WO2018181127A1 - 超音波診断装置および超音波診断装置の制御方法 - Google Patents

超音波診断装置および超音波診断装置の制御方法 Download PDF

Info

Publication number
WO2018181127A1
WO2018181127A1 PCT/JP2018/012035 JP2018012035W WO2018181127A1 WO 2018181127 A1 WO2018181127 A1 WO 2018181127A1 JP 2018012035 W JP2018012035 W JP 2018012035W WO 2018181127 A1 WO2018181127 A1 WO 2018181127A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
unit
time series
series data
time
Prior art date
Application number
PCT/JP2018/012035
Other languages
English (en)
French (fr)
Inventor
雅史 野口
Original Assignee
富士フイルム株式会社
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 富士フイルム株式会社 filed Critical 富士フイルム株式会社
Priority to JP2019509770A priority Critical patent/JP6716020B2/ja
Priority to EP18776937.7A priority patent/EP3603526B1/en
Publication of WO2018181127A1 publication Critical patent/WO2018181127A1/ja
Priority to US16/586,426 priority patent/US11576646B2/en

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
    • A61B8/06—Measuring blood flow
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5207—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of raw data to produce diagnostic data, e.g. for generating an image
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5269—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving detection or reduction of artifacts
    • A61B8/5276—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving detection or reduction of artifacts due to motion
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/54—Control of the diagnostic device
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
    • G01S15/8906—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques
    • G01S15/8979—Combined Doppler and pulse-echo imaging systems
    • G01S15/8981—Discriminating between fixed and moving objects or between objects moving at different speeds, e.g. wall clutter filter
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
    • G01S15/8906—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques
    • G01S15/8979—Combined Doppler and pulse-echo imaging systems
    • G01S15/8984—Measuring the velocity vector
    • 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
    • A61B8/488—Diagnostic techniques involving Doppler signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5238—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image
    • A61B8/5246—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from the same or different imaging techniques, e.g. color Doppler and B-mode

Definitions

  • the present invention relates to an ultrasonic diagnostic apparatus and a control method for the ultrasonic diagnostic apparatus, and more particularly to an ultrasonic diagnostic apparatus for estimating blood flow information from a Doppler signal and a control method for the ultrasonic diagnostic apparatus.
  • an ultrasonic diagnostic apparatus is used to obtain blood flow information inside a subject.
  • an ultrasonic diagnostic apparatus includes an ultrasonic probe including a transducer array in which a plurality of elements are arranged.
  • an ultrasonic beam is transmitted from the transducer array into the subject, and an ultrasonic echo from the subject is received by the transducer array to perform Doppler.
  • a signal is acquired.
  • the ultrasonic diagnostic apparatus generates a Doppler image that is blood flow information based on the frequency shift information included in the obtained Doppler signal.
  • a Doppler image obtained by an ultrasonic diagnostic apparatus there is a color Doppler image in which a blood image is colored according to the direction of blood flow, the speed of blood flow, and the like.
  • a color Doppler image is an image generated by a color flow mapping method.
  • an MTI (Moving Target Target Indicator) filter is used to suppress clutter, which is a signal obtained from a slow-moving tissue, on the same scan line and the same position data string.
  • a blood flow signal component is extracted by applying a so-called filtering process. As described above, it is necessary to suppress the clutter component of the Doppler signal in order to obtain a highly accurate color Doppler image.
  • the ultrasonic diagnostic apparatus disclosed in Patent Document 1 calculates a correlation matrix of a scanning range from a data string of reflected wave data at the same position on the same scanning line, and performs principal component analysis based on the correlation matrix.
  • the filter coefficient of the MTI filter is calculated from the result, the moving body information is estimated by extracting the ultrasonic beam reflected by the moving body by the MTI filter, and an ultrasonic image is generated based on the moving body information.
  • the ultrasonic diagnostic apparatus disclosed in Patent Document 1 uses an average value of a correlation matrix in a scanning range as a correlation matrix used for principal component analysis.
  • the ultrasonic diagnostic apparatus disclosed in Patent Document 2 estimates the center frequency and variance of the clutter component by performing autocorrelation calculation on the received Doppler signal, and sets the clutter component frequency to near zero. It is shifted to. Furthermore, the ultrasonic diagnostic apparatus disclosed in Patent Document 2 applies an MTI filter to a clutter component whose frequency is shifted.
  • JP 2014-158698 A Japanese Patent Laid-Open No. 2004-73672
  • the present invention has been made to solve such a conventional problem, and even when the tissue of the subject has moved greatly, a highly accurate blood flow without causing motion artifacts as much as possible. It is an object of the present invention to provide an ultrasonic diagnostic apparatus capable of obtaining information and a method for controlling the ultrasonic diagnostic apparatus.
  • the ultrasonic diagnostic apparatus repeatedly transmits an ultrasonic beam to a subject a plurality of times in a range extending over a plurality of scanning lines to generate a reflected wave from the subject.
  • a data acquisition unit that acquires a series data sequence, a positional deviation amount estimation unit that estimates a relative positional deviation amount of a scatterer in a subject included in the time series data sequence, and a scattering estimated by the positional deviation amount estimation unit
  • a data exclusion unit that selects analysis target data by excluding time-series data that satisfies the exclusion condition based on the amount of body displacement from the time-series data string, and a clutter component is removed from the analysis target data selected by the data exclusion unit
  • blood flow for estimating blood flow information in the subject by analyzing the analysis target data from which clutter components have been removed in the MTI filter unit And having a distribution estimating unit.
  • the misregistration estimation unit estimates a relative moving distance of the scatterer based on the time series data string, and the data excluding unit sets a threshold for determining the scatterer moving distance estimated by the misregistration amount estimation unit. A plurality of time series data exceeding can be excluded from the time series data string.
  • the misregistration amount estimation unit sets a plurality of extracted data extracted with a predetermined number of data in the time series data sequence, and sets a relative moving distance of the scatterer with respect to the plurality of extracted data.
  • Estimate The data exclusion unit can also exclude, from the time-series data string, a plurality of time-series data over a plurality of extracted data in which the moving distance of the scatterer estimated by the positional deviation amount estimation unit exceeds a predetermined threshold.
  • the MTI filter unit has a filter characteristic for the analysis target data in which the moving distance of the scatterer is estimated by the misregistration amount estimating unit so that the low frequency component is greatly attenuated as the moving distance of the scatterer increases. Can be changed.
  • the MTI filter unit calculates an average value of the correlation matrix of the analysis target data in a predetermined range among the ranges extending over the plurality of scanning lines, and uses the average value of the correlation matrix as a principal component mainly composed of clutter. By performing the analysis, the clutter component can be removed from the analysis target data.
  • the positional deviation amount estimation unit estimates a movement vector having an absolute value and a direction as the relative movement distance and movement direction of the scatterer included in the time series data
  • the data exclusion unit calculates from the time series data string.
  • the misregistration amount estimation unit sets a plurality of extracted data extracted with a predetermined number of data in the time-series data sequence, and sets the relative moving distance of the scatterer and the plurality of extracted data.
  • a movement vector having an absolute value and a direction as the movement direction is estimated, and the data excluding unit sequentially concatenates start points and end points of a plurality of movement vectors estimated from a plurality of extracted data in time series order.
  • Data points corresponding to the extracted data are arranged on the data plane, and a plurality of data points consecutive in time series included in any one of a plurality of circles having the same radius and centered on the plurality of data points. As a result, the time series data corresponding to the data points included in only one circle can be excluded.
  • the MTI filter unit attenuates the low frequency component more greatly as the total of the lengths of the movement vectors included in the section increases with respect to the plurality of pieces of analysis target data corresponding to the sections of the plurality of extracted data points.
  • the characteristics of the filter can be changed.
  • the misregistration amount estimation unit includes a plurality of peripheral displacement vectors having absolute values and directions as relative movement distances and movement directions of the respective points in a range over a plurality of scanning lines included in the time-series data string.
  • the MTI filter unit weights the plurality of pieces of analysis target data as the correlation between the movement vector and each peripheral displacement vector is higher, and the predetermined range among the ranges over the plurality of scanning lines is estimated.
  • the clutter component is removed from the remaining analysis target data by calculating the average value of the correlation matrix for multiple analysis target data and performing the principal component analysis with the clutter as the main component using the average value of the correlation matrix You can also
  • the correlation coefficient calculation unit that calculates the correlation coefficient in the same region of interest in the time series data sequence and the time series data sequence exceed the predetermined value for the correlation coefficient calculated by the correlation coefficient calculation unit. It is preferable to further include a data dividing unit that divides the first data group over time series data and the second data group over time series data having a correlation coefficient equal to or less than a predetermined value.
  • the MTI filter unit can make the filter characteristic for the time series data of the first data group different from the filter characteristic for the time series data of the second data group.
  • the data dividing unit calculates a change amount of the luminance value in the same region of interest included in the time series data adjacent to each other in the second data group, and calculates the time series data of the second data group. It can be divided into a third data group in which the amount of change in luminance value exceeds a predetermined value and a fourth data group in which the amount of change in luminance value is not more than a predetermined value.
  • the MTI filter unit can make the filter characteristic for the time series data of the third data group different from the filter characteristic for the time series data of the fourth data group.
  • the data exclusion unit may exclude the time series data of the fourth data group.
  • the MTI filter unit weights the analysis target data as the correlation coefficient calculated for a plurality of points in a range over a plurality of scanning lines is high, and determines the range over the plurality of scanning lines.
  • the clutter component can also be removed from the analysis target data by calculating the average value of the correlation matrix in the range and performing the principal component analysis using the average value of the correlation matrix as the main component of the clutter.
  • the data excluding unit can exclude time-series data continuous in the time series by the number of data smaller than the determined number of data among the time-series data divided by the data dividing unit.
  • the data excluding unit may exclude time-series data continuous in time series by a number less than a predetermined number of data among a plurality of time-series data remaining as a result of excluding time-series data. Good.
  • the MTI filter unit removes clutter components from the analysis target data for each of the divided sections including the plurality of analysis target data divided from the time series data sequence, and the blood flow information estimation unit
  • a blood flow information synthesis unit that estimates blood flow information from a plurality of analysis target data from which clutter components have been removed by the MTI filter unit and synthesizes blood flow information in a plurality of divided sections estimated by the blood flow information estimation unit. Furthermore, it is preferable to have.
  • control method of the ultrasonic diagnostic apparatus repeatedly transmits an ultrasonic beam to a subject a plurality of times in a range over a plurality of scanning lines, and a time-series data sequence of reflected waves from the subject.
  • selecting the analysis target data selecting the analysis target data, removing the clutter component from the selected analysis target data, and analyzing the analysis target data from which the clutter component has been removed, thereby estimating blood flow information in the subject.
  • the ultrasound diagnostic apparatus estimates the relative positional deviation amount of the scatterers included in the time series data sequence, and the time series satisfying the exclusion condition from the time series data sequence based on the positional deviation amount. Since data is excluded, accurate blood flow information can be obtained even when the subject's tissue has moved greatly.
  • Embodiment 1 is a block diagram showing a configuration of an ultrasonic diagnostic apparatus according to Embodiment 1 of the present invention. It is a block diagram which shows the internal structure of the receiving part in Embodiment 1 of this invention. It is a block diagram which shows the internal structure of the image generation part in Embodiment 1 of this invention. It is a block diagram which shows the internal structure of the analysis object data selection part in Embodiment 1 of this invention. It is a flowchart which shows the acquisition operation
  • FIG. 1 It is a conceptual diagram which shows the scatterer which carried out the position shift contained in the extraction data set by the position shift amount estimation part in Embodiment 1 of this invention. It is the figure which illustrated the movement amount of the scatterer contained in each extraction data with several extraction data and a time series data string. It is the figure which showed the change of the filter characteristic of an MTI filter. It is the figure which showed the other example of a change of the filter characteristic of an MTI filter. It is a flowchart which shows the acquisition operation
  • FIG. 1 shows the configuration of an ultrasonic diagnostic apparatus according to Embodiment 1 of the present invention.
  • the ultrasonic diagnostic apparatus 1 includes an ultrasonic probe 2 having a built-in transducer array 2 ⁇ / b> A, and a data acquisition unit 3 is connected to the ultrasonic probe 2.
  • the data acquisition unit 3 includes a reception unit 4 and a transmission unit 5 connected to the transducer array 2 ⁇ / b> A of the ultrasonic probe 2, and an image generation unit 6 is connected to the reception unit 4.
  • the analysis target data selection unit 7 is connected to the reception unit 4
  • the MTI filter unit 8 is connected to the analysis target data selection unit 7
  • the blood flow information estimation unit 9 is connected to the MTI filter unit 8
  • blood A blood flow information synthesis unit 10 is connected to the flow information estimation unit 9.
  • a display control unit 11 is connected to the image generation unit 6 and the blood flow information synthesis unit 10, and a display unit 12 is connected to the display control unit 11.
  • a device control unit 13 is connected to the data acquisition unit 3, the analysis target data selection unit 7, the MTI filter unit 8, the blood flow information estimation unit 9 and the display control unit 11, and the operation control unit 14 and the device control unit 13 are connected to the device control unit 13.
  • Storage units 15 are connected to each other. The device control unit 13 and the storage unit 15 are connected so as to be able to exchange information in both directions.
  • the transducer array 2A of the ultrasonic probe 2 shown in FIG. 1 has a plurality of elements (ultrasonic transducers) arranged one-dimensionally or two-dimensionally. Each of these elements transmits an ultrasonic wave in accordance with a drive signal supplied from the transmission unit 5 and receives a reflected wave from the subject to output a reception signal.
  • elements ultrasonic transducers
  • Each element includes, for example, a piezoelectric ceramic represented by PZT (Lead Zirconate Titanate), a polymer piezoelectric element represented by PVDF (PolyVinylidene DiDifluoride), and PMN-PT (Lead It is configured using a vibrator in which electrodes are formed at both ends of a piezoelectric body made of a piezoelectric single crystal or the like typified by Magnesium Niobate-Lead ⁇ Titanate: lead magnesium niobate-lead titanate solid solution).
  • PZT Lead Zirconate Titanate
  • PVDF PolyVinylidene DiDifluoride
  • PMN-PT Lead It is configured using a vibrator in which electrodes are formed at both ends of a piezoelectric body made of a piezoelectric single crystal or the like typified by Magnesium Niobate-Lead ⁇ Titanate: lead magnesium niobate-le
  • the piezoelectric material expands and contracts, generating pulsed or continuous wave ultrasonic waves from the respective transducers, and synthesizing those ultrasonic waves. From the wave, an ultrasonic beam is formed.
  • Each transducer expands and contracts by receiving propagating ultrasonic waves to generate electric signals, and these electric signals are output from the respective transducers to the receiving unit 4 as ultrasonic reception signals.
  • the reception unit 4 of the data acquisition unit 3 includes an amplification unit 16, an A / D (Analog / Digital) conversion unit 17, a reception beamformer 18, and a quadrature detection circuit 19 in series. It has a connected configuration.
  • the amplifying unit 16 amplifies the received signal output from each element of the transducer array 2A, and the A / D converting unit 17 digitizes the amplified received signal to generate element data, Output to the reception beamformer 18.
  • the receive beamformer 18 gives each element data according to the set sound speed based on the reception delay pattern selected according to the control signal from the apparatus control unit 13 and performs addition (phased addition). Perform receive focus processing.
  • the quadrature detection circuit 19 converts the sound ray signal generated by the reception beamformer 18 into a complex signal, and outputs the complex signal to the image generation unit 6 and the analysis target data selection unit 7.
  • the transmission unit 5 of the data acquisition unit 3 includes, for example, a plurality of pulse generators, and based on the transmission delay pattern selected according to the control signal from the device control unit 13, a plurality of transducer arrays 2A.
  • Each drive signal is supplied to a plurality of elements by adjusting the delay amount so that the ultrasonic waves transmitted from the elements form an ultrasonic beam.
  • the data acquisition unit 3 When a B mode (Brightness mode) image that is image information related to the tissue shape of the subject based on the intensity of the reflected wave from the scatterer inside the subject is generated, the data acquisition unit 3 The ultrasonic beam is transmitted while sequentially moving the transmission position of the ultrasonic beam, and the reflected waves are received at a plurality of positions.
  • a Doppler image such as a color Doppler image or a power Doppler image based on frequency shift information included in a reflected wave from a scatterer inside the subject is generated
  • the data acquisition unit 3 performs a plurality of scans. The ultrasonic beam is repeatedly transmitted a plurality of times to the same scanning line in the range over the line, and a plurality of reflected waves are received from the same position.
  • the image generation unit 6 has a configuration in which a B-mode processing unit 20 and an image processing unit 21 are sequentially connected in series.
  • the B-mode processing unit 20 performs an envelope detection process on the signal generated by the receiving unit 4 after correcting the attenuation due to the propagation distance according to the depth of the reflected position of the ultrasonic wave, A B-mode image signal that is tomographic image information related to the tissue in the subject is generated.
  • the B mode image signal generated in the B mode processing unit 20 is output to the image processing unit 21.
  • the image processing unit 21 converts (raster conversion) the B-mode image signal generated in the B-mode processing unit 20 into an image signal in accordance with a normal television signal scanning method, and performs various processes such as gradation processing on the B-mode image signal. After performing necessary image processing, a B-mode image signal is output to the display control unit 11.
  • the analysis object data selection unit 7 includes a positional deviation amount estimation unit 22 and a data exclusion unit 23 as shown in FIG.
  • the data received by the analysis target data selection unit 7 from the reception unit 4 is a data string acquired to generate a Doppler image, and transmission of an ultrasonic beam to the subject is the same in a range over a plurality of scanning lines.
  • This is a time-series data string obtained by performing a plurality of times on a scanning line and receiving a plurality of reflected waves from the same position.
  • the positional deviation amount estimation unit 22 estimates the positional deviation amount of the scatterer in the subject included in the time series data sequence received from the reception unit 4. For example, the positional deviation amount estimation unit 22 performs processing such as template matching on a region of interest centered on the same scatterer included in two time-series data acquired at different times by the data acquisition unit 3. Thus, the relative displacement amount of the scatterer can be estimated. Information on the amount of positional deviation of the scatterer estimated by the positional deviation amount estimation unit 22 is transmitted to the data exclusion unit 23.
  • the data excluding unit 23 receives the information on the positional deviation amount of the scatterer included in the time series data sequence from the positional deviation amount estimation unit 22 and also receives the time series data sequence from the reception unit 4 of the data acquisition unit 3.
  • the data excluding unit 23 excludes time series data that satisfies the exclusion condition based on the amount of positional deviation of the scatterer from the time series data string, and selects analysis target data to be subjected to Doppler analysis.
  • the analysis target data continuous in time series may be divided into a plurality of divided sections. In such a case, the analysis target data is transmitted to the MTI filter unit 8 for each of a plurality of divided sections.
  • the MTI filter unit 8 has a predetermined filter characteristic, and uses the predetermined filter characteristic for the analysis target data selected by the data exclusion unit 23 of the analysis target data selection unit 7 to perform the clutter. A filter process for removing the components is performed. Thus, by removing the clutter component of the data to be analyzed by the MTI filter unit 8, the influence of the extra frequency component other than the blood flow can be reduced when performing the Doppler analysis. As a result, the accuracy of blood flow information obtained can be improved.
  • the blood flow information estimation unit 9 estimates blood flow information in the subject by performing Doppler analysis on the analysis target data from which the clutter component has been removed by the MTI filter unit 8.
  • Various methods can be used as a method for estimating blood flow information by performing Doppler analysis on the analysis target data.
  • the blood flow information estimation unit 9 uses the so-called autocorrelation method to calculate blood flow information. Can be estimated.
  • the analysis target data is divided into a plurality of divided sections by the data excluding section 23 of the analysis target data selecting section 7, the blood flow information synthesizing section 10 is analyzed by each of the divided sections by the blood flow information estimating section 9. A plurality of blood flow information estimated for the data is synthesized.
  • the display control unit 11 of the ultrasound diagnostic apparatus 1 is generated by the B-mode image signal generated by the image generation unit 6 and the blood flow information estimation unit 9 and the blood flow information synthesis unit 10. Based on blood flow information in the subject, an ultrasonic image is displayed on the display unit 12.
  • the ultrasonic image refers to an image in which a Doppler image such as a color Doppler image or a power Doppler image is superimposed on a B-mode image.
  • the display unit 12 includes a display device such as an LCD (Liquid Crystal Display), and displays an ultrasonic image under the control of the device control unit 13.
  • the apparatus control unit 13 controls each unit of the ultrasonic diagnostic apparatus 1 based on a command input by the operator via the operation unit 14.
  • the operation unit 14 is for an operator to perform an input operation, and can be configured to include a keyboard, a mouse, a trackball, a touch panel, and the like.
  • the storage unit 15 stores an operation program or the like of the ultrasonic diagnostic apparatus 1, and includes an HDD (Hard Disc Drive), an SSD (Solid State Drive), an FD (Flexible Disc), MO disc (Magneto-Optical disc), MT (Magnetic Tape), RAM (Random Access Memory), CD (Compact Disc), DVD (Digital Versatile Disc: Digital Versatile Disc)
  • HDD Hard Disc Drive
  • SSD Solid State Drive
  • an FD Fexible Disc
  • MO disc Magnetic-Optical disc
  • MT Magnetic Tape
  • RAM Random Access Memory
  • CD Compact Disc
  • DVD Digital Versatile Disc: Digital Versatile Disc
  • a recording medium such as a disk), an SD card (Secure Digital card), a USB memory (Universal Serial Bus memory), a server, or the like can be used.
  • the image generation unit 6, the analysis target data selection unit 7, the MTI filter unit 8, the blood flow information estimation unit 9, the blood flow information synthesis unit 10, the display control unit 11, and the device control unit 13 are a CPU (Central Processing Unit: A central processing unit) and a control program for causing the CPU to perform various processes may be configured using a digital circuit and a computer.
  • the image generation unit 6, the analysis target data selection unit 7, the MTI filter unit 8, the blood flow information estimation unit 9, the blood flow information synthesis unit 10, the display control unit 11, and the device control unit 13 are partially or It can also be configured to be integrated into one CPU as a whole.
  • step S1 the misregistration amount estimation unit 22 of the analysis target data selection unit 7 extracts a plurality of extractions that are data extracted discretely from the acquired time-series data sequence so as to separate a predetermined number of data.
  • the interval between the extracted data can be set to the number of data that does not reduce the accuracy of Doppler analysis, and can be set to, for example, four or more data numbers.
  • the positional deviation amount estimation unit 22 of the analysis target data selection unit 7 estimates the relative positional deviation amount of the scatterers included in the extracted data adjacent to each other in time series among the plurality of extracted data.
  • the relative displacement amount of the scatterer estimated by the displacement amount estimation unit 22 is the relative movement amount of the scatterer.
  • the positional deviation amount estimation unit 22 sets one of the extracted data adjacent to each other in time series as reference data in template matching.
  • the positional deviation amount estimation unit 22 sets the region of interest O1 so that the point P1 is arranged in the scatterer S included in the extracted data, as shown in FIG.
  • the region of interest O1 is set so that the point P1 is located at the center.
  • the positional deviation amount estimation unit 22 has a search area D that is an area larger than the area of interest O1 with the point P1 arranged in the area of interest O1 as the center. Set.
  • the positional deviation amount estimation unit 22 calculates the similarity between the region of interest O1 of one extracted data serving as a reference and the region of interest O1 of the other extracted data while moving the region of interest O1 in the search region D, The region of interest O2 having the highest similarity is specified.
  • the positional deviation amount estimation unit 22 estimates the movement vector V from the point P1 of the region of interest O1 of the extraction data serving as a reference to the point P2 of the region of interest O2 of the other extraction data, and the absolute value of the movement vector V Is estimated, the relative moving distance of the scatterer S is estimated.
  • step S3 When the relative moving distance of the scatterer is estimated from a plurality of extracted data adjacent to each other in time series, in step S3, the data excluding unit 23 of the analysis target data selecting unit 7 is estimated in step S2. A plurality of moving distance values of the scatterer are compared with a predetermined threshold value. Then, the data excluding unit 23 excludes a plurality of time-series data over the extracted data whose moving distance of the scatterer exceeds the threshold from the time-series data string, and sets the remaining plurality of time-series data as a target of Doppler analysis. Is selected as analysis target data.
  • L represents a relative moving distance of the scatterer
  • t represents time
  • TH1 represents a threshold value determined for the moving distance L
  • B0 to B18 indicate time series data constituting the time series data string
  • A0 to A6 indicate extracted data
  • L0 to L5 indicate the moving distances of the scatterers estimated from the extracted data adjacent to each other in time series among the extracted data A0 to A6.
  • the scatterer moving distance L3 estimated from the extracted data A3 and A4 and the scatterer moving distance L4 estimated from the extracted data A4 and A5 both exceed the threshold value TH1.
  • the data excluding unit 23 excludes the time series data B9 to B15 covering the adjacent extracted data A3 and A4 and A4 and A5 from the time series data string, and the remaining time series data B0 to B8 and The time series data B16 to B18 are selected as analysis target data to be subjected to Doppler analysis.
  • the analysis target data is divided into divided sections including time series data B0 to B8 continuous in time series and divided sections including time series data B16 to B18 continuous in time series. ing.
  • the MTI filter unit 8 performs a filtering process on the analysis target data selected in step S3 so as to remove clutter components.
  • the MTI filter unit 8 can change a preset filter characteristic according to the estimated moving distance of the scatterer. For example, as shown in FIG. 9, the MTI filter unit 8 changes the preset filter waveform WF1 so that the low frequency component of the analysis target data is greatly attenuated as the estimated moving distance of the scatterer increases. Thus, the filter waveform WF2 can be obtained.
  • the MTI filter unit 8 uses a preset filter waveform WF1 in order to attenuate the low frequency component of the analysis target data as the estimated moving distance of the scatterer increases.
  • F (f) in FIGS. 9 and 10 is a characteristic of the filter applied to the analysis target data, and f indicates the frequency of the analysis target data.
  • the MTI filter unit 8 removes clutter components from the analysis target data by attenuating the low frequency components of the analysis target data using such filter characteristics.
  • the blood flow information estimation unit 9 estimates the blood flow information in the subject in step S5 by performing Doppler analysis on the plurality of analysis target data from which the clutter component has been removed in step S4.
  • the blood flow information estimation unit 9 can use various methods as a Doppler analysis method for a plurality of analysis target data. For example, by performing autocorrelation calculation on a plurality of analysis target data, the blood flow information It is possible to estimate blood flow information such as the center frequency and power.
  • blood flow information is estimated for each divided section with respect to the analysis target data.
  • step S6 the blood flow information combining unit 10 combines the blood flow information estimated for the plurality of divided sections. To do. In this way, the blood flow information acquisition operation ends.
  • the analysis target data that is the object of Doppler analysis is time series data that is equal to or less than a predetermined threshold for the moving distance of the scatterers included in the time series data string. Select as. Furthermore, the ultrasound diagnostic apparatus 1 removes clutter components from these analysis target data, and estimates blood flow information in the subject from the analysis target data from which the clutter components have been removed. Therefore, the ultrasonic diagnostic apparatus 1 according to the first embodiment can remove the component caused by the large movement of the subject tissue from the analysis target data of the Doppler analysis even when the subject tissue moves greatly. And accurate blood flow information can be obtained.
  • the positional deviation amount estimation unit 22 of the analysis target data selection unit 7 has been described to estimate the movement vector of the scatterer included in the time-series data sequence using a plurality of extracted data in step S2 of the flowchart of FIG.
  • the movement vector of the scatterer can be estimated with high accuracy, the movement vector of the scatterer can be estimated from a plurality of adjacent time-series data constituting the time-series data sequence. For example, when the time interval between a plurality of time-series data constituting the time-series data sequence has a sufficient size, the positional deviation amount estimation unit 22 uses time-series data adjacent to each other in time series, The movement vector of the scatterer can be estimated.
  • the positional deviation amount estimation unit 22 uses the template matching when estimating the movement vector in the attention data adjacent to each other in time series, but performing the template matching for all data in the search region D Due to the calculation performance of the ultrasonic diagnostic apparatus 1, it may take a lot of time. In this case, the positional deviation amount estimation unit 22 can perform template matching using the extracted data obtained by thinning out the data in the search area D in order to reduce the amount of calculation required for template matching. The positional deviation amount estimation unit 22 can also perform data interpolation on the thinned data.
  • the data excluding unit 23 of the analysis target data selecting unit 7 sets time series data continuous in time series by a number of data smaller than a predetermined number of data when the time series data string is divided into a plurality of divided sections. Can be excluded. In the Doppler analysis, more accurate blood flow information can be estimated as the analysis target data increases in time series. Therefore, the data excluding unit 23 can improve the accuracy of estimating the blood flow information by excluding time-series data continuous in time series from the analysis target data by the number of data smaller than the predetermined number.
  • the threshold value compared with the value of the moving distance of the scatterer by the data excluding unit 23 is set according to the performance of the filter in the MTI filter unit 8.
  • the threshold of the moving distance of the scatterer is 1 ⁇ 2 to 1 times the wavelength corresponding to the center frequency of the ultrasonic beam. It is desirable that the length is set.
  • the blood flow information synthesis unit 10 may perform weighted addition of the blood flow information according to the number of pieces of analysis target data included in each of the plurality of divided sections. it can. This is because the estimation accuracy of blood flow information depends on the number of data to be analyzed that are continuous in time series. Therefore, for example, the blood flow information synthesizing unit 10 adds the plurality of blood flow information by weighting the larger the number of pieces of analysis target data included in each of the plurality of divided sections, thereby adding the plurality of blood flow information. Synthesis can be performed.
  • the MTI filter unit 8 can change the preset filter characteristics so that the low frequency component of the analysis target data is attenuated as the relative moving distance of the scatterer increases. However, when the relative moving distance of the scatterer is smaller than a certain value, the preset filter characteristics are set so that the attenuation amount of the low frequency component is reduced with respect to the analysis target data. It can also be changed.
  • the MTI filter unit 8 calculates a correlation matrix in a predetermined range among the ranges over a plurality of scanning lines with reference to the analysis target data, and performs principal component analysis with clutter as a main component, Clutter components can also be removed from a plurality of data to be analyzed.
  • the MTI filter unit 8 first calculates the average value of the correlation matrix in a predetermined range among the ranges over the plurality of scanning lines with reference to the analysis target data. For example, in the technique disclosed in Japanese Patent Application Laid-Open No. 2014-158698 and the like, an average value of a correlation matrix represented by the following formula (1) is used.
  • x m in the equation (1) is a column vector indicating a time-series data string at a point m included in the determined range
  • M is the total number of points m included in the determined range
  • X m H is a complex conjugate of a row vector obtained by transposing x m .
  • the defined range may be the entire scanning range over a plurality of scanning lines, but is preferably defined as a region of interest near the analysis target data.
  • the vicinity of the analysis target data is a two-dimensional range over a plurality of scanning lines and depth ranges close to the analysis target data, or a depth range adjacent to the analysis target data in the scanning lines.
  • the determined range may be determined as a range obtained by excluding the analysis target data itself from a region in the vicinity of the analysis target data.
  • the MTI filter unit 8 uses only the time series data of the point m where the moving distance of the point m included in the plurality of extracted data is equal to or less than a predetermined threshold for calculating the correlation matrix. Can do. At this time, for example, the MTI filter unit 8 can calculate the correlation matrix using the following equation (2).
  • the MTI filter unit 8 when calculating the average value of the correlation matrix, the MTI filter unit 8 can exclude points with large movement distances in extracted data adjacent to each other in time series, that is, points with low correlation.
  • the clutter estimation accuracy can be improved.
  • Embodiment 2 In the blood flow information acquisition operation according to the first embodiment, the ultrasound diagnostic apparatus 1 estimates the moving distance of the scatterers included in the extracted data adjacent to each other in time series, and is analyzed based on the moving distance of the scatterers Data selection was made.
  • the ultrasonic diagnostic apparatus 1 can also calculate the analysis target data by considering the direction of the movement vector of the scatterer in addition to the movement distance of the scatterer.
  • FIG. 11 shows the blood flow information acquisition operation of the ultrasonic diagnostic apparatus according to the second embodiment.
  • the ultrasonic diagnostic apparatus of the second embodiment has the same configuration as the ultrasonic diagnostic apparatus 1 of the first embodiment shown in FIG.
  • steps S1 and S4 to S6 in the flowchart in FIG. 11 are the same as steps S1 and S4 to S6 in the flowchart in FIG. 5, and thus detailed description of these steps is omitted.
  • the positional deviation amount estimation unit 22 of the analysis target data selection unit 7 includes scatterers included in the extracted data adjacent to each other in time series in step S7. Is estimated.
  • the method for estimating the movement vector of the scatterer is the same as the method in the first embodiment.
  • step S8 the data excluding unit 23 of the analysis target data selecting unit 7 excludes the time series data from the time series data sequence based on the movement vector of the scatterer estimated in step S7, and selects the analysis target data.
  • Step S8 will be described in detail with reference to the flowchart shown in FIG.
  • the time-series data excluding operation in step S8 includes steps S9 to S13 as shown in FIG.
  • step S9 the data excluding unit 23 arranges a plurality of movement vectors for the scatterers included in the plurality of extracted data in time series on the data plane.
  • the data excluding unit 23 sequentially connects the start points and end points of the plurality of movement vectors in time series order.
  • a plurality of data points corresponding to the start and end points of the plurality of movement vectors are arranged on the data plane.
  • movement vectors V0 to V5 are arranged on the data plane DP, and data points Q0 to Q6 corresponding to the start and end points of the movement vectors V0 to V5 are arranged.
  • Data points Q0 to Q6 correspond to extracted data arranged in time series.
  • step S10 the data excluding unit 23 sets circles having the same radius, each centered on a plurality of data points arranged on the data plane.
  • the radii of the plurality of circles can be set to a predetermined value in advance.
  • step S ⁇ b> 11 the data excluding unit 23 specifies a circle including the most data points that are continuous in time series among a plurality of circles centered on each data point.
  • the data excluding unit 23 selects a plurality of time series data spanning a plurality of data points included in the circle, that is, a plurality of pieces of extracted data corresponding to the plurality of data points, as analysis target data.
  • the circle C2 centered on the data point Q2 includes the most data points continuous in time series.
  • a section of four data points Q0 to Q3 included in C2 is taken out as analysis target data.
  • step S12 the data excluding unit 23 selects any one of a plurality of circles each centered on the remaining data points. It is determined whether or not there is a section in which the number of data points included in is two or more. For example, when the section of data points Q0 to Q3 shown in FIG. 13 is taken out as analysis target data, the section of data points Q3 to Q6 is left as shown in FIG. In the example shown in FIG. 14, circles C5 and C6 centered on data points Q5 and Q6 include two data points Q5 and Q6, respectively. As described above, when there is a section in which the number of data points included in the circle is two or more, the process returns to step S11.
  • the data excluding unit 23 identifies a circle including the most data points that are continuous in time series among a plurality of circles centered on each data point with respect to the remaining data points. Sections of a plurality of data points included in the circle are selected as analysis target data. In the example shown in FIG. 14, sections of data points Q5 to Q6 included in circles C5 and C6 are extracted as analysis target data. At this time, as a result of extracting a plurality of data points as analysis target data, the time-series data string includes a divided section corresponding to the section of data points Q0 to Q3 and a divided section corresponding to the data points Q5 to Q6.
  • the time series data string may be divided into a plurality of divided sections.
  • the data excluding unit 23 sequentially extracts a plurality of time-sequential data point sections as analysis target data in descending order of the number of data points in step S12 and step S13. When there is no longer any section where the number of data points included in the circle centered on each data point is two or more, the process proceeds to step S13.
  • the data excluding unit 23 in step S13 includes only the remaining data point section, that is, one circle.
  • a plurality of time series data over the extracted data corresponding to the data points to be excluded are excluded from the Doppler analysis target.
  • clutter components are removed from the plurality of pieces of analysis target data in subsequent step S4.
  • the ultrasonic diagnostic apparatus 1 can obtain blood flow information with high accuracy even when the tissue of the subject moves greatly in the same direction.
  • the radius of the plurality of circles set in step S10 can be set to a constant value in advance.
  • the higher the frequency of the ultrasonic beam transmitted to the scatterer the finer the granularity of the speckle pattern included in the time-series data string, and the higher the resolution of each time-series data.
  • the time series data string with high resolution tends to have low correlation between time series data when the scatterer moves relatively.
  • the radius of the circle centered on the data point corresponding to the time series data with low resolution is smaller than the radius of the circle centered on the data point corresponding to the time series data with high resolution.
  • the radius of the plurality of circles set in step S10 is set to a larger value as the center frequency of the ultrasonic beam transmitted to the scatterer is lower, that is, as the wavelength with respect to this center frequency is larger.
  • the specific circle radius is preferably set according to the performance of the filter in the MTI filter unit 8.
  • the radius of the circle is 1 ⁇ 2 to 1 times the wavelength corresponding to the center frequency of the ultrasonic beam. It is desirable to set.
  • the circle C2 includes four data points Q0 to Q3, and the circle C3 includes four data points Q1 to Q4. Circles C2 and C3 share three data points Q1 to Q3.
  • the data excluding unit 23 of the analysis target data selecting unit 7 can select a plurality of data point sections as analysis target data so that a plurality of data point sections that are continuous in time series remain longer. desirable.
  • FIG. 15 the example shown in FIG.
  • a circle C including all data points may be set as shown in FIG.
  • the scatterer included in the time series data string can be regarded as reciprocating. Therefore, the net moving distance of the scatterer between the first data point and the last data point in the time series is within the circle set in step S10, and all values in the time series data string are analyzed. Selected as data.
  • the MTI filter unit 8 calculates a correlation matrix in a predetermined range centered on a corresponding point in a range over a plurality of scanning lines, By performing principal component analysis with clutter as a main component, clutter components can be removed from a plurality of data to be analyzed.
  • the positional deviation amount estimation unit of the analysis target data selection unit 7 compares the scatterers included in the time-series data sequence, that is, the movement vector of the reference point, and the relative point of each point other than the reference point. A plurality of peripheral displacement vectors having an absolute value and a direction as the respective movement distance and movement direction are estimated.
  • the MTI filter unit 8 weights a plurality of pieces of analysis data with a larger weight as the correlation between the reference point movement vector and the plurality of peripheral displacement vectors is higher in a predetermined range.
  • the average value of the correlation matrix for the data to be analyzed is calculated.
  • the expression (2) in the first embodiment can be used.
  • the following formula (3) can be used as the weight value W j .
  • V i in Expression (3) indicates a movement vector of the point i included in the time-series data string
  • V j indicates a peripheral displacement vector of each point j in a predetermined range centered on the point i.
  • V j ⁇ V i represents the inner product of the movement vector V i and the peripheral displacement vector V j
  • represent the absolute value of the movement vector V i and the peripheral displacement vector V j , respectively. Indicates the absolute value of.
  • the MTI filter unit 8 calculates the average value of the correlation matrix so that the weight value increases as the direction of each peripheral displacement vector is closer to the direction of the movement vector of the reference point. Since the calculation is performed, the influence of the low correlation point can be reduced, and the clutter estimation accuracy can be improved when the principal component analysis is performed.
  • the time series data sequences acquired in the first embodiment and the second embodiment may include time series data having a low similarity.
  • degree of similarity for example, when the tissue of the subject moves in a direction perpendicular to the array surface of the transducer array of the ultrasonic probe, and at the point where the ultrasonic beam is reflected, The case where the pattern of an ultrasonic echo changes intricately by the flow of a minute scatterer is mentioned.
  • time series data with low similarity is included in the time series data string, the characteristics of the filter for removing clutter components from the analysis target data are changed to appropriate characteristics according to the time series data. It is desirable to change.
  • the ultrasonic diagnostic apparatus of the third embodiment has an analysis target data selection unit 24 shown in FIG. 17 instead of the analysis target data selection unit 7 of the ultrasonic diagnostic apparatus 1 of the first embodiment shown in FIG. Except for this, it has the same configuration as the ultrasonic diagnostic apparatus 1 of the first embodiment.
  • the analysis target data selection unit 24 includes a correlation coefficient calculation unit 25, a data division unit 26, a positional deviation amount estimation unit 22, and a data exclusion unit 23.
  • a data dividing unit 26 is connected to the correlation coefficient calculating unit 25, and a data excluding unit 23 is connected to the data dividing unit 26.
  • the positional deviation amount estimation unit 22 is connected to the data division unit 26.
  • the positional deviation amount estimation unit 22 and the data exclusion unit 23 of the analysis target data selection unit 24 are respectively the positional deviation amount estimation unit 22 and the data exclusion unit 23 of the analysis target data selection unit 7 shown in FIG. 4 in the first embodiment. Is the same.
  • the correlation coefficient calculation unit 25 calculates a correlation coefficient in the same region of interest in time series data acquired at different times from among a plurality of time series data constituting the time series data string.
  • the correlation coefficient is an index representing the similarity of the other time series data to the one time series data, and indicates that the two time series data are more similar as the correlation coefficient is higher.
  • the correlation coefficient calculation unit 25 can calculate the correlation coefficient between the time series data using a conventional method.
  • the data dividing unit 26 divides the time series data string into a plurality of data groups according to the correlation coefficient between the time series data calculated by the correlation coefficient calculating unit 25. As will be described in detail later, the data dividing unit 26 can further divide the time-series data divided into a plurality of data groups based on the amount of change in luminance value between the plurality of time-series data.
  • FIG. 18 shows a flowchart of blood flow information acquisition operation in the third embodiment. Since step S1, step S3, step S5 and step S6 in this flowchart are the same as step S1, step S3, step S5 and step S6 in the first embodiment shown in FIG. 5, detailed description of these steps is as follows. Omitted. First, when a plurality of extracted data is set from the time series data string in step S1, the process proceeds to step S14.
  • step S14 the correlation coefficient calculation unit 25 of the analysis target data selection unit 24 performs correlation coefficients in the same region of interest based on points corresponding to each other for a plurality of extracted data adjacent to each other in time series. Is calculated.
  • step S15 the data dividing unit 26 of the analysis target data selecting unit 24 determines whether there is a correlation coefficient equal to or less than a predetermined threshold among the plurality of correlation coefficients calculated in step S14. This is because the time-series data string is divided according to the magnitude of the correlation coefficient. If it is determined in step S15 that there is a correlation coefficient equal to or less than the threshold, the process proceeds to step S16.
  • step S16 the data dividing unit 26 divides the time-series data string into a plurality of data groups based on the plurality of correlation coefficient values calculated in step S14.
  • Step S16 will be described in detail with reference to the flowchart of FIG. As shown in FIG. 19, the time series data string dividing operation shown in step S16 includes steps S19 to S22.
  • step S19 the data dividing unit 26 determines whether or not there is a section of time-series data in which a correlation coefficient between a plurality of extracted data exceeds a predetermined threshold value. This is because when a plurality of correlation coefficients include a correlation coefficient that exceeds a threshold and a correlation coefficient that is less than or equal to the threshold, the time-series data sequence is divided according to the magnitude of the correlation coefficient. is there.
  • step S19 determines whether or not there is a section of time-series data in which a correlation coefficient between a plurality of extracted data exceeds a predetermined threshold value. This is because when a plurality of correlation coefficients include a correlation coefficient that exceeds a threshold and a correlation coefficient that is less than or equal to the threshold, the time-series data sequence is divided according to the magnitude of the correlation coefficient. is there.
  • step S19 the process proceeds to step S20.
  • R represents a correlation coefficient
  • t represents time
  • TH2 represents a threshold value determined for the correlation coefficient R.
  • the maximum value of the correlation coefficient R in FIG. 20 is 1.0.
  • B0 to B18 represent time series data constituting the time series data string, and A0 to A6 represent extracted data.
  • R0 to R5 indicate correlation coefficients calculated from extracted data adjacent to each other in time series among the extracted data A0 to A6.
  • the correlation coefficients R0 to R2 exceed the threshold value TH2.
  • step S20 the data dividing unit 26 divides the time series data string into the first data group over the extracted data whose correlation coefficient exceeds the threshold and the first data group over the extracted data whose correlation coefficient is equal to or less than the threshold.
  • the data is divided into two data groups.
  • the data dividing unit 26 since the correlation coefficients R0 to R2 exceed the threshold value TH2, the data dividing unit 26 performs time series over the extracted data A0 to A3 used for calculating the correlation coefficients R0 to R2.
  • Data B0 to B8 are specified as the first data group.
  • the data dividing unit 26 specifies the time series data B9 to B18 over the extracted data A3 to A6 used for the calculation of the correlation coefficients R3 to R5 below the threshold TH2 as the second data group.
  • the time series data B9 located at the boundary between the first data group and the second data group is assigned to the second data group in FIG. 20, but is assigned to the first data group. It can also be done.
  • the process proceeds to step S21.
  • step S19 it is determined that there is no section of time series data in which the correlation coefficient exceeds the threshold, that is, the correlation coefficient is equal to or less than the threshold in all sections of the time series data string. If YES in step S21, the flow advances to step S21 without going through step S20.
  • step S21 following step S19 and step S20 the data dividing unit 26 calculates the amount of change in luminance value between the extracted data adjacent to each other in time series in the time series data section in which the correlation coefficient is equal to or less than the threshold value. .
  • time-series data whose correlation coefficient is equal to or less than the threshold value is divided into a plurality of data groups depending on the amount of change in luminance value.
  • the correlation coefficient between the time series data is less than or equal to the threshold value
  • the time series data is acquired for different tomographic planes, or the time series data is acquired for the inside of the blood vessel. Etc.
  • Time series data for different fault planes is acquired.
  • the time series data changes greatly as a whole, and the amount of change in luminance value tends to increase.
  • the correlation coefficient between the time series data acquired in the blood vessel decreases due to the movement of minute scatterers such as red blood cells, but the spatial average value of the amplitude of the time series data is short. Therefore, the amount of change in luminance value tends to be small.
  • time-series data having a large amount of change in luminance value between time-series data is time-series data acquired for different tomographic planes, and luminance values between time-series data. It can be determined that the time-series data having a small change amount is time-series data acquired for the inside of the blood vessel. Therefore, it is desirable that the time-series data having a large amount of change in luminance value between time-series data and the time-series data having a small amount of change in luminance value between time-series data have different filter characteristics.
  • the data dividing unit 26 can calculate the amount of change in the luminance value between the extracted data using various calculation methods. For example, the data dividing unit 26 uses time series as the amount of change in the luminance value. The sum of squares of the difference in luminance values within the same region of interest centered on the points corresponding to each other can be calculated for the extracted data adjacent to.
  • the data dividing unit 26 divides a section of time-series data in which the correlation coefficient is equal to or less than the threshold value based on the change amount of the luminance value calculated in step S21.
  • the data dividing unit 26 specifies a section of time-series data in which the change amount of the luminance value is equal to or less than the threshold value as the third data group, and the change amount of the luminance value is the threshold value.
  • An interval of time series data that exceeds is specified as the fourth data group. In the example shown in FIG.
  • the change amount of the luminance value calculated using the extraction data A0 to A3 is equal to or less than the threshold value, and the change amount of the luminance value calculated using the extraction data A3 to A6 exceeds the threshold value.
  • the time series data string is divided into time series data B0 to B9 of the third data group and time series data B10 to B18 of the fourth data group.
  • the time series data B9 located at the boundary between the third data group and the fourth data group is assigned to the third data group in the example shown in FIG. It can also be assigned to a data group.
  • the section of the time series data in which the correlation coefficient is equal to or less than the threshold value is divided into the third data group and the fourth data group.
  • the data dividing unit 26 selects time series data having a correlation coefficient equal to or less than a threshold value divided into each data group as analysis target data to be subjected to Doppler analysis for each divided data group.
  • step S17 the positional deviation amount estimation unit 22 of the analysis target data selection unit 24 performs relative movement of the scatterers included in the plurality of extraction data with respect to the extraction data whose correlation coefficient exceeds the threshold value. Estimate distance.
  • the method for estimating the moving distance of the scatterer in step S17 is the same as the method for estimating the moving distance of the scatterer in the first embodiment shown in step S2 of the flowchart of FIG.
  • the data excluding unit 23 of the analysis target data selecting unit 24 identifies extracted data in which the estimated moving distance of the scatterer exceeds the threshold, and excludes a plurality of time series data over the extracted data. The remaining time series data is selected as analysis target data.
  • the data excluding unit 23 excludes time-series data from a plurality of time-series data having a correlation coefficient exceeding a threshold value based on the moving distance of the scatterer, resulting in remaining analysis target data.
  • the clutter component is removed from the plurality of pieces of analysis target data whose correlation coefficient is equal to or smaller than the threshold value divided in step S16.
  • the filtering method for the analysis target data whose correlation coefficient exceeds the threshold is the same as the filtering method described in step S4 of the flowchart of FIG.
  • step S18 the filtering process on the analysis target data having a correlation coefficient equal to or less than the threshold is performed on the analysis target data divided as the third data group and the analysis target data divided as the fourth data group. It is desirable to use a different method. Therefore, the MTI filter unit 8 uses the analysis target data acquired for the inside of the blood vessel for the analysis target data divided as the third data group among the analysis target data whose correlation coefficient is equal to or less than the threshold value. It is determined that there is, and the preset filter characteristic is changed so that the attenuation amount of the low frequency component becomes small.
  • the MTI filter unit 8 analyzes the analysis target data obtained for the different tomographic planes for the analysis target data divided as the fourth data group among the analysis target data having the correlation coefficient equal to or less than the threshold value. It is determined that the data is data, and a preset filter characteristic is changed so that the attenuation amount of the low frequency component is increased.
  • step S18 When the clutter component is removed from the plurality of analysis target data by performing the filtering process on the plurality of analysis target data in step S18, blood flow information is obtained for each of the plurality of divided sections and data groups in the subsequent step S5. In step S6, a plurality of pieces of blood flow information are synthesized. In this way, the blood flow information acquisition operation in the third embodiment is completed.
  • a plurality of time-series data are obtained from the time-series data sequence based on the relative displacement amount of the scatterers included in the time-series data sequence.
  • the time series data string is divided into a plurality of data groups based on the correlation coefficient between the extracted data. Therefore, in the Doppler analysis, it is possible to exclude the influence of a large movement of the tissue of the subject, and it is possible to perform an appropriate filtering process according to the analysis target data, so that more accurate blood flow information Can be obtained.
  • the correlation coefficient calculation unit 25 of the analysis target data selection unit 24 calculates the amount of change in the luminance value of the same region of interest for the extracted data adjacent to each other in time series in step S21. It is desirable to smooth the extracted data. This is to remove the influence of the speckle pattern included in the extracted data, and by applying such smoothing processing to the extracted pattern, it is possible to improve the accuracy of the calculated amount of change in the luminance value. it can.
  • the data dividing unit 26 has been described as calculating the sum of squares of differences in luminance values of the same region of interest as extracted values adjacent to each other in time series, other calculation methods Thus, the amount of change in luminance value can also be calculated.
  • the data dividing unit 26 can calculate the amount of change in luminance value by comparing average values of luminance values of the same region of interest in extracted data adjacent to each other in time series.
  • the data dividing unit 26 calculates, for example, the difference between the average values of the luminance values of the same region of interest in the extracted data and the luminance values thereof. It is possible to calculate the ratio of the average values of these.
  • the data dividing unit 26 determines that all the time series data constituting the time series data sequence is intravascular. It is also possible to determine that the time-series data is acquired for all the time-series data as the third data group.
  • the data excluding unit 23 of the analysis target data selecting unit 24 may exclude the plurality of time series data divided as the fourth data group in step S22 from the analysis target data.
  • the plurality of time-series data divided as the fourth data group includes time-series data acquired for a tomographic plane different from the tomographic plane included in the plurality of time-series data having a correlation coefficient exceeding a threshold value. To be judged. Therefore, a plurality of time-series data divided as the fourth data group includes time-series data having a sufficient number of data for estimation of blood flow information acquired in time series continuously on the same tomographic plane. There may be a section not included. In this case, the contribution of blood flow information estimated from the fourth data group to the combined blood flow information may be extremely small. Therefore, by excluding the time series data of the fourth data group from the analysis target data, it is possible to reduce the calculation load of the ultrasonic diagnostic apparatus for obtaining blood flow information.
  • the data excluding unit 23 analyzes time-series data continuous in time series by a number of data smaller than a predetermined number of data among a plurality of time-series data divided into a plurality of data groups by the data dividing unit 26. It can be excluded from the target data.
  • Doppler analysis is performed on time-series data having a smaller number of data than a certain number of data, the performance of the filter in the MTI filter unit 8 cannot be sufficiently exhibited, and the estimation accuracy of blood flow information May fall.
  • the blood flow information acquisition operation in the third embodiment is applied to the blood flow information acquisition operation in the first embodiment by applying a process of dividing the time-series data string using the correlation coefficient of the region of interest.
  • the process of dividing the time-series data sequence using the correlation coefficient of the region of interest corresponds to the blood flow information acquisition operation in the second embodiment.
  • the MTI filter unit 8 correlates in a predetermined range centered on a corresponding point among a plurality of ranges over a plurality of scanning lines. By calculating a matrix and performing principal component analysis with clutter as a main component, clutter components can also be removed from a plurality of data to be analyzed. At this time, the MTI filter unit 8 calculates, for example, the average value of the correlation matrix using the method described in the first embodiment for analysis target data in which the correlation coefficient of the region of interest exceeds the threshold value.
  • 1 ultrasonic diagnostic device 2 ultrasonic probe, 2A transducer array, 3 data acquisition unit, 4 reception unit, 5 transmission unit, 6 image generation unit, 7, 24 analysis target data selection unit, 8 MTI filter unit, 9 blood Flow information estimation unit, 10 blood flow information synthesis unit, 11 display control unit, 12 display unit, 13 device control unit, 14 operation unit, 15 storage unit, 16 amplification unit, 17 A / D conversion unit, 18 receive beamformer, 19 Orthogonal detection circuit, 20 B mode processing unit, 21 Image processing unit, 22 Misalignment estimation unit, 23 Data exclusion unit, 25 Correlation coefficient calculation unit, 26 Data division unit, A0 to A6 extraction data, B0 to B18 hour Series data, C, C2, C3, C5, C6 circle, D search area, DP data plane, L, L0 to L5 travel distance, O1, O2 area of interest, P1 P2 attention point, Q0-Q6 data point, R, R0-R5 correlation coefficient, S scatterer, TH1, TH2 threshold, V, V0-V5 movement vector,

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Acoustics & Sound (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Hematology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

超音波診断装置１は、被検体に対して超音波ビームの送信を複数の走査線に亘る範囲において複数回繰り返し行って被検体からの反射波の時系列データ列を取得するデータ取得部３と、時系列データ列に含まれる、被検体における散乱体の相対的な位置ずれ量を推定し且つ散乱体の位置ずれ量に基づく除外条件を満たす時系列データを時系列データ列から除外して解析対象データを選択する解析対象データ選択部７と、解析対象データからクラッタ成分を除去するＭＴＩフィルタ部８と、クラッタ成分が除去された解析対象データを解析し、被検体における血流情報を推定する血流情報推定部９と、を有することを特徴とする。

Description

超音波診断装置および超音波診断装置の制御方法
　本発明は、超音波診断装置および超音波診断装置の制御方法に係り、特に、ドプラ信号から血流情報を推定する超音波診断装置およびこの超音波診断装置の制御方法に関する。
　従来から、被検体の内部の血流情報を得るために、超音波診断装置が用いられている。一般的に、超音波診断装置は、複数の素子が配列された振動子アレイが備えられた超音波プローブを備えている。この超音波プローブを被検体の体表に接触させた状態において、振動子アレイから被検体内に向けて超音波ビームが送信され、被検体からの超音波エコーを振動子アレイにおいて受信してドプラ信号が取得される。さらに、超音波診断装置は、得られたドプラ信号に含まれている周波数偏移情報に基づいて、血流情報であるドプラ画像を生成する。
　超音波診断装置により得られるドプラ画像としては、血液の流れる方向および血流の速度等に応じて血液の画像に色を付けたカラードプラ画像がある。カラードプラ画像は、カラーフローマッピング法により生成される画像である。カラーフローマッピング法では、同一の走査線上、且つ、同一位置のデータ列に対して、動きの遅い組織から得られる信号であるクラッタを抑制するようにＭＴＩ（Moving Target Indicator：移動目標検出）フィルタと呼ばれるフィルタ処理を施すことにより、血流の信号成分を抽出する。このように、ドプラ信号のクラッタ成分を抑制することは、精度の良いカラードプラ画像を得るために必要である。
　そこで、ドプラ信号のクラッタ成分を精度良く抑制できる超音波診断装置として、種々の提案がなされている。例えば、特許文献１に開示される超音波診断装置は、同一走査線上における同一位置の反射波データのデータ列から、走査範囲の相関行列を計算し、相関行列に基づいて主成分分析を行った結果からＭＴＩフィルタのフィルタ係数を計算し、ＭＴＩフィルタにより移動体に反射された超音波ビームを抽出することにより移動体情報の推定を行い、移動体情報に基づいて超音波画像を生成する。また、特許文献１に開示されている超音波診断装置は、主成分分析に用いられる相関行列として、走査範囲における相関行列の平均値を用いている。
　また、例えば、特許文献２に開示される超音波診断装置は、受信したドプラ信号に対して自己相関演算を行うことにより、クラッタ成分の中心周波数および分散を推定し、クラッタ成分の周波数をゼロ付近にシフトさせている。さらに、特許文献２に開示される超音波診断装置は、周波数をシフトさせたクラッタ成分に対してＭＴＩフィルタを適用させている。
特開２０１４－１５８６９８号公報 特開２００４－７３６７２号公報
　しかしながら、例えば、心臓および大きな血管の拍動、被検体の呼吸等が原因となる身体の動き、および、超音波プローブの移動に伴う相対的な被検体の身体の動きが発生する場合がある。この場合には、クラッタ成分の発生源となる被検体の組織自体の移動が大きくなるため、クラッタ成分の空間的な相関性が低くなり、特許文献１に開示される技術では、クラッタ成分を精度良く推定することができない。
　また、特許文献２に開示の技術では、クラッタ成分の発生源となる被検体の組織の移動速度が十分に大きい場合、および、クラッタ成分の発生源となる被検体の組織の移動速度が大きく変化する場合には、クラッタ成分の中心周波数に基づく位相の補正だけでは、クラッタ成分の抑制効果を十分に得ることができない。
　また、特許文献１および２に開示されている技術では、クラッタ成分の発生源となる被検体の組織自体の移動が大きい場合に、血管内を流れている血液に対する超音波ビームの反射波と大きく移動した組織に対する超音波ビームの反射波とをまとめてドプラ解析してしまうため、いわゆるモーションアーチファクトが発生し、精度の良い血流情報を得ることができなかった。
　本発明は、このような従来の問題点を解消するためになされたものであり、被検体の組織が大きく移動した場合であっても、極力モーションアーチファクトを発生させることなく、精度の良い血流情報を得ることができる超音波診断装置および超音波診断装置の制御方法を提供することを目的とする。
　上記目的を達成するために、本発明の超音波診断装置は、被検体に対して超音波ビームの送信を複数の走査線に亘る範囲において複数回繰り返し行って、被検体からの反射波の時系列データ列を取得するデータ取得部と、時系列データ列に含まれる被検体における散乱体の相対的な位置ずれ量を推定する位置ずれ量推定部と、位置ずれ量推定部により推定された散乱体の位置ずれ量に基づく除外条件を満たす時系列データを時系列データ列から除外することにより解析対象データを選択するデータ除外部と、データ除外部により選択された解析対象データからクラッタ成分を除去するＭＴＩフィルタ部と、ＭＴＩフィルタ部においてクラッタ成分が除去された解析対象データを解析することにより、被検体における血流情報を推定する血流情報推定部と、を有することを特徴とする。
　位置ずれ推定部は、時系列データ列に基づいて散乱体の相対的な移動距離を推定し、データ除外部は、位置ずれ量推定部により推定された散乱体の移動距離が定められた閾値を超える複数の時系列データを時系列データ列から除外することができる。
　もしくは、位置ずれ量推定部は、時系列データ列のうち定められたデータ数を隔てて抽出された複数の抽出データを設定し、複数の抽出データに対して散乱体の相対的な移動距離を推定し、
　データ除外部は、位置ずれ量推定部により推定された散乱体の移動距離が定められた閾値を超える複数の抽出データに亘る複数の時系列データを時系列データ列から除外することもできる。
　さらに、ＭＴＩフィルタ部は、位置ずれ量推定部により散乱体の移動距離が推定された解析対象データに対して、散乱体の移動距離が大きいほど低周波成分を大きく減衰させるようにフィルタの特性を変化させることができる。
　もしくは、ＭＴＩフィルタ部は、複数の走査線に亘る範囲のうち定められた範囲において解析対象データの相関行列の平均値を計算し、相関行列の平均値を用いてクラッタを主成分とする主成分分析を行うことにより、解析対象データからクラッタ成分を除去することもできる。
　また、位置ずれ量推定部は、時系列データに含まれる散乱体の相対的な移動距離および移動方向をそれぞれ絶対値および方向とする移動ベクトルを推定し、データ除外部は、時系列データ列から推定された複数の移動ベクトルの始点と終点とを時系列順となるように逐次連結して時系列データ列に含まれる複数の時系列データに対応するデータ点をデータ平面上に配置し、複数のデータ点をそれぞれ中心とする同一半径の複数の円のうちいずれか１つの円に含まれる、時系列に連続した複数のデータ点の区間を、データ点の個数が多い順に、順次、解析対象データとして取り出した結果、１つの円にのみ含まれるデータ点に対応する時系列データを除外することもできる。
　もしくは、位置ずれ量推定部は、時系列データ列のうち定められたデータ数を隔てて抽出された複数の抽出データを設定し、複数の抽出データに対して散乱体の相対的な移動距離および移動方向をそれぞれ絶対値および方向とする移動ベクトルを推定し、データ除外部は、複数の抽出データから推定された複数の移動ベクトルの始点と終点とを時系列順となるように逐次連結して抽出データに対応するデータ点をデータ平面上に配置し、複数のデータ点をそれぞれ中心とする同一半径の複数の円のうちいずれか１つの円に含まれる、時系列に連続した複数のデータ点の区間を、データ点の個数が多い順に、順次、解析対象データとして取り出した結果、１つの円にのみ含まれるデータ点に対応する時系列データを除外することもできる。
　さらに、ＭＴＩフィルタ部は、それぞれ取り出された複数のデータ点の区間に対応する複数の解析対象データに対して、区間内に含まれる移動ベクトルの長さの合計が大きいほど低周波数成分を大きく減衰させるようにフィルタの特性を変化させることができる。
　もしくは、位置ずれ量推定部は、時系列データ列に含まれる、複数の走査線に亘る範囲における各点の相対的な移動距離および移動方向をそれぞれ絶対値および方向とする複数の周辺変位ベクトルを推定し、ＭＴＩフィルタ部は、移動ベクトルとそれぞれの周辺変位ベクトルとの相関性が高いほど複数の解析対象データに対して大きな重み付けをして、複数の走査線に亘る範囲のうち定められた範囲において複数の解析対象データに対する相関行列の平均値を計算し、相関行列の平均値を用いてクラッタを主成分とする主成分分析を行うことにより、残された解析対象データからクラッタ成分を除去することもできる。
　また、時系列データ列において同一の関心領域内の相関係数を算出する相関係数算出部と時系列データ列を、相関係数算出部により算出された相関係数が定められた値を超える時系列データに亘る第１のデータ群と、相関係数が定められた値以下の時系列データに亘る第２のデータ群とに分割するデータ分割部とをさらに有することが好ましい。
　さらに、ＭＴＩフィルタ部は、第１のデータ群の時系列データに対するフィルタの特性と、第２のデータ群の時系列データに対するフィルタの特性とを異ならせることができる。
　また、データ分割部は、第２のデータ群において互いに隣接する時系列データに含まれる、同一の関心領域内の輝度値の変化量を計算し、且つ、第２のデータ群の時系列データを輝度値の変化量が定められた値を超える第３のデータ群と輝度値の変化量が定められた値以下の第４のデータ群とに分割することができる。
　さらに、ＭＴＩフィルタ部は、第３のデータ群の時系列データに対するフィルタの特性と、第４のデータ群の時系列データに対するフィルタの特性とを異ならせることができる。
　もしくは、データ除外部は、第４のデータ群の時系列データを除外してもよい。
　ＭＴＩフィルタ部は、複数の走査線に亘る範囲において複数の点に対して算出された相関係数が高いほど解析対象データに対して大きな重み付けをして、複数の走査線に亘る範囲のうち定められた範囲において相関行列の平均値を計算し、相関行列の平均値を用いてクラッタを主成分とする主成分分析を行うことにより、解析対象データからクラッタ成分を除去することもできる。
　また、データ除外部は、データ分割部により分割された時系列データのうち、定められたデータ数よりも少ないデータ数だけ時系列に連続した時系列データを除外することができる。
　また、データ除外部は、時系列データの除外の結果として残された複数の時系列データのうち、定められたデータ数よりも少ないデータ数だけ時系列に連続した時系列データを除外してもよい。
　また、ＭＴＩフィルタ部は、時系列データ列から分割された複数の解析対象データを含む分割区間のそれぞれに対して解析対象データからクラッタ成分を除去し、血流情報推定部は、それぞれの分割区間においてＭＴＩフィルタ部によりクラッタ成分が除去された複数の解析対象データから血流情報を推定し、血流情報推定部により推定された複数の分割区間における血流情報を合成する血流情報合成部をさらに有することが好ましい。
　また、本発明の超音波診断装置の制御方法は、被検体に対して超音波ビームの送信を複数の走査線に亘る範囲において複数回繰り返し行って、被検体からの反射波の時系列データ列を取得し、時系列データ列に含まれる、被検体における散乱体の相対的な位置ずれ量を推定し、推定された位置ずれ量に基づく除外条件を満たす時系列データを時系列データ列から除外して解析対象データを選択し、選択された解析対象データからクラッタ成分を除去し、クラッタ成分が除去された解析対象データを解析することにより、被検体における血流情報を推定することを特徴とする。
　本発明によれば、超音波診断装置は、時系列データ列に含まれる散乱体の相対的な位置ずれ量を推定し、その位置ずれ量に基づいて時系列データ列から除外条件を満たす時系列データを除外するため、被検体の組織が大きく移動した場合であっても、精度の良い血流情報を得ることができる。
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プロック図である。 本発明の実施の形態１における受信部の内部構成を示すブロック図である。 本発明の実施の形態１における画像生成部の内部構成を示すブロック図である。 本発明の実施の形態１における解析対象データ選択部の内部構成を示すブロック図である。 本発明の実施の形態１に係る超音波診断装置の血流情報の取得動作を示すフローチャートである。 本発明の実施の形態１における位置ずれ量推定部により設定された抽出データに含まれる散乱体を示す概念図である。 本発明の実施の形態１における位置ずれ量推定部により設定された抽出データに含まれる、位置ずれをした散乱体を示す概念図である。 それぞれの抽出データに含まれる散乱体の移動量を複数の抽出データおよび時系列データ列と共に例示した図である。 ＭＴＩフィルタのフィルタ特性の変化を示した図である。 ＭＴＩフィルタのフィルタ特性の他の変化例を示した図である。 本発明の実施の形態２に係る超音波診断装置の血流情報の取得動作を示すフローチャートである。 本発明の実施の形態２における時系列データの除外動作を示すフローチャートである。 データ平面上に配置された複数の移動ベクトルの例を示す概念図である。 データ平面上から複数のデータ点が取り出された結果、残された移動ベクトルの例を示す概念図である。 データ平面上に配置された複数の移動ベクトルの他の例を示す概念図である。 データ平面上に配置された複数の移動ベクトルのさらに他の例を示す概念図である。 本発明の実施の形態３における解析対象データ選択部の内部構成を示すブロック図である。 本発明の実施の形態３における血流情報の取得動作を示すフローチャートである。 本発明の実施の形態３における時系列データ列の分割動作を示すフローチャートである。 複数の抽出データにおける関心領域の相関係数の一例を示す図である。 複数の抽出データにおける関心領域の相関係数の他の例を示す図である。 複数の抽出データにおける関心領域の相関係数のさらに他の例を示す図である。
　以下、この発明の実施の形態を添付図面に基づいて説明する。
実施の形態１
　図１に、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。超音波診断装置１は、振動子アレイ２Ａを内蔵する超音波プローブ２を備え、超音波プローブ２に、データ取得部３が接続されている。
　データ取得部３は、超音波プローブ２の振動子アレイ２Ａに接続された受信部４および送信部５を有しており、受信部４に画像生成部６が接続されている。また、受信部４に、解析対象データ選択部７が接続され、解析対象データ選択部７に、ＭＴＩフィルタ部８が接続され、ＭＴＩフィルタ部８に、血流情報推定部９が接続され、血流情報推定部９に、血流情報合成部１０が接続されている。また、画像生成部６および血流情報合成部１０に、表示制御部１１が接続されており、表示制御部１１に表示部１２が接続されている。
　さらに、データ取得部３、解析対象データ選択部７、ＭＴＩフィルタ部８、血流情報推定部９および表示制御部１１に、装置制御部１３が接続され、装置制御部１３に、操作部１４および格納部１５がそれぞれ接続されている。なお、装置制御部１３と格納部１５とは、それぞれ双方向に情報を受け渡し可能に接続される。
　図１に示す超音波プローブ２の振動子アレイ２Ａは、１次元または２次元に配列された複数の素子（超音波振動子）を有している。これらの素子は、それぞれ送信部５から供給される駆動信号に従って超音波を送信すると共に被検体からの反射波を受信して受信信号を出力する。各素子は、例えば、ＰＺＴ（Lead Zirconate Titanate：チタン酸ジルコン酸鉛）に代表される圧電セラミック、ＰＶＤＦ（Poly Vinylidene Di Fluoride：ポリフッ化ビニリデン）に代表される高分子圧電素子およびＰＭＮ－ＰＴ（Lead Magnesium Niobate-Lead Titanate：マグネシウムニオブ酸鉛－チタン酸鉛固溶体）に代表される圧電単結晶等からなる圧電体の両端に電極を形成した振動子を用いて構成される。
　そのような振動子の電極に、パルス状または連続波状の電圧を印加すると、圧電体が伸縮し、それぞれの振動子からパルス状または連続波状の超音波が発生して、それらの超音波の合成波から、超音波ビームが形成される。また、それぞれの振動子は、伝搬する超音波を受信することにより伸縮して電気信号を発生し、それらの電気信号は、超音波の受信信号として、それぞれの振動子から受信部４に出力される。
　データ取得部３の受信部４は、図２に示すように、増幅部１６、Ａ／Ｄ（Analog/Digital：アナログ／デジタル）変換部１７、受信ビームフォーマ１８、および、直交検波回路１９が直列接続された構成を有している。受信部４において、増幅部１６は、振動子アレイ２Ａの各素子から出力される受信信号を増幅し、Ａ／Ｄ変換部１７は、増幅された受信信号をデジタル化して素子データを生成し、受信ビームフォーマ１８に出力する。
　受信ビームフォーマ１８は、装置制御部１３からの制御信号に応じて選択された受信遅延パターンに基づき、設定された音速に従う各素子データにそれぞれの遅延を与えて加算（整相加算）を施す、受信フォーカス処理を行う。この受信フォーカス処理により、超音波エコーの焦点が絞り込まれた音線信号が生成され、生成された音線信号は、直交検波回路１９に出力される。
　直交検波回路１９は、受信ビームフォーマ１８により生成された音線信号を複素信号に変換し、この複素信号を、画像生成部６および解析対象データ選択部７に出力する。
　データ取得部３の送信部５は、例えば、複数のパルス発生器を含んでおり、装置制御部１３からの制御信号に応じて選択された送信遅延パターンに基づいて、振動子アレイ２Ａの複数の素子から送信される超音波が超音波ビームを形成するようにそれぞれの駆動信号を、遅延量を調節して複数の素子に供給する。
　なお、被検体内部の散乱体からの反射波の強度に基づく、被検体の組織形状に関する画像情報であるＢモード（Brightness mode：輝度モード）画像が生成される場合に、データ取得部３は、超音波ビームの送信位置を、順次、移動させながら超音波ビームを送信し、複数の位置における反射波の受信を行う。
　また、被検体内部の散乱体からの反射波に含まれている周波数偏移情報に基づくカラードプラ画像およびパワードプラ画像等のドプラ画像が生成される場合に、データ取得部３は、複数の走査線に亘る範囲において同一の走査線に対して複数回の超音波ビームの送信を繰り返し行って、同一の位置からの複数の反射波の受信を行う。
　画像生成部６は、図３に示すように、Ｂモード処理部２０と画像処理部２１とが、順次、直列に接続された構成を有している。
　Ｂモード処理部２０は、受信部４により生成された信号に対し、超音波の反射した位置の深度に応じて伝搬距離に起因する減衰の補正を施した後、包絡線検波処理を施して、被検体内の組織に関する断層画像情報であるＢモード画像信号を生成する。Ｂモード処理部２０において生成されたＢモード画像信号は、画像処理部２１に出力される。
　画像処理部２１は、Ｂモード処理部２０において生成されたＢモード画像信号を通常のテレビジョン信号の走査方式に従う画像信号に変換（ラスター変換）し、Ｂモード画像信号に諧調処理等の各種の必要な画像処理を施した後、Ｂモード画像信号を表示制御部１１に出力する。
　解析対象データ選択部７は、図４に示すように、位置ずれ量推定部２２とデータ除外部２３とを有している。解析対象データ選択部７が受信部４から受け取るデータは、ドプラ画像を生成するために取得されたデータ列であり、被検体に対する超音波ビームの送信を、複数の走査線に亘る範囲における同一の走査線に対して複数回行って、同一の位置からの複数の反射波を受信することにより得られた時系列データ列である。
　位置ずれ量推定部２２は、受信部４から受け取った時系列データ列に含まれる、被検体における散乱体の位置ずれ量を推定する。例えば、位置ずれ量推定部２２は、データ取得部３により互いに異なる時刻に取得された２つの時系列データに含まれる同一の散乱体を中心とした関心領域について、テンプレートマッチング等の処理を行うことにより、散乱体の相対的な位置ずれ量を推定することができる。位置ずれ量推定部２２により推定された散乱体の位置ずれ量の情報は、データ除外部２３に送信される。
　データ除外部２３は、位置ずれ量推定部２２から、時系列データ列に含まれる散乱体の位置ずれ量の情報を受け取ると共に、データ取得部３の受信部４から時系列データ列を受け取る。データ除外部２３は、散乱体の位置ずれ量に基づいた除外条件を満たす時系列データを、時系列データ列から除外して、ドプラ解析の対象となる解析対象データを選択する。また、データ除外部２３が時系列データの除外を行った結果、時系列に連続している解析対象データが複数の分割区間に分割されることがある。このような場合には、解析対象データは、複数の分割区間毎にＭＴＩフィルタ部８に送信される。
　ＭＴＩフィルタ部８は、予め定められたフィルタ特性を有しており、解析対象データ選択部７のデータ除外部２３により選択された解析対象データに対して、定められたフィルタ特性を用いて、クラッタ成分を除去するためのフィルタ処理を施す。
　このように、ＭＴＩフィルタ部８により解析対象データのクラッタ成分を除去することにより、ドプラ解析を行う際に、血流以外の余分な周波数成分の影響を小さくすることができるため、ドプラ解析の結果として得られる血流情報の精度を向上することができる。
　血流情報推定部９は、ＭＴＩフィルタ部８によりクラッタ成分が除去された解析対象データに対してドプラ解析を施すことにより、被検体内の血流情報を推定する。解析対象データに対してドプラ解析を施すことにより、血流情報を推定する方法は、種々の方法を用いることができるが、例えば、血流情報推定部９は、いわゆる自己相関法により血流情報を推定することができる。
　血流情報合成部１０は、解析対象データ選択部７のデータ除外部２３により解析対象データが複数の分割区間に分割されている際に、血流情報推定部９によりそれぞれの分割区間の解析対象データに対して推定された複数の血流情報を合成する。
　図１に示すように、超音波診断装置１の表示制御部１１は、画像生成部６において生成されたＢモード画像信号と、血流情報推定部９および血流情報合成部１０において生成された被検体内の血流情報とに基づいて、表示部１２に超音波画像を表示させる。ここで、超音波画像とは、Ｂモード画像に対してカラードプラ画像およびパワードプラ画像等のドプラ画像が重畳された画像をいう。
　表示部１２は、例えば、ＬＣＤ（Liquid Crystal Display：液晶ディスプレイ）等のディスプレイ装置を含んでおり、装置制御部１３による制御の下、超音波画像を表示する。
　装置制御部１３は、オペレータにより操作部１４を介して入力された指令に基づいて超音波診断装置１の各部の制御を行う。
　操作部１４は、オペレータが入力操作を行うためのものであり、キーボード、マウス、トラックボールおよびタッチパネル等を備えて構成することができる。
　格納部１５は、超音波診断装置１の動作プログラム等を格納するもので、ＨＤＤ（Hard Disc Drive：ハードディスクドライブ）、ＳＳＤ（Solid State Drive：ソリッドステートドライブ）、ＦＤ（Flexible Disc：フレキシブルディスク）、ＭＯディスク（Magneto-Optical disc：光磁気ディスク）、ＭＴ（Magnetic Tape：磁気テープ）、ＲＡＭ（Random Access Memory：ランダムアクセスメモリ）、ＣＤ（Compact Disc：コンパクトディスク）、ＤＶＤ（Digital Versatile Disc：デジタルバーサタイルディスク）、ＳＤカード（Secure Digital card：セキュアデジタルカード）、ＵＳＢメモリ（Universal Serial Bus memory：ユニバーサルシリアルバスメモリ）等の記録メディア、またはサーバ等を用いることができる。
　なお、画像生成部６、解析対象データ選択部７、ＭＴＩフィルタ部８、血流情報推定部９、血流情報合成部１０、表示制御部１１および装置制御部１３は、ＣＰＵ（Central Processing Unit：中央処理装置）および、ＣＰＵに各種の処理を行わせるための制御プログラムから構成されるが、それらを、デジタル回路およびコンピュータを用いて構成しても良い。また、これらの画像生成部６、解析対象データ選択部７、ＭＴＩフィルタ部８、血流情報推定部９、血流情報合成部１０、表示制御部１１および装置制御部１３を、部分的にあるいは全体的に１つのＣＰＵに統合させて構成することもできる。
　次に、図５に示すフローチャートを用いて、実施の形態１に係る超音波診断装置１の血流情報の取得動作について説明する。
　まず、ステップＳ１において、解析対象データ選択部７の位置ずれ量推定部２２は、取得した時系列データ列から、定められたデータ数を隔てるように離散的に抽出されたデータである複数の抽出データを設定する。抽出データ間の間隔は、ドプラ解析の精度が低下しないデータ数に設定されることができ、例えば、４以上のデータ数に設定されることができる。このように、時系列データ列から複数の抽出データを設定することにより、位置ずれ量の計算に要する演算負荷を軽減することができる。また、時系列データ列に含まれる散乱体の位置ずれ量を離散的な抽出データに対して推定することにより、きわめて短い時間間隔において散乱体の位置ずれ量を推定することを防ぎ、散乱体の位置ずれ量の推定に対して十分な精度を得ることができる。
　続くステップＳ２において、解析対象データ選択部７の位置ずれ量推定部２２は、複数の抽出データのうち互いに時系列に隣接する抽出データに含まれる散乱体の相対的な位置ずれ量を推定する。ここでは、位置ずれ量推定部２２により推定される散乱体の相対的な位置ずれ量が、散乱体の相対的な移動量である場合を説明する。
　この際に、まず、位置ずれ量推定部２２は、互いに時系列に隣接する抽出データのうち一方をテンプレートマッチングにおける基準データとして設定する。基準となる抽出データにおいて、位置ずれ量推定部２２は、図６に示すように、抽出データに含まれる散乱体Ｓ内に点Ｐ１が配置されるように関心領域Ｏ１を設定する。関心領域Ｏ１は、点Ｐ１が中心に位置するように設定される。次に、位置ずれ量推定部２２は、他方の抽出データにおいて、図７に示すように、関心領域Ｏ１内に配置された点Ｐ１を中心とし、関心領域Ｏ１よりも大きい領域である探索領域Ｄを設定する。位置ずれ量推定部２２は、探索領域Ｄ内において関心領域Ｏ１を移動させながら、基準となる一方の抽出データの関心領域Ｏ１と他方の抽出データの関心領域Ｏ１との類似度を算出して、最も類似度が高くなる関心領域Ｏ２を特定する。さらに、位置ずれ量推定部２２は、基準となる抽出データの関心領域Ｏ１の点Ｐ１から他方の抽出データの関心領域Ｏ２の点Ｐ２に至る移動ベクトルＶを推定し、この移動ベクトルＶの絶対値を計算することにより、散乱体Ｓの相対的な移動距離を推定する。
　互いに時系列に隣接する複数の抽出データから、それぞれ、散乱体の相対的な移動距離が推定されると、ステップＳ３において、解析対象データ選択部７のデータ除外部２３は、ステップＳ２において推定された散乱体の複数の移動距離の値と定められた閾値とを比較する。そして、データ除外部２３は、散乱体の移動距離が閾値を超える抽出データに亘る複数の時系列データを時系列データ列から除外して、残された複数の時系列データをドプラ解析の対象となる解析対象データとして選択する。ここで、図８に、散乱体の複数の移動距離を時系列データ列および複数の抽出データと共に配置した例を示す。図８に示される例において、Ｌは散乱体の相対的な移動距離、ｔは時間を示し、ＴＨ１は、移動距離Ｌに対して定められた閾値を示す。また、Ｂ０～Ｂ１８は、時系列データ列を構成する時系列データを示し、Ａ０～Ａ６は、抽出データを示す。また、Ｌ０～Ｌ５は、それぞれ、抽出データＡ０～Ａ６のうち互いに時系列に隣接する抽出データから推定された散乱体の移動距離を示す。
　図８に示す例において、抽出データＡ３およびＡ４から推定された散乱体の移動距離Ｌ３と、抽出データＡ４およびＡ５から推定された散乱体の移動距離Ｌ４がいずれも閾値ＴＨ１を超えている。この際に、データ除外部２３は、隣接した抽出データＡ３とＡ４、および、Ａ４とＡ５とに亘る時系列データＢ９～Ｂ１５を時系列データ列から除外し、残った時系列データＢ０～Ｂ８および時系列データＢ１６～Ｂ１８をドプラ解析の対象となる解析対象データとして選択する。また、図８に示す例においては、解析対象データは、時系列に連続した時系列データＢ０～Ｂ８を含む分割区間と時系列に連続した時系列データＢ１６～Ｂ１８を含む分割区間とに分割されている。
　このように、散乱体の移動距離が閾値を超える時系列データを除外することにより、ドプラ解析の際に、被検体の組織の動きと血流の動きとを共に解析してしまうことを防ぐことができるため、血流情報の推定精度を向上させることができる。
　続くステップＳ４において、ＭＴＩフィルタ部８は、ステップＳ３において選択された解析対象データに対して、クラッタ成分を除去するようにフィルタ処理を施す。この際に、ＭＴＩフィルタ部８は、推定された散乱体の移動距離に応じて予め設定されているフィルタの特性を変化させることができる。例えば、ＭＴＩフィルタ部８は、図９に示すように、推定された散乱体の移動距離が大きいほど解析対象データの低周波数成分を大きく減衰させるように、予め設定されているフィルタ波形ＷＦ１を変化させてフィルタ波形ＷＦ２とすることができる。また、ＭＴＩフィルタ部８は、図１０に示すように、推定された散乱体の移動距離が大きいほど解析対象データの低周波数成分を大きく減衰させるために、予め設定されているフィルタ波形ＷＦ１を、曲線形状のフィルタ波形ＷＦ３に変化させることもできる。ここで、図９および図１０におけるＦ（ｆ）は、解析対象データに対して適用されるフィルタの特性であり、ｆは解析対象データの周波数を示す。ＭＴＩフィルタ部８は、このようなフィルタ特性を用いて、解析対象データの低周波数成分を減衰することにより、解析対象データからクラッタ成分を除去する。
　血流情報推定部９は、ステップＳ４においてクラッタ成分が除去された複数の解析対象データに対してドプラ解析を行うことにより、ステップＳ５において被検体における血流情報を推定する。血流情報推定部９は、複数の解析対象データに対するドプラ解析の方法として、種々の方法を用いることができるが、例えば、複数の解析対象データに対して自己相関演算を行うことにより、血流の中心周波数およびパワー等の血流情報を推定することができる。解析対象データがステップＳ３において複数の分割区間に分割されている場合には、解析対象データに対して分割区間毎に血流情報の推定を行う。
　このように、ステップＳ３において解析対象データが複数の分割区間に分割されている場合に、ステップＳ６において、血流情報合成部１０は、複数の分割区間に対して推定された血流情報を合成する。このようにして、血流情報の取得動作は終了する。
　以上において説明した実施の形態１の超音波診断装置１によれば、時系列データ列に含まれる散乱体の移動距離が定められた閾値以下の時系列データをドプラ解析の対象である解析対象データとして選択する。さらに、超音波診断装置１は、これらの解析対象データからクラッタ成分を除去し、クラッタ成分が除去された解析対象データから、被検体における血流情報を推定する。そのため、実施の形態１の超音波診断装置１は、被検体の組織が大きく移動した場合であっても、被検体の組織の大きな動きに起因した成分をドプラ解析の解析対象データから取り除くことができ、精度の良い血流情報を得ることができる。
　なお、解析対象データ選択部７の位置ずれ量推定部２２は、図５のフローチャートのステップＳ２において、複数の抽出データを用いて時系列データ列に含まれる散乱体の移動ベクトルを推定すると説明したが、散乱体の移動ベクトルを精度良く推定することができれば、時系列データ列を構成する複数の互いに隣接する時系列データから散乱体の移動ベクトルを推定することもできる。例えば、位置ずれ量推定部２２は、時系列データ列を構成する複数の時系列データ同士の時間間隔が十分な大きさを有している場合に、互いに時系列に隣接する時系列データから、散乱体の移動ベクトルを推定することができる。
　また、位置ずれ量推定部２２は、互いに時系列に隣接した注目データにおいて移動ベクトルを推定する際に、テンプレートマッチングを用いたが、探索領域Ｄ内の全てのデータについてテンプレートマッチングを行うことは、超音波診断装置１の演算性能に起因して、多くの時間を要する場合がある。この場合に、位置ずれ量推定部２２は、テンプレートマッチングに要する演算量を低減するため、探索領域Ｄ内のデータを間引いた抽出データを用いてテンプレートマッチングを行うことができる。また、位置ずれ量推定部２２は、間引かれたデータに対して、データ補間をすることもできる。
　また、解析対象データ選択部７のデータ除外部２３は、時系列データ列が複数の分割区間に分割された際に、定められたデータ数よりも少ないデータ数だけ時系列に連続した時系列データを除外することができる。ドプラ解析の際には、解析対象データが時系列に多く連続しているほど、精度の良い血流情報を推定することができる。そのため、データ除外部２３は、定められた数よりも少ないデータ数だけ時系列に連続した時系列データを解析対象データから除外することにより、血流情報を推定する精度を向上させることができる。
　また、データ除外部２３により散乱体の移動距離の値と比較される閾値は、ＭＴＩフィルタ部８におけるフィルタの性能に応じて設定されることが望ましい。従来のＭＴＩフィルタでは、散乱体の移動距離が、超音波ビームの中心周波数に対応する波長程度より大きい場合に、クラッタ成分の抑制が十分になされないことが多かった。そのため、例えば、従来のＭＴＩフィルタと同程度の性能を有するＭＴＩフィルタを用いる場合には、散乱体の移動距離の閾値は、超音波ビームの中心周波数に対応する波長の１／２倍～１倍の長さに設定されることが望ましい。
　また、血流情報合成部１０は、ステップＳ６において血流情報を合成する際に、複数の分割区間のそれぞれに含まれる解析対象データのデータ数に応じて血流情報の重み付け加算を行うことができる。これは、血流情報の推定精度が、時系列に連続する解析対象データのデータ数に依存するためである。そのため、血流情報合成部１０は、例えば、複数の分割区間のそれぞれに含まれる解析対象データのデータ数が多いほど大きな重み付けをして複数の血流情報を加算することにより、血流情報の合成を行うことができる。
　また、ＭＴＩフィルタ部８は、ステップＳ４において、散乱体の相対的な移動距離が大きいほど解析対象データの低周波数成分を減衰するように、予め設定されているフィルタの特性を変化させることができると説明したが、散乱体の相対的な移動距離が一定の値よりも小さい場合に、解析対象データに対して低周波数成分の減衰量を小さくするように、予め設定されているフィルタの特性を変化させることもできる。
　また、ＭＴＩフィルタ部８は、解析対象データを基準とした、複数の走査線に亘る範囲のうち定められた範囲において相関行列を算出し、クラッタを主成分とする主成分分析を行うことにより、複数の解析対象データからクラッタ成分を除去することもできる。この場合には、ＭＴＩフィルタ部８は、まず、解析対象データを基準とした、複数の走査線に亘る範囲のうち定められた範囲において相関行列の平均値を算出する。例えば、特開２０１４－１５８６９８号公報等に開示されている技術においては、下記式（１）に示される相関行列の平均値が用いられている。
Figure JPOXMLDOC01-appb-M000001
　ここで、式（１）のｘｍは、定められた範囲に含まれる点ｍにおける時系列データ列を示す列ベクトルであり、Ｍは、定められた範囲に含まれる点ｍの総数である。また、ｘｍ Ｈは、ｘｍを転置した行ベクトルの複素共役である。
　定められた範囲とは、複数の走査線に亘る走査範囲すべてが対象となり得るが、望ましくは、解析対象データの近傍の関心領域として定められる。解析対象データの近傍とは、具体的には、解析対象データと近接する複数の走査線および深さ範囲に亘る２次元の範囲か、もしくは、解析対象データの走査線における近接する深さ範囲の１次元の範囲のことである。また、解析対象データ自身に含まれる血流信号の影響を除くために、定められた範囲を、解析対象データ近傍の領域から解析対象データ自身を除いた範囲として定めても良い。
　本発明の実施の形態１において、ＭＴＩフィルタ部８は、複数の抽出データに含まれる点ｍの移動距離が定められた閾値以下となる点ｍの時系列データのみを相関行列の計算に用いることができる。この際に、例えば、ＭＴＩフィルタ部８は、下記式（２）を用いて相関行列の計算を行うことができる。
Figure JPOXMLDOC01-appb-M000002
　ここで、式（２）のＷｍは、点ｍにおける重み値であり、点ｍの移動距離が閾値を超える場合には、Ｗｍ＝０であり、点ｍの移動距離が閾値以下である場合には、Ｗｍ＝１である。このように、ＭＴＩフィルタ部８は、相関行列の平均値を計算する際に、互いに時系列に隣接する抽出データにおいて移動距離の大きい点、すなわち、相関性の低い点を除くことができるため、主成分分析を行う際に、クラッタの推定精度を向上させることができる。
実施の形態２
　実施の形態１における血流情報の取得動作において、超音波診断装置１は、互いに時系列に隣接した抽出データに含まれる散乱体の移動距離を推定し、散乱体の移動距離に基づいて解析対象データの選択を行った。ここで、例えば、散乱体に対して推定された複数の移動距離がそれぞれ小さい値であっても、それぞれの移動距離に対応する散乱体の移動方向が同一方向である等の場合に、最終的に積算される散乱体の移動距離が大きくなるため、時系列データにおける最初のデータと最後のデータとの相関性が低くなることがある。このような問題を解消するために、超音波診断装置１は、散乱体の移動距離に加えて散乱体の移動ベクトルの向きを考慮することにより、解析対象データの算出を行うこともできる。
　図１１に、実施の形態２における超音波診断装置の血流情報の取得動作を示す。ここで、実施の形態２の超音波診断装置は、図１に示す実施の形態１の超音波診断装置１と同一の構成を有する。また、図１１のフローチャートのステップＳ１およびＳ４～Ｓ６は、図５のフローチャートのステップＳ１およびＳ４～Ｓ６と同一であるため、これらのステップの詳細な説明は省略する。
　ステップＳ１において時系列データ列から複数の抽出データが設定されると、解析対象データ選択部７の位置ずれ量推定部２２は、ステップＳ７において、互いに時系列に隣接する抽出データに含まれる散乱体の移動ベクトルを推定する。散乱体の移動ベクトルの推定方法は、実施の形態１における方法と同一である。
　続くステップＳ８において、解析対象データ選択部７のデータ除外部２３は、ステップＳ７において推定された散乱体の移動ベクトルに基づいて時系列データ列から時系列データを除外し、解析対象データを選択する。ステップＳ８については、図１２に示すフローチャートを用いて詳細に説明する。
　ステップＳ８の時系列データの除外動作は、図１２に示されるように、ステップＳ９～ステップＳ１３のステップにより構成される。
　まず、ステップＳ９において、データ除外部２３は、複数の抽出データに含まれる散乱体に対する複数の移動ベクトルをデータ平面上に時系列に配置する。この際に、データ除外部２３は、複数の移動ベクトルの始点と終点とを時系列順となるように逐次連結する。この結果、図１３に例示されるように、複数の移動ベクトルの始点および終点に相当する複数のデータ点がデータ平面上に配置される。図１３において、データ平面ＤＰ上に移動ベクトルＶ０～Ｖ５が配置されており、また、移動ベクトルＶ０～Ｖ５の始点および終点に相当するデータ点Ｑ０～Ｑ６が配置されている。データ点Ｑ０～Ｑ６は、時系列順に並んだ抽出データに対応する点である。
　続くステップＳ１０において、データ除外部２３は、データ平面上に配置された複数のデータ点をそれぞれ中心とする、同一半径の円を設定する。これらの複数の円の半径は、予め一定の値に設定されることができる。
　ステップＳ１１において、データ除外部２３は、各データ点を中心とする複数の円のうち、時系列に連続したデータ点を最も多く含む円を特定する。そして、データ除外部２３は、その円に含まれる複数のデータ点の区間、すなわち、複数のデータ点に対応する複数の抽出データに亘る複数の時系列データを解析対象データとして選択する。図１３に示す例においては、データ点Ｑ０～Ｑ６をそれぞれ中心とする複数の円のうち、データ点Ｑ２を中心とする円Ｃ２が時系列に連続するデータ点を最も多く含んでおり、この円Ｃ２に含まれる４つのデータ点Ｑ０～Ｑ３の区間が、解析対象データとして取り出される。
　ステップＳ１１において複数のデータ点の区間が解析対象データとして取り出されると、ステップＳ１２においてデータ除外部２３は、残された複数のデータ点をそれぞれ中心とする複数の円のうち、いずれか１つの円に含まれるデータ点の数が２つ以上となる区間があるか否かを判定する。例えば、図１３に示されるデータ点Ｑ０～Ｑ３の区間が解析対象データとして取り出されると、図１４に示されるように、データ点Ｑ３～Ｑ６の区間が残される。図１４に示される例においては、データ点Ｑ５およびＱ６を中心とする円Ｃ５およびＣ６が、それぞれ２つのデータ点Ｑ５およびＱ６を含んでいる。このように、円に含まれるデータ点の数が２つ以上となる区間がある場合に、ステップＳ１１に戻る。
　ステップＳ１１に戻ると、データ除外部２３は、残されたデータ点に対して、各データ点を中心とする複数の円のうち、時系列に連続したデータ点を最も多く含む円を特定し、その円に含まれる複数のデータ点の区間を解析対象データとして選択する。図１４に示す例においては、円Ｃ５およびＣ６に含まれるデータ点Ｑ５～Ｑ６の区間が解析対象データとして取り出される。この際に、複数のデータ点が解析対象データとして取り出された結果として、時系列データ列は、データ点Ｑ０～Ｑ３の区間に対応する分割区間と、データ点Ｑ５～Ｑ６に対応する分割区間とに分割されている。このように、複数のデータ点の区間が解析対象データとして取り出された結果、時系列データ列が複数の分割区間に分割される場合がある。
　また、以上のように、データ除外部２３は、ステップＳ１２およびステップＳ１３において、時系列に連続した複数のデータ点の区間を、データ点の個数が多い順に、順次、解析対象データとして取り出した結果、各データ点を中心とする円に含まれるデータ点の数が２つ以上となる区間がなくなった場合に、ステップＳ１３に進む。
　ステップＳ１１およびステップＳ１２においてデータ点の区間が取り出された結果、データ点が残された場合に、ステップＳ１３においてデータ除外部２３は、残されたデータ点の区間、すなわち、１つの円にのみ含まれるデータ点に対応する抽出データに亘る複数の時系列データをドプラ解析の対象から除外する。
　以上により、ステップＳ８における時系列データの除外動作が終了すると、続くステップＳ４において複数の解析対象データからクラッタ成分が除去される。次に、ステップＳ５およびステップＳ６において血流情報の推定と合成が行われると、実施の形態２における血流情報の取得動作が終了する。
　以上において説明した実施の形態２における超音波診断装置１の血流情報の取得動作によれば、時系列データ列に含まれる散乱体の複数の移動ベクトルを時系列順に連結するようにデータ平面上に配置する。そして、各移動ベクトルの始点および終点に相当するデータ点の区間が、それぞれのデータ点を中心とする円に含まれる時系列に連続したデータの数が多い順に、順次、解析対象データとして選択される。そのため、超音波診断装置１は、被検体の組織が同一の方向に大きく移動した場合であっても、精度の良い血流情報を得ることができる。
　なお、ステップＳ１０において設定される複数の円の半径を、予め一定の値に設定することができると説明したが、散乱体に対して送信される超音波ビームの中心周波数に対する波長が大きいほど大きな値に設定することもできる。ここで、散乱体に送信される超音波ビームの周波数が高いほど、時系列データ列に含まれるスペックルパターンの粒度が細かくなり、それぞれの時系列データの分解能も高くなる。分解能の高い時系列データ列は、分解能の低い時系列データと比較して、散乱体が相対的に移動した際に、時系列データ間の相関性が低くなり易い。ところで、ドプラ解析を行う際には、血流情報の推定精度を向上させるために、一定値以上の相関性を有した複数の解析対象データに対して、区間別に解析を行うことが望ましい。そのため、分解能が低い時系列データに対応するデータ点を中心とする円の半径は、分解能が高い時系列データに対応するデータ点を中心とする円の半径と比較して、小さくすることが望ましい。以上から、散乱体に対して送信される超音波ビームの中心周波数が低いほど、すなわち、この中心周波数に対する波長が大きいほど、ステップＳ１０において設定される複数の円の半径は、大きな値に設定されることができる。また、具体的な円の半径は、ＭＴＩフィルタ部８におけるフィルタの性能に応じて設定されることが望ましい。従来のＭＴＩフィルタでは、散乱体の移動距離が、超音波ビームの中心周波数に対応する波長程度より大きい場合に、クラッタ成分の抑制が十分になされないことが多かった。そのため、例えば、従来のＭＴＩフィルタと同程度の性能を有するＭＴＩフィルタを用いる場合には、円の半径は、超音波ビームの中心周波数に対応する波長の１／２倍～１倍の長さに設定されることが望ましい。
　また、ステップＳ１１において複数のデータ点の区間が解析対象データとして取り出される際に、図１５に示されるように、時系列に連続したデータ点を最も多く含む円が２つ以上存在し、かつ、それらの円が同一のデータ点を共有している場合がある。図１５に示す例において、円Ｃ２は、４つのデータ点Ｑ０～Ｑ３を含み、円Ｃ３は、４つのデータ点Ｑ１～Ｑ４を含んでいる。また、円Ｃ２およびＣ３は、３つのデータ点Ｑ１～Ｑ３を共有している。この場合に、解析対象データ選択部７のデータ除外部２３は、より長く時系列に連続した複数のデータ点の区間が残るように、複数のデータ点の区間を解析対象データとして選択することが望ましい。図１５に示す例において、円Ｃ２に含まれるデータ点Ｑ０～Ｑ３の区間を解析対象データとして選択した場合には、時系列に連続した３つのデータ点Ｑ４～Ｑ６が残されるが、円Ｃ３に含まれるデータ点Ｑ１～Ｑ４の区間を解析対象データとして選択した場合には、残されたデータ点が、データ点Ｑ０のみを含む区間と、２つのデータ点Ｑ５およびＱ６の区間とに分割される。そのため、この場合には、円Ｃ２に含まれるデータ点Ｑ０～Ｑ３の区間を解析対象データとして選択することが望ましい。
　また、ステップＳ１０において複数の円が設定された際に、図１６に示すように、全てのデータ点を含む円Ｃが設定されることがある。この場合には、例えば、時系列データ列に含まれる散乱体は、往復運動をしているとみなすことができる。そのため、時系列の最初のデータ点と最後のデータ点との間における散乱体の正味の移動距離は、ステップＳ１０において設定された円の内部に収まり、時系列データ列の全ての値が解析対象データとして選択される。
　また、実施の形態２においても実施の形態１と同様に、ＭＴＩフィルタ部８は、複数の走査線に亘る範囲のうちそれぞれ対応する点を中心とする定められた範囲において相関行列を算出し、クラッタを主成分とする主成分分析を行うことにより、複数の解析対象データからクラッタ成分を除去することもできる。
　この際に、例えば、解析対象データ選択部７の位置ずれ量推定部は、時系列データ列に含まれる散乱体、すなわち基準となる点の移動ベクトルと、基準となる点以外の各点の相対的な移動距離および移動方向をそれぞれ絶対値および方向とする複数の周辺変位ベクトルとを推定する。そして、ＭＴＩフィルタ部８は、定められた範囲において、基準となる点の移動ベクトルと複数の周辺変位ベクトルとの相関性が高いほど、複数の解析対象データに対して大きな重み付けをして、複数の解析対象データに対する相関行列の平均値を計算する。ＭＴＩフィルタ部８が計算する相関行列の平均値を表す式として、実施の形態１における式（２）を用いることができるが、実施の形態２において、式（２）のｍ＝ｊの点の重み値Ｗｊとして、下記式（３）を用いることができる。
Figure JPOXMLDOC01-appb-M000003
　ここで、式（３）のＶｉは、時系列データ列に含まれる点ｉの移動ベクトルを示し、Ｖｊは、点ｉを中心とする定められた範囲における各点ｊの周辺変位ベクトルを示す。また、Ｖｊ・Ｖｉは移動ベクトルＶｉと周辺変位ベクトルＶｊとの内積を示し、｜Ｖｉ｜および｜Ｖｊ｜は、それぞれ、移動ベクトルＶｉの絶対値および周辺変位ベクトルＶｊの絶対値を示す。このように、ＭＴＩフィルタ部８は、実施の形態２において、それぞれの周辺変位ベクトルの方向が基準となる点の移動ベクトルの方向に近いほど重み値が大きくなるように、相関行列の平均値を計算するため、相関性の低い点の影響を小さくすることができ、主成分分析を行う際に、クラッタの推定精度を向上させることができる。
実施の形態３
　実施の形態１および実施の形態２において取得された時系列データ列は、互いに類似度の低い時系列データを含む場合がある。類似度が低くなる要因として、例えば、被検体の組織が、超音波プローブの振動子アレイの配列面に対して垂直な方向に移動した場合、および、超音波ビームの反射した点において赤血球等の微小な散乱体が流れていることにより超音波エコーのパターンが複雑に変化する場合等が挙げられる。このように、時系列データ列において互いに類似度が低い時系列データが含まれる場合には、解析対象データからクラッタ成分を除去するためのフィルタの特性を、時系列データに応じて適切な特性に変化させることが望ましい。
　実施の形態３の超音波診断装置は、図１に示す実施の形態１の超音波診断装置１の解析対象データ選択部７の代わりに、図１７に示す解析対象データ選択部２４を有することを除いて、実施の形態１の超音波診断装置１と同一の構成を有している。
　解析対象データ選択部２４は、相関係数算出部２５と、データ分割部２６と、位置ずれ量推定部２２と、データ除外部２３とを有している。また、相関係数算出部２５に、データ分割部２６が接続され、データ分割部２６に、データ除外部２３が接続されている。また、データ分割部２６に、位置ずれ量推定部２２が接続されている。
　解析対象データ選択部２４の位置ずれ量推定部２２およびデータ除外部２３は、それぞれ、実施の形態１において図４に示される解析対象データ選択部７の位置ずれ量推定部２２およびデータ除外部２３と同一である。
　相関係数算出部２５は、時系列データ列を構成する複数の時系列データのうち互いに異なる時刻に取得された時系列データにおいて、同一の関心領域内の相関係数を算出する。ここで、相関係数とは、一方の時系列データに対する他方の時系列データの類似度を表す指標であり、相関係数が高いほど２つの時系列データが類似していることを示す。また、相関係数算出部２５は、従来の方法を用いて時系列データ間の相関係数を算出することができる。
　データ分割部２６は、相関係数算出部２５により算出された時系列データ間の相関係数に応じて、時系列データ列を複数のデータ群に分割する。また、後に詳しく説明するが、データ分割部２６は、複数のデータ群に分割した時系列データを、複数の時系列データ間の輝度値の変化量に基づいて、さらに分割することができる。
　図１８に、実施の形態３における血流情報の取得動作のフローチャートを示す。このフローチャートにおけるステップＳ１、ステップＳ３、ステップＳ５およびステップＳ６は、図５に示す実施の形態１におけるステップＳ１、ステップＳ３、ステップＳ５およびステップＳ６と同一であるため、これらのステップの詳細な説明は省略する。
　まず、ステップＳ１において、時系列データ列から複数の抽出データが設定されると、ステップＳ１４へ進む。
　ステップＳ１４において、解析対象データ選択部２４の相関係数算出部２５は、互いに時系列に隣接した複数の抽出データに対して、互いに対応する点を基準とした同一の関心領域内の相関係数を算出する。
　続くステップＳ１５において、解析対象データ選択部２４のデータ分割部２６は、ステップＳ１４において算出された複数の相関係数のうち、定められた閾値以下の相関係数があるか否かを判定する。これは、相関係数の大きさに応じて時系列データ列を分割するためである。ステップＳ１５の判定の際に、閾値以下の相関係数が存在すると判断された場合に、ステップＳ１６に進む。
　ステップＳ１６において、データ分割部２６は、ステップＳ１４において算出された複数の相関係数の値に基づいて、時系列データ列を複数のデータ群に分割する。このステップＳ１６については、図１９のフローチャートを用いて詳細に説明する。図１９に示されるように、ステップＳ１６に示す時系列データ列の分割動作は、ステップＳ１９～ステップＳ２２のステップにより構成される。
　まず、ステップＳ１９において、データ分割部２６は、複数の抽出データ間の相関係数が、定められた閾値を超える時系列データの区間があるか否かを判定する。これは、複数の相関係数が、閾値を超える相関係数と閾値以下である相関係数とを含んでいる場合に、時系列データ列を相関係数の大きさに応じて分割するためである。ステップＳ１９の判定の際に、図２０に示すように、相関係数が閾値を超える時系列データの区間があると判断された場合に、ステップＳ２０に進む。図２０に示す例において、Ｒは相関係数、ｔは時間を示し、ＴＨ２は、相関係数Ｒに対して定められた閾値を示す。ここで、図２０における相関係数Ｒの最大値は、１．０である。また、Ｂ０～Ｂ１８は時系列データ列を構成する時系列データを示し、Ａ０～Ａ６は、抽出データを示す。また、Ｒ０～Ｒ５は、それぞれ、抽出データＡ０～Ａ６のうち互いに時系列に隣接する抽出データから算出された相関係数を示す。図２０において、複数の相関係数Ｒ０～Ｒ５のうち、相関係数Ｒ０～Ｒ２は、閾値ＴＨ２を超えている。
　ステップＳ１９に続くステップＳ２０において、データ分割部２６は、時系列データ列を、相関係数が閾値を超える抽出データに亘る第１のデータ群と、相関係数が閾値以下の抽出データに亘る第２のデータ群とに分割する。図２０に示される例において、相関係数Ｒ０～Ｒ２が閾値ＴＨ２を超えているため、データ分割部２６は、相関係数Ｒ０～Ｒ２の算出に用いられた抽出データＡ０～Ａ３に亘る時系列データＢ０～Ｂ８を第１のデータ群として特定する。また、データ分割部２６は、閾値ＴＨ２以下の相関係数Ｒ３～Ｒ５の算出に用いられた抽出データＡ３～Ａ６に亘る時系列データＢ９～Ｂ１８を、第２のデータ群として特定する。ここで、第１のデータ群と第２のデータ群との境界に位置する時系列データＢ９は、図２０においては、第２のデータ群に割り当てられているが、第１のデータ群に割り当てられることもできる。
　このように、ステップＳ２０において、時系列データ列が第１のデータ群と第２のデータ群とに分割されると、ステップＳ２１に進む。
　また、ステップＳ１９において、図２１に示すように、相関係数が閾値を超える時系列データの区間がない、すなわち、時系列データ列の全ての区間において相関係数が閾値以下であると判断された場合には、ステップＳ２０を経由せずに、ステップＳ２１に進む。
　ステップＳ１９およびステップＳ２０に続くステップＳ２１において、データ分割部２６は、相関係数が閾値以下となる時系列データの区間において、互いに時系列に隣接した抽出データ間の輝度値の変化量を算出する。これは、輝度値の変化量の大きさにより、相関係数が閾値以下となる時系列データを複数のデータ群に分割するためである。
　ここで、時系列データ間の相関係数が閾値以下となる要因として、互いに異なる断層面に対して時系列データが取得されること、または、血管内に対して時系列データが取得されること等が挙げられる。例えば、時系列データが取得される際に、超音波プローブの角度が被検体に対して変化した場合に、また、被検体の組織が断層面に対して垂直な方向に移動した場合に、互いに異なる断層面に対する時系列データが取得される。このように、互いに異なる断層面に対して取得された時系列データ間においては、時系列データが全体として大きく変化するため、輝度値の変化量が大きくなり易い。また、血管内に対して取得された時系列データ間においては、赤血球等の微小な散乱体の移動により、相関係数が低くなるが、時系列データの振幅の空間的な平均値は短時間の間では大きく変化しないため、輝度値の変化量が小さくなり易い。そのため、時系列データ間の輝度値の変化量が大きい時系列データは、互いに異なる断層面に対して取得された時系列データであると判断することができ、また、時系列データ間の輝度値の変化量が小さい時系列データは、血管内に対して取得された時系列データであると判断することができる。したがって、時系列データ間の輝度値の変化量が大きい時系列データと、時系列データ間の輝度値の変化量が小さい時系列データとは、互いにフィルタ特性を異ならせることが望ましい。
　また、データ分割部２６は、種々の算出方法を用いて抽出データ間の輝度値の変化量を算出することができるが、例えば、データ分割部２６は、輝度値の変化量として、互いに時系列に隣接した抽出データに対して、互いに対応した点を中心とする同一の関心領域内の輝度値の差の二乗和を計算することができる。
　続くステップＳ２２において、データ分割部２６は、ステップＳ２１において算出された輝度値の変化量に基づいて、相関係数が閾値以下となる時系列データの区間を分割する。この際に、データ分割部２６は、図２２に示されるように、輝度値の変化量が閾値以下となる時系列データの区間を第３のデータ群として特定し、輝度値の変化量が閾値を超える時系列データの区間を第４のデータ群として特定する。図２２に示す例において、抽出データＡ０～Ａ３を用いて算出された輝度値の変化量が閾値以下であり、抽出データＡ３～Ａ６を用いて算出された輝度値の変化量が閾値を超えている。この場合には、時系列データ列は、第３のデータ群の時系列データＢ０～Ｂ９と、第４のデータ群の時系列データＢ１０～Ｂ１８とに分割される。ここで、第３のデータ群と第４のデータ群との境界に位置する時系列データＢ９は、図２２に示される例においては、第３のデータ群に割り当てられているが、第４のデータ群に割り当てられることもできる。
　このように、相関係数が閾値以下となる時系列データの区間は、第３のデータ群と第４のデータ群とに分割される。さらに、データ分割部２６は、各データ群に分割された、相関係数が閾値以下の時系列データを、分割されたデータ群毎に、ドプラ解析の対象となる解析対象データとして選択する。
　以上により、ステップＳ１６における時系列データ列の分割動作は終了する。
　ステップＳ１６に続くステップＳ１７において、解析対象データ選択部２４の位置ずれ量推定部２２は、相関係数が閾値を超える抽出データに対して、複数の抽出データに含まれる散乱体の相対的な移動距離を推定する。ステップＳ１７における散乱体の移動距離の推定方法は、図５のフローチャートのステップＳ２に示す実施の形態１における散乱体の移動距離の推定方法と同一である。
　続くステップＳ３において、解析対象データ選択部２４のデータ除外部２３は、推定された散乱体の移動距離が閾値を超える抽出データを特定し、それらの抽出データに亘る複数の時系列データを除外し、残された複数の時系列データを解析対象データとして選択する。
　ステップＳ３に続くステップＳ１８において、データ除外部２３は、相関係数が閾値を超える複数の時系列データから散乱体の移動距離に基づいて時系列データが除外された結果、残された解析対象データからクラッタ成分を除去すると共に、ステップＳ１６において分割された、相関係数が閾値以下の複数の解析対象データからクラッタ成分を除去する。相関係数が閾値を超える解析対象データに対するフィルタ処理の方法は、図５のフローチャートのステップＳ４において説明したフィルタ処理の方法と同一である。
　ステップＳ１８における、相関係数が閾値以下の解析対象データに対するフィルタ処理は、第３のデータ群として分割された解析対象データと、第４のデータ群として分割された解析対象データとにおいてフィルタ処理の方法を異ならせることが望ましい。そこで、ＭＴＩフィルタ部８は、相関係数が閾値以下の解析対象データのうち、第３のデータ群として分割された解析対象データに対しては、血管内に対して取得された解析対象データであると判断して、予め設定されているフィルタ特性を、低周波数成分の減衰量が小さくなるように変化させる。また、ＭＴＩフィルタ部８は、相関係数が閾値以下の解析対象データのうち、第４のデータ群として分割された解析対象データに対しては、互いに異なる断層面に対して取得された解析対象データであると判断して、予め設定されているフィルタ特性を、低周波数成分の減衰量が大きくなるように変化させる。
　ステップＳ１８において複数の解析対象データにフィルタ処理が施されることにより、複数の解析対象データからクラッタ成分が除去されると、続くステップＳ５において、複数の分割区間およびデータ群毎に血流情報が推定され、ステップＳ６において複数の血流情報が合成される。
　このようにして、実施の形態３における血流情報の取得動作は終了する。
　以上において説明した実施の形態３における血流情報の取得動作によれば、時系列データ列に含まれる散乱体の相対的な位置ずれ量に基づいて、時系列データ列から複数の時系列データを除外する前に、抽出データ間の相関係数に基づいて時系列データ列を複数のデータ群に分割する。そのため、ドプラ解析の際に、被検体の組織の大きな移動の影響を除外することができ、また、解析対象データに応じて適切なフィルタ処理を施すことができるため、さらに精度の高い血流情報を得ることができる。
　なお、解析対象データ選択部２４の相関係数算出部２５は、ステップＳ２１において、互いに時系列に隣接する抽出データに対して、同一の関心領域の輝度値の変化量を算出する際に、それぞれの抽出データに対して平滑化処理を施すことが望ましい。これは、抽出データに含まれるスペックルパターンの影響を取り除くためであり、このような平滑化処理を抽出パターンに対して施すことにより、算出された輝度値の変化量の精度を向上させることができる。
　また、データ分割部２６は、互いに時系列に隣接する抽出データに対して、同一の関心領域の輝度値の差の二乗和を、輝度値の変化量として算出すると説明したが、その他の算出方法により、輝度値の変化量を算出することもできる。例えば、データ分割部２６は、互いに時系列に隣接する抽出データにおいて、同一の関心領域の輝度値の平均値を比較することにより、輝度値の変化量を算出することもできる。ここで、データ分割部２６は、輝度値の平均値を比較する際に、例えば、互いの抽出データにおける同一の関心領域の輝度値の平均値の差を算出すること、および、それらの輝度値の平均値の比を算出すること等を行うことができる。
　また、図２１に示すように、ステップＳ１４において算出された全ての相関係数が閾値以下である場合に、データ分割部２６は、時系列データ列を構成する全ての時系列データが、血管内に対して取得された時系列データであると判断して、これらの全ての時系列データを第３のデータ群として特定することもできる。
　また、解析対象データ選択部２４のデータ除外部２３は、ステップＳ２２において第４のデータ群として分割された複数の時系列データを解析対象データから除外してもよい。第４のデータ群として分割された複数の時系列データは、相関係数が閾値を超える複数の時系列データに含まれる断層面とは異なる断層面に対して取得された時系列データを含むと判断される。そのため、第４のデータ群として分割された複数の時系列データは、同一の断層面において時系列に連続して取得された、血流情報の推定のために十分なデータ数の時系列データを含まない区間を有する場合がある。この場合に、合成された血流情報に対して、第４のデータ群から推定された血流情報が与える寄与は、きわめて少なくなることがある。したがって、第４のデータ群の時系列データを解析対象データから除外することにより、血流情報を得るための超音波診断装置の計算負荷を軽減することができる。
　また、データ除外部２３は、データ分割部２６により複数のデータ群に分割された複数の時系列データのうち、定められたデータ数よりも少ないデータ数だけ時系列に連続した時系列データを解析対象データから除外することができる。ここで、一定のデータ数よりも少ないデータ数の時系列データに対してドプラ解析を行った場合に、ＭＴＩフィルタ部８におけるフィルタの性能が十分に発揮できず、また、血流情報の推定精度が低下してしまうことがある。このような血流情報の推定精度の低下を防ぐために、例えば、４以上のデータ数の時系列データに対してドプラ解析を行うことが望ましい。すなわち、データ除外部２３は、３以下のデータ数だけ時系列に連続した時系列データを解析対象データから除外することが望ましい。これにより、血流情報を推定する際の精度を向上させることができる。
　また、実施の形態３における血流情報の取得動作は、実施の形態１における血流情報の取得動作に対して、関心領域の相関係数を用いて時系列データ列を分割する処理を適用させた血流情報の取得動作に相当するが、実施の形態３の特徴である関心領域の相関係数を用いて時系列データ列を分割する処理は、実施の形態２における血流情報の取得動作に適用させることもできる。すなわち、本発明の超音波診断装置は、時系列データ列に含まれる散乱体の移動ベクトルに基づいて解析対象データを選択する前に、関心領域の相関係数を用いて時系列データ列を分割する処理を行うこともできる。
　また、実施の形態３においても実施の形態１および実施の形態２と同様に、ＭＴＩフィルタ部８は、複数の走査線に亘る範囲のうちそれぞれ対応する点を中心とする定められた範囲において相関行列を算出し、クラッタを主成分とする主成分分析を行うことにより、複数の解析対象データからクラッタ成分を除去することもできる。
　この際に、ＭＴＩフィルタ部８は、例えば、関心領域の相関係数が閾値を超える解析対象データに対しては、実施の形態１において説明した方法を用いて相関行列の平均値を算出することができるが、関心領域の相関係数が閾値以下の解析対象データに対しては、相関係数の低い点の重みを小さくするように重み付けをして相関行列の平均値を算出することができる。すなわち、関心領域の相関係数が閾値以下の解析対象データに対して、相関係数の平均値は、実施の形態１における式（１）を用いて算出することができるが、ｍ＝ｉの点の相関係数を重み値Ｗｉとすることができる。このように重み値を設定することにより、主成分分析を行う際に、相関性の低い点の影響を小さくして、クラッタの推定精度を向上させることができる。
１　超音波診断装置、２　超音波プローブ、２Ａ　振動子アレイ、３　データ取得部、４　受信部、５　送信部、６　画像生成部、７，２４　解析対象データ選択部、８　ＭＴＩフィルタ部、９　血流情報推定部、１０　血流情報合成部、１１　表示制御部、１２　表示部、１３　装置制御部、１４　操作部、１５　格納部、１６　増幅部、１７　Ａ／Ｄ変換部、１８　受信ビームフォーマ、１９　直交検波回路、２０　Ｂモード処理部、２１　画像処理部、２２　位置ずれ量推定部、２３　データ除外部、２５　相関係数算出部、２６　データ分割部、Ａ０～Ａ６　抽出データ、Ｂ０～Ｂ１８　時系列データ、Ｃ，Ｃ２，Ｃ３，Ｃ５，Ｃ６　円、Ｄ　探索領域、ＤＰ　データ平面、Ｌ，Ｌ０～Ｌ５　移動距離、Ｏ１，Ｏ２　関心領域、Ｐ１，Ｐ２　注目点、Ｑ０～Ｑ６　データ点、Ｒ，Ｒ０～Ｒ５　相関係数、Ｓ　散乱体、ＴＨ１，ＴＨ２　閾値、Ｖ，Ｖ０～Ｖ５　移動ベクトル、ＷＦ１，ＷＦ２，ＷＦ３　フィルタ波形、ｆ　周波数、Ｆ（ｆ）　減衰量、ｔ　時間。

Claims (19)

  1. 　被検体に対して超音波ビームの送信を複数の走査線に亘る範囲において複数回繰り返し行って、前記被検体からの反射波の時系列データ列を取得するデータ取得部と、
    　前記時系列データ列に含まれる、前記被検体における散乱体の相対的な位置ずれ量を推定する位置ずれ量推定部と、
    　前記位置ずれ量推定部により推定された前記散乱体の前記位置ずれ量に基づく除外条件を満たす時系列データを前記時系列データ列から除外することにより解析対象データを選択するデータ除外部と、
    　前記データ除外部により選択された前記解析対象データからクラッタ成分を除去するＭＴＩフィルタ部と、
    　前記ＭＴＩフィルタ部において前記クラッタ成分が除去された前記解析対象データを解析することにより、前記被検体における血流情報を推定する血流情報推定部と、を有することを特徴とする超音波診断装置。
  2. 　前記位置ずれ推定部は、前記時系列データ列に基づいて前記散乱体の相対的な移動距離を推定し、
    　前記データ除外部は、前記位置ずれ量推定部により推定された前記散乱体の前記移動距離が定められた閾値を超える複数の時系列データを前記時系列データ列から除外する請求項１に記載の超音波診断装置。
  3. 　前記位置ずれ量推定部は、前記時系列データ列のうち定められたデータ数を隔てて抽出された複数の抽出データを設定し、前記複数の抽出データに対して前記散乱体の相対的な移動距離を推定し、
    　前記データ除外部は、前記位置ずれ量推定部により推定された前記散乱体の前記移動距離が定められた閾値を超える前記複数の抽出データに亘る複数の時系列データを前記時系列データ列から除外する請求項１に記載の超音波診断装置。
  4. 　前記ＭＴＩフィルタ部は、前記位置ずれ量推定部により前記散乱体の前記移動距離が推定された前記解析対象データに対して、前記散乱体の前記移動距離が大きいほど低周波成分を大きく減衰させるようにフィルタの特性を変化させる請求項２または３に記載の超音波診断装置。
  5. 　前記ＭＴＩフィルタ部は、前記複数の走査線に亘る範囲のうち定められた範囲において前記解析対象データの相関行列の平均値を計算し、前記相関行列の平均値を用いてクラッタを主成分とする主成分分析を行うことにより、前記解析対象データから前記クラッタ成分を除去する請求項２または３に記載の超音波診断装置。
  6. 　前記位置ずれ量推定部は、前記時系列データに含まれる前記散乱体の相対的な移動距離および移動方向をそれぞれ絶対値および方向とする移動ベクトルを推定し、
    　前記データ除外部は、前記時系列データ列から推定された複数の前記移動ベクトルの始点と終点とを時系列順となるように逐次連結して前記時系列データ列に含まれる複数の時系列データに対応するデータ点をデータ平面上に配置し、複数の前記データ点をそれぞれ中心とする同一半径の複数の円のうちいずれか１つの円に含まれる、時系列に連続した複数の前記データ点の区間を、前記データ点の個数が多い順に、順次、前記解析対象データとして取り出した結果、１つの円にのみ含まれる前記データ点に対応する時系列データを除外する請求項１に記載の超音波診断装置。
  7. 　前記位置ずれ量推定部は、前記時系列データ列のうち定められたデータ数を隔てて抽出された複数の抽出データを設定し、前記複数の抽出データに対して前記散乱体の相対的な移動距離および移動方向をそれぞれ絶対値および方向とする移動ベクトルを推定し、
    　前記データ除外部は、複数の前記抽出データから推定された複数の前記移動ベクトルの始点と終点とを時系列順となるように逐次連結して前記抽出データに対応するデータ点をデータ平面上に配置し、複数の前記データ点をそれぞれ中心とする同一半径の複数の円のうちいずれか１つの円に含まれる、時系列に連続した複数の前記データ点の区間を、前記データ点の個数が多い順に、順次、前記解析対象データとして取り出した結果、１つの円にのみ含まれる前記データ点に対応する時系列データを除外する請求項１に記載の超音波診断装置。
  8. 　前記ＭＴＩフィルタ部は、それぞれ取り出された複数の前記データ点の区間に対応する複数の前記解析対象データに対して、前記区間内に含まれる前記移動ベクトルの長さの合計が大きいほど低周波数成分を大きく減衰させるようにフィルタの特性を変化させる請求項６または７に記載の超音波診断装置。
  9. 前記位置ずれ量推定部は、前記時系列データ列に含まれる、前記複数の走査線に亘る範囲における各点の相対的な移動距離および移動方向をそれぞれ絶対値および方向とする複数の周辺変位ベクトルを推定し、
    　前記ＭＴＩフィルタ部は、前記移動ベクトルとそれぞれの前記周辺変位ベクトルとの相関性が高いほど複数の前記解析対象データに対して大きな重み付けをして、前記複数の走査線に亘る範囲のうち定められた範囲において複数の前記解析対象データに対する相関行列の平均値を計算し、前記相関行列の平均値を用いてクラッタを主成分とする主成分分析を行うことにより、残された前記解析対象データから前記クラッタ成分を除去する請求項６または７に記載の超音波診断装置。
  10. 　前記時系列データ列において同一の関心領域内の相関係数を算出する相関係数算出部と
    　前記時系列データ列を、前記相関係数算出部により算出された前記相関係数が定められた値を超える時系列データに亘る第１のデータ群と、前記相関係数が定められた値以下の時系列データに亘る第２のデータ群とに分割するデータ分割部とをさらに有する請求項１～９のいずれか一項に記載の超音波診断装置。
  11. 　前記ＭＴＩフィルタ部は、前記第１のデータ群の時系列データに対するフィルタの特性と、前記第２のデータ群の時系列データに対するフィルタの特性とを異ならせる請求項１０に記載の超音波診断装置。
  12. 　前記データ分割部は、前記第２のデータ群において互いに隣接する時系列データに含まれる、同一の関心領域内の輝度値の変化量を計算し、且つ、前記第２のデータ群の時系列データを前記輝度値の変化量が定められた値を超える第３のデータ群と前記輝度値の変化量が定められた値以下の第４のデータ群とに分割する請求項１０または１１に記載の超音波診断装置。
  13. 　前記ＭＴＩフィルタ部は、前記第３のデータ群の時系列データに対するフィルタの特性と、前記第４のデータ群の時系列データに対するフィルタの特性とを異ならせる請求項１２に記載の超音波診断装置。
  14. 　前記データ除外部は、前記第４のデータ群の時系列データを除外する請求項１２に記載の超音波診断装置。
  15. 　前記ＭＴＩフィルタ部は、前記複数の走査線に亘る範囲において複数の点に対して算出された前記相関係数が高いほど前記解析対象データに対して大きな重み付けをして、前記複数の走査線に亘る範囲のうち定められた範囲において相関行列の平均値を計算し、前記相関行列の平均値を用いてクラッタを主成分とする主成分分析を行うことにより、前記解析対象データから前記クラッタ成分を除去する請求項１０に記載の超音波診断装置。
  16. 　前記データ除外部は、前記データ分割部により分割された時系列データのうち、定められたデータ数よりも少ないデータ数だけ時系列に連続した時系列データを除外する請求項１０～１５のいずれか一項に記載の超音波診断装置。
  17. 　前記データ除外部は、前記時系列データの除外の結果として残された複数の時系列データのうち、定められたデータ数よりも少ないデータ数だけ時系列に連続した時系列データを除外する請求項１～１６のいずれか一項に記載の超音波診断装置。
  18. 　前記ＭＴＩフィルタ部は、前記時系列データ列から分割された複数の前記解析対象データを含む分割区間のそれぞれに対して前記解析対象データから前記クラッタ成分を除去し、
    　前記血流情報推定部は、それぞれの前記分割区間において前記ＭＴＩフィルタ部により前記クラッタ成分が除去された複数の前記解析対象データから前記血流情報を推定し、
    　前記血流情報推定部により推定された複数の前記分割区間における前記血流情報を合成する血流情報合成部をさらに有する請求項１～１７のいずれか一項に記載の超音波診断装置。
  19. 　被検体に対して超音波ビームの送信を複数の走査線に亘る範囲において複数回繰り返し行って、前記被検体からの反射波の時系列データ列を取得し、
    　前記時系列データ列に含まれる前記被検体における散乱体の相対的な位置ずれ量を推定し、
    　推定された前記位置ずれ量に基づく除外条件を満たす時系列データを前記時系列データ列から除外して解析対象データを選択し、
    　選択された前記解析対象データからクラッタ成分を除去し、
    　前記クラッタ成分が除去された前記解析対象データを解析することにより、前記被検体における血流情報を推定することを特徴とする超音波診断装置の制御方法。
PCT/JP2018/012035 2017-03-30 2018-03-26 超音波診断装置および超音波診断装置の制御方法 WO2018181127A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2019509770A JP6716020B2 (ja) 2017-03-30 2018-03-26 超音波診断装置および超音波診断装置の制御方法
EP18776937.7A EP3603526B1 (en) 2017-03-30 2018-03-26 Ultrasonic diagnostic device and method for controlling ultrasonic diagnostic device
US16/586,426 US11576646B2 (en) 2017-03-30 2019-09-27 Ultrasound diagnostic apparatus and method for controlling ultrasound diagnostic apparatus

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017067548 2017-03-30
JP2017-067548 2017-03-30

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US16/586,426 Continuation US11576646B2 (en) 2017-03-30 2019-09-27 Ultrasound diagnostic apparatus and method for controlling ultrasound diagnostic apparatus

Publications (1)

Publication Number Publication Date
WO2018181127A1 true WO2018181127A1 (ja) 2018-10-04

Family

ID=63675731

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/012035 WO2018181127A1 (ja) 2017-03-30 2018-03-26 超音波診断装置および超音波診断装置の制御方法

Country Status (4)

Country Link
US (1) US11576646B2 (ja)
EP (1) EP3603526B1 (ja)
JP (1) JP6716020B2 (ja)
WO (1) WO2018181127A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109152564A (zh) * 2015-12-31 2019-01-04 皇家飞利浦有限公司 自动血池识别系统及其操作方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6359938A (ja) * 1986-08-29 1988-03-15 横河メディカルシステム株式会社 超音波診断装置
EP0524774A2 (en) * 1991-07-25 1993-01-27 Matsushita Electric Industrial Co., Ltd. Ultrasonic doppler imaging apparatus
JPH05192336A (ja) * 1992-01-23 1993-08-03 Toshiba Corp 超音波診断装置
JPH07328001A (ja) * 1994-06-07 1995-12-19 Ge Yokogawa Medical Syst Ltd 超音波血流画像生成方法および超音波診断装置
JPH09220228A (ja) * 1996-02-19 1997-08-26 Ge Yokogawa Medical Syst Ltd 血流情報画像表示方法および超音波診断装置
JP2004073672A (ja) 2002-08-21 2004-03-11 Aloka Co Ltd 超音波診断装置
JP2014158698A (ja) 2013-01-22 2014-09-04 Toshiba Corp 超音波診断装置、画像処理装置及び画像処理方法
JP2018033670A (ja) * 2016-08-31 2018-03-08 ゼネラル・エレクトリック・カンパニイ 超音波診断装置及びその制御プログラム

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4334032B2 (ja) * 1998-02-23 2009-09-16 株式会社東芝 超音波診断装置
JP6150985B2 (ja) * 2012-04-12 2017-06-21 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プログラム

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6359938A (ja) * 1986-08-29 1988-03-15 横河メディカルシステム株式会社 超音波診断装置
EP0524774A2 (en) * 1991-07-25 1993-01-27 Matsushita Electric Industrial Co., Ltd. Ultrasonic doppler imaging apparatus
JPH05192336A (ja) * 1992-01-23 1993-08-03 Toshiba Corp 超音波診断装置
JPH07328001A (ja) * 1994-06-07 1995-12-19 Ge Yokogawa Medical Syst Ltd 超音波血流画像生成方法および超音波診断装置
JPH09220228A (ja) * 1996-02-19 1997-08-26 Ge Yokogawa Medical Syst Ltd 血流情報画像表示方法および超音波診断装置
JP2004073672A (ja) 2002-08-21 2004-03-11 Aloka Co Ltd 超音波診断装置
JP2014158698A (ja) 2013-01-22 2014-09-04 Toshiba Corp 超音波診断装置、画像処理装置及び画像処理方法
JP2018033670A (ja) * 2016-08-31 2018-03-08 ゼネラル・エレクトリック・カンパニイ 超音波診断装置及びその制御プログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3603526A4

Also Published As

Publication number Publication date
JP6716020B2 (ja) 2020-07-01
EP3603526A4 (en) 2020-04-15
US11576646B2 (en) 2023-02-14
US20200022671A1 (en) 2020-01-23
EP3603526A1 (en) 2020-02-05
JPWO2018181127A1 (ja) 2020-01-23
EP3603526B1 (en) 2021-06-16

Similar Documents

Publication Publication Date Title
US20200297320A1 (en) Determining material stiffness using multiple aperture ultrasound
Jensen Medical ultrasound imaging
JP5230106B2 (ja) 超音波診断装置、ｉｍｔ計測方法及びｉｍｔ計測プログラム
JP6063553B2 (ja) 超音波イメージング方法及び超音波イメージング装置
US10048373B2 (en) Object information acquisition apparatus object information acquisition method and non-transitory computer-readable medium
US10893848B2 (en) Ultrasound diagnosis apparatus and image processing apparatus
JP6063552B2 (ja) 超音波イメージング方法及び超音波イメージング装置
US20220361848A1 (en) Method and system for generating a synthetic elastrography image
JP4575737B2 (ja) 超音波撮像装置
WO2020110500A1 (ja) 超音波診断装置および超音波診断装置の制御方法
JP4590256B2 (ja) 超音波撮像装置、超音波画像処理方法、及び、超音波画像処理プログラム
CN111789632B (zh) 超声波诊断装置、信号处理装置以及存储介质
US20230346334A1 (en) Ultrasound diagnostic apparatus and control method of ultrasound diagnostic apparatus
JP6716020B2 (ja) 超音波診断装置および超音波診断装置の制御方法
WO2018142954A1 (ja) 超音波診断装置、超音波診断装置の制御方法及び超音波診断装置の制御プログラム
JP2006523485A (ja) 心臓壁ひずみ画像法
JP7282492B2 (ja) 超音波診断装置、医用画像処理装置及び医用画像処理プログラム
JP2005245479A (ja) 超音波診断装置
WO2018142950A1 (ja) 超音波診断装置、超音波診断装置の制御方法及び超音波診断装置の制御プログラム
JP6041954B2 (ja) 超音波画像生成方法
US20210228177A1 (en) Ultrasonic diagnostic apparatus, learning apparatus, and image processing method
CN104363837A (zh) 超声波图像诊断装置
US20220022849A1 (en) Ultrasound diagnostic apparatus, control method of ultrasound diagnostic apparatus, and processor for ultrasound diagnostic apparatus
JP2023104734A (ja) 超音波診断装置、及び画像処理装置
Moshavegh Automatic Ultrasound Scanning

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: 18776937

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2019509770

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2018776937

Country of ref document: EP

Effective date: 20191030