[发明专利]医用图像处理装置及方法、学习模型的学习方法

说明书

提供医用图像处理装置及方法、学习模型的学习方法。本医用图像处理装置(100)具备图像获取部(1)和生成椎体识别图像(11)的图像处理部(2)，图像处理部包括椎体区域估计部(20)和图像生成部(21)，椎体区域估计部(20)使用学习完成模型(31)根据X射线图像(10)个别地估计多个椎体区域(41)，学习完成模型(31)是将拍进多个椎体(40)的训练用X射线图像(12)以及对多个椎体赋予互不相同的标签所得到的标签图像(13)作为训练数据进行学习而得到的，图像生成部(21)基于估计出的椎体区域来生成椎体识别图像(11)。

技术领域

本发明涉及一种医用图像处理装置、医用图像处理方法以及学习模型的学习方法，特别是涉及一种根据X射线图像检测被摄体的椎体的医用图像处理装置、医用图像处理方法以及学习模型的学习方法。

背景技术

以往，已知有根据X射线图像检测被摄体的椎体的医用图像处理装置。这样的医用图像处理装置例如在日本特开2019-209028号公报中公开。

在日本特开2019-209028号公报中，公开了利用通过机器学习进行学习所得到的学习完成学习模型来根据拍进椎体的X射线图像检测椎体的结构。在日本特开2019-209028号公报中检测椎体所使用的学习完成模型通过判别骨(椎体)的区域以及骨以外(椎体以外)的区域，来进行椎体的检测。

在此，椎体的图像例如用于骨质疏松症的诊断等。在骨质疏松症的诊断中，针对椎体逐个地测定骨密度。因而，期望根据拍进椎体的X射线图像检测各个椎体。然而，在如日本特开2019-209028号公报中检测椎体所使用的学习完成模型那样通过判别骨(椎体)的区域以及骨以外(椎体以外)的区域来进行椎体的检测的结构中，将多个椎体整体检测为一个块，因此存在以下问题：在检测到的图像中，难以个别地检测多个椎体。

本发明是为了解决上述的问题而完成的，本发明的一个目的在于提供一种能够生成能够个别地判别多个椎体的图像的医用图像处理装置、医用图像处理方法以及学习模型的学习方法。

发明内容

为了实现上述目的，本发明的第一方面的医用图像处理装置具备：图像获取部，其获取拍进多个椎体的X射线图像；以及图像处理部，其生成能够个别地识别X射线图像中的多个椎体的椎体识别图像，其中，图像处理部包括：椎体区域估计部，其使用学习完成模型根据X射线图像个别地估计多个椎体区域，学习完成模型是将拍进多个椎体的训练用X射线图像以及对训练用X射线图像的多个椎体赋予互不相同的标签所得到的标签图像作为训练数据进行学习而得到的；以及图像生成部，其基于由椎体区域估计部估计出的椎体区域来生成椎体识别图像。

另外，为了实现上述目的，本发明的第二方面的医用图像处理方法用于根据X射线图像生成能够识别椎体的椎体识别图像，所述医用图像处理方法包括以下步骤：获取拍进多个椎体的X射线图像；使用学习完成模型根据X射线图像个别地估计多个椎体区域，学习完成模型是以将拍进多个椎体的训练用X射线图像以及对训练用X射线图像中拍进的多个椎体赋予互不相同的标签所得到的标签图像作为训练数据、根据训练用X射线图像个别地估计多个椎体区域的方式进行学习而得到的；以及基于估计出的多个椎体区域来生成能够个别地识别多个椎体的椎体识别图像。

另外，为了实现上述目的，本发明的第三方面的学习模型的学习方法用于根据X射线图像估计椎体，所述学习方法包括以下步骤：获取拍进多个椎体的X射线图像；获取对X射线图像中的多个椎体赋予互不相同的标签所得到的标签图像；以及使学习模型以将X射线图像和标签图像作为训练数据、根据X射线图像个别地估计多个椎体区域的方式进行学习。