JP2020146453A - 医用処理装置 - Google Patents

医用処理装置 Download PDF

Info

Publication number
JP2020146453A
JP2020146453A JP2020036105A JP2020036105A JP2020146453A JP 2020146453 A JP2020146453 A JP 2020146453A JP 2020036105 A JP2020036105 A JP 2020036105A JP 2020036105 A JP2020036105 A JP 2020036105A JP 2020146453 A JP2020146453 A JP 2020146453A
Authority
JP
Japan
Prior art keywords
projection data
ray
collected
data
collimator
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.)
Pending
Application number
JP2020036105A
Other languages
English (en)
Inventor
昌快 津雪
Masayoshi Tsuyuki
昌快 津雪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Canon Medical Systems Corp
Original Assignee
Canon Medical Systems Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Canon Medical Systems Corp filed Critical Canon Medical Systems Corp
Publication of JP2020146453A publication Critical patent/JP2020146453A/ja
Pending legal-status Critical Current

Links

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
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • 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
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • 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
    • A61B6/40—Arrangements for generating radiation specially adapted for radiation diagnosis
    • A61B6/4064—Arrangements for generating radiation specially adapted for radiation diagnosis specially adapted for producing a particular type of beam
    • A61B6/4085—Cone-beams
    • 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
    • A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
    • A61B6/5282—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to scatter
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • 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
    • A61B6/06—Diaphragms
    • 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
    • A61B6/40—Arrangements for generating radiation specially adapted for radiation diagnosis
    • A61B6/4007—Arrangements for generating radiation specially adapted for radiation diagnosis characterised by using a plurality of source units
    • A61B6/4014—Arrangements for generating radiation specially adapted for radiation diagnosis characterised by using a plurality of source units arranged in multiple source-detector units
    • 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
    • A61B6/40—Arrangements for generating radiation specially adapted for radiation diagnosis
    • A61B6/4035—Arrangements for generating radiation specially adapted for radiation diagnosis the source being combined with a filter or grating
    • 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
    • A61B6/42—Arrangements for detecting radiation specially adapted for radiation diagnosis
    • A61B6/4291—Arrangements for detecting radiation specially adapted for radiation diagnosis the detector being combined with a grid or grating
    • 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
    • A61B6/56—Details of data transmission or power supply, e.g. use of slip rings
    • A61B6/563—Details of data transmission or power supply, e.g. use of slip rings involving image data transmission via a network
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30008—Bone
    • G06T2207/30012—Spine; Backbone
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/441—AI-based methods, deep learning or artificial neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/452—Computed tomography involving suppression of scattered radiation or scatter correction

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

【課題】画像の画質を向上させることである。【解決手段】実施形態の医用処理装置は、処理部をもつ。処理部は、第１のスキャン部に含まれる第１のＸ線検出部により収集された、散乱線の影響が相対的に大きい第１投影データを入力側の学習データ、散乱線の影響が相対的に小さい第２投影データを出力側の学習データとした学習により生成され、第２のスキャン部に含まれる第２のＸ線検出部により収集された第３投影データに基づいて、第３投影データにおける散乱線の影響が低減された第４投影データを生成する学習済みモデルに対して、第３投影データを入力することにより、第４投影データを生成する。第１投影データは、第１のスキャン部に含まれる第１のＸ線照射部に設けられたコリメータが第１の開口幅のときに、第１のＸ線検出部により収集される。第２投影データは、コリメータが第１の開口幅よりも小さいときに、第１のＸ線検出部により収集される。【選択図】図２

Description

本発明の実施形態は、医用処理装置に関する。
従来、Ｘ線を被検体に照射してスキャンすることで断層像を得るＸ線ＣＴ装置が知られている。Ｘ線ＣＴ装置には、体軸方向に広がり（コーン角）を持ってＸ線を照射し、体軸方向とチャンネル方向に素子を配置した検出器を備えるものがある。特にこの形式のＸ線ＣＴ装置では、散乱線の影響を受けてＣＴ画像の画質が悪化するという問題がある。
特開２０１６−６７９４３号公報
本発明が解決しようとする課題は、画像の画質を向上させることである。
実施形態の医用処理装置は、処理部をもつ。処理部は、第１のスキャン部に含まれる第１のＸ線検出部により収集された、散乱線の影響が相対的に大きい第１投影データを入力側の学習データ、散乱線の影響が相対的に小さい第２投影データを出力側の学習データとした学習により生成され、第２のスキャン部に含まれる第２のＸ線検出部により収集された第３投影データに基づいて、前記第３投影データにおける散乱線の影響が低減された第４投影データを生成する学習済みモデルに対して、前記第３投影データを入力することにより、前記第４投影データを生成する。前記第１投影データは、前記第１のスキャン部に含まれる第１のＸ線照射部に設けられたコリメータが第１の開口幅のときに、前記第１のＸ線検出部により収集される。前記第２投影データは、前記コリメータが第１の開口幅よりも小さいときに、前記第１のＸ線検出部により収集される。
医用処理装置を利用したＸ線ＣＴ装置１を含む医用診断システムの構成図。 実施形態に係るＸ線ＣＴ装置１の構成図。 学習処理の概要を示す図。 第１実施形態における第１投影データと第２投影データについて説明するための図。 散乱線が光センサに到達する様子を模式的に示す図。 学習済みモデル４１Ａのデータ構成の一例を示す図。 実施形態に係るＸ線ＣＴ装置１において実行される処理の概要を示すフローチャート。 第１投影データよりもファン角を絞って取得される第２投影データの第２例を示すイメージ図。 第１投影データよりもコーン角とファン角の双方を絞って取得される第２投影データの第３例を示すイメージ図。 第２実施形態に係るＸ線ＣＴ装置１Ａの架台装置１０Ａの構成を簡略に示す図。 第１のコリメータが設けられたＸ線検出部により収集される第１投影データの一例を示すイメージ図。 第２のコリメータが設けられたＸ線検出部により収集される第２投影データの一例を示すイメージ図。 変形例における学習処理の概要を示す図。 変形例における第４投影データを生成する処理の概要を示す図。
以下、実施形態の医用処理装置を、図面を参照して説明する。
＜第１実施形態＞
図１は、医用処理装置を利用したＸ線ＣＴ（Computed Tomography：コンピュータ断層診断）装置１を含む医用診断システムの構成図である。図示するように、一以上のＸ線ＣＴ装置１が、ネットワークＮＷを介して情報処理装置（学習装置）１００と接続される。
ネットワークＮＷは、例えば、ＷＡＮ（Wide Area Network）やＬＡＮ（Local Area Network）、インターネットなどを含む。情報処理装置１００は、Ｘ線ＣＴ装置１などから収集した学習データに基づいて、学習済みモデルを生成し、Ｘ線ＣＴ装置１に提供する。図１および以下の説明では、学習装置とＸ線ＣＴ装置が分かれているものとしているが、Ｘ線ＣＴ装置が学習装置と同等の学習処理を行ってもよい。すなわち学習装置はＸ線ＣＴ装置に包含されてもよい。以下、先にＸ線ＣＴ装置１について説明し、その後で情報処理装置１００について説明する。
図２は、実施形態に係るＸ線ＣＴ装置１の構成図である。Ｘ線ＣＴ装置１は、例えば、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。図２では、説明の都合上、架台装置１０をＺ軸方向から見た図とＸ軸方向から見た図の双方を掲載しているが、実際には、架台装置１０は一つである。実施形態では、非チルト状態での回転フレーム１７の回転軸または寝台装置３０の天板３３の長手方向をＺ軸方向、Ｚ軸方向に直交し、床面に対して水平である軸をＸ軸方向、Ｚ軸方向に直交し、床面に対して垂直である方向をＹ軸方向とそれぞれ定義する。
架台装置１０は、例えば、Ｘ線管１１と、ウェッジ１２と、コリメータ１３と、Ｘ線高電圧装置１４と、Ｘ線検出器１５と、データ収集システム（以下、ＤＡＳ：Data Acquisition System）１６と、回転フレーム１７と、制御装置１８とを有する。Ｘ線管１１、ウェッジ１２、コリメータ１３、Ｘ線高電圧装置１４、Ｘ線検出器１５、およびＤＡＳ１６を含むものが、「第２のスキャン部」の一例である。
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（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線を発生させる。Ｘ線管１１は、真空管を含む。例えば、Ｘ線管１１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線管である。Ｘ線管１１は、「第２のＸ線照射部」の一例である。
ウェッジ１２は、Ｘ線管１１から被検体Ｐに照射されるＸ線量を調節するためのフィルタである。ウェッジ１２は、Ｘ線管１１から被検体Ｐに照射されるＸ線量の分布が予め定められた分布になるように、自身を透過するＸ線を減衰させる。ウェッジ１２は、ウェッジフィルタ（wedge filter）、ボウタイフィルタ（bow-tie filter）とも呼ばれる。ウェッジ１２は、例えば、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ものである。
コリメータ１３は、ウェッジ１２を透過したＸ線の照射範囲を絞り込むための機構である。コリメータ１３は、例えば、複数の鉛板の組み合わせによってスリットを形成することで、Ｘ線の照射範囲を絞り込む。コリメータ１３は、Ｘ線絞りと呼ばれる場合もある。
コリメータ１３の絞り込み範囲は、機械的に駆動可能であってよい。
Ｘ線高電圧装置１４は、例えば、高電圧発生装置と、Ｘ線制御装置とを有する。高電圧発生装置は、変圧器（トランス）および整流器などを含む電気回路を有し、Ｘ線管１１に印加する高電圧を発生させる。Ｘ線制御装置は、Ｘ線管１１に発生させるべきＸ線量に応じて高電圧発生装置の出力電圧を制御する。高電圧発生装置は、上述した変圧器によって昇圧を行うものであってもよいし、インバータによって昇圧を行うものであってもよい。
Ｘ線高電圧装置１４は、回転フレーム１７に設けられてもよいし、架台装置１０の固定フレーム（不図示）の側に設けられてもよい。
Ｘ線検出器１５は、Ｘ線管１１が発生させ、被検体Ｐを通過して入射したＸ線の強度を検出する。Ｘ線検出器１５は、「第２のＸ線検出部」の一例である。Ｘ線検出器１５は、検出したＸ線の強度に応じた電気信号（光信号などでもよい）をＤＡＳ１８に出力する。
Ｘ線検出器１５は、例えば、複数のＸ線検出素子列を有する。複数のＸ線検出素子列のそれぞれは、Ｘ線管１１の焦点を中心とした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ものである。複数のＸ線検出素子列は、スライス方向（列方向、ｒｏｗ方向）に配列される。
Ｘ線検出器１５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。それぞれのシンチレータは、シンチレータ結晶を有する。シンチレータ結晶は、入射するＸ線の強度に応じた光量の光を発する。グリッドは、シンチレータアレイのＸ線が入射する面に配置され、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（一次元コリメータまたは二次元コリメータ）と呼ばれる場合もある。光センサアレイは、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。光センサアレイは、シンチレータにより発せられる光の光量に応じた電気信号を出力する。Ｘ線検出器１５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かまわない。
ＤＡＳ１６は、例えば、増幅器と、積分器と、Ａ／Ｄ変換器とを有する。増幅器は、Ｘ線検出器１５の各Ｘ線検出素子により出力される電気信号に対して増幅処理を行う。積分器は、増幅処理が行われた電気信号をビュー期間（後述）に亘って積分する。Ａ／Ｄ変換器は、積分結果を示す電気信号をデジタル信号に変換する。ＤＡＳ１６は、デジタル信号に基づく検出データをコンソール装置４０に出力する。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、及び収集されたビューを示すビュー番号により識別されたＸ線強度のデジタル値である。ビュー番号は、回転フレーム１７の回転に応じて変化する番号であり、例えば、回転フレーム１７の回転に応じてインクリメントされる番号である。従って、ビュー番号は、Ｘ線管１１の回転角度を示す情報である。ビュー期間とは、あるビュー番号に対応する回転角度から、次のビュー番号に対応する回転角度に到達するまでの間に収まる期間である。ＤＡＳ１６は、ビューの切り替わりを、制御装置１８から入力されるタイミング信号によって検知してもよいし、内部のタイマーによって検知してもよいし、図示しないセンサから取得される信号によって検知してもよい。フルスキャンを行う場合においてＸ線管１１によりＸ線が連続曝射されている場合、ＤＡＳ１６は、全周囲分（３６０度分）の検出データ群を収集する。ハーフスキャンを行う場合においてＸ線管１１によりＸ線が連続曝射されている場合、ＤＡＳ１６は、半周囲分（１８０度分）の検出データを収集する。
回転フレーム１７は、Ｘ線管１１、ウェッジ１２、およびコリメータ１３と、Ｘ線検出器１５とを対向支持する円環状の部材である。回転フレーム１７は、固定フレームによって、内部に導入された被検体Ｐを中心として回転自在に支持される。回転フレーム１７は、更にＤＡＳ１６を支持する。ＤＡＳ１６が出力する検出データは、回転フレーム１７に設けられた発光ダイオード（ＬＥＤ）を有する送信機から、光通信によって、架台装置１０の非回転部分（例えば固定フレーム）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、受信機によってコンソール装置４０に転送される。なお、回転フレーム１７から非回転部分への検出データの送信方法として、前述の光通信を用いた方法に限らず、非接触型の任意の送信方法を採用してよい。回転フレーム１７は、Ｘ線管１１などを支持して回転させることができるものであれば、円環状の部材に限らず、アームのような部材であってもよい。
Ｘ線ＣＴ装置１は、例えば、Ｘ線管１１とＸ線検出器１５の双方が回転フレーム１７によって支持されて被検体Ｐの周囲を回転するＲｏｔａｔｅ／Ｒｏｔａｔｅ−ＴｙｐｅのＸ線ＣＴ装置（第３世代ＣＴ）であるが、これに限らず、円環状に配列された複数のＸ線検出素子が固定フレームに固定され、Ｘ線管１１が被検体Ｐの周囲を回転するＳｔａｔｉｏｎａｒｙ／Ｒｏｔａｔｅ−ＴｙｐｗｎｏＸ線ＣＴ装置（第４世代ＣＴ）であってもよい。
制御装置１８は、例えば、ＣＰＵ（Central Processing Unit）などのプロセッサを有する処理回路と、モータやアクチュエータなどを含む駆動機構とを有する。制御装置１８は、コンソール装置４０または架台装置１０に取り付けられた入力インターフェース４３からの入力信号を受け付けて、架台装置１０および寝台装置３０の動作を制御する。例えば、制御装置１８は、回転フレーム１７を回転させたり、架台装置１０をチルトさせたり、寝台装置３０の天板３３を移動させたりする。架台装置１０をチルトさせる場合、制御装置１８は、入力インターフェース４３に入力された傾斜角度（チルト角度）に基づいて、Ｚ軸方向に平行な軸を中心に回転フレーム１７を回転させる。制御装置１８は、図示しないセンサの出力等によって回転フレーム１７の回転角度を把握している。また、制御装置１８は、回転フレーム１７の回転角度を随時、スキャン制御機能５５に提供する。制御装置１８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。
寝台装置３０は、スキャン対象の被検体Ｐを載置して移動させ、架台装置１０の回転フレーム１７の内部に導入する装置である。寝台装置３０は、例えば、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（Ｙ軸方向）に移動可能に支持する筐体を含む。寝台駆動装置３２は、モータやアクチュエータを含む。寝台駆動装置３２は、被検体Ｐが載置された天板３３を、支持フレーム３４に沿って、天板３３の長手方向（Ｚ軸方向）に移動させる。天板３３は、被検体Ｐが載置される板状の部材である。
寝台駆動装置３２は、天板３３だけでなく、支持フレーム３４を天板３３の長手方向に移動させてもよい。また、上記とは逆に、架台装置１０がＺ軸方向に移動可能であり、架台装置１０の移動によって回転フレーム１７が被検体Ｐの周囲に来るように制御されてもよい。また、架台装置１０と天板３３の双方が移動可能な構成であってもよい。また、Ｘ線ＣＴ装置１は、被検体Ｐが立位または座位でスキャンされる方式の装置であってもよい。この場合、Ｘ線ＣＴ装置１は、寝台装置３０に代えて被検体支持機構を有し、架台装置１０は、回転フレーム１７を、床面に垂直な軸方向を中心に回転させる。
コンソール装置４０は、例えば、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５０とを有する。実施形態では、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の各構成要素の一部または全部が含まれてもよい。本実施形態におけるコンソール装置４０は、「医用処理装置」の一例である。
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、検出データや投影データ、再構成画像データ、ＣＴ画像データ等を記憶する。これらのデータは、メモリ４１ではなく（或いはメモリ４１に加えて）、Ｘ線ＣＴ装置１が通信可能な外部メモリに記憶されてもよい。外部メモリは、例えば、外部メモリを管理するクラウドサーバが読み書きの要求を受け付けることで、クラウドサーバによって制御されるものである。
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、処理回路によって生成された医用画像（ＣＴ画像）や、操作者による各種操作を受け付けるＧＵＩ（Graphical User Interface）画像等を表示する。ディスプレイ４２は、例えば、液晶ディスプレイやＣＲＴ（Cathode Ray Tube）、有機ＥＬ（Electroluminescence）ディスプレイ等である。ディスプレイ４２は、架台装置１０に設けられてもよい。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の本体部と無線通信可能な表示装置（例えばタブレット端末）であってもよい。
入力インターフェース４３は、操作者による各種の入力操作を受け付け、受け付けた入力操作の内容を示す電気信号を処理回路５０に出力する。例えば、入力インターフェース４３は、検出データまたは投影データ（後述）を収集する際の収集条件、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などの入力操作を受け付ける。例えば、入力インターフェース４３は、マウスやキーボード、タッチパネル、ドラッグボール、スイッチ、ボタン、ジョイスティック、カメラ、赤外線センサ、マイク等により実現される。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。また、入力インターフェース４３は、コンソール装置４０の本体部と無線通信可能な表示装置（例えばタブレット端末）により実現されてもよい。
処理回路５０は、Ｘ線ＣＴ装置１の全体の動作を制御する。処理回路５０は、例えば、システム制御機能５１、前処理機能５２、再構成処理機能５３、画像処理機能５４、スキャン制御機能５５、表示制御機能５６などを実行する。これらの構成要素は、例えば、ＣＰＵ（Central Processing Unit）などのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。これらの構成要素のうち一部または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）などのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予めメモリ４１などの非一過性の記憶装置に格納されていてもよいし、ＤＶＤやＣＤ−ＲＯＭなどの着脱可能な非一過性の記憶媒体に格納されており、記憶媒体がドライブ装置に装着されることでインストールされてもよい。
コンソール装置４０または処理回路５０が有する各構成要素は、分散化されて複数のハードウェアにより実現されてもよい。処理回路５０は、コンソール装置４０が有する構成ではなく、コンソール装置４０と通信可能な処理装置によって実現されてもよい。処理装置は、例えば、一つのＸ線ＣＴ装置と接続されたワークステーション、或いは、複数のＸ線ＣＴ装置に接続され、以下に説明する処理回路５０と同等の処理を一括して実行する装置（例えばクラウドサーバ）である。
システム制御機能５１は、入力インターフェース４３が受け付けた入力操作に基づいて、処理回路５０の各種機能を制御する。
前処理機能５２は、ＤＡＳ１６により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行い、投影データを生成する。
更に、前処理機能５２は、メモリ４１に記憶された学習済みモデル４１Ａに対して、上記のように生成した投影データ（第３投影データの一例）を入力することにより、散乱線補正後投影データ（第４投影データの一例）を生成する。前処理機能５２は、生成した散乱線補正後投影データをメモリ４１に記憶させる。投影データには、例えば、照射角度を示すビューを特定する情報が付与されている。なお、これに代えて、前処理機能５２は、ＤＡＳ１６により出力された検出データを学習済みモデル４１Ａに入力することで、散乱線補正後の検出データを生成してもよい。学習済みモデル４１Ａの内容および学習処理については後述する。
再構成処理機能５３は、前処理機能５２によっ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や逐次近似再構成法等による再構成処理を行って、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に記憶させる。
画像処理機能５４は、入力インターフェース４３が受け付けた入力操作に基づいて、ＣＴ画像データを公知の方法により、三次元画像データや任意断面の断面像データに変換する。三次元画像データへの変換は、前処理機能５２によって行われてもよい。
スキャン制御機能５５は、Ｘ線高電圧装置１４、ＤＡＳ１６、制御装置１８、および寝台駆動装置３２に指示することで、架台装置１０における検出データの収集処理を制御する。スキャン制御機能５５は、位置決め画像を収集する撮影、および診断に用いる画像を撮影する際の各部の動作をそれぞれ制御する。
上記構成により、Ｘ線ＣＴ装置１は、ヘリカルスキャン、コンベンショナルスキャン、ステップアンドシュートなどのスキャン態様で被検体Ｐのスキャンを行う。ヘリカルスキャンとは、天板３３を移動させながら回転フレーム１７を回転させて被検体Ｐをらせん状にスキャンする態様である。コンベンショナルスキャンとは、天板３３を静止させた状態で回転フレーム１７を回転させて被検体Ｐを円軌道でスキャンする態様である。ステップアンドシュートとは、天板３３の位置を一定間隔で移動させて、コンベンショナルスキャンを複数のスキャンエリアで行う態様である。
［学習処理］
以下、情報処理装置１００による学習済みモデルの生成処理（学習処理）について説明する。図３は、学習処理の概要を示す図である。情報処理装置１００は、予めノードや結合関係が設定され、初期値としてのパラメータ（結合係数、重み）が設定された機械学習モデルに対して、第１のスキャン部により収集された、複数セットの第１投影データと第２投影データの組を用いた機械学習を行う。第１のスキャン部は、任意のＸ線ＣＴ装置が有するＸ線管、ウェッジ、コリメータ、Ｘ線高電圧装置、Ｘ線検出器、およびＤＡＳを含む。情報処理装置１００は、第１投影データを入力側の学習データとし、第２投影データを出力側の学習データ（教師データ、正解データ）としてバックプロパゲーション（逆誤差伝搬法）などの手法によってパラメータを調整する。機械学習モデルは、例えば、ＣＮＮ（Convolution Neural Network）を利用したＤＮＮ（Deep Neural Network）であるが、これに限らず、任意のモデルが用いられてよい。情報処理装置１００は、予め定められたセット数の第１投影データと第２投影データの組みについてバックプロパゲーションを行うと処理を終了する。その時点の機械学習モデルが学習済みモデルとなる。
第１投影データは、ある任意の状態で第１のスキャン部において収集された投影データである。第２投影データは、第１のスキャン部において収集された、第１投影データよりも散乱線の影響が相対的に小さい投影データである。本実施形態において、第２投影データは、第１投影データよりもＸ線の照射範囲を小さく制限し、その分、照射回数を増やして収集された投影データである。
図４は、第１実施形態における第１投影データと第２投影データについて説明するための図である。図示するように、第１投影データは、Ｘ線管側にあるコリメータの開口幅を比較的広く設定し（コーン角を比較的大きくし）、例えばＸ線管を１周させる間に収集された投影データである。これに対し、第２投影データは、Ｘ線管側にあるコリメータの開口幅を相対的に小さく設定しつつ（Ｚ方向（図２参照）の開口幅を小さくすることでコーン角を小さくしつつ）、コリメータの開口位置を変えることで照射角度を変えながら、Ｘ線管をｎ回（ｎは二以上の自然数）、回転させて収集された投影データである。図ではスキャン対象が人体であるイメージで表現しているが、ファントムなどをスキャン対象としてもよい。第１投影データと第２投影データは同じスキャン対象をスキャンすることで取得されるのが好ましい。
このようにして第１投影データと第２投影データを取得することで、第２投影データは、第１投影データに比して散乱線の影響が相対的に小さいものとなる。第１投影データを取得する際には、個々の光センサに向けて照射されたＸ線以外にも相対的に多くのＸ線がスキャン対象内を通過するため、意図しない散乱線が光センサに到達する機会が多くなるからである。図５は、散乱線が光センサに到達する様子を模式的に示す図である。図示するように、Ａ位置にある光センサには、本来意図した経路（１）を通るＸ線の他、経路（２）、（３）などを通るＸ線（散乱線）が到達する場合がある。この散乱線が光センサに到達する機会は、コーン角が大きい程、大きくなってしまう。従って、第２投影データは、第１投影データに比して散乱線の影響が相対的に小さいものとなる。
学習済みモデルは、ビューごと（照射角度ごと）、管電圧で表される照射強度ごと、スキャン対象の部位ごとなど、スキャン条件ごとに生成されることが好ましい。スキャン条件が異なると、散乱線の発生度合いが異なるからである。
学習済みモデルとして機能するデータ構造ないしプログラムは、Ｘ線ＣＴ装置１の販売時点で、Ｘ線ＣＴ装置１のメモリ４１に学習済みモデル４１Ａとして格納されていてもよいし、販売後にＸ線ＣＴ装置１のメモリ４１に学習済みモデル４１Ａとしてインストールされてもよい。後者の場合、学習済みモデル４１Ａは、例えば、情報処理装置１００からネットワークＮＷを介してＸ線ＣＴ装置１宛てに送信され、メモリ４１に格納される。また、学習済みモデル４１Ａは、可搬型の記憶装置に格納されており、可搬型の記憶装置がＸ線ＣＴ装置１の図示しないドライブ装置に装着されることでメモリ４１に学習済みモデル４１Ａとしてインストールされてもよい。
［学習済みモデルの利用］
以下、前処理機能５２による学習済みモデル４１Ａの利用について説明する。学習済みモデル４１Ａがスキャン条件ごとに用意されている場合、学習済みモデル４１Ａのデータ構成は図６に示すようなものとなる。図６は、学習済みモデル４１Ａのデータ構成の一例を示す図である。図示するように、学習済みモデル４１Ａは、例えば、頭部用モデル、胸部用モデル、腹部用モデル…のように部位ごとに分類され、それぞれの分類の中に、管電圧ごと、照射角度ごとの学習済みモデルが含まれている。前処理機能５２は、スキャンに先立って入力された被検体Ｐの情報に基づいて、該当する学習済みモデルをメモリ４１から読み出して使用する。
図７は、実施形態に係るＸ線ＣＴ装置１において実行される処理の概要を示すフローチャートである。なお、本フローチャートに示す処理については適宜、順序の変更や追加、削除などが可能である。
まず、Ｘ線ＣＴ装置１のシステム制御機能５１は、インターフェース画面をディスプレイ４２に表示させながら、入力インターフェース４３に対する患者情報（被検体Ｐの情報）の入力を受け付ける（ステップＳ１００）。次に、システム制御機能５１は、入力インターフェース４３に対する対象部位の選択を受け付ける（ステップＳ１０２）。例えば、ディスプレイ４２には、対象部位を選択するためのグラフィック領域が表示され、利用者は、グラフィック領域のいずれかを選択することで対象部位を指定する。次に、システム制御機能５１は、入力インターフェース４３に対するスキャン態様の選択を受け付ける（ステップＳ１０４）。次に、システム制御機能５１は、入力インターフェース４３に対する各種パラメータの入力を受け付ける（ステップＳ１０６）。各種パラメータには、管電圧が含まれる。
次に、システム制御機能５１は、位置決め用のスキャノ画像の撮影を行うようにスキャン制御機能５５に指示する（ステップＳ１０８）。スキャン制御機能５５は、例えば、天板３３を固定した状態で被検体Ｐを二方向から撮影するように、Ｘ線高電圧装置１４および制御装置１８に指示する。二方向とは、例えば、図１におけるＸ方向とＹ方向である。
次に、システム制御機能５１は、スキャノ画像をディスプレイ４２に表示させながら、入力インターフェース４３に対するスキャン計画の設定入力を受け付ける（ステップＳ１１０）。例えば、システム制御機能５１は、スキャン位置の設定や架台装置１０のチルト角の設定入力を受け付ける。
次に、システム制御機能５１は、スキャンを実行するようにスキャン制御機能５５に指示する（ステップＳ１１２）。
スキャンが完了すると、前処理機能５２が投影データ（第３投影データ）を生成し（ステップＳ１１４）、スキャン条件に応じた学習済みモデルをメモリ４１から読み出す（ステップＳ１１６）。そして、前処理機能５２は、学習済みモデルを用いて散乱線補正後投影データ（第４投影データ）を生成する（ステップＳ１１８）。次に、再構成処理機能５３が再構成処理を行ってＣＴ画像データを生成し（ステップＳ１２０）、画像処理機能５４が三次元画像データや任意断面の断面像データを生成する（ステップＳ１２２）。これによって本フローチャートの処理が終了する。
以上説明した第１実施形態の医用処理装置によれば、第１のスキャン部に含まれる第１のＸ線照射部に設けられたコリメータが第１の開口幅のときに、第１のＸ線検出部により収集された第１投影データを入力側の学習データ、第１のＸ線照射部に設けられたコリメータが第１の開口幅よりも小さいときに、第１のＸ線検出部により収集される第２投影データを出力側の学習データとした学習により生成された学習済みモデルに対して、Ｘ線ＣＴ装置１により収集された第３投影データを入力することにより、第４投影データ（散乱線補正後投影データ）を生成するため、第４投影データを再構成して得られる画像の画質を向上させることができる。
＜第１実施形態の変形例＞
上記実施形態では、第１投影データよりもコーン角を絞って取得した第２投影データを出力側の学習データとして学習済みモデルを生成するものとしたが、これに限らず、第２投影データは、第１投影データよりもファン角を絞って取得した投影データであってもよいし、第１投影データよりもコーン角とファン角の双方を絞って取得した投影データであってもよい。
図８は、第１投影データよりもファン角を絞って取得される第２投影データの第２例を示すイメージ図である。図８に示す第２投影データは、第１のスキャン部に含まれる第１のＸ線照射部に設けられたコリメータのＸ方向（図２参照）の開口幅を、第１投影データを取得する際に比して狭くし、回転フレーム１７を回転させながら、例えば図中の括弧書きで示す順にＸ線を照射することで取得される。
図９は、第１投影データよりもコーン角とファン角の双方を絞って取得される第２投影データの第３例を示すイメージ図である。図９に示す第２投影データは、第１のスキャン部に含まれる第１のＸ線照射部に設けられたコリメータのＸ方向およびＺ方向（図２参照）の開口幅を、第１投影データを取得する際に比して狭くし、コリメータの開口位置を変えることでＺ方向の照射角度を変えながらＸ線管をｎ回、回転させ、各回転において、図８の例と同様に、順にＸ線を照射することで取得される。図８または図９の例に示すような第２投影データを用いた場合でも同様に、Ｘ線ＣＴ装置１において取得される第４投影データを再構成して得られる画像の画質を向上させることができる。
＜第２実施形態＞
以下、第２実施形態について説明する。第２実施形態に係る医用処理装置は、多管球のＸ線ＣＴ装置によって収集された投影データを処理し、第１実施形態とは異なる学習済みモデルを用いて散乱線補正後投影データを生成するものである。第２実施形態に係るＸ線ＣＴ装置の全体を図示しないが、以下では第２実施形態に係るＸ線ＣＴ装置をＸ線ＣＴ装置１Ａと称する。
図１０は、第２実施形態に係るＸ線ＣＴ装置１Ａの架台装置１０Ａの構成を簡略に示す図である。架台装置１０Ａは、例えば、Ｘ線管１１、ウェッジ１２、およびコリメータ１３を含むＸ線照射部と、これに対向するＸ線検出器１５およびＤＡＳ１６との組み合わせを二つ備える。図では、それぞれの組み合わせのいずれに属するかに応じてハイフン以下の符号を示している。また、それぞれの組み合わせに係るＸ線照射部を、第１のＸ線照射部、第２のＸ線照射部と称する場合がある。なお、第２実施形態に係るＸ線ＣＴ装置１Ａは、これらの組み合わせを三つ以上備えてもよい。図１０の例では、第１のＸ線照射部と第２のＸ線照射部は、被検体Ｐに対する照射角度がＺ軸回りに９０度異なるように配置されている。
Ｘ線ＣＴ装置１Ａは、第１のＸ線照射部と第２のＸ線照射部を制御して同時にＸ線を照射させた状態で、第１のＸ線照射部、並びに対向するＸ線検出部１５−１およびＤＡＳ１６−１により取得される投影データと、第２のＸ線照射部、並びに対向するＸ線検出部１５−２およびＤＡＳ１６−２により取得される投影データとを様々な手法で組み合わせてＣＴ画像を生成する。例えば、Ｘ線ＣＴ装置１Ａは、回転フレーム１７を９０度回転させて、第１のＸ線照射部により取得される投影データと第２のＸ線照射部により取得される投影データとを組み合わせてＣＴ画像を生成したり、第１のＸ線照射部と第２のＸ線照射部とで管電圧を変えてＸ線を照射し、差分画像に基づいてＣＴ画像を生成したりする。以下、第１のＸ線照射部と第２のＸ線照射部を制御して同時にＸ線を照射させることで取得される投影データを、「多管球の状態で取得される投影データ」と称する。
［学習処理］
以下、第２実施形態における学習処理について説明する。第２実施形態において、学習済みモデルは、多管球の状態で取得される第１投影データを入力側の学習データ、一管球の状態で取得される第２投影データを出力側の学習データとした学習により生成される。
一管球の状態とは、複数のＸ線照射部を備えるＸ線ＣＴ装置において、一つのＸ線照射部のみからＸ線を照射する状態をいう。多管球の状態でＸ線を照射する場合、それ自体は種々の用途があり有用なものであるが、ある光センサに到達すべきＸ線の経路上とは異なる位置からＸ線の照射がなされているため、必然的に散乱線が光センサに到達する機会が増大する。また、９０度異なる位置からＸ線の照射が行われるため、Ｘ線照射部側のコリメータ、或いはＸ線検出器側のコリメータを用いても、散乱線の影響を十分に低減することができない場合がある。これに対し、第２実施形態の学習処理においては、多管球の状態で取得される第１投影データを入力側の学習データ、一管球の状態で取得される第２投影データを出力側の学習データとした学習により生成された学習済みモデルを使用するため、第１実施形態と同様に、Ｘ線ＣＴ装置１において取得される第４投影データを再構成して得られる画像の画質を向上させることができる。
＜第３実施形態＞
以下、第３実施形態について説明する。第３実施形態に係る医用処理装置は、第１実施形態とは異なる学習済みモデルを用いて散乱線補正後投影データを生成するものである。
［学習処理］
以下、第３実施形態における学習処理について説明する。第３実施形態において、学習済みモデルは、第１のＸ線検出部に第１のコリメータが設けられているときに、第１のＸ線検出部により収集された第１投影データを入力側の学習データとし、第１のＸ線検出部に第１のコリメータよりも細かい第２のコリメータが設けられているときに、第１のＸ線検出部により収集された第２投影データを出力側の学習データとした学習により生成される。すなわち、第１投影データは、Ｘ線検出部側に第１のコリメータがある任意のＸ線ＣＴ装置において収集されたものであり、第２投影データは、そのＸ線ＣＴ装置において第１のコリメータよりも細かい第２のコリメータが設けられている状態で収集されたものである。図１１は、第１のコリメータが設けられたＸ線検出部により収集される第１投影データの一例を示すイメージ図であり、図１２は、第２のコリメータが設けられたＸ線検出部により収集される第２投影データの一例を示すイメージ図である。
このようにして第１投影データと第２投影データを取得することで、第２投影データは、第１投影データに比して散乱線の影響が相対的に小さいものとなる。係る原理については第１実施形態と同様である。
以上説明した第３実施形態によれば、第１投影データは、第１のＸ線検出部に第１のコリメータが設けられているときに、第１のＸ線検出部により収集され、第２投影データは、第１のＸ線検出部に第１のコリメータより細かい第２のコリメータが設けられているときに、第１のＸ線検出部により収集されるため、第１実施形態と同様に、Ｘ線ＣＴ装置１において取得される第４投影データを再構成して得られる画像の画質を向上させることができる。
＜第４実施形態＞
以下、第４実施形態について説明する。第４実施形態に係る医用処理装置は、第１実施形態とは異なる学習済みモデルを用いて散乱線補正後投影データを生成するものである。
［学習処理］
以下、第４実施形態における学習処理について説明する。第４実施形態において、学習済みモデルは、第１のＸ線検出部に第１のコリメータが設けられているときに収集された投影データ、第１のＸ線検出部に第１のコリメータとは異なる第２のコリメータが設けられているときに収集された投影データ、および第１のＸ線検出部にコリメータが設けられていないときに収集された投影データのうち、少なくとも２つを含む第１投影データを入力側の学習データとし、第１のＸ線検出部に第１のコリメータおよび第２のコリメータより細かい第３のコリメータが設けられているときに第１のＸ線検出部により収集された投影データを含む第２投影データを出力側の学習データとした学習により生成される。
第１投影データに含まれる、第１のＸ線検出部に第１のコリメータが設けられているときに収集された投影データ、第１のＸ線検出部に第１のコリメータとは異なる第２のコリメータが設けられているときに収集された投影データ、および第１のＸ線検出部にコリメータが設けられていないときに収集された投影データの３種類の投影データの各々は、同一のＸ線ＣＴ装置１において、Ｘ線検出器１５の投影データの収集条件を変更しつつスキャン対象をスキャンすることにより取得される。
第１投影データに含まれる投影データの選択のやり方は任意である。例えば、情報処理装置１００は、操作者による入力インターフェース４３を介した入力操作に基づいて、上記の３種類の投影データの内、少なくとも２つの投影データを第１投影データに含まれる投影データとして選択してよい。また、情報処理装置１００は、上記の３種類の投影データ内、予め定められた少なくとも２つの投影データを第１投影データに含まれる投影データとして選択してよい。
第２投影データは、第１投影データの取得に使用されたＸ線ＣＴ装置において、第１のＸ線検出部に第１のコリメータおよび第２のコリメータより細かい第３のコリメータが設けられているときに第１のＸ線検出部により収集されたものである。
このようにして第１投影データおよび第２投影データを取得することで、第２投影データは、第１投影データに比して散乱線の影響が相対的に小さいものとなる。係る原理については第１実施形態と同様である。
以上説明した第４実施形態によれば、第１投影データは、第１のＸ線検出部に第１のコリメータが設けられているときに収集された投影データ、第１のＸ線検出部に第１のコリメータとは異なる第２のコリメータが設けられているときに収集された投影データ、および第１のＸ線検出部にコリメータが設けられていないときに収集された投影データのうち、少なくとも２つを含み、第２投影データは、第１のＸ線検出部に第１のコリメータおよび第２のコリメータより細かい第３のコリメータが設けられているときに収集された投影データを含むため、第１実施形態と同様に、Ｘ線ＣＴ装置１において取得される第４投影データを再構成して得られる画像の画質を向上させることができる。
上記説明した各実施形態は、適宜、組み合わせることができる。例えば、学習済みモデルは、多管球の状態で且つＸ線照射部側のコリメータが第１の開口幅のときに収集された第１投影データを入力側の学習データ、一管球の状態で且つＸ線照射部側のコリメータが第１の開口幅よりも狭い第２の開口幅のときに収集された第２投影データを出力側の学習データとした学習により生成されてもよい。また、例えば、学習済みモデルは、Ｘ線照射部側のコリメータが第１の開口幅であり且つＸ線検出部のコリメータが第１の細かさであるときに収集された第１投影データを入力側の学習データ、Ｘ線照射部側のコリメータが第１の開口幅よりも狭い第２の開口幅であり且つＸ線検出部のコリメータが第１の細かさよりも細かい第２の細かさであるときに収集された第２投影データを出力側の学習データとした学習により生成されてもよい。
＜各実施形態の変形例＞
上記説明した実施形態では、第1投影データおよび第２投影データを取得するＸ線ＣＴ装置のＸ線検出器の種別について特段に言及していないが、第1投影データおよび第２投影データを取得するＸ線ＣＴ装置が二層検出器を備える場合、管電圧の異なる学習データを同時に収集することができるため、好適である。
上記説明した実施形態では、第３投影データを学習済みモデルに入力することで第４投影データを取得するものとしたが、学習済みモデルは、投影データにおける散乱線の影響を抽出した散乱線成分データを生成するものであり、Ｘ線ＣＴ装置１の前処理機能５２は、第３投影データを学習済みモデルに入力し、学習済みモデルの出力データを第３投影データから差し引くことによって第４投影データを生成してもよい。図１３は、変形例における学習処理の概要を示す図であり、図１４は、変形例における第４投影データを生成する処理の概要を示す図である。図１３に示すように、情報処理装置１００は、第１投影データを入力側の学習データ、第１投影データと第２投影データの差分を出力側の学習データとして学習済みモデルを生成する。また、図１４に示すように、Ｘ線ＣＴ装置１では、第３投影データを学習済みモデルに入力し、学習済みモデルの出力を第３投影データから差し引くことによって第４投影データを生成する。
また、上記説明した実施形態では、投影データを学習済みモデルに入力することで散乱線の影響が低減された投影データを取得するものとしたが、再構成された画像を学習済みモデルに入力することで散乱線の影響が低減された画像を取得するようにしてもよい。
以上説明した少なくともひとつの実施形態によれば、第１のスキャン部に含まれる第１のＸ線検出部により収集された、散乱線の影響が相対的に大きい第１投影データを入力側の学習データ、散乱線の影響が相対的に小さい第２投影データを出力側の学習データとした学習により生成され、第２のスキャン部に含まれる第２のＸ線検出部により収集された第３投影データに基づいて、第３投影データにおける散乱線の影響が低減された第４投影データを生成する学習済みモデルに対して、第３投影データを入力することにより、第４投影データを生成する処理部を持つことにより、画像の画質を向上させることができる。
上記説明した実施形態は、以下のように表現することができる。
プログラムおよび学習済みモデルを記憶した記憶装置と、
ハードウェアプロセッサと、を備え、
前記学習済みモデルは、
第１のスキャン部に含まれる第１のＸ線検出部により収集された、散乱線の影響が相対的に大きい第１投影データを入力側の学習データ、散乱線の影響が相対的に小さい第２投影データを出力側の学習データとした学習により生成され、
第２のスキャン部に含まれる第２のＸ線検出部により収集された第３投影データに基づいて、前記第３投影データにおける散乱線の影響が低減された第４投影データを生成するものであり、
前記ハードウェアプロセッサは、前記プログラムを実行することにより、
前記学習済みモデルに対して前記第３投影データを入力し、前記第４投影データを生成するように構成されており、
前記第１投影データは、前記第１のスキャン部に含まれる第１のＸ線照射部に設けられたコリメータが第１の開口幅のときに、前記第１のＸ線検出部により収集され、
前記第２投影データは、前記コリメータが第１の開口幅よりも小さいときに、前記第１のＸ線検出部により収集される、
医用処理装置。
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、１０Ａ 架台装置，１１ Ｘ線管，１２ ウェッジ，１３ コリメータ，１５ Ｘ線検出器，３０ 寝台装置，４０ コンソール装置，４１ メモリ，４１Ａ 学習済みモデル，５０ 処理回路，５１ システム制御機能，５２ 前処理機能，５３ 再構成処理機能，５４ 画像処理機能，５５ スキャン制御機能，５６ 表示制御機能

Claims (6)

  1. 第１のスキャン部に含まれる第１のＸ線検出部により収集された、散乱線の影響が相対的に大きい第１投影データを入力側の学習データ、散乱線の影響が相対的に小さい第２投影データを出力側の学習データとした学習により生成され、第２のスキャン部に含まれる第２のＸ線検出部により収集された第３投影データに基づいて、前記第３投影データにおける散乱線の影響が低減された第４投影データを生成する学習済みモデルに対して、前記第３投影データを入力することにより、前記第４投影データを生成する処理部を備え、
    前記第１投影データは、前記第１のスキャン部に含まれる第１のＸ線照射部に設けられたコリメータが第１の開口幅のときに、前記第１のＸ線検出部により収集され、
    前記第２投影データは、前記コリメータが第１の開口幅よりも小さいときに、前記第１のＸ線検出部により収集される、
    医用処理装置。
  2. 第１のスキャン部に含まれる第１のＸ線検出部により収集された、散乱線の影響が相対的に大きい第１投影データを入力側の学習データ、散乱線の影響が相対的に小さい第２投影データを出力側の学習データとした学習により生成され、第２のスキャン部に含まれる第２のＸ線検出部により収集された第３投影データに基づいて、前記第３投影データにおける散乱線の影響が低減された第４投影データを生成する学習済みモデルに対して、前記第３投影データを入力することにより、前記第４投影データを生成する処理部を備え、
    前記第１投影データは、前記第１のＸ線検出部に第１のコリメータが設けられているときに、前記第１のＸ線検出部により収集され、
    前記第２投影データは、前記第１のＸ線検出部に第１のコリメータより細かい第２のコリメータが設けられているときに、前記第１のＸ線検出部により収集される、
    医用処理装置。
  3. 第１のスキャン部に含まれる第１のＸ線検出部により収集された、散乱線の影響が相対的に大きい第１投影データを入力側の学習データ、散乱線の影響が相対的に小さい第２投影データを出力側の学習データとした学習により生成され、第２のスキャン部に含まれる第２のＸ線検出部により収集された第３投影データに基づいて、前記第３投影データにおける散乱線の影響が低減された第４投影データを生成する学習済みモデルに対して、前記第３投影データを入力することにより、前記第４投影データを生成する処理部を備え、
    前記第１投影データは、前記第１のＸ線検出部に第１のコリメータが設けられているときに収集された投影データ、前記第１のＸ線検出部に第１のコリメータとは異なる第２のコリメータが設けられているときに収集された投影データ、および前記第１のＸ線検出部にコリメータが設けられていないときに収集された投影データのうち、少なくとも２つを含み、
    前記第２投影データは、前記第１のＸ線検出部に前記第１のコリメータおよび前記第２のコリメータより細かい第３のコリメータが設けられているときに収集された投影データを含む、
    医用処理装置。
  4. 第１のスキャン部に含まれる第１のＸ線検出部により収集された、散乱線の影響が相対的に大きい第１投影データを入力側の学習データ、散乱線の影響が相対的に小さい第２投影データを出力側の学習データとした学習により生成され、第２のスキャン部に含まれる第２のＸ線検出部により収集された第３投影データに基づいて、前記第３投影データにおける散乱線の影響が低減された第４投影データを生成する学習済みモデルに対して、前記第３投影データを入力することにより、前記第４投影データを生成する処理部を備え、
    前記第１投影データは、前記第１のスキャン部に含まれる複数のＸ線照射部がＸ線を照射しているときに、前記第１のＸ線検出部により収集され、
    前記第２投影データは、前記複数のＸ線照射部のいずれか一つがＸ線を照射しているときに、前記第１のＸ線検出部により収集される、
    医用処理装置。
  5. 前記第２投影データは、前記第１投影データに比して、Ｘ線の経路が制限された状態で収集される、
    請求項１から４のいずれか一項に記載の医用処理装置。
  6. 第１のスキャン部に含まれる第１のＸ線検出部により収集された、散乱線の影響が相対的に大きい第１投影データを入力側の学習データ、前記第１投影データと前記第１投影データに比して散乱線の影響が相対的に小さい第２投影データとの差分を出力側の学習データとした学習により生成され、第２のスキャン部に含まれる第２のＸ線検出部により収集された第３投影データに基づいて、前記第３投影データにおける散乱線の影響を抽出した散乱線成分データを生成する学習済みモデルに対して、前記第３投影データを入力することにより得られる前記散乱線成分データを、前記第３投影データから差し引くことによって第４投影データを生成する処理部を備える、
    医用処理装置。
JP2020036105A 2019-03-05 2020-03-03 医用処理装置 Pending JP2020146453A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019039456 2019-03-05
JP2019039456 2019-03-05

Publications (1)

Publication Number Publication Date
JP2020146453A true JP2020146453A (ja) 2020-09-17

Family

ID=72336649

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020036105A Pending JP2020146453A (ja) 2019-03-05 2020-03-03 医用処理装置

Country Status (2)

Country Link
US (1) US11241212B2 (ja)
JP (1) JP2020146453A (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022063257A (ja) * 2020-10-09 2022-04-21 ベイカー ヒューズ オイルフィールド オペレーションズ エルエルシー コンピュータ断層撮影撮像のための散乱補正
JP2022063256A (ja) * 2020-10-09 2022-04-21 ベイカー ヒューズ オイルフィールド オペレーションズ エルエルシー コンピュータ断層撮影撮像のための散乱補正

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005342514A (ja) * 1995-02-10 2005-12-15 Nexray Inc 走査ビーム型ｘ線画像システム
WO2010061810A1 (ja) * 2008-11-27 2010-06-03 株式会社 日立メディコ 放射線撮像装置
JP2014226321A (ja) * 2013-05-22 2014-12-08 株式会社東芝 Ｘ線コンピュータ断層撮影装置、再構成処理方法および再構成処理プログラム
JP2015116408A (ja) * 2013-12-19 2015-06-25 株式会社日立メディコ Ｘ線ｃｔ装置及び不良素子補正方法
JP2016034374A (ja) * 2014-08-01 2016-03-17 株式会社東芝 Ｘ線ｃｔ装置
JP2017225522A (ja) * 2016-06-21 2017-12-28 ゼネラル・エレクトリック・カンパニイ コリメータ装置、放射線検出器及び放射線撮影装置
US20180078221A1 (en) * 2016-09-20 2018-03-22 Siemens Healthcare Gmbh Sinogram-based scattered ray correction in computer tomography
US20180146935A1 (en) * 2016-11-25 2018-05-31 Samsung Electronics Co., Ltd. X-ray apparatus and method of acquiring medical image thereof
JP2018126506A (ja) * 2017-02-06 2018-08-16 キヤノンメディカルシステムズ株式会社 Ｘ線コンピュータ断層撮影装置
US20180293762A1 (en) * 2017-04-05 2018-10-11 General Electric Company Tomographic reconstruction based on deep learning
WO2019005180A1 (en) * 2017-06-26 2019-01-03 Elekta, Inc. METHOD FOR ENHANCING CT QUALITY QUALITY WITH CONIC BEAM THROUGH DEEP CONVOLUTIVE NEURAL NETWORK
US20190035118A1 (en) * 2017-07-28 2019-01-31 Shenzhen United Imaging Healthcare Co., Ltd. System and method for image conversion
US20190066268A1 (en) * 2017-08-31 2019-02-28 Shhanghai United Imaging Healthcare Co., Ltd. System and method for determining a trained neural network model for scattering correction
JP2019063385A (ja) * 2017-10-04 2019-04-25 キヤノンメディカルシステムズ株式会社 Ｘ線画像診断装置
JP2019093126A (ja) * 2017-11-24 2019-06-20 キヤノンメディカルシステムズ株式会社 医用データ処理装置、磁気共鳴イメージング装置及び学習済みモデル生成方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10117628B2 (en) 2014-10-01 2018-11-06 Toshiba Medical Systems Corporation Photon counting apparatus
JP2016067943A (ja) 2014-10-01 2016-05-09 株式会社東芝 フォトンカウンティング装置
KR20190051384A (ko) * 2017-11-06 2019-05-15 삼성전자주식회사 X선 단층 영상 데이터를 생성하는 방법 및 장치
JP7353965B2 (ja) * 2018-12-26 2023-10-02 キヤノンメディカルシステムズ株式会社 医用画像診断システム及び学習済みモデルの生成方法
US11357466B2 (en) * 2019-10-02 2022-06-14 Canon Medical Systems Corporation X-ray diagnosis apparatus

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005342514A (ja) * 1995-02-10 2005-12-15 Nexray Inc 走査ビーム型ｘ線画像システム
WO2010061810A1 (ja) * 2008-11-27 2010-06-03 株式会社 日立メディコ 放射線撮像装置
JP2014226321A (ja) * 2013-05-22 2014-12-08 株式会社東芝 Ｘ線コンピュータ断層撮影装置、再構成処理方法および再構成処理プログラム
JP2015116408A (ja) * 2013-12-19 2015-06-25 株式会社日立メディコ Ｘ線ｃｔ装置及び不良素子補正方法
JP2016034374A (ja) * 2014-08-01 2016-03-17 株式会社東芝 Ｘ線ｃｔ装置
JP2017225522A (ja) * 2016-06-21 2017-12-28 ゼネラル・エレクトリック・カンパニイ コリメータ装置、放射線検出器及び放射線撮影装置
US20180078221A1 (en) * 2016-09-20 2018-03-22 Siemens Healthcare Gmbh Sinogram-based scattered ray correction in computer tomography
US20180146935A1 (en) * 2016-11-25 2018-05-31 Samsung Electronics Co., Ltd. X-ray apparatus and method of acquiring medical image thereof
JP2018126506A (ja) * 2017-02-06 2018-08-16 キヤノンメディカルシステムズ株式会社 Ｘ線コンピュータ断層撮影装置
US20180293762A1 (en) * 2017-04-05 2018-10-11 General Electric Company Tomographic reconstruction based on deep learning
WO2019005180A1 (en) * 2017-06-26 2019-01-03 Elekta, Inc. METHOD FOR ENHANCING CT QUALITY QUALITY WITH CONIC BEAM THROUGH DEEP CONVOLUTIVE NEURAL NETWORK
US20190035118A1 (en) * 2017-07-28 2019-01-31 Shenzhen United Imaging Healthcare Co., Ltd. System and method for image conversion
US20190066268A1 (en) * 2017-08-31 2019-02-28 Shhanghai United Imaging Healthcare Co., Ltd. System and method for determining a trained neural network model for scattering correction
JP2019063385A (ja) * 2017-10-04 2019-04-25 キヤノンメディカルシステムズ株式会社 Ｘ線画像診断装置
JP2019093126A (ja) * 2017-11-24 2019-06-20 キヤノンメディカルシステムズ株式会社 医用データ処理装置、磁気共鳴イメージング装置及び学習済みモデル生成方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022063257A (ja) * 2020-10-09 2022-04-21 ベイカー ヒューズ オイルフィールド オペレーションズ エルエルシー コンピュータ断層撮影撮像のための散乱補正
JP2022063256A (ja) * 2020-10-09 2022-04-21 ベイカー ヒューズ オイルフィールド オペレーションズ エルエルシー コンピュータ断層撮影撮像のための散乱補正
JP7314228B2 (ja) 2020-10-09 2023-07-25 ベイカー ヒューズ オイルフィールド オペレーションズ エルエルシー コンピュータ断層撮影撮像のための散乱補正

Also Published As

Publication number Publication date
US11241212B2 (en) 2022-02-08
US20200281555A1 (en) 2020-09-10

Similar Documents

Publication Publication Date Title
JP7348376B2 (ja) 医用処理装置、ｘ線ｃｔシステム及び処理プログラム
JP2020065920A (ja) 医用画像診断装置、医用画像診断方法、およびプログラム
JP7467253B2 (ja) Ｘ線ｃｔシステム及び医用処理装置
JP2020146453A (ja) 医用処理装置
JP7242288B2 (ja) 医用画像診断装置及びモデル学習装置
JP7224829B2 (ja) 医用画像処理装置および方法
JP7179479B2 (ja) Ｘ線ｃｔ装置
JP7106392B2 (ja) 感度補正方法及び光子計数型検出器
JP2022013679A (ja) 医用画像処理方法、医用画像処理装置及びｘ線ｃｔ装置
JP7462433B2 (ja) 医用診断システム、医用診断装置、および医用情報処理装置
JP7320934B2 (ja) 医用画像処理装置および医用画像処理方法
JP7487367B2 (ja) Ｘ線ｃｔ装置、検出器補正方法および医用情報システム
JP7309988B2 (ja) 医用画像処理装置および医用画像処理方法
JP7433809B2 (ja) 学習済みモデルの生成方法、および医用処理装置
JP7244280B2 (ja) 医用画像診断装置、および医用画像診断方法
JP7224880B2 (ja) Ｘ線撮影装置
JP7144292B2 (ja) 医用画像処理装置および医用画像処理方法
JP7062514B2 (ja) Ｘ線ｃｔ装置、およびｘ線管制御装置
JP7233911B2 (ja) Ｘ線ｃｔシステム及び処理プログラム
JP7224208B2 (ja) 医用処理装置、および医用診断システム
JP7399780B2 (ja) 医用画像診断装置
JP2022180971A (ja) 学習装置、医用画像処理装置、学習方法、及びプログラム
JP2022178846A (ja) 医用情報処理方法、医用情報処理装置および医用画像処理装置
JP2024048076A (ja) 光子計数型ｘ線ｃｔ装置、撮影方法、およびプログラム
JP2019180609A (ja) Ｘ線ｃｔ装置

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230104

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230831

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230919

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20231109

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240118

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20240206

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240507

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20240514

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20240604