JPWO2018212217A1 - Ｘ線検査におけるデータ処理装置及びデータ処理方法、並びに、その装置を搭載したｘ線検査装置 - Google Patents

Abstract

Ｘ線検査対象の物質の種類や性状を同定した結果を、観察方向に依存せず、且つ、同定処理のためのインターフェース機能を充実させる。データ処理装置（１２）において、対象物の透過Ｘ線の光子計数値に基づいて画像データが演算される。この画像データに基づき、例えば、Ｘ線のｎ個（ｎは２以上の正の整数）のエネルギー領域の各別に、且つ、画素毎に、当該Ｘ線の減弱情報がされる。この減弱情報には、i)前記ｎ個のエネルギー領域の数と同じｎ次元数の座標上のベクトル量として表わされ且つ対象物の種類又は性状に固有的に依存する固有情報と、ii)当該固有情報に付随し且つ前記Ｘ線が当該対象物を通過するパスの長さに依存する付随情報とが含まれる。この減弱情報から、付随情報に依存しない固有情報のみが生成される。この固有情報に応じた散布点が、前記ｎ次元の座標上、又は当該ｎ次元よりも少ない次元数の座標上にマッピングするための散布点が演算される。

Description

本発明は、検査対象をＸ線で撮影して収集されたＸ線透過データを処理するデータ処理装置及びデータ処理方法、並びに、その装置を搭載したＸ線検査装置に係る。特に、本発明は、食品、工業製品、人体の一部等の検査対象の関心部位の少なくとも種類或いは性状を、又は、その検査対象の内部或いは外側表面に在るかもしれない、当該対象物の組成とは異なる物質の存在の検出、又はその対象或いは物質の種類或いは性状をＸ線透過データから同定（特定又は推定）する機能を有したデータ処理装置、データ処理方法、並びに、Ｘ線検査装置において、その同定結果を表示したり、ユーザからの要望に応じた同定結果の提示をしたりするなど、そのマン・マシン間のインターフェース機能に関する。

近年、Ｘ線を用いて対象物の種類や形状を特定したいという要望は随所でみられる。その一例として、公衆衛生や食品安全の観点から食品の内部に含まれることがある異物の検査に対するニーズの高まりがある。

このニーズに応えるＸ線検査も様々あるが、脚光を浴びている検査法は、Ｘ線を食品に照射して、その透過Ｘ線の情報から食品内部の物質の情報を収集する方法である。その一例として、搬送用のベルトを挟んで上下にＸ線管と検出器を配置し、ベルト上に載せた検査対象の食品をＸ線で検査する、所謂、インライン形のＸ線検査装置が知られている。この装置の場合、検査対象の食品はベルト(ライン)に載せられて搬送され、Ｘ線管と検出器との間に形成されるＸ線照射野を通過する。食品を透過したＸ線は、ベルトの下側の検出器で検出され、その検出データに基づいて画像が作成される。この画像を例えばソフトウェアで処理することで、その画像に写り込んでいる陰影から、その食品の内部に紛れ込んでいることがある異物を発見できる。また、検査対象は異物のみに限定されずに、Ｘ線でコントラスト差が生まれるものであって大きさや形状あるいは重量をより正確に求める必要がある対象物であってもよい。

このようなＸ線検査において、その応用範囲を更に広めることも望まれている。例えば、空港等の施設において鞄や郵便物を開かずに、その不明な内容物の種類及び／又は存在する位置を特定したいという、所謂、手荷物検査での要求がある。また、上述した異物検査において、予め既知の対象物（例えばパン等の食品）に異物（例えば金属片）が紛れ込んでいる場合、その異物の存在及びその種類を発見し特定したいという検査要求もある。つまり、対象物（物質）の種類及び／又はその３次元的な位置をＸ線により同定したいというニーズも潜在的に高い。また医療における検査では、異物に相当するガン、腫瘍、石灰化の検出、或いは心臓の梗塞した部分の検出など、臓器の変質した病変を検出する要求がある。

このニーズの高まりに関しては、例えば特許文献１（特開２０１０−０９１４８３）に記載の手法が知られている。この特許文献１に記載の「異物検出方法および装置」は、所謂、デュアルエネルギー法（又はサブトラクション法）と呼ばれる検査法である。この検査法は、２種類のエネルギー（波長）のＸ線が物質を透過するときのＸ線透過情報に差があることを利用している。具体的には、低エネルギーと高エネルギーの２種類のＸ線画像を同時に作成し、それらの画像の相互の差分をとり、その混入異物の成分画像を抽出し、その差分画像から閾値処理して異物を検出することを基本構成としている。この特許公報１に記載の場合には特に、差分演算における最適なパラメータを自動設定することによって高感度な異物検出を行うものである。

一方、デュアルエネルギー法による検査法として、非特許文献１に記載の検出法も知られている。この非特許文献１によれば、上述したデュアルエネルギー法の基本構成の元で、さらに検査対象物がベルト上で重なっていたりした場合であっても、その重なりと異物とを混同せずに、異物を検出可能なシステムが提供される。

上述した特許文献１及び非特許文献１に記載のデュアルエネルギー法によれば、対象物又はその中に混入する異物の検出感度向上は可能である。しかしながら、その異物がどのような種類のものであるか、又は、これに加えて、その異物が３次元的にどこにあるのか、という異物検査において最も知りたい情報を得ることは困難であった。

つまりは、この異物の種類等を同定（特定、推定）困難であるということは、Ｘ線が透過する物質自体の種類、又は、これに加えてその３次元的な位置について同定困難であるということである。これは対象物自体の種類が不明な検査において異物を確認したいような場合に極めて不都合なことであった。

このような不都合を解消しようとした提案が特許文献２及び特許文献３によりなされている。

この特許文献２の提案は、ラミノグラフィー法を採用する断層装置等から得られる画像を使って、精度良く且つ簡便に対象物に含まれる物質の種類を同定する手法を提供するものである。具体的には、Ｘ線のエネルギーを複数のエネルギー領域に弁別して光子計数した計数値及びその計数値で再構成した被検体画像を用いて、被検体の中の注目部位に在る物質を同定する手法である。この手法によれば、厚さ及び密度の均一な物質を撮像した計数値に基づいて参照画像が作成され、この参照画像の画素値で被検体画像の画素値を画素毎に除算して当該被検体画像の画素値が正規化される。この正規化された画素値から、吸収情報を与えた軸を２次元の一方の軸に、且つ、当該２次元の他方の軸にＸ線のビームハードニング情報を与えた2次元散布図が作成される。この２次元散布図から、被検体の撮像部分に在る物質の種類を同定するための情報が取得される。

また、特許文献3の提案によれば、Ｘ線管（２１）から照射されて対象物を透過し且つ光子計数型検出ユニット（２６）により検出されたＸ線のエネルギー領域毎且つ画素毎の計数値が処理される。さらに、その計数値に基づいて対象物の画像が演算され、画像上に関心領域が設定される。さらに、画像から関心領域に存在する物質の背景となる画素情報が除去される。関心領域におけるＸ線のエネルギー領域毎且つ画素毎の計数値に基づいて、当該画素毎に物質のＸ線に対する固有の透過特性が固有情報として演算される。この固有情報は、各Ｘ線パスにおける線減弱係数に基づく量であり、かつその対象物内のＸ線透過パスの長さ（対象物の厚さ、とも言える）に依存しない正規化された量として演算される。この量は複数のＸ線エネルギー領域それぞれにおいて演算される。したがって、扱うＸ線エネルギー領域の数＝３であれば、３次元質量減弱ベクトル（μ_１m、μ_２m、μ_３m）が演算され、3次元散布図として打点される。勿論、扱うＸ線エネルギー領域の数＝２であれば、2次元散布図として打点される。

何れの散布図であっても、ベクトルは画素毎に演算されるため、散布図上での打点位置の分布、つまり、各ベクトルの傾きの分布はＸ線透過パスに存在する物質固有のＸ線透過特性を表し、物質の固有情報に相当する。このことは、特許文献３の発明者によって新規に見出され、シミュレーション等のより確認された事項である。

この特許文献２、３に記載の物質同定法の場合、２次元又は３次元の散布図を用いるので、どのような状態で物質成分が入り混じっているのかということを視覚的に捉える一助になる。

日本国特開２０１０−０９１４８３号公報 日本国特開２０１３−１１９０００号公報 国際公開第２０１６/１７１１８６号 アンリツテクニカル No.87, Mar.2012, 「デュアルエネジー方式 Ｘ線異物検出機の開発」

しかしながら、これら特許文献２，３に記載の散布図の場合、その散布図をどのように観察し、どのように読影すればよいかという点で未解決の課題があった。つまり、散布図を用いて検査対象物の物質や組成、異物の情報などを把握する場合に、表示された散布図とその散布図を使用するユーザとの間のインターフェース機能が確立されていないことである。一例として、３次元散布図を2次元画面で観察する場合、その2次元画面上に変換するときの視点（見る方向）によって2次元表示される散布状態は変わる。3次元散布図を回転させて表示させる場合も同様である。このため、物質の種類や性状を的確に解析する上で、そのような表示状況等に左右されない表示や解析のインターフェース機能の強化が求められていた。

本発明は、上述した従来のＸ線検査が抱える状況に鑑みてなされたもので、その目的は、Ｘ線による検査対象の全体又は一部（注目部位）を成す物質の種類や性状を同定（推定、特定）した結果の表示や解析を、表示や解析のときの観察方向の依存性を排除でき、同定処理のためのインターフェース機能を充実させる、Ｘ線検査におけるデータ処理装置及びデータ処理方法、並びに、その装置を搭載又は実行可能なＸ線検査装置を提供することにある。

上記目的を達成するため、本発明の一態様に係るデータ処理装置は、Ｘ線発生装置により照射されて対象物を透過し且つ光子計数型の検出器により検出されたＸ線のｎ個（ｎは２以上の正の整数）のエネルギー領域の各別に又は当該ｎ個よりも少ない複数のエネルギー領域の各別に、かつ画素毎に、当該Ｘ線の光子の計数値を取得する計数値取得手段と、この計数値取得手段により取得された前記計数値に基づいて、前記Ｘ線が前記対象物を透過の状態を示す画像データを演算する画像データ演算手段と、この画像データ演算手段により演算された前記画像データに基づき、前記Ｘ線の前記ｎ個のエネルギー領域の各別に又は前記ｎ個よりも少ない複数のエネルギー領域の各別に、且つ、前記画素毎に又は当該画素を複数纏めた画素領域毎に、i)前記ｎ個のエネルギー領域の数と同じｎ次元数の座標上のベクトル量として表わされ且つ前記対象物の種類又は性状に固有的に依存する固有情報と、ii)当該固有情報に付随し且つ前記Ｘ線が当該対象物を通過するパスの長さに依存する付随情報とを含む、前記Ｘ線が前記対象物を透過したときに受ける当該Ｘ線の減弱を示す減弱情報を演算する減弱情報演算手段と、この減弱情報演算手段により演算された前記減弱情報から、前記付随情報に依存しない前記固有情報のみを生成する固有情報生成手段と、この固有情報生成手段により生成された前記固有情報に応じた散布点を、前記ｎ次元の座標上、又は当該ｎ次元よりも少ない次元数の座標上にマッピングする散布点を演算する散布点演算手段と、を備えたことを特徴とする。

ここで、前記計数値取得手段が取得する計数値は、様々な態様で計数された計数情報を含む。例えば、検出器としてＸ線フラットパネルが採用され、そのＸ線フラットパネルを使って光子計数型のＸ線検出を行ったことによる計数値であってもよい。また、Ｘ線ＣＴ撮影において光子計数されたときの計数値であってもよい。さらに、Ｘ線検出器の一例としてライン検出器が採用され、そのライン検出器を対象物に対して、Ｘ線発生器と共に相対的に移動（スキャン）させるときの光子計数値であってもよい。このとき、Ｘ線検出器としては、シンチレータと光電変換素子とを組み合わせた検出器であってもよいし（この一例とは、シリコンフォトマルチプライヤー（SiPM）が好適である）、Ｘ線を直接、電気信号に変換する直接変換型の検出器であってもよい。

また、本発明の別の態様として、上述した処理装置と同様の機能を有する処理方法、及び/又は、その処理装置を搭載したＸ線検査装置（具体的には、Ｘ線非破壊検査装置、医用Ｘ線検査装置）が提供される。
なお、本発明における用語の定義は以下の通りである。

まず、「Ｘ線検査装置は、医用のＸ線撮影装置、Ｘ線診断機器のみならず、Ｘ線による非破壊検査装置も含む。「Ｘ線検査」も同様に医用のＸ線検査及び非破壊検査をも含む概念である。

また、「検査対象（単に対象）」又は「対象物」とは、Ｘ線検査装置のオブジェクト空間に配置されてＸ線によりショット撮影され又はスキャンされ、Ｘ線透過データとしてのフレームデータが収集される対象を言う。

「検査対象（対象又は対象物）の全体」とは、検査対象を成す物の全体であり、例えば検査対象が食品（ピーマン、トマト等の野菜、食パン、カップ麺、食肉、魚等）であれば、Ｘ線検査装置の搬送ベルトに検査のために載せられる個々の物品を指し、検査対象が工業製品や空港手荷物検査の荷物であれば、それもＸ線検査装置の検査に掛けられる単位を成す物品を指す。

これに対し、「検査対象（対象又は対象物）の一部」とは、検査対象を成す物品の一部分として定義され、例えばＸ線透視画像上で自動的に又は手動で指定される部分を言う。例えば野菜の異物検査の場合、Ｘ線検査装置の検査用搬送ベルトに載せられた沢山の野菜（キュウリ、トマト等）のうち、個々の野菜の一部を言う。検査対象のＸ線透視画像上で指定した関心部位（つまり、検査対象の一部）がその検査対象の本来の組成と違っている場合、その関心領域により指定された部分には「異物」が混入しているものと推定できる。

なお、この異物検出の場合に、異物以外の部分はデータ処理上、背景成分として処理される。この背景成分は従って、関心領域及びその周辺部分に在る検査対象（対象又は対象物）自体の組成（空気も含む）に由来するデータである。検査対象の全体を物質の同定又は性状の特定の対象領域として設定する場合、背景成分は空気及び検査用搬送ベルト等の既知の成分のみである。

また、物質の種類の「同定」とは、その種類が何であるかを判別することであり、「特定、推定、または評価」と言い換えてもよい。物質の「性状」とは、その物質を成す組成がどのような物性的状態にあるかを言い、判り易い例で言えば、検査対象としての食肉ブロックの筋肉分と脂肪分の割合の程度、歯科における歯周病の進行度（組織、細胞の変性具合）などが挙げられる。

さらに、「関心領域に存在する物質」とは検査対象（対象又は対象物）の全部又は一部であることもあるし、関心領域に存在するが、検査対象それ自体とは異なる物質（異物などの関心物質）であることもある。

以上のことから、本発明における物質同定には、検査対象それ自体の種類を同定する、検査対象それ自体の性状を特定する、検査対象それ自体とは異なる物質が存在していることを検出する、検査対象それ自体とは異なる物質の種類を同定する、等の態様が含まれる。したがって、その検査対象としては、検査したい物質、素材、組成など、元素で構成されている形の在るものを指す。したがって、検査対象は材料が不明な物品、その物品に含まれることがある異物、人体の乳房、顎などの部位、その部位に発生する病変部等を指す。

本発明によれば、物の非破壊検査や医用検査において、物質のＸ線透過状態を固有的に示す固有情報と当該固有情報に付随し、当該物質の固有情報を一部示す付随情報とを含む情報が演算される。さらに、その減弱情報から、付随情報を排除するか又は見かけ上消失させた固有情報が生成される。この固有情報のみに応じた散布点が、ｎ次元（ｎは２以上の正の整数）の座標上、又は当該ｎ次元よりも少ない次元数の座標上にマッピングされる。固有情報はＸ線パス上に存在する物質の厚み（その物質を透過するＸ線パスの長さ）には依存しない、Ｘ線の減弱を示す情報であり、その物質固有の情報である。この固有情報は、具体的には、ベクトル量で表される量の傾き成分である。この傾き成分のみの情報が座標上にマッピングされるので、ユーザがこのマッピング情報を表示して観察・読影することができる。これにより、観察の視点の位置や方向に左右されずに、検査対象の検査領域を成す元素（検査対象が人体であれば組織）の種類や組成（つまり、実効原子番号に相当する）を同定することができる。

添付図面において、
図１は、本発明の１つの実施形態に係る、データ処理装置を搭載したＸ線検査システムの概要を説明するブロック図である。 図２は、本発明を実施可能なデータ処理装置に入力されるＸ線収集データの収集態様を模式的に説明するブロック図である。 図３は、光子計数型検出器に設定したエネルギー領域とＸ線エネルギースペクトラムの一例を説明する図である。 図４は、単一物質モデルとエネルギー領域別の光子計数との関係を説明する図である。 図５は、複数物質モデルとエネルギー領域別の光子計数との関係を説明する図である。 図６は、第１のデータプロセッサにより実行される、物質同定の処理及びその前処理の概要を説明するフローチャートである。 図７は、データプロセッサにより実行される物質同定の前処理を説明する図である。 図８は、第１の実施形態においてデータプロセッサにより実行される物質同定の中心部分を説明する概略フローチャートである。 図９は、エネルギー領域毎の画像の関心領域の各画素から、Ｘ線吸収量の３次元ベクトルの生成を説明する図である。 図１０は、第１の実施形態における３次元散布図の作成から同定情報の提示までの処理を説明する概略フローチャート。 図１１は、正規化された３次元散布図を模式的に説明する斜視図である。 図１２は、３次元散布図から物質固有の散布点からの３次元ベクトルの生成を説明する図である。 図１３は、第１の実施形態においてデータプロセッサにより実行される物質同定のための画像処理の概要を説明するフローチャートである。 図１４は、第１の実施形態における画像処理の一過程を説明する説明図である。 図１５は、第１の実施形態における画像処理の一過程を説明する説明図である。 図１６は、第１の実施形態における画像処理の一過程を説明する説明図である。 図１７は、第１の実施形態における画像処理の一過程を説明する説明図である。 図１８は、第１の実施形態における画像処理の一過程を説明する説明図である。 図１９は、第１の実施形態における画像処理の一過程を説明する説明図である。 図２０は、第２の実施形態においてデータプロセッサにより実行される異物検査の対象として例示されたカップ麺を説明する模式図である。 図２１は、第２の実施形態における異物検査のための画像処理の概要を説明するフローチャートである。 図２２は、第２の実施形態における画像処理の一過程を説明する説明図である。 図２３は、第２の実施形態における画像処理の一過程を説明する説明図である。 図２４は、第２の実施形態における画像処理の一過程を説明する説明図である。 図２５は、第２の実施形態における画像処理の一過程を説明する説明図である。 図２６は、第２の実施形態における画像処理の一過程を説明する説明図である。 図２７は、第３の実施形態における異物検査のための画像処理の概要を説明するフローチャートである。 図２８は、第３の実施形態においてデータプロセッサにより実行される画像処理の一過程を説明する説明図である。 図２９は、第３の実施形態における画像処理の一過程を説明する説明図である。 図３０は、第４の実施形態においてデータプロセッサにより実行される異物検査のための画像処理の概要を説明するフローチャートである。 図３１は、第４の実施形態における画像処理の一過程を説明する説明図である。 図３２は、第５の実施形態においてデータプロセッサにより実行される異物検査のための画像処理の概要を説明するフローチャートである。 図３３は、第５の実施形態における画像処理の一過程を説明する説明図である。 図３４は、第５の実施形態における画像処理の一過程を説明する説明図である。 図３５は、第５の実施形態における画像処理の一過程を説明する説明図である。 図３６は、第５の実施形態における画像処理の一過程を説明する説明図である。 図３７は、第６の実施形態における物質同定の対象としての人体の骨折部位を模式的に説明する図である。 図３８は、第６の実施形態においてデータプロセッサにより実行される物質同定ための画像処理の概要を説明するフローチャートである。 図３９は、第６の実施形態における画像処理の過程を説明する図である。 図４０は、第７の実施形態においてデータプロセッサにより実行される物質同定として、物質の性状を検査するための画像処理の概要を説明するフローチャートである。 図４１は、第７の実施形態における画像処理の過程を説明する図である。 図４２は、第７の実施形態における画像処理の過程を説明する図である。 図４３は、第７の実施形態における画像処理の過程を説明する図である。 図４４は、第７の実施形態における画像処理の過程を説明する図である。 図４５は、第７の実施形態における画像処理の過程を説明する図である。 図４６は、第８の実施形態においてデータプロセッサにより実行される物質同定の別の一例として、マンモグラフィにおける画像処理の概要を説明するフローチャートである。 図４７は、第８の実施形態における画像処理を説明する図である。 図４８は、応用例として実験した、魚類（ブリを例示）のベクトル長画像を模式的に示す図である。 図４９は、上記応用例に係る偏角データ散布図とベクトル画像の連動性（関係性）を説明する図である。 図５０は、上記応用例に係る画像処理の一例として示す、２次元等高線表示の画像例である。 図５１は、変形例５に係る、偏角データ散布図を分割して表示する態様を概説するフローチャートである。 図５２は、上記変形例に関わる第１の分割表示モードの画面例を説明する図である。 図５３は、上記変形例に関わる第２の分割表示モードの画面例を説明する図である。 図５４は、上記変形例に関わる第３の分割表示モードの画面例を説明する図である。

以下、添付図面を参照して、本発明に係る、Ｘ線検査用のデータ処理装置及びデータ処理方法の実施形態を説明し、そのデータ処理装置を搭載したＸ線検査装置の画像処理の変形例を説明する。

［第1の実施形態］
まず、図１〜図１９を参照し、本発明の一態様に係るＸ線検査用のデータ処理装置及びデータ処理方法の１つの実施形態を説明する。

図１は、Ｘ線検査システムとしてのＸ線検査装置１０の概略構成を示す。本実施形態はデータ処理装置及びデータ処理方法に焦点を当てて説明するので、このＸ線検査装置１０の公知の部分は簡略化して説明する。

このＸ線検査装置１０は、検査（又は診断）装置本体１１と、この検査装置本体１１に通信ラインＬＮを介して通信可能に接続されたデータ処理装置１２とを備える。

本実施形態の特徴は、後述するように、対象物から光子計数型のＸ線検出を行って収集したデータを処理するデータ処理装置１２にある。つまり、このデータ処理装置１２がユーザとの間で、収集データを解析・表示するときに、如何にインターフェース機能を発揮するかという点に特徴がある。このため、このデータ処理装置１２が受け取る光子計数値のデータはどのような形態で収集されたものであってもよい。

このため、図２の模式図において、検査装置本体１１は対象物に対して光子計数型のＸ線データ検出を行うことができるものであれば、どのように構成されていてもよい。この構成の場合、データ処理装置１２はＸ線検査装置１０の例えば制御部と機能的に一体で構成されていてもよいし、別体で設置されていてもよい。更に、外部装置で収集された光子計数データがインタネット等の通信回線やＲＯＭ等の記録媒体を介してデータ処理装置１２に送られるように構成したものであってもよい。

図２の模式図において、検査装置本体１１には、例えば、検出器としてＸ線フラットパネルが採用され、そのＸ線フラットパネルを使って光子計数型のＸ線検出を行う構成であってもよい。また、Ｘ線ＣＴ撮影において光子計数を行う構成であってもよい。さらに、Ｘ線検出器の一例としてライン検出器が採用され、そのライン検出器を対象物に対して、Ｘ線発生器と共に相対的に移動（スキャン）させる構成でもってもよい。このとき、Ｘ線検出器としては、シンチレータと光電変換素子とを組み合わせた検出器であってもよいし（この一例とは、シリコンフォトマルチプライヤー（SiPM）が好適である）、Ｘ線を直接、電気信号に変換する直接変換型の検出器であってもよい。

後述の装置では、Ｘ線を直接、電気信号に変換する半導体検出器を用いた、所謂、直接変換型のＸ線検出器により光子計数を行う場合を例示する。

また、データ処理装置１２の具体例は後述するが、包括的には、以下のように構成されている。つまり、このデータ処理装置１２は、Ｘ線発生装置により照射されて対象物を透過し且つ光子計数型の検出器により検出されたＸ線のｎ個（ｎは２以上の正の整数）のエネルギー領域の各別に又は当該ｎ個よりも少ない複数のエネルギー領域の各別に、かつ画素毎に、当該Ｘ線の光子の計数値を取得する計数値取得部１２Ａ（計数値取得手段）と、この計数値取得部１２Ａにより取得された前記計数値に基づいて、前記Ｘ線が前記対象物を透過の状態を示す画像データを演算する画像データ演算部１２Ｂ（画像データ演算手段）と、この画像データ演算部１２Ｂにより演算された前記画像データに基づき、前記Ｘ線の前記ｎ個のエネルギー領域の各別に又は前記ｎ個よりも少ない複数のエネルギー領域の各別に、且つ、前記画素毎に又は当該画素を複数纏めた画素領域毎に、i)前記ｎ個のエネルギー領域の数と同じｎ次元数の座標上のベクトル量として表わされ且つ前記対象物の種類又は性状に固有的に依存する固有情報と、ii)当該固有情報に付随し且つ前記Ｘ線が当該対象物を通過するパスの長さに依存する付随情報とを含む、前記Ｘ線が前記対象物を透過したときに受ける当該Ｘ線の減弱を示す減弱情報を演算する減弱情報演算部１２Ｃ（減弱情報演算手段）と、この減弱情報演算部１２Ｃにより演算された前記減弱情報から、前記付随情報に依存しない前記固有情報のみを生成する固有情報生成部１２Ｄ（固有情報生成手段）と、この固有情報生成部１２Ｄにより生成された前記固有情報に応じた散布点を、前記ｎ次元の座標上、又は当該ｎ次元よりも少ない次元数の座標上にマッピングする散布点を演算する散布点演算部１２Ｅ（散布点演算手段）と、を、少なくとも備えている。この各部１２Ａ〜１２Ｅは、コンピュータのソフトウェアの実行により機能的に実現するものでもよいし、ＦＰＧＡ（field-programmable gate array）などの電子回路を用いたハードウェアで構成してもよい。

図１に戻って説明すると、Ｘ線検査装置１０は、例えば、Ｘ線による非破壊検査システム、又は、医用のＸ線パノラマ撮影システムとして使用される。このＸ線検査装置１０の検査対象としては、食品、工業製品、人体の乳房等、多岐に渡る。判り易い例としては、食品（ソーセージ、ピーマン等の野菜など）の内部に異物が混入していないかどうかを調べるインライン形の食品検査装置であるが、必ずしもこれに限定されるものではない。食品としては、この他に、鮮魚内の釣り針等の異物を検査することも可能である。また、異物の意味合いを変更解釈すれば、食肉の内部の油脂分の含み具合、異物や骨の混入、木材の鬆や水分含有量のチェック等、その性状を特定することにも適用できる。工業製品としては、電子基板部品の実装状態のチェック、ハンダバンプ内の接触状態のチェック等にも適用できる。さらに、人体の乳房を検査するマンモグラフィにおいては、乳房内に発生する石灰化や腫瘤等の病変部の発見、乳腺含有率の精度の高い計算などに適用可能である。

非破壊検査やＸ線パノラマ撮影を行う場合、本実施形態に係るＸ線検査用のデータ処理装置及びデータ処理方法は、Ｘ線が物質を透過するときの吸収情報（あるいは減弱情報）に基づき、その物質の種類や性状を同定（特定、弁別、識別、或いは決定とも言える）する処理を行うことを基本要素としている。以下の説明において、この処理を総括的に「物質同定」と呼ぶこともある。

このＸ線検査装置１０は、図１に示すように、検査装置本体１１を備え、その本体１１の部分に、仮想的に、Ｘ、Ｙ、Ｚ軸の直交座標系を設定できるオブジェクト空間ＯＳを有する。この装置１０は、非破壊検査の場合、オブジェクト空間ＯＳにおいてスキャン方向（Ｚ軸方向）に所定のコーン角θを有し、且つ当該スキャン方向に直交する断面（ＸＹ面）に沿った方向（Ｙ軸方向）に所定のファン角βを有するＸ線ビームＸＢを発生するＸ線管２１及びコリメータ２２を備えたＸ線発生器２３を備える。Ｘ線管２１は、点状のＸ線管焦点Ｆ（焦点径は例えば１．０ｍｍφ）を有する、例えば回転陽極Ｘ線管である。このＸ線管２１には、図示しないＸ線高電圧装置からＸ線照射のための駆動用高電圧が供給される。

さらに、Ｘ線検査装置１０は、Ｘ線管２１に一定距離だけ離間して対向可能且つ移動可能に配置されたＸ線検出器２４（以下、単に検出器と呼ぶ）を備える。検出器２４は、複数のモジュールをライン状に繋いで構成され、これにより、検出器２４は、その全体として、細長い矩形状のＸ線入射窓を有する。各モジュールは、ＣｄＴｅ，ＣＺＴなどの半導体材料から成る検出層を例えば２０×８０個の画素（各画素は０．２ｍｍ×０．２ｍｍのサイズを持つ）に成形した、Ｘ線から電気信号に直接変換する、所謂、直接変換型のＸ線検出要素である。この複数の画素を成す検出層の両面には、図示しないが、実際には荷電電極と収集電極とが貼設されている。この両電極間にバイアス電圧が印加される。

この検出器２４は、Ｘ線を様々なエネルギーを有するフォトンの集合であると見做して、それらのフォトンの個数をエネルギー領域別に計数可能な光子計数型（photon counting type）の検出器である。このエネルギー領域としては、例えば図３に示すように、４つのエネルギー領域Ｂin_１〜Ｂin_４が設定されている。勿論、このエネルギー領域Ｂinの数は複数であればよい。

この検出器２４では、その画素毎に、且つ、エネルギー領域Ｂin毎に、Ｘ線強度がフォトン数のデジタル量の計数値(累積値)として一定時間毎に検出される。１個のフォトンがある画素に入射すると、そのエネルギー値に応じた波高値の電気パルス信号がその画素に発生する。この電気パルス信号の波高値、すなわちエネルギー値は所定のエネルギー領域Ｂin毎に分類され、その計数値が１つ増える。この計数値は一定時間毎の累積値（デジタル値）として画素毎且つそのエネルギー領域Ｂin毎に収集される。

この収集は、検出器２４の検出層の下面にＡＳＩＣ層として作り込まれているデータ収集回路２５により行われる。検出器２４及びデータ収集回路２５により、検出ユニット２６が構成されている。このため、検出ユニット２６、即ちデータ収集回路２５から一定のフレームレートでＸ線透過データ（フレームデータ）がデータ処理装置１２に送られる。

このような構成を持つＸ線検査装置１０の例は、例えば特開２００７−１３６１６３、国際公開公報ＷＯ ２００７／１１０４６５ Ａ１、同ＷＯ ２０１３／０４７７７８ Ａ１に示されている。また、上述した光子計数型検出器２４の例も、例えば国際公開公報ＷＯ ２０１２／１４４５８９ Ａ１に示されている。

なお、このＸ線検査装置１０を例えば歯科用のＸ線パノラマ撮影に使用する場合、検査対象ＯＢは被検者の頭部である。その場合、Ｘ線発生器２３及び検出器２４の対は、その頭部の周囲において例えば頭部中心をＸ方向の直線を回転軸として回転移動する。このＸ線パノラマ撮影に関するスキャン構造も、例えば特開２００７−１３６１６３に示されている。

さらに、データ処理装置１２はコンピュータシステムを備え、Ｘ線検査装置１０から通信ラインＬＮを介してＸ線透過データ（フレームデータ）を受信する。データ処理装置１２は、Ｘ線検査装置１０と一体の装置又は検査システムとして設けられてもよい。また、データ処理装置１２は、本実施形態のように、Ｘ線検査装置１０に対して通信ラインを介して通信可能に接続されている場合、常時、オンラインで接続されていてもよいし、必要なときにだけ通信可能になっていてもよい。さらに、データ処理装置１２はスタンドアロン形式で設けられていてもよい。

このデータ処理装置１２は、以下に詳述するように、このＸ線透過データを処理して検査対象それ自体を成す物質やその検査対象の注目部位に在る物質の種類又は性状に固有的に示す情報（固有情報）を取得したり、更には検査対象に異物等の他の物質が存在しているか否かを検出したりするように構成されている。なお、物質の種類又は性状が違うということは、物質の実効原子番号が異なる又は変化している、と言い換えることもできる。

［物質の固有情報の取得、及び、データ処理の詳細］
以下、データ処理装置１２の構成及びその動作を、本発明の特徴の一つである物質の固有情報の取得法と共に詳述する。

データ処理装置１２は、一例として、コンピュータシステムＣＰにより構成される。このコンピュータシステムＣＰ自体は公知の演算機能を持つコンピュータシステムであってよく、検出ユニット２６に通信ラインＬＮを介して接続されたインターフェース（Ｉ／Ｏ）３１を備える。このインターフェース３１には、内部バスＢを介して、バッファメモリ３２、ＲＯＭ(read-only memory)３３(“Non-transitory computer readable medium”として機能する)、ＲＡＭ(random access memory)３４、ＣＰＵ(central processing unit)を備えたデータプロセッサ３５（単にプロセッサ又はコンピュータであってもよい）、画像メモリ３６、入力器３７、及び表示器３８が互いに通信可能に接続されている。

ＲＯＭ３３には、コンピュータ読出し可能な物質同定のプログラムが予め格納されており、データプロセッサ３５がそのプログラムを自分のワークエリアに読み出して実行する。データプロセッサ３５は画像処理専用のＣＰＵである。なお、ＲＯＭ３３は、本実施形態では、非一時的コンピュータ読取可能な記録媒体（“Non-transitory computer readable medium”）の代表として挙げているが、具体的にはフラッシュメモリ、ＥＥＰＲＯＭ、ＥＰＲＯＭなどである。また、非一時的コンピュータ読取可能な記録媒体として、光磁気ディスクやハードディスクを用いてもよい。

バッファメモリ３２は、検出ユニット２６から送られてきたフレームデータを一時的に保管するために使用される。ＲＡＭ３４は、データプロセッサ３５の演算時に、演算に必要なデータを一時的に記憶するために使用される。

画像メモリ３６は、データプロセッサ３５により処理された各種の画像データや情報を保管するために使用される。入力器３７及び表示器３８は、ユーザとの間のマン・マシンインターフェースとして機能し、このうち、入力器３７はユーザからの入力情報を受け付ける。表示器３８は、データプロセッサ３５の制御下において画像等を表示することができる。インターフェース３１、入力器３７、及び表示器３８により外部からの情報（例えばユーザからの情報）を入手するインターフェース部が構成される。

・光子計数法によるデータの収集と物質モデルとの関係
次に、Ｘ線管２１から照射されたＸ線（ファン状のビームＸ線）が被検体ＯＢを透過し、その透過Ｘ線が光子計数（フォトンカウンティング）法の下で検出器２４により収集されるときの物質モデル毎のデータ収集の概念を図３〜５を用いて説明する。

図３に、横軸にＸ線のエネルギー[keV]をとり、縦軸にＸ線を成す光子（フォトン）の入射頻度（カウント）と採ったときの一般的なプロファイルを示す。光子計数の場合、周知の如く、横軸のエネルギーを複数のエネルギー領域Ｂｉｎに分けるために閾値ＴＨが設定される。この図３の例では、４つの閾値ＴＨ_１，ＴＨ_２，ＴＨ_３，ＴＨ_４が比較器（図示せず）への適宜な基準電圧値として与えられ、これにより、使用可能な第１〜第３のエネルギー領域Ｂｉｎ_１，Ｂｉｎ_２，Ｂｉｎ_３が設定される。なお、第１のエネルギー領域Ｂｉｎ_１よりも下のエネルギーはノイズが多く計測不能なエネルギー領域に属し、一方、最上位の閾値ＴＨ_４よりも上側に位置する第４のエネルギー領域Ｂｉｎ_４は光子計数には関与しないとして、使用されない。このため、この例の場合、最上位及び最下位のエネルギー領域を除く、第１〜第３の３つのエネルギー領域Ｂｉｎ_１，Ｂｉｎ_２，Ｂｉｎ_３が光子計数に使用される。

この図３に示す頻度のプロファイルの形状はＸ線管２１の陽極材の種類や管電圧により決まり、通常、図示の如く、第２のエネルギー領域Ｂｉｎ_２のカウントが一番大きくなる。このため、エネルギー領域毎の計数値（頻度、カウント）のバランスを考慮して適宜に閾値ＴＨが決められる。この４つの閾値ＴＨ_１〜ＴＨ_４は、データ収集回路２５を成すＡＳＩＣにおいて検出器２４の画素毎に比較器への電圧閾値として設定される。このため、Ｘ線光子は、画素毎に且つエネルギー領域毎に計数される。勿論、各画素に閾値ＴＨの数は３つ以上であれば任意の数でよい。閾値ＴＨの数が３つであれば、使用されるエネルギー領域の数は２つである。

この計数値からＸ線透過画像（濃度画像）を作成するときには、様々な形態を採ることができる。検出器２４のＸ線入射面を成す画素毎に、且つ、エネルギー領域Ｂｉｎ毎に計数情報が得られる。このため、エネルギー領域Ｂｉｎ毎の各画素の計数値に適宜な重み係数を掛けてシフト加算をすれば、その各エネルギー領域ＢｉｎのＸ線透過データ（フレームデータ）が得られる。また、この３つのエネルギー領域Ｂｉｎ_１〜Ｂｉｎ_３のうち、任意の２つ又は全てのエネルギー領域Ｂｉｎの計数値に適宜な重み係数を掛けてシフト加算し、１フレームのＸ線透過データとしてもよい。

このように、エネルギー領域Ｂｉｎ毎にＸ線光子数に応じたエネルギー情報を画素毎に収集し、画素への光子エネルギーの寄与度を勘案して画像作成等へ利用可能であり、用途に応じ自在にエネルギー強調画像を作成でき、従来の積分型のＸ線透過データの収集に対する優位性がある。

さて、この光子計数法を本願に係る物質同定に適用する場合、物質（検査対象ＯＢの検査したい部位にある物質：検査対象自身を成す物質であることも、検査対象以外の物質であることもある）が単一の組織からできているのか、複数の組織からできているのかに分けて考え、各組織のＸ線吸収を考慮することが妥当である。

（i）物質が単一の組織から成る場合（単一物質モデル）
この単一物質モデルの場合、図４（Ａ）に示すように、第１〜第３のエネルギー領域Ｂｉｎ_１〜Ｂｉｎ_３それぞれを代表する線減弱係数μ_１、μ_２、μ_３（ｃｍ^−１）とおける。この線減弱係数は、物質のＸ線に対する固有の透過特性を示す指標である。

このエネルギー領域Ｂｉｎ毎に異なる線減弱係数μ_１、μ_２、μ_３を持ち且つ厚さｔ（ｃｍ）の物質にＸ線が入射するときのモデルは、図示の如く表される。つまり、入射するＸ線量（光子数）Ｃ_ｌ１，Ｃ_ｌ２，Ｃ_ｌ３がそれぞれ線減弱係数μ_１、μ_２、μ_３と厚さｔに依存する減弱を受けて、その出力するＸ線量（光子数）は
Ｃ_ｏ１＝Ｃ_ｌ１×ｅ^−μ１ｔ
Ｃ_ｏ２＝Ｃ_ｌ２×ｅ^−μ２ｔ
Ｃ_ｏ３＝Ｃ_ｌ３×ｅ^−μ３ｔ
… （１）
と表すことができる。

このため、単一組織から成る単一物質モデルの場合、図４（Ｂ）に示すように、Ｘ線量（光子数）Ｃ_ｌｉが、線減弱係数μ_ｉ，厚さｔの物質に入射すると、その出力Ｘ線量（光子数）は
Ｃ_ｏｉ＝Ｃ_ｌｉ×ｅ^−μｉｔ
（ｉ＝１〜３）
… （２）
と表すことができる。

（ii）物質が複数の組織から成る場合（複数物質モデル）
この複数物質モデルの場合、そのＸ線吸収の観点からみると、図５（Ｂ）に示すように、物質は厚さｔ_ａ且つ線減弱係数μ_ｉａの層、厚さｔ_ｂ且つ線減弱係数μ_ｉｂの層、…、厚さｔ_ｎ且つ線減弱係数μ_ｉｎの層が積層された層構造であると言える。そこで、図５（Ａ）に示すように、第１〜第３のエネルギー領域Ｂｉｎ_１〜Ｂｉｎ_３それぞれを代表する線減弱係数μ_１ａ、…、μ_１ｎ；μ_２ａ、…、μ_２ｎ；μ_３ａ、…、μ_３ｎ（ｃｍ^−１）と書ける。このエネルギー領域Ｂｉｎ毎に異なる線減弱係数μ_１ａ、…、μ_１ｎ；μ_２ａ、…、μ_２ｎ；μ_３ａ、…、μ_３ｎを層状に持ち且つ層厚さｔ_ａ，…,ｔ_ｎ（ｃｍ）の物質にＸ線が入射するときのモデルは、図示の如く表される。つまり、入射するＸ線量（光子数）Ｃ_ｌ１，Ｃ_ｌ２，Ｃ_ｌ３がそれぞれ線減弱係数μ_１ａ、…、μ_１ｎ；μ_２ａ、…、μ_２ｎ；μ_３ａ、…、μ_３ｎ且つそれぞれ厚さｔ_ａ，…,ｔ_ｎに依存する減弱を受けて、その出力するＸ線量（光子数）は
Ｃ_ｏ１＝Ｃ_ｌ１×ｅ^{−μ１aｔa}× … ×ｅ^{−μ１nｔn}
Ｃ_ｏ２＝Ｃ_ｌ２×ｅ^{−μ２aｔa}× … ×ｅ^{−μ２nｔn}
Ｃ_ｏ３＝Ｃ_ｌ３×ｅ^{−μ３aｔa}× … ×ｅ^{−μ３nｔn}
… （３）
と表すことができる。

このため、複数の組成から成る複数物質モデルの場合、図５（Ｂ）に示すように、Ｘ線量（光子数）Ｃ_ｌｉの入射に対して、その出力Ｘ線量（光子数）は
Ｃ_ｏ１＝Ｃ_ｌ１×ｅ^{−μｉaｔa}× … ×ｅ^{−μｉnｔn}
（ｉ＝１〜３）
… （４）
と表すことができる。

［処理手順］
上述した物質モデルによる光子計測と線減弱値μｔとの関係を前提にして、データ処理装置１２により実行される物質同定の処理を説明する。データ処理装置１２では、そのデータプロセッサ３５が所定のプログラムを実行することにより、図６に示す手順に沿って物質同定を行う。

［前処理］
まず、データプロセッサ３５は、例えばユーザとの間でインターラクティブに又は自動的に画像取得を行うか否かを判断し（ステップＳ１）、画像取得のタイミングまで待機する。画像取得が判断された場合（ステップＳ１，ＹＥＳ）、バッファメモリ３２に既に保存されているフレームデータを例えばＲＡＭ３４に呼び出す（ステップＳ２）。このフレームデータは、図７に模式的に示す如く、３つのエネルギー領域Ｂｉｎ_１、Ｂｉｎ_２，Ｂｉｎ_３それぞれに属するエネルギーを持つＸ線光子の計数値のフレームデータＦＤ_１，ＦＤ_２，ＦＤ_３と、全エネルギー領域Ｂｉｎ__all（Ｂｉｎ_１＋Ｂｉｎ_２＋Ｂｉｎ_３）のＸ線光子の計数値のフレームデータＦＤ_allとから成る。

次いで、データプロセッサ３５はユーザとの間でインターラクティブに、又は、自動指示に応じて物質同定を行うか否かを判断する（ステップＳ３）。物質同定の指示があるまで待機し、物質同定を実行せずに終了の指令があるときには処理を終わる（ステップＳ４）。

［合焦画像の作成］
ステップＳ３において物質同定を行うと判断された場合（ステップＳ３，ＹＥＳ）、データプロセッサ３５はユーザとの間でインターラクティブに、又は、自動的に、例えば、検査対象ＯＢと交差する断面を指定する（ステップＳ５）。

一例として、インターラクティブに断面の位置を指定する場合、図１に示すように、検出器２４からの高さＨｃをユーザが入力器３７を介して指定する例が挙げられる。例えば、図１において搬送ベルトＢＴに載せられた検査対象ＯＢの高さ方向（Ｙ軸方向）の高さがＨ_ＯＢ又はそれ以上であることが判っている場合、その検査対象ＯＢの高さ方向におけるほぼ中心に相当する高さＨ_Ｃの断面を指定すればよい。勿論、この例の場合、検出ユニット２６は搬送ベルトＢＴの下側に位置するので、その搬送ベルトＢＴと検出ユニット２６の検出器２４の検出面との間の隙間分の高さも考慮して高さＨｃが指定される。検査対象ＯＢの高さが不明又はばらつきがあるときには、高さＨｃを搬送ベルトＢＴの面の高さに設定しておいてもよい。また、搬送ベルトＢＴの入り口に例えば光学的に検査対象ＯＢの高さを検知する装置を設け、それにより高さ情報を得てもよい。

一方、検査対象ＯＢの断面を自動的に指定したい場合、ステップＳ５においては断面の指定情報として、高さＨｃではなく、画素毎に最適焦点化を図る全画素合焦面を設定する旨の指定がなされる。この場合、この全画素合焦面の高さは必ずしも一定ではなく、画素毎に最適焦点化を図るため、検査対象ＯＢに交差するものの画素毎に高さが異なる凸凹を伴っていることが多い。このような全画素合焦面の作成の仕方は、例えば米国特許第８，４３３，０３３やＰＣＴ／ＪＰ２０１０／６２８４２に例示されている。これらの例示に係る作成方法はラミノグラフィー法（又はトモシンセシス法）を使用している。

このように断面指定が終わると、データプロセッサ３５は指定断面の断層像を、例えば全ネルギー領域Ｂｉｎ__allに対する複数のフレームデータＦＤ_allを用いて作成する（ステップＳ６）。

一定の高さＨｃが指定されている場合には、その高さＨｃに相当するシフト量を以ってシフトしながら、複数のフレームデータＦＤ_allを相互に重ねて画素加算するラミノグラフィー法の下で作成すればよい。これにより、最適焦点化の位置を指定高さＨｃに合わせた断層像（つまり、ラミノグラフィー像）ＩＭ_allが作成される（図７参照）。この断層像ＩＭ_allも合焦の位置が高さＨｃに限定されてはいるが、合焦画像の１つである。

一方、検査対象ＯＢの全画素合焦面を設定する旨の指定がなされている場合、収集したフレームデータの中の、例えば全エネルギー領域Ｂｉｎ__allに属する複数のフレームデータＦＤ_allを用いて全画素合焦画像ＩＭ_all´がラミノグラフィー法の下で作成される（図７参照）。この全画素合焦画像ＩＭ_all´には検査対象ＯＢが写り込んでおり、かつ、その全画素合焦画像ＩＭ_all´は高さ方向又はＸ線照射方向において画素毎に最適焦点化された断層像である。この断層像の例として、例えば前述の作成法と同様に、米国特許第８，４３３，０３３やＰＣＴ／ＪＰ２０１０／６２８４２に記載のものが挙げられる。この公報記載の作成法は、歯科用について例示しているが、この作成法により作成された湾曲した擬似的な３次元画像を２次元画像に変換することで、本実施形態で使用可能な合焦画像としての２次元断層像が作成される。この２次元断層像は、全画素合焦という処理を経ている分、合焦の度合が前述した高さ一定の合焦画像ＩＭ_allよりも精緻である。本実施形態では何れの合焦画像であってもよいので、以下、単に合焦画像ＩＭ_allとして説明するが、この画像は、前述したように、検出器としてＸ線フラットパネルを用いて撮影した画像であっても良い。

続いて、データプロセッサ３５は、３つのエネルギー領域Ｂｉｎ_１、Ｂｉｎ_２，Ｂｉｎ_３から収集されたフレームデータＦＤ_１，ＦＤ_２，ＦＤ_３それぞれを用い、前記指定高さＨｃ、又は、例えば全画素合焦面の平均の高さに応じて、ラミノグラフィー法の下で断層像を順次作成する（ステップＳ７，Ｓ８，Ｓ９）。これにより、図７に模式的に示す如く、エネルギー領域別の合計３つの合焦画像ＩＭ_１，ＩＭ_２，ＩＭ_３が作成される。この３つの合焦画像ＩＭ_１，ＩＭ_２，ＩＭ_３の作成順は任意である。勿論、この３つの合焦画像ＩＭ_１，ＩＭ_２，ＩＭ_３も、上述と同様に、全画素合焦画像として作成してもよい。

［関心領域の設定］
次いで、データプロセッサ３５は全画素合焦画像ＩＭ_all上で、ユーザとの間でインターラクティブに又は自動的に関心領域ＲＯＩを設定する（ステップＳ１０）。この関心領域ＲＯＩは、例えば、検査対象ＯＢを成す物質の種類を同定する場合には、合焦画像ＩＭ_allに写り込んでいる検査対象ＯＢの中の同一物質で構成されていると想定される部分（厚さは変わってもよい）を囲む適宜なサイズの関心領域ＲＯＩが設定される。異物検出や病変部特定の場合には、異物の疑いがある箇所又は病理学に疑わしい箇所を囲むように適宜なサイズの関心領域ＲＯＩが設定される（図７参照）。

この全画素合焦画像ＩＭ_all上で関心領域ＲＯＩが決まると、この領域情報を使ってエネルギー領域別の３つの合焦画像ＩＭ_１，ＩＭ_２，ＩＭ_３上においても同様に関心領域ＲＯＩが設定される（図７参照）。

［背景推定及び背景削除］
次いで、データプロセッサ３５は合焦画像ＩＭ_all上で関心領域ＲＯＩにおける背景となる画素成分（背景成分）を推定する（ステップＳ１１）。この背景成分は、前述したように、求めたい同定情報が何かということによって決まる。物質の種類や性状を同定又は特定する場合、多くは、ベルト等の搬送手段及び空気を含む既知成分である。異物の種類や病変部の状態を同定（推定）する場合には、それらの既知成分に、検査対象ＯＢ自体の成分が異物又は病変部の背景成分として加わる。この背景成分の情報は既知である場合には、それを固定値として、エネルギー領域別の３つの合焦画像ＩＭ_１，ＩＭ_２，ＩＭ_３それぞれの関心領域ＲＯＩから差分される（ステップＳ１２）。

一方、背景成分の量が不明である場合には、その背景成分を推定する必要がある。この推定法としては、適宜な手法、例えば関心領域外側の相互に離間した任意の複数の位置の画素値から補間法によって推定すればよい。

なお、上述した前処理は、３つのエネルギー領域別の合焦画像ＩＭ_１，ＩＭ_２，ＩＭ_３それぞれに関心領域ＲＯＩを設定し且つその背景成分を除去することが主な目的である。このため、全エネルギー領域の全画素合焦画像ＩＭ_allを作成せずに、合焦画像ＩＭ_１，ＩＭ_２，ＩＭ_３の何れかで代替させてもよい。

［物質同定のメイン処理］
上述のように前処理が終わると、データプロセッサ３５は物質同定のためのメインの処理を行う（ステップＳ１３）。このメインの処理は、図８に示すように行われる。

＜線減弱値μｔの演算＞
まず、データプロセッサ３５は、３つの合焦画像ＩＭ_１，ＩＭ_２，ＩＭ_３それぞれにおいて関心領域ＲＯＩで囲まれ且つ背景成分が削除された画素値を用いて線減弱値μｔの演算をする（図８、ステップＳ１３１）。ここで、μは物質の線減弱係数（単に、減弱係数とも呼ばれる）であり、ｔは物質のＸ線照射方向に沿った厚さ（Ｘ線パス）である。

前述した単一物質モデル及び複数物質モデルにおいて、各エネルギー領域Ｂｉｎ_ｉ（ｉ＝１〜３）に対して、画素毎に、線減弱値μｔは下記の式から演算される。
μ_ｉｔ＝ｌｎＣｌ_ｉ−ｌｎＣｏ_ｉ
（ｉ＝１〜３：単一物質モデルの場合）
… （５）

（ｉ＝１〜３、ｊ＝ａ〜ｎ：複数物質モデルの場合）
… （６）
ここで、ｌｎは自然対数を採ることを意味している。

このため、物質に入射（入力）した光子数と物質から出射（出力）した光子数が判れば、線減弱値μｔは演算できる。出射光子数Ｃｏ_ｉは検出器２４によりエネルギー領域別に且つ画素毎に検出された光子数である。Ｃｌ_ｉは実際のＸ線検査と同じ条件の下で入射するＸ線のフォトン数であり、予め設定されている既知の値である。勿論、Ｃｌ_ｉは、その都度、実際のＸ線検査条件の変動を考慮して物質同定時に推定した値であってもよい。

なお、医療検査の場合、マンモグラフィや手足の軟部組織では、より単純化された物質から構成されていると見做すことができ、さらに、その撮影部の圧迫又は固定に用いる器具も平板構造であるため、この線減弱値μｔはより精度良く演算可能である。また、食品などの非破壊検査においても、前述のように背景成分を適宜に推定できれば、その背景成分を除去した後の画素情報から線減弱値μｔは精度良く演算可能である。

次いで、データプロセッサ３５は、上述した３つのエネルギー領域Ｂｉｎ_１〜Ｂｉｎ_３の合焦画像ＩＭ_１〜ＩＭ_３のそれぞれにおいて、画素位置が互いに対応し、かつ、その関心領域ＲＯＩを構成する各画素の線減弱値μｔを読み取り、ベクトル化する（ステップＳ１３２：図８参照）。

つまり、各画素について３次元の線減弱ベクトル（μ_１ｔ、μ_２ｔ、μ_３ｔ）を作成する（図９参照）。この３次元線減弱ベクトル（μ_１ｔ、μ_２ｔ、μ_３ｔ）には未だ、厚さｔ及び密度のファクタが含まれているので、このベクトル自体は厚さｔに由来するＸ線減弱量を含んでおり、純粋に物質固有の指標を示している訳ではない。それは、Ｘ線スキャノグラムやＸ線単純撮影と同様に、検査対象ＯＢの厚みｔは通常、未知のため、Ｘ線固有の線減弱係数μ_１、μ_２、μ_３を求めることができないからである。ましてや、１つの３次元線減弱ベクトル（μ_１ｔ、μ_２ｔ、μ_３ｔ）だけでは、他のノイズ成分に埋もれて、物質固有の情報を求めることは困難である。

そこで、本発明者等は、この３次元線減弱ベクトル（μ_１ｔ、μ_２ｔ、μ_３ｔ）を正規化し且つそれを散布点の分布（集合）で扱うことで物質同定が可能になることを見出した。

まず、各３次元線減弱ベクトル（μ_１ｔ、μ_２ｔ、μ_３ｔ）を下記の式（７）によって単位長さ（長さ１）に正規化（又は規格化）し、厚さｔ及び密度のファクタが入らない３次元質量減弱ベクトル（μ_１m、μ_２m、μ_３m）を作成する（ステップＳ１３３）。
（μ_１m、μ_２m、μ_３m）
＝（μ_１ｔ、μ_２ｔ、μ_３ｔ）／（（μ_１ｔ）^２+（μ_２ｔ）^２+（μ_３ｔ）^２）^１／２
＝（μ_１、μ_２、μ_３）／（μ_１ ^２+μ_２ ^２+μ_３ ^２）^１／２ …（７）

勿論、この正規化は３次元質量減弱ベクトル（μ_１m、μ_２m、μ_３m）それぞれの長さを揃えることであり、必ずしも長さ＝１でなくてもよく、任意の長さでもよい。なお、記号μは正規化前の線減弱係数を示し、記号μ_mは正規後の線減弱係数を示している。後述する図１１に示す減弱係数μ_mは、正規化された３次元質量減弱ベクトル（μ_１m、μ_２m、μ_３m）の成分（係数）を示し、ここでは、質量減弱係数と呼んでいる。

このように正規化することで厚さｔ及び密度のファクタは消えるので、質量減弱係数μ_１m，μ_２m，μ_３mを互いに直交軸とする３次元座標上で、３次元質量減弱ベクトル（μ_１m、μ_２m、μ_３m）それぞれを座標原点に始点を置けば（ステップＳ１３４）、その終点の位置座標、即ち、３次元座標上におけるベクトルの傾きは物質固有の情報（物質の種類や性状を固有的に表す固有情報）を表している。

このように本実施形態では、Ｘ線減弱を示すベクトル量を、正規化前には線減弱ベクトル（μ_１ｔ、μ_２ｔ、μ_３ｔ）として扱い、正規化後には質量減弱ベクトル（μ_１m、μ_２m、μ_３m）として扱うようにしている。本実施形態では何れも３次元で処理しているが、２次元であっても同様である。

このステップＳ１３４における処理は、例えば、図８に示すように、ＲＯＭ３３に予め格納されていた、質量減弱係数μ_１ｍ、μ_２ｍ、μ_３ｍを表す直交３軸の座標データを空間生成（表示用）のために読み出し（Ｓ１３４−１）、この直交３軸の例えば長さ＝１を通る部分球面をメモリ空間に設定し（ステップＳ１３４−２）、この部分球面に、原点Ｏから各３次元質量減弱ベクトル（μ_１m、μ_２m、μ_３m）の先端を配置（打点又はマッピングとも呼ばれる）する（ステップＳ１３４−３）。

なお、各画素に対して正規化の式（７）で置き直された３次元質量減弱ベクトル（μ_１m、μ_２m、μ_３m）の３次元傾き情報（つまり、ベクトル先端の３次元位置情報）は、３次元空間において物質の種類や性状によって変化する、物質固有の情報（固有情報）を擬似的に（仮想的に）表すエネルギーの散布データとも言える。このため、本発明者等は、この３次元質量減弱ベクトル（μ_１m、μ_２m、μ_３m）の先端が指し示す３次元位置、即ち、３次元質量減弱ベクトル（μ_１m、μ_２m、μ_３m）の３次元傾き情報（つまり、散布
点）の分布（集合）を「３次元散布図」とも呼んでいる。つまり、物質が変われば、３次元質量減弱ベクトル（μ_１m、μ_２m、μ_３m）の傾きが変わり、その先端が指し示す３次元位置（散布点の位置）も変わるからであり、その３次元位置の情報がＸ線フォトンのエネルギーの分布を反映している。

さらに、データプロセッサ３５は、各画素に対して、各３次元線減弱ベクトル（μ_１ｔ、μ_２ｔ、μ_３ｔ）の長さを
（（μ_１ｔ）^２＋（μ_２ｔ）^２＋（μ_３ｔ）^２）^１／２ …（８）
として演算する。この式（８）で表される量は、Ｘ線が透過した物質において透過しなかったＸ線の吸収量（減弱値）に対応するもので、物質中のＸ線ビームそれぞれの透過パスの長さ（Ｘ線パスの点からは物質の厚さと言える）に依存した量である。しかし、この吸収量は、線源弱係数μの要素を含んでいるので、スカラー量として生成された上記（８）式で演算された値が偶然一致しない限り、物質の種類や性状を表すことができる。この点から、この吸収量は、固有情報に付随しつつ、かつ物質の種類や性状を表す要素を含んだ情報である。このため、画素毎に上記（８）式で演算される吸収量は、固有情報に付随（又は補完）する情報であり、依然として、殆どの検査、診断において、物質の種類や性状を表し得る。この吸収量を画素値とする画像は、さらに、従来の吸収画像の代替画像としても使用できる。

このため、この吸収量を階調化した値を画素値とする画像を作成する（ステップＳ１３５）。本発明者等は、この３次元質量減弱ベクトルの長さを擬似的に（仮想的に）Ｘ線吸収量に相当する「吸収ベクトル長」と呼び、これを画素値とした画像を「吸収ベクトル長画像（又は、従来の吸収画像との対比においては疑似的な吸収画像とも言える）」と呼んでいる。この吸収ベクトル長画像は、Ｘ線の入射エネルギースペクトラムの形状に依存し難いことから安定した画像であり、線減弱値μｔを総合的に反映している。この結果、この吸収ベクトル長画像はコントラストの強い画像になる。この吸収ベクトル長画像を画像メモリ３６に保管しておいて、必要なときに表示器３８で表示するようにしてもよい。特にＸ線のビームハードニングが強い質量の大きな物質に対して特徴的な画像を得ることができる。

最後に、データプロセッサ３５は、上述した３次元散布図のデータを物質（の種類や性状）に固有の固有情報として、また吸収ベクトル長画像のデータを固有情報に付随した付随情報（補完情報とも言える）として画像メモリ３６に保存し（図６、ステップＳ１４）、必要に応じて、それらを例えば表示器３８を介してユーザに提示する（ステップＳ１５）。

以上のように、光子計数型の検出器２４により収集されたエネルギー領域別のＸ線光子計数値に基づいて、ラミノグラフィー法の下であっても、検査対象ＯＢの厚さに無関係に物質固有の情報を取得することができる。これは以下に説明する物質固有情報の表示及び解析と組み合わせると大いなる優位性を発揮する。

［固有情報の表示及び解析の一例］
この物質の固有情報の表示及び解析の処理は、例えば前述したステップＳ１５の一環として実行される。データプロセッサ３５は、例えばユーザから指示に応えて、上述した固有情報を表示する。具体的には、正規化された線減弱係数μ_１、μ_２、μ_３を３軸とする３次元座標空間に半径＝１の球表面を設定する（図１０、ステップＳ３１）。

次いで、各画素の３次元質量減弱ベクトル（μ_１m、μ_２m、μ_３m）から成る３次元散布図をその３次元座標空間の原点を始点とし、その終点を、一例として、同一面として機能する球表面上（径＝１に正規化された球面）に配置（打点、マッピング）して表示する（ステップＳ３２）。この打点された球表面上の終点の分布は物質固有の情報に基づく、物質固有の散布点の集合（集まり）となる。このため、たとえ画素間で厚さｔが互いに異なる物質が検査対象であったとしても、その厚さｔのファクタには依存しない散布点の分布である。

図１１に、この散布点の分布を３次元散布図として、正規化された球表面の一部（同一面の一部）に打点した例を模式的に示す。

次いで、データプロセッサ３５は、図１２（Ａ）に示すように、その散布点をグルーピングし（点線の囲み参照：ステップＳ３３）、同図（Ｂ）に示すように、グループ分けされた散布点の重心位置ＧＲを演算する（ステップＳ３４）。次いで、同図（Ｃ）に示すように、各散布点グループの重心位置ＧＲと原点とを結ぶベクトルＶobjを演算する（ステップＳ３５）。

次いで、このベクトルＶobjを予め保有している基準データに比較して、物質の種類や性状を同定又は特定する（ステップＳ３６）。基準データには、例えば記憶テーブルとして、予め物質の種類や性状に応じて測定したベクトルＶobjの３次元傾きが許容幅と共に記憶されている。このため、演算したベクトルＶobjの傾きがその許容幅に入るか否かで物質同定を行うことができるとともに、ノイズとなるベクトル情報を排除できる。同定された情報は保存される（ステップ、Ｓ３７）。

なお、前述したステップＳ１５において、３次元散布図及び吸収ベクトル長画像は様々な態様で提示・提供できる。例えば、データプロセッサ３５は、３次元散布図及び吸収ベクトル長画像を表示器３８に分割表示してもよいし、最初に３次元散布図を表示し、ユーザから要請に応じて補助的に吸収ベクトル長画像を表示させるようにしてもよい。

＜本発明に係る独特の画像表示処理＞
以下に、この第1の実施形態における独特の画像表示処理を説明する。
この画像表示処理は、本発明者が「散布図の等高線表示」と読んでいる画像処理法である。この処理法を図１３〜図１９を参照して説明する。

まず、データプロセッサ３５は、前述した図８のステップＳ１３２で演算される各画素における、正規化前の３次元線減弱ベクトル（μ_１ｔ、μ_２ｔ、μ_３ｔ）、又は、同図、ステップＳ１３３で演算される各画素における、正規化後の３次元質量減弱ベクトル（μ_１m、μ_２m、μ_３m）を例えば画像メモリ３６から読み出す（図１３、ステップＳ４１）。以下、これらの２種類のベクトルを、正規化前の３次元線減弱ベクトル（μ_１ｔ、μ_２ｔ、μ_３ｔ）で代表させて説明する。

この３次元線減弱ベクトル（μ_１ｔ、μ_２ｔ、μ_３ｔ）は、各画素において、図１４に示すように３次元表示される。そこで、データプロセッサ３５は、各画素の３次元ベクトルをその偏角θ、φに分解し、その極座標表示データを作成する（ステップＳ４２）。これにより、極座標表示データには厚さｔの次元は入らなくなる。この極座標データ（θ、φ）は表示器３８に表示される（ステップＳ４３）。この表示例を図１５に示す。

さらに、データプロセッサ３５は、ユーザが表示器３８に現在、表示されている画面、即ち、極座標データ（θ、φ）に拠る散布点の２次元的広がりをそのまま観測しようとしているか否かをインターラクティブに判断する（ステップＳ４４）。この判断においてＹＥＳの場合は、そのまま次のユーザ指示があるまで待機する（ステップＳ４５）。これに対し、ステップＳ４３の判断においてＮＯとなった場合、データプロセッサ３５は、ユーザからの情報に基づいて格子状の領域ＲＯＩ_div（関心領域）を設定する（ステップＳ４６：図１６参照）。この格子状のＲＯＩは、散布点の２次元的広がりを細かく分割した所定の形状及びサイズの複数の領域に散布点を数え直すためのものであるので、この分割サイズや形状は任意である。

データプロセッサ３５は更に、複数の領域ＲＯＩ_divそれぞれに入る散布点の数Ｈをその領域毎に集計して画像メモリ３６に一時的に保存する（ステップＳ４７）。この後、データプロセッサ３５は画像メモリ３６からその集計値（散布点数（付加情報として機能する））Ｈを読み出し、図１７に模式的に示すように、２つの偏角θ、φ及び集計値Ｈを各軸に充てた３次元座標にマッピングし（ステップＳ４８）、等高線を演算し（ステップＳ４９）、これを表示器３８に表示させる（ステップＳ５０）。この等高線の演算には、スムージング処理を併用することが好適であり、これにより、統計ノイズを減らすことができる。

この３次元の高さ表示図には、図１８（Ａ），（Ｂ）からも判るように、対象物ＯＢの組成、即ち、その対象物ＯＢを成す１種又は複数種の元素の実効原子番号を示す散布点の数Ｈに応じた濃淡の画素値で表される。このため、この３次元の高さ表示図上で、一定濃度幅毎に等高線を描出させれば（ステップＳ４９）、地図の等高線と同様の等高線表示が可能になる（図１９参照）。この等高線を参照した場合には、２次元等高線表示図は、散布点数（付加情報としての高さ情報）Ｈに依存した１つ又は複数の山なりのピーク又は広がりを持つ。このピーク又は広がりは勿論、実際には、それらの元素の種類（異物が混入しているか否かも影響する）や実効原子番号に応じて複雑になり、それぞれのピークは急峻な又は比較的平坦に散布する点の分布（広がり、集合）である。図１７では単純化して示している。

この２次元等高線表示図において、ピーク又は広がりの頂点に近づくほど、散布点数Ｈが多くなり、同じ原子番号を持つ組成の密集度がより高いことを表している。したがって、多くの場合、この密集度の高い組成（物質）が判れば、対象物ＯＢ又は対象物に含まれる関心部位や異物の種類、性状を知ることができる。仮に、特定の原子番号の1種類の物質を検査する場合であって、ノイズが一切無いと仮定すると、この２次元等高線表示図において１つの急峻なピークを呈することなる。しかし、実際の測定系には、様々なノイズがあること、検査対象には空気を含め様々な原子番号の元素が含まれるので、２次元等高線表示の散布具合は複雑な等高線模様を呈することが多い。検査対象には、通常、複数の元素が含まれるので、ここでは実効原子番号で説明している。

そこで、データプロセッサ３５はユーザとの間で、２次元等高線表示図の３次元的な散布状態を分析し、対象物ＯＢを成す組成（物質）の種類及び／又は性状を分析・同定する（ステップＳ５０）。この分析法としては、予め取得していた種類及び／又は性状が既知の物質の基準散布データと比較したり、ピーク間の偏差を演算して推定したりすることが挙げられる。この分析・同定結果は例えば表示器３８を介してユーザに示される（ステップＳ５１）。

したがって、この第１の実施形態によれば、各画素から収集した３次元線減弱ベクトル（μ_１ｔ、μ_２ｔ、μ_３ｔ）を３次元散布図として単に表示・観測することに限らず、表示のバリエーションを増やすことができる。特に、この２次元等高線表示図は、図１５に示すように、一度、２次元の偏角θ、φのデータに変換していることが大きな特徴である。

この２次元偏角θ、φデータの分布は、３次元散布図（図１１，１２参照）における観察者の見る視点（即ち、３次元又は２次元の表示データを作成するときの透視視点）の位置の影響を受けていない、という特徴がある。これにより、散布状況を観察するときに散布図の見え方が視点の位置や方向への依存性を排除したいという観点から、画像表示の正規化が図られ、物質同定や異物（つまり物質）同定において、より安定した表示がなされる。

なお、上記実施形態において、等高線表示を更に展開させることもできる。例えば、ステップＳ４９において、一定濃度幅毎に白黒の輝度を変えて表示する濃度表示（白黒輝度表示）のデータを演算するようにしてもよい。又は、このステップＳ４９において、散布点数が一番大きい地点である高さピークを示す地点を例えば３原色のうちの一つを色中心として決め、散布点数の減と共にその色の濃度（又は色相）を変えて表示する（色濃度（色相）勾配表示）のデータを演算するようにしてもよい。これに依り、図１９の（Ａ）部分に部分的に示すように、単なる等高線の強調表示に加えて、その等高線間の幅をも強調した図が提供され、表示の豊富化を図ることができる。

＜第２の実施形態＞
この第２の実施形態は、上述した「散布図の等高線表示」の画像処理法をサブトラクション法まで展開した手法に関する。

なお、第２の実施形態以降の説明において、前述した第１の実施形態で説明した構成要素と同一又は同等のものには同一符号を付して、その説明を省略又は簡単化する。この記載の仕方は第３の実施形態及びそれ以降の実施形態においても同様である。第２の実施形態及びそれ以降の実施形態に係る処理は、いずれもデータプロセッサ３５によりユーザとの間でインターラクティブに又はデフォルト設定により自動的に実行される。

図２０〜図２６を参照して、食用カップ麺にゴキブリ等の異物が混入していないか否かを検査する異物検査の画像処理法を説明する。

この実施形態では、図１に示すＸ線検査装置をインライン型の異物検査機として実施した例として説明する。図２０に示すように一般に市販されているカップ麺ＣＭはベルトコンベアＢＴ上を搬送させながら、そのデータ処理装置１２に搭載したデータプロセッサ３５により、図２１に例示する異物判定処理が一定時間Δｔ毎に繰り返し実行される。

データプロセッサ３５は、前述した第１の実施形態と同様に、異物検査したいカップ麺ＣＭ（図２１参照）をスキャンして取得した画素毎の３次元線減弱ベクトル（μ_１ｔ、μ_２ｔ、μ_３ｔ）を取得し（図２１、ステップＳ６０）、前述したように、そのベクトル量を示す極座標データから２次元の偏角データ（θ、φ）を演算する（ステップＳ６１）。カップ麺ＣＭには、例えば乾燥した麺、及び、味付け用のソースが入っているものとする。

この２次元の偏角データ（θ、φ）は表示器３８に表示される（ステップＳ６２）。この偏角データの散布図像Ｆhenには、図２２に模式的に示すように、乾燥麺の分布Ｄnd及びソースの分布Ｄscのほか、異物としての昆虫が混入している場合には、それらの分布Ｄnd、Ｄscの間に、昆虫の分布Ｄinが位置する。そこで、データプロセッサ３５は、それらの分布Ｄnd、Ｄsc、Ｄinの画素値の等高線データを演算し表示する（ステップＳ６３）。これにより、図２３に模式的に示される等高線画像Ｆtoが得られる。さらに、この等高線画像Ｆtoから前述した、小領域毎の散布点数Ｈをもう一つの次元に持つ３次元の散布点数像を演算し、表示する（ステップＳ６４）。これにより、図２４に模式的に示される３次元の散布点数像Ｆacが得られる。この時、勿論、図２３に示す等高線画像Ｆtoを介さずに、直接、図２２に示す偏角データ散布図像Ｆhenから図２４に示す散布点数像Ｆacを演算・表示してもよい。

図２４の散布点数像Ｆacによれば、乾燥麺を示す等高線分布Ｅnd、ソースを示す等高線分布Ｅsc、及び異物としての昆虫を示す等高線分布Ｅinが表示される。通常、昆虫を示す等高線分布Ｅinのピーク値や広がりは他の分布のそれらに比較して小さい。そこで、データプロセッサ３５は、予め取得しＲＯＭ３３等の媒体に保存していた基準散布点数像Ｆrefをワークエリアに呼び出す（ステップＳ６５）。この基準散布点数像Ｆrefのデータは図２５に示す如く、昆虫等の異物が混入していない正常なカップ麺をＸ線スキャンして得ていた３次元図である。つまり、この基準散布点数像Ｆrefには、乾燥麺を示す等高線分布Ｅnd及びソースを示す等高線分布Ｅscしか描出されていない正常時のデータである。

データプロセッサ３５は、次いで、それら図２４及び図２５に示す、散布点数像Ｆacと基準散布点数像Ｆrefにおいて画素毎に相互の差分を演算する（ステップＳ６６）。勿論、カップ麺に異物が混入していることは事前には当然のことながら不明であるので、この差分は、ベルトコンベアに載って流れてくる検査対象のカップ麺ＣＭを一定周期でスキャンして得た散布点数像Ｆac像のそれぞれと基準散布点数像Ｆrefの画素毎に逐一、相互にされる。この差分された散布点数像Ｆdifも表示される（ステップＳ６８）。

さらに、データプロセッサ３５は、差分散布点数像Ｆdif像のデータから所定の閾値を超える昆虫分布Ｄinが存在するか否かを画素値比較により判断する（ステップＳ６８）。カップ麺ＣＭに昆虫が異物として存在している場合、図２６に示すように、昆虫を示す等高線分布Ｅinだけが残っていることになる。そこで、データプロセッサ３５がステップＳ６８でＹＥＳ（異物あり）と判定した場合、異物混入の警報を発する（ステップＳ６９）。勿論、異物が無い場合は、アラーム処理を行わず、最初の処理に戻る。

この実施形態によれば、前述した第１の実施形態の作用効果に加えて、差分結果として３次元の差分散布点数像Ｆdifが得られるので、微小な変化、即ち、昆虫等の、微小なサイズで且つＸ線吸収量が小さい異物が混入したことに因る微小な変化を捉えやすくなる。この変化は、カップ麺の中の異物の混入位置とは無関係に散布図に描出される。この点においても、単にＸ線透過像の濃淡で異物を見つける従来の検査法よりも有利である。

＜第３の実施形態＞
この第３の実施形態は、上述した「散布図の等高線表示」の画像処理法を重心比較法まで展開した手法に関する。これを、図２７〜図２９を参照して、同様に、カップ麺の異物検査を例に挙げて説明する。

これを実施する異物検査機は、前述した第２の実施形態と同様に構成されている。データプロセッサ３５は、図２７において、前述した図２１と同様に、ステップＳ６０〜Ｓ６３まで処理を行う。

次いで、データプロセッサ３５は、ステップＳ６３により得られた等高線画像Ｆtoから、この画像上に描出されているであろう、乾燥麺の分布Ｄnd、ソースの分布Ｄsc、異物としての昆虫が混入している場合には、昆虫の分布Ｄinの重心位置Ｇnd,Ｇsc,Ｇinを演算し、例えば等高線画像Ｆto上に表示する（ステップＳ７１）。勿論、昆虫の分布Ｄinはそれが存在している場合に重心位置の演算対象になる。勿論、この段階ではデータプロセッサ３５はその分布が混入した昆虫に因るものだと認識しているわけではない。

このため、データプロセッサ３５は次に、事前に取得していた基準となる重心位置データＧrefをＲＯＭ３３から読み出す（ステップＳ７２）。この基準重心位置データＧrefは、図２８に示すように、カップ麺ＣＭの内部に昆虫等の異物が混入していない正常な状態における２次元の参照情報であり、麺自体の重心位置Ｇndとソースの重心位置Ｇscを有する。次いで、データプロセッサ３５は、等高線画像Ｆto上の各重心の位置と基準重心位置データＧrefとを例えば差分演算により比較し（ステップＳ７３）、異物の有無を判断す
る（ステップＳ７４）。この判断は、差分により例えば、正常であれば見つかる筈のない異物の分布Ｄinの重心Ｇinが許容範囲を超えて検出される場合（図２９参照）、異物有りと判断される。

この後は、前述と同様に、異物有りとの判断の場合にはアラームを発生させる（ステップＳ７５）。

したがって、本実施形態によっても、各分布の重心位置の演算及び基準データとの比較演算という、比較的簡単な処理により、容易に異物を判断することができる。

＜第４の実施形態＞
この第４の実施形態は、上述した「散布図の等高線表示」の画像処理法を重心比較法まで展開した手法に関するもので、前述した第３の実施形態に係る重心比較法を一層簡素化したものである。これを、図３０〜図３１を参照し、かつ、第３実施形態の構成説明を流用して説明する。

データプロセッサ３５により、前述したステップＳ６０〜Ｓ６３の処理がなされる（図３０参照）。この後、データプロセッサ３５は、偏角データθ、φの散布図像Ｆhen上で、同図上の複数の分布Ｄnd、Ｄsc、（Ｄin）の全体の重心位置Ｇ_allを演算する（ステップＳ６４）。これにより、例えば図３１に示すように、偏角データθ、φの散布図像上で１つの点Ｇ_allが指定される。次いで、前述と同様に、事前に測定してＲＯＭ３３に保管していた、異物の無い状態での全体重心位置の参照データＧ_allrefが呼び出される（ステップＳ６５：図３１参照）。このとき、参照データＧ_allrefの位置に対して、実際の重心位置Ｇ_allは異物がある分、散布図像Ｆhenで位置のシフトΔｄが生じている。

このため、データプロセッサ３５はこの位置シフト量Δｄを検出するとともに、その位置シフト量Δｄを所定の閾値Δｄ_refと比較する（ステップＳ６６、Ｓ６７）。この結果、Δｄ＞Δｄ_refの場合には、異物有りと判断されてアラームが鳴らされる（ステップＳ６８）。
これによっても、前述した実施形態と同様の作用効果が得られる。

＜第５の実施形態＞
第５の実施形態は、前述した第４の実施形態において説明した重心比較法を変形した例に関する。

異物検査において、異物が検査対象物に対してサイズ的に小さいもの、或いは、Ｘ線の透過によるコントラストが通常の組織や組成、即ち、検査対象を成す元素の実効原子番号がそれほど変わらない場合も多々ある。このような場合、前述した第４の実施形態において検出される位置シフト量Δｄが微小であり、異物か否かを判断し難い場合も想定される。そこで、この第５の実施形態では、このような事態を考慮した重心比較法が提供される。ハード的な構成はこれまでの実施形態で説明してきたものと同一である。

データプロセッサ３５は、前述した図３０の処理を行う中で、ステップＳ６７においてΔｄ」Δｄ_refの場合（ステップＳ６７でＮＯの判断）、図３２の処理に移行する。つまり、異物が混入していないかもしれないし、混入していたとしても上述した事情により重心の位置シフト量Δｄが小さい場合であり、異物混入の有無をより精密に行いたい場合、この図３２の処理が実行される。

データプロセッサ３５は、図３２の処理に移行すると、偏角データの散布図像Ｆhen（図３３参照）を読み出して、表示器３８に表示する（図３２、ステップＳ８１参照）。次いで、この偏角散布図像Ｆ_henを分割ラインＬＮで例えば碁盤目状の複数の小領域に分割する（ステップＳ８２，図３４参照）。勿論、この分割状態は表示器３８に表示してもよいし、メモリ上の演算であってもよい。この小領域のサイズ、形状、更に数は任意であり、求めたい異物混入の判定精度と演算量とのバランスを考慮して決められる。次いで、データプロセッサ３５は、上述の小領域毎に画素値の濃淡度の重心位置を演算し、それを重心位置パターンＰＴ_Ｇとして記憶すると共に、必要に応じて表示する（ステップＳ８３）。この重心位置パターンＰＴ_Ｇも物質の固有情報に基づく情報であるので、物質の種類や性状が同じであれば、つまり、実効原子番号が同じ元素でできている物質或いは対象物であれば、このパターンも理論上、変わらない。

この重心位置パターンＰＴ_Ｇを例示すると、図３５のように表すことができ、これによれば、異物が混入している場合、麺自体の重心位置パターンＰnd, ソースの重心位置パターンＰscのほかに、異物の重心位置パターンＰinが存在する。異物の混入が無ければ、異物を示す重心位置パターンＰinが存在しない。

したがって、この重心位置パターンＰＴ_Ｇの検出が終わると、データプロセッサ３５は、前述と同様に予め収集された、異物混入の無い状態を示す重心位置パターンの参照データＰＴ_Ｇref（図３６（Ａ）参照）をそのワークエリアに読み出す（ステップＳ８４）。さらに、これら２つの重心位置パターンＰＴ_Ｇ、ＰＴ_Ｇref間の差分を演算するなど、その相違を検出し（ステップＳ９５）、その差異に基づき異物の有無を判断する（ステップＳ８６）。異物の混入があると判断された場合（即ち、異物を示す重心位置パターンＰinが存在する：図３６（Ｂ）参照）、アラームが出される（ステップＳ８７）。

このように、本実施形態によれば、物質の種類や性状に起因する（つまりは、元素の実効原子番号）に起因する固有情報（偏角θ、φ）を使いながら、かつ、その固有情報の違いが微細である場合でもその差異を検出し易い重心位置パターンを用いている。これにより、より精度の高い異物の混入の有無の判定が可能になる。

したがって、Ｘ線エネルギー情報を与える散布点の散布状況を観察する態様の豊富化を図ることができる。つまり、前述したように、観察するときの方向依存性を排除できる偏角散布図の解析がより容易になる。

＜第６の実施形態＞
第６の実施形態は、サブトラクション法を前述した散布図の等高線表示に適用したもので、特に、物質の同定としては物質の性状を見極める例である。具体的な例として、人体（動物でも同じ）の骨折の治癒過程（状態の変遷）を追跡でき、その追跡情報を治療やリハビリテーションに役立てようとするものである。

例えば人体に完全骨折を生じた場合、勿論、部位にもよるが、図３７（Ａ）に示すように、骨折直後の骨Ｂｕ，Ｂｌが互いに離れた状態から、その治癒と共に、骨折部位に徐々に軟骨Ｃａが形成される（図３７（Ｂ）参照）。治癒が進むにつれて、この軟骨Ｃａの部位にカルシウムが集まり（図３７（Ｃ）参照）、これが骨Ｂｕ，Ｂｌを相互に繋いで元の状態になる。しかしながら、従来のＸ線透過画像の場合には、この軟骨Ｃａの形成過程を追跡し、元の骨Ｂｕ，Ｂｌと同じ又はそれに極めて近い状態になったか否かの判断には、Ｘ線画像を読む読影者に経験が必要であった。少なくとも骨折直後から完治と呼べる状態になるまでの軟骨Ｃａの生成状態を示す定量的なデータが示されることはなかった。

これを解消するために、本発明に係る物質同定の手法を適用する。具体的には、データプロセッサ３５は前述のようにＸ線スキャンした骨折部Ｂｂ（図３７（Ａ）参照）のフレームデータから、前述と同様に、骨折部の吸収ベクトル画像長ＩＭ_ｂ０を生成する（（図３８、ステップＳ１０１）。次いで、データプロセッサ３５は、この吸収ベクトル長画像ＩＭ_ｂ０上の骨折部Ｂｂを囲うＲＯＩ（関心領域）を設定し（ステップＳ１０２）、このＲＯＩの部分の初期の３次元等高線図ＥＱ_ini（図３９（Ａ）参照）を前述と同様に演算し、表示器３８に表示するとともに、画像メモリ３６にそのデータを格納する（ステップＳ１０３）。この３次元等高線図には、骨Ｂｕ，Ｂｌの分布のほか、骨以外の成分を示す分布Ｂothersが描出される。

その後、所用の期間を経て（例えば１週間）、データプロセッサ３５は、再び、骨折部ＢｂのＸ線スキャンによりフレームデータから、吸収ベクトル画像ＩＭ_ｂ１を生成する（ステップＳ１０４）。この画像ＩＭ_ｂ１に再びＲＯＩが設定され（ステップＳ１０５）、その診断用の３次元等高線図ＥＱ_diaが演算、表示及び格納される（ステップＳ１０６）。この３次元等高線図ＥＱ_diaには、治癒が進んでいる場合、図３９（Ｂ）に模式的に示すように、初期の分布に加えて、軟骨Ｃａが形成され、又は、カルシウムが集まり初めた軟骨Ｃａの分布ができる。

次いで、データプロセッサ３５は、初期の３次元等高線図ＥＱ_iniのデータ及び診断用の３次元等高線図ＥＱ_diaを画像メモリ３６から読み出し（ステップＳ１０７）、両画像の座標位置毎の差分を演算する（Ｓ１０８）。

さらに、データプロセッサ３５は、その差分結果を、治癒過程を示す情報としての３次元等高線図ＥＱ_tochuを表示器３８に表示するとともに、画像メモリ３６に保存する（診断情報の提示：ステップＳ１０９）。この差分演算ため、３次元等高線図ＥＱ_tochuには、診断用の３次元等高線図ＥＱ_diaに新たに生成された分布Ｃａのみが図３９（Ｃ）に描出される。

このように、本実施形態によれば、従来のＸ線画像では殆ど読影できなかった、又は、読影が難しかった骨折部の軟骨生成状態をタイムリーに可視化できる。また、上述した差分結果を示す３次元等高線図ＥＱ_tochuの分布の図上での位置の移動距離及び密集度を定量的に評価することで、軟骨生成過程がどの程度まで進んでいるか、即ち、治癒が進んでいるか否かを的確に判断し易くなる。つまり、治癒が進んで、軟骨Ｃａにカルシウムが集まるにつれて、その軟骨Ｃａの性状が元の骨Ｂｕ，Ｂｌに近づく。つまり、組成で言えば、軟骨の実効原子番号が元の骨のそれに近づくことを意味する。このような従来では捉えきれなかった軟骨の僅かな成長過程（性状の変化）をタイムリーに捉えることができることで、骨折治療に有用な情報を提供できる。これにより、例えば、治癒過程において再手術が必要か否か等の判断も迅速に行うことができる。

さらに、本実施例によれば、前述した３次元質量減弱ベクトル（μ_１m、μ_２m、μ_３m）又は３次元線減弱ベクトル（μ_１ｔ、μ_２ｔ、μ_３ｔ）を用いて等高線分布図を作成していることから、初期と診断用の両吸収ベクトル長画像ＩＭｂ０、ＩＭｂ１それぞれにＲＯＩを設定するときに、そのＲＯＩの画像上での位置合わせに神経質になることは無い、という利点もある。つまり、少なくとも骨折部Ｂｂを含んだＲＯＩであればよく、読影者の操作上の負担も少ない。

なお、本実施例は、より広義には、２つの異なるタイミングそれぞれにおいて同一部位をＸ線スキャンして得た３次元又は２次元の質量又は線（Ｘ線）の減弱ベクトルから２次元又は３次元の等高線図をそれぞれ演算し、その差分を採って、その部位の状態の変化を評価することである、と解釈できる。このため、この評価法は、必ずしも実施例で説明した骨折部の骨の繋がり具合を観察するだけでなく、時系列で状態遷移が見られる対象物又はその部位であれば適用できる。

したがって、Ｘ線エネルギー情報を与える散布点の散布状況を観察する態様の豊富化を図ることができる。つまり、前述したように、観察するときの方向依存性を排除できる偏角散布図の時系列における解析がより容易になる。

＜第７の実施形態＞
第７の実施形態は、本発明者がカテゴライズ（分類、分境）線法と呼んでいる、散布図上で２つの物質を分類するときの解析法に関し、この解析において、前述した２次元の偏角データ（θ、φ）の散布図像が利用される（例えば図２２参照）。

いま、２つの互いに異なる種類の物質Ａ，Ｂが組成的に混合されて構成される１つの検査対象物がＸ線スキャンされたと仮定する。この場合、データプロセッサ３５は、図４０のステップＳ１２１において、前述したように、この検査対象物のＸ線スキャン又はＸ線撮影（スキャンしないショット撮影）で得られたフレームデータから、前述したと同様に、２次元の偏角データ（θ、φ）で構成される偏角データ散布図ＤＣ１を演算し、表示器３８に表示する。この表示画像の例を図４１の模式的に示す。図４１において、分布ＤＡ，ＤＢが物質Ａ，Ｂの散布点の広がり（又は集まり、集合）をそれぞれ示す。この分布ＤＡ，ＤＢは通常、互いに明瞭に分離されていることは少なく、分布同士が部分的に混じり合って、その境目が不明瞭なことが多い。このため、そのような場合に、本実施例のカテゴライズ線が有効になる。

そこで、データプロセッサ３５は、オペレータとの間でインターラクティブに、物質Ａと物質Ｂに組成的に近く（つまり、この場合、物質Ａ，Ｂの種類（つまり実効原子番号）は予め既知である）、かつ、これらの物質Ａ，Ｂとほぼ同じＸ線吸収値をＸ線エネルギー領域Ｂｉｎ１〜Ｂｉｎ３で示す参照物質Ｃの厚みを計測し（又は、事前計測してある厚みを読み出し）、同様に偏角データ散布図ＤＣ２を表示する（ステップＳ１２２）。この偏角データ散布図ＤＣ２の例を図６０に示す。

次いで、一方の散布図ＤＣ１において物質Ａ，Ｂのそれぞれの散布点の分布の重心ＧＡ，ＧＢと、他方の散布図ＤＣ２において参照物質Ｃの散布点の分布の重心ＧＣ、長軸ＬＡ、及び短軸ＳＡを決定する（ステップＳ１２３）。勿論、２つの散布図ＤＣ１，ＤＣ２は１つの表示器３８の画面に表示されていても良いし、２つの表示器に分かれて表示されていてもよい。また、この２つの散布図ＤＣ１，ＤＣ２が１つの２元座標上（θ、φ）で表示されてもよい。

次いで、データプロセッサ３５は、一方の散布図ＤＣ１における物質Ａ，Ｂの重心ＧＡ，ＧＢを結ぶ直線Ｌを演算し（ステップＳ１２４）、参照物質Ｃの長軸ＬＡ及び短軸ＬＢを、座標軸（θ、φ）を合わせた状態で直線Ｌに交差させるときに、より９０°に近い角度で交差する、参照物質Ｃの長軸又は短軸の傾きを選択的に求め、この傾きを、求めたいカテゴライズ線Ｈの傾きとして決定される（ステップＳ１２５：図４３参照）。この例の場合、図４１及び図４２から、参照物質Ｃの長軸ＬＡの傾きがカテゴライズ線Ｈの傾きとして記憶される。このため、図４４に示すように、一方の散布図ＤＣ１に、決定した長軸ＬＡの傾きを持つ直線状のカテゴライズ線Ｈがそのデフォルト位置に表示される（ステップＳ１２６）。

さらに、データプロセッサ３５はユーザとの間でインターラクティブに、表示したカテゴライズ線Ｈを散布図ＤＣ１上で移動させる必要があるか否か判断する（ステップＳ１２７）。移動させる場合、インターラクティブにオペレータのマニュアル指示に従って散布図ＤＣ１の画面上でカテゴライズ線Ｈを示す移動させる（ステップＳ１２８）。この結果、デフォルト位置にあったカテゴライズ線Ｈが平行に物質Ａの分布又は物質Ｂの分布に向かって移動させる（図４４の矢印ＹＪ_Ａ，ＹＪ_Ｂを参照）。このカテゴライズ線Ｈの移動調整が終わると、データプロセッサ３５は、散布図ＤＣ１上で所望の分布解析や表示処理を実行する（ステップＳ１２９）。ステップＳ１２７の判断がＮＯ（移動不要）となるときには、上記ステップＳ１２９の処理を実行して処理を終える。

この散布図ＤＣ１上で所望の分布解析の一つに、散布図ＣＮＲ（信号対雑音比）の演算を行い、その演算値に基づいて物質Ａ，Ｂの２つの分布がどの程度分離しているか確認する手法がある。この散布図ＣＮＲにおいては、図４５に示すように、カテゴライズ線Ｈと物質Ａ，Ｂの重心ＧＡ，ＧＢを結ぶ線Ｌとが交わる点を原点Ｏとし、物質Ａ，Ｂそれぞれの各散布点からカテゴライズ線Ｈに向かって平行な線を引き、その交点と原点との距離をｄ_Ａｊ，ｄ_Ｂｊ（ｊ＝１，２、…、ｉ＝１，２，…：ｉ，ｊは各分布の散布点の数）の二乗平均値が演算される。この二乗平均値は信号対雑音比の一つの指標を表わす。一例として、物質Ａ，Ｂの両分布に対する二乗平均値が互いに同じになるカテゴライズ線Ｈの位置が、物質Ａ，Ｂを散布図ＤＣ１上で互いに良く分離した位置を示している。

このため、散布図ＣＮＲの演算結果を、上記カテゴライズ線Ｈの位置の修正に利用してもよい。

また、散布図ＤＣ１上で、カテゴライズ線Ｈによって分境された左右又は上下の散布点の表示色を赤と青にするなど、互いに差別化した色での表示によって物質Ａ，Ｂの混ざり具合を比較・検討できるようにしてもよい。これにより、物質Ａ，Ｂの散布点が相当に混然一体となっている散布図ＤＣ１であっても、混ざり具合の良し悪しの状態を示すことができる。

このように、検査対象物を成す物質Ａ及び物質Ｂを散布図上で的確に分境でき、これにより分境された両方の散布状態を比較解析することで、例えば、検査対象物の特定部位における物質Ａ，Ｂの混ざり具合の情報を得ることができる。

したがって、Ｘ線エネルギー情報を与える散布点の散布状況を観察する態様の豊富化を図ることができる。つまり、前述したように、観察するときの方向依存性を排除できる偏角散布図の解析がより容易になる。

＜第８の実施形態＞
第８の実施形態は、検査対象物の画像上の位置と散布図上の位置とを相互に連携させてカラー表示する例であり、３次元質量減弱ベクトル（μ_１m、μ_２m、μ_３m）又は３次元線減弱ベクトル（μ_１ｔ、μ_２ｔ、μ_３ｔ）の応用の一つである。

本実施形態では、検査対象物は、人体の乳房であり、画像は２次元の吸収ベクトル長画像であり、散布図は前述した２次元の偏角データ散布図である場合を例示する。

しかしながら、本発明の応用例はマンモグラフィに限定されるものではなく、検査対象物は人体の他の部位であってもよく、また動物であってもよいし、食品や工業製品等であってもよい。さらに、連携カラー表示に使用する、画素の濃淡によって形態を示す画像は、検査対象物の単なるＸ線透過画像であってもよいし、画素毎に焦点を最適化された２次元又又は３次元の最適焦点の透過画像であってもよいし、Ｘ線フラットパネルを用いて撮影した画像、ＣＴ撮影を行って得た吸収ベクトル長画像が各投影画像として再構成されたＣＴ断層像であってよい。

データプロセッサ３５は、一例として、人体の乳房を撮影してデータ処理した、２次元の吸収ベクトル長画像と２次元の偏角データ（θ、φ）を表示器３８に表示させる（図４６、ステップＳ１３１）。次いで、データプロセッサ３５は、インターラクティブに画像上の位置或いは部位を指定するか、又は、散布図上の位置或いは部位を指定するかについて判断する（ステップＳ１３２）。ここで、位置又は部位とは複数画素から成る範囲を言う。

ユーザが例えば、図４７（Ａ）に示すように、形態画像上で腫瘍が疑われる部位ＣＡをＲＯＩで指定したとする。この場合、データプロセッサ３５はその指定部位ＣＡを成す複数の画素の位置情報を読み取る（ステップＳ１３３）。次いで、既に演算されていた２次元の偏角データ散布図データ（図４７（Ｂ）参照）の中で、指定された画素位置に対応する偏角散布データを特定する（ステップＳ１３４）。この特定した偏角散布データに、特定の色（例えば赤）のカラー情報が付される（ステップＳ１３５）。この後、このカラー化された偏角散布データは、図４７（Ｂ）のように既に表示されている偏角散布図上に重畳表示される（ステップＳ１３６）。

この結果、図４７（Ｂ）において、参照符号ＣＡｈはそのような疑わしい部位ＣＡのカラー表示を示す。なお、参照符号ＢＲは乳腺のDense Breastを示す。このため、読影者は、偏角散布図上の赤い領域ＣＡｈの位置や広がりを観察することで、乳腺ＢＲの範疇に含まれるものか、腫瘍などの病変なのか、その判断情報を得ることができる。つまり、読影者は吸収ベクトル長画像上での疑わしい部位をＸ線エネルギー解析による物質の種類、性状という観点から確認でき、診断精度を上げることができる。

データプロセッサ３５は、次いで、吸収ベクトル長画像上で別の分析部位を指定するか、さらに解析を偏角散布図のものに変更するか否か判断する（ステップＳ１３７，Ｓ１３８）。これらの判断状況に応じて、この連動表示処理はステップＳ１３３又はＳ１３２に戻され、上述した処理が繰り返される。

一方で、上述したステップＳ１３２において解析モードが偏角散布図上の位置又は部位の指定を示している場合、データプロセッサ３５は、その指定位置又は部位が指し示す偏角データ（φ、θ）を読み取る（ステップＳ１３９）。次いで、この読み取った偏角データ（φ、θ）を呈している、形態画像上の対応する画素位置を特定し（ステップＳ１４０）、その画素位置にカラー情報（例えば赤色）を持たせ（ステップＳ１４１）、そのカラー情報に基づき形態画像上の該当する画素をカラー表示する（ステップＳ１４２）。

この結果、図４７（Ｂ）の偏角散布図上で例えばＲＯＩにより指定された部位ＦＴｈに対応した画素を持つ部位ＦＡがカラー化されて表示される（図４７（Ａ）参照）。このため、読影者が指定する偏角散布図上の関心部位が検査対象の形態画像上でどこに位置しているのか、その連携カラー表示によって一目瞭然となる。これによっても、上述と同様に、Ｘ線エネルギー解析による物質の種類、性状を示す情報と画像上の形態とを連携させて確認でき、診断精度を上げることができる。勿論、連携表示に使用する表示色としては赤以外のカラーであってもよいし、輝度の変化を用いてもよい。

データプロセッサ３５は、次いで、偏角散布図上で別の分析部位を指定するか、さらに解析を吸収ベクトル長画像のものに変更するか否か判断する（ステップＳ１４３，Ｓ１４４）。これらの判断状況に応じて、この連動表示処理はステップＳ１３３又はＳ１３２に戻され、上述した処理が繰り返される。

これによって、Ｘ線エネルギー情報を与える散布点の散布状況を観察する態様の豊富化を図ることができる。つまり、前述したように、観察するときの方向依存性を排除できる偏角散布図に基づいた、形態画像との連携カラー表示によって、その検査対象内の組織（物質）の種類や性状をより的確に読影することが可能になる。

［変形例］
＜変形例１＞
本発明は、ＤＥＸＡ法（Dual Energy X-ray Absorptiometry）と呼ばれる、エネルギーの異なる2種類のエックス線を照射し、骨と軟部組織の吸収率の差で骨密度を測定する方法に適用することもできる。

＜変形例２＞
上記実施形態に係る物質同定の手法は、必ずしも３次元座標空間で実施されることに限定されない。例えば、図３に示す頻度スペクトラムにおいて、第１及び第２のエネルギー領域Ｂｉｎ_１、Ｂｉｎ_２：Ｂｉｎ_２、Ｂｉｎ_３、又は、Ｂｉｎ_１，Ｂｉｎ_３の２つを使って前述したと同様の処理を行えば、２次元の散布図及び吸収ベクトル長画像を得ることができる。これによっても、２次元に簡便化された質量減弱ベクトルの傾き（物質固有情報）及び長さ（吸収値）によって、簡便に、前述したと同様の物質同定を行うことができる。

<変形例３>
また、前述した吸収ベクトル長画像を作成するための演算式（８）は以下のように一般化してもよい。
(a×(μ_１ｔ)²+b×(μ_２ｔ)²+c×(μ_３ｔ)²)^1/2 …（８’）

ここで、ａ，ｂ，ｃは重み付け加算を行うための任意の値を採る係数である。この式に基づいて作成される吸収ベクトル長画像は、Ｘ線管の照射条件を設計すること等に利用できる。この照射条件の設計により、例えば検査対象の物質の種類や比重等に応じた入射エネルギースペクトラムを持つＸ線をＸ線管から照射させることができる。

＜変形例４＞
また、別の変形例として、モニタ上のデフォルト表示とその回転＆シフトによる表示状態の変更の例が挙げられる。

データプロセッサ３５は、予め与えられたデフォルトの表示状態で散布図をモニタ３８に表示させる表示部を構成できる。この場合、表示された散布図の表示状態とは異なる別の表示状態を指示可能な表示状態指示部を構成できる。この表示状態指示部により指示された表示状態に応じてモニタ３８に表示されている散布図の表示を変更する表示変更部を構成できる。さらに、表示状態指示部は、２種類の散布図を回転及びシフトの少なくとも一方により、目視で相互に比較可能な態様になるように座標変換する座標変換部を含むことができる。表示変更部は、座標変換部により座標変換された２種類の散布図を重畳態様で表示させるように構成できる。

なお、上述した各種の実施形態及び変形例は単独で実施してもよいし、適宜、組み合わせて実行してもよい。

<実験例>
ところで、本発明者等は、検査対象として、比較的大形の魚類である生のブリを対象に、本発明に係るＸ線検査を行い、物質同定の機能として異物検出及び性状判定が可能か否か実験をし、かつ、その応用を考えた。この生のブリには異物としての寄生虫が入っているもの３尾を標本として用意し、寄生虫を捉えることができるか否か、実験した。実験であるので、寄生虫が入っている位置は予め知らされていた。また、ブリの良し悪しは、脂ののり具合が商品価値を上げる一つの指標になるので、物質（脂肪）の性状（脂肪の乗り具合）を調べることを目的とした。

そこで、３尾のブリをそれぞれ図１のＸ線検査装置でスキャンし、そのスキャンデータから前述したベクトル長画像（図４８参照）を作成し、表示させた。この結果、寄生虫ＰＡの陰影が確認された。

また、脂肪の乗り具合を見るために、前述と同様に偏角データ散布図（θ、φ）を描いた（図４９（Ａ））参照。この結果、その散布図上で、Ｒ１：脂肪が多い部分、Ｒ２：身と骨を中心とする部分、及び、Ｒ３：ひれ（骨質）を中心する部分の大きく分けて３つの部分を認識することができた。この散布図上で、前述したカテゴライズ線を設定し、脂肪分とそれ以外の部分とを分けた。さらに、この図４８に示した吸収ベクトル長画像と連動させ、カテゴライズ線ＬＡで分境した脂部分の散布点に対応する吸収ベクトル画像の部分（領域）を赤色で連動表示させた（図４９（Ｂ）。カテゴライズ線ＬＡの位置を実効原子番号の大小方向に移動させると、ベクトル長画像の赤色部分も広さ、位置も変わる。カテゴライズ線ＬＡは、前述したように、散布点（θ、φ）が集合している複数の散布点群をノイズを含みながらも散布点群間で分境させるように設定できるので、図４９（Ｂ）のベクトル長画像上での赤色部分は実際にブリの脂肪部分を指している。つまり、この画像を観察し処理すれば、脂肪部分の割合、即ち脂の乗り具合を判定可能であることが判った。

本発明者等は、さらに、偏角散布点にもう一つの次元Ｈ（所定領域毎の散布点の数）を加えた散布点数表示のデータを作成し、２次元等高線表示図を考案した。これを図５０に模式的に示す。等高線の間隔が狭く密集しているほど、散布点数のピークは高いことを示す。図５０において、前述した部分Ｒ１，Ｒ２，Ｒ３に対応した散布領域ｒ１（脂肪中心），ｒ２（身と骨の部分）、ｒ３（ひれ等の骨質中心の部分）のピークが描かれる。このため、この２次元等高線表示を、ベクトル長画像、偏角データ散布図、及びそれらの連携表示などと組み合わせることで、脂肪の乗り具合や異物の同定（検出）が可能であることが判った。さらに、ブリの脂肪の乗り具合には固体差があるが、この固体差を識別することも可能である。

＜変形例５＞
次いで、２次元偏角データ散布図の表示に関する別の例を説明する。この変形例は、上述したブリについて行った実験例で得られた、図４９（Ａ）の偏角データ散布図を使用して説明する。

この変形例に係る表示処理は、偏角データ散布図の局所毎の分析をより容易にするために、その偏角データ散布図を一定数の範囲で自由に分割して分割領域毎に様々な態様で表示可能なツールを提供することを特徴とする。この分割領域を伴うことが本変形例の基本であり、その上で、上述した様々な表示処理とも連携できる。この分割は、偏角データ散布図上で言えば、実効原子番号Ｚｅｆｆの大小方向において散布点の領域を複数の領域に分割することに相当する。

この表示を行うために、図５１に概説する表示処理が、データプロセッサ３５、画像メモリ３６、表示器３８、及び入力器３７によりインターラクティブに実行される。勿論、この表示処理をその表示モード毎にデフォルトで定めた手順で行ってもよい。

データプロセッサ３５は、まず、図４９（Ａ）に示す偏角データ散布図（θ、φ）を画像メモリ３６から、そのワークエリアに読み出す（図５１、ステップＳ１７１）。次いで、データプロセッサ３５は、ユーザとの間で入力器３７及び表示器３８を介してインターラクティブに、ユーザが所望する表示態様を選択するための情報を読み込む（ステップＳ１７２）。

これに応答して、データプロセッサ３５は、その情報の中に、偏角データ散布図の分割を要する表示が含まれているか否かを判断する（ステップＳ１７３）。この判断でＮＯとなるときには、そのようは分割を伴わない表示等の処理であるから、その後の処理を適宜な別の手順に委ねる。これに対し、ステップＳ１７３の判断でＹＥＳとなるときには、指定された表示モードは何れも領域分割を伴うので、データプロセッサ３５はステップＳ１７４以降の処理を順次行う。

まず、ステップＳ１７５では、指定された分割表示モードの内容を解読する。本変形例では、以下のような第１〜第３の分割表示モードが事前に用意されている。

・第1の分割表示モード：
この第１の分割表示モードでは、図５２に模式的に示すように、表示器３８に偏角データ散布図（θ、φ）を表示し、それら散布点を囲う定形又は不定形のＲＯＩ（関心領域）：ＲＯＩ_ＪＫを設定する。

このＲＯＩ_ＪＫは手書きで、つまりフリーに描いてもよいし、デフォルトで与えた散布図上の目印位置に基づく一定形状の領域であってもよいし、その一定形状を手動で微調整できるようにしてもよい。このＲＯＩ：ＲＯＩ_ＪＫは、ノイズとなる散布点を外す機能も兼ねている。このため、適宜な方法で散布点全体を囲うＲＯＩ：ＲＯＩ_ＪＫを設定し、重畳表示できればよい。

このＲＯＩ：ＲＯＩ_ＪＫが設定されると、適宜な方法で、そのＲＯＩ：ＲＯＩ_ＪＫの内部において実効原子番号Ｚｅｆｆの大小方向に沿った中心軸ＪＫが設定される。この中心軸ＪＫはマニュアルで任意に引いてもよいし、散布点の集合毎の重心の位置を演算し、この重心の位置を通る直線又はカーブした線として設定してもよい。この中心軸ＪＫを引くに際し、前述したカテゴライズ線を利用して各散布点分布の重心の位置を求めてもよい。

この中心軸ＪＫが決まると、一例として、この中心軸ＪＫに直交する１又は２以上の直線Ｌ_ＪＫを等間隔に又は不等間隔に引いてＲＯＩ：ＲＯＩ_ＪＫの内部を複数の領域に分割する。さらに各分割領域の散布点が異なるカラー付けされて、図５２に例示するようにカラー表示される。

勿論、この分割表示において、分割数、分割の幅、カラー表示の色調の具合（実効原子番号Ｚｅｆｆの大きい方から順に、又は、小さい方から順にどのような色調のグラデーションにするかなど）など、ユーザが自由に選択してもよいし、デフォルトで設定しておいてもよい。なお、カラー表示ではなく、白黒のグラデーションを付けた表示であってもよい。さらに、分割の幅としては、実効原子番号Ｚｅｆｆが中程度である領域の分布に対しては、それ以外の分布よりも小さい幅の分割幅を設定してもよい。

・第２の分割表示モード：
この第２の分割表示モードは、図５３に模式的に示すように、各分割領域の重心位置の表示を示すものである。これを行うため、この第２の分割表示モードでは、上述と同様に、表示器３８に偏角データ散布図（θ、φ）が表示され、それら散布点を囲う定形又は不定形のＲＯＩ（関心領域）：ＲＯＩ_ＪＫが設定される。

このＲＯＩ：ＲＯＩ_ＪＫが設定されると、適宜な方法で、そのＲＯＩ：ＲＯＩ_ＪＫの内部において実効原子番号Ｚｅｆｆの大小方向に沿った中心軸ＪＫが設定される。

この中心軸ＪＫが決まると、一例として、この中心軸ＪＫに直交する直線を引いてＲＯＩ：ＲＯＩ_ＪＫの内部が前述したと同様に複数の領域に分割される。この分割領域毎に、その領域内の散布点のデータの重心位置Ｇ_ＪＫが演算され、その位置Ｇ_ＪＫが分割領域毎に黒丸印として、散布点に重畳表示される。

・第３の分割表示モード：
この第３の分割表示モードは、前述した第１及び第２の分割表示モードを融合したもので、これにより、図５３に模式的に示すようにカラー表示のもとで分割領域毎にその重心位置Ｇ_ＪＫが表示される。この重心位置Ｇ_ＪＫの表示により、各分割領域の散布点が散らばっていても、その中心となる組成の実効原子番号Ｚｅｆｆを見当付けやすくなる。

更なる変形として、それぞれの分割領域の白黒のグラデーションに重心位置Ｇ_ＪＫを重畳表示するようにしてもよい。また、第２及び第３の分割表示モードにおいても、第１の分割表示モードと同様に、分割表示に関わる分割数、分割の幅（同一散布図において可変される分割幅）、カラー表示の色調の具合（又は、白黒のグラデーションの具合）について変更して実施できる。

次いで、データプロセッサ３５はステップＳ１７５にて、指定された分割表示モードに沿った散布図表示データを作成する。

次いで、ステップＳ１７６にて、データプロセッサ３５はインターラクティブに表示画面態様（１つのモニタか２つのモニタか、１つのモニタであっても分割２表示画面か通常の１表示画面かなどの画面態様）、他の画像（例えば、前述した吸収ベクトル長画像又は通常のＸ線透過を示す形態画像など）との連携表示か否か、表示の拡大・縮小を行うか否か、など情報を読み込む。次いで、この情報に沿った表示画面データを作成し（ステップＳ１７７）、これを表示器３８に表示すると共に、メモリ媒体（例えば画像メモリ３６）に記録する（ステップＳ１７８）。これらの処理は、画像表示の終了指示があるまで繰り替えされる（ステップＳ１７９）。

このため、本変形例によっても、偏角データ散布図を一定数の範囲で自由に分割して分割領域毎に様々な態様で散布データを表示し、記録することができる。これにより、偏角データ散布図の局所毎の分析をより容易に行うことができ、偏角データ散布図の使用法の多様化を図ることができ、したがって、物質同定のより精緻な分析に貢献できる。

なお、上述した図５２〜図５４の偏角データ散布図においては、分割領域数を３個に設定しているが、これは例えば上限数（一定数）を１０個にするなど、その設定は任意である。また、表示した偏角データ散布図にガウシアンフィルタを掛けてから、上述した分割領域に拠る表示処理を行ってもよい。

以上説明した実施形態及びその変形例において、データプロセッサ３５により実行される図６、図８、図１０、図１３、図２１、図２７、図３０、図３２、図３８、図４０、図４６の処理により、様々な機能的なハード構成による手段（ブロック又は部とも参照される）が構成される。これにより、データ処理装１２は、計数値取得手段、画像データ演算手段、減弱情報演算手段、固有情報生成手段、散布点演算手段、表示手段、座標変換手段、データ取得手段、第１の表示手段、第２の表示手段、関心領域設定手段、背景除去手段、表示状態指示手段、表示変更手段、付加情報演算手段（等高線データ演算手段を含む）、座標データ演算手段（差分手段、差分出力手段を含む）、付加情報表示手段、重心演算手段、重心位置情報提供手段、基準情報保有手段、重心演算手段、分境線設定手段、画像受信手段、第１の特定手段、第１の連動表示手段、第２の特定手段、第２の連動表示手段を機能的又はハード構成的に備えることができる。

以上、本発明に係るデータ処理装置、データ処理方法、及びＸ線検査装置の様々な態様について説明したが、本発明は勿論、上述した例に限定されるものではなく、特許請求の範囲の要旨を逸脱しない範囲で更に様々な態様に変更可能なものである。

１０ Ｘ線検査システムとしての、データ処理装置を搭載したＸ線検査装置
１２ データ処理装置（コンピュータシステム）
２１ Ｘ線管
２４ 検出器
２５ データ収集回路
２６ 検出ユニット
１２ データ処理装置
３２ バッファメモリ（記憶手段）
３３ ＲＯＭ
３４ ＲＡＭ
３５ データプロセッサ（ＣＰＵ）
３６ 画像メモリ（記憶手段）
３７ 入力器
３８ 表示器
１１１ 再構成部
１１２ データ処理装置
１１８ Ｘ線検査装置としての医用のリュウマチ検査装置
１１９ Ｘ線検査装置としての異物検出用の非破壊検査装置
１３８ 表示モニタ
ＯＢ 検査対象（対象物）

Claims (39)

1. Ｘ線発生装置により照射されて対象物を透過し且つ光子計数型の検出器により検出されたＸ線のｎ個（ｎは２以上の正の整数）のエネルギー領域の各別に又は当該ｎ個よりも少ない複数のエネルギー領域の各別に、かつ画素毎に、当該Ｘ線の光子の計数値を取得する計数値取得手段と、
   この計数値取得手段により取得された前記計数値に基づいて、前記Ｘ線が前記対象物を透過の状態を示す画像データを演算する画像データ演算手段と、
   この画像データ演算手段により演算された前記画像データに基づき、前記Ｘ線の前記ｎ個のエネルギー領域の各別に又は前記ｎ個よりも少ない複数のエネルギー領域の各別に、且つ、前記画素毎に又は当該画素を複数纏めた画素領域毎に、i)前記ｎ個のエネルギー領域の数と同じｎ次元数の座標上のベクトル量として表わされ且つ前記対象物の種類又は性状に固有的に依存する固有情報と、ii)当該固有情報に付随し且つ前記Ｘ線が当該対象物を通過するパスの長さに依存する付随情報とを含む、前記Ｘ線が前記対象物を透過したときに受ける当該Ｘ線の減弱を示す減弱情報を演算する減弱情報演算手段と、
   この減弱情報演算手段により演算された前記減弱情報から、前記付随情報に依存しない前記固有情報のみを生成する固有情報生成手段と、
   この固有情報生成手段により生成された前記固有情報に応じた散布点を、前記ｎ次元の座標上、又は当該ｎ次元よりも少ない次元数の座標上にマッピングする散布点を演算する散布点演算手段と、を
   備えたことを特徴とするデータ処理装置。
2. 前記画像データ演算手段は、前記計数値に基づいて、前記対象物の画像データを前記エネルギー領域毎に且つ前記画素毎に演算するように構成されている請求項１に記載のデータ処理装置。
3. 前記固有情報生成手段は、前記固有情報として、前記減弱情報演算手段により演算された前記情報から前記ベクトルの長さ成分を正規化した情報を生成し、
   前記散布点演算手段は、前記正規化された前記固有情報を前記ｎ次元の座標上にマッピングした散布点を演算する、ことを特徴とする請求項1に記載の処理装置。
4. 前記固有情報生成手段は、前記固有情報として、前記減弱情報演算手段により演算された前記情報から、前記ベクトルの長さ成分のファクタを排除した情報を生成し、
   前記散布点演算手段は、前記長さ成分のファクタが排除された前記固有情報を前記ｎ次元よりも少ない次元数の座標上にマッピングした散布点を演算する、ことを特徴とする請求項３に記載の処理装置。
5. 前記固有情報生成手段は、前記固有情報として、前記減弱情報演算手段により演算された前記情報から、前記ベクトルの長さ成分のファクタを排除した極座標に基づく情報を演算する、ことを特徴とする請求項４に記載の処理装置。
6. 前記散布点演算手段は、前記長さ成分のファクタが排除された前記固有情報を前記極座標で表したときの、当該極座標のデータのうちの１つ又は複数の偏角の情報をそれぞれ座標軸に割り当てた散布図を演算するように構成されている請求項３に記載の処理装置。
7. モニタと、
   前記モニタに、前記減弱情報演算手段、前記固有情報生成手段、及び前記散布点演算手段のうちの少なくとも1つの手段により演算又は生成された情報を表示させる表示手段と、
   を備えたことを特徴とする請求項１〜６の何れか一項に記載の処理装置。
8. 前記表示手段は、前記モニタに、前記散布点演算手段により演算された散布図を表示させることを特徴とする請求項７に記載の処理装置。
9. 前記固有情報生成手段は、
   前記減弱情報演算手段により演算された前記減弱情報を極座標で表す極座標データに変換する座標変換手段と、
   この座標変換手段により変換された前記極座標データから、前記付随情報に依存しない前記固有情報として、当該極座標データのうちの１つ又は複数の偏角の情報をそれぞれ座標軸に割り当てた散布図を取得するデータ取得手段と、
   を備えたことを特徴とする請求項１に記載の処理装置。
10. モニタと、
    このモニタに、前記画像データ演算手段により演算された前記画像データを表示させる第１の表示手段と、
    前記モニタに、前記散布点演算手段により演算された前記散布図を表示させる第２の表示手段と、
    を備えたことを特徴とする請求項９に記載の処理装置。
11. 前記ｎ次元は３次元であり、前記ｎ次元よりも少ない次元は２次元である、ことを特徴とする請求項１〜１０の何れか一項に記載の処理装置。
12. 前記ｎ次元は２次元であり、前記ｎ次元よりも少ない次元は１次元である、ことを特徴とする請求項１〜１０の何れか一項に記載の処理装置。
13. 前記モニタに表示された前記画像上で関心領域を設定する関心領域設定手段と、
    前記画像から、前記関心領域に存在し且つ前記対象物に含まれる注目物質の背景となる画素情報を除去する背景除去手段と、を備え、
    前記減衰情報演算手段は、前記断層のデータとして、前記背景除去手段により前記背景となる前記画素情報が除去された画像のデータに基づき前記減衰情報を演算するように構成されている、ことを特徴とする請求項１０に記載の処理装置。
14. 前記固有情報生成手段は、
    前記固有情報として、前記画素毎の正規化された長さを持つベクトル量が当該画素の複数の分布として示すスペクトラム情報を演算する手段であることを特徴とする請求項１０に記載の処理装置。
15. 前記ベクトル量の大きさを示し且つ前記各画素における前記対象物による前記Ｘ線の減弱度合を示すベクトル長さ情報を前記付随情報として演算するベクトル長演算手段を備えることを特徴とする請求項１〜１４に記載の処理装置。
16. 前記第２の表示手段は、予め与えられたデフォルトの表示状態で前記散布図を前記モニタに表示させる手段である、ことを特徴とする請求項１０に記載の処理装置。
17. 前記第２の表示手段により表示された前記散布図の表示状態とは異なる別の表示状態を指示可能な表示状態指示手段と、
    この表示状態指示手段により指示された表示状態に応じて前記モニタに表示されている前記散布図の表示を変更する表示変更手段と、とを
    備えたことを特徴とする請求項１６に記載の処理装置。
18. 前記表示状態指示手段は、２種類の前記散布図を回転及びシフトの少なくとも一方により、目視で相互に比較可能な態様になるように座標変換する座標変換手段を含むことを特徴とする請求項１７に記載の処理装置。
19. 前記表示変更手段は、前記座標変換手段により座標変換された前記２種類の散布図を前記重畳態様で表示させる手段であることを特徴とする請求項１７に記載の処理装置。
20. 前記散布点演算手段により演算された前記散布図を成す前記１つ又は複数の偏角の情報に基づいて前記付加情報を演算する付加情報演算手段と、
    この付加情報演算手段により演算された前記付加情報を前記散布図に加えた、当該散布図よりも１つ次元の多い座標系のデータを演算する座標データ演算手段と、を備えたことを特徴とする請求項５〜１６の何れか一項に記載の処理装置。
21. 前記座標データ演算手段により演算された前記座標系のデータを前記モニタに表示させる付加情報表示手段、を備えたことを特徴とする請求項２０に記載の処理装置。
22. 前記１つ又は複数の偏角の情報は、２つの偏角の情報でなり、
    前記付加情報演算手段は、前記２つの偏角の情報をそれぞれ座標軸に割り当てた２次元の座標上の前記散布図から、当該２次元座標の所定面積当たりの散布点の数を演算する散布点数演算手段を備えたことを特徴とする請求項２０に記載の処理装置。
23. 前記付加情報表示手段は、前記付加情報を第３の軸に割り当てた１次元を前記２次元座標に加えた３次元座標のデータとして表示する手段である請求項２２に記載の処理装置。
24. 前記付加情報演算手段は、前記第３の軸に対する同一値を高さ情報として捉えた等高線データを演算する等高線データ演算手段を備え、
    前記付加情報表示手段は、前記等高線データを示すラインと共に前記３次元座標のデータを表示するように構成されている、請求項２３に記載の処理装置。
25. 前記座標データ演算手段は、２回以上の撮影における個々の撮影に拠る前記計数値の取得に対する前記座標系のデータの相互の差分を採る差分手段と、この差分情報に応じた当該座標系のデータを演算して出力する差分出力手段とを備える、ことを特徴とする請求項２０に記載の処理装置。
26. 前記散布点演算手段により演算された前記散布点の散布状況に基づいて当該散布点の固まりを検出してその固まりの重心位置を演算する重心演算手段と、
    前記散布点の固まりの前記座標上の重心位置の情報を提供する重心位置情報提供手段と、を備えたことを特徴とする請求項２３に記載の処理装置。
27. 前記座標上の重心位置の情報に基づき、当該重心位置の前記座標上の違いから前記対象物に含まれる或いは付着した異物、又は、前記対象物の異常な状態を同定する同定手段を備えたことを特徴とする請求項２６に記載の処理装置。
28. 異物が無い或いは付着していない正常な対象物、又は正常な状態を維持している対象物である基準対象物に対する前記重心位置の前記座標上の位置情報を基準情報として予め保有している基準情報保有手段を備え、
    前記同定手段は、実際に前記対象物を撮影した時に得られる重心位置の前記座標上の位置情報を前記基準情報に照らして前記異物を同定するように構成されている、請求項２７に記載の処理装置。
29. 前記１つ又は複数の偏角の情報は、２つの偏角の情報でなり、
    前記データ取得手段は、前記座標変換手段により変換された前記極座標データから、前記方向非依存性の散布図として、当該極座標データのうちの２つの偏角の情報をそれぞれ座標軸に割り当てた２次元の散布図を取得するように構成されており、
    前記散布図演算手段により演算された前記散布点の散布状況に基づいて、前記２次元散布図上で当該散布点の固まりを検出してその固まり毎の重心位置を演算する重心演算手段と、
    この重心演算手段により演算された前記散布点の固まり毎の重心位置に基づき、前記対象物の内又は外にある複数種類の物質の前記散布点の相互間の境界を前記２次元散布図上で分ける分境線を設定する分境線設定手段と、
    を備えたことを特徴とする請求項５に記載の処理装置。
30. 前記１つ又は複数の偏角の情報は、２つの偏角の情報でなり、
    前記データ取得手段は、前記座標変換手段により変換された前記極座標データから、前記方向非依存性の散布図として、当該極座標データのうちの２つの偏角の情報をそれぞれ座標軸に割り当てた２次元の散布図を取得するように構成されており、
    前記対象物としての人体の画像を受信する画像受信手段と、
    前記マンモグラフィ画像上で指定した領域に応じて前記２次元散布図上の対応する散布図データを特定する第１の特定手段と、
    この第１の特定手段により特定された前記散布図データに対して前記２次元散布図で区別して前記モニタに連動表示させる第１の連動表示手段と、
    前記２次元散布図上で指定した領域に対応した画素値を有する前記マンモグラフィ画像上の画素を特定する第２の特定手段と、
    この第２の特定手段により特定される前記マンモグラフィ画像上の画素を区別して前記モニタに連動表示させる第２の連動表示手段、と
    を備えたことを特徴とする請求項５に記載の処理装置。
31. 前記画像受信手段は、前記人体のマンモグラフィの画像であることを特徴とする請求項３０に記載の処理装置。
32. 前記第１、第２の連動表示手段は前記区別した部分を他の部分とは違う明度、彩度、又は色相で表示することを特徴とする請求項３０に記載の処理装置。
33. 前記減弱情報演算手段により演算された前記減弱情報から、前記付随情報のみを演算する付随情報演算手段を備えたことを特徴とする請求項１に記載の処理装置。
34. 前記付随情報演算手段により演算された前記付随情報を前記モニタに表示させる付随情報表示手段を備えたことを特徴とする請求項３３に記載の処理装置。
35. 請求項１〜３４の何れか一項に記載の処理装置を備え、
    前記対象物の種類及び性状の少なくとも何れか一方を、前記固有情報演算手段により演算された前記固有情報に基づいて解析する解析手段を備えたことを特徴とするＸ線検査システム。
36. 請求項１〜３２の何れか一項に記載の処理装置を備え、
    前記対象物の種類及び性状の少なくとも何れか一方を、前記散布点演算手段により演算された前記散布点のデータに基づいて解析する解析手段を備えたことを特徴とするＸ線検査システム。
37. Ｘ線発生装置により照射されて対象物を透過し且つ光子計数型の検出器により検出されたＸ線のｎ個（ｎは２以上の正の整数）のエネルギー領域の各別に又は当該ｎ個よりも少ない複数のエネルギー領域の各別に、かつ画素毎に、当該Ｘ線の光子の計数値を取得し、
    前記計数値に基づいて、前記Ｘ線が前記対象物を透過の状態を示す画像データを演算し、
    前記画像データに基づき、前記Ｘ線の前記ｎ個のエネルギー領域の各別に又は前記ｎ個よりも少ない複数のエネルギー領域の各別に、且つ、前記画素毎に又は当該画素を複数纏めた画素領域毎に、i)前記ｎ個のエネルギー領域の数と同じｎ次元数の座標上のベクトル量として表わされ且つ前記対象物の種類又は性状に固有的に依存する固有情報と、ii)当該固有情報に付随し且つ前記Ｘ線が当該対象物を通過するパスの長さに依存する付随情報とを含む、前記Ｘ線が前記対象物を透過したときに受ける当該Ｘ線の減弱を示す減弱情報を演算し、
    前記減弱情報から、前記付随情報に依存しない前記固有情報のみを生成する、
    ことを特徴とするデータ処理方法。
38. 前記固有情報に応じた散布点を、前記ｎ次元の座標上、又は当該ｎ次元よりも少ない次元数の座標上にマッピングする散布点を演算する、ことを特徴とする請求項３７に記載のデータ処理方法。
39. 前記散布点を可視化して利用者に提示することを特徴とする請求項３７に記載のデータ処理方法。

Images