JP5318323B2

JP5318323B2 - 超音波診断方法

Info

Publication number: JP5318323B2
Application number: JP2005333082A
Authority: JP
Inventors: ギジョンイ; へジョンキム
Original assignee: Samsung Medison Co Ltd
Current assignee: Samsung Medison Co Ltd
Priority date: 2005-01-12
Filing date: 2005-11-17
Publication date: 2013-10-16
Anticipated expiration: 2025-11-17
Also published as: JP5727530B2; JP2013081824A; JP2006192254A; EP1681654A3; US20060173317A1; KR20060082459A; EP1681654A2; US7940995B2; KR100747093B1

Description

本発明は超音波診断方法に関し、特に超音波映像から対象体の境界を自動で検出する超音波診断方法に関する。

現在、超音波診断システムは人体の内部状態を検査するのに広く使われている。超音波診断システムは縁部組織の断層や血流に関するイメージを無浸襲で得ることができる。これは被検体の表面から内部の所望部位に向かって超音波信号を照射し、反射された超音波信号（超音波エコー信号）を受信し、受信された超音波エコー信号を処理する手続きを通じてなされる。この装置はＸ線診断装置、Ｘ線ＣＴスキャナ、ＭＲＩ、核医学診断装置などの他の画像診断装置と比較すると小型かつ安価で、リアルタイムで表示することができ、Ｘ線などの被曝がなく、安全性が高いという長所を有しており、心臓、腹部、泌尿器及び産婦人科の診断のために広く用いられている。

測定しようとする人体構造及び器官に対する情報を明確に得るためには、超音波診断システムから得たイメージを定量化させることが必要である。従来は静止画像または静止画像から得た測定情報に基づいて人体構造を受動的に定量化させていた。例えば、妊娠期間中の胎児の発育状態または出産予定日の胎児の発育状態を計算するために、母体内で胎児の活動が少ない時期に胎児の静止画像を得なければならず、得られた静止画像から通常数回に渡り、外周または長さを測定する必要がある。

しかし、常に拍動している心臓のような身体器官の場合には静止画像を得ることが難しい。心臓が動くと、収縮及び拡張するのと合せて心臓の輪郭が常に動いて変化するためである。従って、心臓機能の特徴を完全に評価するためには１回の心臓拍動時間内に３０〜１５０以上の多くの静止画像を得て、静止画像で必要な数値を測定して心臓の境界を抽出する。この場合、シードポイント（ＳｅｅｄＰｏｉｎｔ）を設定するか、あるいは境界のサンプルポイントを指定して測定しなければならないため、使用者の労力と時間が必要であるとともに、使用者ごとに測定結果が異なる可能性があるという問題点があった。

本発明は前述した問題点を解決するためのもので、超音波映像から対象体の境界を自動かつ正確に検出することができる超音波診断システム及び方法を提供することを目的とする。

上記目的を達成するために、本発明は超音波映像から対象体の境界を自動で検出する方法において、ａ）上記超音波映像でエッジを検出してエッジ抽出境界候補モデルを形成する段階と、ｂ）上記エッジ抽出境界候補モデルに単純化演算を行って単純化境界候補モデルを形成する段階と、ｃ）上記単純化境界候補モデルに細線化演算を行って細線化境界候補モデルを形成する段階と、ｄ）上記エッジ抽出境界候補モデル、単純化境界候補モデル及び細線化境界候補モデルを用いて上記超音波映像から対象体の境界を検出する段階を含む。

また、本発明は超音波を対象体に送信して対象体から反射された超音波信号を受信して超音波映像を提供する超音波診断システムにおいて、上記超音波診断システムは映像プロセッサを備え、上記映像プロセッサは上記超音波映像からエッジを検出してエッジ抽出境界候補モデルを形成し、上記エッジ抽出境界候補モデルに単純化演算を行って単純化境界候補モデルを形成し、上記単純化境界候補モデルに細線化演算を行って細線化境界候補モデルを形成し、上記エッジ抽出境界候補モデル、単純化境界候補モデル及び細線化境界候補モデルに基づいて上記超音波映像から対象体の境界を検出する。

本発明によれば、超音波映像を用いて対象体の境界を自動で検出することによって、使用者の労力と時間を減少させることができ、使用者間で測定結果が相違することを防止できる。

以下、図１〜図１３を参照して本発明の実施の形態を説明する。

図１は本発明の実施の形態による超音波診断システムを示すブロック図である。
図示された通り、超音波診断システム１００はプローブ１１０、ビームフォーマー１２０、映像プロセッサ１３０、メモリ１４０及びディスプレイ部１５０を含む。

プローブ１１０は超音波を対象体に送信し、対象体から反射された超音波信号（超音波エコー信号）を受信するための１Ｄ（Ｄｉｍｅｎｓｉｏｎ）または２Ｄアレイトランスデューサ１１２を備える。ビームフォーマー１２０はプローブ１１０の送／受信を制御し、対象体からエコー信号のコヒレントビームを形成するために受信されたエコー信号を処理する。映像プロセッサ１３０はビームフォーマー１２０から伝送されたエコー信号を受信して本発明による映像処理を行う。映像プロセッサ１３０について図２〜図１３を参照してさらに詳細に説明する。

映像プロセッサ１３０により処理された超音波映像はメモリ部１４０に格納されたり、ディスプレイ装置１５０にディスプレイされたりする。

以下、本発明に関する理解を助けるために心臓の左心室の境界を自動で抽出する方法について説明する。

図２ａは本発明の実施の形態によって心臓の超音波映像の縦エッジを抽出するためのフィルタの一例を示す例示図であり、図２ｂは本発明の実施の形態によって心臓の超音波映像の横エッジを抽出するためのフィルタの一例を示す例示図である。

映像プロセッサ１３０は図２ａ及び図２ｂに示されたフィルタを用いて、超音波診断システムを介し最初に得られた心臓の超音波映像から心臓のエッジを抽出してエッジ抽出境界候補モデルを形成する。エッジ抽出境界候補モデルを形成する過程については図２ａ及び２ｂ、図３、図４ａ及び４ｂそして図５ａ〜図５ｄを参照してさらに詳細に説明する。

図３は本発明の実施の形態によってグレー値で表示された心臓の超音波映像とエッジ抽出フィルタを示す例示図である。

映像プロセッサ１３０は超音波診断システムを介し、最初に得られた心臓の超音波映像をグレーレベルの超音波映像３１０に変換し、超音波映像３１０の各ピクセルのグレーレベル（ｇｒａｙｌｅｖｅｌ）に対して数式１（後に示す）により表現される縦または横エッジ抽出フィルタ（３２０または３３０）を適用して、該当ピクセルの特性値を算出する。そして、映像プロセッサ１３０は算出された特性値を用いて心臓のエッジ３４０を抽出することによって、エッジ抽出境界候補モデルを形成する。超音波映像の各ピクセルの特性値を算出する手続きについて以下でさらに詳細に説明する。

式中、ｆ（ｘ，ｙ）は超音波診断システムを介して最初に得られた心臓の超音波映像の各ピクセルのグレーレベルを示し、ｗ（ｓ，ｔ）は縦または横エッジ抽出フィルタを示し、エッジ抽出フィルタを適用して得たｇ（ｘ，ｙ）は該当ピクセルの特性値を示す。ｓとｔはフィルタの大きさを示すもので、図２ａ及び図２ｂに示されるように５×５サイズのフィルタを用いる場合、ｓとｔはそれぞれ−２〜＋２間の値を有する。

また、映像プロセッサ１３０はエッジ抽出境界候補モデルを形成するために算出された特性値を用いて心臓のエッジを抽出する。縦エッジ抽出フィルタ３２０を用いて各ピクセルの特性値を算出して、算出された特性値を用いて心臓の縦エッジを抽出する手続きについて詳細に説明すれば次の通りである。

ａ１）超音波映像３１０の各ピクセルのグレーレベルに対して行方向に縦エッジ抽出フィルタ３２０を適用して各ピクセルの縦特性値を算出する。例えば、映像プロセッサ１３０は図４ａに示された通り、超音波映像４１０の（ｘ２，ｙ２）座標で表現される基準ピクセルのグレーレベル（ｆ（２，２））の縦特性値（ｇ（２，２））を算出するために、図２ａのような縦エッジフィルタの中央、即ち（Ｃ２，Ｒ２）を超音波映像４１０の（ｘ２，ｙ２）ピクセルにマッチさせて基準ピクセル及びその周辺のピクセルを選択する。この時、選択されるピクセルの数はフィルタのサイズと同一である。図２ａに見られる５×５サイズのピクセルを用いる場合、選択されるピクセルの数は２５個となる。続いて、選ばれた２５個のピクセルのうち縦エッジ抽出フィルタの中心列Ｃ２列の左側の２個の列、即ち、Ｃ０及びＣ１列の１０個のピクセルに対応する超音波映像のピクセルのグレーレベル、即ちｆ（ｘ０〜ｘ１，ｙ０〜ｙ４）の値を加算して第１加算値を得て、中心列Ｃ２列の右側の２列、即ち、Ｃ３及びＣ４列の１０個のピクセルに対応する超音波映像のピクセルのグレーレベル、即ちｆ（ｘ３〜ｘ４，ｙ０〜ｙ４）の値を加算して第２加算値を得る。その後、映像プロセッサ１３０は第１加算値（即ち、０＋１＋２＋４＋０＋３＋３＋１＋１＋２＝１７）と第２加算値（即ち、４＋９＋３＋４＋８＋７＋２＋８＋９＋６＝６０）の差を求めた後、結果値の絶対値をとることによって、該当ピクセル（ｘ２，ｙ２）の縦特性値ｇ（ｘ２，ｙ２）を算出する。即ち、映像プロセッサ１３０は該当ピクセル（ｘ２，ｙ２）のグレーレベル（ｆ（２，２））の縦特性値（ｇ（２，２））として４３を算出する。

このような過程を残りのピクセルに同一に適用することによって、映像プロセッサ１３０は各ピクセルの縦特性値を算出する。

ａ２）上記手続きａ１）を通じて算出された縦特性値を行単位で分析し、各行ごとに縦特性値が大きい順にピクセルを整列する。

ａ３）上記手続きａ２）を通じて整列された縦特性値に対して各行ごとに縦特性値が大きい順に所定個数、より望ましくは２０個の縦特性値を決定する。しかし、上記手続きａ３）によっては左心室隔壁、左心室中隔及び右心室中隔部分に該当するピクセルに縦特性値が集中し、左心室隔壁、左心室中隔及び右心室中隔に該当するエッジのみが抽出される。

ａ４）上記手続きａ３）を通じて決定された縦特性値に対応するピクセルの中で、ｘ軸座標が最も大きい、即ち最も右側に位置するピクセルの次のｘ軸座標に該当する縦特性値から、再び縦特性値が大きい順に１０個の縦特性値を決定する。この手続きは右心室隔壁部分に該当する縦特性値を決定し、即ち右心室隔壁に該当するエッジを抽出するためのものである。

ａ５）上記手続きａ３）及びａ４）を通じて、映像プロセッサ１３０は図５ａに見られる最初の超音波映像から縦特性値に対応するピクセルの位置を心臓の縦エッジに決定して図５ｂに示された通り、心臓の縦エッジを抽出する。図５ｂにおいて、図面符号５１０は上記手続きａ３）の結果を示し、図面符号５３０は上記手続きａ４）の結果を示し、図面符号５２０は上記手続きａ３）で縦特性値が最も大きなピクセルの位置を示す。

また、横エッジ抽出フィルタ３３０を用いて各ピクセルの横特性値を算出し、算出された横特性値を用いて心臓の横エッジ（より詳細には、弁膜とアペックス（Apex）の位置）を抽出する手続きについて詳細に説明すれば次の通りである。

ｂ１）超音波映像３１０の各ピクセルのグレーレベルに対して列方向に横エッジ抽出フィルタを適用して各ピクセルの横特性値を算出する。例えば、映像プロセッサ１３０は図４ｂに示された通り、超音波映像４１０において、ｘ２及びｙ２座標で表現される基準ピクセルのグレーレベルｆ（２，２）の横特性値（ｇ（２，２））を算出するため、図２ｂのような横エッジ抽出フィルタの中央、即ち（Ｃ２，Ｒ２）を超音波映像４１０の（ｘ２，ｙ２）ピクセルにマッチさせて基準ピクセル及びその周辺のピクセルをフィルタの大きさ通り選択する。続いて、選択されたピクセルの中の横エッジ抽出フィルタの中心行Ｒ２を基準に上側２つの行Ｒ０及びＲ１の１０個のピクセルに対応する超音波映像ピクセルのグレーレベル、即ちｆ（ｘ０〜ｘ４，ｙ０〜ｙ１）の値を加算して第３加算値を得て、横エッジ抽出フィルタの中心行Ｒ２を基準に下側２つの行Ｒ３及びＲ４の１０個のピクセルに対応する超音波映像ピクセルのグレーレベル、即ちｆ（ｘ０〜ｘ４，ｙ３〜ｙ４）の値を加算して第４加算値を得る。その後、映像プロセッサ１３０は第３加算値（即ち、０＋１＋３＋４＋９＋２＋４＋９＋３＋４＝３９）と第４加算値（即ち、３＋１＋７＋２＋８＋１＋２＋２＋９＋６＝４１）の差を求めた後、結果値の絶対値をとることによって、該当ピクセルの横特性値を算出する。即ち、映像プロセッサ１３０はｘ２及びｙ２座標のピクセル（ｆ（２，２））の横特性値（ｇ（２，２））として２を算出する。

このような過程を残りのピクセルに同一に適用することによって、映像プロセッサ１３０は各ピクセルの横特性値を算出する。

ｂ２）上記手続きｂ１）を通じて算出された特性値を各列ごとに分析し、各列ごとに横特性値が大きい順にピクセルを整列する。

ｂ３）上記手続きｂ２）を通じて整列された横特性値に対して各列ごとに横特性値が大きい順に所定個数、より望ましくは１０個の横特性値を決定し、決定された横特性値に対応するピクセルの位置を心臓の横エッジに決定する。

このような手続きを通じて、映像プロセッサ１３０は図５ｃに示された通り、心臓の横エッジを抽出する。図５ｃにおいて、図面符号５４０は上記手続きｂ３）の結果を示す。

映像プロセッサ１３０は前述した過程によって抽出された心臓の縦及び横エッジを用いて図５ｄに示されたような心臓のエッジ抽出境界候補モデルを形成する。ここで、図面符号５５０は縦エッジ抽出フィルタ３２０を用いて抽出された縦エッジ領域を示し、図面符号５４０は横エッジ抽出フィルタ３３０を用いて抽出された横エッジ領域を示す。

続いて映像プロセッサ１３０は上記手続きを通じて形成されたエッジ抽出境界候補モデル(図５ｄを参照）に単純化処理を行って、単純化境界候補モデルを形成する。ここで、単純化処理は形態変換処理を行う形態学的演算（ＭｏｒｐｈｏｌｏｇｉｃａｌＯｐｅｒａｔｉｏｎｓ）と、超音波映像の全ての連結成分を検索して同一の連結成分に存在する全てのピクセルに一つの固有ラベルを付与する連結成分ラベリング（Ｃｏｎｎｅｃｔｅｄ−ＣｏｍｐｏｎｅｎｔＬａｂｅｌｉｎｇ）演算からなり、形態学的演算は変形浸食演算、縮小演算、膨張演算からなる。

形態学的演算に対して図６ａ及び６ｂそして図７ａ及び７ｂを参照して下記のように詳細に説明する。

浸食（Ｅｒｏｓｉｏｎ）演算は全体映像における小さな物体を除去するか、あるいは物体を縮小させる演算であって、一般に演算が簡潔である３×３浸食マスクを用いて原映像と浸食マスクが正確に一致すれば１の値を割り当て、正確に一致しないと０の値を割り当てる。本実施例ではエッジ抽出境界候補モデル図５ｄを参照）で切れた部分を連結して小さなノイズを除去することができる４×４変形浸食マスクを用いる。４×４変形浸食マスクを用いてエッジ抽出境界候補モデルに変形浸食演算を行う手続きについて図６ａ及び６ｂを参照してさらに詳細に説明する。

図示された通り、映像プロセッサ１３０はエッジ抽出境界候補モデル６１０の該当ピクセル及び該当ピクセルに隣接したピクセルを、４×４変形浸食マスク４２０と比較し、所定個数以上一致する場合、該当ピクセルに１を割り当て、所定個数以下に一致する場合、該当ピクセルに０を割り当てる。より詳細には、映像プロセッサ１３０は図６ａに示された通り、エッジ抽出候補モデル６１０でｘ１及びｙ１座標に該当するピクセルに変形浸食演算を行うために、エッジ抽出候補モデル６１０でｘ０〜ｘ３の列とｙ０〜ｙ３の行に該当するピクセルを４×４変形浸食マスク６２０と比較して、１３のピクセルが一致すると判断して、エッジ抽出候補モデル６１０のｘ１及びｙ１座標に１を割り当てる。一方、映像プロセッサ１３０は図６ｂに示された通りエッジ抽出候補モデル６１０でｘ１及びｙ５座標に該当するピクセルに変形浸食演算を行うために、エッジ抽出候補モデル６１０でｘ０〜ｘ３の列とｙ４〜ｙ７の行に該当するピクセルを４×４変形浸食マスク６２０と比較して、８個のピクセルが一致すると判断して、エッジ抽出候補モデル６１０のｘ１及びｙ５座標に０を割り当てる。

このような変形浸食演算を行えば、図７ａに示されたエッジ抽出境界候補モデルに存在する小さなノイズを図７ｂに示された通り、エッジ抽出境界候補モデルを損傷させずに除去することができる。

縮小演算は変形浸食演算を行ったエッジ抽出境界候補モデルの大きさを縮小させる演算であって、映像プロセッサ１３０は次の数式２を用いて変形浸食演算を行ったエッジ抽出境界候補モデルの大きさを縮小させる。

式中、ｘとｙは変形浸食演算を行ったエッジ抽出境界候補モデルの座標値であり、ｘ’とｙ’は縮小演算を行ったエッジ抽出境界候補モデルの座標値であり、ＴｘとＴｙは縮小因数である。

映像プロセッサ１３０はこのような縮小演算を行うことによって、変形浸食演算を行ったエッジ抽出境界候補モデルで連結されないエッジの距離を近くすることができる。

膨張（Ｄｉｌａｔｉｏｎ）演算は縮小演算を行ったエッジ抽出境界候補モデルの最外郭ピクセルを拡張させる演算であって、縮小演算を行ったエッジ抽出境界候補モデル内に存在するホールのような空き空間を満たすか、あるいは短い距離の切れた領域を連結させる。映像プロセッサ１３０はこのような膨張演算を行うことによって、縮小演算を行ったエッジ抽出境界候補モデルで連結されないエッジを連結させることができる。

この後、映像プロセッサ１３０は膨張演算により膨張したエッジ抽出境界候補モデルに再び縮小演算を行うことによって、エッジ抽出境界候補モデル内に存在するホールを満たした後、本来の大きさに復元させる。

続いて、図８ｂに示された通り、映像プロセッサ１３０は図８ａに示された通り、形態学的演算を行ったエッジ抽出境界候補モデルにノイズ成分を除去するための連結成分ラベリング演算を行う。連結成分ラベリング演算は心臓とノイズを区分する。ノイズを除去するために、４連結図（４ｃｏｎｎｅｃｔｉｖｉｔｙ）を用いた順次連結成分アルゴリズム（ＳｅｑｕｅｎｔｉａｌＣｏｎｎｅｃｔｅｄＣｏｍｐｏｎｅｎｔｓａｌｇｏｒｉｔｈｍ）を用いることによって、単純化境界候補モデルが形成される。

続いて、映像プロセッサ１３０は単純化境界候補モデルに細線化アルゴリズムを適用して、細線化境界候補モデルを形成する。ここで、細線化アルゴリズムは厚い領域が含まれた映像の入力を受けて、該当領域に細線化処理を行って該当領域の厚さが１（より詳細には、中央線）である出力映像を生成するアルゴリズムである。

前述したエッジ抽出境界候補モデル、単純化境界候補モデル及び細線化境界候補モデルに基づいて心臓の左心室の境界ラインを自動で検出するのに必要なシードポイント及び最大検索半径を決定する過程について図９ａ〜９ｃそして図１０を参照してさらに詳細に説明する。

映像プロセッサ１３０は図２ａ及び図２ｂに示された縦及び横エッジ抽出フィルタを用いて抽出した超音波映像の各ピクセルの縦及び横特性値に基づいて、４つの特性ライン（左心室隔壁、左心室中隔、右心室中隔及び右心室隔壁）、アペックスライン及び二尖弁ラインをエッジ抽出境界候補モデルに設定する。

より詳細には、映像プロセッサ１３０は図２ａに示された縦エッジ抽出フィルタを用いて抽出した超音波映像の各ピクセルの縦及び横特性値に基づいて図９ａに示されたような累積分布図を作る。その後、映像プロセッサ１３０は図９ａの累積分布図を分析して最も左側のピーク開始部分を抽出して左心室隔壁ライン７１０を設定して、最も高いピークの開始部分を左心室中隔ライン７２０に設定する。また、映像プロセッサ１３０は最も高いピークの終了部分を右心室中隔ライン７３０に設定して、最も右側のピーク終了部分を右心室隔壁ライン７４０に設定する。ここで、映像プロセッサ１３０は左心室隔壁ライン７１０と右心室隔壁ライン７４０を用いて超音波映像の心臓外部のノイズを除去することができる。

一方、映像プロセッサ１３０は図２ｂに示された横エッジ抽出フィルタを用いて抽出した超音波映像の各ピクセルの特性値に基づいて前述したところと同一に累積分布図(図示せず)を作る。その後、映像プロセッサ１３０は生成された累積分布図を分析して最も左側のピーク開始部分をアペックスライン８４０に設定して、最も右側のピーク開始部分を二尖弁ライン８３０に設定する。

続いて、映像プロセッサ１３０は左心室隔壁ライン７１０、左心室中隔ライン７２０、二尖弁ライン８３０及びアペックスライン８４０がなす四角形の対角線の中心をシードポイント８５０に設定する。そして、映像プロセッサ１３０はシードポイント８５０で四角形の頂点までの距離を最大検索半径ｒに設定する。即ち、対角線長さの１／２を最大検索半径ｒに設定する。ここで、最大検索半径ｒを設定する理由は、映像プロセッサ１３０がシードポイント８５０で左心室の境界を照射する時に左心室の境界が連結されていないと左心室の境界を超えた範囲で左心室の境界を検索することとなり、これを防止するためである。

上記のような手続き通り、シードポイント８５０及び最大検索半径ｒが設定されれば、映像プロセッサ１３０はシードポイント８５０と最大検索半径ｒを用いてエッジ抽出境界候補モデル（図１１ａ）、単純化境界候補モデル（図１１ｂ）及び細線化境界候補モデル（図１１ｃ）から心臓の左心室の境界ラインを自動で検出する。左心室の境界ラインを自動で検出する手続きに対して図１１〜図１３を参照して説明すれば次の通りである。
１）映像プロセッサ１３０はエッジ抽出境界候補モデル（図１１ａ）と単純化境界候補モデル（図１１ｂ）でシードポイント８５０を基準として放射方向に最大検索半径ｒまで検索して左心室の境界を検出する。
２）エッジ抽出境界候補モデル（図１１ａ）と単純化境界候補モデル（図１１ｂ）いずれも左心室の境界が検出されれば、映像プロセッサ１３０はエッジ抽出境界候補モデル（図１１ａ）で検出された境界に該当するピクセルの位置を左心室の境界位置として設定する。
３）映像プロセッサ１３０は手続き２）で設定された左心室の境界位置に基づいて、超音波診断システムを介して最初に得られた心臓の超音波映像（図５ａ参照）の該当位置に左心室の境界ポイントを設定する。
４）映像プロセッサ１３０はシードポイント８５０を基準として所定間隔で手続き１）〜３）を反復する。
５）もし手続き１）で、エッジ抽出境界候補モデル（図１１ａ）の左心室の境界が検出されなければ、映像プロセッサ１３０は単純化境界候補モデル（図１１ｂ）の左心室の境界位置と細線化境界候補モデル（図１１ｃ）の左心室の境界位置の平均位置を算出する。
６）映像プロセッサ１３０は手続き５）で算出された平均位置に基づいて、超音波診断システムを介して最初に得られた心臓の超音波映像（図５ａ参照）の該当位置に左心室の境界ポイントを設定する。

上述したような手続きを通じて、映像プロセッサ１３０は図１２に示された通り所定個数、より望ましくは４０個の左心室の境界ポイントを設定する。上記手続きを数式的に表現すれば数式３の通りである。

式中、ＥＡは図１１ａのエッジ抽出境界候補モデル、ＳＥは図１１ｂの単純化境界候補モデル、ＴＥは図１１ｃの細線化境界候補モデルを示し、「Ｃｏｎｔｏｕｒ＝｛ＳＥ∩ＥＡ｝」はＳＥとＥＡが交集合、即ちＳＥ及びＥＡいずれも左心室の境界が存在することを示し、「ｉｆ（Ｃｏｎｔｏｕｒ＝＝φ）」はＳＥとＥＡが空集合、即ちＳＥまたはＥＡのうちのいずれか一つの境界が切れている場合を示し、「Ｃｏｎｔｏｕｒ＝｛ａｖｅｒａｇｅ（ＳＥ，ＴＥ）｝」はＳＥとＥＡが空集合の場合、ＳＥとＴＥの平均値で境界ポイントを決定することを示す。

その後、映像プロセッサ１３０は図１３に示された通り、抽出された左心室の境界ポイントにベジェスプライン（ＢｅｚｉｅｒＳｐｌｉｎｅ）を適用して左心室の境界ラインをモデリングすることによって、左心室の心臓内膜を軟らかい曲線で連結する。

以上、本発明の実施の形態について説明したが、当業者であれば添付した請求範囲の思想及び範疇を逸脱せずに様々な変形及び変更がなされることができることが分かる。

本発明の実施の形態による超音波診断システムを示すブロック図。本発明の実施の形態によって心臓の超音波映像の垂直エッジを抽出するためのフィルタの一例を示す図。本発明の実施の形態によって心臓の超音波映像の水平エッジを抽出するためのフィルタの一例を示す図。本発明の実施の形態によってグレー値で示された心臓の超音波映像とエッジ抽出フィルタを示す例示図。本発明の実施の形態によって縦エッジ抽出フィルタを用いてピクセルの特性値を算出する例を示す例示図。本発明の実施の形態によって横エッジ抽出フィルタを用いてピクセルの特性値を算出する例を示す例示図。図２ａ及び図２ｂのフィルタを通過させる前の超音波映像を示す図。図５ａの映像を図２ａの縦エッジ抽出フィルタに通過させた後の超音波映像を示す図。図５ａの映像を図２ｂの横エッジ抽出フィルタに通過させた後の超音波映像を示す図。図２ａ及び図２ｂのフィルタを通過させた後の超音波映像を示す図。本発明の実施の形態による４×４変形浸食マスクを用いた変形浸食演算の手続きを示す説明図。本発明の実施の形態による４×４変形浸食マスクを用いた変形浸食演算の手続きを示す説明図。本発明の実施の形態によって変形浸食演算を行う前の超音波映像を示す例示図。本発明の実施の形態によって変形浸食演算を行った後の超音波映像を示す例示図。本発明の実施の形態によって形態学的演算を行った後の超音波映像を示す例示図。本発明の実施の形態によって連結成分標識演算を行った後の超音波映像を示す図。本発明の実施の形態によってピクセル特性値を用いて生成した累積分布図と累積分布図を用いて抽出された４つの特性ラインを示す説明図。図９ａにより抽出された４つの特性ラインをエッジ抽出境界候補モデルに適用した例示図。本発明の実施の形態による４つの特性ラインとシードポイントを示す説明図。本発明の実施の形態によるエッジ抽出境界候補モデル、単純化境界候補モデル及び細線化境界候補モデルを示す図。本発明の実施の形態によって抽出された境界ポイントを示す図。図１２の境界ポイントにベジェスプラインを適用した図。

符号の説明

１００：超音波診断システム１１０：プローブ
１１２：トランスデューサ１２０：ビームフォーマー
１３０：映像プロセッサ１４０：メモリ部
１５０：ディスプレイ装置

Claims

対象体の境界を検出する方法であって、
ａ）対象体の超音波映像からエッジを検出してエッジ抽出境界候補モデルを形成する段階と、
ｂ）上記エッジ抽出境界候補モデルに形態変換を行うための形態学的演算（ＭｏｒｐｈｏｌｏｇｉｃａｌＯｐｅｒａｔｉｏｎｓ）を行い、前記形態学的演算を行ったエッジ抽出境界候補モデルに、連結成分等を検索して同一の連結成分に存在するピクセルに一つの固有ラベルを付与するための連結成分ラベリング（Ｃｏｎｎｅｃｔｅｄ−ＣｏｍｐｏｎｅｎｔＬａｂｅｌｉｎｇ）演算を行って単純化境界候補モデルを形成する段階と、
ｃ）上記単純化境界候補モデルに細線化演算を行って細線化境界候補モデルを形成する段階と、
ｄ）上記エッジ抽出境界候補モデル、単純化境界候補モデル及び細線化境界候補モデルに基づいて上記超音波映像から上記対象体の境界を検出する段階と
を備えることを特徴とする方法。