JP7292721B2 - 標的外形推定装置および治療装置 - Google Patents

Description

本発明は、標的外形推定装置および治療装置に関する。

Ｘ線等の放射電磁波や陽電子線等の粒子線のような放射線を照射して腫瘍の治療などを行う場合に、被検者（患者）の腫瘍部以外に放射線が照射されないように、腫瘍の外形形状を特定することが必要である。また、患者の呼吸や拍動等で、治療の標的対象（腫瘍等）の位置が移動するため、放射線を標的対象以外の部位（正常部位）に照射しないようにするためには、リアルタイムでＸ線透視画像を撮影して標的対象を追跡してその位置を特定し、標的対象が放射線の照射位置に移動したときにだけ放射線を照射する必要がある。なお、画像を撮影して標的対象の位置を特定および追跡し放射線の照射位置を誘導する技術、いわゆる画像誘導による対象追跡技術は、ｋＶオーダのＸ線を使用して撮影するＸ線透視画像を使用することが一般的であるが、これに限定されない。例えば、Ｘ線透視画像だけでなく、ＭＶオーダのＸ線を使用して撮影したＸ線画像や超音波画像、ＭＲＩ（Magnetic Resonance Imaging：核磁気共鳴画像法）画像、ＣＴ画像（Computed Tomography）、ＰＥＴ（Positron Emission Tomography：陽電子放射断層撮影）画像を使用することも可能である。また、透視画像の代わりに，後方散乱を利用したX線後方散乱画像を利用することも可能である。
標的対象の位置を特定し追跡するための技術として、以下の技術が公知である。

特許文献１（国際公開２０１８／１５９９７５号公報）には、患者の呼吸等で移動する腫瘍等の追跡対象を追跡する技術が記載されている。特許文献１記載の技術では、追跡対象（腫瘍等）を含む画像から、骨等の骨構造ＤＲＲ画像と、腫瘍等の軟部組織ＤＲＲ画像とを分離し、骨構造ＤＲＲ画像をランダムに線形変換したものを軟部組織ＤＲＲ画像に重ねた（ランダムオーバーレイした）重畳画像を複数作成する。そして、複数の重畳画像を使用してディープラーニングを使用して学習する。治療時には、治療時の透視画像と学習結果から、追跡対象の領域を特定して、治療用Ｘ線を照射している。

特許文献２（特許第３０５３３８９号公報）には、治療の標的対象となる腫瘍近傍に埋め込まれた腫瘍マーカを複数の方向からＸ線で透視して撮影し、予め登録された追跡対象（腫瘍）マーカのテンプレート画像と濃淡正規化相互相関によるテンプレートマッチングを行って、腫瘍マーカの位置を３次元で特定する技術が記載されている。

国際公開２０１８／１５９７７５号：ＷＯ２０１８／１５９７７５Ａ１公報（「００３１」～「００５３」、図１－図７） 特許第３０５３３８９号公報（「００３５」～「００４６」、図１、図２）

(従来技術の問題点)
特許文献１、２に記載の技術では、標的対象を透視撮影するためのＸ線を患者に向けて照射する方向と、治療用のビームを患者に向けて照射する方向が異なっている。腫瘍の形状は、球形のような３次元的に均質、等方的な形状ではなく、長細かったり、凹凸があったりする。したがって、透視方向と治療ビーム照射方向では、各方向に投影された腫瘍の形状が異なることが一般的であり、単純に透視方向の画像を使用して治療ビームを照射すると、腫瘍の全体にＸ線が照射されなかったり、正常部位にＸ線が照射されたりする問題がある。

特許文献２に記載の技術では、２つの方向から撮影した透視画像から、腫瘍マーカの３次元座標を計算している。そして、３次元上の位置座標から、治療用のビームを照射する位置を演算して、照射している。したがって、特許文献２に記載の技術は、２つの撮影画像（２次元）から腫瘍の３次元上の座標（３次元）を計算し、治療用のビームの照射方向の照射野（２次元）を導出する技術である。
特許文献２に記載の技術のように、２次元、３次元、２次元のように順に演算を行うと、処理に時間がかかり、リアルタイムな追跡や外形の形状の変化に対応しにくい問題がある。また、特許文献２記載の技術のように、体内に金属のマーカーを埋め込む技術は、侵襲的な方法となり、患者に負担がかかる問題もある。

本発明は、複数の撮影画像から３次元上の位置を導出して標的対象部位を推定する技術に比べて、標的対象部位を速やかに推定することを技術的課題とする。

前記技術的課題を解決するために、請求項１に記載の発明の標的外形推定装置は、
被検者の体内の標的に第１の放射線を照射する第１の照射手段を有し、前記第１の放射線を照射する第１の方向に対して、前記第１の方向とは異なる第２の方向から前記被検者の体内の標的を含む領域を透視した画像を撮影する撮影手段と、
前記第２の方向からの透視画像に映る標的の外形に基づいて、前記透視画像に映る標的の外形と前記第１の方向における標的の外形との相関を学習して相関情報である識別器を出力する学習手段と、
治療が行われる直近に撮影された前記第２の方向からの透視画像に映る標的の外形と、前記識別器とに基づいて、前記第１の方向における標的の外形を推定する外形推定手段と、
を備えたことを特徴とする。

請求項２に記載の発明は、請求項１に記載の標的外形推定装置において、
前記第１の放射線が、Ｘ線または粒子線であり、
前記透視画像が、Ｘ線画像、核磁気共鳴画像、超音波検査画像、陽電子放射断層撮影画像、体表面形状画像および光音響イメージング画像のいずれか１つまたはその組み合わせである
ことを特徴とする。

請求項３に記載の発明は、請求項１または２に記載の標的外形推定装置において、
前記透視画像に映る標的の外形に基づいて、透視画像に映る標的の外形と前記第１の方向における前記第１の照射手段からの距離との相関も学習する前記学習手段と、
治療が行われる直近に撮影された前記透視画像に映る標的の外形と、前記識別器とに基づいて、前記第１の方向における標的の前記第１の照射手段からの距離を推定する距離推定手段と、
を備えたことを特徴とする。

請求項４に記載の発明は、請求項１ないし３のいずれかに記載の標的外形推定装置において、
前記第２の方向とは異なる第３の方向から前記被検者の体内の標的を含む領域の画像を撮影する撮影手段と、
前記第２の方向からの透視画像に映る標的の外形と、前記第３の方向からの透視画像に映る標的の外形とに基づいて、各透視画像に映る標的の外形と前記第１の方向における標的の外形との相関を学習して識別器を出力する前記学習手段と、
を備えたことを特徴とする。

請求項５に記載の発明は、請求項１ないし４のいずれかに記載の標的外形推定装置において、
前記標的の画像特徴を含む追跡対象部画像に、前記画像特徴を含まない複数からなる非追跡対象画像のそれぞれを重ねた複数の重畳画像を作成する重畳画像作成手段と、
前記第２の方向からの透視画像に映る標的の外形に基づいて、前記透視画像に映る標的の外形と前記第１の方向における標的の外形との相関を学習すると共に、前記複数の重畳画像に基づいて前記標的の画像特徴および位置情報の少なくとも一方を学習して、識別器を作成する前記学習手段と、
を備えたことを特徴とする。

請求項６に記載の発明は、請求項５に記載の標的外形推定装置において、
前記標的の画像特徴を特定する教師画像を予め入力する入力部と、
前記複数の重畳画像と前記教師画像に基づいて、前記標的の画像特徴および位置情報の少なくとも一方を学習して識別器を作成する前記学習手段と、
を備えたことを特徴とする。

請求項７に記載の発明は、請求項５または６に記載の標的外形推定装置において、
前記標的の画像特徴の大きさと、画像の分解能と、予め設定された追跡精度とに基づいて、前記非追跡対象画像の枚数を導出して、導出された枚数に応じた前記非追跡対象画像を作成する非追跡対象画像編集手段、
を備えたことを特徴とする。

請求項８に記載の発明は、請求項５ないし７のいずれかに記載の標的外形推定装置において、
前記標的の画像特徴を含む学習用の元画像から、前記標的の画像特徴を含む追跡対象部画像と、前記標的の画像特徴を含まない分離非追跡対象画像とに分離抽出する画像分離手段と、
前記分離非追跡対象画像を編集して複数からなる前記非追跡対象画像を編集作成する非追跡対象画像編集手段と、
前記追跡対象部画像と前記非追跡対象画像とに基づいて前記重畳画像を作成する前記重畳画像作成手段と
を備えたことを特徴とする。

請求項９に記載の発明は、請求項５ないし７のいずれかに記載の標的外形推定装置において、
前記標的の画像特徴を含む元画像から、前記標的の画像特徴を含む追跡対象部画像と、前記標的の画像特徴を含まない分離非追跡対象画像とに分離する画像分離手段と、
前記元画像に含まれず且つ前記非追跡対象画像に含まれる障害物の画像を取得する障害物画像取得手段と、
前記分離非追跡対象画像と前記障害物の画像との少なくとも１つを編集して複数からなる前記非追跡対象画像を編集作成する非追跡対象画像編集手段と、
前記追跡対象部画像と前記非追跡対象画像とに基づいて前記重畳画像を作成する前記重畳画像作成手段と、
を備えたことを特徴とする。

請求項１０に記載の発明は、請求項８または９に記載の標的外形推定装置において、
前記標的の画像特徴を含む学習用の元画像から、前記標的の画像特徴の画像コントラスト情報に基づき、前記追跡対象部画像と前記分離非追跡対象画像とに分離抽出する前記画像分離手段と、
を備えたことを特徴とする。

請求項１１に記載の発明は、請求項５ないし１０のいずれかに記載の標的外形推定装置において、
前記標的の画像特徴および位置情報の少なくとも一方が予め設定された評価用の画像と、前記識別器とに基づいて、前記標的の追跡の精度を評価する追跡精度評価手段、
を備えたことを特徴とする。

請求項１２に記載の発明は、請求項１１に記載の標的外形推定装置において、
前記追跡精度評価手段による追跡の精度が、予め設定された精度に達しない場合に、前記非追跡対象画像の枚数を増やして前記識別器を再作成する前記学習手段、
を備えたことを特徴とする。

前記技術的課題を解決するために、請求項１３に記載の発明の治療装置は、
請求項１ないし１２のいずれかに記載の標的外形推定装置と、
前記標的外形推定装置が推定した標的の外形に基づいて、前記第１の方向から治療用の放射線を照射する照射手段と、
を備えたことを特徴とする。

請求項１，１３に記載の発明によれば、複数の撮影画像から３次元上の位置を導出して標的対象部位を推定する技術に比べて、標的対象部位を速やかに推定することができる。
請求項２に記載の発明によれば、Ｘ線画像、核磁気共鳴画像、超音波検査画像、陽電子放射断層撮影画像、体表面形状画像および光音響イメージング画像のいずれか１つまたはその組み合わせの画像で撮影を行い、Ｘ線または粒子線での治療に活用することができる。
請求項３に記載の発明によれば、標的までの距離も推定することができ、陽子線等の粒子線での治療に活用することができる。

請求項４に記載の発明によれば、２つの方向からの透視画像に基づいて腫瘍の外形を推定しており、１つの方向からの場合に比べて、外形の推定精度を向上させることができる。
請求項５に記載の発明によれば、従来技術のテンプレートマッチングによる画像追跡法に比べて、治療の標的の部位の領域および位置の少なくとも一方の特定を容易且つ短時間で行える。
請求項６に記載の発明によれば、教師画像を使用しない場合に比べて、処理を高速化できる。請求項６の記載によれば、教師画像がある場合には、教師画像中の標的の画像特徴領域の位置と形状は、複数の重畳画像に含まれる標的の画像特徴領域の位置と形状とに相関があるが、標的ではない障害物の画像特徴の位置と形状には相関がない。この相関の有無が、追跡に必要な情報か否かを区別して学習する効果を生じさせる。

請求項７に記載の発明によれば、画像の大きさや分解能、追跡制度に応じて、必要十分な枚数の非追跡対象画像を作成することができる。
請求項８に記載の発明によれば、骨などの追跡の障害となる背景物・障害物を含む分離された非追跡対象画像を使用しない場合に比べて、患者などの被検体ごとに異なる背景や障害物の差異に応じた学習ができる。すなわち、従来技術では、多くの被検体に基づいて作成された識別器のみ実現可能であったが、それら従来技術に比して個々の被検体に適した追跡を行うことができる。
請求項９に記載の発明によれば、元画像に含まれない障害物の画像を追加することで、元画像に含まれていない障害物が、対象追跡中の非追跡対象画像に混入した時にでも、対象追跡の精度も向上させることができる。すなわち、従来は、このような学習の元画像に入っていない障害物が標的の非追跡対象画像に混入した時には著しく標的追跡の精度が低下したが、それら従来技術に比して、個別の非追跡対象画像に適した追跡を行う事ができる。

請求項１０に記載の発明によれば、コントラスト情報に基づいて、標的と非標的とを分離することを自動的に行うことができ、手動で標的を指定する場合に比べて、分離の処理を容易にできる。
請求項１１に記載の発明によれば、実際の治療の前に識別器の評価をすることができる。
請求項１２に記載の発明によれば、識別器の精度が不十分な場合は、枚数の増えた重畳画像を利用して識別器を再作成することができ、識別器の精度を向上させることができる。

図１は本発明の実施例１の腫瘍外形推定装置が適用された放射線治療機の説明図である。 図２は実施例１の放射線治療機の要部説明図である。 図３は実施例１の放射線治療機の制御部が備えている各機能をブロック図で示した図である。 図４は実施例１の制御部における処理の一例の説明図である。 図５は実施例１の重畳画像２６と教師画像３０の一例の説明図であり、図５Ａは一方向から擬似的に透視したＤＲＲ画像による重畳画像の一例の説明図、図５Ｂは図５Ａに対応する教師画像の一例の説明図、図５Ｃは２方向からの擬似的透視ＤＲＲ画像による重畳画像の一例の説明図、図５Ｄは図５Ｃに対応する教師画像の一例の説明図である。 図６は追跡対象の位置の学習の一例の説明図であり、図６Ａは複数の重畳画像の一例の説明図、図６Ｂは重畳画像が重ねられた場合の説明図である。 図７は実施例１の放射線治療機の使用方法の一例の説明図である。 図８は実施例２の説明図であり、実施例１の図２に対応する図である。 図９は実施例２のブロック図であり、実施例１の図３に対応する図である。 図１０は実施例２の重畳画像と教師画像の一例の説明図であり、図１０Ａは一方向から擬似的に透視したＤＲＲ画像による重畳画像の一例の説明図、図１０Ｂは図１０Ａに対応する教師画像の一例の説明図、図１０Ｃは２方向からの擬似的透視ＤＲＲ画像による重畳画像の一例の説明図、図１０Ｄは図１０Ｃに対応する教師画像の一例の説明図である。

次に図面を参照しながら、本発明の実施の形態の具体例である実施例を説明するが、本発明は以下の実施例に限定されるものではない。
なお、以下の図面を使用した説明において、理解の容易のために説明に必要な部材以外の図示は適宜省略されている。

図１は本発明の実施例１の腫瘍外形推定装置が適用された放射線治療機の説明図である。
図２は実施例１の放射線治療機の要部説明図である。
図１、図２において、本発明の実施例１の対象追跡装置が適用された放射線治療機（治療装置の一例）１は、治療の被検体である患者２が寝るベッド３を有する。ベッド３の下方には、透視撮影用Ｘ線照射装置４が配置されている。実施例１の透視撮影用Ｘ線照射装置４は、２つのＸ線照射部（第１チャンネル４ａおよび第２チャンネル４ｂ）を有する。各Ｘ線照射部（第２の照射手段および第３の照射手段）４ａ，４ｂは、透視用の放射線の一例としてのＸ線を患者２に向けて照射可能である。
患者２を挟んで各Ｘ線照射部４ａ，４ｂの反対側には、撮像装置（撮像手段）６ａ，６ｂが配置されている。撮像装置６ａ，６ｂは、患者を透過したＸ線を受けてＸ線透視画像を撮像する。撮像装置６で撮影した画像は画像生成器７で電気信号に変換され、コントロールシステム８に入力される。以下の説明において、第１チャンネルＸ線照射部４ａから撮像装置６ａに向かう方向を０ー方向とする。その場合、本実施例では、第２チャンネルＸ線照射部４ｂから撮像装置６ｂに向かう方向が９０ーになるように、Ｘ線照射部４ａ，４ｂと撮像装置６ａ，６ｂが配置されている例である。この配置は、実際の治療現場に応じて、任意の角度にて設置して本発明を実施することが可能である。

また、ベッド３の上方には、治療用放射線照射器（第１の照射手段）１１が配置されている。本実施例では、第１の照射手段の照射方向（Beam’sEye View方向）は、治療用放射線照射器１１から追跡対象９（腫瘍など治療の標的対象）に向かう４５ー方向に配置されている。この配置も、実際の治療現場に応じて、任意の角度にて設置して本発明を実施することが可能である。治療用放射線照射器１１は、コントロールシステム８から制御信号が入力可能に構成されている。治療用放射線照射器１１は、制御信号の入力に応じて、予め設定された位置（患者２の患部）に向けて治療用の放射線の一例としてのＸ線を照射可能に構成されている。なお、実施例１では、治療用放射線照射器１１において、Ｘ線源の外側に、追跡対象９（腫瘍等）の外形に合わせてＸ線の通過領域（Ｘ線が通過する開口の形状）を調整可能な絞り部の一例としてのＭＬＣ（Multi Leaf Collimator：マルチリーフコリメータ、図示せず）が設置されている。なお、ＭＬＣは従来公知であり、市販のものを使用可能であるが、ＭＬＣに限定されず、Ｘ線の通過領域を調整可能な任意の構成を採用可能である。
なお、実施例１では、透視撮影用のＸ線として加速電圧がｋＶ（キロボルト）オーダーのＸ線が照射され、治療用のＸ線としては加速電圧がＭＶ（メガボルト）オーダーのＸ線が照射される。

（実施例１のコントロールシステム（制御部）の説明）
図３は実施例１の放射線治療機の制御部が備えている各機能をブロック図で示した図である。
図３において、コントロールシステム８の制御部Ｃは、外部との信号の入出力等を行う入出力インターフェースＩ／Ｏを有する。また、制御部Ｃは、必要な処理を行うためのプログラムおよび情報等が記憶されたＲＯＭ：リードオンリーメモリを有する。また、制御部Ｃは、必要なデータを一時的に記憶するためのＲＡＭ：ランダムアクセスメモリを有する。また、制御部Ｃは、ＲＯＭ等に記憶されたプログラムに応じた処理を行うＣＰＵ：中央演算処理装置を有する。したがって、実施例１の制御部Ｃは、小型の情報処理装置、いわゆるマイクロコンピュータにより構成されている。よって、制御部Ｃは、ＲＯＭ等に記憶されたプログラムを実行することにより種々の機能を実現することができる。

（制御部Ｃに接続された信号出力要素）
制御部Ｃは、操作部ＵＩや、画像生成器７、図示しないセンサ等の信号出力要素からの出力信号が入力されている。
操作部（ユーザインタフェース）ＵＩは、表示部の一例であって入力部の一例としてのタッチパネルＵＩ０を有する。また、操作部ＵＩは、学習処理開始用のボタンＵＩ１、教師データ入力用のボタンＵＩ２や透視撮影開始用のボタンＵＩ３等の各種入力部材を有する。
画像生成器７は、撮像装置６で撮影された画像を制御部Ｃに入力する。

（制御部Ｃに接続された被制御要素）
制御部Ｃは、透視撮影用Ｘ線照射装置４や治療用放射線照射器１１、その他の図示しない制御要素に接続されている。制御部Ｃは、透視撮影用Ｘ線照射装置４や治療用放射線照射器１１等へ、それらの制御信号を出力している。
透視撮影用Ｘ線照射装置４は、学習時や治療時にＸ線透視画像を撮影するためのＸ線を患者２に向けて照射する。
治療用放射線照射器１１は、治療時に治療用の放射線（Ｘ線）を患者２に向けて照射する。

（制御部Ｃの機能）
制御部Ｃは、前記信号出力要素からの入力信号に応じた処理を実行して、前記各制御要素に制御信号を出力する機能を有している。すなわち、制御部Ｃは次の機能を有している。

図４は実施例１の制御部における処理の一例の説明図である。
Ｃ１：学習画像読み取り手段
学習画像読み取り手段Ｃ１は、画像生成器７から入力された画像を読み取る（読み込む）。実施例１の学習画像読み取り手段Ｃ１は、学習処理開始用のボタンＵＩ１が入力された場合に、画像生成器７から入力された画像を読み取る。なお、実施例１では、学習処理開始用のボタンＵＩ１の入力が開始されてから、予め設定された学習期間の間、ＣＴ画像の読み取りが行われる。なお、実施例１の学習画像読み取り手段Ｃ１は、図４に示す追跡対象画像領域２１（治療の標的対象である追跡対象９の一例として腫瘍の画像領域）を含む学習用の元画像（複数の横断面画像）２２から、縦断面画像（図示せず）を構成して、以下の作業を行う。よって、実施例１では、学習に関連する各手段Ｃ２～Ｃ１０は、学習画像読み取り手段Ｃ１が読み取り、記憶した時系列に沿った各画像それぞれに基づいて、画像分離や編集、重畳等を実行する。すなわち、実施例１では、ＣＴ画像の撮影に対して、リアルタイムでの学習処理は行わないが、ＣＰＵの高速化等で処理速度が向上し、リアルタイムでも処理が可能になれば、リアルタイムで行うことも可能である。

Ｃ２：画像分離手段
画像分離手段Ｃ２は、追跡対象画像領域２１を含む学習用の３次元情報を含む元画像２２に基づいて、追跡対象画像領域２１を含む追跡対象部画像２３（一例としての軟部組織ＤＲＲ（Digitally Reconstructed Radiography）画像）と、追跡対象画像領域２１を含まない分離背景画像（非追跡対象画像、分離非追跡対象画像）２４（一例としての骨構造の画像領域を含む骨構造ＤＲＲ画像（骨画像））とに分離抽出する。実施例１の画像分離手段Ｃ２は、ＣＴ画像のコントラスト情報であるＣＴ値に基づいて、追跡対象部画像２３（第１の画像、軟部組織ＤＲＲ画像）と分離背景画像２４（骨構造ＤＲＲ画像）とに分離する。実施例１では、一例として、ＣＴ値が２００以上の領域を骨構造ＤＲＲ画像として分離背景画像２４を構成し、ＣＴ値が２００未満の領域を軟部組織ＤＲＲ画像として追跡対象部画像２３を構成する。
なお、実施例１では、一例として、肺に発生した腫瘍（追跡対象９）すなわち治療の標的対象が軟部組織ＤＲＲ画像として追跡対象部画像２３に写る場合の実施例であるが、例えば、追跡対象が骨の異常部分等である場合は、追跡対象部画像２３として骨構造ＤＲＲ画像を選択し、分離背景画像２４として軟部組織ＤＲＲ画像を選択する。このように、追跡対象部画像と背景画像（非追跡対象画像）の選択は、追跡対象および障害物を含む背景画像に応じて、適切に選択される。

Ｃ３：障害物画像取得手段
障害物画像取得手段Ｃ３は、治療用放射線照射器１１において非追跡対象画像２８を取得する場合に含まれ、且つ、分離背景画像２４とは異なる障害物の画像２５を取得する。実施例１では、障害物画像２５として、ベッド３のフレーム（カウチフレーム）や患者をベッド３に固定する固定具のＸ線透視画像が予め記憶媒体に記憶されており、障害物画像取得手段Ｃ３は、記憶媒体に記憶されたカウチフレームや固定具の画像（障害物画像２５）を読み取って取得する。
Ｃ４：乱数発生手段
乱数発生手段Ｃ４は乱数を発生させる。

Ｃ５：背景画像編集手段（非追跡対象画像編集手段、非追跡対象画像作成手段）
背景画像編集手段Ｃ５は、分離背景画像２４や障害物画像２５の追跡対象部画像２３に対する位置、拡縮、回転および明暗の少なくとも一つを編集して、背景画像（非追跡対象画像）２９を作成する一例である。実施例１の背景画像編集手段Ｃ５は乱数に基づいて、位置、拡縮、回転および明暗の少なくとも一つを編集する。実施例１では、具体的には、アフィン変換を行って分離背景画像２４や障害物画像２５を平行移動させたり、線形変換（回転、せん断、拡大、縮小）させており、乱数に基づいてアフィン変換の行列の各値を変化させることで、分離背景画像２４等を編集し背景画像２９を作成する。なお、明暗（コントラスト）についても、分離背景画像２４等の明暗を、明または暗の方向に、乱数に応じた量変化させる。実施例１では、背景画像編集手段Ｃ５は、１つの分離背景画像２４等に対して、予め設定された数の一例としての１００枚の編集された背景画像を作成する。すなわち、分離背景画像２４等の位置等が乱数によりランダムに編集された１００枚の背景画像２９が作成される。

なお、作成される背景画像２９の枚数Ｎは、追跡対象部画像２３の画像の領域の大きさと、画像の分解能と、予め設定された追跡精度とに基づいて、設定することが望ましい。一例として、追跡対象部画像２３の画像が１０ｃｍ×１０ｃｍで、分解能が１ｍｍ、要求される追跡精度が分解能の１０倍の場合には、｛１０（ｃｍ）/１（ｍｍ）｝×１０（倍）＝１０００（枚）として、１０００枚の背景画像２９を作成するようにすることも可能である。

Ｃ６：重畳画像作成手段
重畳画像作成手段Ｃ６は、追跡対象部画像２３に、背景画像２９（分離背景画像２４や障害物画像２５に回転等の編集がされた画像）をそれぞれ重畳した重畳画像２６を作成する。
Ｃ７：教師画像の入力受付手段
教師画像の入力受付手段Ｃ７は、タッチパネルＵＩ０への入力や教師データ入力用のボタンＵＩ２への入力に応じて、追跡すべき対象を教師する画像の一例としての教師画像領域２７を含む教師画像３０の入力を受け付ける。なお、実施例１では、タッチパネルＵＩ０に学習用の元画像（ＣＴ画像）２２を表示し、医師が治療の標的対象である追跡対象の画像領域を囲むように画面上にて入力して、教師画像領域２７を決定することが可能なように構成されている。

図５は実施例１の重畳画像２６と教師画像３０の一例の説明図であり、図５Ａは一方向から擬似的に透視したＤＲＲ画像による重畳画像の一例の説明図、図５Ｂは図５Ａに対応する教師画像の一例の説明図、図５Ｃは２方向からの擬似的透視ＤＲＲ画像による重畳画像の一例の説明図、図５Ｄは図５Ｃに対応する教師画像の一例の説明図である。
図５Ａ、図５Ｂは、一例として、Ｘ線透過画像を０度方向（図２の上方のＸ線照射手段４ａから下方の撮像装置６ａに向けた０度方向）にて撮影し、治療用のＸ線を４５度傾いた方向（図２の４５度方向。Beam’s Eye View, BEV方向）にて照射する場合に相当する。図５Ａに示す、０度方向にて（擬似的に）透視したＤＲＲ重畳画像２６に対して、図５Ｂに示すように、４５度方向における２次元画像の領域での追跡対象９（腫瘍など）の輪郭（教師画像領域２７）を教師画像３０として入力可能である。

図５Ｃ、図５Ｄは、Ｘ線透過画像を０度方向だけでなく、９０度方向（図２の水平方向）からも撮影する場合の例である。図５Ｃに示す０度方向と９０度方向から擬似的に透視した２つ１組のＤＲＲ重畳画像２６に対して、図５Ｄに示すように、４５度方向における２次元画像の領域での腫瘍の輪郭（教師画像領域２７）を教師画像３０として入力可能である。
図５Ｃ、図５Ｄに示す構成では、０度方向と９０度方向という２つの透視（撮影）方向のそれぞれに対して、ＤＲＲ重畳画像と教師画像のセットができることになるが、２つの（もしくはさらに多数）の重畳画像・教師画像のセットを作成する方法には、各方向間の背景画像の関係性を独立に作成してもよいし、連動させて作成してもよい。

各方向間の背景画像を連動させて作成すると、異なる方向の重畳画像・教師画像のセットにおいて、座標の自由度を部分的に連動させて学習させることができ、追跡対象の位置・形状の推定精度を向上させることが可能である。例えば、図１，２において、０度方向と９０度方向の２つの撮像方向においては、患者の体軸方向（頭から足の方向）の座標は２つの撮像手段で共通になるので、背景画像をランダム編集する場合に、０度方向画像と９０度方向画像の両方の体軸方向を連動してランダムに操作するとよい。
したがって、実施例１では２方向から撮影を行い、図５Ｃ、図５Ｄのように処理が行われるが、これに限定されず、図５Ａ、図５Ｂのように１方向から撮影する場合にも適用可能である。
Ｃ８：教師画像付加手段
教師画像付加手段Ｃ８は、入力された教師画像領域２７を含む教師画像３０を重畳画像２６に付加する（さらに重畳する）。

図６は追跡対象の位置の学習の一例の説明図であり、図６Ａは複数の重畳画像の一例の説明図、図６Ｂは重畳画像が重ねられた場合の説明図である。
Ｃ９：学習手段（識別器作成手段、相関学習手段）
学習手段Ｃ９は、複数の重畳画像２６に教師画像３０が付加された複数の学習画像５１に基づいて、画像における追跡対象画像領域２１の領域情報および位置情報の少なくとも一方を学習して、識別器を作成する。なお、実施例１では、追跡対象画像領域２１の領域と位置の両方を学習すると共に、透過撮影用のＸ線の照射方向（撮影方向、第２の方向、第３の方向）からの透視画像に映る腫瘍の外形に基づいて、透視画像に映る腫瘍の外形と治療用のＸ線の照射方向（第１の方向。以下、治療方向と記載）における腫瘍の外形との相関を学習して識別器（相関情報）を出力する。

また、実施例１では、追跡対象画像領域２１の領域の重心の位置を追跡対象画像領域２１の位置としているが、領域の上端、下端、右端、左端等、設計や仕様等に応じて任意の位置に変更可能である。

図６において、実施例１の学習手段Ｃ９では、ランダムに位置等が編集された障害物画像領域３１の画像が追跡対象画像領域３２に重畳された複数の重畳画像（図６Ａ参照）において、各画像を更に重畳すると、図６Ｂに示すように、位置が編集されていない追跡対象画像領域３２が相対的に強調（増幅）され、且つ、位置等がランダムな障害物画像領域３１が相対的に抑制（減衰）されることとなる。したがって、ＣＴ画像における追跡対象画像領域３２の位置や外形を学習することが可能である。

また、実施例１の学習手段Ｃ９は、治療が開始される前、例えば、治療計画の策定段階等では撮影方向に加えて、治療方向からも透視画像を撮影する。そして、撮影方向（２つの方向）と治療方向からの画像に基づいて、撮影方向と治療方向との相関を予め学習しておく。すなわち、撮影方向から腫瘍がある外形形状に見えた場合には治療方向では外形がどのようになるか（相関）を学習しておく。学習手段Ｃ９は、従来公知の任意の構成を採用可能であるが、いわゆるディープラーニング（多層構造のニューラルネットワーク）を使用することが好ましく、特に、ＣＮＮ（Convolutional Neural Network：畳込みニューラルネットワーク）を使用することが好ましい。実施例１では、ディープラーニングの一例としてのＣａｆｆｅを使用したが、これに限定されず、任意の学習手段（フレームワーク、アルゴリズム、ソフトウェア）を採用可能である。

なお、サンプル数が少ない場合には、例えば、各手段Ｃ２～Ｃ９で説明したように、腫瘍等の軟部組織の画像と骨等の画像を分離して、骨等の画像を回転、拡大、縮小等をランダムで行った画像を生成し、腫瘍等の画像に重ねる（ランダムオーバーレイ）ことでサンプル数を増やして学習を行うことを説明したが、これに限定されない。例えば、予め外形形状が既知のサンプルを使用して学習しておいて、患者２の腫瘍の画像を加えて学習を深化させる構成とすることも可能である。
また、腫瘍の位置特定用の識別器と、相関用の識別器とを別個に生成し、２つの識別器を使う構成とすることも可能である。

Ｃ１０：学習結果記憶手段
学習結果記憶手段Ｃ１０は、学習手段Ｃ９の学習結果を記憶する。すなわち、学習で最適化されたＣＮＮを識別器として記憶する。

Ｃ１１：透視画像読み取り手段
透視画像読み取り手段Ｃ１１は、画像生成器７から入力された画像を読み取る（読み込む）。実施例１の透視画像読み取り手段Ｃ１１は、透視撮影開始用のボタンＵＩ３が入力された場合に、画像生成器７から入力された画像を読み取る。実施例１では、各Ｘ線照射部４ａ，４ｂから照射されたＸ線が患者２を透過して、各撮像装置６ａ，６ｂで撮影された画像を読み取る。

Ｃ１２：腫瘍特定手段（標的特定手段）
腫瘍特定手段Ｃ１２は、撮影された画像に基づいて、標的である腫瘍の外形を特定する。腫瘍の外形は、ＣＴ画像のコントラスト情報であるＣＴ値に基づいて腫瘍を特定する。なお、特定方法は、従来公知の画像解析技術を採用することも可能であるし、複数の腫瘍の画像を読み込ませて学習を行って判別することも可能であるし、特許文献１，２に記載の技術を使用することも可能である。なお、標的の「外形」は、腫瘍自体の外形（＝正常部位と腫瘍との境界）に限定されず、医師の判断等で腫瘍の内側または外側に設定される場合も含む。すなわち、「外形」は、ユーザが定めた領域とすることも可能である。したがって、「標的」も腫瘍に限定されず、ユーザが追跡したい領域とすることも可能である。
実施例１の腫瘍特定手段Ｃ１２は、各撮像装置６ａ，６ｂで撮影された２つの撮影画像に写る腫瘍をそれぞれ特定する。

Ｃ１３：外形推定手段
外形推定手段Ｃ１３は、治療が行われる直近に撮影された撮影方向からの透視画像に映る腫瘍の外形と、相関情報とに基づいて、治療方向における腫瘍の外形を推定し、結果を出力する。
Ｃ１４：放射線照射手段
放射線照射手段Ｃ１４は、治療用放射線照射器１１を制御して、外形推定手段Ｃ１３で推定された腫瘍の領域および位置が、治療用Ｘ線の照射範囲に含まれる場合に、治療用Ｘ線を照射させる。なお、実施例１の放射線照射手段Ｃ１４は、外形推定手段Ｃ１３で推定された腫瘍の領域（外形）に応じて、ＭＬＣを制御して、治療用Ｘ線の照射領域（照射野）が腫瘍の外形となるように調整する。なお、放射線照射手段Ｃ１４は、治療用Ｘ線が照射される場合は、時間経過に応じて変化する腫瘍の外形の推定結果の出力に対して、ＭＬＣをリアルタイムで制御する。

Ｃ１５：追跡精度評価手段
追跡精度評価手段Ｃ１５は、追跡対象の領域および位置の少なくとも一方が予め設定された評価用の画像（テスト画像）と、識別器とに基づいて、追跡対象の追跡の精度を評価する。実施例１では、テスト画像として、追跡対象の領域および位置が既知の画像を使用して、識別器で追跡対象の追跡を行い、識別器で特定した追跡対象の領域および位置と、既知の領域および位置とのズレを評価する。評価は、領域については、例えば、識別器で特定した領域の外縁の各画素（ピクセル）と、テスト画像における追跡対象の外縁の画素で、（位置が一致するピクセル数）／（外縁の総ピクセル数）を演算し、それが、閾値（例えば９０％）を超えていれば、識別器の精度が領域の特定については十分と評価することが可能である。同様に、位置についても、識別器で特定した追跡対象の位置（重心位置）が、テスト画像における追跡対象の位置に対して、ズレが、閾値（例えば、５ピクセル）以内であれば、識別器の精度が位置の特定については十分と評価することが可能である。なお、評価方法は、上記に限定されず、例えば、領域は外形の形状同士の相関係数を導出して評価をする等、任意の評価方法を採用可能である。

なお、実施例１では、追跡精度評価手段Ｃ１５で精度が不十分と評価された場合には、背景画像編集手段Ｃ５でそれまでの枚数Ｎの２倍の枚数（２Ｎ）の編集画像を作成して、追加された編集画像を使用して重畳画像を追加で作成し、増えた重畳画像を使用して学習手段Ｃ９で識別器を再作成する。したがって、再作成された識別器の精度は向上される。なお、識別器の精度が、予め設定された閾値に達するまで、自動的に編集画像を増やして、識別器を再作成し続けるように構成することも可能であるし、手動で編集画像の増加や識別器の再作成を行うようにすることも可能である。
なお、透視撮影用Ｘ線照射装置４や撮像装置６、画像生成器７、コントロールシステム８、前記各手段Ｃ１～Ｃ１５により実施例１の標的外形推定装置が構成されている。

（実施例１の作用）
前記構成を備えた実施例１の放射線治療機１では、撮影方向の画像と治療方向の画像との相関情報が予め学習され、治療時には、撮影画像から治療方向における腫瘍の外形が推定される。そして、推定された腫瘍の外形に応じて治療用のＸ線が照射される。
従来の技術では、２次元の撮影画像から３次元の画像を作成し、３次元画像から治療方向の投影画像を導出していたが、この従来技術に比べて、実施例１では、相関情報を使用して２次元の撮影画像から治療方向の画像が導出可能であり、処理時間を短時間にすることが可能である。したがって、腫瘍（追跡対象部位）の位置を速やかに推定することが可能であり、リアルタイム性が向上する。よって、治療時のタイムラグが従来技術よりも短くなり、腫瘍に対してより高精度にＸ線を照射可能である。

特に、実施例１では、２つの方向からの撮影画像と治療方向の画像との相関が使用されている。１つの方向の撮影画像と治療方向の画像との相関情報を使用することも可能であるが、１つの方向の撮影画像の場合に比べて、実施例１では、治療方向における腫瘍の外形の推定の精度が向上する。
また、実施例１では、治療が行われる患者２の撮影画像を使用して学習しているので、第３者の撮影画像を使用する場合に比べて、精度が向上する。

さらに、実施例１では、軟部組織と骨等の画像を分離し、ランダムオーバーレイを行うことで、治療が行われる患者２における学習するサンプル数を増やしている。従来の２次元の撮影画像から３次元の画像を作成する構成では、このようなことは行われておらず、２次元の撮影画像にベッド等の固定具や構造物等が映り込んでいて、構造物等が腫瘍と重なっていると、腫瘍等の標的の外形の推定精度が低下すると共に、治療日以前の撮影時と、治療当日の撮影時でベッド等と患者の位置がずれていると、ベッド等の位置を基準に位置合わせが行われることがあり、腫瘍等の外形や位置の推定精度が低下する恐れがある（ロバスト性が低い）。これに対して、本願では、ランダムオーバーレイでサンプル数を増やして学習することで、ベッド等の影響を低減することができ、腫瘍の外形や位置の推定精度を向上させることができる。
また、ランダムオーバーレイでサンプル数を増やすことで、治療日以前の治療計画時に撮影する画像の枚数を減らすことができる。したがって、事前の撮影から当日の治療の全体における患者の受ける放射線の線量も低減することも可能である。

また、従来は、患者本人の撮影画像のみで学習を行おうとするとサンプルが不足しがちであり、患者本人以外の撮影画像を使用して学習を行う場合もある。この場合、作成される識別器は、患者本人の専用ではなく、多くの人の状況が平均化された汎用的なものとなり、患者本人の腫瘍に対して精度が低下する問題がある。これに対して、実施例１では、患者本人の撮影画像からランダムオーバーレイでサンプル数を増やすことが可能であり、患者本人の撮影画像から識別器が作成されるので、精度を向上させることが可能である。

さらに、実施例１では、教師画像を使用して学習を行っており、教師画像を使用しない場合に比べて、学習にかかる時間を短縮できる。なお、教師画像を使用しない場合は、ランダムオーバーレイでサンプル数を増やせば、時間がかかるだけで、同様の結果は得られるため、教師画像を使用しない構成とすることも可能である。

さらに、実施例１では、追跡対象部画像２３（軟部組織ＤＲＲ画像）と分離背景画像２４（骨構造ＤＲＲ画像）をＣＴ値に基づいて元画像２２から分離して、編集、加工しているので、患者に応じた学習が可能である。
また、実施例１では、分離背景画像２４を編集する際に明暗（コントラスト）も編集している。したがって、学習用の元画像２２の撮影時と治療用のＸ線透視画像を撮影する時でコントラストが異なっても、コントラストが異なる状況についても学習済みであり、追跡し易い。なお、分離背景画像２４のコントラストだけでなく元画像２２の全体のコントラストを変えたものを使用して学習すれば、追跡の精度がさらに向上させることが可能である。

さらに、実施例１では、分離背景画像２４や障害物画像２５をランダムに編集している。精度の高い学習には、均一に分散された十分なデータがあればよいが、ランダムに編集せずに予め準備しておく場合は面倒で手間がかかる。これに対して、実施例１では、元画像２２から分離した分離背景画像２４や、治療用放射線照射器１１に応じて追加された障害物画像２５を乱数でランダムに編集しており、均一に分散された十分な数のデータを容易に揃えることが可能である。

一般的に、元画像の輝度変換、幾何学変換などによって学習画像数を増加させることは「データ拡張」と呼ばれる。データ拡張は、過学習（オーバーフィッティング）を防ぐために用いられる。これは、過学習により細かな特徴を学習しすぎてしまい汎化性能が落ちることを防ぐ目的である。しかし、これら線形変換は単純な変換によって元の画像に復元可能なため、せいぜい、数十倍程度までの画像増加が限界である。つまり、数百倍以上のデータ拡張には非線形変換の効果が必須になる。実施例１では、重畳画像２６は、全体として非線形変換となっている。したがって、数百倍以上のデータ拡張でも汎化性能の低下はないと考えられる。

また、実施例１では、学習を行う際に、所定の学習期間のＣＴ画像に対して学習を行う。すなわち、空間（３次元）の要素に加えて、時間（４次元目）の要素も加わったＣＴ画像、いわゆる４ＤＣＴに対して学習が行われる。したがって、撮影から照射までのタイムラグや呼吸により時間的に変動する追跡対象の位置や外形に対しても精度良く追跡可能である。実施例１では、ランダムオーバーレイで学習を行う際に、相対的に骨等に対して追跡対象がずれている状況を学習するので、４ＤＣＴで取得した呼吸移動の範囲を超えた予想外の動きの状況（咳やくしゃみ）に対応することもできる。特に、実施例１では、ランダムオーバーレイで軟部組織ＤＲＲ画像と骨構造ＤＲＲ画像とを重畳させる場合に、解剖学的にあり得ない組み合わせの状況も含めて学習を行うため、解剖学的にありうる組み合わせのみで学習を行う従来の学習方法に比べて予想外の動きにも対応しやすい。
また、時間の要素も加わったＣＴ画像とすることで、撮影時の線量を減らして１枚当たりの画質を低下させても、時間的に前後の撮影画像も加味することで、十分に精度を確保することも可能である。

さらに、実施例１では、追跡精度評価手段Ｃ１５によって、作成された識別器の評価が行われる。したがって、実際に放射線を照射する治療を行う前に、作成された識別器の精度の評価を行うことができ、識別器の精度が十分かどうかを治療当日以前に事前に確認することができる。そして、精度が不十分な場合には、識別器の再作成を実行することが可能である。したがって、十分な精度を有する識別器を使用して治療を行うことができ、治療の精度が向上し、不十分な識別器を使用する場合に比べて、患者が余計な放射線被曝をすることも低減できる。

図７は実施例１の放射線治療機の使用方法の一例の説明図である。
放射線治療が行われる場合には、治療計画が事前に策定され、放射線が照射される治療当日よりも前に、患部を事前に撮影して位置や状態の診断等が行われ、治療日前の撮影結果に基づいて治療当日の治療も行われる。図７において、治療日前には、まず、患者の透視画像を撮影して（ＳＴ１）、予め設定された治療計画（ＳＴ２）に基づいて、訓練データを生成する（ＳＴ３）。そして、放射線治療機１の学習手段Ｃ９のＣＮＮを初期化し（ＳＴ４）、訓練データに基づいて、深層学習（ディープラーニング）の新規訓練（学習）を行う（ＳＴ５）。なお、新規訓練には、計算時間が１時間程度と見積もられる。そして、訓練済みのＣＮＮを出力する（ＳＴ６）。
治療日には、治療直前の患者の透視画像を撮影する（ＳＴ１１）。治療直前の透視画像において標的を確認し（ＳＴ１２）、訓練データを生成する（ＳＴ１３）。放射線治療機１では、ＳＴ６で訓練済みのＣＮＮを読み込んで（ＳＴ１４）、ＳＴ１３で生成した訓練データを使用して深層学習の再訓練（学習）を行う（ＳＴ１５）。なお、再訓練では、訓練済みのＣＮＮを使用するため、計算時間は１０分程度と見積もられる。そして、再訓練済みのＣＮＮを出力する（ＳＴ１６）。

治療が開始されると、リアルタイムで透視画像が撮影され（ＳＴ２１）、リアルタイムの透視画像と再訓練済みのＣＮＮとを使用して、深層学習による標的対象の位置、外形の推定が行われる（ＳＴ２２）。なお、位置、外形の推定の計算時間は、１画像あたり２５ミリ秒程度と見積もられる。そして、標的対象の推定結果に応じて、治療用のＸ線が照射される（ＳＴ２３）。
位置、外形の推定（ＳＴ２２）とＸ線の照射（ＳＴ２３）は、治療が終了するまで繰り返し行われる（ＳＴ２４）。

放射線治療機１を、図７に示した一例のように使用した場合、治療の前日以前の撮影画像を使用して予め学習を行うと共に、治療当日の撮影画像を使用して再訓練（再学習）を行うことで、日々大きさや形状が変化する腫瘍に応じて微調整（＝ファインチューニング）、再調整ができ、腫瘍の外形の推定の精度が向上する。また、当日再訓練を行う場合は、初期の訓練に比べて訓練時間を短くすることもでき、治療開始まで長時間患者を待たせることもなく、患者の負担も減らせる。
特に、従来構成のように、２次元（２Ｄ）の撮影画像から３次元（３Ｄ）の画像を作成する技術では、ファインチューニングにも長時間かかり、患者の負担が大きくなるが、実施例１では、２Ｄの撮影画像と２Ｄの治療方向における画像との相関であるため、３Ｄの画像を作成する場合に比べて、大幅に訓練時間を短縮できる。
なお、ファインチューニングをすることが望ましいが、ファインチューニングをせずに治療を行うことも可能である。

また、一般的な医科用のＣＴ（ＭＤＣＴ）では、Ｘ線は扇状に照射されるのに対して、歯科等で広く使用されているＣＢＣＴ（Cone Beam CT）では、先端が細い円錐（Cone）状のX線が照射される。ＣＢＣＴを使用して撮像することも可能であるが、ＣＢＣＴではＸ線が照射される範囲がＭＤＣＴに比べて狭いため、患者の周囲を１周して撮影するのに、ＭＤＣＴでは０．５秒程度で済むが、ＣＢＣＴでは１分程度必要である。よって、ＣＢＣＴでは、撮像に時間がかかるため、呼吸等で動く臓器は画像がぼやけてしまう問題がある一方で、ほとんど動かない骨等は撮像時に際立つため、治療当日の撮影画像に対して位置合わせがしやすいメリットもある。よって、例えば、治療前の撮影や治療時にはＭＤＣＴを使用し、ファインチューニング時にＣＢＣＴを使用する等の変更も可能である。

次に本発明の実施例２の説明をするが、この実施例２の説明において、前記実施例１の構成要素に対応する構成要素には同一の符号を付して、その詳細な説明は省略する。
この実施例は下記の点で、前記実施例１と相違しているが、他の点では前記実施例１と同様に構成される。

図８は実施例２の説明図であり、実施例１の図２に対応する図である。
図８において、実施例２の放射線治療機１′では、治療用放射線照射器１１′として患者２の患部に向けて治療用の放射線の一例としての陽子線を照射可能に構成されている。

（実施例２のコントロールシステム（制御部）の説明）
図９は実施例２のブロック図であり、実施例１の図３に対応する図である。
図９において、実施例２の制御部Ｃ′では、学習手段Ｃ９′は、撮影方向からの透視画像に映る腫瘍の外形に基づいて、透視画像に映る腫瘍の外形と治療方向腫瘍の外形との相関に加え、治療用放射線照射器１１′からの距離との相関も学習する。すなわち、２つの透視画像にそれぞれ腫瘍がある外形形状に見えた場合に、腫瘍の外形の各位置が治療用放射線照射器１１′からどのくらいの距離があるのか（距離の相関情報）を学習する。

実施例２の制御部Ｃ′の距離推定手段Ｃ２１は、治療が行われる直近に撮影された透視画像に映る腫瘍の外形と、相関情報とに基づいて、治療方向における腫瘍の治療用放射線照射器１１′からの距離を推定する。
そして、実施例２の放射線照射手段Ｃ１４′は、治療用放射線照射器１１′を制御して、外形推定手段Ｃ１３で推定された腫瘍の領域および位置が、治療用陽子線の照射範囲に含まれる場合に、距離推定手段Ｃ２１で推定された距離に治療用陽子線を照射させる。

図１０は実施例２の重畳画像と教師画像の一例の説明図であり、図１０Ａは一方向から擬似的に透視したＤＲＲ画像による重畳画像の一例の説明図、図１０Ｂは図１０Ａに対応する教師画像の一例の説明図、図１０Ｃは２方向からの擬似的透視ＤＲＲ画像による重畳画像の一例の説明図、図１０Ｄは図１０Ｃに対応する教師画像の一例の説明図である。
実施例２において、治療方向における腫瘍の外形と距離を推定する場合は、図８，図１０Ｂ、図１０Ｄに示すように、腫瘍の外形に応じた範囲の情報に加えて、標的最深部までの飛程（図８記載のRangeに相当。体表面から追跡対象の最深部境界面までの（体内）距離を、荷電粒子が体内に入ってから水中を進み停止するまでの距離に換算したもの）の２次元分布（Range Map、標的飛程分布）の情報２７ａを含む第１の教師画像３０ａおよび、標的の治療方向に沿った厚み（図８記載のWidthに相当）の２次元分布（Width Map、標的厚み分布）の情報２７ｂを含む第２教師画像３０ｂも加えることで、学習の精度が向上すると共に学習時間も短縮されるため好ましい。

（実施例２の作用）
前記構成を備えた実施例２の放射線治療機１′では、陽子線を照射する場合には、水と筋肉と骨とで陽子が透過する能力（飛程）が異なる。したがって、治療用の放射線がＸ線の場合に比べて、治療方向から見て腫瘍の位置がどのくらいの距離（体表面から体内部への深さ）にあるのかという情報と、治療方向から見て腫瘍がどのくらいの厚さを持っているのかという情報が重要になる。したがって、実施例２のように、２つの撮影画像から外形の形状や位置だけでなく、標的までの距離（飛程）や厚さも相関情報を使用して導出することで、精度の高い治療を行うことができる。

（変更例）
以上、本発明の実施例を詳述したが、本発明は、前記実施例に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内で、種々の変更を行うことが可能である。本発明の変更例（Ｈ01）～（Ｈ05）を下記に例示する。
（Ｈ01）前記実施例において、撮影画像としてｋＶオーダのＸ線を使用したＸ線透視画像を使用する構成を例示したがこれに限定されない。例えば、ＭＶオーダのＸ線を使用したＸ線画像（治療用ＭＶ－Ｘ線が患者を通過後に検出された画像）、超音波検査画像（いわゆる、超音波エコー画像）、ＭＲＩ画像（Magnetic Resonance Imaging：核磁気共鳴画像）、ＰＥＴ画像（Positron Emission tomography：陽電子放射断層撮影画像）、光音響イメージング（ＰＡＩ：Photoacoustic Imaging）画像、Ｘ線後方散乱画像等を使用することも可能である。また、Ｘ線画像（ｋＶ－Ｘ線またはＭＶ－Ｘ線）とＭＲＩ画像等とを組み合わせる等の変更も可能である。なお、ＭＲＩ画像は、任意断面の画像を出力可能であるが、特定方向から切断した断面の画像しか取得することができない。したがって、任意断面の法線方向を治療用放射線の照射方向に合わせるだけでは、腫瘍の３次元的な形状は不明である。よって、３次元的な形状を得るには、複数の断面の画像を組み合わせて３次元形状を計算する必要がある。これに対して、ＭＲＩ画像の法線方向を、治療用放射線の照射方向とは敢えてずらして、相関を学習することで、３次元形状を計算する場合に比べて、処理を高速に行うことが可能である。
他にも、呼吸等の動きと腫瘍の動きとの相関が深いことを利用して、３Ｄカメラや距離センサ等の撮像手段で、呼吸等で変動する患者の体表面形状を撮影して、体表面形状画像を使用して腫瘍の位置、外形を推定することも可能である。

（Ｈ02）前記実施例において、２つの撮影画像を使用する構成を例示したが、これに限定されない。要求される精度によっては撮影は１つ（一方向）とすることも可能である。また、３つ以上の方向からの撮影して、さらに精度を向上させることも可能である。
（Ｈ03）前記実施例において、マーカを使用せずに追跡を行う構成を例示したが、これに限定されない。マーカを埋め込んだＸ線画像等を使用することも可能である。
（Ｈ04）前記実施例において、標的対象である腫瘍等が１つの場合について説明を行ったが、標的対象が複数の場合にも適用可能である。
（Ｈ05）前記本実施例では、追跡対象部画像２３および分離背景画像２４および障害物画像２５は、２次元のＤＲＲ画像としたので、２次元のＤＲＲ画像にてランダムに編集された多数の背景画像を生成する例を示した。一方、追跡対象部画像２３および分離背景画像２４及び障害物画像２５を３次元ＣＴ画像のままとして、３次元ＣＴ画像としてランダムに編集された多数の背景画像を生成して、それを３次元ＣＴ画像としての追跡対象部画像２３と重畳させてから、１方向もしくは多方向の疑似透視２次元画像に相当する重畳画像２６を作成してもよい。この場合、背景画像のランダムな編集は、３次元ＣＴ画像として操作されるので、作成された複数の異なる方向の背景画像、重畳画像は全ての自由度（座標）で連動する。その結果、２次元ＤＲＲ画像にて背景画像をランダムに編集した場合に比べて、学習による位置・形状の推定精度が向上する（異なる複数方向の２次元ＤＲＲ画像セットにて背景画像をランダムに編集した場合は、３次元情報は部分的に失われるので、異なる方向の背景画像間で連動しない自由度（座標）が出てくる）。

２…被検者、
４ａ…第２の照射手段、
４ｂ…第３の照射手段、
６ａ…第２の撮像手段（撮像装置）、
６ｂ…第３の撮像手段（撮像装置）、
９…追跡対象（治療の標的対象）
１１，１１′…第１の照射手段、
Ｃ９，Ｃ９′…学習手段、
Ｃ１３…外形推定手段、
Ｃ２１…距離推定手段。

Claims (13)

1. 被検者の体内の標的に第１の放射線を照射する第１の照射手段を有し、前記第１の放射線を照射する第１の方向に対して、前記第１の方向とは異なる第２の方向から前記被検者の体内の標的を含む領域を透視した画像を撮影する撮影手段と、
   前記第２の方向からの透視画像に映る標的の外形に基づいて、前記透視画像に映る標的の外形と前記第１の方向における標的の外形との相関を学習して相関情報である識別器を出力する学習手段と、
   治療が行われる直近に撮影された前記第２の方向からの透視画像に映る標的の外形と、前記識別器とに基づいて、前記第１の方向における標的の外形を推定する外形推定手段と、
   を備えたことを特徴とする標的外形推定装置。
2. 前記第１の放射線が、Ｘ線または粒子線であり、
   前記透視画像が、Ｘ線画像、核磁気共鳴画像、超音波検査画像、陽電子放射断層撮影画像、体表面形状画像および光音響イメージング画像のいずれか１つまたはその組み合わせである
   ことを特徴とする請求項１に記載の標的外形推定装置。
3. 前記透視画像に映る標的の外形に基づいて、透視画像に映る標的の外形と前記第１の方向における前記第１の照射手段からの距離との相関も学習する前記学習手段と、
   治療が行われる直近に撮影された前記透視画像に映る標的の外形と、前記識別器とに基づいて、前記第１の方向における標的の前記第１の照射手段からの距離を推定する距離推定手段と、
   を備えたことを特徴とする請求項１または２に記載の標的外形推定装置。
4. 前記第２の方向とは異なる第３の方向から前記被検者の体内の標的を含む領域の画像を撮影する撮影手段と、
   前記第２の方向からの透視画像に映る標的の外形と、前記第３の方向からの透視画像に映る標的の外形とに基づいて、各透視画像に映る標的の外形と前記第１の方向における標的の外形との相関を学習して識別器を出力する前記学習手段と、
   を備えたことを特徴とする請求項１ないし３のいずれかに記載の標的外形推定装置。
5. 前記標的の画像特徴を含む追跡対象部画像に、前記画像特徴を含まない複数からなる非追跡対象画像のそれぞれを重ねた複数の重畳画像を作成する重畳画像作成手段と、
   前記第２の方向からの透視画像に映る標的の外形に基づいて、前記透視画像に映る標的の外形と前記第１の方向における標的の外形との相関を学習すると共に、前記複数の重畳画像に基づいて前記標的の画像特徴および位置情報の少なくとも一方を学習して、識別器を作成する前記学習手段と、
   を備えたことを特徴とする請求項１ないし４のいずれかに記載の標的外形推定装置。
6. 前記標的の画像特徴を特定する教師画像を予め入力する入力部と、
   前記複数の重畳画像と前記教師画像に基づいて、前記標的の画像特徴および位置情報の少なくとも一方を学習して識別器を作成する前記学習手段と、
   を備えたことを特徴とする請求項５に記載の標的外形推定装置。
7. 前記標的の画像特徴の大きさと、画像の分解能と、予め設定された追跡精度とに基づいて、前記非追跡対象画像の枚数を導出して、導出された枚数に応じた前記非追跡対象画像を作成する非追跡対象画像編集手段、
   を備えたことを特徴とする請求項５または６に記載の標的外形推定装置。
8. 前記標的の画像特徴を含む学習用の元画像から、前記標的の画像特徴を含む追跡対象部画像と、前記標的の画像特徴を含まない分離非追跡対象画像とに分離抽出する画像分離手段と、
   前記分離非追跡対象画像を編集して複数からなる前記非追跡対象画像を編集作成する非追跡対象画像編集手段と、
   前記追跡対象部画像と前記非追跡対象画像とに基づいて前記重畳画像を作成する前記重畳画像作成手段と
   を備えたことを特徴とする請求項５ないし７のいずれかに記載の標的外形推定装置。
9. 前記標的の画像特徴を含む元画像から、前記標的の画像特徴を含む追跡対象部画像と、前記標的の画像特徴を含まない分離非追跡対象画像とに分離する画像分離手段と、
   前記元画像に含まれず且つ前記非追跡対象画像に含まれる障害物の画像を取得する障害物画像取得手段と、
   前記分離非追跡対象画像と前記障害物の画像との少なくとも１つを編集して複数からなる前記非追跡対象画像を編集作成する非追跡対象画像編集手段と、
   前記追跡対象部画像と前記非追跡対象画像とに基づいて前記重畳画像を作成する前記重畳画像作成手段と、
   を備えたことを特徴とする請求項５ないし７のいずれかに記載の標的外形推定装置。
10. 前記標的の画像特徴を含む学習用の元画像から、前記標的の画像特徴の画像コントラスト情報に基づき、前記追跡対象部画像と前記分離非追跡対象画像とに分離抽出する前記画像分離手段と、
    を備えたことを特徴とする請求項８または９に記載の標的外形推定装置。
11. 前記標的の画像特徴および位置情報の少なくとも一方が予め設定された評価用の画像と、前記識別器とに基づいて、前記標的の追跡の精度を評価する追跡精度評価手段、
    を備えたことを特徴とする請求項５ないし１０のいずれかに記載の標的外形推定装置。
12. 前記追跡精度評価手段による追跡の精度が、予め設定された精度に達しない場合に、前記非追跡対象画像の枚数を増やして前記識別器を再作成する前記学習手段、
    を備えたことを特徴とする請求項１１に記載の標的外形推定装置。
13. 請求項１ないし１２のいずれかに記載の標的外形推定装置と、
    前記標的外形推定装置が推定した標的の外形に基づいて、前記第１の方向から治療用の放射線を照射する照射手段と、
    を備えたことを特徴とする治療装置。

Images