WO2011034005A1 - 超音波診断装置、弾性画像の分類方法、及び弾性画像の分類プログラム - Google Patents

超音波診断装置、弾性画像の分類方法、及び弾性画像の分類プログラム Download PDF

Info

Publication number
WO2011034005A1
WO2011034005A1 PCT/JP2010/065623 JP2010065623W WO2011034005A1 WO 2011034005 A1 WO2011034005 A1 WO 2011034005A1 JP 2010065623 W JP2010065623 W JP 2010065623W WO 2011034005 A1 WO2011034005 A1 WO 2011034005A1
Authority
WO
WIPO (PCT)
Prior art keywords
frame data
elastic
elasticity
image
analysis
Prior art date
Application number
PCT/JP2010/065623
Other languages
English (en)
French (fr)
Inventor
明子 外村
康治 脇
Original Assignee
株式会社 日立メディコ
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 株式会社 日立メディコ filed Critical 株式会社 日立メディコ
Priority to JP2011531908A priority Critical patent/JP5726081B2/ja
Publication of WO2011034005A1 publication Critical patent/WO2011034005A1/ja

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0858—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving measuring tissue layers, e.g. skin, interfaces
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/48—Diagnostic techniques
    • A61B8/485—Diagnostic techniques involving measuring strain or elastic properties

Definitions

  • the present invention relates to an ultrasonic diagnostic apparatus, an elasticity image classification method, and an elasticity image classification program, and in particular, elasticity generated based on elasticity information indicating the hardness or softness of a tissue on a tomographic plane of a subject.
  • the present invention relates to a technique for classifying an image into one of a plurality of stages set according to the degree of progression of a disease in a tissue.
  • the ultrasonic diagnostic device transmits ultrasonic waves to the inside of the subject using an ultrasonic probe having a plurality of ultrasonic transducers, receives a reflected echo signal corresponding to the structure of the living tissue from the inside of the subject, and reflects it. For example, a tomographic image such as a B-mode image is generated based on the echo signal and displayed for diagnosis.
  • an ultrasonic reception signal (RF signal) is measured while pressing a subject with an ultrasonic probe by a manual or mechanical method, and the tissue on the tomographic plane is hardened.
  • An elastic image representing the softness or softness is generated.
  • the displacement generated in each part of the tissue due to compression based on a pair of RF signal frame data with different compression states on the tissue, and a frame of elastic information such as strain amount or elastic modulus based on the obtained displacement frame data Data is calculated, and an elastic image is generated and displayed based on elastic frame data.
  • Elastic images are expected not only to diagnose mass lesions such as cancer, but also to diagnose diffuse diseases. That is, in the case of a diffuse disease, when local hard tissues such as nodules are scattered in the surrounding soft tissue, the elastic image reflects the mottled pattern of the hard tissue. For example, when the disease progresses from hepatitis to cirrhosis and fibrosis progresses, the nodule spreads into the liver parenchyma, and the mottled pattern of the sclerosing tissue in the elastic image becomes complicated. The examiner observes the elasticity image and evaluates the progress of the disease based on the state of the mottled pattern of the sclerotic tissue in the elasticity image. That is, the elastic image is classified into one of a plurality of stages set according to the degree of progression of the disease of the tissue (stage classification).
  • Patent Document 2 it is considered that there is room for improvement in the technique of Patent Document 2 in terms of stabilizing the result of staging of elastic images with high accuracy.
  • Patent Document 2 selects the elastic frame data with the same pressure applied to the tissue of the tomographic plane from the plurality of elastic frame data acquired in time series, and for each elastic frame data It is for staging. Therefore, there is a risk that staging is performed based on elastic frame data whose compression state is not appropriate. In addition, since staging is performed based on a single elastic frame data, the classification result may vary due to variations in elastic frame data.
  • an object of the present invention is to stabilize the result of staging of an elastic image with high accuracy.
  • An ultrasonic diagnostic apparatus of the present invention includes an ultrasonic probe that transmits and receives ultrasonic waves to and from a subject, and an RF signal of a tomographic plane of the subject based on a reflected echo signal measured by the ultrasonic probe.
  • Displacement measurement that generates displacement frame data by measuring the displacement of the tissue on the tomographic plane based on the phasing and adding means for generating frame data and a pair of RF signal frame data with different compression states on the tissue on the tomographic plane of the subject Means, elastic information calculation means for calculating elastic information representing the hardness or softness of the tissue on the tomographic plane based on the generated displacement frame data, and elastic image data based on the elastic frame data
  • An elastic image forming means for generating an elastic image and dividing the elastic image into one of a plurality of stages set according to the degree of disease progression of the tissue on the tomographic plane of the subject based on the elastic frame data
  • Similar image classification means and an image display for displaying the elasticity image and the classification result of the elasticity image.
  • the elastic frame selection means for selecting a plurality of elastic frame data in an appropriate compression state as the elastic frame data for analysis, and the image classification means classifies the elastic images based on the plurality of elastic frame data for analysis. It is a feature.
  • the staging accuracy can be improved. Can do. Further, by performing staging of an elastic image based on a plurality of elastic frame data for analysis, the staging result can be stabilized as compared with staging based on a single elastic frame data.
  • the image classification means includes a histogram calculation unit that calculates at least one of a distortion degree and a kurtosis of the histogram of elasticity information of a plurality of measurement points of the analysis elastic frame data as histogram data, and analysis elastic frame data.
  • a statistical calculation unit that calculates at least one of the average value and the standard deviation of the elasticity information of the plurality of measurement points as statistical processing data, and belongs to a preset threshold range among the elasticity information of the plurality of measurement points of the elastic frame data for analysis
  • An elastic image evaluation unit including at least one of a drawing region calculation unit that calculates at least one of the number of regions formed by elasticity information, the area of the region, and the complexity of the shape of the region as drawing region evaluation data Can be configured.
  • the elastic image can be classified based on the classification calculation result.
  • the elastic frame selection means averages the elasticity information of the corresponding measurement points of the plurality of analysis elastic frame data or selects the median value of the elasticity information of the corresponding measurement points of the plurality of analysis elasticity frame data.
  • the elastic frame data for analysis can be generated.
  • the image classification means is configured to classify the elastic image based on the generated elastic frame data for analysis.
  • the elastic frame selection means includes an average value of displacement at a plurality of measurement points of displacement frame data, a median value of displacement at a plurality of measurement points of displacement frame data, an average value of elasticity information at a plurality of measurement points of elasticity frame data, and elasticity.
  • the compression state can be evaluated as appropriate.
  • the elastic frame selection unit is configured to select elastic frame data after a predetermined time from the appearance of a preset characteristic waveform among a plurality of characteristic waveforms that repeatedly appear in the electrocardiogram waveform of the subject. It can be configured to select as appropriate elastic frame data.
  • the abdominal region such as the liver compresses the target tissue with an ultrasonic probe to cause displacement and distortion. May be difficult. Therefore, when targeting an abdominal region such as the liver, the amount of displacement or distortion caused by the pulsation of the heart or artery can be used.
  • the multiple characteristic waveforms P wave, Q wave, R wave, S wave, T wave
  • the staging result of the elastic image can be stabilized with high accuracy.
  • FIG. 1 is a block diagram showing the overall configuration of an ultrasonic diagnostic apparatus according to a first embodiment
  • the block diagram of the characteristic structure of the ultrasonic diagnostic apparatus of 1st Embodiment The figure explaining the selection method of the elastic frame data for analysis by a frame selection part
  • Block diagram showing the configuration of the image classification unit Diagram showing the structure of a simple perceptron as an example of a neural network
  • the block diagram which shows the characteristic structure of the ultrasound diagnosing device of 2nd Embodiment
  • FIG. 1 is a block diagram showing the overall configuration of the ultrasonic diagnostic apparatus according to the first embodiment.
  • This ultrasonic diagnostic apparatus generates a tomographic image of a tissue on a tomographic plane of a subject using ultrasonic waves, and generates an elastic image by obtaining elastic information indicating the hardness or softness of the tissue. .
  • the ultrasonic diagnostic apparatus 100 includes an ultrasonic probe 12 that is used in contact with a subject, and an ultrasonic wave that is transmitted to the subject via the ultrasonic probe 12 at time intervals.
  • Transmitting unit 14 that repeatedly transmits, receiving unit 16 that receives a time-series reflected echo signal generated from the subject, ultrasonic transmission / reception control unit 17 that controls the transmitting unit 14 and the receiving unit 16, and the received reflected echo
  • a phasing addition unit 18 for generating RF signal frame data in time series by phasing and adding, and performing various signal processing on the RF signal frame data phased and added by the phasing addition unit 18, for example, a tomographic image A tomographic image constructing unit 20 that generates a black and white tomographic image, and a black and white scan converter 22 that converts the output signal of the tomographic image constructing unit 20 to match the display of the image display 26 are provided.
  • the ultrasound diagnostic apparatus 100 also includes an RF signal frame data selection unit 28 that selects a pair of RF signal frame data having different acquisition times for the RF signal frame data output from the phasing addition unit 18, and a pair of RF signals.
  • a displacement measuring unit 30 that generates displacement frame data by measuring the displacement generated in the tissue of the tomographic plane of the subject (not shown), and based on the displacement frame data measured by the displacement measuring unit 30
  • An elasticity information calculation unit 32 that generates elasticity frame data by obtaining elasticity information (amount of strain or elastic modulus) representing the hardness or softness of the body tissue of the subject in a continuous compression process, and an elasticity information calculation unit 32
  • an elasticity image construction unit 34 that constitutes an elasticity image
  • a color scan converter 36 that converts the output signal of the elasticity image construction unit 34 to match the display of the image display 26. It is.
  • the ultrasonic diagnostic apparatus 100 includes a cine memory 48 in which the elastic frame data generated by the elastic information calculation unit 32 is stored, and an analysis image used for staging the elastic image from the elastic frame data stored in the cine memory 48.
  • a frame selection unit 50 that selects elastic frame data
  • an evaluation data generation unit 52 that generates evaluation data used for staging the elastic image based on the analysis frame data
  • a staging classification of the elastic image based on the evaluation data And an image classifying unit 54 to perform.
  • the evaluation data generation unit 52 and the image classification unit 54 constitute image classification means. Details of the frame selection unit 50, the evaluation data generation unit 52, and the image classification unit 54 will be described later.
  • staging an elastic image means that the elastic image is classified into one of a plurality of stages set according to the degree of disease progression of the tissue on the tomographic plane of the subject. It shall refer to that.
  • control unit 56 composed of, for example, a CPU (Central Processing Unit) that controls each of the above-described components, and an instruction to control the ROI (Region Of Interest) of an elastic image, a frame rate, etc.
  • An interface unit 58 such as a mouse, a keyboard, a touch panel, or a trackball is provided.
  • the ultrasonic probe 12 is formed by arranging a large number of transducers in a strip shape, and performs beam scanning mechanically or electronically.
  • the ultrasonic probe 12 is in contact with the subject, transmits ultrasonic waves into the subject, and receives an echo signal from the subject.
  • the ultrasonic probe 12 includes a transducer that is a source of ultrasonic waves and receives reflected echoes.
  • Each vibrator generally has a function of converting an input pulse wave or continuous wave transmission signal into an ultrasonic wave and emitting it, and an electric wave reception signal by receiving an ultrasonic wave emitted from the inside of the subject. It is formed with the function of converting to and outputting.
  • the operation of compressing a subject in an elastic image using ultrasound is performed for the purpose of effectively giving a stress distribution in the body cavity of the diagnosis site of the subject while performing ultrasound transmission / reception with the ultrasound probe 12.
  • Mount the compression plate so that it is aligned with the ultrasonic transmission / reception surface of the acoustic probe 12, and contact the compression surface composed of the ultrasonic transmission / reception surface of the ultrasonic probe 12 and the compression plate to the body surface of the subject. Then, a method is adopted in which the subject is compressed by manually moving the compression surface up and down.
  • the abdominal region such as the liver compresses the target tissue with the ultrasonic probe 12 to cause displacement and distortion. It can be difficult. Therefore, when targeting an abdominal region such as the liver, the amount of displacement or distortion caused by the pulsation of the heart or artery can be used.
  • the transmission unit 14 generates a transmission pulse for generating an ultrasonic wave by driving the ultrasonic probe 12, and has a convergence point of the ultrasonic wave transmitted by the built-in transmission phasing / adding unit.
  • the depth is set.
  • the receiving unit 16 amplifies the reflected echo signal received by the ultrasonic probe 12 with a predetermined gain.
  • a number of received signals corresponding to the number of amplified transducers are input to the phasing adder 18 as independent received signals.
  • the phasing / adding unit 18 controls the phase of the received signal amplified by the receiving unit 16 and forms an ultrasonic beam at one or a plurality of convergence points.
  • the ultrasonic transmission / reception control unit 17 controls the timing for transmitting and receiving ultrasonic waves.
  • the tomographic image constructing unit 20 performs various signal processing such as gain correction, log correction, detection, contour emphasis, filter processing on the RF signal frame data from the phasing addition unit 18, and a tomographic image of the subject, for example, Construct a black and white tomographic image.
  • the black-and-white scan converter 22 is for displaying the signal output from the tomographic image construction unit 20 on the image display 26, for example, for controlling the tomographic scanning means and the system for reading out at a television system cycle.
  • an A / D converter that converts a signal output from the tomographic image construction unit 20 into a digital signal, and a plurality of sheets that store tomographic image data digitized by the A / D converter in time series Frame memory and a controller for controlling these operations.
  • the RF signal frame data selection unit 28 stores the RF signal frame data output one after another at the frame rate of the ultrasonic diagnostic apparatus from the phasing addition unit 18 in the frame memory provided in the RF signal frame data selection unit 28.
  • the currently reserved RF signal frame data is referred to as RF signal frame data N
  • Select one RF signal frame data with a different compression state from NM this is RF signal frame data X
  • the displacement measurement unit 30 has a pair of RF signal frame data N and RF signal frame. It plays the role of outputting data X.
  • the signal output from the phasing addition unit 18 is described as RF signal frame data, this may be, for example, a signal in the form of I and Q signals obtained by complex demodulation of the RF signal.
  • the displacement measurement unit 30 performs one-dimensional or two-dimensional correlation processing based on the pair of RF signal frame data selected by the RF signal frame data selection unit 28, and the displacement or movement vector of each measurement point on the tomogram (Displacement direction and magnitude) is measured and displacement frame data is generated.
  • Examples of the movement vector detection method include a block matching method and a gradient method.
  • the block matching method divides the image into blocks consisting of N ⁇ N pixels, for example, searches the previous frame for the block closest to the target block in the current frame, and refers to these to predictive coding Is to do.
  • the elasticity information calculation unit 32 calculates the strain amount and elastic modulus of each measurement point on the tomographic image from the displacement frame data output from the displacement measurement unit 30 to obtain numerical data (elastic frame data) of the strain amount or elastic modulus. It is generated and output to the elastic image construction unit 34.
  • the Young's modulus Ym which is one of the elastic moduli, is obtained by dividing the stress (pressure) at each calculation point by the strain amount at each calculation point, as shown in the following equation.
  • i and j indicate the coordinates of the frame data.
  • the pressure applied to the body surface of the subject should be directly measured by a pressure sensor interposed between the body surface of the subject and the ultrasonic transmission / reception surface of the ultrasonic probe 12. Can do.
  • the strain amount is used as the elasticity information.
  • the elasticity information calculation unit 32 performs various image processing, such as smoothing processing within the coordinate plane, contrast optimization processing, and smoothing processing in the time axis direction between frames, on the calculated elasticity frame data.
  • the elastic frame data may be output as the strain amount.
  • the elastic image construction unit 34 is configured to include a frame memory and an image processing unit, and secures the elastic frame data output in time series from the elastic information calculation unit 32 in the frame memory, and stores the secured frame data.
  • the image processing unit performs image processing.
  • the color scan converter 36 includes a gradation circuit and a hue conversion circuit, and provides hue information such as red, green, and blue to the elastic image frame data output from the elastic image configuration unit 34. Includes conversion processing.
  • the color scan converter 36 like the black and white scan converter 22, brightens the brightness of the area in the elastic image data, and conversely the area where the distortion is measured is the elastic image. You may make it make the brightness
  • the gradation circuit in the color scan converter 36 converts the elastic gradation frame data by converting, for example, 256 levels according to the value of each element data of the elastic image frame data output from the elastic image construction unit 34. Generate. At this time, although the region to be gradation is in the region of interest (ROI), it can be arbitrarily changed by the examiner via the interface unit 58.
  • ROI region of interest
  • the switching addition unit 24 is means for inputting the black and white tomographic image data output from the black and white scan converter 22 and the elastic image frame data output from the color scan converter 36 and adding or switching both images. Only monochrome tomographic image data or color elastic image data is output, or both image data are added and synthesized and output. Further, for example, as described in Japanese Patent Application Laid-Open No. 2004-135929 filed earlier by the applicant of the present application, a color tomographic image may be displayed semi-transparently on a monochrome tomographic image. good. At this time, the black and white tomographic image is not limited to a general B-mode image, and a tissue harmonic tomographic image obtained by imaging the harmonic component of the received signal may be used. In addition, a tissue plastic image may be displayed instead of the black and white tomographic image.
  • the image display unit 26 includes a D / A converter that converts image data output from the monochrome scan converter 22 or the color scan converter 36 via the switching addition unit 24 into an analog signal, and an analog video signal from the D / A converter. It consists of a color television monitor that receives signals and displays them as images.
  • the elasticity image of the ultrasonic diagnostic apparatus 100 is expected to be applied to the diagnosis of diffuse diseases. That is, in the case of a diffuse disease, when local hard tissues such as nodules are scattered in the surrounding soft tissue, the elastic image reflects the mottled pattern of the hard tissue. For example, when the disease progresses from hepatitis to cirrhosis and fibrosis progresses, the nodule spreads into the liver parenchyma, and the mottled pattern of the sclerosing tissue of the elastic image becomes complicated. Therefore, the examiner observes the elastic image generated by the ultrasonic diagnostic apparatus 100, and the staging of the elastic image is performed based on, for example, the state of the mottled pattern of the hardened tissue in the elastic image.
  • FIG. 2 is a block diagram of a characteristic configuration of the ultrasonic diagnostic apparatus according to the first embodiment.
  • the elastic information calculation unit 32 includes an elastic frame statistical processing unit 60 that calculates frame evaluation data that is a statistical value such as an average value or a median value of elasticity information at each measurement point of the elastic frame data. It is configured.
  • the cine memory 48 includes an elastic frame data memory 62 and a frame evaluation data memory 64 that store the elastic frame data and the frame evaluation data generated by the elastic information calculation unit 32 in time series.
  • the frame selection unit 50 uses the frame evaluation data stored in the frame evaluation data memory 64 in the cine memory 48 as analysis frame data, determines whether or not the compression state on the tissue on the tomographic plane of the subject is appropriate, A plurality of elastic frame data in an appropriate compressed state is selected as elastic frame data for analysis.
  • FIG. 3 is a diagram illustrating a method for selecting elastic frame data for analysis by the frame selection unit 50.
  • the upper graph in FIG. 3 is a strain graph in which the horizontal axis represents time and the vertical axis represents the average value of strain amounts at a plurality of measurement points of the elastic frame data.
  • the elastic frame data in which the average value of the strain has a negative peak is the elastic frame data A for analysis and the elastic frame data E for analysis. Selected.
  • the elastic frame data in which the average value of the strain amount at a plurality of measurement points of the elastic frame data has a positive peak can be used as the elastic frame data for analysis.
  • elastic frame data in which the absolute value of the average value of strain amounts at a plurality of measurement points of the elastic frame data is larger than a preset threshold value can be used as the elastic frame data for analysis.
  • the median strain amount at a plurality of measurement points of the elastic frame data can be used.
  • the average value or median of the strain amount at multiple measurement points in the elastic frame data the average value or median of the elastic modulus at multiple measurement points in the elastic frame data, or the average of displacement at multiple measurement points in the displacement frame data
  • a value or a median can also be used. In short, it is possible to use data serving as an index for determining whether or not the compression state of the tomographic surface of the subject is appropriate.
  • two points are tracked via the interface unit 58 to the tissue to be staged on the tomographic image or the elasticity image.
  • a point is set, and the distance between the two points is measured while changing the position of the tracking point according to the tissue displacement in which the two tracking points are set.
  • the rate of change in the distance between the two points is greater than a preset threshold, it is possible to determine that the compression state of the subject on the tomographic surface of the subject is appropriate.
  • the evaluation data generation unit 52 uses the analysis elastic frame data A-analysis elastic frame data E transferred from the frame selection unit 50 to evaluate the staging of the elastic image. Data A-evaluation data E are generated. More specifically, the evaluation data generation unit 52 includes a histogram calculation unit 70, a statistical processing unit 72, and a drawing area evaluation unit 74, as shown in FIG. Each of the evaluation data A and the evaluation data E includes at least one of the calculation results of the histogram calculation unit 70, the statistical processing unit 72, and the drawing area evaluation unit 74.
  • the histogram calculation unit 70 creates a histogram by counting the number of distortions or the number of occurrences of elastic modulus at a plurality of measurement points of the elastic frame data for analysis output from the frame selection unit 50, and the distortion degree and kurtosis of this histogram. Is calculated as histogram data.
  • the skewness and kurtosis of the histogram are obtained by the following formulas 1 and 2.
  • Equations 1 and 2 n is the number of samples, x (with an overline) is an average, and ⁇ is a standard deviation.
  • the statistical processing unit 72 calculates, as statistical processing data, the strain amount or the average value and the standard deviation of the elastic modulus at a plurality of measurement points of the elastic frame data for analysis output from the frame selection unit 50, and calculates the strain amount or the elasticity. Quantify the distribution of rates.
  • a feature value using a co-occurrence matrix which is a general method for statistically calculating textures, for example, Homogeneity, heterogeneity, contrast, angular second moment, and entropy can be used as statistical processing data.
  • the drawing region evaluation unit 74 is configured to store a plurality of pieces of elastic frame data according to a binarization threshold value Eth that is set in advance in the ultrasonic diagnostic apparatus 100 or can be arbitrarily set by the examiner via the interface unit 58 and the control unit 56.
  • Detection frame data is created by binarizing the elasticity information of each measurement point. Then, for example, the elasticity information of the detection frame data is smaller than Eth, that is, the number, area, and complexity of the area of the hardened tissue are calculated as the drawing area evaluation data.
  • the Eth can be arbitrarily set by the examiner, but it is also possible to calculate and use a threshold value that maximizes the complexity so that a binarized image in which the drawing area is emphasized can be obtained. Rather than binarizing with Eth, at least one of the number of regions formed by elasticity information belonging to a preset threshold range, the area of the region, and the complexity of the shape of the region is drawn region You may make it calculate as evaluation data.
  • the evaluation data generation unit 52 averages the calculation results of evaluation data A-evaluation data E or selects the median of the calculation results of evaluation data A-evaluation data E for classification.
  • Evaluation data (classification calculation result) is generated and sent to the image classification unit 54.
  • the image classification unit 54 performs staging of the elastic image based on the evaluation data for classification. For example, when the evaluation data A-evaluation data E is the degree of distortion of the histogram of elasticity information at a plurality of measurement points of the elastic frame data for analysis output from the frame selection unit 50, the evaluation data for classification includes five degrees of distortion. Average or median.
  • the average or median of the calculation results of the evaluation data A-evaluation data E is used as the evaluation data for classification.
  • the present invention is not limited to this, and the evaluation data A-evaluation data E is directly input to the image classification unit 54.
  • the sending and image classification unit 54 may classify the elasticity image for each of the evaluation data A and the evaluation data E.
  • the frame selection unit 50 includes the elasticity information of the corresponding measurement points of the plurality of elastic frame data for analysis.
  • the analysis elastic frame data is generated by averaging the selected values or by selecting the median elasticity information of the corresponding measurement points of the plurality of analysis elastic frame data, and the generated analysis elastic frame data is generated as the evaluation data. You may make it send to the part 52. In this case, the evaluation data generation unit 52 generates evaluation data using the sent elastic frame data for analysis.
  • FIG. 4 is a block diagram showing the configuration of the image classification unit.
  • the image classification unit 54 receives histogram data, statistical processing data, and rendering area evaluation data.
  • the image classification unit 54 includes an evaluation data selection unit 80 that selects at least one evaluation data from histogram data, statistical processing data, and rendering area evaluation data, a memory 82, and a multivariate analysis unit 84. Has been.
  • the histogram data, statistical processing data, and rendering area evaluation data for example, the result of the blood test of the examiner can be input to the image classification unit 54 and added to the evaluation index.
  • evaluation data selection unit 80 As a method of selecting evaluation data in the evaluation data selection unit 80, in addition to a method in which the examiner selects via the interface unit 58 and the control unit 56, when classifying the elastic images of each group stored in the memory 82, There is a method of selecting evaluation data having a high correlation. At least one or more evaluation data selected by the evaluation data selection unit 80 is input to the multivariate analysis unit 84, and the classification result is output to the image display 26 and displayed.
  • the multivariate analysis unit 84 performs staging of elastic images using multivariate analysis, such as multiple regression analysis, discriminant analysis, principal component analysis, quantification method, factor analysis, cluster analysis, multidimensional scaling method, neural network, etc. Is what you do. Here, a classification method using a neural network perceptron will be described.
  • FIG. 5 is a diagram showing the structure of a simple perceptron as an example of a neural network.
  • the simple perceptron includes an input layer and an output layer composed of a single unit (neuron).
  • Evaluation data of the parameter selected by the evaluation data selection unit 80 is input to the input layer. For example, if four parameters are selected as parameters, the degree of distortion of the histogram, the standard deviation of the amount of distortion, the area of the region where the amount of distortion is less than the threshold in the binarized image, and the complexity of the shape of this region Are input to the input layer as x1, x2, x3, and x4.
  • the total sum u obtained by weighting the coupling load ⁇ i to the input value xi is obtained by the following equation (3). Then, it is converted by a predetermined function f (u) and the value is output.
  • a threshold function or a linear function is used as the function f (u) used in the output layer.
  • f (u) 1 when u is larger than the threshold value h
  • f (u) 0 when u is smaller
  • a simple perceptron using a threshold function is used as the output layer conversion function, a plurality of simple perceptrons having different output layer threshold values are arranged in parallel and classified into a plurality of groups.
  • threshold values are set in multiple stages according to the number of groups, and the output values are classified into a plurality of groups.
  • stage 0 portal vein fibrosis
  • stage 1 portal vein fibrosis
  • stage 2 fibrous bridge formation
  • stage 3 fibrosis with lobular strain Classification into each stage of bridge formation
  • stage 4 cirrhosis
  • the perceptron is characterized in that the output signal is compared with a teacher signal (correct answer), and when it is different, the coupling load ⁇ i and the threshold h are changed, that is, learning is performed. Specifically, when the difference between the teacher signal z * and the output value z is ⁇ , the coupling load ⁇ i is corrected so that ⁇ 2 is minimized as shown in the following equation 4.
  • ⁇ is a learning coefficient.
  • the teacher signal for example, a result (any one of the first to Nth groups) diagnosed by the pathological diagnosis for the evaluation target is used.
  • Such perceptron learning can be performed using a plurality of elastic image data whose diagnosis has been determined in advance and its evaluation data. Moreover, it can be performed each time a correct answer (confirmed diagnosis result) is obtained for a new classification result, thereby improving the accuracy of the result.
  • the teacher signal is not input, the classification result is output using the latest connection weight ⁇ i and the threshold value h.
  • the classification result by the multivariate analysis unit 84 is sent to the image display 26 and displayed.
  • the classified stage names for example, stage 0, stage 1, stage 2, stage 3, stage 4
  • the stage name is the horizontal axis
  • the vertical axis is the output value (u). Any method such as plotting on a graph can be employed.
  • the frame selection unit 50 selects the elastic frame data with an appropriate compression state for the tissue on the tomographic plane of the subject as the elastic frame data for analysis.
  • Elastic frame data that is not appropriate and not suitable for staging is not used for staging.
  • the precision of staging classification can be improved.
  • the evaluation data generation unit 52 and the image classification unit 54 classify the elastic image based on the plurality of analysis elastic frame data selected by the frame selection unit 50, thereby obtaining a single elastic frame data. Staging results can be stabilized compared to staging based.
  • the elastic image classification program is a method for analyzing the tissue on the tomographic plane of a subject generated based on a pair of RF signal frame data with different compression states obtained from reflected echo signals measured in advance by the ultrasound probe 12.
  • elastic frame data representing the hardness or softness of the tissue of the tomographic plane generated based on the displacement frame data, and the tomographic plane of the subject based on the electrocardiographic waveform of the subject Determining whether or not the compression state of the tissue is appropriate, selecting a plurality of elastic frame data in the appropriate compression state as the elastic frame data for analysis, and converting the elastic frame data to the elastic frame data based on the plurality of analytical elastic frame data
  • a more stable result can be obtained by selecting an elastic image captured under the same conditions as much as possible. Therefore, for example, when acquiring an elastic image using heartbeat beats such as the liver, the distortion waveform shown in the upper part of FIG. It is possible to evaluate the coincidence rate of the distorted waveform with an autocorrelation function or the like and display the coincidence rate on the image display 26. That is, the examiner can recognize that the elastic image is stably acquired if the matching rate is high. Further, it may be determined whether or not the image acquisition is stably performed by comparing the coincidence rate with a preset threshold value, and the determination result is displayed on the image display 26 to be fed back to the examiner. .
  • the frame selection unit 50 can determine whether or not the compression state of the tomographic surface of the subject is appropriate, and display the determination result on the image display 26. According to this, if the method of applying the ultrasound probe 12 to the subject is not appropriate, it is determined that the compression state of the tissue on the tomographic surface of the subject is not appropriate, and this is displayed. . The examiner can recognize that the way of applying the ultrasonic probe 12 to the subject is not appropriate by looking at the display.
  • an electrocardiogram waveform of a subject is measured using an electrocardiogram waveform acquisition device, and whether or not the compression state of the tissue on the tomographic plane of the subject is appropriate is determined based on the measured electrocardiogram waveform.
  • the point of determination is different from the first embodiment. Therefore, the description of the same part as the first embodiment is omitted.
  • FIG. 6 is a block diagram showing a characteristic configuration of the ultrasonic diagnostic apparatus according to the second embodiment.
  • the heart measured by the electrocardiogram waveform acquisition device is used.
  • a radio wave type 90 (ECG) is input to the frame selection unit 50.
  • FIG. 7 is a diagram illustrating a method for selecting elastic frame data for analysis by the frame selection unit 50.
  • the upper graph in FIG. 7 is a graph of an electrocardiogram waveform in which the horizontal axis represents time, and the vertical axis represents the signal intensity measured by the electrocardiogram waveform acquisition apparatus.
  • the frame selection unit 50 generates a preset T wave among a plurality of characteristic waveforms (P wave, Q wave, R wave, S wave, T wave) appearing in the electrocardiogram waveform.
  • the elastic frame data after a preset time is selected as analysis elastic frame data A-analysis elastic frame data E.
  • the elastic frame data of the time phase immediately after the T wave is used as the elastic frame for analysis. Selected as data. Therefore, it is not limited to the T wave, among the plurality of feature waveforms appearing in the electrocardiogram waveform, in advance it is examined in advance whether the compression state for the tissue of the tomographic plane of the subject is appropriate in synchronization with the feature waveform, Elastic frame data synchronized with the characteristic waveform can be selected as elastic frame data with an appropriate compression state.
  • the frame selection unit 50 selects elastic frame data with an appropriate compression state against the tissue on the tomographic plane of the subject as elastic frame data for analysis.
  • elastic frame data that is not suitable for compression and not suitable for staging is not used for staging.
  • the precision of staging classification can be improved.
  • the evaluation data generation unit 52 and the image classification unit 54 classify the elastic image based on the plurality of analysis elastic frame data selected by the frame selection unit 50, thereby obtaining a single elastic frame data. Staging results can be stabilized compared to staging based.

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

本発明は、弾性画像の病期分類の結果を精度よく安定させるために、変位フレームデータ、弾性フレームデータ、及び被検体の心電図の少なくとも１つに基づいて、被検体の断層面の組織に対する圧迫状態が適切か否かを判定し、適切な圧迫状態における弾性フレームデータを解析用弾性フレームデータとして複数選択し、複数の解析用弾性フレームデータに基づいて弾性画像の分類を行う。本発明によれば、病期分類に適さない弾性フレームデータが病期分類に用いられることがないので、病期分類の精度を向上することができる。

Description

超音波診断装置、弾性画像の分類方法、及び弾性画像の分類プログラム
　本発明は、超音波診断装置、弾性画像の分類方法、及び弾性画像の分類プログラムに係り、特に、被検体の断層面の組織の硬さ又は軟らかさを表す弾性情報に基づいて生成された弾性画像を、組織の疾患の進行の程度に応じて設定された複数のステージのいずれかに分類する技術に関する。
　超音波診断装置は、複数の超音波振動子を備えた超音波探触子により被検体内部に超音波を送信し、被検体内部から生体組織の構造に応じた反射エコー信号を受信し、反射エコー信号に基づいて例えばBモード画像等の断層画像を生成して診断用に表示するものである。
　近年、特許文献1に記載されているように、手動又は機械的な方法により超音波探触子で被検体を圧迫しながら超音波受信信号(RF信号)を計測し、断層面の組織の硬さ又は軟らかさを表す弾性画像を生成することが行なわれている。つまり、組織に対する圧迫状態が異なる1対のRF信号のフレームデータに基づいて圧迫により組織各部に生じた変位を求め、求めた変位のフレームデータに基づいて歪み量又は弾性率などの弾性情報のフレームデータを演算し、弾性フレームデータに基づいて弾性画像を生成して表示することが行なわれている。
　弾性画像は癌など腫瘤性の病変の診断だけでなく、びまん性疾患の診断への適用も期待されている。すなわち、びまん性疾患において結節など局所的な硬化組織が周囲の軟らかい組織中に散在する場合、弾性画像には硬化組織のまだら模様が反映される。例えば、肝炎から肝硬変のように疾患が進行して線維化が進むと、結節が肝実質内に拡がり、弾性画像の硬化組織のまだら模様が複雑化していく。検者は弾性画像を観察し、弾性画像における硬化組織のまだら模様の状態に基づいて疾患の進行具合を評価する。つまり、弾性画像を組織の疾患の進行の程度に応じて設定された複数のステージのいずれかに分類する(病期分類する)。
　しかしながら、検者が目視で弾性画像を観察して弾性画像の病期分類を行なうと、評価結果が検者間でばらつくため、客観的に疾患の進行具合を評価することが求められている。
　この点、特許文献2に記載されているように、例えば弾性フレームデータの各計測点の弾性情報を2値化して硬化組織の領域を求め、この領域の形状の複雑度を、複雑度＝(領域の周囲長)2/領域の面積という式で求めて、複雑度の大小により疾患の進行具合を客観的に評価することが知られている。
特開平5-317313号公報 特開2008-212522号公報
　しかしながら、上記特許文献2の技術には、弾性画像の病期分類の結果を精度よく安定させることについて改良の余地があると考えられる。
　すなわち、弾性画像を適切に病期分類するためには、被検体の断層面の組織に対して適切な圧迫が加えられている状態で生成された弾性フレームデータを用いる必要がある。この点、特許文献2の技術は、時系列に取得される複数の弾性フレームデータのうち断層面の組織に加わる圧力が同等な弾性フレームデータを選択して、各弾性フレームデータのそれぞれに対して病期分類をするものである。したがって、圧迫状態が適切でない弾性フレームデータに基づいて病期分類が行なわれるおそれがある。また、単一の弾性フレームデータに基づいて病期分類をするものであるから、弾性フレームデータのばらつきに起因して分類結果がばらつくおそれがある。
　そこで本発明は、弾性画像の病期分類の結果を精度よく安定させることを課題とする。
　本発明の超音波診断装置は、被検体との間で超音波を送受信する超音波探触子と、超音波探触子で計測された反射エコー信号に基づいて被検体の断層面のRF信号フレームデータを生成する整相加算手段と、被検体の断層面の組織に対する圧迫状態が異なる一対のRF信号フレームデータに基づいて断層面の組織の変位を計測して変位フレームデータを生成する変位計測手段と、生成された変位フレームデータに基づいて断層面の組織の硬さ又は軟らかさを表す弾性情報を演算して弾性フレームデータを生成する弾性情報演算手段と、弾性フレームデータに基づいて弾性画像を生成する弾性画像構成手段と、弾性フレームデータに基づいて、弾性画像を被検体の断層面の組織の疾患の進行の程度に応じて設定された複数のステージのいずれかに分類する画像分類手段と、弾性画像及び弾性画像の分類結果を表示する画像表示器とを備えて構成される。
　特に、上記課題を解決するため、変位フレームデータ、弾性フレームデータ、及び被検体の心電波形の少なくとも1つに基づいて、被検体の断層面の組織に対する圧迫状態が適切か否かを判定し、適切な圧迫状態における弾性フレームデータを解析用弾性フレームデータとして複数選択する弾性フレーム選択手段を有し、画像分類手段は、複数の解析用弾性フレームデータに基づいて弾性画像の分類を行なうことを特徴としている。
　本発明によれば、被検体の断層面の組織に対する圧迫状態が適切でなく病期分類に適さない弾性フレームデータが病期分類に用いられることがないので、病期分類の精度を向上することができる。また、複数の解析用弾性フレームデータに基づいて弾性画像の病期分類を行なうことにより、単一の弾性フレームデータに基づく病期分類に比べて、病期分類の結果を安定させることができる。
　より具体的には、画像分類手段は、解析用弾性フレームデータの複数計測点の弾性情報のヒストグラムの歪み度及び尖度の少なくとも一方をヒストグラムデータとして演算するヒストグラム演算部と、解析用弾性フレームデータの複数計測点の弾性情報の平均値及び標準偏差の少なくとも一方を統計処理データとして演算する統計演算部と、解析用弾性フレームデータの複数計測点の弾性情報のうちあらかじめ設定された閾値範囲に属する弾性情報により形成される領域の数、領域の面積、及び領域の形状の複雑度の少なくとも1つを描出領域評価データとして演算する描出領域演算部との少なくとも1つを含む弾性画像評価部を備えて構成することができる。そして、複数の解析用弾性フレームデータのそれぞれに対するヒストグラム演算部、統計演算部、及び描出領域演算部の少なくとも1つの演算結果を平均するか、或いは演算結果の中央値を選択することにより得られた分類用演算結果に基づいて弾性画像の分類を行なうよう構成することができる。
　一方、弾性フレーム選択手段は、複数の解析用弾性フレームデータの対応する計測点の弾性情報を平均するか、或いは複数の解析用弾性フレームデータの対応する計測点の弾性情報の中央値を選択することにより解析用弾性フレームデータを生成するよう構成することができる。この場合、画像分類手段は、生成された解析用弾性フレームデータに基づいて弾性画像の分類を行なうよう構成する。
　ところで、弾性フレーム選択手段は、変位フレームデータの複数計測点の変位の平均値、変位フレームデータの複数計測点の変位の中央値、弾性フレームデータの複数計測点の弾性情報の平均値、及び弾性フレームデータの複数計測点の弾性情報の中央値の少なくとも1つの絶対値が、あらかじめ設定された閾値より大きい場合に、圧迫状態が適切であると評価するよう構成することができる。
　また、弾性フレーム選択手段は、被検体の心電波形に繰り返し現れる複数の特徴波形のうち、あらかじめ設定された特徴波形が出現してからあらかじめ設定された時間後の弾性フレームデータを、圧迫状態が適切な弾性フレームデータとして選択するよう構成することができる。
　つまり、被検体の体表からのアプローチが容易である乳腺などの表在領域とは異なり、肝臓などの腹部領域は超音波探触子で対象組織を圧迫して変位や歪み量を生じさせるのが困難な場合がある。そこで、肝臓などの腹部領域を対象とする場合には、心臓や動脈などの拍動により生じた変位や歪み量を利用することができる。この場合、心電波形に繰り返し現れる複数の特徴波形(P波，Q波，R波，S波，T波)のうち、いずれの特徴波形に同期して組織に適切な圧迫が加わるかをあらかじめ求めておけば、その特徴波形と同期した弾性フレームデータを圧迫状態が適切な弾性フレームデータとして選択することができる。
　本発明によれば、弾性画像の病期分類の結果を精度よく安定させることができる。
第1実施形態の超音波診断装置の全体構成を示すブロック図 第1実施形態の超音波診断装置の特徴構成のブロック図 フレーム選択部による解析用弾性フレームデータの選択手法について説明する図 画像分類部の構成を示すブロック図 ニューラルネットワークの一例として単純パーセプトロンの構造を示す図 第2実施形態の超音波診断装置の特徴構成を示すブロック図 フレーム選択部による解析用弾性フレームデータの選択手法について説明する図
　以下、本発明を適用してなる超音波診断装置、弾性画像の分類方法、及び弾性画像の分類プログラムの実施形態を説明する。なお、以下の説明では、同一機能部品については同一符号を付して重複説明を省略する。
　(第1実施形態)
　図1は、第1実施形態の超音波診断装置の全体構成を示すブロック図である。この超音波診断装置は、超音波を利用して被検体の断層面の組織の断層画像を生成するとともに、組織の硬さ又は軟らかさを表す弾性情報を求めて弾性画像を生成するものである。
　図1に示すように、超音波診断装置100は、被検体に当接させて用いる超音波探触子12と、超音波探触子12を介して被検体に時間間隔をおいて超音波を繰り返し送信する送信部14と、被検体から発生する時系列の反射エコー信号を受信する受信部16と、送信部14及び受信部16を制御する超音波送受信制御部17と、受信された反射エコーを整相加算してRF信号フレームデータを時系列に生成する整相加算部18と、整相加算部18で整相加算されたRF信号フレームデータに対して各種信号処理を行ない濃淡断層像例えば白黒断層像を生成する断層画像構成部20と、断層画像構成部20の出力信号を画像表示器26の表示に合うように変換する白黒スキャンコンバータ22が備えられている。
　また、超音波診断装置100は、整相加算部18から出力されるRF信号フレームデータについて、取得時刻の異なる一対のRF信号フレームデータを選択するRF信号フレームデータ選択部28と、一対のRF信号フレームデータに基づいて被検体(図示省略)の断層面の組織に生じた変位を計測して変位フレームデータを生成する変位計測部30と、変位計測部30で計測された変位フレームデータに基づいて連続的な圧迫過程における被検体の生体組織の硬さ又は軟らかさを表す弾性情報(歪み量又は弾性率)を求めて弾性フレームデータを生成する弾性情報演算部32と、弾性情報演算部32で演算した弾性情報に基づいて弾性画像を構成する弾性画像構成部34と、弾性画像構成部34の出力信号を画像表示器26の表示に合うように変換するカラースキャンコンバータ36が備えられている。
　また、超音波診断装置100は、弾性情報演算部32で生成された弾性フレームデータが格納されるシネメモリ48と、シネメモリ48に格納された弾性フレームデータから弾性画像の病期分類に用いられる解析用弾性フレームデータを選択するフレーム選択部50と、解析用フレームデータに基づいて弾性画像の病期分類に用いる評価データを生成する評価データ生成部52、評価データに基づいて弾性画像の病期分類を行なう画像分類部54とを備えている。評価データ生成部52と画像分類部54により画像分類手段が構成される。フレーム選択部50と、評価データ生成部52と、画像分類部54の詳細については後述する。なお、本明細書において、弾性画像を病期分類するということは、弾性画像を、被検体の断層面の組織の疾患の進行の程度に応じて設定された複数のステージのいずれかに分類することを指すものとする。
　また、上記の各構成要素を制御する例えばCPU(Central Processing Unit)からなる制御部56と、制御部56に例えば弾性画像のROI(Region Of Interest：関心領域)やフレームレート等を制御する指示を与えるマウス、キーボード、タッチパネル、或いはトラックボールなどのインターフェース部58が備えられている。
　超音波探触子12は、多数の振動子を短冊状に配列して形成されたものであり、機械式又は電子的にビーム走査を行う。超音波探触子12は、被検体に当接され被検体内へ超音波を送信し、被検体からのエコー信号を受信するものである。超音波探触子12は、図示は省略したがその中には超音波の発生源であると共に反射エコーを受信する振動子が内蔵されている。各振動子は、一般に、入力されるパルス波、又は連続波の送波信号を超音波に変換して発射する機能と、被検体の内部から発射する超音波を受けて電気信号の受波信号に変換して出力する機能を有して形成される。
　一般に、超音波を用いた弾性画像における被検体の圧迫動作は、超音波探触子12で超音波送受信を行ないつつ、被検体の診断部位の体腔内に効果的に応力分布を与える目的で超音波探触子12の超音波送受信面に面を合わせて圧迫板を装着し、超音波探触子12の超音波送受信面と圧迫板にて構成される圧迫面を被検体の体表に接触させ、圧迫面を用手的に上下動させて被検体を圧迫するという方法がとられる。しかし、被検体の体表からのアプローチが容易である乳腺などの表在領域とは異なり、肝臓などの腹部領域は超音波探触子12で対象組織を圧迫して変位や歪み量を生じさせるのが困難な場合がある。そこで、肝臓などの腹部領域を対象とする場合には、心臓や動脈などの拍動により生じた変位や歪み量を利用することができる。
　送信部14は、超音波探触子12を駆動して超音波を発生させるための送波パルスを生成すると共に、内蔵された送波整相加算部によって送信される超音波の収束点をある深さに設定するものである。
　受信部16は、超音波探触子12で受信した反射エコー信号を所定のゲインで増幅するものである。増幅された各振動子の数に対応した数の受波信号がそれぞれ独立した受波信号として整相加算部18に入力される。整相加算部18は、受信部16で増幅された受波信号の位相を制御し、一点又は複数の収束点に対して超音波ビームを形成するものである。超音波送受信制御部17は、超音波を送信及び受信するタイミングを制御するものである。
　断層画像構成部20は、整相加算部18からのRF信号フレームデータに対してゲイン補正、ログ補正、検波、輪郭強調、フィルタ処理等の各種信号処理を行ない、被検体の濃淡断層画像、例えば白黒断層画像を構成する。
　白黒スキャンコンバータ22は、断層画像構成部20から出力される信号を画像表示器26に表示するためのものであり、例えばテレビジョン方式の周期で読み出すための断層走査手段及びシステムの制御を行うための手段、例えば、断層画像構成部20から出力される信号をディジタル信号に変換するA/D変換器と、このA/D変換器でディジタル化された断層像データを時系列に記憶する複数枚のフレームメモリと、これらの動作を制御するコントローラなどを含んで構成される。
　RF信号フレームデータ選択部28は、整相加算部18から超音波診断装置のフレームレートで経時的に次々と出力されるRF信号フレームデータをRF信号フレームデータ選択部28に備えられたフレームメモリ内に順次確保し(現在確保されたRF信号フレームデータをRF信号フレームデータNとする)、超音波診断装置の制御命令に従って時間的に過去のRF信号フレームデータN-1、N-2、N-3・・・N-Mの中から圧迫状態が異なる1つのRF信号フレームデータを選択し(これをRF信号フレームデータXとする)、変位計測部30に1対のRF信号フレームデータNとRF信号フレームデータXを出力する役割を担うものである。整相加算部18から出力される信号をRF信号フレームデータと記述したが、これは例えば、RF信号を複合復調したI，Q信号の形式になった信号であっても良い。
　変位計測部30は、RF信号フレームデータ選択部28によって選択された1対のRF信号フレームデータに基づいて1次元もしくは2次元相関処理を実行し、断層像上の各計測点の変位もしくは移動ベクトル(変位の方向と大きさ)を計測し、変位フレームデータを生成するものである。この移動ベクトルの検出法としては、例えば、ブロック・マッチング法やグラジェント法がある。ブロック・マッチング法は、画像を例えばN×N画素からなるブロックに分け、現フレーム中の着目しているブロックにもっとも近似しているブロックを前フレームから探索し、これらを参照して予測符号化を行うものである。
　弾性情報演算部32は、変位計測部30から出力される変位フレームデータから断層像上の各計測点の歪み量及び弾性率を演算して歪み量もしくは弾性率の数値データ(弾性フレームデータ)を生成し、弾性画像構成部34に出力するものである。弾性情報演算部32において行なう歪み量の演算については、変位を空間微分することによって計算上で求めるものとする。つまり、変位計測部30により計測された変位をΔLとすると、歪み量(S)は、ΔLを空間微分することによって算出することができるから、S＝ΔL/ΔXという式を用いて求められる。また、弾性率の内の一つである例えばヤング率Ymの演算については、以下の式に示すように、各演算点における応力(圧力)を各演算点における歪み量で除することにより求める。
　Ymi，j＝圧力(応力)i，j/(歪み量i，j)　(i，j＝1，2，3，・・・)ここで、i，jの指標は、フレームデータの座標を表す。被検体の体表に与えられた圧力は、被検体の体表と超音波探触子12の超音波送受信面との接触面に圧力センサを介在させ、この圧力センサによって直接的に計測することができる。心臓や動脈などの拍動により対象組織に変位や歪み量を生じさせる場合には、弾性情報として歪み量を用いる。なお、弾性情報演算部32は、算出された弾性フレームデータに座標変面内におけるスムージング処理、コントラスト最適化処理や、フレーム間における時間軸方向のスムージング処理などの様々な画像処理を施し、処理後の弾性フレームデータを歪み量として出力しても良い。
　弾性画像構成部34は、フレームメモリと画像処理部とを含んで構成されており、弾性情報演算部32から時系列に出力される弾性フレームデータをフレームメモリに確保し、確保されたフレームデータを画像処理部により画像処理を行うものである。
　カラースキャンコンバータ36は、階調化回路と、色相変換回路とから構成され、弾性画像構成部34から出力される弾性画像フレームデータに対して、赤、緑、青などの色相情報を付与する色相変換処理を含むものである。また、カラースキャンコンバータ36は白黒スキャンコンバータ22のように、歪が大きく計測された領域は、弾性画像データ内の該領域の輝度を明るくさせ、逆に歪が小さく計測された領域は、弾性画像データ内の該領域の輝度を暗くさせるようにしても良い。
　カラースキャンコンバータ36内の階調化回路は、弾性画像構成部34から出力される弾性画像フレームデータの各要素データの値の大小に応じて例えば256段階に変換して弾性階調化フレームデータを生成する。この際、階調化を行う領域は関心領域(ROI)内であるが、インターフェース部58を介して検者により任意に変更することが可能である。
　切替加算部24は、白黒スキャンコンバータ22から出力された白黒の断層像データとカラースキャンコンバータ36から出力された弾性画像フレームデータとを入力し、両画像を加算又は切り替える手段である。白黒の断層像データだけ又はカラーの弾性画像データだけを出力したり、或いは両画像データを加算合成して出力したりするように切り替えるようになっている。また、例えば、本願の出願人が先に出願した特開2004-135929号公報に記載されているように、白黒断層像にカラーの断層画像を半透明的に重畳して表示するようにしても良い。この時、白黒断層像とは一般的なBモード画像に限らず、受信信号の高調波成分を画像化したティシューハーモニック断層像を用いても良い。また、白黒断層像の代わりに、ティシュードプラ像を表示しても良い。
　画像表示器26は、切替加算部24を介して白黒スキャンコンバータ22或いはカラースキャンコンバータ36から出力される画像データをアナログ信号に変換するD/A変換器と、このD/A変換器からアナログビデオ信号を入力して画像として表示するカラーテレビモニタとからなる。
　ところで、超音波診断装置100の弾性画像は、びまん性疾患の診断への適用が期待されている。すなわち、びまん性疾患において結節など局所的な硬化組織が周囲の軟らかい組織中に散在する場合、弾性画像には硬化組織のまだら模様が反映される。例えば、肝炎から肝硬変のように疾患が進行し線維化が進むと結節が肝実質内に拡がり、弾性画像の硬化組織のまだら模様が複雑化していく。そこで、超音波診断装置100により生成された弾性画像を検者が観察し、弾性画像における硬化組織の例えばまだら模様の状態に基づいて、弾性画像の病期分類が行なわれている。
　しかしながら、検者が目視で弾性画像を観察して弾性画像の病期分類を行なうと、評価結果が検者間でばらつくため、客観的な弾性画像の病期分類が求められているとともに、病期分類の結果を精度よく安定させることが要望されている。
　以下、この点に鑑みた本実施形態の超音波診断装置100の特徴構成について説明する。図2は、第1実施形態の超音波診断装置の特徴構成のブロック図である。図2に示すように、弾性情報演算部32は、弾性フレームデータの各計測点の弾性情報の例えば平均値や中央値などの統計値であるフレーム評価データを算出する弾性フレーム統計処理部60を有して構成されている。
　シネメモリ48は、弾性情報演算部32にて生成された弾性フレームデータとフレーム評価データをそれぞれ時系列に格納する弾性フレームデータメモリ62とフレーム評価データメモリ64とを有して構成されている。
　フレーム選択部50は、シネメモリ48内のフレーム評価データメモリ64に格納されているフレーム評価データを解析フレームデータとして用いて、被検体の断層面の組織に対する圧迫状態が適切か否かを判定し、適切な圧迫状態における弾性フレームデータを解析用弾性フレームデータとして複数選択するものである。
　図3は、フレーム選択部50による解析用弾性フレームデータの選択手法について説明する図である。図3上段のグラフは、横軸に時間、縦軸に弾性フレームデータの複数計測点の歪み量の平均値をとった歪みグラフである。図3に示すように、時系列に並んだ複数の弾性フレームデータのうち、歪み量の平均値がマイナスのピークとなる弾性フレームデータが、解析用弾性フレームデータA-解析用弾性フレームデータEとして選択される。
　なお、弾性フレームデータの複数計測点の歪み量の平均値がプラスのピークとなる弾性フレームデータを、解析用弾性フレームデータとすることもできる。また、弾性フレームデータの複数計測点の歪み量の平均値の絶対値があらかじめ設定された閾値より大きい弾性フレームデータを解析用弾性フレームデータとすることもできる。また、弾性フレームデータの複数計測点の歪み量の中央値を用いることもできる。また、弾性フレームデータの複数計測点の歪み量の平均値や中央値に代えて、弾性フレームデータの複数計測点の弾性率の平均値や中央値、変位フレームデータの複数計測点の変位の平均値や中央値を用いることもできる。要は、被検体の断層面の組織に対する圧迫状態が適切か否かを判定するための指標となるデータを用いることができる。
　被検体の断層面の組織に対する圧迫状態が適切か否かを判定するためには、例えば断層画像或いは弾性画像上の病期分類の対象となる組織に、インターフェース部58を介して2点の追跡点を設定し、この2点の追跡点が設定された組織の変位に応じて追跡点の位置を変更しながら2点間距離を計測する。そして、2点間距離の変化率があらかじめ設定された閾値より大きい場合に、被検体の断層面の組織に対する圧迫状態が適切と判定することもできる。
　評価データ生成部52は、図3に示すように、フレーム選択部50から転送された解析用弾性フレームデータA-解析用弾性フレームデータEのそれぞれに基づいて、弾性画像の病期分類に用いる評価データA-評価データEを生成するものである。より具体的には、評価データ生成部52は、図2に示すように、ヒストグラム演算部70と、統計処理部72と、描出領域評価部74とで構成される。評価データA-評価データEはそれぞれ、ヒストグラム演算部70、統計処理部72、及び描出領域評価部74の演算結果の少なくとも1つを含んで構成される。
　ヒストグラム演算部70は、フレーム選択部50から出力される解析用弾性フレームデータの複数計測点の歪み量或いは弾性率の出現回数をカウントしてヒストグラムを作成するとともに、このヒストグラムの歪み度及び尖度の少なくとも一方をヒストグラムデータとして演算する。ヒストグラムの歪み度及び尖度は以下の数1，2により求める。
Figure JPOXMLDOC01-appb-M000001
Figure JPOXMLDOC01-appb-M000002
 　数1，2において、nはサンプル数、x(上線付)は平均、σは標準偏差である。
　統計処理部72は、フレーム選択部50から出力される解析用弾性フレームデータの複数計測点の歪み量或いは弾性率の平均値及び標準偏差の少なくとも一方を統計処理データとして算出し、歪み量或いは弾性率の分布を数値化する。なお、解析用弾性フレームデータの複数計測点の歪み量或いは弾性率の平均値、標準偏差の他に、統計的にテクスチャを算出する方法として一般的である同時生起行列を用いた特徴量、例えば均質性、異質性、コントラスト、角二次モーメント、エントロピーを統計処理データとすることも可能である。
　描出領域評価部74は、超音波診断装置100にあらかじめ設定されているか、或いはインターフェース部58，制御部56を介して検者が任意に設定可能な2値化閾値Eｔhによって、弾性フレームデータの複数計測点の弾性情報をそれぞれ2値化して検出フレームデータを作成する。そして、検出フレームデータの例えば弾性情報がEｔhより小さい、つまり硬化組織の領域の個数、面積、形状の複雑度などを描出領域評価データとして算出する。複雑度は以下の式によって求めることができる。複雑度=(周囲長)2/面積
　これにより、目的とする歪み量或いは弾性率を有する組織の領域の拡がりや形状を数値化している。Eｔhは検者が任意に設定することも可能であるが、描出領域が強調される2値化画像が得られるよう複雑度が最大となる閾値を算出して使用することも可能である。また、Eｔhにより2値化するのではなく、あらかじめ設定された閾値範囲に属する弾性情報により形成される領域の数、該領域の面積、及び該領域の形状の複雑度の少なくとも1つを描出領域評価データとして演算するようにしてもよい。
　評価データ生成部52は、図3に示すように、評価データA-評価データEの演算結果を平均するか、或いは評価データA-評価データEの演算結果の中央値を選択することにより分類用評価データ(分類用演算結果)を生成して、画像分類部54に送る。画像分類部54は、分類用評価データに基づいて弾性画像の病期分類を行なう。例えば評価データA-評価データEが、フレーム選択部50から出力される解析用弾性フレームデータの複数計測点の弾性情報のヒストグラムの歪み度の場合は、分類用評価データは、5つの歪み度の平均値或いは中央値となる。
　なお、本実施形態では、評価データA-評価データEの演算結果の平均や中央値を分類用評価データとしたが、これに限らず、評価データA-評価データEをそのまま画像分類部54に送り、画像分類部54は、評価データA-評価データEのそれぞれについて弾性画像の病期分類をするようにしてもよい。
　また、評価データA-評価データEの演算結果の平均や中央値を分類用評価データとすることに代えて、フレーム選択部50は、複数の解析用弾性フレームデータの対応する計測点の弾性情報を平均するか、或いは複数の解析用弾性フレームデータの対応する計測点の弾性情報の中央値を選択することにより解析用弾性フレームデータを生成し、生成された解析用弾性フレームデータを評価データ生成部52に送るようにしてもよい。この場合、評価データ生成部52は、送られた解析用弾性フレームデータを用いて評価データを生成する。
　続いて、画像分類部54の構成を説明する。図4は画像分類部の構成を示すブロック図である。図4に示すように、画像分類部54には、ヒストグラムデータ、統計処理データ、及び描出領域評価データが入力される。画像分類部54は、ヒストグラムデータ、統計処理データ、及び描出領域評価データの中から少なくとも1つの評価データを選択する評価データ選択部80と、メモリ82と、多変量解析部84を有して構成されている。なお、画像分類部54には、ヒストグラムデータ、統計処理データ、及び描出領域評価データの他、例えば検者の血液検査の結果を入力し、評価の指標に加えることも可能である。
　評価データ選択部80における評価データの選択方法としては、インターフェース部58，制御部56を介して検者が選択する方法のほか、メモリ82に格納されている各グループの弾性画像を分類する際に相関の高かった評価データを選択する方法がある。評価データ選択部80にて選択された少なくとも1つ以上の評価データは、多変量解析部84に入力され分類結果が画像表示器26に出力されて表示される。
　多変量解析部84は多変量解析、例えば重回帰分析、判別分析、主成分分析、数量化法、因子分析、クラスター分析、多次元尺度法、ニューラルネットワークなどを用いて弾性画像の病期分類を行うものである。ここではニューラルネットワークのパーセプトロンを用いた分類方法について説明する。
　図5は、ニューラルネットワークの一例として単純パーセプトロンの構造を示す図である。図5に示すように、単純パーセプトロンは、入力層及び単一のユニット(ニューロン)からなる出力層からなる。入力層には、評価データ選択部80で選択されたパラメータの評価データが入力される。例えば、パラメータとして、ヒストグラムの歪み度、歪み量の標準偏差、2値化画像において歪み量が閾値より小さい領域の面積、及びこの領域の形状の複雑度の4つのパラメータが選択されたとすると、これらがx1、x2、x3、x4として入力層に入力される。
　出力層では、以下の数3により、入力値xiに結合荷重ωiを重み付けした総和uを求める。そして、所定の関数f(u)で変換し、その値を出力する。
Figure JPOXMLDOC01-appb-M000003
 　出力層で用いる関数f(u)は、しきい関数やリニア関数が用いられる。例えば、しきい関数の場合には、uが閾値hよりも大きい場合はf(u)＝1、小さい場合はf(u)＝0とし、出力値zをz＝f(u)とする。また出力が入力に対し直線的に増減するリニア関数の場合には、入力値uがそのまま出力値となる。f(u)＝1という結果は、評価データを作成した弾性画像が特定の病期分類のステージ(グループ)に属することを意味し、f(u)＝0という結果は、当該弾性画像が特定の病期分類のステージ(グループ)に属しないことを意味する。出力層の変換関数としてしきい関数を用いた単純パーセプトロンを用いる場合には、出力層の閾値の異なる複数の単純パーセプトロンを並列にして、複数のグループに分類する。また入力値uが出力値の場合には、グループの数に応じて多段的に閾値を設定し、出力値を複数のグループに分類する。
　例えば病期分類の対象臓器が肝臓の場合には、線維化なし(ステージ0)、門脈域の線維性拡大(ステージ1)、線維性架橋形成(ステージ2)、小葉のひずみを伴う線維性架橋形成(ステージ3)、肝硬変(ステージ4)の各ステージへの分類を行なうことができる。
　パーセプトロンでは、出力信号を教師信号(正解)と比較し、それが異なっているときに結合荷重ωiと閾値hを変更する、すなわち学習することが特徴である。具体的には、教師信号z*と出力値zとの差分をδとしたとき、以下の数4に示すように、δ2が最小となるように結合荷重ωiを修正する。
Figure JPOXMLDOC01-appb-M000004
 　数4において、εは学習係数である。教師信号としては、評価対象について、例えば病理診断によって診断された結果(第1～第Nのグループのいずれか)が用いられる。このようなパーセプトロンの学習は、あらかじめ診断が確定された複数の弾性画像データとその評価データを用いて行なうことができる。また新たな分類結果について正解(確定した診断結果)が得られるたびに行なうことができ、それにより結果の正確性を高めることができる。教師信号が入力されていない場合は、最新の結合荷重ωiと閾値hを使用して分類結果を出力する。
　多変量解析部84による分類結果は、画像表示器26に送られて表示される。表示の方法としては、分類されたステージ名(例えばステージ0，ステージ1，ステージ2，ステージ3，ステージ4)を表示する他、ステージ名を横軸とし、縦軸を出力値(u)とするグラフ上にプロットするなどの任意の方法を採用することができる。
　本実施形態の超音波診断装置によれば、フレーム選択部50によって、被検体の断層面の組織に対する圧迫状態が適切な弾性フレームデータを解析用弾性フレームデータとして選択しているので、圧迫状態が適切でなく病期分類に適さない弾性フレームデータが病期分類に用いられることがない。これにより、病期分類の精度を向上させることができる。また、評価データ生成部52と画像分類部54が、フレーム選択部50により選択された複数の解析用弾性フレームデータに基づいて弾性画像の病期分類を行なうことにより、単一の弾性フレームデータに基づいて病期分類を行なうのに比べて、病期分類の結果を安定させることができる。
　なお上述の実施形態は、主に超音波診断装置、及び弾性画像の分類方法について説明したものであるが、本発明はこれには限定されない。例えば超音波診断装置やPCなどのコンピュータにインストールして実行可能な弾性画像の分類プログラムとすることができる。
　弾性画像の分類プログラムは、あらかじめ超音波探触子12で計測された反射エコー信号から得られた圧迫状態の異なる1対のRF信号フレームデータに基づいて生成された被検体の断層面の組織の変位フレームデータ、変位フレームデータに基づいて生成された断層面の組織の硬さ又は軟らかさを表す弾性フレームデータ、及び前記被検体の心電波形の少なくとも1つに基づいて、被検体の断層面の組織に対する圧迫状態が適切か否かを判定し、適切な圧迫状態における弾性フレームデータを解析用弾性フレームデータとして複数選択するステップと、複数の解析用弾性フレームデータに基づいて、弾性フレームデータに基づく弾性画像を、被検体の断層面の組織の疾患の進行の程度に応じてあらかじめ設定された複数のステージのいずれかに分類するステップと、分類結果を弾性画像とともに表示するステップとを含んで構成される。
　ところで、複数の弾性画像を病期分類する場合には、なるべく同じ条件で撮像された弾性画像を選択した方が安定した結果が得られる。そこで、例えば肝臓のように心拍による拍動を利用して弾性画像を取得する場合は、図3上段に示した歪みグラフを利用して、メモリに記憶されている1心拍前の歪波形と現在の歪波形の一致率を自己相関関数等で評価し、その一致率を画像表示器26に表示することができる。つまり、検者は一致率が高ければ安定して弾性画像が取得されていることを認識することができる。また、一致率をあらかじめ設定された閾値と比較して安定して画像取得が行えているか否かを判定し、その判定結果を画像表示器26に表示することにより検者にフィードバックしてもよい。
　また、例えば肝臓のように心拍による拍動を利用して弾性画像を取得する場合、超音波探触子12の被検体に対する当て方によっては、超音波断層面の組織に充分な変位や歪みが生じず、その結果、弾性画像の病期分類に適した弾性フレームデータが取得できないおそれもある。そこで、例えばフレーム選択部50により、被検体の断層面の組織に対する圧迫状態が適切か否かを判定し、判定結果を画像表示器26に表示することもできる。これによれば、仮に超音波探触子12の被検体に対する当て方が適切でない場合には、被検体の断層面の組織に対する圧迫状態が適切でないとの判定がなされ、その旨が表示される。検者はその表示を見て、超音波探触子12の被検体に対する当て方が適切でないことを認識することができる。
　(第2実施形態)
　続いて、本発明を適用してなる超音波診断装置の第2実施形態を説明する。第2実施形態は、心電波形取得装置を用いて被検体の心電波形を計測し、計測された心電波形に基づいて、被検体の断層面の組織に対する圧迫状態が適切か否かを判定する点が第1実施形態と異なる。したがって、第1実施形態と重複する部分についての説明を省略する。
　図6は、第2実施形態の超音波診断装置の特徴構成を示すブロック図である。図6に示すように、第2実施形態では、第1実施形態で用いられていた弾性フレーム統計処理部60やフレーム評価データメモリ64を設けない代わりに、心電波形取得装置により計測された心電波形90(ECG)が、フレーム選択部50に入力される。
　図7は、フレーム選択部50による解析用弾性フレームデータの選択手法について説明する図である。図7上段のグラフは、横軸に時間、縦軸に心電波形取得装置により計測された信号強度をとった心電波形のグラフである。図7に示すように、フレーム選択部50は、心電波形に現れる複数の特徴波形(P波，Q波，R波，S波，T波)のうち、あらかじめ設定されたT波が出現してからあらかじめ設定された時間後の弾性フレームデータを、解析用弾性フレームデータA-解析用弾性フレームデータEとして選択する。
　本実施形態は、T波の直後の時相において被検体の断層面の組織に対する圧迫状態が適切になることをあらかじめ調べていたため、T波の直後の時相の弾性フレームデータを解析用弾性フレームデータとして選択している。したがって、T波に限らず、心電波形に現れる複数の特徴波形のうち、いずれの特徴波形に同期して被検体の断層面の組織に対する圧迫状態が適切になるかをあらかじめ調べておいて、その特徴波形と同期する弾性フレームデータを圧迫状態が適切な弾性フレームデータとして選択することができる。
　本実施形態の超音波診断装置においても第1実施形態と同様に、フレーム選択部50によって、被検体の断層面の組織に対する圧迫状態が適切な弾性フレームデータを解析用弾性フレームデータとして選択しているので、圧迫状態が適切でなく病期分類に適さない弾性フレームデータが病期分類に用いられることがない。これにより、病期分類の精度を向上させることができる。また、評価データ生成部52と画像分類部54が、フレーム選択部50により選択された複数の解析用弾性フレームデータに基づいて弾性画像の病期分類を行なうことにより、単一の弾性フレームデータに基づいて病期分類を行なうのに比べて、病期分類の結果を安定させることができる。
　上記の各実施形態では、画像分類部54に分類される疾患の進行の程度に応じた複数ステージがあらかじめ設定された例を説明した。しかしながら、疾患の進行の程度の基準が変更されたり、被検体の個体差の情報をフィードバックして学習させたりすることにより複数ステージを変更させてもよい。これによって、後発的に変更された設定値にも対応させることができる。
　12　超音波探触子、18　整相加算部、26　画像表示器、28　RF信号フレームデータ選択部、30　変位計測部、32　弾性情報演算部、34　弾性画像構成部、50　フレーム選択部、52　評価データ生成部、54　画像分類部、70　ヒストグラム演算部、72　統計処理部、74　描出領域評価部、80　評価データ選択部、84　多変量解析部、90　心電波形、100　超音波診断装置、

Claims (12)

  1. [規則91に基づく訂正 27.10.2010]　
    　被検体との間で超音波を送受信する超音波探触子と、該超音波探触子で計測された反射エコー信号に基づいて前記被検体の断層面のRF信号フレームデータを生成する整相加算手段と、前記被検体の断層面の組織に対する圧迫状態が異なる一対のRF信号フレームデータに基づいて該断層面の組織の変位を計測して変位フレームデータを生成する変位計測手段と、生成された変位フレームデータに基づいて前記断層面の組織の硬さ又は軟らかさを表す弾性情報を演算して弾性フレームデータを生成する弾性情報演算手段と、前記弾性フレームデータに基づいて弾性画像を生成する弾性画像構成手段と、前記弾性フレームデータに基づいて、前記弾性画像を前記被検体の断層面の組織の疾患の進行の程度に応じて設定された複数のステージのいずれかに分類する画像分類手段と、前記弾性画像及び該弾性画像の分類結果を表示する画像表示器とを備え、前記変位フレームデータ、前記弾性フレームデータ、及び前記被検体の心電波形の少なくとも1つに基づいて、前記被検体の断層面の組織に対する圧迫状態が適切か否かを判定し、適切な圧迫状態における弾性フレームデータを解析用弾性フレームデータとして選択する弾性フレーム選択手段を有し、前記画像分類手段は、前記解析用弾性フレームデータに基づいて前記弾性画像の分類を行なう超音波診断装置。
  2. 　前記画像分類手段は、前記解析用弾性フレームデータの複数計測点の弾性情報のヒストグラムの歪み度及び尖度の少なくとも一方をヒストグラムデータとして演算するヒストグラム演算部と、前記解析用弾性フレームデータの複数計測点の弾性情報の平均値及び標準偏差の少なくとも一方を統計処理データとして演算する統計演算部と、前記解析用弾性フレームデータの複数計測点の弾性情報のうちあらかじめ設定された閾値範囲に属する弾性情報により形成される領域の数、該領域の面積、及び該領域の形状の複雑度の少なくとも1つを描出領域評価データとして演算する描出領域演算部との少なくとも1つを含む評価データ生成部を備え、前記複数の解析用弾性フレームデータのそれぞれに対する前記ヒストグラム演算部、前記統計演算部、及び前記描出領域演算部の少なくとも1つの演算結果を平均するか、或いは前記演算結果の中央値を選択することにより得られた分類用演算結果に基づいて前記弾性画像の分類を行なう請求項1の超音波診断装置。
  3. [規則91に基づく訂正 27.10.2010]　
    　前記弾性フレーム選択手段は、前記解析用弾性フレームデータの対応する計測点の弾性情報を平均するか、或いは前記解析用弾性フレームデータの対応する計測点の弾性情報の中央値を選択することにより解析用弾性フレームデータを生成し、前記画像分類手段は、前記生成された解析用弾性フレームデータに基づいて前記弾性画像の分類を行なう請求項1の超音波診断装置。
  4. 　前記弾性フレーム選択手段は、前記変位フレームデータの複数計測点の変位の平均値、前記変位フレームデータの複数計測点の変位の中央値、前記弾性フレームデータの複数計測点の弾性情報の平均値、及び前記弾性フレームデータの複数計測点の弾性情報の中央値の少なくとも1つの絶対値が、あらかじめ設定された閾値より大きい場合に、圧迫状態が適切であると評価する請求項1の超音波診断装置。
  5. 　前記弾性フレーム選択手段は、前記被検体の心電波形に繰り返し現れる複数の特徴波形のうち、あらかじめ設定された特徴波形が出現してからあらかじめ設定された時間後の弾性フレームデータを、圧迫状態が適切な弾性フレームデータとして選択する請求項1の超音波診断装置。
  6. 　前記弾性フレーム選択手段は、前記被検体の断層面の組織に対する圧迫状態が適切か否かを判定し、判定結果を前記画像表示器に表示する請求項1の超音波診断装置。
  7. [規則91に基づく訂正 27.10.2010]　
    　被検体との間で超音波を送受信して計測された反射エコー信号に基づいて前記被検体の断層面の組織のRF信号フレームデータを生成し、前記被検体の断層面の組織に対する圧迫状態が異なる一対のRF信号フレームデータに基づいて該断層面の組織の変位を計測して変位フレームデータを生成し、生成された変位フレームデータに基づいて前記断層面の組織の硬さ又は軟らかさを表す弾性情報を演算して弾性フレームデータを生成し、前記弾性フレームデータに基づいて弾性画像を生成し、前記弾性フレームデータに基づいて、前記弾性画像を前記被検体の断層面の組織の疾患の進行の程度に応じて設定された複数のステージのいずれかに分類して、分類結果を弾性画像とともに表示する弾性画像の分類方法において、前記変位フレームデータ、前記弾性フレームデータ、及び前記被検体の心電波形の少なくとも1つに基づいて、前記被検体の断層面の組織に対する圧迫状態が適切か否かを判定し、適切な圧迫状態における弾性フレームデータを解析用弾性フレームデータとして選択し、前記解析用弾性フレームデータに基づいて前記弾性画像の分類を行なう弾性画像の分類方法。
  8. 　前記分類の演算は、前記解析用弾性フレームデータの複数計測点の弾性情報のヒストグラムの歪み度及び尖度の少なくとも一方をヒストグラムデータとし、前記解析用弾性フレームデータの複数計測点の弾性情報の平均値及び標準偏差の少なくとも一方を統計処理データとし、前記解析用弾性フレームデータの複数計測点の弾性情報のうちあらかじめ設定された閾値範囲に属する弾性情報により形成される領域の数、該領域の面積、及び該領域の形状の複雑度の少なくとも1つを描出領域評価データとして少なくとも一つを演算し、前記少なくとも1つの演算結果を平均するか、或いは前記演算結果の中央値を選択することにより得られる請求項７の弾性画像の分類方法。
  9. [規則91に基づく訂正 27.10.2010]　
    　前記解析用弾性フレームデータの生成は、前記解析用弾性フレームデータの対応する計測点の弾性情報を平均するか、或いは前記解析用弾性フレームデータの対応する計測点の弾性情報の中央値を選択する請求項７の弾性画像の分類方法。
  10. 　前記圧迫状態が適切とする判定は、前記変位フレームデータの複数計測点の変位の平均値、前記変位フレームデータの複数計測点の変位の中央値、前記弾性フレームデータの複数計測点の弾性情報の平均値、及び前記弾性フレームデータの複数計測点の弾性情報の中央値の少なくとも1つの絶対値が、あらかじめ設定された閾値より大きい場合とする請求項7の弾性画像の分類方法。
  11. 　前記複数の解析用弾性フレームデータは、前記被検体の心電波形に繰り返し現れる複数の特徴波形のうち、あらかじめ設定された特徴波形が出現してからあらかじめ設定された時間後の弾性フレームデータを選択する請求項7の弾性画像の分類方法。
  12. [規則91に基づく訂正 27.10.2010]　
    　あらかじめ超音波探触子で計測された反射エコー信号から得られた圧迫状態の異なる1対のRF信号フレームデータに基づいて生成された被検体の断層面の組織の変位フレームデータ、前記変位フレームデータに基づいて生成された断層面の組織の硬さ又は軟らかさを表す弾性フレームデータ、及び前記被検体の心電波形の少なくとも1つに基づいて、前記被検体の断層面の組織に対する圧迫状態が適切か否かを判定し、適切な圧迫状態における弾性フレームデータを解析用弾性フレームデータとして選択するステップと、前記解析用弾性フレームデータに基づいて、前記弾性フレームデータに基づく弾性画像を、前記被検体の断層面の組織の疾患の進行の程度に応じて設定された複数のステージのいずれかに分類するステップと、分類結果を弾性画像とともに表示するステップとを含んでなる弾性画像の分類プログラム。
PCT/JP2010/065623 2009-09-16 2010-09-10 超音波診断装置、弾性画像の分類方法、及び弾性画像の分類プログラム WO2011034005A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2011531908A JP5726081B2 (ja) 2009-09-16 2010-09-10 超音波診断装置及び弾性画像の分類プログラム

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2009-214115 2009-09-16
JP2009214115 2009-09-16

Publications (1)

Publication Number Publication Date
WO2011034005A1 true WO2011034005A1 (ja) 2011-03-24

Family

ID=43758610

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2010/065623 WO2011034005A1 (ja) 2009-09-16 2010-09-10 超音波診断装置、弾性画像の分類方法、及び弾性画像の分類プログラム

Country Status (2)

Country Link
JP (1) JP5726081B2 (ja)
WO (1) WO2011034005A1 (ja)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014038702A1 (ja) * 2012-09-10 2014-03-13 株式会社東芝 超音波診断装置、画像処理装置及び画像処理方法
JP2014083164A (ja) * 2012-10-23 2014-05-12 Ge Medical Systems Global Technology Co Llc 画像処理方法および装置並びにプログラム
WO2014112168A1 (ja) * 2013-01-18 2014-07-24 オリンパスメディカルシステムズ株式会社 超音波観測システム
JP2014527901A (ja) * 2011-09-26 2014-10-23 アキュイタス・メディカル・リミテッド 臓器線維症の特徴の検出のための方法
WO2014208199A1 (ja) 2013-06-26 2014-12-31 オリンパスメディカルシステムズ株式会社 超音波観測システム、超音波観測システムの作動方法
KR101512291B1 (ko) 2013-05-06 2015-04-15 삼성메디슨 주식회사 의료 영상 장치 및 의료 영상 제공 방법
JP2017006213A (ja) * 2015-06-17 2017-01-12 東芝メディカルシステムズ株式会社 超音波診断装置及び制御プログラム
JP2018027273A (ja) * 2016-08-19 2018-02-22 学校法人自治医科大学 糖尿病網膜症の病期判定支援システムおよび糖尿病網膜症の病期の判定を支援する方法
JP2022542442A (ja) * 2019-08-01 2022-10-03 无錫海斯凱尓医学技術有限公司 データ処理方法、装置、機器及び記憶媒体

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004105615A1 (ja) * 2003-05-30 2004-12-09 Hitachi Medical Corporation 超音波探触子及び超音波弾性画像撮影装置
WO2006106852A1 (ja) * 2005-03-30 2006-10-12 Hitachi Medical Corporation 超音波診断装置
JP2007282932A (ja) * 2006-04-19 2007-11-01 Hitachi Medical Corp 弾性画像生成方法及び超音波診断装置
JP2007301086A (ja) * 2006-05-10 2007-11-22 Hitachi Medical Corp 超音波診断装置
WO2008010500A1 (fr) * 2006-07-18 2008-01-24 Hitachi Medical Corporation Dispositif de diagnostic à ultrasons
JP2008212522A (ja) * 2007-03-07 2008-09-18 Hitachi Medical Corp 超音波診断装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4455003B2 (ja) * 2003-10-14 2010-04-21 株式会社日立メディコ 超音波診断装置
JP4368185B2 (ja) * 2003-11-27 2009-11-18 株式会社日立メディコ 超音波診断装置
JP2005334196A (ja) * 2004-05-26 2005-12-08 Hitachi Medical Corp 超音波診断装置
JP5304986B2 (ja) * 2008-03-31 2013-10-02 株式会社日立メディコ 超音波診断装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004105615A1 (ja) * 2003-05-30 2004-12-09 Hitachi Medical Corporation 超音波探触子及び超音波弾性画像撮影装置
WO2006106852A1 (ja) * 2005-03-30 2006-10-12 Hitachi Medical Corporation 超音波診断装置
JP2007282932A (ja) * 2006-04-19 2007-11-01 Hitachi Medical Corp 弾性画像生成方法及び超音波診断装置
JP2007301086A (ja) * 2006-05-10 2007-11-22 Hitachi Medical Corp 超音波診断装置
WO2008010500A1 (fr) * 2006-07-18 2008-01-24 Hitachi Medical Corporation Dispositif de diagnostic à ultrasons
JP2008212522A (ja) * 2007-03-07 2008-09-18 Hitachi Medical Corp 超音波診断装置

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014527901A (ja) * 2011-09-26 2014-10-23 アキュイタス・メディカル・リミテッド 臓器線維症の特徴の検出のための方法
JP2014064912A (ja) * 2012-09-10 2014-04-17 Toshiba Corp 超音波診断装置、画像処理装置及び画像処理方法
CN103813755A (zh) * 2012-09-10 2014-05-21 株式会社东芝 超声波诊断装置、图像处理装置以及图像处理方法
US10695031B2 (en) 2012-09-10 2020-06-30 Canon Medical Systems Corporation Ultrasonic diagnostic apparatus, image processing apparatus, and image processing method
WO2014038702A1 (ja) * 2012-09-10 2014-03-13 株式会社東芝 超音波診断装置、画像処理装置及び画像処理方法
JP2014083164A (ja) * 2012-10-23 2014-05-12 Ge Medical Systems Global Technology Co Llc 画像処理方法および装置並びにプログラム
US9332964B2 (en) 2013-01-18 2016-05-10 Olympus Corporation Ultrasound observation system
WO2014112168A1 (ja) * 2013-01-18 2014-07-24 オリンパスメディカルシステムズ株式会社 超音波観測システム
JP5622985B1 (ja) * 2013-01-18 2014-11-12 オリンパスメディカルシステムズ株式会社 超音波観測システム
CN104321019A (zh) * 2013-01-18 2015-01-28 奥林巴斯医疗株式会社 超声波观测系统
CN104321019B (zh) * 2013-01-18 2016-08-17 奥林巴斯株式会社 超声波观测系统
KR101512291B1 (ko) 2013-05-06 2015-04-15 삼성메디슨 주식회사 의료 영상 장치 및 의료 영상 제공 방법
US10004477B2 (en) 2013-05-06 2018-06-26 Samsung Medison Co., Ltd. Medical imaging apparatus and method of providing medical images
US9345452B2 (en) 2013-06-26 2016-05-24 Olympus Corporation Ultrasound observation system and operation method of ultrasound observation system
CN104507395A (zh) * 2013-06-26 2015-04-08 奥林巴斯医疗株式会社 超声波观测系统、超声波观测系统的动作方法
WO2014208199A1 (ja) 2013-06-26 2014-12-31 オリンパスメディカルシステムズ株式会社 超音波観測システム、超音波観測システムの作動方法
JP2017006213A (ja) * 2015-06-17 2017-01-12 東芝メディカルシステムズ株式会社 超音波診断装置及び制御プログラム
US11039777B2 (en) 2015-06-17 2021-06-22 Canon Medical Systems Corporation Ultrasonic diagnostic apparatus and control method
JP2018027273A (ja) * 2016-08-19 2018-02-22 学校法人自治医科大学 糖尿病網膜症の病期判定支援システムおよび糖尿病網膜症の病期の判定を支援する方法
JP2022542442A (ja) * 2019-08-01 2022-10-03 无錫海斯凱尓医学技術有限公司 データ処理方法、装置、機器及び記憶媒体
JP7296171B2 (ja) 2019-08-01 2023-06-22 无錫海斯凱尓医学技術有限公司 データ処理方法、装置、機器及び記憶媒体

Also Published As

Publication number Publication date
JP5726081B2 (ja) 2015-05-27
JPWO2011034005A1 (ja) 2013-02-14

Similar Documents

Publication Publication Date Title
JP5304986B2 (ja) 超音波診断装置
JP5726081B2 (ja) 超音波診断装置及び弾性画像の分類プログラム
JP5560283B2 (ja) 超音波診断装置、被検体の診断対象部位の疾患の評価用画像生成方法、及び被検体の診断対象部位の疾患の評価用画像生成プログラム
JP4966578B2 (ja) 弾性画像生成方法及び超音波診断装置
US6884216B2 (en) Ultrasound diagnosis apparatus and ultrasound image display method and apparatus
EP2221633B1 (en) Apparatus for cardiac elastography
JP4455003B2 (ja) 超音波診断装置
US8538103B2 (en) Medical image processing device, medical image processing method, medical image diagnostic apparatus, operation method of medical image diagnostic apparatus, and medical image display method
US20110194748A1 (en) Ultrasonic diagnostic apparatus and ultrasonic image display method
US20050283076A1 (en) Non-invasive diagnosis of breast cancer using real-time ultrasound strain imaging
US20090112088A1 (en) Ultrasonic diagnostic apparatus, image data generating apparatus, ultrasonic diagnostic method and image data generating method
JPWO2005122907A1 (ja) 超音波診断装置および弾性画像表示方法
JPWO2007138881A1 (ja) 超音波診断装置
JP5113322B2 (ja) 超音波診断装置
KR101629541B1 (ko) 초음파 진단 장치 및 그 제어 프로그램
US9301732B2 (en) Ultrasonic diagnostic arrangements selecting parameters for selecting relevant estimation data for classifying an elasticity image
JP4515799B2 (ja) 超音波診断装置
JP5680703B2 (ja) 超音波診断装置
JP5623609B2 (ja) 超音波診断装置
CN109069117B (zh) 超声波诊断装置
JP5128149B2 (ja) 超音波診断装置
JP5638641B2 (ja) 超音波診断装置
JP2014193215A (ja) 超音波撮像装置及び超音波画像表示方法
JP2012055742A (ja) 超音波診断装置
JP2017042179A (ja) 超音波診断装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 10817118

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2011531908

Country of ref document: JP

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 10817118

Country of ref document: EP

Kind code of ref document: A1