JPH04317048A - 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 - 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
像信号に基づいて、画像信号を得る際の読取条件，画像
信号に画像処理を施す際の画像処理条件を求める放射線
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
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、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のできるシス
テムが開発されている（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を一旦シート状の蓄積性蛍
光体に撮影記録し、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
画像信号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５５
−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
の後上記シートに上記先読みの際の光ビームよりも高レ
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（特開昭５８−６７
２４０号，同５８−６７２４１号，同５８−６７２４２
号等）。

【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
ビームの強度の大／小、もしくは上記シートから発せら
れる輝尽発光光の強度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強度を上記波長感度で重
みづけした後の重みづけ強度の大／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）を分
析して最適な読取条件、画像処理条件を求める方法は種
々提案されているが、その方法のひとつとして、画像信
号のヒストグラムを作成する方法が知られている（たと
えば、特開昭６０−１５６０５５　号）。画像信号のヒ
ストグラムを求めることにより、たとえば画像信号の最
大値，最小値や、頻度が最大となる点の画像信号の値等
を知ることができ、これらの各値から蓄積性蛍光体シー
ト，Ｘ線フィルム等の記録シートに記録された放射線画
像の特徴を把握することができる。そこでこのヒストグ
ラムに基づいて最適な読取条件，画像処理条件を求める
ことにより、観察適正のすぐれた放射線画像を再生出力
することが可能となる。

【００１０】一方、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。

【００１１】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。

【００１２】このニューラルネットワークを用いて、放
射線画像の画像データあるいは画像データのヒストグラ
ムを入力として、上記の前述の読取条件等の決定を行な
う種々の方法が本出願人により提案されている。（特願
平２−１０２０１５号、同２−２７５５８４号、同３−
５１１３２　号参照）すなわち、上記放射線画像の画像
データを上記ニューラルネットワークに入力し、読取条
件等を出力とし、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読
取条件等を求めることができるようにすることができる
。

【００１３】

【発明が解決しようとする課題】上述したニューラルネ
ットワークを用いれば、適切な読取条件や画像処理条件
を求めることができるが、撮影メニュー（撮影方法や撮
影部位等）が変化した場合には、ある画像に対しては不
適切な読取条件や画像処理条件を求めてしまうことがあ
る。

【００１４】すなわち、前述した読取条件や画像処理条
件を求める際には撮影メニューを考慮しなければ適切な
読取条件や画像処理条件を求めることはできない。また
この撮影メニューも、画像信号等から自動的に認識され
るのが好ましい。

【００１５】ところがこの撮影メニューは、病院等の放
射線画像を扱うような所では一般的に用いられておらず
、病院等ではその病院等に特有の検査オーダという情報
を用いて撮影をしている場合が多い。このため病院等で
は日常使い慣れない撮影メニューなる情報を用いて読取
条件や画像処理条件を求めなければならないため、作業
をする際に大変な手間となっていた。

【００１６】本発明は上記事情に鑑み、ニューラルネッ
トワークを用いて、撮影メニューが変化しても常に最適
な読取条件及び／又は画像処理条件を求めることができ
、さらには、撮影メニューなる情報に頼らなくともよい
放射線画像読取条件及び／又は画像処理条件決定方法お
よび装置を提供することを目的とするものである。

【００１７】

【課題を解決するための手段】本発明による第１の放射
線画像読取条件及び／又は画像処理条件決定方法は、画
像信号より撮影メニューを自動的に認識し、この撮影メ
ニューと画像信号より前記読取条件及び／又は画像処理
条件を求める方法であり、◆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該蓄積性蛍光体シー
トから発せられた輝尽発光光を読み取って得られた前記
放射線画像を表わす第１の画像信号に基づいて、前記蓄
積性蛍光体シートに再度励起光を照射し該蓄積性蛍光体
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
線画像を表わす第２の画像信号を得る際の読取条件及び
／又は得られた前記第２の画像信号に画像処理を施す際
の画像処理条件を求める放射線画像読取条件及び／又は
画像処理条件決定方法において、◆前記第１の画像信号
を第１のニューラルネットワークに入力し、該第１のニ
ューラルネットワークから前記放射線画像の撮影メニュ
ーを出力させ、◆前記第１の画像信号と前記撮影メニュ
ーとを、前記第１のニューラルネットワークとは異なる
第２のニューラルネットワークに入力し、該第２のニュ
ーラルネットワークから前記読取条件及び／又は前記画
像処理条件を出力させることを特徴とするものである。

【００１８】さらに本発明による第１の放射線画像読取
条件及び／又は画像処理条件決定装置は、上述した本発
明による第１の放射線画像読取条件及び／又は画像処理
条件決定方法を実施するための装置であり、◆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該
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
って得られた前記放射線画像を表わす第１の画像信号に
基づいて、前記蓄積性蛍光体シートに再度励起光を照射
し該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第２の画像信号を得る
際の読取条件及び／又は得られた前記第２の画像信号に
画像処理を施す際の画像処理条件を求める放射線画像読
取条件及び／又は画像処理条件決定装置において、◆前
記第１の画像信号を入力とし、前記放射線画像の撮影メ
ニューを出力とする第１のニューラルネットワークと、
◆前記第１の画像信号と前記撮影メニューとを入力とし
、前記読取条件及び／又は前記画像処理条件を出力とす
る第２のニューラルネットワークとからなることを特徴
とするものである。

【００１９】また本発明による第２の放射線画像読取条
件及び／又は画像処理条件決定方法は、画像信号と検査
オーダとにより撮影メニューを認識し、この撮影メニュ
ーと画像信号より前記読取条件及び／又は画像処理条件
を決定する方法であって、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該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得られた前記放
射線画像を表わす第１の画像信号に基づいて、前記蓄積
性蛍光体シートに再度励起光を照射し該蓄積性蛍光体シ
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
画像を表わす第２の画像信号を得る際の読取条件及び／
又は得られた前記第２の画像信号に画像処理を施す際の
画像処理条件を求める放射線画像読取条件及び／又は画
像処理条件決定方法において、◆前記第１の画像信号と
検査オーダとを第１のニューラルネットワークに入力し
、該第１のニューラルネットワークから前記放射線画像
の撮影メニューを出力させ、◆前記第１の画像信号と該
撮影メニューとを、前記第１のニューラルネットワーク
とは異なる第２のニューラルネットワークに入力し、該
第２のニューラルネットワークから前記読取条件及び／
又は前記画像処理条件を出力させることを特徴とするも
のである。

【００２０】また、本発明による第２の放射線画像読取
条件及び／又は画像処理条件決定装置は、上述した本発
明による第２の放射線画像読取条件及び／又は画像処理
条件決定方法を実施するためのものであり、◆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該
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
って得られた前記放射線画像を表わす第１の画像信号に
基づいて、前記蓄積性蛍光体シートに再度励起光を照射
し該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第２の画像信号を得る
際の読取条件及び／又は得られた前記第２の画像信号に
画像処理を施す際の画像処理条件を求める放射線画像読
取条件及び／又は画像処理条件決定装置において、◆前
記第１の画像信号と検査オーダとを入力とし、前記放射
線画像の撮影メニューを出力とする第１のニューラルネ
ットワークと、◆前記第１の画像信号と前記撮影メニュ
ーとを入力とし、前記読取条件及び／又は前記画像処理
条件を出力とする第２のニューラルネットワークとから
なることを特徴とするものである。

【００２１】さらに、本発明による第３の放射線画像読
取条件及び／又は画像処理条件決定方法は画像信号のヒ
ストグラムと撮影メニューとにより前記読取条件及び／
又は画像処理条件を求める方法であり、◆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該蓄積
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
得られた前記放射線画像を表わす第１の画像信号に基づ
いて、前記蓄積性蛍光体シートに再度励起光を照射し該
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第２の画像信号を得る際の
読取条件及び／又は得られた前記第２の画像信号に画像
処理を施す際の画像処理条件を求める放射線画像読取条
件及び／又は画像処理条件決定方法において、◆前記第
１の画像信号を第１のニューラルネットワークに入力し
、該第１のニューラルネットワークから前記放射線画像
の撮影メニューを出力させ、◆前記第１の画像信号のヒ
ストグラムを算出し、該ヒストグラムと前記撮影メニュ
ーとを、前記第１のニューラルネットワークとは異なる
第２のニューラルネットワークに入力し、該第２のニュ
ーラルネットワークから前記読取条件及び／又は前記画
像処理条件を出力させることを特徴とするものである。

【００２２】また、本発明による第４の放射線画像読取
条件及び／又は画像処理条件決定方法は、前記本発明に
よる第３の放射線画像読取条件及び／又は画像処理条件
決定方法において、◆前記第１の画像信号に加えて検査
オーダを第１のニューラルネットワークに入力し、該第
１のニューラルネットワークから前記放射線画像の撮影
メニューを出力させ、◆前記第１の画像信号のヒストグ
ラムを算出し、該ヒストグラムと前記撮影メニューとを
、前記第１のニューラルネットワークとは異なる第２の
ニューラルネットワークに入力し、該第２のニューラル
ネットワークから前記読取条件及び／又は前記画像処理
条件を出力させることを特徴とするものである。

【００２３】さらに、本発明による第５の放射線画像読
取条件及び／又は画像処理条件決定方法は、ヒストグラ
ム解析により前記読取条件及び／又は画像処理条件を求
めるものであり、◆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該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得られた前記放射線画
像を表わす第１の画像信号に基づいて、前記蓄積性蛍光
体シートに再度励起光を照射し該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
表わす第２の画像信号を得る際の読取条件及び／又は得
られた前記第２の画像信号に画像処理を施す際の画像処
理条件を求める放射線画像読取条件及び／又は画像処理
条件決定方法において、◆前記第１の画像信号を第１の
ニューラルネットワークに入力し、該第１のニューラル
ネットワークから前記放射線画像の撮影メニューを出力
させ、◆前記第１の画像信号のヒストグラムを算出し、
該ヒストグラムから前記撮影メニューに基づいて、前記
読取条件及び／又は前記画像処理条件を求めることを特
徴とするものである。

【００２４】さらに、本発明による第６の放射線画像読
取条件及び／又は画像処理条件決定方法は、前記本発明
による第５の放射線画像読取条件及び／又は画像処理条
件決定方法において、◆前記第１の画像信号に加えて検
査オーダを第１のニューラルネットワークに入力し、該
第１のニューラルネットワークから前記放射線画像の撮
影メニューを出力させ、◆前記第１の画像信号のヒスト
グラムを算出し、該ヒストグラムから前記撮影メニュー
に基づいて、前記読取条件及び／又は前記画像処理条件
を求めることを特徴とするものである。

【００２５】また、本発明によるもうひとつの方法は、
蓄積性蛍光体シートに限られず、画像処理条件を求める
ものである。すなわち、本発明による第１の放射線画像
処理条件決定方法は、◆放射線画像を表わす画像信号に
基づいて、該画像信号に画像処理を施す際の画像処理条
件を求める放射線画像処理条件決定方法において、◆前
記画像信号を第１のニューラルネットワークに入力し、
該第１のニューラルネットワークから前記放射線画像の
撮影メニューを出力させ、◆前記画像信号と前記撮影メ
ニューとを、前記第１のニューラルネットワークとは異
なる第２のニューラルネットワークに入力し、該第２の
ニューラルネットワークから前記画像処理条件を出力さ
せることを特徴とするものである。

【００２６】さらに本発明による第１の放射線画像処理
条件決定装置は、上述した本発明による第１の放射線画
像処理条件決定方法を実施するための装置であり、◆放
射線画像を表わす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放射線画像処理
条件決定装置において、◆前記画像信号を入力とし、前
記放射線画像の撮影メニューを出力とする第１のニュー
ラルネットワークと、◆前記画像信号と前記撮影メニュ
ーとを入力とし、前記画像処理条件を出力とする第２の
ニューラルネットワークとからなることを特徴とするも
のである。

【００２７】また本発明による第２の放射線画像処理条
件決定方法は、画像信号と検査オーダとにより撮影メニ
ューを認識し、この撮影メニューと画像信号より画像処
理条件を決定する方法であって、◆放射線画像を表わす
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放射線画像処理条件決定方法にお
いて、◆前記画像信号と検査オーダとを第１のニューラ
ルネットワークに入力し、該第１のニューラルネットワ
ークから前記放射線画像の撮影メニューを出力させ、前
記画像信号と該撮影メニューとを、前記第１のニューラ
ルネットワークとは異なる第２のニューラルネットワー
クに入力し、該第２のニューラルネットワークから前記
画像処理条件を出力させることを特徴とするものである
。

【００２８】また、本発明による第２の放射線画像処理
条件決定装置は、上述した本発明による第２の放射線画
像処理条件決定方法を実施するためのものであり、◆放
射線画像を表わす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放射線画像処理
条件決定装置において、◆前記画像信号と検査オーダと
を入力とし、前記放射線画像の撮影メニューを出力とす
る第１のニューラルネットワークと、◆前記画像信号と
前記撮影メニューとを入力とし、前記画像処理条件を出
力とする第２のニューラルネットワークとからなること
を特徴とするものである。

【００２９】さらに、本発明による第３の放射線画像処
理条件決定方法は画像信号のヒストグラムと撮影メニュ
ーとにより前記画像処理条件を求める方法であり、◆放
射線画像を表わす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放射線画像処理
条件決定方法において、◆前記画像信号を第１のニュー
ラルネットワークに入力し、該第１のニューラルネット
ワークから前記放射線画像の撮影メニューを出力させ、
◆前記画像信号のヒストグラムを算出し、該ヒストグラ
ムと前記撮影メニューとを、前記第１のニューラルネッ
トワークとは異なる第２のニューラルネットワークに入
力し、該第２のニューラルネットワークから前記画像処
理条件を出力させることを特徴とするものである。

【００３０】また、本発明による第４の放射線画像処理
条件決定方法は、前記本発明による第３の放射線画像処
理条件決定方法において、◆前記画像信号に加えて検査
オーダを第１のニューラルネットワークに入力し、該第
１のニューラルネットワークから前記放射線画像の撮影
メニューを出力させ、◆前記画像信号のヒストグラムを
算出し、該ヒストグラムと前記撮影メニューとを、前記
第１のニューラルネットワークとは異なる第２のニュー
ラルネットワークに入力し、該第２のニューラルネット
ワークから前記画像処理条件を出力させることを特徴と
するものである。

【００３１】さらに、本発明による第５の放射線画像処
理条件決定方法は、ヒストグラム解析により前記画像処
理条件を求めるものであり、◆放射線画像を表わす画像
信号に基づいて、該画像信号に画像処理を施す際の画像
処理条件を求める放射線画像処理条件決定方法において
、◆前記画像信号を第１のニューラルネットワークに入
力し、該第１のニューラルネットワークから前記放射線
画像の撮影メニューを出力させ、◆前記画像信号のヒス
トグラムを算出し、該ヒストグラムから前記撮影メニュ
ーに基づいて、前記画像処理条件を求めることを特徴と
するものである。

【００３２】さらに、本発明による第６の放射線画像処
理条件決定方法は、前記本発明による第５の放射線画像
処理条件決定方法において、◆前記画像信号に加えて検
査オーダを第１のニューラルネットワークに入力し、該
第１のニューラルネットワークから前記放射線画像の撮
影メニューを出力させ、◆前記画像信号のヒストグラム
を算出し、該ヒストグラムから前記撮影メニューに基づ
いて、前記画像処理条件を求めることを特徴とするもの
である。

【００３３】さらに、本発明は放射線画像の撮影メニュ
ーを認識する方法を含んでおり、この撮影メニュー認識
方法のひとつは、◆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該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得られた前記放射線画
像を表わす画像信号に基づいて、前記放射線画像の撮影
メニューを認識する撮影メニュー認識方法において、◆
前記画像信号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撮影メニュ
ーを出力させることを特徴とするものである。

【００３４】さらに、本発明の撮影メニュー認識方法の
もうひとつは、上記撮影メニュー認識方法において、◆
前記画像信号に加えて検査オーダ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
線画像の撮影メニューを出力させることを特徴とするも
のである。

【００３５】ここで撮影メニューとは、撮影方法（通常
撮影，拡大撮影，断層撮影等）や撮影部位（頭部，頸部
，胸部，腹部等）、撮影装置等を意味するものである。

【００３６】また、検査オーダとは、前述した撮影方法
や撮影部位を判断するために、ある程度撮影の対象を絞
り込む情報であり、例えば病院等で医師が放射線技術者
に放射線画像の撮影を依頼する際に、放射線技術者に指
示する、その病院等の内部で共通に使用されている情報
のことを意味するものである。

【００３７】

【作用および発明の効果】本発明による放射線画像読取
条件及び／又は画像処理条件決定方法および装置は、画
像信号あるいはこれに検査オーダを付加したものを第１
のニューラルネットワークに入力し、この第１のニュー
ラルネットワークより放射線画像の撮影メニューを認識
させて、この撮影メニューを出力し、この撮影メニュー
と画像信号とを、あるいは撮影メニューと画像信号のヒ
ストグラムとを第２のニューラルネットワークに入力し
てこのニューラルネットワークにより読取条件及び／又
は画像処理条件を求めるようにしており、また本発明に
よる放射線画像読取条件及び／又は画像処理条件決定方
法の別な方法は読取条件及び／又は画像処理条件を求め
る際に第２のニューラルネットワークを用いないもので
あり、画像信号のヒストグラムを算出し、このヒストグ
ラムから撮影メニューに基づいて読取条件及び／又は画
像処理条件を求めるようにした。このため、撮影メニュ
ーが変化しても撮影メニューに依存しない最適な放射線
画像読取条件及び／又は画像処理条件を求めることがで
き、さらには、病院等で日常用いられている検査オーダ
を用いて撮影メニューという使い慣れない情報を用いる
ことなく、さらに最適な放射線画像読取条件及び／又は
画像処理条件を求めることができる。

【００３８】

【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。

【００３９】図１は、本発明の第１実施例の基本的概念
を示すブロック図である。すなわち、本発明の第１実施
例による放射線画像読取条件及び／又は画像処理条件決
定方法の基本的概念は、放射線画像を表わす画像信号１
を単独で、第１のニューラルネットワーク３に入力し、
この第１のニューラルネットワーク３からこの放射線画
像に関する撮影メニュー４を出力し、この撮影メニュー
４と、画像信号１とを第２のニューラルネットワーク５
に入力し、この第２のニューラルネットワーク５より読
取条件及び／又は画像処理条件６を決定するものである
。

【００４０】また、本発明の第２実施例は、上記本発明
の第１実施例において画像信号１に加えて病院内の共通
用語である検査オーダ２を第１のニューラルネットワー
ク３に入力して撮影メニュー４を出力させ、この撮影メ
ニュー４と画像信号１とを第２のニューラルネットワー
ク５に入力し、読取条件及び／又は画像処理条件６を決
定するものである。

【００４１】また、本発明の第３実施例の基本的概念を
図２に示す。すなわち、本発明の第３実施例による放射
線画像読取条件及び／又は画像処理条件決定方法の基本
的概念は、放射線画像を表す画像信号１を単独で第１の
ニューラルネットワーク３に入力し、この第１のニュー
ラルネットワーク３から放射線画像に関する撮影メニュ
ー４を出力し、次いで画像信号１のヒストグラム７を求
めこの撮影メニュー４と画像信号１のヒストグラム７と
を第２のニューラルネットワーク５に入力し、この第２
のニューラルネットワーク５より読取条件及び／又は画
像処理条件６を決定するものである。

【００４２】さらに、本発明の第４実施例は、上記本発
明の第３実施例において画像信号１に検査オーダ２を加
えて第１のニューラルネットワーク３により撮影メニュ
ー４を出力させ、この撮影メニュー４と画像信号１のヒ
ストグラム７とを第２のニューラルネットワーク５に入
力し、この第２のニューラルネットワーク５より読取条
件及び／又は画像処理条件６を決定するものである。

【００４３】また、本発明の第５実施例の基本的概念を
図３に示す。すなわち本発明の第５実施例による放射線
画像読取条件及び／又は画像処理条件決定方法の基本的
概念は、放射線画像を表わす画像信号１を単独で第１の
ニューラルネットワーク３に入力し、この第１のニュー
ラルネットワーク３から放射線画像に関する撮影メニュ
ー４を出力し、次いで画像信号１のヒストグラム７を求
め、このヒストグラム７から撮影メニュー４に基づいて
ヒストグラム解析手段８を用いてヒストグラム解析によ
り読取条件及び／又は画像処理条件６を決定するもので
ある。

【００４４】さらに、本発明の第６実施例は、上記本発
明の第５実施例において、画像信号１に検査オーダ２を
加えて第１のニューラルネットワーク３により撮影メニ
ュー４を出力させ、次いで画像信号１のヒストグラム７
を求め、このヒストグラム７から撮影メニュー４に基づ
いてヒストグラム解析手段８を用いてヒストグラム解析
により読取条件及び／又は画像処理条件６を決定するも
のである。

【００４５】また、本発明の第７実施例は、本発明の第
１実施例の基本的概念と同様であるが、画像信号１に基
づいて、第１のニューラルネットワーク３により撮影メ
ニュー４を求め、この撮影メニュー４と画像信号１とに
基づいて、第２のニューラルネットワーク５により画像
処理条件のみを決定するものである。

【００４６】また、本発明の第８実施例は、本発明の第
２実施例の基本的概念と同様であるが、画像信号１に検
査オーダ２を加えて第１のニューラルネットワーク３に
より撮影メニュー４を求め、この撮影メニュー４と画像
信号１とに基づいて、第２のニューラルネットワーク５
により、画像処理条件のみを決定するものである。

【００４７】さらに、本発明の第９実施例は、本発明の
第３実施例の基本的概念と同様であり、本発明の第３実
施例において画像信号１に基づいて、画像処理条件のみ
を決定するものである。

【００４８】また、本発明の第１０実施例は、本発明の
第４実施例の基本的概念と同様であり、本発明の第４実
施例において画像処理条件のみを決定するものである。

【００４９】また、本発明の第１１実施例は、本発明の
第５実施例の基本的概念と同様であり、本発明の第５実
施例において画像信号１に基づいて画像処理条件のみを
決定するものである。

【００５０】さらに、本発明の第１２実施例は、本発明
の第６実施例の基本的概念と同様であり、本発明の第６
実施例において、画像信号１に基づいて、画像処理条件
のみを決定するものである。

【００５１】次に、本発明の一実施例による放射線画像
読取条件及び／又は画像処理条件決定方法を適用したコ
ンピュータシステムを内包したＸ線画像読取装置につい
て詳細に説明する。以下説明する一実施例の基本的概念
は、図１に示す本発明の第２実施例の基本的概念に基づ
くものである。

【００５２】図４は、本発明の一実施例によるＸ線画像
読取装置、および放射線画像読取条件及び／又は画像処
理条件決定装置を内包したコンピュータシステムを示し
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。

【００５３】図示しないＸ線撮影装置において、被写体
のＸ線画像が蓄積性蛍光体シートに蓄積記録される。こ
の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
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２０
ａ　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。

【００５４】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。

【００５５】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。

【００５６】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読取条件及び／又は画
像処理条件決定装置の一例を内包するものであり、ＣＰ
Ｕ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４
３，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。

【００５７】上述した画像の読取りと同時に、コンピュ
ータシステム４０にはキーボート４３より検査オーダ２
が入力される。この検査オーダ２とは、撮影方法や撮影
部位を判断するために、ある程度撮影の対象を絞り込む
情報であり、病院内で医師が放射線技術者に放射線画像
の撮影を依頼する際に、放射線技術者に指示される、そ
の病院で共通に使用されている情報のことを意味するも
のである。例えば「胸椎２Ｒ」という検査オーダは、胸
椎正面と胸椎側面の２方向からの撮影を意味するという
ものである。

【００５８】次いで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　と検査オーダ２とに基づ
いて、第１のニューラルネットワーク３によりこのＸ線
画像の撮影メニュー４が認識される。

【００５９】撮影メニュー４が認識されるとコンピュー
タシステム４０内では入力された先読画像信号ＳＰ　と
、第１のニューラルネットワーク３により認識された撮
影メニュー４とに基づいて第２のニューラルネットワー
ク５により本読みの際の読取条件、即ち本読みの際の感
度Ｓｋ　およびラチチュードＧｐ　が求められ、この求
められた感度Ｓｋ　，ラチチュードＧｐ　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。

【００６０】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を定める光電変換率をいう。

【００６１】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。

【００６２】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。

【００６３】前記コンピュータシステム４０では、先読
画像信号ＳＰ　及び検査オーダ２に基づいて、第１のニ
ューラルネットワーク３によりＸ線画像の撮影メニュー
４、すなわち、撮影部位や撮影方法等が認識され、この
撮影メニュー４と先読画像信号ＳＰ　とに基づいて第２
のニューラルネットワーク５により本読みの際の読取条
件及び／又は読取りにより得られた画像信号に画像処理
を施す際の画像処理条件が決定される。

【００６４】先読画像信号ＳＰ　は、前記コンピュータ
システム４０内に設けられた本発明の一実施例による読
取条件及び／又は画像処理条件の決定方法を実施する演
算部に入力される。なお、本実施例ではコンピュータシ
ステム４０の、本発明にいう各手段に対応する機能を実
現するためのハードウェアとソフトウェアとの組み合わ
せが該各手段として観念される。

【００６５】以下、ニューラルネットワークにより、学
習を繰り返して、ニューラルネットワークにより、正し
い読取条件を出力させる方法について詳述する。

【００６６】なお、ここでは先読画像信号と撮影メニュ
ーとを入力とし読取条件及び／又は画像処理条件を出力
するための本発明の第２のニューラルネットワークにつ
いて延べ、第１のニューラルネットワークについては第
２のニューラルネットワークにおいて先読画像信号と検
査データとを入力とし、撮影メニューを出力としたもの
であるため詳しい説明は省略する。

【００６７】図５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“学習”アルゴリズムを
いう。

【００６８】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
（ニューロン）から構成される。第１層（入力層）に入
力される各信号Ｆ１　，Ｆ２　，……，Ｆｎ１はＸ線画
像の各画素に対応する先読画像信号および撮影メニュー
を表わす信号であり、第３層（出力層）からの２つの出
力Ｙ３，１　，Ｙ３，２　は本読みの際のそれぞれ感度
およびラチチュードに対応した信号である。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

【
００６９】

【数１】

【００７０】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、

【
００７１】

【数２】

【００７２】

【数３】

【００７３】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、これにより本読みの際の読
取条件（感度とラチチュード）が求められる。

【００７４】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。

【００７５】最適な読取条件が既知のＸ線画像が記録さ
れた蓄積性蛍光体シートが多数前述したようにして読み
取られ、これにより得られた先読画像信号ＳＰ　が間引
きされ、撮影メニューの情報とともに上記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５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。

【００７６】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
し正しい読取条件としての教師信号（感度“Ｙ３，１　
”およびラチチュード“Ｙ３，２　”）との二乗誤差

【００７７】

【数４】

【００７８】

【数５】

【００７９】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　の出力に関して述べ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。

【００８０】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
８１】

【数６】

【００８２】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。

【００８３】ここで、

【００８４】

【数７】

【００８５】であり、（２）　式より

【００８６】

【数８】

【００８７】であるから、（７）　式は、

【００８８】

【数９】

【００８９】となる。

【００９０】ここで、（４）　式より、

【００９１】

【数１０】

【００９２】（３）　式を用いてこの（１０）式を変形
すると、

【００９３】

【数１１】

【００９４】ここで、（１）　式より、

【００９５】

【数１２】

【００９６】であるから、

【００９７】

【数１３】

【００９８】となる。

【００９９】（９）　式においてｋ＝２と置き、（１１
）式、（１３）式を（９）　式に代入すると、

【０１００】

【数１４】

【０１０１】この（１４）式を（６）　式に代入して、

【０１０２】

【数１５】

【０１０３】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。

【０１０４】次に、

【０１０５】

【数１６】

【０１０６】であるから、この（１６）式に（２）　式
、（３）　式を代入して、

【０１０７】

【数１７】

【０１０８】ここで（１２）式より、

【０１０９】

【数１８】

【０１１０】であるから、この（１８）式と、（１１）
式、（１３）式を（１７）式に代入して、

【０１１１】

【数１９】

【０１１２】（９）　式においてｋ＝１と置き、（１９
）式を（９）式に代入すると、

【０１１３】

【数２０】

【０１１４】この（２０）式を（６）　式に代入すると
、ｋ＝１と置いて、

【０１１５】

【数２１】

【０１１６】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。

【０１１７】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）

【０１１８】

【数２２】

【０１１９】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。

【０１２０】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　は本読みの際のそれぞれ感度
、ラチチュードを正しく表わす信号となる。

【０１２１】そこで学習が終了した後は、今度は先読み
の際のＸ線画像を表わす先読画像信号と撮影メニューと
が図５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
画像に対する本読みの読取条件（感度とラチチュード）
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。

【０１２２】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　の画素と撮影メニュ
ーの情報の数、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。

【０１２３】また上記実施例においては、検査オーダ２
をキーボード４３より入力するようになっているが、こ
の検査オーダ２を入力する方法はいかなる方法でもよく
、検査オーダ２を記憶したバーコードを検査オーダ２に
対応する放射線画像のカセッテに付し、バーコードリー
ダによりこのバーコードを読み取って検査オーダ２に入
力するようにしてもよい。

【０１２４】また上記実施例においては、撮影メニュー
４を認識する段階において第１のニューラルネットワー
ク３に、先読画像信号ＳＰ　と検査オーダ２とを入力し
て撮影メニュー４を認識するようにしているが、本発明
は検査オーダ２を入力せず先読画像信号ＳＰ　のみの入
力で撮影メニュー４を認識する放射線画像読取条件及び
／又は画像処理条件決定装置にも適用できる。この場合
コンピュータシステム４０内では先読画像信号ＳＰ　の
みに基づいて第１のニューラルネットワーク３により撮
影メニュー４を求め、次いで先読画像信号ＳＰ　とこの
撮影メニュー４により読取条件及び／又は画像処理条件
を決定する。

【０１２５】さらに上記実施例においては、先読画像信
号ＳＰ　と検査オーダ２とに基づいて第１のニューラル
ネットワーク３により撮影メニュー４を認識し、この撮
影メニュー４と先読画像信号ＳＰ　とに基づいて第２の
ニューラルネットワーク５により読取条件及び／又は画
像処理条件を決定しているが、本発明は、ニューラルネ
ットワークをひとつだけ用いて撮影メニュー４を認識す
る撮影メニュー認識方法および装置にも適用できる。こ
の場合、撮影メニュー認識装置のコンピュータシステム
内では画像信号ＳＱ　を単独であるいは画像信号ＳＱ　
に検査オーダ２を付加したものとに基づいてニューラル
ネットワークにより撮影メニュー４が求められる。

【０１２６】また上述した実施例においては、読取条件
及び／又は画像処理条件を決定する段階において、第２
のニューラルネットワーク５に先読画像信号ＳＰ　と撮
影メニュー４とを入力して読取条件及び／又は画像処理
条件を決定するようにしているが、画像信号からヒスト
グラムを算出する手段を設けて先読画像信号ＳＰ　のヒ
ストグラムを算出し、先読画像信号ＳＰ　のかわりに先
読画像信号ＳＰ　のヒストグラムを撮影メニュー４とと
もに第２のニューラルネットワーク５に入力して読取条
件及び／又は画像処理条件を決定するようにしてもよい
。さらには、ヒストグラム算出手段により先読画像信号
ＳＰ　のヒストグラムを算出し、ヒストグラム解析手段
８を用いてヒストグラム解析によりこのヒストグラムか
ら撮影メニュー４に基づいて読取条件及び／又は画像処
理条件を求めるようにしてもよい。この場合のヒストグ
ラム解析は公知の方法（例えば特開昭６０−１５６０５
５　号等）を用いることができる。

【０１２７】なお、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み取ることとし、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。

【０１２８】さらに、上記実施例は、蓄積性蛍光体シー
トを用いて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、本発明は蓄積性蛍光体シートに限らず被写
体の放射線画像が記録された記録シートを用いて、先読
みを行なわず、そのまま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。

【図面の簡単な説明】

【図１】本発明の第１実施例、第２実施例、第７実施例
および第８実施例による画像読取条件及び／又は画像処
理条件決定方法の基本的構成を示すブロック図

【図２】
本発明の第３実施例、第４実施例、第９実施例および第
１０実施例による画像読取条件及び／又は画像処理条件
決定方法の基本的構成を示すブロック図

【図３】本発明
の第５実施例、第６実施例、第１１実施例および第１２
実施例による画像読取条件及び／又は画像処理条件決定
方法の基本的構成を示すブロック図

【図４】本発明を実
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

【図５】本発明に使用され
るニューラルネットワークの一例を表わした図

【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 １００　′　　　　本読手段 ＳＰ　　　　　先読み画像信号

Claims (18)

【特許請求の範囲】
1. 【請求項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該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得られた前記放射線画像
   を表わす第１の画像信号に基づいて、前記蓄積性蛍光体
   シートに再度励起光を照射し該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
   わす第２の画像信号を得る際の読取条件及び／又は得ら
   れた前記第２の画像信号に画像処理を施す際の画像処理
   条件を求める放射線画像読取条件及び／又は画像処理条
   件決定方法において、前記第１の画像信号を第１のニュ
   ーラルネットワークに入力し、該第１のニューラルネッ
   トワークから前記放射線画像の撮影メニューを出力させ
   、前記第１の画像信号と前記撮影メニューとを、前記第
   １のニューラルネットワークとは異なる第２のニューラ
   ルネットワークに入力し、該第２のニューラルネットワ
   ークから前記読取条件及び／又は前記画像処理条件を出
   力させることを特徴とする放射線画像読取条件及び／又
   は画像処理条件決定方法。
2. 【請求項２】　　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該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得られた前記放射線画像
   を表わす第１の画像信号に基づいて、前記蓄積性蛍光体
   シートに再度励起光を照射し該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
   わす第２の画像信号を得る際の読取条件及び／又は得ら
   れた前記第２の画像信号に画像処理を施す際の画像処理
   条件を求める放射線画像読取条件及び／又は画像処理条
   件決定装置において、前記第１の画像信号を入力とし、
   前記放射線画像の撮影メニューを出力とする第１のニュ
   ーラルネットワークと、前記第１の画像信号と前記撮影
   メニューとを入力とし、前記読取条件及び／又は前記画
   像処理条件を出力とする第２のニューラルネットワーク
   とからなることを特徴とする放射線画像読取条件及び／
   又は画像処理条件決定装置。
3. 【請求項３】　　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該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得られた前記放射線画像
   を表わす第１の画像信号に基づいて、前記蓄積性蛍光体
   シートに再度励起光を照射し該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
   わす第２の画像信号を得る際の読取条件及び／又は得ら
   れた前記第２の画像信号に画像処理を施す際の画像処理
   条件を求める放射線画像読取条件及び／又は画像処理条
   件決定方法において、前記第１の画像信号と検査オーダ
   とを第１のニューラルネットワークに入力し、該第１の
   ニューラルネットワークから前記放射線画像の撮影メニ
   ューを出力させ、前記第１の画像信号と該撮影メニュー
   とを、前記第１のニューラルネットワークとは異なる第
   ２のニューラルネットワークに入力し、該第２のニュー
   ラルネットワークから前記読取条件及び／又は前記画像
   処理条件を出力させることを特徴とする放射線画像読取
   条件及び／又は画像処理条件決定方法。
4. 【請求項４】　　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該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得られた前記放射線画像
   を表わす第１の画像信号に基づいて、前記蓄積性蛍光体
   シートに再度励起光を照射し該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
   わす第２の画像信号を得る際の読取条件及び／又は得ら
   れた前記第２の画像信号に画像処理を施す際の画像処理
   条件を求める放射線画像読取条件及び／又は画像処理条
   件決定装置において、前記第１の画像信号と検査オーダ
   とを入力とし、前記放射線画像の撮影メニューを出力と
   する第１のニューラルネットワークと、前記第１の画像
   信号と前記撮影メニューとを入力とし、前記読取条件及
   び／又は前記画像処理条件を出力とする第２のニューラ
   ルネットワークとからなることを特徴とする放射線画像
   読取条件及び／又は画像処理条件決定装置。
5. 【請求項５】　　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該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得られた前記放射線画像
   を表わす第１の画像信号に基づいて、前記蓄積性蛍光体
   シートに再度励起光を照射し該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
   わす第２の画像信号を得る際の読取条件及び／又は得ら
   れた前記第２の画像信号に画像処理を施す際の画像処理
   条件を求める放射線画像読取条件及び／又は画像処理条
   件決定方法において、前記第１の画像信号を第１のニュ
   ーラルネットワークに入力し、該第１のニューラルネッ
   トワークから前記放射線画像の撮影メニューを出力させ
   、前記第１の画像信号のヒストグラムを算出し、該ヒス
   トグラムと前記撮影メニューとを、前記第１のニューラ
   ルネットワークとは異なる第２のニューラルネットワー
   クに入力し、該第２のニューラルネットワークから前記
   読取条件及び／又は前記画像処理条件を出力させること
   を特徴とする放射線画像読取条件及び／又は画像処理条
   件決定方法。
6. 【請求項６】　　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該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得られた前記放射線画像
   を表わす第１の画像信号に基づいて、前記蓄積性蛍光体
   シートに再度励起光を照射し該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
   わす第２の画像信号を得る際の読取条件及び／又は得ら
   れた前記第２の画像信号に画像処理を施す際の画像処理
   条件を求める放射線画像読取条件及び／又は画像処理条
   件決定方法において、前記第１の画像信号と検査オーダ
   とを第１のニューラルネットワークに入力し、該第１の
   ニューラルネットワークから前記放射線画像の撮影メニ
   ューを出力させ、前記第１の画像信号のヒストグラムを
   算出し、該ヒストグラムと前記撮影メニューとを、前記
   第１のニューラルネットワークとは異なる第２のニュー
   ラルネットワークに入力し、該第２のニューラルネット
   ワークから前記読取条件及び／又は前記画像処理条件を
   出力させることを特徴とする放射線画像読取条件及び／
   又は画像処理条件決定方法。
7. 【請求項７】　　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該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得られた前記放射線画像
   を表わす第１の画像信号に基づいて、前記蓄積性蛍光体
   シートに再度励起光を照射し該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
   わす第２の画像信号を得る際の読取条件及び／又は得ら
   れた前記第２の画像信号に画像処理を施す際の画像処理
   条件を求める放射線画像読取条件及び／又は画像処理条
   件決定方法において、前記第１の画像信号を第１のニュ
   ーラルネットワークに入力し、該第１のニューラルネッ
   トワークから前記放射線画像の撮影メニューを出力させ
   、前記第１の画像信号のヒストグラムを算出し、該ヒス
   トグラムから前記撮影メニューに基づいて、前記読取条
   件及び／又は前記画像処理条件を求めることを特徴とす
   る放射線画像読取条件及び／又は画像処理条件決定方法
   。
8. 【請求項８】　　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該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得られた前記放射線画像
   を表わす第１の画像信号に基づいて、前記蓄積性蛍光体
   シートに再度励起光を照射し該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
   わす第２の画像信号を得る際の読取条件及び／又は得ら
   れた前記第２の画像信号に画像処理を施す際の画像処理
   条件を求める放射線画像読取条件及び／又は画像処理条
   件決定方法において、前記第１の画像信号と検査オーダ
   とを第１のニューラルネットワークに入力し、該第１の
   ニューラルネットワークから前記放射線画像の撮影メニ
   ューを出力させ、前記第１の画像信号のヒストグラムを
   算出し、該ヒストグラムから前記撮影メニューに基づい
   て、前記読取条件及び／又は前記画像処理条件を求める
   ことを特徴とする放射線画像読取条件及び／又は画像処
   理条件決定方法。
9. 【請求項９】　　放射線画像を表わす画像信号に基づい
   て、該画像信号に画像処理を施す際の画像処理条件を求
   める放射線画像処理条件決定方法において、前記画像信
   号を第１のニューラルネットワークに入力し、該第１の
   ニューラルネットワークから前記放射線画像の撮影メニ
   ューを出力させ、前記画像信号と前記撮影メニューとを
   、前記第１のニューラルネットワークとは異なる第２の
   ニューラルネットワークに入力し、該第２のニューラル
   ネットワークから前記画像処理条件を出力させることを
   特徴とする放射線画像処理条件決定方法。
10. 【請求項１０】　　放射線画像を表わす画像信号に基づ
    いて、該画像信号に画像処理を施す際の画像処理条件を
    求める放射線画像処理条件決定装置において、前記画像
    信号を入力とし、前記放射線画像の撮影メニューを出力
    とする第１のニューラルネットワークと、前記画像信号
    と前記撮影メニューとを入力とし、前記画像処理条件を
    出力とする第２のニューラルネットワークとからなるこ
    とを特徴とする放射線画像処理条件決定装置。
11. 【請求項１１】　　放射線画像を表わす画像信号に基づ
    いて、該画像信号に画像処理を施す際の画像処理条件を
    求める放射線画像処理条件決定方法において、前記画像
    信号と検査オーダとを第１のニューラルネットワークに
    入力し、該第１のニューラルネットワークから前記放射
    線画像の撮影メニューを出力させ、前記画像信号と該撮
    影メニューとを、前記第１のニューラルネットワークと
    は異なる第２のニューラルネットワークに入力し、該第
    ２のニューラルネットワークから前記画像処理条件を出
    力させることを特徴とする放射線画像処理条件決定方法
    。
12. 【請求項１２】　　放射線画像を表わす画像信号に基づ
    いて、該画像信号に画像処理を施す際の画像処理条件を
    求める放射線画像処理条件決定装置において、前記画像
    信号と検査オーダとを入力とし、前記放射線画像の撮影
    メニューを出力とする第１のニューラルネットワークと
    、前記画像信号と前記撮影メニューとを入力とし、前記
    画像処理条件を出力とする第２のニューラルネットワー
    クとからなることを特徴とする放射線画像処理条件決定
    装置。
13. 【請求項１３】　　放射線画像を表わす画像信号に基づ
    いて、該画像信号に画像処理を施す際の画像処理条件を
    求める放射線画像処理条件決定方法において、前記画像
    信号を第１のニューラルネットワークに入力し、該第１
    のニューラルネットワークから前記放射線画像の撮影メ
    ニューを出力させ、前記画像信号のヒストグラムを算出
    し、該ヒストグラムと前記撮影メニューとを、前記第１
    のニューラルネットワークとは異なる第２のニューラル
    ネットワークに入力し、該第２のニューラルネットワー
    クから前記画像処理条件を出力させることを特徴とする
    放射線画像処理条件決定方法。
14. 【請求項１４】　　放射線画像を表わす画像信号に基づ
    いて、該画像信号に画像処理を施す際の画像処理条件を
    求める放射線画像処理条件決定方法において、前記画像
    信号と検査オーダとを第１のニューラルネットワークに
    入力し、該第１のニューラルネットワークから前記放射
    線画像の撮影メニューを出力させ、前記画像信号のヒス
    トグラムを算出し、該ヒストグラムと前記撮影メニュー
    とを、前記第１のニューラルネットワークとは異なる第
    ２のニューラルネットワークに入力し、該第２のニュー
    ラルネットワークから前記画像処理条件を出力させるこ
    とを特徴とする放射線画像処理条件決定方法。
15. 【請求項１５】　　放射線画像を表わす画像信号に基づ
    いて、該画像信号に画像処理を施す際の画像処理条件を
    求める放射線画像処理条件決定装置において、前記画像
    信号を第１のニューラルネットワークに入力し、該第１
    のニューラルネットワークから前記放射線画像の撮影メ
    ニューを出力させ、前記画像信号のヒストグラムを算出
    し、該ヒストグラムから前記撮影メニューに基づいて、
    前記画像処理条件を求めることを特徴とする放射線画像
    処理条件決定方法。
16. 【請求項１６】　　放射線画像を表わす画像信号に基づ
    いて、該画像信号に画像処理を施す際の画像処理条件を
    求める放射線画像処理条件決定方法において、前記画像
    信号と検査オーダとを第１のニューラルネットワークに
    入力し、該第１のニューラルネットワークから前記放射
    線画像の撮影メニューを出力させ、前記画像信号のヒス
    トグラムを算出し、該ヒストグラムから前記撮影メニュ
    ーに基づいて、前記画像処理条件を求めることを特徴と
    する放射線画像処理条件決定方法。
17. 【請求項１７】　　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該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得られた前記放射線画
    像を表わす画像信号に基づいて、前記放射線画像の撮影
    メニューを認識する撮影メニュー認識方法において、前
    記画像信号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撮影メニュー
    を出力させることを特徴とする撮影メニュー認識方法。
18. 【請求項１８】　　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該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得られた前記放射線画
    像を表わす画像信号に基づいて、前記放射線画像の撮影
    メニューを認識する撮影メニュー認識方法において、前
    記画像信号と検査オーダと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
    の撮影メニューを出力させることを特徴とする撮影メニ
    ュー認識方法。