JP2023154994A - 画像処理装置、画像処理装置の作動方法、およびプログラム - Google Patents

Abstract

【課題】高精度に腰椎の骨密度解析領域を取得する。【解決手段】入力画像内の脊椎領域と椎間領域とをそれぞれ取得する第１の取得手段と、取得した脊椎領域と取得した椎間領域とを用いて腰椎の骨密度測定の対象領域である骨密度解析領域を取得する第２の取得手段と、を有する画像処理装置。【選択図】図３

Description

本明細書の開示は、画像処理装置、画像処理装置の作動方法、およびプログラムに関する。

骨粗鬆症の診断や治療薬の効果判定のために、骨密度の測定が行われる。骨密度は、１ｃｍ^２あたりの骨量である。骨密度を測定する技術として、ＤＸＡ（Ｄｕａｌ ｅｎｅｒｇｙ Ｘ－ｒａｙ Ａｂｓｏｒｐｔｉｏｍｅｔｒｙ）法で取得した画像を用いる方法が知られている。ＤＸＡ法では、２種類の管電圧を用いてＸ線撮影を行い、吸収率の差に基づいて骨と軟組織等の物質の弁別を行う。このようにしてＤＸＡ法を用いて取得された画像を、エネサブ画像（エネルギーサブトラクション画像、物質弁別画像）と言う。

骨密度測定のために、エネサブ画像の骨領域の中から、さらに骨密度測定の対象領域（以下、骨密度解析領域と呼ぶ）を取得する必要がある。腰椎の骨密度を測定する場合、一般的に、第１腰椎から第４腰椎まで、あるいは第２腰椎から第４腰椎までが骨密度解析領域となる。

特許文献１では、機械学習モデルを用いて自動的に骨密度解析領域を取得する技術が開示されている。

特開２０２１－３７１６４号公報

上記特許文献１では、機械学習によって大腿骨内の骨密度解析領域を取得している。しかしながら、脊椎は椎体および椎間の似た構造が連続して連なっているため、機械学習モデルを用いて腰椎のセグメンテーションを行った場合、取得すべき領域の抜け等が生じ、骨密度解析領域が上下にずれて取得されてしまう恐れがある。

そこで、本明細書の開示の目的の一つは、高精度に腰椎の骨密度解析領域を取得することである。また、本明細書の開示の目的の他の一つは、似た構造が連続して連なる解析領域を高精度に取得することである。

本明細書に開示の一実施態様に係る画像処理装置は、入力画像内の脊椎領域と椎間領域とをそれぞれ取得する第１の取得手段と、前記取得した脊椎領域と前記取得した椎間領域とを用いて腰椎の骨密度測定の対象領域である骨密度解析領域を取得する第２の取得手段と、を有する。

本明細書の開示の少なくとも一実施態様によれば、高精度に腰椎の骨密度解析領域を取得することができる。また、本明細書の開示の少なくとも他の実施態様によれば、似た構造が連続して連なる解析領域を高精度に取得するこができる。

実施例１に係るＸ線撮影システムの概略構成の一例を示す。 実施例１に係る入力画像の一例を示す。 実施例１に係る画像処理のフローチャートの一例を示す。 実施例１に係る第１の取得部による取得結果の一例を示す。 実施例１に係る椎間領域の補正処理対象の一例を示す。 実施例１に係る椎間領域の補正処理対象の他の一例を示す。 実施例１に係る参照領域の一例を示す。 実施例１に係る回転補正方法の一例を示す。 実施例１に係る直線の生成方法の一例を示す。 実施例１に係る背景領域の一例を示す。 実施例２に係る画像処理のフローチャートの一例を示す。 実施例２に係る脊椎画像の一例を示す。 実施例３に係る画像処理のフローチャートの一例を示す。 実施例３に係る第１の取得部による取得結果の一例を示す。 実施例４に係る画像処理のフローチャートの一例を示す。 実施例４に係る第１の取得部による取得結果の一例を示す。 実施例５に係る放射線撮影システムの概略構成の一例を示す。 実施例５に係る放射線撮影処理の一例を説明するための図である。 実施例５に係る放射線撮影処理の一例を説明するための図である。 実施例５に係る取得対象および補正対象を説明するための図である。

以下、図面を参照して本発明を実施するための例示的な実施例を詳細に説明する。図面において、同一であるか又は機能的に類似している要素を示すために図面間で同じ参照符号を用いる。また、各図面において説明上重要ではない構成要素、部材、処理の一部は省略して表示する場合がある。

なお、以下の実施例において、放射線の例としてＸ線を用いた撮影システムについて説明するが、本開示に係る撮影システムは他の放射線を用いてもよい。ここで、放射線という用語は、Ｘ線の他、例えば、α線、β線、γ線、粒子線、および宇宙線などを含むことができる。

なお、以下において、機械学習モデルとは、機械学習アルゴリズムによる学習モデルをいう。機械学習の具体的なアルゴリズムとしては、最近傍法、ナイーブベイズ法、決定木、サポートベクターマシンなどが挙げられる。また、ニューラルネットワークを利用して、学習するための特徴量、結合重み付け係数を自ら生成する深層学習（ディープラーニング）も挙げられる。また、決定木を用いたアルゴリズムとして、ＬｉｇｈｔＧＢＭやＸＧＢｏｏｓｔのように勾配ブースティングを用いた手法も挙げられる。適宜、上記アルゴリズムのうち利用できるものを用いて以下の実施例および変形例に適用することができる。また、教師データとは、学習データのことをいい、入力データおよび出力データのペアで構成される。

なお、学習済モデルとは、ディープラーニング等の任意の機械学習アルゴリズムに従った機械学習モデルに対して、事前に適切な教師データ（学習データ）を用いてトレーニング（学習）を行ったモデルをいう。ただし、学習済モデルは、事前に適切な学習データを用いて得ているが、それ以上の学習を行わないものではなく、追加の学習を行うこともできるものとする。追加学習は、装置が使用先に設置された後も行われることができる。

（実施例１）
以下、図１乃至図１０を参照して、本発明の実施例１に係る画像処理装置および画像処理装置の作動方法について説明する。図１は、本施例に係る放射線撮影システムの例であるＸ線撮影システム１００の構成例を示す図である。Ｘ線撮影システム１００は、Ｘ線発生装置制御部１０２、Ｘ線管１０３、ＦＰＤ（Ｆｌａｔ Ｐａｎｅｌ Ｄｅｔｅｃｔｏｒ）１０６、および画像処理装置１２０を有する。なお、Ｘ線撮影システム１００の構成を単にＸ線撮影装置ともいう。画像処理装置１２０は、撮影したＸ線画像に基づく情報を処理する。

Ｘ線発生装置制御部１０２は、曝射スイッチの押下により、Ｘ線管１０３に高電圧パルスを与えＸ線を発生させ、Ｘ線管１０３は、Ｘ線を照射する。Ｘ線管１０３からＸ線が照射されると、Ｘ線は架台１０４上の被写体（不図示）およびグリッド１０５を通過して、ＦＰＤ１０６に到達する。到達したＸ線は、ＦＰＤ１０６によって可視光に変換され、Ｘ線画像として出力される。出力されたＸ線画像は制御部１０１を介して、画像処理装置１２０に転送される。

ＦＰＤ１０６は、Ｘ線に応じた信号を生成するための画素アレイを備えたＸ線検出部（不図示）を有する。Ｘ線検出部は、グリッドを通過したＸ線を画像信号として検出する。Ｘ線検出部には、入射光に応じた信号を出力する画素がアレイ状（二次元の領域）に配置されている。各画素の光電変換素子は蛍光体により可視光に変換されたＸ線を電気信号に変換し、画像信号として出力する。このように、Ｘ線検出部はグリッドを通過したＸ線を検出して、画像信号（Ｘ線画像）を取得するように構成されている。ＦＰＤ１０６は、制御部１０１からの指示に従って読み出した画像信号（Ｘ線画像）を制御部１０１に出力する。

制御部１０１は、ＦＰＤ１０６から取得したＸ線画像を、当該Ｘ線画像を処理する画像処理装置１２０と、画像処理の結果や各種プログラムを記憶する記憶部１０９に転送する。記憶部１０９は、たとえば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、又はＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等により構成される。記憶部１０９は制御部１０１から出力された画像や画像処理装置１２０で画像処理された画像、画像処理装置１２０で算出された計算結果を記憶することが可能である。

画像処理装置１２０は、入力された画像を処理して算出結果や画像などを出力する。画像処理装置１２０には、第１の取得部１２１および第２の取得部１２２が設けられている。第１の取得部１２１は、後述する学習済モデルを用いて、入力画像から脊椎領域と椎間領域を抽出、取得する。第２の取得部１２２は、第１の取得部１２１によって取得された脊椎領域と椎間領域を用いて、腰椎の骨密度測定の対象領域である骨密度解析領域を取得する。第１の取得部１２１および第２の取得部１２２の処理の詳細については後述する。また、画像処理装置１２０は、取得した骨密度解析領域に関して骨密度解析を行い、骨密度を算出することができる。

なお、制御部１０１および画像処理装置１２０は、プロセッサおよびメモリが設けられたコンピュータによって構成されることができる。なお、制御部１０１および画像処理装置１２０は、一般的なコンピュータによって構成されてもよいし、Ｘ線撮影システム専用のコンピュータによって構成されてもよい。

制御部１０１の構成要素、および画像処理装置１２０に含まれる第１の取得部１２１等の各構成要素は、たとえば、一つ又は複数のＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等のプロセッサ、および記憶部１０９から読み込んだプログラムを用いて機能構成される。なお、プロセッサは、例えば、ＭＰＵ（Ｍｉｃｒｏ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）やＧＰＵ（Ｇｒａｐｈｉｃａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）等であってもよい。また、制御部１０１の構成要素、および画像処理装置１２０に含まれる各構成要素は、ＡＳＩＣ等の特定の機能を果たす集積回路などで構成してもよい。また、制御部１０１および画像処理装置１２０の内部構成として、ＧＰＵ等のグラフィック制御部、ネットワークカード等の通信部、およびキーボード、ディスプレイ又はタッチパネル等の入出力制御部等を含む構成も可能である。

表示部１０７（モニタ）は、制御部１０１がＦＰＤ１０６から受信したＸ線画像（デジタル画像）や画像処理装置１２０で画像処理された画像、患者情報、又はユーザー通知等を表示する。操作部１０８は、ユーザーインターフェイスを介して、画像処理装置１２０やＦＰＤ１０６に対する指示を入力することができる。操作部１０８は、例えばマウスやキーボード等の入力機器を用いて構成されてよい。制御部１０１は、操作部１０８からの指示等に応じて、表示部１０７を制御できる表示制御手段の一例として機能する。

なお、本実施例では、画像処理装置１２０および制御部１０１を別個の装置として記載するが、これらは同一の装置、例えば一つのコンピュータによって構成されることもできる。なお、表示部１０７はタッチパネル式のディスプレイにより構成されてもよく、この場合には表示部１０７は操作部１０８として兼用されることができる。

図２は、Ｘ線撮影システム１００により取得された腰椎近傍の画像の一例を示す。また、図２には、説明のために、骨密度の測定対象の一例である第１腰椎Ｌ１、第２腰椎Ｌ２、第３腰椎Ｌ３、および第４腰椎Ｌ４を示してある。本実施例における画像処理装置１２０は、図２に示すような腰椎近傍の画像を入力画像として、骨密度解析領域を抽出する。

入力画像は、ＤＸＡ法で取得されたエネルギーサブトラクション画像（エネサブ画像）であってよい。このエネサブ画像は、ｋＶスイッチング方式により２種類の管電圧でＸ線撮影された画像から生成されたものであってよい。また、このエネサブ画像は、ＦＰＤ１０６としてＸ線吸収率の異なる２種類の素材（蛍光体）で形成された積層センサを用いて、一度の曝射で得られるそれぞれの層の画像から生成されたものであってもよい。また、一度の曝射（単純Ｘ線撮影）で取得された単純Ｘ線画像を、入力画像として用いてもよい。また、ＦＰＤ１０６が積層センサである場合、上層側（被写体側）の画像を入力画像として用いてもよい。なお、ＤＸＡ法で取得された異なるエネルギーに関する複数の画像を入力画像として用いてもよい。

以下、図３を参照して、本実施例における、骨密度解析領域を抽出するための画像処理装置１２０の画像処理について説明する。図３は、本実施例における、骨密度解析領域を抽出するための画像処理装置１２０の画像処理フローを示す。本実施例に係る画像処理フローが開始されると、処理はステップＳ１１に移行する。

ステップＳ１１において、画像処理装置１２０の第１の取得部１２１は学習済モデルを用いて、入力画像から脊椎領域と椎間領域を抽出（セグメンテーション）する。ここで言う脊椎領域とは、脊椎の輪郭およびその内部を含めた領域を指す。また、脊椎の輪郭（外枠）のみを、脊椎領域として扱ってもよい。また、ここで言う椎間領域とは、椎間の輪郭およびその内部を含めた領域を指す。また、椎間の輪郭（外枠）のみを、椎間領域として扱ってもよい。また、椎間領域は線であってもよい。このように、第１の取得部１２１は、学習済モデルを用いて入力画像内の脊椎領域と椎間領域とをそれぞれ取得する第１の取得手段の一例である。なお、以下において、脊椎領域や椎間領域、骨密度解析領域等の各種領域の取得処理には、これら領域を示す画像の取得やこれら領域の特定が含まれるものとする。

抽出（取得）した結果の一例を図４（ａ）および図４（ｂ）に示す。図４（ａ）の白色領域が脊椎領域の抽出結果（取得結果）であり、図４（ｂ）の白色領域が椎間領域の抽出結果である。図４（ａ）には、脊椎領域として棘突起を含めていない例を示しているが、棘突起を含めてもよい。

学習済モデルは、記憶部１０９に記憶しておき、第１の取得部１２１は記憶部１０９に記憶された学習済モデルを呼び出して使用してよい。脊椎領域を抽出する学習済モデルと、椎間領域を抽出する学習済モデルは、別々に備えていてよい。これらの学習済モデルは、同じ構造で、重みだけが異なっていてもよい。また、脊椎領域を抽出する学習済モデルと椎間領域を抽出する学習済モデルは、共通のモデルであって、各チャンネルから脊椎領域と椎間領域のそれぞれの抽出結果が出力されてもよい。

ここでの学習済モデルは、たとえば、腰椎近傍の画像と、その画像内の脊椎領域および椎間領域をラベル付けした画像との組み合わせを教師データとして学習させることで、生成され得る。なお、脊椎領域を抽出する学習済モデルと、椎間領域を抽出する学習済モデルを別々に備える場合には、ラベル付けした画像をそれぞれ分けて学習させればよい。具体的には、腰椎近傍の画像と、その画像内の脊椎領域をラベル付けした画像との組み合わせ、および腰椎近傍の画像と、その画像内の椎間領域をラベル付けした画像との組み合わせをそれぞれ教師データとして学習させることで、各学習済モデルが生成され得る。

また、画像処理装置１２０は、セグメンテーション処理の前に、入力画像に対して前処理を行ってもよい。処理の一例は、コントラストを向上させる処理であってよい。コントラストを向上させる処理として、たとえば画像内の輝度値の最大値を１、画像内の輝度値の最小値を０に線形で引き延ばす処理が挙げられる。また、ヒストグラム平坦化などの処理であってもよい。前処理の他の一例は、エッジを強調させる処理であってもよい。エッジを強調させる処理として、たとえばフィルター処理が挙げられる。前処理の他の一例は、画像の輝度値の平均値を０にし、分散を１にする標準化処理であってもよい。また、画像処理装置１２０は上記の前処理を組み合わせて行ってもよい。なお、これらの前処理は学習済モデルに学習させる教師データに対しても行われてよい。

入力画像は、Ｘ線撮影システム１００により取得された画像を、操作者が表示部１０７に表示された画像を見ながら操作部１０８でトリミングした画像であってもよい。また、トリミングされた画像は、指定された画像サイズにリサイズされてもよい。ここで言う指定された画像サイズは、たとえば学習済モデルの入力画像サイズであってよい。また、入力画像は、操作者によって選択されたトリミング領域よりも広い領域をトリミングした画像であってもよい。たとえば、操作者が第２腰椎Ｌ２から第４腰椎Ｌ４までを含むようにトリミング領域を選択した場合、入力画像は、さらに第５腰椎Ｌ５が入力画像に含まれるようにトリミング領域を縦方向に引き伸ばした画像であってもよい。そのため一例として、画像処理装置１２０は、操作者がトリミングした領域を第５腰椎Ｌ５の方向へ１／４倍だけ縦に延長した領域を含むように入力画像を生成してもよい。また、入力画像は、撮影範囲に基づいて、画像処理装置１２０によって自動的に腰椎近傍を残すようにトリミングされた画像であってもよい。なお、これらの場合には、教師データの入力データにも同様にトリミングされた画像を用いることができる。

また、第１の取得部１２１は、抽出された脊椎領域の外側で、椎間として抽出された領域があった場合、この領域はセグメンテーション誤差とみなして椎間領域の抽出結果から除去してよい。

次に、ステップＳ１２において、画像処理装置１２０の第２の取得部１２２は、ステップＳ１１の抽出結果（図４（ａ）および図４（ｂ））から骨密度解析領域を抽出する。ここでは、骨密度解析領域として第２腰椎Ｌ２～第４腰椎Ｌ４の領域を抽出する場合を説明する。なお、骨密度解析領域の組み合わせはこれに限らず、たとえば第１腰椎Ｌ１の領域も併せて抽出してもよい。

ここで、上述したように、脊椎は椎体および椎間の似た構造が連続して連なっているため、学習の傾向に従った処理を行う学習済モデルを用いて腰椎のセグメンテーションを行った場合、取得すべき領域の抜けや余分な領域の取得が生じてしまう場合がある。図５（ａ）は、取得すべき椎間領域の抜けおよび余分な領域の取得が生じている場合の、椎間領域の抽出結果の一例を示す。図５（ａ）に示される椎間領域に基づいて骨密度解析領域が設定されると、椎間領域の抜けや余計に取得された領域に起因して、椎間領域の間で抽出される腰椎の領域（骨密度解析領域）が本来の位置からずれてしまう。

これに対して、本実施例に係る第２の取得部１２２は、脊椎領域および脊椎領域に含まれる椎間領域の関係や椎間領域間の関係を用いて、学習済モデルを用いて抽出された椎間領域の補正処理を行う。第２の取得部１２２は、補正した椎間領域に基づいて骨密度解析領域を抽出することで、高精度に骨密度解析領域を抽出することができる。

まず、第２の取得部１２２は、ステップＳ１１で抽出されたそれぞれの椎間領域の重心位置を算出する。次に、第２の取得部１２２は、これらの重心位置の縦方向の位置（重心Ｙ座標）を算出する。なお、以下において、画像における垂直方向の座標をＹ座標とし、水平方向の位置をＸ座標とする。また、重心の算出方法は公知の任意の方法を用いてよい。図５（ａ）では、上述した椎間領域の抽出結果の一例に対して、重心のＹ座標を点線で示している。これらの重心Ｙ座標の間隔に基づいて、第２の取得部１２２は、必要に応じて以下に説明する補正処理を行う。

図５（ａ）の座標Ｈ１と座標Ｈ２で例示されるように、互いの椎間領域の重心Ｙ座標の間隔が設定された閾値よりも小さかった場合、第２の取得部１２２は、対応する椎間領域のうち一方を外れ値（あるいは推論誤差）とみなして、椎間領域から除外してもよい。一例として、各椎間領域の重心Ｙ座標の間隔の中央値をΔＹｍとしたとき、ここで設定される閾値はたとえばΔＹｍ／４であってもよい。ただし、閾値の設定方法はこれに限らず、任意の方法で設定し得る。ここでの除外方法の一例として、対応する２つの椎間領域のうち、面積の大きい方の椎間領域（図５（ａ）のＨ１側）を残し、面積の小さい方の椎間領域（図５（ａ）の座標Ｈ２側）を除外してもよい。また、画像の下側の椎間領域を残して上側の椎間領域を除外してよい。また逆に、上側の椎間領域を残して下側の椎間領域を除外してもよい。

また、第２の取得部１２２は、図５（ａ）の座標Ｈ３と座標Ｈ４で例示されるように互いの椎間領域の重心Ｙ座標の間隔が設定された閾値よりも大きかった場合、外れ値（あるいは推論誤差）とみなして、それらの重心の中点となる位置へ新たに椎間領域を追加してもよい。一例として、各椎間領域の重心Ｙ座標の間隔の中央値をΔＹｍとしたとき、ここで設定される閾値はたとえばΔＹｍ×２であってもよい。ただし、閾値の設定方法はこれに限らず、任意の方法で設定し得る。

このときに追加される椎間領域は、たとえば図５（ｂ）の座標Ｈ３．５のＹ座標位置に示されるように、座標Ｈ３と座標Ｈ４の椎間領域の各重心の中点を重心位置とした、幅１０ｍｍ、高さ１ｍｍの線分であってよい。ただし、ここでの椎間領域の大きさ・形状はこれに限らず、任意のものを設定し得る。

別の補正処理の一例を、図６（ａ）および図６（ｂ）を用いて説明する。第２の取得部１２２は、抽出された脊椎領域の上端（図６（ａ）の座標Ｈ１）から、１つ内側の、言い換えると当該脊椎領域の上端から画像の内側へ数えて１つ目の椎間領域の重心Ｙ座標（図６（ｂ）の座標Ｈ２）までの、縦方向の距離を算出する。この距離が閾値よりも大きい場合、第２の取得部１２２は、脊椎領域の上端と当該脊椎領域の上端から画像の内側へ数えて１つ目の椎間領域の重心位置との中点の高さ位置（図６（ｂ）の座標Ｈ１．５）に、椎間領域を追加してもよい。

ここで設定される閾値は、一例として、各椎間領域の重心Ｙ座標の間隔の中央値をΔＹｍとしたとき、ΔＹｍ×２であってもよい。また、ここで追加する椎間領域は、たとえば図６（ｂ）の座標Ｈ１．５のＹ座標位置に示されるように、座標Ｈ１の行における脊椎領域の中点と座標Ｈ２における椎間領域の重心との中点を重心位置とした、幅１０ｍｍ、高さ１ｍｍの線分であってよい。なお、行は画像の水平方向の並びをいい、列は画像の垂直方向の並びをいう。ただし、閾値や追加する椎間領域の設定方法はこれに限らず、任意の方法で設定し得る。また、第２の取得部１２２は、追加する椎間領域を線分として設定せずに、単に椎間領域の重心位置のみを設定してもよい。なお、ステップＳ１２で抽出された脊椎領域や椎間領域が傾いている場合、第２の取得部１２２は、脊椎領域や椎間領域の傾きに合わせて、追加する椎間領域も傾けて設定してよい。

また同様に、抽出された脊椎領域の下端（図６（ａ）の座標Ｈ４）から、当該脊椎領域の下端から内側へ数えて１つ目の椎間領域の重心Ｙ座標（図６（ｂ）の座標Ｈ３）までの縦方向の距離を算出する。この距離が閾値よりも大きい場合、脊椎領域の下端と当該脊椎領域の下端から内側へ数えて１つ目の椎間領域の重心位置との中点に、図６（ｂ）の座標Ｈ３．５のＹ座標位置に示されるように椎間領域を追加してもよい。

第２の取得部１２２は、このように処理された椎間領域とその重心について、図７に示すように、画像の下から（骨盤側から）数えて４番目の椎間領域の重心Ｇ１を設定する。同様に、下から数えて３番目の椎間領域の重心Ｇ２、下から数えて２番目の椎間領域の重心Ｇ３、および下から数えて１番目の椎間領域の重心Ｇ４を、それぞれ設定する。

次に、第２の取得部１２２は、重心Ｇ１、Ｇ２、Ｇ３、Ｇ４を通る、水平な線ＬＲ１、ＬＲ２、ＬＲ３、ＬＲ４をそれぞれ設定する（図７の４本の点線）。

抽出された椎間領域の数が４個（所定の数）未満であった場合、第２の取得部１２２は、抽出された脊椎領域を縦方向に５等分する４本の線を引くことができる。第２の取得部１２２は、これらの４本の線を画像の左右両端まで延長させたものを、画像の上側から順に水平な線ＬＲ１、ＬＲ２、ＬＲ３、ＬＲ４として設定してよい。この処理により、第２の取得部１２２は、脊椎領域を４つ（所定の数）に区分することができる。また、この処理を行った場合は、以下の処理で骨密度解析領域を抽出した後などに、制御部１０１が、骨密度解析領域がずれている可能性や操作者へ手動修正を促すメッセージを表示部１０７へ表示させてもよい。

そして図７に示すように、第２の取得部１２２は、これらの水平な線に挟まれた、縦幅を持つ水平方向の参照領域ＳＲ１、ＳＲ２、ＳＲ３をそれぞれ設定する。

この処理を行う前に、ステップＳ１２の脊椎領域の抽出結果が図８（ａ）に示すように傾いていた場合、第２の取得部１２２は、画像全体の回転補正を行ってもよい。画像を回転補正する角度の設定方法の一例として、第２の取得部１２２は、図８（ｂ）に示すように抽出された脊椎領域の各行あるいは間引いた行で横方向の重心位置（図８（ｂ）内の黒点）を求める。その後、第２の取得部１２２は、求めた重心位置の近似直線（図８（ｂ）内の点線）が図８（ｃ）に示すように画像の垂直方向の線になるように画像を回転補正してもよい。なお、回転補正は、椎間領域の補正処理の前に行われてもよいし、重心Ｇ１～Ｇ４等の設定処理の前に行われてもよい。

また、第２の取得部１２２は、画像の回転補正を行う代わりに、脊椎領域の検出された傾きに基づいて線ＬＲ１、ＬＲ２、ＬＲ３、ＬＲ４ならびに参照領域ＳＲ１、ＳＲ２、ＳＲ３を斜めに設定してもよい。

また、ステップＳ１２で抽出された椎間領域が傾いている場合、第２の取得部１２２は、線ＬＲ１、ＬＲ２、ＬＲ３、ＬＲ４を斜めに引いてもよい。このときの線を引く方法の一例を、図９を用いて説明する。図９は、抽出された椎間領域９０１の一例を示しており、傾いている。この椎間領域９０１に対して線を引く方法の一例は、椎間領域９０１の各列あるいは間引いた列で垂直方向に中点を取り（図９の黒点）、それらの近似直線（図９の点線）を引く方法である。

また、このときの直線を引く方法の別の一例は、椎間領域近傍において図８（ｂ）と同様に脊椎領域の近似直線を引き、この近似直線と垂直かつ椎間領域の重心を通る直線を引く方法であってもよい。さらに、第２の取得部１２２は、線ＬＲ１、ＬＲ２、ＬＲ３、ＬＲ４に挟まれた、縦幅を持つ、これら線と平行な参照領域ＳＲ１、ＳＲ２、ＳＲ３をそれぞれ設定してよい。また、第２の取得部１２２は、ここでの近似直線の傾きに基づいて、画像を回転補正してもよい。

第２の取得部１２２は、参照領域ＳＲ１の中で抽出された脊椎領域（椎体に相当する）を、骨密度解析領域である第２腰椎Ｌ２として抽出、取得する。また同様に、参照領域ＳＲ２内の脊椎領域を骨密度解析領域である第３腰椎Ｌ３として抽出し、参照領域ＳＲ３内の脊椎領域を骨密度解析領域である第４腰椎Ｌ４として抽出する。

このように、第２の取得部１２２は、脊椎領域の抽出結果と椎間領域の抽出結果とを組み合わせることで、高精度に腰椎の骨密度解析領域を抽出、取得することができる。つまり、第２の取得部１２２は、第１の取得部１２１の取得結果に基づいて腰椎の骨密度測定の対象領域である骨密度解析領域を取得する第２の取得手段の一例である。

次にステップＳ１３において、画像処理装置１２０は、骨の透過率を算出するための背景領域を設定する。以下、背景領域の設定方法の一例を述べる。

背景領域は、たとえば図１０の背景領域ＢＧ１１、ＢＧ１２、ＢＧ２１、ＢＧ２２、ＢＧ３１、ＢＧ３２として示されるように、ステップＳ１２で設定された参照領域ＳＲ１、ＳＲ２、ＳＲ３内で、第２腰椎Ｌ２、第３腰椎Ｌ３、および第４腰椎Ｌ４の左右で設定される。これらの背景領域の探索方法の一例を以下に説明する。

背景領域ＢＧ１１、ＢＧ１２、ＢＧ２１、ＢＧ２２、ＢＧ３１、ＢＧ３２の縦幅は、それぞれの参照領域ＳＲ１、ＳＲ２、ＳＲ３の縦幅と同じ値に設定できる。背景領域ＢＧ１１、ＢＧ１２、ＢＧ２１、ＢＧ２２、ＢＧ３１、ＢＧ３２の横幅は、事前に設定された指定値とすることができる。一例として、この横幅は２０ｍｍと指定することができる。横幅の指定値は、記憶部１０９で予め保持していてもよい。また、操作部１０８を用いて、操作者によって指定されてもよい。

背景領域ＢＧ１１の位置は、参照領域ＳＲ１内の第２腰椎Ｌ２の左側の領域において、背景領域内の輝度値の分散が最小となるような位置が自動で選択されてよい。同様に、背景領域ＢＧ１２の位置は、参照領域ＳＲ１内の第２腰椎Ｌ２の右側の領域において、背景領域内の輝度値の分散が最小となるような位置が自動で選択されてよい。さらに同様に、背景領域ＢＧ２１、ＢＧ２２は第３腰椎Ｌ３の左右領域で、背景領域ＢＧ３１、ＢＧ３２は第４腰椎Ｌ４の左右領域で選択されてよい。

このとき、棘突起の領域は背景領域として選択されないよう除外してよい。たとえば、画像処理装置１２０は、背景領域ＢＧ１１を探索するときに、第２腰椎Ｌ２として抽出された領域から左側へ棘突起領域として指定された範囲は探索範囲から除外してよい。棘突起領域として、たとえば１５ｍｍの範囲を指定してよい。背景領域ＢＧ１２、ＢＧ２１、ＢＧ２２、ＢＧ３１、ＢＧ３２を探索する際も、同様に第２腰椎Ｌ２、第３腰椎Ｌ３、および第４腰椎Ｌ４の左右の棘突起領域を除外してよい。

背景領域の設定方法はこれに限らず、任意の方法で設定し得る。たとえば、操作者が操作部１０８を用いて背景領域を指定してもよい。

制御部１０１は、以上のように抽出された骨密度解析領域と背景領域を、それぞれ表示部１０７に表示させてよい。また、表示部１０７に表示された骨密度解析領域と背景領域に基づいて、操作者が操作部１０８を用いて骨密度解析領域と背景領域の修正および決定を行ってもよい。また同様に、上記の計算過程で現れた重心や直線も操作者が操作部１０８を用いて修正および決定してもよい。また、背景領域は表示部１０７に表示されなくてもよい。

骨密度解析領域と背景領域を参照して、画像処理装置１２０は、各骨密度解析領域における骨密度を算出する。骨密度は既知の方法で算出でき、たとえばＤＸＡ法で取得した、画像内の骨と軟組織の厚さの情報を用いて算出してもよい。また、ＤＸＡ法で取得した原子番号と面密度の情報を用いて骨密度を算出してもよい。制御部１０１は、算出された骨密度を、表示部１０７に表示させてよい。

また、制御部１０１は、算出した骨密度に基づいて、診断に有用な任意の値を表示部１０７に表示させてもよい。たとえば、制御部１０１は、同年代や他の年代の骨密度の平均値と比較した値が、表示部１０７に表示されてもよい。また、制御部１０１は、たとえば過去の測定結果と比較した時系列データが表示部１０７に表示されてもよい。また、制御部１０１は、たとえば第２腰椎Ｌ２、第３腰椎Ｌ３、および第４腰椎Ｌ４における骨密度の平均値を、最終的な骨密度の測定値として表示部１０７に表示させてもよい。

さらに、制御部１０１は、骨密度解析領域の取得結果あるいは取得過程を操作者へ表示するように表示部１０７を制御してもよい。ここで、取得過程とは、上記説明した第２の取得部１２２による各処理を含み、取得過程の表示では、各処理で取得、設定された領域や重心、線等が表示されてよい。例えば、取得された脊椎領域や椎間領域、骨密度解析領域を抽出する際の参照領域や背景領域等が表示されてよい。また、操作部１０８は、操作者が第２の取得部１２２による取得結果あるいは取得過程を見ながら操作するための操作手段の一例として機能することができる。

（実施例２）
次に、本発明の実施例２について説明する。本実施例に係るＸ線撮影システムの構成例は、実施例１に係るＸ線撮影システム１００の構成例と同様であり、図１に示される。なお、本実施例に係るＸ線撮影システムの構成例については、実施例１に係るＸ線撮影システム１００の構成例と同じ参照符号を用いて説明を省略する。本実施例における画像処理装置１２０は、実施例１と同様に、図２に示すような画像を入力画像として、骨密度解析領域を抽出する。以下、実施例１との違いを中心に、本実施例について説明する。

図１１は、本実施例における、骨密度解析領域を抽出するための画像処理装置１２０の画像処理フローを示す。本実施例に係る画像処理が開始されると、処理はステップＳ２１に移行する。

ステップＳ２１において、第１の取得部１２１は、学習済モデルを用いて、入力画像から脊椎領域を抽出（セグメンテーション）する。抽出した結果の一例は、実施例１と同様に図４（ａ）に示される。なお、ここでの学習済モデルは、たとえば、腰椎近傍の画像と、その画像内の脊椎領域をラベル付けした画像との組み合わせを教師データとして学習させることで、生成され得る。

ステップＳ２２において、画像処理装置１２０は、入力画像からステップＳ２１での抽出結果の領域を抽出した脊椎画像を生成する。ここでの脊椎画像の例を図１２に示す。この処理は、たとえばステップＳ２１で抽出された領域を１，それ以外の領域を０としたマスクを、入力画像に掛けることによって生成され得る。

ステップＳ２３において、第１の取得部１２１は、学習済モデルを用いて、脊椎画像から椎間領域を抽出（セグメンテーション）する。抽出した結果の一例は、図４（ｂ）と同様である。つまり本実施例に係る画像処理装置１２０は、椎間領域を、画像全体からではなく脊椎内部から抽出する。なお、ここでの学習済モデルは、たとえば、脊椎画像と、その画像内の椎間領域をラベル付けした画像との組み合わせを教師データとして学習させることで、生成され得る。

ステップＳ２４において、第２の取得部１２２は、抽出された脊椎領域の抽出結果と椎間領域の抽出結果とを組み合わせることで、実施例１と同様にして腰椎の骨密度解析領域を抽出することができる。この場合であっても、脊椎領域の抽出結果と椎間領域の抽出結果とを組み合わせることで、高精度に、腰椎の骨密度解析領域を抽出、取得することができる。また、椎間領域を脊椎画像から取得することで、学習済モデルは画像特徴を用いた処理を行う領域が狭くなるため、演算量が少なくなり処理の高速化や処理負荷の低減等を行えることが期待できる。

ステップＳ２５において、画像処理装置１２０は、背景領域を抽出する。背景領域の抽出方法は実施例１のステップＳ１３と同様である。

以上のように抽出された骨密度解析領域と背景領域において、本実施例に係る画像処理装置１２０は実施例１と同様に各骨密度解析領域における骨密度を算出する。

（実施例３）
次に、本発明の実施例３について説明する。本実施例に係るＸ線撮影システムの構成例は、実施例１に係るＸ線撮影システム１００の構成例と同様であり、図１に示される。なお、本実施例に係るＸ線撮影システムの構成例については、実施例１に係るＸ線撮影システム１００の構成例と同じ参照符号を用いて説明を省略する。本実施例における画像処理装置１２０は、実施例１と同様に、図２に示すような画像を入力画像として、骨密度解析領域を抽出する。以下、実施例１との違いを中心に、本実施例について説明する。

図１３は、本実施例における、骨密度解析領域を抽出するための画像処理装置１２０の画像処理フローを示す。本実施例に係る画像処理が開始されると、処理はステップＳ３１に移行する。

ステップＳ３１において、第１の取得部１２１は、学習済モデルを用いて、入力画像から脊椎領域、椎間領域、および骨盤領域を抽出（セグメンテーション）する。抽出した結果の一例を図１４（ａ）乃至図１４（ｃ）に示す。図１４（ａ）は脊椎領域の抽出結果の一例、図１４（ｂ）は椎間領域の抽出結果の一例、図１４（ｃ）は骨盤領域の抽出結果の一例を示す。

学習済モデルは、記憶部１０９に記憶しておき、それを呼び出して使用してよい。脊椎領域を抽出する学習済モデルと、椎間領域を抽出する学習済モデルと、骨盤領域を抽出する学習済モデルは、別々に備えていてよい。これらの学習済モデルは、同じ構造で、重みだけが異なっていてもよい。また、ここでの学習済モデルは共通のモデルであって、各チャンネルから脊椎領域、椎間領域、および骨盤領域のそれぞれの抽出結果が出力されてもよい。

ここでの学習済モデルは、たとえば、腰椎近傍の画像と、その画像内の脊椎領域、椎間領域および骨盤領域をラベル付けした画像との組み合わせを教師データとして学習させることで、生成され得る。なお、脊椎領域を抽出する学習済モデルと、椎間領域を抽出する学習済モデルと、骨盤領域を抽出する学習済モデルを別々に備える場合には、ラベル付けした画像をそれぞれ分けて学習させればよい。具体的には、腰椎近傍の画像と、その画像内の骨盤領域をラベル付けした画像との組み合わせを教師データとして学習させることで、骨盤領域を抽出する学習済モデルが生成され得る。なお、脊椎領域を抽出する学習済モデルと、椎間領域を抽出する学習済モデルについては、実施例１と同様に生成され得る。

第２の取得部１２２は、これらの抽出結果に基づいて、抽出結果の補正処理を行ってもよい。抽出結果の補正処理の一例は、抽出された脊椎領域と骨盤領域が、設定された所定の距離以上離れていた場合に、脊椎領域の下端を骨盤領域に届くよう延長させる処理であってよい。ここで設定される所定の距離の一例として、たとえば１０ｍｍと設定してよい。

抽出結果の補正処理の一例は、抽出された脊椎領域の下端が骨盤領域の内側だった場合に、脊椎領域の下端を骨盤領域の上側の境界線まで短縮させる処理であってよい。

抽出結果の補正処理の一例は、抽出された椎間領域と骨盤領域が、設定された所定の距離以上離れていた場合に、制御部１０１が注意を促すメッセージを表示部１０７に表示させる処理を含んでもよい。注意を促すメッセージは、たとえば骨密度解析領域がずれている可能性や、椎間領域の抽出漏れがある可能性や、操作者へ手動修正を促すメッセージ等であってよい。ここで設定される所定の距離の一例として、たとえば１０ｍｍと設定してよい。

また、第２の取得部１２２は、抽出された椎間領域と骨盤領域が設定された所定の距離以上離れており、椎間領域の抽出漏れの可能性があると判断することができる。この場合、第２の取得部１２２は、骨盤領域から上へ数えて１つ目の椎間領域と、骨盤領域の上側の境界線との中間位置に、新たに椎間領域を追加してよい。このときに追加する椎間領域は、図５（ｂ）に示す例と同様に、幅１０ｍｍ、高さ１ｍｍの線分であってよい。また、このときに追加された椎間領域の重心位置の一例は、骨盤領域から上へ数えて１つ目の椎間領域の重心位置と、骨盤領域の上側の境界線のうち横方向の位置（Ｘ座標）が骨盤領域の重心位置のＸ座標となる点との、中点であってよい。

抽出結果の補正処理の一例は、抽出された椎間領域が骨盤領域の内側にあった場合に、その椎間領域を除去する処理であってよい。

以上のように、骨盤領域の抽出結果を参照することで、脊椎領域および椎間領域のセグメンテーション誤差による影響を低減することができる。

次に、ステップＳ３２において、第２の取得部１２２は、抽出された脊椎領域の抽出結果と椎間領域の抽出結果とを組み合わせることで、実施例１と同様に腰椎の骨密度解析領域を抽出することができる。この場合であっても、脊椎領域の抽出結果と椎間領域の抽出結果とを組み合わせることで、高精度に腰椎の骨密度解析領域を抽出、取得することができる。

ステップＳ３３において、画像処理装置１２０は、背景領域を抽出する。背景領域の抽出方法は実施例１のステップＳ１３と同様である。

以上のように抽出された骨密度解析領域と背景領域において、本実施例に係る画像処理装置１２０は実施例１と同様に各骨密度解析領域における骨密度を算出する。

（実施例４）
次に、本発明の実施例４について説明する。本実施例に係るＸ線撮影システムの構成例は、実施例１に係るＸ線撮影システム１００の構成例と同様であり、図１に示される。なお、本実施例に係るＸ線撮影システムの構成例については、実施例１に係るＸ線撮影システム１００の構成例と同じ参照符号を用いて説明を省略する。本実施例における画像処理装置１２０は、実施例１と同様に、図２に示すような画像を入力画像として、骨密度解析領域を抽出する。以下、実施例１との違いを中心に、本実施例について説明する。

図１５は、本実施例における、骨密度解析領域を抽出するための画像処理装置１２０の画像処理フローを示す。本実施例に係る画像処理が開始されると、処理はステップＳ４１に移行する。

ステップＳ４１において、第１の取得部１２１は、学習済モデルを用いて、入力画像から脊椎領域、椎間領域、および肋骨領域を抽出（セグメンテーション）する。抽出した結果の一例を図１６（ａ）乃至図１６（ｃ）に示す。図１６（ａ）は脊椎領域の抽出結果の一例、図１６（ｂ）は椎間領域の抽出結果の一例、図１６（ｃ）は肋骨領域の抽出結果の一例を示す。

学習済モデルは、記憶部１０９に記憶しておき、それを呼び出して使用してよい。脊椎領域を抽出する学習済モデルと、椎間領域を抽出する学習済モデルと、肋骨領域を抽出する学習済モデルは、別々に備えていてよい。これらの学習済モデルは、同じ構造で、重みだけが異なっていてもよい。また、ここでの学習済モデルは共通のモデルであって、各チャンネルから脊椎領域、椎間領域、および肋骨領域のそれぞれの抽出結果が出力されてもよい。

ここでの学習済モデルは、たとえば、腰椎近傍の画像と、その画像内の脊椎領域、椎間領域、および肋骨領域をラベル付けした画像との組み合わせを教師データとして学習させることで、生成され得る。なお、脊椎領域を抽出する学習済モデルと、椎間領域を抽出する学習済モデルと、肋骨領域を抽出する学習済モデルを別々に備える場合には、ラベル付けした画像をそれぞれ分けて学習させればよい。具体的には、腰椎近傍の画像と、その画像内の肋骨領域をラベル付けした画像との組み合わせを教師データとして学習させることで、肋骨領域を抽出する学習済モデルが生成され得る。なお、脊椎領域を抽出する学習済モデルと、椎間領域を抽出する学習済モデルについては、実施例１と同様に生成され得る。

また、胸骨領域を、肋骨領域の代わりに、あるいは追加して、抽出してもよい。この場合には、たとえば、教師データとして、骨盤領域についてラベル付けせずに胸骨領域をラベル付けした画像を用いたり、脊椎領域、椎間領域、骨盤領域および胸骨領域をラベル付けした画像を用いたりすればよい。

次に、ステップＳ４２において、第２の取得部１２２は、ステップＳ４１の抽出結果から骨密度解析領域を抽出する。ここでは、骨密度解析領域として第２腰椎Ｌ２～第４腰椎Ｌ４を抽出する場合を説明する。なお、骨密度解析領域の組み合わせはこれに限らず、たとえば第１腰椎Ｌ１も併せて抽出してもよい。

第２の取得部１２２は、抽出した脊椎領域の中で、椎間で区切られた領域（椎体）を抽出する。このとき、第２の取得部１２２は、肋骨領域と接している椎体を胸椎とみなす。そして、図２に示すように、胸椎の１つ下の椎体を第１腰椎Ｌ１として抽出する。さらに、第１腰椎Ｌ１の下の椎体を順に第２腰椎Ｌ２、第３腰椎Ｌ３、および第４腰椎Ｌ４として抽出する。

さらに実施例１と同様に、第２の取得部１２２は、第２腰椎Ｌ２、第３腰椎Ｌ３、および第４腰椎Ｌ４の上下の椎間領域から、対応する参照領域ＳＲ１、ＳＲ２、ＳＲ３を設定してもよい。さらに実施例１と同様に、第２の取得部１２２は、これらの参照領域内で脊椎領域を、最終的な骨密度解析領域（第２腰椎Ｌ２、第３腰椎Ｌ３、第４腰椎Ｌ４）として設定してもよい。

また、実施例１と同様に、第２の取得部１２２は、椎体を下から（骨盤側から）数えて２番目から４番目までのものを、第４腰椎Ｌ４、第３腰椎Ｌ３、および第２腰椎Ｌ２として抽出してもよい。このとき、第２の取得部１２２は、下から数えて５番目の椎体を第１腰椎Ｌ１として抽出し、これと肋骨として抽出された領域とを比較することによって補正処理を行ってもよい。

ここでの補正処理の一例は、第１腰椎Ｌ１と肋骨領域が接している場合に、骨密度解析領域の抽出結果がずれている可能性や、操作者に手動修正を促すメッセージを制御部１０１が表示部１０７へ表示させる処理を含んでもよい。

また、ここでの補正処理の一例は、第１腰椎Ｌ１の一つ上の椎体と肋骨領域が接していない場合に、骨密度解析領域の抽出結果がずれている可能性や、操作者に手動修正を促すメッセージを制御部１０１が表示部１０７へ表示させる処理を含んでもよい。

また、抽出された脊椎領域の上端の縦方向位置が、抽出された肋骨領域の下端から所定の距離だけ下側の縦方向位置よりも下だった場合に、画像処理装置１２０は、脊椎領域の上端を、この肋骨領域の下端から所定の距離だけ下側の縦方向位置まで延長させる補正処理を行ってもよい。ここでの所定の距離の一例として、たとえば５ｍｍと設定してもよい。

以上のように、肋骨の抽出結果を参照することで、脊椎領域および椎間領域のセグメンテーション誤差による腰椎抽出への影響を低減することができる。また、脊椎領域の抽出結果と椎間領域の抽出結果とを組み合わせることで、高精度に腰椎の骨密度解析領域を抽出、取得することができる。

ステップＳ４３において、画像処理装置１２０は、背景領域を抽出する。背景領域の抽出方法は実施例１のステップＳ１３と同様である。

以上のように抽出された骨密度解析領域と背景領域において、本実施例に係る画像処理装置１２０は、実施例１と同様に各骨密度解析領域における骨密度を算出する。

（変形例）
以下では、本発明の実施例１、実施例２、実施例３および実施例４の少なくとも一つに係る変形例について説明する。画像処理装置１２０は、金属などの、骨でもなく軟組織でもない物体の領域を、インプラント領域として抽出してもよい。インプラント領域は、機械学習による学習済モデルを用いたセグメンテーションや、輝度値の分散などに基づくルールベースによるセグメンテーションで、抽出されてよい。抽出されたインプラント領域は骨密度解析の際に解析対象から除いてよい。なお、学習済モデルは、たとえば、腰椎近傍の画像と、その画像内の金属などの、骨でもなく軟組織でもない物体の領域をラベル付けした画像との組み合わせを教師データとして学習させることで、生成され得る。

また、実施例３と実施例４を組み合わせて、脊椎領域と椎間領域に加えて、骨盤領域と肋骨領域の両方を抽出し、これらの結果を組み合わせることで骨密度解析領域の抽出精度を上げてもよい。たとえば、第２の取得部１２２は、抽出された脊椎領域の下端の縦方向の位置が骨盤領域の上端よりも閾値以上に上側であった場合、脊椎領域の下端の縦方向の位置を骨盤領域の上端の縦方向の位置まで延長してもよい。また、第２の取得部１２２は、抽出された脊椎領域の上端の縦方向の位置が肋骨領域の下端よりも閾値以上に下側であった場合、脊椎領域の上端の縦方向の位置を肋骨領域の下端の縦方向の位置まで延長してもよい。ここで言う閾値の一例として１０ｍｍと設定することができる。ただし閾値の値はこれに限らず、任意の値を設定することができる。

さらに、第２の取得部１２２は、このように設定された腰椎領域を縦方向に６等分して、下から（骨盤側から）４番目の領域を第２腰椎Ｌ２、下から３番目の領域を第３腰椎Ｌ３、下から２番目の領域を第４腰椎Ｌ４と設定してもよい。

また、第１の取得部１２１は、脊椎領域に骨盤領域あるいは肋骨領域の少なくとも一方を融合したものを外枠領域として取得してもよい。さらに、第２の取得部１２２は、外枠領域を上記脊椎領域の代わりに用いて、上記と同様に椎間領域の抽出結果と組み合わせることで、骨密度解析領域を抽出してもよい。

また、画像処理装置１２０は、ＤＸＡ法で取得した異なる放射線エネルギーに関する２枚の画像と、これらの画像から生成されるエネサブ画像との、計３枚の画像を用いて、骨密度解析領域を抽出してもよい。たとえば、第１の取得部１２１は、学習済モデルを用いて脊椎領域と椎間領域を抽出する際（実施例１のステップＳ１１など）、３枚の画像に対して脊椎領域と椎間領域を抽出してもよい。この場合、第２の取得部１２２は、抽出結果が重複している領域のみを最終的な脊椎領域および椎間領域として用いてもよい。また、第２の取得部１２２は、３枚のうち２枚以上で脊椎領域および椎間領域として抽出された領域のみを、最終的な脊椎領域および椎間領域として用いてもよい。

このとき、Ｘ線撮影システム１００は、３枚の画像に対する学習済モデルを個別に備えていてもよい。この場合には、３枚の画像のそれぞれの種類に応じた画像（異なる放射線エネルギーに関する第１および第２の画像、並びにこれらから生成されるエネサブ画像）をそれぞれの教師データの入力データとして学習させることで、各学習済モデルが生成され得る。なお、教師データの出力データとしては、各種類の画像について脊椎領域や椎間領域にラベル付けした画像を用いればよい。また、１つの学習済モデルの各入力チャンネルが、これら３枚の画像に対応していてもよい。同様に、画像処理装置１２０は、これら３枚の画像のうち２枚の画像を用いて、脊椎領域および椎間領域を抽出してもよい。

上記のような補正処理を行うことで、セグメンテーション誤差の影響を低減することができる。

なお、上述した実施例１乃至４では、画像処理装置１２０は、学習済モデルを用いて入力画像である腰椎近傍の画像から脊椎領域と椎間領域を取得し、取得した脊椎領域と椎間領域とを用いて骨密度解析領域を取得した。しかしながら、本開示に係る画像処理は、他の部位にも適用することができる。

上述した、学習済モデルを用いたセグメンテーションで生じる領域の抜けや余分な領域の取得は、取得すべき領域において似た構造が連続して連なっていることに起因するものと考えられる。そのため、たとえば、頚椎や胸椎、その他の似た構造が連続して連なっている部位について領域抽出を行う場合には、同様の状況が生じる可能性がある。このような場合に対しても、本開示に係る画像処理を適用することで、領域の抜けや取得された余分な領域の補正を行うことができ、最終的に解析領域を高精度に取得することができる。

補正処理としては、上述した実施例１乃至４と同様に、取得した第１の領域と、第１の領域を含む、より広い第２の領域との関係や、第１の領域内の複数の領域同士の関係を用いて、第１の領域の補正を行えばよい。例えば、第１の領域同士の重心間の距離や第１の領域の重心と第２領域の端部との距離を用いて、学習済モデルを用いたセグメンテーション結果である、取得した第１の領域を補正すればよい。

また、上述した実施例１乃至４では、椎間領域の間にある腰椎領域を最終的に取得すべき領域（解析領域）とした。これに対し、最終的に取得すべき解析領域は、第１の取得部１２１による学習済モデルを用いたセグメンテーションで取得され、第２の取得部１２２で補正される領域であってもよい。

（実施例５）
以下、図１７乃至図１９を参照して、本開示の実施例５について説明する。実施例１乃至４では、医用画像を撮影するＸ線撮影システムについて本開示の技術を適用した。これに対し、本実施例では、インラインでの自動検査で用いられる放射線撮影システムについて本開示の技術を適用する。

インラインでの自動検査ではＸ線により撮影した複数の投影画像を再構成した断層画像を用いる技術が広く用いられている。例えば、インラインでの自動検査においては、拡大撮影のため、検査対象物（例えば、平板状の形状を有する基板）をＸ線源に近づけた状態で検査を行うことが望まれる。一方、基板の厚さ方向側にＸ線源を近づけた状態で、Ｘ線を照射した場合には、厚さに比べて長尺寸法を有する基板の幅方向へＸ線は透過しにくいため、所望の検査結果が得られない場合が生じ得る。これに関連して、検査対象物に対して斜め方向にＸ線を照射する技術（例えば、斜めＣＴ、ラミノＣＴ、又はプラナーＣＴと呼ばれる手法）が提案されている。検査対象物に対して斜め方向にＸ線を照射する技術ではＸ線源に検査対象物を近づけることができるため、撮影の拡大率の調整が容易になり、検査装置のサイズもコンパクトにすることが可能である。

ここで、このような検査対象物に対して斜め方向にＸ線を照射して撮影された複数の投影画像や該投影画像を再構成した断層画像を学習済モデルへの入力として用いて、はんだ等の物質の存在を解析、検出するための対象領域を取得することができる。しかしながら、このような場合であっても、はんだ等の似た構造が連続して連なっているため、機械学習モデルを用いてセグメンテーションを行った場合、取得すべき領域の抜け等が生じ、解析領域がずれて取得されてしまう恐れがある。

そこで、本実施例では、似た構造が連続して連なる解析領域を高精度に取得することを目的の一つとする。これに関連して、本実施例では、検査対象物に対して斜め方向に放射線を照射して撮影された複数の投影画像や該投影画像を再構成した断層画像に対して、学習済モデルを用いてセグメンテーションを行う。また、セグメンテーションにより、はんだ領域（第１の領域）と、はんだ領域を含む、より広いチップ領域（第２の領域）を取得し、はんだ領域とチップ領域との関係や、はんだ領域内の領域同士の関係を用いて、セグメンテーションにより取得したはんだ領域の補正を行う。

まず、図１７を参照して、本実施例に係る放射線撮影システムの構成について説明する。図１７は、本実施例に係る放射線撮影システムの全体な構成例を示す。放射線撮影システム１７００には、制御部１７１０と、放射線発生装置１７０１と、ステージ１７０６と、放射線撮影装置１７０４と、ロボットアーム１７０５と、撮影装置支持部１７０３とが設けられている。なお、放射線発生装置１７０１および放射線撮影装置１７０４の構成は、実施例１に係るＸ線管１０３およびＦＰＤ１０６の構成と同様であってよく、説明を省略する。

ここで、放射線撮影装置１７０４は、撮影装置支持部１７０３に支持されており、撮影装置支持部１７０３およびロボットアーム１７０５が移動することにより、放射線撮影装置１７０４も移動可能に構成されている。また、ステージ１７０６には、検査対象物（以下、「ワーク１７０２」ともいう）が配置される。ステージ１７０６は、制御部１７１０のステージ制御部１７１８の制御信号により、放射線撮影のために指定された位置に移動し、又は、放射線撮影のために指定された所定の位置に停止するように構成されている。

検査対象物には、例えば、種々の物品や人体が含まれることができる。種々の物品（例えば、基板）を検査対象にする場合には、基板に電子部品が装着された状態の良否判定や検査対象物の内部における解析処理等に適用可能である。人体を検査対象にする場合、断層撮影による画像診断に適用可能である。

制御部１７１０には、第１の取得部１７１１、生成部１７１２、第２の取得部１７１３、第３の取得部１７１４、表示制御部１７１５、記憶部１７１６、撮影装置制御部１７１７、ステージ制御部１７１８、および放射線制御部１７１９が設けられている。第１の取得部１７１１は、放射線撮影装置１７０４で撮影された画像や生成部１７１２で生成された画像を取得することができる。また、第１の取得部１７１１は、制御部１７１０にインターネット等のネットワークを介して接続される不図示の外部装置から各種画像を取得することもできる。

生成部１７１２は、取得部で取得された複数の放射線画像（投影画像）から三次元画像を再構成することができる。また、生成部１７１２は、生成した三次元画像から任意の断面の断層画像を再構成することができる。なお、生成部１７１２による処理の詳細については後述する。

第２の取得部１７１３は、生成部１７１２において再構成された断層画像について、実施例１に係る画像処理装置１２０の第１の取得部１２１と同様に、学習済モデルを用いて、入力画像からチップ領域とはんだ領域を抽出、取得する。第３の取得部１７１４は、第２の取得部１７１３によって取得されたチップ領域とはんだ領域を用いて、はんだの存在の有無を解析する対象領域である解析領域を取得する。第２の取得部１７１３および第３の取得部１７１４の処理の詳細については後述する。なお、以下において、はんだ領域やチップ領域、解析領域の取得処理には、これら領域を示す画像の取得やこれら領域の特定が含まれるものとする。

なお、本実施例では、第２の取得部１７１３および第３の取得部１７１４を制御部１７１０内の機能構成として実現している。しかしながら、実施例１と同様に、制御部１７１０とは別個の装置（画像処理装置）を設け、当該別個の装置内に第２の取得部１７１３および第３の取得部１７１４を構成してもよい。

なお、制御部１７１０は、取得した解析領域に関してはんだの存在の解析を行い、電子部品の装着の良否等を判定することができる。また、画像処理装置を別個に設ける場合には、画像処理装置が当該解析処理を行うこともできる。なお、はんだの存在の解析方法は、公知の任意の方法を用いてよい。

表示制御部１７１５は、表示部１７２０の表示を制御する。表示制御部１７１５は、例えば、生成部１７１２で生成された各種画像、第２の取得部１７１３で取得された各領域、第３の取得部１７１４で取得された解析領域の解析結果、および患者情報等を表示部１７２０に表示させることができる。記憶部１７１６は、実施例１に係る記憶部１０９と同様に機能することができる。

ここで、制御部１７１０は、プロセッサおよびメモリが設けられたコンピュータによって構成されることができる。なお、制御部１７１０は、一般的なコンピュータによって構成されてもよいし、放射線制御システム専用のコンピュータによって構成されてもよい。また、制御部１７１０は、例えば、パーソナルコンピュータであってもよく、デスクトップＰＣ、ノート型ＰＣ、又はタブレット型ＰＣ（携帯型の情報端末）等が用いられてもよい。さらに、制御部１７１０は、一部の構成要素が外部装置に配置されるようなクラウド型のコンピュータとして構成されてもよい。

また、制御部１７１０の記憶部１７１６以外の各構成要素は、ＣＰＵやＭＰＵ等のプロセッサによって実行されるソフトウェアモジュールにより構成されてよい。なお、プロセッサは、例えば、ＧＰＵやＦＰＧＡ等であってもよい。また、当該各構成要素は、ＡＳＩＣ等の特定の機能を果たす回路等によって構成されてもよい。記憶部１７１６は、例えば、ハードディスク等の光学ディスクやメモリ等の任意の記憶媒体によって構成されてよい。

また、制御部１７１０には、表示部１７２０および操作部１７５０が接続されている。なお、表示部１７２０および操作部１７５０は、実施例１に係る表示部１０７および操作部１０８と同様のものであってよく、説明を省略する。

放射線制御部１７１９は、実施例１に係るＸ線発生装置制御部１０２と同様に機能することができる。放射線制御部１７１９は、操作部１７５０を介した操作者の操作等に基づいて、例えば、放射線発生装置１７０１による放射線の照射角、放射線焦点位置、管電圧、および管電流等の撮影条件を制御することができる。

放射線発生装置１７０１は、放射線制御部１７１９の制御信号に基づいて、放射線焦点を通る軸を中心軸として放射線を出力する。なお、放射線発生装置１７０１は、例えば、ＸＹＺΦ方向に移動可能な放射線発生装置として構成されることができる。この場合、放射線発生装置１７０１は、例えば、モータ等の駆動部を備え、放射線制御部１７１９の制御信号に基づいて、回転軸（Ｚ軸）に交差する面内（ＸＹ平面内）の任意の位置に移動したり、任意の位置（例えば、回転軸（Ｚ軸）の位置）に停止したりすることができる。放射線発生装置１７０１は、回転軸に交差する面内を移動した状態、又は、回転軸の位置に停止した状態で、回転軸に対して傾斜した方向から放射線を照射する。

図１７において、回転軸とは、紙面の上下方向の軸（Ｚ軸）であり、角度θは回転軸（Ｚ軸）に対する傾斜角を示す。角度Φは、Ｚ軸回りの回転角度を示す。Ｘ方向は、例えば、紙面の左右方向に対応し、Ｙ方向は紙面に対して垂直な方向に対応する。また、Ｚ方向は、例えば、紙面の上下方向に対応するものとする。図１７における座標系の設定は、図１８Ａおよび図１８Ｂにおいても同様である。

放射線発生装置１７０１が回転軸に交差する面内を移動した状態とは、例えば、図１８Ａに示すように、放射線発生装置１７０１が回転軸（Ｚ軸）に交差する面内（ＸＹ平面内）を所定の軌道１８４０で移動した状態を示す。また、放射線発生装置１７０１が回転軸の位置に停止した状態とは、例えば、図１８Ｂに示すように、放射線発生装置１７０１が回転軸（Ｚ軸）の位置に停止した状態を示す。また、回転軸に対して傾斜した方向からの放射線照射とは、例えば、図１８Ａおよび図１８Ｂに示すように、回転軸（Ｚ軸）に対して角度θ傾斜した状態での放射線照射を示す。

図１８Ａに示す放射線撮影システムにおいて、放射線発生装置１７０１は、回転軸（Ｚ軸）に交差する面内（ＸＹ平面内）を移動可能に構成され、回転軸に対して傾斜した方向から放射線を照射する。ワーク１７０２を保持するステージ１７０６（保持部）は、回転軸（Ｚ軸）の位置に停止した状態で、ワーク１７０２を保持する。また、放射線撮影装置１７０４は、回転軸（Ｚ軸）に交差する面内（ＸＹ平面内）を移動可能に構成され、検査対象物を透過した放射線を検出する。図１８Ａにおいて、放射線発生装置１７０１は、放射線制御部１７１９の制御信号に基づいて、放射線発生装置１７０１の放射線焦点の位置１８２０から、放射線焦点を通る軸１８２０Ａを中心軸として放射線を出力する。同様に、放射線発生装置１７０１は、放射線制御部１７１９の制御信号に基づいて、放射線発生装置１７０１の放射線焦点の位置１８２１の位置から、放射線焦点を通る軸１８２１Ａを中心軸として放射線を出力する。ここで、軸１８２０Ａ（軸１８２１Ａ）と回転軸（Ｚ軸）とのなす角度が傾斜角（角度θ）となる。

一方で、図１８Ｂに示す放射線撮影システムでは、放射線発生装置１７０１は、回転軸（Ｚ軸）の位置に停止した状態で、回転軸に対して傾斜した方向から放射線を照射する。ワーク１７０２を保持するステージ１７０６は、回転軸に交差する面内（ＸＹ平面内）を移動可能に構成され、ワーク１７０２を保持する。また、放射線撮影装置１７０４は、回転軸（Ｚ軸）に交差する面内（ＸＹ平面内）を移動可能に構成され、検査対象物を透過した放射線を検出する。図１８Ｂにおいて、放射線発生装置１７０１は、放射線制御部１７１９の制御信号に基づいて、放射線発生装置１７０１の放射線焦点の位置１８２０（回転軸（Ｚ軸）の位置）から、放射線焦点を通る軸１８２０Ｂを中心軸として放射線を出力する。また、放射線発生装置１７０１は、放射線制御部１７１９の制御信号に基づいて放射線の照射角を変更し、放射線発生装置１７０１の放射線焦点の位置１８２０から、放射線焦点を通る軸１８２０Ｃを中心軸として放射線を出力する。ここで、軸１８２０Ｂ（軸１８２０Ｃ）と回転軸（Ｚ軸）とのなす角度が傾斜角（角度θ）となる。

ステージ制御部１７１８は、放射線撮影のために指定された位置までステージ１７０６を移動させたり、放射線撮影のために所定の位置に停止させたりするようにステージ１７０６の位置制御を行う。なお、ステージ制御部１７１８は、所定の撮影動作のためのプログラムや操作者の操作に基づいてステージ１７０６の位置制御を行うことができる。

ステージ１７０６には、検査対象物であるワーク１７０２が保持される。ステージ１７０６は、例えば、ＸＹＺΦ方向に移動可能なステージとして構成される。ステージ１７０６は、例えば、モータ等の駆動部を備え、ステージ制御部１７１８の制御信号に基づいて、回転軸（Ｚ軸）に交差する面内（ＸＹ平面内）の任意の位置に移動したり、任意の位置（例えば、回転軸（Ｚ軸）の位置）に停止したりすることができる。ステージ１７０６はワーク１７０２を保持し、回転軸（Ｚ軸）に交差する面内（ＸＹ平面内）を移動可能に構成された保持部として機能する。

ステージ１７０６は、例えば、回転軸（Ｚ軸）回りのΦ方向の軌道１８６０（図１８Ｂ）やＸＹ平面内における線形軌道に従って移動可能に構成されている。また、ステージ１７０６は、ステージ制御部１７１８の制御信号に基づいて、ＸＹ平面内における所定の位置に位置決めされ、停止可能である。また、他の場合において、ステージ１７０６は、ベルトコンベア等により一方向に移動することで検査のための位置にワーク１７０２を配置するように構成されることができる。

撮影装置制御部１７１７は、放射線撮影装置１７０４の位置および動作を制御する。また、撮影装置制御部１７１７は、ロボットアーム１７０５および撮影装置支持部１７０３の移動位置を制御する。ロボットアーム１７０５と撮影装置支持部１７０３は、撮影装置制御部１７１７からの制御信号に基づき所定の位置に移動することにより、放射線撮影装置１７０４を指定された位置に移動させることができる。例えば、ロボットアーム１７０５と撮影装置支持部１７０３とは、ＸＹ方向の自由度およびＺ軸回りの回転方向（Φ）の自由度（ＸＹΦ方向の自由度）で放射線撮影装置１７０４を移動させる動作機構として構成されることができる。

放射線撮影装置１７０４は、撮影装置支持部１７０３の所定の位置に保持されている。撮影装置制御部１７１７は、ロボットアーム１７０５および撮影装置支持部１７０３の移動位置に基づいて、撮影装置制御部１７１７の位置情報を取得する。撮影装置制御部１７１７は、ロボットアーム１７０５および撮影装置支持部１７０３の移動位置および回転角度に基づいて取得した放射線撮影装置１７０４の位置情報および回転角度情報を生成部１７１２に送信する。

放射線撮影装置１７０４は、放射線発生装置１７０１によって出力されてワーク１７０２を透過した放射線を検出して、ワーク１７０２の投影画像の画像情報を制御部１７１０に送る。ＸＹΦ方向の自由度を有するロボットアーム１７０５および撮影装置支持部１７０３の動作により、放射線撮影装置１７０４は、回転軸（Ｚ軸）に交差する面内を移動可能に構成され、検査対象物（ワーク１７０２）を透過した放射線を検出する。ここで、回転軸に交差する面内の移動とは、例えば、図１８Ａおよび図１８Ｂに示すように、放射線撮影装置１７０４が回転軸（Ｚ軸）に交差する面内（ＸＹ平面内）を所定の軌道１８５０で移動した状態を示す。

ここで、図１８Ａおよび図１８Ｂを用いて、本実施例に係る放射線撮影処理について説明する。本実施例に係る放射線撮影処理では、検査対象物であるワーク１７０２の三次元画像を生成するため、ワーク１７０２の撮影位置を変更しながら、ワーク１７０２に対して斜めに放射線を照射して複数の投影画像を撮影する。

図１８Ａおよび図１８Ｂは、本実施例に係る放射線撮影処理の例を説明するための図である。図１８Ａは、放射線発生装置１７０１が回転軸（Ｚ軸）に交差する面内（ＸＹ平面内）を所定の軌道１８４０で移動した状態での放射線撮影処理の例を示す。一方で、図１８Ｂは、放射線発生装置１７０１が回転軸（Ｚ軸）の位置に停止した状態での放射線撮影処理の例を示す。なお、本実施例に係る放射線撮影処理は、図１８Ａおよび図１８Ｂの構成に限られない。本実施例に係る放射線撮影処理は、放射線発生装置１７０１、検査対象物を保持するステージ１７０６、および放射線撮影装置１７０４のうち少なくとも２つが、回転軸に交差する面内を移動可能（例えば連動して回転可能）に構成されていればよい。なお、上記少なくとも２つは、放射線発生装置１７０１から照射された放射線が検査対象物を回転軸に対して傾斜した方向に透過して放射線撮影装置１７０４により検出可能な位置関係を満たすように、回転軸に交差する面内を移動可能に構成されていればよい。例えば、上記位置関係を満たすように、放射線発生装置１７０１と、ステージ１７０６と、放射線撮影装置１７０４とが、回転軸に交差する面内を移動可能に構成されていてもよい。また、例えば、上記位置関係を満たすように、放射線撮影装置１７０４が回転軸の位置に停止した状態で、放射線発生装置１７０１とステージ１７０６とが回転軸に交差する面内を移動可能に構成されてもよい。

次に、本実施例に係る制御部１７１０での画像生成処理等について説明する。第１の取得部１７１１は、放射線撮影装置１７０４から送られた放射線画像（投影画像）を取得し、生成部１７１２に送る。なお、第１の取得部１７１１は、後述する生成された三次元画像や断層画像を取得することもできる。また、第１の取得部１７１１は制御部１７１０に接続された外部装置からこれらの画像情報や各種画像を取得してもよい。

本実施例に係る放射線撮影動作は、投影画像から三次元画像を再構成するために、上述のように、ワーク１７０２に対して斜めに放射線を照射して、ワーク１７０２の各撮影位置についてそれぞれ行われる。生成部１７１２は、このように撮影された複数の投影画像から三次元画像を再構成することができる。より具体的には、生成部１７１２は、撮影装置制御部１７１７から受け取った放射線撮影装置１７０４の位置情報および回転角度情報と、放射線撮影装置１７０４により撮影されたワーク１７０２の投影画像とを用いて再構成処理を行い、三次元画像を生成する。なお、生成部１７１２は、上述したｋＶスイッチング方式により２種類の管電圧でＸ線撮影された画像等の異なるエネルギーの放射線に基づいた投影画像を用いて、異なるエネルギーの三次元画像を再構成することもできる。

また、生成部１７１２は、生成した三次元画像から任意の断面の断層画像を再構成することができる。なお、三次元画像および断層画像を再構成する方法としては、公知の任意の方法を用いてよい。ここで、三次元画像から断層画像を切り出す断面については、予め定められた初期設定に基づいて設定されてもよいし、操作者の指示に応じて設定されてもよい。また、当該断面については、制御部１７１０によって、投影画像や不図示の各種センサからの情報等に基づいて検出された検査対象物の状態の検出結果に基づいて自動的に設定されてもよいし、操作者の操作等に基づく検査目的の選択に応じて自動的に設定されてもよい。なお、本実施例では、生成部１７１２は、例えば、ＸＹ断面、ＹＺ断面、およびＸＺ断面の三つの断面について断層画像を再構成する。

第２の取得部１７１３は、再構成された断層画像を学習済モデルの入力データとして用いて、断層画像のセグメンテーションを行う。第２の取得部１７１３は、セグメンテーション結果として、当該断層画像内のはんだが適用されたはんだ領域、およびはんだ領域を含み、ＩＣチップ等のチップが適用された領域であるチップ領域を抽出、取得することができる。

ここで、本実施例に係る学習済モデルの学習データとしては、再構成された断層画像を入力データとし、再構成された断層画像についてチップ領域やはんだ領域をラベル付けした画像を出力データとすればよい。なお、チップ領域を抽出する学習済モデルと、はんだ領域を抽出する学習済モデルを別々に設けてもよい。この場合には、ラベル付けした画像をそれぞれ分けて学習させればよい。具体的には、断層画像と、その断層画像内のチップ領域をラベル付けした画像との組み合わせ、および断層画像と、その断層画像内のはんだ領域をラベル付けした画像との組み合わせをそれぞれ教師データとして学習させることで、各学習済モデルが生成され得る。

第３の取得部１７１４は、第２の取得部１７１３によって取得されたはんだ領域を、はんだ領域とチップ領域の関係やはんだ領域内の領域同士の関係を用いて補正する。なお、第３の取得部１７１４による補正処理は実施例１に係る補正処理と同様に行われてよい。ここで、図１９（ａ）乃至図１９（ｃ）を参照して、本実施例に係る補正処理についてより具体的に説明する。

図１９（ａ）は、チップ領域１９０１、１９０２、１９０３を含む基板の断層画像１９００の一例を示す。なお、本例では基板にチップ領域が３つ含まれる例について述べるが、チップ領域の数はこれに限られず、所望の構成に応じて１つ以上の領域が設けられてよい。また、本例では、それぞれ別個のパターン（はんだパターン１９１０、１９２０、１９３０）で、チップ領域１９０１、１９０２、１９０３内にはんだ領域が設けられている。しかしながら、各チップ領域１９０１、１９０２、１９０３に関するはんだパターンは同一であってもよいし、別々であってもよい。なお、はんだパターンは、はんだ領域同士の関係だけでなく、チップ領域とはんだ領域との関係を規定することができる。なお、チップ領域およびはんだ領域の形状や数、位置は、所望の構成に応じて任意に設定されてよい。

第２の取得部１７１３は、断層画像１９００を学習済モデルの入力データとして用いることで、学習済モデルからチップ領域の抽出結果およびはんだ領域の抽出結果を取得する。図１９（ｂ）は、断層画像１９００を学習済モデルの入力データとして用いたセグメンテーションにより取得した各チップ領域１９０１、１９０２、１９０３の一例を示す。また、図１９（ｃ）は、断層画像１９００を学習済モデルの入力データとして用いたセグメンテーションにより取得したはんだ領域に関し、チップ領域１９０１におけるはんだ領域１９１１～１９１９の一例を示す。

図１９（ｃ）の例では、はんだ領域１９１１～１９１５、１９１８、１９１９が抽出されているが、はんだ領域１９１６、１９１７が抽出されていない。この場合、第３の取得部１７１４は、はんだ領域１９１１～１９１９に関する所定のはんだパターン１９１０に規定されるチップ領域１９０１とはんだ領域との関係およびはんだ領域内の領域同士の関係に基づいて、はんだ領域１９１６、１９１７を補正する。

例えば、第３の取得部１７１４は、はんだ領域１９１３に関して、はんだ領域１９１３から下の領域における、次のはんだ領域との距離が閾値より大きい場合に、はんだ領域１９１３と当該次はんだ領域との間に追加のはんだ領域を設定する。図１９（ｃ）の例では、第３の取得部１７１４は、はんだ領域１９１３とはんだ領域１９１３の下の領域における次のはんだ領域１９１９の距離が閾値より大きいときに、これらのはんだ領域の中間位置にはんだ領域１９１６を設定する。なお、設定されるはんだ領域の大きさは、所望の構成に応じて設定されてよく、例えば、他のはんだ領域の大きさと同様にしてもよいし、はんだパターン１９１０に規定されるはんだ領域１９１６の大きさとしてもよい。

また、第３の取得部１７１４は、はんだ領域１９１４に関して、チップ領域１９０１の下端から、当該下端から上の領域におけるはんだ領域との距離が閾値より大きい場合に、チップ領域１９０１の下端と当該はんだ領域との間に追加のはんだ領域を設定する。図１９（ｃ）の例では、第３の取得部１７１４は、チップ領域１９０１の下端から、当該下端から上の領域におけるはんだ領域１９１４との距離が閾値より大きいときに、これらの中間位置にはんだ領域１９１７を設定する。なお、設定されるはんだ領域の大きさは、上記と同様に設定されてよい。

なお、上記の例では、第３の取得部１７１４は、画像の上下方向における距離に基づいて、はんだ領域の補正を行ったが、画像の左右方向における距離や斜め方向における距離に基づいて、はんだ領域の補正を行ってもよい。また、補正処理の基準となる閾値は、実施例１と同様に、取得されたはんだ領域間の平均距離等に基づいて動的に設定されてもよいし、はんだパターン１９１０に基づいて予め設定されてもよい。なお、はんだ領域の位置は、はんだ領域の重心に基づいて判断されてよい。

また、はんだパターンは任意に設定されてよいため、例えば、はんだパターン１９２０、１９３０に示すように、はんだ領域同士が同じ距離間隔で配置されていない場合もある。このため、第３の取得部１７１４は、はんだ領域の補正を行う際に、所定のはんだパターンに基づいて、はんだ領域の補正の要否を判断することができる。例えば、第３の取得部１７１４は、はんだパターン１９２０については左下の領域を、はんだパターン１９３０については中央の領域をはんだ領域の補正を行わない箇所として判断することができる。

なお、上記の例では、はんだ領域について抜けが生じている例について述べたが、第３の取得部１７１４は、実施例１と同様に、余分なはんだ領域が取得されている場合には、当該はんだ領域を除外してよい。この場合も、第３の取得部１７１４は、はんだ領域同士の関係やはんだ領域とチップ領域との関係を用いて、余分なはんだ領域を特定し、除外することができる。当該余分なはんだ領域の特定方法は、実施例１と同様であってよく、例えば、取得されたはんだ領域間の距離が閾値より小さい場合、対応するはんだ領域のうち一方を外れ値（あるいは推論誤差）とみなして、はんだ領域から除外してよい。

表示制御部１７１５は、制御部１７１０によって、解析領域について行われた解析結果である、はんだ領域におけるはんだの有無やこれに基づく電子部品の装着の良否等を表示部１７２０に表示させることができる。なお、解析結果は断層画像に重畳して表示されてもよく、操作者の指示等に応じて、断層画像と解析結果が重畳された断層画像とが切り替えて表示されてもよい。また、表示制御部１７１５は、複数の断面についての断層画像について解析結果が取得されている場合、各断層画像についての解析結果を表示部１７２０に並べて表示させたり、切り替えて表示させたりすることができる。これらの場合、表示制御部１７１５は、操作部１７５０を介した操作者の指示に応じて、複数の断層画像と解析結果や解析結果が重畳された複数の断層画像との表示の切り替えを一括して行ってもよい。

また、表示制御部１７１５は、断層画像について取得された解析領域を表示部１７２０に表示させることができる。また、表示制御部１７１５は、断層画像に解析領域を重畳して表示部１７２０に表示させることもできる。なお、表示制御部１７１５は、複数の断面についての断層画像について解析領域が取得されている場合、これらの解析領域を対応する断層画像に重畳した画像等を表示部１７２０に並べて表示させたり、切り替えて表示させたりすることができる。また、表示制御部１７１５は、解析領域が重畳された画像と、元の断層画像とを切り替えて表示させてもよい。この場合、表示制御部１７１５は、操作部１７５０を介した操作者の指示に応じて複数の断層画像と解析領域が重畳された複数の断層画像の表示の切り替えを一括して行ってもよい。

なお、本実施例では、第２の取得部１７１３により、はんだ領域とチップ領域をセグメンテーションにより取得し、第３の取得部１７１４により、解析領域であるはんだ領域を補正した。しかしながら、セグメンテーションにより取得する領域はこれらに限られず、上述したように、似た構造が連続して連なっている対象物に関する領域であればよい。そのため、実施例１乃至４と同様に、腰椎や頚椎、胸椎等の領域を解析領域とし、これらの領域や脊椎領域をセグメンテーションにより取得し、上述したような補正処理を適用してもよい。このような場合に対しても、本開示に係る画像処理を適用することで、取得すべき領域の抜けや取得された余分な領域の補正を行うことができ、最終的に取得すべき解析領域を高精度に取得することができる。

なお、本実施例に係る一連の処理に関しては、実施例１に係る一連の処理と同様であるため省略する。ただし、本実施例では放射線撮影が上記のようにワーク１７０２の撮影位置を変更しながら、ワーク１７０２に対して斜めに放射線を照射して複数の投影画像を撮影することに留意されたい。

上記のように本実施例に係る制御部１７１０は、第１の取得部１７１１、第２の取得部１７１３、および第３の取得部１７１４を備える画像処理装置の一例として機能する。第１の取得部１７１１は、検査対象物に対して傾斜した方向に放射線を照射して得た画像を取得する第１の取得手段の一例として機能する。また、第２の取得部１７１３は、第１の取得部１７１１が取得した画像を学習済モデルの入力データとして用いて、第１の領域と、第１の領域を含み、第１の領域より広い第２の領域とを取得する第２の取得手段の一例として機能する。ここで、はんだ領域１９１１～１９１５、１９１８～１９１９は、取得された第１の領域の例であり、チップ領域１９０１は第２の領域の一例である。第３の取得部１７１４は、取得した第１の領域と取得した第２の領域との関係および取得した第１の領域内の複数の領域間の関係の少なくとも一方を用いて、取得した第１の領域を補正し、補正した第１の領域を用いて、画像解析処理を行う解析領域を取得する第３の取得手段の一例として機能する。なお、解析領域は、補正された第１の領域とすることができる。

より具体的には、第３の取得部１７１４は、第１の領域に関する所定のパターンと、取得した第１の領域と取得した第２の領域との関係および取得した第１の領域内の複数の領域間の関係の少なくとも一方とを用いて、取得した第１の領域を補正する。ここで、はんだパターン１９１０は所定のパターンの一例である。また、第３の取得部１７１４は、第１の領域に関する所定のパターンを用いて、取得した第１の領域の補正の要否を判断することができる。

本実施例に係る画像処理装置によれば、はんだ領域や腰椎領域等の似た構造が連続して連なる解析領域を高精度に取得することができる。また、検査対象物に対して斜め方向に放射線を照射するため、放射線源に検査対象物を近づけることができ、撮影の拡大率の調整が容易になり、検査装置のサイズもコンパクトにすることができる。

また、本実施例に係る制御部１７１０は、第３の取得部１７１４によって取得された解析領域を表示部１７２０（表示手段）に表示させる表示制御手段の一例として機能する表示制御部１７１５を更に備える。さらに、第２の取得部１７１３は、学習済モデルを用いて、検査対象物の少なくとも２つの断面に対応する複数の断層画像に基づいて複数の第１の領域および複数の第２の領域を取得することができる。また、第３の取得部１７１４は、取得した複数の第１の領域を補正し、該補正した複数の第１の画像を用いて、複数の解析領域を取得することができる。この場合、表示制御部１７１５は、取得された複数の解析領域又は対応する解析領域が重畳された複数の断層画像を並べて表示部１７２０に表示させることができる。この場合、複数の断面に関する解析領域を確認することができ、検査対象物に関する検査をより効率的に行うことができる。

さらに、表示制御部１７１５は、操作者の指示に応じて、少なくとも２つの断面に対応する複数の断層画像と、複数の断層画像に対応する複数の解析領域又は対応する解析領域が重畳された複数の断層画像とを一括して切り替えて表示部１７２０に表示させることができる。この場合、取得された解析領域と再構成された断層画像とを容易に見比べることができる。そのため、検査対象物に関する検査をより効率的に行うことができる。

なお、複数の断層画像に関する断面は、初期設定、操作者の指示、検査対象の状態の検出結果、および検査目的の選択の少なくとも一つに応じて設定されることができる。このため、所望の設定に応じた断面の断層画像が生成され、当該断層画像に対応する解析領域が高精度に取得されることができる。これにより、検査対象物に関する検査をより効率的に行うことができる。

なお、本実施例では、第２の取得部１７１３が、学習済モデルを用いて、断層画像に基づいて第１の領域および第２の領域を取得した。これに対して、第２の取得部１７１３は、投影画像、三次元画像、又はエネサブ画像に基づいて、第１の領域および第２の領域を取得してもよい。この場合には、学習済モデルの学習データの入力データとして、投影画像、三次元画像、又はエネサブ画像を用いればよい。また、学習データの出力データとしては、投影画像、三次元画像、又はエネサブ画像について第１の領域および第２の領域のラベル付けをした画像を用いればよい。なお、学習データの入力データとして三次元画像を用いる場合には、学習データの出力データとして、所定の断面の断層画像に第１の領域および第２の領域をラベル付けした画像を用いてもよい。

（変形例）
上記第実施例１乃至５および変形例に係る学習済モデルの学習データは、実際の撮影を行う放射線撮影装置自体を用いて得たデータに限られない。当該画像データは、所望の構成に応じて、同型の放射線撮影装置を用いて得たデータや、同種の放射線撮影装置を用いて得たデータ等であってもよい。

また、学習済モデルへの入力として、複数の画像を用いる場合には、複数の入力画像を学習済モデルの複数の入力チャンネルにそれぞれ入力することができる。これに対し、複数の入力画像を結合して１つの画像とし、学習済モデルの１つのチャンネルに入力してもよい。この場合には、学習済モデルの学習データについても、同様に、入力画像を結合した１つの画像を入力データとして用いればよい。

また、上記実施例１乃至５および変形例では、制御部１０１、１７１０は、不図示のボタンの操作等の操作者の指示に応じて、解析領域等のセグメンテーション結果を表示画像に重畳して表示部１０７、１７２０に表示させてもよい。なお、表示画像および対応するセグメンテーション結果が複数ある場合には、操作者の指示に応じて、一括してセグメンテーション結果を各表示画像に重畳して表示部１０７、１７２０に表示させてもよい。また、制御部１０１、１７１０は、骨密度解析領域および背景領域、又ははんだ領域およびチップ領域等の取得結果をそれぞれ異なる色を用いて色分けして表示してもよい。この場合も、操作者の指示に応じて、複数の画像について一括して色分けして表示されてもよい。

なお、上述した上実施例１乃至５および変形例に係る学習済モデルでは、入力データの画像の輝度値の大小、明部と暗部の順番や傾き、位置、分布、連続性等を特徴量の一部として抽出して、推論処理に用いているものと考えらえる。

また、上述した実施例１乃至５および変形例に係る各種学習済モデルは制御部１０１，１７１０に設けられることができる。学習済モデルは、例えば、ＣＰＵや、ＭＰＵ、ＧＰＵ、ＦＰＧＡ等のプロセッサによって実行されるソフトウェアモジュール等で構成されてもよいし、ＡＳＩＣ等の特定の機能を果たす回路等によって構成されてもよい。また、学習済モデルは、制御部１０１，１７１０と接続される別のサーバの装置等に設けられてもよい。この場合には、制御部１０１，１７１０は、インターネット等の任意のネットワークを介して学習済モデルを備えるサーバ等に接続することで、学習済モデルを用いることができる。ここで、学習済モデルを備えるサーバは、例えば、クラウドサーバや、フォグサーバ、エッジサーバ等であってよい。なお、施設内や、施設が含まれる敷地内、複数の施設が含まれる地域内等のネットワークを無線通信可能に構成する場合には、例えば、施設や、敷地、地域等に限定で割り当てられた専用の波長帯域の電波を用いるように構成することで、ネットワークの信頼性を向上させてもよい。また、高速や、大容量、低遅延、多数同時接続が可能な無線通信によりネットワークが構成されてもよい。

また、本発明は、以下の処理を実行することによっても実現される。即ち、上述した様々な実施例および変形例の１以上の機能を実現するソフトウェア（プログラム）を、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給し、そのシステム或いは装置のコンピュータ（又はＣＰＵやＭＰＵ等）がプログラムを読み出して実行する処理である。

また、本発明は、上述した様々な実施例および変形例の１以上の機能を実現するソフトウェア（プログラム）を、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータがプログラムを読出し実行する処理でも実現可能である。また、１以上の機能を実現する回路（たとえば、ＡＳＩＣ）によっても実現可能である。コンピュータは、１つ又は複数のプロセッサ若しくは回路を有し、コンピュータ実行可能命令を読み出し実行するために、分離した複数のコンピュータ又は分離した複数のプロセッサ若しくは回路のネットワークを含みうる。

このとき、プロセッサ又は回路は、中央演算処理装置（ＣＰＵ）、マイクロプロセッシングユニット（ＭＰＵ）、グラフィクスプロセッシングユニット（ＧＰＵ）、特定用途向け集積回路（ＡＳＩＣ）、又はフィールドプログラマブルゲートウェイ（ＦＰＧＡ）を含みうる。また、プロセッサ又は回路は、デジタルシグナルプロセッサ（ＤＳＰ）、データフロープロセッサ（ＤＦＰ）、又はニューラルプロセッシングユニット（ＮＰＵ）を含みうる。

上記開示は、以下の構成および方法を含む。
（構成１）
入力画像内の脊椎領域と椎間領域とをそれぞれ取得する第１の取得手段と、
前記取得した脊椎領域と前記取得された椎間領域とを用いて腰椎の骨密度測定の対象領域である骨密度解析領域を取得する第２の取得手段と、
を有する画像処理装置。
（構成２）
前記第１の取得手段は、学習済モデルを用いて前記入力画像内の前記脊椎領域と前記椎間領域とをそれぞれ取得する構成１に記載の画像処理装置。
（構成３）
前記入力画像は、エネルギーサブトラクション画像である構成１又は２に記載の画像処理装置。
（構成４）
前記入力画像は、２種類の管電圧のＸ線を用いて取得された画像である構成１乃至３のいずれか１つに記載の画像処理装置。
（構成５）
前記入力画像は、Ｘ線吸収率の異なる２種類の素材を有するセンサを用いて取得された画像である構成１乃至３のいずれか１つに記載の画像処理装置。
（構成６）
前記入力画像は、単純Ｘ線画像である構成１又は２に記載の画像処理装置。
（構成７）
前記第１の取得手段は、前記脊椎領域を取得するための学習済モデルと、前記椎間領域を取得するための学習済モデルとを個別に備える構成２に記載の画像処理装置。
（構成８）
前記第１の取得手段は、前記脊椎領域と前記椎間領域とをそれぞれ取得する１つの学習済モデルを備える構成２に記載の画像処理装置。
（構成９）
前記第１の取得手段は、前記入力画像内の前記脊椎領域を取得し、取得結果に基づいて生成された脊椎画像から前記椎間領域を取得する構成１に記載の画像処理装置。
（構成１０）
前記第２の取得手段は、前記取得された椎間領域を通る直線に挟まれた参照領域内で、前記取得された脊椎領域の内側の領域を椎体として取得し、
前記取得された椎体を骨盤側から数えることで前記腰椎の骨密度解析領域を取得する構成１乃至９のいずれか１つに記載の画像処理装置。
（構成１１）
前記第２の取得手段は、前記取得された椎間領域の中で、前記取得された脊椎領域の外側の領域を除外する処理を行う構成１乃至１０のいずれか１つに記載の画像処理装置。
（構成１２）
前記第２の取得手段は、前記取得された脊椎領域および椎間領域の少なくとも一方の形状に基づいて、前記入力画像の回転補正を行う構成１乃至１１のいずれか１つに記載の画像処理装置。
（構成１３）
前記第２の取得手段は、前記取得された脊椎領域および椎間領域の少なくとも一方の形状に基づいて、前記参照領域を構成する直線を斜めに引く構成１０に記載の画像処理装置。
（構成１４）
前記第２の取得手段は、前記入力画像の輝度値の分散に基づいて背景領域を設定する構成１乃至１３のいずれか１つに記載の画像処理装置。
（構成１５）
前記第２の取得手段は、前記取得された椎間領域の数が所定の数よりも少なかった場合、前記取得された脊椎領域を前記所定の数に区分することで、前記骨密度解析領域を取得する構成１乃至１４のいずれか１つに記載の画像処理装置。
（構成１６）
前記第２の取得手段は、前記取得された脊椎領域の上端あるいは下端と１つ内側の椎間領域との距離に基づいて、補正処理を行う構成１乃至１５のいずれか１つに記載の画像処理装置。
（構成１７）
前記第１の取得手段は、前記入力画像内の前記脊椎領域、前記椎間領域、および骨盤領域を取得し、前記第２の取得手段は、前記脊椎領域、前記椎間領域、および前記骨盤領域の取得結果に基づいて前記腰椎の骨密度解析領域を取得する構成１乃至１６のいずれか１つに記載の画像処理装置。
（構成１８）
前記第１の取得手段は、前記入力画像内の前記脊椎領域、前記椎間領域、および肋骨領域を取得し、前記第２の取得手段は、前記脊椎領域、前記椎間領域、および前記肋骨領域の取得結果に基づいて前記腰椎の骨密度解析領域を取得する構成１乃至１７のいずれか１つに記載の画像処理装置。
（構成１９）
前記第２の取得手段は、前記取得された脊椎領域の上端から肋骨領域の下端までの距離、あるいは前記脊椎領域の下端から骨盤領域の上端までの距離の少なくとも１つに基づいて、前記脊椎領域を延長あるいは短縮する補正処理を行う構成１乃至１８のいずれか１つに記載の画像処理装置。
（構成２０）
前記第１の取得手段は、前記入力画像内の前記脊椎領域と、骨盤領域あるいは肋骨領域の少なくとも一方とを融合した外枠領域を取得する構成１乃至１９のいずれか１つに記載の画像処理装置。
（構成２１）
前記第１の取得手段は、ＤＸＡ法を用いて取得された２枚の画像と、該２枚の画像から生成されるエネルギーサブトラクション画像との、３枚の画像のうち、少なくとも２枚の画像に対して前記脊椎領域と前記椎間領域とをそれぞれ取得し、
前記第２の取得手段は、前記少なくとも２枚の画像に対する前記脊椎領域と前記椎間領域との取得結果に基づいて前記骨密度解析領域を取得する構成１又は２に記載の画像処理装置。
（構成２２）
前記第２の取得手段による取得結果あるいは取得過程を操作者へ表示する表示手段を備える構成１乃至２１のいずれか１つに記載の画像処理装置。
（構成２３）
操作者が第２の取得手段による取得結果あるいは取得過程を見ながら操作するための操作手段を備える構成１乃至２２のいずれか１つに記載の画像処理装置。
（構成２４）
検査対象物に対して傾斜した方向に放射線を照射して得た画像を取得する第１の取得手段と、
前記取得した画像を学習済モデルの入力データとして用いて、第１の領域と、該第１の領域を含み、該第１の領域より広い第２の領域とを取得する第２の取得手段と、
前記取得した第１の領域と前記取得した第２の領域との関係および前記取得した第１の領域内の複数の領域間の関係の少なくとも一方を用いて、前記取得した第１の領域を補正し、該補正した第１の領域を用いて、画像解析処理を行う解析領域を取得する第３の取得手段と、
を有する画像処理装置。
（構成２５）
前記第３の取得手段は、前記第１の領域に関する所定のパターンと、前記取得した第１の領域と前記取得した第２の領域との関係および前記取得した第１の領域内の複数の領域間の関係の少なくとも一方とを用いて、前記取得した第１の領域を補正する構成２４に記載の画像処理装置。
（構成２６）
前記第３の取得手段は、前記所定のパターンを用いて、前記取得した第１の領域の補正の要否を判断する構成２５に記載の画像処理装置。
（構成２７）
前記解析領域は、前記補正された第１の領域である構成２４乃至２６のいずれか１つに記載の画像処理装置。
（構成２８）
前記取得された解析領域を表示手段に表示させる表示制御手段を更に備え、
前記第２の取得手段は、前記学習済モデルを用いて、前記検査対象物の少なくとも２つの断面に対応する複数の断層画像に基づいて複数の前記第１の領域および複数の前記第２の領域を取得し、
前記第３の取得手段は、前記取得した複数の第１の領域を補正し、該補正した複数の第１の領域を用いて、複数の前記解析領域を取得し、
前記表示制御手段は、前記取得された複数の解析領域又は対応する解析領域が重畳された前記複数の断層画像を並べて前記表示手段に表示させる構成２４乃至２７のいずれか１つに記載の画像処理装置。
（構成２９）
前記表示制御手段は、操作者の指示に応じて、前記複数の断層画像と、前記複数の解析領域又は前記対応する解析領域が重畳された前記複数の断層画像とを一括して切り替えて前記表示手段に表示させる構成２８に記載の画像処理装置。
（構成３０）
前記複数の断層画像に関する断面は、初期設定、操作者の指示、検査対象の状態の検出結果、および検査目的の選択の少なくとも一つに応じて設定される構成２８乃至２９のいずれか１つに記載の画像処理装置。
（方法１）
入力画像内の脊椎領域と椎間領域とをそれぞれ取得する第１の取得工程と、
前記取得した脊椎領域と前記取得した椎間領域とを用いて腰椎の骨密度測定の対象領域である骨密度解析領域を取得する第２の取得工程と、
を含む画像処理装置の作動方法。
（方法２）
検査対象物に対して傾斜した方向に放射線を照射して得た画像を取得する第１の取得工程と、
前記取得した画像を学習済モデルの入力データとして用いて、第１の領域と、該第１の領域を含み、該第１の領域より広い第２の領域とを取得する第２の取得工程と、
前記取得した第１の領域と前記取得した第２の領域との関係および前記取得した第１の領域内の複数の領域間の関係の少なくとも一方を用いて、前記取得した第１の領域を補正し、該補正した第１の領域を用いて、画像解析処理を行う解析領域を取得する第３の取得工程と、
を含む画像処理装置の作動方法。
（プログラム１）
コンピュータによって実行されると、該コンピュータに方法１又は２に記載の画像処理装置の作動方法の各工程を実行させるプログラム。

以上、実施例および変形例を参照して本発明について説明したが、本発明は上記実施例および変形例に限定されるものではない。本発明の趣旨に反しない範囲で変更された発明、および本発明と均等な発明も本発明に含まれる。また、上述の各実施例および変形例は、本発明の趣旨に反しない範囲で適宜組み合わせることができる。

１２０：画像処理装置、１２１：第１の取得部、１２２：第２の取得部

Claims (33)

1. 入力画像内の脊椎領域と椎間領域とをそれぞれ取得する第１の取得手段と、
   前記取得した脊椎領域と前記取得した椎間領域とを用いて腰椎の骨密度測定の対象領域である骨密度解析領域を取得する第２の取得手段と、
   を有する画像処理装置。
2. 前記第１の取得手段は、学習済モデルを用いて前記入力画像内の前記脊椎領域と前記椎間領域とをそれぞれ取得する請求項１に記載の画像処理装置。
3. 前記入力画像は、エネルギーサブトラクション画像である請求項１又は２に記載の画像処理装置。
4. 前記入力画像は、２種類の管電圧のＸ線を用いて取得された画像である請求項１又は２に記載の画像処理装置。
5. 前記入力画像は、Ｘ線吸収率の異なる２種類の素材を有するセンサを用いて取得された画像である請求項１又は２に記載の画像処理装置。
6. 前記入力画像は、単純Ｘ線画像である請求項１又は２に記載の画像処理装置。
7. 前記第１の取得手段は、前記脊椎領域を取得するための学習済モデルと、前記椎間領域を取得するための学習済モデルとを個別に備える請求項２に記載の画像処理装置。
8. 前記第１の取得手段は、前記脊椎領域と前記椎間領域とをそれぞれ取得する１つの学習済モデルを備える請求項２に記載の画像処理装置。
9. 前記第１の取得手段は、前記入力画像内の前記脊椎領域を取得し、取得結果に基づいて生成された脊椎画像から前記椎間領域を取得する請求項１又は２に記載の画像処理装置。
10. 前記第２の取得手段は、前記取得された椎間領域を通る直線に挟まれた参照領域内で、前記取得された脊椎領域の内側の領域を椎体として取得し、
    前記取得された椎体を骨盤側から数えることで前記腰椎の骨密度解析領域を取得する請求項１又は２に記載の画像処理装置。
11. 前記第２の取得手段は、前記取得された椎間領域の中で、前記取得された脊椎領域の外側の領域を除外する処理を行う請求項１又は２に記載の画像処理装置。
12. 前記第２の取得手段は、前記取得された脊椎領域および椎間領域の少なくとも一方の形状に基づいて、前記入力画像の回転補正を行う請求項１又は２に記載の画像処理装置。
13. 前記第２の取得手段は、前記取得された脊椎領域および椎間領域の少なくとも一方の形状に基づいて、前記参照領域を構成する直線を斜めに引く請求項１０に記載の画像処理装置。
14. 前記第２の取得手段は、前記入力画像の輝度値の分散に基づいて背景領域を設定する請求項１又は２に記載の画像処理装置。
15. 前記第２の取得手段は、前記取得された椎間領域の数が所定の数よりも少なかった場合、前記取得された脊椎領域を前記所定の数に区分することで、前記骨密度解析領域を取得する請求項１又は２に記載の画像処理装置。
16. 前記第２の取得手段は、前記取得された脊椎領域の上端あるいは下端と該上端あるいは下端から１つ内側の椎間領域との距離に基づいて、補正処理を行う請求項１又は２に記載の画像処理装置。
17. 前記第１の取得手段は、前記入力画像内の前記脊椎領域、前記椎間領域、および骨盤領域を取得し、前記第２の取得手段は、前記脊椎領域、前記椎間領域、および前記骨盤領域の取得結果に基づいて前記腰椎の骨密度解析領域を取得する請求項１又は２に記載の画像処理装置。
18. 前記第１の取得手段は、前記入力画像内の前記脊椎領域、前記椎間領域、および肋骨領域を取得し、前記第２の取得手段は、前記脊椎領域、前記椎間領域、および前記肋骨領域の取得結果に基づいて前記腰椎の骨密度解析領域を取得する請求項１又は２に記載の画像処理装置。
19. 前記第２の取得手段は、前記取得された脊椎領域の上端から肋骨領域の下端までの距離、あるいは前記脊椎領域の下端から骨盤領域の上端までの距離の少なくとも１つに基づいて、前記脊椎領域を延長あるいは短縮する補正処理を行う請求項１又は２に記載の画像処理装置。
20. 前記第１の取得手段は、前記入力画像内の前記脊椎領域と、骨盤領域あるいは肋骨領域の少なくとも一方とを融合した外枠領域を取得する請求項１又は２に記載の画像処理装置。
21. 前記第１の取得手段は、ＤＸＡ法を用いて取得された２枚の画像と、該２枚の画像から生成されるエネルギーサブトラクション画像との、３枚の画像のうち、少なくとも２枚の画像に対して前記脊椎領域と前記椎間領域とをそれぞれ取得し、
    前記第２の取得手段は、前記少なくとも２枚の画像に対する前記脊椎領域と前記椎間領域の取得結果に基づいて前記骨密度解析領域を取得する請求項１又は２に記載の画像処理装置。
22. 前記第２の取得手段による取得結果あるいは取得過程を操作者へ表示する表示手段を備える請求項１又は２に記載の画像処理装置。
23. 操作者が第２の取得手段による取得結果あるいは取得過程を見ながら操作するための操作手段を備える請求項１又は２に記載の画像処理装置。
24. 検査対象物に対して傾斜した方向に放射線を照射して得た画像を取得する第１の取得手段と、
    前記取得した画像を学習済モデルの入力データとして用いて、第１の領域と、該第１の領域を含み、該第１の領域より広い第２の領域とを取得する第２の取得手段と、
    前記取得した第１の領域と前記取得した第２の領域との関係および前記取得した第１の領域内の複数の領域間の関係の少なくとも一方を用いて、前記取得した第１の領域を補正し、該補正した第１の領域を用いて、画像解析処理を行う解析領域を取得する第３の取得手段と、
    を有する画像処理装置。
25. 前記第３の取得手段は、前記第１の領域に関する所定のパターンと、前記取得した第１の領域と前記取得した第２の領域との関係および前記取得した第１の領域内の複数の領域間の関係の少なくとも一方とを用いて、前記取得した第１の領域を補正する請求項２４に記載の画像処理装置。
26. 前記第３の取得手段は、前記所定のパターンを用いて、前記取得した第１の領域の補正の要否を判断する請求項２５に記載の画像処理装置。
27. 前記解析領域は、前記補正された第１の領域である請求項２４乃至２６のいずれか一項に記載の画像処理装置。
28. 前記取得された解析領域を表示手段に表示させる表示制御手段を更に備え、
    前記第２の取得手段は、前記学習済モデルを用いて、前記検査対象物の少なくとも２つの断面に対応する複数の断層画像に基づいて複数の前記第１の領域および複数の前記第２の領域を取得し、
    前記第３の取得手段は、前記取得した複数の第１の領域を補正し、該補正した複数の第１の領域を用いて、複数の前記解析領域を取得し、
    前記表示制御手段は、前記取得された複数の解析領域又は対応する解析領域が重畳された前記複数の断層画像を並べて前記表示手段に表示させる請求項２４に記載の画像処理装置。
29. 前記表示制御手段は、操作者の指示に応じて、前記複数の断層画像と、前記複数の解析領域又は前記対応する解析領域が重畳された前記複数の断層画像とを一括して切り替えて前記表示手段に表示させる請求項２８に記載の画像処理装置。
30. 前記複数の断層画像に関する断面は、初期設定、操作者の指示、検査対象の状態の検出結果、および検査目的の選択の少なくとも一つに応じて設定される請求項２８に記載の画像処理装置。
31. 入力画像内の脊椎領域と椎間領域とをそれぞれ取得する第１の取得工程と、
    前記取得した脊椎領域と前記取得した椎間領域とを用いて腰椎の骨密度測定の対象領域である骨密度解析領域を取得する第２の取得工程と、
    を含む画像処理装置の作動方法。
32. 検査対象物に対して傾斜した方向に放射線を照射して得た画像を取得する第１の取得工程と、
    前記取得した画像を学習済モデルの入力データとして用いて、第１の領域と、該第１の領域を含み、該第１の領域より広い第２の領域とを取得する第２の取得工程と、
    前記取得した第１の領域と前記取得した第２の領域との関係および前記取得した第１の領域内の複数の領域間の関係の少なくとも一方を用いて、前記取得した第１の領域を補正し、該補正した第１の領域を用いて、画像解析処理を行う解析領域を取得する第３の取得工程と、
    を含む画像処理装置の作動方法。
33. コンピュータによって実行されると、該コンピュータに請求項３１又は３２に記載の画像処理装置の作動方法の各工程を実行させるプログラム。