JP7360522B2 - 超音波を用いた組織微小脈管構造の可視化のためのシステム及び方法 - Google Patents

Description

＜関連出願の相互参照＞
本出願は、２０１７年５月１９日に出願された、「超音波を用いた組織微小脈管構造の可視化のためのシステム及び方法」と称する米国仮出願第６２／５０８，８８４号及び２０１７年８月７日に出願された、「超音波を用いた組織微小脈管構造の可視化のためのシステム及び方法」と称する米国仮出願第６２／５４１，９４２号の利益を主張し、両仮出願の内容は全て参照により本明細書に組み込まれているものとする。

＜連邦政府の支援による研究に関する言明＞
本発明は、米国国立衛生研究所により授与されたＣＡ１９５５２７、ＣＡ１４８９９４及びＥＢ０１７２１３による政府の支持によりなされた。政府は、本発明において一定の権利を有する。

体内における数センチメートルの深さにあるサブミリメートルサイズの脈管構造のイメージングは、医療イメージングにおいていまだにチャレンジングな課題である。従来、所望の画像は造影剤を用いる磁気共鳴及び顕微コンピュータ断層撮影法（マイクロＣＴ）を用いて取得される。しかしながら、調査及び臨床応用におけるこれらの方法の有用性は操作及びコストの両方の面で制限があり、即ち、これらの方法の何れかを実施するためには、造影剤の投与が必要であり、コストが高く、イメージング時間が長く、そしてこれらのモダリティのポータビリティも低い。また、ドップラー超音波アプローチも組織血管及び大規模血行動態のリアルタイムイメージングに従来用いられている。しかしながらこの方法の使用については、空間的に広く散乱した組織領域（例えば腹部臓器など）をイメージングしなければならない際に解像度及び性能が低いという問題を抱え続けている。概してこれらのイメージング法を採用した結果得られる組織の（複数の）血管のマップはかなり断片化されており、このことが血管ネットワークの形態学的特徴の解釈を不可能ではないにしろ非常に複雑にしている。

最近導入されたサブミリメートルサイズの組織脈管分布の可視化のための超高感度ドップラー超音波ベースモダリティは、マルチアングル複合を伴う平面波イメージング（ｐｌａｎｅ－ｗａｖｅ ｉｍａｇｉｎｇ）に基づいており、高いフレームレートで広いフィールド・オブ・ビュー（ＦＯＶ）内で高品質のイメージングを可能とするとともに、空間的ドメイン及び時間的ドメインの両方におけるコヒーレンスの分析を可能とする。この原理に基づき、また特異値閾値処理（ｓｉｎｇｕｌａｒ ｖａｌｕｅ ｔｈｒｅｓｈｏｌｄｉｎｇ）（ＳＶＴ）を用いたマイクロメートルレベルでの脈管構造の高品質な可視化が最近報告されており、このことは例えばＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｍｅｄｉｃａｌ Ｉｍａｇｉｎｇ，ｖｏｌ．３４，２２７１－２２８５頁，２０１５年に記載されている。

この最近導入された方法論の根底にある主たる前提は、組織のバルク的動き及び血流が超音波後方散乱エコーに異なるシグネチャを残すというものであり、このシグネチャは２つの異なるサブ空間を占め、即ち、組織クラッタ信号は主に後方散乱エネルギーの９９％以上を構成する強相関サブ空間内にあり、一方で血流は非常に弱い振幅（例えばクラッタ信号よりも３０ｄＢ以上小さいレベル）で弱相関サブ空間内に存在する。この前提の下、時間的共分散行列のＳＶＴによって、信号コヒーレンスに基づく閾値化演算を介して２つのサブ空間を分離することが容易となる。

しかしながら、（複数の）ＳＶＴ法の基礎となる上記の前提が何を考慮しているのかというと、血液信号に加えて補助的なノイズもまた弱相関サブ空間内に存在するということである。そのような付加的なノイズは、電子機器及びスペックルとしても知られる超音波散漫散乱パターンのランダムな再配置が原因で生じる。超音波画像は、ほんの数例を挙げれば、正反射、エッジアーチファクト及び超音波エネルギーの部分的若しくはグローバルな組織吸収によるシャドーイングなどの複数の物理現象に起因する強度のばらつきの影響を受けやすい（そして結果としてイメージングプロセスもこれに悩まされる）ことが知られている。これらの信号振幅のばらつきはＳＶＴから得られたサブ空間を均等化するために直接組み込むことはできない。したがって、ＳＶＴから導出された脈管構造が可視化されるとともに異なるダイナミックレンジにて異なる深さ（即ち、例えば適切な信号のダイナミックレンジはイメージング深さが深くなるにつれ変化する）及び位置にて目に見えるようになる。

上記の分析により、現在用いられているＳＶＴに基づく方法はうわべだけのほぼ均一な組織脈管構造イメージング（全超音波後方散乱エコーと比べると無相関付加的ノイズ寄与が大きくない）についてしか上手くいかないものだということは、当業者はすぐに理解するであろう。しかしながら、より現実的なシチュエーションでは、ダイナミックレンジを一定に保つことによって、画像のなかの一部において脈管の見易さが低下する又は他の部分の脈管の画像が飽和画像となる可能性がある。関連技術は、ドメイン全体で信号パワーが一定であると仮定できるようにＳＶＤ分解のために空間ドメインを縮小することでこの問題を緩和しようと試みた。しかしながら、そのような方法の重たる欠点は、計算コストが過剰であることに加えて、組織と血液の信号成分の分解のための基底ベクトルの数が減少するという点である。そしてこの減少した空間は、減少した信号空間内では小さい脈管内の微細な血液ダイナミクスが良好に表現されないであろうが為に最終画像の空間解像度を制限する可能性がある。ＳＶＴに基づく方法論によって解決されるべき残された問題にいまだ直面したままである。

本開示は、超音波システムを用いて組織微小脈管構造を描写する画像を生成する方法を提供することで上記の欠点に対処する。この方法は、超音波イメージングシステムを用いて、組織の血管の第１の画像のシーケンスを記録する工程を有し、前記血管は第１の空間的スケールを有する。前記第１の画像のシーケンスの強相関超音波データから前記第１の画像のシーケンスの弱相関超音波データを分離することによって、前記第１の画像のシーケンスが第２の画像に変換される。前記分離することは、予め定められた閾値に基づき行われる。前記弱相関超音波データは血液活動を表す。前記強相関超音波データは、特異値で、エネルギーの９９％以上を表す。円形モルフォロジー構造を用いて、前記第２の画像から、第２の空間的スケールを有する特徴に対応する空間的に異なるバックグランド信号を少なくとも１０ｄＢ減少させることによって、第３の画像が生成される。前記超音波イメージングシステムのプローブと前記血管の相対配向によって生じる超音波のゆらぎを補償するために前記第３の画像内で強度のばらつきを均等化することによって、前記第３の画像が第４の画像に変換される。示された前記血管の可視性が、前記超音波イメージングシステムから視認可能アウトプットを形成しながら見るために調整される。前記第３の画像は、前記血管を筒状構造として表現したものに基づき修正されたものである。

本開示の別の側面は、超音波システムを用いて組織微小脈管構造を描写する画像を生成する方法を提供することである。この方法は、超音波システムを用いて対象の関心領域から超音波エコーデータを取得する工程を含み、前記関心領域は組織微小脈管構造を含む。ハードウェアプロセッサ及びメモリを用いて遂行されるクラッタ除去アルゴリズムを前記超音波エコーデータに対して実行することでクラッタ除去データが生成される。前記クラッタ除去データに対して時間フーリエ変換を実行することでスペクトルデータが生成される。前記スペクトルデータ内の負の周波数データが負の周波数スペクトルデータとして格納され、前記スペクトルデータ内の正の周波数データが正の周波数スペクトルデータとして格納される。前記負の周波数スペクトルデータから第１の画像が再構成され、前記正の周波数スペクトルデータから第２の画像が再構成される。アーチファクト及びノイズを減少させるために、前記第１の画像と前記第２の画像を組み合わせることで、組織微小脈管構造を描写する第３の画像が生成される。

本開示の上記の及びその他の側面及び利点は以下の記載から明らかとなる。本明細書は、その一部を構成するとともに好ましい実施形態を例示する添付の図面を参照して記載されている。この実施形態は、必ずしも本発明の全範囲を表すものではないが、本発明の範囲は、特許請求の範囲及び本明細書の記載に基づいて解釈されるべきである。

本発明の実施形態の実施に用いることができる超音波システムの例を示す。 本発明の実施形態に係るプロセスの一般化フローチャートを示す。 本発明の実施形態に係る組織クラッタ除去のプロセスの一般的なフローを説明するブロックスキームを示す。 脈管構造の画像からのバックグランドクラッタ除去のプロセスのブロック図を示す。 （ａ）は、健康なボランティアの腎臓脈管構造のＳＶＴフィルタされた画像であり、（ｂ）及び（ｃ）は、（ａ）に示す小さい四角形のボックスからの選択された小領域画像であって、各領域信号強度に調整されたダイナミックレンジで示されている。 グロス画像からのラインセグメントに重ねられた局所的及びグローバルな信号強度のばらつきを示す。 （ａ）は、健康なボランティアの腎臓脈管構造のＳＶＴフィルタされた画像であり、（ｂ）は、円形構造化要素を用いて推定されたバックグランドであり、（ｃ）は、トップハットフィルタ画像である。（ｄ）、（ｅ）及び（ｆ）は、（ａ）、（ｂ）及び（ｃ）の画像内で四角形のボックスで輪郭が示された画像の一部をそれぞれ拡大スケールで示したものである。 （ａ）は、自然腎のＢモード画像であり、（ｂ）は、５スケールＶＥＦ法を用いて形成された脈管構造画像であり、（ｃ）は、（ａ）の登録されたＢモード画像に重ねられた（ｂ）の脈管構造画像である。 （ａ）は、特異値分解後のグロス脈管画像であり、（ｂ）は、トップハットフィルタ処理後のバックグランドのない画像であり、（ｃ）は、脈管強調フィルタ処理後の最終脈管画像である。（ｄ）、（ｅ）及び（ｆ）は、（ａ）、（ｂ）及び（ｃ）の画像内で四角形のボックスで輪郭が示された画像の一部をそれぞれ拡大スケールで示したものである。 特異値分解後の脈管構造画像に重ねられた主に大きい脈管で占められる領域から選択された代表的なラインセグメントである。 トップハットフィルタ処理後の画像である。 脈管強調フィルタ処理後の画像である。 図８Ａ、８Ｂ及び８Ｃの各画像からのラインセグメントに沿った強度曲線である。 項目別パラメータの概要を示す表１である。 特異値分解後の脈管構造画像に重ねられた大部分が小さい脈管で占められる領域から選択された代表的なラインセグメントである。 トップハットフィルタ処理後の画像である。 脈管強調フィルタ処理後の画像である。 図９Ａ、９Ｂ及び９Ｃの各画像からのラインセグメントに沿った強度曲線である。 項目別パラメータの概要を示す表２である。 （ａ）は、健康なボランティアの肝臓における肝臓脈管構造ネットワークのＢモード画像であり、（ｂ）は、ＳＶＴを用いた脈管のグロス画像であり、（ｃ）は、ＴＨＦを用いたバックグランド除去後の脈管構造画像であり、（ｄ）は、ＶＥＦ後の肝臓脈管構造ネットワークの最終画像である。 （ａ）は、２つの垂直な黒色の柱間において識別された悪性甲状腺乳頭腫瘍のＢモード画像であり、（ｂ）は、ＳＶＴを用いた小節内のグロス脈管構造イメージングの画像であり、（ｃ）は、ＴＨＦを用いたバックグランド除去後の脈管構造画像であり、（ｄ）は、ＶＥＦ後の小節内の脈管構造ネットワークの最終画像である。 （ａ）は、明確に定義された境界を有する低エコー領域として識別された良性乳腺線維腺腫のＢモード画像であり、（ｂ）は、ＳＶＴを用いた病変内のグロス脈管構造イメージングの画像であり、（ｃ）は、ＴＨＦを用いたバックグランド除去後の脈管構造画像であり、（ｄ）は、ＶＥＦ後の病変内の脈管構造ネットワークの最終画像である。 超音波ビームに対する血管の配向を説明する図である。 （ａ）は、健康なボランティアにおける腎臓の高フレームレート超音波データのシーケンスであり、（ｂ）は、組織クラッタのない微小脈管構造ネットワークであり、（ｃ）は、カラーフローマスクであり、（ｄ）は、血流速度推定を含む最終カラーフローマップである。 マルチレベル脈管フィルタ処理プロセスの一般化されたブロック図である。 組織クラッタ（青）、ＳＶＤ後の組織クラッタ残分アーチファクト（黒）、血液（赤）及びノイズ（緑）のスペクトル特性の例である。 スペクトルサブトラクション法を用いて組織微小脈管構造画像内のアーチファクト及びノイズを減少させるための例示的な方法のステップを規定するフローチャートである。 動きに関係するぼけ及びアーチファクトを減少させるための動き補償とともにスペクトルサブトラクション法を用いて組織微小脈管構造画像内のアーチファクト及びノイズを減少させるための例示的な方法のステップを規定するフローチャートである。

本明細書において、画像のセグメンテーション及び組織微小脈管ネットワーク内の（複数の）血流速度の推定を向上させるように組織微小脈管構造の超音波可視化を促進するためのシステム及び方法について記載する。

本開示の実施形態は、パワードップラーモード及び（組織の）カラーフローイメージング（ｃｏｌｏｒ ｆｌｏｗ ｉｍａｇｉｎｇ）の両方における小さい脈管の可視化の容易化に向けられたものであり、その画像は、関連技術の特異値閾値処理（ＳＶＴ）「クラッタ除去」アプローチを用いて得られる。本開示のいくつかのその他の実施形態は、アーチファクト及びノイズ抑制を介した小さい脈管の可視化を容易にすることに向けられたものである。本開示のさらに他の実施形態は、動き補償を介した小さい脈管の可視化を容易にすることに向けられたものである。

これまでは、ＳＶＴは、強相関組織クラッタ後方散乱信号を血液信号から分離して、従来のドップラーイメージング法を用いて達成することはできない高解像度にて小さい脈管を可視化するための強力なツールであるとされていた。しかしながら、ＳＶＴにより生じた画像内の数々の望ましくない特徴は、組織構造のさらなる画像に基づく評価、例えば脈管形態の分析などを妨げ続けていた。時間ゲイン補償（ＴＧＣ）は、時に、通常のＢモードイメージングを用いた際に所定のダイナミックレンジにて超音波フィールド・オブ・ビュー内における組織の異なる深さを可視化するために用いられる。ＴＧＣが採用された場合。ＳＶＴ処理後におけるもっとも支配的な残余成分は、深さに依存するバックグランド信号であり、これは深さとともに漸進的に増大する。この存在し続ける問題は、従来の特異値分解法が深さに関係なく全ての寄与ベクトルに等しい重みを与える又は割り当てるという事実から主に生じている。そのような割り当ての結果として、クラッタサブ空間が取り除かれた後であっても、合成画像にさまざまな振幅のバックグランド信号が含まれていると判断された。ＳＶＴ画像におけるさらなる問題は、超音波エコー信号の深刻な局所的な強度のばらつきに関するものであり、これは強く反射する組織要素及び／又は組織不均一性の（複数の）空間配向から生じ得る。そしてそのような局所的な強度のばらつきは、ＳＶＴにより導出された脈管画像に存在するバックグランド信号の局所的なばらつきを生じさせる。

上記の影響は、異なるサイズスケール及び深さにおける画像内の脈管の可視性を総体的に制限し、セグメンテーションアルゴリズム（これにはターゲット脈管領域をバックグランドから完全に分離することが必要となる）の使用を事実上妨げる。提案の方法論の強み及び利点は、円形構造化要素を用いるトップハットフィルタ処理（ｔｏｐ－ｈａｔ ｆｉｌｔｅｒｉｎｇ）（ＴＨＦ）の形式の（特定の予め定められたスケール又は範囲よりも大きいサイズスケールで現れるバックグランド信号を除去するよう構成された）モルフォロジー（形態）に基づくフィルタ処理を利用する二段階アプローチを用いてこれらの問題を解決するということにある。この構造化要素の直径は、最大の所望脈管サイズよりも大きくなるよう慎重に定義されるとともに、調整されるべき選択のパラメータである。例えば、主要な頸動脈に隣接する甲状腺結節内の微小脈管構造をイメージングする場合（微小脈管構造及び動脈の両方が脈管を表す）、構造化要素のサイズは、動脈を除去するのに十分小さくかつ甲状腺内及び可能性として考えられる甲状腺結節内部における関心のあるより大きい脈管を保存するのに十分大きくなるよう、選択される。加えて、ＴＨＦは、オープニングモルフォロジー演算（ｏｐｅｎｉｎｇ ｍｏｒｐｈｏｌｏｇｙ ｏｐｅｒａｔｉｏｎｓ）に基づくバックグランド除去アルゴリズムのグループについての一般用語である。他の方法でＴＨＦを置き換えることもできるが、解像度が低下する又は計算コストが大きく増大することとなる。

そのような組み合わせの結果、バックグランドブランケット信号の大部分がイメージングデータから除去され、イメージング領域全体にわたって脈管マップにおいてより良い接続性を観測できるように局所的な強度のばらつきが補償される。提案のアルゴリズムは、その後、バックグランド抑制及び脈管可視性をさらに向上させるためにヘッセに基づく脈管強調フィルタ処理（Ｈｅｓｓｉａｎ－ｂａｓｅｄ ｖｅｓｓｅｌ ｅｎｈａｎｃｅｍｅｎｔ ｆｉｌｔｅｒｉｎｇ）に進む。脈管強調フィルタ処理（ＶＥＦ）により提供された可視化の容易化に加えて、表１（図８Ｅ）及び表２（図９Ｅ）にまとめたように各処理ステージ後に大きな定量的ゲインが達成された。ＳＶＴ及びＴＨＦ＋ＶＥＦと比べてＴＨＦ単独では少なくとも１０ｄＢが得られ、バックグランドからの脈管の分離において最小ゲインが約２３ｄＢとなり、空間解像度への影響は最小限である。（ＳＶＴ＋ＴＨＦ＋ＶＥＦ）の合成ゲインは、通常のＢモードイメージングと比べて少なくとも５３ｄＢである。

開示された方法は、本発明者らの知る限りでは、超音波により検出された微小脈管構造に脈管フィルタ処理を適用するための初の試みであり、後述する結果との比較に利用できるデータは、少なくとも達成されたゲインの観点では、文献に無いと思われる。本明細書に報告した２３ｄＢというゲインは最低限達成可能なゲインであり、（ＴＨＦ＋ＶＥＦ）のプロセスの組み合わせは画像からバックグランドを実質的に完全に除去することができる可能があり故にコントラスト－ノイズ比が実質的に無限となるので、ゲインの桁は非常に大きくなり得る。

提案の方法により達成された効果的なバックグランド抑制によって、脈管構造の形態学
的特徴の効果的なセグメンテーション及び分析が可能となる。血液供給は血管新生というプロセスによって提供されることから、灌流は悪性腫瘍の特徴と考えられる。関連技術（特に、Ｒ．Ｃ．Ｇｅｓｓｎｅｒら著の「音響血管造影検査を用いた微小脈管構造のマッピングによりげっ歯類モデルの健康組織体積と担がん組織体積の間に定量化可能な差異がもたらされる」，Ｒａｄｉｏｌｏｇｙ，２０１２；２６４：７３３－７４０）においては、形態学的特徴ががん腫瘍の識別のための潜在的なバイオマーカーとして機能できることを示すために造影剤を使用する音響血管造影検査を利用する必要があるが、これに対して、本方法論は、非常に大きい処理ゲインが得られるので連続的な脈管マップの取得には画像化組織への造影剤の投与が全く不要であり、これにより造影剤投与に従来伴っていた副作用及び患者の不快感が実質的にない、高需要の組織微小脈管構造イメージングを達成することができる。さらに、提案の方法論は、少なくとも関連技術で用いられるより高い高調波の代わりに基本周波数を用いて脈管画像が導出されるという理由から、音響血管造影検査と比べて組織内のより深い深さにおいて高品質なイメージングを確実に行えるようにする。

図１は、本開示に記載の方法を遂行できる超音波システム１００の例を示す。超音波システム１００は、複数の別々に駆動されるトランスデューサ素子１０４を有するトランスデューサアレイ１０２を含む。トランスデューサアレイ１０２は、直線的に配列されたアレイ、曲線状に配列されたアレイ、フェーズドアレイなどを含むあらゆる適切な超音波トランスデューサアレイを含むことができる。同様に、トランスデューサアレイ１０２は、１Ｄトランスデューサ、１．５Ｄトランスデューサ、１．７５Ｄトランスデューサ、２Ｄトランスデューサ、３Ｄトランスデューサなどを含むことができる。

与えられたトランスデューサ素子１０４は、トランスミッタ１０６によって通電されると超音波エネルギーのバーストを生成する。研究対象の物体又は対象からトランスデューサアレイ１０２に向けて反射された超音波エネルギー（例えばエコー）は、各トランスデューサ素子１０４によって電気信号（例えばエコー信号）に変換されて、スイッチ１１０のセットを介してレシーバ１０８に別々に与えることができる。トランスミッタ１０６、レシーバ１０８及びスイッチ１１０は、一以上のプロセッサを含み得るコントローラ１１２による制御の下で動作する。一例として、コントローラ１１２はコンピュータシステムを含むことができる。

トランスミッタ１０６は、非焦点式又は焦点式超音波を送るようプログラムすることができる。一部の構成では、トランスミッタ１０６は、発散波、球面波、円筒波、平面波又はこれらの組み合わせを送るようにもプログラムすることができる。さらに、トランスミッタ１０６は空間的又は時間的にエンコードされたパルスを送るようプログラムすることができる。

レシーバ１０８は、イメージングタスクの適切な検出シーケンスを手近で遂行するようプログラムすることができる。いくつかの実施形態では、検出シーケンスは、詳細なスキャニング、複合平面波イメージング、合成開口イメージング及び複合発散ビームイメージングのうちの一以上を含むことができる。

一部の構成では、トランスミッタ１０６及びレシーバ１０８は、高フレームレートを実現するようプログラムすることができる。例えば、少なくとも１００Ｈｚの取得パルス繰り返し周波数（「ＰＲＦ」）に関連するフレームレートを実現することができる。一部の構成では、超音波システム１００は、時間方向に沿ってエコー信号の少なくとも百のアンサンブルをサンプリングして格納することができる。

コントローラ１１２は、本開示に記載の技術あるいは当該分野で周知の技術を用いてイ
メージングシーケンスを遂行するようプログラムすることができる。一部の実施形態では、コントローラ１１２は、イメージングシーケンスの設計に使用される各種因子を定義するユーザインプットを受信する。

スキャンは、スイッチ１１０をその送信位置に設定し、これにより、トランスミッタ１０６を一時的にオンにして、選択されたイメージングシーケンスに応じた１つの送信イベントの間トランスデューサ素子１０４に電力を与えることで、実行することができる。その後スイッチ１１０をその受信位置に設定することができ、一以上の検出されたエコーに応答してトランスデューサ素子１０４によって生成された後続のエコー信号が測定されてレシーバ１０８に与えられる。トランスデューサ素子１０４からの別々のエコー信号を、１つのエコー信号を生成するためにレシーバ１０８内で組み合わせることができる。

エコー信号から生成されたエコー信号又は画像を処理するために、エコー信号がハードウェアプロセッサ及びメモリによって実現され得る処理ユニット１１４に伝達される。例えば、処理ユニット１１４は本開示に記載の方法を用いて小さい脈管の画像を作成することができる。処理ユニット１１４によってエコー信号から作成された画像はディスプレイシステム１１６に表示することができる

メモリは、制御ソフトウェア又は他の命令及びデータの格納に適した、ランダムアクセスメモリ（ＲＡＭ）、読み出し専用メモリ（ＲＯＭ）、フラッシュメモリ若しくはあらゆる他のメモリ又はこれらの組み合わせでもよい。本開示に記載の実施形態に沿った動作を定義する命令又はプログラムは、書き込み不可能な記憶媒体に恒久的に格納された情報（例えば、ＲＯＭなどのコンピュータ内の読み出し専用メモリ装置又はＣＤ－ＲＯＭ若しくはＤＶＤディスクなどのコンピュータＩ／Ｏ付属品によって読み出し可能な装置）、書き込み可能記憶媒体に変更可能に格納された情報（例えばフロッピーディスク、取り外し可能フラッシュメモリ及びハードドライブ）又は有線若しくは無線コンピュータネットワークを含む通信媒体を介してコンピュータに伝達された情報を含む、しかしこれらに限定されない、多くの形でプロセッサに送られてもよいことを、当業者はすぐに理解するであろう。加えて、本開示に記載された方法をソフトウェアに組み込んでもよく、同時に、これらの方法を実行するための機能を、オプションで又は代替的に、部分的に又は全体で、組み合わせ論理、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）などのファームウェア及び／若しくはハードウェア部品、又は他のハードウェア、又はハードウェア、ソフトウェア及び／若しくはファームウェア部品の組み合わせを用いて、組み込んでもよい。

本開示に記載のシステム及び方法は、局所的及びグローバルなイメージングバックグランドを除去しつつ小さい脈管の構造に関する情報を維持するモルフォロジーフィルタ処理法をマルチスケール脈管分析と組み合わせることによって、組織脈管構造のＳＶＴに基づくグロス画像の精製、クリーニング又は強調を達成することができるという認識から生じている。一部の実施形態では、ＳＶＴに基づく画像は、一定ではなく脈管構造が位置する深さによって異なるダイナミックレンジにて脈管構造を示すことが好ましく、また少なくとも（複数の）脈管の配向及び血液の流れの方向を変えることによって生じるバリエーションを有するべきである。具体的には、モルフォロジーフィルタ処理法に対する改良は、問題にしている脈管構造の（複数の）サイズを考慮するためにその重要なパラメータを調整することを含む。

＜グローバルＳＶＴを用いる画像取得及びクラッタ除去＞
図２Ａに、以下に詳細に記載する本発明のプロセスの実施形態の一般化フローチャートを示す。各構成処理工程２１０、２１４、２１６、２２０、２２４、２２８、２３４、２３８、２４２について、以下により詳細に説明する。

図２Ｂの概図を参照すると、通常、画像変換プロセスの第一段階、及び、例えば毎秒数百～数千フレームでのコヒーレント複合を伴う高速平面波超音波イメージングを用いて（又は制限されたフィールド内におけるビーム形の詳細スキャニングを用いて又は図１に示す設定を用いて）生の超音波データが取得された後に、直交基を構築するための全時空データ（２８２参照）が組み込まれ、２８４においてＳＶＴを用いてデータの全ドメインからクラッタ信号が除去される。あるいは又は加えて、２８６において、組織クラッタ除去は血液サブ空間投影を伴ってもよい。閾値処理手順によって、血液活動及び無相関バックグランドノイズを表すサブ空間がもたらされる。元の多次元データをこのサブ空間内に投影してシングルフレーム（プラナーイメージングの場合）又はシングルボリューム（ボリュームイメージングの場合）を形成してもよい。

通常、本可視化アプローチは、好適には高速超音波イメージングを利用する。（例えば、コヒーレント複合を伴う高速平面波超音波イメージングを用いて毎秒数百～数千フレームで生の超音波データを取得してもよい。あるいは、制限されたフィールド内におけるビーム形の詳細スキャニングを用いてもよい。）その後、生の超音波データから組織クラッタを除去してもよい。これは多次元信号分解を含むことができる。血液超音波エコーから組織超音波エコーを分離する方法は、例えば、特異値閾値処理、マルチ解像度処理アルゴリズム（ウェーブレット及びウェーブパケットなど）及び独立成分分析などのブラインド信号源分離アルゴリズムを含んでもよい。組織変位及び血液活動は、超音波後方散乱データにおいて区別可能な空間及び時間に関する特徴を示す。典型的には、血液活動データから組織クラッタを減少させるためにハイパス又はバンドパスフィルタ処理が用いられている。マルチアングル複合を伴う平面波イメージングを用いて高速超音波が発生することで、大きな空間フィールド・オブ・ビューから非常に高いフレームレートで大規模データアンサンブルを取得することができる。これにより、多次元ドメインにおける組織及び血液活動の統計的分析が可能となる。組織クラッタ除去は、共分散行列の固有分析（ｅｉｇｅｎａｎａｌｙｓｉｓ）に基づいてもよい。組織クラッタは大きい特異値を用いる強相関データの閾値処理に基づき除去されてもよく、一方で血液活動は弱相関サブ空間として分離される。アルイハまたは加えて、組織クラッタ除去は血液サブ空間投影を伴ってもよい。閾値処理手順は、血液活動及び無相関バックグランドノイズを表すサブ空間を提供する。元の多次元データをこのサブ空間内に投影してシングルフレーム（プラナーイメージングの場合）又はシングルボリューム（ボリュームイメージングの場合）を形成してもよい。バックグランド除去は、クラッタのないグロス脈管画像から空間的に異なるバックグランド信号を除去する方法を用いてもよい。そのような方法の例は、トップハットフィルタ処理、移動平均フィルタ処理、Ｓａｖｉｔｚｋｙ－Ｇｏｌａｙフィルタ処理及び非局所平均バックグランド除去などのモルフォロジーフィルタ処理を含む。バックグランド推定は、「オープニングモルフォロジー」手法に基づいてもよい。例えば、組織クラッタの除去後、結果として得られたデータは、血液活動を主に含む弱相関サブ空間を表す。しかしながら、このデータは、超音波信号減衰により深さとともに漸進的に増大する付加的白色ノイズ（統計的に無相関）も含む。このステップでは、形態的構造化カーネルを用いて脈管マップからランダムに分散したバックグランドを抜き出してもよい。

クラッタ除去手順の詳細について以下に説明する。図２Ｂを参照されたい。

深さｚにおけるデータポイントについて、超音波生データは以下のように表される。

ここで、ｓ_c及びｓ_bはそれぞれクラッタ成分及び組織成分であり、ｎは電気部品に起因する付加的白色ガウスノイズ（ａｄｄｉｔｉｖｅ ｗｈｉｔｅ Ｇａｕｓｓｉａｎ ｎｏｉｓｅ）であり、αは深さに応じた組織減衰率であってこれは一定と仮定する。このデータのスタックを以下の形の行列に配置すると仮定する。

ここでｒ_ijは深さｚ_i及び時間ｔ_jでサンプリングサレタ超音波生データである。式（２）の右側は行列ＲのＳＶＤ分解を表し、ここで固有値（ｅｉｇｅｎｖａｌｕｅｓ）はλ₁＞λ₂＞・・・＞λ_min[M,N]として格納され、ｕ_i及びｖ_iはそれぞれ列空間及び行空間に
沿ったｉ番目の固有ベクトルである。行列Ｒはフルランクであると仮定する。その後、最大特異値に対応する組織クラッタ成分を除外するためにＳＶＴアルゴリズムを用いることができる。したがって、データ行列Ｒは２つの直交サブ空間、主にクラッタ信号を構成するＳ_c＝ｓｐａｎ｛λ₁，λ₂，・・・，λ_K｝、及び、主に血液信号及び付加的白色ノイズを含むＳ_b+n＝ｓｐａｎ｛λ_K+1，λ₂，・・・，λ_min[M,N]｝を張る。したがって式（１
）の超音波データは以下のように表すことができる。

閾値処理は（組織の深さにわたって全信号に等しい重みを割り当てながら）グローバルに適用されるので、クラッタ寄与は深さとともに減少する。したがって、クラッタのない再構成画像では、深さが増大するにつれて、血液及びノイズ寄与がクラッタ部分と比べて大きくなる。このことは自然腎（ｎａｔｉｖｅ ｋｉｄｎｅｙ）におけるＳＶＴに基づく脈管画像を表す図３（ａ）から明らかである。示されたダイナミックレンジでは小さい皮質脈管を容易に認識することができるが、一方で画像のより深い部分は画像強度の飽和を示し故に画質が不十分である。図３（ｂ）及び３（ｃ）は、図３（ａ）の画像における異なる深さに位置する２つの異なる領域を示し、これらはこれらの各「サブ」画像の最良の可視化のために選択／調整された２つの異なるダイナミックレンジを有する。図４は、軸方向ラインセグメント（図３（ａ）の点線３１０）に沿った強度のばらつきを示す。ここからわかるように、深さが増大するにつれて、脈管シグネチャが付加的バックグランド信号の分だけシフト（増大）してみえる。この徐々に増大するバックグランド信号は図４において点線４３０で表される。

このグローバルな影響に加え、局所的な強度変化も、ＳＶＴ再構成脈管画像内で小規模の局所的ばらつき又は摂動を生じさせ得る。図４に例が示されており、点線４２０によって脈管構造近傍におけるこれらのばらつきが近似されている。

したがって、プロセスのこの段階が、脈管の深さとともに異なるダイナミックレンジにて脈管構造に関する情報を含む組織脈管構造のグロス画像を生成し、よって画像の全部分のクリアな表示が妨げられ故に画像の信頼性のある分析が妨げられることは、当業者はすぐに理解するであろう。

これらの局所的及びグローバルなばらつきを除去するために、本発明の実施形態は、モルフォロジーフィルタ処理法（具体的にはトップハットフィルタ処理として知られるもの）を利用するが、但し、関連技術と対比して、画像化される脈管構造の所望のサイズに特に調整されたパラメータを用いる。

＜特異的に改良されたモルフォロジーフィルタ処理を使用するバックグランド除去＞
本発明の思想によれば、モルフォロジーフィルタ処理はデジタル画像からの特徴抽出に適用され、このなかでは構造化要素が一連のモルフォロジー演算と組み合わせて用いられる。トップハットフィルタ処理（ＴＨＦ）アプローチは、バックグラント推定と、これに続く減算を含む。画像ｘについて、白色トップハットフィルタ処理は以下のように定義される。

ここでＳＥはモルフォロジー構造化要素であり、「〇」はオープニング演算である。構造化要素ＢによるセットＡのオープニングは、「オープニングモルフォロジー」手法によれば、以下のように定義される。

膨張（ｄｉｌａｔｉｏｎ）及び収縮（ｅｒｏｓｉｏｎ）は基本的な数学的モルフォロジー演算の２つであり、以下のように定義することができる。

ここでＡ_b及びＡ_-bはそれぞれＡのｂ及び－ｂの分の平行移動であり、－ｂはバイナリ
ー否定（ｂｉｎａｒｙ ｎｅｇａｔｉｏｎ）を表す。

したがって、構造化要素ＳＥによる画像ｘの白色トップハットフィルタ処理は以下の結
果をもたらす。

図５（ａ）、５（ｂ）、５（ｃ）、５（ｄ）、５（ｅ）及び５（ｆ）は、図３（ａ）の腎臓脈管画像についてのトップハットフィルタ処理アルゴリズムの演算の結果を描写している。ここで、全ての画像は同じダイナミックレンジを用いて示されている。この画像変換で用いられる構造化要素は５７８μｍの半径を有する円であった。図５（ｂ）は推定バックグランドを示し、図５（ｃ）はバックグランド除去後の脈管画像を示す。トップハットフィルタ処理を使用することによって、画像化される脈管ネットワーク全体が単一のそして具体的な脈管の深さに依らず組織の同じ部分については一定のダイナミックレンジを用いて可視化されるように、グローバルな及び局所的なバックグランド信号の大部分がかなり除去された（図１と比較）ということを、当業者はすぐに理解するであろう。図５（ｂ）中の減算された画像は、深さとともに増大するバックグランド信号を主に含む。加えて、これはバックグランド信号の局所的なゆらぎに起因する局所的なばらつきを表す。図５（ｄ）、５（ｅ）及び５（ｆ）の各々は、それぞれ、グロス画像、バックグランド信号及びトップハットフィルタ処理画像について、図５（ａ）、５（ｂ）、５（ｃ）の対応する画像のより小さい領域又は一部（対応する画像中の四角形のボックスを参照）を描写する。このように簡単に可視化できたように、本発明の思想に沿って改良されたＴＨＦを使用することによって、小さい脈管構造の（複数の）画像の画質への影響は最小限としながら、バックグランド信号が効果的に除去された。

＜追加的画像強調フィルタ処理＞
本発明の思想に沿ったモルフォロジーフィルタ処理の改良によって脈管構造の可視性が大きく向上したという事実にもかかわらず、結果として得られる画像は、血管ネットワーク画像の構造的特徴の定量分析を可能にするまでには依然達していないかもしれない。改良されたＴＨＦに基づく画像はバックグランドが無いものの、グローバル閾値処理が直接適用された場合にはわずかな強度のゆらぎが依然として脈管の画像の連続性に影響を及ぼす可能性がある。したがって、閾値処理メカニズムを介して脈管構造の可視性及び連続性をさらに向上させるため及びバックグランド除去を完全なものにするために、以下に説明するように脈管強調フィルタ処理が追加的に用いられる。

異なるイメージングモダリティにおける多種多様な血管造影検査手法がここ数年で発展してきていることから、脈管フィルタ処理の分野は特に新しいものではない。用いられている１つの手法は、強度ヘッセ行列の固有値分解（ｅｉｇｅｎｖａｌｕｅ ｖａｌｕｅ ｄｅｃｏｍｐｏｓｉｔｉｏｎ）を用いるスケール空間ドメイン内の筒状構造の分析に基づくものである。これらのアルゴリズムの目的は、画像内の他の不要な成分を不利にしながら脈管のような構造を識別及び強調することである。

・ヘッセに基づくマルチ脈管強調フィルタ処理（ＶＥＦ）
ヘッセに基づく脈管フィルタを構築するために、スケール空間導関数の概念を導入する。ｒに位置するピクセルから距離δｒにおける信号強度Ｉは以下のように記述することができる。

ここで∇_s及びＨ_sはそれぞれスケールｓでのガウス勾配ベクトル及びヘッセ行列である。スケール空間理論では、真の導関数（ｔｒｕｅ ｄｅｒｉｖａｔｉｖｅｓ）が以下のようにガウスカーネルを用いて帯域制限された微分で置き換えられる。

この微分の定義に基づき、ヘッセ行列が計算されて固有ベクトル及び固有値が導出される。２Ｄドメインでは、２つの固有値λ₁及びλ₂が｜λ₂｜＞｜λ₁｜となるように導出される。この分解に基づいて、以下のシナリオが起こり得、これらは異なるパターンを示す。即ち、
Ａ）両方が大きい正の数→斑点状（ｂｌｏｂ－ｌｉｋｅ）パターン（暗い強度）
Ｂ）両方が小さい負の数→斑点状パターン（明るい強度）
Ｃ）｜λ₁｜は非常に小さい数であるが、λ₂は大きい正の数→筒状構造（暗い強度）
Ｄ）｜λ₁｜は非常に小さい数であるが、λ₂は小さい負の数→筒状構造（明るい強度）

関連技術は以下のような脈管強調及び閾値処理関数を提案している。

さらに、αは非構造化パターンのソフト閾値処理のためのロールオフ率を定義し、βはアウトプット強度のダイナミックレンジを制御するために用いられる。

スケール空間分析の使用に関する重要な側面は、構造を異なるサイズスケールで同時に分析できるという事実から生じる。換言すれば、脈管関数ΔＳのアウトプットは形状類似性についてのみ影響を受け易く、画像強度の影響は受け難い。したがって、最終的な脈管画像Δは、下式のように、Ｓの全ての推定領域についてのΔ_Sの最大値を見つけ出すこと
で形成することができる。

・マルチスケールＶＥＦ：インビボの例の分析
上記の腎臓脈管構造から得られた画像データは、マルチスケールＶＥＦ法を用いてさらに処理された。このために、１１６μｍ、２３１μｍ、３４７μｍ、４６２μｍ及び５７８μｍの脈管のサイズを用いた５スケールＶＥＦが使用された。脈管スケールは、生のＳＶＴ処理された画像内の最小目視可能脈管サイズに基づいて選択された。最大スケールは、トップハットフィルタ処理に用いられた構造化要素のサイズと等しくなるように設定された。ログ圧縮トップハットフィルタ処理画像が異なるスケールで分析され、最終画像が式（１３）に基づき形成された。パラメータα及びβはそれぞれ０．６及び５０に経験的に設定された。図６（ａ）は脈管画像再構成についてのドメインのＢモード画像を示す。図６（ｂ）はＶＥＦ後の最終脈管画像を示し、図６（ｃ）は、対応するＢモード画像に６（ｂ）の画像を重ねたものを示す。最終画像（図６（ｃ））が、腎臓脈管構造に関してその脈管構造の異なるサイズ及び寸法についてはっきりとした可視化を提供することを、当業者はすぐに理解するであろう。図６（ｃ）の画像は、脈管の深さ及びサイズとほぼ関係なく秀でた明瞭さを示す。

図７（ａ）、７（ｂ）及び７（ｃ）は、それぞれ、特異値閾値処理（ＳＶＴ）演算後に得られた脈管構造の画像、トップハットフィルタ処理（ＴＨＦ）演算後に得られた脈管構造の画像及び脈管強調フィルタ処理（ＶＥＦ）後の最終画像を提供する。再度、各処理段階において、少なくとも脈管構造ネットワークの可視性に関して画質が増加的に向上したことがみてとれる。図７（ｄ）、７（ｅ）及び７（ｆ）は、小さい脈管構造の細かい観測可能な詳細を説明するために、各々、拡大スケールで、それぞれ対応する図７（ａ）、７（ｂ）及び７（ｃ）内で四角形のボックスで輪郭が示された限定領域を示す。ＶＥＦの適用によって、隣接する脈管の特定において空間解像度を犠牲にすることなく小さい脈管及び大きい脈管の両方の壁がかなり滑らかなったことに留意されたい。

図１４は、マルチレベル脈管フィルタ処理プロセスの一般化されたブロック図を示す。

・画質向上の定量分析
各処理段階後に達成された可視性のゲイン又は向上の定量的な、目に見える測定値を得るために、各処理段階後に取得された強度画像からのラインセグメントを分析することができる。この目的に向けて、図８Ａ、８Ｂ及び８Ｃは、そのようなラインセグメントを図８ＡにおいてＬＳとして示すとともに、それぞれ、ＳＶＴ、ＴＨＦ及びＶＥＦ処理の結果として得られた画像に重ねて表されている。図８Ｄは各画像のラインセグメントＬＳに沿った正規化された強度のばらつきのプロットである。全プロットはこれらの対応する最大値で正規化されている。ＶＥＦ画像（図８Ｃ）からわかるように、そして図８Ｄのラインプロットからもわかるように、ラインセグメントＬＳは４つの脈管を横断しているとみられる（後者は、図８Ａ、８Ｂ、８Ｃの各画像からの、ラインセグメントＬＳに沿った強度値を説明する）。図８Ｂにおいて、ＴＨＦ処理によって図８ＡのＳＶＴ画像からバックグランド信号が大幅に除去されたことがわかり、これにより全フィールド・オブ・ビューにわたる脈管が単一のダイナミックレンジを用いて観測された。さらに、ＶＥＦ処理によって脈管領域における強度信号が大幅に増幅された。これらの強調をより良く定量化するために、各脈管についてのピーク対サイドレベル（ｐｅａｋ－ｔｏ－ｓｉｄｅ ｌｅｖｅｌ）（ＰＳＬ）強度を以下のように評価した。

ここでΔ_peakは目に見える脈管の最も明るい部分の画像強度であり、Δ_sideはピーク近傍における画像の最も暗い部分の強度である。ピーク対サイドレベルは、脈管ピークの左側（Ｌ－ＰＳＬ）及び右側（Ｒ－ＰＳＬ）で測定された。各脈管について、平均ピーク対サイドレベル（ＰＳＬ）￣は、Ｌ－ＰＳＬ及びＲ－ＰＳＬの平均として得られたものである。これらの値は図８Ｅの表１にまとめられている。この表１からわかるように、ＴＨＦ及びＶＥＦフィルタは両方ともサイドレベルの除去に効果的であり、これにより全脈管について（ＰＳＬ）￣値が無限となった。一方で、ＳＶＴ法は、脈管の周囲のバックグランド信号に平行移動する（ｔｒａｎｓｌａｔｅ ｉｎｔｏ）有界の（ＰＳＬ）￣値を示す。

同様に、図９Ａ、９Ｂ、９Ｃ及び９Ｄを参照すると、主に小さい脈管を含んだ領域にわたってラインセグメントＬＳがひかれている。図９Ａ、９Ｂ、９Ｃには、それぞれ、重ね合わされたセグメント化されたラインを含むＳＶＴ、ＴＨＦ及びＶＥＦフィルタ処理され
た画像についての脈管マップが示されている。これらのセグメントからの正規化された強度値が図９Ｄに示されており、ここでラインセグメントの通り道に横たわる７つの脈管を識別することができる。図９Ｂを参照すると、ＴＨＦによって、小さい脈管の形状への影響は最小限としながらバックグランド信号の大部分が効果的に除去された。加えて、図９Ｃを参照すると、ＶＥＦは、脈管構造を保存しながら脈管でない領域を効果的に抑制した。図９Ｅの表２に、平均ピーク対サイド（（ＰＳＬ）￣）値をまとめた。ＳＶＴと比べて、ＴＨＦ及びＶＥＦによって（ＰＳＬ）￣値が一貫して向上したことが観測された。加えて、ＶＥＦ画像処理後に対応する（ＰＳＬ）￣値は、大部分が、ＴＨＦフィルタ処理から得られた画像のものよりも大きかった。全ての脈管における最低（ＰＳＬ）￣は、４．０１ｄＢ、１４．１７ｄＢ及び３７．１９ｄＢ（それぞれ、ＳＶＴ、ＴＨＦ及びＶＥＦ画像について）であり、各処理段階後において前進した向上及び順次的なゲインが達成されたことが証明され、これにより図９Ｃの画像における強調された脈管可視性が説明される。

実験的に、全イメージング工程が、Ａｌｐｉｎｉｏｎ Ｅｃｕｂｅ１２－Ｒ超音波機械（ＡＬＰＩＮＩＯＮ Ｍｅｄｉｃａｌ Ｓｙｓｔｅｍｓ、韓国、ソウル）を用いて遂行された。各調査において、５アングル複合平面波イメージングからの生の同相及び直角位相（ＩＱ）データが、毎秒６０８フレームで、３秒の全持続時間について、取得された。腎臓及び肝臓の調査を、健康なボランティアに対して、曲線状に配列されたアレイであるＳＣ１－４Ｈ（ＡＬＰＩＮＩＯＮ Ｍｅｄｉｃａｌ Ｓｙｓｔｅｍｓ、韓国、ソウル）を用いて３ＭＨｚにて行った。２人の患者における1つの甲状腺結節及び１つの乳房病変を調
査するために直線的に配置されたアレイであるＬ３－１２Ｈ（ＡＬＰＩＮＩＯＮ Ｍｅｄｉｃａｌ Ｓｙｓｔｅｍｓ、韓国、ソウル）が用いられた。我々の調査前に、各患者は施設内審査委員会（ＩＲＢ）によるインフォームド・コンセントに署名した。ＳＶＴ処理は、Ｃ．Ｄｅｍｅｎeら著の「超高速超音波データの時空クラッタフィルタ処理によってドップラー及び超音波感度が大きく増大する」、ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｍｅｄｉｃａｌ Ｉｍａｇｉｎｇ、ｖｏｌ．３４、２２７１－２２８５頁、２０１５年に記載された方法に基づいて行われ、当該開示内容は参照により本明細書に盛り込まれている。クラッタ除去についての最小特異値インデックスＫは、腎臓、肝臓、甲状腺結節及び乳房病変について、それぞれ、３６０、２００、１２００、１００に等しくなるよう設定された。

＜追加の例（インビボ）＞
異なる種類の生体組織臓器についてのインビボ調査における提案の方法の適合性を示す証拠を提供するために、異なる臓器（具体的には甲状腺結節及び乳房のしこり）の調査に基づく以下の例を示す。

・健康な生体組織における肝臓脈管構造
第１の例は、健康な肝臓組織内の脈管構造ネットワークの例である。図１０（ａ）のＢモード画像は脈管構造画像についての再構成ドメインを示す。肝臓は高かん流臓器（ｈｉｇｈｌｙ ｐｅｒｆｕｓｅｄ ｏｒｇａｎ）であってその脈管分布は様々な条件の影響を受け易いことを考慮すると、従来のドップラーイメージング（通常は肝臓脈管の血行動態のモニタに用いられる）は肝臓内の大きい動脈及び静脈の可視化しか可能でない。これらの大きい脈管は、図１０（ａ）で筒状の低エコー域として部分的に識別することができる。

図１０（ｂ）、１０（ｃ）及び１０（ｄ）は、それぞれ、ＳＶＴ、ＴＨＦ及びＶＥＦ画像を示す。ＳＶＴ画像内の強度のばらつきにより脈管構造ネットワーク全体の可視性が制限されていることがわかる。ＴＨＦは局所的及びグローバルなバックグランドの大部分の除去に効果的であり、したがって図１０（ｃ）の画像において異なるスケールの脈管を識別することができる。ＶＥＦ処理は、筒状構造としての脈管の規則化及び非構造化ランダ
ムバックグランドの抑制によって、この脈管可視性をさらに向上させた。

・悪性甲状腺結節
次の例はヒト甲状腺結節における脈管構造ネットワークである。図１１（ａ）は悪性乳頭がんの組織像であることが明らかにされた小節のＢモード画像を示す。小節は、両側に２つの陰影柱を有する均一に散乱している領域としてとして識別することができる。図１１（ｂ）、１１（ｃ）及び１１（ｄ）は、それぞれ、ＳＶＴ、ＴＨＦ及びＶＥＦ後の脈管画像を示す。ＳＶＴ画像内で観測できるように、グローバルな及び局所的な強度のばらつき及びバックグランド信号によって、画像全体で脈管の可視性が制限されている。図１１（ｃ）は、ＴＨＦフィルタ処理によって、脈管構造及び形態への影響を最小限としながら深さに依存するバックグランド信号の大部分が除去されたという証拠を示している。ＶＥＦ処理によって、脈管可視性が大幅に向上したとともに、画像全体で残余バックグランド信号が効果的に除去された（図１１（ｄ））。異なるスケールにおける脈管の接続性は、小節内の高血液かん流部位を示し得る小さい領域に向かう径方向の拡張を有するネットワークに似ている。

・良性の乳房病変
乳房病変中の小さい脈管をイメージングする提案の方法の適合性を検証するために、良性の線維腺腫を有する患者でのインビボ調査を追加で行った。図１２（ａ）において、病変はしっかり限局された低エコー領域として識別することができる。図１２（ｂ）にはＳＶＴ後の脈管分布のグロス画像が示されている。図１２（ｃ）及び１２（ｄ）にはＴＨＦ及びＶＥＦ画像がそれぞれ示されている。バックグランド信号の抑制及び向上した脈管可視性の観点から、ＴＨＦ及びＶＥＦプロセス後の増加的な改善が認識できる。

したがって、全体的に、上記のアプローチによって、特異値閾値処理による組織クラッタ除去によって得られたパワードップラー画像内の小さい脈管の可視化を向上させる方法論が達成されることがわかる。

超音波生データのアンサンブルを用いて、多次元処理を用いて生の超音波データから血流活動をさらに抽出することができる。微小脈管構造のグロスネットワークが得られるものの、バックグランドノイズが原因で画像はネットワークの明瞭な可視性を示さないかもしれない。スペックルの再分配及び電気装置からの熱的ノイズから生じ得るバックグランドノイズは、超音波信号減衰が原因で漸進的に増大し、微細血液構造とランダムに分配されたバックグランドノイズとを区別できる数学的モルフォロジー手法に基づいて推定されるとともに画像から除去される。その後、画像特徴の形態学的サイズに関係なく異なる脈管サイズの強度レベルを画像のダイナミックレンジ内にもってくるために均等化及びログ圧縮を適用してもよい。その後、血管を筒状構造としてさらに抽出するために、マルチスケール脈管フィルタを画像に適用してもよい。結果として得られる画像を、多次元補完法（例えば立方又はスプライン補完法など）を用いてさらに強調してもよい。

最終画像は、組織内部の数センチメートルの深さにあるマイクロメートルレベルの組織脈管ネットワークの詳細なマップを示すことが可能である。このアプローチは、既存のドップラー法の性能を大きく超えた組織微小脈管構造の前例のない可視化及び高解像度を提供する。提案のアプローチは非侵襲的であり造影剤を全く必要としない。

必要に応じて、診断のための詳細な解剖学的比較を容易にするために、最終微小脈管画像をカラーオーバーレイとして当初のＢモード画像に重ね合わせる及び／又はＢモード画像と並べて表示することができる。具体的には、一実施形態において、クラッタのない空間／時間データをさらに用いてイメージング平面内の各ピクセルにおける血流に起因するドップラーシフトを推定することができる。時間データはフーリエドメインに変換され、
以下の式に基づき質量中心アプローチを用いて有効ドップラーシフトが評価される。

ここでＳ（ｆ）は、各ピクセルにおける時間データの両側フーリエスペクトルである。ドップラーシフトは以下に示す２Ｄ（又は実施形態に応じて３Ｄ）カラー流速マスク（ｃｏｌｏｒ ｆｌｏｗ ｓｐｅｅｄ ｍａｓｋ）を生み出す。

ここで、ｃは音速、ｆは送信超音波パルスの中心周波数、αは超音波ビームの伝搬の軸１３２０に対する血管１３１０の配向を記述する角度である。図１３Ａを参照すると、ｅ₁及びｅ₂は、|λ₂|＞|λ₁|（式（１１）参照）となるように固有値λ₁及びλ₂に対応する固有ベクトルである。

各ピクセルについてＣＦＭマップが算出されると、最終ＣＦＩマップは以下のように算出される。

得られるＣＦＩマップは別個のマップとして表示することができ、あるいは対応するＢモード画像に重ねることができる。図１３Ｂを参照されたい。

さらに、時空データは、時間軸に沿った重ね合わせウィンドウにさらにビニングすることができる。その後、データのスペクトログラムが時間軸に沿って算出され、式（１５）～（１６）の処理が各時間ビン内のデータについて繰り返される。その後、得られたＣＦＩフレームのシーケンスが作成され、連続的なカラーフローイメージング（ＣＣＦＩ）を形成するために記録される。

さらに、可聴連続信号（「可聴ドップラー機能」）を生成するために上記ＣＣＦＩの各時間ビンからのドップラーデータを単一のキャリアトーン上に変調することができる。一実施形態では、数センチメートルの深さにある微小脈管構造を表す音声認識可能なドップラー信号が記録され、これにより記載の方法論が深さ侵入性能を有する証拠が示された。

＜スペクトルサブトラクションによるアーチファクト及びノイズ抑制＞
超音波ビームに対する組織の動きは超音波クラッタ除去法の性能を制限する要因である。特異値閾値処理は超音波ビームと同軸の動きに対処することができ、何故ならそのような動きは低ランクプロセス（ｌｏｗ ｒａｎｋ ｐｒｏｃｅｓｓ）で生じるからである。横方向の動き、特に高エコー輝度組織領域からのものは、ＳＶＤを用いて除去することが難しい。結果、特異値閾値処理後に組織クラッタ残余が残る可能性がある。

本開示に記載の方法は、ＳＶＤ後の組織クラッタ残余及びノイズのスペクトル特性に基づきこれらの影響を軽減するために実施することができる。図１５は、インビボ調査から得られたアーチファクト、血液及びノイズのスペクトル表現の例を示す。

前記方法は、対称なスペクトルを有するあらゆる信号を抑制するために、組織クラッタアーチファクトのスペクトル対称性を利用する。主に片側のみのスペクトルを示す血液信号と比べると、アーチファクト及びノイズ信号が対称的なフーリエスペクトルを示す。これらの特徴は図１５に示す例で確認することができる。

ｘ_SVD（ｒ，ｔ）がＳＶＤクラッタ除去後の信号であると仮定する。古い方法では、パ
ワードップラー様脈管構造画像Ｉは以下のように形成されるであろう。

本開示に記載の方法に基づき、またパーセバルの定理を用いると、式（１８）は以下のように変形することができる。

ここで、Ｘ_SVD（ｒ，ｆ）は、ｘ_SVD（ｒ，ｔ）のフーリエ変換として計算されたフーリエスペクトルである。

ここで図１６を参照すると、アーチファクト及びノイズが減少した画像を生成するための例示的な方法の工程を規定するためにフローチャートが示されている。この方法は、工程１６０２に示すようにコンピュータシステムに超音波エコーデータを提供する工程を含む。以前に取得されたデータをメモリ又は他のデータストレージから読み出すことによって、超音波エコーデータをコンピュータシステムに提供してもよい。また、超音波システムを用いてデータを取得し、超音波システムの一部を形成し得るコンピュータシステムにデータを通信することによって、超音波エコーデータをコンピュータシステムに提供してもよい。

その後、工程１６０４に示すように、ＳＶＤに基づくクラッタ除去手法などのクラッタ除去手法を用いて超音波エコーデータが処理される。一例として、本開示に記載の方法はクラッタ除去を実行するために用いることができる。一部の実施形態では、標準ＳＶＤを
用いることができる。他の実施形態では、一般化ＳＶＤを実行することができる。

工程１６０６に示すように、時間フーリエ変換を実行することによってフーリエスペクトルが生成される。工程１６０８において、フーリエスペクトルの負の周波数成分が選択されて負の周波数スペクトルデータとして保存され、工程１６１０において、フーリエスペクトルの正の周波数成分が選択されて正の周波数スペクトルデータとして保存される。工程１６１２に示すように、負の周波数スペクトルデータから第１の画像が再構成される。工程１６１４に示すように、正の周波数スペクトルデータから第２の画像が再構成される。一例として、第１の画像は式（２０）を用いて再構成することができ、第２の画像は式（２１）を用いて再構成することができる。正及び負のスペクトルデータを選択する工程並びに第１及び第２の画像を再構成する工程は、図１６に示すように並列処理方式で遂行することができる、あるいは順番に遂行することができる。後者の場合、第２の画像の前に第１の画像を再構成することができる又はその逆も可能であることが理解されるであろう。

工程１６１６に示すように、第１の画像及び第２の画像を用いて、アーチファクト及びノイズが減少した最終画像が生成される。例えば、最終画像は第１の画像と第２の画像の差を計算することで作成される。他の実施形態では、最終画像は第１及び第２の画像を用いる推定法に基づき作成することができ、これによりノイズ分散の増大を回避することができる。

＜微小脈管構造イメージングにおけるコヒーレント超音波パラードップラー統合のためのＳＶＤ後の動き補償＞
特異値閾値処理は、組織の動きに起因するかなりのバンド幅の重なりが存在している場合においても、弱い赤血球エコーから強いクラッタ信号を除去するための強力なツールとして浮上している。この強力な信号分離にもかかわらず、リカバーされた血液エコーは、依然として、組織の動きによって課せられたグローバルな位置ずれを継承する可能性がある。したがって、激しい動きの下では、検出された脈管の外観のぼけ及び直径などの形態学的特徴の不正確さを引き起こし得るゴーストアーチファクトがパワードップラー画像に現れる可能性がある。本開示の側面は、動いている組織にもりこまれた弱い血液エコーの分離における典型的な周波数フィルタ処理にランク分析を用いる方法を提供するということである。本開示の別の側面は、特異値閾値処理を介してリカバーされた血液エコーに直接組み入れられる動き補償アルゴリズムを実行することである。これらの方法は、特異値閾値処理単独と比べると最終的なパラードップラー画像において有意な画像安定化を提供する。

マルチアングル複合を伴う超高速超音波平面波イメージングによって、高フレームレートで大きいフィールド・オブ・ビューからデータを取得することが可能となった。このイメージング法によってもたらされる高い空間的及び時間的コヒーレンス度は、クラッタ除去性能の拡張及び小さい脈管のイメージングの実現に有益である。

超音波無線周波数の位相（又はＩ－Ｑ）データはわずかな動きの影響に敏感であり、動きによって生じた散乱体のわずかな再配置でもドップラーシフトが生じる可能性がある。大部分が静止している組織では、観測されたシフトは通常、血液中の主な散乱体である赤血球が原因で生じ得る。したがって、ハイパスフィルタによって組織成分から血液信号を効果的に分離することができる。しかしながら、組織の動きが存在すると、組織信号と血液信号の両方にドップラーシフトが存在し得る。したがって、周波数ドメインクラッタ除去が成功するかは、大抵は脈管がマスクされるような組織信号と血液信号の間のフーリエスペクトルの重なりの量に依存する。小さい脈管のイメージングを可能にするには、他の特徴をより良くサーチするのに使用できる他の変換（又は分解）ドメインを探すことが自
然である。

流体方程式に従う血液の動きとは対照的に、組織の動き及び変形は主に非圧縮性の変形可能な固体の方程式に従う。したがって、散在する散乱の動きが血管内に存在する代わりに、組織散乱体はコヒーレントに動き、拍子をそろえて（ｉｎ ｔｉｍｅ）画像化された際に組織散乱体のエコーシグネチャが低ランクプロセスを生じる。結果、大きなバンド幅の重なりがある場合でも、ランク分析、組織－血液信号分離が可能となり得る。ＳＶＤは血液成分と組織成分の分離のためのドメインを大幅に拡大することができるが、それでもなおリカバーされた血液データは組織によって課せられた同じ変形的動きを継承し、これによりインコヒーレントな統合が原因でパワードップラー画像の質が弱体化される。

したがって、本開示の側面は、低ランク近似（ｌｏｗ ｒａｎｋ ａｐｐｒｏｘｉｍａｔｉｏｎ）を介する信号分離を、小さい脈管のイメージングのためのクラッタ除去に利用するために実行できるということである。また、パワードップラー様画像の形成のためのＳＶＤ後アンサンブルのコヒーレントな統合を提供する動き補償アルゴリズムも実行される。

・周波数選択的フィルタ処理を介するクラッタ除去
２Ｄ超音波イメージングについて、ビーム形成されたデータは以下のように表すことができる。

ここで、ｓ_c（ｒ，τ）、ｓ_b（ｒ，τ）及びｗ（ｒ，τ）は、それぞれ、位置ｒ及び標準時間（ｓｌｏｗ ｔｉｍｅ）τでの組織、血液及びノイズ信号である。線形性を仮定すると、式（２２）は以下のように記述することができる。

ここで、ｐ（ｒ）は空間的に不変のイメージング点広がり関数であり、＊_rは空間畳み
込み演算であり、ｃ_i（ｒ，τ）及びｂ_i（ｒ，τ）はそれぞれ組織及び血液複素反射率である。狭帯域近似を用いると、組織の動き及び血液活動の存在下で以下のように記述できる。

ここで、λはイメージング波長であり、φ_i ^c及びφ_i ^bはそれぞれｉ番目の組織散乱体及び血液散乱体についての任意の位相であり、ｃ_i（τ）及びｂ_i（τ）は局所組織及び血液散乱の時間変化を表す緩やかに変化するプロセスである。したがって、フーリエスペクトルドメインでは以下のように記述される。

ここで、Ｐ_c及びＰ_bはそれぞれ組織成分及び血液成分のパワースペクトル密度である。したがって、組織の動きに関連するドップラーシフトは、

であり、血液活動及び組織の動きによる平均ドップラーシフトは、

である。もし、

である場合、ハイパスクラッタフィルタによって組織信号を効果的に除去することができ、アウトプットにおいて主に血液シグネチャとノイズが残される。しかしながら、かなりのバンド幅の重なりが存在する場合（例えば遅い血流又は速い組織の動き）には、周波数選択的フィルタ処理はもはや有効でない。

・低ランク近似を介したクラッタ除去
組織の動きから生じるコヒーレントな動きは低ランクの時空プロセスを生成する。これは、任意の動きが許されないよう組織が変形可能な固体の様にふるまうという事実から主
に生じている。一方で、血液活動及びノイズは低ランクとしてモデル化することのできないプロセスを生成する。これにより、激しく動いている組織においてでも時空行列の低ランクサブ空間としてクラッタ信号を除去するためのサブ空間フレームワークが提供される。詳細に調べるために、式（２４）の信号の表現を考える。この方程式の離散化された空間的・時間的等価物は以下の形で書くことができる。

式（２６）の行列表現は、組織信号と、それぞれが血液信号及びノイズ信号を表す２つの追加項Ｐ_b及びＷと、に起因するランク１の部分から成る。この情報を用いて、そして
ノイズを無視すると、血液信号は、以下のように、Ｓによって張られたベクトル空間の中間サブ空間として良く近似することができる。

この導出において、組織速度ｖ^c、したがってこれにより誘起されるドップラーシフト
に関しては、何の仮定もされていない。したがって、全ての組織成分が完全にコヒーレントに動くような理想的な状況においては、組織による寄与は常にランク１プロセスであると近似できるので、ＳＶＤクラッタ除去の性能は動きの速度とは無関係である。このアプローチは、低ランク近似によって提供されるクラッタ除去に関する追加的な性能を強調するものの、現実からは程遠いものである。実際には、組織の動きは、組織の構造的性質の天然の不均一性に起因するある程度のばらつきを示す。したがって、時空行列Ｓの分解においては、組織は、

のような最低ランクのサブ空間を占め、血液信号は、以下のように中間サブ空間として近似することができる。

・非剛体レジストレーション（ｎｏｎ－ｒｉｇｉｄ ｒｅｇｉｓｔｒａｔｉｏｎ）を用いるコヒーレントイメージ形成
ＳＶＤは、バンド幅の重なりが存在している場合でもロバストな信号分離を提供するものの、式（２９）、（３０）に基づくリカバーされた血液信号は依然として、組織の動きによって課せられた同じグローバルな空間的ばらつきを示す。したがって、補正されていなければ、最終画像はぼけの影響を示し得る。

したがって、血液ダイナミクスの真の空間的分布をリカバーするためには、組織により誘起された動きを補正すべきである。パワードップラー画像を形成する場合、この動き補償はコヒーレントなパワー統合を提供し、これによって脈管可視性が向上し、ぼけアーチファクトが除去される。

一例として、超音波弾性率計測法におけるグローバル時間遅延推定（「ＧＬＵＥ」）を、２次元の非剛体位置ずれの推定に用いることができる。間の位置ずれは、組織の（及びしたがって血管の）ラグラジアン推定が得られるように、第１のフレームと比較した全イメージングフレームについて計算される。その後、この位置ずれフィールドが、式（３０）中のＳＶＤフィルタ処理データＰ_bから動きを除去するために用いられる。

図１７を参照すると、アーチファクト及びノイズが減少した動き補償画像を作成するための例示的な方法の工程を説明したフローチャートが示されている。この方法は、工程１７０２に示すように、コンピュータシステムに超音波エコーデータを提供する工程を含む。超音波エコーデータは、メモリ又は他のデータストレージから以前取得されたデータを読み出すことによって、コンピュータシステムに提供してもよい。また、超音波エコーデータは、超音波システムを用いてデータを取得し、超音波システム自体の一部を形成し得るコンピュータシステムにデータを通信することによって、コンピュータシステムに提供してもよい。

その後、工程１７０４に示すように、動きデータが非剛体動き推定を用いて推定される。上記のように、一部の実施形態では、動きデータを、超音波弾性率計測法におけるグローバル時間遅延推定を用いて推定することができる。動きデータは動き補償を提供するために用いられる。

その後、工程１７０６に示すように、ＳＶＤに基づくクラッタ除去手法などのクラッタ除去手法を用いて超音波エコーデータが処理される。一例として、本開示に記載の方法は、クラッタ除去を実行するために用いることができる。一部の実施形態では、標準ＳＶＤを用いることができる。他の実施形態では、一般化ＳＶＤを実行することができる。

その後、工程１７０８に示すように、クラッタ除去されたデータに対して動き補償を実行することができる。一部の他の実施形態では、超音波エコーデータに対して動き補償を実行することができ、その後、動き補償された超音波エコーデータに対してクラッタ除去を実行することができる。これらの場合、補完エラーが特異値減衰のふるまいを変えて結果としてＳＶＤクラッタ除去の性能に影響する可能性がある。

いずれの場合でも、工程１７１０に示すように、次にクラッタ除去データに対して時間フーリエ変換を実行することによってスペクトルデータが生成される。工程１７１２において、フーリエスペクトルの負の周波数成分が選択されて負の周波数スペクトルデータとして格納され、工程１７１４において、フーリエスペクトルの正の周波数成分が選択されて正の周波数スペクトルデータとして格納される。工程１７１６に示すように、負の周波数スペクトルデータから第１の画像が再構成される。工程１７１８に示すように、正の周波数スペクトルデータから第２の画像が再構成される。一例として、式（２０）を用いて第１の画像を再構成することができ、式（２１）を用いて第２の画像を再構成することができる。正及び負のスペクトルデータを選択する工程並びに第１及び第２の画像を再構成する工程は、図１７に示すように並列処理で遂行することができる、あるいは順番で遂行することができる。後者の場合、第２の画像の前に第１の画像を再構成することができる又はその逆も可能であることが理解されるであろう。

工程１７２０に示すように、第１の画像及び第２の画像を用いて、アーチファクト及びノイズが減少した最終画像が生成される。場合によっては、最終画像は第１の画像と第２の画像の間の差を計算することによって作成される。他の実施形態では、最終画像は第１及び第２の画像を用いる推定法に基づき作成することができ、これによりノイズ分散の増大を回避することができる。

提案の方法論のこれらの全ての利点によって、組織脈管に変更を引き起こす異なる病気及び疾患に関する臨床的関連性を有する情報を提供するために、提案のイメージング法を所定の臨床的精密検査に適応させることが明らかに容易となる。提案の方法は、安全性、低コスト及び操作の容易性という超音波の全利点から利益を得る。

本開示は一以上の好ましい実施形態に基づき記載したが、明記したもの以外にも、多くの同等のもの、代替のもの、バリエーション及び修正が可能であるとともに本発明の範囲内である。

Claims (13)

1. （ａ）超音波システムを用いて、対象の関心領域であって組織微小脈管構造を含む関心領域から超音波エコーデータを取得する工程と、
   （ｂ）ハードウェアプロセッサ及びメモリを用いて遂行されるクラッタ除去アルゴリズムを前記超音波エコーデータに対して実行することでクラッタ除去データを生成する工程と、
   （ｃ）前記クラッタ除去データに対して時間フーリエ変換を実行することでスペクトルデータを生成する工程と、
   （ｄ）前記スペクトルデータ内の負の周波数データを、負の周波数スペクトルデータとして格納する工程と、
   （ｅ）前記スペクトルデータ内の正の周波数データを、正の周波数スペクトルデータとして格納する工程と、
   （ｆ）前記負の周波数スペクトルデータから第１の画像を再構成する工程と、
   （ｇ）前記正の周波数スペクトルデータから第２の画像を再構成する工程と、
   （ｈ）アーチファクト及びノイズを減少させるために、前記第１の画像と前記第２の画像を組み合わせることで、組織微小脈管構造を描写する第３の画像を生成する工程と、を有する、超音波システムを用いて組織微小脈管構造を描写する画像を生成する方法。
2. 前記第３の画像は、前記第１の画像と前記第２の画像の間の差を計算することで生成される、請求項１に記載の方法。
3. 前記クラッタ除去アルゴリズムは、周波数選択的フィルタ処理アルゴリズムを用いてクラッタ除去を遂行する、請求項１に記載の方法。
4. 前記クラッタ除去アルゴリズムは、低ランク近似を用いてクラッタ除去を遂行する、請求項１に記載の方法。
5. 前記クラッタ除去アルゴリズムは、特異値閾値処理を用いてクラッタ除去を遂行する、請求項１に記載の方法。
6. 前記特異値閾値処理はグローバル特異値閾値処理を含む、請求項５に記載の方法。
7. 非剛体動き推定を用いて、前記超音波エコーデータから動きデータが推定される、請求項１に記載の方法。
8. クラッタ除去を実行する前に、前記動きデータを用いて、動きを補償するために前記超音波エコーデータが処理される、請求項７に記載の方法。
9. 前記クラッタ除去データに対して時間フーリエ変換を実行する前に、前記動きデータを用いて、動きを補償するために前記クラッタ除去データが処理される、請求項７に記載の方法。
10. グローバル時間遅延推定に基づき前記動きデータが推定される、請求項７に記載の方法。
11. 前記動きデータは位置ずれフィールドを有する、請求項７に記載の方法。
12. 前記組織微小脈管構造の空間的スケールとは異なる空間的スケールを有する空間的に異なるバックグランド信号を除去するために、モルフォロジーに基づくフィルタを用いて前
    記第３の画像を処理する工程をさらに有し、
    前記モルフォロジーに基づくフィルタは円形モルフォロジー構造を有する、請求項１に記載の方法。
13. 前記超音波システムのプローブと前記組織微小脈管構造内の血管との相対配向によって生じるゆらぎを補償するために、前記第３の画像内で強度のばらつきを均等化する脈管強調フィルタを用いて、前記第３の画像を処理する工程をさらに有する、請求項１に記載の方法。