図面 (/)

技術 医用画像処理装置、学習用データ作成装置および超音波診断装置

出願人 キヤノンメディカルシステムズ株式会社
発明者 本庄泰徳米森啓太渡辺正毅高田優子
出願日 2019年3月14日 (1年9ヶ月経過) 出願番号 2019-047348
公開日 2020年9月17日 (3ヶ月経過) 公開番号 2020-146285
状態 未査定
技術分野 超音波診断装置
主要キーワード 疑似直線 特定ノイズ 内部記憶回路 トラッキングパルス 送信プロファイル 拡散波 抽出ライン 集積回路記憶装置
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9月17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 (20)

課題

送信波波面形状に応じたノイズを低減すること。

解決手段

実施形態に係る医用画像処理装置は、取得部と、処理部とを備える。取得部は、超音波送受信により収集された受信データに基づく入力画像を取得する。処理部は、入力画像に基づいて、入力画像における、超音波の送信時の波面形状に応じたノイズを低減した出力画像を生成するための学習済みモデルに対して、入力画像を入力することで出力画像を生成する。

概要

背景

近年、超音波診断装置では、平面波送信または拡散波送信を行って、時間分解能を向上させる技術が知られている。当該技術は、例えば、Bモード画像の表示だけでなく、剪断波を用いたエラストグラフィ(Shear Wave Elastgraphy:SWE)のトラッキングパルスおよび血流に対するスペックルトラッキング(speckle tracking)など、様々な場面で利用されている。

送信波として平面波または拡散波を用いることによって生成される超音波画像では、高エコー領域に起因する飽和により、直線状のノイズ、或いは円弧状のノイズが発生することがある。即ち、このようなノイズは、送信波の波面形状に応じて発生することがある。なお、このようなノイズは、集束波でも発生し得る。

概要

送信波の波面形状に応じたノイズを低減すること。実施形態に係る医用画像処理装置は、取得部と、処理部とを備える。取得部は、超音波送受信により収集された受信データに基づく入力画像を取得する。処理部は、入力画像に基づいて、入力画像における、超音波の送信時の波面形状に応じたノイズを低減した出力画像を生成するための学習済みモデルに対して、入力画像を入力することで出力画像を生成する。

目的

本発明が解決しようとする課題は、送信波の波面形状に応じたノイズを低減することである

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

音波送受信により収集された受信データに基づく入力画像を取得する取得部と、前記入力画像に基づいて、前記入力画像における、前記超音波の送信時の波面形状に応じたノイズを低減した出力画像を生成するための学習済みモデルに対して、前記入力画像を入力することで前記出力画像を生成する処理部と、を備えた医用画像処理装置

請求項2

前記処理部は、前記波面形状に応じた前記学習済みモデルで、前記出力画像を生成する、請求項1に記載の医用画像処理装置。

請求項3

前記受信データは、遅延プロファイルに従って駆動する複数の振動素子を含む超音波プローブを用いて収集され、前記処理部は、前記超音波プローブの種類及び前記遅延プロファイルのうち少なくともいずれかに応じた前記学習済みモデルで、前記出力画像を生成する、請求項2に記載の医用画像処理装置。

請求項4

前記処理部は、前記受信データ又は前記入力画像に付帯された、前記超音波プローブの種類及び前記遅延プロファイルのうち少なくともいずれかを示す付帯情報に基づいて、前記学習済みモデルを決定する、請求項3に記載の医用画像処理装置。

請求項5

前記学習済みモデルは、超音波画像である第1画像、及び前記第1画像に直線状又は円弧状の像を付加した第2画像を用いて学習したモデルである、請求項1乃至4のいずれか一項に記載の医用画像処理装置。

請求項6

前記第1画像は、受信した前記超音波の強度を輝度で表したBモード画像であり、前記第2画像は、前記第1画像を構成する画素群のうち、相対的に高い輝度を有する画素を含むように前記像を付加した画像である、請求項5に記載の医用画像処理装置。

請求項7

超音波の送信時に適用した遅延プロファイルを示す情報を、前記超音波の送受信により収集された受信データ又は前記受信データに基づく超音波画像に付帯させる付帯部を備えた医用画像処理装置。

請求項8

超音波画像および直線状又は円弧状の像を示すマスクデータを取得する取得部と、前記マスクデータを用いて、前記超音波画像に対して前記像を付加する加工を行う画像加工部と、前記超音波画像と加工された超音波画像とを、機械学習モデルに使用するための学習用データとして出力する出力部とを具備する、学習用データ作成装置

請求項9

超音波の送受信により収集された受信データに基づく超音波画像を生成する画像生成部と、入力画像として前記超音波画像を取得する取得部と、前記入力画像に基づいて、前記入力画像における、前記超音波の送信時の波面形状に応じたノイズを低減した出力画像を生成するための学習済みモデルに対して、前記入力画像を入力することで前記出力画像を生成する処理部とを具備する、超音波診断装置

技術分野

0001

本発明の実施形態は、医用画像処理装置学習用データ作成装置および超音波診断装置に関する。

背景技術

0002

近年、超音波診断装置では、平面波送信または拡散波送信を行って、時間分解能を向上させる技術が知られている。当該技術は、例えば、Bモード画像の表示だけでなく、剪断波を用いたエラストグラフィ(Shear Wave Elastgraphy:SWE)のトラッキングパルスおよび血流に対するスペックルトラッキング(speckle tracking)など、様々な場面で利用されている。

0003

送信波として平面波または拡散波を用いることによって生成される超音波画像では、高エコー領域に起因する飽和により、直線状のノイズ、或いは円弧状のノイズが発生することがある。即ち、このようなノイズは、送信波の波面形状に応じて発生することがある。なお、このようなノイズは、集束波でも発生し得る。

先行技術

0004

米国特許出願公開第2018/0177461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、送信波の波面形状に応じたノイズを低減することである。

課題を解決するための手段

0006

実施形態に係る医用画像処理装置は、取得部と、処理部とを備える。取得部は、超音波送受信により収集された受信データに基づく入力画像を取得する。処理部は、入力画像に基づいて、入力画像における、超音波の送信時の波面形状に応じたノイズを低減した出力画像を生成するための学習済みモデルに対して、入力画像を入力することで出力画像を生成する。

図面の簡単な説明

0007

図1は、第1の実施形態に係る医用画像処理装置を含む医用画像処理システムの構成例を示すブロック図である。
図2は、第1の実施形態における複数の超音波プローブを例示する模式図である。
図3は、第1の実施形態において、セクタプローブを用いることによって生成される超音波画像および送信波の波面を例示する模式図である。
図4は、第1の実施形態において、リニアプローブを用いることによって生成される超音波画像および送信波の波面を例示する模式図である。
図5は、第1の実施形態において、コンベックスプローブを用いることによって生成される超音波画像および送信波の波面を例示する模式図である。
図6は、第1の実施形態に係る医用画像処理装置に用いられる学習済みモデルの動作を説明する図である。
図7は、第1の実施形態に係る医用画像処理装置の動作を説明するフローチャートである。
図8は、第2の実施形態に係るモデル学習装置を含む医用画像処理システムの構成例を示すブロック図である。
図9は、第2の実施形態に係るモデル学習装置の動作を説明するフローチャートである。
図10は、第2の実施形態に係るモデル学習装置の動作を模式的に示す図である。
図11は、第3の実施形態に係る医用画像処理装置の構成例を示すブロック図である。
図12は、第3の実施形態に係る医用画像処理装置の動作を説明するフローチャートである。
図13は、第3の実施形態に係る医用画像処理装置の動作を模式的に示す図である。
図14は、第4の実施形態に係る医用画像処理装置の構成例を示すブロック図である。
図15は、第4の実施形態に係る医用画像処理装置の動作を説明するフローチャートである。
図16は、第4の実施形態に係る医用画像処理装置の動作を模式的に示す図である。
図17は、第5の実施形態に係る医用画像処理装置の構成例を示すブロック図である。
図18は、第5の実施形態に係る医用画像処理装置の動作を説明するフローチャートである。
図19は、第5の実施形態に係る医用画像処理装置の動作を模式的に示す図である。
図20は、第6の実施形態に係る超音波診断装置の構成例を示すブロック図である。

実施例

0008

以下、図面を参照しながら、医用画像処理装置、モデル学習装置および超音波診断装置の実施形態について詳細に説明する。

0009

(第1の実施形態)
図1は、第1の実施形態に係る医用画像処理装置を含む医用画像処理システムの構成例を示すブロック図である。例えば、図1に示すように、本実施形態に係る医用画像処理システムは、医用画像処理装置1と、端末装置2と、医用画像管理システム3とを備える。医用画像処理装置1、端末装置2および医用画像管理システム3は、例えば、医療施設内に設置されたネットワークを介して互いに接続される。尚、医用情報処理システムは、複数の端末装置を備えてもよい。

0010

端末装置2は、例えばPC(Personal Computer)、タブレット式PC、PDA(Personal Digital Assistant)およびスマートフォンなどに相当する。端末装置2は、医療施設内の各診療科に配置される。端末装置2では、例えば、操作者によって、送信波の波面の形状(波面形状)に応じたノイズを低減する処理(ノイズ低減処理)に関する各種指示が入力される。端末装置2は、入力された各種指示を医用画像処理装置1、或いは医用画像管理システム3へと送信する。以降の説明では、操作者が端末装置2を操作することによって、医用画像処理装置1に対して指示を行うものとする。

0011

医用画像管理システム3は、例えば、PACS(Picture Archiving and Communication System)が導入されているサーバ装置などによって構成される。医用画像管理システム3は、例えば、種々の医用画像診断装置によって収集された医用画像データを記憶する。具体的には、医用画像管理システム3は、超音波診断装置によって収集された超音波画像を記憶する。医用画像管理システム3は、医用画像処理装置1からの指示、或いは端末装置2からの指示に応じて、超音波画像を医用画像処理装置1へと送信する。尚、医用画像管理システム3は、超音波画像に対して後述するプローブ情報および送信プロファイル情報を付帯させてもよい。これらプローブ情報および送信プロファイル情報は、例えば、DICOM(Digital Imaging and COmmunication in Medicine)規格におけるユニークタグに記載される。

0012

医用画像処理装置1は、処理回路11と、記憶回路12と、通信インタフェース13とを備える。医用画像処理装置1は、例えば、送信波の波面形状に応じたノイズを有する超音波画像に対して、機械学習を用いた処理を施すことにより、ノイズが低減された超音波画像を生成する装置である。

0013

通信インタフェース13は、例えば、ネットワークインタフェースカード(Network Interface Card:NIC)が使用可能となっている。通信インタフェース13は、例えば、端末装置2および医用画像管理システム3との通信に関する回路である。以降の説明では、医用画像処理装置1とネットワークに接続された他の装置の通信などにおいて、通信インタフェース13が介在する旨の記載を省略する。

0014

記憶回路12は、例えば、HDD(Hard Disk Drive)などの電気的情報を記録するメモリと、当該メモリに付随するメモリコントローラメモリインタフェースなどの周辺回路から構成される。メモリとしては、HDDに限らず、SSD(ソリッドステートドライブ)、磁気ディスクフロッピー登録商標ディスクなど)、光ディスク(CD、DVD、Blu−ray(登録商標)など)、および半導体メモリなどが適宜、使用可能となっている。記憶回路の構成は、以降の各実施形態でも同様である。

0015

記憶回路12は、医用画像処理装置1のシステム制御プログラム、端末装置2から送信される操作者の指示およびネットワークを介して受信した種々のデータなどを記憶する。また、記憶回路12は、学習済みモデル12aを記憶している。記憶回路12は、医用画像処理装置1の納品時に、学習済みモデル12aを予め記憶してもよい。または、記憶回路12は、医用画像処理装置1の納品後に、図示しないサーバ装置などから取得した学習済みモデル12aを記憶してもよい。

0016

学習済みモデル12aは、学習用データに基づいて、モデル学習プログラムに従い機械学習モデルに機械学習を行わせることにより、得られた学習済みの機械学習モデルである。ここで、本実施形態の学習済みモデル12aは、線状のノイズを有する超音波画像の入力に基づき、ノイズが低減された超音波画像を出力するように機能付けられている。この場合、学習用データは、線状のノイズを有する超音波画像である入力データと、ノイズが低減された超音波画像である出力データとを含んでいる。

0017

本実施形態に係る機械学習モデルは、線状のノイズを有する超音波画像を入力としてノイズが低減された超音波画像を出力する、複数の関数が合成されたパラメータ付き合成関数である。パラメータ付き合成関数は、複数の調整可能な関数及びパラメータの組合せにより定義される。本実施形態に係る機械学習モデルは、上記の要請を満たす如何なるパラメータ付き合成関数であってもよいが、多層ネットワークモデル(以下、多層化ネットワークと呼ぶ)であるとする。多層化ネットワークを用いる学習済みモデル12aは、線状のノイズを有する超音波画像を入力する入力層と、ノイズが低減された超音波画像を出力する出力層と、入力層と出力層との間に設けられる少なくとも1層の中間層とを有する。尚、学習済みモデル12aは、人工知能ソフトウェアの一部であるプログラムモジュールとしての利用が想定される。

0018

本実施形態に係る多層化ネットワークとしては、例えば、深層学習(Deep Learning)の対象となる多層ニューラルネットワークである深層ニューラルネットワーク(Deep Neural Network:DNN)を用いている。DNNとしては、例えば、画像を対象とする畳み込みニューラルネットワーク(Convolution Neural Network:CNN)を用いてもよい。以上の多層化ネットワークに関する説明は、以下の全ての学習済みモデルおよび機械学習モデルにも該当する。

0019

処理回路11は、ハードウェア資源として、プロセッサおよびメモリを備える。処理回路11は、操作者により端末装置2を介して入力された指示に応じて、記憶回路12に記憶されたシステム制御プログラムを読み出す。処理回路11は、読み出したシステム制御プログラムに従って、ノイズ低減処理に係る各機能を実行する。上記各機能には、例えば、取得機能11aおよびノイズ低減機能11bなどがある。尚、取得機能11aを実行する処理回路11は「取得部」と呼ばれてもよく、ノイズ低減機能11bを実行する処理回路11は「処理部」と呼ばれてもよい。

0020

処理回路11は、取得機能11aにより、超音波の送受信により収集された受信データに基づく入力画像を取得する。具体的には、処理回路11は、取得機能11aにより、例えば、医用画像管理システム3から線状のノイズを有する超音波画像を取得する。線状のノイズには、直線状のノイズ(以降、直線ノイズとよぶ)または円弧状のノイズ(以降、円弧ノイズと呼ぶ)であるものとする。尚、処理回路11は、動画像フレーム単位切り出した複数の超音波画像を取得してもよい。このことは、以下の各実施形態でも同様である。

0021

上記線状のノイズの形状は、送信波の波面形状に起因する。即ち、当該線状のノイズは、送信波の波面形状と類似する。本実施形態における送信波は、プローブの備える複数の振動子からの複数の音波が合成された合成波に相当する。また、送信波は、平面波または拡散波であるものとする。本実施形態における平面波は、例えばスキャン面において波面が直線状になる送信波である。例えばリニアプローブを使用する場合における偏向角ゼロの平面波は、上記複数の音波のそれぞれを遅延無く発生させた場合、又は上記複数の音波のそれぞれを同じ遅延時間だけ遅延させて発生された場合の合成波である。本実施形態における拡散波は、例えばスキャン面において波面が円弧状になる送信波である。例えばリニアプローブを使用する場合における偏向角ゼロの拡散波は、上記複数の音波のうち、外側の振動子に対応する音波を、内側の振動子に対応する音波に対して遅延させて発生させた場合の合成波である。尚、送信波には、拡散波の一種として、例えば、集束音場近似したガウス波である集束波や焦点深さを極遠方にした近似的な平面波が含まれてもよい。このことは、以下の実施形態でも同様である。

0022

図2は、第1の実施形態における複数の超音波プローブを例示する模式図である。複数の超音波プローブとして、セクタプローブ21、リニアプローブ22およびコンベックスプローブ23が例示される。尚、上記複数のプローブは、それぞれ複数の振動子を有し、電子走査を行う電子スキャンプローブであるものとする。

0023

セクタプローブ21は、直線に配列された複数の振動子を有する。複数の振動子のうちのそれぞれの振動子は、超音波による波面21aを発生する。セクタプローブ21は、例えば、複数の振動子を同時に駆動させると、それぞれの振動子からの波面が合成された合成波面21bを発生する。

0024

リニアプローブ22は、直線に配列された複数の振動子を有する。複数の振動子のうちのそれぞれの振動子は、超音波による波面22aを発生する。リニアプローブ22は、例えば、複数の振動子を同時に駆動させると、それぞれの振動子からの波面が合成された合成波面22bを発生する。

0025

コンベックスプローブ23は、曲線に配列された複数の振動子を有する。複数の振動子のうちのそれぞれの振動子は、超音波による波面23aを発生する。コンベックスプローブ23は、例えば、複数の振動子を同時に駆動させると、それぞれの振動子からの波面が合成された合成波面23bを発生する。

0026

なお、以降の説明および図では、それぞれのプローブが全ての振動子を用いた開口幅に対応する送信波の波面が形成されるものとする。しかし、開口幅は、全ての振動子を用いた場合に限定されず、一部の振動子を用いた場合でもよい。具体的には、リニアプローブ22およびコンベックスプローブ23では、例えば、全ての振動子の内の半分の振動子を用いた開口幅に対応する送信波の波面が形成されてもよい。また、以降では、波面という記載は、「合成波面」であるものとする。

0027

図3は、第1の実施形態において、セクタプローブを用いることによって生成される超音波画像および送信波の波面を例示する模式図である。

0028

超音波画像31には、描画領域31aにおいて送信波の波面31bが示されている。波面31bは、セクタプローブにおける平面波の波面を示す。また、波面31bは、超音波画像に対して直線ノイズを発生させる要因になりうる。

0029

超音波画像32には、描画領域32aにおいて送信波の波面32bが示されている。波面32bは、セクタプローブにおける拡散波の波面を示す。また、波面32bは、超音波画像に対して円弧ノイズを発生させる要因になりうる。

0030

図4は、第1の実施形態において、リニアプローブを用いることによって生成される超音波画像および送信波の波面を例示する模式図である。

0031

超音波画像41は、描画領域41aにおいて送信波の波面41bが示されている。波面41bは、リニアプローブにおける平面波の波面を示す。また、波面41bは、超音波画像に対して直線ノイズを発生させる要因になりうる。

0032

超音波画像42は、描画領域42aにおいて送信波の波面42bが示されている。波面42bは、リニアプローブにおける拡散波の波面を示す。また、波面42bは、超音波画像に対して円弧ノイズを発生させる要因になりうる。

0033

図5は、第1の実施形態において、コンベックスプローブを用いることによって生成される超音波画像および送信波の波面を例示する模式図である。

0034

超音波画像51は、描画領域51aにおいて送信波の波面51bが示されている。波面51bは、コンベックスプローブにおける平面波の波面を示す。また、波面51bは、超音波画像に対して直線ノイズを発生させる要因になりうる。

0035

超音波画像52は、描画領域52aにおいて送信波の波面52bが示されている。波面52bは、コンベックスプローブにおける拡散波の波面を示す。また、波面52bは、超音波画像に対して円弧ノイズを発生させる要因になりうる。

0036

処理回路11は、ノイズ低減機能11bにより、入力画像に基づいて、入力画像における、超音波の送信時の波面形状に応じたノイズを低減した出力画像を生成するための学習済みモデルに対して、入力画像を入力することで出力画像を生成する。また、複数の波面形状にそれぞれ対応した学習済みモデルが用いられてもよいため、処理回路11は、波面形状に応じた学習済みモデルに対して、入力画像を入力することで出力画像を生成してもよい。

0037

具体的には、処理回路11は、ノイズ低減機能11bにより、線状のノイズを有する超音波画像に基づいてノイズが低減された超音波画像を生成する学習済みモデルに対して、線状のノイズを有する超音波画像を入力することにより、ノイズが低減された超音波画像を生成する。換言すると、処理回路11は、線状のノイズを有する超音波画像を学習済みモデルへ入力することにより、ノイズが低減された超音波画像を生成する。

0038

なお、処理回路11は、自身のメモリなどに学習済みモデル12aを記憶してもよい。即ち、記憶回路12にプログラム(学習済みモデル12a)を記憶する代わりに、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しても構わない。この場合、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、学習済みモデル12aを特定用途向け集積回路(Application Specific IntegratedCircuit:ASIC)およびフィールドプログラマブルゲートアレイ(Field Programmable Gate Array:FPGA)などの回路に実装し、当該回路を処理回路11に組み込ませてもよい。

0039

図6は、第1の実施形態に係る医用画像処理装置に用いられる学習済みモデルの動作を説明する図である。超音波画像61は、例えば、コンベックスプローブにより取得される。超音波画像61は、描画領域61aにおいて円弧ノイズ61bを有する。円弧ノイズ61bは、例えば、図5の波面52b、即ちコンベックスプローブにおける拡散波の波面形状に類似する。超音波画像62は、超音波画像61から円弧ノイズ61bが低減されている。

0040

例えば、処理回路11は、円弧ノイズ61bを有する超音波画像61を学習済みモデル12aへ入力することにより、円弧ノイズ61bが低減された超音波画像62を生成する。

0041

次に、以上のように構成された第1の実施形態に係る医用画像処理装置1の動作について処理回路11の処理手順に従って説明する。

0042

図7は、第1の実施形態に係る医用画像処理装置の動作を説明するフローチャートである。図7のフローチャートは、例えば、端末装置2を操作する操作者からノイズ低減処理に関するアプリケーション起動指示が入力されたことを契機として、処理回路11がノイズを低減するプログラム(ノイズ低減プログラム)を実行することにより開始される。

0043

(ステップST101)
ノイズ低減プログラムが実行されると、処理回路11は、取得機能11aを実行する。取得機能11aを実行すると、処理回路11は、操作者により指定された線状のノイズを有する超音波画像を、医用画像管理システム3から取得する。取得される超音波画像は、例えば、図6の超音波画像61に相当する。

0044

(ステップST102)
線状のノイズを有する超音波画像を取得した後、処理回路11は、ノイズ低減機能11bを実行する。ノイズ低減機能11bを実行すると、処理回路11は、取得された超音波画像と学習済みモデルとに基づき、ノイズが低減された超音波画像を生成する。生成される超音波画像は、例えば、図6の超音波画像62に相当する。

0045

処理回路11は、生成された超音波画像を医用画像管理システム3へ記憶し、端末装置2のディスプレイに表示させ、ノイズ低減プログラムを終了する。

0046

以上説明したように、第1の実施形態に係る医用画像処理装置は、超音波の送受信により収集された受信データに基づく入力画像を取得し、入力画像に基づいて、入力画像における、超音波の送信時の波面形状に応じたノイズを低減した出力画像を生成するための学習済みモデルに対して、入力画像を入力することで出力画像を生成する。また、本医用画像処理装置は、波面形状に応じた学習済みモデルで、出力画像を生成してもよい。

0047

または、第1の実施形態に係る医用画像処理装置は、線状のノイズを有する超音波画像を取得し、線状のノイズを有する超音波画像に基づいてノイズが低減された超音波画像を生成する学習済みモデルに対して、取得された超音波画像を入力することにより、ノイズが低減された超音波画像を生成する。

0048

従って、本医用画像処理装置は、超音波画像を取得したプローブの種類などによらず、取得された超音波画像に発生した線状のノイズを低減することができる。

0049

また、本医用画像処理装置は、送信波の波面形状に応じたノイズを有する超音波画像を用いることができる。また、本医用画像処理装置は、平面波、拡散波または集束波である送信波の波面形状に応じたノイズを有する超音波画像を用いることができる。

0050

(第2の実施形態)
第1の実施形態に係る医用画像処理装置は、学習済みモデルを用いて超音波画像のノイズ低減処理を行う。他方、第2の実施形態に係るモデル学習装置は、例えば、医用画像処理装置によって用いられる学習済みモデルを生成する。

0051

図8は、第2の実施形態に係るモデル学習装置を含む医用画像処理システムの構成例を示すブロック図である。例えば、図8に示すように、本実施形態に係る医用画像処理システムは、モデル学習装置8と、端末装置2と、医用画像管理システム3とを備える。モデル学習装置8、端末装置2および医用画像管理システム3は、例えば、医療施設内に設置されたネットワークを介して互いに接続される。尚、医用情報処理システムは、複数の端末装置を備えてもよい。

0052

モデル学習装置8は、処理回路81と、記憶回路82と、通信インタフェース83とを備える。モデル学習装置8は、例えば、図1の医用画像処理装置1の記憶回路82が有する学習済みモデル12aを生成する装置である。

0053

通信インタフェース83は、例えば、NICが使用可能となっている。通信インタフェース83は、例えば、端末装置2および医用画像管理システム3との通信に関する回路である。以降の説明では、モデル学習装置8とネットワークに接続された他の装置の通信などにおいて、通信インタフェース83が介在する旨の記載を省略する。

0054

記憶回路82は、モデル学習装置8のシステム制御プログラム、端末装置2から送信される操作者の指示およびネットワークを介して受信した種々のデータなどを記憶する。また、記憶回路82は、機械学習モデル82aを記憶している。記憶回路82は、モデル学習装置8の納品時に、機械学習モデル82aを予め記憶してもよい。または、記憶回路82は、モデル学習装置8の納品後に、図示しないサーバ装置などから取得した機械学習モデル82aを記憶してもよい。尚、記憶回路82は、後述するマスクデータを記憶してもよい。

0055

処理回路81は、ハードウェア資源として、プロセッサおよびメモリを備える。処理回路81は、操作者により端末装置2を介して入力された指示に応じて、記憶回路82に記憶されたシステム制御プログラムを読み出す。処理回路81は、読み出したシステム制御プログラムに従って、機械学習モデルの機械学習を行う処理(モデル学習処理)に係る各機能を実行する。上記各機能には、例えば、取得機能81a、画像加工機能81bおよび出力機能81cなどがある。尚、取得機能81aを実行する処理回路81は「取得部」と呼ばれてもよい。

0056

処理回路81は、取得機能81aにより、超音波の送受信により収集された受信データに基づく入力画像を取得する。具体的には、処理回路81は、取得機能81aにより、例えば、医用画像管理システム3から超音波画像を取得する。また、処理回路81は、例えば、記憶回路82からマスクデータを取得する。マスクデータは、例えば、超音波画像に対して付与する線状のノイズの位置情報を有する。マスクデータは、例えば、線状のノイズのみが示された画像であり、マスクデータには、直線状又は円弧状の像が示される。尚、処理回路81は、動画像をフレーム単位で切り出した複数の超音波画像を取得してもよい。

0057

処理回路81は、画像加工機能81bにより、超音波画像とマスクデータとに基づいて、線状のノイズを有する超音波画像を生成する。具体的には、処理回路81は、マスクデータを用いて、超音波画像に対して線状のノイズを付加する加工を行う。換言すると、処理回路81は、超音波画像に直線状又は円弧状の像を付加する。尚、超音波画像は、例えば、受信した超音波の強度を輝度で表したBモード画像である。また、加工された超音波画像は、例えば、線状のノイズを有する超音波画像に相当し、加工前の超音波画像を構成する画素群のうち、相対的に高い輝度を有する画素を含むように像を付加した画像である。

0058

処理回路81は、出力機能81cにより、取得された超音波画像と加工された超音波画像とを学習用データとして、機械学習モデル82aを出力する。学習用データは、線状のノイズを有する超音波画像を受け付けて、当該超音波画像に対応するノイズが低減された超音波画像を出力するように機能付けられた学習済みモデルとなる機械学習モデルに使用するために用いられる。

0059

なお、処理回路81は、自身のメモリなどに機械学習モデル82aを記憶してもよい。即ち、記憶回路82にプログラム(機械学習モデル82a)を記憶する代わりに、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しても構わない。この場合、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、機械学習モデル82aをASICおよびFPGAなどの回路に実装し、当該回路を処理回路81に組み込ませてもよい。

0060

次に、以上のように構成された第2の実施形態に係るモデル学習装置8の動作について処理回路81の処理手順に従って説明する。また、以降では、図9のフローチャートと、図10の模式図とを用いて説明する。尚、図9は、第2の実施形態に係るモデル学習装置の動作を説明するフローチャートである。図10は、第2の実施形態に係るモデル学習装置の動作を模式的に示す図である。

0061

図9のフローチャートは、例えば、端末装置2を操作する操作者からモデル学習処理に関するアプリケーションの起動指示が入力されたことを契機として、処理回路81が機械学習モデルの機械学習を行うプログラム(モデル学習プログラム)を実行することにより開始される。

0062

(ステップST201)
モデル学習プログラムが実行されると、処理回路81は、取得機能81aを実行する。取得機能81aを実行すると、処理回路81は、操作者により指定された超音波画像を、医用画像管理システム3から取得する。取得される超音波画像は、例えば、図10の超音波画像101に相当する。

0063

また、処理回路81は、操作者に指定されたマスクデータを、記憶回路82から取得する。取得されるマスクデータは、例えば、図10のマスクデータ102に相当する。

0064

(ステップST202)
超音波画像およびマスクデータを取得した後、処理回路81は、画像加工機能81bを実行する。画像加工機能81bを実行すると、処理回路81は、取得されたマスクデータを用いて、取得された超音波画像に対して線状のノイズを付加する加工を行う。

0065

例えば、処理回路81は、マスクデータ102を用いて、超音波画像101に対して線状のノイズを付加する加工を行うことによって、線状のノイズを有する超音波画像103を生成する。

0066

(ステップST203)
線状のノイズを有する超音波画像を生成した後、処理回路81は、取得された超音波画像と生成された超音波画像とを学習用データとして記憶回路82に保存する。

0067

(ステップST204)
学習用データを保存した後、処理回路81は、出力機能81cにより、記憶回路82に保存された学習用データを順次、機械学習モデル82aへと出力する。そして、処理回路81は、学習用データを用いて、機械学習モデル82aの機械学習を行い、機械学習モデル82aのパラメータを調整する。

0068

例えば、処理回路81は、線状のノイズを有する超音波画像103と、超音波画像101とを学習用データとして、機械学習モデル82aの機械学習を行う。

0069

(ステップST205)
機械学習モデル82aの機械学習を行った後、処理回路81は、機械学習モデル82aを学習済みモデルとして置き換え、モデル学習プログラムを終了する。

0070

換言すると、ステップST205における学習済みモデルは、超音波画像である第1画像、及び第1画像に直線状又は円弧状の像を付加した第2画像を用いて学習したモデルに相当する。第1画像は、受信した超音波の強度を輝度で表したBモード画像でもよく、第2画像は、第1画像を構成する画素群のうち、相対的に高い輝度を有する画素を含むように像を付加した画像でもよい。

0071

以上説明したように、第2の実施形態に係るモデル学習装置は、学習用データ作成装置として、超音波画像およびマスクデータを取得し、取得されたマスクデータを用いて、取得された超音波画像に対して線状のノイズを付加する加工を行う。モデル学習装置は、取得された超音波画像と加工された超音波画像とを、機械学習モデルに使用するための学習用データとして出力する。

0072

従って、本モデル学習装置は、学習用データ作成装置として、超音波画像に発生した送信波の波面形状に応じたノイズを低減するための学習済みモデルに用いる学習用データを作成することができる。

0073

(第3の実施形態)
第1の実施形態に係る医用画像処理装置は、一つの学習済みモデルを用いて超音波画像のノイズ低減処理を行う。他方、第3の実施形態に係る医用画像処理装置は、複数の学習済みモデルのうちのいずれか一つを用いて超音波画像のノイズ低減処理を行う。

0074

図11は、第3の実施形態に係る医用画像処理装置の構成例を示すブロック図である。例えば、図11に示すように、医用画像処理装置110は、処理回路111と、記憶回路112と、通信インタフェース113とを備える。医用画像処理装置110は、例えば、送信波の波面形状に応じたノイズを有する超音波画像に対して、機械学習を用いた処理を施すことにより、ノイズが低減された超音波画像を生成する装置である。

0075

なお、医用画像処理装置110は、ネットワークを介して端末装置および医用画像管理システムと接続されてもよい。また、端末装置および医用画像管理システムは、図1の端末装置2および医用画像管理システム3と同様であるため、図示および説明を省略する。このことは以下の各実施形態でも同様である。

0076

通信インタフェース113は、例えば、NICが使用可能となっている。通信インタフェース113は、例えば、端末装置および医用画像管理システムとの通信に関する回路である。以降の説明では、医用画像処理装置110とネットワークに接続された他の装置の通信などにおいて、通信インタフェース113が介在する旨の記載を省略する。

0077

記憶回路112は、医用画像処理装置110のシステム制御プログラム、端末装置から送信される操作者の指示およびネットワークを介して受信した種々のデータなどを記憶する。また、記憶回路112は、複数の学習済みモデル112a−1,112a−2,…,112a−n(nは正の整数)を記憶している。以降では、複数の学習済みモデル112a−1,112a−2,…,112a−nを総称して複数の学習済みモデル112Aとして説明を行う。また、複数の学習済みモデル112Aのそれぞれの学習済みモデルに共通する説明に関しては、学習済みモデル112aとして説明を行う。記憶回路112は、医用画像処理装置110の納品時に、複数の学習済みモデル112Aを予め記憶してもよい。または、記憶回路112は、医用画像処理装置110の納品後に、図示しないサーバ装置などから取得した学習済みモデル112Aを記憶してもよい。

0078

学習済みモデル112aは、学習用データに基づいて、モデル学習プログラムに従い機械学習モデルに機械学習を行わせることにより、得られた学習済みの機械学習モデルである。ここで、本実施形態の学習済みモデル112aは、線状のノイズを有する超音波画像の入力に基づき、ノイズが低減された超音波画像を出力するように機能付けられている。この場合、学習用データは、線状のノイズを有する超音波画像である入力データと、ノイズが低減された超音波画像である出力データとを含んでいる。

0079

複数の学習済みモデル112Aのそれぞれの学習済みモデルは、処理対象の超音波画像の種類がそれぞれ異なる。例えば、学習済みモデル112a−1は、コンベックスプローブを用いることによって生成される超音波画像およびコンベックスプローブにおける平面波の波面形状と類似するノイズに関して作成されている。また、複数の学習済みモデル112Aのそれぞれの学習済みモデルは、送信波の波面形状に関する情報に対応付けられている。送信波の波面形状に関する情報は、例えば後述するプローブ情報および送信プロファイル情報を含む。

0080

処理回路111は、ハードウェア資源として、プロセッサおよびメモリを備える。処理回路111は、操作者により端末装置を介して入力された指示に応じて、記憶回路112に記憶されたシステム制御プログラムを読み出す。処理回路111は、読み出したシステム制御プログラムに従って、ノイズ低減処理に係る各機能を実行する。上記各機能には、例えば、取得機能111a、モデル選択機能111bおよびノイズ低減機能111cなどがある。尚、取得機能111aを実行する処理回路111は「取得部」と呼ばれてもよく、モデル選択機能111bおよびノイズ低減機能111cを実行する処理回路111は「処理部」と呼ばれてもよい。

0081

処理回路111は、取得機能11aにより、超音波の送受信により収集された受信データに基づく入力画像を取得する。また、処理回路141は、取得機能141aにより、受信データ又は入力画像に関連する、後述するプローブ情報(超音波プローブの種類)及び遅延プロファイルのうち少なくともいずれかを示す付帯情報を取得する。

0082

具体的には、処理回路111は、取得機能111aにより、例えば、医用画像管理システムから線状のノイズを有する超音波画像を取得する。また、処理回路111は、取得された超音波画像に対応付けられたプローブ情報および送信プロファイル情報を取得する。

0083

プローブ情報および送信プロファイル情報は、前述した送信波の波面形状に関する情報の一例であり、送信波の波面形状を特定するために使用される。プローブ情報は、例えば超音波画像を取得するのに用いられた超音波プローブの種類に関する情報を含む。超音波プローブの種類は、例えば、セクタプローブ、リニアプローブおよびコンベックスプローブといったプローブの型に相当する。また、超音波プローブの種類は、同じコンベックスプローブであっても、振動子の配列面曲率等、プローブの構造に応じて異なっても良い。送信プロファイル情報は、例えば各振動子を駆動させるときにかける遅延量の設定(遅延プロファイル)に関する情報を含む。送信プロファイル情報は、例えば送波のために使用する開口の設定に関する情報など、遅延プロファイル以外の情報を含んでいても良い。

0084

処理回路111は、モデル選択機能111bにより、受信データ又は入力画像に付帯された、超音波プローブの種類及び遅延プロファイルのうち少なくともいずれかを示す付帯情報に基づいて、学習済みモデルを決定する。換言すると、処理回路111は、モデル選択機能111bにより、複数の学習済みモデル112Aから、取得されたプローブ情報(プローブの種類)および送信プロファイル情報のうち少なくともいずれかに応じた学習済みモデルを選択する。

0085

なお、プローブ情報および送信プロファイル情報の組み合わせと、学習済みモデルとの対応関係は、1対1に限定されず、複数対1でも良い。例えばプローブ情報Aおよび送信プロファイル情報Aの組み合わせと、プローブ情報Aおよび送信プロファイル情報Bの組み合わせとが、それぞれ同じ学習済みモデルAと対応しても良い。また、例えばプローブ情報Aおよび送信プロファイル情報Aの組み合わせと、プローブ情報Bおよび送信プロファイル情報Bの組み合わせとが、それぞれ同じ学習済みモデルと対応しても良い。

0086

処理回路111は、ノイズ低減機能111cにより、入力画像に基づいて、入力画像における、超音波の送信時の波面形状に応じたノイズを低減した出力画像を生成するための学習済みモデルに対して、入力画像を入力することで出力画像を生成する。また、モデル選択機能111bによって選択された学習済みモデルが用いられるため、処理回路111は、超音波プローブの種類及び遅延プロファイルのうち少なくともいずれかに応じた学習済みモデルに対して、入力画像を入力することで出力画像を生成してもよい。

0087

具体的には、処理回路111は、ノイズ低減機能111cにより、線状のノイズを有する超音波画像に基づいてノイズが低減された超音波画像を生成する学習済みモデルに対して、線状のノイズを有する超音波画像を入力することにより、ノイズが低減された超音波画像を生成する。換言すると、処理回路111は、線状のノイズを有する超音波画像を選択された学習済みモデルへ入力することにより、ノイズが低減された超音波画像を生成する。

0088

なお、処理回路111は、自身のメモリなどに複数の学習済みモデル112Aを記憶してもよい。即ち、記憶回路112にプログラム(複数の学習済みモデル112A)を記憶する代わりに、プロセッサ内にプログラムを直接組み込むようにしても構わない。この場合、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、複数の学習済みモデル112AをASICおよびFPGAなどの回路に実装し、当該回路を処理回路111に組み込ませてもよい。

0089

次に、以上のように構成された第3の実施形態に係る医用画像処理装置110の動作について処理回路111の処理手順に従って説明する。また、以降では、図12のフローチャートと、図13の模式図とを用いて説明する。尚、図12は、第3の実施形態に係る医用画像処理装置の動作を説明するフローチャートである。図13は、第3の実施形態に係る医用画像処理装置の動作を模式的に示す図である。

0090

図12のフローチャートは、例えば、端末装置を操作する操作者からノイズ低減処理に関するアプリケーションの起動指示が入力されたことを契機として、処理回路111がノイズ低減プログラムを実行することにより開始される。

0091

(ステップST301)
ノイズ低減プログラムが実行されると、処理回路111は、取得機能111aを実行する。取得機能111aを実行すると、処理回路111は、操作者により指定された線状のノイズを有する超音波画像を、医用画像管理システムから取得する。取得される超音波画像は、例えば、図13の超音波画像131に相当する。超音波画像131は、描画領域131aにおいて円弧ノイズ131bを有する。

0092

(ステップST302)
次に、処理回路111は、取得機能111aにより、取得された超音波画像についての情報を取得する。具体的には、処理回路111は、取得された超音波画像に関連するプローブ情報および送信プロファイル情報を取得する。例えば、図13の超音波画像131には、プローブ情報132および送信プロファイル情報133が付帯されている。

0093

(ステップST303)
超音波画像、プローブ情報および送信プロファイル情報を取得した後、処理回路111は、モデル選択機能111bを実行する。モデル選択機能111bを実行すると、処理回路111は、複数の学習済みモデルから、取得された情報に対応する学習済みモデルを選択する。具体的には、処理回路111は、複数の学習済みモデルから、取得されたプローブ情報および送信プロファイル情報のうちの少なくともいずれかに応じた学習済みモデルを選択する。

0094

例えば、処理回路111は、複数の学習済みモデル112Aから、プローブ情報132および送信プロファイル情報133に対応する学習済みモデル112a−2を選択する。

0095

(ステップST304)
学習済みモデルを選択した後、処理回路111は、ノイズ低減機能111cを実行する。ノイズ低減機能111cを実行すると、処理回路111は、取得された超音波画像と選択された学習済みモデルとに基づき、ノイズが低減された超音波画像を生成する。生成される超音波画像は、例えば、図13の超音波画像134に相当する。超音波画像134は、超音波画像131から円弧ノイズ131bが低減されている。

0096

例えば、処理回路111は、超音波画像131と学習済みモデル112a−2とに基づき、超音波画像134を生成する。

0097

処理回路111は、生成された超音波画像を医用画像管理システムへ記憶し、端末装置のディスプレイに表示させ、ノイズ低減プログラムを終了する。

0098

以上説明したように、第3の実施形態に係る医用画像処理装置は、超音波の送受信により収集された受信データに基づく入力画像を取得し、入力画像に基づいて、入力画像における、超音波の送信時の波面形状に応じたノイズを低減した出力画像を生成するための学習済みモデルに対して、入力画像を入力することで出力画像を生成する。

0099

また、上記受信データは、遅延プロファイルに従って駆動する複数の振動素子を含む超音波プローブを用いて収集され、本医用画像処理装置は、超音波プローブの種類及び遅延プロファイルのうちすくなくともいずれかに応じた学習済みモデルで、出力画像を生成してもよい。

0100

また、本医用画像処理装置は、受信データ又は入力画像に付帯された、超音波プローブの種類及び遅延プロファイルのうち少なくともいずれかを示す付帯情報に基づいて、学習済みモデルを決定してもよい。

0101

また、上記学習済みモデルは、超音波画像である第1画像、及び第1画像に直線又は円弧状の像を付加した第2画像を用いて学習したモデルでもよい。そして、第1画像は、受信した超音波の強度を輝度で表したBモード画像でもよく、第2画像は、第1画像を構成する画素群のうち、相対的に高い輝度を有する画素を含むように像を付加した画像でもよい。

0102

または、第3の実施形態に係る医用画像処理装置は、線状のノイズを有する超音波画像と、当該超音波画像についての情報を取得し、複数の学習済みモデルから、取得された情報に対応する学習済みモデルを選択する。医用画像処理装置は、線状のノイズを有する超音波画像に基づいてノイズが低減された超音波画像を生成する選択された学習済みモデルに対して、取得された超音波画像を入力することにより、ノイズが低減された超音波画像を生成する。

0103

従って、本医用画像処理装置は、超音波画像を取得したプローブに適した学習済みモデルを用いてノイズ低減処理をすることができる。

0104

また、本医用画像処理装置は、取得された情報としてプローブ情報および送信プロファイル情報を用いることができる。また、本医用画像処理装置は、送信波の波面形状に応じたノイズを有する超音波画像を用いることができる。また、本医用画像処理装置は、平面波、拡散波または集束波である送信波の波面形状に応じたノイズを有する超音波画像を用いることができる。

0105

(第4の実施形態)
第1の実施形態に係る医用画像処理装置は、直線ノイズおよび円弧ノイズの両方に対応した学習済みモデルを用いて超音波画像のノイズ低減処理を行う。他方、第4の実施形態に係る医用画像処理装置は、例えば、直線ノイズのみに対応した学習済みモデルであっても、円弧ノイズを有する超音波画像のノイズ低減処理を行う。尚、本実施形態では、直線ノイズのみに対応した学習済みモデルについて説明を行うが、これに限定されない。

0106

図14は、第4の実施形態に係る医用画像処理装置の構成例を示すブロック図である。例えば、図14に示すように、医用画像処理装置140は、処理回路141と、記憶回路142と、通信インタフェース143とを備える。医用画像処理装置140は、例えば、送信波の波面形状に応じたノイズを有する超音波画像に対して、機械学習を用いた処理を施すことにより、ノイズが低減された超音波画像を生成する装置である。

0107

通信インタフェース143は、例えば、NICが使用可能となっている。通信インタフェース143は、例えば、端末装置および医用画像管理システムとの通信に関する回路である。以降の説明では、医用画像処理装置140とネットワークに接続された他の装置の通信などにおいて、通信インタフェース143が介在する旨の記載を省略する。

0108

記憶回路142は、医用画像処理装置140のシステム制御プログラム、端末装置から送信される操作者の指示およびネットワークを介して受信した種々のデータなどを記憶する。また、記憶回路142は、学習済みモデル142aを記憶している。記憶回路142は、医用画像処理装置140の納品時に、学習済みモデル142aを予め記憶してもよい。または、記憶回路142は、医用画像処理装置140の納品後に、図示しないサーバ装置などから取得した学習済みモデル142aを記憶してもよい。

0109

学習済みモデル142aは、学習用データに基づいて、モデル学習プログラムに従い機械学習モデルに機械学習を行わせることにより、得られた学習済みの機械学習モデルである。ここで、本実施形態の学習済みモデル112aは、例えば、直線ノイズを有する超音波画像の入力に基づき、ノイズが低減された超音波画像を出力するように機能付けられている。この場合、学習用データは、直線ノイズを有する超音波画像である入力データと、ノイズが低減された超音波画像である出力データとを含んでいる。

0110

処理回路141は、ハードウェア資源として、プロセッサおよびメモリを備える。処理回路141は、操作者により端末装置を介して入力された指示に応じて、記憶回路142に記憶されたシステム制御プログラムを読み出す。処理回路141は、読み出したシステム制御プログラムに従って、ノイズ低減処理に係る各機能を実行する。上記各機能には、例えば、取得機能141a、波面判定機能141b、画像補正機能141c、ノイズ低減機能141dおよび画像逆補正機能141eなどがある。尚、取得機能141aを実行する処理回路141は「取得部」と呼ばれてもよく、ノイズ低減機能141dを実行する処理回路141は「処理部」と呼ばれてもよい。

0111

処理回路141は、取得機能141aにより、超音波の送受信により収集された受信データに基づく入力画像を取得する。また、処理回路141は、取得機能141aにより、受信データ又は入力画像に付帯された、超音波プローブの種類及び遅延プロファイルのうち少なくともいずれかを示す付帯情報を取得する。

0112

具体的には、処理回路141は、取得機能141aにより、例えば、医用画像管理システムから線状のノイズを有する超音波画像を取得する。また、処理回路141は、取得された超音波画像に対応付けられたプローブ情報および送信プロファイル情報を取得する。

0113

処理回路141は、波面判定機能141bにより、取得された超音波画像に含まれうる波面を判定する。ここで波面は、送信波の形状を表し、ノイズ形状に対応するものとする。具体的には、処理回路141は、取得されたプローブ情報および送信プロファイル情報に基づいて、超音波画像に含まれうるノイズ形状を判定する。

0114

ノイズ形状が直線(即ち、直線ノイズ)の場合、処理回路141は、後述する画像補正機能141cおよび画像逆補正機能141eの処理を省略し、取得された超音波画像に対してノイズ低減機能141dの処理のみを行う。ノイズ形状が円弧(即ち、円弧ノイズ)の場合、処理回路141は、画像補正機能141c、ノイズ低減機能141dおよび画像逆補正機能141eの処理を行う。

0115

処理回路141は、画像補正機能141cにより、円弧ノイズを有する超音波画像に対して、円弧ノイズを直線ノイズとみなせるように当該超音波画像を補正する。具体的には、処理回路141は、取得されたプローブ情報および送信プロファイル情報に基づいて、円弧の曲率を算出し、算出した曲率に基づいて、取得された超音波画像を補正する。当該補正には、例えば、曲面に対する歪補正などが用いられる。

0116

処理回路141は、ノイズ低減機能141dにより、入力画像に基づいて、入力画像における、超音波の送信時の波面形状に応じたノイズを低減した出力画像を生成するための学習済みモデルに対して、入力画像を入力することで出力画像を生成する。具体的には、処理回路141は、ノイズ低減機能141dにより、直線ノイズを有する超音波画像に基づいてノイズが低減された超音波画像を生成する学習済みモデルに対して、直線ノイズを有する超音波画像を入力することにより、ノイズが低減された超音波画像を生成する。換言すると、処理回路141は、直線ノイズを有する超音波画像を学習済みモデルへ入力することにより、ノイズが低減された超音波画像を生成する。ノイズ低減機能141dにより処理される超音波画像は、例えば、取得機能141aにより取得された直線ノイズを有する超音波画像および画像補正機能141cにより補正された超音波画像である。

0117

処理回路141は、画像逆補正機能141eにより、画像補正機能141cにより補正された超音波画像に対応するノイズが低減された超音波画像に対して、画像補正機能141cにより実行された補正とは逆の補正である逆補正をする。

0118

なお、処理回路141は、自身のメモリなどに学習済みモデル142aを記憶してもよい。即ち、記憶回路12にプログラム(学習済みモデル142a)を記憶する代わりに、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しても構わない。この場合、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、学習済みモデル142aをASICおよびFPGAなどの回路に実装し、当該回路を処理回路141に組み込ませてもよい。

0119

次に、以上のように構成された第4の実施形態に係る医用画像処理装置140の動作について処理回路141の処理手順に従って説明する。また、以降では、図15のフローチャートと、図16の模式図とを用いて説明する。尚、図15は、第4の実施形態に係る医用画像処理装置の動作を説明するフローチャートである。図16は、第4の実施形態に係る医用画像処理装置の動作を模式的に示す図である。

0120

図15のフローチャートは、例えば、端末装置を操作する操作者からノイズ低減処理に関するアプリケーションの起動指示が入力されたことを契機として、処理回路141がノイズ低減プログラムを実行することにより開始される。

0121

(ステップST401)
ノイズ低減プログラムが実行されると、処理回路141は、取得機能141aを実行する。取得機能141aを実行すると、処理回路141は、操作者により指定された線状のノイズを有する超音波画像を、医用画像管理システムから取得する。取得される超音波画像は、例えば、図16の超音波画像161に相当する。超音波画像161は、描画領域161aにおいて円弧ノイズ161bを有する。

0122

(ステップST402)
次に、処理回路141は、取得機能141aにより、取得された超音波画像についての情報を取得する。具体的には、処理回路141は、取得された超音波画像に関連するプローブ情報および送信プロファイル情報を取得する。例えば、図16の超音波画像161には、プローブ情報162および送信プロファイル情報163が付帯されている。

0123

(ステップST403)
超音波画像、プローブ情報および送信プロファイル情報を取得した後、処理回路141は、波面判定機能141bを実行する。波面判定機能141bを実行すると、処理回路141は、取得された情報に対応する波面を判定する。具体的には、処理回路141は、取得されたプローブ情報および送信プロファイル情報に基づいて、超音波画像に含まれうるノイズ形状を判定する。

0124

例えば、処理回路141は、プローブ情報162および送信プロファイル情報163に基づいて、超音波画像161に含まれうるノイズ形状を判定する。

0125

(ステップST404)
処理回路141は、判定されたノイズが直線ノイズではない(即ち、円弧ノイズ)場合、判定に関する超音波画像に対して画像補正機能141cの処理および画像逆補正機能141eの処理を行う。この時、処理はステップST405へと進む。

0126

他方、処理回路141は、判定されたノイズが直線ノイズである場合、判定に関する超音波画像に対して画像補正機能141cの処理および画像逆補正機能141eの処理を行わない。この時、処理はステップST408へと進む。

0127

(ステップST405)
ノイズ形状が判定された後、処理回路141は、画像補正機能141cを実行する。画像補正機能141cを実行すると、処理回路141は、円弧ノイズを有する超音波画像に対して、円弧ノイズを直線ノイズと見なせるように当該超音波画像を補正する。補正された超音波画像は、例えば、図16の超音波画像164に相当する。

0128

例えば、処理回路141は、円弧ノイズ161bを有する超音波画像161を補正することによって、超音波画像164を生成する。超音波画像164は、描画領域164aにおいて、円弧ノイズ161bを歪ませた疑似直線ノイズ164bを有する。

0129

(ステップST406)
超音波画像を補正した後、処理回路141は、ノイズ低減機能141dを実行する。ノイズ低減機能141dを実行すると、処理回路141は、補正された超音波画像と学習済みモデルとに基づき、ノイズが低減された超音波画像を生成する。生成される超音波画像は、例えば、図16の超音波画像165に相当する。超音波画像165は、超音波画像164から疑似直線ノイズ164bが低減されている。

0130

例えば、処理回路141は、超音波画像164と学習済みモデル142aとに基づき、超音波画像165を生成する。

0131

(ステップST407)
ノイズが低減された超音波画像を生成した後、処理回路141は、画像逆補正機能141eを実行する。画像逆補正機能141eを実行すると、処理回路141は、画像補正機能141cにより補正された超音波画像に対応するノイズが低減された超音波画像に対して、画像補正機能141cにより実行された補正とは逆の補正である逆補正をする。逆補正された超音波画像は、例えば、図16の超音波画像166に相当する。超音波画像166は、超音波画像161から円弧ノイズ161bが低減されている。

0132

例えば、処理回路141は、超音波画像165に対して、画像補正機能141cにより実行された補正とは逆の補正である逆補正をすることによって、超音波画像166を生成する。

0133

ステップST407の後、処理回路141は、生成された超音波画像を医用画像管理システムへ記憶し、端末装置のディスプレイに表示させ、ノイズ低減プログラムを終了する。

0134

(ステップST408)
ノイズ形状が判定された後、処理回路141は、ノイズ低減機能141dを実行する。ノイズ低減機能141dを実行すると、処理回路141は、取得された超音波画像と学習済みモデルとに基づき、ノイズが低減された超音波画像を生成する。尚、ステップST408にて処理される超音波画像は、取得機能141aによる取得された直線ノイズを有する超音波画像である。

0135

ステップST408の後、処理回路141は、生成された超音波画像を医用画像管理システムへ記憶し、端末装置のディスプレイに表示させ、ノイズ低減プログラムを終了する。

0136

以上説明したように、第4の実施形態に係る医用画像処理装置は、線状のノイズを有する超音波画像と、当該超音波画像についての情報を取得し、取得された情報に対応する波面を判定し、当該波面が円弧状である場合、取得された超音波画像に対して、円弧状のノイズを直線状のノイズと見なせるように当該超音波画像を補正する。医用画像処理装置は、補正された超音波画像に基づいてノイズが低減された超音波画像を生成する学習済みモデルに対して、補正された超音波画像を入力することにより、補正された超音波画像からノイズが低減された超音波画像を生成し、生成された超音波画像に対して逆補正をする。

0137

従って、本医用画像処理装置は、ノイズの形状を限定して学習した学習済みモデルであっても、超音波画像に発生した他の形状のノイズを低減することができる。

0138

また、本医用画像処理装置は、取得された情報としてプローブ情報および送信プロファイル情報を用いることができる。また、本医用画像処理装置は、送信波の波面形状に応じたノイズを有する超音波画像を用いることができる。また、本医用画像処理装置は、平面波、拡散波または集束波である送信波の波面形状に応じたノイズを有する超音波画像を用いることができる。

0139

(第5の実施形態)
第1の実施形態に係る医用画像処理装置は、学習済みモデルのみを用いて超音波画像のノイズ低減処理を行う。他方、第5の実施形態に係る医用画像処理装置は、学習済みモデルを用いたノイズ低減処理において、ノイズ以外の部分が低減されていないかを判定する処理を行う。

0140

図17は、第5の実施形態に係る医用画像処理装置の構成例を示すブロック図である。例えば、図17に示すように、医用画像処理装置170は、処理回路171と、記憶回路172と、通信インタフェース173とを備える。医用画像処理装置170は、例えば、送信波の波面形状に応じたノイズを有する超音波画像に対して、機械学習を用いた処理を施すことにより、ノイズが低減された超音波画像を生成する装置である。

0141

通信インタフェース173は、例えば、NICが使用可能となっている。通信インタフェース173は、例えば、端末装置および医用画像管理システムとの通信に関する回路である。以降の説明では、医用画像処理装置170とネットワークに接続された他の装置の通信などにおいて、通信インタフェース173が介在する旨の記載を省略する。

0142

記憶回路172は、医用画像処理装置170のシステム制御プログラム、端末装置から送信される操作者の指示およびネットワークを介して受信した種々のデータなどを記憶する。また、記憶回路172は、学習済みモデル172aを記憶している。記憶回路172は、医用画像処理装置170の納品時に、学習済みモデル172aを予め記憶してもよい。または、記憶回路172は、医用画像処理装置170の納品後に、図示しないサーバ装置などから取得した学習済みモデル172aを記憶してもよい。尚、学習済みモデル172aは、図1の学習済みモデル12aと同様であるため、説明を省略する。

0143

処理回路171は、ハードウェア資源として、プロセッサおよびメモリを備える。処理回路171は、操作者により端末装置を介して入力された指示に応じて、記憶回路172に記憶されたシステム制御プログラムを読み出す。処理回路171は、読み出したシステム制御プログラムに従って、ノイズ低減処理に係る各機能を実行する。上記各機能には、例えば、取得機能171a、ノイズ低減機能171b、差分抽出機能171c、ノイズ特定機能171dおよび特定ノイズ低減機能171eなどがある。尚、取得機能171aを実行する処理回路171は「取得部」と呼ばれてもよく、ノイズ低減機能171bを実行する処理回路171は「処理部」と呼ばれてもよい。

0144

処理回路171は、取得機能171aにより、超音波の送受信により収集された受信データに基づく入力画像を取得する。具体的には、処理回路171は、取得機能171aにより、例えば、医用画像管理システムから線状のノイズを有する超音波画像を取得する。また、処理回路171は、取得された超音波画像に対応付けられたプローブ情報および送信プロファイル情報を取得する。

0145

処理回路171は、ノイズ低減機能171bにより、入力画像に基づいて、入力画像における、超音波の送信時の波面形状に応じたノイズを低減した出力画像を生成するための学習済みモデルに対して、入力画像を入力することで出力画像を生成する。具体的には、処理回路171は、ノイズ低減機能171bにより、線状のノイズを有する超音波画像に基づいてノイズが低減された超音波画像を生成する学習済みモデルに対して、線状のノイズを有する超音波画像を入力することにより、ノイズが低減された超音波画像を生成する。換言すると、処理回路171は、線状のノイズを有する超音波画像を学習済みモデルへ入力することにより、ノイズが低減された超音波画像を生成する。

0146

処理回路171は、差分抽出機能171cにより、取得された超音波画像と生成された超音波画像とに基づき、低減されたノイズを抽出した差分画像を生成する。具体的には、処理回路171は、取得された超音波画像と生成された超音波画像との差分を抽出することによって、低減されたノイズを抽出した差分画像を生成する。

0147

処理回路171は、ノイズ特定機能171dにより、取得されたプローブ情報および送信プロファイル情報と生成された差分画像とに基づき、当該差分画像に含まれるノイズを特定する。具体的には、処理回路171は、取得されたプローブ情報および送信プロファイル情報に基づいて、円弧の曲率を算出し、差分画像に含まれる円弧状の線が算出した曲率に一致する場合はノイズであると判定し、差分画像に含まれる円弧状の線が算出した曲率に一致しない場合はノイズではないと判定する。尚、処理回路171は、特定されたノイズを有するノイズ特定画像を生成してもよい。

0148

処理回路171は、特定ノイズ低減機能171eにより、取得された超音波画像に対して特定されたノイズを低減し、ノイズが低減された超音波画像を生成する。例えば、処理回路171は、取得された超音波画像から、ノイズ特定画像によって特定されたノイズ部分フィルタ処理によって低減することにより、ノイズが低減された超音波画像を生成する。

0149

なお、処理回路171は、自身のメモリなどに学習済みモデル172aを記憶してもよい。即ち、記憶回路172にプログラム(学習済みモデル172a)を記憶する代わりに、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しても構わない。この場合、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、学習済みモデル172aをASICおよびFPGAなどの回路に実装し、当該回路を処理回路171に組み込ませてもよい。

0150

次に、以上のように構成された第5の実施形態に係る医用画像処理装置170の動作について処理回路171の処理手順に従って説明する。また、以降では、図18のフローチャートと、図19の模式図とを用いて説明する。尚、図18は、第5の実施形態に係る医用画像処理装置の動作を説明するフローチャートである。図19は、第5の実施形態に係る医用画像処理装置の動作を模式的に示す図である。

0151

図18のフローチャートは、例えば、端末装置を操作する操作者からノイズ低減処理に関するアプリケーションの起動指示が入力されたことを契機として、処理回路171がノイズ低減プログラムを実行することにより開始される。

0152

(ステップST501)
ノイズ低減プログラムが実行されると、処理回路171は、取得機能171aを実行する。取得機能171aを実行すると、処理回路171は、操作者により指定された線状のノイズを有する超音波画像を、医用画像管理システムから取得する。取得される超音波画像は、例えば、図19の超音波画像191に相当する。超音波画像191は、描画領域191aにおいて円弧ノイズ191bを有する。また、超音波画像191には、円弧状の腹壁191cが含まれている。

0153

(ステップST502)
次に、処理回路171は、取得機能171aにより、取得された超音波画像についての情報を取得する。具体的には、処理回路171は、取得された超音波画像に関連するプローブ情報および送信プロファイル情報を取得する。例えば、図19の超音波画像191には、プローブ情報192および送信プロファイル情報193が付帯されている。

0154

(ステップST503)
超音波画像、プローブ情報および送信プロファイル情報を取得した後、処理回路171は、ノイズ低減機能171bを実行する。ノイズ低減機能171bを実行すると、処理回路171は、取得された超音波画像と学習済みモデルとに基づき、ノイズが低減された超音波画像を生成する。生成される超音波画像は、例えば、図19の超音波画像194に相当する。超音波画像194は、超音波画像191から円弧ノイズ191bおよび腹壁191cが低減されている。

0155

例えば、処理回路141は、超音波画像191と学習済みモデル172aとに基づき、超音波画像194を生成する。

0156

(ステップST504)
ノイズが低減された超音波画像を生成した後、処理回路171は、差分抽出機能171cを実行する。差分抽出機能171cを実行すると、処理回路171は、取得された超音波画像と生成された超音波画像とに基づき、低減されたノイズを抽出した差分画像を生成する。具体的には、処理回路171は、取得された超音波画像と生成された超音波画像との差分を抽出することによって、低減されたノイズを抽出した差分画像を生成する。

0157

生成される差分画像は、例えば、図19の差分画像195に相当する。差分画像195は、例えば、マスクデータに相当し、描画領域195aにおいて、抽出ライン195bおよび抽出ライン195cを含む。抽出ライン195bは円弧ノイズ191bに対応し、抽出ライン195cは腹壁191cに対応するものとする。

0158

例えば、処理回路141は、超音波画像191と超音波画像194との差分を抽出することによって、差分画像195を生成する。

0159

(ステップST505)
差分画像を生成した後、処理回路171は、ノイズ特定機能171dを実行する。ノイズ特定機能171dを実行すると、処理回路171は、取得された情報と生成された差分画像とに基づき、当該差分画像に含まれるノイズを特定する。具体的には、処理回路171は、取得されたプローブ情報および送信プロファイル情報と生成された差分画像とに基づいて、当該差分画像に含まれるノイズを特定する。尚、処理回路171は、特定されたノイズを有するノイズ特定画像を生成してもよい。

0160

生成されるノイズ特定画像は、例えば、図19のノイズ特定画像196に相当する。ノイズ特定画像196は、描画領域196aにおいて、線状のノイズの位置情報を示す円弧ノイズ196bを有する。

0161

例えば、処理回路171は、プローブ情報192および送信プロファイル情報193と差分画像195とに基づいて、差分画像195に含まれるノイズを特定し、ノイズ特定画像196を生成する。

0162

(ステップST506)
処理回路171は、差分画像についてノイズでない部分が含まれている場合、取得した超音波画像に対して特定ノイズ低減機能171eの処理を行う。この時、処理はステップST507へと進む。

0163

他方、処理回路171は、差分画像についてノイズでない部分が含まれていない場合、取得した超音波画像に対して特定ノイズ低減機能171eの処理を行わない。この時、処理はステップST508へ進む。

0164

(ステップST507)
ノイズが特定された後、処理回路171は、特定ノイズ低減機能171eを実行する。特定ノイズ低減機能171eを実行すると、処理回路171は、取得された超音波画像に対して特定されたノイズを低減し、ノイズが低減された超音波画像を生成する。具体的には、処理回路171は、取得された超音波画像から、ノイズ特定画像によって特定されたノイズ部分をフィルタ処理によって低減することにより、ノイズが低減された超音波画像を生成する。生成される超音波画像は、例えば、図19の超音波画像197に相当する。

0165

例えば、処理回路171は、超音波画像191から、ノイズ特定画像196によって特定された円弧ノイズ196bをフィルタ処理によって低減することにより、円弧ノイズ191bが低減された超音波画像197を生成する。

0166

ステップST507の後、処理回路171は、生成された超音波画像を医用画像管理システムへ記憶し、端末装置のディスプレイに表示させ、ノイズ低減プログラムを終了する。

0167

(ステップST508)
ノイズが特定された後、処理回路171は、ステップST503で生成された超音波画像を出力する。具体的には、処理回路171は、生成された超音波画像を医用画像管理システムへ記憶し、端末装置のディスプレイに表示させ、ノイズ低減プログラムを終了する。

0168

以上説明したように、第5の実施形態に係る医用画像処理装置は、線状のノイズを有する超音波画像と、当該超音波画像についての情報を取得し、線状のノイズを有する超音波画像に基づいてノイズが低減された超音波画像を生成する学習済みモデルに対して、取得された超音波画像を入力することにより、ノイズが低減された超音波画像を生成する。医用画像処理装置は、取得された超音波画像と生成された超音波画像とに基づき、低減されたノイズを抽出した差分画像を生成し、取得された情報と当該差分画像とに基づき、当該差分画像に含まれるノイズを特定する。医用画像処理装置は、当該差分画像について特定されたノイズではない部分が含まれている場合、取得された超音波画像に対して特定されたノイズを低減した超音波画像を生成する。

0169

従って、本医用画像処理装置は、ノイズではない部分を低減することを防止し、超音波画像に発生した送信波の波面形状に応じたノイズだけを低減することができる。

0170

また、本医用画像処理装置は、取得された情報としてプローブ情報および送信プロファイル情報を用いることができる。また、本医用画像処理装置は、送信波の波面形状に応じたノイズを有する超音波画像を用いることができる。また、本医用画像処理装置は、平面波、拡散波または集束波である送信波の波面形状に応じたノイズを有する超音波画像を用いることができる。

0171

(第5の実施形態の変形例)
第5の実施形態に係る医用画像処理装置は、学習済みモデルを用いたノイズ低減処理により、ノイズ低減後の超音波画像を生成し、ノイズ低減前後の超音波画像同士の差分画像を生成する。他方、第5の実施形態の変形例に係る医用画像処理装置は、差分画像の生成に関する学習済みモデルを用いて、差分画像を生成する。

0172

本変形例に係る学習済みモデルは、学習用データに基づいて、モデル学習プログラムに従い機械学習モデルに機械学習を行わせることにより、得られた学習済みの機械学習モデルである。ここで、本変形例の学習済みモデルは、線状のノイズを有する超音波画像の入力に基づき、ノイズ部分が抽出された差分画像を出力するように機能付けられている。この場合、学習用データは、線状のノイズを有する超音波画像である入力データと、ノイズ部分が抽出された差分画像である出力データとを含んでいる。例えば、本変形例に係る学習用データは、図19の超音波画像191と、差分画像195との組み合わせである。

0173

上より、第5の実施形態の変形例に係る医用画像処理装置は、超音波の送受信により収集された受信データに基づく入力画像を取得し、入力画像に基づいて、入力画像における、ノイズ部分が抽出された差分画像(出力画像)を生成するための学習済みモデルに対して、入力画像を入力することで出力画像を生成する。

0174

従って、本医用画像処理装置は、ノイズ低減前後の超音波画像をそれぞれ生成することなく、ノイズ部分が抽出された差分画像を直接生成することができる。

0175

(第6の実施形態)
第1の実施形態および第3の実施形態から第5の実施形態までに係る医用画像処理装置と、第2の実施形態に係るモデル学習装置とのいずれかの各構成は、超音波診断装置に組み込まれてもよい。即ち、超音波診断装置は、上記医用画像処理装置およびモデル学習装置の各機能を有してもよい。以下では、例えば、第1の実施形態に係る医用画像処理装置が、超音波診断装置の構成を含む場合について説明する。

0176

図20は、第6の実施形態に係る超音波診断装置の構成例を示すブロック図である。例えば、図20に示すように、本実施形態に係る超音波診断装置200は、装置本体210と、超音波プローブ220とを備える。装置本体210は、ネットワーク(NW)を介して外部装置230と接続される。また、装置本体210は、表示機器240および入力装置250と接続される。尚、外部装置230は、例えば、図1の端末装置2および医用画像管理システム3などに相当する。

0177

装置本体210は、超音波送信回路211と、超音波受信回路212と、内部記憶回路213と、画像メモリ214と、入力インタフェース215と、通信インタフェース216、処理回路217とを備える。

0178

内部記憶回路213は、超音波診断装置200のシステム制御プログラム、入力装置250から送信される操作者の指示およびNWを介して受信した種々のデータなどを記憶する。また、内部記憶回路213は、学習済みモデル213aを記憶している。内部記憶回路213は、超音波診断装置200の納品時に、学習済みモデル213aを予め記憶してもよい。または、内部記憶回路213は、超音波診断装置200の納品後に、図示しないサーバ装置などから取得した学習済みモデル213aを記憶してもよい。尚、学習済みモデル213aは、図1の学習済みモデル12aと同様であるため、説明を省略する。

0179

内部記憶回路213は、種々の情報を記憶するROM、RAM、HDD、SSDおよび集積回路記憶装置などの記憶装置であり、例えば、システム制御プログラムおよび学習済みモデル213aなどを記憶している。

0180

処理回路217は、ハードウェア資源として、プロセッサおよびメモリを備える。処理回路217は、操作者により入力装置250などを介して入力された指示に応じて、内部記憶回路213に記憶されたシステム制御プログラムを読み出す。処理回路11は、読み出したシステム制御プログラムに従って、超音波画像を取得するための各機能を実行する。上記各機能は、例えば、Bモード処理機能217a、ドプラ処理機能217b、画像生成機能217c、画像処理機能217d、表示制御機能217gおよびシステム制御機能217hなどがある。処理回路217は、画像生成機能217cにより、超音波画像を生成する。

0181

また、処理回路217は、読み出したシステム制御プログラムに従って、ノイズ低減処理に係る各機能を実行する。上記各機能には、例えば、取得機能217e(取得部)およびノイズ低減機能217fなどがある。尚、取得機能217eおよびノイズ低減機能217fは、図1の取得機能11aおよびノイズ低減機能11bと同様であるため、説明を省略する。また、取得機能217eを実行する処理回路217は「取得部」と呼ばれてもよく、ノイズ低減機能217fを実行する処理回路217は「処理部」と呼ばれてもよい。

0182

超音波プローブ220は、被検体Pに対して超音波を放射し、放射した超音波の反射波を受信する。換言すると、超音波プローブ220は、超音波の送受信による受信データを収集する。このことから、画像生成機能217cによって生成された超音波画像は、「超音波の送受信により収集された受信データに基づく入力画像」と呼ばれてもよい。

0183

超音波プローブ220は、遅延プロファイルに従って駆動する複数の振動素子を含む。また、超音波プローブ220として、様々な種類のプローブが用いられてもよい。このことから、処理回路217は、ノイズ低減機能217fにより、超音波プローブの種類及び遅延プロファイルのうち少なくともいずれかに応じた学習済みモデルに対して、入力画像を入力することによって出力画像を生成してもよい。

0184

以上説明したように、第6の実施形態に係る超音波診断装置は、第1の実施形態および第3の実施形態から第5の実施形態までに係る医用画像処理装置と、第2の実施形態に係る学習用データ作成装置とのいずれかの各構成を有する。

0185

従って、本超音波診断装置は、第1の実施形態および第3の実施形態から第5の実施形態までに係る医用画像処理装置とのいずれかの各構成を有する場合、平面波または拡散波による送信波を用いることによって発生する線状のノイズを低減することができる。また、本超音波診断装置は、第2の実施形態に係る学習用データ作成装置の各構成を有する場合、平面波または拡散波による送信波を用いることによって発生する線状のノイズを低減するための学習済みモデルに用いる学習用データを作成することができる。

0186

(応用例)
第1の実施形態および第3の実施形態から第5の実施形態までに係る医用画像処理装置のいずれかは、それぞれの処理回路において、受信データ又は受信データに基づく超音波画像に対して、遅延プロファイルを示す情報を付帯させる付帯機能(付帯部)を有してもよい。

0187

本応用例に係る処理回路は、付帯機能により、超音波の送信時に適用した遅延プロファイルを示す情報を、超音波の送受信により収集された受信データ又は受信データに基づく超音波画像に付帯させる。具体的には、処理回路は、取得機能により取得された超音波画像及び遅延プロファイルを示す情報を用いて、遅延プロファイルを示す情報を、超音波画像に付帯させる。尚、本応用例に係る付帯機能は、医用画像管理システム3の有する処理回路又は制御回路が備えてもよい。

0188

以上より、応用例に係る医用画像処理装置は、超音波の送信時に適用した遅延プロファイルを示す情報を、超音波の送受信により収集された受信データ又は受信データに基づく超音波画像に付帯させる付帯部を備える。

0189

従って、本医用画像処理装置は、遅延プロファイルを示す情報を、超音波画像に付帯させることができる。

0190

以上説明した少なくとも一つの実施形態によれば、送信波の波面形状に応じたノイズを低減することができる。

0191

以上の各実施形態における「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、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)、およびFPGA)などの回路を意味する。

0192

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。

0193

21セクタプローブ
21a,22a,23a,31b,32b,41b,42b,51b,52b 波面
21b,22b,23b合成波面
22リニアプローブ
23コンベックスプローブ
31,32,41,42,51,52,61,62,101,103,131,134,161,164,165,166,191,194,197超音波画像
31a,32a,41a,42a,51a,52a,61a,131a,164a,191a,195a 描画領域
61b,131b,161b,191b,196b円弧ノイズ
102マスクデータ
164b疑似直線ノイズ
191c腹壁
195b,195c 抽出ライン

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