JPWO2012011414A1 - 超音波診断装置 - Google Patents

Abstract

超音波診断装置は、診断対象の検体に対して超音波を送信するとともに検体によって反射された超音波を受信することにより、受信した超音波に基づく検体の組織性状を診断するものであり、受信した超音波の周波数を解析することによって得た周波数スペクトルを近似することによって検体の所定領域における周波数スペクトルの特徴量を抽出し、この特徴量と複数の既知検体の組織性状および該複数の既知検体から反射された超音波をもとに抽出された周波数スペクトルの特徴量とを用いることによって検体の所定領域の組織性状を判定する。

Description

本発明は、超音波を用いて検体の組織性状を診断する超音波診断装置、超音波診断装置の作動方法および超音波診断装置の作動プログラムに関する。

従来、超音波を用いた乳がん等の検査技術として、超音波エラストグラフィという技術が知られている（例えば、特許文献１を参照）。超音波エラストグラフィは、生体内の癌や腫瘍組織の硬さが病気の進行状況や生体によって異なることを利用する技術である。この技術では、外部から検査箇所を圧迫した状態で、超音波を用いてその検査箇所における生体組織の歪量や弾性率を計測し、この計測結果を断層像として画像表示している。

国際公開第２００５／１２２９０６号

しかしながら、上述した超音波エラストグラフィでは、血管やリンパ管などの脈管の下部には押し付ける圧力が伝わりにくいという問題があった。そのため、脈管の近傍に腫瘍が形成されている場合、腫瘍の境界が不明りょうであり、脈管内への腫瘍の浸潤の鑑別も難しかった。このように、超音波エラストグラフィでは、組織性状の鑑別を精度よく行うことができない場合があった。

また、超音波エラストグラフィでは、検査者が検査箇所を圧迫する際の圧力や圧迫速度に個人差が生じやすいため、測定結果の信頼性が低いという問題もあった。

本発明は、上記に鑑みてなされたものであって、組織性状を精度よく鑑別することを可能にするとともに、測定結果の信頼性を向上させることができる超音波診断装置、超音波診断装置の作動方法および超音波診断装置の作動プログラムを提供することを目的とする。

上述した課題を解決し、目的を達成するために、本発明に係る超音波診断装置は、診断対象の検体に対して超音波を送信するとともに前記検体によって反射された超音波を受信することにより、受信した超音波に基づく前記検体の組織性状を診断する超音波診断装置であって、受信した超音波の周波数を解析することによって周波数スペクトルを算出する周波数解析部と、前記周波数解析部が算出した周波数スペクトルを近似することによって前記周波数スペクトルの特徴量を抽出する特徴量抽出部と、複数の既知検体によってそれぞれ反射された超音波をもとに抽出された周波数スペクトルの特徴量を前記複数の既知検体の組織性状と関連付けて記憶する記憶部と、前記記憶部が前記複数の既知検体の組織性状と関連付けて記憶する特徴量および前記特徴量抽出部が抽出した特徴量を用いることによって前記検体の所定領域の組織性状を判定する組織性状判定部と、を備えたことを特徴とする。

また、本発明に係る超音波診断装置は、上記発明において、前記特徴量抽出部は、回帰分析によって前記周波数スペクトルを多項式で近似することを特徴とする。

また、本発明に係る超音波診断装置は、上記発明において、前記特徴量抽出部は、前記周波数スペクトルを一次式で近似し、前記一次式の傾きと、前記一次式の切片と、前記周波数スペクトルの周波数帯域に含まれる周波数、前記傾きおよび前記切片によって定まる強度と、を含む複数の特徴量を抽出することを特徴とする。

また、本発明に係る超音波診断装置は、上記発明において、前記記憶部は、前記複数の既知検体に対して組織性状ごとに分類されたグループにおける各特徴量の平均を記憶し、前記組織性状判定部は、前記複数の特徴量の少なくともいずれか一つを成分とする特徴量空間を設定し、前記検体の所定領域における周波数スペクトルの特徴量のうち前記特徴量空間の成分をなす特徴量の平均を前記特徴量空間の座標として有する検体平均点と、前記複数の既知検体の前記グループにおける各特徴量のうち前記特徴量空間の成分をなす特徴量の平均を前記特徴量空間の座標として有する既知検体平均点との前記特徴量空間上の距離に基づいて、前記検体の組織性状を判定することを特徴とする。

また、本発明に係る超音波診断装置は、上記発明において、前記組織性状判定部は、前記検体平均点と前記既知検体平均点との前記特徴量空間上の距離が最小となるグループに対応する組織性状を前記検体の組織性状とすることを特徴とする。

また、本発明に係る超音波診断装置は、上記発明において、前記組織性状判定部は、前記検体平均点と前記既知検体平均点との前記特徴量空間上の距離が小さいほど大きな値を有し、全ての距離に対応した値の和が１である確率を、全ての距離に対してそれぞれ算出することにより、前記検体の組織性状を確率的に判定することを特徴とする。

また、本発明に係る超音波診断装置は、上記発明において、前記組織性状判定部は、前記複数の既知検体における組織性状ごとに分類されたグループに前記検体の特徴量を加えた母集団における特徴量の標準偏差を算出し、この標準偏差と前記グループにおける特徴量の標準偏差との差が最小である特徴量を有するグループに対応した組織性状を前記検体の組織性状とすることを特徴とする。

また、本発明に係る超音波診断装置は、上記発明において、前記検体の特徴量に対応する視覚情報を生成し、この生成した視覚情報、受信した超音波をもとに生成される画像、および前記組織性状判定部が判定した結果を用いることによって前記検体の所定領域の組織性状の判定結果を表示する判定結果表示画像データを生成する判定結果表示画像データ生成部をさらに備えたことを特徴とする。

また、本発明に係る超音波診断装置は、上記発明において、前記視覚情報は、色空間を構成する変数であることを特徴とする。

また、本発明に係る超音波診断装置の作動方法は、診断対象の検体に対して超音波を送信するとともに前記検体によって反射された超音波を受信することにより、受信した超音波に基づく前記検体の組織性状を診断する超音波診断装置の作動方法であって、受信した超音波の周波数を解析することによって周波数スペクトルを周波数解析部により算出する周波数解析ステップと、前記周波数解析ステップで算出した周波数スペクトルを近似することによって前記周波数スペクトルの特徴量を特徴量抽出部により抽出する特徴量抽出ステップと、複数の既知検体によってそれぞれ反射された超音波をもとに抽出された周波数スペクトルの特徴量を前記複数の既知検体の組織性状と関連付けて記憶する記憶部から読み出した特徴量および前記特徴量抽出ステップで抽出した特徴量を用いることによって前記検体の所定領域の組織性状を組織性状判定部により判定する組織性状判定ステップと、を有することを特徴とする。

また、本発明に係る超音波診断装置の作動プログラムは、診断対象の検体に対して超音波を送信するとともに前記検体によって反射された超音波を受信することにより、受信した超音波に基づく前記検体の組織性状を診断する超音波診断装置に、受信した超音波の周波数を解析することによって周波数スペクトルを周波数解析部により算出する周波数解析ステップ、前記周波数解析ステップで算出した周波数スペクトルを近似することによって前記周波数スペクトルの特徴量を特徴量抽出部により抽出する特徴量抽出ステップ、複数の既知検体によってそれぞれ反射された超音波をもとに抽出された周波数スペクトルの特徴量を前記複数の既知検体の組織性状と関連付けて記憶する記憶部から読み出した特徴量および前記特徴量抽出ステップで抽出した特徴量を用いることによって前記検体の所定領域の組織性状を組織性状判定部により判定する組織性状判定ステップ、を実行させることを特徴とする。

本発明によれば、受信した超音波の周波数を解析することによって得た周波数スペクトルを近似することによって検体の所定領域における周波数スペクトルの特徴量を抽出し、この特徴量を用いるとともに複数の既知検体によって反射された超音波をもとに抽出された周波数スペクトルの特徴量を用いることによって検体の所定領域の組織性状を判定するため、生体組織の歪量や弾性率を用いることなく、組織の違いを明確に峻別することができる。したがって、組織性状を精度よく鑑別することを可能にするとともに、測定結果の信頼性を向上させることができる。

図１は、本発明の実施の形態１に係る超音波診断装置の構成を示すブロック図である。 図２は、本発明の実施の形態１に係る超音波診断装置の処理の概要を示すフローチャートである。 図３は、本発明の実施の形態１に係る超音波診断装置の表示部におけるＢモード画像の表示例を示す図である。 図４は、本発明の実施の形態１に係る超音波診断装置の周波数解析部が行う処理の概要を示すフローチャートである。 図５は、一つの音線のデータ配列を模式的に示す図である。 図６は、本発明の実施の形態１に係る超音波診断装置の周波数解析部が算出した周波数スペクトルの例（第１例）を示す図である。 図７は、本発明の実施の形態１に係る超音波診断装置の周波数解析部が算出した周波数スペクトルの例（第２例）を示す図である。 図８は、本発明の実施の形態１に係る超音波診断装置の組織性状判定部が行う処理の概要を示すフローチャートである。 図９は、本発明の実施の形態１に係る超音波診断装置の組織性状判定部が設定する特徴量空間の一例を示す図である。 図１０は、本発明の実施の形態１に係る超音波診断装置の表示部が表示する判定結果表示画像の表示例を示す図である。 図１１は、本発明の実施の形態１に係る超音波診断装置の表示部が表示する判定結果表示画像の別な表示例を示す図である。 図１２は、本発明の実施の形態４に係る超音波診断装置の組織性状判定部が行う組織性状判定処理の概要を説明する図である。

以下、添付図面を参照して、本発明を実施するための形態（以下、「実施の形態」という）を説明する。

（実施の形態１）
図１は、本発明の実施の形態１に係る超音波診断装置の構成を示すブロック図である。同図に示す超音波診断装置１は、超音波を用いて診断対象である検体の組織性状を診断する装置である。

超音波診断装置１は、外部へ超音波パルスを出力するとともに、外部で反射された超音波エコーを受信する超音波探触子２と、超音波探触子２との間で電気信号の送受信を行う送受信部３と、超音波エコーを変換した電気的なエコー信号に対して所定の演算を施す演算部４と、超音波エコーを変換した電気的なエコー信号に対応する画像データの生成を行う画像処理部５と、キーボード、マウス、タッチパネル等のインタフェースを用いて実現され、各種情報の入力を受け付ける入力部６と、液晶または有機ＥＬ等からなる表示パネルを用いて実現され、画像処理部５が生成した画像を含む各種情報を表示する表示部７と、既知検体の組織性状に関する情報を含む各種情報を記憶する記憶部８と、超音波診断装置１の動作制御を行う制御部９と、を備える。

超音波探触子２は、送受信部３から受信した電気的なパルス信号を超音波パルス（音響パルス信号）に変換するとともに、外部の検体で反射された超音波エコーを電気的なエコー信号に変換する信号変換部２１を有する。超音波探触子２は、超音波振動子をメカ的に走査させるものであってもよいし、複数の超音波振動子を電子的に走査させるものであってもよい。

送受信部３は、超音波探触子２と電気的に接続され、パルス信号を超音波探触子２へ送信するとともに、超音波探触子２からエコー信号を受信する。具体的には、送受信部３は、予め設定された波形および送信タイミングに基づいてパルス信号を生成し、この生成したパルス信号を超音波探触子２へ送信する。また、送受信部３は、受信したエコー信号に増幅、フィルタリング等の処理を施した後、Ａ／Ｄ変換することによってデジタルＲＦ信号を生成して出力する。なお、超音波探触子２が複数の超音波振動子を電子的に走査させるものである場合、送受信部３は、複数の超音波振動子に対応したビーム合成用の多チャンネル回路を有する。

演算部４は、送受信部３が出力したデジタルＲＦ信号に高速フーリエ変換（ＦＦＴ）を施すことによってエコー信号の周波数解析を行う周波数解析部４１と、周波数解析部４１が行った周波数解析によって得られた周波数スペクトル（パワースペクトル）を近似することによって周波数スペクトルの特徴量を抽出する特徴量抽出部４２と、特徴量抽出部４２が抽出した特徴量を用いて検体の所定領域の組織性状を判定する組織性状判定部４３と、を有する。

周波数解析部４１は、各音線（ラインデータ）に対し、所定のデータ量からなるＦＦＴデータ群を高速フーリエ変換することによって周波数スペクトルを算出する。周波数スペクトルは、検体の組織性状によって異なる傾向を示す。これは、周波数スペクトルが、超音波を散乱する散乱体としての検体の大きさ、密度、音響インピーダンス等と相関を有しているためである。

特徴量抽出部４２は、回帰分析によって周波数スペクトルを一次式で近似し、この近似した一次式を特徴付ける特徴量を抽出する。具体的には、特徴量抽出部４２は、回帰分析によって一次式の傾きａおよび切片ｂを算出するとともに、周波数スペクトルにおける周波数帯域の中心周波数ｆ_MID＝（ｆ_LOW＋ｆ_HIGH）／２における強度（Mid-band fit）ｃ＝ａｆ_MID＋ｂを算出する。ここでいう「強度」とは、電圧、電力、音圧、音響エネルギー等のパラメータのいずれかを指す。このうち、傾きａは、超音波の散乱体の大きさと相関があり、一般に散乱体が大きいほど傾きが低下すると考えられる。また、切片ｂは、散乱体の大きさ、音響インピーダンスの差、散乱体の密度（濃度）等と相関を有する。強度ｃは、傾きａと切片ｂから導出される間接的なパラメータであり、有効な周波数帯域内の中心におけるスペクトル強度を与える。このため、強度ｃは、散乱体の大きさ、音響インピーダンスの差、散乱体の密度に加えて、Ｂモード画像の輝度とある程度の相関を有していると考えられる。なお、特徴量抽出部４２が算出する近似多項式は一次式に限定されるわけではなく、二次以上の近似多項式を用いることも可能である。

組織性状判定部４３は、特徴量抽出部４２によって抽出された周波数スペクトルの特徴量の平均および標準偏差を特徴量ごとに算出する。組織性状判定部４３は、算出した平均および標準偏差と、記憶部８が記憶する既知検体の周波数スペクトルの特徴量の平均および標準偏差とを用いることにより、検体の所定領域の組織性状を判定する。ここでいう「所定領域」は、画像処理部５によって生成された画像を見た超音波診断装置１の操作者が入力部６によって指定した画像中の領域（以下、「関心領域」という）のことである。また、ここでいう「組織性状」とは、例えば癌、内分泌腫瘍、粘液性腫瘍、正常組織、脈管などのいずれかである。なお、検体が膵臓である場合には、組織性状として慢性膵炎、自己免疫性膵炎なども含まれる。

組織性状判定部４３が算出する特徴量の平均および標準偏差は、核の腫大や異形などの細胞レベルの変化、間質における線維の増生や実質組織の線維への置換などの組織的な変化を反映しており、組織性状に応じて特有の値を示す。したがって、そのような特徴量の平均および標準偏差を用いることにより、検体の所定領域の組織性状を正確に判定することが可能となる。

画像処理部５は、エコー信号の振幅を輝度に変換して表示するＢモード画像データを生成するＢモード画像データ生成部５１と、Ｂモード画像データ生成部５１および演算部４によってそれぞれ出力されたデータを用いて関心領域の組織性状の判定結果および該判定結果に関連する情報を表示する判定結果表示画像データを生成する判定結果表示画像データ生成部５２と、を有する。

Ｂモード画像データ生成部５１は、デジタル信号に対してバンドパスフィルタ、対数変換、ゲイン処理、コントラスト処理等の公知の技術を用いた信号処理を行うとともに、表示部７における画像の表示レンジに応じて定まるデータステップ幅に応じたデータの間引き等を行うことによってＢモード画像データを生成する。

判定結果表示画像データ生成部５２は、Ｂモード画像データ生成部５１が生成したＢモード画像データ、特徴量抽出部４２が算出した特徴量、および組織性状判定部４３が判定した判定結果を用いることにより、関心領域の組織性状の判定結果およびその組織性状を強調する組織性状強調画像を含む判定結果表示画像データを生成する。

記憶部８は、既知検体の情報を記憶する既知検体情報記憶部８１と、周波数解析部４１が行う周波数解析処理の際に使用する窓関数を記憶する窓関数記憶部８２とを有する。既知検体情報記憶部８１は、既知検体に対する周波数解析によって抽出された周波数スペクトルの特徴量を既知検体の組織性状と関連付けて記憶している。また、既知検体情報記憶部８１は、既知検体に関連した周波数スペクトルの特徴量に対し、既知検体の組織性状ごとに分類されたグループごとに算出された平均および標準偏差を、既知検体の特徴量の全データとともに記憶している。既知検体情報記憶部８１が記憶する既知検体の情報は、組織性状に関する信頼度の高い情報であることが望ましい。窓関数記憶部８２は、Hamming, anning, Blackmanなどの窓関数のうち少なくともいずれか一つの窓関数を記憶している。記憶部８は、本実施の形態１に係る超音波診断装置の作動プログラムや所定のＯＳを起動するプログラムや等が予め記憶されたＲＯＭ、および各処理の演算パラメータやデータ等を記憶するＲＡＭ等を用いて実現される。

以上の機能構成を有する超音波診断装置１の超音波探触子２以外の構成要素は、演算および制御機能を有するＣＰＵを備えたコンピュータを用いて実現される。超音波診断装置１が備えるＣＰＵは、記憶部８が記憶、格納する情報および上述した超音波診断装置の作動プログラムを含む各種プログラムを記憶部８から読み出すことにより、本実施の形態１に係る超音波診断装置の作動方法に関連した演算処理を実行する。

なお、本実施の形態１に係る超音波診断装置の作動プログラムは、ハードディスク、フラッシュメモリ、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、フレキシブルディスク等のコンピュータ読み取り可能な記録媒体に記録して広く流通させることも可能である。

図２は、以上の構成を有する超音波診断装置１の処理の概要を示すフローチャートである。図２において、超音波診断装置１は、まず超音波探触子２によって新規の検体の測定を行う（ステップＳ１）。その後、Ｂモード画像データ生成部５１がＢモード画像データを生成する（ステップＳ２）。

続いて、制御部９は、Ｂモード画像データ生成部５１が生成したＢモード画像データに対応するＢモード画像を表示部７に表示させる制御を行う（ステップＳ３）。図３は、表示部７におけるＢモード画像の表示例を示す図である。同図に示すＢモード画像１００は、色空間としてＲＧＢ表色系を採用した場合の変数である赤（Ｒ）、緑（Ｇ）、青（Ｂ）の値を一致させたグレースケール画像である。

その後、入力部６を介して関心領域の設定がなされた場合（ステップＳ４：Ｙｅｓ）、周波数解析部４１は、ＦＦＴ演算による周波数解析を行うことによって周波数スペクトルを算出する（ステップＳ５）。このステップＳ５では、画像の全領域を関心領域として設定することも可能である。一方、関心領域の設定がなされていない場合（ステップＳ４：Ｎｏ）において、処理を終了する指示が入力部６によって入力されたとき（ステップＳ６：Ｙｅｓ）、超音波診断装置１は処理を終了する。これに対し、関心領域の指定がなされていない場合（ステップＳ４：Ｎｏ）において、ステップＳ６で処理を終了する指示が入力部６によって入力されないとき（ステップＳ６：Ｎｏ）、超音波診断装置１はステップＳ４へ戻る。

ここで、周波数解析部４１が行う処理（ステップＳ５）について、図４に示すフローチャートを参照して詳細に説明する。まず、周波数解析部４１は、最初に解析対象とする音線の音線番号Ｌを初期値Ｌ₀とする（ステップＳ１１）。初期値Ｌ₀は、例えば送受信部３が最初に受信する音線に対して付与してもよいし、入力部６によって設定される関心領域の左右の一方の境界位置に対応する音線に対して付与してもよい。

続いて、周波数解析部４１は、一つの音線上の全ての周波数スペクトルを算出する。まず、周波数解析部４１は、ＦＦＴ演算用に取得する一連のデータ群（ＦＦＴデータ群）を代表するデータ位置Ｚの初期値Ｚ₀を設定する（ステップＳ１２）。図５は、一つの音線のデータ配列を模式的に示す図である。同図に示す音線ＬＤにおいて、白または黒の長方形は、一つのデータを意味している。音線ＬＤは、送受信部３が行うＡ／Ｄ変換におけるサンプリング周波数（例えば５０ＭＨｚ）に対応した時間間隔で離散化されている。図５では、音線ＬＤの１番目のデータをデータ位置Ｚの初期値Ｚ₀として設定した場合を示している。なお、図５はあくまでも一例に過ぎず、初期値Ｚ₀の位置は任意に設定することができる。例えば、関心領域の上端位置に対応するデータ位置Ｚを初期値Ｚ₀として設定してもよい。

その後、周波数解析部４１は、データ位置ＺのＦＦＴデータ群を取得し（ステップＳ１３）、取得したＦＦＴデータ群に対し、窓関数記憶部８２が記憶する窓関数を作用させる（ステップＳ１４）。このようにＦＦＴデータ群に対して窓関数を作用させることにより、ＦＦＴデータ群が境界で不連続になることを回避し、アーチファクトが発生するのを防止することができる。

続いて、周波数解析部４１は、データ位置ＺのＦＦＴデータ群が正常なデータ群であるか否かを判定する（ステップＳ１５）。ここで、ＦＦＴデータ群は、２のべき乗のデータ数を有している必要がある。以下、ＦＦＴデータ群のデータ数を２ⁿ（ｎは正の整数）とする。ＦＦＴデータ群が正常であるとは、データ位置ＺがＦＦＴデータ群で前から２^n-1番目の位置であること意味する。換言すると、ＦＦＴデータ群が正常であるとは、データ位置Ｚの前方に２^n-1−１（＝Ｎとする）個のデータがあり、データ位置Ｚの後方に２^n-1（＝Ｍとする）個のデータがあることを意味する。図５に示す場合、ＦＦＴデータ群Ｆ₂、Ｆ₃、Ｆ_K-1は正常である一方、ＦＦＴデータ群Ｆ₁、Ｆ_Kは異常である。ただし、図５ではｎ＝４（Ｎ＝７，Ｍ＝８）としている。

ステップＳ１５における判定の結果、データ位置ＺのＦＦＴデータ群が正常である場合（ステップＳ１５：Ｙｅｓ）、周波数解析部４１は、後述するステップＳ１７へ移行する。

ステップＳ１５における判定の結果、データ位置ＺのＦＦＴデータ群が正常でない場合（ステップＳ１５：Ｎｏ）、周波数解析部４１は、不足分だけゼロデータを挿入することによって正常なＦＦＴデータ群を生成する（ステップＳ１６）。ステップＳ１５において正常でないと判定されたＦＦＴデータ群は、ゼロデータを追加する前に窓関数が作用されている。このため、ＦＦＴデータ群にゼロデータを挿入してもデータの不連続は生じない。ステップＳ１６の後、周波数解析部４１は、後述するステップＳ１７へ移行する。

ステップＳ１７において、周波数解析部４１は、ＦＦＴデータ群を用いてＦＦＴ演算を行うことにより、周波数スペクトルを得る（ステップＳ１７）。図６および図７は、周波数解析部４１が算出した周波数スペクトルの例を示す図である。図６および図７では、横軸ｆが周波数であり、縦軸Ｉが強度である。図６および図７にそれぞれ示す周波数スペクトル曲線Ｃ₁およびＣ₂において、周波数スペクトルの下限周波数ｆ_LOWおよび上限周波数ｆ_HIGHは、超音波探触子２の周波数帯域、送受信部３が送信するパルス信号の周波数帯域などをもとに決定されるパラメータであり、例えばｆ_LOW＝３ＭＨｚ、ｆ_HIGH＝１０ＭＨｚである。なお、図６に示す直線Ｌ₁および図７に示す直線Ｌ₂については、後述する特徴量抽出処理で説明する。本実施の形態１において、曲線および直線は、離散的な点の集合からなる。この点については、後述する実施の形態においても同様である。

続いて、周波数解析部４１は、データ位置Ｚに所定のデータステップ幅Ｄを加算して次の解析対象のＦＦＴデータ群のデータ位置Ｚを算出する（ステップＳ１８）。ここでのデータステップ幅Ｄは、Ｂモード画像データ生成部５１がＢモード画像データを生成する際に利用するデータステップ幅と一致させることが望ましいが、周波数解析部４１における演算量を削減したい場合には、Ｂモード画像データ生成部５１が利用するデータステップ幅より大きい値を設定してもよい。図５では、Ｄ＝１５の場合を示している。

その後、周波数解析部４１は、データ位置Ｚが最終データ位置Ｚ_maxより大きいか否かを判定する（ステップＳ１９）。ここで、最終データ位置Ｚ_maxは、音線ＬＤのデータ長としてもよいし、関心領域の下端に対応するデータ位置としてもよい。判定の結果、データ位置Ｚが最終データ位置Ｚ_maxより大きい場合（ステップＳ１９：Ｙｅｓ）、周波数解析部４１は、音線番号Ｌを１だけインクリメントする（ステップＳ２０）。一方、データ位置Ｚが最終データ位置Ｚ_max以下である場合（ステップＳ１９：Ｎｏ）、周波数解析部４１はステップＳ１３へ戻る。このようにして、周波数解析部４１は、一つの音線ＬＤに対して、［｛（Ｚ_max−Ｚ₀）／Ｄ｝＋１］（＝Ｋ）個のＦＦＴデータ群に対するＦＦＴ演算を行う。ここで、［Ｘ］は、Ｘを超えない最大の整数を表す。

ステップＳ２０でインクリメントした後の音線番号Ｌが最終音線番号Ｌ_maxより大きい場合（ステップＳ２１：Ｙｅｓ）、周波数解析部４１は図２に示すメインルーチンへ戻る。一方、ステップＳ２０でインクリメントした後の音線番号Ｌが最終音線番号Ｌ_max以下である場合（ステップＳ２１：Ｎｏ）、周波数解析部４１はステップＳ１２へ戻る。

このようにして、周波数解析部４１は、（Ｌ_max−Ｌ₀＋１）本の音線の各々についてＫ回のＦＦＴ演算を行う。なお、最終音線番号Ｌ_maxは、例えば送受信部３が受信する最終の音線に付与してもよいし、関心領域の左右のいずれか一方の境界に対応する音線に付与してもよい。以下、周波数解析部４１が全ての音線に対して行うＦＦＴ演算の総数（Ｌ_max−Ｌ₀＋１）×ＫをＰとおく。

以上説明したステップＳ５の周波数解析処理に続いて、特徴量抽出部４２が、周波数解析部４１が算出したＰ個の周波数スペクトルを回帰分析することによって特徴量を抽出する（ステップＳ７）。具体的には、特徴量抽出部４２は、周波数帯域ｆ_LOW＜ｆ＜ｆ_HIGHの周波数スペクトルを近似する一次式を回帰分析によって算出することにより、三つの特徴量ａ，ｂ，ｃを算出する。図６に示す直線Ｌ₁および図７に示す直線Ｌ₂は、このステップＳ７で得られる回帰直線である。

この後、組織性状判定部４３は、特徴量抽出部４２によって抽出された特徴量と既知検体情報記憶部８１が記憶する既知検体情報に基づいて、検体の関心領域における組織性状を判定する（ステップＳ８）。

ここで、組織性状判定部４３が行う処理（ステップＳ８）について、図８に示すフローチャートを参照して詳細に説明する。まず、組織性状判定部４３は、関心領域の内部に位置するＱ（≦Ｐ）組のＦＦＴデータ群の三つの特徴量ａ，ｂ，ｃの各々の平均および標準偏差を算出する（ステップＳ３１）。

続いて、組織性状判定部４３は、組織性状を判定する際に使用する特徴量空間を設定する（ステップＳ３２）。本実施の形態１において、三つの特徴量である傾きａ，切片ｂ，強度ｃのうち、独立なパラメータは二つである。したがって、三つの特徴量のうち任意の二つの特徴量を成分とする二次元空間を特徴量空間として設定することができる。また、三つの特徴量のうち任意の一つの特徴量を成分とする一次元空間を特徴量空間として設定することもできる。このステップＳ３２では、設定すべき特徴量空間が予め定められているものとしているが、操作者が入力部６によって所望の特徴量空間を選択するようにしてもよい。

図９は、組織性状判定部４３が設定する特徴量空間の一例を示す図である。図９に示す特徴量空間は、横軸が特徴量ｂ、縦軸が特徴量ｃである。図９に示す点Ｓｐは、ステップＳ３１で特徴量抽出部４２が算出した検体の関心領域内に含まれるＦＦＴデータ群の周波数スペクトルの特徴量ｂおよびｃの各平均を特徴量空間の座標として有する点（以下、この点を「検体平均点」という）を示している。また、図９に示す領域ＳＡ、ＳＢ，ＳＣは、既知検体情報記憶部８１が記憶する既知検体の組織性状が、それぞれＡ，Ｂ，Ｃであるグループを示している。図９に示す場合、三つのグループＳＡ、ＳＢ、ＳＣは、特徴量空間上において、互いに他のグループと交わりを有しない領域に存在している。このように、本実施の形態１では、周波数解析によって得られた周波数スペクトルの特徴量を指標として組織性状の分類、判定を行うため、互いに異なる組織性状を峻別することができる。

ステップＳ３２の後、組織性状判定部４３は、検体平均点Ｓｐと、グループＳＡ，ＳＢ、ＳＣにそれぞれ含まれるＦＦＴデータ群の周波数スペクトルの特徴量ｂおよびｃの各平均を特徴量空間の座標として有する点Ａ₀，Ｂ₀，Ｃ₀（以下、これらの点を「既知検体平均点」という）との間の特徴量空間上の距離α，β，γをそれぞれ算出する（ステップＳ３３）。ここで、特徴量空間におけるｂ軸成分とｃ軸成分のスケールが大きく異なる場合には、各距離の寄与を略均等にするための重み付けを適宜行うことが望ましい。

続いて、組織性状判定部４３は、ステップＳ３３で算出した距離に基づいて、検体平均点Ｓｐの組織性状を判定する（ステップＳ３４）。図９に示す場合、距離αが最小である。したがって、組織性状判定部４３は、検体の組織性状がＡであると判定する。なお、検体平均点Ｓｐが既知検体平均点Ａ₀，Ｂ₀，Ｃ₀と極端に離れている場合には、たとえ距離α，β，γの最小値が求まったとしても組織性状の判定結果の信頼度は低い。そこで、α，β，γが所定の閾値より大きい場合、組織性状判定部４３はエラー信号を出力するようにしてもよい。また、α，β，γのうち最小値が二つ以上生じた場合、組織性状判定部４３は最小値に対応するすべての組織性状を候補として選択してもよいし、所定の規則にしたがっていずれか一つの組織性状を選択してもよい。後者の場合、例えば癌などの悪性の高い組織性状の優先順位を高く設定する方法を挙げることができる。また、α，β，γのうち最小値が二つ以上生じた場合、組織性状判定部４３はエラー信号を出力してもよい。

この後、組織性状判定部４３は、ステップＳ３３における距離算出結果、およびステップＳ３４における判定結果を出力する（ステップＳ３５）。これにより、ステップＳ８の組織性状判定処理が終了する。

以上説明したステップＳ８の後、判定結果表示画像データ生成部５２は、Ｂモード画像データ生成部５１が生成したＢモード画像データ、特徴量抽出部４２が算出した特徴量、および組織性状判定部４３が判定した判定結果を用いることにより、判定結果表示画像データを生成する（ステップＳ９）。

その後、表示部７は、判定結果表示画像データ生成部５２が生成した判定結果表示画像を表示する（ステップＳ１０）。図１０は、表示部７が表示する判定結果表示画像の表示例を示す図である。同図に示す判定結果表示画像２００は、組織性状の判定結果を含む各種関連情報を表示する情報表示部２０１と、Ｂモード画像に基づいて組織性状を強調する組織性状強調画像を表示する画像表示部２０２とを有する。

情報表示部２０１には、例えば検体の識別情報（ＩＤ番号、名前、性別等）、組織性状判定部４３が算出した組織性状判定結果、組織性状判定を行う際の特徴量に関する情報、ゲインやコントラスト等の超音波画質情報が表示される。ここで、特徴量に関する情報として、関心領域の内部に位置するＱ組のＦＦＴデータ群の周波数スペクトルの特徴量の平均、標準偏差を利用した表示を行うことが可能である。具体的には、情報表示部２０１では、例えばａ＝１．５±０．３（ｄＢ／ＭＨｚ）、ｂ＝−６０±２（ｄＢ／ＭＨｚ）、ｃ＝−５０±１．５（ｄＢ／ＭＨｚ）、と表示することができる。

画像表示部２０２に表示されている組織性状強調画像３００は、図３に示すＢモード画像１００に対して、切片ｂをＲ（赤），Ｇ（緑），Ｂ（青）に対して均等に割り当てたグレースケール画像である。

以上の構成を有する判定結果表示画像２００を表示部７が表示することにより、操作者はより正確に関心領域の組織性状を把握することが可能となる。

なお、図１０に示す組織性状強調画像３００はあくまでも一例に過ぎない。他にも、例えば傾きａ、切片ｂ、強度ｃをＲ（赤）、Ｇ（緑）、Ｂ（青）にそれぞれ割り当てることにより、組織性状強調画像をカラー画像によって表示することも可能である。この場合、組織性状に対して固有の色で表現されるため、操作者は画像の色分布をもとに関心領域の組織性状を把握することが可能となる。また、色空間をＲＧＢ表色系で構成する代わりに、シアン、マゼンダ、イエローのような補色系の変数によって構成し、各変数に対して特徴量を割り当ててもよい。また、Ｂモード画像データとカラー画像データとを所定の比率で混合させることによって組織性状強調画像データを生成してもよい。また、関心領域のみカラー画像データへ置換することによって組織性状強調画像データを生成してもよい。

以上説明した本発明の実施の形態１によれば、受信した超音波の周波数を解析することによって得た周波数スペクトルを近似することによって検体の所定領域における周波数スペクトルの特徴量を抽出し、この特徴量を用いるとともに複数の既知検体によって反射された超音波をもとに抽出された周波数スペクトルの特徴量を用いることによって検体の所定領域の組織性状を判定するため、生体組織の歪量や弾性率を用いることなく、組織の違いを明確に峻別することができる。したがって、組織性状を精度よく鑑別することを可能にするとともに、測定結果の信頼性を向上させることができる。

図１１は、表示部７における判定結果表示画像の別な表示例を示す図である。同図に示す判定結果表示画像４００は、情報表示部４０１と、Ｂモード画像を表示する第１画像表示部４０２と、組織性状強調画像を表示する第２画像表示部４０３とを有する。図１１に示す場合には、第１画像表示部４０２にＢモード画像１００が表示され、第２画像表示部４０３に組織性状強調画像３００が表示されている。このようにしてＢモード画像と組織性状強調画像を並べて表示することにより、両画像の違いを一つの画面上で認識することができる。なお、第１画像表示部４０２で表示する画像と第２画像表示部４０３で表示する画像を入れ替えることができるようにしてもよい。また、入力部６からの入力によって判定結果表示画像２００と判定結果表示画像４００との表示を切り換えることができるようにしてもよい。

（実施の形態２）
本発明の実施の形態２は、組織性状判定部における組織性状判定処理が実施の形態１と異なる。本実施の形態２に係る超音波診断装置の構成は、実施の形態１で説明した超音波診断装置１の構成と同様である。そこで、以下の説明において、超音波診断装置１の構成要素と対応する構成要素には同一の符号を付すものとする。

組織性状判定部４３は、関心領域の内部に位置するＱ組のＦＦＴデータ群の特徴量（ａ，ｂ，ｃ）を、組織性状Ａ，Ｂ，Ｃを構成するグループＳＡ、ＳＢ、ＳＣ（図９を参照）にそれぞれ加えて新たな母集団を構成した後、各組織性状を構成するデータの特徴量ごとの標準偏差を求める。

その後、組織性状判定部４３は、既知検体のみからなる元の母集団におけるグループＳＡ，ＳＢ，ＳＣの各特徴量の標準偏差と、新規の検体をそれぞれ加えた新たな母集団におけるグループＳＡ，ＳＢ，ＳＣの各特徴量の標準偏差との差（以下、単に「標準偏差の差」という）を算出し、この標準偏差の差が最も小さい特徴量を含むグループに対応する組織性状を検体の組織性状と判定する。

ここで、組織性状判定部４３は、複数の特徴量の中から予め選択された特徴量の標準偏差に対してのみ、標準偏差の差を算出するようにしてもよい。この場合の特徴量の選択は、操作者が任意に行うようにしてもよいし、超音波診断装置１が自動的に行うようにしてもよい。

また、組織性状判定部４３が、グループ毎に全ての特徴量の標準偏差の差に適宜重み付けして加算した値を算出し、この値が最小となるグループに対応する組織性状を検体の組織性状と判定するようにしてもよい。この場合において、例えば特徴量がａ，ｂ，ｃであるとき、組織性状判定部４３は、三つの特徴量ａ，ｂ，ｃにそれぞれ対応する重みをｗ_a，ｗ_b，ｗ_cとしてｗ_a・（ａの標準偏差の差）＋ｗ_b・（ｂの標準偏差の差）＋ｗ_ｃ・（ｃの標準偏差の差）を算出し、この算出した値をもとに検体の組織性状を判定することとなる。なお、重みｗ_a，ｗ_b，ｗ_cの値は、操作者が任意に設定するようにしてもよいし、超音波診断装置１が自動的に設定するようにしてもよい。

また、組織性状判定部４３が、グループ毎に全ての特徴量の標準偏差の差の２乗に適宜重み付けして加算した値の平方根を算出し、この平方根が最小となるグループに対応する組織性状を検体の組織性状と判定するようにしてもよい。この場合において、例えば特徴量がａ，ｂ，ｃであるとき、組織性状判定部４３は、三つの特徴量ａ，ｂ，ｃにそれぞれ対応する重みをｗ'_a，ｗ'_b，ｗ'_cとして｛ｗ'_a・（ａの標準偏差の差）²＋ｗ'_b・（ｂの標準偏差の差）²＋ｗ'_ｃ・（ｃの標準偏差の差）²｝^1/2を算出し、この算出した値をもとに組織性状を判定することとなる。なお、この場合にも、重みｗ'_a，ｗ'_b，ｗ'_cの値は、操作者が任意に設定するようにしてもよいし、超音波診断装置１が自動的に設定するようにしてもよい。

以上説明した本発明の実施の形態２によれば、上述した実施の形態１と同様、組織性状を精度よく鑑別することを可能にするとともに、測定結果の信頼性を向上させることができる。

なお、本実施の形態２では、組織性状判定部４３が、もとの母集団と新規の検体を加えた母集団との間の各特徴量の標準偏差の変化に基づいて組織性状の判定を行っていたが、これは一例に過ぎない。例えば、組織性状判定部４３は、もとの母集団と新規の検体を加えた母集団との間の各特徴量の平均の変化に基づいて組織性状の判定を行うようにしてもよい。

（実施の形態３）
本発明の実施の形態３は、組織性状判定部における組織性状判定処理が実施の形態１と異なる。本実施の形態３に係る超音波診断装置の構成は、実施の形態１で説明した超音波診断装置１の構成と同様である。そこで、以下の説明において、超音波診断装置１の構成要素と対応する構成要素には同一の符号を付すものとする。

組織性状判定部４３は、特徴量空間における検体の平均点と既知検体の組織性状の平均点との距離を用いることにより、各組織性状に属する確率を算出する。具体的には、図９に示す特徴量空間（ｂ，ｃ）の場合、検体平均点Ｓｐと既知検体平均点Ａ₀，Ｂ₀，Ｃ₀との距離α，β，γを用いることにより、各組織性状に属する確率を算出する。各既知検体に属する確率は、距離が小さい方が大きくなるように設定する。例えば、λ＝１００／（α^-1＋β^-1＋γ^-1）として、組織性状Ａに属する確率をλ／α、組織性状Ｂに属する確率をλ／β、組織性状Ｃに属する確率をλ／γと定義することができる。

本実施の形態３では、表示部７が判定結果表示画像を表示する際、情報表示部において各組織性状に属する確率を表示する。例えば、表示部７が判定結果表示画像２００を表示する場合、情報表示部２０１において、判定結果を「組織性状がＡである確率＝６０％、組織性状がＢである確率＝５％、組織性状がＣである確率３５％」と表示する。

以上説明した本発明の実施の形態３によれば、上述した実施の形態１と同様、組織性状を精度よく鑑別することを可能にするとともに、測定結果の信頼性を向上させることができる。

（実施の形態４）
本発明の実施の形態４は、組織性状判定部における組織性状判定処理が実施の形態１と異なる。本実施の形態４に係る超音波診断装置の構成は、実施の形態１で説明した超音波診断装置１の構成と同様である。そこで、以下の説明において、超音波診断装置１の構成要素と対応する構成要素には同一の符号を付すものとする。

図１２は、本実施の形態４において組織性状判定部４３が行う組織性状判定処理の概要を説明する図である。図１２に示す特徴量空間は、横軸が特徴量ｂ、縦軸が特徴量ｃである。この特徴量空間は、組織性状に応じて領域がグループ分けされている。組織性状判定部４３は、検体平均点の位置に応じて組織性状を判定する。図１２では、検体平均点Ｓｐ'がグループＳＢ'（組織性状がＢである領域）に属している場合を示している。この場合、組織性状判定部４３は、検体の関心領域の組織性状がＢであると判定する。

以上説明した本発明の実施の形態４によれば、上述した実施の形態１と同様、組織性状を精度よく鑑別することを可能にするとともに、測定結果の信頼性を向上させることができる。

ここまで、本発明を実施するための形態を説明してきたが、本発明は上述した実施の形態１〜４によってのみ限定されるべきものではない。すなわち、本発明は、特許請求の範囲に記載した技術的思想を逸脱しない範囲内において、様々な実施の形態を含みうるものである。

１ 超音波診断装置
２ 超音波探触子
３ 送受信部
４ 演算部
５ 画像処理部
６ 入力部
７ 表示部
８ 記憶部
９ 制御部
２１ 信号変換部
２２ 超音波送受信部
４１ 周波数解析部
４２ 特徴量抽出部
４３ 組織性状判定部
５１ Ｂモード画像データ生成部
５２ 判定結果表示画像データ生成部
８１ 既知検体情報記憶部
８２ 窓関数記憶部
１００ Ｂモード画像
２００、４００ 判定結果表示画像
２０１、４０１ 情報表示部
２０２ 画像表示部
３００ 組織性状強調画像
４０２ 第１画像表示部
４０３ 第２画像表示部

Claims (11)

1. 診断対象の検体に対して超音波を送信するとともに前記検体によって反射された超音波を受信することにより、受信した超音波に基づく前記検体の組織性状を診断する超音波診断装置であって、
   受信した超音波の周波数を解析することによって周波数スペクトルを算出する周波数解析部と、
   前記周波数解析部が算出した周波数スペクトルを近似することによって前記周波数スペクトルの特徴量を抽出する特徴量抽出部と、
   複数の既知検体によってそれぞれ反射された超音波をもとに抽出された周波数スペクトルの特徴量を前記複数の既知検体の組織性状と関連付けて記憶する記憶部と、
   前記記憶部が前記複数の既知検体の組織性状と関連付けて記憶する特徴量および前記特徴量抽出部が抽出した特徴量を用いることによって前記検体の所定領域の組織性状を判定する組織性状判定部と、
   を備えたことを特徴とする超音波診断装置。
2. 前記特徴量抽出部は、
   回帰分析によって前記周波数スペクトルを多項式で近似することを特徴とする請求項１に記載の超音波診断装置。
3. 前記特徴量抽出部は、
   前記周波数スペクトルを一次式で近似し、
   前記一次式の傾きと、前記一次式の切片と、前記周波数スペクトルの周波数帯域に含まれる周波数、前記傾きおよび前記切片によって定まる強度と、を含む複数の特徴量を抽出することを特徴とする請求項２に記載の超音波診断装置。
4. 前記記憶部は、
   前記複数の既知検体に対して組織性状ごとに分類されたグループにおける各特徴量の平均を記憶し、
   前記組織性状判定部は、
   前記複数の特徴量の少なくともいずれか一つを成分とする特徴量空間を設定し、前記検体の所定領域における周波数スペクトルの特徴量のうち前記特徴量空間の成分をなす特徴量の平均を前記特徴量空間の座標として有する検体平均点と、前記複数の既知検体の前記グループにおける各特徴量のうち前記特徴量空間の成分をなす特徴量の平均を前記特徴量空間の座標として有する既知検体平均点との前記特徴量空間上の距離に基づいて、前記検体の組織性状を判定することを特徴とする請求項３に記載の超音波診断装置。
5. 前記組織性状判定部は、
   前記検体平均点と前記既知検体平均点との前記特徴量空間上の距離が最小となるグループに対応する組織性状を前記検体の組織性状とすることを特徴とする請求項４に記載の超音波診断装置。
6. 前記組織性状判定部は、
   前記検体平均点と前記既知検体平均点との前記特徴量空間上の距離が小さいほど大きな値を有し、全ての距離に対応した値の和が１である確率を、全ての距離に対してそれぞれ算出することにより、前記検体の組織性状を確率的に判定することを特徴とする請求項４に記載の超音波診断装置。
7. 前記組織性状判定部は、
   前記複数の既知検体における組織性状ごとに分類されたグループに前記検体の特徴量を加えた母集団における特徴量の標準偏差を算出し、この標準偏差と前記グループにおける特徴量の標準偏差との差が最小である特徴量を有するグループに対応した組織性状を前記検体の組織性状とすることを特徴とする請求項１〜３のいずれか一項に記載の超音波診断装置。
8. 前記検体の特徴量に対応する視覚情報を生成し、この生成した視覚情報、受信した超音波をもとに生成される画像、および前記組織性状判定部が判定した結果を用いることによって前記検体の所定領域の組織性状の判定結果を表示する判定結果表示画像データを生成する判定結果表示画像データ生成部をさらに備えたことを特徴とする請求項１〜７のいずれか一項に記載の超音波診断装置。
9. 前記視覚情報は、色空間を構成する変数であることを特徴とする請求項８に記載の超音波診断装置。
10. 診断対象の検体に対して超音波を送信するとともに前記検体によって反射された超音波を受信することにより、受信した超音波に基づく前記検体の組織性状を診断する超音波診断装置の作動方法であって、
    受信した超音波の周波数を解析することによって周波数スペクトルを周波数解析部により算出する周波数解析ステップと、
    前記周波数解析ステップで算出した周波数スペクトルを近似することによって前記周波数スペクトルの特徴量を特徴量抽出部により抽出する特徴量抽出ステップと、
    複数の既知検体によってそれぞれ反射された超音波をもとに抽出された周波数スペクトルの特徴量を前記複数の既知検体の組織性状と関連付けて記憶する記憶部から読み出した特徴量および前記特徴量抽出ステップで抽出した特徴量を用いることによって前記検体の所定領域の組織性状を組織性状判定部により判定する組織性状判定ステップと、
    を有することを特徴とする超音波診断装置の作動方法。
11. 診断対象の検体に対して超音波を送信するとともに前記検体によって反射された超音波を受信することにより、受信した超音波に基づく前記検体の組織性状を診断する超音波診断装置に、
    受信した超音波の周波数を解析することによって周波数スペクトルを周波数解析部により算出する周波数解析ステップ、
    前記周波数解析ステップで算出した周波数スペクトルを近似することによって前記周波数スペクトルの特徴量を特徴量抽出部により抽出する特徴量抽出ステップ、
    複数の既知検体によってそれぞれ反射された超音波をもとに抽出された周波数スペクトルの特徴量を前記複数の既知検体の組織性状と関連付けて記憶する記憶部から読み出した特徴量および前記特徴量抽出ステップで抽出した特徴量を用いることによって前記検体の所定領域の組織性状を組織性状判定部により判定する組織性状判定ステップ、
    を実行させることを特徴とする超音波診断装置の作動プログラム。