CN101553172A - 超声波诊断装置 - Google Patents

Abstract

在压缩状态评价部(19)中，从弹性运算部(13)取入在两个不同的组织中分别设定的基准区域(R1、R2)所对应的形变变化Δε1、Δε2，求出它们的比Δε2/Δε1，并根据求出的形变变化之比来评价压缩状态，且将所评价的压缩状态按照与显示器(10)所显示的关心区域建立对应关系的方式进行显示，由此，根据弹性信息计测时的压缩状态的微小变化来评价压缩状态，可确保病变组织的良恶性诊断的客观性及再现性。

Description

超声波诊断装置

技术领域

本发明涉及一种具备根据对组织实施压缩时的组织的形变等，来生成对组织的硬度或柔软度进行表示的弹性图像等弹性信息的功能的超声波诊断装置。尤其涉及即使不设置用于对组织作用的应力进行计测的压力传感器，也适合对关心部位的良恶性诊断的客观性及再现性进行确保的无压力传感器的超声波诊断装置。

背景技术

在专利文献1的段落[0049]中，记载了一种在利用了超声波诊断装置的弹性图像的诊断中，由压力传感器来计测从探头的超声波收发面向被检体的外皮施加的压力的技术。可以认为所述压力是为了求出弹性率数据的必要数据，而且在基于弹性率图像来鉴别关心部位的良性或恶性的过程中，也是为了确保该鉴别的客观性的必要数据。例如，在非专利文献1中报告了下述的例子：在基于弹性率图像进行的关心部位的鉴别中，根据与所述压力相关的组织的形变量(以下也称为压缩状态)，来切换良性组织与恶性组织的弹性率的值的大小关系。

本发明者们通过对上述现有技术的研究，结果发现了以下的问题点。

即，基于压力传感器的方法虽然具有能够直接检测出所述压力的优点，但如果还能够对比与超声波收发面接触的被检体的外皮更靠内侧的组织内部的压缩状态进行测定，则可认为诊断与鉴别是可更可靠的。

专利文献1：JP2004-261198A

非专利文献1：Krouskop T，et al：Elastic Moduli of Breast and ProstateTissues Under Compression.Ultrasonic Imaging 20：260-274，1998.

发明内容

本发明的目的在于，在不利用压力传感器等的情况下，通过具备用于对被检体的成为检查对象的组织的压缩状态进行适当评价的机构，而适用于确保关心部位的良恶性的客观性及再现性的超声波诊断装置。

解决上述课题的本发明超声波诊断装置具备：弹性运算部，其根据在对被检体施加的压缩状态发生变化的过程中取得的计测时刻不同的一对反射回波信号的帧数据，分别求出多个计测点的组织的弹性信息；和弹性图像生成部，其根据由该弹性运算部求出的所述弹性信息，生成弹性图像，将其显示于显示器；其特征在于，还具有根据所述计测点的组织的形变变化信息对所述压缩状态进行评价的压缩状态评价部，并且将该评价的压缩状态与所述弹性图像对应地显示于所述显示器。

该情况下，压缩状态评价部可以根据计测点的组织的形变变化累计值(＝∑Δε)，评价所述压缩状态。并且，压缩状态评价部从所述弹性运算部取入针对所设定的关心区域中含有的所述计测点的组织求出的所述形变变化Δε，且将该形变变化Δε从所述压缩状态为零时起进行累计，来求出所述形变ε。而且，压缩状态评价部从所述弹性运算部取入针对在特定组织中设定的基准区域所含有的所述计测点的组织而求出的形变变化Δε，根据该形变变化Δε求出所述特定组织的形变ε(＝Δε)，根据预先计测并存储的所述特定组织的应力-形变特性求出与所述形变ε对应的应力σ，根据该求出的应力σ，评价所述压缩状态。

即，根据图3所示的乳腺及脂肪组织的应力-形变特性可知，与组织的种类无关，作为形变变化Δε的累计值的形变ε(＝∑Δε)与应力σ唯一对应。因此，通过累计作为微小压缩状态的变化信息之一的形变变化Δε，求出形变ε，可以评价计测时的应力σ的大小。结果，根据本发明的第一方式，通过对应根据微小形变变化Δε生成的弹性图像，显示形变变化Δε的累计值，可以评价压缩状态是否合适，因此，能够定量地评价关心部位的弹性。由此，可实现能够确保病变组织的良恶性诊断的客观性、再现性及可靠性的无压力传感器的超声波诊断装置。其中，压缩状态的评价不限定于形变ε，例如也可以针对变位或应力的大小(绝对量)进行评价。

而且，公知着组织的应力-形变特性按组织的种类而不同，但个体差异少。并且，作用于组织的应力在压缩方向的各部中是共同的。因此，预先求出并存储特定组织(例如脂肪、血管、乳腺等正常组织)的应力-形变特性，计测时在与特定组织对应的部位设定基准区域，累计该基准区域的形变变化∑Δε，求出形变ε，从而可以根据应力-形变特性推定对关心部位作用的应力σ的大小。由此，弹性运算部能够根据针对所设定的关心区域求出的形变变化Δε和应力σ及应力变化Δσ，定量且客观地求出弹性信息。这里，弹性信息是弹性率、粘性率、形变、应力、形变比、泊松比等表示与弹性相关的信息的统一性语言。

另外，本发明的压缩状态评价部可以根据2个基准区域的形变变化之比评价压缩状态。即，压缩状态评价部从所述弹性运算部取入针对不同的两个组织分别设定的基准区域R1、R2所对应的形变变化Δε1、Δε2，求出它们之比Δε2/Δε1(也可以是Δε1/Δε2，以下相同)，根据该求出的形变变化之比评价压缩状态，并将该评价的压缩状态与在所述显示器上显示的关心区域对应地显示。

即，组织的应力-形变特性按组织的种类具有不同的非线性特性，其非线性特性按组织的种类不同，且如果使同一组织，则其非线性特性的个体差异少。因此，对不同种类的两个特定组织设定的基准区域R1、R2的形变变化之比Δε2/Δε1，根据计测时的应力σ而表示不同的值。换言之，形变变化之比Δε2/Δε1与计测时的关心部位的应力大小、即压缩状态相关。因此，可以根据形变变化之比Δε2/Δε1定量地评价关心部位的弹性。

另外，可以将基准区域R1、R2中的组织的非线性特性近似为指数函数的举动(σ＝exp(α×ε))，将其近似函数的非线性参数设为α1、α2。此时，在共同作用的应力σ之下，如果考虑施加了应力变化Δσ的作用，则比Δε2/Δε1＝α1/α2。这里，如果在计测的应力范围内α1、α2一定，则比Δε2/Δε1恒定，因此，比Δε2/Δε1也一定，无法评价计测时的应力σ。不过，在实际组织的计测中，可确认上述Δε2/Δε1的值根据应力而变化。其原因在于，上述模式化的方法不完备，无法正确地表现实际组织的弹性响应。在实际的组织中存在：具有作为应力-形变特性表示线形的响应的压缩状态的范围的组织；和生物体组织具有压缩界限，随着达到压缩界限，即使赋予大的应力变化组织也不变形，而难以发生形变变化等的举动。因此，上述的可通过指数函数的举动说明的非线性特性是有限的局部压缩状态范围，由于比Δε2/Δε1不一定，与应力σ相关，所以可评价压缩状态。这样得到与应力σ的相关的两个基准区域，例如在检查乳癌的情况下，可以设定为脂肪和血管、脂肪和乳腺、脂肪和血管的部位。

而且，第二方式的压缩状态评价部根据预先计测并存储的所述两个特定组织的形变变化之比Δε2/Δε1与压缩状态的关系，求出与所述求出的形变变化之比对应的所述压缩状态。由此，如上所述，由于如果是同一种类的组织，则弹性的个体差异小，所以，通过预先与特定组织的种类对应地计测Δε2/Δε1的大小和应力σ的关系，并存储(表格化)到存储器中，可以根据实际的形变变化之比Δε2/Δε1的计测值直接求出应力σ。

并且，解决上述课题的本发明第三方式，设定包含与第二方式的基准区域相当的两个基准区域及关心区域的广域关心区域，根据广域关心区域的形变变化的平均值，对各计测点的形变变化进行标准化。即，第三方式的压缩状态评价部从所述弹性运算部取入与包含关心区域和在不同的两个特定组织中分别设定的基准区域R1、R2的广域关心区域对应的形变变化Δε1、Δε2、Δε，求出所述广域关心区域的形变变化的平均值Δεmean，并输出给所述弹性运算部，所述弹性运算部将针对所述各计测点求出的所述形变变化Δε由所述平均值进行标准化，求出所述弹性信息。

即，检测者按照包含关心区域ROI和两个不同种类的特定组织的基准区域R1、R2的方式，设定广域关心区域L-ROI。另外，对于对象组织而言，当如基准区域R1、R2隔着关心区域ROI在图像上以层状配置的情况等，基准区域R1、R2相对关心区域ROI成为特定的位置关系时，通过在B模式断层像上设定广域关心区域L-ROI，就可以按照自动设定基准区域R1、R2的方式编程。

将如此设定的广域关心区域的所有计测点Pij的形变变化Δεij的合计除以计测点数Ntot，求出广域关心区域的形变变化的平均值Δεmean。然后，将各计测点Pij的形变变化Δεij除以广域关心区域的形变变化的平均值Δεmean，求出标准化后的各计测点P的形变变化Δεij/Δεmean。通过根据标准化后的各计测点P的形变变化Δεij/Δεmean生成弹性图像，可以将各计测点Pij的形变变化Δεij指标化进行显示。

由于各计测点Pij的形变变化Δεij/Δεmean对应被施加的应力σ而变动，所以，无法定量评价各部的弹性。鉴于此，与第二方式同样，压缩状态评价部求出与基准区域R1、R2对应的形变变化Δε1、Δε2之比Δε2/Δε1，根据该求出的形变变化之比评价压缩状态，并将评价后的压缩状态显示于所述显示器。

而且，压缩状态评价部根据预先计测并存储的两个特定组织的形变变化之比Δε2/Δε1与压缩状态(例如应力)的关系，求出与所述求出的形变变化之比对应的所述压缩状态。

并且，压缩状态评价部可以检测形变变化之比Δε2/Δε1或标准化后的形变变化Δε1/Δεmean(或Δε2/Δεmean)急剧变化的现象，向所述显示器输出注意报告。即，如果是压缩力(应力)增大，则组织达到几乎不发生形变变化的所谓压缩界限。由于达到该压缩界限的压缩力(应力)因组织的种类而不同，所以，如果基准区域R1、R2的一方的组织达到压缩界限，则会出现形变变化之比Δε2/Δε1及标准化后的形变变化Δε1/Δεmean或Δε2/Δεmean急剧变化的现象。如果基准区域R1、R2的一方的组织达到压缩界限，则形变变化Δε1与Δε2之间的大小关系急剧变化。鉴于此，通过检测形变变化之比Δε2/Δε1及标准化后的形变变化Δε1/Δεmean(或Δε2/Δεmean)急剧变化的现象，来调整压缩力(应力)，可以得到规定压缩状态的弹性图像，能够客观、可靠地进行图像诊断。

如上所述，通过本发明，可以根据弹性信息计测时的压缩状态的微小变化，评价压缩状态，能够实现可确保病变组织的良恶性诊断的客观性及再现性的无压力传感器的超声波诊断装置。

附图说明

图1是本发明一个实施方式的超声波诊断装置的模块构成图。

图2是对利用探头向对象组织实施压缩的压缩操作的一个例子进行说明的图。

图3是表示乳腺、脂肪组织的应力-形变线图的一个例子的图。

图4是实施例1的处理步骤的流程图。

图5是表示实施例1的显示图像的一个例子的图。

图6是表示实施例2的显示图像的一个例子的图。

图7是表示实施例2的脂肪部中的应力-形变特性的一个例子的图。

图8是实施例3的处理步骤的流程图。

图9是表示实施例3的显示图像的一个例子的图。

图10是表示脂肪部、肌肉部、关心部的应力-形变特性的一个例子的图。

图11是将图10的应力-形变特性的纵横轴切换的图。

图12是对组织的压缩界限进行说明的应力-形变特性图。

图13是对组织的压缩界限进行说明的应力-形变之比的特性图。

图14是表示实施例4的弹性率图像的一个例子的图。

图15是实施例5的处理步骤的流程图。

图16是表示实施例5的标准化形变图像的一个例子的图。

图17是对标准化形变变化的压缩界限的举动进行说明的图。

图18是表示以色相对应力所对应的标准化形变变化进行表示的彩色位图的一个例子的图。

图19是表示以色相对应力所对应的标准化形变变化进行表示的彩色位图的其他例子的图

图20是对标准化形变变化的深度方向的分布进行说明的图。

图21是说明当增加压缩量时在深度变深的方向的形变变化分布的斜率从负向正的方向变化的例子的图。

图22是对按每个线区域评价应力的实施例8进行说明的图。

图23是对在广域关心区域中设定基准区域的实施例11的方法进行说明的图。

图24是对利用模板来设定基准区域的实施例12的方法进行说明的图。

图25是对自动设定基准区域的实施例13的方法进行说明的图。

图26A是基准区域从因压缩而变形的组织偏离的情况进行说明的图。

图26B是跟踪因压缩而变形的组织，来移动及变更基准区域的例子进行说明的图。

图26C是跟踪因压缩而变形的组织，来移动及变更基准区域的例子进行详细说明的图。

图26D是对图26C的基准区域移动及变更的前后进行表示的图。

图27是对由本发明的超声波诊断装置显示的弹性图像的优选实施例17进行说明的图。

图28是说明对关心部的关心区域ROI中的应力-形变的关系曲线进行实时描绘并显示的实施例19的图。

图29是对在实施例19的应力-形变线图中表示与组织的种类对应的区域的例子进行说明的图。

图30是在设应力指标为σindex，并利用形变变化之比(Δε1/Δε2)对弹性实施指标化时，说明能够以高精度鉴别良恶性的实验结果的图。

具体实施方式

下面，根据实施方式对本发明的超声波诊断装置进行说明。

图1表示了本发明的超声波诊断装置的一个实施方式的模块构成图。如图所示，按与被检体1的外皮接触的方式被利用的超声波探头2，在与被检体1之间具有排列了多个接收及发送超声波的振动件的超声波收发面。探头2由从发送电路3供给的超声波脉冲驱动。超声波收发控制电路4控制对探头2的多个振动件进行驱动的超声波脉冲的发送定时，使得朝向被检体1内所设定的焦点来形成超声波束。而且，超声波收发控制电路4以电子方式在探头2的振动件的排列方向扫描超声波束。

另一方面，探头2接收从被检体1内产生的反射回波信号，输出给接收电路5。接收电路5根据从超声波收发控制电路4输入的定时信号，将反射回波信号取入并进行放大等接收处理。由接收电路5进行了接收处理后的反射回波信号，在整相加法运算电路6中与由多个振动件接收的反射回波信号的相位一致地通过加法运算而被放大。整相加法运算电路6中被整相加法运算后的反射回波信号的RF信号被输入到信号处理部7，执行增益修正、对数(log)压缩、检波、轮廓强调、滤波处理等信号处理。其中，在整相加法运算电路6中生成的RF信号可以是复合解码后的I、Q信号。

由信号处理部7处理后的RF信号被导入到黑白扫描转换器8，在这里被变换为数字信号，并且变换为与超声波束的扫描面对应的二维断层像数据。由上述的信号处理部7和黑白扫描转换器8构成断层像(B模式像)的图像再构成机构。从黑白扫描转换器8输出的断层像数据经由切换加法运算部9被供给到图像显示器10，从而显示B模式像。

另一方面，从整相加法运算电路6输出的RF信号，被导入到RF信号帧数据选择部11。RF信号帧数据选择部11将与超声波束的扫描面(断层面)对应的RF信号组作为帧数据，取得多个帧成分存储到存储器等中。变位运算部12依次取入RF信号帧数据选择部11中存储的取得时刻不同的多对帧数据，根据取入的一对帧数据，求出断层面中的多个计测点的变位矢量，并作为变位帧数据输出到弹性运算部13。

本实施方式的弹性运算部13具有根据变位帧数据求出各计测点的组织形变变化，生成形变帧数据的功能；及运算其他的弹性信息的功能。弹性数据处理部14针对从弹性运算部13输出的弹性信息的帧数据，实施坐标平面内的平滑化(smoothing)处理、对比度最佳化处理、帧间的时间轴方向的平滑化处理等各种图像处理。彩色扫描转换器15读入从弹性数据处理部14输出的弹性信息的帧数据，根据被设定的弹性信息的彩色位图，按每一个帧数据的像素赋予色调编码，生成彩色弹性像。

由彩色扫描转换器15生成的彩色弹性图像，经由切换加法运算部9被显示到图像显示器10上。另外，切换加法运算部9具有：被输入从黑白扫描转换器8输出的黑白断层像、和从彩色扫描转换器15输出的彩色弹性图像，对两图像进行切换来显示其中任意一方的功能；使两图像的一方半透明，对其进行加法运算合成，使其重叠显示于图像显示器10的功能；和并列显示两图像的功能。而且，电影存储器部18将从切换加法运算部9输出的图像数据存储到存储器中，根据来自控制接口部17的指令，读出过去的图像数据，将其显示到图像显示器10。并且，能够将所选择的图像数据传输给MO等记录媒介。

压缩状态评价部19是构成本发明的特征部的器件，根据与计测时的形变的微小变化量相关的信息，评价对被检体施加的压缩状态。该压缩状态评价部19的详细构成、及弹性运算部13与彩色扫描转换器15的关联构成将在后述的实施例中进行说明。

对如此构成的本实施方式的基本动作进行说明。首先，参照图2(A)～(C)，对利用探头2向被检体1进行压迫操作的一个例子进行说明。基本上如图2所示，将探头2与被检体1抵接来施加压力，按照在产生了5～20％的绝对形变ε的状态下，形成0.2～1％的微小形变变化Δε的方式，使对生物体组织施加的绝对应力σ变化微小应力变化Δσ。然后，一边重复微小应力变化Δσ，一边对被检体1扫描超声波束，并且连续接收来自扫描面的反射回波信号。之后，根据从整相加法运算电路6输出的RF信号，由信号处理部7及黑白扫描转换器8再构成断层像(B模式)，借助切换加法运算器9显示到图像显示器10上。

另一方面，RF信号帧数据选择部11在对被检体1施加的压力变化的过程中，读取RF信号，与帧速率(frame rate)同步地反复取得帧数据，按时间序列依次保存到内置的帧存储器内。然后，以由取得时刻不同的一对反射回波信号构成的帧数据为单位，连续选择多对帧数据，并输出给变位运算部12。变位运算部12对所选择的一对帧数据进行一维或二维相关处理，对扫描面的各计测点的变位进行计测，生成变位帧数据。作为该变位矢量的检测法，例如可以采用公知的块匹配法(block matchingmethod)，即：将图像划分成由N×N像素构成的块，从前面的帧中搜索与当前帧中所着眼的块最近似的块，根据该块求出计测点的变位。另外，也可以计算一对RF信号帧数据的同一区域中的自相关，然后计算出变位。

由变位运算部12求出的变位帧数据被输入到弹性运算部13，运算各计测点的形变变化等预先设定的弹性信息，并将必要的弹性信息帧数据输出给弹性数据处理部14。形变变化的运算可通过公知那样对变位进行空间微分来计算。

另外，弹性运算部13如在后述的各实施例中说明那样，取入从压缩状态评价部19输出的压缩状态的评价数据，根据需要，求出定量的弹性信息。求出的弹性信息经由弹性信息处理部14被输入到彩色扫描转换器15中，生成弹性图像，并显示到图像显示器10上。

下面，根据具体的实施例，对作为本实施方式的特征部的压缩状态评价部19的详细构成、及相关联的弹性运算部13、彩色扫描转换器15、控制接口部17的构成，与动作一同进行说明。

实施例1

本实施例是根据从压缩状态为零时起对关心区域的形变变化Δε进行累计的累计值∑Δε(＝形变ε)，对压缩状态进行评价的例子。图4是表示本实施例的处理步骤的流程图。

首先，在步骤S1中，利用如图5所示那样的由图像显示器10显示的B模式像或弹性图像等图像，设定包括所关心的肿瘤等的关心区域ROI。在图5中，作为弹性图像显示了形变图像20。其中，作为形变图像20也可以显示后面所示的标准化形变变化图像。

接着，在步骤S2中，使探头与被检体的外皮接触，且在不施加压缩的状态下，由控制接口部17将压缩状态评价部19中存储的形变变化的累计值∑Δεij初始化(复位)为零。其中，能够在反射回波信号的输入开始检测到压缩状态为零。然后，在步骤S3中，对被检体1施加初始压缩(图2(B))，接着，微小的压力一边变化一边赋予，来执行超声波计测(图2(C))。由此，能够通过步骤S4，在弹性运算部13中求出包含关心区域ROI的规定区域的各测定点处的微小形变变化Δεij。而且，压缩状态评价部19与步骤S4并行，从步骤S2的压缩状态为零的状态起，求出关心区域ROI中的微小形变变化Δε的累计值∑Δε(＝形变ε)(S5)。彩色扫描转换器15根据从弹性运算部13输出的形变变化Δεij，实时生成彩色的形变图像20，如图5的左图所示，在图像显示器10上显示彩色形变图像20。从压缩状态评价部19输出的形变ε与ROI对应，由数值21表示(S6)。表示该彩色形变图像20的各部的硬度及柔软度的弹性的程度，可与彩色条26的色调对应地显示。而且，对计测出的形变变化Δε、和此时的形变ε(％)进行描绘，如图5的右图所示，制成形变变化Δε-形变ε线的图22，与图像显示器10的弹性图像并列显示。其中，优选将形变变化Δε-形变ε线图作为后述的标准化形变变化Δεnorm-形变ε进行描绘，由此可使客观性、再现性提高。

由于本实施例的形变变化Δε的累计值∑Δε，是从压缩状态为零时起累计的形变ε，所以，根据ROI的组织的应力-形变特性，与应力σ相关。因此，能够以形变ε的大小为基准，对所显示的弹性图像被彩色显示的弹性进行评价。另外，通过在形变变化Δε-形变ε线图中显示适当的基准形变范围，检测者可以针对ROI的组织的弹性进行适当应力下的具有定量性且再现性的诊断。

即，由于形变变化Δε是依存于此时被施加的来自外部的压缩量(探头2的变位量)的值，所以，根据该值生成的弹性图像只表示组织间不同的弹性的相对关系，不是定量地表示组织固有的弹性的弹性信息。例如非专利文献1所述那样，组织的弹性如图3所示的乳腺及脂肪组织的应力-形变线图那样，具有非线形性的特性，具有随着绝对形变(以下简单称为形变)ε增大而变硬的特性。弹性率由应力-形变线图的斜率表示，是该组织固有的定量的值，但根据由绝对应力(以下简单称为应力)σ或形变ε等表示的压缩状态，其大小发生变化。即，由于组织固有的弹性率也根据压缩状态(应力σ、形变ε)变化，所以，根据该弹性信息构筑的弹性图像也同样依赖于压缩状态而相对地变动。鉴于此，如本实施例那样，由于累计值∑Δε(＝ε)与应力σ相关，所以，通过将其大小作为基准，可定量地评价组织固有的弹性。

另外，本实施例中的弹性信息除了形变、弹性率之外，还可以采用粘性率、形变比、泊松比等弹性信息。而且，可以设定多个关心区域ROI，对这些ROI分别表示本实施例的弹性图像及弹性信息-形变ε线图、弹性信息-应力σ线图。

实施例2

如上所述，组织的应力-形变特性按组织的种类而不同，但个体差异少。鉴于此，预先求出与关心部位不同的特定组织(例如脂肪、肌肉等正常组织)的应力-形变特性，存储到存储器中，计测时在与特定的组织对应的部位设定基准区域R1，如果求出该基准区域R1的形变累计值∑Δε1，则可以根据该特定的组织的应力-形变特性，推定对关心区域和基准区域共同作用的应力σ的大小。如果可以推定应力σ的大小，则能够可靠地求出关心部位的弹性率E等弹性信息。以下针对该实施例2进行详细说明。

生物体组织一般具有图3的乳腺部所示的应力-形变特性，相对形变表示非线性的弹性特性。该响应一般可以利用下式(1)那样的指数函数进行分析。

σ＝exp(α×ε)(1)

通过式(1)对组织的应力-形变的实测值进行近似(fitting)的分析结果由式(1)的α反映。α的值越大，非线形性越显著，该α被称作非线形参数(参照非专利文献3)。

如果以ε对式(1)进行微分，则成为下式(2)。

(dσ/dε)＝α×exp(α×ε)＝α×σ(2)

因此，微小的应力变化Δσ、和由其产生的微小形变变化Δε，以下式(3)的关系相关联。

Δσ＝α×σ×Δε(3)

首先，利用图6对从与关心部位不同的特定组织求出式(3)的Δσ的方法进行说明。如该图所示，如果将基准区域R1设定为脂肪部，则式(3)的α根据脂肪的应力-形变特性是已知的，将其表示为α1。另外，如图7所示，将在基准区域R1中计测的形变变化和作为其累计值的形变，分别表示为Δε1、ε1＝∑Δε1。此时，根据公式(1)，对关心区域和基准区域公共作用的应力σ可作为σ＝exp(α1×ε1)而求出，而且，根据式(3)，此时的公共的应力变化可作为Δσ＝α1×σ×Δε1而求出。

这里，在使用杨式模量作为弹性率E的情况下，一般可以通过将应力除以形变来得到，如果统一得到关心区域的杨式模量，则可以由下式(4)求出。

E＝Δσ/Δε1(4)

这里，Δε1是在关心区域中计测出的形变变化。

该情况下，可以将图6的右图的线图22表示为弹性率E-应力σ线图，能够将压缩状态和弹性率建立对应关系地表示。而且，在根据上述方法构筑弹性率图像的情况下，当然针对各计测点Pij进行上式(4)的处理，只要将作为Eij＝Δσ/Δεij实施运算的弹性率进行图像化即可。

另外，在图6和图7所示的例子中，说明了根据非线形参数α求出应力σ的情况，但也可以取而代之，如果将图7的特性数据表格化预先存储到存储器中，则可根据∑Δε1直接求出应力σ。由此，在非线形参数α不是常数的情况下，也可以应用本实施例。

而且，根据本实施例及实施例1，需要在使探头与被检体的外皮接触、且不施加压缩的状态下，从控制接口部17将压缩状态评价部19中存储的形变变化的累计值∑Δεif初始化(复位)为零。由于该复位由检测者进行，所以具有任意性，因此，如果复位操作延迟，则有可能在累计值∑Δεij中含有误差。鉴于此，如以下的实施例3、4等所说明那样，与在任意的压缩状态下，仅利用微小的形变变化之比Δε2/Δε1对压缩状态进行评价的方法相比，可认为划定性及再现性劣化。

实施例3

本实施例是根据在与关心区域不同的特定组织中设定的两个基准区域R1、R2的形变变化之比Δε2/Δε1，对压缩状态进行评价的例子。图8是表示本实施例的处理步骤的流程图，图9表示本实施例的形变图像25的显示例。

即，如图8所示，首先在步骤S11中，利用图9所示对B模式像或形变图像等的对象部位进行了拍摄的图像25，设定包含所关心的病变部等的关心区域ROI。而且，针对预先确定的不同的特定组织分别设定基准区域R1、R2。图9是进行乳癌诊断的例子，隔着乳腺部等关心部，脂肪部位于上方，肌肉部以层状位于下方。关心区域ROI被设定为关心部，基准区域R1被设定为作为正常组织的脂肪部，基准区域R2被设定为与脂肪部不同的作为其他正常组织的肌肉部。然后，在步骤S12中，使探头与被检体的外皮接触，对被检体1施加初始压缩(图2(B))，接着，微小的压力一边变化一边赋予，执行超声波的计测(图2(C))。

如果执行超声波计测，则在弹性运算部13中可求出包含关心区域ROI和基准区域R1、R2的计测范围整个区域的各计测点处的微小形变变化Δεij(S13)。而且，压缩状态评价部19与步骤S13并行，求出基准区域R1、R2中的微小形变变化之比Δε2/Δε1(S14)。彩色扫描转换器15根据从弹性运算部13输出的形变变化Δεij，实时生成彩色的形变图像，如图9所示，在图像显示器10上显示弹性图像(步骤S15)。另外，优选取代该形变图像，而构筑后述的标准化形变图像与弹性率图像进行显示。

例如图9所示，在相对柔软的脂肪部设定基准区域R1、在相对硬的大胸肌肉部的肌肉部设定基准区域R2，在关心部设定关系区域ROI。脂肪部、肌肉部、关心部的组织分别具有图10所示的应力-形变特性。这里，如在实施例2中已说明那样，分别将基准区域R1、R2的应力-形变特性模式化，假设由下式(5)、(6)的指数函数进行表示。在该式中，α1、α2分别是对基准区域R1、R2中的组织的非线形性进行表示的非线形参数(常数)。

σ＝exp(α1×ε)(5)

σ＝exp(α2×ε)(6)

与实施例2的说明同样，如果将基准区域R1、R2中的形变分别设为ε1、ε2，则对基准区域和关心区域共同作用的应力σ之下的公共应力变化可根据下式(7)求出。

Δσ＝α1×σ×Δε1、Δσ＝α2×σ×Δε2(7)

由此，形变变化之比Δε2/Δε1可通过下式(8)求出。

Δε2/Δε1＝α1/α2(8)

根据式(8)，由于Δε2/Δε1不依赖于应力σ，所以，根据Δε2/Δε1的值无法评价压缩状态。不过，在实际的组织的计测中，可以确认上述Δε2/Δε1的值与应力σ对应变化。这是由于上述模式化的方法不完备，无法正确表现实际组织的弹性响应。

对在实际的组织中，Δε2/Δε1的值与应力σ相关的情况进行说明。这里，在组织的弹性响应之内，举例说明以下的两个举动(behavior)。

(举动1)：具有作为应力-形变特性表示线形的响应的压缩状态范围的组织。

(举动2)：生物体组织存在压缩的界限，随着到达压缩界限，即使赋予大的应力变化组织也不变形，难以发生形变变化。

首先，在本实施例中对(举动1)进行说明，针对(举动2)将在下一个实施例中进行说明。

(举动1)基准区域R1的脂肪部与其他组织相比，非线形性比较弱，如图3及非专利文献1所示，在形变至30％左右的通常计测范围中，基准区域R1的应力-形变特性如图11所示，可近似为具有线形性的特性。该脂肪部的形变ε相对应力σ的斜率用常数a表示，可以由下式(9)表示。

σ＝a×ε(9)

如果将这些关系看作应力的函数，则可以变形为下式(10)、(11)。

ε＝(1/α1)×ln(σ)、(Δε/Δσ)＝(1/α1)×(1/σ)(10)

ε＝(1/α2)×ln(σ)、(Δε/Δσ)＝(1/α2)×(1/σ)(11)

根据(10)、(11)式，基准区域R1、R2的形变变化Δε1、Δε2可以由下式(12)、(13)表示。

Δε1＝(1/a)×Δσ(12)

Δε2＝(1/α2)×(1/σ)×Δσ(13)

从这些公式(12)、(13)中除去由关心区域和基准区域共同负担的应力变化Δσ，可以由下式(14)表示形变变化之比Δε2/Δε1与应力σ的关系。

Δε2/Δε1＝(a/α2)×(1/σ)

σ＝(a/α2)×(Δε1/Δε2)(14)

根据式(14)可知，形变变化之比Δε2/Δε1与压缩状态的评价指标之一的应力σ唯一相关。即，可以根据任意计测时的形变变化之比Δε2/Δε1的计测值，对该计测时的压缩状态进行评价。

而且，与实施例2同样，由于特定组织的弹性响应的固体差异小，所以，上式(14)的a、α2的常数如图3的实测数据那样，可以是已知的数值。如果利用这些数值，则能够得到表示压缩状态的应力σ的值。以下与实施例2的方法同样地还求出公共的应力变化Δσ，最终能够求出关心区域的弹性率E和每个计测点的弹性率Eij。

鉴于此，在图8的步骤S15中，使包含关心区域ROI的各计测点的形变变化Δεij的值与该计测时的形变变化之比Δε2/Δε1相关，实施彩色灰度化，如图9所示，生成彩色形变图像25。对该彩色形变图像25的各部的硬度及柔软度进行表示的弹性的程度，与彩色条26的色调建立对应关系地显示。

因此，根据本实施例，检测者可以将根据压缩状态进行评价的彩色形变图像与彩色条21进行对比，能够客观地诊断关心部的弹性。

不过，在上述说明中，举例说明了以形变图像25作为弹性图像的情况，但也可以是弹性率图像，不限定于形变图像。而且，在上述说明中，以为了取得关心部的弹性信息的数值信息而设定关心区域ROI为前提进行了说明，但如果目的是构筑含有弹性率图像的弹性图像进行显示，则可以不设定关心区域ROI。

在本实施例中，形变变化Δε1、Δε2可以利用基准区域R1、R2内的计测点组中的代表点的值。但不限定于此，也可以使用基准区域R1、R2内的各计测点的平均值Δε1mean、Δε2mean。

实施例4

如实施例3中所说明那样，在实际的组织中，Δε2/Δε1的值与应力σ相关，但本实施例4是在对其进行说明的组织的弹性响应之内，基于(举动2)的例子。

实际的组织的应力-形变特性不是式(5)、(6)那样的单纯模式，非线性参数α1、α2与应力及形变的大小有关系。即，如果增加对组织施加的应力σ，则如图12的曲线28所示，即使赋予大的应力变化Δσ，组织也不容易变形，出现不会充分产生形变变形Δε的现象。图12的曲线28是以脂肪部为例，在出现上述现象的前后非线形参数α1变化为α1’的曲线。其中α1’＞＞α1。设产生该现象的区域为压缩界限区域，其边界应力为σf，该压缩界限区域的边界形变为εf。该边界应力σf因组织的种类而不同，如果基准区域R1、R2的一方的组织达到压缩界限，则如图11的曲线29所示，会出现形变变化之比Δε2/Δε1急剧变化的现象。即，可理解为Δε2/Δε1与表示压缩状态的应力σ相关变化。

鉴于此，如果检测到形变变化之比Δε2/Δε1急剧变化的现象，并向检测者发出注意报告，则通过由检测者调整压缩力，可以在基准区域R1、R2中任意一方的组织没有达到压缩界限的压缩状态的范围中进行计测。由此，检测者可以在规定的压缩状态的范围中，计测关心区域ROI的形变变化ΔεI，且能够根据规定压缩状态下的彩色形变图像，进行关心部位的诊断。

并且，在本实施例中，预先计测了图12的包括到压缩界限区域为止的组织的应力-形变特性与图13的σ-Δε2/Δε1的特性曲线29，其特征在于，根据该特性数据，直接推定与计测时的形变变化之比Δε2/Δε1对应的应力σ。即，如图13所示，在没有达到边界应力σf的应力范围中，形变变化之比Δε2/Δε1也相对应力σ发生变化。因此，根据特性曲线29，能够从形变变化之比Δε2/Δε1唯一推定出计测时的应力σ。另外，作为特性曲线29的特性数据，可以预先计测α1(或a)、α2的值、将其存储到存储器等中，从而能够由压缩状态评价部19根据Δε2/Δε1，并利用式(14)来推定应力σ。

这样，利用计测形变变化时的应力σ的推定值，根据关心区域ROI中的形变变化ΔεI，能够求出关心部位的弹性率、粘弹性率等弹性信息。例如图14所示，通过生成彩色弹性率图像30，与ROI对应地由数值表示弹性率E及应力σ，由此，检测者可以观察彩色弹性率图像30，诊断关心部位的客观的弹性，进行可靠的诊断。另外，如图12的右图所示，例如可以在σ-E图表31中描绘(图中的黑点)显示针对ROI计测的实时应力σ和弹性率E的计测值。而且，可以通过指示器32表示当前计测时刻t的应力σ(t)。并且，检测者可以通过在预先确定的成为诊断基准的形变变化之比的基准范围、或基准应力范围中取得关心部的弹性率E，来进行组织识别。

另外，在实施例3、4中，优选在设定基准区域R1、R2时，对针对应力的大小以高灵敏度变化的组织之间设定Δε2/Δε1。例如，在乳癌检查时，可以对脂肪部与肌肉部、脂肪部与乳腺部、乳腺部与肌肉部的部位进行设定。其中，按照脂肪＜乳腺＜肌肉的顺序变硬。

而且，在实施例3、4中，压缩状态除了能够以应力的维度(kPa)推定的情况之外，还可以直接利用形变变化之比(Δε2/Δε1)的值作为与应力相关的指标(以下称为应力指标)，对压缩状态进行评价。该情况下，弹性信息作为与弹性相关的指标(以下称为弹性指标)应用于鉴别。即，例如可替代应力变化Δσ，而直接利用形变变化之比(Δε2/Δε1)的值作为代替弹性率的弹性率指标E(index)(参照式(14))，应用下式(15)。

E(index)＝(1/(Δε2/Δε1))×(1/ΔεI)(15)

参照图30，对直接使用形变变化之比(Δε2/Δε1)的值作为应力指标σindex，能够根据弹性率指标E(index)高精度鉴别良恶性的实验结果进行说明。在实验中，分别将基准区域R1设为脂肪部，基准区域R2设为肌肉部，将关心区域ROI设为诊断部位，并设在各个区域内计测出的形变变化为Δε1、Δε2、ΔεI。根据实施例3、4的方法，应力指标σindex＝Δε2/Δε1。并且，例如设定为弹性指标Eindex＝Δε1/ΔεI。图30(A)、(B)表示在据此进行的实际临床试验中取得的计测结果的一个例子。图30(A)是乳腺内乳头瘤(良性)的例子，图30(B)是浸润性乳腺癌(恶性)的例子。

在以Δε1/Δε对弹性实施指标化的情况下，将良恶性的鉴别阈值设定为5，如果Eindex＞5则判定为恶性，如果Eindex≤5则判定为良性，由此可比较高精度地进行鉴别。但是，如图30所示，实际上弹性指标很大程度地依存于应力指标，需要设置基准应力指标。例如，如果按每个σindex＝0.5设定基准应力指标，并读取此时的弹性指标，则由于可检测出Eindex(良性)＝4、Eindex(恶性)＝10，所以，能够确保鉴别的客观性。

而且，在实施例3、4中，以被检体深度方向的应力不发散、不衰减为前提进行了说明。但实际上由于应力在深度方向上衰减，所以，优选根据反映了应力分布在深度方向上不一定的应力分布推定法，来运算弹性信息。

另外，在本实施例及实施例3中，说明了利用形变变化之比Δε2/Δε1对压缩状态进行评价的情况，但也可以取代形变变化之比Δε2/Δε1，而使用(Δε2-Δε1)/Δε1或Log(Δε2/Δε1)等。总之，如果根据反映了特定的两个组织的应力σ-形变ε特性的各Δε与Δσ的关系，利用能够消除共同附加的Δσ的指标，则成为能够评价压缩状态的指标。

实施例5

在实施例3、4中，对设定两个基准区域，并利用它们之间的形变变化的信息，来评价压缩状态的方法、及推定应力的方法进行了说明。本实施例5是设定了同时包括基准区域R1、R2和关心区域ROI的统一广阔关心区域L-ROI，在根据L-ROI的形变变化，得到对各计测点的形变变化进行了标准化的弹性信息的方法中，应用本发明的例子。

图15是表示本实施例的处理步骤的流程图。首先，在步骤S21中，如图16所示，在彩色形变图像35(只要是B模式像或弹性图像等超声波图像即可)上设定广域关心区域L-ROI，该广域关心区域L-ROI具备：含有乳腺部等关心部位的关心区域ROI、含有作为正常组织的脂肪部的基准区域R1、和含有作为正常组织的肌肉部的基准区域R2。这些基准区域R1、R2与实施例3、4同样地确定。另外，如图16所示，对于诊断对象的组织而言，在基准区域R1、R2隔着关心区域ROI以层状设置的情况等、基准区域R1、R2相对关心区域ROI成为特定的位置关系的情况下，通过在B模式断层像上设定广域关心区域L-ROI，就能够按照自动将基准区域R1、R2例如设定为高度5mm的方式进行编程。

如此设定之后，在步骤S22中使探头与被检体的外皮接触，对被检体1施加初始压缩(图2(B))，接着，一边变化一边赋予微小的压力，执行超声波的计测(图2(C))。当执行超声波计测时，在弹性运算部13中求出包含广域关心区域L-ROI的整个计测区域的各计测点Pij的微小形变变化Δεij(S23)。将由此求出的基准区域R1、R2和关心区域ROI的各计测点P的形变变化分别设为Δε1、Δε2、ΔεI。

接着，在步骤S24中，以计测点数Ntot除广域关心区域L-ROI的所有计测点Pij的形变变化Δε_ij的合计，求出广域关心区域L-ROI的形变变化的平均值Δεmean。然后，将各计测点的形变变化Δε_ij除以广域关心区域的形变变化的平均值Δεmean，求出标准化后的各计测点的形变变化Δε_ij/Δεmean(S25)。然后，彩色扫描转换器15根据从弹性运算部13输出的被标准化后的形变变化Δε_ij/Δεmean，生成彩色形变图像35，显示到图像显示器10上(S26)。由此，能够对各计测点P的形变变化Δε_ij实施指标化进行显示。

但是，该情况下被标准化的形变变化Δε_ij/Δεmean也对应被施加的应力σ而变动。因此，无法可靠地评价关心部的弹性。鉴于此，与实施例2同样，求出形变变化之比Δε2/Δε1，对应力的大小进行评价，可以确定根据其而生成的弹性图像中的关心部位的弹性。

而且，与实施例4同样，预先计测图13的σ-Δε2/Δε1的特性曲线23，来预先计测基准区域R1、R2的Δε2/Δε1与应力σ的关系，将其存储到存储器中，从而可以根据比Δε2/Δε1的计测值直接推定计测时的应力σ。

并且，在以广域关心区域L-ROI的形变变化的平均值进行标准化的情况下，如果基准区域R1、R2的一方的组织达到压缩界限，则受到其影响，形变变化Δε1与Δε2之间的大小的关系急剧变化。鉴于此，在本实施例中也与实施例4同样，检测被标准化后的形变变化(Δε2/Δεmean)或(Δε1/Δεmean)急剧变化的现象，如果向检测者发出注意报告，则检测者可以将压缩力调整到规定的范围。由此，检测者可以根据规定压缩状态范围下的彩色形变图像，进行关心部位的诊断。

不过，虽然进行了根据标准化形变图像的组织鉴别，但作为其他组织鉴别的一个方法，提出了在使应力的大小向增大的方向变化时，诊断关心部的标准化形变变化ΔεnormI是增加的方向、还是减少的方向的方法。

即，在恶性组织的情况下，应力增加的同时，标准化形变变化ΔεnormI大多也增加。另一方面，在良性组织的情况下，则相反，应力增加的同时，标准化形变变化ΔεnormI大多减少。由于通过本实施例可以评价压缩状态，所以，能够定量评价这样的标准化形变变化ΔεnormI的增加程度，从而可实现高精度的良恶性鉴别。

这里，为了明确起见，对标准化形变变化(Δε2/Δεmean)或(Δε1/Δεmean)因压缩界限而急剧变化的现象进行说明。如图14所示，设定了广域关心区域L-ROI和基准区域R1、R2。此时，将广域关心区域L-ROI的内部的计测点P的个数设定如下。

对配置有基准区域R1的组织进行了计测的计测点的个数N1个

对配置有基准区域R2的组织进行了计测的计测点的个数N2个

关心区域中的计测点的个数       N个

广域关心区域L-ROI的计测点的个数  Ntot＝N1+N2+N个

L-ROI中的形变变化的平均值Δεmean可以由下式(16)表示。

Δεmean＝(∑(Δε1ij)+∑(Δε2ij)+∑(Δεij))/Ntot

＝(N1×Δε1+N2×Δε2+N×Δε)/Ntot

＝{(N1/α1+N2/α2+N/α)/Ntot}×(Δσ/σ)(16)

这里，假设各组织区域中的标准化形变变化是在各个组织区域内对同一值进行计测的。即，Δε1ij＝Δε1、Δε2ij＝Δε2、Δεij＝Δε。

通过将在各计测点中计测出的形变变化除以式(8)的Δεmean，来求出式(17)所示的被标准化后的形变变化(以下称为标准化形变变化Δεnorm)。

Δεnorm＝Δε/Δεmean    (17)

如果这样进行标准化，则在各计测点中得到的标准化形变变化Δεnorm是否具有平均值的几倍的值，可被标准化而得到，如果是与平均值相同的大小，则作为Δεnorm的值就成为持有“1”。这里，针对基准区域R1、R2中的标准化形变变化Δεnorm1、Δεnorm2，划分成没有达到压缩界限的范围、和达到了压缩界限的范围而进行研究。

(1)没有达到压缩界限的范围

基准区域R1的脂肪部的标准化形变变化Δεnorm1由式(18)表示。

Δεnorm1＝Δε1/Δεmean

＝(Ntot/α1+N2/α2+N/α)(18)

另外，基准区域R2的肌肉部的标准化形变变化Δεnorm2由式(19)表示。

Δεnorm2＝Δε2/Δεmean

＝(Ntot/α2)/(N1/α1+N2/α2+N/α)(19)

(2)达到了压缩界限的范围

基准区域R1的脂肪部的标准化形变变化Δεnorm1由式(20)表示。

Δεnorm1＝Δε1/Δεmean

＝(Ntot/α1’)/(N1/α1’+N2/α2+N/α)(20)

基准区域R2的肌肉部的标准化形变变化Δεnorm2由式(21)表示。

Δεnorm2＝Δε2/Δεmean

＝(Ntot/α2)/(N1/α1’+N2/α2+N/α)(21)

这里，如果假设为(α1’＞＞α2，α)，则式(20)的Δεnorm1接近于“0”，式(21)的Δεnorm2接近于下式(22)的值。

(Ntot/α2)/(N2/α2+N/α)(22)

图17(A)、(B)表示该举动。由图17可知，如果脂肪部的组织超过压缩界限区域的边界应力σf，则脂肪部的标准化形变变化Δεnorm1急剧减少，接近于零，肌肉部的标准化形变变化Δεnorm2急剧增加，收敛为式(22)的恒定值。在实际的组织中，由于认为在压缩界限的边界处举动不会不连续地变迁，而是连续地变化，所以，如该图那样表示连续的响应。

利用该举动，根据其值能够推定共同负担的应力。例如与实施例3同样，如果在当前的计测时刻t求出标准化形变变化Δεnorm1(t)与Δεnorm2(t)之比，则该标准化形变变化之比与压缩状态的指标、即应力σ(t)唯一相关。利用应力σ，根据关心区域的形变变化Δε(t)实时运算弹性率等弹性信息，与图14同样，通过数值、图表或指示器等显示这些信息。这里，在利用杨式模量作为弹性率E(t)的情况下，一般可通过将应力除以形变来得到，如果要统一得到关心区域的杨式模量，则可以通过下式(23)来求取。

E(t)＝Δσ(t)/Δε(t)    (23)

标准化的方法不限定于上述利用平均值的方法，也可以利用例如中央值。而且，也可以利用与正规分布的拟合等统计信息。并且，还可以在一个广域关心区域中，自动识别对其平均的形变变化进行了计测的区域(在本实施例中为乳腺部)，根据该区域的形变变化生成标准形变。

实施例6

本实施例针对适合于从根据实施例5中得到的标准化形变变化的信息而进行了灰度化的标准化形变图像，来判定基准应力的例子进行说明。在本实施例中，根据标准化形变的大小，例如根据图18(A)、(B)所示的彩色位图的分配来分配色相，利用标准化形变变化构成标准化形变图像。例如，按照

标准化形变变化0.0左右

蓝色

标准化形变变化1.0左右

绿色

标准化形变变化2.0以上

红色

的方式分配色相，构成在它们之间带连续深淡等级(gradation)的彩色位图。

通过这样设计彩色位图的分配方法，可使脂肪部、肌肉部在边界应力σf的附近色相急剧变化。而且，同时在预先决定的规定基准应力范围的附近，也可设定色相变化的边界。例如，脂肪部中在基准应力范围的前后从红色变换为橙色。同样，肌肉部中在基准应力范围的前后从蓝色变化为浅蓝色。

而且，注意广域关心区域的内部分布的脂肪部、或肌肉部等，作为基准区域而被选择的组织区域的标准化形变图像的色相，识别基准区域的色相变化为相当于基准应力范围的色相时，根据该时刻的关心区域的弹性信息，进行鉴别。例如，适当判定标准化形变图像的肌肉部的色相从蓝色变化为绿色之前的压缩状态，在该利用该压缩状态下的关心区域的弹性图像，进行诊断。

另外，在成为应力基准的规定标准化形变变化的基准范围内计测的时刻，可以对基准区域内的计测点例如赋予紫色的色相。由此，能够在图像中更明确地识别位于标准化形变变化的基准范围内。

下面，赋予具体的条件，对实现本实施例进行确认。

基准区域R1、R2与关心区域ROI中的计测点的个数相同，假定为

对配置有基准区域R1的组织进行了计测的计测点的个数N个

对配置有基准区域R2的组织进行了计测的计测点的个数N个

关心区域ROI中的计测点的个数    N个

广域关心区域L-ROI的计测点的个数Ntot＝3N个。并且，假定表示各组织的非线形性的α1、α2、α分别为α1＝1、α2＝8、α＝16。此时，上述式(18)、(19)、(22)变为

(Ntot/α1)/(N1/α1+N2/α2+N/α)＝2.5

(Ntot/α2)/(N1/α1+N2/α2+N/α)＝0.3

(Ntot/α2)/(N2/α2+N/α)＝2.0。

此时的标准化形变变化Δεnorm1、Δεnorm2成为图19(A)、(B)所示的举动。根据图19(A)，在基准区域R1的脂肪组织没有达到压缩界限的范围中，标准化形变变化Δεnorm1具有2.5左右的值，该区域中的标准化形变图像具有红色。但是，如果超过脂肪组织的压缩界限的赋予边界的边界应力σf，则脂肪部的标准化形变变化Δεnorm1急剧减少而接近于零，变化为蓝色。另一方面，如图19(B)所示，在基准区域R1的脂肪部没有到达压缩界限的范围中，基准区域R2的肌肉部区域的标准化形变变化Δεnorm2具有0.3左右的值，肌肉部区域的标准化形变图像具有蓝色。但是，如果超过脂肪组织的压缩界限的赋予边界的边界应力σf，则肌肉部的标准化形变变化Δεnorm2急剧增加而接近于2.0，变化为红色。

实施例7

如实施例5中所说明那样，如果使压缩量增加，则附近的脂肪部的标准化形变变化Δεnorm1向减小的方向变化，深处的肌肉部的标准化形变变化Δεnorm2向增大的方向变化。鉴于此，如图20所示，注意标准化形变变化的深度方向的分布。如该图(A)所示，设定某一注视线L1，观察该线L1上的标准化形变变化的分布。如图21(A)、(B)所示，如果增加压缩量，则深度变深的方向的形变变化分布的斜率(例如以一次函数近似的深度方向的斜率)从负向正的方向变化。鉴于此，以深度方向的形变变化分布的斜率的值为基准，设定适当的形变变化分布斜率的基准范围，可以判定基准应力范围。

另外，也可如图20(B)所示，设定某一注视线L2，在同一深度的计测点之间取标准化形变变化的平均值，求出一个深度方向的标准化形变变化分布来进行评价。如果将以上的斜率作为数值进行显示，则虽然是大致的倾向，但能够把握应力的程度。由此，可以不特别设定基准区域R1、R2，相应地减少麻烦。

实施例8

本实施例如图22所示，根据同一计测线将基准区域R1、R2及关心区域ROI划分为多个线区域(1、2、…、M)，针对每个线区域的基准区域R1、R2及关心区域ROI求出形变变化。然后，求出各线区域中的形变变化的分布(即，深度方向的形变变化的分布)，与实施例7同样地评价压缩状态。这里，线区域可设定为将从探头放射的超声波束的实际的多条线汇集成的区域。

实施例9

实施例5的式(23)例示了在统一得到关心区域的弹性率(杨式模量)E的情况下，由E(t)＝Δσ(t)/Δε(t)进行求取的例子，但可以在图24的每个线区域中独立应用该式。即，本实施例9在用i表示各线区域的坐标、用j表示深度方向的坐标时，各计测点的弹性率Eij(t)可以利用每个线区域的应力变化Δσi(t)、和各计测点的形变变化Δεij，由下式(24)求出。

Eij(t)＝Δσi(t)/Δεij(t)(24)

即，可求出每个计测点的弹性率。通过这样得到关心区域的弹性率作为分布，根据本实施例，可以加上线方向应力分布的差异，构成对杨式模量的大小进行了灰度化的杨式模量图像作为弹性图像，来显示。

另外，本实施例以每个线区域中深度方向的应力恒定为前提进行了说明，但实际上应力分布有时在深度方向上不一定。该情况下，优选根据公知的应力分布推定法，运算弹性信息。

而且，肌肉部的深度可以在对肌肉部设定的基准区域的位置把握。例如，以广域关心区域的下边部的坐标把握。并且，可以根据肌肉部的深度，将基准应力范围的设定改变为适当的范围。

实施例10

上述各实施例中，对在无压力传感器的超声波诊断装置中定量评价压缩状态的方法进行了说明。但是，因患者不同，有时无法充分得到在计测断面设定基准区域R1、R2的正常组织(例如脂肪)的面积。该情况下，在生物体表面与探头之间夹设应力-形变特性已知的声音耦合器(例如SONAR-AID、SONAGEL)，能够代替一方的基准区域。特开2005-66041号公报中记载有这样的声音耦合器。

实施例11

在本实施例中，利用图23对广域关心区域L-ROI、基准区域R1、R2的设定的具体例进行说明。如该图所示，在广域关心区域L-ROI中配置有基准区域R1、R2，按照可以对脂肪部或肌肉部适当配置这些基准区域R1、R2的方式，能够由检测者从控制接口部17借助跟踪球等输入器件进行调整。例如，能够对脂肪部中设定的基准区域R1的下边进行调整，使其上下移动。同样，能够对血管中设定的基准区域R2的上边进行调整，使其上下移动。

实施例12

本实施例是自动设定基准区域R1、R2的例子。在乳腺是检查对象部的情况下，由于肋骨位于肌肉部的下方，超声波被该肋骨遮断，所以，深部成为无法从肋骨表面得到反射回波信号的无回波区域。通过基于阈值处理检测出该无回波区域和有回波区域的边界，能够检测出肌肉部与肋骨表面的边界。

另外，可以如特开2005-118152号公报记载那样，利用基于比肋骨表面深的部分的无回波区域的弹性信息来检测错误的处理，通过检测肋骨的区域，从而检测出肌肉部与肋骨的边界。

而且，如图24(A)、(B)所示，可以制成乳癌的检查对象部位的反映了各组织的配置、形状、超声波回波等级、超声波回波等级的模式(例如纤维状模式、斑纹状模式等)的模板，通过与该模板的映射，自动地识别脂肪、乳腺、肿瘤、血管、肋骨的区域。由此，可独立地自动设定基准区域与关心区域。并且，除了反射回波信号之外，通过对形变图像等弹性分布图像进行阈值处理，也能够检测出各组织的边界、轮廓。这里，对于模板而言，例如通过区分脂肪部、乳腺部、肌肉部各自的层状区域，而在B模式像上以半透明方式显示。而且，可以在B模式像上利用鼠标等对各个区域进行微调，来确定区域。

并且，不是完全的自动识别，如图25(A)所示，例如当检测者在超声波图像上操作控制接口部17的指示器、点击指定设定基准区域的组织(例如脂肪部)的代表点时，如该图(B)所示，从该点击的位置朝向周围，提取出图中由虚线表示的同一组织区域，可以对提取出的区域自动设定必要大小的基准区域。由此，在最大限度利用基准区域的计测点数而提高精度的同时，通过使基准区域的设定也自动化，降低了对检测者的依存性，提高了客观性。

实施例13

参照图26A及图26B，说明跟踪因压缩而变形的组织来移动及变更基准区域的实施例。图26A表示了由于设定有基准区域R1的脂肪部受到压缩容易变形，所以，如果从该图的左侧朝向右侧增大压缩，则脂肪部的厚度变薄，脂肪部从基准区域R1的一部分脱离，因混入乳腺部的组织而产生计测误差。鉴于此，本实施例中如图26B所示，对应脂肪部的变形，使基准区域R1移动及变形。由此，由于能够以最大限度的计测点数利用来自各组织的区域的形变变化的信息，所以，能够实现高精度的应力评价。

这种基准区域的跟踪处理通过利用各计测点的变位信息，能够跟踪基准区域。而且，能够利用实施例12中所说明的组织的自动识别，来实现对同一组织进行跟踪。

在图26B中，以基准区域R1为例进行了说明，但对于基准区域R2、关心区域ROI、广域关心区域L-ROI也同样能够跟踪组织的变形使其移动及变形。

这里，在以下的说明中表示了基准区域R1的跟踪处理的具体实施方法。具体利用图26C，对在图1的变位计测部12中求出变位分布(变位帧数据)的处理进行说明。例如，设置将y坐标设定为横向、将x坐标设定为深度方向的坐标系，注视在沿着线y1的方向存在的两个计测点(x1，y1)、(x2，y2)。如图所示，在时刻t-1(过去)到时刻t(现在)的时间变化期间，对象组织被压迫。时刻t-1时位于坐标(x1(t-1)，y1(t-1))的组织，在时刻t时移动到坐标(x1(t)，y1(t))，同样，时刻t-1时位于坐标(x2(t-1)，y1(t-1))的组织，在时刻t时移动到坐标(x2(t)，y1(t))。

此时，在变位计测部12中运算所有计测点(x，y)的变位d(x，y)，例如，从上述时刻t-1到t的沿着y1的变位分布d(x(t-1))如图所示求出，可以求出当前时刻t的上述移动后的x坐标、x1(t)、x2(t)分别为

X1(t)＝x1(t-1)+d(x1(t-1))

X2(t)＝x2(t-1)+d(x2(t-1))

同样，也可求出y坐标方向的移动后的坐标y1(t)、y2(t)。

根据以上的方法，例如图26D所示，在时刻t-1处设定了由(x1(t-1)，y1(t-1))、(x2(t-1)，y1(t-1))、(x1(t-1)，y2(t-1))、(x2(t-1)，y2(t-1))这四点构成的长方形基准区域R1时，可求出上述4点处的组织在时刻t向何处移动，由此，R1内部的组织能够被指定同一组织区域。

可以实时进行上述的处理，如图26B所示，作为基准区域R1，可以追踪同一组织区域进行跟踪。

在上述的说明中，表示了利用在指定基准区域R1的角所配置的4点坐标的变位信息进行跟踪的处理，但不限定于该方法，也可以利用沿着表示基准区域R1的边界的线上所配置的坐标的变位信息，根据更多的信息，高精度进行跟踪处理。

另外，也可以利用基准区域R1内部的坐标的变位信息，进行更高精度的跟踪处理。

实施例14

在上述各实施例中，以实时生成各实施例的弹性图像为前提进行了说明。但是，作为现实的问题，对于实时跟踪肌肉部等的基准区域(追踪)的处理而言，由于如果改变计测断面而肌肉部的位置大幅变化，所以，大多要修正基准区域的设定，十分麻烦。鉴于此，在本实施例中，能够在冻结(freezed)后的静止画上设定基准区域及关系区域的尺寸和位置。或者，能够调整所设定的基准区域及关心区域的尺寸和位置。

另外，在从最初开始的实时计测中，并不一定设定基准区域、关心区域，可以在停止后的静止画中首先设定基准区域及关心区域，对当时的压缩状态是否适当进行确认。

实施例15

在基于上述实施例求出的关心区域的弹性信息(包括弹性指标)同时，可以取得应力(包括应力指标)的信息作为压缩状态的信息。下面对利用这些信息进行组织鉴别的具体方法进行说明。

首先优选至少选择肌肉部作为基准区域R1、R2的一方。其原因在于，在实际进行弹性计测的情况下，由于肌肉部几乎可以进入到所有乳腺的超声波截面，并且，相对压缩方向被垂直配置，所以，能够正确检测出与压缩有关的信息。另一方面，脂肪部因个人差异而导致脂肪部的厚度不同，大多情况下在关心区域的上面没有适当厚度的脂肪部。而且，由于相对于乳腺内的关心区域，从肌肉部起的距离比脂肪部近，所以，有利于更高精度地推定关心区域的应力。并且，由于肌肉部的下面是肋骨，所以，成为可靠的固定端，其形变信息难以受到周围组织的硬度或形状的差异影响，即使在不同的被检者之间，也能够在共同的条件下推定应力。即，应力推定的再现性、客观性高。

实施例16

这里，利用本发明的实施例对鉴别肿瘤等的良恶性时的具体例进行说明。首先，公知标准化形变变化图像自身对于鉴别肿瘤等的良恶性是有用的。但是，如实施例4、5中说明的那样，通过将本发明应用到标准化形变变化图像，例如在肌肉部的色相从蓝色变化为绿色之前的状态下，判定为满足了基准应力范围，选择在该压缩状态下取得的关心区域的标准化形变变化图像，能够定量鉴别关心区域的弹性。

而且，在利用了标准化形变变化图像的组织鉴别中，也可以应用根据B模式像的低回波区域与标准化形变变化图像的硬的区域的相对关系，对关心部位的弹性进行划线(score)而评价的弹性划线方法。其中，弹性评价的诊断方法记载于WO2005-025425中。

实施例17

图27用于说明由本发明的超声波诊断装置显示的弹性图像的优选实施例。说明了通过在实施例5、6所说明的标准化形变变化图像中，检测基准区域R1或R2中的标准化形变变化Δεnorm1(t)或Δεnorm2(t)急剧变化的现象，来判定基准应力是否合适的方法。该情况下，可以利用图18或图19，在肌肉部的色相从蓝色被变化为绿色之前的状态下，判定是基准应力范围，但由此，无疑会加入检测值的主观。

鉴于此，在本实施例中，按照可以客观评价Δεnorm1(t)或Δεnorm2(t)的急剧变化的方式，如图27所示的弹性图像那样，对应标准化形变变化图像40，在画面上显示以肌肉部的标准化形变变化Δεnorm2(t)的大小伸缩的棒表41，作为应力指标。该情况下，能够以数值42在画面上表示Δεnorm2(t)的平均值等。而且，能够在指示器43中显示基准区域R2的Δεnorm2(t)的色相。并且，能够像示波管那样，在图表44中表示应力指标即Δεnorm2(t)计测中的变化。

根据本实施例，能够以视觉方式评价当前的计测时刻的压缩状态。另外，作为应力指标，可以利用实施例2、3所示的形变变化之比(Δε2/Δε1)。并且，还可以利用根据应力指标而推定的应力σ(t)。

实施例18

在图27中，根据由本发明推定的应力指标，可以判定当前的计测时刻的压缩状态是否处于规定的基准应力范围。并且，在本实施例中，当应力指标超过了规定的基准应力范围时，会在画面上显示警告、或通过声音等警告音引起注意。由此，能够避免因过大压缩下的诊断而引起误诊。

另外，还可以显示基准应力范围是比当前的压缩状态位于加压的方向还是减压的方向进行指引的箭头图像。并且，可以在满足了基准应力范围的时刻，使基准区域的色相变化、或闪烁来进行识别。进而，可以只在满足了应力基准范围时，显示弹性图像。而且，可以越接近基准应力范围，弹性图像的亮度、半透明的透过度的值越大，或者越小，由此根据图像把握接近适当压力的情况。其中，上述的半透明弹性图像显示的方法记载于WO2004-039262。另外，可以自动选出在应力基准范围的中央的最佳压缩状态下取得的弹性图像，提供给检测者。

实施例19

图14表示了描绘弹性率与应力的关系来图表显示的例子，但也可以将关心区域中的形变的大小、和应力的关系图表化。

即，在本实施例中如图28所示，实时描绘关心区域ROI的应力-形变的关系图表进行显示。由此，能够将各组织(脂肪、乳腺、血管、纤维腺肿瘤、乳腺癌、浸润性乳腺癌等)的应力σ-形变ε的关系在图表中表示。在图示的例子中，表示了乳腺癌的σ-ε的关系45、纤维腺肿瘤的σ-ε的关系46、通过当前的计测得到的σ-ε的关系47。该情况下，可以按组织例如分颜色进行显示。而且，可以实时比较当前诊断中的关心区域的应力-形变曲线接近哪个组织。该图中，由于计测中的应力-形变的关系图表更接近于纤维腺肿瘤的应力-形变的关系，所以，被判定为纤维腺肿瘤。

而且，如图29所示，设置有可以判定为各个组织的应力-形变的关系区域48、49，从而可判定当前时刻计测的应力与形变的关系47属于哪个区域。并且，在各个组织的区域48、49中，按每个区域分配了固有的信息，如果该信息例如是色相，则当前时刻计测出的应力-形变的关系47所属的区域被分配的色相，在关心区域中着色。由此，检测者可容易地把握。

该情况下，区分最近的曲线的判定，例如可以运算曲线之间的相关系数来自动进行。此外，也可以自动运算表示其非线形性的非线性行参数α，根据该α的值自动鉴别其关心组织是FA(纤维腺肿瘤)、还是DCIS(乳腺癌)、或是DC(浸润性乳腺癌)。

与本实施例同样，在图14的弹性率与应力的关系的显示中，也可以显示反映了各组织的性状的弹性率-应力的曲线与区域，通过同样的处理进行判定。

另外，显示形变-应力、弹性率-应力等与压缩状态相关的曲线进行鉴别的本实施例，不限定于本发明的根据压缩状态的推定方法的情况，例如也可以在利用压力传感器计测应力的情况下应用。

以上根据应用在乳腺区域的实施例说明了本发明，但本发明不限定于此，针对前列腺、甲状腺等其他组织也同样能够应用。尤其可以将前列腺的皮膜部的脂肪部或肌肉部等组织设定为基准区域，利用为应力指标。

另外，本发明的评价压缩状态的方法不限定于弹性图像诊断，在评价血流信息的多普勒图像诊断中也可以应用。即，公知在多普勒图像诊断中诊断结果也依赖于压缩状态而不同。因此，优选将本发明的压缩状态的评价方法与多普勒图像诊断同时并行应用。

Claims (16)

1、一种超声波诊断装置，具备：弹性运算部，其根据在对被检体施加的压缩状态发生变化的过程中取得的计测时刻不同的一对反射回波信号的帧数据，分别求出多个计测点的组织的弹性信息；和弹性图像生成部，其根据由该弹性运算部求出的所述弹性信息，生成弹性图像，且将其显示于显示器；其特征在于，

还具有根据所述计测点的组织的形变变化信息对所述压缩状态进行评价的压缩状态评价部，并且将该评价的压缩状态与所述弹性图像对应地显示于所述显示器。

2、根据权利要求1所述的超声波诊断装置，其特征在于，

所述压缩状态评价部根据所述计测点的组织的形变变化累计值∑Δε对所述压缩状态进行评价。

3、根据权利要求2所述的超声波诊断装置，其特征在于，

所述压缩状态评价部将针对所设定的关心区域中含有的所述计测点的组织求出的所述形变变化Δε从所述弹性运算部取入，且将该形变变化Δε从所述压缩状态为零时起进行累计，来求出所述形变ε。

4、根据权利要求2所述的超声波诊断装置，其特征在于，

所述压缩状态评价部将针对在特定组织中设定的基准区域所含有的所述计测点的组织而求出的形变变化Δε从所述弹性运算部取入，根据该形变变化Δε求出所述特定组织的形变ε(＝∑Δε)，根据预先计测并存储的所述特定组织的应力-形变特性求出与所述形变ε对应的应力σ，根据该求出的应力σ，评价所述压缩状态。

5、根据权利要求4所述的超声波诊断装置，其特征在于，

所述压缩状态评价部向所述弹性运算部输出所述求出的应力σ，

所述弹性运算部针对设定的关心区域，根据所述形变变化Δε和所述应力σ，求出至少包括弹性率的所述弹性信息。

6、根据权利要求4所述的超声波诊断装置，其特征在于，

所述压缩状态评价部根据对两个不同的组织分别设定的两个基准区域所对应的形变变化的关系，评价所述压缩状态。

7、根据权利要求6所述的超声波诊断装置，其特征在于，

所述压缩状态评价部根据与两个所述基准区域对应的形变变化之比Δε1/Δε2或Δε2/Δε1来评价所述压缩状态。

8、根据权利要求6所述的超声波诊断装置，其特征在于，

所述压缩状态评价部根据预先计测并存储的所述两个组织的形变变化之比Δε2/Δε1与压缩状态的关系，求出与所述求出的形变变化之比对应的所述压缩状态。

9、根据权利要求1所述的超声波诊断装置，其特征在于，

所述压缩状态评价部将与关心区域ROI及对不同的两个特定组织分别设定的基准区域R1、R2对应的形变变化ΔεI、Δε1、Δε2从所述弹性运算部取入，求出包含所述关心区域ROI及所述基准区域R1、R2的广域关心区域的形变变化的平均值Δεmean，并输出给所述弹性运算部，

所述弹性运算部将针对所述各计测点求出的所述形变变化Δε由所述平均值Δεmean进行标准化，求出所述弹性信息。

10、根据权利要求9所述的超声波诊断装置，其特征在于，

所述压缩状态评价部求出与基准区域R1、R2对应的形变变化Δε1、Δε2之比Δε2/Δε1，根据该求出的形变变化之比评价压缩状态，并将该评价后的压缩状态显示到所述显示器。

11、根据权利要求10所述的超声波诊断装置，其特征在于，

所述压缩状态评价部根据预先计测并存储的所述两个特定组织的形变变化之比Δε2/Δε1与压缩状态的关系，求出与所述求出的形变变化之比对应的所述压缩状态。

12、根据权利要求10所述的超声波诊断装置，其特征在于，

所述压缩状态评价部检测所述形变变化之比Δε2/Δε1、所述标准化后的形变变化Δε1/Δεmean或Δε2/Δεmean急剧变化的现象，向所述显示器输出注意报告。

13、根据权利要求10所述的超声波诊断装置，其特征在于，

所述弹性图像生成部对由所述压缩状态评价部求出的所述形变变化之比Δε2/Δε1、所标准化后的形变变化Δε1/Δεmean或Δε2/Δεmean的大小，通过将其以线图和根据大小被灰度化的棒图的至少一方图像化，来进行表示。

14、根据权利要求1、2、5、9中任意一项所述的超声波诊断装置，其特征在于，

所述弹性图像生成部将所述压缩状态评价部所求出的应力或压缩状态，以数值、棒图、图表的至少一种进行图像化，来进行显示。

15、根据权利要求6～13中任意一项所述的超声波诊断装置，其特征在于，

设定所述基准区域的所述组织至少是肌肉部。

16、根据权利要求9所述的超声波诊断装置，其特征在于，

所述弹性运算部将针对所述各计测点求出的所述形变变化Δε由所述平均值进行标准化，求出所述弹性信息，

所述压缩状态评价部根据与基准区域R1、R2对应的形变变化Δε1、Δε2之比Δε2/Δε1，对应力进行评价，

所述弹性图像生成部根据由所述弹性运算部求出并标准化的所述关心区域ROI的形变变化ΔεI，生成标准化形变图像，显示于所述显示器，并且，在所述应力的大小向增大的方向变化时，显示是所述关心区域ROI的标准化形变变化ΔεnormI增加的方向、还是减少的方向。

Images