JPH04141153A - 放射線画像の体位認識方法 - 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を表わす画像データに基
づいて該放射線画像の特徴である被写体の体位（ボジジ
ョニング）を求める放射線画像の体位認識方法に関する
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データを得、こ
の画像データ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（画像データ）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８１−５１９３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データを得、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５Ｂ−１１３９５号、同５５−
１６３４７２号、同５８−１０４８４５号、同５５−１
１６３４０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
像を記録しう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。

ところで、上記のシステムにおいては、撮影条件の変動
による影響をなくし、あるいは観察読影適性の優れた放
射線画像を得るために、蓄積性蛍光体シートに蓄積記録
された放射線画像情報の記録状態、あるいは胸部、腹部
などの被写体の部位、単純撮影、造影撮影などの撮影方
法等によって決定される記録パターン（以下、これらを
総称する場合には、「蓄積記録情報」という。）を観察
読影のための可視像の出力に先立って把握し、この把握
した蓄積記録情報に基づいて読取ゲインを適当な値に調
節し、また、記録パターンのコントラストに応じて分解
能が最適化されるように収録スケールファクターを決定
し、さらに読取画像信号に対して階調処理等の画像処理
が行なわれる場合には、画像処理条件を最適に設定する
のが望ましい。

このように可視像の出力に先立って放射線画像の蓄積記
録情報を把握する方法として、特開昭５８−８７２４０
号に開示された方法が知られている。この方法は、観察
読影のための可視像を得る読取り操作（以下、「本読み
」という。）の際に照射すべき励起光よりも低いレベル
の励起光を用いて、前記本読みに先立って予め蓄積性蛍
光体シートに蓄積記録されている放射線画像の蓄積記録
情報を把握するための読取り操作（以下、「先読み」と
いう。）を行ない、放射線画像の蓄積記録の概要を把握
し、本読みを行なうに際して、この先読み情報に基づい
て読取ゲインを適当に調節し、収録スケールファクター
を決定し、あるいは画像処理条件を決定するものである
。

上記の方法によれば、蓄積性蛍光体シートに蓄積記録さ
れている放射線画像情報の記録状態および記録パターン
を本読みの前に予め把握することができるので、格別に
広いダイナミックレンジを有する読取系を使用しなくと
も、この記録情報に基づいて読取ゲインを適当に調節し
、収録スケールファクターを決定し、またこの記録パタ
ーンに応じた信号処理を読取り後の電気信号に対して施
すことにより、観察読影適性に優れた放射線画像を得る
ことが可能になる。人、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。

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、得られた画像データ（先読画像
データを含む）を分析し、画像データに画像処理を施す
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、画像データに基づく
再生画像の階調や感度等に影響を及ぼす処理を該画像デ
ータに施す際の各種の条件を総称するものである。この
画像データ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データを得るシステムにも適用さ
れている。

上記画像データ（先読画像データを含む）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８１−２８０１１３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
像データのヒストグラムを求め、ヒストグラム上におけ
る画像データの最大値、最小値、画像データの出現頻度
が最大となる点の画像データ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。

ところが以上述べたようにして放射線画像情報の読取条
件および／または画像処理条件を決定すると、同一の被
写体を撮影体位を変えて撮影した場合に、それぞれの再
生画像において該被写体中の関心領域の濃度が変わって
しまうことがある。

以下、このことについて詳しく説明する。例えば胸椎を
診断するために第６Ａ図に示すように胸部を正面から撮
影した場合と、第６Ｂ図に示すように側面から撮影した
場合を考える。正面撮影の場合、関心領域である胸椎に
は、放射線が透過しにくい縦隔部と重なるので蓄積性蛍
光体シートにおいて胸椎部分の蓄積放射線量は低く、こ
の部分は低発光量部分となる。一方側面撮影の場合、胸
椎には放射線の透過しゃすい肺野Ｐと重なるので、蓄積
性蛍光体シートにおいて胸椎部分の蓄積放射線量は高く
、この部分は高発光量部分となる。そして正面撮影の場
合もまた側面撮影の場合も、蓄積性蛍光体シートからの
読取画像信号の最大値５ＷａＸ　、最小値Ｓｍ１ｎはさ
して変わらないから、従来から行なわれているように該
最大値Ｓｍａｘｓ最小値Ｓ■１ｎに基づいて決定される
読取条件および／または画像処理条件は、双方の場合で
ほぼ同一となる。したがってこのような読取条件および
／または画像処理条件の下で画像読取りを行ない再生画
像を得ると、胸椎部分は、正面撮影の画像においては比
較的低濃度となり、一方側面撮影の画像においては比較
的高濃度となってしまう。

また、以上述べたような先読みは行なわず、本読みによ
って得た読取画像信号に基づいて画像処理条件を適切に
設定することも考えられるが、このような場合において
も、上記の問題は同様に生じる。

上記のような問題を解消するため従来は、蓄積性蛍光体
シートからの放射線画像情報読取りを行なう際に、その
シートにはどのような体位で被写体が撮影されているか
ということを逐一読取装置または画像処理装置に入力し
、この入力された撮影体位情報に応じて前述の読取条件
および／または画像処理条件を設定するようにしている
。

しかし、各蓄積性蛍光体シートの読取処理の度に上記の
ような撮影体位情報を逐一人力する作業は大変面倒であ
り、また撮影体位情報を誤って入力してしまうことも起
こりやすい。

そこで、上記蓄積性蛍光体シート等に記録されている医
用画像の撮影体位を自動的に判別することが望まれる。

このための方法としては、例えば、蓄積性蛍光体シート
からの読取処理等によって得られる画像信号、すなわち
人体の透過画像を担う画像信号から得られる放射線画像
の画面の中央のデータ、すなわち中央プロファイル（プ
ロジェクション）の形状に基づいて画像の撮影体位を判
別する方法を採用することができる。また、特開昭８３
−２６２１２８号に開示されている方法も採用可能であ
る。これは、蓄積性蛍光体シートからの読取処理等によ
って得られる画像信号、すなわち人体の透過画像を担う
画像信号の累積ヒストグラムを作成し、この累積ヒスト
グラムの所定部分の変化率を求め、この変化率の値に基
づいて画像の撮影体位を判別するものである。

さらに、近年は、上記のようなアルゴリズムとは全く異
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。

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
ｊＪｉｌｌｉａｍｓ：Ｌｅａｒｎｉｎｇ　ｒｅｐｒｅｓ
ｅｎｔａｔｉｏｎｓ　ｂｙ　ｂａｃｋ−ｐｒｏｐａｇａ
ｔｌｎｇｅｒｒｏｒｓ、Ｎａｔｕｒｅ、３２３−９，５
３３−３５６，１９８［ｉａＪ、　　ｒ麻生英樹：パッ
クプロパゲーションＣｏａｐｕｔｒｏｌ　Ｎｏ、２４５
３−８０Ｊ、　　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）。

このニューラルネットワークを用いて、人体を被写体と
した場合の被写体の体位（例えば頭部。

頚部、胸部、腹部等の撮影の際の向き、すなわち、正面
か側面か等）を認識することも可能である。

これには、画像データを入力信号とし、撮影体位を出力
信号とする二二一うルネッワークに、誤差逆伝播学習に
より撮影体位の認識を学習させればよい。

また、上記の、累積ヒストグラムの所定部分の変化率に
基づいて画像の撮影体位を判別する方法と、ニューラル
ネットワークを利用した方法とを組み合わせて、累積ヒ
ストグラムの所定部分の変化率を入力信号とし、撮影体
位を出力信号とするニューラルネットワークに学習させ
、これを用いて撮影体位を判定することも可能である。

（発明が解決しようとする課題） このように、撮影体位を認識するには、上記のように画
面中央プロファイル（プロジェクション）の形状により
画像の撮影体位を判別する方法や、画像データの累積ヒ
ストグラムの所定部分の変化率に基づいて画像の撮影体
位を判別する方法、あるいは、ニューラルネットワーク
を利用した方法等、各種の方法を利用することができる
。

しかし、上記方法のどれをとっても、常に完全な方法と
いうものはなく、予定した標準的なパターンから大きく
外れたパターンの放射線画像を読み取ったような場合に
は、撮影体位の判定も不正確になり、これにより無意味
な信号が得られ、再撮影を行なう必要が生じる場合もあ
る。

本発明は、上記事情に鑑み、撮影体位をより正確に求め
ることのできる放射線画像の撮影体位認識方法を提供す
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） 本発明の放射線画像の体位認識方法のひとつは、人体の
放射線透過画像を表わす画像データに基づいて前記画像
の撮影体位を判別する医用画像の撮影体位判別方法にお
いて、前記画像データに基づき、互いに種類の異なる方
法により前記画像の撮影体位の候補を複数求め、該複数
の撮影体位候補の中から、多数決で定めた撮影体位候補
に基づいて、前記撮影体位を認識することを特徴とする
特のである。

また、本発明の放射線画像の体位認識方法のもうひとつ
は、人体の放射線透過画像を表わす画像データに基づい
て前記画像の撮影体位を判別する医用画像の撮影体位判
別方法において、前記画像データに基づき、互いに種類
の異なる方法により前記画像の撮影体位の候補を複数求
め、該複数の撮影体位候補について、それぞれその撮影
体位の確信度を求め、前記複数の撮影体位候補の中で最
も確信度の高い撮影体位候補に基づいて前記撮影体位を
認識することを特徴とするものである。

ここで確信度とは、撮影体位候補の確からしさを意味す
るもので、例えば、特開昭８３−２６２１２８号の方法
で、画像信号の累積ヒストグラムの所定部分の変化率を
しきい値とを比較し、変化率がしきい値を越えたときに
側面撮影画像であるとする場合、その変化率がしきい値
を越えている程度を、この確信度として、この程度が大
きいときに撮影体位候補の確からしさが高いということ
ができる。

具体的には、このしきい値を越えている程度を表わす出
力を正規化して、他の方法による確信度と比較すること
ができるようにする。すなわち、他の方法においても、
それぞれの方法の出力レンジにおいて出力を正規化した
値を確信度とし、この確信度を、異なった方法の間で比
較するようにする。

（作用および効果） 本発明は、１つの放射線画像について互いに種類の異な
る多数の方法により、複数の撮影体位の候補を求め、こ
れら複数の候補に基づいて、多数決をしたり、これらの
中から確信度の高いものを選択したりして、より信頼度
の高い撮影体位を求めるようにしたため、従来より正確
な撮影体位の認識を行なうことができる。

（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。

第１図は、本発明の一実施例における体位認識方法を実
施する演算部を示すブロック図である。

この実施例では、この演算部４５は、画面中央プロファ
イル（プロジェクション）の形状により画像の撮影体位
を判別する第１の演算回路４６ａ１画像データの累積ヒ
ストグラムの所定部分の変化率に基づいて画像の撮影体
位を判別する第２の演算回路４６ｂ１およびニューラル
ネットを用いた第３の演算回路４８ｃの、３つの異なっ
た演算回路と、これらの演算回路により求められた撮影
体位候補に基づいて信頼度の高い撮影体位を判定する判
定部４７からなっている。

画面中央プロファイル（プロジェクション）の形状によ
り画像の撮影体位を判別する第１の演算回路４８ａは、
人体の透過画像を担う画像信号から得られる放射線画像
の画面の中央のデータ、すなわち中央プロファイル（プ
ロジェクション）の形状に基づいて画像の撮影体位を判
別するもので、例えば胸部画像の場合、第３Ａ図のよう
に画像が正面のときはその中央プロファイル（プロジェ
クション）の形状は、中央にを椎の低濃度の谷が現れ、
第３Ｂ図のように画像が側面のときはその中央プロファ
イルの形状は、中央がら偏った位置にを椎の低濃度の谷
が現れることから、その画像が正面か側面かを判別する
。

また、画像データの累積ヒストグラムの所定部分の変化
率に基づいて画像の撮影体位を判別する第２の演算回路
４６ｂとしては、特開昭８３−２６２１２８号に開示さ
れている方法を実施するものが採用される。これは、蓄
積性蛍光体シートからの読取処理等によって得られる画
像信号、すなわち人体の透過画像を担う画像信号の累積
ヒストグラムを作成し、この累積ヒストグラムの所定部
分（中央部）の変化率を求め、この変化率の値に基づい
て画像の撮影体位を判別するものである。

例えば人体の胸部の放射線画像を担う画像信号のヒスト
グラムは、第３Ａ図に示すような正面撮影画像において
は大略第４Ａ図のようなものとなり、一方第３Ｂ図に示
すような側面撮影画像においては大略第４Ｂ図のような
ものとなる。したがってその累積ヒストグラムは、正面
撮影画像、側面撮影画像でそれぞれ第５Ａ図、第５Ｂ図
図示のようなものとなる。この累積ヒストグラムの信号
中間値近辺の変化率に注目してみると、第５Ａ図の累積
ヒストグラムではかなり小さく、一方第５Ｂ図の累積ヒ
ストグラムではかなり大きいことが分かる。したがって
この胸部撮影画像においては上記変化率が比較的小さい
場合は正面撮影画像、この変化率が比較的大きい場合は
側面撮影画像と判別することができる。

また、前記ニューラルネットを用いた第３の演算回路４
６ｃとしては、後に詳述するようなニューラルネットを
用いたものが採用される。

本発明による撮影体位認識方法は、上記各種の体位認識
方法により求められた体位の候補の中から、判定部４７
によって、多数決あるいは確信度による判定によって信
頼度の高い撮影体位を判定するものである。

次に、本発明の放射線画像の体位認識方法を実施する装
置の例を詳細に説明する。

第２図は、本発明の放射線画像の体位認識方法を実施す
るコンピュータシステムを備えた、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、先読みを行なうシステムを採用
している。

図示しないＸ線撮影装置を用いたＸ線撮影により得られ
た、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１Ｂにより光路
を変えて前記シート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。この光ビー
ム１５が照射されたシート１１の箇所からは、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１
９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）２
１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１
１上の主走査線に沿って延びるように配され、円環状に
形成された出射端面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Ｉ９は、該光ガ
イド２０の内部を全反射を繰り返して進み、出射端面２
０ｂから出射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、シート１
１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
発明の体位認識方法を実施するプログラムを備えたもの
であり、ＣＰＵおよび内部メモリが内蔵された本体部４
１．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ＣＲ
Ｔ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内では、入力された先読
画像信号Ｓｐに基づいて後述するようにして照射野が認
識され、次いで本発明による体位認識が行なわれた後、
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、この求められた感度、コントラ
ストに従って、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。

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）　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、前述のようにして定められた読取条
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′でディジタル化されることにより得
られた画像信号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。

前記コンピュータシステム４０では、先読画像信号Ｓｐ
に基づいて先ず照射野を認識し、次いで本読みの際の読
取条件を求める。

照射野認識方法としては、種々の公知の方法が採用可能
であり、いずれの方法によってもよい。

照射野認識方法によって照射野が求められると、この照
射野に対応する先読画像信号Ｓｐが、前記コンピュータ
システム４０内に設けられた本発明による体位認識方法
を実施する前記演算部４５に入力される。

前記演算部４５における、前記画像データの累積ヒスト
グラムの所定部分の変化率に基づいて画像の撮影体位を
判別する第２の演算回路４８ｂによる体位認識の方法を
さらに詳細に説明する。

前記Ａ／Ｄ変換器２７から出力された先読み画像信号Ｓ
ｐは、前述のように撮影体位を判別するための演算回路
４８ｂに入力される。第６図はこの演算回路４６ｂの具
体例である撮影体位判別回路５００の構成を詳しく示す
ものであり、以下、この第６図を参照して、この撮影体
位判別回路５００の構成と作用を説明する。撮影体位判
別回路５００のヒストグラム作成部５１１は上記先読み
画像信号Ｓｐを受け、画像信号Ｓｐのヒストグラムを作
成する。

こうして作成されるヒストグラムは、蓄積性蛍光体シー
ト１１に記録されている画像が胸部画像の場合は、前述
のように正面撮影画像、側面撮影画像でそれぞれ第４Ａ
図、第４Ｂ図のようなものとなる。

以下、この胸部画像を例にとって説明する。上記ヒスト
グラムを示す情報Ｈは累積ヒストグラム作成部５１２に
送られる。この累積ヒストグラム作成部５１２は該情報
Ｈに基づいて、先読み画像信号Ｓｐの累積ヒストグラム
を作成する。こうして作成された累積ヒストグラムは、
前述したように正面撮影画像、側面撮影画像でそれぞれ
第５Ａ図、第５Ｂ図図示のようなものとなる。この累積
ヒストグラムを示す情報Ｈａは、ヒストグラム解析部５
１３に送られる。このヒストグラム解析部５１３は、こ
の情報Ｈａが示す累積ヒストグラムの、信号中間値Ｓ　
ｓｉｄ近辺の所定領域ｌにおける変化率「を求める（第
５Ａ、５Ｂ図参照）。この変化率ｒは、例えば上記所定
領域Ｉの両端部における累積頻度値をα、β（％）とし
て（β−α）の値で規定すればよい。なお上記所定領域
■は、例えば先読み画像信号Ｓｐの最小値８厘ｉｎから
最大値Ｓ　ｗａｘまでの変化幅の４０％の点、６０％の
点の間の領域とするが、これに限られるものではなく、
対象とする画像に応じて適当に定めればよい。またこの
領域は、ある１点とされてもよい。さらに上記ヒストグ
ラムを作成するに当たっては、先読み画像信号Ｓｐすべ
てのヒストグラムを作成してもよいし、被写体とは直接
関係の無い信号、すなわち放射線直接照射領域（いわゆ
る素抜けの部分）等についての画像信号は除き、その他
の画像信号についてのヒストグラムを作成してもよいし
、また−たん先読み画像信号Ｓｐすべでのヒストグラム
を作成してから、上記素抜けの部分等の画像信号に対応
するヒストグラム領域を除くようにしてもよい。

すなわち本願発明方法において作成するヒストグラムは
、画像信号すべてについてのものであっても、あるいは
その一部についてのものであってもよい。

上記変化率「を示す情報は、判別部５１４に送られる。

この判別部５１４は、基準値設定部５１５から送られる
基準値Ｔｈと上記変化率ｒとを比較し、ｒ＞Ｔｈであれ
ば先読み画像信号Ｓｐが担う画像が側面撮影画像である
と判別して補正信号Ｔを出力し、ｒ≦Ｔｈであれば正面
撮影画像であると判別して上記補正信号Ｔは出力しない
。この補正信号Ｔは、第２図の増幅器２６′に送られる
。この増幅器２６′は上記補正信号Ｔを受けると、本読
み信号について決定された読取ゲイン設定値を、読取ゲ
インを下げるように補正する。前述したように画像読取
条件および画像処理条件が一定なら、胸部側面撮影の再
生画像において胸椎にの部分の濃度は、正面撮影の場合
に比べてより高くなってしまう。そこで上記のように変
化率ｒの値が比較的大きい場合、つまり側面撮影画像の
読取り時に読取ゲインを下げれば、本読み画像信号が全
体的に低レベルとなり、感光材料に記録される再生放射
線画像の濃度が全体的に低くなる。その結果、この胸部
側面の再生画像における胸椎にの部分の濃度が、正面撮
影の再生画像における胸椎部分濃度と揃うようになる。

なお読取ゲインの適正な補正量は、実験あるいは経験に
基づいて求めることができる。

上記の例においては、正面撮影画像に対しては本読みに
ついて決定された読取ゲインそのままで読取りを行ない
、側面撮影画像の読取り時に読取ゲインを低く補正して
いるが、これとは反対に側面撮影画像に対しては本読み
について決定された読取ゲインそのままで読取りを行な
い、正面撮影画像の読取り時に読取ゲインを高く補正す
るようにしてもよい。また再生画像の濃度を調節するに
は、以上述べたように読取ゲインを変える他、Ａ／Ｄ変
換器における収録スケールファクターの条件を変えたり
、信号処理における階調処理の条件を変える等してもよ
い。またこれらの濃度調整方法を併用してよい。

以上胸部の正面撮影画像と側面撮影画像とを判別する実
施例について説明したが、これはその他の部位、さらに
はその他の撮影体位を判別するためにも適用されうる。

すなわち、ある共通の部位の画像において撮影体位が異
なれば、各撮影体位の画像を担う画像信号の累積ヒスト
グラムの変化率がある所定部分において各々大きく異な
ることが多いので、該変化率の大小によって撮影体位を
正しく判別することができる。

また上記の実施例においては、先読み画像信号Ｓｐを利
用して撮影体位を判別しているが、前述のような先読み
を行なわず、本読み画像信号に基づいて信号処理回路に
おける画像処理条件を設定するような場合は、この本読
み画像信号を利用して撮影体位を判別するようにしても
よい。

さらに上記実施例においては、蓄積性蛍光体シートに記
録された画像の撮影体位を判別しているが、これはこの
ような蓄積性蛍光体シートに記録された放射線画像のみ
ならず、その他の医用画像の撮影体位を判別するために
適用することも勿論可能である。

次に、前記ニューラルネットのみを用いた第３の演算回
路４６ｅによる方法について説明する。

前記照射野に対応する先読画像信号Ｓｐがニューラルネ
ットワークに入力され、本読みの際にこの照射野内の画
像信号を適切な読取条件で読取るように読取条件が定め
られる。

第７図は照射野内のＸ線画像の一部の各画素を模式的に
示した図である。各正方形が各画素を表わしている。

照射野が求められた後、本実施例では照射野内の各画素
に対応する各先読画像信号のうち第７図に斜線を施した
各画素に対応する先読画像信号のみを取り出してニュー
ラルネットワークに入力する。本発明においては照射野
内の先読画像信号を間引くことは必須な要件ではないが
このように照射野内の先読画像信号Ｓｐを間引いてニュ
ーラルネットワークに入力することにより、ニューラル
ネットワークの入力点数をさらに削減することができる
。

なお、照射野内の先読画像信号Ｓｐを間引く場合であっ
ても、第７図に示したように照射野内を一様に間引くこ
とのほか、照射野内の中央付近に画像の主要部が存在す
ることが多いことに鑑み、照射野内のうち中央付近は密
、端部は粗となるように間引いてもよい。

第８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Ｆｌ　、Ｆ２．
・・・・・・、ＦｌｌはＸ線画像照射野２内の各画素の
うち、第７図に示すように して間り目また数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）からの出力ｙ１は撮影体位に
対応した信号である。

第に層のｉ番目のユニットをｕｉ１該ユニットＵ：への
各入力をＸ”＋、各出力をＦ７．ｕ？からに＋ｌへの結
合の重みをＷ：ｉ”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ｙ：は、 Ｘｉ−Σｗ？−’　？　　・　？−”　　　・・・（４
）Ｖ；　−ｆ　　（Ｘ：）　　　　　　　　　　　・・
・（５）となる。ただし入力層を構成する各ユニットＵ
：（１＝１．２ｓ・・、　　ｎｌ　）への各人力Ｆｌ＋
Ｆｇｒ”’Ｆ１は重みづけされずにそのまま各ユニット
ｕ：　（１＝１，２＋・・・、ｎｌ）に入力される。入
力されたｎ五個の信号Ｆ１　ｒ　Ｆ２　＋　’、”ｒ　
Ｆ’、、は、各結合の重みｗ：：”　　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
より画像の撮影体位が正面撮影画像であるか、側面撮影
画像であるかが判定される。

ここで、上記各結合の重みＷ？”Ｈ”　　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　：：
　”　１　　の初期値が与えられる。このとき、入力Ｆ
１〜Ｆ、１が最大に変動しても、出力ｙ１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。

撮影体位が既知の多数のＸ線画像が記録された蓄積性蛍
光体シートから前述したようにして読み取って先読画像
信号Ｓｐを得、さらに第７図に示すように間引かれて上
記ｎ１個の入力Ｆｌ　＊　　Ｆ２゜・・・、Ｆ、１が求
められる。この０１個の入力Ｆ１＋Ｆ２．・・・、Ｆｌ
ｌが第８図に示す二二−ラルネットワークに入力され、
各ユニット　７の出力　？がモニタされる。

各出力　？が求められると、最終的な判定結果であるｙ
ｌと、この画像に関し正しい撮影体位とべ しての教師信号（体位ｙ＋）との二乗誤差が求められる
。この二乗誤差Ｅｌが最小となるように、以下のように
して各結合の重みｗ？：”ｌが修正される。

二乗誤差Ｅ１ を最小にするには、 このＥｌ は Ｗ：’；”の関数であるから のように各結合の重みＷｋ　ｋ　＋　ｌ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、（３式より Ｘ、　−８ｗ　：　７　”　ｌ・ｙｌ ・・・（４）′ であるから、Ｂ）式は、 となる。

ここで、（６）式より、 （５）式を用いてこの（１０）式を変形すると、ここで
、（３）式より、 ｆ′ （ｘ）＝ｆ （ｘ） （１−ｆ （ｘ） ・・・（１２） であるから、 ｆ’（ｘ工）−ｙｌ （１−ｙｌ） ・・・（１３） となる。

（９１式にいてに−２と置き、 （１１）、（１３） 式を（９）式 に代入すると、 ｌ−ノ ー（＞’＋　　　ｙＩ）　　・ｙ□ （１ｙＩ）　　・ｙＩ ・・・（１４） この（■４）式を（７）式に代入して、ｗ？　ｌ　””
Ｗ＋　＋−η・（ｙＩ　　ｄ）・ｙＩ（１ｙ？）　・ｙ
２ ・・・（１５） となる。

この（１５）式に従って、Ｗ？？ （ｉ＝１．２゜ の各結合の重みが修正される。

次に、 であるから、 この（１６）式に４）。

（５）式を代入して、 ここで（１２）式より、 ｆ’　　（ｘ＋　　）　　−）’＋ （ｌ　　　Ｙ＋） ・・・（１８） であるから、 この（１８）式と、 （１１）。

（１３）式を（１７） 式に代入して、 ・Ｙ＋（ＩＹτ） （９）式においてに−１と置き、 入すると、 ・Ｗ、１　　・・・（１９） （Ｉ９）式を（９）式に代 、　　ｔイ ＝（ｙＩ　　　ｙＩ）　　・ｙ、・　（１−ｙｌ）・）
’？　　　（１）’？）・Ｗｌ、・ｙｌ・・・（２０） この（２０）式を（７）式に代入すると、ｋ−１と置い
て、／Ｎ７ Ｗ＋　Ｈ−Ｗ＋　＋　　７７　”　　（）’１−３’Ｉ
　）　　争”Ｉｓ・（１ｙｔ）・ｙＩ　・（１〜ｙ＋）
・ｙ１＠　Ｗｌｌ ・・・（２１） となり、（１５）式で修正されたＷ、　、　（１−１，
２，・・・ｎｔ）がこの（２１）式に代入され、Ｗ＋　
＋　（１＝１．２゜・・・、　　ｎｔ　　；ｊ−１，２
，・・・、ｎｔ）が修正される。

尚、理論的には（１５）式、　（２１）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？　：”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、Ｈ
ｌｎｔｏｎ　ａｎｄ　Ｒ，Ｊ。

Ｗｌｌｌｉａｍｓ：Ｌｅａｒｎｉｎｇ　１ｎｔｅｒｎａ
ｌ　ｒｅｐｒｅｓｅｎｔａｔｉｏｎｓｂｙ　ｅｒｒｏｒ
　ｐｒｏｐａｇａｔｌｏｎ　Ｉｎ　Ｐａｒａｌｌｅｌ　
ＤｌｓｔｒｌｂｕｔｅｄＰｒｏｃｅｓｓｉｎｇ、　Ｖｏ
ｌｕｍｅ　１．　Ｊ、Ｌ、ＭｃＣＩｅｌｌａｎｄ、　Ｄ
、Ｅ。

Ｒｕｍｅｌｈａｒｔ　ａｎｄ　Ｔｈｅ　ＰＤＰ　Ｒｅ５
ｅａｒｃｈ　Ｇｒｏｕｐ、　　ＨＩＴＰｒｅｓｓ、１９
８６ｂ　Ｊ参照） ６ｗニア”　（ｔ＋１）−α・６ｗ７７””（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Ｗｋ７＋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）
をたとえば２０万回行ない、その後は、各結合の重みＷ
？　；”は最終の値に固定される。この学習の終了時に
は、出力ｙ１は画像の撮影体位を正しく表わす信号とな
る。

そこで学習が終了した後は、今度は撮影体位が未知のＸ
線画像を表わす先読画像信号Ｓｐが求められ、この先読
画像信号Ｓｐに基づいて該Ｘ線画像の照射野が認識され
、照射野の先読画像信号Ｓｐが第７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ｙ１
がそのＸ線画像に対する撮影体位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、撮影体位を精度良く表わしている。

なお、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の画素の数や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
ことは言うまでもない。

このようにして、多数の撮影体位認識方法を並列に用意
し、これらの方法を使用して、先読画像信号Ｓｐを並列
に処理して各別に撮影体位を認識する。そして、このよ
うにして認識された撮影体位の認識結果を判定部４７に
入力し、ここで多数決あるいは確信度による評価により
体位を判定する。

すなわち、多数決の場合は、例えば３種の認識結果が、
正面画像であるものが３つ、側面画像であるものが１つ
であれば、正面画像と判定するのである。

また、確信度の場合は、それぞれの認識方法の確信度に
よって、その高いものに決める。すなわち、それぞれの
方法によって得られた認識結果の確信度を、それぞれの
方法において正規化した値で表し、その確信度を異なっ
た方法の間で比較して、その値が最も大きいものを確信
度が最も高いものとして選択するのである。

【図面の簡単な説明】

第１図は、本発明の体位認識方法の要部を構成する体位
認識部の構成の一例を示すブロック図、第２図は、本発
明の体位認識方法を実施するためのコンピュータシステ
ムを内包する、Ｘ線画像読取装置の一例を示す斜視図、 第３Ａ図および第３Ｂ図は、被写体の撮影体位が異なる
放射線画像の例を示す概略図、第４Ａ図および第４Ｂ図
は、被写体の撮影体位を変えて撮影がなされた蓄積性蛍
光体シートからの読取画像信号のヒストグラムの例を示
すグラフ、第５Ａ図および第５Ｂ図は、上記読取画像信
号の累積ヒストグラムの例を示すグラフ、第６図は本発
明方法を実施する装置の例を示すブロック図、 第７図は、照射野内のＸ線画像の一部の各画素を模式的
に示した図、 第８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。 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 ４５・・・演算部 ４８ａ・・・第１の演算回路４８ａ ４８ｂ・・・第２の演算回路 ４６ｅ・・・第３の演算回路 ４７・・・判定部 １００′　・・・本読手段 ５００・・・撮影体位判別回路 ５０７・・・読取ゲイン補正回路 ５１１・・・ヒストグラム作成部 ５１２・・・累積ヒストグラム作成部 ５１３・・・ヒストグラム解析部 ５１４・・・判別部 ５１５・・・基準値設定部 Ｈａ・・・累積ヒストグラム情報 ｒ・・・累積ヒストグラムの変化率 Ｓｐ・・・先読み画像信号 Ｔ・・・補正信号　　　　　　Ｔｈ・・・基準値第５Ａ
図 （、ａイイ寧翻５系屋） 第６図 昧

Claims (2)

【特許請求の範囲】
1. （１）人体の放射線透過画像を表わす画像データに基づ
   いて前記画像の撮影体位を判別する医用画像の撮影体位
   判別方法において、 前記画像データに基づき、互いに種類の異なる方法によ
   り前記画像の撮影体位の候補を複数求め、該複数の撮影
   体位候補の中から、多数決で定めた撮影体位候補に基づ
   いて、前記撮影体位を認識することを特徴とする放射線
   画像の体位認識方法。
2. （２）人体の放射線透過画像を表わす画像データに基づ
   いて前記画像の撮影体位を判別する医用画像の撮影体位
   判別方法において、 前記画像データに基づき、互いに種類の異なる方法によ
   り前記画像の撮影体位の候補を複数求め、該複数の撮影
   体位候補について、それぞれその撮影体位の確信度を求
   め、前記複数の撮影体位候補の中で最も確信度の高い撮
   影体位候補に基づいて前記撮影体位を認識することを特
   徴とする放射線画像の体位認識方法。