JPH04118782A - 放射線画像読取装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 （産業上の利用分野） 本発明は、被写体の放射線画像情報か記録された蓄積性
蛍光体シート等の記録シートから放射線画像を読み取っ
て画像信号を得る放射線画像読取装置に関するものであ
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
、ラチチュード、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１
３１−５１９３号公報参照）。

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情報を一部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５
５〜１２４２９号、同５Ｂ−１１３９５号。

同５５−１６３４７２号、同５Ｂ−１０４８４５号、同
５５−１１８３４０号等）。

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
像を記録しつ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。

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
みを行なうように構成されたシステムかある。

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、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、先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。

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／又は画像処理条件を求める演算（以下、ＥＤＲ
と呼ぶ。）は、被写体の撮影部位（被写体が人体の場合
の頭部、胸部、腹部等）、撮影方法（通常撮影、造影撮
影、拡大撮影等）等の撮影条件毎に分類された多数の放
射線画像のそれぞれから得られた多数の画像信号を統計
的に処理した結果から、各撮影条件毎にそのアルゴリズ
ムが定められ、自動的にＥＤＲを行なうことが広く行な
われている。

しかし、ＥＤＨのアルゴリズムは、上記のように、統計
的に処理した結果に基づいて定められたものであるため
、各撮影条件毎にそのアルゴリズム力で定められていて
も全ての放射線画像に適合するものではない。ＥＤＲが
不適合であると、その放射線画像から得られた画像信号
に基づいて可視画像を再生出力したとき、観察に堪えな
いほど濃度、コントラストの不適正な可視画像が出力さ
れるという問題点があり、最悪の場合には出力された可
視画像に必要な画像情報が全く含まれておらず、放射線
画像の撮影からやり直す必要が生じ、時間の無駄となり
、また被写体が人体の場合、再度の撮影により人体への
放射線の照射量が倍加されるという問題点もある。

上記問題点が生ずる場合の一例について以下に説明する
。

上記ＥＤＨのアルゴリズムを定める際に考慮すべき条件
のひとつは、撮影の際に記録シートに記録された不要の
部分、たとえば散乱放射線のみの部分や被写体を経由（
透過又は反射）せずに放射線が直接記録シートに照射さ
れた部分等を取り除き、必要な放射線画像に対応する画
像信号を不要な画像信号と区別することである。

第６Ａ図、第６Ｂ図は、それぞれ先読画像信号Ｓｐのヒ
ストグラムを示す図である。これらの図は前述した蓄積
性蛍光体シートを用い、先読みを行なうシステムにおけ
るものである。

第６Ａ図は、多数の放射線画像のほとんど（例えば９９
．５％）を占める、ＥＤＨに適した放射線画像から求め
たヒストグラムの一例である。

先読みにおいて蓄積性蛍光体シートから発せられた輝尽
発光光を読み取ることにより得られた、輝尽発光光の光
量と比例する先読画像信号Ｓｐを横軸（対数軸）にとり
、先読画像信号Ｓｐの各値の出現頻度を縦軸（上方）に
とり、さらに、本読みにより得られる画像信号を縦軸の
下方（対数軸）にとる。このとき、先読画像信号ｓｐか
ら求められたヒストグラムが図に示すように３つの山Ａ
。

Ｂ、　Ｃからなり、必要な放射線画像に対応する部分は
山Ｂの部分であるとする。このとき、山Ｂを見つけるた
めに、たとえば、しきい値Ｔで先読画像信号Ｓｐの最小
値ｓＬの位置から先読画像信号Ｓｐの値が増加する方向
にサーチしく図の２点鎖線に対応）、２度目の立ち上が
り点ａとその次の立ち下がり点すとを見つける。この２
点ａ、　　ｂに挾まれる範囲の最大値および最小値をそ
れぞれ５ＩＩａｘ　（点すに対応）　、　　Ｓｍｆｎ（
点ａに対応）としたとき、この範囲に含まれる画像情報
が可視出力画像に適正に再生されるように本読みにおけ
る読取条件が定められる。すなわち、先読画像信号Ｓｐ
における５ＩＩｌａｘおよびＳｍ１ｎが、可視出力画像
における適正濃度範囲の最大濃度Ｄ　Ｉａａｘおよび最
小濃度Ｄ＊ｉｎにそれぞれ対応する本読みにおける最大
の本読画像信号Ｑ　ａ＋ａｘおよび最小の本読画像信号
Ｑｍｉｎとなるように、すなわち図の直線Ｇに沿うよう
に本読みの読取条件が定められる。

このようにして、はとんど大多数の放射線画像について
は、本読みの読取条件が正しく定められるが、この方法
では正しい読取条件が見つけ出せない場合がまれに生ず
る。

第６Ｂ図は、第６Ａ図と近似した被写体（たとえば両者
とも人体の胸部）を同様の撮影条件で撮影した放射線画
像から得られたヒストグラムを示す図である。

第６Ｂ図を第６Ａ図と比較すると山Ｂ’、Ｃ’はそれぞ
れ山Ｂ、Ｃと近似しているが、山Ａ′は山Ａと異なり、
２つの山ＡＩ　　＋　Ａ２′とに分かれている。

第６Ｂ図のヒストグラムについて、前述した方法を適用
すると、所定のしきい値Ｔて先読画像信号Ｓｐの最小値
ＳＬ′の位置から先読画像信号Ｓｐの値が増加する方向
にサーチされ、２度目の立ち上がり点ａ′とその次の立
ち下がり点ｂ′とが見つけられる。しかしこの２点ａ’
、ｂ’で挾まれる範囲は必要とする放射線画像に対応し
た範囲（山Ｂ′に対応）とは大きくかけ離れてしまって
いる。これを直線Ｇ′のように変換して本読みを行ない
画像信号を得ると、この画像信号には必要とする画像情
報が全く含まれておらず、この画像信号に基づいて可視
画像を再生出力しても全く無意味な出力画像となってし
まう。この場合、たとえば被写体となった人間を再度病
院に呼び寄せる等をして、あらためて撮影から行なわな
ければならない。

また、上記の例のように極端な場合でなくても、ＥＤＲ
が有効に行なわれなかったことに起因して、再生出力さ
れた可視画像の画質が低下する場合もある。

上記自動的なＥＤＨに伴う問題点を解消するために、読
取条件等を自動的に求めるとともに読取条件等をマニュ
アルでも設定もしくは調整することができるようにし、
例えば所定の判定条件をあらかじめ定めておいて誤った
読取条件が求められたと判定された場合にマニュアルで
読取条件等を設定し、もしくは上記自動的なＥＤＲで求
められた読取条件等をマニュアルで修正することにより
自動的なＥＤＲを補完することが提案されている（例え
ば特開平２−１４３７８号公報参照）。

（発明が解決しようとする課題） 上記のように自動的なＥＤＲで求められた読取条件の正
誤を判定して誤っていると判定された場合にマニュアル
で調整するシステムにおいて、この正誤の判定条件とし
て例えば平均値上所定値の範囲内にある場合に正常、こ
の範囲を外れると異常と判定することが考えられるが、
放射線画像はその被写体や撮影条件等により太き（変動
し、したがって上記の判定条件に基づいて正常と判定さ
れても異常の場合もあり、異常と判定されても正常の場
合もあり、その判定がうまく機能しないという問題があ
る。このため、異常の場合に正常と判定してしまうこと
のないよう上記所定値を小さくとり、少しでも異常かも
知れないという懸念のある画像については全て異常と判
定するようにし、マニュアル操作を待つように構成する
ことも考えられる。しかしこれではオペレータが大変で
あり、自動的なＥＤＲを備えた意味が没却されかねず、
非常に使い勝手の悪いシステムとなってしまうおそれが
ある。

本発明は、上記事情に鑑み、自動的に求められた読取条
件等をより正確に判定することのできる放射線画像読取
装置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） 上記目的を解決する本発明の第一の放射線画像読取装置
は、蓄積性蛍光体シートを用い、先読みを行なう放射線
画像読取装置に関するものである。

即ち本発明の第一の放射線画像読取装置は、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この
励起光の照射により前記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先
読画像信号を得る先読手段、 前記蓄積性蛍光体シートに再度励起光を照射しこの励起
光の照射により前記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本読画
像信号を得る本読手段、前記先読画像信号に基づいて前
記本読画像信号を得る際の読取条件及び／又は得られた
前記本読画像信号に画像処理を施す際の画像処理条件を
求める演算手段、 前記演算手段で求められた前記読取条件及び／又は前記
画像処理条件の正誤を判定する判定手段、および 前記演算手段で求められた前記読取条件及び／又は前記
画像処理条件の正誤の情報を入力する入力手段を備え、 前記判定手段が、前記先読画像信号に基づく情報と前記
演算手段で求められた前記読取条件及び／又は前記画像
処理条件とを入力信号に含み、該読取条件及び／又は該
画像処理条件の正誤の判定結果を出力信号とし、前記入
力手段から入力された前記正誤の情報を教師信号とする
ニューラルネットワークを有することを特徴とするもの
である。

また本発明の第二の放射線画像読取装置は、蓄積性蛍光
体シートに限られるものではなく、また先読みを行なわ
ない放射線画像読取装置に関するものである。

即ち本発明の第二の放射線画像読取装置は、放射線画像
が記録された記録シートから前記放射線画像を読み取っ
て該放射線画像を表わす画像信号を得る読取手段、 前記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演算手段、前記演算手段で求
められた前記画像処理条件の正誤を判定する判定手段、
および 前記演算手段で求められた前記画像処理条件の正誤の情
報を入力するための入力手段を備え、前記判定手段が、
前記画像信号に基づく情報および前記演算手段で求めら
れた前記画像処理条件を入力信号に含み、該画像処理条
件の正誤の判定結果を出力信号とし、前記入力手段から
入力された前記正誤の情報を教師信号とするニューラル
ネットワークを有することを特徴とするものである。

ここで「前記読取条件及び／又は前記画像処理条件の正
誤の情報」、「前記画像処理条件の正誤の情報」とは、
求められた読取条件等が正しいか誤りかを直接表わす情
報であってもよいが、この正誤の情報を間接的に表わす
情報であってもよい。

正誤の情報を間接的に表わす情報とは、例えば求められ
た読取条件等に基づく可視画像を表示し、その表示され
た可視画像の濃度（ＣＲＴデイスプレィ装置等に表示さ
れた場合の輝度を含む）やコントラストを調整すること
により読取条件等を正しい値に調整する場合において、
その濃度やコントラストをあらかじめ定められた調整幅
を越えない程度にわずかしか調整しなかった場合はこの
調整幅を越えない調整しか行なわなかったことをもって
正しい読取条件等が求められた情報とし、この調整幅を
越えて調整した場合はこれをもって誤った読取条件等が
求められた情報とすること等をいう。

また、「前記先読画像信号に基づく情報」、「前記画像
信号に基づく情報」とは、画像信号（先読画像信号を含
む）そのものであってもよく、所定の処理を行なった後
の画像信号でもよいことを意味し、所定の処理としては
特定の処理に限られるものではないが、画像信号を適当
に間引いた後の信号、該画像信号のヒストグラムの形状
を表わす信号等をいう。

また、「前記演算手段で求められた前記読取条件及び／
又は前記画像処理条件の正誤の情報を入力する入力手段
」、「前記演算手段で求められた前記画像処理条件の正
誤の情報を入力する入力手段」は、全ての画像について
演算手段で求められた読取条件等について正誤の情報を
入力するものであってもよいが、それに限らず、例えば
暫定的な判定条件を設定しておきその暫定的な判定条件
で誤った読取条件等が求められた場合のみについてそれ
が実際に誤っていたものか実際は正しい読取条件等が求
められたにも拘らず誤った読取条件等が求められたもの
かを入力するようにしてもよい。

（作　　用） 近年所定の情報を入力して何らかの認識を行ないその認
識結果を出力する方法として、これまでの方法と全く異
なる概念を備えた二二一う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。

この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
誤差逆伝播学習（パ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、ｒＤ、Ｅ、Ｒ
ｕｍｅｌｈａｒｔ、Ｇ、Ｅ、Ｈｌｎｔｏｎ　ａｎｄ　Ｒ
，Ｊ、Ｗｉｌｌｉａｗｓ：ｔ、ｅａｒｎｔｎｇ　ｒｅｐ
ｒｅｓｅｎｔａｔｔｏｎｓ　ｂｙ　ｂａｅｋ−ｐｒｏｐ
ａｇａｔｉｎｇｅｒｒｏｒｓ、Ｎａｔｕｒｅ、３２３−
９．５３３−３５６．１９８８ａＪ、　　ｒ麻生英樹：
パックプロパゲーションＣｏｍｐｕｔｒｏｌ　Ｎα２４
５３−８０Ｊ、ｒ金属−幸著　ニューラルコンピュータ
東京電機大学出版局」参照）。

そこで画像信号（先読画像信号を含む）に基づく情報お
よび求められた読取条件等を入力とじたときこの入力さ
れた読取条件等が正しいか誤っているかを出力するニュ
ーラルネットワークを用意しておき、演算手段で求めら
れた読取条件等が正しいか誤っているかの判定結果が入
力手段から人力された場合にこのニューラルネットワー
クに“学習′を行なわせることにより、平均値上所定値
という従来の判定条件を用いた判定手段に代えることが
できる。

ここでこのニューラルネットワークは画像信号（先読画
像信号を含む）に基づく情報を入力としているため、従
来の判定条件よりも柔軟な判定、例えば上記平均値上所
定値という判定条件からいうとその正しいという範囲か
らは外れているが、撮影に際し単に照射された放射線量
が少なかったため外れてしまっているのであってこのよ
うにして求められた読取条件等をそのまま採用してもよ
い（即ち正しい読取条件等が求められた）と判定するよ
うに′学習′を行なわせてお（ことも可能となる。

ここで、演算手段で求められた読取条件等の正誤の判定
にニューラルネットワークを用いることに代えて、演算
手段そのものにニューラルネットワークを用いてこのニ
ューラルネットワークにより読取条件等を求めるように
構成することも考えられる。しかし、画像信号等から読
取条件等を直接求める場合は後述するように感度Ｓｋと
ダイナミックレンジＧｐとの２つについてアナログ的な
数値を高い精度で出力する必要があり、非常に多数のユ
ニットにューロン）を備えた大規模のニューラルネット
ワークを用い、厖大な回数゛学習゛を行なわせる必要が
あり、さらに各ユニット間の結合の重みを記憶しておく
記憶装置として厖大な記憶容量を備えたものを用意する
必要がある。これに対し、本発明のように一部求められ
た読取条件等の正誤を判定する場合は、直接に読取条件
等求める場合よりはその精度が低くて済み、しかも正し
いか誤っているかの２値信号を出力すればよいため小規
模のニューラルネットワークで済み、その゛学習°の回
数も少なくて済み、記憶容量の比較的小さな記憶装置を
用意すればよいという長所がある。

（実　施　例） 以下、本発明の実施例について説明する。尚、ここでは
前述した蓄積性蛍光体シートを用いる例について説明す
る。

第１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２Ａ図、第２Ｂ図は、蓄積性蛍光体シート上に蓄積記
録されたＸ線画像の例を模式的に表わした図である。

第２Ａ図、第２Ｂ図はそれぞれ右肩のＸ線画像および頭
部側面のＸ線画像を表わしているが、これらは例に過ぎ
ず頚部正面、頚部側面、胸部正面等種々の被写体部位お
よび種々向きについてＸ線撮影が行なわれる。

第３図は、本発明の放射線画像読取装置の一実施例であ
るＸ線画像読取装置の一例を示した斜視図である。この
装置は前述した蓄積性蛍光体シートを用い、先読みを行
なう装置である。

第１図に示すＸ線撮影装置１において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１
３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
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Ｘ線画像情報に応じた光量の
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ｌｌ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２Ｄｂ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。

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２Ｂで対数的に増幅され、Ａ／Ｄ変
換器２７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、蓄積性蛍
光体シー）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４
０に入力される。このコンピュータシステム４０は、本
発明にいう演算手段１判定手段、および入力手段の各−
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
を人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デイスプレィ４４から構成されて
いる。

このコンピュータシステム４０には、被写体部位（頭部
、頚部、胸部、腹部等）およびこれらの向き（正面、左
側面、右側面等）等の撮影条件によりそれぞれ異なる、
これらの各撮影条件にそれぞれ適した読取条件を求める
ためのアルゴリズム、およびこのアルゴリズムを用いて
求められた各読取条件の正誤を判定するための、上記各
撮影条件によりそれぞれ異なるニューラルネットワーク
（これを構成する各二ニーロンの結合の重みを表わす係
数をいう。以下単にニューラルネットワークということ
がある。）が記憶されており、このコンピュータシステ
ムに先読画像信号Ｓｐが入力されると、先ずこのコンピ
ュータシステム内において対応するアルゴリズムに従っ
て本読みの際の読取条件、即ぢ本読みの際の感度Ｓｋお
よびラチチュードＧｐが求められる。この感度Ｓｋ、ラ
チチュードＧｐは、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′の増幅率等の制
御に使用される。

ここでラチチュードＧｐ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Ｓｋ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
かという光電変換率に対応するものである。

このようにして本読みの際の読取条件が求められると、
この読取条件に従って本読みを行なった場合にどのよう
な画像信号が得られるかを先読画像信号を用いて模擬し
、この模擬の行なわれた先読画像信号に基づく可視画像
がＣＲＴデイスプレィ４４に表示され、オペレータはこ
の表示を見てキーボード４３を用いてこの可視画像の濃
度およびコントラストを調整する。この濃度およびコン
トラストは読取条件におけるそれぞれ感度Ｓｋおよびラ
チチュードＧｐに対応しており、したがって可視画像の
濃度およびコントラストを調整することは、即ち本読み
の際の読取条件を調整することになる。ここで感度Ｓｋ
とラチチュードＧｐとのそれぞれについて所定の調整幅
をあらかじめ設けておき、オペレータがこの調整幅を越
えて感度もしくはコントラストを調整した場合は、自動
的に求められた読取条件は誤っていたものとみなされ、
無調整もしくは上記調整幅内でわずかに調整したにすぎ
ない場合は自動的に求められた読取条件は正しかったも
のとみなされる。

このようにして可視画像の濃度およびコントラストの調
整（無調整を含む）が終了した旨、キーボード４３から
入力されると、対応するニューラルネットワークが読み
出され、入力点数を削減するためにＸ線画像の全面にわ
たって均一に間引かれた先読画像信号Ｓｐと自動的に求
められた読取条件とを入力信号とし、オペレータの可視
画像の調整（無調整）により得られた上記読取条件の正
誤の情報を教師信号として、二〇ニューラルネットワー
クの゛学習°が行なわれる。このような゛学習′を所定
回数繰り返すことによりその後は所定のアルゴリズムに
従って自動的に求められた読取条件の正誤を、従来の方
法と比べより正しく判定することができるようになり、
その後は誤りと判定された場合のみ可視画像を確認すれ
ばよく、オペレータを煩わせることが少なくなり使い勝
手のよい装置となる。

先読みの終了した蓄積性蛍光体シー）　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）
１１’が走査され、オペレータにより調整された読取条
件あるいは先読画像信号Ｓｐに基づいて求められニュー
ラルネットワークで正しいと判定された読取条件に基づ
いて本読みが行なわれ、これにより本読画像信号が得ら
れるが、本読手段１００′の構成は上記先読手段１００
の構成と路間−であるため、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で用いた番号
にダッシユを付して示し、説明は省略する。

Ａ／Ｄ変換器２７′でディジタル化されることにより得
られた本読画像信号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Ｓｏ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に基づくＸ線画像が再生表示
される。

次にニューラルネットワークの学習機能について説明す
る。

第４図は誤差逆伝播学習（パ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（パ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０１個＋ｎ２個、１個のユニット（二ニーロン）
から構成される。第１層（入力層）に入力される各信号
Ｆ１．Ｆ、、・・・・・・ＦｏｌはＸ線画像の間引かれ
た後の各画素に対応する先読画像信号Ｓｐと所定のアル
ゴリズムに従って自動的に求められた読取条件（感度Ｓ
ｋとラチチュードＧｐ）であり、第３層（出力層）から
の出力ｙ１は入力された読取条件が正しいか誤っている
かの２値信号である。第に層のｉ番目のユニットをＵ？
、該ユニット　？への各入力をＸ７、各出力を３’？％
ＬＪ：から　ｋ＋ｌへの結合の重みをＷｉ：“１とし、
各ユニットｕ：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ｕ：の入力ｘ：、出力ｙ７は、 ｘｉ−８ｗ　ニー１　：　　・ｙ２−１　　　　、、、
　（２Ｊｙ：　−ｆ　　（ｘ：）　　　　　　　　　　
　・・・（３となる。ただし入力層を構成する各ユニッ
トｕ）（ｉ−１，２，−、ｎｌ　）　ヘの各人力Ｆ１　
、Ｆ２　＋　”’Ｆｌ１１は重みづけされずにそのまま
各ユニットｕ：　（ｉ＝１．２．・・・、ｎｌ）に入力
される。入力された０１個の信号Ｆ１　＋　　Ｆ　２　
＋　”’＊　　Ｆ　ｅｌは、各結合の重みｗ７７”　　
によって重み付けられながら最終的な出力ｙ１にまで伝
達され、これにより入力された読取条件の正誤が判定さ
れる。

ここで、上記各結合の重みＷｋ　ｋ　＋　１　　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ｗ
　ｋ　：　”　ｌ　　の初期値が与えられる。このとき
、入力Ｆ１〜Ｆ、１が最大に変動しても、出力ｙｒ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。

前述のようにして自動的に求められた読取条件の正誤が
マニュアルで判定されると、間引された先読画像信号Ｓ
ｐおよび読取条件（感度ＳｋとラチチュードＧｐ）が第
４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　７の出方’ｊ？がモニタされる。

各出力ｙフが求められると、最終的な出力であるｙｌと
、マニュアルで入力された正、誤の情報ｙｌとの二乗誤
差 が求められ、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ｗ７７”が修正される。

二乗誤差Ｅを最小にするには、 このＥはｗ　ｋ　ｋ　＋　１ の関数であるから のように各結合の重みｗ？？＋１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、（２式より に＋１　＝　ΣＷ７７４１　、　、　ｋ・・・（２）′ であるから、（７）式は、 となる。

ここで、（４）式より、 （３）式を用いてこの（８）式を変形すると、ここで、
（１）式より、 ｆ′ （ｘ）＝ｆ （ｘ） （１−ｆ （ｘ） ・・・（１０） であるから、 ｆ’　（Ｘ＋　　）−Ｙｌ”　　（１）’ｌ　）・・・
（１１） となる。

（７）式にいてに−２と置き、（９）。

（１１）式を（７）式に 代入すると、 ・・・（１２） この（１２）式を（５）式に代入して、（１−ｙ　？ ″　ｙ ・・・（１３） となる。

この（１３）式に従って、Ｗｌ　。

（１−１，２゜ ｌ の各結合の重みが修正される。

次に、 であるから、 この（１４）式に（２）。

（３１式を代入して、 ここで（１０）式より、 ｆ’　（Ｘ＋　）　＝３／＋　　・　（１ｙ＋）・・・
（１６） であるから、 この（１６）式と、（９）。

（１１）式を（１５）式 に代入して、 ｙｊ （Ｉ　　　Ｙ＋）　　・Ｗ、１ ・・・（１７） （７）式においてに−１と置き、 （１７）式を（７）式に代 入すると、 ・ｙ、・（１−ｙ＋　）・Ｗ、１　・ｙｌ・・・（１８
） このく１８）式を（５）式に代入すると、ｋ−１と置い
て、（１ｙｌ）・ｙ＋（ｌｙ丁）・ｙ１ ”Ｗｊ　１ ・・・（１９） となり、（１３）式で修正されたＷ、□（ｉ４．２．・
・・ｎりがこの（１９）式に代入され、Ｗ、　４　（ｉ
−１，２゜・・・、　ｎｓ　　；ｊ−１，２，・・・、
ｎ２）が修正される。

尚、理論的には（１３）式、　（１９）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Ｗ？　７”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、Ｒｕ１ｅＪｈａｒｔ、Ｇ、Ｅ、Ｈｌ
ｎｔｏｎ　ａｎｄ　Ｒ，Ｊ、１１ｉ１１１ａｏ＋ｓ：Ｌ
ｅａｒｎｉｎｇ　１ｎｔｅｒｎａｌ　ｒｅｐｒｅｓｅｎ
ｔａｔｉｏｎｓ　ｂｙｅｒｒｏｒ　ｐｒｏｐａｇａｔｉ
ｏｎ　Ｉｎ　Ｐａｒａｌｌｅｌ　Ｄｉｓｔｒｉｂｕｔｅ
ｄ　Ｐｒｏｃｅｓｓｉｎｇ、Ｖｏｌｕｍｅ　ｌ、Ｊ、Ｌ
、ＭｃＣＩｅｌｌａｎｄ、Ｄ、Ｅ、Ｒｕ１ｅｌｈａｒｔ
　ａｎｄ　Ｔｈｅ　ＰＤＰ　Ｒｅ５ｅａｒｃｈ　Ｇｒｏ
ｕｐ、ＭＩＴ　Ｐｒｅｓｓ、１９８６ｂＪ参照） ΔＷＧ”　（ｔ＋ｌ）−α・ΔＷ＋　”、”　（ｔ）　
十ただしΔＷ＋＋　　　（ｔ）は、を回目の学習におけ
る、修正後の結合重みＷ７　：＋１から修正前の該結合
の重みＷ？　７”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
，２５を用いて各結合の重みＷ？７”の修正（学習）を
多数行ない、その後は、各結合の重みｗ：　７”ｌは最
終の値に固定される。尚その後も必要に応じて゛学習′
を継続するようにしてもよい。

この学習の終了時には、出力ｙ１は入力された読取条件
の正誤を正しく判定した信号となる。

尚、上記実施例はニューラルネットワークの゛学習°が
終了する迄はオペレータが全てのＸ線画像について可視
画像を表示してその読取条件を調整する例であるが、オ
ペレータの労力を軽減するために自動的に求められた読
取条件を例えば従来の平均値上所定値等の判定条件にお
いて正しいと判定される範囲を狭めた判定条件を用いて
暫定的な判定を行ない、この暫定的な判定により誤りで
あると判定された場合にのみ可視画像を表示して調整す
るようにしてもよい。

尚、上記実施例では、本読みの際の読取条件を決定する
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内では、画像信号ＳＱに画像処
理を施す際の画像処理条件を求め、この画像処理条件の
正誤を判定するようにしてもよく、また、上記読取条件
と画像処理条件の双方を求めて判定するようにしてもよ
い。

第３図を用いて説明した実施例では、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１００と本読手段１００′の構成は
路間−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、弱い光ビームで走査して先読みを行なった後
、蓄積性蛍光体シー）１１を一回バツクさせ、再度、今
度は強い光ビームで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、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強度を切替
える方法、光ビームのビーム径を変える方法、上記主走
査の速度や上記副走査の速度を切替える方法等、公知の
種々の方法を使用することができる。

第５図は、本発明の放射線画像読取装置の他の実施例を
示した斜視図である。この実施例は、蓄積性蛍光体シー
トを用いる点では前述した実施例と同様であるが、先読
みは行なわないシステムである。

この実施例において読取手段１００′の構成は、第３図
に示した実施例の本読手段１００′　と路間−であるた
め、対応する構成要素には同一の番号を付し説明は省略
する。

Ａ／Ｄ変換器２７′から出力された画像信号ＳＱ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、前述した実施例と同様にして
、適切な濃度およびコントラストを有する可視画像が出
力されるように画像信号ＳＱに画像処理を施すための画
像処理条件が求められる。このような画像処理の行なわ
れた画像信号は図示しない画像出力装置に送られ、この
画像出力装置では送られてきた画像信号に基づいて放射
線画像のハードコピーが出力される。

尚、上記実施例では３層構造のニューラルネットワーク
について説明したが（第７図参照）、本発明は３層構造
のニューラルネットワークを用いるものに限られるもの
ではないことはもちもんである。また各層を構成するユ
ニットｕ７の数、入力点数、出力点数等もその目的に応
じて任意に構成することができるものであることももち
ろんであり、例えば感度とラチチュードとに分けてそれ
ぞれ正誤を判定するニューラルネットワークを構成して
もよい。

また、上記各実施例は蓄積性蛍光体シートを用いる装置
についての例であるが、本発明は従来のＸ線フィルム等
を用いる装置も適用することができるものであることは
いうまでもない。

（発明の効果） 以上詳細に説明したように、本発明の放射線画像読取装
置は、読取条件等を求める演算手段と、この求められた
読取条件等の正誤の情報を入力するための入力手段と、
画像信号（先読画像信号を含む）に基づく情報と演算手
段で求められた読取条件等とを入力信号に含み、この入
力された読取条件等の正誤の判定結果を出力信号とし、
入力手段から入力された正誤の情報を教師信号とするニ
ューラルネットワークを備えているため、従来の正誤判
定方法と比べより正しい判定を行なうことができ、正し
く本読み及び／又は画像処理の行なわれる確率が増し、
また、オペレータを必要以上に煩わせることが少なくな
る。

【図面の簡単な説明】

第１図は、Ｘ線撮影装置の一例の概略図、第２Ａ図、第
２Ｂ図は、蓄積性蛍光体シート上に蓄積記録されたＸ線
画像の例を模式的に表わした図、 第３図は、本発明の放射線画像読取装置の一実施例であ
るＸ線画像読取装置の一例を示した斜視図、 第４図は、誤差逆伝播学習機能を備えた二二−ラルネッ
トワークの一例を表わした図、第５図は、本発明の放射
線画像読取装置の他の実施例を示した斜視図、 第６Ａ図、第６Ｂ図は、先読画像信号のヒストグラムを
示した図である。 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２６．２８
　’・・・対数増幅器 ２７．２７　’・・・Ａ／Ｄ変換器 ４０．４０　’　・・・コンピュータシステム１００・
・・先読手段　　　　１００′・・・本読手段筒 図 第２Ａ図 第２Ｂ図 第６ＡＩ：′Ｊ！ 狂

Claims (2)

【特許請求の範囲】
1. （１）放射線画像が記録された蓄積性蛍光体シートに励
   起光を照射しこの励起光の照射により前記蓄積性蛍光体
   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
   線画像を表わす先読画像信号を得る先読手段、 前記蓄積性蛍光体シートに再度励起光を照射しこの励起
   光の照射により前記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本読画
   像信号を得る本読手段、前記先読画像信号に基づいて前
   記本読画像信号を得る際の読取条件及び／又は得られた
   前記本読画像信号に画像処理を施す際の画像処理条件を
   求める演算手段、 前記演算手段で求められた前記読取条件及び／又は前記
   画像処理条件の正誤を判定する判定手段、および 前記演算手段で求められた前記読取条件及び／又は前記
   画像処理条件の正誤の情報を入力するための入力手段を
   備え、 前記判定手段が、前記先読画像信号に基づく情報と前記
   演算手段で求められた前記読取条件及び／又は前記画像
   処理条件とを入力信号に含み、該読取条件及び／又は該
   画像処理条件の正誤の判定結果を出力信号とし、前記入
   力手段から入力された前記正誤の情報を教師信号とする
   ニューラルネットワークを有することを特徴とする放射
   線画像読取装置。
2. （２）放射線画像が記録された記録シートから前記放射
   線画像を読み取って該放射線画像を表わす画像信号を得
   る読取手段、 前記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演算手段、前記演算手段で求
   められた前記画像処理条件の正誤を判定する判定手段、
   および 前記演算手段で求められた前記画像処理条件の正誤の情
   報を入力するための入力手段を備え、前記判定手段が、
   前記画像信号に基づく情報および前記演算手段で求めら
   れた前記画像処理条件を入力信号に含み、該画像処理条
   件の正誤の判定結果を出力信号とし、前記入力手段から
   入力された前記正誤の情報を教師信号とするニューラル
   ネットワークを有することを特徴とする放射線画像読取
   装置。