JP7586653B2 - 装置およびプログラム - Google Patents

Description

本明細書及び図面に開示の実施形態は、装置およびプログラムに関する。

従来、超音波診断装置において、頸動脈の２次元Ｂモード画像から、頸動脈の動脈壁の厚さを示す内膜中膜複合体厚（Ｉｎｔｉｍａ Ｍｅｄｉａ Ｔｈｉｃｋｎｅｓｓ：以下、ＩＭＴと呼ぶ）を、アルゴリズムによって自動的に検出するアルゴリズム（以下、自動ＩＭＴ計測機能と呼ぶ）がある。自動ＩＭＴ計測機能は、取得された２次元Ｂモード画像において、頸動脈のプラーク厚の計測に関するエリアがユーザにより指定されると、指定されたエリア内の輝度解析により血管壁を検出し、検出された血管壁からプラーク厚を計測する。

自動ＩＭＴ計測機能によるＩＭＴの計測は、２次元Ｂモード画像に混入するノイズ、２次元Ｂモード画像における頸動脈領域でのプラークの有無、２次元Ｂモード画像における頸動脈の分岐部分の有無により、本来検出されるべき血管壁を正常に識別することができずに、ユーザが期待する計測値が得られないという問題がある。また、自動ＩＭＴ計測機能では、ユーザが計測したい場所を指定する必要があり、操作が煩雑であるという問題がある。

特開２００６－０００４５６号公報

クリストファー Ｍ． ビショップ（Ｃｈｒｉｓｔｏｐｈｅｒ Ｍ． Ｂｉｓｈｏｐ）著、「パターン認識と機械学習（Ｐａｔｔｅｒｎ ｒｅｃｏｇｎｉｔｉｏｎ ａｎｄ ｍａｃｈｉｎｅ ｌｅａｒｎｉｎｇ）」、（米国）、第１版、スプリンガー（Ｓｐｒｉｎｇｅｒ）、２００６年、Ｐ．２２５－２９０

本明細書及び図面に開示の実施形態が解決しようとする課題の一つは、頸動脈における内膜中膜複合体厚の計測において操作性および精度を向上することである。ただし、本明細書及び図面に開示の実施形態により解決しようとする課題は上記課題に限られない。後述する実施形態に示す各構成による各効果に対応する課題を他の課題として位置づけることもできる。

本実施形態に係る装置は、取得部と、検出部と、画像処理部とを備える。取得部は、被検体の頸動脈に対して超音波を送受信して得られたＢモードデータに基づく第１超音波データを取得する。検出部は、複数の第２超音波データ各々における頸動脈の血管壁のトレースラインと当該トレースラインにおける前記頸動脈の内膜中膜複合体厚の最大値の位置とを含む情報と、前記複数の第２超音波データとを用いて学習された学習済みモデルに前記第１超音波データを入力することで、前記第１超音波データにおける頸動脈の血管壁のトレースラインと当該トレースラインにおける前記頸動脈の内膜中膜複合体厚の最大値の位置とを含む情報を検出する。画像処理部は、前記検出されたトレースラインと前記最大値の位置とを含む情報を、前記第１超音波データに対応するＢモード画像に重畳した重畳画像を生成する。前記第２超音波データは、信号対雑音比が所定閾値未満である超音波データ、プラークを有する頸動脈に関する超音波データ、プラークの厚みが血流方向に沿った位置に応じて異なる超音波データ、分岐部分を有する頸動脈に関する超音波データの少なくとも何れかである。検出部は、信号対雑音比が所定閾値未満である超音波データ、プラークを有する頸動脈に関する超音波データ、プラークの厚みが血流方向に沿った位置に応じて異なる超音波データ、分岐部分を有する頸動脈に関する超音波データの少なくとも何れかである前記第１超音波データを前記学習済みモデルに入力することで、前記第１超音波データにおける頸動脈の血管壁のトレースラインと当該トレースラインにおける前記頸動脈の内膜中膜複合体厚の最大値の位置とを含む情報を検出する。

図１は、実施形態に係る超音波診断装置の構成例を示す図。 図２は、実施形態に係り、被検体の頸動脈の内膜中膜複合体厚（ＩＭＴ）の計測の運用時における学習済みモデルの入出力の関係の一例を示す図。 図３は、実施形態に係るＩＭＴ検出処理の手順の一例を示すフローチャート。 図４は、実施形態に係り、表示装置に表示された重畳画像の一例を示す図。 図５は、実施形態に係るモデル生成処理において、多層化のネットワークを学習させるデータの入出力の一例を示す図。 図６は、実施形態に係り、学習済みモデルの生成において用いられる多ノイズデータの一例を示す図。 図７は、実施形態に係り、学習済みモデルの生成において用いられるプラーク有無データのうちプラークを有さない頸動脈に関する超音波データの一例を示す図。 図８は、実施形態に係り、学習済みモデルの生成において用いられるプラーク有無データのうちプラークを有する頸動脈に関する超音波データの一例を示す図。 図９は、実施形態に係り、学習済みモデルの生成において用いられる厚み相違データの一例を示す図。 図１０は、実施形態に係り、学習済みモデルの生成において用いられる分岐有無データのうち分岐部分を有する頸動脈に関する超音波データの一例を示す図。 図１１は、実施形態に係り、学習済みモデルの生成において用いられる非平行データの走査断面（被走査領域）と頸動脈との位置関係の一例を示す図。 図１２は、実施形態の応用例に係るＩＭＴ検出処理の手順の一例を示すフローチャート。

以下、図面を参照しながら、本実施形態に関する装置およびプログラムについて説明する。説明を具体的にするために、本実施形態に係る装置として、超音波診断装置を例にとり説明する。以下の実施形態では、同一の参照符号を付した部分は同様の動作をおこなうものとして、重複する説明を適宜省略する。

（実施形態）
図１は、本実施形態に係る超音波診断装置１００の構成例を示す図である。図１に示すように、超音波診断装置１００は、超音波プローブ１と、入力装置（入力部）３と、表示装置（表示部）５と、装置本体７とを有する。

超音波プローブ１は、複数の圧電振動子、圧電振動子に設けられる整合層、及び圧電振動子から後方への超音波の伝播を防止するバッキング材等を有する。超音波プローブ１は、装置本体７と着脱自在に接続される。複数の圧電振動子は、装置本体７における超音波送信回路７１から供給された駆動信号に基づいて、超音波を発生する。なお、超音波プローブ１には、フリーズ操作などの各種操作の際に押下されるボタンが配置されてもよい。

超音波プローブ１から被検体Ｐに超音波が送信されると、送信された超音波は、被検体Ｐの体内組織における音響インピーダンスの不連続面で次々と反射される。反射された超音波は、反射波信号（以下、エコー信号と呼ぶ）として超音波プローブ１が有する複数の圧電振動子にて受信される。受信されたエコー信号の振幅は、超音波が反射される不連続面における音響インピーダンスの差に依存する。なお、送信された超音波パルスが移動している血流や心臓壁などの表面で反射された場合のエコー信号は、ドプラ効果により、移動体の超音波送信方向に対する速度成分に依存して周波数偏移を受ける。超音波プローブ１は、被検体Ｐからのエコー信号を受信して電気信号に変換する。本実施形態においては、超音波プローブ１は、例えば、複数の圧電振動子が所定の方向に沿って配列された１Ｄアレイプローブ、複数の圧電振動子が二次元マトリックス状に配列された２Ｄアレイプローブ、または圧電振動子列をその配列方向と直交する方向に機械的に煽りながら超音波走査を実行可能なメカニカル４Ｄプローブ等である。

入力装置３は、操作者からの各種の入力操作を受け付け、受け付けた入力操作を電気信号に変換して処理回路８７に出力する。入力装置３は、例えば、マウス、キーボード、トラックボール、スイッチ、ボタン、ジョイスティック、タッチパッド及びタッチパネルディスプレイ等を有する。なお、本実施形態において、入力装置３は、マウス、キーボード、トラックボール、スイッチ、ボタン、ジョイスティック、タッチパッド及びタッチパネルディスプレイ等の物理的な操作部品を備えるものに限られない。例えば、入力装置３とは別体に設けられた外部の入力機器から入力操作に対応する電気信号を受け取り、この電気信号を処理回路８７へ出力する電気信号の処理回路も入力装置３の例に含まれる。また、入力装置３は、装置本体７に設けられてもよい。また、入力装置３は、装置本体７と無線通信可能なタブレット端末等で構成されることにしても構わない。

例えば、入力装置３における終了ボタンの押下やフリーズボタンの押下（以下、フリーズ操作と呼ぶ）に応答して、超音波の送受信は終了し、超音波診断装置１００は、一時停止状態となる。また、フリーズ操作に応答して、超音波診断装置１００は、超音波の送受信に伴って生成された超音波画像がリアルタイムに表示されるリアルタイム表示モードから、画像メモリ８３に記憶された複数の超音波画像を時系列的に沿って連続的に表示（以下、シネ表示と呼ぶ）可能なシネ表示モードに移行する。このとき、操作者がトラックボール等を回転させると、超音波診断装置１００は、トラックボールの回転方向に応じて、画像メモリ８３に格納された複数フレーム分の超音波画像を、シネ表示する。当該トラックボールの回転は、フリーズ操作の入力後において時系列に沿った一連の超音波画像を時間方向に沿ってスクロールさせるスクロール操作に相当する。

表示装置５は、例えば、液晶ディスプレイ（ＬＣＤ：Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）、ＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）ディスプレイ、有機ＥＬディスプレイ（ＯＥＬＤ：Ｏｒｇａｎｉｃ Ｅｌｅｃｔｒｏ Ｌｕｍｉｎｅｓｃｅｎｃｅ Ｄｉｓｐｌａｙ）、プラズマディスプレイ又は他の任意のディスプレイが、適宜、使用可能となっている。なお、表示装置５は、装置本体７に組み込まれてもよい。また、表示装置５は、デスクトップ型でもよいし、装置本体７と無線通信可能なタブレット端末等で構成されることにしても構わない。

表示装置５は、各種の情報を表示する。例えば、表示装置５は、処理回路８７や画像生成回路７９によって生成された超音波画像や、操作者からの各種操作を受け付けるためのユーザインタフェース（以下、ＧＵＩ（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）と呼ぶ）等を表示する。表示装置５は、シネ表示モードにおいて、入力装置３を介した操作者の指示により、時系列に沿って超音波画像を表示する。また、表示装置５は、フリーズ操作の入力後（シネ表示）においてスクロール操作が入力されると、スクロール操作の操作量に応じて、シネ表示におけるフレーム番号（収集順のインデックス）に対応する超音波画像を、コマ送り（またはコマ戻し）で表示する（シネめくりともいう）。

装置本体７は、超音波プローブ１が受信したエコー信号に基づいて超音波画像を生成する装置である。装置本体７は、図１に示すように、超音波送信回路７１、超音波受信回路７３、Ｂモード処理回路７５、ドプラ処理回路７７、画像生成回路７９、内部記憶回路（記憶部）８１、画像メモリ８３（シネメモリまたはキャッシュとも称される）、通信インタフェース８５、及び処理回路８７を有する。

超音波送信回路７１は、超音波プローブ１に駆動信号を供給するプロセッサである。超音波送信回路７１は、例えば、トリガ発生回路、遅延回路、及びパルサ回路等により実現される。トリガ発生回路は、処理回路８７におけるシステム制御機能８７１により、所定のレート周波数で、送信超音波を形成するためのレートパルスを繰り返し発生する。遅延回路は、超音波プローブ１から発生される超音波をビーム状に集束して送信指向性を決定するために必要な圧電振動子ごとの遅延時間を、各レートパルスに対して与える。パルサ回路は、システム制御機能８７１により、レートパルスに基づくタイミングで、超音波プローブ１に駆動信号（駆動パルス）を印加する。遅延回路により各レートパルスに対し与える遅延時間を変化させることで、圧電振動子面からの送信方向が任意に調整可能となる。

超音波受信回路７３は、超音波プローブ１が受信したエコー信号に対して各種処理を施し、受信信号を生成するプロセッサである。超音波受信回路７３は、例えば、アンプ回路、Ａ／Ｄ変換器、受信遅延回路、及び加算器等により実現される。アンプ回路は、超音波プローブ１が受信したエコー信号をチャンネルごとに増幅してゲイン補正処理を行なう。Ａ／Ｄ変換器は、ゲイン補正されたエコー信号をデジタル信号に変換する。受信遅延回路は、デジタル信号に受信指向性を決定するのに必要な遅延時間を与える。加算器は、遅延時間が与えられた複数のデジタル信号を加算する。加算器の加算処理により、受信指向性に応じた方向からの反射成分が強調された受信信号が生成される。

Ｂモード処理回路７５は、超音波受信回路７３から受け取った受信信号に基づき、Ｂモードデータを生成するプロセッサである。Ｂモード処理回路７５は、超音波受信回路７３から受け取った受信信号に対して包絡線検波処理、及び対数増幅処理等を施し、信号強度を輝度の明るさで表現したデータ（以下、Ｂモードデータと呼ぶ）を生成する。生成されたＢモードデータは、２次元的な超音波走査線上のＢモードＲＡＷデータとして不図示のＲＡＷデータメモリに記憶される。

ドプラ処理回路７７は、超音波受信回路７３から受け取った受信信号に基づき、ドプラ波形、及びドプラデータを生成するプロセッサである。ドプラ処理回路７７は、受信信号から血流信号を抽出し、抽出された血流信号からドプラ波形を生成すると共に、血流信号から平均速度、分散、及びパワー等の情報を多点について抽出したデータ（以下、ドプラデータと呼ぶ）を生成する。生成されたドプラデータは、２次元的な超音波走査線上のドプラＲＡＷデータとして不図示のＲＡＷデータメモリに記憶される。

画像生成回路７９は、操作者が入力装置３を介して各種指示を入力するためのＧＵＩを生成する。画像生成回路７９は、Ｂモード処理回路７５及びドプラ処理回路７７により生成されたデータに基づき、各種超音波画像のデータを生成する機能（スキャンコンバータ）を有するプロセッサである。画像生成回路７９は、不図示の内部メモリを備える。画像生成回路７９は、ＲＡＷ－ピクセル変換を実行することで、ピクセルから構成される２次元の超音波画像のデータ（以下、第１超音波データと呼ぶ）を生成する。第１超音波データは、予め設定されたフレームレートに従い、フレーム単位で生成される。生成された第１超音波データは、フレーム単位で内部メモリに記憶される。以下、第１超音波データは、被検体Ｐの頸動脈に対して超音波を送受信して得られたＢモードデータに基づいて生成されたデータ（Ｂモード画像）であるものとして説明する。

画像生成回路７９は、時間的に連続して生成された第１超音波データに対し、空間的な位置情報を加味した補間処理等を実行することで、所望の範囲のボクセルから構成されるボリュームデータを生成してもよい。なお、画像生成回路７９は、ＲＡＷデータメモリに記憶されているＢモードＲＡＷデータに対し、空間的な位置情報を加味した補間処理を含むＲＡＷ－ボクセル変換を実行することで、ボリュームデータを生成してもよい。画像生成回路７９は、生成されたボリュームデータを、内部記憶回路８１に記憶させる。

なお、画像生成回路７９は、例えば各種ボリュームデータに対してレンダリング処理や多断面変換再構成（以下、ＭＰＲ（Ｍｕｌｔｉ Ｐｌａｎａｒ Ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ）と呼ぶ）処理等を施し、レンダリング画像やＭＰＲ画像を生成してもよい。また、画像生成回路７９は、生成された第１超音波データに対し、ダイナミックレンジ、輝度（ブライトネス）、コントラスト、γカーブ補正及びＲＧＢ変換等の各種画像処理を実行する。なお、画像生成回路１５は、画像処理機能８７７により実行される後述の画像処理を、適宜実行してもよい。

内部記憶回路８１は、例えば、磁気的若しくは光学的記憶媒体、又は集積回路記憶装置等のプロセッサにより読み取り可能な記憶媒体等で実現される。例えば、内部記憶回路８１は、種々の情報を記憶するＨＤＤ（Ｈａｒｄ ｄｉｓｋ Ｄｒｉｖｅ）やＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、半導体メモリ等に相当する。内部記憶回路１７は、ＨＤＤやＳＳＤ等以外にも、ＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓｃ）、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）、フラッシュメモリ等の可搬性記憶媒体や、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等の半導体メモリ素子等との間で種々の情報を読み書きする駆動装置であってもよい。

内部記憶回路８１は、本実施形態に係る各種機能を実現するためのプログラム等を記憶する。内部記憶回路８１は、診断情報（例えば、患者ＩＤ、医師の所見等）、診断プロトコル、ボディマーク生成プログラム、及び映像化に用いるカラーデータの範囲を診断部位ごとに予め設定する変換テーブルなどのデータ群を記憶する。内部記憶回路８１に記憶された各種データは、システム制御機能８７１により、通信インタフェース２１を介して外部装置へ転送される。内部記憶回路８１は、学習済みモデルを記憶する。なお、学習済みモデルは、処理回路８７自身のメモリに記憶されてもよい。学習済みモデルは、処理回路８７における検出機能８７５により、被検体Ｐの頸動脈の内膜中膜複合体厚（Ｉｎｔｉｍａ Ｍｅｄｉａ Ｔｈｉｃｋｎｅｓｓ：以下、ＩＭＴと呼ぶ）の検出（計測）において運用される。

図２は、ＩＭＴの計測の運用時における学習済みモデルの入出力の関係の一例を示す図である。図２に示すように、学習済みモデルは、第１超音波データの入力により、当該第１超音波データにおける頸動脈のＩＭＴを、ＩＭＴ計測結果として出力する。すなわち、学習済みモデルは、第１超音波データを演算することにより、ＩＭＴ計測結果を出力する。具体的には、学習済みモデルは、Ｂモード画像の入力により、当該Ｂモード画像における頸動脈の血管壁のトレースライン（ＩＭＴに関する複数の計測点）と、当該トレースラインにおけるＩＭＴの最大値の位置（以下、最大位置と呼ぶ）とを出力する。ＩＭＴの計測において、学習済みモデルを用いてＩＭＴを検出する処理（以下、ＩＭＴ検出処理と呼ぶ）については、後程説明する。なお、学習済みモデルは、トレースラインと最大位置との出力に加えて、当該最大値をさらに出力してもよい。また、学習済みモデルは、Ｂモード画像の入力により、当該Ｂモード画像における頸動脈のトレースラインのみを出力してもよい。

学習済みモデルは、第１超音波データとは異なる複数の第２超音波データ各々における頸動脈のＩＭＴと当該複数の第２超音波データとを用いて、例えば多層化のネットワークに対して機械学習を実行することにより生成される。多層化のネットワークとは、例えば、ディープニューラルネットワーク（Ｄｅｅｐ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ：以下、ＤＮＮと呼ぶ）、や畳み込みニューラルネットワーク（Ｃｏｎｖｏｌｕｔｉｏｎ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ：以下、ＣＮＮと呼ぶ）などの機械学習モデルである。多層化のネットワークに対する学習は、多層化のネットワークにおける複数のパラメータを調整することに相当する。上記複数の第２超音波データと複数の第２超音波データ各々における頸動脈のＩＭＴとは、多層化のネットワークに対するトレーニングデータ（学習用データ）に相当する。

なお、機械学習の対象となるモデルは、多層化のネットワークに限定されず、学習済みモデルに対する入出力の関係を維持できれば、任意のモデルが使用可能である。運用時において学習済みモデルに入力される第１超音波データがＢモード画像である場合、学習時において用いられる第２超音波データはＢモード画像となる。また、学習時において用いられる頸動脈のＩＭＴすなわち正解データは、例えば、頸動脈のトレースラインと最大位置とを有する。なお、正解データは、ＩＭＴの最大値をさらに有していてもよいし、頸動脈のトレースラインのみであってもよい。正解データは、第２超音波データにおいて、トレースラインおよび最大位置等が医師等により指定されたデータに相当する。学習済みモデルの生成に関する処理（以下、モデル生成処理と呼ぶ）については、後程説明する。

画像メモリ８３は、例えば、プロセッサにより読み取り可能な半導体メモリ等の記録媒体等を有する。画像メモリ８３は、例えば、キャッシュメモリにより実現される。画像メモリ８３は、入力装置３を介して入力されるフリーズ操作直前の複数フレームに対応する各種画像のデータを保存する。具体的には、画像メモリ８３は、シネ表示を行なうために、フリーズボタンが押下された瞬間から所定の過去の期間に亘る複数フレームの超音波画像を、他のデータで上書きされないように記憶する。なお、内部記憶回路８１と画像メモリ８３とは、一つの記憶装置として統合されてもよい。

通信インタフェース８５は、ネットワークを介して外部装置と接続される。通信インタフェース８５は、ネットワークを介して、外部装置との間でデータ通信を行う。外部装置は、例えば、各種の医用画像のデータを管理するシステムである医用画像管理システム（ＰＡＣＳ（Ｐｉｃｔｕｒｅ Ａｒｃｈｉｖｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｙｓｔｅｍ）、医用画像が添付された電子カルテを管理する電子カルテシステム等である。なお、外部装置との通信の規格は、如何なる規格であっても良いが、例えば、ＤＩＣＯＭ（Ｄｉｇｉｔａｌ Ｉｍａｇｉｎｇ ａｎｄ ＣＯｍｍｕｎｉｃａｔｉｏｎｓ ｉｎ Ｍｅｄｉｃｉｎｅ）が挙げられる。

処理回路８７は、例えば、超音波診断装置１００の中枢として機能するプロセッサである。処理回路８７は、ハードウェア資源として、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）やＭＰＵ（Ｍｉｃｒｏ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等のプロセッサとＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）やＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等のメモリとを有する。また、処理回路８７は、特定用途向け集積回路（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ：ＡＳＩＣ）、フィールド・プログラマブル・ゲート・アレイ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ：ＦＰＧＡ）、他の複合プログラマブル論理デバイス（Ｃｏｍｐｌｅｘ Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ：ＣＰＬＤ）、や単純プログラマブル論理デバイス（Ｓｉｍｐｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ：ＳＰＬＤ）により実現されてもよい。

処理回路８７は、例えば、システム制御機能８７１、取得機能８７３、検出機能８７５、および画像処理機能８７７などの各種機能を有する。処理回路８７は、内部記憶回路８１に記憶されている各種プログラムを自身のメモリに展開して実行することで、当該プログラムに対応するシステム制御機能８７１、取得機能８７３、検出機能８７５、および画像処理機能８７７を実行する。なお、プログラムは、内部記憶回路８１に保存される代わりに、当該プロセッサの回路内にプログラムを直接組み込むように構成しても構わない。この場合、当該プロセッサは、当該回路内に組み込まれたプログラムを読み出して実行することで上記機能を実現する。

システム制御機能８７１、取得機能８７３、検出機能８７５、および画像処理機能８７７をそれぞれ実行する処理回路８７は、システム制御部、取得部、検出部、画像処理部に相当する。なお、システム制御機能８７１、取得機能８７３、検出機能８７５、および画像処理機能８７７各々は、単一の処理回路で実現される場合に限らない。複数の独立したプロセッサを組み合わせて処理回路を構成し、各プロセッサがプログラムを実行することにより、システム制御機能８７１、取得機能８７３、検出機能８７５、および画像処理機能８７７を実現するものとしても構わない。

処理回路８７は、システム制御機能８７１により、超音波診断装置１００の入出力等の基本動作を制御する。システム制御機能８７１が実行されると、処理回路８７は、例えば入力装置３を介して、各種スキャンモードの入力を受け付ける。処理回路８７は、受け付けたスキャンモードに応じ、各種超音波スキャンを実行し、各種超音波画像を生成する。例えば、スキャンモードがＢモードである場合、処理回路８７は、超音波送信回路７１、超音波受信回路７３、Ｂモード処理回路７５、及び画像生成回路７９を制御し、フレーム単位でＢモード画像に対応する第１超音波データを生成する。

処理回路８７は、取得機能８７３により、被検体Ｐの頸動脈に対して超音波を送受信して得られたＢモードデータに基づく第１超音波データを取得する。具体的には、処理回路８７は、リアルタイム表示モードにおいて入力装置３を介してフリーズ操作が入力されると、表示装置５に表示された第１超音波データを取得する。処理回路８７は、フリーズ操作の入力を契機として、内部記憶回路８１から学習済みモデルを取得する。なお、処理回路８７は、フリーズ操作の入力の代わりに、被検体Ｐの頸動脈のＩＭＴを検出する指示（以下、ＩＭＴ計測指示と呼ぶ）の入力を契機として、表示装置５に表示された第１超音波データを取得してもよい。また、学習済みモデルが処理回路８７自身のメモリに記憶されている場合、処理回路８７は、フリーズ操作の入力等を契機として、自身のメモリから学習済みモデルを取得する。

処理回路８７は、検出機能８７５により、学習済みモデルに第１超音波データを入力することで、当該学習済みモデルにより、第１超音波データにおける頸動脈のＩＭＴを検出する。具体的には、処理回路８７は、被検体ＰのＢモード画像を第１超音波データとして学習済みモデルに入力することで、当該Ｂモード画像における頸動脈のトレースラインとＩＭＴの最大値の位置とを検出する。学習済みモデルからの出力は、例えば、入力されたＢモード画像における頸動脈のトレースラインの座標と当該トレースラインにおける最大位置の座標となる。処理回路８７は、トレースラインの座標と最大位置の座標とに基づいて、当該トレースラインにおけるＩＭＴの最大値を計算する。なお、学習済みモデルは、当該トレースラインにおけるＩＭＴの最大値を出力してもよい。また、処理回路８７は、学習済みモデルから出力されたトレースラインの座標と、トレースラインにおけるＩＭＴの最大値と、当該トレースラインにおける当該最大位置の座標とを、学習済みモデルに入力された第１超音波データと関連づけて内部記憶回路８１に記憶させてもよい。

なお、処理回路８７は、検出機能８７５により、被検体ＰのＢモード画像を第１超音波データとして学習済みモデルに入力することで、当該Ｂモード画像における頸動脈のトレースラインを出力し、出力されたトレースラインの座標に基づいて、トレースラインにおけるＩＭＴの最大位置の座標を検出してもよい。このとき、学習済みモデルからの出力は、入力されたＢモード画像における頸動脈のトレースラインの座標のみとなる。処理回路８７は、学習済みモデルから出力されたトレースラインの座標に基づいて、当該トレースラインに沿った複数のＩＭＴを検出する。次いで、処理回路８７は、検出された複数のＩＭＴに基づいてＩＭＴの最大値を検出し、検出された複数のＩＭＴの座標と検出された最大値とに基づいて、当該最大位置の座標とを検出する。

処理回路８７は、画像処理機能８７７により、検出機能８７５により検出されたトレースラインと、トレースラインにおけるＩＭＴの最大位置とを、第１超音波データに対応するＢモード画像に重畳する。具体的には、処理回路８７は、学習済みモデルから出力されたトレースラインの座標と最大位置の座標とを所定の表示態様でＢモード画像に重畳することにより、重畳画像を生成する。所定の表示態様とは、例えば、太線や破線、所定の色相などである。処理回路８７は、生成された重畳画像とＩＭＴの最大値とを、表示装置５に出力する。処理回路８７は、重畳画像を、ＩＭＴの最大値とともに表示装置５に表示させる。なお、重畳画像の生成に関する処理は、学習済みモデルに組み込まれてもよい。このとき、学習済みモデルは、検出機能８７５において、第１超音波データの入力により、重畳画像を出力する。なお、処理回路８７は、検出機能８７５により検出されたトレースラインと、トレースラインにおけるＩＭＴの最大位置とを、表示装置５に表示されたＢモード画像に重畳してもよい。また、処理回路８７は、画像生成回路７９により実行される各種画像処理を、適宜実行してもよい。

以下、ＩＭＴ検出処理について、図３を用いて説明する。図３は、ＩＭＴ検出処理の手順の一例を示すフローチャートである。説明を具体的にするために、学習済みモデルは、被検体Ｐの頸動脈に関するＢモード画像を第１超音波データとして入力し、当該Ｂモード画像における頸動脈のトレースラインの座標と最大位置の座標とを出力するものとする。加えて、学習済みモデルへのＢモード画像の入力は、リアルタイム表示モードにおけるフリーズ操作を契機として実行されるものとする。

（ＩＭＴ検出処理）
（ステップＳ３０１）
被検体Ｐに対する超音波の送受信により、Ｂモード処理回路７５は、ＢモードＲＡＷデータを生成し、生成されたＢモードＲＡＷデータをＲＡＷデータメモリに記憶する。画像生成回路７９は、ＲＡＷデータメモリから読み出されたＢモードＲＡＷデータに基づいて、Ｂモード画像を生成する。表示装置５は、Ｂモード画像を表示する。なお、シネ表示モードが実行されている場合、本ステップにおいて、表示装置５は、スクロール操作に応じたシネめくりにより、Ｂモード画像を表示する。

（ステップＳ３０２）
入力装置３を介してフリーズ操作が実行される（ステップＳ３０２のＹｅｓ）と、ステップＳ３０３の処理が実行される。入力装置３を介してフリーズ操作が実行されなければ、（ステップＳ３０２のＮｏ）と、ステップＳ３０１の処理が実行される。なお、シネ表示モードが実行されている場合、入力装置３を介してＩＭＴ計測指示が入力（例えば、ＩＭＴ計測開始用のボタンの押下）されると、ステップＳ３０３に処理が実行される。また、シネ表示モードが実行されている場合、本ステップにおいて入力装置３を介してＩＭＴ計測指示が入力されなければ、ステップＳ３０１において上述したシネめくりが実行される。

（ステップＳ３０３）
処理回路８７は、取得機能８７３により、表示装置５に表示されているＢモード画像を、内部記憶回路８１または画像メモリ８３から取得する。処理回路８７は、内部記憶回路８１から学習済みモデルを読み出す。

（ステップＳ３０４）
処理回路８７は、検出機能８７５により、取得されたＢモード画像を学習済みモデルに入力する。これにより、処理回路８７は、学習済みモデルからトレースラインの座標と最大位置の座標とを出力する。処理回路８７は、最大位置の座標に基づいて、ＩＭＴの最大値を計算する。なお、処理回路８７は、トレースラインに沿った複数のＩＭＴの平均値などを計算してもよい。

（ステップＳ３０５）
処理回路８７は、画像処理機能８７７により、トレースラインの座標と最大位置の座標とを用いて、トレースラインと最大位置とを所定の表示態様で、取得されたＢモード画像に重畳する。これにより、処理回路８７は、重畳画像を生成する。

（ステップＳ３０６）
表示装置５は、生成された重畳画像を、ＩＭＴの最大値とともに表示する。図４は、表示装置５に表示された重畳画像ＳＩの一例を示す図である。図４では、重畳画像ＳＩにおけるＢモード画像として、右総頸動脈が表示されている。重畳画像ＳＩには、右総頸動脈の近位壁と遠位壁とにおいて、ＩＭＴに関するトレースラインＴＬが点線で表示されている。また、重畳画像ＳＩには、ＩＭＴの最大値や平均値が表示される。

（ステップＳ３０７）
入力装置３を介してＩＭＴの計測の終了指示が入力される（ステップＳ３０７のＹｅｓ）と、ＩＭＴ検出処理は終了する。入力装置３を介してＩＭＴの計測の終了指示が入力されない場合（ステップＳ３０７のＮｏ）と、ステップＳ３０１以降の処理が繰り返される。

以下、学習済みモデルの生成に関するモデル生成処理について、図５を用いて説明する。図５は、モデル生成処理において、多層化のネットワークＭＬＮを学習させるデータの入出力の一例を示す図である。学習済みモデルの生成は、例えば、本超音波診断装置１００とは異なる学習装置により実行される。学習装置は、スタンドアローン（独立）型のコンピュータや、ネットワーク上に設けられたサーバ等により実現される。また、学習装置に搭載されたメモリや記憶装置、または学習データ保管装置には、上記トレーニングデータが記憶されているものとする。

以下、説明を具体的にするために、トレーニングデータとして多層化のネットワークＭＬＮに入力される複数の第２超音波データは、例えば、信号対雑音比（ｓｉｇｎａｌ－ｔｏ－ｎｏｉｓｅ ｒａｔｉｏ：以下、Ｓ／Ｎ比と呼ぶ）が所定閾値未満である超音波データ（以下、多ノイズデータと呼ぶ）と、プラークを有する頸動脈またはプラークを有さない頸動脈に関する超音波データ（以下、プラーク有無データと呼ぶ）と、プラークの厚みが血流方向に沿った位置に応じて異なる超音波データ（以下、厚み相違データと呼ぶ）と、分岐部分を有する頸動脈または分岐部分を有さない頸動脈に関する超音波データ（以下、分岐有無データと呼ぶ）と、超音波による走査断面と頸動脈とが非平行である超音波データ（以下、非平行データと呼ぶ）であるものとして説明する。なお、第２の超音波データは、プラーク有無データと、厚み相違データと、分岐有無データと、非平行データとのうち少なくとも一つを有していてもよい。

図６は、学習済みモデルの生成において用いられる多ノイズデータＮＤの一例を示す図である。図６に示すように多ノイズデータＮＤは、頸動脈ＣＡを示すＢモード画像において、靄のような多ノイズを有する。図６に示す多ノイズデータＮＤに対応する正解データは、図６に示す頸動脈ＣＡのトレースラインＴＬと最大位置ＭＰとを有する。

図７は、学習済みモデルの生成において用いられるプラーク有無データのうちプラークを有さない頸動脈ＣＡに関する超音波データＮＰＤの一例を示す図である。図７に示すように、超音波データＮＰＤは、頸動脈ＣＡに関するプラークの領域を有さない。図７に示す超音波データＮＰＤに対応する正解データは、図７に示す頸動脈ＣＡのトレースラインＴＬと最大位置ＭＰとを有する。

図８は、学習済みモデルの生成において用いられるプラーク有無データのうちプラークＰＬを有する頸動脈ＣＡに関する超音波データＰＥＤの一例を示す図である。図８に示すように、超音波データＰＥＤは、頸動脈ＣＡに関するプラークＰＬの領域を有する。図８に示す超音波データＰＥＤに対応する正解データは、図８に示す頸動脈ＣＡのトレースラインＴＬと最大位置ＭＰとを有する。

図９は、学習済みモデルの生成において用いられる厚み相違データＰＰＤの一例を示す図である。図９に示すように、厚み相違データＰＰＤにおいて、プラークＰＬの厚みは、血流方向ＢＦＤに沿った位置に応じて異なる。図９に示す厚み相違データＰＰＤに対応する正解データは、図９に示す頸動脈ＣＡのトレースラインＴＬと最大位置ＭＰとを有する。

図１０は、学習済みモデルの生成において用いられる分岐有無データのうち分岐部分ＢＰを有する頸動脈ＣＡに関する超音波データＢＰＤの一例を示す図である。図１０に示すように、超音波データＢＰＤにおいて、頸動脈ＣＡは、分岐部分ＢＰを有する。図１０に示す超音波データＢＰＤに対応する正解データは、図１０に示す頸動脈ＣＡのトレースラインＴＬと最大位置ＭＰとを有する。

図１１は、学習済みモデルの生成において用いられる非平行データＮＰＡＤの走査断面（被走査領域）ＳＳと頸動脈ＣＡとの位置関係の一例を示す図である。図１１に示すように、非平行データＮＰＡＤにおいて、頸動脈ＣＡの両端部は、走査断面ＳＳから外れている。なお、非平行データＮＰＡＤにおいて、頸動脈ＣＡの一端が、走査断面ＳＳから外れていてもよい。図１１に示す非平行データＮＰＡＤに対応する正解データは、図１１に示す頸動脈ＣＡのトレースラインと最大位置とを有する。

なお、多ノイズデータは、多くのノイズが重畳されている頸動脈のＢモード画像であれば、いずれのデータであってもよい。また、第２超音波データは、非平行データと、プラーク有無データと、厚み相違データと、分岐有無データと、多ノイズデータとのうち少なくとも２つが組み合わされたデータであってもよい。

（モデル生成処理）
図５に示すように、図６乃至図１１に示すような第２超音波データが、多層化のネットワークＭＬＮに入力される。学習装置は、多層化のネットワークＭＬＮからの出力データと、多層化のネットワークＭＬＮに入力された第２超音波データに対応する正解データとを差分する。学習装置は、当該差分（誤差）が略０となりように、多層化のネットワークＭＬＮにおける複数のパラメータを、例えば、誤差逆伝搬法により調整する。学習装置は、複数のパラメータが調整された多層化のネットワークＭＬＮに対して、当該調整に用いられた第２超音波データと異なる第２超音波データを入力する。以下同様にして、学習装置は、多層化のネットワークＭＬＮにおける複数のパラメータをさらに調整する。多層化のネットワークＭＬＮに対する学習処理は、例えば非特許文献１等に記載されている既存の方法を適宜利用することができるため、説明は省略する。

以上に述べた実施形態に係る装置の一例としての超音波診断装置１００によれば、被検体Ｐの頸動脈に対して超音波を送受信して得られたＢモードデータに基づく第１超音波データを取得し、複数の第２超音波データ各々における頸動脈のＩＭＴと複数の第２超音波データとを用いて学習された学習済みモデルに第１超音波データを入力することで、第１超音波データにおける頸動脈のＩＭＴを検出することができる。複数の第２超音波データは、超音波による走査断面ＳＳと頸動脈とが非平行である超音波データ（非平行データＮＰＡＤ）と、プラークを有する頸動脈またはプラークを有さない頸動脈に関する超音波データ（プラーク有無データ）と、プラークの厚みが頸動脈の血流方向ＢＦＤに沿った位置に応じて異なる超音波データ（厚み相違データＰＰＤ）と、分岐部分ＢＰを有する頸動脈または分岐部分ＢＰを有さない頸動脈に関する超音波データ（分岐有無データ）と、Ｓ／Ｎ比が所定閾値未満である超音波データ（多ノイズデータ）と、を有する。なお、第２の超音波データは、プラーク有無データと、厚み相違データと、分岐有無データと、非平行データとのうち少なくとも一つを有していてもよい。

具体的には、第１超音波データおよび第２超音波データは、Ｂモード画像に対応する。実施形態に係る超音波診断装置１００によれば、学習済みモデルにより、第１超音波データにおける頸動脈の血管壁のトレースラインとＩＭＴの最大値の位置とを検出し、検出されたトレースラインと最大値の位置とを、第１超音波データに対応するＢモード画像に重畳することにより、重畳画像ＳＩを生成することができる。

以上のことから、実施形態に係る超音波診断装置１００によれば、ＩＭＴの計測時において、ＩＭＴの計測範囲を指定することなく、簡便な操作で、ＩＭＴを検出することができ、重畳画像ＳＩを表示装置５に表示することができる。これにより、本装置によれば、ＩＭＴの計測に関する検査のスループット（操作性）を向上させることができる。加えて、図６乃至図１１に示すような第２音波波データをトレーニングデータとして用いて、ＩＭＴ検出処理に用いられる学習済みモデルが生成されるため、ＩＭＴの計測に関するトレースラインおよび最大位置等の検出精度を向上させることができる。

（応用例）
本応用例における第１超音波データおよび第２超音波データは、ボリュームデータである。このため、本応用例における習済みモデルは、実施形態における学習済みモデルと異なる。第１超音波データに対応するボリュームデータは、被検体Ｐに対する超音波の送受信により、画像生成回路７９により生成される。応用例における学習済みモデルは、第１超音波データに対応するボリュームデータが入力されると、入力されたボリュームデータにおける複数の断面各々の頸動脈の血管壁のトレースラインとＩＭＴの最大位置とを出力する。複数の断面は、例えば、頸動脈の短軸断面に直交し、頸動脈の芯線の少なくとも一部を含む画像である。

具体的には、複数の断面は、ボリュームデータにおける１つの被走査領域に対応する基準面と、当該基準面を芯線周りに所定の角度で回転させた複数の面（以下、回転面と呼ぶ）とに対応する。基準面に対応する断面画像は、例えば、超音波プローブ１の直下における頸動脈の長軸に沿ったＢモード画像に相当する。回転面に対応するＢモード画像は、頸動脈の長軸に沿ったＭＰＲ画像に対応する。

以下、説明を具体的にするために、複数の断面は、３つの断面（以下、３断面と呼ぶ）であるものとする。３断面は、基準面と２つの回転面とに対応する。また、所定の角度は、１２０°と２４０°とであるものとする。これらの場合、複数の断面における画像は、基準面におけるＢモード画像と、基準面から芯線に周りに１２０°および２４０°をそれぞれ回転させた２つの回転面に対応する２つのＢモード画像となる。

処理回路８７は、取得機能８７３により、リアルタイム表示モードにおいて入力装置３を介してフリーズ操作が入力されると、表示装置５に表示されたＢモード画像（またはＭＰＲ画像）に関するボリュームデータを、第１超音波データとして取得する。なお、処理回路８７は、ＩＭＴ計測指示の入力を契機として、表示装置５に表示されたＢモード画像（またはＭＰＲ画像）に関するボリュームデータを取得してもよい。

処理回路８７は、検出機能８７５により、第１超音波データに対応するボリュームデータを学習済みモデルに入力することで、当該学習済みモデルにより、３断面（基準面と２つの回転面）各々におけるトレースラインとＩＭＴの最大位置とを検出する。学習済みモデルからの出力は、３断面における頸動脈のトレースラインの座標と当該トレースラインにおける最大位置の座標となる。処理回路８７は、３断面における断面各々におけるトレースラインの座標と最大位置の座標とに基づいて、当該トレースラインにおけるＩＭＴの最大値を計算する。

処理回路８７は、画像処理機能８７７により、ＭＰＲ処理を用いて３断面のうち２つの回転面に対応する２つのＢモード画像を生成する。処理回路８７は、検出機能８７５により検出されたトレースラインと、トレースラインにおけるＩＭＴの最大位置とを、３断面各々に対応するＢモード画像に重畳する。具体的には、処理回路８７は、学習済みモデルから出力されたトレースラインの座標と最大位置の座標とを、３断面のＢモード画像各々に所定の表示態様で重畳することにより、３つの重畳画像を生成する。処理回路８７は、生成された３つの重畳画像とＩＭＴの最大値とを、表示装置５に出力する。処理回路８７は、３つの重畳画像を、ＩＭＴの最大値とともに表示装置５に表示させる。なお、３つの重畳画像の生成に関する処理は、学習済みモデルに組み込まれてもよい。このとき、学習済みモデルは、検出機能８７５において、第１超音波データの入力により、３つの重畳画像を出力する。

以下、本応用例におけるＩＭＴ検出処理について、図１２を用いて説明する。図１２は、ＩＭＴ検出処理の手順の一例を示すフローチャートである。

（ＩＭＴ検出処理）
（ステップＳ１２０１）
被検体Ｐに対する超音波の送受信により、Ｂモード処理回路７５は、ＢモードＲＡＷデータを生成し、生成されたＢモードＲＡＷデータに基づいてボリュームデータを生成する。Ｂモード処理回路７５は、生成されたボリュームデータを、内部記憶回路８１に記憶させる。他の処理は、ステップＳ３０１と同様なため、説明は省略する。

（ステップＳ１２０２）
入力装置３を介してフリーズ操作が実行される（ステップＳ１２０２のＹｅｓ）と、ステップＳ１２０３の処理が実行される。入力装置３を介してフリーズ操作が実行されなければ、（ステップＳ１２０２のＮｏ）と、ステップＳ１２０１の処理が実行される。他の処理は、ステップＳ３０２と同様なため、説明は省略する。

（ステップＳ１２０３）
処理回路８７は、取得機能８７３により、表示装置５に表示されているＢモード画像に対応するボリュームデータを、内部記憶回路８１から取得する。処理回路８７は、内部記憶回路８１から学習済みモデルを読み出す。処理回路８７は、画像処理機能８７７により、３断面に対応する３つのＢモード画像を生成する。

（ステップＳ１２０４）
処理回路８７は、検出機能８７５により、取得されたボリュームデータを学習済みモデルに入力する。これにより、処理回路８７は、学習済みモデルから３断面各々におけるトレースラインの座標と最大位置の座標とを出力する。他の処理は、ステップＳ３０４と同様なため、説明は省略する。

（ステップＳ１２０５）
処理回路８７は、画像処理機能８７７により、トレースラインの座標と最大位置の座標とを用いて、トレースラインと最大位置とを所定の表示態様で、生成された３つのＢモード画像に重畳する。これにより、処理回路８７は、３つの重畳画像を生成する。

（ステップＳ１２０６）
表示装置５は、生成された３つの重畳画像を、ＩＭＴの最大値とともに表示する。本応用例においては、図４に示すようなＢモード画像が、３断面について表示される。他の処理は、ステップＳ３０６と同様なため、説明は省略する。

（ステップＳ１２０７）
入力装置３を介してＩＭＴの計測の終了指示が入力される（ステップＳ１２０７のＹｅｓ）と、ＩＭＴ検出処理は終了する。入力装置３を介してＩＭＴの計測の終了指示が入力されない場合（ステップＳ１２０７のＮｏ）と、ステップＳ１２０１以降の処理が繰り返される。

（モデル生成処理）
本応用例に関するモデル生成処理について、図５を用いて説明する。トレーニングデータとして多層化のネットワークＭＬＮに入力される複数の第２超音波データは、多ノイズデータを有するボリュームデータと、プラーク有無データを有するボリュームデータと、厚み相違データを有するボリュームデータと、分岐有無データを有するボリュームデータと、非平行データを有するボリュームデータである。また、第２超音波データは、非平行データと、プラーク有無データと、厚み相違データと、分岐有無データと、多ノイズデータとのうち少なくとも２つを有するボリュームデータであってもよい。

また、学習時において用いられる正解データは、第２超音波データであるボリュームデータにおける複数の断面（例えば、３断面）各々について、頸動脈の血管壁のトレースラインとＩＭＴの最大位置とを有する。なお、正解データは、複数の断面各々におけるＩＭＴの最大値をさらに有していてもよいし、複数の断面各々における頸動脈のトレースラインのみであってもよい。正解データは、第２超音波データであるボリュームデータに関する複数の断面各々におけるＢモード画像において、トレースラインおよび最大位置等が医師等により指定されたデータに相当する。

図５に示すように、図６乃至図１１に示すようなデータを有するボリュームデータが、第２超音波データとして多層化のネットワークＭＬＮに入力される。学習装置は、多層化のネットワークＭＬＮからの出力データと、多層化のネットワークＭＬＮに入力された第２超音波データに対応する正解データとを差分する。学習装置は、当該差分（誤差）が略０となりように、多層化のネットワークＭＬＮにおける複数のパラメータを、例えば、誤差逆伝搬法により調整する。学習装置は、複数のパラメータが調整された多層化のネットワークＭＬＮに対して、当該調整に用いられた第２超音波データと異なる第２超音波データを入力する。以下同様にして、学習装置は、多層化のネットワークＭＬＮにおける複数のパラメータをさらに調整する。多層化のネットワークＭＬＮに対する学習処理は、例えば非特許文献１等に記載されている既存の方法を適宜利用することができるため、説明は省略する。

以上に述べた実施形態の応用例に係る装置の一例としての超音波診断装置１００によれば、学習済みモデルにより、第１超音波データに対応するボリュームデータにおける複数の断面各々の頸動脈の血管壁のトレースラインとＩＭＴの最大値の位置とを検出し、検出されたトレースラインと最大値の位置とを、複数の断面画像に対応する複数のＢモード画像にそれぞれ重畳することにより、複数の重畳画像を生成することができる。これにより、本応用例によれば、学習済みモデルへのボリュームデータの入力により、複数の断面にそれぞれ対応し、ＩＭＴの計測結果（頸動脈の血管壁のトレースラインとＩＭＴの最大位置）を有する複数の重畳画像を表示することができる。他の効果は、実施形態と同様なため説明は省略する。

また、本実施形態の変形例として、装置は、例えば、医用画像処理装置、医用画像処理サーバ装置、ワークステーションまたはクラウドコンピューティングにより実現されてもよい。医用画像装置、医用画像処理サーバ装置、ワークステーションまたはクラウドコンピューティングは、例えば、図１に記載の点線の枠９内の構成を有する。なお、装置が医用画像処理サーバ装置、ワークステーションまたはクラウドコンピューティングとして実現される場合、入力装置３と表示装置５とは、例えば、クライアント装置として、ネットワークに接続されてもよい。このとき、例えば、内部記憶回路８１と、画像メモリ８３と、通信インタフェース８５と、処理回路８７とは、ネットワーク上のサーバに搭載されてもよい。

本実施形態および本応用例における技術的思想を医用画像処理プログラムなどのプログラムで実現する場合、プログラムは、コンピュータに、被検体Ｐの頸動脈に対して超音波を送受信して得られたＢモードデータに基づく第１超音波データを取得し、複数の第２超音波データ各々における頸動脈の内膜中膜複合体厚と複数の第２超音波データとを用いて学習された学習済みモデルに第１超音波データを入力することで、第１超音波データにおける頸動脈の内膜中膜複合体厚を検出すること、を実現させる。例えば、病院情報システムにおけるＰＡＣＳサーバや統合サーバ、超音波診断装置１００などにおけるコンピュータに当該プログラムをインストールし、これらをメモリ上で展開することによっても、ＩＭＴ検出処理を実現することができる。このとき、コンピュータに当該手法を実行させることのできるプログラムは、磁気ディスク（ハードディスクなど）、光ディスク（ＣＤ－ＲＯＭ、ＤＶＤなど）、半導体メモリなどの記憶媒体に格納して頒布することも可能である。プログラムにおける処理手順および効果は、実施形態と同様なため、説明は省略する。

以上説明した少なくとも１つの実施形態および変形例等によれば、頸動脈における内膜中膜複合体厚の計測において操作性および精度を向上することができる。

いくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更、実施形態同士の組み合わせを行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

１ 超音波プローブ
３ 入力装置
５ 表示装置
７ 装置本体
９ 医用画像処理装置、医用画像処理サーバ装置、またはクラウドコンピューティング
７１ 超音波送信回路
７３ 超音波受信回路
７５ Ｂモード処理回路
７７ ドプラ処理回路
７９ 画像生成回路
８１ 内部記憶回路
８３ 画像メモリ
８５ 通信インタフェース
８７ 処理回路
１００ 超音波診断装置
８７１ システム制御機能
８７３ 取得機能
８７５ 検出機能
８７７ 画像処理機能

Claims (4)

1. 被検体の頸動脈に対して超音波を送受信して得られたＢモードデータに基づく第１超音波データを取得する取得部と、
   複数の第２超音波データ各々における頸動脈の血管壁のトレースラインと当該トレースラインにおける前記頸動脈の内膜中膜複合体厚の最大値の位置とを含む情報と、前記複数の第２超音波データとを用いて学習された学習済みモデルに前記第１超音波データを入力することで、前記第１超音波データにおける頸動脈の血管壁のトレースラインと当該トレースラインにおける前記頸動脈の内膜中膜複合体厚の最大値の位置とを含む情報を検出する検出部と、
   前記検出されたトレースラインと前記最大値の位置とを含む情報を、前記第１超音波データに対応するＢモード画像に重畳した重畳画像を生成する画像処理部と、
   を備え、
   前記第２超音波データは、信号対雑音比が所定閾値未満である超音波データ、プラークを有する頸動脈に関する超音波データ、プラークの厚みが血流方向に沿った位置に応じて異なる超音波データ、分岐部分を有する頸動脈に関する超音波データの少なくとも何れかであり、
   前記検出部は、信号対雑音比が所定閾値未満である超音波データ、プラークを有する頸動脈に関する超音波データ、プラークの厚みが血流方向に沿った位置に応じて異なる超音波データ、分岐部分を有する頸動脈に関する超音波データの少なくとも何れかである前記第１超音波データを前記学習済みモデルに入力することで、前記第１超音波データにおける頸動脈の血管壁のトレースラインと当該トレースラインにおける前記頸動脈の内膜中膜複合体厚の最大値の位置とを含む情報を検出する、
   装置。
2. 前記第１超音波データおよび前記第２超音波データは、ボリュームデータであって、
   前記検出部は、前記学習済みモデルにより、前記第１超音波データに対応するボリュームデータにおける複数の断面各々の頸動脈の血管壁のトレースラインと前記内膜中膜複合体厚の最大値の位置とを検出し、
   前記検出されたトレースラインと前記最大値の位置とを、前記複数の断面に対応する複数のＢモード画像にそれぞれ重畳することにより、複数の重畳画像を生成する画像処理部をさらに備えた、
   請求項１に記載の装置。
3. コンピュータに、
   被検体の頸動脈に対して超音波を送受信して得られたＢモードデータに基づく第１超音波データを取得し、
   複数の第２超音波データ各々における頸動脈の血管壁のトレースラインと当該トレースラインにおける前記頸動脈の内膜中膜複合体厚の最大値の位置とを含む情報と、前記複数の第２超音波データとを用いて学習された学習済みモデルに前記第１超音波データを入力することで、前記第１超音波データにおける頸動脈の血管壁のトレースラインと当該トレースラインにおける前記頸動脈の内膜中膜複合体厚の最大値の位置とを含む情報を検出し、
   前記検出されたトレースラインと前記最大値の位置とを含む情報を、前記第１超音波データに対応するＢモード画像に重畳した重畳画像を生成すること、
   を実現させるプログラムであって、
   前記第２超音波データは、信号対雑音比が所定閾値未満である超音波データ、プラークを有する頸動脈に関する超音波データ、プラークの厚みが血流方向に沿った位置に応じて異なる超音波データ、分岐部分を有する頸動脈に関する超音波データの少なくとも何れかであり、
   前記検出することは、信号対雑音比が所定閾値未満である超音波データ、プラークを有する頸動脈に関する超音波データ、プラークの厚みが血流方向に沿った位置に応じて異なる超音波データ、分岐部分を有する頸動脈に関する超音波データの少なくとも何れかである前記第１超音波データを前記学習済みモデルに入力することで、前記第１超音波データにおける頸動脈の血管壁のトレースラインと当該トレースラインにおける前記頸動脈の内膜中膜複合体厚の最大値の位置とを含む情報を検出する、
   プログラム。
4. 被検体の頸動脈に対して超音波を送受信して得られたＢモードデータに基づく第１超音波データを取得する取得部と、
   複数の第２超音波データ各々における頸動脈の内膜中膜複合体厚と前記複数の第２超音波データとを用いて学習された学習済みモデルに前記第１超音波データを入力することで、前記第１超音波データにおける頸動脈の内膜中膜複合体厚を検出する検出部と、
   を備え、
   前記複数の第２超音波データは、前記超音波による走査断面と頸動脈とが非平行である超音波データと、プラークを有する頸動脈またはプラークを有さない頸動脈に関する超音波データと、プラークの厚みが頸動脈の血流方向に沿った位置に応じて異なる超音波データと、分岐部分を有する頸動脈または分岐部分を有さない頸動脈に関する超音波データと、信号対雑音比が所定閾値未満である超音波データとを有する、
   装置。
   

Images