JP2739385B2

JP2739385B2 - 放射線画像読取条件及び／又は画像処理条件決定方法および装置

Info

Publication number: JP2739385B2
Application number: JP3048362A
Authority: JP
Inventors: 武尾英哉
Original assignee: Fuji Photo Film Co Ltd
Current assignee: Fujifilm Holdings Corp
Priority date: 1990-10-17
Filing date: 1991-03-13
Publication date: 1998-04-15
Anticipated expiration: 2013-04-15
Also published as: JPH04212949A

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、放射線画像を表わす画
像信号に基づいて、画像信号を得る際の読取条件，画像
信号に画像処理を施す際の画像処理条件を求める放射線
画像読取条件及び／又は画像処理条件決定方法および装
置に関するものである。

【０００２】

【従来の技術】記録された放射線画像を読み取って画像
信号を得、この画像信号に適切な画像処理を施した後、
画像を再生記録することは種々の分野で行なわれてい
る。たとえば、後の画像処理に適合するように設計され
たガンマ値の低いＸ線フィルムを用いてＸ線画像を記録
し、このＸ線画像が記録されたフィルムからＸ線画像を
読み取って電気信号に変換し、この電気信号（画像信
号）に画像処理を施した後コピー写真等に可視像として
再生することにより、コントラスト，シャープネス，粒
状性等の画質性能の良好な再生画像を得ることが行なわ
れている（特公昭61-5193 号公報参照）。

【０００３】また本願出願人により、放射線（Ｘ線，α
線，β線，γ線，電子線，紫外線等）を照射するとこの
放射線エネルギーの一部が蓄積され、その後可視光等の
励起光を照射すると蓄積されたエネルギーに応じて輝尽
発光を示す蓄積性蛍光体（輝尽性蛍光体）を利用して、
人体等の被写体の放射線画像情報を一旦シート状の蓄積
性蛍光体に記録し、この蓄積性蛍光体シートをレーザー
光等の励起光で走査して輝尽発光光を生ぜしめ、得られ
た輝尽発光光を光電的に読み取って画像信号を得、この
画像データに基づき被写体の放射線画像を写真感光材料
等の記録材料、ＣＲＴ等に可視像として出力させる放射
線画像記録再生システムがすでに提案されている（特開
昭55-12429号，同56-11395号，同55-163472 号，同56-1
04645 号，同55- 116340号等）。

【０００４】このシステムは、従来の銀塩写真を用いる
放射線写真システムと比較して極めて広い放射線露出域
にわたって画像を記録しうるという実用的な利点を有し
ている。すなわち、蓄積性蛍光体においては、放射線露
光量に対して蓄積後に励起によって輝尽発光する発光光
の光量が極めて広い範囲にわたって比例することが認め
られており、従って種々の撮影条件により放射線露光量
がかなり大幅に変動しても、蓄積性蛍光体シートより放
射される輝尽発光光の光量を読取ゲインを適当な値に設
定して光電変換手段により読み取って電気信号に変換
し、この電気信号を用いて写真感光材料等の記録材料、
ＣＲＴ等の表示装置に放射線画像を可視像として出力さ
せることによって、放射線露光量の変動に影響されない
放射線画像を得ることができる。

【０００５】上記システムにおいて、蓄積性蛍光体シー
トに照射された放射線の線量等に応じて最適な読取条件
で読み取って画像信号を得る前に、予め低レベルの光ビ
ームにより蓄積性蛍光体シートを走査してこのシートに
記録された放射線画像の概略を読み取る先読みを行な
い、この先読みにより得られた先読画像信号を分析し、
その後上記シートに高レベルの光ビームを照射して走査
し、この放射線画像に最適な読取条件で読み取って画像
信号を得る本読みを行なうように構成されたシステムも
ある。

【０００６】ここで読取条件とは、読取りにおける輝尽
発光光の光量と読取装置の出力との関係に影響を与える
各種の条件を総称するものであり、例えば入出力の関係
を定める読取ゲイン，スケールファクタあるいは、読取
りにおける励起光のパワー等を意味するものである。

【０００７】また、光ビームの高レベル／低レベルと
は、それぞれ、上記シートの単位面積当りに照射される
光ビームのエネルギーの大／小、もしくは上記シートか
ら発せられる輝尽発光光のエネルギーが上記光ビームの
波長に依存する（波長感度分布を有する）場合は、上記
シートの単位面積当りに照射される光ビームのエネルギ
ーを上記波長感度で重みづけした後の重みづけエネルギ
ーの大／小をいい、光ビームのレベルを変える方法とし
ては、異なる波長の光ビームを用いる方法、レーザ光源
等から発せられる光ビームの強度そのものを変える方
法、光ビームの光路上にＮＤフィルター等を挿入，除去
することにより光ビームの強度を変える方法、光ビーム
のビーム径を変えて走査密度を変える方法、走査速度を
変える方法等、公知の種々の方法を用いることができ
る。

【０００８】また、この先読みを行なうシステムか先読
みを行なわないシステムかによらず、得られた画像信号
（先読画像信号を含む）を分析し、画像信号に画像処理
を施す際の最適な画像処理条件を決定するようにしたシ
ステムもある。ここで画像処理条件とは、画像信号に基
づく再生画像の階調や感度等に影響を及ぼす処理を該画
像信号に施す際の各種の条件を総称するものである。こ
の画像信号に基づいて最適な画像処理条件を決定する方
法は、蓄積性蛍光体シートを用いるシステムに限られ
ず、たとえば従来のＸ線フィルム等の記録シートに記録
された放射線画像から画像信号を得るシステムにも適用
されている。

【０００９】上記画像信号（先読画像信号を含む）に基
づいて読取条件及び／又は画像処理条件（以下、読取条
件等と呼ぶ。）を求める演算は、あらかじめ多数の放射
線画像を統計的に処理した結果からそのアルゴリズムが
定められている（たとえば、特開昭60-185944 号公報，
特開昭61-280163 号公報参照）。

【００１０】この従来採用されているアルゴリズムのひ
とつとして、画像信号のヒストグラムを求め、このヒス
トグラムに基づいて読取条件等を求める方法が知られて
いる。このヒストグラムに基づいて読取条件等を求める
方法に関し、これを細分すると、画像信号のヒストグラ
ムから画像情報として必要な範囲の最大値と最小値の両
者を求め、この最大値と最小値とに挾まれた範囲内の画
像情報が例えば本読みにおいて精度良く読み取られるよ
うに読取条件等を求める方法（特開昭60-156055 号公報
参照）、上記ヒストグラムから最大値のみを求め、その
最大値から所定値を引いた値を最小値とし、この最大値
と最小値とに挾まれた範囲を必要な画像情報の範囲とす
る方法（特開昭60-185944号公報参照）、ヒストグラム
から最小値のみを求め、その最小値に所定値を足した値
を最大値とし、この最小値と最大値とに挾まれた範囲を
必要な画像情報の範囲とする方法（特開昭61-280163 号
公報参照）、その他差分ヒストグラムを用いる方法（特
開昭63-233658 参照）、累積ヒストグラムを用いる方法
（特開昭61-170730 号公報参照）、ヒストグラムを判別
基準により複数の小領域に分割する方法（特開昭63-262
141 参照）等、多数の方法を用いて必要な画像情報の範
囲を求めてこれにより読取条件等を定める方法が知られ
ている。

【００１１】

【発明が解決しようとする課題】上記の方法は多くの場
合に有効であるが、その半面、被写体の撮影状態によっ
ては、不都合を生じることもある。以下、この点につい
て、肩関節の放射線画像を例にとって詳しく説明する。

【００１２】図１(a) と図１(b) は、ともに肩関節５を
撮影した放射線画像であるが、図１(b) の画像では椎体
６も写し込まれているのに対し、図１(a) の画像では撮
影時の被写体の位置がずれているためにそれが写し込ま
れていない、という差異がある。一方、これら図１(a)
、図１(b) の放射線画像を担持する各画像信号のヒス
トグラムは、それぞれ図２(a) 、図２(b) に示すような
ものとなる。

【００１３】図示される通り、両ヒストグラムの形状は
大略同じようなものとなるが、２つの放射線画像間に上
述の差異が存在するため、関心領域である肩関節部を担
う画像信号の存在範囲は、両ヒストグラムにおいて各々
Ｋ₁部、Ｋ₂部と、互いに異なるようになる。そこで、
各ヒストグラムに基づいて図１(a) 、図１(b) に示すよ
うな放射線画像を再生する際の読取条件あるいは画像処
理条件を決定すると、２つの再生放射線画像の濃度やコ
ントラストは同一ヒストグラムのため、同一条件を算出
してしまうため、関心領域である肩関節部の濃度が不安
定になってしまう。

【００１４】このようになっていると、再生放射線画像
中で肝腎の関心領域が観察し難くなったり、例えば異常
部の経過を観察するために複数の放射線画像を比較する
等の場合は、誤った診断を下してしまう可能性もある。

【００１５】本発明は上記のような事情に鑑みてなされ
たものであり、撮影時の被写体の位置がずれたりして複
数の再生放射線画像間で特定の関心領域の濃度が変化し
やすい状況になっても、その関心領域が常に適正な濃度
で安定して再生されるようにする放射線画像読取条件及
び／又は画像処理条件決定方法および装置を提供するこ
とを目的とするものである。

【００１６】

【課題を解決するための手段】本発明の第１の方法は前
述した蓄積性蛍光体シートを用い、先読みを行なうシス
テムに用いられるものである。

【００１７】すなわち本発明の第１の放射線画像読取条
件及び／又は画像処理条件決定方法は、◆放射線画像が
記録された蓄積性蛍光体シートに励起光を照射し該蓄積
性蛍光体シートから発せられた輝尽発光光を読み取って
得られた前記放射線画像を表わす第一の画像信号に基づ
いて、前記蓄積性蛍光体シートに再度励起光を照射し該
蓄積性蛍光体シートから発せられた輝尽発光光を読み取
って前記放射線画像を表わす第二の画像信号を得る際の
読取条件及び／又は得られた前記第二の画像信号に画像
処理を施す際の画像処理条件を求める放射線画像読取条
件及び／又は画像処理条件決定方法において、◆前記第
一の画像信号を入力とし、該第一の画像信号のヒストグ
ラムに基づいて前記読取条件及び／又は前記画像処理条
件を出力とするヒストグラム解析手段により条件仮決定
を行なうとともに、◆前記第一の画像信号を入力とし、
前記ヒストグラム解析手段により仮決定された読取条件
及び／又は前記画像処理条件に必要な補正を施すための
補正値を出力とするニューラルネットワークにより前記
仮決定された条件の補正を行なって、前記読取条件及び
／又は画像処理条件の最終決定を行なうことを特徴とす
るものである。

【００１８】また、本発明の第２の方法は、対象を蓄積
性蛍光体シートから読取られる画像に限定せず、広く画
像信号一般を対象にするもので、◆上記のような放射線
画像処理条件決定方法において、◆前記画像信号を入力
とし、該画像信号のヒストグラムに基づいて前記画像処
理条件を出力とするヒストグラム解析手段により条件仮
決定を行なうとともに、◆前記画像信号を入力とし、前
記ヒストグラム解析手段により仮決定された画像処理条
件に必要な補正を施すための補正値を出力とするニュー
ラルネットワークにより前記仮決定された条件の補正を
行なって、前記画像処理条件の最終決定を行なうことを
特徴とするものである。

【００１９】すなわち、本発明の第１および第２の方法
の特徴は、ヒストグラム解析だけでは誤りが生じるおそ
れがある放射線画像の読取条件及び／又は画像処理条件
決定方法において、ニューラルネットワークにより必要
な補正を行なうことを特徴とするものである。

【００２０】また本発明の第３の方法は、前述した第１
の方法と同様に蓄積性蛍光体シートを用い、先読みを行
うシステムに用いられるものである。

【００２１】すなわち本発明の第３の放射線画像読取条
件及び／又は画像処理条件決定方法は、◆放射線画像が
記録された蓄積性蛍光体シートに励起光を照射し該蓄積
性蛍光体シートから発せられた輝尽発光光を読み取って
得られた前記放射線画像を表わす第一の画像信号に基づ
いて、前記蓄積性蛍光体シートに再度励起光を照射し該
蓄積性蛍光体シートから発せられた輝尽発光光を読み取
って前記放射線画像を表わす第二の画像信号を得る際の
読取条件及び／又は得られた前記第二の画像信号に画像
処理を施す際の画像処理条件を求める放射線画像読取条
件及び／又は画像処理条件決定方法において、◆前記第
一の画像信号を入力とし、該第一の画像信号のヒストグ
ラムに基づいて前記読取条件及び／又は前記画像処理条
件を出力とするヒストグラム解析手段により条件仮決定
を行ない、◆前記第一の画像信号と前記仮決定された条
件とを入力とし、前記読取条件及び／又は前記画像処理
条件を出力とするニューラルネットワークにより前記読
取条件及び／又は画像処理条件の最終決定を行なうこと
を特徴とするものである。

【００２２】さらに本発明の第４の方法は、前述した第
２の方法と同様に対象を蓄積性蛍光体シートから読み取
られる画像に限定せず、広く画像信号一般を対象にする
もので、上記のような放射線画像処理条件決定方法にお
いて、◆前記画像信号を入力とし、該画像信号のヒスト
グラムに基づいて前記画像処理条件を出力とするヒスト
グラム解析手段により条件仮決定を行い、◆前記画像信
号と前記仮決定された条件とを入力とし、前記画像処理
条件を出力とするニューラルネットワークにより前記画
像処理条件の最終決定を行なうことを特徴とするもので
ある。

【００２３】すなわち、本発明の第３、および第４の方
法の特徴は、ヒストグラム解析だけでは誤りが生じるお
それがある放射線画像の読取条件及び／又は画像処理条
件決定方法において、前記ヒストグラムに基づいて求め
られた放射線画像読取条件及び／又は画像処理条件を仮
決定条件とし、この仮決定条件と画像信号とから、ニュ
ーラルネットワークにより最終的な放射線画像読取条件
及び／又は画像処理条件を決定することを特徴とするも
のである。

【００２４】また、本発明による第１の放射線画像の読
取条件及び／又は画像処理条件決定装置は、前述した第
１の方法を実施するためのもので、◆前述した第１の方
法を実施する基本的な放射線画像読取条件及び／又は画
像処理条件決定装置において、◆前記第一の画像信号を
入力とし、該第一の画像信号のヒストグラムに基づいて
前記読取条件及び／又は前記画像処理条件の仮決定条件
を出力とするヒストグラム解析手段と、◆前記第一の画
像信号を入力とし、前記ヒストグラム解析手段により仮
決定された読取条件及び／又は前記画像処理条件の仮決
定条件に必要な補正を施すための補正値を出力とするニ
ューラルネットワークと、◆前記ヒストグラム解析手段
の出力である前記仮条件に、前記ニューラルネットワー
クの出力である前記補正値を加算して前記読取条件及び
／又は前記画像処理条件を出力する加算手段とからなる
ことを特徴とするものである。

【００２５】また、本発明による第２の装置は、放射線
画像を表わす画像信号に基づいて、該画像信号に画像処
理を施す際の画像処理条件を求める放射線画像処理条件
決定装置において、◆前記画像信号を入力とし、該画像
信号のヒストグラムに基づいて前記画像処理条件の仮決
定条件を出力とするヒストグラム解析手段と、◆前記画
像信号を入力とし、前記ヒストグラム解析手段により仮
決定された前記画像処理条件の仮決定条件に必要な補正
を施すための補正値を出力とするニューラルネットワー
クと、◆前記ヒストグラム解析手段の出力である前記仮
条件に、前記ニューラルネットワークの出力である前記
補正値を加算して前記画像処理条件を出力する加算手段
とからなることを特徴とするものである。

【００２６】また本発明による第３の放射線画像読取条
件及び／又は画像処理条件決定装置は、前述した第３の
方法を実施するためのもので、◆前述した第３の方法を
実施する放射線画像読取条件及び／又は画像処理条件決
定装置において、◆放射線画像が記録された蓄積性蛍光
体シートに励起光を照射し該蓄積性蛍光体シートから発
せられた輝尽発光光を読み取って得られた前記放射線画
像を表わす第一の画像信号に基づいて、前記蓄積性蛍光
体シートに再度励起光を照射し該蓄積性蛍光体シートか
ら発せられた輝尽発光光を読み取って前記放射線画像を
表わす第二の画像信号を得る際の読取条件及び／又は得
られた前記第二の画像信号に画像処理を施す際の画像処
理条件を求める放射線画像読取条件及び／又は画像処理
条件決定装置において、◆前記第一の画像信号を入力と
し、該第一の画像信号のヒストグラムに基づいて前記読
取条件及び／又は前記画像処理条件の仮決定条件を出力
とするヒストグラム解析手段と、◆前記第一の画像信号
と前記仮決定条件とを入力とし、前記読取条件及び／又
は前記画像処理条件を出力とするニューラルネットワー
クとからなることを特徴とするものである。

【００２７】さらに本発明による第４の装置は、放射線
画像を表わす画像信号に基づいて、該画像信号に画像処
理を施す際の画像処理条件を求める放射線画像処理条件
決定装置において、◆前記画像信号を入力とし、該画像
信号のヒストグラムに基づいて前記画像処理条件の仮決
定条件を出力とするヒストグラム解析手段と、◆前記画
像信号と前記仮決定条件とを入力とし、前記画像処理条
件を出力とするニューラルネットワークとからなること
を特徴とするものである。

【００２８】本発明で利用するニューラルネットワーク
は、近年出現し、種々の分野に適用されつつあるもの
で、学習により所定の入力に対して期待する出力を出す
ように機能する一種のコンピュータネットワークであ
る。すなわちこのニューラルネットワークは、ある入力
信号を与えたときに出力された出力信号が正しい信号で
あるか誤った信号であるかという情報（教師信号）を入
力することにより、ニューラルネットワーク内部の各ユ
ニット間の結合の重み（シナプス結合のウェイト）を修
正するという誤差逆伝幡学習（バックプロパゲーショ
ン）機能を備えたもので、繰り返し‘学習’させること
により、新たな信号が入力されたときに正解を出力する
確率を高めることができるものである。

【００２９】このニューラルネットワークを用いると、
このニューラルネットワークのみによって、放射線画像
の画像データを入力として、前述の読取条件等の決定を
行なうことも可能であるが、本発明のひとつはニューラ
ルネットワーク出力を、前記ヒストグラム解析手段によ
り仮決定された読取条件及び／又は前記画像処理条件に
必要な補正のための補正値とし、この補正値により前記
ヒストグラム解析により仮に決定された読取条件等の補
正を行なって、前記読取条件及び／又は画像処理条件の
最終決定を行なうようにしたことを特徴とするものであ
る。

【００３０】本発明のもうひとつは、前記ヒストグラム
解析手段により仮決定された前記読取条件及び／又は画
像処理条件と、放射線画像の画像データとをニューラル
ネットワークに入力し、最終決定した前記読取条件及び
／又は画像処理条件をニューラルネットワークの出力と
することを特徴とするものである。

【００３１】したがって本発明で使用するニューラルネ
ットワークのひとつは、画像データを入力とし、必要な
補正値を出力とするものであり、もうひとつは画像デー
タと仮決定された読取条件及び／又は画像処理条件とを
入力とし、最終決定した読取条件及び／又は画像処理条
件を出力とするもので、そのため、必要な補正値あるい
は最終的な読取条件及び／又は画像処理条件を教師信号
として学習させることによって作られるものである。

【００３２】

【作用】本発明による放射線画像読取条件等の決定方法
のひとつは、ヒストグラム解析手段により仮決定された
読取条件等に必要な補正を施すための補正値を出力とす
るニューラルネットワークにより補正を行なって、読取
条件等の最終決定を行なうものであり、本発明による放
射線画像処理条件等の決定方法のもうひとつは、ヒスト
グラム解析手段により仮決定された読取条件等と、画像
信号とをニューラルネットワークに入力し、最終的な読
取条件等をニューラルネットワークより出力するもので
あるから、画像信号のヒストグラム解析のみでは生じる
おそれのある誤差を無くして信頼度の高い読取条件等を
決定することができる。

【００３３】

【実施例】以下、本発明の実施例について、図面を参照
して説明する。

【００３４】なお、ここでは前述した蓄積性蛍光体シー
トを用い、関心領域として人体の肩関節部が撮影された
Ｘ線画像を取り扱う例について説明する。

【００３５】図３は、Ｘ線撮影装置の一例の概略図であ
る。このＸ線撮影装置１のＸ線源２からＸ線３が人体４
の肩部4aに向けて照射され、人体４を透過したＸ線3aが
蓄積性蛍光体シート11に照射されることにより、人体の
肩部4aの透過Ｘ線画像が蓄積性蛍光体シート11に蓄積記
録される。

【００３６】図１(a) ，図１(b) は、上記のようにして
蓄積性蛍光体シート11上に蓄積記録された肩部Ｘ線画像
の一例を、模式的に表わした図である。

【００３７】次に、本発明の第１実施例による放射線画
像読取条件決定方法を適用したコンピュータシステムを
内包したＸ線画像読取装置の一例について詳細に説明す
る。

【００３８】図４は、Ｘ線画像読取装置の一例、および
本発明の第１実施例によるの放射線画像読取条件決定装
置を内包したコンピュータシステムの一例を示した斜視
図である。このシステムは前述した蓄積性蛍光体シート
を用い、先読みを行なうシステムである。

【００３９】図示しないＸ線撮影装置において、被写体
のＸ線画像が蓄積性蛍光体シートに蓄積記録される。こ
のＸ線画像が記録された蓄積性蛍光体シート11は、まず
弱い光ビームで走査してこのシート11に蓄積された放射
線エネルギーの一部のみを放出させて先読みを行なう先
読手段100 の所定位置にセットされる。この所定位置に
セットされた蓄積性蛍光体シート11は、モータ12により
駆動されるエンドレスベルト等のシート搬送手段13によ
り、矢印Ｙ方向に搬送（副走査）される。一方、レーザ
ー光源14から発せられた弱い光ビーム15はモータ23によ
り駆動され矢印方向に高速回転する回転多面鏡16によっ
て反射偏向され、ｆθレンズ等の集束レンズ17を通過し
た後、ミラー18により光路を変えて前記シート11に入射
し副走査の方向（矢印Ｙ方向）と略垂直な矢印Ｘ方向に
主走査する。この光ビーム15が照射されたシート11の箇
所からは、蓄積記録されている放射線画像情報に応じた
光量の輝尽発光光19が発散され、この輝尽発光光19は光
ガイド20によって導かれ、フォトマルチプライヤ（光電
子増倍管）21によって光電的に検出される。上記光ガイ
ド20はアクリル板等の導光性材料を成形して作られたも
のであり、直線状をなす入射端面20a が蓄積性蛍光体シ
ート11上の主走査線に沿って延びるように配され、円環
状に形成された出射端面20b に上記フォトマルチプライ
ヤ21の受光面が結合されている。上記入射端面20a から
光ガイド20内に入射した輝尽発光光19は、該光ガイド20
の内部を全反射を繰り返して進み、出射端面20b から出
射してフォトマルチプライヤ21に受光され、放射線画像
を表わす輝尽発光光19の光量がフォトマルチプライヤ21
によって電気信号に変換される。

【００４０】フォトマルチプライヤ21から出力されたア
ナログ出力信号Ｓは対数増幅器26で対数的に増幅され、
Ａ／Ｄ変換器27でディジタル化され、先読画像信号Ｓp
が得られる。この先読画像信号Ｓp の信号レベルは、シ
ート11の各画素から発せられた輝尽発光光の光量の対数
と比例している。

【００４１】上記先読みにおいては、蓄積性蛍光体シー
ト11に蓄積された放射線エネルギーの広い領域にわたっ
て読み取ることができるように、読取条件即ちフォトマ
ルチプライヤ21に印加する電圧値や対数増幅器26の増幅
率等が定められている。

【００４２】得られた先読画像信号Ｓp は、コンピュー
タシステム40に入力される。このコンピュータシステム
40は、本発明の放射線画像読取条件決定装置の一例を内
包するものであり、ＣＰＵおよび内部メモリが内蔵され
た本体部41，補助メモリとしてのフロッピィディスクが
挿入されドライブされるドライブ部42，オペレータがこ
のコンピュータシステム40に必要な指示等を入力するた
めのキーボード43，および必要な情報を表示するための
ＣＲＴディスプレイ44から構成されている。

【００４３】このコンピュータシステム40内では、入力
された先読画像信号Ｓp に基づいて必要に応じて分割パ
ターン及び照射野が認識され、次いでその先読画像信号
Ｓpに基づいてヒストグラムが求められ、このヒストグ
ラムに基づいてニューラルネットワークにより本読みの
際の読取条件、即ち本読みの際の感度Ｓk およびラチチ
ュードＧp が求められ、この求められた感度Ｓk ，ラチ
チュードＧp に従って、たとえばフォトマルチプライヤ
21′に印加する電圧値や対数増幅器26′の増幅率等が制
御される。

【００４４】ここでラチチュードＧp とは、本読みの際
に画像信号に変換される最も微弱な輝尽発光光に対する
最も強大な輝尽発光光の光量比に対応するものであり、
感度Ｓk とは所定の光量の輝尽発光光をどのレベルの画
像信号とするかを定める光電変換率をいう。

【００４５】先読みの終了した蓄積性蛍光体シート11′
は、本読手段100 ′の所定位置にセットされ、上記先読
みに使用した光ビームより強い光ビーム15′によりシー
ト11′が走査され、前述のようにして定められた読取条
件により画像信号が得られるが、本読手段100 ′の構成
は上記先読手段100 の構成と略同一であるため、先読手
段100 の各構成要素と対応する構成要素には先読手段10
0 で用いた番号にダッシュを付して示し、説明は省略す
る。

【００４６】Ａ／Ｄ変換器27′でディジタル化されるこ
とにより得られた画像信号Ｓ_Qは、再度コンピュータシ
ステム40に入力される。コンピュータシステム40内では
画像信号Ｓ_Qに適切な画像処理が施され、この画像処理
の施された画像信号は図示しない再生装置に送られ、再
生装置においてこの画像信号に基づくＸ線画像が再生表
示される。

【００４７】前記コンピュータシステム40では、先読画
像信号Ｓp に基づいて、ヒストグラム解析による読取り
条件等の仮決定と、ニューラルネットワークによる仮決
定条件の補正を行なって、前記読取条件の最終決定を行
なう。

【００４８】この、コンピュータシステム40により先読
画像信号Ｓp に基づいてヒストグラム解析による読取り
条件等の仮決定を行ない、次いでニューラルネットワー
クによる仮決定条件の補正を行なって、前記読取条件の
最終決定を行なう構成の基本的概念を図５にブロック図
で示す。

【００４９】すなわち本発明による読取条件決定装置の
基本的構成は、図５に示すように上記のような放射線画
像の読取条件決定装置において、画像信号50を入力と
し、該画像信号50のヒストグラムに基づいて読取条件の
仮決定条件を出力とするヒストグラム解析手段51と、前
記画像信号50を入力とし、前記ヒストグラム解析手段51
により仮決定された、読取条件の仮決定条件Ｓmax 、Ｓ
min に必要な補正を施すための補正値ΔＳmax 、ΔＳmi
n を出力とするニューラルネットワーク52と、前記ヒス
トグラム解析手段51の出力である仮決定条件Ｓmax 、Ｓ
min に、前記ニューラルネットワーク52の出力である前
記補正値ΔＳmax 、ΔＳmin を加算して前記読取条件の
Ｓmax'、Ｓmin'（Ｓmax'＝Ｓmax ＋ΔＳmax 、Ｓmin'＝
Ｓmin ＋ΔＳmin ）を出力する加算手段53とから構成さ
れている。そして、前記ヒストグラム解析手段51により
条件仮決定を行なうとともに、前記ニューラルネットワ
ーク52により前記仮決定された条件の補正を行なって、
前記読取条件の最終決定を行なう。

【００５０】上記第１の実施例では、前記読取条件とし
て、画像信号の最大値、最小値に相当するＳmax'、Ｓmi
n'を採用しているが、この読取条件は、感度とスケール
ファクターに対応するものであれば、他の値でもよいこ
とは言うまでもない。

【００５１】次に、本発明の第２実施例による放射線画
像読取条件決定方法を適用したコンピュータシステムを
内包したＸ線画像読取装置について説明するがＸ線画像
読取装置の一例および本発明の第２実施例による放射線
画像読取条件決定装置を内包したコンピュータシステム
の構成については前述した図４に示す本発明による第１
実施例と同一であるので詳細な説明は省略し、ここでは
先読画像信号Ｓp が図４におけるコンピュータシステム
40に入力された後のプロセスについて説明する。

【００５２】本発明の第２実施例によるコンピュータシ
ステム40では、先読画像信号Ｓp に基づいて、ヒストグ
ラム解析による読取条件等の仮決定と、この仮決定され
た読取条件等と先読画像信号Ｓp とに基づいてニューラ
ルネットワークにより読取条件等の最終決定を行う。

【００５３】このコンピュータシステム40により先読画
像信号Ｓp に基づいてヒストグラム解析による読取条件
等の仮決定を行ない、次いでこの仮決定された読取条件
等と先読信号Ｓp とに基づいてニューラルネットワーク
により前記読取条件の最終決定を行なう構成の基本的概
念を図６にブロック図で示す。

【００５４】すなわち本発明の第２実施例による読取条
件決定装置の基本的構成は、図６に示すように前述した
放射線画像の読取条件決定装置において、画像信号60を
入力とし、該画像信号60のヒストグラムに基づいて読取
条件の仮決定条件を出力とするヒストグラム解析手段61
と、前記画像信号60と前記ヒストグラム解析手段61によ
り仮決定された読取条件の仮決定条件Ｓk ′，Ｇp ′と
を入力とし、最終的な読取条件Ｓk ，Ｇp を出力とする
ニューラルネットワーク62とから構成されている。そし
て前記ヒストグラム解析手段61により仮決定を行ない、
前記画像信号60と前記仮決定条件Ｓk ′，Ｇp ′とに基
づいて、前記ニューラルネットワーク６２により前記読
取条件の最終決定を行なう。

【００５５】上記第２の実施例では、前記読取条件とし
て、画像信号の感度、コントラストに相当するＳｋ，
Ｇp を採用しているが、この読取条件は、感度とスケー
ルファクターに対応するものであれば、前述した第１の
実施例と同様に画像信号の最大値，最小値に相当する値
等、他の値でもよいことは言うまでもない。

【００５６】次に、ニューラルネットワークにおいて学
習を繰り返して、ヒストグラム解析により仮決定された
読取条件等を補正する補正値を出力する本発明の第１実
施例によるニューラルネットークの作り方、およびその
作用を説明する。

【００５７】図７は誤差逆伝播学習（バックプロパゲー
ション）機能を備えたニューラルネットワークの一例を
表した図である。誤差逆伝播学習（バックプロパゲーシ
ョン）とは、ニューラルネットワークに所定の機能を付
与するためのよく知られた学習方法で、ニューラルネッ
トワークの出力を正解（教師信号）と比べることによ
り、出力側から入力側に向かって順次結合の重み（シナ
プス結合のウェイト）を修正するというものである。

【００５８】図に示すように、このニューラルネットワ
ークの第１層（入力層）、第２層（中間層）、第３層
（出力層）はそれぞれｎ₁個，ｎ₂個、２個のユニット
から構成され、第１層（入力層）に入力される各信号Ｆ
₁，Ｆ₂，…，Ｆ_nはＸ線画像の各画素に対応する先読
画像信号Ｓp であり、第３層（出力層）からの２つの出
力Ｙ3,1 ，Ｙ3,2 はヒストグラム解析の結果を補正する
補正値に対応した信号である。第ｋ層のｉ番目のユニッ
トをＵk,i 、該ユニットＵk,i への各入力をＸk,i 、各
出力をＹk,i 、Ｕk,i からＵk+1,j への結合の重みをＷ
k,i;k+1,j とし、各ユニットＵk,j は同一の特性関数

【００５９】

【数１】

【００６０】を有するものとする。このとき、各ユニッ
トＵk,j の入力Ｘk,j 、出力Ｙk,j は、

【００６１】

【数２】

【００６２】

【数３】

【００６３】となる。ただし入力層を構成する各ユニッ
トＵ1,i(i ＝1,2,…，ｎ₁) への各入力Ｆ₁，Ｆ₂，
…，Ｆ_n1は重みづけされずにそのまま各ユニットＵ1,i
(i＝1,2,…，ｎ₁) に入力される。入力されたｎ₁個の
信号Ｆ₁，Ｆ₂，…，Ｆ_n1は、各結合の重みＷk,i;k+1,
j によって重み付けられながら最終的な出力Ｙ3,1 ，Ｙ
3,2 にまで伝達され、これによりヒストグラム解析の結
果を補正する補正値に対応した信号が求められる。

【００６４】ここで、上記各結合の重みＷk,i;k+1,j の
決定方法について説明する。先ず乱数により各結合の重
みＷk,i;k+1,j の初期値が与えられる。このとき、入力
Ｆ₁〜Ｆ_n1が最大に変動しても、出力Ｙ3,1 ，Ｙ3,2 が
所定範囲内の値またはこれに近い値となるように、その
乱数の範囲を制限しておくことが好ましい。

【００６５】最適な読取条件が既知ので肩関数５（図１
(a) ，図１(b) 参照）が記録された多数の蓄積性蛍光体
シートを、前述のようにして読み取って先読画像信号Ｓ
p を得、これにより上記ｎ₁個の入力Ｆ₁，Ｆ₂，…，
Ｆ_n1が求められる。本発明の特徴として、上記最適な読
取条件は、Ｘ線画像中で特に肩関節５の部分が最適な濃
度で示される条件とされ、これと異なるヒストグラム解
析の結果を補正する補正値に対応する値が出力されるよ
うにする。

【００６６】このｎ₁個の入力Ｆ₁，Ｆ₂，…，Ｆ_n1が
図７に示すニューラルネットワークに入力され、各ユニ
ットＵk,i の出力Ｙk,i がモニタされる。

【００６７】各出力Ｙk,i が求められると、最終的な出
力であるＹ3,1 ，Ｙ3,2 と、この画像に関し正しい補正
値としての教師信号（ΔＳmax “Ｙ3,1 ”およびΔＳmi
n “Ｙ3,2 ”）との二乗誤差

【００６８】

【数４】

【００６９】

【数５】

【００７０】が求められる。この二乗誤差Ｅ₁，Ｅ₂が
それぞれ最小となるように、以下のようにして各結合の
重みＷk,i;k+1,j が修正される。なお、以下Ｙ3,1 の出
力に関して延べＹ3,2についてはＹ3,1 と同様であるた
め、ここでは省略する。

【００７１】二乗誤差Ｅ₁を最小にするには、このＥ₁
はＷk,i;k+1,j の関数であるから

【００７２】

【数６】

【００７３】このように各結合の重みＷk,i;k+1,j が修
正される。ここでηは学習係数と呼ばれる係数である。

【００７４】ここで、

【００７５】

【数７】

【００７６】であり、(2) 式より

【００７７】

【数８】

【００７８】であるから、(7) 式は、

【００７９】

【数９】

【００８０】となる。

【００８１】ここで、（４）式より、

【００８２】

【数１０】

【００８３】(3) 式を用いてこの(10)式を変形すると、

【００８４】

【数１１】

【００８５】ここで、(1) 式より、

【００８６】

【数１２】

【００８７】であるから、

【００８８】

【数１３】

【００８９】となる。

【００９０】(9) 式においてｋ＝２と置き、(11)式、(1
3)式を(9) 式に代入すると、

【００９１】

【数１４】

【００９２】この(14)式を(6) 式に代入して、

【００９３】

【数１５】

【００９４】となる。この(15)式に従って、Ｗ2,i;3,1
(i=1,2,…，ｎ₁）の各結合の重みが修正される。

【００９５】次に、

【００９６】

【数１６】

【００９７】であるから、この(16)式に(2) 式、(3) 式
を代入して、

【００９８】

【数１７】

【００９９】ここで(12)式より、

【０１００】

【数１８】

【０１０１】であるから、この(18)式と、(11)式、(13)
式を(17)式に代入して、

【０１０２】

【数１９】

【０１０３】(9) 式においてｋ＝１と置き、(19)式を
(9)式に代入すると、

【０１０４】

【数２０】

【０１０５】この(20)式を(6) 式に代入すると、ｋ＝１
と置いて、

【０１０６】

【数２１】

【０１０７】となり、(15)式で修正されたＷ2,i;3,1(i=
1,2,…，ｎ₁）がこの(21)式に代入され、Ｗ1,i;2,j(i=
1,2,…，ｎ₁；j=1,2,…，ｎ₂）が修正される。

【０１０８】尚、理論的には(15)式、(21)式を用い、学
習係数ηを十分小さくとって学習回数を十分に多くする
ことにより、各結合の重みＷk,i;k+1,j を所定の値に集
束させ得るが、学習係数ηをあまり小さくすることは学
習の進みを遅くするため現実的ではない。一方学習係数
ηを大きくとると学習が振動してしまう（上記結合の重
みが所定の値に収束しない）ことがある。そこで実際に
は、結合の重みの修正量に次式のような慣性項を加えて
振動を抑え、学習係数ηはある程度大きな値に設定され
る。（例えば、D.E.Rumelhart,G.E.Hinton and R.J.Wil
liams:Learninginternal representations by error pr
opagation In Parallel Distributed Processing,Volum
e 1,J.L.McClelland,D.E.Rumelhart and The PDP Resea
rch Group,MIT Press,1986b」参照）

【０１０９】

【数２２】

【０１１０】ただしΔＷk,i;k+1,j （ｔ）は、ｔ回目の
学習における、修正後の結合重みＷk,i;k+1,j から修正
前の該結合の重みＷk,i;k+1,j を引いた修正量を表わ
す。また、αは、慣性項と呼ばれる係数である。

【０１１１】慣性項α、学習係数ηとしてたとえばα＝
0.9 、η＝0.25を用いて各結合の重みＷk,i;k+1,j の修
正（学習）をたとえば20万回行ない、その後は、各結合
の重みＷk,i;k+1,j は最終の値に固定される。この学習
の終了時には２つの出力Ｙ3,1 ，Ｙ3,2 は本読みのそれ
ぞれ感度、コントラストを適正に補正する（Ｘ線画像中
で、肩関節５の部分が所定の安定した濃度で再生さるよ
うになる）信号となる。勿論、補正が不要なときは補正
値０を出力する。

【０１１２】そこで学習が終了した後は、今度は本読み
の際の適正な読取条件を求めるため、Ｘ線画像を表わす
先読画像信号Ｓp が図７に示すニューラルネットワーク
に入力され、それにより得られた出力Ｙ3,1 ，Ｙ3,2
が、そのＸ線画像に対する本読みの読取条件のヒストグ
ラム解析による仮決定条件を補正する信号となる。この
信号は、上記のようにして学習を行なった後のものであ
るから、本読みの際の読取条件を精度良く補正するもの
である。

【０１１３】このようにして出力された補正値を、ヒス
トグラム解析による出力に加算器で加算して、最適な本
読みの読取条件を得る。

【０１１４】尚、上記ニューラルネットワークは３層構
造のものに限られるものではなく、さらに多層にしても
よいことはもちろんである。また各層のユニットの数
も、入力される先読画像信号Ｓp の画素の数、必要とす
る読取条件の精度等に応じた任意の数に設定し得るもの
である。

【０１１５】上記のようにしてニューラルネットワーク
により補正された読取条件に従って本読手段100 ′のフ
ォトマルチプライヤ21′に印加する電圧や増幅器26′の
増幅率等が制御され、この制御された条件に従って本読
みが行なわれる。

【０１１６】また、本発明の第２実施例によるニューラ
ルネットワークの作り方については、上述した本発明の
第１実施例によるニューラルネットワークの説明におい
て、入力される信号をＸ線画像の各画素に対応する先読
画像信号Ｓp とヒストグラム解析により得られた感度、
コントラストの仮決定条件とし、２つの出力Ｙ3,1 ，Ｙ
3,2 をそれぞれ最終的な読取条件の感度、コントラスト
としたものであるため詳細な説明は省略し、以下その作
用について述べる。

【０１１７】本発明の第２実施例によるニューラルネッ
トワークは学習終了後には、２つの出力Ｙ3,1 ，Ｙ3,2
は本読みのそれぞれ感度、コントラストを正しく表わす
（Ｘ線画像中で、肩関節５の部分が所定の安定した濃度
で再生されるようになる）信号となる。したがって本読
みの際の適正な読取条件を得るため、Ｘ線画像を表わす
先読画像信号Ｓp とヒストグラム解析による仮決定条件
とがニューラルネットワークに入力され、それにより得
られた出力Ｙ3,1 ，Ｙ3,2 がそのＸ線画像に対する本読
みの際の読取条件を表わす信号となる。

【０１１８】このようにして本発明の第２実施例のニュ
ーラルネットワークにより最適な本読みの読取条件を求
め、本発明の第１実施例と同様に、この読取条件に従っ
て図４における本読手段100 ′のフォトマルチプライヤ
21′に印加する電圧や増幅器26′の増幅率等が制御さ
れ、この制御された条件に従って本読みが行なわれる。

【０１１９】尚、上記第１，第２の実施例では、先読手
段100 と本読手段100 ′とが別々に構成されているが、
前述したように先読手段100 と本読手段100 ′の構成は
略同一であるため、先読手段100と本読手段100 ′とを
一体にして兼用してもよい。この場合、先読みを行なっ
た後、蓄積性蛍光体シート11を一回バックさせ、再度走
査して本読みを行なうようにすればよい。

【０１２０】先読手段と本読手段とを兼用した場合、先
読みの場合と本読みの場合とで光ビームの強度を切替え
る必要があるが、この切替えの方法としては、レーザー
光源からの光強度そのものを切替える方法等、種々の方
法を使用することができる。

【０１２１】また、上記第１，第２の実施例では、コン
ピュータシステム40で本読みの際の読取条件を求める方
法について説明したが、上記コンピュータシステム40に
より、画像信号Ｓ_Qに画像処理を施す際の画像処理条件
を求めることもできる。

【０１２２】すなわち、ヒストグラムとニューラルネッ
トワークを用いた上記コンピュータ40による読取条件決
定の方法を、画像信号に各種の画像処理を施すときの画
像処理条件決定に適用することもできる。この場合、本
読みの際は先読画像信号Ｓpにかかわらず所定の読取条
件で読み取ることとし、コンピュータシステム40では、
先読画像信号Ｓp に基づいて、画像処理条件を決定する
ようにしてもよく、また、コンピュータシステム40で上
記読取条件と画像処理条件の双方を決定するようにして
もよい。

【０１２３】さらに、上記第１，第２の実施例は、先読
みを行なう放射線画像読取方法に本発明を適用したもの
であるが、本発明は先読み無しで本読みに相当する読取
りを行なう放射線画像読取方法にも適用可能である。こ
の場合は、本発明の第１実施例の方法によれば適当な方
法で読み取られて得られた画像信号からヒストグラム解
析により画像処理条件を求め、これにニューラルネット
ワークを構成するコンピュータシステムで補正を加えて
適正な画像処理条件が求められる。また本発明の第２実
施例による方法によれば、適当な方法で読み取られて得
られた画像信号からヒストグラム解析により画像処理条
件を求め、この画像処理条件と、前記画像信号とからニ
ューラルネットワークにより適正な画像処理条件が求め
られる。

【０１２４】さらに、上記画像処理条件を決定する第
１，第２の実施例は、蓄積性蛍光体シートに記録された
画像を読み取ることを前提としているが、本発明は蓄積
性蛍光体シートに記録された放射線画像のみならず、そ
の他、従来のＸ線フイルムに記録された医用画像等の画
像を適宜の方法で読み取った信号に画像処理を施す場合
についても適用可能なこと勿論である。

【０１２５】こうして求められた最適な画像処理条件
は、画像処理装置に入力され、該画像処理装置におい
て、入力された画像信号に該最適な画像処理条件で、例
えば階調処理等の画像処理が施される。

【図面の簡単な説明】

【図１】肩関節部のＸ線画像を表わした説明図

【図２】上記図１に示されたＸ線画像を担持する画像信
号のヒストグラムの概略パターンを示すグラフ

【図３】Ｘ線撮影装置の一例の概略図

【図４】Ｘ線画像読取装置の一例、および本発明を実施
するコンピュータシステムの一例を示した斜視図

【図５】本発明の第１実施例による方法の基本的概念を
説明するブロック図

【図６】本発明の第２実施例による方法の基本的概念を
説明するブロック図

【図７】ニューラルネットワークの一例を表わした概略
図

【符号の説明】

１Ｘ線撮影装置２Ｘ線源５肩関節 11，11′ 蓄積性蛍光体シート 19，19′ 輝尽発光光 21，21′ フォトマルチプライヤ 26，26′ 対数増幅器 27，27′ Ａ／Ｄ変換器 40、200 、210 、220 コンピュータシステム 100 先読手段 100 ′ 本読手段 51，61 ヒストグラム解析手段 52，62 ニュラルネットワーク 53 加算器

Claims

(57)【特許請求の範囲】

【請求項１】放射線画像が記録された蓄積性蛍光体シ
ートに励起光を照射し該蓄積性蛍光体シートから発せら
れた輝尽発光光を読み取って得られた前記放射線画像を
表わす第一の画像信号に基づいて、前記蓄積性蛍光体シ
ートに再度励起光を照射し該蓄積性蛍光体シートから発
せられた輝尽発光光を読み取って前記放射線画像を表わ
す第二の画像信号を得る際の読取条件及び／又は得られ
た前記第二の画像信号に画像処理を施す際の画像処理条
件を求める放射線画像読取条件及び／又は画像処理条件
決定方法において、前記第一の画像信号を入力とし、該
第一の画像信号のヒストグラムに基づいて前記読取条件
及び／又は前記画像処理条件を出力とするヒストグラム
解析手段により条件仮決定を行なうとともに、前記第一
の画像信号を入力とし、前記ヒストグラム解析手段によ
り仮決定された読取条件及び／又は前記画像処理条件に
必要な補正を施すための補正値を出力とするニューラル
ネットワークにより前記仮決定された条件の補正を行な
って、前記読取条件及び／又は画像処理条件の最終決定
を行なうことを特徴とする放射線画像読取条件及び／又
は画像処理条件決定方法。
【請求項２】放射線画像が記録された蓄積性蛍光体シ
ートに励起光を照射し該蓄積性蛍光体シートから発せら
れた輝尽発光光を読み取って得られた前記放射線画像を
表わす第一の画像信号に基づいて、前記蓄積性蛍光体シ
ートに再度励起光を照射し該蓄積性蛍光体シートから発
せられた輝尽発光光を読み取って前記放射線画像を表わ
す第二の画像信号を得る際の読取条件及び／又は得られ
た前記第二の画像信号に画像処理を施す際の画像処理条
件を求める放射線画像読取条件及び／又は画像処理条件
決定装置において、前記第一の画像信号を入力とし、該
第一の画像信号のヒストグラムに基づいて前記読取条件
及び／又は前記画像処理条件の仮決定条件を出力とする
ヒストグラム解析手段と、前記第一の画像信号を入力と
し、前記ヒストグラム解析手段により仮決定された読取
条件及び／又は前記画像処理条件の仮決定条件に必要な
補正を施すための補正値を出力とするニューラルネット
ワークと、前記ヒストグラム解析手段の出力である前記
仮条件に、前記ニューラルネットワークの出力である前
記補正値を加算して前記読取条件及び／又は前記画像処
理条件を出力する加算手段とからなることを特徴とする
放射線画像読取条件及び／又は画像処理条件決定装置。
【請求項３】放射線画像を表わす画像信号に基づい
て、該画像信号に画像処理を施す際の画像処理条件を求
める放射線画像処理条件決定方法において、前記画像信
号を入力とし、該画像信号のヒストグラムに基づいて前
記画像処理条件を出力とするヒストグラム解析手段によ
り条件仮決定を行なうとともに、前記画像信号を入力と
し、前記ヒストグラム解析手段により仮決定された前記
画像処理条件に必要な補正を施すための補正値を出力と
するニューラルネットワークにより前記仮決定された条
件の補正を行なって、前記画像処理条件の最終決定を行
なうことを特徴とする放射線画像処理条件決定方法。
【請求項４】放射線画像を表わす画像信号に基づい
て、該画像信号に画像処理を施す際の画像処理条件を求
める放射線画像処理条件決定装置において、前記画像信
号を入力とし、該画像信号のヒストグラムに基づいて前
記画像処理条件の仮決定条件を出力とするヒストグラム
解析手段と、前記画像信号を入力とし、前記ヒストグラ
ム解析手段により仮決定された前記画像処理条件の仮決
定条件に必要な補正を施すための補正値を出力とするニ
ューラルネットワークと、前記ヒストグラム解析手段の
出力である前記仮条件に、前記ニューラルネットワーク
の出力である前記補正値を加算して前記画像処理条件を
出力する加算手段とからなることを特徴とする放射線画
像処理条件決定装置。
【請求項５】放射線画像が記録された蓄積性蛍光体シ
ートに励起光を照射し該蓄積性蛍光体シートから発せら
れた輝尽発光光を読み取って得られた前記放射線画像を
表わす第一の画像信号に基づいて、前記蓄積性蛍光体シ
ートに再度励起光を照射し該蓄積性蛍光体シートから発
せられた輝尽発光光を読み取って前記放射線画像を表わ
す第二の画像信号を得る際の読取条件及び／又は得られ
た前記第二の画像信号に画像処理を施す際の画像処理条
件を求める放射線画像読取条件及び／又は画像処理条件
決定方法において、前記第一の画像信号を入力とし、該
第一の画像信号のヒストグラムに基づいて前記読取条件
及び／又は前記画像処理条件を出力とするヒストグラム
解析手段により条件仮決定を行ない、前記第一の画像信
号と前記仮決定された条件とを入力とし、前記読取条件
及び／又は前記画像処理条件を出力とするニューラルネ
ットワークにより前記読取条件及び／又は画像処理条件
の最終決定を行なうことを特徴とする放射線画像読取条
件及び／又は画像処理条件決定方法。
【請求項６】放射線画像が記録された蓄積性蛍光体シ
ートに励起光を照射し該蓄積性蛍光体シートから発せら
れた輝尽発光光を読み取って得られた前記放射線画像を
表わす第一の画像信号に基づいて、前記蓄積性蛍光体シ
ートに再度励起光を照射し該蓄積性蛍光体シートから発
せられた輝尽発光光を読み取って前記放射線画像を表わ
す第二の画像信号を得る際の読取条件及び／又は得られ
た前記第二の画像信号に画像処理を施す際の画像処理条
件を求める放射線画像読取条件及び／又は画像処理条件
決定装置において、前記第一の画像信号を入力とし、該
第一の画像信号のヒストグラムに基づいて前記読取条件
及び／又は前記画像処理条件の仮決定条件を出力とする
ヒストグラム解析手段と、前記第一の画像信号と前記仮
決定条件とを入力とし、前記読取条件及び／又は前記画
像処理条件を出力とするニューラルネットワークとから
なることを特徴とする放射線画像読取条件及び／又は画
像処理条件決定装置。
【請求項７】放射線画像を表わす画像信号に基づい
て、該画像信号に画像処理を施す際の画像処理条件を求
める放射線画像処理条件決定方法において、前記画像信
号を入力とし、該画像信号のヒストグラムに基づいて前
記画像処理条件を出力とするヒストグラム解析手段によ
り条件仮決定を行い、前記画像信号と前記仮決定された
条件とを入力とし、前記画像処理条件を出力とするニュ
ーラルネットワークにより前記画像処理条件の最終決定
を行なうことを特徴とする放射線画像処理条件決定方
法。
【請求項８】放射線画像を表わす画像信号に基づい
て、該画像信号に画像処理を施す際の画像処理条件を求
める放射線画像処理条件決定装置において、前記画像信
号を入力とし、該画像信号のヒストグラムに基づいて前
記画像処理条件の仮決定条件を出力とするヒストグラム
解析手段と、前記画像信号と前記仮決定条件とを入力と
し、前記画像処理条件を出力とするニューラルネットワ
ークとからなることを特徴とする放射線画像処理条件決
定装置。