JP4387526B2 - 超音波ドプラ診断装置 - Google Patents
超音波ドプラ診断装置 Download PDFInfo
- Publication number
- JP4387526B2 JP4387526B2 JP33459599A JP33459599A JP4387526B2 JP 4387526 B2 JP4387526 B2 JP 4387526B2 JP 33459599 A JP33459599 A JP 33459599A JP 33459599 A JP33459599 A JP 33459599A JP 4387526 B2 JP4387526 B2 JP 4387526B2
- Authority
- JP
- Japan
- Prior art keywords
- signal
- doppler
- period
- model
- prediction
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Ultra Sonic Daignosis Equipment (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、ドプラスペクトラムを収集するためのドプラスキャンと、例えば断層像を収集するためのＢモードスキャンとが交互に行われるいわゆるセグメントスキャンを実行可能な超音波ドプラ診断装置に関する。
【０００２】
【従来の技術】
ドプライメージ（ドプラスペクトラム）と、Ｂモードイメージ（断層像）あるいはＢカラーモードイメージ（カラー断層像）とを双方ともにリアルタイムで表示することを実現するための手法としては、図１２（ａ）に示すインターリーブスキャンと、図１２（ｂ）に示すセグメントスキャンがある。なお、図１２（ａ）、図１２（ｂ）において、“Ｂ”はＢモード（又はＢカラーモード）のスキャン、“Ｄ”はドプラモードのスキャンを表している。図１２（ａ）のインターリーブスキャンの例では、４回に１回の割合でドプラスキャンでの超音波ビームの送受信が行われる。図１２（ｂ）のセグメントスキャンでは、ドプラモードで超音波ビームの送受信が所定回数繰り返される期間（ドプラセグメント期間）と、Ｂモードで超音波ビームの送受信が所定回数繰り返される期間（非ドプラセグメント期間）とが交互に繰り返される。なお、セグメントスキャンの場合、Ｂモードとドプラモードとでそれぞれレート周波数を独立で設定可能である。
【０００３】
インターリーブスキャンには、ドプラスキャンが常に一定のサンプリング間隔で連続しているため、サンプル周波数は実際のレートよりも高くできないこと、またドプラモードとＢモード（又はＢカラーモード）との間で互いの残留エコーによるアーティファクトが混入しやすいというデメリットがある。
【０００４】
一方、セグメントスキャンでは、ドプラモードとＢモード（又はＢカラーモード）が全く独立しているので、上記インターリーブスキャンのデメリットを回避できるが、Ｂモードスキャンの非ドプラセグメント期間にはドプラ信号が欠落するので、連続したドプラ信号が得られない。そのため非ドプラセグメント期間のドプラ信号を補間することが必要になる。
【０００５】
図１３にセグメントスキャンを実現する従来の超音波ドプラ診断装置のドプラ信号処理に関わる部分の構成を示している。プローブ１を介して得られたエコーを送受信処理部２で直交検波する。この直交検波により得られたベースバンドドプラ信号は、ウォールフィルタ３でクラッタ成分を除去される。ドプラセグメント期間のクラッタ成分が取り除かれたドプラ信号は、混合部４で、非ドプラセグメント期間に自己回帰型モデル発生部（ＡＲモデル発生部）５と予測信号発生部６とにより発生された予測信号（非ドプラセグメント期間を埋める補間信号）と混合（連結）され、連続信号として高速フーリエ変換部（ＦＦＴ）７に提供される。
【０００６】
自己回帰型モデル発生部５では、ドプラセグメント期間で実際に収集されたドプラ信号に基づいてバーグ（Ｂｕｒｇ）の手法（ＭＥＭ法）等により、上記ＡＲモデルによる線形予測係数を求める。予測信号発生部６では、このＡＲモデルの線形予測係数に従って、非ドプラセグメント期間の予測信号を、ガウシアンノイズを信号源として発生する。
【０００７】
以上のように混合部４で混合された連続的なドプラ信号を対象として高速フーリエ変換部（ＦＦＴ）７で周波数解析してドプラスペクトラムが求められる。このドプラスペクトラムは、混合部８を介して、ディジタルスキャンコンバータ（ＤＳＣ）１１のＢモードイメージ、Ｂカラーモードイメージ又はＭカラーモードイメージ等と合成され、ＲＧＢルックアップテーブル９で表示信号に変換され、モニタ１０に表示される。
【０００８】
上記のドプラ信号の予測機能は、一般的にＭＳＥ（Ｍｉｓｓｉｎｇ Ｓｉｇｎａｌ Ｅｓｔｉｍａｔｉｏｎ）と呼ばれており、次のような予測誤差の発生がデメリットとしてあげられている。米国特許４，５５９，９５２等によると、生体内で定常とみなせる時間間隔は１０ｍＳ程度で、これが予測可能な最大限とされている。また、ＭＰＧ４等の音声処理（特に圧縮技術に関してスピーチコーダのように人間の音声を扱う）の分野では、フレーム長が１０〜４０ｍＳ程度を目安に設計をしている。
【０００９】
超音波診断装置の場合、生体内の定常な信号に基づいて線形予測係数を計算し（ＡＲモデルを確定し）、非ドプラセグメント期間でドプラ信号が欠落した区間では、ガウシアンノイズを信号源としてＡＲモデルで線形予測した信号を発生している。この予測信号と実際の信号の差が誤差であり、定常過程の場合にはこの誤差が小さい。しかし非定常過程の場合、当然誤差が大きくなり次のセグメントのスペクトラム画像と繋がりの悪い縦縞状のスペクトラム画像が発生する。
【００１０】
この傾向はＡＲパラメータ数が少ない（例えばレートが低い、ドプラのセグメント期間内のサンプル数が小さい）などの場合に顕著になる。これらを回避するには、レートを上げたりドプラセグメント期間内のサンプル数を増やせば良いが、そうするとドプラの速度レンジを低くできない問題やＢ（もしくはＢカラー）のスキャンの間隔が開きすぎて、Ｂ（特にＢカラー）にセグメント間の時相差の縞が発生しＢ（もしくはＢカラー）の画質が著しく劣化する弊害が発生する。
【００１１】
【発明が解決しようとする課題】
本発明の目的は、セグメントスキャンにおいて、欠落するドプラ信号の予測誤差を低減し、しかもＢ（もしくはＢカラー）モードイメージとドプライメージの両方の画質を改善できる超音波ドプラ診断装置を提供することにある。
【００１２】
【課題を解決するための手段】
（１）本発明による超音波ドプラ診断装置は、ドプラスキャンの実行に伴ってドプラ信号が実際に発生する第１期間と、ドプラスキャンの不実行に伴ってドプラ信号が発生しない第２期間とが交互に起こるセグメントスキャンを実行する手段と、前記第２期間のドプラ信号を、ノイズを内部入力として用いたＡＲモデルと、前記ドプラ信号に対して相関のある生体信号を外部確定入力として用いたＡＲＸモデルとを併用して予測する予測手段と、前記第１期間で実際に発生するドプラ信号と前記予測された第２期間のドプラ信号との交互信号に対して周波数解析を行う手段とを具備することを特徴とするものである。
【００１３】
（２）本発明の超音波ドプラ診断装置は、上記（１）に記載した超音波ドプラ診断装置であって、かつ予測手段は、前記ノイズ及び生体信号と共に、前記第２期間以前の第１期間で実際に発生するドプラ信号に基づいて当該第２期間のドプラ信号を予測する前方予測と、前記ノイズ及び生体信号と共に、前記第２期間以後の第１期間で実際に発生するドプラ信号に基づいて当該第２期間のドプラ信号を予測する後方予測とを併用することを特徴とするものである。
【００１４】
（３）本発明の超音波ドプラ診断装置は、上記（１）に記載した超音波ドプラ診断装置であって、かつ第２期間から前記第１期間への移行期間において前記実際に発生するドプラ信号と前記予測されたドプラ信号とを混合する混合手段をさらに備えることを特徴とするものである。
【００１５】
（４）本発明の超音波ドプラ診断装置は、上記（３）に記載した超音波ドプラ診断装置であって、かつ混合手段は、前記第１期間から前記第２期間への移行時の過渡応答の大きさに応じて前記移行期間の長さ及び混合比率を動的に変化することを特徴とするものである。
【００１６】
（５）本発明の超音波ドプラ診断装置は、上記（１）に記載した超音波ドプラ診断装置であって、かつ予測手段は、前記ＡＲモデルと前記ＡＲＸモデルと共に、ＦＩＲモデル、ＡＲＭＡＸモデル、ＡＲＡＲＸモデル、ＡＲＡＲＭＡＸモデル、ＯＥモデル、ＢＪモデル、パラメトリックモデルの少なくとも１つを用いて、前記第２期間のドプラ信号を予測することを特徴とするものである。
【００１７】
（６）本発明の超音波ドプラ診断装置は、上記（１）に記載した超音波ドプラ診断装置であって、かつ生体信号は、心電図波形信号、心音信号、Ｍモードエコー信号、Ｍカラーモードエコーのパワー信号、Ｍカラーモードエコーの速度信号、Ｍカラーモードエコーの分散信号、Ｍモードの組織ドプラ信号のいずれかであることを特徴とするものである。
【００１８】
（７）本発明の超音波ドプラ診断装置は、上記（１）に記載した超音波ドプラ診断装置であって、かつ生体信号は、心電図波形信号、心音信号、Ｍモードエコー信号、Ｍカラーモードエコーのパワー信号、Ｍカラーモードエコーの速度信号、Ｍカラーモードエコーの分散信号、Ｍモードの組織ドプラ信号の２種類以上の組み合わせ入力を持つことを特徴とするものである。
【００１９】
【発明の実施の形態】
以下、図面を参照して、本発明を好ましい実施形態により詳細に説明する。 図１に本実施形態に係る超音波ドプラ診断装置のドプラ信号処理に関わる部分の構成を示している。プローブ１１を介して得られたエコーを送受信処理部１２で直交検波する。この直交検波により得られたベースバンドドプラ信号は、ウォールフィルタ１３でクラッタ成分を除去される。ドプラセグメント期間のクラッタ成分が取り除かれたドプラ信号は、混合部１４で、非ドプラセグメント期間に信号予測ユニット１５から出力される予測信号と混合（連結）され、連続信号として高速フーリエ変換部（ＦＦＴ）１９に提供される。
【００２０】
信号予測ユニット１５は、心電図波形信号、心音信号、ＭやＢモードでレンジゲート等に対応する特定位置のエコー強度、ＭカラーやＢカラーモードでレンジゲート等に対応する特定位置の血流情報（パワー、平均速度、分散）等のドプラ信号に対して相関のある確定的な生体信号（外部確定信号）を被検体から検出する生体信号検出部１６と、ドプラセグメント期間で実際に収集されたドプラ信号に基づいてＡＲＸモデル（外的自己回帰型モデル）の線形予測係数（ａi ）を発生し、またドプラセグメント期間の生体信号に基づいてＡＲＸモデルの線形予測係数（ｂi ）を発生するＡＲＸモデル発生部１７と、これら線形予測係数（ａi 、ｂi ）を使ってガウシアンノイズと生体信号とから、ドプラ信号が欠落する非ドプラセグメント期間の予測信号を発生する予測信号発生部１８とから構成されている。
【００２１】
以上のように混合部１４で混合された連続的なドプラ信号を対象として高速フーリエ変換部（ＦＦＴ）１９で周波数解析してドプラスペクトラムを求める。このドプラスペクトラムは、混合部２０を介して、ディジタルスキャンコンバータ（ＤＳＣ）２１のＢモードイメージ、Ｂカラーモードイメージ又はＭカラーモードイメージ等と合成され、ＲＧＢルックアップテーブル２２で表示信号に変換され、モニタ２３に表示される。
【００２２】
本説明では、時間領域での混合を前提として混合部１４の例を示したが、時間領域でなく、混合部２０を用いた周波数（スペクトラム）領域での混合であってもよい。
【００２３】
図２に図１の予測信号発生部の概略構成図を、図３に図１の予測信号発生部の詳細構成図を、そして図４に図２の比較例として生体信号を使わないＡＲモデルによる予測信号発生部の概略構成図を、図５に図３の比較例として生体信号を使わないＡＲモデルによる予測信号発生部の詳細構成図をそれぞれ示している。本実施形態では、ドプラ信号に対して相関のある外部の確定信号、つまり上記生体信号を利用してＡＲＸモデルによる予測を行うことによって、従来よりも予測誤差を軽減することが可能となっている。
【００２４】
図４、図５のＡＲモデルの場合、ドプラ信号の欠落時に、ノイズ源２７からのノイズを、ドプラセグメント期間で実際に収集したドプラ信号から求めたＡＲモデル、つまりｎ個の線形予測係数ａ1 、ａ2 、ａ3 、…ａn と、増幅器２８のゲインＧａとのパラメータで設定したＩＩＲフィルタ２６に通すことで、予測信号を発生する。なお、このＩＩＲフィルタ２６の構成としては、多段接続された遅延回路２９及び乗算器３０、さらに加算器２５とから構成される一般的なものである。ここで、ｙを予測信号、ｗをノイズ、１／Ａ(Z) をＩＩＲフィルタ２６の応答関数とすると、
ｙ(k) ＝１／Ａ(Z) ・ｗ(k) （１）
なお、Ａ(Z) ＝１＋ａ1 ・Ｚ-1 ＋・・・ａn ・Ｚ-nであると、別な記述（差分表示）をすると、
ｙ(k) ＋ａ1 ・ｙ(k-1) ＋ａ2 ・ｙ(k-2) ＋・・・ａn ・ｙ(k-n) ＝ｗ(k) （２）
が成立する。
【００２５】
ここで、ＣＴをＣの転置行列として、
パラメータベクトルをθ＝［ａ1 ，ａ2 ，・・・ａn ］Ｔ、
データベクトルをψ(k) ＝［−ｙ(k-1) ，−ｙ(k-2) ，・・・−ｙ(k-n) ］Ｔ
とすると、予測信号→ｙ(k) は、→ＤをＤのベクトル表記として、
→ｙ(k) ＝θＴ・→ψ(k) ＋→ｗ(k)
と表される。
【００２６】
一方、図２，図３の本実施形態によるＡＲＸモデルの場合、ドプラセグメント期間の生体信号から求めたｍ個の線形予測係数ｂ１、ｂ２、ｂ３、…ｂｍのＦＩＲフィルタ２４の出力を、ＡＲモデルのＩＩＲフィルタ２６の加算器２５に結合させることにより、より高い精度で予測信号を発生するものである。ＦＩＲフィルタ２４の構成としては、多段接続された遅延回路３１及び乗算器３２、さらに加算器３３とから構成される一般的なものである。ここで、ｙを予測信号、ｗをノイズ、ｕを生体信号、１／Ａ(Z) をＩＩＲフィルタ２６の応答関数、Ｂ(Z) をＦＩＲフィルタ２４の応答関数とすると、
Ａ(Z) ・ｙ(k) ＝Ｂ(Z) ・ｕ(k)＋ｗ(k) （３）
なお、Ａ(Z) ＝１＋ａ1 ・Ｚ-1＋・・・ａn ・Ｚ-n、Ｂ(Z) ＝ｂ1 ・Ｚ-1＋ｂ2 ・Ｚ-2＋・・・ｂｍ ・Ｚ-ｍであると、別表記をすると、
ｙ(k) ＋ａ1 ・ｙ(k-1) ＋ａ2 ・ｙ(k-2) ＋・・・ａn ・ｙ(k-n)
＝ｂ1 ・ｕ(k-1) ＋ｂ2 ・ｕ(k-2) ＋・・・ｂｍ ・ｕ(k-m) ＋ｗ(k) （４）
が成立する。
【００２７】
ここで、
パラメータベクトルをθ′＝［ａ1 ，ａ2 ，・・・ａn ，ｂ1 ，ｂ2 ，・・・ｂm ］Ｔ、
データベクトルをψ′(k) ＝［−ｙ(k-1) ，−ｙ(k-2) ，・・・−ｙ(k-n) ，ｕ(k-1) ，ｕ(k-2) ，・・・ｕ(k-m) ］Ｔ
とすると、予測信号→ｙ(k) は、
→ｙ(k) ＝θ′Ｔ・→ψ′(k) ＋→ｗ(k)
と表される。
【００２８】
図６に、本実施形態による予測信号発生処理の基本概念を示している。ＡＲモデルやＡＲＸモデルなどのような誤差が混入する数学モデルをドプラ信号のモデリングに使用する。この誤差はセグメントスキャンによるドプラ信号の欠落の期間にノイズを入力として使用するためである。ドプラセグメント期間の実際のドプラ信号をもとに、数学モデルに応じたシステム同定をおこなう。
【００２９】
システム同定については、音声／時系列信号に関する専門書／研究文献があるため詳細は割愛するが、モデルによる期待値と実際の出力の誤差（一般的には予測誤差と呼ばれているが）を評価し、モデルのパラメータを決定する。
【００３０】
この予測誤差を評価する方法が予測誤差法（Ｐｒｅｄｉｃｔｉｏｎ Ｅｒｒｏｒ Ｍｅｔｈｏｄ）と呼ばれ、最尤予測法（Ｍａｘｉｍｕｍ Ｌｉｋｅｌｉｈｏｏｄ Ｅｓｔｉｍａｔｉｏｎ Ｍｅｔｈｏｄ）や最小二乗法（Ｌｅａｓｔ Ｓｑｕａｒｅｓ Ｍｅｔｈｏｄ）などが用いられている。
【００３１】
また、ＡＲモデルの最小二乗法によるパラメータ計算アルゴリズムとして、バーグ（Ｂｕｒｇ）の方法（Ｂｕｒｇ 'ｓ Ｍｅｔｈｏｄ）、幾何学的ラティス法、Ｙｕｌｅ−Ｗａｌｋｅｒ法、修正共分散法などが用いられている。本特許では、これらシステム同定のアルゴリズムについては一般的なものなので説明を割愛する。
【００３２】
次に、ドプラセグメント期間がおわり、非ドプラセグメント期間に移行した際に、ＦＦＴ解析処理に出力する信号が途絶えてしまうため、システム同定で得られたパラメータによる予測フィルタを構成しノイズを信号源として線形予測をおこない非ドプラセグメント期間中のＦＦＴ解析処理用の入力信号を確保する。
【００３３】
信号処理のアルゴリズムとしては、ドプラのセグメントスキャン時のドプラ信号をそのまま出力し、非ドプラセグメント期間が始まる数十ｍＳもしくは数ｍＳの直前からのドプラ信号と生体信号とから最適な評価関数を用いて線形モデル化し各種線形予測係数を求める。
【００３４】
ＡＲＸモデルにモデル化する際の評価関数として、ＭＥＭ（最小エントロピー法）やＰＳＳ（Ｐｒｅｄｉｃｔｉｏｎ Ｓｕｍ ｏｆ Ｓｑｕａｒｅ）など未来値の予測残差を最小にするものやＡＩＣ（Ａｋａｉｋｅ 'ｓ Ｉｎｆｏｒｍａｔｉｏｎ Ｃｒｉｔｔｅｒｉｏｒ）などの未来値の分布の予測残差を最小にするものが、一般的である。ちなみに、従来のＡＲモデルではＭＥＭ法を用いたＢｕｒｇの手法で線形予測係数を逐次計算し、非ドプラセグメント期間にノイズを信号源として予測信号を発生していた。
【００３５】
図７に、本実施形態によるＡＲＸモデルによる予測信号発生の手順の詳細を示している。図７では時間０からｔ２、ｔ３からｔ５の期間がドプラスキャンが行われるドプラセグメント期間で、ｔ２からｔ３、ｔ５からｔ６の期間がドプラスキャンが行われない非ドプラセグメント期間である。最初のドプラセグメント期間内であって、その終了直前の期間ｔ１〜ｔ２のドプラ信号に基づいて、ＡＲＸモデルのＡ（ｚ）の応答パラメータａ1 、ａ2 、ａ3 、…ａn を計算し、同様にドプラセグメント期間内のｔ０からｔ２の生体信号（ｂ）に基づいて、Ｂ（ｚ）の応答パラメータｂ1 、ｂ2 、ｂ3 、…ｂm を計算する。
【００３６】
次に、ｔ２からｔ３の非ドプラセグメント期間は、ドプラ信号が欠落するため、ドプラ信号に対して相関のある生体信号（ｂ）と、ノイズ（ｃ）とにより予測したドプラ信号を発生する（（ｄ）、（ｅ））。
【００３７】
ただし、スキャン開始から時間が経つに連れて予測信号の誤差が蓄積していき、次のドプラセグメント期間（ｔ３〜ｔ４）の初期値と予測信号が大きく食い違うため、それぞれの信号の重みを変化させて予測信号から徐々にドプラセグメント期間のドプラ信号（ａ）に切り替えていき、滑らかな連続性を確保する必要がある。この手法は混合（ブレンディング）と呼ばれ米国特許４，５５９，９５２の信号予測処理などで実施されてきた。従って、図８の予測信号の信号波計で示した如く、ｔ３から適当な区間混合（ブレンディング）処理期間が存在する。
【００３８】
こうした、一連の処理を、繰り返してその都度、最適なシステムパラメータを計算しダイナミックにドプラ信号の予測をおこなう。
【００３９】
本発明は、上述した実施形態に限定されることなく、種々変形して実施可能である。
（変形例）
（１）ＡＲＸモデルの予測については前方予測のみでなく、時間に逆行する後方予測でも良いものである。すなわち、０からｔ２のドプラ信号から求めたパラメータａ，ｂを使って、ｔ２からｔ３の非ドプラセグメント期間の予測信号を発生する以外に、予測対象期間（ｔ２〜ｔ３）の直後のｔ５からｔ３（時間が逆）の逆方向のドプラ信号時系列から求めたパラメータａ，ｂを使って、当該ｔ３からｔ２（時間が逆）の非セグメント期間の予測信号を発生し、こうして得た前方予測による予測信号の中の精度の良い部分と、後方予測による予測信号の精度の良い部分とをブレンディングし、非ドプラセグメント期間（ｔ２〜ｔ３）の予測信号を発生する。
【００４０】
（２）時刻ｔ２にドプラセグメント期間と非ドプラセグメント期間との境界でスキャンモードが変化するため、プローブ１１のトランスデユーサ（振動子）の高圧切替えやドプラのウォールフィルタ１３による過渡応答が発生する。その過度応答の大きさを測定しブレンディング期間の長さと重みをダイナミックに変化させる。過渡応答が大きい時にはブレンディング期間を長くしｔ２初期での予測信号の重みを増やす制御をする。
【００４１】
（３） 数学モデルについてＡＲ（ＡｕｔｏＲｅｇｒｅｓｓｉｖｅ）モデル及びＡＲＸ（ＡｕｔｏＲｅｇｒｅｓｓｉｖｅ Ｅｘｏｇｅｎｅｏｕｓ）モデルに対して、図９，図１０に示すように、ＦＩＲ（ＦｉｎｉｔｅＩｍｐｕｌｓｅＲｅｓｐｏｎｓｅ）モデル、ＡＲＭＡＸ（ＡｕｔｏＲｅｇｒｅｓｓｉｖｅＭｏｖｉｎｇＡｖｅｒａｇｅＥｘｏｇｅｎｉｏｕｓ）モデル、ＡＲＡＲＸモデル、ＡＲＡＲＭＡＸモデル、ＯＥ（ＯｕｔｐｕｔＥｒｒｏｒ）モデル、ＢＪ（Ｂｏｘ ａｎｄ Ｊｅｎｋｉｎｓ）モデル（それらを総称して、パラメトリック（Ｐａｒａｍｅｔｒｉｃ）モデルという）等を併用してもよい。図９の各部の数学モデルの組み合わせを、図１０に示している。
【００４２】
（４） 上述では、外部の確定入力として１種類の生体信号（心電図）を例に説明したが、例えば、図１１に示すように、ｕ1(k)、ｕ2(k)…ｕl(k)など複数種類の外部入力から予測信号を発生するようにしてもよい。これらの外部入力としては、ＥＣＧ（心電図波計）以外に、ＰＣＧ（心音信号）、Ｍモードのエコー信号、ＭＣ（Ｍカラーモード）の信号のパワー／速度／分散、Ｍモードの組織ドプラ信号などが考えられる。
【００４３】
これらの信号とドプラ波計は相関がありモデルの妥当性が高まれば予測精度が向上する。
【００４４】
【発明の効果】
本発明によると、ノイズ以外に、ドプラ信号に相関のある生体信号を使って予測信号を発生することで、セグメントスキャンにおいて、欠落するドプラ信号の予測誤差を低減し、しかも他のモードイメージとドプライメージの両方の画質を改善することができる。特に、循環器等の拡張期の急激なドプラの流速変化ではＡＲモデルでは非定常過程となり全帯域に信号が入るような縦縞が発生するが、生体信号を予測に使用することで格段の改善ができる。
【図面の簡単な説明】
【図１】本発明の一実施形態に係る超音波ドプラ診断装置の主要部であるところのドプラ信号処理に関わる部分の構成図。
【図２】図１の予測信号発生部の概略構成図。
【図３】図１の予測信号発生部の詳細構成図。
【図４】図２の比較図。
【図５】図３の比較図。
【図６】本実施形態におけるドプラ信号予測処理の概念図。
【図７】本実施形態におけるドプラ信号予測処理の詳細説明図。
【図８】図１の混合部１４による混合処理の詳細説明図。
【図９】本実施形態の変形例として他種の予測モデルを併用して予測信号を発生する予測信号発生部の概略構成図。
【図１０】図１０の各部に対する様々な予測モデルの組み合わせ例を示す図。
【図１１】本実施形態の変形例として複数種の生体信号を使って予測信号を発生する予測信号発生部の概略構成図。
【図１２】従来において、インターリーブスキャンとセグメントスキャンを示す図。
【図１３】従来の超音波ドプラ診断装置のドプラ信号処理に関わる部分の構成図。
【符号の説明】
１１…プローブ、
１２…送受信処理部、
１３…ウォールフィルタ、
１４…混合部、
１５…信号予測ユニット、
１６…生体信号検出部、
１７…ＡＲＸモデル発生部、
１８…予測信号発生部、
１９…高速フーリエ変換部、
２０…混合部、
２１…ディジタルスキャンコンバータ、
２２…ＲＧＢルックアップテーブル、
２３…モニタ。
【発明の属する技術分野】
本発明は、ドプラスペクトラムを収集するためのドプラスキャンと、例えば断層像を収集するためのＢモードスキャンとが交互に行われるいわゆるセグメントスキャンを実行可能な超音波ドプラ診断装置に関する。
【０００２】
【従来の技術】
ドプライメージ（ドプラスペクトラム）と、Ｂモードイメージ（断層像）あるいはＢカラーモードイメージ（カラー断層像）とを双方ともにリアルタイムで表示することを実現するための手法としては、図１２（ａ）に示すインターリーブスキャンと、図１２（ｂ）に示すセグメントスキャンがある。なお、図１２（ａ）、図１２（ｂ）において、“Ｂ”はＢモード（又はＢカラーモード）のスキャン、“Ｄ”はドプラモードのスキャンを表している。図１２（ａ）のインターリーブスキャンの例では、４回に１回の割合でドプラスキャンでの超音波ビームの送受信が行われる。図１２（ｂ）のセグメントスキャンでは、ドプラモードで超音波ビームの送受信が所定回数繰り返される期間（ドプラセグメント期間）と、Ｂモードで超音波ビームの送受信が所定回数繰り返される期間（非ドプラセグメント期間）とが交互に繰り返される。なお、セグメントスキャンの場合、Ｂモードとドプラモードとでそれぞれレート周波数を独立で設定可能である。
【０００３】
インターリーブスキャンには、ドプラスキャンが常に一定のサンプリング間隔で連続しているため、サンプル周波数は実際のレートよりも高くできないこと、またドプラモードとＢモード（又はＢカラーモード）との間で互いの残留エコーによるアーティファクトが混入しやすいというデメリットがある。
【０００４】
一方、セグメントスキャンでは、ドプラモードとＢモード（又はＢカラーモード）が全く独立しているので、上記インターリーブスキャンのデメリットを回避できるが、Ｂモードスキャンの非ドプラセグメント期間にはドプラ信号が欠落するので、連続したドプラ信号が得られない。そのため非ドプラセグメント期間のドプラ信号を補間することが必要になる。
【０００５】
図１３にセグメントスキャンを実現する従来の超音波ドプラ診断装置のドプラ信号処理に関わる部分の構成を示している。プローブ１を介して得られたエコーを送受信処理部２で直交検波する。この直交検波により得られたベースバンドドプラ信号は、ウォールフィルタ３でクラッタ成分を除去される。ドプラセグメント期間のクラッタ成分が取り除かれたドプラ信号は、混合部４で、非ドプラセグメント期間に自己回帰型モデル発生部（ＡＲモデル発生部）５と予測信号発生部６とにより発生された予測信号（非ドプラセグメント期間を埋める補間信号）と混合（連結）され、連続信号として高速フーリエ変換部（ＦＦＴ）７に提供される。
【０００６】
自己回帰型モデル発生部５では、ドプラセグメント期間で実際に収集されたドプラ信号に基づいてバーグ（Ｂｕｒｇ）の手法（ＭＥＭ法）等により、上記ＡＲモデルによる線形予測係数を求める。予測信号発生部６では、このＡＲモデルの線形予測係数に従って、非ドプラセグメント期間の予測信号を、ガウシアンノイズを信号源として発生する。
【０００７】
以上のように混合部４で混合された連続的なドプラ信号を対象として高速フーリエ変換部（ＦＦＴ）７で周波数解析してドプラスペクトラムが求められる。このドプラスペクトラムは、混合部８を介して、ディジタルスキャンコンバータ（ＤＳＣ）１１のＢモードイメージ、Ｂカラーモードイメージ又はＭカラーモードイメージ等と合成され、ＲＧＢルックアップテーブル９で表示信号に変換され、モニタ１０に表示される。
【０００８】
上記のドプラ信号の予測機能は、一般的にＭＳＥ（Ｍｉｓｓｉｎｇ Ｓｉｇｎａｌ Ｅｓｔｉｍａｔｉｏｎ）と呼ばれており、次のような予測誤差の発生がデメリットとしてあげられている。米国特許４，５５９，９５２等によると、生体内で定常とみなせる時間間隔は１０ｍＳ程度で、これが予測可能な最大限とされている。また、ＭＰＧ４等の音声処理（特に圧縮技術に関してスピーチコーダのように人間の音声を扱う）の分野では、フレーム長が１０〜４０ｍＳ程度を目安に設計をしている。
【０００９】
超音波診断装置の場合、生体内の定常な信号に基づいて線形予測係数を計算し（ＡＲモデルを確定し）、非ドプラセグメント期間でドプラ信号が欠落した区間では、ガウシアンノイズを信号源としてＡＲモデルで線形予測した信号を発生している。この予測信号と実際の信号の差が誤差であり、定常過程の場合にはこの誤差が小さい。しかし非定常過程の場合、当然誤差が大きくなり次のセグメントのスペクトラム画像と繋がりの悪い縦縞状のスペクトラム画像が発生する。
【００１０】
この傾向はＡＲパラメータ数が少ない（例えばレートが低い、ドプラのセグメント期間内のサンプル数が小さい）などの場合に顕著になる。これらを回避するには、レートを上げたりドプラセグメント期間内のサンプル数を増やせば良いが、そうするとドプラの速度レンジを低くできない問題やＢ（もしくはＢカラー）のスキャンの間隔が開きすぎて、Ｂ（特にＢカラー）にセグメント間の時相差の縞が発生しＢ（もしくはＢカラー）の画質が著しく劣化する弊害が発生する。
【００１１】
【発明が解決しようとする課題】
本発明の目的は、セグメントスキャンにおいて、欠落するドプラ信号の予測誤差を低減し、しかもＢ（もしくはＢカラー）モードイメージとドプライメージの両方の画質を改善できる超音波ドプラ診断装置を提供することにある。
【００１２】
【課題を解決するための手段】
（１）本発明による超音波ドプラ診断装置は、ドプラスキャンの実行に伴ってドプラ信号が実際に発生する第１期間と、ドプラスキャンの不実行に伴ってドプラ信号が発生しない第２期間とが交互に起こるセグメントスキャンを実行する手段と、前記第２期間のドプラ信号を、ノイズを内部入力として用いたＡＲモデルと、前記ドプラ信号に対して相関のある生体信号を外部確定入力として用いたＡＲＸモデルとを併用して予測する予測手段と、前記第１期間で実際に発生するドプラ信号と前記予測された第２期間のドプラ信号との交互信号に対して周波数解析を行う手段とを具備することを特徴とするものである。
【００１３】
（２）本発明の超音波ドプラ診断装置は、上記（１）に記載した超音波ドプラ診断装置であって、かつ予測手段は、前記ノイズ及び生体信号と共に、前記第２期間以前の第１期間で実際に発生するドプラ信号に基づいて当該第２期間のドプラ信号を予測する前方予測と、前記ノイズ及び生体信号と共に、前記第２期間以後の第１期間で実際に発生するドプラ信号に基づいて当該第２期間のドプラ信号を予測する後方予測とを併用することを特徴とするものである。
【００１４】
（３）本発明の超音波ドプラ診断装置は、上記（１）に記載した超音波ドプラ診断装置であって、かつ第２期間から前記第１期間への移行期間において前記実際に発生するドプラ信号と前記予測されたドプラ信号とを混合する混合手段をさらに備えることを特徴とするものである。
【００１５】
（４）本発明の超音波ドプラ診断装置は、上記（３）に記載した超音波ドプラ診断装置であって、かつ混合手段は、前記第１期間から前記第２期間への移行時の過渡応答の大きさに応じて前記移行期間の長さ及び混合比率を動的に変化することを特徴とするものである。
【００１６】
（５）本発明の超音波ドプラ診断装置は、上記（１）に記載した超音波ドプラ診断装置であって、かつ予測手段は、前記ＡＲモデルと前記ＡＲＸモデルと共に、ＦＩＲモデル、ＡＲＭＡＸモデル、ＡＲＡＲＸモデル、ＡＲＡＲＭＡＸモデル、ＯＥモデル、ＢＪモデル、パラメトリックモデルの少なくとも１つを用いて、前記第２期間のドプラ信号を予測することを特徴とするものである。
【００１７】
（６）本発明の超音波ドプラ診断装置は、上記（１）に記載した超音波ドプラ診断装置であって、かつ生体信号は、心電図波形信号、心音信号、Ｍモードエコー信号、Ｍカラーモードエコーのパワー信号、Ｍカラーモードエコーの速度信号、Ｍカラーモードエコーの分散信号、Ｍモードの組織ドプラ信号のいずれかであることを特徴とするものである。
【００１８】
（７）本発明の超音波ドプラ診断装置は、上記（１）に記載した超音波ドプラ診断装置であって、かつ生体信号は、心電図波形信号、心音信号、Ｍモードエコー信号、Ｍカラーモードエコーのパワー信号、Ｍカラーモードエコーの速度信号、Ｍカラーモードエコーの分散信号、Ｍモードの組織ドプラ信号の２種類以上の組み合わせ入力を持つことを特徴とするものである。
【００１９】
【発明の実施の形態】
以下、図面を参照して、本発明を好ましい実施形態により詳細に説明する。 図１に本実施形態に係る超音波ドプラ診断装置のドプラ信号処理に関わる部分の構成を示している。プローブ１１を介して得られたエコーを送受信処理部１２で直交検波する。この直交検波により得られたベースバンドドプラ信号は、ウォールフィルタ１３でクラッタ成分を除去される。ドプラセグメント期間のクラッタ成分が取り除かれたドプラ信号は、混合部１４で、非ドプラセグメント期間に信号予測ユニット１５から出力される予測信号と混合（連結）され、連続信号として高速フーリエ変換部（ＦＦＴ）１９に提供される。
【００２０】
信号予測ユニット１５は、心電図波形信号、心音信号、ＭやＢモードでレンジゲート等に対応する特定位置のエコー強度、ＭカラーやＢカラーモードでレンジゲート等に対応する特定位置の血流情報（パワー、平均速度、分散）等のドプラ信号に対して相関のある確定的な生体信号（外部確定信号）を被検体から検出する生体信号検出部１６と、ドプラセグメント期間で実際に収集されたドプラ信号に基づいてＡＲＸモデル（外的自己回帰型モデル）の線形予測係数（ａi ）を発生し、またドプラセグメント期間の生体信号に基づいてＡＲＸモデルの線形予測係数（ｂi ）を発生するＡＲＸモデル発生部１７と、これら線形予測係数（ａi 、ｂi ）を使ってガウシアンノイズと生体信号とから、ドプラ信号が欠落する非ドプラセグメント期間の予測信号を発生する予測信号発生部１８とから構成されている。
【００２１】
以上のように混合部１４で混合された連続的なドプラ信号を対象として高速フーリエ変換部（ＦＦＴ）１９で周波数解析してドプラスペクトラムを求める。このドプラスペクトラムは、混合部２０を介して、ディジタルスキャンコンバータ（ＤＳＣ）２１のＢモードイメージ、Ｂカラーモードイメージ又はＭカラーモードイメージ等と合成され、ＲＧＢルックアップテーブル２２で表示信号に変換され、モニタ２３に表示される。
【００２２】
本説明では、時間領域での混合を前提として混合部１４の例を示したが、時間領域でなく、混合部２０を用いた周波数（スペクトラム）領域での混合であってもよい。
【００２３】
図２に図１の予測信号発生部の概略構成図を、図３に図１の予測信号発生部の詳細構成図を、そして図４に図２の比較例として生体信号を使わないＡＲモデルによる予測信号発生部の概略構成図を、図５に図３の比較例として生体信号を使わないＡＲモデルによる予測信号発生部の詳細構成図をそれぞれ示している。本実施形態では、ドプラ信号に対して相関のある外部の確定信号、つまり上記生体信号を利用してＡＲＸモデルによる予測を行うことによって、従来よりも予測誤差を軽減することが可能となっている。
【００２４】
図４、図５のＡＲモデルの場合、ドプラ信号の欠落時に、ノイズ源２７からのノイズを、ドプラセグメント期間で実際に収集したドプラ信号から求めたＡＲモデル、つまりｎ個の線形予測係数ａ1 、ａ2 、ａ3 、…ａn と、増幅器２８のゲインＧａとのパラメータで設定したＩＩＲフィルタ２６に通すことで、予測信号を発生する。なお、このＩＩＲフィルタ２６の構成としては、多段接続された遅延回路２９及び乗算器３０、さらに加算器２５とから構成される一般的なものである。ここで、ｙを予測信号、ｗをノイズ、１／Ａ(Z) をＩＩＲフィルタ２６の応答関数とすると、
ｙ(k) ＝１／Ａ(Z) ・ｗ(k) （１）
なお、Ａ(Z) ＝１＋ａ1 ・Ｚ-1 ＋・・・ａn ・Ｚ-nであると、別な記述（差分表示）をすると、
ｙ(k) ＋ａ1 ・ｙ(k-1) ＋ａ2 ・ｙ(k-2) ＋・・・ａn ・ｙ(k-n) ＝ｗ(k) （２）
が成立する。
【００２５】
ここで、ＣＴをＣの転置行列として、
パラメータベクトルをθ＝［ａ1 ，ａ2 ，・・・ａn ］Ｔ、
データベクトルをψ(k) ＝［−ｙ(k-1) ，−ｙ(k-2) ，・・・−ｙ(k-n) ］Ｔ
とすると、予測信号→ｙ(k) は、→ＤをＤのベクトル表記として、
→ｙ(k) ＝θＴ・→ψ(k) ＋→ｗ(k)
と表される。
【００２６】
一方、図２，図３の本実施形態によるＡＲＸモデルの場合、ドプラセグメント期間の生体信号から求めたｍ個の線形予測係数ｂ１、ｂ２、ｂ３、…ｂｍのＦＩＲフィルタ２４の出力を、ＡＲモデルのＩＩＲフィルタ２６の加算器２５に結合させることにより、より高い精度で予測信号を発生するものである。ＦＩＲフィルタ２４の構成としては、多段接続された遅延回路３１及び乗算器３２、さらに加算器３３とから構成される一般的なものである。ここで、ｙを予測信号、ｗをノイズ、ｕを生体信号、１／Ａ(Z) をＩＩＲフィルタ２６の応答関数、Ｂ(Z) をＦＩＲフィルタ２４の応答関数とすると、
Ａ(Z) ・ｙ(k) ＝Ｂ(Z) ・ｕ(k)＋ｗ(k) （３）
なお、Ａ(Z) ＝１＋ａ1 ・Ｚ-1＋・・・ａn ・Ｚ-n、Ｂ(Z) ＝ｂ1 ・Ｚ-1＋ｂ2 ・Ｚ-2＋・・・ｂｍ ・Ｚ-ｍであると、別表記をすると、
ｙ(k) ＋ａ1 ・ｙ(k-1) ＋ａ2 ・ｙ(k-2) ＋・・・ａn ・ｙ(k-n)
＝ｂ1 ・ｕ(k-1) ＋ｂ2 ・ｕ(k-2) ＋・・・ｂｍ ・ｕ(k-m) ＋ｗ(k) （４）
が成立する。
【００２７】
ここで、
パラメータベクトルをθ′＝［ａ1 ，ａ2 ，・・・ａn ，ｂ1 ，ｂ2 ，・・・ｂm ］Ｔ、
データベクトルをψ′(k) ＝［−ｙ(k-1) ，−ｙ(k-2) ，・・・−ｙ(k-n) ，ｕ(k-1) ，ｕ(k-2) ，・・・ｕ(k-m) ］Ｔ
とすると、予測信号→ｙ(k) は、
→ｙ(k) ＝θ′Ｔ・→ψ′(k) ＋→ｗ(k)
と表される。
【００２８】
図６に、本実施形態による予測信号発生処理の基本概念を示している。ＡＲモデルやＡＲＸモデルなどのような誤差が混入する数学モデルをドプラ信号のモデリングに使用する。この誤差はセグメントスキャンによるドプラ信号の欠落の期間にノイズを入力として使用するためである。ドプラセグメント期間の実際のドプラ信号をもとに、数学モデルに応じたシステム同定をおこなう。
【００２９】
システム同定については、音声／時系列信号に関する専門書／研究文献があるため詳細は割愛するが、モデルによる期待値と実際の出力の誤差（一般的には予測誤差と呼ばれているが）を評価し、モデルのパラメータを決定する。
【００３０】
この予測誤差を評価する方法が予測誤差法（Ｐｒｅｄｉｃｔｉｏｎ Ｅｒｒｏｒ Ｍｅｔｈｏｄ）と呼ばれ、最尤予測法（Ｍａｘｉｍｕｍ Ｌｉｋｅｌｉｈｏｏｄ Ｅｓｔｉｍａｔｉｏｎ Ｍｅｔｈｏｄ）や最小二乗法（Ｌｅａｓｔ Ｓｑｕａｒｅｓ Ｍｅｔｈｏｄ）などが用いられている。
【００３１】
また、ＡＲモデルの最小二乗法によるパラメータ計算アルゴリズムとして、バーグ（Ｂｕｒｇ）の方法（Ｂｕｒｇ 'ｓ Ｍｅｔｈｏｄ）、幾何学的ラティス法、Ｙｕｌｅ−Ｗａｌｋｅｒ法、修正共分散法などが用いられている。本特許では、これらシステム同定のアルゴリズムについては一般的なものなので説明を割愛する。
【００３２】
次に、ドプラセグメント期間がおわり、非ドプラセグメント期間に移行した際に、ＦＦＴ解析処理に出力する信号が途絶えてしまうため、システム同定で得られたパラメータによる予測フィルタを構成しノイズを信号源として線形予測をおこない非ドプラセグメント期間中のＦＦＴ解析処理用の入力信号を確保する。
【００３３】
信号処理のアルゴリズムとしては、ドプラのセグメントスキャン時のドプラ信号をそのまま出力し、非ドプラセグメント期間が始まる数十ｍＳもしくは数ｍＳの直前からのドプラ信号と生体信号とから最適な評価関数を用いて線形モデル化し各種線形予測係数を求める。
【００３４】
ＡＲＸモデルにモデル化する際の評価関数として、ＭＥＭ（最小エントロピー法）やＰＳＳ（Ｐｒｅｄｉｃｔｉｏｎ Ｓｕｍ ｏｆ Ｓｑｕａｒｅ）など未来値の予測残差を最小にするものやＡＩＣ（Ａｋａｉｋｅ 'ｓ Ｉｎｆｏｒｍａｔｉｏｎ Ｃｒｉｔｔｅｒｉｏｒ）などの未来値の分布の予測残差を最小にするものが、一般的である。ちなみに、従来のＡＲモデルではＭＥＭ法を用いたＢｕｒｇの手法で線形予測係数を逐次計算し、非ドプラセグメント期間にノイズを信号源として予測信号を発生していた。
【００３５】
図７に、本実施形態によるＡＲＸモデルによる予測信号発生の手順の詳細を示している。図７では時間０からｔ２、ｔ３からｔ５の期間がドプラスキャンが行われるドプラセグメント期間で、ｔ２からｔ３、ｔ５からｔ６の期間がドプラスキャンが行われない非ドプラセグメント期間である。最初のドプラセグメント期間内であって、その終了直前の期間ｔ１〜ｔ２のドプラ信号に基づいて、ＡＲＸモデルのＡ（ｚ）の応答パラメータａ1 、ａ2 、ａ3 、…ａn を計算し、同様にドプラセグメント期間内のｔ０からｔ２の生体信号（ｂ）に基づいて、Ｂ（ｚ）の応答パラメータｂ1 、ｂ2 、ｂ3 、…ｂm を計算する。
【００３６】
次に、ｔ２からｔ３の非ドプラセグメント期間は、ドプラ信号が欠落するため、ドプラ信号に対して相関のある生体信号（ｂ）と、ノイズ（ｃ）とにより予測したドプラ信号を発生する（（ｄ）、（ｅ））。
【００３７】
ただし、スキャン開始から時間が経つに連れて予測信号の誤差が蓄積していき、次のドプラセグメント期間（ｔ３〜ｔ４）の初期値と予測信号が大きく食い違うため、それぞれの信号の重みを変化させて予測信号から徐々にドプラセグメント期間のドプラ信号（ａ）に切り替えていき、滑らかな連続性を確保する必要がある。この手法は混合（ブレンディング）と呼ばれ米国特許４，５５９，９５２の信号予測処理などで実施されてきた。従って、図８の予測信号の信号波計で示した如く、ｔ３から適当な区間混合（ブレンディング）処理期間が存在する。
【００３８】
こうした、一連の処理を、繰り返してその都度、最適なシステムパラメータを計算しダイナミックにドプラ信号の予測をおこなう。
【００３９】
本発明は、上述した実施形態に限定されることなく、種々変形して実施可能である。
（変形例）
（１）ＡＲＸモデルの予測については前方予測のみでなく、時間に逆行する後方予測でも良いものである。すなわち、０からｔ２のドプラ信号から求めたパラメータａ，ｂを使って、ｔ２からｔ３の非ドプラセグメント期間の予測信号を発生する以外に、予測対象期間（ｔ２〜ｔ３）の直後のｔ５からｔ３（時間が逆）の逆方向のドプラ信号時系列から求めたパラメータａ，ｂを使って、当該ｔ３からｔ２（時間が逆）の非セグメント期間の予測信号を発生し、こうして得た前方予測による予測信号の中の精度の良い部分と、後方予測による予測信号の精度の良い部分とをブレンディングし、非ドプラセグメント期間（ｔ２〜ｔ３）の予測信号を発生する。
【００４０】
（２）時刻ｔ２にドプラセグメント期間と非ドプラセグメント期間との境界でスキャンモードが変化するため、プローブ１１のトランスデユーサ（振動子）の高圧切替えやドプラのウォールフィルタ１３による過渡応答が発生する。その過度応答の大きさを測定しブレンディング期間の長さと重みをダイナミックに変化させる。過渡応答が大きい時にはブレンディング期間を長くしｔ２初期での予測信号の重みを増やす制御をする。
【００４１】
（３） 数学モデルについてＡＲ（ＡｕｔｏＲｅｇｒｅｓｓｉｖｅ）モデル及びＡＲＸ（ＡｕｔｏＲｅｇｒｅｓｓｉｖｅ Ｅｘｏｇｅｎｅｏｕｓ）モデルに対して、図９，図１０に示すように、ＦＩＲ（ＦｉｎｉｔｅＩｍｐｕｌｓｅＲｅｓｐｏｎｓｅ）モデル、ＡＲＭＡＸ（ＡｕｔｏＲｅｇｒｅｓｓｉｖｅＭｏｖｉｎｇＡｖｅｒａｇｅＥｘｏｇｅｎｉｏｕｓ）モデル、ＡＲＡＲＸモデル、ＡＲＡＲＭＡＸモデル、ＯＥ（ＯｕｔｐｕｔＥｒｒｏｒ）モデル、ＢＪ（Ｂｏｘ ａｎｄ Ｊｅｎｋｉｎｓ）モデル（それらを総称して、パラメトリック（Ｐａｒａｍｅｔｒｉｃ）モデルという）等を併用してもよい。図９の各部の数学モデルの組み合わせを、図１０に示している。
【００４２】
（４） 上述では、外部の確定入力として１種類の生体信号（心電図）を例に説明したが、例えば、図１１に示すように、ｕ1(k)、ｕ2(k)…ｕl(k)など複数種類の外部入力から予測信号を発生するようにしてもよい。これらの外部入力としては、ＥＣＧ（心電図波計）以外に、ＰＣＧ（心音信号）、Ｍモードのエコー信号、ＭＣ（Ｍカラーモード）の信号のパワー／速度／分散、Ｍモードの組織ドプラ信号などが考えられる。
【００４３】
これらの信号とドプラ波計は相関がありモデルの妥当性が高まれば予測精度が向上する。
【００４４】
【発明の効果】
本発明によると、ノイズ以外に、ドプラ信号に相関のある生体信号を使って予測信号を発生することで、セグメントスキャンにおいて、欠落するドプラ信号の予測誤差を低減し、しかも他のモードイメージとドプライメージの両方の画質を改善することができる。特に、循環器等の拡張期の急激なドプラの流速変化ではＡＲモデルでは非定常過程となり全帯域に信号が入るような縦縞が発生するが、生体信号を予測に使用することで格段の改善ができる。
【図面の簡単な説明】
【図１】本発明の一実施形態に係る超音波ドプラ診断装置の主要部であるところのドプラ信号処理に関わる部分の構成図。
【図２】図１の予測信号発生部の概略構成図。
【図３】図１の予測信号発生部の詳細構成図。
【図４】図２の比較図。
【図５】図３の比較図。
【図６】本実施形態におけるドプラ信号予測処理の概念図。
【図７】本実施形態におけるドプラ信号予測処理の詳細説明図。
【図８】図１の混合部１４による混合処理の詳細説明図。
【図９】本実施形態の変形例として他種の予測モデルを併用して予測信号を発生する予測信号発生部の概略構成図。
【図１０】図１０の各部に対する様々な予測モデルの組み合わせ例を示す図。
【図１１】本実施形態の変形例として複数種の生体信号を使って予測信号を発生する予測信号発生部の概略構成図。
【図１２】従来において、インターリーブスキャンとセグメントスキャンを示す図。
【図１３】従来の超音波ドプラ診断装置のドプラ信号処理に関わる部分の構成図。
【符号の説明】
１１…プローブ、
１２…送受信処理部、
１３…ウォールフィルタ、
１４…混合部、
１５…信号予測ユニット、
１６…生体信号検出部、
１７…ＡＲＸモデル発生部、
１８…予測信号発生部、
１９…高速フーリエ変換部、
２０…混合部、
２１…ディジタルスキャンコンバータ、
２２…ＲＧＢルックアップテーブル、
２３…モニタ。
Claims (7)
- ドプラスキャンの実行に伴ってドプラ信号が実際に発生する第１期間と、ドプラスキャンの不実行に伴ってドプラ信号が発生しない第２期間とが交互に起こるセグメントスキャンを実行する手段と、
前記第２期間のドプラ信号を、ノイズを内部入力として用いたＡＲモデルと、前記ドプラ信号に対して相関のある生体信号を外部確定入力として用いたＡＲＸモデルとを併用して予測する予測手段と、
前記第１期間で実際に発生するドプラ信号と前記予測された第２期間のドプラ信号との交互信号に対して周波数解析を行う手段とを具備することを特徴とする超音波ドプラ診断装置。 - 前記予測手段は、前記ノイズ及び生体信号と共に、前記第２期間以前の第１期間で実際に発生するドプラ信号に基づいて当該第２期間のドプラ信号を予測する前方予測と、前記ノイズ及び生体信号と共に、前記第２期間以後の第１期間で実際に発生するドプラ信号に基づいて当該第２期間のドプラ信号を予測する後方予測とを併用することを特徴とする請求項１記載の超音波ドプラ診断装置。
- 前記第２期間から前記第１期間への移行期間において前記実際に発生するドプラ信号と前記予測されたドプラ信号とを混合する混合手段をさらに備えることを特徴とする請求項１記載の超音波ドプラ診断装置。
- 前記混合手段は、前記第１期間から前記第２期間への移行時の過渡応答の大きさに応じて前記移行期間の長さ及び混合比率を動的に変化することを特徴とする請求項３記載の超音波ドプラ診断装置。
- 前記予測手段は、前記ＡＲモデルと前記ＡＲＸモデルと共に、ＦＩＲモデル、ＡＲＭＡＸモデル、ＡＲＡＲＸモデル、ＡＲＡＲＭＡＸモデル、ＯＥモデル、ＢＪモデル、パラメトリックモデルの少なくとも１つを用いて、前記第２期間のドプラ信号を予測することを特徴とする請求項１記載の超音波ドプラ診断装置。
- 前記生体信号は、心電図波形信号、心音信号、Ｍモードエコー信号、Ｍカラーモードエコーのパワー信号、Ｍカラーモードエコーの速度信号、Ｍカラーモードエコーの分散信号、Ｍモードの組織ドプラ信号のいずれかであることを特徴とする請求項１記載の超音波ドプラ診断装置。
- 前記生体信号は、心電図波形信号、心音信号、Ｍモードエコー信号、Ｍカラーモードエコーのパワー信号、Ｍカラーモードエコーの速度信号、Ｍカラーモードエコーの分散信号、Ｍモードの組織ドプラ信号の２種類以上の組み合わせ入力を持つことを特徴とする請求項１記載の超音波ドプラ診断装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP33459599A JP4387526B2 (ja) | 1999-11-25 | 1999-11-25 | 超音波ドプラ診断装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP33459599A JP4387526B2 (ja) | 1999-11-25 | 1999-11-25 | 超音波ドプラ診断装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2001149370A JP2001149370A (ja) | 2001-06-05 |
| JP4387526B2 true JP4387526B2 (ja) | 2009-12-16 |
Family
ID=18279161
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP33459599A Expired - Fee Related JP4387526B2 (ja) | 1999-11-25 | 1999-11-25 | 超音波ドプラ診断装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4387526B2 (ja) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4488726B2 (ja) * | 2003-12-08 | 2010-06-23 | 株式会社東芝 | 超音波ドプラ診断装置 |
| JP4801912B2 (ja) * | 2004-03-24 | 2011-10-26 | 株式会社東芝 | 超音波診断装置 |
| JP4583118B2 (ja) * | 2004-09-10 | 2010-11-17 | 株式会社東芝 | 超音波診断装置および超音波診断装置の制御方法 |
| JP5100343B2 (ja) * | 2007-12-05 | 2012-12-19 | 株式会社東芝 | 超音波診断装置、及び超音波診断装置の制御プログラム |
| KR101014557B1 (ko) * | 2007-12-27 | 2011-02-16 | 주식회사 메디슨 | 초음파 영상을 제공하는 초음파 시스템 및 방법 |
| JP5295684B2 (ja) * | 2008-08-21 | 2013-09-18 | 株式会社東芝 | 超音波診断装置及び診断パラメータ自動計測方法 |
| JP5388520B2 (ja) * | 2008-09-17 | 2014-01-15 | 株式会社東芝 | 超音波診断装置および超音波診断装置のデータ処理プログラム |
| US9724067B2 (en) * | 2009-10-27 | 2017-08-08 | Echosense Jersey Limited | Transthoracic pulmonary doppler ultrasound for evaluating the heart or lung via doppler shift power spectrum |
| JP5472914B2 (ja) | 2010-05-19 | 2014-04-16 | 株式会社東芝 | 超音波診断装置 |
| JP5570877B2 (ja) | 2010-06-04 | 2014-08-13 | 株式会社東芝 | 超音波診断装置 |
| KR102052123B1 (ko) * | 2011-06-10 | 2019-12-17 | 삼성전자주식회사 | 신호 간섭을 저감하고 및 분실 신호를 복원하는 초음파 진단 방법 및 장치 |
| KR101495527B1 (ko) * | 2012-02-17 | 2015-02-26 | 삼성메디슨 주식회사 | 초음파 영상 장치 |
| WO2016153098A1 (ko) * | 2015-03-26 | 2016-09-29 | 알피니언메디칼시스템 주식회사 | 신호의 예측 퀄리티 개선 방법 및 장치 |
-
1999
- 1999-11-25 JP JP33459599A patent/JP4387526B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2001149370A (ja) | 2001-06-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8597191B2 (en) | Ultrasonic imaging apparatus and a method of generating ultrasonic images | |
| US9538990B2 (en) | Ultrasonic diagnostic apparatus and ultrasonic diagnostic apparatus control method | |
| US10729407B2 (en) | Ultrasonic diagnostic apparatus, image processing apparatus, and image processing method | |
| US8821401B2 (en) | Ultrasonic diagnostic apparatus, doppler measurement apparatus, and Doppler measurement method | |
| US7981036B2 (en) | Method and system for processing doppler signal gaps | |
| JP4387526B2 (ja) | 超音波ドプラ診断装置 | |
| JP3746115B2 (ja) | 超音波診断装置 | |
| US20070239015A1 (en) | Ultrasonic diagnostic apparatus and ultrasonic diagnostic method | |
| US20090024037A1 (en) | Ultrasonic imaging apparatus and a method of acquiring ultrasonic images | |
| JP4627366B2 (ja) | パケット・データ獲得を用いた超音波フロー撮像における運動の可視化のための方法および装置 | |
| US9173629B2 (en) | Ultrasonic diagnostic apparatus and ultrasonic image processing apparatus | |
| WO2023138186A1 (zh) | 一种超声成像的滤波方法和系统 | |
| US6306093B1 (en) | Method and system for ultrasound enhanced-resolution spectral Doppler | |
| US20090030319A1 (en) | Doppler signal spectrum calculating method and apparatus | |
| JPH08229039A (ja) | 超音波診断装置 | |
| JP6697609B2 (ja) | 超音波診断装置、画像処理装置及び画像処理方法 | |
| WO2020149191A1 (ja) | 画像解析装置 | |
| JP6727363B2 (ja) | 医用診断装置、医用画像処理装置及び医用画像処理方法 | |
| JP4373762B2 (ja) | 医用画像診断装置及び超音波診断装置 | |
| JP2009017991A (ja) | 超音波診断装置 | |
| JP7282492B2 (ja) | 超音波診断装置、医用画像処理装置及び医用画像処理プログラム | |
| JP2005288021A (ja) | 超音波診断装置及びその診断方法 | |
| JP4503802B2 (ja) | 超音波診断装置 | |
| JP4698073B2 (ja) | 超音波診断装置 | |
| Mukai et al. | An application of system identification theory to the ultrasound Doppler image processing system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20061109 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20090901 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20090908 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20091001 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121009 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121009 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131009 Year of fee payment: 4 |
|
| LAPS | Cancellation because of no payment of annual fees |