JP7233236B2

JP7233236B2 - 医用画像処理装置、ｘ線診断装置、およびプログラム

Info

Publication number: JP7233236B2
Application number: JP2019021203A
Authority: JP
Inventors: 由昌小林
Original assignee: Canon Medical Systems Corp
Current assignee: Canon Medical Systems Corp
Priority date: 2019-02-08
Filing date: 2019-02-08
Publication date: 2023-03-06
Anticipated expiration: 2039-02-08
Also published as: JP2020127597A

Description

本発明の実施形態は、医用画像処理装置、Ｘ線診断装置、およびプログラムに関する。

最近、被検体の撮影対象部位に対してＸ線入射方向の異なる複数の投影データを取得するトモシンセシス撮影が利用されるようになってきた。これらの投影データにもとづいて再構成されるボリュームデータによれば、たとえば基準方向（たとえば撮影台の法線方向）に直交する断面を容易に得ることができる。

トモシンセシス撮影では、基準方向（たとえば撮影台の法線方向）に対するＸ線の照射軸のなす角度を大きくする（以下、Ｘ線の入射角度を深くするという）ことで、基準方向における分解能を高くすることができる。

しかし、トモシンセシス撮影において、Ｘ線の入射角度を深くすると、Ｘ線の入射角度が浅い場合に比べ、再構成可能な領域が狭くなってしまうほか、Ｘ線の被検体における透過長が長くなってしまうために被検体の被ばく量が増えてしまう。また、撮影時間が長くなってしまい、被検体の負担が大きくなってしまう。

米国特許出願公開第２０１７／００７１５６２号明細書

本発明が解決しようとする課題は、Ｘ線の入射角度が浅いトモシンセシス撮影にもとづく医用画像データにもとづいて、Ｘ線の入射角度が深いトモシンセシス撮影に対応する医用画像データを取得することである。

実施形態に係る医用画像処理装置は、取得部と、処理部とを備える。取得部は、被検体に対する第１の角度範囲のトモシンセシス撮影にもとづく複数の投影データ、またはこれらの投影データを再構成したボリューデータを第１の医用画像データとして取得する。処理部は、第１の医用画像データにもとづいて、第１の角度範囲よりも広い第２の角度範囲の被検体に対するトモシンセシス撮影に対応する複数の投影データ、またはこれらの投影データを再構成したボリュームデータを第２の医用画像データとして生成する学習済みモデルに対して、第１の医用画像データを入力することで、第２の医用画像データを生成する。

第１の実施形態に係る医用画像処理装置の一構成例を示すブロック図。処理機能の第１の学習方法の学習時におけるデータフローの一例を示す説明図。処理機能の第１の学習方法の運用時におけるデータフローの一例を示す説明図。（ａ）は処理機能の第２の学習方法の学習時におけるデータフローの一例を示す説明図、（ｂ）は第２の学習方法の運用時におけるデータフローの一例を示す説明図。（ａ）は処理機能の第３の学習方法の学習時におけるデータフローの一例を示す説明図、（ｂ）は第３の学習方法の運用時におけるデータフローの一例を示す説明図。出力機能の動作の一例を説明するための説明図。（ａ）はＭＲボリュームデータまたはＣＴボリュームデータを入力データとしてさらに用いる場合の処理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、（ｂ）は運用時におけるデータフローの一例を示す説明図。（ａ）は深い入力ボリュームデータを入力データとしてさらに用いる場合の処理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、（ｂ）は運用時におけるデータフローの一例を示す説明図。第２の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。

以下、図面を参照しながら、医用画像処理装置、Ｘ線診断装置、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の実施形態に係る医用画像処理装置１０の一構成例を示すブロック図である。医用画像処理装置１０は、少なくとも記憶回路１３および処理回路１５を有する。図１には、医用画像処理装置１０がさらに、入力インターフェース１１、ディスプレイ１２、ネットワーク接続回路１４を備える場合の例を示した。

入力インターフェース１１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、テンキーなどの一般的な入力装置により構成され、ユーザの操作に対応した操作入力信号を処理回路１５に出力する。ディスプレイ１２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る。

記憶回路１３は、たとえば、ＲＡＭ（ＲａｎｄｏｍＡｃｃｅｓｓＭｅｍｏｒｙ）、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し、処理回路１５が利用するプログラムやパラメータデータやその他のデータを記憶する。なお、記憶回路１３の記録媒体内のプログラムおよびデータの一部または全部は、ネットワーク１００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１３に与えられてもよい。

また、記憶回路１３は、ネットワーク１００を介して取得した被検体のトモシンセシス撮影にもとづく投影データまたはこの投影データにもとづいて再構成されたボリュームデータを記憶してもよい。

ネットワーク接続回路１４は、ネットワーク１００の形態に応じた種々の情報通信用プロトコルを実装する。ネットワーク接続回路１４は、この各種プロトコルに従ってネットワーク１００を介して他の電気機器と接続する。ネットワーク１００は、電気通信技術を利用した情報通信網全般を意味し、病院基幹ＬＡＮ（Local Area Network）などの無線／有線ＬＡＮやインターネット網のほか、電話通信回線網、光ファイバ通信ネットワーク、ケーブル通信ネットワークおよび衛星通信ネットワークなどを含む。

医用画像処理装置１０は、Ｘ線診断装置１０１および画像サーバ１０２とネットワーク１００を介して互いにデータ送受信可能に接続される。また、医用画像処理装置１０は、ネットワーク１００を介してＭＲＩ（Magnetic Resonance Imaging）装置１０３およびＸ線ＣＴ（Computer tomography）装置１０４と互いにデータ送受信可能に接続されてもよい。

Ｘ線診断装置１０１は、単純Ｘ線撮影装置、乳房Ｘ線撮影装置（マンモグラフィ装置）、Ｘ線ＴＶ装置、Ｘ線アンギオ装置などを含む。

処理回路１５は、医用画像処理装置１０を統括制御する機能を実現する。また、処理回路１５は、記憶回路１３に記憶されたプログラムを読み出して実行することにより、Ｘ線の入射角度が浅いトモシンセシス撮影にもとづく医用画像データにもとづいて、Ｘ線の入射角度が深いトモシンセシス撮影に対応する医用画像データを取得するための処理を実行するプロセッサである。

以下の説明では、トモシンセシス撮影にもとづく医用画像データとは、トモシンセシス撮影にもとづく複数の投影データ、またはこれらの投影データを再構成したボリュームデータをいうものとする。

図１に示すように、処理回路１５のプロセッサは、取得機能２１、処理機能２２、通知機能２３、および出力機能２４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１３に記憶されている。

取得機能２１は、Ｘ線診断装置１０１または画像サーバ１０２から、被検体の撮影対象部位に対する第１の角度範囲のトモシンセシス撮影にもとづく複数の投影データ（以下、浅い投影データという）またはこれらの投影データを再構成したボリュームデータ（以下、浅いボリュームデータという）を取得する。取得機能２１は取得部の一例である。

処理機能２２は、被検体の撮影対象部位の浅い投影データまたは浅いボリュームデータにもとづいて、第１の角度範囲よりも広い第２の角度範囲で同一被検体の同一撮影対象部位に対するトモシンセシス撮影をした場合に得られるべき複数の投影データ（以下、深い推定投影データという）またはこれらの投影データを再構成したボリュームデータ（以下、深い推定ボリュームデータという）を生成する。処理機能２２は処理部の一例である。

通知機能２３は、第１の角度範囲と第２の角度範囲との差分に応じて、処理機能２２が生成した深い推定投影データまたは深い推定ボリュームデータの信頼性に関する情報を含む通知画像を生成して、ディスプレイ１２に表示させる。第２の角度範囲が第１の角度範囲に比べて広くなればなるほど、処理機能２２により生成される深い推定投影データまたは深い推定ボリュームデータは、実際に第２の角度範囲のトモシンセシス撮影で得られるデータから乖離すると考えられる。ユーザは、通知機能２３によりディスプレイ１２に表示される通知画像を確認することにより、処理機能２２が生成した深い推定投影データまたは深い推定ボリュームデータを盲目的に信じることなく、その信頼性を考慮しつつ慎重に扱うことができる。通知機能２３は通知部の一例である。

出力機能２４は、Ｘ線診断装置１０１で撮影された第２の角度範囲のトモシンセシス撮影にもとづく複数の投影データまたはこれらを再構成したボリュームデータと、当該複数の投影データのうち第１の角度範囲に対応する複数の投影データまたはこれらを再構成したボリュームデータとを、学習済みモデルに使用するための学習用データセットとして出力する。出力機能２４は出力部の一例である。出力機能２４の詳細については図６を用いて後述する。
つづいて、処理機能２２の動作について説明する。

処理機能２２の処理は、機械学習を用いて行われるとよい。以下の説明では、処理機能２２がニューラルネットワーク３１を含み、深層学習を用いて、被検体の撮影対象部位の浅い投影データまたは浅いボリュームデータにもとづいて、深い推定投影データまたは深い推定ボリュームデータを生成する場合の例を示す。

この場合、処理機能２２は、トレーニングデータを多数入力されて学習を行うことにより、パラメータデータ３２を逐次的に更新する。

処理機能２２は、入力データとして浅い投影データまたは浅いボリュームデータのいずれを用いるか、および出力データとして深い推定投影データまたは深い推定ボリュームデータのいずれを生成させるか、に応じて次の４つの学習方法を採用できる。

図２は、処理機能２２の第１の学習方法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。

第１の学習方法では、トレーニング入力データとして浅い投影データ群４１を用い、トレーニング出力データとして同一被検体の同一部位を第２の角度範囲で実際にトモシンセシス撮影することにより取得された投影データ（以下、深い理想投影データという）群５１を用いる。浅い投影データ群４１は、第１の角度範囲で実際にトモシンセシス撮影することにより取得された浅い投影データ４１１、４１２、４１３、・・・により構成される。深い理想投影データ群５１は、深い理想投影データ５１１、５１２、５１３、・・・により構成される。

この場合、トレーニングデータは、トレーニング入力データとしての浅い投影データ群４１と、トレーニング出力データとしての深い理想投影データ群５１との組みからなる。

処理機能２２は、トレーニングデータが入力されるごとに、浅い投影データ４１１、４１２、４１３、・・・をニューラルネットワーク３１で処理した結果が深い理想投影データ５１１、５１２、５１３、・・・に近づくようにパラメータデータ３２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３２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３２を特に学習済みパラメータデータ３２ａという。

なお、トレーニング入力データの種類と図３に示す運用時の入力データの種類は一致させるべきことに注意する。たとえば、学習時のトレーニング入力データとしての浅い投影データ群４１の角度範囲および角度刻み（たとえばマイナス５度からプラス５まで１度刻みで計１１枚など）は、運用時の入力データの第１の角度範囲および角度刻みと一致させる。

図３は、処理機能２２の第１の学習方法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１の学習方法の運用時には、処理機能２２は、被検体の浅い投影データ６１１、６１２、６１３、・・・から構成される浅い投影データ群６１を入力され、学習済みパラメータデータ３２ａを用いて、被検体の深い推定投影データ（第１の角度範囲よりもＸ線の入射角度が深い第２の角度範囲の被検体のトモシンセシス撮影に対応する投影データ）群７１１、７１２、７１３、・・・から構成される深い推定投影データ群７１を出力する。処理回路１５は、この深い推定投影データ群７１を再構成することで、第２の角度範囲のトモシンセシス撮影を実際に行わずとも、第２の角度範囲のトモシンセシス撮影に対応するボリュームデータを得ることができる。

なお、ニューラルネットワーク３１と学習済みパラメータデータ３２ａは、学習済みモデル３０を構成する。ニューラルネットワーク３１は、プログラムの形態で記憶回路１３に記憶される。学習済みパラメータデータ３２ａは、記憶回路１３に記憶されてもよいし、ネットワーク１００を介して医用画像処理装置１０と接続された記憶媒体に記憶されてもよい。これは、以下に説明する第２－第４の学習方法においても同様である。学習済みモデル３０が記憶回路１３に記憶されている場合は、たとえば第１の学習方法の運用時は、処理機能２２は、記憶回路１３から学習済みモデル３０を読み出して実行することで浅い投影データ群６１から深い推定投影データ群７１を生成する。なお、学習済みモデルは、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。

図４（ａ）は処理機能２２の第２の学習方法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り、（ｂ）は第２の学習方法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の学習方法は、トレーニング出力データとして、深い理想投影データを再構成したボリュームデータ（以下、深い理想ボリュームデータという）５２を用いる点で第１の学習方法と異なる（図４（ａ）参照）。第２の学習方法の運用時には、処理機能２２は、浅い投影データ群６１を入力され、学習済みパラメータデータ３２ａを用いて、被検体の深い推定ボリュームデータ７２を出力する（図４（ｂ）参照）。第２の学習方法の運用時は、深い推定ボリュームデータ７２を直接得ることができる。

図５（ａ）は処理機能２２の第３の学習方法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り、（ｂ）は第３の学習方法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３の学習方法は、トレーニング入力データとして、浅い投影データ４１１、４１２、４１３、・・・を再構成した浅いボリュームデータ４２を用いる点で第２の学習方法と異なる（図５（ａ）参照）。第３の学習方法の運用時には、処理機能２２は、被検体の浅いボリュームデータ６２を入力され、学習済みパラメータデータ３２ａを用いて、被検体の深い推定ボリュームデータ７２を出力する（図５（ｂ）参照）。

第４の学習方法は、トレーニング入力データとして浅いボリュームデータ４２を用いる点で第３の学習方法と共通し、トレーニング出力データとして深い理想投影データ群５１を用いる点で第１の学習方法と共通する。第４の学習方法の運用時には、処理機能２２は、被検体の浅いボリュームデータ６２を入力され、学習済みパラメータデータ３２ａを用いて、被検体の深い推定投影データ群７１を出力する。

なお、第１－第４の学習方法において、トレーニング入力データとトレーニング出力データとは同一被検体の同一撮影対象部位の医用画像データであればよく、たとえばトレーニング入力データとなる浅い投影データを生成する医用画像撮影装置と、トレーニング出力データとなる深い理想投影データを生成する医用画像撮影装置とは、同一のＸ線診断装置である必要はなく、異なるメーカのＸ線診断装置であってもよい。

本実施形態に係る医用画像処理装置１０は、被検体の撮影対象部位の浅い投影データまたは浅いボリュームデータにもとづいて、深い推定投影データまたは深い推定ボリュームデータを生成することができる。このため、ユーザは、たとえば被検体の経過観察のための検査において、深い角度範囲（第２の角度範囲）のトモシンセシス撮影を行わずとも、浅い角度範囲（第１の角度範囲）のトモシンセシス撮影を行うだけで、被検体の深い推定ボリュームデータを容易に取得することができる。したがって、医用画像処理装置１０によれば、第２の角度範囲のトモシンセシス撮影を行う場合に比べ、被検体の被ばく量を低減させることができるとともに、撮影時間を大幅に短縮することができる。

また、ユーザは、たとえば被検体の経過観察のための検査において、ＭＲＩ装置１０３やＸ線ＣＴ装置１０４で被検体を撮影せずとも、浅い角度範囲（第１の角度範囲）のトモシンセシス撮影を行うだけで、被検体の深い推定ボリュームデータを容易に取得することができる。

したがって、たとえばＭＲＩ装置１０３でＭＲＩ撮影にもとづく撮影対象部位を含むボリュームデータ（以下、ＭＲボリュームデータという）を得る場合に比べて、ＭＲＩ撮影では描出されにくいがＸ線撮影では描出されやすい石灰化などの病変を、容易に確認することができる。また、たとえばＸ線ＣＴ装置１０４でＸ線ＣＴ撮影にもとづく撮影対象部位を含むボリュームデータ（以下、ＣＴボリュームデータという）を取得する場合にくらべ、被検体の被ばくを大幅に低減することができる。また、ＭＲボリュームデータ、ＣＴボリュームデータのいずれを取得する場合と比べても、医療費を削減することができるとともにスループットを向上させることができる。

ここで、出力機能２４の詳細について説明する。図６は、出力機能２４の動作の一例を説明するための説明図である。Ｘ線診断装置１０１でＦＰＤ（Flat Panel Detector）などのＸ線検出器１０１ｂに対してＸ線管１０１ａの角度を変えながら第２の角度範囲のトモシンセシス撮影が行われた場合であって、第１の学習方法による学習を行う場合には、出力機能２４は、この第２の角度範囲のトモシンセシス撮影にもとづく複数の投影データを深い理想投影データ群５１として出力するとともに、この深い理想投影データ群５１のうち第１の角度範囲に対応する複数の投影データを浅い投影データ群４１として、学習済みモデルに使用するための学習用データセットとして出力する。また、第２－第４学習方法に応じて、浅い投影データ群４１を再構成して浅いボリュームデータ４２を出力し、あるいは深い理想投影データ群５１を再構成して深い理想ボリュームデータ５２を出力してもよい。

また、処理機能２２による深い推定投影データ群７１または深い推定ボリュームデータ７２の推定精度を向上させるよう、第１－第４の学習方法の入力データとして、撮影対象部位の浅い投影データ群４１または浅いボリュームデータ４２に加えて、ＭＲボリュームデータ（ＭＲＩ撮影にもとづく撮影対象部位を含むボリュームデータ）、または、ＣＴボリュームデータ（Ｘ線ＣＴ撮影にもとづく撮影対象部位を含むボリュームデータ）を用いてもよい。この場合、浅い投影データ群４１または浅いボリュームデータ４２と、深い推定投影データ群７１または深い推定ボリュームデータ７２との間で欠落する角度ぶんのデータを、ＭＲボリュームデータまたはＣＴボリュームデータが補うことが期待される。

図７（ａ）はＭＲボリュームデータ４３またはＣＴボリュームデータ４３を入力データとしてさらに用いる場合の処理機能２２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り、（ｂ）は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。

入力データとしてＭＲボリュームデータ４３またはＣＴボリュームデータ４３を用いる場合、学習時には、トレーニング入力データとしての浅い投影データ群４１または浅いボリュームデータ４２と同一の撮影対象部位を含むＭＲボリュームデータ４３またはＣＴボリュームデータ４３も、トレーニング入力データとしてニューラルネットワーク３１に入力する（図７（ａ）参照）。また、運用時には、処理機能２２は、記憶回路１３から読み出した学習済みモデル３０に対して、被検体の浅い投影データ群４１または浅いボリュームデータ４２とともに、同一被検体の同一の撮影対象部位を含むＭＲボリュームデータ６３またはＣＴボリュームデータ６３を入力することで、被検体の深い推定投影データ群７１または深い推定ボリュームデータ７２を生成する（図７（ｂ）参照）。

この場合、取得機能２１は、画像サーバ１０２から被検体のＣＴボリュームデータ６３または被検体のＭＲボリュームデータ６３を取得してもよい。なお、ＭＲボリュームデータ６３およびＣＴボリュームデータ６３は、それぞれＭＲＩ装置１０３およびＸ線ＣＴ装置１０４から取得してもよい。

入力データとしてＭＲボリュームデータまたはＣＴボリュームデータをさらに用いることで、浅い投影データ群４１または浅いボリュームデータ４２のみを入力データとする場合に比べて、より推定精度の高い、深い推定投影データ群７１または深い推定ボリュームデータ７２を生成することができる。

より具体的には、たとえば、乳房の検査を行う場合は、乳房用の受信コイルを用いたＭＲＩ撮影により得られたＭＲボリュームデータを用いるとよい。また、肺がんの検査を行うときは、胸部のＣＴボリュームデータを用いるとよい。

なお、運用時に用いる被検体のＭＲボリュームデータ６３またはＣＴボリュームデータ６３は、運用ごとにＭＲＩ撮影またはＸ線ＣＴ撮影して再構成する必要はなく、被検体について過去に生成しておいたＭＲボリュームデータ６３およびＣＴボリュームデータ６３を用いることができる。すなわち、被検体の経過観察のための検査を繰り返し行う場合は、わざわざ検査時点での最新のＭＲボリュームデータ６３またはＣＴボリュームデータ６３を改めて取得する必要はない。たとえＭＲボリュームデータ６３およびＣＴボリュームデータ６３を用いる場合であっても、被検体の浅い投影データ群６１または浅いボリュームデータ６２として検査時点での最新のものを用いることで、検査時点での被検体の深い推定投影データ群７１または深い推定ボリュームデータ７２を得ることができるため、的確に経過観察を行うことができる。

また、処理機能２２による深い推定投影データ群７１または深い推定ボリュームデータ７２の推定精度を向上させるよう、第１－第４の学習方法の入力データとして、撮影対象部位の浅い投影データ群４１または浅いボリュームデータ４２に加えて、同一撮影対象部位に対する第３の角度範囲（ただし第１の角度範囲よりも広い）のトモシンセシス撮影にもとづく複数の投影データ（以下、深い入力投影データという）またはこれらの投影データを再構成したボリュームデータ（以下、深い入力ボリュームデータという）を用いてもよい。この場合、浅い投影データ群４１または浅いボリュームデータ４２と、深い推定投影データ群７１または深い推定ボリュームデータ７２との間で欠落する角度ぶんのデータを、深い入力投影データまたは深い入力ボリュームデータが補うことが期待される。

図８（ａ）は深い入力ボリュームデータ４４を入力データとしてさらに用いる場合の処理機能２２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り、（ｂ）は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。

図８に示す例では、取得機能２１は、Ｘ線診断装置１０１または画像サーバ１０２から同一被検体の同一撮影対象部位に対する第３の角度範囲のトモシンセシス撮影にもとづく複数の投影データまたはこれらの投影データを再構成したボリュームデータを取得する。

図８に示す例は、図７に示す例に対し、学習時の入力データとしてＭＲボリュームデータ４３またはＣＴボリュームデータ４３にかえて深い入力ボリュームデータ４４を用い、運用時の入力データとしてＭＲボリュームデータ６３またはＣＴボリュームデータ６３にかえて被検体の深い入力ボリュームデータ６４（第３の角度範囲で被検体をトモシンセシス撮影して取得された投影データを再構成したボリュームデータ）を用いる点を除き同一であるため、説明を省略する。

入力データとして深い入力投影データまたは深い入力ボリュームデータをさらに用いることで、浅い投影データ群４１または浅いボリュームデータ４２のみを入力データとする場合に比べて、より推定精度の高い、深い推定投影データ群７１または深い推定ボリュームデータ７２を生成することができる。

（第２の実施形態）
図９は、第２の実施形態に係る医用画像処理装置を含むＸ線診断装置８０の一構成例を示すブロック図である。

Ｘ線診断装置８０は、被検体に対する第１の角度範囲のトモシンセシス撮影を行う撮影装置８１と、医用画像処理装置１０の一例としてのコンソール装置８２とを備える。この第２実施形態に示すＸ線診断装置８０は、自身で第１の角度範囲で被検体をトモシンセシス撮影した被検体の浅い投影データ群６１またはこの自身で撮影した投影データ群６１を再構成した被検体の浅いボリュームデータ６２利用可能な点で第１実施形態に示す医用画像処理装置１０と異なる。他の構成および作用については図１に示す医用画像処理装置１０と実質的に異ならないため、同じ構成には同一符号を付して説明を省略する。また、学習済みモデル３０の生成に係る処理については図１に示す医用画像処理装置１０と同様であるため、学習時の説明は省略する。

撮影装置８１は、たとえばＸ線ＴＶ装置の撮影系により構成され、撮影台に臥位で載置された被検体の撮影対象部位を第１の角度範囲でトモシンセシス撮影するためのＸ線管１０１ａ、Ｘ線検出器１０１ｂ等の撮影系を有し、撮影により得た被検体の浅い投影データ群６１をコンソール装置８２に与える。撮影装置８１は、撮影部の一例である。

医用画像処理装置１０の一例としてのコンソール装置８２の処理回路１５ｘの再構成機能２０は、被検体の浅い投影データ群６１を再構成して被検体の浅いボリュームデータ６２を生成する。

処理回路１５ｘの取得機能２１ｘは、撮影装置８１から被検体の浅い投影データ群６１を取得し、あるいは再構成機能２０から被検体の浅いボリュームデータ６２を取得する。処理機能２２ｘは、学習済みモデル３０を用いて、被検体の浅い投影データ群６１または被検体の浅いボリュームデータ６２にもとづいて、被検体の深い推定投影データ群７１または深い推定ボリュームデータ７２を出力する。通知機能２３ｘは、コンソール装置８２のディスプレイ１２に通知画像を表示させる。第２実施形態においても、入力データとしてＭＲボリュームデータまたはＣＴボリュームデータをさらに用いてもよいし、深い入力投影データまたは深い入力ボリュームデータをさらに用いてもよい。

第２実施形態に係るＸ線診断装置８０によっても、第１実施形態に係る医用画像処理装置１０と同様に、被検体の撮影対象部位の浅い投影データまたは浅いボリュームデータにもとづいて、深い推定投影データまたは深い推定ボリュームデータ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、Ｘ線の入射角度が浅いトモシンセシス撮影にもとづく医用画像データにもとづいて、Ｘ線の入射角度が深いトモシンセシス撮影に対応する医用画像データを取得することができる。

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ＦＰＧＡ）等の回路を意味するものとする。プロセッサは、記憶媒体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、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媒体は、プロセッサごとに個別に設けられてもよいし、１つの記憶媒体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。

なお、本発明の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医用画像処理装置
１３記憶回路
１５、１５ｘ処理回路
２１、２１ｘ取得機能
２２、２２ｘ処理機能
２３、２３ｘ通知機能
２４出力機能
３０学習済みモデル
３１ニューラルネットワーク
３２パラメータデータ
３２ａ学習済みパラメータデータ
４１浅い投影データ群
４２浅いボリュームデータ
４３ＭＲボリュームデータ、ＣＴボリュームデータ
４４深い入力ボリュームデータ
５１深い理想投影データ群
５２深い理想ボリュームデータ
６１被検体の浅い投影データ群
６２被検体の浅いボリュームデータ
６３被検体のＭＲボリュームデータ、被検体のＣＴボリュームデータ
６４被検体の深い入力ボリュームデータ
７１深い推定投影データ群
７２深い推定ボリュームデータ
８０Ｘ線診断装置

Claims

被検体に対する第１の角度範囲のトモシンセシス撮影にもとづく複数の投影データ、またはこれらの投影データを再構成したボリュームデータを第１の医用画像データとして取得する取得部と、
前記第１の医用画像データにもとづいて、前記第１の角度範囲よりも広い第２の角度範囲の前記被検体に対するトモシンセシス撮影に対応する複数の投影データ、またはこれらの投影データを再構成したボリュームデータを第２の医用画像データとして生成する学習済みモデルに対して、前記第１の医用画像データを入力することで、前記第２の医用画像データを生成する処理部と、
を備えた医用画像処理装置。
前記学習済みモデルは、
前記被検体のＭＲＩ撮影またはＸ線ＣＴ撮影にもとづくボリュームデータである第３の医用画像データにさらにもとづいて前記第２の医用画像データを生成し、
前記取得部は、
前記第３の医用画像データをさらに取得し、
前記処理部は、
前記学習済みモデルに対して前記第１の医用画像データと前記第３の医用画像データとを入力することで、前記第２の医用画像データを生成する、
請求項１記載の医用画像処理装置。
前記学習済みモデルは、
前記第１の角度範囲よりも広い第３の角度範囲の前記被検体に対するトモシンセシス撮影にもとづく複数の投影データまたはこれらの投影データを再構成したボリュームデータである第３の医用画像データ、にさらにもとづいて前記第２の医用画像データを生成し、
前記取得部は、
前記第３の医用画像データをさらに取得し、
前記処理部は、
前記学習済みモデルに対して前記第１の医用画像データと前記第３の医用画像データとを入力することで、前記第２の医用画像データを生成する、
請求項１記載の医用画像処理装置。
前記第１の角度範囲と前記第２の角度範囲との差分に応じて、前記処理部が生成した前記第２の医用画像データの信頼性に関する情報を含む画像を生成して表示部に表示させる通知部、
をさらに備えた請求項１ないし３のいずれか１項に記載の医用画像処理装置。
Ｘ線診断装置で撮影された前記第２の角度範囲のトモシンセシス撮影にもとづく複数の投影データまたはこれらを再構成したボリュームデータと、当該複数の投影データのうち前記第１の角度範囲に対応する複数の投影データまたはこれらを再構成したボリュームデータとを、前記学習済みモデルに使用するための学習用データセットとして出力する出力部、
をさらに備えた請求項１ないし４のいずれか１項に記載の医用画像処理装置。
被検体に対する第１の角度範囲のトモシンセシス撮影を行うことにより複数の投影データを生成する撮影部と、
前記複数の投影データまたはこれらの投影データを再構成したボリュームデータを第１の医用画像データとして取得する取得部と、
前記第１の医用画像データにもとづいて、前記第１の角度範囲よりも広い第２の角度範囲の前記被検体に対するトモシンセシス撮影に対応する複数の投影データ、またはこれらの投影データを再構成したボリュームデータを第２の医用画像データとして生成する学習済みモデルに対して、前記第１の医用画像データを入力することで、前記第２の医用画像データを生成する処理部と、
を備えたＸ線診断装置。
コンピュータに、
被検体に対する第１の角度範囲のトモシンセシス撮影にもとづく複数の投影データ、またはこれらの投影データを再構成したボリュームデータを第１の医用画像データとして取得するステップと、
前記第１の医用画像データにもとづいて、前記第１の角度範囲よりも広い第２の角度範囲の前記被検体に対するトモシンセシス撮影に対応する複数の投影データ、またはこれらの投影データを再構成したボリュームデータを第２の医用画像データとして生成する学習済みモデルに対して、前記第１の医用画像データを入力することで、前記第２の医用画像データを生成するステップと、
を実行させるためのプログラム。