JPH04152482A - 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
- JPH04152482A JPH04152482A JP2277997A JP27799790A JPH04152482A JP H04152482 A JPH04152482 A JP H04152482A JP 2277997 A JP2277997 A JP 2277997A JP 27799790 A JP27799790 A JP 27799790A JP H04152482 A JPH04152482 A JP H04152482A
- Authority
- JP
- Japan
- Prior art keywords
- image
- neural network
- image data
- reading
- data
- 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.)
- Granted
Links
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 55
- 230000013016 learning Effects 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims description 32
- 238000012545 processing Methods 0.000 claims abstract description 36
- 230000005855 radiation Effects 0.000 claims abstract description 30
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 abstract description 4
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 25
- 238000004020 luminiscence type Methods 0.000 description 12
- 230000035945 sensitivity Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 4
- 230000005284 excitation Effects 0.000 description 4
- 230000003321 amplification Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000003199 nucleic acid amplification method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 230000000946 synaptic effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 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
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011976 chest X-ray Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010894 electron beam technology Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 238000003909 pattern recognition Methods 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
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
め要約のデータは記録されません。
Description
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。
の認識、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、画像処理条件の決定、異常陰影の検出等のデ
ータ処理を、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。
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6
1−5193号公報参照)。
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。
55−118340号等)。
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。
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もある。
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。
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。
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。
件及び/又は画像処理条件(以下、読取条件等と呼ぶ。
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)。
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。
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。
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、Hinton and R
,JJilliaa+s:Learning repr
esentations by baek−propa
gatingerrors、Nature、323−9
,533−356.198BaJ、 r麻生英樹二バ
ックプロパゲーションComputrol No、24
53−[ioJ、 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)。
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。
たシステム、特に人体の医療診断用として構成されたシ
ステムにおいて、近年、単に診断に適した良好な画質性
能を備えた再生画像を得ることに加えて画像の自動認識
が行なわれてきている(例えば特開昭62−12548
1号公報参照)。
施すことにより、複雑な放射線画像から目的とするパタ
ーンを抽出する操作をいい、たとえば人体の胸部X線画
像のような種々の線状0円形状のパターンの入り混じっ
た非常に複雑な画像から、たとえば腫瘍に対応する陰影
を抽出する操作等をいう。
画像)において目的とするパターン(たとえば腫瘍影)
を抽出し、その抽出したパターンを明示した可視画像を
再生表示することにより、観察者の観察の補助(たとえ
ば医師の診断の補助)を行なわせることができる。
認識をすることも可能である。照射野の認識とは前記画
像信号を照射野絞を用いて撮影して得たときの照射野の
範囲を認識することである。
しては、被写体の観察に必要の無い部分に放射線を照射
しないようにするため、あるいは観察に不要な部分に放
射線を照射するとその部分から観察に必要な部分に散乱
線が入り画質性能が低下するため、放射線が被写体の必
要な部分および記録シートの一部にのみ照射されるよう
に放射線の照射域を制限する照射野絞りを使用して撮影
を行なうことも多い。
件2画像処理条件を求めるにあたって、分析に用いた画
像信号が、照射野絞りを用いて撮影した記録シートから
得られた画像信号である場合、この照射野の存在を無視
して画像データを分析しても撮影記録された放射線画像
が正しく把握されず、誤った読取条件、画像処理条件が
求められ観察適正の優れた放射線画像が再生記録されな
い場合が生ずる。
める前に、照射野を認識し、照射野内の画像データに基
づいて読取条件1画像処理条件を求める必要がある。
いる各種の方法があり、(例えば特開昭63−2595
38号、特開昭61−39039号、特開昭64−11
485号)最適な照射野認識方法を選択して、まず照射
野を求め、その後攻められた照射野内に対応する画像デ
ータを分析することにより、適切な読取条件1画像処理
条件が求められる。
放射線画像以外の各種の画像について、種々の判定をす
ることもできる。例えば、画面に現れた人物の顔をパタ
ーン認識して、その人物の性別、年齢、人種等の各種属
性を判定したり、あるいは予め登録した一定の範囲の人
物の集団に含まれるかどうかを判定することもできる。
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。
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。また、前述の人物の
顔に基づいて判定をするシステムにおいても、画面に対
して位置がずれて入力されることはよくあることで、こ
のずれがあっても、正しい判定がなされなければならな
い。
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。
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
。
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。
データを入力し、その画像データに関する所定の解を出
力するニューラルネットワークの学習方法において、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
るものである。
、照射野の認識、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、画像処理条件の決定、異常陰影の検
出等のデータ処理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もので
ある。
図である。
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照射野の認識、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、画像処理条件
の決定、異常陰影の検出等のデータ処理が行なわれる。
処理条件、異常陰影等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。
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。
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。
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。
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。
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。
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。
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。
像を表わし、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。
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!11Bによって反射偏向され、f
θ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、
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2
0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。
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2Bの増幅率等が
定められている。
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4
2.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デイスプレィ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。
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。
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が、本読手段1
00′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lo。
。
られた画像信号S0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。
い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。
いて詳細に説明する。
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。
(入力層)、第2層(中間層)、第3層(出力層)はそ
れぞれ01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 + F
2 + ・・・・・・、F、1はX線画像(左肩の場合
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(出力層)からの2つの出力Y
:r y2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。第に層のi番目のユニッ
トをui、該ユニットU:への各入力をxi、各出力を
V”+su’+から k+lへの結合の重みをW??”
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 7の入力x:、出力y:
は、 XニーΣW”+−’ : −y ?−’ ・・
・(4)Yr −f (X+ )
・・・(5)となる。ただし入力層を構成する
各ユニットU′(1=1,2.−、 nl ) ヘの
各人力F1 + F Z * ”’Fml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n1個の信号Fl
r F2 r ”’r Fmlは、各結合の重みW
”+’H” によって重み付けられながら最終的な出
力y++Y2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。
いて説明する。先ず乱数により各結合の重みw k k
+ l の初期値が与えられる。このとき、入力F
1〜Fs+が最大に変動しても、出力VIr’12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。
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.Fz+ ・・・、F
□が求められる。この01個の入力F1 + F2
+ ・・・IF11□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y7がモニタ
される。
+Yzと、この画像に関し正しい読取条件としての教師
信号(感度膚およびコントラストごイ y2)との二乗誤差 が求められる。これらの二乗誤差E、、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W?
7”が修正される。尚、以下y?の出力に関して述べ、
y;についてはy?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W7:+I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。
、(3)式より、 f′ (x) −f (X) (1−f (X) ・・・(13) であるから、 f’ (X+ ) −Yl (I YI ・・・(14) となる。
Wl +−η・ (yI d) ・yl(1yI)
・yI ・・・(lB〉 となる。
・(19)であるから、この(19)式と、(12)、
(14)式を(18)式に代入して、 ・7丁 (1−7丁)・W?マ ・・・(20)(10
)式においてに−1と置き、(20)式を(10)式に
代入すると、 5=(yニーy1) ・yl ・ (1yI)・V’
+ ・(1−yI)・W、1・yl・・・(21) この(21)式を6)式に代入すると、k−1と置いて
、3 へ W: ? −WI 1−η・ (yI yI ) ・
yI(1y?) ・y?・ (1y?、+ ・y:
Wll ・・・(22) となり、(16)式で修正されたWI + (1−1,
2,・・・nl)がこの(22)式に代入され、WI
+ (1−1,2゜・・・、 nl ;j−1,2
,・・・、nl)が修正される。
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。
nton and R,J。
l representationsby error
propagation In Parallel
DlstributedProcessing、Vol
ume 1.J、L、MccIell and、 D、
B。
Re5earch Group、MITPress
、1988b J参照) ΔW:1+I (t+1)−α・ΔW? ’;” (
t)+ただしΔW7 :” (t)は、を回目の学習
における、修正後の結合重みw: i”Iから修正前の
該結合の重みW7741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。
,25を用いて各結合の重みwk :”l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、2つの出力y1r V2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。
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Y1.Y2 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。
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。
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。
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。
0′ 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、先読みを行なった後、蓄
積性蛍光体シート11を一回バツクさせ、再度走査して
本読みを行なうようにすればよい。
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SO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。
装置について説明したが、本発明は先読みを行なわず、
最初から上記本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4
0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。
常陰影検出)に適用することもできる。
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。 l・・・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・・・コンピュータシステム 1(10・・・先読手段 100 ’・・・本
読手段第 図 第2A図 第2B図
Claims (6)
- (1)画像データを入力し、その画像データに関する所
定の解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。 - (2)前記画像データが放射線画像データであることを
特徴とする請求項1記載のニューラルネットワーク学習
方法。 - (3)前記所定の解が、前記画像データが照射野絞を用
いて得られた画像データであるときの照射野の認識結果
であることを特徴とする請求項2記載のニューラルネッ
トワーク学習方法。 - (4)前記所定の解が、前記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であることを特
徴とする請求項2記載のニューラルネットワーク学習方
法。 - (5)前記所定の解が、前記画像データに画像処理を施
す場合の画像処理条件であることを特徴とする請求項2
記載のニューラルネットワーク学習方法。 - (6)前記所定の解が、前記画像データの中の異常陰影
を検出するときの異常陰影データであることを特徴とす
る請求項2記載の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 true JPH04152482A (ja) | 1992-05-26 |
JP2981677B2 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) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH01223386A (ja) * | 1988-03-02 | 1989-09-06 | Hitachi Ltd | 紙葉類検知装置の発光量調整方法 |
JPH0267690A (ja) * | 1988-09-01 | 1990-03-07 | Fuji Photo Film Co Ltd | 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
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH01223386A (ja) * | 1988-03-02 | 1989-09-06 | Hitachi Ltd | 紙葉類検知装置の発光量調整方法 |
JPH0267690A (ja) * | 1988-09-01 | 1990-03-07 | Fuji Photo Film Co Ltd | 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 |
Also Published As
Publication number | Publication date |
---|---|
JP2981677B2 (ja) | 1999-11-22 |
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 | |
JPH0228782A (ja) | 被写体像内画像点決定方法 | |
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 | |
JPH04261649A (ja) | 放射線画像解析方法および装置 | |
JPH02272532A (ja) | 放射線画像の分割パターン認識方法 | |
JP2932020B2 (ja) | マーゲン画像読取条件および/または画像処理条件決定方法 | |
JPH04152482A (ja) | ニューラルネットワーク学習方法 | |
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 | |
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 | |
JPH0538334A (ja) | 放射線照射野認識方法および装置 | |
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 | |
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 | |
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 | |
JP2852818B2 (ja) | 放射線照射野認識方法 | |
JP2952422B2 (ja) | 放射線画像解析装置 | |
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 | |
JPH02272682A (ja) | 被写体像内画像点決定方法 | |
JPH04118782A (ja) | 放射線画像読取装置 | |
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 | |
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 | |
JPH04204936A (ja) | 経過観察用放射線画像の読取条件決定方法 | |
JPH04118783A (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 |