特許ウォッチ

公開番号2024149738
公報種別公開特許公報(A)
公開日2024-10-18
出願番号2024133883,2022502635
出願日2024-08-09,2020-02-26
発明の名称学習済みモデルの作成方法および画像生成方法
出願人株式会社島津製作所
代理人個人,個人
主分類A61B 6/03 20060101AFI20241010BHJP(医学または獣医学;衛生学)
要約【課題】様々な画像要素に対して、かつ、複数の画像要素に対しても画像処理を行うことが可能な画像生成方法および画像処理装置を提供すること、および、そのような画像処理に用いる学習済みモデルの作成を効率的に行うことが可能な学習済みモデルの作成方法を提供する。
【解決手段】この学習済みモデルの作成方法は、3次元X線画像データ(80)を再構成した再構成画像(60)を生成する。シミュレーションにより、画像要素(50)の3次元モデルから投影像(61)を生成する。投影像を再構成画像に重畳して重畳画像(67)を生成する。重畳画像と、再構成画像または投影像とで機械学習を行うことにより、学習済みモデル(40)を作成する。
【選択図】図3
特許請求の範囲【請求項１】
３次元Ｘ線画像データを２次元の投影画像に再構成した再構成画像を生成し、
シミュレーションにより、抽出対象となる画像要素の３次元モデルから２次元の投影像を生成し、
前記画像要素の前記投影像を前記再構成画像に重畳して重畳画像を生成し、
前記重畳画像を教師入力データとし、前記再構成画像または前記投影像を教師出力データとして機械学習を行うことにより、入力画像に含まれる前記画像要素を抽出する処理を行う学習済みモデルを作成する、学習済みモデルの作成方法。
続きを表示（約 1,100 文字）【請求項２】
前記重畳画像は、互いに異なる複数の画像要素毎に、複数作成され、
前記複数の画像要素は、生体組織である第１要素と、非生体組織である第２要素とを含む、請求項１に記載の学習済みモデルの作成方法。
【請求項３】
前記重畳画像は、互いに異なる複数の画像要素毎に、複数作成され、
前記複数の画像要素は、骨、血管、体内に導入されるデバイス、衣類、ノイズおよびＸ線の散乱線成分のうち少なくとも複数を含む、請求項１に記載の学習済みモデルの作成方法。
【請求項４】
前記画像要素は、線状または管状のデバイスを含み、
前記画像要素の前記投影像は、前記デバイスの３次元モデルの形状をランダムな座標値に基づいて生成した曲線でシミュレーションすることにより生成される、請求項１に記載の学習済みモデルの作成方法。
【請求項５】
前記画像要素は、血管を含み、
前記画像要素の前記投影像は、血管の３次元モデルの形状をランダムに変化させるシミュレーションにより生成される、請求項１に記載の学習済みモデルの作成方法。
【請求項６】
前記画像要素は、Ｘ線の散乱線成分を含み、
前記画像要素の前記投影像は、前記入力画像の撮影環境をモデル化したモンテカルロシミュレーションにより生成される、請求項１に記載の学習済みモデルの作成方法。
【請求項７】
前記画像要素の前記投影像は、撮影環境モデルにおけるＸ線撮影装置が撮影可能な投影角度範囲に亘って投影角度を変化させて複数生成される、請求項６に記載の学習済みモデルの作成方法。
【請求項８】
前記画像要素の前記投影像は、撮影環境モデルにおける仮想線源のエネルギースペクトルを変化させて複数生成される、請求項６に記載の学習済みモデルの作成方法。
【請求項９】
前記機械学習は、１つの学習モデルに対して、前記画像要素毎に作成された前記教師入力データおよび前記教師出力データを入力することを含み、
前記学習済みモデルは、前記入力画像から前記複数の画像要素を重複なしで抽出し、抽出した前記複数の画像要素と、抽出後に残る残余画像要素と、をそれぞれ出力するように構成されている、請求項１に記載の学習済みモデルの作成方法。
【請求項１０】
入力画像中から特定の画像要素を抽出する処理を学習させた学習済みモデルを用いて、Ｘ線画像から複数の画像要素を別々に抽出し、
画像要素毎に抽出された複数の抽出画像と、前記Ｘ線画像と、を用いた画像間演算を行うことにより、前記Ｘ線画像に含まれる各画像要素に画像処理が行われた処理画像を生成する、画像生成方法。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、学習済みモデルの作成方法、画像生成方法および画像処理装置に関する。
続きを表示（約 1,900 文字）【背景技術】
【０００２】
従来、学習済みモデルを用いて画像処理を行う方法が知られている。このような方法は、たとえば、国際公開第２０１９／１３８４３８号に開示されている。
【０００３】
上記国際公開第２０１９／１３８４３８号には、被験者の特定部位を含む領域のＸ線画像に対して、学習済みモデルを利用して変換を行うことにより、特定部位を表す画像を作成することが開示されている。上記国際公開第２０１９／１３８４３８号には、特定部位として、被験者の骨部、造影剤が注入された血管、体内に留置されるステントが例示されている。学習済みモデルは、ＣＴ画像データから再構成した第１ＤＲＲ（ＤｉｇｉｔａｌｌｙＲｅｃｏｎｓｔｒｕｃｔｅｄＲａｄｉｏｇｒａｐｈｙ）画像と第２ＤＲＲ画像とをそれぞれ教師入力画像と教師出力画像として機械学習を行うことにより作成される。学習済みモデルを用いた変換により得られた画像を元の画像から差分することにより、特定部位を除去した画像を生成できる。
【先行技術文献】
【特許文献】
【０００４】
国際公開第２０１９／１３８４３８号
【発明の概要】
【発明が解決しようとする課題】
【０００５】
上記国際公開第２０１９／１３８４３８号では、特定部位として骨部を表す画像を作成すること、造影剤が注入された血管を表す画像を作成すること、体内に留置されるステントを表す画像を作成することという、特定の１種の画像要素（特定部位）に対して画像処理を行うことが開示されている。しかし、多様な利用シーンにおける医用画像の視認性向上のため、特定の１つの画像要素（特定部位）に限定された画像処理だけでなく、様々な画像要素に対して、かつ、複数の画像要素に対しても画像処理を行えるようにすることが望まれている。
【０００６】
また、上記国際公開第２０１９／１３８４３８号では、ＣＴ画像データから再構成した第１ＤＲＲ画像および第２ＤＲＲ画像を用いて機械学習を行うため、抽出すべき画像要素（特定部位）を実際に含んだＣＴ画像データを準備する必要がある。様々な画像要素に対する機械学習を効率的に行うためには、抽出すべき画像要素を実際に含んだＣＴ画像データの利用に限定されずに機械学習を行えるようにすることや、ＣＴ画像データに含まれていてもその画像要素のみを分離抽出することが困難な画像要素についても機械学習を行えるようにすることが望まれる。
【０００７】
この発明は、上記のような課題を解決するためになされたものであり、この発明の１つの目的は、様々な画像要素に対して、かつ、複数の画像要素に対しても画像処理を行うことが可能な画像生成方法および画像処理装置を提供すること、および、そのような画像処理に用いる学習済みモデルの作成を効率的に行うことが可能な学習済みモデルの作成方法を提供することである。
【課題を解決するための手段】
【０００８】
上記目的を達成するために、この発明の第１の局面における学習済みモデルの作成方法は、３次元Ｘ線画像データを２次元の投影画像に再構成した再構成画像を生成し、シミュレーションにより、抽出対象となる画像要素の３次元モデルから２次元の投影像を生成し、画像要素の投影像を再構成画像に重畳して重畳画像を生成し、重畳画像を教師入力データとし、再構成画像または投影像を教師出力データとして機械学習を行うことにより、入力画像に含まれる画像要素を抽出する処理を行う学習済みモデルを作成する。
【０００９】
この発明の第２の局面における画像生成方法は、入力画像中から特定の画像要素を抽出する処理を学習させた学習済みモデルを用いて、Ｘ線画像から複数の画像要素を別々に抽出し、画像要素毎に抽出された複数の抽出画像と、Ｘ線画像と、を用いた画像間演算を行うことにより、Ｘ線画像に含まれる各画像要素に画像処理が行われた処理画像を生成する。
【００１０】
この発明の第３の局面における画像処理装置は、Ｘ線画像を取得する画像取得部と、入力画像中から特定の画像要素を抽出する処理を学習させた学習済みモデルを用いて、Ｘ線画像から複数の画像要素を別々に抽出する抽出処理部と、画像要素毎に抽出された複数の抽出画像と、Ｘ線画像と、を用いた画像間演算を行うことにより、Ｘ線画像に含まれる各画像要素に画像処理が行われた処理画像を生成する画像生成部と、を備える。
（【００１１】以降は省略されています）

関連特許