JP2937390B2

JP2937390B2 - 画像変換方法

Info

Publication number: JP2937390B2
Application number: JP2066696A
Authority: JP
Inventors: 昭南大橋
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 1990-03-16
Filing date: 1990-03-16
Publication date: 1999-08-23
Anticipated expiration: 2014-08-23
Also published as: JPH03266189A

Description

【発明の詳細な説明】［発明の目的］（産業上の利用分野）本発明は、ディジタル化された画像データの画素値を
標準化するための画像変換方法に関する。

（従来の技術）従来より例えば医用画像を表示する場合、画像メモリ
にディジタルで記録された画像データを読み出し、この
各画像データを階調変換して表示する装置、例えばモニ
タに表示するようにしていた。この場合、画像を見易く
表示するために、術者が表示された画像を見ながら表示
画像ごとにスイッチを操作して、階調変換に関するパラ
メータとしてのウィンドウレベル（以下WLという。）ウ
ィンドウワイズ（以下WWという。）（以下WL、WWを併せ
てウィンドウという。）の値を調整し、最適な表示画像
を表示させていた。

また自動的にウィンドウを設定する方法としては、撮
影条件、例えばMRI（マグネティック・レゾナンス・イ
メージング）装置における撮影条件ごとに、予め前記ウ
ィンドウをプリセットしておき、これを読み出して前記
撮影条件に合わせてウィンドウをセットする方法もあ
る。

さらには、前記ウィンドウを自動的に設定して階調変
換する技術に関して、例えば画像表示装置（特開昭63-8
4526）が既に知られている。

この画像表示装置は、画像表示メモリへ記録する画像
データから抽出した画素値に対するヒストグラムを第11
図（ａ）に示すように作成し、このヒストグラムの最大
値Hmaxに対して定められたスレッシュホールドレベルTh
により前記ヒストグラム上の最小値W1及び最大値Whを求
め、これにより第11図（ｂ）に示すように画像表示のウ
ィンドウワイズＷとウィンドウレベルＬを定めて階調変
換テーブルデータを作成するようにしたものである。

しかしながら、上記従来の画像表示装置のウィンドウ
の自動設定にあっては、次のような問題がある。すなわ
ち公知技術では、単にヒストグラムのスレッシュホール
ドレベルThのみでウィンドウ・レベルＬおよびウィンド
ウ・ワイズＷを設定しているため、人間が設定したウィ
ンドウと一致しない場合が多々あった。このため観察に
適したウィンドウが設定できない場合には、操作者はこ
のウィンドウを観察に適合したウィンドウにいちいち再
設定しなければならず、操作者の負担になっていた。

さらには、前記ウィンドウを自動的に設定して階調変
換する技術に関して、例えば既に同一出願人が出願した
特願平１−186189がある。

しかし、これらはいずれも表示ウィンドウに関するも
のであり、MRI値（画素値）を基準化するものではな
い。

（発明が解決しようとする課題）一方、Ｘ線−CT（コンピュータ・トモグラフィー）装
置にあっては、あらかじめ基準物質を撮影し、計算機に
より前記基準物質が予め決められた画素値になるように
計算を行なっている。

しかしながら、前記MRI装置にあっては、撮影する被
写体により信号強度が大きく変化してしまうため、基準
物質を決定することが困難であった。このため、従来で
はMRIの画素値を基準化できなかったことから、MRI画像
を表示する場合には、画像に合わせて表示ウィンドウを
いちいち設定しなければならず観察者の作業負担になっ
ていた。

そこで本発明の目的は、MRI画像の画素値が略同一範
囲になるように画素値を変換することにより、画像を表
示する際のウィンドウの設定操作を簡単化して、操作者
の負担を軽減できる画素値を変換方法を提供することに
ある。

［発明の構成］（課題を解決する為の手段）本発明による画像変換方法は、第１のディジタル画像
データの各画素値を所定のパラメータに基づいてコント
ラストスケールを変換して第２のディジタル画像データ
を求め、第２のディジタル画像データの各画素値を、所
定範囲内の画素値のみが連続的に変化する明るさ値に変
換されるように、明るさ値に変換して、画像を表示する
画像変換方法において、第１のディジタル画像データか
ら画素値のヒストグラムを求め、前記ヒストグラム中の
複数のデータに基づいて表示画像の見易さを示す画像度
を求め、前記所定範囲を変えた時の画像度の変化に基づ
いて前記所定範囲の最適値を求め、前記最適な所定範囲
で第２のディジタル画像データを明るさ値に変換する場
合の明るさ値の範囲が所望の範囲となるように前記コン
トラストスケールの変換のパラメータを決定し、決定さ
れたパラメータに従って第１のディジタル画像をコント
ラストスケール変換して、さらに明るさ値に変換するこ
とにより画像を表示するものである。

最大の画像度が得られるような範囲を前記所定範囲の
最適値として求められる。

前記画像度は、ヒストグラムから表示画像の明るさに
関する第１データ、表示画像のコントラストに関する第
２データ、および明るさのバランスに関する第３データ
に基づいて求められる。

前記第１データは頻度が最も高い画素値の明るさとヒ
ストグラム上で体外と体内との境界にある画素値の明る
さを含み、前記第２データはヒストグラム上の表示明る
さ範囲の中間の明るさ部分の面積データと最大明るさ部
分の面積データとを含み、前記第３データはヒストグラ
ム上の前記中間明るさより明るい部分の面積と暗い部分
の面積の比データを含むものである。

前記画像度は１枚の画像内の各部分毎の見易さを示す
画像度として求められる。

前記各部分はヒストグラムの各ピーク頻度に対応する
部分である。

前記所定範囲はウィンドウ幅とウィンドウレベルから
定義されるものである。

（作用）このような手段を講じたことにより、次のような作用
を呈する。例えばMRI値の範囲のうち重要な範囲がある
所定範囲のMRI値になるようにコントラストスケール変
換のパラメータを決定することにより、重要な画素値は
前記所定範囲のMRI値に変換されたMRI画像が作成され
る。つまりMRI値を基準化でき、これによりほぼ一定の
ウィンドウでMRI画像を観察しても、重要な画像がウィ
ンドウ内に収まり、画像を表示する際にウィンドウ設定
の操作が不要となるので、操作者の負担を軽減できる。

（実施例）以下、本発明に係る画像変換方法の具体的な実施例を
説明する。第１図は本発明に係る画像変換方法の全体の
手順を示すフロー図、第４図は前記画像表示方法を適用
した画像表示装置を示す概略ブロック図、第５図は典型
的なMRI画像のヒストグラムを示す概略図、第15図は前
記MRI装置における画像作成の手順を示す概略図であ
る。

前記第15図において、MRI画像データは収集され（ス
テップＡ）、この収集されたデータは補正され（ステッ
プＢ）、さらにこの補正された画像データは例えば２次
元フーリエ変換法により再構成される（ステップＣ）。
さらには再構成された画像データの画素値はコントラス
トスケールによりMRI値に変換されてMRI画像になる（ス
テップＤ）。すなわち前記コントラストスケールは一般
には、Ｙ＝pX＋ｑ ……（１）と表せる。ここで、ＹはMRI値であり、Ｘは再構成画
像の画素値である。またp,qは定数である。本実施例
歯、前コントラストスケールの定数p,qを、再構成画像
に応じて決定する方法を提供するものである。

また前記第４図において、画像表示装置は、ディジタ
ル化された画像データを記録する画像メモリ1,制御手段
としての計算機2,ウィンドウレベルおよびウィンドウワ
イズをマニュアル入力操作するためのWL/WWスイッチ3,
画像メモリ１からの画像データを入力して設定されたウ
ィンドウで階調を持った画像として表示する表示装置
４、ニューラルネットワーク５から構成されている。こ
のときの前記画像データの画素値から階調への変換は、
前記WL、WWにより決定されるものとなっている。この変
換方法は、例えばMRI装置で既に用いられている。

前記計算機２は、前記画像メモリ１から読み出される
画像データに基づき、WL,WWを表示装置４に自動的に設
定するものとなっている。なおWL/WWスイッチ３をマニ
ュアル操作することによりWL,WWを設定することもでき
る。

次に前記第１図、第４図、第５図、第17図を参照し
て、前記計算機２により画素値を標準化するための画像
変換方法を具体的に説明する。ここでは、画像をMRI画
像とする。

１）計算機２は画像記憶装置（図示していない）から指
定された画像を読み出し、画像メモリ１に記憶する。

２）計算機２は、画像メモリ１の画像についてヒストグ
ラムを作成する（手順100）。このヒストグラムの典型
的な例を第５図に示す。

３）次に計算機２は手順200において、背景を除去する
ために、このヒストグラムを解析し“A"を求める。“A"
の意味、および求め方は後に詳細に説明する。

４）最も観察したいと推定されるMRI値をMVPと名付け
る。次に手順300において、ヒストグラムを解析しMVPを
求める。MVPの定義、および求め方は後に詳細に説明す
る。

５）次に手順400において、その画像を表示するのに適
しているウィンドウを求める。この手順については後に
第２図、第３図を参照して詳細に説明する。

６）次に手順500において、求められたウィンドウによ
り、画像を表示する。

７）また、自動設定されたウィンドウに対して、観察者
が必要に応じ、第４図のWL、WWスイッチ３を操作してウ
ィンドウを微調整することもできる。

８）第16図はコントラストスケールの定数p,qを求める
方法を示す図である。手順700においては、前記手順600
で得られたWW,WLに基づき、ウィンドウの上限（WL＋WW/
2）を一定範囲のMRI値Ｕに変換し、かつウィンドウの下
限（WL-WW/2）をMRI値Ｌに変換するようにコントラスト
スケール（画素値変換関数）の定数p,qを決定する。

すなわちこれらの値を前記（１）式に代入し、p,qを
求めると、ｐ＝（Ｕ−Ｌ）/WW ｑ＝（Ｕ＋Ｌ）/2−WL×（Ｕ−Ｌ）/WW となる。

３）手順800では、手順700で得られたコントラストス
ケール（変換関数）の定数p,qを用いて、再構成画像の
画素値を前記（１）式により変換し、MRI画像を得るこ
とができる。

ここで前記MRI画像の有効な部分（観測いたい部分）
の画像値のほとんどは、前記ウィンドウの上限（WL＋WW
/2）とウィンドウの下限（WL-WW/2）内に含まれている
と考えられる。

したがって、前記ウィンドウの上下限をある一定範囲
のMRI値（U,L）になるように画素値を変換すれば、観測
したい部分の画素値のダイナミックレンジがU,Lである
画像が得られ、MRI値が観測したい画素値に基準化され
る。MRI値は絶対的な意味を持っていないので、このよ
うな基準で基準化しても良い。なお、MRI画像のダイナ
ミックレンジを狭くしないために、Ｕ〜Ｌは出来るだけ
広く設定した方が良い。

したがって、一定のウィンドウ、すなわちウィンドウ
の上下限をU,Lに言い換えればWL＝（Ｕ＋Ｌ）/2,WW＝Ｕ
−Ｌに設定すれば、基準化したMRI値の画像を観測でき
る。つまりMRI画像の不要な部分を除いた有効な部分の
画像値を一定のダイナミックレンジにすれば、ウィンド
ウを合わせる必要がない。

したがって、画像を表示する場合の表示ウィンドウの
設定の操作が簡単になり、操作者の負担を軽減できる。

次に手順200における“A"の意味、および求め方を第
５図を参照して詳細に説明する。

第５図は手順100において作成されたMRI画像のヒスト
グラムの典型的な例である。人体のMRI画像の内、体外
に相当する部分は、一般的にMRI値（画素値）が低くほ
ぼ一定値である。これにより体外に相当する部分は、第
５図に示す斜線部分のような背景Ｈとなる。この背景Ｈ
は観測を必要としない部分である。

そこで前記計算機２により前記背景Ｈと体内部との境
界のMRI値を以下のごとく求める。このMRI値をＡとす
る。第５図に示すようにMRI値Ａを求めるには、まず最
低のMRI値以上、かつ一定以下のMRI値の範囲内であっ
て、ヒストグラムのピーク値Hmaxを求める。このピーク
値HmaxからMRI値の大きい方に数個のヒストグラム上の
点H₁，H₂……を求め、その点H₁，H₂……を通る直線Lnを
最小二乗法により求める。この直線Lnとヒストグラムの
０を表すＸ軸との交点におけるMRI値を求め、これをＡ
とする。Ａ以下のMRI値の部分を背景Ｈとする。

次に手順300におけるMVPの定義、および求め方を第５
を参照して詳細に説明する。

MVPは、最も見たい部分と推定されるMRI値である。例
えば、その画像の中で背景を除き、最も多くの頻度を有
するMRI値が見易いように表示すれば、全体が見易い画
像になると考えて良い。したがって、第５図に示すよう
なヒストグラムを有する画像では、例えばＡ以上のMRI
値の中で最も頻度の高いMRI値をMVPと定めている。

したがって、MVPは、Ａ以上のMRI値でヒストグラムの
ピークを探すことにより求められる。ここでピーク（Pe
ak）は、第９図に示すように１点の値が両側の数点の値
より高い値であると定義している。

前記ピークは１つのヒストグラムに複数存在するが、
それぞれのピークの重用度を求め、最も重用度の高いピ
ークをMVPとする。ピークの重用度は、第10図に示すよ
うに１）ピーク間の距離２）ピークの高さ３）ピークの広がりなどを考慮して評価する。

次に手順400におけるこの画像を表示するに適したウ
ィンドウの求め方について第２図の実施例を示すフロー
図を参照して詳細に説明する。

１）まず手順ｂにおいて、候補値として設定されたウィ
ンドウWL及びWWで画像を表示した場合の画像の見易さを
表現する評価値としての画像度を求める。この画像度の
求め方については後に詳細に説明する。

２）次に手順ｃにおいて、このWL及びWWを各々大きく変
化させて、その時の画像の見易さを評価し、その中で最
も高い画像度を持つWL,WWに設定する。

３）次に手順ｄにおいて、前記WL及びWWの変化量を順次
小さくすることにより最も大きい画像度をもつWL及びWW
を求めるる。

なおウィンドウに関するパラメータは、WLまたはWWの
うち少なくともいずれか一方であっても良い。

この方法の具体的な手順を第３図及び第８図を参照し
て説明する。第８図（ａ）はWW,WLを変化させる場合を
示す概略図、第８図（ｂ）はWW,WLに対する画像度Ｑを
示す概略図、第３図は具体的な手順の実施例を示すフロ
ー図である。

１）手順4210において、前記計算機２によりウィンドウ
の初期値WL₀、WW₀を求める。初期値は、例えば第５図に
示すようにMVPを明るさの中心として、WL₀＝MVP,背景Ｈ
以外は全て見えるようにするために、WW₀＝２（MVP−
Ａ）のように設定する。

２）手順4220において、WLc＝WL₀,WWc＝WW₀に設定す
る。ここでWLc、WWcは候補のウィンドウである。

３）手順4230において、ΔWW＝WW₀/2とし、ウィンドウ
の変化量に初期値を設定する。

４）手順4240において、WLc,WWcにおける画像度Qcを計
算する（前記手順ｂに対応）。この画像度の求め方につ
いては後に詳細に説明する。

５）次に手順4250において、ａ）WLc＋ΔWW,WWcにおける画像度Qd₁を前記４）と同様
な方法で計算する。

ｂ）WLc＋ΔWW,WWc＋ΔWWにおける画像度Qd₂を計算す
る。

ｃ）WLc,WWc＋ΔWWにおける画像度Qd₃を計算する。

ｄ）WLc-ΔWW,WWc＋ΔWWにおける画像度Qd₄を計算す
る。

ｅ）WLc-ΔWW,WWcにおける画像度Qd₅を計算する。

ｆ）WLc-ΔWW,WWc-ΔWWにおける画像度Qd₆を計算する。

ｇ）WLc,WWc-ΔWWにおける画像度Qd₇を計算する。

ｈ）WLc＋ΔWW,WWc-ΔWWにおける画像度Qd₈を計算す
る。

６）次に手順4260において、画像度Qd₁〜Qd₈の中で、最
大の画像度をQdを求め、その画像度QdにおけるWL,WWをW
Ld,WWdとする。

７）次に第８図（ｂ）に示すように、手順4270におい
て、画像度Qc＜Qdならば、Qcからこれより高い画像度Qd
に移動する。すなわち、手順4280において、WLc＝WLd,W
Wc＝WWdとして、手順4240へ戻る（手順ｃに対応）。

８）Qc≧Qdならば、手順4290において、ΔWW＝α×ΔWW
とする（手順ｄに対応）。ここでα＜１なる定数であ
る。

９）手順4295において、ΔWW≧ｒならば、手順4240へ戻
る。ここでｒは終了を決める定数である。ΔWW＜ｒなら
ば、WLc,WWcが最終的に求めるWL,WWとなる。

したがって、候補として設定されたWL,WWに対する画
像度と、WL,WWを各々大きく変化させたときにおける各
画像度とによりWL,WWが変換設定され、さらにWL,WWの変
化量を順次小さくすると、最大の画像度が自動的に求め
られるので、最適なウィンドウが設定できる。これによ
り観察者の操作負担を軽減でき、しかも人間が感ずる見
易い表示画像を得ることができる。

次に手順4240〜4250において用いられている画像度を
求める方式について詳細に説明する。画像度はある設定
されたウィンドウで画像を表示した場合に、そのウィン
ドウにより表示された画像が、どの程度見易いかを指数
化し、これを評価値として表示したものである。この画
像度は２種類の方式により求められる。

まず方式１について説明する。この方式は、既に同一
出願人が出願した特願平１−186819に詳細に記載されて
いる。

この画像度は次のようにして求められる。画像度をＱ
とし、画像度を決定する項目の数をｋ個とすると、ＱはＱ＝ΣWn×Vn −−−−（101）により計算される。ここでWnは項目ｎの重み係数であ
り、Fnは項目ｎの評価値である。重み係数Wnはその項目
が画像度に関連する割合により経験的に決定したもので
あり、例えばW1＝5,W2＝4,W3＝3,W4＝2,W5＝２のような
数値である。

（101）式の項目ごとの評価値Vnは、項目ごとに異な
る評価関数Fnにより求められる。Wn,Fnを最初から最適
に設定することが困難な場合もあるが、その場合にはウ
ィンドウの設定結果を見ながら最適になるようにWn,Fn
を調整する。

ここでは例えば項目の１つであるMVPに関する評価値
を求めるための評価関数F₁について説明する。ここでMV
Pとは最も見たい部分と推定されるMRI値である。V₁＝F₁
（MVP）である。

第６図に示すようにMRI値はWL,WWに応じて、連続した
明るさとして表示される。ただしWL-WW/2以下のMRI値は
全て最も暗く、WL＋WW/2以上のMRI値は、全て最も明る
く表示される。この明るさを便宜上第６図の縦軸に示す
数値、すなわち0.5〜16.5の連続値として表現してい
る。

前記MVPは、最も見たい部分と推定されるMRI値であ
り、前述のように求められる。このMVPが見易い明るさ
になるようにWL,WWを設定することが望ましい。見易い
明るさとは経験的に真ん中の明るさより少し明るいと考
えられる。従って、ここではMVPが“10"の明るさになる
とき、最も（MVPに関する。）評価値が高くなるよう
に、“10"から離れるに従って評価値が低くなるようにF
₁を設定する。F₁は厳密に定義されるものではなく、フ
ァジィ理論におけるメンバーシップ関数のように、人間
の感覚により定義（設定）する。例えばF₁は第７図に示
すような非線形関数に設定する。

同様にF₂〜F_kの関数を設定することができるが、例え
ば第２の項目は“A"の明るさに関するものであり、“A"
以下のMRI値は背景と考えられるから、暗いほうが望ま
しい。従って、“A"の明るさが0.5であるときには、評
価値が高くなり、明るくなるに従い、評価値が下がる関
数を設定する。

以下同様に、「明るさのバランス」に関する項目な
ど、これ以外の項目に関する関数を設定する。

次に前記画像度を求めるための方式２について詳細に
説明する。前記方式１は、画像度をファジィ類似の方式
により求めている。しかしながら、ファジィ類似の方式
の場合には、評価関数，重み係数を決定することが難し
い。また装置ごとに，病院ごとの特性に合わせることも
難しい。

方式２は前記画像度をニューラルネットワークにより
求め、装置ごとに，病院ごとにの特性に合った画像表示
方法を提供するものである。以下、具体的な実施例を説
明する。

第４図において、計算機２は前記画像度を求める場合
には、画像度の求めるための評価項目をニューラルネッ
トワーク５に転送する。ニューラルネットワーク５は画
像度を求め、その画像度を計算機２に転送する。その結
果、計算機２は画像度を得ることができる。この場合、
方式１と同様に評価項目とネットワークの重み係数は観
察目的（MVPの種類）に応じて異なったものを用いる。

以下、画像度をニューラルネットワーク５により求め
る方法について詳細に説明する。

第12図は前記ニューラルネットワーク５の構成を示す
図である。ニューラルネットワーク５は、例えば入力層
30,中間層32,出力層34の３層で構成されている。入力層
30は、入力層30a〜30eの５素子からなり、入力層30a〜3
0eに例えば、１）MVPの明るさ２）“A"の明るさ３）明るさ12の面積４）明るさＬの面積５）明るさのバランスの評価項目（特徴）を入力する。本実施例では特徴を
５個としたが、これは本実施例に限定されるものではな
い。特徴の個数が増減した場合は、それに応じて入力層
30の素子数を増減させれば良い。これらの特徴の具体的
な求め方については後に説明する。

前記中間層32は例えば50素子からなり、前記入力層30
a〜30eともネットワークを構成している。

出力層34は１素子で構成され、前記出力層34から画像
度０〜１を出力する。なお前記方式１においては、画像
度を任意の値で表現していたが、ニューラルネットワー
ク５を用いているので、画像度を０〜１で表示する。た
だしどちらで表現しても特に問題はない。

前記ニューラルネットワーク５の各素子は、前記実施
例に限定されないが、本実施例では以下に示すシグモイ
ド関数ｆ（ｘ）を用いている。

ｆ（ｘ）＝1/｛１＋exp（−ｘ＋ｂ）｝ここで、ｂはバイアスであってバイアス素子（出力が
１）のウェイトであり、学習により決定される。

ニューラルネットワーク５は予め学習しておく必要が
ある。この学習については後に詳細に説明する。ここで
は、ニューラルネットワーク５は学習が終了しているも
のとする。

第６図に示すようにMRI値はWL,WWに応じて、連続した
明るさとして表示される。ただしWL-WW/2以下のMRI値は
全て最も暗く、WL＋WW/2以上のMRI値は、全て最も明る
く表示される。この明るさを便宜上第６図の縦軸に示す
数値、すなわち0.5〜16.5の連続値として表現してい
る。ここで画素値X,明るさＹとし、直線部分だけに限定
すると、Ｙ＝8.5＋16×（Ｘ−WL）/WW ……（１）Ｘ＝WL＋WW×（Ｙ−8.5）/16 ……（２）となる。

第13図は前記ニューラルネットワーク５により前記画
像度を求める手順を示すフロー図である。以下この手順
を説明する。まず最初に１）手順a₁では、設定されたウィンドウでのMVPの明る
さを求める。この明るさをMVPGとすると、（１）式のＸ
にMVPを、ＹにMVPGを代入して、 MVPG ＝8.5＋16×（MVP-WL）/WW ……（３）となる。（３）式を用いてMVPGを求め、それに正規化
係数1/16.5を乗算し、０〜１の値に正規化する。

２）手順b₁では、手順a₁と同様に設定されたウィンドウ
での“A"の明るさを求める。これをAGとすると AG＝8.5＋16×（Ａ−WL）/WW ……（４）となる。（４）式を用いてAGを求め、それに正規化係
数1/16.5を乗算し、０〜１の値に正規化する。

３）手順c₁では、前記同様に設定されたウィンドウでの
明るさ12に相当するヒストグラムの面記を求める。

明るさ12は明るさ11.5〜12.5と考えて、（２）式にＹ＝11.5〜12.5を代入すると、 X₁₂ ＝（3WW/16＋WL）〜（WW/4＋WL） ……（５）となる。

したがって、明るさ12に相当するヒストグラムの面積
は（５）式の範囲のヒストグラムの面積を求めればよ
い。同様に正規化係数1/100を乗ずる。ただし、正規化
後、１を越えるものは１にする。

４）手順d₁は、同様に設定されたウィンドウでの明るさ
Ｌに相当するヒストグラムの面積を求める。求められた
明るさＬは、第13図においても最も明るい明るさである
から、Ｙ＝16.5に相当する。したがって、（２）式にＹ＝1
6.5を代入して X_16.5＝WW/2＋WL ……（６）となる。したがって、X_16.5以上のヒストグラムの面
積を求めれば、明るさＬに相当するヒストグラムの面積
が求まる。同様に、正規化係数1/30を乗ずる。ただし、
正規化後、１を越えるものは１にする。

５）手順e₁では、同様に設定されたウィンドウでの明る
さのバランスを求める。明るさのバランスは以下により
定義する。

（明るさ４〜８の面積）／（明るさ９〜13の面積）それぞれの明るさの面積は、前記手順c₁と同様の方法
により求めることができる。同様に正規化係数1/6を乗
ずる。ただし正規化後、１を越えるものは１にする。

６）手順f₁では、前記手順a₁〜手順e₁で求めたそれぞれ
の値をニューラルネットワーク５に転送する。

７）手順g₁では、ニューラルネットワーク５よりニュー
ラルネットワーク５が計算した画像度を得る。

次に前述したニューラルネットワーク５の学習につい
て説明する。前述した如くニューラルネットワークは予
め学習しておく必要がある。学習方式は実施例に限定さ
れることはないが、本実施例ではバックプロパゲーショ
ン法を用いる。ニューラルネットワーク５に一定数の学
習データを繰り返し提示し、バックプロパゲーション法
により学習を行ない、エラーが一定値以下になると、終
了する。本実施例では、以下に示す学習データを用いて
学習するが、この学習データの作成方法は実施例に限定
されることはない。

学習データは実際の複数枚の画像と、それを表示する
ために専門家が設定したウィンドウを基に作成する。

１）まず画像を１枚選択し、この画像に対して、専門家
（観察者）が設定したウィンドウをWLG,WWGとし、このW
LG,WWGに対して以下の25個の学習データを決定するため
の学習ウィンドウWLS,WWSをサンプリングする。

WLS＝WLG-WWG/2 WLG-WWG/4 WLG WLG＋WWG/4 WLG＋WWG/2 WWS＝WWG-WWG/2 WWG-WWG/4 WWG WWG＋WWG/4 WWG＋WWG/2 そして２）これらのWLS,WWSに対して前記第13図に示す手順a₁
〜e₁によりMVP,“A"などの５つの特徴量を25組求め、学
習データの入力データを作成する。

３）またこれらのWLS,WWSに対する教師データを第14図
に示すように定め、前記２）の入力データと組み合わせ
て25組の学習データを作成する。

４）以下、適当な枚数の画像について、それぞれ25組の
学習データを作成する。

５）そして作成された全ての学習データを、エラーが一
定値以下になるまで、繰り返し学習する。

以上の学習により予め学習を行っておく。

したがって、ニューラルネットワーク５は学習が可能
なので、前記第１の発明に用いている関数，重み係数を
決定する煩わしさがなくなる。また装置ごとに，あるい
は病院ごとの特性に合った画像を容易に観察することが
できる。

最後に本発明の変形例について説明する。

（１）まず前記実施例はウィンドウレベルおよびウィン
ドウ幅の両方を変化させる方式であるが、ウィンドウレ
ベル，およびウィンドウ幅のいずれか一方を一定値に固
定し、他方を変化させるようにしても良い。

（２）さらに実施例は１枚数の画像ごとにヒストグラム
を作成し、１枚数の画像ごとに表示ウィンドウを探索し
ているが、同一グループに属する全部の画像、例えば１
回のボリュームスキャンで撮影した複数枚のスライスか
らヒストグラムを求め、それに関してウィンドウを決定
し、複数枚数の画像を同一の表示ウィンドウで観察、あ
るいは画像変換するようにしても良い。この場合には１
グループの画像がすべて同一のウィンドウになる。ま
た、ニューラルネットワークの教師データの作成にも、
複数枚数の画像のヒストグラムを使用してもよい。

（３）さらに実施例では、表示ウィンドウは線形（リニ
アー）であるが、表示ウィンドウは非線形（ノンリニア
ー）であっても良い。

（４）さらに前記実施例は観察目的と推定されるMRI値
を捜し、それに対する画像度の最も高いウィンドウを探
索している。しかし、計算を簡単にするために、例えば
以下に示すウィンドウの組み合わせにより画像度を求
め、これを画像度の高い順に並べておき、選択スイッチ
10が押されるごとに、画像度の高い順のウィンドウで表
示するようにしてもよい。この場合は比較的近いウィン
ドウを見つけることができたら、操作者がスイッチ３を
操作してウィンドウを微調整する必要がある。

WL:LL-DD/4、LL-DD/8、LL、 LL＋DD/8、LL＋DD/4 WW:DD×3/4、DD×7/8、DD、 DD×9/8、DD×5/4 ここで、LL、DDは定数である。

（５）さらに前記実施例では１枚の画像ごとにウィンド
ウを計算しているが、同一の条件で連続して撮影した画
像であれば、同一の表示ウィンドウで観察する方が良
い。このため１枚目で観察者が選択したウィンドウ（微
調整を行なった場合は微調整後のウィンドウ）とその画
像度を求めて記憶する。次に２枚目の画像の表示が指定
された場合、１枚目のウィンドウにおける２枚目の画像
の画像度を求め、それを前記記憶した１枚目の画像度と
比較し、その差が一定以下ならウィンドウを変更しない
で、１枚目のウィンドウにより２枚目の画像を表示す
る。その差が一定以上の場合には、本発明方法により求
めたウィンドウで表示するようにしても良い。

（６）さらに前記実施例では１枚の画像ごとにウィンド
ウを計算しているが、同一の条件で連続して撮影した画
像であれば、同一の表示ウィンドウで観察する方が良
い。このため同一グループの代表的な画像（例えば中心
位置の画像）でウィンドウを求め、同一グループの全部
の画像に対して同一のウィンドウで画像を表示しても良
い。

（７）さらに、前記実施例では観察目的をヒストグラム
のピークにより推定しているが、以下の情報、方法を用
いて観察部分の画像値を推定するようにしてもよい。

（１）簡単な画像認識を行ない比較的画素値の纒まって
いる部分を見つける。

（２）撮影条件、（３）断面（アクシャル面、コロナル面、サジタル
面）、（４）撮影目的、これは病院オーダーリングシステムか
ら得ることもできる。

また、これらの情報、ヒストグラムの特徴（全体の面
積、ピークの位置、形、高さなど）により、画像度を求
める項目、評価関数、ウエイト、ニューラルネットワー
クのウエイトなどは異なるものを使用するようにいても
良い。

例えば、ピークが第５図に示すように、MVP1、MVP2、
MVP3であるとする。この場合、MVP1は観察目的が画像全
体である場合であり、MVP2、およびMVP3は観察目的が特
定の対象（腫瘍など）である場合である。目的１に対す
る画像度の評価項目と重み係数は例えば１）MVPの明かるさ −−−５２）“A"の明かるさ −−−４３）明るさ12の面積 −−−３４）明るさＬの面積 −−−２５）明るさのバランス −−−２と設定する。目的２の対する画像度の評価項目と重み
係数は例えば１）MVPの明かるさ −−−６２）“B"の明るさ −−−４４）明るさＬの面積 −−−２５）明るさのバランス −−−１と設定する。ここで、“B"は、第10図に示すようにそ
のピーク左側に隣接したピークとの間にあって、ヒスト
グラムが最も低い点と、そのピークを結ぶ直線がＸ線と
交差する点の画素値である。評価関数も観察目的に応じ
て異なる関数を用いる。

この場合、あらかじめすべての観察目的に応じたウィ
ンドウを求めておき、選択スイッチが押された場合に、
既に求めた目的ウィンドウで画像を表示しても良いし、
選択スイッチが押されるごとに観察目的ごとのウィンド
ウを求めるようにしても良い。

次にニューラルネットワークにより画像度を求める方
式における変形例について説明する。

（１）まず前記実施例では、出力素子が１個であり、
「明るさ」，「コントラスト」の両方を統合しか画像度
を表しているが、出力素子を「明るさ」，「コントラス
ト」に対応して２個とし、これを「明るすぎる〜適当〜
暗すぎる」（０〜１），コントラストが「強すぎる〜適
当〜弱すぎる」（０〜１）のように表しても良い。この
場合、画像度は両者の重み付けの合計として求める。ま
た「明るさ」の教師データは、第14図においてWWS＝WW
G,「コントラスト」の教師データはWLS＝WLGとおけばよ
い。

（２）さらに実施例は、学習と実行を同一のニューラル
ネットワークで行なっているが、学習はワークステーシ
ョンなどの他のニューラルネットワークで行い、実行は
別の簡単なニューラルネットワークで行っても良い。ま
た学習したニューラルネットワークの重み係数のうち、
値の大きいものだけを取り出し、（ニューラルネットワ
ークを使用せずに）計算機のソフトウェアだけで計算し
ても良い。

（３）さらに実施例では、すべての画像について、同一
の重み係数を使用しているが、画像のタイプにより異な
る重み係数を使用しても良い。この場合は、計算機から
ニューラルネットワークに、画像タイプに応じて異なる
重み係数を転送するようにする。また学習も画像タイプ
ごとに別々の学習データを用いて行なう。

（４）さらに実施例では、学習データ用の画像の選択に
ついては説明していないが、例えば装置ごとに、10枚数
程度の画像（画像タイプごとに別々に）を学習画像とし
て記憶する。この画像によりニューラルネットワークを
学習させる。このようにすれば、装置に応じたニューラ
ルネットワーク（重み係数）が形成される。さらに新し
い学習画像を追加するか、あるいは古い画像を新しい画
像に更新して、再度全体の学習画像を用いて学習するよ
うにすれば、装置の変化にも対応可能である。

（５）さらに前記（３），（４）では、装置ごとに画像
タイプごとに別々の重み係数を設けるようにしている
が、これを装置ごと、観察者（医師）ごと，画像タイプ
ごとに別々の重み係数を設けるようにしても良い。

（６）実施例では、特徴量を線形で正規化した値を入力
としたが、正規化は例えば正弦関数や対数変換などで正
規化しても良い。

（７）実施例では、特徴の個数とニューラルネットワー
クの入力層の素子数を同一にしたが、１つの特徴に複数
の入力素子を割り当てて、特徴量を線形で正規化した値
と、正弦関数や対数変換などで正規化した値を入力とし
ても良い。

このほか本発明の要旨を逸脱しない範囲で種々変形実
施可能であるのは勿論である。

［発明の効果］本発明によれば、パラメータを用い、例えばパラメー
タの上限，下限がある一定範囲のMRI値になるように変
換関数を決定すれば、この変換関数により有効な部分の
画素値の大部分は前記一定範囲のMRI値に変換させてMRI
画像が作成される。つまりMRI値を基準化でき、これに
より一定のウィンドウでMRI画像を観察でき、画像を表
示する際にウィンドウ設定の操作が簡単になるので、操
作者の負担を軽減できる。

しかも人間が感ずる見易い画像を得ることができる画
像変換方法を提供できる。

【図面の簡単な説明】

第１図は本発明に係る画像変換方法の全体の手順を示す
フロー図、第２図はウィンドウを求める方法を示すフロ
ー図、第３図は前記ウィンドウの求め方の具体的は手順
の実施例を示すフロー図、第４図は前記画像変換方法を
適用した画像表示装置を示す概略ブロック図、第５図は
典型的なMRI画像のヒストグラムを示す図、第６図はMRI
値をWL,WWに応じて連続した明るさとして表示した図、
第７図は評価関数を示す図、第８図はWW,WLを変化させW
W,WLに対する画像度Ｑを示す概略図、第９図は前記MRI
画像のピークの定義を示す図、第10図はMVPの求め方を
説明するための図、第11図は従来のウィンドウの設定方
法の一例を示す図、第12図はニューラルネットワークの
構成を示す図、第13図は前記ニューラルネットワークで
画像度を求める手順を示すフロー図、第14図はWLS,WWS
に対する教師データを示す図、第15図は前記MRI装置に
おける画像作成の手順を示す概略図、第16図はコントラ
ストスケールの定数p,qを求める方法を示す図、第17図
は画像変換方法の手順を示すフロー図である。１……画像メモリ、２……計算機、３……WL,WWスイッ
チ、４……表示装置、５……ニューラルネットワーク、
10……選択スイッチ、30……入力層、32……中間層、34
……出力層、Ｑ……画像度、WL……ウィンドウレベル、
WW……ウィンドウワイド、Ｈ……背景、MVP……最も重
要と推定されるMRI値、Ｆ……評価関数。

フロントページの続き (56)参考文献特開平３−51891（ＪＰ，Ａ) 特開平２−72491（ＪＰ，Ａ) 特開平３−266188（ＪＰ，Ａ) 特開昭61−194576（ＪＰ，Ａ) 特開昭48−51548（ＪＰ，Ａ) 特開昭62−297976（ＪＰ，Ａ) 特開昭63−84526（ＪＰ，Ａ) 特開昭63−298279（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁶，ＤＢ名) G06T 5/00

Claims

(57)【特許請求の範囲】

【請求項１】第１のディジタル画像データの各画素値を
所定のパラメータに基づいてコントラストスケールを変
換して第２のディジタル画像データを求め、第２のディ
ジタル画像データの各画素値を、所定範囲内の画素値の
みが連続的に変化する明るさ値に変換されるように、明
るさ値に変換して、画像を表示する画像変換方法におい
て、第１のディジタル画像データから画素値のヒストグラム
を求め、前記ヒストグラム中の複数のデータに基づいて表示画像
の見易さを示す画像度を求め、前記所定範囲を変えた時の画像度の変化に基づいて前記
所定範囲の最適値を求め、前記最適な所定範囲で第２のディジタル画像データを明
るさ値に変換する場合の明るさ値の範囲が所望の範囲と
なるように前記コントラストスケールの変換パラメータ
を決定し、決定されたパラメータに従って第１のディジタル画像を
コントラストスケール変換して、さらに明るさ値に変換
することにより画像を表示することを特徴とする画像変
換方法。
【請求項２】最大の画像度が得られるような範囲を前記
所定範囲の最適値として求めることを特徴とする請求項
１記載の画像変換方法。
【請求項３】前記画像度は、ヒストグラムから表示画像
の明るさに関する第１データ、表示画像のコントラスト
に関する第２データ、および明るさのバランスに関する
第３データに基づいて求めることを特徴とする請求項１
記載の画像変換方法。
【請求項４】前記第１データは頻度が最も高い画素値の
明るさとヒストグラム上で体外と体内との境界にある画
素値の明るさを含み、前記第２データはヒストグラム上
の表示明るさ範囲の中間の明るさ部分の面積データと最
大明るさ部分の面積データとを含み、前記第３データは
ヒストグラム上の前記中間明るさより明るい部分の面積
と暗い部分の面積の比データを含むことを特徴とする請
求項３記載の画像変換方法。
【請求項５】前記画像度は１枚の画像内の各部分毎の見
易さを示す画像度として求められることを特徴とする請
求項１記載の画像変換方法。
【請求項６】前記各部分はヒストグラムの各ピーク頻度
に対応する部分であることを特徴とする請求項５記載の
画像変換方法。
【請求項７】前記所定範囲はウィンドウ幅とウィンドウ
レベルから定義されることを特徴とする請求項１記載の
画像変換方法。