[发明专利]X射线摄影装置、学习完毕模型的生成方法以及图像处理方法

说明书

本X射线摄影装置(100)具备：X射线照射部(2)；X射线检测部(3)；脉冲宽度设定部(72)，其设定所照射的X射线的脉冲宽度；X射线照射控制部(71)，其使X射线照射部(2)照射X射线；X射线图像生成部(73)，其生成X射线图像(10)；以及设备检测部(74)，其基于通过机器学习而生成的学习完毕模型(80)来检测X射线图像(10)中的设备(200)，其中，脉冲宽度为使基于学习完毕模型(80)来检测设备(200)的检测精度成为最大的脉冲宽度以下的抖动抑制脉冲宽度。

技术领域

本发明涉及一种X射线摄影装置、学习完毕模型的生成方法以及图像处理方法。

背景技术

以往，已知一种使用机器学习从放射线图像中检测标记的放射线摄影装置。例如在日本特开2017-185007号公报中公开了这样的放射线摄影装置。

上述日本特开2017-185007号公报所记载的放射线摄影装置是在冠状动脉介入治疗中通过照射放射线来拍摄用于将被检体内进行图像化的放射线图像的装置。该放射线摄影装置基于学习结果数据通过图像识别来从放射线图像中检测放射线图像用的标记的位置及范围。标记被设置为被导管插入到被检体内的支架的记号。另外，预先通过使用了使包括标记的图像旋转多个角度而得到的多个旋转图像的机器学习，来获取学习结果数据。而且，上述日本特开2017-185007号公报所记载的放射线摄影装置基于所检测出的标记的位置来增强地显示放射线图像的支架。

现有技术文献

专利文献

专利文献1：日本特开2017-185007号公报

发明内容

发明要解决的问题

在此，虽然在上述日本特开2017-185007号公报中没有记载，但考虑在放射线图像(X射线图像)中检测未设置作为记号的标记的导管和导丝等医疗用的设备。在该情况下，考虑基于通过机器学习而生成的学习完毕模型来检测X射线图像中的设备。

然而，留置在体内的导管和导丝等医疗用的设备会由于被检体的体内的心脏的跳动等运动而不规则地移动。例如，在对包括留置在冠状动脉中的导管、导丝等医疗用的设备的多个X射线图像进行了拍摄的情况下，由于冠状动脉随着心脏的跳动而不规则地移动(变形)，因此导管、导丝等医疗用设备的位置及形状也随着心脏的跳动而不规则地变化。具体地说，在心脏扩张得最大的时间点和心脏收缩得最小的时间点，冠状动脉的移动速度小(大致为零)，因此设备的位置及形状的变化小。另外，在心脏扩张得最大的时间点与心脏收缩得最小的时间点之间，冠状动脉的移动速度根据心脏的容积的变化率而变大，因此设备的位置及形状的变化变大。

像这样，由于体内的设备的移动(变形)不是固定的(是不规则的)，因此拍摄到的X射线图像中的设备包括多种大小的抖动。因此，为了基于学习完毕模型来检测X射线图像中的设备，需要使学习完毕模型以与多种抖动对应的方式进行学习。即，需要使用大量的训练图像以与多种抖动对应的方式进行机器学习。在该情况下，有时机器学习不收敛，并且即使收敛了，基于通过机器学习而生成的学习完毕模型来检测设备的检测精度也低。

本发明是为了解决上述那样的课题而完成的，本发明的目的之一在于提供一种能够基于通过机器学习而生成的学习完毕模型来高精度地检测X射线图像中的留置在被检体的体内的医疗用设备的X射线摄影装置、学习完毕模型的生成方法以及图像处理方法。

用于解决问题的方案