JP7225345B1 - 超音波診断装置および表示方法 - Google Patents

超音波診断装置および表示方法 Download PDF

Info

Publication number
JP7225345B1
JP7225345B1 JP2021170554A JP2021170554A JP7225345B1 JP 7225345 B1 JP7225345 B1 JP 7225345B1 JP 2021170554 A JP2021170554 A JP 2021170554A JP 2021170554 A JP2021170554 A JP 2021170554A JP 7225345 B1 JP7225345 B1 JP 7225345B1
Authority
JP
Japan
Prior art keywords
image
ultrasonic
ultrasound
difficulty level
diagnostic apparatus
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
Application number
JP2021170554A
Other languages
English (en)
Other versions
JP2023060768A (ja
Inventor
直久 神山
雅世 小沼
Original Assignee
ジーイー・プレシジョン・ヘルスケア・エルエルシー
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ジーイー・プレシジョン・ヘルスケア・エルエルシー filed Critical ジーイー・プレシジョン・ヘルスケア・エルエルシー
Priority to JP2021170554A priority Critical patent/JP7225345B1/ja
Application granted granted Critical
Publication of JP7225345B1 publication Critical patent/JP7225345B1/ja
Publication of JP2023060768A publication Critical patent/JP2023060768A/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

【課題】どの程度の画質の超音波画像が得られそうかを検査者に早期に知らせることが可能な技術を提供する。【解決手段】超音波プローブと、超音波プローブで被検体を走査することにより得られた超音波画像を表示する表示部と、超音波プローブおよび表示部と通信する１つ又は複数のプロセッサとを含む超音波診断装置であって、１つまたは複数のプロセッサが、超音波プローブに、被検体の所定の部位の走査を実行させること、走査により得られたエコーデータおよび／又は超音波画像に基づいて、被検体の皮下脂肪厚、腸管ガスの量、および超音波の減衰特性を表す減衰係数のうちの少なくとも一つを求めること、被検体の皮下脂肪厚、前記腸管ガスの量、および超音波の減衰特性を表す減衰係数のうちの少なくとも一つに基づいて、所望の画質を有する超音波画像を取得することがどの程度困難であるかを表す難度を求め、表示部が難度を表示する。【選択図】図２

Description

本発明は、超音波画像を表示する超音波診断装置、および超音波画像の表示方法に関する。
超音波は、腹部臓器、心臓、乳腺、前立腺などの様々な部位のスクリーニング検査に利用されている。スクリーニング検査では、検査者は、しばしば、被検体の異常の有無に関わらず、予め決められたプロトコルに沿って複数臓器の断層像を記録することがある（例えば、肝臓右⇒肝臓左⇒腎臓右⇒腎臓左⇒脾臓⇒膵臓長軸⇒膵臓短軸）。医師は、記録された断層像の読影を行い、患者の診断を行う。プロトコルに沿って断層像を記録していく場合、検査者には、読影診断に耐えうるレベルの画質を有する画像を記録することが望まれている。
プロトコルに沿って順番に診断画像を記録する方法としては、Scan Assistant (GE)や、２５断面表示による検査プロトコル（日本大学）などの技術が知られており、既に臨床でも使用されている。また、次に撮像すべき断層像の模範画像(reference image)をモニタ上に並列表示するという手法も提案されている。さらに、模範画像と走査により取得された画像との一致度を求め、一致度があるレベル以上になった場合操作者に通知する、又はその画像を自動的に記録するという方法も提案されている。
また、撮像された画像を分析することで、より画質が向上する方向に画質パラメータを自動調整するアルゴリズムが臨床で利用されている。例えば、特許文献１には、超音波診断装置の画質を向上させるための技術が開示されている。
また近年では、深層学習（Deep learning）などの機械学習を利用して、診断画像の画質向上を図る技術も提案されている。この場合、学習させる画像は高ＳＮ比の画像（いわゆる模範画像）であり、学習後の入力は低ＳＮ比の画像（いわゆる低品質の画像）とするのが通例である。
特開２０２１－１１５２１１号公報
画像の質は検査者の熟練度のみならず、被検体（患者）の体型、体格などにも依存する。また、体内での臓器の相対的な位置関係には個人差があり、臓器の描出が困難であるケースが起こる場合がある。検査者は、例えば「９０点以上の画質で描画できたら、それを記録する」など、検査者自身が持つルールに沿って検査を行っているが、臓器の描出が困難である被検体に遭遇した場合、検査者がどんなに努力しても９０点とはならない走査断面が生じることがある。この場合、検査者が取り得る行動は、検査者が熟練者であるか非熟練者で以下のように異なる。
熟練者 ：９０点以上の画質にはならないことを早期に察知し、現在の状況で得られそうだと思われる最善の画質（例：７０点の画質）の画像を取得する。
非熟練者：９０点以上の画質にはならないことを察知できないため、必要以上の時間をかけて画像走査を試みる。結局、９０点の画像を得られないため、多大な時間の損失となる。
したがって、どの程度の画質の超音波画像が得られそうかを検査者に早期に知らせることが可能な技術を開発することが望まれている。
本発明の第１の観点は、超音波プローブと、
前記超音波プローブで被検体を走査することにより得られた超音波画像を表示する表示部と、
前記超音波プローブおよび前記表示部と通信する１つ又は複数のプロセッサと
を含む超音波診断装置であって、
前記１つまたは複数のプロセッサが、
前記超音波プローブに、前記被検体の所定の部位の走査を実行させること、
前記走査により得られたエコーデータおよび／又は超音波画像に基づいて、前記被検体の皮下脂肪厚、腸管ガスの量、および超音波の減衰特性を表す減衰係数のうちの少なくとも一つを求めること、および
前記被検体の皮下脂肪厚、前記腸管ガスの量、および超音波の減衰特性を表す減衰係数のうちの少なくとも一つに基づいて、所望の画質を有する超音波画像を取得することがどの程度困難であるかを表す難度を求めること、
を含む動作を実行し、
前記表示部が前記難度を表示する、超音波診断装置である。
本発明の第２の観点は、超音波プローブと、
前記超音波プローブで被検体を走査することにより得られた超音波画像を表示する表示部と、
前記超音波プローブおよび前記表示部と通信する１つ又は複数のプロセッサと
を含む超音波診断装置であって、
前記１つまたは複数のプロセッサが、
前記超音波プローブに、前記被検体の所定の部位の走査を実行させること、
前記走査により取得されたエコーデータに基づいて、超音波画像を生成すること、
前記超音波画像に基づいて、学習済みモデルに入力される入力画像を生成すること、および
前記入力画像を前記学習済みモデルに入力し、前記学習済みモデルを用いて、所望の画質を有する超音波画像を取得することがどの程度困難であるかを表す難度を推論すること、
を含む動作を実行し、
前記表示部が前記難度を表示する、超音波診断装置である。
本発明の第３の観点は、超音波プローブと、
前記超音波プローブで被検体を走査することにより得られた超音波画像を表示する表示部と、
前記超音波プローブおよび前記表示部と通信する１つ又は複数のプロセッサと
を含む超音波診断装置であって、
前記１つまたは複数のプロセッサが、
超音波診断装置とは別のモダリティの画像に基づいて、ガスを含むガス領域と検査対象物とを特定すること、
前記別のモダリティの画像に基づいて肋間の位置を特定すること、
前記肋間と前記検査対象物との間に前記ガス領域が存在しているか否かを判定すること、
前記肋間から前記検査対象物に向けて送信される超音波の体表面に対する入射角を求めること、および
前記ガス領域が存在しているか否かの判定結果と前記入射角とに基づいて、所望の画質を有する超音波画像を取得することがどの程度困難であるかを表す難度を求めること、
を含む動作を実行し、
前記表示部が前記難度を表示する、超音波診断装置である。
本発明の第４の観点は、超音波プローブと、
前記超音波プローブで被検体を走査することにより得られた超音波画像を表示する表示部と、
前記超音波プローブおよび前記表示部と通信する１つ又は複数のプロセッサと
を含む超音波診断装置であって、
前記１つまたは複数のプロセッサが、
超音波診断装置とは別のモダリティの画像に基づいて、学習済みモデルに入力される入力画像を生成すること、および
前記入力画像を前記学習済みモデルに入力し、前記学習済みモデルを用いて、所望の画質を有する超音波画像を取得することがどの程度困難であるかを表す難度を推論すること、
を含む動作を実行し、
前記表示部が前記難度を表示する、超音波診断装置である。
本発明の第５の観点は、超音波プローブで被検体を走査することにより得られたエコーデータおよび／又は超音波画像に基づいて、前記被検体の皮下脂肪厚、腸管ガスの量、および超音波の減衰特性を表す減衰係数のうちの少なくとも一つを求めること、
前記被検体の皮下脂肪厚、前記腸管ガスの量、および超音波の減衰特性を表す減衰係数のうちの少なくとも一つに基づいて、所望の画質を有する超音波画像を取得することがどの程度困難であるかを表す難度を求めること、および
前記難度を表示部に表示すること、
を含む表示方法である。
本発明の第６の観点は、超音波診断装置とは別のモダリティの画像に基づいて、ガスを含むガス領域と検査対象物とを特定すること、
前記別のモダリティの画像に基づいて肋間の位置を特定すること、
前記肋間と前記検査対象物との間に前記ガス領域が存在しているか否かを判定すること、
前記肋間から前記検査対象物に向けて送信される超音波の体表面に対する入射角を求めること、
前記ガス領域が存在しているか否かの判定結果と前記入射角とに基づいて、所望の画質を有する超音波画像を取得することがどの程度困難であるかを表す難度を求めること、および
前記難度を表示部に表示すること、
を含む表示方法である。
本発明では、超音波画像に基づいて、又は超音波診断装置とは別のモダリティにより取得された画像に基づいて、所望の画質を有する超音波画像を取得することがどの程度困難であるかを表す難度を求めることができる。したがって、検査者は、現実的に得られそうな画質の超音波画像を念頭に置いて被検体を走査することができるので、最高品質の超音波画像を得ようと必要以上に走査時間を掛けて被検体を走査しようと試みることが防止され、限られた時間の中で最善と思われる画質の超音波画像を得ることが可能となる。
本発明の第１の実施形態の超音波診断装置１のブロック図である。 第１の実施形態における検査時のフローチャートである。 難度を計算するための計算式を事前に求めておく方法の説明図である。 難度の表示方法の一例を示す図である。 図４とは別の方法で難度を表示した例を示す図である。 超音波画像Ａｊと数値との対応関係を表すテーブルの一例を示す図である。 原画像の概略図である。 前処理を示す図である。 ラベリングの説明図である。 学習済みモデルの作成方法の説明図である。 第２の実施形態における検査時のフローチャートの一例を示す図である。 入力画像の生成方法の説明図である。 推論フェーズの説明図である。 第３の実施形態における検査時のフローチャートである。 ステップＳＴ２２の説明図である。 ステップＳＴ２３において難度を求めるフローの一例を示す図である。 画像ＢＣ１のパターン認識の結果の説明図である。 画像ＢＣ１において特定された肋間を示す図である。 ステップＳＴ２３３の説明図である。 原画像の概略図である。 前処理の説明図である。 ラベリングの説明図である。 学習済みモデルの作成方法の説明図である。 ステップＳＴ２３のフローの一例を示す図である。 推論フェーズの説明図である。 自動記録機能の手順を示したフローチャートである。 第５の実施形態における検査時のフローチャートである。 ルックアップテーブルの一例を示す図である。
以下、発明を実施するための形態について説明するが、本発明は、以下の形態に限定されることはない。
(１)第１の実施形態
図１は、本発明の第１の実施形態の超音波診断装置１のブロック図である。
超音波診断装置１は、超音波プローブ２、送信ビームフォーマ３、送信器４、受信器５、受信ビームフォーマ６、プロセッサ７、表示部８、メモリ９、およびユーザインタフェース１０を有している。
超音波プローブ２は、アレイ状に配置された複数の振動素子２ａを有している。送信ビームフォーマ３および送信器４は、超音波プローブ２内に配列された複数の振動素子２ａをドライブし、振動素子２ａから超音波が送信される。振動素子２ａから送信された超音波は被検体（図１参照）内において反射し、反射エコーが振動素子２ａで受信される。振動素子２ａは、受信したエコーを電気信号に変換し、この電気信号をエコー信号として受信器５に出力する。受信器５はエコー信号に対して所定の処理を実行し、受信ビームフォーマ６に出力する。受信ビームフォーマ６は、受信器５から受け取った信号に受信ビームフォーミングを実行し、エコーデータを出力する。
受信ビームフォーマ６は、ハードウェアビームフォーマであってもよいし、ソフトウェアビームフォーマであってもよい。受信ビームフォーマ６がソフトウェアビームフォーマである場合、受信ビームフォーマ６は、ｉ）グラフィックス処理ユニット（ＧＰＵ）、ii）マイクロプロセッサ、iii）中央処理装置（ＣＰＵ）、iv）デジタル信号プロセッサ（ＤＳＰ）、v）論理演算を実行することができる他の種類のプロセッサ、のうちの１つまたは複数を含む１つまたは複数のプロセッサを備えることができる。受信ビームフォーマ６を構成するプロセッサは、プロセッサ７とは別のプロセッサで構成されていてもよいし、プロセッサ７で構成されていてもよい。
超音波プローブ２は、送信ビームフォーミングおよび／または受信ビームフォーミングの全部または一部を行うための電気回路を含むことができる。例えば、送信ビームフォーマ３、送信器４、受信器５、および受信ビームフォーマ６の全部または一部は、超音波プローブ２内に設けることができる。
プロセッサ７は、送信ビームフォーマ３、送信器４、受信器５、および受信ビームフォーマ６を制御する。また、プロセッサ７は、超音波プローブ２と電子通信している。プロセッサ７は、振動素子２ａのどれがアクティブであるか、および超音波プローブ２から送信される超音波ビームの形状を制御する。プロセッサ７は表示部８とも電子通信している。プロセッサ７は、エコーデータを処理して超音波画像を生成することができる。「電子通信」という用語は、有線通信と無線通信の両方を含むように定義することができる。プロセッサ７は、一実施形態によれば中央処理装置（ＣＰＵ）を含むことができる。他の実施形態によれば、プロセッサ７は、デジタル信号プロセッサ、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、グラフィックスプロセッシングユニット（ＧＰＵ）、または他のタイプのプロセッサなど、処理機能を実行することができる他の電子構成要素を含むことができる。他の実施形態によれば、プロセッサ７は、処理機能を実行することができる複数の電子構成要素を含むことができる。例えばプロセッサ７は、中央処理装置、デジタル信号プロセッサ、フィールドプログラマブルゲートアレイ、およびグラフィックスプロセッシングユニットを含む電子構成要素のリストから選択された２つ以上の電子構成要素を含むことができる。
プロセッサ７は、ＲＦデータを復調する複合復調器（図示せず）を含むこともできる。別の実施形態では、処理チェーン（processing chain）の早い段階で復調を実行することができる。
また、プロセッサ７は、受信ビームフォーマ６による処理によって得られたデータに基づいて、様々な超音波画像（例えば、Ｂモード画像、カラードップラ画像、Ｍモード画像、カラーＭモード画像、スペクトルドップラ画像、エラストグラフィ画像、ＴＶＩ画像、歪み画像、歪み速度画像、など）を生成することができる。また、１つまたは複数のモジュールが、これらの超音波画像を生成することができる。
画像ビームおよび／または画像フレームは保存され、データがメモリに取得された時を示すタイミング情報を記録することができる。前記モジュールは、例えば、画像フレームを座標ビーム空間から表示空間座標に変換するために走査変換演算を実行する走査変換モジュールを含むことができる。被検体に処置が実施されている間にメモリから画像フレームを読み取り、その画像フレームをリアルタイムで表示する映像プロセッサモジュールを設けることもできる。映像プロセッサモジュールは画像フレームを画像メモリに保存することができ、超音波画像は画像メモリから読み取られ表示部８に表示される。
本明細書において、「画像」という用語は、可視画像と可視画像を表すデータの両方を広く指すものとすることができる。また、「データ」という用語は、走査変換演算前の超音波データであるローデータ（ｒａｗ ｄａｔａ）と、走査変換演算後のデータである画像データを含み得る。
尚、プロセッサ７が担当する上述の処理タスクを、複数のプロセッサで実行するようにしてもよい。
また、受信ビームフォーマ６がソフトウェアビームフォーマである場合、ビームフォーマが実行する処理を、単一のプロセッサで実行させてもよいし、複数のプロセッサで実行させてもよい。
第１の実施形態では、プロセッサ７は、主な動作として、以下の動作（１ａ）－（１ｃ）を実行する。
（１ａ） 超音波プローブ２に、被検体の所定の部位の走査を実行させること、
（１ｂ） （１ａ）の走査により得られたエコーデータおよび／又は超音波画像に基づいて、被検体の皮下脂肪厚、腸管ガスの量、および超音波の減衰特性を表す減衰係数のうちの少なくとも一つを求めること、
（１ｃ） 被検体の皮下脂肪厚、腸管ガスの量、および超音波の減衰特性を表す減衰係数のうちの少なくとも一つに基づいて、所望の画質を有する超音波画像を取得することがどの程度困難であるかを表す難度を求めること、
尚、上記の動作（１ａ）－（１ｃ）については、後述するフローチャートの説明の中で詳細に説明する。
表示部８は、例えば、ＬＥＤ（Ｌｉｇｈｔ Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅ）表示部、ＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）、有機ＥＬ（Ｅｌｅｃｔｒｏ－Ｌｕｍｉｎｅｓｃｅｎｃｅ）表示部である。表示部８は、超音波画像を表示する。
メモリ９は、任意の既知のデータ記憶媒体であり、非一過性の記憶媒体および一過性の記憶媒体を含む。非一過性の記憶媒体は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ：ハードディスクドライブ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）などの不揮発性の記憶媒体である。非一過性の記憶媒体は、ＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓｋ）やＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）などの可搬性の記憶媒体を含むことができる。プロセッサ７によって実行されるプログラムは、非一過性の記憶媒体に記憶されている。一過性の記憶媒体は、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）などの揮発性の記憶媒体である。
また、メモリ９には、プロセッサ７による実行が可能な１つ以上の命令が格納されている。この１つ又は複数の命令は、プロセッサ７に、以下の動作（１ａ’）－（１ｃ’）を実行させる。
（１ａ’） 超音波プローブ２に、被検体の所定の部位の走査を実行させること、
（１ｂ’） （１ａ’）の走査により得られたエコーデータおよび／又は超音波画像に基づいて、被検体の皮下脂肪厚、腸管ガスの量、および超音波の減衰特性を表す減衰係数のうちの少なくとも一つを求めること、
（１ｃ’） 被検体の皮下脂肪厚、腸管ガスの量、および超音波の減衰特性を表す減衰係数のうちの少なくとも一つに基づいて、所望の画質を有する超音波画像を取得することがどの程度困難であるかを表す難度を求めること、
尚、プロセッサ７は、外部記憶装置１５に有線接続又は無線接続することができるように構成することもできる。この場合、プロセッサ７に実行させる命令を、メモリ９と外部記憶装置１５との両方に分散させて記憶させることも可能である。
ユーザインタフェース１０は、検査者の入力を受け付けることができる。例えば、ユーザインタフェース１０は、検査者からの指示や情報の入力を受け付ける。ユーザインタフェース１０は、キーボード（ｋｅｙｂｏａｒｄ）、ハードキー（ｈａｒｄ ｋｅｙ）、トラックボール（ｔｒａｃｋｂａｌｌ）、ロータリーコントロール（ｒｏｔａｒｙ ｃｏｎｔｒｏｌ）およびソフトキー等を含んでいる。ユーザインタフェース１０は、ソフトキー等を表示するタッチスクリーンを含んでいてもよい。
超音波診断装置１は上記のように構成されている。
ユーザは、超音波診断装置１を用いて、診断に有益な超音波画像が得られるように、超音波プローブ２を操作して被検体を走査する。
超音波診断装置は、様々な医用施設で、腹部臓器、心臓、乳腺、前立腺など、様々な領域に対する健診・スクリーニングに利用されている。近年、人間ドックなどの健康診断でも、超音波検査が積極的に取り入れられており、検査を受診する人口も増えている。一方で、医用施設では、１日で超音波検査することが可能な患者数は限られているので、限られた時間の中で、診断に必要な品質の超音波画像を取得することが重要である。また、超音波画像の画質は、検査者の熟練度だけでなく、被検体（患者）の体型、体格などにも依存し、臓器の描出が困難である被検体に遭遇することもある。この場合、熟練者は、所望の画質の取得は困難であることを早期に察知し、現在の状況で得られそうだと思われる最善の画質の画像を取得するので、走査時間の延長を最小限に抑えることができる。しかし、非熟練者の場合、所望の画質の取得は困難であることを察知できないため、必要以上の時間をかけて画像走査を試み、走査時間が大きく延長してしまうという問題がある。
この問題に対して、本願発明者は、所望の画質の超音波画像を取得することがどの程度困難であるのかを、検査者に早期に知らせることができれば、検査者は、所望の画質の超音波画像を取得することができそうか否かを早期に察知することができるので、走査時間の延長を回避できるのではないかと考えた。
そこで、本願発明者は、鋭意研究し、所望の画質の超音波画像を取得することがどの程度困難であるのかを検査者に早期に知らせる方法を考えた。以下に、この方法の基本的な概念について説明する。
被検体の走査により得られたエコーデータおよび／又は超音波画像を分析すると、画質に影響を与える可能性の高い特徴量を求めることができる。例えば、検査対象が肝臓の場合、画質に影響を与える可能性が高い特徴量として、以下の特徴量が考えられる。
ａ）被検体の皮下脂肪厚、b)腸管ガスの量、c)筋組織における超音波の減衰係数、d)肝臓の深部減衰による超音波の減衰係数
被検体の皮下脂肪厚が厚いほど高品質な画質の超音波画像を取得することは困難になる。また、腸管ガスの量が多いとアーチファクトが現れやすい原因となるので、腸管ガスの量が多いほど高品質な画質の超音波画像を取得することは困難になる。さらに、筋組織および肝臓における超音波の減衰係数が大きいほど、高品質な画質の超音波画像を取得することは困難になる。したがって、上記の特徴量は、画質に影響を与える可能性が高いものであると考えることができる。本願発明者は、この点に着目し、この特徴量に基づいて、所望の画質を有する画像を取得することがどの程度困難であるかを表す難度を求めることを考えた。検査者にこの難度を提示することにより、検査者は、所望の画質を有する画像を取得することがどの程度困難であるかを、事前に認識することができるので、走査時間の延長を回避することが可能となる。そこで、第１の実施形態では、上記の特徴量を求めるのに適した走査を行い、その走査により得られたエコーデータおよび／又は超音波画像に基づいて、上記の特徴量を求めている。上記の特徴量を求めるのに適した走査の一例として、肋間から肝臓端部を描出する肋間煽り走査が考えられる。肋間煽り走査では、肋間に超音波プローブを押し当てて被検体を走査するので、肋間の周囲の部位における皮下脂肪厚を求めることができる。また、腸管ガスは肝臓端部の近傍に見られることがあるので、肋間煽り走査で肝臓端部を描出することにより、腸管ガスの量を求めることが可能である。また、肋間と肝臓端部とを含む部位の断面が走査されるので、肋間又は肝臓端部の近傍にある筋組織における超音波の減衰係数、および肝臓の深部減衰による超音波の減衰係数を求めることもできる。したがって、肋間煽り走査により得られたエコーデータおよび／又は超音波画像に基づいて、被検体の皮下脂肪厚、腸管ガスの量、超音波の減衰係数のうちの少なくとも１つを求めることができる。
被検体に対して肋間煽り走査を実行し、エコーデータおよび／又は超音波画像を取得したら、エコーデータおよび／又は超音波画像に基づいて、上記の特徴量を求める。そして、上記の特徴量に基づいて難度を求め、この難度をユーザに提示する。検査者は、提示された難度を確認することにより、所望の画質を有する画像を取得することがどの程度困難であるかを理解し、どの程度の画質の超音波画像なら取得できそうかを判断することができる。したがって、ユーザは、現実的に得られそうな画質の超音波画像を念頭に置いて被検体を走査することができるので、理想的な画質の超音波画像を得ようと必要以上に時間を掛けて被検体を走査しようと試みることが防止され、走査時間の延長を最小限に抑えることができる。
次に、上記の説明に従って実際に被検体を検査するときの検査フローの一例について説明する。
図２は、第１の実施形態における検査時のフローチャートである。
ステップＳＴ１では、検査者は事前走査を行う。この事前走査は、所望の画質を有する超音波画像を取得することがどの程度困難であるかを表す難度を求めるために実行される走査である。
第１の実施形態では、検査対象は肝臓である。検査対象が肝臓である場合、画質に影響を与える特徴量として、以下の特徴量が考えられる。
ａ）被検体の皮下脂肪厚、b)腸管ガスの量、c)筋組織における超音波の減衰係数、d)肝臓の深部減衰による超音波の減衰係数
そこで、ステップＳＴ１では、上記の特徴量を表すデータを取得するのに適した事前走査として、先に説明したように、肋間から肝臓端部を描出する肋間煽り走査を実行する。プロセッサ７は、超音波プローブ２の振動素子２ａから超音波が送信されるように、超音波プローブ２を制御する。超音波プローブ２の振動素子２ａから送信された超音波は被検体内において反射し、反射エコーが振動素子２ａで受信される。振動素子２ａは、受信したエコーを電気信号に変換し、この電気信号をエコー信号として受信器５に出力する。受信器５はエコー信号に対して所定の処理を実行し、受信ビームフォーマ６に出力する。受信ビームフォーマ６は、受信器５から受け取った信号に受信ビームフォーミングを実行し、エコーデータを出力する。プロセッサ７は、受信ビームフォーマ６からのエコーデータに基づいて超音波画像を生成する。
ステップＳＴ２では、プロセッサ７は、ステップＳＴ１の肋間煽り走査で得られたエコーデータおよび／又は超音波画像に基づいて、画質に影響する特徴量（被検体の皮下脂肪厚、腸管ガスの量、筋組織における超音波の減衰係数、肝臓の深部減衰による超音波の減衰係数）を求める。これらの特徴量は、既知の方法で求めることができる。腸管ガスの量は、例えば、超音波画像内において腸管ガスが描出される領域の面積とすることができる。
ステップＳＴ３では、プロセッサが、ステップＳＴ２で求められた特徴量に基づいて、所望の画質を有する超音波画像を取得することがどの程度困難であるかを表す難度を求める。この難度は、例えば、難度を計算するための計算式を事前に求めておき、この計算式を用いて計算することができる（図３参照）。
図３は、難度を計算するための計算式を事前に求めておく方法の説明図である。
先ず、医療機関で実際に患者に肋間煽り走査を実行することにより得られたｎ枚の超音波画像Ａｊ（ｊ＝１～ｎ）を用意する。この肋間煽り走査は、できるだけ多くの患者に対して実行され、多数の患者から、肋間煽り走査により超音波画像を取得することが望ましい。超音波画像Ａｊは、診断画像でもよいし、診断画像に対して所定の前処理を実行することにより生成された画像でもよい。
次に、超音波画像Ａｊごとに、特徴量（被検体の皮下脂肪厚、腸管ガスの量、筋組織における超音波の減衰係数、肝臓の深部減衰による超音波の減衰係数）を求める。
そして、超音波画像Ａｊごとに求めた特徴量と難度との関係に基づいて、難度を計算するための計算式を求める。この計算式は、例えば、以下の式で表すことができる。
Ｙ＝a + b1x1 + b2x2 + b3x3 + b4x4 ・・・（１）
ここで、Ｙ：難度、a：定数、b1、b2、b3、b4：係数、x1：皮下脂肪厚、x2：腸管ガスの量、x3：筋組織における超音波の減衰係数、x4：肝臓の深部減衰による超音波の減衰係数
難度Ｙはx1、x2、x3、x4の関数であるので、x1、x2、x3、x4を式（１）に代入することにより、難度Ｙの値を求めることが可能となる。難度Ｙの計算式（１）はメモリ９（又は、超音波診断装置がアクセス可能な外部記憶装置）に記憶される。
したがって、プロセッサ７は、メモリ９から難度Ｙの計算式（１）を読み出し、難度Ｙの計算式（１）のx1、x2、x3、x4に、ステップＳＴ２で求めた特徴量を代入することにより、難度Ｙを計算することができる。
図２に戻って説明を続ける。
ステップＳＴ３では、プロセッサ７は、式（１）を用いて、ステップＳＴ２で求めた特徴量に対応する難度Ｙを計算する。難度Ｙを計算した後、ステップＳＴ４に進む。
ステップＳＴ４では、ステップＳＴ３で求めた難度Ｙを表示部８に表示する（図４参照）。
図４は、難度Ｙの表示方法の一例を示す図である。
表示部８には、難度Ｙが数字で表されている。第１の実施形態では、難度Ｙを１～５の数字で表している。難度Ｙが５に近いほど、所望の画質を有する超音波画像を取得することが困難であり、難度Ｙが１に近いほど、所望の画質を有する超音波画像を取得することが容易であることを表している。図４では、難度Ｙは４であるので、所望の画質を有する超音波画像を取得することは比較的困難であることが表されている。難度Ｙを表示した後、ステップＳＴ５に進む。
ステップＳＴ５では、検査者は、難度Ｙが表す数字を参考にして、被検体の検査部位を走査し、フローを終了する。
第１の実施形態では、図４に示すように、難度Ｙは「４」であるので、検査者は、高画質の超音波画像を取得することは比較的困難であることを察知することができる。したがって、検査者は、現実的に得られそうな画質の超音波画像を念頭に置いて被検体を走査することができるので、最高品質の超音波画像を得ようと必要以上に走査時間を掛けて被検体を走査しようと試みることが防止され、限られた時間の中で最善と思われる画質の超音波画像を得ることが可能となる。
尚、図４では、難度Ｙを数字で表している。しかし、検査者が難度Ｙを認識することができるのであれば、難度Ｙは数字に限定されることはなく、別の提示方法を使用することができる（図５参照）。
図５は、図４とは別の方法で難度Ｙを表示した例を示す図である。
難度Ｙは５つの星を用いて表される。難度Ｙは、黒で塗りつぶされた星の数が多いほど、高画質の超音波画像を取得することが困難であり（難度Ｙが高い）、一方、黒で塗りつぶされた星の数が少ないほど、高画質の超音波画像を取得することが容易である（難度Ｙが低い）ことを表している。図５では、黒で塗りつぶされた星の数は４つであるので、高品質の超音波画像を取得することが比較的困難であることを表している。このように、難度Ｙは、検査者に認識させることができる任意の方法で表示させることが可能である。
第１の実施形態では、肝臓を検査する場合に式（１）を使用して難度Ｙを計算する例について説明したが、本発明は、肝臓とは別の部位を検査する場合にも適用することができる。例えば、式（１）の（a、b1、b2、b3、b4）の値の組合わせを検査部位ごとに求めておき、検査部位と（a、b1、b2、b3、b4）とを対応付けてメモリに記憶しておいてもよい。このように、検査部位と（a、b1、b2、b3、b4）とを対応付けておくことにより、式（１）の（a、b1、b2、b3、b4）を検査部位に対応した値に設定して難度Ｙを計算することができるので、難度Ｙの信頼性を高めることができる。
また、検査部位によっては式（１）の定数ａはａ＝０に設定することができる。また、検査部位によっては、（b1、b2、b3、b4）のうちのいずれかの係数をゼロに設定することもできる。例えば、腸管ガスの量x2が実質的に無視できる検査部位（例えば、下肢）では、係数b2を、b2＝０に設定することができる。このように、係数（b1、b2、b3、b4）のうちのいずれかの係数をゼロに設定することにより、検査部位の特性に適した計算式で難度Ｙを計算することが可能となる。
尚、第１の実施形態では、難度Ｙを求めるための専用の走査（ステップＳＴ１）を実行している。しかし、診断画像を取得するための走査で取得された超音波画像に基づいて難度Ｙを求めてもよい。
また、第１の実施形態では、ステップＳＴ３において、式（１）を用いて難度Ｙを求めている。しかし、式（１）を用いる方法の代わりに、テーブルを用いた別の方法で難度Ｙを求めることもできる。例えば、以下のような方法で難度Ｙを求めるためのテーブルを作成することができる。
超音波検査の熟練者に、肋間煽り走査により取得された超音波画像Ａｊ（図３参照）を参考にして、患者ごとに、所望の画質の超音波画像Ａｊを得ることがどの程度困難であるかを予測してもらう。熟練者は、患者から取得した超音波画像の画質などから、「この患者を走査した場合、所望の画質の超音波画像を取得することは難しい」、「この患者を走査した場合、所望の画質の超音波画像を得ることは比較的容易である」等をある程度予測することができる。そこで、熟練者に、肋間煽り走査により取得された超音波画像Ａｊを参考にして、画像ごとに、所望の画質の超音波画像を得ることがどの程度困難であるのかを予測してもらい、その予測結果を数値化してもらう。予測結果は、例えば、５段階で表すことができる。一例として、以下のように数値化することができる。
（２－１）熟練者が、所望の画質を得ることは非常に容易である判断した場合には、超音波画像Ａｊに「１」を対応付ける。
（２－２）熟練者が、所望の画質を得ることは比較的容易である判断した場合には、超音波画像Ａｊに「２」を対応付ける。
（２－３）熟練者が、所望の画質を得ることは容易でないが困難でもないと判断した場合には、超音波画像Ａｊに「３」を対応付ける。
（２－４）熟練者が、所望の画質を得ることは比較的困難である判断した場合には、超音波画像Ａｊに「４」を対応付ける。
（２－５）熟練者が、所望の画質を得ることは非常に困難である判断した場合には、超音波画像Ａｊに「５」を対応付ける。
そして、超音波画像Ａｊと数値との対応関係を表すテーブルを用意する。図６に、超音波画像Ａｊと数値との対応関係を表すテーブルの一例を示す。各超音波画像Ａｊには、５段階の数値のうちの、熟練者によって予測された数値が対応付けられる。この５段階の数値が、所望の画像を得ることがどの程度困難であるかを表す難度Ｙとして使用される。したがって、難度Ｙは、５つの数値（１、２、３、４、および５）から選択される任意の数値で表すことができる。
このようにして、超音波画像Ａｊと数値との対応関係を表すテーブルを作成することができる。このテーブルはメモリ９（又は、超音波診断装置がアクセス可能な外部記憶装置）に記憶される。
プロセッサ７は、ステップＳＴ３において、このテーブルを使用して難度Ｙを求めることができる。具体的には、プロセッサ７は、テーブルに含まれる超音波画像Ａ１～Ａｎの中から、ステップＳＴ１で得られた超音波画像に最も類似している超音波画像Ａｊを求め、最も類似している超音波画像Ａｊに対応付けられた数値を、難度Ｙとして求めることができる。例えば、超音波画像Ａ１～Ａｎのうち、ステップＳＴ１で得られた超音波画像に最も類似している超音波画像がＡ３である場合、最も類似している超音波画像Ａ３に対応付けられた数値２を、難度Ｙ（＝２）として求めることができる。
(２)第２の実施形態
第１の実施形態では、超音波画像に基づいて計算した上記の特徴量を利用して、難度Ｙを計算している。しかし、深層学習を利用して難度Ｙを求めてもよい。以下に、深層学習を利用して難度Ｙを求める方法について説明する。
尚、第２の実施形態における超音波診断装置は、第１の実施形態の超音波診断装置と比較すると、ハードウェア構成は同じであり、プロセッサ７の動作が異なるだけである。したがって、第２の実施形態における超音波診断装置のハードウェアの説明は省略し、プロセッサ７の動作について主に説明する。
第２の実施形態では、プロセッサ７は、以下の動作（２ａ）－（２ｄ）を実行する。
（２ａ） 超音波プローブに、被検体の所定の部位の走査を実行させること、
（２ｂ） （２ａ）の走査により取得されたエコーデータに基づいて、超音波画像を生成すること、
（２ｃ） 超音波画像に基づいて、後述する学習済みモデル７１（図１３参照）に入力される入力画像を生成すること、
（２ｄ） 入力画像を学習済みモデル７１に入力し、学習済みモデル７１を用いて、所望の画質を有する超音波画像を取得することがどの程度困難であるかを表す難度を推論すること、
尚、プロセッサ７の具体的な動作については、後述するフローチャート（図１１参照）の中で説明する。
深層学習を利用して難度Ｙを求める場合、学習済みモデルを使用して難度Ｙを推論する。したがって、以下では、最初に、この学習済みモデルを生成する学習フェーズについて説明する。そして、学習フェーズを説明した後で、難度Ｙを推論する方法について説明する。
図７～図１３は、学習フェーズの説明図である。
学習フェーズでは、先ず、トレーニングデータを作成するための元になる原画像を用意する。
図７は、原画像の概略図である。
第２の実施形態では、原画像として、病院などの医療施設で取得された超音波画像Ｅｉ（ｉ＝１～ｎ）を用意する。
次に、これらの原画像Ｅｉに対して、図８に示すように、前処理を実行する。
前処理には、例えば、画像を切り出しする処理、標準化処理、正規化処理、画像反転処理、画像回転処理、拡大率変更処理、画質変更処理などがある。このようにして、原画像Ｅｉから、前処理された原画像Ｆｉを得ることができる。前処理された原画像Ｆｉが、学習済みモデルを生成するためのトレーニングデータＦｉとして使用される。
次に、これらのトレーニングデータに、正解データをラベリングする（図９参照）。
図９は、ラベリングの説明図である。
トレーニングデータには、正解データとして、所望の画質を有する超音波画像を取得することがどの程度困難であるかを表す難度Ｙがラベリングされている。難度Ｙは、第１の実施形態で説明された難度Ｙと同じである。第２の実施形態では、第１の実施形態で説明した５段階の難度Ｙ（１～５）を複数の正解データ６１として用意し、各トレーニングデータに、複数の正解データ６１のうちの対応する正解データ（難度Ｙ）をラベリングする。そして、正解データがラベリングされたトレーニングデータを用いて学習済みモデルを作成する（図１０参照）。
図１０は、学習済みモデルの作成方法の説明図である。
学習済みモデルを生成する場合、正解データ６１（難度Ｙ）がラベリングされたトレーニングデータＦｉをニューラルネットワーク７０に学習させる。このようにして、学習済みモデル７１を作成することができる。学習済みモデル７１は、後で説明する図１３に示すように、所望の画質を有する超音波画像を取得することがどの程度困難であるかを表す難度Ｙを推論するものである。
この学習済みモデル７１は、超音波診断装置１のメモリ９に記憶される。尚、学習済みモデル７１を、超音波診断装置１がアクセス可能な外部記憶装置１５に記憶してもよい。
第２の実施形態では、被検体の検査時に、学習済みモデル７１を使用して、所望の画質を有する超音波画像を取得することがどの程度困難であるかを表す難度Ｙを推論する。検査者は、その推論された難度Ｙを参考にして被検体の検査を行う。以下に、第２の実施形態において、被検体の検査フローの一例を説明する。
図１１は、第２の実施形態における検査時のフローチャートの一例を示す図である。
ステップＳＴ１１は、プロセッサ７が、超音波プローブ２に、肋間から肝臓端部を描出する肋間煽り走査を実行させる。プロセッサ７は、肋間煽り走査により取得されたエコーデータに基づいて、超音波画像を生成する。超音波画像を生成した後、ステップＳＴ１２に進む。
ステップＳＴ１２では、プロセッサ７が、肋間煽り走査により取得された超音波画像に基づいて、学習済みモデル７１に入力される入力画像を生成する（図１２参照）。
図１２は、入力画像の生成方法の説明図である。
プロセッサ７は、肋間煽り走査により取得された超音波画像８０を前処理する。この前処理は、トレーニングデータＦｉを生成するときに実行した前処理（図８参照）と同じである。超音波画像８０を前処理することにより、入力画像８１を生成することができる。入力画像８１を生成した後、ステップＳＴ１３に進む。
ステップＳＴ１３では、学習済みモデル７１を使用して、所望の画質を有する超音波画像を取得することがどの程度困難であるかを表す難度Ｙを推論する。
図１３は、推論フェーズの説明図である。
プロセッサ７は、入力画像８１を学習済みモデル７１に入力し、学習済みモデル７１を用いて、所望の画質を有する超音波画像を取得することがどの程度困難であるかを表す難度Ｙを推論する。難度Ｙを推論した後、ステップＳＴ１４に進む。
ステップＳＴ１４では、表示部８が、図４に示すように、難度Ｙを表示する。したがって、検査者は、表示部８に表示された難度Ｙから、現実的に得られそうな画質の超音波画像を事前に察知することができる。ステップＳＴ１５では、検査者は、現実的に得られそうな画質の超音波画像を念頭に置いて被検体を走査し、フローを終了する。
第２の実施形態では、学習済みモデルを使用して難度Ｙを表示させているので、特徴量を求めなくても難度Ｙを求めることができる。
（３）第３の実施形態
第１および第２の実施形態では、超音波診断装置により取得された超音波画像に基づいて難度Ｙを求めているが、第３の実施形態では、超音波診断装置とは別のモダリティにより取得された画像に基づいて、難度Ｙを求める例について説明する。
尚、第３の実施形態における超音波診断装置は、第１の実施形態の超音波診断装置と比較すると、ハードウェア構成は同じであり、プロセッサ７の動作が異なるだけである。したがって、第３の実施形態における超音波診断装置のハードウェアの説明は省略し、プロセッサ７の動作について主に説明する。
第３の実施形態では、プロセッサ７は、以下の動作（３ａ）－（３ｆ）を実行する。
（３ａ） 超音波診断装置とは別のモダリティの画像に基づいて、ガスを含むガス領域と検査対象物とを特定すること、
（３ｂ） 別のモダリティの画像に基づいて肋間の位置を特定すること、
（３ｃ） 別のモダリティの画像に基づいて、肋間の位置から超音波プローブで走査可能な走査範囲を決定すること、
（３ｄ） 肋間と検査対象物との間にガス領域が存在しているか否かを判定すること、
（３ｅ） 肋間から検査対象物に向けて送信される超音波の体表面に対する入射角を求めること、
（３ｆ） ガス領域が存在しているか否かの判定結果と入射角とに基づいて、所望の画質を有する超音波画像を取得することがどの程度困難であるかを表す難度を求めること、
尚、プロセッサ７の具体的な動作については、後述するフローチャート（図１４参照）の中で説明する。
図１４は、第３の実施形態における検査時のフローチャートである。
ステップＳＴ２１では、プロセッサ７は、超音波検査を開始する前に、ＣＴ（Computed Tomography）、ＭＲＩ（Magnetic Resonance Imaging）、ＰＥＴ（Positron Emission Tomography）、ＰＥＴ－ＣＴ、ＰＥＴ－ＭＲなど別のモダリティにより取得された画像があるか否かを判定する。この判定は、例えば、放射線科情報システム（ＲＩＳ：Radiology Information System）に保存されている検査情報などから確認することができる。別のモダリティにより取得された画像が無い場合は、ステップＳＴ２６に進み、第１の実施形態で説明されたステップＳＴ１～ＳＴ５（図２参照）又は第２の実施形態で説明されたステップＳＴ１１～ＳＴ１５（図１１参照）が実行され、フローが終了する。
別のモダリティにより取得された画像がある場合、ステップＳＴ２２に進む。
図１５は、ステップＳＴ２２の説明図である。
ステップＳＴ２２では、プロセッサ７は、別のモダリティにより取得された画像Ｂｉ（ｉ＝１～ｍ）の中に、今回の超音波検査の検査対象である検査部位と同じ部位の画像ＢＣｊ（ｊ＝１～ｎ）が含まれているか否かを判定する。この判定は、例えば、ＲＩＳに保存されている検査情報などから確認することができる。別のモダリティにより取得された画像Ｂｉの中に、今回の超音波検査の検査対象である検査部位と同じ部位の画像ＢＣｊが含まれていない場合は、ステップＳＴ２６に進み、第１又は第２の実施形態の各ステップが実行される。
一方、別のモダリティにより取得された画像Ｂｉの中に、今回の超音波検査の検査対象である検査部位と同じ部位の画像ＢＣｊが含まれている場合、プロセッサ７は、別のモダリティにより取得された画像Ｂｉの中から、今回の超音波検査の検査対象である検査部位と同じ部位の画像ＢＣｊを選択する。
選択された別のモダリティの画像ＢＣｊは、例えば、ＭＲ画像、ＣＴ画像、ＰＥＴ画像、ＰＥＴ－ＣＴ画像、およびＰＥＴ－ＭＲ画像などである。ここでは、選択された画像ＢＣｊはＣＴ画像であるとする。画像ＢＣｊを選択した後、ステップＳＴ２３に進む。
ステップＳＴ２３では、ステップＳＴ２２で選択された画像ＢＣｊに基づいて、所望の画質を有する超音波画像を取得することがどの程度困難であるかを表す難度Ｙを求める。この難度Ｙは、以下のようにして求められる。
図１６はステップＳＴ２３において難度Ｙを求めるフローの一例を示す図である。
ステップＳＴ２３１では、プロセッサ７が、画像ＢＣｊに描出されている被検体の体内領域を複数の領域に分割する画像処理（セグメンテーション）を実行する。この処理では、各画像ＢＣｊに表されている、臓器（例えば、肝臓、腎臓、脾臓）、骨（例えば、肋骨、背骨）、ガスを含む領域、検査対象物（癌、病変など）等をパターン認識により特定する。
ここでは、先ず、ｊ＝１、すなわち、画像ＢＣ１に対して上記の画像処理を行うことを考える。したがって、プロセッサ７は、画像ＢＣ１に対して画像処理を行う。これにより、画像ＢＣ１に対して検査対象物などを特定することができる。図１７は、画像ＢＣ１のパターン認識の結果の説明図である。画像ＢＣ１において、被検体の体内領域から、検査対象物４１、ガスを含むガス領域４２、肝臓４３、および肋骨４４、４５、４６、および４７が特定されている（尚、図１７では、肋骨については、身体の右側の肋骨４４、４５、４６、および４７のみを図示し、身体の左側の肋骨は図示省略してある）。画像ＢＣ１の画像処理を実行した後、ステップＳＴ２３２に進む。
ステップＳＴ２３２では、プロセッサ７は、画像ＢＣｊについて肋間の位置を特定する。ここでは、ｊ＝１であるので、画像ＢＣ１について肋間を特定する。肋間は、ステップＳＴ２３１のパターン認識から得られた肋骨４４、４５、４６、および４７の位置に基づいて特定することができる。図１８は、画像ＢＣ１において特定された肋間を示す図である。図１８では、特定された肋間を、符号３１、３２、および３３で示してある。肋間３１、３２、および３３を特定した後、ステップＳＴ２３３に進む。
ステップＳＴ２３３では、検査対象物４１を所望の画質で描出することがどの程度困難であるかを表す指標Ｔを求める。
図１９は、ステップＳＴ２３３の説明図である。
ステップＳＴ２３３では、プロセッサ７が各肋間３１、３２、および３３から超音波プローブで走査可能な走査範囲を求める。更に、プロセッサ７は、以下の処理（ｆ１）および（ｆ２）を実行する。
（ｆ１）各肋間３１、３２、および３３と検査対象物４１との間にガス領域４２が存在しているか否かを判定する処理。
（ｆ２）各肋間３１、３２、および３３から検査対象物４１に向けて送信される超音波の体表面４８に対する入射角θ１、θ２、およびθ３を計算する処理。
肋間と検査対象物４１との間にガス領域４２が存在している場合、超音波で検査対象物４１にアプローチすることは困難となる。また、超音波を体表面４８に対して垂直に入射させることができなければ、検査対象物４１を走査することは難しくなる。そこで、プロセッサ７は、各肋間３１、３２、および３３と検査対象物４１との間にガス領域４２が存在しているか否かを判定し、更に、超音波の体表面４８に対する入射角θ１、θ２、およびθ３を計算する。そして、プロセッサ７は、各肋間３１、３２、および３３と検査対象物４１との間にガス領域４２が存在しているか否かの判定結果と、超音波の入射角θ１、θ２、およびθ３の値に基づいて、検査対象物４１を所望の画質で描出することがどの程度困難であるかを表す指標Ｔを求める。この指標Ｔは、難度Ｙと同様に、例えば、５段階の数値で評価することができる。プロセッサ７は、肋間３１、３２、および３３ごとに指標Ｔを求める。図１９では、肋間３１、３２，および３３から超音波を送信した場合の指標Ｔを、それぞれ、Ｔ１、Ｔ２、およびＴ３で示してある。指標Ｔはメモリ９に記憶される。指標Ｔをメモリ９に記憶した後、ステップＳＴ２３４に進む。
ステップＳＴ２３４では、全ての画像ＢＣｊに対して、指標Ｔを求めたか否かを判断する。全ての画像ＢＣｊに対して指標Ｔを求めた場合は、ステップＳＴ２３６に進む。一方、指標Ｔを求めていない画像ＢＣｊがまだ残っている場合は、ステップＳＴ２３５に進み、ｊをインクリメントする。
ここでは、画像ＢＣ１に対して指標Ｔが求められたが、他の画像ＢＣｊ（すなわち、ＢＣ２～ＢＣｎ）に対してはまだ指標Ｔは求められていない。したがって、ステップＳＴ２３５に進み、ｊをｊ＝１からｊ＝２にインクリメントする。そして、ｊをインクリメントした後、ステップＳＴ２３１に戻り、画像ＢＣ２に対して、ステップＳＴ２３１、ＳＴ２３２、およびＳＴ２３３が実行される。
以下同様に、ステップＳＴ２３４で、全ての画像ＢＣｊ（ＢＣ１～ＢＣｎ）に対して指標Ｔが求められたと判定されるまで、ステップＳＴ２３１～ＳＴ２３５のループが繰り返し実行される。ステップＳＴ２３４において、全ての画像ＢＣｊ（ＢＣ１～ＢＣｎ）に対して指標Ｔが求められたと判定されたら、ステップＳＴ２３６に進む。
ステップＳＴ２３６では、各画像ＢＣｊに対して求められた指標Ｔに基づいて、所望の画質を有する超音波画像を取得することがどの程度困難であるかを表す難度Ｙを計算する。難度Ｙは、例えば、全ての画像ＢＣ１～ＢＣｎに対して求められた全ての指標Ｔの平均値や、全ての指標Ｔの加重平均値とすることができる。難度Ｙを計算したら、ステップＳＴ２３が終了し、ステップＳＴ２４（図１４参照）に進む。
ステップＳＴ２４では、表示部８に難度Ｙが表示される。検査者は、表示部８に表示された難度Ｙを参考にして被検体の検査を行い（ステップＳＴ２５）、図１４に示すフローが終了する。
第３の実施形態では、別のモダリティの画像ＢＣｊが保存されている場合、事前走査をしなくても難度Ｙが表示される。したがって、事前走査が必要な第１および第２の実施形態よりも、超音波検査の検査時間を短くすることが可能となる。
（４）第４の実施形態
第３の実施形態では、別のモダリティの画像のパターン認識を行い、難度Ｙを計算している。しかし、別のモダリティの画像に対して深層学習を利用して難度Ｙを求めることも可能である。以下に、別のモダリティの画像に対して深層学習を利用して難度Ｙを求める方法について説明する。
尚、第４の実施形態における超音波診断装置は、第１の実施形態の超音波診断装置と比較すると、ハードウェア構成は同じであり、プロセッサ７の動作が異なるだけである。したがって、第４の実施形態における超音波診断装置のハードウェアの説明は省略し、プロセッサ７の動作について主に説明する。
第４の実施形態では、プロセッサ７は、以下の動作（４ａ）－（４ｂ）を実行する。
（４ａ） 超音波診断装置とは別のモダリティの画像に基づいて、学習済みモデルに入力される入力画像を生成すること、
（４ｂ） 入力画像を学習済みモデルに入力し、学習済みモデルを用いて、所望の画質を有する超音波画像を取得することがどの程度困難であるかを表す難度Ｙを推論すること、
尚、プロセッサ７の具体的な動作については、後述するフローチャート（図２４参照）の中で説明する。
深層学習を利用して難度Ｙを求める場合、学習済みモデルを使用して難度Ｙを推論する。したがって、以下では、最初に、この学習済みモデルを生成する学習フェーズについて説明する。そして、学習フェーズを説明した後で、難度Ｙを推論する方法について説明する。
図２０～図２２は、学習フェーズの説明図である。
学習フェーズでは、先ず、トレーニングデータを生成するための元になる原画像を用意する（図２０参照）。
図２０は、原画像の概略図である。
第１の実施形態では、原画像として、超音波診断装置とは別のモダリティで取得された画像Ｇｉ（ｉ＝１～ｎ）を用意する。原画像Ｇｉは、例えば、ＭＲ画像、ＣＴ画像、ＰＥＴ画像、ＰＥＴ－ＣＴ画像、ＰＥＴ－ＭＲ画像を含むことができる。
次に、これらの原画像Ｇｉに対して、図２１に示すように、前処理を実行する。
前処理には、例えば、画像を切り出しする処理、標準化処理、正規化処理、画像反転処理、画像回転処理、拡大率変更処理、画質変更処理などがある。このようにして、原画像Ｇｉから、前処理された原画像Ｈｉ（ｉ＝１～ｎ）を得ることができる。前処理された原画像Ｈｉが、学習済みモデルを作成するためのトレーニングデータＨｉとして使用される。
次に、これらのトレーニングデータＨｉに、正解データをラベリングする（図２２参照）。
図２２は、ラベリングの説明図である。
第４の実施形態では、トレーニングデータＨｉに複数の正解データ６２をラベリングする。複数の正解データ６２には、所望の画質を有する超音波画像を取得することがどの程度困難であるかを表す数値が含まれる。数値は、トレーニングデータＨｉの元になる原画像Ｇｉ（図２０参照）の画質などを参考にして、例えば、超音波検査の熟練者が決定することができる。数値は、例えば、１～５の整数値とすることができる。数値が５に近いほど、所望の画質を有する超音波画像を取得することが困難であり、数値が１に近いほど、所望の画質を有する超音波画像を取得することが容易であることを表している。尚、正解データには、肋骨の位置を表す位置データ、ガス領域の位置を表す位置データ、検査対象物（例えば、病変、腫瘍）の位置を表す位置データを含めてもよい。
トレーニングデータに正解データをラベリングさせた後、学習済みモデルを作成する（図２３参照）.
図２３は、学習済みモデルの作成方法の説明図である。
学習済みモデルを生成する場合、正解データ６２（難度Ｙ）がラベリングされたトレーニングデータＨｉをニューラルネットワーク７０に学習させる。このようにして、学習済みモデル７２を作成することができる。学習済みモデル７２は、後で説明する図２５に示すように、所望の画質を有する超音波画像を取得することがどの程度困難であるかを表す難度Ｙを推論するものである。尚、好適には、セグメンテーションによって各臓器が識別されているトレーニングデータを使用して学習済みモデル７２を生成することが望ましい。これにより、学習済みモデル７２の推論精度を向上させることが可能である。ただし、画像に含まれる複数の臓器をセグメンテーションする画像解析も行うように、学習済みモデル７２を作成してもよい。
この学習済みモデル７２は、超音波診断装置１のメモリ９に記憶される。尚、学習済みモデル７２を、超音波診断装置１がアクセス可能な外部記憶装置１５に記憶してもよい。
次に、第４の実施形態における検査フローについて説明する。尚、第4の実施形態における検査フローは、第３の実施形態と同様に、図１４のフローを参照しながら説明する。
ステップＳＴ２１およびＳＴ２２は、第３の実施形態と同じであるので、詳細な説明は省略する。ステップＳＴ２２において、図１５に示すように、プロセッサ７が、別のモダリティにより取得された画像Ｂｉの中から、今回の超音波検査の検査対象である検査部位と同じ部位の画像ＢＣｊを選択した後、ステップＳＴ２３に進む。
ステップＳＴ２３では、ステップＳＴ２２で選択された画像ＢＣｊに基づいて、所望の画質を有する超音波画像を取得することがどの程度困難であるかを表す難度Ｙを求める。以下、ステップＳＴ２３のフローについて説明する。
図２４は、ステップＳＴ２３のフローの一例を示す図である。
ステップＳＴ２３１では、プロセッサ７が、ステップＳＴ２２で選択された画像ＢＣｊから、学習済みモデル７２に入力される入力画像を生成する。ここでは、ｋ（≧１）枚の画像ＢＣｊが選択されたとする。したがって、プロセッサ７は、選択されたｋ枚の画像ＢＣｊごとに入力画像を生成する。入力画像を生成した後、ステップＳＴ２３２に進む。
ステップＳＴ２３２では、プロセッサ７は、図２５に示すように、ステップＳＴ２３１で生成した入力画像を学習済みモデル７２に入力し、学習済みモデル７２を使用して、所望の画質を有する超音波画像を取得することがどの程度困難であるかを表す難度Ｙを推論する。このようにして、ステップＳＴ２３が終了する。ステップＳＴ２３が終了したら、ステップＳＴ２４（図１４参照）に進む。
ステップＳＴ２４では、表示部８に難度（図４参照）が表示される。検査者は、表示部８に表示された難度を参考にして被検体の検査を行い（ステップＳ２５）、図１４に示すフローが終了する。
第４の実施形態では、超音波検査の前に既に取得されていた別のモダリティの画像ＢＣｊ（図１５参照）に基づいて難度を推論するので、超音波診断装置による事前走査が不要であり、超音波検査の検査時間を短くすることが可能となる。
尚、第４の実施形態では、
尚、第４の実施形態では、超音波とは別のモダリティの画像からトレーニングデータＨｉを用意し（図２１参照）、このトレーニングデータＨｉを用いて学習済みモデル７２を作成している（図２３参照）。しかし、原画像として、別のモダリティの画像の他に、超音波画像も用意し、別のモダリティの画像から生成したトレーニングデータと、超音波画像から生成したトレーニングデータとに基づいて、学習済みモデルを作成し、上記の難度を求めてもよい。また、原画像として超音波画のみを用意し、超音波画像から生成したトレーニングデータとに基づいて、学習済みモデルを作成し、上記の難度を求めてもよい。
（５）第５の実施形態
超音波診断装置には、走査により取得された超音波画像と模範画像とを比較し、超音波画像と模範画像との類似度が閾値以上の場合、超音波画像は所望の画像であると判定して、その超音波画像を自動的に画像記録する自動記録機能を備えたものがある。第５の実施形態では、難度Ｙに基づいて、自動記録機能で使用する閾値を決定する例について説明する。
尚、第５の実施形態における超音波診断装置は、第１の実施形態の超音波診断装置と比較すると、ハードウェア構成は同じであり、プロセッサ７の動作が異なるだけである。したがって、第５の実施形態における超音波診断装置のハードウェアの説明は省略し、プロセッサ７の動作について主に説明する。
第５の実施形態では、プロセッサ７は、以下の動作（５ａ）－（５ｂ）を実行する。
（５ａ） 被検体の断面を走査することにより得られた超音波画像と、前記断面における模範画像との類似度を求めること、
（５ｂ） 類似度と、超音波画像が所望の画像であるか否かを判定するための基準となる閾値とを比較し、その比較結果に基づいて、超音波画像が所望の画像であるか否かを判定すること。尚、閾値は難度Ｙに基づいて決定されるものである。
プロセッサ７の具体的な動作については、後述するフローチャート（図２４参照）の中で説明する。
第５の実施形態の説明に当たっては、先ず、第５の実施形態の基本的な機能である超音波画像を自動的に画像記録する自動記録機能について簡単に説明する。自動記録機能を説明した後で、自動記録機能で使用する閾値と難度Ｙについて説明する。
図２６は、自動記録機能の手順を示したフローチャートである。
ステップＳＴ８１では、検査者が被検体の所定の断面を走査し、所定の断面の超音波画像５０を取得する。
ステップＳＴ８２では、超音波画像５０と、所定の断面の模範画像ＲＩとの類似度ＤＳを求める。類似度ＤＳは、例えば、０～１の範囲内の値として計算することができる。ここでは、ＤＳ＝０．６であるとする。
ステップＳＴ８３では、類似度ＤＳと閾値ＴＨとを比較し、超音波画像５０が所望の画像であるか否かを判定する。閾値ＴＨは、実際に走査された超音波画像５０が所望の画像であるか否かを判定するための基準となる値である。ＤＳ≧ＴＨの場合、超音波画像５０は所望の画像であると判定され、ＤＳ＜ＴＨの場合、超音波画像５０は所望の画像ではないと判定される。例えば、ＤＳ＝０．９であり、ＴＨ＝０．８の場合、ＤＳ≧ＴＨであるので、超音波画像５０は所望の画像であると判定される。この場合、ステップＳＴ８４に進み、画像は自動的にメモリ９に記録される。
一方、ＤＳ＝０．６であり、ＴＨ＝０．８の場合、ＤＳ＜ＴＨであるので、超音波画像５０は所望の画像ではないと判定される。この場合、超音波画像５０は記録されない（ステップＳＴ８５）。
ここでは、ＤＳ＝０．６であるので、ＤＳ＜ＴＨである。したがって、ステップＳＴ８５に進み、超音波画像５０は記録されない。
検査者は、超音波画像５０が記録されていない場合は、この超音波画像５０は所望の画質を有していないと認識し、ステップＳＴ８１に戻って、プローブの操作方法などを工夫して、超音波画像を取り直し、超音波画像が記録されるまで、断面の走査を行う。
しかし、超音波画像の画質は、検査者の熟練度だけでなく、被検体（患者）の体型、体格などにも依存し、臓器の描出が困難である被検体に遭遇することもある。この場合、走査方法を工夫しても、閾値ＴＨ以上の類似度を有する超音波画像を取得することは困難となり、検査時間が大きく延長してしまうという問題がある。
そこで、第５の実施形態では、検査時間の延長を最小限に抑えるため、以下のようなフローで検査を行う。
図２７は、第５の実施形態における検査時のフローチャートである。
ステップＳＴ７１では、難度Ｙを求める。この難度Ｙは、第１～第４の実施形態のいずれかの方法を使用することができる。ここでは、難度Ｙは５であるとする。難度Ｙを求めた後、ステップＳＴ７２に進む。
ステップＳＴ７２では、プロセッサ７が、難度Ｙに基づいて、閾値ＴＨを決定する。例えば、難度Ｙが「１」～「５」の間の整数で表される場合、難度Ｙが大きいほど閾値ＴＨが低くなり、難度Ｙが低いほど閾値ＴＨが高くなるように閾値ＴＨを変更する。閾値ＴＨは、難度Ｙと閾値ＴＨとの間の関係を規定するルックアップテーブルを用いて決定することができる。図２８はルックアップテーブルの一例を示す図である。例えば、難度Ｙが５の場合、閾値ＴＨ＝０．５と決定されるが、難度Ｙ＝１の場合、閾値ＴＨ＝０．９と決定される。したがって、難度Ｙが高い場合は、閾値ＴＨが低くなるので、現実的に得られそうな画質の超音波画像が得られた時点で、画像が自動記録されるようにすることができ、検査時間の延長を抑えることが可能となる。ここでは、難度Ｙ＝５であるので、閾値ＴＨ＝０．５と決定される。
閾値ＴＨを決定したら、ステップＳＴ８１に進む。
ステップＳＴ８１では、検査者が被検体の所定の断面を走査し、所定の断面の超音波画像５０を取得する。
ステップＳＴ８２では、超音波画像５０と、所定の断面の模範画像ＲＩとの類似度ＤＳを求める。ここでは、ＤＳ＝０．６であるとする。
ステップＳＴ８３では、類似度ＤＳと、ステップＳＴ７２で決定した閾値ＴＨとを比較し、その比較結果に基づいて、超音波画像５０が所望の画像であるか否かを判定する。ここでは、ＤＳ＝０．６であり、ＴＨ＝０．５である。したがって、ＤＳ＞ＴＨであるので、ステップＳＴ８４に進み、超音波画像５０が記録される。
以下同様に、他の断面の超音波画像においても、図２７に示すフローが実行される。
以上説明したように、第５の実施形態では、プロセッサ７が、難度Ｙに基づいて閾値ＴＨを決定する。したがって、難度Ｙが高い場合は、閾値ＴＨを低くすることにより、現実的に得られそうな画質の超音波画像が得られた時点で、画像が記録されるようにすることができるので、検査時間の延長を抑えることが可能となる。
尚、第１～第５の実施形態では、肝臓を検査する例について説明されている。しかし、本発明は、肝臓以外の部位を検査する場合にも適用することができる。
１ 超音波診断装置
２ 超音波プローブ
２ａ 振動素子
３ 送信ビームフォーマ
４ 送信器
５ 受信器
６ 受信ビームフォーマ
７ プロセッサ
８ 表示部
９ メモリ
１０ ユーザインタフェース
１５ 外部記憶装置
３１ 肋間
４１ 検査対象物
４２ ガス領域
４３ 肝臓
４４ 肋骨
４８ 体表面
５０、８０ 超音波画像
６１、６２ 正解データ
７０ ニューラルネットワーク
７１、７２ 学習済みモデル
８１ 入力画像

Claims (15)

  1. 超音波プローブと、
    前記超音波プローブで被検体を走査することにより得られた超音波画像を表示する表示部と、
    前記超音波プローブおよび前記表示部と通信する１つ又は複数のプロセッサと
    を含む超音波診断装置であって、
    前記１つまたは複数のプロセッサが、
    前記超音波プローブに、前記被検体の所定の部位の走査を実行させること、
    前記走査により得られたエコーデータおよび／又は超音波画像に基づいて、前記被検体の皮下脂肪厚、腸管ガスの量、および超音波の減衰特性を表す減衰係数のうちの少なくとも一つを求めること、および
    前記被検体の皮下脂肪厚、前記腸管ガスの量、および超音波の減衰特性を表す減衰係数のうちの少なくとも一つに基づいて、所望の画質を有する超音波画像を取得することがどの程度困難であるかを表す難度を求めること、
    を含む動作を実行し、
    前記表示部が前記難度を表示する、超音波診断装置。
  2. 前記減衰係数が、超音波の筋組織における減衰係数と、深部減衰による減衰係数とのうちの少なくとも一方の減衰係数を含む、請求項１に記載の超音波診断装置。
  3. 前記難度を求めることが、
    以下の式を用いて前記難度を計算する、請求項２に記載の超音波診断装置。
    Ｙ＝a + b1x1 + b2x2 + b3x3 + b4x4
    ここで、Ｙ：難度、a：定数、b1、b2、b3、b4：係数、x1：皮下脂肪厚、x2：腸管ガスの量、x3：筋組織における超音波の減衰係数、x4：肝臓の深部減衰による超音波の減衰係数
  4. 複数の超音波画像の各々に、所望の画質の超音波画像を得ることがどの程度困難であるのかを表す数値が対応付けられており、
    前記難度を求めることが、
    前記複数の超音波画像の中から、前記被検体を走査することにより得られた超音波画像に最も類似する超音波画像を求め、前記最も類似する超音波画像に対応付けられた数値を、前記難度として求めることを含む、請求項１に記載の超音波診断装置。
  5. 前記所定の部位の走査が肋間煽り走査である、請求項１に記載の超音波診断装置。
  6. 超音波プローブと、
    前記超音波プローブで被検体を走査することにより得られた超音波画像を表示する表示部と、
    前記超音波プローブおよび前記表示部と通信する１つ又は複数のプロセッサと
    を含む超音波診断装置であって、
    前記１つまたは複数のプロセッサが、
    前記超音波プローブに、前記被検体の所定の部位の走査を実行させること、
    前記走査により取得されたエコーデータに基づいて、超音波画像を生成すること、
    前記超音波画像に基づいて、学習済みモデルに入力される入力画像を生成すること、および
    前記入力画像を前記学習済みモデルに入力し、前記学習済みモデルを用いて、所望の画質を有する超音波画像を取得することがどの程度困難であるかを表す難度を推論すること、
    を含む動作を実行し、
    前記表示部が前記難度を表示する、超音波診断装置。
  7. 前記学習済みモデルは、
    ニューラルネットワークが、超音波画像を用いて作成されたトレーニングデータであって、所望の画質を有する超音波画像を取得することがどの程度困難であるかを表す難度がラベリングされたトレーニングデータを学習することにより作成されたものである、請求項６に記載の超音波診断装置。
  8. 前記所定の部位の走査が肋間煽り走査である、請求項６に記載の超音波診断装置。
  9. 超音波プローブと、
    前記超音波プローブで被検体を走査することにより得られた超音波画像を表示する表示部と、
    前記超音波プローブおよび前記表示部と通信する１つ又は複数のプロセッサと
    を含む超音波診断装置であって、
    前記１つまたは複数のプロセッサが、
    超音波診断装置とは別のモダリティの画像に基づいて、ガスを含むガス領域と検査対象物とを特定すること、
    前記別のモダリティの画像に基づいて肋間の位置を特定すること、
    前記肋間と前記検査対象物との間に前記ガス領域が存在しているか否かを判定すること、
    前記肋間から前記検査対象物に向けて送信される超音波の体表面に対する入射角を求めること、および
    前記ガス領域が存在しているか否かの判定結果と前記入射角とに基づいて、所望の画質を有する超音波画像を取得することがどの程度困難であるかを表す難度を求めること、
    を含む動作を実行し、
    前記表示部が前記難度を表示する、超音波診断装置。
  10. 前記難度を求めることが、
    前記前記ガス領域が存在しているか否かの判定結果と前記入射角とに基づいて、前記肋間ごとに、前記検査対象物を所望の画質で描出することがどの程度困難であるかを表す指標を求めること、および
    前記指標に基づいて、前記難度を求めること、
    を含む、請求項９に記載の超音波診断装置。
  11. 超音波プローブと、
    前記超音波プローブで被検体を走査することにより得られた超音波画像を表示する表示部と、
    前記超音波プローブおよび前記表示部と通信する１つ又は複数のプロセッサと
    を含む超音波診断装置であって、
    前記１つまたは複数のプロセッサが、
    超音波診断装置とは別のモダリティの画像に基づいて、学習済みモデルに入力される入力画像を生成すること、および
    前記入力画像を前記学習済みモデルに入力し、前記学習済みモデルを用いて、所望の画質を有する超音波画像を取得することがどの程度困難であるかを表す難度を推論すること、
    を含む動作を実行し、
    前記表示部が前記難度を表示する、超音波診断装置。
  12. 前記学習済みモデルは、
    ニューラルネットワークが、超音波診断装置とは別のモダリティの画像に基づいて作成されたトレーニングデータであって、所望の画質を有する超音波画像を取得することがどの程度困難であるかを表す数値を含む正解データがラベリングされたトレーニングデータを学習することにより作成されたものである、請求項１１に記載の超音波診断装置。
  13. 前記正解データは、
    検査対象物の位置データ、ガス領域の位置データ、および肋骨の位置データを含む、請求項１２に記載の超音波診断装置。
  14. 前記１つまたは複数のプロセッサが、
    前記被検体の断面を走査することにより得られた超音波画像と、前記断面における模範画像との類似度を求めること、および
    前記類似度と、前記超音波画像が前記所望の画像であるか否かを判定するための基準となる閾値とを比較し、その比較結果に基づいて、前記超音波画像が前記所望の画像であるか否かを判定すること、
    を含む動作を実行し、
    前記閾値は前記難度に基づいて決定されるものである、請求項に記載１～１３のうちのいずれか一項に記載の超音波診断装置。
  15. 超音波プローブで被検体を走査することにより得られたエコーデータおよび／又は超音波画像に基づいて、前記被検体の皮下脂肪厚、腸管ガスの量、および超音波の減衰特性を表す減衰係数のうちの少なくとも一つを求めること、
    前記被検体の皮下脂肪厚、前記腸管ガスの量、および超音波の減衰特性を表す減衰係数のうちの少なくとも一つに基づいて、所望の画質を有する超音波画像を取得することがどの程度困難であるかを表す難度を求めること、および
    前記難度を表示部に表示すること、
    を含む表示方法。
JP2021170554A 2021-10-18 2021-10-18 超音波診断装置および表示方法 Active JP7225345B1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2021170554A JP7225345B1 (ja) 2021-10-18 2021-10-18 超音波診断装置および表示方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2021170554A JP7225345B1 (ja) 2021-10-18 2021-10-18 超音波診断装置および表示方法

Publications (2)

Publication Number Publication Date
JP7225345B1 true JP7225345B1 (ja) 2023-02-20
JP2023060768A JP2023060768A (ja) 2023-04-28

Family

ID=85238724

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021170554A Active JP7225345B1 (ja) 2021-10-18 2021-10-18 超音波診断装置および表示方法

Country Status (1)

Country Link
JP (1) JP7225345B1 (ja)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011102401A1 (ja) 2010-02-17 2011-08-25 株式会社 日立メディコ 弾性画像の画質評価方法及び超音波診断装置
JP2013176409A (ja) 2012-02-28 2013-09-09 Hitachi Ltd 超音波撮像装置の画質評価方法および装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07121722A (ja) * 1993-06-23 1995-05-12 Toshiba Corp 画像評価装置
JP5750668B2 (ja) * 2013-02-26 2015-07-22 オリンパス株式会社 カメラ、再生装置、および再生方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011102401A1 (ja) 2010-02-17 2011-08-25 株式会社 日立メディコ 弾性画像の画質評価方法及び超音波診断装置
JP2013176409A (ja) 2012-02-28 2013-09-09 Hitachi Ltd 超音波撮像装置の画質評価方法および装置

Also Published As

Publication number Publication date
JP2023060768A (ja) 2023-04-28

Similar Documents

Publication Publication Date Title
JP7407790B2 (ja) 誘導肝イメージングのための人工ニューラルネットワークを有する超音波システム
US11633169B2 (en) Apparatus for AI-based automatic ultrasound diagnosis of liver steatosis and remote medical diagnosis method using the same
JP4919972B2 (ja) 弾性画像表示方法及び弾性画像表示装置
RU2653274C2 (ru) Связанная сегментация в стандартных и контрастных ультразвуковых 3d-изображениях
CN107464231B (zh) 用于确定医学成像的最佳操作参数的***和方法
CN114903522A (zh) 超声成像中的机器辅助工作流
JP2008073305A (ja) 超音波***診断システム
US10470744B2 (en) Ultrasound diagnosis apparatus, ultrasound diagnosis method performed by the ultrasound diagnosis apparatus, and computer-readable storage medium having the ultrasound diagnosis method recorded thereon
US20120157834A1 (en) Path Parametric Visualization in Medical Diagnostic Ultrasound
JP2008073304A (ja) 超音波***診断システム
JP2013542046A (ja) 超音波画像処理のシステムおよび方法
US11278259B2 (en) Thrombus detection during scanning
JPWO2020027228A1 (ja) 診断支援システム及び診断支援方法
KR20170086311A (ko) 의료 영상 장치 및 그 동작방법
JP2023521738A (ja) 前立腺自動解析システム
JP2010094181A (ja) 超音波診断装置および超音波診断装置のデータ処理プログラム
JP2021041029A (ja) 診断支援装置、診断支援システム、及び診断支援方法
US11250564B2 (en) Methods and systems for automatic measurement of strains and strain-ratio calculation for sonoelastography
JP2020103883A (ja) 超音波撮像システムおよび対象物体品質レベルを表示するための方法
CA3054483A1 (en) Ultrasound guidance dynamic mode switching
CN111317508B (zh) 超声波诊断装置、医用信息处理装置、计算机程序产品
JP7225345B1 (ja) 超音波診断装置および表示方法
JP5468759B2 (ja) 位置情報に基づいて関心対象ボリュームを収集するための方法及びシステム
JP2019162314A (ja) 情報処理装置、情報処理方法、及びプログラム
JP6293429B2 (ja) データ解析装置、データ解析装置のプログラム及び超音波診断装置

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20211112

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220928

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20221222

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20230111

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230208

R150 Certificate of patent or registration of utility model

Ref document number: 7225345

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150