特許ウォッチ

公開番号2025010010
公報種別公開特許公報(A)
公開日2025-01-20
出願番号2024104296
出願日2024-06-27
発明の名称コンピュータ断層撮像データ生成方法、医用画像処理方法及び画像処理装置
出願人キヤノンメディカルシステムズ株式会社
代理人弁理士法人酒井国際特許事務所
主分類A61B 6/03 20060101AFI20250109BHJP(医学または獣医学;衛生学)
要約
【課題】従来に比して画質を向上させることができるビームハードニング補正を実現すること。
【解決手段】実施形態に係るコンピュータ断層撮像データ生成方法は、再構成された画像データグループを取得し、再構成された画像データグループをラドン空間の微分に変換してラドン空間データを生成する。ラドン空間データは、ラドン空間の微分におけるラジアル状のサンプリングパターンを有する。方法は、ラジアル空間データを第1学習済機械学習モデルに入力してラドン空間データをリサンプリングしリサンプリングされたデータを生成する。リサンプリングされたデータは、ラドン空間の微分においてコーンビーム投影幾何学的形状のサンプリングパターンを有する。
【選択図】図1
特許請求の範囲【請求項１】
再構成された画像データのグループを取得し、
前記再構成された画像データの前記グループをラドン空間の微分に変換してラドン空間データを生成し、前記ラドン空間データは、ラドン空間の前記微分においてラジアル状のサンプリングパターンを有し、
前ラドン空間データをリサンプリングするための第１学習済機械学習モデルに前記ラドン空間データを入力してリサンプリングされたデータを生成し、前記リサンプリングされたデータは、ラドン空間の微分にコーンビーム投影幾何学的形状のサンプリングパターンを有すること、
を備えるコンピュータ断層撮像データ生成方法。
続きを表示（約 1,700 文字）【請求項２】
前記再構成された画像データをラドン空間の前記微分に変換する場合において、
前記再構成された画像データをフーリエ空間にマッピングし、
フーリエ空間にマッピングされた前記再構成された画像データからフーリエスライスを生成し、
前記フーリエスライスをスケーリングしてスケーリングされたフーリエスライスを生成し、
前記スケーリングされたフーリエスライスに対してラジアル状逆フーリエ変換を実行すること、
を備える請求項１に記載のコンピュータ断層撮像データ生成方法。
【請求項３】
前記リサンプリングされたデータに基づいて第１経路長データを生成し、
前記第１経路長データに第２学習済機械学習モデルを適用して第２経路長データを生成し、前記第２学習済機械学習モデルは、第３経路長データに基づいて訓練されており、前記第３経路長データは、第２経路長推定処理を１又はそれ以上の再構成された画像データのセットに適用することで取得され、前記第２経路長推定処理はレイトレーシングを含むこと、
を備える請求項１に記載のコンピュータ断層撮像データ生成方法。
【請求項４】
補正された投影データを生成し、前記補正された投影データの生成は、前記第２経路長データ及び前記投影データに基づいて、投影データに対してビームハードニング補正を行うこと、
を備える請求項３に記載のコンピュータ断層撮像データ生成方法。
【請求項５】
前記補正された投影データに基づいて再構成された画像データを生成すること、
を備える請求項４に記載のコンピュータ断層撮像データ生成方法。
【請求項６】
前記再構成された画像データグループは、再構成された画像データのセットを２又はそれ以上の再構成された画像データグループにセグメンテーションして生成され、前記２又はそれ以上の再構成された画像データグループは、再構成された画像データの前記グループを含むこと、
を備える請求項１に記載のコンピュータ断層撮像データ生成方法。
【請求項７】
被検体をスキャンして投影データのセットを取得し、
再構成された画像データのセットを生成し、前記再構成された画像データのセットの生成は、前記投影データの前記セットに対して再構成処理を実行することを含み、
前記再構成された画像データの前記セットから得られる再構成された画像データグループに対し第１処理を適用して第１データを取得し、前記第１処理はフーリエ変換処理を含み、
前記第１データに学習済機械学習モデルを適用して第２データを取得し、前記学習済機械学習モデルは、前記フーリエ変換処理によって引き起こされる精度劣化を補償するように訓練され、
前記第２データに基づいて前記投影データのセットにビームハードニング補正処理を適用して、補正された投影データを取得すること、
を備える医用画像処理方法。
【請求項８】
前記第１データは、ラドン空間の微分におけるラジアル状サンプリングパターンを有し、
前記学習済機械学習モデルは、前記ラジアル状サンプリングパターンからコーンビーム投影形状のサンプリングパターンにデータをリサンプリングするように訓練され、
前記第２データは、ラドン空間の前記微分におけるコーンビーム投影形状のサンプリングパターンを有すること、
を備える請求項７に記載の医用画像処理方法。
【請求項９】
前記第２データに基づいて投影データの前記セットにビームハードニング補正処理を適用して前記補正された投影データを取得することは、前記第２データを投影空間に変換することを含む、
請求項８に記載の医用画像処理方法。
【請求項１０】
前記学習済機械学習モデルは、前記再構成された画像データに基づくフーリエ変換処理と、再構成されたデータに基づく順投影処理を含む処理により得られる投影空間データに基づき学習されること、
を含む請求項７に記載の医用画像処理方法。
（【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】
コンピュータ断層撮像データ生成方法、医用画像処理方法及び画像処理装置に関する。
続きを表示（約 2,600 文字）【背景技術】
【０００２】
Ｘ線画像は、患者の身体内側の部分といった物体の内部構造の画像を生成（例えば、再構成）することができる。例えば、コンピュータ断層撮像（ＣＴ）スキャンでは、異なる角度から撮像された物体の複数のＸ線画像を使用して、物体の内部のボリューム画像を再構成する。ただし、ビームハードニングは、再構成された画像の品質を低下させる可能性がある。
【発明の概要】
【発明が解決しようとする課題】
【０００３】
本明細書等に開示の実施形態が解決しようとする課題の一つは、従来に比して画質を向上させることができるビームハードニング補正を実現するコンピュータ断層撮像データ生成方法、医用画像処理方法及び画像処理装置を提供することにある。
【課題を解決するための手段】
【０００４】
実施形態に開示のコンピュータ断層撮像（ＣＴ）データ生成方法は、再構成された画像データグループを取得し、前記再構成された画像データの前記グループをラドン空間の微分に変換してラドン空間データを生成し、前記ラドン空間データは、ラドン空間の前記微分においてラジアル状のサンプリングパターンを有し、前ラドン空間データをリサンプリングするための第１学習済機械学習モデルに前記ラドン空間データを入力してリサンプリングされたデータを生成し、前記リサンプリングされたデータは、ラドン空間の微分にコーンビーム投影幾何学的形状のサンプリングパターンを有すること、を備える。
【図面の簡単な説明】
【０００５】
図１は、医療用画像診断装置の例示的な実施形態を示す図である。
図２Ａは、Ｘ線管によって放射されるコーンビームの例を示す図である。
図２Ｂは、Ｘ線管によって放出されるコーンビームの例を示す図である。
図３は、再構成画像データを生成するための方法の例示的な実施形態を示す図である。
図４は、ラドン空間データのサンプリングパターンと再サンプリングデータのサンプリングパターンとの間の関係を概略的に示す図である。
図５は、セグメント化画像データをラドン空間の導関数に変換するためのフーリエベースのマッピングの例示的な実施形態を示す図である。
図６は、ラドン空間データから経路長データを生成する方法の例示的な実施形態を示す図である。
図７は、グランジット（Grangeat）のコーンビーム形状を概略的に示す図である。
図８は、補正された投影データを生成する方法の例示的な実施形態を示す図である。
図９は、補正された投影データを生成する方法の例示的な実施形態を示す図である。
図１０は、補正された投影データを生成する方法の例示的な実施形態を示す図である。
図１１は、補正された投影データを生成する方法の例示的な実施形態を示す図である。
図１２は、リサンプリング機械学習（ＭＬ）モデルを訓練する方法の例示的な実施形態における情報の流れを示す図である。
図１３は、経路長精密化ＭＬモデルをトレーニングするための方法の例示的な実施形態における情報の流れを示す図である。
図１４は、ニューラルネットワークの例示的な実施形態を示す図である。
図１５は、畳み込みニューラルネットワーク（ＣＮＮ）の例示的な実施形態を示す図である。
図１６は、例示的な実施形態による、畳み込み層の１つのニューロンノードの畳み込み層の実装例を示す図である。
図１７は、リサンプリングＭＬモデルをトレーニングするための方法の例示的な実施形態を示す図である。
図１８は、経路長精密化ＭＬモデルをトレーニングするための方法の例示的な実施形態を示す図である。
図１９は、医療画像化システムの例示的な実施形態を示す図である。
図２０は、ニューラルネットワーク訓練装置の例示的な実施形態を示す図である。
【発明を実施するための形態】
【０００６】
以下の段落では、特定の説明実施形態について説明する。他の実施形態は、代替物、均等物、及び変形を含み得る。さらに、説明実施形態は、いくつかの新規な特徴を含んでもよく、特定の特徴は、本明細書に記載されるデバイス、システム、及び方法のいくつかの実施形態にとって必須ではない場合もある。さらに、いくつかの実施形態は、以下の説明実施形態のうちの２つ以上からの特徴を含む。従って、種々の実施形態からの特徴は、適宜組み合わせられ、置換することもできる。
【０００７】
また、本明細書で用いる場合、接続詞「又は」は、一般に、包括的な「又は」を指すが、「又は」は、明示的に示されている場合、又は文脈が「又は」が排他的な「又は」でなければならないことを示している場合、排他的な「又は」を指す場合がある。さらに、本明細書で使用されるように、「第１」、「第２」などという用語は、必ずしも順序関係、順次関係、又は優先順位関係を示すものではなく、順序関係、順次関係、又は優先順位関係を表現することなく、１つの部材、操作、要素、グループ、コレクション、集合（セット）などを他の物からより明確に区別するために使用されてもよい。
【０００８】
そして、以下の説明及び図面において、参照符号などは、いくつかのビューを通じて同一又は対応する部材を示す。
【０００９】
さらに、いくつかの実施形態は、以下の段落に記載される:
【００１０】
（１）再構成された画像データグループを取得し、前記再構成された画像データの前記グループをラドン空間の微分に変換してラドン空間データを生成し、前記ラドン空間データは、ラドン空間の前記微分においてラジアル状のサンプリングパターンを有し、前ラドン空間データをリサンプリングするための第１学習済機械学習モデルに前記ラドン空間データを入力してリサンプリングされたデータを生成し、前記リサンプリングされたデータは、ラドン空間の微分にコーンビーム投影幾何学的形状のサンプリングパターンを有すること、を備えるコンピュータ断層撮像（ＣＴ）データ生成方法。
（【００１１】以降は省略されています）

関連特許