JP7395367B2 - 超音波診断装置、画像処理方法、学習装置及びプログラム - Google Patents
超音波診断装置、画像処理方法、学習装置及びプログラム Download PDFInfo
- Publication number
- JP7395367B2 JP7395367B2 JP2020009885A JP2020009885A JP7395367B2 JP 7395367 B2 JP7395367 B2 JP 7395367B2 JP 2020009885 A JP2020009885 A JP 2020009885A JP 2020009885 A JP2020009885 A JP 2020009885A JP 7395367 B2 JP7395367 B2 JP 7395367B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- ultrasound
- data
- transmitting
- harmonic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims description 7
- 238000002604 ultrasonography Methods 0.000 claims description 150
- 230000005540 biological transmission Effects 0.000 claims description 96
- 238000004364 calculation method Methods 0.000 claims description 49
- 239000000523 sample Substances 0.000 claims description 39
- 238000010801 machine learning Methods 0.000 claims description 14
- 239000000284 extract Substances 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 description 37
- 238000000034 method Methods 0.000 description 30
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 11
- 230000000694 effects Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000015654 memory Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000006835 compression Effects 0.000 description 4
- 238000007906 compression Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 230000035515 penetration Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000003195 fascia Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000009022 nonlinear effect Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Images
Landscapes
- Ultra Sonic Daignosis Equipment (AREA)
Description
分の抽出方法の1つにPulse Inversion法がある。Pulse Inversion法では、第1の送信波形とその位相を反転した第2の送信波形を送受信して得られる受信信号を加算することで、基本波成分を打ち消し、高調波成分を強調する。
ニューラルネットワークで構成された復元器を用いた医用撮像装置が開示されている。
本発明の第二の態様は、被検体に対して超音波を送受信する超音波探触子と、1つの送信波形の超音波の送受信によって得られる受信信号に基づく第1のデータと、複数の異なる送信波形の超音波の送受信によって得られる受信信号に基づく第2のデータとを含む学習データを用いて機械学習されたモデルに、超音波探触子による1つの送信波形の超音波の送受信によって得られる受信信号に基づく第3のデータを入力し、複数の異なる送信波形の超音波の送受信によって得られる高調波画像に相当する推定画像を推定する推定演算部と、複数の異なる送信波形の超音波の送信によって得られる複数の受信信号から高調波成分を抽出し、当該高調波成分に基づく高調波画像を生成する演算処理部と、前記高調波画像、および、前記推定画像を表示装置に表示させるように前記表示装置を制御する制御部と、を有することを特徴とする超音波診断装置である。
本発明の第五態様は、被検体に対して超音波を送受信する送受信ステップと、1つの送信波形の超音波の送受信によって得られる第1のデータと、複数の異なる送信波形の超音波の送受信によって得られる第2のデータとを含む学習データを用いて機械学習されたモデルに、1つの送信波形の超音波の送受信によって得られる第3のデータを入力し、複数の異なる送信波形の超音波の送受信によって得られる高調波画像に相当する推定画像を推定する推定演算ステップと、複数の異なる送信波形の超音波の送信によって得られる複数の受信信号から高調波成分を抽出し、当該高調波成分に基づく高調波画像を生成するステップと、前記高調波画像、および、前記推定画像を表示装置に表示させる制御ステップと、を含むことを特徴とする画像処理方法である。
本発明の第1実施形態について説明する。図1は超音波診断装置のハードウェア構成の一例を示すブロック図である。
図2は受信信号処理ブロック106が有する機能の一例を示すブロック図である。受信信号処理ブロック106は、整相加算処理ブロック201、信号記憶ブロック202、演算処理ブロック203、Bモード処理ブロック204、推定演算ブロック205を有する。
て、高調波成分に基づく超音波信号を生成する。信号記憶ブロック202に保存された受信信号とTHI用の超音波信号はBモード処理ブロック204へと送信される。演算処理ブロック203は、本発明の演算処理部に相当する。
ここで、THIイメージングによる画像生成方法であるPulse Inversion(PI)法に
ついて説明する。THIイメージングは、異なる送信波形を有する超音波の送受信によって得られる複数の受信信号から送信超音波の基本周波数成分を低減させて、高調波成分に基づく画像を生成する手法である。
推定演算ブロック205について説明する。推定演算ブロック205は学習済みモデルを用いて擬似THI画像を生成(推定)する処理を行う。
D1の入力データとして、第1のTHIイメージングにおける正パルスモードの基本波画像B1-1およびそのときの送信波形モードである正パルスモードを用いる。また学習データID1の正解データとして第1のTHIイメージングの結果として得られるTHI画像を用いる。学習データID2の入力データとして、第1のTHIイメージングにおける負パルスモードの基本波画像B1-2およびそのときの送信波形モードである負パルスモードを用いる。また学習データID2の正解データとして第1のTHIイメージングの結果として得られるTHI画像を用いる。
次に本実施形態における画像生成のための処理の詳細を図1を用いて述べる。図示していないGUIを利用して使用者から撮像の指示が入力されると、GUIからの指示を受けたシステム制御ブロック109が送信電気回路104に超音波の送信指示を入力する。送信指示は、遅延時間を計算するためのパラメータや音速情報を含むと良い。送信電気回路104はシステム制御ブロック109からの送信指示に基づいて、複数のパルス信号(電圧波形)をプローブ接続部103を通じて超音波プローブ102の複数の振動子101へと出力する。ここでは、図3Aに示すような基本波成分f1を持つ超音波を正パルスモードの送信波形とする。
の処理を行うことで、図3Bに示すような正パルスモードの送信波形と位相が反転した周波数スペクトル(負パルスモードの送信波形)に対応する受信データが信号記憶ブロック202に保存される。
1は、通常THI画像データおよび擬似THI画像データを表示する第1モードと、擬似THI画像データのみを表示する第2のモードとを、有する。表示モードに、擬似THI画像データを表示せずに通常THI画像データのみを表示する第3のモードが含まれてもよい。表示モードに基づく画像の表示制御は、システム制御ブロック109によって行われる。
ータ73には通常THI画像の表示がオフ(通常THI:OFF)であることが表示され、インジケータ74には擬似THI画像の表示がオン(AI-THI:ON)であることが表示される。
次に本発明の別の実施形態について述べる。第1実施形態ではTHIモードで得られる基本波画像を推定演算ブロック205に入力して、擬似THI画像を推定した。本実施形態では通常のBモードで撮像した画像データを推定演算ブロック205に入力して、擬似THI画像を推定する。本実施形態においても、PI法によるフレームレートの低下を生じることなく、THI相当の画質の画像を得ることができる。
ルを用いても構わない。
上述した実施形態は本発明の具体例を示すものにすぎない。本発明の範囲は上述した実施形態の構成に限られることはなく、その要旨を変更しない範囲のさまざまな実施形態を採ることができる。
205:推定演算ブロック 405:学習済みモデル
Claims (15)
- 被検体に対して超音波を送受信する超音波探触子と、
1つの送信波形の超音波の送受信によって得られる受信信号に基づく第1のデータと、複数の異なる送信波形の超音波の送受信によって得られる受信信号に基づく第2のデータとを含む学習データを用いて機械学習されたモデルに、前記超音波探触子による1つの送信波形の超音波の送受信によって得られる受信信号に基づく第3のデータを複数入力し、複数の異なる送信波形の超音波の送受信によって得られる高調波画像に相当する推定画像を複数推定する推定演算部と、複数の推定画像を表示装置に表示させるように前記表示装置を制御する制御部と
を有することを特徴とする超音波診断装置。 - 前記モデルは、複数の異なる送信波形の超音波の送受信によって得られる複数の受信信号から基本周波数成分を低減した信号に基づくデータを正解データとする学習データを用いて学習される、
請求項1に記載の超音波診断装置。 - 送信波形の位相を異ならせた複数回の超音波の送信によって生成される反射超音波に基づく複数の受信信号から高調波成分を抽出し、当該高調波成分に基づく高調波画像を生成する演算処理部をさらに有し、
前記推定演算部は、前記モデルを用いて、前記超音波探触子による1つの送信波形の超音波の送受信によって得られる受信信号に基づく第3のデータから、前記高調波画像に相当する推定画像を推定する、
請求項1または2に記載の超音波診断装置。 - 前記制御部は、前記推定画像の表示のオンオフ、および、前記高調波画像の表示のオンオフの少なくともいずれかが異なる複数の表示モードを有する、
請求項1から3のいずれか1項に記載の超音波診断装置。 - 前記推定画像の表示のオンオフ、および、前記高調波画像の表示のオンオフを、使用者がそれぞれ個別に指定可能な入力手段を更に有する、
請求項4に記載の超音波診断装置。 - 前記制御部は、前記高調波画像の画質が閾値より高い場合には、前記推定画像および前記高調波画像をともに表示し、前記高調波画像の画質が前記閾値よりも低い場合には、前記高調波画像を表示せずに前記推定画像を表示する、
請求項4または5に記載の超音波診断装置。 - 前記制御部は、前記推定画像と前記高調波画像を並べて表示する、
請求項4から6のいずれか1項に記載の超音波診断装置。 - 前記超音波探触子が送信する超音波の基本周波数は、前記超音波探触子の中心周波数よりも低い、
請求項1から7のいずれか1項に記載の超音波診断装置。 - 前記第1のデータは、前記超音波探触子の中心周波数を基本周波数とする超音波の送信によって生成される反射超音波を受信した受信信号に基づくデータである、
請求項1に記載の超音波診断装置。 - 前記超音波探触子の中心周波数の高調波は、前記超音波探触子の有効周波数帯に含まれない、
請求項9に記載の超音波診断装置。 - 被検体に対して超音波を送受信する超音波探触子と、
1つの送信波形の超音波の送受信によって得られる受信信号に基づく第1のデータと、複数の異なる送信波形の超音波の送受信によって得られる受信信号に基づく第2のデータとを含む学習データを用いて機械学習されたモデルに、超音波探触子による1つの送信波形の超音波の送受信によって得られる受信信号に基づく第3のデータを入力し、複数の異なる送信波形の超音波の送受信によって得られる高調波画像に相当する推定画像を推定する推定演算部と、
複数の異なる送信波形の超音波の送信によって得られる複数の受信信号から高調波成分を抽出し、当該高調波成分に基づく高調波画像を生成する演算処理部と、
前記高調波画像、および、前記推定画像を表示装置に表示させるように前記表示装置を制御する制御部と、
を有することを特徴とする超音波診断装置。 - 請求項1から11のいずれか1項に記載の超音波診断装置の推定演算部で用いられるモデルの機械学習を行う学習装置であって、
1つの送信波形の超音波の送受信によって得られる第1のデータを入力データ、複数の異なる送信波形の超音波の送受信によって得られる第2のデータを正解データ、として含む学習データを用いて、前記モデルの機械学習を行う学習部を有する、
ことを特徴とする学習装置。 - 被検体に対して超音波を送受信する送受信ステップと、
1つの送信波形の超音波の送受信によって得られる第1のデータと、複数の異なる送信波形の超音波の送受信によって得られる第2のデータとを含む学習データを用いて機械学習されたモデルに、前記送受信ステップにおける1つの送信波形の超音波の送受信によって得られる第3のデータを複数入力し、複数の異なる送信波形の超音波の送受信によって得られる高調波画像に相当する推定画像を複数推定する推定演算ステップと、
複数の推定画像を表示装置に表示させる制御ステップと、
を含むことを特徴とする画像処理方法。 - 被検体に対して超音波を送受信する送受信ステップと、
1つの送信波形の超音波の送受信によって得られる第1のデータと、複数の異なる送信波形の超音波の送受信によって得られる第2のデータとを含む学習データを用いて機械学習されたモデルに、1つの送信波形の超音波の送受信によって得られる第3のデータを入力し、複数の異なる送信波形の超音波の送受信によって得られる高調波画像に相当する推定画像を推定する推定演算ステップと、
複数の異なる送信波形の超音波の送信によって得られる複数の受信信号から高調波成分を抽出し、当該高調波成分に基づく高調波画像を生成するステップと、
前記高調波画像、および、前記推定画像を表示装置に表示させる制御ステップと、
を含むことを特徴とする画像処理方法。 - 請求項13または14に記載の画像処理方法の各ステップをプロセッサに実行させるためのプログラム。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020009885A JP7395367B2 (ja) | 2020-01-24 | 2020-01-24 | 超音波診断装置、画像処理方法、学習装置及びプログラム |
US17/150,923 US12016729B2 (en) | 2020-01-24 | 2021-01-15 | Ultrasonic diagnostic apparatus, learning apparatus, and image processing method |
EP21152761.9A EP3854312A1 (en) | 2020-01-24 | 2021-01-21 | Ultrasonic diagnostic apparatus, learning apparatus, and image processing method |
US18/666,676 US20240299011A1 (en) | 2020-01-24 | 2024-05-16 | Ultrasonic diagnostic apparatus, learning apparatus, and image processing method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020009885A JP7395367B2 (ja) | 2020-01-24 | 2020-01-24 | 超音波診断装置、画像処理方法、学習装置及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021115211A JP2021115211A (ja) | 2021-08-10 |
JP7395367B2 true JP7395367B2 (ja) | 2023-12-11 |
Family
ID=77175449
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020009885A Active JP7395367B2 (ja) | 2020-01-24 | 2020-01-24 | 超音波診断装置、画像処理方法、学習装置及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7395367B2 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003230559A (ja) | 2002-02-08 | 2003-08-19 | Toshiba Corp | 超音波診断装置 |
WO2011152260A1 (ja) | 2010-06-04 | 2011-12-08 | 株式会社日立メディコ | 超音波診断装置 |
WO2019166332A1 (en) | 2018-02-27 | 2019-09-06 | Koninklijke Philips N.V. | Ultrasound system with a neural network for producing images from undersampled ultrasound data |
JP2020179029A (ja) | 2019-04-26 | 2020-11-05 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置、超音波診断装置及び学習済モデルの作成方法 |
-
2020
- 2020-01-24 JP JP2020009885A patent/JP7395367B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003230559A (ja) | 2002-02-08 | 2003-08-19 | Toshiba Corp | 超音波診断装置 |
WO2011152260A1 (ja) | 2010-06-04 | 2011-12-08 | 株式会社日立メディコ | 超音波診断装置 |
WO2019166332A1 (en) | 2018-02-27 | 2019-09-06 | Koninklijke Philips N.V. | Ultrasound system with a neural network for producing images from undersampled ultrasound data |
JP2020179029A (ja) | 2019-04-26 | 2020-11-05 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置、超音波診断装置及び学習済モデルの作成方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2021115211A (ja) | 2021-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7370903B2 (ja) | 超音波診断装置、学習装置、画像処理方法およびプログラム | |
JP5134787B2 (ja) | 超音波診断装置、超音波画像処理装置及び超音波画像処理プログラム | |
JP2012120747A (ja) | 超音波診断装置及び超音波画像生成方法 | |
US10893848B2 (en) | Ultrasound diagnosis apparatus and image processing apparatus | |
JP5248961B2 (ja) | 超音波診断装置 | |
JP2017093913A (ja) | 超音波診断装置、信号処理装置及び解析プログラム | |
JP7242409B2 (ja) | 医用画像処理装置、超音波診断装置及び学習済モデルの作成方法 | |
JP4764209B2 (ja) | 超音波信号解析装置、超音波信号解析方法、超音波解析プログラム、超音波診断装置、及び超音波診断装置の制御方法 | |
CN106691502B (zh) | 用于生成弹性图像的超声系统和方法 | |
WO2020149191A1 (ja) | 画像解析装置 | |
JP6697609B2 (ja) | 超音波診断装置、画像処理装置及び画像処理方法 | |
JP7395367B2 (ja) | 超音波診断装置、画像処理方法、学習装置及びプログラム | |
KR20100016731A (ko) | 스캔 변환을 고려하여 초음파 데이터를 처리하는 초음파시스템 및 방법 | |
JP7419081B2 (ja) | 超音波診断装置、画像処理方法、画像処理方法及びプログラム | |
JP7282492B2 (ja) | 超音波診断装置、医用画像処理装置及び医用画像処理プログラム | |
JP7346314B2 (ja) | 超音波診断装置、学習装置、画像処理方法及びプログラム | |
JP7034686B2 (ja) | 超音波診断装置、医用画像処理装置及びそのプログラム | |
JP7387461B2 (ja) | 超音波診断装置、学習装置、画像処理方法およびプログラム | |
US12016729B2 (en) | Ultrasonic diagnostic apparatus, learning apparatus, and image processing method | |
JP6793502B2 (ja) | 超音波診断装置 | |
JP2019097795A (ja) | 超音波診断装置、医用画像処理装置及びそのプログラム | |
JP6008814B2 (ja) | 画像解析システム、画像解析方法、画像解析プログラム、及び超音波診断装置 | |
JP2020069301A (ja) | 超音波診断装置 | |
JP7455696B2 (ja) | 超音波診断装置、学習装置、画像処理方法およびプログラム | |
JP2024054939A (ja) | 超音波診断装置、超音波画像生成方法及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230116 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230726 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230815 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230929 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231031 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231129 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7395367 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |