JP2008167950A - 放射線画像処理方法および装置ならびにプログラム - Google Patents

Abstract

【課題】放射線画像処理方法において、被写体に照射する放射線の線量を増大させることなく、上記被写体を表す放射線画像の品質を高める。
【解決手段】複数の同種の被写体１Ｐ毎に、被写体１Ｐを表す被写体画像１１Ｈ、および被写体１Ｐ中の特定の部位Ｐｘと他の部位Ｐｏとの境界Ｐｃを表す部位特定画像１１Ｃからなる入力用放射線画像１１を用意し、被写体１Ｐの放射線撮影により、被写体画像１１Ｈの特定の部位Ｐｘを強調して表す教師用放射線画像３３を各被写体１Ｐ毎に用意し、上記入力用放射線画像１１を対象とし、教師用放射線画像３３を教師として学習させた教師学習済フィルタ４０を得る。その後、与えられた被写体３Ｐについて作成した入力用放射線画像１１と同種の放射線画像２１を教師学習済フィルタ４０に入力して、画質劣化が補償され特定の部位Ｐｘが強調されてなる放射線画像６０を形成する。
【選択図】図１

Description

本発明は、被写体中の特定の部位を強調して表す放射線画像を得る放射線画像処理方法および装置ならびにプログラムに関するものである。

従来より、医療用の放射線撮影等においては、互いにエネルギ分布が異なる放射線を用いた被写体の放射線撮影により高圧画像と低圧画像を得、上記高圧画像と低圧画像との加重減算処理により被写体中の特定の放射線吸収特性を示す部位、例えば生体組織の骨部や軟部を強調して表すエネルギサブトラクション画像を得る手法が知られている（特許文献１参照）。このエネルギサブトラクション画像は上記高圧画像と低圧画像との差に基づいて形成された画像である。

上記高圧画像と低圧画像とを得る放射線撮影としては、例えば、放射線源の管電圧を違えて発生させた２種類の互いにエネルギ分布の異なる放射線それぞれを、互に異なるタイミングで合計２度、被写体へ照射して上記高圧画像と低圧画像とを得る２ショット放射線撮影法、あるいは、被写体への１度の放射線照射によって、銅板を間に挟んで配された２枚の蓄積性蛍光体シートそれぞれに上記被写体の高圧画像と低圧画像を同時に記録する１ショット放射線撮影法等が知られている。

上記高圧画像と低圧画像とを用いて形成されるエネルギサブトラクション画像は、通常の放射線撮影法（以後、単純放射線撮影法という）によって得られる放射線画像（以後、単純放射線画像という）よりも上記特定の部位を強調できる点では優れているが、より多くのノイズを含む画像となる。なお、上記単純放射線撮影法は、互いにエネルギ分布の異なる複数種類の放射線を用いることなく、被写体に対し１種類の放射線を１度照射する放射線撮影により上記被写体の単純放射線画を取得するものである。

上記エネルギサブトラクション画像に生じるノイズは、主に、上記高圧画像や低圧画像を取得するときに照射する放射線の線量の不足に起因している。

すなわち、医療用放射線撮影等においては、放射線撮影に使用する放射線の線量を少なくして患者への負担を軽減することが望まれている。例えば、通常の放射線撮影が２回必要な放射線撮影（２ショット放射線撮影法）において２回ともに十分な線量が用いられなかったり、銅板での放射線の吸収により線量を減衰させた放射線撮影（１ショット放射線撮影法）で得られた放射線画像（高圧画像や低圧画像）を用いて作成されるエネルギサブトラクション画像は、上記単純放射線撮影法によって得られる単純放射線像画像よりも画像品質が劣化する。

上記１ショット放射線撮影法、２ショット放射線撮影法のいずれにおいても、その放射線撮影で被写体へ照射する放射線の線量を少なくすることが求められるが、上記のように放射線撮影において被写体へ照射する放射線の線量を少なくしようとするとこの放射線撮影で得られる放射線画像中に生じるノイズの量が多くなり画像品質が劣化する。

一方、単純放射線撮影で得られた１枚の放射線画像から被写体の骨部を表す成分を推定し、複数の放射線画像の加重減算処理を行うことなく被写体中の骨部を強調して表す放射線画像を形成する手法が知られている。この手法は、互いにエネルギ分布の異なる放射線を用いた放射線撮影を行うことなく、上記エネルギサブトラクション画像である骨部画像に類似した画像を得ようとするものである。

より具体的には、この手法は以下の手順によって上記骨部画像に類似した画像を得ようとするものである。

すなわち、予め、被写体となる人体胸部の放射線撮影で得られた骨部が強調された教師用の放射線画像を形成しておく。そして、上記被写体と同種の被写体である人体胸部の放射線撮影で得られた学習用の単純放射線画像が入力されたときに、上記教師用放射線画像を教師とした放射線画像、すなわち骨部が強調された放射線画像が出力されるように学習を繰り返して教師学習済フィルタ（人口ニューラルネットワーク（ANN）を利用したフィルタ）を作成する。その後、上記被写体と同種の診断対象となる人体胸部の放射線撮影で得られた単純放射線画像を上記教師学習済フィルタに入力して、骨部が強調された上記人体胸部の診断用の放射線画像を得ようとするものである（特許文献２参照）。
特開平３−２８５４７５号公報 米国特許公開第２００５/０１００２０８Ａ１号明細書

しかしながら、上記教師学習済フィルタを利用した方式は、被写体中の特定の部位である骨部を推定する信頼性が十分とは言えず、骨部と骨部以外の部位との区別が不明確になり、上記被写体中の軟部を表す成分が上記強調して表された骨部を表す画像領域中に入り込んでしまうことがある。すなわち上記軟部成分が偽画像として骨部領域中に現われることがある。

そのため、上記偽画像を生じさせることなく被写体中の特定の部位を強調して表す放射線画像が得られるようにしたいという要請がある。

本発明は、上記事情に鑑みてなされたものであり、被写体へ照射する放射線の線量を増大することなく、上記被写体を表す放射線画像の品質を高めることができる放射線画像処理方法および装置ならびにプログラムを提供することを目的とするものである。

本発明の放射線画像処理方法は、複数の同種の被写体毎に、該被写体の放射線撮影で得られた前記被写体中の特定の部位とこの特定の部位とは異なる他の部位との境界を表す部位特定画像および前記被写体を表す被写体画像からなる入力用放射線画像を用意し、前記各被写体の放射線撮影により得られた該被写体中の前記特定の部位を強調して表す教師用放射線画像を各被写体毎に用意し、各被写体を表す入力用放射線画像の入力に対し、前記被写体中における前記特定の部位が強調されてなる該被写体の放射線画像が出力されるように、前記被写体に対応する前記教師用放射線画像を教師として学習させた教師学習済フィルタを得、その後、前記被写体と同種の与えられた被写体について、前記入力用放射線画像と同種の放射線画像を作成し、該放射線画像を前記教師学習済フィルタに入力して、前記与えられた被写体中の前記特定の部位と同じ部位が強調されてなる該被写体の放射線画像を形成することを特徴とするものである。

前記教師用放射線画像を作成するための放射線撮影に用いられる放射線の線量は、被写体画像を作成するための放射線撮影に用いられる放射線の線量よりも大きくすることが望ましい。

前記教師用放射線画像は、互いにエネルギ分布の異なる放射線による放射線撮影で得られた高圧画像と低圧画像を用いた加重減算処理、いわゆるエネルギサブトラクション処理により形成されたものとすることができる。

前記入力用放射線画像は、互いにエネルギ分布の異なる放射線による放射線撮影で得られた高圧画像と低圧画像を用いた加重減算処理、いわゆるエネルギサブトラクション処理により形成されたものとすることができる。また、前記入力用放射線画像は、単純放射線撮影によって得られた単純放射線画像としてもよい。

前記被写体画像は、単純放射線撮影によって得られた単純放射線画像とすることができる。

前記特定の部位は、他の部位とは異なる特定の放射線吸収特性を有する部位とすることができる。

前記被写体を生体組織とし、前記特定の部位を、骨部、肋骨、後肋骨、前肋骨、鎖骨、脊椎のうちの少なくとも１つを含むものとすることができる。

前記被写体を生体組織とし、前記特定の部位とは異なる他の部位を、肺野、縦隔膜、横隔膜、肋骨間のうちの少なくとも１つを含むものとすることができる。

前記被写体を生体組織とし、前記特定の部位を前記生体組織の骨部あるいは軟部とすることができる。

前記特定の部位は、前記高圧画像と低圧画像とにおいて被写体中の位置が変化した部位とすることができる。

前記教師学習済フィルタは、教師学習済フィルタを取得するための学習および与えられた被写体に対する放射線画像の形成を互に異なる複数の空間周波数帯域毎に行い、各空間周波数帯域毎に形成された前記放射線画像のそれぞれを合成して１つの放射線画像を得るものとすることができる。

本発明の放射線画像処理装置は、複数の同種の被写体毎の放射線撮影で得られた該被写体中の特定の部位とこの特定の部位とは異なる他の部位との境界を表す部位特定画像および前記被写体を表す被写体画像からなる入力用放射線画像と、前記各被写体の放射線撮影により得られた該被写体中の前記特定の部位を強調して表す各被写体毎の教師用放射線画像とを用い、前記各被写体を表す入力用放射線画像の入力に対し、前記被写体中における前記特定の部位が強調されてなる該被写体の放射線画像が出力されるように、前記被写体に対応する前記教師用放射線画像を教師として学習させた教師学習済フィルタを得るフィルタ取得手段と、前記被写体と同種の与えられた被写体について、前記入力用放射線画像と同種の放射線画像を作成する同種画像作成手段と、該放射線画像を前記教師学習済フィルタに入力して、前記与えられた被写体中の前記特定の部位と同じ部位が強調されてなる該被写体の放射線画像を形成する部位強調画像形成手段とを備えたことを特徴とするものである。

本発明のプログラムは、複数の同種の被写体毎の放射線撮影で得られた前記被写体中の特定の部位とこの特定の部位とは異なる他の部位との境界を表す部位特定画像および前記被写体を表す被写体画像からなる入力用放射線画像と、前記各被写体の放射線撮影により得られた該被写体中の前記特定の部位を強調して表す各被写体毎の教師用放射線画像とを用い、前記各被写体を表す入力用放射線画像の入力に対し、前記被写体中における前記特定の部位が強調されてなる該被写体の放射線画像が出力されるように、前記被写体に対応する前記教師用放射線画像を教師として学習させた教師学習済フィルタを得る手順と、前記被写体と同種の与えられた被写体について、前記入力用放射線画像と同種の放射線画像を作成する手順と、該放射線画像を前記教師学習済フィルタに入力して、前記与えられた被写体中の前記特定の部位と同じ部位が強調されてなる該被写体の放射線画像を形成する手順とを実行する放射線画像処理方法をコンピュータに実行させるためのものである。

前記同種の被写体とは、例えば、大きさ、形状、構造、および各部位の放射線吸収特性が略等しい被写体を意味するものである。例えば人体であれば同じ部位であり、互に異なる成人男性の胸部は同種の被写体である。また、互に異なる成人女性の腹部、あるいは互に異なる子供の頭部等も同種の被写体である。また、例えば、工業製品であれば、大きさ、形状、構造、材質等が略等しい被写体を意味するものである。さらに、例えば、同種の被写体は、互に異なる成人男性の胸部の一部分（例えば、胸部中の首に近い側の１／３の部位）等としてもよい。また、同種の被写体は、同一被写体中の互に異なる小領域とすることができる。

前記「与えられた被写体について、入力用放射線画像と同種の放射線画像を作成する」とは、与えられた被写体に対し、上記入力用放射線画像を得る際の処理と同様の処理を施して上記与えられた被写体の放射線画像を作成することを意味する。すなわち、例えば、入力用放射線画像を取得するときと同等の撮影条件で上記与えられた被写体の放射線撮影を行い、この放射線撮影で得られた放射線画像に対し、上記入力用放射線画像を取得するときと同様の画像処理を施して上記与えられた被写体の放射線画像を作成することができる。

前記特定の部位の強調は、特定の部位を他の部位よりも目立つように表す場合に限らず、特定の部位のみを表すようにしてもよい。

前記部位特定画像とは、例えば、放射線画像中の局所領域毎にその局所領域が主として属する所定の組織を判別した画像、あるいは互に異なる組織間の境界を判別した画像である。また、上記部位特定画像は、例えば、特定の部位とこの特定の部位とは異なる部位との判別処理によって得ることができる。

本発明の放射線画像処理方法および装置ならびにプログラムは、入力用放射線画像を対象とし、被写体中における特定の部位が強調されてなる上記被写体の放射線画像が出力されるように、教師用放射線画像を教師として学習させた教師学習済フィルタを得、その後、与えられた被写体について、入力用放射線画像と同種の放射線画像を作成し、その放射線画像を前記教師学習済フィルタに入力して、与えられた被写体中の前記特定の部位と同じ部位が強調されてなる放射線画像を形成するようにしたので、被写体へ照射する放射線の線量を増大させることなく、上記被写体を表す放射線画像の品質を高めることができる。

すなわち、従来のように教師学習済フィルタへ入力する画像を単純放射線画像のみとせず、被写体中の特定の部位と他の部位との境界を表す部位特定画像と上記被写体を表す被写体画像とを教師学習済フィルタへ入力する画像としたので、上記偽画像の発生も抑制することができる。

より具体的には、単純放射線画像のみを教師学習済フィルタへ入力させる従来の方式では、被写体中の特定の部位を推定する信頼性が不十分なため偽画像が生じていた。一方、本発明では、教師学習済フィルタへ、被写体を表す被写体画像に加えて上記境界を表す部位特定画像を入力するので、上記単純放射線画像のみの入力に比して、被写体中の特定の部位と他の部位とを区別するためのより多くの情報を利用することができる。したがって、教師学習済フィルタにより上記特定の部位を推定する信頼性を高めることができ、これにより上記与えられた被写体の放射線画像中に生じた偽画像を補償することができる。

上記のことにより、与えられた被写体へ照射する放射線の線量を増大させることなく上記被写体中の特定の部位が強調された放射線画像を作成することができ、上記被写体を表す放射線画像の品質を高めることができる。

さらに、教師用放射線画像を、この教師用放射線画像に対応する学習用放射線画像を構成する被写体画像および部位特定画像よりもノイズ等による画質劣化が少ないものとすれば、上記教師学習済フィルタを、画質劣化を補償するように学習させることができる。そして、上記入力用放射線画像と同種の放射線画像を教師学習済フィルタへ通すことにより、上記入力用放射線画像と同種の放射線画像が作成される際にこの放射線画像に生じた画質劣化を補償した放射線画像を得ることができる。

また、教師用放射線画像を作成するための放射線撮影に用いられる放射線の線量を、被写体画像を作成するための放射線撮影に用いられる放射線の線量よりも大きくすれば、より確実に、上記教師用放射線画像を、入力用放射線画像を構成する被写体画像よりも画質劣化が少ない画像とすることができ、これにより、上記被写体を表す放射線画像の品質を高めることができる。

また、教師用放射線画像を、互いにエネルギ分布の異なる放射線による放射線撮影で得られた高圧画像と低圧画像を用いた加重減算処理、いわゆるエネルギサブトラクション処理により形成されたエネルギサブトラクション画像とすれば、より確実に、上記教師用放射線画像を、上記特定の部位を強調して表す画像とすることができる。

ここで、特定の部位を、他の部位とは異なる特定の放射線吸収特性を有する部位とすれば、より確実に、被写体中の特定の部位と他の部位との境界を定めることができ、より正確に被写体中の特定の部位を強調してなる放射線画像を形成することができる。

以下、本発明の放射線画像処理方法および装置ならびにプログラムについて説明する。本発明の第１の実施の形態による放射線画像処理方法は、入力用放射線画像として、被写体を表す単純放射線画像、およびこの単純放射線画像から作成した上記被写体中の特定の部位と他の部位との境界を表す部位特定画像の２種類の画像を採用したものである。

図１は上記第１の実施の形態による放射線画像処理方法に用いる教師学習済フィルタを取得する手順を示す図、図２は上記教師学習済フィルタを用いて診断用の放射線画像を取得する手順を示す図である。なお、図中の斜線部は画像あるいは画像を表す画像データを示している。

上記放射線画像処理方法は、複数の同種の被写体である成人男性の胸部１Ｐα、１Ｐβ・・・（以後、まとめて胸部１Ｐともいう）毎に、各胸部１Ｐの単純放射線撮影１０で得られた上記胸部１Ｐを表す単純放射線画像である学習用の被写体画像１１Ｈ、および上記被写体画像１１Ｈに対し境界抽出処理１２を施して得られた胸部１Ｐ中の特定の部位である骨部Ｐｘとこの骨部Ｐｘとは異なる他の部位Ｐｏとの境界Ｐｃを表す学習用の部位特定画像１１Ｃからなる入力用放射線画像１１を用意する。

なお、上記単純放射線撮影法は、互いにエネルギ分布の異なる複数種類の放射線を用いることなく、被写体に対し１種類の放射線を１度照射する放射線撮影により上記被写体の放射線画像（単純放射線画像）を取得するものである。

また、上記各胸部１Ｐの放射線撮影により得られた、上記各胸部１Ｐα、１Ｐβ・・・中の特定の部位である骨部Ｐｘを強調して表す教師用放射線画像３３を各胸部１Ｐ毎に用意する。

そして、上記入力用放射線画像１１を対象とし、教師用放射線画像３３を教師として学習させた教師学習済フィルタ４０を得る。

すなわち、上記教師学習済フィルタ４０は、各胸部１Ｐα、１Ｐβ・・・毎に用意された入力用放射線画像１１と教師用放射線画像３３の組を用い、上記各胸部１Ｐα、１Ｐβ・・・毎に作成された入力用放射線画像１１それぞれが入力されたときに、上記骨部Ｐｘを強調して表す上記胸部１Ｐの放射線画像５０が出力されるように、各胸部１Ｐα、１Ｐβ・・・に対応する教師用放射線画像３３を教師として学習させることによって得られるものである。より具体的には、上記教師学習済フィルタ４０は、胸部１Ｐαについて用意された入力用放射線画像１１および教師用放射線画像３３の組を用い、上記胸部１Ｐαに対応する入力用放射線画像１１が入力されたときに、上記骨部Ｐｘを強調して表す上記胸部１Ｐαに対応する放射線画像５０が出力されるように、胸部１Ｐαに対応する教師用放射線画像３３を教師として学習させることによって得られるものである。

上記教師用放射線画像３３は、各胸部１Ｐに対する放射線撮影３０で得られた高圧画像３１Ｈと低圧画像３１Ｌの加重減算処理３２、すなわち、エネルギサブトラクション処理により形成したエネルギサブトラクション画像である骨部画像を表すものである。

図２に示すように、上記教師学習済フィルタ４０を取得した後、上記胸部１Ｐと同種の与えられた１つの被写体である診断対象となる胸部３Ｐについて単純放射線撮影２０を行い、上記入力用放射線画像１１と同種の放射線画像２１を作成する。

すなわち、胸部３Ｐの単純放射線撮影２０で得られた単純放射線画像であるこの胸部３Ｐを表す診断対象の被写体画像２１Ｈ、およびその被写体画像２１Ｈに対し境界抽出処理２２を施して得られた胸部３Ｐ中の特定の部位である骨部Ｐｘとこの骨部Ｐｘとは異なる他の部位Ｐｏとの境界Ｐｃを表す診断対象の部位特定画像２１Ｃとからなる放射線画像２１を作成する。

この診断対象の被写体画像２１Ｈおよび部位特定画像２１Ｃを上記のようにして得られた教師学習済フィルタ４０に入力して、与えられた被写体である胸部３Ｐ中の骨部Ｐｘを強調して表した診断用放射線画像を形成する。この診断用放射線画像は骨部を表す画像中への骨部以外の部位の偽画像の混入が抑制された放射線画像である。

なお、上記入力用放射線画像１１と同種の放射線画像２１は、与えられた胸部３Ｐについて、上記単純放射線撮影１０と略同様の撮影条件下での単純放射線撮影２０に基づいて得られたものである。すなわち、入力用放射線画像１１と放射線画像２１とは、略同じ放射線エネルギ分布を有する略同じ線量の放射線を被写体に照射する放射線撮影によって得られたものである。また、上記境界抽出処理２２で行われる処理も境界抽出処理１２で行われる処理と同等のものである。

上記入力用放射線画像１１および、教師用放射線画像の作成に用いた胸部１Ｐα、１Ｐβ・・・、および診断用放射線画像６０を作成する際に与えられた１つの胸部３Ｐは共に互に同種の被写体である。すなわち、上記各胸部１Ｐα、１Ｐβ、・・・、３Ｐは、互に形状、構造、大きさ、および各部位の放射線吸収特性が略等しい生体組織である。また、上記特定の部位である骨部Ｐｘは、上記被写体となる胸部中の上記他の部位Ｐｏとは異なる特定の放射線吸収特性を有する部位である。

また、上記境界抽出処理１２（境界抽出処理２２）は、単純放射線画像１１Ｈ（単純放射線画像２１Ｈ）中の小領域部分毎に、その小領域部分が主として属する組織が骨部であるか骨部以外であるかを判別し、各小領域部分における判別結果を統合して上記部位特定画像１１Ｃ（部位特定画像２１Ｃ）を取得するものである。

上記のように、第１の実施の形態の放射線画像処理方法によれば、診断対象となる被写体へ照射する放射線の線量を増大させることなく、被写体中の特定の部位とこの特定の部位とは異なる他の部位との境界をより明確に表す骨部画像を生成できる。

なお、教師用放射線画像３３として被写体画像１１Ｈよりも画質劣化が少ないものを採用して教師学習済フィルタ４０の学習を行うことにより、与えられた被写体を表す被写体画像２１Ｈに生じた画質劣化が補償され、かつ、与えられた胸部３Ｐ中の骨部Ｐｘを強調して表した診断用放射線画像を形成することもできる。

しかしながら、本発明の放射線画像処理方法は、教師用放射線画像３３や被写体画像１１Ｈの画質劣化の度合いにかかわらず適用することができる。すなわち、例えば教師用放射線画像３３が被写体画像１１Ｈと同様の画質劣化を含むものであっても本発明の放射線画像処理方法を適用することができる。

以下、本発明の第２の実施の形態による放射線画像処理方法について説明する。この放射線画像処理方法は、入力用放射線画像として、被写体を表す高圧画像、上記被写体の高圧画像と低圧画像の加重減算処理により形成した画質の劣化した骨部画像、および上記高圧画像と画質の劣化した骨部画像とを用いて形成した上記被写体中の特定の部位と他の部位との境界を表す部位特定画像の３種類の画像を採用したものである。

図３は上記第２の実施の形態による放射線画像処理方法に用いる教師学習済フィルタを取得する手順を示す図、図４は上記教師学習済フィルタを用いて診断用の放射線画像を取得する放射線画像処理方法の手順を示す図である。

上記第２の実施の形態の放射線画像処理方法は、複数の同種の被写体である成人女性の胸部１Ｑα、１Ｑβ・・・（以後、まとめて胸部１Ｑともいう）毎に、互いにエネルギ分布の異なる放射線による放射線撮影１４で得られた上記胸部１Ｑを表す高圧画像１５Ｈと低圧画像１５Ｌとを用いて作成した入力用放射線画像１５を用意する。

上記入力用放射線画像１５は、被写体画像である上記高圧画像１５Ｈ、この高圧画像１５Ｈと低圧画像１５Ｌの加重減算処理１６により形成した画質の劣化した被写体画像である骨部画像１５Ｋ、および上記高圧画像１５Ｈと上記骨部画像１５Ｋとを用いた境界抽出処理１７によって形成した上記胸部１Ｑ中の骨部Ｑｘとこの骨部Ｑｘとは異なる他の部位Ｑｏとの境界Ｑｃを表す部位特定画像１５Ｃとからなる３種類の学習用の放射線画像を含むものである。

また、上記放射線撮影１４は、低圧画像１５Ｌを得るときに照射する放射線の線量よりも高圧画像１５Ｈを得るときに照射する放射線の線量を多くした放射線撮影である。したがって、高圧画像１５Ｈはノイズの少ない画像となり低圧画像１５Ｌは上記高圧画像よりノイズの多い画像となる。また、上記ノイズの多い低圧画像１５Ｌを用いて作成された骨部画像１５Ｋの画質は劣化したものとなる。

なお、上記境界抽出処理１７には、従来より知られている特定の部位と他の部位との境界を定める種々の画像処理の手法等を適用することができる。

上記入力用放射線画像１５を用意するとともに、上記胸部１Ｑの放射線撮影により得られた、上記学習用の高圧画像１５Ｈよりも画質劣化が少なく、かつ、胸部１Ｑ中の骨部Ｑｘを強調して表す教師用放射線画像３６を各胸部１Ｑα、１Ｑβ・・・毎に用意する。

上記骨部を表す教師用被写体画像３６は、従来より知られている手法を用いて作成することができる。例えば、上記入力用放射線画像１５を作成したときの各胸部Ｑ１毎の個別の放射線撮影において使用した放射線の線量よりも大きな線量を用いた上記胸部１Ｑの放射線撮影３５によって得られた上記胸部１Ｑを表す高圧画像と低圧画像との加重減算処理により形成した骨部画像とすることができる。

次に、上記入力用放射線画像１５を対象とし、教師用放射線画像３６を教師として学習させた教師学習済フィルタ４１を得る。

すなわち、上記教師学習済フィルタ４１は、上記各被写体である胸部１Ｑ毎の学習用の高圧画像１５Ｈ、骨部画像１５Ｋ、および部位特定画像１５Ｃそれぞれが入力されたときに、画質劣化が補償され、かつ上記特定の部位である上記胸部１Ｑ中の骨部Ｑｘを強調して表す放射線画像５１が出力されるように、上記教師用放射線画像３６を教師として学習させたものである。より具体的には上記教師学習済フィルタ４１は、上記用意された数種類の各被写体１Ｑα、１Ｑβ・・・それぞれに対応する入力用放射線画像１５と教師用放射線画像３６の組からの学習によって得ることができる。

上記教師学習済フィルタ４１を取得した後、上記胸部１Ｑと同種の被写体である、診断対象となる与えられた成人女性の胸部３Ｑについて、入力用放射線画像１５と同種の診断対象の放射線画像２５を作成し、この放射線画像２５を上記のようにして得られた教師学習済フィルタ４１に入力して、画質劣化が補償され、かつ、与えられた胸部３Ｑ中の特定の部位である骨部Ｑｘが強調されてなる放射線画像を形成する。この放射線画像は骨部を表す画像中への骨部以外の部位の偽画像の混入が抑制された放射線画像である。

上記放射線画像２５は、上記胸部３Ｑについて、互いにエネルギ分布の異なる放射線による放射線撮影２４で得られたこの胸部３Ｑを表す高圧画像２５Ｈと低圧画像２５Ｌとを用いて作成したものである。

すなわち、上記放射線画像２５は、上記診断対象の被写体画像である高圧画像２５Ｈ、この高圧画像２５Ｈと低圧画像２５Ｌの加重減算処理２６により形成した画質の劣化した診断対象の被写体画像である骨部画像２５Ｋ、および上記高圧画像２５Ｈと骨部画像２５Ｋとを用いた境界抽出処理２７によって形成した上記胸部３Ｑ中の骨部Ｑｘとこの骨部Ｑｘとは異なる他の部位Ｑｏとの境界Ｑｃを表す診断対象の部位特定画像２５Ｃの３種類の画像からなるものである。

上記のように、第２の実施の形態の放射線画像処理方法によれば、診断対象となる被写体へ照射する放射線の線量を増大することなく、上記被写体を表す放射線画像の品質を高めることができる。

ここで、上記境界抽出処理１７、２７を実施する手法の１例について説明する。上述のように、この境界抽出処理には従来より知られている手法を適用することができる。図５は境界抽出処理の様子を示す図である。

上記境界抽出処理では、判別すべきクラスとして骨部と骨部以外の部位の２つのクラス（例えば、値−１からなる画像領域と値＋１からなる画像領域）を定める。

被写体となる胸部Ｄ１の放射線撮影により得られた高圧画像と低圧画像の加重減算処理によって得られた上記胸部Ｄ１の放射線像を表す骨部画像Ｅ、および上記高圧画像Ｆを入力用放射線画像とする。

また、上記胸部Ｄ１の放射線像について上記胸部中の骨部と骨部以外の部位を区別する上記２つのクラスを手入力によってラベル付けした部位特定画像Ｇを教師用放射線画像とする。そして、骨部画像Ｅと高圧画像Ｆが判別フィルタＮ１に入力されたときに、上記胸部Ｄ１中の骨部とこの骨部以外の部位との境界を表す部位特定画像Ｊが形成されるように、上記教師用の部位特定画像Ｇを教師として学習させることにより上記判別フィルタＮ１が得られる。

なお、部位特定画像Ｊは、上記教師用の部位特定画像Ｇの類似画像である。

また、上記判別フィルタＮ１の学習は、例えば、骨部画像Ｅ、高圧画像Ｆ、および部位特定画像Ｇそれぞれの画像中の互に対応する小領域部分にサブウィンドウＳｗを定め、上記サブウィンドウＳｗ中の画素の値である特徴量とこの特徴量に対応するクラスとを定めて実施する。

上記特徴量は、骨部画像Ｅと高圧画像Ｆを多重解像度変換した互に異なる各空間周波数帯域毎の画像（骨部画像ＥＨ，ＥＭ，ＥＬ、および高圧画像ＦＨ、ＦＭ，ＦＬ）におけるサブウィンドウＳｗ中の５×５画素の矩形領域の画素値であり、上記空間周波数帯域が３帯域なら３×５×５＝７５個の画素値で、８帯域なら８×５×５＝２００個の画素値で表されるものとなる。そして後述するサポートベクターマシン（SVM）を用いて２クラス、すなわち骨部と骨部以外の部位とを判別するための２クラスについての学習を行う。

上記のように学習した境界抽出処理用の判別フィルタＮ１を有する上記境界抽出処理１７および境界抽出処理２７は、同一被写体の骨部画像と高圧画像が入力されると、上記被写体中の骨部とこの骨部以外の部位との境界を表す部位特定画像を形成する。

以下、サポートベクターマシン(SVM)による２クラス（骨部と骨部以外の部位）の判別について説明する。図６はサポートベクターマシンによる２クラスの判別を示す図である。

なお、このサポートベクターマシン(SVM)については、以下の文献を参照することができる。

Nello Cristianini（著）、John Shawe-Taylor（著）、大北剛（訳）、題名「サポートベクターマシン入門」、共立出版、２００５年３月２５日発行、Ｐ．１４９からＰ．１５６。

n次元の特徴ベクトルxに対応する2つのクラスy={-1,1}を判別する下記関数を学習する問題について、まず判別関数が線形である場合を考える。

このとき判別面と学習サンプルとの幾何学的距離（マージン）は、

となる。

サポートベクターマシンは全ての学習サンプルが判別関数によって正しく分離されているという制約条件の元で、このマージンを最大化する判別面を学習する。

ξは正しく判別されない学習サンプルを許容する緩和変数である。またCはモデルの複雑さと制約条件の緩和との間のトレードオフを設定するパラメータである。

上記の問題は次の双対問題を解くことと等価であり、凸2次計画問題の特性から必ず大域解を求めることができる。

この双対問題を解いて得られる判別関数は次式で表現される。

この関数は線形関数であるが、非線形に拡張するには入力Xを高次の特徴空間Φ(X)に写像し、その特徴空間でのベクトルΦ(X)をこれまでの入力Xとみなせばよい（X→Φ(X)）。通常、高次元空間への写像は計算量の大幅な増加を伴うが、最適化すべき式に現れる内積の項をK(x,y)=<Φ(x),Φ(y)>の関係を満たすカーネル関数で置き換えると、入力次元の計算で高次元に写像してから計算したものと同じ結果を求めることができる。カーネル関数には、RBFカーネル、多項式カーネル、シグモイドカーネルなどが利用できる。

次に、上記境界抽出処理用の判別フィルタＮ１について補足する。図７は境界抽出処理の対象となる上記境界を判別すべき放射線画像とこの放射線画像が対応するクラスの教師画像にサブウィンドウを設定する様子を示す図である。

判別すべき放射線画像ＺａにサブウィンドウＳａを設定し、サブウィンドウＳａ内の画素Ｇａの値を特徴量とする。この放射線画像Ｇａに対応するクラスの教師画像Ｚｂにおいて、同じ位置に設定されたサブウィンドウＳｂの中央の画素Ｇｂの位置におけるクラスラベルが教師データである。

Ｎ次元の入力（特徴量）に対する１次元の出力値がペアで一つの学習サンプルになる。判別フィルタの学習は、この学習サンプルが多数集まった集合を用いて行う。

学習された判別フィルタによる判別結果は一つの画素における結果である。そのため判別フィルタを全ての画素に走査させることによって判別画像を得る。これは後述するサポートベクター回帰の場合も同様であり、後述するように骨部画像を生成するには高空間周波帯域画像、中空間周波数帯域画像、低空間周波数帯域画像における全ての画素位置で、対応する骨部の値を求めるために非線形フィルタ処理を適用する。

次に、上記教師学習済フィルタ４１の作成について詳しく説明する。

図８は与えられた被写体についての各空間周波数帯域毎の放射線画像を教師学習済フィルタへ入力して診断用の放射線画像を作成する様子を示す図、図９は各空間周波数帯域毎に教師学習済フィルタを作成する様子を示す図である。

ここでは、入力用放射線画像を、被写体の放射線撮影および境界抽出処理で得られた上記部位特定画像から作成した互に異なる解像度の複数の部位特定画像、および上記被写体を表す上記互に異なる空間周波数帯域毎の被写体画像からなるものとする。また、教師用放射線画像を、上記被写体と同種の被写体の放射線撮影により得られた、上記被写体画像よりも画質劣化が少なく、かつ、その被写体中の特定の部位と同じ部位を強調して表す上記互に異なる空間周波数帯域毎の複数の教師用放射線画像からなるものとする。

すなわち、１種類の解像度からなる部位特定画像から、互に異なるより低い解像度の複数の部位特定画像を得るために、上記１種類の部位特定画像に対して画素数を間引いて少なくする縮小処理を施し、少ない画素数で構成される低解像度の部位特定画像を得る。これにより、各部位特定画像の解像度を、上記被写体画像における互に異なる空間周波数帯域に合わせることができる。なお、１種類の空間周波数帯域からなる被写体画像から、互に異なるより低い空間周波数帯域の複数の被写体画像を得る多重解像度変換の手法については後述する。

また、上記教師学習済フィルタは、上記互に異なる解像度の複数の部位特定画像、および上記互に異なる空間周波数帯域毎の被写体画像からなる入力用放射線画像を対象とし、上記互に異なる空間周波数帯域毎の複数の教師用放射線画像を教師として学習させたものとする。

そして、上記被写体と同種の診断対象となる与えられた被写体について、入力用放射線画像と同種の上記互に異なる空間周波数帯域毎の複数の放射線画像を作成し、この互に異なる空間周波数帯域毎の複数の放射線画像を教師学習済フィルタに入力して、この教師学習済フィルタにより、画質劣化が補償され、かつ、前記与えられた被写体中の特定の部位が強調されてなる上記互に異なる空間周波数帯域毎の複数の放射線画像を形成し、上記複数の放射線画像を合成して１つの放射線画像を作成するものとする。

すなわち、図８に示すように、上記教師学習済フィルタ４１は、診断対象となる与えられた被写体である胸部３Ｑの放射線画像である高圧画像２５Ｈ、および骨部画像２５Ｋのそれぞれを多重解像度変換して得られた各空間周波数帯域毎の複数の放射線画像の入力と、上記互に異なる空間周波数帯域毎の部位特定画像２５Ｃに基づいて、診断対象となる上記空間周波数帯域毎の複数の放射線画像６１Ｈ、６１Ｍ、６１Ｌを作成し、上記作成された複数の放射線画像６１Ｈ、６１Ｍ、６１Ｌを合成して診断用の放射線画像６１を得るように構成することができる。

ここで、上記教師学習済フィルタ４１は、高周波帯域教師学習済フィルタ４１Ｈ、中周波帯域教師学習済フィルタ４１Ｍ、低周波帯域教師学習済フィルタ４１Ｌ、および画像合成フィルタ４１Ｔ等から構成されるものである。

また、図９に示すように、上記教師学習済フィルタ４１を作成するために用意された上記胸部１Ｑを表す各空間周波数帯域毎の教師用放射線画像３６Ｈ、３６Ｍ、３６Ｌは、画質劣化が補償され、かつ上記特定の部位である骨部を主に表す放射線画像３６（骨部高解像度画像）を多重解像度変換して得られたものである。

また、上記教師学習済フィルタ４１を作成するために用意された上記各空間周波数帯域毎の入力用放射線画像１５である上記空間周波数帯域毎の骨部画像１５ＫＨ、１５ＫＭ、１５ＫＬ、上記空間周波数帯域毎の高圧画像１５ＨＨ、１５ＨＭ、１５ＨＬのそれぞれも、上記教師用放射線画像３６の場合と同様に、胸部Ｑ１を表す骨部画像１５Ｋ、高圧画像１５Ｈそれぞれを多重解像度変換して得られたものである。

また、上記空間周波数帯域毎の部位特定画像１５ＣＨ、１５ＣＭ、１５ＣＬは、部位特定画像Ｃの縮小処理によって得られたものである。

すなわち、上記教師用放射線画像３６を多重解像度変換して、上記各空間周波数帯域毎の放射線画像である高周波数帯域を表す放射線画像（以後、教師用高周波帯域画像３６Ｈという）、中周波数帯域を表す放射線画像（以後、教師用中周波帯域画像３６Ｍという）、低周波数帯域を表す放射線画像（以後、教師用低周波帯域画像３６Ｌという）が形成される。

また、上記学習用の骨部画像１５Ｋを多重解像度変換して、上記各空間周波数帯域毎の放射線画像である高周波数帯域を表す放射線画像（以後、骨部高周波帯域画像１５ＫＨという）、中周波数帯域を表す放射線画像（以後、骨部中周波帯域画像１５ＫＭという）、低周波数帯域を表す放射線画像（以後、骨部低周波帯域画像１５ＫＬという）が得られる。

また、上記学習用の高圧画像１５Ｈを多重解像度変換して、上記各空間周波数帯域毎の放射線画像である高周波数帯域を表す放射線画像（以後、高圧高周波帯域画像１５ＨＨという）、中周波数帯域を表す放射線画像（以後、高圧中周波帯域画像１５ＨＭという）、低周波数帯域を表す放射線画像（以後、高圧低周波帯域画像１５ＨＬという）が形成される。

図１０は画像を多重解像度変換する様子を示す図である。

図１０に示すように、例えば、高圧高周波帯域画像１５ＨＨは、上記高圧画像１５Ｈ（高圧高解像度画像）とこの高圧画像１５Ｈをダウンサンプリングして得られた高圧中解像度画像Ｈ１とのアップサンプリングによって得られたものである。

上記ダウンサンプリングは、σ＝１のガウシアンローパスフィルタと上記高圧画像１５Ｈ（高圧高解像度画像）の１/２間引きとを行うものである。また、上記アップサンプリングは３次Ｂスプライン補間を利用して実施されるものである。

上記高圧中周波帯域画像１５ＨＭは、上記高圧高周波帯域画像１５ＨＨの場合と同様に、上記高圧中解像度画像Ｈ１とこの高圧中解像度画像Ｈ１をダウンサンプリングして得られた高圧低解像度画像Ｈ２とのアップサンプリングによって得られたものである。

上記高圧低周波帯域画像１５ＨＬは、上記高圧高周波帯域画像１５ＨＨや高圧中周波帯域画像１５ＨＭを取得した場合と同様に、上記高圧低解像度画像Ｈ２とこの高圧低解像度画像Ｈ２をダウンサンプリングして得られた高圧極低解像度画像Ｈ３とのアップサンプリングによって得られたものである。

上記のようにして、骨部画像Ｅについても、骨部高周波帯域画ＫＨ、骨部中周波帯域画像ＫＭ、骨部低周波帯域画像ＫＬを作成する。

また、上記学習用の部位特定画像１５Ｃの解像度を上記各画像の解像度に合わせるために、この部位特定画像１５Ｃに対して画素数を少なくする縮小処理を施してより低解像度の画像を得る。これにより、高解像度の上記部位特定画像１５Ｃである（以後、境界高周波帯域画像１５ＣＨともいう）から、中解像度の放射線画像（以後、境界中周波帯域画像１５ＣＭという）、低解像度の放射線画像（以後、境界低周波帯域画像１５ＣＬという）が形成される。

なお、上記境界高周波帯域画像１５ＣＨ、境界中周波帯域画像１５ＣＭ、境界低周波帯域画像１５ＣＬの画像それぞれは、上記のように高解像度の画像に縮小処理を施して低解像度の画像を得る場合に限らない。例えば、互に異なる解像度毎に、特定の空間周波数帯域の画像からこの空間周波数帯域に対応する部位特定画像を作成するようにしてもよい。

また、上記教師学習済フィルタ４１も上記３つの空間周波数帯域毎に作成される。すなわち、上記各空間周波数帯域毎の学習によって上記高周波帯域教師学習済フィルタ４１Ｈ、中周波帯域教師学習済フィルタ４１Ｍ、および低周波帯域教師学習済フィルタ４１Ｌが得られる。

以下、上記高周波帯域教師学習済フィルタ４１Ｈ等を学習によって作成する場合について説明する。

図９に示すように、学習用の骨部高周波帯域画像１５ＫＨ、学習用の高圧高周波帯域画像１５ＨＨ、学習用の高解像度の部位特定画像である境界高周波帯域画像１５ＣＨ、および教師用高周波帯域画像３６Ｈそれぞれについて互に対応する小領域部分である５画素×５画素（合計２５画素）の矩形領域からなるサブウィンドウＳｗを設定する。

そして、骨部高周波帯域画像１５ＫＨと高圧高周波帯域画像１５ＨＨと境界高周波帯域画像１５ＣＨの各サブウィンドウＳｗを構成するそれぞれ２５画素の値からなる特徴量に対し、教師用高周波帯域画像３６Ｈ中のサブウィンドウＳｗの中心画素の値を目標値とする学習用サンプルを取り出し、サブウィンドウを移動させつつ、複数の学習用サンプルを抽出する。これにより抽出された、例えば１万種類の学習用サンプルを学習させることによって、上記高周波帯域教師学習済フィルタ４１Ｈを得る。

なお、高周波帯域画像５１Ｈ、および後述する中周波帯域画像５１Ｍ、低周波帯域画像５１Ｌそれぞれは、上記教師用高周波帯域画像３６Ｈ，教師用中周波帯域画像３６Ｍ，教師用低周波帯域画像３６Ｌの類似画像である。

上記高周波帯域教師学習済フィルタ４１Ｈ等は、下記のサポートベクター回帰を用いた回帰モデルを学習してなるものである。この回帰モデルは、入力された骨部高周波帯域画像１５ＫＨの特徴量（上記２５画素分で表される画像）と高圧高周波帯域画像１５ＨＨの特徴量（上記２５画素分で表される画像）と境界高周波帯域画像１５ＣＨの特徴量（上記２５画素分で表される画像）に応じて、画質劣化が補償され、かつ上記特定の部位である骨部を主に表す高周波帯域画像５１Ｈを出力する高周波帯域の非線形フィルタである。

また、上記骨部中周波帯域画像１５ＫＭ、高圧中周波帯域画像１５ＨＭ、境界中周波帯域画像１５ＣＭ、および教師用中周波帯域画像３６Ｍを用いた上記と同様の学習により、上記中周波帯域用教師学習済フィルタ４１Ｍが得られる。

さらに、上記骨部低周波帯域画像１５ＫＬ、高圧低周波帯域画像１５ＨＬ、境界中周波帯域画像１５ＣＬ、および教師用低周波帯域画像３６Ｌを用いた上記と同様の学習により、上記低周波帯域用教師学習済フィルタ４１Ｌが得られる。

上記のように、回帰モデルの学習は各空間周波数帯域毎に実施され、上記教師学習済フィルタ４１Ｈ、教師学習済フィルタ４１Ｍ、教師学習済フィルタ４１Ｌからなる教師学習済フィルタ４１が得られる。

図８に示すように、上記のようにして作成された教師学習済フィルタ４１には、診断対象となる与えられた成人女性の胸部３Ｑについて作成された、上記入力用放射線画像１５と同種の診断対象の放射線画像２５である骨部画像２５Ｋと高圧画像２５Ｈと部位特定画像２５Ｃそれぞれについての各空間周波数帯域毎の画像が入力される。

すなわち、骨部画像２５Ｋを多重解像度変換してなる骨部高周波帯域画像２５ＫＨ、骨部中周波帯域画像２５ＫＭ、および骨部低周波帯域画像２５ＫＬ、高圧画像２５Ｈを多重解像度変換してなる高圧高周波帯域画像２５ＨＨ、高圧中周波帯域画像２５ＨＭ、高圧低周波帯域画像２５ＨＬ、および部位特定画像２５Ｃを縮小処理してなる境界高周波帯域画像２５ＣＨ、境界中周波帯域画像２５ＣＭ、境界低周波帯域画像２５ＣＬを教師学習済フィルタ４１に入力する。

そして、骨部画像２５Ｋと高圧画像２５Ｈと部位特定画像２５Ｃそれぞれの各空間周波数帯域毎の画像が入力された上記教師学習済フィルタ４１Ｈ，４１Ｍ、４１Ｌは、各空間周波数帯域毎に診断用の放射線画像６１Ｈ、６１Ｍ、６１Ｌを推定し、上記推定された放射線画像６１Ｈ、６１Ｍ、６１Ｌを画像合成フィルタ４１Ｔで合成して診断用の放射線画像６１を得る。

すなわち、高周波帯域用教師学習済フィルタ４１Ｈに、骨部高周波帯域画像２５ＫＨと高圧高周波帯域画像２５ＨＨと境界高周波帯域画像２５ＣＨが入力されると、画質劣化が補償され、かつ上記特定の部位である骨部を主に表す高周波帯域の診断用の放射線画像６１Ｈが形成される。

また、中周波帯域用教師学習済フィルタ４１Ｍに、骨部中周波帯域画像２５ＫＭと高圧中周波帯域画像２５ＨＭと境界中周波帯域画像２５ＣＭが入力されると、画質劣化が補償され、かつ上記特定の部位である骨部を主に表す中周波帯域の診断用の放射線画像６１Ｍが形成される。

さらに、低周波帯域用教師学習済フィルタ４１Ｌに、骨部低周波帯域画像２５ＫＬと高圧低周波帯域画像２５ＨＬと境界低周波帯域画像２５ＣＬとが入力されると、画質劣化が補償され、かつ上記特定の部位である骨部を主に表す低周波帯域の診断用の放射線画像６１Ｌが形成される。

そして、上記形成された高周波帯域の診断用放射線画像６１Ｈ、中周波帯域の診断用放射線画像６１Ｍ、および低周波帯域の診断用放射線画像６１Ｌが上記画像合成フィルタ４１Ｔによって合成され、画質劣化が補償され、かつ特定の部位である骨部を主に表す上記診断用放射線画像６１が作成される。

図１１は画像合成フィルタにおけるアップサンプリングと加算の処理の様子を示す図である。

図１１に示すように、上記画像合成フィルタ４１Ｔは低周波帯域の診断用放射線画像６１Ｌ、中周波帯域の診断用放射線画像６１Ｍ、高周波帯域の診断用放射線画像６１Ｈの順にアップサンプリングと加算を繰り返して上記診断用放射線画像６１を得るものである。

すなわち、低周波帯域の診断用放射線画像６１Ｌをアップサンプリングして得られた画像と中周波帯域の診断用放射線画像６１Ｍとを加算した画像を得、その画像をアップサンプリングして得られた画像と高周波帯域の診断用放射線画像６１Ｈとを加算して上記診断用放射線画像６１が得られる。

上記回帰モデルの学習において入力される特徴量について以下に具体的に説明する。図１２は上記特徴量を示す領域の１例を示す図である。

上記特徴量は各空間周波数帯域毎の放射線画像における画素値そのものであってもよいし、特別なフィルタ処理を施して得られたものであっても良い。例えば、図１２に示すような、特定の空間周波数帯域の放射線画像中の縦方向に互に隣り合う３画素からなる領域Ｕ１あるいは横方向に互に隣り合う３画素からなる領域Ｕ２の各画素値の平均値を新たな特徴量としてもよい。またウェーブレット変換を行い、ウェーブレット係数を特徴量に用いてもよい。また、複数の周波数帯域に渡る画素を特徴量に用いても良い。

上記回帰モデルの学習において実施するコントラスト正規化について以下に説明する。

各空間周波数帯域毎の画像中に設定されたサブウィンドウＳｗ（図９参照）に含まれる各画素の画素値について標準偏差を計算する。上記標準偏差が所定の目標値に一致するように帯域画像の画素値に係数を掛ける。

I' = I ×(C／SD)
ここで、Iは原画像の画素値、I'はコントラスト正規化後の画素値、SDはサブウィンドウＳｗ内の画素値についての標準偏差、Ｃは標準偏差の目標値（上記Ｃは事前に設定する定数）である。

上記各放射線画像中の全領域を網羅するようにサブウィンドウＳｗの走査を行ない、各画像中に設定可能な全てのサブウィンドウＳｗについて上記標準偏差を目標値に近づけるように上記サブウィンドウＳｗ中の画素値に所定の係数を乗じて正規化する。

上記正規化の結果、各空間周波数帯域毎の画像成分の振幅の大きさ（コントラスト）が揃う。これにより、上記教師学習済フィルタ４１へ入力される各空間周波数帯域毎の放射線画像における画像パターンのバリエーションが減るので、上記骨部の推定精度を向上させる効果が得られる。

上記非線形フィルタである教師学習済フィルタを学習するステップでは、高圧画像に上記のコントラスト正規化処理を施し、乗算した係数を劣化のない骨部画像にも乗算する。正規化した高圧画像と骨部画像のペアから学習サンプルを用意して非線形フィルタを学習する。

診断用の被写体の骨部を主に表す診断用放射線画像を推定するステップでは、入力される高圧画像をコントラスト正規化し、正規化済みの各空間周波数帯域毎の画像の画素値を教師学習済フィルタに入力する。上記教師学習済フィルタの出力値に対し、上記正規化したときに用いた係数の逆数を乗算し、骨部の推定値とする。

なお、上記のように１つの画像を互に異なる空間周波数帯域毎の複数の画像に変換し、変換された各画像毎に画像処理を施して各空間周波数帯域毎の複数の処理済画像を作成し、上記複数の処理済画像を合成して１つの処理済画像を得る手法としては、従来より知られている種々の手法を採用することができる。

次に、サポートベクター回帰（サポートベクターマシンによる回帰(SVR)）について説明する。

図１３はサポートベクター回帰により近似関数を求める様子を示す図である。

d次元の入力ベクトルxに対応する実数値yを近似する関数を学習する問題について、まず近似関数が線形である場合を考える。

Vapnikの提案するε-SVRアルゴリズムでは次の損失関数を最小化するfを求める。

なお、上記Vapnikの提案するε-SVRアルゴリズムについては上記文献「サポートベクターマシン入門」を参照することができる。

上記<w・w>はデータを近似するモデルの複雑さを表す項であり、Remp[f]は次のように表現される。

ここで|y-f(x)|ε=max{0,|y-f(x)|-ε}であり、εより小さい誤差は無視することを表す。ξ、ξ*はそれぞれ正方向、負方向にεを超える誤差を許容する緩和変数である。また、Cはモデルの複雑さと制約条件の緩和との間のトレードオフを設定するパラメータである。

上の主問題は次の双対問題を解くことと等価であり、凸2次計画問題の特性から必ず大域解を求めることができる。

この双対問題を解いて得られる回帰モデルは次式で表現される。

この関数は線形関数であるが、非線形に拡張するには入力Xを高次の特徴空間Φ(X)に写像し、その特徴空間でのベクトルΦ(X)をこれまでの入力Xとみなせばよい（X→Φ(X)）。通常、高次元空間への写像は計算量の大幅な増加を伴うが、最適化すべき式に現れる内積の項をK(x,y)=<Φ(x),Φ(y)>の関係を満たすカーネル関数で置き換えると、入力次元の計算で高次元に写像してから計算したものと同じ結果を求めることができる。カーネル関数には、RBFカーネル、多項式カーネル、シグモイドカーネルなどが利用できる。

上記判別における学習方法は、上記サポートベクターマシン（SVM）以外にAdaBoostなどを用いても良い。

上記判別すべきクラスは、骨部と骨部以外の部位や、後肋骨、肋骨間等からなる２クラスに限らず、後肋骨、肋骨間、鎖骨からなる３クラスや、鎖骨を含む３クラス以上のものであってもよい。

図１４は胸部を表す骨部画像中に生じたモーションアーチファクトを示す図である。

図１４に示すように、互いにエネルギ分布の異なる放射線による放射線撮影で得られた高圧画像および低圧画像を用いた加重減算により形成されたエネルギサブトラクション画像である成人女性の胸部を表す骨部画像ＦＫ中に心臓の鼓動に応じて生じたモーションアーチファクトＭａが生じることがある。このようなモーションアーチファクトは、放射線画像中から除去することが求められるので、上記特定の部位をモーションアーチファクトとし、このモーションアーチファクトＭａを強調して表す放射線画像を上記教師学習済フィルタを通して形成する。そのようにして形成された放射線画像を、例えば上記骨部画像ＦＫから差し引くことにより、このモーションアーチファクトＭａが除去された骨部画像を作成することができる。

上記のように、特定の部位は、互に異なるタイミングで得られた高圧画像と低圧画像とにおいて被写体中の表示位置が変化した部位とすることができる。また、上記のように、強調されて表される特定の部位は放射線画像中の不要な部位（欠陥部位）としてもよい。そのような場合には、この不要部位を表す放射線画像を、上記不要部位およびこの不要部位以外の必要部位の両方を含む放射線画像から差し引くことにより、不要部位が除去され必要部位のみを表す所望の放射線画像を得ることができる。

なお、教師用放射線画像を、入力用放射線画像を得る際の１回の放射線撮影に用いた放射線の線量よりも大きな線量を用いた放射線撮影に基づいて取得する場合には、１回の放射線撮影で上記被写体へ照射する放射線の線量が許容値を超える場合があるが、所定期間に上記被写体へ照射する放射線の線量の総和を制限する等のことにより上記大きな線量を用いた教師用の被写体に対する放射線撮影を実施することができる。

図１，２に示すように、本発明の放射線画像処理方法を実施する放射線画像処理装置１１０は、複数の同種の被写体である成人男性の胸部１Ｐ毎に取得した、この胸部１Ｐの単純放射線撮影１０で得られた上記胸部１Ｐを表す単純放射線画像である学習用の被写体画像１１Ｈ、およびその被写体画像１１Ｈに対し境界抽出処理１２を施して得られた胸部１Ｐ中の特定の部位である骨部Ｐｘとこの骨部Ｐｘとは異なる他の部位Ｐｏとの境界Ｐｃを表す学習用の部位特定画像１１Ｃからなる入力用放射線画像１１と、上記胸部１Ｐの放射線撮影により得られた、上記被写体画像１１Ｈよりも画質劣化が少なく、かつ、胸部１Ｐ中の特定の部位である骨部Ｐｘを強調して表す教師用放射線画像３３を用い、上記入力用放射線画像１１を対象とし教師用放射線画像３３を教師として学習させた教師学習済フィルタ４０を得るフィルタ取得部Ｍｈ１（図１参照）と、与えられた被写体である上記胸部１Ｐと同種の被写体である診断対象となる胸部３Ｐについて単純放射線撮影２０を行い、上記入力用放射線画像１１と同種の放射線画像２１を作成する同種画像作成部Ｍｈ２（図２参照）と、この診断対象の放射線画像２１を上記教師学習済フィルタ４０に入力して、与えられた胸部３Ｐ中の骨部Ｐｘを強調して表した診断用放射線画像を形成する部位強調画像形成部Ｍｈ３（図２参照）とを備えたものである。

この、放射線画像処理装置１１０の作用は、既に説明した上記放射線画像処理方法と同様なので省略する。なお、上記フィルタ取得部Ｍｈ１、同種画像作成部Ｍｈ２、および部位強調画像形成部Ｍｈ３それぞれで扱う各画像は、画像そのものとしたり、画像を表す画像データとすることができる。

なお、上記教師学習済フィルタは小領域ごとに学習するものではなく、一つの周波数あたり１種類だけ用意し、一つのフィルタによって全ての小領域を処理するものである。フィルタの学習は、単一の（または小数の）放射線画像のさまざまな小領域から学習用サンプルを取り出し、それら多数のサンプルを同時に集合として扱い学習するものである。つまり、例えばＡさんの鎖骨あたり、Ａさんの鎖骨の下あたり、Ａさんの肋骨の輪郭あたり、Ａさんの肋骨の中心あたり・・・などからなる学習サンプルをまとめて学習するものである。また、フィルタの入力となる特徴量は２５画素だが、上記２５画素に対応する出力である教師は２５画素ではなく小領域の中心部分の１画素である。

また、本発明の放射線画像処理装置の機能を実行するためのプログラムをパソコンにインストールし、パソコンにおいて上記実施形態と同様の作用を実行させることが可能である。すなわち、上記実施の形態の放射線画像処理方法をコンピュータに実行させるためのプログラムが本発明のプログラムに該当する。

第１の実施の形態の放射線画像処理方法に用いる教師学習済フィルタを取得する手順を示す図 第１の実施の形態の放射線画像処理方法の手順を示す図 第２の実施の形態の放射線画像処理方法に用いる教師学習済フィルタを取得する手順を示す図 第２の実施の形態の放射線画像処理方法の手順を示す図 境界抽出処理の様子を示す図 サポートベクターマシンによる２クラスの判別を示す図 判別すべき放射線画像と教師画像にサブウィンドウを設定する様子を示す図 与えられた被写体についての各空間周波数帯域毎の放射線画像を教師学習済フィルタへ入力して診断用の放射線画像を作成する様子を示す図 各空間周波数帯域毎に教師学習済フィルタを作成する様子を示す図 画像を多重解像度変換する様子を示す図 画像合成フィルタにおけるアップサンプリングと加算の様子を示す図 特徴量を構成する領域を示す図 サポートベクター回帰により近似関数を求める様子を示す図 胸部を表す骨部画像中に生じたモーションアーチファクト示す図である。

符号の説明

１Ｐ 被写体
３Ｐ 被写体
１０ 放射線撮影
１１Ｈ 被写体画像
１１Ｃ 部位特定画像
１１ 入力用放射線画像
２０ 放射線撮影
２１ 放射線画像
３３ 教師用放射線画像
４０ 教師学習済フィルタ
６０ 放射線画像

Claims (13)

1. 複数の同種の被写体毎に、該被写体の放射線撮影で得られた前記被写体中の特定の部位とこの特定の部位とは異なる他の部位との境界を表す部位特定画像および前記被写体を表す被写体画像からなる入力用放射線画像を用意し、
   前記各被写体の放射線撮影により得られた、該被写体中の前記特定の部位を強調して表す教師用放射線画像を前記各被写体毎に用意し、
   前記各被写体を表す入力用放射線画像の入力に対し、該被写体に対応する前記教師用放射線画像を教師として学習させた教師学習済フィルタを得、
   その後、前記被写体と同種の与えられた被写体について、前記入力用放射線画像と同種の放射線画像を作成し、
   該放射線画像を前記教師学習済フィルタに入力して、前記与えられた被写体中の前記特定の部位と同じ部位が強調されてなる該被写体の放射線画像を形成することを特徴とする放射線画像処理方法。
2. 前記教師用放射線画像を作成するための放射線撮影に用いられる放射線の線量が、前記被写体画像を作成するための放射線撮影に用いられる放射線の線量よりも大きいことを特徴とする請求項１記載の放射線画像処理方法。
3. 前記教師用放射線画像が、互いにエネルギ分布の異なる放射線による放射線撮影で得られた高圧画像と低圧画像を用いた加重減算処理により形成されたものであることを特徴とする請求項１または２記載の放射線画像処理方法。
4. 前記入力用放射線画像が、互いにエネルギ分布の異なる放射線による放射線撮影で得られた高圧画像と低圧画像を用いた加重減算処理により形成されたものであることを特徴とする請求項１から３のいずれか１項記載の放射線画像処理方法。
5. 前記被写体画像が、単純放射線撮影によって得られた単純放射線画像であることを特徴とする請求項１から３のいずれか１項記載の放射線画像処理方法。
6. 前記特定の部位が、他の部位とは異なる特定の放射線吸収特性を有する部位であることを特徴とする請求項１から５のいずれか１項記載の放射線画像処理方法。
7. 前記被写体が生体組織であり、前記特定の部位が、骨部、肋骨、後肋骨、前肋骨、鎖骨、脊椎のうちの少なくとも１つを含むものであることを特徴とする請求項１から６のいずれか１項記載の放射線画像処理方法。
8. 前記被写体が生体組織であり、前記特定の部位とは異なる他の部位が、肺野、縦隔膜、横隔膜、肋骨間のうちの少なくとも１つを含むものであることを特徴とする請求項１から７のいずれか１項記載の放射線画像処理方法。
9. 前記被写体が生体組織であり、前記特定の部位が前記生体組織の骨部あるいは軟部であることを特徴とする請求項１から６のいずれか１項記載の放射線画像処理方法。
10. 前記特定の部位が、前記高圧画像と低圧画像とにおいて被写体中の位置が変化した部位であることを特徴とする請求項４記載の放射線画像処理方法。
11. 前記教師学習済フィルタが、前記教師学習済フィルタを取得するための学習および前記与えられた被写体に対する放射線画像の形成を互に異なる複数の空間周波数帯域毎に行い、各空間周波数帯域毎に形成された前記放射線画像のそれぞれを合成して１つの放射線画像を得るものであることを特徴とする請求項１から１０のいずれか１項記載の放射線画像処理方法。
12. 複数の同種の被写体毎の放射線撮影で得られた、該被写体中の特定の部位とこの特定の部位とは異なる他の部位との境界を表す部位特定画像および前記被写体を表す被写体画像からなる入力用放射線画像と、前記各被写体の放射線撮影により得られた該被写体中の前記特定の部位を強調して表す各被写体毎の教師用放射線画像とを用い、前記各被写体を表す入力用放射線画像の入力に対し、該被写体に対応する前記教師用放射線画像を教師として学習させた教師学習済フィルタを得るフィルタ取得手段と、
    前記被写体と同種の与えられた被写体について、前記入力用放射線画像と同種の放射線画像を作成する同種画像作成手段と、
    該放射線画像を前記教師学習済フィルタに入力して、前記与えられた被写体中の前記特定の部位と同じ部位が強調されてなる該被写体の放射線画像を形成する部位強調画像形成手段とを備えたことを特徴とする放射線画像処理装置。
13. 複数の同種の被写体毎の放射線撮影で得られた、該被写体中の特定の部位とこの特定の部位とは異なる他の部位との境界を表す部位特定画像および前記被写体を表す被写体画像からなる入力用放射線画像と、前記各被写体の放射線撮影により得られた該被写体中の前記特定の部位を強調して表す各被写体毎の教師用放射線画像とを用い、前記各被写体を表す入力用放射線画像の入力に対し、該被写体に対応する前記教師用放射線画像を教師として学習させた教師学習済フィルタを得る手順と、
    前記被写体と同種の与えられた被写体について、前記入力用放射線画像と同種の放射線画像を作成する手順と、
    該放射線画像を前記教師学習済フィルタに入力して、前記与えられた被写体中の前記特定の部位と同じ部位が強調されてなる該被写体の放射線画像を形成する手順とを実行する放射線画像処理方法をコンピュータに実行させるためのプログラム。