JP2020089497A - Ｘ線撮影装置 - Google Patents

Abstract

【課題】アーチファクトを軽減しつつ不要被ばくを低減する。【解決手段】本実施形態に係るＸ線撮影装置は、取得部と、予測部と、制御部とを含む。取得部は、第１のビューにおける第１の検出器出力を取得する。予測部は、前記第１の検出器出力に基づいて、前記第１のビューよりも後の第２のビューにおける第２の検出器出力を予測する。制御部は、予測された前記第２の検出器出力に基づいて、照射されるＸ線量を制御する。【選択図】図１

Description

本発明の実施形態は、Ｘ線撮影装置に関する。

Ｘ線ＣＴ（Computed Tomography）装置やトモシンセシス撮影装置などのＸ線撮影装置では、被写体を２π方向から照射したＸ線の被写体透過後の強度を様々な角度で計測して投影データを取得し、計測したデータを再構成することで線減弱係数分布、つまり被写体の内部形態像を取得することができる。
このとき、Ｘ線管から検出器までのＸ線の伝搬路に被写体が存在しない場合、Ｘ線は減弱せず、検出器におけるＸ線の測定上限を超えオーバーフローしてしまうほか、散乱線により患者または操作者に不要な被ばくを与える結果となる。

米国特許出願公開第２０１７／０２０９１０５号明細書 米国特許出願公開第２０１８／００６３３８６号明細書 米国特許出願公開第２０１７／０３１９１６６号明細書

本発明が解決しようとする課題は、アーチファクトを軽減しつつ不要被ばくを低減することである。

本実施形態に係るＸ線撮影装置は、取得部と、予測部と、制御部とを含む。取得部は、第１のビューにおける第１の検出器出力を取得する。予測部は、前記第１の検出器出力に基づいて、前記第１のビューよりも後の第２のビューにおける第２の検出器出力を予測する。制御部は、予測された前記第２の検出器出力に基づいて、照射されるＸ線量を制御する。

図１は、本実施形態に係るＸ線ＣＴ装置を示すブロック図である。 図２は、本実施形態に係る学習済みモデルの生成に関する医用情報システムを示す図である。 図３は、本実施形態に係る学習済みモデルの学習時の概念を示す図である。 図４は、本実施形態に係る学習済みモデルの利用時の概念を示す図である。 図５は、本実施形態に係るビューの位置を示す図である。 図６は、図５に示す各ビューにおける検出器出力の一例を示す図である。 図７は、本実施形態に係るＸ線ＣＴ装置１の線量制御処理を示すフローチャートである。 図８は、図７のフローチャートに基づく線量制御処理の概念を示す図である。 図９は、線量制御処理とバリアブルピッチヘリカルスキャンとを併用する際の概念を示す図である。

以下、図面を参照しながら本実施形態に係るＸ線撮影装置の一例として、Ｘ線ＣＴ（Computed Tomography）装置について説明するが、トモシンセシス撮影装置などにも同様に適用できる。
以下の実施形態では、同一の参照符号を付した部分は同様の動作をおこなうものとして、重複する説明を適宜省略する。以下、一実施形態について図面を用いて説明する。

以下、本実施形態に係るＸ線ＣＴ装置について図１のブロック図を参照して説明する。図１に示すＸ線ＣＴ装置１は、架台装置１０と、寝台装置３０と、Ｘ線ＣＴ装置の処理を実現するコンソール装置４０とを有する。図１では説明の都合上、架台装置１０を複数描画している。

なお、本実施形態では、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、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、Ｚ軸方向に直交し、床面に対し垂直である軸方向をＹ軸方向とそれぞれ定義するものとする。

例えば、架台装置１０及び寝台装置３０はＣＴ検査室に設置され、コンソール装置４０はＣＴ検査室に隣接する制御室に設置される。なお、コンソール装置４０は、必ずしも制御室に設置されなくてもよい。例えば、コンソール装置４０は、架台装置１０及び寝台装置３０とともに同一の部屋に設置されてもよい。いずれにしても架台装置１０と、寝台装置３０と、コンソール装置４０とは互いに通信可能に有線または無線で接続されている。

架台装置１０は、被検体ＰをＸ線ＣＴ撮影するための構成を有するスキャン装置である。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、データ収集装置１８（以下、ＤＡＳ（Data Acquisition System）１８ともいう）とを含む。

Ｘ線管１１は、Ｘ線高電圧装置１４からの高電圧の印加及びフィラメント電流の供給により、陰極（フィラメント）から陽極（ターゲット）に向けて熱電子を照射することでＸ線を発生する真空管である。具体的には、熱電子がターゲットに衝突することによりＸ線が発生される。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線管１１で発生したＸ線は、例えばコリメータ１７を介してコーンビーム形に成形され、被検体Ｐに照射される。

Ｘ線検出器１２が、Ｘ線管１１から照射され、被検体Ｐを通過したＸ線を検出し、当該Ｘ線量に対応した電気信号をＤＡＳ１８へと出力する。Ｘ線検出器１２は、例えば、Ｘ線管１１の焦点を中心として１つの円弧に沿ってチャネル方向に複数のＸ線検出素子が配列された複数のＸ線検出素子列を有する。Ｘ線検出器１２は、例えば、チャネル方向に複数のＸ線検出素子が配列されたＸ線検出素子列がスライス方向（列方向、ｒｏｗ方向）に複数配列された列構造を有する。

Ｘ線検出器１２は、具体的には、例えば、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。Ｘ線検出器１２は、検出部の一例である。

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線を当該入射Ｘ線の強度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線を吸収する機能を有するＸ線遮蔽板を有する。なお、グリッドはコリメータ（１次元コリメータまたは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、シンチレータから受けた光を増幅して電気信号に変換する機能を有し、例えば、光電子増倍管（フォトマルチプライヤー：ＰＭＴ）等の光センサを有する。

回転フレーム１３は、Ｘ線発生部（Ｘ線管１１，ウェッジ１６およびコリメータ１７を含む）とＸ線検出器１２とを回転軸回りに回転可能に支持する。具体的には、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、後述する制御装置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。回転フレーム１３は、アルミニウム等の金属により形成された固定フレーム（図示せず）に回転可能に支持される。詳しくは、回転フレーム１３は、ベアリングを介して固定フレームの縁部に接続されている。回転フレーム１３は、制御装置１５の駆動機構からの動力を受けて回転軸Ｚ回りに一定の角速度で回転する。

なお、回転フレーム１３は、Ｘ線管１１とＸ線検出器１２に加えて、Ｘ線高電圧装置１４やＤＡＳ１８を更に備えて支持する。このような回転フレーム１３は、撮影空間をなす開口（ボア）１９が形成された略円筒形状の筐体に収容されている。開口はＦＯＶに略一致する。開口の中心軸は、回転フレーム１３の回転軸Ｚに一致する。なお、ＤＡＳ１８が生成した検出データは、例えば発光ダイオード（ＬＥＤ）を有する送信機から光通信によって架台装置の非回転部分（例えば固定フレーム。図１での図示は省略する。）に設けられた、フォトダイオードを有する受信機（図示せず）に送信され、コンソール装置４０へと転送される。なお、回転フレームから架台装置の非回転部分への検出データの送信方法は、前述の光通信に限らず、非接触型のデータ伝送であれば如何なる方式を採用しても構わない。

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に印加する高電圧及びＸ線管１１に供給するフィラメント電流を発生する機能を有する高電圧発生装置と、Ｘ線管１１が照射する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構わない。なお、Ｘ線高電圧装置１４は、後述する回転フレーム１３に設けられてもよいし、架台装置１０の固定フレーム（図示しない）側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。処理回路は、ハードウェア資源として、ＣＰＵやＭＰＵ（Micro Processing Unit）等のプロセッサとＲＯＭ（Read Only Memory）やＲＡＭ（Random Access Memory）等のメモリとを有する。また、制御装置１５は、特定用途向け集積回路（Application Specific Integrated Circuit：ＡＳＩＣ）やフィールド・プログラマブル・ゲート・アレイ（Field Programmable Gate Array：ＦＰＧＡ）、他の複合プログラマブル論理デバイス（Complex Programmable Logic Device：ＣＰＬＤ）、単純プログラマブル論理デバイス（Simple Programmable Logic Device：ＳＰＬＤ）により実現されてもよい。制御装置１５は、コンソール装置４０からの指令に従い、Ｘ線高電圧装置１４及びＤＡＳ１８等を制御する。前記プロセッサは、前記メモリに保存されたプログラムを読み出して実現することで上記制御を実現する。

また、制御装置１５は、コンソール装置４０若しくは架台装置１０に取り付けられた、後述する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の動作制御を行う機能を有する。例えば、制御装置１５は、入力信号を受けて回転フレーム１３を回転させる制御や、架台装置１０をチルトさせる制御、及び寝台装置３０及び天板３３を動作させる制御を行う。なお、架台装置１０をチルトさせる制御は、架台装置１０に取り付けられた入力インターフェース４３によって入力される傾斜角度（チルト角度）情報により、制御装置１５がＸ軸方向に平行な軸を中心に回転フレーム１３を回転させることによって実現される。また、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に設けられても構わない。なお、制御装置１５は、前記メモリにプログラムを保存する代わりに、前記プロセッサの回路内にプログラムを直接組み込むように構成しても構わない。この場合、前記プロセッサは、前記回路内に組み込まれたプログラムを読み出して実行することで上記制御を実現する。

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（ウェッジフィルタ（wedge filter）、ボウタイフィルタ（bow-tie filter））は、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。

ＤＡＳ１８は、例えば、検出データを生成可能な回路素子を搭載したＡＳＩＣ（Application Specific Integrated Circuit）により実現される。ＤＡＳ１８とＸ線検出器１２とは検出器ユニットを構成する。
ＤＡＳ１８は、Ｘ線検出器１２から電気信号を読み出し、読み出した電気信号に基づいて、Ｘ線検出器１２により検出されたＸ線の線量に関するデジタルデータである検出データを生成する。検出データは、生成元のＸ線検出素子のチャンネル番号、列番号、収集されたビュー（投影角度ともいう）を示すビュー番号、及び検出されたＸ線の線量の積分値を示すデータのセットである。

例えば、ＤＡＳ１８は、検出素子各々について前置増幅器、可変増幅器、積分回路及びＡ／Ｄ変換器を含む。前置増幅器は、接続元の検出素子からの電気信号を所定のゲインで増幅する。可変増幅器は、前置増幅器からの電気信号を可変のゲインで増幅する。積分回路は、前置増幅器からの電気信号を、１ビュー期間に亘り積分して積分信号を生成する。積分信号の波高値は、１ビュー期間に亘り接続元の検出素子により検出されたＸ線の線量値に対応する。Ａ／Ｄ変換器は、積分回路からの積分信号をアナログデジタル変換して検出データを生成する。

寝台装置３０は、スキャン対象の被検体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とを備えている。

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モータあるいはアクチュエータである。寝台駆動装置３２は、コンソール装置４０による制御、または制御装置１５による制御に従い、天板３３を移動する。例えば、寝台駆動装置３２は、天板３３に載置された被検体Ｐの体軸が回転フレーム１３の開口の中心軸に一致するよう、天板３３を被検体Ｐに対して直交方向に移動する。また、寝台駆動装置３２は、架台装置１０を用いて実行されるＸ線ＣＴ撮影に応じて、天板３３を被検体Ｐの体軸方向に沿って移動してもよい。寝台駆動装置３２は、制御装置１５からの駆動信号のデューティ比等に応じた回転速度で駆動することにより動力を発生する。寝台駆動装置３２は、例えば、ダイレクトドライブモータやサーボモータ等のモータにより実現される。
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。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との間のデータ通信は、バス（BUS）を介して行われる。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またはコンソール装置４０の各構成要素の一部が含まれてもよい。

メモリ４１は、種々の情報を記憶する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。メモリ４１は、例えば、検出データや再構成画像データを記憶する。メモリ４１は、ＨＤＤやＳＳＤ等以外にも、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）、フラッシュメモリ等の可搬性記憶媒体や、ＲＡＭ（Random Access Memory）等の半導体メモリ素子等との間で種々の情報を読み書きする駆動装置であってもよい。また、メモリ４１の保存領域は、Ｘ線ＣＴ装置１内にあってもよいし、ネットワークで接続された外部記憶装置内にあってもよい。例えば、メモリ４１は、ＣＴ画像や表示画像のデータを記憶する。また、メモリ４１は、本実施形態に係る制御プログラムを記憶する。

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医用画像（ＣＴ画像）や、操作者からの各種操作を受け付けるためのＧＵＩ（Graphical User Interface）等を出力する。例えば、ディスプレイ４２としては、例えば、液晶ディスプレイ（ＬＣＤ：Liquid Crystal Display）、ＣＲＴ（Cathode Ray Tube）ディスプレイ、有機ＥＬディスプレイ（ＯＥＬＤ：Organic Electro Luminescence Display）、プラズマディスプレイ又は他の任意のディスプレイが、適宜、使用可能となっている。また、ディスプレイ４２は、架台装置１０に設けられてもよい。また、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などで構成されることにしても構わない。

入力インターフェース４３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、検出データを収集する際の収集条件や、ＣＴ画像を再構成する際の再構成条件、ＣＴ画像から後処理画像を生成する際の画像処理条件等を操作者から受け付ける。入力インターフェース４３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、使用可能となっている。なお、本実施形態において、入力インターフェース４３は、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の物理的な操作部品を備えるものに限られない。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。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。又、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などで構成されることにしても構わない。

処理回路４４は、入力インターフェース４３から出力される入力操作の電気信号に応じて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、ハードウェア資源として、ＣＰＵやＭＰＵ、ＧＰＵ（Graphics Processing Unit）等のプロセッサとＲＯＭやＲＡＭ等のメモリとを有する。処理回路４４は、メモリに展開されたプログラムを実行するプロセッサにより、システム制御機能４４１、取得機能４４２、予測機能４４３、線量制御機能４４４、コリメータ制御機能４４５、前処理機能４４６および再構成処理機能４４７を実行する。なお、各機能（システム制御機能４４１、取得機能４４２、予測機能４４３、線量制御機能４４４、コリメータ制御機能４４５、前処理機能４４６および再構成処理機能４４７）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を実現するものとしても構わない。

システム制御機能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、処理回路４４の各機能を制御する。具体的には、システム制御機能４４１は、メモリ４１に記憶されている制御プログラムを読み出して処理回路４４内のメモリ上に展開し、展開された制御プログラムに従ってＸ線ＣＴ装置１の各部を制御する。例えば、処理回路４４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、処理回路４４の各機能を制御する。例えば、システム制御機能４４１は、スキャン範囲、撮影条件等を決定するための被検体Ｐの２次元の位置決め画像を取得する。なお、位置決め画像は、スキャノ画像またはスカウト画像とも呼ばれる。

取得機能４４２は、第１のビューにおけるＸ線検出器１２の第１の検出器出力（検出データ）を取得する。

予測機能４４３は、第１の検出器出力に基づいて、第１のビューよりも後の第２のビュー、言い換えれば、第１のビューよりも後に収集される第２のビューにおけるＸ線検出器１２の第２の検出器出力を予測する。予測機能４４３は、後述する学習済みモデルに従い、第１の検出器出力から第２の検出器出力を生成する。なお、後述する機械学習による学習済みモデルに限らず、ルールベースにより学習させたモデルに従い、第２の検出器出力を生成してもよい。

線量制御機能４４４は、予測された第２の検出器出力に基づいて、照射されるＸ線量を制御する。具体的には、管電流（ｍＡ）の大きさ等の撮影条件を制御することにより、被検体Ｐに向けて照射されるＸ線量を制御する。
コリメータ制御機能４４５は、予測された第２の検出器出力に基づいて、コリメータ１７を制御することにより、被検体Ｐに向けて照射されるＸ線量を制御する。

前処理機能４４６は、ＤＡＳ１８から出力された検出データに対して対数変換処理やオフセット補正処理、チャネル間の感度補正処理、ビームハードニング補正等の前処理を施したデータを生成する。なお、前処理前の生データ（検出データ）及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。

再構成処理機能４４７は、前処理機能４４６にて生成された投影データに対して、フィルタ補正逆投影法（ＦＢＰ法：Ｆｉｌｔｅｒｅｄ Ｂａｃｋ Ｐｒｏｊｅｃｔｉｏｎ）や逐次近似再構成法等を用いた再構成処理を行ってＣＴ画像データを生成する。

なお、処理回路４４は、スキャン制御処理、画像処理および表示制御処理も行う。
スキャン制御処理は、Ｘ線高電圧装置１４に高電圧を供給させて、Ｘ線管１１にＸ線を照射させるなど、Ｘ線スキャンに関する各種動作を制御する処理である。
画像処理は、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、再構成処理機能４４７によって生成されたＣＴ画像データを、任意断面の断層画像データや３次元画像データに変換する処理である。なお、３次元画像データの生成は、再構成処理機能４４７が直接行なっても構わない。
表示制御処理は、処理回路４４の各機能または処理における処理途中又は処理結果の情報を表示するようにディスプレイ４２を制御する処理である。

処理回路４４は、コンソール装置４０に含まれる場合に限らず、複数の医用画像診断装置にて取得されたデータに対する処理を一括して行う統合サーバに含まれてもよい。
なお、コンソール装置４０は、単一のコンソールにて複数の機能を実行するものとして説明したが、複数の機能を別々のコンソールが実行することにしても構わない。例えば、取得機能４４２および予測機能４４３などの処理回路４４の機能を分散して有しても構わない。

次に、予測機能４４３が利用する学習済みモデルを生成する、医用情報処理システムの一例を図２のブロック図を参照して説明する。
図２に示される医用情報処理システムは、Ｘ線撮影装置（一例として、Ｘ線ＣＴ装置１）と、学習データ保管装置２０と、モデル学習装置２２とを含む。

学習データ保管装置２０は、複数の学習サンプルを含む学習用データを記憶する。例えば、学習データ保管装置２０は、大容量記憶装置が内蔵されたコンピュータである。また、学習データ保管装置２０は、コンピュータにケーブルや通信ネットワークを介して通信可能に接続された大容量記憶装置であってもよい。当該記憶装置としては、ＨＤＤ、ＳＳＤ、集積回路記憶装置等が適宜利用可能である。

モデル学習装置２２は、学習データ保管装置２０に記憶された学習用データに基づいて、モデル学習プログラム（アルゴリズム）に従いモデルに機械学習を行わせることで、学習済みモデル４１１を生成する。本実施形態において、機械学習のアルゴリズムとしては、ニューラルネットワーク、ディープラーニング、特に時系列データの取り扱いに優位性があるリカレントニューラルネットワーク（ＲＮＮ：Recurrent Neural Network）、ＬＳＴＭ（Long Short-Term Memory）等を想定するが、これに限らず隠れマルコフモデル（ＨＭＭ：Hidden Markov Model）といった他の機械学習のアルゴリズムであってもよい。ＲＮＮは、隠れ層といわれる内部の中間層にループを持ち、その後の時刻における処理まで情報を持続させることが可能である。また、ＬＳＴＭは、ＲＮＮよりも長期的な情報の依存関係を学習することができるネットワークである。モデル学習装置２２は、ＣＰＵ及びＧＰＵ等のプロセッサを有するワークステーション等のコンピュータである。

モデル学習装置２２と学習データ保管装置２０とは、ケーブル又は通信ネットワークを介して通信可能に接続されてもよい。また、学習データ保管装置２０がモデル学習装置２２に搭載されてもよい。これらの場合、学習データ保管装置２０からモデル学習装置２２へ学習用データが供給される。なお、モデル学習装置２２と学習データ保管装置２０とは通信可能に接続されなくてもよい。この場合、学習用データが記憶された可搬性記憶媒体を介して、学習データ保管装置２０からモデル学習装置２２へ学習用データが供給される。

Ｘ線ＣＴ装置１とモデル学習装置２２とはケーブル、又は通信ネットワークを介して通信可能に接続されてもよい。モデル学習装置２２で生成された学習済みモデル４１１がＸ線ＣＴ装置１へ供給され、学習済みモデル４１１がメモリ４１に記憶される。なお、Ｘ線ＣＴ装置１とモデル学習装置２２とは、必ずしも通信可能に接続されてなくてもよい。この場合、学習済みモデル４１１が記憶された可搬型記憶媒体等を介して、モデル学習装置２２からＸ線ＣＴ装置１へ学習済みモデル４１１が供給される。

なお、学習済みモデル４１１は、複数の関数が合成されたパラメータ付き合成関数ともいえる。パラメータ付き合成関数は、複数の調整可能な関数およびパラメータの組合せにより定義される。学習済みモデルは、上記の要請を満たす如何なるパラメータ付き合成関数であってもよい。

本実施形態に係る学習済みモデル４１１は、機械学習前の多層化ネットワーク（単にモデルという）を、ＲＮＮまたはＬＳＴＭ等に代表される時系列データを取り扱うアルゴリズムで機械学習させることで生成される。なお、ＲＮＮおよびＬＳＴＭに限らず、学習済みモデル４１１は、上述した機械学習のアルゴリズムによりモデルを学習させることで生成されてもよい。

次に、本実施形態に係る学習済みモデル４１１の学習時の概念について図３を参照して説明する。
モデルの学習時には、例えば工場出荷時などにおいて、モデル学習装置２２は、学習用データを用いて多層化ネットワーク４１０を機械学習させる。
ここで用いる学習用データは、実際に被検体Ｐを撮影した複数のビュー（ビューＡ，ビューＢおよびビューＣ）のそれぞれにおけるＸ線検出器１２の検出器出力６１と、撮影対象に関する情報（以下、撮影対象情報ともいう）および撮影条件６３とを入力データとし、入力データとして用いたビューよりも後のビュー（ビューＤであり、以下予測ビューともいう）に関するＸ線検出器１２の検出器出力を正解データ（出力データ）とした学習用データである。モデル学習装置２２は、当該学習用データを用いて多層化ネットワーク４１０を学習させ、検出器出力の変化の傾向を学習させた学習済みモデル４１１を生成する。

入力データとして用いる複数のビューは、連続したビューでもよいし、１つ置き、３つ置きなど１以上のビューの飛ばした断続的なビューでもよい。つまり、検出器出力の時系列に伴う変化を認識できるビューの順列またはビュー数であればよい。ここでは、ビューＡ、ビューＢ、ビューＣは３つの連続したビューを入力データとして用いる。なお、検出器出力の変化は、ビューに伴って所定の変動となる場合も想定される。よってこのような場合は、撮影対象部位とビュー番号と検出器出力とから、その後のビューにおける検出器出力の変化が認識できれば、複数のビューを入力としなくとも、１つのビューに関するビュー番号と検出器出力とを入力データとして用いてもよい。

また、出力データに用いる予測ビューは、入力データのビューからＸ線量の制御が可能なタイミング以降のビューであることが望ましい。これは、入力データ直後のビューに関する検出器出力を得ても、その後のＸ線量の制御処理が間に合わない可能性があるからである。よって、入力データとして用いるビューから何ビュー後のビューを予測ビューとして設定するかは、入力データとして用いるビューの最後のビューに基づいて生成される予測ビューに対して線量制御処理が可能なビュー以降のビューであればよい。例えば、Ｘ線の変調に１００ビュー分を撮影する時間を要するのであれば、出力データに用いるビューＤは、入力データのビューＣよりも１００ビュー後のビューとすればよい。

撮影対象情報は、被検体Ｐの性別、年齢、体型などの情報を含む。撮影条件は、被検体Ｐの撮影対象部位と、ヘリカルピッチと、Ｘ線条件とを含む。
撮影対象部位は、例えば、ユーザ指示により指定された部位の情報を取得してもよいし、位置決め撮影により取得された位置決め画像に基づいて、画像と撮影対象部位の情報とを予め対応付けたテーブルを参照することで、部位の情報を取得してもよい。

ヘリカルピッチは、寝台（例えば、天板３３）の移動速度と、回転フレーム１３の回転速度、およびビュー数により決定される。よって、撮影条件として、ヘリカルピッチの情報と共にまたはその代わりに、寝台の移動速度、回転速度およびビュー数の情報が含まれてもよい。
Ｘ線条件は、例えば、管電圧（ｋＶ）、管電流（ｍＡ）、ビューレート（view rate）、フィルタ情報、コリメータ情報などが挙げられる。なお、Ｘ線ＣＴ装置１の修理時やソフトウェアのアップデート時において学習済みモデル４１１をアップデートできるようにしてもよい。

なお、撮影対象情報および撮影条件に応じて、それぞれ学習させた学習済みモデル４１１が用意されてもよい。この場合、予測機能４４３により処理回路４４は、撮影時の撮影対象情報および撮影条件に対応する学習済みモデル４１１を選択して用いてもよい。

被検体Ｐとしては、患者や健常者などの他、ファントムや亡くなった患者、生きている動物又は死んでいる動物が用いられてもよい。被検体Ｐを撮影して入力データを収集する際には、透過条件として、材質（空気、水、要素）、厚さを考慮する。特に、被検体Ｐがファントムである場合は、回転フレーム１３の回転によってＸ線パスが透過する被写体厚が変動する楕円柱のようなファントムを用いることが望ましい。

また、全身撮影においては、頭部、特に首などでは被検体の幅が胴体部分と比較して狭いため、頭部付近の撮影でオーバーフローを発生しやすい。よって、予めオーバーフローを生じさせた検出器出力を正解データとしてもよい。すなわち、オーバーフローが発生しやすい撮影対象部位の情報を入力データとし、Ｘ線が被検体を透過せずに検出器に到達するＸ線の伝搬路（いわゆるエアパス）でのオーバーフローした検出器出力と被検体の撮影対象部位とを正解データとした学習用データを用いて、モデルを学習させてもよい。

次に、本実施形態に係る学習済みモデル４１１の利用時の概念について図４を参照して説明する。
図４に示すように、学習済みモデル４１１の利用時には、複数のビュー（ビューＡ，ビューＢおよびビューＣ）の検出器出力６１と、撮影時の撮影対象情報および撮影条件６３とが学習済みモデル４１１に入力され、入力されたビューよりも後の予測ビュー（ビューＤ）の検出器出力が出力される。

次に、本実施形態に係るビューと検出器出力との概念について図５および図６を参照して説明する。

図５は、被検体Ｐに対するＸ線管１１の位置、つまりビューの位置を示す図である。回転フレーム１３の回転方向に沿って、ビューＡ、ビューＢおよびビューＣの順に、図５中のＸ線管１１に対向するＸ線検出器１２（図示せず）でのビューごとの検出器出力が取得される。ここで、学習済みモデル４１１の出力として、３つのビューに関する検出器出力から、破線で示す予測ビューＤにおける検出器出力を予測する。

図６は、図５の各ビューに対する検出器出力を示し、横軸方向がチャンネル方向を示し、縦軸方向が検出器出力の大きさを示す。上段から順に、ビューＡの検出器出力、ビューＢの検出器出力およびビューＣの検出器出力を示す。また、破線で予測されるビューＤの検出器出力を示す。

図６に示すように、ビューが推移することで被検体Ｐに対する照射位置が変化するため、検出器出力の形状（プロファイル）も変化する。図６では、被検体Ｐを正面方向から撮像したビューＡからビューＢ、ビューＣと被検体Ｐの側面方向に向かって撮影していくため、検出器出力としては、被検体Ｐの体厚が増加していく部分は検出器出力が小さくなり、かつ当該検出器出力が小さい部分がチャンネル方向端部に移動していく。図６に示すように、ビューの推移によって検出器出力の形状の変化を学習させた学習済みモデル４１１により、どのような検出器出力となるかを予測できる。

次に、学習済みモデル４１１を用いた本実施形態に係るＸ線ＣＴ装置１の線量制御処理について、図７のフローチャートを参照して説明する。

ステップＳ７０１では、取得機能４４２により処理回路４４が、入力データとなる複数のビューの検出器出力を取得する。
ステップＳ７０２では、予測機能４４３により処理回路４４が、ステップＳ７０１で取得した複数のビューの検出器出力を学習済みモデル４１１に入力し、入力データよりも後の予測ビューの検出器出力を生成する。

ステップＳ７０３では、予測機能４４３または線量制御機能４４４により処理回路４４が、予測ビューの検出器出力が、オーバーフローに関する閾値以上であるか否かを判定する。検出器出力が閾値以上である場合、ステップＳ７０５に進み、検出器出力が閾値未満である場合、ステップＳ７０４に進む。例えば、一律の閾値に対して各チャネルの検出器出力が比較され、検出器出力が閾値を超えたチャネル数が所定数を上回る場合、検出器出力が閾値以上であるとしてステップＳ７０５に移行される。所定数は、１でもよいし、２以上でもよい。
ステップＳ７０４では、線量制御機能４４４により処理回路４４が、検出器出力がオーバーフローしていないため、Ｘ線条件を維持するか、予測されるカウントが少なく、低カウントアーチファクトの恐れがある場合にはＸ線条件を上げてＸ線量（強度またはエネルギー）を増加させてもよい。なお、Ｘ線量を調整するためのＸ線条件のパラメータとして、管電流（ｍＡ）、管電圧（ｋＶ）が含まれる。例えば、Ｘ線量を増加させるため、管電流、管電圧が増加されるとよい。

ステップＳ７０５では、線量制御機能４４４により処理回路４４が、検出器出力がオーバーフローしているため、実際に予測ビューにおいて撮影する際にＸ線量を下げるように、例えば管電流を下げるように制御する。例えば、処理回路４４は、予測ビューにおける実測の検出器出力が閾値以下になるような管電流の目標値を決定する。処理回路４４は、予測ビューにおける管電流の実際の値が目標値になるようにＸ線高電圧装置１４を制御する。
ステップＳ７０６では、制御機能により処理回路４４が、スキャンが終了したか否かを判定する。スキャンが終了した場合、処理を終了し、スキャンが終了していない場合、ステップＳ７０１に戻り、線量制御処理を続行する。つまり、本実施形態に係る線量制御処理は、スキャンが進んで予測ビューについて実際に撮影した場合も含め、ビューにおける検出器出力を取得するごとに、本スキャンの撮影が終了するまで繰り返される。

なお、図７に示す線量制御処理において、ビューの位置に応じてコリメータを制御することで照射野の形状を変化させて不要な被ばくを制御するコリメータ制御を、スキャン中を通じて実行してもよい。具体的なコリメータ制御は、例えば、コリメータ制御機能４４５により処理回路４４が、予測ビューの検出器出力においてエアパスと想定される領域に関しては、Ｘ線が照射されないように、コリメータ１７を開閉させるアクチュエータなどを駆動させ、コリメータ１７を閉じるように制御する。

次に、図７のフローチャートに基づく線量制御処理の概念について図８を参照して説明する。
図８は、図６と同じ図５の各ビューにおける検出器出力を示す。ここで、検出器出力における被検体Ｐの端部に相当する輪郭部分７０に注目する。ここで、予測ビューＤの検出器出力８１の輪郭部分７０が、オーバーフロー閾値８３を超えている。よって、線量制御機能４４４により処理回路４４が、ステップＳ７０５の線量制御処理として、例えば管電流を下げる。これにより、実際に取得される検出器出力が検出器出力８５となるため、オーバーフローすることなく検出器出力を得ることができる。結果として、不要被ばくを低減することができる。

また、Ｘ線量を下げる制御に加え、予測ビューの検出器出力に基づいてコリメータを制御することで、被検体Ｐを透過しないＸ線を遮断することできる。これにより、実際に取得される検出器出力が検出器出力８７となるため、さらに不要被ばくを低減することができる。

また、本実施形態に係る線量制御処理を、関心領域（ＲＯＩ：Region of Interest）とＲＯＩ以外の部位とでヘリカルピッチを変更してスキャンする、いわゆるバリアブルピッチヘリカルスキャンと併用してもよい。
本実施形態に係る線量制御処理とバリアブルピッチヘリカルスキャンとを併用する際の概念について図９を参照して説明する。

図９は、被検体Ｐのスキャノ画像９１と、スキャノ画像９１における被検体Ｐの撮影範囲に対するヘリカルピッチの設定例を示す。また、併せてヘリカルピッチの大きさを変動させた際の概念図９７も表示する。
図９の例では、心臓をＲＯＩ９３とした場合、ＲＯＩ９３ではヘリカルピッチを狭くして（ヘリカルピッチの値を小さくして）詳細に撮影する。一方、ＲＯＩ９３以外のその他の範囲９５では、ヘリカルピッチを広くして（ヘリカルピッチの値を大きくして）通常撮影する。

このようにバリアブルピッチヘリカルスキャンと本実施形態に係る線量制御処理とを併用する場合は、学習済みモデル４１１の学習時に、実際に測定した複数のビューにおける検出器出力、撮影対象情報および撮影条件に加え、被検体Ｐのスキャン範囲と、スキャン範囲におけるＲＯＩとすべき対象部位と、対象部位を撮影する際のヘリカルピッチと、対象部位以外を撮影する際のヘリカルピッチとを、入力データとして学習させればよい。なお、正解データは上述の場合と同様に予測ビューにおける検出器出力である。

学習済みモデル４１１の利用時も同様に、被検体Ｐのスキャン範囲と、スキャン範囲におけるＲＯＩとすべき対象部位と、対象部位を撮影する際のヘリカルピッチと、対象部位以外を撮影する際のヘリカルピッチとを、学習済みモデル４１１に入力する。これにより、撮影中にヘリカルピッチが変動する場合でも、学習済みモデル４１１から、バリアブルピッチヘリカルスキャンに連動した、予測ビューの検出器出力を生成することができ、適切な線量制御を実行することができる。

以上に示した本実施形態によれば、複数のビューにおける検出器出力に基づいて、入力されたビューよりも後の予測ビューにおける検出器出力を予測することで、実際に予測ビューにおける検出器出力を撮影する際にオーバーフローしないようにＸ線量を下げるように制御する。また、予測された検出器出力に基づくコリメータ制御により、不要な照射野へのＸ線の照射を遮断する。これにより、常に最適なコリメータの閉開制御とＸ線量の調整とを継続することができる。結果として、例えば被検体の体厚が薄くなる箇所での管電流の低減により、被検体およびオペレータ双方に対する全体的な被ばくを低減することができる。

また、画像再構成処理においても、検出器出力においてオーバーフローが生じないため、オーバーフローアーチファクトを低減することができる。さらに、管電流の自動変調を行うことができるので、オペレータの操作負担を軽減することができる。

なお、Ｘ線ＣＴ装置には、Ｘ線管と検出器とが一体として被検体Ｐの周囲を回転するＲｏｔａｔｅ／Ｒｏｔａｔｅ−Ｔｙｐｅ（第３世代ＣＴ）、リング状にアレイされた多数のＸ線検出素子が固定され、Ｘ線管のみが被検体Ｐの周囲を回転するＳｔａｔｉｏｎａｒｙ／Ｒｏｔａｔｅ−Ｔｙｐｅ（第４世代ＣＴ）等様々なタイプがあり、いずれのタイプでも本実施形態へ適用可能である。
さらに、本実施形態においては、一管球型のＸ線撮影装置にも、Ｘ線管と検出器との複数のペアを回転リングに搭載した、いわゆる多管球型のＸ線撮影装置にも適用可能である。

加えて、実施形態に係る各機能は、前記処理を実行するプログラムをワークステーション等のコンピュータにインストールし、これらをメモリ上で展開することによっても実現することができる。このとき、コンピュータに前記手法を実行させることのできるプログラムは、磁気ディスク（ハードディスクなど）、光ディスク（ＣＤ−ＲＯＭ、ＤＶＤなど）、半導体メモリなどの記憶媒体に格納して頒布することも可能である。

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
１０ 架台装置
１１ Ｘ線管
１２ Ｘ線検出器
１３ 回転フレーム
１４ Ｘ線高電圧装置
１５ 制御装置
１６ ウェッジ
１７ コリメータ
１８ データ収集装置
１９ 開口
２０ 学習データ保管装置
２２ モデル学習装置
３０ 寝台装置
３１ 基台
３２ 寝台駆動装置
３３ 天板
３４ 支持フレーム
４０ コンソール装置
４１ メモリ
４２ ディスプレイ
４３ 入力インターフェース
４４ 処理回路
６１，８１，８５，８７ 検出器出力
６３ 撮影条件
７０ 輪郭部分
８３ オーバーフロー閾値
９１ スキャノ画像
９５ 範囲
４１０ 多層化ネットワーク
４１１ 学習済みモデル
４４１ システム制御機能
４４２ 取得機能
４４３ 予測機能
４４４ 線量制御機能
４４５ コリメータ制御機能
４４６ 前処理機能
４４７ 再構成処理機能

Claims (8)

1. 第１のビューにおける第１の検出器出力を取得する取得部と、
   前記第１の検出器出力に基づいて、前記第１のビューよりも後の第２のビューにおける第２の検出器出力を予測する予測部と、
   予測された前記第２の検出器出力に基づいて、照射されるＸ線量を制御する制御部と、
   を備えるＸ線撮影装置。
2. 前記制御部は、前記第２の検出器出力に基づいてコリメータを制御することで前記Ｘ線量を制御する、請求項１に記載のＸ線撮影装置。
3. 前記制御部は、前記第２の検出器出力に基づいてＸ線管の管電流を制御することで前記Ｘ線量を制御する、請求項１に記載のＸ線撮影装置。
4. 前記予測部は、１以上の前記第１の検出器出力が入力され、前記第２の検出器出力を出力する学習済みモデルに従い、前記第２の検出器出力を予測する、請求項１に記載のＸ線撮影装置。
5. 前記学習済みモデルは、撮影対象に関する情報および撮影条件に応じて、それぞれ学習した複数の学習済みモデルのうちの１つであり、
   前記予測部は、前記複数の学習済みモデルの中から、撮影時の撮影対象に関する情報および撮影条件に対応する学習済みモデルを選択して用いる、請求項４に記載のＸ線撮影装置。
6. 前記撮影対象に関する情報は、撮影対象部位、被検体の性別および体型に関する情報を含み、
   前記撮影条件は、ヘリカルピッチを含む、請求項５に記載のＸ線撮影装置。
7. 前記予測部は、位置決め撮影で取得された位置決め画像に基づいて前記撮影対象部位を決定する、請求項６に記載のＸ線撮影装置。
8. 前記学習済みモデルは、撮影範囲において関心領域と他の部位とでヘリカルピッチが異なる場合、前記撮影範囲、前記関心領域、前記関心領域に対するヘリカルピッチと、前記他の部位に関するヘリカルピッチとを入力データとして学習したモデルである、請求項４から請求項７のいずれか１項に記載のＸ線撮影装置。