别的判断结果相互被进行对比，在它们一致的情况下判断出“无边界”，而在它们不一致的情况下判断出“有边界”。
[0084]具体而言，以符号74所示的判断框中，被判断为无边界，而以符号76所示的判断框中，被判断为有边界78。虽然在现有技术中以像素为单位来判断了边界，但是在图5所示的方法中，作为结果能够以检测值为单位来判断边界。即，与现有技术相比能够通过二倍的分辨率而对边界的有无进行判断。也可以在判断为有边界的情况下(符号78)，省略其之后的判断程序。当然，也可以执行其之后的判断程序，从而对下一个边界进行判断。
[0085]在被判断为有边界的情况下(符号78)，能够基于所述判断来实现各种的处理。例如，也可以在基于被判断出的边界而认定了骨骼区域的基础上(符号80)，相对于被认定了的骨骼区域而执行图像处理或计测(符号82)。或者，也可以基于被判断出的边界，实施用于骨密度运算的像素列的设定(符号84)。也可以根据这种像素列而针对每个像素均运算骨密度，并基于所述运算结果，构成骨密度图像(符号86)。如上文所述，如果根据图5所示的结构例，能够基于被判断出的边界的位置，在两个像素列模式内选出最佳的像素列模式。两个像素列模式具有相互在X方向上错开了半个像素量的关系。通过像素列模式的选择，从而实现属于骨骼区域内的有效像素数的增大。
[0086]在图6中，图示了图5所示的边界判断方法中的判断条件。符号88表示基于L检测值的判断结果，符号90表示基于H检测值的判断结果。符号92表示综合性的判断结果。如符号94及符号96所示，在两个独立判断结果相互一致的情况下，在综合判断中两个独立判断结果直接被采用。另一方面，在两个独立判断结果不一致的情况下，如符号98所示，判断出边界。即被判断出有边界。
[0087]使用图7及图8对边界判断的第二示例进行说明。在图7中，㈧图示了作为一个选择候补的第一像素列模式，(B)图示了作为另一个选择候补的第二像素列模式。(C)图示了检测值列。(D)模式化地图示了边界判断方法。
[0088]在边界判断之前，基于相邻检测值对56、58而运算出骨密度(符号88)。在该情况下，关于软组织则运算出如骨密度这样的值。在以符号90所示的框中，基于构成相邻检测值对的各个检测值56、58而判断出组织类别。此外，基于骨密度而判断出组织类别。并且，通过使三个单独的判断结果相互进行对比，从而最终判断出组织类别。关于判断条件在下文中使用图8来进行说明。在图7所示的示例中，基于三个单独判断结果来判断出软组织、骨骼以及边界之中的哪一个的类别。在判断出边界的情况下，基于判断出该边界的位置，而认定骨骼区域(符号98)，并且相对于骨骼区域而执行图像处理等(符号100)。
[0089]在图8中，图示了图7所示的边界判断方法中的判断条件。符号102表示基于L检测值的判断结果，符号104表示基于H检测值的判断结果，符号106表示基于骨密度的判断结果。此外，符号108表示综合性的判断结果。如以符号110所示，在三个单独的判断结果102、104、106均为骨骼的情况下，在以符号108所示的综合性的判断中，被判断为骨骼。另一方面，在此情况以外的情况下，被判断为骨骼以外的情况即软组织(参照符号112)。理所当然，在三个单独判断结果均表示软组织的情况下综合判断出软组织，而在此情况之外的情况下考虑到对真伪不明进行判断等的各种的变化。优选为，根据骨密度运算的目的或所要求的精度等来确定判断条件。
[0090]如上文所述，通过基于被多重设定的多个检测值对而对边界进行判断，从而与基于以非重复关系而被设定的多个像素的边界的判断相比，能够实现两倍的分辨率。
[0091](2)像素阵列的设定例的说明
[0092]接下来，使用图9至图17，对二维像素阵列的设定方法进行说明。在图9至图12中，图示了根据边界的位置的像素列的设定例。首先，使用图9对第一示例进行说明。
[0093]在图9中，(A)表不区间信号。在图9中，横向对应于X方向。在区间信号中，符号“L”表示低能量X射线照射期间，符号“H”表示高能量X射线照射期间。(B)表示组织类另IJ，即表示沿X方向而存在的组织的内容。在此，软组织和骨骼之间存在有实际边界110。该实际边界110与从H区间向L区间进行转变的地点(下降点)处一致。
[0094]在(C)中，图示了 L检测值的排列。这些L检测值与用于辨别软组织和骨骼的阈值112进行比较。如果L检测值大于阈值112则判断为软组织，如果小于阈值112则判断为骨骼。(D)表示H检测值的排列。这些H检测值与阈值114进行对比。关于大于阈值114的H检测值而被判断出软组织，关于小于阈值114的H检测值而被判断出骨骼。
[0095]沿X方向而定义有多个检测值对以作为评价对象。当着眼于其中的检测值对116时，关于在X方向正向上先(上游侧处)存在的H检测值118而被判断出软组织，另一方面，关于存在于其紧后(下游侧处)的L检测值120而被判断出骨骼。其结果为，两个单独判断结果不一致，从而判断出两个检测值之间存在边界。(E)为表示了上述情况。S卩，在此，图示了各自的判断结果，最初在判断出了软组织122的基础上，作为从该软组织122向骨骼124进行转变的地点，而判断出边界(区间之间边界)126。而且，如在(F)中所示，根据边界126的位置，而选出哪个像素列模式，从而对其进行设定。
[0096]具体而言，从第一像素列模式及第二像素列模式之中，以使属于骨骼区域内的有效像素尽可能增多的方式选出特定的像素列模式。在图9所示的示例中，如(F)所示，选择了由多个LH对构成的第一像素列模式。在图9所示的示例中，假设当选择了由多个HL对构成的第二像素列模式时，将会成为使实际边界110存在于特定像素的正中间的位置处的情况。相对于此，在图9所示的示例中，由于以实际边界110的位置作为基准来设定了第一像素列模式，因此能够增大有效像素数。
[0097]当第一像素列模式被设定时，如(G)所示，针对构成该像素列的每个像素而运算骨密度。虽然在软组织中求出相当于骨密度值的运算值，但其在平均骨密度的运算等中被无视。另外，符号128表示对组织类别进行辨别的阈值，并且关于只有超过了该阈值的值而被判断出骨骼。理所当然，由于在图9所示的示例中，以各个检测值作为基础来实施综合判断，因此未必实施基于骨密度的组织类别的判断。顺便说一下，在图9等中所示的L检测值的排列以及H检测值的排列为说明用的示例。
[0098]在图10中，图示了第二示例。另外，对与图9所示的结构相同的结构将标记相同的符号，并省略其说明。在图10所示的示例中，如在(B)中所示，在软组织和骨骼之间的实际边界130与上述下降点相比略微进入到L期间内。在这种情况下，当着眼于在(C)及(D)中所示的检测值列时，特别是当着眼于检测值对132时，关于H检测值134而判断出软组织，关于L检测值136而判断出骨骼。其结果为，如在(E)中所示相当于下降点的位置处判断出边界(区间之间边界)142。即，与所述边界142相比靠上游侧处判断出软组织138，与所述边界142相比靠下游侧处判断出骨骼140。其结果为，如在(F)中所示，与图9所示的第一示例相同，选择出第一像素列模式并对其进行设定。理所当然，在(G)中被所示的骨密度列中，当着眼于像素η时，其骨密度与图9所示的像素η的骨密度相比略微下降。也可以根据其下降的大小，来应用例外的处理。
[0099]在图11中，图示了第三示例。在图11中，对与图9所示的结构相同的结构将标记相同的符号，并省略其说明。在该第三示例中，如在(B)中所示，实际边界132存在于L区间的后半部分(为从下降点远离的地点、且接近于下一个上升点的地点)。在(C)及⑶中所示的检测值列中，特别是当着眼于检测值对134时，关于由符号136所示的L检测值，来判断出软组织，关于由符号138所示的H检测值，来判断出骨骼。即，两个单独判断结果相互不一致，由此，作为综合判断的结果而判断出边界。在该情况下，如在(E)中所示，在与区间信号(参照图11(A))中的上升点一致的地点处，判断出边界144。在该边界144之前的部分被判断为软组织140，在该边界144之后的部分被判断为骨骼142。在与图9及图10所示的第一示例及第二示例之间的对比中，实际边界132的位置进一步向X方向的正向错开的结果为，最终被判断出的边界144的位置仅错开了与I个检测值对应的量即与半个像素对应的量。
[0100]在图12中，图示了第四示例。在图12中，对与图9等所示的结构相同的结构将标记相同的符号，并省略其说明。在该第四示例中，如(B)所示，在上升点的位置处存在有边界146。在(C)及⑶所示的检测值列中，特别是当着眼于检测值对148时，关于L检测值150而被判断出软组织，关于H检测值152而被判断出骨骼。即，在此，两个单独判断结果产生不一致，作为其结果，判断出边界160。被判断出的边界160与(A)中的上升点一致。
[0101]如上文所述，根据上述方法，能够以半个像素为单位来检测边界，并基于此能够适当地设定像素模式。例如，能够在作为关注组织的特定骨骼内，设定更多的计测用像素(有效像素)。特别是在计测对象较小的情况下，能够提高计测精度。
[0102]在图13中，图示了作为比较例的二维像素阵列164。该二维像素阵列164是相对于二维检测值阵列50而被设定的。如上文所述，二维检测值阵列50由在X方向上排列的多个检测值列而构成。所述多个检测值列由多个L检测值列52和多个H检测值列54构成。如针对二维检测值阵列50采用其他的看法，二维检测值阵列50为在Y方向上排列的多个检测值列60的集合体，该情况下的各个检测值列60由在X方向上交替地排列的多个L检测值及多个H检测值构成。此外，符号34表示检测器。
[0103]相对于上文所述的二维检测值阵列50，在现有技术中统一地设定有二维像素阵列164。当不管边界162的位置及形状而一律设定各个像素时，无法增大有效像素168的个数。顺便说一下，符号166表示无效像素即不被识别为骨骼区域内的像素的像素。
[0104]在上文所述的状况中，通过应用上述的像素模式的适合的选择法，而能够对图14所示的二维像素阵列166进行设定。另外，在图14中，对与图13所示的结构相同的结构将标记相同的符号。二维像素阵列166由在Y方向上排列的多个检测值列170、172构成。其中，像素列170为具有第一像素列模式的像素列，172为具有第二像素模式的像素列。第一像素模式为多个LH对的集合体，第二像素模式为多个HL对的集合体。在Y方向上的各个位置的像素列均根据X方向上的边界162的位置而从两个像素列模式之中选出适合的像素列模式。由此，能够增大骨骼区域内的有效像素168的个数。并由此使测量的精度提高。
[0105]在图15中，图示了插补值处理及再取样处理。(A)图示了模式设定之后的二维像素阵列166。在基于此的直接的计测或直接的图像处理较为困难的情况下，优选为，相对于二维像素阵列166而应用由符号174所示的插补值处理及再取样处理。这种处理结果为(B)所示的二维像素阵列176。其为在两个方向上拥有标准性的阵列。
[0106]在图16中，图示了基于后侧的边界178的二维像素阵列180的设定。由符号182所示的、附有剖面线的各个框表示了属于骨骼区域的有效像素。在Y方向的各个位置处，根据X方向上的、后侧的边界178的位置来选出适合的像素列模式。即，以使属于骨骼区域内的有效像素成为更多的方式选出像素模式。另外，如图17所示，也可以以使在前后两个边界182、184内有效像素成为更多的方式来确定二维像素阵列186。
[0107](3)骨密度测量装置的第二示例(关于预扫描、边界判断、照射序列的适当的设定以及像素阵列的事先设定的说明)
[0108]在图18中，图示