図面 (/)

技術 医用画像生成装置、及び医用画像生成プログラム

出願人 キヤノンメディカルシステムズ株式会社
発明者 宮木啓介渡辺正毅五十嵐悠本庄泰徳高田優子
出願日 2018年12月10日 (2年0ヶ月経過) 出願番号 2018-231061
公開日 2020年6月18日 (6ヶ月経過) 公開番号 2020-092739
状態 未査定
技術分野 超音波診断装置
主要キーワード タッチモニタ 造影条件 後処理パラメータ 流速範囲 非接触入力 平均パワー値 リニアアンプ 操作部品
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2020年6月18日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (13)

課題

適切なパラメータで画像データを生成することである。

解決手段

医用画像生成装置は、取得部と、処理部と、決定部とを備える。前記取得部は、被検体が含まれる画像である画像データを取得する。前記処理部は、前記画像データの評価値を用いて学習した学習済みモデルを用いて、前記取得部が取得した前記画像データに応じた出力情報を得る。前記決定部は、前記処理部が得た前記出力情報に基づいて、前記画像データの取得に関するパラメータを決定する。

概要

背景

従来、超音波診断装置は、血流色彩表現するカラーモードを有している。操作者は、カラーモードで正確な血流を示した画像データを生成させるためには、適切なパラメータを設定する必要がある。

しかしながら、適切なパラメータは、被検体体格や、検査したい被検体の領域の深さや、検査したい臓器等の様々な要因に応じて異なるため、適切なパラメータで画像データを生成することは困難であった。

概要

適切なパラメータで画像データを生成することである。医用画像生成装置は、取得部と、処理部と、決定部とを備える。前記取得部は、被検体が含まれる画像である画像データを取得する。前記処理部は、前記画像データの評価値を用いて学習した学習済みモデルを用いて、前記取得部が取得した前記画像データに応じた出力情報を得る。前記決定部は、前記処理部が得た前記出力情報に基づいて、前記画像データの取得に関するパラメータを決定する。

目的

本発明が解決しようとする課題は、適切なパラメータで画像データを生成することである

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

検体が含まれる画像である画像データを取得する取得部と、前記画像データの評価値を用いて学習した学習済みモデルを用いて、前記取得部が取得した前記画像データに応じた出力情報を得る処理部と、前記処理部が得た前記出力情報に基づいて、前記画像データの取得に関するパラメータを決定する決定部と、を備える医用画像生成装置

請求項2

前記処理部は、前記画像データと、前記評価値との相関関係を学習した前記学習済みモデルを用いて、前記取得部が取得した前記画像データに対応する前記評価値を前記出力情報として得て、前記決定部は、前記評価値が閾値未満である場合に、前記パラメータを変更する、請求項1に記載の医用画像生成装置。

請求項3

前記画像データと、前記評価値との相関関係を学習して前記学習済みモデルを構築する学習部を更に備える、請求項2に記載の医用画像生成装置。

請求項4

前記処理部は、前記画像データと、当該画像データの前記評価値を閾値以上にする前記パラメータとの相関関係を学習した前記学習済みモデルを用いて、前記取得部が取得した前記画像データに対応する前記パラメータを前記出力情報として得て、前記決定部は、前記出力情報が示す前記パラメータに変更する、請求項1に記載の医用画像生成装置。

請求項5

前記画像データと、前記パラメータとの相関関係を学習して前記学習済みモデルを構築する学習部を更に備える、請求項4に記載の医用画像生成装置。

請求項6

前記画像データに対して1以上の関心領域を設定する設定部を更に備え、前記学習部は、前記設定部が設定した1以上の前記関心領域ごとに、前記学習済みモデルを構築する、請求項3又は5に記載の医用画像生成装置。

請求項7

前記設定部は、診断対象の部位及びプローブの角度の組み合わせごとに、1以上の前記関心領域を設定し、前記学習部は、前記診断対象の部位及びプローブの角度の組み合わせごとに設定された1以上の前記関心領域ごとに、前記学習済みモデルを構築する、請求項6に記載の医用画像生成装置。

請求項8

前記画像データと、前記評価値との相関関係を学習して構築された学習済みモデルの入力を受け付ける入力部を更に備える、請求項2に記載の医用画像生成装置。

請求項9

前記画像データと、前記パラメータとの相関関係を学習して構築された学習済みモデルの入力を受け付ける入力部を更に備える、請求項4に記載の医用画像生成装置。

請求項10

被検体の画像データを取得し、前記画像データの評価値を用いて学習した学習済みモデルを用いて、取得した前記画像データに応じた出力情報を得て、得られた前記出力情報に基づいて、前記画像データの取得に関するパラメータを決定する、処理をコンピュータに実行させる医用画像生成プログラム

技術分野

0001

本発明の実施形態は、医用画像生成装置、及び医用画像生成プログラムに関する。

背景技術

0002

従来、超音波診断装置は、血流色彩表現するカラーモードを有している。操作者は、カラーモードで正確な血流を示した画像データを生成させるためには、適切なパラメータを設定する必要がある。

0003

しかしながら、適切なパラメータは、被検体体格や、検査したい被検体の領域の深さや、検査したい臓器等の様々な要因に応じて異なるため、適切なパラメータで画像データを生成することは困難であった。

先行技術

0004

米国特許出願公開第2016/0174943号明細書
米国特許出願公開第2018/0028079号明細書
米国特許出願公開第2007/0014452号明細書

発明が解決しようとする課題

0005

本発明が解決しようとする課題は、適切なパラメータで画像データを生成することである。

課題を解決するための手段

0006

実施形態の医用画像生成装置は、取得部と、処理部と、決定部とを備える。前記取得部は、被検体が含まれる画像である画像データを取得する。前記処理部は、前記画像データの評価値を用いて学習した学習済みモデルを用いて、前記取得部が取得した前記画像データに応じた出力情報を得る。前記決定部は、前記処理部が得た前記出力情報に基づいて、前記画像データの取得に関するパラメータを決定する。

図面の簡単な説明

0007

図1は、第1の実施形態に係る医用情報処理システムの構成の一例を示す図である。
図2は、第1の実施形態に係る医用画像生成装置の構成の一例を示すブロック図である。
図3は、超音波画像データに設定された関心領域を説明する説明図である。
図4は、第1学習機能による学習処理を示す図である。
図5は、評価処理機能による運用処理を示す図である。
図6は、第1の実施形態に係る画像生成処理処理手順を示すフローチャートである。
図7は、第1の実施形態の第1の変形例にかかる医用画像生成装置の構成の一例を示すブロック図である。
図8は、第2の実施形態に係る医用画像生成装置の構成の一例を示すブロック図である。
図9は、第2学習機能による学習処理を示す図である。
図10は、推定処理機能による運用処理を示す図である。
図11は、第2の実施形態に係る画像生成処理の処理手順を示すフローチャートである。
図12は、第2の実施形態の第1の変形例にかかる医用画像生成装置の構成の一例を示すブロック図である。

実施例

0008

以下、図面を参照して、医用画像生成装置、及び医用画像生成プログラムの実施形態を説明する。なお、一つの実施形態又は変形例に記載した内容は、他の実施形態又は他の変形例にも同様に適用されてもよい。

0009

(第1の実施形態)
第1の実施形態について説明する。図1は、第1の実施形態に係る医用情報処理システム1の構成の一例を示す図である。図1に示すように、医用情報処理システム1は、医用画像生成装置10と、電子カルテシステム20と、PACS(Picture Archiving and Communication System)30と、医用情報処理装置40とを備えている。そして、各システム及び各装置は、ネットワーク50を介して通信可能に接続されている。なお、図1に示す構成はあくまでも一例であり、図示する医用画像生成装置10と、電子カルテシステム20と、PACS30と、医用情報処理装置40と以外の装置がネットワーク50に接続されてもよい。

0010

医用画像生成装置10は、被検体を撮像して医用画像を生成する。更に詳しくは、医用画像生成装置10は、電子カルテシステム20から送信されるオーダ情報に従って被検体を撮像して、医用画像を生成する。そして、医用画像生成装置10は、医用画像を生成するごとに、生成した医用画像をPACS30に送信する。例えば、医用画像生成装置10は、X線診断装置X線CT(Computed Tomography)装置、MRI(Magnetic Resonance Imaging)装置、超音波診断装置、SPECT(Single Photon Emission Computed Tomography)装置、PET(Positron Emission computed Tomography)装置等である。

0011

電子カルテシステム20は、被検体に関する各種の情報を管理する。更に詳しくは、電子カルテシステム20は、オーダリングシステムとして、被検体に関する各種のオーダの入力を医師技師等の操作者から受け付ける。電子カルテシステム20は、受け付けたオーダの内容を示すオーダ情報を検査室薬局放射線科等に設けられた各部門システムに送信する。そして、電子カルテシステム20は、オーダ情報に従って実施された診療行為の結果として各部門システムから送信される診療データを取得する。例えば、電子カルテシステム20は、医用画像の撮像を指示するオーダ情報を医用画像生成装置10に送信する。電子カルテシステム20は、指示に応じて医用画像生成装置10が撮像した医用画像を取得する。例えば、電子カルテシステム20は、サーバワークステーション等のコンピュータ機器によって実現される。

0012

PACS30は、医用画像生成装置10によって生成された医用画像を保管する。更に詳しくは、PACS30は、医用画像生成装置10から医用画像を受信する。そして、PACS30は、受信した医用画像を自装置の記憶回路等に保存して管理する。例えば、PACS30は、サーバやワークステーション等のコンピュータ機器によって実現される。

0013

医用情報処理装置40は、電子カルテシステム20、医用画像生成装置10及びPACS30から各種の情報を取得する。そして、医用情報処理装置40は、取得した情報を用いて各種の情報処理を行う。例えば、医用情報処理装置40は、サーバやワークステーション、パーソナルコンピュータタブレット端末等のコンピュータ機器によって実現される。

0014

このような、医用情報処理システム1は、医用画像生成装置10等の装置が生成した画像データと、画像データの取得に関するパラメータとの相関関係機械学習により学習する。そして、医用画像生成装置10は、機械学習により構築された学習済みモデルに基づいて、パラメータを調整することにより適切なパラメータで画像データを生成する。

0015

ここで、パラメータとは、医用画像生成装置10による画像データの取得に関する設定である。例えば、パラメータとは、超音波診断において血流を色彩で表現した超音波画像データを表示させるカラーモードで、超音波画像データの取得に関する設定である。さらに詳しく、パラメータには、超音波診断において各種データの収集が行われる前に収集条件として設定される収集パラメータと、各種データの収集後に画像に施される後処理で用いられる後処理パラメータとの両方が含まれていてもよい。例えば、パラメータは、超音波出力条件ゲインの大きさ、造影条件、表示させる血流速度の範囲を指定する設定、被検体の微小動きを血流として誤検出してしまうことを抑制するフィルタ等である。

0016

機械学習とは、ディープラーニング(Deep Learning)や、ニューラルネットワーク(Neural Network)、ロジスティック(Logistic)回帰分析非線形判別分析サポートベクターマシン(Support Vector Machine:SVM)、ランダムフォレスト(Random Forest)、ナイーブベイズ(Naive Bayes)等である。

0017

第1の実施形態に係る医用画像生成装置10は、画像データと、画像データの評価を示す評価値とを学習用データとして機械学習エンジンに入力することで構築された学習済みモデルを用いて、生成した画像データの評価値を出力する。また、医用画像生成装置10は、生成した画像データの評価値が閾値未満の場合に、パラメータを変更して画像データを生成する。そして、医用画像生成装置10は、生成した画像データの評価値が閾値以上になるまで、もしくは予め決められた回数まで繰り返し実行することにより適切な画像データを生成する。医用画像生成装置10は、パラメータを変更した画像データの生成を予め決められた回数までに制限することで、パラメータを変更して画像データを生成する処理が終了しなくなってしまうことを防止する。

0018

本実施形態では、医用画像生成装置10が超音波診断装置である場合を例に説明する。

0019

図2は、第1の実施形態に係る医用画像生成装置10の構成の一例を示すブロック図である。図2に示すように、第1の実施形態に係る医用画像生成装置10は、装置本体100と、超音波プローブ101と、入力インターフェース102と、ディスプレイ103とを有する。超音波プローブ101、入力インターフェース102、及びディスプレイ103は、装置本体100と通信可能に接続される。

0020

超音波プローブ101は、複数の圧電振動子を有する。これら複数の圧電振動子は、装置本体100が有する送受信回路110から供給される駆動信号に基づき超音波を発生する。また、超音波プローブ101は、被検体Pからの反射波を受信して電気信号に変換する。すなわち、超音波プローブ101は、被検体Pに対して超音波走査を行って、被検体Pから反射波を受信する。また、超音波プローブ101は、圧電振動子に設けられる整合層と、圧電振動子から後方への超音波の伝播を防止するバッキング材等を有する。なお、超音波プローブ101は、装置本体100と着脱自在に接続される。

0021

超音波プローブ101から被検体Pに超音波が送信されると、送信された超音波は、被検体Pの体内組織における音響インピーダンス不連続面次々反射され、反射波信号として超音波プローブ101が有する複数の圧電振動子にて受信される。受信される反射波信号の振幅は、超音波が反射される不連続面における音響インピーダンスの差に依存する。なお、送信された超音波パルスが、移動している血流や心臓壁等の表面で反射された場合の反射波信号は、ドプラ効果により、移動体超音波送信方向に対する速度成分に依存して、周波数偏移を受ける。

0022

本実施形態では、超音波プローブ101は、被検体Pを2次元走査する1Dアレイプローブであっても、被検体Pを3次元で走査する3次元プローブすなわちメカニカル4Dプローブや2Dアレイプローブであっても適用可能である。

0023

入力インターフェース102は、所定の位置(例えば、組織形状の位置や、関心領域、関心領域以外の領域等)の設定等を行うためのトラックボールスイッチボタンマウスキーボード、操作面へ触れることで入力操作を行うタッチパッド表示画面とタッチパッドとが一体化されたタッチモニタ光学センサを用いた非接触入力回路、及び音声入力回路等によって実現される。入力インターフェース102は、後述する処理回路160に接続されており、操作者(ユーザ)から受け付けた入力操作を電気信号へ変換し処理回路160へと出力する。なお、本明細書において入力インターフェース102は、マウス、キーボード等の物理的な操作部品を備えるものだけに限られない。例えば、装置とは別体に設けられた外部の入力機器から入力操作に対応する電気信号を受け取り、この電気信号を制御回路へ出力する電気信号の処理回路も入力インターフェースの例に含まれる。

0024

ディスプレイ103は、医用画像生成装置10の操作者(ユーザ)が入力インターフェース102を用いて各種設定要求を入力するためのGUI(Graphical User Interface)を表示したり、装置本体100において生成された超音波画像データ等を表示したりする。また、ディスプレイ103は、装置本体100の処理状況や処理結果を操作者に通知するために、各種のメッセージ表示情報を表示する。また、ディスプレイ103は、スピーカーを有し、音声を出力することもできる。

0025

装置本体100は、超音波プローブ101が受信した反射波信号に基づいて超音波画像データを生成する装置である。図2に示す装置本体100は、超音波プローブ101が受信した2次元の反射波データエコーデータ)に基づいて2次元の超音波画像データを生成可能な装置である。また、図2に示す装置本体100は、超音波プローブ101が受信した3次元の反射波データに基づいて3次元の超音波画像データ(ボリュームデータ)を生成可能な装置である。

0026

装置本体100は、図2に示すように、送受信回路110と、Bモード処理回路120と、ドプラ処理回路130と、記憶回路140と、通信インターフェース150と、処理回路160と、を有する。送受信回路110、Bモード処理回路120、ドプラ処理回路130、記憶回路140、通信インターフェース150、及び処理回路160は、互いに通信可能に接続される。また、装置本体100は、ネットワーク50に接続される。

0027

送受信回路110は、パルス発生器送信遅延部、パルサ等を有し、超音波プローブ101に駆動信号を供給する。パルス発生器は、所定のレー周波数で、送信超音波を形成するためのレートパルスを繰り返し発生する。また、送信遅延部は、超音波プローブ101から発生される超音波をビーム状に集束し、かつ送信指向性を決定するために必要な圧電振動子ごとの遅延時間を、パルス発生器が発生する各レートパルスに対し与える。また、パルサは、レートパルスに基づくタイミングで、超音波プローブ101に駆動信号(駆動パルス)を印加する。すなわち、送信遅延部は、各レートパルスに対し与える遅延時間を変化させることで、圧電振動子面から送信される超音波の送信方向を任意に調整する。

0028

なお、送受信回路110は、後述する処理回路160の指示に基づいて、所定のスキャンシーケンスを実行するために、送信周波数送信駆動電圧等を瞬時に変更可能な機能を有している。特に、送信駆動電圧の変更は、瞬間にその値を切り替え可能なリニアアンプ型の発信回路、又は、複数の電源ユニット電気的に切り替える機構によって実現される。

0029

また、送受信回路110は、プリアンプ、A/D(Analog/Digital)変換器受信遅延部、加算器等を有し、超音波プローブ101が受信した反射波信号に対して各種処理を行って反射波データを生成する。プリアンプは、反射波信号をチャネルごとに増幅する。A/D変換器は、増幅された反射波信号をA/D変換する。受信遅延部は、受信指向性を決定するために必要な遅延時間を与える。加算器は、受信遅延部によって処理された反射波信号の加算処理を行って反射波データを生成する。加算器の加算処理により、反射波信号の受信指向性に応じた方向からの反射成分が強調され、受信指向性と送信指向性とにより超音波送受信総合的なビームが形成される。

0030

送受信回路110は、被検体Pを2次元走査する場合、超音波プローブ101から2次元の超音波ビームを送信させる。そして、送受信回路110は、超音波プローブ101が受信した2次元の反射波信号から2次元の反射波データを生成する。また、本実施形態に係る送受信回路110は、被検体Pを3次元走査する場合、超音波プローブ101から3次元の超音波ビームを送信させる。そして、送受信回路110は、超音波プローブ101が受信した3次元の反射波信号から3次元の反射波データを生成する。

0031

ここで、送受信回路110からの出力信号の形態は、RF(Radio Frequency)信号と呼ばれる位相情報が含まれる信号である場合や、包絡線検波処理後の振幅情報である場合等、種々の形態が選択可能である。

0032

Bモード処理回路120は、送受信回路110から反射波データを受信し、対数増幅、包絡線検波処理等を行って、信号強度輝度の明るさで表現されるデータ(Bモードデータ)を生成する。

0033

ドプラ処理回路130は、送受信回路110から受信した反射波データから速度情報周波数解析し、ドプラ効果による血流や組織造影剤エコー成分を抽出し、速度、分散、パワー等の移動体情報多点について抽出したデータ(ドプラデータ)を生成する。具体的には、ドプラ処理回路130は、移動体の運動情報として、平均速度、平均分散値平均パワー値等を、複数のサンプル点それぞれでドプラデータを生成する。ここで、移動体とは、例えば、血流や、心壁等の組織、造影剤である。ドプラ処理回路130は、血流の運動情報(血流情報)として、血流の平均速度、血流の平均分散値、血流の平均パワー値等を、複数のサンプル点それぞれで推定した情報を生成する。

0034

ドプラ処理回路130は、MTI(Moving Target Indicator)フィルタ及び血流情報生成部を有する。ドプラ処理回路130は、例えば、カラードプラ法を実行し、血流情報を算出する。カラードプラ法では、超音波の送受信が同一の走査線上で複数回行なわれ、同一位置のデータ列に対してMTIフィルタ掛けることで、静止している組織、或いは、動きの遅い組織に由来する信号(クラッタ信号)を抑制して、血流に由来する信号を抽出する。そしてカラードプラ法では、この血流信号から血流の速度、血流の分散、血流のパワー等の血流情報を推定する。

0035

MTIフィルタは、フィルタ行列を用いて、同一位置(同一サンプル点)の連続した反射波データのデータ列から、クラッタ成分が抑制され、血流に由来する血流信号が抽出されたデータ列を出力する。血流情報生成部は、MTIフィルタが出力したデータを用いた自己相関演算等の演算を行なって、血流情報を推定し、推定した血流情報をドプラデータとして出力する。MTIフィルタとしては、例えば、バタワース型のIIR(Infinite Impulse Response)フィルタ、多項式回帰フィルタ(Polynomial Regression Filter)等の係数が固定されたフィルタ、または固有ベクトル(eigenvector)等を用いて入力信号に応じて係数を変化させる適応型のフィルタが適用可能である。

0036

なお、図2に例示するBモード処理回路120及びドプラ処理回路130は、2次元の反射波データ及び3次元の反射波データの両方について処理可能である。すなわち、Bモード処理回路120は、2次元の反射波データから2次元のBモードデータを生成し、3次元の反射波データから3次元のBモードデータを生成する。また、ドプラ処理回路130は、2次元の反射波データから2次元のドプラデータを生成し、3次元の反射波データから3次元のドプラデータを生成する。

0037

記憶回路140は、処理回路160が生成した表示用の画像データを記憶するメモリである。また、記憶回路140は、Bモード処理回路120やドプラ処理回路130が生成したデータを記憶することも可能である。記憶回路140が記憶するBモードデータやドプラデータは、例えば、診断の後に操作者が呼び出すことが可能となっており、処理回路160を経由して表示用の超音波画像データとなる。

0038

また、記憶回路140は、超音波送受信、画像処理及び表示処理を行うための制御プログラムや、診断情報(例えば、患者ID、医師の所見等)や、診断プロトコルや各種ボディーマーク等の各種データを記憶する。また、記憶回路140が記憶するデータは、図示しないインターフェースを経由して、外部装置転送することができる。なお、外部装置は、例えば、画像診断を行う医師が使用するPC(Personal Computer)や、CDやDVD等の記憶媒体プリンター等である。

0039

通信インターフェース150は、ネットワーク50を経由して外部の各種の装置と通信を行うためのインターフェースである。通信インターフェース150により、処理回路160は、外部装置と通信を行う。例えば、処理回路160は、通信インターフェース150によって、医用画像生成装置10以外の外部装置との間で各種データのやり取りを行うことができる。

0040

処理回路160は、医用画像生成装置10の処理全体を制御する。例えば、処理回路160は、プロセッサによって実現される。第1の実施形態に係る処理回路160は、制御機能161、画像生成機能162、設定機能163、第1学習機能164、評価処理機能165、及び第1変更機能166を実行する。

0041

ここで、例えば、図2に示す処理回路160の構成要素である制御機能161、画像生成機能162、設定機能163、第1学習機能164、評価処理機能165、及び第1変更機能166が実行する各処理機能は、コンピュータによって実行可能なプログラムの形態で記憶回路140に記憶されている。処理回路160は、各プログラムを記憶回路140から読み出し、実行することで各プログラムに対応する機能を実現するプロセッサである。換言すると、各プログラムを読み出した状態の処理回路160は、図2の処理回路160内に示された各機能を有することとなる。

0042

なお、制御機能161、画像生成機能162、設定機能163、第1学習機能164、評価処理機能165、及び第1変更機能166の全ての処理機能がコンピュータによって実行可能な1つのプログラムの形態で、記憶回路140に記録されていてもよい。例えば、このようなプログラムは、医用画像生成プログラムとも称される。この場合、処理回路160は、医用画像生成プログラムを記憶回路140から読み出し、読み出した医用画像生成プログラムを実行することで医用画像生成プログラムに対応する制御機能161、画像生成機能162、設定機能163、第1学習機能164、評価処理機能165、及び第1変更機能166を実現する。

0043

画像生成機能162は、取得部の一例である。評価処理機能165及び推定処理機能169は、処理部の一例である。第1変更機能166及び第2変更機能170は、決定部の一例である。設定機能163は、設定部の一例である。第1学習機能164及び第2学習機能168は、学習部の一例である。第1入力機能167及び第2入力機能171は、入力部の一例である。

0044

制御機能161は、医用画像生成装置10の全体制御を実行する。例えば、制御機能161は、通信インターフェース150を制御して、医用画像生成装置10又はPACS30から画像データを取得する。そして、制御機能161は、取得した画像データを記憶回路140に記憶させる。また、制御機能161は、入力インターフェース102を制御して、各種操作を受け付ける。

0045

画像生成機能162は、被検体Pが含まれている画像である画像データを取得する。更に詳しくは、画像生成機能162は、設定されているパラメータに基づいて、Bモード処理回路120及びドプラ処理回路130が生成したデータから超音波画像データを生成等により取得する。すなわち、画像生成機能162は、Bモード処理回路120が生成したBモードデータから反射波の強度を輝度にて表したBモード画像データを生成する。また、画像生成機能162は、ドプラ処理回路130が生成したドプラデータから移動体情報を表す平均速度画像分散画像パワー画像、又は、これらの組み合わせ画像としてのカラードプラ画像データを生成する。すなわち、画像生成機能162は、設定されているパラメータに基づいて、被検体Pの体内の血流を色彩で表現した超音波画像データを生成する。

0046

ここで、画像生成機能162は、一般的には、超音波走査の走査線信号列を、テレビ等に代表されるビデオフォーマットの走査線信号列に変換(スキャンコンバート)し、表示用の超音波画像データを生成する。具体的には、画像生成機能162は、超音波プローブ101による超音波の走査形態に応じて座標変換を行うことで、表示用の超音波画像データを生成する。また、画像生成機能162は、超音波画像データに、種々のパラメータの文字情報目盛り、ボディーマーク、種々のマーカ等を合成する。

0047

設定機能163は、画像データに対して1以上の関心領域R1を設定する。更に詳しくは、設定機能163は、超音波画像データのうち学習済みモデルが評価対象にする領域である関心領域R1を設定する。ここで、図3は、超音波画像データに設定された関心領域R1を説明する説明図である。超音波診断では被検体Pの臓器等の体表の内部を診断する場合が多いため、体表を評価対象から除外したい場合がある。また、診断対象の部位、つまり被検体Pの体表からの深さを示す深度に応じて、描画させたい内容が異なっているため、調整すべきパラメータは、被検体Pの深度に応じて異なっている。例えば、体表から深度が浅い領域については、末梢部の細かい血管を描画させたい場合が多い。この場合には、低速な血流を描画させるようにパラメータを調整する。一方、体表から深度が深い領域については、太い血管を描画させたい場合が多い。この場合、低速な血流を描画させるようにパラメータを調整すると、様々な動きを血流と誤検知してノイズの多い画像となってしまう。

0048

このような理由により、設定機能163は、深度ごとに関心領域R1を設定する。図3は、例えば被検体Pの深度に応じて、3つの領域に分けて関心領域R1を設定した状態を示している。例えば、設定機能163は、体表の下端から任意の深度までを第1関心領域R11と、第1関心領域R11から任意の深度までを第2関心領域R12と、第2関心領域R12から任意の深度までを第3関心領域R13と設定する。なお、関心領域R1を3分割するのは一例であって、2分割以下であってもよいし、4分割以上であってもよい。また、関心領域R1は、矩形形状に限らず、任意の形状であってもよい。

0049

さらに、診断対象となる臓器はそれぞれ大きさが異なっている。また、超音波プローブ101の角度に応じて、表示される臓器の大きさも異なっている。そのため、関心領域R1は、診断対象の部位や、超音波プローブ101の角度に応じて異なっていることが好ましい。ここで、臓器等の診断対象の部位が表示される深度や、表示される診断対象の大きさは、診断対象の部位や、超音波プローブ101が当てられている被検体Pの位置や、超音波プローブ101の角度により推定することができる。

0050

そこで、設定機能163は、超音波プローブ101が当てられる前に設定された診断対象の部位や、超音波プローブ101が当てられている被検体Pの位置や、超音波プローブ101の角度等のこれらの条件の組み合わせごとに、1以上の関心領域R1を設定する。すなわち、設定機能163は、診断対象の部位や、超音波プローブ101が当てられている被検体Pの位置や、超音波プローブ101の角度の組み合わせに基づいて決定される深度に、これら条件の組み合わせに基づいて決定される大きさの関心領域R1を設定する。この時、関心領域R1は、矩形形状に限らず、他の形状であってもよい。また、超音波プローブ101の角度は、超音波プローブ101に傾斜センサを付加することで検出してもよいし、他の方法により検出してもよい。そして、設定機能163は、体表の下端から関心領域R1を設定する。

0051

第1学習機能164は、画像データと、評価値との相関関係を学習して学習済みモデルを構築する。ここで、図4は、第1学習機能164による学習処理を示す図である。第1学習機能164は、任意のパラメータで生成した超音波画像データと、超音波画像データの評価値とを組み合わせた学習用データを入力する。そして、第1学習機能164は、機械学習により超音波画像データと、超音波画像データの評価値との相関関係を学習することで、関心領域R1ごとに学習済みモデルを構築する。すなわち、第1学習機能164は、被検体Pの深度ごとに設定された関心領域R1ごとに学習済みモデルを構築する。例えば、第1学習機能164は、第1関心領域R11と、第2関心領域R12と、第3関心領域R13との其々の学習済みモデルを構築する。このようにして構築された学習済みモデルは、超音波画像データが入力されると、超音波画像データの評価値を出力する。

0052

ここで、超音波画像データと、超音波画像データの評価値とが組み合わされた学習用データは、医用情報処理装置40等の他の装置から受信してもよいし、医用画像生成装置10で生成してもよい。医用画像生成装置10で生成する場合、第1学習機能164は、例えば、超音波画像データごとに超音波画像データの評価値を入力する操作を受け付けることにより生成する。

0053

また、第1学習機能164は、関心領域R1ごとに評価項目が定められている場合には、評価項目ごとの評価値を入力する。例えば、評価項目とは、末梢部の細かい血管を描出できているか、深部の血流を捉えられているか、血管のつながり具合を描出できているか等である。また、評価項目は、関心領域R1ごとに異なっていてもよいし、同じであってもよい。

0054

さらに、第1学習機能164は、診断対象の部位や、超音波プローブ101が当てられている被検体Pの位置や、超音波プローブ101の角度等のこれらの条件の組み合わせごとに関心領域R1が設定されている場合、これら条件の組み合わせごとに設定された1以上の関心領域R1ごとに、学習済みモデルを構築する。

0055

評価処理機能165は、学習済みモデルを用いて、画像生成機能162が取得した画像データに応じた出力情報を得る。すなわち、評価処理機能165は、画像データと、評価値との相関関係を学習した学習済みモデルを用いて、画像生成機能162が取得した学習データに対応する評価値を出力情報として得る。ここで、図5は、評価処理機能165による運用処理を示す図である。画像生成機能162が任意のパラメータで生成した超音波画像データを評価対象の関心領域R1に応じた学習済みモデルに入力すると、学習済みモデルは、入力された超音波画像データの評価値が含まれる出力情報を出力する。すなわち、学習済みモデルは、入力された超音波画像データにおける評価対象の関心領域R1の評価値を出力する。例えば、第1関心領域R11を対象とする学習済みモデルは、第1関心領域R11の評価値を出力する。第2関心領域R12を対象とする学習済みモデルは、第2関心領域R12の評価値を出力する。第3関心領域R13を対象とする学習済みモデルは、第3関心領域R13の評価値を出力する。さらに、学習済みモデルは、関心領域R1ごとに評価項目が定められている場合には、評価項目ごとに評価値を出力する。

0056

そして、評価処理機能165は、評価値をパラメータにフィードバックする。すなわち、評価処理機能165は、評価値が閾値未満の場合には、第1変更機能166にパラメータの変更を要求する。ここで、診断対象の部位や、超音波プローブ101が当てられている被検体Pの位置や、超音波プローブ101の角度に基づいて関心領域R1が設定されている場合には、評価処理機能165は、これら条件に適合した学習済みモデルを特定する。そして、評価処理機能165は、特定した学習済みモデルに対して、画像生成機能162が生成した超音波画像データを入力することで、入力した超音波画像データの評価値が含まれる出力情報を出力させる。

0057

第1変更機能166は、評価処理機能165が得た出力情報に基づいて、画像データの取得に関するパラメータを決定する。第1の実施形態では、第1変更機能166は、学習済みモデルが出力した出力情報に含まれる評価値が閾値未満の場合に、パラメータを変更する。第1変更機能166は、関心領域R1ごとに評価項目が定められている場合には、最も評価値が低い評価項目の評価値を上げるために、パラメータを変更する。例えば、第1変更機能166は、末梢部の細かい血管など低流速の血管を描出できていない場合、MTIフィルタやWallフィルタを低流速側にシフトさせたり、表示する流速範囲を調節したりすることで、より低流速まで捉えられるようにする。逆にROI内にノイズが多く発生している場合には、第1変更機能166は、フィルタを高流速側にシフトさせることで、ノイズを取り除くよう調節する。また、第1変更機能166は、深部の血管など高流速の血管を描出できていない場合、送信周波数を下げることで最大検出可能速度を上げるよう調節する。

0058

次に、第1の実施形態において、学習済みマスタ運用時における画像生成処理について説明する。図6は、第1の実施形態に係る画像生成処理の処理手順を示すフローチャートである。

0059

制御機能161は、診断対象の部位や深度を設定する操作を受け付ける(ステップS11)。

0060

画像生成機能162は、パラメータに基づいて、超音波画像データを生成する(ステップS12)。

0061

評価処理機能165は、生成した超音波画像データを、設定された深度の学習済みモデルに入力して、出力情報を出力させる(ステップS13)。すなわち、評価処理機能165は、評価項目ごとに超音波画像データの評価値を得る。

0062

第1変更機能166は、各評価項目の評価値が閾値未満であるか否かを判定する(ステップS14)。

0063

閾値未満の評価値がある場合に(ステップS14;Yes)、第1変更機能166は、最も評価値が低い評価項目の評価値を上げるパラメータを変更する(ステップS15)。そして、医用画像生成装置10は、ステップS12に移行して、再度超音波画像データを生成する。

0064

一方、閾値未満の評価値がない場合に(ステップS14;No)、画像生成機能162は、パラメータに基づいて、超音波画像データを生成する(ステップS16)。

0065

制御機能161は、超音波画像データの取得を終了する操作を受け付けたか否かを判定する(ステップS17)。超音波画像データの取得を終了する操作を受け付けていない場合に(ステップS17;No)、医用画像生成装置10は、ステップS16に移行して、再度超音波画像データを生成する。

0066

超音波画像データの取得を終了する操作を受け付けた場合に(ステップS17;Yes)、医用画像生成装置10は、画像生成処理を終了する。

0067

以上のように、第1の実施形態に係る医用画像生成装置10は、超音波画像データを学習済みモデルに入力することで、入力した超音波画像データの評価値を取得する。そして、医用画像生成装置10は、評価値が閾値未満の場合に、パラメータを変更して再度超音波画像データを生成する。医用画像生成装置10は、この処理を繰り返し実行することで、適切なパラメータが設定されて、閾値以上の評価値の超音波画像データを生成することができる。すなわち、医用画像生成装置10は、生成する超音波画像データの画像の品質を向上させることができる。

0068

(第1の実施形態の第1の変形例)
第1の実施形態の第1の変形例について説明する。ここで、図7は、第1の実施形態の第1の変形例にかかる医用画像生成装置10aの構成の一例を示すブロック図である。第1の実施形態の第1の変形例に係る医用画像生成装置10aの処理回路160aは、第1学習機能164に代えて、第1入力機能167を備えている。

0069

第1入力機能167は、医用情報処理装置40等の他の装置から学習済みモデルを、受信等により入力を受け付ける。さらに詳しくは、第1入力機能167は、超音波画像データと、評価値との相関関係を学習することで構築された学習済みモデルの入力を受け付ける。なお、第1入力機能167は、受信に限らず、学習済みモデルを記憶した記憶媒体から接続インターフェースを介して入力を受け付けてもよい。

0070

以上のように、第1の実施形態の第1の変形例に係る医用画像生成装置10aは、学習済みモデルの入力を受け付ける。よって、医用画像生成装置10aは、第1学習機能164を備えていなくても学習済みモデルを取得することが可能である。従って、医用画像生成装置10aは、第1学習機能164を備えていなくても適切なパラメータで画像データを生成することができる。すなわち、医用画像生成装置10aは、第1学習機能164を備えていなくても、生成する超音波画像データの画像の品質を向上させることができる。

0071

(第2の実施形態)
第2の実施形態について説明する。ここで、図8は、第2の実施形態に係る医用画像生成装置10bの構成の一例を示すブロック図である。第2の実施形態に係る医用情報処理装置40の処理回路160bは、第1学習機能164に代えて、第2学習機能168を備えている。また、医用情報処理装置40は、評価処理機能165に代えて、推定処理機能169を備えている。また、医用情報処理装置40は、第1変更機能166に代えて、第2変更機能170を備えている。

0072

第2学習機能168は、画像データと、パラメータとの相関関係を学習して学習済みモデルを構築する。ここで、図9は、第2学習機能168による学習処理を示す図である。第2学習機能168は、超音波画像データと、設定することで超音波画像データの評価値が閾値以上になる適切なパラメータとを用いて、機械学習により学習済みモデルを構築する。更に詳しくは、第2学習機能168は、画像生成機能162が初期設定のパラメータで生成した超音波画像データと、適切なパラメータとを組み合わせた学習用データを入力する。そして、第2学習機能168は、機械学習により超音波画像データと、適切なパラメータとの相関関係を学習することで、関心領域R1ごとに学習済みモデルを構築する。すなわち、第2学習機能168は、被検体Pの深度ごとに設定された関心領域R1ごとに学習済みモデルを構築する。例えば、第2学習機能168は、第1関心領域R11と、第2関心領域R12と、第3関心領域R13との其々の学習済みモデルを構築する。さらに、第2学習機能168は、診断対象の部位や、超音波プローブ101が当てられている被検体Pの位置や、超音波プローブ101の角度に基づいて関心領域R1が設定されている場合には、これら条件の組み合わせごとに設定された1以上の関心領域R1ごとに、学習済みモデルを構築する。このようにして生成された学習済みモデルは、超音波画像データが入力されると、再設定して超音波画像データを生成することで評価値が閾値以上の超音波画像データを生成することができる適切なパラメータを出力する。

0073

ここで、超音波画像データと、適切なパラメータとが組み合わされた学習用データは、医用情報処理装置40等の他の装置から受信してもよいし、医用画像生成装置10bで生成してもよい。医用画像生成装置10bで生成する場合、第2学習機能168は、超音波画像データごとに、適切なパラメータを入力する操作を受け付けることにより生成する。

0074

推定処理機能169は、画像データと、画像データの評価値を閾値以上にするパラメータとの相関関係を学習した学習済みモデルを用いて、画像生成機能162が取得した学習データに対応するパラメータを出力情報として得る。すなわち、推定処理機能169は、画像データと、画像データの評価値を閾値以上にするパラメータとの相関関係を学習した学習済みモデルを用いて、画像生成機能162が取得した画像データに対応するパラメータを出力情報として得る。ここで、図10は、推定処理機能169による運用処理を示す図である。推定処理機能169は、学習済みモデルに対して、画像生成機能162が生成した超音波画像データを入力することで、評価値が閾値以上となる超音波画像データを生成することができる適切なパラメータが含まれる出力情報を出力させる。すなわち、学習済みモデルは、入力された超音波画像データに対する適切なパラメータを出力する。この時、推定処理機能169は、画像生成機能162が初期設定のパラメータで生成した超音波像データを評価対象の関心領域R1に応じた学習済みモデルに入力する。例えば、第1関心領域R11を評価対象とする場合には、推定処理機能169は、第1関心領域R11の学習済みモデルに超音波像データを入力する。第2関心領域R12を評価対象とする場合には、推定処理機能169は、第2関心領域R12の学習済みモデルに超音波像データを入力する。第3関心領域R13を評価対象とする場合には、推定処理機能169は、第3関心領域R13の学習済みモデルに超音波像データを入力する。そして、各学習済みモデルは、それぞれパラメータを出力する。

0075

ここで、診断対象の部位や、超音波プローブ101が当てられている被検体Pの位置や、超音波プローブ101の角度に基づいて関心領域R1が設定されている場合には、推定処理機能169は、これら条件に適合した学習済みモデルを特定する。そして、推定処理機能169は、特定した学習済みモデルに対して、画像生成機能162が生成した超音波画像データを入力することで、入力した超音波画像データの評価値を閾値以上にする適切なパラメータが含まれる出力情報を出力させる。

0076

第2変更機能170は、推定処理機能169が学習済みモデルに出力させた出力情報に基づいて、画像生成機能162が超音波画像データを生成するパラメータを決定する。第2実施形態では、第2変更機能170は、学習済みモデルが出力した出力情報に含まれるパラメータに変更する。そして、画像生成機能162が出力されたパラメータで超音波画像データを生成することで適切な超音波画像データが生成される。ここで、適切な超音波画像データとは、評価値が閾値以上の超音波画像データである。

0077

次に、第2の実施形態において、学習済みマスタの運用時における画像生成処理について説明する。図11は、第2の実施形態に係る画像生成処理の処理手順を示すフローチャートである。

0078

制御機能161は、診断対象の部位や深度を設定する操作を受け付ける(ステップS21)。

0079

画像生成機能162は、パラメータに基づいて、超音波画像データを生成する(ステップS22)。

0080

推定処理機能169は、生成した超音波画像データを、設定された深度の学習済みモデルに入力して、出力情報を出力させる(ステップS23)。すなわち、推定処理機能169は、入力された超音波画像データの生成において設定すべき適切なパラメータを出力させる。

0081

第2変更機能170は、出力されたパラメータに設定を変更する(ステップS24)。

0082

画像生成機能162は、パラメータに基づいて、超音波画像データを生成する(ステップS25)。すなわち、画像生成機能162は、適切なパラメータに基づいて、適切な超音波画像データを生成する。

0083

制御機能161は、超音波画像データの取得を終了する操作を受け付けたか否かを判定する(ステップS26)。超音波画像データの取得を終了する操作を受け付けていない場合に(ステップS26;No)、医用画像生成装置10bは、ステップS25に移行して、再度超音波画像データを生成する。

0084

超音波画像データの取得を終了する操作を受け付けた場合に(ステップS26;Yes)、医用画像生成装置10bは、画像生成処理を終了する。

0085

以上のように、第2の実施形態に係る医用画像生成装置10bは、超音波画像データを学習済みモデルに入力することで、入力した超音波画像データの生成において設定すべき適切なパラメータを取得する。よって、医用画像生成装置10bは、適切なパラメータで画像データを生成することができる。すなわち、医用画像生成装置10bは、生成する超音波画像データの画像の品質を向上させることができる。

0086

(第2の実施形態の第1の変形例)
第2の実施形態の第1の変形例について説明する。ここで、図12は、第2の実施形態の第1の変形例にかかる医用画像生成装置10cの構成の一例を示すブロック図である。第2の実施形態の第1の変形例に係る医用画像生成装置10cの処理回路160cは、第2学習機能168に代えて、第2入力機能171を備えている。

0087

第2入力機能171は、医用情報処理装置40等の他の装置から学習済みモデルを、受信等により入力を受け付ける。さらに詳しくは、第2入力機能171は、超音波画像データと、超音波画像データの評価値を閾値以上にするパラメータとの入力を受け付けて、超音波画像データと、パラメータとの相関関係を学習することで構築された学習済みモデルの入力を受け付ける。なお、第2入力機能171は、受信に限らず、学習済みモデルを記憶した記憶媒体から接続インターフェースを介して入力を受け付けてもよい。

0088

以上のように、第2の実施形態の第1の変形例に係る医用画像生成装置10cは、学習済みモデルの入力を受け付ける。よって、医用画像生成装置10cは、第2学習機能168を備えていなくても学習済みモデルを取得することが可能である。従って、医用画像生成装置10cは、第2学習機能168を備えていなくても適切なパラメータで画像データを生成することができる。すなわち、医用画像生成装置10cは、第2学習機能168を備えていなくても、生成する超音波画像データの画像の品質を向上させることができる。

0089

また、上述した実施形態では、単一の処理回路(処理回路160、160a、160b、160c)によって各処理機能が実現される場合の例を説明したが、実施形態はこれに限られない。例えば、処理回路160、160a、160b、160cは、複数の独立したプロセッサを組み合わせて構成され、各プロセッサが各プログラムを実行することにより各処理機能を実現するものとしても構わない。また、処理回路160、160a、160b、160cが有する各処理機能は、単一又は複数の処理回路に適宜に分散又は統合されて実現されてもよい。

0090

上述した各実施形態の説明で用いた「プロセッサ」という文言は、例えば、CPU(Central Processing Unit)、GPU(Graphics Processing Unit)、或いは、特定用途向け集積回路(Application Specific IntegratedCircuit:ASIC)、プログラマブル論理デバイス(例えば、単純プログラマブル論理デバイス(Simple Programmable Logic Device:SPLD)、複合プログラマブル論理デバイス(Complex Programmable Logic Device:CPLD)、及びフィールドプログラマブルゲートアレイ(Field Programmable Gate Array:FPGA))等の回路を意味する。ここで、メモリにプログラムを保存する代わりに、プロセッサの回路内にプログラムを直接組み込むように構成しても構わない。この場合には、プロセッサは回路内に組み込まれたプログラムを読み出し実行することで機能を実現する。また、本実施形態の各プロセッサは、プロセッサごとに単一の回路として構成される場合に限らず、複数の独立した回路を組み合わせて一つのプロセッサとして構成され、その機能を実現するようにしてもよい。

0091

ここで、プロセッサによって実行されるプログラムは、ROM(Read Only Memory)や記憶部等に予め組み込まれて提供される。なお、このプログラムは、これらの装置にインストール可能な形式又は実行可能な形式のファイルでCD(Compact Disk)−ROM、FD(Flexible Disk)、CD−R(Recordable)、DVD(Digital Versatile Disk)等のコンピュータで読み取り可能な記憶媒体に記録されて提供されてもよい。また、このプログラムは、インターネット等のネットワークに接続されたコンピュータ上に格納され、ネットワーク経由でダウンロードされることにより提供又は配布されてもよい。例えば、このプログラムは、各機能部を含むモジュールで構成される。実際のハードウェアとしては、CPUが、ROM等の記憶媒体からプログラムを読み出して実行することにより、各モジュールが主記憶装置上にロードされて、主記憶装置上に生成される。

0092

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部又は一部を、各種の負荷使用状況等に応じて、任意の単位で機能的又は物理的に分散・統合して構成することができる。更に、各装置にて行なわれる各処理機能は、その全部又は任意の一部が、CPU及び当該CPUにて解析実行されるプログラムにて実現され、或いは、ワイヤードロジックによるハードウェアとして実現され得る。

0093

また、上述した実施形態で説明した医用画像処理方法は、予め用意されたプログラムをパーソナルコンピュータやワークステーション等のコンピュータで実行することによって実現することができる。このプログラムは、インターネット等のネットワークを介して配布することができる。また、このプログラムは、ハードディスクフレキシブルディスク(FD)、CD−ROM、MO、DVD等のコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行することもできる。

0094

以上説明した少なくとも一つの実施形態によれば、適切なパラメータで画像データを生成することができる。

0095

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

0096

1医用情報処理システム
10、10a、10b、10c医用画像生成装置
20電子カルテシステム
30PACS
40医用情報処理装置
50ネットワーク
160、160a、160b、160c処理回路
161制御機能
162画像生成機能
163設定機能
164 第1学習機能
165評価処理機能
166 第1変更機能
167 第1入力機能
168 第2学習機能
169推定処理機能
170 第2変更機能
171 第2入力機能

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ