JP7093075B2 - 医用画像処理装置、医用画像処理方法、およびプログラム - Google Patents

Description

本発明の実施形態は、医用画像処理装置、医用画像処理方法、およびプログラムに関する。

従来、放射線を患者の腫瘍に対して照射して治療する放射線治療方法が開示されている。放射線は、腫瘍の位置に正確に照射される必要がある。患者の体内の正常な組織に放射線を照射してしまうと、その正常な組織にまで影響を与える場合があるからである。そのため、予めコンピュータ断層撮影（Computed Tomography：ＣＴ）撮影を行って患者の体内の腫瘍の位置を３次元的に把握して、正常組織への照射を少なくするように照射する方向や照射強度が計画される。放射線治療においては、その治療計画に従って放射線を照射するために、治療計画時と治療時とで装置に対する相対的な患者の位置（以下、単に患者の位置）を合わせることが必要になる。

患者体内の腫瘍や骨などの位置を治療計画時と合わせるために、治療直前に寝台に寝かせた状態の患者体内の透視画像と、治療計画時に撮影した３次元ＣＴ画像から仮想的に透視画像を再構成したデジタル再構成Ｘ線画像（Digitally Reconstructed Radiograph：ＤＲＲ）との画像照合をして画像間の患者の位置のずれを求め、ずれに基づいて寝台を移動させることが行われる。患者位置のずれは、透視画像と最も類似するＤＲＲが再構成されるＣＴ画像の位置を探索することで求められる。この探索をコンピュータで自動化する方法は複数提案されている。しかし、最終的には、自動で探索した結果を利用者（医師など）が透視画像とＤＲＲ画像とを見比べることによって、患者の位置のずれが十分に小さいことが確認される。そして、利用者による確認が取れ次第、放射線の照射が行われる。

患者体内の腫瘍が、肺や肝臓などの呼吸や心拍の動きによって移動してしまう器官にある場合、照射中の腫瘍の位置を特定しなければならない。特定する方法として、照射中の患者の透視動画を連続撮影し、逐次透視画像内の腫瘍を追跡する方法や、腫瘍が透視画像で鮮明に写らない場合は、患者体内に留置されたマーカーを追跡することで、間接的に腫瘍の位置を特定する方法などがある。照射の手法には、腫瘍の位置に対して追尾して照射する追尾照射や、腫瘍が治療計画時の位置に来たときに照射する待ち伏せ照射がある。これらの照射方法は、患者の呼吸と照射が同期することから、呼吸同期照射方法と呼ばれている。

透視画像に写る腫瘍を追跡する方法として、予め腫瘍の画像パターンを取得しておき、治療時に撮影される透視画像内で類似する画像パターンの位置を探索して、腫瘍の位置を特定する方法がある。その方法では、腫瘍を含む画像と含まない画像を用意し、ニューラルネットワークによってそれらを識別する識別器が生成され、この識別器によって腫瘍の位置が追跡される。しかしながら、係る手法では、透視画像から例えばラスタスキャンの手法によって多数の局所画像を切り出し、それぞれを識別器によって腫瘍か腫瘍でないかを分類するため処理時間が長くなり、リアルタイム性が要求される腫瘍の位置の追跡に適用することが困難である場合があった。

米国特許第６８１９７９０号明細書

本発明が解決しようとする課題は、放射線治療において、患者の透視画像から患者のターゲット位置を、高速・高精度に推定することができる医用画像処理装置、医用画像処理方法、およびプログラムを提供することである。

実施形態の医用画像処理装置は、第１位置取得部と、第１変換部と、第１尤度画像生成部と、学習部とを持つ。第１位置取得部は、患者を撮影した複数時点の透視画像である複数の第１画像のそれぞれにおける前記患者のターゲット位置を、第１位置として取得する。第１変換部は、前記複数の第１画像における前記第１位置のそれぞれを、前記第１位置の時間的な動きが大きい第１方向に交差する第２方向に動きを拡大した第２位置に変換する。第１尤度画像生成部は、前記第２位置を基準として、前記第２位置に該当することの確からしさを示す尤度の分布を表す第１尤度画像を生成する。学習部は、前記複数の第１画像のそれぞれの一部または全部と前記第１尤度画像とを教師データとし、透視画像の一部または全部が与えられると前記第２位置に該当することの確からしさを示す尤度の分布を表す第２尤度画像を導出するモデルを出力する。

本発明によれば、放射線治療において治療中の患者の透視画像から、患者体内の腫瘍を自動追跡することができる医用画像処理装置、医用画像処理方法、およびプログラムを提供することができる。

第１の実施形態の医用画像処理装置１００を含む治療システム１の構成図。 第１の実施形態の学習装置１１０のブロック図。 第１の実施形態の動体追跡装置１２０のブロック図。 第１の実施形態の医用画像処理装置１００のブロック図。 第１変換部１１３によって透視画像ＴＩを処理する様子の一例を示す図。 ターゲット位置ＴＰの軌跡の一例を示す図。 医用画像処理装置１００が生成する第１尤度画像の一例を示す図。 学習装置１１０の処理の流れの一例を示すフローチャート。 動体追跡装置１２０の処理の流れの一例を示すフローチャート。 第２の実施形態の動体追跡装置１２０Ａのブロック図。 動体追跡装置１２０Ａが生成する第２尤度画像の一例を示す図。 動体追跡装置１２０Ａが生成する第２尤度画像の他の一例を示す図。 医用画像処理装置１００Ａが生成する人工画像パッチの一例を示す図。 動体追跡装置１２０Ａの処理の流れの一例を示すフローチャート。 第３の実施形態の動体追跡装置１２０Ｂのブロック図。 動体追跡装置１２０Ｂの処理の流れの一例を示すフローチャート。

以下、実施形態の医用画像処理装置、医用画像処理方法、およびプログラムを、図面を参照して説明する。

（第１の実施形態）
図１は、医用画像処理装置１００を含む治療システム１の構成図である。治療システム１は、例えば、治療装置１０と、医用画像処理装置１００とを備える。

治療装置１０は、例えば、寝台１１と、放射線源１２－１、１２－２と、検出器１３－１、１３－２と、治療装置側制御部２０とを備える。以下、符号におけるハイフンおよびこれに続く数字は、いずれの放射線源および検出器の組による透視用の放射線、或いは透視画像であるかを示すものとする。また、適宜、符号におけるハイフンおよびこれに続く数字を省略して説明を行う。

寝台１１には、治療を受ける患者Ｐが固定される。放射線源１２－１は、患者Ｐに対して放射線ｒ－１を照射する。放射線源１２－２は、放射線源１２－１とは異なる角度から、患者Ｐに対して放射線ｒ－２を照射する。放射線ｒ－１およびｒ－２は、電磁波の一例であり、例えばＸ線である。

放射線ｒ－１は検出器１３－１によって検出され、放射線ｒ－２は検出器１３－２によって検出される。検出器１３－１および１３－２は、例えばフラット・パネル・ディテクタ（ＦＰＤ；Flat Panel Detector）、イメージインテンシファイア、カラーイメージインテンシファイアなどである。検出器１３－１は、放射線ｒ－１のエネルギーを検出してデジタル変換し、透視画像ＴＩ－１として医用画像処理装置１００に出力する。検出器１３－２は、放射線ｒ－２のエネルギーを検出してデジタル変換し、透視画像ＴＩ－２として医用画像処理装置１００に出力する。図１では、２組の放射線源および検出器を示したが、治療装置１０は、３組以上の放射線源および検出器を備えてもよい。

照射門１４は、治療段階において、患者Ｐに対して治療ビームＢを照射する。治療ビームＢには、例えば、重粒子線、Ｘ線、γ線、電子線、陽子線、中性子線などが含まれる。図１では、１つの照射門１４のみ示したが、治療装置１０は複数の照射門を備えてもよい。

なお、透視画像ＴＩは、照射門１４による治療ビームＢの照射を行う数日程度前に取得されてもよいし、治療ビームＢの照射を行う直前に取得されてもよい。治療装置１０の利用者（医者等）は、例えば、治療ビームＢの照射を行う数日程度前に取得される透視画像を用いて、治療計画を立てる。治療計画とは、患者Ｐに照射する放射線のエネルギー、照射方向、照射範囲の形状などを計画することである。また、治療計画には、治療ビームＢの照射を複数回行う場合、各回の治療ビームＢの線量の配分の計画が含まれる。治療計画において医用画像処理装置１００は、医師による治療ビームＢの照射対象位置（ターゲット位置）の指定を受け付ける。

なお、医用画像処理装置１００は、ターゲットに関する各種情報の導出と同時に、患者Ｐの体内のターゲット付近に留置されたマーカーの位置を導出してもよい。患者Ｐの体内に留置するマーカーは、例えば、金属製であり、透視画像ＴＩにおいては視認性が高い。そのため、ターゲットの追跡が困難である場合には、マーカーを追跡する。

医用画像処理装置１００は、例えば、腫瘍と正常領域との境界を指定する場合、腫瘍の位置および体積を指定する。この腫瘍の体積は、肉眼的腫瘍体積（Gross Tumor Volume：ＧＴＶ）、臨床的標的体積（Clinical Target Volume：ＣＴＶ）、内的標的体積（Internal Target Volume：ＩＴＶ）、計画標的体積（Planning Target Volume：ＰＴＶ）などと呼ばれている。ＧＴＶは、画像から肉眼で確認することができるターゲットの体積であり、放射線治療においては、十分な線量の治療ビームＢを照射する必要がある体積である。ＣＴＶは、ＧＴＶと治療すべき潜在性のターゲットとを含む体積である。ＩＴＶは、予測される生理的な患者Ｐの動きなどによってＣＴＶが移動することを考慮し、ＣＴＶに予め定めた余裕（マージン）を付加した体積である。ＰＴＶは、治療を行う際に行う患者Ｐの位置合わせにおける誤差を考慮して、ＩＴＶにマージンを付加した体積である。これらの体積には、下式（１）の関係が成り立っている。

医用画像処理装置１００は、治療計画において設定された実際の治療時に生じる可能性のある誤差を考慮した余裕（マージン）を加えて、治療ビームの照射野を決定する。実際の治療時に生じる可能性のある誤差とは、例えば、患者位置決めにおける患者位置のずれなどである。

図２は、第１の実施形態の学習装置１１０の構成を示すブロック図である。図２に示す学習装置１１０は、例えば、第１画像取得部１１１と、第１位置取得部１１２と、第１変換部１１３と、第１尤度画像生成部１１４と、学習部１１５と、パラメータ記憶部１１６とを備える。これらの構成要素（パラメータ記憶部１１６を除く）は、例えば、ＣＰＵなどのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。また、これらの構成要素のうち一部または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）などのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予めＨＤＤ（Hard Disk Drive）やフラッシュメモリなどの記憶装置に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭなどの着脱可能な記憶媒体に格納されており、記憶媒体がドライブ装置に装着されることで記憶装置にインストールされてもよい。

第１画像取得部１１１は、まず、治療システム１を構成する治療装置１０に備えた撮影装置を再現する。より具体的には、図１に示したように、治療システム１を構成する治療装置１０では、放射線源１２と放射線検出器１３との位置が固定されている。つまり、治療装置１０では、放射線源１２と放射線検出器１３との組によって構成される撮影装置が撮影する方向が固定されている。このため、放射線源１２と放射線検出器１３とが設置された３次元空間内において所定の３次元座標を定義したとき、放射線源１２と放射線検出器１３との位置を、３軸の座標値で表すことができる。以下の説明においては、３軸の座標値の情報を、放射線源１２と放射線検出器１３との組によって構成される撮影装置のジオメトリ情報と称する。

第１画像取得部１１１は、患者Ｐに対して治療ビームＢを照射する前に、第１画像を取得する。第１画像とは、例えば、治療計画時に撮影された３次元ＣＴ画像等の透視画像に基づいて作成（再現）したＤＲＲ画像である。具体的には、第１画像取得部１１１は、治療計画時に取得した透視画像から、治療時の透視画像ＴＩを撮影する撮影装置のジオメトリ情報に従ってＤＲＲ画像を作成する。また、第１画像取得部１１１は、取得した第１画像を学習部１１５に出力する。なお、第１画像取得部１１１が取得する第１画像は、例えば、患者Ｐに対する過去の治療時など、学習時やそれよりも前に撮影されたＸ線透視画像等であってもよい。

第１画像取得部１１１は、例えば、マスク画像取得部１１１ａと、局所領域設定部１１１ｂとを備える。マスク画像取得部１１１ａは、透視画像ＴＩに主被写体である腫瘍以外（例えば、治療器具や治療装置）の被写体が写り込んでいる場合にその領域を覆い隠すマスク画像を生成する。マスク画像取得部１１１ａは、局所領域設定部１１１ｂに腫瘍以外の被写体を覆い隠したマスク画像を出力する。

局所領域設定部１１１ｂは、マスク画像取得部１１１ａにより出力されたマスク画像の中から、腫瘍以外の被写体が写り込んでいる部分が小さい領域、すなわち、腫瘍が写り込む部分が相対的に大きい領域（例えば後述する窓領域ＷＡ（ＴＰ））を設定し、第１位置取得部１１２および学習部１１５に出力する。また、局所領域設定部１１１ｂは、マスク画像の中から、学習効果が高いと見込まれる領域（例えば後述する窓領域ＷＡ（ｋ）を設定し、学習部１１５に出力する。局所領域設定部１１１ｂは、医師によって領域の指定を受け付けてもよいし、下記のように自動的に設定してもよい。後者の場合、局所領域設定部１１１ｂは、窓領域ＷＡ（ｋ）に関しては、後述する学習部１１５における学習効果が高いと見込まれる第１画像およびマスク画像を設定して出力してもよい。学習効果が高いと見込まれる画像とは、例えば、輝度値の差分が大きい画像である。

第１位置取得部１１２は、第１画像取得部１１１により出力された第１画像におけるターゲット位置の情報を取得する。ターゲット位置の情報とは、患者Ｐの患部、すなわち治療ビームＢを照射する対象の腫瘍等が存在する位置である。ターゲット位置の情報は、医用画像処理装置１００の使用者（例えば医師）によって治療計画時等に特定された位置（例えば、ＤＲＲ上で確認できる腫瘍の重心にジオメトリ情報を反映した位置）の情報である。第１位置取得部１１２は、第１画像およびターゲット位置の情報を第１変換部１１３に出力する。医用画像処理装置１００の使用者（例えば医師）によって治療計画時等に特定された位置は「ターゲット位置」あるいは「第１位置」の一例である。

第１変換部１１３は、第１位置取得部１１２により出力されたターゲット位置の情報に基づいて、第１画像に所定の変換処理を行うことで変換パラメータＣＰおよび逆変換パラメータＲＣＰを導出する。第１変換部１１３は、変換パラメータＣＰに基づいて導出した第１画像の画素位置に該当するターゲット位置を、第1尤度画像の画素位置へ対応づけして、第１尤度画像生成部１１４に出力する。また、第１変換部１１３は、逆変換パラメータＲＣＰをパラメータ記憶部１１６に出力する。第１画像に行う所定の変換処理と、変換パラメータＣＰおよび逆変換パラメータＲＣＰについては、後述する。

第１尤度画像生成部１１４は、第１変換部１１３により出力されたターゲット位置を基準として第１尤度画像を生成し、学習部１１５に出力する。第１尤度画像とは、例えば、第１画像内のターゲット位置の尤度（腫瘍が存在する位置であるという確からしさ）を輝度等で表現した画像のことである。

学習部１１５は、第１画像取得部１１１により出力された第１画像の一部または全部（より具体的には窓領域の画像）と、第１尤度画像生成部１１４により出力された第１尤度画像とに基づいて、第１画像の一部または全部と第１尤度画像との関係を回帰学習したモデルを表す尤度計算パラメータＬＰを導出する。学習部１１５は、尤度計算パラメータＬＰを、パラメータ記憶部１１６に出力する。呼吸位相が対応している第１画像の一部または全部と第１尤度画像とは、「教師データ」の一例である。

学習部１１５は、例えば、部分画像生成部１１５ａを備える。部分画像生成部１１５ａは、第１尤度画像の一部の領域である部分画像を生成する。

図３は、第１の実施形態の動体追跡装置１２０の構成を示すブロック図である。図３に示す動体追跡装置１２０は、例えば、第２画像取得部１２１と、第２尤度画像生成部１２２と、第１推定部１２３と、第２変換部１２４とを備える。これらの構成要素のうち一部または全部は、学習装置１１０と同様に、ＬＳＩ等のハードウェアによって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予め記憶装置に格納されていてもよいし、着脱可能な記憶媒体に格納されており、記憶媒体がドライブ装置に装着されることで記憶装置にインストールされてもよい。

第２画像取得部１２１は、患者Ｐに対して治療ビームＢを照射する直前や照射中に所定時間の間隔で撮影された透視画像ＴＩである、第２画像を取得する。第２画像取得部１２１は、第２画像を第２尤度画像生成部１２２に出力する。

なお、第２画像取得部１２１は、ターゲット位置を、射影行列として求める。このため、第２画像取得部１２１では、それぞれの撮影装置に対応する射影行列をジオメトリ情報から予め求めておく。つまり、第２画像取得部１２１は、それぞれの撮影装置ごとに射影行列を求めておく。そして、第２画像取得部１２１は、２つの第１画像に撮影されたターゲット位置から、三角測量の原理を利用して、所定の３次元空間内にあるターゲット位置を表す３次元座標の座標値を計算する。これにより、第２画像取得部１２１は、所定の３次元空間内にあるターゲット位置が、患者Ｐの透視画像ＴＩ内のいずれの位置に撮影されているのかを計算する。

第２尤度画像生成部１２２は、第２画像取得部１２１により出力された第２画像に基づいて、第２尤度画像を生成する。第２尤度画像生成部１２２は、例えば、パラメータ記憶部１１６により出力された尤度計算パラメータＬＰに基づいて、第２画像に対応する第２尤度画像を生成する。第２尤度画像生成部１２２は、生成した第２尤度画像を、第１推定部１２３に出力する。

第１推定部１２３は、第２尤度画像生成部１２２により出力された第２尤度画像および第２画像に基づいて、第２画像上のターゲット位置を推定する。第１推定部１２３は、推定したターゲット位置を第２変換部１２４に出力する。

第２変換部１２４は、第１推定部１２３により出力された、推定したターゲット位置に基づいて、ターゲットの位置（すなわち、治療ビームＢを照射する位置）を導出する。第２変換部１２４は、例えば、パラメータ記憶部１１６により出力された逆変換パラメータＲＣＰを用いて、第１推定部１２３により出力された、推定したターゲット位置を変換することで、ターゲットの位置を導出する。第２変換部１２４の行う変換処理は、第１変換部１１３による変換処理と逆方向の変換を行う処理である。

図４は、第１の実施形態の医用画像処理装置１００の構成を示すブロック図である。図４に示す医用画像処理装置１００は、例えば、学習装置１１０と、動体追跡装置１２０とを備える。

以下、図５～図７を用いて、第１変換部１１３による第１画像の所定の変換処理と、変換パラメータＣＰおよび逆変換パラメータＲＣＰの導出方法、およびこれらの利用方法について説明する。

図５は、第１画像取得部１１１が透視画像ＴＩに対して行う画像解析の様子の一例を示す図である。図５の透視画像ＴＩは、治療ビームＢを照射するターゲット位置ＴＰが胸腹部に存在することを示す。

第１画像取得部１１１は、複数時点の透視画像ＴＩに対して図５に示す複数の窓領域ＷＡを設定する。窓領域ＷＡは、例えば、透視画像ＴＩの特徴的な部分を抽出した位置の画像を含むよう設定される。透視画像ＴＩの特徴的な部分とは、例えば、腫瘍、マーカー、横隔膜など明瞭に映る部分である。以下の説明では、画像領域にターゲット位置ＴＰを含む窓領域であって、第１尤度画像と対応付けられる実線で示した窓領域を、窓領域ＷＡ（ＴＰ）、第１尤度画像と対応付けられない破線で示した窓領域を窓領域ＷＡ（ｋ）（ｋは整数）と称する場合がある。なお、図５の例においては、ｋは１から５までの整数である。また、窓領域ＷＡが第１画像に占める位置は、固定的である。

局所領域設定部１１１ｂは、修正ターゲット位置ＴＰ－１～ＴＰ－６の軌跡の全てを含むよう窓領域ＷＡ（ＴＰ）を設定する。また、局所領域設定部１１１ｂは、自動的に窓領域ＷＡを設定する場合、ＴＰ－１～ＴＰ－６に対応する第１画像のそれぞれの輝度差が大きい局所領域を窓領域ＷＡ（ｋ）と設定する。または、局所領域設定部１１１ｂは、オプティカルフローの軌跡が長い局所領域を窓領域ＷＡ（ｋ）とするように設定してもよい。または、局所領域設定部１１１ｂは、画像のコーナー検出などで得られる特徴点を多く含む局所領域を窓領域ＷＡ（ｋ）としてもよい。局所領域設定部１１１ｂは、例えば、患部が肺に位置する場合、透視画像ＴＩに写るターゲットの画像パターンが鮮明なため、その位置を含む窓領域ＷＡ（ｋ）を優先的に設定してもよい。また、患部が肝臓等の大きな臓器の内部にある場合、透視画像ＴＩに写るターゲット位置が不鮮明である可能性がある。その場合、局所領域設定部１１１ｂは、横隔膜の境界など、鮮明に映る部分を窓領域ＷＡ（ｋ）とする。

図６は、複数時点の窓領域ＷＡ（ＴＰ）内のターゲット位置ＴＰの動きの特性の一例を示す図である。以下、符号におけるハイフンおよびこれに続く数字は、いずれのターゲット位置であるか（いずれの呼吸位相であるか）を示すものとする。また、符号におけるハイフンおよびこれに続く数字を省略して説明を行う場合がある。ターゲット位置ＴＰは、例えば、患者Ｐの呼吸に応じて移動する。ターゲット位置ＴＰは、例えば、図６に示すように、患者Ｐの呼吸に応じてターゲット位置ＴＰ－１～ＴＰ－６の順で移動する。したがって、ターゲット位置ＴＰは、横隔膜が顕著に動く患者Ｐの頭尾方向には大きく移動する傾向がある。一方、ターゲット位置ＴＰは、図６に示す頭尾方向と直交する左右方向（前後および左右を軸とする平面上の任意の方向）への移動は小さい。つまり、頭尾方向を透視画像ＴＩの垂直方向に合わせて撮影している場合、ターゲット位置ＴＰを透視画像ＴＩに射影すると透過画像水平方向のターゲット位置ＴＰの動きが小さくなる。すなわち、ターゲット位置ＴＰに基づいて生成される第１尤度画像の水平方向の変化がわずかな差でしかないため、学習部１１５による学習が困難になることがある。そこで、第１変換部１１３は、学習部１１５による学習効率を高める変換パラメータＣＰを導出する。

以下、変換パラメータＣＰについて説明する。変換パラメータＣＰとは、第１画像のターゲット位置から第１尤度画像上でのターゲット位置を対応づけるために、次の線形変換ｙ＝Ａｘ＋ｂを定めるパラメータＡおよびｂである。ここで、ｘ＝（ｕ_ｔ,ｖ_ｔ）およびｙ＝（ｕ_ｔ´，ｖ_ｔ´）は、それぞれ第１画像および第１尤度画像の画像座標を示す。また、Ａは２ｘ２の行列である。ｂはオフセットである。例えば、Ａが単位行列の場合、第１画像の各画素位置が、第１尤度画像上の画素位置に対応する。または、第１画像の画像サイズが第１尤度画像よりも大きい場合には、第１変換部１１３は、第１画像内の部分領域の画素に第１尤度画像の各画素を対応づける。

別の例として、第１画像の小数画素が、第１尤度画像の整数精度の画素位置と対応してもよい。つまり、Ａの対角成分がすべて１／２の対角行列であり、かつｂが零ベクトルの場合は、第１画像の画素位置（ｘ／２，ｙ／２）の画素を、第１尤度画像の（ｘ，ｙ）に対応づける。

上記問題は、Ａが単位行列の場合の同一スケールによって対応づけを行っているため、第１尤度画像上でのターゲット位置ＴＰの位置の変化がわずかになってしまうことが原因である。そこで、第１画像の小数精度の画素位置を第１尤度画像の整数精度の画素位置と対応づけるようにＡを調整する。これにより、第１尤度画像の水平方向の変化をつけることで、学習部１１５による学習の効果を高める。行列Ａは、例えば、第１位置の第１画像上での動きの軌跡が楕円軌道の場合、第１尤度画像上ではその軌跡が正円形になるように調整する。このような行列Ａは、「第１位置の時間的な動きに基づいて定まる変換行列」の１例である。逆変換パラメータＲＣＰは、上記線形変換の逆変換パラメータである。具体的には行列Ａの逆行列およびオフセットｂのことである。

このように線形変換によって、第1画像上のターゲット位置を修正したものを、修正ターゲット位置ＴＰ＃と呼ぶ。修正ターゲット位置ＴＰ＃は、「第２位置」の一例である。また、図６に示す患者Ｐの頭尾方向は「第１方向」、左右方向は第１方向と交差する「第２方向」の一例である。

以下、第１尤度画像生成部１１４が第１尤度画像を生成する処理について説明する。図７は、第１尤度画像生成部１１４が生成する第１尤度画像の一例である。図７の示す輝度の高い部分（白い部分）が、ターゲット位置が存在する尤度が高いことを示す部分である。図７の第１尤度画像は、画像の右上部分の領域にターゲット位置が存在すると推測される。第１尤度画像生成部１１４は、例えば、第１変換部１１３により出力された第２位置に基づいて、第１尤度画像を生成する。第１尤度画像生成部１１４は、第２位置を示す座標が（ｕ_ｔ´，ｖ_ｔ´）である場合、尤度画像Ｌ（ｕ，ｖ）を下記の数式（２）によって導出する。

数式（２）のσは、利用者によって設定される任意のパラメータである。σは、例えば、１画素あたりの解像度が高いほど、より大きい値を設定する。なお、第１尤度画像生成部１１４が生成する第１尤度画像の画像サイズは、任意に設定可能であるが、上述のようにターゲット位置の軌跡が第１尤度画像内に収まるよう設定すればよい。そのため、第1画像に比べて、第1尤度画像の画像サイズは小さくできる。

以下、学習部１１５が尤度計算パラメータＬＰを導出する処理について説明する。学習部１１５は、例えば、第１画像上の１つないしは複数の窓領域ＷＡ（ｋ）から切り出された画像と第１尤度画像とを学習データとし、窓領域ＷＡ（ｋ）の画像が入力されると第１尤度画像を導出するようなモデルを生成する。

学習部１１５は、例えば、第1画像上の１つないしは複数の窓領域ＷＡ（ｋ）から切り出された画像を連結したベクトルｘと第１尤度画像のベクトルｙとの関係を示す数式が、下記の数式（３）である場合、関数ｆを求める。なお、学習部１１５は、第１画像の画素値を並べたベクトルをｘとし、第１尤度画像の画素値を並べたベクトルをｙとして関数ｆを導出する。

学習部１１５は、第１尤度画像生成部１１４により出力された第１尤度画像のベクトルｙを用いて、誤差Δ＝ｙ－ｆ（ｘ）が小さくなる関数ｆを導出する。学習部１１５は、ディープニューラルネットワークを用いて関数ｆを導出してもよいし、ニューラルネットワーク、畳み込みニューラルネットワーク、決定木等の他の機械学習手法を用いて関数ｆを導出してもよい。学習部１１５は、例えば、複数パターンの所定の数を用いて複数パターンの関数ｆを導出した場合、複数パターンの関数ｆのすべてを学習してもよい。

図８は、学習装置１１０の処理の流れの一例を示すフローチャートである。まず、第１画像取得部１１１は、複数時刻の第１画像を取得する（ステップＳ１００）。次に、第１位置取得部１１２は、取得した複数時刻の第１画像に対応する第１位置を取得する（ステップＳ１０２）。次に、第１変換部１１３は、取得した複数時刻の第１位置の軌跡に基づいて、変換パラメータＣＰおよび逆変換パラメータＲＣＰを導出して、パラメータ記憶部１１６に記憶させる（ステップＳ１０４）。次に、第１変換部１１３は、第１位置を変換パラメータＣＰに基づいて変換した第２位置を導出する（ステップＳ１０６）。次に、第１尤度画像生成部１１４は、第２位置を基準として第１尤度画像を作成する（ステップＳ１０８）。次に、学習部１１５は、第２画像および第１尤度画像を用いて、それらの間の関係を学習する（ステップＳ１１０）。次に、学習部１１５は、パラメータ記憶部１１６に尤度計算パラメータＬＰを記憶させる（ステップＳ１１２）。以上、本フローチャートの処理を終了する。

次に、動体追跡装置１２０の第２尤度画像生成部１２２が第２画像に対応する第２尤度画像を生成する処理について説明する。第２尤度画像生成部１２２は、第２画像取得部１２１により出力された第２画像と、パラメータ記憶部１１６から取得した尤度計算パラメータＬＰに基づいて、上述の数式（３）を用いて第２画像に対応する第２尤度画像を生成する。なお、第２尤度画像生成部１２２は、局所領域設定部１１１ｂで設定された窓領域ＷＡ（ｋ）内と同位置にある第２画像の部分画像を上述の数式（３）の入力とする。ここで出力される第２尤度画像と第２画像との画素位置の対応付けは、第１尤度画像と第１画像の対応付けと同じである。

以下、第１推定部１２３による第２画像内の第２位置の推定方法について説明する。第１推定部１２３は、例えば、第２尤度画像生成部１２２により出力された第２尤度画像で尤度が最大となる画素位置を第２位置と推定する。第１推定部１２３は、第２尤度画像生成部１２２により出力された第２尤度画像の示す尤度を重みとして用いる、各画素位置の重み付け平均から画素位置を導出して第２位置としてもよい。その場合、第１推定部１２３は、治療計画時や、過去の治療において得られた腫瘍位置やその軌跡とのずれが大きいほど、重みを小さくするような重み付け平均を行ってもよい。なお、第１推定部１２３は、第２画像取得部１２１が最初に取得した第２画像からターゲット位置が取得できた場合には、そのターゲット位置に基づいて、次回以降取得する第２画像における第２位置を予測する。予測位置の候補を複数用意し、それらの位置に対応する第２尤度画像の尤度を重みとした重み付け平均した位置を第２位置としてもよい。予測位置の候補は、パーティクルフィルタなどの手法がある。

第１推定部１２３は、推定したターゲット位置が３次元座標である場合、予測した位置をそれぞれの画像（透視画像ＴＩ－１およびＴＩ－２）に射影した位置の第２尤度画像から尤度を取得し、その積を当該推定したターゲット位置の尤度としてもよい。また、予測した位置が２次元座標である場合、エピポーラ拘束が成り立つ２つの画像上でのターゲット位置に対する尤度を導出してもよい。

以下、第２変換部１２４が、逆変換パラメータＲＣＰを用いてターゲット位置を変換する処理について説明する。第２変換部１２４は、第１推定部１２３により出力された推定した第２尤度画像上のターゲット位置ｙ＝（ｕ´，ｖ´）とパラメータ記憶部１１６から取得した逆変換パラメータＲＣＰ（Ａ^－１，ｂ）とによって、下記の式（４）で示す第２画像上のターゲット位置ｘへ変換する。

つまり、第２変換部１２４は、ｘ＝Ａ^－１ｙ－ｂを計算する。第２変換部１２４は、変換後のターゲット位置に対して、治療計画段階で作成した第２位置の軌跡のモデルを利用して補正した位置を出力してもよい。第２変換部１２４は、第１位置取得部１１２から取得した腫瘍の第１画像上での位置である（ｕ_ｔ,ｖ_ｔ）に基づいて、ｕ_ｔおよびｖ_ｔの関係ｕ_ｔ＝ｒ（ｖ_ｔ）（ｒは、例えば関数）をモデル化する。モデルは、例えば、ｕ_ｔ＝ａｖ_ｔ＋ｂ（ａ、ｂは任意の値）のような数式で示すことができる線形回帰モデルである。第２変換部１２４は、導出したモデルを用いて、下記に示す数式（５）のように出力値を置換してもよい。

なお、第２画像取得部１２１が取得する第２画像は、例えば、図１で示した治療装置１０において、別方向から同時に撮影された２枚の画像（透視画像ＴＩ－１およびＴＩ－２）である。すなわち、第２画像取得部１２１は、それぞれの画像に対応する第２位置を取得することができる。そこで、第２画像取得部１２１は、透視画像ＴＩ－１およびＴＩ－２のそれぞれから、エピポーラ拘束が成り立つような３次元空間での第２位置を求めてもよい。エピポーラ拘束とは、二つの撮影装置の相対位置関係が既知であることに基づいた幾何制約のことであり、一の画像上に撮像された同一被写体の中心点が、別の画像上ではエピポーラ線上に拘束されるという制約のことを指す。ただし、それぞれの画像に対応する第２位置がエピポーラ拘束に従うとは限らないため、第２画像取得部１２１は、最小二乗法で３次元空間での第２位置を導出する。

図９は、動体追跡装置１２０の処理の流れの一例を示すフローチャートである。図９に示すフローチャートは、例えば、図８に示すフローチャートの処理の後に行われる。

まず、第２画像取得部１２１は、第２画像を取得する（ステップＳ２００）。次に、第２尤度画像生成部１２２は、第２尤度画像を生成する（ステップＳ２０２）。次に、第１推定部１２３は、第２尤度画像に基づいて第２位置を導出する（ステップＳ２０４）。次に、第２変換部１２４は、第２位置を逆変換パラメータによって変換し、ターゲットの位置を導出する（ステップＳ２０６）。以上、本フローチャートの処理を終了する。

上述したように、第１の実施形態の医用画像処理装置１００では、治療計画時に導出したターゲット位置を学習し、透視画像ＴＩにおけるターゲット位置の導出時に用いる変換パラメータＣＰと逆変換パラメータＲＣＰ、および透視画像における尤度導出に用いる尤度計算パラメータＬＰを導出する学習装置１１０と、治療ビームＢ照射時に取得する透視画像ＴＩと学習装置１１０の導出した各種パラメータを用いて、治療ビームＢ照射時に取得する透視画像ＴＩにおける尤度を用いてターゲット位置の導出を行う動体追跡装置１２０とによって、放射線治療において、照射中の患者Ｐの透視画像ＴＩからターゲットの位置を、高速・高精度に追跡することができる。

（第２の実施形態）
以下、第２の実施形態について説明する。第２の実施形態の医用画像処理装置１００Ａについて説明する。以下の説明において、第１の実施形態で説明した内容と同様の機能を有する部分については、同様の名称および符号を付するものとし、その機能に関する具体的な説明は省略する。

図１０は、動体追跡装置１２０Ａの構成を示すブロック図である。図１０の動体追跡装置１２０Ａは、図３で示した第１実施形態の動体追跡装置１２０と比較して、信頼度導出部１２５、第２推定部１２６、決定部１２７および記憶部１２８を備える点が異なる。したがって、以下では信頼度導出部１２５、第２推定部１２６、決定部１２７および記憶部１２８を中心に説明する。

信頼度導出部１２５は、第２尤度画像生成部１２２により出力された第２尤度画像に基づいて、信頼度を導出する。信頼度とは、第２尤度画像生成部１２２より生成される第２尤度画像の信頼性を評価する度合のことである。信頼度導出部１２５は、導出した信頼度を、決定部１２７に出力する。

第２推定部１２６は、第２画像取得部１２１より出力された第２画像から、ターゲット位置を推定し、推定結果を決定部１２７に出力する。第２推定部１２６は、例えば、治療計画時等に取得した透視画像ＴＩや、治療ビームＢ照射前に取得した第２画像のターゲット位置を含む画像領域をテンプレート画像として、第２画像に対してマッチング処理を行う、テンプレートマッチングである。第２推定部１２６は、例えば、テンプレート画像との合致度合（または相関度合）の高さを尤度とみなして、第１推定部１２３と同様にターゲット位置の２次元座標、または３次元座標を導出する。ここでの合致度合はたとえば正規化相互相関によって求める。第２推定部１２６は、記憶部１２８にテンプレートマッチングを行う際に用いるテンプレート画像を記憶させる。

決定部１２７は、第２変換部１２４より出力されたターゲット位置と、第２推定部１２６より出力された推定されたターゲット位置のどちらを治療ビームＢのターゲット位置とするかを決定する。決定部１２７は、例えば、信頼度導出部１２５より出力された信頼度に基づいて決定する。決定部１２７は、例えば、信頼度があらかじめ設定された閾値以上である場合には、第２変換部１２４より出力されたターゲット位置を採用すると決定する。また、決定部１２７は、信頼度があらかじめ設定された閾値未満である場合には、第２推定部１２６より出力された推定されたターゲット位置を採用すると決定する。決定部１２７は、「第３推定部」の一例である。また、決定部１２７が採用すると決定したターゲット位置は「第３位置」の一例である。

以下、信頼度導出部１２５による信頼度の導出処理について説明する。信頼度導出部１２５は、例えば、学習部１１５が導出した関数ｆを用いて信頼度を算出する。信頼度導出部１２５は、第２画像が関数ｆを導出した際の第１画像と類似する透視画像ＴＩである場合には、信頼度が高いと導出する。また、信頼度導出部１２５は、第２画像が関数ｆを導出した際の第１画像とは異なるパターンの透視画像ＴＩである場合には、信頼性が低いと導出する。このようなケースは、第１画像撮影時と第２画像撮影時の患者Ｐの呼吸の深さの違い等で生じる場合がある。

図１１および図１２を用いて、信頼度導出部１２５によって導出された信頼度が高い場合と導出された信頼度の低い場合の尤度画像の違いについて説明する。図１１は、第２の実施形態の動体追跡装置１２０Ａが生成した第２尤度画像の一例である。信頼度導出部１２５は、図１１に示すような輝度が最も高い領域と輝度が最も低い領域の輝度の差（明暗の差）の大きい尤度画像は、信頼度が高いと導出する。また、信頼度導出部１２５は、図１１に示すように、輝度が最も高い領域の輪郭が比較的はっきりとしている場合や、輝度が一定値以上の領域が構成する形状が丸状である場合に信頼度が高いと導出する。図１２は、第２の実施形態の動体追跡装置１２０Ａが生成した第２尤度画像の他の一例である。信頼度導出部１２５は、図１２に示すような輝度が最も高い領域と輝度が最も低い領域の輝度の差（明暗の差）が比較的小さい尤度画像は、信頼度が低いと導出する。また、信頼度導出部１２５は、図１２に示すように、輝度が最も高い領域の輪郭が曖昧である場合や、輝度が一定値以上の領域が構成する形状が丸状でない場合に信頼度が低いと導出する。

第１尤度画像生成部１１４は、数式（２）を用いて、図１３に示したような信頼度の高い尤度画像パッチを人工的に作成する。したがって、尤度算出部１１８で得られる学習画像も図１１に近い画像になる可能性が高いが、図１２のような信頼度が低い尤度画像が出力される可能性もある。そこで、信頼度導出部１２５は、例えば、第２尤度画像生成部１２２で出力された第２尤度画像と、人工的に作成した尤度画像パッチとの相関値を、信頼度として導出する。

信頼度導出部１２５は、例えば、第２尤度画像生成部１２２で出力された第２尤度画像内に、図１３に示した第１尤度画像生成部１１４と同様の方法で生成した人工画像パッチを走査して、それぞれの位置の相関値を算出し、算出した相関値の最大値、または平均値を信頼度として導出する。信頼度導出部１２５は、人工画像パッチを走査する範囲を、第２尤度画像生成部１２２で出力された第２尤度画像内の尤度が最大となる位置を第２変換部１２４で変換した位置に限定してもよいし、その位置を含む周辺に限定してもよい。

決定部１２７は、例えば、信頼度が所定の値と比較して低い場合、治療システム１のディスプレイ等の出力装置にユーザーに警告メッセージを表示させる。または、決定部１２７は、治療ビームＢを照射中であれば、治療システム１または放射線源１２に対して照射を停止するための命令を出力してもよい。決定部１２７は、第２変換部１２４より出力されたターゲット位置と、信頼度導出部１２５より出力された信頼度と、第２推定部１２６から推定されたターゲット位置を取得し、それらを用いて決定したターゲット位置を出力する。決定部１２７は、例えば、下記の数式（６）または数式（７）に従ってターゲットの位置を決定する。ここで、αおよびα_１は信頼度、Ｚ_１は第２変換部１２４が導出した位置１、Ｚ_２は第２推定部１２６が導出した位置２、α_２は走査した人工画像パッチとの相関値を表す。

図１４は、医用画像処理装置１００Ａの動体追跡装置１２０Ａの処理の流れの一例を示すフローチャートである。なお、図９で示した処理フローと共通するステップＳ２００からステップＳ２０６についての説明は省略する。

信頼度導出部１２５は、ステップＳ２０２の処理の後、第２尤度画像に基づいて信頼度を導出する（ステップＳ２０８）。また、第２推定部１２６は、ステップＳ２００の処理の後、第２画像に基づいて第２位置を推定する（ステップＳ２１０）。決定部１２７は、ステップＳ２０６、ステップＳ２０８およびステップＳ２１０の処理結果から、ターゲット位置を決定する（ステップＳ２１２）。以上、本フローチャートの処理を終了する。

上述したように、第２の実施形態の医用画像処理装置１００Ａは、第１の実施形態の医用画像処理装置１００と同様の効果を奏する他、学習装置１１０にての第１画像には現れない透視画像のパターンが、第２画像の撮影時に現れた場合、動体追跡装置１２０Ａの第２尤度画像生成部１２２の生成した第２尤度画像が所望の結果にならない場合であっても、第２尤度画像生成部１２２により出力される第２尤度画像の信頼度を導出し、その信頼度に基づいてターゲット位置を決定する、または中止するといった、ロバストネス（ロバスト安定性）を実現することができる。

（第３の実施形態）
以下、第３の実施形態について説明する。第３の実施形態の動体追跡装置１２０Ｂについて説明する。

図１５は、第３の実施形態の動体追跡装置１２０Ｂの構成を示したブロック図である。以下では第２の実施形態の動体追跡装置１２０Ａと、第３の実施形態の動体追跡装置１２０Ｂの差異を中心に説明する。

動体追跡装置１２０Ｂの第２推定部１２６は、第２画像取得部１２１より出力された第２画像と、信頼度導出部１２５より出力された信頼度に基づいて、第２画像内のターゲット位置を推定するとともに、第２推定部１２６においてターゲット位置を推定するために必要な推定パラメータを更新し、推定結果を決定部１２７に出力する。一般に、患者Ｐの体内は経時的な変化があるため、第２推定部１２６において使用するテンプレート画像は、最新の状態が反映された画像に更新されることが望ましい。そこで、動体追跡装置１２０Ｂは、信頼度導出部１２５が導出した信頼度が高い場合に対応付けられた部分画像を、テンプレート画像として記憶部１２８に記憶させる。

図１６は、医用画像処理装置１００Ｂの動体追跡装置１２０Ｂの処理の流れの一例を示すフローチャートである。なお、図９、および図１４で示した処理フローと共通するステップについての説明は省略する。

ステップＳ２１２の処理の後、第２推定部１２６は、推定パラメータを導出して記憶する（ステップＳ２１４）。以上、本フローチャートの処理を終了する。

上述したように、第３の実施形態の医用画像処理装置１００Ｂは、第２の実施形態の医用画像処理装置１００Ａと同様の効果を奏する他、信頼度の高いテンプレート画像に更新することで、患者Ｐの患部の最新の状態を反映してターゲット位置を決定することができる。

以上説明した少なくともひとつの実施形態によれば、治療計画時に導出したターゲット位置を学習し、透視画像ＴＩにおけるターゲット位置の導出時に用いる変換パラメータＣＰと逆変換パラメータＲＣＰ、および透視画像における尤度導出に用いる尤度計算パラメータＬＰを導出する学習装置１１０と、治療ビームＢ照射時に取得する透視画像ＴＩと学習装置１１０の導出した各種パラメータを用いて、治療ビームＢ照射時に取得する透視画像ＴＩにおける尤度を用いてターゲット位置の導出を行う動体追跡装置１２０を持つことによって、放射線治療において、照射中の患者Ｐの透視画像ＴＩからターゲットの位置を、高速かつ高精度に追跡することができる。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

１…治療システム、１０…治療装置、１００、１００Ａ、１００Ｂ…医用画像処理装置、１１０…学習装置、１１１…第１画像取得部、１１１ａ…マスク画像取得部、１１１ｂ…局所領域設定部、１１２…第１位置取得部、１１３…第１変換部、１１４…第１尤度画像生成部、１１５…学習部、１１６…パラメータ記憶部、１２０、１２０Ａ、１２０Ｂ…動体追跡装置、１２１…第２画像取得部、１２２…第２尤度画像生成部、１２３…第１推定部、１２４…第２変換部、１２５…信頼度導出部、１２６…第２推定部、１２７…決定部、１２８…記憶部

Claims (11)

1. 患者を撮影した複数時点の透視画像である複数の第１画像のそれぞれにおけるターゲット位置を、第１位置として取得する第１位置取得部と、
   前記複数の第１画像における前記第１位置のそれぞれを、前記第１位置の時間的な動きが大きい第１方向に交差する第２方向に動きを拡大した第２位置に変換する第１変換部と、
   前記第２位置を基準として、前記第２位置に該当することの確からしさを示す尤度の分布を表す第１尤度画像を生成する第１尤度画像生成部と、
   前記複数の第１画像のそれぞれの一部または全部と前記第１尤度画像とを教師データとし、透視画像の一部または全部が与えられると前記第２位置に該当することの確からしさを示す尤度の分布を表す第２尤度画像を導出するモデルを出力する学習部と、
   を備える医用画像処理装置。
2. 前記第１画像とは異なる時刻に撮影された前記透視画像である、第２画像を取得する第２画像取得部と、
   前記第２画像の一部または全部を前記モデルに入力することで、前記第２尤度画像を生成する第２尤度画像生成部と、
   前記第２尤度画像に基づいて前記第２画像における第２位置を推定する、第１推定部と、
   前記第１推定部によって推定された前記第２位置を、前記第１変換部が行う変換の逆方向に変換して前記第２画像における前記患者のターゲット位置として出力する第２変換部と、
   をさらに備える、請求項１に記載の医用画像処理装置。
3. 前記第２尤度画像における尤度の分布に基づいて、前記第２位置の信頼度を導出する信頼度導出部をさらに備える、
   請求項２に記載の医用画像処理装置。
4. 前記信頼度に基づいて、前記第２画像における前記第１位置または前記第２位置または第２位置を逆変換した位置と対応付けられた部分画像を抽出して記憶部に記憶させ、前記第２画像の一部と前記部分画像との合致度合いに基づいて前記第２画像における前記患者のターゲット位置を推定する第２推定部をさらに備える、
   請求項３に記載の医用画像処理装置。
5. 前記第２変換部により出力された前記患者のターゲット位置と、前記第２推定部によって推定された前記患者のターゲット位置と、前記信頼度および前記合致度合いに基づいて、第３位置を推定する、第３推定部をさらに備える、
   請求項４に記載の医用画像処理装置。
6. 前記第１変換部は、前記第１位置の時間的な動きに基づいて定まる変換行列を用いて、前記第１位置を前記第２位置に変換する、
   請求項１から５のいずれか一項に記載の医用画像処理装置。
7. 前記第１画像の画素値に基づいて、１つ以上の前記第１画像の局所領域を設定する、局所領域設定部をさらに備え、
   前記局所領域のうち少なくとも一つには、前記第１尤度画像が対応付けられ、
   前記学習部は、前記第１尤度画像が対応付けられない前記局所領域の画像と、前記第１尤度画像が対応付けられた前記局所領域の画像とを教師データとして、前記第２尤度画像を回帰学習する、
   請求項２から５のいずれか一項に記載の医用画像処理装置。
8. 前記局所領域設定部は、呼吸位相が異なる複数の第１画像における前記第１位置の軌跡を包含するように、前記第１尤度画像が対応付けられる前記局所領域を設定し、
   前記第１画像の輝度に基づいて、前記局所領域を設定する、
   請求項７に記載の医用画像処理装置。
9. 前記第１画像内の前記透視画像の主被写体でない被写体が写り込む領域を示す、マスク画像を取得するマスク画像取得部、
   をさらに備え、
   前記局所領域設定部は、
   前記マスク画像が示す、前記被写体が写り込む領域が小さい局所領域を選択する、
   請求項７に記載の医用画像処理装置。
10. コンピュータが、
    患者を撮影した複数時点の透視画像である複数の第１画像のそれぞれから第１位置を取得し、
    前記複数の第１画像から取得された複数の前記第１位置の分布を、前記第１位置の動きが大きい第１方向に交差する第２方向に拡大することで、前記複数の第１位置を複数の第２位置に変換し、
    前記複数の第２位置に基づいて、第１尤度画像を生成し、
    前記透視画像から前記第１尤度画像を回帰学習したモデルであって、前記透視画像が与えられると前記第１位置の尤度画像を導出するモデルを出力する、
    医用画像処理方法。
11. コンピュータに、
    患者を撮影した複数時点の透視画像である複数の第１画像のそれぞれから第１位置を取得させ、
    前記複数の第１画像から取得された複数の前記第１位置の分布を、前記第１位置の動きが大きい第１方向に交差する第２方向に拡大させることで、前記複数の第１位置を複数の第２位置に変換させ、
    前記複数の第２位置に基づいて、第１尤度画像を生成させ、
    前記透視画像から前記第１尤度画像を回帰学習したモデルであって、前記透視画像が与えられると前記第１位置の尤度画像を導出するモデルを出力させる、
    プログラム。

Images