JP7353900B2 - X線診断装置、医用画像処理装置及びプログラム - Google Patents
X線診断装置、医用画像処理装置及びプログラム Download PDFInfo
- Publication number
- JP7353900B2 JP7353900B2 JP2019182916A JP2019182916A JP7353900B2 JP 7353900 B2 JP7353900 B2 JP 7353900B2 JP 2019182916 A JP2019182916 A JP 2019182916A JP 2019182916 A JP2019182916 A JP 2019182916A JP 7353900 B2 JP7353900 B2 JP 7353900B2
- Authority
- JP
- Japan
- Prior art keywords
- ray
- transition
- image processing
- image
- blood vessel
- 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.)
- Active
Links
- 238000012545 processing Methods 0.000 title claims description 190
- 230000006870 function Effects 0.000 claims description 120
- 210000004204 blood vessel Anatomy 0.000 claims description 109
- 230000007704 transition Effects 0.000 claims description 84
- 239000002872 contrast media Substances 0.000 claims description 50
- 238000000034 method Methods 0.000 claims description 48
- 230000015654 memory Effects 0.000 claims description 44
- 230000008569 process Effects 0.000 claims description 16
- 238000003384 imaging method Methods 0.000 description 26
- 238000010801 machine learning Methods 0.000 description 19
- 230000004048 modification Effects 0.000 description 17
- 238000012986 modification Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 16
- 238000013473 artificial intelligence Methods 0.000 description 7
- 238000013527 convolutional neural network Methods 0.000 description 6
- 238000002594 fluoroscopy Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000000306 recurrent effect Effects 0.000 description 5
- 238000007619 statistical method Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 239000003990 capacitor Substances 0.000 description 3
- 239000002131 composite material Substances 0.000 description 3
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 238000002347 injection Methods 0.000 description 3
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 3
- 230000002792 vascular Effects 0.000 description 3
- 102100029860 Suppressor of tumorigenicity 20 protein Human genes 0.000 description 2
- 238000002583 angiography Methods 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 229940039231 contrast media Drugs 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000010408 film Substances 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000002504 physiological saline solution Substances 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000010186 staining Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 208000008589 Obesity Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 230000003907 kidney function Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Description
前記X線発生部は、X線を発生させる。
図1は、第1の実施形態に係るX線診断装置の構成を示すブロック図である。X線診断装置1としては、例えば、循環器用の装置を用いてもよい。また、X線診断装置1としては、シングルプレーン構造を例に挙げて述べるが、これに限らず、バイプレーン構造を用いてもよい。
ここで、iはX線画像のx座標値、jはX線画像のy座標値を示す。tは時系列データ内の任意の時刻(又はフレーム番号)を示す。nは、時系列データ内の最終時刻(又は最終フレーム番号)を示す。
以下、第1の実施形態の各変形例について説明するが、第1の実施形態と重複した部分の説明を省略し、ここでは異なる部分について主に述べる。このことは、他の実施形態についても同様である。また、第1の実施形態の第1変形例及び第2変形例は、それぞれ他の変形例や他の実施形態にも適用できる。
第1変形例は、ステップST40での血管画素を特定する特定方法と、ステップST70での未来の時系列データを推定する推定方法との組み合わせを変えたものである。この種の特定方法としては、例えば[a1]~[a3]の3種類が使用可能となっている。
第1の特定方法では、DSA撮影で得られた血管画素の画素値の時系列データ(動画)を入力データとし、各画素の識別情報(血管画素、血管画素以外)を出力データとして機械学習モデルを学習させる。これにより、X線透視中に造影剤が写った画素を血管として特定できる学習済みモデルを生成する。これにより、時系列的なX線画像を学習済みモデルに入力することで、造影剤が流れている領域(血管画素)を学習済みモデルがリアルタイムに特定して識別情報を出力する。なお、リアルタイムとは、所定の短期間を意味する。この第1の特定方法であれば、造影剤流入直後の画素のように、薄く染まった画素でも早期に血管画素として特定可能である。
第2の特定方法では、DSA撮影で得たDSA画像を入力データとし、各画素の識別情報(血管画素、血管画素以外)を出力データとして機械学習モデル(CNNなど)を学習させる。これにより、X線透視中に造影剤が写った画素を血管として特定できる学習済みモデルを生成する。これにより、X線画像を学習済みモデルに入力することで、造影剤が流れている領域(血管画素)を学習済みモデルがリアルタイムに特定して識別情報を出力する。なお、CNNについては、前述した通りである。
第3の特定方法では、DSA画像、2Dロードマップ、3Dロードマップ、又はパターン認識技術、などが適宜、使用可能となっている。例えば、手技中にDSA画像を得た場合、当該DSA画像を現在のX線画像に重畳することで血管画素を特定してもよく、当該DSA画像中の血管画素の座標値で現在のX線画像の血管画素を特定してもよい。2Dロードマップの場合、例えば、予め得られたDSA画像を現在のX線画像に重畳することで血管画素を特定可能となっている。3Dロードマップの場合、例えば、予め得られた3D血管画像を現在のX線画像に重畳することで血管画素を特定可能となっている。パターン認識技術の場合、例えば、被検体の血管走行の形態を示すパターンをメモリ41に予め記憶し、現在のX線画像内で所定範囲に収まる画素値を示す画素のパターンを抽出し、予め記憶したパターンと、X線画像から抽出したパターンとを比較し、両者の類似度(又は相関度など)が基準値を超えることにより、血管画素を特定可能となっている。
予め現フレーム及びその直近フレームからなる数フレーム分のX線画像(時系列データ)を入力データとし、現フレームの直後のフレームのX線画像を出力データとして機械学習モデルを学習させる機械学習手法(RNN、LSTMなど)を用いる。これにより、X線透視中に得られる時系列的なX線画像から未来のX線画像を推定(生成)できる学習済みモデルを生成する。運用時には、血管画素を特定した後、X線透視中に得られる時系列的なX線画像を学習済みモデルに入力し、直後のX線画像を学習済みモデルから出力する処理を再帰的に実行する。これにより、X線透視中に得られる時系列的なX線画像から、当該X線画像における血管画素の画素値の変化に対応する未来の時系列データを生成する。なお、RNN及びLSTMについては、前述した通りである。
血管画素を特定した後、現フレーム及びその直近フレームからなる数フレーム分のX線画像(時系列データ)を入力データとして、統計的手法(指数平滑法、ARIMAなど)で血管画素の画素値の変化を予測し、未来の時系列データを生成する。
第2変形例は、図15に示すように、ステップST90での血管画素に対する画像処理の後、血管画素以外の領域に対する画像処理を行うステップST91を付加している。
第2の実施形態は、第1の実施形態の変形例であり、図16に示すように、X線診断装置1の外部装置として、医用画像処理装置66を備えている。医用画像処理装置66は、少なくとも1つのメモリ61、ディスプレイ62、入力インタフェース63、処理回路64及びネットワークインタフェース65を備えている。処理回路64は、図示しないプロセッサとメモリを備えている。処理回路64のプロセッサは、メモリ61内のプログラムを呼び出し実行することにより、プログラムに対応する画像処理機能642、推定機能643、表示制御機能644及び学習制御機能645を実現する。このプログラムは、例えば、予めネットワーク又は非一過性のコンピュータ読み取り可能な記憶媒体(non-transitory computer-readable storage medium)67からコンピュータにインストールされ、当該コンピュータのプロセッサに実行されることにより、当該コンピュータに医用画像処理装置66の機能を実現させる。但し、推定機能643、表示制御機能644及び学習制御機能645は、必須ではなく、任意の付加的事項である。
10 撮像装置
11 高電圧発生装置
12 X線発生部
13 X線検出器
14 Cアーム
141 Cアーム駆動装置
30 寝台装置
31 基台
32 寝台駆動装置
33 天板
34 支持フレーム
40 コンソール装置
41、61 メモリ
42、62 ディスプレイ
43、63 入力インタフェース
44、64 処理回路
441 システム制御機能
442、642 画像処理機能
443、643 推定機能
444、644 表示制御機能
445、645 学習制御機能
45、65 ネットワークインタフェース
46、66 医用画像処理装置
Nw ネットワーク
Claims (11)
- X線を発生させるX線発生部と、
被検体を透過した前記X線を検出してX線画像を順次生成するX線検出器と、
前記被検体に造影剤が注入された後に、前記生成された複数の前記X線画像における画素値の時系列的な第1の遷移に基づいて、順次生成される前記X線画像に対する画像処理を行う画像処理部と、
前記第1の遷移に対応する複数の前記X線画像よりも後のX線画像における画素値の時系列的な第2の遷移を、前記第1の遷移に基づいて推定する推定部と、
を備え、
前記画像処理部は、前記第1の遷移及び前記第2の遷移に基づいて、前記画像処理を行う、X線診断装置。 - 前記推定部は、前記第1の遷移に基づいて前記後のX線画像の画素値を生成し、前記第1の遷移における時系列的に後方の画素値と当該生成した画素値とを含む未来の遷移を生成する処理を再帰的に実行することにより、前記生成した全ての前記未来の遷移を含む前記第2の遷移を推定する、
請求項1に記載のX線診断装置。 - 前記第1の遷移は、前記X線画像における血管画素の画素値の時系列データであり、前記造影剤の濃度の上昇、ピーク及び下降のうちの前記上昇の初期における複数の画素値に対応している、
請求項1又は2に記載のX線診断装置。 - 前記第2の遷移は、前記後のX線画像における血管画素の画素値の時系列データであり、前記初期より後の前記上昇、前記ピーク及び前記下降における複数の画素値に対応している、
請求項3に記載のX線診断装置。 - 前記画像処理部は、
前記第1の遷移に基づいて、順次生成される前記X線画像の画素に対して、当該画素に描出される物体の種類に関する情報を設定し、
順次生成される前記X線画像に対して、設定された前記情報に基づく画像処理を当該X線画像内の画素の位置に応じて行う、
請求項1乃至4のいずれか一項に記載のX線診断装置。 - 前記画像処理部は、前記X線画像のうちの血管画素と前記血管画素以外の画素とを識別する識別情報を前記物体の種類に関する情報として設定する、
請求項5に記載のX線診断装置。 - 前記画像処理部は、前記被検体のDSA画像に基づいて、前記識別情報を設定する、 請求項6に記載のX線診断装置。
- 前記画像処理部は、前記被検体の時系列的なDSA画像に基づいて前記識別情報を出力するための学習済みモデルに対して、順次生成される前記X線画像を入力し、前記識別情報を出力させることにより、当該識別情報を設定する、
請求項7に記載のX線診断装置。 - 前記画像処理部は、前記識別情報により識別される血管画素の位置に応じて、当該識別情報に基づく画像処理であるコントラスト調整を行う、
請求項6乃至8のいずれか一項に記載のX線診断装置。 - 被検体のX線画像を順次生成するX線診断装置により順次生成されたX線画像を保存する記憶部と、
前記被検体に造影剤が注入された後に生成された複数の前記X線画像における画素値の時系列的な第1の遷移に基づいて、順次生成される前記X線画像に対する画像処理を行う画像処理部と、
前記第1の遷移に対応する複数の前記X線画像よりも後のX線画像における画素値の時系列的な第2の遷移を、前記第1の遷移に基づいて推定する推定部と、
を備え、
前記画像処理部は、前記第1の遷移及び前記第2の遷移に基づいて、前記画像処理を行う、医用画像処理装置。 - 被検体のX線画像を順次生成するX線診断装置により順次生成されたX線画像をメモリに保存する機能と、
前記被検体に造影剤が注入された後に生成された複数の前記X線画像における画素値の時系列的な第1の遷移に基づいて、順次生成される前記X線画像に対する画像処理を行う機能と、
前記第1の遷移に対応する複数の前記X線画像よりも後のX線画像における画素値の時系列的な第2の遷移を、前記第1の遷移に基づいて推定する機能と、
をコンピュータに実現させ、
前記画像処理を行う機能は、前記第1の遷移及び前記第2の遷移に基づいて、前記画像処理を行う、プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019182916A JP7353900B2 (ja) | 2019-10-03 | 2019-10-03 | X線診断装置、医用画像処理装置及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019182916A JP7353900B2 (ja) | 2019-10-03 | 2019-10-03 | X線診断装置、医用画像処理装置及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021058281A JP2021058281A (ja) | 2021-04-15 |
JP7353900B2 true JP7353900B2 (ja) | 2023-10-02 |
Family
ID=75380688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019182916A Active JP7353900B2 (ja) | 2019-10-03 | 2019-10-03 | X線診断装置、医用画像処理装置及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7353900B2 (ja) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100034446A1 (en) | 2008-08-06 | 2010-02-11 | Siemens Corporate Research,Inc. | System and Method for Coronary Digital Subtraction Angiography |
JP2010253017A (ja) | 2009-04-24 | 2010-11-11 | Toshiba Corp | 画像表示装置及び画像表示方法 |
JP2010284433A (ja) | 2009-06-15 | 2010-12-24 | Toshiba Corp | 医用画像処理装置、及びx線ct装置 |
JP2011055967A (ja) | 2009-09-08 | 2011-03-24 | Canon Inc | 画像処理装置、画像処理方法、及びプログラム |
JP2014221118A (ja) | 2013-05-13 | 2014-11-27 | 東芝メディカルシステムズ株式会社 | 医用画像撮影解析装置 |
JP2015097591A (ja) | 2013-11-18 | 2015-05-28 | キヤノン株式会社 | 画像処理装置、画像処理装置の制御方法およびプログラム |
JP2015128467A (ja) | 2014-01-06 | 2015-07-16 | 株式会社東芝 | 医用画像処理装置、x線診断装置及び医用画像処理プログラム |
WO2016084373A1 (ja) | 2014-11-27 | 2016-06-02 | 国立大学法人広島大学 | シミュレータ、該シミュレータを備える注入装置又は撮像システム、及びシミュレーションプログラム |
JP2018046922A (ja) | 2016-09-20 | 2018-03-29 | 株式会社島津製作所 | 放射線画像処理装置および放射線画像処理方法 |
CN109222980A (zh) | 2018-06-19 | 2019-01-18 | 北京红云智胜科技有限公司 | 基于深度学习的测量冠状动脉造影图像血管直径的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH074353B2 (ja) * | 1990-09-20 | 1995-01-25 | 株式会社東芝 | X線血管造影システム |
-
2019
- 2019-10-03 JP JP2019182916A patent/JP7353900B2/ja active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100034446A1 (en) | 2008-08-06 | 2010-02-11 | Siemens Corporate Research,Inc. | System and Method for Coronary Digital Subtraction Angiography |
JP2010253017A (ja) | 2009-04-24 | 2010-11-11 | Toshiba Corp | 画像表示装置及び画像表示方法 |
JP2010284433A (ja) | 2009-06-15 | 2010-12-24 | Toshiba Corp | 医用画像処理装置、及びx線ct装置 |
JP2011055967A (ja) | 2009-09-08 | 2011-03-24 | Canon Inc | 画像処理装置、画像処理方法、及びプログラム |
JP2014221118A (ja) | 2013-05-13 | 2014-11-27 | 東芝メディカルシステムズ株式会社 | 医用画像撮影解析装置 |
JP2015097591A (ja) | 2013-11-18 | 2015-05-28 | キヤノン株式会社 | 画像処理装置、画像処理装置の制御方法およびプログラム |
JP2015128467A (ja) | 2014-01-06 | 2015-07-16 | 株式会社東芝 | 医用画像処理装置、x線診断装置及び医用画像処理プログラム |
WO2016084373A1 (ja) | 2014-11-27 | 2016-06-02 | 国立大学法人広島大学 | シミュレータ、該シミュレータを備える注入装置又は撮像システム、及びシミュレーションプログラム |
JP2018046922A (ja) | 2016-09-20 | 2018-03-29 | 株式会社島津製作所 | 放射線画像処理装置および放射線画像処理方法 |
CN109222980A (zh) | 2018-06-19 | 2019-01-18 | 北京红云智胜科技有限公司 | 基于深度学习的测量冠状动脉造影图像血管直径的方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2021058281A (ja) | 2021-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11839501B2 (en) | Image creation device | |
JP7194143B2 (ja) | 肝臓腫瘍例のレビューを容易にするシステムおよび方法 | |
KR20220068968A (ko) | 엑스선 장치 및 이의 의료 영상 획득 | |
JP5053982B2 (ja) | X線診断装置および画像処理装置 | |
US20050089143A1 (en) | X-ray diagnosis apparatus and method for creating image data | |
US8265224B2 (en) | System for adjusting angiographic X-ray imaging parameters based on image content | |
JP6392040B2 (ja) | 画像処理装置、及び、x線診断装置 | |
CN107533755B (zh) | 用于改进医学图像质量的设备和方法 | |
KR102472464B1 (ko) | 영상처리방법 및 이를 이용한 영상처리장치 | |
CN115087395A (zh) | 针对介入的患者模型估计 | |
CN113164154B (zh) | 用于产生待记录对象的全景断层成像图像的方法和设备 | |
CN110876627A (zh) | X射线摄影装置和x射线图像处理方法 | |
JP2015213536A (ja) | 画像処理装置、及び、x線診断装置 | |
JP6002324B2 (ja) | 放射線画像生成装置及び画像処理方法 | |
JP7353900B2 (ja) | X線診断装置、医用画像処理装置及びプログラム | |
JP7242397B2 (ja) | 医用画像処理装置及びx線診断装置 | |
US20230083134A1 (en) | Generating a temporary image | |
CN110022772B (zh) | X射线装置及其获取医学图像的方法 | |
WO2014196608A1 (ja) | 画像処理装置、医用画像診断装置及びx線診断装置 | |
US20190130561A1 (en) | Medical image processing apparatus | |
US11334998B2 (en) | Medical image processing apparatus, X-ray diagnostic apparatus, and computer-implemented method | |
JP2013013649A (ja) | X線診断装置 | |
JP7483437B2 (ja) | 放射線照射制御装置、放射線治療システム及び放射線照射制御方法 | |
US20230056033A1 (en) | X-ray diagnosis apparatus, medical image processing apparatus, and storage medium | |
JP7438834B2 (ja) | 医用画像処理装置、x線診断装置及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220728 |
|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20230106 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230404 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230602 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230627 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230809 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230822 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230920 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7353900 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |