JP2852818B2 - 放射線照射野認識方法 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、放射線画像情報が記録
された記録シートから放射線画像情報を読み取る際に、
上記シートにおける放射線照射野を認識する方法に関
し、詳しくは放射線照射野認識の前処理に関するもので
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
データを得、この画像データ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（画像デ
ータ）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のでき
るシステムが開発されている（例えば特公昭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を一旦シート状の蓄積性蛍
光体に撮影記録し、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データを得、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
-104645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
で読み取って画像データを得る前に、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データを分析
し、その後、上記シートに上記先読みの際の光ビームよ
りも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、画像データを得る
本読みを行なうように構成されたシステムもある（特開
昭58-67240号，同58-67241号，同58-67242号等）。

【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
光ビームの強度の大／小、もしくは上記シートから発せ
られる輝尽発光光の強度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強度を上記波長感度で
重みづけした後の重みづけ強度の大／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、得られた画像デー
タ（先読画像データを含む）を分析し、画像データに画
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。この画像データに基づいて最適な
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デー
タを得るシステムにも適用されている。

【０００９】上記画像データ（先読画像データを含む）
を分析して最適な読取条件、画像処理条件を求める方法
は種々提案されているが、その方法の一つとして、画像
データのヒストグラムを作成する方法が知られている
（例えば、特開昭60-156055 号）。

【００１０】画像データのヒストグラムを求めることに
より、たとえば画像データの最大値，最小値や、頻度が
最大となる点の画像データの値等を知ることができ、こ
れらの各値から蓄積性蛍光体シート，Ｘ線フィルム等の
記録シートに記録された放射線画像の特徴を把握するこ
とができる。そこでこのヒストグラムに基づいて最適な
読取条件，画像処理条件を求めることにより、観察適正
のすぐれた放射線画像を再生出力することが可能とな
る。

【００１１】一方、記録シートに放射線画像を撮影記録
するに際しては、被写体の観察に必要の無い部分に放射
線を照射しないようにするため、あるいは観察に不要な
部分に放射線を照射するとその部分から観察に必要な部
分に散乱線が入り画質性能が低下するため、放射線が被
写体の必要な部分および記録シートの一部にのみ照射さ
れるように放射線の照射域を制限する照射野絞りを使用
して撮影を行なうことも多い。

【００１２】ところが、前述のようにして画像データを
分析して読取条件，画像処理条件を求めるにあたって、
分析に用いた画像データが、照射野絞りを用いて撮影し
た記録シートから得られた画像データである場合、この
照射野の存在を無視して画像データを分析しても撮影記
録された放射線画像が正しく把握されず、誤った読取条
件、画像処理条件が求められ観察適正の優れた放射線画
像が再生記録されない場合が生ずる。

【００１３】これを解決するためには、読取条件，画像
処理条件を求める前に、照射野を認識し、照射野内の画
像データに基づいて読取条件，画像処理条件を求める必
要がある。

【００１４】照射野を認識する方法には各種の方法があ
るが、そのうち、放射線照射野が不規則な形状をしてい
ても正確に照射野を認識することのできる汎用性のある
方法として、例えば、照射野内に含まれる所定の点とシ
ート端部とを結ぶ放射状の複数の線分上に沿った各画素
に対応する画像データに基づいて、照射野の輪郭上にあ
ると考えられる輪郭点を上記各線分について求め、これ
らの輪郭点に沿った線で囲まれる領域を照射野と認識す
る、円形照射野検出とも言える方法が、本出願人により
既に提案されている（特開昭63-259538 号）。

【００１５】また、これに類する改良された照射野認識
方法も各種提案されている。（特開平2-42436 号他)こ
れは、記録シート上の照射野内に含まれる所定の点と記
録シートの端部とを結ぶ放射状の複数の線分の各々につ
いて、これら各線分上の各画素にそれぞれ対応した画像
データに基づいて、これらの各線分毎に１つまたは複数
の記録シート上の照射野の輪郭と上記線分との交叉点と
考えられる輪郭候補点を候補順位とともに求め、各線分
上の輪郭候補点が記録シートの端部に近接した所定の周
辺範囲内とこの周辺範囲より内側の中央範囲内の双方に
存在し、かつ周辺範囲内に第１順位の輪郭候補点が存在
するときは中央範囲内にある輪郭候補点のうち最先順位
の輪郭候補点の候補順位を第１順位に繰りあげ、このよ
うにして定めた各線分毎の第１の順位の輪郭候補点に基
づいて、照射野を認識するようにして、被写体以外の異
物が被写体とともに撮影されていても照射野を正しく認
識できるようにしたものである。

【００１６】また、矩形の照射野の検出に適する照射野
認識の方法も、本出願人により既に提案されている（特
開昭61-39039号）。

【００１７】これは、照射野が矩形の場合において、該
矩形の隣接する２辺に沿ってＸ，Ｙ軸を選定し、照射野
絞り撮影が行なわれた全記録領域から読み取った画像情
報から該記録領域上の各位置における画像デ―タを求
め、この画像デ―タをＸ軸方向に微分してその微分値を
Ｙ軸方向に投影して矩形照射野輪郭のうちＹ軸方向に延
びる輪郭のＸ軸上の位置を決定し、同様に上記画像デ―
タをＹ軸方向に微分してその微分値をＸ軸方向に投影し
て矩形照射野輪郭のうちＸ軸方向に延びる輪郭のＹ軸上
の位置を決定し、これらのＸ，Ｙ軸方向に延びる輪郭に
よって囲まれた領域を照射野と認識する方法である。

【００１８】さらに、矩形照射野の輪郭がボケてある程
度の幅を有する場合においても照射野を適正に認識する
ことのできる照射野認識方法が、本出願人により既に提
案されている（特開昭64-11465号）。

【００１９】これは、記録媒体上に矩形の照射野絞りを
かけて放射線画像情報が記録されている場合の前記照射
野を認識する方法であって、前記記録媒体上に前記矩形
照射野の輪郭の隣り合う２辺に沿ってＸ軸とＹ軸とを設
定し、前記記録媒体から読み取った画像デ―タをＸ軸
（およびＹ軸）方向に微分処理し、該処理によって得ら
れた微分値の絶対値が所定のしきい値以上の位置を２本
のＹ軸（およびＸ軸）方向照射野輪郭を担う輪郭候補点
として抽出し、この輪郭候補点をＹ軸（およびＸ軸）方
向に投影し、その投影結果から上記２本のＹ軸（および
Ｘ軸）方向照射野輪郭についてそれぞれを担う輪郭候補
点のＸ軸（およびＹ軸）方向のひろがりを求め、この各
ひろがりからそれぞれに対応するＹ軸（およびＸ軸）方
向照射野輪郭のＸ軸（およびＹ軸）上の位置を決定し、
前記各位置が決定されたＸ軸およびＹ軸方向照射野輪郭
によって囲まれた領域を照射野と認識することを特徴と
する照射野認識方法である。

【００２０】また、本出願人は他にも多くの照射野認識
方法を提案している。（特開昭62-15536、同62-15537、
同62-15539号公報等）このような照射野認識方法によ
り、まず照射野を求め、その後求められた照射野内に対
応する画像データを分析することにより、適切な読取条
件，画像処理条件が求められる。

【００２１】

【発明が解決しようとする課題】しかし、上記多数の照
射野認識方法のいずれにおいても、放射線照射野の輪郭
がボケていわゆるエッジボケをおこしている場合には照
射野を正確に認識することが困難となる場合がある。

【００２２】また、マスクにより照射野絞りをかけてい
ても、放射線の散乱線がマスク側に回り込んで記録シー
トの照射野外に照射され、これにより記録シートの照射
野外領域がいわゆる濃度カブリをおこしていることがあ
り、このような現象が生じている場合にも前述した照射
野認識方法において照射野の認識を正確に行なうことが
困難な場合がある。

【００２３】本発明はこのような事情に鑑み、放射線照
射野がエッジボケをおこしていたり、照射野外散乱によ
り濃度カブリをおこしている場合においても放射線照射
野の輪郭を容易に検出することのできる放射線照射野認
識方法を提供することを目的とするものである。

【００２４】

【課題を解決するための手段】本発明の放射線照射野認
識方法は、放射線画像の照射野認識の前処理として、放
射線画像の照射野のエッジ境界内外の濃度差を大きくす
るよう放射線画像信号に画像フィルタリング処理を施す
ことを特徴とするものである。

【００２５】すなわち、照射野絞りをかけて放射線が照
射されて放射線画像情報が記録された記録シートから該
放射線画像情報を担う画像信号を得、該画像信号に基づ
いて前記記録シート上に形成された放射線画像の照射野
を認識する放射線照射野認識方法において、前記放射線
画像の照射野を認識する前に、前記記録シート上に形成
された放射線画像の照射野のエッジ境界内外の濃度差を
大きくするよう前記画像信号に画像フィルタリング処理
を施すことを特徴とするものである。

【００２６】上述した放射線画像の照射野のエッジ境界
内外の濃度差を大きくするとはこのエッジをシャープに
することを意味する。

【００２７】また、上述した画像フィルタリング処理は
ニューラルネットワークを用いたフィルタ、あるいは一
般的なデジタルフィルタを用いて行なうことができる。

【００２８】ここで、ニューラルネットワークとは、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あり、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（例え
ば、「D.E.Rumelhart,G.E.Hinton and R.J.Williams:Le
arning representations by back-propagating errors,
Nature,323-9,533-356,1986a」，「麻生英樹：バックプ
ロパゲーションComputrol No.24 53-60」，「合原一幸
著 ニューラルコンピュータ東京電機大学出版局」参
照）。

【００２９】

【作用および効果】本発明の放射線照射野認識方法によ
れば、放射線画像の照射野認識の前処理として画像信号
に対する画像フィルタリング処理を行なって、記録シー
ト上に形成された放射線画像の照射野エッジ境界内外の
濃度差を拡大した画像に変換しており、これにより照射
野を認識する際に、この照射野エッジ境界内外の濃度差
が拡大された画像信号に基づき照射野を検出できるの
で、照射野の輪郭がボケていわゆるエッジボケをおこし
ている場合や、記録シートの照射野外領域がいわゆる濃
度カブリをおこしている場合においても適確な照射野検
出を容易に行なうことができ、照射野検出の精度を向上
させることができる。

【００３０】

【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。

【００３１】図１は本発明の放射線照射野認識方法の一
例を使用した、放射線画像読取再生装置の一実施例の斜
視図である。この放射線画像読取再生装置は前述した蓄
積性蛍光体シートを用いる装置である。

【００３２】放射線画像が記録された蓄積性蛍光体シー
ト１は、読取手段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１は、図示
しない駆動手段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15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16から発せられた光ビーム
17はモータ24により駆動され矢印方向に高速回転する回
転多面鏡18によって反射偏向され、ｆθレンズ等の集束
レンズ19を通過した後、ミラー20により光路を変えて前
記シート１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。光ビーム17が照射された
シート１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21が発散され、この輝尽
発光光21は光ガイド22によって導かれ、フォトマルチプ
ライヤ（光電子増倍管）23によって光電的に検出され
る。上記光ガイド22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22aが
蓄積性蛍光体シート１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22b にフォトマ
ルチプライヤ23の受光面が結合されている。入射端面22
a から光ガイド22内に入射した輝尽発光光21は、光ガイ
ド22の内部を全反射を繰り返して進み、出射端面22b か
ら出射してフォトマルチプライヤ23に受光され、放射線
画像を表わす輝尽発光光21の光量がフォトマルチプライ
ヤ23によって電気信号に変換される。

【００３３】フォトマルチプライヤ23から出力されたア
ナログ出力信号Ｓはログアンプ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、上記放射線画像の
各画素に対応する画像データＳ_Q が得られる。

【００３４】得られた画像データＳ_Q はフィルタ手段28
に入力され、照射野の境界内外の濃度差を拡大する画像
フィルタリング処理をうける。このフィルタ手段28はニ
ューラルネットワークを用いてフィルタリング処理を行
なうもので、このフィルタ手段28により照射野のエッジ
を強調された画像データＳ_Q はこの後、照射野演算手段
29に入力される。

【００３５】照射野演算手段29では、互いに種類の異な
る多数の照射野認識方法により、照射野の輪郭の候補を
多種求める。この多種求められた照射野の輪郭の候補に
関するデータは照射野決定手段30に送られ、ここで、こ
れら多種の輪郭の候補に基づいて、信頼度の高い照射野
が決定される。

【００３６】このようにして照射野が認識されると、こ
の照射野に対応する画像データＳ_Q が画像処理手段31に
送られ、ここで適切な画像処理が施される。

【００３７】画像処理の施された画像データＳ_Q は再生
手段32に送られ、再生手段32ではこの画像データＳ_Q に
基づく放射線画像が再生記録される。

【００３８】ここで、上記フィルタ手段28において画像
データＳ_Q に対して行なわれる画像フィルタリング処理
についてさらに説明する。

【００３９】このフィルタ手段28は上述したようにニュ
ーラルネットワークを用いたフィルタであって、画像デ
ータＳ_Q 中から例えば７画素×７画素のブロックとして
取り出された画素群が入力データとして与えられ、この
画素群の中心画素に対応する変換画素データを出力デー
タとして出力する。すなわち、着目画素の回りに位置す
る画素群をニューラルネットに入力すると、この画素群
に含まれる各画素の濃度に基づき、着目画素が照射野内
である場合と照射野外である場合とでは濃度差が大きく
なるように濃度変換された、着目画素に対応する画像デ
ータが１つ出力される。

【００４０】このようにニューラルネットによる１回の
処理により出力される変換データは着目画素に対応する
１画素についてのデータであるから、次の処理において
は上記画像データＳ_Q 中で前の処理時に取り出されたブ
ロックに対して１画素分だけずらした例えば７画素×７
画素のブロックが入力データとして上記フィルタ手段28
に入力されることとなり、結局このような処理が画素数
分だけ繰り返されて原画像データＳ_Q の画像フィルタリ
ング処理が終了する。

【００４１】ここで上記フィルタ手段28を構成するニュ
ーラルネットワークの学習機能について説明する。

【００４２】図２はニューラルネットワークの基本的概
念を示すブロック図である。本発明の実施例においては
入力部41で画像データＳ_Q のうち、着目画素を中心とす
る７×７個の周辺画素のデータを入力とし、演算部42で
求めた値を出力部43からこの着目画素に対応する濃度変
換された画像データとして出力するようにしている。こ
のニューラルネットワークに学習をさせる場合に出力部
43が誤った値を出力した場合には、修正入力部44から出
力された修正値に基づいて再学習を行い(45)、この再学
習により求めた値が演算部42に与えられ、これにより演
算部42ではより正しい値が求められることとなる。

【００４３】図３は上記フィルタ手段28を構成する誤差
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わした図である。誤差
逆伝播学習（バックプロパゲーション）とは、前述した
ように、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。

【００４４】この場合の教師信号としては、照射野のエ
ッジボケがなく照射野外散乱もない画像について予め求
めておいた放射線画像信号、例えば照射野認識が正確に
行なわれた画像信号に対し、照射野外濃度を低下させた
画像を用いる。

【００４５】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，１個のユニット
（ニューロン）から構成される。第１層（入力層）に入
力される各信号Ｆ₁ ，Ｆ₂ ，……，Ｆ_n1は画像データＳ
_Q のうち着目画素を中心とする７×７画素各々に対応す
る画素信号であり、第３層（出力層）からの出力Ｙ3,1
はこの着目画素に対応する濃度変換をうけた画素信号で
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Ｗk,i;k+1,j とし、各ユニ
ットＵk,j は同一の特性関数

【００４６】

【数１】

【００４７】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、

【００４８】

【数２】

【００４９】

【数３】

【００５０】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 にま
で伝達され、これにより着目画素に対応する濃度変換さ
れた画素が求められる。

【００５１】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 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。

【００５２】画像データＳ_Q の全画素の濃度が前述した
ようにして読み取られ、上記ｎ₁ 個の入力Ｆ₁ ，Ｆ₂ ，
…，Ｆ_n1が求められる。このｎ₁ 個の入力Ｆ₁ ，Ｆ₂ ，
…，Ｆ_n1が図３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。

【００５３】各出力Ｙk,i が求められると、最終的な出
力であるＹ3,1 と、正しい濃度値を示す教師信号ｄとの
二乗誤差

【００５４】

【数４】

【００５５】が求められる。この二乗誤差Ｅが最小とな
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。

【００５６】二乗誤差Ｅを最小にするには、このＥはＷ
k,i;k+1,j の関数であるから

【００５７】

【数５】

【００５８】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。

【００５９】ここで、

【００６０】

【数６】

【００６１】であり、(2) 式より

【００６２】

【数７】

【００６３】であるから、(6) 式は、

【００６４】

【数８】

【００６５】となる。

【００６６】ここで、(4) 式より、

【００６７】

【数９】

【００６８】(3) 式を用いてこの(9) 式を変形すると、

【００６９】

【数１０】

【００７０】ここで、(1) 式より、

【００７１】

【数１１】

【００７２】であるから、

【００７３】

【数１２】

【００７４】となる。

【００７５】(8) 式においてｋ＝２と置き、(10)式、(1
1)式を(8) 式に代入すると、

【００７６】

【数１３】

【００７７】この(13)式を(5) 式に代入して、

【００７８】

【数１４】

【００７９】となる。この(14)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。

【００８０】次に、

【００８１】

【数１５】

【００８２】であるから、この(15)式に(2) 式、(3) 式
を代入して、

【００８３】

【数１６】

【００８４】ここで(11)式より、

【００８５】

【数１７】

【００８６】であるから、この(17)式と、(10)式、(12)
式を(16)式に代入して、

【００８７】

【数１８】

【００８８】(8) 式においてｋ＝１と置き、(18)式を
(8)式に代入すると、

【００８９】

【数１９】

【００９０】この(19)式を(5) 式に代入すると、ｋ＝１
と置いて、

【００９１】

【数２０】

【００９２】となり、(14)式で修正されたＷ2,i;3,1(i=
1,2,…，ｎ₁ ）がこの(20)式に代入され、Ｗ1,i;2,j(i=
1,2,…，ｎ₁ ；j=1,2,…，ｎ₂ ）が修正される。

【００９３】尚、理論的には(14)式、(20)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）

【００９４】

【数２１】

【００９５】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。

【００９６】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。なお、こ
こでは、このニューラルネットワークを用いた画像フィ
ルタリング処理を行なった後照射野を求める照射野認識
装置が内包されたシステムがユーザーに設置された後、
以下に述べるようにして学習を継続するため、ここでい
う最終の値とは、例えばユーザーにおける初期の立ち上
げの段階の最終値をいう。この学習の終了時には、出力
Ｙ3,1 は照射野認識が容易に行ない得る、照射野のエッ
ジ境界内外で濃度が大きく異なる信号となる。

【００９７】なお、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。また各層のユットの数
も、上記実施例における数に限定されるものではなく、
入力される画像データの各ブロックの画素数等に応じた
任意の数のユニットで各層を構成し得ることももちろん
である。

【００９８】上記フィルタリング手段28により画像フィ
ルタリング処理を施され、照射野エッジ内外の濃度差を
大とされた画像データＳ_Q はこの後照射野演算手段29、
さらに照射野決定手段30に入力されその照射野の認識が
高精度で行なわれる。

【００９９】また、上記ニューラルネットワークを用い
たフィルタにおいては、学習係数ηを２バイト（16ビッ
ト）の範囲に設定することで、係数演算のオーバーフロ
ーを防止しつつメモリ容量の効率化を図っている。

【０１００】すなわち、学習係数ηは絶対値で30程度ま
での数を選択できるようにしておけば充分であり、一方
バックプロパゲーションの演算において、学習係数ηの
乗算が行なわれるが、この乗算結果が、フロート演算に
よらなくてもよいLong演算（４バイト演算）を用いて行
ない得る範囲の数となるようにしたいという要望があ
る。

【０１０１】そこで、上記実施例では学習係数ηを２バ
イト（±２¹⁵）で設定して−32.767〜＋32.767の範囲の
数を選択できるようにし、係数演算時にはこの学習係数
ηを10³ 倍して整数値として処理し、Long演算（４バイ
ト演算）の範囲で係数演算を行ない得るようにしてい
る。

【０１０２】これにより係数演算のオーバフローを防止
しつつメモリ容量の効率化を図ることができ、演算時間
の短縮化および回路構成の縮小化を図ることができる。

【０１０３】上記実施例においてはニューラルネットワ
ークを用いたフィルタを用いて画像フィルタリング処理
を行なっているが、このようなニューラルネットワーク
を用いたフィルタに替えて以下に示すような一般的なデ
ジタルフィルタを用いて画像フィルタリング処理を行な
っても、上記実施例と同様に照射野エッジの強調および
照射野外散乱の除去を行なうことができる。

【０１０４】このような一般的なデジタルフィルタの第
１の例は、

【０１０５】

【数２２】

【０１０６】によって表わされる。

【０１０７】ここでＱijはフィルタからの出力信号値で
あり、各画素の濃度値である。Ｓijはフィルタへの入力
信号値である。αは所定の濃度値（＞０）であり、例え
ば10QL（カンタムレベル）とする。

【０１０８】また、Ｓusはフィルタマスク内濃度平均値
であり、

【０１０９】

【数２３】

【０１１０】で表わされる。Ｎ² はマスク内の画素数で
ある。したがって例えばこのマスクが７画素×７画素分
の面積を有しているとき、上記ＳusはΣＳij／49とな
る。

【０１１１】さらに、ＴhQL はエッジ内外のいずれであ
るかを判断するための濃度しきい値であり、例えば100Q
L （カンタムレベル）あるいは150QL （カンタムレベ
ル）等の所定の定数とされる。

【０１１２】この第１の例のフィルタはＳusがＴhQL 以
上であるときはフィルタヘの入力信号値Ｓijをそのまま
出力信号値Ｑijとし、ＳusがＴhQL より小さいときは、
入力信号値Ｓijから一定の濃度値αを引いた値を出力信
号値Ｑijとするように機能するものである。

【０１１３】すなわち、着目画素の周辺画素が平均的に
低濃度レベルであるときは、この着目画素が照射野外領
域にあると仮定し、特に照射野外散乱の影響を除去する
ためにこの照射野外領域の濃度を一定レベル下げるよう
に機能する。

【０１１４】なお、上記フィルタからの出力信号値Ｑij
に対しボケマスク処理（β処理）を施すようにすればさ
らに照射野エッジを強調できるので好ましい。

【０１１５】次に、一般的なデジタルフィルタの第２の
例は、

【０１１６】

【数２４】

【０１１７】により表わされる。

【０１１８】ここでβはエッジ強調度合を表わす定数で
ある。

【０１１９】また、ｆ（Ｓij) は

【０１２０】

【数２５】

【０１２１】で表わされる。

【０１２２】なお、上記Ｓij，Ｓus，αおよびＴhQL に
ついては上記第１の例と同様に定義される。

【０１２３】この第２の例のフィルタも上記第１の例の
フィルタと同様に、照射野外領域の濃度が低レベルであ
ることを前提としているものであるが、この出力信号値
Ｑijは第１の例のフィルタからの出力信号値Ｑijに対
し、エッジ強調を施すための値であるβ・（Ｓij−Ｓu
s）が加算されており、照射野外散乱の影響を除去する
ばかりでなくエッジ部分の強調が確実になされるように
なっている。

【０１２４】次に、一般的なデジタルフィルタの第３の
例は上記第２の例と略同様の式で表わされるが、関数ｆ
（Ｓij) については(25)式に代えて、

【０１２５】

【数２６】

【０１２６】が用いられる。

【０１２７】ここで、Ｓus分散とはフィルタマスク内の
濃度の分散を表わす値である。

【０１２８】上記第２の例のフィルタはＳusをしきい値
と比較し、その比較結果に基づいてｆ（Ｓij) の値を定
めているのに対し、この第３の例のフィルタはＳus分散
をしきい値と比較し、その比較結果に基づいてｆ（Ｓi
j) の値を定めている。すなわち、上記第２の例のフィ
ルタが照射野外領域は着目画素の周辺濃度が低レベルで
あることを前提として構成されているのに対し、この第
３の例のフィルタは照射野外領域は着目画素の周辺濃度
の変化が小さいことを前提として構成されている。

【０１２９】次に、一般的なデジタルフィルタの第４の
例は上記第２の例あるいは第３の例を表わす式におい
て、エッジ強調度合を表わす係数βが定数ではなく下記
に示す所定の変数とされている。

【０１３０】

【数２７】

【０１３１】すなわち、この第４の例のフィルタでは、
エッジ強調度合を表わす係数βを変数とすることが照射
野エッジのような濃度変化が大きい位置でさらに大きい
エッジ強調を与えるようにしている。

【０１３２】以上に説明した一般的なデジタルフィルタ
からなるフィルタ手段により画像フィルタリング処理を
施されて、照射野エッジ境界内外の濃度差を大とされた
画像データＳ_Q はこの後照射野演算手段29、さらに照射
野決定手段30に入力されその照射野の認識が高精度で行
なわれる。

【０１３３】また、上述したニューラルネットワークを
用いたフィルタおよび一般的なデジタルフィルタのいず
れにおいても、記録シート１から読み取られた画像デー
タＳ_Q の各画素のうち数画素おきにフィルタリング処理
を施すことも可能である。例えば、図４に示すような斜
線を施した各画素に対応する画像信号のみを取り出して
フィルタ手段に入力してもよい。これによりこれらのフ
ィルタ手段においてなされる演算回数の減少を図ること
ができる。

【０１３４】この間引かれて取り除かれた画素に対して
フィルタリング処理を施した後、フィルタリング処理が
行なわれなかった画素に対して１次補間処理を施し、画
像データＳ_Q の全画素について濃度変換値を算出する。

【０１３５】すなわち、n 番目の画素とn+2 番目の画素
についてフィルタリング処理が施され、n 番目の画素の
処理前の濃度値がｘ_n、処理後の濃度値がｙ_n 、n+2 番
目の画素の処理前の濃度値がｘ_n+2 、処理後の濃度値が
ｙ_n+2 であるとすると、n+1番目の画素の処理後の濃度
値ｙ_n+1 は、

【０１３６】

【数２８】

【０１３７】で表わされる。

【０１３８】なお、本発明方法においてフィルタリング
処理を行なうフィルタとしては上述した実施例のものに
限られるものではなく、照射野認識部の前段において画
像信号の照射野のエッジ境界内外の濃度差を拡大するよ
うな画像フィルタリング処理を行なうことができ、その
後の照射野検出を容易とし得るフィルタであればどの様
な構成のものであってもよい。すなわち、上記実施例に
おいて示されるフィルタはニューラルネットワークを用
いたフィルタの１例および一般的なデジタルフィルタの
数例を示すもので、他の構成のニューラルネットワーク
を用いたフィルタや一般的デジタルフィルタによっても
本発明方法の画像フィルタリング処理を行なうことがで
きるのはもちろんである。

【０１３９】なお、上記実施例では読取手段100 が先読
みおよび本読み両者兼用とされているが、先読用の読取
手段と本読用の読取手段を別々に構成することも可能で
ある。

【０１４０】なお、本発明は、蓄積性蛍光体シートを用
いる装置のほか、従来のＸ線フイルムを用いる装置等に
も用いることができる。すなわち、本発明の放射線照射
野認識方法は、被写体の放射線画像が記録された記録シ
ートから放射線画像を読み取って画像データを得、この
画像データに基づいて放射線画像を再生出力する放射線
画像読取再生装置一般に広く適用することができる。

【図面の簡単な説明】

【図１】本発明の放射線照射野認識方法の一実施例を実
施するための、放射線画像読取再生装置の一例を示す斜
視図

【図２】ニューラルネットワークの基本的概念を表わす
ブロック図

【図３】図１に示す装置においてフィルタ手段として採
用されるニューラルネットワークの一例を表わす図

【図４】放射線画像の間引かられ画素を模式的に表わす
図

【符号の説明】

１ 蓄積性蛍光体シート 21 輝尽発光光 23 フォトマルチプライヤ 26 ログアンプ 27 Ａ／Ｄ変換器 28 フィルタ手段 29 照射野演算手段 30 照射野決定手段 31 画像処理手段 32 再生手段

Claims (3)

(57)【特許請求の範囲】
1. 【請求項１】 照射野絞りをかけて放射線が照射されて
   放射線画像情報が記録された記録シートから該放射線画
   像情報を担う画像信号を得、該画像信号に基づいて前記
   記録シート上に形成された放射線画像の照射野を認識す
   る放射線照射野認識方法において、前記放射線画像の照
   射野を認識する前に、前記記録シート上に形成された放
   射線画像の照射野のエッジ境界内外の濃度差を大きくす
   るよう前記画像信号に画像フィルタリング処理を施すこ
   とを特徴とする放射線照射野認識方法。
2. 【請求項２】 前記画像フィルタリング処理がニューラ
   ルネットワークを用いたフィルタにより行なわれること
   を特徴とする請求項１記載の放射線照射野認識方法。
3. 【請求項３】 前記画像フィルタリング処理がデジタル
   フィルタにより行なわれることを特徴とする請求項１記
   載の放射線照射野認識方法。