JP2020188991A - 医用画像処理装置、医用画像処理プログラム、ｘ線診断装置及びｘ線診断システム - Google Patents

Abstract

【課題】回転撮影を用いた多相撮影に伴うアーチファクトを効率的に低減すること。【解決手段】実施形態に係る医用画像処理装置は、造影剤が注入された被検体に対して第１のタイミングで実行された回転撮影により生成される第１の投影データセットと、被検体に対して第１のタイミングとは異なる第２のタイミングで実行された回転撮影により生成される第２の投影データセットとを取得する取得部と、第１の投影データセットに基づいて第１の再構成画像を生成し、第２の投影データセットに基づいて第２の再構成画像を生成する再構成部と、第１の再構成画像と第２の再構成画像とに基づいて、第２のタイミングに対応し、第２の再構成画像よりもアーチファクトが低減された第３の再構成画像を生成する低減部と、を含む。【選択図】 図１

Description

本発明の実施形態は、医用画像処理装置、医用画像処理プログラム、Ｘ線診断装置及びＸ線診断システムに関する。

Ｘ線循環器診断装置には肝臓内の癌などを診断するため、回転撮影を用いた多相撮影による観察技術がある。多相撮影では同一部位を２回以上撮影するため、被検体は撮影のたびに息止めしなければならない。被検体が特に高齢者である場合、息止が負担になり、息止不良によるモーションアーチファクトが再構成画像に発生してしまうことがある。

特開２０１７−２２１４９６号公報 国際公開第２０１７／９８８８８号 特開２００６−１５００８０号公報

本発明が解決しようとする課題は、回転撮影を用いた多相撮影に伴うアーチファクトを効率的に低減することである。

実施形態に係る医用画像処理装置は、造影剤が注入された被検体に対して第１のタイミングで実行された回転撮影により生成される第１の投影データセットと、前記被検体に対して前記第１のタイミングとは異なる第２のタイミングで実行された回転撮影により生成される第２の投影データセットとを取得する取得部と、前記第１の投影データセットに基づいて第１の再構成画像を生成し、前記第２の投影データセットに基づいて第２の再構成画像を生成する再構成部と、前記第１の再構成画像と前記第２の再構成画像とに基づいて、前記第２のタイミングに対応し、前記第２の再構成画像よりもアーチファクトが低減された第３の再構成画像を生成する低減部と、を具備する。

図１は、本実施形態に係るＸ線診断装置の構成を示す図である。 図２は、図１のＸ線撮影部の外観を示す図である。 図３は、早期相に関する再構成画像を模式的に示す図である。 図４は、後期相に関する再構成画像を模式的に示す図である。 図５は、アーチファクト低減機能において使用される学習済モデルの入出力の一例を示す図である。 図６は、Ｘ線診断装置による多相撮影の典型的な流れを示す図である。 図７は、早期相画像と後期相画像との表示画面の一例を示す図である。 図８は、早期相位置データの一例を示す図である。 図９は、後期相位置データの一例を示す図である。 図１０は、ステップＳ９において使用される学習済モデルの入出力の一例を示す図である。 図１１は、位置データの生成のための学習済モデルの入出力の一例を示す図である。 図１２は、モーションアーチファクトが低減された後期相画像を出力する他の学習済モデルの入出力の一例を示す図である。 図１３は、本実施形態に係るＸ線診断システムの構成を示す図である。

以下、図面を参照しながら本実施形態に係る医用画像処理装置、医用画像処理プログラム、Ｘ線診断装置及びＸ線診断システムを説明する。

本実施形態に係る医用画像処理装置は、Ｘ線診断装置により収集されるデータを処理するコンピュータである。本実施形態に係る医用画像処理装置は、Ｘ線診断装置に含まれるコンピュータでもよいし、Ｘ線診断装置とは別体のコンピュータでもよい。以下、医用画像処理装置は、Ｘ線診断装置に含まれるコンピュータであるとする。

図１は、本実施形態に係るＸ線診断装置１の構成を示す図である。図１に示すように、Ｘ線診断装置１は、Ｘ線撮影部３とコンソール５とを有する。コンソール５は医用画像処理装置として機能する。例えば、Ｘ線撮影部３は撮影室に設置され、コンソール５は撮影室に隣接する制御室に設置される。

図１に示すように、Ｘ線撮影部３は、Ｘ線管保持装置１０と寝台装置３０とを有する。図１に示すように、Ｘ線管保持装置１０は、Ｘ線管１１とＸ線検出器１３とを保持する機械装置である。Ｘ線管保持装置１０としては、天井吊りタイプと床置きタイプとの何れでも良い。床置きタイプとしては、Ｘ線管１１とＸ線検出器１３とを装備するＣアーム１５を移動自在に保持する循環器撮影タイプが好適である。また、Ｘ線管保持装置１０は、床置きタイプのＸ線管保持装置と天井吊りタイプのＸ線管保持装置との何れかを備えるシングルプレーン方式であっても良いし、床置きタイプのＸ線管保持装置と天井吊りタイプのＸ線管保持装置との両方を備えるバイプレーン方式の何れの方式でもよい。以下、Ｘ線管保持装置は、一例としてシングルプレーン方式の床置きタイプであるとする。

図２は、本実施形態に係るＸ線診断装置１のＸ線撮影部３の外観を示す図である。図１及び図２に示すように、Ｘ線管保持装置１０は、例えば、Ｘ線管１１、Ｘ線検出器１３、Ｃアーム１５及びＣアーム保持系１７を有している。Ｘ線管１１は、高圧ケーブルを介して高電圧発生器１２に接続されている。高電圧発生器１２は、コンソール５のシステム制御回路５６からの制御信号に応じて、Ｘ線に印加する高電圧を発生する。Ｘ線管１１は、高電圧発生器１２からの高電圧の印加を受けてＸ線を発生する。Ｘ線検出器１３は、Ｘ線管１１から発生されたＸ線を検出する。具体的には、Ｘ線検出器１３は、２次元平面状に配列された複数の検出器画素と読出回路とＡ／Ｄ変換回路とを有するＦＰＤ（Flat Panel Detector）であるとする。各検出器画素は、Ｘ線管１１から発生されたＸ線を検出し、検出されたＸ線の強度に応じた電気信号（検出信号）を生成する。読出回路は、複数の検出器画素から所定のタイミングで検出信号をフレーム単位で読み出す。Ａ／Ｄ変換回路は、複数の検出器画素から読み出された検出信号をＡ／Ｄ変換し、被検体に関する投影データをフレーム単位で生成する。生成された投影データは、コンソール５の記憶装置５２に伝送される。

図１及び図２に示すように、Ｘ線管１１とＸ線検出器１３とはＣアーム１５に取り付けられている。Ｃアーム１５は、Ｘ線管１１とＸ線検出器１３とを装備する支持構造体である。Ｃアーム１５の一端にＸ線管１１が取り付けられ、Ｘ線管１１に対向するＣアーム１５の他端にＸ線検出器１３が取り付けられている。Ｃアーム１５は、Ｃアーム保持系１７に移動自在に保持されている。Ｃアーム保持系１７は、Ｃアーム１５を３次元的に移動自在に保持する。Ｃアーム保持系１７は、Ｃアーム１５の可動の自由度に応じて設計され、互いに係り合う複数の構造体（以下、保持構造体と呼ぶ）から構成される。Ｃアーム保持系１７は、少なくとも回転撮影を行うため、Ｃアーム１５を介して、回転軸ＡＲ回りにＸ線管１１とＸ線検出器１３とを回転可能に支持する。Ｘ線管１１の焦点とＸ線検出器１３の検出面中心とを結ぶ軸は撮影軸ＡＩと称される。回転軸ＡＲと撮影軸ＡＩとの交点ＩＣはアイソセンタと称される。

回転軸ＡＲ回りのＸ線管１１とＸ線検出器１３との回転は、Ｃアーム１５のいわゆるプロペラ回転により実現されてもよいし、Ｃアーム１５のＣ形状に沿ってスライドするオービタル回転により実現されてもよい。

図１に示すように、Ｘ線管保持装置１０は、Ｘ線管保持装置１０を駆動するための動力を発生するＣアーム駆動系１９を有している。典型的には、Ｃアーム駆動系１９は、Ｃアーム保持系１７に搭載されている。例えば、図２に例示するＣアーム保持系１７に対応するＣアーム駆動系１９としては、Ｃアーム１５を回転軸ＡＲ回りに回転するための駆動装置を有する。駆動装置は、例えば、コンソール５のシステム制御回路５６からの駆動信号を受けて駆動する。各駆動装置は、例えば、サーボモータ等の既存のモータが用いられる。

図１及び図２に示すように、撮影室には寝台３１が設けられている。寝台３１は、基台３７と天板３９とを有している。基台３７は床面に設置され、天板３９を移動自在に支持する。天板３９には被検体が載置される。基台３７には寝台駆動系３３が搭載されている。寝台駆動系３３は、例えば、天板３９を長手方向にスライドするための駆動装置、天板３９を鉛直方向に昇降するための駆動装置を有している。各駆動装置は、例えば、コンソール５のシステム制御回路５６からの駆動信号を受けて駆動する。

本実施形態に係るＸ線撮影部３は、上記の通り回転撮影を使用した多相撮影を実行する。回転撮影においてＣアーム駆動系１９は、システム制御回路５６の指示に従いＣアーム１５を所定速度で回転し、Ｃアーム１５の回転時において高電圧発生器１２は、システム制御回路５６の指示に従いＸ線管１１からＸ線を発生させる。Ｃアーム１５を画像再構成に必要な回転角度範囲だけ回転する。画像再構成に必要な回転角度範囲（以下、再構成角度範囲と呼ぶ）は、例えば、３６０度であるが、１８０度＋ファン角以上であれば如何なる角度範囲でもよい。Ｘ線検出器１３は、Ｘ線管１１から発生され被検体を透過したＸ線を検出し、検出されたＸ線の強度に応じた投影データを生成する。再構成角度範囲分の投影データを投影データセットと呼ぶことにする。投影データセットに画像再構成処理が施されることにより再構成画像が生成される。

多相撮影は、例えば、肝臓等の臓器内に発生する癌を、造影剤により造影して観察するために用いられる。多相撮影では、被検体に造影剤が注入された後、複数のタイミングで回転撮影が行われる。例えば、肝臓を検査対象とする多相撮影においては早期相のタイミングと後期相のタイミングとで回転撮影が行われる。早期相で造影剤が栄養血管を介して癌に集積し、腫瘍濃染として可視化され、後期相で造影剤が癌から流れ出てコロナ濃染又はウォッシュアウト（washout）として可視化される。

図３は、早期相に関する再構成画像Ｉ１を模式的に示す図である。図４は、後期相に関する再構成画像Ｉ２を模式的に示す図である。図３及び図４は、一例として、肝臓癌を撮影対象にする再構成画像を例示している。図３及び図４に示すように、再構成画像Ｉ１及びＩ２は、肝臓に関する画像領域（以下、肝臓領域と呼ぶ）Ｒ１を有する。肝臓領域には肝臓癌に関する画像領域（以下、癌領域と呼ぶ）Ｒ２を有する。再構成画像Ｉ１は早期相において収集されているので、再構成画像Ｉ１における癌領域Ｒ２は、再構成画像Ｉ２の癌領域Ｒ２に比して、造影剤により強く造影されている。早期相に関する再構成画像Ｉ１における癌領域を腫瘍濃染領域と呼ぶこともある。再構成画像Ｉ２は後期相において収集されているので、再構成画像Ｉ２における癌領域Ｒ２は、再構成画像Ｉ１の癌領域Ｒ２に比して、造影されない。再構成画像Ｉ２は癌領域Ｒ２の周囲に、コロナ濃染に関する画像領域（以下、コロナ濃染領域と呼ぶ）Ｒ３を有する。多相撮影による造影剤濃染パターンに基づいて肝臓癌等が診断される。

図１に示すように、コンソール５は、Ｘ線診断装置を統括するコンピュータである。コンソール５は、システム制御回路５６を中枢として、処理回路５１、記憶装置５２、入力機器５３、通信機器５４及び表示機器５５を有する。処理回路５１、記憶装置５２、入力機器５３、通信機器５４及び表示機器５５及びシステム制御回路５６は互いにバス（bus）を介して通信可能に接続されている。

処理回路５１は、ハードウェア資源としてプロセッサを有する。処理回路５１は、本実施形態に係る処理プログラムを実行し、取得機能５１１、再構成機能５１２、位置特定機能５１３、アーチファクト低減機能５１４及び表示制御機能５１５を実現する。なお、各機能５１１〜５１５は単一の処理回路で実現される場合に限らない。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、各プロセッサがプログラムを実行することにより各機能５１１〜５１５を実現するものとしても構わない。

取得機能５１１において処理回路５１は、造影剤が注入された被検体に対して第１のタイミングで実行された回転撮影により生成される第１の投影データセットと、前記被検体に対して第１のタイミングとは異なる第２のタイミングで実行された回転撮影により生成される第２の投影データセットとを取得する。例えば、第１のタイミングは早期相であり、第２のタイミングは後期相である。第２のタイミングの投影データセットは、第１のタイミングの投影データセットに比して強い及び／又は多いアーチファクト成分を含むものとする。

再構成機能５１２において処理回路５１は、投影データセットに再構成処理を施して再構成画像を生成する。具体的には、処理回路５１は、Ｘ線検出器１３からの投影データセットにゲイン補正やオフセット補正等の前処理を施し、前処理後の投影データセットに再構成処理を施す。再構成処理としては、フィルタ補正逆投影法や逐次近似再構成法、機械学習を使用した画像再構成等が適宜使用可能である。処理回路５１は、第１のタイミングの投影データセットに基づいて第１のタイミングの再構成画像を生成し、第２のタイミングの投影データセットに基づいて第２のタイミングの再構成画像を生成する。第２のタイミングの再構成画像は、第１のタイミングの再構成画像に比して強い及び／又は多いアーチファクトを含むものとする。

本実施形態に係る再構成画像は、特に言及しない限り、投影データに再構成処理を施して生成された３次元画像データ（ボリュームデータ）と当該３次元画像データに３次元画像処理を施して生成された２次元画像データとの双方を含む概念であるとする。３次元画像処理としては、ＭＰＲ処理やボリュームレンダリング処理、サーフェスレンダリング処理、画素値投影処理等、３次元画像データを２次元画像データに変換する任意の処理である。３次元画像処理は再構成機能５１２により実現されるものとする。

位置特定機能５１３において処理回路５１は、再構成画像に含まれる各種の画像領域を画像処理により特定する。例えば、処理回路５１は、第１のタイミングの再構成画像における腫瘍発生組織領域の位置と第２のタイミングの再構成画像における腫瘍発生組織領域の位置とを特定する。腫瘍発生組織領域は、腫瘍が発生している組織に関する画像領域である。例えば、肝臓に癌が発生している場合、腫瘍発生組織領域は、肝臓領域である。また、処理回路５１は、第１のタイミングの再構成画像に含まれる腫瘍濃染領域の位置と第２のタイミングの再構成画像に含まれるコロナ濃染領域の位置とを特定する。

アーチファクト低減機能５１４において処理回路５１は、第１のタイミングの再構成画像と第２のタイミングの再構成画像とに基づいて、第２のタイミングに対応し、第２のタイミングの再構成画像よりもアーチファクトが低減された再構成画像を生成する。以下、アーチファクト低減機能５１４により生成される再構成画像を補正画像と呼ぶことにする。処理回路５１は、第１のタイミングの再構成画像と第２のタイミングの再構成画像と第１のタイミングの再構成画像における腫瘍発生組織領域の位置と第２のタイミングの再構成画像における腫瘍発生組織領域の位置とに基づいて、第２のタイミングに関する補正画像を生成してもよい。処理回路５１は、第１のタイミングの再構成画像と第２のタイミングの再構成画像と第１のタイミングの再構成画像における腫瘍濃染領域の位置と第２のタイミングの再構成画像におけるコロナ濃染領域の位置とに基づいて、第２のタイミングに関する補正画像を生成してもよい。

表示制御機能５１５において処理回路５１は、種々のデータを表示機器５５を介して表示する。例えば、処理回路５１は、再構成機能５１２により生成された再構成画像やアーチファクト低減機能５１４により生成された補正画像等を、表示機器５５を介して表示する。

記憶装置５２は、種々のデータを記憶するＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）、集積回路記憶装置等の記憶装置である。例えば、記憶装置５２は、Ｘ線検出器１３から伝送された投影データ、再構成機能５１２により生成された再構成画像、アーチファクト低減機能５１４により生成された補正画像を記憶する。

入力機器５３は、操作者からの各種の入力操作を受け付け、受け付けた入力操作を電気信号に変換して出力する。入力機器５３としては、例えば、マウス、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、タッチパッド及びタッチパネルディスプレイ等が適宜使用可能である。入力機器５３は、物理的な機器だけでなく、通信機器５４を介して接続されたコンピュータ端末や無線通信可能なタブレット端末等でもよい。

通信機器５４は、図示しない有線又は無線を介して、他のコンピュータとの間でデータ通信を行う。例えば、通信機器５４は、投影データや再構成画像、補正画像等を通信する。

表示機器５５は、処理回路５１の表示制御機能５１５の実現により、種々のデータを表示する。表示機器５５としては、例えば、ＣＲＴディスプレイや液晶ディスプレイ、有機ＥＬディスプレイ、ＬＥＤディスプレイ、プラズマディスプレイ、又は当技術分野で知られている他の任意のディスプレイが適宜使用可能である。また、表示機器５５は、プロジェクタであってもよい。例えば、表示機器５５は、再構成機能５１２により生成された再構成画像やアーチファクト低減機能５１４により生成された補正画像等を表示する。

システム制御回路５６は、ハードウェア資源としてプロセッサを有する。システム制御回路５６は、多相撮影プログラムの実行によりＸ線診断装置１の全体を制御する。システム制御回路５６は、回転撮影を行うために高電圧発生器１２とＣアーム駆動系１９とを連動して制御する。回転撮影においてシステム制御回路５６は、予め設定されたＸ線条件に対応するＸ線曝射を行うように高電圧発生器１２に制御信号を供給する。制御信号の供給を受けた高電圧発生器１２は、当該制御信号に応じた高電圧をＸ線管１１に印加し、高電圧の印加を受けてＸ線管１１はＸ線を発生する。回転撮影においてシステム制御回路５６は、Ｃアームを回転するためにＣアーム駆動系１９を制御する。また、システム制御回路５６は、天板３９の位置決めのために寝台駆動系３３を制御してもよい。

なお、上記のＸ線診断装置１の構成は一例であり、これに限定されず、種々の変形が可能である。例えば、システム制御回路５６と処理回路５１とは別個の回路ではなく、単一の回路により構成されてもよい。また、処理回路５１、記憶装置５２、入力機器５３、通信機器５４及び表示機器５５及びシステム制御回路５６の全てが単一のコンピュータに搭載されている必要はなく、複数のコンピュータに分散して搭載されても良い。

次に、Ｘ線診断装置１の動作例について説明する。

以下の動作例において多相撮影における第１のタイミングは早期相であるとし、第２のタイミングは後期相であるとする。アーチファクト低減機能５１４による低減対象のアーチファクトは、如何なるアーチファクトでもよいが、回転撮影時における被検体の体動等に起因するモーションアーチファクトであるとする。モーションアーチファクトは、早期相に関する再構成画像と後期相に関する再構成画像との何れにも生じ得る。早期相の回転撮影から数秒から数十秒経過後に後期相の回転撮影が行われる。よって後期相の回転撮影時の方が、早期相の回転撮影時に比して被検体が動きやすい。よって以下の動作例においては、後期相に関する再構成画像にモーションアーチファクトが有意に発生しているものとする。なお、以下、早期相に関する再構成画像を早期相画像、後期相に関する再構成画像を後期相画像と呼ぶ。

上記の通り、アーチファクト低減機能５１４において処理回路５１は、早期相画像と後期相画像とに基づいて、当該後期相画像に比してモーションアーチファクトが低減された、後期相に関する補正画像を生成する。具体的には、処理回路５１は、予め生成された、モーションアーチファクトを含まない早期相画像とモーションアーチファクトを含まない後期相画像との相関と、モーションアーチファクトを含む後期相画像とモーションアーチファクトを含まない後期相画像との相関とを使用して、被検体に関する早期相画像及び後期相画像から後期相に関する補正画像を生成する。当該相関は、例えば、機械学習の手法により学習される。このような機械学習のアルゴリズムとしては、生物の脳の神経回路を模した多層のネットワークモデルである深層ニューラルネットワーク（ＤＮＮ：Deep Neural Network）であるとする。ＤＮＮは、複数の調整可能な関数及びパラメータの組合せにより定義されるパラメータ付きの合成関数を含む。パラメータが学習された機械学習モデル又はＤＮＮを学習済モデルと呼ぶことにする。本実施形態に係る学習済モデルは、様々な構造を取り得る。例えば、本実施形態に係る学習済モデルは、入力層、出力層及び中間層を含む。中間層としては、少なくとも一以上の畳み込み層（Convolutional Layer）や全結合層（Fully Connected Layer）、プーリング層（Pooling Layer）等を含む。学習済モデルは、ResNet（Residual Network）やDenseNet（Dense Convolutional Network）、U-Net等のネットワーク構造でもよい。なお、「学習済モデル」という語は、追加の学習がなされることを排除するものではない。例えば、学習済モデルに対して適宜追加の学習を施すことにより、調整済みのパラメータをさらに更新してもよい。

図５は、アーチファクト低減機能５１４において使用される学習済モデルの入出力の一例を示す図である。図５に示すように、学習済モデルは、入力データとして、モーションアーチファクト無しの早期相画像とモーションアーチファクト有りの後期相画像とを入力する。上記の通り早期相画像には腫瘍濃染が描出され、後期相画像にはコロナ濃染が描出される。出力データとして、学習済モデルは、モーションアーチファクトを含まない後期相画像を出力する。なお、以下の説明において、アーチファクト無しの画像とは他の画像に比して弱い及び／又は少ないアーチファクトを含む又は所定基準よりも弱い及び／又は少ないアーチファクトを含むことを意味し、アーチファクト有りの画像とは他の画像に比して強い及び／又は多いアーチファクトを含む又は所定基準よりも強い及び／又は多いアーチファクトを含むことを意味するものとする。

ここで、図５を参照しながら、図５の学習済モデルの生成について説明する。学習済モデルは、処理回路５１や他のコンピュータにより生成される。学習済モデルを生成する処理回路５１又は他のコンピュータを学習装置と呼ぶことにする。

学習装置は、複数の学習サンプルに基づいてＤＮＮのパラメータを学習する。各学習サンプルは、入力データとして、モーションアーチファクト無しの早期相画像とモーションアーチファクト有りの後期相画像との組合せを含み、教師データとして、モーションアーチファクト無しの後期相画像（以下、正解後期相画像と呼ぶ）を含む。これら学習サンプルは、被検体をＸ線診断装置により回転撮影することにより生成される。同一の学習サンプルに含まれる各画像は全て同一の被検体を回転撮影することにより生成される。複数の学習サンプル間について同一の被検体である必要はなく、様々な被検体を回転撮影することにより学習サンプルが収集されればよい。

各学習サンプルとしては、例えば、再撮影が行われた場合のデータを用いることができる。すなわち、早期相及び後期相の回転撮影を実施した後に、さらに後期相の回転撮影を再度行った場合、モーションアーチファクト無しの早期相画像と、モーションアーチファクト有りの後期相画像と、モーションアーチファクト無しの後期相画像とが得られる。これらの組を学習サンプルとすることができる。

なお、全ての学習サンプルが回転撮影により収集されたものである必要はない。例えば、回転撮影と略同一の撮像原理であるＣＴ撮影を行うＸ線コンピュータ断層撮影装置により学習サンプルが収集されてもよい。また、全ての学習サンプルが実測の学習サンプルである必要はなく、回転撮影又はＣＴ撮影を模擬するコンピュータシミュレーションにより計算された、計算上の学習サンプルでもよい。また、実測の学習サンプルに任意の画像処理を施すことにより生成された半実測の学習サンプルでもよい。

学習サンプルに含まれる早期相画像、後期相画像及び正解後期相画像は、３次元画像データでもよいし、２次元画像データでもよい。２次元画像データである場合、断面はアキシャル断面、サジタル断面、コロナル断面及びオブリーク断面の如何なる向きでもよい。また、腫瘍濃染領域やコロナ濃染領域に交差する一断面の２次元画像データが入力及び出力に用いられてもよいし、腫瘍濃染領域やコロナ濃染領域に様々な位置及び向きで交差する複数断面の２次元画像データが入力及び出力に用いられてもよい。複数断面の２次元画像データに基づく最大値投影画像や平均値投影画像等の画素値投影画像が入力及び出力に用いられてもよい。

学習済モデルの生成過程において学習装置は、モーションアーチファクト無しの早期相画像とモーションアーチファクト有りの後期相画像とを機械学習モデルに適用して順伝播処理を行い、推定後期相画像を出力する。次に学習装置は、推定後期相画像と正解後期相画像との差分（誤差）に当該機械学習モデルを適用して逆伝播処理を行い、勾配ベクトルを計算する。次に学習装置は、勾配ベクトルに基づいて当該機械学習モデルの重み付き行列やバイアス等のパラメータを更新する。多数の学習サンプルについて順伝播処理及び逆伝播処理を繰り返してパラメータを更新することにより学習済モデルが完成する。完成後の学習済モデルは記憶装置５２に記憶される。

早期相画像と後期相画像との双方にモーションアーチファクトが無い場合、早期相画像と後期相画像との違いは、理想的には、早期相から後期相までの期間における造影剤の流れに起因する画素値の相違である。また、モーションアーチファクト有りの後期相画像とモーションアーチファクト無しの後期相画像との違いは、理想的には、モーションアーチファクトの有無に起因する画素値の相違である。従って、モーションアーチファクト無しの早期相画像とモーションアーチファクト有りの後期相画像との組合せと、モーションアーチファクト無しの後期相画像とに基づいて機械学習を行うことにより、早期相から後期相までの期間における造影剤の流れに起因する画素値の相違とモーションアーチファクトの有無に起因する画素値の相違とをＤＮＮに学習させることができる。このように生成された学習済モデルを使用することにより処理回路５１は、後期相画像に含まれる造影剤領域を維持しつつ、後期相で実行された回転撮影での体動に起因するモーションアーチファクトを低減することができる。

ところで、モーションアーチファクト無しの早期相画像を入力せずモーションアーチファクト有りの後期相画像のみを入力としてモーションアーチファクト無しの後期相画像を出力するような学習済モデルを作成することも考えられる。この場合でも、モーションアーチファクトの低減は可能であるが、学習済モデルにおける処理によるアーチファクトが生じるリスクがある。これに対し、本実施形態による学習済モデルは、モーションアーチファクト無しの早期相画像をさらに入力することにより、学習済モデルにおける処理によるアーチファクトが生じるリスクを低減することができる。

なお、学習済モデルの生成方法は、教師有り学習に限定されず、敵対的生成ネットワーク（ＧＡＮ：Generative Adversarial Nets）やpix2pix等の手法を使用して学習済モデルが生成されてもよい。

図５の学習済モデルは一例であり、入出力関係等は図５に示すもののみに限定されない。例えば、学習済モデルは、モーションアーチファクト無しの後期相画像とモーションアーチファクト有りの早期相画像とを入力とし、モーションアーチファクト無しの（モーションアーチファクトが低減された）早期相画像を出力してもよい。また、入力及び出力の各画像は、３次元画像データでもよいし、２次元画像データでもよい。

また、学習済モデルの入力は、早期相画像及び後期相画像のみに限定されず、位置特定機能５１３により特定された腫瘍濃染領域の位置、コロナ濃染領域の位置及び腫瘍発生組織領域の位置のうちの少なくとも１つに関する情報が補助的に入力されてもよい。これにより、造影剤の影響の無い、早期相画像と補正後の後期相画像とにおいて略一致するべき領域が特定され、より精度の高いアーチファクトの補正が可能となる。

次に、Ｘ線診断装置１による多相撮影を、肝臓癌を臨床例に挙げて説明する。

図６は、Ｘ線診断装置１による多相撮影の典型的な流れを示す図である。図６に示す多相撮影において学習済モデルは、早期相画像、後期相画像、腫瘍濃染領域の位置、コロナ濃染領域の位置及び腫瘍発生組織領域の位置を入力とする。当該学習済モデルの詳細については後述する。被検体が寝台３１に載置され造影剤が注入され造影剤が早期相のタイミングにあると判断した場合、医療従事者であるユーザは、撮影スイッチを押下する。撮影スイッチの押下を契機としてシステム制御回路５６は、多相撮影プログラムを実行し、図６に示す処理を開始する。

まずシステム制御回路５６は、高電圧発生器１２とＣアーム駆動系１９とを制御し、早期相で回転撮影を行い、Ｘ線検出器１３を介して早期相に関する投影データセットを収集する（ステップＳ１）。収集された投影データセットは記憶装置５２に記憶され、処理回路５１の取得機能５１１の実現により処理回路５１により取得される。

ステップＳ１が行われると処理回路５１は、再構成機能５１２の実現により、早期相に関する投影データセットに基づいて早期相画像を生成する（ステップＳ２）。より詳細には、ステップＳ２において処理回路５１は、早期相に関する投影データセットに基づいて３次元画像データを生成し、３次元画像データの中から腫瘍濃染領域を画像処理により抽出し、抽出された腫瘍濃染領域を含む断面に関する断面画像を生成する。断面は、アキシャル断面、コロナル断面及びサジタル断面の何れかでもよいし、オブリーク断面でもよい。本実施形態において断面は、特に言及しない限り、厚さが１ボクセルであるスライスと厚さが２ボクセル以上のスラブとの双方の概念を含むものとする。断面がスラブである場合、断面画像として、スラブに限定して最大値投影処理を行うことにより生成された最大値投影画像が生成されるとよい。なお、最大値投影処理のみに限定されず、造影剤の性質等に応じ、平均値投影処理や中間値装置処理、最小値投影処理が行われてもよい。以下、早期相画像は、腫瘍濃染領域を含むスライスに関する２次元画像であるとする。

システム制御回路５６は、早期相の回転撮影からある時間間隔後、再び高電圧発生器１２とＣアーム駆動系１９とを制御し、後期相で回転撮影を行い、Ｘ線検出器１３を介して早期相に関する投影データセットを収集する（ステップＳ３）。当該ある時間間隔は、早期相から後期相までの時間間隔として経験的に定められた値でもよいし、シミュレーションにより計算された値でもよいし、造影剤濃度のモニタリングによりリアルタイムに定められた値でもよい。収集された投影データセットは記憶装置５２に記憶され、処理回路５１の取得機能５１１の実現により処理回路５１により取得される。

ステップＳ３が行われると処理回路５１は、再構成機能５１２の実現により、後期相に関する投影データセットに基づいて後期相画像を生成する（ステップＳ４）。より詳細には、ステップＳ４において処理回路５１は、後期相に関する投影データセットに基づいて３次元画像データを生成し、３次元画像データの中からコロナ濃染領域を画像処理により抽出し、抽出されたコロナ濃染領域を含む断面に関する断面画像を生成する。以下、後期相画像は、コロナ濃染領域を含むスライスに関する２次元画像であるとする。

ステップＳ４が行われると処理回路５１は、表示制御機能５１５の実現により、ステップＳ２において生成された早期相画像とステップＳ４において生成された後期相画像とを表示する（ステップＳ５）。

図７は、早期相画像Ｉ１と後期相画像Ｉ２との表示画面ＩＳ１の一例を示す図である。図７に示すように、表示画面ＩＳ１には早期相画像Ｉ１と後期相画像Ｉ２とが並べて配置される。ユーザは、早期相画像Ｉ１と後期相画像Ｉ２とを見比べて肝臓癌の診断を行う。表示画面ＩＳ１には早期相画像Ｉ１についての「動きあり」ボタンＢ１１及び「動きなし」ボタンＢ１２、後期相画像Ｉ２についての「動きあり」ボタンＢ２１及び「動きなし」ボタンＢ２２が配置される。ボタンＢ１１、Ｂ１２、Ｂ２１及びＢ２２は、マウス等の入力機器５３を介して押下可能な、グラフィカルユーザインタフェース（ＧＵＩ：Graphical User Interface）ボタンである。ユーザは、早期相画像Ｉ１を観察して、早期相画像Ｉ１にモーションアーチファクトが発生していると判断した場合、「動きあり」ボタンＢ１１を押下し、モーションアーチファクトが発生していないと判断した場合、「動きなし」ボタンＢ１２を押下する。同様に、ユーザは、後期相画像Ｉ２を観察して、後期相画像Ｉ２にモーションアーチファクトが発生していると判断した場合、「動きあり」ボタンＢ２１を押下し、モーションアーチファクトが発生していないと判断した場合、「動きなし」ボタンＢ２２を押下する。

処理回路５１は、「動きあり」ボタンＢ１１及び「動きなし」ボタンＢ２２が押下された場合、早期相画像Ｉ１のモーションアーチファクトを低減すると判断し、「動きあり」ボタンＢ２１及び「動きなし」ボタンＢ１２が押下された場合、後期相画像Ｉ２のモーションアーチファクトを低減すると判断する（ステップＳ６：ＹＥＳ）。一方、処理回路５１は、「動きなし」ボタンＢ１２及び「動きなし」ボタンＢ２２が押下された場合、早期相画像Ｉ１及び後期相画像Ｉ２の双方にモーションアーチファクトが発生していないことを意味し、モーションアーチファクトを低減しないと判断する（ステップＳ６：ＮＯ）。

一方、処理回路５１は、「動きあり」ボタンＢ１１及び「動きあり」ボタンＢ２１が押下された場合、早期相画像Ｉ１及び後期相画像Ｉ２の双方にモーションアーチファクトが発生していることを意味し、モーションアーチファクトを低減しないと判断する（ステップＳ６：ＮＯ）。この場合、ユーザは、システム制御回路５６は、再度、Ｃアーム１５を初期位置に移動させ、ステップＳ１からステップＳ４を実行することにより、早期相及び後期相について回転撮影を行う。なお、図７に示すように、表示画面ＩＳ２には「再撮影」ボタンＢ３が配置されてもよい。「再撮影」ボタンＢ３は、マウス等の入力機器５３を介して押下可能なＧＵＩボタンである。「再撮影」ボタンＢ３が押下された場合にも、システム制御回路５６は、再度、Ｃアーム１５を初期位置に移動させ、ステップＳ１からステップＳ４を実行することにより、早期相及び後期相について回転撮影を行う。なお、このとき、再撮影前の回転撮影により得られた早期相画像Ｉ１及び後期相画像Ｉ２と、再撮影により得られる再構成画像とを学習サンプルとして記憶装置５２に保存し、又は、通信機器５４を通じてサーバ等の他の装置へ出力してもよい。

なお、以下では、早期相画像がモーションアーチファクト無し、後期相画像がモーションアーチファクト有りであるものとする。

ステップＳ６においてモーションアーチファクトを低減すると判定された場合（ステップＳ６：ＹＥＳ）、処理回路５１は、位置特定機能５１３の実現により、早期相画像から肝臓領域及び腫瘍濃染領域の位置データ（以下、早期相位置データと呼ぶ）を生成する（ステップＳ７）。

図８は、早期相位置データＩ３の一例を示す図である。ステップＳ７において処理回路５１は、早期相画像に画像処理を施して肝臓領域の位置と腫瘍濃染領域の位置とを特定し、早期相画像における肝臓領域の位置と腫瘍濃染領域の位置との空間分布を示す画像データを、早期相位置データとして生成する。例えば、腫瘍濃染領域に対応する画素には「２」が割り当てられ、肝臓領域に対応する画素には「１」が割り当てられ、それ以外の背景領域に対応する画素には「０」が割り当てられる。早期相位置データＩ３は、記憶装置５２に記憶される。画像処理としては、各領域を特定できるのであれば特に限定されず、テンプレートマッチングや閾値処理、画像認識、機械学習等の如何なる方法でもよい。早期相位置データＩ３のマトリクスサイズは、典型的には、早期相画像のマトリクスサイズと同一である。

なお、画素値「２」、「１」及び「０」は一例であり、腫瘍濃染領域、肝臓領域及び背景領域が区別できるのであれば如何なる値でもよい。また、早期相位置データＩ３のマトリクスサイズは、早期相画像のマトリクスサイズと同一であることに限定されず、所定の倍率で縮小又は拡大されてもよい。また、早期相位置データＩ３は、画像データである必要もなく、腫瘍濃染領域、肝臓領域及び背景領域の座標を示す数値データでもよい。

ステップＳ７が行われると処理回路５１は、位置特定機能５１３の実現により、後期相画像から肝臓領域及びコロナ濃染領域の位置データ（以下、後期相位置データと呼ぶ）を生成する（ステップＳ８）。

図９は、後期相位置データＩ４の一例を示す図である。ステップＳ８において処理回路５１は、後期相画像に画像処理を施して肝臓領域の位置とコロナ濃染領域の位置とを特定し、後期相画像における肝臓領域の位置とコロナ濃染領域の位置との空間分布を示す画像データを、後期相位置データとして生成する。例えば、コロナ濃染領域に対応する画素には「３」が割り当てられ、肝臓領域に対応する画素には「１」が割り当てられ、それ以外の背景領域に対応する画素には「０」が割り当てられる。後期相位置データＩ４は、記憶装置５２に記憶される。ステップＳ８における画像処理はステップＳ７における画像処理と同様である。後期相位置データＩ４のマトリクスサイズは、典型的には、後期相画像のマトリクスサイズと同一である。

なお、画素値「３」、「１」及び「０」は一例であり、コロナ濃染領域、肝臓領域及び背景領域が区別できるのであれば如何なる値でもよい。また、後期相位置データＩ４のマトリクスサイズは、後期相画像のマトリクスサイズと同一であることに限定されず、所定の倍率で縮小又は拡大されてもよい。また、早期相位置データＩ３は、画像データである必要もなく、コロナ濃染領域、肝臓領域及び背景領域の座標を示す数値データでもよい。

ステップＳ８が行われると処理回路５１は、アーチファクト低減機能５１４の実現により、学習済モデルを、早期相画像と後期相画像と早期相位置データと後期相位置データとに適用し、モーションアーチファクトが低減された、後期相に関する補正画像を生成する（ステップＳ９）。

図１０は、ステップＳ９において使用される学習済モデルの入出力の一例を示す図である。図１０に示すように、学習済モデルは、入力データとして、モーションアーチファクト無しの早期相画像とモーションアーチファクト有りの後期相画像と早期相位置データと後期相位置データとを入力する。出力データとして、学習済モデルは、モーションアーチファクト無しの（モーションアーチファクトが低減された）後期相画像を出力する。

ここで、図１０を参照しながら、図１０の学習済モデルの生成について説明する。なお、図１０の学習済モデルの生成方法は、学習サンプルの内容以外、図５の学習済モデルと同様である。説明の簡単のため、図５の学習済モデルとの差分のみを説明する。

学習装置は、複数の学習サンプルに基づいてＤＮＮのパラメータを学習する。各学習サンプルは、入力データとして、モーションアーチファクト無しの早期相画像とモーションアーチファクト有りの後期相画像と早期相位置データと後期相位置データとの組合せを含み、教師データとして、モーションアーチファクト無しの後期相画像（正解後期相画像）を含む。学習済モデルの生成過程において学習装置は、モーションアーチファクト無しの早期相画像とモーションアーチファクト有りの後期相画像と早期相位置データと後期相位置データとを機械学習モデルに適用して順伝播処理を行い、推定後期相画像を出力する。次に学習装置は、推定後期相画像と正解後期相画像との差分（誤差）に当該機械学習モデルを適用して逆伝播処理を行い、勾配ベクトルを計算する。次に学習装置は、勾配ベクトルに基づいて当該機械学習モデルの重み付き行列やバイアス等のパラメータを更新する。多数の学習サンプルについて順伝播処理及び逆伝播処理を繰り返してパラメータを更新することにより学習済モデルが完成する。完成後の学習済モデルは記憶装置５２に記憶される。

図１０の学習済モデルは、図５の学習済モデルに比して、入力データとして更に、肝臓領域及び腫瘍濃染領域の位置を示す早期相位置データと、肝臓領域及びコロナ濃染領域の位置を示す後期相位置データとを入力する。これにより学習済モデルに、早期相における肝臓領域及び腫瘍濃染領域の位置と後期相における肝臓領域及びコロナ濃染領域の位置とを容易に判別させることにより、モーションアーチファクト低減の精度を向上させたり、学習効率を高めたりすることができる。このように生成された学習済モデルを使用することにより処理回路５１は、後期相画像に含まれる造影剤領域を維持しつつ、後期相で実行された回転撮影での体動に起因するモーションアーチファクトを高精度で低減することができる。

ステップＳ９が行われると処理回路５１は、表示制御機能５１５の実現により、後期相に関する補正画像を表示機器５５に表示させる（ステップＳ１０）。ステップＳ１０において表示機器５５は、例えば、ステップＳ２において生成された早期相画像とステップＳ９において生成された後期相に関する補正画像とを並べて表示する。ステップＳ９において生成された補正画像は、ステップＳ４において生成された後期相画像に比してモーションアーチファクトが低減されているので、より正確且つ効率的に肝臓癌の診断が行われることが期待される。

以上により図６に示す多相撮影が終了する。

なお、図６に示す処理の流れは一例であり、これに限定されるものではない。例えば、ステップＳ７がステップＳ２の後に行われてもよく、同様にステップＳ８がステップＳ４の後に行われてもよい。また、ステップＳ８の後にステップＳ７が行われてもよい。

図６においては、早期相位置データは肝臓領域及び腫瘍濃染領域の双方の位置を示すデータであるとしたが、肝臓領域及び腫瘍濃染領域の何れか一方のみの位置を示すデータであってもよい。同様に、後期相位置データは肝臓領域及びコロナ濃染領域の双方の位置を示すデータであるとしたが、肝臓領域及びコロナ濃染領域の何れか一方のみの位置を示すデータであってもよい。

上記の実施形態において、学習済モデルには、２次元画像データが入力されるものとしたが、３次元画像データが入力されてもよい。また、学習済モデルに２次元画像データが入力される場合であっても、診断に用いられる複数の断面に関する２次元画像データが学習済モデルに一断面ずつ入力されてもよい。あるいは、診断に用いられる単一の断面に関する２次元画像データが学習済モデルに入力されてもよい。これにより効率良く診断を行うことが可能になる。

上記の実施形態において、早期相位置データは早期相画像から生成され、後期相位置データは後期相画像から生成されるものとした。しかしながら、後期相位置データと早期相位置データとの双方が早期相画像から生成されてもよい。当該処理は、例えば、機械学習処理により実現される。

図１１は、位置データの生成のための学習済モデルの入出力の一例を示す図である。図１１に示すように、学習済モデルは、入力データとして、腫瘍濃染が描出された早期画像を入力する。出力データとして、学習済モデルは、早期相位置データと後期相位置データとを出力する。出力の早期相位置データは、入力の早期相画像に含まれる肝臓領域及び腫瘍濃染領域の位置に対応し、出力の後期相位置データは、入力の早期相画像から推測される後期相の肝臓領域及びコロナ濃染領域の位置に対応する。

ここで、図１１を参照しながら、図１１の学習済モデルの生成について説明する。なお、図１１の学習済モデルの生成方法は、学習サンプルの内容以外、図５や図１０の学習済モデルと同様である。説明の簡単のため、図５や図１０の学習済モデルとの差分のみを説明する。

学習装置は、複数の学習サンプルに基づいてＤＮＮのパラメータを学習する。各学習サンプルは、入力データとして、早期相画像を含み、教師データとして、早期相位置データ（以下、正解早期相位置データと呼ぶ）と後期相位置データ（以下、正解後期相位置データと呼ぶ）との組合せを含む。学習サンプルの早期相画像は、例えば、回転撮影を使用した多相撮影により得られた早期相画像である。学習サンプルの早期相画像は、モーションアーチファクト有りでもよいし、モーションアーチファクト無しでもよい。学習サンプルの早期相位置データは、入力の早期相画像から画像処理又はユーザ指示に従い生成される。学習サンプルの後期相位置データは、回転撮影を使用した多相撮影により得られた後期相画像であり、入力の早期相画像に続き収集されたものが望ましい。なお、学習サンプルの早期相画像及び後期相画像は同一の多相撮影に属する必要はなく、別々の多相撮影により収集されたものでもよい。

学習済モデルの生成過程において学習装置は、早期相画像を機械学習モデルに適用して順伝播処理を行い、推定早期相位置データ及び推定後期相位置データを出力する。次に学習装置は、推定早期相位置データ及び推定後期相位置データの組合せと正解早期相位置データ及び正解後期相位置データの組合せとの差分（誤差）に当該機械学習モデルを適用して逆伝播処理を行い、勾配ベクトルを計算する。次に学習装置は、勾配ベクトルに基づいて当該機械学習モデルの重み付き行列やバイアス等のパラメータを更新する。多数の学習サンプルについて順伝播処理及び逆伝播処理を繰り返してパラメータを更新することにより学習済モデルが完成する。完成後の学習済モデルは記憶装置５２に記憶される。

早期相画像には肝臓領域と腫瘍濃染領域とが含まれているので、早期相画像と早期相位置データとには相関があるといえる。早期相画像に含まれる肝臓領域及び腫瘍濃染領域と後期相位置データとの違いは、理想的には、肝臓領域の位置は不動であるので、早期相から後期相までの期間における造影剤の流れに起因する造影剤領域の変化である。このように生成された学習済モデルを使用することにより処理回路５１は、早期相画像から早期相位置データと後期相位置データとを出力することができる。

なお、位置データの生成のための学習済モデルは、早期相画像を入力として、後期相位置データを出力するように構成されてもよい。この場合、早期相位置データは、早期相画像に閾値処理等の画像処理又は入力機器５３を介したユーザ指示に従い生成されればよい。また、位置データの生成のための学習済モデルは、後期相画像を入力して後期相位置データと早期相位置データとを出力するように構成されてもよいし、後期相画像を入力して早期相位置データを出力するように構成されてもよい。また、早期相の腫瘍濃染領域の位置は、腫瘍及び血管のセグメンテーションを行うアプリケーションにより得られた結果が用いられてもよい。

モーションアーチファクト無しの（モーションアーチファクトが低減された）後期相画像を出力する学習済モデルは、入力データとして、位置データの代わりに、付加情報が入力されてもよい。

図１２は、モーションアーチファクト無しの（モーションアーチファクトが低減された）後期相画像を出力する他の学習済モデルの入出力の一例を示す図である。図１２に示すように、学習済モデルは、入力データとして、モーションアーチファクト無しの早期相画像とモーションアーチファクト有りの後期相画像と付加情報とを入力する。上記の通り早期相画像には腫瘍濃染が描出され、後期相画像にはコロナ濃染が描出される。付加情報としては、造影剤の流れに影響するあらゆる情報が該当する。例えば、付加情報は、解剖学的情報、造影剤情報及び血流情報を含む。解剖学的情報は、被検体のＣＴ画像やＭＲ画像等の形態画像や標準的な解剖学的構造に関する人体モデルが挙げられる。学習済モデルに入力される解剖学的情報としては、早期相画像及び後期相画像と同じ撮影部位のものが用いられるとよい。造影剤情報は、被検体に注入される造影剤の特性等に関する情報であり、具体的には、濃度、種類、流速等である。血流情報は、被検体の血流に関する情報であり、具体的には、血圧や超音波ドプラの計測情報である。学習済モデルには付加情報として、解剖学的情報、造影剤情報及び血流情報の全ての情報が入力される必要はなく、少なくとも一種の情報が入力されればよい。出力データとして、学習済モデルは、モーションアーチファクト無しの後期相画像を出力する。

ここで、図１２を参照しながら、図１２の学習済モデルの生成について説明する。なお、図１２の学習済モデルの生成方法は、学習サンプルの内容以外、図５や図１０の学習済モデルと同様である。説明の簡単のため、図５や図１０の学習済モデルとの差分のみを説明する。

学習装置は、複数の学習サンプルに基づいてＤＮＮのパラメータを学習する。各学習サンプルは、入力データとして、モーションアーチファクト無しの早期相画像とモーションアーチファクト有りの後期相画像と付加情報との組合せを含み、教師データとして、モーションアーチファクト無しの後期相画像（正解後期相画像）を含む。学習済モデルの生成過程において学習装置は、モーションアーチファクト無しの早期相画像とモーションアーチファクト有りの後期相画像と付加情報とを機械学習モデルに適用して順伝播処理を行い、推定後期相画像を出力する。次に学習装置は、推定後期相画像と正解後期相画像との差分（誤差）に当該機械学習モデルを適用して逆伝播処理を行い、勾配ベクトルを計算する。次に学習装置は、勾配ベクトルに基づいて当該機械学習モデルの重み付き行列やバイアス等のパラメータを更新する。多数の学習サンプルについて順伝播処理及び逆伝播処理を繰り返してパラメータを更新することにより学習済モデルが完成する。完成後の学習済モデルは記憶装置５２に記憶される。

図１２の学習済モデルは、図５の学習済モデルに比して、更に付加情報を入力する。付加情報を入力することにより、学習済モデルに、早期相画像及び後期相画像からは得られない情報を取り込むことが可能になる。このように生成された学習済モデルを使用することにより処理回路５１は、後期相画像に含まれる造影剤領域を維持しつつ、後期相で実行された回転撮影での体動に起因するモーションアーチファクトを高精度で低減することができる。

上記の実施形態において学習済モデルは、腫瘍の大きさに応じて生成されてもよい。すなわち、記憶装置５２は、腫瘍の大きさに応じた複数の学習済モデルを記憶する。典型的には、腫瘍の大きさの区分毎に学習済モデルが生成される。腫瘍の大きさの区分としては、例えば、２ｃｍ未満の小さい腫瘍、２ｃｍ以上の大きい腫瘍、の２区分に分けられるとよい。腫瘍の大きさに応じて学習済モデルを使い分けることにより、学習済モデルが腫瘍領域や造影剤領域、アーチファクトをより正確に識別することができるので、補正画像の画質を向上させることが期待される。

学習済モデルの使用時において処理回路５１は、早期相画像、後期相画像、早期相位置データ又は後期相位置データから腫瘍領域の大きさを特定する。例えば、早期相画像又は早期相位置データから腫瘍濃染領域の大きさを計算し、当該大きさを腫瘍領域の大きさとして特定する。また、後期相画像又は後期相位置データからコロナ濃染領域に囲まれた画像領域の大きさを計算し、当該大きさを腫瘍領域の大きさとして特定する。大きさは、腫瘍領域の画素数により規定してもよいし、腫瘍領域の短軸や長軸の長さにより規定されてもよい。あるいは、被検体の電子カルテ等に記載された腫瘍の大きさの情報が用いられてもよい。そして処理回路５１は、特定された大きさに対応する上記区分を判別し、当該区分に関連付けられた学習済モデルを読み出し、読み出した学習済モデルを早期相画像と後期相画像とに適用して補正画像を生成する。

学習済モデルは、被検体の体型、造影剤情報又は血流情報に応じて生成されてもよい。被検体の体型は、具体的には、被検体の身長や体重、性別、年齢等である。造影剤情報は、被検体に注入される造影剤の特性等に関する情報であり、具体的には、濃度、種類、流速等である。血流情報は、被検体の血流に関する情報であり、具体的には、血圧や超音波ドプラの計測情報である。これら情報に応じて学習済モデルを使い分けることにより、学習済モデルが腫瘍領域や造影剤領域、アーチファクトをより正確に識別することができるので、補正画像の画質を向上させることが期待される。

上記の説明の通り、本実施形態に係るＸ線診断装置１は、処理回路５１を有する処理回路５１は、取得機能５１１、再構成機能５１２及びアーチファクト低減機能５１４を実現する。取得機能５１１は、造影剤が注入された被検体に対して第１のタイミングで実行された回転撮影により生成される第１の投影データセットと、前記被検体に対して前記第１のタイミングとは異なる第２のタイミングで実行された回転撮影により生成される第２の投影データセットとを取得する。再構成機能５１２は、前記第１の投影データセットに基づいて第１の再構成画像を生成し、前記第２の投影データセットに基づいて第２の再構成画像を生成する。アーチファクト低減機能５１４は、前記第１の再構成画像と前記第２の再構成画像とに基づいて、前記第２のタイミングに対応し、前記第２の再構成画像よりもアーチファクトが低減された第３の再構成画像を生成する。

上記の構成によれば、例えば、同一被検体に関するモーションアーチファクトが低減された早期相画像とモーションアーチファクト有りの後期相画像とに基づいて、当該被検体に関するモーションアーチファクト無しの後期相画像を生成することができるので、回転撮影を使用した多相撮影においてモーションアーチファクト等のアーチファクトが発生した場合、再撮影を回避することができる。したがって息止不良の患者を対象とした回転撮影を使用した多相撮影のワークフローを改善し、且つ正確な診断を支援することができる。

上記の説明において、本実施形態に係る医用画像処理装置は、Ｘ線診断装置に搭載されるものとした。しかしながら、本実施形態はこれに限定されず、Ｘ線診断装置と同様に複数角度に関する複数の投影データセットを収集可能なＸ線コンピュータ断層撮影装置に搭載されてもよい。

本実施形態に係る医用画像処理装置は、Ｘ線診断装置により収集されるデータを処理するコンピュータである。本実施形態に係る医用画像処理装置は、Ｘ線診断装置に含まれるコンピュータでもよいし、Ｘ線診断装置とは別体のコンピュータでもよい。以下、医用画像処理装置は、Ｘ線診断装置に含まれるコンピュータであるとする。

上記の実施形態において回転撮影、画像再構成、アーチファクト低減及び画像表示がＸ線診断装置１で行われるものとした。しかしながら、本実施形態はこれに限定されない。回転撮影、画像再構成、アーチファクト低減及び画像表示が、Ｘ線診断システムを構成する複数の装置に分散して行われてもよい。

図１３は、本実施形態に係るＸ線診断システム１００の構成を示す図である。図１３に示すように、Ｘ線撮影部３、コンソール５、画像処理コンピュータ７及び表示装置９を有する。Ｘ線撮影部３とコンソール５とはＸ線診断装置を構成する。コンソール５、画像処理コンピュータ７及び表示装置９はネットワークを介して通信可能に接続されている。ネットワークの通信規格としては、例えば、ＤＩＣＯＭ（Digital Imaging and Communications and in Medicine）が用いられる。

上記の通り、Ｘ線撮影部３により回転撮影が行われ、早期相に関する投影データセットと後期相に関する投影データセットとが収集されコンソール５に伝送される。コンソール５には再構成機能５１２が搭載される。コンソール５により、早期相に関する投影データセットに画像再構成処理が施され早期相画像が生成され、後期相に関する投影データセットに画像再構成処理が施され後期相画像が生成される。早期相画像と後期相画像とはネットワークを介して画像処理コンピュータ７に送信される。画像処理コンピュータ７は、ワークステーション等のコンピュータである。画像処理コンピュータ７には、学習済モデルが格納され、また、アーチファクト低減機能５１４が搭載される。画像処理コンピュータ７は、当該学習済モデルを早期相画像と後期相画像とに適用し、アーチファクトが低減された補正画像を生成する。補正画像は表示装置９に送信される。表示装置９は、ビューワと呼ばれるコンピュータである。表示装置９には、表示制御機能５１５が搭載される。表示装置９は、補正画像を表示する。読影医等の医療従事者は、表示された補正画像を観察し、肝臓癌等の診断を行う。

上記の構成によれば、アーチファクト低減機能５１４が画像処理コンピュータ７に搭載されるので、Ｘ線診断装置を既存の構成にすることができる。なお、図１３においてネットワークにはＸ線撮影部３及びコンソール５を含むＸ線診断装置１台が接続されているが、複数台のＸ線診断装置が接続されてもよい。

なお、上記の実施形態によれば、学習済モデルは、第１のタイミングに対応する再構成画像と第２のタイミングに対応する再構成画像とを入力し、第２のタイミングに対応し且つアーチファクトが低減された再構成画像を出力するものとした。しかしながら、本実施形態はこれに限定されない。学習済モデルは、第１のタイミングに対応する投影データセットと第２のタイミングに対応する投影データセットとを入力し、第２のタイミングに対応し且つアーチファクトが低減された再構成画像を出力するように学習されてもよい。この学習済モデルによれば、例えば、早期相の投影データセットと後期相の投影データセットとを入力し、後期相に対応し且つモーションアーチファクトが低減された補正画像を出力することが可能になる。よって、補正画像を生成する処理において、投影データセットから再構成画像を生成する工程を省くことが可能になる。

以上説明した少なくとも１つの実施形態によれば、回転撮影を用いた多相撮影に伴うアーチファクトを効率的に低減することができる。

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、或いは、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。プロセッサは記憶回路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、記憶回路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、プログラムを実行するのではなく、論理回路の組合せにより当該プログラムに対応する機能を実現しても良い。なお、本実施形態の各プロセッサは、プロセッサごとに単一の回路として構成される場合に限らず、複数の独立した回路を組み合わせて１つのプロセッサとして構成し、その機能を実現するようにしてもよい。さらに、図１及び図１３における複数の構成要素を１つのプロセッサへ統合してその機能を実現するようにしてもよい。

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線診断装置
３ Ｘ線撮影部
５ コンソール
７ 画像処理コンピュータ
９ 表示装置
１０ Ｘ線管保持装置
１１ Ｘ線管
１２ 高電圧発生器
１３ Ｘ線検出器
１５ Ｃアーム
１７ Ｃアーム保持系
１９ Ｃアーム駆動系
３０ 寝台装置
３１ 寝台
３３ 寝台駆動系
３７ 基台
３９ 天板
５１ 処理回路
５２ 記憶装置
５３ 入力機器
５４ 通信機器
５５ 表示機器
５６ システム制御回路
１００ Ｘ線診断システム
５１１ 取得機能
５１２ 再構成機能
５１３ 位置特定機能
５１４ アーチファクト低減機能
５１５ 表示制御機能

Claims (15)

1. 造影剤が注入された被検体に対して第１のタイミングで実行された回転撮影により生成される第１の投影データセットと、前記被検体に対して前記第１のタイミングとは異なる第２のタイミングで実行された回転撮影により生成される第２の投影データセットとを取得する取得部と、
   前記第１の投影データセットに基づいて第１の再構成画像を生成し、前記第２の投影データセットに基づいて第２の再構成画像を生成する再構成部と、
   前記第１の再構成画像と前記第２の再構成画像とに基づいて、前記第２のタイミングに対応し、前記第２の再構成画像よりもアーチファクトが低減された第３の再構成画像を生成する低減部と、
   を具備する医用画像処理装置。
2. 前記低減部は、前記第２の再構成画像に含まれる造影剤領域を維持しつつ、前記アーチファクトとして、前記第２のタイミングで実行された回転撮影における前記被検体の体動に起因するモーションアーチファクトを低減する、請求項１記載の医用画像処理装置。
3. 予め生成された前記第１のタイミングに対応しアーチファクト無しの再構成画像と前記第２のタイミングに対応しアーチファクト有りの再構成画像とを入力とし前記第２のタイミングに対応しアーチファクト無しの再構成画像を出力とする学習済モデルを、前記第１の再構成画像と前記第２の再構成画像とに適用し、前記第３の再構成画像を生成する、請求項１記載の医用画像処理装置。
4. 前記学習済モデルは、腫瘍の大きさに応じた複数のモデルを有し、
   前記低減部は、前記複数のモデルの中から、前記被検体に含まれる腫瘍の大きさに対応するモデルを選択し、前記選択されたモデルを、前記第１の再構成画像と前記第２の再構成画像とに適用し、前記第３の再構成画像を生成する、
   請求項３記載の医用画像処理装置。
5. 前記学習済モデルは、更に解剖学的情報、造影剤情報及び血流情報の少なくとも一の付加情報を入力とし、
   前記低減部は、前記学習済モデルを、前記第１の再構成画像と前記第２の再構成画像と前記被検体に関する付加情報とに適用し、前記第３の再構成画像を生成する、
   請求項３記載の医用画像処理装置。
6. 前記第１のタイミングは、多相撮影における早期相及び後期相のうちの何れか一相であり、
   前記第２のタイミングは、前記早期相及び前記後期相のうちの他の相である、
   請求項１記載の医用画像処理装置。
7. 前記第１の再構成画像は、造影剤による腫瘍濃染領域及びコロナ濃染領域のうちの何れか一領域を含み、
   前記第２の再構成画像は、前記腫瘍濃染領域又は前記コロナ濃染領域のうちの他の領域を含む、
   請求項１記載の医用画像処理装置。
8. 前記第１の再構成画像における腫瘍発生組織領域の第１の位置と前記第２の再構成画像における腫瘍発生組織領域の第２の位置とを特定する特定部を更に備え、
   前記低減部は、前記第１の再構成画像と前記第２の再構成画像と前記第１の位置と前記第２の位置とに基づいて、前記第３の再構成画像を生成する、
   請求項１記載の医用画像処理装置。
9. 前記第１の再構成画像に含まれる腫瘍濃染領域の第１の位置と前記第２の再構成画像に含まれるコロナ濃染領域の第２の位置とを特定する特定部を更に備え、
   前記低減部は、前記第１の再構成画像と前記第２の再構成画像と前記第１の位置と前記第２の位置とに基づいて、前記第３の再構成画像を生成する、
   請求項１記載の医用画像処理装置。
10. 前記特定部は、前記第１の再構成画像から前記コロナ濃染領域の前記第２の位置を特定する、請求項９記載の医用画像処理装置。
11. 前記第２の再構成画像と前記第３の再構成画像の生成指示のための第１の表示要素とを表示する表示部を更に備え、
    前記低減部は、前記第１の表示要素が操作された事を契機として、前記第３の再構成画像を生成する、
    請求項１記載の医用画像処理装置。
12. コンピュータに、
    造影剤が注入された被検体に対して第１のタイミングで実行される回転撮影により生成された第１の投影データセットに基づいて第１の再構成画像を生成する機能と、
    前記被検体に対して前記第１のタイミングとは異なる第２のタイミングで実行された回転撮影により生成される第２の投影データセットに基づいて第２の再構成画像を生成する機能と、
    前記第１の再構成画像と前記第２の再構成画像とに基づいて、前記第２のタイミングに対応し、前記第２の再構成画像よりもアーチファクトが低減された第３の再構成画像を生成する機能と、
    を実現させる医用画像処理プログラム。
13. Ｘ線管とＸ線検出器とを回転自在に支持する支持機構と、
    前記Ｘ線管と前記Ｘ線検出器と前記支持機構とを制御し、造影剤が注入された被検体に対して第１のタイミングで回転撮影を実行して第１の投影データセットを収集し、前記被検体に対して前記第１のタイミングとは異なる第２のタイミングで回転撮影を実行して第２の投影データセットを収集する撮影制御部と、
    前記第１の投影データセットに基づいて第１の再構成画像を生成し、前記第２の投影データセットに基づいて第２の再構成画像を生成する再構成部と、
    前記第１の再構成画像と前記第２の再構成画像とに基づいて、前記第２のタイミングに対応し、前記第２の再構成画像よりもアーチファクトが低減された第３の再構成画像を生成する低減部と、
    を具備するＸ線診断装置。
14. 造影剤が注入された被検体に対して第１のタイミングで第１の回転撮影を実行して第１の投影データセットを収集し、前記被検体に対して前記第１のタイミングとは異なる第２のタイミングで第２の回転撮影を実行して第２の投影データセットを収集する撮影部と、
    前記第１の投影データセットに基づいて第１の再構成画像を生成し、前記第２の投影データセットに基づいて第２の再構成画像を生成する再構成部と、
    前記第１の再構成画像と前記第２の再構成画像とに基づいて、前記第２のタイミングに対応し、前記第２の再構成画像よりもアーチファクトが低減された第３の再構成画像を生成する低減部と、
    前記第３の再構成画像を表示する表示部と、
    を具備するＸ線診断システム。
15. 造影剤が注入された被検体に対して第１のタイミングで実行される第１の回転撮影により生成される第１の投影データセットと、前記被検体に対して前記第１のタイミングとは異なる第２のタイミングで実行される第２の回転撮影により生成される第２の投影データセットとを取得する取得部と、
    前記第１の投影データセットと前記第２の投影データセットとに基づいて、前記第２のタイミングに対応し、アーチファクトが低減された再構成画像を生成する低減部と、
    を具備する医用画像処理装置。