JP2003294842A - 放射線投影データの補正方法 - Google Patents

Abstract

(57)【要約】 【課題】 散乱成分の範囲やノイズに影響されることな
く投影データを補正する放射線投影データの補正方法を
提供することを目的とする。 【解決手段】 γ線の散乱成分を含む投影データについ
て、同じガウス分布に分布する投影データを同一のクラ
スタに分類する、ガウス混合モデルによるクラスタリン
グを行い（ステップＳ１）、クラスタリングされた各々
の投影データから、散乱成分に関する投影データを抽出
し（ステップＳ２）、抽出された投影データに基づいて
投影データを補正する（ステップＳ３）。これらのステ
ップにより、散乱成分の範囲やノイズに影響されること
なく投影データを補正することができる。

Description

【発明の詳細な説明】 【０００１】 【発明の属する技術分野】この発明は、投影データを補
正する、検出された放射線に基づく放射線投影データの
補正方法に係り、特に、放射線の散乱線を含む場合にそ
の散乱線に関する散乱成分を抽出して補正する技術に関
する。 【０００２】 【従来の技術】従来、このような放射線投影データの補
正方法として、例えば、放射線の散乱線の分布をガウス
（Gauss）分布に基づく確率密度関数、すなわちガウス
関数で近似して補正する方法がある（S. R. Cherry et
al., IEEE Trans. Nucl. Sci.,42, 4, pp. 1174-1179,
1995）。この補正方法について、陽子（Positron）、す
なわちポジトロンの消滅によって発生する複数本のγ線
を検出して複数個の検出器でγ線を同時に検出したとき
のみ被検体の断層画像を再構成するＰＥＴ（Positron E
mission Tomography）を例に採り、図６を参照して、以
下に説明する。図６（ａ）は、被検体の体軸方向からみ
た被検体およびγ線検出器の断面図であり、図６（ｂ）
は、γ線検出器の位置データと検出された放射線のカウ
ント値との関係（投影データ）を示したヒストグラムで
ある。 【０００３】γ線をそれぞれ検出する複数個のγ線検出
器１０１は、図６（ａ）に示すように、それぞれが被検
体Ｍの体軸周りを取り囲むようにしてリング状に配置さ
れている。被検体Ｍの測定対象内にあるアクティビティ
をもった部位から放射された１対の放射線、すなわち、
ＰＥＴ装置では放射性同位元素（ＲＩ）が投与された被
検体Ｍから放射された１対の放射線を、γ線検出器１０
１がそれぞれ検出し（破線部分に示す）、その直線上に
アクティビティがあることをデータとして検出してい
る。 【０００４】しかし、測定対象部位から放射された放射
線が、図６（ａ）に示すように、途中で散乱した（実線
部分に示す）場合には、本来あるべき場所から異なった
部位にアクティビティが存在するように見える。図６
（ｂ）に示すようなヒストグラムで表すと、本来アクテ
ィビティが存在する部位である真の領域（true値）と、
被検体Ｍが存在せず散乱成分のみとみなせる投影データ
の裾領域（scatter値）とに分かれる。この裾領域が、
本来はアクティビティが存在しない場所にもアクティビ
ティとして検出されてしまった部位となる。 【０００５】図６（ｂ）に示すように、γ線検出器１０
１によって検出された実測データを実線で表すととも
に、後述するガウス関数を破線で表すと、裾領域にある
散乱線の分布に対して、このガウス関数でフィッティン
グする、すなわち近似することでγ線の散乱線の分布が
抽出され、これによって投影データ（ヒストグラム）が
補正される。ガウス関数は、他の確率分布の近似関数と
して用いるのに好適な関数でもあるので、γ線の散乱線
を含む投影データの確率分布をガウス関数で近似する際
にも、好適に行うことができる。 【０００６】 【発明が解決しようとする課題】しかしながら、このよ
うな方法で投影データを補正する場合には、精度良く
補正を行うためには裾領域を広くとる必要があり、その
裾領域を広くとることで、データサイズが大きくなる、
体幹部のように視野内において被検体以外の部分が狭
いデータについては、裾の拡がりに限界があるので、裾
領域が狭いまま補正を行うと精度が悪くなる、さらに、
ノイズの影響によってガウス関数が過小，あるいは過
大評価されて、その結果、抽出される散乱成分がノイズ
によって左右されるという問題がある。 【０００７】この発明は、このような事情に鑑みてなさ
れたものであって、散乱成分の範囲やノイズに影響され
ることなく投影データを補正する放射線投影データの補
正方法を提供することを目的とする。 【０００８】 【課題を解決するための手段】この発明は、このような
目的を達成するために、次のような構成をとる。すなわ
ち、請求項１に記載の発明は、放射線の散乱線を含む投
影データに対して前記散乱線に関する散乱成分を抽出し
て、前記放射線の散乱線を含む投影データを補正する、
検出された放射線に基づく放射線投影データの補正方法
であって、（ａ）前記放射線の散乱線を含む投影データ
がガウス分布に基づいて分布しているとし、前記散乱成
分に関する投影データと、補正することで最終的に求め
るべき投影データである真の投影データとをそれぞれの
クラスタとするときに、同じガウス分布に分布する投影
データは同一のクラスタに属するとする、ガウス混合モ
デルによるクラスタリングを行うクラスタリング過程
と、（ｂ）前記クラスタリング過程によってクラスタリ
ングされた各々の投影データから、前記散乱成分に関す
る投影データを抽出する抽出過程と、（ｃ）前記抽出過
程によって抽出された前記散乱成分に基づいて投影デー
タを補正し、前記真の投影データを求める補正過程とを
備えることを特徴とするものである。 【０００９】〔作用・効果〕請求項１に記載の発明によ
れば、（ａ）のクラスタリング過程において、散乱成分
に関する投影データと、補正することで最終的に求める
べき投影データである真の投影データとをそれぞれのク
ラスタとし、放射線の散乱線を含む投影データについて
クラスタリングを行い、（ｂ）の抽出過程において、ク
ラスタリング過程によってクラスタリングされた各々の
投影データの全データから、散乱成分に関する投影デー
タを抽出しているので、従来の放射線投影データの補正
方法と相違し、散乱成分の分布に影響されないうえに、
裾領域にある散乱成分に限定して、フィッティングを行
う必要がない。従って、例えば体幹部のように視野内に
おいて被検体以外の部分が狭いデータについても、裾領
域が狭いまま（すなわち散乱成分が少ないまま）補正を
行っても精度が低下することがない、また、裾領域を広
くとる（散乱成分を多くとる）必要がないので、データ
サイズが小さくなるなど、散乱成分の範囲に影響される
ことなく投影データを（ｃ）の補正過程によって補正す
ることができる。また、被検体の境界、つまり被検体と
裾領域にある散乱成分との境界を抽出する必要がないの
で、ノイズの影響によってガウス関数が過大・過小評価
されることなく投影データを（ｃ）の補正過程によって
補正することができる。 【００１０】なお、本明細書は、放射線投影データの補
正方法に用いられる核医学診断装置およびＸ線ＣＴ装置
に係る発明も開示している。 【００１１】（１）請求項１に記載の放射線投影データ
の補正方法に用いられる核医学診断装置であって、前記
装置は、放射性薬剤が投与された被検体から発生した放
射線を検出し、その検出された放射線に基づいて放射線
の散乱線を含む投影データを求め、さらに前記装置は、
（Ａ）（ａ）前記放射線の散乱線を含む投影データがガ
ウス分布に基づいて分布しているとし、前記散乱成分に
関する投影データと、補正することで最終的に求めるべ
き投影データである真の投影データとをそれぞれのクラ
スタとするときに、同じガウス分布に分布する投影デー
タは同一のクラスタに属するとする、ガウス混合モデル
によるクラスタリングを行うクラスタリング過程と、
（ｂ）前記クラスタリング過程によってクラスタリング
された各々の投影データから、前記散乱成分に関する投
影データを抽出する抽出過程と、（ｃ）前記抽出過程に
よって抽出された前記散乱成分に基づいて投影データを
補正し、前記真の投影データを求める補正過程とをそれ
ぞれ行う演算手段、および（Ｂ）前記演算手段によって
補正された投影データに基づいて被検体の断層画像を再
構成する画像再構成手段を備え、前記画像再構成手段に
よって再構成された断層画像に基づいて被検体の診断を
行うことを特徴とする核医学診断装置。 【００１２】〔作用・効果〕上記の発明によれば、検出
された放射線に基づいて、（Ａ）の演算手段が演算処理
を行うので、散乱成分の範囲やノイズに影響されない投
影データを求めることができ、その投影データに基づい
て（Ｂ）の画像再構成手段は被検体の断層画像を再構成
しているので、核医学において被検体を好適に診断する
ことができる。 【００１３】（２）前記（１）に記載の核医学診断装置
において、前記装置は、放射性薬剤からの陽子の消滅に
よって発生する複数本のγ線を検出し、γ線を同時に検
出したときのみγ線の散乱線を含む投影データを、放射
線の散乱線を含む投影データとして求め、被検体の断層
画像を再構成することを特徴とする核医学診断装置。 【００１４】〔作用・効果〕上記の発明によれば、核医
学診断装置は、陽子（Positron）、すなわちポジトロン
の消滅によって発生する複数本のγ線を検出して複数個
の検出器でγ線を同時に検出したときのみ被検体の断層
画像を再構成するＰＥＴ（Positron Emission Tomograp
hy）装置であるので、かかるＰＥＴ装置においても、被
検体を好適に診断することができる。 【００１５】（３）前記（１）に記載の核医学診断装置
において、前記装置は、放射性薬剤からの単一のγ線を
検出し、その検出されたγ線に基づいてγ線の散乱線を
含む投影データを、放射線の散乱線を含む投影データと
して求め、被検体の断層画像を再構成することを特徴と
する核医学診断装置。 【００１６】〔作用・効果〕上記の発明によれば、核医
学診断装置は、単一のγ線を検出して被検体の断層画像
を再構成するＳＰＥＣＴ（Single Photon Emission C
T）装置であるので、かかるＳＰＥＣＴ装置において
も、被検体を好適に診断することができる。 【００１７】（４）請求項１に記載の放射線投影データ
の補正方法に用いられるＸ線ＣＴ装置であって、前記装
置は、Ｘ線を被検体に照射して、透過したＸ線を検出
し、その検出されたＸ線に基づいてＸ線の散乱線を含む
投影データを、放射線の散乱線を含む投影データとして
求め、さらに前記装置は、（Ａ）（ａ）前記放射線の散
乱線を含む投影データがガウス分布に基づいて分布して
いるとし、前記散乱成分に関する投影データと、補正す
ることで最終的に求めるべき投影データである真の投影
データとをそれぞれのクラスタとするときに、同じガウ
ス分布に分布する投影データは同一のクラスタに属する
とする、ガウス混合モデルによるクラスタリングを行う
クラスタリング過程と、（ｂ）前記クラスタリング過程
によってクラスタリングされた各々の投影データから、
前記散乱成分に関する投影データを抽出する抽出過程
と、（ｃ）前記抽出過程によって抽出された前記散乱成
分に基づいて投影データを補正し、前記真の投影データ
を求める補正過程とをそれぞれ行う演算手段、および
（Ｂ）前記演算手段によって補正された投影データに基
づいて被検体の断層画像を再構成する画像再構成手段を
備えることを特徴とするＸ線ＣＴ装置。 【００１８】〔作用・効果〕上記の発明によれば、検出
されたＸ線に基づいて、（Ａ）の演算手段が演算処理を
行うので、散乱成分の範囲やノイズに影響されない投影
データを求めることができ、その投影データに基づいて
（Ｂ）の画像再構成手段は被検体の断層画像を好適に再
構成することができる。 【００１９】 【発明の実施の形態】以下、図面を参照してこの発明の
一実施例を説明する。図１は、本実施例に係るＰＥＴ装
置の概略構成を示したブロック図である。なお、本実施
例では、放射性薬剤が投与された被検体から発生した放
射線を検出して被検体の断層画像を再構成する核医学診
断装置（Emission CT）（以下、適宜『ＥＣＴ装置』と
略記する）を例に採って説明するとともに、ＥＣＴ装置
として、ＰＥＴ装置を例に採って説明する。 【００２０】本実施例装置では、図１に示すように、放
射性薬剤、すなわち放射性同位元素（ＲＩ）が投与され
た被検体Ｍから放射されるγ線を入射して光を生じる複
数個のシンチレータブロック１が近接配置されている。
また、本実施例装置は、シンチレータブロック１から放
出される光を受光して光電変換信号で出力する複数個の
フォトマルチプライヤ２がシンチレータブロック１のγ
線入射面の反対面側に配置されているγ線検出器３と、
フォトマルチプライヤ２から出力される光電変換された
電気信号に基づいて各シンチレータブロック１のγ線入
射位置（画素）や、画素値や画像情報を導出して出力す
る画像情報導出部４と、画像情報導出部４から導出され
た画像情報に基づいて画像再構成処理を実行して被検体
Ｍにおける関心部位のＲＩ分布ＣＴ像（ＲＩ分布コンピ
ュータ断層画像）を作成し、本実施例に係る投影データ
の補正方法を行うデータ処理部５と、作成されたＲＩ分
布ＣＴ画像などを表示するモニタ６とを備えている。 【００２１】γ線検出器３では、各シンチレータブロッ
ク１のγ線入射面の反対面側にフォトマルチプライヤ２
が配置されており、シンチレータブロック１およびフォ
トマルチプライヤ２が被検体Ｍの体軸周りを取り囲むよ
うにしてリング状に配置されている。 【００２２】また、シンチレータブロック１が被検体Ｍ
を挟んで対向配置されており、ポジトロン放出型のＲＩ
のポジトロンの消滅により生じて反対方向に進む２つの
（消滅）γ線が対向配置の関係にある２つのシンチレー
タブロック１へそれぞれ入射し、同時に検出される構成
となっている。 【００２３】つまり、画像情報導出部４では、シンチレ
ータブロック１の位置と検出タイミングとをチェック
し、γ線検出器３において被検体Ｍを挟んで対向配置の
関係にある２つのシンチレータブロック１でγ線が同時
に検出されたときのγ線入射位置データのみを適正なデ
ータとしてデータ処理部５に送る。このとき、２つのシ
ンチレータブロック１の一方だけでγ線が検出されたと
きには、ポジトロンの消滅により生じたγ線ではなくノ
イズとして扱われるので、データ処理部５に送られずに
棄却される構成となっている。 【００２４】その結果、本実施例装置（ＰＥＴ装置）に
よれば、ＲＩとしてポジトロン放出型のＲＩを被検体Ｍ
に投与してＲＩ分布ＣＴ像が作成される。 【００２５】本実施例装置の場合、通常、撮影中に天板
７が天板駆動部８の動きに従って被検体Ｍを載せたまま
被検体Ｍの体軸Ｚに対して平行な方向に移動することに
より、被検体Ｍにおける撮影断面（スライス面）が変化
（走査）する構成となっている。 【００２６】なお、γ線検出器３は、撮影中、シンチレ
ータブロック１およびフォトマルチプライヤ２が被検体
Ｍの周りを回転しながらγ線を検出する回転型でもよい
し、シンチレータブロック１およびフォトマルチプライ
ヤ２が静止したままでγ線を検出する静止型でもよい。 【００２７】また、本実施例装置におけるγ線検出器
３，画像情報導出部４，データ処理部５，モニタ６，天
板駆動部８などの連携動作の制御は、操作卓９の入力操
作や撮影の進行に伴ってコントローラ１０から適時に出
力される指令信号に従って行われる構成となっている。 【００２８】γ線検出器３におけるシンチレータブロッ
ク１の具体的な配置としては、例えば、被検体Ｍの体軸
Ｚと平行な方向にはシンチレータブロック１が２個並
び、被検体Ｍの体軸を巡る方向にはシンチレータブロッ
ク１が多数個並ぶ配置形態が例示される。なお、シンチ
レータブロック１とフォトマルチプライヤ２との間に光
拡散用のライトガイド（図示省略）が介設されている構
成であってもよい。 【００２９】また、データ処理部５は、上述の画像情報
導出部４で導出された画像情報に基づいて、本実施例に
係る投影データの補正方法を行う投影データフィルタ部
５Ａと、投影データフィルタ部５Ａによって補正された
投影データに基づいてＲＩ分布ＣＴ像を再構成する画像
再構成部５Ｂとから構成されている。また、投影データ
フィルタ部５Ａは、後述するステップＳ１を行うクラス
タリング部５ａと、ステップＳ２を行う抽出部５ｂと、
ステップＳ３を行う補正部５ｃとから構成されている。
この投影データフィルタ部５Ａは、本発明における演算
手段に、この画像再構成部５Ｂは、本発明における画像
再構成手段にそれぞれ相当する。なお、本実施例に係る
投影データの補正方法に関する、投影データフィルタ部
５Ａの具体的な機能については、後述するステップＳ１
〜Ｓ３で説明する。 【００３０】次に、本実施例に係るＰＥＴ装置が画像情
報を導出してから投影データフィルタ部５Ａによって投
影データを補正するまでの投影データの補正方法を、図
２のフローチャート、図３，図４の模式図を参照して説
明する。 【００３１】（ステップＳ１）クラスタリング 被検体Ｍに対するγ線検出器３の角度をθとし、γ線検
出器３上の位置をｒとしたときの、角度θおよび位置ｒ
における放射線のカウント値（画素値）を示したサイノ
グラムや、位置ｒと放射線のカウント値との関係を示し
たヒストグラム、すなわち投影データを示したヒストグ
ラムなどの画像情報を、画像情報導出部４は導出する。
なお、これらの情報は、γ線の散乱線やノイズに関する
情報も含んでいる。 【００３２】これらの画像情報は、上述したようにデー
タ処理部５に送り込まれ、データ処理部５の投影データ
フィルタ部５Ａによって、画像情報に基づく投影データ
の補正が行なわれる。送り込まれたγ線の散乱線を含む
投影データについて、投影データフィルタ部５Ａのクラ
スタリング部５ａは、ガウス混合モデル（Mixture Gaus
sian Model）（以下、適宜『ＭＧＭ』と略記する）によ
るクラスタリングを行う。 【００３３】まず、各クラスタをそれぞれ構成するガウ
ス関数（すなわちガウス分布に基づく確率密度関数）を
推定するために、γ線の散乱線を含む投影データに対し
て、期待値最大化（Expectation Maximization）アルゴ
リズム（以下、適宜『ＥＭアルゴリズム』と略記する）
を適用し、上述の投影データからガウス関数の平均，分
散，および存在確率を求める。なお、ＥＭアルゴリズム
の具体的な手法については説明を省略する。ＥＭアルゴ
リズムは、収束性が強固な推定アルゴリズムであるの
で、本実施例のクラスタリングを行ううえで有用であ
る。また、本実施例では、ＥＭアルゴリズムを適用し
て、クラスタリングを行うが、ガウス関数を推定するた
めに通常に用いられる推定アルゴリズムであれば、特に
限定されない。 【００３４】上述のＥＭアルゴリズムによってガウス関
数が推定されると、以下のようにしてクラスタリングが
行われる。すなわち、ｘが出力される確率をｐ（ｘ）と
し、ｐ（ｘ｜ｊ）を、Ｊ番目のクラスタから値ｘが出力
する確率とし、Ｍをクラスタ数とし、Ｐ（ｊ）をクラス
タの存在確率（存在比）とすると、混合モデルは下記
（１）式のように表される。 ｐ（ｘ）＝Σｐ（ｘ｜ｊ）・Ｐ（ｊ） ……（１） （ただしΣの範囲はｊ＝１〜Ｍ） 【００３５】また、｜Σ_j｜を共分散行列の行列値とす
ると、ｐ（ｘ｜ｊ）は、ガウス混合モデル（ＭＧＭ）で
は、下記（２）式で示されるガウス分布の確率密度関数
（ガウス関数）となる。 ｐ（ｘ｜ｊ）＝１／｛（２π）^D/2・｜Σ_j｜^1/2｝・ ｅｘｐ〔−１／２・（ｘ−μ_j）^T・ Σ_j ^-1・（ｘ−μ_j）〕 ……（２） 【００３６】上記（１），（２）式と下記（３）式に示
したBayesの定理とを組み合わせることによって、各々
のクラスタに属する確率Ｐ（ｊ｜ｘ）を求めることが可
能になる。 Ｐ（ｊ｜ｘ）＝ｐ（ｘ｜ｊ）・Ｐ（ｊ）／ｐ（ｘ） ……（３） 【００３７】そして、ｘをγ線検出器３上の位置ｒに当
てはめると、位置ｘは最も所属する確率が高いクラスタ
に最終的に配属される。ＭＧＭによってクラスタリンス
される様子を、図３に示すように模式的に表して、説明
する（横軸を位置ｘとし、縦軸をガウス分布Ｐ（ｊ｜
ｘ）とする）。 【００３８】クラスタ総数Ｍのガウス分布Ｐ₁，…，
Ｐ_j，…，Ｐ_Mがあるとき、γ線の散乱線を含む投影デー
タがガウス分布に基づいて分布しているとし、散乱成分
に関する投影データと、後述するステップＳ３で補正す
ることで最終的に求めるべき投影データである真の投影
データとをそれぞれクラスタとする。このとき、同じガ
ウス分布に分布する投影データは同一のクラスタに属す
るとする。 【００３９】例えば、ある位置ｘ_Aが、図３に示すよう
に、Ｐ₁にある場合には、Ｐ₁に属することになる。ま
た、ある位置ｘ_Bが、図３に示すように、Ｐ₁とＰ₂とに
ある場合には、より存在確率の高いＰ₁に属することに
なる。また、位置ｘ_A，位置ｘ_Bが、同じＰ₁に属するこ
とから、もしＰ₁が真の投影データの存在確率を示して
いるならば、位置ｘ_A，位置ｘ_Bは被検体Ｍ内にあって、
もしＰ₁が散乱成分に関する投影データの存在確率を示
しているならば、位置ｘ_A，位置ｘ_Bは視野内において真
の投影データ以外の部分、すなわち散乱成分に属するこ
とになる。このステップＳ１は、本発明におけるクラス
タリング過程の機能に相当する。 【００４０】（ステップＳ２）抽出 ステップＳ１でクラスタリングされた各々の投影データ
から、散乱成分に関する投影データを、図４（ｂ），図
４（ｃ），または図４（ｄ）に示すように、抽出する。
なお、図４では、散乱成分に関するガウス分布を破線で
示しており、真の投影データに関するガウス分布を２点
鎖線で示し、元の（γ線の散乱線を含む）投影データを
実線で示している。図４（ｂ）はクラスタ数２でクラス
タリングを行ったデータ、図４（ｃ）はクラスタ数３で
クラスタリングを行ったデータ、図４（ｄ）はクラスタ
数４でクラスタリングを行ったデータである。なお、図
４の詳しい説明については、後述する評価で述べる。 【００４１】図４（ｂ）〜（ｄ）のいずれの場合にして
も、破線で示した散乱成分に関するガウス分布から散乱
成分に関する投影データが抽出される。このステップＳ
２は、本発明における抽出過程の機能に相当する。 【００４２】（ステップＳ３）補正 ステップＳ２で抽出された散乱成分に基づいて投影デー
タを補正する。つまり、裾領域にある散乱成分に関する
ガウス分布を、元の投影データから除去することで、補
正された真の投影データが求まることになる。このステ
ップＳ３は、本発明における補正過程の機能に相当す
る。 【００４３】以上がステップＳ１〜Ｓ３の投影データの
補正方法であるが、この発明者等は、円筒ファントムを
モデルにしたときにおけるシミュレーションによる評
価、およびＰＥＴ装置で円筒ファントムを撮影した結果
に基づくクラスタリングによる評価を行っている。図４
は、後者（ＰＥＴ装置で円筒ファントムを撮影した結果
に基づくクラスタリング）の評価の結果を示した図であ
る。なお、図４では、評価の結果を模式的に表している
（ポイント数は１３０ポイント）。 【００４４】前者（円筒ファントムをモデルにしたとき
におけるシミュレーション）の評価では、円筒ファント
ム部（true値）に、ガウス分布に従った散乱成分（scat
ter値）を足し合わせたデータを作成している。ここ
で、true値とscatter値との比は、円筒ファントムを実
際に撮影したデータを元にしている。かかるデータに対
して２，３，４クラスタにクラスタリングをそれぞれ行
って評価を行っている。すると、散乱成分と仮定して与
えたガウス分布が推定できていることが確認された。ま
た、２〜３といった少ないクラスタ数でクラスタリング
が十分に行われていることも確認された。 【００４５】後者の評価では、ＰＥＴ装置で円筒ファン
トムを撮影したデータに対して、前者と同様に、２，
３，４クラスタにクラスタリングをそれぞれ行って評価
を行っている。図４（ａ）は元のデータ、上述したよう
に図４（ｂ）はクラスタ数２で、図４（ｃ）はクラスタ
数３で、図４（ｄ）はクラスタ数４でそれぞれクラスタ
リングを行ったデータである。なお、後者の評価のデー
タは、ＰＥＴ装置で実際に撮影されたデータであるの
で、ノイズ成分をも含んでいる。前者の評価と同様に、
散乱成分に関するガウス分布が推定できていることが確
認されたとともに、２〜３といった少ないクラスタ数で
クラスタリングが十分に行われていることも確認され
た。 【００４６】さらに、この発明者等は、後者の評価の裾
領域を両端からそれぞれ１５ポイントずつ狭くしたデー
タ（約１００ポイント）に対してクラスタリングを行っ
たところ、データ範囲がおよそ３／４になっていても散
乱成分の推定にガウス混合モデルによるクラスタリング
が利用可能であることも確認した。 【００４７】以上のステップＳ１〜Ｓ３の投影データの
補正方法によれば、ガウス分布に基づく確率密度関数、
すなわちガウス関数は、他の確率分布の近似関数として
用いるのに好適な関数でもあるので、ステップＳ１での
クラスタリングにおいて、γ線の散乱線を含む投影デー
タの確率分布をガウス関数で近似する際にも、好適に行
うことができる。また、このステップＳ２のクラスタリ
ングにおいて、γ線の散乱線を含む投影データについて
クラスタリングを行い、ステップＳ３の抽出において、
ステップＳ１でのクラスタリングによってクラスタリン
グされた各々の投影データの全データから、散乱成分に
関する投影データを抽出しているので、従来の放射線投
影データの補正方法と相違し、散乱成分の分布に影響さ
れないうえに、裾領域にある散乱成分に限定して、フィ
ッティングを行う必要がない。従って、例えば体幹部の
ように視野内において被検体以外の部分が狭いデータに
ついても、裾領域が狭いまま（すなわち散乱成分が少な
いまま）補正を行っても精度が低下することがない、ま
た、裾領域を広くとる（散乱成分を多くとる）必要がな
いので、データサイズが小さくなるなど、散乱成分の範
囲に影響されることなく投影データをステップＳ３の補
正によって補正することができる。また、被検体Ｍの境
界、つまり被検体Ｍと裾領域にある散乱成分との境界を
抽出する必要がないので、ノイズの影響によってガウス
関数が過大・過小評価されることなく投影データをステ
ップＳ３の補正によって補正することができる。 【００４８】また、このようなステップＳ１〜Ｓ３の演
算を行う投影データフィルタ部５Ａを、本実施例装置が
備えていることから、以下の作用を奏する。すなわち、
γ線検出器３によって検出されたγ線に基づいて、デー
タ処理部５の投影データフィルタ部５ＡがステップＳ１
〜Ｓ３での演算を行うので、散乱成分の範囲やノイズに
影響されない投影データを求めることができ、その投影
データに基づいて、データ処理部５の画像再構成部５Ｂ
は、被検体Ｍの断層画像（ＲＩ分布ＣＴ像）を再構成し
ているので、核医学のＰＥＴにおいて被検体を好適に診
断することができる。 【００４９】この発明は、上記実施形態に限られること
はなく、下記のように変形実施することができる。 【００５０】（１）上述した本実施例では、適用された
装置はＰＥＴ装置であったが、例えば単一のγ線を検出
して被検体の断層画像を再構成するＳＰＥＣＴ（Single
Photon Emission CT）装置などのＥＣＴ装置（核医学
診断装置）に本発明を適用することができる。 【００５１】なお、ＳＰＥＣＴ装置の場合には、被検体
内でγ線が散乱したとしても、被検体の撮影領域よりも
外側には散乱されないので、被検体の撮影領域よりも外
側に散乱されない。ただし、被検体内のアクティビティ
よりも外側に、すなわち放射性同位元素（ＲＩ）が投与
された箇所よりも外側には散乱されるので、アクティビ
ティから被検体の撮影領域までの範囲に散乱があった場
合において、アクティビティを特定するときに、本発明
を適用することは有用である。 【００５２】また、ＥＣＴ装置以外にも、例えばＸ線を
被検体に照射して、透過したＸ線を検出するＸ線ＣＴ装
置に本発明を適用することもできる。つまり、放射線を
検出して、放射線の散乱線を含む投影データを求める装
置であれば、本発明を適用することができる。 【００５３】（２）上述した本実施例では、投影データ
は、図４に示すように、γ線検出器の位置データと検出
された放射線のカウント値との関係を示したヒストグラ
ムであって、γ線検出器の位置データは１次元であった
が、例えば、図５（ａ）に示すように、γ線検出器３を
被検体Ｍの体軸方向にも配置し、γ線検出器３の位置デ
ータをｘ、被検体Ｍの体軸方向をｙとする２次元でヒス
トグラム（投影データ）を表してもよい。この場合、ヒ
ストグラムは、図５（ｂ）に示すように３次元で表され
る。 【００５４】 【発明の効果】以上の説明から明らかなように、この発
明によれば、（ａ）のクラスタリング過程において、放
射線の散乱線を含む投影データについてクラスタリング
を行い、（ｂ）の抽出過程において、クラスタリング過
程によってクラスタリングされた各々の投影データか
ら、散乱成分に関する投影データを抽出し、（ｃ）の補
正過程において、抽出過程によって抽出された散乱成分
に基づいて投影データを補正しているので、散乱成分の
範囲やノイズに影響されることなく投影データを補正す
ることができる。

【図面の簡単な説明】 【図１】本実施例に係るＰＥＴ装置の概略構成を示した
ブロック図である。 【図２】画像情報を導出してから投影データを補正する
までの一連の投影データの補正方法を示すフローチャー
トである。 【図３】ＭＧＭによってクラスタリングされる様子を示
した模式図である。 【図４】ＰＥＴ装置で円筒ファントムを撮影した結果に
基づくクラスタリングの評価の結果を示した模式図であ
って、（ａ）は元のデータ、（ｂ）はクラスタ数２で、
（ｃ）はクラスタ数３で、（ｄ）はクラスタ数４でそれ
ぞれクラスタリングを行ったデータである。 【図５】（ａ）は、γ線検出器を被検体Ｍの体軸方向に
も配置したＰＥＴ装置の概略図であって、（ｂ）は、３
次元で表されるヒストグラムの模式図である。 【図６】従来の放射線投影データの補正方法の説明に供
する図であって、（ａ）は、被検体の体軸方向からみた
被検体およびγ線検出器の断面図であり、（ｂ）は、γ
線検出器の位置データと検出された放射線のカウント値
との関係を示したヒストグラムである。 【符号の説明】 ３ … γ線検出器 ５ … データ処理部 ５Ａ … 投影データフィルタ部 ５Ｂ … 画像再構成部５Ｂ ５ａ … クラスタリング部 ５ｂ … 抽出部 ５ｃ … 補正部 Ｍ … 被検体

───────────────────────────────────────────────────── フロントページの続き (72)発明者 北村 圭司 京都市中京区西ノ京桑原町１番地 株式会 社島津製作所内 Ｆターム(参考） 2G088 EE02 FF07 GG09 JJ02 KK33 LL09 LL12 5B057 AA08 BA03 CA02 CA08 CA12 CA16 CB02 CB08 CB12 CB16 CE02 DA17 DB02 DB05 DB09 DC23 DC36

Claims (1)

1. 【特許請求の範囲】 【請求項１】 放射線の散乱線を含む投影データに対し
   て前記散乱線に関する散乱成分を抽出して、前記放射線
   の散乱線を含む投影データを補正する、検出された放射
   線に基づく放射線投影データの補正方法であって、
   （ａ）前記放射線の散乱線を含む投影データがガウス分
   布に基づいて分布しているとし、前記散乱成分に関する
   投影データと、補正することで最終的に求めるべき投影
   データである真の投影データとをそれぞれのクラスタと
   するときに、同じガウス分布に分布する投影データは同
   一のクラスタに属するとする、ガウス混合モデルによる
   クラスタリングを行うクラスタリング過程と、（ｂ）前
   記クラスタリング過程によってクラスタリングされた各
   々の投影データから、前記散乱成分に関する投影データ
   を抽出する抽出過程と、（ｃ）前記抽出過程によって抽
   出された前記散乱成分に基づいて投影データを補正し、
   前記真の投影データを求める補正過程とを備えることを
   特徴とする放射線投影データの補正方法。