JP7806510B2

JP7806510B2 - Ｘ線撮影装置

Info

Publication number: JP7806510B2
Application number: JP2022005775A
Authority: JP
Inventors: 啓太奥谷; 皓史奥村
Original assignee: Shimadzu Corp
Current assignee: Shimadzu Corp
Priority date: 2022-01-18
Filing date: 2022-01-18
Publication date: 2026-01-27
Anticipated expiration: 2042-01-18
Also published as: EP4442203A3; US12274578B2; EP4212104A2; EP4212104A3; CN116458903A; US20230225692A1; JP2023104648A; EP4442203A2

Description

本発明は、Ｘ線撮影装置に関する。

従来、被写体に対してＸ線撮影を行うＸ線撮影装置が知られている（たとえば、特許文献１参照）。

上記特許文献１には、Ｘ線を照射するＸ線照射部と、Ｘ線を検出するＸ線検出器と、Ｘ線検出器で検出されたＸ線の画素値からなる画像を処理することによりＸ線画像を生成する画像処理部とを備えるＸ線撮影装置が開示されている。

特開２０２０－１９５７３３号公報

上記特許文献１には開示されていないが、被写体のＸ線撮影において、取得されたＸ線画像に病変が起こりやすい所定の部位（好発部位）が明瞭に撮影されていることが求められる。このような所定の部位は、診断において特に重要視される。しかしながら、所定の部位によっては、Ｘ線画像に所定の部位を確実に含めることは容易ではない。そのため、取得されたＸ線画像における撮像範囲に所定の部位が含まれていない場合がある。また、放射線技師は、Ｘ線撮影の際に、所定の部位が他の部位に重なっていないことを被写体の姿勢などを確認することにより経験に基づき判断している。そのため、所定の部位と他の部位との重なりについての正誤は放射線技師の経験に依存することとなる。その結果、経験の浅い放射線技師では、取得されたＸ線画像において、所定の部位が他の部位に重なっていることにより所定の部位が十分に写っていない場合がある。これらの場合、取得されたＸ線画像は写損（診断に用いることができない画像）と判断され、再撮影が行われる。それ故に、Ｘ線画像の写損の発生を抑制することによって、写損によるＸ線画像の再撮影に起因する被曝量の増加を抑制できることが望まれている。

この発明は、上記のような課題を解決するためになされたものであり、この発明の１つの目的は、Ｘ線画像の写損の発生を抑制することによって、写損によるＸ線画像の再撮影に起因する被曝量の増加を抑制することが可能なＸ線撮影装置を提供することである。

この発明の一の局面におけるＸ線撮影装置は、Ｘ線管を含むＸ線照射部と、Ｘ線照射部から照射されたＸ線を検出する検出器と、検出器が検出したＸ線に基づくＸ線画像を生成する画像生成部と、Ｘ線照射部側から被写体および検出器の方向の光学画像を撮像する光学撮像部と、光学撮像部により撮像された被写体を含む光学画像に基づく入力画像に対して、被写体の所定の部位の撮像範囲または他の部位に対する相対位置に関する状態を判別する判別情報を出力する学習済みモデルを記憶する記憶部と、学習済みモデルを用いて、判別情報を取得する制御部と、制御部により取得された判別情報に基づく報知を行う報知部とを備え、制御部は、学習済みモデルから出力された、被写体の肺尖部の撮像範囲に関する状態を判別する判別情報、被写体の肺尖部の鎖骨に対する相対位置に関する状態を判別する判別情報、被写体の肺野の肩甲骨に対する相対位置に関する状態を判別する判別情報、または、被写体の肺野と肩甲骨との重なり具合の指標となる被写体の腕の内旋の状態を判別する判別情報を取得するように構成されている。ここで、「光学画像」とは、被写体で反射された可視光を光学的に検出して得られる画像である。

本発明の一の局面におけるＸ線撮影装置は、上記のように、制御部は、光学撮像部により撮像された被写体を含む光学画像に基づく入力画像に対して、被写体の所定の部位の撮像範囲または他の部位に対する相対位置に関する状態を判別する判別情報を出力する学習済みモデルを用いて、判別情報を取得する。光学画像に基づく入力画像を学習済みモデルに入力して出力結果を取得することにより、実際にＸ線を照射して撮影されたＸ線画像を確認することなしに、Ｘ線画像における撮像範囲に被写体の所定の部位が含まれているか否かを判別することができる。また、上記出力結果を取得することにより、実際にＸ線を照射して撮影されたＸ線画像を確認することなく、かつ、放射線技師の経験に依存することなく、Ｘ線画像に被写体の所定の部位が他の部位に重なっていないことにより所定の部位が十分に写っているか否かを判別することができる。そのため、Ｘ線画像の写損の発生を抑制することができる。その結果、Ｘ線画像の写損の発生を抑制することによって、写損によるＸ線画像の再撮影に起因する被曝量の増加を抑制することできる。

一実施形態によるＸ線撮影装置の全体構成を示した模式図である。一実施形態によるＸ線撮影装置のブロック図である。一実施形態による第１の例の判別情報取得処理を示す図である。一実施形態による第１の例の学習データセットの作成方法を示す図である。一実施形態による第２の例の判別情報取得処理を示す図である。一実施形態による第２の例の学習データセットの作成方法を示す図である。一実施形態による第３の例の判別情報取得処理を示す図である。一実施形態による第３の例の学習データセットの作成方法を示す図である。一実施形態による判別情報の取得処理を説明するためのフローチャートである。変形例１による学習データセットの作成方法を示す図である。変形例２による学習データセットの作成方法を示す図である。

以下、本発明を具体化した実施形態を図面に基づいて説明する。

図１を参照して、一実施形態によるＸ線撮影装置１００の構成について説明する。

（Ｘ線撮影装置１００の構成）
Ｘ線撮影装置１００は、図１および図２に示すように、Ｘ線照射部１０と、移動機構２０と、検出器３０と、光学撮像部４０と、画像生成部５０（図２参照）と、記憶部６０（図２参照）と、制御部７０（図２参照）と、報知部８０（図２参照）とを備える。

Ｘ線照射部１０は、Ｘ線管１１と、コリメータ１２と、コリメータランプ１３とを含む。Ｘ線管１１は、被写体ＰにＸ線を照射するように構成されている。コリメータ１２は、Ｘ線管１１から照射されたＸ線の照射野１４（図４参照）を調整するように構成されている。コリメータ１２は、Ｘ線管１１のＸ線照射方向におけるＸ線管１１の近傍に設けられている。コリメータ１２には、コリメータランプ１３が設けられている。コリメータランプ１３は、可視光の光源を含む。コリメータランプ１３から照射される可視光により、Ｘ線を用いずにＸ線照射野１４を確認することができる。

移動機構２０は、Ｘ線照射部１０を移動可能に保持するように構成されている。移動機構２０は、天井懸垂器２２と、支柱部２３とを含む。移動機構２０は、撮影室の天井に設けられたレール２１に支持されている。天井懸垂器２２は、レール２１により水平方向に移動可能なように構成されている。天井懸垂器２２は、支柱部２３を支持するように構成されている。支柱部２３は、Ｘ線照射部１０を支持するように構成されている。支柱部２３は、鉛直方向に伸縮可能なように構成されている。Ｘ線照射部１０は、支柱部２３により鉛直方向に移動可能なように構成されている。

検出器３０は、Ｘ線照射部１０から照射されたＸ線を検出するように構成されている。検出器３０は、たとえば、ＦＰＤ（ＦｌａｔＰａｎｅｌＤｅｔｅｃｔｏｒ）を含む。検出器３０は、被写体Ｐを起立させた姿勢（立位）で撮影を行うための撮影スタンド３１に設けられている。Ｘ線撮影の際、Ｘ線照射部１０は撮影スタンド３１の検出器３０と水平方向に対向する位置に配置される。Ｘ線撮影装置１００は、水平方向に対向するＸ線管１１と検出器３０との間において撮影スタンド３１の前に起立した被写体Ｐを撮影する。

光学撮像部４０は、光学画像６４（図２参照）を撮影するように構成されている。光学撮像部４０は、光学カメラを含む。光学撮像部４０は、コリメータ１２に装着されている。光学撮像部４０は、Ｘ線照射部１０からのＸ線の照射方向を向いて装着されている。光学撮像部４０は、Ｘ線照射部１０が被写体Ｐおよび検出器３０の方向を向いた場合に、Ｘ線照射部１０側から被写体Ｐおよび検出器３０の方向の光学画像６４を撮影することができる。光学撮像部４０により撮像された光学画像６４は、Ｘ線画像６３（図２参照）の撮像方向と略同方向から撮影された画像である。光学撮像部４０は、Ｘ線画像６３の撮影の際、被写体Ｐを常時撮影している。光学撮像部４０の撮影範囲は、Ｘ線照射野１４（図４参照）の範囲を含み、かつ、Ｘ線照射野１４の範囲よりも大きくなるように設定されている。

図２に示すように、画像生成部５０は、検出器３０が検出したＸ線に基づくＸ線画像６３を生成するように構成されている。画像生成部５０は、たとえば、ＣＰＵ（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ－ＰｒｏｇｒａｍｍａｂｌｅＧａｔｅＡｒｒａｙ）などを含む。

記憶部６０は、制御部７０が実行する各種プログラム６１を記憶している。また、記憶部６０は、後述する学習済みモデル６２を記憶している。詳細は後述するが、学習済みモデル６２は、学習済みモデル６２ａ（図３参照）と、学習済みモデルｂ（図５参照）と、学習済みモデルｃ（図７参照）とを含む。記憶部６０は、たとえば、ＨＤＤ（ＨａｒｄＤｉｓｋＤｒｉｖｅ）、または、ＳＳＤ（ＳｏｌｉｄＳｔａｔｅＤｒｉｖｅ）などの不揮発性の記憶装置を含む。また、記憶部６０は、画像生成部５０が生成したＸ線画像６３および光学撮像部４０が撮像した光学画像６４を記憶するように構成されている。

制御部７０は、学習済みモデル６２を用いて、被写体Ｐの所定の部位の撮像範囲または他の部位に対する相対位置に関する状態を判別する判別情報６５（判別情報６５ａ（図３参照）、判別情報６５ｂ（図５参照）、判別情報６５ｃ（図７参照））を取得するように構成されている。また、制御部７０は、判別情報６５に基づいて報知部８０に報知させる制御を行うように構成されている。また、制御部７０は、学習済みモデル入力用抽出画像６７（図３参照）および学習済みモデル入力用推定画像６８（図６参照）を生成するように構成されている。制御部７０は、ＣＰＵ（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）、ＲＯＭ（ＲｅａｄＯｎｌｙＭｅｍｏｒｙ）、ＲＡＭ（ＲａｎｄｏｍＡｃｃｅｓｓＭｅｍｏｒｙ）、ＧＰＵ（ＧｒａｐｈｉｃｓＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）、または、画像処理用に構成されたＦＰＧＡ（Ｆｉｅｌｄ－ＰｒｏｇｒａｍｍａｂｌｅＧａｔｅＡｒｒａｙ）などを含んでいる。

報知部８０は、制御部７０の制御の下、判別情報６５に基づく報知を行うように構成されている。報知部８０は、制御部７０により取得された判別情報６５に基づく情報を表示する表示部８１を含む。表示部８１は、たとえば液晶表示装置である。

（被写体の肺尖部の撮像範囲に関する状態を判別する判別情報の取得）
ここで、被写体ＰのＸ線撮影において、取得されたＸ線画像６３に被写体Ｐの所定の部位が明瞭に撮影されていることが求められる。たとえば、胸部のＸ線撮影において、取得されたＸ線画像に肺野が明瞭に撮影されていることが求められる。所定の部位の一例である肺（肺野）の上端である肺尖部は、肺結核の好発部位である。そのため、肺尖部は、診断において特に重要視される。それ故に、取得されたＸ線画像に肺尖部が明瞭に撮影されている必要がある。

通常、胸部のＸ線画像６３の撮影領域（Ｘ線照射野１４）は、コリメータ１２に搭載されるコリメータランプ１３を用いて確認される。しかしながら、Ｘ線画像６３において肺尖部を確実に含めることは容易でないため、取得されたＸ線画像６３に肺尖部が十分に写っていない場合がある。この場合、取得されたＸ線画像６３は写損と判断され、再撮影が行われる。そのため、取得されたＸ線画像６３の写損の発生を抑制する必要がある。

そこで、図３に例１として示すように、制御部７０は、学習済みモデル６２ａを用いて、入力画像６６におけるコリメータランプ１３からの照射光に基づくＸ線照射野１４の領域において被写体Ｐの肺尖部が含まれているか否かが示された、被写体Ｐの所定の部位としての肺尖部の撮像範囲に関する状態を判別する判別情報６５ａを取得するように構成されている。具体的には、制御部７０は、光学撮像部４０により撮像された光学画像６４に含まれる被写体Ｐの輪郭９５およびＸ線照射野１４が抽出された学習済みモデル入力用抽出画像６７を生成する。そして、制御部７０は、学習済みモデル６２ａに対して入力画像６６である学習済みモデル入力用抽出画像６７を入力し、出力結果である被写体Ｐの肺尖部の撮像範囲に関する状態を判別する判別情報６５ａを取得するように構成されている。

（被写体の肺尖部の撮像範囲に関する状態を判別する判別情報を出力する学習済みモデルの作成方法）
次に、学習済みモデル６２ａの作成方法について説明する。なお、学習済みモデル６２ａは、コンピュータ（不図示）により作成される。コンピュータは、いわゆるパーソナルコンピュータあり、プロセッサおよび記憶部を備える。コンピュータは、Ｘ線撮影装置１００と、ネットワークを介して相互に通信することができる。

図４に例１として示すように、被写体が写るＸ線画像６３と、上記Ｘ線画像６３と同じ時刻、同じ被写体、かつ、略同じ方向から光学カメラにより撮影された被写体が写る光学画像６４とを含む画像セット９３ａが複数取得される。Ｘ線画像６３と光学画像６４とは、同時刻の画像である。なお、Ｘ線画像６３と光学画像６４との画像セット９３は、本実施形態によるＸ線撮影装置１００により取得されても良いし、他のＸ線撮影装置１００により取得されても良い。

画像セット９３ａのＸ線画像６３に対して、肺尖部Ｐ１が含まれているか否かが判定される。Ｘ線画像６３に肺尖部Ｐ１が含まれているか否かの判定は、医師の目視により行われても良いし、公知の画像認識の技術を利用することにより行われても良い。Ｘ線画像６３に肺尖部Ｐ１が含まれているか否かの判定結果は、「肺尖部あり」および「肺尖部なし」のいずれかのラベル９４ａとして取得される。

なお、従来、写損を減らすための取り組みとして、過去に写損が発生したプロトコル（手順）、発生原因、発生率などの統計解析処理を行い、管理者がそれを分析して放射線技師に指導を行うことにより写損発生率を低減させることが行われている。具体的には、撮影失敗（写損）を確認した時点で、撮影失敗の画像が写損画像として設定（写損指定）されて、その理由（写損理由）がＸ線撮影装置１００の入力部（不図示）により入力される。写損理由が紐付けられた写損画像（不図示）は、記憶部６０（図２参照）に記憶される。

そこで、たとえば、記憶部６０（図２参照）に記憶された「肺尖部が含まれていない」との写損理由が紐付けられた写損画像を画像セット９３ａにおける「肺尖部なし」のＸ線画像６３として用いても良い。これにより、「肺尖部なし」のＸ線画像６３を容易に取得することができる。

画像セット９３ａの光学画像６４に対して、被写体の上半身の輪郭９５と、コリメータランプ１３の可視光の照射範囲（Ｘ線照射野１４）とを抽出する処理が行われる。被写体の上半身の輪郭９５およびコリメータランプ１３の照射範囲の抽出は、公知の人体姿勢解析や画像認識の技術を利用することにより行われる。光学画像６４に対する抽出処理により、被写体の上半身の輪郭９５とＸ線照射野１４の枠とが抽出された学習済みモデル作成用抽出画像９１が生成される。学習済みモデル作成用抽出画像９１には、被写体の上半身の輪郭９５におけるＸ線照射野１４が矩形状に示されている。

以上により、生成された学習済みモデル作成用抽出画像９１と、Ｘ線画像６３の判定結果のラベル９４ａとを含む学習データセット９０ａが作成される。学習データセット９０ａは複数作成される。学習済みモデル６２ａ（図３参照）は、作成された複数の学習データセット９０ａを教師データとして機械学習を行うことにより作成される。学習済みモデル６２ａの機械学習法として、全層畳み込みニューラルネットワーク（ＦｕｌｌｙＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｔｗｏｒｋｓ；ＦＣＮ）、ニューラルネットワーク、サポートベクターマシン（ＳＶＭ）、ブースティング等の任意の手法を用いることができる。

図３に示すように、学習済みモデル６２ａは、記憶部６０（図２参照）に記憶される。学習済みモデル６２ａは、光学撮像部４０により撮影された光学画像６４に基づく入力画像６６が入力され、かつ、入力画像６６における被写体Ｐ（図１参照）の判別情報６５ａを出力する。出力される判別情報６５ａは、入力画像６６におけるコリメータランプ１３からの照射光に基づくＸ線照射野１４の領域において被写体Ｐの肺尖部が含まれているか否かが示された情報である。

（被写体の肺尖部の鎖骨に対する相対位置に関する状態を判別する判別情報の取得）
また、取得されたＸ線画像６３に所定の部位の一例としての肺尖部が明瞭に撮影されているためには、肺尖部に鎖骨が重なっていないことが必要である。放射線技師は、Ｘ線撮影の際に、肺尖部に鎖骨が重なっていないことを被写体Ｐの肩のライン９７を確認することにより経験に基づき判断している。しかしながら、肺尖部と鎖骨との重なりについての正誤は放射線技師の経験に依存するため、取得されたＸ線画像６３において肺尖部に鎖骨が重なっていることにより肺尖部が十分に写っていない場合がある。この場合、取得されたＸ線画像６３は写損と判断され、再撮影が行われる。そのため、取得されたＸ線画像６３の写損の発生を抑制する必要がある。

そこで、図５に例２として示すように、制御部７０は、学習済みモデル６２ｂを用いて、入力画像６６において被写体Ｐの肺尖部と鎖骨とが重なっているか否かが示された、被写体Ｐの所定の部位としての肺尖部の他の部位としての鎖骨に対する相対位置に関する状態を判別する判別情報６５ｂを取得するように構成されている。以下、上述した判別情報６５ａの取得と異なる点について説明する。

具体的には、制御部７０は、光学撮像部４０により撮像された光学画像６４に含まれる被写体Ｐの肩のライン９７（図６参照）が推定された学習済みモデル入力用推定画像６８を生成する。そして、制御部７０は、学習済みモデル６２ｂに対して入力画像６６である学習済みモデル入力用推定画像６８を入力し、出力結果である被写体Ｐの肺尖部の鎖骨に対する相対位置に関する状態を判別する判別情報６５ｂを取得するように構成されている。

（被写体の肺尖部の鎖骨に対する相対位置に関する状態を判別する判別情報を出力する学習済みモデルの作成方法）
図６に例２として示すように、上述した学習済みモデル６２ａの作成方法と同様に、Ｘ線画像６３と光学画像６４とを含む画像セット９３ｂが複数取得される。画像セット９３ｂのＸ線画像６３に対して、肺尖部Ｐ１と鎖骨Ｐ２とが重なっているか否かが判定される。Ｘ線画像６３において肺尖部Ｐ１と鎖骨Ｐ２とが重なっているか否かの判定結果は、「肺尖部と鎖骨との重なりなし」および「肺尖部と鎖骨との重なりあり」のいずれかのラベル９４ｂとして取得される。

画像セット９３ｂの光学画像６４に対して、被写体の肩のライン９７を推定する処理が行われる。被写体の肩のライン９７の推定は、公知の人体姿勢解析や画像認識の技術を利用することにより行われる。光学画像６４に対する推定処理により、被写体の背骨に基づく中心線９６と肩のライン９７とが推定された学習済みモデル作成用推定画像９２が生成される。学習済みモデル作成用推定画像９２には、被写体Ｐの背骨に基づく中心線９６と肩のライン９７とが示されている。

以上により、生成された学習済みモデル作成用推定画像９２と、Ｘ線画像６３の判定結果のラベル９４ｂとを含む学習データセット９０ｂが作成される。学習済みモデル６２ｂ（図５参照）は、作成された複数の学習データセット９０ｂを教師データとして機械学習を行うことにより作成される。作成された学習済みモデル６２ｂは、記憶部６０に記憶される。学習済みモデル６２ｂは、光学撮像部４０により撮影された光学画像６４に基づく入力画像６６が入力され、かつ、入力画像６６における被写体Ｐの判別情報６５ｂを出力する。出力される判別情報６５ｂは、入力画像６６において被写体Ｐの肺尖部と鎖骨とが重なっているか否かが示された情報である。

（被写体の肺野の肩甲骨に対する相対位置に関する状態を判別する判別情報の取得）
また、取得されたＸ線画像６３に所定の部位の一例としての肺野が明瞭に撮影されているためには、肺野に肩甲骨が重なっていないことが必要である。放射線技師は、Ｘ線撮影の際に、肺野に肩甲骨が重なっていないことを被写体Ｐの腕の内旋を確認することにより経験に基づき判断している。ここで、「内旋」とは、上腕や大腿を、位置を変えずに、体の内側に向かって回転させる動きをいう。しかしながら、肺野と肩甲骨との重なりについての正誤は放射線技師の経験に依存するため、取得されたＸ線画像６３において肺野に肩甲骨が重なっていることにより肺野が十分に写っていない場合がある。この場合、取得されたＸ線画像６３は写損と判断され、再撮影が行われる。そのため、取得されたＸ線画像６３の写損の発生を抑制する必要がある。

そこで、図７に例３として示すように、制御部７０は、学習済みモデル６２ｃを用いて、入力画像６６において被写体Ｐの肺野と肩甲骨とが重なっているか否かが示された、被写体Ｐの所定の部位としての肺野の他の部位としての肩甲骨に対する相対位置に関する状態を判別する判別情報６５ｃを取得するように構成されている。以下、上述した判別情報６５ａの取得と異なる点について説明する。

具体的には、制御部７０は、学習済みモデル６２ｃに対して入力画像６６である光学撮像部４０により撮影された光学画像６４を入力し、出力結果である被写体Ｐの肺野の肩甲骨に対する相対位置に関する状態を判別する判別情報６５ｃを取得するように構成されている。

（被写体の肺野の肩甲骨に対する相対位置に関する状態を判別する判別情報を出力する学習済みモデルの作成方法）
図８に例３として示すように、Ｘ線画像６３と光学画像６４とを含む画像セット９３ｃが複数取得される。画像セット９３のＸ線画像６３に対して、肺野Ｐ３と肩甲骨Ｐ４とが重なっているか否かが判定される。Ｘ線画像６３において肺野Ｐ３と肩甲骨Ｐ４とが重なっているか否かの判定結果は、「肩甲骨なし」および「肩甲骨あり」のいずれかのラベル９４ｃとして取得される。

学習済みモデル６２ｃの作成では、上述した学習済みモデル６２ａの作成とは異なり、画像セット９３ｃの光学画像６４に基づく抽出画像の生成は行われない。以上により、光学画像６４と、Ｘ線画像６３の判定結果のラベル９４ｃとを含む学習データセット９０ｃが作成される。学習済みモデル６２ｃは、作成された複数の学習データセット９０ｃを教師データとして機械学習を行うことにより作成される。作成された学習済みモデル６２ｃは、記憶部６０に記憶される。学習済みモデル６２ｃは、光学撮像部４０により撮影された光学画像６４である入力画像６６が入力され、かつ、入力画像６６における被写体Ｐの判別情報６５ｃを出力する。出力される判別情報６５ｃは、入力画像６６において被写体Ｐの肺野と肩甲骨とが重なっているか否かが示された情報である。

（制御部７０の各機能ブロック）
図２を参照して、制御部７０に含まれる機能ブロックについて説明する。ハードウェアとしてのＣＰＵなどからなる制御部７０は、ソフトウェア（プログラム６１）の機能ブロックとして、画像処理部７１と、判別情報取得部７２と、報知制御部７３とを含む。制御部７０は、記憶部６０に記憶されたプログラム６１を実行することにより、画像処理部７１と、判別情報取得部７２と、報知制御部７３として機能する。画像処理部７１と、判別情報取得部７２と、報知制御部７３とは、専用のプロセッサ（処理回路）を設けてハードウェアにより個別に構成されていてもよい。

画像処理部７１は、光学撮像部４０により撮像された光学画像６４に含まれる被写体Ｐ（図１参照）の輪郭９５およびコリメータランプ１３の可視光の照射範囲（Ｘ線照射野１４）が抽出された学習済みモデル入力用抽出画像６７を生成するように構成されている。画像処理部７１による画像処理は、上述した学習済みモデル６２ａの作成方法における画像処理と同様の方法により行われるため、説明を省略する。画像処理部７１は、学習済みモデル作成用抽出画像９１（図４参照）と同様の、被写体Ｐの上半身の輪郭９５におけるＸ線の照射野１４が矩形状に示された学習済みモデル入力用抽出画像６７を生成する。画像処理部７１により生成された学習済みモデル入力用抽出画像６７は、学習済みモデル６２ａに入力される入力画像６６（図３参照）となる。

また、画像処理部７１は、光学撮像部４０により撮像された光学画像６４に含まれる被写体Ｐの肩のライン９７が推定された学習済みモデル入力用推定画像６８（図５参照）を生成するように構成されている。画像処理部７１は、学習済みモデル作成用推定画像９２ｂ（図６参照）と同様の、被写体Ｐの背骨に基づく中心線９６と肩のライン９７とが破線で示された学習済みモデル入力用推定画像６８を生成する。画像処理部７１により生成された学習済みモデル入力用推定画像６８は、学習済みモデル６２ｂに入力される入力画像６６（図５参照）となる。

判別情報取得部７２は、図３に示すように、学習済みモデル６２ａを用いて、画像処理部７１により生成された学習済みモデル入力用抽出画像６７を入力画像６６として入力し、出力結果である被写体Ｐの判別情報６５ａを取得するように構成されている。また、判別情報取得部７２は、図５に示すように、学習済みモデル６２ｂを用いて、画像処理部７１により生成された学習済みモデル入力用推定画像６８を入力画像６６として入力し、出力結果である被写体Ｐの判別情報６５ｂを取得するように構成されている。また、判別情報取得部７２は、図７に示すように、学習済みモデル６２ｃを用いて、光学撮像部４０により撮影された光学画像６４を入力画像６６として入力し、出力結果である被写体Ｐの判別情報６５ｃを取得するように構成されている。

図２に示すように、報知制御部７３は、取得した出力結果である被写体Ｐの判別情報６５ａに基づいて、報知部８０に報知させるように構成されている。被写体Ｐの判別情報６５ａが「肺尖部あり」の場合に、報知制御部７３は、たとえば、報知部８０の表示部８１に「肺尖部あり」という内容の文字を表示させるように構成されている。また、被写体Ｐの判別情報６５ａが「肺尖部なし」の場合に、報知制御部７３は、たとえば、報知部８０の表示部８１に「肺尖部なし」という内容の文字を表示させるように構成されている。

また、報知制御部７３は、取得した出力結果である被写体Ｐの判別情報６５ｂに基づいて、報知部８０に報知させるように構成されている。被写体Ｐの判別情報６５ｂが「肺尖部と鎖骨との重なりなし」の場合に、報知制御部７３は、たとえば、報知部８０の表示部８１に「肺尖部と鎖骨との重なりなし」という内容の文字を表示させるように構成されている。また、被写体Ｐの判別情報６５ｂが「肺尖部と鎖骨との重なりあり」の場合に、報知制御部７３は、たとえば、報知部８０の表示部８１に「肺尖部と鎖骨との重なりあり」という内容の文字を表示させるように構成されている。

また、報知制御部７３は、取得した出力結果である被写体Ｐの判別情報６５ｃに基づいて、報知部８０に報知させるように構成されている。被写体Ｐの判別情報６５ｃが「肩甲骨なし」の場合に、報知制御部７３は、たとえば、報知部８０の表示部８１に「肩甲骨なし」という内容の文字を表示させるように構成されている。また、被写体Ｐの判別情報６５ｃが「肩甲骨あり」の場合に、報知制御部７３は、たとえば、報知部８０の表示部８１に「肩甲骨あり」という内容の文字を表示させるように構成されている。

なお、報知制御部７３は、報知部８０に上記内容を音声により出力させるように構成されていても良い。また、報知制御部７３は、被写体Ｐの判別情報６５ａが「肺尖部あり」であり、被写体Ｐの判別情報６５ｂが「肺尖部と鎖骨との重なりなし」であり、かつ、被写体Ｐの判別情報６５ｃが「肩甲骨なし」である場合に、報知部８０の表示部８１に「撮影可能状態」という内容の文字を表示させても良い。

（判別情報の取得処理）
図９を参照して、本実施形態による、判別情報６５ａ～６５ｃの取得処理について説明する。なお、以下に説明する判別情報６５ａ～６５ｃの取得処理は、ハードウェアとしてのＣＰＵなどからなる制御部７０により実行される。

ステップＳ１において、画像処理部７１（制御部７０）は、光学撮像部４０により撮像された光学画像６４を取得する。その後、処理はステップＳ２に進む。

ステップＳ２において、画像処理部７１（制御部７０）は、取得した光学画像６４に基づいて学習済みモデル入力用抽出画像６７および学習済みモデル入力用推定画像６８を生成する。その後、処理はステップＳ３に進む。

ステップＳ３において、判別情報取得部７２（制御部７０）は、学習済みモデル６２ａを用いて、画像処理部７１により生成された学習済みモデル入力用抽出画像６７を入力画像６６として入力し、出力結果である判別情報６５ａを取得する。また、判別情報取得部７２（制御部７０）は、学習済みモデル６２ｂを用いて、画像処理部７１により生成された学習済みモデル入力用推定画像６８を入力画像６６として入力し、出力結果である判別情報６５ｂを取得する。また、判別情報取得部７２（制御部７０）は、学習済みモデル６２ｃを用いて、光学撮像部４０により撮影された光学画像６４を入力画像６６として入力し、出力結果である判別情報６５ｃを取得する。その後、処理はステップＳ４に進む。

ステップＳ４において、報知制御部７３は、取得した出力結果である被写体Ｐの判別情報６５ａ～６５ｃに基づく情報を報知部８０に報知させる。その後、処理はステップＳ５に進む。

ステップＳ５において、制御部７０は、放射線技師によるＸ線画像６３の撮影の終了を検出した場合（ステップＳ４においてＹｅｓ）、処理は終了し、放射線技師によるＸ線画像６３の撮影の終了を検出していない場合（ステップＳ５においてＮｏ）は、処理はステップＳ１に進む。

報知部８０による被写体Ｐの判別情報６５ａ～６５ｃに基づく情報の報知により、放射線技師は、判別情報６５ａ～６５ｃにおいて被写体Ｐの所定の部位の撮像範囲または他の部位に対する相対位置に関する状態が適正であると判別されている場合に、Ｘ線を照射してＸ線画像６３を撮影し、判別情報６５ａ～６５ｃにおいて被写体Ｐの所定の部位の撮像範囲または他の部位に対する相対位置に関する状態が適正でないと判別されている場合に、Ｘ線を照射せずに、被写体Ｐの姿勢を変更させることができる。その結果、Ｘ線画像６３の写損の発生をより適切に抑制することができる。

（本実施形態の効果）
本実施形態では、以下のような効果を得ることができる。

本実施形態では、上記のように、Ｘ線撮影装置１００は、Ｘ線管１１を含むＸ線照射部１０と、Ｘ線照射部１０から照射されたＸ線を検出する検出器３０と、検出器３０が検出したＸ線に基づくＸ線画像６３を生成する画像生成部５０と、Ｘ線照射部１０側から被写体Ｐおよび検出器３０の方向の光学画像６４を撮像する光学撮像部４０と、光学撮像部４０により撮像された被写体Ｐを含む光学画像６４に基づく入力画像６６に対して、被写体Ｐの所定の部位の撮像範囲または他の部位に対する相対位置に関する状態を判別する判別情報６５ａ～６５ｃを出力する学習済みモデル６２ａ～６２ｃを記憶する記憶部６０と、学習済みモデル６２ａ～６２ｃを用いて、判別情報６５ａ～６５ｃを取得する判別情報取得部７２と、判別情報取得部７２により取得された判別情報６５ａ～６５ｃに基づく報知を行う報知部８０とを備える。光学画像６４に基づく入力画像６６を学習済みモデル６２ａ～６２ｃに入力して出力結果を取得することにより、実際にＸ線を照射して撮影されたＸ線画像６３を確認することなしに、Ｘ線画像における撮像範囲に被写体Ｐの所定の部位が含まれているか否かを判別することができる。また、上記出力結果を取得することにより、実際にＸ線を照射して撮影されたＸ線画像を確認することなく、かつ、放射線技師の経験に依存することなく、Ｘ線画像において被写体Ｐの所定の部位が他の部位に重なっていないことにより所定の部位が十分に写っているか否かを判別することができる。そのため、Ｘ線画像６３の写損の発生を抑制することができる。その結果、Ｘ線画像６３の写損の発生を抑制することによって、写損によるＸ線画像６３の再撮影に起因する被曝量の増加を抑制することできる。

また、本実施形態では、上記のように、学習済みモデル６２ａ～６２ｃは、Ｘ線画像６３の撮像方向と略同方向から光学撮像部４０により撮影された光学画像６４に基づく入力画像６６が入力され、かつ、入力画像６６における被写体Ｐの判別情報６５ａ～６５ｃを出力し、判別情報取得部７２は、Ｘ線画像６３を取得するためのＸ線の照射前に、学習済みモデル６２ａ～６２ｃを用いて入力画像６６における判別情報６５ａ～６５ｃを取得するように構成されている。これにより、Ｘ線画像６３の撮像方向と略同方向から光学撮像部４０により撮影された光学画像６４に基づく入力画像６６を学習済みモデル６２ａ～６２ｃに入力して出力結果を取得することにより、Ｘ線画像６３を取得するためのＸ線の照射前に、被写体Ｐの所定の部位の撮像範囲または他の部位に対する相対位置に関する状態が適正であるか否かを判別することができる。そのため、Ｘ線画像６３の写損の発生をより抑制することができる。その結果、Ｘ線画像６３の写損の発生をより抑制することによって、写損によるＸ線画像６３の再撮影に起因する被曝量の増加を抑制することできる。

また、本実施形態では、上記のように、判別情報取得部７２は、学習済みモデル６２ａから出力された被写体Ｐの肺尖部の撮像範囲に関する状態を判別する判別情報６５ａ、学習済みモデル６２ｂから出力された被写体Ｐの肺尖部の鎖骨に対する相対位置に関する状態を判別する判別情報６５ｂ、または、学習済みモデル６２ｃから出力された被写体Ｐの肩甲骨の肺野に対する相対位置に関する状態を判別する判別情報６５ｃを取得するように構成されている。これにより、放射線技師は、取得された判別情報６５ａ～６５ｃに基づいてＸ線画像６３の撮影を行うことができる。その結果、取得されたＸ線画像６３において肺尖部または肺野が十分に写っていないということを抑制することができるため、Ｘ線画像６３の写損の発生を的確かつ適切に抑制することができる。

また、本実施形態では、上記のように、Ｘ線照射部１０は、Ｘ線照射野１４を規定するコリメータ１２およびＸ線照射野１４を視認可能とするためのコリメータランプ１３を含み、判別情報取得部７２は、学習済みモデル６２ａを用いて、入力画像６６におけるコリメータランプ１３からの照射光に基づくＸ線照射野１４の領域において被写体Ｐの肺尖部が含まれているか否かが示された、被写体Ｐの所定の部位としての肺尖部の撮像範囲に関する状態を判別する判別情報６５ａを取得するように構成されている。これにより、入力画像６６におけるコリメータランプ１３からの照射光に基づくＸ線照射野１４の領域において被写体Ｐの肺尖部が含まれているか否かが示された判別情報６５ａを取得することができる。そのため、放射線技師は、判別情報６５ａにおいて被写体Ｐの肺尖部が含まれていると判別されている場合に、Ｘ線を照射してＸ線画像６３を撮影し、判別情報６５ａにおいて被写体Ｐの肺尖部が含まれていないと判別されている場合に、Ｘ線を照射せずに、被写体Ｐを移動させるか、または、Ｘ線照射部１０および検出器３０の位置を移動させることができる。その結果、Ｘ線画像６３の写損の発生をより適切に抑制することができる。

また、本実施形態では、上記のように、判別情報取得部７２は、光学撮像部４０により撮像された光学画像６４に含まれる被写体Ｐの輪郭９５およびＸ線照射野１４が抽出された学習済みモデル入力用抽出画像６７を生成し、学習済みモデル６２ａに対して入力画像６６である学習済みモデル入力用抽出画像６７を入力し、出力結果である被写体Ｐの判別情報６５ａを取得するように構成されている。これにより、学習済みモデル６２ａは、入力画像６６として被写体Ｐの輪郭９５およびＸ線照射野１４が抽出された学習済みモデル入力用抽出画像６７を用いているため、入力画像６６として光学撮像部４０が撮像した光学画像６４を用いる場合と比べて、出力結果である判別情報６５ａの精度を向上させることができる。

また、本実施形態では、上記のように、判別情報取得部７２は、学習済みモデル６２ｂを用いて、入力画像６６において被写体Ｐの肺尖部と鎖骨とが重なっているか否かが示された、被写体Ｐの所定の部位としての肺尖部の他の部位としての鎖骨に対する相対位置に関する状態を判別する判別情報６５ｂを取得するように構成されている。これにより、入力画像６６において被写体Ｐの肺尖部と鎖骨とが重なっているか否かが示された判別情報６５ｂを取得することができる。そのため、放射線技師は、判別情報６５ｂにおいて被写体Ｐの肺尖部と鎖骨とが重なっていないと判別されている場合に、Ｘ線を照射してＸ線画像６３を撮影し、判別情報６５ｂにおいて被写体Ｐの肺尖部と鎖骨とが重なっていると判別されている場合に、Ｘ線を照射せずに、被写体Ｐの姿勢を変更させることができる。その結果、Ｘ線画像６３の写損の発生および再撮影に起因する被曝量の増加をより適切に抑制することができる。

また、本実施形態では、上記のように、判別情報取得部７２は、光学撮像部４０により撮像された光学画像６４に含まれる被写体Ｐの肩のライン９７が推定された学習済みモデル入力用推定画像６８を生成し、学習済みモデル６２ｂに対して入力画像６６である学習済みモデル入力用推定画像６８を入力し、出力結果である被写体Ｐの判別情報６５ｂを取得するように構成されている。これにより、学習済みモデル６２ｂは、入力画像６６として被写体Ｐの肩のライン９７が推定された学習済みモデル入力用推定画像６８を用いているため、入力画像６６として光学撮像部４０が撮像した光学画像６４を用いる場合と比べて、出力結果である判別情報６５ｂの精度を向上させることができる。

また、本実施形態では、上記のように、判別情報取得部７２は、学習済みモデル６２ｃを用いて、入力画像６６において被写体Ｐの肺野と肩甲骨とが重なっているか否かが示された、被写体Ｐの所定の部位としての肺野の他の部位としての肩甲骨に対する相対位置に関する状態を判別する判別情報６５ｃを取得するように構成されている。これにより、入力画像６６において被写体Ｐの肺野と肩甲骨とが重なっているか否かが示された判別情報６５ｃを取得することができる。そのため、放射線技師は、判別情報６５ｃにおいて被写体Ｐの肺野と肩甲骨とが重なっていないと判別されている場合に、Ｘ線を照射してＸ線画像６３を撮影し、判別情報６５ｃにおいて被写体Ｐの肺野と肩甲骨とが重なっていると判別されている場合に、Ｘ線を照射せずに、被写体Ｐの姿勢を変更させることができる。その結果、Ｘ線画像６３の写損の発生および再撮影に起因する被曝量の増加をより適切に抑制することができる。

また、本実施形態では、上記のように、光学撮像部４０は、Ｘ線照射部１０に含まれるＸ線照射野１４を規定するコリメータ１２に装着されている。これにより、光学撮像部４０はＸ線画像６３の撮像方向と略同方向から光学画像６４を撮影することができるため、出力結果である判別情報６５の精度をより向上させることができる。

また、本実施形態では、上記のように、報知部８０は、判別情報取得部７２により取得された判別情報６５ａ～６５ｃに基づく情報を表示する表示部８１を含む。これにより、放射線技師は判別情報６５ａ～６５ｃを容易に視認することができるため、Ｘ線画像６３の写損の発生をより適切に抑制することができる。

［変形例］
なお、今回開示された実施形態は、すべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記した実施形態の説明ではなく特許請求の範囲によって示され、さらに特許請求の範囲と均等の意味および範囲内でのすべての変更（変形例）が含まれる。

たとえば、上記実施形態では、制御部７０は、判別情報６５ａ、判別情報６５ｂおよび判別情報６５ｃを取得するように構成されている例を示したが、本発明はこれに限られない。たとえば、制御部７０は、判別情報６５ａおよび判別情報６５ｂを取得し、判別情報６５ｃを取得しないように構成されていても良い。また、制御部７０は、判別情報６５ａおよび判別情報６５ｃを取得し、判別情報６５ｂを取得しないように構成されていても良い。また、制御部７０は、判別情報６５ｂおよび判別情報６５ｃを取得し、判別情報６５ａを取得しないように構成されていても良い。また、制御部７０は、判別情報６５ａを取得し、判別情報６５ｂおよび判別情報６５ｃを取得しないように構成されていても良い。また、制御部７０は、判別情報６５ｂを取得し、判別情報６５ａおよび判別情報６５ｃを取得しないように構成されていても良い。また、制御部７０は、判別情報６５ｃを取得し、判別情報６５ａおよび判別情報６５ｂを取得しないように構成されていても良い。

また、判別情報６５ｃの取得に関する上記実施形態では、光学画像６４と、Ｘ線画像６３の判定結果のラベル９４とを含む学習データセット９０ｃが作成される例を示したが、本発明はこれに限られない。図１０に示す変形例１のように、学習データセット９０ｄは、光学画像６４と、光学画像６４の判定結果のラベル９４ｄとが含まれたものであっても良い。

この場合、たとえば、Ｘ線画像６３の撮像方向と略同方向から撮影された被写体を含む光学画像６４が複数取得される。取得された光学画像６４に対して、被写体の腕Ｐ５が十分に内旋しているか否かが判定される。光学画像６４において被写体の腕Ｐ５が十分に内旋しているか否かの判定結果は、「内旋あり」および「内旋なし」のいずれかのラベル９４ｄとして取得される。以上により、光学画像６４と、光学画像６４の判定結果のラベル９４ｄとを含む学習データセット９０ｄが作成される。学習済みモデル６２は、作成された複数の学習データセット９０ｄを教師データとして機械学習を行うことにより作成される。作成された学習済みモデル６２は、記憶部６０に記憶される。学習済みモデル６２は、光学撮像部４０により撮影された光学画像６４である入力画像６６が入力され、かつ、入力画像６６における被写体Ｐの判別情報６５を出力する。出力される判別情報６５は、入力画像６６において被写体Ｐの腕が内旋しているか否かが示された情報である。

判別情報取得部７２は、学習済みモデル６２を用いて、光学撮像部４０により撮像された光学画像６４を入力画像６６として入力し、出力結果である被写体Ｐの判別情報６５を取得するように構成されている。

報知制御部７３は、取得した出力結果である被写体Ｐの判別情報に基づいて、報知部８０に報知させるように構成されている。被写体Ｐの判別情報６５が「内旋あり」の場合に、報知制御部７３は、たとえば、報知部８０の表示部８１に「内旋あり」という内容の文字を表示させるように構成されている。また、被写体Ｐの判別情報６５が「内旋なし」の場合に、報知制御部７３は、たとえば、報知部８０の表示部８１に「内旋なし」という内容の文字を表示させるように構成されている。

上記変形例１では、判別情報取得部７２は、学習済みモデル６２から出力された、被写体Ｐの肺野と肩甲骨との重なり具合の指標となる被写体Ｐの腕の内旋の状態を判別する判別情報６５を取得するように構成されている。これにより、放射線技師は、取得された判別情報６５に基づいてＸ線画像６３の撮影を行うことができる。その結果、取得されたＸ線画像６３において肺野と肩甲骨とが重なることにより肺野が十分に写っていないということを抑制することができるため、Ｘ線画像６３の写損の発生を的確かつ適切に抑制することができる。

また、上記変形例１では、判別情報取得部７２は、学習済みモデル６２を用いて、入力画像６６において被写体Ｐの腕が体の内側に向かって回転しているか否かが示された、被写体Ｐの指標としての腕の内旋の状態情報を取得するように構成されている。これにより、入力画像６６において被写体Ｐの腕が体の内側に向かって回転しているか否かが示された判別情報を取得することができる。そのため、放射線技師は、判別情報６５において被写体Ｐの腕が内旋していると判別されている場合に、Ｘ線を照射してＸ線画像６３を撮影し、判別情報６５において被写体Ｐの腕が内旋していないと判別されている場合に、Ｘ線を照射せずに、被写体Ｐの姿勢を変更させることができる。その結果、Ｘ線画像６３の写損の発生をより適切に抑制することができる。

また、判別情報６５ｃの取得に関する上記実施形態では、学習済みモデル６２の作成において画像セット９３ｃの光学画像６４に対して抽出処理または推定処理が行われず、画像処理部７１より光学撮像部４０により撮像された光学画像６４に基づく抽出画像または推定画像の生成が行われない例を示したが、本発明はこれに限られない。たとえば、図１１に示す変形例２のように、学習済みモデル６２の作成において画像セット９３ｄの光学画像６４に対して被写体Ｐの腕Ｐ５の内旋状態を推定する処理が行われ、画像処理部７１より光学撮像部４０により撮像された光学画像６４に含まれる被写体Ｐの腕の内旋状態が推定された学習済みモデル入力用推定画像６８を生成するように構成されていても良い。すなわち、制御部７０は、光学撮像部４０により撮像された光学画像６４に含まれる被写体Ｐの腕の内旋状態が推定された学習済みモデル入力用推定画像６８を生成し、学習済みモデル６２に対して入力画像６６である学習済みモデル入力用推定画像６８を入力し、出力結果である被写体Ｐの判別情報６５を取得するように構成されていても良い。これにより、学習済みモデル６２は、入力画像６６として被写体Ｐの腕の内旋状態が推定された学習済みモデル入力用推定画像６８を用いているため、入力画像６６として光学撮像部４０が撮像した光学画像６４を用いる場合と比べて、出力結果である判別情報の精度を向上させることができる。

また、上記実施形態では、学習済みモデル６２ａ、６２ｂの作成において画像セット９３の光学画像６４に対して抽出処理または推定処理が行われ、画像処理部７１より光学撮像部４０により撮像された光学画像６４に基づく学習済みモデル入力用抽出画像６７または学習済みモデル入力用推定画像６８の生成が行われる例を示したが、本発明はこれに限られない。たとえば、上記実施形態において、学習済みモデル６２ａ、６２ｂの作成において画像セット９３ａ、９３ｂの光学画像６４に対して抽出処理または推定処理は行われず、光学画像６４とＸ線画像６３の判定結果のラベル９４ａ、９４ｂとを含む学習データセット９０を用いて学習済みモデル６２が作成されても良い。また、上記実施形態において、制御部７０は、学習済みモデル６２ａ、６２ｂを用いて、光学撮像部４０により撮像された光学画像６４を入力画像６６として入力し、出力結果である被写体Ｐの判別情報６５ａ、６５ｂを取得するように構成されていても良い。

また、上記実施形態では、被写体Ｐの背骨に基づく中心線９６と肩のライン９７とが示された学習済みモデル作成用推定画像９２および学習済みモデル入力用推定画像６８が生成される例を示したが、本発明はこれに限られない。たとえば、光学画像６４に被写体Ｐの背骨に基づく中心線９６と肩のライン９７とが重ねられて示された学習済みモデル作成用推定画像９２および学習済みモデル入力用推定画像６８が生成されても良い。

また、上記実施形態では、Ｘ線撮影装置１００は胸部のＸ線撮影に用いられる例を示したが、本発明はこれに限られない。たとえば、Ｘ線撮影装置１００は、胸部以外の部位のＸ線撮影に用いられても良い。

また、上記実施形態では、Ｘ線撮影装置１００は被写体Ｐを起立させた姿勢（立位）で撮影を行うように構成されている例を示したが、本発明はこれに限られない。たとえば、Ｘ線撮影装置１００は、被写体Ｐを横たわらせた姿勢（臥位）で撮影を行うように構成されていても良い。

また、上記実施形態では、光学撮像部４０はＸ線画像６３の撮影の際に被写体Ｐを常時撮影している例を示したが、本発明はこれに限られない。たとえば、光学撮像部４０は、所定のタイミングで被写体Ｐを撮影するように構成されていても良い。

［態様］
上記した例示的な実施形態は、以下の態様の具体例であることが当業者により理解される。

（項目１）
Ｘ線管を含むＸ線照射部と、
前記Ｘ線照射部から照射されたＸ線を検出する検出器と、
前記検出器が検出した前記Ｘ線に基づくＸ線画像を生成する画像生成部と、
前記Ｘ線照射部側から被写体および前記検出器の方向の光学画像を撮像する光学撮像部と、
前記光学撮像部により撮像された前記被写体を含む前記光学画像に基づく入力画像に対して、前記被写体の所定の部位の撮像範囲または他の部位に対する相対位置に関する状態を判別する判別情報を出力する学習済みモデルを記憶する記憶部と、
前記学習済みモデルを用いて、前記判別情報を取得する制御部と、
前記制御部により取得された前記判別情報に基づく報知を行う報知部とを備える、Ｘ線撮影装置。

（項目２）
前記学習済みモデルは、前記Ｘ線画像の撮像方向と略同方向から前記光学撮像部により撮影された前記光学画像に基づく前記入力画像が入力され、かつ、前記入力画像における前記被写体の前記判別情報を出力し、
前記制御部は、前記Ｘ線画像を取得するための前記Ｘ線の照射前に、前記学習済みモデルを用いて前記入力画像における前記判別情報を取得するように構成されている、項目１に記載のＸ線撮影装置。

（項目３）
前記制御部は、前記学習済みモデルから出力された、前記被写体の肺尖部の撮像範囲に関する状態を判別する判別情報、前記被写体の肺尖部の鎖骨に対する相対位置に関する状態を判別する判別情報、前記被写体の肺野の肩甲骨に対する相対位置に関する状態を判別する判別情報、または、前記被写体の肺野と肩甲骨との重なり具合の指標となる前記被写体の腕の内旋の状態を判別する判別情報を取得するように構成されている、項目１または２に記載のＸ線撮影装置。

（項目４）
前記Ｘ線照射部は、Ｘ線照射野を規定するコリメータおよび前記Ｘ線照射野を視認可能とするためのコリメータランプを含み、
前記制御部は、前記学習済みモデルを用いて、前記入力画像における前記コリメータランプからの照射光に基づく前記Ｘ線照射野の領域において前記被写体の肺尖部が含まれているか否かが示された、前記被写体の前記所定の部位としての肺尖部の撮像範囲に関する状態を判別する判別情報を取得するように構成されている、項目３に記載のＸ線撮影装置。

（項目５）
前記制御部は、前記光学撮像部により撮像された前記光学画像に含まれる前記被写体の輪郭および前記Ｘ線照射野が抽出された抽出画像を生成し、前記学習済みモデルに対して前記入力画像である前記抽出画像を入力し、出力結果である前記被写体の前記判別情報を取得するように構成されている、項目４に記載のＸ線撮影装置。

（項目６）
前記制御部は、前記学習済みモデルを用いて、前記入力画像において前記被写体の肺尖部と鎖骨とが重なっているか否かが示された、前記被写体の前記所定の部位としての肺尖部の前記他の部位としての鎖骨に対する相対位置に関する状態を判別する判別情報を取得するように構成されている、項目３に記載のＸ線撮影装置。

（項目７）
前記制御部は、前記光学撮像部により撮像された前記光学画像に含まれる前記被写体の肩のラインが推定された推定画像を生成し、前記学習済みモデルに対して前記入力画像である前記推定画像を入力し、出力結果である前記被写体の前記判別情報を取得するように構成されている、項目６に記載のＸ線撮影装置。

（項目８）
前記制御部は、前記学習済みモデルを用いて、前記入力画像において前記被写体の肺野と肩甲骨とが重なっているか否かが示された、前記被写体の前記所定の部位としての肺野の前記他の部位としての肩甲骨に対する相対位置に関する状態情報を取得するように構成されている、項目３に記載のＸ線撮影装置。

（項目９）
前記制御部は、前記光学撮像部により撮像された前記光学画像に含まれる前記被写体の腕の内旋状態が推定された推定画像を生成し、前記学習済みモデルに対して前記入力画像である前記推定画像を入力し、出力結果である前記被写体の前記判別情報を取得するように構成されている、項目８に記載のＸ線撮影装置。

（項目１０）
前記制御部は、前記学習済みモデルを用いて、前記入力画像において前記被写体の腕が体の内側に向かって回転しているか否かが示された、前記被写体の前記所定の部位としての腕の内旋の状態情報を取得するように構成されている、項目３に記載のＸ線撮影装置。

（項目１１）
前記光学撮像部は、前記Ｘ線照射部に含まれるＸ線照射野を規定するコリメータに装着されている、項目１～１０のいずれか１項に記載のＸ線撮影装置。

（項目１２）
前記報知部は、前記制御部により取得された前記判別情報に基づく情報を表示する表示部を含む、項目１～１１のいずれか１項に記載のＸ線撮影装置。

１０Ｘ線照射部
１１Ｘ線管
１２コリメータ
１３コリメータランプ
１４Ｘ線照射野
３０検出器
４０光学撮像部
５０画像生成部
６０記憶部
６２、６２ａ、６２ｂ、６２ｃ学習済みモデル
６３Ｘ線画像
６４光学画像
６５、６５ａ、６５ｂ、６５ｃ判別情報
６６入力画像
６７学習済みモデル入力用抽出画像
６８学習済みモデル入力用推定画像
７０制御部
８０報知部
８１表示部
９５輪郭
９７肩のライン
１００Ｘ線撮影装置
Ｐ被写体

Claims

Ｘ線管を含むＸ線照射部と、
前記Ｘ線照射部から照射されたＸ線を検出する検出器と、
前記検出器が検出した前記Ｘ線に基づくＸ線画像を生成する画像生成部と、
前記Ｘ線照射部側から被写体および前記検出器の方向の光学画像を撮像する光学撮像部と、
前記光学撮像部により撮像された前記被写体を含む前記光学画像に基づく入力画像に対して、前記被写体の所定の部位の撮像範囲または他の部位に対する相対位置に関する状態を判別する判別情報を出力する学習済みモデルを記憶する記憶部と、
前記学習済みモデルを用いて、前記判別情報を取得する制御部と、
前記制御部により取得された前記判別情報に基づく報知を行う報知部とを備え、
前記制御部は、前記学習済みモデルから出力された、前記被写体の肺尖部の撮像範囲に関する状態を判別する前記判別情報、前記被写体の肺尖部の鎖骨に対する相対位置に関する状態を判別する前記判別情報、前記被写体の肺野の肩甲骨に対する相対位置に関する状態を判別する前記判別情報、または、前記被写体の肺野と肩甲骨との重なり具合の指標となる前記被写体の腕の内旋の状態を判別する前記判別情報を取得するように構成されている、Ｘ線撮影装置。
前記学習済みモデルは、前記Ｘ線画像の撮像方向と略同方向から前記光学撮像部により撮影された前記光学画像に基づく前記入力画像が入力され、かつ、前記入力画像における前記被写体の前記判別情報を出力し、
前記制御部は、前記Ｘ線画像を取得するための前記Ｘ線の照射前に、前記学習済みモデルを用いて前記入力画像における前記判別情報を取得するように構成されている、請求項１に記載のＸ線撮影装置。
前記Ｘ線照射部は、Ｘ線照射野を規定するコリメータおよび前記Ｘ線照射野を視認可能とするためのコリメータランプを含み、
前記制御部は、前記学習済みモデルを用いて、前記入力画像における前記コリメータランプからの照射光に基づく前記Ｘ線照射野の領域において前記被写体の肺尖部が含まれているか否かが示された、前記被写体の前記所定の部位としての肺尖部の撮像範囲に関する状態を判別する前記判別情報を取得するように構成されている、請求項１または２に記載のＸ線撮影装置。
前記制御部は、前記光学撮像部により撮像された前記光学画像に含まれる前記被写体の輪郭および前記Ｘ線照射野が抽出された抽出画像を生成し、前記学習済みモデルに対して前記入力画像である前記抽出画像を入力し、出力結果である前記被写体の前記判別情報を取得するように構成されている、請求項３に記載のＸ線撮影装置。
前記制御部は、前記学習済みモデルを用いて、前記入力画像において前記被写体の肺尖部と鎖骨とが重なっているか否かが示された、前記被写体の前記所定の部位としての肺尖部の前記他の部位としての鎖骨に対する相対位置に関する状態を判別する前記判別情報を取得するように構成されている、請求項１または２に記載のＸ線撮影装置。
前記制御部は、前記光学撮像部により撮像された前記光学画像に含まれる前記被写体の肩のラインが推定された推定画像を生成し、前記学習済みモデルに対して前記入力画像である前記推定画像を入力し、出力結果である前記被写体の前記判別情報を取得するように構成されている、請求項５に記載のＸ線撮影装置。
前記制御部は、前記学習済みモデルを用いて、前記入力画像において前記被写体の肺野と肩甲骨とが重なっているか否かが示された、前記被写体の前記所定の部位としての肺野の前記他の部位としての肩甲骨に対する相対位置に関する状態を判別する前記判別情報を取得するように構成されている、請求項１または２に記載のＸ線撮影装置。
前記制御部は、前記光学撮像部により撮像された前記光学画像に含まれる前記被写体の腕の内旋状態が推定された推定画像を生成し、前記学習済みモデルに対して前記入力画像である前記推定画像を入力し、出力結果である前記被写体の前記判別情報を取得するように構成されている、請求項７に記載のＸ線撮影装置。
前記制御部は、前記学習済みモデルを用いて、前記入力画像において前記被写体の腕が体の内側に向かって回転しているか否かが示された、前記指標としての腕の内旋の状態を判別する前記判別情報を取得するように構成されている、請求項１または２に記載のＸ線撮影装置。
前記光学撮像部は、前記Ｘ線照射部に含まれるＸ線照射野を規定するコリメータに装着されている、請求項１～９のいずれか１項に記載のＸ線撮影装置。
前記報知部は、前記制御部により取得された前記判別情報に基づく情報を表示する表示部を含む、請求項１～１０のいずれか１項に記載のＸ線撮影装置。