JP2006333899A - 画像処理方法および画像処理装置ならびに画像処理プログラム - Google Patents

Abstract

【課題】 適切な条件で画像処理を実行する。
【解決手段】 被写体を透過した放射線の照射線量に応じた信号を有する放射線画像に対し、診断に適した画像を得るための画像処理を行う画像処理装置であって、前記放射線画像の部位を含む種別を判別する画像判別手段１２０と、前記画像判別手段で判別された種別に対応して、前記放射線画像を複数の領域に区切る区切り単位を定める区切り決定手段１３０と、前記放射線画像の前記区切り単位に応じて区切られた各領域に対して、各領域の重みを定める重み決定手段１７０と、前記重み決定手段で与えられた前記各領域の重みに基づいた画像処理条件の画像処理を実行する画像処理手段と、を有する。
【選択図】 図１

Description

本発明は放射線画像を処理する際の画像処理方法および画像処理装置ならびに画像処理プログラムに関し、さらに詳しくは、診断等に適した放射線画像を得ることができる画像処理方法および画像処理装置ならびに画像処理プログラムに関する。

近年、放射線画像を直接デジタル画像として撮影できる装置が開発されている。たとえば、被写体に照射された放射線量を検出し、その検出量に対応して形成される放射線画像を電気信号として得る装置としては、輝尽性蛍光体を用いたディテクタを用いる方法が特開昭55-12429号公報、特開昭63-189853号公報など、多数開示されている。

このような装置では、シート状の基板に輝尽性蛍光体を塗布、あるいは蒸着等によって固着したディテクタに、いったん被写体を透過した放射線を照射して輝尽性蛍光体に放射線を吸収させる。

その後、この輝尽性蛍光体を光または熱エネルギ−で励起することにより、この輝尽性蛍光体が上記吸収によって蓄積している放射線エネルギ−を蛍光として放射させ、この蛍光を光電変換して画像信号を得るようにしている。

一方、照射された放射線の強度に応じた電荷を光導電層に生成し、生成された電荷を二次元的に配列された複数のコンデンサに蓄積し、それら蓄積された電荷を取り出すことにより得られる放射線画像検出装置が提案されている。

このような放射線画像検出装置では、フラットパネルディテクタ（ＦＰＤ）と呼ばれるものを使用している。この種のＦＰＤは、特開平9-90048号公報に記載されているように、照射された放射線強度に応じた蛍光を発する蛍光体と、蛍光体から発する蛍光を直接または縮小光学系を介して受光して光電変換を行うフォトダイオードやＣＣＤのような光電変換素子の組み合わせによって実現されるものが知られている。

また特開平6-342098号公報に記載されているように、照射された放射を直接電荷に変換するものも知られている。
これらの放射線画像検出装置では、取得した画像に対して、診断に適した画像となるよう、階調変換処理やエッジ強調処理などの各種の画像処理を行うことが一般的に行われている。

また、このようにして得られた画像データに基づく放射線画像を表示したり出力する場合、撮影条件の変動を受けることなく見やすい放射線画像となるような画像処理も行われている。

このため、放射線画像の所望の領域内の画像データの累積ヒストグラムを求めたのち、この累積ヒストグラムが所定の割合となるデータレベルを基準信号値と設定して画像処理を行うことが、以下の特許文献１に記載されている。

また、高信号値領域と低信号値領域の分布状態に基づいて、画像処理条件を定めて、適切な画像処理を行うことが、以下の特許文献２に記載されている。
特開平６−６１３２５号公報（第１頁、図１） 特開２０００−１５７５１８７号公報（第１〜５頁、図４）

ところで、放射線画像では、被写体の撮影部位によって高濃度領域（放射線透過量の大きい領域）と低濃度領域（放射線透過量の小さい領域）の割合が大きく異なる。また、被写体の状態、例えば患者の呼吸状態によって肺野内の濃度が著しく異なるものとされる。

このため、放射線画像の関心領域（ＲＯＩ）などの所望の領域内の画像データの累積ヒストグラムを求めたのち、この累積ヒストグラムが所定の割合となるデータレベルを基準信号値と設定して画像処理を行う場合（特開平６−６１３２５号公報）には、高濃度領域と低濃度領域の割合の違いによっては、診断等に適した見やすい放射線画像を得ることができない恐れがある。

例えば、基準信号値が所定の濃度となるように階調処理を行った場合、低濃度領域が支配的であるときには基準信号値が低い値となるので全体的に高濃度な画像となり、高濃度領域が支配的であるときには基準信号値が高い値となるので全体的に低濃度な画像となる。

しかし、例えば肋骨のような部位では上部肋骨部（高濃度領域の多い肺野部分が含まれる）や下部肋骨部（高濃度領域の少ない腹部部分が含まれる）を撮影して診断を行う場合でも、診断で必要とされる部分は高濃度領域と低濃度領域の両方にまたがっており、画像全体の濃度が低濃度あるいは高濃度に偏ることは、診断を行う上で好ましくない。

すなわち、従来は、画像処理のパラメータを決定するために様々な手法が提案されているが、その手法は画像内の特定領域（関心領域（ＲＯＩ）など）の信号値やヒストグラムから決定される信号値あるいはパラメータとして一意的に与えるなどのように決定されているため、得られる領域やパラメータが不適切な場合、不適切な画像処理が得られる場合があった。

すなわち、専用の処理や専用の関心領域を設定する必要があり、処理拡張性に難点があり、また、部位情報などのパラメータが間違った場合にはロバスト性が低く大きな影響を受けてしまう問題を有していた。

本発明は以上のような課題に鑑みてなされたものであって、関心領域設定方式などにおけるロバスト性の低下を防止し、適切な条件で画像処理することが可能な画像処理方法および画像処理装置ならびに画像処理プログラムを実現することを目的とする。

すなわち、前記した課題を解決は、以下に列記する発明により解決される。
（１）請求項１記載の発明は、被写体を透過した放射線の照射線量に応じた信号を有する放射線画像に対し、診断に適した画像を得るための画像処理を行う画像処理方法であって、前記放射線画像の部位を含む種別を判別する画像判別ステップと、前記画像判別ステップで判別された種別に対応して、前記放射線画像を複数の領域に区切る区切り単位を定める区切り決定ステップと、前記放射線画像の前記区切り単位に応じて区切られた各領域に対して、各領域の重みを定める重み決定ステップと、前記重み決定ステップで与えられた前記各領域の重みに基づいた画像処理条件の画像処理を実行する画像処理ステップと、を有することを特徴とする画像処理方法である。

（２）請求項２記載の発明は、前記区切り決定ステップでは、前記区切り単位は、前記放射線画像の撮影対象である部位の関心領域の大きさに依存して決定される、ことを特徴とする請求項１記載の画像処理方法である。

（３）請求項３記載の発明は、前記重み決定ステップは、前記放射線画像の前記区切り単位に応じて区切られた各領域に対して、各領域の特徴量を算出し、算出された特徴量を評価して前記各区切り単位の重要度を算出し、設定された統計的な分布関数に基づいて前記重要度に応じた重みを決定する、ことを特徴とする請求項１または請求項２に記載の画像処理方法である。

（４）請求項４記載の発明は、前記統計的な分布関数はガウス分布である、ことを特徴とする請求項１乃至請求項３のいずれかに記載の画像処理方法である。
（５）請求項５記載の発明は、前記重み決定ステップにおける前記統計的な分布関数がガウス分布である場合、重み決定のため、ガウス分布の平均値および分散を変更する機能を有する、ことを特徴とする請求項４記載の画像処理方法である。

（６）請求項６記載の発明は、被写体を透過した放射線の照射線量に応じた信号を有する放射線画像に対し、診断に適した画像を得るための画像処理を行う画像処理装置であって、前記放射線画像の部位を含む種別を判別する画像判別手段と、前記画像判別手段で判別された種別に対応して、前記放射線画像を複数の領域に区切る区切り単位を定める区切り決定手段と、前記放射線画像の前記区切り単位に応じて区切られた各領域に対して、各領域の重みを定める重み決定手段と、前記重み決定手段で与えられた前記各領域の重みに基づいた画像処理条件の画像処理を実行する画像処理手段と、を有することを特徴とする画像処理装置である。

（７）請求項７記載の発明は、前記区切り決定手段では、前記区切り単位は、前記放射線画像の撮影対象である部位の関心領域の大きさに依存して決定される、ことを特徴とする請求項６記載の画像処理装置である。

（８）請求項８記載の発明は、前記重み決定手段は、前記放射線画像の前記区切り単位に応じて区切られた各領域に対して、各領域の特徴量を算出し、算出された特徴量を評価して前記各区切り単位の重要度を算出し、設定された統計的な分布関数に基づいて前記重要度に応じた重みを決定する、ことを特徴とする請求項６または請求項２に記載の画像処理装置である。

（９）請求項９記載の発明は、前記統計的な分布関数はガウス分布である、ことを特徴とする請求項６乃至請求項３のいずれかに記載の画像処理装置である。
（１０）請求項１０記載の発明は、前記重み決定手段における前記統計的な分布関数がガウス分布である場合、重み決定のため、ガウス分布の平均値および分散を変更する機能を有する、ことを特徴とする請求項４記載の画像処理装置である。

（１１）請求項１１記載の発明は、被写体を透過した放射線の照射線量に応じた信号を有する放射線画像に対し、診断に適した画像を得るための画像処理を行う画像処理プログラムであって、前記放射線画像の部位を含む種別を判別する画像判別ルーチンと、前記画像判別ルーチンで判別された種別に対応して、前記放射線画像を複数の領域に区切る区切り単位を定める区切り決定ルーチンと、前記放射線画像の前記区切り単位に応じて区切られた各領域に対して、各領域の重みを定める重み決定ルーチンと、前記重み決定ルーチンで与えられた前記各領域の重みに基づいた画像処理条件の画像処理を実行する画像処理ルーチンと、を有することを特徴とする画像処理プログラムである。

（１２）請求項１２記載の発明は、前記区切り決定ルーチンでは、前記区切り単位は、前記放射線画像の撮影対象である部位の関心領域の大きさに依存して決定される、ことを特徴とする請求項１１記載の画像処理プログラムである。

（１３）請求項１３記載の発明は、前記重み決定ルーチンは、前記放射線画像の前記区切り単位に応じて区切られた各領域に対して、各領域の特徴量を算出し、算出された特徴量を評価して前記各区切り単位の重要度を算出し、設定された統計的な分布関数に基づいて前記重要度に応じた重みを決定する、ことを特徴とする請求項１１または請求項２に記載の画像処理プログラムである。

（１４）請求項１４記載の発明は、前記統計的な分布関数はガウス分布である、ことを特徴とする請求項１１乃至請求項３のいずれかに記載の画像処理プログラムである。
（１５）請求項１５記載の発明は、前記重み決定ルーチンにおける前記統計的な分布関数がガウス分布である場合、重み決定のため、ガウス分布の平均値および分散を変更する機能を有する、ことを特徴とする請求項４記載の画像処理プログラムである。

この発明では、被写体を透過した放射線の照射線量に応じた信号を有する放射線画像に対し、診断に適した画像を得るための画像処理を行う際に、放射線画像の部位を含む種別を判別し、判別された放射線画像の種別に対応して、放射線画像を複数の領域に区切る区切り単位を定め、区切り単位の各領域の重みを定め、与えられた前記各領域の重みに基づいた画像処理条件を決定し、決定された画像処理条件に基づいて画像処理を実行する。

なお、区切り単位は、放射線画像の撮影対象である部位の関心領域の大きさに依存して決定する。また、区切り単位に応じて区切られた各領域に対して、各領域の特徴量を算出し、算出された特徴量を評価して各区切り単位の重要度を算出し、設定された統計的な分布関数に基づいて重要度に応じた重みを決定する。また、ここで、重み決定の際の統計的な分布関数はガウス分布である。また、重み決定の際の統計的な分布関数がガウス分布である場合、重み決定のため、ガウス分布の平均値および分散を変更する機能を有する。

これにより、放射線画像の部位などの種別に対応して、放射線画像を複数の領域に区切るようにしており、区切り単位の各領域の重みに基づいた画像処理条件を決定しているため、関心領域設定方式などにおける専用の関心領域（ＲＯＩ）を設定する必要がなくなり、ロバスト性の高い、適切な条件の画像処理を実行することが可能になる。

以下、図面を参照して本発明の実施をするための最良の形態を詳細に説明する。
本発明の実施をするための最良の形態の画像処理方法および画像処理装置ならびに画像処理プログラムの好適な実施の形態について説明する。なお、これにより本発明が限定されるものではない。

なお、本実施例の形態例の各手段は、ハードウェアやファームウェア、またはソフトウェアで構成することが可能である。このため、画像処理方法の各ステップ，画像処理装置の各手段，画像処理プログラムの各ルーチンの処理手順に沿った機能ブロック図としての図１を示す。

以下、本実施の形態例の構成および動作について、図１のブロック図、図２のフローチャート、および、その他の説明図を参照しつつ詳細に説明する。なお、図１における各手段や各部は、画像形成装置の各手段や各部を示すだけでなく、画像処理方法の各ステップ、画像処理プログラムの各ルーチンを示すものでもある。

〈全体構成および処理の流れ〉
システム全体構成：
放射線発生装置３０、放射線画像読取器４０、画像処理装置１００が、図１に示されるように構成されている。

また、画像処理装置１００内部には、制御手段を構成する制御部１０１、画像データ生成部１１０、画像判別手段を構成する画像種別判別部１２０、区切り決定手段を構成する区切り決定部１３０、特徴量算出部１４０、重要度算出部１５０、分布関数設定部１６０、重み決定部１７０、画像処理条件決定部１８０、画像処理部１９０が、図１に示すように構成される。なお、特徴量算出部１４０、重要度算出部１５０、分布関数設定部１６０、重み決定部１７０、画像処理条件決定部１８０で、重み決定手段を構成している。

処理の流れ：
・制御部１０１は放射線画像撮影・読み取り、および、画像処理に伴う各種処理についての制御を行う。
・放射線発生装置３０からの放射線は被写体５を透過し、この被写体５を透過した放射線は放射線画像読取器４０により読み取られる。
・放射線画像読取器４０により読み取られた信号は、画像データ生成部１１０で画像データに変換される（図２Ｓ１）。
・画像種別判別部１２０は、放射線画像の部位を含む種別を判別する（図２Ｓ２）。
・区切り決定部１３０は、判別された放射線画像の種別に対応して、放射線画像を複数の領域に区切る際の区切り単位を定める（図２Ｓ３）。
・特徴量算出部１４０は、放射線画像について、区切り単位毎に特徴量を算出する（図２Ｓ４）。
・重要度算出部１５０は、区切り単位毎に算出された特徴量を評価して、各区切り単位の重要度を算出する（図２Ｓ５）。
・分布関数設定部１６０は、重み決定の際に使用される統計的な分布関数の設定がなされる（図２Ｓ６）。
・重み決定部１７０は、区切り単位の各領域の重要度や分布関数の設定に応じて各領域の重みを決定する（図２Ｓ７）。
・画像処理条件決定部１８０は、区切り単位毎の各領域の重みに基づいた画像処理条件を決定する（図２Ｓ８）。
・画像処理部１９０は、決定された画像処理条件に基づいて画像処理を実行する（図２Ｓ９）。

〈各手段、各ステップ、各ルーチンの詳細内容〉
（１）撮影・放射線画像入力：
制御部１０１では、まず、撮影部位または撮影方向等の情報をユーザインターフェースなどから取得する。これらの情報は、ユーザが撮影部位等を特定することで行う。例えば、表示部とタッチパネルとを兼ね備えた当該画像処理装置１００のユーザインタフェース（図示せず）から、撮影部位が表示されたボタンを押すこと等により入力される。そのほか、磁気カード、バーコード、ＨＩＳ（病院内情報システム：ネットワークによる情報管理）等を利用しても行われる。

放射線発生装置３０は、画像処理装置１００内の制御部１０１と各種データの授受を行っている。なお、放射線発生装置３０が制御部１０１によって制御される場合と、放射線発生装置３０内の制御部（図示せず）と画像処理装置１００内の制御部１０１とが通信を行う場合とがある。

放射線発生装置３０から放射された放射線は、被写体５を通して放射線画像読取器４０の前面に装着されている撮像パネルに照射される。そして、放射線画像読取器４０では、被写体５を透過した放射線を検知して、画像信号として取得する。

具体的な構成例としては、輝尽性蛍光体プレートを用いたものとして、特開平１１-１４２９９８号公報や特開２００２-１５６７１６号公報に記載されたものがある。また、フラットパネルディテクタ（FPD）を入力装置として用いるものには、特開平６-３４２０９８号公報に記載された、検出したX線を直接電荷に変換し、画像信号として取得するものや、特開平９-９００４８号公報に記載された、検出したＸ線を一旦光に変換した後、その光を受光して電荷に変換する、間接方式のものがある。

なお、放射線画像読取器４０は、放射線画像を記録した銀塩フィルムにレーザ、蛍光灯等の光源からの光を照射し、この銀塩フィルムの透過光を光電変換して画像データを生成してもよい。また、放射線量子計数型検出器を用いて放射線エネルギーを直接電気信号に変換して画像データを生成する構成であってもよい。

被写体５の放射線画像を得る際には、放射線発生装置３０と放射線画像読取器４０の撮像パネルの間に被写体５が位置するものとされて、放射線発生装置３０から放射された放射線が被写体５に照射されると共に、被写体５を透過した放射線が撮像パネルに入射される。

そして、放射線画像読取器４０により読み取られた画像信号は画像データ生成部１１０送られ、画像データ生成部１１０で所定の画素数や階調ビット数の画像データに変換される（図２Ｓ１）。

（２）画像種別判別：
画像種別判別部１２０は、制御部１０１から得た撮影部位に関する情報や画像認識などにより、放射線画像の部位を含む種別を判別する（図２Ｓ２）。

この場合、制御部１０１から得た撮影部位に関する情報としては、図示されないユーザインターフェースなどから入力された情報や、病院内情報システムなどのネットワークを介して得られる情報などが該当する。

なお、画像種別判別部１２０が判別する画像の種別としては、たとえば、部位情報に基づいて、頭、顔、首（頚椎）、肩、胸、腹、腰、腿、膝、脚、足首、踵、足、腕、肘、掌、指、などが該当する。すなわち、画像種別判別部１２０がこれらの種別に分類する。

また、部位を含む種別とは、被写体のサイズ（大きさ）や形状の複雑さを特定するための各種種別を意味しており、上述した部位以外に、被写体年齢、被写体性別、被写体身長、被写体体重など大きさを決定することが可能な情報として含まれる。

（３）区切り決定：
区切り決定部１３０は、画像種別判別部１２０によって判別された放射線画像の種別に対応して、放射線画像を複数の領域に区切る際の区切り単位を定める（図２Ｓ３）。

ここで、区切り単位を定める際に、この区切り単位は、放射線画像の撮影対象である部位の関心領域の大きさに依存して決定される、ことが望ましい。
なお、この区切りは、大きさ、あるいは、形状の複雑さなどに応じて決定されることが望ましい。

たとえば、大きい部位は区切りも大きく、小さい部位は区切りも小さくする。また、形状が単純な部位では区切りを大きく、形状が複雑な部位では区切りを小さくすることが望ましい。そして、大きくかつ形状が単純であれば区切りを更に大きく、小さくかつ形状が複雑であれば区切りを更に小さく、などとすることも好ましい。

たとえば、指などの、小さい部分、あるいは、細かく形状が変化する部分では、あらかじめ細かい分割を用いる。このようにすることで、細かく入り組んだ状態の細部で不要部分を、重要度を下げることで取り除くことが可能になり、より確実に必要部分のみに重みを与えることが可能になる。

なお、図３（ａ）は指の放射線画像と、その区切りの様子を破線により模式的に示している。
また、胸部などの、大きい部分、あるいは、単純な外形形状の体幹部ではある程度大きな単位で分割することで。各領域の重要性を判定する際に広い領域の情報を用いることが可能になり、局所的に見ると照射野外と区別がつきにくい体幹部の低信号領域での誤認識などを防ぐことで確実な重みを与えることができるようになる。

なお、図３（ｂ）は胸部の放射線画像と、その区切りの様子を破線により模式的に示している。
また、腕や脚部といった四肢などの比較的長い部位は、領域の区切り方を縦方向のみ、あるいは、図３（ｃ）のように縦長に区切ることで、簡単に必要領域に重みを与えることが可能になる。また、小さく、細かく外形形状が変化する部位では、画素単位に区切ることもあり得る。

（４）特徴量算出
特徴量算出部１４０は、放射線画像について、区切り単位毎に特徴量を算出する（図２Ｓ４）。

この特徴量として、たとえば、画像に微分フィルタあるいはラプラシアンフィルタなどの高周波領域を抽出するフィルタ処理を行うことによって得られるエッジ成分の絶対値を画像のエッジ領域のコントラストとしてとることができる。

図４（ａ）は頚椎についてのオリジナルの画像、図４(ｂ)は図４（ａ）の頚椎画像について抽出されたエッジを示した様子である。なお、図中に区切り単位を示す破線を示している。

この場合、コントラストの大きさ、すなわちエッジ成分の絶対値の大きさにしたがって点数をつけ、点数がどの画素値にどのように分布しているかのヒストグラムを作成することで、コントラスト（エッジ）の大きさを各画素への重みとして用いることができる。ここで点数のつけ方については、たとえば絶対値がある経験的に定められた閾値A以下の場合は絶対値の値を点数とし、A以上の場合は０とすることで人体から構成されると予想されるエッジのみにエッジに応じた点数を与えることができる。この他、閾値Aを用いて、図５のような関数を用いて滑らかに変化させてもよい。

また、たとえば、エッジ領域の抽出にはラプラシアンピラミッド法やウェーブレットなどの多重解像度法を用いることもできる。これらの多重解像度法を用いた高周波成分抽出については、たとえば特開平５−２４４５０８号公報や特開平６−２７４６１４号公報に詳しい記載がある。

上記コントラストにより算出された重み付けの値を画像内のすべてのエッジ領域について総和した値が特徴量に相当する。このほか、特徴量としては、たとえば、画像平均濃度や、画像内の画素信号値の分散値や中央度（どれだけ中央（画像中心）に近いかの度合い）、なども考えられ、このほか
(a) 領域内の画素信号値の最大値もしくは最小値のいずれか、
(b) 領域内の画素信号値のメジアン、
(c) 領域内の画素信号値の最頻値（モード）、
(d) 領域内の画素信号値の分散もしくは標準偏差のいずれか一方、
(e) 隣接あるいは所定間隔の画素の画素値差分、
なども考えられる。

（５）重要度算出：
ここで、重要度算出部１５０は、区切り単位毎に算出された特徴量を特徴量評価関数などにより評価して、各区切り単位の重要度を算出する（図２Ｓ５）。

以下、ルックアップテーブルの使用効率を最大にする階調処理の例について説明する。この特徴量評価関数Eとしてのは、基本式として、
Ｅ＝Σｆ（Δｘ′／Δｘ）Ｗ（ｘ）、
と示すことができる。

ここで、ｆは特徴量評価関数、Δｘはｘにおける画素値の微小変化であり、具体的にはある一定値δをｘを中心に可算、減算したもので区間(ｘ−δ,ｘ＋δ)の長さを表す。またΔｘ'は階調特性を決定するルックアップテーブルであるＬＵＴ通過後のXの値ｘ'の微小変化で具体的にはＬＵＴによるXの変換後の値をＬＵＴ(ｘ)で表せば区間(ＬＵＴ(ｘ−δ),ＬＵＴ(ｘ＋δ))の長さを表す。また、Ｗ（ｘ）はｘの重みである。

図６（ａ）では、ｘ１におけるΔｘ１とΔｘ１′、ｘ２におけるΔｘ２とΔｘ２′、の例を示している。このような特徴量評価関数ｆを、エッジと認められる全ての点で行ってΣを算出する。

なお、特徴量評価関数ｆとしては、
Δｘ′／Δｘ＝１０では１０、
Δｘ′／Δｘ＝５では５、
Δｘ′／Δｘ＝１では０、
Δｘ′／Δｘ＝１／５では−５、
Δｘ′／Δｘ＝１／１０では−１０、
などとすることができる。このような特徴量評価関数ｆとしては、たとえば、図７（ａ）あるいは図７（ｂ）のような特性になる。

また、たとえば、階調特性を決定するルックアップテーブル（図６（ｂ）参照）のシフト値Ｓ、グラデーション値Ｇを変数として、あるＳＧ値のルックアップテーブルで変換した後の画像からエッジ検出処理を行い、その比を取る方法が考えられる。このＳＧ値は具体的には基本となるＬＵＴに対して、ＬＵＴ(Ａｘ−Ｂ)により画像を変換した場合、グラデーション値ＧをＡ、シフト値ＳをＢと定義する。

すなわち、評価関数をＥとすると、
Ｅ（Ｓ，Ｇ）＝ＥＤＧＥ（Ｓ，Ｇ）／ＯＲＧ＿Ｅ（Ｓ，Ｇ）
とすればよい。

ここで、ＥＤＧＥ（Ｓ，Ｇ）はルックアップテーブル変換後の画像の平均コントラスト、ＯＲＧ＿Ｅ（Ｓ，Ｇ）はオリジナルの画像の平均コントラストである。このコントラストはたとえば、直接画像から求めるものではなく、入力は常に一定値とし、あるしきい値を超えるエッジ点でのルックアップテーブル通過後、この一致値の振幅がどう変わったかを評価するものでも良い。すなわち、以下のようである。
Ｅ（Ｓ，Ｇ）＝Σ｛（ＬＵＴ（Ｓ，Ｇ，ｘ＋Ａ）−ＬＵＴ（Ｓ，Ｇ，ｘ−Ａ））／（２＊Ａ）＊Ｗ（ｘ）｝…（Ａ）、で与えられる。ここでＡは画素値ｘにおける微小区間を表す定数で例えば１２ビット階調の画像でに対して５などの非常に小さい値が選ばれる。またＷ(ｘ)は各画素に対する重要度をあらわした重みであり、ＬＵＴ(Ｓ，Ｇ，ｘ)は与えられたＳＧ値でのルックアップテーブルで画像内の点ｘを変換した際の出力値を示し、Σは検出されたエッジ点の全ての領域での和を表す。ここでは、コントラストの評価を例にしたが、同様に変換後の画像と変換前の画像の分散の比を評価関数とすることもできるし、同様に変換後の画像の平均濃度を評価関数とすることもできる。

たとえば、分散の比の場合、
Ｅ（Ｓ）＝Σ｛ＶＡＲ（Ｓ）／ＯＲＧ＿Ｖ（Ｓ）｝
となる。ここで、ＶＡＲ（Ｓ）は変換後の平均分散、ＯＲＧ＿Ｖ（Ｓ）はオリジナル画像の分散とし、Σは画像のある領域内の点における和を表す。

さらに、たとえば、平均の比の場合、
Ｅ（Ｓ）＝ＡＶＥ（Ｓ，Ｇ）−Ａ
となる。ここで、ＡＶＥ（Ｓ，Ｇ）は変換後の平均信号値、Ａは定数である。

（６）分布関数設定：
分布関数設定部１６０は、重み決定の際に使用される統計的な分布関数の設定がなされる（図２Ｓ６）。

本実施形態では、以上のように区切り単位毎に重要度を算出しており、後述する重み決定の段階では重要度に応じて重みが決定される。この際に、区切り単位の境界の部分で重要度の違いに応じて重みが急激に変化することにより、最終的に得られる画像データに悪影響が発生することが考えられる。

そこで、本実施形態では、ガウス関数などの分布関数を用いて、隣接する区切り単位の領域との間で重要度が異なっていたとしても、スムーズに重みの違いが繋がるようにしている。

なお、ここで使用する重み決定の際の統計的な分布関数としてはガウス分布が望ましい。また、重み決定の際の統計的な分布関数がガウス分布である場合、重み決定のため、ガウス分布の平均値および分散を変更する機能を有することが望ましい。

（７）重み決定、パラメータ決定：
重み決定部１７０は、区切り単位の各領域の重要度や分布関数の設定に応じて各領域の重みを決定する（図２Ｓ７）。

また、画像処理条件決定部１８０は、区切り単位毎の各領域の重みに基づいた画像処理条件を決定する（図２Ｓ８）。
ここで、画像処理条件決定部１８０は、重要度算出部１５０で特徴量評価関数により評価された結果であるＥ（Ｓ，Ｇ）が最大あるいは最小になるようなＳ値、Ｇ値を求める。

このようにすることで、たとえば、特徴量をコントラストとすれば、Ｅ（Ｓ，Ｇ）が最大になるようにすることで、変換後の画像の全体としての重要領域のコントラスト増幅率を最大になるようにすることができる。

また、たとえば、特徴量を分散とすれば、評価関数が最小になるようにすることで、ある領域内の画像のばらつきが最も小さくなるようにＳ値を決定できる。
また、たとえば、特徴量が平均値の場合には、評価関数が最小になるようにすることで、ある領域内の画像画像平均値が特定の定数Ａと等しくなるようにできる。

さらに、これらの関数を組み合わせることで、評価手段１４０において別の評価関数を作成することも可能である。
また、以上の特徴量評価結果を単独に用いるのではなく、複数を組み合わせて、変換後の画像の全体として重要領域のコントラスト増幅率、平均値を所望の状態にすることもできる。具体的にはコントラスト増幅率の評価関数をＥＣ（Ｓ，Ｇ）、平均値をＥＡ（Ｓ）とすれば、
Ｅ（Ｓ，Ｇ）＝ＥＡ（Ｓ）＊ＥＣ（Ｓ，Ｇ）、
を評価関数とすることで、コントラストが大きく濃度が所定値Ａに近いほど高い得点を算出することができ、したがって、平均画素値がＡに近くコントラストの増幅率が高いＬＵＴを決定することができる。

なお、以上の説明で、パラメータライズされた変換方法は、階調処理のためのルックアップテーブルによる画素値変換の他に、周波数強調処理やイコライゼーション処理などが考えられる。これらの処理については特開２００１−１４０５２４号公報、特開昭６２−６２３７３号公報、特開平９−４４６４５号公報や特許公報２６６３１８号などに詳しい記載がある。評価関数として、処理前と処理後の分散の比やエッジサイズの変化率などをとることで、これらの処理に対して適切なパラメータを決定することが可能となる。例えば、周波数強調処理は強調係数β、イコライゼーション処理における信号補正関数の傾きの絶対値Kなどによって処理が決定されるが、周波数強調処理の評価関数として
ＥＦ(β)={ＥＤＧＥ(β)／ＥＤＧＥ_ORG(β)}／Σ{ＶＡＲ(β)／ＯＲＧ＿Ｖ(β)}-Ａ、
選べば、エッジの増幅度と画素分散値の比が特定値Ａにつねに近くなるように強調度を決定することができ、エッジの強調と画像のざらつきをコントロールすることが可能となる。ここでＥＤＧＥ(β)はオリジナル画像の平均コントラスト、ＥＤＧＥ_ORG(β)は周波数強調処理後の平均コントラスト、ＶＡＲ(β)は周波数強調後の画像平均分散値の ＯＲＧ＿Ｖ(β)はオリジナル画像の平均信号値、Ａは経験的に定まる定数である。

さらにイコラゼーション処理の場合、Ｄ_ORG(Ｋ)をオリジナル画像のダイナミックレンジ（画像内の最大信号値-最小信号値）、Ｄ(Ｋ)をイコライゼーション処理後のダイナミックレンジ、Ｌ(Ｋ,ｘ)を画素ｘのイコライゼーション処理後の値をＬＵＴにより変換した場合の値としたとき、
ＥＦ(Ｋ)=Σ{Ｌ(Ｋ,ｘ＋Ａ)-Ｌ(Ｋ,ｘ−Ａ)／２＊Ａ}/α{Ｄ(Ｋ)/Ｄ_ORG(Ｋ)}、
で与える。ここでΣはたとえば検出されたエッジ領域すべてにおける総和を表すものとする。このようにすることで画像全体のコントラストを考慮し、かつ診断上重要な領域のイコライゼーション処理後のコントラスト増幅率が適切になるように補正の強度を決定することができる。上式のαは適切な値が算出されるようにするための補正係数で経験的に求められる値である。

（８）画像処理：
画像処理部１９０は、画像データ生成部１１０からの画像データについて、以上の説明のようにして画像処理条件決定部１８０で決定された画像処理条件（パラメータ）にしたがって、画像処理を実行する（図２Ｓ９）。

具体的には例えば階調処理においては、上記の評価関数（Ａ）により決定されたＳＧ値とＬＵＴを使用して、画像データの各画素XをＬＵＴ（Ｇｘ−Ａ）によって変換する。このようにすることで、処理済み画像は与えられた評価関数、すなわち上記例では変換後の重要画素のコントラスト増大率が最大になるように変換された画像となる。また、周波数強調処理やイコライゼーション処理においても同様に上記のような評価関数により決定した強調係数あるいは補正係数により、処理が行われる。この処理済み画像データは、図示されない画像表示手段、各種外部機器、画像出力装置などに供給される。

〈実施形態により得られる効果〉
以上のように、この実施形態では、放射線画像の部位を含む種別を判別し、その種別に対応して放射線画像を複数の領域に区切る区切り単位を定め、区切り単位の各領域の重みを定め、与えられた各領域の重みに基づいた画像処理条件を決定しているため関心領域設定方式などにおける専用の関心領域（ＲＯＩ）を設定する必要がなくなり、ロバスト性の高い、適切な条件の画像処理を実行することが可能になる。

これにより、画像処理の際に特定領域（関心領域（ＲＯＩ）など）の信号値やヒストグラムから決定される信号値あるいはパラメータとして一意的に与える従来の手法の場合に、得られる領域やパラメータが不適切な場合に不適切な画像処理が得られることがあったが、本実施形態ではそのような不具合は発生しなくなる。

また、本実施形態では、区切られた各領域の重みを決定する際に、ガウス関数などの分布関数を用いることで、隣接する区切り単位の領域との間で重要度が異なっていたとしても、スムーズに重みの違いが繋がるようにしているため、区切り単位毎の重みの違いによる不具合が発生することもない。

本発明の一実施の形態例の全体構成を機能的に示す機能ブロック図である。 本発明の一実施の形態例の全体処理の流れを示すフローチャート図である。 本発明の実施の形態例における処理の様子を示す説明図である。 本発明の実施の形態例における処理の様子を示す説明図である。 本発明の実施の形態例における処理の様子を示す説明図である。 本発明の実施の形態例における処理の様子を示す説明図である。 本発明の実施の形態例における処理の様子を示す説明図である。

符号の説明

５ 被写体
３０ 放射線発生装置
４０ 放射線画像読取器
１００ 画像処理装置
１０１ 制御部
１１０ 画像データ生成部
１２０ 画像種別判別部
１３０ 区切り決定部
１４０ 特徴量算出部
１５０ 重要度算出部
１６０ 分布関数決定部
１７０ 重み決定部
１８０ 画像処理条件決定部
１９０ 画像処理部

Claims (15)

1. 被写体を透過した放射線の照射線量に応じた信号を有する放射線画像に対し、診断に適した画像を得るための画像処理を行う画像処理方法であって、
   前記放射線画像の部位を含む種別を判別する画像判別ステップと、
   前記画像判別ステップで判別された種別に対応して、前記放射線画像を複数の領域に区切る区切り単位を定める区切り決定ステップと、
   前記放射線画像の前記区切り単位に応じて区切られた各領域に対して、各領域の重みを定める重み決定ステップと、
   前記重み決定ステップで与えられた前記各領域の重みに基づいた画像処理条件の画像処理を実行する画像処理ステップと、
   を有することを特徴とする画像処理方法。
2. 前記区切り決定ステップでは、前記区切り単位は、前記放射線画像の撮影対象である部位の関心領域の大きさに依存して決定される、
   ことを特徴とする請求項１記載の画像処理方法。
3. 前記重み決定ステップは、
   前記放射線画像の前記区切り単位に応じて区切られた各領域に対して、各領域の特徴量を算出し、
   算出された特徴量を評価して前記各区切り単位の重要度を算出し、
   設定された統計的な分布関数に基づいて前記重要度に応じた重みを決定する、
   ことを特徴とする請求項１または請求項２に記載の画像処理方法。
4. 前記統計的な分布関数はガウス分布である、
   ことを特徴とする請求項１乃至請求項３のいずれかに記載の画像処理方法。
5. 前記重み決定ステップにおける前記統計的な分布関数がガウス分布である場合、重み決定のため、ガウス分布の平均値および分散を変更する機能を有する、
   ことを特徴とする請求項４記載の画像処理方法。
6. 被写体を透過した放射線の照射線量に応じた信号を有する放射線画像に対し、診断に適した画像を得るための画像処理を行う画像処理装置であって、
   前記放射線画像の部位を含む種別を判別する画像判別手段と、
   前記画像判別手段で判別された種別に対応して、前記放射線画像を複数の領域に区切る区切り単位を定める区切り決定手段と、
   前記放射線画像の前記区切り単位に応じて区切られた各領域に対して、各領域の重みを定める重み決定手段と、
   前記重み決定手段で与えられた前記各領域の重みに基づいた画像処理条件の画像処理を実行する画像処理手段と、
   を有することを特徴とする画像処理装置。
7. 前記区切り決定手段では、前記区切り単位は、前記放射線画像の撮影対象である部位の関心領域の大きさに依存して決定される、
   ことを特徴とする請求項６記載の画像処理装置。
8. 前記重み決定手段は、
   前記放射線画像の前記区切り単位に応じて区切られた各領域に対して、各領域の特徴量を算出し、
   算出された特徴量を評価して前記各区切り単位の重要度を算出し、
   設定された統計的な分布関数に基づいて前記重要度に応じた重みを決定する、
   ことを特徴とする請求項６または請求項２に記載の画像処理装置。
9. 前記統計的な分布関数はガウス分布である、
   ことを特徴とする請求項６乃至請求項３のいずれかに記載の画像処理装置。
10. 前記重み決定手段における前記統計的な分布関数がガウス分布である場合、重み決定のため、ガウス分布の平均値および分散を変更する機能を有する、
    ことを特徴とする請求項４記載の画像処理装置。
11. 被写体を透過した放射線の照射線量に応じた信号を有する放射線画像に対し、診断に適した画像を得るための画像処理を行う画像処理プログラムであって、
    前記放射線画像の部位を含む種別を判別する画像判別ルーチンと、
    前記画像判別ルーチンで判別された種別に対応して、前記放射線画像を複数の領域に区切る区切り単位を定める区切り決定ルーチンと、
    前記放射線画像の前記区切り単位に応じて区切られた各領域に対して、各領域の重みを定める重み決定ルーチンと、
    前記重み決定ルーチンで与えられた前記各領域の重みに基づいた画像処理条件の画像処理を実行する画像処理ルーチンと、
    を有することを特徴とする画像処理プログラム。
12. 前記区切り決定ルーチンでは、前記区切り単位は、前記放射線画像の撮影対象である部位の関心領域の大きさに依存して決定される、
    ことを特徴とする請求項１１記載の画像処理プログラム。
13. 前記重み決定ルーチンは、
    前記放射線画像の前記区切り単位に応じて区切られた各領域に対して、各領域の特徴量を算出し、
    算出された特徴量を評価して前記各区切り単位の重要度を算出し、
    設定された統計的な分布関数に基づいて前記重要度に応じた重みを決定する、
    ことを特徴とする請求項１１または請求項２に記載の画像処理プログラム。
14. 前記統計的な分布関数はガウス分布である、
    ことを特徴とする請求項１１乃至請求項３のいずれかに記載の画像処理プログラム。
15. 前記重み決定ルーチンにおける前記統計的な分布関数がガウス分布である場合、重み決定のため、ガウス分布の平均値および分散を変更する機能を有する、
    ことを特徴とする請求項４記載の画像処理プログラム。