画像１４から減じることにより、散乱線成分を除去したＸ線画像１４を生成してもよい。
以上のようにして得られたＸ線画像１４は、解析部１０ａの解析用画像取得部１１に送られる。本実施形態では、解析用画像取得部１１が取得するＸ線画像１４は、散乱線除去のための画像処理を行った第１の放射線画像Ｇ１及び第２の放射線画像Ｇ２に対して画像処理を行って得た骨部組織画像１４ｂである。解析用画像取得部１１は、回旋角度取得部１２に取得した骨部組織画像１４ｂを送り、回旋角度取得部１２は、骨部組織画像１４ｂに基づき、骨部の基準位置からの回旋角度を取得する。
なお、回旋角度取得部１２は、骨部組織画像１４ｂにおける大腿骨１５の部位である小転子１６の形状の変化から回旋角度を得るほか、機械学習の技術を用いて、回旋角度の正解データを付与した放射線画像により学習モデルを学習させた学習済みモデルから回旋角度を得る方法を採用してもよい。
図１３に示すように、この場合、回旋角度取得部１２（図１参照）は、学習済みモデル７１を備える。学習済みモデル７１は、予め設定したアルゴリズムからなる学習モデルにおいてパラメータを決定したいわば数式であって、Ｘ線画像１４である骨部組織画像１４ｂを有する入力情報を入力することにより、回旋角度に関連する推定結果を推定して出力可能なようにパラメータを調整されている。したがって、学習済みモデル７１は、回旋角度に関連する推定結果を、骨部組織画像１４ｂを有する入力情報に基づいて出力するためのパラメータを有する。
予め設定する学習モデルとしては、画像からなる入力情報に対し好ましい結果を出力可能な学習モデルが好ましい。したがって、学習モデルには、画像認識に好適とされている多層構造のニューラルネットワーク、特に畳み込みニューラルネットワーク（ＣＮＮ、Convolutional Neural Network）を用いることが好ましく、深層学習を採用することが好ましい。これらの学習モデルに対し、回旋角度の正解データを付与した骨部組織画像１４ｂを入力し、回旋角度の正解を出力するようにパラメータを調整する学習を行う。学習を多数回繰り返すことによりパラメータを調整し、骨部組織画像１４ｂを入力した場合に推定して出力した回旋角度がほぼ正解の回旋角度となる学習済みモデル７１とする。学習済みモデル７１を生成する際には、入力するＸ線画像１４の種類毎に学習済みモデル７１を生成して用いることが好ましい。入力するＸ線画像１４の種類は、Ｘ線画像１４に写る骨部の種類、または、Ｘ線画像１４に施した画像処理の種類等により区別することができる。
また、学習モデルに対する学習、または、学習済みモデル７１を用いて回旋角度に関連する推定結果を出力する際には、複数の学習モデルの使用、学習させる骨部組織画像１４ｂに対する処理の工夫、または過学習の抑制等、好ましい推定結果を得るために機械学習にて行われる技術を適宜採用することができる。
図１４に示すように、学習済みモデル７１は、ＣＮＮを利用して、大腿骨１５が写る骨部組織画像１４ｂと回旋角度の正解データにより学習させてパラメータを調整したものである。回旋角度が未知である大腿骨１５が写る骨部組織画像１４ｂを学習済みモデル７１に入力することにより、推定結果７２として、例えば、回旋角度マイナス１０°と出力される。すなわち、学習済みモデル７１に入力した骨部組織画像１４ｂに写る回旋角度が未知である大腿骨１５は、回旋角度がマイナス１０°であると推定される。
回旋角度取得部１２は、学習済みモデル７１を用いることにより出力された推定結果を、回旋角度として取得する。取得した回旋角度を、補正係数対応情報を用いて補正前骨量情報を補正するために用いることは、回旋角度を小転子１６の形状により取得した場合と同様である。
次に、骨量取得部１３により、骨部組織画像１４ｂの画素ごとに画素値を変換することにより補正前骨量情報を得る。骨量取得部１３（図１参照）は、骨部組織画像１４ｂに含まれる骨部領域の画素毎に骨量情報を取得する。ここで取得した骨量情報は、補正前骨量情報として用いる。
骨量取得部１３は、撮影条件によるＸ線画像１４のコントラストが変化する影響を補正するために、骨部組織画像１４ｂに含まれる骨部領域の画素値について、基準撮影条件により取得された骨部領域の画素値に変換した骨量情報を取得する。この補正により、異なる撮影条件の場合に撮影したＸ線画像１４であっても、基準撮影条件で撮影したＸ線画像１４として骨量を算出することができるため、比較または診断をより正確に行うことができる。
撮影条件による影響としては、管電圧と体厚とが挙げられる。管電圧については、放射線源４２に印加される管電圧が高く、Ｘ線が高エネルギーであるほど、Ｘ線画像１４における軟部と骨部とのコントラストが小さくなる。また、Ｘ線が被写体Ｏｂｊを透過する過程において、Ｘ線の低エネルギー成分が被写体Ｏｂｊに吸収され、Ｘ線が高エネルギー化するビームハードニングが生じる。ビームハードニングによるＸ線の高エネルギー化は、被写体Ｏｂｊの体厚が大きいほど大きくなる。
骨量取得部１３は、体厚分布、骨部領域の画素値、及び、体厚分布及び放射線画像を取得した際の撮影条件に基づいて、骨量を求める。図１５に示すように、骨量取得部１３は、ＬＵＴ８０を参照して、骨部領域の画素値を骨量情報に変換するための変換係数Ｃｂ（ｘ、ｙ）を画素毎に取得する。なお、被写体は体厚がｘｙ平面上の各位置に対応付けられるとし、被写体の体厚分布をＴ（ｘ、ｙ）とする。変換係数Ｃｂ（ｘ、ｙ）は、撮影条件及び体厚分布Ｔ（ｘ、ｙ）に基づいて定められている。そして、以下の式（２）に示すように、骨部領域の各画素の画素値Ｇｂ（ｘ、ｙ）に対して、変換係数Ｃｂ（ｘ、ｙ）を乗算することにより、骨部領域の画素毎に骨量情報Ｂ（ｘ、ｙ）を取得する。
Ｂ（ｘ、ｙ）＝Ｃｂ（ｘ、ｙ）×Ｇｂ（ｘ、ｙ） （２）
ＬＵＴ８０は、体厚分布に含まれる体厚と変換係数Ｃｂ（ｘ、ｙ）との関係を定めている。この関係に示すように、撮影条件に含まれる管電圧が大きいほど、且つ、体厚が大きいほど、変換係数の値が大きいものとなっている。撮影条件がさまざまであっても、基準撮影条件において撮影した場合の骨量情報を算出することにより、骨量を用いた比較または診断等をより正確に行うことができる。したがって、撮影条件の管電圧が基準撮影条件である管電圧９０ｋＶの場合には、厚さが「０」の場合に、変換係数Ｃｂ（ｘ、ｙ）が「１」としている。
同様に、撮影条件の管電圧が基準撮影条件よりも大きい管電圧１００ｋＶの場合には、体厚「０」の場合、変換係数Ｃｂ（ｘ、ｙ）が「１」よりも大きくなっている。これは、管電圧が高いほど、骨部と軟部のコントラストが低くなるためである。本実施形態では、コントラスト低下に対して、変換係数を用いて、骨部の画素値を補正している。また、撮影条件の管電圧が基準撮影条件よりも小さい管電圧８０ｋＶの場合には、体厚「０」の場合、変換係数Ｃｂ（ｘ、ｙ）が「１」よりも小さくなっている。これは、管電圧が低いほど、骨部と軟部のコントラストが高くなるためである。本実施形態では、コントラストの上昇に対して、変換係数を用いて骨部の画素値を補正している。
また、補正前骨量情報は、骨部の皮質骨と海綿骨とのそれぞれについて、皮質骨量情報及び海綿骨量情報を算出することが好ましい。なお、骨部が皮質骨と海綿骨とのいずれかを含まない場合は、皮質骨量情報又は海綿骨量情報のいずれかを算出してもよい。図１６に示すように、この場合、骨量取得部１３は、骨組成認識部８１を含む。骨組成認識部８１は、骨部組織画像１４ｂに基づいて、骨部組織画像１４ｂに皮質骨が写る皮質骨領域と海綿骨が写る海綿骨領域とを区別する。皮質骨領域と海綿骨領域とを区別して認識する方法としては、公知の手法を用いることができ、具体的には、領域特定用のフィルタリング処理を行う方法等が挙げられる。
図１７に示すように、骨部組織画像１４ｂにおいて、大腿骨１５の外側を覆う皮質骨領域８２とそれ以外の海綿骨領域８３とが区別される。骨量取得部１３は、皮質骨領域８２と海綿骨領域８３とのそれぞれに基づき、皮質骨量情報及び海綿骨量情報のそれぞれを算出する。算出した皮質骨量情報及び海綿骨量情報は、それぞれ、補正前皮質骨量情報及び補正前海綿骨量情報とし、求めた回旋角度に基づき補正することにより、皮質骨量情報及び海綿骨量情報の最終的な計測値とする。回旋角度に基づき補正する方法については、上 記したのと同様である。
骨部における皮質骨量情報及び海綿骨量情報の計測は、診断または治療に重要となっている。例えば、大腿部強度評価（ＨＳＡ、Hip Structural Analysis）、または腰椎海綿骨構造評価（ＴＢＳ、Trabecular Bone Score）等の骨粗鬆症または骨折リスクを評価する手法が用いられており、ＨＳＡでは皮質骨量を用い、ＴＢＳでは、海綿骨の構造を用いる。したがって、Ｘ線画像１４により、一定の基準での皮質骨量情報及び海綿骨量情報を容易に計測可能なことにより、各手法に準じた簡易な評価を容易に、また、より正確に行うことにつながるため好ましい。
また、画素値を骨量情報に変換する際、また、骨量情報を骨量に変換する際には、骨部の組成量が既知のファントムを用いてキャリブレーションを行った上で変換してもよい。キャリブレーションは、Ｘ線画像１４を撮影する前に行い、画素値と骨量との関係、または、骨量情報と骨量との関係につき、補正のための補正係数を取得しておくことが好ましい。
なお、ファントムは、用途によってさまざまな種類を用いることが好ましい。また、組成が、皮質骨と海綿骨とに区別されるファントム等を用いることにより、皮質骨または海綿骨に分けてよりきめ細かなキャリブレーションを行うことができるため好ましい。
骨量情報を骨量に変換する際に、ファントムを用いる場合について説明する。解析部１０ａは、既知の骨量を有するファントムの放射線撮影を行うことにより得られるＸ線画像１４に基づいて骨量情報を取得する。ここで、取得した骨量情報は、骨量が既知である被写体の骨量情報であるため、骨量情報の基準値とする。
次に、既知の骨量と骨量情報の基準値とを対応させて生成した骨量対応情報を取得する。例えば、Ｘ線画像１４から得た骨量情報と骨量対応情報とを用いることにより、骨量の絶対値を求めることができる。被写体の種類等に応じて、より正確な骨量が算出可能なように選択されたファントムを用いた場合など、より正確な骨量の計測値を得ることが可能である。したがって、骨量情報が絶対値、相対値、又はそれ以外の値のいずれであっても、骨量対応情報を用いる方法は有効である。
なお、上記実施形態では、骨部として大腿骨１５を用いたが、解析装置１０は、前腕または腰椎等の骨粗鬆症の検査または診断に用いられる骨部を対象とした場合においても、さまざまなポジショニングに基づくＸ線画像１４の画素値を、基準位置のポジショニングで得られたＸ線画像１４における画素値に補正することにより、同様に一定の基準での骨量を計測することができる。
また、上記実施形態では、Ｘ線画像１４の回旋角度を得るために学習済みモデルを用いたが、画素値から骨量を得るために学習済みモデルを用いてもよい。
また、上記実施形態では、１つの放射線画像に対して、領域特定用のフィルタリング処理を行うことによって、骨部領域と軟部領域の特定、または、皮質骨と海綿骨の特定を行ってもよい。例えば、軟部領域に特有の特定の空間周波数がある場合には、特定の空間周波数の範囲を抽出する周波数フィルタリング処理によって、軟部領域を特定することが好ましい。もしくは、軟部領域は低周波の領域が多く、軟部領域を抽出する周波数フィルタリング処理で軟部領域を特定することが難しい場合には、軟部領域よりも高周波の骨部領域を抽出するための周波数フィルタリング処理を放射線画像に対して行い、その上で、元の放射線画像から周波数フィルタリング処理済みの放射線画像をサブトラクションすることによって、軟部領域を特定してもよい。皮質骨と海綿骨についても同様である。
また、上記実施形態では、補正前骨量情報を回旋角度に基づき補正するが、取得したＸ線画像１４における画素毎の画素値を回旋角度に基づき補正した上で、補正した画素値を骨部の骨量情報に変換してもよい。
また、上記実施形態では、骨部として、大腿骨近位部を用いたが、その他の骨部であってもよい。例えば、骨粗鬆症の診断に用いられる骨部、又は骨折しやすい骨部である脊椎、又は橈骨遠位端を用いることにより、骨粗鬆症の経時的な検査がより正確に行うことができる等、好適である。具体的には、橈骨遠位端の骨密度を測定するために、橈骨と尺骨との位置関係等を用いて橈骨遠位端の回旋角度を求めても良い。
上記実施形態において、解析装置１０に含まれる解析用画像取得部１１、回旋角度取得部１２、及び骨量取得部１３、または、コンソール４１に含まれる画像取得部５２、画像処理部５３、放射線画像解析部１０ａ、及び体厚分布取得部５４等の処理部（processing unit)のハードウェア的な構造は、次に示すような各種のプロセッサ（processor）である。各種のプロセッサには、ソフトウエア（プログラム）を実行して各種の処理部として機能する汎用的なプロセッサであるＣＰＵ（Central Processing Unit)、ＦＰＧＡ (Field Programmable Gate Array) などの製造後に回路構成を変更可能なプロセッサであるプログラマブルロジックデバイス（Programmable Logic Device:ＰＬＤ）、各種の処理を実行するために専用に設計された回路構成を有するプロセッサである専用電気回路などが含まれる。
１つの処理部は、これら各種のプロセッサのうちの１つで構成されてもよいし、同種または異種の２つ以上のプロセッサの組み合せ（例えば、複数のＦＰＧＡや、ＣＰＵとＦＰＧＡの組み合わせ）で構成されてもよい。また、複数の処理部を１つのプロセッサで構成してもよい。複数の処理部を１つのプロセッサで構成する例としては、第１に、クライアントやサーバなどのコンピュータに代表されるように、１つ以上のＣＰＵとソフトウエアの組み合わせで１つのプロセッサを構成し、このプロセッサが複数の処理部として機能する形態がある。第２に、システムオンチップ（System On Chip:ＳｏＣ）などに代表されるように、複数の処理部を含むシステム全体の機能を１つのＩＣ（Integrated Circuit）チップで実現するプロセッサを使用する形態がある。このように、各種の処理部は、ハードウェア的な構造として、上記各種のプロセッサを１つ以上用いて構成される。
さらに、これらの各種のプロセッサのハードウェア的な構造は、より具体的には、半導体素子などの回路素子を組み合わせた形態の電気回路（circuitry）である。
１０ 放射線画像解析装置
１０ａ 放射線画像解析部
１１ 解析用画像取得部
１２ 回旋角度取得部
１３ 骨量取得部
１４ Ｘ線画像
１５ 大腿骨
１５ａ 白が濃く見える領域
１５ｂ 白が薄く見える領域
１６ 小転子
１７ 骨量
１８ 接線
１９ 垂線
２１ グラフ
２２ 関係式
３１ グラフ
３２、３２ａ、３２ｂ 関係式
４０ 放射線画像撮影システム
４１ コンソール
４２ 放射線源
４３ 放射線撮影部
４４ 第１の放射線検出器
４５ 第２の放射線検出器
４６ Ｘ線エネルギー変換フィルタ
４７ 入力部
４８ ディスプレイ
４９ ＲＩＳ
５０ ＰＡＣＳ
５１ ＨＩＳ
５２ 画像取得部
５３ 画像処理部
５４ 体厚分布取得部
６１ 体厚分布測定値取得部
６２ 体厚分布推定値取得部
６３ 散乱線除去部
７１ 学習済みモデル
７２ 推定結果
８０ ＬＵＴ
８１ 骨組成認識部
８２ 皮質骨領域
８３ 海綿骨領域
ａ、ａ１、ａ２、ａ３ 距離
Ｇ１ 第１の放射線画像
Ｇ２ 第２の放射線画像
Ｏｂｊ 被写体
Ｒａ Ｘ線
ＳＴ１１０～ＳＴ１７０ ステップ

Claims (14)

  1. プロセッサを備える放射線画像解析装置であって、
    前記プロセッサは、
    骨部を含む被写体の放射線撮影を行うことにより得られる放射線画像を取得し、
    前記放射線画像に基づき、前記骨部の基準位置からの回旋角度を取得し、
    前記放射線画像の画素毎に画素値を変換することにより得た前記骨部の補正前骨量情報を、前記回旋角度に基づき補正することにより、前記骨部の骨量情報を取得する放射線画像解析装置。
  2. 前記放射線画像は、前記被写体を正面位で撮影したものである請求項１に記載の放射線画像解析装置。
  3. 前記骨部は、大腿骨近位部である請求項１または２に記載の放射線画像解析装置。
  4. 前記骨部は、予め設定した部位を含み、
    前記プロセッサは、前記放射線画像に写る前記部位の部位画像に基づき、前記回旋角度を取得する請求項１ないし３のいずれか１項に記載の放射線画像解析装置。
  5. 前記骨部は、右または左の大腿骨近位部であり、
    前記部位は、小転子である請求項４に記載の放射線画像解析装置。
  6. 前記プロセッサは、
    前記部位画像に基づき、前記小転子の頂点と前記大腿骨近位部が含む大腿骨の内側に接する接線との距離である小転子距離を求め、
    前記小転子距離に基づき、前記回旋角度を取得する請求項５に記載の放射線画像解析装置。
  7. 前記プロセッサは、
    前記小転子距離と前記回旋角度とが対応する回旋角度対応情報を取得し、
    前記小転子距離と前記回旋角度対応情報とに基づき、前記回旋角度を取得する請求項６に記載の放射線画像解析装置。
  8. 前記プロセッサは、
    前記回旋角度と、前記補正前骨量情報を補正するための補正係数とが対応する補正係数対応情報を取得し、
    前記回旋角度と前記補正係数対応情報とに基づき、前記補正前骨量情報を補正する請求項１ないし７のいずれか１項に記載の放射線画像解析装置。
  9. 前記放射線画像を有する入力情報を入力することにより、前記回旋角度に関連する推定結果を推定して出力可能な学習済みモデルを備え、
    前記学習済みモデルは、前記推定結果を前記入力情報に基づいて出力するためのパラメータを有し、
    前記プロセッサは、前記学習済みモデルを用いることにより出力された前記推定結果から前記回旋角度を取得する請求項１ないし３のいずれか１項に記載の放射線画像解析装置。
  10. 前記プロセッサは、前記放射線画像を取得する際に、前記被写体の体厚分布に基づいて散乱線成分を画素毎に推定し、前記放射線画像から前記散乱線成分を除去する請求項１ないし９のいずれか１項に記載の放射線画像解析装置。
  11. 前記骨部は、皮質骨と海綿骨とを含み、
    前記プロセッサは、
    前記放射線画像に写る前記骨部の前記皮質骨の領域と前記海綿骨の領域とを認識し、
    前記皮質骨の領域に基づき補正前皮質骨量情報を取得し、かつ、前記海綿骨の領域に基づき補正前海綿骨量情報を取得し、
    前記補正前皮質骨量情報を前記回旋角度に基づき補正することにより皮質骨量情報を取得し、かつ、前記補正前海綿骨量情報を前記回旋角度に基づき補正することにより海綿骨量情報を取得する請求項１ないし１０のいずれか１項に記載の放射線画像解析装置。
  12. 前記プロセッサは、
    既知の骨量を有するファントムの放射線撮影を行うことにより得られる前記放射線画像に基づいて前記骨量情報の基準値を取得し、
    既知の前記骨量と前記骨量情報の基準値とが対応する骨量対応情報を取得し、
    前記骨量対応情報に基づき、前記骨量情報から前記骨量を取得する請求項１ないし１１のいずれか１項に記載の放射線画像解析装置。
  13. 骨部を含む被写体の放射線撮影を行うことにより得られる放射線画像を取得するステップと、
    前記放射線画像に基づき、前記骨部の基準位置からの回旋角度を取得するステップと、
    前記放射線画像の画素毎に画素値を変換することにより得た前記骨部の補正前骨量情報を、前記回旋角度に基づき補正することにより、前記骨部の前記骨量情報を取得するステップとを備える放射線画像解析装置の作動方法。
  14. 骨部を含む被写体の放射線撮影を行うことにより得られる放射線画像を取得する機能と、
    前記放射線画像に基づき、前記骨部の基準位置からの回旋角度を取得する機能と、
    前記放射線画像の画素毎に画素値を変換することにより得た前記骨部の補正前骨量情報を、前記回旋角度に基づき補正することにより、前記骨部の前記骨量情報を取得する機能とをコンピュータに実行させる放射線画像解析プログラム。
JP2022029806A 2022-02-28 2022-02-28 放射線画像解析装置、その作動方法、及び放射線画像解析プログラム Pending JP2023125605A (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2022029806A JP2023125605A (ja) 2022-02-28 2022-02-28 放射線画像解析装置、その作動方法、及び放射線画像解析プログラム
US18/175,415 US20230274426A1 (en) 2022-02-28 2023-02-27 Radiation image analysis device, method of operating radiation image analysis device, and non-transitory computer readable medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2022029806A JP2023125605A (ja) 2022-02-28 2022-02-28 放射線画像解析装置、その作動方法、及び放射線画像解析プログラム

Publications (1)

Publication Number Publication Date
JP2023125605A true JP2023125605A (ja) 2023-09-07

Family

ID=87761956

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022029806A Pending JP2023125605A (ja) 2022-02-28 2022-02-28 放射線画像解析装置、その作動方法、及び放射線画像解析プログラム

Country Status (2)

Country Link
US (1) US20230274426A1 (ja)
JP (1) JP2023125605A (ja)

Also Published As

Publication number Publication date
US20230274426A1 (en) 2023-08-31

Similar Documents

Publication Publication Date Title
US10235766B2 (en) Radiographic image analysis device and method, and storage medium having stored therein program
JP6653629B2 (ja) 放射線画像処理装置、方法およびプログラム
WO2015147324A1 (ja) 放射線画像撮影装置、放射線画像撮影方法、及び放射線画像撮影プログラム
JP2009101157A (ja) 画像誘導による定量的二重エネルギ・データの取得
US20160140721A1 (en) Radiographic image analysis device and method, and recording medium having program recorded therein
JP6296553B2 (ja) 放射線画像撮影装置および放射線画像撮影装置の作動方法
JP2019202035A (ja) 骨塩情報取得装置、方法およびプログラム
JP6662428B2 (ja) 動態解析システム
US20220287665A1 (en) Estimation device, estimation method, and estimation program
JP6301439B2 (ja) 放射線画像解析装置および方法並びにプログラム
JP2019209027A (ja) 骨塩情報取得装置、方法およびプログラム
JP2023125605A (ja) 放射線画像解析装置、その作動方法、及び放射線画像解析プログラム
WO2020241664A1 (ja) 放射線画像処理装置及び放射線画像処理方法
WO2021153592A1 (ja) 画像処理装置、放射線撮影装置、画像処理方法及びプログラム
US20240268776A1 (en) Information processing apparatus, information processing method, and information processing program
WO2022172610A1 (ja) 放射線撮影装置、放射線撮影方法およびプログラム
US20240090861A1 (en) Radiation image processing apparatus, operation method of radiation image processing apparatus, and non-transitory computer readable medium
KR101676304B1 (ko) 산란선 대 일차선비를 이용한 영상 보정 방법 및 컴퓨터 판독가능한 기록 매체
US20230172576A1 (en) Radiation image processing device, radiation image processing method, and radiation image processing program
JP7342140B2 (ja) 情報処理装置、情報処理方法およびプログラム
US20240020849A1 (en) Radiation image processing apparatus, operation method of radiation image processing apparatus, and non-transitory computer readable medium
US12097062B2 (en) Estimation device, estimation method, and estimation program
JP7547950B2 (ja) 動態解析装置及びプログラム
US20210383543A1 (en) Radiographic image processing device and non-transitory computer readable medium
US20220335605A1 (en) Estimation device, estimation method, and estimation program