[发明专利]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

说明书

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)。

技术领域

本发明涉及一种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。

背景技术

以往，已知一种生成用于核医学诊断装置的吸收系数图像的方法。例如在美国专利申请公开第2019/0130569号说明书(下面简称为“专利文献1”)中公开了这样的方法。

在上述专利文献1中公开了一种生成用于正电子发射断层摄影装置(核医学诊断装置)的吸收系数图像的方法。在该方法中，使用预先学习得到的机器学习模型来生成吸收系数图像。具体地说，向机器学习模型输入根据PET(Positron Emission Tomography：正电子断层显像)数据生成的PET图像。而且，从机器学习模型输出吸收系数图像。由此，不对被摄体进行CT(Computed Tomography：计算机断层扫描)摄影和MR(Magnetic Resonance：磁共振)摄影等，而通过机器学习模型根据PET数据(测定数据)生成吸收系数图像。

现有技术文献

专利文献

专利文献1：美国专利申请公开第2019/0130569号说明书

发明内容

发明要解决的问题

在上述专利文献1所记载的方法中，能够不对被摄体进行CT摄影和MR摄影等，而通过机器学习模型根据PET数据(测定数据)生成吸收系数图像。然而，在机器学习模型输出吸收系数图像的情况下，不考虑吸收系数图像的吸收系数是否为适当范围内的值(通常可取的值)，因此存在吸收系数图像的吸收系数成为适当范围外的值(通常不可取的值)的可能性。因此，存在下面的问题点：难以在不对被摄体进行CT摄影和MR摄影等而通过机器学习模型根据PET数据(测定数据)生成吸收系数图像的同时，排除吸收系数图像的吸收系数成为适当范围外的值的可能性。

本发明是为了解决如上所述的问题而完成的，本发明的目的之一在于提供一种即使在不对被摄体进行CT摄影和MR摄影等而根据测定数据来生成吸收系数图像的情况下也能够保证吸收系数图像的吸收系数成为适当范围内的值(通常可取的值)的吸收系数图像生成方法和核医学诊断装置。

用于解决问题的方案

为了实现上述目的，本发明的第一方面的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。在此，“组织”例如是指脑、骨、皮肤、肌肉、内脏以及体腔等。

另外，本发明的第二方面的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，其基于检测部对放射线的检测，来生成被摄体内的放射性分布图像，其中，处理部构成为：通过对基于从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；基于中间图像和组织区域的已知的吸收系数，来生成用于生成放射性分布图像的吸收系数图像。

另外，本发明的第三方面的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；通过基于伪放射性分布图像和伪吸收系数图像进行模拟计算，来制作伪测定数据；通过对伪测定数据进行图像化处理来生成伪图像；以及将伪图像作为学习数据，来制作学习完毕模型。

发明的效果