JP7209595B2 - 放射線画像処理装置、方法およびプログラム - Google Patents

Description

本開示は、放射線画像処理装置、方法およびプログラムに関するものである。

患者の外科的手術を行う際には、出血を抑えるためのガーゼ、傷口を縫うための糸と針、切開のためのメスおよび鋏、血液を排出するためのドレイン、並びに切開部分を開くための鉗子等の様々な手術用具が使用される。このような手術用具は、手術後に患者の体内に残存していると、重篤な合併症を発生する恐れがある。このため、手術後は患者の体内に手術用具が残存していないことを確認する必要がある。

このため、ガーゼ画像の特徴を学習した判別器を用意し、手術野をカメラにより撮影することにより取得した画像を判別器に入力して、ガーゼの有無を判別する手法が提案されている（特許文献１参照）。

特開２０１８－０６８８６３号公報

しかしながら、ガーゼは血に染まるため、カメラにより取得した画像ではガーゼを発見することは判別器を用いたとしても困難である。一方、術後に患者の放射線画像を取得し、放射線画像を観察することにより、患者の体内に手術用具が残存しているか否かを確認することが考えられる。しかしながら、長時間の手術の後では、術者も看護師も疲労しているため、手術用具の残存を見逃してしまう可能性が高いという問題がある。また、判別器の学習に必要なガーゼ等の手術器具が残存した放射線画像は極めて稀であるため、判別器の学習のために大量に収集することは困難である。

本開示は上記事情に鑑みなされたものであり、手術後における手術用具の患者体内の残存を確実に防止できるようにすることを目的とする。

本開示による放射線画像処理装置は、人体を含む第１の放射線画像および手術用具を含む第２の放射線画像を合成することにより取得した合成画像、並びに合成画像における手術用具の領域を表す正解データからなる教師データにより、入力された放射線画像における手術用具の領域を判別するように学習がなされた判別器を有する検出部を備え、
検出部は、判別器により入力された放射線画像における手術用具の領域を判別することにより、手術用具の領域を検出する。

なお、本開示による放射線画像処理装置においては、放射線画像において検出された手術用具の領域を強調して、放射線画像を表示部に表示する表示制御部をさらに備えるものであってもよい。

また、本開示による放射線画像処理装置においては、第１の放射線画像および手術用具の特性に応じた合成パラメータにより第１の放射線画像および第２の放射線画像を合成することにより、合成画像を生成する合成部をさらに備えるものであってもよい。

この場合、合成部は、手術用具の放射線吸収率、第１の放射線画像における放射線散乱の程度、第１の放射線画像におけるビームハードニング、および第１の放射線画像の撮影条件に応じたノイズの少なくとも１つに応じて合成パラメータを設定するものであってもよい。

また、本開示による放射線画像処理装置においては、手術用具は、ガーゼ、メス、鋏、ドレイン、針、糸および鉗子の少なくとも１つを含むものであってもよい。

また、本開示による放射線画像処理装置においては、ガーゼは、放射線吸収糸を少なくとも一部に含むものであってもよい。

少なくとも一部とは、一部のみならず、全部が放射線吸収糸であってもよいことを意味する。

また、本開示による放射線画像処理装置においては、合成画像および合成画像における手術用具の位置が特定された正解データからなる学習用画像を用いて、判別器を学習する学習部をさらに備えるものであってもよい。

本開示による放射線画像処理方法は、人体を含む第１の放射線画像および手術用具を含む第２の放射線画像を合成することにより取得した合成画像、並びに合成画像における手術用具の領域を表す正解データからなる教師データにより、入力された放射線画像における手術用具の領域を判別するように学習がなされた判別器を有する検出部を備えた放射線画像処理装置における放射線画像処理方法であって、
検出器が、判別器により入力された放射線画像における手術用具の領域を判別することにより、手術用具の領域を検出する。

なお、本開示による放射線画像処理方法をコンピュータに実行させるためのプログラムとして提供してもよい。

本開示による他の放射線画像処理装置は、コンピュータに実行させるための命令を記憶するメモリ、および
記憶された命令を実行するよう構成されたプロセッサを備え、プロセッサは、
人体を含む第１の放射線画像および手術用具を表す第２の放射線画像を合成することにより取得した合成画像、並びに合成画像における手術用具の領域を表す正解データからなる教師データにより、入力された放射線画像における手術用具の領域を判別するように学習がなされた判別器を有する検出部として機能し、
入力された放射線画像における手術用具の領域を判別することにより、手術用具の領域を検出する処理を実行する。

本開示によれば、手術後における手術用具の患者体内の残存を確実に防止できる。

本開示の実施形態による放射線画像処理装置を適用した放射線画像撮影システムの構成を示す概略ブロック図 本実施形態による放射線画像処理装置の概略構成を示す図 第１の放射線画像を示す図 ガーゼを示す図 第２の放射線画像を示す図 合成画像を示す図 放射線画像の表示画面を示す図 本実施形態における合成画像生成処理のフローチャート 本実施形態における学習処理のフローチャート 本実施形態における検出処理のフローチャート

以下、図面を参照して本開示の実施形態について説明する。図１は本開示の実施形態による放射線画像処理装置を適用した放射線画像撮影システムの構成を示す概略ブロック図である。図１に示すように、本実施形態による放射線画像撮影システムは、外科的手術を行った後の、患者である被写体Ｈの放射線画像を取得して、放射線画像に含まれる手術用具を検出するためのものである。本実施形態による放射線画像撮影システムは、撮影装置１と、本実施形態による放射線画像処理装置であるコンピュータ２とを備える。

撮影装置１は、Ｘ線源等の放射線源４から発せられ、被写体Ｈを透過した放射線を放射線検出器５に照射することにより、手術台３に仰臥した被写体Ｈの放射線画像Ｇ０を取得するための撮影装置である。放射線画像Ｇ０は、放射線画像処理装置であるコンピュータ２に入力される。

放射線検出器５は、放射線画像の記録と読み出しを繰り返して行うことができるものであり、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し、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、いわゆる間接型の放射線検出器を用いるようにしてもよい。また、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ＴＦＴ読出方式のもの、または読取り光を照射す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のものを用いることが望ましいが、これに限らずその他のものを用いるようにしてもよい。

コンピュータ２には表示部６および入力部７が接続されている。表示部６は、ＣＲＴ（Cathode Ray Tube）または液晶ディスプレイ等からなり、撮影により取得された放射線画像およびコンピュータ２において行われる処理に必要な各種入力の補助を行う。入力部７は、キーボード、マウスまたはタッチパネル等からなる。

コンピュータ２には、本実施形態の放射線画像処理プログラムがインストールされている。本実施形態においては、コンピュータは、操作者が直接操作するワークステーションまたはパソコンでもよいし、それらとネットワークを介して接続されたサーバコンピュータでもよい。放射線画像処理プログラムは、ネットワークに接続されたサーバコンピュータの記憶装置、またはネットワークストレージに、外部からアクセス可能な状態で記憶され、要求に応じてコンピュータにダウンロードされ、インストールされる。もしくは、ＤＶＤ（Digital Versatile Disc）、ＣＤ－ＲＯＭ（Compact Disc Read Only Memory）等の記録媒体に記録されて配布され、その記録媒体からコンピュータにインストールされる。

図２は、本実施形態において、コンピュータ２に放射線画像処理プログラム等をインストールすることにより実現される放射線画像処理装置の概略構成を示す図である。図２に示すように、放射線画像処理装置は、標準的なコンピュータの構成として、ＣＰＵ(Central Processing Unit)１１、メモリ１２およびストレージ１３を備える。

ストレージ１３は、ハードディスクまたはＳＳＤ（Solid State Drive）等のストレージデバイスからなり、撮影装置１の各部を駆動するための撮影プログラムおよび放射線画像処理プログラム等を含む各種情報が記憶されている。また、撮影により取得された放射線画像も記憶される。

メモリ１２には、各種処理をＣＰＵ１１に実行させるために、ストレージ１３に記憶された放射線画像処理プログラム等が一時的に記憶される。放射線画像処理プログラムは、ＣＰＵ１１に実行させる処理として、放射線源４から発せられて被写体Ｈを透過した放射線を、放射線検出器５に照射することにより放射線画像Ｇ０を取得し、かつ後述する合成画像を生成するための、被写体Ｈを含む第１の放射線画像Ｇ１および手術用具を表す第２の放射線画像Ｇ２を取得する画像取得処理、入力された放射線画像Ｇ０に含まれる手術用具を検出する検出処理、手術用具が検出された放射線画像Ｇ０を表示部６に表示する表示制御処理、画像取得処理により取得された合成画像生成のための第１の放射線画像Ｇ１および手術用具を表す第２の放射線画像Ｇ２を合成して合成画像Ｃ０を生成する合成処理、並びに合成画像Ｃ０および合成画像Ｃ０における手術用具の領域を表す正解データからなる教師データにより、入力された放射線画像における手術用具の領域を判別するための判別器を学習する学習処理を規定する。

そして、ＣＰＵ１１が放射線画像処理プログラムに従い上記の処理を実行することで、コンピュータ２は、画像取得部２１、検出部２２、表示制御部２３、合成部２４および学習部２５として機能する。

画像取得部２１は、放射線源４を駆動して手術後の被写体Ｈに放射線を照射し、被写体Ｈを透過した放射線を放射線検出器５により検出して、放射線画像Ｇ０を取得する。この際、画像取得部２１は、放射線源４において使用するターゲットおよびフィルタの種類、撮影線量、管電圧およびＳＩＤ等の撮影条件を設定する。また、後述する合成画像Ｃ０を生成するために、画像取得部２１は、任意の被写体Ｈを含む第１の放射線画像Ｇ１を取得する。第１の放射線画像Ｇ１を取得する被写体Ｈは手術用具を含まない。また、画像取得部２１は、手術用具を表す第２の放射線画像Ｇ２も取得する。なお、本実施形態による放射線画像処理装置は、放射線画像処理プログラムとは別個のプログラムにより放射線画像Ｇ０，Ｇ１，Ｇ２を取得してストレージ１３に保存するものであってもよい。この場合、画像取得部２１は、ストレージ１３に保存された放射線画像Ｇ０，Ｇ１，Ｇ２を読み出すことにより、放射線画像Ｇ０，Ｇ１，Ｇ２を取得するものとなる。なお、本実施形態においては、手術用具としてガーゼを用いるものとする。

次に、合成部２４が行う処理について説明する。合成部２４は、合成画像Ｃ０を生成するための第１の放射線画像Ｇ１および手術用具を表す第２の放射線画像Ｇ２を合成することにより、合成画像Ｃ０を生成する。図３は合成画像生成のための第１の放射線画像Ｇ１を示す図である。本実施形態においては、図３に示すように人体の胸腹部を含む第１の放射線画像Ｇ１を取得するものとする。

図４はガーゼを示す図である。図４に示すように、ガーゼ４０は綿糸が平織りされてなる生地であり、その一部に放射線吸収糸４１が織り込まれている。綿糸は放射線を透過するが、放射線吸収糸４１は放射線を吸収する。このため、ガーゼ４０の放射線画像には、線状の放射線吸収糸４１のみが含まれる。ここで、手術の際には、出血を吸収するために、ガーゼ４０は丸められて人体内に挿入される。本実施形態においては、実際にガーゼ４０を使用する際の態様と一致させるために、ガーゼを適宜丸めて撮影することにより、第２の放射線画像Ｇ２を取得するものとする。なお、ガーゼ４０は放射線吸収糸４１のみからなるものであってもよい。

図５は第２の放射線画像Ｇ２を示す図である。第２の放射線画像Ｇ２における放射線吸収糸４１の領域は、放射線吸収糸４１による放射線の減弱量に相当する。このため、第２の放射線画像Ｇ２においては、ガーゼ４０に含まれる放射線吸収糸４１は高輝度（低濃度）となる。

合成部２４は、第１の放射線画像Ｇ１と第２の放射線画像Ｇ２とを合成して、合成画像Ｃ０を生成する。合成部２４は、手術用具（本実施形態においてはガーゼ４０）の特性に応じた合成パラメータによって第１の放射線画像Ｇ１および第２の放射線画像Ｇ２を合成して合成画像Ｃ０を生成する。合成部２４は、手術用具（本実施形態においてはガーゼ４０）の放射線吸収率、手術用具による放射線散乱の程度、第１の放射線画像Ｇ１におけるビームハードニング、および第１の放射線画像Ｇ１の撮影条件に応じたノイズの少なくとも１つにより、合成パラメータを設定する。

本実施形態においては、例えば、下記の式（１）により合成画像Ｃ０を生成するものとする。すなわち、第１の放射線画像Ｇ１における第２の放射線画像Ｇ２を合成する領域の画素（ｘ，ｙ）において、第１の放射線画像Ｇ１の画素値Ｇ１（ｘ，ｙ）から、重み係数ｗ１により重み付けた第２の放射線画像Ｇ２の画素値Ｇ２（ｘ，ｙ）を減算することにより、合成画像Ｃ０の画素値Ｃ０（ｘ，ｙ）を導出する。なお、重み係数ｗ１は０以上１以下の値をとる。重み係数ｗ１は本実施形態の合成パラメータに含まれる。なお、合成部２４は、第１の放射線画像Ｇ１における第２の放射線画像Ｇ２の合成位置の左上隅および右下隅の座標位置を設定し、第２の放射線画像Ｇ２の左上隅および右下隅が、設定した座標位置と一致するように第２の放射線画像Ｇ２を拡大縮小して、第１の放射線画像Ｇ１と第２の放射線画像Ｇ２とを合成する。図６は合成画像を示す図である。図６に示すように、合成画像Ｃ０においては、被写体の右肺にガーゼ４０の放射線吸収糸４１が含まれたものとなる。

Ｃ０（ｘ，ｙ）＝Ｇ１（ｘ，ｙ）－ｗ１・Ｇ２（ｘ，ｙ） （１）

ここで、手術用具の放射線吸収率が高ければ、第２の放射線画像Ｇ２における手術用具のコントラストが高くなる。例えば、手術用具が鋏およびメスのような金属の場合、放射線吸収糸４１よりも第２の放射線画像Ｇ２におけるコントラストが高くなる。このため、合成画像Ｃ０においては手術用具のコントラストが高くなりすぎないように、第１の放射線画像Ｇ１と第２の放射線画像Ｇ２とを加算する際に、第２の放射線画像Ｇ２の重み係数ｗ１を大きくする。

また、放射線の散乱により、放射線画像におけるコントラストが低下する。放射線の散乱は、被写体Ｈの体厚が大きいほどその影響が大きくなる。また、被写体Ｈの体厚が大きいほど第１の放射線画像Ｇ１に含まれる被写体領域の濃度は小さくなる。このため、合成部２４は、第１の放射線画像Ｇ１に含まれる被写体領域の濃度の平均値を導出し、平均値が小さいほど、すなわち被写体Ｈの体厚が大きいほど、第１の放射線画像Ｇ１と第２の放射線画像Ｇ２との濃度差が小さくなるように、重み係数ｗ１を小さくして合成画像Ｃ０を生成する。

ここで、放射線源４に印加される管電圧が高く、放射線が高エネルギーであるほど、放射線が被写体Ｈを透過する過程において、放射線の低エネルギー成分が被写体Ｈに吸収され、放射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が生じると、放射線画像におけるコントラストが低下する。また、ビームハードニングによる放射線の高エネルギー化は、被写体Ｈの体厚が大きいほど大きくなる。また、被写体Ｈの体厚が大きいほど第１の放射線画像Ｇ１に含まれる被写体領域の濃度は小さくなる。このため、合成部２４は、第１の放射線画像Ｇ１に含まれる被写体領域の濃度の平均値を導出し、平均値が小さいほど、すなわち被写体Ｈの体厚が大きいほど、第１の放射線画像Ｇ１と第２の放射線画像Ｇ２との濃度差が小さくなるように、重み係数ｗ１を小さくして合成画像Ｃ０を生成する。

また、撮影条件における放射線量が小さいと、第１の放射線画像Ｇ１に含まれるノイズが多くなる。このため、合成部２４は、放射線量が小さい場合、下記の式（２）に示すように、式（１）に対して放射線量に応じたノイズＮ（ｘ，ｙ）を加算することにより合成画像Ｃ０を生成する。この場合、重み係数ｗ１は予め定められた値としてもよく、上記の手術用具の放射線吸収率、放射線散乱の程度およびビームハードニングの少なくとも１つに応じて設定してもよい。また、ノイズＮ（ｘ，ｙ）は予め定められたシミュレーションにより導出して、ストレージ１３に記憶しておけばよい。なお、ノイズＮ（ｘ，ｙ）も合成パラメータに含まれる。

Ｃ０（ｘ，ｙ）＝Ｇ１（ｘ，ｙ）－ｗ１・Ｇ２（ｘ，ｙ）＋Ｎ（ｘ，ｙ） （２）

本実施形態においては、合成部２４は、後述する判別器の学習のために、丸め方が異なる状態のガーゼ４０を撮影することにより複数の第２の放射線画像Ｇ２を取得し、第１の放射線画像Ｇ１における第２の放射線画像Ｇ２の合成位置を変更したり、合成パラメータを変更したりして、複数の合成画像Ｃ０を生成する。なお、複数の第１の放射線画像Ｇ１を用いて合成画像Ｃ０を生成してもよい。

学習部２５は、複数の合成画像Ｃ０および合成画像Ｃ０における手術用具の領域が特定された正解データを含む学習用画像を用いて、入力された放射線画像における手術用具の領域を判別するように判別器３０を学習する。なお、正解データの生成は、合成画像Ｃ０を見ながらのマニュアル操作により行えばよい。判別器３０としては、機械学習モデルを用いることができる。機械学習モデルの一例として、ニューラルネットワークモデルが挙げられる。ニューラルネットワークモデルとしては、単純パーセプトロン、多層パーセプトロン、ディープニューラルネットワーク、畳み込みニューラルネットワーク、ディープビリーフネットワーク、リカレントニューラルネットワーク、および確率的ニューラルネットワーク等が挙げられる。本実施形態においては、判別器３０として畳み込みニューラルネットワークを用いるものとする。

判別器３０は、合成画像Ｃ０が入力されると、合成画像Ｃ０の各画素が手術用具の領域であることの確率を出力するように学習がなされる。判別器３０が出力した、確率が予め定められたしきい値以上となる画素からなる領域が手術用具の領域となる。学習部２５は、合成画像Ｃ０を判別器３０に入力し、手術用具の領域となる確率を出力させる。そして、判別器３０が出力した予め定められたしきい値以上となる確率となる画素からなる領域と、正解データにより表される領域との相違を損失として導出する。そして、損失に基づいて判別器３０を学習する。具体的には、損失を小さくするように、畳み込みニューラルネットワークにおけるカーネルの係数およびニューラルネットワークの結合の重み等を導出する。学習部２５は、損失が予め定められたしきい値以下となるまで学習を繰り返す。これによって、入力された放射線画像に含まれる手術用具の領域について、予め定められたしきい値以上の高い確率を出力することにより、入力された放射線画像に含まれる手術用具の領域を抽出するように、判別器３０の学習がなされる。

検出部２２は、学習された判別器３０が適用されてなる。検出部２２に対象の放射線画像Ｇ０が入力されると、検出部２２は、判別器３０に放射線画像Ｇ０に含まれる手術用具の領域を抽出させることにより、手術用具の領域を検出する。

表示制御部２３は、検出部２２が放射線画像Ｇ０から検出した手術用具の領域を強調して、放射線画像Ｇ０を表示部６に表示する。図７は放射線画像の表示画面を示す図である。図７に示すように、表示画面５０には放射線画像Ｇ０が表示されており、放射線画像Ｇ０に含まれる手術用具の領域にマスク５１が付与されることにより、手術用具の領域が強調されている。なお、図７においてはマスク５１は白抜きにて示しているが、色を付与してもよい。なお、マスク５１の付与に代えて、手術用具の領域付近に矢印および星印等のマークを付与することにより、手術用具の領域を強調してもよい。

次いで、本実施形態において行われる処理について説明する。図８は本実施形態において行われる合成画像生成処理のフローチャートである。まず、画像取得部２１が、合成画像Ｃ０を生成するための第１の放射線画像Ｇ１および手術用具を表す第２の放射線画像Ｇ２を取得する（合成画像用の放射線画像取得；ステップＳＴ１）。次いで、合成部２４が第１の放射線画像Ｇ１と第２の放射線画像Ｇ２との合成パラメータを設定し（ステップＳＴ２）、合成パラメータに応じて第１の放射線画像Ｇ１と第２の放射線画像Ｇ２とを合成して合成画像Ｃ０を生成し（ステップＳＴ３）、処理を終了する。

次いで、本実施形態における学習処理について説明する。図９は本実施形態において行われる学習処理のフローチャートである。学習部２５が、合成画像Ｃ０および正解データからなる学習用画像を取得し（ステップＳＴ１１）、判別器３０に学習用画像を入力して手術用具の領域の抽出結果を取得し、正解データとの相違に基づく損失を用いて判別器３０を学習し（ステップＳＴ１２）、ステップＳＴ１１にリターンする。そして、学習部２５は、損失が予め定められたしきい値となるまで、ステップＳＴ１１，ＳＴ１２の処理を繰り返し、学習を終了する。なお、学習部２５は、予め定められた回数学習を繰り返すことにより、学習を終了するものであってもよい。

次いで、本実施形態における手術用具の領域の検出処理について説明する。図１０は本実施形態において行われる検出処理のフローチャートである。画像取得部２１が、検出対象となる放射線画像Ｇ０を取得し（ステップＳＴ２１）、検出部２２が、放射線画像Ｇ０から手術用具の領域を検出する（ステップＳＴ２２）。そして、表示制御部２３が、手術用具の領域を強調した放射線画像Ｇ０を表示部６に表示し（ステップＳＴ２３）、処理を終了する。

このように、本実施形態においては、第１の放射線画像Ｇ１および手術用具を表す第２の放射線画像Ｇ２を合成することにより生成した合成画像Ｃ０、およびこの合成画像Ｃ０における手術用具の領域を表す正解データからなる教師データにより、入力された放射線画像から手術用具の領域を判別するように学習がなされた判別器３０を検出部２２が備えるものとした。そして、判別器３０によって、入力された放射線画像Ｇ０における手術用具の領域を判別することにより、手術用具の領域を検出するようにした。このため、本実施形態によれば、検出結果を参照することにより、患者の体内に手術用具が残存していないかを確実に確認することができる。したがって、本実施形態によれば、手術後における手術用具の患者体内の残存を確実に防止できる。

一方、判別器３０の学習に必要な、手術器具が残存した放射線画像は極めて稀であるため、判別器３０の学習のために大量に収集することは困難であった。本実施形態においては、第１の放射線画像Ｇ１および手術用具を表す第２の放射線画像Ｇ２を合成することにより生成した合成画像Ｃ０を用いて、判別器３０を学習している。このため、十分な数の合成画像Ｃ０を用意することができ、その結果、手術器具の検出精度が高い判別器３０を構築することができる。

なお、上記実施形態においては、ガーゼ４０を手術用具として検出の対象としているが、これに限定されるものではない。メス、鋏、ドレイン、針、糸および鉗子等の手術の際に使用する任意の手術用具を検出の対象とすることができる。この場合、合成画像Ｃ０を生成するための、手術用具を含む第２の放射線画像Ｇ２は、対象となる手術用具を撮影することにより取得すればよい。また、判別器３０は対象となる手術用具を判別するように学習すればよい。なお、判別器３０を複数チャンネルの検出を行うように学習することにより、１種類の手術用具のみならず、複数種類の手術用具を判別するように、判別器３０を構築することも可能である。

また、上記実施形態においては、放射線は、とくに限定されるものではなく、Ｘ線の他、α線またはγ線等を適用することができる。

また、上記実施形態において、例えば、画像取得部２１、検出部２２、表示制御部２３、合成部２４および学習部２５といった各種の処理を実行する処理部（Processing Unit）のハードウェア的な構造としては、次に示す各種のプロセッサ（Processor）を用いることができる。上記各種のプロセッサには、上述したように、ソフトウェア（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に加えて、ＦＰＧＡ（Field Programmable Gate Array）等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）、ＡＳＩＣ（Application Specific Integrated Circuit）等の特定の処理を実行させ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等が含まれる。

１つの処理部は、これらの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わせ（例えば、複数のＦＰＧＡの組み合わせまたはＣＰＵとＦＰＧＡとの組み合わせ）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、クライアントおよびサーバ等のコンピュータに代表されるように、１つ以上のＣＰＵとソフトウェアとの組み合わせで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）等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の１つ以上を用いて構成される。

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としては、より具体的には、半導体素子等の回路素子を組み合わせた電気回路（Circuitry）を用いることができる。

１ 撮影装置
２ コンピュータ
３ 手術台
４ 放射線源
５ 放射線検出器
６ 表示部
７ 入力部
１１ ＣＰＵ
１２ メモリ
１３ ストレージ
２１ 画像取得部
２２ 検出部
２３ 表示制御部
２４ 合成部
２５ 学習部
３０ 判別器
４０ ガーゼ
４１ 放射線吸収糸
５０ 表示画面
５１ マスク
Ｈ 被写体

Claims (9)

1. 人体を含む第１の放射線画像および手術用具を含む第２の放射線画像を合成することにより取得した合成画像、並びに該合成画像における前記手術用具の領域を表す正解データからなる教師データにより、入力された放射線画像における前記手術用具の領域を判別するように学習がなされた判別器を有する検出部を備え、
   前記検出部が、前記判別器により、前記入力された放射線画像における前記手術用具の領域を判別することにより、該手術用具の領域を検出する放射線画像処理装置。
2. 前記放射線画像において検出された手術用具の領域を強調して、前記放射線画像を表示部に表示する表示制御部をさらに備えた請求項１に記載の放射線画像処理装置。
3. 前記第１の放射線画像および前記手術用具の特性に応じた合成パラメータにより前記第１の放射線画像および前記第２の放射線画像を合成することにより、前記合成画像を生成する合成部をさらに備えた請求項１または２に記載の放射線画像処理装置。
4. 前記合成部は、前記手術用具の放射線吸収率、前記第１の放射線画像における放射線散乱の程度、前記第１の放射線画像におけるビームハードニング、および前記第１の放射線画像の撮影条件に応じたノイズの少なくとも１つに応じて前記合成パラメータを設定する請求項３に記載の放射線画像処理装置。
5. 前記手術用具は、ガーゼ、メス、鋏、ドレイン、針、糸および鉗子の少なくとも１つを含む請求項１から４のいずれか１項に記載の放射線画像処理装置。
6. 前記ガーゼは、放射線吸収糸を少なくとも一部に含む請求項５に記載の放射線画像処理装置。
7. 前記合成画像および該合成画像における前記手術用具の位置が特定された正解データからなる学習用画像を用いて、前記判別器を学習する学習部をさらに備えた請求項１から６のいずれか１項に記載の放射線画像処理装置。
8. 人体を含む第１の放射線画像および手術用具を含む第２の放射線画像を合成することにより取得した合成画像、並びに該合成画像における前記手術用具の領域を表す正解データからなる教師データにより、入力された放射線画像における前記手術用具の領域を判別するように学習がなされた判別器を有する検出部を備えた放射線画像処理装置における放射線画像処理方法であって、
   前記検出部が、前記判別器により、前記入力された放射線画像における前記手術用具の領域を判別することにより、該手術用具の領域を検出する放射線画像処理方法。
9. 人体を含む第１の放射線画像および手術用具を含む第２の放射線画像を合成することにより取得した合成画像、並びに該合成画像における前記手術用具の領域を表す正解データからなる教師データにより、入力された放射線画像における前記手術用具の領域を判別するように学習がなされた判別器を有する検出部を備えた放射線画像処理装置における放射線画像処理方法をコンピュータに実行させるための放射線画像処理プログラムであって、
   前記入力された放射線画像における前記手術用具の領域を判別することにより、該手術用具の領域を検出する手順をコンピュータに実行させる放射線画像処理プログラム。

Images