JPH06102599A - 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 - Google Patents

Abstract

(57)【要約】 【目的】 ニューラルネットワークを用いた放射線画像
読取条件および／または画像処理条件決定方法および装
置においてニューラルネットワークの学習量をより減少
させ、能率良く、高い精度で放射線画像読取条件および
／または画像処理条件を決定する。 【構成】 被写体像を含む放射線画像を表わす画像信号
１に基づいて、被写体像の重心を求め、この重心が基準
点の位置となるように位置補正を行う。この位置補正さ
れた画像信号１をニューラルネットワーク２に入力し、
ニューラルネットワーク２から読取条件および／または
画像処理条件を出力させる。

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
画像読取条件および／また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56-1
04645 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、
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。

【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60-185944 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のひ
とつとして、画像信号のヒストグラムを求め、このヒス
トグラムに基づいて読取条件等を求める方法が知られて
いる。このヒストグラムに基づいて読取条件等を求める
方法に関し、これを細分すると、画像信号のヒストグラ
ムから画像情報として必要な範囲の最大値と最小値の両
者を求め、この最大値と最小値とに挾まれた範囲内の画
像情報が例えば本読みにおいて精度良く読み取られるよ
うに読取条件等を求める方法（特開昭60-156055 号公報
参照）、上記ヒストグラムから最大値のみを求め、その
最大値から所定値を引いた値を最小値とし、この最大値
と最小値とに挾まれた範囲を必要な画像情報の範囲とす
る方法（特開昭60-185944 号公報参照）、ヒストグラム
から最小値のみを求め、その最小値に所定値を足した値
を最大値とし、この最小値と最大値とに挾まれた範囲を
必要な画像情報の範囲とする方法（特開昭61-280163 号
公報参照）、その他差分ヒストグラムを用いる方法（特
開昭63-233658 号参照）、累積ヒストグラムを用いる方
法（特開昭61-170730 号公報参照）、ヒストグラムを判
別基準により複数の小領域に分割する方法（特開昭63-2
62141 号参照）等、多数の方法を用いて必要な画像情報
の範囲を求めてこれにより読取条件等を定める方法が知
られている。

【００１１】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。

【００１２】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。

【００１３】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、上記の前述の読
取条件等の決定を行うことが可能である。

【００１４】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。

【００１５】例えば、本願出願人により被写体中の特定
の関心領域の画像信号をニューラルネットワークにより
抽出し、この画像信号に基づいて読取条件等を決定する
方法（特開平4-86820 号公報）が出願されている。ま
た、ニューラルネットワークの学習量を少なくし、能率
良く、高い精度で読取条件等を決定する方法として、ニ
ューラルネットワークに被写体の中心位置に関する情報
を入力してニューラルネットワーク内で被写体の位置合
せを行い、読取条件等を決定する方法（特開平4-156532
号公報）、画像信号をこの画像信号の最大値と最小値で
正規化して画像信号のレベルやスケールファクターを揃
え、この正規化された画像信号をニューラルネットワー
クに入力して読取条件等を決定する方法（特開平4-1524
78号公報）等が知られている。

【００１６】

【発明が解決しようとする課題】しかしながら、上述し
た特開平4-156532号公報に記載された方法においては、
ニューラルネットワークの学習量を少なくすることがで
きるものの、被写体の中心位置に関する情報をもニュー
ラルネットワークに入力し学習させる必要があり、また
特開平4-152478号公報に記載された方法では、同じ画像
信号を何度も位置をずらしながらニューラルネットワー
クに入力して学習させる必要があるため、学習量はそれ
ほど減少されないものであった。

【００１７】本発明は上記事情に鑑み、上述したニュー
ラルネットワークを用いて読取条件等を決定する方法の
欠点を解消し、ニューラルネットワークの学習量をより
少なくして、能率良く、高い精度で放射線画像読取条件
および／または画像処理条件を決定する方法および装置
を提供することを目的とするものである。

【００１８】

【課題を解決するための手段】本発明による放射線画像
読取条件および／または画像処理条件決定方法は、被写
体像を含む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および／または得られ
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および／または画像処理
条件決定方法において、前記第１の画像信号に基づいて
前記被写体像の重心を求め、該重心が基準点に位置する
ように、該重心の位置を補正し、該重心の位置が補正さ
れた前記第１の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読取条件およ
び／また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。

【００１９】また、本発明による放射線画像読取条件お
よび／または画像処理条件決定装置は、被写体像を含む
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および／または得られた前記第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および／または画像処理条件決定装
置において、前記第１の画像信号に基づいて前記被写体
像の重心を求める重心検出手段と、該重心検出手段によ
り求められた前記重心が基準点に位置するように該重心
の位置を補正する重心位置補正手段と、該重心位置補正
手段により前記重心の位置が補正された前記第１の画像
信号を入力し、該第１の画像信号に基づいて前記読取条
件および／または前記画像処理条件を出力するニューラ
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。

【００２０】さらに、本発明による放射線画像処理条件
決定方法は、被写体像を含む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、
前記画像信号に基づいて前記被写体像の重心を求め、該
重心が基準点に位置するように、該重心の位置を補正
し、該重心の位置が補正された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。

【００２１】また、本発明による放射線画像処理条件決
定装置は、被写体像を含む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
記画像信号に基づいて前記被写体像の重心を求める重心
検出手段と、該重心検出手段により求められた前記重心
が基準点に位置するように該重心の位置を補正する重心
位置補正手段と、該重心位置補正手段により前記重心の
位置が補正された前記画像信号を入力し、該画像信号に
基づいて前記画像処理条件を出力するニューラルネット
ワークとからなることを特徴とするものである。

【００２２】

【作用】本発明による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は、被写体像内の重
心を求め、この重心が基準点に位置するように位置補正
を行ってから画像信号をニューラルネットワークに入力
するようにしたものである。これにより、同一被写体の
画像がシート上の様々な位置に記録されていても、ニュ
ーラルネットワークには被写体が常に同一位置にある画
像信号が入力されることとなるため、ニューラルネット
ワークは被写体の位置ずれに関する学習をする必要がな
くなり、ニューラルネットワークが学習量をより少なく
することができる。

【００２３】また、ニューラルネットワークには略同一
位置に被写体がある画像信号が入力されることになるた
め、被写体の位置が異なる画像信号が入力されても、略
同一の画像信号について判断のための演算を行えばよい
ため、能率良く高い精度で放射線画像読取条件および／
または画像処理条件を決定することができる。

【００２４】なお、画像中の被写体の重心を決定する方
法としては、例えば、特開平2-28782 号公報に記載され
ている方法が採用できる。

【００２５】

【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。

【００２６】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
例による方法の基本的概念は、放射線画像を表わす画像
信号１に基づいて被写体像の重心を求め、この重心が基
準点に位置するように補正し、この画像の位置が補正さ
れた画像信号をニューラルネットワーク２に入力し、該
ニューラルネットワーク２から読取条件および／または
画像処理条件３を出力させるものである。

【００２７】次に、本発明の第１実施例による放射線画
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。

【００２８】図２は、本発明の第１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および／または
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、先読みを行うシステムである。

【００２９】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。

【００３０】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Ｓ_P
が得られる。この先読画像信号Ｓ_P 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。

【００３１】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。

【００３２】得られた先読画像信号Ｓ_P 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および／または画像
処理条件決定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。

【００３３】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Ｓ_P に基づいて被写体像の重心の位
置が求められ、この重心の位置が基準点の位置となるよ
うに補正がなされる。

【００３４】すなわち、マーゲン（胃）の画像の場合、
図３の画像51，52，53に示すように造影剤であるバリウ
ムの位置がシートの様々な位置に映し込まれることがあ
る。本発明は、このようにマーゲン像の位置が異なる画
像であっても常に略同一位置にマーゲン像が位置するよ
うに画像の補正を行うものである。

【００３５】すなわち、まず画像51の先読画像信号Ｓ_P
がコンピュータシステム40に入力された場合、まず画像
51のマーゲン内の重心Ｇ₁ が求められる。この重心の決
定方法としては、特開平2-28782 号に開示されている方
法が有効である。すなわち、被写体像を含む放射線画像
が記録された、蓄積性蛍光体シート、写真フイルム等の
記録シート上の各画素から得られた画像信号に基づい
て、各画素に対応する画像信号値またはこの逆数でそれ
ぞれ対応する各画素を重み付けして記録シートの重心を
求める。

【００３６】あるいは、上記と同様にして画像信号を得
た後、この画像信号に基づいて、各画素に対応する画像
信号値またはこの画像信号値の逆数をそれぞれ対応する
各画素に対応づけたときに、記録シート上の互いに異な
る２の方向のそれぞれについて、画像信号値またはこの
逆数を上記各方向に累積してプロットした累積分布を求
め、これらの累積分布のそれぞれについて最大の累積値
の略半分の値に対応する各方向についての座標点を求
め、これらの座標点により定まる記録シート上の位置
を、被写体像の重心とすることもできる。

【００３７】さらに、被写体像のエッジを微分処理によ
って求め、このエッジ点の幾何学的重心を求めるように
してもよい。

【００３８】また、上述した画像信号値またはこれの逆
数を用いて重心を求める方法において画像信号値または
この逆数のいずれを用いるかを決定するに当っては、以
下の方法を用いることができる。すなわち、画像信号を
得た後、この画像信号に基づいて、記録シートの周辺部
に対応する画像信号値を代表する第１の代表値と、記録
シートの全部または略中央部に対応する画像信号値を代
表する第２の代表値とを求め、これら第１の代表値と第
２の代表値との大小を比較し、この比較結果に応じて画
像信号値またはこの逆数の一方を選択することができ
る。本実施例のマーゲン像のように、濃度が低い被写体
の重心を求める場合は、画像の濃度の逆数で重み付けし
た重心（輝度重心）を求めればよい。重心Ｇ₁ が求めら
れると、この重心Ｇ₁ が画像の中心位置にくるように先
読画像信号Ｓ_P の補正を行う。これにより、重心Ｇ₁ が
画像の中心点Ｏと一致した画像54を得ることができる。

【００３９】次いで被写体像の位置補正がなされた先読
画像信号Ｓ_P に基づいてニューラルネットワークにより
本読みの際の読取条件、すなわ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。

【００４０】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。

【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100 ′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10
0 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Ｓ_Q 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Ｓ_Q 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】前記コンピュータシステム40では、先読画
像信号Ｓ_P に基づいて、ニューラルネットワークにより
本読みの際の読取条件および／また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。

【００４４】先読画像信号Ｓ_P 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実施例による読取条件
および／また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。

【００４５】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。

【００４６】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“学習”アルゴリズムを
いう。

【００４７】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 ，……，Ｆ_n1はＸ線画像の各
画素に対応する先読画像信号に基づいて算出された位置
補正がなされた画像信号であり、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

【００４８】

【数１】

【００４９】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、

【００５０】

【数２】

【００５１】

【数３】

【００５２】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 ，
…，Ｆ_n1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 ，…，Ｆ_n1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。

【００５３】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〜Ｆ_n1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。

【００５４】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Ｓ_P が間引き
されて上記ｎ₁ 個の入力Ｆ₁ ，Ｆ₂ ，…，Ｆ_n1が求めら
れる。このｎ₁ 個の入力Ｆ₁，Ｆ₂ ，…，Ｆ_n1が図４に
示すニューラルネットワークに入力され、各ユニットＵ
k,i の出力Ｙk,i がモニタされる。

【００５５】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

【００５６】

【数４】

【００５７】

【数５】

【００５８】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。

【００５９】二乗誤差Ｅ₁ を最小にするには、このＥ₁
はＷk,i;k+1,j の関数であるから

【００６０】

【数６】

【００６１】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。

【００６２】ここで、

【００６３】

【数７】

【００６４】であり、(2) 式より

【００６５】

【数８】

【００６６】であるから、(7) 式は、

【００６７】

【数９】

【００６８】となる。

【００６９】ここで、(4) 式より、

【００７０】

【数１０】

【００７１】(3) 式を用いてこの(10)式を変形すると、

【００７２】

【数１１】

【００７３】ここで、(1) 式より、

【００７４】

【数１２】

【００７５】であるから、

【００７６】

【数１３】

【００７７】となる。

【００７８】(9) 式においてｋ＝２と置き、(11)式、(1
3)式を(9) 式に代入すると、

【００７９】

【数１４】

【００８０】この(14)式を(6) 式に代入して、

【００８１】

【数１５】

【００８２】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。

【００８３】次に、

【００８４】

【数１６】

【００８５】であるから、この(16)式に(2) 式、(3) 式
を代入して、

【００８６】

【数１７】

【００８７】ここで(12)式より、

【００８８】

【数１８】

【００８９】であるから、この(18)式と、(11)式、(13)
式を(17)式に代入して、

【００９０】

【数１９】

【００９１】(9) 式においてｋ＝１と置き、(19)式を
(9) 式に代入すると、

【００９２】

【数２０】

【００９３】この(20)式を(6) 式に代入すると、ｋ＝１
と置いて、

【００９４】

【数２１】

【００９５】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。

【００９６】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.Rumelhart,G.E.Hinton and R.J.Wil
liams:Learninginternal representations by error pr
opagation In Parallel Distributed Processing,Volum
e 1,J.L.McClelland,D.E.Rumelhart and The PDP Resea
rch Group,MIT Press,1986b」参照）

【００９７】

【数２２】

【００９８】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。

【００９９】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。

【０１００】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の位置補正がなさ
れ、この位置補正がなされた画像信号が図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。

【０１０１】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Ｓ_P 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。

【０１０２】なお、上記実施例においては、ニューラル
ネットワークに入力する画像としてマーゲン像を用いて
いるが、これに限定されるものではなく、例えば、図５
に示す肩関節軸位の画像61や、股関節軸位の画像62を用
いて、それぞれの画像の骨頭部を被写体像とし、この骨
頭部内の重心を求めて位置補正を行うようにしてもよ
い。

【０１０３】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Ｓ_P 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Ｓ_P に基づいて、画像信号
Ｓ_Q 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。

【０１０４】さらに、上記実施例は、先読みを行う放射
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、そのまま上記本読みに相当する読取りを行う
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。

【０１０５】さらに、上記画像処理条件を決定する実施
例は、蓄積性蛍光体シートに記録された画像を読み取る
ことを前提としているが、本発明は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、従来のＸ
線フイルムに記録された医用画像等の画像を適宜の方法
で読み取った信号に画像処理を施す場合についても適用
可能なこと勿論である。

【図面の簡単な説明】

【図１】本発明の第１実施例による画像読取条件および
／また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

【図３】重心の位置補正を説明するための図

【図４】本発明の方法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

【図５】肩関節軸位および股関節軸位の画像を表す図

【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 Ｓ_P 先読画像信号 Ｇ₁ ，Ｇ₂ ，Ｇ₃ 重心

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁵ 識別記号 庁内整理番号 ＦＩ 技術表示箇所 Ｇ０６Ｆ 15/62 ３９０ Ａ 9287−5Ｌ Ｈ０４Ｎ 1/04 Ｅ 7251−5Ｃ

Claims (4)

【特許請求の範囲】
1. 【請求項１】 被写体像を含む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お
   よび／または得られた前記第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およ
   び／または画像処理条件決定方法において、 前記第１の画像信号に基づいて前記被写体像の重心を求
   め、 該重心が基準点に位置するように、該重心の位置を補正
   し、 該重心の位置が補正された前記第１の画像信号をニュー
   ラルネットワークに入力し、該ニューラルネットワーク
   から前記読取条件および／また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および／
   または画像処理条件決定方法。
2. 【請求項２】 被写体像を含む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お
   よび／または得られた前記第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およ
   び／または画像処理条件決定装置において、 前記第１の画像信号に基づいて前記被写体像の重心を求
   める重心検出手段と、 該重心検出手段により求められた前記重心が基準点に位
   置するように該重心の位置を補正する重心位置補正手段
   と、 該重心位置補正手段により前記重心の位置が補正された
   前記第１の画像信号を入力し、該第１の画像信号に基づ
   いて前記読取条件および／または前記画像処理条件を出
   力する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および／または画像処理条件決
   定装置。
3. 【請求項３】 被写体像を含む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、 前記画像信号に基づいて前記被写体像の重心を求め、 該重心が基準点に位置するように、該重心の位置を補正
   し、 該重心の位置が補正された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。
4. 【請求項４】 被写体像を含む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、 前記画像信号に基づいて前記被写体像の重心を求める重
   心検出手段と、 該重心検出手段により求められた前記重心が基準点に位
   置するように該重心の位置を補正する重心位置補正手段
   と、 該重心位置補正手段により前記重心の位置が補正された
   前記画像信号を入力し、該画像信号に基づいて前記画像
   処理条件を出力する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。