JPH07184892A - 超音波画像処理装置及び方法 - Google Patents

Abstract

(57)【要約】 【目的】 超音波画像においての異なる組織の境界の抽
出精度を向上する。 【構成】 参照領域に含まれる複数のエコデータの平均
値μと分散値σ² が演算される。平均値μと分散値σ²
とに基づき、組織差強調処理のためのファジー推論が実
行される。準備段階において、メンバーシップ関数を決
定するパラメータの組合せを変えて分離度Ｊが演算さ
れ、分離度Ｊを最大にするパラメータに基づきメンバー
シップ関数の最適化が行われる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、超音波画像処理装置、
特に組織間の境界を抽出するための超音波画像の前処理
に関する。

【０００２】

【従来の技術】超音波画像は、生体への超音波の送受波
により取り込まれたエコーデータに基づき形成される。
例えば二次元断層画像を形成する場合、二次元エコーデ
ータ取り込み領域内で取り込まれたエコーデータのレベ
ルが画素値に変換される。また、三次元超音波画像を形
成する場合、三次元エコーデータ取り込み領域内で取り
込まれたエコーデータを利用して、まず特定組織の輪郭
抽出が三次元的に行われ、その後、例えば組織表面が濃
淡処理され、これにより立体的な組織像が形成される。

【０００３】さて、二次元超音波画像内で特定組織の断
面積を演算する場合、あるいは三次元超音波画像の形成
や特定組織の体積を演算する場合等においては、組織の
輪郭（組織間の境界）を抽出する必要がある。

【０００４】その場合、人為的にその抽出を行うのは煩
雑であるので、従来から画像解析技術を利用した自動的
な境界抽出が行われている。従来の境界抽出方法として
は、例えば、ソベル(sobel) オペレータ等のフィルタを
画像内で走査させ、当該オペレータの出力値が最大にな
った位置を境界とする方法が挙げられる。

【０００５】

【発明が解決しようとする課題】しかし、上述の方法を
含む従来の境界抽出方法においては、画像の濃度（輝
度）差を主に検出しているため、境界の両側の組織画像
の平均濃度値（エコーデータの平均値）に差がある場合
は良いが、その平均濃度値が等しい場合には境界を検出
することが困難であるという問題があった。

【０００６】すなわち、例えばある種の肝臓癌の場合、
正常組織と癌組織とでは、濃度値が近似しているため、
組織境界を抽出できず、その結果、従来方法では癌の大
きさ等を計測できない。

【０００７】本発明は、上記従来の課題に鑑みなされた
ものであり、その目的は、組織画像についての複数の特
徴量を基礎として、組織境界の抽出を精度良く行うこと
ができる超音波画像処理装置及び方法を提供することに
ある。

【０００８】また、本発明は、組織境界抽出の精度を向
上させるための前処理を超音波画像に施すことができる
超音波画像処理装置及び方法を提供することにある。

【０００９】

【課題を解決するための手段】上記目的を達成するため
に、請求項１記載の発明は、超音波画像を形成するため
のエコーデータを処理する装置であって、注目エコーデ
ータを中心とする参照領域に含まれる複数のエコーデー
タの平均値を演算する平均値演算部と、前記参照領域に
含まれる複数のエコーデータの分散値を演算する分散値
演算部と、前記平均値及び分散値に基づいて組織差強調
演算を行い、前記注目エコーデータの新たな値を出力す
る組織差強調演算部と、を含むことを特徴とする。

【００１０】請求項２記載の発明は、前記組織差強調演
算部はファジー推論部で構成されたことを特徴とする。

【００１１】請求項３記載の発明は、前記ファジー推論
部の出力から組織分離度を演算する分離度演算部と、前
記ファジー推論部が有するメンバーシップ関数を決定す
るためのパラメータを設定する手段であって、パラメー
タを順次変更して得られる複数の組織分離度に基づき、
前記メンバーシップ関数を最適化するパラメータ設定部
と、を有し、メンバーシップ関数の最適化をフィードバ
ックループにより行うことを特徴とする。

【００１２】請求項４記載の発明は、組織差強調後の画
像に対して境界抽出を行う境界抽出部が含まれることを
特徴とする。

【００１３】請求項５記載の発明は、超音波画像に対
し、複数の画像特徴量に基づき組織差強調処理を行う組
織差強調処理工程と、組織差強調処理がされた超音波画
像に対して境界抽出を行う境界抽出工程と、を含むこと
を特徴とする。

【００１４】

【作用】上記請求項１記載の構成によれば、注目エコー
データ毎に組織差強調演算が行われ、これにより超音波
画像に対する組織差強調処理を行える。すなわち、注目
エコーデータを中心とする参照領域内でエコーデータの
平均値及び分散値が求められ、それらの平均値及び分散
値に基づいて組織差強調演算が行われる。

【００１５】従って、そのような処理が行われた超音波
画像に対して、従来から行われている境界抽出を行うこ
とにより、境界抽出精度を向上させることができる。

【００１６】図１５には、上述したある種の肝臓癌を含
む超音波画像の輝度値ヒストグラムが示されている。こ
こで、領域１は正常組織内に設定され、領域２は癌組織
内に設定されている。図１５に示されるように、各領域
における輝度値の平均値はほぼ同じであり、輝度値の平
均値を利用して組織間の差を認識することはできない。

【００１７】一方、図１６には、分散値ヒストグラムが
示されており、領域１についての分散値と領域２につい
ての分散値とは大きく異なる。

【００１８】すなわち、画像の平均値及び分散値を総合
勘案することにより組織差を認識でき、すなわち組織差
強調処理を行うことができる。

【００１９】なお、本発明によれば分散値が同じで平均
値が異なる場合においても、組織差を強調することがで
き、超音波画像特有の性質に基づいた新しい画像処理技
術を提供できる。

【００２０】請求項２記載の構成によれば、組織差強調
演算がファジー推論により実行され、組織差強調演算の
ための繁雑なテーブルの作成が不要となり、かつ膨大な
規模のテーブルの作成が不要となる。また、このような
ファジー推論によれば、その入出力特性を容易に変える
ことができるという利点がある。

【００２１】請求項３記載の発明によれば、ファジー推
論部に設けられるメンバーシップ関数の最適化がフィー
ドバックループにより達成される。すなわち、メンバー
シップ関数を決定するパラメータを順次変更しつつ組織
分離度を演算し、その組織分離度に基づき最適なパラメ
ータを設定できる。従って、このようなメンバーシップ
関数の最適化を実際の画像処理の前段階に行っておくこ
とにより、各種の組織に対応した最も適切な条件下で組
織差強調処理を行うことができる。

【００２２】このように組織差強調処理がなされた後の
画像に対しては、例えば従来同様、境界抽出が行われ
る。

【００２３】

【実施例】以下、本発明の好適な実施例を図面に基づい
て説明する。

【００２４】図１には、本発明に係る超音波画像処理装
置の基本的な概念が示されている。本発明に係る超音波
画像処理装置は組織差を強調する画像処理を行うことを
特徴とし、このため組織差強調演算手段を有する。

【００２５】図１においては、そのための手段が組織差
強調テーブル１０として示されている。すなわち、図１
に示される装置は、参照領域内の複数のエコーデータの
平均値を求める平均値演算部１２と、参照領域内の複数
のエコーデータの分散値を求める分散値演算部１４と、
上述した組織差強調テーブル１０と、境界値抽出を行う
境界値検出部１６と、で構成される。

【００２６】ここで、参照領域は、処理対象となる注目
エコーデータを中心として二次元あるいは三次元に一定
の広がりをもって設定される領域である。

【００２７】組織差強調テーブル１０は、平均値μと分
散値σ² の２つの入力に対応する値を出力するテーブル
である。ちなみに、入力値は０〜２５５の間をとり、組
織差強調テーブル１０の出力値も０〜２５５の間をと
る。

【００２８】従って、この図１のような構成によれば、
平均値μ及び分散値σ² の両者を基礎として組織差強調
処理を行えるので、上述した肝臓癌などの場合に正常組
織と癌組織とを識別させた画像を出力することができ、
ひいては精度の良い境界値検出を行うことができる。

【００２９】図１に示した組織差強調テーブル１０によ
っても組織差強調処理を行うことができるが、以下に説
明するようにファジー推論によって組織差強調処理を実
行することもできる。ファジー推論によれば、繁雑かつ
膨大なテーブルの作成を回避できるという利点があり、
また後述するように単に２つのパラメータの変更によっ
て入出力特性を容易に変えられるという利点がある。

【００３０】図２には、そのようなファジー推論を用い
た超音波画像処理装置の全体構成が示されている。ま
ず、この装置の構成について説明する。

【００３１】メモリ２０は、エコーデータｄを格納する
メモリであり、超音波三次元画像を形成する場合、この
メモリ２０内には三次元データ取り込み領域内の各エコ
ーデータが格納される。一方、超音波二次元画像が形成
される場合には、１フレーム分のエコーデータが順次格
納される。

【００３２】読出し制御部２２は、このメモリ２０に対
する読出し制御を行うものであり、具体的には、処理対
象となる注目エコーデータを中心とした参照領域内の複
数のエコーデータ毎に読出し制御を行っている。

【００３３】なお、この読出し制御部２２に接続され
た、関心領域設定部２４は、組織差強調を処理の対象と
なる関心領域（Ｖｏｌｕｍｅ Ｏｆ Ｉｎｔｅｒｅｓ
ｔ：ＶＯＩ）を設定するためのものであり、この関心領
域については後述する。

【００３４】メモリ２０の出力はそれぞれ平均値演算部
１２及び分散値演算部１４に送られている。平均値演算
部１２は、参照領域内の複数のエコーデータについての
平均値μを演算するものであり、分散値演算部１４はこ
れと同様に参照領域内の複数のエコーデータについての
分散値σ² を演算するものである。

【００３５】そして、平均値演算部１２の出力である平
均値μは、切換器２６を介してファジー推論部２８に送
られている。また、分散値演算部１４の出力である分散
値σ² も切換器３０を介してファジー推論部２８に送ら
れている。

【００３６】平均化部３２は、前記関心領域内で求めら
れる複数の平均値μに対して更に平均値μ´を求めるも
のであり、一方、平均化部３４は、関心領域内で求めら
れる複数の分散値σ² についての平均値σ² ´を求める
ものである。

【００３７】ファジー推論部２８は、組織差強調演算を
実行するものであり、平均値用前推論部３６、分散値用
前推論部３８、推論実行部４０、合成部４２、及び重心
演算部４４で構成される。

【００３８】平均値用前推論部３６は、図３（Ａ）に示
される平均値用前件部メンバーシップ関数集合を有し、
分散値用前推論部３８は、図３（Ｂ）に示す分散値用前
件部メンバーシップ関数集合を有する。また、推論実行
部４０は、図３（Ｃ）に示す後件部メンバーシップ関数
集合を有する。なお、各メンバーシップ集合を構成する
メンバーシップ関数は、図３においては、三角形を基本
形として構成されているが、もちろんこれには限られな
い。平均値用前件部メンバーシップ関数集合を決定する
座標値Ａ〜Ｅは後述するパラメータＫ_ｍで設定され、ま
た、分散値用前件部メンバーシップ関数集合を決定する
座標値Ａ´〜Ｅ´はパラメータＫ_ｖによって設定され
る。本実施例において、後件部メンバーシップ関数の座
標値Ｏ〜Ｓは固定設定されている。

【００３９】推論実行部４０は、図４に示した推論ルー
ルに基づきファジー推論を実行するものである。図４に
示す例においては、各前件部メンバーシップ関数集合が
それぞれ５つのメンバーシップ関数で構成されているこ
とに対応して、２５通りのルールが定められている。例
えば、次のようなルールである。

【００４０】（ルール１）平均値及び分散値が共に小さ
い（ＳＡ）場合には、出力を小さな値（ＳＡ）にする。

【００４１】（ルール２）平均値が小さく（ＳＡ）かつ
分散値が大きい（ＬＡ）場合には、出力を中位の値（Ｍ
Ｍ）にする。

【００４２】（ルール３）平均値が大きく（ＬＡ）かつ
分散値が小さい（ＳＡ）場合には、出力を中位の値（Ｍ
Ｍ）にする。

【００４３】（ルール４）平均値及び分散値が共に大き
い（ＬＡ）場合には、出力を大きな値（ＬＡ）にする。

【００４４】ここで、具体的にファジー推論部の動作に
ついて図５を用いて説明する。平均値演算部１２の出力
がμ_１の場合、前推論部３６においては、図３（Ａ）に
示した前件部メンバーシップ関数集合にそのμ_１を対応
させて、各メンバーシップ関数毎にそれに該当する度合
い（一致度）を求める。例えば、０．２，０．８等のよ
うに求める。

【００４５】一方、前推論部３８においても同様に、分
散値σ₁ ² を各メンバーシップ関数に対応させて一致度
を０．４，０．６等のように求める。

【００４６】そして、各ルール毎にいずれの一致度の方
が小さいかが判断され、その小値をとる一致度の大きさ
により後件部の各メンバーシップ関数が頭切りされる。
例えば、後件部のメンバーシップ関数（ＭＬ）は０．２
で頭切りされる。このようなことが２５通りのルールの
すべてについて行われる。

【００４７】そして、図２に示した合成部４２におい
て、各ルールの結果が形として合成され、図５の右側に
示すファジー集合Ｆが求められる。次に、重心演算部４
４は、そのファジー集合Ｆにおける重心を演算し、それ
を注目画素についての新たな値Ｄとして出力する。

【００４８】従って、注目画素を中心とする参照領域内
の複数のエコーデータについての平均値及び分散値か
ら、組織間の差を強調する出力値を得ることができる。
図２において、出力値Ｄは、切換器４６を介してメモリ
４８内に順次格納される。

【００４９】そして、処理対象となる領域内のすべての
エコーデータについて上述した組織差強調処理が実行さ
れた後、メモリ４８からエコーデータが読み出されて境
界検出部５０において境界の検出が行われる。ここで、
境界検出手法としては、従来から行われている、例えば
差分法や微分法などの手法を適用させることができる。
すなわち、本実施例ではそのような境界値抽出を前提と
して、抽出精度向上のために組織差強調処理が行われて
いる。

【００５０】後に詳述するように重心演算部４４の出力
Ｄは、切換器４６を介して分離度演算部５２に送られて
おり、そこで演算された分離度Ｊがパラメータ設定部５
４に送られている。このパラメータ設定部５４は、メン
バーシップ関数を決定するためのパラメータＫ_ｍ，Ｋ_ｖ
を設定するものである。

【００５１】図６には、最適なメンバーシップ関数を設
定した場合におけるファジー推論部２８の入出力特性が
示されている。図示されるように、平均値μと分散値σ
² とにより出力値が特定されている。ＲＯＭなどを用い
てこのような入出力特性を設定する場合、記憶容量が膨
大となり、また書換えが極めて困難であるという問題が
生じるが、本実施例のファジー推論部２８によればその
ような問題は生じない。

【００５２】図７には、組織差強調を行う前のエコーデ
ータの分布が示されており、一方、図８には、本実施例
の組織差強調処理を行った後の新たなエコーデータの分
布が示されている。これらの図から明らかなように、処
理前においては境界位置がほとんど明らかでなかった
が、組織差強調処理後においては２つの組織の差、すな
わち境界を明瞭にすることができる。従って、境界検出
を前提としない場合、例えばそのまま超音波画像を表示
する際においても組織差強調処理の効果がある。

【００５３】次に、図３に示した平均値用前件部メンバ
ーシップ関数集合及び分散値用前件部メンバーシップ関
数集合の決定法について説明する。本実施例において
は、実際の超音波画像を処理する前提として、メンバー
シップ関数の最適化が行われており、それについて具体
的に説明する。

【００５４】図９には、三次元エコーデータ空間１００
が示されている。このエコーデータ空間１００は、領域
１及び領域２で構成され、その間が境界面１０２となっ
ている。例えば、領域１は正常組織であり、例えば領域
２は癌組織である。

【００５５】メンバーシップ関数の最適化を行うために
は、各領域内に個別に関心領域１０４，１０６が設定さ
れる。ただし、各関心領域１０４，１０６は、境界面１
０２を含まないように設定する。

【００５６】図９において、関心領域１０４，１０６内
には、検索箱としての参照領域１０８，１１０が示され
ている。すなわち、この参照領域１０８，１１０は、注
目エコーデータを中心として一定な広がりをもった領域
であり、関心領域１０４，１０６内において、参照領域
１０８，１１０は、１エコーデータずつシフトされて、
各位置において平均値μ及び分散値σ² が計算される。
そして、このような演算が関心領域１０４，１０６内の
全域にわたって実行される。

【００５７】図２に示した関心領域設定部２４は、図９
に示す関心領域１０４，１０６を人為的に設定するため
のものであり、例えば三次元的に座標指定を行うことの
できる複数のダイアルやキーボードなどで構成される。

【００５８】読出し制御部２２は、関心領域設定部２４
で設定された関心領域１０４，１０６内に参照領域１０
８，１１０を順次移動させる読出し制御を行う。

【００５９】従って、このようなメモリ２０からのエコ
ーデータの読出しが行われると、平均値演算部１２にお
いて、参照領域における平均値μが演算され、それらの
平均値μは平均化部３２において平均化され、平均値μ
の平均値μ´が求められる。

【００６０】これと同様に、分散値演算部１４において
も参照領域の各位置における分散値σ² が求められ、そ
れらの分散値σ² から平均化部３４において、分散値σ
² の平均値σ² ´が求められる。

【００６１】ここで、領域１における平均値の平均値を
Ａ１とし、分散値の平均値をＶ１とする。また、領域２
における平均値の平均値をＡ２とし、分散値の平均値を
Ｖ２とする。

【００６２】上述したように、各前推論部３６，３８
は、図３（Ａ）及び（Ｂ）に示した前件部メンバーシッ
プ関数集合を有する。ここで、平均値用前件部メンバー
シップ集合を構成する各メンバーシップ関数を決定する
座標値Ａ〜Ｅは、次の式により求められる。

【００６３】Ａ＝Ｃ−（Ｃ−Ａ１）×２Ｋ_ｍ Ｂ＝Ｃ−（Ｃ−Ａ１）×Ｋ_ｍ Ｃ＝（Ａ１＋Ａ２）／２ Ｄ＝Ｃ＋（Ａ２−Ｃ）×Ｋ_ｍ Ｅ＝Ｃ＋（Ａ２−Ｃ）×２Ｋ_ｍ また、分散値用前件部メンバーシップ関数集合を構成す
る各メンバーシップ関数を決定するための座標値Ａ´〜
Ｅ´は、次の式により求められる。

【００６４】Ａ＝Ｃ−（Ｃ−Ｖ１）×２Ｋ_ｖ Ｂ＝Ｃ−（Ｃ−Ｖ１）×Ｋ_ｖ Ｃ＝（Ｖ１＋Ｖ２）／２ Ｄ＝Ｃ＋（Ｖ２−Ｃ）×Ｋ_ｖ Ｅ＝Ｃ＋（Ｖ２−Ｃ）×２Ｋ_ｖ ここにおいて、ｋ_ｍ及びｋ_ｖは、各メンバーシップ関数
の横方向の伸び縮み状態を定めるパラメータであり、パ
ラメータ設定部５４にて設定される。パラメータｋ_ｍ及
びｋ_ｖは、２つの領域の分離度Ｊが最大になるように最
終的に選ばれる。

【００６５】ここにおいて、分離度Ｊは、分離度演算部
５２によって演算されるものであり、境界をどの程度精
度よく検出できるかを示す指標値である。例えばＪの値
が大きければ境界を検出する能力が高い。分離度Ｊは、
次の式により定義される。

【００６６】Ｊ＝（Ａ１−Ａ２）² ／（Ｖ１＋Ｖ２） すなわち、２つの領域においてＡ１とＡ２との差が大き
いほど、又はＶ１とＶ２の和が大きいほど分離度Ｊは大
きくなる。

【００６７】図１１には、μの平均値であるμ´が示さ
れ、図１２には、分散値σ² の平均値であるσ² ´が示
されている。すなわちこのデータは、境界の両側で平均
濃度値が同じで分散値が異なる性質をもつ場合を示して
いる。

【００６８】このような場合、分離度Ｊは、パラメータ
ｋ_ｍ及びｋ_ｖとの関係で図１３のように示される。この
図から明らかなように、あるｋ_ｍとあるｋ_ｖとが設定さ
れた場合、分離度Ｊは最大値をとる。従って、分離度Ｊ
が最大値をとるときのパラメータｋ_ｍ及びｋ_ｖが最適な
メンバーシップ関数を与えるパラメータの組合せといえ
る。

【００６９】従って、平均値の平均値μ´及び分散値の
平均値σ² ´が求められた後において、パラメータｋ_ｍ
とパラメータｋ_ｖのすべての組合せについてファジー推
論を実行して新たな値Ｄを求め、かつ分離度Ｊを演算す
れば、図１３に示すような２つのパラメータと出力分離
度Ｊとの関係を求めることができ、結果として、分離度
Ｊを最大にする２つのパラメータの値を特定することが
できる。

【００７０】そして、その特定されたパラメータｋ_ｍ及
びｋ_ｖから前件部の各メンバーシップ関数を決定すれ
ば、前件部メンバーシップ関数の最適化が行われたこと
になる。

【００７１】従って、このようなフィードバックループ
に基づくパラメータ設定により実際のファジー推論の準
備を容易に行うことができる。すなわち、組織差強調演
算テーブルを設けた場合にはそのテーブル内容を簡単に
書き換えることは困難であるが、本実施例のファジー推
論部２８によればその入出力特性を容易に最適化するこ
とが可能である。

【００７２】次に、図１４を参照しながら、本実施例の
装置の全体的な動作について説明する。

【００７３】超音波診断装置において、生体に対する超
音波の送受波により得られたエコーデータが図２に示し
たメモリ２０に格納された後、図１４に示す各工程が実
行される。

【００７４】まず、Ｓ１０１では、関心領域設定部２４
を用いて図９に示したように２つの関心領域１０４及び
１０６が設定される。上述したように、このように２つ
の関心領域を設定するのは、分離度Ｊを最大にするパラ
メータを決定するためであり、２つの関心領域はそれぞ
れ異なる組織中に境界を含むことなく設定されなければ
ならない。なお、予め、超音波画像が画像表示されてい
る場合、オペレータはその画像を見ながら関心領域の設
定を行う。

【００７５】Ｓ１０２では、図９に示したように、設定
された関心領域内にとりあえず参照領域（ＳＢ）が初期
設定される。そして、Ｓ１０３において、平均値μ及び
分散値σ² が計算される。次に、Ｓ１０４において、す
べての位置において平均値μ及び分散値σ² が計算され
たか否かが判断され、終了していない場合には、Ｓ１０
５において参照領域が１データ分だけシフトされる。そ
して、設定された関心領域内のすべてにわたって平均値
μ及び分散値σ² が演算されることになる。なお、これ
らの演算は各関心領域毎に行われる。

【００７６】Ｓ１０６においては、関心領域内の複数の
平均値μ及び分散値σ² を用いて平均値の平均値μ´及
び分散値の平均値σ² ´を計算する。

【００７７】Ｓ１０７では、パラメータ設定部５４によ
ってパラメータｋ_ｍ及びｋ_ｖが初期設定される。そし
て、Ｓ１０８では、各メンバーシップ関数を決定する座
標値Ａ〜Ｅ，Ａ´〜Ｅ´が計算され、その結果、前件部
の各メンバーシップ関数集合が設定される。

【００７８】Ｓ１０９では、ファジー推論部２８におい
てすでに求められた平均値の平均値μ´及び分散値の平
均値σ² ´を用いてファジー推論が実行される。そし
て、Ｓ１１０において、分離度Ｊが計算され、Ｓ１１１
においてすべてのパラメータの組合せで分離度Ｊの計算
が行われたか否かが判断され、すべてについて行われて
いない場合にはＳ１１２においてパラメータが１つ変更
され、上述した各工程が繰り返される。

【００７９】従って、Ｓ１１３の前に、図１３に示した
２つのパラメ−タと分離度Ｊとの関係が求められること
になり、Ｓ１１３では、分離度Ｊを最大にするパラメー
タｋ_ｍ及びｋ_ｖが決定され、その結果、前件部の各メン
バシップ関数が決定されることになる。

【００８０】以上のＳ１０１〜Ｓ１１３の工程は準備工
程であり、すなわち以上の各工程が実行されることによ
ってファジー推論部２８の入出力特性が予め最適化され
る。Ｓ１１４においては、関心領域設定部２４を用い
て、図１０に示すように三次元エコー空間内に関心領域
１１２が設定される。すなわち、境界抽出を行いたい範
囲に対して関心領域１１２が設定される。

【００８１】そして、Ｓ１１５においては、その関心領
域１１２内に参照領域（ＳＢ）が初期設定される。そし
て、Ｓ１１６においては、設定された参照領域内の複数
のエコーデータを用いて平均値μ及び分散値σ² が計算
される。

【００８２】なお、図１において切換器２６，３０及び
４６は、上述した準備段階においては、それがＡ側に切
り換えられ、一方、実際の組織差強調処理を行う場合に
はＢ側に切り換えられる。

【００８３】Ｓ１１７では、最適化されたメンバーシッ
プ関数を用いてファジー推論が実行され、これにより注
目エコーデータについての新たな値Ｄが求められる。Ｓ
１１８においては、すべての注目エコーデータについて
組織差強調処理が行われたか否かが判断され、すべてに
ついて行われていない場合、Ｓ１１９において参照領域
が１つ移動され、上述した各工程が繰り返される。

【００８４】その結果、最終的に、メモリ４８内に組織
差強調処理が行われた後の超音波画像すなわち三次元エ
コーデータが格納されることになる。従って、境界検出
部５０は、かかるエコーデータに対して境界検出を実行
する。

【００８５】

【発明の効果】以上説明したように、本発明によれば、
平均値と分散値とに基づいて組織差強調処理を行うこと
ができ、この結果、正常組織と異常組織との識別が明瞭
化された画像を形成でき、ひいては境界抽出の精度を向
上できる。

【００８６】また、本発明によればファジー推論によっ
て組織差強調演算を行うことにより、各種の組織に対し
て最適な入出力特性を容易に設定することができる。

【図面の簡単な説明】

【図１】本発明に係る超音波画像処理装置の基本構成を
示すブロック図ある。

【図２】本発明に係る超音波画像処理装置の全体構成を
示すブロック図である。

【図３】メンバーシップ関数集合を示す説明図である。

【図４】ファジー推論ルールを示す説明図である。

【図５】ファジー推論の具体的な流れを示す説明図であ
る。

【図６】ファジー推論部の入出力特性を示す説明図であ
る。

【図７】組織差強調処理を行う前のエコーデータ分布を
示す説明図である。

【図８】組織差強調処理を行った後のエコーデータ分布
を示す説明図である。

【図９】関心領域の設定を示す説明図である。

【図１０】三次元エコー空間内に設定される関心領域を
示す説明図である。

【図１１】複数の平均値μの平均値μ´の分布を示す説
明図である。

【図１２】複数の分散値σ² の平均値σ² ´の分布を示
す説明図である。

【図１３】２つのパラメータと分離度Ｊとの関係を示す
説明図である。

【図１４】本実施例の装置の動作を示すフローチャート
である。

【図１５】正常組織と異常組織の輝度値のヒストグラム
を示す説明図である。

【図１６】正常組織と異常組織の分散値のヒストグラム
を示す説明図である。

【符号の説明】

１０ 組織差強調テーブル １２ 平均値演算部 １４ 分散値演算部 １６ 境界値検出部 ２８ ファジー推論部 ５２ 分離度演算部 ５４ パラメータ設定部

Claims (5)

【特許請求の範囲】
1. 【請求項１】 超音波画像を形成するためのエコーデー
   タを処理する装置であって、 注目エコーデータを中心とする参照領域に含まれる複数
   のエコーデータの平均値を演算する平均値演算部と、 前記参照領域に含まれる複数のエコーデータの分散値を
   演算する分散値演算部と、 前記平均値及び分散値に基づいて組織差強調演算を行
   い、前記注目エコーデータの新たな値を出力する組織差
   強調演算部と、 を含むことを特徴とする超音波画像処理装置。
2. 【請求項２】 請求項１記載の装置において、 前記組織差強調演算部はファジー推論部で構成されたこ
   とを特徴とする超音波画像処理装置。
3. 【請求項３】 請求項２記載の装置において、 前記ファジー推論部の出力から組織分離度を演算する分
   離度演算部と、 前記ファジー推論部が有するメンバーシップ関数を決定
   するためのパラメータを設定する手段であって、パラメ
   ータを順次変更して得られる複数の組織分離度に基づ
   き、前記メンバーシップ関数を最適化するパラメータ設
   定部と、 を有し、 メンバーシップ関数の最適化をフィードバックループに
   より行うことを特徴とする超音波画像処理装置。
4. 【請求項４】 請求項１、２又は３記載の装置におい
   て、 組織差強調後の画像に対して境界抽出を行う境界抽出部
   が含まれることを特徴とする超音波画像処理装置。
5. 【請求項５】 超音波画像に対し、複数の画像特徴量に
   基づき組織差強調処理を行う組織差強調処理工程と、組
   織差強調処理がされた超音波画像に対して境界抽出を行
   う境界抽出工程と、を含むことを特徴とする超音波画像
   処理方法。