特許ウォッチ

公開番号2025010394
公報種別公開特許公報(A)
公開日2025-01-20
出願番号2024193174,2021040687
出願日2024-11-01,2021-03-12
発明の名称推定装置、方法およびプログラム
出願人富士フイルム株式会社
代理人弁理士法人太陽国際特許事務所
主分類A61B 6/00 20240101AFI20250109BHJP(医学または獣医学;衛生学)
要約【課題】推定装置、方法およびプログラムにおいて、運動器の疾患を高精度で予測できるようにする。
【解決手段】少なくとも1つのプロセッサを備え、プロセッサは、複数の組成を含む被写体を単純撮影することにより取得した単純2次元画像から被写体の特定の組成を強調した少なくとも1つの強調画像の推定結果を導出する学習済みニューラルネットワークとして機能する。学習済みニューラルネットワークは、被写体の3次元のCT画像を合成することにより導出された被写体を表す合成2次元画像と、CT画像から導出された被写体の特定の組成を強調した学習用強調画像とを教師データとして用いて学習されてなる。
【選択図】図3
特許請求の範囲【請求項１】
少なくとも１つのプロセッサを備え、
前記プロセッサは、
複数の組成を含む被写体を単純撮影することにより取得した単純放射線画像から前記被写体の筋肉および脂肪の少なくとも一方の組成を強調した少なくとも１つの強調画像の推定結果を導出する学習済みニューラルネットワークとして機能し、
前記学習済みニューラルネットワークは、前記被写体の３次元のＣＴ画像を合成することにより導出された前記被写体を表す合成２次元画像と、前記ＣＴ画像から導出された、前記学習済みニューラルネットワークが出力する前記強調画像の推定結果において強調される前記被写体の組成を強調した学習用強調画像とを教師データとして用いて学習されてなる、推定装置。
続きを表示（約 1,100 文字）【請求項２】
前記合成２次元画像は、３次元空間上の各位置における組成についての放射線の減弱係数を導出し、前記減弱係数に基づいてあらかじめ定められた方向に前記ＣＴ画像を投影することにより導出される請求項１に記載の推定装置。
【請求項３】
前記学習用強調画像は、前記ＣＴ画像における筋肉および脂肪の少なくとも一方の組成の領域を特定し、前記筋肉および脂肪の少なくとも一方の組成の領域の前記ＣＴ画像をあらかじめ定められた方向に投影することにより導出される請求項１または２に記載の推定装置。
【請求項４】
前記学習用強調画像は、前記ＣＴ画像をあらかじめ定められた方向に投影することにより導出された、エネルギー分布が異なる放射線による前記被写体の撮影をシミュレーションした２つの合成２次元画像を重み付け減算することにより導出される請求項１または２に記載の推定装置。
【請求項５】
複数の組成を含む被写体を単純撮影することにより取得した単純放射線画像から前記被写体の筋肉および脂肪の少なくとも一方の組成を強調した少なくとも１つの強調画像の推定結果を導出する学習済みニューラルネットワークを用いて、前記単純放射線画像から前記被写体の特定の組成を強調した少なくとも１つの強調画像の推定結果を導出する推定方法であって、
前記学習済みニューラルネットワークは、前記被写体の３次元のＣＴ画像を合成することにより導出された前記被写体を表す合成２次元画像と、前記ＣＴ画像から導出された、前記学習済みニューラルネットワークが出力する前記強調画像の推定結果において強調される前記被写体の組成を強調した学習用強調画像とを教師データとして用いて学習されてなる、推定方法。
【請求項６】
複数の組成を含む被写体を単純撮影することにより取得した単純放射線画像から前記被写体の筋肉および脂肪の少なくとも一方の組成を強調した少なくとも１つの強調画像の推定結果を導出する学習済みニューラルネットワークを用いて、前記単純放射線画像から前記被写体の特定の組成を強調した少なくとも１つの強調画像の推定結果を導出する手順をコンピュータに実行させる推定プログラムであって、
前記学習済みニューラルネットワークは、前記被写体の３次元のＣＴ画像を合成することにより導出された前記被写体を表す合成２次元画像と、前記ＣＴ画像から導出された、前記学習済みニューラルネットワークが出力する前記強調画像の推定結果において強調される前記被写体の組成を強調した学習用強調画像とを教師データとして用いて学習されてなる、推定プログラム。

発明の詳細な説明【技術分野】
【０００１】
本開示は、推定装置、方法およびプログラムに関する。
続きを表示（約 1,400 文字）【背景技術】
【０００２】
従来より、被写体を構成する物質によって透過した放射線の減衰量が異なることを利用して、エネルギー分布が異なる２種類の放射線を被写体に照射して得られた２枚の放射線画像を用いたエネルギーサブトラクション処理が知られている。エネルギーサブトラクション処理とは、上記のようにして得られた２つの放射線画像の各画素を対応させて、画素間で適当な重み係数を乗算した上で減算（サブトラクト）を行って、特定の構造物を強調した画像を取得する方法である。また、骨部および軟部のみならず、軟部における脂肪および筋肉等の人体の組成をエネルギーサブトラクション処理により導出することも行われている（特許文献１参照）。
【０００３】
また、被写体を撮影することにより取得された放射線画像を用いて、取得された放射線画像とは異なる放射線画像を導出する各種手法が提案されている。例えば、特許文献２には、単純撮影により取得された被写体の放射線画像と、同一の被写体の骨部画像とを教師データとして用いてニューラルネットワークを学習することにより構築された学習済みモデルを用いることにより、単純撮影により取得された被写体の放射線画像から骨部画像を導出する手法が提案されている。
【０００４】
なお、単純撮影とは、被写体に１回放射線を照射して、被写体の透過像である１枚の２次元画像を取得する撮影方法である。以降の説明においては、単純撮影により取得した２次元画像を単純２次元画像と称するものとする。
【先行技術文献】
【特許文献】
【０００５】
特開２０１８－１５３６０５号公報
米国特許第７５４５９６５号明細書
【発明の概要】
【発明が解決しようとする課題】
【０００６】
しかしながら、さらに高精度で骨部等の特定の組成を強調した画像を推定することが望まれている。
【０００７】
本開示は上記事情に鑑みなされたものであり、特定の組成を強調した画像を高精度で推定できるようにすることを目的とする。
【課題を解決するための手段】
【０００８】
本開示による推定装置は、少なくとも１つのプロセッサを備え、
プロセッサは、複数の組成を含む被写体を単純撮影することにより取得した単純２次元画像から被写体の特定の組成を強調した少なくとも１つの強調画像の推定結果を導出する学習済みニューラルネットワークとして機能し、
学習済みニューラルネットワークは、被写体の３次元のＣＴ画像を合成することにより導出された被写体を表す合成２次元画像と、ＣＴ画像から導出された被写体の特定の組成を強調した学習用強調画像とを教師データとして用いて学習されてなる。
【０００９】
なお、本開示による推定装置においては、合成２次元画像は、３次元空間上の各位置における組成についての放射線の減弱係数を導出し、減弱係数に基づいてあらかじめ定められた方向にＣＴ画像を投影することにより導出されるものであってもよい。
【００１０】
また、本開示による推定装置においては、学習用強調画像は、ＣＴ画像における特定の組成の領域を特定し、特定の組成の領域のＣＴ画像をあらかじめ定められた方向に投影することにより導出されるものであってもよい。
（【００１１】以降は省略されています）

関連特許