CN103169496B - 超声波诊断装置、医用图像处理装置以及处理方法 - Google Patents
超声波诊断装置、医用图像处理装置以及处理方法 Download PDFInfo
- Publication number
- CN103169496B CN103169496B CN201210553218.0A CN201210553218A CN103169496B CN 103169496 B CN103169496 B CN 103169496B CN 201210553218 A CN201210553218 A CN 201210553218A CN 103169496 B CN103169496 B CN 103169496B
- Authority
- CN
- China
- Prior art keywords
- mentioned
- filtering
- image
- characteristic
- characteristic quantity
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
Links
- 238000002604 ultrasonography Methods 0.000 title claims abstract description 212
- 238000003672 processing method Methods 0.000 title claims abstract description 12
- 238000001914 filtration Methods 0.000 claims abstract description 321
- 238000003860 storage Methods 0.000 claims abstract description 37
- 239000000523 sample Substances 0.000 claims abstract description 23
- 238000004519 manufacturing process Methods 0.000 claims abstract description 18
- 230000000875 corresponding effect Effects 0.000 claims description 42
- 238000002059 diagnostic imaging Methods 0.000 claims description 31
- 238000000354 decomposition reaction Methods 0.000 claims description 30
- 238000003384 imaging method Methods 0.000 claims description 28
- 230000004069 differentiation Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 8
- 210000003484 anatomy Anatomy 0.000 claims description 5
- 230000002596 correlated effect Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 69
- 238000000034 method Methods 0.000 description 38
- 238000003745 diagnosis Methods 0.000 description 35
- 230000008569 process Effects 0.000 description 22
- 210000004204 blood vessel Anatomy 0.000 description 18
- 238000009792 diffusion process Methods 0.000 description 11
- 238000009826 distribution Methods 0.000 description 10
- 238000006243 chemical reaction Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 9
- 210000004185 liver Anatomy 0.000 description 9
- 230000003187 abdominal effect Effects 0.000 description 8
- 230000015572 biosynthetic process Effects 0.000 description 8
- 238000003786 synthesis reaction Methods 0.000 description 8
- 230000010485 coping Effects 0.000 description 7
- 238000009499 grossing Methods 0.000 description 7
- 210000001715 carotid artery Anatomy 0.000 description 6
- 210000001087 myotubule Anatomy 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 210000001519 tissue Anatomy 0.000 description 5
- 239000004744 fabric Substances 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 230000003321 amplification Effects 0.000 description 3
- 230000017531 blood circulation Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000003199 nucleic acid amplification method Methods 0.000 description 3
- 230000002146 bilateral effect Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 231100000915 pathological change Toxicity 0.000 description 2
- 230000036285 pathological change Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000002603 single-photon emission computed tomography Methods 0.000 description 2
- 230000002792 vascular Effects 0.000 description 2
- 206010006187 Breast cancer Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 201000008275 breast carcinoma Diseases 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000010189 synthetic method Methods 0.000 description 1
- 238000012285 ultrasound imaging Methods 0.000 description 1
Classifications
-
- 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
- A61B8/44—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device
- A61B8/4444—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device related to the probe
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/13—Tomography
- A61B8/14—Echo-tomography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
- A61B8/461—Displaying means of special interest
- A61B8/463—Displaying means of special interest characterised by displaying multiple images or images and diagnostic data on one display
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30056—Liver; Hepatic
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Animal Behavior & Ethology (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
提供超声波诊断装置、医用图像处理装置以及处理方法。该超声波诊断装置具有:超声波探头,对被检体发送接收超声波;图像生成部,生成与被检体相关的超声波图像;第1计算部,计算与超声波图像内的特定区域中的边缘方向相关的第1特征量,特定区域比应用于超声波图像的图像滤波的内核尺寸大;第2计算部,计算与特定区域中的边缘强度分布或者亮度值分布相关的第2特征量;存储部,对多个滤波特性的各个,将适合滤波特性的超声波图像所能够具有的第1特征量的范围和第2特征量的范围建立关联来存储;选择部,从多个参数组中选择与第1特征量和第2特征量这双方对应的滤波特性;图像滤波部,对超声波图像实施具有选择的滤波特性的图像滤波。
Description
本申请基于并主张2011年12月26日申请的日本专利申请号2011-283970及2012年10月22日申请的日本专利申请号2012-233151的优先权,并在本申请中引用上述日本专利申请的全部内容。
技术领域
本实施方式涉及超声波诊断装置、医用图像处理装置、以及医用图像处理方法。
背景技术
超声波诊断装置从超声波探头对被检体发送超声波,经由超声波探头接收被被检体反射的超声波,根据与接收到的超声波对应的回波信号生成超声波图像。超声波图像除了与被检体组织相关的信息以外,还包含有各种噪音或超声波的干涉导致的散斑(speckle)。噪音或散斑使超声波图像的画质劣化。
为了减少噪音或散斑强调与被检体组织相关的信息,存在计算超声波图像的各像素的边缘信息,将与计算出的边缘信息对应的滤波应用于像素的方法。具体而言,该滤波在边缘方向进行平滑化处理,在边缘方向的垂直方向进行清晰化处理。利用了该滤波的图像处理方法例如被用于提高血管图像的画质。
在这样的滤波方法中,优选将滤波特性优化为诊断部位内的生物体组织的性质状态。在现状中,对每个诊断部位,预先设定确定滤波特性的参数组。此时,在操作画面上选择与扫描对象的诊断部位对应的参数组,对超声波图像实施与所选择的参数组对应的滤波。
然而,在超声波检查中,有时通过由操作者移动超声波探头,来改变超声波图像所描绘出的诊断部位或生物体组织。即使所选择的参数组适合移动前的诊断部位或生物体组织,也不一定适合移动后的诊断部位或生物体组织。当参数组不适合诊断部位或生物体组织时,没有进行适合诊断部位或生物体组织的滤波,图像诊断能力会劣化。此时,操作者不能恰当地观察病变等。
现有技术文献
专利文献1:日本特开2009-153918号公报
发明内容
实施方式的目的在于提供一种能够提高图像诊断能力的超声波诊断装置、医用图像处理装置、以及医用图像处理方法。
本实施方式所涉及的超声波诊断装置具备:超声波探头,对被检体发送超声波,接收被上述被检体反射的超声波,产生与上述接收到的超声波对应的回波信号;图像生成部,根据上述回波信号生成与上述被检体相关的超声波图像;第1计算部,计算与上述生成的超声波图像内的特定区域中的边缘方向相关的第1特征量,上述特定区域比应用于上述生成的超声波图像的图像滤波的内核尺寸大;第2计算部,计算与上述生成的超声波图像内的上述特定区域中的边缘强度分布或亮度值分布相关的第2特征量;存储部,对多个滤波特性的各个,将适合上述滤波特性的超声波图像所能够具有的第1特征量的范围和第2特征量的范围建立关联来存储;选择部,从多个参数组中选择与上述计算出的第1特征量和上述计算出的第2特征量这双方对应的滤波特性;图像滤波部,对上述生成的超声波图像实施具有上述选择的滤波特性的图像滤波。
根据本实施方式,将能够提高图像诊断能力。
附图说明
图1是表示本实施方式所涉及的超声波诊断装置的结构的图。
图2是表示与血管壁相关的B模式图像的一个例子的图。
图3是表示与腹部以及肝脏相关的B模式图像的一个例子的图。
图4是表示与肌纤维(MSK)相关的B模式图像的一个例子的图。
图5是表示在本实施方式中利用的、每个诊断部位或每个生物体组织的平均亮度值与平均边缘方向的测量结果的图。
图6是表示图1所示的图像处理部的结构的图。
图7是表示本实施方式所涉及的超声波图像内的计算对象区域的一个例子的图。
图8是表示本实施方式所涉及的计算对象区域的其他的例子的图。
图9是表示本实施方式所涉及的计算对象区域的其他的例子的图。
图10是表示本实施方式所涉及的计算对象区域的其他的例子的图。
图11是表示图6所示的第1特征量计算部的结构的图。
图12是表示在图6的滤波特性存储部中利用的、对多个参数组的各个将第1特征量的范围和第2特征量的范围建立关联的表的一个例子的图。
图13是表示本实施方式的实施例1所涉及的图像处理部的结构的图。
图14是表示图13的低频图像滤波部的结构的图。
图15是表示本实施方式的变形例所涉及的第2特征量计算部的结构的图。
图16是表示本实施方式的实施例2所涉及的图像处理部的结构的图。
符号说明
1…超声波诊断装置、10…超声波探头、20…发送部、30…接收部、40…B模式处理部、50…彩色多普勒处理部、60…图像生成部、70…图像处理部、71…图像缩小部、72…第1特征量计算部、73…第2特征量计算部、74…滤波特性存储部、75…滤波特性选择部、76…图像滤波部、80…存储部、90…显示部、100…医用图像处理装置、
具体实施方式
本实施方式所涉及的超声波诊断装置具有:超声波探头、图像生成部、第1计算部、第2计算部、存储部、选择部、以及图像滤波部。超声波探头对被检体发送超声波,接收被上述被检体反射的超声波,产生与上述接收到的超声波对应的回波信号。图像生成部根据上述回波信号生成与上述被检体相关的超声波图像。第1计算部计算与上述生成的超声波图像内的特定区域中的边缘方向相关的第1特征量。上述特定区域比应用于上述生成的超声波图像的图像滤波的内核尺寸大。第2计算部计算与上述生成的超声波图像内的上述特定区域中的边缘强度分布或者亮度值分布相关的第2特征量。存储部对多个滤波特性的各个,将适于上述滤波特性的超声波图像所能够具有的第1特征量的范围和第2特征量的范围建立关联来存储。选择部从多个参数组中选择与上述计算出的第1特征量和上述计算出的第2特征量这双方对应的滤波特性。图像滤波部对上述生成的超声波图像实施具有上述选择的滤波特性的图像滤波。
以下,参照附图说明本实施方式所涉及的超声波诊断装置、医用图像处理装置、以及医用图像处理方法。
图1是表示本实施方式所涉及的超声波诊断装置1的结构的图。如图1所示,超声波诊断装置1具备有:超声波探头10、发送部20、接收部30、B模式处理部40、彩色多普勒处理部50、图像生成部60、图像处理部70、存储部80、以及显示部90。
超声波探头10具有多个振子。超声波探头10接受来自发送部20的驱动信号朝向被检体发送超声波。对被检体发送的超声波被体内组织的声抗的不连续面依次反射。被反射的超声波被超声波探头10接收。超声波探头10产生与所接收到的超声波的强度对应的电信号(回波信号)。回波信号的振幅依存于被反射的不连续面中的声抗阻的差。另外,当超声波被正在移动的血流或心脏壁等移动体的表面反射时,回波信号由于多普勒效应接受依存于移动体的超声波发送方向的速度分量的频移。
发送部20经由超声波探头10对被检体重复发送超声波。更具体而言,发送部20为了超声波发送而具有未图示的速率脉冲发生电路、发送延迟电路、以及驱动脉冲发生电路等。速率脉冲发生电路以规定的速率频率(rate frequency)fr Hz(周期;1/fr秒),针对每个通道重复产生速率脉冲。延迟电路针对每个通道将超声波会聚成束状,并对各速率脉冲赋予用于确定发送指向性的延迟时间。驱动脉冲发生电路以基于各被延迟的速率脉冲的定时,对超声波探头10施加驱动脉冲。
接收部30经由超声波探头10反复接收来自被检体的超声波。更具体而言,接收部30为了接收超声波而具有未图示的放大器电路、A/D转换器、接收延迟电路、以及加法器等。放大器电路针对每个通道将来自超声波探头10的回波信号放大。A/D转换器将放大后的回波信号针对每个通道从模拟信号转换成数字信号。接收延迟电路对于转换成数字信号的回波信号,针对每个通道会聚成束状并赋予用于确定接收指向性的延迟时间。加法器将被赋予了延迟时间的各回波信号相加。通过加法处理,产生与接收波束对应的接收信号。这样,接收部30产生分别与多个接收波束对应的多个接收信号。接收信号被供给至B模式处理部40与彩色多普勒处理部50。
B模式处理部40通过对来自接收部30的接收信号进行对数放大,并将对数放大后的接收信号进行包络线检波,从而生成由亮度来表现回波信号的强度的B模式信号的数据。所产生的B模式信号的数据被供给图像生成部60。
彩色多普勒处理部50对来自接收部30的接收信号实施自相关运算,提取基于多普勒效应的血流或组织、造影剂回波分量,产生由彩色来表示平均速度或分散、能量等血流信息的强度的多普勒信号的数据。所产生的多普勒信号的数据被供给图像生成部60。
图像生成部60根据来自B模式处理部40的B模式信号,生成与被检体相关的B模式图像。具体而言,图像生成部60由扫描转换器构成。图像生成部60通过将B模式信号的扫描方式从超声波扫描方式转换成显示设备方式,来生成B模式图像。B模式图像的像素来自B模式信号,该像素具有与该B模式信号的强度对应的亮度值。同样地,图像生成部60根据来自彩色多普勒处理部50的多普勒信号,生成与被检体相关的多普勒图像。多普勒图像的像素来自多普勒信号,该像素具有与该多普勒信号的强度对应的彩色。B模式图像和多普勒图像被供给图像处理部70与存储部80。
图像处理部70对于来自图像生成部60或者存储部80的B模式图像或多普勒图像执行图像处理。更具体而言,图像处理部70对B模式图像或多普勒图像实施具有最适合B模式图像或多普勒图像所描绘出的生物体组织的滤波特性的图像滤波。通过滤波处理,生成减少了散斑或噪音的B模式图像或多普勒图像。针对图像处理的细节之后进行叙述。被实施了图像处理的B模式图像或多普勒图像被供给存储部80和显示部90。
显示部90将由图像处理部70实施了图像处理的B模式图像显示在显示装置上。此时,在B模式图像上,也可以重叠多普勒图像。作为显示装置,例如,能够适当地利用CRT显示器、或液晶显示器、有机EL显示器、等离子显示器等。
另外,图像处理部70、存储部80、以及显示部90构成医用图像处理装置100。该医用图像处理装置100如图1所示,可以被编入超声波诊断装置1,也可以被编入独立于超声波诊断装置1的计算机。当医用图像处理装置100独立于超声波诊断装置1时,医用图像处理装置100作为处理对象的医用图像并不限定于由超声波诊断装置1生成的图像。例如,医用图像处理装置100也可以将由X射线诊断装置生成的X射线图像、由X射线计算机断层摄影装置生成的CT图像、由磁共振诊断装置生成的MR图像、由SPECT装置生成的SPECT图像、或者由PET装置生成的PET图像作为处理对象。然而,为了使说明具体化,在以下的说明中,假设医用图像是超声波图像。
以下,针对本实施方式所涉及的图像处理部70的细节进行说明。
首先,针对每个诊断部位或每个生物体组织的B模式图像的特征进行说明。另外,在本实施方式中,假设诊断部位表示头部或胸部、腹部等超声波探头所接触的身体部位,生物体组织表示血管或肌纤维(MSK:musculoskeletal)、肝脏、心脏等组织。
图2是表示与血管壁相关的B模式图像的一个例子的图。图3是表示与腹部以及肝脏相关的B模式图像的一个例子的图。图4是表示与肌纤维(MSK)相关的B模式图像的一个例子的图。如图2所示,与血管壁相关的B模式图像包含有与血管壁相关的像素区域(血管壁区域)。与血管壁相关的B模式图像在血管壁区域中,具有整体上沿着特定的方向的边缘。图2时,边缘沿着纸面的横方向延伸。另外,在与血管壁相关的B模式图像中,和与其他的部位或生物体组织相关的B模式图像相比较,包含在特定的深度具有低的亮度值的区域(在图2中由黑色表示的区域)。如图3所示,与腹部以及肝脏相关的B模式图像整体上没有沿着特定的方向的边缘。另外,与腹部以及肝脏相关的B模式图像和与其他的部位或生物体组织相关的B模式图像相比较,具有高的亮度值的区域(在图3中由白色表示的区域)广范围地分布。如图4所示,与MSK相关的B模式图像包含有与MSK相关的像素区域(MSK区域)。与MSK相关的B模式图像在MSK区域中,具有整体上沿着特定的方向的边缘。图4时,边缘在纸面的横方向延伸。另外,在与MSK相关的B模式图像中,和与其他的部位或生物体组织相关的B模式图像相比较,具有低的亮度值的区域(在图4中由黑色表示的区域)广泛地分布。
图5是表示每个诊断部位或每个生物体组织的平均亮度值与平均边缘方向的测量结果的图。在图5中,作为诊断部位或生物体组织,可以列举出颈动脉、腹部、肌纤维(MSK)、以及心脏。另外,颈动脉(行进方向)是与颈动脉相关的B模式图像,意味着其断面与颈动脉的中心线平行。颈动脉(横截面)是与颈动脉相关的B模式图像,意味着其断面与颈动脉的中心线正交。平均亮度值是B模式图像所包含的多个像素的亮度值的平均值。平均边缘方向是B模式图像所包含的多个像素的边缘方向的平均值。另外,针对边缘方向的细节之后进行叙述,意味着平均边缘方向越高则各像素的边缘方向越与特定方向一致。
如图5所示,与颈动脉(行进方向)相关的B模式图像和与其他的诊断部位或生物体组织相关的B模式图像相比较,平均亮度值在统计上较低,且平均边缘方向在统计上较高。与腹部相关的B模式图像与和其他的诊断部位或生物体组织相关的B模式图像相比较,平均亮度值在统计上较高,且平均边缘方向在统计上较低。与肌纤维相关的B模式图像和与其他的诊断部位或生物体组织相关的B模式图像相比较,平均亮度值在统计上较高,且平均边缘方向在统计上较高。与心脏相关的B模式图像与其他的诊断部位或生物体组织相比较,平均亮度值在统计上较低,且平均边缘方向在统计上较低。
例如,作为整体上在特定方向具有边缘方向的生物体组织,可以列举出血管和MSK。从而,只在边缘方向不能区别与血管相关的B模式图像和与MSK相关的B模式图像。然而,在与血管相关的B模式图像中,低亮度区域比较多,在与MSK相关的B模式图像中,低亮度区域比较少。这样,可以说B模式图像具有每个诊断部位或每个生物体组织所特有的边缘的朝向以及亮度值分布。
利用针对每个诊断部位或每个生物体组织所特有的边缘的朝向以及亮度值分布,图像处理部70按照B模式图像所具有的整体上的边缘方向以及亮度值分布,选择产生最适合该B模式图像的滤波效果的滤波特性,对B模式图像实施具有所选择的滤波特性的图像滤波。
以下,针对图像处理部70的细节进行说明。另外,图像处理部70也可以对B模式图像和多普勒图像的任一图像进行处理。因此,为了简化以下的说明,综合B模式图像和多普勒图像称为超声波图像。
图6是表示图像处理部70的结构的图。如图6所示,图像处理部70由图像生成部60或者存储部80输入原始的超声波图像。以下,将由图像处理部70为了进行滤波而输入的原始的超声波图像称为输入图像。
以下,针对图像处理部70的细节进行说明。图像处理部70内的第1特征量与第2特征量的计算对象被限定为超声波图像内的特定区域。在此,将该特定区域称为计算对象区域。
图7是表示计算对象区域的一个例子的图。如图7所示,计算对象区域R1被设定为超声波图像。计算对象区域R1具有比由后述的图像滤波部76应用的图像滤波的内核R2的尺寸(内核尺寸)大的矩阵尺寸。计算对象区域R1也可以具有与超声波图像相同的矩阵尺寸,也可以具有比超声波图像小的矩阵尺寸。
计算对象区域由用户经由输入设备(未图示),或者自动地设定。所设定的计算对象区域的数量可以是一个,也可以是多个。例如,超声波图像被分割为多个区域,将该分割区域的各个设定为计算对象区域即可。多个分割区域的排列并没有特别地限定。例如,超声波图像也可以如图8所示的那样,被分割为左上方区域RLU、右上方区域RRU、左下方区域RLL、以及右下方区域RRL。另外,超声波图像也可以如图9所示的那样,根据深度方向来分割。此时,例如,超声波图像关于深度也可以分割为位于上部的区域RU、位于中部的区域RM、以及位于下部的区域RL。另外,计算对象区域也可以如图10所示的那样,被设定为包含超声波图像所包含的特定的解剖学区域。例如,假设在超声波图像中包含有与肝脏相关的像素区域RLI。关于解剖学区域知道有例如将超声波图像内的解剖学区域根据几何学特性或亮度值特性等来进行划分的分割处理。例如,假设在超声波图像中包含有与肝脏相关的像素区域RLI。通过分割处理从超声波图像中提取肝脏区域RLI。计算对象区域RS被自动地设定为包含肝脏区域RLI的区域。另外,计算对象区域的形状并不限定于四边形,也可以是圆、六边形、任意形状等任何形状。
如图6所示,图像处理部70具有图像缩小部71、第1特征量计算部72、第2特征量计算部73、滤波特性存储部74、滤波特性选择部75、以及图像滤波部76。
图像缩小部71生成与输入图像相比较矩阵尺寸小的超声波图像(以下,称为缩小图像。)。作为图像缩小处理,例如,能够应用重新采样或像素的间拔、多重分辨率分解等已知的所有的图像缩小技术。为了整体上地把握由第1特征量计算部72以及第2特征量计算部73计算出的超声波图像的特征量,进行图像缩小处理以使得以合适的分辨率对超声波图像进行处理。另外,由于通过图像缩小处理,超声波图像的矩阵尺寸减小,因此,提高图像缩小部71的后一级的处理速度。通过图像缩小处理,计算对象区域也以与超声波图像的缩小率大致相同的缩小率缩小。
第1特征量计算部72计算与超声波图像内的计算对象区域中的边缘方向相关的第1特征量(以下,称为边缘方向特征量。)。计算对象区域中的边缘方向表示计算对象区域所描绘出的解剖学区域的边缘方向的倾向。以下,计算对象区域中的边缘方向意味着整体上的边缘方向。
图11是表示第1特征量计算部72的结构的图。第1特征量计算部72从图像缩小部71输入缩小图像。如图11所示,第1特征量计算部72具有边缘方向计算部721、基准方向计算部722、偏移量计算部723、以及第1计数部724。
边缘方向计算部721针对缩小图像内的计算对象区域所包含的多个像素的各个,根据像素的亮度值的空间微分来计算各像素的边缘方向。具体而言,边缘方向计算部721首先利用处理对象像素和该处理对象像素的附近像素沿着超声波图像的各坐标轴(具体而言,x轴以及y轴)进行空间微分,计算空间微分值。并且,边缘方向计算部721根据计算出的空间微分值来计算与处理对象像素相关的边缘方向。更具体而言,边缘方向计算部721利用空间微分值来计算处理对象像素的构造张量(structure tensor)的多个要素。边缘方向计算部721对计算出的多个要素实施线性代数运算,计算构造张量的2个固有值和2个固有矢量。2个固有矢量中的一方意味着沿着边缘的方向,另一方意味着与边缘垂直的方向。在此,将沿着边缘的方向称为边缘方向。另外,构造张量的固有值依存于边缘的强度。另外,边缘方向的计算方法并不限定于利用构造张量的方法。如果能够计算局部的边缘方向,则也可以利用加伯转换等其他的方法来计算边缘方向。
基准方向计算部722根据与由边缘方向计算部721计算出的多个像素相关的多个边缘方向,来计算边缘方向的基准方向。基准方向被设定为多个边缘方向的统计值。具体而言,基准方向被设定为多个边缘方向的平均值、最大值、最小值、中间值、以及最频值的任何一个即可。
然而,边缘方向由作为周期变量的角度来规定。从而,当角度的范围的设定不合适时,如果单纯地进行边缘方向的平均等运算,则基准方向会以不合适的值来计算。例如,考虑作为θ1=π-δθ、θ2=π+δθ的2个角度θ1以及θ2。另外,︱δθ︱<<π。角度θ1以及角度θ2所优选的平均值是π。然而,当将角度范围设定为-π<θ≦π时,发生作为θ2=-π+δθ来进行处理的折回,平均会变为0。
从而,基准方向计算部722根据以下的2个应对策略,没有角度的折回地适当地计算基准方向。
(第1应对策略):在第1应对策略中基准方向计算部722利用边缘方向在空间上连续地变化的情况。具体而言,首先,按照空间上的连续性来确定从各边缘方向中发生了折回的像素(以下,称为折回像素)。折回像素与附近的像素的边缘方向极端地不连续。从而,将与周围的像素的边缘方向相比较具有极端地不连续的边缘方向的像素判定为折回像素,根据周围的像素的边缘方向对折回像素的边缘方向进行校正。例如,折回像素的边缘方向被置换成其周围的像素的任一像素的边缘方向,或者置换成周围的边缘方向的平均值等统计值。并且,基准方向计算部722根据各像素的边缘方向来计算基准方向。这样,基准方向计算部722能够没有角度的折回地适当地计算基准方向。
(第2应对策略):在第2应对策略中基准方向计算部722对边缘方向进行坐标转换。具体而言,首先,如(1)式所示,将由弧度来表现的边缘方向θ转换成由直角坐标系中的二维单位矢量来表现的边缘方向x。
接着,基准方向计算部722如(2)式所示,根据多个(N个)边缘方向xn,计算由直角坐标系来表现的基准方向(平均值)X。
并且,基准方向计算部722如(3)式所示,根据由直角坐标系来表现的基准方向X来计算由各坐标系表现的基准方向Θ。
这样,基准方向计算部722能够没有角度的折回地适当地计算基准方向。另外,在上述的说明中,为了使第2应对策略具体化,假设基准方向是平均值。然而,在第2应对策略中,基准方向并不只限定于平均值,也可以是最频值或最大值、最小值、中间值等的任何的统计值。
偏移量计算部723针对由边缘方向计算部721计算出的多个边缘方向的各个,计算各边缘方向与基准方向的偏移量。该偏移量例如被计算为各边缘方向与基准方向的2个二维单位矢量的内积。
第1计数部724将缩小图像内的计算对象区域所包含的多个像素中的、具有比第1阈值(以下,称为边缘方向阈值。)小的偏移量的像素的像素数作为边缘方向特征量进行计数。当进行计数处理时,实施基于边缘方向阈值的阈值处理即可。例如,第1计数部724对缩小图像实施基于边缘方向阈值的阈值处理,生成设具有比边缘方向阈值小的亮度值的像素为像素值“1”,设具有比边缘方向阈值大的亮度值的像素为像素值“0”的阈值图像。并且,第1计数部724从阈值图像所包含的多个像素中,例如,对具有像素值“1”的像素的像素数进行计数。边缘方向阈值根据经验法则来确定。例如,按照图5的测量结果,将边缘方向阈值设定为能够区别统计上较高的平均边缘方向和统计上较低的平均边缘方向的值,例如,设定为0.5或0.6即可。即,边缘方向特征量表示超声波图像所包含的多个像素的各个边缘朝向特定方向的程度。边缘方向特征量如图6或图11所示,被供给滤波特性选择部75。
以上,结束针对第1特征量计算部72的说明。另外,以下,对计算来自基准方向的各像素的边缘方向的偏移量的理由进行说明。血管壁或MSK等生物体组织在身体的全部区域中复杂地延伸。例如,当观测血管壁时,如图2所示,如果整体上地观察,则计算对象区域中的边缘方向朝向水平方向。然而,根据血管的位置等的不同,即使是同一诊断部位的血管壁,也不一定限定为计算对象区域中的边缘方向朝向水平方向。因此,为了测量计算对象区域中的边缘朝向特定方向的程度,优选计算来自计算对象区域整体的基准方向的各像素的边缘方向的偏移量。因为这样的理由,第1特征量计算部72计算来自基准方向的各像素的边缘方向的偏移量。换而言之,第1特征量计算部72不论生物体组织的位置等如何,能够检测计算对象区域中的边缘方向朝向特定方向的情况。
另外,通过不是在超声波图像(或者,缩小图像)整体中而是在超声波图像(或者,缩小图像)的局部区域中设定计算对象区域,从而能够实现与边缘方向特征量相关的处理的高速化。
再次返回到图6,针对第2特征量计算部73、滤波特性存储部74、滤波特性选择部75、以及图像滤波部76进行说明。
第2特征量计算部73计算与超声波图像内的计算对象区域中的亮度值分布相关的第2特征量(亮度特征量)。计算对象区域中的亮度值分布表示分布于超声波图像内的计算对象区域的亮度值的倾向。以下,计算对象区域中的亮度值分布意味着整体上的亮度值分布。另外,输入至第2特征量计算部73的图像优选具有与被输入至第1特征量计算部72的图像相同的分辨率。从而,在第2特征量计算部73中也输入来自图像缩小部71的缩小图像。
具体而言,第2特征量计算部73将缩小图像内的计算对象区域所包含的多个像素中的、具有比第2阈值(以下,称为亮度阈值。)大或者小的偏移量的像素的像素数作为亮度特征量来进行计数。例如,第2特征量计算部73对缩小图像实施基于亮度阈值的阈值处理,生成设具有比亮度阈值大的亮度值的像素为像素值“1”,设具有比边缘方向阈值小的亮度值的像素为像素值“0”的阈值图像。并且,第2计数部73从阈值图像所包含的多个像素中,例如,对具有像素值“1”的像素的像素数进行计数。亮度阈值根据经验法则来确定。亮度阈值例如按照图5的测量结果,被设定为能够区别统计上较高的平均亮度值和统计上较低的平均亮度值的值,例如,设定为0.5即可。另外,为了将缩小图像内的背景区域从像素数的计数对象中除去,除了亮度阈值以外,也可以对缩小图像实施基于用于除去背景区域的下限阈值的阈值处理。
另外,通过不是在超声波图像(或者,缩小图像)整体中而是在超声波图像(或者,缩小图像)的局部区域中设定计算对象区域,从而,能够实现与亮度特征量相关的处理的高速化。
滤波特性存储部74对多个滤波特性的各个,将适合各滤波特性的超声波图像所能够具有的第1特征量(边缘方向特征量)的范围和第2特征量(亮度特征量)的范围建立关联来存储。滤波特性根据参数组或者图像滤波的种类来确定。例如,滤波特性存储部74对分别确定多个滤波特性的多个参数组的各个,将适合各滤波特性的超声波图像所能够具有的边缘方向特征量的范围和亮度特征量的范围建立关联来存储。
图12是表示对多个参数组的各个将第1特征量(边缘方向特征量)的范围和第2特征量(亮度特征量)的范围建立关联的表的一个例子的图。如图12所示,在各参数组中,将边缘方向特征量的范围与亮度特征量的范围这双方在表上建立了关联。例如,参数组1与边缘方向特征量的范围1-1和亮度特征量的范围2-1这双方建立了关联。为了能够适当地对超声波图像进行滤波,对每个诊断部位或每个生物体组织预先确定各参数组。作为诊断部位或生物体组织,例如,可以列举出血管或腹部、肌纤维、心脏等。具体而言,边缘方向特征量的范围与亮度特征量的范围分别按照与包含诊断部位区域或生物体组织区域的超声波图像所能够具有的整体上的边缘方向和亮度值分布相关的经验法则来分别设定。
作为本实施方式所涉及的图像滤波,利用对超声波图像执行清晰化、平滑化、噪音减少、以及散斑减少中的至少一个的滤波。作为本实施方式所涉及的图像滤波,例如,有线性的清晰化滤波、线性的平滑化滤波、双边滤波。另外,作为本实施方式所涉及的图像滤波,也可以利用在第2实施方式中详细叙述的、依存于边缘方向实施平滑化或清晰化的非线性各向异性扩散滤波。图像滤波的滤波强度或滤波方向等滤波特性根据参数组来确定。各参数组由多种参数构成。作为本实施方式所涉及的参数,例如,有表示边缘部分的像素的亮度值的上升程度或者下降程度的参数、表示非边缘部分的像素的亮度值的上升程度或者下降程度的参数、表示清晰化的方向的参数、表示清晰化的强度的参数、表示平滑化的方向的参数、表示平滑化的强度的参数。
另外,存在如患有乳癌的***那样,通过实施图像滤波从而抑制病变部位等所特有的几何学特征的部位。此时,不适合对图像实施图像滤波。从而,也可以对与不要实施图像滤波的诊断部位或生物体组织对应的边缘方向特征量的范围和亮度特征量的范围,将没有实施图像滤波的意思的代码(以下,称为图像滤波OFF代码。)建立关联。
滤波特性选择部75从存储于滤波特性存储部74的多个滤波特性中,选择与由第1特征计算部72计算出的边缘方向特征量和由第2特征量计算部73计算出的亮度特征量的双方对应的滤波特性。具体而言,滤波特性选择部75选择与包含由第1特征量计算部72计算出的边缘方向特征量的范围和包含由第2特征量计算部73计算出的亮度特征量的范围这双方建立了关联的滤波特性。从而,滤波特性选择部75能够选择适合被扫描的诊断部位或生物体组织的滤波特性。与所选择的滤波特性对应的参数组或者图像滤波被供给图像滤波部76。当固定了图像滤波的种类时,选择与所选择的滤波特性对应的参数组。当没有固定图像滤波的种类时,选择与所选择的滤波特性对应的图像滤波的种类。滤波特性选择部75的选择对象能够由用户经由输入设备(未图示)任意地设定。另外,当选择图像滤波OFF代码时,将该图像滤波OFF代码供给图像滤波部76。
当由滤波特性选择部75供给了参数组时,图像滤波部76将具有与所供给的参数组对应的滤波特性的既定的图像滤波应用于超声波图像。当由滤波特性选择部75供给了图像滤波的种类时,图像滤波部76将所供给的种类的图像滤波应用于超声波图像。基于图像滤波的滤波对象区域限定为内核。内核具有规定的尺寸(内核尺寸)。内核尺寸被设定为3×3以上的尺寸。图像滤波部76一边在上述计算对象区域的范围内依次变更内核的位置,一边在各内核位置中,对于内核所包含的多个像素实施图像滤波。通过该图像滤波的应用,从而能够得到适合超声波图像所描绘出的诊断部位区域或生物体组织区域的滤波效果。另外,当从滤波特性选择部75供给了图像滤波OFF代码时,图像滤波部76对超声波图像不实施图像滤波。来自图像滤波部76的超声波图像由显示部90来显示。
以上,结束针对图像处理部70的说明。
另外,在上述的说明中,假设图像处理部70具有图像缩小部71。然而,本实施方式所涉及的图像处理部70并不限定于此,也可以没有图像缩小部71。此时,第1特征量计算部72根据来自图像生成部60或存储部80的原始的超声波图像,计算与该原始的超声波图像的整体上的边缘方向相关的边缘方向特征量。同样地,第2特征量计算部73根据原始的超声波图像,计算与该原始的超声波图像的整体上的亮度值分布相关的亮度特征量。另外,此时,第1特征量计算部72以及第2特征量计算部73的处理对象的像素限定于超声波图像内的计算对象区域。如上述那样,计算对象区域的矩阵尺寸比图像滤波的内核尺寸大。
根据上述说明,超声波诊断装置1包含有滤波特性存储部74、第1特征量计算部72、第2特征量计算部73、滤波特性选择部75、以及图像滤波部76。滤波特性存储部74对多个滤波特性的各个,将适合各滤波特性的超声波图像所能够具有的边缘方向特征量的范围和亮度特征量的特征量的范围建立关联来存储。第1特征量计算部72计算与超声波图像内的计算对象区域中的边缘方向相关的边缘方向特征量。第2特征量计算部73计算与超声波图像内的计算对象区域中的亮度值分布相关的亮度特征量。滤波特性选择部75从存储于滤波特性存储部74的多个滤波特性中,选择与计算出的边缘方向特征量和计算出的亮度特征量这双方对应的滤波特性。图像滤波部76对超声波图像实施具有所选择的滤波特性的图像滤波。
超声波图像具有每个诊断部位或每个生物体组织所特有的边缘的朝向以及亮度值分布。从而,滤波特性选择部75能够选择适合扫描对象的诊断部位或生物体组织的滤波特性,图像滤波部76能够对超声波图像实施具有适合扫描对象的诊断部位或生物体组织的滤波特性的图像滤波。从而,即使在超声波检查中超声波探头10发生移动,在移动前的扫描对象的诊断部位或生物体组织与移动后的扫描对象的诊断部位或生物体组织不同的情况下,也能够对超声波图像实施适合扫描对象的诊断部位或生物体组织的图像滤波。通过显示滤波后的超声波图像,操作者能够适当地观察病变等。
另外,当是与血管或MSK等在人体的大的区域中分布的生物体组织相关的超声波图像时,即使是不同的诊断部位也得到同一滤波效果即可。然而,以往,由于滤波特性的参数组根据诊断部位来预设,因此,不能够得到同一滤波效果。
然而,本实施方式所涉及的超声波诊断装置1由于能够对超声波图像实施适合扫描对象的生物体组织的图像滤波,因此,即使是与血管等在人体的大的区域中分布的生物体组织相关的超声波图像,也能够不论诊断部位如何,得到一定的滤波效果。
这样,根据本实施方式,将能够提供一种能够提高图像诊断能力的超声波诊断装置1以及超声波图像处理装置100。
[实施例1]
以下,说明在图像缩小处理中采用多重分辨率分解,在图像滤波中采用非线性各向异性扩散滤波的本实施方式的实施例。在实施例1中,假设从与非线性各向异性扩散滤波相关的多个参数组中选择合适的参数组。另外,假设在本实施方式中图像缩小部与图像滤波部被单独地设置。然而,实施例1所涉及的超声波诊断装置并不限定于此。在实施例1所涉及的超声波图像装置中,在图像滤波的算法中编入有图像缩小处理。另外,在以下的说明中,针对具有与本实施方式大致相同的功能的构成要素,添加同一符号,只在必要时进行重复说明。
图13是表示实施例1所涉及的图像处理部110的结构的图。如图13所示,图像处理部110为了进行多重分辨率分解/合成,具有由多个层次(等级)构成的多重构造。另外,在图13中,为了使说明具体化,设多重分辨率分解/合成的最高等级为3。然而,本实施方式并不限定于此。多重分辨率分解/合成也可以在从等级1到等级n(其中,n是2以上的自然数)的范围内进行。另外,在实施例中,作为多重分辨率分解/合成的一个例子采用离散小波转换/逆转换。然而,实施例并不需要限定于此。例如,作为多重分辨率分解/合成,也可以采用拉普拉斯金字塔(Laplacian pyramid)法或加伯(Gabor)转换/逆转换等已知的多重分辨率分解/合成法。
如图13所示,图像处理部110在每个等级中具备有多重分辨率分解部111(111-1、111-2、111-3)、低频图像滤波部113(113-1、113-2、113-3)、高频图像滤波部115(115-1、115-2、115-3)、以及多重分辨率合成部117(117-1、117-2、117-3)。
多重分辨率分解部111根据处理对象图像,生成具有比处理对象图像的分辨率低的分辨率的低频图像和高频图像。例如,多重分辨率分解部111对处理对象图像实施离散小波转换。在离散小波转换中,多重分辨率分解部111对x、y直角坐标的各轴方向(各维)分别应用一维的低通滤波和高通滤波。通过这些滤波的应用,将处理对象图像分解成1个低频图像和3个高频图像。低频图像包含处理对象图像所具有的空间频率分量中的低频分量。各高频图像包含处理对象图像所具有的空间频率分量中的与至少1方向相关的高频分量。分解后的各图像的各坐标轴的每一个的标本数缩小为分解前的各坐标轴每一个的标本数的一半。
当多重分辨率分解部111属于最低等级(图13时为等级1)时,处理对象图像是来自图像生成部60或者存储部80的原始的超声波图像。当多重分辨率分解部111不属于最低等级(图13时为等级1)时,处理对象图像是来自1等级下面的多重分辨率分解部111的低频图像。
当多重分辨率分解部111属于最高等级(图13时为等级3)时,所生成的低频图像被供给至该最高等级的低频图像滤波部113-3。当多重分辨率分解部111不属于最高等级时,所生成的低频图像被供给至属于1等级上面的等级的多重分辨率分解部111。所生成的3个高频图像被供给至属于该等级的高频图像滤波部115。
低频图像滤波部113利用每个诊断部位或每个生物体组织特有的边缘的朝向以及亮度值分布,按照处理对象图像所具有的整体上的边缘方向以及亮度值分布,选择生成最适合该处理对象图像的滤波效果的参数组,对处理对象图像实施具有与所选择的参数组对应的滤波特性的非线性各向异性扩散滤波。非线性各向异性扩散滤波是对边缘的接线方向实施平滑化处理,对边缘的法线方向实施清晰化处理的图像滤波。实施了非线性各向异性扩散滤波的图像被供给该等级的多重分辨率合成部117。
当低频图像滤波部113属于最高等级(图13时为等级3)时,处理对象图像是来自属于该最高等级的多重分辨率分解部111的低频图像。当低频图像滤波部113不属于最高等级时,处理对象图像是来自属于1等级上面的等级的多重分辨率合成部117的图像。
图14是表示低频图像滤波部113的结构的图。如图14所示,低频图像滤波部113具有第1特征量计算部72、第2特征量计算部73、滤波特性存储部74、滤波特性选择部75、以及图像滤波部76。
第1特征量计算部72针对处理对象图像所包含的多个像素的各个,计算边缘方向和边缘强度。并且,第1特征量计算部72计算与超声波图像的整体上的边缘方向相关的边缘方向特征量。边缘的强度与方向的组合被称为边缘信息。边缘方向特征量限定于计算对象区域来进行计算。
第2特征量计算部73计算与超声波图像的整体上的亮度值分布相关的亮度特征量。亮度特征量限定于计算对象区域来进行计算。
滤波特性存储部74对分别确定多个滤波特性的多个参数组的各个,将适合各滤波特性的超声波图像所能够具有的边缘方向特征量的范围和亮度特征量的特征量的范围建立关联来存储。各参数组具有确定非线性各向异性滤波的滤波特性的多个参数。作为这些参数,例如,可以列举出平滑化的强度或清晰化的强度、边缘检测的灵敏度等。参数组也可以按照每个等级来设定,也可以不按照每个等级来设定。
滤波特性选择部75从存储于滤波特性存储部74的多个参数组中,选择与由第1特征量计算部72计算出的边缘方向特征量和由第2特征量计算部73计算出的亮度特征量这双方对应的参数组。
图像滤波部76将具有与来自滤波特性选择部75的参数组对应的滤波特性的非线性各向异性扩散滤波应用于超声波图像。图像滤波部76具有非线性各向异性扩散滤波的内核尺寸为3×3以上的尺寸。图像滤波部76一边将线性各向异性扩散滤波的内核在上述的计算对象区域的范围内依次变更,一边在各内核位置上,实施非线性各向异性扩散滤波。通过该非线性各向异性滤波的应用,能够得到适合处理对象图像所描绘出的诊断部位区域或生物体组织区域的滤波效果。
以上,结束针对低频图像滤波部113的说明。
再次返回到图13,针对高频图像滤波部115和多重分辨率合成部117进行说明。
高频图像滤波部115利用来自低频图像滤波部113的边缘信息,分别控制来自多重分辨率分解部111的3个高频图像的亮度值。具体而言,高频图像滤波部115针对各高频图像所包含的多个像素的各个,对像素乘以与边缘信息对应的参数。该参数具有用于边缘区域的第1参数和用于非边缘区域的第2参数。第1参数被设定为强调边缘区域。第2参数被设定为抑制非边缘区域。由高频图像滤波部115控制了亮度值的高频图像被供给至多重分辨率合成部117。另外,即使在高频图像滤波部115中,也能够将与低频图像滤波部113相同的非线性各向异性滤波应用于高频图像。
多重分辨率合成部117根据来自低频图像滤波部113的低频图像和来自高频图像滤波部115的3个高频图像,生成与低频图像或高频图像相比分辨率大的输出图像。具体而言,多重分辨率合成部117对低频图像和3个高频图像进行离散小波逆转换等多重分辨率合成。合成后的输出图像的各坐标轴的每一个的标本数被扩大为合成前的低频图像或高频图像的各坐标轴的每一个的标本数的2倍。
当多重分辨率合成部117不属于最低等级(图13时为等级1)时,输出图像被供给属于与1等级下面的等级的低频图像滤波部113。当多重分辨率合成部117属于最低等级时,输出图像从图像处理部110供给显示部90并进行显示。
以上,结束了针对实施例所涉及的图像处理部110的说明。
根据上述说明,实施例所涉及的超声波诊断装置具有多重分辨率分解部111、第1特征量计算部72、第2特征量计算部73、滤波特性存储部74、滤波特性选择部75、以及图像滤波部76。多重分辨率分解部111对超声波图像实施多重分辨率分解,针对多个分辨率等级的各个生成空间频率上的低频图像和高频图像。第1特征量计算部72计算与低频图像的整体上的边缘方向相关的第1特征量。第2特征量计算部73计算与低频图像的整体上的边缘强度分布或者亮度值分布相关的第2特征量。滤波特性存储部74对多个滤波特性的各个,将适合各滤波特性的超声波图像所能够具有的第1特征量的范围和第2特征量的范围建立关联来存储。滤波特性选择部75针对多个分辨率等级的各个,从多个滤波特性中选择与由第1特征量计算部72计算出的第1特征量和由第2特征量计算部73计算出的第2特征量这双方对应的滤波特性。图像滤波部76针对多个分辨率等级的各个,对低频图像和高频图像的至少一方实施具有所选择的滤波特性的图像滤波。
在实施例中,以多重分辨率分解后的各等级进行滤波。从而,由此,与在等级1的多重分辨率合成之后进行滤波的情况相比较,进一步提高超声波图像的画质。
这样,根据实施例,将能够提供一种能够提高图像诊断能力的超声波诊断装置以及超声波图像处理装置。
另外,也可以并用亮度特征量和边缘强度特征量。另外,也可以在将图像在空间上分割为多个子区域,在各子区域的每一个中得到特征量等并增加维数之后,使用主分量分析等方法,来减少维数。
另外,滤波特性选择部75为了选择参数组,例如,也可以利用基于费希尔(Fisher)的线性识别函数或AbaBoost算法等的统计算法。例如,作为用于这些统计算法的学习样品数据,利用已知诊断部位或生物体组织的超声波图像的边缘方向特征量或亮度特征量即可。
(变形例)
本实施方式所涉及的第2特征量计算部73作为第2特征量,假设计算与整体上的亮度值分布相关的亮度特征量。然而,本实施方式所涉及的第2特征量计算部73并不限定于此,作为第2特征量,也可以计算与整体上的边缘强度分布相关的边缘强度特征量。以下,针对变形例所涉及的图像处理部70详细地进行说明。另外,在以下的说明中,针对具有与本实施方式大致相同的功能的构成要素添加同一符号,只在必要时进行重复说明。
图15是表示本实施方式的变形例所涉及的第2特征量计算部的结构的图。如图15所示,第2特征量计算部具有边缘强度计算部732和第2计数部733。另外,变形例所涉及的第2特征量计算部的处理对象可以是原始的超声波图像,也可以是原始的超声波图像的缩小图像。然而,为了使以下的说明具体化,假设变形例所涉及的第2特征量计算部的处理对象是缩小图像。
边缘强度计算部732针对缩小图像内的计算对象区域所包含的多个像素的各个,根据像素的亮度值的空间微分来计算各像素的边缘强度。具体而言,首先,边缘强度计算部732与边缘方向计算部721同样地,利用处理对象像素和处理对象像素的附近像素沿着超声波图像的各坐标轴进行空间微分,计算空间微分值。并且,边缘强度计算部732根据所计算出的空间微分值来计算与处理对象像素相关的边缘强度。
第2计数部733将缩小图像内的计算对象区域所包含的多个像素中的、具有比第3阈值(以下,称为边缘强度阈值。)小的边缘强度的像素的像素数作为边缘强度特征量来进行计数。进行计数处理时,实施基于边缘强度阈值的阈值处理即可。即,第2计数部733对缩小图像实施基于边缘强度阈值的阈值处理,生成设具有比边缘强度阈值小的边缘强度的像素为像素值“1”,设具有比边缘强度阈值大的边缘强度的像素为像素值“0”的阈值图像。并且,第2计数部733从阈值图像所包含的多个像素中,例如,对具有像素值“1”的像素的像素数进行计数。边缘强度阈值按照经验法则来确定。
以上,结束针对变形例所涉及的第2特征量计算部的结构的说明。
另外,变形例所涉及的滤波特性存储部对多个滤波特性的各个,将适于各滤波特性的超声波图像所能够具有的边缘方向特征量的范围和边缘强度特征量的范围建立关联来存储。变形例1所涉及的滤波特性选择部从存储于变形例所涉及的滤波特性存储部的多个滤波特性中,选择与由第1特征量计算部72计算出的边缘方向特征量和由变形例所涉及的第2特征量计算部计算出的边缘强度特征量这双方对应的滤波特性。变形例1所涉及的图像滤波部将具有来自滤波特性选择部的滤波特性的图像滤波应用于超声波图像。
这样,根据变形例,将能够提供一种能够提高图像诊断能力的超声波诊断装置、医用图像处理装置、以及医用图像处理方法。
[实施例2]
上述的实施例假设从单一的图像滤波(具体而言,非线性各向异性扩散滤波)的多个参数组中,选择与边缘方向特征量和亮度特征量或者边缘强度特征量对应的参数组。然而,本实施方式并不限定于此。实施例2所涉及的超声波诊断装置1如上述的那样从多个图像滤波中,选择与边缘方向特征量和亮度特征量或者边缘强度特征量对应的图像滤波。以下,针对实施例2所涉及的超声波诊断装置、医用图像处理装置、以及医用图像处理方法进行说明。
图16是表示实施例2所涉及的图像处理部120的结构的图。如图16所示,图像处理部120具有图像缩小部71、第1特征量计算部72、第2特征量计算部73、滤波选择部81、图像滤波部82、以及切换部83。
图像滤波部82具有能够选择性地应用分别具有多个滤波特性的多个图像滤波的结构。作为图像滤波,能够应用线性滤波(高斯滤波、微分滤波、小波滤波等)或者非线性滤波(中值滤波、形态滤波(morphological filter)、非局部均值滤波(non-local means filter)、双边滤波(bi-lateral filter)、各向异性扩散滤波(anisotropic diffusionfilter)等)。多个图像滤波的组合也可以是上述的图像滤波的任一组合。另外,在多个图像滤波中,也可以包含没有应用图像滤波的(即,只使全部的信号通过)这样的选择项。图像滤波数可以是2以上,也可以是几个。然而,为了使以下的说明具体化,假设图像滤波是第1图像滤波82-1和第2图像滤波82-2这2个。
为了将具有与由第1特征量计算部72计算出的边缘方向特征量和由第2特征量计算部73计算出的亮度特征量或者边缘强度特征量这双方对应的滤波特性的图像滤波应用于处理对象的超声波图像,滤波选择部81从图像滤波部内的多个图像滤波中选择特定的图像滤波。被选择的图像滤波进行作动,没有被选择的图像滤波被停止。选择对象的图像滤波的识别符被供给切换部83。
切换部83将多个图像滤波的输出端子P1和图像处理部120的输出端子P2可切换地连接。切换部83将和来自滤波选择部81的识别符对应的图像滤波的输出端子P1与输出端子P2连接。由此,由滤波选择部81选择的图像滤波的输出图像被从图像处理部120输出。
这样,根据变形例2,从多个图像滤波中,选择具有与边缘方向特征和亮度特征量或者边缘强度特征量对应的滤波特性的图像滤波。
这样,根据变形例2,将能够提供一种能够提高图像诊断能力的超声波诊断装置、医用图像处理装置、以及医用图像处理方法。
虽然说明了本发明的几个实施方式,但这些实施方式只是作为例子而给出的,并不意图限定本发明的范围。此处描述的新颖方式能够以其他的各种方式进行实施;此外在不脱离发明的要旨的范围内,能够对本文所描述的实施例的形式进行各种的省略、置换、变更。后附的权利要求书和其变形与包含于发明的范围或要旨中一样,覆盖了这些形式或改变。
Claims (18)
1.一种超声波诊断装置,其特征在于,具备:
超声波探头,对被检体发送超声波,接收被上述被检体反射的超声波,产生与上述接收到的超声波对应的回波信号;
图像生成部,根据上述回波信号生成与上述被检体相关的超声波图像;
第1计算部,计算与上述生成的超声波图像内的特定区域中的边缘方向相关的第1特征量,上述特定区域比应用于上述生成的超声波图像的图像滤波的内核尺寸大;
第2计算部,计算与上述生成的超声波图像内的上述特定区域中的边缘强度分布或者亮度值分布相关的第2特征量;
存储部,对多个滤波特性的各个,将适合上述滤波特性的超声波图像所能够具有的第1特征量的范围和第2特征量的范围建立关联来存储;
选择部,从上述多个滤波特性中选择与上述计算出的第1特征量和上述计算出的第2特征量这双方对应的滤波特性;以及
图像滤波部,对上述生成的超声波图像实施具有上述选择的滤波特性的图像滤波。
2.根据权利要求1所述的超声波诊断装置,其特征在于,
上述第1计算部针对上述特定区域所包含的多个像素的各个,根据上述像素的亮度值的空间微分来计算上述像素的边缘方向,
计算上述像素的边缘方向与基准的边缘方向的偏移量,
将上述特定区域所包含的多个像素中的、具有比第1阈值大或者小的上述计算出的偏移量的像素的像素数作为上述第1特征量来进行计数。
3.根据权利要求1或2所述的超声波诊断装置,其特征在于,
上述第2计算部将上述特定区域所包含的多个像素中的、具有比第2阈值大或者小的亮度值的像素的像素数作为上述第2特征量来进行计数。
4.根据权利要求1或2所述的超声波诊断装置,其特征在于,
上述第2计算部针对上述特定区域所包含的多个像素的各个,根据上述像素的亮度值的空间微分来计算上述像素的边缘强度,
将上述特定区域所包含的多个像素中的、具有比第3阈值大或者小的上述计算出的边缘强度的像素的像素数作为上述第2特征量来进行计数。
5.根据权利要求1所述的超声波诊断装置,其特征在于,
上述特定区域是比上述超声波图像的整体、或者上述超声波图像的矩阵尺寸小的部分区域。
6.根据权利要求1所述的超声波诊断装置,其特征在于,
上述特定区域按照来自用户的指示来设定。
7.根据权利要求1所述的超声波诊断装置,其特征在于,
上述特定区域在上述超声波图像中设定一个或者多个。
8.根据权利要求1所述的超声波诊断装置,其特征在于,
上述特定区域被设定为上述超声波图像的多个分割区域的各个。
9.根据权利要求8所述的超声波诊断装置,其特征在于,
上述特定区域被设定为根据上述超声波图像的深度方向而设定的多个分割区域的各个。
10.根据权利要求1所述的超声波诊断装置,其特征在于,
上述特定区域被设定为包含通过对于上述超声波图像的分割处理而划分出的解剖学区域。
11.根据权利要求1所述的超声波诊断装置,其特征在于,
上述超声波诊断装置还具备缩小图像生成部,生成与上述生成的超声波图像相比矩阵尺寸小的缩小图像,
上述第1计算部针对上述生成的缩小图像计算上述第1特征量,
上述第2计算部针对上述生成的缩小图像计算上述第2特征量。
12.一种超声波诊断装置,其特征在于,具备:
超声波探头,对被检体发送超声波,接收被上述被检体反射的超声波,产生与上述接收到的超声波对应的回波信号;
图像生成部,根据上述回波信号生成与上述被检体相关的超声波图像;
多重分辨率分解部,对上述生成的超声波图像实施多重分辨率分解,针对多个分辨率等级的各个生成空间频率上的低频图像和高频图像;
第1计算部,计算与上述生成的低频图像内的特定区域中的边缘方向相关的第1特征量,上述特定区域比应用于上述低频图像与上述高频图像的至少一方的图像滤波的内核尺寸大;
第2计算部,计算与上述生成的低频图像内的上述特定区域中的边缘强度分布或者亮度值分布相关的第2特征量;
存储部,对多个滤波特性的各个,将适合上述滤波特性的超声波图像所能够具有的第1特征量的范围和第2特征量的范围建立关联来存储;
选择部,针对上述多个分辨率等级的各个,从上述多个滤波特性中选择与上述计算出的第1特征量和上述计算出的第2特征量这双方对应的滤波特性;以及
图像滤波部,针对上述多个分辨率等级的各个,对上述低频图像与上述高频图像的至少一方实施具有上述选择出的滤波特性的图像滤波。
13.一种医用图像处理装置,其特征在于,具备:
第1存储部,存储与被检体相关的医用图像;
第1计算部,计算和与上述被检体相关的医用图像内的特定区域中的边缘方向相关的第1特征量,上述特定区域比应用于与上述被检体相关的医用图像的图像滤波的内核尺寸大,
第2计算部,计算与上述医用图像内的特定区域中的边缘强度分布或者亮度值分布相关的第2特征量;
第2存储部,对多个滤波特性的各个,将适合上述滤波特性的医用图像所能够具有的第1特征量的范围和第2特征量的范围建立关联来存储;
选择部,从上述多个滤波特性中选择与上述计算出的第1特征量和上述计算出的第2特征量这双方对应的滤波特性;以及
图像滤波部,对与上述被检体相关的医用图像实施具有上述选择的滤波特性的图像滤波。
14.一种医用图像处理装置,其特征在于,具备:
第1存储部,存储与被检体相关的医用图像;
多重分辨率分解部,对与上述被检体相关的医用图像实施多重分辨率分解,针对多个分辨率等级的各个,生成空间频率上的低频图像和高频图像;
第1计算部,计算与上述低频图像内的特定区域中的边缘方向相关的第1特征量,上述特定区域比应用于上述低频图像与上述高频图像中至少一方的图像滤波的内核尺寸大;
第2计算部,计算与上述低频图像内的上述特定区域中的边缘强度分布或者亮度值分布相关的第2特征量;
第2存储部,对多个滤波特性的各个,将适合上述滤波特性的图像所能够具有的第1特征量的范围和第2特征量的范围建立关联来存储;
选择部,针对上述多个分辨率等级的各个,从上述多个滤波特性中选择与上述计算出的第1特征量和上述计算出的第2特征量这双方对应的滤波特性;以及
图像滤波部,针对上述多个分辨率等级的各个,对上述低频图像和上述高频图像的至少一方实施具有上述选择的滤波特性的图像滤波。
15.一种医用图像处理方法,其特征在于,
计算和与被检体相关的医用图像内的特定区域中的边缘方向相关的第1特征量,上述特定区域比应用于与上述被检体相关的医用图像的图像滤波的内核尺寸大,
计算和与上述被检体相关的医用图像内的特定区域中的边缘强度分布或者亮度值分布相关的第2特征量,
从多个滤波特性中选择与上述计算出的第1特征量和上述计算出的第2特征量这双方对应的滤波特性,对上述多个滤波特性的各个,将适合上述滤波特性的医用图像所能够具有的第1特征量的范围和第2特征量的范围建立关联,
对与上述被检体相关的医用图像实施具有上述选择的滤波特性的图像滤波。
16.一种超声波诊断装置,其特征在于,
超声波探头,对被检体发送超声波,接收被上述被检体反射的超声波,产生与上述接收到的超声波对应的回波信号;
图像生成部,根据上述回波信号生成与上述被检体相关的超声波图像;
第1计算部,计算与上述超声波图像内的特定区域中的边缘方向相关的第1特征量,上述特定区域比应用于上述超声波图像的图像滤波的内核尺寸大;
第2计算部,计算与上述超声波图像内的上述特定区域中的边缘强度分布或者亮度值分布相关的第2特征量;
图像滤波部,具有能够选择性地应用分别具有多个滤波特性的多个图像滤波的结构;以及
选择部,为了将具有与上述计算出的第1特征量和上述计算出的第2特征量这双方对应的滤波特性的特定的图像滤波应用于上述超声波图像,从上述多个图像滤波中选择上述特定的图像滤波。
17.一种医用图像处理装置,其特征在于,具备:
第1存储部,存储与被检体相关的医用图像;
第1计算部,计算与上述医用图像内的特定区域中的边缘方向相关的第1特征量,上述特定区域比应用于上述医用图像的图像滤波的内核尺寸大;
第2计算部,计算与上述医用图像内的上述特定区域中的边缘强度分布或者亮度值分布相关的第2特征量;
图像滤波部,具有能够选择性地应用分别具有多个滤波特性的多个图像滤波的结构;以及
选择部,为了将具有与上述计算出的第1特征量和上述计算出的第2特征量这双方对应的滤波特性的特定的图像滤波应用于上述医用图像,从上述多个图像滤波中选择上述特定的图像滤波。
18.一种医用图像处理方法,其特征在于,具备:
计算和与被检体相关的医用图像内的特定区域中的边缘方向相关的第1特征量,上述特定区域比应用于上述医用图像的图像滤波的内核尺寸大,
计算与上述医用图像内的上述特定区域中的边缘强度分布或者亮度值分布相关的第2特征量,
为了将具有与上述计算出的第1特征量和上述计算出的第2特征量这双方对应的滤波特性的特定的图像滤波应用于上述医用图像,从分别具有多个滤波特性的多个图像滤波中选择上述特定的图像滤波。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011-283970 | 2011-12-26 | ||
JP2011283970 | 2011-12-26 | ||
JP2012-233151 | 2012-10-22 | ||
JP2012233151A JP6081139B2 (ja) | 2011-12-26 | 2012-10-22 | 超音波診断装置、医用画像処理装置、及び医用画像処理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103169496A CN103169496A (zh) | 2013-06-26 |
CN103169496B true CN103169496B (zh) | 2015-10-28 |
Family
ID=48630006
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210553218.0A Active CN103169496B (zh) | 2011-12-26 | 2012-12-19 | 超声波诊断装置、医用图像处理装置以及处理方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US9585636B2 (zh) |
JP (1) | JP6081139B2 (zh) |
CN (1) | CN103169496B (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9484044B1 (en) * | 2013-07-17 | 2016-11-01 | Knuedge Incorporated | Voice enhancement and/or speech features extraction on noisy audio signals using successively refined transforms |
US9530434B1 (en) | 2013-07-18 | 2016-12-27 | Knuedge Incorporated | Reducing octave errors during pitch determination for noisy audio signals |
JP6038338B2 (ja) * | 2013-10-07 | 2016-12-07 | 古野電気株式会社 | 超音波診断装置、超音波診断方法、及び超音波診断プログラム |
JP6274495B2 (ja) * | 2013-10-25 | 2018-02-07 | キヤノンメディカルシステムズ株式会社 | 画像処理装置および超音波診断装置 |
EP3957984A1 (en) * | 2013-12-12 | 2022-02-23 | General Electric Company | Method for defect indication detection |
KR20150144233A (ko) * | 2014-06-16 | 2015-12-24 | 삼성전자주식회사 | 영상 샘플링 시스템 및 방법 |
JPWO2015198713A1 (ja) * | 2014-06-27 | 2017-04-20 | オリンパス株式会社 | 超音波観測装置、超音波観測装置の作動方法および超音波観測装置の作動プログラム |
JP5935196B1 (ja) * | 2015-07-08 | 2016-06-15 | Eizo株式会社 | 画像処理装置、表示装置及びプログラム |
EP3338641B1 (en) * | 2015-08-20 | 2020-01-15 | Konica Minolta, Inc. | Ultrasonic diagnostic imaging apparatus |
JP6757407B2 (ja) | 2016-06-15 | 2020-09-16 | オリンパス株式会社 | 画像処理装置、画像処理方法および画像処理プログラム |
JP6911710B2 (ja) * | 2017-10-31 | 2021-07-28 | コニカミノルタ株式会社 | 超音波診断装置、超音波画像生成方法及びプログラム |
JP7126864B2 (ja) * | 2018-05-25 | 2022-08-29 | キヤノンメディカルシステムズ株式会社 | 医用信号処理装置及び学習プログラム |
JP7052588B2 (ja) * | 2018-06-18 | 2022-04-12 | コニカミノルタ株式会社 | 超音波診断装置、超音波画像表示方法及びプログラム |
US11642100B2 (en) * | 2018-09-20 | 2023-05-09 | Mayo Foundation For Medical Education And Research | Systems and methods for localizing a medical device using symmetric Doppler frequency shifts measured with ultrasound imaging |
KR102592605B1 (ko) | 2018-12-06 | 2023-10-24 | 삼성전자주식회사 | 이미지 신호 처리기, 이미지 신호 처리기의 동작 방법, 및 이미지 신호 처리기를 포함하는 전자 장치 |
CN113465886A (zh) * | 2021-06-23 | 2021-10-01 | 上海电机学院 | 一种用于激光显示散斑测量的自动对焦*** |
CN114782283B (zh) * | 2022-06-16 | 2022-09-02 | 深圳华声医疗技术股份有限公司 | 超声图像增强方法、装置、超声设备及存储介质 |
CN116035615A (zh) * | 2022-11-18 | 2023-05-02 | 深圳英美达医疗技术有限公司 | 一种基于双频超声内镜的超声图像采集方法及相关装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1219715A (zh) * | 1997-09-17 | 1999-06-16 | 通用电气公司 | 用于医学图象的迭代滤波器结构 |
CN101452574A (zh) * | 2008-12-19 | 2009-06-10 | 深圳市恩普电子技术有限公司 | 一种提升超声图像质量的方法 |
CN101467897A (zh) * | 2007-12-27 | 2009-07-01 | 株式会社东芝 | 超声波诊断装置、超声波图像处理装置、超声波图像处理方法 |
CN101822547A (zh) * | 2009-03-04 | 2010-09-08 | 株式会社东芝 | 超声波诊断装置及其控制方法、图像处理装置和方法 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002005544A1 (fr) * | 2000-07-06 | 2002-01-17 | Seiko Epson Corporation | Procede de traitement d'image, support d'enregistrement, et dispositif de traitement d'image |
JP2003220055A (ja) * | 2001-11-20 | 2003-08-05 | Konica Corp | 特徴量抽出方法、被写体認識方法および画像処理装置ならびに画像処理プログラム |
JP4193168B2 (ja) * | 2002-02-01 | 2008-12-10 | 株式会社日立メディコ | 血流動態解析装置及び方法 |
US8285012B2 (en) | 2005-04-28 | 2012-10-09 | Hitachi Medical Corporation | Image display apparatus and program |
CN1971616B (zh) * | 2005-11-23 | 2012-10-10 | 索诺塞特公司 | 多分辨率自适应滤波 |
JP5223266B2 (ja) * | 2006-08-22 | 2013-06-26 | コニカミノルタエムジー株式会社 | X線画像システム |
JP4751282B2 (ja) * | 2006-09-27 | 2011-08-17 | 株式会社日立製作所 | 超音波診断装置 |
US20090177086A1 (en) * | 2008-01-09 | 2009-07-09 | Erik Normann Steen | Method and apparatus for selectively enhancing ultrasound image data |
JP5367704B2 (ja) * | 2008-05-28 | 2013-12-11 | 株式会社日立メディコ | 画像処理装置、画像処理方法、及び画像処理プログラム |
CN102460506B (zh) * | 2009-06-08 | 2017-07-21 | 博莱科瑞士股份有限公司 | 参数图像的自动定标 |
JP2011082594A (ja) * | 2009-10-02 | 2011-04-21 | Mitsubishi Electric Corp | 画像プレフィルタ装置、画像符号化装置及び画像復号装置 |
WO2012033199A1 (ja) * | 2010-09-09 | 2012-03-15 | 株式会社 東芝 | 超音波診断装置、医用画像処理装置及び医用画像処理方法 |
US20120108973A1 (en) * | 2010-11-01 | 2012-05-03 | Toshiba Medical Systems Corporation | Ultrasonic diagnostic apparatus and ultrasonic image processing apparatus |
JP5832737B2 (ja) * | 2010-11-01 | 2015-12-16 | 株式会社東芝 | 超音波診断装置及び超音波画像処理装置 |
-
2012
- 2012-10-22 JP JP2012233151A patent/JP6081139B2/ja active Active
- 2012-12-14 US US13/715,488 patent/US9585636B2/en active Active
- 2012-12-19 CN CN201210553218.0A patent/CN103169496B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1219715A (zh) * | 1997-09-17 | 1999-06-16 | 通用电气公司 | 用于医学图象的迭代滤波器结构 |
US6246783B1 (en) * | 1997-09-17 | 2001-06-12 | General Electric Company | Iterative filter framework for medical images |
CN101467897A (zh) * | 2007-12-27 | 2009-07-01 | 株式会社东芝 | 超声波诊断装置、超声波图像处理装置、超声波图像处理方法 |
CN101452574A (zh) * | 2008-12-19 | 2009-06-10 | 深圳市恩普电子技术有限公司 | 一种提升超声图像质量的方法 |
CN101822547A (zh) * | 2009-03-04 | 2010-09-08 | 株式会社东芝 | 超声波诊断装置及其控制方法、图像处理装置和方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6081139B2 (ja) | 2017-02-15 |
US9585636B2 (en) | 2017-03-07 |
CN103169496A (zh) | 2013-06-26 |
JP2013150778A (ja) | 2013-08-08 |
US20130165788A1 (en) | 2013-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103169496B (zh) | 超声波诊断装置、医用图像处理装置以及处理方法 | |
Loizou et al. | Despeckle filtering for ultrasound imaging and video, volume I: Algorithms and software | |
CN101467897B (zh) | 超声波诊断装置、超声波图像处理装置、超声波图像处理方法 | |
JP5525867B2 (ja) | 超音波診断装置、画像処理装置、超音波診断装置の制御方法、及び画像処理方法 | |
CN103889337B (zh) | 超声波诊断装置以及超声波诊断装置控制方法 | |
CN1593349B (zh) | 用于实现斑点减少滤波器的***和方法 | |
KR100752333B1 (ko) | 3차원 초음파 도플러 이미지의 화질 개선 방법 | |
CN102370498B (zh) | 超声波诊断装置及超声波图像处理装置 | |
JP5818592B2 (ja) | 超音波診断装置、医用画像処理装置及び医用画像処理方法 | |
US20120108973A1 (en) | Ultrasonic diagnostic apparatus and ultrasonic image processing apparatus | |
CN102753100B (zh) | 超声波诊断装置以及超声波图像处理装置 | |
CN112867444B (zh) | 用于引导对超声图像的采集的***和方法 | |
CN103118599B (zh) | 图像处理装置以及医用图像诊断装置 | |
JP2022519253A (ja) | 弁逆流評価のための方法及びシステム | |
CN106600550A (zh) | 超声图像处理方法及*** | |
CN106102590A (zh) | 超声波诊断装置 | |
JP6451343B2 (ja) | 超音波画像診断装置、超音波画像生成方法及びプログラム | |
JP2023067850A (ja) | 媒体の物理的特性を決定する方法及びシステム | |
WO2024170358A1 (en) | Adaptively weighted spatial compounding for ultrasound image contrast enhancement | |
JP2024092213A (ja) | 超音波診断装置 | |
Achmad et al. | Warped anisotropic diffusion of ultrasound image | |
Kao et al. | A Bayesian approach for edge extraction in ultrasound images and its application to image segmentation | |
Nillesen et al. | P2A-2 Three-Dimensional Cardiac Image Segmentation Using Adaptive Filtering and 3D Deformable Simplex Meshes | |
Loizou et al. | Introduction to Speckle Noise in Ultrasound Imaging and Video | |
Ganesh et al. | Analysis of Ultrasound Images using an Autoregressive Filtering Method. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C41 | Transfer of patent application or patent right or utility model | ||
TR01 | Transfer of patent right |
Effective date of registration: 20160720 Address after: Japan Tochigi Patentee after: Toshiba Medical System Co., Ltd. Address before: Tokyo, Japan, Japan Patentee before: Toshiba Corp Patentee before: Toshiba Medical System Co., Ltd. |