JP7443591B2 - Medical image diagnosis device and medical image diagnosis method - Google Patents

Medical image diagnosis device and medical image diagnosis method Download PDF

Info

Publication number
JP7443591B2
JP7443591B2 JP2023035405A JP2023035405A JP7443591B2 JP 7443591 B2 JP7443591 B2 JP 7443591B2 JP 2023035405 A JP2023035405 A JP 2023035405A JP 2023035405 A JP2023035405 A JP 2023035405A JP 7443591 B2 JP7443591 B2 JP 7443591B2
Authority
JP
Japan
Prior art keywords
image
subject
scan range
disease name
function
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
Application number
JP2023035405A
Other languages
Japanese (ja)
Other versions
JP2023065669A (en
Inventor
隆宏 養田
拓哉 橋本
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
Priority to JP2023035405A priority Critical patent/JP7443591B2/en
Publication of JP2023065669A publication Critical patent/JP2023065669A/en
Priority to JP2024023952A priority patent/JP2024054373A/en
Application granted granted Critical
Publication of JP7443591B2 publication Critical patent/JP7443591B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Description

本発明の実施形態は、医用画像診断装置、および医用画像診断方法に関する。 Embodiments of the present invention relate to a medical image diagnosis apparatus and a medical image diagnosis method.

従来、Ｘ線ＣＴ装置等の画像診断装置に関して、機械学習により画像処理パラメータを設定する方法や、画像内において検出対象自体（例えば、冠状動脈）や検出対象におけるＡＬ（Anatomical Landmark：解剖学的特徴点）を含むテンプレート画像を機械学習することで、画像解析段階における処理負荷を軽減する技術が開示されている。 Conventionally, with regard to image diagnostic equipment such as A technique has been disclosed that reduces the processing load at the image analysis stage by performing machine learning on a template image containing points).

また、従来、人体の特徴点（例えば、頭部や胴体の輪郭線）を認識してスキャン範囲を自動設定する、ＡＬＤ（Adaptive Layer Distribution）と称される技術が存在する。 Furthermore, there has conventionally been a technology called ALD (Adaptive Layer Distribution) that automatically sets a scan range by recognizing feature points of a human body (for example, contour lines of a head or torso).

しかしながら従来の技術では、機械学習結果を反映して撮影時における被検体の撮影位置合わせを容易に行うことができない場合があった。 However, with the conventional technology, there are cases where it is not possible to easily align the photographing position of the subject during photographing by reflecting the machine learning results.

米国特許出願公開第２０１６／２０９９９５号明細書US Patent Application Publication No. 2016/209995 米国特許出願公開第２０１７／３４７９７３号明細書US Patent Application Publication No. 2017/347973 米国特許出願公開第２０１８／７０９０８号明細書US Patent Application Publication No. 2018/70908

本発明が解決しようとする課題は、撮影時における被検体の撮影位置合わせを容易に行えるようにすることである。 The problem to be solved by the present invention is to enable easy alignment of the imaging position of a subject during imaging.

実施形態の医用画像診断装置は、取得部と、処理部とを備える。取得部は、疾患名を含む情報と被検体の位置合わせ画像とを取得する。処理部は、疾患名を含む情報と被検体の位置合わせ画像とに基づいた出力情報を出力する学習済みモデルに対して、取得された前記疾患名を含む情報と被検体の位置合わせ画像とを入力し、前記出力情報に基づいたスキャン範囲を出力する。 The medical image diagnostic apparatus of the embodiment includes an acquisition section and a processing section. The acquisition unit acquires information including the disease name and the alignment image of the subject. The processing unit applies the acquired information including the disease name and the aligned image of the subject to the trained model that outputs output information based on the information including the disease name and the aligned image of the subject. input, and outputs a scan range based on the output information.

第１の実施形態に係るＸ線ＣＴ装置の構成図。FIG. 1 is a configuration diagram of an X-ray CT apparatus according to a first embodiment. メモリ４１に格納されるデータの一例を示す図。4 is a diagram showing an example of data stored in a memory 41. FIG. スキャン制御機能５５の構成図。FIG. 5 is a configuration diagram of a scan control function 55. スキャン範囲自動設定機能５５－２による処理の内容について説明するための図。FIG. 7 is a diagram for explaining the content of processing by the scan range automatic setting function 55-2. 学習機能５７の処理について説明するための図。FIG. 5 is a diagram for explaining processing of a learning function 57. Ｘ線ＣＴ装置１の利用環境の一例について説明する図。FIG. 1 is a diagram illustrating an example of a usage environment of the X-ray CT apparatus 1. Ｘ線ＣＴ装置１の利用環境の一例について説明する図。FIG. 1 is a diagram illustrating an example of a usage environment of the X-ray CT apparatus 1. Ｘ線ＣＴ装置１による撮影処理の流れの一例を示すフローチャート。5 is a flowchart showing an example of the flow of imaging processing by the X-ray CT apparatus 1. FIG. 学習機能５７による学習処理の流れの一例を示すフローチャート。5 is a flowchart showing an example of the flow of learning processing by the learning function 57. 第２の実施形態に係る架台装置１０Ａを説明するための図。FIG. 7 is a diagram for explaining a gantry device 10A according to a second embodiment. 第２の実施形態に係るメモリ４１Ａに格納されるデータの一例を示す図。The figure which shows an example of the data stored in memory 41A based on 2nd Embodiment. 第２の実施形態に係るスキャン制御機能５５Ａの構成図。FIG. 5 is a configuration diagram of a scan control function 55A according to a second embodiment. スキャン範囲自動設定機能５５－２Ａによる処理の内容について説明するための図。FIG. 7 is a diagram for explaining the content of processing by the scan range automatic setting function 55-2A. 学習機能５７Ａの処理について説明するための図。A diagram for explaining processing of the learning function 57A. Ｘ線ＣＴ装置１Ａによる撮影処理の流れの一例を示すフローチャート。A flowchart showing an example of the flow of imaging processing by the X-ray CT apparatus 1A. 学習機能５７Ａによる光学画像の学習処理の流れの一例を示すフローチャート。5 is a flowchart showing an example of the flow of optical image learning processing by the learning function 57A.

以下、実施形態の医用画像診断装置、および医用画像診断方法を、図面を参照して説明する。医用画像診断装置は、例えば、Ｘ線ＣＴ（Computed Tomography：コンピュータ断層診断）装置や、ＭＲＩ（Magnetic Resonance Imaging：磁気共鳴画像）装置、ＰＥＴ（Positron Emission Tomography：陽電子放出断層撮影）装置等の医用画像に対する処理を行って被検体を診断する装置である。以下の説明において、医用画像診断装置はＸ線ＣＴ装置であるものとして説明するが、これに限定されるものではない。 Hereinafter, a medical image diagnostic apparatus and a medical image diagnostic method according to embodiments will be described with reference to the drawings. The medical image diagnostic device is, for example, an X-ray CT (Computed Tomography) device, an MRI (Magnetic Resonance Imaging) device, a PET (Positron Emission Tomography) device, etc. This is a device that diagnoses a subject by performing processing on the subject. In the following description, the medical image diagnostic apparatus will be explained as an X-ray CT apparatus, but the present invention is not limited to this.

（第１の実施形態）
図１は、第１の実施形態に係る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１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。本実施形態では、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。 (First embodiment)
FIG. 1 is a configuration diagram of an X-ray CT apparatus 1 according to the first embodiment. The X-ray CT apparatus 1 includes, for example, a gantry device 10, a bed device 30, and a console device 40. In FIG. 1, for convenience of explanation, both a view of the gantry apparatus 10 as viewed from the Z-axis direction and a view as seen from the X-axis direction are shown, but in reality, there is only one gantry apparatus 10. In this embodiment, the rotation axis of the rotation frame 17 in a non-tilted state or the longitudinal direction of the top plate 33 of the bed device 30 is the Z-axis direction, and the axis perpendicular to the Z-axis direction and horizontal to the floor surface is the X-axis direction. A direction that is perpendicular to the axial direction and the Z-axis direction and perpendicular to the floor surface is defined as the Y-axis direction.

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。 The gantry device 10 includes, for example, an X-ray tube 11, a wedge 12, a collimator 13, an X-ray high voltage device 14, an X-ray detector 15, and a data acquisition system (hereinafter referred to as DAS) 16. , a rotating frame 17, and a control device 18.

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。 The X-ray tube 11 generates X-rays by irradiating thermoelectrons from a cathode (filament) toward an anode (target) by applying a high voltage from an X-ray high voltage device 14 . X-ray tube 11 includes a vacuum tube. For example, the X-ray tube 11 is a rotating anode type X-ray tube that generates X-rays by irradiating a rotating anode with thermoelectrons.

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。 The wedge 12 is a filter for adjusting the amount of X-rays irradiated from the X-ray tube 11 to the subject P. The wedge 12 attenuates the X-rays that pass through it so that the distribution of the amount of X-rays irradiated from the X-ray tube 11 to the subject P becomes a predetermined distribution. The wedge 12 is also called a wedge filter or a bow-tie filter. The wedge 12 is, for example, made of aluminum processed to have a predetermined target angle and a predetermined thickness.

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。 The collimator 13 is a mechanism for narrowing down the irradiation range of the X-rays that have passed through the wedge 12. The collimator 13 narrows down the irradiation range of X-rays by forming a slit using a combination of a plurality of lead plates, for example. The collimator 13 is sometimes called an X-ray diaphragm.

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。 The X-ray high voltage device 14 includes, for example, a high voltage generator and an X-ray control device. The high voltage generator has an electric circuit including a transformer, a rectifier, and the like, and generates a high voltage to be applied to the X-ray tube 11. The X-ray control device controls the output voltage of the high voltage generator according to the amount of X-rays to be generated in the X-ray tube 11. The high voltage generator may be one that boosts the voltage using the above-mentioned transformer, or may boost the voltage using an inverter. The X-ray high voltage device 14 may be provided on the rotating frame 17 or may be provided on the fixed frame (not shown) side of the gantry device 10.

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、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。 The X-ray detector 15 detects the intensity of X-rays generated by the X-ray tube 11 and incident upon the subject P. The X-ray detector 15 outputs to the DAS 18 an electrical signal (an optical signal or the like) corresponding to the intensity of the detected X-rays. The X-ray detector 15 has, for example, a plurality of X-ray detection element rows. Each of the plurality of X-ray detection element rows has a plurality of X-ray detection elements arranged in the channel direction along an arc centered on the focal point of the X-ray tube 11. The plurality of X-ray detection element rows are arranged in the slice direction (column direction, row direction).

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。 The X-ray detector 15 is, for example, an indirect detector having a grid, a scintillator array, and a photosensor array. A scintillator array has multiple scintillators. Each scintillator has a scintillator crystal. A scintillator crystal emits light in an amount corresponding to the intensity of incident X-rays. The grid is disposed on the surface of the scintillator array on which X-rays are incident, and has an X-ray shielding plate that has a function of absorbing scattered X-rays. Note that the grid is sometimes called a collimator (one-dimensional collimator or two-dimensional collimator). The optical sensor array includes optical sensors such as photomultiplier tubes (PMTs), for example. The optical sensor array outputs an electrical signal according to the amount of light emitted by the scintillator. The X-ray detector 15 may be a direct conversion type detector having a semiconductor element that converts incident X-rays into electrical signals.

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。 The DAS 16 includes, for example, an amplifier, an integrator, and an A/D converter. The amplifier performs amplification processing on the electrical signals output by each X-ray detection element of the X-ray detector 15. The integrator integrates the amplified electrical signal over a view period (described later). The A/D converter converts the electrical signal representing the integration result into a digital signal. DAS 16 outputs detection data based on digital signals to console device 40 . The detected data is a digital value of the x-ray intensity identified by the channel number of the generating x-ray detection element, the column number, and the view number indicating the collected view. The view number is a number that changes according to the rotation of the rotating frame 17, and is a number that is incremented according to the rotation of the rotating frame 17, for example. Therefore, the view number is information indicating the rotation angle of the X-ray tube 11. The view period is a period that falls between the rotation angle corresponding to a certain view number and the rotation angle corresponding to the next view number. The DAS 16 may detect the switching of views using a timing signal input from the control device 18, an internal timer, or a signal obtained from a sensor (not shown). . When performing a full scan and the X-ray tube 11 is continuously emitting X-rays, the DAS 16 collects a group of detection data for the entire circumference (360 degrees). When performing a half scan and the X-ray tube 11 is continuously emitting X-rays, the DAS 16 collects detection data for half the circumference (180 degrees).

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。 The rotating frame 17 is an annular member that supports the X-ray tube 11, the wedge 12, the collimator 13, and the X-ray detector 15 so as to face each other. The rotating frame 17 is rotatably supported by a fixed frame around the subject P introduced therein. The rotating frame 17 further supports the DAS 16. The detection data outputted by the DAS 16 is transmitted via optical communication from a transmitter having a light emitting diode (LED) provided in the rotating frame 17 to a photodiode provided in a non-rotating portion (for example, a fixed frame) of the gantry device 10. It is transmitted to the receiver and transferred by the receiver to the console device 40. Note that the method for transmitting detection data from the rotating frame 17 to the non-rotating portion is not limited to the method using optical communication described above, and any contactless transmission method may be employed. The rotating frame 17 is not limited to an annular member, but may be an arm-like member as long as it can support and rotate the X-ray tube 11 and the like.

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－ＴｙｐｅのＸ線ＣＴ装置（第４世代ＣＴ）であってもよい。 The X-ray CT apparatus 1 is, for example, a Rotate/Rotate-Type X-ray CT apparatus (a third generation CT), but is not limited to this, Stationary/Rotate-Type in which a plurality of X-ray detection elements arranged in an annular shape are fixed to a fixed frame and the X-ray tube 11 rotates around the subject P. It may also be an X-ray CT device (4th generation CT).

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。 The control device 18 includes, for example, a processing circuit including a processor such as a CPU (Central Processing Unit), and a drive mechanism including a motor, an actuator, and the like. The control device 18 receives input signals from the input interface 43 attached to the console device 40 or the gantry device 10 and controls the operations of the gantry device 10 and the bed device 30.

制御装置１８は、例えば、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、処理回路５０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。 The control device 18 rotates the rotating frame 17, tilts the gantry device 10, and moves the top plate 33 of the bed device 30, for example. When tilting the gantry device 10, the control device 18 rotates the rotating frame 17 about an axis parallel to the Z-axis direction based on the tilt angle input to the input interface 43. The control device 18 knows the rotation angle of the rotating frame 17 based on the output of a sensor (not shown) or the like. Further, the control device 18 provides the rotation angle of the rotating frame 17 to the processing circuit 50 at any time. The control device 18 may be provided on the gantry device 10 or may be provided on the console device 40.

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。 The bed device 30 is a device on which a subject P to be scanned is placed and moved, and introduced into the rotating frame 17 of the gantry device 10 . The bed device 30 includes, for example, a base 31, a bed driving device 32, a top plate 33, and a support frame 34. The base 31 includes a housing that supports the support frame 34 movably in the vertical direction (Y-axis direction). The bed driving device 32 includes a motor and an actuator. The bed driving device 32 moves the top plate 33 on which the subject P is placed along the support frame 34 in the longitudinal direction of the top plate 33 (Z-axis direction). The top plate 33 is a plate-shaped member on which the subject P is placed.

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。 The bed driving device 32 may move not only the top plate 33 but also the support frame 34 in the longitudinal direction of the top plate 33. Further, contrary to the above, the gantry device 10 may be movable in the Z-axis direction, and the rotating frame 17 may be controlled to come around the subject P by moving the gantry device 10. Alternatively, both the gantry device 10 and the top plate 33 may be movable. Further, the X-ray CT apparatus 1 may be an apparatus in which the subject P is scanned in a standing or sitting position. In this case, the X-ray CT apparatus 1 includes a subject support mechanism in place of the bed device 30, and the gantry device 10 rotates the rotating frame 17 about an axial direction perpendicular to the floor surface.

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、メモリ４１と、ネットワーク接続回路４４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。 The console device 40 includes, for example, a memory 41, a display 42, an input interface 43, a memory 41, a network connection circuit 44, and a processing circuit 50. In the embodiment, the console device 40 is described as being separate from the gantry device 10, but the gantry device 10 may include some or all of the components of the console device 40.

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、ＣＴ画像等を記憶する。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。外部メモリは、例えば、ＰＡＣＳ(Picture Archiving and Communication Systems)と称されるシステムにより実現される。ＰＡＣＳとは、各種画像診断装置によって撮影された画像等を体系的に記憶するシステムである。 The memory 41 is realized by, for example, a RAM (Random Access Memory), a semiconductor memory element such as a flash memory, a hard disk, an optical disk, or the like. The memory 41 stores, for example, detection data, projection data, reconstructed images, CT images, and the like. These data may be stored not in the memory 41 (or in addition to the memory 41) but in an external memory with which the X-ray CT apparatus 1 can communicate. The external memory is controlled by a cloud server, for example, when the cloud server that manages the external memory accepts read/write requests. The external memory is realized, for example, by a system called PACS (Picture Archiving and Communication Systems). PACS is a system that systematically stores images and the like taken by various image diagnostic devices.

図２は、メモリ４１に格納されるデータの一例を示す図である。図２に示すように、メモリ４１には、例えば、撮影条件４１－１や、処理回路５０により生成される検出データ４１－２、投影データ４１－３、再構成画像４１－４、スキャン範囲４１－７、学習済みモデル４１－８などの情報が格納される。再構成画像４１－４は、例えば、スキャノ画像４１－５、本撮影画像４１－６と分類することができる。 FIG. 2 is a diagram showing an example of data stored in the memory 41. As shown in FIG. 2, the memory 41 stores, for example, imaging conditions 41-1, detection data 41-2 generated by the processing circuit 50, projection data 41-3, reconstructed images 41-4, scan ranges 41 -7, learned model 41-8, and other information is stored. The reconstructed image 41-4 can be classified, for example, as a scano image 41-5 and an actually photographed image 41-6.

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。 The display 42 displays various information. For example, the display 42 displays medical images (CT images) generated by a processing circuit, GUI (Graphical User Interface) images that accept various operations by an operator, and the like. The display 42 is, for example, a liquid crystal display, a CRT (Cathode Ray Tube), an organic EL (Electroluminescence) display, or the like. The display 42 may be provided on the gantry device 10. The display 42 may be of a desktop type, or may be a display device (for example, a tablet terminal) that can communicate wirelessly with the main body of the console device 40.

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、トラックボール、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。 The input interface 43 accepts various input operations by an operator, and outputs an electrical signal indicating the content of the received input operation to the processing circuit 50. For example, the input interface 43 includes acquisition conditions when collecting detection data or projection data (described later), reconstruction conditions when reconstructing a CT image, image processing conditions when generating a post-processed image from a CT image, etc. accepts input operations. For example, the input interface 43 is realized by a mouse, keyboard, touch panel, trackball, switch, button, joystick, camera, infrared sensor, microphone, or the like. The input interface 43 may be provided in the gantry device 10. Further, the input interface 43 may be realized by a display device (for example, a tablet terminal) that can communicate wirelessly with the main body of the console device 40.

ネットワーク接続回路４４は、例えば、プリント回路基板を有するネットワークカード、或いは無線通信モジュールなどを含む。ネットワーク接続回路４４は、接続する対象のネットワークの形態に応じた情報通信用プロトコルを実装する。ネットワークは、例えば、ＬＡＮ（Local Area Network）やＷＡＮ（Wide Area Network）、インターネット、セルラー網、専用回線等を含む。 The network connection circuit 44 includes, for example, a network card having a printed circuit board or a wireless communication module. The network connection circuit 44 implements an information communication protocol depending on the type of network to be connected. The network includes, for example, a LAN (Local Area Network), a WAN (Wide Area Network), the Internet, a cellular network, a dedicated line, and the like.

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、学習機能５７、転送機能５８などを実行する。処理回路５０は、例えば、ハードウェアプロセッサがメモリ４１に記憶されたプログラムを実行することにより、これらの機能を実現するものである。 The processing circuit 50 controls the overall operation of the X-ray CT apparatus 1. The processing circuit 50 executes, for example, a system control function 51, a preprocessing function 52, a reconstruction processing function 53, an image processing function 54, a scan control function 55, a display control function 56, a learning function 57, a transfer function 58, and the like. The processing circuit 50 realizes these functions by, for example, a hardware processor executing a program stored in the memory 41.

ハードウェアプロセッサとは、例えば、ＣＰＵ、ＧＰＵ（Graphics Processing Unit）、特定用途向け集積回路（Application Specific Integrated Circuit; ＡＳＩＣ）、プログラマブル論理デバイス（例えば、単純プログラマブル論理デバイス（Simple Programmable Logic Device; ＳＰＬＤ）または複合プログラマブル論理デバイス（Complex Programmable Logic Device; ＣＰＬＤ）、フィールドプログラマブルゲートアレイ（Field Programmable Gate Array; ＦＰＧＡ））などの回路（circuitry）を意味する。メモリ４１にプログラムを記憶させる代わりに、ハードウェアプロセッサの回路内にプログラムを直接組み込むように構成しても構わない。この場合、ハードウェアプロセッサは回路内に組み込まれたプログラムを読み出し実行することで機能を実現する。ハードウェアプロセッサは、単一の回路として構成されるものに限らず、複数の独立した回路を組み合わせて１つのハードウェアプロセッサとして構成され、各機能を実現するようにしてもよい。また、複数の構成要素を１つのハードウェアプロセッサに統合して各機能を実現するようにしてもよい。 A hardware processor is, for example, a CPU, a GPU (Graphics Processing Unit), an Application Specific Integrated Circuit (ASIC), a programmable logic device (for example, a Simple Programmable Logic Device (SPLD), or Refers to a circuit such as a complex programmable logic device (CPLD) or a field programmable gate array (FPGA). Instead of storing the program in the memory 41, the program may be directly incorporated into the circuit of the hardware processor. In this case, the hardware processor realizes its functions by reading and executing a program built into the circuit. The hardware processor is not limited to being configured as a single circuit, but may be configured as one hardware processor by combining a plurality of independent circuits to realize each function. Further, a plurality of components may be integrated into one hardware processor to realize each function.

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、あるいは複数の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。 Each component included in the console device 40 or the processing circuit 50 may be distributed and realized by a plurality of pieces of hardware. The processing circuit 50 may be realized by a processing device that can communicate with the console device 40 instead of the configuration that the console device 40 has. The processing device is, for example, a workstation connected to one X-ray CT device, or a device that is connected to multiple X-ray CT devices and collectively executes the same processing as the processing circuit 50 described below (for example, cloud server).

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。 The system control function 51 controls various functions of the processing circuit 50 based on input operations received by the input interface 43.

前処理機能５２は、ＤＡＳ１６により出力された検出データ４１－２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って投影データ４１－３を生成し、生成した投影データ４１－３をメモリ４１に記憶させる。 The preprocessing function 52 performs preprocessing such as logarithmic conversion processing, offset correction processing, inter-channel sensitivity correction processing, and beam hardening correction on the detection data 41-2 output by the DAS 16, and converts the detection data 41-2 into projection data 41-3. is generated, and the generated projection data 41-3 is stored in the memory 41.

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再構成画像４１－４を生成し、生成した再構成画像４１－４をメモリ４１に記憶させる。 The reconstruction processing function 53 performs reconstruction processing on the projection data generated by the preprocessing function 52 using a filtered back projection method, a successive approximation reconstruction method, etc. to generate a reconstructed image 41-4. The generated reconstructed image 41-4 is stored in the memory 41.

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、再構成画像４１－４を公知の方法により、三次元画像や任意断面の断面像データに変換する。三次元画像への変換は、前処理機能５２によって行われてもよい。 The image processing function 54 converts the reconstructed image 41-4 into a three-dimensional image or cross-sectional image data of an arbitrary cross section using a known method based on the input operation received by the input interface 43. Conversion to a three-dimensional image may be performed by a preprocessing function 52.

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、スキャノ画像４１－５または本撮影画像４１－６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。 The scan control function 55 controls the detection data collection process in the gantry device 10 by instructing the X-ray high voltage device 14, DAS 16, control device 18, and bed driving device 32. The scan control function 55 controls the operations of each unit when acquiring the scanogram image 41-5 or the main photographic image 41-6 and when photographing an image used for diagnosis.

表示制御機能５６は、ディスプレイ４２の表示態様を制御する。 The display control function 56 controls the display mode of the display 42.

学習機能５７は、スキャン範囲４１－７を学習する。学習機能５７の詳細な処理については後述する。学習機能５７は、「学習部」の一例である。 The learning function 57 learns the scan range 41-7. Detailed processing of the learning function 57 will be described later. The learning function 57 is an example of a "learning section".

転送機能５８は、撮影された再構成画像４１－４の一部または全部をＰＡＣＳに転送する。転送機能５８は、「転送部」の一例である。 The transfer function 58 transfers part or all of the photographed reconstructed image 41-4 to the PACS. The transfer function 58 is an example of a "transfer unit."

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。コンベンショナルスキャンを実行する。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。 With the above configuration, the X-ray CT apparatus 1 scans the subject P in a manner such as a helical scan, a conventional scan, or a step-and-shoot. The helical scan is a mode in which the subject P is scanned in a spiral manner by rotating the rotating frame 17 while moving the top plate 33. Conventional scanning is a mode in which the rotating frame 17 is rotated while the top plate 33 is kept stationary to scan the subject P in a circular orbit. Run a conventional scan. The step-and-shoot is a mode in which the position of the top plate 33 is moved at regular intervals to perform conventional scanning in a plurality of scanning areas.

図３は、スキャン制御機能５５の構成図である。スキャン制御機能５５は、例えば、スキャノ画像取得機能５５－１と、スキャン範囲自動設定機能５５－２と、スキャン範囲手動設定機能５５－３と、スキャン実行機能５５－４とを備える。 FIG. 3 is a configuration diagram of the scan control function 55. The scan control function 55 includes, for example, a scan image acquisition function 55-1, a scan range automatic setting function 55-2, a scan range manual setting function 55-3, and a scan execution function 55-4.

スキャノ画像取得機能５５－１は、スキャン範囲を決定するための被検体Ｐのスキャノ画像４１－５を取得する。なお、スキャノ画像は、位置合わせ画像の一例である。位置合わせ画像の他の例としては、スカウト画像などが挙げられる。 The scanogram acquisition function 55-1 acquires a scanogram 41-5 of the subject P for determining the scan range. Note that the scano image is an example of an alignment image. Other examples of alignment images include scout images and the like.

スキャノ画像の取得方法について説明する。スキャノ画像取得機能５５－１は、制御装置１８に、Ｘ線管１１の位置を所定の回転角度に固定し、寝台装置３０の天板３３をＺ軸方向に移動させながらＸ線管１１よりＸ線を被検体Ｐに照射するよう制御させる。スキャノ画像取得機能５５－１は、このようにして取得された検出データ４１－２から被検体Ｐの２次元のスキャノ画像４１－５を取得する。 The method for acquiring a scano image will be explained. The scano image acquisition function 55-1 causes the control device 18 to fix the position of the X-ray tube 11 at a predetermined rotation angle, move the top plate 33 of the bed device 30 in the Z-axis direction, and acquire X-ray images from the X-ray tube 11. The radiation is controlled to be irradiated onto the subject P. The scanogram acquisition function 55-1 acquires a two-dimensional scanogram 41-5 of the subject P from the detection data 41-2 acquired in this way.

なお、スキャノ画像４１－５の取得方法は、上述の方式に限らず、例えば、ヘリカルスキャンあるいはノンヘリカルスキャンによって被検体Ｐに対する全周囲分の投影データ４１－３を収集する方式で取得してもよい。ここで、スキャノ画像取得機能５５－１は、被検体の胸部全体、腹部全体、上半身全体、全身などの広範囲に対して本撮影よりも低線量でスキャンを実行する。ノンヘリカルスキャンとは、例えば、ステップアンドシュート方式のスキャンである。このように、スキャノ画像取得機能５５－１が被検体Ｐに対する全周囲分の検出データ４１－２を収集することで、再構成処理機能５３が３次元の再構成画像４１－４（ボリュームデータ）を再構成し、再構成したボリュームデータに基づいて、任意の方向に応じた２次元のスキャノ画像４１－５を生成してもよい。また、スキャノ画像４１－５は、前述のボリュームデータを用いることで、３次元のスキャノ画像４１－５として扱うことも可能である。 Note that the acquisition method of the scano image 41-5 is not limited to the above-mentioned method, but may also be acquired by, for example, a method of collecting projection data 41-3 for the entire circumference of the subject P by helical scanning or non-helical scanning. good. Here, the scan image acquisition function 55-1 scans a wide range of the subject's entire chest, abdomen, upper body, and whole body at a lower dose than the actual imaging. The non-helical scan is, for example, a step-and-shoot scan. In this way, the scan image acquisition function 55-1 collects the detection data 41-2 for the entire circumference of the subject P, and the reconstruction processing function 53 generates a three-dimensional reconstructed image 41-4 (volume data). may be reconstructed, and a two-dimensional scano image 41-5 corresponding to an arbitrary direction may be generated based on the reconstructed volume data. Moreover, the scano image 41-5 can also be treated as a three-dimensional scano image 41-5 by using the volume data described above.

スキャノ画像取得機能５５－１は、例えば上記例示した方法のいずれかによって取得したスキャノ画像を、スキャン範囲自動設定機能５５－２に出力する。スキャノ画像取得機能５５－１は、「取得部」の一例である。なお「取得部」は、上記の例のように「自ら生成して取得する」のに限らず、「他の機能部から取得する」ものであってもよい。 The scano image acquisition function 55-1 outputs a scano image acquired by, for example, one of the methods exemplified above to the scan range automatic setting function 55-2. The scano image acquisition function 55-1 is an example of an "acquisition unit". Note that the "acquisition unit" is not limited to "generating and acquiring by itself" as in the above example, but may also be one that "acquires from another functional unit".

スキャン範囲自動設定機能５５－２は、スキャノ画像取得機能５５－１により出力されたスキャノ画像と、撮影条件とを学習済みモデル４１－８に入力し、その結果として得られる出力情報に応じて、スキャン範囲４１－７を設定し、メモリ４１に記憶させる。 The scan range automatic setting function 55-2 inputs the scano image output by the scano image acquisition function 55-1 and the shooting conditions to the learned model 41-8, and according to the output information obtained as a result, A scan range 41-7 is set and stored in the memory 41.

学習済みモデル４１－８は、後述するように、例えば学習機能５７によって学習されたものである。学習済みモデル４１－８は、例えば、被検体の撮影条件（例えば、年齢、性別、体型、疾患名、スキャン対象部位、検査条件、寝台位置条件のうち一部または全部）を入力すると、スキャン範囲を出力するように学習されたものである。スキャン対象部位には、例えば、頭部、上半身、肺、肝臓等がある。検査条件には、例えば、初回撮影、経過観察撮影等がある。なお、本実施形態では、撮影条件は入力パラメータであるものとしているが、撮影条件ごとの学習済みモデル４１－８が学習され、スキャン範囲自動設定機能５５－２は、被検体Ｐの撮影条件に合致する学習済みモデル４１－８を選択して、上記の処理に用いてもよい。更に、撮影条件のうち第１部分ごとの学習済みモデル４１－８が学習されると共に、撮影条件のうち第２部分は入力パラメータとして用いられ、スキャン範囲自動設定機能５５－２は、被検体Ｐの撮影条件のうち第１部分に合致する学習済みモデル４１－８を選択して、上記の処理に用いてもよい。 The trained model 41-8 is one trained by, for example, the learning function 57, as will be described later. For example, the trained model 41-8 can calculate the scan range by inputting the imaging conditions of the subject (for example, age, gender, body shape, disease name, part or all of the scan target area, examination conditions, and bed position conditions). It has been trained to output . Areas to be scanned include, for example, the head, upper body, lungs, and liver. The inspection conditions include, for example, initial imaging, follow-up imaging, and the like. In this embodiment, it is assumed that the imaging conditions are input parameters, but the learned model 41-8 for each imaging condition is learned, and the scan range automatic setting function 55-2 is configured based on the imaging conditions of the subject P. A matching trained model 41-8 may be selected and used for the above processing. Further, the trained model 41-8 for each first part of the imaging conditions is learned, the second part of the imaging conditions is used as an input parameter, and the scan range automatic setting function 55-2 The trained model 41-8 that matches the first part of the photographing conditions may be selected and used for the above processing.

図４は、スキャン範囲自動設定機能５５－２による処理の内容について説明するための図である。スキャン範囲自動設定機能５５－２は、パラメータとして撮影条件４１－１と、スキャノ画像４１－５とを学習済みモデル４１－８に入力することで、被検体Ｐのスキャン範囲４１－７を出力する。このスキャン範囲４１－７に基づいて後続の処理を行うことにより、スキャン範囲を最初から手動で設定する場合に比して、被検体Ｐのスキャノ画像撮影から本撮影までに要するスキャン計画の時間を短縮することができる。 FIG. 4 is a diagram for explaining the content of processing by the scan range automatic setting function 55-2. The scan range automatic setting function 55-2 outputs the scan range 41-7 of the subject P by inputting the imaging condition 41-1 and the scano image 41-5 as parameters to the learned model 41-8. . By performing subsequent processing based on this scan range 41-7, the scan planning time required from capturing the scanogram of the subject P to the actual capture is shorter than when the scan range is manually set from the beginning. Can be shortened.

スキャン範囲自動設定機能５５－２は、このように自動で設定されたスキャン範囲４１－７をメモリ４１に記憶させる。スキャン範囲自動設定機能５５－２は、「処理部」の一例である。 The scan range automatic setting function 55-2 stores the scan range 41-7 automatically set in this way in the memory 41. The scan range automatic setting function 55-2 is an example of a "processing section".

なお、スキャン範囲自動設定機能５５－２は、好適な学習済みモデル４１－８が存在しない場合には、スキャン範囲４１－７の設定処理を省略して、スキャノ画像４１－５をスキャン範囲手動設定機能５５－３に出力してもよい。 Note that if a suitable trained model 41-8 does not exist, the scan range automatic setting function 55-2 skips the setting process of the scan range 41-7 and manually sets the scan range of the scan image 41-5. It may also be output to function 55-3.

スキャン範囲手動設定機能５５－３は、操作者によるスキャン範囲の微調整、やり直し、新規設定などを受け付ける。スキャン範囲手動設定機能５５－３は、例えば、スキャン範囲自動設定機能５５－２により出力されたスキャン範囲４１－７に対して、操作者が入力インターフェース４３を介して入力した微調整の内容を反映させ、メモリ４１のスキャン範囲４１－７を更新する。 The scan range manual setting function 55-3 accepts fine adjustment, redo, new settings, etc. of the scan range by the operator. For example, the scan range manual setting function 55-3 reflects the details of fine adjustments input by the operator via the input interface 43 to the scan range 41-7 output by the scan range automatic setting function 55-2. and updates the scan range 41-7 of the memory 41.

また、スキャン範囲手動設定機能５５－３は、スキャン範囲自動設定機能５５－２により出力されたスキャン範囲４１－７を採用しないことを示す操作を操作者が行った場合に、スキャン範囲設定のやり直し（または新規作成）を行う。この場合、スキャン範囲手動設定機能５５－３は、スキャノ画像取得機能５５－１により出力されたスキャノ画像４１－５に対して、操作者が入力インターフェース４３を介して入力した操作（例えば、ディスプレイ４２上で、スキャノ画像４１－５の上にスキャン範囲４１－７を示す枠線を表示し、その枠線の位置を移動させたり、枠線の大きさを拡大したり縮小したりする入力操作）に応じてスキャン範囲４１－７を設定する。スキャン範囲手動設定機能５５－３は、設定したスキャン範囲４１－７で、メモリ４１に記憶されたスキャン範囲４１－７を上書きする。スキャン範囲自動設定機能５５－２がスキャン範囲４１－７の設定処理を省略した場合も同様に、スキャン範囲手動設定機能５５－３は、スキャノ画像４１－５の上にスキャン範囲４１－７を示す枠線を表示し、その枠線の位置を移動させたり、枠線の大きさを拡大したり縮小したり、スキャノ画像４１－５の端部から任意の割合を削除して小さくしたりする入力操作に応じてスキャン範囲４１－７を設定する。スキャン範囲手動設定機能５５－３は、微調整、やり直し等により設定されたスキャン範囲４１－７をメモリ４１に記憶させる。スキャン範囲手動設定機能５５－３は、「画像加工部」の一例である。 In addition, the scan range manual setting function 55-3 is configured to redo the scan range setting when the operator performs an operation indicating that the scan range 41-7 outputted by the scan range automatic setting function 55-2 is not adopted. (or create a new one). In this case, the scan range manual setting function 55-3 performs an operation input by the operator via the input interface 43 (for example, on the display 42 (Input operation for displaying a frame line indicating the scan range 41-7 above the scano image 41-5, moving the position of the frame line, and enlarging or reducing the size of the frame line) The scan range 41-7 is set accordingly. The scan range manual setting function 55-3 overwrites the scan range 41-7 stored in the memory 41 with the set scan range 41-7. Similarly, when the scan range automatic setting function 55-2 omits the setting process for the scan range 41-7, the scan range manual setting function 55-3 indicates the scan range 41-7 on the scano image 41-5. Input for displaying a frame line, moving the position of the frame line, enlarging or reducing the size of the frame line, or deleting an arbitrary percentage from the edge of the scano image 41-5 to make it smaller. The scan range 41-7 is set according to the operation. The scan range manual setting function 55-3 causes the memory 41 to store the scan range 41-7 set by fine adjustment, redo, etc. The scan range manual setting function 55-3 is an example of an "image processing section".

なお、スキャン範囲自動設定機能５５－２およびスキャン範囲手動設定機能５５－３は、ＣＴ画像を再構成する際の再構成範囲を設定するものであってもよい。この場合、スキャン範囲自動設定機能５５－２は、例えば、学習済みモデル４１－８によって出力されたスキャン範囲４１－７を再構成範囲に変換する所定の演算を行い、その演算結果に基づいて、制御装置１８にスキャンを実行させる。このとき、学習済みモデル４１－８によって出力されるスキャン範囲４１－７は、再構成範囲よりも広範囲となる可能性がある。また、スキャン範囲自動設定機能５５－２およびスキャン範囲手動設定機能５５－３が再構成範囲を設定する場合、且つ、学習済みモデル４１－８に再構成範囲を出力する学習済みモデルがある場合、その再構成範囲を出力する学習済みモデルが用いられてもよい。この場合、スキャン範囲手動設定機能５５－３は、再構成範囲を上下左右に拡張した範囲をスキャン範囲４１－７として設定する。 Note that the scan range automatic setting function 55-2 and the scan range manual setting function 55-3 may set a reconstruction range when reconstructing a CT image. In this case, the scan range automatic setting function 55-2 performs a predetermined calculation to convert the scan range 41-7 output by the learned model 41-8 into a reconstruction range, and based on the calculation result, Control device 18 is caused to execute the scan. At this time, the scan range 41-7 output by the learned model 41-8 may be wider than the reconstruction range. In addition, when the scan range automatic setting function 55-2 and the scan range manual setting function 55-3 set the reconstruction range, and when there is a trained model that outputs the reconstruction range in the trained model 41-8, A trained model that outputs the reconstruction range may be used. In this case, the scan range manual setting function 55-3 sets a range obtained by extending the reconstruction range vertically and horizontally as the scan range 41-7.

スキャン実行機能５５－４は、メモリ４１に格納されたスキャン範囲４１－７によって規定される範囲で本撮影を行い、本撮影画像４１－６（スキャン画像）を取得するように、制御装置１８を制御する。 The scan execution function 55-4 causes the control device 18 to perform actual photography within the range defined by the scan range 41-7 stored in the memory 41 and to obtain the actual photography image 41-6 (scanned image). Control.

スキャン範囲４１－７には、スキャン範囲自動設定機能５５－２による自動設定結果であるスキャン範囲が採用されたのか、スキャン範囲手動設定機能５５－３による手動設定が行われたのか否かを識別するフラグ等が設定されてもよい。 For the scan range 41-7, it is determined whether a scan range that is an automatic setting result by the scan range automatic setting function 55-2 has been adopted, or whether manual setting has been performed by the scan range manual setting function 55-3. A flag or the like may be set.

学習機能５７は、複数の被検体に関するスキャノ画像と撮影条件とスキャン範囲とのセットをメモリ４１または外部装置から取得する。学習機能５７は、取得したスキャノ画像と、スキャン対象部位に関する情報を含む撮影条件とを学習データとし、同じ被検体に対して設定されたスキャノ画像を教師データとして機械学習を行うことで、学習済みモデル４１－８を生成する。学習機能５７は、「モデル生成部」の一例である。 The learning function 57 acquires a set of scano images, imaging conditions, and scan ranges for a plurality of subjects from the memory 41 or an external device. The learning function 57 uses the acquired scanogram and the imaging conditions including information about the scanned body part as learning data, and performs machine learning using the scanogram set for the same subject as training data. A model 41-8 is generated. The learning function 57 is an example of a "model generation section."

また、学習機能５７は、外部装置により実現されてもよい。その場合、転送機能５８は、少なくとも、転送対象であるスキャノ画像４１－５とそのスキャノ画像４１－５に対応付いたスキャン範囲４１－７とを転送し、学習に用いられるようにしてもよい。また、転送機能５８は、転送対象であるスキャノ画像４１－５に基づいて生成された再構成画像４１－４の再構成範囲をさらに転送して、学習に用いられるようにしてもよい。 Further, the learning function 57 may be realized by an external device. In that case, the transfer function 58 may transfer at least the scano image 41-5 to be transferred and the scan range 41-7 associated with the scano image 41-5 to be used for learning. Further, the transfer function 58 may further transfer the reconstruction range of the reconstructed image 41-4 generated based on the scano image 41-5 to be transferred, so that it can be used for learning.

図５は、学習機能５７の処理について説明するための図である。学習機能５７は、予め接続情報等が定義されると共に接続係数等のパラメータが暫定的に設定された機械学習モデルに対して、複数セットの学習データを入力し、その結果が、学習データに対応する教師データに近づくように、機械学習モデルにおけるパラメータを調整する。機械学習モデルには、撮影条件とスキャノ画像が入力される。 FIG. 5 is a diagram for explaining the processing of the learning function 57. The learning function 57 inputs multiple sets of learning data to a machine learning model in which connection information etc. are defined in advance and parameters such as connection coefficients are provisionally set, and the results correspond to the learning data. Adjust the parameters in the machine learning model so that it approaches the training data. Photography conditions and scano images are input to the machine learning model.

機械学習モデルに入力される撮影条件には、例えば、前述した撮影条件が設定される。 For example, the above-mentioned imaging conditions are set as the imaging conditions input to the machine learning model.

機械学習モデルに入力されるスキャノ画像には、例えば、検査中に設定された情報（例えば、体軸方向再構成範囲、画像再構成時のＲＯＩ（region of interest）の設定情報）等が含まれてよい。 The scano image input to the machine learning model includes, for example, information set during the examination (e.g. body axis direction reconstruction range, ROI (region of interest) setting information at the time of image reconstruction), etc. It's fine.

学習機能５７は、例えば、バックプロパゲーション（逆誤差伝搬法）によって機械学習モデルの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。なお、機械学習モデルは、より新しい学習データがアウトプットとして反映されやすくなるように、学習データ毎に重み付け設定などを行ってもよい。 The learning function 57 adjusts the parameters of the machine learning model by, for example, back propagation (back error propagation method). The machine learning model is, for example, a DNN (Deep Neural Network) using a CNN (Convolution Neural Network). Note that the machine learning model may perform weighting settings for each learning data so that newer learning data is more likely to be reflected as output.

学習機能５７は、予め定められたセット数の学習データと、対応する教師データについて学習を行うと、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４１－８として記憶される。 The learning function 57 completes the process after learning the predetermined number of sets of learning data and the corresponding teacher data. The machine learning model at that point is stored as a trained model 41-8.

スキャノ画像は、アーチファクトが検出されて再撮影を要する場合等、同一または類似の方向から複数回撮影されることがある。したがって、学習機能５７は、転送機能５８により転送されたスキャノ画像（すなわち、成功事例）のみを学習対象として、スキャン制御機能５５によるスキャン範囲設定の処理結果を学習済みモデルに反映させるよう学習済みモデルを更新することで、より好適な学習済みモデルを生成することができる。その場合、学習機能５７は、転送機能５８により転送された成功事例のスキャノ画像のうち、再構成画像４１－４として取得された範囲を抽出して学習対象とすることで、より高精度な学習済みモデルを生成してもよい。 Scano images may be photographed multiple times from the same or similar directions, such as when an artifact is detected and re-imaging is required. Therefore, the learning function 57 uses only the scano images (i.e., successful cases) transferred by the transfer function 58 as a learning target, and uses the learned model to reflect the processing results of the scan range setting by the scan control function 55 in the learned model. By updating , a more suitable trained model can be generated. In that case, the learning function 57 extracts the range acquired as the reconstructed image 41-4 from among the scano images of the successful cases transferred by the transfer function 58 and sets it as a learning target, thereby achieving more accurate learning. A completed model may also be generated.

また、スキャン計画に用いられるスキャノ画像は、２以上の異なる角度で取得された複数の画像が用いられることがあるが、学習機能５７は、そのうち一部の画像から学習済みモデルを生成してもよいし、すべての画像から学習済みモデルを生成してもよい。 In addition, the scano images used for scan planning may include multiple images acquired at two or more different angles, but the learning function 57 may generate a trained model from some of the images. Alternatively, a trained model may be generated from all images.

学習機能５７の用いる学習済みモデル４１－８、或いは学習機能５７の用いる学習データおよび教師データは、他のＸ線ＣＴ装置１により生成されたものであってもよい。 The trained model 41-8 used by the learning function 57 or the learning data and teacher data used by the learning function 57 may be generated by another X-ray CT apparatus 1.

図６および図７は、Ｘ線ＣＴ装置１の利用環境の一例について説明する図である。他のＸ線ＣＴ装置１または学習装置により生成された学習済みモデル、或いは学習機能５７の用いる学習データおよび教師データは、例えば、図６に示すようにＸ線ＣＴ装置１の利用施設Ｈ１に対して、Ｘ線ＣＴ装置１のメーカのサービス担当者ＭＰ等により提供される。また、他のＸ線ＣＴ装置１により生成された学習済みモデル、或いは学習機能５７の用いる学習データおよび教師データは、例えば、図７に示すように複数のＸ線ＣＴ装置１の利用施設Ｈ１～ＨＮ（Ｎは任意の自然数）により外部ネットワークＮＷを介してクラウドサーバＣ等で共有されてもよい。クラウドサーバＣは、専ら学習機能５７と同様の学習を行うものであってよい。 6 and 7 are diagrams illustrating an example of the environment in which the X-ray CT apparatus 1 is used. The trained model generated by another X-ray CT apparatus 1 or learning device, or the learning data and teacher data used by the learning function 57, are for example The information is provided by the service representative MP of the manufacturer of the X-ray CT apparatus 1. In addition, trained models generated by other X-ray CT apparatuses 1, or learning data and teacher data used by the learning function 57, are stored in facilities H1 to Utilizing a plurality of X-ray CT apparatuses 1, for example, as shown in FIG. HN (N is any natural number) may be shared with cloud server C etc. via external network NW. The cloud server C may exclusively perform learning similar to the learning function 57.

図８は、Ｘ線ＣＴ装置１による撮影処理の流れの一例を示すフローチャートである。 FIG. 8 is a flowchart showing an example of the flow of imaging processing by the X-ray CT apparatus 1.

まず、コンソール装置４０は、被検体Ｐを特定する情報や撮影条件の入力を受け付け（ステップＳ１００）、当該撮影のセッティング（例えば、寝台装置３０に天板３３を撮影開始位置に移動させる操作）を受け付ける（ステップＳ１０２）。次に、制御装置１８は、スキャノ画像４１－５を撮影するよう架台装置１０を制御する（ステップＳ１０４）。 First, the console device 40 receives input of information specifying the subject P and imaging conditions (step S100), and sets the imaging (for example, an operation of moving the top plate 33 to the imaging start position on the bed device 30). It is accepted (step S102). Next, the control device 18 controls the gantry device 10 to capture the scano image 41-5 (step S104).

次に、学習済みモデル４１－８に入力パラメータである撮影条件とスキャノ画像を入力し（ステップＳ１０６）、ディスプレイ４２に学習済みモデルの出力であるスキャン範囲４１－７を表示する（ステップＳ１０８）。なお、ステップＳ１０６において適用した学習済みモデル４１－８が複数存在する場合、ステップＳ１０８でスキャン範囲４１－７が複数パターン表示されてもよいし、ステップＳ１０６において最も好適な学習済みモデル４１－８が選択されてもよい。 Next, the imaging conditions and scano image, which are input parameters, are input to the learned model 41-8 (step S106), and the scan range 41-7, which is the output of the learned model, is displayed on the display 42 (step S108). Note that if there are multiple trained models 41-8 applied in step S106, the scan range 41-7 may be displayed in multiple patterns in step S108, or the most suitable trained model 41-8 may be displayed in step S106. May be selected.

次に、入力インターフェース４３は、ステップＳ１０８で表示したスキャン範囲４１－７を採用するか、スキャン範囲４１－７を採用せず操作者がマニュアル操作でスキャン範囲設定をやり直すかについて、Ｘ線ＣＴ装置１の操作者による判断結果の入力を受け付ける（ステップＳ１１０）。スキャン範囲手動設定機能５５－３は、操作者がマニュアル操作でスキャン範囲設定を行う場合、入力インターフェース４３を介して行われるスキャン範囲設定を受け付ける（ステップＳ１１２）。ステップＳ１１０で表示したスキャン範囲を採用する場合、後述するステップＳ１１４に処理を進める。 Next, the input interface 43 instructs the X-ray CT apparatus whether to adopt the scan range 41-7 displayed in step S108 or to manually reconfigure the scan range without adopting the scan range 41-7. The input of the judgment result by the first operator is accepted (step S110). The scan range manual setting function 55-3 accepts the scan range setting performed via the input interface 43 when the operator manually sets the scan range (step S112). When adopting the scan range displayed in step S110, the process advances to step S114, which will be described later.

スキャン範囲手動設定機能５５－３は、操作者のマニュアル操作による最終的な微調整を受け付ける（ステップＳ１１４）。次に、スキャン実行機能５５－４は、本撮影を行う（ステップＳ１１６）。 The scan range manual setting function 55-3 accepts final fine adjustments made manually by the operator (step S114). Next, the scan execution function 55-4 performs actual imaging (step S116).

次に、転送機能５８は、撮影結果である本撮影画像４１－６をＰＡＣＳ等に転送する（ステップＳ１１８）。次に、学習機能５７は、該スキャノ画像および撮影条件（例えば、再構成範囲等）に基づいて、学習済みモデル４１－８を生成する。または、学習機能５７は、該スキャノ画像および撮影条件を学習済みモデルに反映する（ステップＳ１２０）。ステップＳ１２０の処理詳細は後述する。以上、本フローチャートの説明を終了する。 Next, the transfer function 58 transfers the actual photographed image 41-6, which is the photographing result, to the PACS or the like (step S118). Next, the learning function 57 generates a trained model 41-8 based on the scano image and imaging conditions (for example, reconstruction range, etc.). Alternatively, the learning function 57 reflects the scano image and photographing conditions on the learned model (step S120). Details of the process in step S120 will be described later. This concludes the explanation of this flowchart.

図９は、学習機能５７による学習処理の流れの一例を示すフローチャートである。図９に示す処理の流れは、図８のステップＳ１２０の処理詳細に該当する。図９のフローチャートは、Ｘ線ＣＴ装置１が１名の被検体の撮影を終了する度に行われてもよいし、上述の操作者によるマニュアル操作でスキャン範囲のやり直しが行われた撮影の度に（ステップＳ１１２が実行される度に）行われてもよい。 FIG. 9 is a flowchart showing an example of the flow of learning processing by the learning function 57. The process flow shown in FIG. 9 corresponds to the details of the process in step S120 in FIG. The flowchart in FIG. 9 may be performed each time the X-ray CT apparatus 1 finishes imaging one subject, or each time the above-mentioned operator performs a manual operation to redo the scan range. (every time step S112 is executed).

まず、学習機能５７は、１セットの学習データであるスキャノ画像と撮影条件とを取得する（ステップＳ２００）。次に、学習機能５７は、ステップＳ２００で取得した１セットの学習データを機械学習モデルに入力し（ステップＳ２０２）、１セットの学習データに対応する教師データから誤差を逆伝搬させる（ステップＳ２０４）。 First, the learning function 57 acquires a scano image and photographing conditions, which are one set of learning data (step S200). Next, the learning function 57 inputs the set of learning data obtained in step S200 to the machine learning model (step S202), and back-propagates errors from the teacher data corresponding to the set of learning data (step S204). .

次に、学習機能５７は、所定セット数の学習データについてステップＳ２０２およびＳ２０４の処理を行ったか否かを判定する（ステップＳ２０６）。所定セット数の学習データについてステップＳ２０２およびＳ２０４の処理を行っていない場合、学習機能５７は、ステップＳ２００に処理を戻す。所定セット数の学習データについてステップＳ２０２およびＳ２０４の処理を行った場合、学習機能５７は、その時点のパラメータを用いて学習済みモデル４１－８を確定し（ステップＳ２０８）、本フローチャートの処理を終了する。なお、ステップＳ２０６において、学習データが所定セット数存在しないため処理が継続できない場合等は、後続の処理を軽減してもよい。 Next, the learning function 57 determines whether or not the processes of steps S202 and S204 have been performed for a predetermined number of sets of learning data (step S206). If steps S202 and S204 have not been performed on the predetermined number of sets of learning data, the learning function 57 returns the process to step S200. When the processes of steps S202 and S204 are performed on a predetermined number of sets of learning data, the learning function 57 determines the trained model 41-8 using the parameters at that time (step S208), and ends the process of this flowchart. do. Note that in step S206, if the processing cannot be continued because a predetermined number of learning data does not exist, the subsequent processing may be reduced.

以上、説明した第１の実施形態のＸ線ＣＴ装置１によれば、スキャン対象部位に関する情報と被検体Ｐのスキャノ画像を取得するスキャノ画像取得機能５５－１と、スキャン対象部位に関する情報と被検体のスキャノ画像とに基づいてスキャン時の被検体のスキャン範囲を出力する学習済みモデル４１－８に対して、スキャノ画像取得機能５５－１により取得されたスキャン対象部位に関する情報と被検体Ｐのスキャノ画像とを入力することで、取得されたスキャン対象部位に関する情報と被検体Ｐのスキャノ画像に係る被検体Ｐに関するスキャン範囲４１－７を出力するスキャン範囲自動設定機能５５－２と、を備えることにより、撮影時における被検体の撮影位置合わせを容易に行えるようにすることができる。 As described above, according to the X-ray CT apparatus 1 of the first embodiment described above, the scan image acquisition function 55-1 acquires information regarding the scan target region and a scanogram of the subject P, and the scan image acquisition function 55-1 acquires information regarding the scan target region and the scan image of the subject P. The trained model 41-8 outputs the scanning range of the subject during scanning based on the scanogram of the subject, and the information about the scan target area acquired by the scanogram acquisition function 55-1 and the scan range of the subject P. a scan range automatic setting function 55-2 that outputs information regarding the acquired scan target region and a scan range 41-7 related to the subject P related to the scano image of the subject P by inputting the scano image. This makes it possible to easily align the imaging position of the subject during imaging.

（第２の実施形態）
以下、第２の実施形態のＸ線ＣＴ装置１Ａについて説明する。なお、以下の説明において、第１の実施形態と同一の構成及び機能については第１の実施形態と同一の符号を付し、詳細な説明を省略する。また、第１の実施形態と同じ名称であるが構成または機能が異なるものについては、符号の末尾に「Ａ」を付すものとする。 (Second embodiment)
The X-ray CT apparatus 1A of the second embodiment will be described below. In the following description, the same configurations and functions as those in the first embodiment are denoted by the same reference numerals as in the first embodiment, and detailed description thereof will be omitted. Also, for components that have the same name as the first embodiment but have different configurations or functions, an "A" will be added to the end of the reference numeral.

図１０は、第２の実施形態に係る架台装置１０Ａを説明するための図である。架台装置１０Ａは、第１の実施形態の架台装置１０と比較して、カメラ１９をさらに備える。カメラ１９は、被検体Ｐを含む空間を撮影し、光学画像４１－９を取得する。カメラ１９は、架台装置１０以外の箇所に設置されてもよく、例えば、寝台装置３０の全体が撮影できる位置（例えば、Ｘ線ＣＴ装置１Ａの設置される部屋の天井や、寝台装置３０の近傍）に設置されてもよい。 FIG. 10 is a diagram for explaining a gantry device 10A according to the second embodiment. The gantry device 10A further includes a camera 19 compared to the gantry device 10 of the first embodiment. The camera 19 photographs the space including the subject P and obtains an optical image 41-9. The camera 19 may be installed at a location other than the gantry device 10, for example, at a position where the entire bed device 30 can be photographed (for example, on the ceiling of the room where the X-ray CT device 1A is installed, or in the vicinity of the bed device 30). ) may be installed.

図１１は、第２の実施形態に係るメモリ４１Ａに格納されるデータの一例を示す図である。メモリ４１Ａは、第１の実施形態のメモリ４１と比較して、光学画像４１－９をさらに記憶する。 FIG. 11 is a diagram showing an example of data stored in the memory 41A according to the second embodiment. The memory 41A further stores an optical image 41-9 compared to the memory 41 of the first embodiment.

図１２は、第２の実施形態に係るスキャン制御機能５５Ａの構成図である。スキャン制御機能５５Ａは、第１の実施形態のスキャン制御機能５５と比較して、光学画像取得機能５５－５をさらに備える。 FIG. 12 is a configuration diagram of a scan control function 55A according to the second embodiment. In comparison with the scan control function 55 of the first embodiment, the scan control function 55A further includes an optical image acquisition function 55-5.

光学画像取得機能５５－５は、カメラ１９が撮像した光学画像４１－９と、その光学画像に写り込む被検体Ｐに対応付けられた撮影条件４１－１とを取得し、スキャン範囲自動設定機能５５－２Ａに出力する。光学画像取得機能５５－５は、「取得部」の他の一例である。 The optical image acquisition function 55-5 acquires the optical image 41-9 captured by the camera 19 and the photographing conditions 41-1 associated with the subject P reflected in the optical image, and performs a scanning range automatic setting function. Output to 55-2A. The optical image acquisition function 55-5 is another example of the "acquisition unit".

スキャン範囲自動設定機能５５－２Ａは、光学画像取得機能５５－５により出力された光学画像と、撮影条件とを学習済みモデル４１－８Ａに入力し、その結果として得られた出力情報に応じて、スキャン範囲４１－７を設定し、メモリ４１に記憶させる。 The scan range automatic setting function 55-2A inputs the optical image outputted by the optical image acquisition function 55-5 and the photographing conditions to the learned model 41-8A, and performs the scan range according to the output information obtained as a result. , the scan range 41-7 is set and stored in the memory 41.

スキャン範囲自動設定機能５５－２Ａは、操作者によるスキャン範囲の調整、やり直し、新規設定などを受け付ける。スキャン範囲自動設定機能５５－２Ａはスキャン範囲が採用されることを示す操作を受け付けた場合、操作者が入力インターフェース４３を介して入力した微調整の内容を反映した後、本撮影が行われる。この微調整は、スキャン範囲手動設定機能５５－３によって行われる。スキャン範囲自動設定機能５５－２Ａは、やり直し、新規設定などを示す処理を受け付けた場合、すなわち光学画像に基づくスキャン範囲が採用されないことを示す処理を受け付けた場合、光学画像の再取得が行われてもよいし、スキャノ画像の取得のための処理が行われてもよい。スキャン範囲自動設定機能５５－２Ａは、「処理部」の他の一例である。 The scan range automatic setting function 55-2A accepts adjustments, redos, new settings, etc. of the scan range by the operator. When the scan range automatic setting function 55-2A receives an operation indicating that the scan range is to be adopted, the actual photographing is performed after reflecting the details of the fine adjustment input by the operator via the input interface 43. This fine adjustment is performed by the scan range manual setting function 55-3. When the scan range automatic setting function 55-2A receives a process indicating redo, new setting, etc., that is, when a process indicating that the scan range based on the optical image is not adopted, the scan range automatic setting function 55-2A performs reacquisition of the optical image. Alternatively, processing for acquiring a scano image may be performed. The scan range automatic setting function 55-2A is another example of a "processing section".

図１３は、スキャン範囲自動設定機能５５－２Ａによる処理の内容について説明するための図である。スキャン範囲自動設定機能５５－２Ａは、パラメータとして撮影条件４１－１に含まれる検査条件の情報と、光学画像４１－９とを学習済みモデル４１－８に入力することで、被検体Ｐのスキャン範囲４１－７を出力する。このスキャン範囲４１－７に基づいて後続の処理を行うことにより、被検体Ｐのスキャノ画像撮影から本撮影までに要するスキャン計画の時間を短縮することができる。 FIG. 13 is a diagram for explaining the content of processing by the scan range automatic setting function 55-2A. The scan range automatic setting function 55-2A scans the subject P by inputting the inspection condition information included in the imaging condition 41-1 as parameters and the optical image 41-9 into the learned model 41-8. Output the range 41-7. By performing subsequent processing based on this scan range 41-7, it is possible to shorten the scan planning time required from the scanogram imaging of the subject P to the actual imaging.

学習機能５７Ａは、スキャノ画像と撮影条件を学習データとする学習済みモデルに加えて、光学画像と撮影条件を学習データとする学習済みモデルを生成する。学習機能５７Ａは、複数の被検体に関する光学画像と撮影条件とスキャン範囲とのセットをメモリ４１または外部装置から取得する。学習機能５７Ａは、取得した光学画像と、スキャン対象部位に関する情報を含む撮影条件とを学習データとし、同じ被検体に対して設定されたスキャン範囲を教師データとして機械学習を行うことで、学習済みモデル４１－８を生成する。 The learning function 57A generates a trained model that uses the optical image and the imaging conditions as learning data in addition to a trained model that uses the scano image and imaging conditions as learning data. The learning function 57A acquires a set of optical images, photographing conditions, and scan ranges for a plurality of subjects from the memory 41 or an external device. The learning function 57A uses the acquired optical image and imaging conditions including information about the scan target region as learning data, and performs machine learning using the scan range set for the same subject as teacher data. A model 41-8 is generated.

図１４は、学習機能５７Ａの処理について説明するための図である。学習機能５７Ａは、予め接続情報等が定義されると共に接続係数等のパラメータが暫定的に設定された機械学習モデルに対して、複数セットの学習データを入力し、その結果が、学習データに対応する教師データに近づくように、機械学習モデルにおけるパラメータを調整する。機械学習モデルには、撮影条件と光学画像が入力される。学習機能５７Ａは、予め定められたセット数の学習データと、対応する教師データについて学習を行うと、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４１－８Ａとして記憶される。 FIG. 14 is a diagram for explaining the processing of the learning function 57A. The learning function 57A inputs multiple sets of learning data to a machine learning model in which connection information etc. are defined in advance and parameters such as connection coefficients are provisionally set, and the results correspond to the learning data. Adjust the parameters in the machine learning model so that it approaches the training data. Photography conditions and optical images are input to the machine learning model. The learning function 57A completes the process after learning the predetermined number of sets of learning data and the corresponding teacher data. The machine learning model at that point is stored as a trained model 41-8A.

なお、スキャン範囲自動設定機能５５－２Ａによる光学画像に基づくスキャン範囲の生成と、スキャノ画像に基づくスキャン範囲の生成は併用されてもよい。スキャン範囲自動設定機能５５－２Ａは、例えば、Ｘ軸方向のスキャン範囲をスキャノ画像の学習済みモデルの出力に基づいて設定し、Ｙ軸方向のスキャン範囲をスキャノ画像の代替として光学画像の学習済みモデルの出力に基づいて設定する。これにより、Ｘ線ＣＴ装置１Ａの操作者や被検体Ｐの被ばく量を減少させることができる。 Note that generation of a scan range based on an optical image by the scan range automatic setting function 55-2A and generation of a scan range based on a scano image may be used together. The scan range automatic setting function 55-2A, for example, sets the scan range in the X-axis direction based on the output of the trained model of the scano image, and sets the scan range in the Y-axis direction based on the output of the learned model of the scano image as a substitute for the scano image. Set based on model output. Thereby, the amount of radiation exposure of the operator of the X-ray CT apparatus 1A and the subject P can be reduced.

図１５は、Ｘ線ＣＴ装置１Ａによる撮影処理の流れの一例を示すフローチャートである。なお、図１５のフローチャートのステップＳ３００およびＳ３０２は、図７のフローチャートのステップＳ１００およびＳ１０２と対応する。また、図１５のフローチャートのステップＳ３１２～Ｓ３２８は、図７のフローチャートのステップＳ１０４～Ｓ１２０と対応する。 FIG. 15 is a flowchart showing an example of the flow of imaging processing by the X-ray CT apparatus 1A. Note that steps S300 and S302 in the flowchart in FIG. 15 correspond to steps S100 and S102 in the flowchart in FIG. Further, steps S312 to S328 in the flowchart in FIG. 15 correspond to steps S104 to S120 in the flowchart in FIG.

まず、コンソール装置４０は、被検体Ｐを特定する情報や撮影条件の入力を受け付け（ステップＳ３００）、当該撮影のセッティングを受け付ける（ステップＳ３０２）。次に、光学画像取得機能５５－５は、カメラ１９により撮影された光学画像を取得する（ステップＳ３０４）。次に、学習済みモデルに光学画像を適用し（ステップＳ３０６）、ディスプレイ４２に学習済みモデルに基づくスキャン範囲を表示する（ステップＳ３０８）。なお、ステップＳ３０６において適用された学習済みモデルが複数存在する場合、ステップＳ３０８でスキャン範囲が複数パターン表示されてもよいし、ステップＳ３６において最も好適な学習済みモデルが選択されてもよい。 First, the console device 40 receives input of information specifying the subject P and imaging conditions (step S300), and receives settings for the imaging (step S302). Next, the optical image acquisition function 55-5 acquires an optical image photographed by the camera 19 (step S304). Next, the optical image is applied to the learned model (step S306), and a scan range based on the learned model is displayed on the display 42 (step S308). Note that if there are multiple trained models applied in step S306, multiple patterns of scan ranges may be displayed in step S308, or the most suitable trained model may be selected in step S36.

次に、入力インターフェース４３は、ステップＳ３０８で表示したスキャン範囲を採用するか、スキャノ画像を撮影してスキャン範囲設定を行うかについて、Ｘ線ＣＴ装置１Ａの操作者による判断結果の入力を受け付ける（ステップＳ３１０）。表示したスキャン範囲を採用することを示す操作を受け付けた場合、後述するステップＳ３２２に処理を進める。制御装置１８は、スキャノ画像を撮影することを示す操作を受け付けた場合、スキャノ画像を撮影するよう架台装置１０を制御する（ステップＳ３１２）。 Next, the input interface 43 accepts the input of the judgment result from the operator of the X-ray CT apparatus 1A as to whether to adopt the scan range displayed in step S308 or to set the scan range by taking a scano image ( Step S310). If an operation indicating that the displayed scan range is to be adopted is received, the process advances to step S322, which will be described later. When the control device 18 receives an operation indicating that a scano image is to be taken, the control device 18 controls the gantry device 10 to take a scano image (step S312).

次に、スキャン範囲自動設定機能５５－２Ａは、学習済みモデルに入力パラメータである撮影条件とスキャノ画像を入力し（ステップＳ３１４）、ディスプレイ４２に学習済みモデルの出力であるスキャン範囲を表示する（ステップＳ３１６）。なお、ステップＳ３１４において適用した学習済みモデルが複数存在する場合、ステップＳ３１６でスキャン範囲が複数パターン表示されてもよいし、ステップＳ３１４において最も好適な学習済みモデルが選択されてもよい。 Next, the scan range automatic setting function 55-2A inputs the shooting conditions and scano image as input parameters to the learned model (step S314), and displays the scan range that is the output of the learned model on the display 42 (step S314). Step S316). Note that if there are multiple trained models applied in step S314, multiple patterns of scan ranges may be displayed in step S316, or the most suitable trained model may be selected in step S314.

次に、入力インターフェース４３は、ステップＳ３１６で表示したスキャン範囲設定を採用するか、操作者がマニュアル操作でスキャン範囲設定をやり直すかについて、Ｘ線ＣＴ装置１Ａの操作者による判断結果の入力を受け付ける（ステップＳ３１８）。スキャン範囲自動設定機能５５－２Ａは、操作者がマニュアル操作でスキャン範囲設定をやり直す場合、入力インターフェース４３を介して行われるスキャン範囲設定を受け付ける（ステップＳ３２０）。ステップＳ３１６で表示したスキャン範囲を採用する場合、後述するステップＳ３２２に処理を進める。 Next, the input interface 43 accepts the input of the judgment result by the operator of the X-ray CT apparatus 1A as to whether to adopt the scan range setting displayed in step S316 or to redo the scan range setting manually by the operator. (Step S318). The scan range automatic setting function 55-2A accepts the scan range setting performed via the input interface 43 when the operator manually redoes the scan range setting (step S320). If the scan range displayed in step S316 is to be adopted, the process advances to step S322, which will be described later.

スキャン範囲自動設定機能５５－２Ａは、操作者のマニュアル操作による最終的な微調整を受け付ける（ステップＳ３２２）。次に、制御装置１８は、本撮影を行う（ステップＳ３２４）。 The scan range automatic setting function 55-2A accepts final fine adjustments made manually by the operator (step S322). Next, the control device 18 performs actual imaging (step S324).

次に、転送機能５８は、撮影結果である本撮影画像はＰＡＣＳ等に転送する（ステップＳ３２６）。次に、学習機能５７Ａは、該スキャノ画像または該光学画像、および撮影条件を含む学習済みモデルを生成する。または、学習機能５７Ａは、該スキャノ画像または該光学画像、および撮影条件を学習済みモデルに反映する（ステップＳ３２８）。ステップＳ３２８の処理詳細は後述する。以上、本フローチャートの説明を終了する。 Next, the transfer function 58 transfers the actual photographed image, which is the photographing result, to a PACS or the like (step S326). Next, the learning function 57A generates a learned model including the scano image or the optical image and the photographing conditions. Alternatively, the learning function 57A reflects the scano image or the optical image and the photographing conditions on the learned model (step S328). Details of the process in step S328 will be described later. This concludes the explanation of this flowchart.

図１６は、学習機能５７Ａによる光学画像の学習処理の流れの一例を示すフローチャートである。図９に示すフローチャートと、図１６に示すフローチャートとを合わせたものは、図１５のステップＳ３２８の処理詳細に該当する。図１６のフローチャートは、Ｘ線ＣＴ装置１が１名の被検体の撮影を終了する度に行われてもよいし、上述の操作者によるマニュアル操作でスキャン範囲のやり直しが行われた撮影の度に（ステップＳ３２０が実行される度に）行われてもよい。 FIG. 16 is a flowchart showing an example of the flow of optical image learning processing by the learning function 57A. A combination of the flowchart shown in FIG. 9 and the flowchart shown in FIG. 16 corresponds to the processing details of step S328 in FIG. 15. The flowchart in FIG. 16 may be performed each time the X-ray CT apparatus 1 finishes imaging one subject, or each time the scan range is redone by manual operation by the operator described above. (every time step S320 is executed).

まず、学習機能５７Ａは、１セットの学習データである光学画像と撮影条件とを取得する（ステップＳ４００）。次に、学習機能５７Ａは、１セットの学習データを機械学習モデルに入力し（ステップＳ４０２）、１セットの学習データに対応する教師データから誤差を逆伝搬させる（ステップＳ４０４）。 First, the learning function 57A acquires an optical image and photographing conditions, which are one set of learning data (step S400). Next, the learning function 57A inputs one set of learning data to the machine learning model (step S402), and back-propagates errors from the teacher data corresponding to the one set of learning data (step S404).

次に、学習機能５７Ａは、所定セット数の学習データについてステップＳ４０２およびＳ４０４の処理を行ったか否かを判定する（ステップＳ４０６）。所定セット数の学習データについてステップＳ４０２およびＳ４０４の処理を行っていない場合、学習機能５７Ａは、ステップＳ４００に処理を戻す。所定セット数の学習データについてステップＳ４０２およびＳ４０４の処理を行った場合、学習機能５７Ａは、その時点のパラメータを用いて学習済みモデル４１－８を確定し（ステップＳ４０８）、本フローチャートの処理を終了する。なお、ステップＳ４０６において、学習データが所定セット数存在しないため処理が継続できない場合等は、後続の処理を軽減してもよい。 Next, the learning function 57A determines whether or not the processes of steps S402 and S404 have been performed on a predetermined number of sets of learning data (step S406). If steps S402 and S404 have not been performed on the predetermined number of sets of learning data, the learning function 57A returns the process to step S400. When the processes of steps S402 and S404 are performed on the predetermined number of sets of learning data, the learning function 57A determines the trained model 41-8 using the parameters at that time (step S408), and ends the process of this flowchart. do. Note that in step S406, if the process cannot be continued because a predetermined number of learning data does not exist, the subsequent process may be reduced.

以上説明した第２の実施形態によれば、第１の実施形態と同様の効果を奏する他、スキャン範囲自動設定機能５５－２Ａによって光学画像に基づくスキャン範囲が生成されることにより、第１の実施形態と比較してスキャノ画像の撮影回数を軽減できる可能性が高まり、Ｘ線ＣＴ装置１Ａの操作者や被検体Ｐの被ばく量が軽減される可能性を高めることができる。 According to the second embodiment described above, in addition to producing the same effects as the first embodiment, the scan range automatic setting function 55-2A generates a scan range based on an optical image, so that the first embodiment Compared to the embodiment, it is possible to reduce the number of scan images to be taken, and it is possible to reduce the exposure amount of the operator of the X-ray CT apparatus 1A and the subject P.

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。
プログラムを格納するストレージと、
プロセッサと、を備え、
前記プロセッサは、前記プログラムを実行することにより、
スキャン対象部位に関する情報と被検体の位置合わせ画像を取得し、
スキャン対象部位に関する情報と被検体の位置合わせ画像とに基づいて、スキャン時の前記被検体のスキャン範囲を出力する学習済みモデルに対して、取得した前記スキャン対象部位に関する情報と被検体の位置合わせ画像とを入力することで、前記取得したスキャン対象部位に関する情報と被検体の位置合わせ画像に係る被検体に関するスキャン範囲を出力する、
ように構成されている、医用画像診断装置。 The embodiment described above can be expressed as follows.
storage for storing programs;
comprising a processor;
By executing the program, the processor:
Obtain information about the area to be scanned and an alignment image of the subject,
Aligning the acquired information on the scan target area and the subject with respect to a trained model that outputs the scan range of the subject during scanning based on the information on the scan target site and the alignment image of the subject. outputting the acquired information regarding the scan target region and the scan range regarding the subject according to the alignment image of the subject by inputting the image;
A medical image diagnostic apparatus configured as follows.

以上説明した少なくともひとつの実施形態によれば、スキャン対象部位に関する情報を含む撮影条件情報（４１－１）と、被検体のスキャン範囲を特定するための画像（４１－４、４１－９）を取得する取得部（５５－１、５５－５）と、撮影条件情報と、被検体のスキャン範囲を特定するための画像とに基づいて、学習済みモデル（４１－８）に対して、撮影条件情報と、被検体のスキャン範囲を特定するための画像とを入力することで、該スキャン時の被検体のスキャン範囲を出力する処理部（５５－２、５５－２Ａ）と、を持つことにより、撮影時における被検体の撮影位置合わせを容易に行うことができる。 According to at least one embodiment described above, the imaging condition information (41-1) including information regarding the scan target region and the images (41-4, 41-9) for specifying the scan range of the subject are Based on the acquisition unit (55-1, 55-5) to acquire, the imaging condition information, and the image for specifying the scan range of the subject, the imaging condition is set for the trained model (41-8). By having a processing unit (55-2, 55-2A) that outputs the scan range of the subject at the time of scanning by inputting information and an image for specifying the scan range of the subject. , it is possible to easily align the imaging position of the subject during imaging.

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、種々の軽減、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。 Although several embodiments of the invention have been described, these embodiments are presented by way of example and are not intended to limit the scope of the invention. These embodiments can be implemented in various other forms, and various reductions, substitutions, and changes can be made without departing from the gist of the invention. These embodiments and their modifications are included within the scope and gist of the invention as well as within the scope of the invention described in the claims and its equivalents.

１、１Ａ…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
１４…Ｘ線高電圧装置
１５…Ｘ線検出器
１６…データ収集システム
１７…回転フレーム
１８…制御装置
１９…カメラ
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
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、５５Ａ…スキャン制御機能
５５－１…スキャノ画像取得機能
５５－２、５５－２Ａ…スキャン範囲自動設定機能
５５－３…スキャン範囲手動設定機能
５５－４…スキャン実行機能
５５－５…光学画像取得機能
５６…表示制御機能
５７、５７Ａ…学習機能
５８…転送機能 1, 1A... X-ray CT device 10, 10A... Frame device 11... X-ray tube 12... Wedge 13... Collimator 14... X-ray high voltage device 15... X-ray detector 16... Data acquisition system 17... Rotating frame 18... Control Device 19... Camera 30... Bed device 31... Base 32... Bed driving device 33... Top plate 34... Support frame 40... Console device 50... Processing circuit 51... System control function 52... Pre-processing function 53... Reconfiguration processing function 54 ...Image processing function 55, 55A...Scan control function 55-1...Scano image acquisition function 55-2, 55-2A...Scan range automatic setting function 55-3...Scan range manual setting function 55-4...Scan execution function 55- 5...Optical image acquisition function 56...Display control function 57, 57A...Learning function 58...Transfer function

Claims (7)

疾患名を含む情報と被検体の位置合わせ画像とを取得する取得部と、
疾患名を含む情報と被検体の位置合わせ画像とに基づいた出力情報を出力する学習済みモデルに対して、取得された前記疾患名を含む情報と被検体の位置合わせ画像とを入力し、前記出力情報に基づいたスキャン範囲を出力する処理部と、
取得された前記位置合わせ画像上に、前記出力情報に基づいたスキャン範囲を表示し、操作者の操作に応じて、前記スキャン範囲の設定を行う画像加工部と、
を備える医用画像診断装置。 an acquisition unit that acquires information including a disease name and an alignment image of the subject;
The acquired information including the disease name and the aligned image of the subject are input to a trained model that outputs output information based on the information including the disease name and the aligned image of the subject, and the a processing unit that outputs a scan range based on the output information;
an image processing unit that displays a scan range based on the output information on the acquired alignment image and sets the scan range according to an operation by an operator;
A medical image diagnostic apparatus comprising: 疾患名を含む情報と被検体の光学画像とを取得する取得部と、
疾患名を含む情報と被検体の光学画像とに基づいた第１の出力情報を出力する第１の学習済みモデルに対して、取得された前記疾患名を含む情報と被検体の光学画像とを入力し、前記第１の出力情報に基づいた第１のスキャン範囲を出力する処理部と、
を備え、
前記第１のスキャン範囲を採用することを示す操作者の操作を受け付けた場合、前記処理部は、前記第１のスキャン範囲を、前記被検体のスキャン範囲として設定し、
前記第１のスキャン範囲を採用しないことを示す前記操作者の操作を受け付けた場合、前記取得部は、さらに、前記被検体の位置合わせ画像を取得し、前記処理部は、疾患名を含む情報と被検体の位置合わせ画像とに基づいた第２の出力情報を出力する第２の学習済みモデルに対して、取得された前記疾患名を含む情報と被検体の位置合わせ画像とを入力し、前記第２の出力情報に基づいた第２のスキャン範囲を出力する、
医用画像診断装置。 an acquisition unit that acquires information including a disease name and an optical image of the subject;
For a first trained model that outputs first output information based on information including a disease name and an optical image of the subject, the obtained information including the disease name and the optical image of the subject are a processing unit that inputs and outputs a first scan range based on the first output information;
Equipped with
When receiving an operation by an operator indicating that the first scan range is to be adopted, the processing unit sets the first scan range as a scan range of the subject;
When receiving an operation from the operator indicating that the first scan range is not adopted, the acquisition unit further acquires an aligned image of the subject, and the processing unit acquires information including a disease name. inputting information including the acquired disease name and the aligned image of the subject to a second trained model that outputs second output information based on the image and the aligned image of the subject; outputting a second scan range based on the second output information;
Medical imaging diagnostic equipment. 疾患名を含む撮影条件と被検体の位置合わせ画像とを取得する取得部と、
疾患名を含む撮影条件と被検体の位置合わせ画像とに基づいた出力情報を出力し、且つ、前記撮影条件のうち第１部分ごとに学習された複数の学習済みモデルの中から、取得された前記撮影条件の第１部分に合致する学習済みモデルを選択し、選択された前記学習済みモデルに対して、取得された前記撮影条件の第２部分と被検体の位置合わせ画像とを入力し、選択された前記学習済みモデルが出力した出力情報に基づいたスキャン範囲を出力する処理部と、
を備える医用画像診断装置。 an acquisition unit that acquires imaging conditions including a disease name and a positioning image of the subject;
output information based on imaging conditions including disease names and alignment images of the subject ; select a trained model that matches the first part of the imaging condition, and input the acquired second part of the imaging condition and the alignment image of the subject to the selected trained model; , a processing unit that outputs a scan range based on output information output by the selected learned model ;
A medical image diagnostic apparatus comprising: 前記位置合わせ画像は、スキャノ画像または光学画像である、
請求項１または３に記載の医用画像診断装置。 the alignment image is a scano image or an optical image;
The medical image diagnostic apparatus according to claim 1 or 3 . コンピュータが、
疾患名を含む情報と被検体の位置合わせ画像とを取得し、
疾患名を含む情報と被検体の位置合わせ画像とに基づいた出力情報を出力する学習済みモデルに対して、取得された前記疾患名を含む情報と被検体の位置合わせ画像とを入力し、前記出力情報に基づいたスキャン範囲を出力し、
取得された前記位置合わせ画像上に、前記出力情報に基づいたスキャン範囲を表示し、操作者の操作に応じて、前記スキャン範囲の設定を行う、
医用画像診断方法。 The computer is
Obtain information including disease name and alignment image of the subject,
The acquired information including the disease name and the aligned image of the subject are input to a trained model that outputs output information based on the information including the disease name and the aligned image of the subject, and the Outputs the scan range based on the output information,
displaying a scan range based on the output information on the acquired alignment image, and setting the scan range according to an operation by an operator;
Medical imaging diagnostic methods. コンピュータが、
疾患名を含む情報と被検体の光学画像とを取得し、
疾患名を含む情報と被検体の光学画像とに基づいた第１の出力情報を出力する第１の学習済みモデルに対して、取得された前記疾患名を含む情報と被検体の光学画像とを入力し、前記第１の出力情報に基づいた第１のスキャン範囲を出力する、
医用画像診断方法であって、
前記第１のスキャン範囲を採用することを示す操作者の操作を受け付けた場合、前記第１のスキャン範囲を、前記被検体のスキャン範囲として設定し、
前記第１のスキャン範囲を採用しないことを示す前記操作者の操作を受け付けた場合、さらに、前記被検体の位置合わせ画像を取得し、疾患名を含む情報と被検体の位置合わせ画像とに基づいた第２の出力情報を出力する第２の学習済みモデルに対して、取得された前記疾患名を含む情報と被検体の位置合わせ画像とを入力し、前記第２の出力情報に基づいた第２のスキャン範囲を出力する、
医用画像診断方法。 The computer is
Obtain information including the disease name and an optical image of the subject,
For a first trained model that outputs first output information based on information including a disease name and an optical image of the subject, the obtained information including the disease name and the optical image of the subject are and outputting a first scan range based on the first output information.
A medical image diagnosis method ,
If an operation by an operator indicating that the first scan range is to be adopted is received, the first scan range is set as the scan range of the subject;
When the operator's operation indicating that the first scan range is not adopted is received, further, an alignment image of the subject is acquired, and based on information including the disease name and the alignment image of the subject. The acquired information including the disease name and the aligned image of the subject are input to the second trained model that outputs the second output information based on the second output information. Output the scan range of 2,
Medical imaging diagnostic methods . コンピュータが、
疾患名を含む撮影条件と被検体の位置合わせ画像とを取得し、
疾患名を含む撮影条件と被検体の位置合わせ画像とに基づいた出力情報を出力し、且つ、前記撮影条件のうち第１部分ごとに学習された複数の学習済みモデルの中から、取得された前記撮影条件の第１部分に合致する学習済みモデルを選択し、選択された前記学習済みモデルに対して、取得された前記撮影条件の第２部分と被検体の位置合わせ画像とを入力し、選択された前記学習済みモデルが出力した出力情報に基づいたスキャン範囲を出力する、
医用画像診断方法。 The computer is
Obtain the imaging conditions including the disease name and the alignment image of the subject,
output information based on imaging conditions including disease names and alignment images of the subject ; select a trained model that matches the first part of the imaging condition, and input the acquired second part of the imaging condition and the alignment image of the subject to the selected trained model; , outputting a scan range based on output information output by the selected trained model ;
Medical imaging diagnostic methods.
JP2023035405A 2019-01-15 2023-03-08 Medical image diagnosis device and medical image diagnosis method Active JP7443591B2 (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2023035405A JP7443591B2 (en) 2019-01-15 2023-03-08 Medical image diagnosis device and medical image diagnosis method
JP2024023952A JP2024054373A (en) 2019-01-15 2024-02-20 Medical image diagnostic device and medical image diagnostic method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019004671A JP7244280B2 (en) 2019-01-15 2019-01-15 MEDICAL IMAGE DIAGNOSTIC APPARATUS AND MEDICAL IMAGE DIAGNOSTIC METHOD
JP2023035405A JP7443591B2 (en) 2019-01-15 2023-03-08 Medical image diagnosis device and medical image diagnosis method

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2019004671A Division JP7244280B2 (en) 2019-01-15 2019-01-15 MEDICAL IMAGE DIAGNOSTIC APPARATUS AND MEDICAL IMAGE DIAGNOSTIC METHOD

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2024023952A Division JP2024054373A (en) 2019-01-15 2024-02-20 Medical image diagnostic device and medical image diagnostic method

Publications (2)

Publication Number Publication Date
JP2023065669A JP2023065669A (en) 2023-05-12
JP7443591B2 true JP7443591B2 (en) 2024-03-05

Family

ID=71666080

Family Applications (3)

Application Number Title Priority Date Filing Date
JP2019004671A Active JP7244280B2 (en) 2019-01-15 2019-01-15 MEDICAL IMAGE DIAGNOSTIC APPARATUS AND MEDICAL IMAGE DIAGNOSTIC METHOD
JP2023035405A Active JP7443591B2 (en) 2019-01-15 2023-03-08 Medical image diagnosis device and medical image diagnosis method
JP2024023952A Pending JP2024054373A (en) 2019-01-15 2024-02-20 Medical image diagnostic device and medical image diagnostic method

Family Applications Before (1)

Application Number Title Priority Date Filing Date
JP2019004671A Active JP7244280B2 (en) 2019-01-15 2019-01-15 MEDICAL IMAGE DIAGNOSTIC APPARATUS AND MEDICAL IMAGE DIAGNOSTIC METHOD

Family Applications After (1)

Application Number Title Priority Date Filing Date
JP2024023952A Pending JP2024054373A (en) 2019-01-15 2024-02-20 Medical image diagnostic device and medical image diagnostic method

Country Status (1)

Country Link
JP (3) JP7244280B2 (en)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050008115A1 (en) 2003-05-09 2005-01-13 Shinsuke Tsukagoshi X-ray computed tomography apparatus and picture quality simulation apparatus
JP2008229161A (en) 2007-03-22 2008-10-02 Fujifilm Corp Image component separating apparatus, method and program and normal image generating apparatus, method and program
JP2015198824A (en) 2014-04-09 2015-11-12 株式会社東芝 Medical image diagnostic apparatus
JP2015213749A (en) 2014-04-21 2015-12-03 株式会社東芝 X-ray computer tomography apparatus and photographing condition setting support apparatus
US20160209995A1 (en) 2015-01-19 2016-07-21 Samsung Electronics Co., Ltd. Image processing apparatus, medical imaging apparatus, and image processing method
US20170213339A1 (en) 2016-01-21 2017-07-27 Impac Medical Systems, Inc. Systems and methods for segmentation of intra-patient medical images
JP2017527037A (en) 2014-09-10 2017-09-14 アマゾン テクノロジーズ インコーポレイテッド Compute instance startup time
JP2017202307A (en) 2016-05-09 2017-11-16 東芝メディカルシステムズ株式会社 Medical imaging diagnostic apparatus and medical information management apparatus
JP2017217460A (en) 2016-06-06 2017-12-14 東芝メディカルシステムズ株式会社 Medical information processor, x-ray ct apparatus, and medical information processing program
JP2017217154A (en) 2016-06-06 2017-12-14 東芝メディカルシステムズ株式会社 X-ray CT apparatus

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050008115A1 (en) 2003-05-09 2005-01-13 Shinsuke Tsukagoshi X-ray computed tomography apparatus and picture quality simulation apparatus
JP2008229161A (en) 2007-03-22 2008-10-02 Fujifilm Corp Image component separating apparatus, method and program and normal image generating apparatus, method and program
JP2015198824A (en) 2014-04-09 2015-11-12 株式会社東芝 Medical image diagnostic apparatus
JP2015213749A (en) 2014-04-21 2015-12-03 株式会社東芝 X-ray computer tomography apparatus and photographing condition setting support apparatus
JP2017527037A (en) 2014-09-10 2017-09-14 アマゾン テクノロジーズ インコーポレイテッド Compute instance startup time
US20160209995A1 (en) 2015-01-19 2016-07-21 Samsung Electronics Co., Ltd. Image processing apparatus, medical imaging apparatus, and image processing method
US20170213339A1 (en) 2016-01-21 2017-07-27 Impac Medical Systems, Inc. Systems and methods for segmentation of intra-patient medical images
JP2017202307A (en) 2016-05-09 2017-11-16 東芝メディカルシステムズ株式会社 Medical imaging diagnostic apparatus and medical information management apparatus
JP2017217460A (en) 2016-06-06 2017-12-14 東芝メディカルシステムズ株式会社 Medical information processor, x-ray ct apparatus, and medical information processing program
JP2017217154A (en) 2016-06-06 2017-12-14 東芝メディカルシステムズ株式会社 X-ray CT apparatus

Also Published As

Publication number Publication date
JP2023065669A (en) 2023-05-12
JP7244280B2 (en) 2023-03-22
JP2024054373A (en) 2024-04-16
JP2020110444A (en) 2020-07-27

Similar Documents

Publication Publication Date Title
US11000254B2 (en) Methods and systems for patient scan setup
US20220039771A1 (en) Medical image diagnostic apparatus, medical image diagnostic method, and storage medium
JP2004230154A (en) Volumetric ct system and method utilizing multiple detector panels
US7502439B2 (en) Radiographic apparatus and method of using the same
US11241212B2 (en) Medical apparatus
US11432783B2 (en) Methods and systems for beam attenuation
JP7242288B2 (en) Medical image diagnosis device and model learning device
JP7443591B2 (en) Medical image diagnosis device and medical image diagnosis method
JP7462433B2 (en) Medical diagnostic system, medical diagnostic device, and medical information processing device
JP7362259B2 (en) Medical image diagnosis device, medical image diagnosis method, and bed device
JP7433809B2 (en) Trained model generation method and medical processing device
US11404159B2 (en) Medical information processing system and medical information processing apparatus
JP7437887B2 (en) Medical information processing equipment and X-ray CT equipment
JP7466301B2 (en) Medical system, medical information management device and terminal device
JP7320934B2 (en) MEDICAL IMAGE PROCESSING APPARATUS AND MEDICAL IMAGE PROCESSING METHOD
JP7309988B2 (en) MEDICAL IMAGE PROCESSING APPARATUS AND MEDICAL IMAGE PROCESSING METHOD
JP7399780B2 (en) Medical image diagnostic equipment
JP7140566B2 (en) X-ray CT device and imaging planning device
JP7412952B2 (en) Medical image diagnostic equipment
JP7144292B2 (en) MEDICAL IMAGE PROCESSING APPARATUS AND MEDICAL IMAGE PROCESSING METHOD
CN110139607B (en) Method and system for patient scan settings
JP2022178052A (en) X-ray ct apparatus and control method of x-ray ct apparatus
JP2023055322A (en) Machine learning model evaluation device, machine learning model evaluation method, and program
JP2020141808A (en) Medical processing device and medical diagnostic system
JP2021191402A (en) Image processing apparatus, radiation imaging system, image processing method, and image processing program

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230308

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20231012

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20231024

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20231225

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: 20240123

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240221

R150 Certificate of patent or registration of utility model

Ref document number: 7443591

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150