JPH0486820A - 放射線画像読取条件及び／又は画像処理条件決定方法 - 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】 （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読取
条件、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関するものである。

（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６
１−５１９３号公報参照）。

また、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
報を一部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
光光を生せしめ、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か、既
に本願出願人により提案されている（特開昭５５−１２
４２９号、同５６−１１３９５号。

同５５−１６３４７２号、同５６−１０４６４５号、同
５５−１１６３４０号等）。

上記システムにおいて、蓄積性蛍光体シートに照射され
た放射線の線量等に応じて最適な読取条件で読み取って
画像信号を得る前に、予め低レベルの光ビームにより蓄
積性蛍光体シートを走査してこのシートに記録された放
射線画像の概略を読み取る先読みを行ない、この先読み
により得られた先読画像信号を分析し、その後上記シー
トに高レベルの光ビームを照射して走査し、この放射線
画像に最適な読取条件で読み取って画像信号を得る本読
みを行なうことも考えられている。

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。

また、この先読みの有無にかかわらず、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ことも考え
られている。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。

上記の画像信号（先読画像信号を含む）に基づいて読取
条件及び／又は画像処理条件（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）。

この従来採用されているアルゴリズムは、−船内には画
像信号のヒストグラムを求め、ヒストグラム上における
画像信号の最大値、最小値、画像信号の出現頻度が最大
となる点の画像信号の値等の種々の特徴点を求め、この
特徴点に基づいて読取条件等を求めるものである。

（発明が解決しようとする課題） 上記の方法は多くの場合に有効であるが、その半面、被
写体の撮影状態によっては、不都合を生じることもある
。以下、この点について、肩関節の放射線画像を例にと
って詳しく説明する。

第１Ａ図と第１Ｂ図は、ともに肩関節５を撮影した放射
線画像であるが、第１Ｂ図の画像では推体６も写し込ま
れているのに対し、第１Ａ図の画像ではそれが写し込ま
れていない、という差異がある。一方、これら第１Ａ図
、第１Ｂ図の放射線画像を担持する各画像信号のヒスト
グラムは、それぞれ第２Ａ図、第２Ｂ図に示すようなも
のとなる。

図示される通り、両ヒストグラムの形状は大略同じよう
なものとなるが、２つの放射線画像間に上述の差異が存
在するため、関心領域である肩関節部を担う画像信号の
存在範囲は、両ヒストグラムにおいて各々Ｋ１部、Ｋ２
部と、互いに異なるようになる。そこで、各ヒストグラ
ムに基づいて第１Ａ図、第１Ｂ図に示すような放射線画
像を再生する際の読取条件あるいは画像処理条件を決定
すると、２つの再生放射線画像の濃度やコントラストは
同一ヒストグラムのため、同一条件を算出してしまうた
め、関心領域である肩関節部の濃度か不安定になってし
まう。

このようになっていると、再生放射線画像中で肝腎の関
心領域が観察し難くなったり、例えば異常部の経過を観
察するために複数の放射線画像を比較する等の場合は、
誤った診断を下してしまう可能性もある。

本発明は上記のような事情に鑑みてなされたものであり
、複数の再生放射線画像間で、特定の関心領域か適正な
濃度で安定して再生されるようになる、放射線画像読取
条件及び／又は画像処理条件決定方法を提供することを
目的とするものである。

（課題を解決するための手段） 請求項１に記載された本発明は、前述した蓄積性蛍光体
シートを用い、いわゆる先読みを行なうシステムに適用
されるものである。

すなわちこ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、前述したように、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、そのとき該シ
ートがら発せられた輝尽発先光を読み取って上記放射線
画像を表わす第一の画像信号を得、 上記蓄積性蛍光体シートに再度励起光を照射し、そのと
き該シートから発せられた輝尽発光光を読み取って上記
放射線画像を表わす第二の画像信号を得る際の読取条件
及び／又は、得られた第二の画像信号に画像処理を施す
際の画像処理条件を、上記第一の画像信号に基づいて求
めるようにした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、 上記第一の画像信号を入力とし、読取条件及び／又は画
像処理条件を出力とするニューラルネ、ットワークによ
り条件決定を行ない、 適正な読取条件及び／又は画像処理条件を出力させるた
めに上記ニューラルネットワークを学習させる際に、被
写体中の特定の関心領域が撮影された放射線画像と、そ
の関心領域について最適とされた読取条件及び／又は画
像処理条件とを利用することを特徴とするものである。

請求項２に記載された本発明も、蓄積性蛍光体シートを
用い、いわゆる先読みを行なうシステムに適用されるも
のである。

すなわちこ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、請求項１に記載された発明と同様にして
第一、第二の画像信号を得、第二の画像信号を得る際の
読取条件及び／又は、第二の画像信号に画像処理を施す
際の画像処理条件を、第一の画像信号に基づいて求める
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、 上記第一の画像信号を入力とし、被写体中の特定の関心
領域を出力とするニューラルネットワークにより、上記
関心領域に関する第一の画像信号を抽出し、 この抽出された第一の画像信号に基づいて、読取条件及
び／又は画像処理条件を決定することを特徴とするもの
である。

一方請求項３に記載された本発明は、対象を蓄積性蛍光
体シートに限定するものではなく、そして特に画像処理
条件を求めるものである。

すなわちこ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、上記画像信号を入力とし、画像処理条
件を出力とするニューラルネットワークにより条件決定
を行ない、 適正な画像処理条件を出力させるために上記ニューラル
ネットワークを学習させる際に、被写体中の特定の関心
領域が撮影された放射線画像と、その関心領域について
最適とされた画像処理条件とを利用することを特徴とす
るものである。

請求項４に記載された本発明も、対象を蓄積性蛍光体シ
ートに限定するものではなく、そして特に画像処理条件
を求めるものである。

すなわちこの放射線画像処理条件決定方法は、請求項３
に記載された発明と同様に、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、 上記画像信号を入力とし、被写体中の特定の関心領域を
出力とするニューラルネットワークにより、上記関心領
域に関する画像信号を抽出し、この抽出された画像信号
に基づいて、画像処理条件を決定することを特徴とする
ものである。

（作用および発明の効果） 上記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か、あるいは誤って
いるかという情報（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）を修正する誤差逆伝幡学
習（パックプロハケ−ジョン）機能を備えたもので、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、ｒＤ、Ｅ、Ｒｕｍｅｌｈａｒｔ、
Ｇ、Ｅ。

Ｈｉｎｔｏｎ　ａｎｄ　Ｒ，ＪＪｉｌｌｉａｍｓ：Ｌｅ
ａｒｎｉｎｇ　ｒｅｐｒｅｓｅｎｔａｔｔｏｎｓ　ｂｙ
　ｂａｃｋ−ｐｒｏｐａｇａｔｉｎｇ　ｅｒｒｏｒｓ、
Ｎａｔｕｒｅ、３２３−９．５３３−３５６．１９８８
ａＪ、　　ｒ麻生英樹：バックプロパゲーション　Ｃｏ
１ｐｕｔｒｏｌ　Ｎｏ、２４５３−６０Ｊ　、　　ｒ金
属−幸著　ニューラルコンピュータ　東京電機大学出版
局」参照）。

請求項１あるいは３に記載の発明におけるように、読取
条件等の決定に上記ニューラルネットワークを用いると
、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可能となる。

そして、ニューラルネットワークを学習させる際に、被
写体中の特定の関心領域が撮影された放射線画像と、そ
の関心領域について最適とされた読取条件等あるいは画
像処理条件とを利用すれば、放射線画像中で関心領域の
他にたとえ何が撮影されていようとも、読取条件等は関
心領域について適正となるように決定される。

また、請求項２あるいは４に記載の発明におけるように
、ニューラルネットワークをあらかじめ繰り返し′学習
°　させることにより、放射線画像中の関心領域を次第
に正しく認識させることが可能となる。こうして認識さ
れた関心領域に関する画像信号に基づいて読取条件等を
決定すれば、その読取条件等は、基本的に関心領域以外
の画像情報の影響は受けないもの、つまり関心領域につ
いて適正なものとなる。

なお、認識された関心領域に関する画像信号に基づいて
読取条件等を決定するに当たっては、ヒストグラム解析
の手法を用いてもよいし、あるいは、関心領域認識用の
ものとは別のニューラルネットワークを利用するように
してもよい。

（実　施　例） 以下、本発明の実施例について、図面を参照して説明す
る。尚、ここでは前述した蓄積性蛍光体シートを用い、
関心領域として人体の肩関節部が撮影されたＸ線画像を
取り扱う例について説明する。

第４図は、Ｘ線撮影装置の一例の概略図である。

このＸ線撮影装置１のＸ線源２からＸ線３が人体４の肩
部４ａに向けて照射され、人体４を透過したＸ線３ａが
蓄積性蛍光体シート１１に照射されることにより、人体
の肩部４ａの透過Ｘ線画像が蓄積性蛍光体シート１１に
蓄積記録される。

第１Ａ図、第１Ｂ図は、上記のようにして蓄積性蛍光体
シート１１上に蓄積記録された肩部Ｘ線画像の一例を、
模式的に表わした図である。

第５図は、Ｘ線画像読取装置の一例、および本発明の方
法を実施するコンピュータシステムの一例を示した斜視
図である。このシステムは前述した蓄積性蛍光体シート
１１を扱い、先読みを行なうシステムである。

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１
５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
変えて前記蓄積性蛍光体シート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。

蓄積性蛍光体シート１１の、この光ビーム１５が照射さ
れた箇所からは、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が発散される。

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射出
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、射出端面２０ｂから射出し
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２
１によって電気信号に変換される。

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２Ｂ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１
１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。

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。

得られた先読画像信号Ｓｐは、コンピュータシステム４
０に入力される。このコンピュータシステム４０は、Ｃ
ＰＵ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デイス
プレィ４４から構成されている。

このコンピュータシステム４０内では、後述するように
して本読みの際の読取条件、即ち本読みの際の感度およ
びコントラストが求められ、この感度、コントラストに
従って、例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。

ここでコントラストとは、本読みの際に画像信号に変換
される最も微弱な輝尽発光光に対する最も強大な輝尽発
光光の光量比に対応するものであり、感度とは所定の光
量の輝尽発光光をどのレベルの画像信号とするかを定め
る光電変換率をいう。

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、先読画像信号Ｓｐに基づいて求めら
れた読取条件により画像信号が得られる。尚、この本読
手段１００′の構成は上記先読手段１００の構成と路間
−であるので、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■００のものと同じ番号にダッ
シュを付して示し、説明は省略する。

Ａ／Ｄ変換器２７′でディジタル化して得られた画像信
号ＳＯは、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
信号が示すＸ線画像が再生表示される。

次に、コンピュータシステム４０内で先読画像信号Ｓｐ
に基づいて、本読みの際の読取条件を求める方法につい
て説明する。

第３図は誤差逆伝播学習（パ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（パ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。

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０１個、ｎ２個、２個のユニットから構成される
。第１層（入力層）に入力される各信号Ｆ１　ｒ　　Ｆ
２　、・・・・・・＋　　ＦｏｌはＸ線画像の各画素に
対応する先読画像信号Ｓｐであり、第３層（出力層）か
らの２つの出力ｙ：、ｙｚは本読みの際のそれぞれ感度
およびコントラストに対応した信号である。第に層の１
番目のユニットをｕｉ１該ユニットＵ：への各入力をＸ
？、各出力をｙ？、ｕ：から　ｋ＋ｌへの結合の重みを
Ｗ？　’：”とし、各ユニットｕ：は同一の特性関数を
有するものとする。このとき、各ユニット　７の入力ｘ
：、出力ｙ：は、 ｘｉ−８ｗ７−’　７ 　ｙ ・・・（４） Ｙ：　−ｆ　（Ｘ７） ・・・（５） となる。ただし入力層を構成する各ユニットｕ）（ｉ−
１＋２＋・−、ｎｌ　）　ヘの各人力Ｆ１　＋　　Ｆ２
　、”Ｆｆｉ、は重みづけされずにそのまま各ユニット
ｕ＋　（ｉ−Ｌ２．・・・＋ｒｌｌ）に入力される。入
力された０１個の信号Ｆ１　＋　　Ｆ２　ｒ　”’＋　
　Ｆ　ｎｔは、各結合の重みＷｋｋ＋１　　によって重
み付けられながら最終的な出力Ｙ：＋　　！ｌ’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
コントラスト）が求められる。

ここで、上記各結合の重みＷビ＋１　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　ｋ　＋
　１　　の初期値が与えられる。このとき、入力Ｆ１〜
Ｆｎｌが最大に変動しても、出力Ｙ：＋　　Ｆ２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。

最適な読取条件が既知で肩関節５（第１Ａ図、第１Ｂ図
参照）が記録された多数の蓄積性蛍光体シートを、前述
のようにして読み取って先読画像信号Ｓｐを得、これに
より上記ｎ１個の入力Ｆ１゜Ｆｚ、・・・＋Ｆａｌが求
められる。本発明の特徴として、上記最適な読取条件は
、Ｘ線画像中で特に肩関節５の部分が最適な濃度で示さ
れる条件とされる。

この０１個の入力Ｆｌ、Ｆ２．・・・、Ｆゎ、が第３図
に示すニューラルネットワークに入力され、各ユニット
ｕ７の出力ｙ７がモニタされる。

各出力　？が求められると、最終的な出力である）’？
ｌ　　Ｆ２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ｙ１およびコントラストＦ２）との二乗
誤差 が求められる。これらの二乗誤差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ｗ　
ｋ　ｋ　＋　ｌが修正される。尚、以下ｙ：の出力に関
して述べ、Ｙｚについてはｙ？と同様であるため、ここ
では省略する。

二乗誤差Ｅｌを最小にするには、このＥｌはＷフ：＋１
の関数であるから のように各結合の重みＷｉ”Ｈ”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。

ここで、 であり、（４）式より に＋ｌ−ΣＷ＋、＋・ ・・・（４）′ であるから、（９）式は、 となる。

ここで、（６）式より、 （５）式を用いてこの（１１）式を変形すると、ここで
、（３式より、 ｆ’　（ｘ）　−ｆ　　（ｘ）　　（１−ｆ　　（ｘ）
　）であるから、 ・・・（１３） ｆ’　（ｘ：　）　−Ｙ：　　（Ｉ　　Ｙ’ｒ　）　　
　−（１４）となる。

（１０）式においてに−２と置き、（１２）　、　（１
４）式を（１０）式に代入すると、 ＝（ｙデーｙ￥′）・Ｙ”１ （１ｙ：） 　ｙ ・・・（１５） この（１５）式を（８）式に代入して、Ｗ？　：　−ｗ
？　？−η・（Ｖ？　　ｄ）・ｙｌ（１）’＋） １　ｙ ・・・（１６） となる。、：（７）　（１８）式に従ッテ、Ｗ？　’、
　（１−１，２，−ｎｔ）の各結合の重みが修正される
。

次に、 であるから、この（１７）式に（４）、　＋５）式を代
入して、ここで（１３）式より、 ｆ’　（ｘ？）−ｙ丁　　（１−ｙ丁）　　・・・（１
９）であるから、この（１９）式と、（１２）、　　（
１４）式を（１８）式に代入して、 ・ｙ？　　　（１ｙ＋）・Ｗ」１　・・・（２０）（１
０）式においてに−１と置き、（２０）式を（１０）式
に代入すると、 −（ｙｌ−曹）・）’＋　　（１−）／？）・）’＋（
ＩＶ丁）・Ｗｌｌ　・ｙｌ ・・・（２１） この（２１）式を（８）式に代入すると、ｋ−１と置い
て、Ｗ：　？　−Ｗ：　？−η・（Ｖ：　　Ｖ：）・ｙ
：（１−ｙｌ）・Ｙ？　　　（１ｙ？）　　・ｙｌａｗ
ｊ　。

・・・（２２） となり、（Ｉ６）式で修正されたＷ？　？　（ｉ−１，
２，・・・ｎｌ）がこの（２２）式に代入され、Ｗ：　
？　（ｉ−１，２゜・・・、　　ｒＤ　　；ｊ−１，２
，・・・、ｎ２）が修正される。

尚、理論的には（１６）式、　（２２）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Ｗ？　：”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、ＲｕＩＩｅｌｈａｒｔ、Ｇ、Ｅ、Ｈ
ｌｎｔｏｎ　ａｎｄ　Ｒ，ＪＪｉ１１ｉａａ＋ｓ：Ｌｅ
ａｒｎｉｎｇ　１ｎｔｅｒｎａｌ　ｒｅｐｒｅｓｅｎｔ
ａｔｉｏｎｓ　ｂｙｅｒｒｏｒ　ｐｒｏｐａｇａｔｔｏ
ｎ　Ｉｎ　ｐａｒａ＋＋ｅ＋　Ｄｉｓｔｒｉｂｕｔｅｄ
　Ｐｒｏｃｅｓｓｉｎｇ、Ｖｏｌｕｍｅ　　１．Ｊ、Ｌ
、ＭｃＣｌｅｌｌａｎｄ、Ｄ、Ｅ、Ｒｕｍｅｌｈａｒｔ
　ａｎｄ　Ｔｈｅ　ＰＤＰ　Ｒｅ５ｅａｒｃｈ　Ｇｒｏ
ｕｐ、ＨＩＴ　Ｐｒｅｓｓ、１９８６ｂＪ参照） ΔＷマフ：　　（ｔ＋１）−α・ΔＷ７７”　　（ｔ）
＋ただしΔＷｔ＋　　　（ｔ）は、を回目の学習におけ
る、修正後の結合重みＷ　？　７”１から修正前の該結
合の重みＷ？　？”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。

慣性項α、学習係数ηとしてたとえばα−０，９η−０
，２５を用いて各結合の重みｗ：　７”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ｗ
　ｋ　ｋ　”　ｌ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ｙ：、ｙｚは本読みの際のそれ
ぞれ感度、コントラストを適正に表わす（つまりＸ線画
像中で、肩関節５の部分が所定の安定した濃度で再生さ
れるようになる）信号となる。

そこで学習が終了した後は、今度は本読みの際の適正な
読取条件を求めるため、Ｘ線画像を表わす先読画像信号
Ｓｐが第３図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）’ｌｌ　　ｙ２　　が、そ
のＸ線画像に対する本読みの読取条件（感度とコントラ
スト）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から、本読みの際の
最適読取条件を精度良く表わしている。

尚、上記ニューラルネットワークは３層構造のものに限
られるものではなく、さらに多層にしてもよいことはも
ちろんである。また各層のユニットの数も、入力される
先読画像信号ｓｐの画素の数、必要とする読取条件の精
度等に応じた任意の数に設定し得るものである。

上記のようにしてニューラルネットワークにより求めら
れた読取条件に従って本読手段１００′のフォトマルチ
プライヤ２１′　に印加する電圧や増幅器２６′の増幅
率等が制御され、この制御された条件に従って本読みが
行なわれる。

尚、上記実施例では、先読手段１００と本読手段１００
′　とが別々に構成されているが、前述したように先読
手段１００と本読手段１００′の構成は路間−であるた
め、先読手段１００と本読手段１００′　とを一体にし
て兼用してもよい。この場合、先読みを行なった後、蓄
積性蛍光体シート１１を一回バツクさせ、再度走査して
本読みを行なうようにすればよい。

先読手段と本読手段とを兼用した場合、先読みの場合と
本読みの場合とで光ビームの強度を切替える必要がある
が、この切替え過方法としては、レーザー光源からの光
強度そのものを切替える方法等、種々の方法を使用する
ことができる。

また、上記実施例では、コンピュータシステム４０で本
読みの際の読取条件を求める方法について説明したが、
本読みの際は、先読画像信号Ｓｐにかかわらず所定の読
取条件で読取ることとし、コンピュータシステム４０で
は、先読画像信号Ｓｐに基づいて、画像信号ＳＱに画像
処理を施す際の画像処理条件を求めるようにしてもよく
、また、コンピュータシステム４０で上記読取条件と画
像処理条件の双方を求めるようにしてもよい。

さらに、第６図に概略構成を示すように、先読手段１０
０で得られた先読画像信号Ｓｐを、コンピュータシステ
ム２００からなるニューラルネットワークに入力して所
定の関心領域を求め、この関心領域についてのみ抽出さ
れた先読画像信号ｓｐをヒストグラム解析部２０１に送
り、該信号Ｓｐのヒストグラムに基づいて読取条件を求
めることもできる。こうする場合、読取条件は関心領域
のみについて求められるから、この読取条件は常に関心
領域に対して最適なものとなり得る。

そこで、この読取条件を示す情報Ｃを本読手段１００′
に送り、本読みにおける読取条件を該情報Ｃが示す通り
に設定すれば、関心領域の濃度が安定した放射線画像を
再生可能となる。

上記のようなヒストグラム解析に関しては、例えば前述
した特開昭６０−１８５９４４号公報、特開昭６ｌ−２
８０１Ｂ３号公報等に詳しい記載がなされており、本発
明においても、こうして従来より公知となっているヒス
トグラム解析の手法を用いることができる。

尚、このようにニューラルネットワークによって所定の
関心領域を求める場合も、ヒストグラム解析により適正
な画像処理条件を求めることが可能である。

また、上述のヒストグラム解析部２０１の代わりに、ニ
ューラルネットワークを利用して読取条件やあるいは画
像処理条件を求めるようにしてもよい。

さらに、上記実施例は、先読みを行なう放射線画像読取
方法に本発明を適用したものであるが、本発明は先読み
無しで上記本読みに相当する読取りを行なう放射線画像
読取方法にも適用可能である。第７図は、そのようにす
るシステムの概略構成を示すものである。

この場合、本読手段１００′　において所定の読取条件
で読取りがなされて画像信号ＳＱが得られ、ニューラル
ネットワークを構成するコンピュータシステム２１０で
は、上記画像信号Ｓ０に基づいて適正な画像処理条件が
求められる。この際も、ニューラルネットワークを学習
させるために、特定の関心領域が撮影された放射線画像
を利用することにより、上記のようにして求められる画
像処理条件を、関心領域に対して最適なものとすること
ができる。

こうして求められた最適な画像処理条件を示す情報りは
画像処理装置２１１に入力され、該画像処理装置２１１
においては、入力された画像信号ＳＱに、上記最適な画
像処理条件で例えば階調処理等の画像処理が施される。

さらに、第８図に概略構成を示すように、本読手段１０
０′で得られた画像信号ＳＱを、コンピュータシステム
２２０からなるニューラルネットワークに入力して所定
の関心領域を求め、この関心領域についてのみ抽出され
た画像信号Ｓ、ｌ　をヒストグラム解析部２２１に送り
、該信号ＳＱ’　のヒストグラムに基づいて画像処理条
件を求めることもできる。こうする場合、画像処理条件
は関心領域のみについて求められるから、この画像処理
条件は常に関心領域に対して最適なものとなり得る。

そこで、この画像処理条件を示す情報Ｅを画像処理装置
２１１に送り、画像処理条件を該情報Ｅが示す通りに設
定すれば、関心領域の濃度が安定した放射線画像を再生
可能となる。

この場合も、上述のヒストグラム解析部２２１の代わり
に、ニューラルネットワークを利用して画像処理条件を
求めるようにしてもよい。

【図面の簡単な説明】

第１Ａ図、第１Ｂ図はそれぞれ、肩関節部のＸ線画像を
表わした説明図、 第２Ａ図、第２Ｂ図はそれぞれ、上記第１Ａ図。 第１Ｂ図に示されたＸ線画像を担持する画像信号のヒス
トグラムの概略パターンを示すグラフ、第３図は、ニュ
ーラルネットワークの一例を表わした概略図、 第４図は、Ｘ線撮影装置の一例の概略図、第５図は、Ｘ
線画像読取装置の一例、および本発明を実施するコンピ
ュータシステムの一例を示した斜視図、 第６．７および８図はそれぞれ、本発明のさらに異なる
方法を実施するシステムの概略構成図である。 １・・・Ｘ線撮影装置　　　２・・・Ｘ線源５・・・肩
関節 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 ４０．２００．２１０．２２０・・・コンピュータシス
テム１００・・・先読手段　　　　　１００′・・・本
読手段２０１．２２１・・・ヒストグラム解析部２１１
・・・画像処理装置 悴愕 区 蘇

Claims (4)

【特許請求の範囲】
1. （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、そのとき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
   第一の画像信号を得、 前記蓄積性蛍光体シートに再度励起光を照射し、そのと
   き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二の画像信号を得る
   際の読取条件及び／又は、得られた前記第二の画像信号
   に画像処理を施す際の画像処理条件を、前記第一の画像
   信号に基づいて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、 前記第一の画像信号を入力とし、前記読取条件及び／又
   は前記画像処理条件を出力とするニューラルネットワー
   クにより条件決定を行ない、適正な読取条件及び／又は
   画像処理条件を出力させるために前記ニューラルネット
   ワークを学習させる際に、被写体中の特定の関心領域が
   撮影された放射線画像と、その関心領域について最適と
   された読取条件及び／又は画像処理条件とを利用するこ
   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. （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、そのとき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
   第一の画像信号を得、 前記蓄積性蛍光体シートに再度励起光を照射し、そのと
   き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二の画像信号を得る
   際の読取条件及び／又は、得られた前記第二の画像信号
   に画像処理を施す際の画像処理条件を、前記第一の画像
   信号に基づいて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、 前記第一の画像信号を入力とし、被写体中の特定の関心
   領域を出力とするニューラルネットワークにより、前記
   関心領域に関する第一の画像信号を抽出し、 この抽出された第一の画像信号に基づいて、前記読取条
   件及び／又は画像処理条件を決定す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。
3. （３）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、 前記画像信号を入力とし、前記画像処理条件を出力とす
   るニューラルネットワークにより条件決定を行ない、 適正な画像処理条件を出力させるために前記ニューラル
   ネットワークを学習させる際に、被写体中の特定の関心
   領域が撮影された放射線画像と、その関心領域について
   最適とされた画像処理条件とを利用することを特徴とす
   る放射線画像処理条件決定方法。
4. （４）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、 前記画像信号を入力とし、被写体中の特定の関心領域を
   出力とするニューラルネットワークにより、前記関心領
   域に関する画像信号を抽出し、この抽出された画像信号
   に基づいて、前記画像処理条件を決定することを特徴と
   する放射線画像処理条件決定方法。