【技术实现步骤摘要】
推定装置、方法及计算机可读存储介质
[0001]本专利技术涉及一种推定装置、方法及程序。
技术介绍
[0002]一直以来,已知有一种能量减影处理,其使用两张放射线图像,该两张放射线图像是利用透射的放射线的衰减量根据构成被摄体的物质而不同这一性质,将能量分布不同的两种放射线照射到被摄体而得到的。能量减影处理是使以上述方式得到的两个放射线图像的各像素对应地在像素之间乘以适当的权重系数之后进行减法运算(subtract)来获取强调了特定结构物的图像的方法。并且,不仅是骨部及软部,软部中的脂肪及肌肉等人体的组成也通过能量减影处理来导出(参考专利文献1)。
[0003]并且,提出有使用通过拍摄被摄体而获取的放射线图像来导出与所获取的放射线图像不同的放射线图像的各种方法。例如,在专利文献2中提出有如下方法:通过使用学习完毕模型,根据通过单纯拍摄而获取的被摄体的放射线图像来导出骨部图像,该学习完毕模型是将通过单纯拍摄而获取的被摄体的放射线图像和同一个被摄体的骨部图像用作教师数据,对神经网络进行学习而构建的。
[0004]另外,单纯拍摄是向被摄体照射一次放射线来获取作为被摄体的透射图像的一张二维图像的摄影方法。在以后的说明中,将通过单纯拍摄而获取的二维图像称为单纯二维图像。
[0005]专利文献1:日本特开2018
‑
153605号公报
[0006]专利文献2:美国专利第7545965号说明书
[0007]然而,期望进一步高精度地推定强调了骨部等的特定组成的图像。
专 ...
【技术保护点】
【技术特征摘要】
1.一种推定装置,其具备至少一个处理器,所述处理器作为学习完毕神经网络发挥作用,所述学习完毕神经网络根据通过单纯拍摄包含多个组成的被摄体而获取的单纯二维图像来导出强调了所述被摄体的特定组成的至少一个强调图像的推定结果,所述学习完毕神经网络是将以下用作教师数据进行学习而成的:通过利用能量分布不同的放射线拍摄被摄体而获取的两个放射线图像;及根据所述两个放射线图像导出的强调了所述被摄体的特定组成的学习用强调图像。2.根据权利要求1所述的推定装置,其中,所述学习用强调图像通过对所述两个放射线图像进行加权减法运算的能量减影处理来导出。3.根据权利要求2所述的推定装置,其中,所述强调图像为强调了所述被摄体的骨部的骨部图像及强调了所述被摄体的软部的软部图像中的至少一者,所述学习用强调图像通过以下步骤来导出:使用所述两个放射线图像中的至少一个放射线图像来识别所述被摄体的所述骨部及所述软部;使用所述骨部及所述软部的识别结果和所述两个放射线图像来导出关于所述骨部及所述软部的衰减系数;及使用所述衰减系数进行所述能量减影处理。4.根据权利要求2所述的推定装置,其中,所述强调图像为强调了所述被摄体的骨部的骨部图像及强调了所述被摄体的软部的软部图像,所述学习用强调图像通过以下步骤来导出:根据所述骨部图像中所包含的所述骨部的像素值及所述软部图像中所包含的所述软部的像素值来导出用于所述加权减法运算的新的权重系数;通过使用所述新的权重系数对所述两个放射线图像进行所述加权减法运算来导出新的骨部图像及新的软部图像;及重复进行根据所述新的骨部图像导出又一新的权重系数、根据所述新的软部图像导出又一新的权重系数以及根据又一新的权重系数导出又一新的骨部图像及又一新的软部图像。5.根据权利要求2所述的推定装置,其中,所述强调图像为强调了所述被摄体的骨部的骨部图像及强调了所述被摄体的软部的软部图像,所述学习用强调图像通过以下步骤来导出:一边将关于所述软部的不同的每个能量分布的衰减系数、所述软部的厚度、关于所述骨部的不同的每个能量分布的衰减系数及所述骨部的厚度由初始值进行变更,一边按不同的每个能量分布导出所述软部的衰减系数
×
所述软部的厚度+所述骨部的衰减系数
×
所述骨部的厚度的值与所述放射线图像的各像素值的差异;导出所述差异成为最小或所述差异小于预先规定的阈值的所述不同的每个能量分布
的所述软部的衰减系数及所述骨部的衰减系数;及使用根据所述软部的衰减系数及所述骨部的衰减系数导出的权重系数来进行所述能量减影处理。6.根据权利要求2所述的推定装置,其中,所述学习用强调图像通过以下步骤来导出:导出所述被摄体的软部中所包含的多个组成的组成比例;根据所述组成比例,按所述两个放射线图像的每个像素导出不同的每个能量分布的衰减系数;及使用根据所导出的衰减系数导出的权重系数来进行所述能量减影处理。7.根据权利要求6所述的推定装置,其中,就所述组成比例而言,按关于所述两个放射线图像各自的每个像素导出所述被摄体的体厚来分别作为第1体厚及第2体厚,根据所述第1体厚及所述第2体厚,按所述放射线图像的每个像素来导出所述组成比例。8.根据权利要求7所述的推定装置,其中,就所述组成比例而言,根据关于所述多个组成各自的所述不同的每个能量分布的衰减系数来导出所述第1体厚及所述第2体厚,一边变更所述组成的厚度及每个所述组成的衰减系数一边导出所述第1体厚及所述第2体厚,并根据所述第1体厚与所述第2体厚的差异成为预先规定的阈值以下的所述组成的厚度来导出所述组成比例。9.根据权利要求2或3所述的推定装置,其中,就所述学习用强调图像而言,进行从所述两个放射线图像中去除照射到所述被摄体的放射线中由所述被摄体散射的散射线分量的散射线去除处理,通过针对去除了所述散射线分量的所述两个放射线图像...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。