JPH04310944A - 放射線照射野認識方法 - 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、放射線画像情報が記録
された記録シートから放射線画像情報を読み取る際に、
上記シートにおける放射線照射野を認識する方法に関し
、詳しくは放射線照射野認識の前処理に関するものであ
る。

【０００２】

【従来の技術】記録された放射線画像を読み取って画像
データを得、この画像データに適切な画像処理を施した
後、画像を再生記録することは種々の分野で行なわれて
いる。たとえば、後の画像処理に適合するように設計さ
れたガンマ値の低いＸ線フィルムを用いてＸ線画像を記
録し、このＸ線画像が記録されたフィルムからＸ線画像
を読み取って電気信号に変換し、この電気信号（画像デ
ータ）に画像処理を施した後コピー写真等に可視像とし
て再生することにより、コントラスト，シャープネス，
粒状性等の画質性能の良好な再生画像を得ることのでき
るシステムが開発されている（例えば特公昭６１−５１
９３　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データを得、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５
５−１６３４７２　号，同５６−１０４６４５号，同５
５−　１１６３４０号等）。

【０００４】このシステムは、従来の銀塩写真を用いる
放射線写真システムと比較して極めて広い放射線露出域
にわたって画像を記録しうるという実用的な利点を有し
ている。すなわち、蓄積性蛍光体においては、放射線露
光量に対して蓄積後に励起によって輝尽発光する発光光
の光量が極めて広い範囲にわたって比例することが認め
られており、従って種々の撮影条件により放射線露光量
がかなり大幅に変動しても、蓄積性蛍光体シートより放
射される輝尽発光光の光量を読取ゲインを適当な値に設
定して光電変換手段により読み取って電気信号に変換し
、この電気信号を用いて写真感光材料等の記録材料、Ｃ
ＲＴ等の表示装置に放射線画像を可視像として出力させ
ることによって、放射線露光量の変動に影響されない放
射線画像を得ることができる。

【０００５】上記システムにおいて、蓄積性蛍光体シー
トに照射された放射線の線量等に応じて最適な読取条件
で読み取って画像データを得る前に、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データを分析し
、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、画像データを得る本
読みを行なうように構成されたシステムもある（特開昭
５８−６７２４０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、得られた画像デー
タ（先読画像データを含む）を分析し、画像データに画
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。この画像データに基づいて最適な
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デー
タを得るシステムにも適用されている。

【０００９】上記画像データ（先読画像データを含む）
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、その方法の一つとして、画像
データのヒストグラムを作成する方法が知られている（
例えば、特開昭６０−１５６０５５　号）。

【００１０】画像データのヒストグラムを求めることに
より、たとえば画像データの最大値，最小値や、頻度が
最大となる点の画像データ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
。

【００１１】一方、記録シートに放射線画像を撮影記録
するに際しては、被写体の観察に必要の無い部分に放射
線を照射しないようにするため、あるいは観察に不要な
部分に放射線を照射するとその部分から観察に必要な部
分に散乱線が入り画質性能が低下するため、放射線が被
写体の必要な部分および記録シートの一部にのみ照射さ
れるように放射線の照射域を制限する照射野絞りを使用
して撮影を行なうことも多い。

【００１２】ところが、前述のようにして画像データを
分析して読取条件，画像処理条件を求めるにあたって、
分析に用いた画像データが、照射野絞りを用いて撮影し
た記録シートから得られた画像データである場合、この
照射野の存在を無視して画像データを分析しても撮影記
録された放射線画像が正しく把握されず、誤った読取条
件、画像処理条件が求められ観察適正の優れた放射線画
像が再生記録されない場合が生ずる。

【００１３】これを解決するためには、読取条件，画像
処理条件を求める前に、照射野を認識し、照射野内の画
像データに基づいて読取条件，画像処理条件を求める必
要がある。

【００１４】照射野を認識する方法には各種の方法があ
るが、そのうち、放射線照射野が不規則な形状をしてい
ても正確に照射野を認識することのできる汎用性のある
方法として、例えば、照射野内に含まれる所定の点とシ
ート端部とを結ぶ放射状の複数の線分上に沿った各画素
に対応する画像データに基づいて、照射野の輪郭上にあ
ると考えられる輪郭点を上記各線分について求め、これ
らの輪郭点に沿った線で囲まれる領域を照射野と認識す
る、円形照射野検出とも言える方法が、本出願人により
既に提案されている（特開昭６３−２５９５３８　号）
。

【００１５】また、これに類する改良された照射野認識
方法も各種提案されている。（特開平２−４２４３６　
号他）これは、記録シート上の照射野内に含まれる所定
の点と記録シートの端部とを結ぶ放射状の複数の線分の
各々について、これら各線分上の各画素にそれぞれ対応
した画像データに基づいて、これらの各線分毎に１つま
たは複数の記録シート上の照射野の輪郭と上記線分との
交叉点と考えられる輪郭候補点を候補順位とともに求め
、各線分上の輪郭候補点が記録シートの端部に近接した
所定の周辺範囲内とこの周辺範囲より内側の中央範囲内
の双方に存在し、かつ周辺範囲内に第１順位の輪郭候補
点が存在するときは中央範囲内にある輪郭候補点のうち
最先順位の輪郭候補点の候補順位を第１順位に繰りあげ
、このようにして定めた各線分毎の第１の順位の輪郭候
補点に基づいて、照射野を認識するようにして、被写体
以外の異物が被写体とともに撮影されていても照射野を
正しく認識できるようにしたものである。

【００１６】また、矩形の照射野の検出に適する照射野
認識の方法も、本出願人により既に提案されている（特
開昭６１−３９０３９号）。

【００１７】これは、照射野が矩形の場合において、該
矩形の隣接する２辺に沿ってＸ，Ｙ軸を選定し、照射野
絞り撮影が行なわれた全記録領域から読み取った画像情
報から該記録領域上の各位置における画像デ―タを求め
、この画像デ―タをＸ軸方向に微分してその微分値をＹ
軸方向に投影して矩形照射野輪郭のうちＹ軸方向に延び
る輪郭のＸ軸上の位置を決定し、同様に上記画像デ―タ
をＹ軸方向に微分してその微分値をＸ軸方向に投影して
矩形照射野輪郭のうちＸ軸方向に延びる輪郭のＹ軸上の
位置を決定し、これらのＸ，Ｙ軸方向に延びる輪郭によ
って囲まれた領域を照射野と認識する方法である。

【００１８】さらに、矩形照射野の輪郭がボケてある程
度の幅を有する場合においても照射野を適正に認識する
ことのできる照射野認識方法が、本出願人により既に提
案されている（特開昭６４−１１４６５号）。

【００１９】これは、記録媒体上に矩形の照射野絞りを
かけて放射線画像情報が記録されている場合の前記照射
野を認識する方法であって、前記記録媒体上に前記矩形
照射野の輪郭の隣り合う２辺に沿ってＸ軸とＹ軸とを設
定し、前記記録媒体から読み取った画像デ―タをＸ軸（
およびＹ軸）方向に微分処理し、該処理によって得られ
た微分値の絶対値が所定のしきい値以上の位置を２本の
Ｙ軸（およびＸ軸）方向照射野輪郭を担う輪郭候補点と
して抽出し、この輪郭候補点をＹ軸（およびＸ軸）方向
に投影し、その投影結果から上記２本のＹ軸（およびＸ
軸）方向照射野輪郭についてそれぞれを担う輪郭候補点
のＸ軸（およびＹ軸）方向のひろがりを求め、この各ひ
ろがりからそれぞれに対応するＹ軸（およびＸ軸）方向
照射野輪郭のＸ軸（およびＹ軸）上の位置を決定し、前
記各位置が決定されたＸ軸およびＹ軸方向照射野輪郭に
よって囲まれた領域を照射野と認識することを特徴とす
る照射野認識方法である。

【００２０】また、本出願人は他にも多くの照射野認識
方法を提案している。（特開昭６２−１５５３６、同６
２−１５５３７、同６２−１５５３９号公報等）このよ
うな照射野認識方法により、まず照射野を求め、その後
求められた照射野内に対応する画像データを分析するこ
とにより、適切な読取条件，画像処理条件が求められる
。

【００２１】

【発明が解決しようとする課題】しかし、上記多数の照
射野認識方法のいずれにおいても、放射線照射野の輪郭
がボケていわゆるエッジボケをおこしている場合には照
射野を正確に認識することが困難となる場合がある。

【００２２】また、マスクにより照射野絞りをかけてい
ても、放射線の散乱線がマスク側に回り込んで記録シー
トの照射野外に照射され、これにより記録シートの照射
野外領域がいわゆる濃度カブリをおこしていることがあ
り、このような現象が生じている場合にも前述した照射
野認識方法において照射野の認識を正確に行なうことが
困難な場合がある。

【００２３】本発明はこのような事情に鑑み、放射線照
射野がエッジボケをおこしていたり、照射野外散乱によ
り濃度カブリをおこしている場合においても放射線照射
野の輪郭を容易に検出することのできる放射線照射野認
識方法を提供することを目的とするものである。

【００２４】

【課題を解決するための手段】本発明の放射線照射野認
識方法は、放射線画像の照射野認識の前処理として、放
射線画像の照射野のエッジ境界内外の濃度差を大きくす
るよう放射線画像信号に画像フィルタリング処理を施す
ことを特徴とするものである。

【００２５】すなわち、照射野絞りをかけて放射線が照
射されて放射線画像情報が記録された記録シートから該
放射線画像情報を担う画像信号を得、該画像信号に基づ
いて前記記録シート上に形成された放射線画像の照射野
を認識する放射線照射野認識方法において、前記放射線
画像の照射野を認識する前に、前記記録シート上に形成
された放射線画像の照射野のエッジ境界内外の濃度差を
大きくするよう前記画像信号に画像フィルタリング処理
を施すことを特徴とするものである。

【００２６】上述した放射線画像の照射野のエッジ境界
内外の濃度差を大きくするとはこのエッジをシャープに
することを意味する。

【００２７】また、上述した画像フィルタリング処理は
ニューラルネットワークを用いたフィルタ、あるいは一
般的なデジタルフィルタを用いて行なうことができる。

【００２８】ここで、ニューラルネットワークとは、あ
る入力信号を与えたときに出力された出力信号が正しい
信号であるか誤った信号であるかという情報（教師信号
）を入力することにより、ニューラルネットワーク内部
の各ユニット間の結合の重み（シナプス結合のウェイト
）を修正するという誤差逆伝幡学習（バックプロパゲー
ション）機能を備えたものであり、繰り返し‘学習’さ
せることにより、新たな信号が入力されたときに正解を
出力する確率を高めることができるものである（例えば
、「Ｄ．Ｅ．Ｒｕｍｅｌｈａｒｔ，Ｇ．Ｅ．Ｈｉｎｔｏ
ｎ　ａｎｄ　Ｒ．Ｊ．Ｗｉｌｌｉａｍｓ：Ｌｅａｒｎｉ
ｎｇ　ｒｅｐｒｅｓｅｎｔａｔｉｏｎｓ　ｂｙ　ｂａｃ
ｋ−ｐｒｏｐａｇａｔｉｎｇ　ｅｒｒｏｒｓ，Ｎａｔｕ
ｒｅ，３２３−９，５３３−３５６，１９８６ａ」，「
麻生英樹：バックプロパゲーションＣｏｍｐｕｔｒｏｌ
　Ｎｏ．２４　　５３−６０」，「合原一幸著　　ニュ
ーラルコンピュータ東京電機大学出版局」参照）。

【００２９】

【作用および効果】本発明の放射線照射野認識方法によ
れば、放射線画像の照射野認識の前処理として画像信号
に対する画像フィルタリング処理を行なって、記録シー
ト上に形成された放射線画像の照射野エッジ境界内外の
濃度差を拡大した画像に変換しており、これにより照射
野を認識する際に、この照射野エッジ境界内外の濃度差
が拡大された画像信号に基づき照射野を検出できるので
、照射野の輪郭がボケていわゆるエッジボケをおこして
いる場合や、記録シートの照射野外領域がいわゆる濃度
カブリをおこしている場合においても適確な照射野検出
を容易に行なうことができ、照射野検出の精度を向上さ
せることができる。

【００３０】

【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。

【００３１】図１は本発明の放射線照射野認識方法の一
例を使用した、放射線画像読取再生装置の一実施例の斜
視図である。この放射線画像読取再生装置は前述した蓄
積性蛍光体シートを用いる装置である。

【００３２】放射線画像が記録された蓄積性蛍光体シー
ト１は、読取手段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１は、
図示しない駆動手段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１５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１６から発せられた
光ビーム１７はモータ２４により駆動され矢印方向に高
速回転する回転多面鏡１８によって反射偏向され、ｆθ
レンズ等の集束レンズ１９を通過した後、ミラー２０に
より光路を変えて前記シート１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。光ビ
ーム１７が照射されたシート１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２
１が発散され、この輝尽発光光２１は光ガイド２２によ
って導かれ、フォトマルチプライヤ（光電子増倍管）２
３によって光電的に検出される。上記光ガイド２２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２２ａが蓄積性蛍光体シート１
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２２ｂ　にフォトマルチプライヤ２３
の受光面が結合されている。入射端面２２ａ　から光ガ
イド２２内に入射した輝尽発光光２１は、光ガイド２２
の内部を全反射を繰り返して進み、出射端面２２ｂ　か
ら出射してフォトマルチプライヤ２３に受光され、放射
線画像を表わす輝尽発光光２１の光量がフォトマルチプ
ライヤ２３によって電気信号に変換される。

【００３３】フォトマルチプライヤ２３から出力された
アナログ出力信号Ｓはログアンプ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、上記放射線
画像の各画素に対応する画像データＳＱ　が得られる。

【００３４】得られた画像データＳＱ　はフィルタ手段
２８に入力され、照射野の境界内外の濃度差を拡大する
画像フィルタリング処理をうける。このフィルタ手段２
８はニューラルネットワークを用いてフィルタリング処
理を行なうもので、このフィルタ手段２８により照射野
のエッジを強調された画像データＳＱ　はこの後、照射
野演算手段２９に入力される。

【００３５】照射野演算手段２９では、互いに種類の異
なる多数の照射野認識方法により、照射野の輪郭の候補
を多種求める。この多種求められた照射野の輪郭の候補
に関するデータは照射野決定手段３０に送られ、ここで
、これら多種の輪郭の候補に基づいて、信頼度の高い照
射野が決定される。

【００３６】このようにして照射野が認識されると、こ
の照射野に対応する画像データＳＱ　が画像処理手段３
１に送られ、ここで適切な画像処理が施される。

【００３７】画像処理の施された画像データＳＱ　は再
生手段３２に送られ、再生手段３２ではこの画像データ
ＳＱ　に基づく放射線画像が再生記録される。

【００３８】ここで、上記フィルタ手段２８において画
像データＳＱ　に対して行なわれる画像フィルタリング
処理についてさらに説明する。

【００３９】このフィルタ手段２８は上述したようにニ
ューラルネットワークを用いたフィルタであって、画像
データＳＱ　中から例えば７画素×７画素のブロックと
して取り出された画素群が入力データとして与えられ、
この画素群の中心画素に対応する変換画素データを出力
データとして出力する。すなわち、着目画素の回りに位
置する画素群をニューラルネットに入力すると、この画
素群に含まれる各画素の濃度に基づき、着目画素が照射
野内である場合と照射野外である場合とでは濃度差が大
きくなるように濃度変換された、着目画素に対応する画
像データが１つ出力される。

【００４０】このようにニューラルネットによる１回の
処理により出力される変換データは着目画素に対応する
１画素についてのデータであるから、次の処理において
は上記画像データＳＱ　中で前の処理時に取り出された
ブロックに対して１画素分だけずらした例えば７画素×
７画素のブロックが入力データとして上記フィルタ手段
２８に入力されることとなり、結局このような処理が画
素数分だけ繰り返されて原画像データＳＱ　の画像フィ
ルタリング処理が終了する。

【００４１】ここで上記フィルタ手段２８を構成するニ
ューラルネットワークの学習機能について説明する。

【００４２】図２はニューラルネットワークの基本的概
念を示すブロック図である。本発明の実施例においては
入力部４１で画像データＳＱ　のうち、着目画素を中心
とする７×７個の周辺画素のデータを入力とし、演算部
４２で求めた値を出力部４３からこの着目画素に対応す
る濃度変換された画像データとして出力するようにして
いる。このニューラルネットワークに学習をさせる場合
に出力部４３が誤った値を出力した場合には、修正入力
部４４から出力された修正値に基づいて再学習を行い（
４５）、この再学習により求めた値が演算部４２に与え
られ、これにより演算部４２ではより正しい値が求めら
れることとなる。

【００４３】図３は上記フィルタ手段２８を構成する誤
差逆伝播学習（バックプロパゲーション）機能を備えた
ニューラルネットワークの一例を表わした図である。誤
差逆伝播学習（バックプロパゲーション）とは、前述し
たように、ニューラルネットワークの出力を正解（教師
信号）と比べることにより、出力側から入力側に向かっ
て順次結合の重み（シナプス結合のウェイト）を修正す
るというものである。

【００４４】この場合の教師信号としては、照射野のエ
ッジボケがなく照射野外散乱もない画像について予め求
めておいた放射線画像信号、例えば照射野認識が正確に
行なわれた画像信号に対し、照射野外濃度を低下させた
画像を用いる。

【００４５】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，１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は画像デ
ータＳＱ　のうち着目画素を中心とする７×７画素各々
に対応する画素信号であり、第３層（出力層）からの出
力Ｙ３，１　はこの着目画素に対応する濃度変換をうけ
た画素信号である。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

【００４６】

【数１】

【００４７】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、

【
００４８】

【数２】

【００４９】

【数３】

【００５０】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　に
まで伝達され、これにより着目画素に対応する濃度変換
された画素が求められる。

【００５１】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　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。

【００５２】画像データＳＱ　の全画素の濃度が前述し
たようにして読み取られ、上記ｎ１　個の入力Ｆ１　，
Ｆ２　，…，Ｆｎ１が求められる。このｎ１　個の入力
Ｆ１　，Ｆ２　，…，Ｆｎ１が図３に示すニューラルネ
ットワークに入力され、各ユニットＵｋ，ｉ　の出力Ｙ
ｋ，ｉ　がモニタされる。

【００５３】各出力Ｙｋ，ｉ　が求められると、最終的
な出力であるＹ３，１　と、正しい濃度値を示す教師信
号ｄとの二乗誤差

【００５４】

【数４】

【００５５】が求められる。この二乗誤差Ｅが最小とな
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。

【００５６】二乗誤差Ｅを最小にするには、このＥはＷ
ｋ，ｉ；ｋ＋１，ｊ　の関数であるから

【００５７】

【数５】

【００５８】このように各結合の重みＷｋ，ｉ；ｋ＋１
，ｊ　が修正される。ここでηは学習係数と呼ばれる係
数である。

【００５９】ここで、

【００６０】

【数６】

【００６１】であり、（２）　式より

【００６２】

【数７】

【００６３】であるから、（６）　式は、

【００６４】

【数８】

【００６５】となる。

【００６６】ここで、（４）　式より、

【００６７】

【数９】

【００６８】（３）　式を用いてこの（９）　式を変形
すると、

【００６９】

【数１０】

【００７０】ここで、（１）　式より、

【００７１】

【数１１】

【００７２】であるから、

【００７３】

【数１２】

【００７４】となる。

【００７５】（８）　式においてｋ＝２と置き、（１０
）式、（１１）式を（８）　式に代入すると、

【００７６】

【数１３】

【００７７】この（１３）式を（５）　式に代入して、

【００７８】

【数１４】

【００７９】となる。この（１４）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。

【００８０】次に、

【００８１】

【数１５】

【００８２】であるから、この（１５）式に（２）　式
、（３）　式を代入して、

【００８３】

【数１６】

【００８４】ここで（１１）式より、

【００８５】

【数１７】

【００８６】であるから、この（１７）式と、（１０）
式、（１２）式を（１６）式に代入して、

【００８７】

【数１８】

【００８８】（８）　式においてｋ＝１と置き、（１８
）式を（８）式に代入すると、

【００８９】

【数１９】

【００９０】この（１９）式を（５）　式に代入すると
、ｋ＝１と置いて、

【００９１】

【数２０】

【００９２】となり、（１４）式で修正されたＷ２，ｉ
；３，１（ｉ＝１，２，…，ｎ１　）がこの（２０）式
に代入され、Ｗ１，ｉ；２，ｊ（ｉ＝１，２，…，ｎ１
　；ｊ＝１，２，…，ｎ２　）が修正される。

【００９３】尚、理論的には（１４）式、（２０）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）

【００９４】

【数２１】

【００９５】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。

【００９６】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。なお、ここでは、このニューラ
ルネットワークを用いた画像フィルタリング処理を行な
った後照射野を求める照射野認識装置が内包されたシス
テムがユーザーに設置された後、以下に述べるようにし
て学習を継続するため、ここでいう最終の値とは、例え
ばユーザーにおける初期の立ち上げの段階の最終値をい
う。この学習の終了時には、出力Ｙ３，１　は照射野認
識が容易に行ない得る、照射野のエッジ境界内外で濃度
が大きく異なる信号となる。

【００９７】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。また各層のユットの数も
、上記実施例における数に限定されるものではなく、入
力される画像データの各ブロックの画素数等に応じた任
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。

【００９８】上記フィルタリング手段２８により画像フ
ィルタリング処理を施され、照射野エッジ内外の濃度差
を大とされた画像データＳＱ　はこの後照射野演算手段
２９、さらに照射野決定手段３０に入力されその照射野
の認識が高精度で行なわれる。

【００９９】また、上記ニューラルネットワークを用い
たフィルタにおいては、学習係数ηを２バイト（１６ビ
ット）の範囲に設定することで、係数演算のオーバーフ
ローを防止しつつメモリ容量の効率化を図っている。

【０１００】すなわち、学習係数ηは絶対値で３０程度
までの数を選択できるようにしておけば充分であり、一
方バックプロパゲーションの演算において、学習係数η
の乗算が行なわれるが、この乗算結果が、フロート演算
によらなくてもよいＬｏｎｇ演算（４バイト演算）を用
いて行ない得る範囲の数となるようにしたいという要望
がある。

【０１０１】そこで、上記実施例では学習係数ηを２バ
イト（±２１５）で設定して−３２．７６７〜＋３２．
７６７の範囲の数を選択できるようにし、係数演算時に
はこの学習係数ηを１０３　倍して整数値として処理し
、Ｌｏｎｇ演算（４バイト演算）の範囲で係数演算を行
ない得るようにしている。

【０１０２】これにより係数演算のオーバフローを防止
しつつメモリ容量の効率化を図ることができ、演算時間
の短縮化および回路構成の縮小化を図ることができる。

【０１０３】上記実施例においてはニューラルネットワ
ークを用いたフィルタを用いて画像フィルタリング処理
を行なっているが、このようなニューラルネットワーク
を用いたフィルタに替えて以下に示すような一般的なデ
ジタルフィルタを用いて画像フィルタリング処理を行な
っても、上記実施例と同様に照射野エッジの強調および
照射野外散乱の除去を行なうことができる。

【０１０４】このような一般的なデジタルフィルタの第
１の例は、

【０１０５】

【数２２】

【０１０６】によって表わされる。

【０１０７】ここでＱｉｊはフィルタからの出力信号値
であり、各画素の濃度値である。Ｓｉｊはフィルタへの
入力信号値である。αは所定の濃度値（＞０）であり、
例えば１０ＱＬ（カンタムレベル）とする。

【０１０８】また、Ｓｕｓはフィルタマスク内濃度平均
値であり、

【０１０９】

【数２３】

【０１１０】で表わされる。Ｎ２　はマスク内の画素数
である。したがって例えばこのマスクが７画素×７画素
分の面積を有しているとき、上記ＳｕｓはΣＳｉｊ／４
９となる。

【０１１１】さらに、ＴｈＱＬ　はエッジ内外のいずれ
であるかを判断するための濃度しきい値であり、例えば
１００ＱＬ　（カンタムレベル）あるいは１５０ＱＬ　
（カンタムレベル）等の所定の定数とされる。

【０１１２】この第１の例のフィルタはＳｕｓがＴｈＱ
Ｌ　以上であるときはフィルタヘの入力信号値Ｓｉｊを
そのまま出力信号値Ｑｉｊとし、ＳｕｓがＴｈＱＬ　よ
り小さいときは、入力信号値Ｓｉｊから一定の濃度値α
を引いた値を出力信号値Ｑｉｊとするように機能するも
のである。

【０１１３】すなわち、着目画素の周辺画素が平均的に
低濃度レベルであるときは、この着目画素が照射野外領
域にあると仮定し、特に照射野外散乱の影響を除去する
ためにこの照射野外領域の濃度を一定レベル下げるよう
に機能する。

【０１１４】なお、上記フィルタからの出力信号値Ｑｉ
ｊに対しボケマスク処理（β処理）を施すようにすれば
さらに照射野エッジを強調できるので好ましい。

【０１１５】次に、一般的なデジタルフィルタの第２の
例は、

【０１１６】

【数２４】

【０１１７】により表わされる。

【０１１８】ここでβはエッジ強調度合を表わす定数で
ある。

【０１１９】また、ｆ（Ｓｉｊ）　は

【０１２０】

【数２５】

【０１２１】で表わされる。

【０１２２】なお、上記Ｓｉｊ，Ｓｕｓ，αおよびＴｈ
ＱＬ　については上記第１の例と同様に定義される。

【０１２３】この第２の例のフィルタも上記第１の例の
フィルタと同様に、照射野外領域の濃度が低レベルであ
ることを前提としているものであるが、この出力信号値
Ｑｉｊは第１の例のフィルタからの出力信号値Ｑｉｊに
対し、エッジ強調を施すための値であるβ・（Ｓｉｊ−
Ｓｕｓ）が加算されており、照射野外散乱の影響を除去
するばかりでなくエッジ部分の強調が確実になされるよ
うになっている。

【０１２４】次に、一般的なデジタルフィルタの第３の
例は上記第２の例と略同様の式で表わされるが、関数ｆ
（Ｓｉｊ）　については（２５）式に代えて、

【０１２
５】

【数２６】

【０１２６】が用いられる。

【０１２７】ここで、Ｓｕｓ分散とはフィルタマスク内
の濃度の分散を表わす値である。

【０１２８】上記第２の例のフィルタはＳｕｓをしきい
値と比較し、その比較結果に基づいてｆ（Ｓｉｊ）　の
値を定めているのに対し、この第３の例のフィルタはＳ
ｕｓ分散をしきい値と比較し、その比較結果に基づいて
ｆ（Ｓｉｊ）　の値を定めている。すなわち、上記第２
の例のフィルタが照射野外領域は着目画素の周辺濃度が
低レベルであることを前提として構成されているのに対
し、この第３の例のフィルタは照射野外領域は着目画素
の周辺濃度の変化が小さいことを前提として構成されて
いる。

【０１２９】次に、一般的なデジタルフィルタの第４の
例は上記第２の例あるいは第３の例を表わす式において
、エッジ強調度合を表わす係数βが定数ではなく下記に
示す所定の変数とされている。

【０１３０】

【数２７】

【０１３１】すなわち、この第４の例のフィルタでは、
エッジ強調度合を表わす係数βを変数とすることが照射
野エッジのような濃度変化が大きい位置でさらに大きい
エッジ強調を与えるようにしている。

【０１３２】以上に説明した一般的なデジタルフィルタ
からなるフィルタ手段により画像フィルタリング処理を
施されて、照射野エッジ境界内外の濃度差を大とされた
画像データＳＱ　はこの後照射野演算手段２９、さらに
照射野決定手段３０に入力されその照射野の認識が高精
度で行なわれる。

【０１３３】また、上述したニューラルネットワークを
用いたフィルタおよび一般的なデジタルフィルタのいず
れにおいても、記録シート１から読み取られた画像デー
タＳＱ　の各画素のうち数画素おきにフィルタリング処
理を施すことも可能である。例えば、図４に示すような
斜線を施した各画素に対応する画像信号のみを取り出し
てフィルタ手段に入力してもよい。これによりこれらの
フィルタ手段においてなされる演算回数の減少を図るこ
とができる。

【０１３４】この間引かれて取り除かれた画素に対して
フィルタリング処理を施した後、フィルタリング処理が
行なわれなかった画素に対して１次補間処理を施し、画
像データＳＱ　の全画素について濃度変換値を算出する
。

【０１３５】すなわち、ｎ　番目の画素とｎ＋２　番目
の画素についてフィルタリング処理が施され、ｎ　番目
の画素の処理前の濃度値がｘｎ、処理後の濃度値がｙｎ
　、ｎ＋２　番目の画素の処理前の濃度値がｘｎ＋２　
、処理後の濃度値がｙｎ＋２　であるとすると、ｎ＋１
番目の画素の処理後の濃度値ｙｎ＋１　は、

【０１３６】

【数２８】

【０１３７】で表わされる。

【０１３８】なお、本発明方法においてフィルタリング
処理を行なうフィルタとしては上述した実施例のものに
限られるものではなく、照射野認識部の前段において画
像信号の照射野のエッジ境界内外の濃度差を拡大するよ
うな画像フィルタリング処理を行なうことができ、その
後の照射野検出を容易とし得るフィルタであればどの様
な構成のものであってもよい。すなわち、上記実施例に
おいて示されるフィルタはニューラルネットワークを用
いたフィルタの１例および一般的なデジタルフィルタの
数例を示すもので、他の構成のニューラルネットワーク
を用いたフィルタや一般的デジタルフィルタによっても
本発明方法の画像フィルタリング処理を行なうことがで
きるのはもちろんである。

【０１３９】なお、上記実施例では読取手段１００　が
先読みおよび本読み両者兼用とされているが、先読用の
読取手段と本読用の読取手段を別々に構成することも可
能である。

【０１４０】なお、本発明は、蓄積性蛍光体シートを用
いる装置のほか、従来のＸ線フイルムを用いる装置等に
も用いることができる。すなわち、本発明の放射線照射
野認識方法は、被写体の放射線画像が記録された記録シ
ートから放射線画像を読み取って画像データを得、この
画像データに基づいて放射線画像を再生出力する放射線
画像読取再生装置一般に広く適用することができる。

【図面の簡単な説明】

【図１】本発明の放射線照射野認識方法の一実施例を実
施するための、放射線画像読取再生装置の一例を示す斜
視図

【図２】ニューラルネットワークの基本的概念を表わす
ブロック図

【図３】図１に示す装置においてフィルタ手段として採
用されるニューラルネットワークの一例を表わす図

【図
４】放射線画像の間引かられ画素を模式的に表わす図

【符号の説明】

１　　　　蓄積性蛍光体シート ２１　　　　輝尽発光光 ２３　　　　フォトマルチプライヤ ２６　　　　ログアンプ ２７　　　　Ａ／Ｄ変換器 ２８　　　　フィルタ手段 ２９　　　　照射野演算手段 ３０　　　　照射野決定手段 ３１　　　　画像処理手段 ３２　　　　再生手段

Claims (3)

【特許請求の範囲】
1. 【請求項１】　　照射野絞りをかけて放射線が照射され
   て放射線画像情報が記録された記録シートから該放射線
   画像情報を担う画像信号を得、該画像信号に基づいて前
   記記録シート上に形成された放射線画像の照射野を認識
   する放射線照射野認識方法において、前記放射線画像の
   照射野を認識する前に、前記記録シート上に形成された
   放射線画像の照射野のエッジ境界内外の濃度差を大きく
   するよう前記画像信号に画像フィルタリング処理を施す
   ことを特徴とする放射線照射野認識方法。
2. 【請求項２】　　前記画像フィルタリング処理がニュー
   ラルネットワークを用いたフィルタにより行なわれるこ
   とを特徴とする請求項１記載の放射線照射野認識方法。
3. 【請求項３】　　前記画像フィルタリング処理がデジタ
   ルフィルタにより行なわれることを特徴とする請求項１
   記載の放射線照射野認識方法。