JP2014121541A - 超音波診断装置、画像処理装置及び画像処理方法 - Google Patents

Abstract

【課題】関心領域の追跡結果を正確に得る超音波診断装置を提供する。
【解決手段】超音波診断装置は、設定部１７２と、追跡部１７３とを備える。運動する組織を含む領域を撮影対象として収集された２次元又は３次元の超音波画像データの動画像データの中で、少なくとも１つの時相の超音波画像データにて２次元又は３次元の関心領域を設定する。推定部としての追跡部１７３は、前記動画像データが収集された区間のうち前記少なくとも１つの時相以外の残余時相の各超音波画像データで、動き情報に基づいて前記関心領域として推定した領域の第１位置情報と、前記動き情報以外の情報に基づいて前記関心領域として推定した領域の第２位置情報とを取得する。追跡部１７３は、前記動き情報の信頼度に関わる信頼度指標に基づいて前記第１位置情報と前記第２位置情報とを合成した位置情報を前記関心領域の位置情報として取得して、前記関心領域を追跡する。
【選択図】図１

Description

本発明の実施形態は、超音波診断装置、画像処理装置及び画像処理方法に関する。

近年、超音波画像の動画像に対して、２次元又は３次元のスペックルトラッキング（ＳＴ：Speckle Tracking）技術を適用することで、心臓の壁運動解析を行なうことが実用化されている。一般的なＳＴでは、拡張末期（最初のＲ波時相）、或いは、収縮末期の一時相にて心筋の内外膜の輪郭を初期輪郭位置として与える。そして、ＳＴでは、残りの時相では局所的なパターンマッチング処理や、オプティカルフロー法で得られる動き情報（移動ベクトル）を用いて、初期輪郭位置を自動的に追跡することで、必要な全時相での輪郭位置を取得する。従って、正確な輪郭位置の追跡の実現には、移動ベクトルを正確に推定することが欠かせない。

しかし、心臓の変形率（strain rate）が大きい拡張早期（ｅ’）の時相や、収縮ピーク（ｓ’）の時相では、フレーム間やボリューム間でのパターン変化の程度が大きい。このため、ＳＴでは、フレームレートやボリュームレートが不足すると移動ベクトルの正確な推定が困難となる。特に、２次元画像の場合には、追跡する輪郭が走査断面を通過する動き（through-plane）の影響を受けるので、フレーム間でのパターン変化の程度は、更に大きくなり、移動ベクトルの正確な推定がより困難となる。

更に、ノイズやアーティファクトにより動画像の画質が悪い場合、不要な成分が混入している箇所では、移動ベクトルの正確な推定が困難となる。上記の様々な要因により、動き情報が正確に推定できない場合には、追跡外れが生じ、その結果、正確な壁運動解析が行えなくなる。

このため、正確な追跡を行なうための様々な方法が提案されているが、これらの方法は、上記の様々な要因の全てに対応した方法ではなかった。このように、現状のＳＴでは、輪郭の追跡結果を正確に得ることができない場合があった。また、上記の課題は、超音波画像以外の医用画像の動画像を用いて関心領域の追跡を行なう場合でも、同様に生じる。

特許第４０７９６９０号公報 特開２００８−７３４２３号公報 特開２００２−３０６４８３号公報

本発明が解決しようとする課題は、関心領域の追跡結果を正確に得ることができる超音波診断装置、画像処理装置及び画像処理方法を提供することである。

実施形態の超音波診断装置は、設定部と、推定部と、追跡部とを備える。設定部は、運動する組織を含む領域を撮影対象として収集された２次元又は３次元の超音波画像データの動画像データの中で、少なくとも１つの時相の超音波画像データにて２次元又は３次元の関心領域を設定する。推定部は、前記動画像データが収集された区間のうち前記少なくとも１つの時相以外の残余時相の各超音波画像データで、動き情報に基づいて前記関心領域として推定した領域の第１位置情報と、前記動き情報以外の情報に基づいて前記関心領域として推定した領域の第２位置情報とを取得する。追跡部は、前記動き情報の信頼度に関わる信頼度指標に基づいて前記第１位置情報と前記第２位置情報とを合成した位置情報を前記関心領域の位置情報として取得して、前記関心領域を追跡する。

図１は、第１の実施形態に係る超音波診断装置の構成例を示すブロック図である。 図２は、取得部が取得する動画像データの一例を示す図である。 図３は、操作者により設定される初期輪郭の一例を示す図である。 図４は、図１に示す追跡部の構成例を示すブロック図である。 図５Ａは、第１の実施形態に係る追跡部を説明するための図（１）である。 図５Ｂは、第１の実施形態に係る追跡部を説明するための図（２）である。 図６は、第１の実施形態に係る追跡部を説明するための図（３）である。 図７は、第１の実施形態に係る追跡部を説明するための図（４）である。 図８は、第１の実施形態に係る追跡部を説明するための図（５）である。 図９は、第１の実施形態に係る追跡部を説明するための図（６）である。 図１０は、第１の実施形態に係る追跡部を説明するための図（７）である。 図１１は、第１の実施形態に係る追跡部を説明するための図（８）である。 図１２は、第１の実施形態に係る追跡部を説明するための図（９）である。 図１３Ａは、第１の実施形態に係る追跡部を説明するための図（１０）である。 図１３Ｂは、第１の実施形態に係る追跡部を説明するための図（１１）である。 図１３Ｃは、第１の実施形態に係る追跡部を説明するための図（１２）である。 図１４は、第１の実施形態に係る追跡部を説明するための図（１３）である。 図１５は、第１の実施形態に係る追跡部を説明するための図（１４）である。 図１６は、第１の実施形態に係る追跡部を説明するための図（１５）である。 図１７は、第１の実施形態に係る超音波診断装置が行なう処理の概要を説明するためのフローチャートである。 図１８は、第１の実施形態に係る追跡部が行なう処理の一例を説明するためのフローチャートである。 図１９は、第２の実施形態に係る追跡部が行なう処理の一例を説明するためのフローチャートである。 図２０は、第２の実施形態に係る変形例を説明するための図である。

以下、添付図面を参照して、超音波診断装置の実施形態を詳細に説明する。

（第１の実施形態）
まず、第１の実施形態に係る超音波診断装置の構成について説明する。図１は、第１の実施形態に係る超音波診断装置の構成例を示すブロック図である。図１に例示するように、第１の実施形態に係る超音波診断装置は、超音波プローブ１と、モニタ２と、入力装置３と、心電計４と、装置本体１０とを有する。

超音波プローブ１は、複数の圧電振動子を有し、これら複数の圧電振動子は、後述する装置本体１０が有する送受信部１１から供給される駆動信号に基づき超音波を発生する。また、超音波プローブ１は、被検体Ｐからの反射波を受信して電気信号に変換する。また、超音波プローブ１は、圧電振動子に設けられる整合層と、圧電振動子から後方への超音波の伝播を防止するバッキング材等を有する。なお、超音波プローブ１は、装置本体１０と着脱自在に接続される。

超音波プローブ１から被検体Ｐに超音波が送信されると、送信された超音波は、被検体Ｐの体内組織における音響インピーダンスの不連続面で次々と反射され、反射波信号として超音波プローブ１が有する複数の圧電振動子にて受信される。受信される反射波信号の振幅は、超音波が反射される不連続面における音響インピーダンスの差に依存する。なお、送信された超音波パルスが、移動している血流や心臓壁等の表面で反射された場合の反射波信号は、ドプラ効果により、移動体の超音波送信方向に対する速度成分に依存して、周波数偏移を受ける。

例えば、本実施形態では、被検体Ｐの２次元走査用に、複数の圧電振動子が一列で配置された１Ｄアレイプローブが超音波プローブ１として装置本体１０と接続される。例えば、超音波プローブ１としての１Ｄアレイプローブは、セクタ走査を行なうセクタプローブや、オフセットセクタ走査を行なうコンベックスプローブ、リニア走査を行なうリニアプローブ等である。或いは、例えば、本実施形態では、被検体Ｐの３次元走査用に、メカニカル４Ｄプローブや２Ｄアレイプローブが超音波プローブ１として装置本体１０と接続されても良い。メカニカル４Ｄプローブは、１Ｄアレイプローブのように一列で配列された複数の圧電振動子を用いて２次元走査が可能であるとともに、複数の圧電振動子を所定の角度（揺動角度）で揺動させることで３次元走査が可能である。また、２Ｄアレイプローブは、マトリックス状に配置された複数の圧電振動子により３次元走査が可能であるとともに、超音波を集束して送信することで２次元走査が可能である。

入力装置３は、マウス、キーボード、ボタン、パネルスイッチ、タッチコマンドスクリーン、フットスイッチ、トラックボール、ジョイスティック等を有し、超音波診断装置の操作者からの各種設定要求を受け付け、装置本体１０に対して受け付けた各種設定要求を転送する。なお、第１の実施形態に係る入力装置３が操作者から受け付ける設定情報については、後に詳述する。

モニタ２は、超音波診断装置の操作者が入力装置３を用いて各種設定要求を入力するためのＧＵＩ（Graphical User Interface）を表示したり、装置本体１０において生成された超音波画像データ等を表示したりする。

心電計４は、超音波走査される被検体Ｐの生体信号として、被検体Ｐの心電波形（ＥＣＧ： Electrocardiogram）を取得する。心電計４は、取得した心電波形を装置本体１０に送信する。

装置本体１０は、超音波プローブ１が受信した反射波信号に基づいて超音波画像データを生成する装置である。図１に示す装置本体１０は、超音波プローブ１が受信した２次元の反射波データに基づいて２次元の超音波画像データを生成可能な装置である。また、図１に示す装置本体１０は、超音波プローブ１が受信した３次元の反射波データに基づいて３次元の超音波画像データを生成可能な装置である。以下、３次元の超音波画像データを「ボリュームデータ」と記載する場合がある。

装置本体１０は、図１に示すように、送受信部１１と、Ｂモード処理部１２と、ドプラ処理部１３と、画像生成部１４と、画像メモリ１５と、内部記憶部１６と、画像処理部１７と、制御部１８とを有する。

送受信部１１は、パルス発生器、送信遅延部、パルサ等を有し、超音波プローブ１に駆動信号を供給する。パルス発生器は、所定のレート周波数で、送信超音波を形成するためのレートパルスを繰り返し発生する。また、送信遅延部は、超音波プローブ１から発生される超音波をビーム状に集束し、かつ送信指向性を決定するために必要な圧電振動子ごとの遅延時間を、パルス発生器が発生する各レートパルスに対し与える。また、パルサは、レートパルスに基づくタイミングで、超音波プローブ１に駆動信号（駆動パルス）を印加する。すなわち、送信遅延部は、各レートパルスに対し与える遅延時間を変化させることで、圧電振動子面から送信される超音波の送信方向を任意に調整する。

なお、送受信部１１は、後述する制御部１８の指示に基づいて、所定のスキャンシーケンスを実行するために、送信周波数、送信駆動電圧等を瞬時に変更可能な機能を有している。特に、送信駆動電圧の変更は、瞬間にその値を切り替え可能なリニアアンプ型の発信回路、又は、複数の電源ユニットを電気的に切り替える機構によって実現される。

また、送受信部１１は、プリアンプ、Ａ／Ｄ（Analog／Digital）変換器、受信遅延部、加算器等を有し、超音波プローブ１が受信した反射波信号に対して各種処理を行って反射波データを生成する。プリアンプは、反射波信号をチャネル毎に増幅する。Ａ／Ｄ変換器は、増幅された反射波信号をＡ／Ｄ変換する。受信遅延部は、受信指向性を決定するために必要な遅延時間を与える。加算器は、受信遅延部によって処理された反射波信号の加算処理を行なって反射波データを生成する。加算器の加算処理により、反射波信号の受信指向性に応じた方向からの反射成分が強調され、受信指向性と送信指向性とにより超音波送受信の総合的なビームが形成される。

送受信部１１は、被検体Ｐを２次元走査する場合、超音波プローブ１から２次元の超音波ビームを送信させる。そして、送受信部１１は、超音波プローブ１が受信した２次元の反射波信号から２次元の反射波データを生成する。また、送受信部１１は、被検体Ｐを３次元走査する場合、超音波プローブ１から３次元の超音波ビームを送信させる。そして、送受信部１１は、超音波プローブ１が受信した３次元の反射波信号から３次元の反射波データを生成する。

なお、送受信部１１からの出力信号の形態は、ＲＦ（Radio Frequency）信号と呼ばれる位相情報が含まれる信号である場合や、包絡線検波処理後の振幅情報である場合等、種々の形態が選択可能である。

Ｂモード処理部１２は、送受信部１１から反射波データを受信し、対数増幅、包絡線検波処理等を行なって、信号強度が輝度の明るさで表現されるデータ（Ｂモードデータ）を生成する。

ドプラ処理部１３は、送受信部１１から受信した反射波データから速度情報を周波数解析し、ドプラ効果による血流や組織、造影剤エコー成分を抽出し、速度、分散、パワー等の移動体情報を多点について抽出したデータ（ドプラデータ）を生成する。

なお、第１の実施形態に係るＢモード処理部１２及びドプラ処理部１３は、２次元の反射波データ及び３次元の反射波データの両方について処理可能である。すなわち、Ｂモード処理部１２は、２次元の反射波データから２次元のＢモードデータを生成し、３次元の反射波データから３次元のＢモードデータを生成する。また、ドプラ処理部１３は、２次元の反射波データから２次元のドプラデータを生成し、３次元の反射波データから３次元のドプラデータを生成する。

画像生成部１４は、Ｂモード処理部１２及びドプラ処理部１３が生成したデータから超音波画像データを生成する。すなわち、画像生成部１４は、Ｂモード処理部１２が生成した２次元のＢモードデータから、反射波の強度を輝度で表した２次元Ｂモード画像データを生成する。また、画像生成部１４は、ドプラ処理部１３が生成した２次元のドプラデータから、移動体情報を表す２次元ドプラ画像データを生成する。２次元ドプラ画像データは、速度画像データ、分散画像データ、パワー画像データ、又は、これらを組み合わせた画像データである。また、画像生成部１４は、ドプラ処理部１３が生成したドプラデータから、血流や組織の速度情報を時系列に沿ってプロットしたドプラ波形を生成することも可能である。

ここで、画像生成部１４は、一般的には、超音波走査の走査線信号列を、テレビ等に代表されるビデオフォーマットの走査線信号列に変換（スキャンコンバート）し、表示用の超音波画像データを生成する。具体的には、画像生成部１４は、超音波プローブ１による超音波の走査形態に応じて座標変換を行なうことで、表示用の超音波画像データを生成する。また、画像生成部１４は、スキャンコンバート以外に種々の画像処理として、例えば、スキャンコンバート後の複数の画像フレームを用いて、輝度の平均値画像を再生成する画像処理（平滑化処理）や、画像内で微分フィルタを用いる画像処理（エッジ強調処理）等を行なう。また、画像生成部１４は、超音波画像データに、種々のパラメータの文字情報、目盛り、ボディーマーク等を合成する。

すなわち、Ｂモードデータ及びドプラデータは、スキャンコンバート処理前の超音波画像データであり、画像生成部１４が生成するデータは、スキャンコンバート処理後の表示用の超音波画像データである。なお、Ｂモードデータ及びドプラデータは、生データ（Raw Data）とも呼ばれる。

更に、画像生成部１４は、Ｂモード処理部１２が生成した３次元のＢモードデータに対して座標変換を行なうことで、３次元Ｂモード画像データを生成する。また、画像生成部１４は、ドプラ処理部１３が生成した３次元のドプラデータに対して座標変換を行なうことで、３次元ドプラ画像データを生成する。すなわち、画像生成部１４は、「３次元のＢモード画像データや３次元ドプラ画像データ」を「３次元超音波画像データ（ボリュームデータ）」として生成する。

更に、画像生成部１４は、ボリュームデータをモニタ２にて表示するための各種の２次元画像データを生成するために、ボリュームデータに対してレンダリング処理を行なう。画像生成部１４が行なうレンダリング処理としては、断面再構成法（ＭＰＲ：Multi Planer Reconstruction）を行なってボリュームデータからＭＰＲ画像データを生成する処理がある。また、画像生成部１４が行なうレンダリング処理としては、ボリュームデータに対して「Curved MPR」を行なう処理や、ボリュームデータに対して「Maximum Intensity Projection」を行なう処理がある。また、画像生成部１４が行なうレンダリング処理としては、ボリュームレンダリング（ＶＲ：Volume Rendering）処理がある。

画像メモリ１５は、画像生成部１４が生成した表示用の画像データを記憶するメモリである。また、画像メモリ１５は、Ｂモード処理部１２やドプラ処理部１３が生成したデータを記憶することも可能である。画像メモリ１５が記憶するＢモードデータやドプラデータは、例えば、診断の後に操作者が呼び出すことが可能となっており、画像生成部１４を経由して表示用の超音波画像データとなる。

なお、画像生成部１４は、超音波画像データと当該超音波画像データを生成するために行なわれた超音波走査の時間とを、心電計４から送信された心電波形に対応付けて画像メモリ１５に格納する。後述する画像処理部１７や制御部１８は、画像メモリ１５に格納されたデータを参照することで、超音波画像データを生成するために行なわれた超音波走査時の心時相を取得することができる。

内部記憶部１６は、超音波送受信、画像処理及び表示処理を行なうための制御プログラムや、診断情報（例えば、患者ＩＤ、医師の所見等）や、診断プロトコルや各種ボディーマーク等の各種データを記憶する。また、内部記憶部１６は、必要に応じて、画像メモリ１５が記憶する画像データの保管等にも使用される。また、内部記憶部１６が記憶するデータは、図示しないインターフェースを経由して、外部装置へ転送することができる。なお、外部装置は、例えば、画像処理用の高性能なワークステーションや、画像診断を行なう医師が使用するＰＣ（Personal Computer）、ＣＤやＤＶＤ等の記憶媒体、プリンター等である。

画像処理部１７は、コンピュータ支援診断（Computer-Aided Diagnosis：ＣＡＤ）を行なうために、装置本体１０に設置される。画像処理部１７は、画像メモリ１５に格納された超音波画像データを取得して、診断支援のための画像処理を行なう。そして、画像処理部１７は、画像処理結果を、画像メモリ１５や内部記憶部１６に格納する。

具体的には、第１の実施形態に係る画像処理部１７は、運動する組織の運動情報を提供するために設置される。上記の運動する組織は、例えば心臓のように、周期的に運動する組織である。第１の実施形態に係る画像処理部１７は、図１に例示するように、取得部１７１と、設定部１７２と、追跡部１７３と、運動情報演算部１７４とを有する。なお、画像処理部１７が行なう処理については、後に詳述する。

制御部１８は、超音波診断装置の処理全体を制御する。具体的には、制御部１８は、入力装置３を介して操作者から入力された各種設定要求や、内部記憶部１６から読込んだ各種制御プログラム及び各種データに基づき、送受信部１１、Ｂモード処理部１２、ドプラ処理部１３、画像生成部１４及び画像処理部１７の処理を制御する。また、制御部１８は、画像メモリ１５や内部記憶部１６が記憶する表示用の超音波画像データをモニタ２にて表示するように制御する。また、制御部１８は、画像処理部１７の処理結果をモニタ２に表示するように制御したり、外部装置に出力したりするように制御する。

以上、第１の実施形態に係る超音波診断装置の全体構成について説明した。かかる構成のもと、第１の実施形態に係る超音波診断装置が有する画像処理部１７は、運動する組織（例えば、周期的に運動する組織）の運動情報を提供するために、時系列に沿った超音波データ群（超音波画像データの動画像データ）にて、関心領域の追跡を行なう。一例として、第１の実施形態に係る画像処理部１７は、周期的に運動する心壁の運動情報を提供するために、超音波画像データの動画像データにて、心筋の内膜の輪郭や心筋の外膜の輪郭の追跡を行なう。

なお、画像処理部１７の処理対象となる動画像データは、２次元超音波画像データ群であっても、３次元超音波画像データ群であっても良い。

まず、図１に例示する取得部１７１は、運動する組織を含む領域を撮影対象として収集された２次元又は３次元の超音波画像データの動画像データを取得する。具体的には、第１の実施形態では、動画像データは、運動する組織である周期的に運動する組織を撮影対象として収集された少なくとも１周期以上の区間に渡る２次元又は３次元の超音波画像データである。すなわち、取得部１７１は、周期的に運動する組織を含む領域を撮影対象として収集された少なくとも１周期以上の区間に渡る２次元又は３次元の超音波画像データの動画像データを取得する。例えば、操作者は、セクタプローブにより、被検体Ｐの心臓を含む領域を２次元走査、又は、３次元走査を行なって、心筋が描出された２次元又は３次元の超音波画像データの動画像データの撮影を行なう。動画像データは、例えば、Ｂモードで収集された超音波画像データ群である。これにより、画像生成部１４は、心筋の動画像データを生成し、生成した動画像データを画像メモリ１５に格納する。

以下では、一例として、操作者が、乳頭筋レベルの左室短軸断面の２次元走査を行なうことで、複数心拍に渡る２次元超音波画像データの動画像データが収集される場合について説明する。乳頭筋レベルの左室短軸断面の超音波画像データには、右心室（ＲＶ：Right Ventricular）の短軸面の一部と、左心室（ＬＶ：Left Ventricular）の短軸面の全体とが描出される。また、乳頭筋レベルの左室短軸断面の超音波画像データには、左心室内の前乳頭筋（ＡＰＭ : Anterolateral Papillary Muscle）と後乳頭筋（ＰＰＭ : Posteromedial Papillary Muscle）とが描出される。

そして、操作者は、追跡対象の区間として、例えば、最初の拡張末期（ＥＤ:End Diastole）から次の拡張末期までの１心拍区間を設定する。以下、最初の拡張末期の時相を「ＥＤ０」と記載し、次の拡張末期の時相を「ＥＤ１」と記載する。「ＥＤ０」は、追跡開始時相となり、「ＥＤ１」は、追跡終了時相となる。

取得部１７１は、操作者が設定した１心拍区間（ｔ＝ＥＤ０〜ＥＤ１）の動画像データを画像メモリ１５から取得する。図２は、取得部が取得する動画像データの一例を示す図である。例えば、取得部１７１は、図２に示すように、１心拍区間（ｔ＝ＥＤ０〜ＥＤ１）の２次元動画像データとして、「時相：ｔ１＝Ｅ０」の画像データ「Ｉ（ｔ１）」〜「時相：ｔｎ＝Ｅ１」の画像データ「Ｉ（ｔｎ）」を画像メモリ１５から取得する。なお、本実施形態は、取得部１７１が３次元超音波画像データの動画像データを取得する場合であっても適用可能である。また、本実施形態は、追跡対象の区間が２心拍区間や３心拍区間として設定される場合であっても適用可能である。

図１に例示する設定部１７２は、取得部１７１が取得した動画像データの中で、少なくとも１つの時相の超音波画像データにて２次元又は３次元の関心領域を設定する。動画像データが２次元超音波画像データ群である場合、設定部１７２は、２次元の関心領域を設定する。また、動画像データが３次元超音波画像データ群である場合、設定部１７２は、２次元又は３次元の関心領域を設定する。

また、周期的に運動する心壁の運動情報を操作者に提供する本実施形態では、関心領域は、左室内膜の輪郭や心筋外膜の輪郭となる。本実施形態では、設定部１７２は、操作者が用手的に設定した情報から、関心領域を設定する。図３は、操作者により設定される初期輪郭の一例を示す図である。

例えば、操作者は、入力装置３を用いて、追跡開始時相「ｔ１＝Ｅ０」の画像データ「Ｉ（ｔ１）」の表示要求を行なう。モニタ２は、制御部１８の制御により、画像データ「Ｉ（ｔ１）」を表示する。操作者は、図３の上図に示す画像データ「Ｉ（ｔ１）」を参照して、左室内膜の輪郭の位置をトレースする。また、操作者は、図３の上図に示す画像データ「Ｉ（ｔ１）」を参照して、心筋外膜の輪郭の位置をトレースする。これにより、設定部１７２は、図３の下図に示すように、操作者がトレースした左室内膜の輪郭の位置を、左室内膜の初期輪郭位置「Ｃ（ｔ１）」として設定する。また、設定部１７２は、図３の下図に示すように、操作者がトレースした心筋外膜の輪郭の位置を、心筋外膜の初期輪郭位置「Ｄ（ｔ１）」として設定する。図３では、操作者がトレースした輪郭線を、太い曲線で示している。ここで、心筋外膜の輪郭位置は、心内膜位置から所定の厚さ（所定の距離）だけ離れた位置として自動的に発生させても良い。

なお、本実施形態は、心筋の中層の輪郭の位置が初期輪郭位置として設定される場合であっても良い。また、本実施形態は、操作者により用手的に設定された初期輪郭位置を用いる場合に限定されるものではなく、設定部１７２が超音波画像データの輝度等に基づいて、初期輪郭位置を自動的に設定する場合であっても良い。

そして、図１に例示する追跡部１７３は、動画像データが収集された区間のうち、初期関心領域が設定された時相以外の残余時相の各超音波画像データで関心領域の追跡を行なう。具体的には、追跡部１７３は、追跡対象の区間のうち初期関心領域が設定された時相以外の残余時相の各超音波画像データで、関心領域の追跡を行なう。例えば、追跡部１７３は、設定部１７２が追跡開始時相「ｔ１＝Ｅ０」で設定した初期輪郭位置を、追跡開始時相「ｔ１＝Ｅ０」以外の残余時相『「ｔ２」〜「ｔｎ＝Ｅ１」』それぞれの超音波画像データ「Ｉ（ｔ２）〜Ｉ（ｔｎ）」にて追跡する。

従来では、初期関心領域の位置（初期輪郭位置）の追跡は、スペックルトラッキングにより行なわれていた。すなわち、従来では、局所的なパターンマッチング処理や、オプティカルフロー法で得られる動き情報（移動ベクトル）を用いて、初期輪郭位置を自動的に追跡することで、残余時相「ｔ２〜ｔｎ＝Ｅ１」の各超音波画像データの関心領域の位置を取得していた。しかし、心臓の変形率（strain rate）が大きい拡張早期時相や、収縮ピーク時相では、フレーム間やボリューム間でのパターン変化の程度が大きい。

このため、スペックルトラッキングでは、フレームレートやボリュームレートが不足すると移動ベクトルの正確な推定が困難となる。特に、２次元画像データの場合には、追跡する輪郭が走査断面を通過する動き（through-plane）の影響を受けるので、フレーム間でのパターン変化の程度は、更に大きくなり、移動ベクトルの正確な推定がより困難となる。

更に、ノイズやアーティファクトにより動画像データの画質が悪い場合、不要な成分が混入している箇所では、移動ベクトルの正確な推定が困難となる。上記の様々な要因により、動き情報が正確に推定できない場合には、追跡外れが生じ、その結果、正確な壁運動解析が行えなくなる。

これに対して、追跡結果により得られた輪郭の位置と初期輪郭位置との間で、動きが矛盾している追跡点を検知し、検知した追跡点の位置を修正する手法が知られている。しかし、この方法は、検知した追跡点の周辺の追跡点の位置が正確であるという前提に基づくものである。しかし、パターン変化の程度が大きくなる上記の時相では、広範囲で動き情報の推定が破綻する。すなわち、拡張早期時相や、収縮ピーク時相では、この前提が満たされず、高精度な追跡を行なえない。

また、画像内でノイズ成分が混入している領域をユーザーが指定し、ユーザーが指定した領域の輪郭位置を、この領域以外で追跡された輪郭の位置情報から与える手法が知られている。しかし、この方法は、ユーザーが用手的に追跡外れ位置での輪郭を修正する必要があり、手間を要する。

また、画像データに基づく３次元輪郭形状とオプティカルフローに基づく３次元輪郭形状との線形和により最終的な３次元の輪郭を決定する方法が知られている。しかし、この方法は、３次元動画像データを用いた輪郭追跡に適用できるが、２次元動画像データを用いた輪郭追跡に適用する場合には、上述した「through-plane」の影響を排除できないため性能が制約される。また、線形和を如何なる条件に基づいて行なうかを明確に示す手法は、現時点で知られていない。

そこで、図１に例示する追跡部１７３は、関心領域の追跡結果を正確に得るために、以下に説明する追跡処理を行なう。すなわち、図１に例示する追跡部１７３は、残余時相の各超音波画像データで、動き情報に基づいて関心領域として推定した領域の第１位置情報を取得する。また、図１に例示する追跡部１７３は、残余時相の各超音波画像データで、動き情報以外の情報（例えば、形状情報）に基づいて関心領域として推定した領域の第２位置情報を取得する。すなわち、追跡部１７３は、第１位置情報及び第２位置情報を取得する推定部として機能する。そして、図１に例示する追跡部１７３は、動き情報の信頼度に関わる信頼度指標に基づいて、第１位置情報と、第２位置情報とを合成した位置情報を、関心領域の位置情報として取得する。これにより、図１に例示する追跡部１７３は、残余時相の各超音波画像データで、関心領域を追跡する。ここで、「信頼度指標」は、動き情報の品質である「動き品質」とも定義される。以下では、「信頼度指標」を「動き品質」と記載する場合がある。

図４は、図１に示す追跡部の構成例を示すブロック図である。上記の追跡処理を行なうため、追跡部１７３は、例えば、図４に示すように、第１推定部１７３ａと、定義部１７３ｂと、第２推定部１７３ｃと、組み合わせ部１７３ｄとを有する。なお、以下に説明する第１推定部１７３ａと第２推定部１７３ｃとは、追跡部１７３とは別に、画像処理部１７において、推定部として設置される場合であっても良い。

第１推定部１７３ａは、動き情報に基づく関心領域の追跡処理、すなわち、スペックルトラッキング処理を行なう。すなわち、第１推定部１７３ａは、第１時相の超音波画像データである第１画像データと、第１時相と時間的に隣接する第２時相の超音波画像データである第２画像データとの間で動き情報を推定し、推定した動き情報に基づいて第１画像データの関心領域を移動して、第２画像データの第１位置情報を推定する。

具体的には、第１推定部１７３ａは、関心領域を含む領域内の複数の点それぞれの移動ベクトルを演算する。より具体的には、第１推定部１７３ａは、テンプレートマッチング処理により、複数の点それぞれの移動ベクトルを演算する。そして、第１推定部１７３ａは、関心領域を構成する各追跡点について、追跡点を含む所定のサイズのセグメント内で得られた移動ベクトル群から統計的に異常な移動ベクトルを除去した残存移動ベクトル群を用いて該追跡点の移動ベクトルを推定する。これにより得られた各追跡点の移動ベクトルを用いて、第１推定部１７３ａは、第１位置情報を推定する。そして、第１推定部１７３ａは、得られた移動ベクトル群から統計的に異常な移動ベクトルを除去した残存移動ベクトル群を用いて、関心領域を構成する各追跡点の移動ベクトルを推定することで、第１位置情報を推定する。

定義部１７３ｂは、第１推定部１７３ａの処理で得られる少なくとも１つの変量に基づいて、信頼度指標（動き品質）を定義する。第２推定部１７３ｃは、第２画像データの第２位置情報を動き情報以外の情報（例えば、形状情報）により推定する。組み合わせ部１７３ｄは、信頼度指標（動き品質）に基づいて第１位置情報と第２位置情報とを組み合わせた位置情報を、第２画像データにおける関心領域の位置情報として取得する。

以下、上述した各部が行なう具体的な処理の一例について、図５Ａ〜図１６を用いて、詳細に説明する。図５Ａ〜図１６は、第１の実施形態に係る追跡部を説明するための図である。以下では、図３の下図に示す左室内膜の初期輪郭位置「Ｃ（ｔ１）」を残余時相「ｔ２〜ｔｎ＝Ｅ１」の各超音波画像データで追跡する場合について説明する。以下に説明する処理により、心筋外膜の初期輪郭位置「Ｄ（ｔ１）」についても、同様に、追跡可能である。このため、心筋外膜の輪郭位置の追跡処理については、説明を省略する。

まず、第１推定部１７３ａは、図５Ａに示すように、初期輪郭位置「Ｃ（ｔ１）」に複数の追跡点を設定する。また、第１推定部１７３ａは、図５Ｂに示すように、初期輪郭位置「Ｃ（ｔ１）」の近傍に、複数の点を設定する。図５Ｂに例示する複数の点それぞれは、動き情報（移動ベクトル）を演算するための演算点である。

そして、第１推定部１７３ａは、第１時相を「ｔ１」とし、第２時相を「ｔ２」とする。そして、第１推定部１７３ａは、第１画像データである「Ｉ（ｔ１）」と第２画像データである「Ｉ（ｔ２）」との間で動き情報を推定し、推定した動き情報に基づいてＩ（ｔ１）の初期輪郭位置「Ｃ（ｔ１）」を移動する。これにより、第１推定部１７３ａは、図６に示すように、「Ｉ（ｔ２）」の第１位置情報「Ｃｖｅｃｔｏｒ（ｔ２）」を推定する。

具体的には、第１推定部１７３ａは、「Ｉ（ｔ１）」で設定した複数の演算点それぞれに対して、テンプレートデータを設定する。テンプレートデータは、演算点を中心とする複数のピクセルから構成される。そして、第１推定部１７３ａは、２つのフレーム間、すなわち、「Ｉ（ｔ１）」と「Ｉ（ｔ２）」との間で、テンプレートデータのスペックルパターンと最も一致する領域を探索することで、テンプレートデータが次のフレームでどの位置に移動したかを追跡する。これにより、第１推定部１７３ａは、「Ｉ（ｔ１）」の複数の演算点それぞれの移動ベクトルを演算する。以下、「Ｉ（ｔ１）」の複数の演算点それぞれの移動ベクトルの集合を｛Ｍｖ０｝とする。｛Ｍｖ０｝は、複数の演算点それぞれで演算された移動ベクトル群となる。

図７は、第１推定部１７３ａが演算した移動ベクトル群｛Ｍｖ０｝の一例を示している。図７では、白抜きの正方形が演算点を示し、白抜きの正方形から延びる線分が移動ベクトルを示している。なお、図７に例示する移動ベクトル群は、心内腔が拡大する拡張早期の画像データ間で演算された移動ベクトル群の様子を模式的に示したものである。

そして、第１推定部１７３ａは、図５Ａに示す各追跡点を、所定のサイズのセグメント単位で分割する。例えば、第１推定部１７３ａは、図８に示すように、アメリカ心エコー図学会やアメリカ心臓協会が推奨する分割領域を用いて、短軸断面の左心室心筋を、「ＡＮＴ−ＳＥＰＴ（前壁中隔）、ＡＮＴ（前壁）、ＬＡＴ（側壁）、ＰＯＳＴ（後壁）、ＩＮＦ（下壁）、ＳＥＰＴ（中隔）」の６つのセグメントに分ける。これにより、図５Ａに示す各追跡点は、図８に例示する６つのセグメントのいずれかに含まれることになる。また、図５Ｂに示す各演算点は、図８に例示する６つのセグメントのいずれかに含まれることになる。

そして、第１推定部１７３ａは、各セグメントに含まれる移動ベクトル群を統計処理することで、各セグメントの統計値を演算し、各セグメントで統計値が異常値となる移動ベクトルを特定する。そして、第１推定部１７３ａは、特定した移動ベクトルの集合、すなわち、統計値が異常値となる移動ベクトルの集合を｛Ｍｖ’｝とする。そして、第１推定部１７３ａは、｛Ｍｖ０｝から｛Ｍｖ’｝を除去した移動ベクトルの集合｛Ｍｖ｝を残存移動ベクトル群とする。

例えば、第１推定部１７３ａは、各セグメントでの移動ベクトル群の分散値「Ｖａｒｉ（ｓ）」を演算する。ここで、図８に例示する６つのセグメントを「ｓ１、・・・・、ｓ６」とすると、第１推定部１７３ａは、６つの分散値「Ｖａｒｉ（ｓ１）、・・・・、Ｖａｒｉ（ｓ６）」を演算する。そして、第１推定部１７３ａは、例えば、セグメント「ｓ１」に含まれる移動ベクトル群において、「α×Ｖａｒｉ（ｓ１）」を超える移動ベクトルを異常移動ベクトルとして特定する。なお、「α」は、所定の係数であり、「α」の値としては、「２」程度が好適な例となる。第１推定部１７３ａは、かかる処理を、セグメント「ｓ２、ｓ３、ｓ４、ｓ５、ｓ６」それぞれで同様に行なう。これにより、第１推定部１７３ａは、図９に示すように、異常移動ベクトル群である｛Ｍｖ’｝を特定し、｛Ｍｖ０｝から｛Ｍｖ’｝を除去することで、残存移動ベクトル群｛Ｍｖ｝を取得する。

図９は、第１推定部１７３ａが特定して異常移動ベクトル群の一例を示している。図９では、第１推定部１７３ａが特定した４つの異常移動ベクトルを点線で示している。なお、図９に例示する異常移動ベクトル群｛Ｍｖ’｝は、図７で例示した移動ベクトル群｛Ｍｖ０｝、すなわち、心内腔が拡大する拡張早期の画像データ間で演算された移動ベクトル群から特定された異常移動ベクトル群である。このため、図９で例示する残存移動ベクトル群｛Ｍｖ｝は、概して外向きの方向へ向かう移動ベクトルとなる。

そして、第１推定部１７３ａは、残存移動ベクトル群｛Ｍｖ｝を用いて、初期輪郭位置「Ｃ（ｔ１）」を構成する複数の追跡点それぞれの移動ベクトルを推定する。以下では、｛Ｍｖ｝を構成する各要素の移動ベクトル（残存移動ベクトル）を、「Ｍｖ」と一般化して説明する。また、「Ｃ（ｔ１）」を構成する複数の追跡点の中で、任意の追跡点を「ｐ（ｔ１）」とする。第１推定部１７３ａは、残存移動ベクトル群｛Ｍｖ｝の中からｐ（ｔ１）近傍に位置する幾つかの移動ベクトルを平均することで、ｐ（ｔ１）の移動ベクトル「Ｍｖ＿ｐ（ｔ１）」を取得する。

上記方法の一例について、図１０を用いて説明する。図１０では、ｐ（ｔ１）を、点でハッチングした丸で示している。また、図１０では、ｐ（ｔ１）の近傍に位置する複数の演算点を白丸で示し、各演算点の残存移動ベクトルを白丸から延びる矢印で示している。

例えば、第１推定部１７３ａは、ｐ（ｔ１）を中心とする所定半径の円を設定する（図１０に示す点線の丸を参照）。所定半径の長さは、システム上、予め設定された値であっても、操作者により設定された値であっても良い。そして、第１推定部１７３ａは、ｐ（ｔ１）で設定した円内に含まれる複数の残存移動ベクトル（図１０では４つの残存移動ベクトル）を平均することで、ｐ（ｔ１）の移動ベクトル「Ｍｖ＿ｐ（ｔ１）」を推定する。第１推定部１７３ａは、上述した処理を、｛Ｍｖ｝を用いて、全ての追跡点において行なう。

そして、第１推定部１７３ａは、図１１の上図に示すように、ｐ（ｔ１）をＭｖ＿ｐ（ｔ１）により移動させた点ｐ（ｔ２）の位置を第１位置情報として推定する。これにより、第１推定部１７３ａは、図１１の下図に示すように、「Ｉ（ｔ２）」の第１位置情報「Ｃｖｅｃｔｏｒ（ｔ２）」を取得する。以下では、「Ｃｖｅｃｔｏｒ（ｔ２）」を構成する複数の追跡点の中で、任意の追跡点を「ｐ（ｔ２）」とする。

そして、定義部１７３ｂは、「第１推定部１７３ａの処理で得られる少なくとも１つの変量」を用いて、「ｐ（ｔ２）」の信頼度指標である動き品質「Ｑ＿ｐ（ｔ２）」を定義する。

第１推定部１７３ａは、上述したように、テンプレートマッチングにより移動ベクトルを推定する。すなわち、第１推定部１７３ａは、現時相でのテンプレートにおける画像信号値の濃淡パターンに対して、次の時相で最も似ているパターンが存在する位置を探索することで各演算点での移動ベクトルを検出する。そこで、定義部１７３ｂは、第１推定部１７３ａが行なったテンプレートマッチング処理で得られる変量から、残存移動ベクトル群｛Ｍｖ｝を構成する個々の残存移動ベクトル「Ｍｖ」の信頼度「Ｒ（Ｍｖ）」を定義する。信頼度の定義に用いる変量は、以下に説明する３つの変量が挙げられる。

信頼度の定義に用いる第１の変量は、テンプレートマッチング処理における基準テンプレートの平均信号値である。すなわち、テンプレートの信号値が極端に小さい場合には、このテンプレートは、マッチングに有効な組織領域ではなく、心腔内やホワイトノイズの領域と考えられる。従って、テンプレート内の信号の平均値「Ｔｍ」が小さい時には「Ｒ（Ｍｖ）」の値を小さくするのが妥当となる。

そこで、定義部１７３ｂは、一例として、以下に示す式（１）により、「Ｒ（Ｍｖ）」を定義する。なお、以下の式（１）で示す「Ｍｔｈ」は、基準テンプレート内の信号平均値に対して設定された下限閾値である。「Ｍｔｈ」は、例えば、内部記憶部１６に予め格納される。或いは、「Ｍｔｈ」は、例えば、操作者により設定される。

すなわち、定義部１７３ｂは、「Ｔｍ」が「Ｍｔｈ」以上の基準テンプレートを用いて演算された残存移動ベクトルについては、信頼度を「１」と定義し、「Ｔｍ」が「Ｍｔｈ」より小さい基準テンプレートを用いて演算された残存移動ベクトルについては、信頼度を「０」と定義する。

信頼度の定義に用いる第２の変量は、テンプレートマッチング処理における基準テンプレートの信号分散値である。すなわち、基準テンプレートの信号値の濃淡パターンが一様過ぎる場合には、次の時相の探索範囲における濃淡パターンも一様に近いと考えられる。かかる場合、最も似ている位置が、第２画像データにて至る所で検出される可能性が高いため、正確な移動ベクトルの推定ができなくなる。従って、基準テンプレート内の信号の分散値「Ｔσ」が小さい時には「Ｒ（Ｍｖ）」の値を小さくするのが妥当となる。

そこで、定義部１７３ｂは、一例として、以下に示す式（２）により、「Ｒ（Ｍｖ）」を定義する。なお、以下の式（２）で示す「Ｓｔｈ」は、基準テンプレート内の信号分散値に対して設定された下限閾値である。「Ｓｔｈ」は、例えば、内部記憶部１６に予め格納される。或いは、「Ｓｔｈ」は、例えば、操作者により設定される。

すなわち、定義部１７３ｂは、「Ｔσ」が「Ｓｔｈ」以上の基準テンプレートを用いて演算された残存移動ベクトルについては、信頼度を「１」と定義し、「Ｔσ」が「Ｓｔｈ」より小さい基準テンプレートを用いて演算された残存移動ベクトルについては、信頼度を「０」と定義する。

信頼度の定義に用いる第３の変量は、テンプレートマッチング処理におけるテンプレート間の類似度である。第１推定部１７３ａは、基準テンプレートと次の時相の探索領域との比較により、第２画像データで基準テンプレートと最も似ている位置を探索する。従って、最終的に探索した位置の領域が、基準テンプレートとどの程度似ているかを示す類似度を定義することができる。代表的な類似度としては、相互相関係数「Ｃｋ」があり、入力信号が実数の場合、「Ｃｋ」は、「０≦Ｃｋ≦１」となる。画像データ間の比較を行なう本実施形態では、入力信号が実数となり、「０≦Ｃｋ≦１」となる。類似度が低くなることは、現時相から次の時相までの時間経過において、追跡対象部位のパターン変化が大きいことを意味する。従って、類似度である「Ｃｋ」が小さい時には「Ｒ（Ｍｖ）」の値を小さくするのが妥当となる。

そこで、定義部１７３ｂは、一例として、以下に示す式（３）により、「Ｒ（Ｍｖ）」を定義する。なお、以下の式（３）で示す「Ｃｔｈ」は、テンプレートマッチングでの類似度に対して設定された下限閾値である。「Ｃｔｈ」は、例えば、内部記憶部１６に予め格納される。或いは、「Ｃｔｈ」は、例えば、操作者により設定される。

すなわち、定義部１７３ｂは、「Ｃｋ」が「Ｃｔｈ」以上であった残存移動ベクトルについては、信頼度を「Ｃｋ」と定義し、「Ｃｋ」が「Ｃｔｈ」より小さかった残存移動ベクトルについては、信頼度を「０」と定義する。

なお、上記の式（１）及び式（２）では、単純に、閾値により「１」又は「０」で「Ｒ（Ｍｖ）」を与えている。しかし、本実施形態は、「Ｒ（Ｍｖ）」を、上記の制御変数を用いた連続的な単調増加の関数として定義する場合であっても良い。また、「Ｒ（Ｍｖ）」は、上記の３つの制御変数のうち、少なくとも１つ以上を用いた組合せで定義することも可能である。本実施形態では、上記の３つの制御変数を全て用いて、最終的な「Ｒ（Ｍｖ）」を与えることが好適である。かかる場合、「Ｒ（Ｍｖ）」は、「Ｔｍ、Ｔσ、Ｃｋ」の３つを制御変数とする関数により定義される。

定義部１７３ｂは、個々の残存移動ベクトルの「Ｒ（Ｍｖ）」を上記のように定義することで、個々の残存移動ベクトルの品質評価（信頼性の評価）を行なう。更に、定義部１７３ｂは、以下に説明するように、複数の移動ベクトルの空間的な連続性を用いて、所定のサイズを有する領域（セグメント）における移動ベクトルの品質評価（信頼性の評価）を行なう。

ここで、生体組織の動きでは、極端な空間的不連続は起こりにくい。一方、スペックルトラッキングでは、スペックルノイズの影響により不当な移動ベクトルが検出されることがあり得る。このため、第１推定部１７３ａは、上述したように、各セグメントでの移動ベクトル群の分散値「Ｖａｒｉ（ｓ）」を演算し、｛Ｍｖ０｝から所定の閾値を越える異常値を有する移動ベクトル群｛Ｍｖ’｝を異常移動ベクトル群として取り除き、残存移動ベクトル群｛Ｍｖ｝を得ている。

そこで、定義部１７３ｂは、第１推定部１７３ａが行なった統計処理で得られる変量を、動き品質（信頼度指標）を定義するための変量とする。

統計処理で得られる第１の変量としては、複数の追跡点それぞれの近傍領域内での移動ベクトルの分散値がある。ここで、近傍領域内における移動ベクトルの空間的分散の値が小さいほど、動きの品質は低いと考えられる。近傍領域として、定義部１７３ｂは、例えば、上記の６つのセグメント「ｓ１、・・・・、ｓ６」を用いる。かかる場合、定義部１７３ｂは、第１推定部１７３ａから、各セグメントでの移動ベクトル群の分散値「Ｖａｒｉ（ｓ）」を得る。すなわち、定義部１７３ｂは、６つのセグメント「ｓ１、・・・・、ｓ６」それぞれの「Ｖａｒｉ（ｓ１）、・・・・、Ｖａｒｉ（ｓ６）」を取得する。

統計処理で得られる第２の変量としては、複数の追跡点それぞれの近傍領域において残存移動ベクトル群として採用された移動ベクトルの密度がある。ここで、近傍領域内における有効な移動ベクトル（残存移動ベクトル）の密度の値が小さいほど、動きの品質は低いと考えられる。近傍領域として、定義部１７３ｂは、例えば、上記の６つのセグメント「ｓ１、・・・・、ｓ６」を用いる。かかる場合、定義部１７３ｂは、例えば、第１推定部１７３ａから、各セグメント「ｓ」内での｛Ｍｖ０｝の数と、各セグメント「ｓ」内での｛Ｍｖ｝の数とを取得し、各セグメント「ｓ」における有効移動ベクトルの密度「ρ(ｓ)」を演算する。定義部１７３ｂは、一例として、以下に示す式（４）により、「ρ(ｓ)」を定義する。

すなわち、定義部１７３ｂは、「ｓ」内での｛Ｍｖ０｝の数を、セグメント「ｓ」内での｛Ｍｖ｝の数で除算した値を、「ρ(ｓ)」として定義する。定義部１７３ｂは、式（４）を用いて、６つのセグメント「ｓ１、・・・・、ｓ６」それぞれの「ρ（ｓ１）、・・・・、ρ（ｓ６）」を取得する。

そして、定義部１７３ｂは、上述した「Ｒ（Ｍｖ）」、「ρ(ｓ)」及び「Ｖａｒｉ（ｓ）」の少なくとも１つ以上を用いて、第１推定部１７３ａが演算した各演算点の移動ベクトルの動き品質「Ｑ（ｓ，Ｍｖ）」を演算する。例えば、定義部１７３ｂは、「Ｑ（ｓ，Ｍｖ）」を以下の式（５）により定義する。なお、以下の式（５）で示す「Ｌｔｈ」は、移動ベクトルの空間的分散値に対して設定された下限閾値である。「Ｌｔｈ」は、例えば、内部記憶部１６に予め格納される。或いは、「Ｌｔｈ」は、例えば、操作者により設定される。

すなわち、定義部１７３ｂは、「Ｖａｒｉ（ｓ）」が「Ｌｔｈ」より小さいセグメント内に含まれる演算点の移動ベクトルについては、動き品質を「０」とする。例えば、定義部１７３ｂは、「Ｖａｒｉ（ｓ２）」が「Ｌｔｈ」より小さい場合、「ｓ２」に含まれる演算点の移動ベクトルについては、動き品質を「０」とする。

また、定義部１７３ｂは、「Ｖａｒｉ（ｓ）」が「Ｌｔｈ」以上であったセグメント内に含まれる演算点の移動ベクトルについては、個々の移動ベクトルについて、動き品質の演算を行なう。例えば、定義部１７３ｂは、「Ｖａｒｉ（ｓ５）」が「Ｌｔｈ」以上である場合、「ｓ５」に含まれる各演算点の移動ベクトル「Ｍｖ」の信頼度「Ｒ（Ｍｖ）」に、「ρ(ｓ５)」を乗算することで、「Ｑ（ｓ５，Ｍｖ）」を演算する。

これにより、定義部１７３ｂは、「Ｃｖｅｃｔｏｒ（ｔ２）」の推定に用いられた各残存移動ベクトルの動き品質（信頼度指標）を定義する。なお、定義部１７３ｂは、「Ｒ（Ｍｖ）」を用いて、各残存移動ベクトルの動き品質を定義しても良い。また、定義部１７３ｂは、「Ｖａｒｉ（ｓ）」及び「ρ(ｓ)」の少なくとも１つを用いて、各残存移動ベクトルの動き品質を定義しても良い。

そして、定義部１７３ｂは、ｐ（ｔ１）近傍に位置する幾つかの残存移動ベクトルの動き品質を平均することで、「ｐ（ｔ１）から移動したｐ（ｔ２）」の信頼度指標である動き品質「Ｑ＿ｐ（ｔ２）」を定義する。例えば、定義部１７３ｂは、図１２に示すように、「Ｍｖ＿ｐ（ｔ１）」の演算に用いた４つの移動ベクトル（残存移動ベクトル）それぞれの動き品質の平均値を、「Ｑ＿ｐ（ｔ２）」として演算する。

なお、第１推定部１７３ａの処理と、定義部１７３ｂとの処理は、追跡対象となる時相ごとに同期させて、並列で行なわれることが好適である。かかる並列処理は、制御部１８の制御により実現可能である。また、上記の処理で用いられたセグメントの数及びサイズは、例えば、操作者により任意の数及びサイズに変更可能である。また、第１推定部１７３ａの処理で用いられるセグメントと、定義部１７３ｂの処理で用いられるセグメントとは、異なる場合であっても良い。

そして、第２推定部１７３ｃは、以下に説明する第１処理で得られる位置情報、第２処理で得られる位置情報及び第３処理で得られる位置情報の少なくとも１つの位置情報を用いて、第２位置情報を推定する。

第１処理では、第２推定部１７３ｃは、時相「ｔ」の第２画像データと同時相の形状辞書情報「ｄｉｃｔ（ｔ）」と照合することで、第２画像データにおける関心領域の位置情報「Ｃｄｉｃｔ（ｔ）」を推定する。第１処理を行なう場合、内部記憶部１６は、例えば、全ての心時相における左室心筋の形状辞書を予め記憶する。そして、第２推定部１７３ｃは、第２画像データが「Ｉ（ｔ２）」であることから、時相「ｔ２」に対応する心時相の形状辞書「ｄｉｃｔ（ｔ２）」を内部記憶部１６から取得する。そして、第２推定部１７３ｃは、図１３Ａに示すように、「Ｉ（ｔ２）」と「ｄｉｃｔ（ｔ２）」とを識別器の機能により照合して、「Ｉ（ｔ２）」の関心領域（輪郭）の位置情報「Ｃｄｉｃｔ（ｔ２）」を推定する。識別器としては、形状辞書の学習時や識別時の両方でランダム木を用いるアルゴリズムが高速な手法として知られており、この手法が本実施形態における好適な例である。

第２処理では、第２推定部１７３ｃは、形状エネルギー最小化原理に基づいて、時相「ｔ」の第２画像データにおける関心領域の位置情報「Ｃｅｎｇ（ｔ）」を推定する。一例として、第２推定部１７３ｃは、動的輪郭モデル（ＡＣＭ：Active Contour Model）の一種として知られているＳＮＡＫＥ法を用いる。第２推定部１７３ｃは、処理対象となる第２画像データ内に、心内腔の境界近傍の輪郭線を設定する。設定する輪郭線は、例えば、Ｃ（ｔ１）に基づいて設定される場合であっても、輝度情報に基づいて設定される場合であっても良い。

そして、第２推定部１７３ｃは、形状エネルギーの評価関数の値が最小となるまで、輪郭線の位置及び形状の修正を繰り返す。例えば、第２推定部１７３ｃは、輝度が急激に変化する箇所に輪郭線が位置し、輪郭線内の輝度値が均一となり、輪郭線が短く、輪郭線の形状が滑らかとなるまで、輪郭線の位置及び形状の修正を繰り返す。これにより、第２推定部１７３ｃは、図１３Ｂに示すように、第２画像データである「Ｉ（ｔ２）」の関心領域（輪郭）の位置情報「Ｃｅｎｇ（ｔ２）」を推定する。

第３処理では、第２推定部１７３ｃは、最小２乗法に基づくフィッティングを含む処理により、時相「ｔ」の第２画像データにおける関心領域の位置情報「Ｃｆｉｔ（ｔ）」を推定する。ただし、最小２乗法に基づくフィッティング処理で、信頼性の高い位置情報を得るためには、フィッティングの入力として、ある程度正確な位置情報を含む複数の制御点「ｒ（ｔ）」が必要となる。このため、第２推定部１７３ｃは、動き品質（信頼度指標）が低下する部位のみに対して第３処理を行なう。

上述したように、第２画像データである「Ｉ（ｔ２）」の「Ｃｖｅｃｔｏｒ（ｔ２）」を構成する各追跡点ｐ(ｔ２)では、動き品質「Ｑ＿ｐ（ｔ２）」が定義されている。そこで、第２推定部１７３ｃは、「Ｑ＿ｐ（ｔ２）」が所定の値以下となるｐ(ｔ２)を特定する。第２推定部１７３ｃは、例えば、図１３Ｃの左図に示すように、点線の円内に含まれるｐ(ｔ２)を特定する。そして、第２推定部１７３ｃは、点線の円内に含まれるｐ(ｔ２)以外のｐ(ｔ２)の集合を、フィッティング処理を行なうための制御点群「ｒ（ｔ２）」とし、制御点群「ｒ（ｔ２）」を用いて最小２乗フィッティングを実施する。これにより、第２推定部１７３ｃは、例えば、図１３Ｃの左図に示すように、第２画像データである「Ｉ（ｔ２）」の関心領域（輪郭）の位置情報「Ｃｆｉｔ（ｔ２）」を推定する。

第３処理では、Ｃｖｅｃｔｏｒ（ｔ）上で局所的なノイズの影響で動き品質が低下するような場合において、動き品質が低下する部位の輪郭位置のみを、周辺の動き品質の高いＣｖｅｃｔｏｒ（ｔ）の位置により適切に補間することで、「Ｃｆｉｔ（ｔ）」を得る。換言すると、第３処理は、動き品質（信頼度指標）が低下する部位の輪郭形状を、周辺の動き品質（信頼度指標）の高い輪郭形状に基づいて、推定する処理となる。なお、第２推定部１７３ｃは、Ｃｖｅｃｔｏｒ（ｔ）上で動き品質が低下する局所的な位置においてのみ、第１処理を行なって「Ｃｄｉｃｔ（ｔ）」を得る場合であっても、第２処理を行なって「Ｃｅｎｇ（ｔ）」を得る場合であっても良い。

そして、第２推定部１７３ｃは、「Ｃｄｉｃｔ（ｔ）」、「Ｃｅｎｇ（ｔ）」及び「Ｃｆｉｔ（ｔ）」の少なくとも１つを用いて、第２画像データの第２位置情報「Ｃｍｏｄｅｌ（ｔ）」を定義する。第２画像データが「Ｉ（ｔ２）」であることから、第２推定部１７３ｃは、「Ｃｄｉｃｔ（ｔ２）」、「Ｃｅｎｇ（ｔ２）」及び「Ｃｆｉｔ（ｔ２）」の少なくとも１つを用いて、「Ｉ（ｔ２）」の第２位置情報「Ｃｍｏｄｅｌ（ｔ２）」を定義する。

第１処理のみを行なう場合、第２推定部１７３ｃは、「Ｃｄｉｃｔ（ｔ２）」を「Ｃｍｏｄｅｌ（ｔ２）」とする。また、第２処理のみを行なう場合、第２推定部１７３ｃは、「Ｃｅｎｇ（ｔ２）」を「Ｃｍｏｄｅｌ（ｔ２）」とする。また、第３処理のみを行なう場合、第２推定部１７３ｃは、「Ｃｆｉｔ（ｔ２）」を「Ｃｍｏｄｅｌ（ｔ２）」とする。

ここで、第２推定部１７３ｃは、「Ｃｖｅｃｔｏｒ（ｔ）」及び「Ｑ＿ｐ（ｔ）」が得られていれば、「Ｃｆｉｔ（ｔ）」を推定可能である。また、第２推定部１７３ｃは、「Ｃｖｅｃｔｏｒ（ｔ）」及び「Ｑ＿ｐ（ｔ）」が得られていない状態でも、「Ｃｄｉｃｔ（ｔ）」の推定や、「Ｃｅｎｇ（ｔ）」の推定を行なうことが可能である。更に、第２推定部１７３ｃは、「Ｃｄｉｃｔ（ｔ）」の推定と、「Ｃｅｎｇ（ｔ）」の推定とは、各々独立に行なうことが可能である。

すなわち、第２推定部１７３ｃは、これら３つの位置情報を推定することが可能である。そこで、第２推定部１７３ｃは、これら３つの位置情報の全て、又は、これら３つの位置情報から選択した２つの位置情報を線形加算することで、「Ｃｍｏｄｅｌ（ｔ）」を与えても良い。例えば、第２推定部１７３ｃは、例えば、複数の輪郭位置を平均することで、「Ｃｍｏｄｅｌ（ｔ）」を与える。

ただし、「Ｃｄｉｃｔ（ｔ）」を得るためには、形状辞書を全ての時相で用意する必要がある。臨床での心臓の形状には様々なバリエーションがあるため、高精度な形状辞書を構成するためには一時相だけであっても一般的に数百例以上のデータが必要であり、心周期に渡る全時相での形状辞書を用いるのは実際的でない。

そこで、第２推定部１７３ｃは、形状辞書情報を有している特定時相では、第１処理で得られる位置情報を第２位置情報とする。一例として、第２推定部１７３ｃは、組織（心筋）の形状の局所変形の程度が大きい特定時相では、第１処理で得られる位置情報を第２位置情報とする。また、第２推定部１７３ｃは、上記の特定時相以外の時相では、第２処理で得られる位置情報、又は、第２処理で得られる位置情報及び第３処理で得られる位置情報を組み合わせた位置情報を第２位置情報とするのが好適である。

ここで、特定時相は、心臓の変形率が大きいとされる代表的な時相であり、追跡外れの起こりやすい時相である大きい拡張早期（ｅ’）時相や、収縮ピーク（ｓ’）時相である。特定位相に応じて第２位置情報を変更する場合、第２推定部１７３ｃは、特定時相（ｅ’、ｓ’）においては、第１処理により、「Ｃｄｉｃｔ（ｔ）」を「Ｃｍｏｄｅｌ（ｔ）」とする。また、特定位相に応じて第２位置情報を変更する場合、第２推定部１７３ｃは、特定時相以外の時相においては、「Ｃｅｎｇ（ｔ）」を「Ｃｍｏｄｅｌ（ｔ）」とする。或いは、特定位相に応じて第２位置情報を変更する場合、第２推定部１７３ｃは、特定時相以外の時相においては、「Ｃｅｎｇ（ｔ）」と「Ｃｆｉｔ（ｔ）」との線形加算した輪郭位置を「Ｃｍｏｄｅｌ（ｔ）」とする。

ここで、第１処理及び第２処理については、第２推定部１７３ｃは、第１推定部１７３ａ及び定義部１７３ｂの処理と並列して実行することが可能である。或いは、第１処理及び第２処理については、第２推定部１７３ｃは、第１推定部１７３ａ及び定義部１７３ｂの処理と独立して実行することが可能である。すなわち、第２推定部１７３ｃは、取得部１７１が動画像データを取得した時点で、残余時相全てで、第１処理及び第２処理を行なっても良い。また、第３処理を行なう場合、第２推定部１７３ｃは、追跡対象となる時相ごとに同期させて、第１推定部１７３ａ及び定義部１７３ｂの処理と並列で行なわれることが好適である。各部の処理の進行については、制御部１８により制御可能である。

上記の処理により、第１推定部１７３ａは、図１４の上図に示すように、輪郭位置「Ｃ（ｔ１）」と動き情報｛Ｍｖ｝とに基づく輪郭位置「Ｃｖｅｃｔｏｒ（ｔ２）」を、複数の追跡点「ｐ（ｔ２）」の集合として取得する。一方、第２推定部１７３ｃは、図１４の上図に示すように、動き情報以外の情報（例えば、形状情報）に基づく輪郭位置「Ｃｍｏｄｅｌ（ｔ２）」を、「ｐ（ｔ２）」とは位置や個数が独立な輪郭制御点「ｑ（ｔ２）」の集合として取得する。「Ｃｖｅｃｔｏｒ（ｔ２）」は、第１位置情報であり、「Ｃｍｏｄｅｌ（ｔ２）」は、第２位置情報となる。そして、複数の追跡点である「ｐ（ｔ２）」それぞれには、動き品質（信頼度指標）が定義されている。

そして、組み合わせ部１７３ｄは、信頼度指標（動き品質）に基づいて第１位置情報と第２位置情報とを組み合わせる。具体的には、組み合わせ部１７３ｄは、信頼度指標（動き品質）に基づいて第１位置情報と第２位置情報とを重み付け加算する。より具体的には、組み合わせ部１７３ｄは、信頼度指標（動き品質）が高い場合に第１位置情報の重みが高くなるよう、第１位置情報と第２位置情報とを重み付け加算する。かかる処理を行なうために、組み合わせ部１７３ｄは、「Ｃｍｏｄｅｌ（ｔ２）」において、複数の追跡点「ｐ（ｔ２）」それぞれに対応する複数の点「ｃｒｏｓｓ＿ｐ（ｔ２）」を取得する。例えば、組み合わせ部１７３ｄは、図１４の上図に示すように、「Ｃｖｅｃｔｏｒ（ｔ２）」により定義される輪郭線にて、「ｐ（ｔ２）」それぞれで法線ベクトル「Ｖｎｏｒｍａｌ＿ｐ（ｔ２）」を求める。そして、組み合わせ部１７３ｄは、図１４の上図に示すように、法線ベクトル「Ｖｎｏｒｍａｌ＿ｐ（ｔ２）」と、「Ｃｍｏｄｅｌ（ｔ２）」により定義される輪郭線との交点を、「ｃｒｏｓｓ＿ｐ（ｔ２）」とする。

そして、組み合わせ部１７３ｄは、図１４の下図に示すように、「Ｃｍｏｄｅｌ（ｔ２）」を、複数の点「ｃｒｏｓｓ＿ｐ（ｔ２）」で構成された「Ｃｍｏｄｅｌ（ｔ２）’」に変換する。

これにより、組み合わせ部１７３ｄは、複数の追跡点「ｐ（ｔ２）」それぞれに対応するＣｍｏｄｅｌ（ｔ２）上にある複数の点「ｃｒｏｓｓ＿ｐ（ｔ２）」を取得する。「ｐ（ｔ２）」の「Ｑ＿ｐ（ｔ２）」は、「ｃｒｏｓｓ＿ｐ（ｔ２）」の動き品質である「Ｑ＿ｃｒｏｓｓ＿ｐ（ｔ２）」となる。

ここで、一般化して、時相「ｔ」の第１位置情報を、複数の追跡点「ｐ（ｔ）」で構成された「Ｃｖｅｃｔｏｒ（ｔ）」とし、各追跡点「ｐ（ｔ）」の動き品質を「Ｑ＿ｐ（ｔ）」とする。また、一般化して、時相「ｔ」の第２位置情報を、複数の制御点「ｑ（ｔ）」で構成された「Ｃｍｏｄｅｌ（ｔ）」とし、複数の点「ｃｒｏｓｓ＿ｐ（ｔ２）」で「Ｃｍｏｄｅｌ（ｔ）」を変換した第２位置情報を、「Ｃｍｏｄｅｌ（ｔ）’」とする。かかる場合、組み合わせ部１７３ｄは、例えば、以下の式（６）により、「Ｑ＿ｐ（ｔ）」に基づいて、「Ｃｖｅｃｔｏｒ（ｔ）」と「Ｃｍｏｄｅｌ（ｔ）’」とを重み付け加算することで、時相「ｔ」の輪郭位置「Ｃ（ｔ）」を求める。なお、「Ｑ＿ｐ（ｔ）」は、上記の定義により、「０≦Ｑ＿ｐ（ｔ）≦１」に正規化されている。

すなわち、式（６）の第１項では、「Ｃｖｅｃｔｏｒ（ｔ２）」上の追跡点「ｐ（ｔ２）」の位置ベクトルに重み「Ｑ＿ｐ（ｔ２）」が乗算された位置ベクトルが求められる。また、式（６）の第２項では、「Ｃｍｏｄｅｌ（ｔ２）’」上の点「ｃｒｏｓｓ＿ｐ（ｔ２）」の位置ベクトルに重み「１−Ｑ＿ｐ（ｔ２）」が乗算された位置ベクトルが求められる。そして、式（６）では、これら２つの位置ベクトルを加算した位置ベクトルにより定まる点が、時相「ｔ２」の「Ｉ（ｔ２）」における輪郭位置「Ｃ（ｔ２）」を構成する点として推定される。このようにすれば、各追跡点ｐ（ｔ）に対して、動きの品質が十分に高い場合（Ｑ＿ｐ（ｔ）＝１）では、従来通り、動き情報に基づくＣｖｅｃｔｏｒ（ｔ）により最終的な輪郭位置Ｃ（ｔ）が決まる。一方、動きの品質が極端に低い位置や時相の場合（Ｑ＿ｐ（ｔ）＝０）では、動き情報以外の情報に基づくＣｍｏｄｅｌ（ｔ）’によりＣ（ｔ）が決まるようになる。更に、動き品質が中庸な場合（０＜Ｑ＿ｐ（ｔ）＜１）では、Ｑ＿ｐ（ｔ）の値に応じて双方の輪郭位置が合成されて、動き品質に応じて自動的に確からしい輪郭位置が与えられるようになる。また、Ｃ（ｔ）を構成する追跡点ｐ（ｔ）の個数は一定なので、輪郭位置を決めると同時に追跡動作が達成されている。

図１５は、組み合わせ部１７３ｄが、短軸像において、「Ｑ＿ｐ（ｔ）」に基づいて「Ｃｖｅｃｔｏｒ（ｔ）」と「Ｃｍｏｄｅｌ（ｔ）」とを合成した輪郭位置「Ｃ（ｔ）」を模擬した模式図である。図１５では、左側の壁では動き品質が高く、右側の壁では動き品質が低い場合の例を示している。すなわち、図１５では、「Ｃ（ｔ）」の位置は、左方では「Ｃｖｅｃｔｏｒ（ｔ）」に近く、右方では「Ｃｍｏｄｅｌ（ｔ）」に近い位置として再構成されている。

そして、組み合わせ部１７３ｄは、式（６）により推定された輪郭位置「Ｃ（ｔ２）」を構成する複数の点を、複数の追跡点「ｐ（ｔ２）」として、第１推定部１７３ａに通知する。これにより、追跡部１７３を構成する各部は、上記の説明において、「ｔ１」を「ｔ２」に置き換え、「ｔ２」を「ｔ３」に置き換えた処理を行なう。端的には、第１推定部１７３ａは、図１６に示すように、第１画像データである「Ｉ（ｔ２）」と第２画像データである「Ｉ（ｔ３）」との間でスペックルトラッキングを行なって、Ｃｖｅｃｔｏｒ（ｔ３）を推定し、定義部１７３ｂは、「ｐ（ｔ３）」の動き品質「Ｑ＿（ｐｔ３）」を定義する。また、第２推定部１７３ｃは、「Ｉ（ｔ３）」の「Ｃｍｏｄｅｌ（ｔ３）」を推定する。そして、組み合わせ部１７３ｄは、図１６に示すように、「Ｃｍｏｄｅｌ（ｔ３）」を「Ｃｍｏｄｅｌ（ｔ３）’」に変換し、「Ｑ＿ｐ（ｔ３）」に基づいて「Ｃｖｅｃｔｏｒ（ｔ３）」と「Ｃｍｏｄｅｌ（ｔ３）」とを合成することで、輪郭位置「Ｃ（ｔ３）」を推定する。

追跡部１７３は、内膜の輪郭位置について、上記の処理を、時相「ｔｎ＝Ｅ１」まで繰り返して行なう。これにより、追跡部１７３は、全ての時相において、内膜の輪郭位置「Ｃ（ｔ１）、Ｃ（ｔ２）、・・・、Ｃ（ｔｎ）」を得る。また、追跡部１７３は、外膜の輪郭位置についても、上記の処理を、時相「ｔｎ＝Ｅ１」まで繰り返して行なう。これにより、追跡部１７３は、全ての時相において、外膜の輪郭位置「Ｄ（ｔ１）、Ｄ（ｔ２）、・・・、Ｄ（ｔｎ）」を得る。

そして、図１に例示する運動情報演算部１７４は、動画像データそれぞれの関心領域の位置情報を用いて組織の運動情報を演算する。例えば、運動情報演算部１７４は、壁運動情報として歪み（Strain）や、歪みの時間変化率（Strain Rate）等、種々の物理量を演算する。操作者は、心機能の解析を行なううえで、評価したい局所的な壁運動情報や全体的な壁運動情報を任意に選択して、運動情報演算部１７４に演算させることが可能である。そして、制御部１８は、運動情報をモニタ２に表示させる。

次に、図１７及び図１８を用いて、第１の実施形態に係る超音波診断装置の処理について説明する。図１７は、第１の実施形態に係る超音波診断装置が行なう処理の概要を説明するためのフローチャートであり、図１８は、第１の実施形態に係る追跡部が行なう処理の一例を説明するためのフローチャートである。

図１７に例示するように、第１の実施形態に係る超音波診断装置が有する取得部１７１は、動画像データ及び追跡対象区間が指定されたか否かを判定する（ステップＳ１０１）。ここで、指定されない場合（ステップＳ１０１否定）、取得部１７１は、指定されるまで待機する。

一方、動画像データ及び追跡対象区間が指定された場合（ステップＳ１０１肯定）、取得部１７１は、追跡対象区間の動画像データを取得する（ステップＳ１０２）。そして、設定部１７２は、初期輪郭位置が操作者により設定されたか否かを判定する（ステップＳ１０３）。ここで、設定されない場合（ステップＳ１０３否定）、設定部１７２は、初期輪郭位置が設定されるまで待機する。

一方、設定された場合（ステップＳ１０３肯定）、追跡部１７３は、初期輪郭位置を取得して、残余時相の輪郭の位置を追跡する（ステップＳ１０４）。そして、残余時相の輪郭追跡が終了すると、運動情報演算部１７４は、心壁の運動情報を演算し（ステップＳ１０５）、モニタ２は、制御部１８の制御により、心壁の運動情報を表示して（ステップＳ１０６）、処理を終了する。

ここで、図１７に示すステップＳ１０４の処理は、図１８に例示するフローチャートの処理となる。すなわち、第１推定部１７３ａは、画像データＩ（ｔｋ）の輪郭位置Ｃ（ｔｋ）を取得する（ステップＳ２０１）。最初の処理では、「ｔｋ＝ｔ１」となる。

そして、第１推定部１７３ａは、Ｉ（ｔｋ）からＩ（ｔｋ＋１）へのＳＴにより、｛Ｍｖ０｝を演算する（ステップＳ２０２）。そして、第１推定部１７３ａは、統計処理により、残存移動ベクトル群である｛Ｍｖ｝を取得し（ステップＳ２０３）、｛Ｍｖ｝を用いて各追跡点でＭｖ＿ｐ（ｔｋ）を算出して、Ｃｖｅｃｔｏｒ（ｔｋ＋１）を推定する（ステップＳ２０４）。

また、定義部１７３ｂは、ステップＳ２０４の処理が行なわれている間に、Ｃｖｅｃｔｏｒ（ｔｋ＋１）を構成する各追跡点ｐ（ｔｋ＋１）の信頼度指標である動き品質Ｑ＿ｐ（ｔｋ＋１）を演算する（ステップＳ２０５）。第２推定部１７３ｃは、ステップＳ２０２〜ステップＳ２０４及びステップＳ２０５の処理が行なわれている間に、Ｉ（ｔｋ＋１）のＣｍｏｄｅｌ（ｔｋ＋１）を推定する（ステップＳ２０６）。

そして、組み合わせ部１７３ｄは、Ｃｖｅｃｔｏｒ（ｔｋ＋１）を用いて、Ｃｍｏｄｅｌ（ｔｋ＋１）をＣｍｏｄｅｌ（ｔｋ＋１）’に変換する（ステップＳ２０７）。そして、組み合わせ部１７３ｄは、各追跡点ｐ（ｔｋ＋１）の動き品質Ｑ＿ｐ（ｔｋ＋１）に基づいて、Ｃｖｅｃｔｏｒ（ｔｋ＋１）とＣｍｏｄｅｌ（ｔｋ＋１）’とを組み合わせて、Ｉ（ｔｋ＋１）の輪郭位置Ｃ（ｔｋ＋１）を取得する（ステップＳ２０８）。

そして、組み合わせ部１７３ｄは、「ｋ＋１＝ｎ」であるか否かを判定する（ステップＳ２０９）。ここで、「ｋ＋１＜ｎ」である場合（ステップＳ２０９否定）、組み合わせ部１７３ｄは、輪郭追跡を行なっていない時相があると判定し、「ｋ＝ｋ＋１」として設定し（ステップＳ２１０）、そして、Ｃ（ｔｋ＋１）をＣ（ｔｋ）として、追跡部１７３は、ステップＳ２０２以降の処理を繰り返す。

一方、「ｋ＋１＝ｎ」である場合（ステップＳ２０９肯定）、組み合わせ部１７３ｄは、全ての時相で輪郭追跡が終了したことを、運動情報演算部１７４に通知して、ステップＳ１０５の処理を開始させる。

上述したように、第１の実施形態では、関心領域の追跡を行なう際に、動き情報に基づく関心領域の位置推定とともに、動き情報以外の情報に基づく関心領域の位置推定を行なう。そして、第１の実施形態では、動き情報の品質（信頼度指標）を様々な情報から定義し、動き情報に基づく推定位置と動き情報以外の情報に基づく推定位置とを、品質（信頼度指標）に応じて合成する。すなわち、第１の実施形態では、スペックルトラッキング処理において、動き情報が不足している局所的な位置、動き情報の信頼性が低い局所的な位置、動き情報の時空間的整合性が低い局所的な位置を、動き品質（信頼度指標）から同定し、これらの位置については、動き以外の情報で求めた輪郭位置を併用して最終的な輪郭位置を決める。

これにより、第１の実施形態では、画像ノイズの存在やフレームレート不足により動き情報の推定性能が低下する場合であっても、極端な追跡外れの無い関心領域の位置を自動的に取得することができる。従って、第１の実施形態では、関心領域の追跡結果を正確に得ることができる。また、第１の実施形態では、極端な追跡外れの無い関心領域の位置を自動的に取得することができるので、ロバストな組織運動の評価を簡便に提供することが可能となる。

なお、上記の第１の実施形態では、説明を簡単にするため、追跡部１７３が、関心領域の追跡を時間的に順方向（forward）で行なう場合について説明した。しかし、追跡部１７３が、関心領域の追跡を時間的に逆方向（backward）で行なう場合であっても良い。

換言すると、第１推定部１７３ａは、時相「ｔｋ」から時相「ｔｋ＋１」へ向かう順方向の移動ベクトル「ＭｖＦ」を演算することが可能であるとともに、時相「ｔ＋１」から時相「ｔｋ」へ向かう逆方向の移動ベクトル「ＭｖＢ」を演算することが可能である。すなわち、上記の第１の実施形態では、「ＭｖＦ」から、時相「ｔｋ」の追跡点ｐ（ｔｋ）に対して移動ベクトル「ＭｖＦ＿ｐ（ｔｋ→ｔｋ＋１）」を推定することで、時相「ｔｋ＋１」の追跡点ｐ（ｔｋ＋１）の位置を推定していた。

一方、第１推定部１７３ａは、時相「ｔｋ＋１」から時相「ｔｋ」へ向かう逆方向の移動ベクトル「ＭｖＢ」を演算することができる。そして、第１推定部１７３ａは、「ＭｖＢ」から、時相「ｔｋ＋１」の追跡点ｐ（ｔｋ＋１）に対して移動ベクトル「ＭｖＢ＿ｐ（ｔｋ＋１→ｔｋ）」を推定することができる。これにより、第１推定部１７３ａは、時相「ｔｋ」の追跡点ｐ（ｔｋ）の位置を推定することができる。

この際、定義部１７３ｂは、「ＭｖＦ」と「ＭｖＢ」とを併用することで、信頼度指標である動き品質を定義する情報を与えることが可能である。すなわち、「ＭｖＢ＿ｐ（ｔｋ＋１→ｔｋ）」より得られるｐ（ｔｋ）の位置は、「ＭｖＦ＿ｐ（ｔｋ→ｔｋ＋１）」によりｐ（ｔｋ＋１）に移動されたｐ（ｔｋ）の位置と必ずしも一致しない。これは、テンプレートマッチングの際に探索対象となる画像データが異なることで、スペックルノイズの影響により「ＭｖＦ」と「ＭｖＢ」とが一致しないことがあり得るためである。一方で、ノイズの影響が少ない場合には双方の移動ベクトルの一致度は高いことが期待される。

そこで、「ＭｖＦ」と「ＭｖＢ」とから信頼度指標である動き品質を定義する変形例を行なう場合、第１推定部１７３ａは、第１画像データと第２画像データとの間で、関心領域を構成する各追跡点の第１時相から第２時相へ向かう順方向移動ベクトルと、関心領域を構成する各追跡点の第２時相から第１時相へ向かう逆方向移動ベクトルとを推定する。そして、定義部１７３ｂは、関心領域を構成する各追跡点における順方向移動ベクトルと逆方向移動ベクトルとの一致度を、「第１推定部１７３ａの処理で得られる少なくとも１つの変量」として用いる。

第１推定部１７３ａは、時相「ｔｋ」から時相「ｔｋ＋１」へ向かう順方向において、「ＭｖＦ」の演算、「ＭｖＦ＿ｐ（ｔｋ→ｔｋ＋１）」の推定及びｐ（ｔｋ＋１）の位置推定を、上記の実施形態で説明した処理により行なう。そして、第１推定部１７３ａは、時相「ｔｋ＋１」から時相「ｔｋ」へ向かう逆方向においては、「ＭｖＦ」で決まったｐ（ｔｋ＋１）に対して、上記の実施形態で説明した処理の時相を逆転させて実行する。これにより、第１推定部１７３ａは、「ＭｖＢ」の演算、「ＭｖＢ＿ｐ（ｔｋ＋１→ｔｋ）」の推定を行なう。

ここで、「ＭｖＦ＿ｐ（ｔｋ→ｔｋ＋１）」及び「ＭｖＢ＿ｐ（ｔｋ＋１→ｔｋ）」は、いずれも、時相「ｔｋ＋１」における追跡点ｐ（ｔｋ＋１）における変数とすることができる。すなわち、これら２つの変数は、一般化すると、時相「ｔ」における追跡点ｐ（ｔ）に対する２つの変数「ＭｖＦ＿ｐ（ｔ）」及び「ＭｖＢ＿ｐ（ｔ）」と表現することができる。かかる表現を用いて、定義部１７３ｂは、一例として、以下に示す式（７）により、追跡点ｐ（ｔ）の順方向と逆方向の双方の移動ベクトルの一致度「ＭＭ＿ｐ（ｔ）」を定義することができる。なお、式（７）における「・」は、ベクトルの内積を示す。

式（７）により「ＭＭ＿ｐ（ｔ）」を定義すると、追跡点ｐ（ｔ）の順方向移動ベクトルの逆ベクトルが、追跡点ｐ（ｔ）の逆方向移動ベクトルと一致する場合には、「ＭＭ＿ｐ（ｔ）＝１」となる。また、式（７）の定義では、追跡点ｐ（ｔ）の順方向移動ベクトルと追跡点ｐ（ｔ）の逆方向移動ベクトルとが直交する場合には、「ＭＭ＿ｐ（ｔ）＝０」となる。また、「ＭＭ＿ｐ（ｔ）」の値が「１より小さい正値」となる場合には、追跡点ｐ（ｔ）の順方向移動ベクトルと逆方向移動ベクトルとの成す角が０度より大きく９０度より小さい範囲にあり、少なくとも互いに同じ向きのベクトルが検出されていることを意味する。また、「ＭＭ＿ｐ（ｔ）」の値が「負」となる場合には、追跡点ｐ（ｔ）の順方向移動ベクトルと逆方向移動ベクトルとの成す角が９０度を超えており、互いに逆向きのベクトルが検出されていることを意味する。従って、「ＭＭ＿ｐ（ｔ）」の値が極性も加味して小さいほど、信頼度指標である動き品質は、低いと考えることができる。

そこで、定義部１７３ｂは、「ＭＭ＿ｐ（ｔ）」を用いて、動き品質「Ｑ（ｓ，Ｍｖ）」を以下の式（８）により定義する。

すなわち、定義部１７３ｂは、「ＭＭ＿ｐ（ｔ）」が「０」以上となる値が得られた追跡点「ｐ（ｔ）」が含まれるセグメント「ｓ」内の各残存移動ベクトル「Ｍｖ」の動き品質「Ｑ（ｓ，Ｍｖ）」を、「ＭＭ＿ｐ（ｔ）」と定義する。また、定義部１７３ｂは、「ＭＭ＿ｐ（ｔ）」の値が「負」となる値が得られた追跡点「ｐ（ｔ）」が含まれるセグメント「ｓ」内の各残存移動ベクトル「Ｍｖ」の動き品質「Ｑ（ｓ，Ｍｖ）」を「０」と定義する。なお、式（８）で定義される動き品質は、「０≦Ｑ（ｓ，Ｍｖ）≦１」の条件を満たしている。なお、定義部１７３ｂは、式（５）と式（８）とを併用して、動き品質「Ｑ（ｓ，Ｍｖ）」を定義しても良い。

そして、定義部１７３ｂは、式（８）で定義された「Ｑ（ｓ，Ｍｖ）」、又は、式（５）と式（８）との併用で定義された「Ｑ（ｓ，Ｍｖ）」を用いて、「Ｑ＿Ｐ（ｔ）」を定義する。

なお、上記では、初期輪郭位置が、１つの時相で設定される場合について説明した。しかし、初期輪郭位置は、複数の時相で設定される場合であっても良い。例えば、本実施形態は、スペックルトラッキングが困難とされる拡張早期の時相と収縮末期の時相とで、第１初期輪郭位置及び第２初期輪郭位置を設定しても良い。かかる場合、追跡部１７３は、第１初期輪郭位置を用いた追跡処理と、第２初期輪郭位置を用いた追跡処理とを並行して行なう。

また、第２推定部１７３ｃが実行する処理は、上記で説明した第１処理、第２処理及び第３処理に限定されるものではない。例えば、第２推定部１７３ｃは、ＡＱ（Acoustic Quantification）法や、ＡＳＭ（Active Shape Model）法を実行しても良い。

（第２の実施形態）
第２の実施形態では、演算処理量を軽減するための制御方法について説明する。第１の実施形態では、残余時相の全時相について、第２位置情報「Ｃｍｏｄｅｌ（ｔ）」を演算する場合について説明した。しかし、画質によらず安定して正確な関心領域（輪郭）の位置を自動検出するためには、第２位置情報を残余時相の全時相を演算すると演算量が増加する。特に、識別器を用いて「Ｃｄｉｃｔ（ｔ）」を推定する第１処理は、輪郭位置の推定における正確性は増すが、識別器による識別時間を要する処理となる。

一方で、スペックルトラッキング処理では、殆どの場合で、第１位置情報「Ｃｖｅｃｔｏｒ（ｔ）」による関心領域（輪郭）の決定が行われるが、信頼度指標である動きの品質が低下する場合にのみ「Ｃｍｏｄｅｌ（ｔ）」が必要となる。そこで、第２の実施形態では、動きの品質が低下する時相のみで「Ｃｍｏｄｅｌ（ｔ）」を演算して、演算時間を低減する場合について説明する。

第２の実施形態に係る超音波診断装置は、図１に例示した第１の実施形態に係る超音波診断装置と同様の構成となる。また、第２の実施形態に係る追跡部１７３は、図４に例示した第１の実施形態に係る追跡部１７３と同様の構成となる。

ただし、第２の実施形態に係る追跡部１７３は、制御部１８の制御により、以下に説明する処理を行なう。すなわち、第２の実施形態に係る追跡部１７３は、信頼度指標（動き品質）の関心領域における平均値が所定の閾値以上の時相については、第１位置情報を関心領域の位置情報として出力する。また、第２の実施形態に係る追跡部１７３は、上記の平均値が所定の閾値より小さい時相については、第１位置情報と第２位置情報とを組み合わせた位置情報を関心領域の位置情報として出力する。

以下、第１画像データが「Ｉ（ｔ１）」であり、第２画像データが「Ｉ（ｔ２）」である場合で、第２の実施形態で行なわれる処理について説明する。第２の実施形態でも、第１の実施形態と同様に、取得部１７１及び設定部１７２の処理が行なわれる。そして、第１の実施形態で説明した処理により、第１推定部１７３ａは、「Ｉ（ｔ２）」の第１位置情報「Ｃｖｅｃｔｏｒ（ｔ）」を推定する。また、第１の実施形態で説明した処理により、定義部１７３ｂは、「Ｃｖｅｃｔｏｒ（ｔ）」を構成する各点「ｐ（ｔ２）」の動き品質「Ｑ＿ｐ（ｔ２）」を定義する。

そして、定義部１７３ｂは、各点「ｐ（ｔ２）」での動き品質「Ｑ＿ｐ（ｔ２）」を平均した「Ｑ（ｔ２）」を演算する。

制御部１８は、「Ｑ（ｔ２）」の値を定義部１７３ｂから取得し、品質閾値「Ｑｔｈ」と「Ｑ（ｔ２）」との比較を行なう。「Ｑｔｈ」は、例えば、内部記憶部１６に予め格納される。或いは、「Ｑｔｈ」は、例えば、操作者により設定される。

そして、「Ｑ（ｔ２）≧Ｑｔｈ」の場合、制御部１８は、第２推定部１７３ｃ及び組み合わせ部１７３ｄの処理を停止し、第１推定部１７３ａが推定した「Ｃｖｅｃｔｏｒ（ｔ２）」を「Ｃ（ｔ２）」とする。第１推定部１７３ａは、「Ｃｖｅｃｔｏｒ（ｔ２）」を「Ｃ（ｔ２）」として、運動情報演算部１７４に出力する。

一方、「Ｑ（ｔ２）＜Ｑｔｈ」の場合、制御部１８は、第２推定部１７３ｃ及び組み合わせ部１７３ｄの処理を開始させる。これにより、第２推定部１７３ｃは、「Ｃｍｏｄｅｌ（ｔ２）」を推定し、組み合わせ部１７３ｄは、「Ｃｖｅｃｔｏｒ（ｔ２）」及び「Ｃｍｏｄｅｌ（ｔ２）」から「Ｃｍｏｄｅｌ（ｔ２）’」を得る。そして、組み合わせ部１７３ｄは、「Ｃｖｅｃｔｏｒ（ｔ２）」と「Ｃｍｏｄｅｌ（ｔ２）’」とを、「Ｑ＿ｐ（ｔ２）」に基づいて、重み付け加算して、「Ｃ（ｔ２）」を取得し、運動情報演算部１７４に出力する。

なお、第２推定部１７３ｃ及び組み合わせ部１７３ｄの処理を平均値に基づいて行なうか否かを判定する点以外は、第１の実施形態で説明した内容は、第２の実施形態においても適用可能である。

次に、図１９を用いて、第２の実施形態に係る超音波診断装置の処理について説明する。図１９は、第２の実施形態に係る追跡部が行なう処理の一例を説明するためのフローチャートである。

すなわち、図１７に示すステップＳ１０４の処理は、第２の実施形態では、図１９に例示するフローチャートの処理となる。すなわち、第１推定部１７３ａは、画像データＩ（ｔｋ）の輪郭位置Ｃ（ｔｋ）を取得する（ステップＳ３０１）。最初の処理では、「ｔｋ＝ｔ１」となる。

そして、第１推定部１７３ａは、Ｉ（ｔｋ）からＩ（ｔｋ＋１）へのＳＴにより、｛Ｍｖ０｝を演算する（ステップＳ３０２）。そして、第１推定部１７３ａは、統計処理により、残存移動ベクトル群である｛Ｍｖ｝を取得し（ステップＳ３０３）、｛Ｍｖ｝を用いて各追跡点でＭｖ＿ｐ（ｔｋ）を算出して、Ｃｖｅｃｔｏｒ（ｔｋ＋１）を推定する（ステップＳ３０４）。

また、定義部１７３ｂは、ステップＳ３０４の処理が行なわれている間に、Ｃｖｅｃｔｏｒ（ｔｋ＋１）を構成する各追跡点ｐ（ｔｋ＋１）の動き品質Ｑ＿ｐ（ｔｋ＋１）を演算する（ステップＳ３０５）。そして、定義部１７３ｂは、各追跡点ｐ（ｔｋ＋１）の動き品質Ｑ＿ｐ（ｔｋ＋１）の平均値Ｑ（ｔｋ＋１）を演算する（ステップＳ３０６）。

そして、制御部１８は、Ｑ（ｔｋ＋１）がＱｔｈより小さいか否かを判定する（ステップＳ３０７）。ここで、Ｑ（ｔｋ＋１）がＱｔｈ以上である場合（ステップＳ３０７否定）、追跡部１７３は、Ｃｖｅｃｔｏｒ（ｔｋ＋１）を画像データＩ（ｔｋ＋１）の輪郭位置Ｃ（ｔｋ＋１）として取得する（ステップＳ３０８）。

一方、Ｑ（ｔｋ＋１）がＱｔｈより小さい場合（ステップＳ３０７肯定）、第２推定部１７３ｃは、Ｉ（ｔｋ＋１）のＣｍｏｄｅｌ（ｔｋ＋１）を推定する（ステップＳ３０９）。

そして、組み合わせ部１７３ｄは、Ｃｖｅｃｔｏｒ（ｔｋ＋１）を用いて、Ｃｍｏｄｅｌ（ｔｋ＋１）をＣｍｏｄｅｌ（ｔｋ＋１）’に変換する（ステップＳ３１０）。そして、組み合わせ部１７３ｄは、各追跡点ｐ（ｔｋ＋１）の動き品質Ｑ＿ｐ（ｔｋ＋１）に基づいて、Ｃｖｅｃｔｏｒ（ｔｋ＋１）とＣｍｏｄｅｌ（ｔｋ＋１）’とを組み合わせて、Ｉ（ｔｋ＋１）の輪郭位置Ｃ（ｔｋ＋１）を取得する（ステップＳ３１１）。

そして、ステップＳ３０８又はステップＳ３１１の処理の後、組み合わせ部１７３ｄは、「ｋ＋１＝ｎ」であるか否かを判定する（ステップＳ３１２）。ここで、「ｋ＋１＜ｎ」である場合（ステップＳ３１２否定）、組み合わせ部１７３ｄは、輪郭追跡を行なっていない時相があると判定し、「ｋ＝ｋ＋１」として設定し（ステップＳ３１３）、そして、Ｃ（ｔｋ＋１）をＣ（ｔｋ）として、追跡部１７３は、ステップＳ３０２以降の処理を繰り返す。

一方、「ｋ＋１＝ｎ」である場合（ステップＳ３１２肯定）、組み合わせ部１７３ｄは、全ての時相で輪郭追跡が終了したことを、運動情報演算部１７４に通知して、ステップＳ１０５の処理を開始させる。

上述したように、第２の実施形態では、動き情報の品質（信頼度）が高い場合には、第２推定部１７３ｃ及び組み合わせ部１７３ｄの処理を省略するので、関心領域の追跡結果を正確、かつ、効率的に得ることができる。

なお、第２の実施形態は、以下に説明する変形例により行なわれる場合であっても良い。図２０は、第２の実施形態に係る変形例を説明するための図である。「Ｑ（ｔ）≧Ｑｔｈ」の場合、全ての「Ｑ＿ｐ（ｔ）」が「Ｑｔｈ」以上である第１の場合と、局所的に「Ｑ＿ｐ（ｔ）」が「Ｑｔｈ」より小さい第２の場合とに大別できる。そこで、第１の場合には、追跡部１７３は、Ｃｖｅｃｔｏｒ（ｔ）を画像データＩ（ｔ）の輪郭位置Ｃ（ｔ）とする。

一方、第２の場合、すなわち、「Ｑ（ｔ）≧Ｑｔｈ」であるが局所的に「Ｑ＿ｐ（ｔ）＜Ｑｔｈ」となる点（図２０の左図の点線の丸内を参照）が存在する場合には、制御部１８の指示により、第２推定部１７３ｃは、図１３Ｃを用いて説明した第３処理を行なう。すなわち、第２推定部１７３ｃは、図２０の右図に示すように、点線の丸内の輪郭を、動き品質の高い周囲の点を用いた最小２乗フィッティング処理により補間することで、「Ｉ（ｔ）」の「Ｃｆｉｔ（ｔ）」を推定する。そして、第２推定部１７３ｃは、「Ｃｆｉｔ（ｔ）」を「Ｃｍｏｄｅｌ（ｔ）」として、組み合わせ部１７３ｄに出力する。

第３処理は、第１処理や第２処理と比較して、演算量が少ない処理である。このため、上記の変形例を行なうことで、全体的には信頼性が高いが、局所的に信頼性が低くなっているＣｖｅｃｔｏｒ（ｔ）を「Ｃ（ｔ）」とすることを回避し、迅速に信頼性が高い「Ｃ（ｔ）」を得ることができる。

なお、上記の第１及び第２の実施形態では、初期輪郭の設定が、操作者により用手的に行なわれる場合について説明したが、初期輪郭の設定は、上述した動き情報以外の情報により輪郭位置を推定する方法により行なわれる場合であっても良い。換言すると、第１及び第２の実施形態では、設定部１７２は、第２推定部１７３ｃが実行する種々の処理により、初期輪郭を設定しても良い。かかる構成では、関心領域の正確な追跡を、更に、自動化することができ、操作者は、より簡便に組織の運動解析を行なうことが可能となる。なお、初期輪郭を自動設定する場合には、操作者により、初期輪郭位置の修正手続きを受け付け可能な構成とすることが好適である。

また、初期輪郭を自動設定する場合には、第１及び第２の実施形態で説明した画像処理方法を、動画像データの収集とともに略リアルタイムで実行することが可能となる。すなわち、第１及び第２の実施形態に係る超音波診断装置は、動画像データを収集しながら、逐次、第１及び第２の実施形態で説明した画像処理方法を行なうことで、信頼性が安定した組織運動方法を、略リアルタイムで提供することができる。

また、上記の第１及び第２の実施形態では、１つの断面における２次元動画像データに対する追跡処理を行なう場合について説明した。しかし、上記の第１及び第２の実施形態で説明した画像処理方法は、複数の断面における複数の２次元動画像データに対する追跡処理を行なう場合であっても適用可能である。また、上述したように、上記の第１及び第２の実施形態で説明した画像処理方法は、３次元動画像データに対する追跡処理を行なう場合であっても適用可能である。

また、上記の画像処理方法が適用される臓器は、心臓に限らず、心周期に同期して拡張と収縮を繰り返す頸動脈等の動脈血管であっても良い。更には、上記の画像処理方法は、strainや変位といった動き指標を解析することで組織の硬さや動態を把握する用途のために、「肝臓や甲状腺のような軟部組織」や「筋肉」等の運動する組織へ適用しても良い。

また、上記の画像処理方法は、Ｘ線診断装置や、Ｘ線ＣＴ装置、ＭＲＩ装置等、テンプレートマッチング処理により関心領域の追跡が可能な医用画像データの２次元又は３次元の動画像データに対して適用される場合であっても良い。すなわち、上記の第１及び第２の実施形態で説明した画像処理方法は、超音波診断装置以外の医用画像診断装置で行なわれる場合であっても良い。また、上記の画像処理方法は、医用画像診断装置とは独立に設置された画像処理装置により実行される場合であっても良い。

また、上記の実施形態及び変形例において、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部又は一部を、各種の負荷や使用状況等に応じて、任意の単位で機能的又は物理的に分散・統合して構成することができる。更に、各装置にて行なわれる各処理機能は、その全部又は任意の一部が、ＣＰＵ及び当該ＣＰＵにて解析実行されるプログラムにて実現され、或いは、ワイヤードロジックによるハードウェアとして実現され得る。

また、上記の実施形態及び変形例で説明した画像処理方法は、あらかじめ用意された画像処理プログラムをパーソナルコンピュータやワークステーション等のコンピュータで実行することによって実現することができる。この画像処理プログラムは、インターネット等のネットワークを介して配布することができる。また、この画像処理プログラムは、ハードディスク、フレキシブルディスク（ＦＤ）、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ等のコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行することもできる。

以上、説明したとおり、第１及び第２の実施系形態、並びに、変形例によれば、関心領域の追跡結果を正確に得ることができる。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

１７ 画像処理部
１７１ 取得部
１７２ 設定部
１７３ 追跡部
１７３ａ 第１推定部
１７３ｂ 定義部
１７３ｃ 第２推定部
１７３ｄ 組み合わせ部
１７４ 運動情報演算部

Claims (14)

1. 運動する組織を含む領域を撮影対象として収集された２次元又は３次元の超音波画像データの動画像データの中で、少なくとも１つの時相の超音波画像データにて２次元又は３次元の関心領域を設定する設定部と、
   前記動画像データが収集された区間のうち前記少なくとも１つの時相以外の残余時相の各超音波画像データで、動き情報に基づいて前記関心領域として推定した領域の第１位置情報と、前記動き情報以外の情報に基づいて前記関心領域として推定した領域の第２位置情報とを取得する推定部と、
   前記動き情報の信頼度に関わる信頼度指標に基づいて前記第１位置情報と前記第２位置情報とを合成した位置情報を前記関心領域の位置情報として取得して、前記関心領域を追跡する追跡部と、
   を備えたことを特徴とする超音波診断装置。
2. 前記動画像データは、前記運動する組織である周期的に運動する組織を撮影対象として収集された少なくとも１周期以上の区間に渡る２次元又は３次元の超音波画像データである、請求項１に記載の超音波診断装置。
3. 前記推定部は、
   第１時相の超音波画像データである第１画像データと、前記第１時相と時間的に隣接する第２時相の超音波画像データである第２画像データとの間で前記動き情報を推定し、推定した動き情報に基づいて前記第１画像データの関心領域を移動して、前記第２画像データの前記第１位置情報を推定する第１推定部と、
   前記第２画像データの前記第２位置情報を推定する第２推定部と、
   を有し、
   前記追跡部は、
   前記第１推定部の処理で得られる少なくとも１つの変量に基づいて、前記信頼度指標を定義する定義部と、
   前記信頼度指標に基づいて前記第１位置情報と前記第２位置情報とを組み合わせた位置情報を、前記第２画像データにおける関心領域の位置情報として取得する組み合わせ部と、
   を有する、請求項１又は２に記載の超音波診断装置。
4. 前記第１推定部は、前記関心領域を含む領域内の複数の点それぞれの移動ベクトルを演算し、得られた移動ベクトル群から統計的に異常な移動ベクトルを除去した残存移動ベクトル群を用いて、前記関心領域を構成する各追跡点の移動ベクトルを推定することで、前記第１位置情報を推定し、
   前記定義部は、複数の追跡点それぞれの近傍領域において前記残存移動ベクトル群として採用された移動ベクトルの密度、及び、前記複数の追跡点それぞれの近傍領域内での移動ベクトルの分散値の少なくとも１つを、前記少なくとも１つの変量として用いる、請求項３に記載の超音波診断装置。
5. 前記第１推定部は、前記第１画像データと前記第２画像データとの間で、前記関心領域を構成する各追跡点の前記第１時相から前記第２時相へ向かう順方向移動ベクトルと、前記関心領域を構成する各追跡点の前記第２時相から前記第１時相へ向かう逆方向移動ベクトルとを推定し、
   前記定義部は、前記関心領域を構成する各追跡点における順方向移動ベクトルと逆方向移動ベクトルとの一致度を、前記少なくとも１つの変量として用いる、請求項３に記載の超音波診断装置。
6. 前記第１推定部は、テンプレートマッチング処理により、前記関心領域を含む領域内の複数の点それぞれの移動ベクトルを演算し、
   前記定義部は、前記テンプレートマッチング処理におけるテンプレート間の類似度、前記テンプレートマッチング処理における基準テンプレートの信号分散値、前記基準テンプレートの平均信号値の少なくとも１つを、前記少なくとも１つの変量として用いる、請求項３に記載の超音波診断装置。
7. 前記第２推定部は、前記第２画像データと同時相の形状辞書情報とを照合する第１処理で得られる位置情報、形状エネルギー最小化原理に基づく第２処理で得られる位置情報、及び、最小２乗法に基づくフィッティングを含む第３処理で得られる位置情報の少なくとも１つの位置情報を用いて、前記第２位置情報を推定する、請求項３〜６のいずれか１つに記載の超音波診断装置。
8. 前記組み合わせ部は、前記信頼度指標が高い場合に前記第１位置情報の重みが高くなるよう、前記第１位置情報と第２位置情報とを重み付け加算する、請求項３〜７のいずれか１つに記載の超音波診断装置。
9. 前記信頼度指標の前記関心領域における平均値が所定の閾値以上の時相については、前記第１位置情報を前記関心領域の位置情報として前記追跡部に出力させ、当該平均値が前記所定の閾値より小さい時相については、前記第１位置情報と前記第２位置情報とを組み合わせた位置情報を前記関心領域の位置情報として前記追跡部に出力させる制御部、
   を更に備える、請求項１〜８のいずれか１つに記載の超音波診断装置。
10. 前記第２推定部は、前記形状辞書情報を有している特定時相では、前記第１処理で得られる位置情報を前記第２位置情報とし、前記特定時相以外の時相では、前記第２処理で得られる位置情報、又は、前記第２処理で得られる位置情報及び前記第３処理で得られる位置情報を組み合わせた位置情報を前記第２位置情報とする、請求項７〜９のいずれか１つに記載の超音波診断装置。
11. 前記第２推定部は、前記信頼度指標が低下する部位に対して前記第２位置情報を推定する、請求項３〜１０のいずれか１つに記載の超音波診断装置。
12. 前記動画像データそれぞれの関心領域の位置情報を用いて前記組織の運動情報を演算する運動情報演算部と、
    前記運動情報を表示部に表示させる制御部と、
    を更に備える、請求項１〜１１のいずれか１つに記載の超音波診断装置。
13. 運動する組織を含む領域を撮影対象として収集された２次元又は３次元の超音波画像データの動画像データの中で、少なくとも１つの時相の超音波画像データにて２次元又は３次元の関心領域を設定する設定部と、
    前記動画像データが収集された区間のうち前記少なくとも１つの時相以外の残余時相の各超音波画像データで、動き情報に基づいて前記関心領域として推定した領域の第１位置情報と、前記動き情報以外の情報に基づいて前記関心領域として推定した領域の第２位置情報とを取得する推定部と、
    前記動き情報の信頼度に関わる信頼度指標に基づいて前記第１位置情報と前記第２位置情報とを合成した位置情報を前記関心領域の位置情報として取得して、前記関心領域を追跡する追跡部と、
    を備える、画像処理装置。
14. 設定部が、運動する組織を含む領域を撮影対象として収集された２次元又は３次元の超音波画像データの動画像データの中で、少なくとも１つの時相の超音波画像データにて２次元又は３次元の関心領域を設定し、
    推定部が、前記動画像データが収集された区間のうち前記少なくとも１つの時相以外の残余時相の各超音波画像データで、動き情報に基づいて前記関心領域として推定した領域の第１位置情報と、前記動き情報以外の情報に基づいて前記関心領域として推定した領域の第２位置情報とを取得し、
    追跡部が、前記動き情報の信頼度に関わる信頼度指標に基づいて前記第１位置情報と前記第２位置情報とを合成した位置情報を前記関心領域の位置情報として取得して、前記関心領域を追跡する、
    ことを含む、画像処理方法。

Images