JP7159361B2 - 超音波画像表示システム及びその制御プログラム - Google Patents

Description

本発明は、関心部位に応じてカラードプラ画像のデータの取得に関するパラメータを特定する超音波画像表示システム及びその制御プログラムに関する。

超音波画像表示システムの一例である超音波診断装置を用いた検査において、超音波のエコー信号に基づいて、被検体の血流等を観察するためのカラードプラ画像を作成して表示し診断が行われている（例えば、特許文献１参照）。

特開２０２０－１３０７２８号公報

オペレーターは、カラードプラモードで正確な血流を示したカラードプラ画像を生成するために、被検体における観察対象に応じて適切なパラメータを設定する、もしくは、検査したい臓器等に応じて、あらかじめ用意された適切なパラメータ群からなるパラメータセットを選択する。このように、カラードプラ画像が作成される対象となる関心部位に応じて適切なパラメータを設定することが望ましいものの、ユーザー等によっては、適切なパラメータの調整や、適切なモデルの選択が煩雑で、十分に実施されないことも多い。また、関心部位に応じた適切なパラメータでカラードプラ画像を生成することは困難なことも多い。

一態様の超音波画像表示システムは、プロセッサ及び超音波プローブを備える。プロセッサは、被検体に対してＢモード画像用のＢモードスキャンを行なうように前記超音波プローブを制御し、Ｂモードスキャンによって得られたエコーデータに基づいてＢモード画像のデータを作成するよう構成される。また、プロセッサは、Ｂモード画像のデータに基づいて被検体のカラードプラ画像が作成される対象となる関心部位を特定し、関心部位に応じてカラードプラ画像のデータの取得に関するパラメータを特定する。さらに、プロセッサは、被検体に対してカラードプラ画像用のカラードプラスキャンを行なうように超音波プローブを制御し、 カラードプラスキャンによって得られたエコーデータに基づいてカラードプラ画像のデータを作成する、ことを含む制御を行なうよう構成される。カラードプラスキャン及びカラードプラ画像のデータの作成の少なくとも一方は、特定されたパラメータを用いて行われる。

また、他の態様の超音波画像表示システムは、上記態様の超音波画像表示システムにおける前記プロセッサが、被検体における第１の領域のＢモード画像のデータに基づいて、第１の領域の被検体における部位を特定し、第１の領域に含まれる第２の領域のＢモード画像のデータに基づいて、関心部位を特定するよう構成される。関心部位は、第１の領域の被検体における部位に含まれており、第２の領域は、被検体のカラードプラ画像を作成する対象である。

さらに、他の態様の超音波画像表示システムは、プロセッサ及び超音波プローブを備える超音波画像表示システムである。プロセッサは、被検体に対してＢモード画像用のＢモードスキャンを行なうように超音波プローブを制御し、Ｂモードスキャンによって得られたエコーデータに基づいてＢモード画像のデータを作成する。また、プロセッサは、Ｂモード画像に関心領域を設定し、被検体に対し、第１のカラードプラ画像用の第１のカラードプラスキャンを行なうように超音波プローブを制御し、第１のカラードプラスキャンによって得られたエコーデータに基づいて関心領域の第１のカラードプラ画像のデータを作成する。プロセッサは、被検体における第１の領域におけるＢモード画像のデータに基づいて、第１の領域の被検体における部位を特定する。第１の領域は、前記関心領域を含んでいる。また、プロセッサは、関心領域で構成される第２の領域の前記第１のカラードプラ画像のデータに基づいて、前記被検体において前記関心領域の対象となる関心部位を特定する。関心部位は、第１の領域の前記被検体における部位に含まれている。さらに、プロセッサは、関心部位に応じて被検体の第２のカラードプラ画像のデータの取得に関するパラメータを特定し、被検体に対して、第２のカラードプラ画像用の第２のカラードプラスキャンを行なうように超音波プローブを制御し、第２のカラードプラスキャンによって得られたエコーデータに基づいて第２のカラードプラ画像のデータを作成する。カラードプラスキャン及び第２のカラードプラ画像のデータの作成の少なくとも一方は、特定されたパラメータを用いて行われる。

上記態様における超音波画像表示システムによれば、Ｂモード画像のデータに基づいてカラードプラ画像が作成される対象となる関心部位が特定され、関心部位に応じてカラードプラ画像の取得に関するパラメータが特定される。従って、Ｂモード画像が作成されるだけで、関心部位に応じたパラメータを設定することができる。

上記他の態様における超音波画像表示システムによれば、先ず関心部位が含まれる被検体における部位が特定された後に、この部位の中から関心部位が特定されるので、より正確に関心部位を特定することができる。

さらに、上記他の態様における超音波画像表示システムによれば、先ずＢモード画像のデータに基づいて、関心部位が含まれる第１の領域の被検体における部位が特定され、その後この部位の中から第１のカラードプラ画像のデータに基づいて関心部位が特定される。従って、より正確に関心部位を特定することができる。そして、関心部位に応じて第２のカラードプラ画像のデータの取得に関するパラメータが特定される。従って、Ｂモード画像及び第１のカラードプラ画像が作成されるだけで、関心部位に応じたパラメータを設定することができる。

実施形態による超音波画像表示システムの一例を示すブロック図である。 第１実施形態による超音波画像表示システムにおける処理の一例を示すフローチャートである。 関心領域が設定されたＢモード画像が表示された状態のディスプレイを示す図である。 被検体の複数の部位と、これら複数の部位の各々に応じたパラメータセットを定めたテーブルの一例を示す図である。 カラードプラ画像が表示された状態のディスプレイを示す図である。 第１実施形態の第１変形例による超音波画像表示システムにおける処理の一例を示すフローチャートである。 第１実施形態の第１変形例による超音波画像表示システムにおける処理の一例を示すフローチャートである。 第２実施形態による超音波画像表示システムにおける処理の一例を示すフローチャートである。 第２実施形態の変形例による超音波画像表示システムにおける処理の一例を示すフローチャートである。 第２実施形態の変形例において、第１のカラードプラ画像が表示された状態のディスプレイを示す図である。 第２実施形態の変形例において、第２のカラードプラ画像が表示された状態のディスプレイを示す図である。

以下、本発明の実施形態について図面を参照して説明する。
（第１実施形態）
先ず、第１実施形態について説明する。図１に示す超音波画像表示システム１は、一例では超音波診断装置であり、超音波プローブ２、送信ビームフォーマ３及び送信機４を含む。超音波プローブ２は、被検体に対して超音波スキャンを実行して超音波のエコーを受信する。この超音波スキャンには、後述のＢモードスキャン及びカラードプラスキャンが含まれる。

より具体的には、超音波プローブ２は、パルス超音波を被検体（図示せず）に放射する複数の振動素子２ａを有する。複数の振動素子２ａは、送信ビームフォーマ３および送信機４によってドライブされパルス超音波を放射する。

超音波画像表示システム１は、さらに受信機５及び受信ビームフォーマ６を含む。振動素子２ａから放射されたパルス超音波は、被検体内において反射して振動素子２ａに戻るエコーを生成する。エコーは、振動素子２ａによって電気信号に変換されてエコー信号となり、受信機５に入力される。エコー信号は、受信機５において所要のゲインによる増幅等が行なわれた後に受信ビームフォーマ６に入力され、この受信ビームフォーマ６において受信ビームフォーミングが行われる。受信ビームフォーマ６は、受信ビームフォーミング後の超音波データを出力する。

受信ビームフォーマ６は、ハードウェアビームフォーマであってもソフトウェアビームフォーマであってもよい。受信ビームフォーマ６がソフトウェアビームフォーマである場合、受信ビームフォーマ６は、グラフィックス処理ユニット（ＧＰＵ）、マイクロプロセッサ、中央処理装置（ＣＰＵ）、デジタル信号プロセッサ（ＤＳＰ）、または論理演算を実行することができる他の種類のプロセッサのうちの任意の１つまたは複数を含む１つまたは複数のプロセッサを備えることができる。受信ビームフォーマ６を構成するプロセッサは、後述のプロセッサ７とは別のプロセッサで構成されていてもよいし、プロセッサ７で構成されていてもよい。

超音波プローブ２は、送信ビームフォーミングおよび／または受信ビームフォーミングの全部または一部を行うための電気回路を含むことができる。例えば、送信ビームフォーマ３、送信機４、受信機５、および受信ビームフォーマ６の全部または一部は、超音波プローブ２内に設けられていてもよい。

超音波画像表示システム１は、送信ビームフォーマ３、送信機４、受信機５、および受信ビームフォーマ６を制御するためのプロセッサ７も含む。さらに、超音波画像表示システム１は、ディスプレイ８、メモリ９及びユーザインタフェース１０を含む。

プロセッサ７は、１つ又は複数のプロセッサを含んでいる。プロセッサ７は、超音波プローブ２と電子通信している。プロセッサ７は、超音波プローブ２を制御して超音波データを取得することができる。プロセッサ７は、振動素子２ａのどれがアクティブであるか、および超音波プローブ２から送信される超音波ビームの形状を制御する。プロセッサ７はまた、ディスプレイ８とも電子通信しており、プロセッサ７は、超音波データを処理してディスプレイ８上に表示するための超音波画像にすることができる。「電子通信」という用語は、有線通信と無線通信の両方を含むように定義することができる。プロセッサ７は、一実施形態によれば中央処理装置（ＣＰＵ）を含むことができる。他の実施形態によれば、プロセッサ７は、デジタル信号プロセッサ、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、グラフィックスプロセッシングユニット（ＧＰＵ）、または他のタイプのプロセッサなど、処理機能を実行することができる他の電子構成要素を含むことができる。他の実施形態によれば、プロセッサ７は、処理機能を実行することができる複数の電子構成要素を含むことができる。例えばプロセッサ７は、中央処理装置、デジタル信号プロセッサ、フィールドプログラマブルゲートアレイ、およびグラフィックスプロセッシングユニットを含む電子構成要素のリストから選択された２つ以上の電子構成要素を含むことができる。

プロセッサ７は、ＲＦデータを復調する複合復調器（図示せず）を含むこともできる。別の実施形態では、処理チェーンの早いうちに復調を実行することができる。

プロセッサ７は、複数の選択可能な超音波モダリティに従った１つまたは複数の処理動作をデータに行うように構成されている。エコー信号が受信されるとき、データは走査セッション中にリアルタイムで処理することができる。この開示のために、「リアルタイム」という用語は、いかなる意図的な遅延もなく行われる手順を含むように定義される。

また、データは、超音波の走査中に一時的にバッファ（図示せず）に格納し、ライブ操作またはオフライン操作でリアルタイムではなく処理することができる。この開示において、「データ」という用語は、本開示においては、超音波画像表示システムを用いて取得される１つまたは複数のデータセットを指すように使用することができる。

超音波データは、プロセッサ７によって他のまたは異なるモード関連モジュール（例えば、Ｂモード、カラードプラ、Ｍモード、カラーＭモード、スペクトルドプラ、造影モード、エラストグラフィ、ＴＶＩ、歪み、歪み速度、など）で処理して超音波画像のデータを作ることができる。例えば、１つまたは複数のモジュールが、Ｂモード、カラードプラ、Ｍモード、カラーＭモード、スペクトルドプラ、造影モード、エラストグラフィ、ＴＶＩ、歪み、歪み速度、およびそれらの組合せ、などの超音波画像を生成することができる。

画像ビームおよび／または画像フレームは保存され、データがメモリに取得された時を示すタイミング情報を記録することができる。前記モジュールは、例えば、画像フレームを座標ビーム空間から表示空間座標に変換するために走査変換演算を実行する走査変換モジュールを含むことができる。被検体に処置が実施されている間にメモリから画像フレームを読み取り、その画像フレームをリアルタイムで表示する映像プロセッサモジュールが設けられてもよい。映像プロセッサモジュールは画像フレームを画像メモリに保存することができ、超音波画像は画像メモリから読み取られディスプレイ８に表示される。

なお、本明細書で使用する場合、「画像」という用語は、可視画像と可視画像を表すデータの両方を広く指す場合がある。また、「データ」という用語は、走査変換演算前の超音波データであるローデータ（ｒａｗ ｄａｔａ）と、走査変換演算後のデータである画像データを含みうる。

プロセッサ７が複数のプロセッサを含む場合、プロセッサ７が担当する上述の処理タスクを、複数のプロセッサが担当してもよい。例えば、第１のプロセッサを使用して、ＲＦ信号を復調および間引きすることができ、第２のプロセッサを使用して、データをさらに処理した後、画像を表示することができる。

また、例えば受信ビームフォーマ６がソフトウェアビームフォーマである場合、その処理機能は、単一のプロセッサで実行されてもよいし、複数のプロセッサで実行されてもよい。

ディスプレイ８は、ＬＥＤ（Ｌｉｇｈｔ Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅ）ディスプレイ、ＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）、有機ＥＬ（Ｅｌｅｃｔｒｏ－Ｌｕｍｉｎｅｓｃｅｎｃｅ）ディスプレイなどである。

メモリ９は、任意の既知のデータ記憶媒体である。一例では、超音波画像表示システム１は、メモリ９として非一過性の記憶媒体及び一過性の記憶媒体を含み、複数のメモリ９を含んでいる。非一過性の記憶媒体は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ：ハードディスク）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）などの不揮発性の記憶媒体である。非一過性の記憶媒体は、ＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓｋ）やＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）などの可搬性の記憶媒体を含んでいてもよい。非一過性の記憶媒体には、プロセッサ７によって実行されるプログラムが記憶される。

一過性の記憶媒体は、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）などの揮発性の記憶媒体である。

ユーザインタフェース１０は、オペレーターの入力を受け付けることができる。例えば、ユーザインタフェース１０は、オペレーターからの指示や情報の入力を受け付ける。ユーザインタフェース１０は、キーボード（ｋｅｙｂｏａｒｄ）、ハードキー（ｈａｒｄ ｋｅｙ）、トラックボール（ｔｒａｃｋｂａｌｌ）、ロータリーコントロール（ｒｏｔａｒｙ ｃｏｎｔｒｏｌ）及びソフトキー等を含んで構成されている。ユーザインタフェース１０は、ソフトキー等を表示するタッチスクリーンを含んでいてもよい。

次に、本例の超音波画像表示システム１における処理について説明する。図２のフローチャートにおいて、ステップＳ１では、プロセッサ７は、被検体に対してＢモード画像用のＢモードスキャンを行なうように超音波プローブ２を制御する。また、プロセッサ７は、Ｂモードスキャンによって得られたエコーデータに基づいてＢモード画像のデータを作成する。

ステップＳ１において、プロセッサ７は、Ｂモード画像のデータに基づいて、図３に示すようにディスプレイ８にＢモード画像ＢＩを表示してもよい。また、プロセッサ７は、ディスプレイ８に表示されたＢモード画像ＢＩに、カラードプラ画像を作成及び表示する対象となる関心領域ＲＯを設定してもよい。一例では、プロセッサ７は、ユーザインタフェース１０がオペレーターによる関心領域ＲＯを設定する入力を受け付けると、関心領域ＲＯを設定する。

次に、ステップＳ２では、プロセッサ７は、Ｂモード画像ＢＩのデータに基づいて被検体のカラードプラ画像が作成される対象となる関心部位を特定する。この関心部位は、被検体において関心領域ＲＯと対応する領域の部位である。プロセッサ７は、Ｂモード画像ＢＩのデータが取得された被検体の部位を、関心部位として特定する。プロセッサ７は、関心領域ＲＯよりも広い領域である第１の領域のＢモード画像ＢＩのデータに基づいて関心部位を特定してもよい。第１の領域は、取得されたＢモード画像ＢＩの全体又は一部である。第１の領域には関心領域ＲＯが含まれる。図３において、符号Ｒ１は、Ｂモード画像ＢＩの全体である第１の領域を示している。

また、プロセッサ７は、関心領域ＲＯで構成される第２の領域Ｒ２内のＢモード画像ＢＩのデータに基づいて関心部位を特定してもよい。

関心部位には、一例では乳腺、首及び下肢などが含まれる。さらに、関心部位には、首に含まれる甲状腺及び頸動脈、下肢に含まれる下肢静脈及び下肢動脈などが含まれる。ただし、ここで挙げた例は一例に過ぎないことは言うまでもない。

プロセッサ７は、機械学習によって得られた学習済みモデルを用いて関心部位の特定を行なってもよい。具体的に説明する。メモリ９には、Ｂモード画像とＢモード画像に対する評価値との相関関係を学習させた学習済みモデルが記憶されている。評価値は、関心部位の候補となる被検体の部位に関する評価値である。一例では、評価値は、Ｂモード画像が、被検体におけるある部位の画像に該当する確率である。学習済みモデルにおいて、被検体における複数の部位の各々についての評価値が学習される。被検体の部位は、一例では上述の乳腺、首、下肢、甲状腺、頸動脈、下肢静脈及び下肢動脈などである。ここでは、学習済みモデルは、Ｂモード画像が、乳腺の画像である確率、甲状腺の画像である確率、頸動脈の画像である確率、下肢静脈の画像である確率及び下肢動脈の画像である確率の各々と、Ｂモード画像との相関関係を学習させたものであるとする。

なお、甲状腺及び頸動脈については、学習に用いられるＢモード画像及び後述のように学習済みモデルに入力されるＢモード画像は、一例では短軸像である。また、下肢静脈及び下肢動脈については、学習に用いられるＢモード画像及び後述のように学習済みモデルに入力されるＢモード画像は、一例では長軸像である。

プロセッサ７は、学習済みモデルの入力層に、ステップＳ１で取得されたＢモード画像ＢＩのデータを入力する。入力されるＢモード画像ＢＩのデータは、第１の領域Ｒ１のデータ又は第２の領域Ｒ２（関心領域Ｒ）のデータである。プロセッサ７は、学習済みモデルの出力層の出力として、入力層に入力されたＢモード画像ＢＩについての被検体の部位に関する評価値を得る。この評価値は、一例では、学習済みモデルに入力されたデータのＢモード画像ＢＩが、関心部位の候補となる被検体の部位の各々の画像に該当する確率である。具体的には、評価値は、学習済みモデルに入力されたデータのＢモード画像ＢＩが、乳腺の画像である確率、甲状腺の画像である確率、頸動脈の画像である確率、下肢静脈の画像である確率、下肢動脈の画像である確率である。

プロセッサ７は、評価値に基づいて関心部位を特定する。プロセッサ７は、評価値すなわち確率が最も高い部位を関心部位として特定する。例えば、評価値として、乳腺の画像の確率が７０％、甲状腺の画像の確率が１０％、頸動脈の画像の確率が１０％、下肢静脈の画像の確率が５％、下肢動脈の画像の確率が５％という結果が得られたと仮定する。この場合、プロセッサ７は、関心部位を乳腺と特定する。

次に、ステップＳ３では、プロセッサ７は、ステップＳ２で特定された関心部位に応じてカラードプラ画像のデータの取得に関するパラメータを特定する。カラードプラ画像のデータの取得に関するパラメータは、カラードプラスキャンのスキャンパラメータ及びカラードプラスキャンによって得られたエコーデータに基づくカラードプラ画像のデータの作成に用いるパラメータの少なくとも一方を含む。パラメータには、カラードプラスキャンの音線数や送信周波数、Ｗａｌｌフィルタの種類などが含まれる。ただし、パラメータはこれらに限定されるものではない。

パラメータの特定について詳しく説明する。メモリ９には、関心部位の候補となる被検体の複数の部位の各々に応じたパラメータが記憶されている。被検体の複数の部位の各々に応じたパラメータとは、複数の部位の各々について、カラードプラ画像のデータの取得に適した値のパラメータである。カラードプラ画像のデータの取得に適したとは、血流を含む流体の情報をできるだけ正確に表したカラードプラ画像を得ることができるという意味である。プロセッサ７によって特定されるパラメータは、メモリ９に記憶されたパラメータのうち、ステップＳ２で特定された関心部位について記憶されたパラメータである。

メモリ９に記憶されたパラメータは、被検体の複数の部位の各々に応じたパラメータセットであってもよい。例えば、図４に示すように、乳腺について、乳腺のカラードプラ画像の取得に適したパラメータセットＡ、甲状腺について、甲状腺のカラードプラ画像の取得に適したパラメータセットＢ、頸動脈について、頸動脈のカラードプラ画像の取得に適したパラメータセットＣ、下肢静脈について、下肢静脈のカラードプラ画像の取得に適したパラメータセットＤ、下肢動脈について、下肢動脈のカラードプラ画像の取得に適したパラメータセットＥを定めたテーブルＴが、メモリ９に記憶されていてもよい。パラメータセットＡ～Ｅの各々は、複数のパラメータを含んでいる。

プロセッサ７は、パラメータセットＡ～Ｅの中から、ステップＳ２において特定された関心部位について記憶されたパラメータセットを特定する。ステップＳ２において特定された関心部位が乳腺である場合、パラメータセットＡを特定する。

次に、ステップＳ４では、カラードプラ画像のデータが取得される。具体的には、プロセッサ７は、被検体に対してカラードプラ画像用のカラードプラスキャンを行なうように超音波プローブ２を制御する。また、プロセッサ７は、カラードプラスキャンによって得られたエコーデータに基づいてカラードプラ画像のデータを作成する。カラードプラスキャン及びカラードプラ画像のデータの作成には、ステップＳ３で特定されたパラメータが用いられる。

また、ステップＳ４では、プロセッサ７は、図５に示すように、カラードプラ画像のデータに基づくカラードプラ画像ＣＩをディスプレイ８に表示する。カラードプラ画像ＣＩは、関心領域ＲＯ内において、Ｂモード画像ＢＩに重畳して表示される。

本例によれば、オペレーターは、超音波プローブを用いてＢモードスキャンを行なうだけで、カラードプラ画像が作成される対象となる関心部位が特定され、この関心部位に応じて、カラードプラ画像のデータの取得に関するパラメータが特定される。カラードプラ画像を取得する場合、その前にＢモード画像を取得することがほとんどであるため、オペレーターに追加のワークフローやインプットを課すことなく、カラードプラ画像のデータの取得に関するパラメータを関心部位に応じて適切に設定することができる。

ステップＳ１～Ｓ４の処理は、１フレームごとに行われなくてもよい。このことは、カラードプラ画像のデータの取得に関するパラメータが１フレームごとに特定されなくてもよいことを意味する。例えば、フレーム間の時間間隔よりも長い所定の時間間隔でステップＳ１～Ｓ４の処理が行われることにより、所定の時間間隔でカラードプラ画像のデータの取得に関するパラメータが特定されてもよい。また、フリーズ解除のタイミング、Ｂモード画像のデータ及びカラードプラ画像のデータを記録した後に、ステップＳ１～Ｓ４の処理が行われてもよい。また、Ｂモード画像データの１フレームにおける全画素の和が、フレーム間で所定の閾値を超えて異なる場合に、ステップＳ１～Ｓ４の処理が行われてもよい。

次に、第１実施形態の変形例について説明する。先ず、第1変形例について説明する。第１変形例の超音波画像表示システム１では、図６のフローチャートに従った処理が行われる。ステップＳ１０では、ステップＳ１と同様の処理が行われ、Ｂモード画像ＢＩが作成されて表示される。Ｂモード画像ＢＩには関心領域ＲＯが設定される。

ステップＳ１１では、プロセッサ７は、関心領域ＲＯよりも広い領域である第１の領域のＢモード画像ＢＩのデータに基づいて、カラードプラ画像が作成される対象となる関心部位を特定する処理を行なう。第１の領域は、取得されたＢモード画像ＢＩの全体又は一部を含む。関心部位を特定する処理は、一例では上述の学習済みモデルを用いて評価値を得る処理である。

ステップＳ１２では、プロセッサ７は、ステップＳ１１で得られた評価値に基づいて、関心部位を特定できるか否かを判定する。例えば、評価値が上述の確率である場合、プロセッサ７は、最も高い評価値と２番目に高い評価値との差Ｄに基づいて、関心部位を特定できるか否かを判定する。プロセッサ７は、差Ｄが閾値を超えている場合、関心部位を特定できると判定し、評価値が最も高い部位を関心部位として特定する（ステップＳ１２において、「ＹＥＳ」）。関心部位が特定されると、処理がステップＳ１４へ移行する。一方、プロセッサ７は、差Ｄが閾値以下である場合、関心部位を特定できないと判定する（ステップＳ１２において、「ＮＯ」）。関心部位が特定されない場合、処理がステップＳ１３へ移行する。

ステップＳ１３では、プロセッサ７は、第２の領域Ｒ２、すなわち関心領域ＲＯ内のＢモード画像ＢＩのデータに基づいて、カラードプラ画像が作成される対象となる関心部位を特定する処理を行なう。この処理も、一例では上述の学習済みモデルを用いて評価値を得る処理である。プロセッサ７は、評価値が最も高い部位を関心部位として特定する。

ステップＳ１４及びＳ１５は、ステップＳ３及びＳ４と同様の処理である。

次に、第２変形例について説明する。第２変形例の超音波画像表示システム１では、図７のフローチャートに従った処理が行われる。この図７のフローチャートにおいて、ステップＳ２０、Ｓ２２、Ｓ２４及びＳ２５の処理は、ステップＳ１０、Ｓ１２、Ｓ１４及びＳ１５の処理と同じである。ステップＳ２１では、プロセッサ７は、ステップＳ１３と同様に、第２の領域Ｒ２、すなわち関心領域ＲＯ内のＢモード画像ＢＩのデータに基づいて、カラードプラ画像が作成される対象となる関心部位を特定する処理を行なう。

ステップＳ２３では、プロセッサ７は、ステップＳ１１と同様に、第１の領域のＢモード画像ＢＩのデータに基づいて、カラードプラ画像が作成される対象となる関心部位を特定する処理を行なう。また、プロセッサ７は、上述の学習済みモデルを用いて得られた評価値が最も高い部位を関心部位として特定する。

第１及び第２変形例におけるカラードプラ画像のデータの取得に関するパラメータの特定も、１フレームごとに行われなくてもよい。

（第２実施形態）
次に、第２実施形態について説明する。第２実施形態の超音波画像表示システムは、図１に示す構成を有する超音波画像表示システム１である。この構成については説明を省略する。以下、本例の超音波画像表示システム１における処理について説明する。

図８のフローチャートにおいて、ステップＳ３０では、第１実施形態におけるステップＳ１、Ｓ１０及びＳ２０と同様の処理が行われ、Ｂモード画像ＢＩが作成されて表示される。Ｂモード画像ＢＩには関心領域ＲＯが設定される。

次に、ステップＳ３１では、プロセッサ７は、関心領域ＲＯよりも広い領域である第１の領域のＢモード画像ＢＩのデータに基づいて、第１の領域の被検体における部位を特定する。第１の領域は、第１の実施形態と同様に、取得されたＢモード画像ＢＩの全体又は一部である。第１の領域は関心領域ＲＯを含む。ここでの第１の領域は、図３に示すＢモード画像ＢＩの全体である第１の領域Ｒ１であるものとする。

プロセッサ７は、機械学習によって得られた学習済みモデルを用いて部位の特定を行なってもよい。具体的に説明する。メモリ９には、Ｂモード画像とＢモード画像に対する第１の評価値との相関関係を学習させた第１の学習済みモデルが記憶されている。第１の評価値は、被検体の部位に関する評価値である。一例では、第１の評価値は、Ｂモード画像が、被検体におけるある部位の画像に該当する確率である。第１の学習済みモデルにおいて、被検体における複数の部位の各々についての第１の評価値が学習される。一例では、被検体の部位は、乳腺、首及び下肢であり、第１の学習済みモデルは、Ｂモード画像が、乳腺の画像である確率、首の画像である確率及び下肢の画像である確率の各々と、Ｂモード画像との相関関係を学習させたものである。また、被検体の部位は、乳腺、甲状腺、頸動脈、下肢静脈及び下肢動脈であってもよく、第１の学習済みモデルは、Ｂモード画像が、乳腺の画像である確率、甲状腺の画像である確率、頸動脈の画像である確率、下肢静脈の画像である確率及び下肢動脈の画像である確率の各々と、Ｂモード画像との相関関係を学習させたものであってもよい。ただし、被検体の部位は、これらに限定されるものではない。

プロセッサ７は、第１の学習済みモデルの入力層に、ステップＳ３０で取得された第１の領域Ｒ１のＢモード画像ＢＩのデータを入力する。そして、プロセッサ７は、第１の学習済みモデルの出力層の出力として、第１の領域Ｒ１の被検体における部位に関する第１の評価値を得る。一例では、第１の評価値は、第１の学習済みモデルに入力されたデータの第１の領域Ｒ１のＢモード画像ＢＩが、被検体の部位の各々の画像に該当する確率である。

第１の学習済みモデルが、乳腺の画像の確率、首の画像の確率及び下肢の画像の確率について学習させたものである場合、第１の評価値は、第１の領域Ｒ１のＢモード画像ＢＩが、乳腺の画像である確率、首の画像である確率及び下肢の画像である確率である。また、第１の学習済みモデルが、乳腺の画像の確率、甲状腺の画像の確率、頸動脈の画像の確率、下肢静脈の画像の確率及び下肢動脈の画像の確率について学習させたものである場合、第１の評価値は、第１の領域Ｒ１のＢモード画像ＢＩが、乳腺の画像である確率、甲状腺の画像である確率、頸動脈の画像である確率、下肢静脈の画像である確率、下肢動脈の画像である確率である。

プロセッサ７は、第１の評価値に基づいて、第１の領域Ｒ１の被検体における部位を特定する。一例では、プロセッサ７は、第１の評価値すなわち確率が最も高い部位を特定する。例えば、第１の評価値として、乳腺の画像の確率が１０％、首の画像の確率が８０％、下肢の画像の確率が１０％という値が得られた場合、プロセッサ７は、第１の領域Ｒ１の被検体における部位を首と特定する。

他例では、プロセッサ７は、最も高い第１の評価値と２番目に高い第１の評価値との差Ｄが閾値以下である場合、最も高い第１の評価値の部位と２番目に高い第１の評価値の部位を、第１の領域Ｒ１の被検体における部位として特定する。例えば、乳腺の画像である確率が１０％、甲状腺の画像である確率が３８％、頸動脈の画像である確率が４２％、下肢静脈の画像である確率が５％、下肢動脈の画像である確率が５％という結果が得られたと仮定する。例えば、差Ｄについての閾値が５％である場合、プロセッサ７は、第１の領域Ｒ１の被検体における部位を、甲状腺及び頸動脈と特定する。プロセッサ７は、甲状腺及び頸動脈が含まれる首を、第１の領域Ｒ１の被検体における部位として特定してもよい。

次に、ステップＳ３２では、プロセッサ７は、第２の領域Ｒ２のＢモード画像のデータに基づいて、カラードプラ画像が作成される対象となる関心部位を特定する。第２の領域Ｒ２は、関心領域ＲＯである。関心部位は、ステップＳ３１で特定された第１の領域Ｒ１の被検体における部位に含まれる。従って、プロセッサ７は、ステップＳ３１で特定された第１の領域Ｒ１の被検体における部位の中から関心部位を特定する。例えば、第１の領域の被検体における部位が、甲状腺及び頸動脈、または首であると特定された場合、関心部位として首に含まれる甲状腺又は頸動脈が特定される。

プロセッサ７は、機械学習によって得られた学習済みモデルを用いて関心部位の特定を行なってもよい。具体的に説明する。メモリ９には、Ｂモード画像とＢモード画像に対する第２の評価値との相関関係を学習させた第２の学習済みモデルが記憶されている。第２の評価値は、被検体の部位に含まれる部位であって関心部位の候補となる部位に関する評価値である。一例では、第２の評価値は、Ｂモード画像が、関心部位の候補となる部位の画像に該当する確率である。第２の学習済みモデルは、複数の被検体の部位の各々について記憶されている。ここでの被検体の部位とは、関心部位の候補となる部位を含み、この関心部位の候補となる部位よりも広い領域の部位を意味する。例えば、関心部位の候補となる部位が、甲状腺、頸動脈、下肢静脈及び下肢動脈である場合、首についての第２の学習済みモデルと下肢についての第２の学習済みモデルがメモリ９に記憶される。首についての第２の学習済みモデルを第２の学習済みモデルＳＬＭ１とし、下肢についての第２の学習済みモデルを第２の学習済みモデルＳＬＭ２とする。首についての第２の学習済みモデルＳＬＭ１は、甲状腺及び頸動脈を含む領域についての学習済みモデルであってもよい。また、下肢についての第２の学習済みモデルＳＬＭ２は、下肢静脈及び下肢動脈を含む領域についての学習済みモデルであってもよい。

首についての第２の学習済みモデルＳＬＭ１は、Ｂモード画像が、甲状腺の画像である確率及び頸動脈の画像である確率の各々と、Ｂモード画像との相関関係を学習させたモデルである。また、下肢についての第２の学習済みモデルＳＬＭ２は、Ｂモード画像が、下肢静脈の画像である確率及び下肢動脈の画像である確率の各々と、Ｂモード画像との相関関係を学習させたモデルである。

プロセッサ７は、第２の学習済みモデルＳＬＭ１及びＳＬＭ２のうち、ステップＳ３１において特定された部位についての第２の学習済みモデルを用いて関心部位を特定する。ステップＳ３１において特定された部位が、甲状腺及び頸動脈、または首である場合、第２の学習済みモデルＳＬＭ１を用いて関心部位を特定する。具体的には、第２の学習済みモデルＳＬＭ１の入力層に、第２の領域Ｒ２のＢモード画像のデータを入力する。そして、プロセッサ７は、第２の学習済みモデルＳＬＭ１の出力層の出力として、第２の領域Ｒ２の被検体における部位に関する第２の評価値を得る。

一例では、第２の評価値は、第２の領域Ｒ２のＢモード画像ＢＩが、関心部位の候補となる部位の各々の画像に該当する確率である。第２の学習済みモデルＳＬＭ１は首についての学習済みモデルなので、第２の評価値は、第２の領域Ｒ２のＢモード画像ＢＩが、甲状腺の画像である確率及び頸動脈である確率である。

ちなみに、下肢についての第２の学習済みモデルＳＬＭ２の出力層から出力される第２の評価値は、第２の領域Ｒ２のＢモード画像ＢＩが、下肢静脈の画像である確率及び下肢動脈の画像である確率である。

プロセッサ７は、第２の評価値に基づいて、関心部位を特定する。一例では、プロセッサ７は、第２の評価値が最も高い部位を特定する。例えば、第２の評価値として、甲状腺の画像の確率が８０％、頸動脈の画像の確率が２０％という値が得られた場合、プロセッサ７は、関心部位を甲状腺と特定する。

ステップＳ３２において関心部位が特定された後のステップＳ３３及びステップＳ３４の処理は、ステップＳ３及びＳ４、ステップＳ１４及びＳ１５、ステップＳ２４及びＳ２５と同様である。

本例によれば、第１の実施形態と同様に、オペレーターに追加のワークフローやインプットを課すことなく、カラードプラ画像のデータの取得に関するパラメータを関心部位に応じて適切に設定することができる。さらに、本例によれば、ステップＳ３１において、先ず関心部位が含まれる被検体の部位が特定された後に、この部位の中から関心部位が特定されるので、より正確に関心部位を特定することができる。

なお、第１実施形態と同様に、ステップＳ３０～Ｓ３４の処理は、１フレームごとに行われなくてもよい。

次に、第２実施形態の変形例について説明する。この変形例では、図９のフローチャートに従った処理が行われる。先ず、ステップＳ４０では、ステップＳ１、Ｓ１０、Ｓ２０及びＳ３０と同様の処理が行われ、Ｂモード画像ＢＩが作成されて表示される。Ｂモード画像ＢＩには関心領域ＲＯが設定される。

次に、ステップＳ４１では、プロセッサ７は、被検体に対し、第１のカラードプラ画像用の第１のカラードプラスキャンを行なうように超音波プローブ２を制御する。また、プロセッサ７は、第１のカラードプラスキャンによって得られたエコーデータに基づいて関心領域ＲＯの第１のカラードプラ画像のデータを作成する。

第１のカラードプラスキャン及び第１のカラードプラ画像のデータの作成に用いられるパラメータは、部位に応じた最適なパラメータではなく、どの部位においても少なくとも最低限の血流情報が得られるパラメータである。第１のカラードプラスキャン及び第１のカラードプラ画像のデータの作成に用いられるパラメータは、部位に応じた最適なパラメータである後述の第２のカラードプラスキャン及び第２のカラードプラ画像のデータの作成に用いられるパラメータとは異なる。

ステップＳ４１において、プロセッサ７は、図１０に示すように、第１のカラードプラ画像のデータに基づいて、第１のカラードプラ画像ＣＩ１をディスプレイ８に表示する。第１のカラードプラ画像ＣＩ１は、関心領域ＲＯ内において、Ｂモード画像ＢＩに重畳して表示される。

次に、ステップＳ４２では、ステップＳ３１と同様の処理が行われ、第１の領域Ｒ１の被検体における部位が特定される。

次に、ステップＳ４３では、プロセッサ７は、第２の領域Ｒ２、すなわち関心領域ＲＯの第１のカラードプラ画像ＣＩ１のデータに基づいて、被検体において関心領域ＲＯの対象となる関心部位を特定する。この関心部位は、被検体において第１のカラードプラ画像ＣＩ１が作成された対象の部位であり、なおかつ被検体において後述の第２のカラードプラ画像ＣＩ２が作成される対象の部位である。ステップＳ３２において説明したのと同様に、関心部位は、ステップＳ４２で特定された第１の領域Ｒ１の被検体における部位に含まれる。

プロセッサ７は、機械学習によって得られた学習済みモデルを用いて関心部位の特定を行なってもよい。具体的に説明する。メモリ９には、カラードプラ画像とカラードプラ画像に対する第２の評価値との相関関係を学習させた第２の学習済みモデルが記憶されている。この第２の評価値も、被検体の部位に含まれる部位であって関心部位の候補となる部位に関する評価値である。一例では、第２の評価値は、カラードプラ画像が関心部位の候補となる部位の画像に該当する確率である。第２の学習済みモデルは、上述の実施形態と同様に、複数の被検体の部位の各々について記憶されている。ここでも、首についての第２の学習済みモデルを第２の学習済みモデルＳＬＭ１とし、下肢についての第２の学習済みモデルを第２の学習済みモデルＳＬＭ２とする。

ただし、この変形例では、首についての第２の学習済みモデルＳＬＭ１は、カラードプラ画像が、甲状腺の画像である確率及び頸動脈の画像である確率の各々と、カラードプラ画像との相関関係を学習させたモデルである。また、下肢についての第２の学習済みモデルＳＬＭ２は、カラードプラ画像が、下肢静脈の画像である確率及び下肢動脈の画像である確率の各々と、カラードプラ画像との相関関係を学習させたモデルである。

プロセッサ７は、第２の学習済みモデルＳＬＭ１及びＳＬＭ２のうち、ステップＳ４２において特定された部位についての第２の学習済みモデルを用いて関心部位を特定する。ステップＳ４２において特定された部位が、甲状腺及び頸動脈、または首である場合、第２の学習済みモデルＳＬＭ１を用いて関心部位を特定する。具体的には、第２の学習済みモデルＳＬＭ１の入力層に、第２の領域Ｒ２の第１のカラードプラ画像ＣＩ１のデータを入力する。そして、プロセッサ７は、第２の学習済みモデルＳＬＭ１の出力層の出力として、第２の領域Ｒ２の被検体における部位に関する第２の評価値を得る。

一例では、第２の評価値は、第２の領域Ｒ２の第１のカラードプラ画像ＣＩ１が、関心部位の候補となる部位の各々の画像に該当する確率である。第２の学習済みモデルＳＬＭ１は首についての学習済みモデルなので、第２の評価値は、第２の領域Ｒ２の第１のカラードプラ画像ＣＩ１が、甲状腺の画像である確率及び頸動脈である確率である。

ちなみに、下肢についての第２の学習済みモデルＳＬＭ２の出力層から出力される第２の評価値は、第２の領域Ｒ２の第１のカラードプラ画像ＣＩ１が、下肢静脈の画像である確率及び下肢動脈の画像である確率である。

プロセッサ７は、ステップＳ３２と同様に、第２の評価値に基づいて関心部位を特定する。

ステップＳ４３において関心部位が特定された後のステップＳ４４及びステップＳ４５の処理は、ステップＳ３及びＳ４、ステップＳ１４及びＳ１５、ステップＳ２４及びＳ２５、ステップＳ３３及びＳ３４と基本的に同様である。ただし、ステップＳ４４では、第２のカラードプラ画像のデータの取得に関するパラメータが特定される。ここで特定されるパラメータは、関心部位に応じたパラメータであり、第１のカラードプラ画像のデータの取得に関するパラメータとは異なる。

また、ステップＳ４５では、ステップＳ４４で特定されたパラメータを用いて、第２のカラードプラスキャンが行われ、第２のカラードプラ画像のデータが作成される。ディスプレイ８には、図１１に示すように、関心領域ＲＯ内においてＢモード画像に重畳して第２のカラードプラ画像ＣＩ２が表示される。

本発明についてある特定の実施形態を参照して説明してきたが、本発明の範囲から逸脱することなく、様々な変更を施してもよく、均等物に置換してもよい。加えて、本発明の範囲から逸脱することなく、特定の状況または材料を本発明の教示に適合させるために、多くの修正を行うことができる。したがって、本発明は、開示された特定の実施形態に限定されず、本発明が添付の特許請求の範囲内に属するすべての実施形態を含むことになることを意図している。

例えば、上述のＢモード画像のデータに基づく関心部位の特定や被検体における部位の特定は、機械学習を用いたものに限定されるものではない。例えば、Ｂモード画像のデータのテクスチャパタン等の輝度分布の解析、周波数解析等を用いてもよい。また、これらと機械学習の併用でもよい。

また、プロセッサ７は、第２の領域Ｒ２の位置に基づいて、カラードプラ画像が作成される対象となる関心部位を特定してもよい。位置には、被検体内の深さの位置が含まれる。プロセッサ７は、第２の領域のＢモード画像のデータと第２の領域の位置の両方に基づいて、カラードプラ画像が作成される対象となる関心部位を特定してもよい。

また、カラードプラスキャン又はカラードプラ画像のデータの作成の一方のみに、関心部位に応じて特定されたパラメータが用いられるようになっていてもよい。

また、上記実施形態は、プロセッサ及び超音波プローブを備える超音波画像表示システムの制御方法であって、
該制御方法は、前記プロセッサを用いて、
被検体に対してＢモード画像用のＢモードスキャンを行なうように前記超音波プローブを制御し、
前記Ｂモードスキャンによって得られたエコーデータに基づいてＢモード画像のデータを作成し、
前記Ｂモード画像のデータに基づいて前記被検体のカラードプラ画像が作成される対象となる関心部位を特定し、
該関心部位に応じて前記カラードプラ画像のデータの取得に関するパラメータを特定し、
前記被検体に対してカラードプラ画像用のカラードプラスキャンを行なうように前記超音波プローブを制御し、
前記カラードプラスキャンによって得られたエコーデータに基づいてカラードプラ画像のデータを作成する、ことを含み、
前記カラードプラスキャン及び前記カラードプラ画像のデータの作成の少なくとも一方は、前記パラメータを用いて行われる、超音波画像表示システムの制御方法としてもよい。

プロセッサ及び超音波プローブを備える超音波画像表示システムの制御方法であって、
該制御方法は、前記プロセッサを用いて、
被検体に対してＢモード画像用のＢモードスキャンを行なうように前記超音波プローブを制御し、
前記Ｂモードスキャンによって得られたエコーデータに基づいてＢモード画像のデータを作成し、
該Ｂモード画像に関心領域を設定し、
前記被検体に対し、第１のカラードプラ画像用の第１のカラードプラスキャンを行なうように前記超音波プローブを制御し、
前記第１のカラードプラスキャンによって得られたエコーデータに基づいて前記関心領域の第１のカラードプラ画像のデータを作成し、
前記被検体における第１の領域における前記Ｂモード画像のデータに基づいて、前記第１の領域の前記被検体における部位を特定し、前記第１の領域は、前記関心領域を含んでおり、
前記関心領域で構成される第２の領域の前記第１のカラードプラ画像のデータに基づいて、前記被検体において前記関心領域の対象となる関心部位を特定し、前記関心部位は、前記第１の領域の前記被検体における部位に含まれており、
該関心部位に応じて前記被検体の第２のカラードプラ画像のデータの取得に関するパラメータを特定し、
前記被検体に対して、さらに前記第２のカラードプラ画像用の第２のカラードプラスキャンを行なうように前記超音波プローブを制御し、
前記第２のカラードプラスキャンによって得られたエコーデータに基づいて前記第２のカラードプラ画像のデータを作成する、ことを含み、
前記カラードプラスキャン及び前記第２のカラードプラ画像のデータの作成の少なくとも一方は、前記パラメータを用いて行われる、超音波画像表示システムの制御方法。

１ 超音波画像表示システム
２ 超音波プローブ
７ プロセッサ
９ メモリ

Claims (19)

1. プロセッサ及び超音波プローブを備える超音波画像表示システムであって、
   前記プロセッサは、
   被検体に対してＢモード画像用のＢモードスキャンを行なうように前記超音波プローブを制御し、
   前記Ｂモードスキャンによって得られたエコーデータに基づいてＢモード画像のデータを作成し、
   前記Ｂモード画像のデータに基づいて前記被検体のカラードプラ画像が作成される対象となる関心部位を特定し、
   該関心部位に応じて前記カラードプラ画像のデータの取得に関するパラメータを特定し、
   前記被検体に対してカラードプラ画像用のカラードプラスキャンを行なうように前記超音波プローブを制御し、
   前記カラードプラスキャンによって得られたエコーデータに基づいてカラードプラ画像のデータを作成する、ことを含む制御を行なうよう構成され、
   前記カラードプラスキャン及び前記カラードプラ画像のデータの作成の少なくとも一方は、前記パラメータを用いて行われる、超音波画像表示システム。
2. さらに、Ｂモード画像と、該Ｂモード画像に対する評価値との相関関係を学習させた学習済みモデルを記憶するメモリを備え、前記評価値は、前記関心部位の候補となる被検体の部位に関する評価値であり、
   前記プロセッサは、前記学習済みモデルの入力層に、前記Ｂモードスキャンを行なって作成された前記Ｂモード画像のデータを入力し、前記学習済みモデルの出力層の出力として前記入力層に入力された前記データのＢモード画像についての前記評価値を得て、該評価値に基づいて前記関心部位を特定する、請求項１に記載の超音波画像表示システム。
3. 前記プロセッサは、前記被検体における第１の領域の前記Ｂモード画像のデータ、又は前記第１の領域に含まれる第２の領域の前記Ｂモード画像のデータに基づいて前記関心部位を特定し、
   前記第２の領域は、前記被検体のカラードプラ画像を作成する対象である、請求項１に記載の超音波画像表示システム。
4. 前記プロセッサは、前記第１の領域のＢモード画像のデータに基づいて前記関心部位を特定する処理を行ない、該処理によって前記関心部位を特定できない場合、前記第２の領域のＢモード画像のデータに基づいて前記関心部位を特定する、請求項３に記載の超音波画像表示システム。
5. 前記プロセッサは、前記第２の領域のＢモード画像のデータに基づいて前記関心部位を特定する処理を行ない、該処理によって前記関心部位を特定できない場合、前記第１の領域のＢモード画像のデータに基づいて前記関心部位を特定する、請求項３に記載の超音波画像表示システム。
6. さらに、Ｂモード画像と、該Ｂモード画像に対する評価値との相関関係を学習させた学習済みモデルを記憶するメモリを備え、前記評価値は、前記関心部位の候補となる被検体の部位に関する評価値であり、
   前記第１の領域のＢモード画像のデータに基づいて前記関心部位を特定する処理は、前記学習済みモデルの入力層に前記第１の領域の前記Ｂモード画像のデータを入力し、前記学習済みモデルの出力層の出力として前記入力層に入力された前記データのＢモード画像についての前記評価値を得て、該評価値に基づいて前記関心部位を特定する処理を含み、
   前記第２の領域のＢモード画像のデータに基づいて前記関心部位を特定する処理は、前記学習済みモデルの入力層に前記第２の領域の前記Ｂモード画像のデータを入力し、前記学習済みモデルの出力層の出力として前記入力層に入力された前記データのＢモード画像についての前記評価値を得て、該評価値に基づいて前記関心部位を特定する処理を含む、請求項３～５のいずれか一項に記載の超音波画像表示システム。
7. 前記評価値は、前記Ｂモード画像が前記被検体におけるある部位の画像に該当する確率である、請求項２又は６に記載の超音波画像表示システム。
8. 前記プロセッサは、
   前記被検体における第１の領域の前記Ｂモード画像のデータに基づいて、前記第１の領域の前記被検体における部位を特定し、
   前記第１の領域に含まれる第２の領域の前記Ｂモード画像のデータに基づいて、前記関心部位を特定し、該関心部位は、前記第１の領域の前記被検体における部位に含まれており、
   前記第２の領域は、前記被検体のカラードプラ画像を作成する対象である、請求項１に記載の超音波画像表示システム。
9. さらに、Ｂモード画像と、該Ｂモード画像に対する第１の評価値との相関関係を学習させた第１の学習済みモデルと、Ｂモード画像と、該Ｂモード画像に対する第２評価値との相関関係を学習させた第２の学習済みモデルを記憶するメモリを備え、前記第１の評価値は、被検体の部位に関する評価値であり、前記第２の評価値は、前記被検体の部位に含まれる部位であって前記関心部位の候補となる部位に関する評価値であり、前記第２の学習済みモデルは、複数の被検体の部位の各々について記憶されており、
   前記第１の領域のＢモード画像のデータに基づいて前記部位を特定する処理は、前記第１の学習済みモデルの入力層に前記第１の領域の前記Ｂモード画像のデータを入力し、前記第１の学習済みモデルの出力層の出力として前記入力層に入力された前記データのＢモード画像についての前記第１の評価値を得て、該第１の評価値に基づいて前記部位を特定する処理を含み、
   前記第２の領域のＢモード画像のデータに基づいて前記関心部位を特定する処理は、前記複数の第２の学習済みモデルのうち、前記第１の領域のＢモード画像のデータに基づいて特定された前記部位についての第２の学習済みモデルの入力層に前記第２の領域の前記Ｂモード画像のデータを入力し、前記第２の学習済みモデルの出力層の出力として前記入力層に入力された前記データのＢモード画像についての前記第２の評価値を得て、該第２の評価値に基づいて前記関心部位を特定する処理を含む、請求項８に記載の超音波画像表示システム。
10. 前記第１の評価値は、前記Ｂモード画像が前記被検体におけるある部位の画像に該当する確率であり、
    前記第２の評価値は、前記Ｂモード画像が、前記被検体の部位に含まれる部位であって前記関心部位の候補となる部位の画像に該当する確率である、請求項９に記載の超音波画像表示システム。
11. 前記プロセッサは、前記第２の領域のＢモード画像のデータ及び前記第２の領域の位置の少なくとも一方に基づいて、前記関心部位を特定する処理を行なう、請求項３～６および８～１０のうちのいずれか一項に記載の超音波画像表示システム。
12. プロセッサ及び超音波プローブを備える超音波画像表示システムであって、
    前記プロセッサは、
    被検体に対してＢモード画像用のＢモードスキャンを行なうように前記超音波プローブを制御し、
    前記Ｂモードスキャンによって得られたエコーデータに基づいてＢモード画像のデータを作成し、
    該Ｂモード画像に関心領域を設定し、
    前記被検体に対し、第１のカラードプラ画像用の第１のカラードプラスキャンを行なうように前記超音波プローブを制御し、
    前記第１のカラードプラスキャンによって得られたエコーデータに基づいて前記関心領域の第１のカラードプラ画像のデータを作成し、
    前記被検体における第１の領域における前記Ｂモード画像のデータに基づいて、前記第１の領域の前記被検体における部位を特定し、前記第１の領域は、前記関心領域を含んでおり、
    前記関心領域で構成される第２の領域の前記第１のカラードプラ画像のデータに基づいて、前記被検体において前記関心領域の対象となる関心部位を特定し、前記関心部位は、前記第１の領域の前記被検体における部位に含まれており、
    該関心部位に応じて前記被検体の第２のカラードプラ画像のデータの取得に関するパラメータを特定し、
    前記被検体に対して、さらに前記第２のカラードプラ画像用の第２のカラードプラスキャンを行なうように前記超音波プローブを制御し、
    前記第２のカラードプラスキャンによって得られたエコーデータに基づいて前記第２のカラードプラ画像のデータを作成する、ことを含む制御を行なうよう構成され、
    前記カラードプラスキャン及び前記第２のカラードプラ画像のデータの作成の少なくとも一方は、前記パラメータを用いて行われる、超音波画像表示システム。
13. さらに、Ｂモード画像と、該Ｂモード画像に対する第１の評価値との相関関係を学習させた第１の学習済みモデルと、カラードプラ画像と、該カラードプラ画像に対する第２の評価値との相関関係を学習させた第２の学習済みモデルを記憶するメモリを備え、前記第１の評価値は、被検体の部位に関する評価値であり、前記第２の評価値は、被検体の部位に含まれる部位であって前記関心部位の候補となる部位に関する評価値であり、前記第２の学習済みモデルは、複数の被検体の部位の各々について記憶されており、
    前記第１の領域のＢモード画像のデータに基づいて前記部位を特定する処理は、前記第１の学習済みモデルの入力層に前記第１の領域の前記Ｂモード画像のデータを入力し、前記第１の学習済みモデルの出力層の出力として前記入力層に入力された前記データのＢモード画像についての前記第１の評価値を得て、該第１の評価値に基づいて前記部位を特定する処理を含み、
    前記第２の領域における前記第１のカラードプラ画像に基づいて前記関心部位を特定する処理は、前記複数の第２の学習済みモデルのうち、前記第１の領域のＢモード画像に基づいて特定された前記部位についての第２の学習済みモデルの入力層に前記第１のカラードプラ画像を入力し、前記第２の学習済みモデルの出力層の出力として前記入力層に入力された前記データの第１のカラードプラ画像についての前記第２の評価値を得て、該第２の評価値に基づいて前記関心部位を特定する処理を含む、請求項１２に記載の超音波画像表示システム。
14. 前記第１の評価値は、前記Ｂモード画像が前記被検体におけるある部位の画像に該当する確率であり、
    前記第２の評価値は、前記カラードプラ画像及び前記第１のカラードプラ画像が、前記被検体の部位に含まれる部位であって前記関心部位の候補となる部位の画像に該当する確率である、請求項１３に記載の超音波画像表示システム。
15. 前記プロセッサは、前記第２の領域のカラードプラ画像のデータ及び前記第２の領域の位置の少なくとも一方に基づいて、前記関心部位を特定する処理を行なう、請求項１２～１４のいずれか一項に記載の超音波画像表示システム。
16. 前記関心部位の候補となる被検体の複数の部位の各々に応じた前記パラメータを記憶するメモリを備え、
    前記プロセッサによって特定されるパラメータは、前記メモリに記憶されたパラメータのうち、前記プロセッサによって特定された前記関心部位について記憶されたパラメータである、請求項１～１５のいずれか一項に記載の超音波画像表示システム。
17. 前記メモリに記憶されたパラメータは、前記被検体の複数の部位の各々に応じたパラメータセットであり、該パラメータセットの各々は、複数のパラメータ値を含んでおり、
    前記プロセッサによって特定されるパラメータは、前記メモリに記憶された複数のパラメータセットのうち、前記プロセッサによって特定された前記関心部位について記憶されたパラメータセットである、請求項１６に記載の超音波画像表示システム。
18. プロセッサ及び超音波プローブを備える超音波画像表示システムの制御プログラムであって、
    該制御プログラムは、前記プロセッサに、
    被検体に対してＢモード画像用のＢモードスキャンを行なうように前記超音波プローブを制御し、
    前記Ｂモードスキャンによって得られたエコーデータに基づいてＢモード画像のデータを作成し、
    前記Ｂモード画像のデータに基づいて前記被検体のカラードプラ画像が作成される対象となる関心部位を特定し、
    該関心部位に応じて前記カラードプラ画像のデータの取得に関するパラメータを特定し、
    前記被検体に対してカラードプラ画像用のカラードプラスキャンを行なうように前記超音波プローブを制御し、
    前記カラードプラスキャンによって得られたエコーデータに基づいてカラードプラ画像のデータを作成する、ことを含む制御を行なわせるよう構成され、
    前記カラードプラスキャン及び前記カラードプラ画像のデータの作成の少なくとも一方は、前記パラメータを用いて行われる、超音波画像表示システムの制御プログラム。
19. プロセッサ及び超音波プローブを備える超音波画像表示システムの制御プログラムであって、
    該制御プログラムは、前記プロセッサに、
    被検体に対してＢモード画像用のＢモードスキャンを行なうように前記超音波プローブを制御し、
    前記Ｂモードスキャンによって得られたエコーデータに基づいてＢモード画像のデータを作成し、
    該Ｂモード画像に関心領域を設定し、
    前記被検体に対し、第１のカラードプラ画像用の第１のカラードプラスキャンを行なうように前記超音波プローブを制御し、
    前記第１のカラードプラスキャンによって得られたエコーデータに基づいて前記関心領域の第１のカラードプラ画像のデータを作成し、
    前記被検体における第１の領域における前記Ｂモード画像のデータに基づいて、前記第１の領域の前記被検体における部位を特定し、前記第１の領域は、前記関心領域を含んでおり、
    前記関心領域で構成される第２の領域の前記第１のカラードプラ画像のデータに基づいて、前記被検体において前記関心領域の対象となる関心部位を特定し、前記関心部位は、前記第１の領域の前記被検体における部位に含まれており、
    該関心部位に応じて前記被検体の第２のカラードプラ画像のデータの取得に関するパラメータを特定し、
    前記被検体に対して、さらに前記第２のカラードプラ画像用の第２のカラードプラスキャンを行なうように前記超音波プローブを制御し、
    前記第２のカラードプラスキャンによって得られたエコーデータに基づいて前記第２のカラードプラ画像のデータを作成する、ことを含む制御を行なわせるよう構成され、
    前記カラードプラスキャン及び前記第２のカラードプラ画像のデータの作成の少なくとも一方は、前記パラメータを用いて行われる、超音波画像表示システムの制御プログラム。

Images