吸收系数图像生成方法、核医学诊断装置以及学习完毕模型的制作方法与流程

技术特征：
1.一种吸收系数图像生成方法，是用于生成被摄体内的吸收系数图像的核医学诊断装置的吸收系数图像生成方法，所述吸收系数图像生成方法包括以下步骤：通过对基于从所述被摄体放射出的放射线的检测所获取到的测定数据进行图像化处理，来生成输入图像；基于所述输入图像，来生成包括与组织区域有关的图像的中间图像；以及基于所述中间图像和组织区域的已知的吸收系数，来生成吸收系数图像。2.根据权利要求1所述的吸收系数图像生成方法，其中，所述中间图像包括表示各像素中包含的组织的比例的组织组成比图像和表示各像素所属的组织的组织标签图像中的至少一者，作为与组织区域有关的图像。3.根据权利要求2所述的吸收系数图像生成方法，其中，生成所述吸收系数图像的步骤包括以下步骤：基于已知的吸收系数，对所述组织组成比图像中的组织或所述组织标签图像中的组织分配吸收系数。4.根据权利要求1所述的吸收系数图像生成方法，其中，生成所述输入图像的步骤包括以下步骤：在不进行吸收校正处理和散射校正处理中的至少一者的情况下生成所述输入图像。5.根据权利要求1所述的吸收系数图像生成方法，其中，生成所述输入图像的步骤包括以下步骤：对所述测定数据进行包括反投影处理的处理。6.根据权利要求1所述的吸收系数图像生成方法，其中，所述输入图像包括对被进行了图像化处理的所述测定数据未应用图像质量转换处理而得到的图像、对被进行了图像化处理的所述测定数据应用了图像质量转换处理而得到的图像、以及对被进行了图像化处理的所述测定数据应用了区域识别处理而得到的图像中的至少一者。7.根据权利要求1所述的吸收系数图像生成方法，其中，所述输入图像包括两种以上的分辨率的图像。8.根据权利要求1所述的吸收系数图像生成方法，其中，生成所述中间图像的步骤包括以下步骤：对所述输入图像应用预先学习得到的机器学习模型。9.根据权利要求8所述的吸收系数图像生成方法，其中，作为所述机器学习模型的学习数据的所述输入图像包括以下图像中的至少一者：像素值范围被进行了归一化的归一化图像、对所述归一化图像乘以大于0且小于1的系数而得到的图像、以及对所述归一化图像或归一化前的图像的特定区域乘以正的系数而得到的图像。10.根据权利要求8所述的吸收系数图像生成方法，其中，所述机器学习模型除了输出所述中间图像以外，还同时输出应用了吸收校正处理和散射校正处理中的至少一者而得到的重构图像。11.根据权利要求8所述的吸收系数图像生成方法，其中，所述机器学习模型包括以下机器学习模型中的至少一者：以三维图像为输入的机器学习模型；
以轴位断面图像为输入的机器学习模型；以冠状断面图像为输入的机器学习模型；以矢状断面图像为输入的机器学习模型；以从三维图像切出的小片图像为输入的机器学习模型；以从轴位断面图像切出的小片图像为输入的机器学习模型；以从冠状断面图像切出的小片图像为输入的机器学习模型；以及以从矢状断面图像切出的小片图像为输入的机器学习模型。12.根据权利要求8所述的吸收系数图像生成方法，其中，所述机器学习模型除了以所述输入图像为输入以外，还以与所述输入图像的空间位置有关的信息为输入。13.根据权利要求8所述的吸收系数图像生成方法，其中，所述机器学习模型包括深度神经网络。14.根据权利要求13所述的吸收系数图像生成方法，其中，所述深度神经网络包括卷积处理。15.根据权利要求8所述的吸收系数图像生成方法，其中，所述机器学习模型使用基于蒙特卡罗模拟计算和解析模拟计算中的至少一者生成的伪图像来进行学习。16.根据权利要求15所述的吸收系数图像生成方法，其中，所述机器学习模型使用所述伪图像和实际的被检者的图像这两方来进行学习。17.根据权利要求16所述的吸收系数图像生成方法，其中，所述机器学习模型将通过所述伪图像进行了学习的机器学习模型作为基础模型，来使用实际的被检者的图像进行追加学习。18.根据权利要求3所述的吸收系数图像生成方法，其中，生成所述吸收系数图像的步骤包括以下步骤：在所述中间图像包括所述组织组成比图像的情况下，进行将已知的吸收系数设为系数的各组织的所述组织组成比图像的线性组合处理，生成所述吸收系数图像的步骤包括以下步骤：在所述中间图像包括所述组织标签图像的情况下，进行与所述组织标签图像的标签值对应的已知的吸收系数的分配处理。19.根据权利要求3所述的吸收系数图像生成方法，其中，生成所述吸收系数图像的步骤包括以下步骤：在所述中间图像包括所述组织标签图像的情况下，进行将已知的吸收系数设为系数的作为所述组织标签图像的中间输出的可靠度图像的线性组合处理。20.根据权利要求1所述的吸收系数图像生成方法，其中，所述测定数据是人的头部的测定数据，构成与组织区域有关的图像的要素包括背景、空洞、软组织以及骨中的至少一者。21.根据权利要求1所述的吸收系数图像生成方法，其中，所述测定数据是人的乳房的测定数据，构成与组织区域有关的图像的要素包括背景和软组织中的至少一者。22.一种核医学诊断装置，具备：检测部，其检测从被摄体内的放射性药剂产生的放射线；以及
处理部，其基于所述检测部对放射线的检测，来生成所述被摄体内的放射性分布图像，其中，所述处理部构成为：通过对基于从所述被摄体放射出的放射线的检测所获取到的测定数据进行图像化处理，来生成输入图像；基于所述输入图像，来生成包括与组织区域有关的图像的中间图像；基于所述中间图像和组织区域的已知的吸收系数，来生成用于生成所述放射性分布图像的吸收系数图像。23.根据权利要求22所述的核医学诊断装置，其中，所述处理部构成为：基于所述吸收系数图像，来进行吸收校正处理和散射校正处理中的至少一者。24.一种学习完毕模型的制作方法，是用于核医学诊断装置的学习完毕模型的制作方法，所述学习完毕模型的制作方法包括以下步骤：准备表示各像素所属的组织的组织标签图像；基于所述组织标签图像，来制作伪放射性分布图像和伪吸收系数图像；通过基于所述伪放射性分布图像和所述伪吸收系数图像进行模拟计算，来制作伪测定数据；通过对所述伪测定数据进行图像化处理来生成伪图像；以及将所述伪图像作为学习数据，来制作学习完毕模型。

技术总结
该吸收系数图像生成方法包括以下步骤：生成输入图像(6)；基于输入图像(6)，来生成包括与组织区域有关的图像的中间图像(7)；以及基于中间图像(7)和组织区域的已知的吸收系数，来生成吸收系数图像(9)。来生成吸收系数图像(9)。来生成吸收系数图像(9)。


技术研发人员：小林哲哉 繁木结衣
受保护的技术使用者：株式会社岛津制作所
技术研发日：2020.06.26
技术公布日：2023/2/13