JP7015155B2 - 放射線撮影システム及び放射線撮影方法、画像処理装置およびプログラム - Google Patents

Description

本発明は、放射線を用いて撮影を行う放射線撮影システム及び放射線撮影方法およびプログラムに関するものである。

特許文献１には、被検者の脊椎や下肢の全体といった広い観察領域に対する放射線撮影を、複数の放射線検出器を並べて撮影することで、長尺撮影を行う放射線撮影システムが開示されている。長尺撮影を行う放射線撮影システムでは複数の放射線検出器で複数の放射線画像（部分画像）を生成し、生成した放射線画像を画像処理装置で合成することで広い観察範囲の全体を描出した一枚の放射線画像（長尺画像）を生成する。このような放射線撮影システムに用いられる複数の放射線検出器は、ひとつひとつは可搬型の放射線検出器であり、専用の長尺用架台に複数台を設置して長尺撮影を行い、また架台から１台だけ取り出して一般撮影を行う、といった使い回しが可能である。

放射線検出器を使い回すことにより、長尺撮影時の放射線検出器の配置（並び順や向き）が変わると、各放射線検出器の出力する放射線画像の並び順や向きも変わってしまい、放射線検出器の配置を考慮しないと正しい長尺画像を生成することはできない。

この問題の対処方法として、例えば操作者が、可搬型の放射線検出器の配置が変わらないよう意識する、あるいは配置が変わる場合には変更した配置を操作者が把握し、放射線撮影システム上で回転・並び替えの操作を行う運用により対処した場合、操作者の負担増加になり得る。

操作者の運用によらない対処方法として、例えば、架台と放射線検出器に機械的な配置位置を対応付けるための識別手段を設ける場合、装置の価格上昇につながるほか、架台選択の自由度を失うことになり得る。

操作者に負担をかけず、装置の価格も抑制し、架台選択の自由度も確保できる対処方法として、例えば特許文献２には、隣り合う放射線検出器の端部を重ねて撮影し、画像処理によって得られる画像端部の類似性に基づいて並び順を判断し合成する方法が開示されている。

特開２０１２－０４０１４０号公報 特開２０１２－０４５１７２号公報

しかしながら、特許文献２で開示されている画像端部の類似性を用いる方法では、画像端部の状態によっては類似性判断のための精度が低下する場合が生じ得る。例えば、撮影画像の確認を目的としたプレビュー表示では、高速に画像を表示するため、放射線検出器から画像処理装置に画像を間引き転送することがある。この場合、間引き転送により画像端部の情報が本来の画像よりも失われるため、画像間で重なりが生じる画像端部の類似性を正確に判断することが難しくなり得る。

また、可能な限り放射線検出器の有効画素範囲を大きくするために、重なり幅を狭くする場合も、画像を間引く場合と同様に類似性を判断するための精度低下につながる。更には放射線検出器が重ならないような配置で撮影を行う場合、特許文献２で開示されている方法は原理的に用いることができない。

本発明は、上記の従来技術における課題を鑑み、長尺撮影において、複数の放射線検出器が出力する放射線画像の並び順や向き（放射線検出器の配置）を、画像端部の重なり具合に依らない方法で判定し、判定した放射線検出器の配置に基づいて放射線画像を合成し、長尺画像を生成可能な放射線撮影技術を提供することを目的とする。

本発明の目的を達成するために、本発明の一態様による放射線撮影システムは、空間的に異なる位置に配置された放射線検出器に放射線を照射して得られる複数の放射線画像を合成し、長尺画像を生成する長尺画像生成部を有する放射線撮影システムであって、
前記複数の放射線画像それぞれの特徴に基づいて、前記放射線画像を撮影した放射線検出器の配置を判定する配置判定部を備え、
前記配置判定部は、
被写体の複数の解剖学的部位と、前記複数の解剖学的部位の位置関係とを予め登録する記憶部と、
前記複数の放射線画像ごとに、前記記憶部に登録されている前記複数の解剖学的部位の存在有無を前記放射線画像の特徴に基づいて判定する部位有無判定部と、
前記記憶部に登録されている前記位置関係と、前記放射線画像ごとの前記複数の解剖学的部位の存在有無とを照合することで、前記放射線画像の配置を決定する順序関係決定部と、を備え、
前記長尺画像生成部は、前記配置判定部が判定した前記放射線検出器の配置に基づいて前記放射線画像を合成し、前記長尺画像を生成することを特徴とする。

本発明によれば、長尺撮影において、複数の放射線検出器が出力する放射線画像の並び順や向き、すなわち放射線検出器の配置を、画像端部の重なり具合に依らない方法で判定し、判定した放射線検出器の配置に基づいて放射線画像を合成し、長尺画像を生成可能な放射線撮影技術を提供することができる。

また、本発明によれば、長尺撮影において自由度の高い放射線検出器の配置や高速プレビューが可能な放射線撮影技術を提供することができる。

本発明の放射線撮影システムの概略構成を示す図。 実施形態１の被写体と複数の放射線画像の例を示す図。 実施形態１の画像処理部の概略構成を示す図。 実施形態１の配置判定部の概略構成を示す図。 実施形態１の解剖学的部位とその位置関係の一例を示す図。 実施形態１の配置判定部の動作を示すフローチャート。 放射線画像と長尺画像との関係の一例を示す図。 実施形態１の部位有無判定部の概略構成の一例を示す図。 実施形態１の部位有無判定部の動作の一例を示すフローチャート。 実施形態２の被写体と複数の放射線画像の例を示す図。 実施形態２の画像処理部の概略構成を示す図。 実施形態２の配置判定部の概略構成を示す図。 実施形態２の配置判定部の動作を示すフローチャート。 実施形態２の放射線画像から生成される長尺画像候補の例を示す図。 実施形態２の配置評価部の概略構成の一例を示す図。 実施形態２の配置評価部の動作の一例を示すフローチャート。

以下、図面を参照して、本発明の実施形態を例示的に詳しく説明する。ただし、この実施形態に記載されている構成要素はあくまで例示であり、本発明の技術的範囲は、特許請求の範囲によって確定されるのであって、以下の個別の実施形態によって限定されるわけではない。

［実施形態１］
（放射線撮影システム１００の概略構成）
図１は、本発明が適用される長尺撮影可能な放射線撮影システム１００の概略構成を示す図である。放射線撮影システム１００は、空間的に異なる位置に配置された放射線検出器に放射線を照射して得られる複数の放射線画像を合成し、長尺画像を生成することが可能である。放射線撮影システム１００は、放射線発生部１０１、放射線検出部１０２、データ収集部１０３、前処理部１０４、ＣＰＵ１０５、メインメモリ１０６、操作部１０７、表示部１０８、画像処理部１０９を備えている。さらに、これらはＣＰＵバス１１０を介して互いにデータの送受信が可能となるように接続されている。

放射線検出部１０２は、例えば２つ以上の複数の放射線検出器を被写体１４０の長手方向に並べて配置したものであり、１つの放射線検出器には収まりきらない大きな被写体１４０を対象とする長尺撮影を行うことができる。

尚、図１において、複数の放射線検出器の例として３つの放射線検出器を例示しているが、この例に限定されるものではない。また、図１において、複数の放射線検出器は端部において重なる部分が示されているが、本実施形態では、画像端部の重なり具合に依らない方法で放射線検出器の配置（並び順および向き）を判定するので、重なり部分は無くてもよい。

（放射線撮影時の動作）
放射線撮影システム１００において、メインメモリ１０６は、ＣＰＵ１０５での処理に必要な各種データを記憶すると共に、ＣＰＵ１０５のワーキング・メモリとして機能する。ＣＰＵ１０５は、メインメモリ１０６を用いて、操作部１０７からの操作にしたがい、装置全体の動作制御等を行う。これにより放射線撮影システム１００は、以下のように動作する。

まず、操作部１０７を介してユーザから撮影指示が入力されると、この撮影指示はＣＰＵ１０５によりデータ収集部１０３に伝えられる。ＣＰＵ１０５は、撮影指示を受けると、放射線発生部１０１及び放射線検出部１０２を制御して放射線撮影を実行させる。

放射線撮影では、放射線発生部１０１が放射線ビームを照射し、放射線ビームは、被写体１４０を減衰しながら透過し、放射線検出部１０２に到達する。

（放射線検出部１０２）
上述した通り、本実施形態では被写体１４０は１つの放射線検出器に収まりきらない大きさであることを想定している。これは例えば人体全脊椎領域である。この人体全脊椎領域を撮影するために、放射線検出部１０２は、例えば図１に示すように、一部分が空間的に重なるように並べて配置された複数の放射線検出器（１０２ａ、１０２ｂ、１０２ｃ）で構成される。

放射線検出部１０２は、複数の放射線検出器を空間的に異なる位置に配置することで、一回の放射線照射により複数の放射線画像を取得することが可能である。複数の放射線検出器は、被写体１４０を透過してきた放射線ビームを受けて、放射線強度に応じた信号を個別に出力する。すなわち放射線検出部１０２全体で見れば、１度の放射線照射で、複数の放射線強度信号を出力する。この複数の放射線強度信号の数は、放射線検出部１０２を構成する放射線検出器１０２ａ～１０２ｃの数である。

また、放射線検出部１０２は、空間的配置を変更可能な単一の放射線検出器で構成されるものでも良い。すなわち、放射線検出部１０２は、単一の放射線検出器を空間的に異なる位置に配置しながら複数の放射線照射を行うことで複数の放射線画像を取得することも可能である。この構成で人体全脊椎領域を撮影するためには、放射線検出器の空間的配置を変えながら複数回放射線照射を行う。放射線検出器は、放射線照射ごとにその放射線強度に応じた信号を出力する。この配置の変更時も、放射線検出器の一部は空間的に重なるものとする。すなわち放射線検出部１０２は、放射照射の回数だけ異なる複数の放射線強度信号を出力する。

以上、いずれの構成であっても放射線検出部１０２は、複数の信号をデータ収集部１０３に出力する。データ収集部１０３は、送られてきた複数の信号をデジタル信号に変換し、複数の画像データとして前処理部１０４に供給する。前処理部１０４は、データ収集部１０３から供給された複数の画像データに対して、オフセット補正やゲイン補正等の前処理を行う。この前処理部１０４で前処理が行われた複数の画像データは、ＣＰＵ１０５を介して、メインメモリ１０６、画像処理部１０９に順次転送される。

（画像処理部１０９）
画像処理部１０９は、配置判定部１１１と、長尺画像生成部１１２とを有する。配置判定部１１１は、放射線検出器の出力から生成される複数の画像データ（放射線画像）の順序や向きなどの放射線検出器の配置を判別する。配置判定部１１１は、複数の放射線画像それぞれの特徴に基づいて、放射線画像を撮影した放射線検出部１０２を構成する放射線検出器の配置を判定することが可能である。また、長尺画像生成部１１２は、配置判定部１１１が判定した放射線検出器の配置に基づいて複数の放射線画像を合成し、長尺画像を生成する。

図２は、実施形態１の被写体（人体２００）と複数の放射線画像の例を示す図であり、図３は、実施形態１の画像処理部の概略構成を示す図である。例えば、放射線検出部１０２が、３つの放射線検出器１０２ａ～１０２ｃよって構成され、図２に示すような人体２００から、放射線検出器の配置Ｐ２０１、Ｐ２０２、Ｐ２０３における撮影を行い、３枚の放射線画像Ｉ２０１、Ｉ２０２、Ｉ２０３を生成したものとする。図２は、放射線検出器の配置と放射線画像の順序が入れ替わっており、放射線画像を上からＩ２０１、Ｉ２０２、Ｉ２０３の順番で放射線画像を繋げても、正しい長尺画像が生成できない状態を仮定している。本実施の形態における画像処理部１０９の配置判定部１１１は、この状態にある放射線画像Ｉ２０１、Ｉ２０２、Ｉ２０３の特徴に基づいて、放射線画像を撮影した放射線検出器の配置Ｐ２０２、Ｐ２０３、Ｐ２０１を判定する。配置判定部１１１は判定結果に基づいて、放射線検出器の正しい配置（Ｐ２０１、Ｐ２０２、Ｐ２０３）に並び順を変更する。そして、長尺画像生成部１１２は、配置判定部１１１が判定した放射線検出器の配置に基づいて放射線画像を合成し、長尺画像ＩＬを生成する（図３）。

（配置判定部１１１）
図４は、実施形態１の配置判定部の概略構成を示す図である。画像処理部１０９において、配置判定部１１１は、記憶部４０１、部位有無判定部４０２、順序関係決定部４０３を備えており、本実施形態の特徴的な構成となる（図４）。

記憶部４０１は、被写体の複数の解剖学的部位と、複数の解剖学的部位の位置関係とを予め登録する。部位有無判定部４０２は、複数の放射線画像ごとに、記憶部４０１に登録されている複数の解剖学的部位の存在有無を放射線画像の特徴に基づいて判定する。また、順序関係決定部４０３は、記憶部４０１に登録されている位置関係と、放射線画像ごとの複数の解剖学的部位の存在有無とを照合することで、放射線画像の配置を決定する。

以下、配置判定部１１１の具体的な構成について説明する。以下の説明では、放射線検出部１０２がＮ台の放射線検出器で構成されているものとし、ｎ番目の放射線検出器が生成する放射線画像をＩｎ（１≦ｎ≦Ｎ）と表記する。本実施形態において、記憶部４０１には被写体１４０に関する８種類の解剖学的部位とその位置関係が登録されているものとする。

解剖学的部位とは、放射線撮影システム１００の被写体である人体中の比較的区別が容易な臓器や組織、人体の一部などを意味している。例えば図５では、人体５００に対し、頭部５０１、頸椎５０２、肺野５０３、腰椎５０４、骨盤５０５、大腿骨５０６、膝関節５０７、足首５０８の８部位を記憶部４０１に登録する解剖学的部位としている。１つの放射線検出器の検出領域の中に、少なくとも一つの解剖学的部位が含まれる。図５に示す８つの解剖学的部位の分類は例示的なものである。すなわち、解剖学的部位は、ランドマークとなる代表的な部位が１つの場合に限定されず、１つの解剖学的部位に複数の代表的な部位が含まれるように解剖学的部位を分類してもよい。例えば、図５において、頭部５０１及び頸椎５０２を１つの解剖学的部位にまとめてもよい。

位置関係とは、これらの解剖学的部位がどう繋がっているかを示す情報である。記憶部４０１に登録される複数の解剖学的部位の位置関係は、被写体１４０を走査したときの複数の解剖学的部位の出現順序である。被写体１４０の走査方向は、被写体１４０を上から下に、あるいは被写体１４０を下から上であってもよい。例えば、図５の解剖学的部位では、被写体を上から下に走査した例であり、人体５００の頭部から足首方向に人体を走査したときの各部位の出現順序を位置関係として記憶部４０１に登録する。すなわち、頭部５０１、頸椎５０２、肺野５０３、腰椎５０４、骨盤５０５、大腿骨５０６、膝関節５０７、足首５０８の順序に１～８までの番号（配置順）を割り当て、この番号を位置関係として登録する。

以下、放射線撮影システムが図５の人体５００に対し長尺撮影を行い、Ｎ枚の放射線画像を取得したときを例に、配置判定部１１１がＮ枚の放射線画像からそれぞれの放射線画像を生成した放射線検出部１０２を構成する放射線検出器の配置を判定する流れを、図６のフローチャートを用いて説明する。

（ステップＳ６０１）
配置判定部１１１は、画像処理部１０９に入力されたＮ枚の放射線画像を１枚ずつ部位有無判定部４０２へ入力する。部位有無判定部４０２は、入力された放射線画像Ｉｎ（１≦ｎ≦Ｎ）から、記憶部４０１に登録されている複数の解剖学的部位ひとつひとつについてその存在有無を判定し、判定結果を出力する。

部位有無判定部４０２は、複数の放射線画像について、予め教師あり学習によって実現された推論器によって抽出した放射線画像の特徴に基づいて、複数の解剖学的部位の存在有無の存在確率を求め、存在確率に基づいて複数の解剖学的部位の存在有無を判定する。判定結果は、例えばある解剖学的部位が処理対象の放射線画像中に存在する確率が高ければ１、存在する確率が低ければ０に近い値をとる実数値で表す。

部位有無判定部４０２は、複数の解剖学的部位の存在有無の判定結果を、位置関係に応じた配置順の要素とするベクトルで出力する。ここで、放射線画像Ｉｎに位置関係ｉの解剖学的部位が存在する確率をｙｎｉと表記する。すなわち、放射線画像Ｉｎに対する全ての解剖学的部位（８部位）に関する判定結果は確率ｙｎｉ（１≦ｉ≦８）を要素とするベクトルｙｎ（＝｛ｙｎ１，ｙｎ２，・・・，ｙｎ８｝）を用いて表記する。ベクトルｙｎの要素は、位置関係に応じた配置順に基づいて配置される。

配置判定部１１１は、Ｎ枚の放射線画像を１枚ずつ部位有無判定部４０２に入力し、全ての放射線画像について、ベクトルｙｎを得て、ステップＳ６０２へ進む。

（ステップＳ６０２）
配置判定部１１１は、部位有無判定部４０２が出力したＮ枚の放射線画像全てに関する判定結果を順序関係決定部４０３に入力する。順序関係決定部４０３は、入力された全ての判定結果を記憶部４０１に登録されている解剖学的部位の位置関係と照合することでＮ枚の放射線画像間の順序関係を決定する。

順序関係決定部４０３は、部位有無判定部４０２から出力されたベクトルの重心を計算し、重心の大小に応じて放射線画像の配置を決定する。ベクトルの重心に基づいた放射線画像の配置（順序関係）を決定するための順序評価値ｇｎは以下の数１式で計算される。

ここで判定結果と記憶部４０１に登録されている解剖学的部位の位置関係の照合方法は特に限定するものではないが、図５を例とすれば次のような方法で行う。ここでは記憶部４０１には頭部５０１、頸椎５０２、肺野５０３、腰椎５０４、骨盤５０５、大腿骨５０６、膝関節５０７、足首５０８という解剖学的部位と、その位置関係が１～８という番号で登録されている。また、放射線画像Ｉｎに関する解剖学的部位の存在有無の判定結果は、ベクトルｙｎ＝｛ｙｎ１，ｙｎ２，・・・，ｙｎ８｝という形で生成されており、ベクトルｙｎの各要素は対応する部位が放射線画像Ｉｎ内に存在すれば大きな値をとる。以上の仮定の下で、次式により放射線画像Ｉｎの順序評価値ｇｎを定義する。

順序評価値の値は、ベクトルｙｎの８要素についての重心を計算したものである。例えば頭部５０１や頸椎５０２が撮影された放射線画像Ｉｎでは、ｙｎ１，ｙｎ２の値が大きくなると期待され、そのときの順序評価値ｇｎは小さな値になる。逆に膝関節５０７や足首５０８が撮影されている場合、順序評価値ｇｎは大きな値をとる。従ってこの順序評価値ｇｎの大小を用いて放射線画像Ｉｎをソートすることで放射線画像間の配置（順序関係）を決定することができる。

（長尺画像生成部１１２）
長尺画像生成部１１２は、配置判定部１１１が出力する放射線画像の配置の判定結果、すなわち、放射線検出器の配置の判定結果に基づいて放射線画像Ｉｎ（１≦ｎ≦Ｎ）を並び替えて合成し、長尺画像ＩＬを生成する。

長尺画像生成部１１２は、機能構成として、放射線画像配置部、位置合わせ部および画像合成部を備える。

放射線画像配置部は、配置判定部１１１の判定結果に基づいて放射線画像を配置する。すなわち、放射線画像配置部は、配置判定部１１１の判定結果に基づいて、正しい配置になるように放射線画像の並び順や向きを変更する。

位置合わせ部は、放射線画像配置部により配置された複数の放射線画像の間の位置合わせを行う。そして、画像合成部は、位置合わせ部による複数の放射線画像の間の位置合わせ結果に基づいて複数の放射線画像を合成する。

放射線検出部１０２の構成として、複数の放射線検出器を重ねずに使用する場合、長尺画像ＩＬの概要を表示できればよいので、放射線画像間のつなぎ目を目立たないように合わせる必要はない。この場合、長尺画像生成部１１２は、配置判定部１１１が出力する放射線画像の配置の判定結果、すなわち、放射線検出器の配置の判定結果に基づいて放射線画像Ｉｎ（１≦ｎ≦Ｎ）を並び替えて合成し、長尺画像ＩＬを生成すればよい。

一方、複数の放射線検出器を重ねて撮影する場合の放射線画像の合成においては放射線画像間でつなぎ目が目立たないように画素単位の位置合わせを行うことが望ましい。ここでは具体的な方法は特に限定しないが、簡単な例として、放射線画像の間の相対位置を微調整しながら相対位置ごとに形成される重複領域の類似度を求め、その類似度が最小となる相対位置で画像を合成して長尺画像とする方法を説明する。

この方法では、図７に示すように、画像データペアの一方（放射線画像Ｉ１）の左上端を原点Ｏとする座標系を考える。この座標系においてもう一方（放射線画像Ｉ２）の原点位置が（ｓｘ、ｓｙ）にある場合の、画像データペアが作る重複領域から計算される類似度Ｓを次式で定義する。

以下の数２式において、長尺画像生成部１１２は、重複領域における放射線画像の画素値の差分と、重複領域の面積とに基づいて類似度Ｓを算出する。

上式において、ｏｈは重複領域の高さ、ｏｗは重複領域の幅である。類似度Ｓは、放射線画像の重複領域における画素値の差が小さいほど小さくなる。従って、所定の範囲で位置（ｓｘ，ｓｙ）を変えながら類似度Ｓを計算し、類似度Ｓが最小となる位置（ｓｘ，ｓｙ）を、放射線画像を合成すべき原点位置と考えれば良い。放射線画像Ｉ１に放射線画像Ｉ２を合成する場合、長尺画像生成部１１２は、放射線画像Ｉ２を原点位置（ｓｘ、ｓｙ）に基づいて放射線画像Ｉ１に位置合わせして、放射線画像Ｉ１、Ｉ２を合成すればよい。

続いて画像データペアの合成方法について説明する。合成する放射線画像Ｉ１、Ｉ２の画像サイズをそれぞれ、高さＨ１、Ｈ２、幅Ｗ１、Ｗ２とする。このとき、放射線画像Ｉ１とＩ２とを、重なり部分の相対位置関係を示す原点位置（ｓｘ，ｓｙ）で合成して得られる長尺画像ＩＬのサイズ（高さＨＬ、幅ＷＬ）は、次式で表すことができる。

以下の数３式において、各放射線画像の画像サイズと、重なり部分の原点位置とに基づいて、放射線画像Ｉ１、Ｉ２を合成した長尺画像のサイズ（高さＨＬ、幅ＷＬ）が算出される。

長尺画像ＩＬは、図７に示す通り、このサイズの領域（高さＨＬ、幅ＷＬ）に、相対位置関係を示す原点位置（ｓｘ，ｓｙ）を保ちつつ放射線画像Ｉ１、Ｉ２を貼り付けた画像である。放射線画像Ｉ１，Ｉ２のいずれも存在しない領域ＩＢに対して、長尺画像生成部１１２は、例えば画素値ゼロを設定する。また、長尺画像生成部１１２は、重複領域ＩＤの画素値として、例えば放射線画像Ｉ１、Ｉ２の対応する画素値の平均値を設定する。

（部位有無判定部の具体例（ＣＮＮ））
長尺撮影において１枚の放射線画像上に撮影される被写体の部位はバリエーションに富んでおり、同じ部位でも被写体１４０の長手方向にずれが生じたり、放射線発生部１０１の開口絞りにより照射野が異なる場合も生じ得る。また、被写体１４０の疾病によっては、背骨や腰が大きく湾曲しているなど、いつも所定の部位に所定の部位が存在するとは限らない。

このように、撮影条件や被写体の条件に左右されず、どのような条件の下でも放射線画像に含まれる部位を抽出することができるように、本実施形態では、機械学習によって入力画像（例えば、放射線画像）から抽出する特徴を出力するための特徴抽出ルールを決めた推論器により、部位有無判定部４０２は、複数の解剖学的部位の存在有無の存在確率を求め、存在確率に基づいて複数の解剖学的部位の存在有無を判定する。

配置判定部１１１の動作フローにおいて、ステップＳ６０１の部位有無判定部４０２の具体的な方法は特に限定されるものではないが、好適には畳み込みニューラルネットワーク（Convolutional Neural Network、以下「ＣＮＮ」）を用いて実現される推論器を用いることが可能である。尚、機械学習の方式としては、ＣＮＮに限定されるものではなく、例えばニューラルネットワーク(ＮＮ)やアダブースト（AdaBoost)等、種々の方式を適用することが可能である。

ＣＮＮは畳み込み層、プーリング層、全結合層より構成されるニューラルネットワークの一種であり、ここではその概要について説明する。

畳み込み層では、入力画像（放射線画像）をフィルタリングして、入力画像（放射線画像）の特徴を抽出し、フィルタリングの結果として抽出した特徴を出力する処理を行う。具体的には、畳み込み層の処理は以下の数４式のような処理であり、ＣＮＮの畳み込み層は、Ｎ枚の入力画像Ｉｎ（０≦ｎ＜Ｎ）に対し、次のような計算を行い、Ｍ枚の画像Ｏｍ（０≦ｍ＜Ｍ）を出力する。

ここでＫｎｍは、ｍ枚目の画像Ｏｍを計算するためにｎ枚目の入力画像Ｉｎに適用するフィルタを表す。またｂｍはｍ枚目の出力特徴マップＯｍの計算に必要なバイアス値を表す。さらにｆ（）は活性化関数を表す。

畳み込み層の出力がプーリング層の入力となる。すなわち、畳み込み層の処理により入力画像から特徴が抽出された画像（特徴画像）がプーリング層の入力となる。プーリング層では、畳み込み層の処理により特徴が抽出された画像（特徴画像）に対してダウンサンプリング（縮小処理）を行い、画像を小さくしながら特徴画像（縮小画像）において、より顕著な特徴を残す処理を行う。

具体的には、ＣＮＮのプーリング層は、Ｎ枚の入力画像Ｉｎ（０≦ｎ＜Ｎ）に対し、画像ごとにダウンサンプリング処理を行い、入力と同数のＮ枚の画像Ｏｎ（０≦ｎ＜Ｎ）を出力する。ダウンサンプリングの方法は複数あるが、例えば入力画像ＩをＷ×Ｗ画素からなる小領域Ｒに分割し、小領域Ｒごとの最大画素値を出力画像Ｏの対応位置における画素値とする最大値プーリングといったものを用いる。最大値プーリングは、ある範囲において、一番大きな特徴量を示すものを顕著な特徴として残せば、他の特徴量は顕著な特徴となり得ないとする処理であり、この場合、出力画像Ｏは入力画像Ｉから１／Ｗのサイズにダウンサンプリング（縮小処理）された縮小画像となる。

畳み込み層による特徴抽出を行い、プーリング層において、より顕著な特徴を残す処理を繰り返すことにより、最後に残った特徴が入力画像の全体を表す特徴として求めることができる。プーリング層の出力が全結合層の入力となり、全結合層では、プーリング層の出力結果に対して所定の重みづけをする処理を行う。具体的には、全結合層の処理は以下の数５式のような処理であり、入力ベクトルｘが与えられ、重み行列Ｗにより入力ベクトルｘに対する重みづけを行い、ベクトルｙを出力する。ここで出力されるベクトルｙは、ステップＳ６０１で説明した、解剖学的部位が存在する確率ｙｎｉ（１≦ｉ≦８）を要素とするベクトルｙｎに対応する。

ここでＷは、入力ベクトルｘを要素数Ｎの列ベクトル、出力ベクトルｙを要素数Ｍの列ベクトルとしたとき、Ｍ行Ｎ列の重み行列である。またｂは要素数Ｍの列ベクトルであり、バイアスを意味する。さらにｆ（）は活性化関数である。

（動作フロー）
図８および図９により、実施形態１の部位有無判定部４０２の概略構成および部位有無判定部４０２の動作の一例を説明する。ＣＮＮの処理は以上の畳み込み層、プーリング層、全結合層を解決する問題に応じて適当に組み合わせることで実現される。例えば図８は、部位有無判定部４０２を、第１の畳み込み層８０１、第１のプーリング層８０２、第２の畳み込み層８０３、第２のプーリング層８０４、全結合層８０５で構成したものである。この構成において、部位有無判定部４０２が入力された部位画像Iから複数の解剖学的部位の存在有無を判定する流れを図９のフローチャートを用いて説明する。

（ステップＳ９０１）
部位有無判定部４０２は、第１の畳み込み層８０１に、放射線画像Ｉを入力する。第１の畳み込み層８０１では入力である放射線画像Iに対して数４式の計算を行い、放射線画像Iのフィルタリングにより放射線画像Iの特徴を抽出し、フィルタリングの結果として抽出した特徴として、第１の特徴マップＭ１（Ｎ１枚の画像）を出力する。

（ステップＳ９０２）
第１の畳み込み層８０１の処理により放射線画像Iから特徴が抽出された画像（第１の特徴マップＭ１（Ｎ１枚の画像））が第１のプーリング層８０２の入力となる。部位有無判定部４０２は、第１のプーリング層８０２に、特徴マップＭ１（Ｎ１枚の画像）を入力する。第１のプーリング層８０２では、第１の特徴マップＭ１のＮ１枚の画像それぞれに最大値プーリング処理を行い、第２の特徴マップＭ２（Ｎ１枚の画像）を出力する。すなわち、第１のプーリング層８０２では、第１の特徴マップＭ１（Ｎ１枚の画像）に対してダウンサンプリング（縮小処理）を行い、画像を小さくしながら第１の特徴マップＭ１のＮ１枚の画像（縮小画像）において、より顕著な特徴を残す処理を行う。

（ステップＳ９０３）
部位有無判定部４０２は、第２の畳み込み層８０３に、第２の特徴マップＭ２（Ｎ１枚の画像）を入力する。第２の畳み込み層８０３では、入力である第２の特徴マップＭ２（Ｎ１枚の画像）に対して数式４の計算を行い、第２の特徴マップＭ２（Ｎ１枚の画像）のフィルタリングにより第２の特徴マップＭ２の特徴を抽出し、フィルタリングにより抽出した特徴として、第３の特徴マップＭ３（Ｎ２枚の画像）を出力する。

（ステップＳ９０４）
第２の畳み込み層８０３の処理により出力された第３の特徴マップＭ３（Ｎ２枚の画像）が第２のプーリング層８０４の入力となる。部位有無判定部４０２は、第２のプーリング層８０４に、第３の特徴マップＭ３（Ｎ２枚の画像）を入力する。第２のプーリング層８０４では、第３の特徴マップＭ３のＮ２枚の画像それぞれに最大値プーリング処理を行い、第４の特徴マップＭ４（Ｎ２枚の画像）を出力する。すなわち、第２のプーリング層８０４では、第３の特徴マップＭ３（Ｎ２枚の画像）に対してダウンサンプリング（縮小処理）を行い、画像を小さくしながら第３の特徴マップＭ３のＮ２枚の画像（縮小画像）において、より顕著な特徴を残す処理を行う。

（ステップＳ９０５）
部位有無判定部４０２は、全結合層８０５に、第４の特徴マップＭ４を入力する。全結合層８０５では、入力である第４の特徴マップＭ４を構成するＮ２枚の画像の全ての画素を１次元の列ベクトルｘに変換して数５式の計算を行い、列ベクトルｙを出力し、処理を終了する。以上によって求めた列ベクトルｙがＣＮＮの推論器により構成された部位有無判定部４０２の出力であり、部位有無判定部４０２に入力された放射線画像Ｉに存在する解剖学的部位の存在有無の判定結果を表す。すなわち列ベクトルｙの要素数は記憶部４０１に登録された解剖学的部位の数である。

（機械学習）
ＣＮＮにおいて畳み込み層およびプーリング層のフィルタおよび全結合層の行列の要素（重み）や、畳み込み結果や行列演算の後に加えられるバイアスの値は、多数の学習データを用いた教師あり学習によって調整される。教師あり学習とは、サンプル画像と、各サンプル画像に対する正しい判定結果（答えデータ）との組み合わせを多数準備し、サンプル画像をＣＮＮの推論器に入力して得られる出力が答えデータと一致するように重みやバイアスを調整する処理である。この調整には、例えば、誤差逆伝搬法を用いることが可能である。

長尺撮影によって収集した複数の放射線画像において、答えデータとして放射線画像中に解剖学的構造が存在すれば１、解剖学的構造が放射線画像中に存在しなければ０という値を解剖学的構造の数だけ設定したベクトルを準備して予め教師あり学習を行うことにより、ＣＮＮの推論器を実現することができる。

ＣＮＮの推論器で部位有無判定部４０２の構成を実現する場合、部位有無判定部４０２は、複数の放射線画像について、予め教師あり学習によって実現された推論器によって抽出した放射線画像の特徴に基づいて、複数の解剖学的部位の存在有無の存在確率（０～１の実数値）を求め、存在確率に基づいて複数の解剖学的部位の存在有無を判定するように構成される。

（ハイパーパラメータ）
上述した説明では、層の数とその組み合わせ方について具体的に例を挙げて説明したが、ＣＮＮの層の数や大きさ、接続順序等はハイパーパラメータと呼ばれ、教師あり学習の結果やできあがる推論器の性能に影響する。これらハイパーパラメータは、好ましくは学習データの規模や問題の難易度によって最適な値に調整可能である。

（間引き画像について）
なお、以上で説明した放射線撮影システム１００において、データ収集部１０３は、放射線検出部１０２の放射線検出器からの画像データの収集を複数に分けて行っても良い。例えば、１度目は画像データの１／４に相当する量を間引いて収集し、２度目に残りの３／４を収集する。そして１度目の１／４に相当するデータから間引き画像データを生成し、これを用いて放射線検出器の配置判定を行う。これにより残り３／４に相当するデータの収集が完了してからの長尺画像生成の開始を早めることが可能になる。

（実施形態１のまとめ）
本実施形態によれば、空間的に異なる位置に配置された放射線検出器に放射線を照射して得られる複数の放射線画像を合成し、長尺画像を生成する長尺画像生成部を有する放射線撮影システムにおいて、配置判定部１１１は、複数の放射線画像それぞれの特徴に基づいて、放射線画像を撮影した放射線検出器の配置を判定する。そして、長尺画像生成部１１２は、配置判定部１１１が判定した放射線検出器の配置に基づいて放射線画像を合成し、長尺画像を生成する。

配置判定部１１１は、被写体の複数の解剖学的部位と、複数の解剖学的部位の位置関係とを予め登録する記憶部４０１と、部位有無判定部４０２と、順序関係決定部４０３とを備える。配置判定部１１１の部位有無判定部４０２は、複数の放射線画像ごとに、記憶部４０１に登録されている複数の解剖学的部位の存在有無を放射線画像の特徴に基づいて判定する。また、配置判定部１１１の順序関係決定部４０３は、記憶部４０１に登録されている位置関係と、放射線画像ごとの複数の解剖学的部位の存在有無とを照合することで、放射線画像の配置を決定することができる。

係る構成の放射線撮影システムによれば、長尺撮影において、複数の放射線検出器が出力する放射線画像の並び順や向き、すなわち放射線検出器の配置を、画像端部の重なり具合に依らない方法で判定し、判定した放射線検出器の配置に基づいて放射線画像を合成し、長尺画像を生成することが可能になる。

また、長尺撮影において自由度の高い放射線検出器の配置や高速プレビューが可能な放射線撮影技術を提供することが可能になる。また、本実施形態において放射線撮影システムの構成として説明した各構成部は、画像処理装置の構成、または画像処理方法として実現することが可能である。

［実施形態２］
次に実施形態２に係る放射線撮影システムの構成を説明する。以下の説明では、本実施形態の特徴である配置判定部１１１について、実施形態１で説明した放射線撮影システム１００の構成と異なる部分について説明する。

図１０は、実施形態２の被写体（人体１０００）と複数の放射線画像の例を示す図である。例えば、放射線検出部１０２が、２台の放射線検出器よって構成され、図１０に示すような人体１０００に対して、放射線検出器の配置Ｐ１００１、Ｐ１００２における撮影を行い、２枚の放射線画像Ｉ１００１、Ｉ１００２を生成したものとする。

図１０は、放射線検出器の配置Ｐ１００１、Ｐ１００２と放射線画像Ｉ１００１（正常な向きに対して１８０度回転している）、Ｉ１００２の向きと配置順序が入れ替わっており、放射線画像を上からＩ１００１、Ｉ１００２の順番で画像を繋げても、正しい長尺画像が生成できない状態を仮定している。

本実施の形態における画像処理部１０９は、この状態にある放射線画像Ｉ２０１、Ｉ２０２から配置判定部１１１により放射線検出器の配置（Ｐ１００２（１８０度回転）、Ｐ１００１）を判定する。すなわち、配置判定部１１１は、放射線検出器の配置として、各放射線検出器の並び順と向きを判定する。そして、判定した放射線検出器の配置に基づいて放射線画像を合成し、長尺画像ＩＬを生成する（図１１）。

（配置判定部１１１）
図１１は、実施形態２の画像処理部の概略構成を示す図であり、図１２は、実施形態２の配置判定部１１１の概略構成を示す図である。実施形態２の画像処理部１０９において、配置判定部１１１は、仮配置部１２０１、配置評価部１２０２、配置決定部１２０３を備えており、本実施形態の特徴的な構成となる（図１２）。

以下の説明では、放射線検出部１０２がＮ台の放射線検出器で構成されているものとし、ｎ番目の放射線検出器が生成する放射線画像をＩｎ（１≦ｎ≦Ｎ）と表記する。そして、配置判定部１１１がＮ枚の放射線画像からそれぞれの放射線画像を生成した放射線検出部１０２を構成する放射線検出器の配置を判定する流れを、図１３のフローチャートを用いて説明する。

（ステップＳ１３０１）
配置判定部１１１は、画像処理部１０９に入力されたＮ枚の放射線画像を仮配置部１２０１に入力する。仮配置部１２０１は、複数の放射線画像の夫々に対して複数の配置を適用して得られる複数の長尺画像候補を生成する。具体的には、仮配置部１２０１は、放射線検出部１０２を構成する複数の放射線検出器がとり得る配置（単一の放射線検出器であればとり得る配置順序であり、各放射線検出器について、上側および下側、回転なし（０度）および回転あり（１８０回転）の４通りの配置）に基づいて入力されたＮ枚の放射線画像を配置した、長尺画像候補を全パターン生成する。すなわち、仮配置部１２０１は、放射線検出器が取り得る配置の組み合せに基づいて複数の放射線画像に対して回転、及び並び替えを行うことにより、複数の長尺画像候補を生成する。

ここでは説明を簡単にするために、放射線検出部１０２を構成する放射線検出器が２つの場合であり、放射線検出器のとり得る向きを２方向（基本となる向き（０度）と、そこから１８０度回転した逆向き）と仮定する。

図１４は、実施形態２の放射線画像から生成される長尺画像候補の一例を示す図であり、放射線検出部１０２を構成する２つの放射線検出器から生成される２枚の放射線画像を、図１１の画像Ｉ１００１、Ｉ１００２とするとき、仮配置部１２０１が生成する長尺画像候補は、図１４の画像Ｉ１４０１～Ｉ１４０８の８パターンとなる。

（ステップＳ１３０２）
配置判定部１１１は、仮配置部１２０１が出力した長尺画像候補の全パターンを１つの長尺画像候補ずつ配置評価部１２０２へ入力する。配置評価部１２０２は、複数の長尺画像候補の特徴に基づいて、長尺画像候補を構成する複数の放射線画像の配置を評価する。配置評価部１２０２は、入力された長尺画像候補ＩＬｎ（１≦ｍ≦Ｍ（Ｍ：長尺画像候補のパターン数））から、長尺画像の配置として正しい配置（並び順および向き）かを評価し、評価結果を出力する。

ここで評価結果は、例えば評価対象の長尺画像候補における放射線画像配置が、被写体を適切に繋げ、かつ所定の向きを向いていると判断すれば１に近い値を、そうでなければ０に近い値をとる実数値で表すものとする。さらに、長尺画像候補ＩＬｍに対する評価結果をｙｍと表記する。配置判定部１１１は、Ｍ枚の長尺画像候補を１枚ずつ配置評価部１２０２に入力して全ての評価結果ｙｍを得たところでステップＳ１３０３へ進む。

（ステップＳ１３０３）
配置判定部１１１は、配置評価部１２０２が出力した評価結果ｙｍ（１≦ｍ≦Ｍ）を配置決定部１２０３に入力する。配置決定部１２０３は、配置の評価結果に基づいて複数の放射線画像の配置を決定する。すなわち、配置決定部１２０３は、入力された評価結果ｙｍに基づいてＭ枚の長尺画像候補ＩＬｍ（１≦ｍ≦Ｍ）から最も長尺画像として正しいものを決定し、その放射線画像配置を求める放射線検出器の配置の判定結果として出力し、処理を終了する。

（長尺画像生成部１１２）
長尺画像生成部１１２は、配置判定部１１１が出力する放射線検出器の配置の判定結果に基づいて、必要に応じた放射線画像Ｉｎ（１≦ｎ≦Ｎ）の回転、並び替えを行ったのち合成し、長尺画像ＩＬを生成する。合成方法としては、例えば実施形態１にて説明した方法を用いればよい。

（配置評価部の具体例（ＣＮＮ））
本実施形態では、機械学習によって入力画像（例えば、長尺画像候補）から抽出する特徴（評価値）を出力するための特徴抽出ルール（評価ルール）を決めた推論器により、配置評価部１２０２は、複数の長尺画像候補の特徴に基づいて、長尺画像候補を構成する複数の放射線画像の配置を評価する。

配置判定部１１１の動作フローにおいて、ステップＳ１３０２の配置評価部１２０２の具体的な方法は特に限定されるものではないが、例えば、実施形態１と同様に畳み込みニューラルネットワーク（Convolutional Neural Network、以下「ＣＮＮ」）を用いて実現される推論器を用いることが可能である。ＣＮＮにおける畳み込み層、プーリング層および全結合層の処理は実施形態１と同様である。

（動作フロー）
図１５および図１６により、実施形態２の配置評価部１２０２の概略構成および配置評価部１２０２の動作の一例を説明する。

ＣＮＮの処理は実施形態１で説明した通り、畳み込み層、プーリング層、全結合層を解決する問題に応じて適当に組み合わせることで実現される。例えば図１５は、配置評価部１２０２を、第１の畳み込み層１５０１、第１のプーリング層１５０２、第２の畳み込み層１５０３、第２のプーリング層１５０４、全結合層１５０５で構成したものである。この構成において、配置評価部１２０２が入力された長尺画像候補ＩＬから配置評価値を生成する流れを図１６のフローチャートを用いて説明する。

（ステップＳ１６０１）
配置評価部１２０２は、第１の畳み込み層１５０１に、長尺画像候補ＩＬを入力する。第１の畳み込み層１５０１では入力である長尺画像候補ＩＬに対して数４式の計算を行い、長尺画像候補ＩＬのフィルタリングにより長尺画像候補ＩＬの特徴を抽出し、フィルタリングの結果として抽出した特徴として、第１の特徴マップＭ１（Ｎ１枚の画像）を出力する。

（ステップＳ１６０２）
第１の畳み込み層１５０１の処理により長尺画像候補ＩＬから特徴が抽出された画像（第１の特徴マップＭ１（Ｎ１枚の画像））が第１のプーリング層１５０２の入力となる。配置評価部１２０２は、第１のプーリング層１５０２に、特徴マップＭ１（Ｎ１枚の画像）を入力する。第１のプーリング層１５０２では、第１の特徴マップＭ１のＮ１枚の画像それぞれに最大値プーリング処理を行い、第２の特徴マップＭ２（Ｎ１枚の画像）を出力する。すなわち、第１のプーリング層１５０２では、第１の特徴マップＭ１（Ｎ１枚の画像）に対してダウンサンプリング（縮小処理）を行い、画像を小さくしながら第１の特徴マップＭ１のＮ１枚の画像（縮小画像）において、より顕著な特徴を残す処理を行う。

（ステップＳ１６０３）
配置評価部１２０２は、第２の畳み込み層１５０３に、第２の特徴マップＭ２（Ｎ１枚の画像）を入力する。第２の畳み込み層１５０３では、入力である第２の特徴マップＭ２（Ｎ１枚の画像）に対して数４式の計算を行い、第２の特徴マップＭ２（Ｎ１枚の画像）のフィルタリングにより第２の特徴マップＭ２の特徴を抽出し、フィルタリングにより抽出した特徴として、第３の特徴マップＭ３（Ｎ２枚の画像）を出力する。

（ステップＳ１６０４）
第２の畳み込み層１５０３の処理により出力された第３の特徴マップＭ３（Ｎ２枚の画像）が第２のプーリング層１５０４の入力となる。配置評価部１２０２は、第２のプーリング層１５０４に、第３の特徴マップＭ３（Ｎ２枚の画像）を入力する。第２のプーリング層１５０４では、第３の特徴マップＭ３のＮ２枚の画像それぞれに最大値プーリング処理を行い、第４の特徴マップＭ４（Ｎ２枚の画像）を出力する。すなわち、第２のプーリング層１５０４では、第３の特徴マップＭ３（Ｎ２枚の画像）に対してダウンサンプリング（縮小処理）を行い、画像を小さくしながら第３の特徴マップＭ３のＮ２枚の画像（縮小画像）において、より顕著な特徴を残す処理を行う。

（ステップＳ１６０５）
配置評価部１２０２は、全結合層１５０５に、第４の特徴マップＭ４を入力する。全結合層１５０５では入力である第４の特徴マップＭ４を構成するＮ２枚の画像の全ての画素を１次元の列ベクトルｘに変換して数５式の計算を行い、評価値ｙを出力し、処理を終了する。以上によって求めた評価値ｙがＣＮＮの推論器により構成された配置評価部１２０２の出力であり、配置評価部１２０２に入力された長尺画像候補ＩLの評価結果を表す。すなわちｙの値が１に近ければ長尺画像候補ＩＬにおける放射線画像の向き・並び順は正しいという評価結果を表し、全ての長尺画像候補ＩＬについて評価結果を生成して比較することで、正しいと推測される配置を求めることができる。

（機械学習）
本実施形態では、配置評価部１２０２は、教師あり学習により実現される。教師あり学習で用いるサンプル画像は、長尺撮影によって収集された放射線画像をその長尺撮影において放射線検出器の取り得る配置の組み合せで回転・並び替えを行った長尺画像候補である。すなわち、一回の撮影によって取得された複数の放射線画像から、取り得る配置の組み合せ分の長尺画像候補を生成し、サンプル画像とする。さらに、サンプル画像に対応する答えデータは、正しい配置のみを１とし、それ以外の配置を０とした値である。多数の撮影によって得られたこれらの学習データを用いて教師あり学習を行うことにより、ＣＮＮの推論器を実現することができる。複数の放射線画像の画像端部における重なり具合に依らず、配置評価部１２０２は長尺画像候補を構成する様々な放射線画像の組み合わせに対して、放射線画像の配置の評価を行うことが可能になる。

（実施形態２のまとめ）
本実施形態によれば、空間的に異なる位置に配置された放射線検出器に放射線を照射して得られる複数の放射線画像を合成し、長尺画像を生成する長尺画像生成部を有する放射線撮影システムにおいて、配置判定部１１１は、仮配置部１２０１と、配置評価部１２０２と、配置決定部１２０３とを備える。

配置判定部１１１の仮配置部１２０１は、複数の放射線画像の夫々に対して複数の配置を適用して得られる複数の長尺画像候補を生成する。すなわち、仮配置部１２０１は、放射線検出器が取り得る配置の組み合せに基づいて放射線画像に対して回転、及び並び替えを行うことにより、複数の長尺画像候補ＩＬを生成する。

配置評価部１２０２は、複数の長尺画像候補の特徴に基づいて、長尺画像候補を構成する複数の放射線画像の配置を評価する。すなわち、配置評価部１２０２は、複数の長尺画像候補について、予め教師あり学習によって実現された推論器によって抽出した長尺画像候補の特徴に基づいて、長尺画像候補を構成する複数の放射線画像の配置を評価する。そして、配置決定部１２０３は、配置の評価結果に基づいて複数の放射線画像の配置を決定する。

係る構成の放射線撮影システムによれば、長尺撮影において、複数の放射線検出器が出力する放射線画像の並び順や向き、すなわち放射線検出器の配置を、画像端部の重なり具合に依らない方法で判定し、判定した放射線検出器の配置に基づいて放射線画像を合成し、長尺画像を生成することが可能になる。

また、長尺撮影において自由度の高い放射線検出器の配置や高速プレビューが可能な放射線撮影技術を提供することが可能になる。

（種々の変形及び変更）
以上、本発明の実施形態について説明したが、本発明はこれらの実施形態に限定されないことはいうまでもなく、その要旨の範囲内で種々の変形及び変更が可能である。

また、本発明は、前述した実施形態の機能を実現するソフトウェアのプログラム（実施形態では図６および図１３に示すフローチャートに対応したプログラム）を、システムあるいは装置に直接あるいは遠隔から供給し、そのシステムあるいは装置のコンピュータが該供給されたプログラムコードを読み出して実行することによっても達成される場合を含む。従って、本発明の機能処理をコンピュータで実現するために、該コンピュータにインストールされるプログラムコード自体も本発明を実現するものである。つまり、本発明は、本発明の機能処理を実現するためのコンピュータプログラム自体も含まれる。
（その他の実施形態）
本発明は、上述の実施形態の１以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける１つ以上のプロセッサーがプログラムを読出し実行する処理でも実現可能である。また、１以上の機能を実現する回路（例えば、ＡＳＩＣ）によっても実現可能である。

１００：放射線撮影システム、１０１：放射線発生部、１０２：放射線検出部
１０２ａ：放射線検出器、１０２ｂ：放射線検出器、１０２ｃ：放射線検出器
１０３：データ収集部、１０４：前処理部、１０５：ＣＰＵ、
１０６：メインメモリ、１０７：操作部、１０８：表示部、
１０９：画像処理部、１１０：ＣＰＵバス、１１１：配置判定部
１１２ 長尺画像生成部、１４０：被写体

Claims (15)

1. 空間的に異なる位置に配置された放射線検出器に放射線を照射して得られる複数の放射線画像を合成し、長尺画像を生成する長尺画像生成部を有する放射線撮影システムであって、
   前記複数の放射線画像それぞれの特徴に基づいて、前記放射線画像を撮影した放射線検出器の配置を判定する配置判定部を備え、
   前記配置判定部は、
   被写体の複数の解剖学的部位と、前記複数の解剖学的部位の位置関係とを予め登録する記憶部と、
   前記複数の放射線画像ごとに、前記記憶部に登録されている前記複数の解剖学的部位の存在有無を前記放射線画像の特徴に基づいて判定する部位有無判定部と、
   前記記憶部に登録されている前記位置関係と、前記放射線画像ごとの前記複数の解剖学的部位の存在有無とを照合することで、前記放射線画像の配置を決定する順序関係決定部と、を備え、
   前記長尺画像生成部は、前記配置判定部が判定した前記放射線検出器の配置に基づいて前記放射線画像を合成し、前記長尺画像を生成する
   ことを特徴とする放射線撮影システム。
2. 前記記憶部に登録される前記複数の解剖学的部位の前記位置関係は、
   被写体を走査したときの前記複数の解剖学的部位の出現順序であることを特徴とする請求項１に記載の放射線撮影システム。
3. 前記部位有無判定部は、
   前記複数の放射線画像について、予め教師あり学習によって実現された推論器によって抽出した放射線画像の特徴に基づいて、前記複数の解剖学的部位の存在有無の存在確率を求め、前記存在確率に基づいて前記複数の解剖学的部位の存在有無を判定することを特徴とする請求項１または２に記載の放射線撮影システム。
4. 前記部位有無判定部は、
   前記複数の解剖学的部位の存在有無の判定結果を、前記位置関係に応じた配置順の要素とするベクトルで出力し、
   前記順序関係決定部は、前記ベクトルの重心を計算し、前記重心の大小に応じて前記放射線画像の配置を決定することを特徴とする請求項１乃至３のいずれか１項に記載の放射線撮影システム。
5. 前記配置判定部は、
   前記複数の放射線画像の夫々に対して複数の配置を適用して得られる複数の長尺画像候補を生成する仮配置部と、
   前記複数の長尺画像候補の特徴に基づいて、前記長尺画像候補を構成する複数の放射線画像の配置を評価する配置評価部と、
   前記配置の評価結果に基づいて前記複数の放射線画像の配置を決定する配置決定部と、
   を備えることを特徴とする請求項１に記載の放射線撮影システム。
6. 前記仮配置部は、
   前記放射線検出器が取り得る配置の組み合せに基づいて前記放射線画像に対して回転、及び並び替えを行うことにより、前記複数の長尺画像候補を生成することを特徴とする請求項５に記載の放射線撮影システム。
7. 前記配置評価部は、
   前記複数の長尺画像候補について、予め教師あり学習によって実現された推論器によって抽出した長尺画像候補の特徴に基づいて、前記長尺画像候補を構成する複数の放射線画像の配置を評価することを特徴とする請求項５または６に記載の放射線撮影システム。
8. 前記長尺画像生成部は、
   前記配置判定部の判定結果に基づいて放射線画像を配置する放射線画像配置部と、
   前記複数の放射線画像の間の位置合わせを行う位置合わせ部と、
   前記位置合わせ結果に基づいて前記複数の放射線画像を合成する画像合成部と、
   を備えることを特徴とする請求項１乃至７のいずれか１項に記載の放射線撮影システム。
9. 前記配置判定部は、前記複数の放射線画像に縮小処理を行った縮小画像の特徴に基づいて、前記判定の結果を求めることを特徴とする請求項１乃至８のいずれか１項に記載の放射線撮影システム。
10. 放射線検出部は、複数の放射線検出器を空間的に異なる位置に配置することで、一回の放射線照射により複数の放射線画像を取得することを特徴とする請求項１乃至９のいずれか１項に記載の放射線撮影システム。
11. 放射線検出部は、単一の放射線検出器を空間的に異なる位置に配置しながら複数の放射線照射を行うことで複数の放射線画像を取得することを特徴とする請求項１乃至９のいずれか１項に記載の放射線撮影システム。
12. 空間的に異なる位置に配置された放射線検出器に放射線を照射して得られる複数の放射線画像を合成し、長尺画像を生成する長尺画像生成部を有する放射線撮影システムであって、
    前記複数の放射線画像それぞれの特徴に基づいて、前記放射線画像を撮影した放射線検出器の配置を判定する配置判定部を備え、
    前記配置判定部は、
    前記複数の放射線画像の夫々に対して複数の配置を適用して得られる複数の長尺画像候補を生成する仮配置部と、
    前記複数の長尺画像候補の特徴に基づいて、前記長尺画像候補を構成する複数の放射線画像の配置を評価する配置評価部と、
    前記配置の評価結果に基づいて前記複数の放射線画像の配置を決定する配置決定部と、を備え、
    前記仮配置部は、
    前記放射線検出器が取り得る配置の組み合せに基づいて前記放射線画像に対して回転、及び並び替えを行うことにより、前記複数の長尺画像候補を生成し、
    前記長尺画像生成部は、前記配置判定部が判定した前記放射線検出器の配置に基づいて前記放射線画像を合成し、前記長尺画像を生成する
    ことを特徴とする放射線撮影システム。
13. 空間的に異なる位置に配置された放射線検出器に放射線を照射して得られる複数の放射線画像を合成し、長尺画像を生成する長尺画像生成部を有する放射線撮影システムの放射線撮影方法であって、
    前記複数の放射線画像それぞれの特徴に基づいて、前記放射線画像を撮影した放射線検出器の配置を判定する配置判定ステップと、
    前記配置判定ステップで判定された前記放射線検出器の配置に基づいて前記放射線画像を合成し、前記長尺画像を生成する長尺画像生成ステップと、
    を有し、
    前記配置判定ステップは、
    被写体の複数の解剖学的部位と、前記複数の解剖学的部位の位置関係とを記憶部に予め登録する記憶ステップと、
    前記複数の放射線画像ごとに、前記記憶部に登録されている前記複数の解剖学的部位の存在有無を前記放射線画像の特徴に基づいて判定する部位有無判定ステップと、
    前記記憶部に登録されている前記位置関係と、前記放射線画像ごとの前記複数の解剖学的部位の存在有無とを照合することで、前記放射線画像の配置を決定する順序関係決定ステップと、を有することを特徴とする放射線撮影方法。
14. 空間的に異なる位置に配置された放射線検出器に放射線を照射して得られる複数の放射線画像を合成し、長尺画像を生成する長尺画像生成部を有する画像処理装置であって、
    前記複数の放射線画像それぞれの特徴に基づいて、前記放射線画像を撮影した放射線検出器の配置を判定する配置判定部を備え、
    前記配置判定部は、
    被写体の複数の解剖学的部位と、前記複数の解剖学的部位の位置関係とを予め登録する記憶部と、
    前記複数の放射線画像ごとに、前記記憶部に登録されている前記複数の解剖学的部位の存在有無を前記放射線画像の特徴に基づいて判定する部位有無判定部と、
    前記記憶部に登録されている前記位置関係と、前記放射線画像ごとの前記複数の解剖学的部位の存在有無とを照合することで、前記放射線画像の配置を決定する順序関係決定部と、を備え、
    前記長尺画像生成部は、前記配置判定部が判定した前記放射線検出器の配置に基づいて前記放射線画像を合成し、前記長尺画像を生成する
    ことを特徴とする画像処理装置。
15. 請求項１３に記載の放射線撮影方法の各ステップをコンピュータに実行させるためのプログラム。

Images