ホーム > 特許ランキング > 富士フイルム株式会社
知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2025016213
(43)【公開日】2025-01-31
(54)【発明の名称】超音波画像処理装置
(51)【国際特許分類】
A61B 8/06 20060101AFI20250124BHJP
【ＦＩ】
A61B8/06
【審査請求】未請求
【請求項の数】6
【出願形態】ＯＬ
(21)【出願番号】P 2023119345
(22)【出願日】2023-07-21
(71)【出願人】
【識別番号】306037311
【氏名又は名称】富士フイルム株式会社
(74)【代理人】
【識別番号】110001210
【氏名又は名称】弁理士法人ＹＫＩ国際特許事務所
(72)【発明者】
【氏名】安田 惇
(72)【発明者】
【氏名】田中 智彦
(72)【発明者】
【氏名】山田 哲也
【テーマコード（参考）】
4C601
【Ｆターム（参考）】
4C601DE04
4C601DE05
4C601EE04
4C601JB34
4C601KK02
4C601KK05
4C601KK31
4C601KK47
(57)【要約】
【課題】ドプラ信号のパワー又はドプラ信号が示す速度と、ドプラ画像における画素値と、の関係を示す適正なガンマカーブを自動設定可能とする。
【解決手段】ドプラ信号処理部３０は、ドプラ信号のパワー分布を表す対象パワー分布情報を取得する。質感パラメータ特定部３２は、対象パワー分布情報を学習モデル３４に入力する。学習済みの学習モデル３４は、対象パワー分布情報に適した質感パラメータを出力する。質感パラメータは、ガンマカーブの特徴を示すパラメータである。適正ガンマカーブ決定部４０は、対象パワー分布情報に適した質感パラメータに基づいて、対象パワー分布情報に適したて適正ガンマカーブを決定する。画像形成部１８は、対象パワー分布情報及び適正ガンマカーブに基づいて、パワードプラ画像を形成する。
【選択図】図１
【解決手段】ドプラ信号処理部３０は、ドプラ信号のパワー分布を表す対象パワー分布情報を取得する。質感パラメータ特定部３２は、対象パワー分布情報を学習モデル３４に入力する。学習済みの学習モデル３４は、対象パワー分布情報に適した質感パラメータを出力する。質感パラメータは、ガンマカーブの特徴を示すパラメータである。適正ガンマカーブ決定部４０は、対象パワー分布情報に適した質感パラメータに基づいて、対象パワー分布情報に適したて適正ガンマカーブを決定する。画像形成部１８は、対象パワー分布情報及び適正ガンマカーブに基づいて、パワードプラ画像を形成する。
【選択図】図１
【特許請求の範囲】
【請求項1】
被検体に対して超音波を送受信することで得られたドプラ信号のパワー分布を表すパワー分布情報と、前記ドプラ信号のパワーとドプラ画像における画素値との関係を示す、当該パワー分布情報に適したガンマカーブを表す質感パラメータと、の組み合わせを学習データとして用いて、パワー分布情報が入力された際に、当該パワー分布情報に適した前記質感パラメータを予測して出力するように学習された学習モデルに対して、処理対象である対象パワー分布情報を入力することで、前記対象パワー分布情報に適した前記質感パラメータを特定する質感パラメータ特定部と、
特定された前記質感パラメータに基づいて、前記対象パワー分布情報に適した前記ガンマカーブである適正ガンマカーブを決定する適正ガンマカーブ決定部と、
前記対象パワー分布情報、及び、前記適正ガンマカーブに基づいて、ドプラ信号のパワーが示されたドプラ画像を形成するドプラ画像形成部と、
を備えることを特徴とする超音波画像処理装置。
特定された前記質感パラメータに基づいて、前記対象パワー分布情報に適した前記ガンマカーブである適正ガンマカーブを決定する適正ガンマカーブ決定部と、
前記対象パワー分布情報、及び、前記適正ガンマカーブに基づいて、ドプラ信号のパワーが示されたドプラ画像を形成するドプラ画像形成部と、
を備えることを特徴とする超音波画像処理装置。
【請求項2】
前記パワー分布情報と、ユーザが設定した前記ガンマカーブを表す前記質感パラメータとの組み合わせを学習データとして用いて、パワー分布情報が入力された際に、前記ユーザに適した前記質感パラメータを予測して出力するように前記学習モデルを学習させる学習処理部と、
をさらに備え、
前記質感パラメータ特定部は、前記学習モデルに対して、前記対象パワー分布情報を入力することで、前記ユーザに適した前記質感パラメータを特定し、
前記適正ガンマカーブ決定部は、特定された前記質感パラメータに基づいて、前記ユーザに適した前記適正ガンマカーブを決定する、
ことを特徴とする請求項１に記載の超音波画像処理装置。
をさらに備え、
前記質感パラメータ特定部は、前記学習モデルに対して、前記対象パワー分布情報を入力することで、前記ユーザに適した前記質感パラメータを特定し、
前記適正ガンマカーブ決定部は、特定された前記質感パラメータに基づいて、前記ユーザに適した前記適正ガンマカーブを決定する、
ことを特徴とする請求項１に記載の超音波画像処理装置。
【請求項3】
前記学習処理部は、メモリに予め記憶されている、前記パワー分布情報と前記質感パラメータとの複数の組み合わせを前記ユーザに提示し、前記ユーザに選択された、前記パワー分布情報と、前記質感パラメータとの組み合わせを学習データとして用いて、前記学習モデルを学習する、
ことを特徴とする請求項２に記載の超音波画像処理装置。
ことを特徴とする請求項２に記載の超音波画像処理装置。
【請求項4】
前記適正ガンマカーブ決定部は、メモリに予め記憶されている複数種類の前記ガンマカーブの中から、前記質感パラメータ特定部により特定された前記質感パラメータに基づいて演算された前記ガンマカーブに基づいて前記適正ガンマカーブを選択する、
ことを特徴とする請求項１に記載の超音波画像処理装置。
ことを特徴とする請求項１に記載の超音波画像処理装置。
【請求項5】
前記適正ガンマカーブ決定部は、決定した前記適正ガンマカーブをユーザに通知する、
する、
ことを特徴とする請求項１に記載の超音波画像処理装置。
する、
ことを特徴とする請求項１に記載の超音波画像処理装置。
【請求項6】
被検体に対して超音波を送受信することで得られたドプラ信号が示す速度分布を表す速度分布情報と、前記ドプラ信号が示す速度とドプラ画像における画素値との関係を示すガンマカーブを表す質感パラメータと、の組み合わせを学習データとして用いて、速度分布情報が入力された際に、当該速度分布情報に適した前記質感パラメータを予測して出力するように学習された学習モデルに対して、処理対象である対象速度分布情報を入力することで、前記対象速度分布情報に適した前記質感パラメータを特定する質感パラメータ特定部と、
特定された前記質感パラメータに基づいて、前記対象速度分布情報に適した前記ガンマカーブである適正ガンマカーブを決定する適正ガンマカーブ決定部と、
前記対象速度分布情報、及び、前記適正ガンマカーブに基づいて、被検体の血流又は組織の速度が示されたドプラ画像を形成するドプラ画像形成部と、
を備えることを特徴とする超音波画像処理装置。
特定された前記質感パラメータに基づいて、前記対象速度分布情報に適した前記ガンマカーブである適正ガンマカーブを決定する適正ガンマカーブ決定部と、
前記対象速度分布情報、及び、前記適正ガンマカーブに基づいて、被検体の血流又は組織の速度が示されたドプラ画像を形成するドプラ画像形成部と、
を備えることを特徴とする超音波画像処理装置。
【発明の詳細な説明】
【技術分野】
【0001】
本明細書は、超音波画像処理装置の改良を開示する。
【背景技術】
【0002】
従来、被検体に向けて超音波が送受波され、それにより得られた受信信号に基づいて超音波断層画像を形成し、形成された超音波断層画像（すなわちＢモード画像）をディスプレイに表示する超音波診断装置が知られている。そのような超音波診断装置においては、被検体からの受信波におけるドプラ効果を利用して受信信号からドプラ信号を形成し、ドプラ信号に基づいてドプラ画像を形成することが行われている。ドプラ画像としては、被検体内の血流の速度及び向きが色で示されたカラードプラ画像、及び、ドプラ信号のパワーが輝度又は色で表現されたパワードプラ画像がある。ドプラ画像は、超音波断層画像に重畳して表示されるのが一般的である。
【0003】
ここで、ドプラ信号には、血流を表す血流信号の他、被検体組織（例えば心臓壁など）の動きを表す信号成分が含まれ得る。このような信号成分は、クラッタ信号と呼ばれる。一般的に、クラッタ信号は、ドプラ画像において、血流信号の視認性を低下させるノイズ成分となる。したがって、従来、クラッタ信号を抑制する技術が提案されている。
【0004】
例えば、特許文献１には、クラッタ信号と血流信号との物理的な違いを表すパラメータ（例えばＩＱ信号のパケット方向の振幅など）である特徴量に基づいて、超音波の受信信号においてクラッタ信号と血流信号を判別し、判別結果に基づいてクラッタ信号を抑制する抑制マップを生成し、抑制マップを受信信号に適用することで、クラッタ信号を抑制する超音波撮像装置が開示されている。
【先行技術文献】
【特許文献】
【0005】
【特許文献1】特開２０２３－００３８５２号広報
【発明の概要】
【発明が解決しようとする課題】
【0006】
上述の通り、ドプラ画像には、ドプラ信号のパワーを色又は輝度で表現する画像（パワードプラ画像）、又は、ドプラ信号が示す被検体の血流や組織の速度を色で表現する画像（カラードプラ画像）が含まれる。したがって、ドプラ画像を形成する際には、ドプラ信号のパワー又はドプラ信号が示す速度と、ドプラ画像における画素値との関係を示すガンマカーブを用いて、ドプラ信号のパワー又はドプラ信号が示す速度が画素値に変換される。
【0007】
図８は、ガンマカーブの第１の例を示す図である。図８において、横軸はドプラ信号のパワー値、縦軸は頻度又は画素値を表す。一点鎖線のグラフは、ドプラ信号に含まれるクラッタ信号のパワー値及び頻度を示し、細実線のグラフは、ドプラ信号に含まれる血流信号のパワー値及び頻度を示す。一般的に、クラッタ信号のパワー値は小さく、血流信号のパワー値は大きいため、クラッタ信号と血流信号は図８のように分布する。
【0008】
図８における太実線のグラフが、パワー値と画素値との関係を示すガンマカーブである。図８に示されるようなガンマカーブによれば、クラッタ抑制カットオフよりも小さいパワー値は、そのパワー値に関わらず、最小画素値ＰＶｍｉｎに変換され、血流信号カットオフよりも大きいパワー値は、そのパワー値に関わらず、最大画素値ＰＶｍａｘに変換される。すなわち、クラッタ抑制カットオフよりも小さいパワー領域におけるパワー値の違いは画素値では表現されず、血流信号カットオフよりも大きいパワー領域におけるパワー値の違いも画素値では表現されない。
【0009】
一方、図８のガンマカーブによれば、クラッタ抑制カットオフと血流信号カットオフとの間であるダイナミックレンジに含まれるパワー値は、そのパワー値に応じた画素値に変換される。すなわち、クラッタ抑制カットオフと血流信号カットオフとの間のパワー値は、パワー値の違いが画素値で表現される。このことを、パワー値が階調表現される、ということもある。なお、図８の例では、ダイナミックレンジ内のガンマカーブは、点Ａ（パワー値，画素値）＝（クラッタ抑制カットオフ，ＰＶｍｉｎ）と、点Ｂ（パワー値，画素値）＝（血流信号カットオフ，ＰＶｍａｘ）とを結ぶ直線となっているが、点Ａと点Ｂを結ぶ曲線であってもよい。
【0010】
ガンマカーブは、ユーザによって設定可能となっている。特に、クラッタ抑制カットオフ及び信号抑制カットオフは、ユーザによって設定可能となっている。ここで、ドプラ信号（より詳しくは、クラッタ信号及び血流信号のパワー分布）に応じて、適切なガンマカーブを設定しないと、適切なドプラ画像（この場合はパワードプラ画像）を得ることができない、という問題がある。
【0011】
例えば、図８に示すように、血流信号の大部分が血流信号カットオフよりも大きくなるようにガンマカーブを設定してしまうと、血流信号の大部分が全て最大画素値ＰＶｍａｘで表現されてしまい、パワードプラ画像において血流信号のパワー値をうまく階調表現することができなくなってしまう。また、図９に示すように、ダイナミックレンジ内にクラッタ信号が多く含まれるようにクラッタ抑制カットオフを設定してしまうと、パワードプラ画像においてクラッタ信号が顕著に現れ、血流信号の視認性が低下してしまう。
【0012】
なお、図８及び図９では、横軸がパワー値であり、ドプラ画像としてパワードプラ画像を形成する場合のガンマカーブが示されていたが、図８及び図９において、横軸がドプラ信号が示す速度（換言すればドプラ周波数）であり、ドプラ画像としてカラードプラ画像を形成する場合であっても、上記と同様の問題が生じ得る。
【0013】
本明細書で開示される超音波画像処理装置の目的は、ドプラ信号のパワー又はドプラ信号が示す速度と、ドプラ画像における画素値と、の関係を示す適正なガンマカーブを自動設定可能とすることにある。
【課題を解決するための手段】
【0014】
本明細書で開示される超音波画像処理装置は、被検体に対して超音波を送受信することで得られたドプラ信号のパワー分布を表すパワー分布情報と、前記ドプラ信号のパワーとドプラ画像における画素値との関係を示す、当該パワー分布情報に適したガンマカーブを表す質感パラメータと、の組み合わせを学習データとして用いて、パワー分布情報が入力された際に、当該パワー分布情報に適した前記質感パラメータを予測して出力するように学習された学習モデルに対して、処理対象である対象パワー分布情報を入力することで、前記対象パワー分布情報に適した前記質感パラメータを特定する質感パラメータ特定部と、特定された前記質感パラメータに基づいて、前記対象パワー分布情報に適した前記ガンマカーブである適正ガンマカーブを決定する適正ガンマカーブ決定部と、前記対象パワー分布情報、及び、前記適正ガンマカーブに基づいて、ドプラ信号のパワーが示されたドプラ画像を形成するドプラ画像形成部と、を備えることを特徴とする。
【0015】
前記パワー分布情報と、ユーザが設定した前記ガンマカーブを表す前記質感パラメータとの組み合わせを学習データとして用いて、パワー分布情報が入力された際に、前記ユーザに適した前記質感パラメータを予測して出力するように前記学習モデルを学習させる学習処理部と、をさらに備え、前記質感パラメータ特定部は、前記学習モデルに対して、前記対象パワー分布情報を入力することで、前記ユーザに適した前記質感パラメータを特定し、前記適正ガンマカーブ決定部は、特定された前記質感パラメータに基づいて、前記ユーザに適した前記適正ガンマカーブを決定するとよい。
【0016】
前記学習処理部は、メモリに予め記憶されている、前記パワー分布情報と前記質感パラメータとの複数の組み合わせを前記ユーザに提示し、前記ユーザに選択された、前記パワー分布情報と、前記質感パラメータとの組み合わせを学習データとして用いて、前記学習モデルを学習するとよい。
【0017】
前記適正ガンマカーブ決定部は、メモリに予め記憶されている複数種類の前記ガンマカーブの中から、前記質感パラメータ特定部により特定された前記質感パラメータに基づいて演算された前記ガンマカーブに基づいて前記適正ガンマカーブを選択するとよい。
【0018】
前記適正ガンマカーブ決定部は、決定した前記適正ガンマカーブをユーザに通知するとよい。
【0019】
また、本明細書で開示される超音波画像処理装置は、被検体に対して超音波を送受信することで得られたドプラ信号が示す速度分布を表す速度分布情報と、前記ドプラ信号が示す速度とドプラ画像における画素値との関係を示すガンマカーブを表す質感パラメータと、の組み合わせを学習データとして用いて、速度分布情報が入力された際に、当該速度分布情報に適した前記質感パラメータを予測して出力するように学習された学習モデルに対して、処理対象である対象速度分布情報を入力することで、前記対象速度分布情報に適した前記質感パラメータを特定する質感パラメータ特定部と、特定された前記質感パラメータに基づいて、前記対象速度分布情報に適した前記ガンマカーブである適正ガンマカーブを決定する適正ガンマカーブ決定部と、前記対象速度分布情報、及び、前記適正ガンマカーブに基づいて、被検体の血流又は組織の速度が示されたドプラ画像を形成するドプラ画像形成部と、を備えることを特徴とする。
【発明の効果】
【0020】
本明細書で開示される超音波画像処理装置によれば、ドプラ信号のパワー又はドプラ信号が示す速度と、ドプラ画像における画素値と、の関係を示す適正なガンマカーブを自動設定することができる。
【図面の簡単な説明】
【0021】
【図1】本実施形態に係る超音波診断装置の構成概略図である。
【図2】パワー分布情報及びガンマカーブを示す図である。
【図3】学習モデルの学習処理を示す概念図である。
【図4】学習モデルの学習処理の流れを示すフローチャートである。
【図5】学習データの選択画面の例を示す図である。
【図6】学習モデルの処理を示す概念図である。
【図7】適正ガンマカーブの決定方法の流れを示すフローチャートである。
【図8】ガンマカーブの例を示す第２の図である。
【図9】ガンマカーブの例を示す第３の図である。
【発明を実施するための形態】
【0022】
図１は、本実施形態に係る超音波画像処理装置としての超音波診断装置１０の構成概略図である。超音波診断装置１０は、病院などの医療機関に設置され、超音波検査時に使用される医用装置である。
【0023】
超音波診断装置１０は、被検体に対して超音波ビームを走査し、それにより得られた受信信号に基づいて超音波画像を生成する装置である。特に、超音波診断装置１０は、受信信号に基づいて、走査面からの反射波の振幅強度が輝度に変換された超音波断層画像（Ｂモード画像）、及び、送信波と受信波の周波数の差分（ドプラシフト）に基づいて形成されるドプラ画像を形成することもできる。なお、本明細書において、ドプラ画像とは、被検体の血流や組織の運動速度が色で示されたカラードプラ画像、及び、ドプラ信号の強度が色又は輝度で表されたパワードプラ画像を含む概念である。
【0024】
超音波プローブ１２は、被検体に対して超音波の送受波を行う装置である。超音波プローブ１２は、被検体に対して超音波の送受波を行う複数の振動素子からなる振動素子アレイを有する。
【0025】
送受信部１４は、制御部２８（後述）からの制御によって、超音波プローブ１２（詳しくは振動素子アレイの各振動素子）に対して送信信号を送信する。これにより、各振動素子から被検体に向けて超音波が送信される。
【0026】
また、送受信部１４は、被検体からの反射波を受信した各振動素子から受信信号を受信する。送受信部１４は、加算器及び各振動素子に対応した複数の遅延器を有しており、当該加算器及び複数の遅延器により、各振動素子からの受信信号の位相を揃えて加算する整相加算処理を行う。これにより、被検体からの反射波の信号強度及び周波数を示す情報が被検体の深度方向に並ぶ受信ビーム信号が形成される。
【0027】
信号処理部１６は、送受信部１４からの受信ビーム信号に対して、バンドパスフィルタを適用するフィルタ処理や検波処理などを含む各種信号処理を実行する。
【0028】
画像形成部１８は、信号処理部１６において信号処理された受信ビーム信号に基づいて、超音波断層画像（Ｂモード画像）を形成する。また、画像形成部１８は、後述のドプラ信号処理部３０により得られたドプラ信号、及び、後述の適正ガンマカーブ決定部４０により決定されたガンマカーブに基づいて、ドプラ画像を形成する。
【0029】
表示制御部２０は、画像形成部１８で形成された超音波断層画像及びドプラ画像、並びに、その他の種々の情報をディスプレイ２２に表示させる制御を行う。表示部としてのディスプレイ２２は、例えば液晶ディスプレイや有機ＥＬ（Electro Luminescence）などから構成される表示器である。
【0030】
入力インターフェース２４は、例えばボタン、トラックボール、タッチパネルなどから構成される。入力インターフェース２４は、ユーザの命令を超音波診断装置１０に入力するために用いられる。
【0031】
メモリ２６は、（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、ｅＭＭＣ（embedded Multi Media Card）、あるいはＲＯＭ（Read Only Memory）などを含んで構成される。メモリ２６には、超音波診断装置１０の各部を動作させるための超音波診断プログラムが記憶される。なお、超音波診断プログラムは、例えば、ＵＳＢ（Universal Serial Bus）メモリ又はＣＤ－ＲＯＭなどのコンピュータ読み取り可能な非一時的な記憶媒体に格納することもできる。超音波診断装置１０は、そのような記憶媒体から超音波診断プログラムを読み取って実行することができる。
【0032】
また、図１に示すように、メモリ２６には、学習モデル３４、学習データ候補ＤＢ（DataBase）３８、ガンマカーブＤＢ４２が記憶される。これらの詳細については後述する。
【0033】
制御部２８は、汎用的なプロセッサ（例えばＣＰＵ（Central Processing Unit）など）、及び、専用のプロセッサ（例えばＧＰＵ（Graphics Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、あるいは、プログラマブル論理デバイスなど）の少なくとも１つを含んで構成される。制御部２８としては、１つの処理装置によるものではなく、物理的に離れた位置に存在する複数の処理装置の協働により構成されるものであってもよい。制御部２８は、メモリ２６に記憶された超音波診断プログラムに従って、超音波診断装置１０の各部を制御する。
【0034】
ドプラ信号処理部３０は、公知のドプラ処理により、ドプラシフト（被検体に送信された超音波の送信周波数と、受信ビーム信号の周波数との差分）を示すドプラ信号を形成する。また、ドプラ信号処理部３０は、ドプラ信号を周波数方向に積分することで、ドプラ信号のパワーを演算する。さらに、ドプラ信号処理部３０は、ウォールフィルタ（ローカットフィルタ）を施して、ドプラ信号に含まれる被検体の体動などの低周波の信号成分を低減させる。本実施形態では、ドプラ信号処理部３０は、ドプラ信号のパワーを演算し、後述する質感パラメータ特定部３２や、適正ガンマカーブ決定部４０は、ドプラ信号のパワー分布に基づいて処理を行うものとする。
【0035】
質感パラメータ特定部３２は、ドプラ信号のパワー分布を示すパワー分布情報に基づいて、当該パワー分布情報に適した質感パラメータを特定する。
【0036】
ドプラ信号のパワー分布とは、例えば、図２に示すような、横軸がパワー値、縦軸が頻度を示す２次元空間における、クラッタ信号ＣＳ及び血流信号ＢＦのグラフであってよい。また、ドプラ信号のパワー分布は、パワー値に対する頻度が示されている情報であればどのような情報であってもよい。例えば、ドプラ信号のパワー分布は、ドプラ信号をフィルタ処理してクラッタ成分を抑制した血流パワー分布情報などであってもよい。また、ドプラ信号のパワー分布は、パワードプラ画像そのものであってもよい。
【0037】
質感パラメータとは、ガンマカーブＧＣ（図２参照）の特徴を示すパラメータである。上述の通り、ガンマカーブＧＣとは、ドプラ信号（本実施形態ではパワー値）とドプラ画像（本実施形態ではパワードプラ画像）における画素値との関係を示す情報である。本実施形態では、質感パラメータは、ガンマカーブＧＣにより規定されるダイナミックレンジＤに含まれるクラッタ信号ＣＳ（図２におけるダイナミックレンジＤ内のクラッタ信号ＣＳの積分値）の、血流信号ＢＦ（図２における血流信号ＢＦ全体の積分値）に対する割合を示すパラメータ、及び、血流信号ＢＦのうち、どこまでの範囲をダイナミックレンジＤに含めるかを示すパラメータ（換言すれば血流信号カットオフＢＦＣ）を含んで構成される。
【0038】
質感パラメータ特定部３２は、学習モデル３４を用いて、質感パラメータを特定する。ここで、学習モデル３４及び学習処理部３６による学習モデル３４の学習方法について説明する。
【0039】
学習モデル３４は、例えば、ＣＮＮ（Convolutional Neural Network）などから構成される。学習モデル３４としては、ＣＮＮに限られず、以下に説明する機能を発揮する限りにおいてどのようなモデルであってもよい。学習モデル３４は、パワー分布情報と、当該パワー分布情報に適したガンマカーブを表す質感パラメータと、の組み合わせを学習データとして用いて、パワー分布情報が入力された際に、当該パワー分布情報に適した質感パラメータを予測して出力するように学習される。
【0040】
学習モデル３４は、超音波診断装置１０以外の装置によって学習され、学習済みの学習モデル３４がメモリ２６に記憶されてもよい。しかしながら、超音波診断装置１０が設置される施設（例えば病院など）毎に、適切な（換言すれば好みの）ガンマカーブが異なる場合が考えられる。したがって、本実施形態に係る超音波診断装置１０は、学習処理部３６を有しており、学習処理部３６が学習モデル３４の学習処理を実行する。これにより、超音波診断装置１０毎に、互いに異なる学習済み学習モデル３４を用いて、当該超音波診断装置１０に適した質感パラメータを出力することができるようになる。また、各超音波診断装置１０における学習処理の負荷あるいは学習に学習データの量を低減させるべく、超音波診断装置１０以外の装置によって学習モデル３４を事前学習しておき、学習処理部３６が当該学習モデル３４を再学習するファインチューニングを行ってもよい。
【0041】
学習モデル３４の学習に用いられる学習データは、パワー分布情報と、当該パワー分布情報に対する適切な（例えば過去にユーザが手動設定した）ガンマカーブを表す質感パラメータとの組み合わせである。学習処理部３６は、図３に示すように、学習データに含まれるパワー分布情報を学習モデル３４に入力する。学習モデル３４は、入力されたパワー分布情報に適した質感パラメータを予測して出力する。学習処理部３６は、学習モデル３４が出力した質感パラメータと、学習データに含まれる質感パラメータとの差分に基づいて、当該差分が小さくなるように、学習モデル３４のパラメータを調整する。このような処理を繰り返すことがで、学習モデル３４が学習される。十分に学習された学習モデル３４は、入力されたパワー分布情報に基づいて、当該パワー分布情報に適した質感パラメータを高精度に出力できるようになる。
【0042】
上述のように、超音波診断装置１０の学習処理部３６が学習モデル３４を学習させることで、学習済みの学習モデル３４は、当該超音波診断装置１０（換言すれば、ある施設）に適した質感パラメータを出力することができるようになるが、複数のユーザ（例えば医師や技師など）が同じ超音波診断装置１０を使用する場合、ユーザ毎に適した質感パラメータが異なる（換言すれば、ユーザ毎にガンマカーブの好みが異なる）場合も考えられる。したがって、学習モデル３４は、超音波診断装置１０を使用するユーザに適した質感パラメータを予測して出力するように学習されるとよい。
【0043】
具体的には、学習処理部３６は、パワー分布情報と、超音波診断装置１０のユーザが設定したガンマカーブを表す質感パラメータとの組み合わせを学習データとして用いる。さらに、学習データに当該ユーザを示すユーザ情報（例えばユーザＩＤなど）が含まれていていてもよい。この場合、学習処理部３６は、パワー分布情報及びユーザ情報を学習モデル３４に入力する。学習モデル３４は、入力されたパワー分布情報、及び、入力されたユーザ情報が示すユーザに適した質感パラメータを予測して出力する。学習処理部３６は、学習モデル３４が出力した質感パラメータと、学習データに含まれる、当該ユーザが設定したガンマカーブを表す質感パラメータとの差分に基づいて、当該差分が小さくなるように、学習モデル３４のパラメータを調整する。このように学習された学習モデル３４は、入力されたパワー分布情報及びユーザ情報に基づいて、当該パワー分布情報及び当該ユーザ情報が示すユーザに適した質感パラメータを高精度に出力できるようになる。
【0044】
あるいは、ユーザ毎に、互いに異なる学習モデル３４が用意されてもよい。この場合、メモリ２６には、複数のユーザに対応した複数の学習モデル３４が記憶される。学習処理部３６は、パワー分布情報と、超音波診断装置１０のユーザが設定したガンマカーブを表す質感パラメータとの組み合わせを、当該ユーザに対応する学習モデル３４を学習させるための学習データとして用いる。
【0045】
学習処理部３６による学習モデル３４の学習のための十分な量の学習データを得ることが困難である、あるいは、十分な量の学習データを得るのにかなり時間がかかってしまう場合が考えられる。したがって、学習データとして用いることができる、パワー分布情報と質感パラメータとの組み合わせ（以後、「学習データ候補」と記載する）を予め複数用意しておき、複数の学習データ候補の中から、ユーザに所望の学習データを選択させるとよい。以下、図４に示すフローチャートに従って、学習データ候補の中から選択された学習データを用いた学習モデル３４の学習処理の流れについて説明する。
【0046】
本実施形態では、複数の学習データ候補は、学習データ候補ＤＢ３８に予め記憶されている。ステップＳ１０において、複数の学習データ候補は、ユーザに提示される。本実施形態では、ユーザからの指示に応じて、図５に示すように、表示制御部２０が、複数の学習データ候補が表示された、学習データの選択画面をディスプレイ２２に表示させる。図５の例では、学習データ候補のパワー分布情報としてパワードプラ画像が表示され、当該パワー分布情報に適した質感パラメータが当該パワードプラ画像の下に（関連付けて）表示される。図５の例では、２つの学習データ候補が表示されているが、もちろん、表示制御部２０は、それ以上の数の学習データ候補をディスプレイ２２に表示してもよい。１画面で表示しきれなければ、表示制御部２０は、ユーザ操作に応じて、画面を切り替えるなどして、複数の学習データ候補を表示させることができる。
【0047】
ステップＳ１２において、ユーザは、学習データの選択画面から、所望の学習データを選択する。このとき、ユーザによって選択された学習データは、当該ユーザに適した質感パラメータを含む学習データとみなすことができる。
【0048】
ステップＳ１４において、学習処理部３６は、学習データの選択画面にてユーザに選択された、パワー分布情報としてのパワードプラ画像、及び、当該パワードプラ画像に関連付けられた質感パラメータとの組み合わせを学習データとする。
【0049】
ステップＳ１６において、学習処理部３６は、ステップＳ１４で特定した学習データを用いて、学習モデル３４を学習させる。なお、ユーザ毎に学習モデル３４が設けられる場合には、ステップＳ１６の後、学習モデル３４とユーザとを関連付ける処理が行われる。
【0050】
図４に示されたフローチャートは繰り返し実行されてよい。これにより、十分に学習された学習モデル３４は、入力されたパワー分布情報及びユーザ情報に基づいて、当該パワー分布情報及び当該ユーザ情報が示すユーザに適した質感パラメータを高精度に出力できるようになる。
【0051】
なお、図４及び図５の例では、学習データ候補には、パワー分布情報としてパワードプラ画像を含んでいたが、学習データ候補に含まれるパワー分布情報は、図２に示されるクラッタ信号ＣＳ及び血流信号ＢＦのグラフや、上述の血流パワー分布情報であってもよい。
【0052】
図６に示すように、質感パラメータ特定部３２は、上述のような学習処理にて十分に学習された学習モデル３４に対して、処理対象のパワー分布情報を入力する。本明細書では、処理対象のパワー分布情報を対象パワー分布情報と呼ぶ。対象パワー分布情報も、図２に示されるクラッタ信号ＣＳ及び血流信号ＢＦのグラフ、上述の血流パワー分布情報、あるいは、ドプラパワー画像であってよい。学習済みの学習モデル３４は、対象パワー分布情報に適した質感パラメータを出力する。質感パラメータ特定部３２は、学習モデル３４の出力に基づいて、対象パワー分布情報に適した質感パラメータを特定する。
【0053】
上述のように、パワー分布情報と、ユーザ情報と、質感パラメータを含む学習データを用いて学習モデル３４が学習されている場合、質感パラメータ特定部３２は、対象パワー分布情報と、現在超音波診断装置１０を使用しているユーザを示すユーザ情報を学習済みの学習モデル３４に入力してもよい。なお、ユーザ情報は、制御部２８が当該ユーザを認証（例えばユーザＩＤとパスワードの入力による）することで取得することができる。これにより、質感パラメータ特定部３２は、学習モデル３４の出力に基づいて、当該ユーザに適した質感パラメータを特定することができる。
【0054】
また、ユーザ毎に互いに異なる学習モデル３４が用意されている場合、質感パラメータ特定部３２は、現在超音波診断装置１０を使用しているユーザを示すユーザ情報に基づいいて、対象パワー分布情報を入力する学習モデル３４を特定する。そして、質感パラメータ特定部３２は、特定した学習モデル３４に対象パワー分布情報を入力し、学習モデル３４の出力に基づいて、当該ユーザに適した質感パラメータを特定する。
【0055】
適正ガンマカーブ決定部４０は、質感パラメータ特定部３２が特定した、対象パワー分布情報に適した質感パラメータに基づいて、対象パワー分布情報に適したガンマカーブを決定する。本明細書では、対象パワー分布情報に適したガンマカーブを適正ガンマカーブと呼ぶ。上述の通り、質感パラメータは、ガンマカーブの特徴を示すパラメータであるから、適正ガンマカーブ決定部４０は、対象パワー分布情報に適した質感パラメータに基づいて、適正ガンマカーブを決定することができる。
【0056】
上述の通り、本実施形態では、質感パラメータは、ガンマカーブＧＣにより規定されるダイナミックレンジＤに含まれるクラッタ信号ＣＳ（図２におけるダイナミックレンジＤ内のクラッタ信号ＣＳの積分値）の、血流信号ＢＦ（図２における血流信号ＢＦ全体の積分値）に対する割合を示すパラメータ、及び、血流信号ＢＦのうち、どこまでの範囲をダイナミックレンジＤに含めるかを示すパラメータ（換言すれば血流信号カットオフＢＦＣ）を含んで構成されるため、当該質感パラメータから適正ガンマカーブを決定する方法を説明する。
【0057】
図２を参照し、ガンマカーブＧＣは、血流信号カットオフＢＦＣ及びクラッタ信号カットオフＣＳＣによって決定される。したがって、適正ガンマカーブ決定部４０は、質感パラメータに基づいて、血流信号カットオフＢＦＣ及びクラッタ信号カットオフＣＳＣを決定することによって適正ガンマカーブを決定する。
【0058】
まず、血流信号カットオフＢＦＣについては、質感パラメータに血流信号カットオフＢＦＣが含まれているため、適正ガンマカーブ決定部４０は、質感パラメータから血流信号カットオフＢＦＣを直接決定することができる。
【0059】
また、質感パラメータは、対象パワー分布情報における血流信号ＢＦ全体に対する、ダイナミックレンジＤ内に含まれるクラッタ信号ＣＳの割合を含む。ダイナミックレンジＤ内に含まれるクラッタ信号ＣＳは、クラッタ信号ＣＳ全体のうちの、クラッタ信号カットオフＣＳＣよりも大きいパワー値を有する部分である。したがって、適正ガンマカーブ決定部４０は、対象パワー分布情報における血流信号ＢＦ全体に対する、クラッタ信号ＣＳ全体のうちの、クラッタ信号カットオフＣＳＣよりも大きいパワー値を有する部分の割合が、質感パラメータが示す割合となるように、クラッタ信号カットオフＣＳＣを決定する。
【0060】
適正ガンマカーブ決定部４０は、クラッタ信号カットオフＣＳＣよりも小さいパワー値に対する画素値を最小画素値ＰＶｍｉｎ（例えば輝度値０）とし、血流信号カットオフＢＦＣよりも大きいパワー値に対する画素値を最大画素値ＰＶｍａｘ（例えば最高輝度）とし、クラッタ信号カットオフＣＳＣと血流信号カットオフＢＦＣとの間のパワー値、換言すればダイナミックレンジＤに含まれるパワー値に対する画素値を当該パワー値に応じた画素値となるように適正ガンマカーブを決定する。本実施形態では、ダイナミックレンジＤ内の適正ガンマカーブは点Ａ（パワー値，画素値）＝（クラッタ抑制カットオフ，ＰＶｍｉｎ）と、点Ｂ（パワー値，画素値）＝（血流信号カットオフ，ＰＶｍａｘ）とを結ぶ直線としている。
【0061】
上述のように、学習モデル３４が、ユーザに適した質感パラメータを予測して出力するように学習されている場合、適正ガンマカーブ決定部４０は、質感パラメータ特定部３２が特定した質感パラメータに基づいて、ユーザに適した適正ガンマカーブを決定することができる。
【0062】
メモリ２６において、複数種類のガンマカーブが予め登録されたガンマカーブＤＢ４２が記憶されている場合がある。このような超音波診断装置１０においては、ガンマカーブＤＢ４２に登録されているガンマカーブのみを設定可能となっている場合がある。この場合、適正ガンマカーブ決定部４０が決定した適正ガンマカーブが、ガンマカーブＤＢ４２に登録されていない場合が有り得る。したがって、この場合は、適正ガンマカーブ決定部４０は、ガンマカーブＤＢ４２に記憶されている複数種類のガンマカーブの中から、質感パラメータ特定部３２により特定された質感パラメータに基づいて演算されたガンマカーブに基づいて適正ガンマカーブを選択するとよい。例えば、適正ガンマカーブ決定部４０は、ガンマカーブＤＢ４２に登録されている複数種類のガンマカーブのうち、適正ガンマカーブ決定部４０が質感パラメータに基づいて得たガンマカーブに最も類似するガンマカーブを適正ガンマカーブとするとよい。ガンマカーブの類似度は、例えば、両ガンマカーブ間におけるクラッタ信号カットオフＣＳＣの差、及び、血流信号カットオフＢＦＣの差に応じて演算することができる。
【0063】
ドプラ画像形成部としての画像形成部１８は、対象パワー分布情報、及び、適正ガンマカーブ決定部４０が決定した適正ガンマカーブに基づいて、パワードプラ画像を形成する。この様に形成されたパワードプラ画像は、血流信号ＢＦが適切に階調表現され、且つ、クラッタ信号ＣＳの影響が低減された画像となり得る。適正ガンマカーブ決定部４０は、決定した適正ガンマカーブをユーザに通知するとよい。適正ガンマカーブをユーザに通知する、とは、図２に示すようなガンマカーブＧＣのグラフをユーザに提示してもよいし、決定した適正ガンマカーブに基づいて形成されたドプラ画像をユーザに提示してもよい。
【0064】
適正ガンマカーブ決定部４０は、決定した適正ガンマカーブをユーザに通知するとよい。例えば、適正ガンマカーブ決定部４０は、ポップアップの形で図２に示すようなガンマカーブＧＣのグラフをユーザに提示する。特に、適正ガンマカーブ決定部４０は、同様の場面（例えば同様の断面を表示させた場合、あるいは、同様の検査内容の場合）において以前決定したガンマカーブと、決定した適正ガンマカーブとが互いに異なる場合に、決定した適正ガンマカーブをユーザに通知するとよい。この場合、画像形成部１８は、適正ガンマカーブが通知されたユーザの指示を待って、ドプラ画像を形成するとよい。
【0065】
上述の実施形態では、ドプラ画像としてパワードプラ画像を形成する場合における処理を説明したが、ドプラ画像としてカラードプラ画像を形成する場合においても、本発明を適用することができる。
【0066】
その場合、ガンマカーブは、ドプラ信号が示す速度とカラードプラ画像における画素値との関係を示すものとなる。そして、学習モデル３４は、ドプラ信号が示す速度分布（ドプラ信号の周波数分布と言ってもよい）を表す速度分布情報と、ガンマカーブを表す質感パラメータと、の組み合わせを学習データとして用いて、速度分布情報が入力された際に、当該速度分布情報に適した質感パラメータを予測して出力するように学習される。
【0067】
質感パラメータ特定部３２は、処理対象の速度分布情報である対象速度分布情報を学習済みの学習モデル３４に入力することで、対象速度分布情報に適した質感パラメータを特定する。
【0068】
適正ガンマカーブ決定部４０は、質感パラメータ特定部３２により特定された質感パラメータに基づいて、対象速度分布情報に適した適正ガンマカーブを決定する。この場合における適正ガンマカーブの決定方法も上述と同じ方法を採用することができる。
【0069】
そして、ドプラ画像形成部としての画像形成部１８は、対象速度分布情報、及び、決定された適正ガンマカーブに基づいて、被検体の血流又は組織の速度が示されたカラードプラ画像を形成する。
【0070】
また、上述の実施形態では、ドプラ信号全体のパワー分布を示すパワー分布情報、あるいは、ドプラ信号全体が示す速度分布を表す速度分布情報に適した適正ガンマカーブに基づいて、ドプラ画像全体の画素値を適正化していたが、ドプラ画像の部分の画素値を最適化するようにしてもよい。
【0071】
この場合、画像形成部１８は、ガンマカーブ調整前のドプラ画像を形成し、表示制御部２０が当該ドプラ画像をディスプレイ２２に表示させる。ユーザは、例えばカーソルなどを用いて、ドプラ画像のうち、最適化したい部分を指定する。当該部分を最適化部分と呼ぶ。その上で、質感パラメータ特定部３２は、ドプラ信号のうち、最適化部分に対応する部分のみを学習モデル３４に入力し、学習モデル３４の出力に基づいて質感パラメータを特定する。適正ガンマカーブ決定部４０は、特定された質感パラメータに基づいて、最適化部分用の適正ガンマカーブである部分適正ガンマカーブを決定する。画像形成部１８は、最適化部分について、決定した部分適正ガンマカーブを用いて、ドプラ画像を形成する。最適化部分以外の部分については、所定の（例えばユーザが指定した）ガンマカーブを用いてもよいし、上述の実施形態のように、ドプラ信号全体に係るパワー分布情報又は速度分布情報に基づいて決定された適正ガンマカーブを用いてもよい。
【0072】
また、最適化部分の決定をユーザ指示によらず、超音波診断装置１０が自動で行ってもよい。例えば、画像形成部１８が形成した超音波断層画像（Ｂモード画像）を既知の技術を用いて解析することで血管位置を自動検出し、血管位置を含む所定領域を最適化部分として自動設定するようにしてもよい。
【0073】
本実施形態に係る超音波診断装置１０の構成は以上の通りである。なお、超音波診断装置１０が有する、送受信部１４、信号処理部１６、画像形成部１８、表示制御部２０、ドプラ信号処理部３０、質感パラメータ特定部３２、学習処理部３６、及び、適正ガンマカーブ決定部４０は、プロセッサによって構成される。プロセッサとは、汎用的な処理装置（例えばＣＰＵ（Central Processing Unit）など）、及び、専用の処理装置（例えばＧＰＵ（Graphics Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field Programmable Gate Array）、あるいは、プログラマブル論理デバイスなど）の少なくとも１つを含んで構成される。プロセッサとしては、１つの処理装置によるものではなく、物理的に離れた位置に存在する複数の処理装置の協働により構成されるものであってもよい。また、上記の各部は、プロセッサなどのハードウェアとソフトウエアとの協働により実現されてもよい。
【0074】
【0075】
ステップＳ２０において、ドプラ信号処理部３０は、送受信部１４からの受信ビームデータに対してドプラ処理を実行することにより、処理対象のドプラ信号を形成する。ここでは、ドプラ信号処理部３０は、ドプラ信号のパワーを演算する。これにより対象パワー分布情報が取得される。
【0076】
ステップＳ２２において、質感パラメータ特定部３２は、ステップＳ１０で取得した対象パワー分布情報を学習モデル３４に入力する。
【0077】
ステップＳ２４に置いて、学習モデル３４は、入力された対象パワー分布情報に適した質感パラメータを予測して出力する。質感パラメータ特定部３２は、学習モデル３４の出力に基づいて、対象パワー分布情報に適した質感パラメータを特定する。
【0078】
ステップＳ２６において、適正ガンマカーブ決定部４０は、ステップＳ２４で特定された質感パラメータに基づいて、対象パワー分布情報に適した適正ガンマカーブを決定する。
【0079】
ステップＳ２８において、画像形成部１８は、対象パワー分布情報、及び、ステップＳ２６で決定された適正ガンマカーブに基づいて、パワードプラ画像を形成する。
【0080】
以上、本発明に係る実施形態を説明したが、本発明は上記実施形態に限られるものではなく、本発明の趣旨を逸脱しない限りにおいて種々の変更が可能である。
【0081】
例えば、上述の実施形態では、超音波診断装置１０が超音波画像処理装置であったが、超音波画像処理装置としては、超音波診断装置１０には限られない。例えば、超音波画像処理装置は、パーソナルコンピュータなどであってもよい。その場合、超音波画像処理装置には、画像形成部１８、表示制御部２０、ディスプレイ２２、入力インターフェース２４、メモリ２６、制御部２８、ドプラ信号処理部３０、質感パラメータ特定部３２、学習処理部３６、及び適正ガンマカーブ決定部４０の機能が設けられる。超音波画像処理装置は、超音波診断装置から受信ビームデータを受信して、上記各部が処理を実行することができる。
【符号の説明】
【0082】
１０ 超音波診断装置、１２ 超音波プローブ、１４ 送受信部、１６ 信号処理部、１８ 画像形成部、２０ 表示制御部、２２ ディスプレイ、２４ 入力インターフェース、２６ メモリ、２８ 制御部、３０ ドプラ信号処理部、３２ 質感パラメータ特定部、３４ 学習モデル、３６ 学習処理部、３８ 学習データ候補ＤＢ、４０ 適正ガンマカーブ決定部、４２ ガンマカーブＤＢ。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
