JP7744227B2 - 超音波診断装置および超音波診断装置の制御方法 - Google Patents

超音波診断装置および超音波診断装置の制御方法

Info

Publication number
JP7744227B2
JP7744227B2 JP2021201611A JP2021201611A JP7744227B2 JP 7744227 B2 JP7744227 B2 JP 7744227B2 JP 2021201611 A JP2021201611 A JP 2021201611A JP 2021201611 A JP2021201611 A JP 2021201611A JP 7744227 B2 JP7744227 B2 JP 7744227B2
Authority
JP
Japan
Prior art keywords
organ
shape
image
basic
diagnostic device
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
JP2021201611A
Other languages
English (en)
Other versions
JP2023087303A (ja
Inventor
立樹 五十嵐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujifilm Corp
Original Assignee
Fujifilm Corp
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 Fujifilm Corp filed Critical Fujifilm Corp
Priority to JP2021201611A priority Critical patent/JP7744227B2/ja
Priority to US18/056,226 priority patent/US20230186468A1/en
Priority to EP22208695.1A priority patent/EP4195146B1/en
Publication of JP2023087303A publication Critical patent/JP2023087303A/ja
Application granted granted Critical
Publication of JP7744227B2 publication Critical patent/JP7744227B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Clinical applications
    • A61B8/0833—Clinical applications involving detecting or locating foreign bodies or organic structures
    • A61B8/085—Clinical applications involving detecting or locating foreign bodies or organic structures for locating body or organic structures, e.g. tumours, calculi, blood vessels, nodules
    • 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
    • A61B8/52—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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
    • G01S15/8906—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques
    • G01S15/8909—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques using a static transducer configuration
    • G01S15/8915—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques using a static transducer configuration using a transducer array
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray image
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10132—Ultrasound image
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30081—Prostate
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Theoretical Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Acoustics & Sound (AREA)
  • Vascular Medicine (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physiology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Software Systems (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Description

本発明は、被検体に対する診断を支援する診断装置および診断装置の制御方法に関する。
従来から、いわゆる超音波診断装置等を用いて被検体内の断層を表す画像を取得し、取得された画像に基づいて医師等のユーザが被検体を検査することが行われている。この際に、被検体に対する検査がより精確に行われるように、例えば、特許文献１に記載されるような技術が開発されている。特許文献１は、被検体の腹部の断面積と、超音波画像から計測された被検体の皮下脂肪の厚みに基づいて、被検体の内臓脂肪に関する指標値を算出することを開示している。被検体の腹部の断面積は、被検体の腹部の断面を楕円に近似してその楕円の面積を算出することにより、近似的に計測される。
特開２０１６－２０２２０８号公報
ところで、ユーザが被検体に対する検査を精確に行うためには、特許文献１に開示されるように、被検体の部位の面積およびサイズを評価するだけではなく、例えば、前立腺等の病状によっては形状に異常が見られるような臓器を検査する場合等、被検体の臓器の形状を評価すべき場合もある。このような場合に、ユーザは被検体の断層を表す画像を確認して臓器の形状を定性的に評価することが多いが、定性的な評価では、時系列での臓器の形状の変化を評価しにくい、被検体の体型等により臓器の形状に個人差があるために精確な評価が難しいという問題があった。
本発明は、このような従来の問題点を解消するためになされたものであり、ユーザが被検体に対して精確に検査を行うことができる診断装置および診断装置の制御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、本発明に係る診断装置は、被検体の臓器が撮像された画像を表示するモニタと、画像を解析することにより臓器を抽出する臓器領域抽出部と、臓器領域抽出部により抽出された臓器の形状を陰関数により近似する形状解析部と、形状解析部において近似された陰関数により表される近似曲線の形状パラメータに基づいて臓器の病状を評価する臓器評価部とを備えることを特徴とする。
臓器評価部は、近似曲線の形状パラメータを評価指標として臓器の病状を評価することができる。
この際に、形状解析部は、超楕円を用いて関数近似を行い、臓器評価部は、近似曲線のたわみを表す形状パラメータを評価指標として臓器の病状を評価することができる。
形状解析部は、超楕円を用いて関数近似を行い、臓器評価部は、近似曲線の形状のバランスを表す形状パラメータを評価指標として臓器の病状を評価することもできる。
形状解析部は、楕円を用いて関数近似を行うこともできる。
臓器評価部は、近似曲線の形状パラメータを用いて機械学習モデルを作成し、機械学習モデルにより臓器の病状を評価することができる。
この際に、形状解析部は、超楕円を用いて関数近似を行うことができる。
また、形状解析部は、楕円を用いて関数近似を行うこともできる。
臓器は、前立腺であり、臓器評価部は、形状パラメータに基づいて前立腺の形状を評価することにより、前立腺の病状を評価することができる。
臓器は、膀胱であり、臓器評価部は、形状パラメータに基づいて膀胱の窪みを評価することにより、膀胱の病状を評価することができる。
また、画像は、超音波画像であってもよい。
この場合に、診断装置は、超音波プローブと、被検体に対し超音波プローブを用いて超音波ビームの送受信を行うことにより超音波画像を生成する画像生成部を備えることができる。
また、画像は、Ｘ線画像、コンピュータ断層撮影画像および核磁気共鳴画像のうちのいずれかであってもよい。
本発明に係る診断装置の制御方法は、被検体の臓器が撮像された画像をモニタに表示し、画像を解析することにより臓器を抽出し、抽出された臓器の形状を陰関数により近似し、近似された陰関数により表される近似曲線の形状パラメータに基づいて臓器の病状を評価することを特徴とする。
本発明によれば、診断装置が、被検体の臓器が撮像された画像を表示するモニタと、画像を解析することにより臓器を抽出する臓器領域抽出部と、臓器領域抽出部により抽出された臓器の形状を陰関数により近似する形状解析部と、形状解析部において近似された陰関数により表される近似曲線の形状パラメータに基づいて臓器の病状を評価する臓器評価部とを備えるため、ユーザが被検体に対して精確に検査を行うことができる。
本発明の実施の形態に係る超音波診断装置の構成を示すブロック図である。 本発明の実施の形態における送受信回路の構成を示すブロック図である。 本発明の実施の形態における画像生成部の構成を示すブロック図である。 正常な前立腺を撮影した超音波画像の例を模式的に示す図である。 肥大化した前立腺を撮影した超音波画像の例を模式的に示す図である。 超楕円の縦横比を表す形状パラメータを変化させた例を示す図である。 超楕円の四角度を表す形状パラメータを変化させた例を示す図である。 超楕円のたわみを表す形状パラメータを変化させた例を示す図である。 超楕円の形状のバランスを表す形状パラメータを変化させた例を示す図である。 近似される円形の臓器の輪郭と近似に使用される基本の陰関数により表される曲線の例を示す図である。 本発明の形態に係る超音波診断装置の動作を示すフローチャートである。 陰関数により表される曲線の例を示す図である。
以下、この発明の実施の形態を添付図面に基づいて説明する。
以下に記載する構成要件の説明は、本発明の代表的な実施態様に基づいてなされるが、本発明はそのような実施態様に限定されるものではない。
なお、本明細書において、「～」を用いて表される数値範囲は、「～」の前後に記載される数値を下限値および上限値として含む範囲を意味する。
本明細書において、「同一」、「同じ」は、技術分野で一般的に許容される誤差範囲を含むものとする。
実施の形態
図１に本発明の実施の形態に係る超音波診断装置１の構成を示す。超音波診断装置１は、超音波プローブ２と、超音波プローブ２と接続される装置本体３とを備えている。
超音波プローブ２は、振動子アレイ２１を備えており、振動子アレイ２１に送受信回路２２が接続されている。
装置本体３は、超音波プローブ２の送受信回路２２に接続される画像生成部３１を備えている。画像生成部３１に、表示制御部３２とモニタ３３が順次接続されている。また、画像生成部３１に画像メモリ３４が接続されている。画像メモリ３４に臓器領域抽出部３５と、形状解析部３６と、臓器評価部３７が順次接続されている。また、臓器領域抽出部３５、形状解析部３６および臓器評価部３７は、表示制御部３２に接続している。また、画像メモリ３４、臓器領域抽出部３５、形状解析部３６および臓器評価部３７に、検査結果メモリ３８が接続されている。
また、送受信回路２２、画像生成部３１、表示制御部３２、画像メモリ３４、臓器領域抽出部３５、形状解析部３６、臓器評価部３７および検査結果メモリ３８に、本体制御部３９が接続されている。また、本体制御部３９に入力装置４０が接続されている。
また、画像生成部３１、表示制御部３２、臓器領域抽出部３５、形状解析部３６、臓器評価部３７および本体制御部３９により、装置本体３用のプロセッサ４１が構成されている。
超音波プローブ２の振動子アレイ２１は、１次元または２次元に配列された複数の超音波振動子を有している。これらの超音波振動子は、それぞれ送受信回路２２から供給される駆動信号に従って超音波を送信すると共に、被検体からの超音波エコーを受信して、超音波エコーに基づく信号を出力する。各超音波振動子は、例えば、ＰＺＴ（Lead Zirconate Titanate：チタン酸ジルコン酸鉛）に代表される圧電セラミック、ＰＶＤＦ（Poly Vinylidene Di Fluoride：ポリフッ化ビニリデン）に代表される高分子圧電素子およびＰＭＮ－ＰＴ（Lead Magnesium Niobate-Lead Titanate：マグネシウムニオブ酸鉛－チタン酸鉛固溶体）に代表される圧電単結晶等からなる圧電体の両端に電極を形成することにより構成される。
送受信回路２２は、本体制御部３９による制御の下で、振動子アレイ２１から超音波を送信し且つ振動子アレイ２１により取得された受信信号に基づいて音線信号を生成する。送受信回路２２は、図２に示すように、振動子アレイ２１に接続されるパルサ２３と、振動子アレイ２１から順次直列に接続される増幅部２４、ＡＤ（Analog to Digital）変換部２５、およびビームフォーマ２６を有している。
パルサ２３は、例えば、複数のパルス発生器を含んでおり、本体制御部３９からの制御信号に応じて選択された送信遅延パターンに基づいて、振動子アレイ２１の複数の超音波振動子から送信される超音波が超音波ビームを形成するようにそれぞれの駆動信号を、遅延量を調節して複数の超音波振動子に供給する。このように、振動子アレイ２１の超音波振動子の電極にパルス状または連続波状の電圧が印加されると、圧電体が伸縮し、それぞれの超音波振動子からパルス状または連続波状の超音波が発生して、それらの超音波の合成波から、超音波ビームが形成される。
送信された超音波ビームは、例えば、被検体の部位等の対象において反射され、超音波プローブ２の振動子アレイ２１に向かって伝搬する。このように振動子アレイ２１に向かって伝搬する超音波エコーは、振動子アレイ２１を構成するそれぞれの超音波振動子により受信される。この際に、振動子アレイ２１を構成するそれぞれの超音波振動子は、伝搬する超音波エコーを受信することにより伸縮して、電気信号である受信信号を発生させ、これらの受信信号を増幅部２４に出力する。
増幅部２４は、振動子アレイ２１を構成するそれぞれの超音波振動子から入力された信号を増幅し、増幅した信号をＡＤ変換部２５に送信する。ＡＤ変換部２５は、増幅部２４から送信された信号をデジタルの受信データに変換する。ビームフォーマ２６は、ＡＤ変換部２５から受け取った各受信データに対してそれぞれの遅延を与えて加算することにより、いわゆる受信フォーカス処理を行う。この受信フォーカス処理により、ＡＤ変換部２５で変換された各受信データが整相加算され且つ超音波エコーの焦点が絞り込まれた音線信号が取得される。
画像生成部３１は、図３に示すように、信号処理部５１、ＤＳＣ（Digital Scan Converter：デジタルスキャンコンバータ）５２および画像処理部５３が順次直列に接続された構成を有している。
信号処理部５１は、送受信回路２２から受信した音線信号に対し、本体制御部３９により設定される音速値を用いて超音波の反射位置の深度に応じて距離による減衰の補正を施した後、包絡線検波処理を施すことにより、被検体内の組織に関する断層画像情報であるＢモード画像信号を生成する。
ＤＳＣ５２は、信号処理部５１で生成されたＢモード画像信号を通常のテレビジョン信号の走査方式に従う画像信号に変換（ラスター変換）する。
画像処理部５３は、ＤＳＣ５２から入力されるＢモード画像信号に階調処理等の各種の必要な画像処理を施した後、Ｂモード画像信号を表示制御部３２および画像メモリ３４に送出する。以降は、画像処理部５３により画像処理が施されたＢモード画像信号を、超音波画像と呼ぶ。
本体制御部３９は、予め記録されたプログラム等に従って超音波プローブ２の送受信回路２２および装置本体３の各部を制御する。
表示制御部３２は、本体制御部３９の制御の下で、画像生成部３１により生成された超音波画像等に対して所定の処理を施して、モニタ３３に表示する。
モニタ３３は、表示制御部３２の制御の下で、種々の表示を行う。モニタ３３は、例えば、ＬＣＤ（Liquid Crystal Display：液晶ディスプレイ）、有機ＥＬディスプレイ（Organic Electroluminescence Display）等のディスプレイ装置を含む。
入力装置４０は、ユーザが入力操作を行うためのものである。入力装置４０は、例えば、キーボード、マウス、トラックボール、タッチパッドおよびタッチパネル等のユーザが入力操作を行うための装置等により構成される。
画像メモリ３４は、本体制御部３９の制御の下で、画像生成部３１により生成された超音波画像を保存し、保存された超音波画像を臓器領域抽出部３５に送出する。画像メモリ３４としては、例えば、フラッシュメモリ、ＨＤＤ（Hard Disk Drive：ハードディスクドライブ）、ＳＳＤ（Solid State Drive：ソリッドステートドライブ）、ＦＤ（Flexible Disk：フレキシブルディスク）、ＭＯディスク（Magneto-Optical disk：光磁気ディスク）、ＭＴ（Magnetic Tape：磁気テープ）、ＲＡＭ（Random Access Memory：ランダムアクセスメモリ）、ＣＤ（Compact Disc：コンパクトディスク）、ＤＶＤ（Digital Versatile Disc：デジタルバーサタイルディスク）、ＳＤカード（Secure Digital card：セキュアデジタルカード）、ＵＳＢメモリ（Universal Serial Bus memory：ユニバーサルシリアルバスメモリ）等の記録メディア等を用いることができる。
ここで、被検体内の臓器には、例えば前立腺等、病状によって形状が変化するものがある。例えば、図４および図５に示すように、超音波画像Ｕ１において、肥大化した前立腺Ｔ２は正常な前立腺Ｔ１と比較して比較的円に近い形状を有し、膀胱Ｒ１側に突出するように変形していることが多い。このように、病状によって形状が変化するような臓器を検査する場合には、通常、医師等のユーザが超音波画像Ｕを確認して、超音波画像Ｕに写る臓器の形状を定性的に評価することが多いが、定性的な評価では、時系列での臓器の形状の変化を評価しにくい、被検体の体型等により臓器の形状に個人差があるために精確な評価が難しいという問題があった。
以下に詳細に説明するように、本発明の実施の形態に係る超音波診断装置１では、ユーザに精確な検査を行わせるために、超音波画像Ｕを解析して超音波画像Ｕに含まれる臓器を抽出し、抽出された臓器をいわゆる陰関数により近似し、陰関数により近似された近似曲線の形状パラメータに基づいて臓器の病状を定量的に評価する。
臓器領域抽出部３５は、画像メモリ３４から取得した超音波画像を解析することにより、被検体の臓器を抽出する。この際に、臓器領域抽出部３５は、例えば、単純なパターンマッチングを用いる方法、Csurka et al.: Visual Categorization with Bags of Keypoints, Proc. of ECCV Workshop on Statistical Learning in Computer Vision, pp.59-74 （2004）に記載されている機械学習手法、あるいは、Krizhevsk et al.: ImageNet Classification with Deep Convolutional Neural Networks, Advances in Neural Information Processing Systems 25, pp.1106-1114 （2012）に記載されている深層学習またはいわゆる畳み込みニューラルネットワーク（Convolutional Neural Network：ＣＮＮ）等を用いた一般画像認識手法を適用することにより、超音波画像に含まれる被検体の臓器を抽出できる。
また、臓器領域抽出部３５は、例えば抽出した臓器の領域を超音波画像上で強調してモニタ３３に表示できる。この際に、臓器領域抽出部３５は、例えば、超音波画像上の臓器の領域に色付けして表示すること、超音波画像上の臓器の領域の輪郭線を表示すること、超音波画像上の臓器の領域の輪郭に色付けして表示すること等ができる。
形状解析部３６は、臓器領域抽出部３５により抽出された臓器の形状をいわゆる陰関数により近似する。形状解析部３６は、例えば、超音波画像Ｕの水平方向に沿ってｘ軸を設定し、水平方向に直交する方向に沿ってｙ軸を設定する場合に、陰関数として以下の式（１）に示す超楕円の関数を用いることができる。
式（１）の超楕円の関数において、超楕円の配置位置または回転位置を表す位置パラメータと、超楕円の大きさを表すスケールパラメータと、超楕円の形状を表す形状パラメータを設定できる。例えば、式（１）の関数において、変数ｘおよびｙを式（２）に示される変数ｘ１およびｙ１に置換することにより、超楕円の平行移動の変位量を表すパラメータすなわち超楕円の配置位置を表す位置パラメータＬ１およびＬ２を設定できる。Ｌ１は超楕円のｘ軸に沿った方向における変位量を表し、Ｌ２は超楕円のｙ軸に沿った方向における変位量を表す。
また、変数ｘおよびｙを式（３）に示される変数ｘ２およびｙ２に置換することにより、超楕円の回転量を表すパラメータすなわち超楕円の回転位置を表す位置パラメータＡを設定できる。なお、Ａは、０≦Ａ＜２πを満たす（πは円周率）。
また、式（１）におけるＷ１はｘ軸に沿った方向における超楕円のスケールを表すスケールパラメータであり、Ｗ２はｙ軸に沿った方向における超楕円のスケールを表すスケールパラメータである。
また、スケールパラメータであるＷ１とＷ２の比率Ｗ１／Ｗ２またはＷ２／Ｗ１を超楕円の縦横比を表す形状パラメータとして設定できる。例えば、図６に、式（１）においてＷ１：Ｗ２＝１：１の場合の曲線Ｆ１（円）と、Ｗ１：Ｗ２＝１：２の場合の曲線Ｆ２と、Ｗ１：Ｗ２＝２：１の場合の曲線Ｆ３を示す。このように、Ｗ１とＷ２の比率Ｗ１／Ｗ２またはＷ２／Ｗ１により、超楕円の縦横比が変化する。
また、式（１）におけるＥは、超楕円の四角度を表す形状パラメータである。ここで、四角度とは、超楕円が長方形に近い形状を有する度合いのことを指し、Ｅが大きいほど超楕円が長方形に近づく。図７に、式（１）においてＥ＝１の場合の曲線Ｆ４（楕円）と、Ｅ＞１の場合の曲線Ｆ５と、Ｅ＜１の場合の曲線Ｆ６の例を示す。曲線Ｆ４は楕円であり、曲線Ｆ５は楕円よりも長方形に近い形状であり、曲線Ｆ６は楕円よりも菱形に近い形状である。
また、変数ｘおよびｙを式（４）に示される変数ｘ３およびｙ３に置換することにより、超楕円のたわみを表す形状パラメータＢを設定できる。なお、Ｂは、－１＜Ｂ＜１且つＢ≠０、すなわち、－１＜Ｂ＜０且つ０＜Ｂ＜１を満たす。また、式（４）のＤは式（５）により示される変数である。

超楕円のたわみとは、ｘ軸に沿った方向における超楕円の両端部がｙ軸の下方すなわち負の方向に向かって引っ張られるように変形することを指す。例えば、図８に、たわみの変形を行わない場合の曲線Ｆ７（楕円）と、形状パラメータＢが一定の値を有する場合の曲線Ｆ８と、形状パラメータＢがさらに大きい値を有する場合の曲線Ｆ９を示す。このように、形状パラメータＢが大きくなるほど超楕円のたわみが大きくなり、形状パラメータＢが小さくなるほど超楕円のたわみが小さくなる。
また、変数ｘを式（６）に示される変数ｘ４に置換することにより、超楕円の形状のバランスを表す形状パラメータＴを設定できる。なお、Ｔは、－１＜Ｔ＜１を満たす。
超楕円の形状のバランスとは、超楕円の上側部分の幅と下側部分の幅すなわちｙ軸の正側の部分の幅と負側の部分の幅のバランスのことを指す。例えば、図９に、形状パラメータＴ＝０の場合の曲線Ｆ１０（楕円）と、形状パラメータＴが正の一定の値を有する場合の曲線Ｆ１１と、形状パラメータＴがさらに大きい正の値を有する場合の曲線Ｆ１２を示す。このように、形状パラメータＴが正の方向に大きくなるほど超楕円の上側部分の幅が狭くなり且つ下側部分の幅が広くなる。なお、図示しないが、形状パラメータＴが負の方向に大きくなるほど超楕円の上側部分の幅が広くなり且つ下側部分の幅が狭くなる。
また、形状解析部３６は、臓器領域抽出部３５により抽出された臓器の形状を超楕円の関数等の陰関数により近似する際に、例えば、式（１）に示されるような基本の陰関数に対して「ZHANG, Xiaoming; ROSIN, Paul L. Superellipse fitting to partial data. Pattern Recognition, 2003, 36.3: 743-752.」に記載されているような、いわゆる最急降下法またはいわゆる最小二乗法等を適用することにより、陰関数による近似を行うことができる。
以下では、陰関数による近似を簡単に説明するために、式（７）に示す円を表す基本の陰関数に対して最急降下法を適用し、式（７）の陰関数により円形の臓器を近似する例を紹介する。
近似の手順としては、まず、式（７）の関係を用いて式（８）に示される目的関数ｆ（ａ，ｂ，ｒ）を設定する。ここで、ｘｉおよびｙｉは、観測値すなわち近似する臓器の輪郭上に設定する点の座標である。また、ｎは、観測値の数、すなわち、近似する臓器の輪郭上に設定する点の数を表す。目的関数ｆ（ａ，ｂ，ｒ）はｎ個の観測値とａ、ｂ、ｒとの誤差を表しており、目的関数ｆ（ａ，ｂ，ｒ）を最小化するようにａ、ｂ、ｒの値を決定することが最急降下法の目的である。このようにして決定されたａ、ｂ、ｒの値を式（７）の陰関数に代入することで臓器を近似する陰関数が得られる。
次に、ａ、ｂ、ｒを変数とし、目的関数ｆ（ａ，ｂ，ｒ）のａに関する偏微分、目的関数ｆ（ａ，ｂ，ｒ）のｂに関する偏微分および目的関数ｆ（ａ，ｂ，ｒ）のｒに関する偏微分を計算し、それぞれの値に１より小さい一定の値である学習率Ｇと－１を乗じることにより、式（９）～（１１）に示されるような、目的関数ｆ（ａ，ｂ，ｒ）を小さくするためのａ、ｂ、ｒの変化量Ｈ１、Ｈ２、Ｈ３を算出する。ここで、ａ、ｂ、ｒにはそれぞれ初期値を設定し、これらの初期値を式（９）～（１１）に代入することにより変化量Ｈ１、Ｈ２、Ｈ３の具体的な値を算出する。さらに、ａ、ｂ、ｒの初期値に対してＨ１、Ｈ２、Ｈ３の具体的な値を加算することにより、目的関数ｆ（ａ，ｂ，ｒ）がより小さくなるようなａ、ｂ、ｒの具体的な値を新たに決定する。


このような処理を繰り返すことにより、目的関数ｆ（ａ，ｂ，ｒ）を最小化するようなａ、ｂ、ｒの値が決定される。
具体例として、例えば、図１０に示すように、式（７）の基本の陰関数において（ａ，ｂ，ｒ）＝（０，０，１）として表される円Ｃ１を用いて４つの観測値を有する円Ｃ２すなわち４つの点Ｐ１～Ｐ４を通る円Ｃ２を近似することを考える。点Ｐ１の座標は、（０，－１）、点Ｐ２の座標は（０，３）、点Ｐ３の座標は（－２，１）、点Ｐ４の座標は（２，１）である。
まず、目的関数ｆ（ａ，ｂ，ｒ）の初期値ｆ（０，０，１）は、４つの観測値から、９６となる。学習率Ｇを例えば０．０１とすると、変位量Ｈ１～Ｈ３は、式（１２）～（１４）に示されるように、０、１．２８、０．６４となる。これらをａ、ｂ、ｒの初期値に加算して、新たなａ、ｂ、ｒの値として、０、１．２８、１．６４を得る。この場合の目的関数ｆ（ａ，ｂ，ｒ）の値ｆ（０，１．２８，１．６８）は１０．２２３となり、初期値ｆ（０，０，１）よりも小さい値が得られる。このようにして、目的関数ｆ（ａ，ｂ，ｒ）を小さくするようなａ、ｂ、ｒを決定する処理を繰り返し行うことにより、目的関数ｆ（ａ，ｂ，ｒ）が最小化されるようなａ、ｂ、ｒの値が決定され、円形の臓器の近似曲線が得られる。


なお、関数近似の際の基本の陰関数として式（１）に示される超楕円の関数が用いられる場合には、超楕円のパラメータ、例えば、超楕円のスケールを表すスケールパラメータＷ１およびＷ２、超楕円の四角度を表す形状パラメータＥ、超楕円のたわみを表す形状パラメータＢおよび超楕円のバランスを表す形状パラメータＴ等の形状パラメータと、超楕円の配置位置を表す位置パラメータＬ１およびＬ２、超楕円の回転位置を表す位置パラメータＡ等の位置パラメータを変数とした最急降下法を用いることができる。この場合には、目的関数を最小化するようなそれぞれの形状パラメータ、それぞれの位置パラメータおよびそれぞれのスケールパラメータが決定され、臓器を近似する陰関数が決定される。なお、超楕円の縦横比を表す形状パラメータＷ１／Ｗ２またはＷ２／Ｗ１は、スケールパラメータＷ１およびＷ２が最適化されることにより決定される。
また、形状解析部３６は、最終的に得られた近似曲線が、関数近似を行う際に用いた基本の陰関数で表される曲線からどの程度変形しているかをユーザに把握させるために、最終的に得られた近似曲線を表す近似関数における形状パラメータの値をモニタ３３に表示できる。また、最終的に得られた近似曲線が、関数近似を行う際に用いた基本の陰関数で表される曲線からどの程度変形しているかを示すために、最終的に得られた近似曲線と基本の陰関数で表される曲線をモニタ３３に表示することもできる。
臓器評価部３７は、形状解析部３６において近似された陰関数により表される近似関数の形状パラメータに基づいて臓器の病状を評価する。臓器評価部３７は、例えば、近似曲線の縦横比を表す形状パラメータＷ１／Ｗ２またはＷ２／Ｗ１、近似曲線の四角度を表す形状パラメータＥ、近似関数のたわみを表す形状パラメータＢおよび近似曲線のバランスを表す形状パラメータ等の、近似関数の形状パラメータを評価指標として用いて臓器の形状を評価することにより、臓器の病状を評価できる。
例えば、図５に示すように、前立腺Ｔ２は肥大化すると円に近い形状を有することが知られている。臓器評価部３７は、例えば、形状パラメータに基づいて被検体の前立腺の形状を評価することにより、前立腺肥大症が発症している疑いがあるか否かを評価できる。この際に、臓器評価部３７は、例えば、近似曲線のスケールを表すスケールパラメータＷ１およびＷ２の比率Ｗ１／ＳＷまたはＷ２／Ｗ１により表される形状パラメータが１に近い場合、すなわち、１を中心とした一定の範囲内の値を有する場合に前立腺肥大症が発症している疑いがあると評価でき、それ以外の場合に前立腺肥大症が発症している可能性が低いと評価できる。また、臓器評価部３７は、例えば、近似曲線の四角度を表す形状パラメータＥが１に近い場合、すなわち、１を中心とした一定の範囲内の値を有する場合に前立腺肥大症が発症している疑いがあると評価でき、それ以外の場合に前立腺肥大症が発症している可能性が低いと評価することもできる。
また、臓器評価部３７は、近似曲線のたわみを表す形状パラメータＢが一定の値よりも小さい場合に前立腺肥大症が発症している疑いがあると評価でき、それ以外の場合に前立腺肥大症が発症している可能性が低いと評価することもできる。また、臓器評価部３７は、近似曲線のバランスを表す形状パラメータＴが０に近い一定の範囲内の値を有する場合に前立腺が肥大化している疑いがあると評価でき、それ以外の場合に前立腺肥大症が発症している可能性が低いと評価することもできる。
また、図５に示すように、肥大化した前立腺Ｔ２は膀胱Ｒ１側に突出し、膀胱Ｒ１は、超音波画像Ｕにおいて深部が窪んだ形状を有しているように見える。このような場合には、一般的に、膀胱炎が発症しやすいことが知られている。検査対象の臓器として、臓器領域抽出部３５により膀胱Ｒ１が検出された場合に、形状解析部３６は、膀胱Ｒ１の窪み形状を評価することにより、膀胱炎が発症している疑いがあるか否かを評価できる。この際に、形状解析部３６は、例えば、膀胱Ｒ１の近似曲線におけるたわみを表す形状パラメータＢが一定値よりも大きい場合に、膀胱の病状として、膀胱炎が発症している疑いがあると評価でき、それ以外の場合に膀胱炎が発症するリスクが低いと評価できる。
また、臓器評価部３７は、例えば、いわゆる回帰分析モデルまたはいわゆる分類木モデル等の機械学習モデルに形状パラメータを入力することにより、臓器の病状を間接的に評価することもできる。この際に、臓器評価部３７は、例えば、臓器の病状と形状パラメータの関係を予め学習した機械学習モデルに対して形状解析部３６により近似された陰関数により表される近似曲線の形状パラメータを入力することにより、臓器に対する評価結果を出力できる。
検査結果メモリ３８は、本体制御部３９による制御の下で、臓器領域抽出部３５により臓器の抽出の処理が行われる超音波画像Ｕ、臓器領域抽出部３５による臓器の抽出結果、形状解析部３６により近似された陰関数の情報および臓器評価部３７による臓器の病状に関する評価結果をそれぞれ関連付けて検査結果として保存する。形状解析部３６により近似された陰関数の情報には、その陰関数の形状パラメータ等が含まれる。検査結果メモリ３８としては、例えば、フラッシュメモリ、ＨＤＤ、ＳＳＤ、ＦＤ、ＭＯディスク、ＭＴ、ＲＡＭ、ＣＤ、ＤＶＤ、ＳＤカード、ＵＳＢメモリ等の記録メディア等を用いることができる。
なお、画像生成部３１、表示制御部３２、臓器領域抽出部３５、形状解析部３６、臓器評価部３７および本体制御部３９を有するプロセッサ４１は、ＣＰＵ（Central Processing Unit：中央処理装置）、および、ＣＰＵに各種の処理を行わせるための制御プログラムから構成されるが、ＦＰＧＡ（Field Programmable Gate Array：フィードプログラマブルゲートアレイ）、ＤＳＰ（Digital Signal Processor：デジタルシグナルプロセッサ）、ＡＳＩＣ（Application Specific Integrated Circuit：アプリケーションスペシフィックインテグレイテッドサーキット）、ＧＰＵ（Graphics Processing Unit：グラフィックスプロセッシングユニット）、または、その他のＩＣ（Integrated Circuit：集積回路）を用いて構成されてもよく、もしくはそれらを組み合わせて構成されてもよい。
また、プロセッサ４１の画像生成部３１、表示制御部３２、臓器領域抽出部３５、形状解析部３６、臓器評価部３７および本体制御部３９は、部分的にあるいは全体的に１つのＣＰＵ等に統合させて構成されることもできる。
次に、図１１のフローチャートを用いて実施の形態に係る超音波診断装置１の基本的な動作を説明する。
まず、ステップＳ１において、超音波診断装置１のユーザが超音波プローブ２を被検体の体表に接触させ、この状態で超音波画像Ｕが取得される。超音波画像Ｕ１が取得される際に、送受信回路２２は、本体制御部３９の制御の下でいわゆる受信フォーカス処理を行って音線信号を生成する。送受信回路２２により生成された音線信号は、画像生成部３１に送出される。画像生成部３１は、送受信回路２２から送出された音線信号を用いて超音波画像Ｕを生成する。このようにして取得された超音波画像Ｕは、表示制御部３２に送出され且つ画像メモリ３４に保存される。
ステップＳ２において、ステップＳ１で取得され且つ表示制御部３２に送出された超音波画像Ｕが、所定の処理を施された後で、モニタ３３に表示される。これにより、ユーザは、取得された超音波画像Ｕを確認できる。
ステップＳ３において、臓器領域抽出部３５は、本体制御部３９の制御の下で画像メモリ３４からステップＳ１で取得された超音波画像Ｕを読み出し、この超音波画像Ｕを解析することにより被検体の臓器を抽出する。この際に、臓器領域抽出部３５は、例えば、単純なパターンマッチングを用いる方法、Csurka et al.: Visual Categorization with Bags of Keypoints, Proc. of ECCV Workshop on Statistical Learning in Computer Vision, pp.59-74 （2004）に記載されている機械学習手法、あるいは、Krizhevsk et al.: ImageNet Classification with Deep Convolutional Neural Networks, Advances in Neural Information Processing Systems 25, pp.1106-1114 （2012）に記載されている深層学習またはＣＮＮ等を用いた一般画像認識手法を適用することにより、超音波画像Ｕに含まれる被検体の臓器を抽出できる。
また、臓器領域抽出部３５は、抽出した臓器の領域を超音波画像Ｕ上で強調してモニタ３３に表示できる。この際に、臓器領域抽出部３５は、例えば、超音波画像Ｕ上の臓器の領域に色付けして表示すること、超音波画像Ｕ上の臓器の領域の輪郭線を表示すること、超音波画像Ｕ上の臓器の領域の輪郭に色付けして表示すること等ができる。また、ステップＳ３における臓器の抽出結果は、検査結果メモリ３８に保存されることができる。
ステップＳ４において、形状解析部３６は、ステップＳ３で抽出された臓器の形状を陰関数により近似する。形状解析部３６は、例えば、超音波画像Ｕの水平方向に沿ってｘ軸を設定し、水平方向に直交する方向に沿ってｙ軸を設定し、陰関数として式（１）に示す超楕円の関数を用いることができる。形状解析部３６は、この際に、超楕円のスケールを表すスケールパラメータＷ１およびＷ２、超楕円の縦横比を表す形状パラメータＷ１／Ｗ２またはＷ２／Ｗ１、超楕円の四角度を表す形状パラメータＥ、超楕円のたわみを表す形状パラメータＢおよび超楕円のバランスを表す形状パラメータＴ等の形状パラメータと、超楕円の配置位置を表す位置パラメータＬ１およびＬ２、超楕円の回転位置を表す位置パラメータＡ等の位置パラメータを変数とした最急降下法を用いることにより、臓器を近似する陰関数を決定できる。
なお、最急降下法で用いられる学習率Ｇの値は、初期設定として予め設定されていてもよく、ユーザにより入力装置４０を介して入力されてもよい。学習率Ｇがユーザにより入力される場合には、例えば、被検体に対する検査が開始される前に学習率Ｇの入力が行われてもよく、ステップＳ４が開始される際に学習率Ｇの入力を促すメッセージがモニタ３３に表示され、これを確認したユーザにより学習率Ｇが入力されてもよい。
また、ステップＳ４において近似された陰関数の形状パラメータを含む情報は、検査結果メモリ３８に保存されることができる。
最後に、ステップＳ５において、臓器評価部３７は、ステップＳ４で近似された陰関数により表される近似曲線の形状パラメータに基づいて臓器の病状を評価する。臓器評価部３７は、例えば、近似曲線の縦横比を表す形状パラメータＷ１／Ｗ２またはＷ２／Ｗ１、近似曲線の四角度を表す形状パラメータＥ、近似関数のたわみを表す形状パラメータＢおよび近似曲線のバランスを表す形状パラメータ等の、近似関数の形状パラメータを評価指標として用いることにより臓器の病状を評価できる。
図５に示すように、前立腺Ｔ２は肥大化すると円に近い形状を有することが知られている。そのため、臓器評価部３７は、例えば、近似曲線の縦横比を表す形状パラメータＷ１／Ｗ２またはＷ２／Ｗ１が１を中心とした一定の範囲内の値を有する場合、近似曲線の四角度を表す形状パラメータＥが１を中心とした一定の範囲内の値を有する場合、近似曲線のたわみを表す形状パラメータＢが一定の値よりも小さい場合、または、近似曲線のバランスを表す形状パラメータＴが０に近い一定の範囲内の値を有する場合に前立腺肥大症が発症している疑いがあると評価でき、それ以外の場合に前立腺肥大症が発症している可能性が低いと評価できる。
また、図５に示すように、肥大化した前立腺Ｔ２は膀胱Ｒ１側に突出し、膀胱Ｒ１は、超音波画像Ｕにおいて深部が窪んだ形状を有しているように見える。このような場合には、一般的に、膀胱炎が発症しやすいことが知られている。検査対象の臓器として、ステップＳ３で膀胱Ｒ１が検出された場合に、形状解析部３６は、膀胱Ｒ１の窪み形状を評価できる。この際に、形状解析部３６は、例えば、膀胱Ｒ１の近似曲線におけるたわみを表す形状パラメータＢが一定値よりも大きい場合に、膀胱の病状として、膀胱炎が発症している疑いがあると評価でき、それ以外の場合に膀胱炎が発症するリスクが低いと評価できる。
また、臓器評価部３７は、例えば、いわゆる回帰分析モデルまたはいわゆる分類木モデル等の機械学習モデルを用いて形状パラメータを間接的に評価することにより、臓器の病状を評価することもできる。この際に、臓器評価部３７は、例えば、臓器の病状と形状パラメータの関係を予め学習した機械学習モデルに対して形状解析部３６により近似された陰関数により表される近似曲線の形状パラメータを入力することにより、臓器に対する評価結果を出力できる。
このようにして得られた被検体の臓器に関する評価結果は、表示制御部３２を介してモニタ３３に表示される。また、被検体の臓器に関する評価結果は、検査結果メモリ３８に保存される。検査結果メモリ３８に保存された評価結果は、例えば検査後にユーザによって閲覧されることができる。
ステップＳ５の処理が完了すると、図１１のフローチャートに従う超音波診断装置１の動作が終了する。
ここで、例えば前立腺のように病状によってその形状が変化するような臓器を検査する場合には、通常、医師等のユーザが超音波画像Ｕを確認して、超音波画像Ｕに写る臓器の形状を定性的に評価しながら検査することが多い。しかしながら、定性的な評価では、時系列での臓器の形状の変化を評価しにくい、被検体の体型等により臓器の形状に個人差があるために精確な評価が難しいという問題があった。
本発明の実施の形態に係る超音波診断装置１によれば、超音波画像Ｕを解析して超音波画像Ｕに含まれる臓器を抽出し、抽出された臓器を陰関数により近似し、陰関数により近似された近似曲線の形状パラメータに基づいて臓器の病状を定量的に評価するため、被検体の体型等により臓器の形状に個人差があったとしても、ユーザは、取得された評価結果を確認することにより、臓器の形状を精確に評価して、検査を精確に行うことができる。また、ユーザは、超音波診断装置１を用いて同一の被検体に対して定期的に検査を行う際に、検査結果メモリ３８に保存された過去の検査結果を確認することにより、時系列での臓器の形状の変化を容易に評価して、検査をより精確に行うことができる。
なお、ステップＳ１で１フレームの超音波画像Ｕが生成されるとステップＳ３でその超音波画像Ｕが解析されて臓器が抽出されることが説明されているが、ステップＳ１において、数秒間の定められた時間内に生成された複数フレームの超音波画像Ｕが生成され、それらの複数フレームの超音波画像Ｕのうち、解析に使用される１フレームの超音波画像Ｕが選出されることもできる。
例えば、入力装置４０を介したユーザの指示に基づいて被検体に対する検査が開始されると、検査開始から数秒間の定められた時間内に複数フレームの超音波画像Ｕが生成され、画像メモリ３４に保存される。このようにして画像メモリ３４に保存された一連の超音波画像Ｕが一覧表示またはいわゆるスクロール表示等によりモニタ３３に表示される。ユーザは、モニタ３３に表示された一連の超音波画像Ｕを確認し、検査対象の臓器が最も明瞭に写っている超音波画像Ｕを、ステップＳ２以降の処理に使用される超音波画像Ｕとして選出できる。選出された超音波画像Ｕは、ステップＳ２でモニタ３３に表示され、ステップＳ３で臓器領域抽出部３５により解析される。このようにして、ステップＳ２以降の処理に用いられる１フレームの超音波画像Ｕがユーザにより選出されることにより、臓器をより鮮明に写す超音波画像Ｕが処理されることが可能であるため、最終的に臓器評価部３７により得られる臓器の病状の評価結果の精度を向上できる。
また、臓器領域抽出部３５は、画像メモリ３４に保存された一連の超音波画像Ｕを解析することにより、臓器を抽出するために用いる超音波画像Ｕを自動的に抽出することもできる。この際に、臓器領域抽出部３５は、例えば、一連の超音波画像Ｕに対してそれぞれの超音波画像Ｕに写る臓器のエッジの鮮鋭度を算出し、算出された鮮鋭度が最も高い１フレームの超音波画像Ｕを、以降の処理に用いる超音波画像Ｕとして選出できる。ここで、臓器領域抽出部３５は、例えば、超音波画像Ｕにおける臓器のエッジを検出し、検出されたエッジの周囲の画素のコントラストに基づいて鮮鋭度を算出できる。このようにして超音波画像Ｕが自動的に選出されることにより、臓器をより鮮明に写す超音波画像Ｕが処理されることが可能であるため、最終的に臓器評価部３７により得られる臓器の病状の評価結果の精度を向上できる。
また、ステップＳ３における臓器の抽出結果は、例えば、入力装置４０を介してユーザにより修正されることができる。例えば、ステップＳ３で抽出された臓器が超音波画像Ｕに重畳してモニタ３３上で強調して表示され、この際に、入力装置４０を介したユーザによる臓器の領域の修正が受け付けられる。ユーザが入力装置４０を介して超音波画像Ｕ上の臓器を表す領域を指定すると、臓器領域抽出部３５により抽出された臓器の領域がユーザにより指定された臓器の領域に置き換えられる。この場合に、ステップＳ３に続くステップＳ４で、ユーザにより指定された臓器の領域が陰関数により近似される。これにより、例えば、超音波画像Ｕが十分に鮮明でない場合等、何らかの原因により臓器領域抽出部３５が臓器を正しく抽出できなかった場合でも、臓器の形状を精度良く評価することが可能である。
また、送受信回路２２は、超音波プローブ２に備えられていることが説明されているが、超音波プローブ２に備えられる代わりに装置本体３に備えられることもできる。
また、画像生成部３１は、装置本体３に備えられることが説明されているが、装置本体３に備えられる代わりに超音波プローブ２に備えられていてもよい。
また、超音波プローブ２と装置本体３が有線接続されることが示されているが、無線接続されていてもよい。
また、画像生成部３１において、信号処理部５１にＤＳＣ５２が接続され、ＤＳＣ５２に画像処理部５３が接続されることが説明されているが、信号処理部５１に画像処理部５３が接続され、画像処理部５３にＤＳＣ５２が接続されていてもよい。この場合には、信号処理部５１で生成された超音波画像Ｕに対して、画像処理部５３により階調処理等の所定の処理が施された後で、ＤＳＣ５２により、超音波画像Ｕがラスター変換される。このように、信号処理部５１、画像処理部５３、ＤＳＣ５２の順で接続される場合でも、信号処理部５１、ＤＳＣ５２、画像処理部５３の順で接続される場合と同様に、画像生成部３１において超音波画像Ｕが生成される。
また、形状解析部３６が臓器の関数近似を行う際に用いる陰関数の種類として、超楕円、楕円および円が例示されているが、用いられる陰関数は特にこれらに限定されない。例えば、陰関数として、以下の式（１５）に示す関数を用いることもできる。例えば、式（１５）において、Ｍ＝１．１、Ｎ＝１．０、Ｋ＝０．４、Ｑ＝１．２とすると、図１２に示す曲線Ｆ１３が得られる。式（１５）は、例えば、前立腺の形状を近似する際の陰関数として用いられることができる。式（１５）が最急降下法に用いられる場合に、例えば、Ｍ、Ｎ、Ｋ、ＱおよびＭ／Ｎを変数として目的関数を最小化するようなＭ、Ｎ、Ｋ、ＱおよびＭ／Ｎが決定される。
また、形状解析部３６は、式（１）の超楕円の関数、式（７）の円の関数および式（１５）の関数等、臓器の近似を行う際の複数の基本の陰関数を予め記憶しておき、臓器領域抽出部３５により抽出された臓器の種類に応じて臓器の近似において使用する基本の陰関数を設定することもできる。この際に、形状解析部３６は、入力装置４０を介したユーザの指示に基づいて基本の陰関数を設定することができる。また、形状解析部３６は、複数の臓器の種類と、それぞれの臓器に対応する基本の陰関数との関係を予め記憶し、記憶された関係に基づいて、臓器領域抽出部３５により抽出された臓器の種類に対応する基本の陰関数を自動的に設定することもできる。
このようにして、臓器の種類に応じた基本の陰関数が設定されることにより、陰関数を用いて臓器をより精確に近似して、臓器評価部３７による評価の精度を向上できる。
また、形状解析部３６は、臓器領域抽出部３５により抽出された臓器を複数の領域に区分けし、区分けされた複数の領域毎に対応する基本の陰関数を用いて臓器を近似することもできる。形状解析部３６は、このようにして複数の陰関数を組み合わせることにより、例えば臓器が複雑な形状をしている場合でも、陰関数による臓器の近似をより精確に行うことができる。
また、形状解析部３６は、臓器領域抽出部３５により抽出された臓器の形状を認識し、認識された臓器の形状に応じて陰関数による近似方法を設定することもできる。形状解析部３６は、例えば、臓器領域抽出部３５により抽出された臓器の形状が楕円形状等の、最小二乗法を用いて一意に形状パラメータが定まる形状である場合には最小二乗法を用い、そうでない場合には最急降下法を用いることができる。これにより、臓器の形状に適した近似方法が用いられるため、臓器をより精確に近似して、臓器評価部３７による評価の精度を向上できる。
また、一般的に、最急降下法において、学習率Ｇの値によっては目的関数ｆ（ａ，ｂ，ｒ）が一定値に収束しないことがある。そこで、形状解析部３６は、例えば、目的関数ｆ（ａ，ｂ，ｒ）が定められた値よりも大きくなる場合に、モニタ３３にメッセージを表示する等によりユーザにその旨を通知し、学習率Ｇの値を変更するように促すことができる。ユーザが形状解析部３６からの通知を確認して学習率Ｇの値を適切に変更することにより、目的関数ｆ（ａ，ｂ，ｒ）を最小化するようなａ、ｂ、ｒを決定することが可能である。
また、画像生成部３１で生成された超音波画像Ｕに対して臓器領域抽出部３５による臓器抽出等の処理が行われることが説明されているが、現在行われている検査で生成された超音波画像Ｕではなく、過去の検査で画像メモリ３４に保存された超音波画像Ｕ等、画像メモリ３４に予め保存されている超音波画像Ｕに対して処理が行われることもできる。
また、図示しないが、超音波診断装置１は、有線接続または無線接続により外部装置に接続される外部装置接続回路を備え、外部装置接続回路を介して外部装置から入力された超音波画像Ｕを画像メモリ３４に保存することができる。この場合に、例えば、外部装置から入力された超音波画像Ｕに対して、臓器領域抽出部３５による臓器抽出等の処理を行うこともできる。超音波画像Ｕを入力するための外部装置として、例えば、外部の超音波診断装置、超音波画像Ｕを保存している外部のサーバ装置または超音波画像Ｕを保存している外部の記憶媒体等が挙げられる。
また、図示しない外部装置接続回路を介して検査結果メモリ３８に保存されている検査結果を、例えばいわゆるワークステーション等の図示しない外部装置に出力することができる。これにより、ユーザは、例えば検査が終了した後で外部装置を用いて検査結果を確認することが可能である。
また、本発明が超音波プローブ２を備える超音波診断装置１に対して適用されることが説明されているが、本発明は超音波プローブ２を備えていない画像診断装置、例えば、画像生成部３１が除かれた装置本体３により構成される画像診断装置に対しても適用できる。この場合には、臓器領域抽出部３５により、画像メモリ３４に予め保存されている超音波画像Ｕに基づいて臓器が抽出され、形状解析部３６により、抽出された臓器の形状が陰関数により近似され、臓器評価部３７により、近似曲線の形状パラメータに基づいて臓器の病状が評価される。ユーザは、画像診断装置において得られた、臓器の病状の評価結果を確認することにより、臓器の形状を精確に評価して、検査を精確に行うことができる。
また、超音波画像Ｕに対して臓器の抽出を行い、陰関数により臓器の近似を行い、近似された陰関数により表される近似曲線の形状パラメータに基づいて臓器の病状の評価を行うことが説明されているが、超音波画像Ｕに限定されず、例えば、単純なＸ線画像、ＣＴ（Computed Tomography：コンピュータ断層撮影）画像、ＭＲＩ（Magnetic Resonance Imaging：核磁気共鳴画像法）画像（核磁気共鳴画像）等の任意の医用画像に対して同様の処理が可能である。そのため、本発明は、超音波診断装置１の他に、例えば、Ｘ線画像診断装置、ＣＴ画像診断装置、ＭＲＩ画像診断装置等の、任意の医用画像の診断を行う様々な診断装置に適用されることができる。
１ 超音波診断装置、２ 超音波プローブ、３ 装置本体、２１ 振動子アレイ、２２ 送受信回路、２３ パルサ、２４ 増幅部、２５ ＡＤ変換部、２６ ビームフォーマ、３１ 画像生成部、３２ 表示制御部、３３ モニタ、３４ 画像メモリ、３５ 臓器領域抽出部、３６ 形状解析部、３７ 臓器評価部、３８ 検査結果メモリ、３９ 本体制御部、４０ 入力装置、４１ プロセッサ、５１ 信号処理部、５２ ＤＳＣ、５３ 画像処理部、Ｃ１，Ｃ２ 円、Ｆ１～Ｆ１３ 曲線、Ｐ１～Ｐ４ 点、Ｒ１ 膀胱、Ｔ１，Ｔ２ 前立腺、Ｕ 超音波画像。

Claims (16)

  1. 被検体の臓器が撮像された画像を表示するモニタと、
    前記画像を解析することにより前記臓器を抽出する臓器領域抽出部と、
    複数の臓器の種類に対応する複数の基本陰関数を記憶し、前記複数の基本陰関数から前記臓器領域抽出部により抽出された前記臓器に対応する基本陰関数を選択し、前記基本陰関数に基づいて前記臓器の形状を近似する近似陰関数を算出する形状解析部と、
    前記形状解析部において算出された前記近似陰関数により表される近似曲線の形状パラメータに基づいて前記臓器の病状を評価する臓器評価部と
    を備え、
    前記複数の基本陰関数のそれぞれは複数の変数を有し、前記複数の基本陰関数のそれぞれにより表される曲線は前記複数の変数の少なくとも１つを変更することにより変形可能である診断装置。
  2. 前記臓器評価部は、前記近似曲線の前記形状パラメータを評価指標として前記臓器の病状を評価する請求項１に記載の診断装置。
  3. 前記形状解析部は、前記基本陰関数として超楕円を用い、
    前記臓器評価部は、前記近似曲線のたわみを表す形状パラメータを評価指標として前記臓器の病状を評価する請求項２に記載の診断装置。
  4. 前記形状解析部は、前記基本陰関数として超楕円を用い、
    前記臓器評価部は、前記近似曲線の形状のバランスを表す形状パラメータを評価指標として前記臓器の病状を評価する請求項２に記載の診断装置。
  5. 前記形状解析部は、前記基本陰関数として楕円を用いる請求項２に記載の診断装置。
  6. 前記臓器評価部は、前記近似曲線の前記形状パラメータを用いて機械学習モデルを作成し、前記機械学習モデルにより前記臓器の病状を評価する請求項１に記載の診断装置。
  7. 前記形状解析部は、前記基本陰関数として超楕円を用いる請求項６に記載の診断装置。
  8. 前記形状解析部は、前記基本陰関数として楕円を用いる請求項６に記載の診断装置。
  9. 前記臓器は、前立腺であり、
    前記臓器評価部は、前記形状パラメータに基づいて前記前立腺の形状を評価することにより、前記前立腺の病状を評価する請求項１、２および５～８のいずれか一項に記載の診断装置。
  10. 前記臓器は、膀胱であり、
    前記臓器評価部は、前記形状パラメータに基づいて前記膀胱の窪みを評価することにより、前記膀胱の病状を評価する請求項３、４および７のいずれか一項に記載の診断装置。
  11. 前記画像は、超音波画像である請求項１～１０のいずれか一項に記載の診断装置。
  12. 超音波プローブと、前記被検体に対し前記超音波プローブを用いて超音波ビームの送受信を行うことにより前記超音波画像を生成する画像生成部を備える請求項１１に記載の診断装置。
  13. 前記画像は、Ｘ線画像、コンピュータ断層撮影画像および核磁気共鳴画像のうちのいずれかである請求項１～１０のいずれか一項に記載の診断装置。
  14. 被検体の臓器が撮像された画像をモニタに表示し、
    前記画像を解析することにより前記臓器を抽出し、
    複数の臓器の種類に対応する複数の基本陰関数を記憶し、
    前記複数の基本陰関数から、抽出された前記臓器に対応する基本陰関数を選択し、
    前記基本陰関数に基づいて前記臓器の形状を近似する近似陰関数を算出し、
    抽出された前記臓器の形状を陰関数により近似し、
    算出された前記近似陰関数により表される近似曲線の形状パラメータに基づいて前記臓器の病状を評価し、
    前記複数の基本陰関数のそれぞれは複数の変数を有し、前記複数の基本陰関数のそれぞれにより表される曲線は前記複数の変数の少なくとも１つを変更することにより変形可能である
    診断装置の制御方法。
  15. 被検体の臓器が撮像された画像を表示するモニタと、
    前記画像を解析することにより前記臓器を抽出する臓器領域抽出部と、
    複数の基本陰関数を記憶し、前記臓器領域抽出部により抽出された前記臓器を複数の領域に区分けし、前記複数の基本陰関数から前記複数の領域毎に対応する基本陰関数を選択し、前記複数の領域毎に対応する前記基本陰関数に基づいて前記臓器領域抽出部により抽出された前記臓器を近似する複数の近似陰関数を算出する形状解析部と、
    前記形状解析部において算出された前記複数の近似陰関数により表される近似曲線の形状パラメータに基づいて前記臓器の病状を評価する臓器評価部と
    を備える診断装置。
  16. 被検体の臓器が撮像された画像をモニタに表示し、
    前記画像を解析することにより前記臓器を抽出し、
    複数の基本陰関数を記憶し、
    抽出された前記臓器を複数の領域に区分けし、
    前記複数の基本陰関数から前記複数の領域毎に対応する基本陰関数を選択し、
    前記複数の領域毎に対応する前記基本陰関数に基づいて、抽出された前記臓器を近似する複数の近似陰関数を算出し、
    算出された前記複数の近似陰関数により表される近似曲線の形状パラメータに基づいて前記臓器の病状を評価する
    診断装置の制御方法。
JP2021201611A 2021-12-13 2021-12-13 超音波診断装置および超音波診断装置の制御方法 Active JP7744227B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2021201611A JP7744227B2 (ja) 2021-12-13 2021-12-13 超音波診断装置および超音波診断装置の制御方法
US18/056,226 US20230186468A1 (en) 2021-12-13 2022-11-16 Ultrasound diagnostic apparatus and control method of ultrasound diagnostic apparatus
EP22208695.1A EP4195146B1 (en) 2021-12-13 2022-11-22 Ultrasound diagnostic apparatus and control method of ultrasound diagnostic apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2021201611A JP7744227B2 (ja) 2021-12-13 2021-12-13 超音波診断装置および超音波診断装置の制御方法

Publications (2)

Publication Number Publication Date
JP2023087303A JP2023087303A (ja) 2023-06-23
JP7744227B2 true JP7744227B2 (ja) 2025-09-25

Family

ID=84361145

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021201611A Active JP7744227B2 (ja) 2021-12-13 2021-12-13 超音波診断装置および超音波診断装置の制御方法

Country Status (3)

Country Link
US (1) US20230186468A1 (ja)
EP (1) EP4195146B1 (ja)
JP (1) JP7744227B2 (ja)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000107183A (ja) 1998-09-30 2000-04-18 Matsushita Electric Ind Co Ltd 臓器容積計測方法および装置
US20080161687A1 (en) 2006-12-29 2008-07-03 Suri Jasjit S Repeat biopsy system
JP2009273597A (ja) 2008-05-13 2009-11-26 Canon Inc 位置合わせ処理装置、位置合わせ方法、プログラム、及び記憶媒体
JP2010505558A (ja) 2006-10-10 2010-02-25 セダラ ソフトウェア コーポレイション 医療画像において領域を区分化するシステムおよび方法
JP2012254219A (ja) 2011-06-09 2012-12-27 Toshiba Corp 超音波診断装置、超音波画像処理装置、超音波画像処理プログラム
CN104504720A (zh) 2015-01-07 2015-04-08 四川大学 一种新的前列腺超声图像分割技术
CN104545999A (zh) 2015-01-05 2015-04-29 深圳市大深生物医学工程转化研究院 一种超声图像膀胱容积测量方法及装置
JP2017109074A (ja) 2015-12-15 2017-06-22 コニカミノルタ株式会社 超音波画像診断装置
WO2020075575A1 (ja) 2018-10-12 2020-04-16 富士フイルム株式会社 超音波診断装置および超音波診断装置の制御方法
US20210312652A1 (en) 2020-04-07 2021-10-07 Verathon Inc. Automated prostate analysis system

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0594524A (ja) * 1991-10-01 1993-04-16 Nippon Telegr & Teleph Corp <Ntt> 凸形状物体分割記述処理方法
US8666128B2 (en) * 2007-10-18 2014-03-04 The University Of North Carolina At Chapel Hill Methods, systems, and computer readable media for mapping regions in a model of an object comprising an anatomical structure from one image data set to images used in a diagnostic or therapeutic intervention
JP5542454B2 (ja) * 2010-01-14 2014-07-09 株式会社東芝 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
JP6518116B2 (ja) 2015-04-15 2019-05-22 国立大学法人 東京大学 超音波診断システム
US9779499B2 (en) * 2015-09-18 2017-10-03 Definiens Ag Grading of glandular tissue cancer by detailed image analysis of stained tissue slices
JP2018089379A (ja) * 2016-12-05 2018-06-14 国立大学法人千葉大学 膀胱機能評価プログラム及び膀胱機能評価方法
JP2021097840A (ja) * 2019-12-20 2021-07-01 積水化学工業株式会社 超音波検査機能付き浴槽、超音波検査システム及び浴槽を用いた超音波検査方法
CN111553919B (zh) * 2020-05-12 2022-12-30 上海深至信息科技有限公司 一种基于弹性超声成像的甲状腺结节分析系统
CN112215842B (zh) * 2020-11-04 2022-12-09 上海市瑞金康复医院 基于良性甲状腺模板的恶性结节边缘检测图像处理方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000107183A (ja) 1998-09-30 2000-04-18 Matsushita Electric Ind Co Ltd 臓器容積計測方法および装置
JP2010505558A (ja) 2006-10-10 2010-02-25 セダラ ソフトウェア コーポレイション 医療画像において領域を区分化するシステムおよび方法
US20080161687A1 (en) 2006-12-29 2008-07-03 Suri Jasjit S Repeat biopsy system
JP2009273597A (ja) 2008-05-13 2009-11-26 Canon Inc 位置合わせ処理装置、位置合わせ方法、プログラム、及び記憶媒体
JP2012254219A (ja) 2011-06-09 2012-12-27 Toshiba Corp 超音波診断装置、超音波画像処理装置、超音波画像処理プログラム
CN104545999A (zh) 2015-01-05 2015-04-29 深圳市大深生物医学工程转化研究院 一种超声图像膀胱容积测量方法及装置
CN104504720A (zh) 2015-01-07 2015-04-08 四川大学 一种新的前列腺超声图像分割技术
JP2017109074A (ja) 2015-12-15 2017-06-22 コニカミノルタ株式会社 超音波画像診断装置
WO2020075575A1 (ja) 2018-10-12 2020-04-16 富士フイルム株式会社 超音波診断装置および超音波診断装置の制御方法
US20210312652A1 (en) 2020-04-07 2021-10-07 Verathon Inc. Automated prostate analysis system

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
GONG, Lixin et al.，Parametric Shape Modeling Using Deformable Superellipses for Prostate Segmentation，IEEE Transactions on Medical Imaging，米国，IEEE，2004年03月31日，Vol. 23, No. 3，pp. 340-349，DOI: 10.1109/TMI.2004.824237
原田一哉，増刊号特集 泌尿器科医のための臨床超音波マニュアル ４ 前立腺・精嚢 Ｂ 鑑別のための読影のポイント，臨床泌尿器科，日本，医学書院，1992年10月30日，第46巻第11号，第79ページ－第87ページ，DOI: 10.11477/mf.1413900720

Also Published As

Publication number Publication date
EP4195146B1 (en) 2024-11-20
JP2023087303A (ja) 2023-06-23
EP4195146A1 (en) 2023-06-14
US20230186468A1 (en) 2023-06-15

Similar Documents

Publication Publication Date Title
JP7235868B2 (ja) 超音波診断装置および超音波診断装置の制御方法
EP3865070A1 (en) Ultrasound diagnosis device and ultrasound diagnosis device control method
JP7622074B2 (ja) 超音波診断装置および超音波診断装置の制御方法
JP2023077820A (ja) 超音波画像分析装置、超音波診断装置および超音波画像分析装置の制御方法
KR20140132839A (ko) 초음파 영상 장치 및 그 영상 표시 방법
JP2023182996A (ja) 超音波診断装置および超音波診断装置の制御方法
JP7744227B2 (ja) 超音波診断装置および超音波診断装置の制御方法
JP7313446B2 (ja) 超音波診断装置および超音波診断装置の制御方法
EP3639752B1 (en) Analyzing apparatus and analyzing program
CN111770730B (zh) 超声波诊断装置及超声波诊断装置的控制方法
JP6937731B2 (ja) 超音波診断装置および超音波診断装置の制御方法
JP7712189B2 (ja) 超音波画像分析装置、超音波診断装置および超音波画像分析装置の制御方法
WO2024203214A1 (ja) 超音波診断装置および超音波診断装置の制御方法
WO2024181083A1 (ja) 超音波診断装置および超音波診断装置の制御方法
JP7453400B2 (ja) 超音波システムおよび超音波システムの制御方法
JP6885908B2 (ja) 超音波診断装置および超音波診断装置の制御方法
EP4238504B1 (en) Ultrasound diagnostic apparatus and control method of ultrasound diagnostic apparatus
JP5205152B2 (ja) 超音波画像処理装置及びプログラム
EP4335380B1 (en) Ultrasound diagnostic apparatus and control method for ultrasound diagnostic apparatus
EP4335381B1 (en) Ultrasound diagnostic apparatus and control method for ultrasound diagnostic apparatus
EP4527314B1 (en) Ultrasound diagnostic apparatus and control method of ultrasound diagnostic apparatus
EP4295780B1 (en) Ultrasound diagnostic apparatus and control method of ultrasound diagnostic apparatus
EP4691373A1 (en) Ultrasonic diagnostic device and control method for ultrasonic diagnostic device
EP4335382A1 (en) Ultrasound diagnostic apparatus and control method for ultrasound diagnostic apparatus
WO2024190217A1 (ja) 超音波診断装置および超音波診断装置の制御方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20240909

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20250523

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20250701

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20250818

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: 20250902

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20250911

R150 Certificate of patent or registration of utility model

Ref document number: 7744227

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150