CN101879073A - 超声波诊断装置 - Google Patents
超声波诊断装置 Download PDFInfo
- Publication number
- CN101879073A CN101879073A CN201010173203.2A CN201010173203A CN101879073A CN 101879073 A CN101879073 A CN 101879073A CN 201010173203 A CN201010173203 A CN 201010173203A CN 101879073 A CN101879073 A CN 101879073A
- Authority
- CN
- China
- Prior art keywords
- frequency band
- mentioned
- view data
- multiresolution
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000002604 ultrasonography Methods 0.000 title claims abstract description 91
- 238000001914 filtration Methods 0.000 claims abstract description 51
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 49
- 238000004519 manufacturing process Methods 0.000 claims abstract description 22
- 238000003197 gene knockdown Methods 0.000 claims abstract description 8
- 150000001875 compounds Chemical class 0.000 claims abstract description 7
- 230000005540 biological transmission Effects 0.000 claims abstract description 6
- 230000001932 seasonal effect Effects 0.000 claims abstract description 5
- 238000009792 diffusion process Methods 0.000 claims description 52
- 230000004069 differentiation Effects 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 7
- 230000009467 reduction Effects 0.000 description 25
- 238000000034 method Methods 0.000 description 23
- 239000000523 sample Substances 0.000 description 15
- 230000009466 transformation Effects 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 12
- 230000015572 biosynthetic process Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 7
- 241001269238 Data Species 0.000 description 4
- 230000009471 action Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000005728 strengthening Methods 0.000 description 3
- 230000017531 blood circulation Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000002872 contrast media Substances 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000009552 doppler ultrasonography Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/13—Tomography
- A61B8/14—Echo-tomography
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/52017—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 particularly adapted to short-range imaging
- G01S7/52077—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 particularly adapted to short-range imaging with means for elimination of unwanted signals, e.g. noise or interference
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10076—4D tomography; Time-sequential 3D tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
- G06T2207/10136—3D ultrasound image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Radiology & Medical Imaging (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biophysics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明提供一种超声波诊断装置。该超声波诊断装置具备:图像生成部件,通过执行超声波收发,从而以按时间序列的方式生成多个帧的超声波图像数据;多分辨率分解部件,按层次对上述超声波图像数据进行多分辨率分解,得到第1次~第n次的低频带分解图像数据以及第1次~第n次的高频带分解图像数据,其中,n为2以上的自然数;特征量算出部件,根据得到的上述低频带分解图像数据算出特征量;滤波处理部件,对算出的上述特征量实施滤波运算;以及多分辨率合成部件,使用上述低频带分解图像数据和上述高频带分解图像数据来执行多分辨率合成,从而生成合成图像。因此,能够有效地降低时间方向的散斑/噪声的变化,进行没有时间相位延迟的处理。
Description
技术领域
本发明涉及对被检体发送超声波并基于来自被检体的反射波获得超声波图像的超声波诊断装置。
更详细的是关于对生成的超声波图像进行校正处理的超声波诊断装置。
背景技术
超声波诊断装置将从内置于超声波探头的振子产生的超声波发送给被检体。超声波诊断装置通过上述振子接收所发送的超声波的来自被检体组织的反射波,并根据接收到的反射波生成、显示被检体的超声波断层图像。
但是,来自多个接近的被检体组织的接收信号各自的相位不同,因此会发生干扰。由于该干扰,在仅合成振幅的情况下造成视觉上的不同,生成斑纹状的图像图案。将这种图像图案称为散斑(speckle)。该散斑对准确地观测被检体组织的边界的位置和形状造成妨碍。
并且,由于噪声的产生,也妨碍准确的观测。这种散斑或噪声不仅在空间方向产生,还在时间方向上产生。
以往,提出了用于降低散斑和噪声的各种处理方法。
例如,提出了使用时间方向的IIR(Infinite Impulse Response:无限冲激响应)滤波器的技术。该技术为这样的技术:当设在时间t获得的图像为I(t)、通过滤波器进行处理得到的图像为Jt时,使用满足Jt=(1-a)It+aJt-1(其中,a≤1)的关系的滤波器。通过该技术,能够降低在时间上变动的散斑和噪声。
但是,该技术通过在当前的数据It的(1-a)的比例加上过去的数据Jt-1的a的比例,从而降低噪声。因此,在以横隔膜和心脏等动作剧烈的组织为对象的情况下,在重叠的图像中,动作剧烈的组织各自的图像如残留图像那样而残留,存在产生模糊等问题。
另外,在针对作成一张断层像所需的数据的集合的单位即每一帧生成图像的情况下,根据过去的帧中各图像(例如脏器的图像)检测图像的运动矢量。
进而,提出有这样的技术:使用该运动矢量预测下一帧中的图像的位置,对该预测的位置实施滤波处理等。
若使用该技术,则能够进行包括因时间经过而产生的图像的位置偏移的图像处理。
但是,如上所述,除了噪声降低处理之外还需要进行检测运动矢量的处理,因此存在处理缓慢的问题。
并且,以往,为了明确组织部分,使用散斑/噪声降低滤波器。
作为所述的散斑/噪声降低滤波器,使用利用了二维或三维的空间中的方向性特征量的滤波器。所谓方向性特征量是指边缘的大小或边缘的朝向。在这里,边缘是指组织的外侧等那样的亮度大幅变化的部分且指噪声以外的部分。
进而,作为上述利用了方向性特征量的滤波器,可以使用使图像在边缘的朝向方向上模糊的滤波器、或在与边缘的朝向正交的方向上加强图像的对比度的滤波器等。作为使图像在边缘的朝向方向上模糊的滤波器,例如可以使用取并列的点来求出平均值的滤波器等。
并且,作为在与边缘的朝向正交的方向上加强对比度的滤波器,例如可以使用根据阈值使边缘的外侧部分的亮度降低、使边缘的内侧部分的亮度提高的滤波器等。
通过使用在边缘的朝向方向上使图像模糊的滤波器,从而能够得到在边缘的朝向方向上浓淡平滑的图像。
并且,通过使用在与边缘的朝向正交的方向上加强图像的对比度的滤波器,从而得到边缘明确且强调组织部分的图像。
进而,提出了使用多分辨率分解作为求出上述方向性特征量的方法的技术。
所谓多分辨率分解是指,将任意的影像信号分解为具有不同频带(空间频带)的多个影像的方法。
作为多分辨率分解可以使用Wablet变换。该Wablet变换分解为输入影像的2-1大小的低频成分的影像和高频成分的影像。
基于进行了该Wablet变换后的影像,使用扩散滤波器检测空间频率为低频带的图像的边缘,并针对每个像素求出边缘的朝向。
进而,提出了如下技术:在边缘的切线方向使用使图像模糊的滤波器来进行像素的平滑化,并在边缘的法线方向使用加强对比度的滤波器来进行像素的尖锐化(例如参照日本特开2006-116307号公报)。
由此,能够明确低频成分的影像的组织部分。
但是,日本特开2006-116307号公报所记载的多分辨率分解和基于各滤波器的图像处理是关于空间方向进行噪声降低处理。
但是,在日本特开2006-116307号公报所记载的技术中,对于包括时间方向的图像,不进行这种多分辨率分解和基于各滤波器的图像处理。
因此,在这种仅关于空间方向进行噪声降低处理的方法中,在相对于时间方向的图像中会产生噪声和散斑。
并且,当直接应用针对空间的滤波处理时,会产生时间相位延迟,存在无法显示刚刚生成的图像(实时图像)的问题。
发明内容
本发明针对包括时间方向的坐标(时间+空间),使用在空间方向进行的利用了方向性特征量的噪声降低处理。
特别地,本发明的目的在于提供一种这样的技术:通过使用不会产生时间相位延迟的处理,从而在有关动作剧烈的组织的超声波图像中,降低时间方向的噪声和散斑,强调组织部分。
本发明的第一方式的超声波诊断装置的特征在于,该超声波诊断装置具备:图像生成部件,通过执行超声波收发,从而以按时间序列的方式生成多个帧的超声波图像数据;多分辨率分解部件,按层次对上述超声波图像数据进行多分辨率分解,得到第1次~第n次的低频带分解图像数据以及第1次~第n次的高频带分解图像数据,其中,n为2以上的自然数;特征量算出部件,根据得到的上述低频带分解图像数据算出特征量;滤波处理部件,对算出的上述特征量实施滤波运算;以及多分辨率合成部件,使用上述低频带分解图像数据和上述高频带分解图像数据来执行多分辨率合成,从而生成合成图像。
本发明的第二方式的超声波诊断装置的特征在于,该超声波诊断装置具备:图像生成部件,通过执行超声波收发,从而以按时间序列的方式生成多个帧的超声波图像数据;多分辨率分解部件,按层次对上述超声波图像数据进行多分辨率分解,得到第1次~第n次的低频带分解图像数据以及第1次~第n次的高频带分解图像数据,其中,n为2以上的自然数;多分辨率合成部件,使用上述低频带分解图像数据和上述高频带分解图像数据执行多分辨率合成,并生成合成图像;特征量算出部件,根据得到的上述低频带分解图像数据算出特征量;滤波处理部件,对算出的上述特征量实施滤波运算;以及高频带等级控制部,将从上述多分辨率分解部件得到的上述第1次~第n次的高频带分解图像数据利用对应的各次的特征量进行加权。
附图说明
图1是表示本发明的超声波诊断装置的构成的框图。
图2是表示本发明的散斑/噪声降低处理部的详细构成的图。
图3是基于包括时间轴的三维小波变换进行的多分辨率分解的概念图。
图4是表示在包括时间轴的三维小波变换中的各坐标轴方向使用的滤波器的使用模式的图。
图5A是用于说明针对空间方向的数值微分的图。
图5B是用于说明针对时间方向的数值微分的图。
图6是表示三次的层次中的非线性各向异性扩散滤波器的滤波处理的处理步骤的流程图。
图7是第一实施方式的超声波诊断装置的整体动作的流程图。
图8是用于说明第二实施方式中的B模式数据的蓄积以及使用该蓄积的B模式数据的散斑/噪声降低处理的图。
图9是用于说明实施例1中的B模式数据的蓄积以及使用该蓄积的B模式数据的散斑/噪声降低处理的图。
具体实施方式
(第一实施方式)
下面,对本发明的第一实施方式的超声波诊断装置进行说明。
图1是表示本实施方式的超声波诊断装置的功能的框图。
如图1所示,本实施方式的超声波诊断装置具有超声波探头001、收发部002、信号处理部003、图像生成部004、散斑/噪声降低处理部100、显示控制部005以及用户界面006。而且,用户界面006具有监视器等显示部007和键盘或鼠标等输入部008。
超声波探头001具有多个压电振子。超声波探头001使用压电振子将脉冲信号变换为超声波,并将变换后的超声波发送给被检体。从后述的收发部002输入脉冲信号。
另外,超声波探头001利用压电元件接收从被检体反射来的超声波(超声波回波)。而且,超声波回波被变换为电信号(以下称为“回波信号”)后输出给收发部002。在这里,将通过从各振子朝向被检体的一次超声波的收发得到的超声波回波的集合称为一帧。即,通过一帧能够生成一张超声波图像。进而,将单位时间的帧扫描次数称为帧频。另外,在本实施方式中,超声波探头001在预定的帧频下反复进行被检体的同一区域(扫描位置)的扫描。
为了将从超声波探头001接收的超声波集束成波束状,收发部002使脉冲信号到达超声波探头001的各压电振子的时间延迟。即,越是超声波探头001的中心的压电振子,脉冲信号的到达时间越延迟。通过使脉冲信号到达各压电振子的时间延迟,从而各压电振子的驱动定时延迟,产生的超声波集束成波束状。
在超声波回波的接收中,也利用收发部002对作为模拟信号的各振子的回波信号进行放大,然后,通过接收延迟电路等(未图示)使其延迟期望的延迟时间。
然后,收发部002对回波信号进行A/D转换,然后,基于转换后的信号进行加法处理。进而,收发部002将进行加法处理后的信号输出给信号处理部003。
信号处理部003具有B模式处理单元和多普勒信号处理单元。信号处理部003接收来自收发部002的信号。
B模式处理单元接收来自收发部002的信号。进而,B模式处理单元对接收信号实施对数压缩和包络线检波处理等。另外,B模式处理单元生成通过信号的强度表现亮度的B模式数据。
多普勒处理单元根据来自收发部002的信号对速度信息进行频率解析。然后,多普勒处理单元提取基于多普勒效应的血流和组织、造影剂回波成分,并生成平均速度、分散、能量等血流信息的多普勒数据。
信号处理部003将由B模式处理单元生成的B模式数据和由多普勒处理单元生成的多普勒数据的各数据(以下称为“原始数据”)输出给散斑/噪声降低处理部100。
超声波探头001、收发部002以及信号处理部003相当于本发明中的“图像生成部件”。
散斑/噪声降低处理部100从信号处理部003被输入原始数据。然后,散斑/噪声降低处理部100对所输入的原始数据执行散斑和噪声的降低处理。对于该散斑和噪声的降低处理,在后面详细说明。进而,散斑/噪声降低处理部100将实施了散斑和噪声的降低处理后的原始数据输出给图像生成部004。
图像生成部004具有DSC(Digital Scan Convertor:数字扫描变换器)。图像生成部004被输入由散斑/噪声降低处理部100实施了散斑和噪声的降低处理后的原始数据。
DSC将所输入的原始数据从与超声波扫描的扫描线对应的坐标系变换为用于显示在监视器等上的坐标系,并生成图像数据。
图像生成部004具有存储器等存储区域。在该图像生成部004的存储区域中依次存储着由DSC生成的图像数据。该存储的图像数据在诊断后由医师或医学技师等操作者(以下仅称为“操作者”)使用用户界面006调出。调出的图像数据显示在显示部007上。图像生成部004将生成的图像数据输出给显示控制部005。
显示控制部005从图像生成部004接受图像数据的输入。然后,显示控制部005基于输入的图像数据在显示部007上显示所谓B模式图像和多普勒图像这样的超声波图像。下面,在不区分B模式图像和多普勒图像时,仅称为“超声波图像”。
在这里,具有上述功能的图像生成部004和显示控制部005相当于本发明中的“显示控制部件”。
综合控制部009进行各功能部的动作的定时的控制和各功能部之间的数据交接的控制。图1中的点划线表示控制命令的流程。
(散斑/噪声降低处理)
接着,对通过散斑/噪声降低处理部100执行的散斑和噪声的降低处理进行说明。散斑/噪声降低处理部100对B模式数据和多普勒数据都能够执行散斑和噪声的降低处理。因此,在以下的说明中,以对B模式数据进行的散斑和噪声的降低处理为例进行说明。
并且,在以下的说明中,为了容易理解说明,基于二维的超声波图像的数据对散斑/噪声降低处理进行说明。
另外,在三维的超声波图像的情况下也能够进行散斑/噪声的降低处理。对于三维的超声波图像,当加入时间因素时为四维的,但计算上,以下说明的矩阵的计算仅增加一行一列。
并且,在以下的说明中,将构成一张B模式图像的数据称为一帧的B模式数据。
另外,将与B模式图像的张数对应的B模式数据的数量称为帧数。一帧的B模式数据相当于本发明中的“一张超声波图像数据”。
图2是表示散斑/噪声降低处理部100的详细构成的图。如图2所示,为了从多分辨率分解进行多分辨率合成,如点划线所示,散斑/噪声降低处理部100具有由多个层次(一次~三次)构成的多重构造。在这里,在本实施方式中,为了容易理解说明,从多分辨率分解到多分辨率合成的最高次数为三次。从多分辨率分解到多分辨率合成只要在一次~n次(其中,n为2以上的自然数)的范围进行即可。
并且,在本实施方式中,作为多分辨率分解使用小波变换。该小波变换是多分辨率分解的一例,也可以使用拉普拉斯金字塔方法或Gabor变换等其它多分辨率分解方法。
另外,本实施方式中的小波变换/逆变换是指所谓的离散小波变换/逆变换。在以下的说明中,在图2中是指次数越多(即,图2中越靠下的位置)就越是高的层次。
如图2所示,散斑/噪声降低处理部100针对每个层次具备:多分辨率分解部101(101a、101b、101c);特征量算出部102(102a、102b、102c);滤波处理部103(1031a、103b、103c);多分辨率合成部104(104a、104b、104c);以及高频带等级控制部105(105a、105b、105c)。
另外,散斑/噪声降低处理部100具备帧蓄积部106。
帧蓄积部106具有硬盘和存储器等存储介质。帧蓄积部106从信号处理部003接受B模式数据的输入。然后,帧蓄积部106存储从开始获得的帧到最新的帧的预定帧数(张数)的B模式数据。B模式数据伴随时间经过而依次生成,因此,在帧蓄积部106中相继地蓄积B模式数据。该各B模式数据分别是扫描同一被检体的区域得到的超声波图像的数据。而且,各帧的B模式数据的扫描时间不同。在这里,帧蓄积部106当被输入新的帧的B模式数据时,删除最旧的帧的B模式数据。但是,帧蓄积部106中的存储方法只要是能够存储必要帧数的B模式数据的方法,则也可以是其它方法,例如可以是不删除旧的帧的B模式数据、存储所有帧的B模式数据的方法。该帧蓄积部106相当于本发明中的“处理前数据蓄积部件”。
如图2所示,帧蓄积部106将所存储的预定帧数的B模式数据输出给多分辨率分解部101。在以下的说明中,将预定帧数的B模式数据的集合称为集合B模式数据。
多分辨率分解部101从帧蓄积部106接受预定的帧数的B模式数据(集合B模式数据)的输入。本实施方式的多分辨率分解部101对于空间方向和时间方向实施多分辨率分解。在这里,空间方向是指扫描被检体的区域中的方向。例如,若是二维断层像,则是指X和Y的二维方向。若是三维断层像,则是指X、Y和Z的三维方向。在本实施方式中,由于超声波图像为二维断层像,所以多分辨率分解部101对包括时间轴的三维坐标系(时空)进行多分辨率分解。多分辨率分解部101对输入的集合B模式数据进行三维的小波变换。将集合B模式数据分解为一种低频带分解图像数据和七种高频带分解图像数据。该多分辨率分解部101相当于本发明中的“多分辨率分解部件”。
图3是通过包括时间轴的三维小波变换进行的多分辨率分解的概念图。
图4是表示在包括时间轴的三维小波变换中的各坐标轴方向使用的滤波器的使用模式的图。如图3和图4所示,多分辨率分解部101对多分辨率分解前的具有空间(x、y)和时间(t)的集合B模式数据300针对每个x、y、t直角坐标轴的各坐标轴方向(各维)分别使用一维的低频带(L)滤波器和高频带(H)滤波器,来对集合B模式数据300进行小波变换。通过该小波变换,集合B模式数据300分解为一种低频带分解图像数据301和七种高频带分解图像数据302~308。低频带分解图像数据301包括多分辨率分解前的集合B模式数据300所具有的频率成分中的低频成分。
并且,各高频带分解图像数据302~308包括多分辨率分解前的集合B模式数据300所具有的频率成分中的与至少一个坐标轴方向相关的高频成分。图4关于多分辨率分解后的低频带分解图像数据301和高频带分解图像数据302~308针对每个坐标轴示出低频带滤波器或高频带滤波器的使用状况。多分辨率分解后的低频带分解图像数据301和高频带分解图像数据302~308各自在各坐标轴的样本数缩小为多分辨率分解前的集合B模式数据300在各坐标轴的样本数的一半。
多分辨率分解部101使多分辨率分解一次或多次反复直到到达最高层次。由此,如图2所示,被划分为层次(在本实施方式中为3个层次)。各层次以次数表示。在多次反复进行多分辨率分解的情况下,下一层次(在图2中表示于上一位置的层次)的低频带分解图像数据为相对于下一多分辨率分解的输入图像数据。具体而言,在多分辨率分解部101不属于最高层次(在本实施方式中,为三次的层次)的情况下,多分辨率分解部101a将生成的低频带分解图像数据供给到多分辨率分解部101b。多分辨率分解部101b将生成的低频带分解图像数据供给到多分辨率分解部101c。
并且,属于最高层次(三次的层次)的多分辨率分解部101c将生成的低频带分解图像数据供给到同一层次(三次的层次)的特征量算出部102c。
并且,各层次的多分辨率分解部101将生成的高频带分解图像数据供给到属于同一层次的高频带等级控制部105。
特征量算出部102算出供给的低频带分解图像数据所包含的方向性特征量即边缘信息。在本实施方式中,算出边缘的大小的信息。具体而言,使用边缘的切线方向算出。特征量算出部102将算出的边缘的大小的信息供给到同一层次的高频带等级控制部105和滤波处理部103。
另外,特征量算出部102将低频带分解图像数据输出给滤波处理部103。该特征量算出部102相当于本发明中的“特征量算出部件”。
滤波处理部103从特征量算出部102接受低频带分解图像数据和边缘的大小的信息的输入。滤波处理部103对供给的低频带分解图像数据使用三维的非线性各向异性扩散滤波器。所谓非线性各向异性扩散滤波器是指强调以非线性的方式进行各向异性扩散的成分的滤波器。低频带分解图像数据中的边缘成分以非线性的方式进行各向异性扩散。因此,对低频带分解图像数据使用非线性各向异性扩散滤波器时,边缘成分的亮度增大,非边缘成分降低。因此,通过使用非线性各向异性扩散滤波器,滤波处理部103强调低频带分解图像数据所包含的边缘成分,生成使非边缘成分变平滑的低频带分解图像数据。该滤波处理部103相当于本发明中的“滤波处理部件”。
在这里,具体地说明特征量算出部102对方向性特征量即边缘信息(在本实施方式中为边缘的大小)的检测、以及滤波处理部103使用非线性各向异性扩散滤波器进行的滤波处理。在本实施方式中,方向性特征量的检测以及使用非线性各向异性扩散滤波器的滤波处理通过求出低频带分解图像数据的结构张量(structure tensor)的固有值和固有矢量而达成。该结构张量的固有值和固有矢量分别表示低频带分解图像数据的边缘的朝向即大小。特别地,第一固有值和与其分别对应的固有矢量表示在空间·时间上具有平面的集合的低频带分解图像数据的特征。以下,假设对低频带分解图像数据I进行处理,在以下的说明中,将低频带分解图像数据I仅称为“图像I”。
图像I中的也包括像素的时间方向的结构张量如下进行定义。
(算式1)
在此,Ix表示图像I的x方向的空间微分,Iy表示图像I的y方向的空间微分,It表示图像I的t方向(时间方向)的时间导数,Gρ表示高斯函数,操作符“*”表示卷积。λS1、λS2、λS3是结构张量S的固有值,其绝对值的大小关系为λS1≥λS2≥λS3。该情况下,λS1为第一固有值。空间微分Ix、Iy以及It的算出方法不限于上述算出方法。例如,代替计算Ix、Iy以及It,也可以使用索贝尔滤波器(Sobel filter)或多分辨率分解的高频带分解图像数据。
求结构张量S的各要素s的情况下的固有值λS1、λS2、λS3和固有矢量R、RT能够通过线性代数中公知的方法算出。即,(算式1)中的3×3矩阵的固有值λS1、λS2、λS3例如能够通过cardano的方法等实质上求解三次方程式而算出。并且,结构张量S是实对称矩阵,因此,固有值λS1、λS2、λS3为实数,固有矢量R、RT为实矢量。固有矢量R和RT相互正交。该结构张量S的固有值λS1、λS2、λS3表示边缘的的大小,固有矢量R、RT表示边缘的方向(边缘的切线方向)。
在本实施方式中,基于方向性特征的滤波以下式所示的非线性扩散方程式(偏微分方程式)表示。
(算式2)
在这里,I表示图像I的像素等级(亮度值),I表示其梯度矢量(gradient vector),w表示物理上的扩散方程式中的时间因素。换言之,w是与处理相关的时刻,在实际的处理中表示该扩散方程式的处理次数。D是扩散张量(Diffusion Tensor),如下表示。
(算式3)
在这里,R如下面的(算式4)那样表示。
(算式4)
R=(ω1ω2ω3)
在这里,ω1、ω2和ω3是扩散张量D的固有矢量,λD1、λD2、λD3是扩散张量D的固有值。进而,R=(ω1,ω2,ω3)的ω1表示边缘的法线方向。
扩散张量D的固有值λD1表示固有矢量ω1所示的方向的扩散强度。同样,固有值λD2表示固有矢量ω2所示的方向的扩散强度,固有值λD3表示固有矢量ω3所示的方向的扩散强度。进而,通过针对每个像素控制固有值λD1、λD2、λD3的值,从而控制非线性各向异性扩散滤波器的扩散的强度。另外,固有矢量R与非线性各向异性扩散滤波器的滤波器方向意义相同。即,通过适当设定固有矢量R,从而设定期望的非线性各向异性扩散滤波器的滤波方向。
在这里,扩散张量D的固有矢量ω1、ω2和ω3与上述的图像I中的像素的结构张量S的未改变的固有矢量或调换了固有矢量的顺序得到的矢量相等。并且,扩散张量D的固有值λD1、λD2、λD3取决于根据上述结构张量S的固有值λS1、λS2、λS3计算的边缘的大小。
边缘信息(edge)使用作为第一固有值的固有值λS1和作为第三固有值的固有值λS3如下面(算式5)那样表示。即,边缘信息(edge)是使用特征量中的边缘的大小表示的值。
(算式5)
在这里,边缘具有“大小”和“朝向”。进而,所谓“大小”是在图像的强度变化平稳时为“小的”边缘、在图像的强度的变化急剧时为“大的”边缘的参数。
边缘信息是通过将边缘的大小标准化为从0到1的范围而算出的参数。边缘信息的值越接近1就越接近边缘成分、越接近0就越接近非边缘成分。参数k是表示边缘成分的提取程度的参数。即,若减小参数k,则容易提取边缘成分。
另外,使用该边缘信息算出扩散张量D的固有值λD1、λD2、λD3。固有值λD1、λD2、λD3分别用以下的(算式6)、(算式7)、(算式8)表示。
(算式6)
λD1=β1(1-edge)+β2·edge
(算式7)
λD2=β3(1-edge)+β4·edge
(算式8)
λD3=β5(1-edge)+β6·edge
(算式6)、(算式7)和(算式8)中的β(1-edge)的部分表示非边缘部分,β·edge的部分表示边缘部分。该固有值λD1、λD2、λD3如上所述表示扩散的强度。进而,需要使作为降低对象的散斑和噪声所属的非边缘成分不具有方向性。即,必须使该非边缘成分与方向无关地扩散。因此,设定为β1=β3=β5>0。
另一方面,对于作为强调对象的边缘成分,必须更加强调其方向性。即,需要使该边缘成分的垂直方向(固有值λD1的固有矢量ω1所指的方向)尖锐化,并使除此之外的方向(固有值λD2的固有矢量ω2所指的方向以及固有值λD3的固有矢量ω3所指的方向)扩散。因此,β2设定为近似0的值,β4和β6设定为比β2大的预定值。
如上所述,能够算出扩散张量D的固有值λD1、λD2、λD3以及固有矢量ω1、ω2、ω3。因此,能够算出(算式3)中的扩散张量D的各要素d,能够得到表示非线性各向异性扩散滤波器(扩散方程式)的(算式2)。
另外,该求得的非线性各向异性扩散滤波器(算式2)自身的计算通过偏微分方程式的数值解析方法进行。即,根据时刻w的某点处的像素和其周围的各点处的各像素等级(像素的亮度值)以及扩散张量D的各要素值,求出时刻w+Δw处的该点的新的像素等级,接着,将w+Δw作为新的w,反复进行预定次数的同样的计算。
在这里,说明算式2的数值计算方法。首先说明对时间方向的数值微分的方法。图5A是用于说明针对空间方向的数值微分的图。图5B是用于说明针对时间方向的数值微分的图。
图5A、图5B的数据501具有一维的空间坐标和时间方向坐标这两个坐标。在图5A中,空间方向的数值微分和滤波以当前的位置的数据502为处理中心,使用附近的正负两侧的预定数量的像素的数据503来计算。以一次的数值微分为例,当使用正负两侧的各附近的一个像素,则一阶的数值微分的近似用下面的(算式9)表示。这称为数值微分的三点公式。
(算式9)
对此,在图5B中,时间方向的数值微分和滤波以当前的数据504为处理中心。在图5B中,无法将未来的时间用于处理。例如,在将处理中心设定在过去、在计算式中使用与空间方向相同的系数的情况下,处理结果在时间上比当前的帧延迟,无法消除时间相位延迟。因此,时间方向的数值微分和滤波必须以当前的数据504为处理中心、使用当前的数据504和过去的预定数量的像素的数据505进行计算。
在这里,当函数f(x)在区间[xi,xi+h]连续时,表示为
(算式10)
而且,Rn+1是在数值计算中成为截断误差的项,若|h|充分小,则Rn+1=0。
进而,通过(算式10)求出以下的算式。
(算式11)
(算式12)
进而,通过(算式11)和(算式12)求出以下的算式。
(算式13)
当将该(算式13)的{}内视为误差省略时,表示为
(算式14)
如(算式14)所示,时间方向的一阶的数值微分的近似可以使用当前的数据和过去两帧的像素的数据来求出。通过使用该(算式14),能够利用(算式2)的数值计算方法进行计算。
具体而言,(算式2)可以表示为以下的(算式15)。
(算式15)
为了计算该(算式15)的各项的偏微分,使用上述的(算式9)和(算式14)的近似值。
在这里,参照图6说明以上的非线性各向异性扩散滤波器的处理步骤。图6是表示三次的层次中的非线性各向异性扩散滤波器的滤波处理的处理步骤的流程图。在这里,以三次的层次的滤波处理的处理步骤为例进行说明,但在一次或二次的滤波处理中也进行同样的处理。
步骤S001:多分辨率分解部101c从多分辨率分解部101b接受进行滤波处理的数据的输入。
步骤S002:多分辨率分解部101c对输入的数据在各坐标轴方向(Ix、Iy、It)微分并生成低频带分解图像数据和高频带分解图像数据。
步骤S003:特征量算出部102c对从多分辨率分解部101c输入的低频带分解图像数据的结构张量S的各要素进行计算。在该计算中,也包括计算结构张量S前的高斯函数Gρ的计算。
步骤S004:特征量算出部101c根据结构张量S算出其固有值λS1、λS2、λS3以及固有矢量ω1、ω2、ω3。
步骤S005:特征量算出部102c根据结构张量S的固有值λS1、λS2、λS3求出边缘的大小,根据固有矢量ω1、ω2、ω3求出边缘的朝向。
步骤S006:特征量算出部102c将求出的边缘的大小输出给同一层次的高频带等级控制部105c。
步骤S007:滤波处理部103c根据由特征量算出部102c求出的边缘的大小计算扩散的强度,另外,根据求出的扩散的强度和结构张量S的固有矢量ω1、ω2、ω3算出在非线性各向异性扩散滤波器的扩散方程式(算式2)的数值解析中使用的各系数。
步骤S008:滤波处理部103c进行扩散方程式的数值解析计算。
步骤S009:滤波处理部103c判断是否进行了预定次数的扩散方程式的数值解析计算。在没有进行预定次数的情况下,返回到步骤S008。在进行了预定次数的情况下,进入步骤S010。
步骤S010:滤波处理部103c将通过非线性各向异性扩散滤波器进行了滤波处理后的低频带分解图像数据输出给同一层次的多分辨率合成部104c。
高频带等级控制部105从同一层次的多分辨率分解部101接受八个高频带分解图像数据的输入。另外,高频带等级控制部105从特征量算出部102接受边缘的大小的输入。高频带等级控制部105使用边缘的信息(边缘的大小)对高频带分解图像数据进行强调边缘部分的处理。在本实施方式中,高频带等级控制部105取由扩散张量D的固有值计算出的边缘的大小和各高频带分解图像数据的每个像素的积。另外,该积的结果乘以各高频带分解图像数据的控制系数。通过这样取与边缘的大小的积,能够强调高频带分解图像数据中的边缘部分,能够抑制边缘以外的部分。
作为使用其它的边缘的大小(边缘信息)的高频带分解图像数据的处理方法,具有边缘以外的区域乘以各高频图像的控制系数的方法。通过进行这种处理,在高频带分解图像数据中也能够强调边缘部分。高频带等级控制部105将实施了强调上述边缘部分的处理的高频带分解图像数据输出给同一层次的多分辨率合成部104。该高频带等级控制部105相当于本发明中的“高频带等级控制部件”。
多分辨率合成部104从滤波处理部103接受一个低频带分解图像数据的输入。
并且,多分辨率合成部104从高频带等级控制部105接受七个高频带分解图像数据的输入。多分辨率合成部104对输入的一个低频带分解图像数据以及七个高频带分解图像数据进行合成并生成一个合成图像。生成合成图像时,多分辨率合成部104根据一个低频带分解图像数据和七个高频带分解图像数据进行小波逆变换。该生成的合成图像在各坐标轴的样本数为从滤波处理部103输入的图像的二倍。二次以上的层次中的多分辨率合成部104(在本实施方式中,为多分辨率合成部104b或104c。)将所形成的图像输出给下一层次的特征量算出部102。
并且,一次的层次中的多分辨率合成部104(在本实施方式中,为多分辨率合成部104a。)将所形成的图像输出给图像生成部004。该多分辨率合成部104相当于本发明中的“多分辨率合成部件”。
在这里,参照图7,对本实施方式的超声波诊断装置的整体动作的流程进行说明。图7是本实施方式的超声波诊断装置的整体动作的流程图。在这里,也以B模式图像为例进行说明。
步骤S101:收发部002经由超声波探头001对被检体发送超声波,并接收基于该被检体反射来的超声波回波的回波信号。
步骤S102:信号处理部003对从收发部002输入的回波信号进行对数压缩和包络线检波等信号处理。
步骤S103:散斑/噪声降低处理部100将从信号处理部003输入的B模式数据针对每个帧存储于帧蓄积部106。
步骤S104:散斑/噪声降低处理部100根据存储在帧蓄积部106中的最新的B模式数据到预定帧数前的B模式数据,进行多分辨率分解、特征量算出、滤波处理、高频带等级控制以及多分辨率合成,并对最新的B模式数据进行散斑/噪声降低处理。
步骤S105:图像生成部004对从散斑/噪声降低处理部100输入的进行了散斑/噪声降低处理的B模式数据进行坐标轴变换等,并生成B模式数据的超声波图像。
步骤S106:显示控制部005将从图像生成部004输入的超声波图像显示于显示部007。
步骤S107:综合控制部009判断检查是否结束。在检查未结束的情况下,返回到步骤S101。在检查结束了的情况下,停止超声波诊断装置的动作。
以上,作为散斑/噪声降低处理的对象使用二维断层像进行了说明。作为散斑/噪声降低处理的对象也可以使用三维容积数据等三维断层像。为了对三维断层像进行散斑/噪声降低处理,只要使上述处理增加一维即可。具体而言,只要在边缘的大小的算出和滤波处理的计算中使矩阵增加一行一列进行计算即可。
以上,散斑/噪声降低处理部100配置于信号处理部003之后。散斑/噪声降低处理部100也可以配置在图像生成部004之后。在散斑/噪声降低处理部100配置在图像生成部004之后的情况下,对进行了坐标轴变换的超声波图像进行散斑/噪声降低处理。在该情况下,超声波探头001、收发部002、信号处理部003以及图像生成部004相当于本发明中的“图像生成部件”,显示控制部005相当于本发明中的“显示控制部件”。
如以上说明的那样,本实施方式的超声波诊断装置在B模式或多普勒模式的各模式中的原始数据的空间方向和时间方向进行多分辨率分解,算出方向性特征量。通过使用利用了该方向性特征量的滤波器,从而降低空间方向和时间方向的噪声和散斑的变化。由此,不仅在空间方向,在时间方向上也能够生成平滑且强调组织成分的图像。
并且,本实施方式的超声波诊断装置是这样的构成:关于对时间方向的数值微分,使用当前和过去的多个帧的数据,通过与空间方向不同的算式和系数来进行计算。由此,能够进行没有时间相位延迟的滤波处理。
并且,在本实施方式中,使用高频带等级控制部105对高频分解图像数据进行处理,强调高频带分解图像数据的边缘部分,由此,生成进一步强调边缘的图像。
但是,也可以不使用高频带等级控制部105,对高频带分解图像数据不进行处理,就那样直接使用高频带分解图像数据,在多分辨率合成部104中生成合成图像。在该情况下,与使用高频带等级控制部105的情况相比,组织成分的强调程度减弱,但能够针对时间方向生成平滑的图像。
另外,多分辨率分解部101、特征量算出部102、滤波处理部103、多分辨率合成部104以及高频带等级控制部105也可以针对各层次(图2中的一次~n次的每次)进行配置。也可以通过一组的多分辨率分解部101、特征量算出部102、滤波处理部103、多分辨率合成部104以及高频带等级控制部105依次进行各层次(各次)的处理。
[第二实施方式]
下面,对本发明的第二实施方式的超声波诊断装置进行说明。本实施方式的超声波诊断装置与第一实施方式不同之处在于,是利用进行了散斑/噪声降低处理的B模式数据对下一帧进行散斑/噪声降低处理的构成。利用图1的框图示出本实施方式的超声波诊断装置的构成。在以下的说明中,附加了与第一实施方式相同的标号的功能部只要没有特别说明,则具有相同的功能。
图8是用于说明本实施方式中的B模式数据的蓄积以及使用该蓄积的B模式数据的处理的图。为了容易理解说明,图8说明了空间轴和时间轴这二维。
帧蓄积部106针对每个时间的经过依次存储从信号处理部003输入的B模式数据。在这里,将最新的B模式数据作为B模式数据801。进而,散斑/噪声降低处理部100使用集合B模式数据300对B模式数据801进行散斑/噪声降低处理。集合B模式数据300是包括存储在帧蓄积部106中的B模式数据801在内的预定帧数的B模式数据的集合。
而且,帧蓄积部106删除处理前的B模式数据801,并将进行了处理的B模式数据801(以下,称为处理后B模式数据801)存储为最新的帧的B模式数据。然后,当从信号处理部003输入下一帧的B模式数据(将其称为B模式数据802)时,将B模式数据802作为最新的帧存储在帧蓄积部106中。然后,散斑/噪声降低处理部100对B模式数据802进行散斑/噪声降低处理,帧蓄积部106存储处理后B模式数据802。通过反复进行以上那样的处理,从而帧蓄积部106能够在时间方向蓄积过去的B模式数据的处理结果,并使用该蓄积的处理后的B模式数据进行最新的B模式数据的散斑/噪声降低处理。在这里,帧蓄积部106相当于本发明中的“处理后帧蓄积部件”。
这样,本实施方式的超声波诊断装置为这样的构成:使用实施了散斑/噪声降低处理的过去的B模式数据进行最新的B模式数据的散斑/噪声降低处理。
由此,能够使用在时间方向的散斑/噪声降低处理中已经实施了处理的平滑的B模式数据,因此,能够进一步有效地降低时间方向的散斑/噪声的变化,进行没有时间相位延迟的处理。
(变形例1)
接着,对本发明的超声波诊断装置的其它例进行说明。在本变形例中,蓄积处理前的B模式数据。在进行散斑/噪声降低处理时,将最新的处理前的帧输出给帧蓄积部106。
图9是用于说明本实施例中的B模式数据的蓄积以及使用该蓄积的B模式数据的处理的图。图9用空间轴和时间轴这二维进行表示。
本发明的超声波诊断装置是如下的构成:在第二实施方式的超声波诊断装置中进一步追加了用虚线表示的处理前帧蓄积部107。
处理前帧蓄积部107具有存储器和硬盘等存储介质。
而且,处理前帧蓄积部107与时间的经过对应地依次存储从信号处理部003输入的B模式数据。处理前帧蓄积部107可以存储所有帧的B模式数据,也可以存储预先确定的帧数的B模式数据。
在存储预先确定的帧数的B模式数据的构成中,当输入新的处理前的B模式数据901时,删除最旧的处理前的B模式数据。
帧蓄积部106对处理前帧蓄积部107要求散斑/噪声降低处理前的B模式数据901的输入。处理前帧蓄积部107与该输入要求对应地向帧蓄积部106输入最新的处理前的B模式数据901。
帧蓄积部106存储预定数-1帧之前的进行了散斑/噪声降低处理的B模式数据902。帧蓄积部106将从处理前帧蓄积部107复制的处理前的B模式数据901和存储的处理后的B模式数据902输出给多分辨率分解部101。然后,帧蓄积部106存储通过散斑/噪声降低处理部100进行了散斑/噪声降低处理的处理后的B模式数据。此时,帧蓄积部106删除最旧的处理后B模式数据。
通过这样的构成,还可以进一步有效地降低时间方向的散斑/噪声的变化,进行没有时间相位延迟的处理。
Claims (8)
1.一种超声波诊断装置,其特征在于,该超声波诊断装置具备:
图像生成部件,通过执行超声波收发,从而以按时间序列的方式生成多个帧的超声波图像数据;
多分辨率分解部件,按层次对上述超声波图像数据进行多分辨率分解,得到第1次~第n次的低频带分解图像数据以及第1次~第n次的高频带分解图像数据,其中,n为2以上的自然数;
特征量算出部件,根据得到的上述低频带分解图像数据算出特征量;
滤波处理部件,对算出的上述特征量实施滤波运算;以及
多分辨率合成部件,使用上述低频带分解图像数据和上述高频带分解图像数据来执行多分辨率合成,从而生成合成图像。
2.根据权利要求1所述的超声波诊断装置,其特征在于,
该超声波诊断装置还具备存储上述超声波图像数据的数据蓄积部件,
作为上述多个帧中的第t帧的超声波图像数据中的上述滤波处理,上述滤波处理部件使用存储在上述存储部件中的从第t-1帧到第预定帧之前的各帧的超声波图像数据中的同一位置的各像素的各像素值对扩散方程式进行数值解析,算出第t帧的超声波图像数据的上述同一位置的各像素的像素值。
3.根据权利要求1所述的超声波诊断装置,其特征在于,
该超声波诊断装置还具备存储上述低频带分解图像数据的数据蓄积部件,
作为第t帧的超声波图像数据中的滤波处理,上述滤波处理部件使用存储在上述存储部件中的从第t-1帧到第预定帧之前的各帧的上述低频带分解图像数据中的同一位置的各像素的各像素值对扩散方程式进行数值解析,算出第t帧的处理后低频带分解图像数据的上述同一位置的各像素的像素值。
4.根据权利要求1所述的超声波诊断装置,其特征在于,
上述滤波处理部件使用由非线性扩散方程式表示的滤波器,
在进行该非线性扩散方程式的数值解析的情况下,
作为空间方向的数值微分,使用
作为时间方向的数值微分,使用
Ii:x为i时的像素值,It:时刻t的像素值。
5.根据权利要求1所述的超声波诊断装置,其特征在于,
上述特征量算出部件算出各像素的结构张量,并使用上述结构张量算出固有值和固有矢量,使用上述各固有值和固有矢量算出特征量。
6.根据权利要求1所述的超声波诊断装置,其特征在于,
上述滤波部件为非线性各向异性扩散滤波器。
7.根据权利要求1所述的超声波诊断装置,其特征在于,
该超声波诊断装置还具备高频带等级控制部件,该高频带等级控制部件对上述高频带分解图像数据进行强调上述边缘的滤波处理,并将该处理后的高频带分解图像数据输出给上述多分辨率合成部件。
8.一种超声波诊断装置,其特征在于,该超声波诊断装置具备:
图像生成部件,通过执行超声波收发,从而以按时间序列的方式生成多个帧的超声波图像数据;
多分辨率分解部件,按层次对上述超声波图像数据进行多分辨率分解,得到第1次~第n次的低频带分解图像数据以及第1次~第n次的高频带分解图像数据,其中,n为2以上的自然数;
多分辨率合成部件,使用上述低频带分解图像数据和上述高频带分解图像数据执行多分辨率合成,并生成合成图像;
特征量算出部件,根据得到的上述低频带分解图像数据算出特征量;
滤波处理部件,对算出的上述特征量实施滤波运算;以及
高频带等级控制部,将从上述多分辨率分解部件得到的上述第1次~第n次的高频带分解图像数据利用对应的各次的特征量进行加权。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009113667A JP5449852B2 (ja) | 2009-05-08 | 2009-05-08 | 超音波診断装置 |
JP2009-113667 | 2009-05-08 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101879073A true CN101879073A (zh) | 2010-11-10 |
CN101879073B CN101879073B (zh) | 2012-07-18 |
Family
ID=43051314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201010173203.2A Active CN101879073B (zh) | 2009-05-08 | 2010-05-07 | 超声波诊断装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US8861821B2 (zh) |
JP (1) | JP5449852B2 (zh) |
CN (1) | CN101879073B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102958445A (zh) * | 2011-06-30 | 2013-03-06 | 株式会社东芝 | 超声波诊断装置、图像处理装置以及图像处理方法 |
CN103501681A (zh) * | 2011-09-20 | 2014-01-08 | 奥林巴斯医疗株式会社 | 图像处理装置以及内窥镜系统 |
CN105828725A (zh) * | 2013-11-26 | 2016-08-03 | 株式会社日立制作所 | 超声波诊断装置 |
CN107405078A (zh) * | 2015-03-04 | 2017-11-28 | 佳能株式会社 | 对象信息获取装置和用于显示与对象相关的图像的方法 |
CN110811674A (zh) * | 2018-08-09 | 2020-02-21 | 株式会社日立制作所 | 超声波诊断装置、程序以及超声波诊断装置的动作方法 |
WO2023005069A1 (zh) * | 2021-07-27 | 2023-02-02 | 深圳市赛禾医疗技术有限公司 | 超声图像的处理方法、装置及电子设备 |
Families Citing this family (45)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9282945B2 (en) | 2009-04-14 | 2016-03-15 | Maui Imaging, Inc. | Calibration of ultrasound probes |
US9788813B2 (en) | 2010-10-13 | 2017-10-17 | Maui Imaging, Inc. | Multiple aperture probe internal apparatus and cable assemblies |
JP5666446B2 (ja) | 2008-08-08 | 2015-02-12 | マウイ イマギング,インコーポレーテッド | マルチアパーチャ方式の医用超音波技術を用いた画像形成方法及びアドオンシステムの同期方法 |
KR101659723B1 (ko) | 2009-04-14 | 2016-09-26 | 마우이 이미징, 인코포레이티드 | 복수 개구 초음파 어레이 정렬 설비 |
EP2536339B1 (en) | 2010-02-18 | 2024-05-15 | Maui Imaging, Inc. | Point source transmission and speed-of-sound correction using multi-aperture ultrasound imaging |
US9668714B2 (en) | 2010-04-14 | 2017-06-06 | Maui Imaging, Inc. | Systems and methods for improving ultrasound image quality by applying weighting factors |
US9475709B2 (en) | 2010-08-25 | 2016-10-25 | Lockheed Martin Corporation | Perforated graphene deionization or desalination |
EP3563768A3 (en) | 2010-10-13 | 2020-02-12 | Maui Imaging, Inc. | Concave ultrasound transducers and 3d arrays |
CN103118599B (zh) * | 2011-09-20 | 2015-07-22 | 株式会社东芝 | 图像处理装置以及医用图像诊断装置 |
CN104105449B (zh) | 2011-12-01 | 2018-07-17 | 毛伊图像公司 | 使用基于声脉冲和多孔多普勒超声的运动检测 |
US9265484B2 (en) | 2011-12-29 | 2016-02-23 | Maui Imaging, Inc. | M-mode ultrasound imaging of arbitrary paths |
CN107028623B (zh) | 2012-02-21 | 2020-09-01 | 毛伊图像公司 | 使用多孔超声确定材料刚度 |
JP5385487B1 (ja) * | 2012-02-29 | 2014-01-08 | 独立行政法人科学技術振興機構 | スーパーハイブリッド画像生成装置、スーパーハイブリッド画像生成方法、印刷媒体製造方法、電子媒体製造方法、および、プログラム |
US10203295B2 (en) | 2016-04-14 | 2019-02-12 | Lockheed Martin Corporation | Methods for in situ monitoring and control of defect formation or healing |
US10980919B2 (en) | 2016-04-14 | 2021-04-20 | Lockheed Martin Corporation | Methods for in vivo and in vitro use of graphene and other two-dimensional materials |
US10653824B2 (en) | 2012-05-25 | 2020-05-19 | Lockheed Martin Corporation | Two-dimensional materials and uses thereof |
US10376845B2 (en) | 2016-04-14 | 2019-08-13 | Lockheed Martin Corporation | Membranes with tunable selectivity |
US9834809B2 (en) | 2014-02-28 | 2017-12-05 | Lockheed Martin Corporation | Syringe for obtaining nano-sized materials for selective assays and related methods of use |
US9744617B2 (en) | 2014-01-31 | 2017-08-29 | Lockheed Martin Corporation | Methods for perforating multi-layer graphene through ion bombardment |
JP5987548B2 (ja) * | 2012-08-10 | 2016-09-07 | コニカミノルタ株式会社 | 超音波画像診断装置及び超音波画像診断装置の制御方法 |
EP2883079B1 (en) | 2012-08-10 | 2017-09-27 | Maui Imaging, Inc. | Calibration of multiple aperture ultrasound probes |
IN2015DN00764A (zh) | 2012-08-21 | 2015-07-03 | Maui Imaging Inc | |
EP2897099A4 (en) * | 2012-09-11 | 2016-05-25 | Nec Corp | IMAGE PROCESSING DEVICE AND IMAGE PROCESSING METHOD |
KR102025756B1 (ko) | 2013-01-04 | 2019-09-27 | 삼성전자주식회사 | 영상에서 스펙클을 제거하는 방법, 장치 및 시스템. |
US9592475B2 (en) | 2013-03-12 | 2017-03-14 | Lockheed Martin Corporation | Method for forming perforated graphene with uniform aperture size |
WO2014160291A1 (en) | 2013-03-13 | 2014-10-02 | Maui Imaging, Inc. | Alignment of ultrasound transducer arrays and multiple aperture probe assembly |
US9572918B2 (en) | 2013-06-21 | 2017-02-21 | Lockheed Martin Corporation | Graphene-based filter for isolating a substance from blood |
US9883848B2 (en) | 2013-09-13 | 2018-02-06 | Maui Imaging, Inc. | Ultrasound imaging using apparent point-source transmit transducer |
JP6274495B2 (ja) * | 2013-10-25 | 2018-02-07 | キヤノンメディカルシステムズ株式会社 | 画像処理装置および超音波診断装置 |
CN106029596A (zh) | 2014-01-31 | 2016-10-12 | 洛克希德马丁公司 | 采用多孔非牺牲性支撑层的二维材料形成复合结构的方法 |
EP3100297A4 (en) | 2014-01-31 | 2017-12-13 | Lockheed Martin Corporation | Perforating two-dimensional materials using broad ion field |
EP3116625A4 (en) | 2014-03-12 | 2017-12-20 | Lockheed Martin Corporation | Separation membranes formed from perforated graphene |
KR102430449B1 (ko) | 2014-08-18 | 2022-08-05 | 마우이 이미징, 인코포레이티드 | 네트워크-기반 초음파 이미징 시스템 |
EP3188823A4 (en) | 2014-09-02 | 2018-04-25 | Lockheed Martin Corporation | Hemodialysis and hemofiltration membranes based upon a two-dimensional membrane material and methods employing same |
CA2994549A1 (en) | 2015-08-05 | 2017-02-09 | Lockheed Martin Corporation | Perforatable sheets of graphene-based material |
WO2017023377A1 (en) | 2015-08-06 | 2017-02-09 | Lockheed Martin Corporation | Nanoparticle modification and perforation of graphene |
EP3221848B1 (en) | 2015-09-16 | 2018-11-21 | Koninklijke Philips N.V. | X-ray imaging device for an object |
CN108778530B (zh) | 2016-01-27 | 2021-07-27 | 毛伊图像公司 | 具有稀疏阵列探测器的超声成像 |
JP2019517909A (ja) | 2016-04-14 | 2019-06-27 | ロッキード・マーチン・コーポレーション | 流路を有する二次元膜構造体 |
SG11201809016QA (en) | 2016-04-14 | 2018-11-29 | Lockheed Corp | Selective interfacial mitigation of graphene defects |
KR20190019907A (ko) | 2016-04-14 | 2019-02-27 | 록히드 마틴 코포레이션 | 자유-플로팅 방법을 사용한 대규모 이송을 위한 그래핀 시트 취급 방법 |
WO2018064828A1 (en) * | 2016-10-09 | 2018-04-12 | Covidien Lp | System and method for driving ultrasound imaging transducers |
JP6904842B2 (ja) * | 2017-08-03 | 2021-07-21 | キヤノン株式会社 | 画像処理装置、画像処理方法 |
US11049221B2 (en) | 2018-04-27 | 2021-06-29 | Imam Abdulrahman Bin Faisal University | Gradient vector orientation based nonlinear diffusion filter |
US11654635B2 (en) | 2019-04-18 | 2023-05-23 | The Research Foundation For Suny | Enhanced non-destructive testing in directed energy material processing |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5497777A (en) * | 1994-09-23 | 1996-03-12 | General Electric Company | Speckle noise filtering in ultrasound imaging |
US20060084869A1 (en) * | 2004-10-18 | 2006-04-20 | Medison Co., Ltd. | Method and apparatus for enhancing image quality of a two-dimensional ultrasound image |
CN101209210A (zh) * | 2006-12-27 | 2008-07-02 | 株式会社东芝 | 超声波图像取得装置 |
WO2008140043A1 (ja) * | 2007-05-09 | 2008-11-20 | Hitachi Medical Corporation | 超音波診断装置および超音波診断装置の画質改善方法 |
JP2008289632A (ja) * | 2007-05-24 | 2008-12-04 | Hitachi Medical Corp | 超音波診断装置 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999046731A1 (en) * | 1998-03-13 | 1999-09-16 | The University Of Houston System | Methods for performing daf data filtering and padding |
JP3358988B2 (ja) * | 1998-04-28 | 2002-12-24 | 三菱重工業株式会社 | 信号処理装置 |
US6056691A (en) * | 1998-06-24 | 2000-05-02 | Ecton, Inc. | System for collecting ultrasound imaging data at an adjustable collection image frame rate |
US7236637B2 (en) * | 1999-11-24 | 2007-06-26 | Ge Medical Systems Information Technologies, Inc. | Method and apparatus for transmission and display of a compressed digitized image |
US6633674B1 (en) * | 1999-11-24 | 2003-10-14 | General Electric Company | Picture archiving and communication system employing improved data compression |
US20050053305A1 (en) * | 2003-09-10 | 2005-03-10 | Yadong Li | Systems and methods for implementing a speckle reduction filter |
JP4632685B2 (ja) * | 2004-04-12 | 2011-02-16 | 株式会社東芝 | 超音波診断装置及び画像データ処理装置 |
WO2007001236A1 (en) * | 2005-06-28 | 2007-01-04 | Agency For Science, Technology And Research | Wavelet shrinkage pre-filtering of mr images for brain tissue segmentation |
JP5002397B2 (ja) * | 2007-09-28 | 2012-08-15 | 株式会社東芝 | 超音波診断装置及びプログラム |
US8605970B2 (en) * | 2008-12-25 | 2013-12-10 | Medic Vision-Imaging Solutions Ltd. | Denoising medical images |
-
2009
- 2009-05-08 JP JP2009113667A patent/JP5449852B2/ja active Active
-
2010
- 2010-04-22 US US12/765,386 patent/US8861821B2/en active Active
- 2010-05-07 CN CN201010173203.2A patent/CN101879073B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5497777A (en) * | 1994-09-23 | 1996-03-12 | General Electric Company | Speckle noise filtering in ultrasound imaging |
US20060084869A1 (en) * | 2004-10-18 | 2006-04-20 | Medison Co., Ltd. | Method and apparatus for enhancing image quality of a two-dimensional ultrasound image |
CN101209210A (zh) * | 2006-12-27 | 2008-07-02 | 株式会社东芝 | 超声波图像取得装置 |
WO2008140043A1 (ja) * | 2007-05-09 | 2008-11-20 | Hitachi Medical Corporation | 超音波診断装置および超音波診断装置の画質改善方法 |
JP2008289632A (ja) * | 2007-05-24 | 2008-12-04 | Hitachi Medical Corp | 超音波診断装置 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102958445A (zh) * | 2011-06-30 | 2013-03-06 | 株式会社东芝 | 超声波诊断装置、图像处理装置以及图像处理方法 |
CN102958445B (zh) * | 2011-06-30 | 2015-05-13 | 株式会社东芝 | 超声波诊断装置、图像处理装置以及图像处理方法 |
CN103501681A (zh) * | 2011-09-20 | 2014-01-08 | 奥林巴斯医疗株式会社 | 图像处理装置以及内窥镜系统 |
CN103501681B (zh) * | 2011-09-20 | 2015-11-25 | 奥林巴斯医疗株式会社 | 图像处理装置以及内窥镜系统 |
CN105828725A (zh) * | 2013-11-26 | 2016-08-03 | 株式会社日立制作所 | 超声波诊断装置 |
CN107405078A (zh) * | 2015-03-04 | 2017-11-28 | 佳能株式会社 | 对象信息获取装置和用于显示与对象相关的图像的方法 |
CN110811674A (zh) * | 2018-08-09 | 2020-02-21 | 株式会社日立制作所 | 超声波诊断装置、程序以及超声波诊断装置的动作方法 |
US11471123B2 (en) | 2018-08-09 | 2022-10-18 | Fujifilm Healthcare Corporation | Ultrasound diagnostic apparatus, program, and method of operating ultrasound diagnosis apparatus |
WO2023005069A1 (zh) * | 2021-07-27 | 2023-02-02 | 深圳市赛禾医疗技术有限公司 | 超声图像的处理方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
US8861821B2 (en) | 2014-10-14 |
JP5449852B2 (ja) | 2014-03-19 |
CN101879073B (zh) | 2012-07-18 |
US20100286525A1 (en) | 2010-11-11 |
JP2010259658A (ja) | 2010-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101879073B (zh) | 超声波诊断装置 | |
US9113826B2 (en) | Ultrasonic diagnosis apparatus, image processing apparatus, control method for ultrasonic diagnosis apparatus, and image processing method | |
Dias et al. | Wall position and thickness estimation from sequences of echocardiographic images | |
Santos et al. | Ultrasound image despeckling using stochastic distance-based BM3D | |
Laine | Wavelets in temporal and spatial processing of biomedical images | |
US8172756B2 (en) | Ultrasonic imaging system and method | |
CN102436672B (zh) | 超声波图像处理装置 | |
Yu et al. | Towards pointwise motion tracking in echocardiographic image sequences–comparing the reliability of different features for speckle tracking | |
DE102010061577A1 (de) | Verfahren und System zur Verarbeitung von Ultraschalldaten | |
CN107845079A (zh) | 基于紧支撑的3D‑shearlet医学CT视频去噪方法 | |
JP6943138B2 (ja) | 医用画像処理装置 | |
Grau et al. | Adaptive multiscale ultrasound compounding using phase information | |
CN106030657B (zh) | 医学4d成像中的运动自适应可视化 | |
CN106725592A (zh) | 超声射频元数据的自动识别方法及系统 | |
Zhang et al. | Deep image translation for enhancing simulated ultrasound images | |
Huh et al. | Tunable image quality control of 3-D ultrasound using switchable CycleGAN | |
CN106384337A (zh) | 一种激光散斑血流成像的增强方法 | |
Zhang et al. | Despeckling Methods for Medical Ultrasound Images | |
Ng | Speckle noise reduction via homomorphic elliptical threshold rotations in the complex wavelet domain | |
CN109996499A (zh) | 超声波诊断装置和程序 | |
Chen et al. | Breast cancer diagnosis using three-dimensional ultrasound and pixel relation analysis | |
Hou et al. | Ultrasound-magnetic resonance imaging fusion scheme based on non-negative matrix factorization and dual modality contrast agent | |
Sriraam et al. | Performance evaluation of linear and nonlinear filters for despeckling B mode foetal heart ultrasound images | |
Tamilkudimagal | Squeeze box filter for contrast enhancement in ultrasound despeckling | |
Girdhar et al. | Weighted variance based scale adaptive threshold for despeckling of medical ultrasound images using curvelets |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C41 | Transfer of patent application or patent right or utility model | ||
TR01 | Transfer of patent right |
Effective date of registration: 20160721 Address after: Japan Tochigi Patentee after: Toshiba Medical System Co., Ltd. Address before: Tokyo, Japan, Japan Patentee before: Toshiba Corp Patentee before: Toshiba Medical System Co., Ltd. |