JP2024018506A - 血流画像形成装置及び血流画像形成プログラム - Google Patents

血流画像形成装置及び血流画像形成プログラム Download PDF

Info

Publication number
JP2024018506A
JP2024018506A JP2022121890A JP2022121890A JP2024018506A JP 2024018506 A JP2024018506 A JP 2024018506A JP 2022121890 A JP2022121890 A JP 2022121890A JP 2022121890 A JP2022121890 A JP 2022121890A JP 2024018506 A JP2024018506 A JP 2024018506A
Authority
JP
Japan
Prior art keywords
blood flow
distribution
discrimination index
region
subject
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
JP2022121890A
Other languages
English (en)
Inventor
惇 安田
Atsushi Yasuda
智彦 田中
Tomohiko Tanaka
哲也 山田
Tetsuya Yamada
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 Healthcare 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
Priority to JP2022121890A priority Critical patent/JP2024018506A/ja
Priority to CN202310847635.4A priority patent/CN117462173A/zh
Priority to US18/224,757 priority patent/US20240032888A1/en
Publication of JP2024018506A publication Critical patent/JP2024018506A/ja
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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
    • A61B8/467—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient characterised by special input means
    • A61B8/469—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient characterised by special input means for selection of a region of interest
    • 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
    • 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
    • A61B8/5269—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving detection or reduction of artifacts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • 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
    • 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
    • A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
    • A61B8/461—Displaying means of special interest
    • A61B8/463—Displaying means of special interest characterised by displaying multiple images or images and diagnostic data on one display
    • 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

Landscapes

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

Abstract

【課題】血流を表すドプラ画像である血流画像において、ブルーミングアーチファクトをより低減する。【解決手段】ドプラ処理部４０は、被検体に対する超音波の送受波により得られた受信ビームデータ列に基づいてドプラ信号を生成する。受信ビームデータ列により２次元データ空間が構成される。分布データ演算部４２は、ドプラ信号に基づいて、２次元データ空間における各データ要素についての、ドプラ信号のパワー、被検体内の組織の速度、又は、被検体内の組織の速度の分散の少なくとも１つを演算する。判別指標マップ生成部４４は、２次元データ空間において設定されたＲＯＩ５２毎の分布データに基づいて、受信ビームデータ列で構成された２次元データ空間における血流領域Ａである確からしさを表す判別指標マップを生成する。血流画像形成部４６は、ドプラ信号と判別指標マップに基づいて、ブルーミングアーチファクトが低減された血流画像を形成する。【選択図】図２

Description

本明細書は、血流画像形成装置及び血流画像形成プログラムの改良を開示する。
超音波診断装置は、被検体に向けて超音波を送信し、散乱体（例えば被検体内の組織）からの反射波を受信し、受信した反射波に基づいて超音波画像を形成する装置である。超音波診断装置においては種々の超音波画像を形成し得る。例えば、送受信に要する時間と音速から散乱体までの距離を計測し、反射波の信号強度（音圧）を輝度に変換することで、超音波断層画像（Ｂモード画像）を形成することができる。
超音波画像の１つとして、被検体である生体内の組織の運動が表されたドプラ画像がある。ドプラ画像としては、生体内の組織の運動の方向及び速度を色で表すＣｏｌｏｒ Ｄｏｐｐｌｅｒ Ｉｍａｇｉｎｇ（ＣＤＩ）という技術により形成されるカラードプラ画像、及び、ドプラ信号の信号強度であるパワーを色や色の明るさで表すパワー画像がある。ドプラ画像はドプラ効果に基づいて形成される。具体的には、まず、超音波プローブより血流領域に複数回の超音波送受信(パケット送受信)を行い受信信号を得る。次に、受信信号間の自己相関演算により位相回転量（位相変化量）を計算し、ドプラシフトを検出する。得られたドプラシフトの強度と符号、あるいは、ドプラ信号の強度に応じて着色を施して血流画像を形成し、これをＢモードに重畳して表示する。
受信信号には、組織の動きや、血管壁などの組織構造による超音波ビームの反射、屈折、散乱、減衰により、血流以外のドプラシフト信号が混合している。これにより、血流を表すドプラ画像である血流画像において、本来血流がない領域に、血流が表示されるようなアーチファクト（偽像）が出現する場合がある。アーチファクトとして、血管の下部に出現するブルーミングアーチファクトと呼ばれるものがある。
ブルーミングアーチファクトが生じる原因は１つではないが、ここでは図２０を参照して、代表的な原因を説明する。超音波プローブは、超音波を送信してから散乱体からの反射波を受信するまでの間の時間（被検体内では超音波の速度は一定とみなされるため、これは超音波プローブから散乱体までの間の距離とみなすことができる）によって、散乱体の位置が特定される。ここで、超音波プローブから送信された超音波が血管壁（特に下側の血管壁）で反射し、その反射波が血流によって位置Ｓにてさらに反射し、その反射波を超音波プローブが受信する場合がある。その超音波及び反射波の経路は図２０の一点鎖線で示す通りである。そうすると、超音波プローブとしては、受信した反射波を、超音波の送信方向にあり、一点鎖線の経路の半分の距離である位置Ｓ’から反射波とみなしてしまう。これにより、本来位置Ｓにおける血流成分が位置Ｓ’に描画されてしまい、これがブルーミングアーチファクトとなる。
従来、このようなアーチファクトを低減するための技術が提案されている。例えば、特許文献１には、１枚の超音波画像に対応する１フレーム分の受信信号全体の、ドプラ信号のパワーや速度の分散の統計値を用いて、血管描画をするパワー又は速度の分散の閾値を自動的に設定することで、ブルーミングアーチファクトを低減に関する技術が記載されている。
特開２０２１－１０４３０１号公報
特許文献１の記載された技術によっても、ブルーミングアーチファクトを低減し得る。しかしながら、同じフレーム内でもアーチファクトのパワーや速度、あるいは速度の分散は場所毎に異なるため、１フレーム全体に対して画一的な閾値を適用してもアーチファクトが残留する可能性がある。したがって、血流画像において、よりブルーミングアーチファクトを低減することができることを可能とする新たな技術が望まれる。
本明細書で開示される血流画像形成装置の目的は、血流を表すドプラ画像である血流画像において、ブルーミングアーチファクトをより低減することにある。
本明細書で開示される血流画像形成装置は、被検体内のビーム走査面に対して超音波の送受波を行う超音波プローブからの受信信号に基づいて生成された、前記ビーム走査面を形成する各送信ビームに対応する受信ビームデータ列を取得する受信ビームデータ取得部と、前記受信ビームデータ列で構成される２次元データ空間において設定された複数の関心領域それぞれについて、前記受信ビームデータ列に基づいて、前記受信ビームデータから得られるドプラ信号のパワー分布、前記被検体内の組織の速度分布、又は、前記被検体内の組織の速度の分散分布の少なくとも一つである分布データを演算する分布データ演算部と、前記関心領域毎の前記分布データに基づいて、前記２次元データ空間における血流領域である確からしさを表す判別指標マップを生成する判別指標マップ生成部と、前記受信ビームデータ列から得られるドプラ信号及び前記判別指標マップに基づいて、前記被検体内の血流が表された血流画像を形成する血流画像形成部と、を備えることを特徴とする。
受信ビームデータ列で構成される２次元データ空間は、観念上、血流（血管）に対応する血流領域と、血流以外の被検体の組織に対応するバックグラウンド領域と、血流領域の下側にあり、ドプラ画像おいてブルーミングアーチファクトを生じさせるブルーミング領域とに分けられる。血流領域内に設定された関心領域の分布データと、バックグラウンド領域内に設定された関心領域の分布データと、ブルーミング領域内に設定された関心領域の分布データとの特徴が互いに異なるという特徴がある。したがって、各関心領域の分布データに基づいて、２次元データ空間における血流領域である確からしさを表す判別指標マップを生成することができる。当該判別指標マップにより、血流領域とその他の領域（すなわちバックグラウンド領域及びブルーミング領域）を識別可能になる。すなわち、判別指標マップに基づいて、ブルーミングアーチファクトが低減された血流画像を形成することができる。
前記判別指標マップ生成部は、前記関心領域毎の前記パワー分布における最頻値近傍のパワーのばらつき具合、前記関心領域毎の前記速度分布における最頻値近傍の速度のばらつき具合、又は、前記関心領域毎の前記分散分布における最頻値近傍の分散のばらつき具合に基づいて、前記判別指標マップを生成するとよい。
血流領域内に設定された関心領域の分布データと、その他の領域に設定された関心領域の分布データとの間では、特に、パワーの最頻値近傍のパワーのばらつき具合、速度の最頻値近傍の速度のばらつき具合、又は、速度の分散の最頻値近傍の分散のばらつき具合が異なる、という特徴を有する。したがって、当該構成によれば、より好適に、血流領域とその他の領域を識別可能な判別指標マップを生成することができる。
前記判別指標マップ生成部は、前記判別指標マップが有する判別指標を正規化し、前記血流画像形成部は、前記ドプラ信号、及び、正規化された判別指標を有する前記判別指標マップに基づいて血流画像を形成するとよい。
当該構成によれば、ある関心領域についての判別指標が他の関心領域に比してかなり大きくなってしまった場合であっても、血流領域とその他の領域（バックグラウンド領域及びブルーミング領域）とを好適に識別すること（すなわち、ブルーミングアーチファクトが好適に低減された血流画像を得ること）ができる。
前記関心領域の大きさを表すパラメータ、及び、前記正規化に関するパラメータを含む、前記血流画像を形成する処理に係るパラメータがユーザからの指定に基づいて設定可能であるとよい。
当該構成によれば、ユーザは、血流画像におけるブルーミングアーチファクトの低減具合を調整することができる。
前記判別指標マップを表示部に表示させる表示制御部と、をさらに備えるとよい。
当該構成によれば、ユーザは、ブルーミングアーチファクトを低減するために用いられた判別指標マップを確認することができる。
また、本明細書で開示される血流画像形成装置は、被検体内のビーム走査面に対して超音波の送受波を行う超音波プローブからの受信信号に基づいて生成された、前記ビーム走査面を形成する各送信ビームに対応する受信ビームデータ列を取得する受信ビームデータ取得部と、前記受信ビームデータ列で構成される２次元データ空間において設定された複数の関心領域それぞれについて、前記受信ビームデータ列に基づいて、前記受信ビームデータから得られるドプラ信号のパワー分布、前記被検体内の組織の速度分布、及び、前記被検体内の組織の速度の分散分布を演算する分布データ演算部と、前記パワー分布、前記速度分布、及び、前記分散分布に基づいて、前記２次元データ空間における血流領域である確からしさを表す判別指標マップを生成する判別指標マップ生成部と、前記受信ビームデータ列から得られるドプラ信号及び前記判別指標マップに基づいて、前記被検体内の血流が表された血流画像を形成する血流画像形成部と、を備えることを特徴とする。
また、本明細書で開示される血流画像形成プログラムは、コンピュータを、被検体内のビーム走査面に対して超音波の送受波を行う超音波プローブからの受信信号に基づいて生成された、前記ビーム走査面を形成する各送信ビームに対応する受信ビームデータ列を取得する受信ビームデータ取得部と、前記受信ビームデータ列で構成される２次元データ空間において設定された複数の関心領域それぞれについて、前記受信ビームデータ列に基づいて、前記受信ビームデータから得られるドプラ信号のパワー分布、前記被検体内の組織の速度分布、又は、前記被検体内の組織の速度の分散分布の少なくとも一つである分布データを演算する分布データ演算部と、前記関心領域毎の前記分布データに基づいて、前記２次元データ空間における血流領域である確からしさを表す判別指標マップを生成する判別指標マップ生成部と、前記受信ビームデータ列から得られるドプラ信号及び前記判別指標マップに基づいて、前記被検体内の血流が表された血流画像を形成する血流画像形成部と、として機能させることを特徴とする。
本明細書で開示される血流画像形成装置によれば、血流を表すドプラ画像である血流画像において、ブルーミングアーチファクトをより低減することができる。
本実施形態に係る超音波診断装置の構成概略図である。 ドプラ画像形成部の構成概略図である。 ドプラ信号の例を示す概念図である。 パワーマップの例を示す概念図である。 血流領域内に設定されたＲＯＩにおけるパワー分布の例を示すグラフである。 バックグラウンド領域に設定されたＲＯＩにおけるパワー分布の例を示すグラフである。 ブルーミング領域に設定されたＲＯＩにおけるパワー分布の例を示すグラフである。 血流領域に設定されたＲＯＩにおける速度分布の例を示すグラフである。 バックグラウンド領域に設定されたＲＯＩにおける速度分布の例を示すグラフである。 ブルーミング領域に設定されたＲＯＩにおける速度分布の例を示すグラフである。 血流領域に設定されたＲＯＩにおける速度の分散分布の例を示すグラフである。 バックグラウンド領域に設定されたＲＯＩにおける速度の分散分布の例を示すグラフである。 ブルーミング領域に設定されたＲＯＩにおける速度の分散分布の例を示すグラフである。 パワー分布における最頻値を構成する山の幅を表すグラフである。 判別指標マップの例を示す概念図である。 図９のラインＤに沿った判別指標の変動を示すグラフである。 判別指標とゲインとの関係を示すグラフである。 パワー画像とゲインマップに基づいて血流画像が形成される処理を表す概念図である。 本実施形態に係るブルーミングアーチファクト低減処理を行わなかった場合の血流画像の例を示す図である。 本実施形態に係るブルーミングアーチファクト低減処理を行った場合の血流画像の例を示す図である。 血流画像の表示例を示す図である。 ゲインマップの表示例を示す図である。 ユーザインターフェースの例を示す図である。 推定されたドプラシフトのスペクトラムを表すグラフである。 血流領域に含まれるデータ要素のドプラシフトのスペクトラムの例を示すグラフである。 バックグラウンド領域に含まれるデータ要素のドプラシフトのスペクトラムの例を示すグラフである。 ブルーミング領域に含まれるデータ要素のドプラシフトのスペクトラムの例を示すグラフである。 本実施形態に係る超音波診断装置の処理の流れを示すフローチャートである。 ブルーミングアーチファクトが生じる原因の一例を示す図である。
図１は、本実施形態に係る血流画像形成装置としての超音波診断装置１０の構成概略図である。超音波診断装置１０は、病院などの医療機関に設置される装置である。超音波診断装置１０は、生体である被検体に対して超音波を送受波し、それにより得られた受信信号に基づいて、超音波画像を形成して表示する装置である。
特に、超音波診断装置１０は、受信信号間の位相変化量に基づくドプラシフトを検出し、ドプラシフトに応じて被検体内の組織の速度、速度の分散、又はパワーなどを表す超音波画像であるドプラ画像を形成する。ドプラ画像としては、組織の速度又は速度の分散の向き及び大きさを色で表したカラードプラ画像、並びに、パワーを色などで表したパワー画像がある。パワーとは、ドプラシフトを表すドプラ信号の強度を表すものであり、パワー画像は、カラードプラ画像に比して、例えば遅い血流でも明るく表示できる、などの利点を有する。本明細書では、ドプラ画像のうち、被検体内の血流を表すものを血流画像と呼ぶ。
超音波プローブであるプローブ１２は、超音波の送信及び反射波の受信を行うデバイスである。具体的には、プローブ１２は、被検体の体表に当接され、被検体に向けて超音波ビームを送信し、被検体内の組織において反射した反射波を受信する。プローブ１２内には、複数の振動素子からなる振動素子アレイが設けられている。振動素子アレイに含まれる各振動素子には、後述の送信部１４から電気信号である送信信号が供給され、これにより、超音波ビーム（送信ビーム）が生成される。超音波ビームが走査されることで被検体内にビーム走査面が形成される。また、振動素子アレイに含まれる各振動素子は、被検体からの反射波を受信し、反射波を電気信号である受信信号に変換して後述の受信部１６に送信する。
送信部１４は、送信ビームフォーマとして機能する。送信部１４は、超音波の送信時において、複数の送信信号をプローブ１２（詳しくは振動素子アレイ）に対して並列的に供給する。これにより、プローブ１２から超音波ビームが送信される。
受信部１６は、受信ビームフォーマとして機能する。受信部１６は、反射波の受信時において、プローブ１２（詳しくは振動素子アレイ）から、ビーム走査面を形成する各送信ビームに対応する複数の受信信号を並列的に受け取る。受信部１６は、複数の受信信号に対して、整層加算処理などの処理が実施され、これにより複数の受信ビームデータ（受信ビームデータ列）が生成される。このように、本実施形態では、受信部１６が受信ビームデータ取得部に相当する。各受信ビームデータは、被検体の深さ方向に並ぶ、反射波の信号強度を示す複数の信号（データ）により構成される。すなわち、受信ビームデータ列によって、深さ方向及び方位方向（送信ビームの走査方向）に並ぶ２次元データ空間が定義され得る。なお、ビーム走査面の全体から得られた受信ビームデータ列（本明細書では受信フレームデータと呼ぶ）が有する信号強度を輝度値に変換することで１枚のＢモード画像が形成される。本明細書では、Ｂモード画像の各画素に対応する受信ビームデータ列のデータ部分をデータ要素と呼ぶ。
信号処理部１８は、受信部１６からの各受信ビームデータに対して、検波処理、対数増幅処理、ゲイン補正処理、あるいはフィルタ処理などを含む各種信号処理を行う。
シネメモリ２０は、信号処理部１８で処理された複数個の受信フレームデータを記憶するメモリである。シネメモリ２０は、信号処理部１８からの受信フレームデータを入力された順番に出力するＦＩＦＯ（First In First Out）バッファである。
断層画像形成部２２は、シネメモリ２０からの受信フレームデータに基づいて、超音波断層画像（すなわちＢモード画像）を形成する。具体的には、断層画像形成部２２は、受信フレームデータに含まれる各受信ビームデータの各データ要素が有する信号強度を輝度値に変換することで、Ｂモード画像を形成する。
ドプラ画像形成部２４は、被検体に対する超音波の送受波によって得られた複数の受信信号間のドプラシフトに基づいてドプラ画像を形成する。ドプラ画像形成部２４が行う処理の詳細については後述する。
表示制御部２６は、断層画像形成部２２で形成されたＢモード画像を、例えば液晶パネルなどにより構成される表示部としてのディスプレイ２８に表示させる。また、表示制御部２６は、断層画像形成部２２で形成されたＢモード画像に、ドプラ画像形成部２４で形成されたドプラ画像を重畳させてディスプレイ２８に表示させる。
入力インターフェース３０は、例えばボタン、トラックボール、あるいはタッチパネルなどから構成される。入力インターフェース３０は、ユーザの指示を超音波診断装置１０に入力するためのものである。
メモリ３２は、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、ｅＭＭＣ（embedded Multi Media Card）、ＲＯＭ（Read Only Memory）あるいはＲＡＭ（Random Access Memory）などを含んで構成される。メモリ３２には、超音波診断装置１０の各部を動作させるための血流画像形成プログラムが記憶される。なお、血流画像形成プログラムは、ＵＳＢ（Universal Serial Bus）メモリ又はＣＤ－ＲＯＭなどのコンピュータ読み取り可能な非一時的な記憶媒体に格納することもできる。超音波診断装置１０は、そのような記憶媒体から血流画像形成プログラムを読み取って実行することができる。
制御部３４は、汎用的なプロセッサ（例えばＣＰＵ（Central Processing Unit）など）、及び、専用のプロセッサ（例えばＧＰＵ（Graphics Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、あるいは、プログラマブル論理デバイスなど）の少なくとも１つを含んで構成される。制御部３４としては、１つの処理装置によるものではなく、物理的に離れた位置に存在する複数の処理装置の協働により構成されるものであってもよい。制御部３４は、メモリ３２に記憶された超音波画像処理プログラムに従って、超音波診断装置１０の各部を制御する。
なお、送信部１４、受信部１６、信号処理部１８、断層画像形成部２２、ドプラ画像形成部２４、及び、表示制御部２６の各部は、１又は複数のプロセッサ、チップ、電気回路などによって構成されている。これらの各部がハードウェアとソフトウエアとの協働により実現されてもよい。
図２は、ドプラ画像形成部２４の構成概略図である。図２に示されるとおり、ドプラ画像形成部２４は、ドプラ処理部４０、分布データ演算部４２、判別指標マップ生成部４４、及び、血流画像形成部４６としての機能を発揮する。
ドプラ処理部４０は、シネメモリ２０からの受信ビームデータを複素信号（実数部信号（Ｉ成分）及び虚数部信号（Ｑ成分））に分ける直交検波処理、直交検波処理によって得られた複素信号に対して、被検体の体動などに起因するノイズ（クラッタ成分）を除去するためのウォールフィルタを適用するフィルタ処理、受信ビームデータ間の位相変更量を演算するための、Ｉ成分とＱ成分との間の相関を演算する自己相関演算などを実行する。
本明細書では、ドプラ処理部４０により処理された受信ビームデータをドプラ信号と呼ぶ。詳しくは、直交検波処理や自己相関演算などにより得られた信号は、組織成分と血流成分が混合した信号となっているため、当該信号にウォールフィルタを適用して血流成分のみを抽出したものをドプラ信号と呼ぶ。ドプラ信号は、各データ要素についての、各ドプラシフト（シフト周波数）に対する信号強度を示す信号となる。図３は、あるデータ要素についてのドプラ信号の例を示すグラフである。図３は、横軸がドプラシフト（シフト周波数）を表し、縦軸が信号強度を表す。図３に示すように、ドプラ信号は、中心周波数ｆを中心に信号強度が分布しているのが一般的である。なお、ドプラ処理部４０（及びドプラ画像形成部２４に含まれる他の処理部）の処理の対象は、受信フレームデータの全体でなくてもよく、その一部（例えばユーザから指定された関心領域）のみであってよい。
分布データ演算部４２は、各データ要素についての図３に示すようなドプラ信号に基づいて、各データ要素についての、ドプラ信号のパワー、被検体内の組織の速度、又は、被検体内の組織の速度の分散の少なくとも１つを演算する。具体的には、分布データ演算部４２は、信号強度の積分値（グラフの着色部分）に基づいて、当該データ要素のパワーを演算する。また、信号強度を有するドプラシフトは幅を持っているため、分布データ演算部４２は、信号強度を有するドプラシフトから演算される速度の平均速度を当該データ要素の速度として演算する。さらに、分布データ演算部４２は、ドプラ信号のグラフの幅に基づいて、当該データ要素の速度の分散を演算する。
分布データ演算部４２が、各データ要素についてのパワー、速度、又は速度の分散を演算することで、受信ビームデータ列（つまり２次元配列されたデータ要素群）で構成される２次元データ空間におけるパワー分布を示すパワーマップ、速度分布を示す速度マップ、又は、速度の分散分布を示す分散マップが演算されることになる。
図４は、パワーマップ５０の例を示す概念図である。図４（及び後述の図９についても同様）においては、Ｘ軸方向は方位方向を表し、Ｚ軸方向は深さ方向を表している。
パワーマップ５０（又は速度マップや分散マップでもよい）において、観念上、血流（血管）に対応する血流領域Ａ、血流以外の被検体の組織に対応するバックグラウンド領域Ｂ、及び、血流領域Ａの下側（Ｚ軸方向正側）にあり、ドプラ画像おいてブルーミングアーチファクトを生じさせるブルーミング領域Ｃに分けられる。
分布データ演算部４２は、受信ビームデータ列で構成された２次元データ空間（すなわちパワーマップ５０、速度マップ、又は分散マップ）において、複数の関心領域（ＲＯＩ（Region Of Interest））５２を設定する。なお、図４においては、複数のＲＯＩ５２のうち一部のＲＯＩ５２のみが図示されている。特に、分布データ演算部４２は、１つのＲＯＩ５２が複数のデータ要素を含むように、各ＲＯＩ５２を設定する。そうすると、分布データ演算部４２は、複数のＲＯＩ５２それぞれについて、パワーの分布を示すパワー分布、速度の分布を示す速度分布、又は速度の分散の分布を示す速度の分散分布の少なくとも一つである分布データを得ることができる。
ここで重要な点は、血流領域ＡにおけるＲＯＩ５２ａの分布データと、バックグラウンド領域ＢにおけるＲＯＩ５２ｂの分布データと、ブルーミング領域ＣにおけるＲＯＩ５２ｃの分布データとの特徴が互いに異なる、ということである。
図５Ａは、血流領域Ａ内に設定されたＲＯＩ５２ａにおけるパワー分布の例を示すグラフであり、図５Ｂは、バックグラウンド領域Ｂ内に設定されたＲＯＩ５２ｂにおけるパワー分布の例を示すグラフであり、図５Ｃは、ブルーミング領域Ｃ内に設定されたＲＯＩ５２ｃにおけるパワー分布の例を示すグラフである。図５Ａ～図５Ｃにおいては、横軸がパワーを表し、縦軸が頻度（データ要素数）を表す。すなわち、図５Ａ～図５Ｃは、各ＲＯＩ５２におけるパワーのヒストグラムを表している。
図５Ａに示される通り、血流領域Ａに設定されたＲＯＩ５２ａにおけるパワー分布は、パワーのばらつきが大きく、特定のパワーの頻度が突出して大きくなることがない。すなわち、パワーのグラフは幅広で高さの低い山の形状となる。これに対し、図５Ｂに示される通り、バックグラウンド領域Ｂに設定されたＲＯＩ５２ｂにおけるパワー分布は、パワーのばらつきが小さく、特定のパワー（低パワー）の頻度が突出して大きくなっている。すなわち、パワーのグラフは幅狭で高さの高い山の形状となる。ブルーミング領域Ｃに設定されたＲＯＩ５２ｃにおけるパワー分布は、血流領域Ａとバックグラウンド領域Ｂのパワー分布の特徴を併せ持ったものとなる。具体的には、図５Ｃに示される通り、ブルーミング領域Ｃに設定されたＲＯＩ５２ｃにおけるパワー分布は、パワーのばらつきが小さく、特定のパワー（低パワー）の頻度が突出して大きくなっている幅狭の山と、幅広で高さの低い（幅狭の山よりもピークが低い）山とを併せ持った形状となる。
図６Ａは、血流領域Ａ内に設定されたＲＯＩ５２ａにおける速度分布の例を示すグラフであり、図６Ｂは、バックグラウンド領域Ｂ内に設定されたＲＯＩ５２ｂにおける速度分布の例を示すグラフであり、図６Ｃは、ブルーミング領域Ｃ内に設定されたＲＯＩ５２ｃにおける速度分布の例を示すグラフである。図６Ａ～図６Ｃにおいては、横軸が速度を表し、縦軸が頻度（データ要素数）を表す。すなわち、図６Ａ～図６Ｃは、各ＲＯＩ５２における速度のヒストグラムを表している。
図６Ａに示される通り、血流領域Ａに設定されたＲＯＩ５２ａにおける速度分布は、パワー分布とは反対に、速度のばらつきが小さく、特定の速度の頻度が突出して大きくなっている。すなわち、速度のグラフは幅狭で高さの高い山の形状となる。これに対し、図６Ｂに示される通り、バックグラウンド領域Ｂに設定されたＲＯＩ５２ｂにおける速度分布は、パワー分布とは反対に、速度のばらつきが大きく、特定の速度の頻度が突出して大きくなることがない。すなわち、速度のグラフは幅広で高さの低い山の形状となる。ブルーミング領域Ｃに設定されたＲＯＩ５２ｃにおける速度分布は、血流領域Ａとバックグラウンド領域Ｂの速度分布の特徴を併せ持ったものとなる。具体的には、図６Ｃに示される通り、ブルーミング領域Ｃに設定されたＲＯＩ５２ｃにおける速度分布は、速度のばらつきが小さく、特定の速度の頻度が突出して大きくなっている幅狭の山と、幅広で高さの低い（幅狭の山よりもピークが低い）山とを併せ持った形状となる。
速度の分散分布は、概ね速度分布と同じような特徴を呈する。図７Ａは、血流領域Ａ内に設定されたＲＯＩ５２ａにおける速度の分散分布の例を示すグラフであり、図７Ｂは、バックグラウンド領域Ｂ内に設定されたＲＯＩ５２ｂにおける速度の分散分布の例を示すグラフであり、図７Ｃは、ブルーミング領域Ｃ内に設定されたＲＯＩ５２ｃにおける速度の分散分布の例を示すグラフである。図７Ａ～図７Ｃにおいては、横軸が速度の分散を表し、縦軸が頻度（データ要素数）を表す。すなわち、図７Ａ～図７Ｃは、各ＲＯＩ５２における速度の分散のヒストグラムを表している。
図７Ａに示される通り、血流領域Ａに設定されたＲＯＩ５２ａにおける速度の分散分布は、速度の分散のばらつきが小さく、特定の分散の頻度が突出して大きくなっている。すなわち、速度の分散のグラフは幅狭で高さの高い山の形状となる。これに対し、図７Ｂに示される通り、バックグラウンド領域Ｂに設定されたＲＯＩ５２ｂにおける速度の分散分布は、分散のばらつきが大きく、特定の分散の頻度が突出して大きくなることがない。すなわち、速度の分散のグラフは幅広で高さの低い山の形状となる。ブルーミング領域Ｃに設定されたＲＯＩ５２ｃにおける速度の分散分布は、血流領域Ａとバックグラウンド領域Ｂの速度の分散分布の特徴を併せ持ったものとなる。具体的には、図７Ｃに示される通り、ブルーミング領域Ｃに設定されたＲＯＩ５２ｃにおける速度の分散分布は、分散のばらつきが小さく、特定の分散の頻度が突出して大きくなっている幅狭の山と、幅広で高さの低い（幅狭の山よりもピークが低い）山とを併せ持った形状となる。
判別指標マップ生成部４４は、分布データ演算部４２が演算した、ＲＯＩ５２毎の分布データに基づいて、受信ビームデータ列で構成された２次元データ空間における血流領域Ａである確からしさを表す判別指標マップを生成する。具体的には、判別指標マップとは、受信ビームデータ列で構成された２次元データ空間にある各データ要素に対して、血流領域Ａである確からしさを表す判別指標が付与されて生成されるマップである。上述のように、血流領域Ａ、バックグラウンド領域Ｂ、及びブルーミング領域ＣにおけるＲＯＩ５２の分布データの特徴が互いに異なることから、判別指標マップ生成部４４は、ＲＯＩ５２における分布データの特徴に基づいて、各ＲＯＩ５２（すなわち各ＲＯＩ５２を構成する各データ要素）に対して、当該ＲＯＩ５２が血流領域Ａ内にある確からしさを表す判別指標（値）を付与する。
分布データ演算部４２により、各ＲＯＩ５２のパワー分布が演算されている場合、判別指標マップ生成部４４は、ＲＯＩ５２毎のパワー分布における最頻値近傍のパワーのばらつき具合に基づいて、判別指標マップを生成する。
図８は、あるＲＯＩ５２のパワー分布を示すグラフである。判別指標マップ生成部４４は、まず、パワー分布における最頻値を特定する。そして、グラフにおいて最頻値を含む山の幅ｗに基づいて、当該ＲＯＩ５２に付与する判別指標を決定する。具体的には、幅ｗが大きいほど判別指標が大きくなるように、換言すれば、幅ｗが小さいほど判別指標が小さくなるように、判別指標を決定する。
なお、本実施形態では、山の幅ｗとしては、頻度が最頻値に基づいて決定される２つのパワーの差分（具体的には、最頻値×０．６の値をとる２つのパワー値の差分）としているが、山の幅ｗは、その他の指標により演算されてもよい。例えば、上記０．６の値を他の値とするようにしてもよい。
上述のように、血流領域Ａ内に設定されたＲＯＩ５２ａにおけるパワー分布を示すグラフ（図５Ａ参照）では、最頻値を含む山の幅ｗはかなり大きくなる。一方、バックグラウンド領域Ｂ内に設定されたＲＯＩ５２ｂにおけるパワー分布を示すグラフ（図５Ｂ参照）では、最頻値を含む山の幅ｗはかなり小さくなる。また、ブルーミング領域Ｃ内に設定されたＲＯＩ５２ｃにおけるパワー分布を示すグラフ（図５Ｃ参照）においては、幅広の山も含まれているものの、最頻値を構成する山に着目すると、バックグラウンド領域Ｂ同様、当該山の幅ｗはかなり小さくなる。つまり、最頻値を構成する山の幅ｗに基づいて判別指標を決定することで、血流領域Ａに設定されたＲＯＩ５２ａに対しては比較的大きい値の判別指標を付与することができる一方、バックグラウンド領域Ｂのみならずブルーミング領域Ｃに対しては比較的小さい値の判別指標を付与することができる。
分布データ演算部４２により、各ＲＯＩ５２の速度分布が演算されている場合、判別指標マップ生成部４４は、ＲＯＩ５２毎の速度分布における最頻値近傍の速度のばらつき具合に基づいて、判別指標マップを生成する。速度分布が演算された場合でも、パワー分布の場合と同様に、判別指標マップ生成部４４は、速度分布を示すグラフにおいて最頻値を含む山の幅ｗに基づいて、当該ＲＯＩ５２に付与する判別指標を決定する。ただし、速度分布の場合は、判別指標マップ生成部４４は、パワー分布の場合とは逆に、幅ｗが小さいほど判別指標が大きくなるように、換言すれば、幅ｗが大きいほど判別指標が小さくなるように、判別指標を決定する。
上述のように、血流領域Ａ内に設定されたＲＯＩ５２ａにおける速度分布を示すグラフ（図６Ａ参照）では、最頻値を含む山の幅ｗはかなり小さくなる。一方、バックグラウンド領域Ｂ内に設定されたＲＯＩ５２ｂにおける速度分布を示すグラフ（図６Ｂ参照）では、最頻値を含む山の幅ｗはかなり大きくなる。また、ブルーミング領域Ｃ内に設定されたＲＯＩ５２ｃにおける速度分布を示すグラフ（図５Ｃ参照）においては、最頻値を含む山の幅ｗはバックグラウンド領域Ｂよりは小さいが、血流領域Ａよりは大きくなる。つまり、最頻値を構成する山の幅ｗに基づいて判別指標を決定することで、血流領域Ａに設定されたＲＯＩ５２ａに対しては比較的大きい値の判別指標を付与することができる一方、バックグラウンド領域Ｂのみならずブルーミング領域Ｃに対しては比較的小さい値の判別指標を付与することができる。
分布データ演算部４２により、各ＲＯＩ５２の速度の分散分布が演算されている場合、判別指標マップ生成部４４は、ＲＯＩ５２毎の分散分布における最頻値近傍の分散のばらつき具合に基づいて、判別指標マップを生成する。分散分布が演算された場合でも、パワー分布又は速度分布の場合と同様に、判別指標マップ生成部４４は、分散分布を示すグラフにおいて最頻値を含む山の幅ｗに基づいて、当該ＲＯＩ５２に付与する判別指標を決定する。分散分布の場合は、パワー分布の場合とは逆であって速度分布の場合と同じように、幅ｗが小さいほど判別指標が大きくなるように、換言すれば、幅ｗが大きいほど判別指標が小さくなるように、判別指標を決定する。
上述のように、血流領域Ａ内に設定されたＲＯＩ５２ａにおける分散分布を示すグラフ（図７Ａ参照）では、最頻値を含む山の幅ｗはかなり小さくなる。一方、バックグラウンド領域Ｂ内に設定されたＲＯＩ５２ｂにおける分散分布を示すグラフ（図７Ｂ参照）では、最頻値を含む山の幅ｗはかなり大きくなる。また、ブルーミング領域Ｃ内に設定されたＲＯＩ５２ｃにおける分散分布を示すグラフ（図７Ｃ参照）においては、最頻値を含む山の幅ｗはバックグラウンド領域Ｂよりは小さいが、血流領域Ａよりは大きくなる。つまり、最頻値を構成する山の幅ｗに基づいて判別指標を決定することで、血流領域Ａに設定されたＲＯＩ５２ａに対しては比較的大きい値の判別指標を付与することができる一方、バックグラウンド領域Ｂのみならずブルーミング領域Ｃに対しては比較的小さい値の判別指標を付与することができる。
図９は、判別指標マップ生成部４４によって生成された判別指標マップ５４の例を示す概念図である。また、図１０は、図９のＺ軸方向に平行なラインＤに沿った判別指標の変動を示すグラフである。判別指標マップ５４においては、血流領域Ａに対応する部分の判別指標が大きくなり、バックグラウンド領域Ｂ及びブルーミング領域Ｃに対応する部分の判別指標は小さくなっている。
本実施形態では、判別指標マップ生成部４４は、各データ要素に付与された判別指標を正規化する処理を行う。例えば、判別指標マップ生成部４４は、正規化処理として、判別指標マップ５４において、判別指標が所定の閾値（図１０参照）以下のデータ要素の判別指標を０にする処理を行う。閾値以下の値の判別指標（すなわちかなり小さい値の判別指標）に対応するデータ要素は、血流領域Ａに対応するデータ要素である可能性がかなり低いからである。
また、演算の仕方によっては、判別指標が、例えば１０，０００など、かなり大きい値となる場合がある。つまり、判別指標が取り得る値がかなり幅広となる可能性がある。判別指標のばらつきが大きいと、後述の血流画像形成部４６の処理において、血流領域Ａとその他の領域（バックグラウンド領域Ｂ及びブルーミング領域Ｃ）を好適に識別することが困難となり得る。したがって、判別指標マップ生成部４４は、正規化処理として、判別指標マップ５４の各データ要素が有する判別指標を０～１の間の値に変換する。このように判別指標が変換（正規化）された判別指標マップ５４をゲインマップと呼ぶ。本実施形態では、判別指標マップ生成部４４は、ゲイン関数を用いて判別指標を正規化（変換）する。正規化は、例えば以下の式１で表される。
式１において、（ｘ，ｚ）は、Ｘ軸座標がｘ、Ｚ軸座標がｚの位置にあるデータ要素を示す。ｇ（ｘ，ｚ）は、ゲインマップの各データ要素（ｘ，ｚ）の判別指標（正規化された判別指標）を表し、ｄ（ｘ，ｚ）は、正規化前のデータ要素（ｘ，ｚ）の判別指標を表す。Ｇ（ｄ（ｘ，ｚ））は、ゲイン関数を表す。ゲイン関数は、例えば図１１に示すようなシグモイド関数であってよい。
本実施形態では、ゲインマップが有する各データ要素の判別指標は０～１の値を有するようになる。特に、ゲインマップ５６では、血流領域Ａに対応するデータ要素は１又はそれに近い値の判別指標を有し、バックグラウンド領域Ｂ及びブルーミング領域Ｃに対応するデータ要素は０又はそれに近い値の判別指標を有するようになる。
血流画像形成部４６は、ドプラ処理部４０の処理により得られたドプラ信号、及び、判別指標マップ生成部４４により生成された判別指標マップに基づいて、被検体内の血流が表された血流画像を形成する。本実施形態では、分布データ演算部４２により、パワーマップ、速度マップ、又は分散マップが演算されているため、血流画像形成部４６は、パワーマップ、速度マップ、又は分散マップと、判別指標マップとに基づいて血流画像を形成する。
具体的には、血流画像形成部４６は、図１２に示すように、パワーマップ５０にゲインマップ５６（正規化された判別指標マップ）を掛け合わせることで、ブルーミングアーチファクトが低減された血流画像としてのパワー画像５８を形成する。パワーマップ５０にゲインマップ５６を掛け合わせる、とは、パワーマップ５０のデータ要素が有するパワーに、ゲインマップ５６の当該データ要素の判別指標（０～１）を掛け合わせ、その演算結果をパワー画像５８の当該データ要素の信号値とすることを意味する。上述のように、ゲインマップ５６では、血流領域Ａに対応するデータ要素は１又はそれに近い値の判別指標を有しており、バックグラウンド領域Ｂ及びブルーミング領域Ｃに対応するデータ要素は０又はそれに近い値の判別指標を有しているため、パワー画像５８においては、血流領域Ａに対応するデータ要素の信号値は、パワーマップ５０が有するパワーがほぼそのまま残り、バックグラウンド領域Ｂ及びブルーミング領域Ｃに対応するデータ要素の信号値はほぼ０となる。
同じようにして、血流画像形成部４６は、パワーマップ５０に変えて、速度マップとゲインマップ５６とを掛け合わせることで、ブルーミングアーチファクトが低減された血流画像としての速度画像を得ることができる。また、血流画像形成部４６は、パワーマップ５０に変えて、分散マップとゲインマップ５６とを掛け合わせることで、ブルーミングアーチファクトが低減された血流画像としての分散画像を得ることができる。
上述の通り、本実施形態によれば、ブルーミングアーチファクトが低減された血流画像（パワー画像又はカラードプラ画像（速度画像あるいは分散画像））を得ることができる。図１３Ａ及び図１３Ｂには本実施形態の効果が示されている。図１３Ａは、本実施形態に係る上述のブルーミング低減処理を行わなかった場合のパワー画像の例を示す図である。図１３Ａには、血管６０の下側にブルーミングアーチファクト６２が生じていることが認められる。図１３Ｂは、本実施形態に係るブルーミングアーチファクト低減処理を行った場合のパワー画像の例を示す図である。図１３Ｂには、図１３Ａでは生じていたブルーミングアーチファクト６２がかなり低減されていることが示されている。
表示制御部２６は、ドプラ画像形成部２４により形成された血流画像をディスプレイ２８に表示させる。例えば、表示制御部２６は、断層画像形成部２２により形成されたＢモード画像に血流画像を重畳させてディスプレイ２８に表示させる。
表示制御部２６は、ブルーミングアーチファクトが低減された血流画像と、ブルーミングアーチファクトが低減されていない血流画像をディスプレイ２８に表示させてもよい。例えば、図１４に示すように、表示制御部２６は、ブルーミングアーチファクトが低減されたパワー画像５８と、ブルーミングアーチファクトが低減されていないパワー画像（すなわちパワーマップ５０）を並べて表示させるようにしてもよい。これにより、ユーザは、ブルーミングアーチファクトがどれだけ低減されたかを把握できるし、ブルーミングアーチファクト低減処理が行われていない元のパワー画像も確認することができる。
また、表示制御部２６は、判別指標マップ生成部４４により生成された判別指標マップをディスプレイ２８に表示させてもよい。例えば、図１５に示すように、表示制御部２６は、ブルーミングアーチファクトが低減されたパワー画像５８と、それを得るために用いたゲインマップ５６を並べて表示させるようにしてもよい。ゲインマップ５６に代えて、正規化前の判別指標マップを表示してもよい。これにより、ユーザは、ブルーミングアーチファクトを低減するために用いられたゲインマップ５６（又は判別指標マップ）を確認することができる。
ドプラ画像形成部２４は、本実施形態に係る血流画像を形成する処理、換言すれば、ブルーミングアーチファクト低減処理に係るパラメータを、ユーザからの指定に基づいて設定可能であるとよい。当該パラメータとしては、これらに限られるものではないが、例えば、分布データ演算部４２が設定するＲＯＩ５２（図４参照）の大きさを表すパラメータ、及び、判別指標マップ生成部４４による判別指標の正規化に関するパラメータが含まれる。判別指標の正規化に関するパラメータとは、例えば、図１０に示された閾値、あるいは、ゲイン関数としてのシグモイド関数（図１１参照）のゲイン値などである。
例えば、図１６に示すように、上述の各パラメータの組み合わせをプリセットとして予め複数設定しておき、入力インターフェース３０として、各プリセットに対応する複数のプリセットボタン７０を設けておくことができる。ユーザが所望のプリセットボタン７０を選択して操作すると、ドプラ画像形成部２４は、操作されたプリセットボタン７０に対応するプリセットが示す各パラメータをブルーミングアーチファクト低減処理のパラメータとして設定する。表示制御部２６は、各パラメータの設定値をディスプレイ２８に表示してもよい。また、ディスプレイ２８はタッチパネルであってよく、ディスプレイ２８に対する操作によって、各パラメータを個別に設定可能であってもよい。
上述の実施形態では、判別指標マップ生成部４４は、分布データ演算部４２が演算した、パワーマップ、速度マップ、又は、分散マップのいずれかを用いて判別指標マップを生成していたが、分布データ演算部４２は、パワーマップ、速度マップ、及び、分散マップを演算した上で、判別指標マップ生成部４４は、パワーマップ、速度マップ、及び、分散マップに基づいて判別指標マップを生成するようにしてもよい。
この場合、判別指標マップ生成部４４は、各データ要素について演算されたパワー、速度、及び速度の分散に基づいて、各データ要素についてのドプラシフトωのスペクトラムを推定する。具体的には、まず、判別指標マップ生成部４４は、ドプラシフトωのスペクトラムがガウシアン分布であるとし、ガウシアンＳ０（ω）を以下の式２に示すように設定する。
式２において、ω０は当該データ要素の速度であり、σは当該データ要素の速度の分散である。
次に、判別指標マップ生成部４４は、以下の式３に示すように、パワーをガウシアンＳ０（ω）の総パワーで除算したパラメータＡを演算する。
式３において、Ｐは当該データ要素のパワーである。
そして、判別指標マップ生成部４４は、最終的に、ドプラシフトωのスペクトラムＳ（ω）を以下の式４で推定する。
このように推定されたドプラシフトωのスペクトラムＳ（ω）は、図１７に示すような、積分値がＰとなるグラフとなる。
ここで、血流領域Ａに含まれるデータ要素のスペクトラムＳ（ω）と、バックグラウンド領域Ｂに含まれるデータ要素のスペクトラムＳ（ω）と、ブルーミング領域Ｃに含まれるデータ要素のスペクトラムＳ（ω）との特徴が互いに異なる、ということが重要である。
図１８Ａは、血流領域Ａに含まれるデータ要素のスペクトラムＳ（ω）の例を示すグラフであり、図１８Ｂは、バックグラウンド領域Ｂに含まれるデータ要素のスペクトラムＳ（ω）の例を示すグラフであり、図１８Ｃは、ブルーミング領域Ｃに含まれるデータ要素のスペクトラムＳ（ω）の例を示すグラフである。図１８Ａ～図１８Ｃにおいては、横軸がドプラシフトωを表し、縦軸がパワーを表す。
血流領域Ａに含まれるデータ要素のスペクトラムＳ（ω）は、バックグラウンド領域Ｂ及びブルーミング領域Ｃに比して、ドプラシフトωが大きいところにピークがあり、且つ、パワーが大きくなっている。したがって、判別指標マップ生成部４４は、より大きなドプラシフトωにおいてピークを有するスペクトラムＳ（ω）程大きな値となる、スペクトラムＳ（ω）の１次モーメントを演算し、これを当該データ要素の判別指標とする。スペクトラムＳ（ω）の１次モーメントＭ１は、以下の式５により演算される。
これにより、血流領域Ａに含まれるデータ要素には、比較的大きい値の判別指標が付与することができる一方、バックグラウンド領域Ｂ及びブルーミング領域Ｃに対しては比較的小さい値の判別指標を付与することができる。なお、ドプラシフトωのスペクトラムＳ（ω）に基づいて判別指標を付与する場合、上述のように、データ要素毎に処理を行うため、分布データ演算部４２は、ＲＯＩ５２を設定する必要がなく、ＲＯＩ５２毎の分布データを得る必要はない。
なお、上記実施形態では、スペクトラムＳ（ω）の１次モーメントＭ１を判別指標としていたが、２次以降のモーメントも考慮して判別指標を演算するようにしてもよい。なお、任意のｎ次モーメントＭｎは以下の式６により演算される。
本実施形態に係る超音波診断装置１０の概要は以上の通りである。以下、図１９に示されるフローチャートに従って、超音波診断装置１０の処理の流れを説明する。
ステップＳ１０において、送信部１４はプローブ１２に対して複数の送信信号を供給し、プローブ１２はこれに基づいて被検体に超音波を送信する。プローブ１２は、被検体からの反射波を受信して複数の受信信号を受信部１６へ送る。受信部１６は、複数の受信信号に基づいて、受信ビームデータ列を生成する。
ステップＳ１２において、ドプラ処理部４０は、受信ビームデータ列を構成する各受信ビームデータに基づいてドプラ信号を生成する。分布データ演算部４２は、各データ要素についてのドプラ信号に基づいて、各データ要素についてのパワー、速度、又は速度の分散を演算する。ここでは、分布データ演算部４２は各データ要素のパワーを演算し、これによりパワーマップ５０（図４参照）を生成するものとする。また、分布データ演算部４２は、パワーマップ５０において複数のＲＯＩ５２を設定し、これにより、ＲＯＩ５２毎のパワー分布を得る。
ステップＳ１４において、判別指標マップ生成部４４は、ステップＳ１２で設定された複数のＲＯＩ５２のうちから、対象ＲＯＩを選択する。
ステップＳ１６において、判別指標マップ生成部４４は、ステップＳ１４で選択した対象ＲＯＩのパワー分布に基づいて、対象ＲＯＩ（すなわち対象ＲＯＩに含まれるデータ要素）の判別指標を演算する。
ステップＳ１８において、判別指標マップ生成部４４は、ステップＳ１２で設定されたすべてのＲＯＩ５２についての判別指標の演算が完了したか否かを判定する。判別指標を演算していないＲＯＩ５２が残っている場合は、ステップＳ１４に戻り、再度のステップＳ１４にて、判別指標マップ生成部４４は、判別指標を演算していないＲＯＩ５２を対象ＲＯＩとして選択する。すべてのＲＯＩ５２についての判別指標の演算が完了している場合はステップＳ２０に進む。
ステップＳ２０において、判別指標マップ生成部４４は、各データ要素について演算された判別指標を正規化してゲインマップ５６を生成する。
ステップＳ２２において、血流画像形成部４６は、ステップＳ１２で生成したパワーマップ５０にステップＳ２０で生成されたゲインマップ５６を掛け合わせることで、ブルーミングアーチファクトが低減された血流画像としてのパワー画像５８を形成する。
ステップＳ２２において、表示制御部２６は、断層画像形成部２２で形成されたＢモード画像に、ステップＳ２２で形成されたドプラ画像を重畳させてディスプレイ２８に表示させる。
以上、本開示に係る血流画像形成装置を説明したが、本開示に係る血流画像形成装置は上記実施形態に限られるものではなく、その趣旨を逸脱しない限りにおいて種々の変更が可能である。
例えば、本実施形態では、血流画像形成装置が超音波診断装置１０であったが、血流画像形成装置は超音波診断装置１０に限られず、その他のコンピュータであってもよい。この場合、血流画像形成装置としてのコンピュータが、ドプラ画像形成部２４の機能を発揮する。具体的には、血流画像形成装置としてのコンピュータは、超音波診断装置から受信ビームデータ列を取得し（この場合コンピュータのインターフェースが受信ビームデータ取得部に相当する）、ドプラ画像形成部２４が当該受信ビームデータ列に基づいて上述の処理を行うことで、ブルーミングアーチファクトが低減された血流画像が形成される。
１０ 超音波診断装置、１２ プローブ、１４ 送信部、１６ 受信部、１８ 信号処理部、２０ シネメモリ、２２ 断層画像形成部、２４ ドプラ画像形成部、２６ 表示制御部、２８ ディスプレイ、３０ 入力インターフェース、３２ メモリ、３４ 制御部、４０ ドプラ処理部、４２ 分布データ演算部、４４ 判別指標マップ生成部、４６ 血流画像形成部。

Claims (8)

  1. 被検体内のビーム走査面に対して超音波の送受波を行う超音波プローブからの受信信号に基づいて生成された、前記ビーム走査面を形成する各送信ビームに対応する受信ビームデータ列を取得する受信ビームデータ取得部と、
    前記受信ビームデータ列で構成される２次元データ空間において設定された複数の関心領域それぞれについて、前記受信ビームデータ列に基づいて、前記受信ビームデータから得られるドプラ信号のパワー分布、前記被検体内の組織の速度分布、又は、前記被検体内の組織の速度の分散分布の少なくとも一つである分布データを演算する分布データ演算部と、
    前記関心領域毎の前記分布データに基づいて、前記２次元データ空間における血流領域である確からしさを表す判別指標マップを生成する判別指標マップ生成部と、
    前記受信ビームデータ列から得られるドプラ信号及び前記判別指標マップに基づいて、前記被検体内の血流が表された血流画像を形成する血流画像形成部と、
    を備えることを特徴とする血流画像形成装置。
  2. 前記判別指標マップ生成部は、前記関心領域毎の前記パワー分布における最頻値近傍のパワーのばらつき具合、前記関心領域毎の前記速度分布における最頻値近傍の速度のばらつき具合、又は、前記関心領域毎の前記分散分布における最頻値近傍の分散のばらつき具合に基づいて、前記判別指標マップを生成する、
    ことを特徴とする請求項１に記載の血流画像形成装置。
  3. 前記判別指標マップ生成部は、前記判別指標マップが有する判別指標を正規化し、
    前記血流画像形成部は、前記ドプラ信号、及び、正規化された判別指標を有する前記判別指標マップに基づいて血流画像を形成する、
    ことを特徴とする請求項１又は２に記載の血流画像形成装置。
  4. 前記関心領域の大きさを表すパラメータ、及び、前記正規化に関するパラメータを含む、前記血流画像を形成する処理に係るパラメータがユーザからの指定に基づいて設定可能である、
    ことを特徴とする請求項３に記載の血流画像形成装置。
  5. 前記判別指標マップを表示部に表示させる表示制御部と、
    をさらに備えることを特徴とする請求項１に記載の血流画像形成装置。
  6. 被検体内のビーム走査面に対して超音波の送受波を行う超音波プローブからの受信信号に基づいて生成された、前記ビーム走査面を形成する各送信ビームに対応する受信ビームデータ列を取得する受信ビームデータ取得部と、
    前記受信ビームデータ列で構成される２次元データ空間において設定された複数の関心領域それぞれについて、前記受信ビームデータ列に基づいて、前記受信ビームデータから得られるドプラ信号のパワー分布、前記被検体内の組織の速度分布、及び、前記被検体内の組織の速度の分散分布を演算する分布データ演算部と、
    前記パワー分布、前記速度分布、及び、前記分散分布に基づいて、前記２次元データ空間における血流領域である確からしさを表す判別指標マップを生成する判別指標マップ生成部と、
    前記受信ビームデータ列から得られるドプラ信号及び前記判別指標マップに基づいて、前記被検体内の血流が表された血流画像を形成する血流画像形成部と、
    を備えることを特徴とする血流画像形成装置。
  7. コンピュータを、
    被検体内のビーム走査面に対して超音波の送受波を行う超音波プローブからの受信信号に基づいて生成された、前記ビーム走査面を形成する各送信ビームに対応する受信ビームデータ列を取得する受信ビームデータ取得部と、
    前記受信ビームデータ列で構成される２次元データ空間において設定された複数の関心領域それぞれについて、前記受信ビームデータ列に基づいて、前記受信ビームデータから得られるドプラ信号のパワー分布、前記被検体内の組織の速度分布、又は、前記被検体内の組織の速度の分散分布の少なくとも一つである分布データを演算する分布データ演算部と、
    前記関心領域毎の前記分布データに基づいて、前記２次元データ空間における血流領域である確からしさを表す判別指標マップを生成する判別指標マップ生成部と、
    前記受信ビームデータ列から得られるドプラ信号及び前記判別指標マップに基づいて、前記被検体内の血流が表された血流画像を形成する血流画像形成部と、
    として機能させることを特徴とする血流画像形成プログラム。
  8. コンピュータを、
    被検体内のビーム走査面に対して超音波の送受波を行う超音波プローブからの受信信号に基づいて生成された、前記ビーム走査面を形成する各送信ビームに対応する受信ビームデータ列を取得する受信ビームデータ取得部と、
    前記受信ビームデータ列で構成される２次元データ空間において設定された複数の関心領域それぞれについて、前記受信ビームデータ列に基づいて、前記受信ビームデータから得られるドプラ信号のパワー分布、前記被検体内の組織の速度分布、及び、前記被検体内の組織の速度の分散分布を演算する分布データ演算部と、
    前記パワー分布、前記速度分布、及び、前記分散分布に基づいて、前記２次元データ空間における血流領域である確からしさを表す判別指標マップを生成する判別指標マップ生成部と、
    前記受信ビームデータ列から得られるドプラ信号及び前記判別指標マップに基づいて、前記被検体内の血流が表された血流画像を形成する血流画像形成部と、
    として機能させることを特徴とする血流画像形成プログラム。
JP2022121890A 2022-07-29 2022-07-29 血流画像形成装置及び血流画像形成プログラム Pending JP2024018506A (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2022121890A JP2024018506A (ja) 2022-07-29 2022-07-29 血流画像形成装置及び血流画像形成プログラム
CN202310847635.4A CN117462173A (zh) 2022-07-29 2023-07-11 血流图像形成装置以及计算机可读的非临时性存储介质
US18/224,757 US20240032888A1 (en) 2022-07-29 2023-07-21 Blood flow image forming device and blood flow image forming program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2022121890A JP2024018506A (ja) 2022-07-29 2022-07-29 血流画像形成装置及び血流画像形成プログラム

Publications (1)

Publication Number Publication Date
JP2024018506A true JP2024018506A (ja) 2024-02-08

Family

ID=89638531

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022121890A Pending JP2024018506A (ja) 2022-07-29 2022-07-29 血流画像形成装置及び血流画像形成プログラム

Country Status (3)

Country Link
US (1) US20240032888A1 (ja)
JP (1) JP2024018506A (ja)
CN (1) CN117462173A (ja)

Also Published As

Publication number Publication date
CN117462173A (zh) 2024-01-30
US20240032888A1 (en) 2024-02-01

Similar Documents

Publication Publication Date Title
JP6734079B2 (ja) 医用診断装置、および医用解析プログラム
EP3213108B1 (en) Imaging methods and apparatuses for performing shear wave elastography imaging
US9254116B2 (en) Methods, systems and apparatuses for Van-Cittert Zernike imaging
CN108685596B (zh) 利用超声医疗成像的组织性质估计
CN102415902B (zh) 超声波诊断装置以及超声波图像处理装置
CN109803588B (zh) 流体路径的增强分辨率超声成像
US10101450B2 (en) Medical image processing apparatus, a medical image processing method and a medical diagnosis apparatus
US10564281B2 (en) Ultrasonography apparatus and ultrasonic imaging method
JP5984243B2 (ja) 超音波診断装置、医用画像処理装置及びプログラム
US10456115B2 (en) Ultrasound system and clutter filtering method thereof
US10188370B2 (en) Ultrasound imaging system and method
JP4575737B2 (ja) 超音波撮像装置
JP2007296333A (ja) フロージェットの３ｄ描出のための方法及び装置
KR20120102447A (ko) 진단장치 및 방법
JP2024018506A (ja) 血流画像形成装置及び血流画像形成プログラム
CN112690826B (zh) 用于在脉冲波多普勒成像中自动提供伪影警告的方法和系统
KR102223058B1 (ko) 초음파 시스템 및 이의 클러터 필터링 방법
CN114246610A (zh) 用于生成增强图像的超声成像系统和方法
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
JP2021049129A (ja) 超音波診断装置、及び画像処理装置
JP7432426B2 (ja) 超音波診断装置、信号処理装置および信号処理プログラム
CN114072067B (zh) 确定声速的方法及超声装置
US11468573B2 (en) Method and system for enhanced visualization of color flow ultrasound
KR101956460B1 (ko) 초음파 의료영상 장치를 이용한 미세석회화 조직 검출 방법 및 그 초음파 의료영상 장치
JP2024004645A (ja) 超音波画像処理装置及び超音波画像処理プログラム