JP7098813B2 - 放射線画像処理装置及びプログラム - Google Patents

Description

本発明は、放射線画像について画像処理をする放射線画像処理装置及びプログラムに関する。

従来、Ｘ線等の放射線を用いて被写体を撮影する放射線撮影装置が普及している。例えば、被写体が人または動物である場合、放射線画像は病変の診断等に使用する。近年においては、診断等に使用する放射線画像はいわゆる投影画像に限らず、被写体の軟部組織を抽出（あるいは強調）した軟部画像、及び／または、被写体の骨部を抽出した骨部画像を用いる場合がある。軟部画像及び／または骨部画像は、いわゆるサブトラクション処理により生成する。サブトラクション処理は、撮影に使用した放射線のエネルギー等が異なる２種類の放射線画像に、所定の重み付けをして差分を算出する処理であり、組成ごとに放射線の減弱係数が異なることを利用した処理である。例えば、組成ごとに定まるＸ線の減弱係数の違いにより、被写体である***を、組成ごとに分解するマンモグラフィ装置が知られている（特許文献１）。

特開２０１４－０５０７０８号公報

いわゆるサブトラクション処理によって診断等に使用し得る軟部画像及び／または骨部画像を生成できるのは、軟部及び／または骨部の減弱係数が実験等によって既知であり、かつ、被写体による相違が問題とならない程度にその差が大きいからである。

ところで、サブトラクション処理において「軟部」と一括りにする組織等は当然に複数の組織等を含む。例えば、肺、心臓、脂肪、筋肉、または、これらの組織の一部が異常形成した病変等である。これら軟部組織は、通常は減弱係数の差が僅かであり、かつ、被写体ごとに分量の相違等もある。このため、従来のサブトラクション処理ではこれらを各々に特定し、個別に強調等した画像を得ることが難しい。

本発明は、放射線画像において被写体が含む構造物を個別に特定する放射線画像処理装置及びプログラムを提供することを目的とする。

本発明の放射線画像処理装置は、特定の被写体について、撮影に使用した放射線のエネルギーが互いに異なる複数の放射線画像を取得する放射線画像取得部と、１または複数の放射線画像を用いて、被写体が含む構造物を認識する構造物認識部と、構造物認識部の認識結果と、複数の放射線画像と、を用いて、構造物認識部が認識した１または複数の構造物について放射線の減弱係数を算出する減弱係数算出部と、複数の放射線画像のうち１または複数の放射線画像に対して、減弱係数を用いて画像処理を行う画像処理部と、を備える。

構造物認識部は、認識する構造物を被写体の中から相対的に決定することが好ましい。

構造物認識部は、被写体における構造物の位置、大きさ、または、形状を認識することが好ましい。

減弱係数算出部は、２以上の放射線画像の対応する画素における画素値の比または差を用いて減弱係数を算出することが好ましい。

構造物認識部は、２つの放射線画像を用いて３以上の構造物を認識し、かつ、減弱係数算出部は、構造物認識部が認識処理に使用する２つの放射線画像を用いて、構造物認識部が認識した３以上の構造物の減弱係数を算出することが好ましい。

構造物認識部の認識結果と、減弱係数と、を用いて、構造物ごとの組成量を算出する組成量算出部を備えることが好ましい。

画像処理部は、構造物認識部が認識した複数の構造物のうち１または複数の構造物を強調した強調画像を生成することが好ましい。

画像処理部は、サブトラクション処理によって強調画像を生成することが好ましい。

画像処理部は、少なくとも１つの構造物の色または濃度を変調した強調画像を生成することが好ましい。

画像処理部は、構造物の組成量に対応した色または濃度を有する組成量画像を生成することが好ましい。

本発明のプログラムは、特定の被写体を撮影した放射線画像であって撮影に使用した放射線のエネルギーが互いに異なる複数の放射線画像の入力により、被写体が含む複数の構造物を放射線画像において特定する学習済みモデルを用いて、被写体が含む構造物を認識する。

本発明の別のプログラムは、特定の被写体を撮影した放射線画像であって撮影に使用した放射線のエネルギーが互いに異なる複数の放射線画像の入力により、被写体が含む１または複数の構造物と、構造物の減弱係数と、を放射線画像において特定する学習済みモデルを用いて、被写体が含む構造物を分類する。

本発明の放射線画像処理装置及びプログラムによれば、放射線画像において被写体が含む構造物を個別に特定できる。

放射線撮影装置の構成を示す説明図である。 放射線画像処理装置の構成を示すブロック図である。 組成の違い起因した放射線画像の画素値の相違を示すグラフである。 組成ごとの減弱係数を示すグラフである。 放射線画像処理装置の作用を示すフローチャートである。 第１放射線画像の模式図である。 第２放射線画像の模式図である。 構造物認識部が認識した骨部の模式図である。 構造物認識部が認識した肺の模式図である。 構造物認識部が認識した心臓の模式図である。 肺を強調した強調画像の模式図である。 色または明るさを変調して各構造物を強調した強調画像の模式図である。 第２実施形態の放射線画像処理装置のブロック図である。 組成量画像の模式図である。 構造物を特定する学習済みモデルである。 構造物及びその減弱係数を特定する学習済みモデルである。

［第１実施形態］
図１に示すように、放射線撮影システム１０は、放射線源１３、放射線撮影パネル１４、及びコンソール２０と、放射線画像処理装置３０と、を備える。放射線源１３、放射線撮影パネル１４、及び、コンソール２０は、放射線撮影装置を構成する。

放射線源１３は、撮影に必要な放射線Ｒａを発生する装置であり、放射線Ｒａを発生する放射線管と、放射線管が放射線Ｒａを発生するために必要な高電圧を発生する高電圧発生回路等からなる。放射線源１３は、放射線管の管電圧及び管電流等を調節することにより、線質（エネルギー分布（以下、単にエネルギーという））が異なる複数種類の放射線を発生できる。放射線源１３が発生する放射線のエネルギーは撮影条件の１つである。本実施形態においては、放射線源１３はＸ線を発生するＸ線源である。このため、放射線撮影システム１０はＸ線を用いて被写体Ｏｂｊを撮影することにより、被写体ＯｂｊのＸ線画像を取得するＸ線撮影システムである。被写体Ｏｂｊは例えば人であり、本実施形態においては被写体Ｏｂｊの胸部を撮影する。

放射線撮影パネル１４は、放射線源１３が発生した放射線Ｒａを用いて被写体Ｏｂｊを撮影する。すなわち、放射線撮影パネル１４は、いわゆるＦＰＤ（Flat Panel Detector）であり、被写体Ｏｂｊを透過した放射線Ｒａを検出して電気信号に変換することにより、被写体Ｏｂｊの放射線画像を出力する。放射線撮影パネル１４を用いた撮影においては、必要に応じてグリッド（図示しない）を併用できる。グリッドは、放射線の散乱線成分を除去する装置であり、例えば、静止型のリスホルムブレンデ、または、移動型のブッキーブレンデ等である。

本実施形態においては、放射線撮影パネル１４は、第１放射線検出器１５と第２放射線検出器１６の２個の検出器を備える。第１放射線検出器１５及び第２放射線検出器１６のうち、相対的に被写体Ｏｂｊ及び放射線源１３の近くに配置する検出器が第１放射線検出器１５であり、被写体Ｏｂｊ及び放射線源１３から相対的に遠くに配置する検出器が第２放射線検出器１６である。第１放射線検出器１５及び第２放射線検出器１６は、被写体Ｏｂｊを透過した放射線Ｒａを画素ごとに検出する。また、第１放射線検出器１５と第２放射線検出器１６は被写体Ｏｂｊの放射線画像をそれぞれに出力する。但し、放射線撮影パネル１４は、第１放射線検出器１５と第２放射線検出器１６の間に放射線エネルギー変換フィルタ１７を備える。放射線エネルギー変換フィルタ１７は、例えば銅板等であり、放射線Ｒａの低エネルギー成分を吸収する。このため、放射線Ｒａは、第１放射線検出器１５を透過した後、第２放射線検出器１６に到達するまでにエネルギーが変化する。したがって、放射線撮影パネル１４は、特定の被写体Ｏｂｊを同じ撮影条件（同じ放射線Ｒａ）で同時に撮影するが、第１放射線検出器１５が出力する第１放射線画像Ｇ１（図６参照）と第２放射線検出器１６が出力する第２放射線画像Ｇ２（図７参照）は、実質的に撮影に使用した放射線Ｒａのエネルギーが互いに異なる放射線画像となる。

なお、第１放射線検出器１５及び第２放射線検出器１６は、間接変換型の検出器または直接変換型の検出器のいずれでもよく、第１放射線検出器１５と第２放射線検出器１６とで異なるタイプの検出器を採用できる。間接変換型の検出器とは、ＣｓＩ（ヨウ化セシウム）等からなるシンチレータを用いて放射線Ｒａを可視光に変換し、その可視光を光電変換することにより、間接的に電気信号を得る検出器である。直接変換型の検出器とは、アモルファスセレン等からなるシンチレータを用いて放射線Ｒａを直接的に電気信号に変換する検出器である。また、第１放射線検出器１５及び第２放射線検出器１６は、それぞれＰＳＳ（Penetration Side Sampling）方式の検出器でもよく、ＩＳＳ（Irradiation Side Sampling）方式の検出器でもよい。ＰＳＳ方式とは、電気信号の読み出しを行うＴＦＴ（Thin Film Transistor）に対してシンチレータを被写体Ｏｂｊ側に配置する方式である。ＩＳＳ方式とは、ＰＳＳ方式とは逆に、シンチレータとＴＦＴを、被写体Ｏｂｊ側からＴＦＴ、シンチレータの順に配置する方式である。

コンソール２０は、放射線源１３及び放射線撮影パネル１４の動作を制御する制御装置（コンピュータ）であり、表示部２１及び操作部２２等を備える。表示部２１は、例えば液晶ディスプレイ等であり、撮影した放射線画像その他操作または設定等に係る必要な表示をする。操作部２２は、撮影条件等の設定入力、放射線源１３及び放射線撮影パネル１４の操作に用いる、例えばキーボード及び／またはポインティングデバイス等である。表示部２１及び操作部２２はタッチパネルで構成することができる。

放射線画像処理装置３０は、診断等における表示のために、または、診断等に係る詳細な画像解析のために、被写体Ｏｂｊを撮影した放射線画像を用いて画像処理を行う。放射線画像処理装置３０は、コンソール２０と直接的に接続し、被写体Ｏｂｊを撮影した放射線画像をリアルタイムに取得して画像処理に使用できる。また、放射線画像処理装置３０は、コンソール２０に直接的に接続する代わりに、ＲＩＳ（Radiology Information Systems）、ＨＩＳ（Hospital Information Systems）、ＰＡＣＳ（Picture Archiving and Communication Systems）、または、ＰＡＣＳが含むＤＩＣＯＭ（Digital Imaging and COmmunications in Medicine）サーバ等を介して間接的に放射線画像を取得して画像処理に使用できる。

図２に示すように、放射線画像処理装置３０はいわゆるコンピュータであり、表示部３１、操作部３２、放射線画像取得部３３、構造物認識部３４、減弱係数算出部３５、及び、画像処理部３６等を備える。

表示部３１は液晶ディスプレイ等であり、撮影した放射線画像及び放射線画像処理装置３０が生成した画像等を表示する。操作部３２は、放射線画像処理装置３０を操作するためのキーボード及び／またはポインティングデバイス等である。表示部３１及び操作部３２はタッチパネルで構成することができる。なお、本実施形態においては、放射線画像処理装置３０は、コンソール２０とは別体の装置であるが、放射線画像処理装置３０の一部または全部をコンソール２０に設けることができる。この場合、放射線画像処理装置３０の表示部３１及び／または操作部３２には、コンソール２０の表示部２１及び／または操作部２２を使用できる。また、放射線画像処理装置３０の全部をコンソール２０に設ける場合、コンソール２０が放射線画像処理装置３０を構成する。

放射線画像取得部３３は、特定の被写体Ｏｂｊについて、撮影に使用した放射線のエネルギーが互いに異なる複数の放射線画像を取得する。「特定の被写体Ｏｂｊ」とは、被写体Ｏｂｊが特定の人または物であることをいう。また、「特定の被写体Ｏｂｊについて複数の放射線画像を取得する」とは、被写体Ｏｂｊが同一であり、かつ、当該被写体Ｏｂｊの撮影部位（撮影部分）及びその撮影方向が共通する複数の放射線画像を取得することをいう。「撮影に使用した放射線のエネルギーが互いに異なる」とは、放射線画像の形成（放射線Ｒａの検出）の際に実質的に放射線Ｒａの線質が異なることをいい、放射線源１３が曝射する放射線Ｒａの線質が異なる場合の他、放射線エネルギー変換フィルタ１７等を介して線質が変化した放射線Ｒａを用いて放射線画像を形成することを含む。すなわち、放射線画像取得部３３は、例えば、放射線検出器を１つ備えるＦＰＤを用いて放射線撮影をした場合、特定の被写体Ｏｂｊを放射線Ｒａの線質を変えて複数回撮影した複数の放射線画像を取得する。また、放射線画像取得部３３は、例えば放射線エネルギー変換フィルタ１７等を介した複数の放射線検出器を含むＦＰＤを用いて放射線撮影をした場合、これらの各放射線検出器が出力する各放射線画像を取得する。本実施形態においては、放射線画像取得部３３は、第１放射線検出器１５が出力する第１放射線画像Ｇ１と、第２放射線検出器１６が出力する第２放射線画像Ｇ２と、を取得する。なお、放射線画像取得部３３は、上記複数の放射線画像を取得する際に、いわゆる原画像（画像処理等を施していない画像）だけでなく、散乱線補正処理またはその他の画像処理等の各種処理を施した放射線画像を取得する場合がある。また、放射線画像取得部３３は、取得する上記複数の放射線画像のうち１または複数もしくは全部を、散乱線補正処理等を施した放射線画像にすることができる。散乱線補正処理とは、放射線Ｒａの被写体Ｏｂｊその他による散乱線を低減して補正する画像処理である。

構造物認識部３４は、１または複数の放射線画像を用いて、被写体Ｏｂｊが含む構造物を認識する。被写体Ｏｂｊが含む構造物とは、被写体Ｏｂｊを構成する組織（物質）等のうち、他の組織等と区別し得る組織等の単位をいう。「区別し得る」とは、境界を識別または推定できることをいう。例えば、被写体Ｏｂｊが人（患者）であり、その胸部が撮影対象である場合には、肋骨その他の骨、心臓、肺、脂肪、筋肉等、これらの一部または全部の異形成体（病変または病変の可能性がある部分等）、または、被写体Ｏｂｊに埋め込まれた人工物等のそれぞれが、構造物認識部３４が認識する構造物である。肋骨その他の骨はいわゆる骨部（骨部組織）であり、心臓、肺、脂肪、及び筋肉等はいわゆる軟部（軟部組織）である。すなわち、構造物認識部３４は、結果として骨部と軟部をそれぞれ認識するが、軟部を構成する各組織等も区別して認識し得る。被写体Ｏｂｊが物である場合、あるいは、被写体Ｏｂｊの撮影部位が胸部以外である場合も同様である。

構造物認識部３４は、放射線画像取得部３３が取得した特定の被写体Ｏｂｊについての複数の放射線画像のうち１または複数の放射線画像を任意に選択して認識処理に使用できる。本実施形態においては、構造物認識部３４は第１放射線画像Ｇ１を構造物の認識に使用するが、第１放射線画像Ｇ１の代わりに、または、第１放射線画像Ｇ１に加えて、第２放射線画像Ｇ２を使用できる。なお、構造物認識部３４は、散乱線補正処理等を施した放射線画像を用いて上記認識処理を行うことができる。例えば、放射線画像取得部３３が散乱線補正処理等を施した放射線画像を取得する場合、構造物認識部３４は、その放射線画像を認識処理に使用できる。また、放射線画像取得部３３が散乱線補正処理等を施していない放射線画像を取得する場合であっても、放射線画像処理装置３０において散乱線補正処理等を実施する場合には、構造物認識部３４は、放射線画像取得部３３が取得する散乱線補正処理等を施していない放射線画像に代えて、あるいは、これとともに、散乱線補正処理等を施した放射線画像を用いて上記認識処理を行うことができる。放射線画像処理装置３０は、画像処理部３６において、放射線画像に対して散乱線補正処理等の各種処理を行うことができる。

構造物認識部３４は、認識する構造物を、放射線画像に写る被写体Ｏｂｊの中から相対的に決定する。すなわち、構造物認識部３４は、認識すべき対象を予め決定してあるのではなく、被写体Ｏｂｊの中で相対的に区別し得る部分をそれぞれ「構造物」として認識する。例えば、人体の胸部の場合、構造物認識部３４は、予め骨部と軟部を認識するというのではなく、構造物を認識した結果として、骨部、心臓、肺、その他組織の部分を認識する。

構造物認識部３４は、少なくとも、放射線画像に写る被写体Ｏｂｊにおける構造物の位置、大きさ、及び／または、形状等を認識する。すなわち、構造物認識部３４が行う認識処理は、放射線画像に写る被写体Ｏｂｊにおいて、他の組織等との境界を有する構造物の位置、大きさ、及び／または、形状等を特定する処理である。したがって、構造物認識部３４は、認識した構造物の組成（認識した構造物がどのような組織であるか）まで認識するか否かは任意である。認識した構造物の組成を認識する場合、構造物認識部３４は、認識した構造物の位置、大きさ、及び／または、形状等を用いて、その組成を認識する。例えば、人体の胸部において、肺の位置、大きさ、及び、形状等は概ね定まっているので、構造物認識部３４は、認識した構造物のうち特定の構造物が肺であることを特定（認識）できる。本実施形態においては、構造物認識部３４は被写体Ｏｂｊの構造物の組成までは特定しないが、説明の便宜上、構造物認識部３４が認識した構造物は、骨部、肺、または、心臓等、その組成を表す名称で表す。

減弱係数算出部３５は、構造物認識部３４の認識結果と、複数の放射線画像と、を用いて、構造物認識部３４が認識した１または複数の構造物について、放射線Ｒａの減弱係数μを算出する。減弱係数算出部３５が算出する減弱係数μはいわゆる線減弱係数であり、吸収または散乱等によって放射線Ｒａが減弱する程度（割合）を表す。減弱係数μは、放射線Ｒａが透過する構造物の具体的な組成（密度等）及び厚さ（質量）によって異なる。

減弱係数算出部３５は、２以上の放射線画像の対応する画素における画素値の比または差を用いて減弱係数を算出する。例えば、図３に示すように、第１放射線画像Ｇ１において組成が「Ｃａ」「Ｃｂ」及び「Ｃｃ」の３種類の構造物があり、これらの第１放射線画像Ｇ１における画素値がいずれも「Ｖ１」であったとする。一方、第２放射線画像Ｇ２において対応する画素の画素値それぞれ「Ｖａ」「Ｖｂ」及び「Ｖｃ」となる。この画素値の減少程度は、各構造物（各組成物）による放射線Ｒａの減弱の程度に対応する。このため、図４に示すように、減弱係数算出部３５は、第１放射線画像Ｇ１の画素値と、対応する第２放射線画像Ｇ２の画素値の比または差を用いて、組成「Ｃａ」の構造物の減弱係数μａ、組成「Ｃｂ」の構造物の減弱係数μｂ、及び、組成「Ｃｃ」の構造物の減弱係数μｃを算出することができる。

なお、上記の通り、第１放射線画像Ｇ１における画素値と第２放射線画像Ｇ２における対応する画素の画素値の比または差がわかれば減弱係数μを算出できるので、簡単のため、各組成「Ｃａ」「Ｃｂ」及び「Ｃｃ」の画素値が第１放射線画像Ｇ１において共通の「Ｖ１」であることとしたが、第１放射線画像Ｇ１において各組成「Ｃａ」「Ｃｂ」及び「Ｃｃ」の画素値が共通である必要はない。また、４以上の構造物がある場合も上記と同様に、減弱係数算出部３５は構造物（組成）ごとに減弱係数μを算出できる。

減弱係数算出部３５が算出する各構造物の減弱係数μは、被写体Ｏｂｊが含む構造物（特に構造物認識部３４が認識した構造物）間における相対値である。このため、減弱係数算出部３５が算出する減弱係数μは、組成によって定まる固有の減弱係数とは値が相違する場合があるが、本発明の実施においてこれらの差異は問題とならない。また、被写体Ｏｂｊの全体をほぼ一様に覆う構造物等（例えば皮膚等）にも固有の減弱係数μがあるが、減弱係数算出部３５が算出する減弱係数μは、構造物認識部３４が認識しない構造物を重畳した状態の構造物として、減弱係数μを算出する。この点においても、減弱係数算出部３５が算出する減弱係数μは、組成によって定まる固有の減弱係数とは値が相違する場合があるが、本発明の実施においてこれらの差異は問題とならないことは同様である。

画像処理部３６は、放射線画像に対して１または複数の画像処理を施す。画像処理部３６は、各構造物の減弱係数μを用いて画像処理を行うことができる。画像処理部３６が画像処理の対象とする放射線画像は、少なくとも、放射線画像取得部３３が取得する複数の放射線画像のうち１または複数の放射線画像である。また、画像処理部３６は、画像処理を行う際に、必要に応じて構造物認識部３４の認識結果（構造物の位置等の情報）を用いることができる。

本実施形態においては、画像処理部３６は、構造物認識部３４が認識した複数の構造物のうち１または複数の構造物を強調した強調画像Ｇｅ（図１１等参照）を生成する。被写体Ｏｂｊが含む構造物について「強調」とは、他の構造物に対して特定の構造物の視認性または識別性を向上することをいい、特定の構造物の視認性等を直接的に向上することの他、他の構造物の視認性等を低下することによって間接的に特定の構造物の視認性等を向上することを含む。上記強調画像Ｇｅの生成のため、画像処理部３６は、例えば、サブトラクション処理部４１、コントラスト調節部４２、及び、色彩調節部４３等を備える。

サブトラクション処理部４１は、減弱係数μを用いて、いわゆるサブトラクション画像を生成する。サブトラクション画像とは、被写体Ｏｂｊが含む特定の構造物を強調する強調画像であり、画素ごとに、あるいは、認識した構造物がある領域ごとに、その構造物の減弱係数μを乗じて放射線画像の減算処理をすることにより生成する。

コントラスト調節部４２は、放射線画像取得部３３が取得した放射線画像またはサブトラクション画像について、画素値と表示濃度（表示時の明るさ）との対応関係を制御することにより、コントラストを調節する。コントラスト調節部４２がコントラストの調節対象とするのは、放射線画像またはサブトラクション画像の一部または全部である。例えば、コントラスト調節部４２は、被写体Ｏｂｊが含む構造物ごとに濃度（明るさ）を調節することにより、そのコントラストを変更できる。すなわち、画像処理部３６は、コントラスト調節部４２を用いて、少なくとも１つの構造物の濃度を変調した強調画像Ｇｅを生成することができる。被写体Ｏｂｊが含む構造物の濃度の変調は、その構造物またはその構造物と区別する他の構造物の視認性及び／または識別性を向上する。

色彩調節部４３は、放射線画像取得部３３が取得した放射線画像またはサブトラクション画像について、必要に応じて色彩を付与する。放射線画像は、本来的にはグレースケール画像であるが、色彩調節部４３が色付けをすることにより、構造物の視認性、及び、他の構造物との識別性が向上する。色彩調節部４３が色付けをする対象は、放射線画像またはサブトラクション画像の一部または全部である。例えば、色彩調節部４３は、被写体Ｏｂｊが含む構造物ごとに異なる色彩を付与することができる。すなわち、画像処理部３６は、色彩調節部４３を用いて、少なくとも１つの構造物の色または色彩を変調した強調画像Ｇｅを生成することができる。被写体Ｏｂｊが含む構造物の色または色彩の変調は、その構造物またはその構造物と区別する他の構造物の視認性及び／または識別性を向上する。

以下、上記のように構成する放射線画像処理装置３０の作用を説明する。図５に示すように、放射線画像取得部３３は、特定の被写体Ｏｂｊについて、撮影に使用した放射線Ｒａのエネルギーが互いに異なる複数の放射線画像を取得する（ステップＳ１０１）。本実施形態においては、放射線源１３一定の放射線Ｒａを曝射して被写体Ｏｂｊを撮影するが、放射線エネルギー変換フィルタ１７を介して第１放射線検出器１５及び第２放射線検出器１６を有する放射線撮影パネル１４を用いて被写体Ｏｂｊを撮影する。このため、第１放射線検出器１５を用いて撮影した第１放射線画像Ｇ１と、第２放射線検出器１６を用いて撮影した第２放射線画像Ｇ２と、では実質的に撮影に用いた放射線Ｒａのエネルギーが変化する。このため、放射線画像取得部３３は、特定の被写体Ｏｂｊについて、第１放射線画像Ｇ１と第２放射線画像Ｇ２を取得する。

また、本実施形態においては、被写体Ｏｂｊは人であり、その胸部が主な撮影部位である。このため、図６に示すように、第１放射線画像Ｇ１には、肋骨等の骨部１２１、肺１２２、心臓１２３、肩部または上腕等の筋肉１２６、及び、脂肪１２７等が現れる。また、これら胸部及び胸部近傍の各組織等は重畳的に現れる。すなわち、これらの組織等の像（陰影）は、一部または全部が他の組織等の像と重なっている場合がある。なお、第１放射線画像Ｇ１には、いわゆる素抜領域１２８もある。素抜領域１２８は、放射線Ｒａが被写体Ｏｂｊを透過せず、放射線撮影パネル１４に直接に到達した領域である。

図７に示すように、第２放射線画像Ｇ２にも同様にこれらの組織等の像が現れる。但し、第１放射線画像Ｇ１と第２放射線画像Ｇ２とは、実質的に撮影に用いた放射線Ｒａのエネルギーが異なるので、第１放射線画像Ｇ１の各組織の像と、第２放射線画像Ｇ２の各組織の像と、を比較すると、対応する部分であっても各組織の相対的な画素値の大小関係が相違する。その結果、第１放射線画像Ｇ１と第２放射線画像Ｇ２では、各組織の相対的な明るさ及び／またはコントラスト等が相違する。

放射線画像取得部３３が、特定の被写体Ｏｂｊについて第１放射線画像Ｇ１及び第２放射線画像Ｇ２を取得すると、構造物認識部３４は、第１放射線画像Ｇ１及び／または第２放射線画像Ｇ２を用いて、これらに写る被写体Ｏｂｊが含む構造物を認識する（ステップＳ１０２）。本実施形態においては、構造物認識部３４は、被写体Ｏｂｊが含む上記各組織、すなわち、骨部１２１、肺１２２、心臓１２３、肩部または上腕等の筋肉１２６、及び、脂肪１２７等を被写体Ｏｂｊが含む構造物として、それぞれの位置、大きさ、及び／または、形状等を特定する。例えば、図８に示すように、構造物認識部３４は、肺１２２等の軟部組織と区別して、第１放射線画像Ｇ１において骨部１２１を特定する。同様に、図９に示すように、構造物認識部３４は、心臓１２３等の他の軟部組織及び骨部１２１と区別して、第１放射線画像Ｇ１において肺１２２を特定する。また、図１０に示すように、肺１２２等の他の軟部組織及び骨部１２１と区別して、第１放射線画像Ｇ１において心臓１２３を特定する。筋肉１２６及び脂肪１２７等についても同様である。

構造物認識部３４が被写体Ｏｂｊの構造物を認識すると、減弱係数算出部３５は、構造物認識部３４の認識結果と、第１放射線画像Ｇ１及び第２放射線画像Ｇ２と、を用いて、各構造物の減弱係数μを算出する（ステップＳ１０３）。具体的には、減弱係数算出部３５は、第１放射線画像Ｇ１と第２放射線画像Ｇ２の対応する画素値の比または差を算出する。一方、減弱係数算出部３５は、構造物認識部３４の認識結果である各構造物の位置、大きさ、及び／または、形状等を用いて、各構造物の重なり等を考慮することで、上記画素値の比または差から各構造物の相対的な減弱係数μを求める。

減弱係数算出部３５が各構造物の減弱係数μを算出すると、画像処理部３６が、各構造物の減弱係数μを用いて、第１放射線画像Ｇ１及び第２放射線画像Ｇ２にサブトラクション処理をすることにより、強調画像Ｇｅを生成する（ステップＳ１０４）。図１１に示すように、画像処理部３６は、例えば、肺１２２の部分を強調した強調画像Ｇｅを生成する。画像処理部３６が生成した強調画像Ｇｅは表示部３１が表示することにより、医師等に提供する。このため、医師等は、強調画像Ｇｅを用いて診断等をすることができる。

上記のように、放射線画像処理装置３０は、被写体Ｏｂｊの構造物を認識することにより、放射線画像において被写体Ｏｂｊが含む構造物を個別に特定する。その上で、各構造物の減弱係数μを算出し、減弱係数μを用いて画像処理を行い、その結果を医師等に提供する。このため、医師等は、放射線画像処理装置３０の画像処理の結果によって、放射線画像において被写体Ｏｂｊが含む構造物を個別に、正確かつ容易に特定することができる。したがって、放射線画像処理装置３０は、医師等による診断等を支援することができる。

また、放射線画像処理装置３０は、具体的には、構造物を強調した強調画像Ｇｅを生成し、これを医師等に提供する。このため、医師等は、被写体Ｏｂｊが含む構造物を強調画像Ｇｅにおいて視覚的に明瞭に捉えることができる。その結果、医師等は、診断等を正確かつ効率的に行うことができる。

さらに、放射線画像処理装置３０は、構造物認識部３４において、被写体Ｏｂｊが含む構造物を、放射線画像において相対的に認識する。このため、放射線画像処理装置３０は、認識対象の構造物を予め定めておかなくても、構造物認識部３４が他の組織と区別し得る範囲において任意の構造物（未知及び／または未定数の構造物）を認識し、これを強調等できる。したがって、被写体Ｏｂｊの個体差の影響を受けにくく、被写体Ｏｂｊが含む構造物を正確に特定できる。また、実質的に被写体Ｏｂｊに固有の構造物（例えば病変または病変の可能性がある部分）または埋め込まれた人工物等についても、その位置等を特定し、強調等することができる。

また、放射線画像処理装置３０は、減弱係数算出部３５において、被写体Ｏｂｊが含む構造物について、それぞれ相対的な減弱係数μを算出する。このため、放射線画像処理装置３０は、従来のサブトラクション処理をする放射線撮影装置等のように被写体Ｏｂｊが含む各構造物に固有の減弱係数μを予め実験等により定めておく必要がなく、未知かつ未定数の構造物、特に実質的に被写体Ｏｂｊに固有の構造物（例えば病変または病変の可能性がある部分）または埋め込まれた人工物等についても、減弱係数μを算出できる。この結果、放射線画像処理装置３０は、被写体Ｏｂｊの個体差の影響を殆受けずにサブトラクション処理等によって、未知かつ未定数の構造物を個別に強調等し、その有無及び位置等についての情報を提供できる。

なお、上記第１実施形態の通り、構造物認識部３４は、２つの放射線画像を用いて３以上の構造物を認識することができ、かつ、減弱係数算出部３５は、構造物認識部３４が認識処理に使用する２つの放射線画像を用いて、構造物認識部が認識した３以上の構造物の減弱係数μを算出することができる。すなわち、放射線画像処理装置３０は、最小で２つの放射線画像から、３以上の構造物の減弱係数μを求めて、これら３以上の構造物をそれぞれに強調等できる。構造物認識部３４における認識対象に任意性があり、かつ、減弱係数算出部３５における減弱係数μの算出が構造物間の相対的なものであるからである。例えば、従来のサブトラクション処理をする放射線撮影装置等においては、２つの放射線画像から骨部画像と軟部画像を得ることができるが、放射線画像処理装置３０によれば、軟部をさらに峻別して、肺１２２の強調画像Ｇｅ及び／または心臓１２３の強調画像Ｇｅ等、軟部組織の組成ごとの強調画像Ｇｅを得ることができる。

なお、上記第１実施形態においては、画像処理部３６は、構造物認識部３４が認識した構造物の１つである肺１２２を強調した強調画像Ｇｅを生成するが、構造物認識部３４が認識した複数の構造物を強調した強調画像を生成できる。例えば、図１２に示すように、画像処理部３６は、設定等に基づいて、肺１２２の他、心臓１２３及び脂肪１２７を強調した強調画像Ｇｅを生成できる。また、複数の構造物を強調する場合、各構造物をそれぞれ異なる態様で強調することができる。例えば、構造物ごとに異なる色彩を付与する、等である。このように、各構造物をそれぞれ異なる態様で強調する場合、各構造物をそれぞれ強調しつつ、かつ、強調した各構造物の相互の識別性を維持できる。

［第２実施形態］
上記第１実施形態においては、サブトラクション処理等により、構造物認識部３４が認識した構造物ごとに強調をした強調画像Ｇｅを生成しているが、各構造物の組成量を表す組成量画像Ｇｃ（図１４参照）を生成することができる。この場合、図１３に示すように、放射線画像処理装置３０には、組成量算出部２０１を設ける。組成量算出部２０１は、構造物認識部３４の認識結果（構造物の位置等）と、減弱係数算出部３５が算出した減弱係数μと、を用いて、構造物ごとの組成量を算出する。「組成量」とは、各構造物のうち、放射線Ｒａが透過した部分の質量（実質的に構造物の厚さ）である。

例えば、第１放射線画像Ｇ１と第２放射線画像Ｇ２の対応する画素の画素値を比較する場合、構造物の組成量によってこれら画素値の比または差が異なる。このため、減弱係数算出部３５が各構造物の減弱係数μを算出して減弱係数μが既知となっていれば、第１放射線画像Ｇ１と第２放射線画像Ｇ２の対応する画素の画素値の比または差から、各構造物の特定の位置（例えば画素ごと）におけるその構造物の組成量を逆算できる。但し、組成量算出部２０１が算出する組成量は、特定の構造物内における相対的な値である。

上記のように組成量算出部２０１を設ける場合、画像処理部３６は、組成量算出部２０１が算出した組成量を用いることで、各構造物の強調する際に、各構造物を組成量に対応した色または濃度（他の構造物等に対するコントラスト）を有する組成量画像Ｇｃを生成することができる。「組成量に対応した色または濃度」とは、組成量によって定められた色または濃度をいい、例えば、組成量に比例した色または濃度（コントラスト）である。図１４に示すように、組成量画像Ｇｃは、例えば、サブトラクション処理等により脂肪１２７を強調した強調画像Ｇｅについて、さらに、脂肪１２７の部分について組成量に応じた色または濃度を付与した画像である。図１４においては、脂肪１２７の中央部分２２７Ａと、中間部分２２７Ｂと、外周部分２２７Ｃと、でそれぞれ異なる濃度を有する。

上記のように、組成量画像Ｇｃを生成して提供すれば、医師等は、被写体が含む構造物を特定できるだけでなく、その組成量をも同時に把握できる。このため、診断等に利用しやすい。

上記第１実施形態、第２実施形態、及びこれらの変形例において、構造物認識部３４はいわゆる学習済みのＡＩ（artificial intelligence）プログラム（以下、学習済みモデルという）を用いて構成することができる。例えば、図１５に示すように、学習済みモデル３０１は、特定の被写体Ｏｂｊを撮影した放射線画像であって撮影に使用した放射線のエネルギーが互いに異なる複数の放射線画像の入力により、被写体Ｏｂｊが含む１または複数の構造物を放射線画像において特定する。すなわち、学習済みモデル３０１は、第１放射線画像Ｇ１及び第２放射線画像Ｇ２等、特定の被写体Ｏｂｊについて撮影に使用した放射線Ｒａのエネルギーが互いに異なる複数の放射線画像の入力を受ける。そして、これらの放射線画像において被写体Ｏｂｊが含む１または複数の構造物を認識し、例えば、骨部１２１の位置、大きさ、形状等に係る認識結果である位置等情報３２１、肺１２２の位置等情報３２２、心臓１２３の位置等情報３２３、及び、脂肪１２７の位置等情報３２７等、を出力する。上記学習済みモデル３０１は、例えば、ディープラーニング等公知の学習方法により学習できる。

上記学習済みモデル３０１を用いて構造物認識部３４を構成する場合、構造物認識部３４は、学習済みモデル３０１を用いて、被写体Ｏｂｊが含む構造物を認識するプログラムである。

また、上記第１実施形態、第２実施形態、及びこれらの変形例において、学習済みモデルを用いて構造物認識部３４及び減弱係数算出部３５を構成することができる。例えば、図１６に示すように、学習済みモデル３０２は、特定の被写体Ｏｂｊを撮影した放射線画像であって、撮影に使用した放射線Ｒａのエネルギーが互いに異なる複数の放射線画像の入力により、被写体Ｏｂｊが含む１または複数の構造物と、構造物の減弱係数μと、を放射線画像において特定する。すなわち、学習済みモデル３０２は、第１放射線画像Ｇ１及び第２放射線画像Ｇ２等、特定の被写体Ｏｂｊについて撮影に使用した放射線Ｒａのエネルギーが互いに異なる複数の放射線画像の入力を受ける。そして、これらの放射線画像において被写体Ｏｂｊが含む１または複数の構造物の位置等と、各構造物の減弱係数μと、を含む構造物特定情報を出力する。例えば、骨部１２１の位置等情報３２１とその減弱係数μ１、肺１２２の位置等情報３２２とその減弱係数μ２、心臓１２３の位置等情報３２３とその減弱係数μ３、及び、脂肪１２７の位置等情報３２７とその減弱係数μ４、等を出力する。上記学習済みモデル３０２は、例えば、ディープラーニング等公知の学習方法により学習できる。

上記学習済みモデル３０２を用いて構造物認識部３４及び減弱係数算出部３５を構成する場合、構造物認識部３４及び減弱係数算出部３５は、学習済みモデル３０２を用いて、被写体Ｏｂｊが含む構造物を分類するプログラムである。

上記実施形態等において、放射線画像取得部３３、構造物認識部３４、減弱係数算出部３５、画像処理部３６及び画像処理部３６を構成する各部、組成量算出部２０１といった各種の処理を実行する処理部（processing unit)のハードウェア的な構造は、次に示すような各種のプロセッサ（processor）である。各種のプロセッサには、ソフトウエア（プログラム）を実行して各種の処理部として機能する汎用的なプロセッサであるＣＰＵ（Central Processing Unit)、ＧＰＵ（Graphical Processing Unit）、ＦＰＧＡ (Field Programmable Gate Array) などの製造後に回路構成を変更可能なプロセッサであるプログラマブルロジックデバイス（Programmable Logic Device:ＰＬＤ）、各種の処理を実行するために専用に設計された回路構成を有するプロセッサである専用電気回路などが含まれる。

１つの処理部は、これら各種のプロセッサのうちの１つで構成されてもよいし、同種または異種の２つ以上のプロセッサの組み合せ（例えば、複数のＦＰＧＡ、ＣＰＵとＦＰＧＡの組み合わせ、またはＣＰＵとＧＰＵの組み合わせ等）で構成されてもよい。また、複数の処理部を１つのプロセッサで構成してもよい。複数の処理部を１つのプロセッサで構成する例としては、第１に、クライアントやサーバなどのコンピュータに代表されるように、１つ以上のＣＰＵとソフトウエアの組み合わせで１つのプロセッサを構成し、このプロセッサが複数の処理部として機能する形態がある。第２に、システムオンチップ（System On Chip:ＳｏＣ）などに代表されるように、複数の処理部を含むシステム全体の機能を１つのＩＣ（Integrated Circuit）チップで実現するプロセッサを使用する形態がある。このように、各種の処理部は、ハードウェア的な構造として、上記各種のプロセッサを１つ以上用いて構成される。

さらに、これらの各種のプロセッサのハードウェア的な構造は、より具体的には、半導体素子などの回路素子を組み合わせた形態の電気回路（circuitry）である。

１０ 放射線撮影システム
１３ 放射線源
１４ 放射線撮影パネル
１５ 第１放射線検出器
１６ 第２放射線検出器
１７ 放射線エネルギー変換フィルタ
２０ コンソール
２１ 表示部
２２ 操作部
３０ 放射線画像処理装置
３１ 表示部
３２ 操作部
３３ 放射線画像取得部
３４ 構造物認識部
３５ 減弱係数算出部
３６ 画像処理部
４１ サブトラクション処理部
４２ コントラスト調節部
４３ 色彩調節部
１２１ 骨部
１２２ 肺
１２３ 心臓
１２６ 筋肉
１２７ 脂肪
１２８ 素抜領域
２０１ 組成量算出部
２２７Ａ 中央部分
２２７Ｂ 中間部分
２２７Ｃ 外周部分
３０１ 学習済みモデル
３０２ 学習済みモデル
３２１、３２２、３２３、３２７ 位置等情報
Ｇ１ 第１放射線画像
Ｇ２ 第２放射線画像
Ｇｃ 組成量画像
Ｇｅ 強調画像
Ｏｂｊ 被写体
Ｒａ 放射線
Ｓ１０１～Ｓ１０４ 動作ステップ

Claims (12)

1. 特定の被写体について、撮影に使用した放射線のエネルギーが互いに異なる複数の放射線画像を取得する放射線画像取得部と、
   １または複数の前記放射線画像を用いて、前記被写体が含む構造物を認識する構造物認識部と、
   前記構造物認識部の認識結果と、複数の前記放射線画像と、を用いて、前記構造物認識部が認識した１または複数の前記構造物について前記放射線の減弱係数を算出する減弱係数算出部と、
   複数の前記放射線画像のうち１または複数の前記放射線画像に対して、前記減弱係数を用いて画像処理を行う画像処理部と、
   を備える放射線画像処理装置。
2. 前記構造物認識部は、認識する前記構造物を前記被写体の中から相対的に決定する請求項１に記載の放射線画像処理装置。
3. 前記構造物認識部は、前記被写体における前記構造物の位置、大きさ、または、形状を認識する請求項１または２に記載の放射線画像処理装置。
4. 前記減弱係数算出部は、２以上の前記放射線画像の対応する画素における画素値の比または差を用いて前記減弱係数を算出する請求項１～３のいずれか１項に記載の放射線画像処理装置。
5. 前記構造物認識部は、２つの前記放射線画像を用いて３以上の前記構造物を認識し、かつ、
   前記減弱係数算出部は、前記構造物認識部が認識処理に使用する２つの前記放射線画像を用いて、前記構造物認識部が認識した３以上の前記構造物の前記減弱係数を算出する請求項１～４のいずれか１項に記載の放射線画像処理装置。
6. 前記構造物認識部の認識結果と、前記減弱係数と、を用いて、前記構造物ごとの組成量を算出する組成量算出部を備える請求項１～５のいずれか１項に記載の放射線画像処理装置。
7. 前記画像処理部は、前記構造物認識部が認識した複数の前記構造物のうち１または複数の前記構造物を強調した強調画像を生成する請求項１～６のいずれか１項に記載の放射線画像処理装置。
8. 前記画像処理部は、サブトラクション処理によって前記強調画像を生成する請求項７に記載の放射線画像処理装置。
9. 前記画像処理部は、少なくとも１つの前記構造物の色または濃度を変調した前記強調画像を生成する請求項７または８に記載の放射線画像処理装置。
10. 前記画像処理部は、前記構造物の前記組成量に対応した色または濃度を有する組成量画像を生成する請求項６に記載の放射線画像処理装置。
11. 特定の被写体を撮影した放射線画像であって前記撮影に使用した放射線のエネルギーが互いに異なる複数の前記放射線画像の入力により、前記被写体が含む複数の構造物を前記放射線画像において特定する学習済みモデルを用いて、前記被写体が含む前記構造物を認識するプログラム。
12. 特定の被写体を撮影した放射線画像であって前記撮影に使用した放射線のエネルギーが互いに異なる複数の前記放射線画像の入力により、前記被写体が含む１または複数の構造物と、前記構造物の減弱係数と、を前記放射線画像において特定する学習済みモデルを用いて、前記被写体が含む前記構造物を分類するプログラム。

Images