JP6716020B2 - 超音波診断装置および超音波診断装置の制御方法 - Google Patents

Description

本発明は、超音波診断装置および超音波診断装置の制御方法に係り、特に、ドプラ信号から血流情報を推定する超音波診断装置およびこの超音波診断装置の制御方法に関する。

従来から、被検体の内部の血流情報を得るために、超音波診断装置が用いられている。一般的に、超音波診断装置は、複数の素子が配列された振動子アレイが備えられた超音波プローブを備えている。この超音波プローブを被検体の体表に接触させた状態において、振動子アレイから被検体内に向けて超音波ビームが送信され、被検体からの超音波エコーを振動子アレイにおいて受信してドプラ信号が取得される。さらに、超音波診断装置は、得られたドプラ信号に含まれている周波数偏移情報に基づいて、血流情報であるドプラ画像を生成する。

超音波診断装置により得られるドプラ画像としては、血液の流れる方向および血流の速度等に応じて血液の画像に色を付けたカラードプラ画像がある。カラードプラ画像は、カラーフローマッピング法により生成される画像である。カラーフローマッピング法では、同一の走査線上、且つ、同一位置のデータ列に対して、動きの遅い組織から得られる信号であるクラッタを抑制するようにＭＴＩ（Moving Target Indicator：移動目標検出）フィルタと呼ばれるフィルタ処理を施すことにより、血流の信号成分を抽出する。このように、ドプラ信号のクラッタ成分を抑制することは、精度の良いカラードプラ画像を得るために必要である。

そこで、ドプラ信号のクラッタ成分を精度良く抑制できる超音波診断装置として、種々の提案がなされている。例えば、特許文献１に開示される超音波診断装置は、同一走査線上における同一位置の反射波データのデータ列から、走査範囲の相関行列を計算し、相関行列に基づいて主成分分析を行った結果からＭＴＩフィルタのフィルタ係数を計算し、ＭＴＩフィルタにより移動体に反射された超音波ビームを抽出することにより移動体情報の推定を行い、移動体情報に基づいて超音波画像を生成する。また、特許文献１に開示されている超音波診断装置は、主成分分析に用いられる相関行列として、走査範囲における相関行列の平均値を用いている。

また、例えば、特許文献２に開示される超音波診断装置は、受信したドプラ信号に対して自己相関演算を行うことにより、クラッタ成分の中心周波数および分散を推定し、クラッタ成分の周波数をゼロ付近にシフトさせている。さらに、特許文献２に開示される超音波診断装置は、周波数をシフトさせたクラッタ成分に対してＭＴＩフィルタを適用させている。

特開２０１４−１５８６９８号公報 特開２００４−７３６７２号公報

しかしながら、例えば、心臓および大きな血管の拍動、被検体の呼吸等が原因となる身体の動き、および、超音波プローブの移動に伴う相対的な被検体の身体の動きが発生する場合がある。この場合には、クラッタ成分の発生源となる被検体の組織自体の移動が大きくなるため、クラッタ成分の空間的な相関性が低くなり、特許文献１に開示される技術では、クラッタ成分を精度良く推定することができない。
また、特許文献２に開示の技術では、クラッタ成分の発生源となる被検体の組織の移動速度が十分に大きい場合、および、クラッタ成分の発生源となる被検体の組織の移動速度が大きく変化する場合には、クラッタ成分の中心周波数に基づく位相の補正だけでは、クラッタ成分の抑制効果を十分に得ることができない。

また、特許文献１および２に開示されている技術では、クラッタ成分の発生源となる被検体の組織自体の移動が大きい場合に、血管内を流れている血液に対する超音波ビームの反射波と大きく移動した組織に対する超音波ビームの反射波とをまとめてドプラ解析してしまうため、いわゆるモーションアーチファクトが発生し、精度の良い血流情報を得ることができなかった。

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、被検体の組織が大きく移動した場合であっても、極力モーションアーチファクトを発生させることなく、精度の良い血流情報を得ることができる超音波診断装置および超音波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、本発明の超音波診断装置は、被検体に対して超音波ビームの送信を複数の走査線に亘る範囲において複数回繰り返し行って、被検体からの反射波の時系列データ列を取得するデータ取得部と、時系列データ列に含まれる被検体における散乱体の相対的な位置ずれ量を推定する位置ずれ量推定部と、位置ずれ量推定部により推定された散乱体の位置ずれ量に基づく除外条件を満たす時系列データを時系列データ列から除外することにより解析対象データを選択するデータ除外部と、データ除外部により選択された解析対象データからクラッタ成分を除去するＭＴＩフィルタ部と、ＭＴＩフィルタ部においてクラッタ成分が除去された解析対象データを解析することにより、被検体における血流情報を推定する血流情報推定部と、を有することを特徴とする。

位置ずれ推定部は、時系列データ列に基づいて散乱体の相対的な移動距離を推定し、データ除外部は、位置ずれ量推定部により推定された散乱体の移動距離が定められた閾値を超える複数の時系列データを時系列データ列から除外することができる。

もしくは、位置ずれ量推定部は、時系列データ列のうち定められたデータ数を隔てて抽出された複数の抽出データを設定し、複数の抽出データに対して散乱体の相対的な移動距離を推定し、
データ除外部は、位置ずれ量推定部により推定された散乱体の移動距離が定められた閾値を超える複数の抽出データに亘る複数の時系列データを時系列データ列から除外することもできる。

さらに、ＭＴＩフィルタ部は、位置ずれ量推定部により散乱体の移動距離が推定された解析対象データに対して、散乱体の移動距離が大きいほど低周波成分を大きく減衰させるようにフィルタの特性を変化させることができる。

もしくは、ＭＴＩフィルタ部は、複数の走査線に亘る範囲のうち定められた範囲において解析対象データの相関行列の平均値を計算し、相関行列の平均値を用いてクラッタを主成分とする主成分分析を行うことにより、解析対象データからクラッタ成分を除去することもできる。

また、位置ずれ量推定部は、時系列データに含まれる散乱体の相対的な移動距離および移動方向をそれぞれ絶対値および方向とする移動ベクトルを推定し、データ除外部は、時系列データ列から推定された複数の移動ベクトルの始点と終点とを時系列順となるように逐次連結して時系列データ列に含まれる複数の時系列データに対応するデータ点をデータ平面上に配置し、複数のデータ点をそれぞれ中心とする同一半径の複数の円のうちいずれか１つの円に含まれる、時系列に連続した複数のデータ点の区間を、データ点の個数が多い順に、順次、解析対象データとして取り出した結果、１つの円にのみ含まれるデータ点に対応する時系列データを除外することもできる。

もしくは、位置ずれ量推定部は、時系列データ列のうち定められたデータ数を隔てて抽出された複数の抽出データを設定し、複数の抽出データに対して散乱体の相対的な移動距離および移動方向をそれぞれ絶対値および方向とする移動ベクトルを推定し、データ除外部は、複数の抽出データから推定された複数の移動ベクトルの始点と終点とを時系列順となるように逐次連結して抽出データに対応するデータ点をデータ平面上に配置し、複数のデータ点をそれぞれ中心とする同一半径の複数の円のうちいずれか１つの円に含まれる、時系列に連続した複数のデータ点の区間を、データ点の個数が多い順に、順次、解析対象データとして取り出した結果、１つの円にのみ含まれるデータ点に対応する時系列データを除外することもできる。

さらに、ＭＴＩフィルタ部は、それぞれ取り出された複数のデータ点の区間に対応する複数の解析対象データに対して、区間内に含まれる移動ベクトルの長さの合計が大きいほど低周波数成分を大きく減衰させるようにフィルタの特性を変化させることができる。

もしくは、位置ずれ量推定部は、時系列データ列に含まれる、複数の走査線に亘る範囲における各点の相対的な移動距離および移動方向をそれぞれ絶対値および方向とする複数の周辺変位ベクトルを推定し、ＭＴＩフィルタ部は、移動ベクトルとそれぞれの周辺変位ベクトルとの相関性が高いほど複数の解析対象データに対して大きな重み付けをして、複数の走査線に亘る範囲のうち定められた範囲において複数の解析対象データに対する相関行列の平均値を計算し、相関行列の平均値を用いてクラッタを主成分とする主成分分析を行うことにより、残された解析対象データからクラッタ成分を除去することもできる。

また、時系列データ列において同一の関心領域内の相関係数を算出する相関係数算出部と時系列データ列を、相関係数算出部により算出された相関係数が定められた値を超える時系列データに亘る第１のデータ群と、相関係数が定められた値以下の時系列データに亘る第２のデータ群とに分割するデータ分割部とをさらに有することが好ましい。

さらに、ＭＴＩフィルタ部は、第１のデータ群の時系列データに対するフィルタの特性と、第２のデータ群の時系列データに対するフィルタの特性とを異ならせることができる。

また、データ分割部は、第２のデータ群において互いに隣接する時系列データに含まれる、同一の関心領域内の輝度値の変化量を計算し、且つ、第２のデータ群の時系列データを輝度値の変化量が定められた値を超える第３のデータ群と輝度値の変化量が定められた値以下の第４のデータ群とに分割することができる。

さらに、ＭＴＩフィルタ部は、第３のデータ群の時系列データに対するフィルタの特性と、第４のデータ群の時系列データに対するフィルタの特性とを異ならせることができる。
もしくは、データ除外部は、第４のデータ群の時系列データを除外してもよい。

ＭＴＩフィルタ部は、複数の走査線に亘る範囲において複数の点に対して算出された相関係数が高いほど解析対象データに対して大きな重み付けをして、複数の走査線に亘る範囲のうち定められた範囲において相関行列の平均値を計算し、相関行列の平均値を用いてクラッタを主成分とする主成分分析を行うことにより、解析対象データからクラッタ成分を除去することもできる。

また、データ除外部は、データ分割部により分割された時系列データのうち、定められたデータ数よりも少ないデータ数だけ時系列に連続した時系列データを除外することができる。
また、データ除外部は、時系列データの除外の結果として残された複数の時系列データのうち、定められたデータ数よりも少ないデータ数だけ時系列に連続した時系列データを除外してもよい。

また、ＭＴＩフィルタ部は、時系列データ列から分割された複数の解析対象データを含む分割区間のそれぞれに対して解析対象データからクラッタ成分を除去し、血流情報推定部は、それぞれの分割区間においてＭＴＩフィルタ部によりクラッタ成分が除去された複数の解析対象データから血流情報を推定し、血流情報推定部により推定された複数の分割区間における血流情報を合成する血流情報合成部をさらに有することが好ましい。

また、本発明の超音波診断装置の制御方法は、被検体に対して超音波ビームの送信を複数の走査線に亘る範囲において複数回繰り返し行って、被検体からの反射波の時系列データ列を取得し、時系列データ列に含まれる、被検体における散乱体の相対的な位置ずれ量を推定し、推定された位置ずれ量に基づく除外条件を満たす時系列データを時系列データ列から除外して解析対象データを選択し、選択された解析対象データからクラッタ成分を除去し、クラッタ成分が除去された解析対象データを解析することにより、被検体における血流情報を推定することを特徴とする。

本発明によれば、超音波診断装置は、時系列データ列に含まれる散乱体の相対的な位置ずれ量を推定し、その位置ずれ量に基づいて時系列データ列から除外条件を満たす時系列データを除外するため、被検体の組織が大きく移動した場合であっても、精度の良い血流情報を得ることができる。

本発明の実施の形態１に係る超音波診断装置の構成を示すプロック図である。 本発明の実施の形態１における受信部の内部構成を示すブロック図である。 本発明の実施の形態１における画像生成部の内部構成を示すブロック図である。 本発明の実施の形態１における解析対象データ選択部の内部構成を示すブロック図である。 本発明の実施の形態１に係る超音波診断装置の血流情報の取得動作を示すフローチャートである。 本発明の実施の形態１における位置ずれ量推定部により設定された抽出データに含まれる散乱体を示す概念図である。 本発明の実施の形態１における位置ずれ量推定部により設定された抽出データに含まれる、位置ずれをした散乱体を示す概念図である。 それぞれの抽出データに含まれる散乱体の移動量を複数の抽出データおよび時系列データ列と共に例示した図である。 ＭＴＩフィルタのフィルタ特性の変化を示した図である。 ＭＴＩフィルタのフィルタ特性の他の変化例を示した図である。 本発明の実施の形態２に係る超音波診断装置の血流情報の取得動作を示すフローチャートである。 本発明の実施の形態２における時系列データの除外動作を示すフローチャートである。 データ平面上に配置された複数の移動ベクトルの例を示す概念図である。 データ平面上から複数のデータ点が取り出された結果、残された移動ベクトルの例を示す概念図である。 データ平面上に配置された複数の移動ベクトルの他の例を示す概念図である。 データ平面上に配置された複数の移動ベクトルのさらに他の例を示す概念図である。 本発明の実施の形態３における解析対象データ選択部の内部構成を示すブロック図である。 本発明の実施の形態３における血流情報の取得動作を示すフローチャートである。 本発明の実施の形態３における時系列データ列の分割動作を示すフローチャートである。 複数の抽出データにおける関心領域の相関係数の一例を示す図である。 複数の抽出データにおける関心領域の相関係数の他の例を示す図である。 複数の抽出データにおける関心領域の相関係数のさらに他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。
実施の形態１
図１に、本発明の実施の形態１に係る超音波診断装置の構成を示す。超音波診断装置１は、振動子アレイ２Ａを内蔵する超音波プローブ２を備え、超音波プローブ２に、データ取得部３が接続されている。

データ取得部３は、超音波プローブ２の振動子アレイ２Ａに接続された受信部４および送信部５を有しており、受信部４に画像生成部６が接続されている。また、受信部４に、解析対象データ選択部７が接続され、解析対象データ選択部７に、ＭＴＩフィルタ部８が接続され、ＭＴＩフィルタ部８に、血流情報推定部９が接続され、血流情報推定部９に、血流情報合成部１０が接続されている。また、画像生成部６および血流情報合成部１０に、表示制御部１１が接続されており、表示制御部１１に表示部１２が接続されている。
さらに、データ取得部３、解析対象データ選択部７、ＭＴＩフィルタ部８、血流情報推定部９および表示制御部１１に、装置制御部１３が接続され、装置制御部１３に、操作部１４および格納部１５がそれぞれ接続されている。なお、装置制御部１３と格納部１５とは、それぞれ双方向に情報を受け渡し可能に接続される。

図１に示す超音波プローブ２の振動子アレイ２Ａは、１次元または２次元に配列された複数の素子（超音波振動子）を有している。これらの素子は、それぞれ送信部５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反射波を受信して受信信号を出力する。各素子は、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した振動子を用いて構成される。

そのような振動子の電極に、パルス状または連続波状の電圧を印加すると、圧電体が伸縮し、それぞれの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。また、それぞれの振動子は、伝搬する超音波を受信することにより伸縮して電気信号を発生し、それらの電気信号は、超音波の受信信号として、それぞれの振動子から受信部４に出力される。

データ取得部３の受信部４は、図２に示すように、増幅部１６、Ａ／Ｄ（Analog/Digital：アナログ／デジタル）変換部１７、受信ビームフォーマ１８、および、直交検波回路１９が直列接続された構成を有している。受信部４において、増幅部１６は、振動子アレイ２Ａの各素子から出力される受信信号を増幅し、Ａ／Ｄ変換部１７は、増幅された受信信号をデジタル化して素子データを生成し、受信ビームフォーマ１８に出力する。
受信ビームフォーマ１８は、装置制御部１３からの制御信号に応じて選択された受信遅延パターンに基づき、設定された音速に従う各素子データにそれぞれの遅延を与えて加算（整相加算）を施す、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、超音波エコーの焦点が絞り込まれた音線信号が生成され、生成された音線信号は、直交検波回路１９に出力される。
直交検波回路１９は、受信ビームフォーマ１８により生成された音線信号を複素信号に変換し、この複素信号を、画像生成部６および解析対象データ選択部７に出力する。

データ取得部３の送信部５は、例えば、複数のパルス発生器を含んでおり、装置制御部１３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２Ａの複数の素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素子に供給する。

なお、被検体内部の散乱体からの反射波の強度に基づく、被検体の組織形状に関する画像情報であるＢモード（Brightness mode：輝度モード）画像が生成される場合に、データ取得部３は、超音波ビームの送信位置を、順次、移動させながら超音波ビームを送信し、複数の位置における反射波の受信を行う。
また、被検体内部の散乱体からの反射波に含まれている周波数偏移情報に基づくカラードプラ画像およびパワードプラ画像等のドプラ画像が生成される場合に、データ取得部３は、複数の走査線に亘る範囲において同一の走査線に対して複数回の超音波ビームの送信を繰り返し行って、同一の位置からの複数の反射波の受信を行う。

画像生成部６は、図３に示すように、Ｂモード処理部２０と画像処理部２１とが、順次、直列に接続された構成を有している。
Ｂモード処理部２０は、受信部４により生成された信号に対し、超音波の反射した位置の深度に応じて伝搬距離に起因する減衰の補正を施した後、包絡線検波処理を施して、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。Ｂモード処理部２０において生成されたＢモード画像信号は、画像処理部２１に出力される。
画像処理部２１は、Ｂモード処理部２０において生成された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）し、Ｂモード画像信号に諧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１１に出力する。

解析対象データ選択部７は、図４に示すように、位置ずれ量推定部２２とデータ除外部２３とを有している。解析対象データ選択部７が受信部４から受け取るデータは、ドプラ画像を生成するために取得されたデータ列であり、被検体に対する超音波ビームの送信を、複数の走査線に亘る範囲における同一の走査線に対して複数回行って、同一の位置からの複数の反射波を受信することにより得られた時系列データ列である。

位置ずれ量推定部２２は、受信部４から受け取った時系列データ列に含まれる、被検体における散乱体の位置ずれ量を推定する。例えば、位置ずれ量推定部２２は、データ取得部３により互いに異なる時刻に取得された２つの時系列データに含まれる同一の散乱体を中心とした関心領域について、テンプレートマッチング等の処理を行うことにより、散乱体の相対的な位置ずれ量を推定することができる。位置ずれ量推定部２２により推定された散乱体の位置ずれ量の情報は、データ除外部２３に送信される。
データ除外部２３は、位置ずれ量推定部２２から、時系列データ列に含まれる散乱体の位置ずれ量の情報を受け取ると共に、データ取得部３の受信部４から時系列データ列を受け取る。データ除外部２３は、散乱体の位置ずれ量に基づいた除外条件を満たす時系列データを、時系列データ列から除外して、ドプラ解析の対象となる解析対象データを選択する。また、データ除外部２３が時系列データの除外を行った結果、時系列に連続している解析対象データが複数の分割区間に分割されることがある。このような場合には、解析対象データは、複数の分割区間毎にＭＴＩフィルタ部８に送信される。

ＭＴＩフィルタ部８は、予め定められたフィルタ特性を有しており、解析対象データ選択部７のデータ除外部２３により選択された解析対象データに対して、定められたフィルタ特性を用いて、クラッタ成分を除去するためのフィルタ処理を施す。
このように、ＭＴＩフィルタ部８により解析対象データのクラッタ成分を除去することにより、ドプラ解析を行う際に、血流以外の余分な周波数成分の影響を小さくすることができるため、ドプラ解析の結果として得られる血流情報の精度を向上することができる。

血流情報推定部９は、ＭＴＩフィルタ部８によりクラッタ成分が除去された解析対象データに対してドプラ解析を施すことにより、被検体内の血流情報を推定する。解析対象データに対してドプラ解析を施すことにより、血流情報を推定する方法は、種々の方法を用いることができるが、例えば、血流情報推定部９は、いわゆる自己相関法により血流情報を推定することができる。
血流情報合成部１０は、解析対象データ選択部７のデータ除外部２３により解析対象データが複数の分割区間に分割されている際に、血流情報推定部９によりそれぞれの分割区間の解析対象データに対して推定された複数の血流情報を合成する。

図１に示すように、超音波診断装置１の表示制御部１１は、画像生成部６において生成されたＢモード画像信号と、血流情報推定部９および血流情報合成部１０において生成された被検体内の血流情報とに基づいて、表示部１２に超音波画像を表示させる。ここで、超音波画像とは、Ｂモード画像に対してカラードプラ画像およびパワードプラ画像等のドプラ画像が重畳された画像をいう。
表示部１２は、例えば、ＬＣＤ（Liquid Crystal Display：液晶ディスプレイ）等のディスプレイ装置を含んでおり、装置制御部１３による制御の下、超音波画像を表示する。

装置制御部１３は、オペレータにより操作部１４を介して入力された指令に基づいて超音波診断装置１の各部の制御を行う。
操作部１４は、オペレータが入力操作を行うためのものであり、キーボード、マウス、トラックボールおよびタッチパネル等を備えて構成することができる。
格納部１５は、超音波診断装置１の動作プログラム等を格納するもので、ＨＤＤ（Hard Disc 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 Disc：フレキシブルディスク）、ＭＯディスク（Magneto-Optical disc：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、またはサーバ等を用いることができる。

なお、画像生成部６、解析対象データ選択部７、ＭＴＩフィルタ部８、血流情報推定部９、血流情報合成部１０、表示制御部１１および装置制御部１３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、それらを、デジタル回路およびコンピュータを用いて構成しても良い。また、これらの画像生成部６、解析対象データ選択部７、ＭＴＩフィルタ部８、血流情報推定部９、血流情報合成部１０、表示制御部１１および装置制御部１３を、部分的にあるいは全体的に１つのＣＰＵに統合させて構成することもできる。

次に、図５に示すフローチャートを用いて、実施の形態１に係る超音波診断装置１の血流情報の取得動作について説明する。
まず、ステップＳ１において、解析対象データ選択部７の位置ずれ量推定部２２は、取得した時系列データ列から、定められたデータ数を隔てるように離散的に抽出されたデータである複数の抽出データを設定する。抽出データ間の間隔は、ドプラ解析の精度が低下しないデータ数に設定されることができ、例えば、４以上のデータ数に設定されることができる。このように、時系列データ列から複数の抽出データを設定することにより、位置ずれ量の計算に要する演算負荷を軽減することができる。また、時系列データ列に含まれる散乱体の位置ずれ量を離散的な抽出データに対して推定することにより、きわめて短い時間間隔において散乱体の位置ずれ量を推定することを防ぎ、散乱体の位置ずれ量の推定に対して十分な精度を得ることができる。

続くステップＳ２において、解析対象データ選択部７の位置ずれ量推定部２２は、複数の抽出データのうち互いに時系列に隣接する抽出データに含まれる散乱体の相対的な位置ずれ量を推定する。ここでは、位置ずれ量推定部２２により推定される散乱体の相対的な位置ずれ量が、散乱体の相対的な移動量である場合を説明する。
この際に、まず、位置ずれ量推定部２２は、互いに時系列に隣接する抽出データのうち一方をテンプレートマッチングにおける基準データとして設定する。基準となる抽出データにおいて、位置ずれ量推定部２２は、図６に示すように、抽出データに含まれる散乱体Ｓ内に点Ｐ１が配置されるように関心領域Ｏ１を設定する。関心領域Ｏ１は、点Ｐ１が中心に位置するように設定される。次に、位置ずれ量推定部２２は、他方の抽出データにおいて、図７に示すように、関心領域Ｏ１内に配置された点Ｐ１を中心とし、関心領域Ｏ１よりも大きい領域である探索領域Ｄを設定する。位置ずれ量推定部２２は、探索領域Ｄ内において関心領域Ｏ１を移動させながら、基準となる一方の抽出データの関心領域Ｏ１と他方の抽出データの関心領域Ｏ１との類似度を算出して、最も類似度が高くなる関心領域Ｏ２を特定する。さらに、位置ずれ量推定部２２は、基準となる抽出データの関心領域Ｏ１の点Ｐ１から他方の抽出データの関心領域Ｏ２の点Ｐ２に至る移動ベクトルＶを推定し、この移動ベクトルＶの絶対値を計算することにより、散乱体Ｓの相対的な移動距離を推定する。

互いに時系列に隣接する複数の抽出データから、それぞれ、散乱体の相対的な移動距離が推定されると、ステップＳ３において、解析対象データ選択部７のデータ除外部２３は、ステップＳ２において推定された散乱体の複数の移動距離の値と定められた閾値とを比較する。そして、データ除外部２３は、散乱体の移動距離が閾値を超える抽出データに亘る複数の時系列データを時系列データ列から除外して、残された複数の時系列データをドプラ解析の対象となる解析対象データとして選択する。ここで、図８に、散乱体の複数の移動距離を時系列データ列および複数の抽出データと共に配置した例を示す。図８に示される例において、Ｌは散乱体の相対的な移動距離、ｔは時間を示し、ＴＨ１は、移動距離Ｌに対して定められた閾値を示す。また、Ｂ０〜Ｂ１８は、時系列データ列を構成する時系列データを示し、Ａ０〜Ａ６は、抽出データを示す。また、Ｌ０〜Ｌ５は、それぞれ、抽出データＡ０〜Ａ６のうち互いに時系列に隣接する抽出データから推定された散乱体の移動距離を示す。

図８に示す例において、抽出データＡ３およびＡ４から推定された散乱体の移動距離Ｌ３と、抽出データＡ４およびＡ５から推定された散乱体の移動距離Ｌ４がいずれも閾値ＴＨ１を超えている。この際に、データ除外部２３は、隣接した抽出データＡ３とＡ４、および、Ａ４とＡ５とに亘る時系列データＢ９〜Ｂ１５を時系列データ列から除外し、残った時系列データＢ０〜Ｂ８および時系列データＢ１６〜Ｂ１８をドプラ解析の対象となる解析対象データとして選択する。また、図８に示す例においては、解析対象データは、時系列に連続した時系列データＢ０〜Ｂ８を含む分割区間と時系列に連続した時系列データＢ１６〜Ｂ１８を含む分割区間とに分割されている。
このように、散乱体の移動距離が閾値を超える時系列データを除外することにより、ドプラ解析の際に、被検体の組織の動きと血流の動きとを共に解析してしまうことを防ぐことができるため、血流情報の推定精度を向上させることができる。

続くステップＳ４において、ＭＴＩフィルタ部８は、ステップＳ３において選択された解析対象データに対して、クラッタ成分を除去するようにフィルタ処理を施す。この際に、ＭＴＩフィルタ部８は、推定された散乱体の移動距離に応じて予め設定されているフィルタの特性を変化させることができる。例えば、ＭＴＩフィルタ部８は、図９に示すように、推定された散乱体の移動距離が大きいほど解析対象データの低周波数成分を大きく減衰させるように、予め設定されているフィルタ波形ＷＦ１を変化させてフィルタ波形ＷＦ２とすることができる。また、ＭＴＩフィルタ部８は、図１０に示すように、推定された散乱体の移動距離が大きいほど解析対象データの低周波数成分を大きく減衰させるために、予め設定されているフィルタ波形ＷＦ１を、曲線形状のフィルタ波形ＷＦ３に変化させることもできる。ここで、図９および図１０におけるＦ（ｆ）は、解析対象データに対して適用されるフィルタの特性であり、ｆは解析対象データの周波数を示す。ＭＴＩフィルタ部８は、このようなフィルタ特性を用いて、解析対象データの低周波数成分を減衰することにより、解析対象データからクラッタ成分を除去する。

血流情報推定部９は、ステップＳ４においてクラッタ成分が除去された複数の解析対象データに対してドプラ解析を行うことにより、ステップＳ５において被検体における血流情報を推定する。血流情報推定部９は、複数の解析対象データに対するドプラ解析の方法として、種々の方法を用いることができるが、例えば、複数の解析対象データに対して自己相関演算を行うことにより、血流の中心周波数およびパワー等の血流情報を推定することができる。解析対象データがステップＳ３において複数の分割区間に分割されている場合には、解析対象データに対して分割区間毎に血流情報の推定を行う。
このように、ステップＳ３において解析対象データが複数の分割区間に分割されている場合に、ステップＳ６において、血流情報合成部１０は、複数の分割区間に対して推定された血流情報を合成する。このようにして、血流情報の取得動作は終了する。

以上において説明した実施の形態１の超音波診断装置１によれば、時系列データ列に含まれる散乱体の移動距離が定められた閾値以下の時系列データをドプラ解析の対象である解析対象データとして選択する。さらに、超音波診断装置１は、これらの解析対象データからクラッタ成分を除去し、クラッタ成分が除去された解析対象データから、被検体における血流情報を推定する。そのため、実施の形態１の超音波診断装置１は、被検体の組織が大きく移動した場合であっても、被検体の組織の大きな動きに起因した成分をドプラ解析の解析対象データから取り除くことができ、精度の良い血流情報を得ることができる。

なお、解析対象データ選択部７の位置ずれ量推定部２２は、図５のフローチャートのステップＳ２において、複数の抽出データを用いて時系列データ列に含まれる散乱体の移動ベクトルを推定すると説明したが、散乱体の移動ベクトルを精度良く推定することができれば、時系列データ列を構成する複数の互いに隣接する時系列データから散乱体の移動ベクトルを推定することもできる。例えば、位置ずれ量推定部２２は、時系列データ列を構成する複数の時系列データ同士の時間間隔が十分な大きさを有している場合に、互いに時系列に隣接する時系列データから、散乱体の移動ベクトルを推定することができる。

また、位置ずれ量推定部２２は、互いに時系列に隣接した注目データにおいて移動ベクトルを推定する際に、テンプレートマッチングを用いたが、探索領域Ｄ内の全てのデータについてテンプレートマッチングを行うことは、超音波診断装置１の演算性能に起因して、多くの時間を要する場合がある。この場合に、位置ずれ量推定部２２は、テンプレートマッチングに要する演算量を低減するため、探索領域Ｄ内のデータを間引いた抽出データを用いてテンプレートマッチングを行うことができる。また、位置ずれ量推定部２２は、間引かれたデータに対して、データ補間をすることもできる。

また、解析対象データ選択部７のデータ除外部２３は、時系列データ列が複数の分割区間に分割された際に、定められたデータ数よりも少ないデータ数だけ時系列に連続した時系列データを除外することができる。ドプラ解析の際には、解析対象データが時系列に多く連続しているほど、精度の良い血流情報を推定することができる。そのため、データ除外部２３は、定められた数よりも少ないデータ数だけ時系列に連続した時系列データを解析対象データから除外することにより、血流情報を推定する精度を向上させることができる。

また、データ除外部２３により散乱体の移動距離の値と比較される閾値は、ＭＴＩフィルタ部８におけるフィルタの性能に応じて設定されることが望ましい。従来のＭＴＩフィルタでは、散乱体の移動距離が、超音波ビームの中心周波数に対応する波長程度より大きい場合に、クラッタ成分の抑制が十分になされないことが多かった。そのため、例えば、従来のＭＴＩフィルタと同程度の性能を有するＭＴＩフィルタを用いる場合には、散乱体の移動距離の閾値は、超音波ビームの中心周波数に対応する波長の１／２倍〜１倍の長さに設定されることが望ましい。

また、血流情報合成部１０は、ステップＳ６において血流情報を合成する際に、複数の分割区間のそれぞれに含まれる解析対象データのデータ数に応じて血流情報の重み付け加算を行うことができる。これは、血流情報の推定精度が、時系列に連続する解析対象データのデータ数に依存するためである。そのため、血流情報合成部１０は、例えば、複数の分割区間のそれぞれに含まれる解析対象データのデータ数が多いほど大きな重み付けをして複数の血流情報を加算することにより、血流情報の合成を行うことができる。

また、ＭＴＩフィルタ部８は、ステップＳ４において、散乱体の相対的な移動距離が大きいほど解析対象データの低周波数成分を減衰するように、予め設定されているフィルタの特性を変化させることができると説明したが、散乱体の相対的な移動距離が一定の値よりも小さい場合に、解析対象データに対して低周波数成分の減衰量を小さくするように、予め設定されているフィルタの特性を変化させることもできる。

また、ＭＴＩフィルタ部８は、解析対象データを基準とした、複数の走査線に亘る範囲のうち定められた範囲において相関行列を算出し、クラッタを主成分とする主成分分析を行うことにより、複数の解析対象データからクラッタ成分を除去することもできる。この場合には、ＭＴＩフィルタ部８は、まず、解析対象データを基準とした、複数の走査線に亘る範囲のうち定められた範囲において相関行列の平均値を算出する。例えば、特開２０１４−１５８６９８号公報等に開示されている技術においては、下記式（１）に示される相関行列の平均値が用いられている。

ここで、式（１）のｘ_ｍは、定められた範囲に含まれる点ｍにおける時系列データ列を示す列ベクトルであり、Ｍは、定められた範囲に含まれる点ｍの総数である。また、ｘ_ｍ ^Ｈは、ｘ_ｍを転置した行ベクトルの複素共役である。
定められた範囲とは、複数の走査線に亘る走査範囲すべてが対象となり得るが、望ましくは、解析対象データの近傍の関心領域として定められる。解析対象データの近傍とは、具体的には、解析対象データと近接する複数の走査線および深さ範囲に亘る２次元の範囲か、もしくは、解析対象データの走査線における近接する深さ範囲の１次元の範囲のことである。また、解析対象データ自身に含まれる血流信号の影響を除くために、定められた範囲を、解析対象データ近傍の領域から解析対象データ自身を除いた範囲として定めても良い。
本発明の実施の形態１において、ＭＴＩフィルタ部８は、複数の抽出データに含まれる点ｍの移動距離が定められた閾値以下となる点ｍの時系列データのみを相関行列の計算に用いることができる。この際に、例えば、ＭＴＩフィルタ部８は、下記式（２）を用いて相関行列の計算を行うことができる。

ここで、式（２）のＷ_ｍは、点ｍにおける重み値であり、点ｍの移動距離が閾値を超える場合には、Ｗ_ｍ＝０であり、点ｍの移動距離が閾値以下である場合には、Ｗ_ｍ＝１である。このように、ＭＴＩフィルタ部８は、相関行列の平均値を計算する際に、互いに時系列に隣接する抽出データにおいて移動距離の大きい点、すなわち、相関性の低い点を除くことができるため、主成分分析を行う際に、クラッタの推定精度を向上させることができる。

実施の形態２
実施の形態１における血流情報の取得動作において、超音波診断装置１は、互いに時系列に隣接した抽出データに含まれる散乱体の移動距離を推定し、散乱体の移動距離に基づいて解析対象データの選択を行った。ここで、例えば、散乱体に対して推定された複数の移動距離がそれぞれ小さい値であっても、それぞれの移動距離に対応する散乱体の移動方向が同一方向である等の場合に、最終的に積算される散乱体の移動距離が大きくなるため、時系列データにおける最初のデータと最後のデータとの相関性が低くなることがある。このような問題を解消するために、超音波診断装置１は、散乱体の移動距離に加えて散乱体の移動ベクトルの向きを考慮することにより、解析対象データの算出を行うこともできる。

図１１に、実施の形態２における超音波診断装置の血流情報の取得動作を示す。ここで、実施の形態２の超音波診断装置は、図１に示す実施の形態１の超音波診断装置１と同一の構成を有する。また、図１１のフローチャートのステップＳ１およびＳ４〜Ｓ６は、図５のフローチャートのステップＳ１およびＳ４〜Ｓ６と同一であるため、これらのステップの詳細な説明は省略する。
ステップＳ１において時系列データ列から複数の抽出データが設定されると、解析対象データ選択部７の位置ずれ量推定部２２は、ステップＳ７において、互いに時系列に隣接する抽出データに含まれる散乱体の移動ベクトルを推定する。散乱体の移動ベクトルの推定方法は、実施の形態１における方法と同一である。

続くステップＳ８において、解析対象データ選択部７のデータ除外部２３は、ステップＳ７において推定された散乱体の移動ベクトルに基づいて時系列データ列から時系列データを除外し、解析対象データを選択する。ステップＳ８については、図１２に示すフローチャートを用いて詳細に説明する。
ステップＳ８の時系列データの除外動作は、図１２に示されるように、ステップＳ９〜ステップＳ１３のステップにより構成される。

まず、ステップＳ９において、データ除外部２３は、複数の抽出データに含まれる散乱体に対する複数の移動ベクトルをデータ平面上に時系列に配置する。この際に、データ除外部２３は、複数の移動ベクトルの始点と終点とを時系列順となるように逐次連結する。この結果、図１３に例示されるように、複数の移動ベクトルの始点および終点に相当する複数のデータ点がデータ平面上に配置される。図１３において、データ平面ＤＰ上に移動ベクトルＶ０〜Ｖ５が配置されており、また、移動ベクトルＶ０〜Ｖ５の始点および終点に相当するデータ点Ｑ０〜Ｑ６が配置されている。データ点Ｑ０〜Ｑ６は、時系列順に並んだ抽出データに対応する点である。

続くステップＳ１０において、データ除外部２３は、データ平面上に配置された複数のデータ点をそれぞれ中心とする、同一半径の円を設定する。これらの複数の円の半径は、予め一定の値に設定されることができる。
ステップＳ１１において、データ除外部２３は、各データ点を中心とする複数の円のうち、時系列に連続したデータ点を最も多く含む円を特定する。そして、データ除外部２３は、その円に含まれる複数のデータ点の区間、すなわち、複数のデータ点に対応する複数の抽出データに亘る複数の時系列データを解析対象データとして選択する。図１３に示す例においては、データ点Ｑ０〜Ｑ６をそれぞれ中心とする複数の円のうち、データ点Ｑ２を中心とする円Ｃ２が時系列に連続するデータ点を最も多く含んでおり、この円Ｃ２に含まれる４つのデータ点Ｑ０〜Ｑ３の区間が、解析対象データとして取り出される。

ステップＳ１１において複数のデータ点の区間が解析対象データとして取り出されると、ステップＳ１２においてデータ除外部２３は、残された複数のデータ点をそれぞれ中心とする複数の円のうち、いずれか１つの円に含まれるデータ点の数が２つ以上となる区間があるか否かを判定する。例えば、図１３に示されるデータ点Ｑ０〜Ｑ３の区間が解析対象データとして取り出されると、図１４に示されるように、データ点Ｑ３〜Ｑ６の区間が残される。図１４に示される例においては、データ点Ｑ５およびＱ６を中心とする円Ｃ５およびＣ６が、それぞれ２つのデータ点Ｑ５およびＱ６を含んでいる。このように、円に含まれるデータ点の数が２つ以上となる区間がある場合に、ステップＳ１１に戻る。

ステップＳ１１に戻ると、データ除外部２３は、残されたデータ点に対して、各データ点を中心とする複数の円のうち、時系列に連続したデータ点を最も多く含む円を特定し、その円に含まれる複数のデータ点の区間を解析対象データとして選択する。図１４に示す例においては、円Ｃ５およびＣ６に含まれるデータ点Ｑ５〜Ｑ６の区間が解析対象データとして取り出される。この際に、複数のデータ点が解析対象データとして取り出された結果として、時系列データ列は、データ点Ｑ０〜Ｑ３の区間に対応する分割区間と、データ点Ｑ５〜Ｑ６に対応する分割区間とに分割されている。このように、複数のデータ点の区間が解析対象データとして取り出された結果、時系列データ列が複数の分割区間に分割される場合がある。
また、以上のように、データ除外部２３は、ステップＳ１２およびステップＳ１３において、時系列に連続した複数のデータ点の区間を、データ点の個数が多い順に、順次、解析対象データとして取り出した結果、各データ点を中心とする円に含まれるデータ点の数が２つ以上となる区間がなくなった場合に、ステップＳ１３に進む。

ステップＳ１１およびステップＳ１２においてデータ点の区間が取り出された結果、データ点が残された場合に、ステップＳ１３においてデータ除外部２３は、残されたデータ点の区間、すなわち、１つの円にのみ含まれるデータ点に対応する抽出データに亘る複数の時系列データをドプラ解析の対象から除外する。
以上により、ステップＳ８における時系列データの除外動作が終了すると、続くステップＳ４において複数の解析対象データからクラッタ成分が除去される。次に、ステップＳ５およびステップＳ６において血流情報の推定と合成が行われると、実施の形態２における血流情報の取得動作が終了する。

以上において説明した実施の形態２における超音波診断装置１の血流情報の取得動作によれば、時系列データ列に含まれる散乱体の複数の移動ベクトルを時系列順に連結するようにデータ平面上に配置する。そして、各移動ベクトルの始点および終点に相当するデータ点の区間が、それぞれのデータ点を中心とする円に含まれる時系列に連続したデータの数が多い順に、順次、解析対象データとして選択される。そのため、超音波診断装置１は、被検体の組織が同一の方向に大きく移動した場合であっても、精度の良い血流情報を得ることができる。

なお、ステップＳ１０において設定される複数の円の半径を、予め一定の値に設定することができると説明したが、散乱体に対して送信される超音波ビームの中心周波数に対する波長が大きいほど大きな値に設定することもできる。ここで、散乱体に送信される超音波ビームの周波数が高いほど、時系列データ列に含まれるスペックルパターンの粒度が細かくなり、それぞれの時系列データの分解能も高くなる。分解能の高い時系列データ列は、分解能の低い時系列データと比較して、散乱体が相対的に移動した際に、時系列データ間の相関性が低くなり易い。ところで、ドプラ解析を行う際には、血流情報の推定精度を向上させるために、一定値以上の相関性を有した複数の解析対象データに対して、区間別に解析を行うことが望ましい。そのため、分解能が低い時系列データに対応するデータ点を中心とする円の半径は、分解能が高い時系列データに対応するデータ点を中心とする円の半径と比較して、小さくすることが望ましい。以上から、散乱体に対して送信される超音波ビームの中心周波数が低いほど、すなわち、この中心周波数に対する波長が大きいほど、ステップＳ１０において設定される複数の円の半径は、大きな値に設定されることができる。また、具体的な円の半径は、ＭＴＩフィルタ部８におけるフィルタの性能に応じて設定されることが望ましい。従来のＭＴＩフィルタでは、散乱体の移動距離が、超音波ビームの中心周波数に対応する波長程度より大きい場合に、クラッタ成分の抑制が十分になされないことが多かった。そのため、例えば、従来のＭＴＩフィルタと同程度の性能を有するＭＴＩフィルタを用いる場合には、円の半径は、超音波ビームの中心周波数に対応する波長の１／２倍〜１倍の長さに設定されることが望ましい。

また、ステップＳ１１において複数のデータ点の区間が解析対象データとして取り出される際に、図１５に示されるように、時系列に連続したデータ点を最も多く含む円が２つ以上存在し、かつ、それらの円が同一のデータ点を共有している場合がある。図１５に示す例において、円Ｃ２は、４つのデータ点Ｑ０〜Ｑ３を含み、円Ｃ３は、４つのデータ点Ｑ１〜Ｑ４を含んでいる。また、円Ｃ２およびＣ３は、３つのデータ点Ｑ１〜Ｑ３を共有している。この場合に、解析対象データ選択部７のデータ除外部２３は、より長く時系列に連続した複数のデータ点の区間が残るように、複数のデータ点の区間を解析対象データとして選択することが望ましい。図１５に示す例において、円Ｃ２に含まれるデータ点Ｑ０〜Ｑ３の区間を解析対象データとして選択した場合には、時系列に連続した３つのデータ点Ｑ４〜Ｑ６が残されるが、円Ｃ３に含まれるデータ点Ｑ１〜Ｑ４の区間を解析対象データとして選択した場合には、残されたデータ点が、データ点Ｑ０のみを含む区間と、２つのデータ点Ｑ５およびＱ６の区間とに分割される。そのため、この場合には、円Ｃ２に含まれるデータ点Ｑ０〜Ｑ３の区間を解析対象データとして選択することが望ましい。

また、ステップＳ１０において複数の円が設定された際に、図１６に示すように、全てのデータ点を含む円Ｃが設定されることがある。この場合には、例えば、時系列データ列に含まれる散乱体は、往復運動をしているとみなすことができる。そのため、時系列の最初のデータ点と最後のデータ点との間における散乱体の正味の移動距離は、ステップＳ１０において設定された円の内部に収まり、時系列データ列の全ての値が解析対象データとして選択される。

また、実施の形態２においても実施の形態１と同様に、ＭＴＩフィルタ部８は、複数の走査線に亘る範囲のうちそれぞれ対応する点を中心とする定められた範囲において相関行列を算出し、クラッタを主成分とする主成分分析を行うことにより、複数の解析対象データからクラッタ成分を除去することもできる。
この際に、例えば、解析対象データ選択部７の位置ずれ量推定部は、時系列データ列に含まれる散乱体、すなわち基準となる点の移動ベクトルと、基準となる点以外の各点の相対的な移動距離および移動方向をそれぞれ絶対値および方向とする複数の周辺変位ベクトルとを推定する。そして、ＭＴＩフィルタ部８は、定められた範囲において、基準となる点の移動ベクトルと複数の周辺変位ベクトルとの相関性が高いほど、複数の解析対象データに対して大きな重み付けをして、複数の解析対象データに対する相関行列の平均値を計算する。ＭＴＩフィルタ部８が計算する相関行列の平均値を表す式として、実施の形態１における式（２）を用いることができるが、実施の形態２において、式（２）のｍ＝ｊの点の重み値Ｗ_ｊとして、下記式（３）を用いることができる。

ここで、式（３）のＶ_ｉは、時系列データ列に含まれる点ｉの移動ベクトルを示し、Ｖ_ｊは、点ｉを中心とする定められた範囲における各点ｊの周辺変位ベクトルを示す。また、Ｖ_ｊ・Ｖ_ｉは移動ベクトルＶ_ｉと周辺変位ベクトルＶ_ｊとの内積を示し、｜Ｖ_ｉ｜および｜Ｖ_ｊ｜は、それぞれ、移動ベクトルＶ_ｉの絶対値および周辺変位ベクトルＶ_ｊの絶対値を示す。このように、ＭＴＩフィルタ部８は、実施の形態２において、それぞれの周辺変位ベクトルの方向が基準となる点の移動ベクトルの方向に近いほど重み値が大きくなるように、相関行列の平均値を計算するため、相関性の低い点の影響を小さくすることができ、主成分分析を行う際に、クラッタの推定精度を向上させることができる。

実施の形態３
実施の形態１および実施の形態２において取得された時系列データ列は、互いに類似度の低い時系列データを含む場合がある。類似度が低くなる要因として、例えば、被検体の組織が、超音波プローブの振動子アレイの配列面に対して垂直な方向に移動した場合、および、超音波ビームの反射した点において赤血球等の微小な散乱体が流れていることにより超音波エコーのパターンが複雑に変化する場合等が挙げられる。このように、時系列データ列において互いに類似度が低い時系列データが含まれる場合には、解析対象データからクラッタ成分を除去するためのフィルタの特性を、時系列データに応じて適切な特性に変化させることが望ましい。

実施の形態３の超音波診断装置は、図１に示す実施の形態１の超音波診断装置１の解析対象データ選択部７の代わりに、図１７に示す解析対象データ選択部２４を有することを除いて、実施の形態１の超音波診断装置１と同一の構成を有している。
解析対象データ選択部２４は、相関係数算出部２５と、データ分割部２６と、位置ずれ量推定部２２と、データ除外部２３とを有している。また、相関係数算出部２５に、データ分割部２６が接続され、データ分割部２６に、データ除外部２３が接続されている。また、データ分割部２６に、位置ずれ量推定部２２が接続されている。
解析対象データ選択部２４の位置ずれ量推定部２２およびデータ除外部２３は、それぞれ、実施の形態１において図４に示される解析対象データ選択部７の位置ずれ量推定部２２およびデータ除外部２３と同一である。

相関係数算出部２５は、時系列データ列を構成する複数の時系列データのうち互いに異なる時刻に取得された時系列データにおいて、同一の関心領域内の相関係数を算出する。ここで、相関係数とは、一方の時系列データに対する他方の時系列データの類似度を表す指標であり、相関係数が高いほど２つの時系列データが類似していることを示す。また、相関係数算出部２５は、従来の方法を用いて時系列データ間の相関係数を算出することができる。
データ分割部２６は、相関係数算出部２５により算出された時系列データ間の相関係数に応じて、時系列データ列を複数のデータ群に分割する。また、後に詳しく説明するが、データ分割部２６は、複数のデータ群に分割した時系列データを、複数の時系列データ間の輝度値の変化量に基づいて、さらに分割することができる。

図１８に、実施の形態３における血流情報の取得動作のフローチャートを示す。このフローチャートにおけるステップＳ１、ステップＳ３、ステップＳ５およびステップＳ６は、図５に示す実施の形態１におけるステップＳ１、ステップＳ３、ステップＳ５およびステップＳ６と同一であるため、これらのステップの詳細な説明は省略する。
まず、ステップＳ１において、時系列データ列から複数の抽出データが設定されると、ステップＳ１４へ進む。

ステップＳ１４において、解析対象データ選択部２４の相関係数算出部２５は、互いに時系列に隣接した複数の抽出データに対して、互いに対応する点を基準とした同一の関心領域内の相関係数を算出する。
続くステップＳ１５において、解析対象データ選択部２４のデータ分割部２６は、ステップＳ１４において算出された複数の相関係数のうち、定められた閾値以下の相関係数があるか否かを判定する。これは、相関係数の大きさに応じて時系列データ列を分割するためである。ステップＳ１５の判定の際に、閾値以下の相関係数が存在すると判断された場合に、ステップＳ１６に進む。

ステップＳ１６において、データ分割部２６は、ステップＳ１４において算出された複数の相関係数の値に基づいて、時系列データ列を複数のデータ群に分割する。このステップＳ１６については、図１９のフローチャートを用いて詳細に説明する。図１９に示されるように、ステップＳ１６に示す時系列データ列の分割動作は、ステップＳ１９〜ステップＳ２２のステップにより構成される。

まず、ステップＳ１９において、データ分割部２６は、複数の抽出データ間の相関係数が、定められた閾値を超える時系列データの区間があるか否かを判定する。これは、複数の相関係数が、閾値を超える相関係数と閾値以下である相関係数とを含んでいる場合に、時系列データ列を相関係数の大きさに応じて分割するためである。ステップＳ１９の判定の際に、図２０に示すように、相関係数が閾値を超える時系列データの区間があると判断された場合に、ステップＳ２０に進む。図２０に示す例において、Ｒは相関係数、ｔは時間を示し、ＴＨ２は、相関係数Ｒに対して定められた閾値を示す。ここで、図２０における相関係数Ｒの最大値は、１．０である。また、Ｂ０〜Ｂ１８は時系列データ列を構成する時系列データを示し、Ａ０〜Ａ６は、抽出データを示す。また、Ｒ０〜Ｒ５は、それぞれ、抽出データＡ０〜Ａ６のうち互いに時系列に隣接する抽出データから算出された相関係数を示す。図２０において、複数の相関係数Ｒ０〜Ｒ５のうち、相関係数Ｒ０〜Ｒ２は、閾値ＴＨ２を超えている。

ステップＳ１９に続くステップＳ２０において、データ分割部２６は、時系列データ列を、相関係数が閾値を超える抽出データに亘る第１のデータ群と、相関係数が閾値以下の抽出データに亘る第２のデータ群とに分割する。図２０に示される例において、相関係数Ｒ０〜Ｒ２が閾値ＴＨ２を超えているため、データ分割部２６は、相関係数Ｒ０〜Ｒ２の算出に用いられた抽出データＡ０〜Ａ３に亘る時系列データＢ０〜Ｂ８を第１のデータ群として特定する。また、データ分割部２６は、閾値ＴＨ２以下の相関係数Ｒ３〜Ｒ５の算出に用いられた抽出データＡ３〜Ａ６に亘る時系列データＢ９〜Ｂ１８を、第２のデータ群として特定する。ここで、第１のデータ群と第２のデータ群との境界に位置する時系列データＢ９は、図２０においては、第２のデータ群に割り当てられているが、第１のデータ群に割り当てられることもできる。
このように、ステップＳ２０において、時系列データ列が第１のデータ群と第２のデータ群とに分割されると、ステップＳ２１に進む。

また、ステップＳ１９において、図２１に示すように、相関係数が閾値を超える時系列データの区間がない、すなわち、時系列データ列の全ての区間において相関係数が閾値以下であると判断された場合には、ステップＳ２０を経由せずに、ステップＳ２１に進む。

ステップＳ１９およびステップＳ２０に続くステップＳ２１において、データ分割部２６は、相関係数が閾値以下となる時系列データの区間において、互いに時系列に隣接した抽出データ間の輝度値の変化量を算出する。これは、輝度値の変化量の大きさにより、相関係数が閾値以下となる時系列データを複数のデータ群に分割するためである。
ここで、時系列データ間の相関係数が閾値以下となる要因として、互いに異なる断層面に対して時系列データが取得されること、または、血管内に対して時系列データが取得されること等が挙げられる。例えば、時系列データが取得される際に、超音波プローブの角度が被検体に対して変化した場合に、また、被検体の組織が断層面に対して垂直な方向に移動した場合に、互いに異なる断層面に対する時系列データが取得される。このように、互いに異なる断層面に対して取得された時系列データ間においては、時系列データが全体として大きく変化するため、輝度値の変化量が大きくなり易い。また、血管内に対して取得された時系列データ間においては、赤血球等の微小な散乱体の移動により、相関係数が低くなるが、時系列データの振幅の空間的な平均値は短時間の間では大きく変化しないため、輝度値の変化量が小さくなり易い。そのため、時系列データ間の輝度値の変化量が大きい時系列データは、互いに異なる断層面に対して取得された時系列データであると判断することができ、また、時系列データ間の輝度値の変化量が小さい時系列データは、血管内に対して取得された時系列データであると判断することができる。したがって、時系列データ間の輝度値の変化量が大きい時系列データと、時系列データ間の輝度値の変化量が小さい時系列データとは、互いにフィルタ特性を異ならせることが望ましい。

また、データ分割部２６は、種々の算出方法を用いて抽出データ間の輝度値の変化量を算出することができるが、例えば、データ分割部２６は、輝度値の変化量として、互いに時系列に隣接した抽出データに対して、互いに対応した点を中心とする同一の関心領域内の輝度値の差の二乗和を計算することができる。

続くステップＳ２２において、データ分割部２６は、ステップＳ２１において算出された輝度値の変化量に基づいて、相関係数が閾値以下となる時系列データの区間を分割する。この際に、データ分割部２６は、図２２に示されるように、輝度値の変化量が閾値以下となる時系列データの区間を第３のデータ群として特定し、輝度値の変化量が閾値を超える時系列データの区間を第４のデータ群として特定する。図２２に示す例において、抽出データＡ０〜Ａ３を用いて算出された輝度値の変化量が閾値以下であり、抽出データＡ３〜Ａ６を用いて算出された輝度値の変化量が閾値を超えている。この場合には、時系列データ列は、第３のデータ群の時系列データＢ０〜Ｂ９と、第４のデータ群の時系列データＢ１０〜Ｂ１８とに分割される。ここで、第３のデータ群と第４のデータ群との境界に位置する時系列データＢ９は、図２２に示される例においては、第３のデータ群に割り当てられているが、第４のデータ群に割り当てられることもできる。
このように、相関係数が閾値以下となる時系列データの区間は、第３のデータ群と第４のデータ群とに分割される。さらに、データ分割部２６は、各データ群に分割された、相関係数が閾値以下の時系列データを、分割されたデータ群毎に、ドプラ解析の対象となる解析対象データとして選択する。

以上により、ステップＳ１６における時系列データ列の分割動作は終了する。
ステップＳ１６に続くステップＳ１７において、解析対象データ選択部２４の位置ずれ量推定部２２は、相関係数が閾値を超える抽出データに対して、複数の抽出データに含まれる散乱体の相対的な移動距離を推定する。ステップＳ１７における散乱体の移動距離の推定方法は、図５のフローチャートのステップＳ２に示す実施の形態１における散乱体の移動距離の推定方法と同一である。

続くステップＳ３において、解析対象データ選択部２４のデータ除外部２３は、推定された散乱体の移動距離が閾値を超える抽出データを特定し、それらの抽出データに亘る複数の時系列データを除外し、残された複数の時系列データを解析対象データとして選択する。
ステップＳ３に続くステップＳ１８において、データ除外部２３は、相関係数が閾値を超える複数の時系列データから散乱体の移動距離に基づいて時系列データが除外された結果、残された解析対象データからクラッタ成分を除去すると共に、ステップＳ１６において分割された、相関係数が閾値以下の複数の解析対象データからクラッタ成分を除去する。相関係数が閾値を超える解析対象データに対するフィルタ処理の方法は、図５のフローチャートのステップＳ４において説明したフィルタ処理の方法と同一である。

ステップＳ１８における、相関係数が閾値以下の解析対象データに対するフィルタ処理は、第３のデータ群として分割された解析対象データと、第４のデータ群として分割された解析対象データとにおいてフィルタ処理の方法を異ならせることが望ましい。そこで、ＭＴＩフィルタ部８は、相関係数が閾値以下の解析対象データのうち、第３のデータ群として分割された解析対象データに対しては、血管内に対して取得された解析対象データであると判断して、予め設定されているフィルタ特性を、低周波数成分の減衰量が小さくなるように変化させる。また、ＭＴＩフィルタ部８は、相関係数が閾値以下の解析対象データのうち、第４のデータ群として分割された解析対象データに対しては、互いに異なる断層面に対して取得された解析対象データであると判断して、予め設定されているフィルタ特性を、低周波数成分の減衰量が大きくなるように変化させる。

ステップＳ１８において複数の解析対象データにフィルタ処理が施されることにより、複数の解析対象データからクラッタ成分が除去されると、続くステップＳ５において、複数の分割区間およびデータ群毎に血流情報が推定され、ステップＳ６において複数の血流情報が合成される。
このようにして、実施の形態３における血流情報の取得動作は終了する。

以上において説明した実施の形態３における血流情報の取得動作によれば、時系列データ列に含まれる散乱体の相対的な位置ずれ量に基づいて、時系列データ列から複数の時系列データを除外する前に、抽出データ間の相関係数に基づいて時系列データ列を複数のデータ群に分割する。そのため、ドプラ解析の際に、被検体の組織の大きな移動の影響を除外することができ、また、解析対象データに応じて適切なフィルタ処理を施すことができるため、さらに精度の高い血流情報を得ることができる。

なお、解析対象データ選択部２４の相関係数算出部２５は、ステップＳ２１において、互いに時系列に隣接する抽出データに対して、同一の関心領域の輝度値の変化量を算出する際に、それぞれの抽出データに対して平滑化処理を施すことが望ましい。これは、抽出データに含まれるスペックルパターンの影響を取り除くためであり、このような平滑化処理を抽出パターンに対して施すことにより、算出された輝度値の変化量の精度を向上させることができる。

また、データ分割部２６は、互いに時系列に隣接する抽出データに対して、同一の関心領域の輝度値の差の二乗和を、輝度値の変化量として算出すると説明したが、その他の算出方法により、輝度値の変化量を算出することもできる。例えば、データ分割部２６は、互いに時系列に隣接する抽出データにおいて、同一の関心領域の輝度値の平均値を比較することにより、輝度値の変化量を算出することもできる。ここで、データ分割部２６は、輝度値の平均値を比較する際に、例えば、互いの抽出データにおける同一の関心領域の輝度値の平均値の差を算出すること、および、それらの輝度値の平均値の比を算出すること等を行うことができる。

また、図２１に示すように、ステップＳ１４において算出された全ての相関係数が閾値以下である場合に、データ分割部２６は、時系列データ列を構成する全ての時系列データが、血管内に対して取得された時系列データであると判断して、これらの全ての時系列データを第３のデータ群として特定することもできる。

また、解析対象データ選択部２４のデータ除外部２３は、ステップＳ２２において第４のデータ群として分割された複数の時系列データを解析対象データから除外してもよい。第４のデータ群として分割された複数の時系列データは、相関係数が閾値を超える複数の時系列データに含まれる断層面とは異なる断層面に対して取得された時系列データを含むと判断される。そのため、第４のデータ群として分割された複数の時系列データは、同一の断層面において時系列に連続して取得された、血流情報の推定のために十分なデータ数の時系列データを含まない区間を有する場合がある。この場合に、合成された血流情報に対して、第４のデータ群から推定された血流情報が与える寄与は、きわめて少なくなることがある。したがって、第４のデータ群の時系列データを解析対象データから除外することにより、血流情報を得るための超音波診断装置の計算負荷を軽減することができる。

また、データ除外部２３は、データ分割部２６により複数のデータ群に分割された複数の時系列データのうち、定められたデータ数よりも少ないデータ数だけ時系列に連続した時系列データを解析対象データから除外することができる。ここで、一定のデータ数よりも少ないデータ数の時系列データに対してドプラ解析を行った場合に、ＭＴＩフィルタ部８におけるフィルタの性能が十分に発揮できず、また、血流情報の推定精度が低下してしまうことがある。このような血流情報の推定精度の低下を防ぐために、例えば、４以上のデータ数の時系列データに対してドプラ解析を行うことが望ましい。すなわち、データ除外部２３は、３以下のデータ数だけ時系列に連続した時系列データを解析対象データから除外することが望ましい。これにより、血流情報を推定する際の精度を向上させることができる。

また、実施の形態３における血流情報の取得動作は、実施の形態１における血流情報の取得動作に対して、関心領域の相関係数を用いて時系列データ列を分割する処理を適用させた血流情報の取得動作に相当するが、実施の形態３の特徴である関心領域の相関係数を用いて時系列データ列を分割する処理は、実施の形態２における血流情報の取得動作に適用させることもできる。すなわち、本発明の超音波診断装置は、時系列データ列に含まれる散乱体の移動ベクトルに基づいて解析対象データを選択する前に、関心領域の相関係数を用いて時系列データ列を分割する処理を行うこともできる。

また、実施の形態３においても実施の形態１および実施の形態２と同様に、ＭＴＩフィルタ部８は、複数の走査線に亘る範囲のうちそれぞれ対応する点を中心とする定められた範囲において相関行列を算出し、クラッタを主成分とする主成分分析を行うことにより、複数の解析対象データからクラッタ成分を除去することもできる。
この際に、ＭＴＩフィルタ部８は、例えば、関心領域の相関係数が閾値を超える解析対象データに対しては、実施の形態１において説明した方法を用いて相関行列の平均値を算出することができるが、関心領域の相関係数が閾値以下の解析対象データに対しては、相関係数の低い点の重みを小さくするように重み付けをして相関行列の平均値を算出することができる。すなわち、関心領域の相関係数が閾値以下の解析対象データに対して、相関係数の平均値は、実施の形態１における式（１）を用いて算出することができるが、ｍ＝ｉの点の相関係数を重み値Ｗ_ｉとすることができる。このように重み値を設定することにより、主成分分析を行う際に、相関性の低い点の影響を小さくして、クラッタの推定精度を向上させることができる。

１ 超音波診断装置、２ 超音波プローブ、２Ａ 振動子アレイ、３ データ取得部、４ 受信部、５ 送信部、６ 画像生成部、７，２４ 解析対象データ選択部、８ ＭＴＩフィルタ部、９ 血流情報推定部、１０ 血流情報合成部、１１ 表示制御部、１２ 表示部、１３ 装置制御部、１４ 操作部、１５ 格納部、１６ 増幅部、１７ Ａ／Ｄ変換部、１８ 受信ビームフォーマ、１９ 直交検波回路、２０ Ｂモード処理部、２１ 画像処理部、２２ 位置ずれ量推定部、２３ データ除外部、２５ 相関係数算出部、２６ データ分割部、Ａ０〜Ａ６ 抽出データ、Ｂ０〜Ｂ１８ 時系列データ、Ｃ，Ｃ２，Ｃ３，Ｃ５，Ｃ６ 円、Ｄ 探索領域、ＤＰ データ平面、Ｌ，Ｌ０〜Ｌ５ 移動距離、Ｏ１，Ｏ２ 関心領域、Ｐ１，Ｐ２ 注目点、Ｑ０〜Ｑ６ データ点、Ｒ，Ｒ０〜Ｒ５ 相関係数、Ｓ 散乱体、ＴＨ１，ＴＨ２ 閾値、Ｖ，Ｖ０〜Ｖ５ 移動ベクトル、ＷＦ１，ＷＦ２，ＷＦ３ フィルタ波形、ｆ 周波数、Ｆ（ｆ） 減衰量、ｔ 時間。

Claims (19)

1. 被検体に対して超音波ビームの送信を複数の走査線に亘る範囲において複数回繰り返し行って、前記被検体からの反射波の時系列データ列を取得するデータ取得部と、
   前記時系列データ列に含まれる、前記被検体における散乱体の相対的な位置ずれ量を推定する位置ずれ量推定部と、
   前記位置ずれ量推定部により推定された前記散乱体の前記位置ずれ量に基づく除外条件を満たす時系列データを前記時系列データ列から除外することにより解析対象データを選択するデータ除外部と、
   前記データ除外部により選択された前記解析対象データからクラッタ成分を除去するＭＴＩフィルタ部と、
   前記ＭＴＩフィルタ部において前記クラッタ成分が除去された前記解析対象データを解析することにより、前記被検体における血流情報を推定する血流情報推定部と、を有することを特徴とする超音波診断装置。
2. 前記位置ずれ推定部は、前記時系列データ列に基づいて前記散乱体の相対的な移動距離を推定し、
   前記データ除外部は、前記位置ずれ量推定部により推定された前記散乱体の前記移動距離が定められた閾値を超える複数の時系列データを前記時系列データ列から除外する請求項１に記載の超音波診断装置。
3. 前記位置ずれ量推定部は、前記時系列データ列のうち定められたデータ数を隔てて抽出された複数の抽出データを設定し、前記複数の抽出データに対して前記散乱体の相対的な移動距離を推定し、
   前記データ除外部は、前記位置ずれ量推定部により推定された前記散乱体の前記移動距離が定められた閾値を超える前記複数の抽出データに亘る複数の時系列データを前記時系列データ列から除外する請求項１に記載の超音波診断装置。
4. 前記ＭＴＩフィルタ部は、前記位置ずれ量推定部により前記散乱体の前記移動距離が推定された前記解析対象データに対して、前記散乱体の前記移動距離が大きいほど低周波成分を大きく減衰させるようにフィルタの特性を変化させる請求項２または３に記載の超音波診断装置。
5. 前記ＭＴＩフィルタ部は、前記複数の走査線に亘る範囲のうち定められた範囲において前記解析対象データの相関行列の平均値を計算し、前記相関行列の平均値を用いてクラッタを主成分とする主成分分析を行うことにより、前記解析対象データから前記クラッタ成分を除去する請求項２または３に記載の超音波診断装置。
6. 前記位置ずれ量推定部は、前記時系列データに含まれる前記散乱体の相対的な移動距離および移動方向をそれぞれ絶対値および方向とする移動ベクトルを推定し、
   前記データ除外部は、前記時系列データ列から推定された複数の前記移動ベクトルの始点と終点とを時系列順となるように逐次連結して前記時系列データ列に含まれる複数の時系列データに対応するデータ点をデータ平面上に配置し、複数の前記データ点をそれぞれ中心とする同一半径の複数の円のうちいずれか１つの円に含まれる、時系列に連続した複数の前記データ点の区間を、前記データ点の個数が多い順に、順次、前記解析対象データとして取り出した結果、１つの円にのみ含まれる前記データ点に対応する時系列データを除外する請求項１に記載の超音波診断装置。
7. 前記位置ずれ量推定部は、前記時系列データ列のうち定められたデータ数を隔てて抽出された複数の抽出データを設定し、前記複数の抽出データに対して前記散乱体の相対的な移動距離および移動方向をそれぞれ絶対値および方向とする移動ベクトルを推定し、
   前記データ除外部は、複数の前記抽出データから推定された複数の前記移動ベクトルの始点と終点とを時系列順となるように逐次連結して前記抽出データに対応するデータ点をデータ平面上に配置し、複数の前記データ点をそれぞれ中心とする同一半径の複数の円のうちいずれか１つの円に含まれる、時系列に連続した複数の前記データ点の区間を、前記データ点の個数が多い順に、順次、前記解析対象データとして取り出した結果、１つの円にのみ含まれる前記データ点に対応する時系列データを除外する請求項１に記載の超音波診断装置。
8. 前記ＭＴＩフィルタ部は、それぞれ取り出された複数の前記データ点の区間に対応する複数の前記解析対象データに対して、前記区間内に含まれる前記移動ベクトルの長さの合計が大きいほど低周波数成分を大きく減衰させるようにフィルタの特性を変化させる請求項６または７に記載の超音波診断装置。
9. 前記位置ずれ量推定部は、前記時系列データ列に含まれる、前記複数の走査線に亘る範囲における各点の相対的な移動距離および移動方向をそれぞれ絶対値および方向とする複数の周辺変位ベクトルを推定し、
   前記ＭＴＩフィルタ部は、前記移動ベクトルとそれぞれの前記周辺変位ベクトルとの相関性が高いほど複数の前記解析対象データに対して大きな重み付けをして、前記複数の走査線に亘る範囲のうち定められた範囲において複数の前記解析対象データに対する相関行列の平均値を計算し、前記相関行列の平均値を用いてクラッタを主成分とする主成分分析を行うことにより、残された前記解析対象データから前記クラッタ成分を除去する請求項６または７に記載の超音波診断装置。
10. 前記時系列データ列において同一の関心領域内の相関係数を算出する相関係数算出部と
    前記時系列データ列を、前記相関係数算出部により算出された前記相関係数が定められた値を超える時系列データに亘る第１のデータ群と、前記相関係数が定められた値以下の時系列データに亘る第２のデータ群とに分割するデータ分割部とをさらに有する請求項１〜９のいずれか一項に記載の超音波診断装置。
11. 前記ＭＴＩフィルタ部は、前記第１のデータ群の時系列データに対するフィルタの特性と、前記第２のデータ群の時系列データに対するフィルタの特性とを異ならせる請求項１０に記載の超音波診断装置。
12. 前記データ分割部は、前記第２のデータ群において互いに隣接する時系列データに含まれる、同一の関心領域内の輝度値の変化量を計算し、且つ、前記第２のデータ群の時系列データを前記輝度値の変化量が定められた値を超える第３のデータ群と前記輝度値の変化量が定められた値以下の第４のデータ群とに分割する請求項１０または１１に記載の超音波診断装置。
13. 前記ＭＴＩフィルタ部は、前記第３のデータ群の時系列データに対するフィルタの特性と、前記第４のデータ群の時系列データに対するフィルタの特性とを異ならせる請求項１２に記載の超音波診断装置。
14. 前記データ除外部は、前記第４のデータ群の時系列データを除外する請求項１２に記載の超音波診断装置。
15. 前記ＭＴＩフィルタ部は、前記複数の走査線に亘る範囲において複数の点に対して算出された前記相関係数が高いほど前記解析対象データに対して大きな重み付けをして、前記複数の走査線に亘る範囲のうち定められた範囲において相関行列の平均値を計算し、前記相関行列の平均値を用いてクラッタを主成分とする主成分分析を行うことにより、前記解析対象データから前記クラッタ成分を除去する請求項１０に記載の超音波診断装置。
16. 前記データ除外部は、前記データ分割部により分割された時系列データのうち、定められたデータ数よりも少ないデータ数だけ時系列に連続した時系列データを除外する請求項１０〜１５のいずれか一項に記載の超音波診断装置。
17. 前記データ除外部は、前記時系列データの除外の結果として残された複数の時系列データのうち、定められたデータ数よりも少ないデータ数だけ時系列に連続した時系列データを除外する請求項１〜１６のいずれか一項に記載の超音波診断装置。
18. 前記ＭＴＩフィルタ部は、前記時系列データ列から分割された複数の前記解析対象データを含む分割区間のそれぞれに対して前記解析対象データから前記クラッタ成分を除去し、
    前記血流情報推定部は、それぞれの前記分割区間において前記ＭＴＩフィルタ部により前記クラッタ成分が除去された複数の前記解析対象データから前記血流情報を推定し、
    前記血流情報推定部により推定された複数の前記分割区間における前記血流情報を合成する血流情報合成部をさらに有する請求項１〜１７のいずれか一項に記載の超音波診断装置。
19. 被検体に対して超音波ビームの送信を複数の走査線に亘る範囲において複数回繰り返し行って、前記被検体からの反射波の時系列データ列を取得し、
    前記時系列データ列に含まれる前記被検体における散乱体の相対的な位置ずれ量を推定し、
    推定された前記位置ずれ量に基づく除外条件を満たす時系列データを前記時系列データ列から除外して解析対象データを選択し、
    選択された前記解析対象データからクラッタ成分を除去し、
    前記クラッタ成分が除去された前記解析対象データを解析することにより、前記被検体における血流情報を推定することを特徴とする超音波診断装置の制御方法。