JP3013095B2 - 放射線画像読取条件及び／又は画像処理条件決定方法 - Google Patents

Description

【発明の詳細な説明】 （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読
取条件、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関するものである。

（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）。

また、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、既
に本願出願人により提案されている（特開昭55−12429
号，同56−11395号，同55−163472号，同56−104645
号，同55−116340号等）。

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
読みを行なうことも考えられている。

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。

また、この先読みの有無にかかわらず、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ことも考
えられている。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。

上記の画像信号（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）。

この従来採用されているアルゴリズムは、一般的には
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読取条件等を求めるものである。

（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。

第1A図と第1B図は、ともに肩関節５を撮影した放射線
画像であるが、第1B図の画像では椎体６も写し込まれて
いるのに対し、第1A図の画像ではそれが写し込まれてい
ない、という差異がある。一方、これら第1A図、第1B図
の放射線画像を担持する各画像信号のヒストグラムは、
それぞれ第2A図、第2B図に示すようなものとなる。

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
に基づいて第1A図、第1B図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。

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。

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、複数の再生放射線画像間で、特定の関心領域が適正
な濃度で安定して再生されるようになる、放射線画像読
取条件及び／又は画像処理条件決定方法を提供すること
を目的とするものである。

（課題を解決するための手段） 請求項１に記載された本発明は、前述した蓄積性蛍光
体シートを用い、いわゆる先読みを行なうシステムに適
用されるものである。

すなわちこ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、前述したように、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、そのとき該
シートから発せられた輝尽発光光を読み取って上記放射
線画像を表わす第一の画像信号を得、 上記蓄積性蛍光体シートに再度励起光を照射し、その
とき該シートから発せられた輝尽発光光を読み取って上
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、得られた第二の画像信号に画像処理を施
す際の画像処理条件を、上記第一の画像信号に基づいて
求めるようにした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、 上記第一の画像信号を入力とし、読取条件及び／又は
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
り条件決定を行ない、 適正な読取条件及び／又は画像処理条件を出力させる
ために上記ニューラルネットワークを学習させる際に、
被写体中の特定の関心領域が撮影された放射線画像と、
その関心領域について最適とされた読取条件及び／又は
画像処理条件とを利用することを特徴とするものであ
る。

請求項２に記載された本発明も、蓄積性蛍光体シート
を用い、いわゆる先読みを行なうシステムに適用される
ものである。

すなわちこ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、請求項１に記載された発明と同様にし
て第一、第二の画像信号を得、 第二の画像信号を得る際の読取条件及び／又は、第二
の画像信号に画像処理を施す際の画像処理条件を、第一
の画像信号に基づいて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、 上記第一の画像信号を入力とし、被写体中の特定の関
心領域を出力とするニューラルネットワークにより、上
記関心領域に関する第一の画像信号を抽出し、 この抽出された第一の画像信号に基づいて、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。

一方請求項３に記載された本発明は、対象を蓄積性蛍
光体シートに限定するものではなく、そして特に画像処
理条件を求めるものである。

すなわちこの放射線画像処理条件決定方法は、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
決定方法において、 上記画像信号を入力とし、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条件決定を行ない、 適正な画像処理条件を出力させるために上記ニューラ
ルネットワークを学習させる際に、被写体中の特定の関
心領域が撮影された放射線画像と、その関心領域につい
て最適とされた画像処理条件とを利用することを特徴と
するものである。

請求項４に記載された本発明も、対象を蓄積性蛍光体
シートに限定するものではなく、そして特に画像処理条
件を求めるものである。

すなわちこの放射線画像処理条件決定方法は、請求項
３に記載された発明と同様に、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、 上記画像信号を入力とし、被写体中の特定の関心領域
を出力とするニューラルネットワークにより、上記関心
領域に関する画像信号を抽出し、 この抽出された画像信号に基づいて、画像処理条件を
決定することを特徴とするものである。

（作用および発明の効果） 上記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か、あるいは誤っ
ているかという情報（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（例えば、「D.E.Rumelhart,G.E.Hinton
and R.J.Williams:Learning representations by back
−propagating errors,Nature,323−9,533−356,1986
a」，「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）。

請求項１あるいは３に記載の発明におけるように、読
取条件等の決定に上記ニューラルネットワークを用いる
と、あらかじめ繰り返し‘学習’させることにより、次
第に正しい読取条件等を求めることが可能となる。

そして、ニューラルネットワークを学習させる際に、
被写体中の特定の関心領域が撮影された放射線画像と、
その関心領域について最適とされた読取条件等あるいは
画像処理条件とを利用すれば、放射線画像中で関心領域
の他にたとえ何が撮影されていようとも、読取条件等は
関心領域について適正となるように決定される。

また、請求項２あるいは４に記載の発明におけるよう
に、ニューラルネットワークをあらかじめ繰り返し‘学
習’させることにより、放射線画像中の関心領域を次第
に正しく認識させることが可能となる。こうして認識さ
れた関心領域に関する画像信号に基づいて読取条件等を
決定すれば、その読取条件等は、基本的に関心領域以外
の画像情報の影響は受けないもの、つまり関心領域につ
いて適正なものとなる。

なお、認識された関心領域に関する画像信号に基づい
て読取条件等を決定するに当たっては、ヒストグラム解
析の手法を用いてもよいし、あるいは、関心領域認識用
のものとは別のニューラルネットワークを利用するよう
にしてもよい。

（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。尚、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。

第４図は、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。

第1A図，第1B図は、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。

第５図は、Ｘ線画像読取装置の一例、および本発明の
方法を実施するコンピュータシステムの一例を示した斜
視図である。このシステムは前述した蓄積性蛍光体シー
ト11を扱い、先読みを行なうシステムである。

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を通過した後、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、この光ビーム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量の輝尽
発光光19が発散される。

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2
1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。

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。

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。

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、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。

このコンピュータシステム40内では、後述するように
して本読みの際の読取条件、即ち本読みの際の感度およ
びコントラストが求められ、この感度，コントラストに
従って、例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。

ここでコントラストとは、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。

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、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。尚、この本読手段100′の
構成は上記先読手段100の構成と略同一であるので、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100のものと同じ番号にダッシュを付して示し、説
明は省略する。

A/D変換器27′でディジタル化して得られた画像信号S
_Qは、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が示す
Ｘ線画像が再生表示される。

次に、コンピュータシステム40内で先読画像信号Spに
基づいて、本読みの際の読取条件を求める方法について
説明する。

第３図は誤差逆伝播学習（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。

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る。第
１層（入力層）に入力される各信号F₁,F₂,……,F_n1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 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 、該ユニット への各入力を 、各出力を への結合の重みを とし、各ユニット 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 の は、 となる。ただし入力層を構成する各ユニット （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 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 によって重み付けられながら最終的な出力 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。

ここで、上記各結合の重み 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 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 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。

最適な読取条件が既知で肩関節５（第1A図、第1B図参
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Sp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る。

このn₁個の入力F₁,F₂,…,F_n1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 の出力 がモニタされる。

各出力 が求められると、最終的な出力である 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 が修正される。尚、以下 の出力に関して述べ、 については と同様であるため、ここでは省略する。

二乗誤差E₁を最小にするには、このE₁は の関数であるから のように各結合の重み 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。

ここで、 であり、（４）式より であるから、（９）式は、 となる。

ここで、（６）式より、 （５）式を用いてこの（11）式を変形すると、 ここで、（３）式より、 ｆ′（ｘ）＝ｆ（ｘ）（１−ｆ（ｘ）） …（13） であるから、 となる。

（10）式においてｋ＝２と置き、（12），（14）式を
（10）式を代入すると、 この（15）式を（８）式に代入して、 となる。この（16）式に従って、 の各結合の重みが修正される。

次に、 であるから、この（17）式に（４），（５）式を代入し
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 がこの（22）式に代入され、 が修正される。

尚、理論的には（16）式，（22）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 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.Hi
nton and R.J.Williams:Learning internal representa
tions by error propagation In Parallel Distributed
Processing,Volume 1,J.L.McClelland,D.E.Rumelhart
and The PDP Research Group,MIT Press,1986b」参照） ただし は、ｔ回目の学習における、修正後の結合重み から修正前の該結合の重み 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。

慣性項α、学習係数ηとしてたとえばα＝0.9η＝0.2
5を用いて各結合の重み 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 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 は本読みの際のそれぞれ感度、コントラストを適正に表
わす（つまり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。

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が第３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 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から、本読み
の際の最適読取条件を精度良く表わしている。

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。

上記のようにしてニューラルネットワークにより求め
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。

尚、上記実施例では、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10
0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。

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。

また、上記実施例では、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、
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S_Q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。

さらに、第６図に概略構成を示すように、先読手段10
で得られた先読画像信号Spを、コンピュータシステム20
0からなるニューラルネットワークに入力して所定の関
心領域を求め、この関心領域についてのみ抽出された先
読画像信号Sp′をヒストグラム解析部201に送り、該信
号Sp′のヒストグラムに基づいて読取条件を求めること
もできる。こうする場合、読取条件は関心領域のみにつ
いて求められるから、この読取条件は常に関心領域に対
して最適なものとなり得る。

そこで、この読取条件を示す情報Ｃを本読手段100′
に送り、本読みにおける読取条件を該情報Ｃが示す通り
に設定すれば、関心領域の濃度が安定した放射線画像を
再生可能となる。

上記のようなヒストグラム解析に関しては、例えば前
述した特開昭60−185944号公報，特開昭61−280163号公
報等に詳しい記載がなされており、本発明においても、
こうして従来より公知となっているヒストグラム解析の
手法を用いることができる。

尚、このようにニューラルネットワークによって所定
の関心領域を求める場合も、ヒストグラム解析により適
正な画像処理条件を求めることが可能である。

また、上述のヒストグラム解析部201の代わりに、ニ
ューラルネットワークを利用して読取条件やあるいは画
像処理条件を求めるようにしてもよい。

さらに、上記実施例は、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
み無しで上記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。第７図は、そのように
するシステムの概略構成を示すものである。

この場合、本読手段100′において所定の読取条件で
読取りがなされて画像信号S_Qが得られ、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210では、上
記画像信号S_Qに基づいて適正な画像処理条件が求められ
る。この際も、ニューラルネットワークを学習させるた
めに、特定の関心領域が撮影された放射線画像を利用す
ることにより、上記のようにして求められる画像処理条
件を、関心領域に対して最適なものとすることができ
る。

こうして求められた最適な画像処理条件を示す情報Ｄ
は画像処理装置211に入力され、該画像処理装置211にお
いては、入力された画像信号S_Qに、上記最適な画像処理
条件で例えば階調処理等の画像処理が施される。

さらに、第８図に概略構成を示すように、本読手段10
0′で得られた画像信号S_Qを、コンピュータシステム220
からなるニューラルネットワークに入力して所定の関心
領域を求め、この関心領域についてのみ抽出された画像
信号S_Q′をヒストグラム解析部221に送り、該信号S_Q′
のヒストグラムに基づいて画像処理条件を求めることも
できる。こうする場合、画像処理条件は関心領域のみに
ついて求められるから、この画像処理条件は常に関心領
域に対して最適なものとなり得る。

そこで、この画像処理条件を示す情報Ｅを画像処理装
置211に送り、画像処理条件を該情報Ｅが示す通りに設
定すれば、関心領域の濃度が安定した放射線画像を再生
可能となる。

この場合も、上述のヒストグラム解析部221の代わり
に、ニューラルネットワークを利用して画像処理条件を
求めるようにしてもよい。

【図面の簡単な説明】 第1A図，第1B図はそれぞれ、肩関節部のＸ線画像を表わ
した説明図、 第2A図，第2B図はそれぞれ、上記第1A図，第1B図に示さ
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、 第３図は、ニューラルネットワークの一例を表わした概
略図、 第４図は、Ｘ線撮影装置の一例の概略図、 第５図は、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、 第６、７および８図はそれぞれ、本発明のさらに異なる
方法を実施するシステムの概略構成図である。 １……Ｘ線撮影装置、２……Ｘ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 201、221……ヒストグラム解析部 211……画像処理装置

───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 平４−58943（ＪＰ，Ａ) 特開 平４−58941（ＪＰ，Ａ) 特開 平４−58942（ＪＰ，Ａ) 特開 平４−52873（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁷，ＤＢ名) G03B 42/02 A61B 6/00 H04N 1/04

Claims (4)

(57)【特許請求の範囲】
1. 【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、そのとき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
   表わす第一の画像信号を得、 前記蓄積性蛍光体シートに再度励起光を照射し、そのと
   き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、前記第一の画像
   信号に基づいて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、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
   クにより条件決定を行ない、 適正な読取条件及び／又は画像処理条件を出力させるた
   めに前記ニューラルネットワークを学習させる際に、被
   写体中の特定の関心領域が撮影された放射線画像と、そ
   の関心領域について最適とされた読取条件及び／又は画
   像処理条件とを利用す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方法。
2. 【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、そのとき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
   を表わす第一の画像信号を得、 前記蓄積性蛍光体シートに再度励起光を照射し、そのと
   き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、前記第一の画像
   信号に基づいて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、被写体中の特定の関心
   領域を出力とするニューラルネットワークにより、前記
   関心領域に関する第一の画像信号を抽出し、 この抽出された第一の画像信号に基づいて、前記読取条
   件及び／又は画像処理条件を決定することを特徴とする
   放射線画像読取条件及び／又は画像処理条件決定方法。
3. 【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、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条件決定を行ない、 適正な画像処理条件を出力させるために前記ニューラル
   ネットワークを学習させる際に、被写体中の特定の関心
   領域が撮影された放射線画像と、その関心領域について
   最適とされた画像処理条件とを利用することを特徴とす
   る放射線画像処理条件決定方法。
4. 【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方法において、 前記画像信号を入力とし、被写体中の特定の関心領域を
   出力とするニューラルネットワークにより、前記関心領
   域に関する画像信号を抽出し、 この抽出された画像信号に基づいて、前記画像処理条件
   を決定することを特徴とする放射線画像処理条件決定方
   法。