JP7216720B2 - 音響クラッタ及びランダムノイズをフィルタリングするための方法及びシステム - Google Patents

Description

関連出願
[001] 本出願は、参照により本明細書に組み込まれる、２０１７年９月２５日に出願された米国仮特許出願第６２／５６２，５４４号の利益及び優先権を主張する。

[002] 本出願は、自己回帰移動平均（ＡＲＭＡ）空間フィルタリングに関する。詳細には、本出願は、超音波チャネルデータのＡＲＭＡ空間フィルタリングに関する。

[003] 医用超音波イメージングでは、画像コントラストは、多くの場合、軸外散乱による音響クラッタ（ａｃｏｕｓｔｉｃ ｃｌｕｔｔｅｒ）、近接音場解剖学的構造による残響クラッタ（ｒｅｖｅｒｂｅｒａｔｉｏｎ ｃｌｕｔｔｅｒ）、及びランダム電子ノイズの結果として損なわれる。これらの問題に対処するために、いくつかの技法が文献に提案されている。技法は、大まかに、２つの主なグループ、すなわち、１）コヒーレンスベース適応重み付け、及び２）適応ビーム形成に分類される。

[004] コヒーレンス係数（ＣＦ）、一般化コヒーレンス係数（ＧＣＦ）、位相コヒーレンス係数（ＰＣＦ）、及び短遅延空間コヒーレンス（ＳＬＳＣ）などの適応重み付け技法はすべて、画像に乗算される重み付けマスクを計算するために、チャネルごとのデータにアクセスする必要がある。相互相関（ＤＡＸ）及びその変形による二重アポダイゼーションなどのアポダイゼーションベース適応重み付け方法を用いて、重み付けマスクは、チャネルごとのデータにアクセスすることなく計算することができ、したがって、これらの方法のハードウェア実装はわずかに容易になる。しかしながら、すべての適応重み付け方法は、従来の画像を重み付けマスクで重み付け低下させることによって動作する。これは、画像輝度の減少、解剖的詳細の除去、及びスペックル分散の増加などの問題をもたらす。

[005] 最小分散（ＭＶ）ビーム形成などの適応ビーム形成技法は、一般に、主ローブ信号のみが通過し、軸外信号が阻止されるようにチャネルデータから複素アポダイゼーション値を適応的に計算することを含む。しかしながら、ＭＶビーム形成は、主として、空間解像度改善のために開発されている。現在、ＭＶビーム形成は、主ローブ信号としばしば相関している残響クラッタを抑制するには有効でない。多くの場合、残響クラッタは、生体内での画質劣化の支配的な原因である。さらに、ＭＶビーム形成は、位相収差、要素指向性、及び信号対ノイズ比に非常に敏感である。ＭＶビーム形成は、スペックルにアーティファクトを作り出すことも知られている。

[006] 本明細書で説明されるシステム、方法、及び／又は装置は、自己回帰移動平均（ＡＲＭＡ）モデルに基づく空間フィルタリング技法を用いて画像コントラストを改善する。一般に、この技法は、チャネルデータから空間予測誤差フィルタ（ＰＥＦ）（ＡＲＭＡから以前には知られていないもの）を適応的に計算し、次いで、軸外クラッタ、残響クラッタ、及び／又はランダムノイズからの寄与を含む相加性ノイズシーケンスを推定し減じる。この技法は、画像コントラストの低下に寄与する望ましくない信号を超音波チャネルデータから直接フィルタ除去する。望ましくない信号をフィルタ除去するために、ノイズは、加法過程の代わりにランダムイノベーションのシーケンスとして扱われる。

[007] チャネルデータからの高周波（ＲＦ）信号のＡＲＭＡモデリングは、固有値問題に帰着する。予測誤差フィルタ（ＰＥＦ）は、ノイズ性チャネルデータの分散行列の固有値分解から計算される。ＰＥＦをノイズ性チャネルデータに適用して、ノイズシーケンス（例えば、ＲＦシグナルによってモデル化されないデータ）を推定する。推定されたノイズシーケンスが、オリジナルのチャネルデータから減じられる。残りの信号は「クリーンな」データであり、それは超音波画像を生成するために使用され、それにより、オリジナルのチャネルデータと比較してコントラストが改善される。記載されるＡＲＭＡプロセスは、結果として生じるクリーンなデータに基づいて１回又は複数回繰り返され、それは、結果として生じる画像をさらに改善する。

[008] 本開示の例示的な実施形態によれば、方法は、超音波チャネルデータを取得するステップと、自己回帰移動平均モデルにより予測誤差フィルタを生成するステップと、予測誤差フィルタを用いて超音波チャネルデータのノイズを推定するステップと、クリーンなチャネルデータを得るために超音波チャネルデータからノイズを減じるステップとを含む。自己回帰移動平均モデルにより予測誤差フィルタを推定するステップは、予測誤差フィルタの多次数モデルを生成するステップと、多次数モデル及び超音波チャネルデータを行列形式に変形するステップと、予測誤差フィルタの固有値問題を解くステップであって、固有値問題が、ノイズの分散と予測誤差行列の積に等しい、ノイズ性シーケンスの相関行列と予測誤差行列との積を含む、解くステップとを含み、予測誤差フィルタの固有値問題の解は、ノイズ性シーケンスの相関行列の最小固有値に対応する固有ベクトルである。超音波チャネルデータのノイズを推定するステップは、予測誤差フィルタ及びノイズ性シーケンスを逆畳み込みするステップを含む。

[009] 本開示の例示的な実施形態によれば、超音波イメージングシステムは、超音波信号を送受信するように構成された超音波トランスデューサアレイと、受信した超音波信号に少なくとも部分的に基づいてチャネルデータを送信するように構成された超音波トランスデューサに動作可能に結合された少なくとも１つのチャネルと、少なくとも１つのチャネルに動作可能に結合された信号プロセッサであり、信号プロセッサが、少なくとも１つのチャネルからチャネルデータを取得し、自己回帰移動平均モデルにより予測誤差フィルタを生成し、予測誤差フィルタを用いてチャネルデータの前記ノイズを推定し、クリーンなチャネルデータを得るためにチャネルデータからノイズを減じるように構成される、信号プロセッサとを含む。

[010] 本開示のさらなる例示的な実施形態によれば、方法は、ビーム加算データを取得するステップであり、ビーム加算データが、複数の方向の複数の超音波送信イベントに応答している、取得するステップと、自己回帰移動平均モデルにより予測誤差フィルタを生成するステップと、予測誤差フィルタを用いてビーム加算データのノイズを推定するステップと、クリーンなデータを生成するためにビーム加算データからノイズを減じるステップとを含む。

[011] 本開示の原理による超音波イメージングシステムのブロック図である。 [012] 本開示の原理による方法の流れ図である。 [013] 典型的な方法によって生成されたシミュレーションファントム及び本開示の原理による方法で生成されたシミュレーションファントムの例示的な画像を示す図である。 [014] 図３に示された画像のチャネルデータを示す図である。 [015] 典型的な方法によって生成された患者の心臓の例示的な画像及び本開示の原理による方法で生成された患者の心臓の例示的な画像を示す図である。 [016] 典型的な方法によって生成されたシミュレーションファントム及び本開示の原理による方法で生成されたシミュレーションファントムの例示的な画像を示す図である。 [017] 典型的な方法によって生成された患者の心臓の例示的な画像及び本開示の原理による方法で生成された患者の心臓の例示的な画像を示す図である。

[018] 例示的な実施形態の以下の説明は、本質的に単に例示であり、本発明又はその用途若しくは使用を限定するように決して意図されていない。本システム及び方法の実施形態の以下の詳細な説明では、本明細書の一部を形成し、記載されるシステム及び方法を実施できる特定の実施形態を例として示す添付の図面を参照する。これらの実施形態は、今開示されるシステム及び方法を当業者が実施できるように十分に詳細に説明され、他の実施形態を利用することができ、構造的及び論理的な変更を、本システムの趣旨及び範囲から逸脱することなく、行うことができることを理解されたい。

[019] それ故に、以下の詳細な説明は限定する意味で理解されるべきでなく、本システムの範囲は添付の特許請求の範囲によってのみ定義される。本明細書の図の参照番号の先頭の数字は、一般に、多数の図に現われる同一の構成要素を同じ参照番号で識別することを除いて、図の番号に対応する。その上、明確にするために、特定の特徴の詳細な説明は、本システムの説明を不明瞭にしないために、当業者に明らかである場合には論じられない。

[020] 最近、自己回帰（ＡＲ）モデルに基づく空間フィルタリング技法が、医用超音波に導入された。ＡＲモデルは、「Ｓｐａｔｉａｌ ｐｒｅｄｉｃｔｉｏｎ ｆｉｌｔｅｒｉｎｇ ｏｆ ａｃｏｕｓｔｉｃ ｃｌｕｔｔｅｒ ａｎｄ ｒａｎｄｏｍ ｎｏｉｓｅ ｉｎ ｍｅｄｉｃａｌ ｕｌｔｒａｓｏｕｎｄ ｉｍａｇｉｎｇ」、Ｊ． Ｓｈｉｎ及びＬ． Ｈｕａｎｇ、Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｍｅｄｉｃａｌ Ｉｍａｇｉｎｇ、２０１６に詳細に記載されており、その全体が参照により本明細書に組み込まれる。しかしながら、Ｓｈｉｎ及びＨｕａｎｇにより説明されたＡＲモデルベースのフィルタリング技法は、自己回帰移動平均（ＡＲＭＡ）問題をＡＲ問題に変形し、線形予測を適用している。ＡＲ技法は、予測誤差エネルギーを最小化して、予測誤差フィルタ（ＰＥＦ）とノイズの両方が未知である問題の解を見出している。それにより、Ｓｈｉｎ及びＨｕａｎｇの技法は、不正確な信号モデリング、したがって、次善の成果をもたらす。

[021] 本開示の原理によれば、ＡＲ技法の欠点のうちの少なくともいくつかを克服するために、ＡＲＭＡモデルに基づく空間フィルタリング技法が適用され、それは、ランダムノイズ、音響クラッタ、及び／又は残響クラッタを抑制して、画像コントラストを向上させる。この技法は、空間ＰＥＦを超音波チャネルデータから適応的に計算し、次いで、軸外クラッタ、残響クラッタ、及び／又はランダムノイズからの寄与を含む推定ノイズシーケンスを推定し減じる。

[022] 本明細書で説明するＡＲＭＡフィルタリング技法（又は簡単にＡＲＭＡ方法）は、本開示の背景技術で説明した適応重み付け及び適応ビーム形成技法とは異なる。例えば、ＡＲＭＡフィルタリング技法は、オリジナル画像に画素ごとの重み付けをするための重み付けマスクを使用せず、ＡＲＭＡフィルタリング技法は、画像を形成するために複素アポダイゼーション値を適応的に計算しない。むしろ、ＡＲＭＡフィルタリング技法フィルタは、画像コントラストの低下をもたらす望ましくない信号を超音波チャネルデータから直接フィルタ除去する。

[023] 簡単に言えば、本明細書で説明するＡＲＭＡフィルタリング技法は、時間－空間（Ｔ－Ｘ）ドメイン（例えば、アパーチャドメイン）においてノイズに浸された「線形イベント」として発生する所与の方向から受信した信号を、ＡＲＭＡモデルを使って適切に表すことができる。本明細書で説明する方法では、ノイズは、加法過程の代わりにランダムイノベーションのシーケンスとして扱われる。

[024] 超音波チャネル高周波（ＲＦ）信号のＡＲＭＡモデリングは、固有値問題に帰着し、ＰＥＦは、オリジナルのノイズ性チャネルデータの共分散行列の固有値分解から計算される。計算されたＰＥＦをノイズ性チャネルデータに適用して、色付きノイズ（例えば、非白色ノイズ）シーケンスを推定し、それに基づいて相加性ノイズシーケンスを推定する。相加性ノイズシーケンスは、ＡＲＭＡモデルよってモデル化されないすべての信号、例えば、ランダムノイズ、軸外クラッタ、及び／又は残響クラッタを含む。推定された相加性ノイズシーケンスが、オリジナルのノイズ性チャネルデータから減じられて「クリーンな」データがもたらされる。クリーンなデータを使用して、超音波画像を形成する。クリーンなデータは、反復ＡＲＭＡモデルへの入力として使用される。すなわち、説明しているＡＲＭＡフィルタリング技法を多数回実行して、クリーンなデータをもたらす。

[025] 本開示の原理に従ってＡＲＭＡフィルタリング技法を実行することができる超音波イメージングシステムは、超音波信号を送受信するように構成された超音波トランスデューサアレイと、受信超音波信号に少なくとも部分的に基づいてチャネルデータを送信するように構成された超音波トランスデューサに動作可能に結合された少なくとも１つのチャネルとを含む。超音波イメージングシステムは、チャネルに動作可能に結合された信号プロセッサをさらに含む。信号プロセッサは、チャネルから少なくとも１つのチャネルデータを取得し、ＡＲＭＡモデルを用いてＰＥＦを生成し、ＰＥＦを用いてチャネルデータのノイズを推定し、クリーンなチャネルデータを得るために超音波データからノイズを減じるように構成される。

[026] 図１を参照すると、本開示の原理に従って構築された超音波イメージングシステム１０が、ブロック図形式で示される。図１の超音波診断イメージングシステムにおいて、超音波プローブ１２は、超音波を送信しエコー情報を受信するためのトランスデューサアレイ１４を含む。様々なトランスデューサアレイ、例えば、リニアアレイ、コンベックスアレイ、フェーズドアレイが、当技術分野でよく知られている。トランスデューサアレイ１４は、例えば、２Ｄイメージング及び／又は３Ｄイメージングのための迎角次元と方位角次元の両方にスキャンすることができるトランスデューサ要素の２次元アレイ（図示のような）を含むことができる。トランスデューサアレイ１４のトランスデューサ要素は、いくつかの実施形態では、プローブ１２のマイクロビームフォーマ１６にチャネル１５を介して結合される。別個のチャネルが、トランスデューサアレイ１４のトランスデューサ要素ごとに又はトランスデューサ要素のパッチごとに設けられる。しかしながら、図を明確にするために、１つのラインのみが図１のチャネル１５には示されている。マイクロビームフォーマ１６は、アレイのトランスデューサ要素による信号の送受信を制御する。この例では、マイクロビームフォーマ１６は、送信／受信（Ｔ／Ｒ）スイッチ１８にプローブケーブルによって結合され、送信／受信（Ｔ／Ｒ）スイッチ１８は、送信と受信との間を切り替え、主ビームフォーマ２２を高エネルギー送信信号から保護する。いくつかの実施形態では、システムのＴ／Ｒスイッチ１８及び他の要素は、別個の超音波システムベースではなくトランスデューサプローブに含まれる。マイクロビームフォーマ１６の制御下でのトランスデューサアレイ１４からの超音波ビームの送信は、Ｔ／Ｒスイッチ１８に結合された送信コントローラ２０と、ユーザインタフェース又はコントロールパネル２４のユーザ操作からの入力を受信するビームフォーマ２２とによって誘導される。送信コントローラ２０によって制御される機能のうちの１つは、ビームがステアされる方向である。ビームは、トランスデューサアレイからまっすぐ前方に（垂直に）ステアされるか、又はより広い視野のために様々な角度でステアされる。マイクロビームフォーマ１６によって作り出される部分的にビーム形成された信号は、主ビームフォーマ２２に結合され、トランスデューサ要素の個々のパッチからの部分的にビーム形成された信号は、完全にビーム形成された信号に組み合わされる。

[027] いくつかの実施形態では、マイクロビームフォーマ１６は省略される。送信コントローラ２０は、Ｔ／Ｒスイッチ１８を通して直接トランスデューサアレイ１４を制御する。トランスデューサアレイ１４の要素からのデータは、チャネル１５を介して主ビームフォーマ２２に送信される。

[028] ビーム形成された信号は、信号プロセッサ２６に結合される。信号プロセッサ２６は、受信したエコー信号を、バンドパスフィルタリング、デシメーション、Ｉ及びＱ成分分離、並びに高調波信号分離などの様々なやり方で処理する。信号プロセッサ２６は、さらに、スペックル低減、信号合成、及びノイズ除去などの追加の信号増強を実行する。信号プロセッサ２６は、ハードウェア（例えば、特定用途向け集積回路（ＡＳＩＣ））、ソフトウェア、又はそれらの組合せで実現される。

[029] 図１に示されるように、いくつかの実施形態では、信号プロセッサ２６は、ビームフォーマ２２によるビーム形成の前にチャネル１５から超音波信号を受信する。例えば、信号プロセッサ２６は、チャネル１５からの信号（例えば、チャネルデータ）に上述のＡＲＭＡフィルタリング技法を適用する。いくつかの実施形態では、ビームフォーマ２２は、各チャネル１５に適切な遅延及び／又は幾何学的位置合せを行い、信号処理が、チャンネル信号の加算の前に信号プロセッサ２６によって実行される。いくつかの実施形態では、信号プロセッサ２６は、チャネルデータにＡＲＭＡフィルタリング技法を実行し、チャンネル信号の加算のためにビームフォーマ２２からのコマンドを受信する。信号プロセッサ２６は、Ｂモードプロセッサ２８に信号を供給する前に、所望の及び／又は必要な加算を適用する。

[030] いくつかの実施形態では、図１に破線のブロック２２ａで示されるように、ビームフォーマ２２は、２つのユニットとして実装されてもよく、１つは、適切な遅延及び／又は幾何学的位置合せを行うためのものであり、別のユニットは、必要に応じてチャネルデータの加算及び／又は他の組合せを行うために含まれる。いくつかの実施形態では、マイクロビームフォーマ１６は、チャネル１５への遅延及び／又は幾何学的位置合せを行い、ビームフォーマ２２は、信号プロセッサ２６の後に組み込まれて、チャネルデータの加算及び／又は他の組合せを行う。いくつかの実施形態では、図１の破線のブロック２６ａで示されるように、信号プロセッサ２６は、複合ユニットとして組み込まれる。例えば、第１の信号プロセッサは、信号処理を直接チャネルデータに実行するためにビームフォーマ２２の前に組み込まれ、第２の信号プロセッサは、追加の処理（例えば、バンドパスフィルタリング）のためにビームフォーマ２２の後に組み込まれる。

[031] 代替として、平面波イメージング（ＰＷＩ）又は発散波イメージング（ＤＷＩ）の状況では、ＡＲＭＡフィルタリング技法は、チャネルドメインではなく送信ビームスペースドメインに組み込まれる。ＰＷＩ／ＤＷＩにおいて、平面波又は発散波のいずれかの形態の幅の広い送信ビームが、トランスデューサアレイ１４によって特定の方向に放出され、すべてのスキャンライン（例えば、ビーム加算信号）が、ビームフォーマ２２及び／又はマイクロビームフォーマ１６によって実行される遅延加算（ＤＡＳ）ビーム形成手法を介して、受信されたチャネルごとのデータを使用して生成される。これは、低品質の超音波画像の超音波イメージングシステム１０による取得をもたらすが、画像は、単一の送信イベントで取得される。ＰＷＩ／ＤＷＩでは、そのようなプロセスが多数の送信方向に対して繰り返され、各送信方向から得られたビーム加算信号がコヒーレントに合成されて、高品質の超音波画像が作り出される。前から存在するいくつかの超音波イメージングシステムでは、ＡＲＭＡフィルタリング技法のこのバージョンを組み込むことは容易である。

[032] 図１の要素の説明を続けると、処理された信号は、Ｂモードプロセッサ２８に結合され、Ｂモードプロセッサ２８は、身体の構造をイメージングするために振幅検出を利用する。Ｂモードプロセッサによって作り出された信号は、スキャンコンバータ３０及びマルチプラナリフォーマッタ３２に結合される。スキャンコンバータ３０は、エコー信号を、それが所望の画像フォーマットで受信された空間的関係で配列する。例えば、スキャンコンバータ３０は、エコー信号を、２次元（２Ｄ）セクタ形状フォーマット又はピラミッド形３次元（３Ｄ）画像に配列する。マルチプラナリフォーマッタ３２は、米国特許第６，４４３，８９６号（Ｄｅｔｍｅｒ）に記載されているように、身体のボリューム領域の共通面内の点から受信されるエコーをその面の超音波画像に変形する。ボリュームレンダラ３４は、例えば米国特許第６，５３０，８８５号（Ｅｎｔｒｅｋｉｎ等）に記載されているように、３Ｄデータセットのエコー信号を所与の基準点から見たような投影３Ｄ画像に変形する。２Ｄ又は３Ｄ画像は、スキャンコンバータ３０、マルチプラナリフォーマッタ３２、及びボリュームレンダラ３４から、画像ディスプレイ３８で表示するためのさらなる増強、バッファリング、及び一時記憶のために画像プロセッサ３６に結合される。グラフィックスプロセッサ４０は、超音波画像とともに表示するためのグラフィックオーバーレイを生成する。これらのグラフィックオーバーレイは、例えば、患者名、画像の日時、イメージングパラメータなどのような標準識別情報を含む。これらの目的のために、グラフィックスプロセッサは、タイプ入力された患者名などのユーザインタフェース２４からの入力を受信する。ユーザインタフェースは、さらに、多数のマルチプラナリフォーマット（ＭＰＲ）画像の表示の選択及び制御のためにマルチプラナリフォーマッタ３２に結合される。

[033] ＡＲＭＡフィルタリング技法に戻ると、本開示の原理による方法は、上述のように超音波チャネルデータを取得するステップと、自己回帰移動平均モデルにより予測誤差フィルタを生成するステップと、予測誤差フィルタを用いて超音波チャネルデータのノイズを推定するステップと、クリーンなチャネルデータを得るために超音波チャネルデータからノイズを減じるステップとを含む。

[034] 自己回帰移動平均モデルにより予測誤差フィルタを推定するステップは、予測誤差フィルタの多次数モデルを生成するステップと、多次数モデル及び超音波チャネルデータを行列形式に変形するステップと、予測誤差フィルタの固有値問題を解くステップとを含む。以下でより詳細に説明するように、固有値問題は、ノイズの分散と予測誤差行列の積に等しい、ノイズ性シーケンスの相関行列と予測誤差行列との積を含み、予測誤差フィルタの固有値問題の解は、ノイズ性シーケンスの相関行列の最小固有値に対応する固有ベクトルである。ＰＥＦが生成された後、超音波チャネルデータのノイズを推定するステップは、ＰＥＦ及びノイズ性シーケンスを逆畳み込みするステップを含む。

[035] 上述のＡＲＭＡフィルタリング技法の簡潔な説明をより数学的に詳細に展開すると、線形（又は線形フェーズド）アレイ（例えば、図１のトランスデューサアレイ１４）はチャネルごとのデータドメイン（又はＴ－Ｘドメイン）に傾斜Ψをもつ線形イベントとピッチｇとを有する。このアレイの（ｘ＋１）番目のチャンネル信号ｓ_ｔ（ｘ＋１）は、以下のように記述される。

[036] ｓ_ｔ（ｘ＋１）＝ｓ_{ｔ－ｘｇΨ}（１） 式（１）

[037] ここで、ｘの最大値はチャネルの数に基づく。

[038] 式（１）の両辺にフーリエ変換を適用すると、以下の式が得られる。

[039] Ｓ_ｆ（ｘ＋１）＝Ｓ_ｆ（１）ｅ^{－ｉ２πｆｘｇΨ} 式（２）

[040] ここで、ｆは時間周波数であり、ｅはオイラー数である。式（１）に示された時間－空間（Ｔ－Ｘ）ドメインの時間シフトは、式（２）に示されたように周波数－空間（Ｆ－Ｘ）ドメインの位相シフトになる。トランスデューサの帯域幅にわたる各時間周波数ｆ_０に対して、式（２）は自己回帰（ＡＲ）モデルとして表わされる。

[041] Ｓ_ｆ０（ｘ＋１）＝ａ_ｆ０（１）Ｓ_ｆ０（ｘ） 式（３）

[042] 次数４（例えば、ｐ＝４）のＡＲモデルでは、モデルは以下のようになる。

[043] Ｓ_ｆ０（ｘ＋１）＝ａ_ｆ０（１）Ｓ_ｆ０（ｘ）＋ａ_ｆ０（２）Ｓ_ｆ０（ｘ－１）＋…＋ａ_ｆ０（ｐ）Ｓ_ｆ０（ｘ＋１－ｐ）
[044] 式（４）

[045] ここで、ｐは、フィルタ係数の数を表し、支配的な空間周波数成分を決定する。ｐの値が低いほど（例えば、ｐ＝１）、アグレッシブなフィルタになる。ｐの値が高いほど（例えば、ｐ＝６）、アグレッシブでないフィルタになる。アグレッシブすぎるフィルタは、最終画像にアーティファクトをもたらし、一方、それほどアグレッシブでないフィルタは、非常に多くのノイズを許容するので、画像コントラストが改善されない。発明者等は、ｐの異なる値を用いて本方法を多数回適用し、最良の画像品質を提供するｐの値を選択することに少なくとも部分的に基づいて、ｐの値を実験的に選択できることを見出した。いくつかの医用超音波イメージング用途では、４に等しいか又は約４のｐの値は、最小のフィルタアーティファクトをもつ改善されたコントラストの画像を提供することができる。

[046] ＡＲＭＡフィルタリング技法に戻ると、予測誤差形式の式（４）は次の通りである。

[047]

[048] ここで、ｇ_ｆ０（０）＝１及びｇ_ｆ０（ｋ）＝－ａ_ｆ０（ｋ），ｋ＝１，…，ｐである。

[049] ノイズが加えられる場合、式（５）は、以下のようになる。

[050] Ｙ_ｆ０（ｘ）＝Ｓ_ｆ０（ｘ）＋Ｗ（ｘ） 式（６）

[051] ここで、Ｗ（ｘ）は、ランダム白色ノイズシーケンスであり、Ｙ_ｆ０（ｘ）は時間周波数ｆ_０のノイズ性シーケンスである。式（５）にＳ_ｆ０（ｘ－ｋ＋１）＝Ｙ_ｆ０（ｘ－ｋ＋１）－Ｗ（ｘ－ｋ＋１）を代入すると、
[052]

がもたらされる。

[053] ここで、Ｅは誤差であり、

は非白色イノベーションノイズシーケンス（すなわち、色ノイズ）である。添字ｆ_０を省略した行列形式の式（７）は次の通りである。

[054] Ｙｇ＝Ｗｇ＝ｅ 式（８）

[055] ここで、Ｙはノイズ性シーケンスＹ_ｆ０（ｘ）の畳み込み行列であり、ＷはノイズシーケンスＷ_ｆ０（ｘ）の畳み込み行列であり、ｇは予測誤差フィルタ（ＰＥＦ）の行列形式であり、ｅは誤差行列である。

[056] 信号と空間的に相関しないゼロ平均白色ノイズが仮定される場合、ＰＥＦ，ｇは、式８をＡν＝λνの形式の以下の固有値問題に変換することによって推定される。

[057] Ｙ^ＨＹｇ＝Ｙ^ＨＷｇ 式（９）

[058] Ｒ_Ｙｇ＝σ_Ｗ ^２ｇ 式（１０）

[059] ここで、Ｈは共役転置演算子であり、Ｒ_Ｙは、ノイズ性シーケンスの相関行列（例えばＲ_Ｙ＝Ｙ^ＨＹ）であり、σ_Ｗ ^２はノイズの分散である。

[060] 所望のＰＥＦは、Ｒ_Ｙの最小固有値に対応する固有ベクトルである。それ故に、ＰＥＦ，ｇが推定される。最小固有値は、ノイズ分散σ_Ｗ ^２の推定値である。色ノイズシーケンスの正規化である推定値

は、非白色ノイズイノベーション項からＰＥＦを逆畳み込みすることによって得られる。

[061] Ｇｙ＝Ｇｗ＝ｅ 式（１１）

[062] ここで、Ｇは、ＰＥＦ ｇの畳み込み行列であり、ｙは、ノイズ性シーケンスであり、ｗは、相加性ノイズシーケンスである。

[063] 制約条件付き最小化問題を定式化すると、以下である。

[064]

[065] 式１２は次の条件に従う。

[066] ｗ^Ｈｗ＝σ_Ｗ ^２ 式（１３）

[067] 上述の最小化問題における相加性ノイズシーケンスの正規化である

の解、は、以下の通りである。

[068]

[069] ここで、Ｉは単位行列であり、μは、単位行列に与えられる重みを制御する対角負荷係数である。次いで、式１４から、推定ノイズシーケンス

が、ノイズ性シーケンスｙから減じられて、クリーンなデータ

がもたらされる。

[070]

[071] 上述の式は、μ＝０及び

のとき、

すなわち、

をもたらすことに留意されたい。さらに、μ≫０の場合、

である。それ故に、μの適切な値は選択されるべきである。式４のｐと同様に、μは実験的に選択することができる。いくつかの医用超音波イメージング用途では、０．０１に等しいか又は約０．０１の値がμに対して使用される。本開示で提供される例では、μ＝０．０１が使用された。

[072] 上述の固有値問題がｆ_０に対して解かれた。同じ問題が、トランスデューサアレイの帯域幅にわたって時間周波数及び／又は時間周波数ビンごとに解かれる。
「クリーンな」信号

が時間周波数及び／又は時間周波数ビンごとに得られた後、逆フーリエ変換を適用して、クリーンな信号をＦ－ＸドメインからＴ－Ｘドメインに変換する。逆フーリエ変換を適用する前に、時間周波数ごとの

が、必要に応じて式３にフィードバックされ、「よりクリーンな」信号

がもたらされる。プロセスは、１回を超えて（例えば、２、３、及び５回）繰り返される。

[073] ここまで説明したＡＲＭＡフィルタリング技法のステップは、所定のサイズの軸セグメント（例えば、超音波スキャンの単一の深さ）からのデータに適用される。このステップは、超音波スキャンのすべての所望の深さに対して繰り返される。

[074] 図２は、本開示の原理による方法の流れ図２００である。流れ図２００は、上述の数学的に説明したＡＲＭＡフィルタリング技法のステップを要約している。流れ図２００に示された方法は、超音波スキャンの単一の深さ（例えば、軸セグメント）で実行される。流れ図２００の方法全体（以下で説明するステップ２３５を除いて）は、超音波スキャンのすべての深さ及び／又は所望の深さに対して繰り返される。ＡＲＭＡフィルタリング技法は、信号プロセッサ、例えば図１の信号プロセッサ２６によって少なくとも部分的に実行される。超音波チャネルデータが、ステップ２０５において取得される。図１を参照して論じたように、チャネルデータは、遅延及び／又は幾何学的位置合せがチャネルデータに適用された後で、しかし信号加算の前に、信号プロセッサによって取得される。ステップ２１０において、チャネルデータは、時間－空間（Ｔ－Ｘ）ドメインから周波数ドメイン（Ｆ－Ｘ）に変形される（例えば、フーリエ変換）。予測誤差フィルタ（ＰＥＦ）が、ステップ２１５において生成される。ＰＥＦは、式５～式９を参照して上述した方法によって生成される。ＰＥＦが生成された後、チャネルデータのノイズが、ステップ２２０において推定される。ノイズは、式１０～式１３を参照して上述した方法によって推定される。次いで、ノイズは、「クリーンな」データを得るために、ステップ２２５において、チャネルデータから減じられる。

[075] ステップ２１０～ステップ２２５は、単一の時間周波数及び／又は時間周波数ビンで実行される。その結果、ボックス２０１によって示されるように、ステップ２１０～ステップ２２５は、時間周波数及び／又は時間周波数ビンごとに繰り返される。ステップ２１０～ステップ２２５が、すべての時間周波数及び／又は時間周波数ビンに対して実行された後、「クリーンな」データが、ステップ２３０において、Ｆ－ＸドメインからＴ－Ｘドメインに変形されて（例えば、逆フーリエ変換）戻される。

[076] 方法２００がすべての深さに対して完了した後、方法２００のステップ２０５～ステップ２３０が、必要に応じてステップ２３０からの「クリーンな」チャネルデータをステップ２０５から初めに取得したチャネルデータの代わりに用いることによって、すべての深さに対して繰り返されてもよい。次いで、方法２００が、「クリーンな」チャネルデータの深さごとに繰り返される。次いで、結果として生じる「よりクリーンな」チャネルデータが、別の反復のためにステップ２３５にフィードバックされる、などである。反復の数は、ユーザによって（例えば、図１のユーザインタフェース２４などのユーザインタフェースを介して）設定されてもよく、及び／又は超音波イメージングシステム（例えば、図１の超音波イメージングシステム１０）によって決定されてもよい。いくつかの実施形態では、超音波イメージングシステムは、所望のコントラストのレベル、イメージング用途、信号対ノイズ比、及び／又は他の要因（例えば、プローブタイプ、使用されるＴ－Ｘ又はＦ－Ｘ ＡＲＭＡフィルタリング技法、初期設定）に基づいて、反復の数を決定する。

[077] 上述の式及び図２は、時間－空間（Ｔ－Ｘ）ドメインから周波数－空間（Ｆ－Ｘ）ドメインへの変換、及び再び戻る変換について説明している。しかしながら、チャネルデータをＦ－Ｘドメインに変換する必要なしに、開口又はＴ－ＸドメインにおいてＡＲＭＡフィルタリング技法を直接適用することが可能である。例えば、図２の流れ図２００に示された方法のステップ２１０及びステップ２３０を省略する。これにより、用途によっては、方法の効率が向上し、計算負荷が軽減される。ＡＲＭＡフィルタリング技法のＴ－Ｘドメイン方法が、深さごとに開口ドメイン解析信号に適用される。これにより、個々の時間周波数で計算を実行する必要がないので、計算負荷の軽減が可能である。現在のＡＲＭＡモデリングフレームワークは狭帯域仮定に基づいて定式化されており、Ｆ－Ｘドメイン方法における各時間周波数及び／又は周波数ビンへの細区分はＰＥＦ及びノイズシーケンスのより正確な推定をもたらすので、ＡＲＭＡフィルタリング技法のＴ－Ｘドメイン方法は、ＡＲＭＡフィルタリング技法のＦ－Ｘドメイン方法と同様であるか、又はそれよりもわずかに精度の低い結果をもたらす。しかしながら、Ｔ－Ｘ方法の計算時間における利益は、用途によっては、Ｆ－Ｘ方法のより正確な結果より優先する。Ｆ－Ｘ方法と同様に、Ｔ－Ｘ方法も必要に応じて画像コントラスト向上を最大化するために反復して適用される。

[078] 図１を参照して以前に論じたように、図２に要約されている提案したＡＲＭＡフィルタリング技法は、平面波イメージング（ＰＷＩ）又は発散波イメージング（ＤＷＩ）適用により実施される。ＡＲＭＡフィルタリング技法は、異なる方向から得られたビーム加算信号に直接適用される。例えば、ＰＷＩ／ＤＷＩでは、データセットは、集束送信イメージング方法の場合の［軸方向サンプルの数×スキャンラインの数×チャネルの数］とは対照的に、［軸方向サンプルの数×スキャンラインの数×ＰＷ／ＤＷ送信の数］のサイズの３Ｄ行列に格納される。スキャンラインごとにチャネルドメインのすべての深さにＡＲＭＡフィルタリング技法を適用する代わりに、この技法は、ＰＷＩ／ＤＷＩのスキャンラインごとにＰＷＩ／ＤＷ送信ドメインのすべての深さに適用される。これは、いくつかの既存の超音波システムへの実装のしやすさを向上させる。

[079] 図３～図７は、従来の技法と本開示の原理によるＡＲＭＡフィルタリング技法とによって生成された例示の画像を示す。ＡＲＭＡフィルタリング技法によって生成された画像は、超音波イメージングシステムのディスプレイ（例えば、図１のディスプレイ３８）で提供される。画像はまた、コンピュータ可読媒体に格納され、及び／又は別のディスプレイ（例えば、試験後のレビューのためのパーソナルコンピュータ）に提供される。以下で説明する例は、例示であり、ＡＲＭＡフィルタリング技法の実施又は適用を本明細書で開示する例に限定するように解釈されるべきでない。

[080] 図３は、４０ｍｍ直径の無響嚢腫病変を含むシミュレーションファントムの画像３００を示す。画像は、６４エレメントＰ４－２フェーズドアレイに対してシミュレートされた。すべての画像は６０ｄＢのダイナミックレンジで示されている。画像３０５は、標準遅延加算（ＤＡＳ）ビーム形成を使用して生成された。画像３１０は、本開示の原理による周波数－空間ドメイン（Ｆ－Ｘ）ＡＲＭＡフィルタリング技法を使用して生成された。Ｆ－Ｘ ＡＲＭＡフィルタリング技法は１回実行された。すなわち、プロセスは、結果として生じたクリーンなデータを用いて繰り返されなかった。両方の画像３０５と３１０は、ランダムノイズがない状態で取得された。画像３０５と画像３１０を比較すると、Ｆ－Ｘ ＡＲＭＡフィルタリングは、軸外クラッタを抑制し、画像コントラストの向上をもたらしている。画像３１５は標準ＤＡＳビーム形成を使用して生成され、画像３２０はＦ－Ｘ ＡＲＭＡを使用して生成された。画像３１５及び３２０には、ランダムノイズがチャネルデータに存在していた。画像３１５と画像３２０を比較すると、Ｆ－Ｘ ＡＲＭＡフィルタリングはランダムノイズと軸外クラッタの両方を抑制し、画像コントラストの向上をもたらしている。

[081] 図４は、図３に示された画像３００からの中心スキャンライン（例えば、０°ステアリング角）から得られた後処理チャネルＲＦデータ４００を示す。画像４０５は、画像３０５のチャネルデータであり、画像４１０は、画像３１０のチャネルデータであり、画像４１５は、画像３１５のチャネルデータであり、画像４２０は、画像３２０のチャネルデータである。すべての他のチャンネル信号は、より明瞭な可視化のために表示される。サンプル番号１０００からサンプル番号２１００までの軸方向サンプルは、画像３００に示された無響嚢腫病変に対応する。ランダムノイズがない状態で、ＤＡＳを使用して生成された画像４０５は、小振幅の軸外クラッタ信号を表示している。対照的に、画像４１０は、Ｆ－Ｘ ＡＲＭＡフィルタリングが、スペックル領域（例えば、１０００～２１００サンプル領域の外側）の信号の大部分を保存しながらこれらの軸外クラッタ信号の多くを抑制していることを示している。ランダムノイズがある状態で、ＤＡＳ画像４１５とＦ－Ｘ ＡＲＭＡ画像４２０を比較すると、Ｆ－Ｘ ＡＲＭＡフィルタリングは、チャネルＲＦデータからのランダムノイズ寄与と音響クラッタ寄与の両方のより良好な抑制を行っている。

[082] 図５は、心臓の心尖部四腔像の画像５００を示す。すべての画像は６０ｄＢのダイナミックレンジで示されている。画像５０５及び５１０は「容易な」患者から取得された。画像５１５及び５２０は「困難な」患者から取得された。容易な患者は、困難な患者よりもノイズ性の少ない画像を有する。例えば、一般に、太り過ぎの患者から明瞭な画像を得ることは多くの場合困難である。すなわち、容易な患者は標準体重患者であり、困難な患者は場合によっては太り過ぎの患者である。画像５０５及び５１５はＤＡＳを使用して生成され、画像５１０及び５２０は、本開示の原理によるＦ－Ｘ ＡＲＭＡフィルタリング技法を使用して生成された。Ｆ－Ｘ ＡＲＭＡフィルタリング技法は１回実行された。すなわち、プロセスは、結果として生じたクリーンなデータを用いて繰り返されなかった。両方の患者において、画像コントラストは、ＤＡＳ画像５０５及び５１５では軸外クラッタ及び残響クラッタが存在するために著しく低下している。比較すると、ＦＸ－ＡＲＭＡ画像５１０及び５２０はかなりの量の画像コントラスト向上を示している。

[083] 図３～図５に示されたように、ＡＲＭＡフィルタリング技法を使用して超音波チャネルデータをフィルタリングしてクリーンなデータを取得すると、ＤＡＳなどの一般的な画像処理技術と比較して画像コントラストが向上する。

[084] 図６は、４０ｍｍ直径の無響嚢腫病変を含むシミュレーションファントムの画像６００を示す。画像は、６４エレメントＰ４－２フェーズドアレイに対してシミュレートされた。すべての画像は６０ｄＢのダイナミックレンジで示されている。画像６０５は、標準遅延加算（ＤＡＳ）ビーム形成を使用して生成された。画像６１０は、本開示の原理による時間－空間ドメイン（Ｔ－Ｘ）ＡＲＭＡフィルタリング技法を使用して生成された。Ｔ－Ｘ ＡＲＭＡフィルタリング技法は１回実行された。すなわち、プロセスは、結果として生じたクリーンなデータを用いて繰り返されなかった。両方の画像６０５及び６１０は、ランダムノイズがない状態で取得された。画像６０５と画像６１０を比較すると、Ｔ－Ｘ ＡＲＭＡフィルタリングは軸外クラッタを抑制し、画像コントラストの向上をもたらしている。画像６１５は標準ＤＡＳビーム形成を使用して生成され、画像６２０はＴ－Ｘ ＡＲＭＡを使用して生成された。画像６１５及び６２０には、ランダムノイズがチャネルデータに存在していた。画像６１５と画像６２０を比較すると、Ｔ－Ｘ ＡＲＭＡフィルタリングはランダムノイズと軸外クラッタの両方を抑制し、画像コントラストの向上をもたらしている。Ｔ－Ｘ ＡＲＭＡ画像６１０及び６２０は、図３に示されたＦ－Ｘ ＡＲＭＡ画像３１０及び３２０よりもコントラストがわずかに小さいが、Ｔ－Ｘ ＡＲＭＡ画像は依然としてＤＡＳ画像と比較してコントラストの改善を示している。したがって、Ｆ－Ｘ ＡＲＭＡ画像と比較してＴ－Ｘ ＡＲＭＡ画像の速い計算時間を考慮すれば、Ｔ－Ｘ ＡＲＭＡフィルタリング技法は、用途によっては、許容され、及び／又は優先される。

[085] 図７は、心臓の心尖部四腔像の画像７００を示す。すべての画像は６０ｄＢのダイナミックレンジで示されている。画像７０５、７１０、及び７１５は「容易な」患者から取得された。画像７２０、７２５、及び７３０は「困難な」患者から取得された。画像７０５及び７２０はＤＡＳビーム形成を使用して生成され、画像７１０及び７２５は、Ｔ－Ｘ ＡＲＭＡフィルタリング技法の１回の反復を適用することによって生成された。画像７１５及び７３０は、Ｔ－Ｘ ＡＲＭＡフィルタリング技法の５回の反復を適用することによって生成された。すなわち、第１の反復のＴ－Ｘ ＡＲＭＡフィルタリング技法からの「クリーンな」データが、この技法に４回フィードバックされた。容易な患者と困難な患者の両方に対して取得された画像において、画像コントラストは、ＤＡＳ画像７０５及び７２０では軸外クラッタ及び残響クラッタが存在するために著しく低下している。しかしながら、かなりの量の画像コントラスト向上が、単一の反復と多数の反復の両方に対してＴ－Ｘ ＡＲＭＡフィルタリングにより観察される。画像７１５及び７３０に示されるように、Ｔ－Ｘ ＡＲＭＡフィルタリング技法の多数の反復を実行することは、Ｔ－Ｘ ＡＲＭＡフィルタリング技法の単一の反復の後に残っているクラッタ信号をさらに抑制するのに役立つ。

[086] 図６及び図７に示されたように、ＡＲＭＡフィルタリング技法を使用して超音波チャネルデータをフィルタリングしてクリーンなデータを取得すると、Ｔ－Ｘ ＡＲＭＡ方法を使用する場合でさえ、ＤＡＳなどの一般的な画像処理技術と比較して画像コントラストが向上する。

[087] 本開示の原理によれば、本明細書で説明するようなＡＲＭＡフィルタリング技法（例えば、ＡＲＭＡ方法）を超音波チャネルデータに適用して、ランダムノイズ、音響クラッタ、及び／又は残響クラッタを抑制し、それにより、画像コントラストを向上させることができる。これにより、画像内の解剖学的特徴を突き止め、認識し、及び／又は測定する臨床医の能力が改善される。コントラストの改善により、超音波画像に基づいて診断を行う臨床医の能力が改善される。

[088] 構成要素、システム、及び／又は方法がコンピュータベースシステム又はプログラマブルロジックなどのプログラマブルデバイスを使用して実現される様々な実施形態では、上述のシステム及び方法は、「Ｃ」、「Ｃ＋＋」、「ＦＯＲＴＲＡＮ」、「Ｐａｓｃａｌ」、「ＶＨＤＬ」などの様々な既知の又は将来開発されるプログラミング言語のいずれかを使用して実現されることが理解されるべきである。それに応じて、上述のシステム及び／又は方法を実現するために、コンピュータなどのデバイスに指示する情報を含むことができる磁気コンピュータディスク、光ディスク、電子メモリなどのような様々な記憶媒体を準備することができる。適切なデバイスが記憶媒体に含まれる情報及びプログラムにアクセスした後、記憶媒体は情報及びプログラムをデバイスに提供し、それにより、デバイスは本明細書に記載されたシステムの機能及び／又は方法を実行することができる。例えば、ソースファイル、オブジェクトファィル、実行可能ファイルなどのような適切な材料を含むコンピュータディスクがコンピュータに提供された場合、コンピュータは、様々な機能を実現するために、情報を受け取り、それ自体を適切に構成し、上述の図及び流れ図で略述された様々なシステム及び方法の機能を実行することができる。すなわち、コンピュータは、上述のシステム及び／又は方法の異なる要素に関連するディスクからの情報の様々な部分を受け取り、個々のシステム及び／又は方法を実施し、上述の個々のシステム及び／又は方法の機能を連携させることができる。

[089] 本開示に鑑みて、本明細書に記載された様々な方法及びデバイスは、ハードウェア、ソフトウェア、及びファームウェアで実現することができることに留意されたい。さらに、様々な方法及びパラメータは、単に例として含まれており、限定の意味では含まれていない。本開示に鑑みて、当業者は、本発明の範囲内にとどまりながら、自身の技法と、これらの技法に影響を与えるための必要な機器とを決定する際に、本教示を実施することができる。本明細書に記載されたプロセッサのうちの１つ又は複数に関する機能は、より少ない数又は単一の処理ユニット（例えば、ＣＰＵ）に組み込まれてもよく、本明細書に記載された機能を実行する実行可能命令に応答してプログラムされる特定用途向け集積回路（ＡＳＩＣ）又は汎用処理回路を使用して実施されてもよい。

[090] 本システムが超音波イメージングシステムを参照して説明されたが、本システムは他のイメージング技法に拡張することができる。追加として、本システムは、限定はしないが、腎臓、睾丸、前立腺、胸部、卵巣、子宮、甲状腺、肝臓、肺臓、筋骨格、脾臓、神経、心臓、動脈、及び脈管系、に関連する情報を得る及び／又は記録するために、並びに超音波ガイド下の介入及び実時間医用イメージングによってガイドされる他の介入に関連する他のイメージング用途に対して使用される。さらに、本システムはまた、本システムの特徴及び利点を提供するように、実時間イメージング構成要素の有無を問わず非超音波イメージングシステムで使用される１つ又は複数の要素を含むことができる。

[091] さらに、本方法、システム、及び装置は、例えば超音波イメージングシステムなどの既存のイメージングシステムに適用することができる。適切な超音波イメージングシステムは、例えば小部分のイメージングに適する従来の広帯域リニアアレイトランスデューサをサポートするＰｈｉｌｉｐｓ（登録商標）超音波システムを含むことができる。

[092] 本発明の特定の追加の利点及び特徴は、開示を検討する際に当業者には明らかであり、又は本発明の新規なシステム及び方法を利用する人によって経験され、その主要なものは超音波イメージングシステムによる音響クラッタ及びランダムノイズの低減であり、その動作の方法が提供される。本システム及び方法の別の利点は、従来の医用イメージングシステムが、本システム、デバイス、及び方法の特徴及び利点を組み込むように容易にアップグレードされることである。

[093] 当然、上述の実施形態又はプロセスのうちの任意の１つが、１つ又は複数の他の実施形態及び／又はプロセスと組み合わされてもよく、又は本システム、デバイス、及び方法に従って別個のデバイス若しくはデバイス部分間で分離及び／又は実行されてもよいことが理解されるべきである。

[094] 最後に、上述の議論は、本システムの単なる例示であることが意図されており、添付の特許請求の範囲を特定の実施形態又は実施形態のグループに限定するように解釈されるべきでない。したがって、本システムが例示的な実施形態を参照して特に詳細に説明されたが、多数の変更及び代替の実施形態が、以下の特許請求の範囲に記載される本システムのより広い及び意図された趣旨及び範囲から逸脱することなく、当業者によって考案され得ることも理解されるべきである。したがって、本明細書及び図面は、例示と見なされるべきであり、添付の特許請求の範囲を限定するようには意図されない。

Claims (15)

1. 超音波チャネルデータを取得するステップと、
   自己回帰移動平均モデルにより予測誤差フィルタを生成するステップと、
   前記予測誤差フィルタを用いて前記超音波チャネルデータのノイズを推定するステップと、
   クリーンなチャネルデータを得るために前記超音波チャネルデータから前記ノイズを減じるステップと
   を有する、方法。
2. 前記方法が超音波スキャンの深さごとに繰り返される、請求項１に記載の方法。
3. 前記予測誤差フィルタを生成するステップ、前記超音波チャネルデータの前記ノイズを推定するステップ、及び前記超音波チャネルデータから前記ノイズを減じるステップが、前記クリーンなチャネルデータに少なくとも部分的に基づいて反復して実行される、請求項１に記載の方法。
4. 前記予測誤差フィルタを生成する前に前記超音波チャネルデータを時間－空間ドメインから周波数－空間ドメインに変換するステップと、
   前記クリーンなチャネルデータを前記周波数－空間ドメインから前記時間－空間ドメインに変換するステップと
   をさらに有し、オプションで、前記方法が、超音波トランスデューサの帯域幅の時間周波数及び／又は時間周波数ビンごとに繰り返される、請求項１に記載の方法。
5. 前記自己回帰移動平均モデルにより予測誤差フィルタを推定するステップが、
   前記予測誤差フィルタの多次数モデルを生成するステップと、
   前記多次数モデル及び前記超音波チャネルデータを行列形式に変形するステップと、
   前記予測誤差フィルタの固有値問題を解くステップであって、前記固有値問題が、ノイズの分散と予測誤差行列との積に等しい、ノイズ性シーケンスの相関行列と前記予測誤差行列との積を含む、解くステップと
   を含み、
   前記予測誤差フィルタの前記固有値問題の解が、前記ノイズ性シーケンスの前記相関行列の最小固有値に対応する固有ベクトルである、請求項１に記載の方法。
6. 前記超音波チャネルデータの前記ノイズを推定するステップが、前記予測誤差フィルタ及び前記ノイズ性シーケンスを逆畳み込みするステップを有する、請求項５に記載の方法。
7. 前記予測誤差フィルタを生成する前に、前記超音波チャネルデータに、幾何学的位置合せを行うか又は遅延を付与するステップをさらに有する、請求項１に記載の方法。
8. 前記クリーンなチャネルデータを加算するステップをさらに有する、請求項１に記載の方法。
9. 超音波信号を送受信する超音波トランスデューサアレイと、
   受信した前記超音波信号に少なくとも部分的に基づいてチャネルデータを送信する超音波トランスデューサに動作可能に結合された少なくとも１つのチャネルと、
   前記少なくとも１つのチャネルに動作可能に結合された信号プロセッサであって、前記信号プロセッサが、
   前記少なくとも１つのチャネルから前記チャネルデータを取得し、
   自己回帰移動平均モデルにより予測誤差フィルタを生成し、
   前記予測誤差フィルタを用いて前記チャネルデータのノイズを推定し、
   クリーンなチャネルデータを得るために前記チャネルデータから前記ノイズを減じる、信号プロセッサと
   を含む、超音波イメージングシステム。
10. 前記超音波トランスデューサアレイが、複数のトランスデューサ要素を含み、前記少なくとも１つのチャネルが、前記複数のトランスデューサ要素の各々に対するチャネルを含む、請求項９に記載の超音波イメージングシステム。
11. 前記チャネルデータの遅延及び／又は幾何学的な位置合せを行うビームフォーマをさらに含み、前記信号プロセッサが、前記ビームフォーマからの前記チャネルデータを取得する、請求項９に記載の超音波イメージングシステム。
12. ビーム加算データを取得するステップであって、前記ビーム加算データが、複数の方向の複数の超音波送信イベントに応答している、取得するステップと、
    自己回帰移動平均モデルにより予測誤差フィルタを生成するステップと、
    前記予測誤差フィルタを用いて前記ビーム加算データのノイズを推定するステップと、
    クリーンなデータを生成するために前記ビーム加算データから前記ノイズを減じるステップと
    を有する、方法。
13. 前記ビーム加算データが複数のビーム加算信号を含み、前記複数のビーム加算信号の各々が複数の深さを有し、前記予測誤差フィルタを生成するステップ、前記ノイズを推定するステップ、及び前記ノイズを減じるステップが、前記複数の深さの各々に対する前記複数のビーム加算信号の各々について繰り返される、請求項１２に記載の方法。
14. 前記ビーム加算データが、異なるそれぞれのビーム送信方向から得られた複数のビーム加算信号をコヒーレントに合成することに基づいて生成される、請求項１２に記載の方法。
15. 前記複数の超音波送信イベントの各々が、平面波又は発散波である、請求項１２に記載の方法。

Images