JP2981677B2 - ニューラルネットワーク学習方法 - Google Patents
ニューラルネットワーク学習方法Info
- Publication number
- JP2981677B2 JP2981677B2 JP2277997A JP27799790A JP2981677B2 JP 2981677 B2 JP2981677 B2 JP 2981677B2 JP 2277997 A JP2277997 A JP 2277997A JP 27799790 A JP27799790 A JP 27799790A JP 2981677 B2 JP2981677 B2 JP 2981677B2
- Authority
- JP
- Japan
- Prior art keywords
- reading
- image
- neural network
- learning
- image signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000013528 artificial neural network Methods 0.000 title claims description 46
- 238000000034 method Methods 0.000 title claims description 28
- 230000005855 radiation Effects 0.000 claims description 23
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 25
- 230000035945 sensitivity Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 230000005284 excitation Effects 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 230000003321 amplification Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000003199 nucleic acid amplification method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000004020 luminiscence type Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- NIXOWILDQLNWCW-UHFFFAOYSA-N acrylic acid group Chemical group C(C=C)(=O)O NIXOWILDQLNWCW-UHFFFAOYSA-N 0.000 description 1
- 230000005260 alpha ray Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005250 beta ray Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010894 electron beam technology Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- -1 silver halide Chemical class 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 210000000225 synapse Anatomy 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Description
わち、所定の目的に利用されるニューラルネットワーク
を作るときにニューラルネットワークに学習させる方法
に関し、特に画像を対象として、この画像に関する所定
の判定をするために使用されるニューラルネットワーク
の学習方法に関するものである。
み画像データに基づく本読みの画像読取条件の決定や画
像処理条件の決定を、ニューラルネットワークを用いて
行なう放射線画像処理装置に利用されるニューラルネッ
トワークの学習方法に関するものである。
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)。
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56−104645
号,同55−116340号等)。
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。即
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。
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て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。
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。
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。
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。
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)。
画像信号のヒストグラムを求め、ヒストグラム上におけ
る画像信号の最大値、最小値、画像信号の出現頻度が最
大となる点の画像信号の値等の種々の特徴点を求め、こ
の特徴点に基づいては読取条件等を求めるものである。
異なるニューラルネットワークなる考え方が出現し、種
々の分野に適用されつつある。
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(バックプロバゲーション)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.Rumelh
art,G.E.Hinton and R.J.Williams:Learning represent
ations by back−propagating errors,Nature,323−9,5
33−356,1986a」,「麻生英樹:バックプロバゲーショ
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)。
適用することが可能であり、画像信号等をニューラルネ
ットワークに入力することにより読取条件等を出力させ
ることができる。
‘学習’することにより次第に正しい判定をすることが
できるようになるが、その判定をするに当たっては、対
象とする被写体の画像がいかなる状態で入力されても正
しい判定をすることができるようになっていなければな
らない。
ステムにおいては、撮影時に被写体の位置がずれて撮影
されることはよくあることで、このずれが生じている画
像等があっても正しい読取条件等を求めることができる
ニューラルネットワークが望まれる。
回数が多ければ多いほど向上するし、またその学習のた
めのデータ数も多ければ多いほど学習の成果が上るの
で、多数のデータを用意することが望まれる。
であるし、また何万個ものデータを用意するには記憶装
置の記憶容量も厖大なものが必要となるという問題があ
る。
クの学習における問題に鑑み、対象とする画像に位置ず
れが生じても正しい判定をすることができるニューラル
ネットワークを構築する際に、多数の画像データを記憶
しておく必要のないニューラルネットワークの学習方法
を提供することを目的とするものである。
射線画像データを入力し、先読み画像データに基づく本
読みの画像読取条件の決定や画像処理条件の決定を行な
うニューラルネットワークを構築するための学習方法に
おいて、学習時に、同一の画像データをその位置をずら
して多数回前記ニューラルネットワークに入力して学習
させることを特徴とするものである。
ク図である。
データが入力され、ニューラルネットワークでは入力さ
れた画像データに基づいて、先読み画像データに基づく
本読みの画像読取条件の決定や画像処理条件の決定のデ
ータ処理が行なわれる。ここで演算されて得られた画像
読取条件や画像処理条件の判定結果データが出力部に出
力され、予め従来の方法で得られたこれらの判定結果デ
ータに対応する正しいデータと比較され、両データ間の
誤差が教師信号としてニューラルネットワークに再び入
力され、誤差逆伝幡学習が行なわれる。
れた判定結果データが不適切である場合に、これを修正
し再学習させ、これにより判定精度をさらに向上させ
る。
しづつその画面に対する位置を変えながら何回も用いら
れ、常に同じ判定結果を出力するように学習が繰り返さ
れる。
クを構築することができる。また、同一の画像データを
使いながら、学習パターンを増すことができ、データを
増加したと同等の効果を上げることができる。
画像を取扱うX線撮影装置の一例に適用した実施例につ
いて図面を参照して詳細に説明する。
た放射線画像情報記録読取装置における、本読みの際の
読取条件を求める方法にニューラルネットワークを利用
した実施例について説明する。
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。
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。
を表わし、それぞれ人体の陰影が記録された被写体部5
のほか、被写体に照射されないX線が直接蓄積性蛍光体
シート11に照射された直接X線部6が形成されている。
一例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。
弱い光ビームで走査してこの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を透過した後、ミラー18により光路を変えて前記蓄
積性蛍光体シート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。蓄積性蛍光体
シート11の、このビーム15が照射された箇所からは、蓄
積記録されている放射線画像情報に応じた光両の輝尽発
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
た射出端面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、射出端面20bから射出してフォト
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。
信号Sは対数増幅器26で対数的に増幅され、A/D変換器2
7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。
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。
に入力される。このコンピュータシステム40は、本発明
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。
取条件、即ち感度およびコントラストが求められ、この
感度,ラチュード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。
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。
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、先読画像信号Spに基づいて求められた読取条件
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1
00の各構成要素と対応する構成要素には先読手段100で
用いた番号にダッシュを付して示し、説明は省略する。
れた画像信号SQ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SQに適
切な画像処置が施され、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。
て本読みの際の読取条件を求める際には、コンピュータ
システム40内のニューラルネットワークが、既に位置が
ずれた画像から同じ読取条件を出力するように学習して
いるので、例えば第2A図,第2B図に示すように位置がず
れた肩部のX線画像が与えられても、両画像に対して同
じ読取条件を出力する。
ついて詳細に説明する。
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“学習”アルゴリズムをいう。
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る。第
1層(入力層)に入力される各信号F1,F2,……,Fn1はX
線画像(右肩の場合は反転された画像をいう)の各画素
に対応する先読画像信号Spであり、第3層(出力値)か
らの2つの出力▲y3 1▼,▲y3 2▼は本読みの際のそれ
ぞれ感度およびコントラスト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▲Wk k+1 i j▼と
し、各ユニット▲uk j▼は同一の特性関数 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、 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,…,Fn1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,…,Fn1
は、各結合の重み▲Wkk+1 ij▼によって重み付けられな
がら最終的な出力▲y3 1▼,▲y3 2▼にまで伝達され、
これにより本読みの際の読取条件(感度とコントラス
ト)が求められる。
ついて説明する。先ず乱数により各結合の重み▲Wkk+1
ij▼の初期値が与えられる。このとき、入力F1〜Fn1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。
線画像が記録された蓄積性蛍光体シートを前述したよう
にして読み取って先読画像信号Spを得、さらに左肩のX
線画像の場合は得られた先読画像信号Spが反転され、こ
れにより上記n1個の入力F1,F2,…,Fn1が求められる。こ
のn1個の入力F1,F2,…,Fn1が第3図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▲y
k i▼がモニタされる。
▲y3 1▼,▲y3 2▼と、この画像に関し正しい読取条件
としての教師信号(感度 およびコントラスト との二乗誤差 が求められる。これらの二乗誤差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▲Wkk+1
ij▼が修正される。尚、以下▲y3 1▼の出力に関して述
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。
の関数であるから のように各結合の重み▲Wkk+1 ij▼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。
(10)式に代入すると、 この(15)式を(8)式に代入して、 となる。この(16)式に従って、▲W2 3 i 1▼(i=
1,2,…,n1)の各結合の重みが修正される。
て、 ここで(13)式より、 であるから、この(19)式と、(12),(14)式を(1
8)式に代入して、 (10)式においてk=1と置き、(20)式を(10)式に
代入すると、 この(21)式を(8)式に代入すると、k=1と置い
て、 となり、(16)式で修正された▲W2 3 i 1▼(i=1,
2,…,n1)がこの(22)式に代入され、▲W1 2 i j▼
(i=1,2,…,n1;j=1,2,…,n2)が修正される。
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 k+1 i 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:Learning internal representations by error p
ropagation In Parallel Distributed Processing,Volu
me 1,J.L.McClell and,D.E. Rumelhart and The PDP Re
search Group,MIT Press,1986b」参照) ただし▲Wk k+1 i j▼(t)は、t回目の学習にお
ける、修正後の結合重み▲Wk k+1 i j▼から修正前の
該結合の重み▲WK K+1 i 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。
0.25を用いて各結合の重み▲Wk k+1 i 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 k+1 i 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
際のそれぞれ感度、コントラストを正しく表わす信号と
なる。
条件がX線画像を表わす先読画像信号Spが求められ、こ
れが第5図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(感度とコントラスト)
を表わす信号となる。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ため、本読みの際の読取条
件を精度良く表わしている。
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のユニットで各層を構成し得るこ
とももちろんである。
ら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。
なったニューラルネットワークは、前記X線画像読取装
置に実装され、上述のように読取条件を決定する機能を
有する。
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。
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、前述したように、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。
読みの際の読取条件を求める装置について説明したが、
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、画像信号SQに画像処理を施
す際の画像処理条件を求め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
の双方を求めるようにしてもよい。
取装置について説明したが、本発明は先読みを行なわ
ず、最初から上記読みに相当する読取りを行なう放射線
画像読取装置にも適用することができる。この場合、読
取りの際は所定の読取条件で読み取られて画像信号が得
られ、この画像信号に基づいて、コンピュータシステム
40内で画像処理条件が求められ、この求められた画像処
理条件に従って画像信号に画像処理が施される。
図、 第2A図,第2B図は、それぞれ位置のずれた肩のX線画像
を表わした図、 第3図は、X線撮影装置の一例の概略図、 第4図は、X線画像読取装置の一例、および本発明の一
例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、 第5図は、ニューラルネットワークの一例を表わした図
である。 1……X線撮影装置、2……X線源 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……コンピュータシステム 100……先読手段、100′……本読手段
Claims (2)
- 【請求項1】放射線画像データを入力し、その画像デー
タが先読み画像データであるときの本読みの画像読取条
件を出力するニューラルネットワークの学習方法におい
て、 学習時に、同一の画像データをその位置をずらせて多数
回前記ニューラルネットワークに入力して学習させるこ
とを特徴とするニューラルネットワーク学習方法。 - 【請求項2】放射線画像データを入力し、その画像デー
タに画像処理を施す場合の画像処理条件を出力するニュ
ーラルネットワークの学習方法において、 学習時に、同一の画像データをその位置をずらせて多数
回前記ニューラルネットワークに入力して学習させるこ
とを特徴とするニューラルネットワーク学習方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2277997A JP2981677B2 (ja) | 1990-10-17 | 1990-10-17 | ニューラルネットワーク学習方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2277997A JP2981677B2 (ja) | 1990-10-17 | 1990-10-17 | ニューラルネットワーク学習方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH04152482A JPH04152482A (ja) | 1992-05-26 |
JP2981677B2 true JP2981677B2 (ja) | 1999-11-22 |
Family
ID=17591191
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2277997A Expired - Fee Related JP2981677B2 (ja) | 1990-10-17 | 1990-10-17 | ニューラルネットワーク学習方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2981677B2 (ja) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2572414B2 (ja) * | 1988-03-02 | 1997-01-16 | 株式会社日立製作所 | 紙葉類検知装置の発光量調整方法 |
JP2524204B2 (ja) * | 1988-09-01 | 1996-08-14 | 富士写真フイルム株式会社 | 放射線照射野判定方法 |
JPH0272491A (ja) * | 1988-09-08 | 1990-03-12 | Sony Corp | 画像変換処理装置 |
-
1990
- 1990-10-17 JP JP2277997A patent/JP2981677B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JPH04152482A (ja) | 1992-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2676009B2 (ja) | 放射線画像読取条件および/または画像処理条件決定方法および装置ならびに放射線画像解析方法および装置 | |
US5272339A (en) | Method for adjusting conditions in radiation image recording, readout, and reproducing systems | |
JP2694580B2 (ja) | 被写体像内画像点決定方法 | |
JP2981677B2 (ja) | ニューラルネットワーク学習方法 | |
JP2727257B2 (ja) | ニューラルネットワークを用いた放射線画像処理方法 | |
JP2739386B2 (ja) | 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 | |
JPH04261649A (ja) | 放射線画像解析方法および装置 | |
JP2896799B2 (ja) | 放射線画像読取条件及び/又は画像処理条件決定装置 | |
JP3013095B2 (ja) | 放射線画像読取条件及び/又は画像処理条件決定方法 | |
JP2565791B2 (ja) | 多層型ニューラルネットワークの係数格納装置 | |
JP2678815B2 (ja) | 放射線画像読取装置 | |
JP2739385B2 (ja) | 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 | |
JP2952422B2 (ja) | 放射線画像解析装置 | |
EP0452915B1 (en) | Apparatus for adjusting read-out conditions and/or image processing conditions for radiation images | |
JPH08214164A (ja) | 階調補正方法および装置 | |
JPH06102599A (ja) | 放射線画像読取条件および/または画像処理条件決定方法および装置 | |
JPH04118782A (ja) | 放射線画像読取装置 | |
JP2852818B2 (ja) | 放射線照射野認識方法 | |
JPH04317047A (ja) | 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 | |
JPH04152478A (ja) | 放射線画像読取条件及び/又は画像処理条件決定方法及び装置 | |
JP2727258B2 (ja) | 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 | |
JPH04317263A (ja) | ニューラルネットワークを用いた照射野認識の前処理方法 | |
JPH04156532A (ja) | 放射線画像読取条件及び/又は画像処理条件決定方法及び装置 | |
JPH04204936A (ja) | 経過観察用放射線画像の読取条件決定方法 | |
JPH04102842A (ja) | 放射線画像読取装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20070924 Year of fee payment: 8 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080924 Year of fee payment: 9 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080924 Year of fee payment: 9 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090924 Year of fee payment: 10 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090924 Year of fee payment: 10 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100924 Year of fee payment: 11 |
|
LAPS | Cancellation because of no payment of annual fees |