CN117297660A - 血流提取图像形成装置、血流提取图像形成方法及非暂时性存储介质 - Google Patents

血流提取图像形成装置、血流提取图像形成方法及非暂时性存储介质 Download PDF

Info

Publication number
CN117297660A
CN117297660A CN202310709110.4A CN202310709110A CN117297660A CN 117297660 A CN117297660 A CN 117297660A CN 202310709110 A CN202310709110 A CN 202310709110A CN 117297660 A CN117297660 A CN 117297660A
Authority
CN
China
Prior art keywords
blood flow
frame data
image forming
rank
singular
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.)
Pending
Application number
CN202310709110.4A
Other languages
English (en)
Inventor
吉川秀树
藤田纮资
山田哲也
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujifilm Corp
Original Assignee
Fujifilm Healthcare Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fujifilm Healthcare Corp filed Critical Fujifilm Healthcare Corp
Publication of CN117297660A publication Critical patent/CN117297660A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/06—Measuring blood flow
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5207—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of raw data to produce diagnostic data, e.g. for generating an image
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0891—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of blood vessels
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/48—Diagnostic techniques
    • A61B8/488—Diagnostic techniques involving Doppler signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5238—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image
    • A61B8/5246—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from the same or different imaging techniques, e.g. color Doppler and B-mode
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G06T2207/30104—Vascular flow; Blood flow; Perfusion

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Quality & Reliability (AREA)
  • Hematology (AREA)
  • Physiology (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

本发明提供血流提取图像形成装置、血流提取图像形成方法及非暂时性存储介质。相关矩阵运算部(40)运算关于帧数据(F)的各数据要素CE)的表示多个帧数据中的信号值的相关性的相关矩阵Rzx。奇异值分解运算部(42)对相关矩阵Rzx进行奇异值分解。血流亮度图像形成部(44a)基于通过奇异值分解而得到的第1阈值秩以下的秩的固有值λi及与该固有值λi对应的固有向量wi，wi H来构成血流提取滤波器Pk，N，通过对帧数据运用血流提取滤波器Pk,N来形成血流亮度图像Uk，N。组织图像形成部(44b)基于构成多个帧数据的各数据要素的信号值来形成包含组织分量的组织图像。血流提取图像形成部(44c)通过从血流亮度图像Uk，N减去组织图像来形成血流提取图像Uout。

Description

血流提取图像形成装置、血流提取图像形成方法及非暂时性 存储介质
对相关申请的交叉参考
本申请主张日本专利申请第2022-104477号(2022年6月29日申请)的优先权，通过引用将包含说明书、权利要求书、附图和摘要在内的全部内容并入这里。
技术领域
本说明书公开血流提取图像形成装置、血流提取图像形成方法以及非暂时性存储介质。特别公开了基于表示来自被检体的超声波的反射波的信号强度的超声波信号来形成描绘被检体的血流的血流提取图像的DFI(Detective Flow Imaging，探测流动成像)的改良。
背景技术
过去，超声波诊断装置作为将不能目视的被检体(本说明书中是生物体)内的信息以数值或超声波图像的形态进行提示的医疗用检查装置而广泛利用。作为基本的超声波图像的形成方法，向被检体内的摄像对象发送超声波，将来自被检体的超声波的反射波的信号强度变换成亮度。由此，在所形成的超声波图像中示出组织的形态。
近年来，开发了通过对超声波信号进行主分量分析来形成示出被检体的血流的超声波图像的技术。主分量分析是基于奇异值分解(包含固有值分解)的解析方法的统计分析的手法。在对超声波信号运用主分量分析的情况下，将更加良好地重现原始的超声波信号(超声波图像)的信息(例如组织的边界、实质等较高亮度的分量)分类成上位的主分量，反之，将作为信息支配率而低的信息(例如与组织相比反射率低且动态的血流分量)分类成下位的主分量。提出利用该特性来从超声波信号奇异地提取血流分量并进行图像化。
例如在特开2019-54938号公报中公开了如下手法：对通过对被检体的超声波的发送或接收而得到的多普勒信号(表示通过对多个超声波信号进行自相关运算等处理而算出的相移(多普勒频移频率)的信号)执行主分量分析，压制体位的变化、呼吸、心脏的跳动等引起的源自组织的移动的分量(杂波分量)，来提高血流图像的品质。例如，运算主滤波器矩阵，以使得将与多普勒信号的杂波分量对应的第1主分量到第3主分量除去，维持与血流分量对应的第4主分量到第6主分量。通过对多普勒信号运用主滤波器矩阵，来形成压制了杂波分量的图像。具体地，从多普勒信号提取第1特定主分量(例如第1主分量)以及第2特定主分量(例如第6主分量)，以其比为指标来进行亮度的调整(加权)。例如，在将第6主分量相对于第1主分量的比率作为指标的情况下，若是位于血管内的像素，则指标接近于1，若是位于脏器组织的像素，则指标接近于0。由此，位于脏器组织的像素几乎不被描绘，作为结果，除去了杂波分量。此外，在JP特开2020-185122号公报中公开了对于在主分量分析中得到的信息使进行图像化的固有阶自适应地变动的手法，进而公开了对应于固有阶数来调整进行影像化的信号的信号强度的手法。
然而，与JP特开2019-54938号公报不同，考虑不是基于多普勒信号而是基于表示来自被检体的超声波的反射波的信号强度的超声波信号来形成提取被检体的血流的血流提取图像的情况。如上述那样，该技术也被称作DFI。在DFI中，对表示反射波的信号强度的超声波信号进行奇异值分解。基于通过对超声波信号的奇异值分解而得到的下位秩的信号分量构成的血流提取滤波器成为主要提取血流分量并除去组织分量这样的滤波器。因此，通过对超声波信号运用血流提取滤波器，来形成提取了微血管(血流)的血流提取图像。
在此，有时在由血流提取滤波器提取的信号分量中除了包含表示血流的信号分量以外，还包含起因于被检体的体动等的源自组织的信号分量即杂波分量。因此，有时在对超声波信号运用血流提取滤波器而形成的血流提取图像中还出现该杂波分量。例如在肝脏的情况下，由于在心脏附近较强地受到跳动的影响，因此，与微血管相关的信号埋没在杂波分量中，微血管的视觉辨识性显著降低。
为了得到适合的血流提取图像，需要不损害由血流提取滤波器提取的信号分量当中的真正表示血流的信号分量来抑制杂波分量。
发明内容
本说明书所涉及的血流提取图像形成装置、血流提取图像形成方法或血流提取图像形成程序的目的在于，更加减少提取微血管的血流提取图像中的杂波分量。
本说明书所涉及的血流提取图像形成装置特征在于，具备：帧数据取得部，其对被检体收发超声波的超声波探头对相同的扫描面多次发送超声波，取得基于通过接收来自所述被检体的所述超声波的反射波而得到的多个接收信号来生成并具有表示所述反射波的信号强度的信号值的多帧的量的多个帧数据；相关矩阵运算部，其运算关于与由所述帧数据形成的超声波图像的各像素对应的所述帧数据的各数据要素的、表示所述多个帧数据中的所述信号值的相关性的相关矩阵；奇异值分解运算部，其通过对所述相关矩阵进行奇异值分解，来运算按其大小顺序定义秩的多个奇异值以及与各奇异值对应的多个奇异向量；血流亮度图像形成部，其通过对所述帧数据运用由预先设定的第1阈值秩以下的秩的所述奇异值以及与该奇异值对应的所述奇异向量构成的血流提取滤波器，来形成血流亮度图像；组织图像形成部，其基于构成所述多个帧数据的各所述数据要素的所述信号值来形成组织图像；和血流提取图像形成部，其从所述血流亮度图像减去所述组织图像来形成血流提取图像。
在对帧数据运用血流提取滤波器而得到的血流亮度图像中包含较多的表征微血管(血流)的血流分量，其中，该血流提取滤波器是基于通过对相关矩阵进行奇异值分解而得到的下位秩(第1阈值秩以下的秩)的奇异值以及奇异向量。其中，在血流亮度图像中还会包含杂波分量。另一方面，在组织图像中不太包含血流分量但却包含组织分量以及杂波分量。因此，通过上述结构，通过从血流亮度图像减去组织图像，能得到留下血流亮度图像中所含的血流分量且从血流亮度图像除去了杂波分量的血流提取图像。
也可以所述组织图像形成部对所述帧数据运用由秩比所述第1阈值秩大的所述奇异值以及与该奇异值对应的所述奇异向量构成的组织提取滤波器，来形成所述组织图像。
根据上述结构，能更加减少组织图像中所含的血流分量，能得到能更加留下血流亮度图像中所含的血流分量且从血流亮度图像除去了杂波分量的血流提取图像。
也可以还具备：运算对象区域确定部，其在所述帧数据中确定包含与组织对应的所述数据要素的运算对象区域，所述相关矩阵运算部限定在所述运算对象区域进行所述相关矩阵的运算。尤其也可以，所述运算对象区域确定部将间除了构成所述帧数据的一部分所述数据要素所得到的间除帧数据作为所述运算对象区域。或者，也可以，所述运算对象区域确定部将构成所述帧数据的多个所述数据要素当中的所述信号值为阈值信号值以上的所述数据要素的集合确定为所述运算对象区域。或者，也可以，所述运算对象区域确定部通过对所述多个帧数据进行奇异值分解来取得由秩比第2阈值秩大的信号分量构成的上位秩提取数据，将间除了构成所述上位秩提取数据的一部分所述数据要素所得到的间除帧数据作为所述运算对象区域。或者，也可以，所述运算对象区域确定部通过对所述多个帧数据进行奇异值分解来取得由秩比第2阈值秩大的信号分量构成的上位秩提取数据，将构成所述上位秩提取数据的多个所述数据要素当中的所述信号值为阈值信号值以上的所述数据要素的集合确定为所述运算对象区域。
相关矩阵用于通过对其进行奇异值分解来构成血流提取滤波器或组织提取滤波器。因此，对相关矩阵进行奇异值分解的结果，只要能基于上位秩的信号分量构成组织提取滤波器，能基于下位秩的信号分量构成血流提取滤波器，就不一定非要得到关于帧数据的整体的相关矩阵。因此，根据该结构，由于限定了相关矩阵的运算对象，因此，能减少用于求取相关矩阵的运算量。
也可以，所述血流提取图像形成部从所述血流亮度图像减去乘以了系数的所述组织图像来形成所述血流提取图像。
根据该结构，通过调整系数，能调整从血流亮度图像减去的信号的量。
也可以，所述血流提取图像形成部基于来自用户的输入来决定所述系数。
根据该结构，用户能得到从血流亮度图像减去了所期望的量的信号的血流提取图像。
此外，本说明书所涉及的血流提取图像形成装置的特征在于，具备：帧数据取得部，对被检体收发超声波的超声波探头对相同的扫描面多次发送超声波，取得基于通过接收来自所述被检体的所述超声波的反射波而得到的多个接收信号来生成并具有表示所述反射波的信号强度的信号值的多帧的量的多个帧数据；运算对象区域确定部，其在所述帧数据中确定包含与由所述帧数据形成的超声波图像的各像素对应的所述帧数据的数据要素且与组织对应的数据要素在内的运算对象区域；相关矩阵运算部，其运算关于构成所述帧数据的各所述数据要素的、表示所述多个帧数据中的所述信号值的相关性的相关矩阵，限定在所述运算对象区域来进行所述相关矩阵的运算；奇异值分解运算部，其通过对所述相关矩阵进行奇异值分解，来运算按其大小顺序定义秩的多个奇异值以及与各奇异值对应的多个奇异向量；和图像处理部，其执行血流亮度图像形成处理或组织图像形成处理的至少一方，其中，所述血流亮度图像形成处理中，对所述帧数据运用由预先设定的第1阈值秩以下的秩的所述奇异值以及与该奇异值对应的所述奇异向量构成的血流提取滤波器来形成血流亮度图像，所述组织图像形成处理中，对所述帧数据运用由秩比所述第1阈值秩大的所述奇异值以及与该奇异值对应的所述奇异向量构成的组织提取滤波器，来形成组织图像。
此外，本说明书所涉及的血流提取图像形成方法的特征在于，包含：帧数据取得步骤，对被检体收发超声波的超声波探头对相同的扫描面多次发送超声波，取得基于通过接收来自所述被检体的所述超声波的反射波而得到的多个接收信号来生成并具有表示所述反射波的信号强度的信号值的多帧的量的多个帧数据；相关矩阵运算步骤，运算关于与由所述帧数据形成的超声波图像的各像素对应的所述帧数据的各数据要素的、表示所述多个帧数据中的所述信号值的相关性的相关矩阵；奇异值分解运算步骤，通过对所述相关矩阵进行奇异值分解，来运算按其大小顺序定义秩的多个奇异值以及与各奇异值对应的多个奇异向量；血流亮度图像形成步骤，对所述帧数据运用由预先设定的第1阈值秩以下的秩的所述奇异值以及与该奇异值对应的所述奇异向量构成的血流提取滤波器，来形成血流亮度图像；组织图像形成步骤，基于关于构成所述多个帧数据的各所述数据要素的所述信号值来形成组织图像；和血流提取图像形成步骤，从所述血流亮度图像减去所述组织图像来形成血流提取图像。
此外，本说明书所涉及的血流提取图像形成程序使计算机作为如下部分发挥功能：帧数据取得部，对被检体收发超声波的超声波探头对相同的扫描面多次发送超声波，取得基于通过接收来自所述被检体的所述超声波的反射波而得到的多个接收信号来生成并具有表示所述反射波的信号强度的信号值的多帧的量的多个帧数据；相关矩阵运算部，其运算关于与由所述帧数据形成的超声波图像的各像素对应的所述帧数据的各数据要素的、表示所述多个帧数据中的所述信号值的相关的相关矩阵；奇异值分解运算步骤，通过对所述相关矩阵进行奇异值分解来运算按其大小顺序定义秩的多个奇异值以及与各奇异值对应的多个奇异向量；血流亮度图像形成部，其对所述帧数据运用由预先设定的第1阈值秩以下的秩的所述奇异值以及与该奇异值对应的所述奇异向量构成的血流提取滤波器，来形成血流亮度图像；组织图像形成部，其基于关于构成所述多个帧数据的各所述数据要素的所述信号值来形成组织图像；和血流提取图像形成部，其从所述血流亮度图像减去所述组织图像来形成血流提取图像。
根据本说明书所涉及的血流提取图像形成装置、血流提取图像形成方法或血流提取图像形成程序，能更加减少提取微血管的血流提取图像中的杂波分量。
附图说明
图1是本实施方式所涉及的超声波诊断装置的结构概略图。
图2是血流描绘部的结构概略图。
图3是表示多个帧数据的概念图。
图4是表示血流提取图像的形成处理的流程的概念图。
图5是表示秩与该秩的滤波器运用后的帧数据的信号值的方差值的关系的图表。
图6A是表示用于决定组织图像的系数的画面的第1例的图。
图6B是表示用于决定组织图像的系数的画面的第2例的图。
图7A是表示运算对象区域确定部所进行的处理的内容的第1概念图。
图7B是表示运算对象区域确定部所进行的处理的内容的第2概念图。
图7C是表示运算对象区域确定部所进行的处理的内容的第3概念图。
图7D是表示运算对象区域确定部所进行的处理的内容的第4概念图。
图7E是表示运算对象区域确定部所进行的处理的内容的第5概念图。
图7F是表示运算对象区域确定部所进行的处理的内容的第6概念图。
图8是表示本实施方式所涉及的超声波诊断装置的处理的流程的流程图。
具体实施方式
图1是作为本实施方式所涉及的血流提取图像形成装置的超声波诊断装置10的结构概略图。超声波诊断装置10设置在医院等医疗机构，是基于通过对生物体即被检体的超声波的发送或接收而得到的接收信号来形成以及显示超声波图像的装置。
特别在超声波诊断装置10中，如详细后述那样，基于表示来自被检体的超声波的反射波的信号强度的超声波信号(本实施方式中为多个帧数据)来形成描绘被检体的微血管(血流)的血流提取图像。即，在超声波诊断装置10中具有DFI的功能。
作为超声波探头的探头12是进行超声波的发送以及反射波的接收的器件。具体地，探头12与被检体的体表抵接，向被检体发送超声波，接收在被检体内的组织反射的反射波。在探头12内设有包含多个振动元件的振动元件阵列。对振动元件阵列中所含的各振动元件从后述的发送部14供给作为电信号的发送信号，由此生成超声波波束。此外，振动元件阵列中所含的各振动元件接收来自被检体的反射波，将反射波变换成作为电信号的接收信号并发送到后述的接收部16。
发送部14作为发送波束形成器发挥功能。发送部14在超声波的发送时对探头12(详细是振动元件阵列)并行地供给多个发送信号。由此，从探头12发送超声波波束。具体地，基于发送信号来在扫描面内扫描超声波波束。在本实施方式中，在相同的扫描面多次(在相互不同的定时)扫描超声波波束。
作为帧数据取得部的接收部16作为接收波束形成器发挥功能。接收部16在反射波的接收时并行地接受来自探头12(详细地振动元件阵列)的多个接收信号。接收部16对接收信号实施分层加法运算处理等处理，由此生成接收波束数据。接收波束数据具有在被检体的深度方向上排列的表示来自被检体的各深度的反射波的信号强度的多个信号值。通过与扫描面对应的多个接收波束数据且相当于1张B模式图像(将反射波的振幅强度变换成亮度的断层图像)的多个接收波束数据来生成帧数据。如上述那样，在本实施方式中，由于对相同的扫描面多次发送超声波，因此，生成与相同的扫描面对应且在相互不同的定时得到的多帧的量的多个帧数据。
信号处理部18对来自接收部16的帧数据(各接收波束数据)进行包含检波处理、对数放大处理、增益补正处理或滤波器处理等的各种信号处理。
电影存储器20是存储由信号处理部18进行过处理的多个帧数据的存储器。电影存储器20是按照输入来自信号处理部18的帧数据的顺序进行输出的FIFO(FirstIn FirstOut，先进先出)缓存器。
血流描绘部22基于通过对相同的扫描面多次发送超声波而得到的多个帧数据(表示反射波的信号强度的超声波信号)来形成提取微血管(血流)的血流提取图像。关于血流描绘部22所进行的处理的详细情况后述。
显示控制部24使包含由血流描绘部22形成的血流提取图像的种种图像显示于例如由液晶面板等构成的显示器26。
输入接口28例如由按钮、轨迹球或触控面板等构成。输入接口28用于将用户的指示输入到超声波诊断装置10。
存储器30包含HDD(Hard Disk Drive，硬盘驱动器)、SSD(Solid State Drive，固态硬盘)、eMMC(embedded Multi Media Card，嵌入式多媒体卡)、ROM(Read Only Memory，只读存储器)或RAM(Random Access Memory，随机存取存储器)等来构成。在存储器30中存储用于使超声波诊断装置10的各部分动作的血流提取图像形成程序。另外，血流提取图像形成程序还能存放于USB(Universal Serial Bus，通用串行总线)存储器或CD-ROM等计算机可读的非暂时性存储介质中。超声波诊断装置10能从这样的存储介质读取并执行血流提取图像形成程序。
控制部32包含通用的处理器(例如CPU(Central Processing Unit，中央处理器)等)、以及专用的处理器(例如GPU(Graphics Processing Unit，图形处理器)、ASIC(Application Specific Integrated Circuit，特定用途集成电路)、FPGA(Field-Programmable Gate Array，现场可编程门阵列)、或可编程逻辑器件等)的至少1者来构成。作为控制部32，可以不是基于1个处理装置，而是通过存在于物理上远离的位置的多个处理装置的共同工作来构成。控制部32遵循存储于存储器30的血流提取图像形成程序来控制超声波诊断装置10的各部分。
另外，发送部14、接收部16、信号处理部18、血流描绘部22以及显示控制部24的各部分包含1个或多个处理器、芯片、电气电路等构成。这些各部分可以通过硬件与软件的共同工作来实现。
图2是血流描绘部22的结构概略图。以下参考图2以后的附图来说明血流描绘部22中的处理的详细内容。
首先，说明成为血流描绘部22的处理对象的多个帧数据。图3是表示多个帧数据F的概念图。如上述那样，关于1个帧数据F，若将其所具有的反射波的信号强度变换成亮度，就形成1张B模式图像。在本说明书中，将与B模式图像的各像素对应的帧数据F的数据部分称作数据要素E。在1个帧数据F中，各数据要素E在方位方向(X轴)以及深度方向(Z轴)的二维上排列。各数据要素E具有表示反射波的信号强度的信号值(以下有时仅记载为“信号值”)。
如上述那样，各帧数据F由于在相互不同的定时取得，因此，多个(N个)帧数据F在时间方向上排列。使用N个帧数据F来形成血流提取图像。虽然N较大的一方能形成更正确的(杂波分量更加减少的)血流提取图像，但运算量相应变大该部分。在本实施方式中，N设定成10～20程度的值。
由于多个帧数据F在时间方向上排列，因此，若着眼于某1个数据要素E，则能定义多个帧数据F间的对应且在时间方向上排列的数据要素E的集合(N个数据要素E)。在本说明书中，定义具有这样的N个数据要素E为要素的向量，将其记载为向量uzx。例如，u11是具有位于各帧数据F的(z，x)＝(1，1)的N个数据要素E为要素的向量。并且，将具有向量uzx(z＝1～Z，x＝1～X)作为要素的矩阵记载为矩阵U。矩阵U表示用于形成血流提取图像的多个帧数据F，如以下那样示出。
【数学式1】
相关矩阵运算部40运算关于帧数据F的各数据要素E的表示多个帧数据F中的信号值的相关性的相关矩阵。即，相关矩阵运算部40对各向量uzx运算向量uzx中所含的各要素间的相关性。另外，在本实施方式中，相关矩阵运算部40运算关于帧数据F的整体(即全部向量uzx(z＝1～Z，x＝1～X))的相关矩阵。
相关矩阵(与自身的协方差矩阵)由于能以向量uzx与自身的转置的积表征，因此，相关矩阵Rzx以以下的式1运算。
【数学式2】
关于各向量uzx的各相关矩阵Rzx成为N×N的正方矩阵。
此外，相关矩阵运算部40将关于各向量uzx的各相关矩阵Rzx在全数据要素E进行平均化。平均相关矩阵以以下的式2表征。
【数学式3】
假设若按各相关矩阵Rzx的每一者进行以下的奇异值分解，则其运算量会变得庞大。除此以外，存在成为奇异值分解的对象的相关矩阵Rzx成为仅与组织分量或仅与血流分量相关的相关矩阵的情况，也有难以进行合适的奇异值分解的情况。因此，在本实施方式中，运算将各相关矩阵Rzx平均化的平均相关矩阵，将平均相关矩阵作为奇异值分解的对象。
奇异值分解运算部42对由相关矩阵运算部40运算的相关矩阵进行奇异值分解。在本实施方式中，奇异值分解运算部42对平均相关矩阵进行奇异值分解。在本实施方式中，由于平均相关矩阵是正方矩阵，因此，奇异值分解运算部42对平均相关矩阵进行固有值分解。平均相关矩阵的固有值分解以以下的式3表征。另外，关于成为奇异值分解的对象的矩阵为非正方矩阵的情况后述。
【数学式4】
在式3中，矩阵Λ是在对角要素排列有作为N个奇异值的固有值λi的对角矩阵，如以下那样表征。
【数学式5】
矩阵W是将与N个固有值λi分别对应的作为N个奇异向量的固有向量wi排列的矩阵。如此地，通过固有值分解，平均相关矩阵以N个固有值λi和与各固有值λi对应的N个固有向量wi，wi H的积和来表征。换言之，奇异值分解运算部42通过固有值分解来运算表征平均相关矩阵的N个固有值λi和与各固有值λi对应的N个固有向量wi，wi H。
在矩阵Λ中，多个固有值λi按其大小顺序排列。即，成为λ1＞λ2＞…＞λN。此外，多个固有值λi按其大小顺序定义秩。例如，如λ1为秩1的固有值、λ2为秩2的固有值、λN为秩N的固有值。
在此，在上位秩(更接近于秩1)的固有值λi和与其对应的固有向量wi，wi H中包含更加良好地重现平均相关矩阵的信息，在下位秩(更接近于秩N)的固有值λi和与其对应的固有向量wi，wi H中包含与平均相关矩阵的重现不太有关系的信息。
图像形成部44基于矩阵U来形成描绘被检体的微血管(血流)的血流提取图像。如图2所示那样，图像形成部44发挥作为血流亮度图像形成部44a、组织图像形成部44b以及血流提取图像形成部44c的功能。图4是表示图像形成部44的血流提取图像的形成处理的流程的概念图。以下，适宜参考图4对图像形成部44所具有的各功能的详细情况进行说明。
血流亮度图像形成部44a首先基于由奇异值分解运算部42运算的多个固有值λi以及固有向量wi，wi H当中的与预先设定的第1阈值秩以下的秩的固有值λi以及该固有值λi对应的固有向量wi，wi H来构成血流提取滤波器。另外，本说明书中的“阈值秩以下”这样的表现意味着比阈值秩大的值秩。例如，所谓阈值秩k以下，意味着秩k～N为止的秩。同样地，“阈值秩以上”或“比阈值秩大”这样的表现意味着比阈值秩小的秩。例如，所谓阈值秩k以上，意味着秩1～k为止的秩。
具体地，血流提取滤波器Pk，N以以下的式4表征。
【数学式6】
在式4中，k表征第1阈值秩。即，血流提取滤波器Pk，N将第1阈值秩(k秩)以下的各秩的固有值λi与固有向量wi，wi H的积加在一起来构成。
基于对平均相关矩阵进行奇异值分解而得到的下位秩(第1阈值秩以下的秩)的固有值λi以及与该固有值λi对应的固有向量wi，wi H而构成的血流提取滤波器Pk，N在对多个帧数据F(即矩阵U)运用的情况下，成为提取表征微血管(血流)的血流分量且截断(cut)表征被检体的组织的组织分量地发挥作用的滤波器。
接着，血流亮度图像形成部44a通过运用构成为帧数据F的血流提取滤波器Pk，N来形成血流亮度图像Uk，N。在本实施方式中，血流亮度图像形成部44a通过对以矩阵U表征的多个帧数据F分别运用血流提取滤波器Pk，N，将运用后的多个帧数据F的各信号值进行平均，来形成血流亮度图像Uk，N。血流亮度图像Uk，N以以下的式5表征。
【数学式7】
Uk，N＝AVG[Rk，NU]…(式5)
如上述那样，血流提取滤波器Pk，N由于在对矩阵U运用的情况下是提取表征微血管(血流)的血流分量且截断表征被检体的组织的组织分量地发挥作用的滤波器，因此，通过对矩阵U运用血流提取滤波器Pk，N，组织分量被截断，血流分量留下。因此，血流亮度图像Uk，N成为表征血流分量的图像。其中，如上述那样，在血流亮度图像Uk，N中能包含起因于被检体的体动等的源自组织的信号分量即杂波分量。
组织图像形成部44b基于构成多个帧数据F的各数据要素E的信号值(即矩阵U)来形成包含组织分量的组织图像。
在本实施方式中，组织图像形成部44b首先基于由奇异值分解运算部42运算的多个固有值λi以及固有向量wi，wi H当中的、秩比第1阈值秩大的固有值λi以及与该固有值λi对应的固有向量wi，wi H，来构成组织提取滤波器。
具体地，组织提取滤波器P2，N以以下的式6表征。
【数学式8】
如式6所示那样，在本实施方式中，基于秩2(设为第1阈值秩k比2大)的固有值λ2以及固有向量w2，w2 H来构成组织提取滤波器P2，N。另外，在本实施方式中，基于秩2的固有值λ2以及固有向量w2，w2 H来构成组织提取滤波器P2，N(关于其理由后述)，但若是比第1阈值秩k大且非常上位的秩，则也可以基于其他秩的固有值λi以及固有向量wi，wi H来构成组织提取滤波器P2，N。此外，也可以将多个秩(例如秩1～3)的固有值λi与固有向量wi，wi H的积加在一起来构成组织提取滤波器P2，N。
基于对平均相关矩阵进行奇异值分解而得到的上位秩的固有值λi以及与该固有值λi对应的固有向量wi，wi H而构成的组织提取滤波器P2，N在对多个帧数据F(即矩阵U)运用的情况下，成为提取表征被检体的组织的组织分量且截断表征微血管(血流)的血流分量地发挥作用的滤波器。
接着，组织图像形成部44b通过运用构成为帧数据F的组织提取滤波器P2，N来形成组织图像U2，N。在本实施方式中，组织图像形成部44b通过对以矩阵U表征的多个帧数据F分别运用组织提取滤波器P2，N，得到运用后的多个帧数据F的各信号值的方差值，来形成组织图像U2，N。组织图像U2，N以以下的式7表征。
【数学式9】
U2，N＝VAR[P2，NU]…(式7)
如上述那样，组织提取滤波器P2，N由于在对矩阵U运用的情况下是提取表征被检体的组织的组织分量且截断表征微血管(血流)的血流分量地发挥作用的滤波器，因此，通过对矩阵U运用组织提取滤波器P2，N，从而血流分量被截断，组织分量留下。因此，组织图像U2，N成为表征组织分量的图像。此外，在组织图像U2，N中包含起因于被检体的体动等的源自组织的信号分量即杂波分量。
特别是在组织提取滤波器P2，N的运用后的多个帧数据F的各信号值的方差值中较多地包含杂波分量。图5是表征由固有值以及固有向量构成的滤波器的秩与该秩的滤波器的运用后的多个帧数据F的各信号值的方差值的关系的图表。图5所示的图表当中的图表A表征杂波分量，图表B表征组织分量，图表C表征血流分量，图表D表征与血流的分岔部对应的分岔分量。如图5所示那样，在上位秩中，图表A的方差值变大。即，在通过将由上位秩的固有值λi以及固有向量wi，wi H构成的组织提取滤波器P2，N运用于矩阵U而得到的组织图像U2，N中不仅包含组织分量，还较多地包含杂波分量。
观察图5的图表A，与秩1相比比秩1稍低的秩(例如秩2)的杂波分量的方差值更大。这是因为，以秩1的滤波器提取的信号分量处于较多包含时间上稳定的信号分量的倾向，秩2以后的秩较多包含时间的以及空间上变动的信号分量。因此，在本实施方式中，基于秩2的固有值λ2以及固有向量w2，w2 H来构成组织提取滤波器P2，N。
组织提取滤波器P2，N的运用后的多个帧数据F的各信号值的方差值与滤波器的秩的关系如图5所示那样，但组织提取滤波器P2，N的运用后的多个帧数据F的各信号值的平均值与滤波器的秩的关系也示出与图5类似的关系。因此，也可以通过得到组织提取滤波器P2，N的运用后的多个帧数据F的各信号值的平均值来形成组织图像U2，N。
如上述那样，在本实施方式中，组织图像形成部44b基于组织提取滤波器P2，N来形成组织图像U2，N，但也可以不形成组织提取滤波器地形成组织图像。具体地，也可以通过取多个帧数据F的各信号值(即矩阵U)的方差值来形成组织图像。在该情况下，组织图像Uorg，N以以下的式8形成。
【数学式10】
Uorg，N＝VAR[U]…(式8)
如后述那样，为了形成减少了杂波分量的血流提取图像，可以在组织图像中较多地包含杂波分量。如图5所示那样，从上位秩延续到下位秩，杂波分量的方差值(图表A)取比较大的值。因此，不运用组织提取滤波器地取矩阵U的方差值，也能得到较多包含杂波分量的组织图像Uorg，N。
血流提取图像形成部44c通过从血流亮度图像形成部44a所形成的血流亮度图像Uk，N减去组织图像形成部44b所形成的组织图像U2，N(或组织图像Uorg，N)，来形成血流提取图像。即，血流提取图像Uout以以下的式9表征。
【数学式11】
Uout＝Uk，N-αU2，N或Uout＝Uk，N-αUorg，N…(式9)
如上述那样，在血流亮度图像Uk，N中包含杂波分量的时候，在组织图像U2，N中，血流分量被截断且包含较多杂波分量。此外，在组织图像Uorg，N中血流分量未被截断，但与原始相比，在矩阵U中，血流分量与杂波分量相比信号强度低。因此，通过从血流亮度图像Uk，N减去组织图像U2，N(或组织图像Uorg，N)，来从血流亮度图像Uk，N留下血流分量且除去杂波分量，从而能得到血流提取图像Uout。
式9中的α是组织图像U2，N(或组织图像Uorg，N)所涉及的系数。即，在本实施方式中，血流提取图像形成部44c从血流亮度图像Uk，N减去乘以系数而得到的组织图像U2，N(或组织图像Uorg，N)来形成血流提取图像Uout。通过调整系数α，能调整从血流亮度图像Uk，N减去的信号的量。即，若增大系数α，从血流亮度图像Uk，N更加减少杂波分量，但血流分量、组织分量也更加减少。若减小系数α，虽然不太从血流亮度图像Uk，N减少杂波分量，但也抑制了血流分量、组织分量的减少量。
血流提取图像形成部44c可以基于来自超声波诊断装置10的用户的输入来决定系数α。由此，用户能得到从血流亮度图像Uk，N减去了所期望的量的信号的血流提取图像Uout。例如，也可显示控制部24使图6A以及图6B所示那样的系数调整操作件(滑动条)50显示于显示器26，用户能使用输入接口28操作系数调整操作件50来调整系数α。此外，为了用户能容易地掌握通过变更系数α而血流提取图像Uout成为什么样子，显示控制部24可以在该画面还显示用调整过的系数α运算的血流提取图像52。
回到图2，血流描绘部22可以具有运算对象区域确定部46。在上述的实施方式中，相关矩阵运算部40可以运算关于帧数据F的整体(全部向量uzx(z＝1～Z，x＝1～X))的相关矩阵Rzx。但相关矩阵Rzx用于通过对其进行奇异值分解来构成血流提取滤波器Pk，N或组织提取滤波器P2，N。因此，对相关矩阵Rzx进行奇异值分解的结果，只要能基于上位秩的信号分量构成组织提取滤波器P2，N，能基于下位秩的信号分量构成血流提取滤波器Pk，N，就不一定非要得到关于帧数据F的整体的相关矩阵Rzx。因此，根据该结构，由于相关矩阵Rzx的运算对象被限定，因此，能减少用于求取相关矩阵Rzx的运算量。
鉴于上述，运算对象区域确定部46在相关矩阵运算部40运算相关矩阵Rzx之前，将帧数据F的一部分数据要素E(向量uzx)确定为相关矩阵Rzx的运算对象即运算对象区域。相关矩阵运算部40限定在所确定的运算对象区域来运算相关矩阵Rzx。由此，相关矩阵运算部40的用于求取相关矩阵Rzx的运算量以及用于求取平均相关矩阵Rzx的运算量减少。
运算对象区域确定部46能用种种方法确定运算对象区域。其中，若运算对象区域仅包含与微血管(血流)对应的数据要素E，相关矩阵运算部40就不能运算用于构成组织提取滤波器P2，N以及血流提取滤波器Pk，N的合适的相关矩阵Rzx，因此，运算对象区域确定部46确定至少包含与组织对应的数据要素E的运算对象区域。
作为运算对象区域的第1确定方法，运算对象区域确定部46能如图7A所示那样，将间除了构成帧数据F的一部分数据要素E的间除帧数据作为运算对象区域。作为间除的方法的一例，在X轴方向以及Z轴方向(参考图3)上交替地排列含在运算对象区域中的数据要素E和未含在运算对象区域中的数据要素E。但只要在运算对象区域中包含与组织对应的数据要素E，间除的方法就可以是任何方法。
作为运算对象区域的第2确定方法，运算对象区域确定部46如图7B所示那样，能将构成帧数据F的多个数据要素E当中的信号值为阈值信号值以上的数据要素E的集合确定为运算对象区域。一般，与组织对应的数据要素E的信号值比较大。因此，通过将信号值为阈值信号值以上的数据要素E的集合设为运算对象区域，能确定包含与组织对应的数据要素E的运算对象区域。
作为运算对象区域的第3确定方法，运算对象区域确定部46能使用组合了第1确定方法和第2确定方法所得到的方法。即，如图7C所示那样，运算对象区域确定部46能在提取构成帧数据F的多个数据要素E当中的信号值为阈值信号值以上的数据要素E的集合后，将间除了所提取的多个数据要素E的一部分数据要素E的间除帧数据作为运算对象区域。或者，运算对象区域确定部46能在得到间除了构成帧数据F的一部分数据要素E的间除帧数据后，将构成该间除帧数据的多个数据要素E当中的信号值为阈值信号值以上的数据要素E的集合作为运算对象区域。
作为运算对象区域的第4确定方法，运算对象区域确定部46首先对多个帧数据F进行奇异值分解。通过该奇异值分解，在上位秩中较多地包含信号值大的信号分量(例如组织分量)，在下位秩中包含信号值小的信号分量(例如血流分量)。因此，首先，如图7D所示那样运算对象区域确定部46取得由通过奇异值分解得到的上位秩(详细来说是比预先确定的第2阈值秩大的秩)的信号分量构成的上位秩提取数据。上位秩提取数据是主要表征组织分量的数据。在此基础上，运算对象区域确定部46能将间除了构成所取得的上位秩提取数据的一部分数据要素E的间除帧数据设为运算对象区域。
作为运算对象区域的第5确定方法，与第4确定方法同样地运算对象区域确定部46取得上位秩提取数据，如图7E所示那样，运算对象区域确定部46能将构成所取得的上位秩提取数据的多个数据要素E当中的信号值为阈值信号值以上的数据要素E的集合确定为运算对象区域。
作为运算对象区域的第6确定方法，运算对象区域确定部46能运用组合了第4确定方法和第5确定方法所得到的方法。即，如图7F所示那样，运算对象区域确定部46能取得上位秩提取数据，在提取构成所取得的上位秩提取数据的多个数据要素E当中的信号值为阈值信号值以上的数据要素E的集合后，将间除了所提取的多个数据要素E的一部分数据要素E的间除帧数据设为运算对象区域。或者，运算对象区域确定部46能在得到间除了构成所取得的上位秩提取数据的一部分数据要素E的间除帧数据后，将构成该间除帧数据的多个数据要素E当中的信号值为阈值信号值以上的数据要素E的集合设为运算对象区域。
如上述那样，相关矩阵Rzx用于构成血流提取滤波器Pk，N或组织提取滤波器P2，N。因此，如本实施方式那样，在进行基于血流亮度图像Uk，N以及组织图像U2，N得到血流提取图像Uout的处理的情况下，通过运算对象区域确定部46确定运算对象区域，除了能得到减少用于求取相关矩阵Rzx的运算量等这样的效果以外，在进行使用血流提取滤波器Pk，N或组织提取滤波器P2，N进行的种种处理的情况下，也能得到减少用于求取相关矩阵Rzx的运算量等这样的效果。例如，图像形成部44进行对帧数据F(例如矩阵U)运用血流提取滤波器Pk，N来形成血流亮度图像Uk，N的血流亮度图像形成处理，在显示控制部24使该血流亮度图像Uk，N显示于显示器26的情况下，或者，在图像形成部44进行对帧数据F(例如矩阵U)运用组织提取滤波器P2，N来形成组织图像U2，N的组织图像形成处理，显示控制部24使该组织图像U2，N显示于显示器26的情况下等，也能得到减少用于求取相关矩阵Rzx的运算量等这样的效果。
在上述的实施方式中，作为奇异值分解的对象的相关矩阵Rzx(详细地来说平均相关矩阵)是正方矩阵，奇异值分解运算部42对正方矩阵进行固有值分解，但也可以成为奇异值分解的对象的矩阵是非正方矩阵，奇异值分解运算部42对非正方矩阵进行奇异值分解。
在该情况下，相关矩阵运算部40基于存储于电影存储器20的多个帧数据F(即矩阵U)来生成在行方向上配置空间(ZX(图3中的Z轴方向以及X轴方向))、在列方向上配置时间(N)的时空间矩阵S，作为相关矩阵。时空间矩阵S是ZX×N的矩阵，是非正方矩阵。奇异值分解运算部42对非正方矩阵的时空间矩阵S执行奇异值分解。这里的奇异值分解以以下的式10表征
【数学式12】
在式10中，V是左奇异向量，是ZX×ZX的正方矩阵，W是右奇异向量，是N×N的正方矩阵，矩阵Λ是将奇异值λi按大小顺序排列的ZN×N的矩阵。多个奇异值λi按其大小顺序定义秩。在此，在上位秩的奇异值λi以及奇异向量vi，wi H中包含较多表征被检体的组织的组织分量，在下位秩的奇异值λi以及奇异向量wi，wj H中包含较多表征微血管(血流)的血流分量。
血流亮度图像形成部44a提取第1阈值秩以下的秩的奇异值λi以及与该奇异值λi对应的奇异向量vi，wi H，作为血流分量，将行方向设为X，将列方向设为Z，对矩阵进行再变换以使得各要素成为在N方向上排列的向量，从而得到血流分量矩阵Sk，N。血流分量矩阵Sk，N以以下的式11表征。
【数学式13】
接着，血流亮度图像形成部44a通过将血流分量矩阵Sk，N进行平均来形成血流亮度图像Sk，avg。血流亮度图像Sk，avg以以下的式12表征。
【数学式14】
sk，avg＝AVG[sk，N]…(式12)
组织图像形成部44b提取秩比第1阈值秩大的(这里是秩2)的奇异值λ2以及与该奇异值λ2对应的奇异向量v2，w2 H，作为组织分量，将行方向设为X，将列方向设为Z，对矩阵进行再变换以使得各要素成为在N方向上排列的向量，从而得到组织分量矩阵S2，N。组织分量矩阵S2，N以以下的式13表征。
【数学式15】
接着，组织图像形成部44b通过得到组织分量矩阵S2，N的方差来形成组织图像S2，var。组织图像S2，var以以下的式14表征。
【数学式16】
S2，var＝VAR[Sz，n]…(式14)
血流提取图像形成部44c通过从血流亮度图像形成部44a所形成的血流亮度图像Sk，avg减去组织图像形成部44b所形成的组织图像S2，var，来形成血流提取图像Uout。血流提取图像Uout以以下的式15表征。
【数学式17】
Uout＝k,avg-αS2，var…(式15)
本实施方式所涉及的超声波诊断装置10的结构概要如以上那样。以下按照图8所示的流程图来说明超声波诊断装置10的处理的流程。
在步骤S10，探头12对应于来自发送部14的发送信号来对相同的扫描面多次发送超声波，接收部16基于通过接收来自被检体的超声波的反射波而得到的多个接收信号来生成多个帧数据F。由此，取得具有表示反射波的信号强度的信号值的多个帧数据F。步骤S10相当于帧数据取得步骤。
在步骤S12，运算对象区域确定部46通过上述的方法的任一者来在帧数据F中确定相关矩阵Rzx的运算对象即运算对象区域。
在步骤S14，相关矩阵运算部40运算关于步骤S10中取得的帧数据F中所含的数据要素E当中的步骤S12中确定的运算对象区域中所含的各数据要素E的、表示多个帧数据F中的信号值的相关性的相关矩阵Rzx(参考式1)。步骤S14相当于相关矩阵运算步骤。
在步骤S16，相关矩阵运算部40将关于各向量uzx的各相关矩阵Rzx在全数据要素E平均化来得到平均相关矩阵(参考式2)。
在步骤S18，奇异值分解运算部42对步骤S16中得到的平均相关矩阵进行奇异值分解，来运算多个奇异值(这里是固有值)λi以及与各固有值对应的多个奇异向量wi，wi H(这里是固有向量)(参考式3)。步骤S18相当于奇异值分解运算步骤。
在步骤S20，血流亮度图像形成部44a基于步骤S18中运算的多个固有值λi以及固有向量wi，wi H当中的预先设定的第1阈值秩以下的秩的固有值λi以及与该固有值λi对应的固有向量wi，wi H，来构成血流提取滤波器Pk，N(参考式4)。
在步骤S22，血流亮度图像形成部44a通过对以矩阵U表征的多个帧数据F分别运用血流提取滤波器Pk，N，将运用后的多个帧数据F的各信号值平均，来形成血流亮度图像Uk，N(参考式5)。步骤S20相当于血流亮度图像形成步骤。
在步骤S24，组织图像形成部44b基于步骤S18中运算的多个固有值λi以及固有向量wi，wi H当中的比第1阈值秩大的秩(这里是秩2)的固有值λi以及与该固有值λi对应的固有向量wi，wi H，来构成组织提取滤波器P2，N(参考式6)。
在步骤S26，组织图像形成部44b对以矩阵U表征的多个帧数据F分别运用组织提取滤波器P2，N，来得到运用后的多个帧数据F的各信号值的方差值，由此形成组织图像U2，N(参考式7)。步骤S26相当于组织图像形成步骤。
在步骤S28，血流提取图像形成部44c通过从步骤S22中形成的血流亮度图像Uk，N减去步骤S26中形成的组织图像U2，N，来形成血流提取图像Uout(参考式9)。步骤S28相当于血流提取图像形成步骤。
在步骤S30，显示控制部24使步骤S28中形成的血流提取图像Uout显示于显示器26。
以上说明了本公开所涉及的血流提取图像形成装置，但本公开所涉及的血流提取图像形成装置并不限于上述实施方式，只要不脱离其主旨，就能进行种种变更。
例如，在本实施方式中，血流提取图像形成装置是超声波诊断装置10，但血流提取图像形成装置并不限于超声波诊断装置10，也可以是其他计算机。在该情况下，作为血流提取图像形成装置的计算机发挥血流描绘部22的功能。具体地，作为血流提取图像形成装置的计算机从超声波诊断装置接收多个帧数据，对该多个帧数据执行相关矩阵Rzx的运算、血流提取滤波器Pk，N以及组织提取滤波器p2，N的生成处理、和血流亮度图像Uk，N、组织图像U2，N(或组织图像Uorg，N)以及血流提取图像Uout的形成处理。
此外，在上述实施方式中，血流描绘部22的处理对象是多个帧数据F，矩阵U表示各帧数据F的各数据要素的信号值，但血流描绘部22的处理对象也可以是将多个帧数据F的信号值变换成亮度值而生成的超声波图像(B模式图像)。在该情况下，矩阵U表示各超声波图像的各像素的亮度值。

Claims (12)

1.一种血流提取图像形成装置，其特征在于，具备：
帧数据取得部，对被检体收发超声波的超声波探头对相同的扫描面多次发送超声波，取得基于通过接收来自所述被检体的所述超声波的反射波而得到的多个接收信号来生成并具有表示所述反射波的信号强度的信号值的多帧的量的多个帧数据；
相关矩阵运算部，运算关于与由所述帧数据形成的超声波图像的各像素对应的所述帧数据的各数据要素的、表示所述多个帧数据中的所述信号值的相关性的相关矩阵；
奇异值分解运算部，通过对所述相关矩阵进行奇异值分解，来运算按其大小顺序定义秩的多个奇异值以及与各奇异值对应的多个奇异向量；
血流亮度图像形成部，通过对所述帧数据运用由预先设定的第1阈值秩以下的秩的所述奇异值以及与该奇异值对应的所述奇异向量构成的血流提取滤波器，来形成血流亮度图像；
组织图像形成部，基于构成所述多个帧数据的各所述数据要素的所述信号值来形成组织图像；和
血流提取图像形成部，从所述血流亮度图像减去所述组织图像来形成血流提取图像。
2.根据权利要求1所述的血流提取图像形成装置，其特征在于，
所述组织图像形成部对所述帧数据运用由秩比所述第1阈值秩大的所述奇异值以及与该奇异值对应的所述奇异向量构成的组织提取滤波器，来形成所述组织图像。
3.根据权利要求1所述的血流提取图像形成装置，其特征在于，
所述血流提取图像形成装置还具备：
运算对象区域确定部，在所述帧数据中确定包含与组织对应的所述数据要素的运算对象区域，
所述相关矩阵运算部限定在所述运算对象区域来进行所述相关矩阵的运算。
4.根据权利要求3所述的血流提取图像形成装置，其特征在于，
所述运算对象区域确定部将间除了构成所述帧数据的一部分所述数据要素所得到的间除帧数据作为所述运算对象区域。
5.根据权利要求3或4所述的血流提取图像形成装置，其特征在于，
所述运算对象区域确定部将构成所述帧数据的多个所述数据要素当中的所述信号值为阈值信号值以上的所述数据要素的集合确定为所述运算对象区域。
6.根据权利要求3所述的血流提取图像形成装置，其特征在于，
所述运算对象区域确定部通过对所述多个帧数据进行奇异值分解来取得由秩比第2阈值秩大的信号分量构成的上位秩提取数据，将间除了构成所述上位秩提取数据的一部分所述数据要素所得到的间除帧数据作为所述运算对象区域。
7.根据权利要求3或6所述的血流提取图像形成装置，其特征在于，
所述运算对象区域确定部通过对所述多个帧数据进行奇异值分解来取得由秩比第2阈值秩大的信号分量构成的上位秩提取数据，将构成所述上位秩提取数据的多个所述数据要素当中的所述信号值为阈值信号值以上的所述数据要素的集合确定为所述运算对象区域。
8.根据权利要求1或2所述的血流提取图像形成装置，其特征在于，
所述血流提取图像形成部从所述血流亮度图像减去乘以了系数的所述组织图像来形成所述血流提取图像。
9.根据权利要求8所述的血流提取图像形成装置，其特征在于，
所述血流提取图像形成部基于来自用户的输入来决定所述系数。
10.一种血流提取图像形成装置，其特征在于，具备：
帧数据取得部，对被检体收发超声波的超声波探头对相同的扫描面多次发送超声波，取得基于通过接收来自所述被检体的所述超声波的反射波而得到的多个接收信号来生成并具有表示所述反射波的信号强度的信号值的多帧的量的多个帧数据；
运算对象区域确定部，在所述帧数据中确定包含与由所述帧数据形成的超声波图像的各像素对应的所述帧数据的数据要素且与组织对应的数据要素在内的运算对象区域；
相关矩阵运算部，运算关于构成所述帧数据的各所述数据要素的、表示所述多个帧数据中的所述信号值的相关性的相关矩阵，且限定在所述运算对象区域来进行所述相关矩阵的运算；
奇异值分解运算部，通过对所述相关矩阵进行奇异值分解，来运算按其大小顺序定义秩的多个奇异值以及与各奇异值对应的多个奇异向量；和
图像处理部，执行血流亮度图像形成处理或组织图像形成处理的至少一方，其中，所述血流亮度图像形成处理中，对所述帧数据运用由预先设定的第1阈值秩以下的秩的所述奇异值以及与该奇异值对应的所述奇异向量构成的血流提取滤波器来形成血流亮度图像，所述组织图像形成处理中，对所述帧数据运用由秩比所述第1阈值秩大的所述奇异值以及与该奇异值对应的所述奇异向量构成的组织提取滤波器，来形成组织图像。
11.一种血流提取图像形成方法，其特征在于，包含：
帧数据取得步骤，对被检体收发超声波的超声波探头对相同的扫描面多次发送超声波，取得基于通过接收来自所述被检体的所述超声波的反射波而得到的多个接收信号来生成并具有表示所述反射波的信号强度的信号值的多帧的量的多个帧数据；
相关矩阵运算步骤，运算关于与由所述帧数据形成的超声波图像的各像素对应的所述帧数据的各数据要素的、表示所述多个帧数据中的所述信号值的相关性的相关矩阵；
奇异值分解运算步骤，通过对所述相关矩阵进行奇异值分解，来运算按其大小顺序定义秩的多个奇异值以及与各奇异值对应的多个奇异向量；
血流亮度图像形成步骤，对所述帧数据运用由预先设定的第1阈值秩以下的秩的所述奇异值以及与该奇异值对应的所述奇异向量构成的血流提取滤波器，来形成血流亮度图像；
组织图像形成步骤，基于关于构成所述多个帧数据的各所述数据要素的所述信号值来形成组织图像；和
血流提取图像形成步骤，从所述血流亮度图像减去所述组织图像来形成血流提取图像。
12.一种计算机可读非暂时性存储介质，存储计算机能执行的命令，其特征在于，所述命令使所述计算机执行：
帧数据取得步骤，对被检体收发超声波的超声波探头对相同的扫描面多次发送超声波，取得基于通过接收来自所述被检体的所述超声波的反射波而得到的多个接收信号来生成并具有表示所述反射波的信号强度的信号值的多帧的量的多个帧数据；
相关矩阵运算步骤，运算关于与由所述帧数据形成的超声波图像的各像素对应的所述帧数据的各数据要素的、表示所述多个帧数据中的所述信号值的相关性的相关矩阵；
奇异值分解运算步骤，通过对所述相关矩阵进行奇异值分解来运算按其大小顺序定义秩的多个奇异值以及与各奇异值对应的多个奇异向量；
血流亮度图像形成步骤，对所述帧数据运用由预先设定的第1阈值秩以下的秩的所述奇异值以及与该奇异值对应的所述奇异向量构成的血流提取滤波器，来形成血流亮度图像；
组织图像形成步骤，基于关于构成所述多个帧数据的各所述数据要素的所述信号值来形成组织图像；和
血流提取图像形成步骤，从所述血流亮度图像减去所述组织图像来形成血流提取图像。
CN202310709110.4A 2022-06-29 2023-06-14 血流提取图像形成装置、血流提取图像形成方法及非暂时性存储介质 Pending CN117297660A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2022-104477 2022-06-29
JP2022104477A JP2024004713A (ja) 2022-06-29 2022-06-29 血流抽出画像形成装置、血流抽出画像形成方法、及び、血流抽出画像形成プログラム

Publications (1)

Publication Number Publication Date
CN117297660A true CN117297660A (zh) 2023-12-29

Family

ID=89245216

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310709110.4A Pending CN117297660A (zh) 2022-06-29 2023-06-14 血流提取图像形成装置、血流提取图像形成方法及非暂时性存储介质

Country Status (3)

Country Link
US (1) US20240005490A1 (zh)
JP (1) JP2024004713A (zh)
CN (1) CN117297660A (zh)

Also Published As

Publication number Publication date
US20240005490A1 (en) 2024-01-04
JP2024004713A (ja) 2024-01-17

Similar Documents

Publication Publication Date Title
Gao et al. Motion tracking of the carotid artery wall from ultrasound image sequences: a nonlinear state-space approach
US20230380797A1 (en) Ultrasound diagnosis apparatus and controlling method
US10603014B2 (en) Ultrasonic diagnostic apparatus, image processing apparatus, and image processing method
US10575827B2 (en) Ultrasonic image diagnostic device having function to variably set frame interval for generation of variation image for motion evaluation based on frame rate, and ultrasonic image processing method and ultrasonic image processing program for same
US20240023940A1 (en) Ultrasound diagnostic apparatus
US20240000416A1 (en) Ultrasound diagnosis apparatus
US10101450B2 (en) Medical image processing apparatus, a medical image processing method and a medical diagnosis apparatus
US20220414836A1 (en) Ultrasound imaging apparatus, signal processing method, and signal processing program
CN110575198B (zh) 解析装置及解析方法
US20220189613A1 (en) Analyzing apparatus and analyzing method
CN106691502B (zh) 用于生成弹性图像的超声系统和方法
US20210338207A1 (en) Image analyzing apparatus
US20170296146A1 (en) Ultrasonic diagnostic device and method of generating discrimination information
US20220330920A1 (en) Ultrasonic diagnostic apparatus and medical image processing apparatus
US11096670B2 (en) Ultrasound diagnostic device and ultrasound image generating method
CN117297660A (zh) 血流提取图像形成装置、血流提取图像形成方法及非暂时性存储介质
US11717269B2 (en) Ultrasound diagnosis apparatus, medical image processing apparatus, and storage medium
CN115245350A (zh) 超声波摄像装置、信号处理装置以及信号处理方法
JP7034686B2 (ja) 超音波診断装置、医用画像処理装置及びそのプログラム
JP6945427B2 (ja) 超音波診断装置、医用画像処理装置及びそのプログラム
US11468573B2 (en) Method and system for enhanced visualization of color flow ultrasound
US12016729B2 (en) Ultrasonic diagnostic apparatus, learning apparatus, and image processing method
US20230240658A1 (en) Ultrasonic diagnostic apparatus and image processing apparatus
US20210228177A1 (en) Ultrasonic diagnostic apparatus, learning apparatus, and image processing method

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20240928

Address after: Tokyo Capital of Japan

Applicant after: FUJIFILM Corp.

Country or region after: Japan

Address before: Chiba County, Japan

Applicant before: Fujifilm medical health Co.,Ltd.

Country or region before: Japan