JPWO2020166561A1 - 骨折リスク評価値取得装置及びその作動方法並びに骨折リスク評価値取得プログラム - Google Patents
骨折リスク評価値取得装置及びその作動方法並びに骨折リスク評価値取得プログラム Download PDFInfo
- Publication number
- JPWO2020166561A1 JPWO2020166561A1 JP2020572246A JP2020572246A JPWO2020166561A1 JP WO2020166561 A1 JPWO2020166561 A1 JP WO2020166561A1 JP 2020572246 A JP2020572246 A JP 2020572246A JP 2020572246 A JP2020572246 A JP 2020572246A JP WO2020166561 A1 JPWO2020166561 A1 JP WO2020166561A1
- Authority
- JP
- Japan
- Prior art keywords
- value
- bone
- region
- fracture risk
- risk assessment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 208000010392 Bone Fractures Diseases 0.000 title claims abstract description 88
- 206010017076 Fracture Diseases 0.000 title claims abstract description 88
- 238000012502 risk assessment Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 26
- 210000000988 bone and bone Anatomy 0.000 claims abstract description 144
- 210000003205 muscle Anatomy 0.000 claims abstract description 58
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 57
- 239000011707 mineral Substances 0.000 claims abstract description 57
- 238000011156 evaluation Methods 0.000 claims abstract description 33
- 238000009826 distribution Methods 0.000 claims description 69
- 238000003384 imaging method Methods 0.000 claims description 28
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 210000004872 soft tissue Anatomy 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 abstract description 15
- 230000005855 radiation Effects 0.000 description 82
- 230000008569 process Effects 0.000 description 12
- 238000003860 storage Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000012447 hatching Effects 0.000 description 4
- 238000000611 regression analysis Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 210000001015 abdomen Anatomy 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000037182 bone density Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/505—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of bone
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/48—Diagnostic techniques
- A61B6/482—Diagnostic techniques involving multiple energy imaging
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Heart & Thoracic Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Optics & Photonics (AREA)
- Databases & Information Systems (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Data Mining & Analysis (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
骨部領域及び軟部領域を含む被写体全体の情報を用いて、骨折リスクを評価する骨折リスク評価値を求めることができる骨折リスク評価値取得装置及びその作動方法並びに骨折リスク評価値取得プログラムを提供する。被写体情報取得部（３４）は、放射線画像に基づいて、骨部領域における骨塩量、及び、軟部領域における筋肉量を画素毎に求める。統計値算出部（３５）は、骨塩量及び筋肉量に基づいて、被写体に関する統計値を求める。評価値算出部（３６）は、統計値に基づいて、被写体の骨折リスクを評価するための骨折リスク評価値を算出する。
Description
本発明は、骨折するリスクを評価するための評価値を求める骨折リスク評価値取得装置及びその作動方法並びに骨折リスク評価値取得プログラムに関する。
医療分野においては、放射線画像を用いた診断が行われている。放射線画像を用いる診断では、放射線画像に加えて、放射線画像から得られる各種情報も合わせて用いられている。放射線画像の診断に用いる各種情報としては、骨折のリスクを評価するための評価値がある。
特許文献１には、X線を用いて骨塩量（BMD（Bone Mineral Density））を計測するとともに、骨単位当たりの骨塩量（BMD）及び骨の厚さから骨密度を算出している。そして、骨中の超音波伝搬速度Vと骨密度から、骨折の危険性を評価するための評価値を算出している。
しかしながら、骨折リスクは、骨塩量など骨部の要因のみに依存するものではなく、骨部以外の軟部に関する要因、例えば、筋肉量によっても大きく影響を受ける。また、骨折リスクを正確に求めようとする場合には、骨単位の骨塩量などではなく、骨の部分など骨の画素毎に求めた骨塩量を用いて、評価値を求めることが好ましい。
本発明は、骨部領域及び軟部領域を含む被写体全体の情報を用いて、骨折リスクを評価する骨折リスク評価値を求めることができる骨折リスク評価値取得装置及びその作動方法並びに骨折リスク評価値取得プログラムを提供することを目的とする。
本発明は、プロセッサを備える骨折リスク評価値取得装置において、プロセッサは、骨部及び軟部を含む被写体を撮影することにより得られる放射線画像を取得し、放射線画像から、骨部の領域を示す骨部領域、及び軟部の領域を示す軟部領域を特定し、放射線画像に基づいて、骨部領域における骨塩量、及び、軟部領域における筋肉量を画素毎に求め、骨塩量及び筋肉量に基づいて、被写体に関する統計値を求め、統計値に基づいて、被写体の骨折リスクを評価するための骨折リスク評価値を算出する。
プロセッサは、骨塩量の空間的な分布に関する骨塩量分布指標値、及び、筋肉量の空間的な分布に関する筋肉量分布指標値に基づいて、統計値を求めることが好ましい。骨塩量分布指標値は、骨塩量の単位面積当たりの値、平均値、中間値、最大値、及び最小値のいずれかであり、また、筋肉量分布指標値は、筋肉量の平均値、中間値、最大値、及び最小値のいずれかであることが好ましい。
プロセッサは、骨塩量及び筋肉量に加えて、被写体の身長、体重、年齢、及び、骨折歴のうち少なくともいずれかに基づいて、統計値を求めることが好ましい。プロセッサは、骨折リスク評価値がリスク用閾値を超えている場合に、警告を発することが好ましい。プロセッサは、被写体の体厚分布、骨部領域の画素値、及び、体厚分布及び放射線画像を取得した際の撮影条件に基づいて、骨塩量を求めることが好ましい。プロセッサは、骨部領域の画素値に対して、体厚分布及び撮影条件に基づく変換係数を掛け合わせることにより、骨塩量を求めることが好ましい。
プロセッサは、被写体の体厚分布、及び軟部領域の画素値を用いて、筋肉量を画素毎に得ることが好ましい。プロセッサは、予め定められた体厚分布と軟部領域の画素値との特定関係に基づいて、筋肉量を求めることが好ましい。特定関係は、被写体を撮影したタイミングの撮影条件によって変化することが好ましい。
本発明の骨折リスク評価値取得装置の作動方法は、プロセッサが、骨部及び軟部を含む被写体を撮影することにより得られる放射線画像を取得するステップと、放射線画像から、骨部の領域を示す骨部領域、及び軟部の領域を示す軟部領域を特定するステップと、放射線画像に基づいて、骨部領域における骨塩量、及び、軟部領域における筋肉量を画素毎に求めるステップと、骨塩量及び筋肉量に基づいて、被写体に関する統計値を求めるステップと、統計値に基づいて、被写体の骨折リスクを評価するための骨折リスク評価値を算出するステップとを行う。
本発明の骨折リスク評価値取得プログラムは、骨部及び軟部を含む被写体を撮影することにより得られる放射線画像を取得するステップと、放射線画像から、骨部の領域を示す骨部領域、及び軟部の領域を示す軟部領域を特定するステップと、放射線画像に基づいて、骨部領域における骨塩量、及び、軟部領域における筋肉量を画素毎に求めるステップと、骨塩量及び筋肉量に基づいて、被写体に関する統計値を求めるステップと、統計値に基づいて、被写体の骨折リスクを評価するための骨折リスク評価値を算出するステップとをコンピュータに実行させる。
本発明によれば、骨部領域及び軟部領域を含む被写体全体の情報を用いて、骨折リスクを評価する骨折リスク評価値を求めることができる。
図１に示すように、放射線画像撮影システムは、撮影装置１０とコンピュータ１２を備え、エネルギー分布が異なる２つの放射線画像を撮影する。撮影装置１０は、放射線源であるＸ線源１３から発せられ、被写体Ｈを透過したＸ線を第１の放射線検出器１５及び第２の放射線検出器１６で受ける場合において、第１の放射線検出器１５及び第２の放射線検出器１６はそれぞれＸ線のエネルギーで変えて受け取る（１ショットエネルギーサブトラクション）。撮影時においては、Ｘ線源１３から近い側から順に、銅板等からなるＸ線エネルギー変換フィルタ１７、及び第２の放射線検出器１６を配置して、Ｘ線源１３を駆動させる。なお、第１及び第２の放射線検出器１５，１６とＸ線エネルギー変換フィルタ１７とは密着している。
これにより、第１の放射線検出器１５においては、いわゆる軟線を含む低エネルギーのＸ線による被写体Ｈの第１の放射線画像Ｇ１が得られる。また、第２の放射線検出器１６においては、軟線が除かれた高エネルギーのＸ線による被写体Ｈの第２の放射線画像Ｇ２が得られる。第１及び第２の放射線画像Ｇ１、Ｇ２は、コンピュータ１２に入力される。なお、本実施形態においては、被写体Ｈの撮影時には、被写体Ｈを透過したＸ線の散乱線成分を除去する散乱線除去グリッドを使用する場合には、第１の放射線画像Ｇ１及び第２の放射線画像Ｇ２には、被写体Ｈを透過したＸ線の一次線成分が含まれる。一方、被写体Ｈの撮影時に、散乱線除去グリッドを使用しない場合には、第１及び第２の放射線画像Ｇ１、Ｇ２にはＸ線の一次線成分及び散乱線が含まれる。
第１及び第２の放射線検出器１５、１６は、放射線画像の記録及び読み出しを繰り返して行うことができ、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。もしくは、第１及び第２の放射線検出器１５、１６は、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、間接型の放射線検出器を用いてもよい。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、いわゆる光読出方式を用いることが好ましい。
コンピュータ１２には表示部１８及び入力部１９が接続されている。表示部１８は、ＣＲＴ（Cathode Ray Tube）あるいは液晶ディスプレイ等からなり、撮影によって取得された放射線画像等を表示する。入力部１９は、キーボード、マウスあるいはタッチパネル等からなる。
コンピュータ１２には、骨折リスク評価値取得プログラムがインストールされている。コンピュータ１２は、操作者が直接操作するワークステーションあるい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。骨折リスク評価値取得プログラムは、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１２にインストールされる。もしくは、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、あるい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１２にダウンロードされ、インストールされる。
図２は、コンピュータ１２に骨折リスク評価値取得プログラムをインストールすることにより実現された骨折リスク評価取得装置の概略構成を示している。取得装置は、ＣＰＵ（Central Processing Unit）２１、メモリ２２、及びストレージ２３を備えている。ストレージ２３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１０の各部を駆動するためのプログラムおよび取得プログラム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２２には、各種処理をＣＰＵ２１に実行させるために、ストレージ２３に記憶されたプログラム等が一時的に記憶される。骨折リスク評価値取得プログラムは、ＣＰＵ２１に実行させる処理として、撮影装置１０に撮影を実行させて、放射線画像として、第１及び第２の放射線画像Ｇ１、Ｇ２を取得する画像取得処理、放射線画像から、骨部領域及び軟部領域を特定する領域特定処理、骨部領域における骨塩量、及び、軟部領域における筋肉量を画素毎に求める被写体情報取得処理、骨塩量及び筋肉量に基づいて、被写体に関する統計値を求める統計値算出処理、統計値に基づいて、被写体の骨折リスクを評価するための骨折リスク評価値を算出する評価値算出処理、及び、骨折リスク評価値に基づいて警告を発する警告発生処理を規定する。なお、後述する領域特定用の認識処理も骨折リスク評価値取得プログラムに含まれる。
そして、プロセッサから構成されるＣＰＵ２１が骨折リスク評価値取得プログラムに従って処理を実行することによって、コンピュータ１２は、画像取得部３１、体厚分布取得部３２、領域特定部３３、被写体情報取得部３４、統計値算出部３５、評価値算出部３６、警告発生部３７、及び、表示制御部３８として機能する。加えて、コンピュータ１２は、領域認識処理部４０（図１１参照）としても機能する。なお、本実施形態においては、ＣＰＵ２１が骨折リスク評価値取得プログラムによって、各部の機能を実行するようにしているが、ソフトウェア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としては、ＣＰＵ２１の他、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）を用いることができる。また、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により、各部の処理を実行するようにしてもよい。
１つの処理部は、これら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、またはＣＰＵとＦＰＧＡの組み合わせ等）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を１つ以上用いて構成される。
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を１つ以上用いて構成される。
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）である。
画像取得部３１は、骨部及び軟部を含む被写体を撮影することによって、第１及び第２の放射線検出器１５、１６で検出された第１及び第２の放射線画像Ｇ１、Ｇ２を取得する。本実施形態では、被写体Ｈの胸部から腹部を撮影して、胸部から腹部についての第１及び第２の放射線画像Ｇ１、Ｇ２を取得する。この際、撮影線量、菅電圧、Ｘ線源１３と第１及び第２の放射線検出器１５、１６の表面との距離であるＳＩＤ（Source Image receptor Distance）、Ｘ線源１３と被検体Ｈの表面との距離であるＳＯＤ（Source Object Distance）、及び散乱線除去グリッドの有無などの撮影条件が設定される。
ＳＯＤとＳＩＤについては、後述するように、体厚分布の算出に用いられる。ＳＯＤについては、例えば、ＴＯＦ（Time Of Flight）カメラで取得することが好ましい。ＳＩＤについては、例えば、ポテンショメーター、超音波距離計、レーザー距離計などで取得することが好ましい。
撮影条件は、操作者による入力部１９からの入力により設定することが好ましい。設定された撮影条件は、ストレージ２３に保存される。なお、取得プログラムは別個のプログラムにより第１及び第２の放射線画像Ｇ１、Ｇ２を取得してストレージ２３に保存するようにしてもよい。この場合、画像取得部３１は、ストレージ２３に保存された第１及び第２の放射線画像Ｇ１、Ｇ２の処理のためにストレージ２３から読み出す。
体厚分布取得部３２は、撮影条件に含まれるＳＩＤとＳＯＤに基づいて、被検体Ｈの体厚分布Ｔ（ｘ、ｙ）を算出する。体厚分布は、ＳＩＤからＳＯＤを減算することにより求めることが好ましい。また、体厚分布は、第１及び第２の放射線画像Ｇ１、Ｇ２に対応して画素毎に算出する。なお、ＳＩＤ及びＳＯＤに基づいて体厚分布を算出することに代えて、第１及び第２の放射線画像Ｇ１、Ｇ２の少なくともいずれかから体厚分布を算出するようにしてもよい。また、第１の放射線画像及び第２の放射線画像に対して、それぞれ対応する画素間で重み付け減算を行うことにより得られる被写体Ｈの軟部画像から、体厚分布を算出してもよい。なお、体厚分布を求める場合において、第１及び第２の放射線検出器１５，１６が、被写体Ｈが載せられる撮影台（図示しない）の中に設けられている場合には、Ｘ線源１３と、被写体Ｈが接する撮影台の表面までの距離を、ＳＩＤとして用いることが好ましい。
領域特定部３３は、第１及び第２の放射線画像Ｇ１、Ｇ２から、被写体Ｈの骨部領域及び軟部領域を特定する。骨部領域を特定する場合には、具体的には、領域特定部３３は、第１及び第２の放射線画像Ｇ１、Ｇ２に対して、例えば下記の式（１）に示すように、それぞれ対応する画素間での演算、例えば、重み付け減算を行うことにより、図３に示すように、各放射線画像Ｇ１、Ｇ２に含まれる被写体Ｈの骨部領域のみが抽出された骨部画像Ｇｂを生成する（エネルギーサブトラクション）。式（１）において、βは重み付け係数である。なお、骨部画像Ｇｂにおける骨部領域内の各画素の画素値が骨部画素値となる。
Ｇｓ（ｘ、ｙ）＝Ｇ１（ｘ、ｙ）−β×Ｇ２（ｘ、ｙ） （１）
Ｇｓ（ｘ、ｙ）＝Ｇ１（ｘ、ｙ）−β×Ｇ２（ｘ、ｙ） （１）
例えば、図４に示すように、第１の放射線画像Ｇ１において、骨部の画素値がＢ１、軟部の画素値がＳ１であり、第２の放射線画像Ｇ２において、骨部の画素値がＢ２、軟部の画素値がＳ２である場合において、骨部画像Ｇｂを得る場合には、式（１）の重み付け係数βを第２の放射線画像Ｇ２に掛け合わせることによって、第１の放射線画像Ｇ１と第２の放射線画像とで軟部の画素値をほぼ同じにする。そして、第１の放射線画像Ｇ１から、重み付け係数を掛け合わせた第２の放射線画像Ｇ２を差し引くことにより、骨部のみが抽出された骨部画像Ｇｂが得られる。
一方、軟部領域を特定する場合には、具体的には、領域特定部３３は、第１及び第２の放射線画像Ｇ１、Ｇ２に対して、例えば下記の式（２）に示すように、それぞれ対応する画素間での演算、例えば、重み付け減算を行うことにより、図５に示すように、各放射線画像Ｇ１、Ｇ２に含まれる被写体Ｈの軟部領域のみが抽出された軟部画像Ｇｓを生成する（エネルギーサブトラクション）。式（２）において、μは重み付け係数である。なお、軟部画像Ｇｓにおける軟部領域内の各画素の画素値が軟部画素値となる。
Ｇｓ（ｘ、ｙ）＝Ｇ１（ｘ、ｙ）−μ×Ｇ２（ｘ、ｙ） （２）
Ｇｓ（ｘ、ｙ）＝Ｇ１（ｘ、ｙ）−μ×Ｇ２（ｘ、ｙ） （２）
例えば、図６に示すように、第１の放射線画像Ｇ１において、骨部の画素値がＢ１、軟部の画素値がＳ１であり、第２の放射線画像Ｇ２において、骨部の画素値がＢ２、軟部の画素値がＳ２である場合において、軟部画像Ｇｓを得る場合には、式（１）の重み付け係数μを第２の放射線画像Ｇ２に掛け合わせることによって、第１の放射線画像Ｇ１と第２の放射線画像とで骨部の画素値をほぼ同じにする。そして、第１の放射線画像Ｇ１から、重み付け係数を掛け合わせた第２の放射線画像Ｇ２を差し引くことにより、軟部のみが抽出された軟部画像Ｇｓが得られる。
被写体情報取得部３４は、骨部領域における骨塩量、及び、軟部領域における筋肉量を画素毎に求める。骨塩量を求める場合においては、被写体情報取得部３４は、体厚分布、骨部領域の画素値、及び、体厚分布及び放射線画像を取得した際の撮影条件に基づいて、骨塩量を求める。具体的には、被写体情報取得部３４ａは、ＬＵＴ（Look Up Table）３４ａを参照して、骨部領域の画素値を骨塩量に変換するための変換係数Ｃｂ（ｘ、ｙ）を画素毎に取得する。変換係数Ｃｂ（ｘ、ｙ）は、撮影条件及び体厚分布Ｔ（ｘ、ｙ）に基づいて定められている。そして、下記式（３）に示すように、骨部領域の各画素の画素値Ｇｂ（ｘ、ｙ）に対して、変換係数Ｃｂ（ｘ、ｙ）を乗算することにより、骨部領域の画素毎に骨塩量Ｂ（ｘ、ｙ）を取得する。
Ｂ（ｘ、ｙ）＝Ｃｂ（ｘ、ｙ）×Ｇｂ（ｘ、ｙ） （３）
Ｂ（ｘ、ｙ）＝Ｃｂ（ｘ、ｙ）×Ｇｂ（ｘ、ｙ） （３）
ＬＵＴ３４ａは、図７に示すように、体厚分布に含まれる体厚と変換係数Ｃｂ（ｘ、ｙ）との関係を定めている。前記関係に示すように、撮影条件に含まれる管電圧が大きいほど、且つ、体厚が大きいほど、変換係数の値が大きいものとなっている。本実施形態では、撮影条件が基準撮影条件である場合には、骨部領域の画素値が骨塩量と同じになるようにしている。したがって、撮影条件の管電圧が基準撮影条件である管電圧９０ｋＶの場合には、厚さが「０」の場合に、変換係数Ｃｂ（ｘ、ｙ）が「１」となっている。
一方、撮影条件の管電圧が基準撮影条件よりも大きい管電圧１００ｋＶの場合には、体厚「０」の場合、変換係数Ｃｂ（ｘ、ｙ）が「１」よりも大きくなっている。これは、管電圧が高いほど、骨部と軟部のコントラストが低くなるためである。本実施形態では、コントラスト低下に対して、変換係数を用いて、骨部の画素値を補正している。また、撮影条件の管電圧が基準撮影条件よりも小さい管電圧８０ｋＶの場合には、体厚「０」の場合、変換係数Ｃｂ（ｘ、ｙ）が「１」よりも小さくなっている。これは、管電圧が低いほど、骨部と軟部のコントラストが高くなるためである。本実施形態では、コントラストの上昇に対して、変換係数を用いて、骨部の画素値を補正している。
筋肉量を求める場合においては、被写体情報取得部３４は、体厚分布及び軟部領域の画素値に基づいて、筋肉量を求める。具体的には、被写体情報取得部３４は、予め定められた体厚分布と軟部領域の画素値との特定関係に基づいて、筋肉量を求める。なお、特定関係については、ＬＵＴ（Look Up Table）等によって記憶しておくことが好ましい。
例えば、体厚分布を縦軸で表し、軟部領域の画素値の逆数を示す減弱量（１／（軟部領域の画素値））を横軸で表した場合に、図８に示すように、特定関係として、筋肉と脂肪の割合Ｐ（ｘ、ｙ）が定められる。割合Ｐは「０」から「１」の間である。割合Ｐが大きくなる程、筋肉の割合が大きくなる。例えば、体厚分布の体厚がＴ＊であり、減弱量がＤ＊である場合には、割合Ｐ＊が用いられる。そして、筋肉量Ｍ（ｘ、ｙ）を求める場合には、下記式（４）に示すように、軟部領域の画素値Ｇｓ（ｘ、ｙ）に対して、割合Ｐを掛け合わせることにより、筋肉量Ｍ（ｘ、ｙ）が得られる。
Ｍ（ｘ、ｙ）＝Ｐ（ｘ、ｙ）×Ｇｓ（ｘ、ｙ） （４）
Ｍ（ｘ、ｙ）＝Ｐ（ｘ、ｙ）×Ｇｓ（ｘ、ｙ） （４）
なお、特定関係に関しては、体厚分布が大きくなればなるほど、脂肪の割合が、筋肉の割合よりも大きくなる。これは、体厚と脂肪は比例の関係に基づくことを利用している。また、減弱量が大きくなればなるほど、筋肉の割合が、脂肪の割合よりも大きくなる。これは、脂肪よりも筋肉のほうがＸ線の減弱量が大きいことを利用している。
また、特定関係については、被写体を撮影したタイミング、即ち、第１の放射線画像Ｇ１又は第２の放射線画像を取得したタイミングで得られる撮影条件によって、変化させることが好ましい。例えば、撮影条件のうち、管電圧又はＸ線の線量等を変更することによって、脂肪及び筋肉に対するＸ線の減弱量に変化が生ずる。したがって、管電圧又はＸ線の線量等の変更に合わせて、特定関係を変化させることが好ましい。なお、特定関係をＬＵＴに記憶させる場合には、撮影条件毎に特定関係を定めておくことが好ましい。
統計値算出部３５は、骨塩量及び筋肉量に基づいて、被写体に関する統計値を求める。統計値は、後述するように、骨折リスクを評価するための骨折リスク評価値の算出に用いられる。具体的には、統計値算出部３５は、下記式（５）に示すように、骨塩量の空間的な分布に関する骨塩量分布指標値Ｂｄ、及び、筋肉量に関する空間的な分布に関する筋肉量分布指標値Ｍｄに基づいて、統計値Ｉを求める。
Ｉ＝Ｃ１×Ｂｄ＋Ｃ２×Ｍｄ （５）
式（５）のＣ１、Ｃ２は、それぞれ重み付け係数であり、大量の骨塩量分布指標値及び筋肉量分布指標値を集めて回帰分析に従って定める。
Ｉ＝Ｃ１×Ｂｄ＋Ｃ２×Ｍｄ （５）
式（５）のＣ１、Ｃ２は、それぞれ重み付け係数であり、大量の骨塩量分布指標値及び筋肉量分布指標値を集めて回帰分析に従って定める。
骨塩量分布指標値は、骨塩量の値がどのように広がっているかを表す値である。骨塩量分布指標値としては、例えば、骨塩量の単位面積当たりの値、平均値、中間値、最大値、及び最小値等がある。筋肉量分布指標値は、筋肉量の値がどのように広がっているかを表す値である。筋肉量分布指標値としては、例えば、筋肉量の平均値、中間値、最大値、及び最小値等がある。
また、統計値算出部３５は、骨塩量及び筋肉量に加えて、被写体の身長、体重、年齢、及び骨折歴などのうち少なくともいずれかに基づいて、統計値を求めるようにしてもよい。例えば、骨塩量、筋肉量、及び年齢に基づいて統計値を求める場合には、骨塩量分布指標値Ｂｄ、筋肉量分布指標値Ｍｄ、及び年齢Ｙに基づいて、下記式（６）により、統計値Ｉが算出される。
Ｉ＝Ｃ１×Ｂｄ＋Ｃ２×Ｍｄ＋Ｃ３×Ｙ （６）
式（６）のＣ１、Ｃ２、Ｃ３は、それぞれ重み付け係数であり、骨塩量分布指標値及び筋肉量分布指標値とそれら指標値に対応する被写体の年齢に関するデータを大量に集め、それらデータに基づく回帰分析に従って、重み付け係数Ｃ１、Ｃ２、Ｃ３定める。なお、年齢の他、被写体の身長、体重、及び骨折歴などを加えて統計値を求める場合においても、重み付け係数を掛け合わせて加算することが好ましい。
Ｉ＝Ｃ１×Ｂｄ＋Ｃ２×Ｍｄ＋Ｃ３×Ｙ （６）
式（６）のＣ１、Ｃ２、Ｃ３は、それぞれ重み付け係数であり、骨塩量分布指標値及び筋肉量分布指標値とそれら指標値に対応する被写体の年齢に関するデータを大量に集め、それらデータに基づく回帰分析に従って、重み付け係数Ｃ１、Ｃ２、Ｃ３定める。なお、年齢の他、被写体の身長、体重、及び骨折歴などを加えて統計値を求める場合においても、重み付け係数を掛け合わせて加算することが好ましい。
式（６）を用いる場合、大量のデータに基づく回帰分析によって得られる重み付け係数が「Ｃ１＝２．０、Ｃ２＝０．１、Ｃ３＝−０．０１」である場合、ある被検者の骨塩量分布指標値Ｂｄが「１．０ｇ／ｃｍ２」、筋肉量分布指標値が「２０ｋｇ」、年齢Ｙが「４０歳」とすると、下記式（７）により、統計値は「３．６」となる。
Ｉ＝２．０×１．０＋０．１×２０＋（−０．０１）×４０＝３．６ （７）
Ｉ＝２．０×１．０＋０．１×２０＋（−０．０１）×４０＝３．６ （７）
評価値算出部３６は、統計値に基づいて、被写体の骨折リスクを評価するための骨折リスク評価値を算出する。統計値と骨折リスク評価値との関係は、大量の診断データから得られていることから、評価値算出部３６では、前記関係を用いて、骨折リスク評価値を算出する。統計値と骨折リスク評価値との関係は、ＬＵＴに記憶させておく。
例えば、骨折リスク評価値としては、例えば、被写体の診断時（第１及び第２の放射線検出器１５、１６による被写体の撮影時）から１０年以内の骨折発症確率がある。そして、上記のように、統計値Ｉの算出に式（６）を用い、且つ、大量のデータに基づく回帰分析によって得られる重み付け係数が「Ｃ１＝２．０、Ｃ２＝０．１、Ｃ３＝−０．０１」である場合には、「１０年以内の骨折発症確率」と「統計値Ｉ」との関係は、図９に示すように、統計値Ｉが大きくなる程、骨折発症確率が低くなるように表される。
警告発生部３７は、骨折リスク評価値がリスク用閾値を超えている場合には、ユーザーに対して、被写体の骨折のリスクが高いことを報知するために、警告を発する。例えば、骨折リスク評価値が「１０年以内の骨折発症確率」である場合（図９参照）には、１０年以内の骨折発症確率がリスク用閾値であるＴｈを超えた場合に、警告を発する。警告する方法については、表示部１８に警告用の画面を出すほか、コンピュータ１２に接続したスピーカー（図示しない）から警告音を発するようにしてもよい。
表示制御部３８は、被写体Ｈに関する各種情報を表示部１８に表示する。上記のように、骨折リスク評価値を算出した場合には、表示制御部３８は、各種情報として、骨折リスク評価値を表示部１８に表示することが好ましい。その際、骨折リスク評価値は、骨部画像Ｇｂ、軟部画像Ｇｓ、又は、軟部画像Ｇｓと骨部画像Ｇｂを合成した合成画像Ｇｃに重畳して表示してもよい。
次に、本実施形態において行われる処理について、図１０のフローチャートに沿って、説明する。画像取得部３１は、Ｘ線が照射された被写体Ｈを撮影することによって得られる放射線画像を取得する。放射線画像としては、エネルギー分布がそれぞれ異なる第１及び第２の放射線画像Ｇ１、Ｇ２を取得することが好ましい。
体厚分布取得部３２は、被写体Ｈの体厚分布を取得する。体厚分布の取得方法としては、ＳＩＤ及びＳＯＤを取得した上で、ＳＩＤからＳＯＤを減算することによって、体厚分布を取得することが好ましい。次に、領域特定部３３は、放射線画像から、被写体Ｈに含まれる骨部領域及び軟部領域を特定する。放射線画像として第１及び第２の放射線画像Ｇ１、Ｇ２を取得した場合には、第１及び第２の放射線画像Ｇ１、Ｇ２に対するエネルギーサブトラクション（上記式（１））によって、骨部領域を特定することが好ましい。また、軟部領域についても、第１及び第２の放射線画像Ｇ１、Ｇ２に対するエネルギーサブトラクション（上記式（２））によって特定することが好ましい。
次に、被写体情報取得部３４は、体厚分布、骨部領域の画素値、及び、体厚分布及び第１、第２の放射線画像Ｇ１、Ｇ２を取得した際の撮影条件に基づいて、骨部領域の骨塩量を求める。また、被写体情報取得部３４は、体厚分布、及び軟部領域の画素値に基づいて、軟部領域の筋肉量を求める。統計値算出部３５は、算出した骨塩量及び筋肉量に基づいて、被写体に関する統計値を求める。評価値算出部３６は、統計値に基づいて、骨折リスク評価値を求める。そして、表示制御部３８は、表示部１８に対して、骨折リスク評価値を表示する。
なお、上記実施形態では、エネルギー分布がそれぞれ異なる第１及び第２の放射線画像Ｇ１、Ｇ２に対するエネルギーサブトラクションによって、骨部領域又は軟部領域を特定しているが、その他の方法で骨部領域又は軟部領域を特定してもよい。例えば、図１１に示すように、特定のエネルギーを有する１つの放射線画像に対して、領域特定用の認識処理を領域認識処理部４０で行うことによって、骨部領域又は軟部領域を特定してもよい（骨部領域に関する情報（骨部領域情報）、又は軟部領域に関する情報（軟部領域情報）を領域認識処理部４０から出力する）。
この場合、領域認識処理部４０は、ディープラーニングなどの機械学習処理によって、領域特定用の学習データで学習されていることが好ましい。領域特定用の学習データとしては、例えば、骨部領域が第１ハッチングで特定され、且つ、軟部領域が第２ハッチング（第１ハッチングとハッチング態様（例えば、角度、尺度）が異なる）で特定された放射線画像を用いることが好ましい。
また、１つの放射線画像に対して、領域特定用のフィルタリング処理を行うことによって、骨部領域又は軟部領域を特定してもよい。例えば、軟部領域に特有の特定の空間周波数が有る場合には、特定の空間周波数の範囲を抽出する周波数フィルタリング処理によって、軟部領域を特定することが好ましい。もしくは、軟部領域は低周波の領域が多く、軟部領域を抽出する周波数フィルタリング処理で軟部領域を特定することが難しい場合には、軟部領域よりも高周波の骨部領域を抽出するための周波数フィルタリング処理を放射線画像に対して行い、その上で、元の放射線画像から周波数フィルタリング処理済みの放射線画像をサブトラクションすることによって、軟部領域を特定してもよい。
なお、上記実施形態では、１ショットエネルギーサブトラクションによって第１及び第２の放射線画像Ｇ１、Ｇ２を取得しているが、それぞれエネルギー分布が異なる放射線を、異なるタイミングで、前記被写体に透過させて、１つの特定放射線検出器で検出する２ショット法により、第１及び第２の放射線画像Ｇ１、Ｇ２を取得してもよい。２ショット法の場合には、第１の放射線画像Ｇ１を取得した際の撮影条件、又は、第２の放射線画像Ｇ２を取得した際の撮影条件のいずれを用いてもよい。また、２ショット法の場合、被写体Ｈの体動により、第１の放射線画像Ｇ１及び第２の放射線画像Ｇ２に含まれる被写体Ｈの位置がずれる可能性がある。そのため、第１の放射線画像Ｇ１及び第２の放射線画像Ｇ２において、被写体の位置合わせを行うことが好ましい。
例えば、第１および第２の放射線画像Ｇ１，Ｇ２のそれぞれについての、周波数帯域が異なる構造物を表す複数の第１の帯域画像および複数の第２の帯域画像を生成し、対応する周波数帯域の第１の帯域画像および第２の帯域画像における、互いに対応する位置の位置ずれ量を取得し、位置ずれ量に基づいて第１の放射線画像Ｇ１と第２の放射線画像Ｇ２との位置合わせを行う。
１０ 撮影装置
１２ コンピュータ
１３ Ｘ線源
１５ 第１の放射線検出器
１６ 第２の放射線検出器
１７ Ｘ線エネルギー変換フィルタ
１８ 表示部
１９ 入力部
２１ ＣＰＵ
２２ メモリ
２３ ストレージ
３１ 画像取得部
３２ 体厚分布取得部
３３ 領域特定部
３４ 被写体情報取得部
３４ａ ＬＵＴ
３５ 統計値算出部
３６ 評価値算出部
３７ 警告発生部
３８ 表示制御部
４０ 領域認識処理部
Ｈ 被写体
Ｇ１ 第１の放射線画像
Ｇ２ 第２の放射線画像
Ｇｂ 骨部画像
Ｇｓ 軟部画像
１２ コンピュータ
１３ Ｘ線源
１５ 第１の放射線検出器
１６ 第２の放射線検出器
１７ Ｘ線エネルギー変換フィルタ
１８ 表示部
１９ 入力部
２１ ＣＰＵ
２２ メモリ
２３ ストレージ
３１ 画像取得部
３２ 体厚分布取得部
３３ 領域特定部
３４ 被写体情報取得部
３４ａ ＬＵＴ
３５ 統計値算出部
３６ 評価値算出部
３７ 警告発生部
３８ 表示制御部
４０ 領域認識処理部
Ｈ 被写体
Ｇ１ 第１の放射線画像
Ｇ２ 第２の放射線画像
Ｇｂ 骨部画像
Ｇｓ 軟部画像
Claims (12)
- プロセッサを備える骨折リスク評価値取得装置において、
前記プロセッサは、
骨部及び軟部を含む被写体を撮影することにより得られる放射線画像を取得し、
前記放射線画像から、前記骨部の領域を示す骨部領域、及び前記軟部の領域を示す軟部領域を特定し、
前記放射線画像に基づいて、前記骨部領域における骨塩量、及び、前記軟部領域における筋肉量を画素毎に求め、
前記骨塩量及び前記筋肉量に基づいて、前記被写体に関する統計値を求め、
前記統計値に基づいて、前記被写体の骨折リスクを評価するための骨折リスク評価値を算出する骨折リスク評価値取得装置。 - 前記プロセッサは、前記骨塩量の空間的な分布に関する骨塩量分布指標値、及び、前記筋肉量の空間的な分布に関する筋肉量分布指標値に基づいて、前記統計値を求める請求項１記載の骨折リスク評価値取得装置。
- 前記骨塩量分布指標値は、前記骨塩量の単位面積当たりの値、平均値、中間値、最大値、及び最小値のいずれかであり、また、前記筋肉量分布指標値は、筋肉量の平均値、中間値、最大値、及び最小値のいずれかである請求項２記載の骨折リスク評価値取得装置。
- 前記プロセッサは、前記骨塩量及び前記筋肉量に加えて、前記被写体の身長、体重、年齢、及び、骨折歴のうち少なくともいずれかに基づいて、前記統計値を求める請求項１ないし３いずれか１項記載の骨折リスク評価値取得装置。
- 前記プロセッサは、前記骨折リスク評価値がリスク用閾値を超えている場合に、警告を発する請求項１ないし４いずれか１項記載の骨折リスク評価値取得装置。
- 前記プロセッサは、前記被写体の体厚分布、前記骨部領域の画素値、及び、前記体厚分布及び前記放射線画像を取得した際の撮影条件に基づいて、前記骨塩量を求める請求項１ないし５いずれか１項記載の骨折リスク評価値取得装置。
- 前記プロセッサは、前記骨部領域の画素値に対して、前記体厚分布及び前記撮影条件に基づく変換係数を掛け合わせることにより、前記骨塩量を求める請求項６記載の骨折リスク評価値取得装置。
- 前記プロセッサは、前記被写体の体厚分布、及び前記軟部領域の画素値を用いて、前記筋肉量を画素毎に得る請求項１ないし５いずれか１項記載の骨折リスク評価値取得装置。
- 前記プロセッサは、予め定められた前記体厚分布と前記軟部領域の画素値との特定関係に基づいて、前記筋肉量を求める請求項８記載の骨折リスク評価値取得装置。
- 前記特定関係は、前記被写体を撮影したタイミングの撮影条件によって変化する請求項９記載の骨折リスク評価値取得装置。
- プロセッサが、
骨部及び軟部を含む被写体を撮影することにより得られる放射線画像を取得するステップと、
前記放射線画像から、前記骨部の領域を示す骨部領域、及び前記軟部の領域を示す軟部領域を特定するステップと、
前記放射線画像に基づいて、前記骨部領域における骨塩量、及び、前記軟部領域における筋肉量を画素毎に求めるステップと、
前記骨塩量及び前記筋肉量に基づいて、前記被写体に関する統計値を求めるステップと、
前記統計値に基づいて、前記被写体の骨折リスクを評価するための骨折リスク評価値を算出するステップとを行う骨折リスク評価値取得装置の作動方法。 - 骨部及び軟部を含む被写体を撮影することにより得られる放射線画像を取得するステップと、
前記放射線画像から、前記骨部の領域を示す骨部領域、及び前記軟部の領域を示す軟部領域を特定するステップと、
前記放射線画像に基づいて、前記骨部領域における骨塩量、及び、前記軟部領域における筋肉量を画素毎に求めるステップと、
前記骨塩量及び前記筋肉量に基づいて、前記被写体に関する統計値を求めるステップと、
前記統計値に基づいて、前記被写体の骨折リスクを評価するための骨折リスク評価値を算出するステップとをコンピュータに実行させる骨折リスク評価値取得プログラム。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019024092 | 2019-02-14 | ||
| JP2019024092 | 2019-02-14 | ||
| PCT/JP2020/005141 WO2020166561A1 (ja) | 2019-02-14 | 2020-02-10 | 骨折リスク評価値取得装置及びその作動方法並びに骨折リスク評価値取得プログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPWO2020166561A1 true JPWO2020166561A1 (ja) | 2021-12-02 |
| JP7454511B2 JP7454511B2 (ja) | 2024-03-22 |
Family
ID=72045550
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020572246A Active JP7454511B2 (ja) | 2019-02-14 | 2020-02-10 | 骨折リスク評価値取得装置及びその作動方法並びに骨折リスク評価値取得プログラム |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US11850084B2 (ja) |
| JP (1) | JP7454511B2 (ja) |
| WO (1) | WO2020166561A1 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023054287A1 (ja) * | 2021-10-01 | 2023-04-06 | 富士フイルム株式会社 | 骨疾患予測装置、方法およびプログラム、学習装置、方法およびプログラム並びに学習済みニューラルネットワーク |
| WO2023224022A1 (ja) * | 2022-05-20 | 2023-11-23 | 国立大学法人大阪大学 | プログラム、情報処理方法、及び情報処理装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004105738A (ja) * | 2002-09-19 | 2004-04-08 | Ge Medical Systems Global Technology Co Llc | 絶対骨折リスクの評価を行う骨密度測定装置 |
| JP2009515594A (ja) * | 2005-11-11 | 2009-04-16 | ホロジック， インコーポレイテッド | 三次元骨密度モデルを使用して将来の骨折の危険性の推定 |
| JP2011045480A (ja) * | 2009-08-26 | 2011-03-10 | Panasonic Electric Works Co Ltd | 健康測定装置 |
| WO2016190327A1 (ja) * | 2015-05-28 | 2016-12-01 | 株式会社日立製作所 | 医療用ｘ線測定システム |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0722580B2 (ja) | 1992-05-20 | 1995-03-15 | アロカ株式会社 | 骨評価装置 |
| EP1357832B1 (en) * | 2000-11-08 | 2011-01-19 | The John Hopkins University | Techniques for deriving tissue structure from multiple projection dual-energy x-ray absorptiometry |
| US9865050B2 (en) * | 2010-03-23 | 2018-01-09 | Hologic, Inc. | Measuring intramuscular fat |
| JP6783783B2 (ja) * | 2015-02-26 | 2020-11-11 | ホロジック, インコーポレイテッドHologic, Inc. | 身体走査における生理学的状態の決定のための方法 |
| ES2927067T3 (es) | 2015-03-03 | 2022-11-02 | Radius Health Inc | Abaloparatida combinada con alendronato para la reducción de las fracturas óseas no vertebrales |
-
2020
- 2020-02-10 JP JP2020572246A patent/JP7454511B2/ja active Active
- 2020-02-10 WO PCT/JP2020/005141 patent/WO2020166561A1/ja active Application Filing
-
2021
- 2021-08-11 US US17/399,776 patent/US11850084B2/en active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004105738A (ja) * | 2002-09-19 | 2004-04-08 | Ge Medical Systems Global Technology Co Llc | 絶対骨折リスクの評価を行う骨密度測定装置 |
| JP2009515594A (ja) * | 2005-11-11 | 2009-04-16 | ホロジック， インコーポレイテッド | 三次元骨密度モデルを使用して将来の骨折の危険性の推定 |
| JP2011045480A (ja) * | 2009-08-26 | 2011-03-10 | Panasonic Electric Works Co Ltd | 健康測定装置 |
| WO2016190327A1 (ja) * | 2015-05-28 | 2016-12-01 | 株式会社日立製作所 | 医療用ｘ線測定システム |
Also Published As
| Publication number | Publication date |
|---|---|
| US11850084B2 (en) | 2023-12-26 |
| JP7454511B2 (ja) | 2024-03-22 |
| US20210369224A1 (en) | 2021-12-02 |
| WO2020166561A1 (ja) | 2020-08-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2238905B1 (en) | Mammary gland content rate estimating apparatus, method and recording medium | |
| US8054940B2 (en) | Image capturing system for medical use, image processing apparatus, and image processing method | |
| US20140357996A1 (en) | System and method of ultrasound image processing | |
| JP6363573B2 (ja) | 線源画像面間距離取得装置、方法およびプログラム、並びに放射線画像処理装置、方法およびプログラム | |
| JP6906479B2 (ja) | 骨塩情報取得装置、方法およびプログラム | |
| US11850084B2 (en) | Fracture risk evaluation value acquisition device, method for operating fracture risk evaluation value acquisition device, and non-transitory computer readable medium | |
| US11234641B2 (en) | Body fat percentage measurement device, method and program | |
| JP2018153605A (ja) | 体脂肪率測定装置、方法およびプログラム | |
| US20210353241A1 (en) | Subject information acquisition device, method for operating subject information acquisition device, and non-transitory computer readable medium | |
| JP2019209027A (ja) | 骨塩情報取得装置、方法およびプログラム | |
| JP2019058606A (ja) | 乳房タイプ識別装置、方法およびプログラム | |
| JP7069077B2 (ja) | 放射線画像処理装置及びその作動方法並びに放射線画像処理プログラム | |
| US20240023919A1 (en) | Radiation image processing device, radiation image processing method, and radiation image processing program | |
| US20230134187A1 (en) | Radiation image processing device, radiation image processing method, and radiation image processing program | |
| US20220172365A1 (en) | Energy subtraction processing device, energy subtraction processing method, and energy subtraction processing program | |
| US20220175333A1 (en) | Image processing device, image processing method, and image processing program | |
| JP6321267B2 (ja) | 画像解析装置および方法並びにプログラム | |
| JP6576519B2 (ja) | 放射線画像処理装置、方法およびプログラム | |
| JP7220643B2 (ja) | 画像処理装置、方法およびプログラム | |
| Khan et al. | Automatic BI-RADS classification of mammograms | |
| US20240104729A1 (en) | Radiation image processing device, radiation image processing method, and radiation image processing program | |
| US20230102862A1 (en) | Fat mass derivation device, fat mass derivation method, and fat mass derivation program | |
| JP2022079140A (ja) | 動態解析装置及びプログラム | |
| Smans et al. | A simulation framework for pre-clinical studies on dose and image quality: concept and first validation | |
| Töpfer et al. | Advanced system model for the prediction of the clinical task performance of radiographic systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210729 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220809 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220928 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230131 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230310 |
|
| C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20230310 |
|
| A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20230323 |
|
| C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20230328 |
|
| A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20230428 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240115 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240311 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7454511 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |