JP2015104463A - 超音波診断装置 - Google Patents

Abstract

【課題】超音波画像内に現れるかぶり又は固定アーチファクトなどの画像部分を、多重解像度分解を利用して低減する。
【解決手段】画像処理部２０は、受信信号に基づいて得られる超音波画像に対する解像度の変換処理により、互いに解像度の異なる複数の解像度画像を形成し、複数の解像度画像に基づいて、画像内の各部分において低減の度合いを決定し、画像内の各部分において低減の度合いに応じて低減処理を施した超音波画像を形成する。
【選択図】図１

Description

本発明は、超音波診断装置に関し、特に、超音波画像の画像処理に関する。

超音波を送受することにより得られる超音波画像内において、特に超音波探触子（プローブ）の近傍には、かぶり（又は固定アーチファクト）などと称されるノイズが出現する場合がある。このかぶりは、例えば、多重反射やサイドローブなどに起因して生じると考えられ、超音波画像の画質を劣化させる要因となる。そのため、従来から、超音波画像内のかぶりを除去する技術が提案されている。

例えば、特許文献１には、時系列的な超音波の受信信号を用いて特定の周波数成分を減衰するフィルタにより、比較的動きの遅い固定的なエコー（例えばかぶりなど）を抑制する超音波診断装置が記載されている。

また、特許文献２には、画像に対する多重解像度分解により超音波画像の画質を改善する方法が記載されている。

特許第３６８３９４３号公報 特許第４７８９８５４号公報

しかし、特許文献１において、特定の周波数成分として、例えば比較的低い周波数成分を減衰させると、固定的なエコーが抑制されるものの、比較的動きの遅い組織、例えば拡張末期の心筋など、診断に重要な部位の情報まで抑制されてしまう可能性がある。一方、特許文献２に記載された多重解像度分解の技術は、超音波画像への様々な応用が期待されている。

上述した背景事情に鑑み、本願の発明者は、超音波画像内に現れるかぶり又は固定アーチファクトなどと称される画像部分を低減する技術について研究開発を重ねてきた。特に多重解像度分解を応用した画像処理に注目した。

本発明は、その研究開発の過程において成されたものであり、その目的は、超音波画像内に現れるかぶり又は固定アーチファクトなどの画像部分を、多重解像度分解を利用して低減することにある。

上記目的にかなう好適な超音波診断装置は、超音波を送受するプローブと、プローブを制御することによりプローブから受信信号を得る送受信部と、受信信号に基づいて得られる超音波画像に対する解像度の変換処理により、互いに解像度の異なる複数の解像度画像を形成する解像度処理部と、複数の解像度画像に基づいて、画像内の各部分において低減の度合いを決定する低減処理部と、画像内の各部分において低減の度合いに応じて低減処理を施した超音波画像を形成する画像形成部と、を有することを特徴とする。

望ましい具体例において、前記低減処理部は、前記複数の解像度画像についての差分画像に基づいて画像内の各部分ごとに構造の度合いを推定し、当該推定の結果に基づいて画像内の各部分ごとに低減の度合いを決定する、ことを特徴とする。

望ましい具体例において、前記低減処理部は、前記複数の解像度画像のうちの少なくとも１つから複数時相に亘って得られる画像に基づいて画像内の各部分ごとに運動の度合いを推定し、当該推定の結果に基づいて画像内の各部分ごとに低減の度合いを決定することを特徴とする。

望ましい具体例において、前記低減処理部は、画像内の各部分ごとに構造の度合いと運動の度合いを推定し、組織の度合いと運動の度合いに基づいて、画像内の各部分ごとに低減の度合いを定めた減算成分を決定し、前記画像形成部は、前記減算成分が減算された超音波画像を形成する、ことを特徴とする。

望ましい具体例において、前記低減処理部は、超音波画像内の最低輝度値に基づいて決定される最適輝度値を各画素の輝度値から減算することにより減算候補成分を生成し、構造の度合いと運動の度合いに応じて決定される減算重みと減算候補成分とに基づいて前記減算成分を決定する、ことを特徴とする。

望ましい具体例において、前記解像度処理部は、前記複数の解像度画像として、少なくとも１つの高解像度画像と複数の低解像度画像を形成し、前記低減処理部は、複数の低解像度画像に基づいて、画像内の各部分において低減の度合いを決定し、低減の度合いに応じて低減処理を施した低解像度の画像成分を形成し、前記画像形成部は、前記高解像度画像から得られる高解像度の画像成分と前記低解像度の画像成分を合成して超音波画像を形成する、ことを特徴とする。

本発明により、超音波画像内に現れるかぶり又は固定アーチファクトなどと称される画像部分が低減され、望ましくは、当該画像部分が完全に除去される。

本発明の実施において好適な超音波診断装置の全体構成を示す図である。 かぶりを含む画像の具体例を示す図である。 運動推定を説明するための図である。 運動推定を説明するための図である。 多重解像度分解の具体例（心筋部分）を示す図である。 構造推定を説明するための図である。 心筋部分に関する差分画像の具体例を示す図である。 多重解像度分解の具体例を示す図である。 かぶり部分に関する差分画像の具体例を示す図である。 減算候補成分の具体例を示す図である。 推定結果に基づいた重みの算出例を示す図である。 減算重みの算出例を示す図である。 減算成分の算出例を示す図である。 かぶり除去の具体例を示す図である。 画像処理部の内部構成を示す図である。 多重解像度分解部の内部構成を示す図である。 ダウンダンプリング部の内部構成を示す図である。 高周波成分算出部の内部構成を示す図である。 アップサンプリング部の内部構成を示す図である。 構造算出部の内部構成を示す図である。 ゼロクロス除去部における処理の具体例を示す図である。 データ更新部の内部構成を示す図である。 データ更新部における処理の具体例を示す図である。 背景減算部の内部構成を示す図である。 重み計算部の内部構成を示す図である。 最適輝度値推定部の内部構成を示す図である。 減算成分算出部の内部構成を示す図である。 条件付き乗算部における処理の具体例を示す図である。 画像再構成部の内部構成を示す図である。 画像処理部の変形例を示す図である。 データ更新部の内部構成を示す図である。 背景減算部の内部構成を示す図である。 重み計算部の内部構成を示す図である。 画像処理部の他の変形例を示す図である。

図１は、本発明の実施において好適な超音波診断装置の全体構成を示す図である。プローブ１０は、例えば心臓などの診断対象を含む領域に対して超音波を送受する超音波探触子である。プローブ１０は、各々が超音波を送受する複数の振動素子を備えており、複数の振動素子が送受信部１２により送信制御されて送信ビームが形成される。また、複数の振動素子が診断対象を含む領域内から超音波を受波し、これにより得られた信号が送受信部１２へ出力され、送受信部１２が受信ビームを形成して受信ビームに沿ってエコーデータが収集される。プローブ１０は、超音波ビーム（送信ビームと受信ビーム）を二次元平面内において走査する。もちろん、超音波ビームを三次元空間内において立体的に走査する三次元プローブが利用されてもよい。

診断対象を含む領域内で超音波ビームが走査され、送受信部１２により超音波ビームに沿ったエコーデータ、つまりラインデータが収集されると、画像処理部２０は、収集されたラインデータに基づいて超音波の画像データを形成する。画像処理部２０は、例えばＢモード画像の画像データを形成する。

超音波画像（画像データ）を形成するにあたり、画像処理部２０は、超音波画像内に現れる固定的なノイズを抑制する。特に、かぶり（又は、固定アーチファクト）などと称されるノイズが低減される。かぶりなどのノイズを低減するために、画像処理部２０は、多重解像度分解、運動推定、構造推定、かぶり除去、画像再構成の各機能を備えている。そして、画像処理部２０において、例えば、複数フレームに亘って診断対象である心臓を映し出した複数の画像データが形成されて表示処理部３０に出力される。

表示処理部３０は、画像処理部２０から得られる画像データに対して、例えば、超音波の走査座標系から画像の表示座標系へ変換する座標変換処理等を施し、さらに、必要に応じてグラフィック画像等を加えて、超音波画像を含んだ表示画像を形成する。表示処理部３０において形成された表示画像は表示部４０に表示される。

図１に示す構成（各機能ブロック）のうち、送受信部１２と画像処理部２０と表示処理部３０は、それぞれ、例えばプロセッサや電子回路等のハードウェアを利用して実現することができ、その実現において必要に応じてメモリ等のデバイスが利用されてもよい。表示部４０の好適な具体例は例えば液晶ディスプレイ等である。

また、図１に示すプローブ１０以外の構成は、例えばコンピュータにより実現することもできる。つまり、コンピュータが備えるＣＰＵやメモリやハードディスク等のハードウェアと、ＣＰＵ等の動作を規定するソフトウェア（プログラム）との協働により、図１のプローブ１０以外の構成（例えば画像処理部２０のみでもよい）が実現されてもよい。

図１の超音波診断装置の全体構成は以上のとおりである。次に、図１の超音波診断装置（本超音波診断装置）により実現される機能等について詳述する。なお、図１に示した構成（部分）については以下の説明において図１の符号を利用する。まず、図２から図１４を利用して、本超音波診断装置（特に画像処理部２０）において実行される処理の原理について説明する。

図２は、かぶりを含む画像の具体例を示す図である。（Ａ）には、かぶりを含む心筋の超音波画像（例えばＢモード画像）の具体例が図示されている。なお、（Ａ）の画像内における心筋部分とかぶり部分が、それぞれ、（Ａ１）と（Ａ２）に図示されている。本超音波診断装置は、例えば（Ａ）のようなかぶりを含む超音波画像内において、（Ａ２）に示すかぶり部分を特定し、特定したかぶり部分の影響を低減することにより、望ましくはかぶり部分を除去することにより、例えば（Ａ１）に示す心筋部分を鮮明に映し出した超音波画像を形成する。本超音波診断装置の画像処理部２０は、運動推定と構造推定により超音波画像内においてかぶり部分を特定する。

図３，図４は、運動推定を説明するための図である。図３，図４には、複数の時相（Ｔ−２，Ｔ−1，Ｔ）に亘って得られる超音波画像の具体例が図示されている。なお、図３には、超音波画像内における心筋部分のみが図示されており、図４には、超音波画像内におけるかぶり部分のみが図示されている。

図３に示す心筋部分は、心臓の拡張収縮運動に伴って動いている。従って、超音波画像内の心筋部分における画素の輝度値は、複数フレーム（時相Ｔ−２，Ｔ−1，Ｔ）に亘って比較的大きく変化する。一方、図４に示すかぶり部分は固定的であり、従って、超音波画像内のかぶり部分における画素の輝度値は、複数フレーム（時相Ｔ−２，Ｔ−1，Ｔ）に亘って、差がほとんどない。

そこで、画像処理部２０は、例えば、各画素（座標を（ｉ，ｊ）とする）ごとに、複数フレーム（時相）に亘って、輝度値の標準偏差を算出し、標準偏差を運動の度合いを評価するための指標（運動量）とする。これにより、運動の度合いの強弱（運動量の大小）に応じて、心筋部分とかぶり部分を識別することが可能になる。

但し、心筋部分において、例えば心臓壁の中などでは、比較的運動の度合いの小さい部分が存在する。そのため、例えば、運動の度合い（運動量）のみを評価した場合には、図３に示すように、例えば心筋部分の内部が心筋部分として特定できない可能性がある。

そこで、本超音波診断装置の画像処理部２０は、さらに、多重解像度分解を利用して構造推定を行い、超音波画像内において心筋部分とかぶり部分を識別する。

図５は、多重解像度分解の具体例を示す図であり、図５には、超音波画像内における心筋部分のみが図示されている。図５には、超音波画像Ｇ_ｎと、超音波画像Ｇ_ｎから１回のダウンサンプリング処理により得られる低解像度画像Ｇ_ｎ＋１と、低解像度画像Ｇ_ｎ＋１から１回のダウンサンプリング処理により得られる低解像度画像Ｇ_ｎ＋２が図示されている。なお、超音波画像Ｇ_ｎは、解像度変換前の基本となる超音波画像であってもよいし、基本となる超音波画像をダウンサンプリング処理して得られた低解像度画像であってもよい。

さらに、低解像度画像Ｇ_ｎ＋２から２回のアップサンプリング処理により得られる低解像度画像Ｅｘ（Ｅｘ（Ｇ_ｎ＋２））も図示されている。低解像度画像Ｅｘ（Ｅｘ（Ｇ_ｎ＋２））は、低解像度画像Ｇ_ｎ＋２と同じ解像度であり、超音波画像Ｇ_ｎと同じ画像サイズである。

画像処理部２０は、互いに異なる解像度に対応した複数の解像度画像に基づいて、例えば、図５に示す超音波画像Ｇ_ｎと低解像度画像Ｅｘ（Ｅｘ（Ｇ_ｎ＋２））を比較することにより、構造の度合いを評価して構造推定を行う。

図６は、構造推定を説明するための図である。画像処理部２０は、超音波画像Ｇ_ｎと低解像度画像Ｅｘ（Ｅｘ（Ｇ_ｎ＋２））の２つの画像の差分画像を形成する。つまり、２つの画像間において互いに対応する画素（互いに同じ座標の画素）の輝度値の差を、その画素の画素値（差分の輝度値）としたものが差分画像である。

超音波画像内の心筋部分には、心筋組織（構造物）の性状、例えば組織表面または組織内における微小な凹凸が反映されている。そのため、例えば、心筋表面や心筋内の画素を注目画素とすると、比較的解像度の高い超音波画像Ｇ_ｎにおいて、注目画素とその周囲画素との間には比較的大きな輝度差が現れる。

これに対し、低解像度画像Ｅｘ（Ｅｘ（Ｇ_ｎ＋２））は、低解像度化（ダウンサンプリング処理）により、超音波画像Ｇ_ｎに比べて鈍った（ボケた）画像であるため、超音波画像Ｇ_ｎと比較して、注目画素とその周囲画素との間における輝度差が小さくなる。

したがって、超音波画像Ｇ_ｎにおける注目画素と周囲画素の輝度差が大きければ大きいほど、低解像度画像Ｅｘ（Ｅｘ（Ｇ_ｎ＋２））における注目画素が超音波画像Ｇ_ｎから大きく変更され、差分画像における画素値（輝度差）が大きくなる。

そこで、画像処理部２０は、差分画像の画素値（輝度差）が大きいほど、構造（組織）の度合いが強いと判断する。

図７は、心筋部分に関する差分画像の具体例を示す図であり、図７には、心筋部分における超音波画像Ｇ_ｎと低解像度画像Ｅｘ（Ｅｘ（Ｇ_ｎ＋２））と、これら２つの画像の差分画像の具体例が図示されている。

図８は、多重解像度分解の具体例を示す図であり、図８には、超音波画像内におけるかぶり部分のみが図示されている。図８には、超音波画像Ｇ_ｎと、超音波画像Ｇ_ｎから１回のダウンサンプリング処理により得られる低解像度画像Ｇ_ｎ＋１と、低解像度画像Ｇ_ｎ＋１から１回のダウンサンプリング処理により得られる低解像度画像Ｇ_ｎ＋２が図示されている。なお、超音波画像Ｇ_ｎは、解像度変換前の基本となる超音波画像であってもよいし、基本となる超音波画像をダウンサンプリング処理して得られた低解像度画像であってもよい。

さらに、低解像度画像Ｇ_ｎ＋２から２回のアップサンプリング処理により得られる低解像度画像Ｅｘ（Ｅｘ（Ｇ_ｎ＋２））も図示されている。低解像度画像Ｅｘ（Ｅｘ（Ｇ_ｎ＋２））は、低解像度画像Ｇ_ｎ＋２と同じ解像度であり、超音波画像Ｇ_ｎと同じ画像サイズである。

図９は、かぶり部分に関する差分画像の具体例を示す図であり、図９には、かぶり部分における超音波画像Ｇ_ｎと低解像度画像Ｅｘ（Ｅｘ（Ｇ_ｎ＋２））と、これら２つの画像の差分画像が図示されている。

超音波画像内のかぶり部分は、心筋部分（図７）とは異なり、組織の微小な凹凸が反映されていない。そのため、かぶり部分について、比較的解像度の高い超音波画像Ｇ_ｎと低解像度画像Ｅｘ（Ｅｘ（Ｇ_ｎ＋２））を比較しても大きな相違は現れず、心筋部分（図７）の場合に比べて、差分画像における画素値（輝度差）が小さくなる。そこで、画像処理部２０は、差分画像の画素値（輝度差）が小さいほど、構造（組織）の度合いが弱いと判断する。

画像処理部２０は、上述した構造推定と運動推定に基づいて、以下に詳述するように、かぶりを減算（除去）するための減算成分を生成する。

図１０は、減算候補成分の具体例を示す図である。画像処理部２０は、減算成分を生成するにあたって、画像情報の過剰な低減（削りすぎ）を避けるために、減算してもよい範囲である減算候補成分を生成する。

例えば、図１０に示すように、心筋部分とかぶり部分を含む原画像の全画素について、各画素の輝度値から、全画素のうちの最低となる輝度値（最低輝度）に基づいて決定される最適な輝度値（最適輝度）を減算することにより、減算候補成分が生成される。

次に、画像処理部２０は、構造の推定結果と運動の推定結果から、減算における重みを算出する。

図１１は、推定結果に基づいた重みの算出例を示す図である。画像処理部２０は、構造の推定により得られた結果に基づいて構造の重みを算出する。例えば、差分画像（図７，図９）の各画素の輝度値を二乗して、各画素の構造の重みを算出する。また、画像処理部２０は、運動の推定により得られた結果に基づいて運動の重みを算出する。例えば、運動の推定により得られた各画素の運動量（図３，図４）から、各画素の運動の重みを算出する。そして、画像処理部２０は構造の重みと運動の重みに基づいて減算重みを算出する。

図１２は、減算重みの算出例を示す図である。画像処理部２０は、例えば、構造の重みと運動の重みを乗算することにより、つまり、各画素ごとに構造の重みと運動の重みを乗算することにより減算重みを算出する。

図１３は、減算成分の算出例を示す図である。画像処理部２０は、例えば、減算候補成分（図１０）と減算重み（図１２）を乗算することにより、つまり、各画素ごとに減算候補成分と減算重みを乗算することにより減算成分を算出する。

図１４は、かぶり除去の具体例を示す図である。画像処理部２０は、心筋部分とかぶり部分を含む原画像（図１０）から減算成分（図１３）を減算することにより、つまり、各画素ごとに原画像の画素値から減算成分を減算することにより、かぶりが低減された、望ましくは、かぶりが除去された超音波画像を形成する。

以上に説明した処理により、心筋部分とかぶり部分を含む原画像から、心筋部分をできるかぎり維持しつつ、望ましくは心筋部分が完全に維持されるように、構造の度合いが小さく且つ運動の度合いも小さいかぶり部分が低減または除去される。次に、上述した処理を実現する画像処理部２０の具体的な構成例について説明する。

図１５は、画像処理部２０の内部構成を示す図である。画像処理部２０は、多重解像度分解部３１、高周波成分算出部４１、構造算出部５１、データ更新部６１、背景減算部７１、画像再構成部１１１を備えている。画像処理部２０が送受信部１２から得たラインデータ、つまり診断画像（例えば図１０の原画像）の画像データＧ_０は、まず、多重解像度分解部３１において処理される。

多重解像度分解部３１は、入力された診断画像のガウシアンピラミッドを作成する。なお、入力された診断画像をＧ_０とし、多重解像度分解部３１で生成される各階層のデータをＧ_ｎ成分（ｎは０以上の整数）とする。

図１６は、多重解像度分解部３１（図１５）の内部構成を示す図である。多重解像度分解部３１は図示する構成を備えており、入力されたＧ_ｎ成分がダウンサンプリング部３１０１−１、３１０１−２、３１０１−３、３１０１−４へ入力され、後述するような手法でダウンサンプリング処理を受ける。

図１７は、ダウンダンプリング部３１０１（図１６）の内部構成を示す図である。ダウンサンプリング部３１０１は図示する構成を有しており、ローパスフィルタ（ＬＰＦ）部１２−１はＧ_ｎ成分に２次元低域通過フィルタ（ＬＰＦ）を施し、デシメーション部３１０１１は、ＬＰＦ部１２−１から出力されたデータを間引いてデシメーション処理を施し、サンプル密度と解像度が減少したＧ_ｎ＋１成分が生成される。

こうして、図１６の多重解像度分解部３１において生成されたＧ_ｎ成分は、Ｇ_０成分とはサンプル密度と解像度が異なる多重解像度表現となっている。例えば、原画像である診断画像Ｇ_０と、Ｇ_０からダウンダンプリングにより得られるＧ_１，Ｇ_２，Ｇ_３，Ｇ_４成分の周波数帯域の具体例は、図１６に示すようになる。図１６に示す具体例において、Ｇ_０の周波数帯域は０〜ｆであれば、Ｇ_１の周波数帯域が０〜ｆ／２となり、Ｇ_２の周波数帯域が０〜ｆ／４となり、Ｇ_３の周波数帯域が０〜ｆ／８となり、Ｇ_４の周波数帯域が０〜ｆ／１６となる。なお、変形例として、Ｇ_０の周波数帯域が０〜ｆの場合に、Ｇ_１の周波数帯域が０〜４ｆ／５となり、Ｇ_２の周波数帯域が０〜３ｆ／５となり、Ｇ_３の周波数帯域が０〜２ｆ／５となり、Ｇ_４の周波数帯域が０〜ｆ／５となるようなダウンダンプリングが行われてもよい。

なお、図１６に示した具体例においては、多重解像度表現の最高階層を４（ｎ＝４）としているが、この具体例はあくまで一例であり、階層０から階層ｎ（ｎ≧１）の範囲で多重解像度分解が行われれば良い。

また、上記具体例では、ダウンサンプリング部３１０１（図１７）において２次元低域通過フィルタを施してから、デシメーション処理を施しているが、これに限定する必要はなく、１次元低域通過フィルタをそれぞれの方向に施してからデシメーションをしても良いし、１次元低域通過フィルタを施しながらデシメーション処理を行っても良い。

なお、以降の説明に登場する低域通過フィルタ（ＬＰＦ）においても、２次元低域通過フィルタを施しても良いし、１次元低域通過フィルタ各方向に施しても良い。また、上記具体例では、多重解像度分解部の一例としてガウシアンピラミッド処理を行う構成を示しているが、離散ウェーブレット変換や、ガボール変換、周波数領域におけるバンドパスフィルタ等を用いて多重解像度分解する構成に変更しても良い。

図１５に戻り、多重解像度分解部３１において得られたＧ_ｎ成分は、高周波成分算出部４１、構造算出部５１、データ更新部６１、画像構成部１１１に入力される。この際、必要なデータだけそれぞれのブロックに入力しても良いし全てのデータを共有しても良い。また、それぞれのブロックに入力する際、なんらかのフィルタ処理等を施しても良い。高周波成分算出部４１は、画像再構成時に用いるラプラシアンピラミッドを生成する。

図１８は、高周波成分算出部４１（図１５）の内部構成を示す図である。高周波成分算出部４１は図示する構成を有しており、入力されたＧ_ｎ＋１成分がアップサンプリング部４１０１−１−１、４１０１−２−１へ入力され、後述するような手法でアップサンプリング処理を受ける。アップサンプリングされた成分はＧ_ｎ成分と共に減算器１３−１、１３−２へ入力されて差分処理を受け、高域周波数成分であるＬ_ｎ成分が算出される。

図１９は、アップサンプリング部４１０１（図１８）の内部構成を示す図である。アップサンプリング部４１０１は図示する構成を有しており、ゼロ挿入部４１０１１は、Ｇ_ｎ＋１成分に対して、データの一つ飛ばしの間隔でゼロを挿入するゼロ挿入処理を施し、ＬＰＦ部１２−２においてゼロ挿入されたＧ_ｎ＋１成分に低域通過フィルタ（ＬＰＦ）が施される。データ補間部４１０１２では、上述の処理を施された成分が、Ｇ_ｎ成分とサイズ（画像サイズ）が等しくなるように補間を受け、これによりアップサンプリングされたＥＸ（Ｇ_ｎ＋１）成分が得られる。

こうして、図１８の高周波成分算出部４１で作成された各階層のデータをＬ_ｎ成分（ｎ≧０）と呼ぶ。Ｌ_ｎ成分は、階層ごとに細かさの異なるエッジ情報を有している。

なお、図１８には各成分の周波数帯域の具体例が図示されている。原画像である診断画像Ｇ_０の周波数帯域が０〜ｆであり、Ｇ_１の周波数帯域が０〜ｆ／２であり、Ｇ_２の周波数帯域が０〜ｆ／４であれば（図１６参照）、Ｌ_０成分はＧ_０とＧ_１の差分に基づいて得られるため周波数帯域がｆ／２〜ｆとなり、Ｌ_１成分はＧ_１とＧ_２の差分に基づいて得られるため周波数帯域がｆ／４〜ｆ／２となる。

なお、上述した具体例では、高周波成分算出部４１にＧ_０成分からＧ_２成分を入力してＬ_０成分とＬ_１成分を得ているが、この具体例に限定する必要はなく、例えば、さらに多くの階層のＧ_ｎ成分を入力して、さらに多くのＬ_ｎ成分を得るようにしてもよい。

また、上述した具体例では、高周波成分算出の一例としてラプラシアンピラミッド処理を行う構成を示しているが、離散ウェーブレット変換や、ガボール変換、周波数領域におけるバンドパスフィルタ等を用いて高周波成分を算出する構成に変更しても良い。

図１５に戻り、高周波成分算出部４１において得られたＬ_０成分とＬ_１成分は画像構成部１１１に入力される。また、構造算出部５１は、構造強度の推定（構造の推定）に用いる構造推定値Ｓｔｒ^２を算出する。

図２０は、構造算出部５１（図１５）の内部構成を示す図である。構造算出部５１は図示する構成を有しており、入力されたＧ_ｎ＋２成分がアップサンプリング部４１０１−４へ入力されてアップサンプリング処理を受け、アップサンプリングされた成分がもう一度アップサンプリング部４１０１−３でアップサンプリング処理を受けたのち、Ｇ_ｎ成分と共に減算器１３−３へ入力される。減算器１３−３で求められた差分値はゼロクロス除去部５１０１に入力されて後述するようなゼロクロス除去処理を受けたのち、二乗値算出部５１０２へ入力されて構造推定値Ｓｔｒ^２が算出される。構造算出部５１において生成された構造推定値Ｓｔｒ^２は、構造の強度情報を有するデータとなっている。

なお、上述した具体例では、ｎ＝２として、構造算出部５１にＧ_２成分からＧ_４成分を入力して構造推定値Ｓｔｒ^２を得ているが、この具体例に限定する必要はなく、例えば、Ｇ_ｎ成分のうち、少なくとも１つ以上の成分が入力され、構造推定値Ｓｔｒ^２が算出されれば良い。

また、上述した具体例では、Ｇ_４成分を２回アップサンプリングした成分とＧ_２成分の差分を求めて構造推定値Ｓｔｒ^２を得ているが、この具体例に限定する必要はなく、連続した階層、もしくはさらに離れた階層を用いて差分を求めても良い。また、上述した具体例では、Ｇ_４成分を２回アップサンプリングした成分とＧ_２成分の差分を求めているが、さらに、別の成分、例えばＧ_３成分を２回アップサンプリングした成分とＧ_１成分の差分も求め、Ｇ_４成分とＧ_２成分から得られる差分とＧ_３成分とＧ_１成分から得られる差分の両者（両差分）それぞれから求まる構造推定値を加味して、最終的な構造推定値Ｓｔｒ^２を算出しても良い。

図２１はゼロクロス除去部５１０１（図２０）における処理の具体例を示す図である。Ｓ１０１において、減算器１３−３から差分データを取得する。Ｓ１０２において、注目点を設定する。Ｓ１０３において、注目点に隣接する上下（画像のｙ軸方向）の点の差分値を取得する。Ｓ１０４において、取得した２点の差分値を乗算する。Ｓ１０５において注目点に隣接する左右（画像のｘ軸方向）の点の差分値を取得する。Ｓ１０６において、取得した２点の差分値を乗算する。

Ｓ１０７において、Ｓ１０４とＳ１０６で得られた乗算値のうち、少なくとも１つが負であるか否か判定する。1つでも負である場合はＳ１０９に進み、そうでない場合はＳ１０８に進む。

Ｓ１０８において、注目点はゼロクロスではなかったと判定し、注目点（ピクセル）の差分値は変更せずＳ１１３に進む。

Ｓ１０９において、Ｓ１０４とＳ１０６で得られた乗算値の一方のみが負であるか否か判定する。一方の乗算値だけが負である場合はＳ１１０に進み、２つの乗算値が共に負であった場合はＳ１１１に進む。Ｓ１１０において、乗算値が負をとる方向の２点の絶対値の平均を注目点の値とし、Ｓ１１３に進む。

Ｓ１１１において、Ｓ１０４とＳ１０６で得られた乗算値の絶対値が最大の方向を選ぶことで、傾斜最大方向を選ぶ。Ｓ１１２において、Ｓ１１１で選ばれた方向の２点の絶対値の平均を注目点の値とし、Ｓ１１３に進む。

Ｓ１１３において、全注目点の値が定まったか否か判定する。全注目点の値が定まった場合は終了とし、そうでない場合はＳ１０２に戻り、次の注目点に係る処理を実行する。

なお、上述した具体例では、注目点の上下または左右の点の差分値を取得しているが、これに限定する必要はなく、例えば斜め方向の差分値を求めるステップを設け、さらに多くの方向でゼロクロスを検出するようにしても良い。また、上述した具体例では、方向ごとの比較を行っているが、隣接点の全ての値を取得し、例えば主成分分析などで傾斜最大方向を算出しても良い。なお、ゼロクロスの除去では、好ましくは傾斜最大方向の絶対値の平均を入れるが、これに限定する必要はなく、例えば隣接する４点の絶対値の平均値を入れても良い。

図１５に戻り、構造算出部５１において得られたＳｔｒ^２成分はデータ更新部６１に入力される。データ更新部６１は、組織の動きの推定および組織の構造の推定に用いるmultiＧ_ｎバッファと、multiＳｔｒバッファを更新する。

図２２は、データ更新部６１（図１５）の内部構成を示す図である。データ更新部６１は図示する構成を有している。つまり、データ更新部６１は、多重解像度分解部３１（図１５）で生成された現フレームのＧ_ｎ成分のうち少なくとも１つ以上のデータを用いて、現フレーム以前のＧ_ｎ成分（画像データ）を保存するmultiＧ_ｎバッファを更新する画像データ更新部６１０１と、構造算出部５１（図１５）で生成された現フレームの構造推定値Ｓｔｒ^２を用いて、現フレーム以前の構造データを保存するmultiＳｔｒバッファを更新する構造データ更新部６１０２で構成される。なお、図２２の具体例では、ｎ＝２としているが、これに限定する必要はなく、例えばさらに複数の階層を更新しても良い。

図２３は、データ更新部６１（図２２）における処理の具体例を示す図である。図２３には、画像データ更新部６１０１（図２２）において実行される処理のフローチャートが図示されている。

Ｓ２０１において、multiＧ_２バッファを取得する。Ｓ２０２において、最も古い時相ｔの先頭アドレスを取得する。Ｓ２０３において、ｔよりも１つ若い時相ｔ−１の先頭アドレスを取得する。Ｓ２０４において、時相ｔ−１のデータ配列を全て時相ｔのデータ配列にコピーする。Ｓ２０５においてｔ＝ｔ−１とする。

Ｓ２０６において、ｔ＝０であるか否か判定する。ｔ＝０となった場合にはＳ２０７に進み、そうでない場合にはＳ２０３に進み、次の時相のコピーを実行する。Ｓ２０７において、現フレームのＧ_２成分を取得する。Ｓ２０８において、ｔ＝０のデータ配列に現時相のデータＧ_２成分をコピーして、multiＧ_２バッファの更新を終了する。

図２３に示す具体例により、画像データ更新部６１０１から、３フレームのＧ_２成分で構成されるmultiＧ_２バッファが出力される。

また、図２３の具体例において、Ｇ_２をＳｔｒ^２とすることにより、構造データ更新部６１０２においても図２３のフローチャートと同様な処理により、３フレームのＳｔｒ^２成分で構成されるmultiＳｔｒバッファが出力される。なお、必ずしも上述の更新方法を取らず、例えば、ポインタをつなぎかえるような処理でも良い。

図１５に戻りデータ更新部６１において更新されたmultiＧ_ｎバッファとmultiＳｔｒバッファは、背景減算部７１に入力される。また、multiＧ_ｎバッファとmultiＳｔｒバッファは、次のフレームの計算に備え、再度データ更新部６１に入力される。背景減算部７１は、Ｇ_ｎ成分に含まれるかぶり成分を、組織の動きの推定および組織の構造の推定から求め、かぶり低減処理を施したnrＧ_ｎ成分を算出する。

図２４は、背景減算部７１（図１５）の内部構成を示す図である。背景減算部７１は図示する構成を有している。重み計算部８１は、multiＧ_ｎバッファとmultiＳｔｒバッファに基づいて平均画像frameAve成分と、減算重みweight成分を算出する。最適輝度値推定部９１は、現フレームが有する最適輝度値baseを算出する。

減算成分算出部１０１は、重み計算部８１で算出された平均画像frameAve成分と、最適輝度値推定部９１で算出された最適輝度値baseと、重み計算部８１で算出されてＬＰＦ部１２−３で低域通過フィルタ（ＬＰＦ）を施された減算重みweightから、減算成分を算出する。

好ましくは、算出された減算成分は、ＬＰＦ部１２−４で低域通過フィルタ（ＬＰＦ） が施されて空間方向に平滑化され、調整部７１０１において、次式に基づいて時間方向に平滑化される。

これにより、後述の処理により再構成された診断画像は、局所的な減算、およびフレーム間における同一画素での大きな輝度変化が抑制され、違和感の少ない診断画像が提供できるようになる。減算器１３−４では、multiＧ_ｎ成分に保存された現フレームのＧ_ｎ成分から、空間的、時間的に平滑化された減算成分が減算され、かぶりが低減されたnrＧ_ｎ成分が算出される。

なお、上述した具体例では、ｎ＝２としているが、この具体例に限定されない。また、上述した具体例では、調整部７１０１において現フレームで算出された減算成分と、前フレームまでに更新されてきた減算成分の重みづけ加算値で算出しているが、これまでの全てのデータ、またはそれに準じるパラメータを保存しておき、適宜重みづけを施しても良い。

背景減算部７１において得られたnrＧ_ｎ成分は、画像再構成部１１１に入力される。また、背景減算部７１において得られた減算成分は、次のフレームの計算に備え、再度背景減算部７１に入力される。重み計算部８１は、平均画像frameAve成分と、かぶりの推定値を表す評価値として、減算重みweightを算出する。

図２５は、重み計算部８１（図２４）の内部構成を示す図である。重み計算部８１は図示する構成を有している。平均値算出部８１０１は、入力されたmultiＧ_２バッファに保存される少なくとも１枚のＧ_２成分の輝度値、もしくは複数枚のＧ_２成分の平均値を画素（ピクセル）ごとに算出する。分散値算出部８１０２は、multiＧ_２バッファに保存される複数枚のＧ_２成分の輝度値の分散値を画素（ピクセル）ごとに算出する。平均値算出部８１０３は、multiＳｔｒバッファに保存される少なくとも１枚のＳｔｒ^２成分の強度値、もしくは複数枚のＳｔｒ^２成分の平均値を画素（ピクセル）ごとに算出する。

平均値算出部８１０１、分散値算出部８１０２、平均値算出部８１０３で算出された値は、それぞれＬＰＦ部１２−５、１２−６、１２−７で低域通過フィルタ（ＬＰＦ）を施される。ＬＰＦ部１２−５で低域通過フィルタを施されたデータは、平均画像frameAveとして出力される。また、ＬＰＦ部１２−６、１２−７で低域通過フィルタを施されたデータは、重み決定部８１０４に入力される。

ここで、重み決定部８１０４で行われる計算についてさらに詳しく説明する。重み決定部８１０４では、後述の処理を経て得られ減算候補成分のうち、かぶりと推定される成分を減算成分に残し、かぶりではないと推定される成分を減算成分とならないように除去するような重みweightを算出する。すなわち、かぶりの推定値を表す評価値として、減算重みweightを０≦weight≦１で与える。これは、かぶりの「顕著性」を示す正規化された評価値であり、この評価値を算出するために、本実施例では動きと構造を例に、かぶりの評価値を求める。

かぶりは、プローブ１０の近傍に現れる、動きが少なく構造を持たないノイズである。よって、好ましくは、動きが小さく、かつ構造強度が弱い成分であるほど、かぶりであると判定しweightを1に近づける。一方、動きが大きい、または構造が強い成分であれば心筋等の情報を有している可能性があるため、weightを０に近づける。

これにより、重み決定部８１０４では、ＬＰＦ部１２−６，１２−７で算出された値をもとに、例えば後述のような手法で、減算重みweightが算出される。

まず、ＬＰＦ部１２−６で算出された値は、複数フレームを用いて求めた、画素（ピクセル）ごとの分散値を平滑化した値なので、この値が小さいほど、領域として輝度変化が少なく、動きが少なかったと考えることができる。これより、例えばピクセル（ｉ，ｊ）における算出値とパラメータgammaを用いた次式の減少関数により、動きに関する重みを算出することができる。

次に、ＬＰＦ部１２−７で算出された値は、複数フレームを用いて求めた、画素（ピクセル）ごとの構造推定値を平滑化した値なので、この値が小さいほど、領域として構造が弱いと考えることができる。これにより、例えばピクセル ( i, j ) における算出値とパラメータdeltaを用いた次式の減少関数により、構造に関する重みを算出することができる。

数２式の動きに関する重みと、数３式の構造に関する重みを用いて、例えば、次式の減少関数により、減算候補成分に対する重みづけを算出することができる。

なお、上述した具体例では、かぶりと推定される場所ほどweightが１に近づくような減少関数を用いたが、この具体例以外の減少関数を用いてもよい。また、本実施形態においては、分散値算出部８１０２、平均値算出部８１０３では複数フレームの画素ごとの値をもとに計算を行ったが、例えば、カーネルサイズｍ×ｎ（ｍ≧０，ｎ≧０）で与えられる範囲の画素データを使用しても計算を行っても良い。また、本実施形態においては、動きに関する重みづけを輝度値の分散から求めたが、ブロックマッチング等を行った際に用いられる評価値、例えばＳＡＤ（Sum of Absolute Difference）などを用いて算出しても良い。

図２４に戻り、重み計算部８１において得られた平均画像frameAveは最適輝度値推定部９１と減算成分算出部１０１に出力される。また、重み計算部８１において得られた減算重みweightは、ＬＰＦ部１２−３でＬＰＦ処理を施された後、減算成分算出部１０１に出力される。最適輝度値推定部９１は、入力されたデータの最適輝度値baseを推定する。

図２６は、最適輝度値推定部９１（図２４）の内部構成を示す図である。最適輝度値推定部９１は図示する構成を有している。背景輝度値探索部９１０１は、入力されたデータの最小値、つまり平均画像frameAveは内の最適輝度値minを探索し、調整部９１０２は、得られた最小値minに、例えばパラメータepsilonを用いて調整を行う。すなわち、最適輝度値推定部９１は、次式に示す計算を行い、最適輝度値baseを算出する。

なお、本実施形態においては上述のような手法で最適輝度値baseを求めたが、これに限定する必要はない。好ましくは、最適輝度値baseは、かぶり等のノイズ部が本来有していたであろう輝度値を推定した値であるため、最適輝度値以外の任意の輝度値を、例えば画像のヒストグラムから判別分析法などを用いて自動で算出しても良い。また、任意の輝度値をユーザーが与えるようにしても良い。

このように、最適輝度値を推定しておくことで、後述の処理を経て得られる減算候補成分を制御し、かぶりと推定された部位の輝度を減算しすぎないように調整することができる。これにより、後述の処理を経て再構成された診断画像が違和感を含まないようにできる。

図２４に戻り、最適輝度値推定部９１において得られた最適輝度値baseは、減算成分算出部１０１に出力される。減算成分算出部１０１では、注目フレームのかぶり成分が推測され、減算成分として算出される。

図２７は、減算成分算出部１０１（図２４）の内部構成を示す図である。減算成分算出部１０１は図示する構成を有している。減算器１３−５は、重み計算部８１（図２４）で算出された平均画像frameAveから、最適輝度値推定部９１（図２４）で算出された最適輝度値baseを減算し、減算候補成分を算出する。

条件付き乗算部１０１０１は、算出された減算候補成分と減算重みweightから、減算成分diffDataを算出する。調整部１０１０２は、得られた減算成分diffDataに、例えばパラメータalphaを用いて調整が行われる。減算成分算出部１０１は、例えば次式に基づいて、各画素（ｉ，ｊ）ごとに減算成分diffDataを算出する。

図２８は条件付き乗算部１０１０１（図２７）における処理の具体例を示す図である。図２８には、条件付き乗算部１０１０１において実行される処理のフローチャートが図示されている。Ｓ３０１において、平均画像frameAve、最適輝度値base、減算重みweightをそれぞれ取得する。Ｓ３０２において、注目画素（ピクセル）を設定し、注目画素の輝度値から最適輝度値baseを減算し、減算候補成分を算出する。Ｓ３０３において、減算候補成分が正であるか否かを判定する。減算候補成分が正の場合Ｓ３０３に進み、負である場合Ｓ３０５に進む。

Ｓ３０４において、減算候補成分が正であるので、減算重みweightを乗算して減算値を決定する。Ｓ３０５において、減算候補成分が負であることから、最適輝度値より低い輝度値を有する。そこで処理は行わないよう、減算値を０とする。Ｓ３０６において、全注目画素の値が定まったか否かを判定する。全注目画素の値が定まった場合は終了とし、そうでない場合Ｓ３０２に進んで次の注目画素の値を決める。

図２４に戻り、減算成分算出部１０１において得られた減算成分diffDataは、ＬＰＦ部１２−４でＬＰＦ処理を施された後、調整部７１０１に出力される。調整部７１０１は前述したように、数１式に基づいた処理を実行する。こうして、背景減算部７１から画像再構成１１１（図１５）に、かぶりが低減されたnrＧ_ｎ成分が出力される。画像再構成部１１１は、かぶり成分が減算されたnrＧ_ｎ成分と、Ｌ_０成分，Ｌ_１成分を用い、ガウシアンピラミッドの再構成処理を行う。

図２９は、画像再構成部１１１（図１５）の内部構成を示す図である。画像再構成部１１１は図示する構成を有している。入力されたnrＧ_ｎ成分は、アップサンプリング部４１０１−１−２，４１０１−２−２へ入力され、アップサンプリング処理を受ける。アップサンプリングされた成分はＬ_ｎ成分と共に加算器１４−１，１４−２へ入力され加算処理を受ける。

こうして、かぶりが低減された、望ましくはかぶりが除去された画像データnrＧ_０が得られる。画像データnrＧ_０は、画像処理部２０に入力された画像データＧ_０と、同等のサンプル密度・解像度を有する。

なお、図２９には各成分の周波数帯域の具体例が図示されている。nrＧ_２はＧ_２（図１６）に基づいて得られる成分であり周波数帯域が０〜ｆ／４となる。またＬ_０の周波数帯域はｆ／２〜ｆであり、Ｌ_１の周波数帯域はｆ／４〜ｆ／２である（図１８）。そして、nrＧ_０は、nrＧ_２とＬ_１とＬ_０の加算に基づいて得られるため周波数帯域が０〜ｆとなる。つまり、画像再構成部１１１において再構成されたnrＧ_０は、原画像である診断画像Ｇ_０と同じ周波数帯域となる。

また、上述した実施例においては、Ｇ_０成分，Ｇ_１成分，Ｌ_０成分，Ｌ_１成分と、かぶり成分が減算されたnrＧ_２成分を得ているが、これに限定する必要はなく、さらに多くの階層を用いても良い。また、上記実施例において、好ましくはｎ≧１の階層Ｇ_ｎ成分でかぶり低減処理を行い、かぶりが低減されたnrＧ_ｎ成分をアップサンプリングしながらＬ_ｋ成分（０≦ｋ≦ｎ）を加算することで、単純なフィルタ等でみられる「べたつき感」が軽減され、より違和感なく診断画像の再構成が行えるようになる。

画像再構成部１１１において再構成された画像データnrＧ_０は、表示処理部３０に送られ、これにより、かぶりが低減された、望ましくはかぶりが除去された超音波画像が表示部４０に表示される。こうして、例えば、心筋情報を大きく減ずることなく、効率的にかぶりを低減することで、視認性のよい超音波画像（例えばＢモード画像）を表示することが可能になる。

図３０は、画像処理部２０の変形例（第２実施例）を示す図である。図１５の画像処理部２０との相違は、図３０において、特徴算出部１２１を追加し、かぶりの推定に、組織の動きと組織の構造の２つの特徴以外に、第３以上の特徴を用いる点である。ここで、特徴算出部１２１で求める第3以上の特徴とは、例えば組織の方向、フレーム方向の差分、画像の色情報などが挙げられる。

なお、図３０に示す具体例においては、処理を具体化するためｎ＝２として、Ｇ_２成分からＧ_４成分を利用して特徴推定値Ftrを得ているが、これに限定する必要はなく、作成されたＧ_ｎ成分のうち、少なくとも1つ以上のデータが入力され、特徴推定値Ftrが算出されれば良い。

また、上記変形例（第２実施例）においては、画像処理部２０に特徴算出部１２１を１つだけ配置するような構成を示しているが、これに限定する必要はなく、第３以上の利用したい特徴数に応じて特徴算出部１２１を増やしても良い。

図３１は、データ更新部６１（図３０）の内部構成を示す図である。データ更新部６１は図示する構成を有している。図２２のデータ更新部６１との相違は、図３１において、画像データ更新部６１０１、構造データ更新部６１０２に加え、特徴データ更新部６１０３が存在する点である。特徴データ更新部６１０３は特徴算出部１２１（図３０）で作成された現フレームの特徴推定値Ftrを用いて、現フレーム以前の構造データを保存するmultiFtrバッファを更新する。

この変形例（第２実施例）においては、データ更新部６１において、特徴データ更新部６１０３を1つだけ配置するような構成を示しているが、これに限定する必要はなく、第３以上の利用したい特徴数に応じて特徴データ更新部６１０３を増やしても良い。

図３２は、背景減算部７１（図３０）の内部構成を示す図である。背景減算部７１は図示する構成を有している。図２４の背景減算部７１との相違は、図３２において、入力としてmultiFtrバッファが増えた点、および、重み計算部８１にmultiFtrバッファが入力される点である。

この変形例（第２実施例）においては、背景減算部７１において、入力としてmultiFtrバッファが1つ増えるような構成を示しているが、これに限定する必要はなく、第３以上の利用したい特徴数に応じて入力バッファを増やしても良い。またこれに伴い、重み計算部８１に入力されるバッファ数も、用いたい特徴数に応じて増やしても良い。

図３３は、重み計算部８１（図３２）の内部構成を示す図である。重み計算部８１は図示する構成を有している。図２５の重み計算部８１との相違は、図３３において、入力としてmultiFtrバッファが増えた点、また、平均値算出部８１０５が追加され、multiFtrバッファに保存される少なくとも１枚のFtr成分の輝度値、もしくは複数枚のFtr成分の平均値を画素（ピクセル）ごとに算出される点、および算出された値が、同じく追加されたＬＰＦ部１２−８で低域通過フィルタ （ＬＰＦ）が施され、重み決定部８１０４へ入力される点である。

この変形例（第２実施例）においては、重み計算部８１において、入力としてmultiFtrバッファが１つ増えるような構成を示しているが、これに限定する必要はなく第３以上の利用したい特徴数に応じて入力バッファを増やしても良い。またこれに伴い、第３以上の利用したい特徴数に応じて平均値算出部８１０５、ＬＰＦ部１２−８を増やしても良い。

図３４は、画像処理部２０の他の変形例（第３実施例）を示す図である。図１５，図３０の画像処理部２０との相違は、図３４において、機械学習などを用いて事前に得られた特徴を扱う点が挙げられる。これに伴い、図３０の第２実施例で示した構成に加え、図３４では特徴記憶部１３１が追加される。

例えば、特徴記憶部１３１は、事前にかぶり部の特徴と、その特徴に応じた戻り値を記憶しておく。この際、診断に重要な心筋等の構造の特徴と、その特徴に応じた戻り値を記憶しておいても良い。これにより、特徴算出部１２１で算出された特徴を特徴記憶部１３１へ入力することで、特徴算出部１２１はそれぞれの特徴に応じた戻り値を得ることができる。この戻り値を特徴推定値Ftrとして用いることで、特徴の算出を行う。

この変形例（第３実施例）においては、画像処理部２０に特徴記憶部１３１を１つだけ配置するような構成を示しているが、これに限定する必要はなく、第３以上の利用したい特徴数に応じて特徴記憶部１３１を増やしても良い。また、第２実施例と第３実施例を併用することも可能である。

なお、以上においては、２次元画像を中心とした画像処理について説明したが、３次元画像についてのかぶり低減処理を施すようにしてもよい。３次元画像を処理する場合には、好ましくはダウンサンプリング部３１０１（図１６）とアップサンプリング部４１０１（図１８，図２０，図２９）は、２次元低域通過フィルタを施していたが、３次元低域通過フィルタに変更される。ただし、例えば、１次元低域通過フィルタを３次元の各方向に施しても良いし、任意の２方向を含む断面に２次元低域通過フィルタを施した後、残る方向に１次元低域通過フィルタを施しても良い。

また、送受信部１２から得られる信号に対して検波や対数変換等の処理を施してから、画像処理部２０においてかぶりを低減し、その低減後にデジタルスキャンコンバータにおいて座標変換処理が実行されてもよい。もちろん、送受信部１２から得られる信号に対して、画像処理部２０においてかぶりを低減してから、検波や対数変換等の処理を施してもよいし、デジタルスキャンコンバータにおいて座標変換処理を実行してから、画像処理部２０においてかぶりを低減してもよい。

以上、本発明の好適な実施形態を説明したが、上述した実施形態は、あらゆる点で単なる例示にすぎず、本発明の範囲を限定するものではない。本発明は、その本質を逸脱しない範囲で各種の変形形態を包含する。

１０ プローブ、１２ 送受信部、２０ 画像処理部、３０ 表示処理部、４０ 表示部。

Claims (6)

1. 超音波を送受するプローブと、
   プローブを制御することによりプローブから受信信号を得る送受信部と、
   受信信号に基づいて得られる超音波画像に対する解像度の変換処理により、互いに解像度の異なる複数の解像度画像を形成する解像度処理部と、
   複数の解像度画像に基づいて、画像内の各部分において低減の度合いを決定する低減処理部と、
   画像内の各部分において低減の度合いに応じて低減処理を施した超音波画像を形成する画像形成部と、
   を有する、
   ことを特徴とする超音波診断装置。
2. 請求項１に記載の超音波診断装置において、
   前記低減処理部は、前記複数の解像度画像についての差分画像に基づいて画像内の各部分ごとに構造の度合いを推定し、当該推定の結果に基づいて画像内の各部分ごとに低減の度合いを決定する、
   ことを特徴とする超音波診断装置。
3. 請求項１または２に記載の超音波診断装置において、
   前記低減処理部は、前記複数の解像度画像のうちの少なくとも１つから複数時相に亘って得られる画像に基づいて画像内の各部分ごとに運動の度合いを推定し、当該推定の結果に基づいて画像内の各部分ごとに低減の度合いを決定する、
   ことを特徴とする超音波診断装置。
4. 請求項１から３のいずれか１項に記載の超音波診断装置において、
   前記低減処理部は、画像内の各部分ごとに構造の度合いと運動の度合いを推定し、組織の度合いと運動の度合いに基づいて、画像内の各部分ごとに低減の度合いを定めた減算成分を決定し、
   前記画像形成部は、前記減算成分が減算された超音波画像を形成する、
   ことを特徴とする超音波診断装置。
5. 請求項４に記載の超音波診断装置において、
   前記低減処理部は、超音波画像内の最低輝度値に基づいて決定される最適輝度値を各画素の輝度値から減算することにより減算候補成分を生成し、構造の度合いと運動の度合いに応じて決定される減算重みと減算候補成分とに基づいて前記減算成分を決定する、
   ことを特徴とする超音波診断装置。
6. 請求項１から５のいずれか１項に記載の超音波診断装置において、
   前記解像度処理部は、前記複数の解像度画像として、少なくとも１つの高解像度画像と複数の低解像度画像を形成し、
   前記低減処理部は、複数の低解像度画像に基づいて、画像内の各部分において低減の度合いを決定し、低減の度合いに応じて低減処理を施した低解像度の画像成分を形成し、
   前記画像形成部は、前記高解像度画像から得られる高解像度の画像成分と前記低解像度の画像成分を合成して超音波画像を形成する、
   ことを特徴とする超音波診断装置。