JPS62331A - 超音波媒体特性値測定装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 本項は以下の内容より成る〇 〔概要〕 〔技術分野〕 〔従来技術〕 〔発明の目的〕 〔発明の要点〕 〔発明の実施例〕 〔発明の変形例〕 〔発明の効果〕 〔引用文献リスト〕 〔概要〕 本発明は、実測して得た対数スペクトルにモデル化した
対数スペクトルを適合させて媒体特性値を求める際、非
線形処理を含む適合処理を行なうことによって適合精度
を高め、それによって従来必要であった空間的平均化の
必要性を減少させ、空間分解能を向上させた超音波媒体
特性値測定装置に関する。

〔技術分野〕

本発明は、超音波パルスを媒体に送信し、その反射信号
を解析して媒体の音響特性値を計測する装置に係腔、関
心領域からの反射信号のスペクトルの対数値領域におい
てランダム反射体に起因するスペクトル・スカロップの
影響を除いて媒体特性値を抽出する処理方式に関する。

〔従来技術〕

従来の生体組織等を対象とする超音波媒体特性値測定装
置は、生体組織を被測定媒体として例示すれば判明する
ように、その減衰や反射は周波数依存性がち９、このた
め周波数領域で解析される場合が大部分である。

このため生体組織等では、中心周波数２〜１０ＭＨｚで
パルス巾（継続時間）約１μＢ程度の超音波パルスを媒
体面から−さＺ方向に送信し、順次深い所からの反射パ
ルスを受信して得られる一連の反射信号から、深さｚ、
とｚ１＋Δ２との間の微小領域（３〜１０〜）に対応す
る反射信号を時間ゲートで切１→、深さ２．の組織特性
を示すエコー信号として解析する。深さ２とエコー信号
の反射信号上の時間位置ｔとは媒体の音速Ｃで関係ずけ
られ、ｔ＝２ｚ／Ｃで与えられる。

エコー信号はＦＦＴ等のフーリエ変換手段で、周波数領
域上のパワー・スペクトルＳΦに変換される。微小領域
内にも通常近接した多数の反射体が存在し、九々の反射
体からの反射パルスは互に重畳し、干渉してエコー信号
は複雑な連続する波形となり、そのパワー・スペクトル
は単位強度の１ケの反射体からのスペクトルＳ。ｌｆｌ
に対して、ランダムに凹凸を有する一見雑音の如く見え
るスペクトルｌ　Ｒｔｎげが乗算される〔０゜このラン
ダムなスペクトルｌ　ｋ＋　ｌ”　ｄ、スカロップ・パ
ワー・スペクトルと呼ばれ（１）式で表現される。齢は
領域全体のパワー反射強度で、δ（ｆｌは ｌ　Ｒａｎげも朗（１＋δ（ｆｌ）　　　・・・・・・
・・・・・・・・・・・（１）そのランダムな周波数特
性の相対変動でその平均値δ（ｎ−０である。この時エ
コーのパワー・スペクトルｓｔｒ＋は（２）式で与えら
れる。

５（ｎ＝　５Ｏ（ｒｒ　ｌ　Ｒａｎ　ｌ’　＝　５ｏｆ
ｆｌ°Ｒ：＋ｎ（１＋δ（０）”Ｓ（ｎ・（ｌ＋δ１０
）　　　　　・・・・・・・・・・・・・・・・・・（
２）ここに　５ｔｎ＝Ｓｏｖ＋・Ｒ：＋ｎ Ｓ　！ｆｌは領域の存在する深さ２迄の往復の減衰と、
その領域の平均的反射特性を有し、δげ１は領域内のラ
ンダム反射体の配列の情報を有している＠減衰係数とか
平均的な反射係数等の特性値の測定にはスカロップ因子
（１＋δ（ｆｌ）は誤差の要因となる。

従来とのδ（０の悪影響を除くためには、統計的な平均
が行われた。これはその領域と同一性質を有すると考え
られるその周辺の領域にヶについて夫々のパワー・スペ
クトルを求め、単純な加算平均を行うもので１＋δ（キ
）の平均値回りの分散Ｖ【δ〕はにヶの平均により１／
ｋに減少する。しかしとの方法は特性値、例へば減衰係
数αの周波数比例常数β（生体ではα−βｆであること
が知られていて、βは略して減衰傾斜と呼ばれることが
多い）を測定する様な場合には、医学診断上十分な精度
を得るのにｋとして約１００ケ位が必要となる。

スペクトルを正しく求めるためには時間窓中（Δ２に対
応する）はパルス長より十分長いことが必要で、ｌμＳ
程度のパルス長には時間窓中は１０μＳ程度が必要であ
り、これは音速１５００ｍ／ｓにより領域の長さは換算
すると７．５絽になる。又超音波ビームの直径は、医学
診断用として前述の周波数範囲では３〜５ｍｍである◇
したがって例えば医用リニア・アレー型超音波エコー断
層像上で特定関心領域として１本の走査線上ｍヶ、隣接
する走査線ｎ本についてｍＸｎ＝にヶの領域を選び、全
体がｔｔｙ正方形になる様に配列すると１ｃ−１００と
してｍ１６〜７．ｎ−１５で、正方形は約５ｃ＋＋＋Ｘ
５ｃｍとなる。この様な広い測定面積を選定できるのは
肝臓等の限定された大型臓器のみとなる欠点があった。

しかも肝臓でも測定はｍ瘍や初期癌の如き微小な巣性病
変（Ｆｏｃａｌ　１ｅｓｉｏｎ）には適用不能で、硬変
とか脂肪化とか拡散性病変（Ｄｉｆｕｓ＋−１ｖｓ　　
１ｅｓｉｏｎ）に限定される欠陥があった。

統計平均以外の方法で極力ランダム変数δ（ｆｌを抑圧
し統計平均に必要々サンプル数ｋを極力低減することに
よって測定に必要な空間の減少、即ち空間分解能を上昇
する試みが従来各種行われた。

以下、此等を述べず。

第１はホモΦモルフイックｅフィルターによる用対数や
ｄｎでも可）をとり、フーリエ変換してセプストラムと
し、このセラストラム上で低域通過窓を適用したり、移
動平均したり、メディアン・フィルターで平滑化したし
して任意の処理をし、この処理済セプストラムをフーリ
エ逆変換して再び対数パワー・スペクトルＪｎＳｐ（（
＋に戻し、更に逆対数をとって処理後パワー−スペクト
ル５ｐ（ｆｌを求め、このＳＰ　（ｆｌから減衰傾数等
を求めるものである０８ｐ（ｆｌはＳｌｎに比してδ（
ｆｌが抑圧されたものとなっている。先頭例■は、対数
パワー・スペクトラム上でなくセラストラム上での処理
で、一部に非線形処理を含むがｉとんどけ線形処理であ
る◇しかも実際上は低域通過窓処理が有効で他の方法は
有効でない。

この線形処理の１つであるセラストラム上での低域通過
窓処理は、その窓の形状をフーリエ逆変換した対数スペ
クトル上のカーネ／Ｉ／（Ｋｅｒｎｅｌ）に等価である
。逆に対数スペクトル上での任意の形状の加重窓による
移動平均は、その形状をフーリエ変換した形状の重み窓
でセラストラム上で窓をかけることと等価である。した
がって、ホモ・そルフィ、り・フィルタは対数スペクト
ル上での移動平均法と呼びかえることができ、対数スペ
クトル上の線形処理である。

第２の方法はスペクトル５（ｒｌｓ又は対数スペクトル
Ｉｎ５ｌｆｌにモデルスペクトルを想定して適合する１
式で、例えば減衰係数α＝βｆで深さ２．と深さ２！の
間、即ちｎ＝ｚ、−ｚ、の間でβは一定、且つＺｌ、　
Ｚｌにおける反射係数の周波数依存性が等しいとモデル
化すると Ｉ　ｎｓ＋＋ｔ＋　−１ｎ５ｔｔｒ＋ ＝４βｆＤ＋１ｎ（１＋δ＋ｔｎ）−Ｉｎｃ　１＋１ｓ
ｔｒ＋）・・・・・・・・・・・・（３） 昭４βｆｌ）＋ｈａ＋’（ｆｌ　　　　・・・・・・・
・・（３−１）が成立する■。（３）式の左辺は実測値
で、右辺第１項は周波数の直線函数にモデル化されたス
ペクトルで、右辺第２項、第３項はランダム変数で、（
３−１）式に示すように特定の平均値り、とそのまわり
に変動する周波数についての平均０のランダム変数ｅ　
（ｔ＋となる。この場合は（３）式左辺の実測値の周波
数函数としてのプロットに直線ｐｆ＋ｑを最小自乗誤差
法等で適合し、得られた傾斜ｐからβを求める。これは
スペクトル差法と呼ばれるｌ〕。

又、周波数について線形な減衰係数α＝βｆのモデル化
の他に送信スペクトルにガウス分布を仮定し、同じ＜Ｚ
＋ｗＺｔの反射係数の周波数依存性が等しいとモデル化
すると、Ｓ＋ｌｆｌ＠　５ｔ（ｆｌ−を共にガウス分布
でそのスペクトルの中心周波数は夫々ｆｅｌｌｆｌｌｌ
でスペクトルの拡９、即ち標準偏差σは両者共に等しい
。又、この２つの中心周波数の間には（４）式が成立す
る。更に（４）式からβを求めることができ、中心周波
遷移法と呼ばれる（４）。

ｆｏ＋−ｆｏｔ＝４σｌ　／　Ｄ　　　　　・・・・・
・・・・・・・・・・・・・（４）ｆ　Ｏｌｓ　ｆ　Ｏ
Ｒは５ｔｔｆｌ、　５ｓ（ｆｌのスペクトｗｏＯ次−ｅ
　−メント、１次モーメントから夫々決定することがで
きモーメント法と呼ばれる。

（２）式の対数をとると（５）式となり（１＋δａｎ）
は乗算でなく加算項 ｌ　ｎ５（ｒｌ−１ｒｓｓ（ｔ）＋ｌ　ｎ　（１＋δｔ
ｎ）　＝　ｌ　ｎ　５（ｔｒ＋ｎ（ｔ＋ｎ　ｆｆ１３Ｉ
ｎ（１＋δｔｎ　）　　　　　・・・・・・・・・・・
・・・・（５）となりｎ　（ｆｆ即ち７ｎ（１＋δ）は
ランダム変数で、平均値は一定値ｈＩ、となｔ）、ｎｔ
ｔ＋はその平均値のまわりに変動するランダム変数とな
る（３１ｏ　’Ｓｔｎがガウス分布の時はＩｎ５Ｌｎは
ｆの２次式（パラボラ）とな？、（５）式の左辺実測値
に対して２次式ｐｆ”＋ｑｆ＋ｒを最小自乗誤差法等で
適合することができる。これはｎ（ｆｌが周波数に対し
て一様な加算性ランダム変数となったからである。この
ｐ、ｑ、からガウス分布の中心周波数ｆ０と周波数標準
偏差σが求められる。

この（６）式のｆｏを６）式に代入してβを求めること
ができる。この方法をパラボラ適合法と呼ぶ（５）。

ガウス・スペクトルと周波数線形の減衰係数のモデルで
は、前述の如くその周波数標準偏差σは不変表一定景と
なる。Ｒ４Ｋｕｃはｆｔの係数が一定１　　　鵞　　　
　ｌ 値のパラボラ（−−）ｆ９２ｆｏ）ｆｌｒｔ２０！ （σ８一定）を種々のｆｏに対して作り、（均式左辺と
相互相関をと抄、相互相関値が最大となるｆｏを中心周
波数であるとしてβを求める方法を発表し九（４）。こ
の方法はＣｏｒｒｅｌａｔｉｏｎ法、又はｍａｔｃｈｅ
ｄ−ｆｉｌｔｅｒ法と呼ばれる。

次に以上の諸方法を比較してみる。対数スペクトル域に
おけるスペクトル差法、パラボラ適合法。

マツチド・フィルタ法は何れも線形処理によって、ラン
ダム変数を含むスペクトルにランダム変数を含まないそ
デルスペクトルを適合するものである。

本発明者はランダム反射体列から作られた擬似エコー信
号に対してスペクトル差法・パラボラ適合法を適用し、
スカロップがβに及ぼす影響もコンビ、−ターーシミュ
レーシ冒ンで調べたが、両者に差は々かった。

Ｒ，Ｋｕ　ｃは直接・真数域のパワースペクトルのモー
メントからβを出す単純モーメント法と、スペクトル差
法と、マツチド・フィルタ（相関）法と、時間領域処理
の一つであるＺｅｒｏ−Ｃｒｏｓｓ　−Ｄ＠ｎ５ｉｔ７
法とについて同様にスカロップによるβの誤差を調べ、
スペクトル差法と、マツチド番フィルタ法が他の２法よ
りも精度がよいこと、又、この両者ははｙ同じ精度であ
ることを明らかにしたＯ 又発明者等は、対数スペクトルに移動平均を施し平滑化
し、その後真数スペクトルに戻さないで、平滑化スペク
トルにモデルスペクトルを適合する事により改善する事
を試みたが、移動平均を施さない対数スペクトルに直接
モデルスペクトルを適合するのとほとんど差がないこと
が判明した。

以上から対数スペクトル上でのスペクトル差法。

パラボラ適合法、マツチド・フィルタ法が最善のもので
あること、又、この３者は同じβの精度を与えることが
判明する。Ｒｙ　Ｋｕ　ｃはこの最善の方法によってβ
を測定する場合、なおかつ空間的平均が必要で、実用さ
れている医用超音波装置では、その理論的空間分解能の
限界が２ｃＩｎｘＺのであることを示した（６）。

しかし乍ら医学診断に用いる場合、この２ｃｒｎｘ２ａ
の分解能は不十分である。例えば腫瘍が良性か悪性かを
判断するには少くとも１ｃＩｎＸ１ｃｍ以下の分解能が
必要とされている。力んとなれば１ｃｍ以上の癌が発見
された際、はとんどすでに他部位に転移している場合が
多いからである。この様に在来の方法は不十分な空間分
解能しか与えない欠点があった。又統計的平均は計測に
時間がか＼ることを意味し、実用性をそこなう。

本発明はこの様な欠点を低減・改善するものでである。

〔発明の目的〕

本発明目的は、対数スペクトル領域において、非線形処
理を含む適合法でモデルスペクトルを適合し媒体特性値
を求めることによって、スペクトルスカロップによる媒
体特性値への誤差を減少し、空間平均サンプル数を減少
し、空間分解能を上昇する媒体特性値測定方式を提供す
るにある。

〔発明の要点〕

本発明は、特定媒体領域からのエコー信号の測定された
パワー・スペクトルを先ず対数値に変換し、次にこれに
媒体特性をモデル化したモデルスペクトルの対数値を適
合し、媒体特性値を抽出し、その際非線型処理を含む適
合処理を適用することにより、線形処理による適合の限
界を超えてより高い精度で特性値を抽出し、所要空間平
均サンプル数を低減し、高い空間分解能で核特性値の空
間分布を測定可能としたものである。

〔発明の実施例〕

本発明を生体組織の超音波減衰係数傾斜値の測定に適用
した場合の実施例について説明する。

第１図に実施例のブロック図を示す。本例は非線形適合
処理として、ログ・パワー拳スペクトル上での移動窓メ
ディアンフィルター（非線形処理）とその後での最小自
乗法（線形処理）とを複合した手段を用いている。モデ
ルとしては図中２０の系列は、送信パルスとして任意ス
ペクトル形状を用い、組織の減衰係数αが周波数につい
て線形即ちα＝βｆ（βは比例常数）で表現されるとし
、反射係数の周波数依存性は組織深さについて一様であ
るとしてスペクトル差法によるものである。図中３０の
系列は、更に送信パルス・スペクトルにガウス分布形の
ものを用いて、中心周波遷移法のパラボラ適合法による
方式のものである。２０系。

３０系は何れか一つで十分で、第１図の如く２系列併存
する必要は女い。

ｌは超音波トランスジューサーで駆動回路３により超音
波パルスを生体の如き媒体２０表面から体内２方向に送
信する。送金されたパルスは生体内をＺ方向に進行する
が、その途中全ての段階で生体組織により反射波を生じ
、反射波は逆進して順次浅部エコーが早く、深部エコー
が遅くトランスジ、−サーｌに戻って来て再び受信され
る。反射体は密接してはソ連続的に存在するために受信
信号は、パルス送信時刻を時間原点（１＝０　）とした
連続信号となる。深さ２．〜２．＋Δ２に対応する反射
エコーは、ｔ＋　−（２ｚｌ／ｃ）”（２ｚ＋／　ｃ＋
Ｔ）の間の反射信号である。（Ｔ−２Δｚ／ｅ、ｅは音
速）４は送信と受信の信号径路を切や換える切換回路で
ある。５は受信信号の増幅６器、６はＡ／Ｄ変換器で、
増巾された受信信号を入／Ｄ変換して７０制御計算部に
送る。７はマイクロコンピュータ−等で容易に構成する
ことができる。その主要構成はデータ・メモリ、バッフ
ァ・メモリ、テーブル・メそり、演算部、り胃ツク発生
部、′３ントロールプログラムメモリ、演算処理プログ
ラムメモリ等である。８〜ｔ１．２０〜２５（又は３０
〜３５）は計算処理プログラムの７０−チャートである
。

６の出力データは先ずデータ・メそりに収納される。ス
テップ８は時間窓ゲート処理で、メモリから関心深さ２
に対応する時刻ｔから２＋Δ２に対応する時刻ｔ＋Ｔの
間のデータ列をとり出し、／１ミング等の時間窓函数で
重さを乗じ、バッファ・メモリに格納する。９はディス
クリート・フーリエ変換で、全てソフトで計算すること
もできるし、処理時間を短縮するためにはマイクロ・コ
ンピューターに接続され九ノ）−ド・ウェアで構成する
こともできる。バッファメモリ中の時間窓で切り出され
たデータ列はフーリエ変換され周波数の函数としてのパ
ワー・スペクトルが得られる。１０は対数に変換するス
テップで、予じめテーブル・メモリ部に格納しておいた
真数一対数変換テーブルを用いて対数−パワー・スペク
トルに変換される。

１１は補正ステップで、超音波ビームの進行方向渫さに
対応したビームの三次元的拡がり（Ｄｉ　ｆ−ｆｒａｃ
ｔｉｏｎ　　ａｆｆｅｃｔ）の不均一によるスペクトル
の歪を補正する所謂幾何学的因子〔７，８〕補正や、３
０系列の様にガウス分布スペクトルを必要とする時に、
実際のスペクトルが非ガウスである時のガウス化補正等
を行う。補正係数は夫々の深さに対して周波数の函数と
して与えられ、予じめ（非減衰媒体中での）実測により
求めておくことができる。この補正係数をテーブル・メ
モリに予じめ格納しておき、深さ２に対応した補正係数
を読み出して補正する。

先ず２０系について信号処理の流れを説明する。

ステップ２０は１１の出力である補正ずみのログ・パワ
ー・スペクトルの深さ２．に対応するもの７ｎＳ１１１
と、距離りだけより深い深さ２．に対応するものｌ　ｎ
　Ｓ　ｔ　ｔｒ＋との減＊（線形処理）を行う。前述の
（３）式ｔ（３−ｔ）式に対応する。この実測値即ち（
３）式の左辺を図示すると第２図（＆）の如く、送受信
系有効信号帯域Ｗの中でははソ直線■のまわりにランダ
ムに変動するスペクトルとなる。在来は直ちにこの第２
図（ａｌのスペクトルにモデル・スペクトルｐｆ＋ｑを
Ｗの範囲で最小自乗誤差法（ＬＭＳ　Ｅ法）で適合し、
β＝　ｐ　／　４　Ｄからβを求めていた。

しかし前述のように得られるβ、即ちｐがランダム変数
εｌｆｌによって変動を受け、望ましいβの精度が得ら
れていない。これは第２図（ａ）のデータが周波数の函
数として独立なサンプル数を十分に含まないからである
。通常時間ゲート巾Ｔ−１０μｓ程度とされ、この時は
周波数分解能Δｆ＝１／Ｔ−０，１ＭＨｚと表り、Ｗは
現在の技術では２　Ｍ　Ｈｚ程度であるから、独立なサ
ンプル数（ｆ＊）はＷ／Δｆ＝２０ケ程度となる。この
ために２０ケ程度の’（ｆｌ）ではその平均は０でなく
、又その原産分布は正−員対称でなく、又Ｗの中心から
みて左右の夫々のＷ／２区間における原産分布が等しく
ない。

このためｐに誤差が導入される。サンプル数を増加する
ことは空間平均以外は困難であり、空間平均は空間分解
能を悪化する。本案の２０系では非線形処理である移動
窓メディアンフィルター処理（ステップ２１）を施し、
第２図（ｂ）の如く平滑化してからＬＭＳＥ法で適合（
ステップ２３）するものである。メディアンフィルター
は異常に離れたサンプル点を除去するもので、８（印の
原産分布の正・負対称性を回復すると共に１その拡がり
をも減少する。特にＬＭＳＥ法では異常に離れたサンプ
ル点は離れた量の自乗でｐに大きく影響したが、メディ
アンフィルターはその様な過大偏差サンプル点を除去す
るのでｐの精度が上昇する。したがって空間平均（ステ
ップ２２）のケ数ｋを減少し空間分解能を上昇すること
ができる。

メディアンフィルター処理は具体的にはステップ（２１
−１）として直接第２図（ａ）のデータ点群に実施して
もよいし、ステップ（２１−２）として次のサブステッ
プ群を用いてもよい。即ち、サブステップ１として、先
づＬＭＳＥ適合し、ｐ′ｆ＋ｑ′を求め、サブステップ
２としてこの値を第２図（ａｌの各点から減算し、サブ
ステップ３としてその差にメディアンフィルター処理を
し、サブステップ４としてｐｆ＋ｑ　を加算する手段を
とってもよい。

２２の空間平均は線形処理であり、全ステップの何れの
位置に挿入してもよい。但し全ステップをその内の非線
形処理で区分したとき、同−区分内ではどの位置に挿入
されても結果に差がないが、区分がかわると得られる精
度に差があるので、実験等で最適挿入区分を決定するの
がよい。同−区分内では全計算量が最小に、処理時間が
最短になるように決定するのが通常で、図示例は単なる
一例にすぎない。

２４は非線形適合歪補正ステップである０２１のフィル
ターは（３−１）式右辺のランダム変数Ｒ（ｆｌを抑圧
するが、同時に（３−１）式右辺第１項の七デル・スペ
クトルを変歪することがある。モデル−スペクトルが直
接の場合、メディアンフィルター処理は前述の（２１−
１）でも（２１−２）でもそのために歪を生じないので
省略することができるが、一般的に述べるため表記され
ている。歪例としては３０系で説明する。

次に３０系を用いた場合について説明する。この場合は
送信パルス・スペクトルにガラス分布形（σ２既知）の
ものを用い、（４）式の中心周波遷移からβを求めるも
ので、中心周波数の測定にパラボラ適合法を用いる例で
ある＠１１の出力である補正ずみの対数パワー・スペク
トルに対して直ちにステップ３０のメディア７−フィル
ター処理が行われる。１１の出力は第３図値）に示す如
く、パラボラＩｎｓ＋ｒ＋（図中■）にランダム変数ｎ
ｆｆ１が重畳している。ステップ３０は具体的には２ｏ
系と同様にステップ（３０−１）としてそのま＼処理す
る方法と、ステップ（３０−２）としてまずＬＭＳ　Ｅ
適合してｐ’ｆ”＋　ｑｉ　＋　：を求め、ツいテ第３
　図（ａ）ノ各点からｐｔ”＋７１＋ｒ’を減算し、そ
の結果にメディアン・フィルター処理を行い再びＰ’ｆ
”＋７１＋ｒ’を加算する方法を用いることができる。

ステップ（３０−２）ではメディアン・フィルターは第
３図（ａ）からほとんどバラボラ成分を除いてから処理
するので、そデル・スペクトルは陛とんど変歪をうけな
く、結果は第３図（ｃ）の様にモデル１スペクトルであ
るパラボラ１ｎＳ（図中■）に抑圧されたうンダム変数
ｎｔｎが重畳したものとなる。ステップ（３０−１）で
は第３図（ａ）のパラボラ成分を有したま＼メディアン
・フィルター処理をうけるので、モデル豐スペクトルは
変歪をうけ、第３図（ｂ）■の様に歪んだパラボラｉｎ
ｓ”にある程度抑圧されたランダム変数ｎ’ｔｆｌが重
畳したものとなる。ｌｎＳは／ｎｓＫメディアン・フィ
ルター処理を行ったものと等しく、頂部が潰れ、再び頂
部を同一レベルに正規化すると巾が拡がった様にみえる
。

シタ力って、ステップ３３の非線形適合歪補正処理は、
ステップ（３０−２）には省略できるがステップ（３０
−１）には必要となる。第３図（ｂ）■に示す様にパラ
ボラの最大値位置（中心周波）は歪みをうけないが、パ
ラボラの拡がり（ガウス・スペクトルでのσに対応）は
拡がっている。第３図では無歪のモデル−スペクトル■
を点線で並示しである。したがって、ステップ（３０−
１）の場合は、モデル・スペクトルのパラメータとして
中心周波数のみに着目する場合は、ステップ３３のフィ
ルタ歪補正は不要であるが、更に高次のモデル・スペク
トルを考えて、もう一つのパラメータとしてモデル・ス
ペクトルからガウス分布の分散σ１を（６）式から抽出
する必要がある場合印では補正が必要と々る。

この様な例の説明をする。今迄、生体組織の減衰係数α
は α侃）認β−Ｉｌｌｆ で、β−１は比例定数であり部位２における組織の特性
を示すパラメータセあ抄、又反射係数γはγ−＋ｇ＝ｂ
伽１・ｆｌ′ で、ｎは全ての組織部位について一定、又はｎ＝Ｏであ
るとした生体のモデルを用いて来た。これは第１次近似
としては十分であるが、より精細にしらべると、より高
次の第２次近似としては次式が適当であるとされている
。

α−１”　ａ（ｇｌ　＠ｆ　”” γ（２）＝ｂ−）・ｆｎω このモデルの場合は、未知パラメータが４ケあり１分離
抽出する方法としては三輪等Ｑ特許出願（９）があ抄、
ガウス分布送信スペクトル（分散♂）を用い、エコー・
スペクトルの中心周波以外に分散Σ！をも測定し、中心
周波数をΣ１／σ１の函数として補正することにより、
−膜化減衰傾斜αｍ　７ｆが測定でき、診断に利用でき
る高次近似の／くラメータとして利用できることを示し
た。ｍ（ｇｌｓａｌの場合についても同様に補正すれげ
ｎ（１１の如何にか＼わらず一般化減衰傾斜を求めるこ
とができ、その値１はβに一致する〔０゜ この様々σを必要とする場合のためのモデル・スペクト
ルの歪の補正法の例をあげる＠第１の例は、予じめ種々
のパラボラ）’　Ｊ−ｐＪ　ｆ”＋ｑ３　ｆ＋ｒ　１に
ステップ（３０−１）の処理をほどこして歪をう△ けた）’　ｊ　＋ｆｌを得、ｐ３＋　ｑＪの組に対する
ｙＩの対応関係を求めておき、３２のステップでは７ｊ
でなΔ ＜ｙ）で適合し、最適適合のｙｌに対応するＰＩ＋　ｑ
ｊを予じめ求めである対応関係から求める方法である。

第２の例は第３図（ｂ）の■の変形そデル・スペクトル
の変形指数（Ｄｉｓｔａｒｔｉｏｎ　Ｉｎｄｅｘ）を規
定し種々の７１に２いてその変形指数とｐＩ、（１１と
の対応を予じめ求めておく方法である。第３図（ｂ）の
■では中心周波は変化をうけないで、拡がりのみが変化
するので変形指数は１ケで全てのｙＩｋ対応することが
できる。変形指数としては、例えば第３図（ｂ）の■の
モデル・スペクトル曲ＩｆｉＩｙｊを最大値から例えば
４０　ｄｎ下迄で切妙とり、その形状について中心周波
数回りの２次モーメントと０次モーメントとの比ｙ」を
とり、変形指数とすることができる。ＶｊとＩＪ、ｑＩ
とは一対一〇対厄関係が存在するので３０の出力からｖ
ｊを求め、ＰＪ＊ｑｊ　を求めることができる。第３の
例はより簡便な方法であるが、ｙＪも同様にパラボラで
あると仮定して適合すると、 ｙＩ　−ｐｉ　ｆ　＋　ｑ　１　ｆ”＋ｒ４が得られ、
予じめ種々の７１に３０の処理を施したｙｌについてｐ
３．ｑ３とｐｊ、（１１との関係を求めておくと、３２
の出力のｐ、　ｑ、をｐｌ、（ｌｊとみ々して、対応関
係からＰ３．Ｊを求めることができる。

この様にして求めたｐｊｙ’ｌｊ　から（６）式によっ
て中心周波数ｆｏやスペクトルの分散０３を求めること
ができる。とれがステップ３４である。ステップ３５は
更に（４）式によりてβを求めるものである。

ステップ３１は空間平均で、２０系の２２についての説
明がその′ｆ＼成立する。

、　以上の様にして深さ”ＨＺ！の間のβが求まり１全
ての深さについて同様にしてβの分布を知ることができ
る。細かいβの分布を求めるにはＤ−Δ２とするのが普
通である。更に別の走査線について同様にβの分布を２
の函数として求め、これをくり返すと特定断面上の二次
元的なβの分布を求めることができる。このデータを５
０のイメージーメそりに格納する。５１はディスプレー
コントローラでイメージ・メモリの内容を、例えばテレ
ビのラスター走査の順に読み出してＣＲＴ５２にβの分
布を輝度や疑似色で表示するものである。

ステップ１０とステップ２１（又は３０）との間には、
ステップ２ｏの深さ方向差分やステップ２２（又は３１
）の空間平均や、周波数軸上の移動窓による平均処理や
低域通過フィルタ処理を浸入することができる。

又、ステップ３０又は３１の出力を対数から真数に変換
し、得られたガウス分布状スペクトルの各次モーメント
を求め、平均周波数とその回ねの分散を求め夫々を中心
周波数、その回νの分散として近似して減衰傾斜βや広
義の減衰傾斜ａｍ７ｆ等を求めてよいことは勿論である
。

ステップ１１とフィルター歪補正後のモデル・スペクト
ルとの差は（５）式のｎ１ｆｌ−Ｈｌを与える。（５）
式から ｎｔｎｘＪｎ（１＋δ（ｆｌ） ｈ、：定数ｒ　ｈｆｌ−／ｎ（１＋Ｊ（１）＝定数又（
１）式から となりｎ　ｔｆｌからスカロップｅパワー〇スペクトル
Ｉ　Ｒ＋ｒ＋　ｌ″の情報が得られ、これから媒体中で
の反射体の間隔のヒストグラムや、反射体強度分布の自
己相関函数や、単周期性構造の有無、その周期等の媒体
特性値を得ることができ、医学診断等に利用することが
できる。

〔発明の変形例〕

以上、対数ハワーψスペクトルにモデル・スペクトルを
非線形適合処理する場合、その非線形適合処理として、
周波数軸上での移動窓によるメディアン・フィルター処
理と、処理後スペクトルへのＬＭＳＥ法による適合処理
とを複合して用すた例について説明した。

上述の様にランダム変数が直線やバラボ２のモデル・ス
ペクトルに加算されていると近似しうる　。

時は、測定スペクトルを直線モデルでは周波数で１回微
分又は差分ビてがら、パラボラ・モデルでは２回微分又
は差分してがらメディアン、・フィルター処理や後述す
る各徨のランダム変数抑圧のための非線形適合処理を行
なうと、この処理におけるモデル・スペクトルの存在に
よる干渉を除去することができる。又、ｎｆｆ１の確率
密度函数はｎ＋ｆｌの正−負で非対称であるが、１回以
上の差分によって差分の確率密度函数は正・負対称とカ
リつづくＬＭＳＥ適合等で有利である。

周波数軸上での移動窓非線形フィルターとじてはメディ
アン・フィルターの他に逆ヒステリシスフィルター、過
大偏差データ点除去フィルター。

Ｅフィルター等を用いることができるＯＥフィルターは
り、　Ｊ、　ＨｏＭｏ　ｏ　ｒ　ｅ　（１０）やＰ、Ｐ
、Ｖａｒｏｕｔａａ〔１１〕等によって報告され、一般
に知られているので説明を省略し、その他の２方法につ
いて説明する。

第１図ステップ２ｏ又は１１の出力に、中間段階として
得られる実測対数スベク）Ａ／がらＬＭＳＥ適合したス
ペクトルｐ　ｆ　＋　ｑ’又はｐｆ”＋ｑｆ＋ｒを減算
し、モデル・スペクトル成分を除去したランダム変数を
ｙとして、このｙを周波数は函数として例示すると第４
図の如くなる。過大偏差データ除去フィルターは周波数
軸上の窓位置ｆ１巾士２ｕの中のデータ点の平均値を求
め、その平均値から窓付［ｆのデータ点のｙが特定値以
上の偏差を有している時は、そのデータを無効とし、そ
の後のステップであるＬＭＳＥ適合に利用し々い方式で
ある。この特定値としては理論的に予測されるｙの標準
偏差の２〜３倍位とするのが良い。理論的標準偏差（３
）は、例えばランダム変数ｎｕｎでは５．６　ｄＢ。

ａｔｒ＋及びｎｕｎの１回分差分では７．８８ｄＢであ
る。

逆ヒステリシスフィルターは第４図上に点（ｆ。

ｙ）を中心として夫々±２．±２の角形の窓を設け、こ
の窓位置（ｆ、ｙ）を有効データ域Ｗの左端ｆｎ　７＋
からデータ点列に沿って厘次右へ移動し、その際もし窓
の右端に表われる新データ点が窓内にあればそのま＼と
するがもし窓を超えた場合は、窓の上縁又は下縁で新デ
ータ点をクリップするものである。この様にクリップさ
れた出力からクリップ部のデータ点を除去してＬＭＳＥ
適合する方式である。これは近隣データ点がある程度相
関があ抄、過大に離れたデータ点の出現原産が少いとい
う性質を利用している。利用しうる近隣点相関アルゴリ
ズムや、逆ヒステリシスアルゴリズムには説明側以外の
多数の変形が可能である。

次にハフ（Ｈｏｕｇｈ）変換手段について説明する。

先づ第２図（ａ）に適用する例を述べる。縦軸をｙ。

横軸をｆとすると、７−　ｆ平面上の任意の直線は（７
）式 ％式％（７） で表現できる。今ｙ−を面上の任意の点（ｙ　ｌ、　ｆ
　＋）を選ぶと（７）式は ７１　＝ａ　ｆ　１　＋　１）　　　　　　・・・・・
・・・・・・・・・・（８）とまり、ａ、ｂを逆に変数
として考え九ａ−ｂ空間上では ｂ＝−ｆｌａ＋７１　　　　　・・・・・・・・・・・
・・（９）の直線に変換される。この様な変換がＨｏｕ
ｇｈ変換であり、任意の変形がありうる。例えば７−ｆ
上の任意の直線は ｐｘｆｃｏｓθ＋７ｓｉｎθ　・・・・・・・・・・・
・（１０）とすることができる。ｐは原点からその直線
への垂線の長さであり、０はその垂線とｆ軸とのなす角
である０同様にしてｙ−ｆ面上の一点（７１，ｆｔ）は
ρ−θ面上の曲線として変換できる。逆にａ−す面、又
はｐ−０面上の一点はｙ−ｆ面上の一つの直線に対応す
る。

こ＼で第２図（ａ）の有効領域Ｗ内の全ての実測データ
点をａ−ｂ面（又はρ−θ面）に変換すると、夫々のデ
ータ点に対応した同数の直線（又は曲線）が得られる。

又ａ−ｂ面をａ軸ｍヶ、ｂ軸ｎヶの格子状画素に分割し
、夫々の画素に対応する累算器を設け、１つの直線が通
過している全ての画素には、その累算器に１を加える動
作を全ての直線について行い、その後で最大累算値を有
するａ−５面上の画素（ｐｌ、ｑｊ）を選出し、そのＦ
−ｆ面上の対応直線 ）”’ｐｊｆ＋ｑｊ　　　　　　・・・・・・・・・・
・・（１１）が最適適合直線、即ちモデル・スペクトル
であるとするものである。画素（ｐＪ、（Ｉｊ）の選出
には、単純に最大累算値点を選ぶのみでなく、その附近
の累算値の分布から決定する等の任意の変形を行なって
よいことは勿論である。単なるＬＭＳＥ法に比して、過
大偏差データ点の影響を受けない利点があに、又上述の
移動窓非線形処理の諸方式に比してモデル・スペクトル
成分を含んだま＼処理を行なうことができることも大き
な利点である。

この方法はパラボラのモデル・スペＩ　）　ルに対して
も容易に連用できる。即ち任意のパラボラはｙ−を面で
次式で与えられる。

ｙｘａｆ”＋ｂｆ＋ｃ 中心周波数やスペクトル分散は、ａ、ｂのみによ４て定
ｔ！ｌｉｅは意味をも九表い。即ち対数パワｍ−スペク
トルは任意に上下にシフトしてよい。例えばパラボラの
頂点を常にｏｄｎＫ揃える様な処理を行なうと、ＣはＩ
Ｌｔ　ｂの函数となる。したがって（１２）式は二つの
パラ・メータａ、ｂのみを有する。したがって７−ｆ面
上の一点はａ−５面上の一つの曲線に逆にａ−５面上の
一つの点はｙ−ｆ面上の一つのパラボラにハフ（Ｒｏｕ
ｇｈ）変換される。以後は上述の直線適合の場合と同様
にして最適適合パラボラを求めることができる。

次に偏差分布函数比較法について説明する。これは一種
の仮説検定法であって、種々のモデル・スペクトルを仮
説として仮定し夫々に対して特定の評価函数を求め、そ
の最適値に対応するモデル・スペクトルを選ぶものであ
る。評価函数として、偏差の分布函数に注目し、理論又
は経験上予期される確率分布函数に最もよく適合するも
の、又は実測された分布が出現する確率の最も大きなモ
デ、１％／＠スペクトルを選ぶものである・仮説モデル
・スペクトルとしては、単純ＬＭＳＥ法で適合したモデ
ル・スペクトルを中心として、その附近でモデル−スペ
クトルのパラメータに系統的　動を与えて作ることによ
って計算量を軽減することができる。

こ＼でモデル・スペクトルが正確に適合された場合、そ
の偏差が十分なデご夕侭に対してどの様な確率分布密度
函数を有するかを説明する。モデル・スペクトルが正確
な場合、その偏差はパラボラでは（５）式のｎｕｎスペ
クトル差法では（３−１）式の’　＋ｆｌとなり、その
確率密度分布函数は夫々第５図（ａ）、　（ｂ）となる
。又、ｎｕｎは平均値ｎ（ｆｌを有し、左右非対称で！
ＬＴｆｌ−ｎ（ｆｌの標準偏差は５．５６　ｄＢである
。ε（ｆｌは平均値が０で左右対称でその形はガウス分
布に近似し、標準偏差は７．８８ｄＢである＠０実際の
１つの測定スペクトル、例えば第２図（ａ）では独立な
サンプル数がなく（〜２０ケ位）、その偏差の頻度分布
は滑らかな第５図（ｂ）とは異な抄、第５図（ｂ）の周
りにランダムな凹凸を示す第５図（Ｃ）の如きものとな
る。

さてモデル・スペクトルを不正確に、例えば第２図（ａ
）の■、■の様に仮設したらその偏差の頻度分布は、夫
々第５図（ｄＬ　（ｅ）の称になる。即ち分散が拡が松
、平均値がズレる。分散のみに着目すると三つの中では
第５図（ｅ）が最小であることが判る。

評価函数として分散に着目し、その最小を与える仮説そ
デルを求めることは、ＬＭＳＥ法と等価でＬＭＳＥと同
じ精度しか得られない。ＬＭＳＥ法では一回の計算で最
適モデルが決定されるのに対し、零万式では多数のモデ
ルに対し計算しなければならず何等のメリットも有しな
い。しかし、ＬＭＳＥ法では用いていない偏差分布の形
状を情報として用いることによって、よし高い精度を期
待することができる。即ち、理論的に予期できる第５図
（ｂ）の形状を利用する＠説明が稜になったが、第５図
（ａ）、　（ｂ）の形状が対数パワー・スペクトル上で
一定となるとと■が、本発明で対数で対数パワー−スペ
クトルを用いるもう一つの理由である〇具体的１ｃｌｄ
第５図（ｂ）の形状と１．第５図（ｃ）、　（ｄｉ、　
（ｅ）等との相互相関をとり、その最大値を与える仮説
モデルを選ぶこと等で実現できる。まず第５図（Ｃ）。

（ｄ）＝　（ｅ）等の上で第５図（ｂ）を左右にズラし
て相互相関の最大位置を求め、夫々の最大値を各種仮説
モデル間で更に比較して最大値を与える仮説を正しいと
すればよい。Ｔ、　Ｍ　Ｓ　Ｅ法で問題となった過大偏
差データ点、即ち第５図（ｃ）の右端の如きデータ点は
、第５図（ｂ）との乗算ではその裾野の低い値と乗算さ
れその寄与は除去されるのでより精度が上昇することが
理解されよう。

相互相ＨＣ代る他の例を次に示す。即ち、特定偏差ｒａ
ｎを与える確率は第５図（ｂ）で与えられるのでこの確
率を用いて、たまたま第５図（ｃ）や（ｄ）や（ｅ）の
頷度分布が出現する確率を計算することができ、夫々の
仮説モデル・スペクトルの中から最大出現確率を有する
モデルを選択することができる。

以下本発明を諸種の例について説明したが、本発明の適
用範囲は説明例に限られるものでなく、本発明の概念を
用いた他の応用例にも及ぶものである。

特性値として減衰傾斜を求める例について説明したが、
減衰傾斜分布がより精密に高い空間分解能で求められる
ならば、その値を利用して、更に本発明等を適用して、
反射係数やその他の特性値を求めることができる。

〔発明の効果〕

本発明によれば一つの走査で得られるエコー信号から媒
体特性値の抽出に際して、対数パワー・−スペクトル上
でモデル・スペクトルを非線形適合することにより、在
来の線形適合よりもスペクトルスカロップによる誤差を
減少できるので、必要精度を得るための空間平均サンプ
ル数を低減することができ、より高い空間分解能で特性
値の空間分布を測定できる効果がある。

〔引用文献リスト〕

■　Ｈ，Ｍｉｗａ　ａｔａｌ、　　Ｒｅｍｏｖｌｎｇ　
ｓｐｅｃｔｒｕｍｓｃａｌｌｏｐｌｎｇ　ａｎｄ　ｆｒ
ｅｑｕｅｎｃｙ　ｄｅｐｅｎｄｅｎｔｒｅｆｒｅｃｔｉ
ｏｎ　ｆａｃｔｏｒｓ　ｉｎ　ｕｌｔｒａｓｏｎｉｃｂ
ｉｏ−ｔｉｓｓｕｅ　ｃｈａｒａｃｔｅｒｌｚａｔｉｏ
ｎ″Ｐｒｏｃ。

１９８４　　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｓｙｍｐ、
ｏｎ　ｎｏｉｓｅａｎｄ　ｃｌｕｔｔｓｒ　ｒ＠ｊｅｃ
ｔｉｏｎ　　ｉｎ　ｒａｄａｒｓ　ａｎｄｉｍａｇｉｎ
ｇ　５ｅｎｉｏｒｓ、Ｐｐ、１５８〜１６Ｌ　Ｏｃｔ。

１９８４゜ （２）三輪、特願昭５８−４５３９６　（特開昭５９−
＠Ｒ，Ｋｕｃ　ｅｔａｌ　’Ｅｓｔｉｍａｔｉｎｇ　ｔ
ｈａ　＆ｃｏｕ　−５ｔｉｃ　Ａｔｔｅｎｕａｔｉｏｎ
　Ｃｏｅｆｆｉｃｉｅｎｔ　　５ｌｏｐ・ｆｏｒ　　１
ｉｖｅｒ　　ｆｒｏｍ　ｒｅｆｌｅｃｔ＠ｄ　　ｕｔｔ
ｒａａｏｕｎｄｓｉｇｎａ１ｇ’、　ＩＥＥＥ、　５Ｕ
−２６，Ｎｏ、５．　ｐｐ　３５　：３〜３６２．８ｓ
ｐｔ、１９７９゜ Ｃ＠　　ＲｌＫｕｃ　”Ｅｓｔｉｍａｔｉｎｇ　ａｃｏ
ｕｓｔｉｃ　ａｔＬ　−ｅｎｕａｔｉｏｎｆｒｏｍ　　
ｒｅｆｌｅｃｔｅｄ　　ｕｌｔｒａｓｏｕｎｄａｉｇｎ
ａｌｓ：　Ｃｏｍｐａｒｉｓｏｎ　ｏｆ　５ｐｅｃｔｒ
ａｌｓｈｉｆｔ　ａｎｄ　５ｐｅｃｔｒａｌ−ｄｌｆｆ
ｓｒｅｎｃｅ　ａｐｐ−ｒｏａｃｈｅｓ’　ＩＥＥＥｅ
　ＡＳ’５Ｐ−３２ｅ　Ｎｏ、１　ｐｐ、１〜６、Ｆｅ
ｂ、１９８４゜ ＠Ｒ，Ｋｕｃ　”Ｂｏｕｎｄｓ　ｏｎ　ｅ＠ｔｉｍａｔ
ｔｎｇ　ｔｈｅａｃｏｕｓｔｉｃ　　ａｔｔｅｎｕａｔ
ｌｏｎ　ｏｆ　　ｓｍａｌｌ　　ｔｉｓｓｕｅｒｅｇｉ
ｏｎｓ　ｆｒｏｍ　ｒｓｆｌｅｃｔｅｄ　ｕｌｔｒａｓ
ｏｕｎｄ＋ＩＥＥＥ　Ｐｒｏｃｅｅｄｉｎｇｓ　ｔｏ　
ｂｅ　ｐｕｂｌｉｓｈｅｄ（ＦＪ　　Ｍ、５ａｉｔｏ　
”Ｍｅａｓｕｒｅｍｅｎｄ　ｏｆ　５ｈｏｒｔ　−ｔｓ
ｒｍ　Ｇａｕｓｓｉａｎ　ｓｐｅｃｔｒｕｍ　　　Ｉｎ
ｔｅｒｎａｌｒｅｐｏｒｔ　　Ｎｏ、７．　　ｐｐ　１
〜１３．１ｎｓｔｉｔｕｔｅ　ｏｆＭｅｄｉｃａｌ　　
Ｅ１ｅｃｔｒｏｎｉｅｓ＋　　ＴｏＲ）’ｏ　　Ｕｎｉ
ｖｅ−ｒｓ　ｉ　ｔ７．　Ｍａｒ、　１９８４゜■　三
輪、特願昭５６−１５５２７１　（特開昭５８−＠）（
、Ｍｌｗａ　ｅｔ　ａｌ　”Ｒｅｄｕｅｔｉｏｎ　ｆｒ
ｏｍ　３ｄ１ｍ＠ｎ５ｉｏｎｓ　ｔｏ　１　ｄｉｍｅｎ
ｓｉｏｎ　ｉｎ　ｑｕａｎｔｉ　−ｔａｔｌｖｅ　ｍｓ
ａｓｕｒｅｍｅｎｔ　ｏｆ　ｒａｆｌａｃｔｔｏｎ＋ｕ
ｓｉｎｇＧ−ｆａｃｔｏｒ、”　Ｊｏｕｒ、　ｏｆ　Ｕ
ｌｔｒａｓｏｕｎｄｉｎ　Ｍ＠ｄｉｃｉｎｅ、　ｖｏｌ
、　３−Ｎｏ、９　　ｐ　２２６゜Ｓ＠ｐｔ−１９８４
゜ ■　三輪、他。特願和５９−８５２１０号（１０）　Ｄ
、Ｊ、Ｈ，Ｍｏｏｒｅ　ａｎｄ　Ｄ、Ｊ、　Ｐａｒｋｅ
ｒ　ｏｎｎｏｎ１１ｎｅａｒ　ｆｌｌｔｅｒａ　ｉｎｖ
ｏｌｖｉｎｇ　ｔｒａｎｓ　−ｆｏｒｍａｔｉｏｎ　　
ｏｆ　　ｔｈ＠　ｔｉｍｅ　　ｖａｒｉａｂｌｅ。

ＩＥＥＥ、　ＩＴ−１９，ｐｐ４１５〜４２２．　Ｊｕ
ｌｙ、１９７３゜（１１）Ｐ、Ｊ’、Ｖａｒｏｕｔａｓ
、ｅｔａＬ　　Ｔｗｏ−ｄｉｍｅｎ−ｓｉｏｎａｌ　　
Ｅ−ｆｉｌｔｅｒｉｎｇ　ａｐｐｌｉｅｄ　ｔｏ　ｉｍ
ａｇｅＰｒｏｃｅｓｓｉｎｇ”　ＩＥＥＥ、　ＳＭＣ−
６，ｐｐ　４１０〜４１９、Ｊｕｎｅ　　１９７６゜

【図面の簡単な説明】

第１図は本発明の一実施例ブロック図であり、１は超音
波トランスデユーサ、２は生体、３は駆動回路、４は送
受信切換え回路、５は受信アンプ、６はＡ／Ｄ変換器、
７は制御計算機、８〜３５は計算機内の各処理部又は処
理ルーチ／、５０はイメージメモリ、５１はディスプレ
イ・コントローラ、５２はＣＲＴディスプレイである。 尚２１゜３０はメディアン・フィルタ又はメディアン・
フィルタ処理ルーチンを示す。 第２図は対数スペクトル差法のスペクトル説明図、 第３図はパラボラ適合法のスペクトル説明図、第４図は
モデルスペクトル成分を除去したランダム変数スペクト
ルの説明図、 第５図は偏差の確庫分布函数又は頻度分布函数の説明図
である。 く６動 茅２叱αノ 第２閃（ｂ） 茎４図

Claims (2)

【特許請求の範囲】
1. （１）超音波パルスを媒体中に送信し、その反射波を送
   信後の時間ｔ、即ち深さｚ（ｚ＝ｃｔ／２、Ｃ＝音速）
   の函数として受信し、特定の時間、即ち特定の深さの微
   小領域からの反射波のスペクトルを求め、そのスペクト
   ルからその深さにおける媒体の音響特性値を求める超音
   波媒体特性値測定装置であって、以下の手段を設けたこ
   とを特徴とする測定装置。 ａ）上記微小領域からの反射波の周波数スペクトルの対
   数をとった対数スペクトル又は該対数スペクトルに線形
   処理を施した処理済対数スペクトルを求める第１の手段
   （４、５、６、８、９、１０）、ｂ）複数の媒体特性値
   を用いて媒体をモデル化した場合の予期される対数モデ
   ルスペクトルを上記ａ）で求めた対数スペクトル又は処
   理済対数スペクトルに非線形に適合処理を行なう第２の
   手段（２１、２２、２３、又は３０、３１、３２）、ｃ
   ）上記ｂ）による適合結果から上記媒体特性値を求める
   第３の手段（２５、又は３４、３５）。
2. （２）特許請求の範囲第（１）項において、上記第２の
   手段は上記第１手段で得られた対数スペクトルにおける
   周波数軸に沿った各データ点列の中で、隣接若しくは近
   傍のデータ点と著しくかけ離れた値をとるデータ点を除
   去又は所定の値に抑制する手段（２１、又は３０）を含
   むことを特徴とする超音波媒体特性値測定装置。