JPH04261649A - 放射線画像解析方法および装置 - 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】

【０００１】

【産業上の利用分野】本発明は、放射線画像を表わす画
像データに基づいて、該放射線画像の分割パターン、照
射野、撮影体位および／または撮影部位を認識する放射
線画像の解析方法、およびそのような認識の認識結果を
表わす特徴量を出力する放放射線画像解析装置に関する
ものである。

【０００２】

【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６１−５１９３　号公報参照）。

【０００３】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すでに提案されている（特開
昭５５−１２４２９号，同５６−１１３９５号，同５５
−１６３４７２　号，同５６−１０４６４５　号，同５
５−　１１６３４０号等）。

【０００４】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、Ｃ
ＲＴ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。

【０００５】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もあ
る。

【０００６】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。

【０００７】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、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。

【０００８】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。

【０００９】上記画像信号（先読画像信号を含む）に基
づいて読取条件および／または画像処理条件（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６０−１８５９
４４　号公報，特開昭６１−２８０１６３　号公報参照
）。

【００１０】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。

【００１１】ところが、前述のようにして画像データを
分析して読取条件，画像処理条件を求めるにあたって、
分析に用いた画像データが、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データである場合、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。

【００１２】これを解決するためには、読取条件，画像
処理条件を求める前に、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，画像処理条件を求める必
要がある。

【００１３】本出願人は既に、上記のような放射線照射
野を認識する方法をいくつか提案しており（例えば、特
開昭６１−３９０３９　号、特開昭６３−２５９５３８
　号）このような方法によって照射野を自動認識しその
認識領域のみについて読取条件、画像処理条件を求める
ようにすれば、上述の不具合は解消可能である。

【００１４】ところで、以上述べた記録シートに放射線
画像情報を蓄積記録（撮影）する場合、いわゆる分割撮
影がなされることも多い。この分割撮影とは、記録シー
トの記録領域を予め定められた所定の複数区画に分割し
、各区画毎に前記蓄積記録のための放射線を照射するよ
うにした撮影法である。この分割撮影によれば、例えば
大きな記録シートに小さな部位を撮影するような場合、
１枚の記録シートに複数部位の記録が可能となって経済
的であるし、また放射線画像情報記録および読取りの処
理速度も向上する。

【００１５】ところが上記のような分割撮影を行なう際
に前述の照射野絞りも実行されると、各照射野は互いに
分離した状態となる。このような方法では照射野は誤っ
て認識されてしまう。１枚の記録シート上の複数の照射
野をそれぞれ自動認識しうる方法も提案されているが、
その場合は照射野認識のアルゴリズムが極めて複雑にな
り、その方法を実施するために非常に高価な装置が必要
になるという問題が有る。

【００１６】照射野を認識する際に、記録シート上の分
割パターンを示す情報を照射野認識装置にマニュアル入
力して各分割区画の位置情報を与えれば、各区画につい
て１つの照射野を求める処理を行なえばよいことになる
から、照射野認識のアルゴリズムが非常に複雑化すると
いう問題は回避できる。しかし、記録シートからの放射
線画像情報読取りを行なう際に、上記分割パターンを逐
一マニュアル操作で入力するのは大変面倒である。

【００１７】そこで、記録シートに記録されている放射
線画像の分割パターンを自動的に認識する方法が必要に
なる。本出願人は、この分割パターンの自動認識の方法
として、多数の方法の提案を既にしている。（例えば、
特開昭６３−２５７８７９　号、特開平１−２１２０６
５号、特開平１−２３８６５４号、特願平１−　８９４
８３号、特願平１−　９４９０４号、特願平１−　９４
９０６号、特願平１−　９６６６３号、特願平１−　９
７８０２号、特願平１−　９７８０５号、特願平１−１
１６９４６号等）また、上に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
るとき、同一の被写体を撮影体位を変えて撮影した場合
には、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。

【００１８】例えば胸椎を診断するために胸部を正面か
ら撮影した場合と、側面から撮影した場合を考えると、
正面撮影の場合、関心領域である胸椎は、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、胸椎は放射線の透過
しやすい肺野と重なるので、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
、最小値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、最小値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。

【００１９】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。

【００２０】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入力する作業は
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。

【００２１】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方法
が提案されている。（特開昭６３−２６２１２８号）さ
らに、同様の理由で撮影の対象すなわち部位（例えば人
体を被写体とした場合の頭部，頸部，胸部，腹部等）が
何であるかによっても、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き、それぞれの再
生画像において関心領域の濃度が変わってしまうことが
あり、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部位
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部位情報に応
じて前述の読取条件および／または画像処理条件を設定
することも行なわれている。

【００２２】このように、前述の読取条件および／また
は画像処理条件を設定する際には、放射線画像の分割パ
ターン認識、照射野認識、撮影体位認識、および／また
は撮影部位認識を行ない、この認識結果に基づいた補正
を施してから、読取条件および／または画像処理条件を
設定することが必要である。

【００２３】

【発明が解決しようとする課題】近年、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。

【００２４】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幡学習（バ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、「
Ｄ．Ｅ．Ｒｕｍｅｌｈａｒｔ，Ｇ．Ｅ．Ｈｉｎｔｏｎ　
ａｎｄ　Ｒ．Ｊ．Ｗｉｌｌｉａｍｓ：Ｌｅａｒｎｉｎｇ
　ｒｅｐｒｅｓｅｎｔａｔｉｏｎｓ　ｂｙ　ｂａｃｋ−
ｐｒｏｐａｇａｔｉｎｇ　ｅｒｒｏｒｓ，Ｎａｔｕｒｅ
，３２３−９，５３３−３５６，１９８６ａ」，「麻生
英樹：バックプロパゲーションＣｏｍｐｕｔｒｏｌ　Ｎ
ｏ．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）。

【００２５】このニューラルネットワークを用いると、
放射線画像の画像データを入力として、上記の分割パタ
ーン認識、照射野認識、撮影体位認識、および／または
撮影部位認識を行なうことが可能であり、この認識結果
に基づいた補正を施してから、前述の読取条件および／
または画像処理条件を設定することができる。

【００２６】すなわち、上記分割パターン認識、照射野
認識、撮影体位認識、および／または撮影部位認識にお
いて、放射線画像の画像データを上記ニューラルネット
ワークに入力して、その認識結果を表わす特徴量を出力
とし、このニューラルネットワークにあらかじめ繰り返
し‘学習’させることにより次第に正しい特徴量を求め
ることができるようにすることができる。

【００２７】本発明は、上記ニューラルネットワークを
用いて放射線画像の分割パターン、照射野、撮影体位、
および／または撮影部位を、高い精度で認識する放射線
画像の解析方法および装置を提供することを目的とする
ものである。

【００２８】

【課題を解決するための手段】本発明の放射線画像解析
方法は、被写体の放射線画像の画像データに基づいて、
前記放射線画像の分割パターン、照射野、撮影体位、お
よび／または撮影部位を認識する放射線画像の解析方法
において、前記画像データをニューラルネットワークに
入力し、該ニューラルネットワークから前記放射線画像
の前記認識結果を出力させることを特徴とするものであ
る。

【００２９】また、本発明による放射線画像解析装置は
、被写体の放射線画像の画像データを出力する画像デー
タ出力手段と、前記画像データを入力とし、前記放射線
画像の分割パターン認識、照射野認識、撮影体位認識、
および／または撮影部位認識の認識結果を表わす特徴量
を出力とするニューラルネットワークからなる特徴量演
算手段とを備えたことを特徴とするものである。

【００３０】上記特徴量とは、その放射線画像の特徴を
表わす量であればよく、特定のものに限定されないが、
例えば分割パターン認識においては、上下２分割、左右
２分割、４分割および分割なしの４種類の認識結果のい
ずれかを表わす信号でよいし、照射野認識においては、
円形、矩形等、照射野の輪郭を表わす情報であればどの
ようなものでもよい。また、撮影体位認識においては、
正面画像か側面画像かの２種類の認識結果を表わす信号
でよい。また、撮影部位認識においては、頭部、胸部、
肩部、腕部等の撮影部位を表わす量であればよい。

【００３１】

【作用および効果】本発明による放射線画像解析方法お
よび装置は、放射線画像の各画素に対応する画像データ
をニューラルネットワークに入力することにより、放射
線画像の分割パターン認識、照射野認識、撮影体位認識
、および／または撮影部位認識の認識結果を表わす特徴
量を出力するものであるから、簡単な構成により、精度
の高い各種認識を行なうことができる。

【００３２】なお、上記照射野内の各画素の画像データ
全てをニューラルネットワークに入力することに代えて
、例えば照射野の各画素をひとつおきに取り出して、こ
の取り出した画像データを入力する等、照射野内の各画
素に対応する画像データの一部のみをニューラルネット
ワークに入力するようにすると、記憶容量の低減化等を
図ることができる。

【００３３】

【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
トを用いる例について説明する。

【００３４】図１は、Ｘ線画像読取装置の一例、および
本発明の放射線画像解析装置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。

【００３５】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１
１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１９が発散され、この輝尽発光光１９は光ガイド２
０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２
０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１９
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２０ｂ　から出射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。

【００３６】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。

【００３７】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。

【００３８】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、本発明の放射線画像解析装置の一例を内包
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。

【００３９】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
して照射野等が認識され、次いで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。

【００４０】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。

【００４１】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、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１
００　′の構成は上記先読手段１００　の構成と略同一
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。

【００４２】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４
０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。

【００４３】コンピュータシステム４０においては、先
読画像信号Ｓｐ　に基づいて、ニューラルネットワーク
を用いて放射線画像の分割パターン、照射野、撮影体位
、および／または撮影部位が認識され、次いで本読みの
際の読取条件が求められる。

【００４４】前記先読画像信号Ｓｐ　は図２に示すよう
に、ニューラルネットワーク４５に入力され、放射線画
像の分割パターン、照射野、撮影体位、および／または
撮影部位が認識され、それぞれの認識結果である特徴量
が出力される。

【００４５】なお、図３に示すように各画素に対応する
各先読画像信号のうち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４
５に入力してもよい。これにより、ニューラルネットワ
ーク４５の入力点数を削減することができる。このとき
、画像全体を一様に間引く代りに、画像の中央付近に画
像の主要部が存在することが多いことに鑑み、画像の中
央付近は密、端部は粗となるように間引いてもよい。

【００４６】以下、ニューラルネットワークにより、学
習を繰り返して、該ニューラルネットワークにより、正
しい画像点を求める方法について詳述する。

【００４７】図４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）を修正するというものである。

【００４８】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　，……，Ｆｎ１はＸ線画像の各画素のう
ち、図２に示すようにして間引い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
２つの出力Ｙ３，１　，Ｙ３，２　は、それぞれ照射野
（円形、矩形等の照射野のうちいずれか１つ）と撮影部
位（頭部，胸部，肩部，腕部等の撮影部位のうちいずれ
か１つ）を表わした信号である。

【００４９】第ｋ層のｉ番目のユニットをＵｋ，ｉ　、
該ユニットＵｋ，ｉ　への各入力をＸｋ，ｉ　、各出力
をＹｋ，ｉ　、Ｕｋ，ｉ　からＵｋ＋１，ｊ　への結合
の重みをＷｋ，ｉ；ｋ＋１，ｊ　とし、各ユニットＵｋ
，ｊ　は同一の特性関数

【００５０】

【数１】

【００５１】を有するものとする。このとき、各ユニッ
トＵｋ，ｊ　の入力Ｘｋ，ｊ　、出力Ｙｋ，ｊ　は、

【
００５２】

【数２】

【００５３】

【数３】

【００５４】となる。ただし入力層を構成する各ユニッ
トＵ１，ｉ（ｉ　＝１，２，…，ｎ１　）　への各入力
Ｆ１　，Ｆ２　，…，Ｆｎ１は重みづけされずにそのま
ま各ユニットＵ１，ｉ（ｉ＝１，２，…，ｎ１　）　に
入力される。入力されたｎ１　個の信号Ｆ１　，Ｆ２　
，…，Ｆｎ１は、各結合の重みＷｋ，ｉ；ｋ＋１，ｊ　
によって重み付けられながら最終的な出力Ｙ３，１　，
Ｙ３，２　にまで伝達され、これにより照射野と撮影部
位が求められる。

【００５５】ここで、上記各結合の重みＷｋ，ｉ；ｋ＋
１，ｊ　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Ｗｋ，ｉ；ｋ＋１，ｊ　の初期値が与えら
れる。このとき、入力Ｆ１　〜Ｆｎ１が最大に変動して
も、出力Ｙ３，１　，Ｙ３，２　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。

【００５６】照射野と撮影部位が既知の多数のＸ線画像
を記録された蓄積性蛍光体シートから先読画像信号Ｓｐ
　が間引きされて上記ｎ１　個の入力Ｆ１　，Ｆ２　，
…，Ｆｎ１が求められる。このｎ１　個の入力Ｆ１　，
Ｆ２　，…，Ｆｎ１が図３に示すニューラルネットワー
クに入力され、各ユニットＵｋ，ｉ　の出力Ｙｋ，ｉ　
がモニタされる。

【００５７】各出力Ｙｋ，ｉ　が求められると、最終的
な出力であるＹ３，１　，Ｙ３，２　と、この画像に関
し正しい画像点を示す教師信号（ｘ座標を示す“Ｙ３，
１　”およびｙ座標を示す“Ｙ３，２　”）との二乗誤
差

【００５８】

【数４】

【００５９】

【数５】

【００６０】が求められる。この二乗誤差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Ｗｋ，ｉ；ｋ＋１，ｊ　が修正される。なお、
以下Ｙ３，１　の出力に関して延べＹ３，２については
Ｙ３，１　と同様であるため、ここでは省略する。

【００６１】二乗誤差Ｅ１　を最小にするには、このＥ
１　はＷｋ，ｉ；ｋ＋１，ｊ　の関数であるから

【００
６２】

【数６】

【００６３】このように各結合の重みＷｋ，ｉ；ｋ＋１
，ｊ　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。

【００６４】ここで、

【００６５】

【数７】

【００６６】であり、（２）　式より

【００６７】

【数８】

【００６８】であるから、（７）　式は、

【００６９】

【数９】

【００７０】となる。

【００７１】ここで、（４）　式より、

【００７２】

【数１０】

【００７３】（３）　式を用いてこの（１０）式を変形
すると、

【００７４】

【数１１】

【００７５】ここで、（１）　式より、

【００７６】

【数１２】

【００７７】であるから、

【００７８】

【数１３】

【００７９】となる。

【００８０】（９）　式においてｋ＝２と置き、（１１
）式、（１３）式を（９）　式に代入すると、

【００８１】

【数１４】

【００８２】この（１４）式を（６）　式に代入して、

【００８３】

【数１５】

【００８４】となる。この（１５）式に従って、Ｗ２，
ｉ；３，１（ｉ＝１，２，…，ｎ１　）の各結合の重み
が修正される。

【００８５】次に、

【００８６】

【数１６】

【００８７】であるから、この（１６）式に（２）　式
、（３）　式を代入して、

【００８８】

【数１７】

【００８９】ここで（１２）式より、

【００９０】

【数１８】

【００９１】であるから、この（１８）式と、（１１）
式、（１３）式を（１７）式に代入して、

【００９２】

【数１９】

【００９３】（９）　式においてｋ＝１と置き、（１９
）式を（９）式に代入すると、

【００９４】

【数２０】

【００９５】この（２０）式を（６）　式に代入すると
、ｋ＝１と置いて、

【００９６】

【数２１】

【００９７】となり、（１５）式で修正されたＷ２，ｉ
；３，１（ｉ＝１，２，…，ｎ１　）がこの（２１）式
に代入され、Ｗ１，ｉ；２，ｊ（ｉ＝１，２，…，ｎ１
　；ｊ＝１，２，…，ｎ２　）が修正される。

【００９８】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Ｗｋ，ｉ；ｋ＋１，
ｊ　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．Ｒｕｍｅｌ
ｈａｒｔ，Ｇ．Ｅ．Ｈｉｎｔｏｎ　ａｎｄ　Ｒ．Ｊ．Ｗ
ｉｌｌｉａｍｓ：Ｌｅａｒｎｉｎｇｉｎｔｅｒｎａｌ　
ｒｅｐｒｅｓｅｎｔａｔｉｏｎｓ　ｂｙ　ｅｒｒｏｒ　
ｐｒｏｐａｇａｔｉｏｎ　Ｉｎ　Ｐａｒａｌｌｅｌ　Ｄ
ｉｓｔｒｉｂｕｔｅｄ　Ｐｒｏｃｅｓｓｉｎｇ，Ｖｏｌ
ｕｍｅ　１，Ｊ．Ｌ．ＭｃＣｌｅｌｌａｎｄ，Ｄ．Ｅ．
Ｒｕｍｅｌｈａｒｔ　ａｎｄ　Ｔｈｅ　ＰＤＰ　Ｒｅｓ
ｅａｒｃｈ　Ｇｒｏｕｐ，ＭＩＴ　Ｐｒｅｓｓ，１９８
６ｂ」参照）

【００９９】

【数２２】

【０１００】ただしΔＷｋ，ｉ；ｋ＋１，ｊ　（ｔ）は
、ｔ回目の学習における、修正後の結合重みＷｋ，ｉ；
ｋ＋１，ｊ　から修正前の該結合の重みＷｋ，ｉ；ｋ＋
１，ｊ　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。

【０１０１】慣性項α、学習係数ηとしてたとえばα＝
０．９　、η＝０．２５を用いて各結合の重みＷｋ，ｉ
；ｋ＋１，ｊ　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Ｗｋ，ｉ；ｋ＋１，ｊ　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Ｙ３，１　，Ｙ３，２　はそれぞれ照射野および撮影
部位を略正しく表わす信号となる。

【０１０２】なお、照射野を表わす上記信号としては、
例えば円形の照射野か矩形の照射野かを表わすだけの信
号とすれば、前記２つの出力の一方を１または０とし、
１のときは円形、０のときは矩形であるとして、極めて
簡単にニューラルネットによる認識を可能にすることが
できる。

【０１０３】また、撮影部位についても、あらかじめ予
想される幾つかの部位を数字で表わすようにすれば、簡
単にニューラルネットによる認識を可能にすることがで
きる。

【０１０４】学習が終了した後は、照射野および撮影部
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　が図４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Ｙ３
，１　，Ｙ３，２　がそのＸ線画像の照射野および撮影
部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、照射野および撮
影部位を精度良く表わしている。

【０１０５】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ももちろんである。

【０１０６】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、照射野および撮影部位を略正しく表
わす信号に従って本読手段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。

【０１０７】上記実施例では、ニューラルネットワーク
により、照射野および撮影部位を求めるものについて説
明したが、分割パターンおよび撮影体位についても同様
の方法でニューラルネットワークによる認識ができる。 これには、前記２つの出力として、それぞれ分割パター
ンと撮影体位を表わす信号を出力するようにすればよい
。

【０１０８】撮影体位を表わす信号を、例えば被写体の
正面か側面かを表わすだけの信号とすれば、前記２つの
出力の一方を１または０とし、１のときは正面、０のと
きは側面であるとして、極めて容易にニューラルネット
による認識を行なうことができる。

【０１０９】また、分割パターンを表わす信号としても
、例えば上下２分割、左右２分割、４分割、および分割
なしの４種類のパターンを各々固有の数字で表わすよう
にすればニューラルネットによる認識を容易に行なうこ
とができる。

【０１１０】次に、上記のようにしてニューラルネット
により認識された照射野を表わす２値パターン信号の後
処理方法について説明する。

【０１１１】すなわち、上記ニューラルネットワークか
ら出力された信号Ｙ３，１　は照射野を表わすものであ
るが、厳密にはエッジ部分においてやや不正確な信号と
なっている。このためこの２値パターン信号に基づいて
形成される照射野の外形は本来の照射野エッジに対して
多少の凹凸を有するものとなってしまう。

【０１１２】そこで、上記ニューラルネットワークから
出力された２値パターン信号に下記に示すような２値画
処理を施すことによりエッジ部分まで正確な照射野を得
るのが好ましい。

【０１１３】まず上記２値画処理についての一例である
図形融合処理（２値画像の平滑化処理）を説明する。一
般に、図形融合処理は、収縮（ｃｏｎｔｒａｃｔｉｏｎ
）　および拡散（ｄｉｌａｔａｔｉｏｎ）と称される２
つの基本的処理の組合せにより実行される。

【０１１４】ここで収縮とは、与えられた図形成分の境
界画素をすべて削除（１−画素から０−画素への変換）
して、ひと皮分取り除く処理で浸食（ｅｒｏｓｉｏｎ）
　とも呼ばれ、入力画像をｆｉｊ、出力画像をｇｉｊと
するとき次のような変換を行なうものである。

【０１１５】

【数２３】

【０１１６】一方、拡散とは、収縮とは逆に、図形成分
の境界画素から０−画素方向へ増殖（０−画素から１−
画素への変換）させてひと皮分太らせる処理で膨張（ｅ
ｘｐａｎｓｉｏｎ）　、あるいは伝播（ｐｒｏｐａｇａ
ｔｉｏｎ）とも呼ばれ、入力画像をｆｉｊ、出力画像を
ｇｉｊとするとき次のような変換を行なうものである。

【０１１７】

【数２４】

【０１１８】このような、収縮および拡散と称される２
つの基本的処理を組み合わせて使用することで２値画像
中の雑音成分の多くを取り除くことができ、結果的に２
値画像が平滑化される。

【０１１９】例えば図５（Ａ）　に示される原画像中に
、孤立した１−画素からなる孤立点ａが存在する場合、
この孤立点ａを取り除くためにはこの原画像に対し、ま
ず収縮処理を施して図５（Ｂ）　の画像に変換し、しか
る後拡散処理を施して図５（Ｃ）　の画像に変換する。 なお、上記図５および図６に示す各画像中で○印は１−
画素を、・印は０−画素を示す。

【０１２０】このようにして得られた図５（Ｃ）　の画
像中には孤立点ａが存在せず、これにより孤立点ａの除
去を図ることができる。

【０１２１】また、例えば図６（Ａ）　に示される原画
像中に、孤立した０−画素からなる欠落点ｂが存在する
場合、この欠落点ｂを取り除くためにはこの原画像に対
し、まず拡散処理を施して図６（Ｂ）　の画像に変換し
、しかる後収縮処理を施して図６（Ｃ）の画像に変換す
る。このようにして得られた図６（Ｃ）　の画像中には
欠落点ｂが存在せず、これにより欠落点ｂの除去を図る
ことができる。

【０１２２】以上に説明した図形融合処理を、前述した
照射野２値パターン信号に適用した例を図７に示す。

【０１２３】すなわち、ニューラルネットワークから出
力された照射野２値パターン信号に対し、収縮処理２０
１　および拡散処理２０２　をこの順に施し、この後引
き続いて拡散処理２０３　および収縮処理２０４　をこ
の順に施す。

【０１２４】照射野２値パターン信号に対し、収縮処理
２０１　を施した後拡散処理２０２　を施すことによっ
て照射野エッジ部付近に存在する孤立点を除去すること
ができ、一方、照射野２値パターン信号に対し、拡散処
理２０３　を施した後収縮処理２０４　を施すことによ
って照射野エッジ部付近に存在する欠落点を除去するこ
とができる。

【０１２５】したがって、照射野２値パターン信号に対
し、上述したように孤立点除去処理と欠落点除去処理を
連続して施すことにより２値パターンの２値境界部分を
整えることができ、結果としてエッジ部においてより正
確な照射野２値パターン信号を出力することができる。

【０１２６】次に、照射野のエッジ部をより正確にする
ためニューラルネットワークから出力された照射野２値
パターン信号に対して施される２値画処理についての他
の例について説明する。

【０１２７】この２値画処理は図８に示すように照射野
２値パターン信号の照射野エッジ部分に微分処理を施す
ことによって正確な照射野エッジを検出しようとするも
のである。

【０１２８】すなわち、ニューラルネットワークから出
力された照射野２値パターン信号では２値の境界が本来
の照射野エッジ位置と必ずしも一致しないが、その誤差
量はわずかであるからこの照射野２値パターン信号にお
ける２値の境界付近のみに微分処理を施すことによって
正確な照射野エッジを容易に検出することができる。

【０１２９】上記２つの２値画処理により求められた照
射野に基づき、原画像の読取条件および画像処理条件が
決定される。

【０１３０】次に、ニューラルネットワークにより求め
られた、前述の撮影部位を表わす信号の後処理方法につ
いて説明する。

【０１３１】上述したように、ニューラルネットワーク
により求められた撮影部位に基づき、原画像の読取条件
や画像処理条件が決定されるのであるが、原画像中に人
口骨やギプスが含まれている場合には、これらの読取条
件や画像処理条件として最適なものが用意されていない
ため、原画像に対して条件決定のための通常の画像解析
を行なうことは適当ではない。

【０１３２】そこで、まずニューラルネットワークによ
って原画像中に人口骨あるいはギプスが存在するか否か
を判断させるようにする。

【０１３３】この判断はニューラルネットにより求めら
れた上記撮影部位を表わす信号Ｙ３，２　に基づいてな
される。

【０１３４】すなわち、この撮影部位を表わす信号Ｙ３
，２　に基づき人口骨有りと判断されれば通常の画像解
析はせずに人口骨入り専用解析（例えば通常の画像解析
に所定の累積補正値を加算する（特開昭６１−１７０７
２９　号））を行なう。あるいは、ギプス有りと判断さ
れればやはり通常の画像解析はせずに固定感度読取処理
あるいはアラームによりオペレータに知らせて人間によ
る画像解析処理（インタラクティブ処理（特開昭６１−
１５６２５０　号））を行なうようにする。

【０１３５】なお、撮影部位を表わす信号Ｙ３，２　に
基づいて人口骨もギプスもないと判断されれば通常の画
像解析を行なうようにする。

【０１３６】なお、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１００　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１
００　′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
。

【０１３７】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、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。

【０１３８】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ＳＱ　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。

【０１３９】さらに、上記実施例は、先読みを行なう放
射線画像読取装置について説明したが、本発明は先読み
を行なわずにいきなり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４０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。

【０１４０】また、本発明は、蓄積性蛍光体シートを用
いるシステムにのみ用い得るものではなく、従来のＸ線
フイルムを用いる装置等にも用いることができる。

【図面の簡単な説明】

【図１】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す斜視図

【
図２】本発明の主要部を示すブロック図

【図３】Ｘ線画
像の一部の各画素を模式的に示す図

【図４】ニューラル
ネットワークの一例を表わす図

【図５】図形融合処理に
より孤立点を除去する原理を説明する概略図

【図６】図形融合処理により欠落点を除去する原理を説
明する概略図

【図７】ニューラルネットワークから出力された照射野
２値パターン信号に施す２値画処理の一例を示すブロッ
ク図

【図８】ニューラルネットワークから出力された照射野
２値パターン信号に施す２値画処理の他の例を示すブロ
ック図

【符号の説明】

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　　　　ニューラルネットワーク １００　　　　先読手段 １００′　　　　本読手段 ２０１，２０４　　　　　収縮処理 ２０２，２０３　　　　　拡散処理 ２０５　　　　エッジ部分微分処理

Claims (2)

【特許請求の範囲】
1. 【請求項１】　　被写体の放射線画像の画像データに基
   づいて、前記放射線画像の分割パターン、照射野、撮影
   体位、および／または撮影部位を認識する放射線画像の
   解析方法において、前記画像データをニューラルネット
   ワークに入力し、該ニューラルネットワークから前記放
   射線画像の前記認識結果を出力させることを特徴とする
   放射線画像解析方法。
2. 【請求項２】　　被写体の放射線画像の画像データを出
   力する画像データ出力手段と、前記画像データを入力と
   し、前記放射線画像の分割パターン認識、照射野認識、
   撮影体位認識、および／または撮影部位認識の認識結果
   を表わす特徴量を出力とするニューラルネットワークか
   らなる特徴量演算手段とを備えたことを特徴とする放射
   線画像解析装置。