特許ウォッチ

公開番号2025146147
公報種別公開特許公報(A)
公開日2025-10-03
出願番号2024046776
出願日2024-03-22
発明の名称画像処理装置、方法およびプログラム、並びに学習装置、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 6/03 20060101AFI20250926BHJP(医学または獣医学;衛生学)
要約【課題】画像処理装置、方法およびプログラム、学習装置、方法およびプログラムにおいて、スカウト画像のような断層画像に含まれる実際の解剖構造の範囲を推定できるようにする。
【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、導出モデルを使用して、解剖構造を含む少なくとも1つの断層画像において相対的に視認が容易な解剖構造の第1範囲、および少なくとも1つの断層画像において相対的に視認が困難な解剖構造の第2範囲を、少なくとも1つの断層画像から導出し、第1範囲および前記第2範囲を表示する。
【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、
導出モデルを使用して、解剖構造を含む少なくとも１つの断層画像において相対的に視認が容易な前記解剖構造の第１範囲、および前記少なくとも１つの断層画像において相対的に視認が困難な前記解剖構造の第２範囲を、前記少なくとも１つの断層画像から導出し、
前記第１範囲および前記第２範囲を表示する画像処理装置。
続きを表示（約 2,000 文字）【請求項２】
前記第１範囲は、前記少なくとも１つの断層画像において視認される前記解剖構造の範囲であり、
前記第２範囲は、前記少なくとも１つの断層画像から推定される前記解剖構造が実際に存在する範囲である請求項１に記載の画像処理装置。
【請求項３】
前記プロセッサは、前記少なくとも１つの断層画像に、前記第１範囲および前記第２範囲を重畳して表示する請求項１または２に記載の画像処理装置。
【請求項４】
前記プロセッサは、前記第１範囲が重畳された前記少なくとも１つの断層画像、および前記第２範囲が重畳された前記少なくとも１つの断層画像のそれぞれを表示する請求項１または２に記載の画像処理装置。
【請求項５】
前記プロセッサは、前記少なくとも１つの断層画像から疑似３次元画像を導出し、
前記疑似３次元画像に前記第１範囲および前記第２範囲を重畳して表示する請求項１に記載の画像処理装置。
【請求項６】
前記プロセッサは、表示された前記第２範囲が指定された場合に、前記疑似３次元画像に前記第１範囲および前記第２範囲を重畳して表示する請求項５に記載の画像処理装置。
【請求項７】
前記プロセッサは、前記第２範囲が前記少なくとも１つの断層画像の範囲外にある場合、前記第２範囲を含む前記疑似３次元画像を導出する請求項５に記載の画像処理装置。
【請求項８】
前記導出モデルは、前記解剖構造を含む第１の３次元画像のスライス間隔を間引いた疑似３次元画像、前記疑似３次元画像における第１の解剖構造範囲、および前記第１の３次元画像における第２の解剖構造範囲を含む第１教師データを取得し、
前記第１の３次元画像よりもスライス間隔が大きい第２の３次元画像、および前記第２の３次元画像における第３の解剖構造範囲を含む第２教師データを取得し、
前記第１教師データを使用して、前記疑似３次元画像を、前記導出モデルを構築するためのモデルに入力することにより、前記疑似３次元画像における前記第１範囲として第１の疑似解剖構造範囲および前記第１の３次元画像における前記第２範囲としての第２の疑似解剖構造範囲を出力させ、前記第１の疑似解剖構造範囲と前記第１の解剖構造範囲との第１損失、および前記第２の疑似解剖構造範囲と前記第２の解剖構造範囲との第２損失を導出し、
前記第２教師データを使用して、前記第２の３次元画像を前記モデルに入力することにより、前記第２の３次元画像における第１範囲として第３の疑似解剖構造範囲を出力させ、前記第３の疑似解剖構造範囲と前記第３の解剖構造範囲との第３損失を導出し、
前記第１損失、第２損失および前記第３損失が小さくなるように前記モデルを学習することにより構築される請求項１に記載の画像処理装置。
【請求項９】
解剖構造を含む少なくとも１つの断層画像における前記解剖構造の第１範囲、および前記少なくとも１つの断層画像における前記解剖構造の第２範囲を、前記少なくとも１つの断層画像から導出する導出モデルを構築する学習装置であって、
少なくとも１つのプロセッサを備え、
前記プロセッサは、
前記解剖構造を含む第１の３次元画像のスライス間隔を間引いた疑似３次元画像、前記疑似３次元画像における第１の解剖構造範囲、および前記第１の３次元画像における第２の解剖構造範囲を含む第１教師データを取得し、
前記第１の３次元画像よりもスライス間隔が大きい第２の３次元画像、および前記第２の３次元画像における第３の解剖構造範囲を含む第２教師データを取得し、
前記第１教師データを使用して、前記疑似３次元画像を、前記導出モデルを構築するためのモデルに入力することにより、前記疑似３次元画像における前記第１範囲として第１の疑似解剖構造範囲および前記第１の３次元画像における前記第２範囲としての第２の疑似解剖構造範囲を出力させ、前記第１の疑似解剖構造範囲と前記第１の解剖構造範囲との第１損失、および前記第２の疑似解剖構造範囲と前記第２の解剖構造範囲との第２損失を導出し、
前記第２教師データを使用して、前記第２の３次元画像を前記モデルに入力することにより、前記第２の３次元画像における第１範囲として第３の疑似解剖構造範囲を出力させ、前記第３の疑似解剖構造範囲と前記第３の解剖構造範囲との第３損失を導出し、
前記第１損失、第２損失および前記第３損失が小さくなるように前記モデルを学習する学習装置。
【請求項１０】
前記プロセッサは、学習が進行した段階において、前記第１損失および前記第３損失と前記第２損失のオーダーが一致するように、前記第１損失および前記第３損失に対する重みと前記第２損失に対する重みを設定する請求項９に記載の学習装置。
（【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】
本開示は、画像処理装置、方法およびプログラム、並びに学習装置、方法およびプログラムに関する。
続きを表示（約 1,900 文字）【背景技術】
【０００２】
近年、ＣＴ（Computed Tomography）装置およびＭＲＩ（Magnetic Resonance Imaging）装置等の医療機器の進歩により、より質の高い高解像度の３次元画像が画像診断に用いられるようになってきている。
【０００３】
ＣＴ装置およびＭＲＩ装置等の撮影装置において被検体の撮影を行う場合、撮影範囲を決定するために、３次元画像を取得するための本撮影に先立ってスカウト撮影が行われ、２次元の位置決め用画像（スカウト画像）が取得される。技師等の撮影装置の操作者は、スカウト画像を見ながら本撮影時の撮影範囲を設定する。
【０００４】
一方、スカウト画像を見ながらの撮影範囲の設定は、操作者が手動で行う必要があるため時間を要する。また、操作者の能力および経験に依存するために設定の精度にばらつきが生じる。このため、スカウト画像から自動で撮影範囲を設定するための各種手法が提案されている（例えば非特許文献１参照）。また、２次元の断層画像に含まれる臓器の３次元的な位置を推定する手法も提案されている（例えば特許文献１参照）。
【先行技術文献】
【特許文献】
【０００５】
国際公開第２０２１／２０５９９０号
【非特許文献】
【０００６】
Ruiqi Geng MSc, et al, Automated MR Image Prescription of the Liver Using Deep Learning: Development, Evaluation, and Prospective Implementation, 30 December 2022
【発明の概要】
【発明が解決しようとする課題】
【０００７】
しかしながら、スカウト画像は、本撮影により取得される３次元画像よりもスライス間隔が大きく、かつ枚数も３次元画像より少ない。このため、スカウト画像に含まれる臓器の範囲は、実際の臓器の範囲と隔たりを有するものとなる。したがって、スカウト画像にのみ基づいて撮影範囲を設定すると、本撮影により取得された３次元画像に必要な解剖構造が含まれなくなる事態が生じる。
【０００８】
本開示は上記事情に鑑みなされたものであり、スカウト画像のような断層画像に含まれる実際の解剖構造の範囲を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】
【０００９】
本開示による画像処理装置は、少なくとも１つのプロセッサを備え、
プロセッサは、導出モデルを使用して、解剖構造を含む少なくとも１つの断層画像において相対的に視認が容易な解剖構造の第１範囲、および少なくとも１つの断層画像において相対的に視認が困難な解剖構造の第２範囲を、少なくとも１つの断層画像から導出し、
第１範囲および第２範囲を表示する。
【００１０】
本開示による学習装置は、解剖構造を含む少なくとも１つの断層画像における解剖構造の第１範囲、および少なくとも１つの断層画像における解剖構造の第２範囲を、少なくとも１つの断層画像から導出する導出モデルを構築する学習装置であって、
少なくとも１つのプロセッサを備え、
プロセッサは、解剖構造を含む第１の３次元画像のスライス間隔を間引いた疑似３次元画像、疑似３次元画像における第１の解剖構造範囲、および第１の３次元画像における第２の解剖構造範囲を含む第１教師データを取得し、
第１の３次元画像よりもスライス間隔が大きい第２の３次元画像、および第２の３次元画像における第３の解剖構造範囲を含む第２教師データを取得し、
第１教師データを使用して、疑似３次元画像を、導出モデルを構築するためのモデルに入力することにより、疑似３次元画像における第１範囲として第１の疑似解剖構造範囲および第１の３次元画像における第２範囲としての第２の疑似解剖構造範囲を出力させ、第１の疑似解剖構造範囲と第１の解剖構造範囲との第１損失、および第２の疑似解剖構造範囲と第２の解剖構造範囲との第２損失を導出し、
第２教師データを使用して、第２の３次元画像をモデルに入力することにより、第２の３次元画像における第１範囲として第３の疑似解剖構造範囲を出力させ、第３の疑似解剖構造範囲と第３の解剖構造範囲との第３損失を導出し、
第１損失、第２損失および第３損失が小さくなるようにモデルを学習する。
（【００１１】以降は省略されています）

関連特許