JP2024514304A - インモーション多パルス作動ｘ線源トモシンセシスイメージングシステムによる人工知能ベースの診断 - Google Patents

Abstract

提示されるものは、インモーション多パルス作動Ｘ線源を用いたトモシンセシス撮像技術を使用するＸ線診断方法及びシステムである。Ｘ線器械画像データを取得しながら、人工知能（ＡＩ）は、患者応答を分析し、現在の病態を、患者の一部となり得る患者病歴及び他の患者情報と比較する。ＡＩは、病変の場所の変化を報告し、重症度閾値及び警告ステータスを設定し、治療情報を生成する。ＡＩはまた、Ｘ線関心領域（ＲＯＩ）の走査、完全なＸ線ＣＴ走査、又は他の医療専門家及び専門医に推奨する。【選択図】図１

Description

本発明は、２０２１年４月３０日に出願された仮出願第６３１８２４２６号、２０２１年７月２８日に出願された仮出願第６３２２６５０８号、２０２１年４月２日に出願された仮出願第６３１７０２８８号、２０２１年４月１６日に出願された仮出願第６３１７５９５２号、２０２１年５月２７日に出願された仮出願第６３１９４０７１号、２０２１年５月１４日に出願された仮出願第６３１８８９１９号、２０２１年７月２３日に出願された仮出願第６３２２５１９４号、２０２１年６月１１日に出願された仮出願第６３２０９４９８号、２０２１年６月２５日に出願された仮出願第６３２１４９１３号、２０２１年７月１２日に出願された仮出願第６３２２０９２４号、２０２１年７月１６日に出願された仮出願第６３２２２８４７号、２０２１年７月２２日に出願された仮出願第６３２２４５２１号、及び２０２１年１月２４日に出願された米国出願第１７１４９１３３号（当該出願は、２０２０年１月２９日に出願された仮出願第６２９６７３２５号の優先権を主張する）の優先権を主張し、これらの内容は、参照により組み込まれる。

本発明は、概して、肺及び乳房の疾患の診断のための人工知能（ＡＩ）ベースの方法及びシステムに関し、より具体的には、インモーション多パルス作動Ｘ線源トモシンセシスイメージングシステムによる人工知能（ＡＩ）ベースの診断のための方法システムに関する。

トモシンセシス（デジタルトモシンセシス（ＤＴＳ）ともいう）は、投影Ｘ線撮影と同程度の放射線量レベルで高分解能の限定角度トモグラフィを実行するための方法である。トモシンセシスは、血管撮像、歯科撮像、整形外科撮像、マンモグラフィ撮像、及び肺撮像を含む、多様な臨床用途のために研究されている。大きな利点は、ＤＴＳ Ｘ線線量レベルがＣＴ撮像の線量レベルよりもはるかに小さいことである。ＤＴＳはまた、ＣＴのものよりもはるかに高速、かつはるかに低コストである。

インモーション多パルス作動Ｘ線源トモシンセシスイメージングシステムは、新しいタイプのＤＴＳである。インモーション多パルス作動Ｘ線源トモシンセシスイメージングシステムは、通常の単一線源ＤＴＳのものよりも更に高速で稼働し、はるかに広い角度をカバーすることができる。インモーション多パルス作動Ｘ線源トモシンセシスイメージングシステムは、迅速な肺がんスクリーニング、乳がんスクリーニングに使用され得る。全スクリーニングプロセスは、わずか数秒のみ続く。

新しいタイプのＤＴＳは超高速であるが、新しいタイプのＤＴＳは、現在、診断目的では依然として主に人間の医師に依拠する。したがって、全体のオーバーヘッドが積み重なって、診断プロセスを遅くすることとなる。したがって、全ての人に高速の肺がんスクリーニング及び乳がんスクリーニングを実行するために、肺又は乳房の病態を診断するためのはるかに改善されたシステム及び方法を提供することが望ましい。人工知能ベースの診断が必要になりつつある。

提示されるものは、インモーション多パルス作動線源トモシンセシスイメージングシステムを使用するＸ線診断方法である。Ｘ線器械画像データを取得しながら、人工知能（ＡＩ）は、患者からの応答を分析し、現在の病態を、患者の一部となり得るローカルコンピュータ又はニューラルネットワークにおける患者病歴及び他の患者情報と比較する。ＡＩは、病変の場所の変化を報告し、重症度閾値及び警告ステータスを設定し、治療情報を生成する。ＡＩはまた、関心領域（ＲＯＩ）の走査、完全なＣＴ走査、又は他の医療専門家及び専門医を推奨する。

このシステムの利点としては、以下のうちの１つ以上が挙げられ得る。このシステムは、診断目的で、ＤＴＳの高速性をコンピュータ学習とともに活用する。ＡＩは、データ取得及び診断の意思決定を高速化するために診断ツールが使用されるように使用される。

インモーション多パルス作動Ｘ線源トモシンセシスイメージングシステムは、迅速なＸ線診断装置である。インモーション多パルス作動Ｘ線源トモシンセシスイメージングシステムは、ほぼリアルタイムの低線量Ｘ線走査を実行することができる。インモーション多パルス作動Ｘ線源トモシンセシスイメージングシステムはまた、４Ｄ走査及び順次走査を実行することが可能である。ＡＩは、非常に少ない人間の介入で、超高速トモシンセシスイメージングシステムに関連する全てのプロセスを管理することもできる。

走査を実行する前に、選択されたデータのコレクションから正常ＡＩモデルが作成され、異常測定値が見出されるのに対して、閾値が決定される。続いて、新たに取得されたデータ及び作成された正常モデルから、異常測定値が見出される。次いで、装置の異常を検出するために、この異常測定値が、新しい閾値と比較される。

今日、コンピュータ及びネットワークは高速であり、また、ローカルストレージは、大規模、高速、かつ低コストである。スタンドアロンシステムについて、ネットワークは便利にアクセスできないが、病変診断システムは、好ましくは、ローカルに稼働するソフトウェアで実施され得る。

病変診断システムはまた、ネットワーク化されたシステムのためのニューラルネットワークで稼働するソフトウェアで実施される。病変診断システムは、通常動作モードにおける各サブシステムと、複数の異なる起こり得る故障モードの各々と、の性能のモデルを構築する。

次いで、ＡＩは、好ましくは、動的に変化する動作条件に対するモデルの各々の応答に基づいて、各サブシステムの性能を動的に予測し、各サブシステムの実際の性能及び結果を、正常モード及び起こり得る故障モードの各々におけるその動的に予測された性能と比較し、これらの比較に基づいて、動作条件を判定する。

ＡＩを使用すると、データ取得段階で順次走査を行うことが可能である。部分走査から結果を得た後、ＡＩは、継続的な走査が望ましいかどうかを即座に意思決定することができる。ＡＩは、十分な情報が収集される場合、停止することとなる。

ＡＩは、医者のように振る舞い、ＡＩ走査は、患者のための医者の訪問のように振る舞う。変化がない場合、おそらく全てが正常であることを意味する。次いで、プロセスは、停止することとなる。いくつかの変化が見出された場合、ＡＩは、変化がどの程度であるか、及び変化がどこにあるかを調べることを決定することとなる。次いで、ＡＩはまた、変化がどの程度深刻であるかを判断する。変化が深刻でない場合に、プロセスは、終了する。変化が深刻である場合、ＡＩは、医者に警告を生成し、関心領域（ＲＯＩ）の走査若しくはＣＴ走査、又は更には他のより包括的な診断ツールを行う推奨を送信することとなる。

例示的なインモーション多パルス作動Ｘ線源トモシンセシスイメージングシステムを例示する。 患者被写体の例示的な診断走査を示す。 多Ｘ線源インモーショントモシンセシスイメージングシステムにより実行される例示的なＡＩベースの診断プロセスのフローチャートを示す。

以下の段落では、添付の図面を参照して、本発明を例として詳細に記載する。この説明全体を通して、示される好ましい実施形態及び実施例は、本発明の限定ではなく例と見なされるべきである。本明細書で使用される場合、「本発明」は、本明細書に記載の本発明の実施形態のうちのいずれか１つ及び任意の均等物を指す。更に、本明細書を通して「本発明」の様々な特徴（複数可）を参照することは、全ての特許請求される実施形態又は方法が参照される特徴（複数可）を含まなければならないことを意味しない。

しかしながら、この発明は、多くの異なる形式で具現化されてもよく、その中に記載される実施形態に限定されると解釈されるべきではない。これらの実施形態は、本開示が詳細かつ完全であり、本発明の範囲を当業者に完全に伝達するように提供される。更に、本発明の実施形態を列挙する本明細書の全ての記述、及びその具体例は、その構造的及び機能的均等物の両方を包含することが意図されている。追加的に、そのような均等物は、現在知られている均等物、及び将来開発される均等物（すなわち、構造に関係なく同じ機能を実行する、開発される任意の要素）の両方を含むことが意図されている。

それゆえ、例えば、図、概略図、図解などが、本発明を具現化するシステム及び方法を例示する概念図又はプロセスを表すことは、当業者によって理解されるであろう。図に示される様々な要素の機能は、専用ハードウェア、及び関連付けられたソフトウェアを実行することができるハードウェアの使用を通じて提供され得る。同様に、図に示される任意のスイッチは、概念的であるにすぎない。それらの機能は、プログラムロジックの動作を通して、専用ロジックを通して、プログラム制御と専用ロジックとの相互作用を通して、又は更には手動で実行され、この特定の技法は、本発明を実施するエンティティによって選択可能であってもよい。当業者は、本明細書に記載の例示的なハードウェア、ソフトウェア、プロセス、方法、及び／又はオペレーティングシステムが例示の目的のためであり、それゆえ、任意の特定の名称の製造元に限定されることを意図されていないことを更に理解する。

本発明は、インモーション多パルス作動線源トモシンセシスイメージングシステムを使用する医療診断方法に関する。本発明の主な目的は、画像ベースの病変診断のための方法を提供することである。本発明の第２の目的は、人工知能（ＡＩ）による画像ベースの病変診断を提供することである。Ｘ線器械画像データを撮影しながら、ＡＩは、患者応答を分析し、現在の病態を、患者の一部となり得る患者病歴及び他の患者情報と比較する。ＡＩは、病変の場所の変化を報告し、重症度閾値及び警告ステータスを設定し、治療情報を生成する。ＡＩはまた、関心領域（ＲＯＩ）の走査、完全なＣＴ走査、又は他の医療専門家及び専門医を推奨する。超高速の、インモーション多パルス作動Ｘ線源トモシンセシスイメージングシステムが設計される。システム稼働中の突然の機器故障に起因して、動的な変化が発生する。しかしながら、動的な変化は、動的な変化を正常なシステム応答と比較することによって適正に診断及び分析され得る。

一実施形態では、図１は、新しいタイプのＸ線イメージングシステムを示す。このＸ線イメージングシステムは、高効率かつ超高速の３Ｄ Ｘ線撮影を実行するためのインモーション多パルス作動Ｘ線源トモシンセシスイメージングシステム４である。線源のアレイを形成するように運動している構造上に取り付けられた複数のパルス作動されるＸ線源が存在する。複数のＸ線源は、グループとして一定速度で、あらかじめ定められた弧状トラック上で被写体に対して同時に移動する。個々の各Ｘ線源もまた、小距離にあるＸ線源の静止位置の周りで迅速に移動することができる。Ｘ線源がグループ速度に等しいが反対の移動方向を有する速度を有するとき、Ｘ線源及びＸ線フラットパネル検出器は、一瞬、静止したままであるように、外部露出制御ユニットを介して作動される。そのことは、各Ｘ線源についての線源移動距離の大幅な短縮をもたらす。その結果、３Ｄ走査は、はるかに短い時間ではるかに広い掃引角度をカバーすることができ、画像分析をリアルタイムで行うこともできる。このタイプのＸ線機は、はるかに高い走査速度を達成するために、他のタイプのＸ線画像機よりもはるかに多くのＸ線源を利用する。

回転ガントリ上に複数のＸ線源が取り付けられている。Ｘ線源（複数可）は、患者が撮像し得る標的に向けて、パルス作動されるＸ線ビーム（複数可）を放射する。インモーションイメージングデバイスは、患者が左から右に移動するにつれて、関心領域から画像データを取得する。インモーションイメージングデバイスは、好ましくは、患者のＸ線画像を収集及び処理し、かつこれらの画像を以前に取得された基準画像と比較し、様々な出力を生成するマイクロプロセッサを含む。データ取得は、デジタル画像データを収集するために現在利用可能な多数のデジタル画像取得システムのうちのいずれか１つを使用して実行され得る。そのようなデバイスの例としては、フラットか又は湾曲しているかのいずれかのＸ線パネル検出器が挙げられる。

Ｘ線フラットパネル検出器３は、Ｘ線ビームを受容する。フラットパネル検出器は、画素のアレイで構成されている。各画素は、その画素の位置で受容されたＸ線エネルギーに対応する個々の強度値を有する。各瞬間に、各画素は、時間間隔内のＸ線源への露出の回数に応じて、Ｘ線放射を受容することができるか、又はできない。フラットパネル検出器は、走査中にＸ線源及び対象に近接して配置される。フラットパネル検出器は、Ｘ線源からＸ線光子を受容する。各画素値の強度は、その画素の位置に到達するＸ線光子のエネルギーの大きさに依存する。結果として、単一の画素は、多様なＸ線光子エネルギーに基づいて、多様な画素値を有し得る。これらの画素値は、特定のＸ線撮像モダリティに対する検出器の応答を表す。特定のモダリティは、取得中に使用される用途及び撮像パラメータに依存する。Ｘ線検出器は、スタンドアロンデバイスとして、又はより大きなイメージングシステムの一部として使用され得る。

支持フレーム構造は、実質的に平面状のベースと、実質的に垂直の支持部材と、支持部材に回転可能に取り付けられた回転可能なフレーム部分と、を含む。フレーム構造は、移動可能なプラットフォーム上の患者に対してあらかじめ選択された角度配向でＸ線管を支持するようにサイズ設定及び構成されている。このことは、フレーム部分がピボットアームを中心として自由に回転することを可能にする。この構成は、支持部材又はベースの回転を必要とせずに、Ｘ線管の角度配向を走査手順中に必要に応じて変動させることを可能にする。本発明の範囲から逸脱することなく、フレーム部分をベースに取り付けるための他の構成が可能であることが理解されよう。

図２は、患者２又は被写体の診断走査を示す。新規なＸ線イメージングシステムは、運動している複数のパルス作動されるＸ線源を使用して、主に肺撮像又は乳房マンモグラフィのためのＸ線撮像を実行する。このシステムは、走査すべき最大１２０度以上を数秒で容易に撮影することができる。このシステムは、既に、走査の第１のセットから相対的な広いスパン角度をカバーし得る。例えば、５線源で合計２５回走査のシステムについて、出射シーケンスからのＸ線データセットは、１－６－１１－１６－２１の第１のセット、２－７－１２－１７－２２の第２のセット、３－８－１３－１８－２３の第３のセット、４－９－１４－１９－２４の第４のセット、５－１０－１５－２０－２５の第５のセットなどである。５つの線源について、このタイプの機械は、合計１２０超以上の走査に容易に至ることができる。第１のデータセットが取得された後、ＡＩは、第２のセットを待つことなく、直ちに診断を実行することができる。図２では、複数のＸ線源１が存在し、患者２は、Ｘ線フラットパネル検出器３の前に置かれている。

インモーション多パルス作動Ｘ線源トモシンセシスイメージングシステム４は、高速のパルス作動Ｘ線源を使用して、順次走査、ほぼリアルタイムの低線量トモシンセシス撮像を実行する。複数のシーケンシャルなインモーショントモシンセシス画像の取得を組み合わせて、より高分解能の画像又はビデオを形成するが、２つのシーケンシャルな画像は重複しない。順次走査は、典型的には、２つ以上の別個の場所での撮像を、各々に異なるトモシンセシスプロトコルを使用して同時に実行することによって達成される。複数のＸ線源が、好ましくは、任意の所望の断面平面における高分解能のＸ線画像を得るために、検査対象の周りに、トモスリングラフ（ｔｏｍｏｓｒｙｎｇｒａｐｈ）に沿って分散される。専用の放射線プレートが、入射Ｘ線を収集し、好適なコリメータを介して対応するフラットパネル検出器にＸ線を方向付ける。複数の線源を使用する順次走査は、速度及び空間分解能などのいくつかの利点を示している。同じトモシンセシスデータセットからの複数の露出を、診断情報を何ら失うことなく、より高分解能の画像にマージすることができる。したがって、より良好な品質の画像を得るために、より高分解能の走査技法で患者を再走査する必要はない。これにより、効率が高まり、患者及び医療提供者の放射線曝露が低減される。

この垂直構成では、患者２は、Ｘ線テーブル上に置かれている。他の水平構成では、患者２は、Ｘ線源１とＸ線フラットパネル検出器３との間に立つことができる。システムのオペレータ又はユーザは、選択されたデータを視覚化するためのディスプレイを含むユーザインターフェースを使用して、全体的な手順を指示又は制御する。処理能力を有するワークステーション（図示せず）を、ユーザインターフェースの代わりに使用して、全体的な手順を制御することができる。ユーザインターフェースは、ネットワークインターフェースを介してローカルストレージメインメモリ及びプロセッサに接続されている。超高速Ｘ線源１は、複数のパルス作動Ｘ線ビームを患者に向ける。

Ｘ線フラットパネル検出器３、Ｘ線源１、及びコリメータは、テーブル又は移動可能なマウント上に取り付けられ得る。これらの要素の各々の構造及び動作原理は、当該技術分野で知られている。Ｘ線源によって放射されたビームは、患者、次いで、コリメータを通過し、次いで、ビームスプリッタによって反射されて患者に戻る。インモーション多パルス作動Ｘ線源トモシンセシスイメージングシステム４は、超高速Ｘ線診断装置である。この目的を達成するために、開示される本発明の一態様は、高データ取得率を有するインモーション多パルス作動Ｘ線源トモシンセシスイメージングシステム４の設計を含む。この態様はまた、詳細なＸ線撮像走査を提供する。

３Ｄ Ｘ線撮像の間、人工知能（ＡＩ）は、コンピュータシステムが、視覚、画像認識、及び意思決定などの人間の知性を必要とするタスクを実行することを可能にする。この種のタスクは、人間の心に関連付けられた認知機能、すなわち学習及び問題解決を必要とする。機械学習は、ＡＩのサブセットであると考えられる。機械学習は、深層学習（ＤＬ）プロセスを利用して実施され得る。ＤＬは、ニューラルネットワークと呼ばれる数学的モデルを採用する機械学習方法である。ニューラルネットワークは、人間の脳を模倣しようとする多数のステップを含み得る。Ｘ線撮像動作が実行されるとき、ＤＬは、大きな画像データセットに存在する複雑な階層特徴及びパターンを抽出しようとする。次いで、これらの特徴を、ニューラルネットワークを使用して一体に合成して、Ｘ線画像データのモデルを表し得る。

本明細書では、実際の患者からの大量のＸ線撮像データを介して、ＡＩモデルが既に確立された後の肺、乳がん又は結節の病態の発見を支援するなど、肺又は乳房の診断のためのＡＩベースのシステム及び方法について記載する。ＡＩベースのシステム及び方法は、機械学習を利用する。例えば、システム及び方法は、機械学習におけるＡＩモデルを利用して、例えば深層学習モデルを利用して、診断を自動化し得る。本明細書に記載のシステム及び方法は、画像データに関連する人工知能モデルを使用してＸ線トモグラフィ画像を処理するためのスタンドアロン用途又は統合用途として実施され得る。

通常、方法のうちの１つは、ヒトの肺又は乳房のＸ線走査を入力としてとり、かつこの肺又は乳房の診断を出力するモデルを取得することを含む。診断は、肺、乳房の疾患又は結節、病変の病態の予測、重症度レベルの予測、及びＸ線走査画像の入力における重要な特徴の検出を含む。

図３は、機械学習後のＸ線トモシンセシスイメージングシステムにおけるＡＩベースの診断の例示的なフローチャートを示す。一般に、患者が包括的なＸ線走査を受ける前に、患者の以前の記録、又は通常の健常者の他の標準的な情報が、ローカルコンピュータ又は保健ネットワークのいずれかで既に利用可能である。第１のステップは、患者を走査してデータを生成することである。画像取得は、順次的であり得る。次いで、第２のステップは、システムが順次走査に基づいて即座に画像構成を行うことである。第３のステップは、人工知能（ＡＩ）を使用して、患者の医療履歴などの患者に関する利用可能な知識と比較することである。第４のステップは、ＡＩに意思決定をさせることである。変化がない場合、患者走査が正常であることを示し得、プロセスは、停止することとなる。１つ以上の病変を示す変化が走査にある場合、ＡＩは、検出された新しい病変の程度と各病変の場所とを得ることを意思決定することとなる。次いで、ＡＩはまた、変化がどの程度深刻であるかを判断する。変化が深刻でない場合に、プロセスは、終了する。変化が深刻である場合、ＡＩは、医者に警告を生成し、関心領域（ＲＯＩ）の走査又はＣＴ走査を含むより広範な走査を行う推奨を送信することとなる。

患者走査は、生データを生成する。データを処理するには、取得されたデータを基準メモリユニットにおける正常データと比較する必要がある。生データが医療診断基準を満たすことを確認するために、患者に関連したデバイス又はデバイスの構成要素の幾何学的構成に基づいて、３Ｄ空間内の各異常の場所についての統計モデルを構築する。統計モデルに基づいて、ＡＩは、完全走査を実行するか、又は部分走査を実行するかの意思決定を計算する。次いで、ＡＩが完全走査を行うことを意思決定すると、インモーション多パルス作動線源トモシンセシスイメージングシステムは、撮像のために複数のパルス作動される線源、検出器、及び管要素を露出することを含めて、画像を撮影するように進行する。このことを、同時に又はシーケンシャルに行うことができるが、好ましくは同時に行うことができる。

再構成は、好ましくは、インモーション多パルス作動線源トモシンセシスイメージングシステム技法に従って実行される。結果として、複数の異なる角度から撮影された第１の被写体又は第１の患者の複数の画像が、再構成されたトモシンセシス画像セットとして得られる。患者の第１の被写体は、前述したように、実質的に静止した放射線源及び検出器に対して位置付けられる。続いて、追跡システムとも称される放射線源制御システムが、パルス作動Ｘ線放射パターンを生成して、複数のパルス作動される線源からのＸ線放射を患者画像に方向付ける。好ましい実施形態では、パルス作動Ｘ線放射パターンは、コリメートされた多角形リングビームに対応する。

ＡＩ検出は、システムの構造に変化があるか否かを判定する。ＡＩ検出がシステムの構造に変化がないと判定した場合に、ＡＩは、順次走査を終了し、最終画像を取得する命令をＸ線検出器に伝送する。最終的な画像の順次走査及び取得は、１つ以上の画像を取得するために必要に応じて繰り返され得る。ＡＩ診断モジュールは、限定されるものではないが、以下を含む様々なパラメータを使用して、患者に病変があるか否かを判定する：線量値、部分容積効果（ＰＶＥ）、デジタル信号（ＤＳ）、コントラスト（Ｃ）、（ＳＮＲ）、画像ノイズ、厚さ、ヒストグラム分散、一時停止時間、Ｘ線散乱、減衰係数、分解能など。ＡＩ走査技法は、走査及び分析をローカルで実行し、ネットワークを介して他の場所に通知し、処理能力及び大容量ストレージをこの分析に使用するものである。

患者の病歴又は現在のデータとの比較において、意思決定ブロックに閾値が設定される。ＡＩは、取得された画像から複数のＲＯＩを走査する。エリア識別ステップで、ＡＩは、ＲＯＩのうちの１つ以上から起こり得る病変を位置特定し、プロセスブロックのために病変の場所を記録する。検出信頼性ステップで、ＡＩは、記録された場所が閾値内にあるかどうかを判定する。記録された場所が閾値内にない場合、プロセスは、終了する。記録された場所が閾値内にある場合、プロセスは、重症度分類決定ステップに進む。重症度分類決定ステップで、ＡＩは、記録された場所が高重症度評価を有するか、又は低重症度評価を有するかを判定する。記録された場所が高重症度評価を有する場合、プロセスは、第２のエリア識別ステップに進む。第２のエリア識別ステップで、ＡＩは、取得された画像から１つ以上の追加のＲＯＩを走査して、病変の存在を確認し得る。記録された場所が低重症度評価を有する場合、プロセスは、推奨ステップに進む。推奨ステップで、ＡＩは、病変の走査を推奨する。病変の走査は、完全ＣＴ走査の標準走査、関心領域（ＲＯＩ）の走査、複数のチャネルの集束走査などによって実行され得る。

ＡＩは、人間の医者に報告を返し、可能な次の行動方針についての推奨事項を提供し、一般に、仮想（ネットワーク化された）医療専門家に情報を共有させ、常時管理する。

Ｘ線源インモーション診断手順のための人工知能（ＡＩ）を有するシステムは、このシステムにける異なるタイプの走査により動作することができる。例えば、一方のシステムが、順次走査を適用し、他方が、シーケンシャル走査である。順次走査は、各スナップショットで取得された各データを使用して、画像のスタック内に次の画像を作成する。この手順は、関心領域（ＲＯＩ）をカバーするのに十分なデータが収集されるまで継続することとなる。病変が静的である場合、病変の病歴に関する情報は全く又はほとんど必要とされないことから、順次走査を使用して診断することがはるかに容易になる。病変が動いている場合、順次走査は、病変を辿ることができるが、高頻度のデータ取得が必要になり、線量が大幅に増加することとなる。順次走査を、３つの段階で実行することもできる。第一に、生データを収集して、初期の正常モデルを構築する。第二に、前処理されたデータを収集して、正常モデルを精緻化する。第三に、後処理されたデータを収集して、必要に応じて正常モデルを再度精緻化する。Ｘ線器械画像データを取得しながら、人工知能は、患者応答を分析し、現在の病態を、患者の一部となり得る患者病歴及び他の患者情報と比較する。ＡＩは、病変の場所の変化を報告し、重症度閾値及び警告ステータスを設定し、治療情報を生成する。ＡＩはまた、関心領域（ＲＯＩ）の走査、完全なＣＴ走査、又は他の医療専門家及び専門医に推奨する。

この出願は、インモーション多パルス作動線源トモシンセシスイメージングシステムを使用する。この出願は、リアルタイムの意思決定及び走査プロセスのためにＡＩを適用することによる、より高速の、かつより正確なＸ線診断装置のための方法である。従来のＸ線診断装置は、以下のように機能する：生データを取得し、画像はモデルに対して取得された生データ、通常動作モードのモデルを構築し、異なる故障モードのモデルを構築し、Ｘ線検出器アレイからリアルタイムデータを取得し、各モデルに基づいてリアルタイムデータを分析し、異常があるかどうかを検出する。対照的に、本発明のシステムは、以下のように機能する：ＡＩスーパーコンピュータを使用して、正常動作モードにおける各サブシステムと、複数の異なる起こり得る故障モードの各々と、の性能のモデルを構築する。次いで、ＡＩは、動的に変化する動作条件に対するモデルの各々の応答に基づいて、各サブシステムの性能を動的に予測し、各サブシステムの実際の性能及び結果を、正常モード及び起こり得る故障モードの各々におけるその動的に予測された性能と比較し、これらの比較に基づいて、動作条件を判定する。更に、インモーション多パルス作動線源トモシンセシスイメージングシステムは、ほぼリアルタイムの低線量Ｘ線走査を実行することができる。インモーション多パルス作動線源トモシンセシスイメージングシステムは、四次元走査又は順次走査を実行することもできる。

各部分走査から得られた画像データを、人工知能によって評価して、様々な身体部分における起こり得る病変、この場合には、例えば肺結節及び乳がん、を検出し得る。検出に基づいて、本開示は、医師がＲＯＩ走査若しくはＣＴ走査を行うか、いくつかの他の包括的な診断ツールを使用する必要があるかどうかを医師が意思決定するための警告情報を生成することとなる。

本発明の様々な修正及び変更が、添付の特許請求の範囲によって規定された本発明の趣旨及び範囲から逸脱することなく、当業者には明らかになるであろう。以下の任意の方法の請求項に列挙されたステップは、必ずしもそれらが列挙された順序で実行される必要はないことに留意されたい。当業者は、ステップを実行する際に、列挙されたものとは異なる、順序の変形を認識するであろう。加えて、特徴、ステップ、又は構成要素の言及又は考察の欠如は、存在しない特徴、又は構成要素が但し書き若しくは同様の請求項の文言によって除外される、請求項の基礎を提供する。

本発明の様々な実施形態が上に記載されたが、それらは限定ではなく、例としてのみ提示されてきたことを理解されたい。様々な図は、本発明のための例示的なアーキテクチャ又は他の構成を描くことができ、このことは、本発明に含まれ得る特徴及び機能性を理解することを補助するために行われる。本発明は、例示される例示的なアーキテクチャ又は構成に限定されず、所望の特徴が、多様な代替的なアーキテクチャ及び構成を使用して実施されてもよい。実際、代替的な機能的、論理的、又は物理的な分割及び構成が、本発明の所望の特徴を実施するためにどのように実施され得るかは、当業者には明らかであろう。また、本明細書に表されるもの以外の多くの異なる構成モジュール名が、様々な分割に適用されてもよい。追加的に、フロー図、動作説明、及び方法の請求項に関して、本明細書でステップが提示される順序は、文脈が別段の指示をしない限り、列挙された機能性を同じ順序で実行するための様々な実施形態が実施されることを義務付けないものとする。

この文書において使用される用語及び語句、並びにその変化形は、別途明示的に記載されない限り、限定的であるのとは反対に、オープンエンドであると解釈されるべきである。前述の例として、「含む」という用語は、「含むが、これに限定されない」などの意味として解釈されるべきであり、「例」という用語は、その網羅的又は限定的なリストではなく、説明中の項目の例示的な事例を提供するために使用され、「ａ」又は「ａｎ」という用語は、「少なくとも１つ」、「１つ以上」などを意味するものとして解釈されるべきであり、「従来の」、「伝統的な」、「通常の」、「標準の」、「知られている」などの形容詞及び同様の意味の用語は、所与の期間に又は所与の時点で利用可能な項目に記載された項目を限定するものと解釈されるべきではなく、代わりに、現在又は将来の任意の時点で利用可能か又は知られ得る従来の、伝統的な、通常の、又は標準の技術を包含するように解釈されるべきである。これゆえ、この文書が、当業者に明らかであるか、又は知られている技術に言及する場合、そのような技術は、現在又は将来の任意の時点で当業者に明らかであるか、又は知られている技術を包含する。

追加的に、本明細書に詳述される様々な実施形態は、例示的なブロック図、フローチャート、及び他の説明図に関して記載されている。この文書を読んだ後に当業者に明らかになるであろうように、例示される実施形態及びそれらの様々な代替形態は、例示される例に限定されることなく実装されてもよい。例えば、ブロック図とそれらに付随する説明とは、特定のアーキテクチャ又は構成を義務付けるものと解釈されるべきではない。

開示される実施形態の先の説明は、当業者が本発明を作成又は使用することを可能にするために提供される。これらの実施形態に対する種々の修正は、当業者には容易に明らかになり、本明細書で定義される一般的な原理は、本発明の趣旨又は範囲から逸脱することなく、他の実施形態に適用され得る。それゆえ、本発明は、本明細書に示される実施形態に限定されることを意図するものではなく、本明細書に開示される原理及び新規な特徴と一致する最も広い範囲を付与されるものである。

Claims (20)

1. インモーション多パルス作動Ｘ線源トモシンセシスイメージングシステムによる人工知能を使用する診断の方法であって、
   インモーション多パルス作動線源トモシンセシスイメージングシステムを使用して、患者の順次走査を取得することと、
   前記順次走査に基づいて、画像構成を実行することと、
   人工知能（ＡＩ）を使用して、以前の走査を前記順次走査と比較することによって病変を検出することと、
   前記ＡＩにより、前記病変及び病変増殖の場所を判定することと、を含む、方法。
2. 人工知能（ＡＩ）を使用して、変化がない場合、停止する意思決定を行い、そうでない場合、病変異常の重症度を判定し、そうである場合、所定の関心領域（ＲＯＩ）の走査又はＣＴ走査による追加の走査を推奨することを含む、請求項１に記載の方法。
3. 警告を生成し、関心領域（ＲＯＩ）の走査又はＣＴ走査を検査する１つ以上の推奨を送信することを含む、請求項１に記載の方法。
4. ＡＩを使用して、通常動作モードと複数の異なる起こり得る故障モードの各々とにおける各サブシステムの性能のモデルを構築することを含む、請求項１に記載の方法。
5. 動的に変化する動作条件に対する前記モデルの各々の応答に基づいて、各サブシステムの前記性能を動的に予測することと、
   各サブシステムの実際の性能及び結果を、前記正常モード及び起こり得る故障モードの各々における前記各サブシステムの前記動的に予測される性能と比較することと、
   これらの比較に基づいて、前記動作条件を判定することと、を含む、請求項４に記載の方法。
6. ほぼリアルタイムの低線量Ｘ線走査を実行することを含む、請求項１に記載の方法。
7. インモーション多パルス作動線源トモシンセシスイメージングシステムにより四次元走査又は順次走査を実行することを含む、請求項１に記載の方法。
8. Ｘ線器械画像データを取得する間、患者応答を分析して、現在の病態を患者病歴及び患者情報と比較する、請求項１に記載の方法。
9. 病変の場所の変化を報告し、重症度閾値及び警告ステータスを設定し、治療情報を生成することを含む、請求項１に記載の方法。
10. 前記病変及び病変増殖の前記場所に基づいて、関心領域（ＲＯＩ）の走査若しくは完全なＣＴ走査、又は１人以上の医療専門家及び専門医を推奨することを含む、請求項１に記載の方法。
11. 人工知能を使用するＸ線トモシンセシス診断システムであって、
    インモーション多パルス作動Ｘ線源トモシンセシスイメージングシステムと、
    前記インモーション多パルス作動Ｘ線源トモシンセシスイメージングシステムに結合されたプロセッサであって、前記プロセッサが、
    インモーション多パルス作動Ｘ線源トモシンセシスイメージングシステムを使用して、患者の順次走査を取得することと、
    前記順次走査に基づいて、画像構成を実行することと、
    人工知能（ＡＩ）を使用して、以前の走査を前記順次走査と比較することによって病変を検出することと、
    前記ＡＩにより前記病変及び病変増殖の場所を判定することと、のためのコードを実行する、プロセッサと、を備える、システム。
12. 変化がない場合、停止する意思決定を行い、そうでない場合、病変異常の重症度を判定し、そうである場合、所定のＸ線関心領域（ＲＯＩ）の走査又はＣＴ走査による追加の走査を推奨するための人工知能（ＡＩ）を備える、請求項１１に記載のシステム。
13. 警告を生成し、Ｘ線関心領域（ＲＯＩ）の走査又はＣＴ走査を検査するための１つ以上の推奨を送信するためのコードを備える、請求項１１に記載のシステム。
14. ＡＩを使用して、正常動作モードと複数の異なる起こり得る故障モードの各々とにおける各サブシステムの性能のモデルを構築するためのコードを備える、請求項１１に記載のシステム。
15. 動的に変化する動作条件に対する前記モデルの各々の応答に基づいて、各サブシステムの前記性能を動的に予測することと、
    各サブシステムの実際の性能及び結果を、前記正常モード及び起こり得る故障モードの各々における前記各サブシステムの前記動的に予測される性能と比較することと、
    これらの比較に基づいて、前記動作条件を判定することと、のためのコードを備える、請求項１１に記載のシステム。
16. ほぼリアルタイムの低線量Ｘ線撮像走査を実行するためのコードを備える、請求項１１に記載のシステム。
17. インモーション多パルス作動線源トモシンセシスイメージングシステムにより四次元走査又は順次走査を実行するためのコードを備える、請求項１１に記載のシステム。
18. Ｘ線器械画像データを取得する間、患者応答を分析して、現在の病態を患者病歴及び患者情報と比較するためのコードを備える、請求項１１に記載のシステム。
19. 病変の場所の変化を報告し、重症度閾値及び警告ステータスを設定し、かつ治療情報を生成するためのコードを備える、請求項１１に記載のシステム。
20. 前記病変及び病変増殖の前記場所に基づいて、関心領域（ＲＯＩ）の走査若しくは完全なＣＴ走査、又は１人以上の医療専門家及び専門医を推奨するためのコードを備える、請求項１１に記載のシステム。

Images