JP5048903B2 - 適応形多次元バックエンドマッピングを有する医用超音波イメージングシステム - Google Patents

Description

【０００１】
関連する特許出願への相互参照
本発明は、２０００年４月２４日に提出された同時出願の特許明細書第０９／５５６３５４号の継続した一部をなし、その全体をここでは参考文献として引用する。
【０００２】
背景
本発明は、医用超音波イメージングに関し、殊にバックエンド対応付けの１つ以上の段を適応的に設定するシステムに関しており、このバックエンド対応付けには、１つ以上の画像次元におけるポストプロセッシングマッピング段、ゲイン段、ダイナミックレンジ段を含むことができ、これによってこのようなイメージングが改善される。
【０００３】
慣用の超音波イメージングでは、Ｂモード信号がゲインおよびダイナミックレンジに対して調整され、ここでこの調整は、この信号が表示のためにグレイレベルまたは色のレンジに対応付けられる前に行われる。表示すべき信号のダイナミックレンジは、これまではユーザが表示のダイナミックレンジコントロールを用いることによって設定可能であった。このコントロールは、従来、画像におけるレンジおよび方位位置には依存しない。ゲインは通常、ユーザが、デプスゲイン補償（ＤＧＣ＝depth gain compensation）または時間ゲイン補償（ＴＧＣ＝time gain compensation）を主ゲインまたはＢゲインコントロールと共に使用することによって変更可能である。これらのＤＧＣおよびＴＧＣコントロールは、これまでレンジ（軸の次元）だけにおいて変更可能であり、主ゲインは、レンジにも横方向（方位）位置にも依存しない。２，３のシステムでは横方向のゲイン補償もデプスゲイン補償に加えて提供されているが、２つの１次元ゲインコントロールによっては、真の２次元ゲインコントロールに対する近似だけしか得られないのである。
【０００４】
ゲインおよびディスプレイダイナミックレンジを適用した後、対数圧縮されたＢモード信号は、通例、８ビットないしは２５６の量子化レベルに再量子化される。（ｄＢでの）量子化ステップは、量子化レベルと、ユーザによって選択されるダイナミックレンジとの比によって得られる。
【０００５】
量子化の後、ポストプロッセッシングマップが使用されて量子化レベルがグレイレベルまたは色のレンジに対応付けられる。この対応付けは、あらかじめ設計された対応付けの集合のうちから選択されたマップか、択一的にはユーザ定義のマップとすることができる。これらのマップは通例、レンジおよび方位に依存しない。
【０００６】
市場で入手可能な超音波イメージングシステムでは、ゲインコントロールがユーザによって使用されて輝度レベルが調整されることが多い。多くの場合、ユーザがゲインを調整するのは主に、画像にわたって、軟組織グレイレベルの領域における平均値をグレイレベルの狭い範囲内に維持するためである。このような好みのレンジはユーザ毎に一貫性があり、多くの場合にユーザは、ゲインを調整して、軟組織に対するグレイレベルを、０が黒にまた２５５が白に対応付けられる線形の対応付けにおいて大まかにいって６４番目のレベルに設定する傾向がある。しかしながら軟組織輝度レベルおよび一様性に対するゲイン調整によって、同時にノイズ抑圧が最適化されかつディスプレイの飽和が回避されることはない。このような理由からゲインおよび／またはダイナミックレンジは、１画像の１部分または全体に対して最適以下であることが多い。この結果、低レベル信号を切り捨てるかまたは高レベル信号が飽和してしまうことによって情報が失われてしまうことがあり得るのである。
【０００７】
ゲインおよび／またはダイナミックレンジの設定における誤りに起因する情報のこのような損失は、ダイナミックレンジを極めて高いレベルに設定することによって低減ないしは排除することが可能である。しかしながらこのアプローチではコントラスト分解能が低下してしまう。それはこの場合、別の組織タイプが同じグレイレベルに対応付けられてしまい、これによってエコー源性における差異の突出（prominence of echogenicity difference）が低減されるからである。
【０００８】
（本発明の指定代理人に割り当てられている）Klesenski米国特許第５５７９７６８号では自動ゲイン補償システムが提案されており、このシステムでは、画像信号のＢモード強度を使用して軟組織の領域が識別され、つぎに軟組織のこの領域があらかじめ定めた大きさ（magnitude）に自動的に設定される。
【０００９】
Roundhill米国特許第５９９３３９２号には超音波イメージングシステムが記載されており、ここではダイナミックレンジは、フレーム内の画像信号のレンジおよび方位位置に基づいて選択される。ここに記載されたシステムは、画像信号それ自体に応答するのではないため、適応形システムとみなすことはできない。Roundhill特許で使用されるアプローチはむしろ、記憶された圧縮マップを、ディスプレイ信号のレンジおよび方位の関数として選択することにあるのである。
【００１０】
要約
慣用の超音波イメージングシステムでは、バックエンドにおいて様々なコントロール段が使用されて入力信号レベルのレンジ（窓）が、表示グレイレベルまたは色のレンジに対応付けられる。これらの段には単一または複数のゲイン段、ダイナミックレンジコントロール段、ポストプロセッシングマップその他を含むことができる。ダイナミックレンジコントロールによってユーザは、表示される入力信号レベルの窓の幅を調整することができる。このようなユーザのコントロールを表示ダイナミックレンジコントロールと称し、これによってこれと、システムの有し得る別の窓化操作とを区別する。ゲインコントロールによってユーザはこの窓の位置を調整することができる。したがってダイナミックレンジ段とゲイン段とが一緒になって、飽和することなく表示される入力信号レベルの実際の窓が決定される。つぎにポストプロセッシングマップによって、表示に対して上記のように選択された信号レベルに相応して実際のグレイレベルおよび／または色が決定される。
【００１１】
理想的には表示ダイナミックレンジは、入力信号のダイナミックレンジに等しく設定すべきであり、またゲインは、入力信号のフルレンジが、表示される値のフルレンジに一致するように設定するべきである。このようにすれば、信号は失われず、バックエンド量子化ノイズが最小化される。さらに、軟組織信号の領域における平均値は、一様性を表示するため、画像にわたって一様に特定のディスプレイレベル（例えばグレイレベル）に対応付けるべきである。
【００１２】
Ｂモード信号のダイナミックレンジは、システムのノイズレベルと、最大エコーレベルとによって決定される。システムのノイズレベルは、レンジおよび方位がフロントエンドゲインおよびイメージャのアパーチャサイズに依存することに起因してレンジおよび方位に依存する。最大エコーレベルは、送信の場の強度と、媒体の減衰と、観察する対象体の反射率と、受信側のビームフォーマのコヒーレントゲインとによって決定される。これらの理由から、適応形でありかつ多次元である１つ以上のバックエンドマッピング段が、上記の対応付けに対する目標を達成するために必要なのである。
【００１３】
ここではつぎのような適応形かつ多次元の方法を示し、ここでこの方法ではａ）バックエンドにおける情報の損失が回避され、ｂ）表示される画像において電子的なノイズが低減または排除され、ｃ）バックエンド量子化ノイズが最小化され、ｄ）Ｂモードに対しては軟組織の領域における平均値が、組織に対するプログラム可能な目標表示レベルに対応付けられる。またここでは上記の一覧の部分集合を満たす縮小化した実現についてもいくつか記載する。これらの縮小化した実現においてはゲインは適応的に調整され、場合によってはダイナミックレンジが２次元で調整されて、格段に少ない電子的なノイズで画像が表示され、また組織が目標組織グレイレベルで表示される。
【００１４】
ここで「入力信号」という語は広く、振幅、強度またはビームフォーマ(beamformer）出力（すなわちＢモード信号）の対数圧縮された振幅を表すため、またビームフォーマ出力から導出ないしは抽出される関心対象の任意のパラメタを表すために使用され、これらには平均速度、ドップラー周波数偏移のパワー推定値（すなわちカラードップラーモード信号）およびドップラー周波数偏移のパワースペクトル推定値（すなわちスペクトルドップラーモード信号）が含まれる。上に示した段落は導入のために記載したものであり、請求項の範囲を制限することを意図したものではない。
【００１５】
図面の簡単な説明
図１は、本発明の有利な実施形態を取り入れた医用診断超音波イメージングシステムのブロック図であり、
図２は、図１の多次元バックエンドマッピング段の有利な実施形態のブロック図であり、
図３は、図２の実施形態の変形実施形態を示すブロック図であり、
図４，５および６は、図２の実施形態によって実行される択一的な対応付け関数を説明するために使用される線図であり、
図７は、図２の実施形態によって実行される方法のフローチャートであり、
図８は、図１の適応形多次元バックエンドマッピング段の別の実施形態を示すブロック図であり、
図９は、図８に示したマッピング段の第１の有利な実施形態のより詳細なブロック図であり、
図１０は、図９の実施形態によって実現される方法のフローチャートであり、
図１１，１２および１３は、図９の実施形態の動作を説明する線図であり、
図１４は、局所的なゲインおよび局所的なダイナミックレンジの両方が適応的に設定されるように動作する、図８のゲインプロセッサの第２の有利な実施形態を示すブロック図であり、
図１５は、局所的なゲインおよび局所的なダイナミックレンジの両方が適応的に設定されるように動作する、図８のゲインプロセッサの第３の有利な実施形態を示すブロック図であり、
図１６は、図１５の実施形態の動作を説明するために使用される線図である。
【００１６】
現在のところ有利であると思われる実施形態の詳細な説明
図面を参照すると、図１は、医用診断超音波イメージングシステム１０のブロック図であり、ここでこのシステムには本発明の有利な実施形態が取り入れられている。図１に示したように送信ビームフォーマ１１により、送信／受信スイッチ１２を介して送信波形がトランスデューサアレイ１３に供給される。トランスデューサアレイ１３により、送信波形に応じて超音波パルスが形成され、このパルスは、イメージングされる身体Ｂに配向される。身体Ｂから戻ったエコーは、トランスデューサアレイ１３に衝突し、このトランスデューサアレイによってこられのエコーが受信信号に変換され、これらの受信信号は送信／スイッチ１２を介して受信ビームフォーマ１４に転送される。受信ビームフォーマ１４は適当な遅延および位相シフトを行い、これによって身体Ｂ内の選択した位置からの複数の受信信号がコヒーレントに加算されるようにする。これらのビームフォーミングされた信号は、スキャンコンバータ１７に供給される前に振幅検出器１５と、対数圧縮装置１６を含むバックエンドプロセッサに供給される。スキャンコンバータ１７はディスプレイ１９に対して適切なグリッドで表示値を生成する。
【００１７】
すべてのエレメント１１〜１７および１９は任意の有利な形態をとることができ、何らかの固有の実現に制限されることはない。例えば、送信および受信ビームフォーマはアナログまたはディジタル装置として構成することができ、単一素子トランスデューサアレイおよび種々異なる次元の移相されたアレイを含む任意の適切なトランスデューサアレイを使用可能である。またシステム１０は、トランスデューサアレイ１３とディスプレイ１９との間の信号路に付加的なエレメントを含むこともでき、図示のエレメントのいくつかを選択して削除するか、いくつかのエレメントの順番を交替することも可能である。例えば、バックエンドプロセッサとスキャンコンバータ１７の順番は変更可能である。
【００１８】
バックエンドプロセッサはまた、本発明の有利な実施形態を取り込んだ適応形多次元バックエンドマッピング段１８を含むことも可能である。マッピング段１８は多くの形態をとることができ、以下では特定の４つの実施形態を説明する。
【００１９】
第１の有利な実施形態
図２にはマッピング段１８の一般的な実施形態のブロック図が示されている。図２の実施形態では、対数圧縮装置１６によって生成される入力信号Ｉ(ｘ)が受信される。ここでは例として簡単のために入力信号はＢモード画像信号とすることができる。
【００２０】
入力信号Ｉ(ｘ)および推定器２０によって生成される局所的なノイズ平均の推定値が加算器２４に供給される。局所的なノイズ平均の推定器２０は、このシステムの局所的なノイズを１画像内の位置の関数として推定する。以下にさらに詳しく説明するように、局所的なノイズ平均を推定するためにはいくつかのアプローチを使用することができる。例えば、送信信号をトランスデューサ１３のトランスデューサ素子に供給することなく、画像データの１つ以上のフレームを取得することができる。音を発生させる圧力波（insonifying pressure wave）がない場合、結果的に得られる入力信号によってノイズフレームが形成される。ここでこれは、目下のシステムノイズの尺度であり、この画像内の位置の関数である。
【００２１】
【外１】

【００２２】
このパラメタは加算器２４において入力信号Ｉ(ｘ)から減算される。加算器２４の出力は、ノイズが抑圧された入力信号Ｉ_ｎ(ｘ)を表し、これは、組織平均推定器２１と、最大ＳＮＲ推定器２５と、適応形多次元マッピング段２６とに並列に供給される。
【００２３】
【外２】

【００２４】
組織平均推定器２１には、組織検出器２２と平均推定器２３とが含まれる。組織検出器は、軟組織を特徴付けるＩ_ｎ(ｘ)の部分を識別して出力信号Ｔ(ｘ)を生成する。これは軟組織に関連するｘの値に対しては１の論理状態にあり、軟組織に関連しないｘの値に対しては０の論理状態にある。組織検出器２２は多くの形態をとることができ、以下に詳しく説明するようにＩ_ｎ(ｘ)の分散と、軟組織を特徴付ける目標値とを比較することによって動作することができる。択一的には、Klesenski米国特許第５５７９７６８号に記載されているように組織検出器２２によって振幅技術が使用されて軟組織を検出することも可能である。この組織検出器２２ではつぎの式１が実現される。
【００２５】
Ｒ(ｘ_０) ＝｛Ｔ(ｘ) ＝ １｝∩｛｜ｘ−ｘ_０｜≦W_ｔ｝ （式１）
式１においてＷ_ｔは、ｘ_０の周りの領域Ｒを定義する幅の配列である。
【００２６】
平均推定器２２ではＩ_ｎ(ｘ)およびＴ(ｘ)が使用されてつぎの式２が実現される。
【００２７】
【数１】

【００２８】
式２でシンボル＜＊＞は、領域Ｒ内のｘにわたって平均化を行う演算子であり、これは位置ｘ_０の関数である。
【００２９】
【外３】

【００３０】
択一的な実施形態ではＴ(ｘ)を組織マップとすることができ、この組織マップは、位置ｘにおける画像が軟組織から取得された尤度を表す。ここでこのマップは０と１との間の中間の値をとり、関連する入力信号が軟組織から取得された尤度のレベルが増加するのに相応して、組織マップに対する値が増加する。
【００３１】
【外４】

【００３２】
最大ＳＮＲ推定器２５ではつぎの式３が実現される：
【００３３】
【数２】

【００３４】
式３において関数MAX{
・}は最大値をとる演算子であり、Ｗ_ｍはｘ_０の周りの領域Ｒを定義する幅の配列である。必要であれば、Ｗ_ｍを上記のＷ_ｔと等しく設定することが可能である。最大ＳＮＲ推定器２５は、点のＳＮＲ値（この例ではＩ_ｎ(ｘ)に等しい）に作用することができるか、または択一的にこの推定器２５は画像信号の一部分にわたる平均ＳＮＲに作用することができる。推定器２５が作用することのできる領域は、目下の画像フレームの一部、目下の画像フレーム全体、前の画像フレームまたは２つ以上の画像フレームとすることが可能である。推定器２５により出力信号Ｉ_ｍ(ｘ)が生成され、この出力信号によって、入力信号の選択された部分における局所的な最大ＳＮＲが定義される。
【００３５】
【外５】

【００３６】
図２の実施例では、マッピング段２６ではつぎの式が実現されている。
【００３７】
【数３】

【００３８】
マッピング段２６によって実現される関数ｇは、式５で識別され図４で説明される関数とすることができる。
【００３９】
【数４】

【００４０】
【外６】

【００４１】
【外７】

【００４２】
【外８】

【００４３】
別の択一的なアプローチも可能である。例えば、図３に示したようにＳＮＲ適合形の空間的かつ時間的に存続性を有するフィルタを加算器２４とマッピング段２６との間に挿入することができる。このフィルタは、低ＳＮＲを有する入力値に対してノイズを低減するために使用することができ、その際に十分なＳＮＲを有する入力信号に対して時間または空間分解能が犠牲になってしまうことはない。
【００４４】
【外９】

【００４５】
【外１０】

【００４６】
ブロック２７ｃではＩ(ｘ)の最大ＳＮＲ Ｉ_ｎ(ｘ)が、指定された領域にわたって推定され、ここでこれは上述のようにアプリケーションに依存して変化し得る。
【００４７】
【外１１】

【００４８】
【外１２】

【００４９】
ブロック２７ｆでは、Ｉ(ｘ)のＳＮＲと、Ｉ_ｍ(ｘ)とが比較可能であればいつでもＩ(ｘ)は、Ｄ_ｍの周りのＤ(ｘ)値の高いＳＮＲレンジに対応付けられる。Ｂモードタイプ入力信号に加えて、ブロック２７ｆはカラードップラーパワーモードおよびスペクトルドップラーモード入力信号にも適用可能である。
【００５０】
この説明から明らかであるのは、図２のシステムによって入力信号Ｉ(ｘ)が適応的に対応付けられ、ここでこれはつぎの３つの評価基準を満たす画像をユーザに提供されるように行われる。
【００５１】
１． 画像フレーム全体にわたり、ノイズと比較可能な入力信号は、ノイズ目標値Ｄ_ｎの周りにある値のレンジに対応付けられる。
【００５２】
２． 画像フレーム全体にわたり、軟組織に関連するＢモードタイプの入力信号は、軟組織目標値Ｄ_ｔの周りにある値のレンジに対応付けられる。
【００５３】
３． 画像フレーム全体にわたり、局所的な最大ＳＮＲと比較可能なＳＮＲを有する入力信号は、目標表示値Ｄ_ｍの周りにある値のレンジに対応付けられる。
【００５４】
例えば、Ｄ_ｎを黒または黒の近くとすることができ、Ｄ_ｍを白または白の近くとすることができ、またＤ_ｔをグレイレベルの指定した範囲、例えば、０が黒に２５５が白に相応するシステムにおいて６４の周りのグレイレベルにすることができる。
【００５５】
パラメタｘは、方位、レンジ、俯角および時間（フレーム番号）軸ないしは次元のうちの任意の１つ、任意の２つ、任意の３つまたは４つすべてを表すために使用される。
【００５６】
【外１３】

【００５７】
付加的な実施形態
すべての実施形態において、図２に関連して上に説明したすべての関数を組み合わせる必要はない。これらの関数のうちのいくつかを選択して種々にグループ化することも有利である。例えば、図９に関連して以下に説明する実施形態では、画像の近くのフィールドおよび遠くのフィールドの両方において局所的なゲインがコントロールされ、軟組織が実質的に一定の目標値で表示されるようにする。図１４および１５に関連して以下に説明する実施形態では付加的に、表示される画像のダイナミックレンジを局所的に調整し、これによって目下の画像信号を考慮して表示を最適化する。
【００５８】
図８には、図１のマッピング段１８′のこの実施形態のブロック図が示されている。図８に示したようにマッピング段１８′には、ノイズフレームプロセッサ３０と、軟組織プロセッサ３２と、ゲインプロセッサ３４とが含まれている。ノイズフレームプロセッサ３０によって、電子的なノイズがフレームにわたって変化するのに伴い、その推定値が生成される。軟組織プロセッサ３２によって、１画像フレーム内の軟組織の強度を表す滑らかな曲面がこのフレームの種々異なる位置において生成される。ゲインプロセッサ３４により、プロセッサ３０および３２の出力が使用され、これによってこの画像フレームに適用されるゲインまたはゲインとダイナミックレンジとの両方が適応的に調整される。
【００５９】
図９には図８の要素の有利な１実施形態のより詳細なブロック図が示されており、また図１０には図９の実施形態によって実現される方法のフローチャートが示されている。
【００６０】
図９に示したように、この実施形態のノイズフレームプロセッサ３０には、ローパスフィルタ４０と、デシメータ（decimator）４２とが含まれており、プロセッサ３０により、このフレーム全体にわたって分散されている種々異なる位置において、平均的な電子的ノイズの尺度が生成される。ノイズプロセッサ３０は入力としてノイズフレーム、すなわち送信器を遮断して取得された画像データのフレームを受け取る。ローパスフィルタ４０によってこのノイズフレームは平滑化され、デシメータ４２によって、この濾波されたノイズが、例えば一方の側の大きさが５０ピクセルであるより粗いグリッドに間引かれる。別の間引き率、例えば、音響グリッド（acoustic grid）において１０×１０ピクセルである間引き率を使用することも可能である。
【００６１】
軟組織プロセッサ３２はデータの画像フレームに応動し、ここでこのデータは、以下に説明する標準化されたイメージングパラメタによって得られ、またこの画像の軟組織から得られたデータを含む。軟組織プロセッサ３２には、ローパスフィルタ４４とデシメータ４６とが含まれており、これらはノイズプロセッサ３０の相応するエレメントと同じであると有利である。ノイズプロセッサ３０から得られ濾波され間引かれたノイズフレームは、マイナスの符号が付けられて、濾波され間引かれた画像フレームと加算器５４において加算される。この実施例においてノイズフレームおよび画像フレームは、ポスト検出、ポスト圧縮信号であるため、加算器５４によって行われる加算により、２つのフレームの関連する領域に対する信号対雑音比（ＳＮＲ）に等しい出力信号が形成される。このＳＮＲ信号は比較器５６に供給され、この比較器により、出力としてＳＮＲ２値画像が生成される。この２値画像は、あらかじめ定めた値、例えば３ｄＢまたは６ｄＢよりも大きなＳＮＲによって特徴付けられるこのフレームの領域において１に等しく設定され、ＳＮＲが上記のあらかじめ定めた値よりも小さいか等しい領域において０に等しく設定される。したがってこのＳＮＲ２値画像によって、十分に大きなＳＮＲを有する画像フレームの領域が、軟組織画像信号に対する候補であることが識別される。論理値０で特徴付けられるＳＮＲ２値画像の部分は、ノイズが多くかつＳＮＲが小さい画像の領域に相応し、これらの領域は軟組織の候補とはみなされない。
【００６２】
軟組織プロセッサ３２により、局所的な分散計算器４８と、デシメータ５０と、比較器５２とが使用されて分散２値画像も生成される。これらのエレメントにより、画像フレームの局所的な空間的分散が使用されて、軟組織に特徴的な分散を有する画像フレームの領域が識別される。
【００６３】
軟組織においては、各分解セル（resolution cell）に極めて多くの散乱体が存在する。完全に現像されるスペックルが、反射された信号間のランダムな干渉に起因して発生し、信号の振幅は、軟組織を表す画像フレームの領域においてレイリー分布にしたがう。この実施形態では、各画像ピクセルの周りの２，３の分解セルにおいて計算した局所的な分散と、完全に現像されるスペックルのそれとが類似している程度が尤度の尺度として使用され、ここでこれは特定の画像ピクセルが軟組織の画像を表す尤度である。この分散２値画像は、分散が軟組織のイメージングと整合する領域では１に等しく設定され、それ以外では０に等しく設定される。
【００６４】
局所的な分散計算器４８は、画像をより小さな領域のグリッドに分割することによって機能する。これらの領域の大きさは有利には各軸の方向に沿って画像の分解能よりも１０倍大きなオーダーを有する。
【００６５】
座標（ｉ，ｊ）を有する領域ないしはセルＣの中心の空間的分散Ｖ_ｉ，ｊはつぎのように計算される。
【００６６】
【数５】

【００６７】
デシメータ５０は有利にはデシメータ４２および４６と同じスケールで動作する。間引きの行われた分散フレームはつぎに比較器５２において要素毎に最小および最大の分散レベルと比較される。この比較は、対数圧縮されたデータに対しては殊に簡単であり、ここで軟組織を特徴付ける、完全に現像されるスペックルの分散は（５．５７ｄＢ）^２である。したがって画像フレームにおける軟組織の領域は、（５．５７ｄＢ）^２に近い分散を有する完全に現像されるスペックルによって特徴付けられる。例えば、分散がつぎの式７で説明する関係を満たす場合、図９の比較器５２によって、この分散を軟組織に特徴的なものとして分類することができる。
【００６８】
【数６】

【００６９】
スペックルの実際の局所的な分散は、超音波システムの信号処理パスにおけるフィルタに起因して理論値と等しくないこともある。実践的には分散はファントムを模倣する軟組織の測定を介して決定される。
【００７０】
電子的なノイズそれ自体は、軟組織の分散に近い分散を有しており、参照符号６０で示されたＡＮＤ演算により、ＳＮＲ２値画像および分散２値画像が使用され、これによって電子的なノイズが誤って軟組織として分類されてしまうことが回避される。このＡＮＤ演算は、間引きが行われたＳＮＲ２値画像と、間引きが行われた分散２値画像とに基づいて要素毎に実行される。
【００７１】
結果的に得られる間引きが行われた組織２値画像は、ＳＮＲ２値画像によって、関連する領域が小さなＳＮＲ比によって特徴付けられることが表されるか、または分散２値画像によって、関連する領域が軟組織でないことが表される場合に０に等しい値を有する。ＳＮＲ２値画像はすべての実施形態において必須ではなく、別の手法を使用してノイズの多い画像の領域が誤って軟組織として分類されてしまわないようにすることも可能である。例えば、局所的な分散推定に先立ってノイズ低減手法を適用することできる。
【００７２】
デシメータ４６からの濾波され間引きが行われた画像フレームおよびＡＮＤエレメント６０からの２値組織画像は、軟組織の強度を計算する装置６２に入力として供給される。殊に装置６２の出力は、間引きが行われたフレームであり、これは同じ領域の組織２値画像の相応する値に依存する強度値を有する。組織２値画像の相応する領域が論理値０に等しいところでは（この領域が軟組織でないことを示す）、装置６２の出力は、相応する領域に対する強度値を含まない。択一的には組織２値画像が論理値１に等しい領域に対して、装置６２の出力に、相応するフィルタ４４によって濾波されデシメータ４７によって間引きが行われた領域に対する強度値が含まれるようにする。
【００７３】
装置６４では曲面、例えば２次曲面が、装置６２によって供給されたフレームにあてはめられる。この２次曲面により、画像フレーム全体にわたって軟組織強度が変化する際に平均の軟組織強度の尺度が得られる。ＳＮＲ２値画像を使用しているため、ノイズの多い画像の部分によってこの２次曲面が変えられてしまうことはない。この曲面は、間引きが行われたフレームにあてはめられる２次曲面であるため、装置６４によってあてはめられる曲面が急激に変化して、コントラストの異なる軟組織間の界面ないしは移行部の表現を妨害してしまうことはない。１実施形態では装置６４により、画像は６×６のグリッドに分割され、このグリッドの矩形領域毎に平均軟組織強度値が計算され、つぎに２次曲面がこの平均値にあてはめられる。
【００７４】
図９について続けると、この実施形態のゲインプロセッサ３４によって加算器８２が使用されて、装置６４から得られたあてはめられた曲面と、軟組織目標輝度レベルＴ_Ｔとの差分が領域毎に得られる。加算器８２の出力は、組織ゲインＧ_Ｔであり、これはレンジおよび方位の両方と共に変化し、またこれは、局所的な組織平均にあてはめられた上記の曲面を、軟組織目標レベルＴ_Ｔで表示するのに必要なゲインである。この組織ゲインＧ_Ｔは論理ブロック８４に供給され、このブロックは第２の入力Ｇ_Ｎも受け取る。信号Ｇ_Ｎは加算器８０によって生成され、ここではこの加算器によって、ノイズ目標レベルＴ_Ｎと、濾波され間引きが行われたノイズフレームの相応する値との間の差分が点毎に計算される。したがってノイズゲインＧ_Ｎもレンジおよび方位の両方と共に変化し、このゲインは、局所的な平均ノイズレベルがノイズ目標レベルＴ_Ｎで表示されることを保証するために必要なゲインを表す。論理ブロック８４により、最終的な２次元ゲインＧ_Ｆが、Ｇ_ＮおよびＧ_Ｔのうちの小さい方に等しく設定される。最終的な２次元ゲインＧ_Ｆは、ブロック８６で画像フレームに適用される。実施形態によっては最終的なゲインＧ_Ｆが、デプスゲイン、横方向ゲインおよび横方向ゲイン傾き成分に分解されることもあり、これは、例えば最小２乗あてはめ（least square fit）を介して行われる。デプスゲイン成分を選択して横方向傾き値を最小化し、主ゲイン値を選択してデプスゲインと横方向ゲインにおける変化を最小化することが有利なこともある。
【００７５】
図１１〜１３には、図９のゲインプロセッサ３４の動作が示されている。図１１では軟組織目標レベルＴ_Ｔおよびノイズ目標レベルＴ_Ｎは点線で示されている。この場合、Ｔ_ＴおよびＴ_Ｎは両方ともデプスについて一定である。デシメータ４２によって供給されるノイズ強度Ｉ_Ｎおよび装置６４によって供給される組織強度Ｉ_Ｔは実線で示されている。図１２ではＧ_ＴおよびＧ_Ｎが示されており、図１３では最終的なゲインＧ_Ｆが、Ｇ_ＴおよびＧ_Ｎのうちの小さい方として示されている。
【００７６】
図１１〜１３は、説明を分かりやすくするためにデプスの関数として強度が２次元線図で示されている。上述のようにゲインＧ_Ｔ，Ｇ_ＮおよびＧ_Ｆはすべて、デプスおよび方位の両方の関数として２次元で変化する。
【００７７】
ゲインプロセッサ３４によりゲインＧ_Ｆが設定され、ノイズ信号がノイズ目標レベルよりも小さい画像のすべての部分に対して、画像の軟組織領域がほぼ組織目標レベルＴ_Ｔで表示されるようにする。ノイズ強度Ｉ_Ｎがノイズ目標レベルＴ_Ｎよりも大きな画像の領域では、小さい方のゲインが使用され、これによってノイズが不適切に増幅されてしまわないことが保証される。
【００７８】
図１０には図９のシステムによって実現される方法のフローチャートが示されている。ブロック１００では上述の適合形ゲイン機能が開始される。これは多くの手法で行うことができる。例えば、適応形のゲインは、ユーザの要求に応じてまたは所定のインターバルで自動的に開始することができる。例えば、適応形のゲインは、設定した個数のフレームまたは秒毎に開始することが可能である。
【００７９】
適応形のゲインがブロック１００において一旦開始されると、コントロールはブロック１０２に渡され、ここではこのシステムの画像取得パラメタがあらかじめ選択した値に設定される。これらのあらかじめ選択された値によって、適応形のゲインプロセッサの動作が最適化される。例としてつぎの一般的なガイドラインが１実施形態において有利であることが判明した。
【００８０】
ゲインおよびダイナミックレンジを含む画像取得パラメタはつぎのように決定される。すなわちイメージング状況の考えられ得る最も広範なバリエーションに対して、発生し得る最も高い信号対雑音比が画像全体にわたって維持され、その際にこの画像のどの部分にも飽和が生じないように決定されるのである。このことによって保証されるのは、信号の弱い領域が適応形ゲインプロセッサによって考慮されることである。
【００８１】
画像取得パラメタが一旦選択されると、これらブロック１０４において１つ以上のノイズフレームを取得するため、またブロック１０６において画像フレームを取得するために使用される。上で説明したようにノイズフレームは、送信器が遮断されていることを除けばふつうの画像フレームである。送信器が遮断されているため、真正なエコー信号は存在せず、画像フレームに発生する任意の信号はシステムないしは電子的なノイズを表すのである。このノイズフレームはブロック１０８で使用され、これによって低ＳＮＲによって特徴付けられる画像の領域が識別される。これはＳＮＲ２値画像の作成に関連して説明した通りである。この画像フレームは所望の任意の様相とすることができ、例えば、組織の基本的またはハーモニックなイメージングを含むことができ、付加的な造影剤（contrast agent）を用いても用いなくてもよい。
【００８２】
つぎにブロック１１０において、ばらつきの統計的尺度が、画像フレームの選択した領域に対して決定される。ブロック１１０では、振幅が検出され対数圧縮された信号の時間的または空間的平均を上述のように使用することができる。択一的には、ノイズパワーの局所的な平均によって規準化したノイズパワーの空間的分散を使用することが可能である。例えば、規準化された空間的分散は、予備圧縮信号（pre-compression signal）において決定することができ、ここでは規準化された空間的分散は、この予備圧縮信号の局所的な平均によって規準化される。
【００８３】
ばらつきの統計的尺度は、横方向、軸方向および俯角の方向の軸のうちの任意の１つ、またはこれらの軸のうちの任意の２つ、またはこれらの３つの軸のすべてに沿って計算することができる。上述の例では分散は、横方向および軸方向の軸について計算されている。
【００８４】
つぎにブロック１１２および１１４では、軟組織に対応する画像フレームの領域が決定される。ブロック１１４では、ブロック１０８で決定された低ＳＮＲで特徴付けられる画像の領域が使用され、これによって保証されるのは、この画像のノイズが多い領域の外に軟組織として識別される領域があることである。
【００８５】
局所的なコヒーレンスファクタを使用して保証することができるのは、音響雑音またはクラッタの多い領域が、対応付けの判別から除外されることである。局所的なコヒーレンスファクタは、遅延されアポディゼーションされた信号の受信チャネルのわたるインコヒーレント（位相弁別的でない）な和に対する、コヒーレント（位相弁別的）な和の比として定義される。これについてはRigby米国特許第５９１０１１５号明細書の考察を参照されたい。低コヒーレンスファクタは、大きな位相収差（phase aberration）、すなわち音響雑音ないしはクラッタのレベルが高いことを示す。したがってコヒーレンスファクタを使用することにより、クラッタの多い画像の領域を無視することができる。
【００８６】
上述のように軟組織は、ばらつきの統計的尺度に基づいて識別することができる。これとは択一的に、実施形態によっては、別の手法を使用して軟組織を識別することもでき、例としては画像信号の大きさに基づく手法がある。本発明の指定代理人に割り当てられているKlesenski米国特許第５５７９７６８号明細書の考察を参照されたい。
【００８７】
ブロック１１６では２次曲面が、フレームの近くのフィールドおよび遠くのフィールドを含むフレーム全体にわたって軟組織強度値にあてはめられる。
【００８８】
ブロック１１８では局所的なゲインが適応的に変更され、相応の個所において２次曲面の振幅を有する信号が、いくつかの画像またはすべての画像にわたって、軟組織目標値で表示されるようにする。軟組織目標値または目標表示値は複数の仕方で設定することができる。目標表示値は、単純に記憶された値、またはユーザが選択した値、または周辺光に応じて適応的に決定された値とすることができる。
【００８９】
択一的かつ有利には、軟組織目標レベルは、目下呼び出されているポストプロセッシング曲線の関数である。殊にユーザがコントロール可能な値またはあらかじめ定めた値を、目標軟組織グレイレベルＴ_Ｇとして使用可能である。つぎにＴ_Ｔは、ポストプロセッシング曲線が選択される度に、Ｔ_Ｇの表示グレイレベルに対応付けられる信号強度レベルを有するように定められる。
【００９０】
図１４には、図８のゲインプロセッサの第２の有利な実施形態が示されている。図１４の実施形態には、加算器８０，８２と、論理ブロック８４と、上で述べた図９の相応するエレメントと同じものにすることの可能なブロック８６とが含まれている。付加的には図１４のゲインプロセッサにより、適応的にダイナミックレンジが設定され、このダイナミックレンジで画像フレームが表示される。ブロック１４０において最終的なゲインＧ_Ｆと、組織ゲインＧ_Ｔと、前に選択したダイナミックレンジＤＮＲ_ＯＬＤが使用され、つぎの式にしたがって新たなダイナミックレンジＤＮＲ_ＮＥＷが生成される。
【００９１】
【数７】

【００９２】
この新しいダイナミックレンジＤＮＲ_ＮＥＷはつぎに、ブロック８６によって生成されたゲイン調整がなされた画像に適用され、これによってディスプレイに供給されるＤＮＲ調整された画像が形成される。
【００９３】
図１４のゲインプロセッサにより、ダイナミックレンジは、画像の低ＳＮＲ領域に調整される。このようにダイナミックレンジを調整することによって保証されるのは、軟組織が平均して、あらかじめ選択した目標値Ｔ_Ｔで表示されることである。最終的なゲインＧ_Ｆおよび組織ゲインＧ_Ｔは、デプスおよび方位の関数であるため、新たなダイナミックレンジＤＮＲ_ＮＥＷは、ＤＮＲ_ＯＬＤがそうでなかったとしても、空間的に変化し適応的に決定される量である。図１４のダイナミックゲインプロセッサによって、ＳＮＲが適応的に調整されるのは、画像の低ＳＮＲ領域においてだけである。それは高ＳＮＲ領域では最終的なゲインＧは、組織ゲインＧ_Ｔに等しく、したがって高ＳＮＲ領域ではＤＮＲ_ＮＥＷはＤＮＲ_ＯＬＤに等しいからである。
【００９４】
図１４のブロック１４０，１４２により、画像内の複数の個所におけるノイズレベルおよび軟組織強度の両方に基づいて、信号のダイナミックレンジが適応的に変更される。
【００９５】
図１５には図８のゲインプロセッサの第３の有利な実施形態が示されている。図１５のゲインプロセッサでは、ブロック１６０によりつぎの式にしたがってパラメタＳが設定される。
【００９６】
【数８】

【００９７】
ここでＩ_Ｔは局所的な平均組織強度、Ｉ_Ｎは局所的な平均ノイズレベル、Ｔ_Ｔは組織目標強度、またＴ_Ｎはノイズ目標強度である。ブロック１６２においてダイナミックレンジＤＮＲは、ブロック１６０で決定されたＳと、許容される最大のダイナミックレンジＤＮＲ_ＭＡＸとの最小値に等しく設定される。ブロック１６４ではゲインパラメタが式１０にしたがって設定される。
【００９８】
【数９】

【００９９】
つぎにブロック１６６においてブロック１６４で決定されたゲインと、ブロック１６２で決定されたダイナミックレンジとが画像フレームに適用される。
【０１００】
図１６を使用して図１５のゲインプロセッサの動作を説明する。図１６に示したようにここでは入力信号が水平軸にｄＢの単位でプロットされており、表示グレイレベルが垂直軸にプロットされている。入力信号を表示グレイレベルに対応付ける直線の傾きは、ダイナミックレンジに逆比例し、その単位は、１ｄＢ当たりのグレイレベルである。当然のことながら、信号とグレイレベルとを対応付ける関数は直線である必要はなく、直線でない場合、関心対象の入力信号の最小値および最大値に相応するグレイレベルを通過する直線の傾きを使用可能である。この例におけるゲインは図示のようになり、対応付けされるグレイレベルは、信号とゲインとの和に傾きを乗算したものに等しい。この関係によって、図１５の実施形態によって定められたダイナミックレンジおよびゲインにより、平均軟組織強度およびノイズが、相応する所望の目標値に対応付けられるのである。
【０１０１】
さらなる考察
１． 軟組織の検出
上記の有利な実施形態では、入力信号のばらつきの統計的尺度を使用して、軟組織を識別した。つぎの複数のステップを（個別にまたは種々の組み合わせで）使用して、軟組織識別の精度を改善し、軟組織であると誤って識別してしまうことを低減することができる。
【０１０２】
ａ． 低ＳＮＲの領域を識別し、このような領域を軟組織として分類しない。図９のエレメント５４，５６，６０により、上記のようにこの機能が実現されている。
【０１０３】
ｂ． ばらつきの局所的な尺度との比較のために、調整可能な閾値を与える。図９のエレメント５２では、ユーザによって調整されたか、固有のトランスデューサの機能として自動的に調整されたか、または使用中の画像処理パラメタとして調整された最大および最小の閾値を使用可能である。この最大および最小の閾値は、目標値に関して対称にも非対称にも配置することができる。アプリケーションによっては、閾値に対してつぎのような値を選択すると有利である。すなわち軟組織でないと誤って識別されることが幾分多くなったとしても、軟組織であると誤って識別されることが格段に少なくなる値を選択すると有利である。
【０１０４】
ｃ． ばらつきの統計的尺度に影響を及ぼす信号処理を遮断する。周波数コンパウンディング、空間的コンパウンディング(spatial compounding)、空間的フィルタリング（spatial filtering）（例えばビデオフィルタによる）、時間的フィルタリング（temporal filtering）（例えば存続性を有するフィルタリング（persistene filtering））および非線形ポストプロセッシング対応付けなどの慣用の信号処理技術により、ばらつきの統計的尺度が影響を受けてしまうことが多い。このため、軟組織識別に使用される入力信号を取得中、このような信号処理は有利には遮断されるか、または択一的にはこのような信号処理の影響を軟組織識別の際に考慮に入れる。これは例えば閾値を適切に設定することによって行われる。さらに空間的なアンダーサンプリングによって画像のアーチファクトが発生してこれが局所的な分散を変化させるため、このようなアーチファクトは有利には回避される。
【０１０５】
ｄ． ばらつきの統計な尺度の推定において分散（すなわちノイズ）を低減する。ピクセル毎のばらつきの尺度は、上に述べたものよりも大きな、サポートの領域を使用することによって推定することができるか、またはばらつきの推定値を空間的にローパスフィルタリングし、これによってばらつきの細かな分解能により、より低い推定ノイズに対する推定値との妥協をはかる。択一的な１実施例では、局所的な分散（またはばらつきの別の統計的尺度）を計算するために使用されるエリアは、平均スペックルサイズの関数であり、これは例えば平均スペックルサイズの単位で指定される。平均スペックルサイズは、自己共分散の等価な幅によって得られ、往復の点広がり関数（round-trip point spread function）のサイズまたは等価的にビームフォーマの横方向および軸方向の帯域幅によって直接決定される。このパラメタは、トランスデューサ毎に音響グリッド（予備スキャンコンバージョン）サンプルの単位で別個に設定することができる。それはこの音響グリッドが、多かれ少なかれ横方向および軸方向の帯域幅の変化に追従するからである。
【０１０６】
ダイナミックに更新が行われる場合、分散画像を時間的に平均化（存続させる）すること、またはこれによって得られる組織マスクまたは適応形ゲイン画像が必要なことがあり、これによって分散の推定におけるノイズに起因するフリッカまたはゲインの急峻な変化が回避される。
【０１０７】
ｅ． ばらつきの尺度を統計的に推定することに加えて別の尺度を使用して軟組織識別を改善する。例えば、腱や筋などの組織は、腱や筋の長軸にそってスペックルが少ないことによって特徴付けられる。このパターンは、識別可能であり、またこれらのタイプの組織を識別できる精度を改善するために使用可能である。別の例としては、軟組織における造影剤は超音波ビームによって欠乏する傾向があり、このような欠乏によって、連続する画像間の相関性が欠如する。このような相関性の欠如は検出可能であり、この場合に上に説明した軟組織識別手法と組み合わせて使用して、軟組織において造影剤が識別される精度を改善することができる。
【０１０８】
２． ばらつきの統計的尺度
上記の考察では分散を、ばらつきの統計的尺度の１例として使用した。分散（σ^２）の標準的な定義は、統計変数とその期待値との間の差の大きさの自乗の期待値である。
【０１０９】
σ^２ ＝ ＜｜Ｉ−＜Ｉ＞｜^２＞，
または等価的に
σ^２ ＝ ＜｜Ｉ｜^２＞−｜＜Ｉ＞｜^２
であり、ここで＜・＞は期待値、すなわち平均化の演算子であり、｜・｜は大きさの演算子である。図９のエレメント４８では、局所的な空間的分散が使用される。画像の任意のピクセルｘ０に対して、局所的な分散が、このピクセルｘ０周りの領域Ｒにおけるサンプルを使用して計算され、ここでこの領域Ｒは、任意の１つまたは複数の軸で定めることができる。この軸は、軸方向、横方向、俯角または別の任意の空間的な軸とすることができる。
【０１１０】
空間的分散に対しては多くの近似値があり、これらはすべてここで使用することのできるばらつきの統計的尺度の例とみなすことができる。例えば、平均が無視できる、またはこれが画像にわたって多かれ少なかれ一定であると仮定すると、分散はつぎの式で近似される。
【０１１１】
σ^２ 〜 ＜｜Ｉ｜^２ ＞
考えられ得る別の表現にはつぎのようなものがある。
【０１１２】
σ^２ 〜 (max(Ｉ)−min(Ｉ))／＜Ｉ＞；
σ^２ 〜 (max(Ｉ)−＜Ｉ＞)／＜Ｉ＞；
σ^２ 〜 (＜Ｉ＞−min(Ｉ))／＜Ｉ＞；
σ^２ 〜 (max(Ｉ)−min(Ｉ))；
σ^２ 〜 (max(Ｉ)−＜Ｉ＞)；
σ^２ 〜 (＜Ｉ＞−min(Ｉ))
があり、ここでmax(.)およびmin(.)演算子ならびに平均化の演算子は、ピクセルｘ０の周りの領域Ｒにわたって計算される。
【０１１３】
別の実施例としては、１つ以上の軸に沿って入力サンプルの空間周波数のスペクトルを測定し、つぎにこのスペクトルと軟組織の空間特性とを比較することが有利であることもある。
【０１１４】
ばらつきの別の統計的尺度には、分散の関数として変化するパラメタ、例えば標準偏差σまたは分散の近似値が含まれる。
【０１１５】
「ばらつきの統計的尺度」という語は広く、上記の例のすべて、ならびに軟組織を識別するため、または組織の別のタイプと軟組織とを区別するために使用可能な別の統計的尺度を含めて意味するものである。
【０１１６】
３． 曲面のあてはめ
図９のブロック６４で実行される曲面あてはめ機能は、多くの手法で実現可能である。例えば、多項式スプラインを使用することができ、ここでこれは区分的な多角形曲面であり、多項式曲面の区分間のすべての境界において所定の次数までの導関数の連続性を有している。多項式スプラインの次数によって、大域的な円滑さが決定され、これに対して多項式曲面の区分間の境界において満たされる導関数の連続性の数によって局所的な円滑さの程度が決定される。
【０１１７】
（直交または直交しない）基底関数の和として定義可能な任意の関数を、曲面あてはめに対して使用可能であり、これらは例えば、三角関数または双曲線三角関数の和として書き表すことのできる関数である。一般的には、平均軟組織強度値のグリッドにあてはまるように選択される重み付けパラメタを有する、レンジおよび方位の任意の基底関数の１次結合を使用可能である。
【０１１８】
４． ゲインまたはダイナミックレンジの適応的な調整の開始
上で説明したように、上記の適応的な調整は手動またはインターバルで自動的に開始することができる。さらにこのような調整を、入力信号における大きな変化、例えば、フレームの和（１フレームにおける全Ｂモードピクセルの和）における大きな変化、またはフレームの相関にも基づいて検出される大きな動きに応じて自動的に開始することも可能である。例えば、連続する２つのフレームをまず空間的に例えばボックスカー（boxcar）フィルタによって濾波して間引き、つぎに２つのフレームの間引かれたピクセルの値の差分を自乗して和をとる。この和が、あらかじめ定めた閾値、例えば、間引きが行われた２つのフレームの最初のフレームの全エネルギー（大きさの自乗の和）の２０％を上回る場合、図７または１０の手法が開始されるのである。変形には、自乗ではない関数の使用、フレームの一部（例えば中央の部分）に計算を制限すること、ドップラー信号を監視して、ユーザがプローブの移動を停止した時（ユーザが有利な探査位置に達成したことを保証するために遅延をおそらく加えて）を判断することなどが含まれる。別のアプローチは、イメージングパラメタ（例えば、超音波周波数の送信または受信）のユーザによる変更に応じて図７または１０の手法を開始することである。
【０１１９】
５． 高分解能表示モードへの使用
慣用の高分解能動作モードでは、既存のフレームの一部が拡大されて表示される。これはフレームのこの部分をより高い解像度で再取得することによって、または既存のフレームに対して拡大率を増すことによって行うことができる。上記のいずれの場合においても、拡大される部分よりも大きな領域に対する入力信号を上記の組織識別および曲面あてはめ法に使用可能である。このことによって拡大された部分におけるエッジのあいまいさおよびアーチファクトを低減することができ、このことによって、この拡大された部分に軟組織がほとんどない場合に、よりロバストなゲイン曲面を計算可能である。
【０１２０】
結論
当然のことながら多くの択一的な実施例が可能である。実際に、アナログおよびディジタル信号処理技術の最大限の範囲を上記の基本機能の実現に使用可能である。プログラムされたコンピュータは、上記の適応形ゲインプロセッサに対する有利な１実施例である。例えば、適応形のゲインおよび選択的な適応的に決定されるダイナミックレンジを、トランスデューサアレイ１３とディスプレイ１９との間の信号路に沿った所望の任意の点で適用することができる。この２つは、スキャンコンバージョン、対数圧縮および検出の前または後に適用可能である。適応形のゲインプロセッサは、検出、対数圧縮およびスキャンコンバージョンのの前または後にＲＦ，ＩＦまたはベースバンド信号において動作可能である。
【０１２１】
また別の手法を使用してノイズレベルを決定することができる。例えば、コンピュータモデルを使用して、イメージングシステムの（取得パラメタも含めた）パラメタに基づき、フレームの種々の位置に対するノイズレベルを計算することができる。
【０１２２】
前述の例では、種々のバックエンドゲイン段を適切にコントロールすることにより、入力信号が軟組織または出力信号値のノイズレンジに適応的に対応付けられる。しかしながら本発明はこのアプローチに限定されることはなく、フロントエンドゲイン段のゲインを変更して所望の出力信号値を得ることができ、これは単独でも、１つ以上のバックエンドゲイン段におけるゲイン変更との組み合せでも行うことができる。
【０１２３】
上記の有利な実施形態では、効果的に協動して画像のゲインおよびダイナミックレンジを適応的に設定する複数の機能が組み合わされている。これらの機能のうちの種々異なるいくつかの機能を、組み合わせるのではなく別の機能とは独立して使用できることも理解されたい。殊に以下の発明を共にまたは種々の組み合わせで使用可能である。
【０１２４】
-- ばらつきの統計的尺度を使用して、実質的に軟組織に相応する画像のエリアを識別する、
-- 画像の近くのフィールドおよび遠くのフィールドの両方における軟組織強度値を含む軟組織強度値に曲面をあてはめる、
-- それぞれあらかじめ選択された値に設定されたシステムの複数の取得パラメタで適応形ゲインシステムに対する画像を取得する、
-- 少なくとも部分的に軟組織強度値および相応する個所におけるノイズ値に基づき、超音波イメージングシステムのゲインを適応的に変更する、
-- 少なくとも部分的に画像の複数の個所におけるノイズ値および軟組織強度値に基づき、超音波イメージングシステムのダイナミックレンジを適応的に変更する。
【０１２５】
ここで使用する「画像」という語は広く、１，２または３つの空間的次元の画像を表す。例えば、Ｍモード表示は１次元画像とみなすことができる。
【０１２６】
「値の範囲」という表現は広く１つ以上の値を表す。
【０１２７】
２つの信号は、これらの信号のスケールファクタが等しいか、またはスケールファクタが等しくないにかかわらず、「比較可能である」と言われる。「軟組織」という語は、分解不能な微細構造のためにスペックルを形成する任意の目標物のことを表す。
【０１２８】
上述のようにＳＮＲの最大値は、時間および空間座標の任意の組み合わせによって変化し得る。
【０１２９】
上記の詳しい説明は説明のためであり、限定のためではない。等価なものをすべて含む請求項だけによって本発明の範囲が定義される。
【図面の簡単な説明】
【図１】 本発明の有利な実施形態を取り入れた医用診断超音波イメージングシステムのブロック図である。
【図２】 図１の多次元バックエンドマッピング段の有利な実施形態のブロック図である。
【図３】 図２の実施形態の変形実施形態を示すブロック図である。
【図４】 図２の実施形態によって実行される対応付け関数を説明する線図である。
【図５】 図２の実施形態によって実行される択一的な対応付け関数を説明する線図である。
【図６】 図２の実施形態によって実行される別の択一的な対応付け関数を説明する線図である。
【図７】 図２の実施形態によって実行される方法のフローチャートである。
【図８】 図１の適応形多次元バックエンドマッピング段の別の実施形態を示すブロック図である。
【図９】 図８に示したマッピング段の第１の有利な実施形態のより詳細なブロック図である。
【図１０】 図９の実施形態によって実現される方法のフローチャートである。
【図１１】 図９の実施形態の動作を説明する線図である。
【図１２】 図９の実施形態の動作を説明する別の線図である。
【図１３】 図９の実施形態の動作を説明する別の線図である。
【図１４】 局所的なゲインおよび局所的なダイナミックレンジが適応的に設定されるように動作する、図８のゲインプロセッサの第２の有利な実施形態を示すブロック図である。
【図１５】 局所的なゲインおよび局所的なダイナミックレンジの両方が適応的に設定されるように動作する、図８のゲインプロセッサの第３の有利な実施形態を示すブロック図である。
【図１６】 図１５の実施形態の動作を説明する線図である。

Claims (2)

1. 受信入力信号を取得して出力信号を表示する医用超音波イメージングシステムにおける適応的対応付け方法において、
   （ａ）前記入力信号のばらつきの統計的尺度を決定し、
   （ｂ）少なくとも部分的に、前記の（ａ）の統計的尺度に基づいて、軟組織を特徴付ける入力信号を識別し（２７ｂ）、
   （ｃ）前記の（ｂ）で前記識別された入力信号の値が局所的な軟組織平均と等しければ、前記識別された入力信号を、出力信号値の軟組織目標表示値の範囲に対応付け（２７ｅ）、
   （ｄ）前記システムに対する目下のノイズレベルを表すノイズ信号を供給し、
   （ｅ）前記識別された入力信号のレベルと、前記ノイズ信号のレベルとが比較可能な場合、該入力信号を出力信号値のノイズ範囲に対応付ける
   ことを特徴とする、医用超音波イメージングシステムにおける適応的対応付け方法。
2. エコー信号パラメタを表す入力信号を取得して出力信号を表示する医用超音波イメージングシステムにおける適応的対応付け方法において、
   （ａ）前記入力信号の振幅のばらつきの統計的尺度を決定し、
   （ｂ）少なくとも部分的に、前記の（ａ）の統計的尺度に基づいて、軟組織を特徴付ける入力信号を識別し（２７ｂ）、
   （ｃ）前記の（ｂ）で識別された入力信号の平均振幅を、目標表示値で表示し、
   前記（ａ）の統計的尺度は、前記入力信号の空間的分散を表しかつ横方向、軸方向および俯角方向の軸からなるグループから選択された少なくとも１つの軸に沿って決定され、
   前記入力信号は、振幅検出され対数圧縮された信号である
   ことを特徴とする、医用超音波イメージングシステムにおける適応的対応付け方法。

Images