JP7419081B2 - 超音波診断装置、画像処理方法、画像処理方法及びプログラム - Google Patents
超音波診断装置、画像処理方法、画像処理方法及びプログラム Download PDFInfo
- Publication number
- JP7419081B2 JP7419081B2 JP2020009950A JP2020009950A JP7419081B2 JP 7419081 B2 JP7419081 B2 JP 7419081B2 JP 2020009950 A JP2020009950 A JP 2020009950A JP 2020009950 A JP2020009950 A JP 2020009950A JP 7419081 B2 JP7419081 B2 JP 7419081B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- image
- blood flow
- received signal
- doppler
- 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
- 238000003672 processing method Methods 0.000 title claims description 8
- 230000017531 blood circulation Effects 0.000 claims description 105
- 238000002604 ultrasonography Methods 0.000 claims description 87
- 238000004364 calculation method Methods 0.000 claims description 49
- 238000000034 method Methods 0.000 claims description 44
- 230000005540 biological transmission Effects 0.000 claims description 24
- 239000000523 sample Substances 0.000 claims description 24
- 238000010801 machine learning Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 238000001514 detection method Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 230000015654 memory Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 101001106787 Homo sapiens Refilin-B Proteins 0.000 description 4
- 102100021327 Refilin-B Human genes 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 239000006185 dispersion Substances 0.000 description 3
- 101001106795 Homo sapiens Refilin-A Proteins 0.000 description 2
- 102100021329 Refilin-A Human genes 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- PMADITKBVODKSF-UHFFFAOYSA-N 1'-[(2-chlorophenyl)methyl]-5-phenylspiro[3h-1,3,4-thiadiazole-2,3'-indole]-2'-one Chemical compound ClC1=CC=CC=C1CN1C2=CC=CC=C2C2(SC(=NN2)C=2C=CC=CC=2)C1=O PMADITKBVODKSF-UHFFFAOYSA-N 0.000 description 1
- 229930091051 Arenine Natural products 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000003195 fascia Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/06—Measuring blood flow
-
- 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
- A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
- A61B8/461—Displaying means of special interest
-
- 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
-
- 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
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
-
- 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
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5238—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image
- A61B8/5246—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from the same or different imaging techniques, e.g. color Doppler and B-mode
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Hematology (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Physiology (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Description
に基づく第1のデータと、前記観察領域からカラードプラ法を用いて得られる血流情報に基づく第2のデータとを含む学習データを用いて、複数の条件によって、機械学習された学習モデルを用いて、前記受信ステップにおいて受信したBモード画像生成用の受信信号に基づく第3のデータから、前記血流情報に基づく2次元データを推定する推定演算ステップと、前記推定演算ステップにおいて推定されたデータに基づく画像を表示装置に表示する表示ステップと、を有し、前記学習モデルは、前記観察領域から得られるBモード画像生成用の受信信号に基づく前記第1のデータと前記観察領域からカラードプラ法を用いて得られる血流情報に基づく前記第2のデータとの相関関係について機械学習されていることを特徴とする画像処理方法を含む。
本発明の第1実施形態について説明する。本実施形態では、Bモード画像生成用の複数フレーム分の受信信号から、血流情報を推定する。推定には機械学習された学習済みモデルを用いる。ドプラ画像生成用の受信信号の取得回数を低減できるため、通常のカラードプラ画像の表示と比較してフレームレートが高い状態で血流情報に相当する画像を表示できる。また、推定により血流情報を得ているので、取得可能な最大血流速度が繰り返し周波数の制限を受けない。それにより、通常のカラードプラ法では表示することが困難な低流速血流と高流速血流を同時に表示できる。
図2は受信信号処理ブロック106が有する機能の一例を示すブロック図である。受信信号処理ブロック106は、整相加算処理ブロック201、信号記憶ブロック202、Bモード処理ブロック203、ドプラ処理ブロック204、推定演算ブロック205を有する。
ドプラ処理ブロック204は、信号記憶ブロック202に保存されたドプラ画像生成用の受信信号を周波数解析することによって、走査範囲内にある対象物のドプラ効果に基づく血流情報を抽出する。本実施形態では、対象物が血液である例を主に説明するが、対象物は、体内組織や造影剤のような物体であってもよい。また、血流情報の例は、速度、分散値、パワー値のうちの少なくともいずれかを含む。また、ドプラ処理ブロック204は、被検体内の1点(1つの位置)における血流情報を求めてよいし、深さ方向における複数の位置の血流情報を求めてもよい。また、ドプラ処理ブロック204は、所定の深さ範囲における平均速度や最高速度を求めてもよく、さらに、速度の時間変化が表示できるように時系列に複数の時点の速度を求めてもよい。
推定演算ブロック205について説明する。推定演算ブロック205は学習済みモデルを用いて、血流情報(ドプラ画像データ)を推定する処理を行う。学習済みモデルは、所定の走査範囲から得られる反射超音波の受信信号に基づくデータから、当該観察領域の移動情報に基づくデータを推定するように機械学習される。より具体的には、本実施形態では、学習モデルは、Bモード画像を生成するために観察領域を複数回走査して得られる複数フレーム分の受信信号に整相加算処理を施したデータが入力されると、同じ観察領域内の血流情報データを出力するように学習される。
複数の学習データ301を用いてモデルの機械学習を実施する学習部(学習器)304を有している。学習部304は先に例示した機械学習アルゴリズムのうちいずれを利用してもよいし、他の機械学習アルゴリズムを利用してもよい。学習データ301は、入力データと正解データ(教師データ)の組で構成されている。本実施形態では、入力データとしてBモード画像生成用の受信信号302を、正解データとしてカラードプラ法を用いて取得した血流情報303を用いる。学習部304は、与えられた複数の学習データ301を基に、受信信号302と血流情報303のあいだの相関を学習して、学習済みモデル305を作成する。これにより、学習済みモデル305は、Bモード画像生成用の受信信号を入力データとして与えると、血流情報を出力データとして生成する機能(能力)を獲得することができる。学習済みモデル305は、超音波診断装置1の推定演算ブロック205で実行されるプログラムに実装される。モデルの学習(学習済みモデル305の生成処理)は、超音波診断装置1に組み込まれる前に実施されるのが望ましい。ただし、超音波診断装置1が学習機能を有する場合には超音波診断装置1で得られた画像データを用いて学習(新規の学習又は追加学習)を行ってもよい。
入力データに含めることで、部位ごとの特徴に対応した推定が可能となり、より推定精度が高まることが期待できる。部位毎の特徴として、例えば、脂肪層が表面にある、筋膜の構造による高輝度領域がある、太い血管による低輝度値領域が存在するなどという特徴が挙げられる。入力データは、さらに、診療科や性別、BMI、年齢、病態などの情報を含んでもよく、これにより、さらに詳細な条件に対応した学習モデルが得られる可能性があり、より推定精度が高まることが期待できる。
次に本実施形態における画像生成のための処理の詳細を図1を用いて述べる。図示していないGUIから撮像の指示が入力されると、GUIからの指示を受けたシステム制御ブロック109が送信電気回路104に超音波の送信指示を入力する。送信指示は、遅延時間を計算するためのパラメータや音速情報を含むと良い。送信電気回路104はシステム制御ブロック109からの送信指示に基づいて、遅延時間を有した複数の電圧波形をプローブ接続部103を通じて超音波プローブ102の複数の振動子101へと出力する。本実施形態では、送信超音波は収束ビームであり、撮像範囲が送信超音波によって走査される。
として出力する。Bモードの撮像範囲を収束ビームが走査することで、Bモード画像生成用の受信信号が1フレーム分得られる。ドプラ画像生成用の受信信号は、ドプラ画像撮像範囲内の複数の走査線上のそれぞれで超音波の送受信を複数回行うことで得られる。
る。
指示を受けたタイミングに最も近い時刻に取得されたドプラ画像および推定画像の両方またはいずれか一方を保存するとよい。例えば図6Bに示したタイミングt1で静止画保存の指示がGUIなどを通じてシステム制御ブロック109へと入力された場合、時間CFM1で取得したドプラ画像と、時間B1で取得した推定画像とが保存される。このとき、2つの画像を保存候補として使用者に提示し、実際に保存する画像を使用者に選択させてもよい。また例えばタイミングt2で静止画保存の指示が入力された場合、時間CFM2で取得したドプラ画像と、時間B2で取得した推定画像(推定血流情報データ)が保存される。なお、これらの保存に関しては別途システムのオプションとして、カラードプラ画像のみ、推定画像のみを保存するように設定することも可能である。また、保存指示が出た時点で図7のフローチャートに割り込みをかけ、カラードプラ画像を撮像する制御を行い、その画像を保存してもよい。
次に本発明の別の実施形態について述べる。本実施形態では、血流情報の推定に、ドプラ画像を生成するための受信信号の一部を利用する。
さらに本発明の別の実施形態について述べる。第1,第2実施形態ではBモード画像生成のための送信超音波は収束ビームであったが、本実施形態では、平面波または拡散波を送信超音波として利用する。送信電気回路104が複数の振動子101に対して時間差を与えずに電圧信号を印加することで、振動子101から平面波もしくは拡散波の超音波が送信される。
上記の実施形態では、推定演算ブロック205は1つの学習モデルのみを有しているが、推定演算ブロック205は異なる学習がされた複数の学習モデルを有してもよい。複数の学習モデルの学習に用いる学習データの入力データはいずれも上記と同様であるが、学習データの正解データが、学習モデルの応じて異なる条件で取得された血流情報(ドプラ画像)である。異なる条件とは、例えば、それぞれ、超低速血流、通常速血流、高速血流の血流情報を取得するために適切な送信制御および受信制御の設定である。また、1つの学習モデルが、上記のような複数の異なる条件で取得された血流情報を推定するように学習されていてもよい。
上述した実施形態は本発明の具体例を示すものにすぎない。本発明の範囲は上述した実施形態の構成に限られることはなく、その要旨を変更しない範囲のさまざまな実施形態を採ることができる。
プログラムコードを記録した記録媒体は本発明を構成することになる。
205:推定演算ブロック 305:学習済みモデル
Claims (18)
- 被検体に対して超音波を送受信する超音波探触子と、
観察領域から得られるBモード画像生成用の受信信号に基づく第1のデータと、前記観察領域からカラードプラ法を用いて得られる血流情報に基づく第2のデータとを含む学習データを用いて、複数の条件によって、機械学習されたモデルを用いて、前記超音波探触子で受信したBモード画像生成用の受信信号に基づく第3のデータから、血流情報に基づく2次元データを推定する推定演算部と、
を有し、
前記モデルは、前記観察領域から得られるBモード画像生成用の受信信号に基づく前記第1のデータと前記観察領域からカラードプラ法を用いて得られる血流情報に基づく前記第2のデータとの相関関係について機械学習されている
ことを特徴とする超音波診断装置。 - 前記第3のデータは、Bモード画像を生成するために前記観察領域を走査して得られる受信信号または当該受信信号に基づくBモード画像データを含む、
請求項1に記載の超音波診断装置。 - 前記第3のデータは、平面波または拡散波を送信して得られる受信信号または当該受信信号に基づく画像データを含む、
請求項1に記載の超音波診断装置。 - 前記第3のデータは、前記観察領域を複数回走査して得られる反射超音波の複数の受信信号、または当該複数の受信信号に基づく画像データを含む、
請求項2または3に記載の超音波診断装置。 - 前記第3のデータは、前記観察領域の血流情報を取得するために前記観察領域の複数の走査線上のそれぞれで超音波の送受信を複数回行って得られる受信信号の一部、または、当該受信信号の一部に基づく画像データを含む、
請求項1に記載の超音波診断装置。 - 前記第3のデータは、送信超音波の波面形状、送信超音波の送信周波数、前記被検体の種類、および前記超音波探触子の前記被検体に対する接触角度、のうちの少なくともいずれかを更に含む、
請求項1から5のいずれか1項に記載の超音波診断装置。 - 前記推定演算部は、前記第3のデータから、異なる速度範囲の血流情報に基づくデータを推定するように機械学習された複数の学習モデルを含む、
請求項1から6のいずれか1項に記載の超音波診断装置。 - 前記観察領域の複数の走査線上のそれぞれで超音波の送受信を複数回行って得られる反射超音波の受信信号から血流情報を抽出し、当該血流情報に基づくドプラ画像データを生成するドプラ処理部を更に有する、
請求項1から7のいずれか1項に記載の超音波診断装置。 - 前記第3のデータは、前記ドプラ画像データを生成するための受信信号の一部を含む、
請求項8に記載の超音波診断装置。 - 表示装置に出力する表示画像の制御を行う制御部を更に有し、
前記制御部は、前記推定演算部によって推定されたデータに基づいて前記表示画像を更新する表示モードを有する、
請求項1から9のいずれか1項に記載の超音波診断装置。 - 表示装置に出力する表示画像の制御を行う制御部を更に有し、
前記制御部は、前記推定演算部によって推定されたデータには基づかずに前記ドプラ画像データに基づいて前記表示画像を更新する表示モードと、前記ドプラ画像データと前記推定演算部によって推定されたデータとに基づいて前記表示画像を更新する表示モードとを有する、
請求項8または9に記載の超音波診断装置。 - 前記ドプラ画像データと前記推定演算部によって推定されたデータとに基づいて前記表示画像を更新する表示モードでは、前記制御部は、前記ドプラ画像データに基づいて前記表示画像を更新した後、所定の回数連続して前記推定演算部によって推定されたデータに基づいて前記表示画像を更新する処理を繰り返す、
請求項11に記載の超音波診断装置。 - 前記制御部は、使用者からの入力に応じて前記所定の回数を変更する、
請求項12に記載の超音波診断装置。 - 前記制御部は、使用者から画像の保存の指示を受けると、前記指示を受けたタイミングに最も近いタイミングに取得された前記ドプラ画像データおよび前記推定演算部によって推定されたデータの両方またはいずれか一方を保存する、
請求項11から13のいずれか1項に記載の超音波診断装置。 - 表示装置に出力する表示画像の制御を行う制御部を更に有し、
前記制御部は、前記ドプラ画像データに基づく画像と前記推定演算部によって推定されたデータに基づく画像を並べて表示する、
請求項8または9に記載の超音波診断装置。 - 請求項1から11のいずれか1項に記載の超音波診断装置の推定演算部で用いられる学
習モデルの機械学習を行う学習装置であって、
観察領域から得られる反射超音波の受信信号に基づくデータを入力データ、前記観察領域を複数回走査して得られる反射超音波から抽出された血流情報を正解データとして含む学習データを用いて、前記学習モデルの機械学習を行う学習部を有する、
ことを特徴とする学習装置。 - 超音波探触子を用いて、被検体に対して超音波を送信し、被検体からの反射超音波を受信する受信ステップと、
観察領域から得られるBモード画像生成用の受信信号に基づく第1のデータと、前記観察領域からカラードプラ法を用いて得られる血流情報に基づく第2のデータとを含む学習データを用いて、複数の条件によって、機械学習された学習モデルを用いて、前記受信ステップにおいて受信したBモード画像生成用の受信信号に基づく第3のデータから、前記血流情報に基づく2次元データを推定する推定演算ステップと、
前記推定演算ステップにおいて推定されたデータに基づく画像を表示装置に表示する表示ステップと、
を有し、
前記学習モデルは、前記観察領域から得られるBモード画像生成用の受信信号に基づく前記第1のデータと前記観察領域からカラードプラ法を用いて得られる血流情報に基づく前記第2のデータとの相関関係について機械学習されている
ことを特徴とする画像処理方法。 - 請求項17に記載の画像処理方法の各ステップをプロセッサに実行させるためのプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020009950A JP7419081B2 (ja) | 2020-01-24 | 2020-01-24 | 超音波診断装置、画像処理方法、画像処理方法及びプログラム |
US17/153,351 US20210228177A1 (en) | 2020-01-24 | 2021-01-20 | Ultrasonic diagnostic apparatus, learning apparatus, and image processing method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020009950A JP7419081B2 (ja) | 2020-01-24 | 2020-01-24 | 超音波診断装置、画像処理方法、画像処理方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021115213A JP2021115213A (ja) | 2021-08-10 |
JP7419081B2 true JP7419081B2 (ja) | 2024-01-22 |
Family
ID=76970493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020009950A Active JP7419081B2 (ja) | 2020-01-24 | 2020-01-24 | 超音波診断装置、画像処理方法、画像処理方法及びプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US20210228177A1 (ja) |
JP (1) | JP7419081B2 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160140730A1 (en) | 2014-11-14 | 2016-05-19 | The Regents Of The University Of California | Ultrasound-based volumetric particle tracking method |
US20190130564A1 (en) | 2017-10-26 | 2019-05-02 | Konica Minolta, Inc. | Medical image processing apparatus |
WO2019166332A1 (en) | 2018-02-27 | 2019-09-06 | Koninklijke Philips N.V. | Ultrasound system with a neural network for producing images from undersampled ultrasound data |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013105197A1 (ja) * | 2012-01-10 | 2013-07-18 | パナソニック株式会社 | 超音波診断装置、および、血管検出方法 |
US9033887B2 (en) * | 2012-05-31 | 2015-05-19 | Siemens Corporation | Mitral valve detection for transthoracic echocardiography |
WO2017124044A1 (en) * | 2016-01-15 | 2017-07-20 | The Regents Of The University Of California | Machine-learning-based denoising of doppler ultrasound blood flow and intracranial pressure signal |
US20190336101A1 (en) * | 2016-11-16 | 2019-11-07 | Teratech Corporation | Portable ultrasound system |
US11364013B2 (en) * | 2017-01-05 | 2022-06-21 | Koninklijke Philips N.V. | Ultrasound imaging system with a neural network for image formation and tissue characterization |
US20190125295A1 (en) * | 2017-10-30 | 2019-05-02 | Siemens Medical Solutions Usa, Inc. | Cardiac flow detection based on morphological modeling in medical diagnostic ultrasound imaging |
US11154277B2 (en) * | 2017-10-31 | 2021-10-26 | Siemens Medical Solutions Usa, Inc. | Tissue viscoelastic estimation from shear velocity in ultrasound medical imaging |
US10726546B2 (en) * | 2018-04-26 | 2020-07-28 | Siemens Healthcare Gmbh | Tissue-to-flow image generation in medical imaging |
-
2020
- 2020-01-24 JP JP2020009950A patent/JP7419081B2/ja active Active
-
2021
- 2021-01-20 US US17/153,351 patent/US20210228177A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160140730A1 (en) | 2014-11-14 | 2016-05-19 | The Regents Of The University Of California | Ultrasound-based volumetric particle tracking method |
US20190130564A1 (en) | 2017-10-26 | 2019-05-02 | Konica Minolta, Inc. | Medical image processing apparatus |
WO2019166332A1 (en) | 2018-02-27 | 2019-09-06 | Koninklijke Philips N.V. | Ultrasound system with a neural network for producing images from undersampled ultrasound data |
Non-Patent Citations (2)
Title |
---|
Ruud J.G. van Sloun, et al.,Learning Doppler with deep neural networks and its application to intra-cardiac echography,2018 IEEE IUS,2018年,1-4 |
Thanasis Loupas, et al.,An Axial Velocity Estimator for Ultrasound Blood Flow Imaging, Based on a Full Evaluation of the Doppler Equation by Means of a Two-Dimensional Autocorrelation Approach,IEEE TRANSACTIONS ON ULTRASONICS, FERROELECTRICS, AND FREQUENCY CONTROL,1995年,VOL. 42, NO. 4,672-688 |
Also Published As
Publication number | Publication date |
---|---|
JP2021115213A (ja) | 2021-08-10 |
US20210228177A1 (en) | 2021-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5134787B2 (ja) | 超音波診断装置、超音波画像処理装置及び超音波画像処理プログラム | |
US8597191B2 (en) | Ultrasonic imaging apparatus and a method of generating ultrasonic images | |
JP7313902B2 (ja) | 超音波診断装置 | |
JP7370903B2 (ja) | 超音波診断装置、学習装置、画像処理方法およびプログラム | |
JP6109498B2 (ja) | 超音波診断装置及び超音波診断装置制御プログラム | |
JP4764209B2 (ja) | 超音波信号解析装置、超音波信号解析方法、超音波解析プログラム、超音波診断装置、及び超音波診断装置の制御方法 | |
JP4659974B2 (ja) | 超音波診断装置 | |
JP7305438B2 (ja) | 解析装置及びプログラム | |
US20120203111A1 (en) | Ultrasonic diagnostic apparatus, ultrasonic image processing apparatus, and ultrasonic image acquisition method | |
JP6998477B2 (ja) | カラードップラー超音波イメージングを行うための方法及びシステム | |
JP5331313B2 (ja) | 超音波診断装置 | |
JP7419081B2 (ja) | 超音波診断装置、画像処理方法、画像処理方法及びプログラム | |
JP2011000470A (ja) | 超音波診断装置 | |
JP2006523485A (ja) | 心臓壁ひずみ画像法 | |
JP7343342B2 (ja) | 超音波診断装置、及び画像処理装置 | |
JP7330705B2 (ja) | 画像解析装置 | |
JP7395367B2 (ja) | 超音波診断装置、画像処理方法、学習装置及びプログラム | |
JP7387461B2 (ja) | 超音波診断装置、学習装置、画像処理方法およびプログラム | |
JP4918344B2 (ja) | 画像生成方法および超音波診断装置 | |
JP7346314B2 (ja) | 超音波診断装置、学習装置、画像処理方法及びプログラム | |
US12016729B2 (en) | Ultrasonic diagnostic apparatus, learning apparatus, and image processing method | |
JP7455696B2 (ja) | 超音波診断装置、学習装置、画像処理方法およびプログラム | |
JP2019534096A (ja) | 解剖学的、機能的及び血行動態イメージングのためのトリプルモード超音波イメージング | |
JP2019097794A (ja) | 超音波診断装置、医用画像処理装置及びそのプログラム | |
JP2013244138A (ja) | 超音波診断装置および音速表示方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230111 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230726 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230815 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231005 |
|
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: 20231212 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240110 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7419081 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |