JP7313818B2 - 医用画像処理装置、医用画像診断装置、及び医用画像処理方法 - Google Patents

Description

本発明の実施形態は、医用画像処理装置、医用画像診断装置、及び医用画像処理方法に関する。

ＣＴ（Computed Tomography）撮影により、被検体の冠動脈等の関心領域（Region Of Interest、以下「ＲＯＩ」と表記する場合がある）を診断する際に、診断精度を向上させるために、被検体に造影剤を注入する場合がある。その際、スキャン時におけるＲＯＩに流れる造影剤の濃度に応じて、ＣＴ値が変化する。そこで、スキャン時におけるＣＴ値を推測する方法として、ＴＩ（Test Injection）法が知られている。ＴＩ法は、本スキャンを行う前に少量の造影剤を被検体に注入してスキャンを行い、ＲＯＩにおける造影剤の時間濃度曲線（Time Density Curve、以下「ＴＤＣ」と表記する場合がある）を計測することにより、本スキャン時における最大ＣＴ値（以下「ピークＣＴ値」と表記する場合がある。）及び最大ＣＴ値に到達するまでの時間（以下「ピーク時間」と表記する場合がある。）を推測する方法である。

しかし、ＴＩ法におけるスキャン時と、本スキャン時とでは、造影剤の注入量など、撮影条件に違いがあることから、ＴＩ法により計測された結果を用いても、ピークＣＴ値及びピーク時間を的確に推測することは難しい。

特開２００８－１１３７１５号公報 特開２０１５－２１３６３３号公報 特開２０１５－３３５７８号公報

本発明が解決しようとする課題は、ＴＩ法により計測された結果を有効に活用することである。

実施形態に係る医用画像処理装置は、第１取得部と、第２取得部と、推定部とを備える。第１取得部は、第１の注入を受けた被検体に対して放射線を用いたスキャンを実行することで、前記第１の注入における薬剤の前記被検体の関心領域における濃度変化を表す第１の濃度変化情報を取得する。第２取得部は、前記薬剤が前記関心領域に到達するまでに通過する臓器の体積に関する情報を取得する。推定部は、前記第１の注入における前記薬剤の第１の注入量、前記第１の濃度変化情報、及び、前記体積に関する情報を含む入力データに基づいて、前記被検体に対する第２の注入において注入される薬剤の前記関心領域における濃度変化を表す第２の濃度変化情報、及び、前記第２の注入における薬剤の第２の注入量のうち、少なくともいずれかを推定する。

図１は、第１の実施形態におけるＴＤＣの一例を説明するための図である。 図２は、第１の実施形態におけるＲＯＩの一例を説明するための図であり、心臓の構成を示す図である。 図３は、第１の実施形態に係る医用画像処理システムの構成の一例を示す図である。 図４は、第１の実施形態に係るＸ線ＣＴ装置の構成の一例を示す図である。 図５は、第１の実施形態に係る登録処理の一例を示すフローチャートである。 図６は、第１の実施形態におけるＡＩを用いた学習の一例を説明するための図である。 図７は、第１の実施形態における学習済みモデルを利用した処理の一例を説明するための図である。 図８は、第１の実施形態におけるＴＤＣの別の一例を説明するための図である。 図９は、第２の実施形態におけるＡＩを用いた学習の一例を説明するための図である。 図１０は、第２の実施形態における学習済みモデルを利用した処理の一例を示す図である。 図１１は、第３の実施形態におけるＡＩを用いた学習の一例を説明するための図である。 図１２は、第３の実施形態における学習済みモデルを利用した処理の一例を示す図である。 図１３は、第４の実施形態に係る医用画像処理装置の構成の一例を示す図である。

以下に図面を参照して、医用画像処理装置及び医用画像診断装置の実施形態について詳細に説明する。なお、本願に係る医用画像処理装置及び医用画像診断装置は、以下に示す実施形態によって限定されるものではない。

（第１の実施形態）
まず、第１の実施形態について説明する。第１の実施形態では、医用画像診断装置をＸ線コンピュータ断層撮影（ＣＴ：Computed Tomography）装置に適用した場合の例を説明する。以下、Ｘ線ＣＴ装置と医用画像処理装置とを含む医用画像処理システムを例に挙げて説明する。

第１の実施形態においては、図１に示すようなＴＩ（Test Injection）時のＴＤＣ（Time Density Curve）に基づいて、本スキャン時のＴＤＣを推定する構成について説明する。図１は、第１の実施形態におけるＴＤＣの一例を説明するための図である。図１において、ＴＤＣの横軸は、造影剤が被検体Ｐに注入されてからの経過時間を表し、縦軸は、被検体ＰのＲＯＩ（Region Of Interest）におけるＣＴ値を表す。ＣＴ値は、被検体Ｐに流れる造影剤の濃度に対応し、単位としては、例えば、ＨＵ（Hounsfield Unit）が用いられる。なお、図１に示すＴＤＣは、時間濃度曲線の一例である。

図２は、第１の実施形態におけるＲＯＩの一例を説明するための図であり、心臓の構成を示す図である。図２に示すように、第１の実施形態では、例えば、被検体Ｐの心臓の左心室を含む領域がＲＯＩに指定されるが、これに限られず、肺、脳、肝臓等のその他の臓器内の領域であってもよく、また骨等の臓器以外の部位の領域であってもよい。図２に示すように、血液は、大静脈、心臓（右心房、右心室）、肺動脈、肺、肺静脈、心臓（左心房、左心室）、大動脈、全身の器官及び組織の順に流れる。このため、被検体Ｐの静脈から注入された造影剤は、被検体Ｐの心臓の右心房及び右心室、並びに肺を通った後にＲＯＩを通過する。図１に示すように、ＴＤＣにおいて、造影剤が被検体Ｐに注入された後にＲＯＩを通過する際にＣＴ値がピーク値に達し、その後、ＣＴ値が徐々に下がる。

例えば、図１に示すように、ＴＩ法におけるスキャン時の濃度変化情報は、ＴＤＣにおいて、ＴＩ法におけるスキャン時の注入を開始した時点ＩＴ１からＣＴ値がピーク値（ピークＣＴ値）に達するまでの時間（ピーク時間）ｔＴと、ピークＣＴ値ＰｋＴとを含む。更に、ＴＩ法におけるスキャン時の濃度変化情報は、ＴＤＣにおいて、ＣＴ値が閾値（ＣＴ値Ｐｔｈ）を超えてからピークＣＴ値ＰｋＴに達した後に閾値（ＣＴ値Ｐｔｈ）を下回るまでの通過時間ΔｔＴと当該ＣＴ値との関係を表す面積ＡｒＴを含む。ＴＩ法におけるスキャン時のピークＣＴ値ＰｋＴは、ＴＩ法におけるスキャン時の造影剤がＲＯＩに流れてきたときの造影剤の濃度のピーク値に相当する。ＴＩ法におけるスキャン時のピーク時間ｔＴは、ＴＩ法におけるスキャン時の造影剤がＲＯＩに流れてきたときに造影剤の濃度がピークＣＴ値に達するまでの時間に相当する。面積ＡｒＴは、ＴＩ法におけるスキャン時の造影剤がＲＯＩに流れてきたときの造影剤の量に相当する。なお、ＴＩ法におけるスキャン時の注入は、第１の注入の一例であり、ＴＩ法におけるスキャン時の濃度変化情報は、第１の濃度変化情報の一例である。また、ピークＣＴ値は、薬剤の濃度の最高値に関する情報の一例であり、ピーク時間は、濃度の最高値を計測した時点に関する情報の一例である。

また、例えば、図１に示すように、本スキャン時の濃度変化情報は、ＴＤＣにおいて、本スキャン時の注入を開始した時点ＩＴ１からピークＣＴ値に達するまでのピーク時間ｔＡと、ピークＣＴ値ＰｋＡとを含む。更に、本スキャン時の濃度変化情報は、ＴＤＣにおいて、ＣＴ値が閾値（ＣＴ値Ｐｔｈ）を超えてからピークＣＴ値ＰｋＡに達した後に閾値（ＣＴ値Ｐｔｈ）を下回るまでの通過時間ΔｔＡと当該ＣＴ値との関係を表す面積ＡｒＡを含む。本スキャン時のピークＣＴ値ＰｋＡは、本スキャン時の造影剤がＲＯＩに流れてきたときの造影剤の濃度のピーク値に相当する。本スキャン時のピーク時間ｔＡは、本スキャン時の造影剤がＲＯＩに流れてきたときに造影剤の濃度がピークＣＴ値に達するまでの時間に相当する。面積ＡｒＡは、本スキャン時の造影剤がＲＯＩに流れてきたときの造影剤の量に相当する。なお、本スキャン時の注入は、第２の注入の一例であり、本スキャン時の濃度変化情報は、第２の濃度変化情報の一例である。

上で述べたように、ＴＩ法においては、ＴＩ法におけるスキャン時のＴＤＣに基づいて、本スキャン時のＴＤＣを推定する。しかし、ＴＩ法におけるスキャン時の注入と、本スキャン時の注入とでは、造影剤の注入量が相違するため、本スキャン時の注入量を的確に推定することは難しい。また、静脈から注入される造影剤は、心臓や肺等の臓器を通過する際に、他の静脈から心臓に流れ込む血液により希釈される。このため、ある被検体におけるＴＩ法により推定された結果を、体重等が同じ条件である他の被検体に適用しようとすると、他の被検体との肺の体積等の違いにより、本スキャン時のＴＤＣが推定結果とは異なる場合がある。

そこで、第１の実施形態における医用画像処理システムは、ＴＩ法において本スキャン時の濃度変化情報又は注入量を推定する際に、造影剤が被検体のＲＯＩに到達するまでに通過する臓器の体積に関する情報を用いる。具体的には、医用画像処理システムは、ＴＩ法におけるスキャン時の注入により得られた造影剤の注入量及び濃度変化情報と、被検体の臓器の体積に関する情報とを用いて生成された学習済みモデルを用いて、本スキャン時の濃度変化情報又は注入量を推定する。

図３は、第１の実施形態に係る医用画像処理システムの構成の一例を示す図である。図３に示すように、第１の実施形態に係る医用画像処理システム１００は、Ｘ線ＣＴ（Computed Tomography）装置１と、画像保管装置２と、医用画像処理装置３とを備え、ネットワーク２００を介して相互に接続される。なお、図３に示す例は、あくまでも一例であり、ネットワーク２００にその他種々の装置（例えば、端末装置等）が接続される場合であってもよい。

例えば、第１の実施形態に係るＸ線ＣＴ装置１は、図３に示すように、ネットワーク２００を介して、画像保管装置２と、医用画像処理装置３に接続される。なお、医用画像処理システム１００は、ネットワーク２００を介して、ＭＲＩ（Magnetic Resonance Imaging）装置、超音波診断装置及びＰＥＴ（Positron Emission Tomography）装置等の他の医用画像診断装置や、端末装置などにさらに接続されてもよい。また、ネットワーク２００は、院内で閉じたローカルネットワークにより構成されてもよいし、インターネットを介したネットワークにより構成されてもよい。

画像保管装置２は、各種の医用画像診断装置によって収集された画像データを保管する。例えば、画像保管装置２は、サーバ装置等のコンピュータ機器によって実現される。本実施形態では、画像保管装置２は、ネットワーク２００を介してＸ線ＣＴ装置１から投影データやＣＴ画像データを取得し、取得した投影データやＣＴ画像データを装置内又は装置外に設けられた記憶回路に記憶させる。

医用画像処理装置３は、ネットワーク２００を介して各種の医用画像診断装置から画像データを取得し、取得した画像データを処理する。例えば、医用画像処理装置３は、ワークステーション等のコンピュータ機器によって実現される。本実施形態では、医用画像処理装置３は、ネットワーク２００を介してＸ線ＣＴ装置１又は画像保管装置２から投影データやＣＴ画像データを取得し、取得した投影データやＣＴ画像データに対して各種画像処理を行う。医用画像処理装置３は、画像処理を行う前又は行った後のＣＴ画像データをディスプレイ等に表示する。

Ｘ線ＣＴ装置１は、被検体のＣＴ画像データを収集する。具体的には、Ｘ線ＣＴ装置１は、被検体を略中心にＸ線管及びＸ線検出器を旋回移動させ、被検体を透過したＸ線を検出して投影データを収集する。そして、Ｘ線ＣＴ装置１は、収集した投影データに基づいて、ＣＴ画像データを生成する。

図４は、第１の実施形態に係るＸ線ＣＴ装置の構成の一例を示す図である。図４に示すように、第１の実施形態に係るＸ線ＣＴ装置１は、架台装置１０と、寝台装置３０と、コンソール装置４０とを有する。

ここで、図４においては、非チルト状態での回転フレーム１３の回転軸又は寝台装置３０の天板３３の長手方向をＺ軸方向とする。また、Ｚ軸方向に直交し、床面に対し水平である軸方向をＸ軸方向とする。また、Ｚ軸方向に直交し、床面に対し垂直である軸方向をＹ軸方向とする。なお、図４は、説明のために架台装置１０を複数方向から描画したものであり、Ｘ線ＣＴ装置１が架台装置１０を１つ有する場合を示す。

架台装置１０は、Ｘ線管１１と、Ｘ線検出器１２と、回転フレーム１３と、Ｘ線高電圧装置１４と、制御装置１５と、ウェッジ１６と、コリメータ１７と、ＤＡＳ（Data Acquisition System）１８とを有する。

Ｘ線管１１は、熱電子を発生する陰極（フィラメント）と、熱電子の衝突を受けてＸ線を発生する陽極（ターゲット）とを有する真空管である。Ｘ線管１１は、Ｘ線高電圧装置１４からの高電圧の印加により、陰極から陽極に向けて熱電子を照射することで、被検体Ｐに対し照射するＸ線を発生する。例えば、Ｘ線管１１には、回転する陽極に熱電子を照射することでＸ線を発生させる回転陽極型のＸ線管がある。

Ｘ線検出器１２は、Ｘ線を検出する検出素子を複数有する。Ｘ線検出器１２における各検出素子は、Ｘ線管１１から照射されて被検体Ｐを通過したＸ線を検出し、検出したＸ線量に対応した信号をＤＡＳ１８へと出力する。Ｘ線検出器１２は、例えば、Ｘ線管１１の焦点を中心とした１つの円弧に沿ってチャンネル方向（チャネル方向）に複数の検出素子が配列された複数の検出素子列を有する。Ｘ線検出器１２は、例えば、チャンネル方向に複数の検出素子が配列された検出素子列が列方向（スライス方向、roｗ方向）に複数配列された構造を有する。

例えば、Ｘ線検出器１２は、グリッドと、シンチレータアレイと、光センサアレイとを有する間接変換型の検出器である。シンチレータアレイは、複数のシンチレータを有する。シンチレータは入射Ｘ線量に応じた光子量の光を出力するシンチレータ結晶を有する。グリッドは、シンチレータアレイのＸ線入射側の面に配置され、散乱Ｘ線を吸収するＸ線遮蔽板を有する。なお、グリッドはコリメータ（１次元コリメータ又は２次元コリメータ）と呼ばれる場合もある。光センサアレイは、シンチレータからの光量に応じた電気信号に変換する機能を有し、例えば、フォトダイオード等の光センサを有する。なお、Ｘ線検出器１２は、入射したＸ線を電気信号に変換する半導体素子を有する直接変換型の検出器であっても構わない。

回転フレーム１３は、Ｘ線管１１とＸ線検出器１２とを対向支持し、制御装置１５によってＸ線管１１とＸ線検出器１２とを回転させる円環状のフレームである。例えば、回転フレーム１３は、アルミニウムを材料とした鋳物である。なお、回転フレーム１３は、Ｘ線管１１及びＸ線検出器１２に加えて、Ｘ線高電圧装置１４やウェッジ１６、コリメータ１７、ＤＡＳ１８等を更に支持することもできる。更に、回転フレーム１３は、図４において図示しない種々の構成を更に支持することもできる。

Ｘ線高電圧装置１４は、変圧器（トランス）及び整流器等の電気回路を有し、Ｘ線管１１に印加する高電圧を発生する高電圧発生装置と、Ｘ線管１１が発生するＸ線に応じた出力電圧の制御を行うＸ線制御装置とを有する。高電圧発生装置は、変圧器方式であってもよいし、インバータ方式であってもよい。なお、Ｘ線高電圧装置１４は、回転フレーム１３に設けられてもよいし、図示しない固定フレームに設けられても構わない。

制御装置１５は、ＣＰＵ（Central Processing Unit）等を有する処理回路と、モータ及びアクチュエータ等の駆動機構とを有する。制御装置１５は、入力インターフェース４３からの入力信号を受けて、架台装置１０及び寝台装置３０の動作制御を行う。例えば、制御装置１５は、回転フレーム１３の回転や架台装置１０のチルト、寝台装置３０及び天板３３の動作等について制御を行う。一例を挙げると、制御装置１５は、架台装置１０をチルトさせる制御として、入力された傾斜角度（チルト角度）情報により、Ｘ軸方向に平行な軸を中心に回転フレーム１３を回転させる。なお、制御装置１５は架台装置１０に設けられてもよいし、コンソール装置４０に設けられてもよい。

ウェッジ１６は、Ｘ線管１１から照射されたＸ線量を調節するためのフィルタである。具体的には、ウェッジ１６は、Ｘ線管１１から被検体Ｐへ照射されるＸ線が、予め定められた分布になるように、Ｘ線管１１から照射されたＸ線を透過して減衰するフィルタである。例えば、ウェッジ１６は、ウェッジフィルタ（wedge filter）やボウタイフィルタ（bow-tie filter）であり、所定のターゲット角度や所定の厚みとなるようにアルミニウム等を加工したフィルタである。

コリメータ１７は、ウェッジ１６を透過したＸ線の照射範囲を絞り込むための鉛板等であり、複数の鉛板等の組み合わせによってスリットを形成する。なお、コリメータ１７は、Ｘ線絞りと呼ばれる場合もある。また、図４においては、Ｘ線管１１とコリメータ１７との間にウェッジ１６が配置される場合を示すが、Ｘ線管１１とウェッジ１６との間にコリメータ１７が配置される場合であってもよい。この場合、ウェッジ１６は、Ｘ線管１１から照射され、コリメータ１７により照射範囲が制限されたＸ線を透過して減衰させる。

ＤＡＳ１８は、Ｘ線検出器１２が有する各検出素子によって検出されるＸ線の信号を収集する。例えば、ＤＡＳ１８は、各検出素子から出力される電気信号に対して増幅処理を行う増幅器と、電気信号をデジタル信号に変換するＡ／Ｄ変換器とを有し、検出データを生成する。ＤＡＳ１８は、例えば、プロセッサにより実現される。

ＤＡＳ１８が生成したデータは、回転フレーム１３に設けられた発光ダイオード（Light Emitting Diode: ＬＥＤ）を有する送信機から、光通信によって、架台装置１０の非回転部分（例えば、固定フレーム等。図４での図示は省略している）に設けられた、フォトダイオードを有する受信機に送信され、コンソール装置４０へと転送される。ここで、非回転部分とは、例えば、回転フレーム１３を回転可能に支持する固定フレーム等である。なお、回転フレーム１３から架台装置１０の非回転部分へのデータの送信方法は、光通信に限らず、非接触型の如何なるデータ伝送方式を採用してもよいし、接触型のデータ伝送方式を採用しても構わない。

寝台装置３０は、撮影対象の被検体Ｐを載置、移動させる装置であり、基台３１と、寝台駆動装置３２と、天板３３と、支持フレーム３４とを有する。基台３１は、支持フレーム３４を鉛直方向に移動可能に支持する筐体である。寝台駆動装置３２は、被検体Ｐが載置された天板３３を、天板３３の長軸方向に移動する駆動機構であり、モータ及びアクチュエータ等を含む。支持フレーム３４の上面に設けられた天板３３は、被検体Ｐが載置される板である。なお、寝台駆動装置３２は、天板３３に加え、支持フレーム３４を天板３３の長軸方向に移動してもよい。

コンソール装置４０は、メモリ４１と、ディスプレイ４２と、入力インターフェース４３と、処理回路４４とを有する。なお、コンソール装置４０は架台装置１０とは別体として説明するが、架台装置１０にコンソール装置４０又はコンソール装置４０の各構成要素の一部が含まれてもよい。

メモリ４１は、例えば、ＲＡＭ（Random Access Memory）、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、光ディスク等により実現される。メモリ４１は、例えば、投影データやＣＴ画像データを記憶する。また、例えば、メモリ４１は、Ｘ線ＣＴ装置１に含まれる回路がその機能を実現するためのプログラムを記憶する。また、例えば、メモリ４１は、後に説明する学習処理に用いる学習済みモデルを記憶する。なお、メモリ４１は、Ｘ線ＣＴ装置１とネットワークを介して接続されたサーバ群（クラウド）により実現されることとしてもよい。なお、メモリ４１は、記憶部の一例である。

ディスプレイ４２は、各種の情報を表示する。例えば、ディスプレイ４２は、処理回路４４によって生成された各種の画像を表示したり、操作者から各種の操作を受け付けるためのＧＵＩ（Graphical User Interface）を表示したりする。例えば、ディスプレイ４２は、液晶ディスプレイやＣＲＴ（Cathode Ray Tube）ディスプレイである。ディスプレイ４２は、デスクトップ型でもよいし、コンソール装置４０本体と無線通信可能なタブレット端末等で構成されることにしても構わない。なお、ディスプレイ４２は、表示部の一例である。

入力インターフェース４３は、操作者から各種の入力操作を受け付けて、受け付けた入力操作を電気信号に変換して処理回路４４に出力する。例えば、入力インターフェース４３は、ＣＴ画像データを再構成する際の再構成条件や、ＣＴ画像データから後処理画像を生成する際の画像処理条件等の入力操作を操作者から受け付ける。

例えば、入力インターフェース４３は、マウスやキーボード、トラックボール、スイッチ、ボタン、ジョイスティック、操作面へ触れることで入力操作を行うタッチパッド、表示画面とタッチパッドとが一体化されたタッチスクリーン、光学センサを用いた非接触入力回路、音声入力回路等により実現される。なお、入力インターフェース４３は、架台装置１０に設けられてもよい。また、入力インターフェース４３は、コンソール装置４０本体と無線通信可能なタブレット端末等で構成されることにしても構わない。また、入力インターフェース４３は、マウスやキーボード等の物理的な操作部品を備えるものだけに限られない。例えば、コンソール装置４０とは別体に設けられた外部の入力機器から入力操作に対応する電気信号を受け取り、この電気信号を処理回路４４へ出力する電気信号の処理回路も入力インターフェース４３の例に含まれる。

処理回路４４は、Ｘ線ＣＴ装置１全体の動作を制御する。例えば、処理回路４４は、スキャン制御機能４４１、前処理機能４４２、画像再構成機能４４３、スキャン結果取得機能４４４、条件取得機能４４５、推定機能４４６及び表示制御機能４４７を実行する。なお、スキャン制御機能４４１は、スキャン部の一例である。スキャン結果取得機能４４４は、第１取得部の一例である。条件取得機能４４５は、第２取得部の一例である。推定機能４４６は、推定部の一例である。

図４に示すＸ線ＣＴ装置１においては、各処理機能がコンピュータによって実行可能なプログラムの形態でメモリ４１へ記憶されている。処理回路４４は、メモリ４１からプログラムを読み出して実行することで各プログラムに対応する機能を実現するプロセッサである。換言すると、各プログラムを読み出した状態の処理回路４４は、読み出したプログラムに対応する機能を有することとなる。

なお、図４においては、スキャン制御機能４４１、前処理機能４４２、画像再構成機能４４３、スキャン結果取得機能４４４、条件取得機能４４５、推定機能４４６及び表示制御機能４４７の各処理機能が単一の処理回路４４によって実現される場合を示したが、実施形態はこれに限られるものではない。例えば、処理回路４４は、複数の独立したプロセッサを組み合わせて構成され、各プロセッサが各プログラムを実行することにより各処理機能を実現するものとしても構わない。また、処理回路４４が有する各処理機能は、単一又は複数の処理回路に適宜に分散又は統合されて実現されてもよい。

以上、本実施形態に係るＸ線ＣＴ装置１の全体構成について説明した。かかる構成のもと、本実施形態に係るＸ線ＣＴ装置１は、ＴＩ法により計測された結果を有効に活用するために、以下の各処理を実行する。本実施形態に係るＸ線ＣＴ装置１では、処理回路４４は、ＴＩ法におけるスキャン時の注入において、造影剤が注入された被検体Ｐに対してＸ線を用いたスキャンを実行することで、ＴＩ法におけるスキャン時の造影剤の濃度変化を表す濃度変化情報を取得する。また、処理回路４４は、造影剤が被検体ＰのＲＯＩに到達するまでに通過する臓器の体積に関する情報を取得する。そして、処理回路４４は、取得した造影剤の注入量、濃度変化情報、及び、臓器の体積に関する情報を含む入力データに基づいて、被検体Ｐの本スキャン時における濃度変化情報又は注入量を推定する。

次に、第１の実施形態において、処理回路４４が実行するスキャン制御機能４４１、前処理機能４４２、画像再構成機能４４３、スキャン結果取得機能４４４、条件取得機能４４５、推定機能４４６及び表示制御機能４４７の各機能について説明する。

図５は、第１の実施形態に係る登録処理の一例を示すフローチャートである。例えば、第１の実施形態では、被検体Ｐの心臓のＣＴ撮影を行うことにより、ＴＩ法により計測された結果を有効に活用する。ＣＴ撮影は、ＴＩ法におけるスキャン時の注入のときと、本スキャン時の注入のときに、それぞれ行われる。

図５のステップＳ１０１は、処理回路４４がメモリ４１からスキャン制御機能４４１に対応するプログラムを呼び出して実行されるステップである。ステップＳ１０１において、スキャン制御機能４４１は、当該被検体Ｐに対してＸ線を利用したスキャンを実行する。例えば、スキャン制御機能４４１は、入力インターフェース４３を介して操作者から受け付けた入力操作に基づいて、スキャンを制御する。具体的には、スキャン制御機能４４１は、入力操作に基づいて、Ｘ線高電圧装置１４に制御信号を送信することで、高電圧発生装置からの出力電圧を制御する。また、スキャン制御機能４４１は、ＤＡＳ１８に制御信号を送信することで、ＤＡＳ１８によるデータ収集を制御する。

図５のステップＳ１０２は、処理回路４４がメモリ４１から前処理機能４４２に対応するプログラムを呼び出して実行されるステップである。ステップＳ１０２において、前処理機能４４２は、ＤＡＳ１８から送信されたＸ線検出データに対して、対数変換処理や、オフセット補正、感度補正、ビームハードニング補正等の補正処理を行なうことで、投影データを生成する。なお、前処理前のデータ（検出データ）および前処理後のデータを総称して投影データと称する場合もある。

図５のステップＳ１０３は、処理回路４４がメモリ４１から画像再構成機能４４３に対応するプログラムを呼び出して実行されるステップである。ステップＳ１０３において、画像再構成機能４４３は、前処理機能４４２により生成された投影データを種々の再構成法（例えば、ＦＢＰ（Filtered Back Projection）などの逆投影法や、逐次近似法など）によって再構成することでＣＴ画像データを生成し、生成したＣＴ画像データをメモリ４１に格納する。

図５のステップＳ１０４は、処理回路４４がメモリ４１からスキャン結果取得機能４４４及び表示制御機能４４７に対応するプログラムを呼び出して実行されるステップである。ステップＳ１０４において、スキャン結果取得機能４４４は、メモリ４１に格納されたＣＴ画像データを取得する。あるいは、スキャン結果取得機能４４４は、画像再構成機能４４３により生成されたＣＴ画像データを取得する。ここで、取得したＣＴ画像データにおいて、被検体ＰのＲＯＩが指定される。例えば、表示制御機能４４７は、スキャン結果取得機能４４４により取得されたＣＴ画像データをディスプレイ４２に表示させ、ディスプレイ４２上のＣＴ画像データにおいて、ＲＯＩが指定される。以下においては、図２に示す被検体Ｐの心臓の左心室を含む領域がＲＯＩに指定されるものとする。

スキャン結果取得機能４４４は、取得したＣＴ画像データのＲＯＩに関するＣＴ値を算出する。そして、スキャン結果取得機能４４４は、ＲＯＩに関するＣＴ値を時系列にプロットした時間濃度曲線（ＴＤＣ）を生成する。例えば、表示制御機能４４７は、スキャン結果取得機能４４４により生成されたＴＤＣをディスプレイ４２に表示させる。

図５のステップＳ１０５は、処理回路４４がメモリ４１から条件取得機能４４５に対応するプログラムを呼び出して実行されるステップである。ステップＳ１０５において、条件取得機能４４５は、ＴＩ法におけるスキャン時の注入において、造影剤が被検体ＰのＲＯＩに到達するまでに通過する臓器の体積に関する情報を取得する。また、条件取得機能４４５は、ＴＩ法における造影剤の注入量に関する情報を取得する。さらに、条件取得機能４４５は、本スキャン時の注入において予定する造影剤の注入量に関する情報を取得する。なお、ＴＩ法における造影剤の注入量は、第１の注入量の一例であり、本スキャン時の注入において予定する造影剤の注入量は、第２の注入量の一例である。

条件取得機能４４５は、例えば、入力インターフェース４３を通じて、操作者から入力された被検体Ｐの臓器の体積に関する情報や、造影剤の注入量に関する情報を取得する。また、条件取得機能４４５は、例えば、被験者の体重や年齢、性別等の情報に基づいて、被検体Ｐの臓器の体積を算出してもよい。

図５のステップＳ１０６は、処理回路４４がメモリ４１から推定機能４４６及び表示制御機能４４７に対応するプログラムを呼び出して実行されるステップである。ステップＳ１０６において、推定機能４４６は、ＴＩ法におけるスキャン時の注入において、スキャン結果取得機能４４４により取得された濃度変化情報（ピークＣＴ値ＰｋＴ、ピーク時間ｔＴ、面積ＡｒＴ）及び条件取得機能４４５により取得された、ＴＩ法におけるスキャン時における造影剤の注入量、本スキャン時の造影剤の注入量、及び、臓器の体積に関する情報を含む入力データに基づいて、被検体Ｐへの本スキャン時における造影剤の濃度変化情報を推定する。例えば、表示制御機能４４７は、推定機能４４６が推定した結果をディスプレイ４２に表示させる。

例えば、推定機能４４６は、過去に得られたＴＩ法におけるスキャン時の造影剤の注入量及び濃度変化情報、本スキャン時の造影剤の注入量及び濃度変化情報、及び、臓器の体積に関する情報を用いた学習により、スキャン結果取得機能４４４により取得されたＴＩ法におけるスキャン時の造影剤の注入量及び濃度変化情報、並びに本スキャン時の造影剤の注入量及び臓器の体積に関する情報を含む入力データから、本スキャン時の造影剤の濃度変化情報を推定する。当該学習としては、例えば、ニューラルネットワークを基にしたＡＩ（Artificial Intelligence）を用いた学習や、機械学習等が挙げられる。また、推定機能４４６は、過去に得られたＴＩ法におけるスキャン時の造影剤の注入量及び濃度変化情報、本スキャン時の造影剤の注入量及び濃度変化情報、及び、臓器の体積に関する情報を対応付けるテーブルを参照して、入力データから、本スキャン時の造影剤の濃度変化情報を推定してもよい。

次に、ＡＩを用いた学習により、被検体Ｐの本スキャン時の造影剤の濃度変化情報を推定する場合について説明する。被検体Ｐの本スキャン時の造影剤の濃度変化情報を推定する場合、ＡＩを用いた学習では、学習済みモデルを生成する処理と、学習済みモデルを利用する処理とが実行される。

第１の実施形態において、学習済みモデルは、図示しない装置（以下、「学習済みモデル生成装置」と表記する場合がある）で生成されて、Ｘ線ＣＴ装置１内に保管される（例えば、メモリ４１に記憶させる）。ここで、学習済みモデル生成装置は、院内の装置（例えば、図３の医用画像処理装置３）により実現してもよいし、外部の装置により実現してもよい。又は、学習済みモデルは、Ｘ線ＣＴ装置１（例えば、推定機能４４６）により生成されて、Ｘ線ＣＴ装置１内に保管されてもよい。以下、学習済みモデルが、学習済みモデル生成装置で生成されて、Ｘ線ＣＴ装置１内に保管される場合を例にして説明する。

図６は、第１の実施形態におけるＡＩを用いた学習の一例を説明するための図である。図６は、ＡＩを用いた深層学習（ディープラーニング）を想定したブロック図を示す。

学習済みモデルを生成する処理では、図６に示すように、まず、学習済みモデル生成装置は、過去に被検体に対してＸ線を利用したＴＩ法におけるスキャン及び本スキャンを実行したときに得られたデータセット５０１を入力する。データセット５０１は、過去に取得されたＴＩ法におけるスキャン時の造影剤の注入量及び濃度変化情報（ＣＴ値のＴＩ法におけるスキャン時のピークＣＴ値ＰｋＴ、ピーク時間ｔＴ、面積ＡｒＴ）、及び、本スキャン時の造影剤の注入量及び濃度変化情報（本スキャン時のピークＣＴ値ＰｋＡ、ピーク時間ｔＡ、面積ＡｒＡ）を含む。更に、データセット５０１は、例えば、過去に取得された造影剤が被検体のＲＯＩに到達するまでに通過する臓器の体積に関する情報、及び、被検体に関するその他の情報等を含む。被検体に関するその他の情報は、被検体の性別、体重、年齢、心機能指標等を含む。心機能指標としては、左室駆出分画（Ejection Fraction；ＥＦ）、１回拍出量（Stroke Volume；ＳＶ）、心拍出量（Cardiac Output；ＣＯ）等が挙げられる。なお、ＡＩ等のアルゴリズムは経験から学習していくものであるため、学習に用いられるデータセットは、同一の被検体でなくてもよい。

そして、学習済みモデル生成装置は、データセット５０１を学習用データセット５０２に加工する。学習用データセット５０２は、例えば、上で説明した通過時間ΔｔＴ、ＴＩ法における濃度変化情報に含まれるピークＣＴ値ＰｋＴと本スキャン時の濃度変化情報に含まれるピークＣＴ値ＰｋＡとの比率Ｒｐ（Ｒｐ＝ＰｋＴ／ＰｋＡ１）、ＴＩ法における濃度変化情報に含まれる面積ＡｒＴと本スキャン時の濃度変化情報に含まれる面積ＡｒＡとの比率Ｒａ（Ｒａ＝ＡｒＴ／ＡｒＡ）、臓器の体積に関する情報、及び、被検体に関するその他の情報等を含む。

学習済みモデル生成装置は、ＡＩのアルゴリズムとして学習用プログラム５０３を有する。学習済みモデル生成装置は、学習用プログラム５０３を用いて、学習用データセット５０２から、本スキャン時の造影剤の濃度変化情報のパターン等を学習して、後述の入力データ５０５の入力を受けて本スキャン時の造影剤の濃度変化情報を推定する後述の出力データ５０６を出力するように機能付けられた学習済みモデル５０４を生成する。例えば、生成した学習済みモデル５０４は、Ｘ線ＣＴ装置１内に保管される（メモリ４１に記憶される）。メモリ４１内の学習済みモデル５０４は、例えば、推定機能４４６により読み出し可能である。

図７は、第１の実施形態における学習済みモデルを利用した処理の一例を説明するための図である。学習済みモデルを利用する処理では、図７に示すように、推定機能４４６は、被検体Ｐに対してＸ線を利用したＴＩ法におけるスキャンを実行したときに得られた入力データ５０５を入力する。入力データ５０５は、スキャン結果取得機能４４４により取得された、ＴＩ法におけるスキャン時の造影剤の注入量及び濃度変化情報（ＣＴ値のＴＩ法におけるスキャン時のピークＣＴ値ＰｋＴ、ピーク時間ｔＴ、面積ＡｒＴ）を含む。更に、入力データ５０５は、例えば、条件取得機能４４５により取得された、本スキャン時の造影剤の注入量、臓器の体積に関する情報、及び、被検体に関するその他の情報等を含む。

そして、推定機能４４６は、メモリ４１から読み出した学習済みモデル５０４を用いて、入力データ５０５から、被検体Ｐの本スキャン時の造影剤の濃度変化情報を推定し、推定した結果を出力データ５０６として出力する。例えば、表示制御機能４４７は、出力データ５０６をディスプレイ４２に表示させる。

なお、学習済みモデル生成装置は、被検体の情報毎に、学習済みモデル５０４を生成し、推定機能４４６は、生成した学習済みモデル５０４を利用して、入力データ５０５から、被検体Ｐの本スキャン時の造影剤の濃度変化情報を推定してもよい。例えば、学習済みモデル生成装置は、被検体の性別毎に、男性用、女性用の学習済みモデル５０４を生成し、推定機能４４６は、生成した学習済みモデル５０４を利用して、入力データ５０５から、被検体Ｐの本スキャン時の造影剤の濃度変化情報を推定してもよい。また、例えば、学習済みモデル生成装置は、被検体の性別だけでなく、被検体の体重、年齢、心機能指標毎に、学習済みモデル５０４を生成し、推定機能４４６は、生成した学習済みモデル５０４を利用して、入力データ５０５から、被検体Ｐの本スキャン時の造影剤の濃度変化情報を推定してもよい。

また、学習済みモデル生成装置は、ＲＯＩ毎に、又は造影剤が被検体のＲＯＩに到達するまでに通過する臓器に関する情報毎に、学習済みモデル５０４を生成し、推定機能４４６は、生成した学習済みモデル５０４を利用して、入力データ５０５から、被検体Ｐの本スキャン時の造影剤の濃度変化情報を推定してもよい。例えば、学習済みモデル生成装置は、通過する臓器に関する情報毎に、心臓及び肺を通過する場合用、並びに、心臓のみを通過する場合用の学習済みモデル５０４を生成し、推定機能４４６は、生成した学習済みモデル５０４を利用して、入力データ５０５から、被検体Ｐの本スキャン時の造影剤の濃度変化情報を推定してもよい。

なお、本実施形態では、学習済みモデル生成装置は、ＴＤＣから取得されたＴＩ法における濃度変化情報及び本スキャン時の濃度変化情報を含む入力データ５０５を入力し、入力データ５０５を学習用データセット５０２に加工し、学習用プログラム５０３を用いて、学習用データセット５０２から、本スキャン時の造影剤の濃度変化情報のパターン等を学習して、学習済みモデル５０４を生成している。しかし、これに限定されない。例えば、学習済みモデル生成装置は、ＴＤＣの形状そのものを学習させてもよい。すなわち、学習済みモデル生成装置は、ＴＤＣを含むデータセット５０１を入力し、学習用プログラム５０３を用いて、入力データ５０５から、本スキャン時の造影剤の濃度変化情報のパターン等を学習して、学習済みモデル５０４を生成してもよい。

以上の説明により、第１の実施形態に係るＸ線ＣＴ装置１では、被検体Ｐの臓器の体積に関する情報を用いた推定により、ＴＩ法により計測された結果に基づいて、本スキャン時の造影剤の濃度変化情報をより的確に推定することができる。

上述したように、本スキャン時の造影剤の濃度変化情報は、ＴＩ法における造影剤の注入量との違いや、被検体に関するその他の情報に加えて、造影剤が被検体のＲＯＩに到達するまでに通過する臓器の体積によってもばらつきが生じるため、ＴＩ法におけるスキャン結果に基づいて予測することが難しい。

本スキャン時の造影剤の濃度変化情報のばらつきについて説明する。図８は、第１の実施形態におけるＴＤＣの別の一例を説明するための図である。図８において、ＴＤＣ２１０ａ、２１０ｂ及び２１０ｃは、それぞれ、図１に示すようなＴＩ時のＴＤＣが得られた被検体に対する、本スキャン時における注入開始時点ＩＴ２以降の造影剤の濃度変化情報を示す。図８は、例えば、造影剤が通過する臓器の体積がそれぞれ異なる被検体ａ、ｂ及びｃに対する本スキャン時の造影剤の濃度変化情報を示す。図８に示すように、例えば、各被検体の臓器の体積がそれぞれ異なる場合、ピークＣＴ値２１２ａ、２１２ｂ及び２１２ｃ、並びにピーク時間２１１ａ、２１１ｂ及び２１１ｃはそれぞれ異なる場合がある。このような場合において、第１の実施形態に係るＸ線ＣＴ装置１では、ＴＩ法におけるスキャン結果に加えて、被検体の臓器の体積に関する情報を用いて本スキャン時の造影剤の濃度変化情報を推定することで、より的確に本スキャン時の造影剤の濃度変化情報を推定する、すなわちＴＩ法により計測された結果を有効に活用することができる。

（第２の実施形態）
上述した第１の実施形態では、本スキャン時の注入量に基づいて、ＴＩ法におけるスキャン結果から本スキャン時の濃度変化情報を推定する場合について説明した。第２の実施形態では、本スキャン時に期待される濃度変化情報に基づいて、ＴＩ法におけるスキャン結果から本スキャン時の注入量を推定する場合について説明する。第２の実施形態に係るＸ線ＣＴ装置１は、図４に示したＸ線ＣＴ装置１と同様の構成を有し、条件取得機能４４５及び推定機能４４６による処理の一部が相違する。以下、第１の実施形態において説明した構成と同様の構成を有する点については、図４と同一の符号を付し、説明を省略する。なお、以下においても、第１の実施形態と同様に、図２に示す被検体Ｐの心臓の左心室を含む領域がＲＯＩに指定されるものとする。

図５のステップＳ１０５において、条件取得機能４４５は、ＴＩ法におけるスキャン時の注入における造影剤の注入量に関する情報、及び、造影剤が被検体ＰのＲＯＩに到達するまでに通過する臓器の体積に関する情報を取得する。また、条件取得機能４４５は、本スキャン時において目標とする造影剤の濃度変化情報に関する情報を取得する。例えば、条件取得機能４４５は、本スキャン時において目標とする造影剤の濃度の最高値に関する情報、又は、目標とする濃度の最高値に到達するまでの時間に関する情報を取得する。

図５のステップＳ１０６において、推定機能４４６は、ＴＩ法におけるスキャン時の注入において、スキャン結果取得機能４４４により取得された濃度変化情報（ピークＣＴ値ＰｋＴ、ピーク時間ｔＴ、面積ＡｒＴ）及び条件取得機能４４５により取得された、ＴＩ法における造影剤の注入量、本スキャン時において目標とする造影剤の濃度変化情報、及び、臓器の体積に関する情報を含む入力データに基づいて、被検体Ｐへの本スキャン時において、目標とする造影剤の濃度変化情報を得るために必要な造影剤の注入量を推定する。例えば、表示制御機能４４７は、推定機能４４６が推定した結果をディスプレイ４２に表示させる。

次に、第２の実施形態において、ＡＩを用いた学習により、本スキャン時の造影剤の注入量を推定する場合について説明する。本実施形態においても、ＡＩを用いた学習では、学習済みモデルを生成する処理と、学習済みモデルを利用する処理とが実行される。

第２の実施形態においても、学習済みモデルは、図示しない学習済みモデル生成装置で生成されてもよい。又は、学習済みモデルは、Ｘ線ＣＴ装置１（例えば、推定機能４４６）により生成されて、Ｘ線ＣＴ装置１内に保管されてもよい。以下、第１の実施形態と同様に、学習済みモデルが、学習済みモデル生成装置で生成されて、Ｘ線ＣＴ装置１内に保管される場合を例にして説明する。

図９は、第２の実施形態におけるＡＩを用いた学習の一例を説明するための図である。図９は、図６と同様に、ＡＩを用いた深層学習を想定したブロック図を示す。

第２の実施形態における学習済みモデルを生成する処理では、図９に示すように、第１の実施形態における学習済みモデルを生成する処理と同様のデータセット５０１を入力する。学習済みモデル生成装置は、データセット５０１を学習用データセット５１２に加工する。学習用データセット５１２は、例えば、第１の実施形態における学習用データセット５０２と同様の情報であってもよい。

第２の実施形態における学習済みモデル生成装置は、ＡＩのアルゴリズムとして、学習用プログラム５１３を有する。学習済みモデル生成装置は、学習用プログラム５１３を用いて、学習用データセット５０２から、本スキャン時の造影剤の濃度変化情報と造影剤の注入量との関係等を学習して、後述の入力データ５１５の入力を受けて本スキャン時の造影剤の注入量を推定する後述の出力データ５１６を出力するように機能付けられた学習済みモデル５１４を生成する。なお、第２の実施形態においても、学習済みモデル生成装置は、被検体の情報毎に、又はＲＯＩ毎に、学習済みモデル５１４を生成し、推定機能４４６は、生成した学習済みモデル５１４を利用して、入力データ５１５から、被検体Ｐの本スキャン時に必要な造影剤の注入量を推定してもよい。

図１０は、第２の実施形態における学習済みモデルを利用した処理の一例を示す図である。学習済みモデルを利用する処理では、図１０に示すように、推定機能４４６は、被検体Ｐに対してＸ線を利用したＴＩ法におけるスキャンを実行したときに得られた入力データ５１５を入力する。第２の実施形態において、入力データ５１５は、スキャン結果取得機能４４４により取得された、ＴＩ法におけるスキャン時の造影剤の注入量及び濃度変化情報（ＴＩ法におけるスキャン時のピークＣＴ値ＰｋＴ、ピーク時間ｔＴ、面積ＡｒＴ）を含む。更に、入力データ５１５は、例えば、条件取得機能４４５により取得された、本スキャン時に期待される造影剤の濃度変化情報、臓器の体積に関する情報、及び、被検体に関するその他の情報等を含む。

そして、推定機能４４６は、メモリ４１から読み出した学習済みモデル５１４を用いて、入力データ５１５から、被検体Ｐの本スキャン時に必要な造影剤の注入量を推定し、推定した結果を出力データ５１６として出力する。例えば、表示制御機能４４７は、出力データ５１６をディスプレイ４２に表示させる。

なお、本実施形態においても、学習済みモデル生成装置は、ＴＤＣの形状そのものを学習させてもよい。すなわち、学習済みモデル生成装置は、過去に得られた、本スキャン時におけるＴＤＣを含むデータセット５０１を入力し、学習用プログラム５１３を用いて、データセット５０１から、本スキャン時の造影剤の濃度変化情報と造影剤の注入量との関係等を学習して、学習済みモデル５１４を生成してもよい。

以上説明したように、第２の実施形態に係るＸ線ＣＴ装置１は、ＴＩ法により計測された結果に基づいて、本スキャン時の造影剤の注入量をより的確に推定することができる。

なお、本実施形態において取得する本スキャン時の造影剤の濃度変化情報は、例えばピークＣＴ値ＰｋＡや、ＲＯＩを流れる造影剤の量に相当する面積ＡｒＡであるが、これに限られない。例えば、第２の実施形態に係る条件取得機能４４５は、本スキャン時に目標とするＣＴ値（以下において「目標ＣＴ値」と表記する場合がある）等の目標とする濃度変化情報を取得してもよい。なお、目標ＣＴ値は、濃度の目標値の一例である。

また、本実施形態における推定機能４４６は、例えば目標ＣＴ値に到達するために必要な造影剤の注入量を推定するが、これに限られない。例えば、推定機能４４６は、注入開始時点ＩＴ２から目標ＣＴ値に到達するまでの時間や、目標ＣＴ値に到達するための注入時間や、注入する造影剤の濃度等を推定してもよい。

（第３の実施形態）
上述した第２の実施形態では、ＴＩ法におけるスキャン結果から本スキャン時の注入量を推定する際に、単一の学習済みモデルを用いる場合について説明した。第３の実施形態では、本スキャン時の造影剤の注入量ごとに生成された学習済みモデルを用いて、造影剤の注入量ごとに本スキャン時の濃度変化情報を推定する場合について説明する。第３の実施形態に係るＸ線ＣＴ装置１も、図４に示したＸ線ＣＴ装置１と同様の構成を有し、条件取得機能４４５及び推定機能４４６による処理の一部が相違する。以下、第１の実施形態において説明した構成と同様の構成を有する点については、図４と同一の符号を付し、説明を省略する。なお、以下においても、第１の実施形態と同様に、図２に示す被検体Ｐの心臓の左心室を含む領域がＲＯＩに指定されるものとする。

図５のステップＳ１０５において、条件取得機能４４５は、ＴＩ法におけるスキャン時の注入における造影剤の注入量、及び、造影剤が被検体ＰのＲＯＩに到達するまでに通過する臓器の体積に関する情報を取得する。なお、条件取得機能４４５は、本スキャン時において期待される造影剤の濃度変化情報に関する情報を取得してもよい。

図５のステップＳ１０６において、推定機能４４６は、ＴＩ法におけるスキャン時の注入において、スキャン結果取得機能４４４により取得された濃度変化情報（ピークＣＴ値ＰｋＴ、ピーク時間ｔＴ、面積ＡｒＴ）及び条件取得機能４４５により取得された、ＴＩ法における造影剤の注入量、及び、臓器の体積に関する情報を含む入力データに基づいて、本スキャン時の造影剤の注入量ごとに、本スキャン時の造影剤の濃度変化情報を推定する。例えば、表示制御機能４４７は、推定機能４４６が推定した結果をディスプレイ４２に表示させる。なお、図５のステップＳ１０５において、条件取得機能４４５が、本スキャン時において期待される造影剤の濃度変化情報に関する情報を取得した場合、推定機能４４６は、本スキャン時の造影剤の注入量ごとに推定された濃度変化情報と、期待される造影剤の濃度変化情報に関する情報との合致度を算出してもよい。

次に、第３の実施形態において、ＡＩを用いた学習により、本スキャン時の造影剤の注入量を推定する場合について説明する。本実施形態においても、ＡＩを用いた学習では、学習済みモデルを生成する処理と、学習済みモデルを利用する処理とが実行される。以下、第１の実施形態と同様に、学習済みモデルが、学習済みモデル生成装置で生成されて、Ｘ線ＣＴ装置１内に保管される場合を例にして説明する。

図１１は、第３の実施形態におけるＡＩを用いた学習の一例を説明するための図である。図１１は、図６と同様に、ＡＩを用いた深層学習を想定したブロック図を示す。

第３の実施形態における学習済みモデルを生成する処理では、図１１に示すように、まず、学習済みモデル生成装置は、過去に被検体に対してＸ線を利用したＴＩ法におけるスキャン及び本スキャンを実行したときに得られたデータセット６０１及び６１１を入力する。データセット６０１及び６１１は、過去に取得されたＴＩ法におけるスキャン時の造影剤の注入量及び濃度変化情報（ＣＴ値のＴＩ法におけるスキャン時のピークＣＴ値ＰｋＴ、ピーク時間ｔＴ、面積ＡｒＴ）、及び、本スキャン時の濃度変化情報（本スキャン時のピークＣＴ値ＰｋＡ、ピーク時間ｔＡ、面積ＡｒＡ）が、本スキャン時の造影剤の注入量ごとに分類されたデータを含む。例えば、図１１の（ａ）に示すデータセット６０１は、本スキャン時の造影剤の注入量が「１０ｍｌ」である、過去に被検体に対してＸ線を利用したＴＩ法におけるスキャン及び本スキャンを実行したときに得られたデータを含む。また、例えば、図１１の（ｂ）に示すデータセット６１１は、本スキャン時の造影剤の注入量が「１２ｍｌ」である、過去に被検体に対してＸ線を利用したＴＩ法におけるスキャン及び本スキャンを実行したときに得られたデータを含む。また、データセット６０１及び６１１は、第１の実施形態におけるデータセット５０１と同様に、例えば、過去に取得された造影剤が被検体のＲＯＩに到達するまでに通過する臓器の体積に関する情報、及び、被検体に関するその他の情報等を含む。

そして、学習済みモデル生成装置は、データセット６０１を学習用データセット６０２に加工し、データセット６１１を学習用データセット６１２に加工する。学習用データセット６０２及び６１２に含まれる情報は、例えば学習用データセット５０２に含まれる情報と同様であってもよい。

学習済みモデル生成装置は、ＡＩのアルゴリズムとして複数の学習用プログラム６０３及び６１３を有する。学習済みモデル生成装置は、学習用プログラム６０３を用いて、学習用データセット６０２から、本スキャン時の造影剤の濃度変化情報のパターン等を学習して、後述の入力データ６０５の入力を受けて本スキャン時の造影剤の濃度変化情報を推定する後述の出力データ６０６を出力するように機能付けられた学習済みモデル６０４を生成する。同様に、学習済みモデル生成装置は、学習用プログラム６１３を用いて、学習用データセット６１２から、本スキャン時の造影剤の濃度変化情報のパターン等を学習して、後述の入力データ６１５の入力を受けて本スキャン時の造影剤の濃度変化情報を推定する後述の出力データ６１６を出力するように機能付けられた学習済みモデル６１４を生成する。例えば、生成した複数の学習済みモデル６０４及び６１４は、Ｘ線ＣＴ装置１内に保管される（メモリ４１に記憶される）。メモリ４１内の複数の学習済みモデル６０４及び６１４は、例えば、推定機能４４６により読み出し可能である。なお、学習用プログラム６０３及び６１３は、同一の学習用プログラムであってもよい。

なお、図１１では、本スキャン時の造影剤の注入量が「１０ｍｌ」と「１２ｍｌ」の２つの学習済みモデルを生成する場合について説明したが、後述する学習済みモデル６２４を含む、３以上の学習済みモデルを生成してもよい。また、本スキャン時の造影剤の注入量は、例えば「９ｍｌ以上１１ｍｌ未満」のように、特定の範囲を含むデータであってもよい。なお、第３の実施形態においても、学習済みモデル生成装置は、被検体の情報毎に、又はＲＯＩ毎に、複数の学習済みモデル６０４及び６１４を生成し、推定機能４４６は、生成した複数の学習済みモデル６０４及び６１４を利用して、入力データ６０５から、被検体Ｐの本スキャン時に必要な造影剤の注入量を推定してもよい。

図１２は、第３の実施形態における学習済みモデルを利用した処理の一例を示す図である。学習済みモデルを利用する処理では、図１２に示すように、推定機能４４６は、被検体Ｐに対してＸ線を利用したＴＩ法におけるスキャンを実行したときに得られた入力データ６０５を入力する。第３の実施形態において、入力データ６０５は、スキャン結果取得機能４４４により取得された、ＴＩ法におけるスキャン時の造影剤の注入量及び濃度変化情報（ＴＩ法におけるスキャン時のピークＣＴ値ＰｋＴ、ピーク時間ｔＴ、面積ＡｒＴ）を含む。更に、入力データ５１５は、例えば、条件取得機能４４５により取得された、臓器の体積に関する情報、及び、被検体に関するその他の情報等を含む。

そして、推定機能４４６は、メモリ４１から読み出した複数の学習済みモデル６０４、６１４及び６２４を用いて、入力データ６０５から、各学習済みモデルに対応する注入量ごとに、ピークＣＴ値等の濃度変化情報を推定し、推定した結果を出力データ６０６、６１６及び６２６として出力する。例えば、表示制御機能４４７は、学習済みモデル６０４による出力データ６０６として、造影剤の注入量「１０ｍｌ」及びピークＣＴ値「２８０ＨＵ」、学習済みモデル６１４による出力データ６１６として、造影剤の注入量「１２ｍｌ」及びピークＣＴ値「３１０ＨＵ」、及び学習済みモデル６２４による出力データ６２６として、造影剤の注入量「１４ｍｌ」及びピークＣＴ値「３２０ＨＵ」を含む画面をディスプレイ４２に表示させる。これにより、操作者は最適なピークＣＴ値に対応する造影剤の注入量を選択することができる。

なお、例えば、条件取得機能４４５が、目標ＣＴ値を取得した場合、推定機能４４６は、目標ＣＴ値を満たす出力データを特定してもよい。例えば、目標ＣＴ値が「３００ＨＵ」である場合、推定機能４４６は、目標ＣＴ値を上回る出力データとして、出力データ６１６及び６２６を特定する。そして、推定機能４４６は、各出力データのうち、対応する造影剤の注入量が最も少ない出力データ６１６を、目標ＣＴ値を満たす出力データを特定してもよい。この場合、例えば、表示制御機能４４７は、学習済みモデル６１４による出力データ６１６に含まれるピークＣＴ値「３１０ＨＵ」、及び、当該学習済みモデル６１４に対応する造影剤の注入量「１２ｍｌ」を含む画面をディスプレイ４２に表示させる。

なお、本実施形態においても、学習済みモデル生成装置は、ＴＤＣの形状そのものを学習させてもよい。すなわち、学習済みモデル生成装置は、過去に得られた、本スキャン時におけるＴＤＣを含むデータセット６０１及び６１１を入力し、学習用プログラム６０３及び６１３を用いて、データセット６０１及び６１１から学習済みモデル６０４及び６１４を生成してもよい。この場合において、例えば、条件取得機能４４５が、本スキャン時の造影剤がＲＯＩに流れてきたときの造影剤の量に相当する面積ＡｒＡについて期待される形状を取得した場合、推定機能４４６は、出力データ６０６、６１６及び６２６に含まれる面積ＡｒＡの形状と、期待される形状との合致度を算出してもよい。

以上説明したように、第３の実施形態に係るＸ線ＣＴ装置１は、ＴＩ法により計測された結果に基づいて、本スキャン時において最適な造影剤の注入量を特定することができる。

（第４の実施形態）
これまで第１乃至第３の各実施形態について説明したが、上述した各実施形態以外にも、種々の異なる形態にて実施されてよいものである。

上述した実施形態では、モダリティ装置としてＸ線ＣＴ装置１を例にして説明したが、ＣＴ撮影だけでなく、造影剤を用いて撮影するＭＲＩ装置等のモダリティ装置にも適用することができる。

また、上述した実施形態では、Ｘ線ＣＴ装置１が各種処理を実行する場合について説明した。しかしながら、実施形態はこれに限定されるものではなく、例えば、医用画像処理装置３において各種処理が実行される場合であってもよい。図１３は、第４の実施形態に係る医用画像処理装置の構成の一例を示す図である。

例えば、図１３に示すように、医用画像処理装置３は、入力インターフェース３１０と、ディスプレイ３２０と、記憶回路３３０と、処理回路３４０とを有する。

入力インターフェース３１０は、種々の設定などを行うためのトラックボール、スイッチボタン、マウス、キーボード、操作面へ触れることで入力操作を行うタッチパッド、表示画面とタッチパッドとが一体化されたタッチスクリーン、光学センサを用いた非接触入力回路、及び音声入力回路等によって実現される。

入力インターフェース３１０は、処理回路３４０に接続されており、操作者から受け付けた入力操作を電気信号に変換して処理回路３４０に出力する。なお、本明細書において入力インターフェース３１０は、マウス、キーボードなどの物理的な操作部品を備えるものだけに限られない。例えば、装置とは別体に設けられた外部の入力機器から入力操作に対応する電気信号を受け取り、この電気信号を処理回路３４０へ出力する処理回路も入力インターフェースの例に含まれる。

ディスプレイ３２０は、処理回路３４０に接続され、処理回路３４０から出力される各種情報及び各種画像データを表示する。例えば、ディスプレイ３２０は、液晶モニタやＣＲＴ（Cathode Ray Tube）モニタ、タッチパネル等によって実現される。例えば、ディスプレイ３２０は、操作者の指示を受け付けるためのＧＵＩ（Graphical User Interface）や、種々の表示画像、処理回路３５０による種々の処理結果（例えば、散布図や、解析画像など）を表示する。

記憶回路３３０は、処理回路３４０に接続され、各種データを記憶する。例えば、記憶回路３３０は、ＲＡＭ（Random Access Memory）、フラッシュメモリ等の半導体メモリ素子や、ハードディスク、光ディスク等によって実現される。例えば、記憶回路３３０は、Ｘ線ＣＴ装置１又は画像保管装置２から受信したＣＴ画像データなどを記憶する。また、記憶回路３３０は、処理回路３４０によって実行される各処理機能に対応するプログラムを記憶する。

処理回路３４０は、入力インターフェース３１０を介して操作者から受け付けた入力操作に応じて、医用画像処理装置３が有する各構成要素を制御する。例えば、処理回路３４０は、プロセッサによって実現される。本実施形態では、処理回路３４０は、入力インターフェース３１０から出力されるＣＴ画像データを記憶回路３３０に記憶させる。また、処理回路３４０は、記憶回路３３０からＣＴ画像データを読み出し、ディスプレイ３２０に表示する。

そして、処理回路３５０は、図１３に示すように、制御機能３４１、画像再構成機能３４３、スキャン結果取得機能３４４、推定機能３４６及び表示制御機能３４７を実行する。制御機能３４１は、医用画像処理装置３００の全体を制御する。なお、画像再構成機能３４３は、上述した画像再構成機能４４３と同様の処理を実行する。スキャン結果取得機能３４４は、上述したスキャン結果取得機能４４４と同様の処理を実行する。条件取得機能３４５は、上述した条件取得機能４４５と同様の処理を実行する。推定機能３４６は、上述した推定機能４４６と同様の処理を実行する。表示制御機能３４７は、上述した表示制御機能４４７と同様の処理を実行する。

上述した実施形態では、Ｘ線ＣＴ装置１及び医用画像処理装置３による独立した処理について説明した。しかしながら、実施形態はこれに限定されるものではなく、Ｘ線ＣＴ装置１と医用画像処理装置３とが協働する医用画像処理システムとして機能する場合であってもよい。かかる場合には、Ｘ線ＣＴ装置１によって収集されたＣＴ画像データが、医用画像処理装置３に転送され、医用画像処理装置３において、種々の処理が実行される。

上記説明において用いた「プロセッサ」という文言は、例えば、ＣＰＵ、ＧＰＵ（Graphics Processing Unit）、あるいは、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（例えば、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）、及びフィールドプログラマブルゲートアレイ（Field Programmable Gate Array：ＦＰＧＡ））等の回路を意味する。プロセッサは、メモリ４１又は記憶回路３３０に保存されたプログラムを読み出し実行することで機能を実現する。

なお、図４においては、単一のメモリ４１が各処理機能に対応するプログラムを記憶するものとして説明した。また、図１３においては、単一の記憶回路３３０が各処理機能に対応するプログラムを記憶するものとして説明した。しかしながら、実施形態はこれに限定されるものではない。例えば、複数のメモリ４１を分散して配置するとともに、処理回路４４が個別のメモリ４１から対応するプログラムを読み出す構成としても構わない。また、例えば、複数の記憶回路３３０を分散して配置するとともに、処理回路３４０が個別の記憶回路３３０から対応するプログラムを読み出す構成としても構わない。また、メモリ４１又は記憶回路３３０にプログラムを保存する代わりに、プロセッサの回路内にプログラムを直接組み込むよう構成しても構わない。この場合、プロセッサは回路内に組み込まれたプログラムを読み出し実行することで機能を実現する。

また、処理回路４４及び処理回路３４０は、ネットワークを介して接続された外部装置のプロセッサを利用して、機能を実現することとしてもよい。例えば、処理回路４４は、メモリ４１から各機能に対応するプログラムを読み出して実行するとともに、Ｘ線ＣＴ装置１とネットワークＮＷを介して接続された外部のワークステーションやクラウドを計算資源として利用することにより、図４に示す各機能を実現する。また、例えば、処理回路３４０は、記憶回路３３０から各機能に対応するプログラムを読み出して実行するとともに、医用画像処理装置３とネットワークＮＷを介して接続された外部のワークステーションやクラウドを計算資源として利用することにより、図１３に示す各機能を実現する。

上述した実施形態に係る各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。即ち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部又は一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的又は物理的に分散・統合して構成することができる。更に、各装置にて行われる各処理機能は、その全部又は任意の一部が、ＣＰＵ及び当該ＣＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現されうる。

また、上述した実施形態で説明した制御方法は、予め用意された制御プログラムをパーソナルコンピュータやワークステーション等のコンピュータで実行することによって実現することができる。この制御プログラムは、インターネット等のネットワークを介して配布することができる。また、この制御プログラムは、ハードディスク、フレキシブルディスク（ＦＤ）、ＣＤ－ＲＯＭ、ＭＯ、ＤＶＤ等のコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行することもできる。

以上説明した少なくとも１つの実施形態によれば、ＴＩ法により計測された結果を有効に活用することができる。

また、ＴＩ法における造影剤の濃度変化情報に基づいて、本スキャン時の造影剤の濃度変化情報を推定する構成について説明したが、実施の形態はこれに限られない。例えば、ＴＩ法におけるＣＴ値がＲＯＩにおける造影剤の濃度に相当することに着目して、推定機能４４６は、ＴＩ法における濃度変化情報に基づいて、造影剤以外の検査薬や治療薬等の薬剤の濃度を推定してもよい。また、例えば、ＴＩ法におけるＴＤＣのグラフが示す面積ＡｒＴ及び本スキャン時のＴＤＣのグラフが示す面積ＡｒＡが、ＲＯＩにおける造影剤の量に相当することに着目して、推定機能４４６は、ＴＩ法における濃度変化情報に基づいて、造影剤以外の検査薬や治療薬等の薬剤の量を推定してもよい。これにより、抗がん剤やがんマーカといったその他の薬剤の投与量の推定など、造影剤の濃度変化情報や注入量の推定以外の用途にも、ＴＩ法により計測された結果を有効に活用することができる。

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。

１ Ｘ線ＣＴ装置
３ 医用画像処理装置
３４１ 制御機能
３４３ 画像再構成機能
３４４ スキャン結果取得機能
３４５ 条件取得機能
３４６ 推定機能
３４７ 表示制御機能
４４１ スキャン制御機能
４４２ 前処理機能
４４３ 画像再構成機能
４４４ スキャン結果取得機能
４４５ 条件取得機能
４４６ 推定機能
４４７ 表示制御機能

Claims (15)

1. 第１の注入を受けた被検体に対して放射線を用いたスキャンを実行することで、前記第１の注入における薬剤の前記被検体の関心領域における濃度変化を表す第１の濃度変化情報を取得する第１取得部と、
   前記被検体の静脈から注入された前記薬剤が前記関心領域に到達するまでに通過する心臓の体積に関する情報を取得する第２取得部と、
   前記第１の注入における前記薬剤の第１の注入量、前記第１の濃度変化情報、及び、前記体積に関する情報を含む入力データに基づいて、前記被検体に対する第２の注入において注入される薬剤の前記関心領域における濃度変化を表す第２の濃度変化情報、及び、前記第２の注入における薬剤の第２の注入量のうち、少なくともいずれかを推定する推定部と
   を備える医用画像処理装置。
2. 第１の注入を受けた被検体に対して放射線を用いたスキャンを実行することで、前記第１の注入における薬剤の前記被検体の関心領域における濃度変化を表す第１の濃度変化情報を取得する第１取得部と、
   前記薬剤が前記関心領域に到達するまでに通過する臓器の体積に関する情報を取得する第２取得部と、
   前記第１の注入における前記薬剤の第１の注入量、前記第１の濃度変化情報、及び、前記体積に関する情報を含む入力データに基づいて、前記被検体に対する第２の注入において注入される薬剤の前記関心領域における濃度変化を表す第２の濃度変化情報、及び、前記第２の注入における薬剤の第２の注入量のうち、少なくともいずれかを推定する推定部と
   を備え、
   前記第２取得部は、前記第２の注入において目標とする第２の濃度変化情報をさらに取得し、
   前記推定部は、前記第１の注入量、前記第１の濃度変化情報、前記体積に関する情報、及び、前記目標とする第２の濃度変化情報を含む入力データに基づいて、前記第２の注入量を推定する、医用画像処理装置。
3. 第１の注入を受けた被検体に対して放射線を用いたスキャンを実行することで、前記第１の注入における薬剤の前記被検体の関心領域における濃度変化を表す第１の濃度変化情報を取得する第１取得部と、
   前記薬剤が前記関心領域に到達するまでに通過する臓器の体積に関する情報を取得する第２取得部と、
   前記第１の注入における前記薬剤の第１の注入量、前記第１の濃度変化情報、及び、前記体積に関する情報を含む入力データに基づいて、前記被検体に対する第２の注入において注入される薬剤の前記関心領域における濃度変化を表す第２の濃度変化情報、及び、前記第２の注入における薬剤の第２の注入量のうち、少なくともいずれかを推定する推定部と
   を備え、
   過去に得られた前記第１の注入量、前記第１の濃度変化情報、前記第２の注入量、前記第２の濃度変化情報、及び、前記体積に関する情報を用いた学習により、前記入力データから前記第２の濃度変化情報を推定する、入力される前記第２の注入量ごとに異なる複数の学習済みモデルを記憶する記憶部をさらに有し、
   前記推定部は、前記第２の濃度変化情報として、前記複数の学習済みモデルにより推定された複数の前記第２の濃度変化情報を推定する、医用画像処理装置。
4. 前記第１の注入における薬剤として、造影剤が注入され、
   前記第２の注入における薬剤として、前記造影剤又はその他の薬剤が注入される、請求項１乃至３のいずれか１つに記載の医用画像処理装置。
5. 前記第２取得部は、前記第２の注入において予定される薬剤の第２の注入量に関する情報をさらに取得し、
   前記推定部は、前記第１の注入量、前記第１の濃度変化情報、前記体積に関する情報、及び、前記第２の注入量に関する情報を含む入力データに基づいて、前記第２の濃度変化情報を推定する、請求項１乃至４のいずれか１つに記載の医用画像処理装置。
6. 前記第１取得部は、前記第１の濃度変化情報として、前記第１の注入において計測された前記薬剤の濃度の最高値に関する情報、及び、前記濃度の最高値を計測した時点に関する情報のうち、少なくともいずれかを取得し、
   前記推定部は、前記第２の濃度変化情報として、前記第２の注入において予想される薬剤の濃度の最高値に関する情報、及び、予想される前記濃度の最高値に到達する時点に関する情報のうち、少なくともいずれかを推定する、請求項５に記載の医用画像処理装置。
7. 過去に得られた前記第１の注入量、前記第１の濃度変化情報、前記第２の濃度変化情報、前記第２の注入量、及び、前記体積に関する情報を少なくとも用いた学習により生成された、前記入力データから前記第２の濃度変化情報を推定する学習済みモデルを部位ごとに記憶する記憶部をさらに有し、
   前記推定部は、記憶された前記学習済みモデルのうち、前記関心領域を含む部位に対応する学習済みモデルを用いて、前記第２の濃度変化情報を推定する、請求項５又は６に記載の医用画像処理装置。
8. 前記第１取得部は、前記第１の濃度変化情報として、前記第１の注入において計測された前記薬剤の濃度の最高値に関する情報、及び、前記濃度の最高値を計測した時点に関する情報のうち、少なくともいずれかを取得し、
   前記第２取得部は、前記目標とする第２の濃度変化情報として、前記第２の注入において目標とする前記薬剤の濃度の最高値に関する情報、及び、目標とする前記濃度の最高値に到達する時点に関する情報のうち、少なくともいずれかを取得する、請求項２に記載の医用画像処理装置。
9. 過去に得られた前記第１の注入量、前記第１の濃度変化情報、前記第２の濃度変化情報、前記第２の注入量、及び、前記体積に関する情報を少なくとも用いた学習により生成された、前記入力データから前記第２の濃度変化情報を推定する推定する学習済みモデルを部位ごとに記憶する記憶部をさらに有し、
   前記推定部は、記憶された前記学習済みモデルのうち、前記関心領域を含む部位に対応する学習済みモデルを用いて、前記第２の注入量を推定する、請求項２又は８に記載の医用画像処理装置。
10. 前記第２取得部は、前記第２の注入において目標とする前記第２の濃度変化情報をさらに取得し、
    前記推定部は、前記複数の学習済みモデルのうち、目標とする前記第２の濃度変化情報に最も合致する学習済みモデルを特定し、当該学習済みモデルに対応する前記第２の注入量を、前記第２の注入量として推定する、請求項３に記載の医用画像処理装置。
11. 前記記憶部は、前記複数の学習済みモデルを部位ごとに記憶し、
    前記推定部は、記憶された前記複数の学習済みモデルのうち、前記関心領域を含む部位に対応する学習済みモデルを用いて、複数の前記第２の濃度変化情報を推定する、請求項３又は１０に記載の医用画像処理装置。
12. 前記第２取得部は、前記被検体の静脈から注入された前記薬剤が前記関心領域に到達するまでに通過する心臓に関する情報、前記体積に関する情報、予定する前記第２の注入量に関する情報、及び、前記第２の注入における目標とする前記第２の濃度変化情報のうち、少なくともいずれかの入力を受け付けて取得する、請求項１に記載の医用画像処理装置。
13. 前記第２取得部は、前記薬剤が前記関心領域に到達するまでに通過する臓器に関する情報、前記体積に関する情報、予定する前記第２の注入量に関する情報、及び、前記第２の注入における目標とする前記第２の濃度変化情報のうち、少なくともいずれかの入力を受け付けて取得する、請求項２又は３に記載の医用画像処理装置。
14. 第１の注入を受けた被検体に対して放射線を用いたスキャンを実行するスキャン部と、
    前記スキャンを実行することで、前記第１の注入における薬剤の前記被検体の関心領域における濃度変化を表す第１の濃度変化情報を取得する第１取得部と、
    前記被検体の静脈から注入された前記薬剤が前記関心領域に到達するまでに通過する心臓の体積に関する情報を取得する第２取得部と、
    前記第１の注入における前記薬剤の第１の注入量、前記第１の濃度変化情報、及び、前記体積に関する情報を含む入力データに基づいて、前記被検体に対する第２の注入において注入される薬剤の前記関心領域における濃度変化を表す第２の濃度変化情報、及び、前記第２の注入における薬剤の第２の注入量のうち、少なくともいずれかを推定する推定部と
    を備える医用画像診断装置。
15. 医用画像診断装置のスキャン部が、第１の注入を受けた被検体に対して放射線を用いたスキャンを実行し、
    前記医用画像診断装置または医用画像処理装置が、
    前記第１の注入における薬剤の前記被検体の関心領域における濃度変化を表す第１の濃度変化情報を取得し、
    前記被検体の静脈から注入された前記薬剤が前記関心領域に到達するまでに通過する心臓の体積に関する情報を取得し、
    前記第１の注入における前記薬剤の第１の注入量、前記第１の濃度変化情報、及び、前記体積に関する情報を含む入力データに基づいて、前記被検体に対する第２の注入において注入される薬剤の前記関心領域における濃度変化を表す第２の濃度変化情報、及び、前記第２の注入における薬剤の第２の注入量のうち、少なくともいずれかを推定する、
    ことを含む医用画像処理方法。

Images