超声波成像装置、超声波成像方法以及超声波成像用程序

摘要

本发明提供一种无需求出运动矢量就能够直接生成标量场图像来掌握组织的边界的超声波成像装置。对接收信号进行处理来生成2帧以上的图像，从图像中选择2帧，对一个帧设定多个关心区域，对另一个帧按多个关心区域的每一个关心区域设定比关心区域大的搜索区域。在搜索区域内设定多个与关心区域对应的大小的候补区域。通过按多个候补区域的每一个候补区域求得关心区域的像素值与候补区域内的像素值之间的范数，从而求得搜索区域内的范数的分布。将表示范数的分布状态的值作为与搜索区域对应的关心区域的像素值来生成图像。

说明书

技术领域

本发明涉及在通过超声波进行生物体的成像时能明确地识别组织边界的超声波成像方法以及超声波成像装置的技术。

背景技术

在用于医疗图像诊断中的超声波摄像装置中，公知基于诊断运动图像(B模式图像)的小区域的变化量来推测组织的弹性系数分布，将硬度变换为彩色图来显示的方法。但是，若是肿瘤的边缘部，则相对于周围的组织而言，声阻抗、弹性率都没有较大的不同，在这种情况下，无论是在诊断运动图像中还是在弹性图像中都不能掌握肿瘤与周围组织之间的边界。

因此，存在以下方法：针对时间序列不同的两个诊断图像数据通过块匹配处理来求得诊断图像的各区域的运动矢量，根据运动矢量生成标量场图像。由此，能够识别声阻抗和弹性率与周围相比都没有较大不同的组织的边界。

但是，在如回波信号变得微弱的穿透界限区域等图像数据中噪声较多的区域中，在求出运动矢量时由于噪声的影响，会产生错误矢量，边界的识别度降低。因此，在专利文献1中，在求得运动矢量时，求得作为关心区域的移动目的地的候补的多个区域与关心区域之间的图像数据的类似度，根据类似度分布来判定针对该关心区域求得的运动矢量的可靠度。在运动矢量的可靠度低的情况下，能够除去该运动矢量等，因此能够提高边界的识别度。

现有技术文献

专利文献

专利文献1：国际公开WO2011/052602号

发明内容

发明要解决的问题

在现有的专利文献1等中记载的求得运动矢量来识别组织的边界的方法需要通过块匹配处理来求得图像上的各区域的运动矢量、将该运动矢量变换为标量来生成标量场图像这样的两个步骤。

本发明的目的在于提供一种不求出运动矢量而是能够直接生成标量场图像来掌握被检测体的边界的超声波成像装置。

用于解决问题的手段

为了达到上述目的，根据本发明的第1方式，提供如下的超声波成像装置。即，具有：朝向对象发送超声波的发送部；接收从上述对象到来的超声波的接收部；和处理接收部的接收信号来生成2帧以上的图像的处理部。处理部对所生成的2帧以上的图像中的一个帧设定多个关心区域，对另一帧按上述多个关心区域的每一个关心区域设定比上述关心区域大的搜索区域，在搜索区域内设定多个与关心区域对应的大小的候补区域，通过按多个候补区域的每一个候补区域求得关心区域的像素值与上述候补区域内的像素值之间的范数，从而求得搜索区域内的范数的分布，将表示范数的分布状态的值(标量值)作为与搜索区域对应的关心区域的像素值来生成图像。

发明效果

根据本发明，求得表示搜索区域的范数的分布状态的值。范数若有边界，则表示沿着边界较低的值。因此，由于将表示范数的分布状态的值(标量值)作为与搜索区域对应的关心区域的像素值来生成图像，因此无需生成矢量场就能够生成表示被检测体的边界的图像。

附图说明

图1为表示第1实施方式的超声波成像装置的系统结构例的框图。

图2为表示第1实施方式的超声波成像装置所进行的图像生成的处理顺序的流程图。

图3为表示图2的步骤24的详细情况的流程图。

图4为采用两层构造的被检测体(人体模型)来说明图2的步骤24的处理的图。

图5(a)为表示关心区域位于静止部分时的、搜索区域的p范数分布的分布图，(b)为(a)的p范数分布的直方图，(c)为表示第1实施方式的关心区域位于边界部时的搜索区域的p范数分布的分布图、(d)为(c)的p范数分布的直方图。

图6(a)为第1实施方式的B模式像，(b)为第1实施方式的标量场图像，(c)为现有技术的矢量场图像，(d)为现有技术的矢量场图像的应变张量图像。

图7(a)为表示第1实施方式的标量场图像与B模式图像的叠加图像的说明图，(b)为表示第1实施方式的标量场图像、B模式图像、矢量场图像的叠加图像的说明图。

图8为表示第1实施方式的超声波成像装置所进行的图像生成的处理顺序的流程图。

图9(a)为表示在标量场图像中产生了虚像的例子的图像，(b)为第2实施方式的p范数值的平均值与频度的直方图，(c)为在第2实施方式中将低可靠部置换为暗色显示的标量场图像。

图10为表示第2实施方式的图像的处理顺序的流程图。

图11为表示第3实施方式的图像的生成顺序的流程图。

图12(a)～(h)为表示在第3实施方式的搜索区域中设定的8个方向的模型的说明图。

图13(a)～(c)为表示第6实施方式的边界的朝向与矢量场的图案例的说明图。

图14为表示求得第6实施方式的边界范数的顺序的流程图。

图15为表示在第7实施方式中一部分重复设定的ROI的说明图。

图16为表示采用第7实施方式的查找表的用于减少运算量的处理顺序的流程图。

图17为表示在第8实施方式中针对连续帧求出的信息熵的图表。

图18为表示采用第8实施方式的信息熵的图像显示的处理顺序的流程图。

图19(a)为表示第9实施方式提取出的标量场图像、矢量场图像和B模式图像的叠加图像的说明图，(b)为标量场图像的标量值与频度的直方图。

图20为表示生成第9实施方式提取出的标量场图像的处理顺序的流程图。

具体实施方式

本发明的超声波成像装置具有：发送部，其朝向对象发送超声波；接收部，其接收从对象到来的超声波；和处理部，其对接收部的接收信号进行处理并生成2帧以上的图像。处理部对所生成的2帧以上的图像中的一个帧设定多个关心区域，对另一个帧按多个关心区域的每一个关心区域设定比关心区域大的搜索区域。在搜索区域内设定多个与关心区域对应的大小的候补区域。处理部通过按多个候补区域的每一个候补区域求得关心区域的像素值与候补区域内的像素值之间的范数，从而求得搜索区域内的范数的分布，将表示范数的分布状态的值(标量值)作为与搜索区域对应的关心区域的像素值来生成图像。在此，也可在关心区域中代替像素值而直接采用接收信号的振幅值或者相位值来计算出范数。由于像素值被实施了对数压缩处理，因此原始的接收信号一方的线性变化被正确地反映，从而可实现高分辨率。

若有边界，则范数表示沿着边界较小的值，因此通过将表示范数的分布状态的值(标量值)作为与搜索区域相对应的关心区域的像素值来生成图像，从而本发明的超声波成像装置能够在不生成矢量场的情况下生成表示被检测体的边界的图像。

范数可使用由下述式(1)表示的p范数(也称作幂乘范数)。

[数学式1]

其中，P_m(i₀、j₀)为位于上述关心区域内的规定位置(i₀、j₀)(例如中心位置)处的像素的像素值，P_m+Δ(i、j)为位于上述候补区域内的位置(i、j)处的像素的像素值，p为预先确定的实数。

上述p优选为比1大的实数。

作为表示范数的分布状态的值(标量值)，例如采用范数分布的统计量。例如，作为统计量，可采用根据搜索区域内的范数分布的范数值的最小值与范数值的平均值之差定义的偏离度。此外，例如能够采用搜索区域内的范数分布的范数值的标准偏差除以平均值所得到的变动系数作为统计量。

作为表示范数的分布状态的值(标量值)，也可采用统计量以外的值。例如，分别求得以在搜索区域内设定的关注区域作为中心的多个方向中位于沿着该方向的位置上的候补区域的范数值的平均值变得最小的第1方向、和经过关注区域与第1方向正交的第2方向，能将沿着第1方向的候补区域的范数值的平均值与沿着第2方向的候补区域的范数值的平均值的比率值或者差分值用作表示针对与搜索区域相对应的关心区域的范数的分布状态的值。此时，也可预先通过拉普拉斯滤波对搜索区域内的范数的分布进行增强处理，针对增强处理后的分布求得比率值或者差分值。

此外，生成表示搜索区域内的范数的分布的矩阵，通过对矩阵实施特征值分解处理来求得特征值，也可将该特征值用作表示针对与搜索区域相对应的关心区域的范数的分布状态的值(标量值)。

此外，处理部也可以是进一步求得运动矢量的结构。例如，处理部将搜索区域中范数值变得最小的候补区域选择为关心区域的移动目的地，并求得将关心区域的位置与所选择的候补区域的位置连结的运动矢量。通过对多个关心区域分别生成运动矢量，从而生成运动矢量场。另外，处理部针对在运动矢量场中设定的多个关注区域分别求得关于x分量的y方向微分的平方值和关于y分量的x方向微分的平方值的总和作为边界范数值，也可将该边界范数值作为关注区域的像素值来生成图像。

此外，处理部也可以是以下结构：在设定成将多个关心区域重复一部分的情况下，将针对关于一个关心区域计算范数时所重复的区域求得的值保存到存储区域的查找表中，对其他关心区域计算范数时从查找表中读出并采用该值。同样地，在设定成将多个候补区域重复一部分的情况下，也可将针对重复的区域所求得的值保存于存储区域的查找表中，针对其他候补区域计算范数时从查找表中读出并采用该值。由此，能够减少运算量。

此外，处理部针对将表示范数的分布状态的值作为像素值而生成的图像，以时间序列生成多帧，按每个帧计算出信息熵量，若信息熵量比预先设定的阈值小，则也可不使用为显示帧的图像。由此，能够排除信息熵量小的异常图像，能显示视觉辨认性良好的连续图像。

此外，生成提取了表示范数的分布状态的值为规定值以上的像素的提取图像，也能与B模式图像重叠显示。表示范数的分布状态的值为规定值以上的像素是表示边界部的像素，因此只能在B模式像的边界部显示提取图像。为了确定上述规定值，针对作为像素值而生成了表示范数的分布状态的值图像，生成表示范数的分布状态的值及其频度的直方图，搜索直方图的山形状分布，还能将山形状分布的最小值用作上述规定值。

此外，本发明的另一方式的超声波成像装置具有：发送部，其朝向对象发送超声波；接收部，其接收从上述对象到来的超声波；和处理部，其对上述接收部的接收信号进行处理并生成2帧以上的图像。处理部对与所接收的2帧以上的图像对应的接收信号中、相当于1帧的接收信号分布设定多个关心区域，对相当于另一帧的接收信号分布按多个关心区域的每一个关心区域设定比关心区域大的搜索区域，在搜索区域内设定多个与关心区域对应的大小的候补区域，通过按多个候补区域的每一个候补区域求得关心区域的振幅分布或者相位分布与候补区域内的振幅分布或者相位分布之间的范数，从而求得搜索区域内的范数的分布，将表示该范数的分布状态的值作为与搜索区域对应的关心区域的像素值来生成图像。

此外，通过本发明，提供超声波成像方法。即朝向对象发送超声波，对接收从上述对象来的超声波所得到的接收信号进行处理而生成2帧以上的图像。从图像中选择2帧，在一个帧中设定多个关心区域，在另一帧中按多个关心区域的每一个关心区域设定比关心区域大的搜索区域。在搜索区域内设定多个与关心区域对应的大小的候补区域。通过按多个候补区域的每一个候补区域求得关心区域的像素值与候补区域内的像素值之间的范数，从而求得搜索区域内的范数的分布。将表示范数的分布状态的值作为与搜索区域对应的上述关心区域的像素值来生成图像。

此外，通过本发明提供超声波用成像程序。即，是用于使计算机执行以下步骤的超声波成像用程序：第1步骤，从2帧以上的超声波图像中选择2个帧；第2步骤，对一个帧设定多个关心区域；第3步骤，对另一个帧按多个关心区域的每一个关心区域设定比上述关心区域大的搜索区域，在搜索区域内设定多个与上述关心区域对应的大小的候补区域；第4步骤，通过按上述多个候补区域的每一个候补区域求得关心区域的像素值与上述候补区域内的像素值之间的范数，从而求得搜索区域内的范数的分布；第5步骤，将表示范数的分布状态的值作为与搜索区域对应的关心区域的像素值来生成图像。

以下具体说明本发明的一实施方式的超声波成像装置。

(第1实施方式)

图1表示本实施方式的超声波成像装置的系统结构。本装置具备超声波边界检测功能。如图1所示，本装置具备超声波探头(探针)1、用户界面2、发送波波束形成器3、控制系统4、收发切换开关5、接收波波束形成器6、包络线检波部7、扫描变换器8、处理部10、参数设定部11、合成部12以及显示部13。

一维地排列了超声波元件的超声波探头1是向生物体发送超声波束(超声波脉冲)的发送部，并且是接收从生物体反射的回波信号(接收波信号)的接收部。在控制系统4的控制下，由发送波波束形成器3输出具有与发送波焦点一致的延迟时间的发送波信号，经由收发切换开关5而发送到超声波探头1。在生物体内被反射或者散射后返回到超声波探头1的超声波束通过超声波探头1被变换为电信号，经由收发切换开关5作为接收波信号而发送到接收波波束形成器6。

接收波波束形成器6为对错开了90度相位的两个接收波信号进行混频的多个波束形成装置，在控制系统4的控制下，按照接收时刻进行调整延迟时间的动态聚焦，输出实部与虚部的RF信号。该RF信号被包络线检波部7检波后被变换为视频信号，输入到扫描变换器8而被变换为图像数据(B模式图像数据)。以上所说明的结构与公知的超声波成像装置的结构相同。另外，在本发明中，通过直接处理RF信号的结构也能实施超声波边界检测。

本发明的装置中，通过处理部10实现超声波边界检测处理。处理部10具有CPU10a和存储器10b，通过CPU10a执行预先在存储器10b中保存的程序，从而生成能检测被检测体组织的边界的标量场图像。关于标量场图像的生成处理将利用图2等在后面进行详细说明。合成部12对标量场图像和B模式图像进行合成处理之后，在显示部13中进行显示。

在参数设定部11中，进行处理部10的用于信号处理中的参数或合成部12的显示图像的选择设定等。由操作者(装置操作者)从用户界面2输入这些参数。作为用于信号处理中的参数，可从操作者受理例如期望的帧m上的关心区域的设定、与帧m不同的帧m+Δ上的搜索区域的设定。作为显示图像的选择设定，例如，可从操作者受理将原始图像和矢量场图像(或者标量图像)合成为一个图像后显示于显示器、或者排列两个图像以上的运动图像来进行显示的选择设定。

图2为表示本发明的处理部10以及合成部12中的图像的生成以及合成处理的动作的流程图。处理部10首先从扫描变换器8取得测量信号，实施通常的信号处理来生成B模式运动图像(步骤21、22)。接下来，从B模式运动图像中提取期望的帧m和与期望的帧m不同的时间的帧m+Δ这两个帧(步骤23)。例如Δ＝1帧，提取期望帧m和接下来的帧m+1这两个帧。也可经由参数设定部11从操作者受理这两个帧的提取，也可以是处理部10自动选择的结构。

处理部10根据所提取的两个帧计算出p范数分布，生成标量场图像(步骤24)。生成将所求得的标量场图像与B模式图像重叠而得到的合成图像，并在显示部13中进行显示(步骤27)。步骤23中，作为期望帧，选择按时间序列依次不同的帧并反复进行上述步骤21～27的处理，通过连续显示合成图像，从而也能显示合成图像的运动图像。

图3为表示上述步骤24的标量场图像的生成动作的详细处理的流程图。首先，处理部10如图4那样在步骤23提取的帧m中设定规定的像素数N的关心区域ROI(region ofinterest：关心区域)31(步骤51)。将ROI31所包括的像素的像素值例如亮度的分布表示为P_m(i₀、j₀)。i₀、j₀表示ROI31内的相应像素的位置。

接下来，处理部10如图4那样在步骤23提取的帧m+Δ中设定规定大小的搜索区域32(步骤52)。搜索区域32包括帧m的ROI31的位置。例如，设定为搜索区域32与ROI31的中心位置一致。搜索区域32的大小被设为比ROI31大的规定的尺寸。在此，说明对横跨帧m的图像整体依次设定ROI31、设定以此为中心的规定大小的搜索区域32的结构，但也可只对在参数设定部11中从操作者受理到的帧m的规定范围依次设定ROI31。

处理部10在搜索区域32内如图4那样设定与ROI31相等大小的多个候补区域33。图4中，将搜索区域32按照与ROI31相等的大小划分为矩阵状，设定候补区域33，但也可设定成相邻的候补区域33一部分重合。将候补区域33所包括的像素的像素值、例如亮度的分布表示为P_m+Δ(i、j)。i、j表示候补区域33内的相应像素的位置。

处理部10采用候补区域33的像素的亮度分布P_m+Δ(i、j)和ROI31的亮度分布P_m(i₀、j₀)，通过上述的式(1)计算p范数，将该p范数作为该候补区域33的p范数值。上述式(1)的p范数是，求得ROI31的位置(i₀、j₀)的像素的亮度P_m(i₀、j₀)和位于与候补区域33内的位置i₀、j₀相对应的位置(i、j)处的像素的亮度P_m+Δ(i、j)之差的绝对值的p次幂，对候补区域33的所有的像素相加后进行了1/p幂的值。p值采用预先确定的实数、或者经由参数设定部11从操作者受理到的值。p值不限于整数，也可为小数。

如上述式(1)那样设定幂数为p的p范数是相当于距离概念的值，表示ROI31的亮度分布P_m(i₀、j₀)与候补区域33的亮度分布P_m+Δ(i、j)的类似度。即，若ROI31的亮度分布Pm(i₀、j₀)与候补区域33的亮度分布P_m+Δ(i、j)相同，则p范数为零。此外，若两者的亮度分布不同，则差异越大就表示越大的值。

处理部10针对搜索区域32的所有候补区域33求得p范数值(步骤53)。由此，能够求得与ROI31相对应的搜索区域32内的p范数分布。所求得的p范数值保存在处理部10内的存储器10b中。

图5(a)、(c)表示本发明的p范数分布的例子。图5(a)为ROI31及其搜索区域32均位于被检测体的静止部分时的搜索区域32的范数分布。图5(c)是作为被检测体使凝胶基材的人体模型41与人体模型42上下重叠并且在下侧人体模型相对于上侧人体模型41可在水平方向上相对滑动的边界上配置了ROI31时的搜索区域32的范数分布。另外，图5(a)、(c)中搜索区域32被划分为21×21个候补区域33。候补区域33的块尺寸为30×30像素、搜索区域32为50×50像素，使候补区域33在搜索区域32内每次移动一个像素。即，相邻的候补区域33重叠了29像素。搜索区域32的中心与ROI31的位置对应。

如图5(a)所示，在ROI31位于静止部分的情况下，p范数分布中与ROI31的位置相对应的中心位置为最小范数值。另一方面，如图5(c)所示，在滑动的被检测体的边界上配置ROI31的情况下，对于范数分布而言，不仅搜索区域32的中心位置成为最小范数值，而且在沿着搜索区域32内的被检测体的边界的方向上形成p范数值小的区域(p范数的波谷)。

如上那样，在本发明中利用根据ROI31位于被检测体的静止部分还是位于滑动的边界而用图像来表示搜索区域32的p范数的分布不同的情况。具体地来说，求得表示搜索区域32的p范数的分布的统计量，成为与该搜索区域32相对应的ROI31的标量值(步骤54)。作为统计量，只要是能表示静止部分与边界部分的p范数分布的差的值即可。在此，采用由式(2)求得的偏离度作为统计量。

[数学式2]

：p范数值平均

s_min：最小p范数值

即，处理部10根据搜索区域32的所有p范数值求得最小值和平均值，根据式(2)运算偏离度。

采用图5(b)、(d)的直方图表示式(2)的偏离度。图5(b)、(d)分别为图5(a)、(c)的搜索区域32内的p范数值的直方图。如图5(a)所示在ROI31位于静止部分的情况下，搜索区域32的p范数分布中，与ROI31的位置对应的中心位置为最小范数值，其周边的p范数值大，因此发现p范数值的最小值与分布的平均离地足够远的特征。因此，偏离度变大。另一方面，如图5(c)所示，在ROI31位于边界部的情况下，与ROI31对应的中心位置的p范数值成为最小值，但沿着其周边的边界的区域也存在p范数值变小的误差，因此直方图整体的分布呈现扩展的样子。因此，p范数的最小值与分布的平均值之差变小，偏离度也变小。

如上所述，在步骤54中，通过求得p范数分布的偏离度(标量值)，从而能够采用标量值表示该ROI31位于被检测体的静止部分还是位于滑动的边界。

反复上述步骤51～54直到针对所有ROI31进行计算为止(步骤55)。生成将针对所有ROI31求得的偏离度(标量值)变换为图像的像素值(例如亮度值)的图像(标量场图像)(步骤56)。通过以上的步骤51～56生成步骤24的标量场图像。

在图6(a)中表示由上述步骤22求得的B模式图像，在图6(b)中表示由上述步骤24求得的标量场图像的具体例子。图6(a)的B模式图像为将凝胶基材人体模型41、42重叠两层并在上侧的人体模型41上固定超声波探针并使该超声波探针在横向上移动的同时拍摄到的图像。固定了超声波探针的上侧相对处于静止状态，另一方面，下侧的人体模型42成为表示横向移动的矢量场。另外，图6(b)中取p＝2进行了计算。

如图6(b)所示，可知将本发明的p范数分布的偏离度(标量值)作为像素值的标量场图像中人体模型41、42的滑动边界部的偏离度变大，能够明确地以图像表示滑动边界部。因此，在步骤26中，通过单独或者与B模式图像重叠地显示标量场图像，从而能够采用标量场图像明确地显示很难在B模式图像中显示边界的边界，例如能够明确地显示声阻抗和弹性率与周围没有较大差别的组织的边界。

此外，可知图6(b)的标量场图像在穿透界限附近的深部区域中也不会产生虚像，能够抑制虚像。

作为比较例，在图6(c)中表示通过现有技术的块匹配处理求得的矢量场图像。该图像是，将图6(a)的B模式图像设为帧m，通过与下一帧(帧m+Δ、Δ＝1帧)的块匹配处理(步骤24)来求得ROI的移动位置，用矢量(箭头)表示了移动的方向以及大小的矢量场图像。图6(c)中，在下部(深部)的区域发现了运动矢量散乱的现象。这是由于距设置于上部的探针的距离越远，检测灵敏度的SN比就越小从而电噪声等的影响增大的情况引起的，表示穿透界限。图6(d)表示了求得图6(c)的矢量场的应变张量，并将应变张量作为像素值(例如亮度值)而进行了图像化的情况。在图6(c)中，也发现了由于错误矢量的影响而在深部产生了虚像的现象。

如上所述，与现有的图6(c)、(d)的矢量场和基于矢量场的应变张量场图像相比，根据本实施方式的p范数求得的张量场图像(图6(b))能够抑制虚像，能明确地表示滑动边界部。

如图7(a)所示，将由本发明所求得的标量场图像和B模式图像重叠在一起进行显示。由此，在B模式像的边界不清楚的情况下，也能通过标量场图像掌握边界。

此外，本实施方式中，还生成矢量场图像，也能将矢量场图像与标量场图像以及B模式图像重叠在一起进行显示。在这种情况下，如图8所示，在步骤24之后进行步骤25。在步骤25中，在通过步骤24计算出的搜索区域32内的所有候补区域33的p范数值中搜索最小值，将最小值的候补区域33判定为ROI31的移动目的地区域，决定将ROI31的位置(i₀，j₀)与移动目的地的候补区域的位置(i_min，j_min)连结的运动矢量。通过对所有的ROI31执行该步骤，从而得到矢量场。生成用箭头表示各矢量的图像，并能得到矢量场图像。

将所得到的矢量场图像与标量场图像以及B模式图像重叠在一起进行显示(步骤26)。在图7(b)中表示叠加图像的例子。通过重叠显示矢量场图像，夹持采用标量场图像确认的边界，能够明确地掌握被检测体朝向哪个方向移动。

在本实施方式中，式(1)的p范数的p值只要是实数即可，最佳的p值可设定为例如对评价对象的典型样品采用适当的变化幅度进行p值的参数调查而得到虚像最少的清晰的图像的值。此外，p值优选为比1大的实数。图9(a)表示设定p＝1并针对图6(a)的2层滑动人体模型的B模式像执行图2以及图3的流程而得到标量场图像时的图像例。可知图9(a)中，在图像下部(深部)中，与图6(b)的p＝2的情况相同，抑制了虚像。但是在比边界线更靠近上部的静止区域中，发现了新的虚像。推测这是因为p＝1的范数容易受到稀疏性的影响。由此，由于抑制静止部分的虚像，因此期望将p设定为比1大的值。另外，也能进行用于排除虚像的图像处理。关于这一点将在第2实施方式中进行说明。

此外，上述说明中，求得偏离度作为了表示搜索区域32的p范数的分布状态的统计量，并根据该值生成了标量场图像，但也可采用偏离度以外的其他参数。例如，可使用变动系数。由下式定义变动系数，是利用平均归一化了标准偏差的统计量，表示分布的偏差的大小(即最小值的分离难度)。

[数学式3]

σ_s：标准偏差

：p范数值平均

(第2实施方式)

在第2实施方式中，当在通过第1实施方式求得的标量场图像中产生虚像时，除去虚像等。即，识别图像区域的可靠度，通过除去可靠度低的区域，从而除去虚像，提高图像整体的可靠度。利用图9以及图10来说明这一点。

图9(a)为如第1实施方式中所述的那样在式(1)中设p＝1而求得的标量场图像，在边界部产生了虚像。图9(b)为在图像区域的可靠度的识别中采用的直方图，图9(c)为将可靠度低的图像区域的亮度置换为暗色的标量场图像。图10为表示用于除去虚像的处理部10的动作的流程图。

首先，若处理部10从操作者受理到了除去虚像的指示，则通过读取并执行用于除去虚像的程序，从而如图10的流程那样工作。首先，选择在图3的流程的步骤51中设定的多个ROI31中的一个(步骤102)，从处理部10内的存储器10b中读出针对与该ROI31对应的搜索区域32内的多个候补区域33所求得的p范数值，计算出其平均，并设为与该ROI31对应的p范数值的平均值(步骤103)。针对所有的ROI31反复进行该步骤102、103(步骤101)。

根据针对所有的ROI31求得的p范数值的平均值及其频度来生成图9(b)那样的直方图(步骤104)。p范数值的平均值越大就评价为可靠度越低的ROI，若在直方图中p范数值的平均值大的区域内生成了低峰值的山状分布，则将该部分判定为低可靠度区域91。即，将位于p范数值的平均值小的区域的峰值大的山状分布判定为高可靠部90，相比之下，将位于p范数值的平均值大的区域的低峰值的山状分布判定为低可靠部91。而且，求得低可靠部91与高可靠部90之间的波谷(频度最小值)93的位置(步骤105)。将p范数值的平均值比波谷93大的范围(低可靠度区域91)的ROI31设定为低可靠度区域(步骤106)。针对该ROI31除去图3的步骤54中所求得的标量值(偏离度或变动系数)后生成标量场图像(步骤107)。例如，如图9(c)所示，针对低可靠度区域的ROI31，将亮度置换为预先确定的规定暗色来进行显示。此外，也可将低可靠度区域的ROI31的亮度置换为规定的明亮色或者置换为与周边的亮度相同的亮度来进行显示。

通过第2实施方式，能够除去虚像，因此可提供能够更明确地识别被检测体的边界的标量场图像。

(第3实施方式)

在第1实施方式中，求得p范数分布的统计量(偏离度或变动系数)来生成了图像，但在第3实施方式中，采用其他方法根据p范数分布来生成能够识别组织的边界的图像。采用图11以及图12来说明该处理方法。

在搜索区域32的p范数值的分布中，如第1实施方式所述那样，沿着被检测体的边界的候补区域33形成p范数值沿着边界而变小的区域(p范数值的波谷)。因此，p范数值的分布具有沿着边界的候补区域33的值表示比沿着与边界正交的方向的候补区域33小的值的特征。在本实施方式中利用该特征来生成图像。

图11表示本实施方式的处理部10的处理流程。此外，图12(a)～(h)表示在搜索区域32的p范数值的分布上选择的候补区域33的8个图案。另外，图12(a)～(h)为了便于图示而图示了在搜索区域32内以5×5矩阵状配置候补区域33的例子，但候补区域33的实际的配置是在步骤52中设定的配置。

首先，处理部10执行第1实施方式的图2的步骤21～23以及图3的步骤51～53，针对与多个ROI31对应的搜索区域32求得p范数值的分布。接下来，选择ROI31(步骤111)，在与该ROI31对应的搜索区域32的范数值分布中，如图12(a)所示那样设定通过搜索区域32的中心的规定方向151。例如，在图12(a)的情况下，规定方向151为水平方向。选择沿着所设定的方向151坐落的多个候补区域33，求得这些候补区域33的范数值的平均(步骤114)。

针对图12(a)～(h)的8个图案所示的8个方向151都进行该步骤113、114的处理(步骤112)。图12(b)的图案中，规定方向151为相对于水平方向以逆时针方向倾斜了约30°的方向。图12(c)～(h)的图案中，规定方向151为分别相对于水平方向以逆时针方向倾斜了约45°、约60°、90°、约120°、约135°、约150°的方向。

选择8个规定方向151中p范数值的平均成为最小值的方向151(步骤115)。接下来，设定与所选择的方向151正交的方向152，求得沿着该方向152坐落的候补区域33的p范数值的平均(步骤116)。与8个方向151正交的方向152如图12(a)～(h)所示。计算出在步骤115中选择出的p范数值的平均值最小的方向151的p范数值的平均、和与在步骤116中所求得的所选择的方向151正交的方向152的p范数值的平均的比率(＝正交方向152的p范数值的平均/最小方向151的p范数值的平均)。将该比率设为对象ROI31的像素值(例如亮度值)。通过针对所有的ROI31执行该处理来生成图像(步骤117)。

沿着搜索区域32的被检测体的边界的候补区域其p范数值小(波谷)，因此在步骤117中所求得的比率在位于边界上的ROI31中时，与不位于边界上的ROI31相比，更大。因此，通过设比率为像素值，从而能够生成可明确地识别边界的图像。

另外，在本实施方式中，采用了p范数值的平均的比率，但并不限于此，也能采用最小方向151的p范数值的平均与正交方向152的p范数值的平均的差分值等其他函数值。

在上述说明中，如图12(a)～(h)所示，是从排列在搜索区域32内的候补区域33的p范数值的分布的波谷求得被检测体的边界的结构，但本发明并不限于此，也能采用相同的方法，根据一个候补区域33内的像素值的分布求得被检测体的边界。具体地来说，在图12(a)～(h)中考虑将搜索区域32置换为候补区域33、将搜索区域32内的候补区域33置换为像素。此时，在图12(a)～(h)的例子中，一个候补区域33由5×5像素构成。在候补区域33内，设定经过候补区域33的中心像素的8个方向151和与该方向151正交的方向152。8个方向151以及与其正交的8个方向152分别由5像素构成。设各方向的5像素的像素值为P_m+Δ(i、j)、5像素的中心像素的像素值为P_m(i₀、j₀)，根据第1实施方式的式(1)计算该方向的5像素的p范数。求出如上那样得到的p范数的值除以像素数(5像素的情况下为5)后得到的p范数平均值。针对图12(a)、(b)的8个方向151分别求得该p范数平均值，选定p范数平均值成为最小值的方向151。计算出成为最小值的方向151和与其正交的方向152的p范数平均值的比率。

在位于被检测体的边界部分的候补区域33中，沿着边界的方向(p范数平均值变最小的方向151)的像素的p范数平均值变小、其正交方向152的p范数平均值变大，因此两者的比率成为大的值。另一方面，在位于被检测体的边界以外的普通区域的候补区域33中，方向151的p范数平均值和其正交方向152的p范数平均值相同，因此两者的比率接近于1。因此，若针对对象帧的图像整体的候补区域33计算出上述比率，则比率大的候补区域33的像素相当于边界部分，因此将上述比率作为候补区域33的中心像素的像素值来生成图像，从而能够生成可采用像素单位推测边界线的图像。也可代替比率而采用成为最小值的方向151的p范数平均值和其正交方向152的p范数平均值的差分值等其他函数值。

(第4实施方式)

对第4实施方式进行说明。

在第4实施方式中，在第3实施方式中处理部10在对搜索区域32的p范数分布实施图11的处理之前，对p范数分布应用拉普拉斯滤波，对p范数分布实施增强处理。通过对p范数分布实施增强处理，从而可增强沿着边界方向的p范数值的波谷，因此之后进行第3实施方式的图11的处理的话，能够根据所得到的比率值等获得在边界部和不是边界部的区域中对比度大的图像。

具体地来说，执行第1实施方式的图2的步骤21～23以及图3的步骤51～53，针对与多个ROI31对应的搜索区域32求得p范数值的分布。对所求得的p范数值的分布实施空间2次微分处理(拉普拉斯滤波)，生成沿着边界方向的p范数值的波谷被增强的轮廓的p范数值分布。对应用拉普拉斯滤波后的p范数值分布实施第3实施方式的图11的处理来生成图像。

同样地，当根据在第3实施方式的后半部分中所说明的候补区域33内的像素值的分布求得被检测体的边界时，对像素值的分布应用拉普拉斯滤波，实施增强处理，之后也能求得p范数平均值和比率。

(第5实施方式)

作为第5实施方式，说明采用特征值分解处理来生成可根据p范数分布识别组织边界的图像的处理方法。

首先，处理部10执行第1实施方式的图2的步骤21～23以及图3的步骤51～53，针对与多个ROI31对应的搜索区域32求得p范数值的分布。采用所求得的搜索区域32内的候补区域33的p范数值(N_mn)来生成矩阵A。将矩阵A代入到下述式(4)的固有方程式中，求得特征值λ_n、λ_n-1、…λ₁。将特征值中的最大特征值或者特征值的线性结合设为与该搜索区域32对应的ROI31的标量值。在此，所谓特征值的线性结合是，例如采用最大特征值λn和第二个特征值λ_n-1这两个来将该函数例如λ_n-λ_n-1设为标量值。

[数学式4]

Av＝λ_iv    (i＝1，···，n)···(4)

$>A=\left(\begin{array}{ccc}{N}_{11}& ···& N_{m1}\\ ·& ·& ·\\ ·& ·& ·\\ ·& ·& ·\\ N_{1n}& ···& N_{\mathrm{mn}}\end{array}\right)$>

λ_i＝〔λ_n，λ_n-1，···λ₁〕

其中，N_mn是针对搜索区域32内的候补区域33利用式(1)求得的p范数值，m以及n表示搜索区域32内的候补区域33的位置。

针对所有的ROI31，求得最大特征值或者特征值的线性结合作为标量值，与图3的步骤56相同地生成将标量值设为像素值(亮度值等)的标量场图像。

如上所述，在本发明中能够利用特征值来生成标量场图像。

在本实施方式中利用了特征值中的最大特征值或者特征值的线性结合，但不限于此，也可利用其他一个以上的特征值。

(第6实施方式)

作为第6实施方式，说明当在第1实施方式中进行图8的步骤25而生成了运动矢量场图像时基于矢量场来生成可提取边界的标量场图像的处理方法。

假设通过图8的步骤25求出的运动矢量场为图13(a)、(b)、(c)那样的模型。图13(a)的模型为被检测体的边界的方向经过中心的ROI(关注像素)131且呈水平方向的例子，图13(b)的模型为边界的方向是垂直方向的例子，图13(c)的模型为边界的方向是倾斜45度方向的例子。假设被检测体的夹着边界的区域分别在相反方向上以大小c的运动矢量进行移动。

关于这种模型的矢量场，首先说明求得现有的应变张量并将其变换为标量场的情况。求得应变张量的数学式为专利文献2所记载的公知的式子，由下式进行定义。

[数学式5]

式(5)中，将运动矢量的x分量设为X，将y分量设为Y。

可作为例如ROI131的两侧的各矢量分量的差分平均来计算式(5)所表示的偏微分值。具体地来说，在图13(a)、(b)、(c)的各模型中，求得式(6)。

[数学式6]

$>(\partial Y/\partial x,\partial X/\partial y)···\left(6\right)$>

例如，在图13(a)的矢量场中是(0，C)，在图13(b)的矢量场中是(-C，0)，在图13(c)的矢量场中是因此，即使是夹着边界、两侧的矢量场的大小为C且朝向相反这样的相同的条件，也如图13(c)所示，在边界为倾斜方向的情况下，如图13(a)、(b)所示，应变张量成为水平或垂直的边界时的应变张量的C/2，因此若通过应变张量将矢量场变换为标量场并将应变张量作为ROI131的像素值进行图像化，则倾斜方向的边界与水平或垂直的图像相比变得不清晰。因此，倾斜方向的边界的检测能力下降。

因此，在本发明中，采用由下式(7)定义的标量值，将运动矢量场变换为标量场。式(7)为包括与式(1)相同的幂以及次方根的形式，因此在此称作边界范数。

[数学式7]

在图13(a)、(b)、(c)的各模型中，若求得上述边界范数，则任一个模型的边界范数值都成为C。因此，与矢量的方向无关地，能够将矢量场等同地变换为标量场。因此通过本发明的边界范数，将矢量场变换为标量场，通过生成将标量值(边界范数值)设为ROI131的像素值的图像，从而能进行相对于方向而稳健性高的边界检测。

图14表示采用了本实施方式的边界范数的标量场图像的生成顺序。首先，执行第1实施方式的图8的步骤21～25，并生成矢量场图像。对所生成的矢量场图像执行图14的处理。首先，在矢量场图像上设定多个ROI131(步骤142)。接下来，对一个ROI131在x方向以及y方向上进行矢量的偏微分，采用进行了偏微分所得到的值来计算式(7)的边界范数(步骤143)。将所得到的边界范数值设为该ROI131的标量值。对所有ROI131反复这些处理(步骤141)。然后，将边界范数值变换为ROI131的像素值(例如亮度值)来生成标量值图像。

(第7实施方式)

对第7实施方式进行说明。

在第7实施方式中，在第1实施方式的图3的步骤51中设定多个ROI31时，如图15那样为了提高分辨率而配置成ROI31的一部分重叠的情况下，在步骤53中，将重复区域151的运算结果保存在设置于处理部10的存储器10b内的查找表中，削减运算量。其他结构与第1实施方式相同。

图16表示本实施方式的步骤53的处理顺序。另外，在图16的流程中对与图3的流程相同的步骤赋予相同的符号。

最初，在图2的步骤51中所设定的多个ROI31中如图15那样存在重复区域151-1、151-2的情况下，在处理部10的存储器10b内登记用于将针对该重复区域的像素的后述的式(8)的p范数和按步骤52的每个候补区域33进行记录的存储器区域，从而生成查找表(步骤161)。

接下来，选择对象ROI31-1(步骤163)，进而选择与对象ROI31-1对应的搜索区域32内的候补区域33。针对ROI31-1的像素中在查找表中没有保存p范数和的像素(即不是重复区域151-1的像素)，通过作为式(1)的p次方根中的式、即下式(8)，计算p范数和(步骤165)。另外，在步骤165中，在查找表中未记录重复区域151-1的p范数和数据的情况下，针对重复区域151-1的像素也计算p范数和。

[数学式8]

接下来，参照查找表，保存有该ROI31-1的重复区域151-1的像素的p范数和数据的情况下，读出该数据，与在步骤165中求出的p范数和进行相加，通过计算出加法运算结果的p次方根来求得式(1)的p范数(步骤166)。由此，能够求得针对该ROI31-1的相应候补区域的p范数值。所求得的p范数值保存在存储器10b中。

在由步骤166计算出的p范数和中，在查找表中包括未记录的重复区域151-1的数据的情况下，将该重复区域151-1的p范数和记录于查找表中(步骤167)。针对与ROI31-1对应的搜索区域32内的所有候补区域反复进行。由此，能够求得ROI31-1的p范数值分布(步骤168)。若求得针对该ROI31-1的p范数值分布，则通过步骤54求得偏离度，并设为对象ROI31-1的标量值。

接下来，选择下一个ROI31-2(步骤162、163)，并选择候补区域(步骤164)。针对ROI31-2的像素中的p范数和未被保存在查找表中的像素(即不是重复区域151-1的像素)，通过式(1)的p次方根中的式、即下式(8)，计算p范数和(步骤165)。该ROI31-2的重复区域151-1的像素的p范数和数据已被保存于查找表中，因此读出该数据，并与在步骤165中所求出的p范数和进行相加，通过计算出加法运算结果的p次方根来求得式(1)的p范数(步骤166)。由此，无需进行重复区域151-1的p范数和的运算，能够以较少的运算量求得针对该ROI31-2的相应候补区域的p范数值。

所求得的p范数值保存于存储器10b。此外，将在步骤165中进行计算时所求得的重复区域151-2的p范数和记录于查找表中(步骤167)。

通过针对所有ROI反复上述步骤163～168，能够求得p范数值分布(步骤55)。由此，不需要重复区域151中的再次计算，能削减运算量。

另外，在本实施方式中，说明了针对相邻的ROI31的一部分重叠的情况设定重复区域并将p范数和保存于查找表中的结构，但对于在搜索区域32内相邻的候补区域33的一部分重叠的情况，也能够设定重复区域，将该区域的p范数和保存于查找表中，从而削减运算量。

(第8实施方式)

对第8实施方式进行说明。

通过针对连续的帧执行上述第1～第7实施方式中的任一个实施方式，从而能够生成根据范数分布生成的标量场的连续图像和矢量场的连续图像，能够以时间序列显示这些图像。此时，由于某种原因，有时会产生没能适当地生成图像的异常帧。在第8实施方式中，除去异常帧，以使能够显示适当的连续图像。

异常帧具有描绘出区域变得极少的特征，因此通过对该特征进行判别，能够判别是异常帧还是正常帧。在本实施方式中，根据信息熵的大小来判别描绘出区域多还是少。由下式(9)定义矢量场图像的信息熵。

[数学式9]

H＝-ΣP_xlogP_x-ΣP_ylogP_y···(9)

在此，Px为矢量的x分量的产生概率，Py为矢量的y分量的产生概率。通过该式求得的信息熵H为x分量和y分量的结合熵，表示帧全体的平均信息量。

在通过第1～第7实施方式针对根据p范数分布等求得的标量场图像求出信息熵的情况下，在式(9)的右边变量只有1个。

图17表示针对时间序列的连续帧的一例通过上述式(9)求得信息熵的结果。图18针对连续的10帧表示信息熵的历时变化。图17表示本实施方式的图像帧的显示处理顺序。信息熵小的帧是信息量少的异常帧，因此不显示信息熵小于规定的阈值的帧，对前面的帧进行保持显示的处理。

具体地来说，通过图18的步骤181设定阈值，选择最初的帧，计算信息熵，在该信息熵小于所设定的阈值的情况下，代替计算出了信息熵的当前帧(该帧)而显示前面的帧，在信息熵为阈值以上的情况下，显示当前帧。对所有帧反复上述处理。通过该处理，可除去异常帧，并能显示视觉辨认性良好的连续图像。另外，作为阈值，例如，也可设为预先确定的值，也可采用规定数的帧的平均值。

(第9实施方式)

对第9实施方式进行说明。

在第1实施方式中，如图7(a)那样重叠地显示了根据p范数分布所求得的标量值图像和B模式图像，在图7(b)中，在这些图像上进一步重叠矢量场图像后进行了显示。在第9实施方式中，如图19(a)那样对于重叠的标量场图像只提取边界部分，通过在B模式图像等上重叠来提高视觉辨认性。

图20表示本实施方式的图像合成的处理顺序。首先，如图19(b)所示那样生成在第1实施方式等中所生成的标量场图像的标量值的直方图(步骤201)。搜索标量值大的区域的山形状分布，并搜索其最小值(分布的波谷)191(步骤202)。然后，将最小值191设定为阈值，在标量场图像中提取比阈值大的标量值的像素，生成所提取的标量场图像(步骤203)。所提取的标量场图像描绘了标量值大的边界部分。通过将该提取出的标量场图像与B模式图像(以及矢量场图像)进行重叠后显示，从而能够明确地识别边界部，除了边界部以外，还能够显示通过B模式图像和矢量场图像能容易确认的视觉辨认性高的图像(步骤204)。

本发明能应用于医用超声波诊断、治疗装置以及采用普通的包括超声波的电磁波来测量变形或偏差的装置的全部。

符号说明

1：超声波探头(探针)、2：用户界面、3：发送波波束形成器、4：控制系统、5：收发切换开关、6：接收波波束形成器、7：包络线检波部、8：扫描变换器、10：处理部、10a：CPU、10b：存储器、11：参数设定部、12：合成部、13：显示部。