JP2018079000A - 超音波診断装置、及び画像処理装置 - Google Patents

Abstract

【課題】位置ずれ、不鮮明、特徴的な形状の差異がある断面が含まれる画像群に対し、計測に最適な画像の高精度な選定を実現する。【解決手段】検査対象に超音波を送信し、検査対象からの反射波を利用して画像を構成する超音波診断装置であって、撮像した複数枚の画像に対して、画像処理や機械学習により、画像に描出されている、生体内または臓器内における位置の推定を可能とする生体または臓器の構造の情報である解剖学的情報を抽出する解剖学的情報抽出部と、解剖学的情報を用いて、どの断面画像がどの生体内または臓器の位置を撮像したものであり、かつ計測に最適な画像であるかを決定するために行う比較のための最適な組み合わせを生成する比較対象群生成部と、最適な組み合わせごとに比較処理を行う比較部と、比較部で算出した断面画像間の関係性を用いて、計測に最適な断面画像を選定する比較結果判定部を備える。【選択図】図１

Description

本発明は、被検体内の画像を撮像する超音波診断装置、特にその画像処理技術に関する。

超音波やMRI（Magnetic Resonance Imaging）、Ｘ線CT（Computed Tomography）に代表される医療用の画像表示装置は、目視できない生体内の情報を数値または画像の形態で提示する装置として広く利用されている。中でも超音波を利用した画像表示装置である超音波診断装置は、他の装置と比較して高い時間分解能を備えており、拍動下の心臓を滲みなく画像化できる性能を持つ。また、放射線や熱の人体への曝露を必要としないため、細胞分裂や形態生成を盛んに行っている胎児に対しても使用可能である特長を持つ。

超音波診断装置は、画像を表示するだけでなく、形態情報や機能情報を定量的に取得する用途でも用いられる。たとえば、心臓が血液を全身へ送るポンプとしての機能を評価するための左心室の駆出率計測や胎児の成長を観察するための胎児の推定体重計測である。このような計測の手順は、画像取得の工程、計測画像の選択の工程、計測の工程からなる。画像取得の工程では、計測に用いる画像の候補である複数枚の２次元断面画像、またはボリュームデータを取得する。計測画像の選択の工程では、取得したデータから計測に最適な断面画像を選択する。計測の工程では、選択した画像に対し、左心室の駆出率計測であれば心壁を、胎児の推定体重計測における腹部の周囲長の計測であれば腹部の表面をトレースし、所定の計算式に従った計算を行う。トレースは、１人の患者につき、左心室の駆出率計測であれば拡張末期および収縮末期のタイミングにて、胎児の推定体重計測であれば頭部、腹部、脚部の部位にて行う必要があり、検査に時間がかかっていた。そのため、近年では、トレースを自動で行い、所定の計算まで行う自動計測技術の検討が行われ、ワークフロー改善が実現されている。

さらなるワークフロー改善のためには、画像取得の工程および計測画像の選択の工程の自動化が期待される。計測画像の選択は、画像データが２次元の画像であれば２次元の画像群から、３次元のボリュームデータであればボリューム中から行うため、非常に候補が多く、時間がかかる。計測画像の自動選定技術として、取得した断面画像または取得したボリュームデータから抽出した断面画像に対して、機械学習やパターンマッチングを用いた手法の適用が検討されている。

このような計測画像の自動選択に関する先行技術として、特許文献１がある。

特開２００２−１４０６８９号公報

超音波画像の特徴として、撮像者や撮像回次ごとに撮像される画像データが異なること（撮像者依存性）と、撮像対象の体質や疾患により撮像される画像データが異なること（撮像対象依存性）があげられる。撮像者依存性は、超音波を照射し断面画像またはボリュームデータとして取得する体内の領域の探索を撮像の都度、人手で行うため、同一患者に対し同一検査者が検査を行ったとしても取得データを完全に一致させることが難しいことから生じる。また、撮像対象者依存性は、患者の体質により音波の体内伝搬速度および減衰率が異なること、患者の疾患や個人差により異なる患者間では臓器の形状が完全に一致しないことから生じる。つまり、計測のために、たとえば心臓における僧帽弁を輪切りにした断面画像や胎児の腹部における脊椎に垂直かつ胃胞および臍静脈を含む断面画像など、計測に理想的な画像は、撮像者依存性および撮像対象者依存性の影響により、撮像回次や患者によらず取得することが難しい。取得されたデータには理想的な位置に対するずれ、画像の不鮮明、特徴的な形状の差異などが生じる。そのため、計測に最適な画像の選定基準が、撮像回次や患者によらず一定である場合、自動選定の結果を手動で訂正する頻度が高くなり、ワークフローの改善が実現しない可能性がある。

本発明の目的は、計測画像の選定を高精度に実現することができる超音波診断装置、及び画像処理装置を提供することにある。

上記の課題を解決するため、本発明においては、検査対象に超音波を送信し、検査対象からの反射波を利用する超音波診断装置であって、超音波を検査対象に送受信する送受信部と、送受信部の受信信号に基づき画像データを生成し、計測に最適な断面画像を決定する画像処理部と、画像処理部において決定した計測に最適な断面画像を表示する表示部とを備え、画像処理部は、計測に最適な断面画像を決定するために行う比較のための断面画像の比較対象群を生成する構成の超音波診断装置を提供する。

また、上記の目的を達成するため、本発明においては、画像処理装置であって、検査対象に超音波を送受信して得られる受信信号に基づく画像データを格納する記憶部と、記憶部に格納された画像データから複数の断面画像を読み出し、計測に最適な断面画像を決定する計測断面決定部と、を備え、計測断面決定部は、計測に最適な断面画像を決定するために行う比較のための断面画像の比較対象群を生成する構成の画像処理装置を提供する。

本発明によれば、患者の撮像回次毎に計測に最適な断面画像を高精度に選定することが可能となる。

実施例１の超音波診断装置の一構成例を示すブロック図。 実施例１の超音波診断装置の要部の一構成例を示すブロック図。 実施例１の超音波診断装置の要部のハードウェア構成例を示すブロック図。 実施例１の計測断面決定部の処理工程の一例を示すフローチャート図。 検査対象である心臓の構造を説明するための模式図。 検査対象である心臓の各ビュー（view）における理想的な断面画像の説明図。 実施例１に係る、心腔の高さのみを用いる場合の断面画像の比較対象群の生成の説明図。 実施例１に係る、心腔の高さと心腔内および周辺の構造物の特徴を用いる場合の断面画像の比較対象群の生成の説明図。 心腔の高さと心腔内および周辺の構造物の特徴を用いる場合の比較対象群の生成の一例を説明するための図。 実施例１に係る、比較結果判定部における判定の一例を示す図。 実施例１に係る、比較結果判定部における判定工程を示すフローチャート図。 実施例１に係る表示形態の一例を示す図。 実施例２の超音波診断装置の一構成を示すブロック図。 実施例２に係る表示形態の一例を示す図。 実施例３に係る、胎児腹部の周辺構造と切断面の関係の一例を示す図。 実施例３に係る表示形態の一例を示す図。

本発明の各種の実施形態を図面に基づき説明する。以下、各実施形態を説明するための全図において、基本的に同一機能を有するものは同一符号を付し、その繰り返しの説明は省略する。なお、本明細書で用いる「解剖学的な情報および特徴」とは、生体内または臓器内における位置の推定を可能とする生体または臓器の構造の情報および特徴を意味している。

実施例１は、検査対象に超音波を送信し、検査対象からの反射波を利用する超音波診断装置であって、超音波を検査対象に送受信する送受信部と、送受信部の受信信号に基づき画像データを生成し、計測に最適な断面画像を決定する画像処理部と、画像処理部において決定した計測に最適な断面画像を表示する表示部とを備え、画像処理部は、計測に最適な断面画像を決定するために行う比較のための断面画像の比較対象群を生成する超音波診断装置の実施例である。また、画像処理装置であって、検査対象に超音波に送受信して得られる受信信号に基づく画像データを格納する記憶部と、記憶部に格納された画像データから複数の断面画像を読み出し、計測に最適な断面画像を決定する計測断面決定部と、を備え、計測断面決定部は、計測に最適な断面画像を決定するために行う比較のための断面画像の比較対象群を生成する構成の画像処理装置の実施例である。なお、以下の説明においては、超音波診断装置の実施例として説明するが、その画像処理部は画像処理装置として機能するので、画像処理装置の実施例としての説明も兼ねている。

まず、実施例１の超音波診断装置の全体構成を説明する。図１は、実施例１の超音波診断装置の一構成例を示すブロック図である。本実施例の超音波診断装置１００は、探触子１１０と、送信ビームフォーマ１２０と、Ｄ／Ａコンバータ１３０と、Ａ／Ｄコンバータ１４０と、ビームフォーマメモリ１５０と、受信ビームフォーマ１６０と、画像処理部１７０と、表示部１８０とを備える。

探触子１１０は、所定の方向に沿って複数の超音波素子が配列した構成を有する。各超音波素子は、例えば、セラミックで生成されたセラミック素子である。探触子１１０は、検査対象１０１の表面に接するよう配置される。

送信ビームフォーマ１２０は、Ｄ／Ａコンバータ１３０を介して複数の超音波素子の少なくとも一部から超音波を送信させる。探触子１１０を構成する各超音波素子から送信される超音波それぞれに対して、所定の深度で集束するよう遅延時間を与え、所定の深度で集束する送信ビームを生成する。

Ｄ／Ａコンバータ１３０は、送信ビームフォーマ１２０からの送信パルスの電気信号を音響信号に変換する。また、Ａ／Ｄコンバータ１４０は、探触子１１０において受信した、検査対象１０１の内部を伝播する過程で反射した音響信号を再び電気信号に変換し受信信号を生成する。

ビームフォーマメモリ１５０は、Ａ／Ｄコンバータ１４０を介して、送信毎に超音波素子の出力する受信信号に対して受信焦点ごとの整相遅延データを送信ごとに格納している。受信ビームフォーマ１６０は、Ａ／Ｄコンバータ１４０を介して、送信毎に超音波素子の出力する受信信号を受け取り、ビームフォーマメモリ１５０に格納された送信ごとの整相遅延データと受け取った受信信号から整相信号を生成する。このように、探触子１１０と、送信ビームフォーマ１２０と、Ｄ／Ａコンバータ１３０と、Ａ／Ｄコンバータ１４０と、ビームフォーマメモリ１５０と、受信ビームフォーマ１６０は、本超音波診断装置の送受信部を構成している。

画像処理部１７０は、受信ビームフォーマ１６０で生成した整相信号を用いて超音波の画像データを生成し、先に撮像した超音波画像を含む断面画像群の中から心機能計測に最適な断面画像を選定する。そして、表示部１８０は、画像処理部１７０において生成された超音波画像、或いは選定された計測に最適な断面画像を表示する。

[画像処理部]
図１に示した本実施例の超音波診断装置１００の画像処理部は、受信信号を用いて画像データを生成するデータ構成部と、データ構成部において生成された前記画像データを格納するデータメモリと、データメモリに格納された画像データを読み出し、計測に最適な断面画像を決定する計測断面決定部とを備え、上述のように送受信部の受信信号である整相信号からの画像化処理、及び心機能計測に最適な断面画像の選定処理を行う。

すなわち、図１に示すように、画像処理部１７０は、受信ビームフォーマ１６０で生成した整相信号を用いて超音波画像を生成するデータ構成部１７１と、データ構成部において生成された画像データを格納するデータメモリ１７２と、過去に撮像した超音波画像を含む断面画像群の中から計測に最適な画像を選定する計測断面決定部１７３と、を備える。計測断面決定部１７３では、データメモリ１７２に格納された画像データのうち、１人の患者についての複数の断面画像を読み出す。また、データメモリ１７２から読み出す画像データは、２次元断面を撮像した動画データから拡張末期または収縮末期などの心拍タイミングで抽出した画像データでも良い。

図２Ａは、本実施例の計測断面決定部１７３の一構成例を示す機能ブロック図である。同図に示すように、本実施例の計測断面決定部１７３は、データメモリ１７２に格納された画像データから読み出した複数の断面画像に対して、解剖学的な情報を抽出する解剖学的情報抽出部２０１と、解剖学的な情報を用いて、比較対象群を生成する比較対象群生成部２０２と、比較対象群ごとに比較処理を行う比較部２０３と、比較部が算出した断面画像間の関係性を用いて、計測に最適な断面画像を決定する比較結果判定部２０４と、を備える。

解剖学的情報抽出部２０１は、データメモリ１７２より読み出した画像データである複数枚の断面画像に対して、画像処理や機械学習により、断面画像に描出されている解剖学的な情報を抽出する機能ブロックである。解剖学的な情報とは、上述した通り、生体内または臓器内における位置の推定を可能とする生体または臓器の構造の情報である。

比較対象群生成部２０２は、解剖学的な情報に基づき、複数の断面画像を複数個の群に分けたのち、複数個の群に属する断面画像における総当たりの組み合わせとして比較対象群を生成する。すなわち、比較対象群生成部２０２は、データメモリ１７２より読み出した複数枚の画像に対して、解剖学的情報抽出部２０１において抽出した解剖学的な情報を用いて、どの断面画像がどのviewを撮像したものであり、かつ計測に最適な断面画像であるかを決定するために行う比較において、最適な組み合わせとなる断面画像の比較対象群を生成する機能ブロックである。

比較部２０３は、比較対象群生成部２０２において決定した断面画像の比較対象群ごとに、適切な比較処理を行う機能ブロックである。

比較結果判定部２０４は、比較部２０３の比較処理で算出した断面画像間の関係性を用いて、心機能計測に最適な断面画像を選定する機能ブロックである。

図２Ｂは、本実施例の画像処理部１７０のハードウェア構成例を示すブロック図である。同図に示すように、画像処理部１７０は、中央処理部（ＣＰＵ）２０５、不揮発性メモリ（ＲＯＭ）２０６、揮発性メモリ（ＲＡＭ）２０７、記憶部２０８、および表示制御部２０９で構成され、これらはデータバス２１０によって相互に接続されている。表示制御部２０９は表示部１８０に接続され表示部１８０の表示を制御し、例えばＣＰＵ２０５の処理で得られた最適な断面画像などの画像データを表示部１８０に表示するよう制御する。同図のＲＡＭ２０７、記憶部２０８などはデータメモリ１７２に対応し、ＣＰＵ２０５、表示制御部２０９はデータ構成部１７１と、計測断面決定部１７３に対応している。画像生成部であるデータ構成部１７１は、専用のハードウェア回路で構成することもできる。

ＲＯＭ２０６およびＲＡＭ２０７の少なくとも一方には、画像処理部１７０の計測断面決定部１７３の各種機能ブロックの動作を実現するために必要な、ＣＰＵ２０５の演算処理用のプログラムと各種データが予め格納されている。ＣＰＵ２０５が、ＲＯＭ２０６およびＲＡＭ２０７の少なくとも一方に予め格納されたプログラムを実行することによって、画像処理部１７０の計測断面決定部１７３の各種処理が実現される。なお、ＣＰＵ２０５が実行するプログラムは、例えば、記憶部２０８や、図示を省略した光ディスクなどの記憶媒体に格納しておき、そのプログラムを読み込んでＲＡＭ２０７に格納する様にしてもよい。

次に、本実施例の計測断面決定部１７３の各部による、心機能計測に最適な断面画像選定の流れを説明する。図３は、本実施例の計測に向けた画像選定処理の処理フローである。画像選定処理は、操作者が図示を省略した入力部を使って、データメモリ１７２に格納されている画像の中から処理の対象画像群を決定し、選定開始の指示を行うことにより、開始される。また、選定開始の指示は、計測開始の指示であっても良い。

まず、データメモリ１７２より読み出された、操作者によりあらかじめ指定された１人の患者における画像群である、処理の対象画像群に対して、解剖学的情報抽出部２０１により、解剖学的な情報を抽出する（ステップＳ３０１）。上述の通り、解剖学的な情報とは、生体内または臓器内における位置の推定を可能とする生体または臓器の構造の情報を意味する。処理の対象画像群は、１人の患者における１回の検査で撮像された画像群でもよいし、過去数回にわたる検査で撮像された画像群でもよい。

続いて、比較対象群生成部２０２により、抽出された情報を用いて、比較を行うべきペアである断面画像の比較対象群を生成する（ステップＳ３０２）。さらに、比較部２０３により、比較を行うべきペアである断面画像の比較対象群に対して、ペアごとに比較を行う（ステップＳ３０３）。また、比較結果判定部２０４により、比較した結果を用いて、どの断面画像がどのviewを撮像したものであり、かつ計測に最適な画像であるかを決定する（ステップＳ３０４）。最後に、決定した画像を計測に用いる断面画像である旨を、表示制御部２０９の制御により表示部１８０に表示し終了する。

[解剖学的情報抽出部]
次に、上記ステップＳ３０１の、解剖学的情報抽出部２０１による解剖学的な情報の抽出の流れを説明する。本実施例においては、探触子１１０により心臓の短軸像を撮像した２次元断面画像を用いて説明する。

図４は心臓の構造などを説明するための模式図である。図４の（ａ）に心臓の構造のイラストを、図４の（ｂ）に心臓を横から見たイラストを示す。心臓には、左心室４０１、左心房４０２、右心室４０３、右心房４０４の4つの部屋があり、それぞれの室と房の間には弁がある。心臓の短軸像は、左心室と右心室を含む断面となるよう探触子１１０を体表から接地させることで、撮像可能である。診断に用いられる一般的な短軸像は３種類ある。左心室と左心房を分ける僧帽弁４０５を描出した断面４０７であるMV（Mitral Valve） viewと、僧帽弁の開閉に関与している筋肉である乳頭筋４０６を描出した断面４０８であるPM（Papillary muscle） viewと、心臓の先端部分である心尖付近の左心室を描出した断面４０９であるAP（Apical） viewと、である。それぞれの断面は、体表に接地した探触子１１０の心臓に対する角度を変化させることで取得する。そのため、探触子１１０と左心室４０１までの距離が各viewによって変化する。なお、これら右心室４０３、僧房弁４０５、乳頭筋４０６など、更に図示を省略した肺、すい臓、肝臓等の後方の組織の画像は、後で説明する断面画像に抽出されている心腔内および周辺の構造物の特徴となる。

図５は、各viewにおける理想的な断面画像を模擬したイラストを示す図である。探触子１１０から左心室４０１までの距離が遠い順に、MV view、PM view、AP viewとなる。この探触子１１０から左心室４０１までの距離を参考にすることで、断面画像からどのviewを撮像したのか推測することが可能である。以下、本明細書において探触子１１０から左心室４０１の中心までの距離を「心腔の高さ」と称する。また、図５に示すように、各viewは異なる心臓構造の断面図であることから、左心室４０１の内部および周辺で描出される構造である模様が異なる。これらの構造の違いからも、どのviewを撮像したのか推測することが可能である。以下、左心室４０１の内部および周辺において描出されている構造のことを「心腔内および周辺の構造物」と称する。

解剖学的情報抽出部２０１では、心腔の高さや心腔内および周辺の構造物のように、断面画像から直接収集できる心臓の解剖学的な情報を抽出する。なお、撮像した画像のviewや心機能計測に用いたい画像のviewとして、上記３種類だけでなく僧帽弁４０５と乳頭筋４０６を結ぶ腱索を描出したCT（Chordae Tendineae） viewなど４種類以上であってもよい。また、上記３種類ではなく、MV viewとPM viewとCT viewの３種類などであってもよい。また、MV viewとAP viewの２種類などであってもよい。また、断面画像を選定する目的は、心機能計測に限らなくてもよい。

心腔の高さの計測方法は、たとえば、テンプレートマッチングによる心腔位置の検出による方法などが考えられる。また、心腔内および周辺の構造物を定量化する方法は、機械学習方式の１つであるDeep Learning手法による３種類のviewの識別の結果や、上記識別における最終層の出力値を用いる方法などが考えられる。

[比較対象群生成部]
続いて、上記ステップＳ３０２の、比較対象群生成部２０２による比較のペアとする断面画像の比較対象群生成の流れを説明する。データメモリ１７２より読み出した複数枚の画像には、複数のviewが１枚以上、多くの場合は複数枚ずつ含まれている。心機能計測に用いる画像は各viewの画像として最もふさわしい画像であることが望ましい。データメモリ１７２より読み出した複数枚の画像群から、各viewの画像として最もふさわしい画像を１枚ずつ選定する手法として、画像の取得位置が解剖学的に隣り合う画像同士、または同一viewと考えられる画像同士でどちらがふさわしいかの比較を行う。これは、たとえば、MV viewとAP viewの画像を比較し、どちらがPM viewらしいかを比較することや、AP viewと考えられる画像同士でどちらがPM viewとして最もふさわしいかの比較など、効果的でない比較を避けることを目的としている。そのため、比較対象群生成部２０２は、断面画像の取得位置が解剖学的に隣り合う画像同士、または同一viewと考えられる画像同士だろう、という推定に基づいて比較のペアとする比較対象群を生成する。

画像の取得位置が解剖学的に隣り合う画像同士、または同一viewと考えられる画像同士だろう、という推定の実施方法について、図６および図７を用いて説明する。
＜心腔の高さのみを用いる場合＞
図６を用いて、解剖学的な情報として心腔の高さのみを用いる場合について説明する。同図では、データメモリ１７２より読み出した複数枚の画像は、１０枚であるとし、１から１０までの番号を付与している。図６に示すように、データメモリ１７２より読み出した複数枚の画像に対して、解剖学的情報抽出部２０１において算出した心腔の高さ情報を、複数枚の画像の中で最大値が１．０、最小値が０．０となる比率（心腔の高さの比率）に換算する。その後、換算した比率に基づき、区分を与える。たとえば、処理の対象である複数枚の画像の中に、AP viewおよびPM viewおよびMV viewが含まれている場合、各viewの解剖学的な位置関係を考慮すると、心腔の高さの比率が低い（浅い位置に心腔がある）画像が、AP viewである可能性が高くなる。反対に、心腔の高さの比率が高い（深い位置に心腔がある）画像が、PM viewまたはMV viewである可能性が高くなる。さらに、心腔の高さの比率が中程度である画像が、AP viewまたはPM viewである可能性が高くなる。よって、心腔の高さの比率が０．０から０．２となる画像群Layer A６０１からは、AP viewとして最適な画像を選定することを考え、Layer A６０１をAP view選定のための画像群とする。同様に、心腔の高さの比率が０．２から０．３５となる画像群であるLayer B６０２からは、PM viewとして最適な画像を選定することを考え、Layer B６０２をPM view選定のための画像群とする。同様に、心腔の高さの比率が０．３５から１．０となる画像群であるLayer C６０３からは、MV viewとして最適な画像を選定することを考え、Layer C６０３をMV view選定のための画像群とする。上述のAP view選定のための画像群と、PM view選定のための画像群と、MV view選定のための画像群と、が生成する比較対象群となる。なお、画像群をわける心腔の高さの比率の数値は、大規模に画像を収集し統計的に決定してもよい。
＜心腔の高さと心腔内および周辺の構造物の特徴を用いる場合＞
図７を用いて、解剖学的な情報として、心腔の高さと心腔内および周辺の構造物の特徴を用いる場合について説明する。同図では、データメモリ１７２より読み出した複数枚の画像は、１０枚であるとし、１から１０までの番号を付与している。図７に示すように、データメモリ１７２より読み出した複数枚の画像に対して、解剖学的情報抽出部２０１において算出した心腔の高さ情報を、複数枚の画像の中で最大値が１．０、最小値が０．０となる比率（心腔の高さの比率）に換算する。換算した比率に基づき、区分を与える。心腔の高さの比率を、５つの層に分け、その層に属する断面画像の識別結果から、各viewの選定のための断面画像群を生成する。心腔の高さの比率の５つの層は、図７に示すように、心腔の高さの比率が０．０から０．２となる画像群をLayer D７０１、心腔の高さの比率が０．２から０．３５となる画像群をLayer E７０２、心腔の高さの比率が０．３５から０．７５となる画像群をLayer F７０３、心腔の高さの比率が０．７５から０．９となる画像群をLayer G７０４、心腔の高さの比率が０．９から１．０となる画像群をLayer H７０５とした。なお、心腔の高さの比率を分ける層の数は５つでなく他の数であっても良い。

撮像の際には、体表に接地した探触子１１０の心臓に対する角度を変化させることで、３種類のviewを取得するため、同程度の心腔の高さの比率である画像は、同種類の断面を撮像しようとした可能性が高い。つまり、心腔の高さの比率ごとに、各断面画像の種類を推測した結果を用いて、その付近の心腔の高さである断面画像の種類を推測することが可能である。各断面の種類の推測は、Deep Learningなどの機械学習による２種類の断面識別により行う。機械学習では、断面画像を学習させることで、心腔内および周辺の構造物の特徴を用いているとみなすことができる。この心腔内および周辺の構造物の特徴としては、上述の通り、右心室、僧房弁、乳頭筋や、更に肺、すい臓、肝臓等の後方の組織などの構造物の特徴がある。なお、心腔の高さの比率による区分けにより、各画像の候補は２種類に絞ることが可能であると考えたため、機械学習による２種類の断面識別を行うが、３種類の断面識別を使用してもよい。

続いて、図８を用いて、心腔の高さの比率による区分けと、心腔内および周辺の構造物の特徴を用いた比較のペアとする群の生成方法を説明する。図８のテーブル８０１の示すように、Layer D７０１に属する画像群は、高確率でAP viewであると考え、すべてAP viewである（１００％）とする。また、Layer E７０２に属する画像群は、機械学習による識別において、AP viewまたはPM viewのどちらであるかを識別し、各枚数を保持する。同様にして、Layer F７０３およびLayer G７０４およびLayer H７０５は、機械学習による識別において、PM viewまたはMV viewのどちらであるかを識別し、各枚数を保持する。保持しておいた枚数を各Layerに属する画像の枚数で除算をし、存在確率８０２として算出する。各Layerおよび各viewにおいて、存在確率８０２が３０％を超える場合、そのviewは存在しうると考えることにする。また、３０％未満のviewにおいては、存在しえないと考えることにする。

図８のテーブル８０１に示した具体例で説明すると、Layer D７０１はAP viewである画像の存在確率８０２が１００％であるので、AP view選定のための画像群であるとする。Layer E７０２は、AP viewが２０％、PM viewが８０％であるので、PM viewのみが存在すると考え、PM view選定のための画像群であるとする。Layer F７０３は、PM viewである画像が１００％であるので、PM view選定のための画像群であるとする。Layer G７０４は、PM viewが５０％、MV viewが５０％であるので、PM viewおよびMV viewが存在すると考え、PM view選定のための画像群かつMV view選定のための画像群であるとする。Layer H７０５は、PM viewが２０％、MV viewが８０％であるので、MV viewのみが存在すると考え、MV view選定のための画像群であるとする。つまり、Layer D７０１に含まれる画像群がAP view選定のための画像群となり、Layer E７０２およびLayer F７０３およびLayer G７０４に含まれる画像群がPM view選定のための画像群となり、Layer G７０４およびLayer H７０５に含まれる画像群がMV view選定のための画像群となる。

なお、比較対象群の生成方法は上記に限らない。たとえば、存在確率８０２の閾値を３０％ではなく、１０％などとしてもよいし、存在確率の算出方法をデータメモリ１７０から読み出した断面画像の枚数から算出してもよい。

[比較部]
計測断面決定部１７３の比較部２０３は、比較対象群生成部２０２において決定した断面画像の比較対象群ごとに、適切な比較処理を行う。本実施例において比較対象群のなかでは、総当たりの比較となるようペアを作成する。比較処理では、２枚の断面画像において、それぞれDeep Learningなどの機械学習により抽出した画像の特徴量を用いる。画像の特徴量に対して、pointwise法やpairwise法、listwise法などを用いて算出した２つの画像の違いの定量値から、２つの断面画像間の関係性を学習させる、ランキング学習により比較器を生成する。たとえば、PM viewとMV viewの断面画像間の関係性を学習することで生成された比較器を、PM viewかMV viewのどちらかである２枚の画像に適用することで、２枚のうちどちらがPM viewらしいか、あるいはMV viewらしいかを算出可能となる。

隣り合うviewとして撮像した画像は、各viewとして理想的な位置ではなく、各view間を撮像してしまう場合もある。つまり、MV viewとして撮像したつもりであるが、理想的なMV viewの位置よりPM view寄りの位置で撮像していた場合、PM viewに似たMV viewが取得される。このように、MV view選定のための画像群には、PM view寄りの位置である画像も含まれる可能性がある。反対に、viewの位置が隣り合わない場合、つまりMV viewとして撮像したつもりがAP viewとPM viewの中間の位置を撮像したような画像となっている場合は、生じにくいと考えられるため、MV view選定のための画像群に対しては、AP viewまたはMV viewかどうかを判定する比較は必要ないと考えられる。以上より、AP view選定のための画像群に対しては、AP viewまたはPM viewらしさを判定する比較を行い、MV view選定のための画像群に対しては、PM viewまたはMV viewらしさを判定する比較を行う。PM viewに関しては、AP view寄りの位置での撮像およびMV view寄りの位置での撮像の両方が考えられるため、AP viewまたはPM viewらしさを判定する比較およびPM viewまたはMV viewらしさを判定する比較の両方を行う。

比較した結果は、各画像において画像群の中でPMらしいと判定された回数を保持する。たとえば、３枚の画像が含まれる画像群において、AP viewまたはPM viewらしさを判定する比較を行った場合、ある１枚は他の２枚に対してよりPM viewらしいと判定されればスコア２、となり、ある１枚は他の２枚に対してよりPM viewらしくない（AP viewらしい）と判定されればスコア０、ある１枚は他の１枚からはよりPM viewらしいと判定され、また他の１枚からはPM viewらしくない（AP viewらしい）と判定されればスコア１となる。比較部２０３は、このようにして得られたスコアを各画像ペアの関係性、すなわち断面画像間の関係性として出力する。

[比較結果判定部]
比較結果判定部２０４は、比較部２０３において実施された比較結果である断面画像間の関係性を用いて、比較対象群生成部２０２にて決定した比較対象群によって異なる、計測に最適な断面画像を決定するための判定規則に基づき、計測に最適な断面画像を決定する。すなわち、比較結果判定部２０４は、比較部２０３で算出したスコアである断面画像間の関係性を用いて判定することにより、心機能計測に最適な画像を選定する。

図９に各画像ペアの関係性を用いた心機能計測に最適な画像の選定の一例を示す。まず、AP view選定のための画像A、画像B、画像Cからなる比較対象群である画像群９０１からは、最もAP viewらしい１枚を選定する。具体的には、判定規則として、PM viewらしいと判定されたスコアが最も低い（０）の画像を、計測に最適な画像として選定する。つまり、本例では画像Aを選定する。

続いて、MV view選定のための画像E、画像F、画像Gからなる比較対象群である画像群９０３からは、最もMV viewらしい１枚を選定する。具体的には、判定規則として、PM viewらしいと判定されたスコアが最も低い（０）の画像を選定する。つまり、本例では画像Fを選定する。

最後に、PM view選定のための画像D、画像E、画像Fからなる比較対象群である画像群９０２からは、最もPM viewらしい１枚を選定する。具体的には、判定規則として、２種類の比較においてPM viewらしいと判定されたスコアを合算し、最も高い値であった画像を選定する。この際、最も高い値であった画像が１枚であればその画像を選定する。本例では、最も高い値（４）であった画像が一枚であり、画像Dを選定する。

図１０に、合算したスコアが同点である２枚が存在した場合の画像選定フローの一例を示す。まず、PM view選定のための画像群９０２に含まれる層にLayer E７０２が存在するか確認する（ステップＳ１００１）。つまり、Layer F７０３またはLayer G７０４またはLayer H７０５により構成されているか否かを確認する。含まれていない場合、PM viewまたはMV viewらしさを判定する比較におけるスコアが高い方の画像を選定する（ステップＳ１００２）。次に、PM view選定のための画像群９０２に含まれる層がLayer E７０２のみであるか確認する（ステップＳ１００３）。Layer E７０２のみである場合、AP viewまたはPM viewらしさを判定する比較におけるスコアが高い方の画像を選定する（ステップＳ１００４）。最後に、ステップＳ１００１およびステップＳ１００３で該当しなかった場合に、先に最もAP viewらしいとして選定した１枚とMV viewらしいとして選定した１枚の心腔の高さの中間に近い方の画像を選定する（ステップＳ１００５）。

なお、最もPM viewらしい画像の選定にあたっては、上述のような２種類の比較を行わずに、どちらか一方の比較のみとし、そのスコアが最も高い画像を選定するとしても良い。すなわち、比較結果判定部２０４は、判定規則において、１枚の計測に最適な断面画像を決定する際に、複数の比較対象群において計測に最適な断面画像と決定した断面画像が異なる場合、解剖学的情報抽出部２０１において抽出した、断面画像がどの生体内または臓器の位置を撮像したものであるかの情報のうち少なくとも１つを用いることとしても良い。更に、機械学習方式の１つであるDeep Learning手法による３種類のviewの識別結果である各断面である確率を用いて決定してもよい。

[表示部]
以上の処理の後、選定した各viewの画像を表示部１８０に表示し、終了する。表示部１８０に表示される画面例を図１１に示す。

図１１の（ａ）に示すように、表示画面１１００上に、選定したAP viewの画像１１０１と、選定したPM viewの画像１１０２と、選定したMV viewの画像１１０３と、が表示される。さらにその画像には、それぞれの心腔の高さの比率１１０４もそれぞれ表示される。さらに、現在選定された画像で計測を行ってもよい場合、押下すると計測の処理が開始されるOKボタン１１０５を備える。また、各viewにおける次点候補の画像１１０６〜１１０８を表示する。操作者が決定された画像に不満がある場合、かつ現在決定されている画像から画像の変更を可能とする変更ボタン１１０９〜１１１１を備える。

たとえば、変更ボタン１１０９を押下すると、AP viewの再選択画面として図１１の（ｂ）のような画面に遷移する。AP viewのみ、AP viewの次点候補の画像１１０６が、候補番号１１２２が１番として再選択候補画像１１２１として表示され、次々点候補の画像が、候補番号１１２２が２番として表示される。なお、再選択候補画像は、２枚でも３枚でも良いし、データメモリ１７２より読み出した画像群のうち、比較対象群生成部２０２においてAP view選定のための画像群に分類された画像すべてを表示してもよい。表示されている再選択候補画像に変更したい場合には、表示されている再選択候補画像の下部にある変更ボタン１１２３〜１１２５を押下することで、計測に用いる画像を所望の画像に変更可能である。

超音波診断装置であって、撮像した断面画像またはボリュームデータから抽出した、計測に用いる画像の候補である複数枚の断面画像から、生体内または臓器内における位置の推定を可能とする生体または臓器の構造の情報である、解剖学的な情報を抽出する解剖学的情報抽出部を有し、抽出した情報から作成された、画像の適切な組み合わせを生成する比較対象群生成部と、比較対象群生成部により生成された適切な組み合わせにおいて、計測への最適さを比較する比較部と、比較部における比較結果を用いて計測に最適な画像を選定する比較結果判定部と、を備えている。解剖学的な情報は、適用部位ごとに定め、肝臓であれば走行する主要血管の位置関係、心臓であれば心室や弁の位置関係、胎児の腹部であれば臍静脈や胃胞の位置関係、などデータや外部入力から直接抽出される。

以上詳述した本実施例の超音波診断装置によれば、１人の患者に対し１度の検査で取得したデータごとに、断面画像を適切な組み合わせで比較することにより、計測に最適な断面の選定基準を適応的に変化させることが可能となり、診断の精度向上や再現性の向上、検査時間の短縮が期待できる。

次に、実施例２の超音波診断装置を説明する。実施例１の装置では、データメモリ１７２より読み出すデータは２次元断面画像としていた。一方、実施例２では、データメモリ１７２より読み出すデータとして３次元ボリュームデータを用いることとする。

図１２に、本実施例の超音波診断装置１００ａの一構成例を示す。同図に示すように、本実施例の超音波診断装置１００ａは、基本的に実施例と同様の構成を備える。ただし、画像処理部１７０中の計測断面決定部１７３で用いる断面画像の決定手法が異なるため、断面抽出部１２０１を備える。なお、この断面抽出部１２０１も図２ＢのＣＰＵ２０５におけるプログラム処理により実現できる。以下、本実施例の構成について、実施例１と異なる構成、すなわち、データメモリ１７２に格納される画像データは３次元データであり、画像処理部は、データメモリ１７２より読み出した３次元データから断面画像を抽出する断面抽出部を更に備える点に主眼をおいて説明する。

[断面抽出部]
本実施例のデータメモリ１７２は、１人の患者における３次元ボリュームデータが記憶されている。断面抽出部１２０１では、このボリュームデータを読み出し、ボリュームデータから計測に用いる画像の候補である複数枚の断面画像を抽出する。抽出の方法として、あらかじめ、心臓の特徴的な部位である弁や心尖部、血管などの特徴を学習させた機械学習による検出方法などが考えられる。検出した特徴に基づき、AP viewの画像と、PM viewの画像と、MV viewの画像を取得する。これら３枚の画像と、検出誤差を考慮し、それぞれ左心室４０１の軸方向に対してそれぞれ２ｍｍ離れた場所の断面画像を１枚ずつ取得した、各viewにおいて計３枚の断面画像を抽出する。抽出した合計９枚の画像の中から、計測断面決定部１７３により、計測に最適な断面画像を各viewにつき１枚ずつ選定し、表示部１８０にて表示する。

図１３に、表示部１８０に表示される画面例を示す。図１３の（ａ）に示すように、表示画面１１００上に、選定したAP viewの画像１１０１と、選定したPM viewの画像１１０２と、選定したMV viewの画像１１０３と、が表示される。さらにその画像には、それぞれの心腔の高さの比率１１０４もそれぞれ表示される。さらに、現在選定された画像で計測を行ってもよい場合、押下すると計測の処理が開始されるOKボタン１１０５を備える。また、画面下部エリア１３００に、実際に取得したボリュームデータ像、または心臓を模擬したボリューム像において、表示されている画像１１０１〜１１０３のぞれぞれは物理的にどの位置を描出している断面画像かを示す画像位置ライン１３０１〜１３０３を表示する。

各viewにおいて、操作者が決定された画像に不満がある場合に、現在決定されている画像から画像の変更を可能とする変更ボタン１３０４〜１３０６を備える。たとえば、変更ボタン１３０４を押下すると、図１３の（ｂ）に遷移し、画面上の画像位置ライン１３０１をトラックボール等で上下にスライドさせ、確認画面１３０７にて変更した画像位置ライン１３０１ａにおける断面画像を確認しながら、所望の位置にてOKボタン１３０８を押下することで、図１３の（ａ）の画面に戻り、AP viewの画像を変更することができる。

なお、本実施例においては、図２Ａの解剖学的情報抽出部２０１において、心腔の高さを検出する処理は、断面抽出部１２０１において、ボリュームデータから断面画像を抽出する際に算出してもよい。 また、断面抽出部１２０１において、抽出する断面画像の数や抽出方法は、予め作成して置いた心臓のモデルに撮像したボリュームデータを当てはめ、僧帽弁４０５から心尖部までの等間隔で断面を抽出するなどの方法を用いてもよい。また、計測断面決定部１７３において決定された計測に最適な画像は、機械学習による識別処理や人手により不適切であると判定された場合、断面抽出部１２０１において、ボリュームデータから断面画像を抽出するステップより再度処理を行ってもよい。

本実施例によれば、患者の３次元ボリュームデータを用いて、画像を適切な組み合わせで比較することにより、計測に最適な断面の選定基準を適応的に変化させ、診断の精度向上や再現性の向上、検査時間の短縮を図ることができる。

次に、実施例３として、胎児が正常に発育しているかを調べるためのAC（Abdominal Circumference：腹部周囲長）計測に用いる断面画像の自動抽出を行う超音波診断装置の実施例を説明する。すなわち、図１２の装置構成において、データメモリ１７２より読み出すデータとして胎児の腹部周辺の３次元ボリュームデータを用いる実施例を説明する。

本実施例の超音波診断装置の構成として図１２の構成を用いるが、断面抽出部１２０１で用いる断面抽出手法と計測断面決定部１７３で用いる断面画像の決定手法が異なる。以下、本実施例について、実施例２と異なる点に主眼をおいて説明する。

[断面抽出部]
本実施例のデータメモリ１７２は、撮像した胎児の腹部周辺の３次元ボリュームデータを記憶し、断面抽出部１２０１は、この胎児の腹部周辺の３次元ボリュームデータを読み出し、このボリュームデータから任意の位置で複数の２次元断面画像を抽出する。

[解剖学的情報抽出部]
図２Ａの解剖学的情報抽出部２０１は、断面抽出部１２０１により抽出された複数の断面画像が胎児のどの部位にあたるかを識別し、ボリュームデータにおける断面画像の抽出位置とその断面画像の種類を解剖学的情報として抽出する。

図１４は、胎児腹部の周辺構造と切断面の関係を示す模式図である。AC計測断面は、図１４のＣに示すように胎児の腹壁１４０５から脊椎１４０１までの距離の前方約１／３の部位に臍静脈１４０２および胃胞１４０４が描出される断面である。AC計測断面の位置から胎児頭部方向へ平行移動した位置である図１４のＡの断面画像には、心臓１４００が描出され、同様に胎児脚部方向へ平行移動した位置である図１４のＥの断面画像には、膀胱１４０６が描出される。このような断面画像の抽出位置Ａ、Ｂ、Ｃ、Ｄ、Ｅと描出される構造物の関係を用いて、断面抽出部１２０１により抽出された断面画像の画像情報から抽出位置を識別する。

識別手法としては、例えばDeep Learningの一つであるCNN（Convolutional Neural Network：畳込みニューラルネットワーク）を用いる。CNNは、大量の識別対象画像と識別ラベルを入力として与え、画像特徴量と識別ラベルの関係を学習させることで、未知の入力画像に対する識別器を構成する手法である。本実施例においては、AC計測断面画像、心臓が描出された断面画像および、膀胱が描出された断面画像を識別ラベルとともに学習させることで、断面抽出部１２０１により抽出された任意の断面画像に対して識別ラベルを出力する識別器を構成することができる。なお、識別ラベルとしては例えば図１４中に示したＡ、Ｃ、Ｅ等の記号を用いればよい。

なお、識別手法としてはRandom ForestやSVM（Support Vector Machine）などCNN以外の機械学習手法を用いても構わない。また、画像の輝度分布や輪郭情報を用いて心臓や膀胱などの構造物を検出し、断面画像の種類を識別する手法でも構わない。

[比較対象群生成部]
続いて、本実施例の構成において、比較対象群生成部２０２による比較のペアとする群の生成の流れを説明する。本実施例の比較対象群生成部２００では、解剖学的な情報に基づき、検査対象の臓器を撮像した断面画像位置を中心に所定間隔で複数の断面画像を抽出し、当該複数の断面画像における総当たりの組み合わせとして比較対象群を生成する。

具体的には、比較対象群生成部２０２では、解剖学的情報抽出部２０１により抽出した解剖学的情報のうちAC計測断面の抽出位置を利用する。このAC計測断面の抽出位置を中心に、所定の間隔で平行移動した断面画像を所定の数だけ抽出する。ここで、所定の間隔は２mmなど描出される構造物が十分変化する固定の距離としてもよいし、ユーザの指示によって変更可能としてもよい。また、胎児の成長に伴って腹部の各構造物が大きくなることを考慮し、妊娠週数に応じて自動的に変更しても構わない。また、抽出する断面画像の数は５枚など固定の値としてもよいし、妊娠週数に応じて自動的に変更しても構わない。このように抽出した候補断面から２枚ずつのすべての組み合わせを生成し、比較対象生成部２０２の処理を終了する。

[比較部]
比較部２０３は、実施例１と同様の処理を行う。比較対象群生成部２０２において決定した比較対象群を用いて、比較結果を生成する。

[比較結果判定部]
比較結果判定部２０４は、実施例１と同様の処理を行う。比較部２０３が生成した比較結果を用いて、もっともAC計測断面らしい断面画像を選定する。

[表示部]
図１５に表示部１８０に表示される画面例を示す。本図に示すように、表示画面１５００上に、比較部２０３により選定されたAC計測断面１５０１と、選定されなかった候補断面を上位から順に３枚、候補断面１５０６、１５０８、１５１０として表示する。また、３次元ボリュームデータにおける各断面画像の空間的位置関係１５１１を表示する。ユーザが選定されたAC計測断面を確認しOKボタン１５０３を押下することで、腹部周囲長の計測処理を開始し、計測値１５０４を表示する。

なお、選定されたAC計測断面をユーザが変更したい場合は、候補断面のいずれかを選択できるよう候補選択ボタン１５０５、１５０７，１５０９を設けても構わない。さらに、ボリュームデータ上の任意の位置から断面画像を抽出できるよう位置調整用スライダ１５０２を設けても構わない。このように、表示部１８０には、計測断面決定部１７３において決定した計測に最適な断面画像であるAC計測断面１５０１、３次元空間での断面画像の位置である空間的位置関係１５１１、並びに計測断面の位置を変更する位置調整スライダ１５０２を同一画面に表示することができる。また、表示部１８０には、計測断面決定部１７３において決定した計測に最適な断面画像の候補断面を決定した計測断面らしさの順序で表示することができる。

なお、本実施例ではAC計測断面の自動抽出を対象に説明したが、同様に胎児の発育を調べるためのBPD（Biparietal Diameter：児頭大横径）計測断面やFL（Femur Length：大腿骨長）計測断面の自動抽出に適用することも可能である。

なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明をわかりやすく説明するために詳細に説明したものであり、必ずしも説明したすべての構成を備える実施例に限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の構成を用いて追加、削除、置換することが可能である。また、上記の各構成、機能、処理部、処理手段等は、それらの一部またはすべてを、例えば集積回路で設計する等によりハードウェアで実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリやハードディスク、SSD（Solid State Drive）等の記録装置、またはICカード、SDカード、DVD等の記録媒体に置くことができる。

１００ 超音波診断装置
１０１ 検査対象
１１０ 探触子
１２０ 送信ビームフォーマ
１３０ Ｄ／Ａコンバータ
１４０ Ａ／Ｄコンバータ
１５０ ビームフォーマメモリ
１６０ 受信ビームフォーマ
１７０ 画像処理部
１７１ データ構成部
１７２ データメモリ
１７３ 計測断面決定部
１８０ 表示部
２０１ 解剖学的情報抽出部
２０２ 比較対象群生成部
２０３ 比較部
２０４ 比較結果判定部
２０５ ＣＰＵ
２０６ ＲＯＭ
２０７ ＲＡＭ
２０８ 記憶部
２０９ 表示制御部
４０１ 左心室
４０２ 左心房
４０３ 右心室
４０４ 右心房
４０５ 僧帽弁
４０７ 僧帽弁を描出した断面
４０８ 乳頭筋を描出した断面
４０９ 心尖付近の左心室を描出した断面
６０１、６０２、６０３、７０１、７０２、７０３、７０４、７０５ Layer A、Layer B、Layer C、Layer D、Layer E、Layer F、Layer G、Layer H
８０１ テーブル
８０２ 存在確率
９０１、９０２、９０３ AP view、PM view、MV view選定のための画像群
１１００ 表示画面
１１０１、１１０２、１１０３ 選定したAP view、PM view、MV viewの画像
１１０４ 心腔の高さの比率
１１０５、１３０８、１５０３ OKボタン
１１０６、１１０７、１１０８ AP view、PM view、MV viewにおける次点候補の画像
１１２１ 再選択候補画像
１１２２ 候補番号
１１０９、１１１０、１１１１、１１２３、１１２４、１１２５、１３０４、１３０５、１３０６ 変更ボタン
１２０１ 断面抽出部
１３００ 画面下部エリア
１３０１、１３０２、１３０３ AP view、PM view、MV viewの画像位置ライン
１３０７ 確認画面
１４００ 心臓
１４０１ 脊椎
１４０２ 臍静脈
１４０３ 腹部大動脈
１４０４ 胃胞
１４０５ 腹壁
１４０６ 膀胱
１５００ 表示画面
１５０１ 選択したAC断面画像
１５０２ 断面位置調整スライダ
１５０４ 計測値表示枠
１５０５、１５０７、１５０９ 候補選択ボタン
１５０６、１５０８、１５１０ 候補断面画像
１５１１ 空間的位置関係

Claims (15)

1. 検査対象に超音波を送信し、前記検査対象からの反射波を利用する超音波診断装置であって、
   超音波を前記検査対象に送受信する送受信部と、
   前記送受信部の受信信号に基づき画像データを生成し、計測に最適な断面画像を決定する画像処理部と、
   前記画像処理部において決定した前記計測に最適な断面画像を表示する表示部と、を備え、
   前記画像処理部は、前記計測に最適な断面画像を決定するために行う比較のための断面画像の比較対象群を生成する、
   ことを特徴とする超音波診断装置。
2. 請求項１記載の超音波診断装置であって、
   前記画像処理部は、
   前記受信信号を用いて、前記画像データを生成するデータ構成部と、
   前記データ構成部において生成された前記画像データを格納するデータメモリと、
   前記データメモリに格納された前記画像データから複数の断面画像を読み出し、前記計測に最適な断面画像を決定する計測断面決定部と、を備える、
   ことを特徴とする超音波診断装置。
3. 請求項２記載の超音波診断装置であって、
   前記データメモリに格納される前記画像データは、３次元データであり、
   前記画像処理部は、
   前記データメモリより読み出した前記３次元データから複数の断面画像を抽出する断面抽出部を、更に備える、
   ことを特徴とする超音波診断装置。
4. 請求項２記載の超音波診断装置であって、
   前記計測断面決定部は、
   前記画像データに対して、解剖学的な情報を抽出する解剖学的情報抽出部と、
   前記解剖学的な情報を用いて、前記比較対象群を生成する比較対象群生成部と、
   前記比較対象群ごとに比較処理を行う比較部と、
   前記比較部が算出した断面画像間の関係性を用いて、前記計測に最適な断面画像を決定する比較結果判定部と、を備える
   ことを特徴とする超音波診断装置。
5. 請求項４記載の超音波診断装置であって、
   前記検査対象は心臓であり、
   前記比較対象群生成部は、
   前記解剖学的な情報として、前記解剖学的情報抽出部において抽出した前記心臓の心腔の高さを用いる、
   ことを特徴とする超音波診断装置。
6. 請求項４記載の超音波診断装置であって、
   前記検査対象は心臓であり、
   前記比較対象群生成部は、
   前記解剖学的は情報として、前記解剖学的情報抽出部において抽出した前記心臓の心腔の高さ、及び心腔内および周辺の構造物の特徴を用いる、
   ことを特徴とする超音波診断装置。
7. 請求項４記載の超音波診断装置であって、
   前記比較対象群生成部は、
   前記解剖学的な情報に基づき、複数の断面画像を複数個の群に分けたのち、前記複数個の群に属する前記断面画像における総当たりの組み合わせとして前記比較対象群を生成する、
   ことを特徴とする超音波診断装置。
8. 請求項４記載の超音波診断装置であって、
   前記比較対象群生成部は、
   前記解剖学的な情報に基づき、前記検査対象の臓器を撮像した断面画像位置を中心に所定間隔で複数の断面画像を抽出し、当該複数の断面画像における総当たりの組み合わせとして前記比較対象群を生成する、
   ことを特徴とする超音波診断装置。
9. 請求項４記載の超音波診断装置であって、
   前記比較結果判定部は、
   前記断面画像間の関係性を用いて、前記比較対象群によって異なる判定規則に基づき、前記計測に最適な断面画像を選定する、
   ことを特徴とする超音波診断装置。
10. 請求項９記載の超音波診断装置であって、
    前記比較結果判定部は、
    前記判定規則において、１枚の前記計測に最適な断面画像を決定する際に、複数の前記比較対象群において前記計測に最適な断面画像が異なる場合、前記解剖学的な情報抽出部において抽出した、断面画像がどの生体内または臓器の位置を撮像したものであるかの情報のうち少なくとも１つを用いる、
    ことを特徴とする超音波診断装置。
11. 請求項４記載の超音波診断装置であって、
    前記表示部は、
    前記計測断面決定部において決定した前記計測に最適な断面画像、３次元空間での前記断面画像の位置、並びに前記計測断面の位置を変更する位置調整スライダを表示する、
    ことを特徴とする超音波診断装置。
12. 請求項１１記載の超音波診断装置であって、
    前記表示部は、
    前記計測断面決定部において決定した前記計測に最適な断面画像の候補断面を決定した計測断面らしさの順序で表示する、
    ことを特徴とする超音波診断装置。
13. 画像処理装置であって、
    検査対象に超音波を送受信して得られる受信信号に基づく画像データを格納する記憶部と、
    前記記憶部に格納された前記画像データから複数の断面画像を読み出し、計測に最適な断面画像を決定する計測断面決定部と、を備え、
    前記計測断面決定部は、前記計測に最適な断面画像を決定するために行う比較のための前記断面画像の比較対象群を生成する、
    ことを特徴とする画像処理装置。
14. 請求項１３記載の画像処理装置であって、
    前記記憶部に格納される前記画像データは、３次元データであり、
    前記記憶部より読み出した前記３次元データから前記複数の断面画像を抽出する断面抽出部を、更に備える、
    ことを特徴とする画像処理装置。
15. 請求項１３記載の画像処理装置であって、
    前記計測断面決定部は、
    前記複数の断面画像に対して、解剖学的な情報を抽出する解剖学的情報抽出部と、
    前記解剖学的な情報を用いて、前記複数の断面画像の前記比較対象群を生成する比較対象群生成部と、
    前記比較対象群ごとに比較処理を行う比較部と、
    前記比較部が算出した断面画像間の関係性を用いて、前記計測に最適な断面画像を決定する比較結果判定部と、を備える
    ことを特徴とする画像処理装置。

Images