JP5388520B2 - 超音波診断装置および超音波診断装置のデータ処理プログラム - Google Patents

Description

本発明は、ドプラスペクトラム画像等の時間変化を伴う波形データを表示することが可能な超音波診断装置および超音波診断装置のデータ処理プログラムに係り、特に波形データを生成する際における適切な制御パラメータの選択処理を行うことが可能な超音波診断装置および超音波診断装置のデータ処理プログラムに関する。

超音波診断装置は、超音波プローブに内蔵された圧電振動子から発生する超音波パルスを被検体内に放射し、被検体組織の音響インピーダンスの差異によって生ずる超音波反射波を前記圧電振動子によって受信してモニタ上に表示するものである。この診断方法は、超音波プローブを体表に接触させるだけの簡単な操作でリアルタイムの２次元画像が容易に観察できるため、生体の各種臓器の機能診断や形態診断に広く用いられている。生体内の組織あるいは血球からの反射波により生体情報を得る超音波診断法は、超音波パルス反射法と超音波ドプラ法の２つの大きな技術開発により急速な進歩を遂げ、これらの技術を用いて得られるＢモード画像、Ｍモード画像およびカラードプラ画像は、今日の超音波画像診断において不可欠のものとなっている。

一方、被検体の任意の位置における血流速度を定量的且つ正確に得る方法としてドプラスペクトラム法がある。このドプラスペクトラム法では、被検体の同一部位に対して一定間隔で複数回の超音波送受波を行ない、血球などの移動反射体において反射した超音波反射波に対し、超音波送受波に使用した圧電振動子の共振周波数と略等しい周波数の基準信号を用いて直交位相検波しドプラ信号を検出する。そして、このドプラ信号の中から所望部位におけるドプラ信号をレンジゲートによって抽出し、更に、抽出したドプラ信号をＦＦＴ（ｆａｓｔ Ｆｏｕｒｉｅｒ ｔｒａｎｓｆｏｒｍ）分析することによってドプラスペクトラムデータを生成する。

このような手順により、被検体の所望部位から得られたドプラ信号に対してドプラスペクトラムデータを連続的に生成し、生成した複数のドプラスペクトラムデータを順次配列することによって、所謂ドプラスペクトラム画像データ（Ｄモード像）を生成する。尚、一般には、レンジゲートを被検体における所望の観測部位に正確に設定するために、レンジゲートの設定はＢモード画像観測下において行なわれ、レンジゲートの位置はＢモード画像上に表示される。

この超音波ドプラ診断装置によって得られるドプラスペクトラムデータは、一般に、縦軸に周波数（ｆ）、横軸に時間（ｔ）、各周波数成分のパワー（強さ）を輝度（階調）として生成され、このドプラスペクトラムデータに基づいて、各種の診断パラメータの計測を行なっている。

即ち、この計測法においては、まず、時間的に連続して得られるドプラスペクトラムデータの各々に対して、その周波数軸方向に分布するドプラ周波数成分の最大周波数ｆｐに対応する最大流速Ｖｐ、あるいは平均周波数ｆｃに対応する平均流速Ｖｃの位置を設定し、これら最大流速Ｖｐ及び平均流速Ｖｃの位置の時間変化を示すトレース波形を生成する。次いで、このトレース波形において、心拍区間の1区間毎に心臓収縮期において生ずる波形ピークＰＳ（Peak Systolic）及び心臓拡張期において生ずる波形ピークＥＤ（End Diastolic）の検出を行なう。そして、これらのＰＳあるいはＥＤの位置情報に基づいて、血管内血流のＨＲ（Heart Rate：心拍数）を計測し、更には、ＰＳあるいはＥＤによって設定された心拍区間におけるトレース波形から末梢血管の診断パラメータであるＰＩ（Pulsatility Index）、ＲＩ（Resistance Index）あるいはＨＲの計測を行なう。

尚、上述のＶｐやＶｃのトレース波形の生成、ＰＳ／ＥＤの検出、ＰＩやＲＩ等の診断パラメータの計測は、従来、フリーズされたドプラスペクトラム画像を対象としたマニュアル操作が基本であったが、近年では、リアルタイム表示されたドプラスペクトラム画像を対象としたＶｐやＶｃの自動トレースやＨＲ，ＰＩあるいはＲＩの自動計測が可能となってきている（例えば、特許文献１参照）。

さらに、ＶｐやＶｃのトレース波形の生成、ＰＳ／ＥＤの検出、ＰＩやＲＩ等の診断
パラメータの自動計測等の各処理において、感度や診断部位、ノイズの影響に起因する誤動作の発生や誤った計測値の表示を回避させるための技術として、各処理に用いるパラメータを変更できるようにした超音波診断装置が考案されている（例えば、特許文献２参照）。

この超音波診断装置では、ＶｐやＶｃのトレース波形や心電波形に同期したトリガを生成し、生成された同期トリガを用いてＰＳ／ＥＤを検出する技術も考案されている。

このようなＶｐやＶｃの波形の自動トレース、すなわちドプラオートトレースにおいて、診断部位や被検体ごとにドプラスペクトラムのエンベロープ波形やドプラ感度がばらつくことから十分な精度で波形のトレースが実行できない場合があるという問題がある。この問題を解決するためには、ドプラオートトレースを実行する際の各種制御パラメータを最適化し、トレース性能を向上させることが重要となる。

そこで、制御パラメータの最適化をより少ない実験回数で行えるように、いわゆるタグチメソッドに基づく直交表でのパラメータ実験を超音波診断装置におけるドプラオートトレースにおける制御パラメータに応用した技術が考案されている（例えば、非特許文献１参照）。

タグチメソッドは、品質工学の分野において少ない実験回数で対象となる信号出力を期待値に近づけるように直交表を用いてパラメータの最適化を行う手法であり、トランジスタパラメータのプロセス制御（例えば、特許文献３参照）、構造物の形状・特性変更最適化（例えば、特許文献４参照）、半導体デバイスのシミュレーション（例えば、特許文献５参照）等の分野にも応用されている。

超音波診断装置におけるドプラオートトレースにタグチメソッドを応用した技術では、システム入力であるスペクトラムデータからシステム出力としてのオートトレース波形が生成される一方で、同じスペクトラムデータに基づいて熟練した超音波診断装置の検者（ソノグラファ）により専門的な見地から経験的にオートトレース波形の期待値が推定される。そして、推定されたオートトレース波形の期待値と実際に得られたオートトレース波形とが一致しトレース誤差が減少するように制御パラメータが最適設定される。

尚、ドプラオートトレース処理のようにシステム出力が時間的に変動する波形である場合や、システム出力が動画像であるような場合に各時刻において制御パラメータの最適化処理を行うと膨大な実験回数や計算処理が必要となる。例えば誤差要因を考慮してＬ１８直交表に基づき１８×Ｎ回に亘って制御パラメータの最適化実験を行い、１８×Ｎ個のシステム出力を得る場合には最適化評価が単純である。しかし、時系列のＭ個の信号要因が加わると、１８×Ｎ×Ｍ回に亘る最適化評価が必要となり、実験や評価に膨大な時間を要する。

そこで、システム出力が時間変化を伴うドプラオートトレース波形についての制御パラメータの最適化評価には、動特性評価が用いられている。また、トレースエラーの発生率も評価されて制御パラメータの設定に考慮されている。
米国特許第５６２８３２１号明細書 特開２００３−２８４７１８号公報 特開２００１−１１７９５２号公報 特開２００２−１３４３７３号公報 特開２００２−６４１９９号公報 馬場達郎、大内義昭"タグチメソッドの超音波ドプラ製品開発への応用―診断部位毎のドプラオートトレース性能の最適化―"、品質工学研究発表大会論文集、Ｐ４１２、２００４

しかしながら、従来のドプラオートトレース処理における制御パラメータの最適化評価においては、ドプラデータの収集後に熟練した検者が最適化評価の都度マニュアルで期待値を作成しなければならない。このため、最適化後の制御パラメータを用いたドプラオートトレース波形のリアルタイム表示が困難となり実用性に欠けるという問題がある。

さらに、制御パラメータの最適化にはドプラオートトレース波形の期待値が必要となるわけであるが、システム入力となるスペクトラムデータのみならずドプラオートトレース波形の期待値も被検体の属性や診断部位によってばらつきを有する。また、検者の熟練度の影響が大きく、検者のばらつきを低減させた普遍的な期待値の作成が困難となる。

そこで、被検者の属性や診断部位によってばらつきを有するスペクトラムデータから、自動的かつリアルタイムに検者の熟練度を要することなく普遍的なドプラオートトレース波形の期待値を求める技術の開発が実用化に向けての重要な課題となる。

また、このような期待値作成の問題はドプラオートトレース波形の表示のみならず、超音波診断装置において制御パラメータの最適化を行ってより高精度で作成、表示される他の時系列のデータについても同様である。

本発明はかかる従来の事情に対処するためになされたものであり、より適切な期待値を簡易に生成し、生成した期待値を用いて最適化評価を行うことにより適切な制御パラメータを用いて精度よくドプラオートトレース波形等の時間変化を伴うデータを生成して表示させることが可能な超音波診断装置および超音波診断装置のデータ処理プログラムを提供することを目的とする。

本発明に係る超音波診断装置は、上述の目的を達成するために、請求項１に記載したように、被検体からの超音波反射信号から抽出されたドプラ信号を用いてスペクトラムデータを生成するスペクトラムデータ生成部と、制御パラメータの値を変更した複数回の試行によって前記スペクトラムデータからドプラエンベロープ波形をオートトレース波形として順次抽出するドプラスペクトラムエンベロープ抽出処理部と、数学モデルを用いた線形予測により前記被検体または他の被検体の前記スペクトラムデータから前記オートトレース波形の期待値を作成する期待値作成部と、前記期待値を用いて前記ドプラスペクトラムエンベロープ抽出処理部により抽出された前記各オートトレース波形のトレース処理の誤差を動特性評価することにより感度およびＳＮ比の少なくとも一方を評価結果として求めるトレース誤差評価部と、前記評価結果に基づいてより適切な前記制御パラメータの値を決定するパラメータ選択処理部と、前記パラメータ選択処理部により決定された制御パラメータの値を用いて前記スペクトラムデータから前記オートトレース波形を作成するトレース波形作成部とを有することを特徴とするものである。

また、本発明に係る超音波診断装置のデータ処理プログラムは、上述の目的を達成するために、請求項１０に記載したように、コンピュータを、被検体からの超音波反射信号から抽出されたドプラ信号を用いて生成されたスペクトラムデータをもとに、制御パラメータの値を変更した複数回の試行によってドプラエンベロープ波形をオートトレース波形として順次抽出するドプラスペクトラムエンベロープ抽出処理部、数学モデルを用いた線形予測により前記被検体または他の被検体の前記スペクトラムデータから前記オートトレース波形の期待値を作成する期待値作成部、前記期待値を用いて前記ドプラスペクトラムエンベロープ抽出処理部により抽出された前記各オートトレース波形のトレース処理の誤差を動特性評価することにより感度およびＳＮ比の少なくとも一方を評価結果として求めるトレース誤差評価部、前記評価結果に基づいてより適切な前記制御パラメータの値を決定するパラメータ選択処理部、および前記パラメータ選択処理部により決定された制御パラメータの値を用いて前記スペクトラムデータから前記オートトレース波形を作成するトレース波形作成部として機能させることを特徴とするものである。

本発明に係る超音波診断装置および超音波診断装置のデータ処理プログラムにおいては、より適切な期待値を簡易に生成し、生成した期待値を用いて最適化評価を行うことにより適切な制御パラメータを用いて精度よくドプラオートトレース波形等の時間変化を伴うデータを生成して表示させることができる。

本発明に係る超音波診断装置および超音波診断装置のデータ処理プログラムの実施の形態について添付図面を参照して説明する。

図１は本発明に係る超音波診断装置の実施の形態を示す構成図である。

超音波診断装置１は、超音波プローブ２、基準信号発生部３、送受信部４、データ生成部５、データ記憶部６、血流評価部７、表示部８、ＥＣＧ（ｅｌｅｃｔｒｏ ｃａｒｄｉｏｇｒａｍ）ユニットおよびＰＣＧ（ｐｈｏｎｏ ｃａｒｄｉｏｇｒａｍ）ユニットを備えている。また、データ生成部５は、Ｂモードデータ生成部１１、ドプラ信号検出部１２、カラードプラデータ生成部１３およびスペクトラムデータ生成部１４を備え、血流評価部７は、トレース波形生成部１５、ＰＳ／ＥＤ検出部１６およびパラメータ計測部１７を備えている。

尚、データ生成部５、データ記憶部６および血流評価部７は、回路により構築する他、全部または一部をコンピュータにデータ処理プログラムを読み込ませて構築することもできる。

超音波プローブ２は複数の圧電振動子を備え、送受信部４から受けた電気信号を超音波パルスに変換して図示しない被検体に送信する一方、被検体内部において生じた超音波反射信号を受信して電気信号に変換し、受信データとして送受信部４に与える機能を有する。

基準信号発生部３は、超音波プローブ２から被検体に向けて送信する超音波のタイミング等の条件を規定するための基準信号を発生させて送受信部４に与えることにより送受信部４を制御する機能を有する。

送受信部４は、基準信号発生部３から受けた基準信号に従って超音波プローブ２に電気信号を与えることにより超音波プローブ２から超音波を送信させる機能と、超音波プローブ２において受信された受信データを受けてデータ生成部５に与える機能を有する。

Ｂモードデータ生成部１１は、送受信部４から受けた受信データに対して対数変換処理、包絡線検波処理、閾値処理、Ａ／Ｄ変換処理等の各種処理を行ってＢモード画像データを生成する機能と、生成したＢモード画像データをデータ記憶部６に与える機能を有する。

ドプラ信号検出部１２は、送受信部４から受けた受信データに対して直交位相検波を行うことによりドプラ信号を検出する機能と、検出したドプラ信号をカラードプラデータ生成部１３およびスペクトラムデータ生成部１４に与える機能を有する。

カラードプラデータ生成部１３は、ドプラ信号検出部１２から受けたドプラ信号からクラッタ成分を除去することにより血流成分を抽出し、血流成分の自己相関値に基づいて血流の平均流速値や分散値といったカラードプラデータを生成する機能と、生成したカラードプラデータをデータ記憶部６に与える機能を有する。

スペクトラムデータ生成部１４は、ドプラ信号検出部１２から受けたドプラ信号に対してＦＦＴ分析を行なうことにより血流速度の時間変化を示すスペクトラムデータを生成する機能と、生成したスペクトラムデータをデータ記憶部６に与える機能を有する。

トレース波形生成部１５は、データ記憶部６からスペクトラムデータを取得し、閾値等の制御パラメータに従って最大周波数（最大流速）や平均周波数（平均流速）を算出することにより、最大周波数や平均周波数の時間変化を示すドプラエンベロープ波形をオートトレース波形として生成する機能と、生成したオートトレース波形をデータ記憶部６に与える機能を有する。

さらに、トレース波形生成部１５には、オートトレース波形を生成する際に用いられる制御パラメータの最適化計算を行って適切な制御パラメータの値を設定する機能と、最適化計算により設定された制御パラメータの値を用いたオートトレース波形の生成機能が備えられる。この最適化計算には、データ記憶部６から取得したスペクトラムデータとオートトレース波形の期待値とが用いられる。そのために、トレース波形生成部１５には、オートトレース波形の期待値を求める機能も備えられる。オートトレース波形の期待値は、スペクトラムデータから求めることが可能であるが、好適にはＥＣＧユニット９あるいはＰＣＧユニット１０から別途取得したＥＣＧ信号またはＰＣＧ信号がスペクトラムデータとともに利用される。

ＰＳ／ＥＤ検出部１６は、トレース波形生成部１５において生成されたオートトレース波形をデータ記憶部６から取得して、心臓の収縮期を示すＰＳと拡張期を示すＥＤの位置を設定する機能と、設定したＰＳとＥＤの位置情報をデータ記憶部６に与える機能とを有する。尚、ＰＳとＥＤの設定がオートトレース波形のみからでは困難な場合には、ＥＣＧユニット９あるいはＰＣＧユニット１０から別途取得したＥＣＧ信号またはＰＣＧ信号が利用される。

尚、最大周波数（最大流速）や平均周波数（平均流速）のトレース方法やＰＳ／ＥＤのピーク位置の検出方法は任意であるが、詳細例については、例えば特開２００３−２８４７１８や米国特許５，６２８，３２１号明細書に開示されている。

パラメータ計測部１７は、ＰＳ／ＥＤ検出部１６において設定されたＰＳとＥＤの位置情報をオートトレース波形とともにデータ記憶部６から取得して、診断パラメータであるＨＲ、ＰＩ、ＲＩ等の計測を行う機能と、得られた計測結果をデータ記憶部６に与える機能を有する。

ＥＣＧユニット９は、被検体の心電波形（ＥＣＧ波形）を計測し、得られたＥＣＧ波形をトレース波形生成部１５およびＰＳ／ＥＤ検出部１６に与える機能を、ＰＣＧユニット１０は、被検体
の心音波形（ＰＣＧ波形）を計測し、得られたＰＣＧ波形をトレース波形生成部１５およびＰＳ／ＥＤ検出部１６に与える機能をそれぞれ有する。

この結果、データ記憶部６には、Ｂモード画像データ、カラードプラデータ、スペクトラムデータ、オートトレース波形、ＰＳとＥＤの位置情報およびＨＲ、ＰＩ、ＲＩ等の診断パラメータが記憶される。

表示部８は、データ記憶部６に保存された情報のうち、所望の情報を読み込んで表示する機能を有する。このため、Ｂモード画像データ、カラードプラデータ、スペクトラムデータ等の画像をオートトレース波形、ＰＳとＥＤの位置情報およびＨＲ、ＰＩ、ＲＩ等の診断パラメータとともに重畳表示あるいは並列表示させることができる。

図２は、図１に示す超音波診断装置１におけるトレース波形生成部１５の詳細機能を示す機能ブロック図である。

トレース波形生成部１５は、ドプラオートトレース信号処理を行うことによりデータ記憶部６から取得したスペクトラムデータからドプラオートトレース波形を生成する機能を有するが、ドプラオートトレース波形の生成に際し、自動的に制御パラメータの最適化実験を行って評価する機能を備えている。

そのためにトレース波形生成部１５には、スペクトラムデータ取得部２０、実験条件設定部２１、組合せパラメータ設定処理部２２、ドプラスペクトラムエンベロープ抽出処理部２３、数学モデル係数データベース２４、システム同定部２５、ダイナミック情報取得部２６、期待値作成部２７、トレースエラー検出処理部２８、トレース誤差評価部２９、パラメータ選択処理部３０、トレース波形作成部３１が設けられる。

スペクトラムデータ取得部２０は、データ記憶部６からスペクトラムデータを取得する機能と、取得したスペクトラムデータをドプラスペクトラムエンベロープ抽出処理部２３およびシステム同定部２５に与える機能とを有する。また、スペクトラムデータ取得部２０は、スペクトラムデータから血流速度の最大値を期待値作成部２７に与えることができるように構成される。

実験条件設定部２１は、最適化計算の対象となる制御パラメータの値を変化させた実験条件を設定する機能と、設定した実験条件を組合せパラメータ設定処理部２２に与える機能とを有する。実験条件としてはタグチメソッドによる直交表を用いると、実験回数や処理量を低減することができる。

図３は、図２に示すトレース波形生成部１５の実験条件設定部２１において制御パラメータの実験条件として設定される直交表の一例を示す図である。

図３に示すように、オートトレース波形の生成に際し、複数の制御パラメータを設定する必要がある。そして、例えばＬ１８直交表により実験条件が設定され、制御パラメータは複数の因子（図３では８つの因子Ａ、Ｂ、・・・、Ｈ）として定義される。さらに、各因子には水準（１、２、３）が設定される。尚、因子Ａのオートトレース閾値設定方式については水準が１、２の２水準に設定され、他の因子では３水準とされている。また、図３において網掛け部分は初期条件を示す。

組合せパラメータ設定処理部２２は、実験条件設定部２１から受けた実験条件に従って、制御パラメータの値の異なる組合せを複数通り設定する機能と、設定した制御パラメータの値の各組合せをドプラスペクトラムエンベロープ抽出処理部２３に順次与える機能とを有する。従って、実験条件がＬ１８直交表で定義されている場合には、１８通りの制御パラメータの値の組合せが設定される。

ドプラスペクトラムエンベロープ抽出処理部２３は、スペクトラムデータ取得部２０から受けたスペクトラムデータを基に、組合せパラメータ設定処理部２２から受けた制御パラメータの値の各組合せに従ってスペクトラムドプラのエンベロープを抽出するドプラオートトレース信号処理を実行することによりドプラオートトレース波形を順次抽出するトレース波形抽出処理部としての機能と、抽出した各ドプラオートトレース波形をトレースエラー検出処理部２８およびトレース誤差評価部２９にそれぞれ与える機能とを有する。

従って、実験条件がＬ１８直交表で定義されている場合には、エラーが発生しなければ制御パラメータの値を変化させた１８通りのドプラオートトレース波形が生成される。

図４は、図２に示すトレース波形生成部１５のドプラスペクトラムエンベロープ抽出処理部２３において制御パラメータの１つである閾値を３段階に変化させて内頸動脈のスペクトラムドプラデータから得られたオートトレース波形の一例を示す図である。

図４において、横軸は時間、縦軸は血流の速度、輝度は各時刻のスペクトラム強度を示す。図４に示すように、スペクトラムドプラデータでは、血管内を移動する血液（主に赤血球）からの反射信号の速度分布の変化が輝度表示される。このスペクトラムは拡がりを持つため、臨床的にはスペクトラムのエンベロープに対応する最大流速の時間変化が計測診断に多く用いられている。そこで、スペクトラム強度の閾値が制御パラメータとして与えられ、閾値内において最大周波数や平均周波数が求められる。

しかし、閾値の設定が不適切であると、精度よくオートトレース波形を得ることができない場合がある。例えば、図４において（Ａ）（Ｂ）（Ｃ）はそれぞれ閾値を３段階に変化させたオートトレース波形であるが、（Ａ）は閾値が低すぎる結果ノイズが現れていることが分かる。また、（Ｂ）では閾値が比較的適切であり、良好にオートトレース波形が得られているのに対し、（Ｃ）では閾値が大きすぎる結果、オートトレース波形が過小評価されていることが分かる。

このように、制御パラメータの値を適切に設定し、スパイクノイズを減らしてできるだけ正確な流速（スペクトラムの辺縁）を把握することが可能なオートトレース波形の生成が重要となる。特に、ドプラ感度の悪い診断部位では適切な閾値等の制御パラメータの設定が望まれる。また、比較的ドプラ感度の良い診断部位でもスペクトラム画像が急峻な変動を持つ場合には、オートトレース波形が不安定にならないように制御パラメータの値を設定することが重要となる。

トレースエラー検出処理部２８は、ドプラスペクトラムエンベロープ抽出処理部２３から受けた各ドプラオートトレース波形のトレースエラーの検出を行う機能と、エラーの検出結果をパラメータ選択処理部３０に与える機能とを有する。トレースエラーの検出方法としては、例えば信号の欠落部位やスパイク状の信号の有無を検出する方法が挙げられる。また、エラーの検出結果は、制御パラメータの組合せごとの無視できないトレースエラーの発生率として数値化することもできる。

トレース誤差評価部２９は、ドプラスペクトラムエンベロープ抽出処理部２３から受けた、異なる制御パラメータの値の組合せを用いた複数回の試行により得られた時刻毎の各ドプラオートトレース波形と期待値作成部２７から受けたドプラオートトレース波形の期待値とからトレース処理の誤差を動特性評価する機能と、評価結果をパラメータ選択処理部３０に与える機能とを有する。トレース処理の誤差の評価の指標としては、感度やＳＮ比を用いることができる。

すなわち、ドプラオートトレース波形を出力ｙ、期待値をＭとすると、式（１）の関係から感度βを求めることができる。すなわち、出力ｙの実際の分布から最小二乗法により感度βを求めることができる。
［数１］
ｙ＝βＭ ・・・（１）

また、動特性のＳＮ比は、感度βを傾きとする原点を通る直線に対する分布の一致度として求めることができる。

尚、ドプラオートトレース波形の期待値は熟練した検者により作成されたトレース波形を用いることもできる。

パラメータ選択処理部３０は、トレース誤差評価部２９から受けた感度やＳＮ比等のトレース処理の評価結果と、トレースエラー検出処理部２８から受けたエラーの検出結果とから最適な、または少なくともより適切な制御パラメータの値の組合せを選択する機能と、選択した制御パラメータの値の組合せをトレース波形作成部３１に与える機能とを有する。すなわち、パラメータ選択処理部３０は、ドプラオートトレース波形と期待値のトレース誤差がより小さくなり、ドプラオートトレース波形と期待値とがより一致し、かつトレースエラーの発生率が十分に小さい制御パラメータの値の組合せを求める制御パラメータの最適化処理を行う機能を有する。

トレース波形作成部３１は、パラメータ選択処理部３０から受けた制御パラメータの値の組合せに従ってスペクトラムデータからオートトレース波形を作成する機能と、作成したオートトレース波形を表示用にデータ記憶部６に書き込んで記憶させる機能を有する。

期待値作成部２７は、数学モデルを用いた線形予測によりスペクトラムデータまたはスペクトラムデータに付随する情報からオートトレース波形の期待値を心拍周期分の時間変化波形として求める機能と、求めたオートトレース波形の期待値をトレース誤差評価部２９に与える機能とを有する。すなわち、期待値作成部２７は、動特性の時系列波形であるオートトレース波形の期待値を作成する機能を有する。

このため、数学モデルの出力はオートトレース波形の期待値とされ、数学モデルの入力はスペクトラムデータから得られるドプラエンベロープ波形とすることができる。さらに、数学モデルの外部入力として、ＥＣＧ波形やＰＣＧ波形等のダイナミック情報を用いることもできる。

また、数学モデルとしては、ＡＲ（Ａｕｔｏ Ｒｅｇｒｅｓｓｉｖｅ）モデル、ＡＲＸ（Ａｕｔｏ Ｒｅｇｒｅｓｓｉｖｅ Ｅｘｏｇｅｎｅｏｕｓ）モデル、ＦＩＲ（Ｆｉｎｉｔｅ Ｉｍｐｕｌｓｅ Ｒｅｓｐｏｎｓｅ）モデル、ＡＲＭＡＸ（Ａｕｔｏ Ｒｅｇｒｅｓｓｉｖｅ Ｍｏｖｉｎｇ Ａｖｅｒａｇｅ Ｅｘｏｇｅｎｉｏｕｓ）モデル、ＡＲＡＲＸモデル、ＡＲＡＲＭＡＸモデル、ＯＥ（Ｏｕｔｐｕｔ Ｅｒｒｏｒ）モデル、ＢＪ（Ｂｏｘ ａｎｄ Ｊｅｎｋｉｎｓ）モデル等のパラメトリック（Ｐａｒａｍｅｔｒｉｃ）モデルを用いることが可能である。

さらに、数学モデルは、システムパラメータ（線形予測係数）を用いて被検体の診断部位や年齢、性別、体重、症状のような期待値のばらつきの要因となる因子ごとに作成することができる。そして、システムパラメータの係数系列は、システム同定により決定することができる。診断部位としては、例えば頭頸部の動脈である総頸動脈ＣＣＡ、内頸動脈ＩＣＡ、外頸動脈ＥＣＡ、椎骨動脈ＶＡ、中大動脈ＭＣＡのように設定することができる。

パラメトリックモデルを用いたデータの線形予測技術および線形予測に伴って行われるシステム同定については、各種文献が開示されているため詳細な説明を省略する。尚、オートトレース波形の期待値を対象とするものではないが、特開２００１―１４９３７０号公報にシステム同定を行って線形予測でデータを求める技術の一例が開示されている。

図５は、図２に示すトレース波形生成部１５の期待値作成部２７において、オートトレース波形の期待値を求める際に用いられる数学モデルを伝達関数として表した図である。

パラメトリックモデルを用いる場合には、予めスペクトラムデータから求められたある時刻ｋにおけるドプラエンベロープ波形を入力データｗ（ｋ）として、ＥＣＧ信号やＰＣＧ信号を外部入力データｕ（ｋ）として用いることにより、出力ｙ（ｋ）であるオートトレース波形の期待値を線形予測により求めることができる。

図５より入力データｗ（ｋ）、外部入力データｕ（ｋ）および出力ｙ（ｋ）の関係は応答関数を用いて式（２）で表すことができる。
［数２］
Ａ（ｚ）×ｙ（ｋ）＝Ｂ（ｚ）×ｕ（ｋ）／Ｆ（ｚ）＋Ｃ（ｚ）×ｗ（ｋ）／Ｄ（ｚ）
・・・（２）
但し、
Ａ（ｚ）＝１＋ａ１×Ｚ^−１＋ａ２×Ｚ^−２＋・・・＋ａｎ×Ｚ^−ｎ
Ｂ（ｚ）＝ｂ１×Ｚ^−１＋ｂ２×Ｚ^−２＋・・・＋ｂｍ×Ｚ^−ｍ
Ｃ（ｚ）＝ｃ１×Ｚ^−１＋ｃ２×Ｚ^−２＋・・・＋ｃｐ×Ｚ^−ｐ
Ｄ（ｚ）＝１＋ｄ１×Ｚ^−１＋ｄ２×Ｚ^−２＋・・・＋ｄｑ×Ｚ^−ｑ
Ｆ（ｚ）＝１＋ｆ１×Ｚ^−１＋ｆ２×Ｚ^−２＋・・・＋ｆｒ×Ｚ^−ｒ
である。

尚、各パラメトリックモデルは、各応答関数Ａ（ｚ）、Ｂ（ｚ）、Ｃ（ｚ）、Ｄ（ｚ）、Ｆ（ｚ）をそれぞれ１としたか否かにより定義される。

図６は、図５に示す伝達関数と各パラメトリックモデルの関係を示す図である。

図６より、パラメトリックモデルがＡＲＸモデルの場合には、式（３）が成立する。以後、ＡＲＸモデルを例に説明する。
［数３］
Ａ（ｚ）×ｙ（ｋ）＝Ｂ（ｚ）×ｕ（ｋ）＋ｗ（ｋ） ・・・（３）

そして、期待値作成部２７には、このような数学モデルによりダイナミック情報取得部２６から受けた生体信号であるＥＣＧ信号およびＰＣＧ信号のいずれかと、数学モデル係数データベース２４から読み込んだ数学モデルのシステムパラメータとからオートトレース波形の期待値を線形予測により求める機能が備えられる。

また、期待値作成部２７には、必要に応じて時間軸正規化部２７ａと速度軸正規化部２７ｂとが設けられる。時間軸正規化部２７ａは、ダイナミック情報取得部２６から受けた被検者本人の心拍同期周期を用いてオートトレース波形の期待値の横軸である時間軸を正規化する機能を有する。また、速度軸正規化部２７ｂは、スペクトラムデータ取得部２０から被検者本人の血流速度の最大値を取得し、取得した血流速度の最大値を用いてオートトレース波形の期待値の縦軸である速度軸を正規化する機能を有する。

数学モデル係数データベース２４は、診断部位、被検体の年齢、性別、体重、症状のような、期待値のばらつきの要因となる因子ごとに期待値作成部２７において用いられる数学モデルのシステムパラメータの係数系列が関連付けられて保存される。また、システム同定部２５から受けたシステムパラメータも数学モデル係数データベース２４に保存され、期待値作成部２７に提供可能に構成される。

システム同定部２５は、スペクトラムデータ取得部２０から受けたスペクトラムデータからドプラエンベロープ波形を抽出し、抽出したドプラエンベロープ波形とダイナミック情報取得部２６からから受けたＥＣＧ信号やＰＣＧ信号等のダイナミック情報とからシステム同定により数学モデルのシステムパラメータを決定する機能と、決定したシステムパラメータを数学モデル係数データベース２４に書き込んで保存させる機能とを有する。

尚、システム同定におけるシステムパラメータの評価法としては、最小二乗法等の予測誤差法が知られている。さらに、ＡＲモデルの最小二乗法によるシステムパラメータの計算アルゴリズムとしては、Ｂｕｒｇ法、幾何学的ラティス法、Ｙｕｌｅ−Ｗａｌｋｅｒ法、修正共分散法等による計算アルゴリズムが知られている。

また、システム同定部２５は、数学モデル係数データベース２４に予め保存されたシステムパラメータを参照し、既に保存されたシステムパラメータの修正を行って新たなシステムパラメータを決定することができるように構成される。例えば、数学モデル係数データベース２４から読み込んだシステムパラメータをＥＣＧ信号やＰＣＧ信号等のダイナミック情報から求まる心拍同期周期でスケーリングすることによりシステム同定を行って、必要なシステムパラメータを決定するように構成することもできる。

ダイナミック情報取得部２６は、ＥＣＧユニット９およびＰＣＧユニット１０の一方または双方からＥＣＧ波形またはＰＣＧ波形を取得して期待値作成部２７およびシステム同定部２５に与える機能を有する。

次に超音波診断装置１の動作および作用について説明する。

図７は、図１に示す超音波診断装置１によりドプラオートトレース波形の期待値を求めて動特性評価により制御パラメータの最適化計算を行い、選択された制御パラメータを用いてドプラオートトレース波形を求める際における流れを示すフローチャートであり、図中Ｓに数字を付した符号はフローチャートの各ステップを示す。

まずステップＳ１において、予め実験条件設定部２１において、最適化計算の対象となる制御パラメータの値を変化させた実験条件が設定されて組合せパラメータ設定処理部２２に与えられる。例えば、図３に示すＬ１８直交表のような実験条件が設定される。

次に、ステップＳ２において、スキャンが実行され、各種データの収集が開始される。すなわち、基準信号発生部３において発生された基準信号が送受信部４に与えられ、送受信部４から基準信号に従って電気信号が超音波プローブ２に与えられる。このため、超音波プローブ２から被検体に向けて超音波が送信され、被検体内部において生じた超音波反射信号が超音波プローブ２により受信されて電気信号に変換された受信データとして送受信部４に与えられる。受信データは送受信部４からＢモードデータ生成部１１、ドプラ信号検出部１２に与えられ、Ｂモードデータ生成部１１では対数変換処理、包絡線検波処理、閾値処理、Ａ／Ｄ変換処理等の各種処理によりＢモード画像データが生成される一方、ドプラ信号検出部１２では、直交位相検波によりドプラ信号が検出されてカラードプラデータ生成部１３およびスペクトラムデータ生成部１４に与えられる。

カラードプラデータ生成部１３では、ドプラ信号から血流成分が抽出されてカラードプラデータが生成され、スペクトラムデータ生成部１４ではＦＦＴ分析によりスペクトラムデータが生成される。

そして、Ｂモード画像データ、カラードプラデータおよびスペクトラムデータはデータ記憶部６に与えられて保存される。

次に、ステップＳ３において、スペクトラムデータから抽出されるオートトレース波形の期待値が作成される。

図８は、図７に示すオートトレース波形の期待値の作成の際における詳細手順を示すフローチャートであり、図中Ｓに数字を付した符号はフローチャートの各ステップを示す。

まず、ステップＳ１０において、オートトレース波形の期待値の作成に用いられる数学モデルがシステム同定部２５により決定される。

次に、ステップＳ１１において、システム同定部２５は、数学モデルのシステムパラメータをシステム同定により決定する。そのために、ＥＣＧユニット９およびＰＣＧユニット１０のいずれかによりＥＣＧ波形やＰＣＧ波形が外部入力として得られ、ダイナミック情報取得部２６を介してシステム同定部２５に与えられる。

このとき、システム同定部２５は数学モデル係数データベース２４を参照して適切な、例えば被検体に似通った診断部位、被検体の年齢、性別、体重、症状等の因子に対応して求められたシステムパラメータが数学モデル係数データベース２４に存在する場合には、数学モデル係数データベース２４から対応するシステムパラメータを読み込んで修正を行うことにより、例えばＥＣＧ波形やＰＣＧ波形に基づき心拍同期でスケーリングすることによりシステムパラメータを少ない処理にて簡易に決定することができる。

また、数学モデル係数データベース２４に被検体に似通った適切な因子を有するシステムパラメータが存在しない場合には、スペクトラムデータ取得部２０から受けたスペクトラムデータからドプラエンベロープ波形が抽出され、抽出したドプラエンベロープ波形とＥＣＧ信号やＰＣＧ信号等のダイナミック情報とからシステム同定により数学モデルのシステムパラメータが新規に決定される。そして、決定されたシステムパラメータは、数学モデル係数データベース２４に書き込まれて保存される。

次に、ステップＳ１２において、期待値作成部２７は、システム同定部２５により決定されたシステムパラメータを数学モデル係数データベース２４から読み込む一方、ダイナミック情報からＥＣＧ信号またはＰＣＧ信号を取得し、数学モデルを用いて線形予測を行うことによりオートトレース波形の期待値を作成する。

また、必要に応じて時間軸正規化部２７ａは、ダイナミック情報取得部２６から受けた被検者本人の心拍同期周期を用いてオートトレース波形の期待値の横軸である時間軸を正規化する。また、速度軸正規化部２７ｂは、スペクトラムデータ取得部２０から被検者本人の血流速度の最大値を取得し、取得した血流速度の最大値を用いてオートトレース波形の期待値の縦軸である速度軸を正規化する。

図９は、図２に示すトレース波形生成部１５の期待値作成部２７により作成されたオートトレース波形の期待値の一例を示す図である。

図９において、横軸は時間を示し縦軸は血流の速度を示す。また、破線は線形予測により得られたオートトレース波形の期待値を示す波形データＤ１、実線はシステム同定によるシステムパラメータの決定の際に用いられたドプラエンベロープ波形を示す波形データＤ２、一点鎖線はＥＣＧ波形Ｄ３を示す。

尚、数学モデルとしてＡＲＸモデルを用い、システムパラメータは最小二乗法で求めた。

図９によれば、誤差の少ないオートトレース波形の期待値Ｄ１が得られていることが確認できる。

図１０は、図２に示すトレース波形生成部１５の期待値作成部２７により作成されたオートトレース波形の期待値の別の一例を示す図である。

図１０において、横軸は時間を示し縦軸は血流の速度を示す。また、破線は線形予測により得られたオートトレース波形の期待値を示す波形データＤ１０、実線はシステム同定によるシステムパラメータの決定の際に用いられたドプラエンベロープ波形を示す波形データＤ１１、一点鎖線はＥＣＧ波形Ｄ１２を示す。

尚、数学モデルとしては図９のデータと同様に、ＡＲＸモデルを用い、システムパラメータは最小二乗法で求めた。

図１０に示すドプラエンベロープ波形Ｄ１１はノイズが混入しているが、オートトレース波形の期待値Ｄ１０は安定して得られることが確認できる。すなわち、ドプラエンベロープ波形Ｄ１１のみならず、ダイナミックな情報であるＥＣＧ波形Ｄ１２を用いることによりオートトレース波形の期待値Ｄ１０を安定して得ることができることが確認できる。

このようなオートトレース波形の期待値の作成は、フリーズ後およびライブ時のいずれにおいても行うことができる。

一方、図７のステップＳ４において、Ｌ１８直交表等の実験条件に従って、スペクトラムデータからドプラオートトレース波形が順次抽出される。抽出されたドプラオートトレース波形は、トレースエラー検出処理部２８およびトレース誤差評価部２９にそれぞれ与えられる。

次に、ステップＳ５において、ドプラオートトレース波形の抽出処理に対するトレースエラーの検出処理および抽出されたドプラオートトレース波形の誤差評価が行われる。

すなわち、トレースエラー検出処理部２８は、例えばドプラオートトレース波形の信号の欠落部位やスパイク状の信号の有無を各制御パラメータの組合せごとに検出することによりトレースエラーの検出を行う。エラーの検出結果は、トレースエラーの発生率として数値化されてパラメータ選択処理部３０に与えられる。

一方で、トレース誤差評価部２９は、異なる制御パラメータの値の組合せを用いた複数回の試行により得られた時刻毎の各ドプラオートトレース波形と期待値作成部２７において作成されたドプラオートトレース波形の期待値とからトレース処理の誤差を動特性評価する。トレース処理における誤差の評価の指標は、感度やＳＮ比として求めることができる。そして、トレース処理の誤差の評価結果はパラメータ選択処理部３０に与えられる。

次に、ステップＳ６において、パラメータ選択処理部３０は、トレース処理の評価結果とエラーの検出結果とから最適な制御パラメータの値の組合せを選択する。すなわち、パラメータ選択処理部３０は、制御パラメータの最適化処理を行ってドプラオートトレース波形と期待値とがより一致し、かつトレースエラーの発生率が十分に小さい制御パラメータの値の組合せを求める。そして、選択した制御パラメータの値の組合せは、トレース波形作成部３１に与えられる。

制御パラメータの値の組合せの具体的選択方法としては、例えばＳＮ比の改善効果が大きい制御パラメータはどの制御パラメータであるか、感度調整効果が大きい制御パラメータはどの制御パラメータであるかといった基準にとより制御パラメータの値を決定することができる。

次に、ステップＳ７において、トレース波形作成部３１は、パラメータ選択処理部３０から受けた制御パラメータの値の組合せに従ってスペクトラムデータからスペクトラムエンベロープ抽出処理によりオートトレース波形を作成する。そして、作成したオートトレース波形を表示用にデータ記憶部６に書き込んで記憶させる。この結果、最適化された制御パラメータの値の組合せにより作成されたオートトレース波形がデータ記憶部６に保存される。

次に、ステップＳ８において、データ記憶部６に保存されたオートトレース波形が表示部８に画像表示される。また、オートトレース波形がＰＳ／ＥＤ検出部１６やパラメータ計測部１７に与えられて、ＰＳ、ＥＤの位置、ＨＲ、ＰＩ、ＲＩ等の診断パラメータが求められ、オートトレース波形とともに表示される。また、Ｂモード画像データ、カラードプラデータも表示部８に適宜表示される。

尚、このような制御パラメータの最適化評価を伴うオートトレース波形の抽出処理は、データ収集のフリーズ後に行うこともできるが、オートトレース波形の期待値の作成をリアルタイムに自動的に行うことができるため、オートトレース波形の抽出処理および画像表示もリアルタイムに行うことができる。

つまり以上のような超音波診断装置１は、スペクトラムデータから得られるドプラオートトレース波形の期待値を用いて期待値と実測値との残差を最少にする制御パラメータの最適化試行および最適化評価処理を自動的に行うことにより適切な制御パラメータの値を求め、得られた制御パラメータの値を用いてオートトレース波形が抽出できるようにしてものである。また、最適化処理に必要な期待値の作成を、数学モデルを用いてシステムパラメータを求めるという係数問題に帰着することにより自動的に行えるようにしたものである。

このため、超音波診断装置１によれば、熟練度を有するソノグラファの判断を要することなく従来よりも短時間で期待値を用いて適切な制御パラメータの値を設定することが可能となる。このため、被検者のばらつきを吸収するために制御パラメータを頻繁に設定変更する必要性が低減され、ユーザの操作時間が短縮される。そして、少なくともユーザが調整すべき制御パラメータの数を低減させることができる。

さらに、診断部位や被検者による入力のばらつきを容易に補正することが可能となりオートトレース波形生成処理の性能や計測データの信頼性を向上できる。すなわち、より容易にノイズによるオートトレース波形の変動を少なくし、オートトレース波形を安定して得ることができる。

また、期待値を自動的に作成することができるため、リアルタイムもしくはフリーズ後のいずれのスペクトラムデータに対してドプラエンベロープ抽出処理を行うことが可能となる。

さらに、期待値の作成に、数学モデルの外部入力としてダイナミックな情報であるＥＣＧ波形を用いたため、期待値の作成に用いられるドプラエンベロープ波形が不安定であったとしても、期待値を安定して得ることができる。

尚、以上のような期待値を用いた制御パラメータの最適化試行および最適化評価は、ドプラオートトレース波形の生成のみならず、時間変化を伴う波形や画像等のデータから別のデータの生成を伴う処理を行う場合に用いることができる。そして、その場合にはＥＣＧ信号等のようなダイナミックは情報を外部入力とする数学モデルを用いてシステム同定によりシステムパラメータを決定するという手順により、期待値を自動的かつ容易に安定して作成することができる。また、システムパラメータをデータベース化することもできる。

また、制御パラメータの数が複数のみならず、単数の場合にも単一の制御パラメータの値を変更した試行により制御パラメータの最適化を行うことができる。

本発明に係る超音波診断装置の実施の形態を示す構成図。 図１に示す超音波診断装置におけるトレース波形生成部の詳細機能を示す機能ブロック図。 図２に示すトレース波形生成部の実験条件設定部において制御パラメータの実験条件として設定される直交表の一例を示す図。 図２に示すトレース波形生成部のドプラスペクトラムエンベロープ抽出処理部において制御パラメータの１つである閾値を３段階に変化させて内頸動脈のスペクトラムドプラデータから得られたオートトレース波形の一例を示す図。 図２に示すトレース波形生成部の期待値作成部において、オートトレース波形の期待値を求める際に用いられる数学モデルを伝達関数として表した図。 図５に示す伝達関数と各パラメトリックモデルの関係を示す図。 図１に示す超音波診断装置によりドプラオートトレース波形の期待値を求めて動特性評価により制御パラメータの最適化計算を行い、選択された制御パラメータを用いてドプラオートトレース波形を求める際における流れを示すフローチャート。 図７に示すオートトレース波形の期待値の作成の際における詳細手順を示すフローチャート。 図２に示すトレース波形生成部の期待値作成部により作成されたオートトレース波形の期待値の一例を示す図。 図２に示すトレース波形生成部の期待値作成部により作成されたオートトレース波形の期待値の別の一例を示す図。

符号の説明

１ 超音波診断装置
２ 超音波プローブ
３ 基準信号発生部
４ 送受信部
５ データ生成部
６ データ記憶部
７ 血流評価部
８ 表示部
９ ＥＣＧユニット
１０ ＰＣＧユニット
１１ Ｂモードデータ生成部
１２ ドプラ信号検出部
１３ カラードプラデータ生成部
１４ スペクトラムデータ生成部
１５ トレース波形生成部
１６ ＰＳ／ＥＤ検出部
１７ パラメータ計測部
２０ スペクトラムデータ取得部
２１ 実験条件設定部
２２ 組合せパラメータ設定処理部
２３ ドプラスペクトラムエンベロープ抽出処理部
２４ 数学モデル係数データベース
２５ システム同定部
２６ ダイナミック情報取得部
２７ 期待値作成部
２７ａ 時間軸正規化部
２７ｂ 速度軸正規化部
２８ トレースエラー検出処理部
２９ トレース誤差評価部
３０ パラメータ選択処理部
３１ トレース波形作成部

Claims (10)

1. 被検体からの超音波反射信号から抽出されたドプラ信号を用いてスペクトラムデータを生成するスペクトラムデータ生成部と、
   制御パラメータの値を変更した複数回の試行によって前記スペクトラムデータからドプラエンベロープ波形をオートトレース波形として順次抽出するドプラスペクトラムエンベロープ抽出処理部と、
   数学モデルを用いた線形予測により前記被検体または他の被検体の前記スペクトラムデータから前記オートトレース波形の期待値を作成する期待値作成部と、
   前記期待値を用いて前記ドプラスペクトラムエンベロープ抽出処理部により抽出された前記各オートトレース波形のトレース処理の誤差を動特性評価することにより感度およびＳＮ比の少なくとも一方を評価結果として求めるトレース誤差評価部と、
   前記評価結果に基づいてより適切な前記制御パラメータの値を決定するパラメータ選択処理部と、
   前記パラメータ選択処理部により決定された制御パラメータの値を用いて前記スペクトラムデータから前記オートトレース波形を作成するトレース波形作成部と、
   を有することを特徴とする超音波診断装置。
2. 前記ドプラスペクトラムエンベロープ抽出処理部により抽出された前記各オートトレース波形のトレースエラーを検出するトレースエラー検出処理部を備え、
   前記パラメータ選択処理部は、前記トレース誤差評価部による前記評価結果および前記トレースエラー検出処理部により得られた前記トレースエラーの検出結果に基づいてより適切な前記制御パラメータの値を決定するように構成されることを特徴とする請求項１記載の超音波診断装置。
3. 前記被検体からのダイナミック情報を取得するダイナミック情報取得部を備える一方、
   前記期待値作成部は、前記ダイナミック情報に基づいて心拍同期周期で前記期待値の時間軸を正規化する時間軸正規化部を備えることを特徴とする請求項１記載の超音波診断装置。
4. 前記期待値作成部は、前記被検体の血流速度の最大値を用いて前記期待値の流速軸を正規化する速度軸正規化部を具備することを特徴とする請求項１記載の超音波診断装置。
5. 前記期待値作成部は、前記スペクトラムデータから得られる前記ドプラエンベロープ波形を入力とし、前記オートトレース波形の期待値を出力とする数学モデルを用いた線形予測により前記期待値を作成するように構成されることを特徴とする請求項１記載の超音波診断装置。
6. 前記被検体からのダイナミック情報を取得するダイナミック情報取得部を備え、
   前記期待値作成部は、前記スペクトラムデータから得られる前記ドプラエンベロープ波形を入力、前記ダイナミック情報を外部入力、前記オートトレース波形の期待値を出力とする数学モデルを用いた線形予測により前記期待値を作成するように構成されることを特徴とする請求項１記載の超音波診断装置。
7. 前記スペクトラムデータから得られる前記ドプラエンベロープ波形を入力とし、前記オートトレース波形の期待値を出力とする数学モデルのシステムパラメータを前記期待値のばらつきの要因となる因子ごと保存する数学モデル係数データベースを備え、
   前記期待値作成部は、前記数学モデル係数データベースから取得した適切な前記システムパラメータを用いて前記数学モデルによる線形予測を行って前記期待値を作成するように構成されることを特徴とする請求項１記載の超音波診断装置。
8. 前記スペクトラムデータから得られる前記ドプラエンベロープ波形を入力とし、前記オートトレース波形の期待値を出力とする数学モデルのシステムパラメータを前記期待値のばらつきの要因となる因子ごと保存する数学モデル係数データベースと、
   前記数学モデル係数データベースから取得した適切な前記システムパラメータを心拍周期でスケーリングすることにより前記数学モデルのシステム同定を行って、必要な前記システムパラメータを決定するシステム同定部とを備え、
   前記期待値作成部は、前記システム同定部により決定された前記システムパラメータを用いて前記数学モデルによる線形予測を行って前記期待値を作成するように構成されることを特徴とする請求項１記載の超音波診断装置。
9. 前記数学モデルのシステムパラメータをシステム同定により決定するシステム同定部を備え、
   前記期待値作成部は、前記システム同定部により決定された前記システムパラメータを用いて前記期待値を作成するように構成されることを特徴とする請求項６または７記載の超音波診断装置。
10. コンピュータを、
    被検体からの超音波反射信号から抽出されたドプラ信号を用いて生成されたスペクトラムデータをもとに、制御パラメータの値を変更した複数回の試行によってドプラエンベロープ波形をオートトレース波形として順次抽出するドプラスペクトラムエンベロープ抽出処理部、
    数学モデルを用いた線形予測により前記被検体または他の被検体の前記スペクトラムデータから前記オートトレース波形の期待値を作成する期待値作成部、
    前記期待値を用いて前記ドプラスペクトラムエンベロープ抽出処理部により抽出された前記各オートトレース波形のトレース処理の誤差を動特性評価することにより感度およびＳＮ比の少なくとも一方を評価結果として求めるトレース誤差評価部、
    前記評価結果に基づいてより適切な前記制御パラメータの値を決定するパラメータ選択処理部、および
    前記パラメータ選択処理部により決定された制御パラメータの値を用いて前記スペクトラムデータから前記オートトレース波形を作成するトレース波形作成部、
    として機能させることを特徴とする超音波診断装置のデータ処理プログラム。

Images