JP6281994B2 - 超音波検査システム及び超音波検査方法 - Google Patents

Description

本発明は、超音波検査装置から出力される時間的に連続した複数のフレームの列からなる動画像に基づいて病変を含む動画像のフレームが病変を含まない正常フレームであるか病変を含む異常フレームであるかを検査する超音波検査システム及び超音波検査方法に関するものである。

超音波検査装置では、測定結果は動画像として表示される。例えば、乳腺超音波検査において、腫瘤性病変は暗い塊状の陰として描出されるため、動画像の各フレームを独立した静止画像として扱っても検出され得る。そのため特許文献１（WO2012011579）に示される静止画像（病理画像）からの異常検出技術でも、腫瘤性病変は発見可能である。しかし非腫瘤性病変の形状は明瞭ではなく、乳腺組織が示すテクスチャの変化を観測しなければならないため、特許文献１に記載の手法のアプローチで対応できず、前後のフレームの相関を計測する等の動画像パターン認識が必須となる。
特許文献２（特開２０００−１２６１８２号公報）には、超音波プローブに位置センサを取り付けて、画像情報と位置情報とを組み合わせて内部構造の３次元データを構築し、腫瘤像の表面積と体積の比率に基づいて、その像が腫瘍であるか否かを判定する技術が開示されている。特許文献３（特開２０１０−１６６９７３号公報）には、超音波プローブに位置センサを取り付けるのではなく、取得された画像を解析して位置を推定する技術が示されている。

ＷＯ２０１２０１１５７９ 特開２０００−１２６１８２号公報 特開２０１０−１６６９７３号公報

しかし特許文献２に示された技術では、形状が明瞭な腫瘤性病変のみを対象としており、形状が不明瞭な非腫瘤性病変は対象としていない。
また特許文献３に記載の技術では、推定位置情報をボディマークとして画面表示し、医師が検査部位を把握しやすくするために用いるのみで、病変の自動検出には利用されていない。
本発明の目的は、超音波プローブを動かして超音波検査装置から出力される時間的に連続した複数のフレームの列からなる動画像に基づいて病変を自動検出する超音波検査システムの検出精度を高めることにある。
本発明の他の目的は、超音波プローブを動かして超音波検査装置から出力される時間的に連続した複数のフレームの列からなる動画像に基づいて病変を自動検出する超音波検査方法の検出精度を高めることにある。

本願第１の発明の超音波検査システムは、超音波プローブを動かして超音波検査装置から出力される時間的に連続した複数のフレームの列からなる動画像に基づいて病変の有無を検査するために、正常判定基準データ記憶部と、フレーム判定部と、速度情報検出部と、速度判定部とを具備する。正常判定基準データ記憶部には、事前の学習によって、規定の範囲内の速度で超音波プローブを動かしながら基準被験者または被験者から得た病変が存在しない身体部分の動画像を構成する複数のフレームから立体高次局所自己相関特徴を抽出し、抽出結果を所定の分析手法により分析することにより得た正常判定基準データを記憶する。所定の分析手法は任意であるが、例えば、部分空間法や、One-class SVM（サポートベクタマシン）等を用いることができる。速度情報検出部は、各フレームについて検査者が操作する超音波プローブの速度に関する速度情報を取得する。速度判定部は、速度情報検出部が取得した速度情報から得た超音波プローブの速度が、規定の速度範囲内の速度（事前の学習において用いた動画像を取得したときの速度）を基準として予め定めた閾値を超えていない場合には正常速度であると判定する。ここで速度判定部における予め定めた閾値は、事前の学習において用いた動画像を取得したときの規定の速度範囲内の速度に基づいて定められたものである。

フレーム判定部は、検査者が超音波プローブを被験者に対して操作して超音波検査装置から得た、被験者の身体部分の動画像を構成する複数のフレームから各フレームの立体高次局所自己相関特徴を抽出する特徴抽出部と、各フレームからの立体高次局所自己相関特徴の抽出結果と前記所定の分析手法により分析して得た正常判定基準データに基づいて、該当フレームが病変を含まない正常フレームであるか病変を含む異常フレームであるかを判定する状態判定部とからなる。そしてフレーム判定部の状態判定部は、各フレームからの立体高次局所自己相関特徴の抽出結果と正常判定基準データのみに基づいて、該当フレームが病変を含む異常フレームであると判断できるものであっても、超音波プローブの速度が正常速度ではないと速度判定部が判定しているときには、該当フレームは病変を含まない正常フレームであると判定する。発明者は、超音波プローブの速度が速くなると、病変の有無にかかわらず、フレームに病変があることを示す特徴と良く似た特徴が現れることを見出した。そこで本発明は、この知見に基づいて、各フレームからの立体高次局所自己相関特徴の抽出結果と正常判定基準データのみに基づいて、該当フレームが病変の画像を含む異常フレームであると判断できるものであっても、超音波プローブの速度が正常速度ではないと速度判定部が判定しているときには、該当フレームは正常フレームであると判定することとした。その結果、本発明によれば、誤検出率を大幅に抑制できる。なおフレーム判定部は、コンピュータを利用して実現できる。

本願第２の発明の超音波検査システムでは、正常判定基準データ記憶部と、フレーム判定部と、速度情報検出部とを備えている。正常判定基準データ記憶部は、規定の範囲内の速度で超音波プローブを動かしながら基準被験者または被験者から得た、病変が存在しない身体部分の動画像を構成する複数のフレームから立体高次局所自己相関特徴を抽出し、抽出結果を所定の分析手法により分析することにより得た正常判定基準データを記憶する。速度情報検出部は、各フレームについて検査者が操作する超音波プローブの速度に関する情報を取得する。そしてフレーム判定部は、検査者が超音波プローブを被験者に対して走査して超音波検査装置から得た、被験者の身体部分の動画像を構成する複数のフレームから各フレームの立体高次局所自己相関特徴を抽出する特徴抽出部と、各フレームの抽出結果と正常判定基準データとに基づいて、該当フレームが病変を含まない正常フレームであるか病変を含む異常フレームであるかを判定する状態判定部とを含む。特に、フレーム判定部の特徴抽出部は、速度に関する情報に基づいて、時間軸方向の相関の幅を表す時間軸相関幅を、抽出結果が受ける速度の変化の影響を抑制するように調整する機能を有している。そしてフレーム判定部の状態判定部は、各フレームの抽出結果と正常判定基準データのみに基づいて該当フレームが前記正常フレームであるか異常フレームであるかを判定する。本発明によれば、速度に関する情報に基づいて、時間軸方向の相関の幅を表す時間軸相関幅を、抽出結果が受ける速度の変化の影響を抑制するように調整することにより、第１の発明と同様に、異常フレームの判定の誤検出率を大幅に低減できる。一般に、動画像のフレームから抽出される立体高次局所自己相関特徴には、被験者の身体内部の断面画像を連続的に表現することで得られる立体構造に関する情報のほか、検査者による超音波プローブの走査速度の情報が含まれているが、病変の検出という目的に関して、後者の情報はほとんど無関係である。つまり、ノイズに過ぎない後者の情報が本発明によって抑制されることで、誤検出の発生も大幅に抑えられる。

第１の発明において、所定の分析手法が、部分空間法からなる場合には、正常判定基準データ記憶部には、抽出結果を主成分分析することにより得た正常部分空間が前記正常判定基準データとして記憶される。フレーム判定部の状態判定部は、各フレームからの立体高次局所自己相関特徴の抽出結果と前記正常判定基準データ（正常部分空間）との距離を算出する距離算出部と、距離が予め定めた閾値を越えているか否かにより正常距離であるか否かを判定する距離判定部と、距離判定部が正常距離であると判定しているとき及び距離判定部が正常距離ではないと判定し且つ速度判定部が正常速度でない（速度が予め定めた閾値を越えている）と判定しているときには、該当フレームは正常フレームであると判定し、距離判定部が正常距離ではないと判定し且つ速度判定部が正常速度であると判定しているときには、該当フレームを異常フレームであると判定する最終判定部とからなる。分析法として部分空間法を用いると、高速に正常距離か否かを判定できるという利点が得られる。

第２の発明においては、正常判定基準データ記憶部には、超音波プローブを動かしながら基準被験者または被験者から得た病変が存在しない身体部分の動画像を構成する複数のフレームから、超音波プローブの速度に関する速度情報に基づいて速度の変化の影響を抽出結果が受けることを抑制するように、時間軸方向の相関の幅を表す時間軸相関幅を調整しながら、立体高次局所自己相関特徴を抽出し、抽出結果を所定の分析手法により分析することにより得た正常判定基準データを記憶する。フレーム判定部の特徴抽出部は、速度情報から得た超音波プローブの速度の大きさに従って広義単調減少する関係で時間軸相関幅を調整する。具体的に、特徴抽出部は、段階的に大きな値となる複数の速度閾値範囲と、複数の速度閾値範囲対応した複数の時間軸相関幅を準備し、超音波プローブの速度と複数の速度閾値範囲とを比べ、超音波プローブの速度に対応した時間軸相関幅を選択するように構成するのが好ましい。

正常判定基準データを算出するときにおける所定の分析手法としては、One-class SVM（Support Vector Machine;サポートベクタマシン）を用いた分析手法を用いることができる。この分析手法を用いる場合には、正常フレームだけを学習して、正常クラスを表現するサポートベクタを正常判定基準データとして定め、フレーム判定部では、該当フレームの分析データが正常クラスに入るか否かにより、正常フレームか否かを判定する。この判定手法を用いると、部分空間法を用いる場合と比べて、検出精度が高いという利点が得られる。

速度情報検出部は、速度に関する速度情報を速度センサ等を用いて任意に得ることができる。また、Ｘ線ＣＴやＭＲＩ画像と連動した情報や映像を表示して検査者を支援するための、超音波プローブの位置や角度をリアルタイムで検出する機能が搭載されている超音波検査装置を利用する場合には、超音波プローブの位置・姿勢情報から速度に関する速度情報を算出してもよい。

距離判定部における予め定めた閾値は、ＲＯＣ解析（Receiver Operating Characteristic analysis）を利用して決定される。一般に、異常検出器の性能を評価するに当たって、真陽性率（有病者において検査が陽性となる確率）が高く、偽陽性率（無病者において検査が陽性となる確率）は低いことが望ましいが、両者はトレードオフの関係にあり、両立することは難しい。つまり、真陽性率を高めるために閾値を引き下げると、正常であっても陽性であると誤判定(過検出)されるケースが増えるため偽陽性率も大きくなってしまう。逆に、偽陽性率を低く抑えるために閾値を引き上げると、異常であっても陰性であると誤判定（見落とし）される傾向が強くなり、真陽性率も低下してしまう。ＲＯＣ解析は、閾値を変化させたときの両者の関係を分析する目的で広く用いられている手法で、これを利用することにより両者の適正バランスを定めやすくなる。

速度判定部における予め定めた閾値Ｔsは、学習した動画像におけるプローブの平均移動速度ｕとその標準偏差σ、パラメータｋを用いた数式Ｔs＝ｕ＋ｋ×σにより定められて、ここでパラメータｋは実験により決定することができる。このように閾値Ｔsを決定すると、学習した動画像におけるプローブの速度から、検査者が超音波プローブを走査する際の一般的な速度の範囲（規定の速度範囲）を算出でき、その一般的な速度から逸脱する速度を判定できるという利点がある。

第１の発明は、超音波プローブを動かして超音波検査装置から出力される時間的に連続した複数のフレームの列からなる動画像に基づいて病変の有無を検査するためにコンピュータを利用する超音波検査方法としても特定できる。この方法では、コンピュータを利用して、学習ステップと、特徴抽出ステップと、フレーム判定ステップと、速度情報検出ステップと、速度判定ステップとを実行する。学習ステップでは、規定の速度範囲内の速度で超音波プローブを動かしながら基準被験者または被験者から得た病変が存在しない身体部分の動画像を構成する複数のフレームから立体高次局所自己相関特徴を抽出し、抽出結果を所定の分析手法により分析することにより得た正常判定基準データを学習して正常判定基準データ記憶部に記憶する。特徴抽出ステップでは、検査者が超音波プローブを被験者に対して操作して超音波検査装置から得た、身体部分の動画像を構成する複数のフレームから各フレームの立体高次局所自己相関特徴を抽出する。フレーム判定ステップでは、各フレームからの立体高次局所自己相関特徴の抽出結果と正常判定基準データとに基づいて、該当フレームが病変を含まない正常フレームであるか病変を含む異常フレームであるかを判定する。速度情報検出ステップでは、各フレームについて検査者が操作する超音波プローブの速度に関する速度情報を取得する。速度判定ステップでは、速度情報検出ステップで取得した速度情報から得た超音波プローブの速度が、規定の速度範囲を基準として定めた閾値を超えていない場合には正常速度であると判定する。特に、フレーム判定ステップでは、各フレームからの立体高次局所自己相関特徴の抽出結果と正常判定基準データのみに基づいて該当フレームが異常フレームであると判断できるものであっても、超音波プローブの速度が正常速度ではないと速度判定ステップで判定しているときには、該当フレームは正常フレームであると判定する。

所定の分析手法が、部分空間法からなり、正常判定基準データ記憶部には、抽出結果を主成分分析することにより得た正常部分空間が正常判定基準データとして記憶されている場合において、フレーム判定ステップは、距離算出ステップと、距離判定ステップと、状態判定ステップとから構成される。距離算出ステップでは、各フレームからの立体高次局所自己相関特徴の抽出結果を部分空間法により分析して得た部分空間と正常部分空間との距離を算出する。距離判定ステップでは、距離が予め定めた閾値を越えているか否かにより正常距離であるか否かを判定する。状態判定ステップでは、距離判定ステップが正常距離であると判定しているとき及び距離判定ステップで正常距離ではないと判定し且つ速度判定ステップが正常速度でないと判定しているときには、該当フレームは正常フレームであると判定し、距離判定ステップが正常距離ではないと判定し且つ速度判定ステップが正常速度であると判定しているときには、該当フレームを異常フレームであると判定する。

第２の発明は、超音波プローブを動かして超音波検査装置から出力される時間的に連続した複数のフレームの列からなる動画像に基づいて病変の有無を検査するためにコンピュータを利用する超音波検査方法としても特定できる。この超音波検査方法では、学習ステップと、特徴抽出ステップと、フレーム判定ステップと、速度情報検出ステップとからなる。

学習ステップでは、超音波プローブを動かしながら基準被験者または被験者から得た病変が存在しない身体部分の動画像を構成する複数のフレームから超音波プローブの速度に関する速度情報に基づいて速度の変化の影響を抽出結果が受けることを抑制するように、時間軸方向の相関の幅を表す時間軸相関幅を調整しながら立体高次局所自己相関特徴を抽出し、抽出結果を所定の分析手法により分析することにより得た正常判定基準データを学習して正常判定基準データ記憶部に記憶する。特徴抽出ステップでは、検査者が超音波プローブを被験者に対して操作して超音波検査装置から得た、身体部分の動画像を構成する複数のフレームから各フレームの立体高次局所自己相関特徴を抽出する。フレーム判定ステップでは、各フレームからの立体高次局所自己相関特徴の抽出結果を所定の分析手法により分析して得た分析データと正常判定基準データとに基づいて、該当フレームが病変を含まない正常フレームであるか病変を含む異常フレームであるかをコンピュータを利用して判定する。速度情報検出ステップでは、各フレームについて検査者が操作する超音波プローブの速度に関する速度情報を取得する。特に、フレーム判定ステップでは、速度情報に基づいて、時間軸方向の相関の幅を表す時間軸相関幅を、抽出結果が受ける速度の変化の影響を抑制するように調整する。そしてフレーム判定ステップでは、各フレームからの立体高次局所自己相関特徴の抽出結果を所定の分析手法により分析して得た分析データと正常判定基準データのみに基づいて該当フレームが正常フレームであるか異常フレームであるかを判定する。

この方法において、所定の分析手法が、部分空間法からなり、正常判定基準データ記憶部には、抽出結果を主成分分析することにより得た正常部分空間が正常判定基準データとして記憶されている場合、フレーム判定ステップは、各フレームからの立体高次局所自己相関特徴の抽出結果と正常部分空間との距離を算出する距離算出ステップと、距離が予め定めた閾値を越えているか否かにより正常距離であるか否かを判定する距離判定ステップと、距離判定ステップが正常距離であると判定しているときには、該当フレームは正常フレームであると判定し、距離判定ステップが正常距離ではないと判定しているときには、該当フレームを異常フレームであると判定する状態判定ステップとから構成する。

所定の分析手法としてOne-class SVM（Support Vector Machine;サポートベクタマシン）を用いる場合には、正常フレームだけを学習して、正常クラスを表現するサポートベクタを正常判定基準データとして定め、フレーム判定ステップでは、該当フレームの分析データが正常クラスに入るか否かにより、正常フレームか否かを判定する。この判定手法を用いると、部分空間法を用いる場合と比べて、検出精度が高いという利点が得られる。

本発明の超音波検査システム及び超音波検査方法の第１の実施の形態の構成を示すブロック図である。 （Ａ）は立体マスクパターンの例を示す図であり、（Ｂ）は空間相関幅と時間軸相関幅を説明するために用いる図である。 ＲＯＣ解析を説明するために用いる図である。 図１の実施の形態をコンピュータを利用して実現する場合のソフトウエアのアルゴリズムを示すフローチャートである。 第１の実施の形態の実験結果を示すグラフである。 本発明の超音波検査システム及び超音波検査方法の第２の実施の形態の構成を示すブロック図である。 超音波プローブの走査速度とフレームの取得位置の関係を示す図である。 第２の実施の形態におけるＣＨＬＡＣ特徴での着目フレームを説明するための図である。 プレ学習を実施する場合のアルゴリズムを示すフローチャートである。 図６に示した第２の実施の形態をコンピュータを利用して実現する場合のソフトウエアのアルゴリズムを示すフローチャートである。 ステップＳＴ９´の詳細の一例を示す図である。 （Ａ）及び（Ｂ）は、被験者Ａに対してのＲＯＣ曲線を示す図である。 （Ａ）及び（Ｂ）は、被験者Ｂに対してのＲＯＣ曲線を示す図である。 （Ａ）及び（Ｂ）は、被験者Ａに対する異常検出結果を示す図である。 （Ａ）及び（Ｂ）は、被験者ＡＢ対する異常検出結果を示す図である。 （Ａ）及び（Ｂ）は、被験者Ａに対する真陽性率と偽陽性率を示す図である。 （Ａ）及び（Ｂ）は、被験者Ｂに対する真陽性率と偽陽性率を示す図である。

以下図面を参照して、本発明の超音波検査システム及び超音波検査方法の実施の形態を詳細に説明する。

［第１の実施の形態］
図１は、本発明の超音波検査システム及び超音波検査方法の第１の実施の形態の構成を示すブロック図である。本実施の形態では、一例として乳腺超音波検診において病変を検査する。前述のように、乳腺超音波検診において検査する病変は、腫瘤性病変と非腫瘤性病変の２種類がある。腫瘤性病変は、周辺組織と比較して暗く描出されるため、静止画像として観察することで検出できる。一方、非腫瘤性病変は、暗い陰として描出されず静止画像での発見は困難であるため、動画像に描出される乳腺の模様の規則的な変化を捉え、その規則性が乱れる部位を検出する必要がある。従来の乳腺超音波画像からの病変の自動検出手法では、静止画像だけから発見可能な腫瘤性病変を検出対象としており、非腫瘤性病変を検出対象とした手法は開発されていない。そこで本発明の実施の形態では、動画像に対するパターン認識技術を用いて非腫瘤性病変を自動検出することを可能にする。

図１は、本願第１の発明の実施の形態の超音波検査システムの構成を示すブロック図である。本実施の形態の超音波検査システムでは、動画像に対するパターン認識技術を用いて正常な乳腺超音波画像から、正常な乳腺の変化の様子を学習し、正常とは異なるものを異常として検出する。そこで図１の超音波検査システムでは、超音波プローブ１を動かして超音波検査装置３から出力される時間的に連続した複数のフレームの列からなる動画像（身体内部の断面画像に基づいて立体構造及び超音波プローブの速度を可視化する動画像）に基づいて病変の有無を検査するために、正常判定基準データ記憶部５と、フレーム判定部７と、速度情報検出部９と、速度判定部１１とを具備する。

正常判定基準データ記憶部５には、事前の学習によって、規定の範囲の速度で超音波プローブ１を動かしながら基準被験者または被験者から得た、病変が存在しない身体部分の動画像を構成する複数のフレームから、立体高次局所自己相関特徴を抽出し、抽出結果を所定の分析手法により分析することにより得た正常判定基準データを記憶する。所定の分析手法は任意であるが、例えば、部分空間法や、One-class SVM（Support Vector Machine、サポートベクタマシン）等を用いることができる。乳腺超音波画像から乳腺の模様の変化を捉えるために、動画像に対する特徴量である立体高次局所自己相関(CHLAC; Cubic Higher-order Local Auto Correlation)特徴を用いる。立体高次局所自己相関特徴については、「Takumi Kobayashi, Nobuyuki Otsu, Three-way auto-correlation approach to motion recognition, Pattern Recognition Letters, Volume 30, Issue 3, 1 February 2009, Pages 212-221」に詳しく説明されている。One-class SVMについては「B. Scholkopf et. al.; Estimating the support of a high-dimensional distribution. Neural Computation, 13(7), 2001」に詳しく説明されている。
本実施の形態において、ＣＨＬＡＣ特徴を用いる理由は２つある。１つ目の理由は、ＣＨＬＡＣ特徴が乳腺超音波画像に多く含まれるスペックルノイズの影響を受けにくいためである。超音波の波長に比べて十分小さな生体内の無数の反射体（群反射体）により、散乱波が様々な場所（位相）で生じる。この散乱波のうち「超音波プローブに戻ってくる散乱波（後方散乱波）」が干渉し、ランダムに小輝点群が現れる。小輝点群は、まだらな点状の像を呈するので、これを指してスペックル（小斑点）パターンまたはスペックルノイズ（speckle noise）という（http://us-ism.net/mobile/sub8-S.html）。２つ目の理由は、ＣＨＬＡＣ特徴を用いると、動画像に描出される対象物の動きや形の情報を捉えることが可能なためである。ＣＨＬＡＣ特徴は、図２（Ａ）に示すように、２７９種類の立体マスク（マスクパターン）をグレースケールの動画像中の各フレームからスキャンすることで得られる特徴量であり、２７９次元のベクトルとして表現される。この２７９という値は、注目画素を中心とするＸ×Ｙ×Ｔ＝３×３×３の小領域から任意の２つ（注目画素も含めると３つ）の画素を選択する全ての組合せのうち、平行移動させても等価とならない独立した組合せのみを数え上げたときの値である。２値の動画像の場合は、２５１次元のベクトルとして表現される。超音波画像診断では動画像を左右反転させても診断結果は変わらないことから、左右反転させたときに等価となるマスクパターンを走査して得られる特徴を統合することでベクトルの次元数を小さく抑えて部分空間法やOne-class SVMの識別精度を向上させることが可能となるが、その時のベクトル長は１７２次元となる。図２（Ｂ）に示すように、この立体マスクの大きさを変更することで、局所的、大局的な情報を捉えることができる。立体マスクの大きさは、Ｘ−Ｙ平面方向の相関の幅を表す空間相関幅、時間（T）軸方向の相関の幅を表す時間軸相関幅を変化させることで調整できる。
しかしながらＣＨＬＡＣ特徴を乳腺超音波画像に適用した場合、正常なフレームを異常と判定して過検出が発生するおそれがある。ＣＨＬＡＣ特徴には医師が超音波プローブを走査したときの動き情報も含まれているため、ある連続する２フレーム間でＣＨＬＡＣ特徴量が大きく変化したとき、病変の影響で乳腺の模様が大きく変化したのか、超音波プローブの位置が大きく変わったために撮影された像が大きく変化したのかを区別できない為である。そこで本実施の形態では、ＣＨＬＡＣ特徴に基づく異常検出に加えて、超音波プローブの移動速度情報を利用することで過検出を抑制する。
本実施の形態では、正常な乳腺超音波画像から抽出したＣＨＬＡＣ特徴に対して所定の分析手法として部分空間法を適用して正常部分空間を正常判定基準データとして算出する。部分空間法では、主成分分析を用いて正常クラスを表現する主成分ベクトルを算出し、この主成分ベクトルが張る空間を正常部分空間とする。正常部分空間の次元数は、累積寄与率に関する閾値Ｔccにより決定する。つまり、主成分分析の結果として得られる主成分ベクトルを対応する寄与率(各固有ベクトルの固有値を、全固有ベクトルの固有値の総和で除算した値）の大きい順序に並べ、寄与率を順番に足し合わせて行ったとき、閾値Ｔccを超える直前までの主成分ベクトルを部分空間の基底ベクトルとして採用する。よって、閾値Ｔccを小さくすることで、部分空間の次元は少なくなり、反対に大きくすれば部分空間の次元は多くなる。なお閾値Ｔccを用いず、部分空間の次元数を直接的に指定してもよい。

正常部分空間の次元数を規定するための閾値Ｔccの最適化には、ＲＯＣ解析における指標の一つであるＡＵＣ値を利用する。ＡＵＣ値はＲＯＣ曲線下の面積のことで、分類器の性能指標の一つであり、０から１までの値をとる。完全な分類が可能なときの面積（ＡＵＣ値）は１で、ランダムな場合は０．５となる。正常部分空間の次元数を規定するための閾値Ｔccに任意の値を設定し、正常と異常を判定するための閾値ＴNAを変化させながら真陽性率（有病者において検査が陽性となる確率）と偽陽性率（無病者において検査が陽性となる確率）を計算して、横軸に偽陽性率、縦軸に真陽性率をとって２次元グラフ上にプロットすると１つのＲＯＣ曲線を描くことができる。ＴNAについては後述する。そして、Ｔccを所定の最小値から最大値まで所定の間隔で変化させることで、複数のＲＯＣ曲線を得る事ができる。これらのＲＯＣ曲線おいて最大のＡＵＣ値を取るときの閾値Ｔccを、正常部分空間の最適次元数を定める閾値として採用する。

速度情報検出部９は、各フレームについて検査者が操作する超音波プローブ１の速度に関する速度情報を取得する。超音波プローブ１の位置・姿勢情報は、例えば、超音波プローブ１内に磁界位置センサを実装することにより得ることができる。

速度判定部１１は、速度情報検出部９が取得した速度情報から得た超音波プローブ１の速度が、事前の学習において用いた動画像を取得したときの規定の速度範囲内の速度を基準として定めた閾値Ｔsを超えていない場合には正常速度であると判定する。ここで速度判定部における予め定めた閾値Ｔsは、超音波プローブ１の走査速度の影響による過検出抑制のための閾値であり、学習した乳腺超音波画像における超音波プローブの平均移動速度(ｕ)とその標準偏差(σ)、パラメータ(ｋ)を用いた数式Ｔs＝ｕ＋ｋ×σを用いる。ここで、パラメータｋは、実験により決定する。ちなみに一般的なｋは１≦ｋ≦３の範囲の値である。この式により具体的に定められた閾値Ｔsは０より大きな値である。

フレーム判定部７は、検査者が超音波プローブ１を被験者に対して走査して超音波検査装置３から得た、身体部分の動画像を構成する複数のフレームから各フレームの立体高次局所自己相関特徴を抽出する特徴抽出部７１と、各フレームからの立体高次局所自己相関特徴の抽出結果と正常判定基準データ記憶部５に記憶された正常判定基準データに基づいて、該当フレームが病変を含まない正常フレームであるか病変を含む異常フレームであるかを判定する状態判定部７２とからなる。

特徴抽出部７１では、前述の正常判定基準データ記憶部５に記憶した正常判定基準データを得る場合と同様に、超音波検査装置３から得た、身体部分の動画像を構成する複数のフレームから、各フレームの立体高次局所自己相関特徴を抽出する。

状態判定部７２は、各フレームからの立体高次局所自己相関特徴の抽出結果と部分空間法により分析して得た正常部分空間との距離を算出する距離算出部７３と、距離が予め定めた閾値ＴNAを越えているか否かにより正常距離であるか否かを判定する距離判定部７４と、距離判定部が正常距離であると判定しているとき及び距離判定部が正常距離ではないと判定し且つ速度判定部１１が正常速度でないと判定しているときには、該当フレームは正常フレームであると判定し、距離判定部７４が正常距離ではないと判定し且つ速度判定部１１が正常速度であると判定しているときには、該当フレームを異常フレームであると判定する最終判定部７５とからなる。
距離判定部７４における正常/異常を判定する閾値ＴNAはＲＯＣ解析（Receiver Operating Characteristic analysis）を利用して決定する。ＲＯＣ解析により得られるＲＯＣ曲線は、横軸に偽陽性率（無病者において検査が陽性となる確率）、縦軸に真陽性率（有病者において検査が陽性となる確率）をとって２次元グラフ上にプロットした軌跡である（http://oku.edu.mie-u.ac.jp/~okumura/stat/ROC.html）。ＲＯＣ曲線が左上方にいくほど、つまり真陽性率が１、偽陽性率が０に近づくほど分類性能が高いことを示す。ＲＯＣ曲線の例を図３に示す。この例では、Ａ、Ｂ、Ｃで示した枠中の２次元グラフでの閾値ＳＨのときの真陽性率と偽陽性率を、それぞれＲＯＣ曲線上の点でプロットしている。本実施の形態では、ＲＯＣ曲線と傾き４５度の直線Ｌとの接点に対応する閾値を最適な閾値ＴNAとして採用する。最適な閾値ＴNAを用いて判定された異常フレームには、超音波プローブの移動速度の変化に起因する過検出が含まれる可能性がある。そこで、本実施の形態では、距離判定部７４が正常距離ではないと判定した異常フレームにおいて、速度判定部１１で判定した超音波プローブ１の移動速度が事前に定めた閾値Ｔs以上の場合は過検出と見做し、移動速度が閾値Ｔsより小さいものだけを最終判定部７５が最終的に異常フレームとして判定する。その結果、本発明によれば、過検出率を大幅に低減できる。なおフレーム判定部７は、コンピュータを利用して実現できる。

［第１の実施の形態を実施するためのフローチャートの説明］
図４は、図１の実施の形態をコンピュータを利用して実現する場合のソフトウエアのアルゴリズムを示すフローチャートである。図４のフローチャートのアルゴリズムには、学習フェーズのソフトウエアのアルゴリズムと、検査フェーズのアルゴリズムが含まれている。学習フェーズでは、前述の正常判定基準データ記憶部５に記憶する正常判定基準データを作成する。なお本実施の形態では分析手法として部分空間法を使用しているため、正常判定基準データとしては、正常部分空間が正常判定基準データ記憶部５に記憶される。ステップＳＴ１及びＳＴ２では、規定の速度で超音波プローブ１を動かしながら基準被験者または被験者から得た、病変が存在しない身体部分の動画像を構成する複数のフレームを取得する。本実施の形態では、後述の立体高次局所自己相関特徴（ＣＨＬＡＣ特徴）は画像中で輝度が高く白い部分に強く反応する一方で、超音波画像中に描出される瘤性病変などの異常は輝度が低く暗く描出されるというミスマッチを解消するため、ステップＳＴ３において、前処理として画像の白黒反転を実施する。白黒反転に加えてコントラスト強調を行う事により、病変部をより目立たせることも可能である。また、処理速度を向上させるため、白黒反転を行わずに前処理に要する処理時間を節約することも可能である。その後ステップＳＴ４で、取得したフレームから立体高次局所自己相関特徴（ＣＨＬＡＣ特徴）を抽出する。これらの工程は、取得したすべてのフレームに対して実施される（ステップＳＴ５）。その後、全フレームについて立体高次局所自己相関特徴（ＣＨＬＡＣ特徴）を抽出すると、抽出結果を所定の分析手法（部分空間法の場合は主成分分析、ステップＳＴ６）をとることにより得た正常部分空間を正常判定基準データとして正常判定基準データ記憶部５に記憶する（ステップＳＴ７）。ステップＳＴ１乃至ステップＳＴ７によって学習ステップが構成されている。

検査フェーズでは、まず超音波検査装置から得た、被検者の身体部分の動画像を構成する複数のフレームを入力とするとともに（ステップＳＴ１１Ａ、ＳＴ１２）、超音波プローブの位置・姿勢情報を磁界位置センサ等により検出して入力とする。検査者が超音波プローブを被験者に対して操作して超音波検査装置から得た、身体部分の動画像を構成する複数のフレームに対して前処理（白黒反転）を行った後（ステップＳＴ１３）、各フレームの立体高次局所自己相関特徴（ＣＨＬＡＣ特徴）を抽出する（ステップＳＴ１４：特徴抽出ステップ）。学習フェーズにおいて白黒反転以外にコントラスト強調などの処理も行った場合、あるいは前処理を全く行わなかった場合には、検査フェーズでも同様の処理を行う。
次に各フレームからの立体高次局所自己相関特徴の抽出結果と、学習フェーズにおいて学習用動画像の各フレームからの立体高次局所自己相関特徴量の抽出結果を所定の分析手法により分析して得た分析データであるところの正常判定基準データ（正常部分空間）との距離を算出する（ステップＳＴ１５：距離算出ステップ）。そして算出した距離が予め定めた閾値ＴNAに基づいて、距離が閾値ＴNAを超えているか否かにより正常距離であるか否かを判定する（ステップＳＴ１６：距離判定ステップ）。正常距離であると判定された場合には、ステップＳＴ１９に進んで、正常フレームと判定される。距離が閾値ＴNAを超えている場合であれば、ステップＳＴ１７へと進む。ステップＳＴ１７（速度情報検出ステップ）では、超音波プローブの速度を算出し、超音波プローブの速度が予め定めた閾値Ｔsを超えているか否かを判定する（ステップＳＴ１８：速度判定ステップ）。超音波プローブの速度が予め定めた閾値Ｔs以上である場合には、正常速度ではないと判定して、前述の距離の判定で正常距離ではないと判定された異常フレームでも、正常フレームであると判定してステップＳＴ１９へと進む。超音波プローブの速度が予め定めた閾値Ｔsを超えていない場合には正常速度であると判定して、ステップＳＴ２０へと進み、そのフレームは異常フレームであると判定される。そしてステップＳＴ２１で、全フレームについて検査が終了したことが判定されると、検査フェーズが終了する。ステップＳＴ１９〜ステップＳＴ２１により状態判定ステップが構成されている。そしてステップＳＴ１５〜ステップＳＴ２１によりフレーム判定ステップが構成されている。

［実験］
上記実施の形態の効果を確認するために、非腫瘤性病変ありと診断された被験者を対象に異常検出実験を行った。

実験では、上記実施の形態を用いて走査速度が速くなる部位での過検出の抑制可能か検証した。本実験では、速度の閾値Ｔs (=ｕ+ｋ×σ)におけるパラメータｋをｋ=1.8とした。実験結果を図５に示す。図５中の上のグラフは正常部分空間との距離を表し、下のグラフは走査速度を表す。走査速度が速くなる区間（下のグラフにて閾値Ｔsを超えている区間）については図５にて「速い」と記載した。走査速度が速くなる区間では、走査速度の影響で距離が大きくなっていることがわかる。そこで正常部分空間との距離の閾値ＴNAのみでは、枠内部のフレームを異常として過検出してしまうものの、超音波プローブの走査速度の閾値Ｔsを用いることで、走査速度が原因で発生する過検出を抑制できていることがわかる。

［第２の実施の形態］
図６は、本発明の超音波検査システム及び超音波検査方法の第２の実施の形態の構成を示すブロック図である。図１に示した第１の実施の形態のブロック図を構成する構成要素と同じ構成要素には、図１に付した符号と同じ符号を付して説明を省略する。本実施の形態でも、一例として乳腺超音波検診において病変を検査する。そして本実施の形態では、超音波プローブ１の走査速度に応じて時間軸相関幅を適応的に変化させて立体高次局所自己相関特徴（ＣＨＬＡＣ特徴）を抽出する。これは、ＣＨＬＡＣ特徴を乳腺超音波画像に適用した場合に異常検出性能が超音波プローブ１の動きの影響を受けるためである。例えば、図７に示すように超音波プローブ１の走査速度が速い場合は、遅い場合と比較して、隣接するフレームは遠い位置で撮影される。そのため、同一の乳腺を撮影しても走査速度が異なる場合は、異なるＣＨＬＡＣ特徴として表現される。本実施の形態ではこの影響を緩和するために図８に示すように時間軸相関幅（図２）を超音波プローブ１の走査速度に応じて変化させて等間隔の距離で撮影されたフレームからＣＨＬＡＣ特徴を抽出する。

本実施の形態では、学習フェーズに入る前に、速度を｛速い、普通、遅い｝に３分割するための閾値Ｔｈ1及びＴｈ2 を算出するためのプレ学習を実行する。図９は、プレ学習を実施する場合のアルゴリズムを示すフローチャートである。最初に、事前の学習によって、作業者が超音波プロ−ブを動かしながら基準被験者または被験者から得た病変が存在しない身体部分の動画像を構成する複数のフレームから速度を算出する（ステップＳＴ３１〜ＳＴ３３）。そして算出した速度を、速い、普通、遅いに分類するための閾値Ｔｈ1及びＴｈ2 を決定する（ステップＳＴ３４及びＳＴ３５）。このプレ学習は、検査に従事する作業者ごとに行うのが好ましい。正常判定基準データ記憶部５´には、超音波プローブ１を動かしながら基準被験者または被験者から得た病変が存在しない身体部分の動画像を構成する複数のフレームから、閾値Ｔｈ1及びＴｈ2 を用いて適当な時間軸相関幅を決めながら立体高次局所自己相関特徴を抽出し、抽出結果を所定の分析手法により分析することにより得た正常判定基準データを記憶する。具体的には、ＣＨＬＡＣ特徴の時間軸相関幅を調整するため、超音波プローブ１の走査速度を取得して量子化を行う。超音波プローブに設置された磁界位置センサ等から各フレームにおける位置情報を取得し、フレーム間での走査速度を算出する。算出した走査速度を[遅い、普通、速い]の３レベルに量子化する。量子化の方法としては、既に撮影されている乳腺超音波画像における超音波プローブの走査速度の最小値から最大値までを均等に３つの区間（小さい方から[遅い、普通、速い]）に分けておき、取得した走査速度がどの区間内に含まれるかで判定する。区間の分け方は不均等であってもよい。走査速度に応じてＣＨＬＡＣ特徴の時間軸相関幅を適応的に変更するために、量子化された３種類の速度に対し、遅い場合はT#large、普通の場合はT#medium、速い場合はT#smallとして時間軸相関幅を変更してＣＨＬＡＣ特徴を抽出する。各時間軸相関幅の設定は任意であるが、一般にT#small < T#medium < T#largeとする。これにより走査速度の大きさに従って広義単調減少する関係で、時間軸相関幅が調整されることになる。後述する図１０及び図１１に示したフローチャートを利用した計算機実験では、T#large=5、T#medium=3、T#small=1に設定した。そして正常な乳腺超音波画像から抽出したＣＨＬＡＣ特徴に対して部分空間法を適用して正常部分空間を算出する。部分空間法では、主成分分析を用いて正常クラスを表現する主成分ベクトルを算出し、この主成分ベクトルが張る空間を正常部分空間とする。なお正常部分空間の決定方法は第１の実施の形態の場合と同じであるため省略する。

閾値Ｔｈ1及びＴｈ2は、速度判定部１１´に保存される。フレーム判定部７´の特徴抽出部７１´は、速度判定部１１´から得た判定結果に基づいて、閾値Ｔｈ1及びＴｈ2に基づいて定まる段階的に大きな値となる３つの速度閾値範囲に基づいて、超音波プローブの速度に対応した時間軸相関幅を選択する。フレーム判定部７´の状態判定部７２´は、各フレームからの立体高次局所自己相関特徴の抽出結果と正常判定基準データに基づいて該当フレームが正常フレームであるか異常フレームであるかを判定する。距離算出部７３´、距離判定部７４´及び最終判定部７５´の動作は、第１の実施の形態の距離算出部７３、距離判定部７４及び最終判定部７５の動作と同じである。特徴抽出部７１´は、検査対象用の乳腺超音波画像から、超音波プローブの走査速度を基に時間軸相関幅を自動調整したＣＨＬＡＣ特徴を抽出する。次に、距離算出部７３´は抽出したＣＨＬＡＣ特徴と学習フェーズで作成した正常部分空間との距離を算出する。距離判定部７４´及び最終判定部７５´は、この距離が第１の実施の形態と同じ方法で決定した閾値より大きい場合、そのフレームを異常として検出する。

本実施の形態によれば、速度に関する情報に基づいて、時間軸方向の相関の幅を表す時間軸相関幅を、抽出結果が受ける超音波プローブの速度の変化の影響を抑制するように調整しているので、超音波プローブの速度が速すぎることにより生じる過検出の発生を抑制することができる。したがって第１の実施の形態のように超音波プローブの速度を直接的に判定基準とせずに、異常フレームの判定の誤検出率を大幅に低減できる。

［第２の実施の形態を実施するためのフローチャート］
図１０は、図６に示した第２の実施の形態をコンピュータを利用して実現する場合のソフトウエアのアルゴリズムを示すフローチャートである。図１０のフローチャートのアルゴリズムには、学習フェーズのソフトウエアのアルゴリズムと、検査フェーズのアルゴリズムが含まれている。学習フェーズでは、前述の正常判定基準データ記憶部５´に記憶する正常判定基準データを作成する。なお本実施の形態では分析手法として部分空間法を使用しているため、正常判定基準データとしては、正常部分空間が正常判定基準データ記憶部５´に記憶される。ステップＳＴ１´Ａ及びＳＴ２´では、作業者が超音波プローブ１を動かしながら基準被験者または被験者から得た病変が存在しない身体部分の動画像を構成する複数のフレームを取得する。ステップＳＴ３´において、前処理として画像の白黒反転を実施する。白黒反転に加えてコントラスト強調を行うことにより、病変部をより目立たせることも可能である。また、処理速度を向上させるため、白黒反転を行わずに前処理に要する処理時間を節約することも可能である。またステップＳＴ１´Ｂでは、超音波プローブの位置・姿勢情報を磁界位置センサ等を用いて検出し、ステップＳＴ８´で各フレームにおける超音波プローブの位置・姿勢情報を取得する。

そしてステップＳＴ９´において、位置・姿勢情報を元に各フレームにおける超音波プローブの走査速度を算出し、前述の閾値Ｔｈ1及びＴｈ2を利用して定めた速度閾値範囲を用いて適当なＣＨＬＡＣ特徴の時間軸相関幅を調整する。図１１には、ステップＳＴ９´の詳細の一例が示されている。算出した走査速度を[遅い、普通、速い]の３レベルに量子化するために、閾値Ｔｈ1及びＴｈ2を用いている。ステップＳＴ９´では、閾値Ｔｈ1及びＴｈ2を決定する際に、既に撮影されている乳腺超音波画像における超音波プローブの走査速度の最小値から最大値までを均等に３つの区間(小さい方から遅い、普通、速い)に分け、取得した走査速度がどの区間内に含まれるかを判定する。量子化された３種類の速度に対し、遅い場合はT#large、普通の場合はT#medium、速い場合はT#smallとして時間軸相関幅を変更する。

ステップＳＴ４´では、ステップＳＴ９´で決定された時間軸相関幅を用いて、各フレームについて立体高次局所自己相関特徴（ＣＨＬＡＣ特徴）を抽出する。これらの工程は、取得したすべてのフレームに対して実施される（ステップＳＴ５´）。その後、全フレームについて立体高次局所自己相関特徴（ＣＨＬＡＣ特徴）を抽出すると、抽出結果を所定の分析手法（部分空間法の場合は主成分分析、ステップＳＴ６´）をとることにより得た正常部分空間を正常判定基準データとして正常判定基準データ記憶部５´に記憶する（ステップＳＴ７´）。ステップＳＴ１´〜ステップＳＴ７´により学習ステップが構成されている。

検査フェーズでは、ステップＳＴ１１´Ａ及びＳＴ１２´で、作業者が超音波プローブ１を動かしながら被験者から得た、身体部分の動画像を構成する複数のフレームを取得する。ステップＳＴ１３´において、前処理として画像の白黒反転を実施する。学習フェーズにおいて白黒反転以外にコントラスト強調などの処理も行った場合、あるいは前処理を全く行わなかった場合には、検査フェーズでも同様の処理を行う。またステップＳＴ１１´Ｂでは、超音波プローブの位置・姿勢情報を磁界位置センサ等で検出し、ステッＳＴ２８´で各フレームにおける超音波プローブの位置・姿勢情報を取得する。

そしてステップＳＴ２９´において、位置・姿勢情報を元に各フレームにおける超音波プローブの走査速度を算出し、前述の閾値Ｔｈ1及びＴｈ2を利用して定めた速度閾値範囲を用いて適当なＣＨＬＡＣ特徴の時間軸相関幅を調整する。ステップＳＴ２９´においては、図１１に示したステップＳＴ９´と同様にして、取得した走査速度がどの区間内に含まれるかを判定する。量子化された３種類の速度に対し、遅い場合はT#large、普通の場合はT#medium、速い場合はT#smallとして時間軸相関幅を変更する。ステップＳＴ２９´は、速度情報検出ステップ及びフレーム判定ステップの一部を構成している。
ステップＳＴ１４´（特徴抽出ステップ）では、ステップＳＴ２９´で決定された時間軸相関幅を用いて、各フレームについて立体高次局所自己相関特徴（ＣＨＬＡＣ特徴）を抽出する。次に各フレームからの立体高次局所自己相関特徴の抽出結果と正常判定基準データ（正常部分空間）との距離を算出する（ステップＳＴ１５´：距離算出ステップ）。そして算出した距離が予め定めた閾値ＴNAを越えているか否かにより正常距離であるか否かを判定する（ステップＳＴ１６´：距離判定ステップ）。正常距離であると判定された場合には、ステップＳＴ１９´に進んで、正常フレームと判定される。距離が閾値ＴNAを超えている場合であれば、ステップＳＴ２０´へと進んで異常フレームであると判定する。これにより超音波プローブの走査速度の影響を受けることなく、正常フレームと異常フレームとを判定することができる。そしてステップＳＴ２１´で、全フレームについて検査が終了したことが判定されると、検査フェーズが終了する。ステップＳＴ１９´〜ステップＳＴ２１´により状態判定ステップが構成されている。そしてステップＳＴ１５´〜ステップＳＴ２１´によりフレーム判定ステップが構成されている。

［分析法としてOne-class SVMを用いる場合］
所定の分析法としてOne-class SVMを用いる場合には、正常な乳腺超音波画像から抽出したＣＨＬＡＣ特徴に対してOne-class SVM (Support Vector Machine)を適用して正常クラスを算出する。One-class SVMでは、データの構造を見つけ出すことができるカーネル法と呼ばれる手法を利用して学習データが多く存在する領域を推定し、学習データが多く含まれる領域（正常クラス）と学習データが含まれない領域とに分ける境界面（超平面）を算出する。そして検査フェーズでは、検査対象用の乳腺超音波画像から抽出したCHLAC特徴が、学習で算出した正常クラスに入るか否かにより正常フレームであるか、異常フレームであるかを判定する。

［実験］
上記第２の実施の形態の効果を確認するために、被験者Ａ及びＢの２人の被験者を対象に異常検出実験を行った。被験者Ａは腫瘤性病変ありと診断された患者であり、被験者Ｂは非腫瘤性病変ありと診断された患者である。

実験方法（分析法として部分空間法を用いた場合）
実験では、超音波プローブの走査速度に応じた時間軸相関幅を変更してＣＨＬＡＣ特徴を抽出することの有効性を検証するため、ＣＨＬＡＣ特徴の時間軸相関幅を固定にした場合と、上記第２の実施の形態に基づいて時間軸相関幅を可変にした場合でのＲＯＣ曲線の比較を行った。ＣＨＬＡＣ特徴の時間軸相関幅は、走査速度が[遅い、普通、速い]に対して[T#large=５、 T#medium=３、 T#small=１]と設定した。また、正常部分空間の最適な次元数を定めるための閾値ＴCCについては、閾値を[0.9、 0.99、 0.999、 0.9999、 0.99999、 0.999999]の６種類の値に設定してＡＵＣ値が最大となる時の値を採用した。

実験結果（分析法として部分空間法を用いた場合）
被験者Ａ及びＢに対してのＲＯＣ曲線をそれぞれ図１２（Ａ）及び（Ｂ）並びに図１３（Ａ）及び（Ｂ）に示す。ＣＨＬＡＣ特徴の時間軸相関幅を可変にしたときのＲＯＣ曲線［図１２（Ｂ）及び図１３（Ｂ）］は、時間軸相関幅を固定したとき［図１２（Ａ）及び図１３（Ａ）］と比較して、ＲＯＣ曲線が左上に近づき、ＡＵＣ値が高いことがわかる。

被験者Ａ、Ｂから撮影された動画像に対する異常検出結果を図１４及び図１５に示す。グラフ中の黒線は、正常と異常を判定する閾値を表し、正常部分空間との距離が閾値より大きい場合、そのフレームを異常と判定する。図１４（Ａ）及び（Ｂ）において、Ｐで示した部分が病変ありのフレームが連続する区間である。また図１５（Ａ）及び（Ｂ）においては、「あり」と記載した部分が病変ありのフレームが連続する区間である。被験者Ａの異常検出結果では、時間軸相関幅を固定にしたとき［図１４（Ａ）及び図１５（Ａ）］、正常フレームでも正常部分空間との距離が大きい場合があり、過検出が多いことがわかる。一方で、時間軸相関幅を可変にした場合［図１４（Ｂ）及び図１５（Ｂ）］、病変ありのフレームは、正常フレームと比較して正常部分空間との距離が大きい傾向にある。これは、時間軸相関幅を可変にしたことにより、プローブの走査速度の影響を抑制できたためである。被験者Ｂでは、過検出が多くなったものの、走査速度が速いフレームにおける影響を抑えられていることがわかる。

実験方法（分析法としてOne-class SVMを用いた場合）
実験では、提案手法の速度に応じたＣＨＬＡＣ特徴の有効性を検証するため、ＣＨＬＡＣ特徴の時間軸相関幅を固定にした場合と、時間軸相関幅を可変にした場合(提案手法)での真陽性(TP)率と偽陽性(FP)率の比較を行った。

ＣＨＬＡＣ特徴の時間軸相関幅は、走査速度が[遅い、普通、速い]に対して[５、３、１]と設定した。One-class SVMでは、カーネル関数にガウシアンカーネルを使用した。

実験結果（分析法としてOne-class SVMを用いた場合）
被験者Ａ、Ｂに対しての真陽性率と偽陽性率の結果を図１６及び図１７に示す。図１６より、ＣＨＬＡＣ特徴の時間軸相関幅を可変にした場合は、固定にした場合と比較して真陽性率が高いことがわかる。また図１７より、ＣＨＬＡＣ特徴の時間軸相関幅を可変にした場合と固定にした場合では、真陽性率に変化はない。その一方で、可変にした場合は、固定にした場合と比較して偽陽性率が減少していることがわかる。すなわち時間軸相関幅を可変にした場合は、過検出を抑えられていることがわかる。これは、ＣＨＬＡＣ特徴の時間軸相関幅を可変にしたことにより、プローブの走査速度の影響を抑制できたためであると考えらえる。

本発明によれば、超音波プローブを動かして超音波検査装置から出力される時間的に連続した複数のフレームの列からなる動画像に基づいて病変を自動検出する超音波検査システムの検出精度を高めることができる。

１ 超音波プローブ
３ 超音波検査装置
５ 正常判定基準データ記憶部
７ フレーム判定部
９ 速度情報検出部
１１ 速度判定部
７１ 特徴抽出部
７２ 状態判定部
７３ 距離算出部
７４ 距離判定部
７５ 最終判定部

Claims (21)

1. 超音波プローブを動かして超音波検査装置から出力される時間的に連続した複数のフレームの列からなる動画像に基づいて病変の有無を検査する超音波検査システムであって、
   規定の速度範囲内の速度で超音波プローブを動かしながら基準被験者または被験者から得た病変が存在しない身体部分の動画像を構成する複数のフレームから立体高次局所自己相関特徴を抽出し、抽出結果を所定の分析手法により分析することにより得た正常判定基準データを記憶する正常判定基準データ記憶部と、
   検査者が前記超音波プローブを前記被験者に対して操作して前記超音波検査装置から得た、身体部分の動画像を構成する複数のフレームから各フレームの立体高次局所自己相関特徴を抽出する特徴抽出部と、各フレームからの立体高次局所自己相関特徴の抽出結果と前記正常判定基準データに基づいて、該当フレームが前記病変を含まない正常フレームであるか前記病変を含む異常フレームであるかを判定する状態判定部とを含むフレーム判定部と、
   各フレームについて前記検査者が操作する前記超音波プローブの速度に関する速度情報を取得する速度情報検出部と、
   前記速度情報検出部が取得した前記速度情報から得た前記超音波プローブの速度が、前記規定の速度範囲を基準として定めた閾値を超えていない場合には正常速度であると判定する速度判定部とを具備し、
   前記フレーム判定部の前記状態判定部は、前記各フレームからの立体高次局所自己相関特徴の抽出結果と前記正常判定基準データのみに基づいて該当フレームが前記異常フレームであると判断できるものであっても、前記超音波プローブの速度が前記正常速度ではないと前記速度判定部が判定しているときには、該当フレームは前記正常フレームであると判定することを特徴とする超音波検査システム。
2. 前記フレーム判定部は、コンピュータを利用して実現されている請求項１に記載の超音波検査システム。
3. 前記所定の分析手法が、部分空間法からなり、
   前記正常判定基準データ記憶部には、前記抽出結果を主成分分析することにより得た正常部分空間が前記正常判定基準データとして記憶されており、
   前記フレーム判定部の前記状態判定部は、
   前記各フレームからの立体高次局所自己相関特徴の抽出結果と前記正常部分空間との距離を算出する距離算出部と、
   前記距離が予め定めた閾値を越えているか否かにより正常距離であるか否かを判定する距離判定部と、
   前記距離判定部が前記正常距離であると判定しているとき及び前記距離判定部が前記正常距離ではないと判定し且つ前記速度判定部が前記正常速度でないと判定しているときには、該当フレームは前記正常フレームであると判定し、前記距離判定部が前記正常距離ではないと判定し且つ前記速度判定部が前記正常速度であると判定しているときには、該当フレームを前記異常フレームであると判定する最終判定部とからなる請求項１に記載の超音波検査システム。
4. 前記正常判定基準データを抽出するときにおける前記所定の分析手法が、１クラスサポートベクタマシンを用いた分析手法であり、正常フレームだけを学習して、正常フレームの正常クラスを前記正常判定基準データと定め、
   前記フレーム判定部では、該当フレームの分析データが前記正常クラスに入るか否かにより、正常フレームか否かを判定する請求項１に記載の超音波検査システム。
5. 前記速度情報検出部は、前記超音波プローブの位置・姿勢情報から前記速度に関する速度情報を算出することを特徴とする請求項１に記載の超音波検査システム。
6. 前記距離判定部における前記予め定めた閾値は、ＲＯＣ解析を利用して決定される請求項３に記載の超音波検査システム。
7. 前記速度判定部における前記予め定めた閾値Ｔsは、学習した乳腺超音波画像におけるプローブの平均移動速度ｕとその標準偏差σ、パラメータｋを用いた数式Ｔs＝ｕ＋ｋ×σにより定められて、ここでパラメータｋは実験により決定されることを特徴とする請求項１に記載の超音波検査システム。
8. 超音波プローブを動かして超音波検査装置から出力される時間的に連続した複数のフレームの列からなる動画像に基づいて病変の有無を検査する超音波検査システムであって、
   超音波プローブを動かしながら基準被験者または被験者から得た病変が存在しない身体部分の動画像を構成する複数のフレームから、前記超音波プローブの速度に関する速度情報に基づいて前記速度の変化の影響を抽出結果が受けることを抑制するように、時間軸方向の相関の幅を表す時間軸相関幅を調整しながら、立体高次局所自己相関特徴を抽出し、抽出結果を所定の分析手法により分析することにより得た正常判定基準データを記憶する正常判定基準データ記憶部と、
   検査者が前記超音波プローブを前記被験者に対して操作して前記超音波検査装置から得た、身体部分の動画像を構成する複数のフレームから各フレームの立体高次局所自己相関特徴を抽出する特徴抽出部と、各フレームからの立体高次局所自己相関特徴の抽出結果と前記正常判定基準データとに基づいて、該当フレームが前記病変を含まない正常フレームであるか前記病変を含む異常フレームであるかを判定する状態判定部とを含むフレーム判定部と、
   各フレームについて前記検査者が操作する前記超音波プローブの速度に関する速度情報を取得する速度情報検出部とを具備し、
   前記フレーム判定部の前記特徴抽出部は、前記速度に関する速度情報に基づいて、時間軸方向の相関の幅を表す時間軸相関幅を、前記抽出結果が受ける前記速度の変化の影響を抑制するように調整する機能を有しており、
   前記フレーム判定部の前記状態判定部は、前記各フレームからの立体高次局所自己相関特徴の抽出結果と前記正常判定基準データのみに基づいて該当フレームが前記正常フレームであるか前記異常フレームであるかを判定することを特徴とする超音波検査システム。
9. 前記所定の分析手法が、部分空間法からなり、
   前記正常判定基準データ記憶部には、前記抽出結果を主成分分析することにより得た正常部分空間が前記正常判定基準データとして記憶されており、
   前記フレーム判定部の前記状態判定部は、
   前記各フレームからの立体高次局所自己相関特徴の抽出結果と前記正常部分空間との距離を算出する距離算出部と、
   前記距離が予め定めた閾値を越えているか否かにより正常距離であるか否かを判定する距離判定部と、
   前記距離判定部が前記正常距離であると判定しているときには、該当フレームは前記正常フレームであると判定し、前記距離判定部が前記正常距離ではないと判定しているときには、該当フレームを前記異常フレームであると判定する最終判定部とからなる請求項８に記載の超音波検査システム。
10. 前記特徴抽出部は、前記速度情報から得た前記超音波プローブの速度の大きさに従って広義単調減少する関係で前記時間軸相関幅を調整する請求項９に記載の超音波検査システム。
11. 前記特徴抽出部は、段階的に大きな値となる複数の速度閾値範囲と、前記複数の速度閾値範囲に対応した複数の時間軸相関幅を準備し、前記超音波プローブの速度と前記複数の速度閾値範囲とを比べ、前記超音波プローブの速度に対応した前記時間軸相関幅を選択するように構成されている請求項１０に記載の超音波検査システム。
12. 前記正常判定基準データを抽出するときにおける前記所定の分析手法が、１クラスサポートベクタマシンを用いた分析手法であり、正常フレームだけを学習して、正常フレームの正常クラスを前記正常判定基準データと定め、
    前記フレーム判定部では、該当フレームの分析データが前記正常クラスに入るか否かにより、正常フレームか否かを判定する請求項８に記載の超音波検査システム。
13. 前記速度情報検出部は、前記超音波プローブの位置・姿勢情報から前記速度に関する速度情報を算出することを特徴とする請求項８に記載の超音波検査システム。
14. 前記距離判定部における前記予め定めた閾値は、ＲＯＣ解析を利用して決定される請求項９に記載の超音波検査システム。
15. 超音波プローブを動かして超音波検査装置から出力される時間的に連続した複数のフレームの列からなる動画像に基づいて病変の有無を検査するためにコンピュータを利用する超音波検査方法であって、
    前記コンピュータを利用して、
    規定の速度範囲内の速度で超音波プローブを動かしながら基準被験者または被験者から得た病変が存在しない身体部分の動画像を構成する複数のフレームから立体高次局所自己相関特徴を抽出し、抽出結果を所定の分析手法により分析することにより得た正常判定基準データを学習して正常判定基準データ記憶部に記憶する学習ステップと、
    検査者が前記超音波プローブを前記被験者に対して操作して前記超音波検査装置から得た、身体部分の動画像を構成する複数のフレームから各フレームの立体高次局所自己相関特徴を抽出する特徴抽出ステップと、
    各フレームからの立体高次局所自己相関特徴の抽出結果と前記正常判定基準データとに基づいて、該当フレームが前記病変を含まない正常フレームであるか前記病変を含む異常フレームであるかを判定するフレーム判定ステップと、
    各フレームについて前記検査者が操作する前記超音波プローブの速度に関する速度情報を取得する速度情報検出ステップと、
    前記速度情報検出ステップで取得した前記速度情報から得た前記超音波プローブの速度が、前記規定の速度範囲を基準として定めた閾値を超えていない場合には正常速度であると判定する速度判定ステップとを実行し、
    前記フレーム判定ステップでは、前記各フレームからの立体高次局所自己相関特徴の抽出結果と前記正常判定基準データのみに基づいて該当フレームが前記異常フレームであると判断できるものであっても、前記超音波プローブの速度が前記正常速度ではないと前記速度判定ステップで判定しているときには、該当フレームは前記正常フレームであると判定することを特徴とする超音波検査方法。
16. 前記所定の分析手法が、部分空間法からなり、
    前記正常判定基準データ記憶部には、前記抽出結果を主成分分析することにより得た正常部分空間が前記正常判定基準データとして記憶されており、
    前記フレーム判定ステップは、
    前記各フレームからの立体高次局所自己相関特徴の抽出結果を前記部分空間法により分析して得た部分空間と前記正常部分空間との距離を算出する距離算出ステップと、
    前記距離が予め定めた閾値を越えているか否かにより正常距離であるか否かを判定する距離判定ステップと、
    前記距離判定ステップが前記正常距離であると判定しているとき及び距離判定ステップで正常距離ではないと判定し且つ速度判定ステップが正常速度でないと判定しているときには、該当フレームは前記正常フレームであると判定し、前記距離判定ステップが前記正常距離ではないと判定し且つ前記速度判定ステップが前記正常速度であると判定しているときには、該当フレームを前記異常フレームであると判定する状態判定ステップとからなる請求項１５に記載の超音波検査方法。
17. 超音波プローブを動かして超音波検査装置から出力される時間的に連続した複数のフレームの列からなる動画像に基づいて病変の有無を検査するためにコンピュータを利用する超音波検査方法であって、
    超音波プローブを動かしながら基準被験者または被験者から得た病変が存在しない身体部分の動画像を構成する複数のフレームから前記超音波プローブの速度に関する速度情報に基づいて前記速度の変化の影響を抽出結果が受けることを抑制するように、時間軸方向の相関の幅を表す時間軸相関幅を調整しながら立体高次局所自己相関特徴を抽出し、抽出結果を所定の分析手法により分析することにより得た正常判定基準データを学習して正常判定基準データ記憶部に記憶する学習ステップと、
    検査者が前記超音波プローブを前記被験者に対して操作して前記超音波検査装置から得た、身体部分の動画像を構成する複数のフレームから各フレームの立体高次局所自己相関特徴を抽出する特徴抽出ステップと、
    各フレームからの立体高次局所自己相関特徴の抽出結果を前記所定の分析手法により分析して得た分析データと前記正常判定基準データとに基づいて、該当フレームが前記病変を含まない正常フレームであるか前記病変を含む異常フレームであるかをコンピュータを利用して判定するフレーム判定ステップと、
    各フレームについて前記検査者が操作する前記超音波プローブの速度に関する速度情報を取得する速度情報検出ステップとを備え、
    前記フレーム判定ステップでは、前記速度情報に基づいて、時間軸方向の相関の幅を表す時間軸相関幅を、前記抽出結果が受ける前記速度の変化の影響を抑制するように調整し、
    前記フレーム判定ステップでは、前記各フレームからの立体高次局所自己相関特徴の抽出結果を前記所定の分析手法により分析して得た分析データと前記正常判定基準データのみに基づいて該当フレームが前記正常フレームであるか前記異常フレームであるかを判定することを特徴とする超音波検査方法。
18. 前記所定の分析手法が、部分空間法からなり、
    前記正常判定基準データ記憶部には、前記抽出結果を主成分分析することにより得た正常部分空間が前記正常判定基準データとして記憶されており、
    前記フレーム判定ステップは、
    前記各フレームからの立体高次局所自己相関特徴の抽出結果と前記正常部分空間との距離を算出する距離算出ステップと、
    前記距離が予め定めた閾値を越えているか否かにより正常距離であるか否かを判定する距離判定ステップと、
    前記距離判定ステップが前記正常距離であると判定しているときには、該当フレームは前記正常フレームであると判定し、前記距離判定ステップが前記正常距離ではないと判定しているときには、該当フレームを前記異常フレームであると判定する状態判定ステップとからなる請求項１７に記載の超音波検査方法。
19. 前記速度の情報から得た前記超音波プローブの速度の大きさに従って広義単調減少する関係で前記時間軸相関幅を調整する請求項１７に記載の超音波検査方法。
20. 前記フレーム判定ステップでは、段階的に大きな値となる複数の速度閾値範囲と、前記複数の速度閾値範囲に対応した複数の時間軸相関幅を準備し、前記超音波プローブの速度と前記複数の速度閾値範囲とを比べ、前記超音波プローブの速度に対応した前記時間軸相関幅を選択する請求項１９に記載の超音波検査方法。
21. 前記正常判定基準データを抽出するときにおける前記所定の分析手法が、１クラスサポートベクタマシンを用いた分析手法であり、正常フレームだけを学習して、正常フレームの正常クラスを前記正常判定基準データと定め、
    前記フレーム判定ステップでは、該当フレームの分析データが前記正常クラスに入るか否かにより、正常フレームか否かを判定する請求項１７に記載の超音波検査方法。