放射线图像处理方法、机械学习方法、学习完成模型、机械学习的前处理方法、放射线图像处理模块、放射线图像处理程序及放射线图像处理系统技术方案

本发明专利技术的控制装置(20)具备：图像取得部(203)，其取得向对象物(F)照射放射线，并拍摄了透过对象物(F)的放射线的放射线图像；噪声图生成部(204)，其基于表示像素值与评估噪声值的扩大的评估值的关系的关系数据，根据放射线图像的各像素的像素值，导出评估值，生成将导出的评估值与放射线图像的各像素建立对应的数据即噪声图；及处理部(205)，其将放射线图像及噪声图输入预先通过机械学习而构建的学习完成模型(207)，实行从放射线图像去除噪声的图像处理。的图像处理。的图像处理。

【技术实现步骤摘要】
【国外来华专利技术】放射线图像处理方法、机械学习方法、学习完成模型、机械学习的前处理方法、放射线图像处理模块、放射线图像处理程序及放射线图像处理系统


[0001]实施方式的一个方面涉及一种放射线图像处理方法、机械学习方法、学习完成模型、机械学习的前处理方法、放射线图像处理模块、放射线图像处理程序及放射线图像处理系统。

技术介绍

[0002]目前，已知有一种以图像数据为对象、使用机械学习的学习完成模型进行噪声去除的方法(例如，参照下述专利文献1)。根据该方法，由于自动去除来自图像数据的噪声，因此可高精度地观察对象物。
[0003]现有技术文献
[0004]专利文献
[0005]专利文献1：日本专利特开2019
‑
91393号公报

技术实现思路

[0006][专利技术所要解决的问题][0007]在如上述的现有方法中，在以使X射线等放射线透过对象物而产生的放射线图像为对象的情况下，有时噪声去除不充分。例如，根据X射线源等放射线产生源的条件、所使用的滤波器的种类等条件，存在图像的像素值与噪声的关系易于变动，无法有效去除噪声的倾向。
[0008]因此，实施方式的一方面是鉴于该问题而完成的，其课题在于，提供一种可有效去除放射线图像中的噪声的放射线图像处理方法、机械学习方法、学习完成模型、机械学习的前处理方法、放射线图像处理模块、放射线图像处理程序及放射线图像处理系统。
[0009][解决问题的技术手段][0010]实施方式的一方面的放射线图像处理方法具备：图像取得步骤，取得向对象物照射放射线，并拍摄了透过对象物的放射线的放射线图像；噪声图生成步骤，基于表示像素值与评估噪声值的扩大的评估值的关系的关系数据，根据放射线图像的各像素的像素值，导出评估值，生成将导出的评估值与放射线图像的各像素建立对应的数据即噪声图；及处理步骤，将放射线图像及噪声图输入预先通过机械学习而构建的学习完成模型，实行从放射线图像去除噪声的图像处理。
[0011]或者，实施方式的另一方面的放射线图像处理模块具备：图像取得部，其取得向对象物照射放射线，并拍摄了透过对象物的放射线的放射线图像；噪声图生成部，其基于表示像素值与评估噪声值的扩大的评估值的关系的关系数据，根据放射线图像的各像素的像素值，导出评估值，生成将导出的评估值与放射线图像的各像素建立对应的数据即噪声图；及处理部，其将放射线图像及噪声图输入预先通过机械学习构建的学习完成模型，实行从放
射线图像去除噪声的图像处理。
[0012]或者，实施方式的另一方面的放射线图像处理程序使处理器作为以下者发挥功能：图像取得部，其取得向对象物照射放射线，并拍摄了透过对象物的放射线的放射线图像；噪声图生成部，其基于表示像素值与评估噪声值的扩大的评估值的关系的关系数据，根据放射线图像的各像素的像素值，导出评估值，生成将导出的评估值与放射线图像的各像素建立对应的数据即噪声图；及处理部，其将放射线图像及噪声图输入预先通过机械学习构建的学习完成模型，实行从放射线图像去除噪声的图像处理。
[0013]或者，实施方式的另一方面的放射线图像处理系统具备：上述的放射线模块；产生源，其向对象物照射放射线；及拍摄装置，其拍摄透过对象物的放射线而取得放射线图像。
[0014]根据上述一个方面或另一方面中的任意者，基于表示像素值与评估噪声值的扩大的评估值的关系的关系数据，根据放射线图像的各图像的像素值，导出评估值，生成将导出的评估值与放射线图像的各像素建立对应的数据即噪声图。并且，将放射线图像及噪声图输入预先通过机械学习构建的学习完成模型，实行从放射线图像去除噪声的图像处理。根据该结构，考虑根据放射线图像的各像素的像素值评估的噪声值的扩大，通过机械学习将该放射线图像的各像素中的噪声去除。由此，可使用学习完成模型，实现与放射线图像中的像素值及噪声的扩大的关系对应的噪声去除，其结果，可有效地去除放射线图像中的噪声。
[0015][专利技术的效果][0016]根据本公开的一方面，可有效地去除对象物的放射线图像中的噪声。
附图说明
[0017]图1是实施方式的图像取得装置1的概略结构图。
[0018]图2是示出图1的控制装置20的硬件结构的一例的框图。
[0019]图3是示出图1的控制装置20的功能结构的框图。
[0020]图4是示出图3的图像取得部203所取得的X射线图像的一例的图。
[0021]图5是示出由图3的噪声图生成部204的噪声标准偏差图的生成例的图。
[0022]图6是示出图3的学习完成模型207的输入输出数据的一例的图。
[0023]图7是示出用于构建学习完成模型207的训练数据的一个即训练图像的一例的图。
[0024]图8是示出图像取得装置1的观察处理顺序的流程图。
[0025]图9是示出通过图像取得装置1取得的噪声去除处理前后的X射线图像的例子的图。
[0026]图10是示出通过图像取得装置1取得的噪声去除处理前后的X射线图像的例子的图。
[0027]图11是示出本公开的变形例的控制装置20A的功能结构的框图。
[0028]图12是示出由本公开的变形例的图像取得装置1执行的观察处理的顺序的流程图。
[0029]图13是示出由图11的算出部202A执行的透过X射线的能谱的仿真计算结果的一例的图表。
[0030]图14是示出由图11的算出部202A导出的、对象物的厚度与平均能量及透过率的关系的仿真计算结果的一例的图表。
[0031]图15是示出由图11的算出部202A导出的、对象物的厚度与X射线的透过率的关系的仿真计算结果的一例的图表。
[0032]图16是示出由图11的算出部202A导出的、对象物的厚度与透过X射线的平均能量的关系的仿真计算结果的一例的图表。
[0033]图17是示出由图11的算出部202A导出的、X射线图像的像素值与平均能量的关系的仿真计算结果的一例的图表。
[0034]图18是示出X射线图像的像素值与噪声值的标准偏差的关系的仿真计算结果的一例的图表。
[0035]图19是示出在图11的算出部202A导出的、对象物的材质变化时的像素值与噪声值的标准偏差的关系的一例的图表。
[0036]图20是示出本公开的第2实施方式的控制装置20B的功能结构的框图。
[0037]图21是示出由本公开的第2实施方式的图像取得装置1执行的观察处理顺序的流程图。
[0038]图22是示出由图20的噪声图生成部204B的噪声标准偏差图的生成例的图。
[0039]图23是示出在第2实施方式的图像取得装置1中用于拍摄的治具的结构的一例的立体图。
[0040]图24是示出图23的治具的拍摄图像的一例的图。
[0041]图25是示出第3实施方式的控制装置1C的概略结构图。
[0042]图26是示出第3实施方式的控制装置20C的功能结构的框图。
[0043]图27是示出图本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种放射线图像处理方法，其具备：图像取得步骤，取得向对象物照射放射线，并拍摄了透过所述对象物的放射线的放射线图像；噪声图生成步骤，基于表示像素值与评估噪声值的扩大的评估值的关系的关系数据，根据所述放射线图像的各像素的像素值，导出所述评估值，生成噪声图，所述噪声图为将导出的所述评估值与所述放射线图像的各像素建立对应的数据；及处理步骤，将所述放射线图像及所述噪声图输入预先通过机械学习而构建的学习完成模型，实现从所述放射线图像去除噪声的图像处理。2.根据权利要求1所述的放射线图像处理方法，其中，在所述噪声图生成步骤中，根据与透过所述对象物的放射线相关的平均能量、及所述放射线图像的各像素的像素值，导出所述评估值。3.根据权利要求2所述的放射线图像处理方法，其中，还具备：输入步骤，接收表示照射放射线并拍摄所述对象物时的放射线的产生源的条件或拍摄条件中的任意者的条件信息的输入；及算出步骤，基于所述条件信息，算出所述平均能量，所述条件信息中至少包含：所述产生源的管电压、与所述对象物相关的信息、用于拍摄所述对象物的相机所具备的滤波器的信息、所述产生源所具备的滤波器的信息、所述相机所具备的闪烁器的信息中的任一者。4.根据权利要求2所述的放射线图像处理方法，其中，还具备：算出步骤，根据所述放射线图像的各像素的像素值，算出所述平均能量。5.根据权利要求1所述的放射线图像处理方法，其中，在所述图像取得步骤中，对治具照射放射线，取得拍摄了透过所述治具的放射线的治具的放射线图像，在所述噪声图生成步骤中，根据所述治具的放射线图像，导出所述关系数据。6.根据权利要求1所述的放射线图像处理方法，其中，在所述图像取得步骤中，取得在无所述对象物的状态下拍摄的多个放射线图像，在所述噪声图生成步骤中，根据所述多个放射线图像，导出所述关系数据，所述多个放射线图像为放射线的产生源的条件及拍摄条件中的至少一个条件互不相同的多个图像。7.根据权利要求1至6中任一项所述的放射线图像处理方法，其中，所述评估值为噪声值的标准偏差。8.一种机械学习方法，其具备：构建步骤，将放射线图像作为训练图像，基于表示像素值与评估噪声值的扩大的评估值的关系的关系数据，将从所述训练图像产生的噪声图、及作为从所述训练图像去除噪声后的数据的噪声去除图像数据用作训练数据，通过机械学习而构建基于所述训练图像及所述噪声图输出所述噪声去除图像数据的学习完成模型。9.一种学习完成模型，其中，是通过根据权利要求8所述的机械学习方法而构建的学习完成模型，
使处理器实行从对象物的放射线图像去除噪声的图像处理。10.一种机械学习方法的前处理方法，其中，是根据权利要求8所述的机械学习方法的前处理方法，具备：噪声图生成步骤，基于所述关系数据，根据所述放射线图像的各像素的像素值，导出所述评估值，生成噪声图，所述噪声图为将导出的所述评估值与所述放射线图像的各像素建立对应的数据。11.一种放射线图像处理模块，其具备：图像取得部，其取得向对象物照射放射线，并拍摄了透过所述对象物的放射线的放射线图像；噪声图生成部，其基于表示像素值与评估噪声值的扩大的评估值的关系的关系数据，根据所述放射线图像的各像素的像素值，导出所述...

【专利技术属性】
技术研发人员：土屋智，大西达也，须山敏康，
申请(专利权)人：浜松光子学株式会社，
类型：发明
国别省市：