JPH0530355A

JPH0530355A - 被写体像内画像点決定方法

Info

Publication number: JPH0530355A
Application number: JP3041782A
Authority: JP
Inventors: Hideya Takeo; 武尾英哉
Original assignee: Fuji Photo Film Co Ltd
Current assignee: Fujifilm Holdings Corp
Priority date: 1991-03-07
Filing date: 1991-03-07
Publication date: 1993-02-05
Anticipated expiration: 2012-12-24
Also published as: JP2694580B2; US5278755A

Abstract

(57)【要約】【目的】被写体像内の画像点決定方法において、予め
学習したニューラルネットワークを用いて、放射線画像
の撮影メニューが変わっても、その撮影メニューに最適
な被写体像内の画像点を求める。【構成】画像信号Ｓp を入力とし、画像点を出力とす
る互いに種類の異なるニューラルネットワークをコンピ
ュータシステムのメモリ４内に多数用意する。撮影メニ
ュー入力手段６により撮影メニューが入力されると、対
照データを記憶したメモリ５によりその撮影メニューに
最適のニューラルネットワークが選択され、このニュー
ラルネットワークに画像信号Ｓp を入力し、撮影メニュ
ーに適した画像点を求める。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、被写体像を含む放射線
画像が記録された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、上記被写体像内の画像点を求める方
法に関するものである。

【０００２】

【従来の技術】記録された放射線画像を読み取って画像
信号を得、この画像信号に適切な画像処理を施した後、
画像を再生記録することは種々の分野で行なわれてい
る。たとえば、後の画像処理に適合するように設計され
たガンマ値の低いＸ線フィルムを用いてＸ線画像を記録
し、このＸ線画像が記録されたフィルムからＸ線画像を
読み取って電気信号に変換し、この電気信号（画像信
号）に画像処理を施した後コピー写真等に可視像として
再生することにより、コントラスト，シャープネス，粒
状性等の画質性能の良好な再生画像を得ることのできる
システムが開発されている（特公昭61-5193 号公報参
照）。

【０００３】また本願出願人により、放射線（Ｘ線，α
線，β線，γ線，電子線，紫外線等）を照射するとこの
放射線エネルギーの一部が蓄積され、その後可視光等の
励起光を照射すると蓄積されたエネルギーに応じて輝尽
発光を示す蓄積性蛍光体（輝尽性蛍光体）を利用して、
人体等の被写体の放射線画像を一旦シート状の蓄積性蛍
光体に撮影記録し、この蓄積性蛍光体シートをレーザー
光等の励起光で走査して輝尽発光光を生ぜしめ、得られ
た輝尽発光光を光電的に読み取って画像信号を得、この
画像信号に基づき被写体の放射線画像を写真感光材料等
の記録材料、ＣＲＴ等に可視像として出力させる放射線
画像記録再生システムがすでに提案されている（特開昭
55-12429号，同56-11395号，同55-163472 号，同56-104
645 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な
い、この先読みにより得られた先読画像信号を分析し、
その後上記シートに上記先読みの際の光ビームよりも高
レベルの光ビームを照射して走査し、この放射線画像に
最適な読取条件で読み取って画像信号を得る本読みを行
なうように構成されたシステムもある（特開昭58-67240
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、得られた画像信号
（先読画像信号を含む）を分析し、画像信号に画像処理
を施す際の最適な画像処理条件を決定するようにしたシ
ステムもある。この画像信号に基づいて最適な画像処理
条件を決定する方法は、蓄積性蛍光体シートを用いるシ
ステムに限られず、たとえば従来のＸ線フィルム等の記
録シートに記録された放射線画像から画像信号を得るシ
ステムにも適用されている。

【０００９】上記画像信号（先読画像信号を含む）を分
析して最適な読取条件、画像処理条件を求める方法は種
々提案されているが、その方法のひとつとして、画像信
号のヒストグラムを作成する方法が知られている（たと
えば、特開昭60-156055 号）。画像信号のヒストグラム
を求めることにより、たとえば画像信号の最大値，最小
値や、頻度が最大となる点の画像信号の値等を知ること
ができ、これらの各値から蓄積性蛍光体シート，Ｘ線フ
ィルム等の記録シートに記録された放射線画像の特徴を
把握することができる。そこでこのヒストグラムに基づ
いて最適な読取条件，画像処理条件を求めることによ
り、観察適正のすぐれた放射線画像を再生出力すること
が可能となる。

【００１０】一方、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。

【００１１】ところが、前述のようにして画像信号を分
析して読取条件，画像処理条件を求めるにあたって、分
析に用いた画像信号が、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信号である場合、この照射野
の存在を無視して画像信号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。

【００１２】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
像信号に基づいて読取条件，画像処理条件を求める必要
がある。

【００１３】照射野を認識する方法のうち、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は、例えば、照射
野内に含まれる所定の点からシート端部に向かう放射状
の複数の方向に沿った各画素に対応する画像信号に基づ
いて、照射野の輪郭上にあると考えられる複数の輪郭点
を求め、これらの輪郭点に沿った線で囲まれる領域を照
射野と認識する方法が、本出願人により既に提案されて
いる（特開昭63-39039号）。

【００１４】この方法において、上記所定の点は照射野
内の点である必要があり、さらには照射野内のうちの被
写体像内の点であることが望ましい。ただし、照射野絞
りは被写体のうちの必要な部分のみを撮影するために使
用するものであるため、照射野絞りを使用した撮影で
は、照射野内（特に照射野の略中心）の画像点はほとん
どの場合被写体像内の画像点となる。

【００１５】上記のようにしてまず放射線照射野を求
め、その後求められた放射線照射野内に対応する画像信
号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。

【００１６】しかし、上記特開昭63-39039号で提案した
方法で照射野を認識するためには、その前提として照射
野内（望ましくは被写体像内）の画像点を見つけ出すこ
とが必要となる。

【００１７】また、被写体像内の画像点を求めること
は、上記のように照射野を認識することのほか、放射線
画像の一部を例えば拡大して可視画像として再生出力す
る場合に、放射線画像のどの部分を中心とした可視画像
を出力するかを決定する際にも有効である。

【００１８】上記被写体像内の画像点を求める方法は各
種あるが、一例として被写体像を含む放射線画像が記録
された記録シート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、あるいは画像信号
値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、この重心を被写体像内の画像点と
する方法、および画像信号値または画像信号値の逆数を
互いに異なる２つの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座標点を求め、この座標点
の位置を画像点とする方法が本出願人により提案されて
いる（特開平2-28782 号）。

【００１９】ところで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り、この
ニューラルネットワークを利用した方法をこの分野に適
用することが考えられる。

【００２０】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。

【００２１】このニューラルネットワークを用いると、
放射線画像の画像信号を入力として、上記の前述の画像
点の決定を行なうことが可能である。

【００２２】すなわち、上記放射線画像の画像信号を上
記ニューラルネットワークに入力し、画像点を出力と
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画像点を求める
ことができるようにすることができる。

【００２３】

【発明が解決しようとする課題】上述した特開平2-2878
2 号に提案されている画像点を求める方法は、撮影メニ
ューが変わっても画像点の求め方は一通りであるという
撮影メニューに依存しない方法であるため、撮影メニュ
ーが変わると画像信号値が変わり、ある撮影メニューに
対しては不適切な画像点を求めてしまうことがある。

【００２４】すなわち、各種の画像点決定方法には、そ
れぞれの方法が適する撮影メニューがあるので、その撮
影メニューに応じて最適な方法が選択されなければなら
ない。

【００２５】例えば、頭部の場合は円形絞りがあり得る
ので、円形を含む不定形の照射野を認識するのに適する
画像点を求めなければならなく、断層撮影の場合は流れ
像が発生して照射野のエッジがボケることが多いので、
エッジがボケている場合にも照射野を認識できるような
画像点を求めなければならない。

【００２６】本発明は、上記事情に鑑み、ニューラルネ
ットワークを用いて、放射線画像の撮影メニューが変わ
っても、その撮影メニューに最適な被写体像内の画像点
を求める方法を提供することを目的とするものである。

【００２７】

【課題を解決するための手段】本発明による被写体像内
画像点決定方法は、被写体像を含む放射線画像が所定の
撮影メニューにより記録された蓄積性蛍光体シートやＸ
線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、前記被写体像内の画像点を決定する被
写体像内画像点決定方法において、◆前記画像信号を入
力とし、前記画像点を出力とする、互いに種類の異なる
多数のニューラルネットワークを撮影メニュー毎に用意
し、該多数のニューラルネットワークの中から前記撮影
メニューに最適のニューラルネットワークを選択し、こ
のニューラルネットワークにより前記画像点を出力する
ことを特徴とするものである。

【００２８】ここで撮影メニューとは、撮影方法（通常
撮影，拡大撮影，断層撮影等）や撮影部位（頭部，頸
部，胸部，腹部等）、撮影装置等を意味するものであ
る。

【００２９】また、「最適のニューラルネットワークを
選択し」とあるが、最適のニューラルネットワークの選
択は、自動で行なうようにしてもよいし、撮影メニュー
はあらかじめわかっている場合が多いため、マニュアル
操作により行なうようにしてもよい。

【００３０】

【作用】本発明の被写体像内画像点決定方法は、画像デ
ータに基づいて画像点を決定する互いに種類の異なる多
数のニューラルネットワークが撮影メニュー毎に用意さ
れており、撮影メニューに最適のニューラルネットワー
クを選択するものであるため、撮影メニューが変化して
も、常にその撮影メニューに最適な画像点を求めること
ができる。

【００３１】

【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。

【００３２】図１は本発明の基本的概念を示すブロック
図である。

【００３３】本発明の被写体像内画像点決定方法は、照
射野絞を通して被写体の放射線画像が記録された記録シ
ート上の画像を読み取って得た画像データ２に基づい
て、ニューラルネットワークを用いて画像点決定ステッ
プ３において前記記録シート上に形成された被写体像を
含む放射線画像の画像点を決定する被写体像内画像点決
定方法であって、この画像点決定ステップ３で実行する
画像点決定方法として最適なニューラルネットワークを
選択するものである。この最適なニューラルネットワー
クを選択するため、前述のような互いに種類の異なる複
数のニューラルネットワーク(1),(2),(3) ……をメモリ
４内に多数用意し、撮影メニューに基づいて前記多数の
ニューラルネットワーク(1),(2),(3) ……の中から最適
なニューラルネットワークを選択する。このため、撮影
メニューに関するデータを入力する撮影メニュー入力手
段６を設け、この入力手段６から出力される撮影メニュ
ー（撮影方法、撮影部位および／または撮影装置の種類
に関する情報）と、該撮影メニューに適する、前記メモ
リに記憶されたニューラルネットワークとを対応づける
対照データを記憶したメモリ５を用意し、前記撮影メニ
ュー入力手段６により入力された撮影メニューに応じ
て、前記メモリ５に記憶された対照データを参照して該
撮影メニューに最適なニューラルネットワークを選択
し、この選択されたニューラルネットワークに前記画像
データを供給して画像点を決定するものである。

【００３４】例えば、撮影メニュー入力手段６で撮影部
位が頭部であることが入力されれば、照射野は円形であ
る場合が多いので、円形その他の不定形の照射野の画像
点の決定に適するニューラルネットワークが選択され
る。また、例えば、撮影メニュー入力手段６で撮影方法
が断層撮影である旨が入力されれば、流れ像によりエッ
ジがボケても照射野を精度よく検出できるような画像点
の決定に適したニューラルネットワークが選択される。

【００３５】次に、本発明による被写体像内画像点決定
方法を適用したコンピュータシステムを使用した放射線
画像読取再生装置の一例について説明する。

【００３６】図２は、本発明の被写体像内画像点決定方
法を使用したコンピュータシステムの一例および、放射
線画像読取再生装置の一実施例を示した斜視図である。
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。

【００３７】放射線画像が記録された蓄積性蛍光体シー
ト11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11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。光ビーム17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21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）23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22
a から光ガイド22内に入射した輝尽発光光21は、該光ガ
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。

【００３８】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、画像信号Ｓp が得
られる。

【００３９】得られた画像信号Ｓp は、コンピュータシ
ステム40に入力される。このコンピュータシステム40
は、本発明の被写体像内画像点決定方法を使用するもの
であり、ＣＰＵおよび内部メモリが内蔵された本体部4
1，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。

【００４０】このコンピュータシステム40のメモリには
互いに種類の異なる複数のニューラルネットワークが記
憶されており、また別のメモリには撮影メニューについ
ての情報と前記複数のニューラルネットワークとを対応
づける対照データが記憶されている。

【００４１】画像点の決定に際しては、キーボード43よ
り入力された撮影メニューについての情報に応じて、前
記対照データが参照され、撮影メニューに最適なニュー
ラルネットワークが選択された後、画像信号Ｓp がニュ
ーラルネットワークに入力されて、画像点が求められ
る。

【００４２】以下、ニューラルネットワークにより、学
習を繰り返して、該ニューラルネットワークにより、正
しい画像点を求める方法について詳述する。

【００４３】図３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、ニューラルネットワークに所定の機能を付
与するためのよく知られた学習方法で、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】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
から構成され、第１層（入力層）に入力される各信号Ｆ
₁，Ｆ₂，…，Ｆ_nは放射線画像の各画素に対応する画
像信号Ｓp であり、第３層（出力層）からの２つの出力
Ｙ3,1 ，Ｙ3,2 は図４に示すような、蓄積性蛍光体シー
ト11上のｘ−ｙ直交座標系で表される画像点Ｃのｘ座
標，ｙ座標を表わす信号である。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

【００４５】

【数１】

【００４６】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、

【００４７】

【数２】

【００４８】

【数３】

【００４９】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 ，Ｙ
3,2 にまで伝達され、これにより最適な画像点（蓄積性
蛍光体シート上のｘ−ｙ直交座標系で表わされるｘ座
標，ｙ座標）が求められる。

【００５０】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。

【００５１】最適な画像点が既知の放射線画像が記録さ
れた蓄積性蛍光体シートが多数前述したようにして読み
取られ、これにより得られた先読画像信号Ｓｐが間引き
されて上記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Ｕ
k,i の出力Ｙk,i がモニタされる。

【００５２】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画像
点を示す教師信号（ｘ座標を示す“Ｙ3,1 ”およびｙ座
標を示す“Ｙ3,2 ”）との二乗誤差

【００５３】

【数４】

【００５４】

【数５】

【００５５】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
力に関して延べ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。

【００５６】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

【００５７】

【数６】

【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７】

【００６１】であり、(2) 式より

【００６２】

【数８】

【００６３】であるから、(7) 式は、

【００６４】

【数９】

【００６５】となる。

【００６６】ここで、(4) 式より、

【００６７】

【数１０】

【００６８】(3) 式を用いてこの(10)式を変形すると、

【００６９】

【数１１】

【００７０】ここで、(1) 式より、

【００７１】

【数１２】

【００７２】であるから、

【００７３】

【数１３】

【００７４】となる。

【００７５】(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、

【００７６】

【数１４】

【００７７】この(14)式を(6) 式に代入して、

【００７８】

【数１５】

【００７９】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。

【００８０】次に、

【００８１】

【数１６】

【００８２】であるから、この(16)式に(2) 式、(3) 式
を代入して、

【００８３】

【数１７】

【００８４】ここで(12)式より、

【００８５】

【数１８】

【００８６】であるから、この(18)式と、(11)式、(13)
式を(17)式に代入して、

【００８７】

【数１９】

【００８８】(9) 式においてｋ＝１と置き、(19)式を
(9)式に代入すると、

【００８９】

【数２０】

【００９０】この(20)式を(6) 式に代入すると、ｋ＝１
と置いて、

【００９１】

【数２１】

【００９２】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。

【００９３】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）

【００９４】

【数２２】

【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。この学習
の終了時には２つの出力Ｙ3,1 ，Ｙ3,2 はそれぞれ画像
点のｘ座標，ｙ座標を正しく表わす信号となる。

【００９７】このようにして、ニューラルネットワーク
を用いて最適な被写体像内の画像点を求めることができ
る。

【００９８】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、入力される画像信号Ｓp の画素の数、必要とする画
像点の精度等に応じた任意の数に設定し得るものであ
る。

【００９９】上記のような学習を撮影メニュー毎に行な
えば、その撮影メニューに最適なニューラルネットワー
クが選択され、望ましい画像点を求めることができる。
例えば対象撮影メニューを腰椎の画像に限定して学習す
れば、腰椎の画像に最適な画像点をニューラルネットワ
ークが学習するので、撮影部位が腰椎である場合に、こ
のニューラルネットワークを選択すれば、腰椎に最適な
画像点を求めることができる。

【０１００】上記のようにしてニューラルネットワーク
により求められた画像点から画像処理手段29において蓄
積性蛍光体シート11の端部に向かう放射状の複数の方向
に沿った各画素に対応する画像信号に基づいて、照射野
の輪郭上にあると考えられる複数の輪郭点が求められ、
これらの輪郭点に沿った線で囲まれる領域が照射野とし
て認識される。照射野が認識されると、この照射野に対
応する画像信号Ｓp に適切な画像処理が施される。

【０１０１】画像処理の施された画像信号Ｓp は再生手
段30に送られ、再生手段30ではこの画像信号Ｓp に基づ
く放射線画像が再生記録される。

【０１０２】上記実施例においては、求められた被写体
像内画像点を、照射野の認識に用いる場合について説明
したが、被写体像内画像点を求めることは、照射野の認
識にのみ用いられるものではない。たとえば、図２に示
す再生手段30で可視画像を得る場合に、上記のようにし
てコンピュータシステム40において被写体像内画像点を
求めることにより、被写体像が蓄積性蛍光体シート11の
端に記録された場合であっても、この被写体像を中央に
配置した可視画像を得ることができる。

【０１０３】また、上記実施例は、先読みを行なわない
放射線画像読取装置について説明したが、先読みを行な
って先読画像信号を求め、この先読画像信号に基づいて
照射野を求め、この照射野内に対応する先読画像信号に
基づいて本読みの際の読取条件を求めるシステムにも本
発明の被写体像内画像点決定方法を用いることができる
ことはいうまでもない。

【０１０４】さらに、上記被写体像内の画像点を決定す
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から画像点を決定する場合にも
適用可能なことは勿論であり、被写体の放射線画像が記
録された記録シートから得られた放射線画像を表わす光
を読み取って画像信号を得、この画像信号に基づいて放
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
適用することができる。

【０１０５】

【発明の効果】以上詳細に説明したように、本発明の被
写体像内画像点決定方法は、撮影メニュー毎にニューラ
ルネットワークに学習を行なわせ、撮影メニュー毎に最
適なニューラルネットワークを選択し、画像信号を選択
したニューラルネットワークに入力することにより、撮
影メニューに最適の画像点を求めることができることと
なる。

【図面の簡単な説明】

【図１】本発明の基本的概念を示すブロック図

【図２】本発明の被写体像内画像点決定方法を使用し
た、放射線画像読取再生装置の一実施例の斜視図

【図３】被写体像内画像決定手段に用いられるニューラ
ルネットワークの一例を表わした図

【図４】記録シートに放射線画像が記録された状態を示
した図

【符号の説明】

11，51 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 対数増幅器 27 Ａ／Ｄ変換器 40 コンピュータシステム 52 照射野 53 被写体Ｃ画像点Ｓp 画像信号

─────────────────────────────────────────────────────

【手続補正書】

【提出日】平成３年１０月２５日

【手続補正１】

【補正対象書類名】明細書

【補正対象項目名】００１３

【補正方法】変更

【補正内容】

【００１３】照射野を認識する方法のうち、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は、例えば、照射
野内に含まれる所定の点からシート端部に向かう放射状
の複数の方向に沿った各画素に対応する画像信号に基づ
いて、照射野の輪郭上にあると考えられる複数の輪郭点
を求め、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）。

【手続補正２】

【補正対象書類名】明細書

【補正対象項目名】００１６

【補正方法】変更

【補正内容】

【００１６】しかし、上記特開昭63-259538 号で提案し
た方法で照射野を認識するためには、その前提として照
射野内（望ましくは被写体像内）の画像点を見つけ出す
ことが必要となる。

───────────────────────────────────────────────────── 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Ｇ０６Ｇ 7/60 7368−5Ｂ

Claims

【特許請求の範囲】【請求項１】被写体像を含む放射線画像が所定の撮影
メニューにより記録された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、前記被写体像内の画像点を
決定する被写体像内画像点決定方法において、前記画像信号を入力とし、前記画像点を出力とする、互
いに種類の異なる多数のニューラルネットワークを撮影
メニュー毎に用意し、該多数のニューラルネットワーク
の中から前記撮影メニューに最適のニューラルネットワ
ークを選択し、このニューラルネットワークにより前記
画像点を出力することを特徴とする被写体像内画像点決
定方法。