超声波成像装置、超声波成像方法及超声波成像用程序

摘要

本发明提供一种超声波成像装置、超声波成像方法及超声波成像用程序。从处理接收信号而得到的2帧以上的图像中选择基准帧和比较帧。在基准帧中设定关心区域，在比较帧中设定比关心区域宽的探索区域，在探索区域内设定作为所述关心区域的移动目标的候补的多个候补区域，按每个候补区域计算关心区域内和候补区域内的图像特征值的类似度，求出整个探索区域内的类似度的分布。由此，可基于类似度的分布来判别关心区域是否为噪声区域。例如，采用在类似度的分布中求出将类似度的最小值和类似度的整体值进行比较的统计量的构成。通过比较统计量和阈值，可判定关心区域的可靠度。从而，提供可判别回波信号微弱的噪声区域的超声波成像装置。

说明书

技术领域

本发明是涉及在通过超声波进行活体成像时可清楚地识别组织边界 的超声波摄像方法及超声波摄像装置的技术。

背景技术

在用于医疗图像诊断的超声波摄像装置中，例如，如专利文献1的记 载所示，公知下述方法：基于诊断动态图像(B模式图像)的小区域的变 化量来推定组织的弹性系数分布，将硬度变换成彩色图进行显示。然而， 例如在肿瘤的边缘部，有时相对于周围的组织而言声阻抗和弹性模量都没 有太大不同，该情况下，无论在诊断动态图像中还是在弹性图像中都无法 掌握肿瘤和周围的组织之间的边界。

因此，在专利文献2记载的技术中提出了下述方法：通过根据诊断动 态图像的运动向量直接作成标量场图像，由此可识别相对于周围而言声阻 抗和弹性模量都没有太大不同的组织的边界。

现有技术文献

专利文献

专利文献1：日本特开2004-135929号公报

专利文献2：日本特开2008-79792号公报

发明内容

(发明要解决的课题)

在现有的专利文献2所记载的技术中，通过对2个诊断图像数据进行 块匹配处理来进行运动向量的推定，但是在进行推定处理时因图像数据的 噪声的影像会产生错误向量。因而，存在着边界的识别度劣化的问题。尤 其是，在回波信号微弱的穿透(penetration)界限区域中向量的推定精度 会发生较大劣化。

本发明的目的在于提供一种可判别回波信号微弱的噪声区域的超声 波成像装置。

(用于解决课题的手段)

为了达成上述目的，根据本发明的第1方式，提供一种如下的超声波 成像装置。即，本发明的超声波成像装置具有：发送部，其向对象发送超 声波；接收部，其接收来自对象的超声波；和处理部，其处理接收部的接 收信号，生成2帧以上的图像。处理部将生成的2帧以上的图像中的1 帧作为基准帧，在预先确定的位置或从操作者接受的位置设定关心区域。 将另外的1帧作为比较帧，在预先确定的位置或从操作者接受的位置设定 比关心区域宽的探索区域，在探索区域内设定作为所述关心区域的移动目 标的候补的多个候补区域。按每个候补区域计算关心区域内和候补区域内 的图像特征值的类似度，求出整个探索区域内的类似度的分布。由此，可 基于类似度的分布来判别关心区域是否为噪声区域。

例如采用下述构成：处理部在类似度的分布中求出将类似度的最小值 和类似度的整体值进行比较的统计量，根据该统计量判定关心区域的可靠 度。具体而言，例如处理部利用类似度的最小值、平均值及标准偏差求出 上述统计量，通过比较求得的统计量和阈值可判定关心区域的可靠度。

例如，处理部能够生成将比较帧中与关心区域对应的位置和类似度为 最小的候补区域的位置进行连结的向量，针对被判定为可靠度低的关心区 域，将向量置换为零或者规定的向量。由此，能够去除错误向量等，从而 能够提高向量的精度。

例如，处理部能够针对类似度分布而算出类似度的平均值、最小值及 标准偏差，将平均值与最小值之间的差分除以标准偏差而得到的分离度作 为统计量来求出。另外，例如也可针对类似度分布而算出类似度的平均值 及标准偏差，将标准偏差除以平均值而得到的变动系数用作统计量。

与上述的统计量进行比较的阈值可如下求出。例如，设定多个关心区 域，并针对每个区域求出统计量，求出表示求得的统计量的值的频度的直 方图分布，作为阈值，使用直方图分布中的中位数、平均值、或者直方图 分布呈多个山形状时山之间的谷的最小值的统计量。

另外，可以生成将类似度分布进行了平滑化处理的平滑化后类似度分 布，求出从平滑化处理前的所述类似度分布中减去平滑化后类似度分布后 的差分类似度分布。由此，能够从类似度分布中去除因噪声引起的类似度 的变动。

上述平滑化处理例如采用下述方法：对于类似度分布设定预先规定 的大小的滤波器，并在使滤波器移动规定量的同时反复进行将该滤波器内 的分布平滑化的处理。滤波器的大小如下进行决定。针对多个关心区域而 预先生成将比较帧中与关心区域对应的位置和在平滑化处理前的类似度 分布中类似度为最小的候补区域的位置进行连结的向量。将生成的向量之 中最大的向量长度作为滤波器的大小。

也可用拉普拉斯滤波器对上述类似度分布进行滤波处理来作成轮廓 强调分布，通过提取轮廓强调分布中连续的轮廓线来求出对象的边界。

处理部通过采用如下构成，能够判定肿瘤的浸润度。即，处理部采用 下述构成，具有：第1处理单元，其针对在活体肿瘤边界附近设定的关心 区域而求出类似度分布，生成以该类似度作为图像特征值的类似度分布图 像，在该类似度分布图像上以关心区域所对应的位置为中心在多个不同方 向上设定规定长度的一维区域；第2处理单元，其按照设定的每个方向计 算一维区域内的类似度的总和；第3处理单元，其计算类似度总和最小的 方向上的类似度总和与正交于该方向的方向上的一维区域的类似度总和 之间的比率；和第4处理单元，其基于比率来判定肿瘤的浸润度。

在第3处理单元计算出的比率小于预先设定的一定值的情况下，判断 出该关注像素是构成边界线的点，由此可以求出边界线。

另外，根据本发明的第2方式，提供一种如下的超声波成像方法。即， 在超声波成像方法中，向对象发送超声波，处理接收来自对象的超声波而 得到的接收信号，并生成2帧以上的图像，从图像中选择基准帧和比较帧， 在基准帧中设定关心区域，在比较帧中设定比所述关心区域宽的探索区 域，在探索区域内设定作为所述关心区域的移动目标的候补的多个候补区 域，按每个候补区域计算关心区域内和候补区域内的图像特征值的类似 度，求出整个探索区域内的类似度的分布。

另外，根据本发明的第3方式，提供一种如下的超声波成像用程序。 即，本发明的超声波成像用程序用于让计算机执行下述步骤：第1步骤， 从2帧以上的超声波图像中选择基准帧和比较帧；第2步骤，在基准帧中 设定关心区域；第3步骤，在比较帧中设定比关心区域宽的探索区域，在 探索区域内设定作为关心区域的移动目标的候补的多个候补区域；和第4 步骤，按每个候补区域计算关心区域内和候补区域内的图像特征值的类似 度，求出整个探索区域内的类似度的分布。

(发明效果)

根据本发明，能够基于类似度分布来判断关心区域是否为噪声多的区 域。由此，可以抑制错误向量的发生，且即便在穿透界限区域中也可进行 高精度的向量推定。能够提高根据推定的运动向量场而变换的标量场图像 的精度，从而能够进行更适当的边界检测。

附图说明

图1是表示实施方式1的超声波成像装置的系统构成例的框图。

图2是表示实施方式1的超声波成像装置涉及的图像生成的处理顺序 的流程图。

图3是表示图2的步骤24的块匹配处理的详细的流程图。

图4是以2层构造的仿真图(phantom)来说明图2的步骤24的块匹 配处理的图。

图5(a)是表示由实施方式1的超声波成像装置生成的B模式图像 例的图，图5(b)是表示由实施方式1的超声波成像装置生成的运动向 量分布图像例的图。

图6(a)是表示在图5(b)的位置(3)处设定ROI而得到的SAD 分布图像例的图，图6(b)是表示在图5(b)的位置(5)处设定ROI 而得到的SAD分布图像例的图，图6(c)是图6(a)所示的SAD值的 直方图，图6(d)是图6(b)所示的SAD值的直方图。

图7是在SAD值的直方图上表示实施方式1中的分离度的定义的说 明图。

图8是表示在利用分离度进行图2的步骤25的处理的情况下的处理 的详细的流程图。

图9是表示将通过图8的处理求得的分离度的分布进行图像化的例子 的图。

图10是表示在利用变动系数进行图2的步骤25的处理的情况下的处 理的详细的流程图。

图11是表示将通过图10的处理求得的变动系数的分布进行图像化的 例子的图。

图12(a)是表示通过图2的步骤24生成的运动向量分布图像例的 图，图12(b)是表示通过图2的步骤25去除了错误向量后的向量分布 图像例的图。

图13是在运算实施方式2的SAD分布时去除噪声的处理的流程图。

图14(a)是表示实施方式2的噪声去除前的SAD分布图像的例子 的图，图14(b)是表示将SAD分布图像进行平滑化(LPF)处理而得到 的SAD分布图像的例子的图，图14(c)是表示噪声去除后的SAD分布 图像的例子的图。

图15是表示求出实施方式3的浸润度的处理的流程图。

图16(a)～(h)是表示在图15的处理中用到的SAD分布的区域 选择图案的说明图。

图17(a)是表示在图5(b)的位置(1)处设定ROI而得到的SAD 分布图像的图，图17(b)是表示在图5(b)的位置(2)处设定ROI而 得到的SAD分布图像的图，图17(c)是表示对图17(a)所示的SAD 值分布应用拉普拉斯滤波器后的图像的图，图17(d)是表示对图17(b) 所示的SAD值分布应用拉普拉斯滤波器后的图像的图。

具体实施方式

下面，说明本发明的一实施方式的超声波成像装置。

(实施方式1)

图1示出本实施方式的超声波成像装置的系统构成。本装置具备超声 波边界检测功能。如图1所示，本装置构成为具备：超声波探头(探测器) 1、用户接口2、送波波束成形器3、控制系统4、送受切换开关5、受波 波束成形器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及显示部13。

超声波元件被一维排列而成的超声波探头1，向活体发送超声波波束 (超声波脉冲)，并接收被活体反射的回波信号(受波信号)。在控制系统 4的控制下，对焦于送波焦点的具有延迟时间的送波信号被送波波束成形 器3输出，经由送受切换开关5而送至超声波探头1。在活体内反射或者 散射并返回到超声波探头1的超声波波束，通过超声波探头1被变换成电 信号，并经由送受切换开关5而作为受波信号被送至受波波束成形器6。

受波波束成形器6是将相位相差90度的2个受波信号进行混合的复 波束成形器，在控制系统4的控制下，进行根据接收定时来调整延迟时间 的动态聚焦，并输出实部和虚部的RF信号。该RF信号被包络线检波部 7检波之后被变换成影像信号，并将其输入至扫描变换器8而变换成图像 数据(B模式图像数据)。以上说明的构成与公知的超声波成像装置的构 成相同。

在本发明的装置中，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，CPU10a执行预先存储在存储器10b中 的程序，由此进行以下的处理来检测被检者组织的边界。即，基于从扫描 变换器8输出的2帧以上的图像数据，在处理部10中首先作成运动向量 场。接着，将作成的运动向量场变换处理为标量场。然后，在通过合成部 12对原始图像数据和与该原始图像数据对应的运动向量场或者标量场进 行合成处理之后，由显示部13进行显示。

在参数设定部11中，进行处理部10中的信号处理用的参数、合成部 12中的显示图像的选择设定等。这些参数是由操作员(装置操作者)从 用户接口2输入的。作为信号处理用的参数，例如可以从操作员接受期望 帧m上的关心区域的设定、不同于帧m的帧m+Δ上的探索区域的设定。 作为显示图像的选择设定，例如可以从操作者接受将原始图像和向量场图 像(或标量图像)合成为1个图像而在显示器中进行显示、还是并排显示 2个图像以上的动态图像这样的选择设定。

图2示出本发明的处理部10及合成部12中的边界检测处理及图像处 理的一例的流程图。处理部10首先从扫描变换器8中取得测量信号，然 后对其实施通常的信号处理而作成B模式动态图像(步骤21、22)。接着， 从B模式动态图像中提取期望帧和与该期望帧的时间不同的帧这两帧(步 骤23)。例如，提取期望帧和下一帧这两帧。然后，根据这两个帧算出运 动向量场(步骤24)。运动向量场的算出是基于块匹配方法实施的。然后， 对算出的运动向量场进行噪声去除处理(步骤25)，将进行了噪声去除的 运动向量场变换成标量场(步骤26)。然后，对标量场图像和运动向量场 图像或B模式图像进行合成显示，结束1图像份的处理(步骤27)。在步 骤23中，作为期望帧，在时间序列上依次选择不同的帧，反复进行上述 步骤21～27的处理，并连续显示合成图像，由此可以显示合成图像的运 动图像。

图3是表示步骤24的详细处理的流程图，图4是说明步骤24的块匹 配处理的图。利用图3及图4，具体说明上述步骤24的运动向量场算出 用的块匹配处理。在此，设在步骤23中选择了第m帧和第m+Δ帧。例 如，设Δ＝1帧。首先，处理部10在帧m中如图4所示那样设定规定的 像素数N的关心区域ROI(region ofinterest：基准块)31(步骤51)。将 ROI31中包含的像素的亮度分布表示为P_m(i₀，j₀)。i₀、j₀表示ROI31内 的该像素的位置。然后，处理部10在第m+Δ帧中，在帧m的ROI31 所对应的位置及其附近处设定规定的大小的探索区域32(步骤52)。在这 里，关于ROI31的设定，说明了处理部10在帧m的整个图像中依次设定 ROI31，并设定以其作为中心的规定的大小的探索区域32的构成，但是 处理部10也可以设定预先规定的位置及大小的ROI31和在其附近预先规 定的大小的探索区域32，或者处理部10也可以在参数设定部11从操作 员接受的关心区域(ROI)及探索区域内设定ROI31及探索区域32。

探索区域32被划分成与ROI31相等大小的多个移动候补区域33。处 理部10通过计算而求出相对于ROI31的亮度而言类似度最高的移动候补 区域33，选择为移动目标区域。作为表示类似度的指标，可采用差分绝 对值和、均方根、互相关值等。在这里，以下作为一例而说明利用差分绝 对值和的情况。

将探索区域32内的移动候补区域33中包含的像素的亮度分布表示为 P_m+Δ(i，j)。i、j表示移动候补区域33内的该像素的位置。处理部10计 算ROI31的像素的亮度分布P_m+Δ(i，j)和移动候补区域33的亮度分布 P_m(i₀，j₀)之间的差分绝对值和SAD(sum of absolute difference)(步骤 53)。在这里，SAD由下式(1)进行定义。

[公式1]

$\mathrm{SAD}=\underset{i,j}{\Sigma }|p_m(i_0,j_0)-p_{m+\Delta }(i,j)|······\left(1\right)$

处理部10针对探索区域32的所有移动候补区域33求出与ROI31之 间的SAD值，将在求得的SAD分布之中SAD值最小的移动候补区域33 判定为移动目标区域，决定将ROI31的位置和最小SAD值的移动候补区 域33的位置进行连结的运动向量(步骤54)。

之后，处理部10使ROI31在帧m的整个图像中移动的同时，反复进 行上述处理，由此针对帧m的图像整体而决定运动向量(步骤55)。通 过生成例如用箭头表示所决定的向量的图像，由此得到运动向量场(运动 向量分布图像)。

图5(a)、(b)是通过上述处理得到的B模式图像例和运动向量分布 图像例。图5(a)的B模式图像是将凝胶基材仿真图41、42叠加成2层， 将超声波探测器固定于上侧的仿真图41，在沿着横向移动的同时进行拍 摄而得到的图像。将图5(a)的B模式图像作为帧m，通过与下一帧(帧 m+Δ，Δ＝1帧)之间的块匹配处理(步骤24)而求得的运动向量为图5 (b)。

如图5(b)所示，固定了超声波探测器1的上侧仿真图41所对应的 上侧1/3左右的区域相对处于静止状态，下侧的仿真图42成为表示横向 移动的向量场(朝向侧面的箭头)。然而，关于图5(b)的下侧仿真图42 的下部1/3左右的区域，箭头指向斜上方，朝向不固定，发现运动向量紊 乱的现象。该现象是由于距探测器1的距离越远检测灵敏度的SN比 (SNR)越下降而引起的，表示了穿透界限。即，在远离探测器1的低 SNR区域产生了错误向量。

利用图6，说明上述步骤25的运动向量场的噪声去除处理。

图6(a)、(b)是将在图5(b)的位置(3)及(5)分别设定ROI31 并通过步骤24求得的下一帧的探索区域32的各移动候补区域33的SAD 值，分别表示为移动候补区域33的浓度的图(SAD分布图)。图6(a)、 (b)的整体分别表示探索区域32，探索区域32被划分成21×21个移动 候补区域33。设移动候补区域33的块尺寸为30×30像素，设探索区域 32为50×50像素，并使移动候补区域33在探索区域32内按每次1像素 地移动。探索区域32被设定成：ROI31的位置所对应的移动候补区域33 的位置位于探索区域32的中心。

在图6(a)的SAD分布中，从探索区域32的中心偏向右侧旁边的 位置的移动候补区域33的SAD值最小。由此可知，针对图5(b)的位 置(3)，在步骤24中决定了朝右侧面的向量。由图5(b)可确认，位置 (3)是2层仿真图41、42的边界的偏下侧(仿真图42侧)附近，显示 了朝右侧面的向量。

在这里，关注图6(a)的SAD值的空间分布可知，在SAD值为最 小的移动候补区域33的周围，在横向即沿着2层仿真图41、42的边界的 方向上，形成了SAD值小的区域(SAD值的谷)。如图6(b)所示，由 该现象启示出：即便不使ROI31在帧m的整个区域移动并作成所有的运 动向量场，也能够根据图6(a)的SAD分布直接检测出边界。

另一方面，因为图6(b)的SAD值分布是图5(b)的运动向量紊乱 的区域内的位置(5)处的SAD值分布，所以可知SAD值最小的移动候 补区域33在噪声值变小的靠近探测器1的上部的较宽区域内均匀展宽， 因此运动向量朝上，变得容易紊乱。另外，可知在SAD值最小的移动候 补区域33的周围应该形成的SAD值小的区域(SAD值的谷)也被整体 的噪声变动淹没，因此无法识别出。

在本发明中，如图6(a)所示，在噪声小的位置(3)处设定了ROI31 的SAD分布图像中，由于SAD值最小的移动候补区域33采取明显小于 周边区域的SAD值，所以能够清晰地识别出，相反，如图6(b)所示， 在噪声多的位置(5)处设定了ROI31的探索区域32的SAD分布图像中， 无法清晰地识别出SAD值最小的移动候补区域33，利用上述现象来判别 噪声多的ROI31。对噪声多的ROI31进行去除所对应的运动向量的处理。

处理部10为了进行上述判别，例如在图2的步骤25中，根据在规定 的位置处设定了ROI31的情况下的图6(a)、(b)那样的探索区域32的 SAD分布，如图6(c)及(d)所示那样作成表示SAD值的分布的直方 图。在图5(b)的位置(3)处设定了ROI31的情况下的直方图如图6(c) 所示，SAD最小值与直方图分布中的频度大的SAD值充分地分离。即， 最小的SAD值和频度大的SAD值的范围被充分地分离。另一方面，在图 5(b)的位置(5)处设定了ROI31的情况下的直方图如图6(d)所示， 因为相对于SAD值的分布而言频度的差并不大，因此直方图分布以宽幅 扩展。因此，SAD最小值包含在频度大的SAD值的范围内，最小的SAD 值和频度大的SAD值的范围之间的分离不充分。

根据这种特性，通过比较探索区域32的SAD分布的直方图的SAD 最小值和频度大的SAD值，能够判别在该探索区域32中对应的ROI31 的信号的可靠度(噪声的多少)、及在该探索区域32中决定的运动向量的 可靠度。由此，能够将可靠度低的区域判别为低SNR区域，并且也能够 判别所对应的运动向量的可靠度。

在本发明中，在SAD值分布的直方图中，为了判断SAD最小值与频 度大的SAD值之间的分离度而采用下述指标。首先，说明以分离度参数 作为指标的情况下的处理方法。图7示出分离度的定义的概念。分离度是 相当于直方图的分布平均值与最小值之间的距离的值，如下式(2)进行 定义。

[公式2]

SAD值平均值

S_min：最小SAD值

σ_s：SAD值标准偏差

在式(2)中，为了避免因分布的差异而带来的影响，用标准偏差实 施了规格化。

图8示出判别以分离度作为指标的情况下的噪声较大的区域，并去除 运动向量的处理的流程。该处理具体表示图2的步骤25的处理，针对图 3的步骤51中在帧m中设定的所有ROI31进行。处理部10首先决定作 为对象的ROI31(步骤81)，针对所决定的ROI31，利用在图3的步骤52、 53中设定及运算出的探索区域32的所有移动候补区域33的SAD值，根 据统计处理的方式计算SAD值的平均值、最小值、标准偏差(步骤82)。 然后，求出用上式(2)定义的分离度(步骤83)。针对所有ROI31反复 进行该处理(步骤84)。关于通过步骤84求得的分离度低于规定值的 ROI31，因为是噪声大、且运动向量的可靠性低的区域，所以将通过图3 的步骤54求得的运动向量置换为0(步骤85)。由此，能够根据运动向量 图像来判别可靠性低的区域，并去除向量(错误向量)。

在上述步骤85中，作为用于判定分离度是否低的规定值，能够利用 预先规定的阈值、或者在步骤84中针对所有ROI31求得的分离度的分布 的中位数。或者，生成求得的分离度的直方图，在形成有多个频度的山的 情况下，作为阈值，可使用位于分离度最低的一侧的山与位于分离度比其 高的一侧的山之间的谷的位置的分离度。

使在步骤83中针对所有ROI31求得的分离度图像化之后的图像在图 9中示出。在图9中，在帧m中设定33×51个ROI31，各ROI31的分离 度通过浓度进行表示。如图9可知，分离度在帧m的下部的低SNR区域 变低，分离度反映出运动向量推定的可靠性。

在上述图8的处理中，虽然利用了分离度，但是作为用于判断SAD 最小值与频度大的SAD值之间的分离度的指标，也可使用其他指标。例 如，可以使用变动系数。变动系数如下式进行定义，是用平均值对标准偏 差进行规格化而得到的统计量，表示分布的偏差的大小(即，最小值的分 离难易度)。

[公式3]

图10示出将以变动系数作为指标的情况下的噪声较大的区域的向量 去除的处理的流程。该处理与图8的处理流程同样地，决定作为对象的 ROI31(步骤81)，针对所决定的ROI31，利用在图3的步骤52、53中设 定及运算出的探索区域32的所有移动候补区域33的SAD值，根据统计 处理的方式计算SAD值的平均值和标准偏差(步骤101)。然后，求出由 上式(3)定义的变动系数(步骤102)。针对所有ROI31反复进行上述处 理(步骤84)。关于通过步骤102求得的变动系数大于规定值的ROI31， 将通过图3的步骤54求得的运动向量置换为0(步骤85)。由此，能够判 别噪声大的ROI31，从而能够根据运动向量图像判别可靠性低的区域，并 去除向量(错误向量)。

在上述步骤85中，作为用于判定变动系数是否高的规定值，能够利 用预先规定的阈值、或者在步骤84中针对所有ROI31求得的变动系数的 分布的中位数。或者，生成求得的变动系数的直方图，在频度呈两个山形 的情况下，作为规定值而采用两个山之间的谷的最小值也是有效的。

图11示出使在步骤102中针对所有ROI31求得的变动系数图像化之 后的图像。在图11中，各ROI31的变动系数通过浓度进行表示。由图11 可知，变动系数在帧m的下部的低SNR区域变大，变动系数反映出运动 向量推定的可靠性。

图12(a)、(b)示出错误向量去除前和去除后的运动向量分布图像 的例子。图12(a)是与图4(b)相同的错误向量去除前的运动向量场， 图12(b)是通过图10的处理，根据SAD分布求出变动系数分布，将变 动系数分布的中位数作为阈值，将变动系数比该阈值大的ROI判定为可 靠性低，并将运动向量设为0(静止状态)的图。将图12(a)、(b)对比 可知，关于运动向量紊乱的下侧的区域，其错误向量被明显地去除了，并 置换成静止状态。即，能够将下侧的区域判定为未准确得到超声波回波的 穿透区域(即可靠性低的区域)。

在通过上述的图8及图10的处理去除了运动向量分布的错误向量之 后，通过图2的步骤26、27将运动向量分布变换成标量分布，对标量分 布图像和运动向量分布图像(或B模式图像)进行合成显示。

此外，在图8及图10的处理中，去除了可靠性低的区域的运动向量 并使之处于静止状态，但是本发明并不限定于该处理方法。例如，也可取 代将运动向量设定为静止状态的方式，而采用仍保持之前针对相同区域得 到的运动向量的状态的处理方法。

(实施方式2)

在实施方式1中，在求出SAD分布之后，根据SAD分布判别ROI31 是否为低SNR区域，并在为低SNR区域的情况下去除运动向量等，而在 本实施方式中，在运算SAD分布时去除噪声，并利用噪声去除后的检测 灵敏度高的SAD分布来求出可靠性高的运动向量。

图13是在运算本实施方式2的SAD分布时去除噪声的处理流程。图 13的处理，在实施方式1的图3的步骤51～54的SAD运算处理中追加 了噪声去除处理(步骤132、133)。图14(a)、(b)、(c)表示图13的各 处理阶段的SAD分布的例子。

如图13所示，处理部10首先进行与实施方式1的图3的步骤51～ 53相同的处理，求出SAD值分布。将求得的SAD分布图像的例子表示 在图14(a)中。ROI31是图5(b)的位置(4)，虽然仿真图42原本沿 着横向相对移动，但因噪声的影响使得上侧的移动候补区域33的SAD 值最小，所以若直接这样决定运动向量，则会产生向量的误检测。为了避 免这种误检测，处理部10对通过步骤51～53得到的SAD分布图像实施 平滑化处理(低通滤波器LPF(low pass filter)处理)(步骤132)。平滑 化处理，例如将规定大小的滤波器施加于SAD分布图像，削减滤波器内 的SAD分布的高频分量而进行平滑化。在使滤波器按规定量移动的同时 反复进行该处理。这样，因为仿真图42的移动而带来的SAD值的变化急 剧，因此通过SAD值分布图像的平滑化能够去除，相对于此，因为噪声 导致的AD值的变动缓慢，因此通过SAD值分布图像的平滑化能够进行 提取。图14(b)示出通过平滑化处理而得到的SAD值分布图像。

接着，求出步骤53的原始SAD值分布和步骤132的平滑化处理后的 SAD值分布之间的差分(步骤133)。由此，能够得到噪声导致的SAD 值的变动被去除后的、因仿真图的移动而带来的原本的SAD值分布。图 14(c)示出所得到的分布。利用所得到的SAD值分布来进行图3的步骤 54，将最小的SAD值的移动候补区域33判定为移动目标，决定运动向量。 运动向量决定后，通过实施方式1的图3的步骤56的处理来生成运动向 量分布图像。另外，通过实施方式1的图2的步骤25还可以进行去除运 动向量分布的可靠性低的向量等的处理。

如上述，通过本实施方式2的处理，能够利用因噪声导致的SAD值 变动被去除后的SAD值分布来决定运动向量，因而能够提高运动向量的 可靠性。

此外，在上述平滑化处理中，虽然利用了LPF，但是并不限定于此， 在因被检者(仿真图)的移动而带来的SAD值的分布的空间频率高(即 更为复杂的形状)的情况下，应用带通滤波器也是有效的。

在步骤132的滤波处理中用到的滤波器的一边的大小能够如下决定。 即，对未进行平滑化处理的SAD分布预先进行图3的步骤54而作成运动 向量场，求出该运动向量场的最大向量长度，将最大向量长度设定为低通 滤波器或者带通滤波器的一边的大小。

(实施方式3)

下面，作为实施方式3而说明下述的处理方法：利用通过实施方式1 的图3的步骤53求得的SAD值分布，直接求出组织的边界，并且判定活 体肿瘤相对于正常组织的浸润度。其中，在本实施方式3中，将探索区域 32的移动候补区域33简称为区域33。另外，将ROI31也称作关注像素。

由于沿着被检者的组织的边界的区域其组织的类似度高，所以在B 模式图像中表现出相近的亮度。为此，SAD的特征在于沿着被检者的组 织的边界的区域33表现出比沿着边界的正交方向的区域33小的值。另一 方面，若活体肿瘤的浸润扩展，则边界变得不清楚，所以沿着边界的区域 33的SAD值变大。利用该特征来判定浸润度。

图15表示本实施方式3的处理部10的处理流程。另外，图16(a)～ (h)表示对象方向和与之对应地在SAD值分布图像上选择的区域33的 8个图案。

首先，处理部10在B模式图像的期望帧m中想要调查的组织的边界 位置设定关注像素(ROI)31，在帧m+Δ中设定探索区域32，求出探索 区域32的SAD值分布(步骤151)。帧的选择方法及SAD值分布的运算 方法与实施方式1的图2的步骤21～23及图3的步骤51～53同样地进行。

在该SAD值分布中，如图16(a)所示，选择通过探索区域32的中 心且沿着规定的对象方向(水平方向)151配置的区域33(步骤63)，求 出所选择的区域33的SAD值之和(步骤64)。同样地，选择沿着对象方 向151的正交方向(垂直方向)152配置的区域33，也求出所选择的区域 33的SAD值之和。

反复执行该步骤63、64的处理，直至对图16(a)～(h)的8个图 案的所有图案执行完毕为止(步骤62)。在图16(b)的图案中，求出沿 着规定的对象方向(相对于水平方向以逆时针旋转的方式倾斜了约30° 的方向)151配置的区域33的SAD值之和，求出沿着其正交方向152配 置的区域33的SAD值之和。

在图16(c)～(h)的图案中，分别求出沿着相对于水平方向以逆 时针旋转的方式倾斜约45°、约60°、90°、约120°、约135°、约 150°的对象方向151配置的区域33的SAD值之和、以及沿着其正交方 向152配置的区域33的SAD值之和。

选择求得的各对象方向151的SAD值之和最小的对象方向151(步 骤65)。所选择的对象方向151的方向为组织的边界的方向。由此，能够 在不求出运动向量的情况下直接检测边界。

接着，选择正交于所选择的对象方向151的方向152(步骤66)。算 出所选择的对象方向151的SAD值之和、和与其正交的方向152的SAD 值之和的比率(对象方向的SAD值之和/正交方向的SAD值之和)(步骤 67)。

在浸润度低而边界明确的情况下，边界方向(所选择的对象方向151) 的SAD和变小、正交方向152的SAD和变大，所以作为比率会得到较小 的值。另一方面，随着浸润度变大而边界变得不清楚，边界方向(所选择 的对象方向151)的SAD和也会增大，所以比率也逐渐增大。因此，能 够将比率作为参数来评价浸润度。具体而言，例如将预先规定的多个基准 值与比率进行对比来判定浸润的程度，并显示判定结果。

此外，可以在比率小于预先设定的一定值的情况下，识别为该关注像 素(ROI31)是构成边界线的点，并显示边界。

此外，在求出各方向的SAD值之和时，能够利用依赖方向的滤波器。 依赖方向的滤波器是具有在处理像素的滤波范围(探索区域32)中判定 一维方向的浓度变化最小的方向的功能的滤波器。

在图16(a)～(h)中，为了易于图示，示出了由5×5的区域33 构成的探索区域32中对象方向151及正交方向152的区域选择图案，但 在实际处理中，对应于探索区域32的区域33的数量而设定区域选择图案。

(实施方式4)

作为实施方式4，说明根据探索区域32的SAD值分布在不求出运动 向量的情况下直接检测边界的其他方法。在这里，应用进行与2次微分对 应的强调处理的拉普拉斯滤波器。

在图17(a)及(b)中，在图5(b)的位置(1)和(2)处设定ROI31， 并示出探索区域32的SAD分布。位置(1)是相对于探测器1而言相对 静止的仿真图41的内部的位置。位置(2)位于仿真图41与相对于该仿 真图41相对横向移动的仿真图42之间的边界附近。求出位置(1)、(2) 处的SAD分布的处理，与实施方式1的图2的步骤21～23及图3的步骤 51～53同样地进行。若对得到的SAD分布图像(图17(a)及(b))应 用进行空间2次微分的拉普拉斯滤波器，则根据轮廓强调效果，可分别得 到SAD值的变动大的部分被强调后的图17(c)及(d)的图像。

在探索区域32中存在边界的情况下，如图17(d)所示，生成了沿 着边界的SAD值的变动大的区域被强调并提取为条状的轮廓强调分布。 由此，通过2值化处理对轮廓强调分布中连续的轮廓线的区域(移动候补 区域33)进行提取显示，由此能够根据SAD值的拉普拉斯图像检测边界。 另一方面，在探索区域32中不存在边界的情况下，如图17(c)所示， SAD值的变动大的区域仅是中心区域(与ROI31的位置对应的移动候补 区域33)，与周围孤立，不是连续的轮廓线。由此可知边界不位于该位置。

根据上述处理，能够对SAD分布实施拉普拉斯处理而直接提取边界。 由此，能够省略实施方式1的用于决定运动向量并使其图像化的图3的步 骤54、55、以及进行运动向量的噪声去除或向标量分布的变换来推定边 界的图2的步骤25～26，因此能大幅削减处理量。

(产业上的可利用性)

本发明能够应用于医用超声波诊断和治疗装置、以及利用包含超声波 的电磁波等来测量失真或偏差的所有装置。

符号说明

1-超声波探头(探测器)；2-用户接口；3-送波波束成形器；4- 控制系统；5-送受切换开关；6-受波波束成形器；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。