JP5529378B2 - 狭窄血管における壁振動を評価するための超音波技法 - Google Patents

Description

本発明は、少なくとも部分的には、米国海軍研究局（ＯＮＲ：Ｏｆｆｉｃｅ ｏｆ Ｎａｖａｌ Ｒｅｓｅａｒｃｈ）から助成金を受けており（助成金番号Ｎ０００１４−０１−Ｇ−０４６０）、米国政府は、本発明に一定の権利を有することができる。

２世紀以上にわたって、動脈狭窄（ａｒｔｅｒｉａｌ ｓｔｅｎｏｓｉｓ）は、聴診器を使用して聴くことのできるブリュイ（ｂｒｕｉｔ）として知られる音に関連付けられてきた。聴診法（聴診器を使用する受動的聴音）が、腎血管高血圧症、冠動脈疾患、末梢動脈疾患、および内出血など多くの血管疾患において、ブリュイおよび心雑音（ｍｕｒｍｕｒ）の音量および音高を質的に評価するために定石的に使用されている。

狭窄、動脈瘤、動静脈瘻、および偽動脈瘤に関連付けられる血管音は、血流が高圧力領域から狭い孔を通って低圧力領域に流れるときに生み出される渦によって血管壁に加えられる力によって生み出されることが、今では明らかにされている。管腔面積は狭窄によって縮小され、したがって、狭窄の隘路における流速は高められる。流速のこの局所的な高まりは、狭窄後拡張領域が境界層剥離（ｆｌｏｗ ｓｅｐａｒａｔｉｏｎ）を防ぐのに十分な流線型を成していない（すなわち、狭窄が「ベンチュリ管（ｖｅｎｔｕｒｉ ｔｕｂｅ）」でない）場合、狭窄後ジェット（ｐｏｓｔ−ｓｔｅｎｏｔｉｃ ｊｅｔ）を生み出す。ジェットの境界を境とする速度の差によって、流体剪断応力（ｆｌｕｉｄ ｓｈｅａｒ）の大きい領域が生み出される。これらの剪断力は、流れの中に渦を生じさせ、その渦が次に、層状の流体の流れに対する抵抗を生じさせる。渦の存在は、狭窄後領域における流速および圧力の変動の原因となり、それらの変動は、血管壁における対応する運動を引き起こす。したがって、狭窄を越えた後の圧力降下によって生み出されるエネルギーは、血管壁のこれらの力学的振動と、血液の微少な加熱とを通して消散される。血管壁および周囲組織における局所的振動は、皮膚表面に達したとき、可聴の「ブリュイ」および「心雑音」として、または触診可能な「震動」として現れる。動脈壁の弾性も、回路にキャパシタンスを導入する。狭窄後キャパシタンス（ｐｏｓｔ−ｓｔｅｎｏｔｉｃ ｃａｐａｃｉｔａｎｃｅ）は、収縮期に狭窄から遠位の圧力が上昇する原因となる。あまり深刻でない狭窄の場合、狭窄を越えた後の圧力降下は、ピーク収縮期圧力フェーズ中にだけ著しく、したがって、ブリュイは収縮期フェーズ中にだけ持続する。しかし、より深刻な狭窄の場合、狭窄から遠位の圧力降下は大きく、したがって、拡張期フェーズ中にも著しい圧力勾配が狭窄を越えた後に存在し、ブリュイが拡張期フェーズ初期まで長引く原因となる。

振動のパワースペクトルは、ストローハル数（Ｓｔｒｏｕｈａｌ ｎｕｍｂｅｒ）を介して孔の直径および局所的流速と直接関係付けられる「折点周波数（ｂｒｅａｋ ｆｒｅｑｕｅｎｃｙ）」と呼ばれる周波数ピークを示す。言い換えると、折点周波数は、狭窄箇所の残存管腔直径（ｒｅｓｉｄｕａｌ ｌｕｍｅｎ ｄｉａｍｅｔｅｒ）に逆比例する。高感度マイクロフォンを用いて記録されたブリュイおよび心雑音のスペクトル内容を定量化するために、血管音検査法（ｐｈｏｎｏａｎｇｉｏｇｒａｐｈｙ）および心音図検査法（ｐｈｏｎｏｃａｒｄｉｏｇｒａｐｈｙ）が開発され、頚動脈血管音検査法が、頚動脈狭窄の程度を推定するために、多数の臨床試験において有効に使用されている。しかし、聴診法および血管音検査法は、皮膚表面に到達する高強度振動の診断に制限され、振動の発生源が明確に弁別され得ないので、感度および特定性に乏しい。現在、ブリュイに関連付けられた振動を、その発生源において量的に映像化する診断ツールは存在しない。したがって、組織振動が診断において重要なことは示されたが、臨床的使用は今のところ限られている。皮膚表面に到達した振動の分析に限定されない、狭窄血管に関連付けられたブリュイおよび壁振動を分析するための非侵襲的技法を提供することが望ましい。

過去２０年のデュプレックスおよびカラーフロー超音波（ｄｕｐｌｅｘ ａｎｄ ｃｏｌｏｒ−ｆｌｏｗ ｕｌｔｒａｓｏｕｎｄ）の進歩は、解剖学的イメージとフローイメージとの同時利用をリアルタイムに可能にすることで、血管診断に重大な臨床的影響を及ぼした。超音波組織ドプライメージング（ＴＤＩ）（ｕｌｔｒａｓｏｎｉｃ ｔｉｓｓｕｅ Ｄｏｐｐｌｅｒ ｉｍａｇｉｎｇ）が、心臓壁および動脈における異常な壁運動の評価のために使用されてきた。従来のカラーフロー超音波イメージでは、異常な血流からの組織振動は、特徴的なスペックルアーチファクト（ｓｐｅｃｋｌｅｄ ａｒｔｉｆａｃｔ）を周囲組織において生じさせる。これらのアーチファクトは、組織振動を示し、狭窄を認知するのに役立つ。しかし、それらは解釈が難しく、定量的でもない。

デュプレックス超音波の導入とともに、流速に基づいた狭窄の重症度の非侵襲的評価基準が開発された。これらの基準は非常に有用ではあるが、そのような技法は、壁振動スペクトルに存在する乱流情報を分析しない。高性能診断ツールを達成するため、壁振動と流速を計算に入れた、狭窄の重症度を評価するための非侵襲的な超音波ベースの技法を提供することが望ましい。

Sikdar S, Shamdasani V, Gong L, Managuli R, Hayashi T, Mitake T, Kim Y. "A single mediaprocessor-based programmable ultrasound system," IEEE Trans Inf. Tech. Biomed 2003; 7:64-40 P. Stoica and it Moses in "Introduction to Spectral Analysis," Upper Saddle River, NJ: Prentice-Hall, 1997 Ferrara and Algazi, "A new wideband spread target maximum likelihood estimator for blood velocity estimation," IEEE Trans Ultrason Ferroelect Freq Contr.1991; 38:1-16 Bonnefous and Pesque, "Time domain formulation of pulse-Doppler ultrasound and blood velocity estimation by cross correlation," Ultrason Imaging, 1986; 8:73-85 Wilson, "Description of broad-band pulsed Doppler ultrasound processing using the. two-dimensional Fourier transform," Ultrason Imaging, 1991; 13:301-15 Munk and Jensen. "A new approach for the estimation of axial velocity using ultrasound" Ultrasonics, 2000; 37:661-5 Loupas and Gill, "Multifrequency Doppler: Improving the quality of spectral estimation by making full use of the information present in the backscattered RF echoes," IEEE Trans Ultrason Ferroelect Freq Contr., 1994; 42:672-88

したがって、狭窄血管によって生み出される振動が検出され、その振幅および周波数に従って色分けされ、リアルタイムにＢモードイメージおよび／またはカラーフローイメージ上にオーバーレイされる、超音波計器用の新しい組織振動検出モードおよびイメージングモードを開発することが望ましい。その場合、組織振動イメージングモードは、振動の発生源の位置を患者の解剖学的構造に関してより正確に特定するため、ならびに／または振動およびその原因の狭窄についての情報を同時に取得するために使用されることができる。

本明細書で開示される概念は、動脈狭窄に関連する組織振動を映像化することによって、そのような狭窄を検出し、位置的に特定し、定量化するために開発された。これらの振動によって引き起こされる音（ブリュイおよび心雑音）は、時には、聴診器を使用して聴くことができ、または皮膚表面で触診可能であり、内出血および動脈狭窄を始めとする様々な生理学的状態を示す。本明細書で開示される技法は、組織振動を検出し、相対的に広い対象領域において組織振動を映像化し、組織振動の測定された特性に基づいて狭窄の血行力学的特性を定量化するために、受信超音波エコーのアンサンブル（ｅｎｓｅｍｂｌｅ）を処理するアルゴリズムを利用する。本明細書で開示されるアルゴリズムは、人の末梢動脈および冠動脈における狭窄をリアルタイムに位置特定する際の組織振動の有用性を研究するために、プログラム可能な超音波システムにおいて実施された。

一般に、本明細書で説明される振動イメージングアルゴリズムは、従来の超音波メージングの間に獲得された２Ｄ超音波データのアンサンブルと、そのようなデータに関連付けられる（従来のカラーフローイメージングにおいては通常は抑制される）クラッタ信号（ｃｌｕｔｔｅｒ ｓｉｇｎａｌ）とを使用して、組織振動を検出し、特徴付ける。３つの主要アルゴリズムを始めとする、この目的に適した様々な信号処理アルゴリズムが、振動のパラメトリックモデリングと、クラッタ、血流、および振動を区別する基準とに基づいて開発された。第１の主要アルゴリズムは、位相分解（ｐｈａｓｅ ｄｅｃｏｍｐｏｓｉｔｉｏｎ）に基づいており、第２の主要アルゴリズムは、ノイズにおける複素指数（ｃｏｍｐｌｅｘ ｅｘｐｏｎｅｎｔｉａｌ）の推定に基づいており、第３の主要アルゴリズムは、自己回帰モデリング（ａｕｔｏｒｅｇｒｅｓｓｉｖｅ ｍｏｄｅｌｉｎｇ）に基づいている。

別の１組のアルゴリズムは、狭窄部位の近くの小さな対象領域（例えば、ドプラ距離ゲート）から受信された超音波エコーのより大きなアンサンブル（一般に６４〜５１２）を利用して、組織振動の存在を確認し、改善された精度で組織振動の特性を測定する。運動の結果としての受信超音波エコーの遅い時間変化と、超音波ビームの方向に沿った近隣位置における組織の運動の変化の両方を利用する、２次元（２Ｄ）フーリエ変換を始めとする、この目的に適した様々な信号処理アルゴリズムが開発された。振動を識別するための第１のアルゴリズムは、直交復調受信エコーの２Ｄフーリエ変換に基づいており、ラドン変換（Ｒａｄｏｎ ｔｒａｎｓｆｏｒｍ）を利用して、振動に対応するスペクトルピークを識別する。振動を識別するための第２のアルゴリズムは、多周波平均（ｍｕｌｔｉ−ｆｒｅｑｕｅｎｃｙ ａｖｅｒａｇｅ）を利用して、振動に対応するスペクトルピークを識別し、その他の雑音源を抑制する。そのようなアルゴリズムを使用して動脈狭窄を位置的に特定し、等級分けするための方法が、本明細書でさらに開示される。

本明細書では、血流の渦の衝撃によって生み出される軟部組織振動が、検出され、振幅および周波数に従って色分けされ、リアルタイムにＢモードイメージおよび／またはカラーフローイメージ上にオーバーレイされる、超音波計器用の新しい組織振動イメージングモードが開示される。組織振動イメージングモードは、振動の発生源の位置を解剖学的構造に関してより正確に特定するため、ならびに／または振動およびその原因の血流についての情報を同時に取得するために使用されることができる。

リアルタイム組織振動イメージングは、ソフトウェアプログラム可能信号とイメージ処理バックエンドとを用いる超音波システムにおいて、例えば、１０フレーム／秒のフレームレートで実施された。予試験の結果は、動脈狭窄の結果として生み出される振動が、そのような技法を使用して検出され、映像化され得ることを確認した。振動振幅は、狭窄の下流の部位の近くで最大になることが予想され、この事実は、狭窄の位置を迅速かつ非侵襲的に特定するために使用されることができる。組織振動から強く後方散乱される超音波エコーは、ドプラ血流速度ベースの方法を使用した場合には血液からの弱い散乱が原因で検出することが難しい、狭窄の検出を改善することができる。

可能性として、この新しい組織振動イメージング技法は、様々な装置および臨床現場において有用であることができる。例えば、組織振動検出機能を備える低コストのポータブルスクリーニング装置は、冠動脈および末梢動脈疾患を有する患者を診断および／もしくは選別するために、一般医によって便利に利用されることができ、または胸に痛みのある患者を評価するために、医療補助者および外傷センタによって便利に利用されることができる。加えて、ハイエンド超音波システムにおける組織振動イメージングモードは、高性能診断能力のためにデュプレックス超音波を増強することができ、これは、患者の狭窄を診断するために、イメージングセンタ、心臓病クリニック、および病院によって便利に利用されることができる。狭窄を示す検出された組織振動は、聴診器を使用してブリュイを聴く訓練を受けた人には認識可能であるような可聴信号として、または触診可能な震動を検出する訓練を受けた人には認識可能な触診可能信号として提供されることができる。

本明細書で開示される概念の一態様は、狭窄の下流の血流の渦によって引き起こされる組織振動を検出し、特徴付けることによって、２Ｄ超音波データのアンサンブルを使用して動脈狭窄を検出し、その位置を特定するための方法に関する。この方法は、映像化される部位の組織運動スペクトル信号を生成するために、２Ｄ超音波データのアンサンブルを処理するステップを含む。その後、組織運動スペクトル信号は、狭窄における振動以外の源からの組織運動への寄与が実質的に最小化された組織振動信号を生成するために処理される。振動イメージは、組織振動信号を使用して表示され、部位における狭窄の位置を示す。

２Ｄ超音波データのアンサンブルを処理する１つの手法は、超音波データから相関行列（ｃｏｒｒｅｌａｔｉｏｎ ｍａｔｒｉｘ）を推定するステップと、信号部分空間（ｓｉｇｎａｌ ｓｕｂｓｐａｃｅ）と雑音部分空間（ｎｏｉｓｅ ｓｕｂｓｐａｃｅ）とを識別するために相関行列の固有分解（ｅｉｇｅｎ ｄｅｃｏｍｐｏｓｉｔｉｏｎ）を実行するステップとを含む。その後、信号部分空間および雑音部分空間における優位振動成分の周波数が推定され、その推定に基づいて、振動振幅推定および振動周波数推定が決定される。振動振幅推定と振動周波数推定の少なくとも一方が、組織振動信号を含む。

狭窄に関連する振動を映像化するために２Ｄ超音波データのアンサンブルを処理する第２の手法は、受信超音波エコーのアンサンブルの自己回帰モデルの反射係数（ｒｅｆｌｅｃｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔ）を計算するステップを含む。線形予測フィルタ係数（ｌｉｎｅａｒ ｐｒｅｄｉｃｔｉｏｎ ｆｉｌｔｅｒ ｃｏｅｆｆｉｃｉｅｎｔ）が、反射係数から計算される。パワースペクトルが推定され、パワースペクトルのピークが検出される。パワースペクトルの推定およびピークに基づいて、振動振幅推定および振動周波数推定が決定される。やはり、振動振幅推定と振動周波数推定の少なくとも一方が、組織振動信号を含む。

２Ｄ超音波データのアンサンブルを処理するまた別の手法では、平均クラッタ速度（ｍｅａｎ ｃｌｕｔｔｅｒ ｖｅｌｏｃｉｔｙ）が、自己相関を使用して超音波データから推定される。２Ｄ超音波データのアンサンブルは、平均クラッタ速度を用いてダウンミックスされ、ダウンミキシング信号を生成する。ダウンミキシング信号の位相とダウンミキシング信号の平均位相が決定され、平均位相がダウンミキシング信号の位相から減算されて、残差位相（ｒｅｓｉｄｕａｌ ｐｈａｓｅ）を生成する。その後、残差位相は優位成分に分解される。エネルギー閾値および周波数閾値を適用することによって、雑音および血流からの組織振動への寄与は、実質的に抑制され、部位における組織の振動振幅および振動周波数の推定を生成する。

残差位相を分解するステップは、好ましくは、残差位相から相関行列を推定するステップと、優位成分を決定するために相関行列の固有分解を実行するステップとを含む。

フィルタリングを行うステップは、好ましくは、部位における狭窄に対応する組織振動の予想周波数範囲よりも著しく低い周波数においてクラッタおよび雑音をフィルタで除去するステップを含み、また好ましくは、部位における狭窄に対応する組織振動の予想周波数範囲よりも著しく高い周波数にある雑音をフィルタで除去するステップも含む。このステップも、信号の統計的特性を利用することによって、血流と組織振動とを区別するステップを含む。

加えて、本発明の方法は、組織振動イメージから決定された組織振動の位置にドプラサンプルボリューム（Ｄｏｐｐｌｅｒ ｓａｍｐｌｅ ｖｏｌｕｍｅ）を配置することによって、振動イメージに表示された振動が部位における狭窄に対応することを確認するステップを含むことができる。このステップでは、相対的に大きなアンサンブル（一般に６４〜５１２パルスを含むアンサンブル）から決定された組織振動スペクトルが、２Ｄ超音波データの相対的に小さなアンサンブル（一般に６〜１６パルスを含むアンサンブル）から検出された組織振動を確認するために利用されることができる。

振動イメージを表示するステップは、好ましくは、部位の振動振幅イメージと振動周波数イメージの少なくとも一方を表示するステップを含む。有効性のため、本発明の方法は、部位の下に重なる解剖学的構造（すなわち、Ｂモードグレースケールイメージ）に関連付けて、振動イメージを実質的にリアルタイムに表示するステップを含むことができる。

本発明の別の態様は、超音波データのアンサンブルを使用して動脈狭窄を検出し、その位置を特定するための装置に関する。この装置は、超音波パルスを内部部位に向けて送信し、狭窄が原因で振動している組織を含む内部部位における散乱体（ｓｃａｔｔｅｒｅｒ）から超音波データを受信するための、超音波トランスデューサを含む。一実施形態では、フロントエンドシステムが、超音波トランスデューサによって生み出された超音波パルスを制御し、超音波トランスデューサによって受信されたエコーを復調して、同相成分と直交成分の両方を有する信号を生成する。この装置はまた、フロントエンドシステムから信号を受信するバックエンドシステムと、組織振動プロセッサとを含む。フロントエンドおよびバックエンドシステムは、任意選択で、単一ユニットに組み合わされることができ、またはこれらのシステムの１つもしくは複数の部分は、システムのその他の部分から離れた場所で動作することもできる。組織振動プロセッサは、狭窄によって引き起こされた組織振動を推定するために、超音波信号を処理して、組織振動信号を生成する。一実施形態では、組織振動信号は、バックエンドシステムによってイメージ信号に変換される。イメージ信号を受信し、内部部位における狭窄が示された組織振動イメージを表示するために、ディスプレイがバックエンドシステムに結合される。任意選択で、ディスプレイは、組織振動検出および識別装置から離れた場所に存在することもできる。例えば、ディスプレイは、病院内に物理的に配置されることができ、一方、組織振動検出および識別装置は、装置が使用されている患者を搬送する救急車内など、別の場所に物理的に配置される。また、可視表示の代わりに、組織振動検出および識別の結果は、組織振動を表す可聴出力または触診可能出力として提供されることもできる。組織振動信号は、狭窄を示すために、自動アルゴリズムによって解釈されることもでき、自動解釈の結果は、電子的読み取りとして提供されることができる。一般に、本発明の装置によって実行される機能は、上述された方法のステップと一致する。

上記の要約は、以下の発明を実施するための最良の形態でさらに詳細に説明される概念のほんのいくつかを簡略化された形で紹介するために提供された。しかし、上記の要約は、特許請求される主題の主要なまたは必須の特徴を識別することは意図されておらず、特許請求される主題の範囲を決定する際の助けとして使用されることも意図されていない。

１つまたは複数の例示的な実施形態およびそれらの変更の様々な態様および付随する利点は、添付の図面と併せて以下の詳細な説明を参照することによって、例示的な実施形態およびそれらの変更がより良く理解されるのに伴い、より容易に理解されるようになるであろう。

図および開示された実施形態は限定的なものではない
例示的な実施形態が、図面の図を参照して説明される。本明細書で開示される実施形態および図は、限定的なものではなく、説明的なものと見なされるべきであることが意図されている。

組織振動イメージングシステム
図１は、超音波システム１０を示したブロック図であり、全体的に従来の超音波システムと類似しているが、組織振動イメージングを含むように変更されており、したがって、本明細書で開示される概念を実施する際に使用可能である。超音波システム１０は、典型的には１ＭＨｚ〜１５ＭＨｚの搬送波周波数を用いて変調された信号を、複数のサイクル（すなわち、２〜２０サイクル）を使用して送信する、超音波トランスデューサ１２を含む。送信された信号は、ビーム経路沿いの散乱体（図示されず）によって反射され、トランスデューサから散乱までの距離に持続時間が依存する時間遅延の後に受信される。獲得ステージでは、組織から受信された音響エコーは、トランスデューサによって電気信号に変換され、これらの信号は、アナログ−デジタル変換器（別個に図示されず）によってデジタル化される。フロントエンドサブシステム１４は、ダイナミックフォーカシング（ｄｙｎａｍｉｃ ｆｏｃｕｓｉｎｇ）、アポディゼーション（ａｐｏｄｉｚａｔｉｏｎ）、ならびに送信および受信超音波波形のステアリング（ｓｔｅｅｒｉｎｇ）を実行する、ビームフォーマ（ｂｅａｍ ｆｏｒｍｅｒ）１６を含む。フロントエンドシステム１４にはまた、組織内の深さに比例する可変利得を用いて信号を増幅する、時間利得補償（ＴＧＣ：ｔｉｍｅ−ｇａｉｎ−ｃｏｍｐｅｎｓａｔｉｏｎ）回路１８と、直交復調およびデシメーションによって高周波数搬送波をデジタル的に除去して、複素量Ｉ（ｔ）＋ｊＱ（ｔ）として表現され得る同相（Ｉ）および直交（Ｑ）サンプルの両方を提供する、無線周波（ＲＦ）復調器およびデシメータ２０とが含まれる。その後、獲得された直交アンサンブル（またはカラーフロー）データは、例えば、Ｂモード、カラーフローモード、組織振動モード、およびドプラモードなど、選択された１つ（または複数）の超音波モードに応じて、バックエンドサブシステム２２において処理される。

組織の解剖学的イメージを生成するため、対象信号は、Ｉ（ｔ）＋ｊＱ（ｔ）の包絡線である。Ｂモードプロセッサ２４は、エコーの大きさ

を計算し、モニタ上でのグレースケールイメージとしての表示に適したものとなるようにダイナミックレンジを圧縮する。散乱体によって導入された時間遅延は、複素量Ｉ（ｔ）＋ｊＱ（ｔ）の位相に反映される。したがって、複素受信信号の位相は、散乱体の瞬間位置の推定を提供する。時間に伴う位相変化を監視することによって、散乱体の変位および速度が推定されることができる。カラーフローイメージングでは、複数のパルス（通常は６から１６パルス）が、パルス繰り返し周波数（ＰＲＦ：ｐｕｌｓｅ ｒｅｐｅｔｉｔｉｏｎ ｆｒｅｑｕｅｎｃｙ）として知られるレートで、各走査線に沿って送信され、受信される。したがって、各空間位置からの受信時間サンプルの集まりは、「アンサンブル」と呼ばれる。カラーフロープロセッサ２６は、一般に自己相関アルゴリズムを使用して隣接時間サンプルの間の位相差を推定することによって、データのアンサンブルから血流速度を推定する。２Ｄイメージは、異なる空間位置から複数のサンプルを獲得することによって生成される。ドプラプロセッサ３０を用いて実施されるドプラモードでは、走査は単一の走査線に沿って実行され、単一の空間位置からの血流速度のスペクトルは、データのかなり大きなアンサンブル（一般に６４〜５１２パルスからのデータ）から推定される。処理されたイメージフレームをラスタモニタまたはディスプレイ３６上に表示する前に、走査変換（ｓｃａｎ ｃｏｎｖｅｒｓｉｏｎ）が走査変換器回路３２によって実行され、走査変換器回路３２は、獲得された超音波データを極座標からラスタディスプレイによって使用される直交座標に変換する。表示イメージの品質を改善するため、およびディスプレイ上で解剖学的構造とフローイメージとを合成するため、任意選択で、後処理回路３４によって後処理が適用されることができる。

例示的な一実施形態で超音波データを処理するために使用される組織振動プロセッサ２８が、図１に示されている。直交データアンサンブルが、組織振動プロセッサに入力される。しかし、これらのデータから血流速度を推定する代わりに、組織振動プロセッサは、複素受信信号の位相から散乱組織の瞬間変位を推定する。この組織運動は、従来のカラーフローイメージングではクラッタと呼ばれ、クラッタフィルタを使用して抑制される。一般に、心拍動、呼吸、およびトランスデューサ運動は各々、組織の観測される変位または運動に寄与することができる。そのような運動は、数ヘルツまたはそれ以下の低周波数にある。狭窄が存在するとき、狭窄の周囲の組織は、数１０ヘルツから１０００ヘルツ以上の範囲にわたる周波数で局所的に振動する。組織運動の異なる成分の周波数を分析することによって、狭窄血管によって引き起こされた振動は、その他の運動源によって引き起こされたクラッタから区別されることができる。組織振動プロセッサは、組織運動を優位運動成分に分解し、心拍動の周波数よりも高い周波数にあると思われる運動成分を識別することによって、この分析を実行する。

組織振動プロセッサ２８は、従来の超音波機械で使用するために、追加の固定機能回路板または特定用途向け集積回路（ＡＳＩＣ）として実装され得ることが企図されている。ともに同じデータアンサンブルを処理するので、任意選択で、組織振動プロセッサは、カラーフロープロセッサ２６と組み合わされることができる。スタンドアロン型の組織振動イメージング装置が、フロントエンドサブシステム１４、Ｂモードプロセッサ２４、組織振動プロセッサ２８、および走査変換器３２とともに実施されることができる。組織振動プロセッサが、１つもしくは複数のデジタル信号プロセッサ（ＤＳＰ）を使用するソフトウェア／ハードウェアで、または代替としてＡＳＩＣで実施され得ること、あるいは組織振動プロセッサの処理ステップを実行するために、プロセッサによってアクセスされるメモリに保存された機械語命令にアクセスする従来の汎用プロセッサチップ上でさえも実施され得ることは、当業者であれば理解されよう。

超音波機械の計算力は、近年著しく高まっており、プロセッサ技術における進歩から恩恵を受けている。したがって、以下で説明される組織振動イメージングアルゴリズムを実行することから生じる付加的な計算負荷は、最新の超音波機械で無理なくサポートされることができる。かつて、新世代の高性能マルチメディアプロセッサを使用して、Ｂ、Ｍ、カラーフロー、およびドプラなどの従来の処理モードのすべてをソフトウェアでサポートする、組織振動プロセッサとしての使用に適したプログラム可能な超音波信号およびイメージ処理システムが開発され（例えば、非特許文献１参照）、その後、このシステムは、本明細書で開示される組織振動処理を実施する際に有用であることが示された。プログラム可能なシステムの主な強みは、従来の超音波機械では必要とされることもあったハードウェア変更を必要としない、組織振動イメージングなどの新しいモードおよびアプリケーションの開発が容易なことである。したがって、ソフトウェアプログラム可能な超音波システムを使用する統合組織振動イメージングが、２Ｄ超音波走査における振動のリアルタイム視覚化のために有効かつ有益に使用された。

組織振動イメージング用のアルゴリズム
従来のカラーフローイメージングでは、血流の速度は、サンプルボリュームから受信された複数の超音波エコー（一般に６〜１６パルス）の間の平均位相差を計算することによって推定される。動いている組織から後方散乱されたエコーは、血液からの弱い散乱と比べて著しく高い（一般に４０ｄＢ〜６０ｄＢ高い）信号強度を有する傾向にあり、より低い速度を有する傾向もある。この振幅が高く、周波数が低い組織信号は、一般にクラッタと呼ばれ、推定血流速度に偏りを与える傾向にある。したがって、クラッタは、従来のカラーフローイメージングでは、適切なフィルタを使用して抑制される。クラッタの主要成分は、心拍動、呼吸、およびトランスデューサの動きである。血流の渦が存在するとき、局所的な組織振動、例えば、狭窄血管における血流の渦によって引き起こされる組織振動も、このクラッタの一部であり、従来の超音波処理システムでは、通常は抑制される。

本明細書で開示される概念によれば、組織振動は、残りのクラッタおよびフロー信号から分離される。この機能を達成する際に、組織振動とクラッタとは、異なる周波数内容を有する統計的に独立した信号を生み出すことが認識された。心拍動および呼吸に起因するクラッタは一般に、１Ｈｚまたはそれ以下で生じるが、組織振動は一般に、５０Ｈｚまたはそれ以上で生じる。その他の雑音源は、著しくより高い周波数にある。組織散乱体は互いにより緊密に結合しており、集団で動く傾向にあるので、組織からの散乱は一般に、血液からの散乱と比べてより干渉性が高い。したがって、血流信号は一般に、その他の源からのクラッタおよび組織振動信号と比べて、はるかにより大きな周波数帯域を有する。血流信号は、弱い信号強度とより大きな帯域幅のため、より強く、より干渉性の高い組織振動信号と比べて、この手法の目的に関しては、雑音と見なされることができる。したがって、組織振動は、スペクトル分析に基づいて、クラッタおよび血流から区別されることができる。受信超音波エコーの位相のスペクトル分析は、散乱信号強度を無視して散乱体運動の成分を分離するために使用されることができるが、複素超音波エコーのスペクトル分析は、信号強度および運動成分の両方を考慮する。

本発明の概念を実施する際に好ましくは使用される、限られた数の時間超音波サンプル（６〜１６パルス）のため、従来のクラッタフィルタリングおよびスペクトル推定技法は、そのような短い時間的記録をもとに組織振動と通常のクラッタとを区別する十分な解像度を欠いている。したがって、この機能を実施するために、高解像度のスペクトル推定技法が開発された。

狭窄血管に関連する振動の映像化に関して、直交成分の最適な組として信号をモデル化する固有分解ベースのスペクトル推定と、白色ガウス雑音によって駆動される自己回帰線形予測フィルタの出力として信号をモデル化する自己回帰スペクトル推定とを含む、２つの高解像度スペクトル推定技法が、この目的のために適しているとして認定された。したがって、狭窄に関連する組織振動を分離するために、３つの信号処理アルゴリズム（固有分解に基づいた２つと、自己回帰に基づいた１つ）が開発された。第１のアルゴリズムは、受信超音波エコーの位相の固有分解ベースのスペクトル分析に基づいており、第２のアルゴリズムは、複素超音波エコーの固有分解ベースのスペクトル分析に基づいており、第３のアルゴリズムは、複素超音波エコーの自己回帰スペクトル分析に基づいている。固有分解は計算集約的な演算であるので、反復的ＱＲ分解（ｉｔｅｒａｔｉｖｅ ＱＲ ｆａｃｔｏｒｉｚａｔｉｏｎ）を利用する近似的固有分解が、計算効率の良いアルゴリズムとして使用される。

狭窄血管に関連する振動を映像化するために開発された信号モデル
振動する組織から受信された信号をモデル化するため、一様な運動を有し、サンプルボリューム内の位置

、ｓ＝１．．．Ｓにランダムに分配された、Ｓ個の点散乱体（ｐｏｉｎｔ ｓｃａｔｔｅｒｅｒ）を用いて、映像化される組織が近似され、ここで、

は、球面座標の単位方向ベクトルを表す。散乱体の瞬間位置

は、

によって与えられ、ここで、（ｄ_r（ｔ），ｄ_Ψ（ｔ），ｄ_φ（ｔ））は、時間の関数としての変位を表す。サンプルボリュームからの散乱が一様で、平均散乱係数としてαを有する場合、サンプルボリュームの散乱関数は、

となる。その場合、サンプルボリュームからの複素受信信号ｙ（τ，ｔ）は、単一の点散乱体のパルスエコー空間インパルス応答

と、トランスデューサの時間応答ｘ（τ）と、散乱関数

との畳み込み（ｃｏｎｖｏｌｕｔｉｏｎ）としてモデル化されることができる。

ここで、時間インデックスτおよびｔは、それぞれ「速い（ｆａｓｔ）」時間および「遅い（ｓｌｏｗ）」時間を表し、ｆ₀は、トランスデューサの中心周波数であり、ｎ（τ，ｔ）は、白色熱雑音である。式（１）および（２）を組み合わせた結果が、

であり、ここで、ｃは、音速であり、

は、トランスデューサと各点散乱体の間の往復（ｔｗｏ−ｗａｙ）パルス伝播時間である。振動に関する散乱体の変位は、パルスエコー空間インパルス応答の空間サイズおよびトランスデューサ応答の包絡線と比べて小さい。したがって、最初の２つの項の「遅い」時間変化は、無視されることができ、式（３）は、

と簡略化されることができ、ここで、Ａ（τ）は、散乱信号の複素振幅である。複素受信信号が、瞬間放射状変位（ｉｎｓｔａｎｔａｎｅｏｕｓ ｒａｄｉａｌ ｄｉｓｐｌａｃｅｍｅｎｔ）を用いて位相変調されることは明らかである。

サンプルボリューム内の散乱点がすべて、ピーク変位ａ₀、周波数ｆ_vibで、単純な調和的な仕方で放射状に振動している場合、心拍動、呼吸、およびその他の組織運動（すなわち、クラッタまたは雑音）によるトランスデューサに対する組織変位は、ｄ_tiss（ｔ）である。この運動は、これ以降、「クラッタ運動（ｃｌｕｔｔｅｒ ｍｏｔｉｏｎ）」と呼ばれる。その後、合成された変位は、以下のように、重ね合わせと見なされることができる。
ｄ_r（ｔ）＝ｄ_tiss（ｔ）＋ａ₀ｓｉｎ（２πｆ_vibｔ） （５）

超音波パルスのアンサンブルは、パルス繰り返し周波数（ＰＲＦ）として知られるレートとで、同じ方向に送信される。その場合、ｍ番目のパルス送信からの複素受信信号ｙ（τ，ｍ）は、

であり、ここで、Ｔ_PRFは、パルス繰り返し間隔である。位相変調複素受信信号のフーリエ変換は、ベッセル級数（Ｂｅｓｓｅｌ ｓｅｒｉｅｓ）

であり、ここで、Ｊ_iは、第１種ベッセル関数（Ｂｅｓｓｅｌ ｆｕｎｃｔｉｏｎ ｏｆ ｔｈｅ ｆｉｒｓｔ ｋｉｎｄ）、

、δは、ディラックのデルタ関数（Ｄｉｒａｃ ｄｅｌｔａ ｆｕｎｃｔｉｏｎ）、ｃ（ｆ）は、クラッタ運動のスペクトル（クラッタスペクトル）、Ｎ（τ，ｆ）は、雑音スペクトルである。

図２は、組織振動が存在するときの超音波信号の典型的なパワースペクトル４０を示している。スペクトルは、以下に提示される式（８）によって示されるように、振動周波数によって分けられるクラッタスペクトルの複数のコピーを含む。ｆ_tissにおける低周波数ピーク４２は、クラッタスペクトルに対応し、参照番号４４および４６によってそれぞれ示される対称的なピークｆ_-およびｆ₊は、振動に対応し、ｐ_tiss、ｐ₊、およびｐ_-は、対応するピークパワーである。ｆ₊およびｆ_-における周波数ピークは、本明細書では、「マッチングペア（ｍａｔｃｈｉｎｇ ｐａｉｒ）」と呼ばれる。振幅が小さい振動の場合、より高次の項は無視されることができ、したがって、スペクトルエネルギーの大部分は、それぞれ３つの周波数ピークｆ_-、ｆ_tiss、およびｆ₊に存在する。

であるので、周波数ピークにおけるパワーの比は、振動振幅の推定を提供することができる。したがって、振動周波数および振幅は、以下のように、パワースペクトルから推定されることができる。

これらの推定法は、本明細書では、それぞれ「スペクトル周波数推定法（ｓｐｅｃｔｒａｌ ｆｒｅｑｕｅｎｃｙ ｅｓｔｉｍａｔｏｒ）」および「パワー比振幅推定法（ｐｏｗｅｒ ｒａｔｉｏ ａｍｐｌｉｔｕｄｅ ｅｓｔｉｍａｔｏｒ）」と呼ばれる。代替として、振動周波数および振幅は、クラッタ運動の影響を抑制した後、超音波振動の残差位相

から推定されることもできる。優位成分の周波数の計算効率の良い粗い推定

は、残差位相のゼロ交差Ｎ_zeroをカウントすることによって得られることができる。この推定は、残差位相を補間して振動の平均周期を計算することによって、さらに洗練されることができる。振動振幅は、残差位相の分散によって推定されることができる。これらの推定法は、以下のように定義され、

本明細書では、それぞれ「ゼロ交差周波数推定法（ｚｅｒｏ−ｃｒｏｓｓｉｎｇ ｆｒｅｑｕｅｎｃｙ ｅｓｔｉｍａｔｏｒ）」および「位相分散振幅推定法（ｐｈａｓｅ ｖａｒｉａｎｃｅ ａｍｐｌｉｔｕｄｅ ｅｓｔｉｍａｔｏｒ）」と呼ばれる。

リアルタイム組織振動イメージングの場合、対象領域内の各サンプルボリュームからの超音波データの短いアンサンブル（一般に６〜１６パルスまたはエコー）だけしか、処理のために利用できないことがある。従来のカラーフローイメージングシステムは、血流を保ちながら、クラッタを抑制するために、クラッタフィルタリングを利用する。しかし、僅かな数の時間サンプルのため、従来のクラッタフィルタリングベースの手法、またはフーリエベースの手法は、組織振動、血流、およびクラッタを区別するのに十分な解像度を欠いている。振動信号の特性を利用するパラメトリック手法は、この区別を行うのにより適しているように思われる。（ａ）雑音内の１対の複素指数の推定、（ｂ）自己回帰モデリング、および（ｃ）超音波信号の位相の分解を含む、式（６）および（７）の超音波振動のモデルに基づいた３つのパラメトリック手法が、利用されることができる。以下のセクションでは、これら３つのパラメトリック手法に基づいた例示的な振動検出アルゴリズムが、より詳細に説明される。式（４）の複素超音波信号を生成する１つの方法は、受信超音波信号の直交分解である。代替方法は、相互相関技法を使用して受信ＲＦ超音波データを処理することによって、式（４）の位相変化を生み出す時間遅延を計算することである。

雑音内の複素指数の推定を使用する振動イメージング
式（７）のベッセル展開（Ｂｅｓｓｅｌ ｅｘｐａｎｓｉｏｎ）の逆フーリエ変換を使用して、式（６）は、以下のように展開される。

したがって、超音波信号は、雑音に埋め込まれた複素指数の和としてモデル化されることができる。式（１０）の角括弧によって括られた式から理解され得るように、振動は、複素指数のマッチングペアに対応する。対照的に、クラッタ運動に対応する複素指数は一般に、周波数のそのようなマッチングペアをもたない。周波数（ｆ_tiss，ｆ₊，ｆ_-）は、ｒｏｏｔ−ＭＵＳＩＣアルゴリズムおよびＥＳＰＲＩＴアルゴリズムを使用して推定されることができる（例えば、非特許文献２参照）。その場合、振動は、マッチングピーク基準｜ｆ₊＋ｆ_-−２ｆ_tiss｜＜Ｆ_thresholdを使用して、検出されることができ、振動振幅および周波数は、上で説明された式（９）を使用して、推定されることができる。アルゴリズムのステップは、図３Ａに関して、以下でより詳細に説明される。この基準に基づいて、振動が検出され、クラッタ運動から区別されることができる。任意の血流信号は雑音スペクトルの一部として見なされ得る。

図３Ａは、カラーフロー処理から通常は除外される、クラッタまたは雑音内の１対の複素指数に基づいて組織振動を推定するための、第１のアルゴリズムに含まれる論理ステップを示すフローチャート５０を示している。手順は、２Ｄ超音波データの直交復調アンサンブル５２から始まる。

ステップ５３で、心拍動、拍動性血管壁運動、および呼吸に起因する低周波数クラッタが抑制される。一実施形態では、このステップは、自己相関法を使用して推定される平均クラッタ速度を用いてダウンミックスするステップを含むことができる。別の実施形態では、低周波数運動は、フィルタリングによって抑制されることができる。また別の実施形態では、主要運動成分を分析することによって低周波数組織振動の推定を形成するために、周囲組織の運動が使用されることができる。

ステップ５４で、相関行列が、カラーフローデータから推定される。ステップ５６で、固有分解を実行して、信号部分空間５８と雑音部分空間６０とを生成するために、相関行列が利用される。ステップ６２で、信号部分空間と雑音部分空間とを使用して、優位成分の周波数が、上で述べられたｒｏｏｔ−ＭＵＳＩＣアルゴリズムおよびＥＳＰＲＩＴアルゴリズムを利用することによって推定される。その後、判断ステップ６４は、各優位成分が両側性をもつ（ｄｏｕｂｌｅ−ｓｉｄｅｄ）かどうかを決定し、一方、ステップ６６は、式（８）を使用して各優位成分の振動振幅および周波数を推定する。優位成分が両側性をもたない（すなわち、潜在的組織振動成分ではない）場合、判断ステップ６４は「０」を返し、一方、優位成分が両側性をもつ場合、判断ステップは１を返す。その後、乗算器６８は、判断ステップ６４の出力に優位成分の振動振幅および周波数推定を乗じ、優位成分が組織振動成分でない場合はヌルを生成し、その他の場合は優位成分の振動振幅および周波数推定を返す。その後、メジアンフィルタ７０が、分離された誤検出振動とその他の望ましくない雑音とを結果から取り除き、その結果、ステップ７２で、狭窄部位を示す残りの振動イメージが表示される。

自己回帰信号モデルを使用する振動イメージング
振動からの超音波信号は、以下のように、分散σ²を有する白色ガウス雑音を入力としてもつ、ｐ次自己回帰線形予測フィルタの出力としてモデル化されることができる。

線形予測係数ａ_k（τ）は、予測誤差の最小２乗最小化（ｌｅａｓｔ ｓｑｕａｒｅｓ ｍｉｎｉｍｉｚａｔｉｏｎ）を使用して、または計算効率の良いＢｕｒｇアルゴリズムを使用して（例えば、非特許文献２参照）、計算されることができる。その後、高解像度スペクトル推定が、この自己回帰モデルから、以下のように、取得されることができる。

式（８）から、クラッタ運動ピークの周囲のパワースペクトルにおける周波数ピークの対称マッチングペアの存在が、振動として検出されることができる。以前のように、フロー信号は、雑音と見なされることができる。振動からの超音波信号の場合、式（１３）のパワースペクトルは、多項式

の極小において周波数ピーク（ｆ_tiss，ｆ₊，およびｆ_-）を有する。振動は、マッチングピーク基準｜ｆ₊＋ｆ_-−２ｆ_tiss｜＜Ｆ_thresholdを使用して、検出されることができ、振動振幅および周波数は、式（９）を使用して、推定されることができる。アルゴリズムのステップは、図３Ｂに関して、以下でより詳細に説明される。

図３Ｂのフローチャート８０に示されているように、第２の代替アルゴリズムも、直交復調アンサンブルデータセット５２から始まる。やはり、ステップ５３で、心拍動、拍動性血管壁運動、および呼吸に起因する低周波数クラッタが抑制される。一実施形態では、このステップは、自己相関法を使用して推定される平均クラッタ速度を用いてダウンミックスするステップを含むことができる。別の実施形態では、低周波数運動は、フィルタリングによって抑制されることができる。また別の実施形態では、主要運動成分を分析することによって低周波数組織振動の推定を形成するために、周囲組織の運動が使用されることができる。

ステップ８２で、直交復調データの各アンサンブルについて、反射係数が計算される。ステップ８４で、反射係数を使用して、線形予測係数が決定される。ステップ８６で、パワースペクトルが線形予測係数から推定され、パワースペクトルのピークが検出される。やはり、判断ステップ６４が、識別されたピークが両側性をもつかどうかを決定することによって、識別されたピークが組織振動に関するものかどうかを決定し、組織振動に関するものでない場合は０を返し、関するものである場合は１を返す。また、ステップ６６が、これら各ピークにおける振動振幅および周波数の推定を提供し、乗算器６８において、判断ステップ６４からの結果が、推定された振幅および周波数によって乗じられる。その後、メジアンフィルタ７０が、結果に適用され、ステップ７２で、フィルタリングされたイメージデータが、振動イメージとして表示される。

位相分解に基づいた振動イメージング
振動の検出および映像化のための第３のアルゴリズムは、位相超音波信号に基づくことができる。式（７）に示されるように、振動は、クラッタ運動の場合には一般に存在しない振動シグニチャ（ｏｓｃｉｌｌａｔｏｒｙ ｓｉｇｎａｔｕｒｅ）を位相内に生み出す。フロー信号も振動位相を有することができるが、振動する組織からのエコーは、フローからのものよりも干渉性が高いと予想される。したがって、それらの位相は、より少ない数の優位成分によってモデル化されることができる。したがって、振動検出アルゴリズムは、超音波信号の位相のその優位成分への分解と、振動位相の試験とに基づくこともできる。代替として、直交復調超音波データを使用する代わりに、位相は、１対のＲＦ超音波データの間の時間遅延を推定することによって、ＲＦ超音波データから推定されることもできる。

最初に、従来の自己相関法を使用して推定される平均クラッタ速度を用いて２Ｄ超音波データのアンサンブルをダウンミックスすることによって、線形時間変化運動が抑制される。その後、２Ｄ超音波データのアンサンブルの位相が計算され、固定エコーの影響を抑制するために平均位相が減算される。その後、残差位相が、主要成分分析に類似する方法を使用して、優位成分に分解される。分解の第１のステップは、修正された共分散法（Ｍａｒｐｌｅ、１９８７年）を使用した、残差位相の相関行列の推定を含む。その後、相関行列の反復的ＱＲ分解を使用して、近似固有分解が実行されることができる。ｋ回目の反復の後、上三角行列Ｒ_kの対角要素によって、近似固有値λ_iが推定されることができる。固有ベクトルは、固有値が減少する順序に配列される。固有値は、対応する固有ベクトルによって寄与を受ける信号エネルギーの尺度である。したがって、ｐ個の優位成分に含まれる全信号エネルギーの一部分は、

を使用して推定されることができる。したがって、雑音および血流は、閾値基準Ｅ_p＞Ｅ_thresholdを超過したＥ_pの値を利用するだけで、抑制されることができる。クラッタ運動から組織振動をさらに分離するため、組織振動はクラッタ運動に比べてより高い周波数を有するという事実が利用される。その場合、振動は、周波数閾値基準

を使用してクラッタから分離されることができ、ここで、Ｆ_thresholdは、振動の１周期の半分の少なくとも一方がアンサンブルに含まれるように選択される。振動周波数および振幅は、式（１０）を使用して推定されることができる。このアルゴリズムのステップは、図３Ｃに関して、以下でより詳細に説明される。この例示的なアルゴリズムは、内出血に関連する振動を映像化するために開発されたが、詳細に説明されたように、狭窄血管に関連する振動を映像化する際にも有効であることが示された。

フローチャート９０は、第３のアルゴリズムの論理ステップを示している。やはり、直交アンサンブルデータ５２から始まり、ステップ５３は、心拍動、拍動性血管壁運動、および呼吸に起因する低周波数クラッタを抑制する。一実施形態では、このステップは、自己相関法を使用して推定される平均クラッタ速度を用いてダウンミックスするステップを含むことができる。別の実施形態では、低周波数運動は、フィルタリングによって抑制されることができる。また別の実施形態では、主要運動成分を分析することによって低周波数組織振動の推定を形成するために、周囲組織の運動が使用されることができる。

ステップ９４は、直交アンサンブルまたはカラーフローデータのアンラップ位相（ｕｎｗｒａｐｐｅｄ ｐｈａｓｅ）を計算し、その後、アンラップ位相から平均クラッタ速度を減算して、残差位相を生成することを提供する。上で説明されたように、直交復調データから位相を決定する代わりに、位相は、１対のＲＦ超音波データの間の時間遅延を推定することによって、ＲＦ超音波データから決定されることもできる。ステップ９６は、残差位相を使用して、相関行列を推定し、その後、相関行列は、ステップ９８で、ＱＲ分解を実行するために使用され、上で述べられたように、式（１０）を使用して決定される、固有値推定１００、固有ベクトル推定１０２、ならびに振動振幅および周波数推定１０４を生成する。判断ステップ１０６は、固有値推定を使用して、ｐ個の優位成分に含まれる全エネルギーが事前定義された閾値Ｔよりも大きいかどうかを決定する。そのような場合、判断ステップ１０６は、大きくない場合は０を返し、大きい場合は１を返す。同様に、判断ステップ１０８は、推定固有ベクトルが事前定義された閾値Ｆよりも大きい周波数をもつかどうかを決定する。もつ場合、判断ステップ１０８は、１を返し、もたない場合は０を返す。その後、判断ステップ１０６および１０８の結果、ならびに優位成分の推定振動振幅および周波数が、乗算器１１０によって一緒に掛け合わされ、その結果、判断ブロックのどちらかが０を返した場合、結果はヌルであり、どちらも０を返さなかった場合、ステップ１０４からの推定振動振幅および周波数が返される。やはり、メジアンフィルタ７０が、推定振幅および周波数に適用され、狭窄の部位を示す振動イメージとしてステップ７２で表示されるフィルタリングされた結果を提供する。

狭窄を映像化および分析するために上で説明されたアルゴリズムを使用する
図４は、超音波を使用して動脈狭窄の位置を特定し、定量化することに含まれる論理ステップを示すフローチャート１２０を示している。手順は、カラードプラ超音波を使用して血管が映像化されるステップ１２２から始まる。ステップ１２４で、ブリュイの血管周囲のアーチファクトが可視になるまで、パルス繰り返し周波数（ＰＲＦ）が調整される。ステップ１２６で、概括的に上で説明されたように、振動振幅イメージがリアルタイムに生成される。ステップ１２８で、２Ｄ振動イメージにおけるブリュイの位置が識別される。ステップ１３０で、ドプラサンプルボリュームが、最大振動振幅に最も近いブリュイに配置される。ステップ１３２で、パルス波ドプラデータから（やはり上で説明された技法を使用して）、振動スペクトルが生成される。ステップ１３４で、振動スペクトルの「折点」周波数が示され、ステップ１３６で、狭窄が定量化される。

検出可能な振動振幅および周波数
身体ファントムモデル（ｐｈｙｓｉｃａｌ ｐｈａｎｔｏｍ ｍｏｄｅｌ）を使用した実験において、約１μｍのピーク振幅を有する組織振動が正確に検出された。最小検出可能振動振幅は、受信超音波エコーの位相の雑音レベルおよびダイナミックレンジに依存する。最新の超音波機械では、位相は、（１６ビット直交復調データの場合）９６ｄＢまたはそれ以上のダイナミックレンジを有することができ、信号は一般に、８０ｄＢまたはそれ以上、電子的および熱雑音レベルを超過する。したがって、式（４）から、５０ｎｍほどの小ささの振動は、理論的には、５ＭＨｚの超音波トランスデューサを使用して検出されることができる。実際には、超音波信号の減衰が、ダイナミックレンジを減少させ、深部組織における最小検出可能振幅を約０．５μｍに制限する。

検出可能な振動周波数は、ＰＲＦの選択に、すなわち、Ｆ_PRFに依存する。振動周波数に比べて低すぎるＰＲＦは、エイリアシングをもたらし、高すぎるＰＲＦを選択すると、低周波数振動を検出することに失敗する。振動は、アンサンブルに対応する時間窓内で１振動サイクルの少なくとも半分が捕捉された場合にだけ検出されることができる。したがって、アンサンブルサイズがＥの場合、

と

の間の周波数を有するすべての振動は、理論的には、エイリアシングなしに検出されることができる。振動は広帯域であることができるので、低ＰＲＦ値でインタロゲート（ｉｎｔｅｒｒｏｇａｔｅ）された高周波数振動は、このアルゴリズムを使用した場合、雑音と間違われることがあり得る。したがって、より良い感度のため、振動の数周期だけがアンサンブルに含まれるように、ＰＲＦおよびアンサンブルサイズを選択するのが望ましい。したがって、最大検出可能周波数は、振動のｋ周期がアンサンブルに含まれる場合、

である。実施されたシミュレーションおよびファントム実験は、インタロゲーション期間（ｉｎｔｅｒｒｏｇａｔｉｏｎ ｐｅｒｉｏｄ）の間に２分の１から６振動周期を使用するだけで、信頼性の高い検出が実行され得ることを示している。例えば、１ｋＨｚのＰＲＦおよび１６周期／パルスのアンサンブルサイズを用いると、３１．３Ｈｚと３７５Ｈｚの間の周波数の振動は、高い信頼性で検出されることができる。

残存管腔直径の定量化
組織振動は血流の渦によって生み出されるので、組織振動の周波数は、渦の周波数と同じである。振動の周波数スペクトルは、乱流ジェットの有効直径に依存し、したがって、ブリュイのスペクトルは、狭窄の重症度に関連する。ブリュイのスペクトルは、それを超えると周波数の上昇に伴いエネルギーが急速に低下するピーク周波数を示す。ストローハル数（Ｓ）は、乱流変動の折点周波数（ｆ_vib）を、

に従って、乱流の長さスケール（狭窄における残存管腔直径（Ｄ）および妨害のない血管における平均下流血流速度）に関係付ける。

大多数の個人で、頚動脈血流速度とストローハル数の積は、折点周波数において約５００ｍｍ／ｓと比較的一定であり続けることが、頚動脈狭窄において経験的に観測された。したがって、単純な関係が、折点周波数と残存管腔直径との間に存在する。

頚動脈以外の動脈では、血流速度は、パルス波ドプラを使用して推定されることができる。その場合、ストローハル数が値１で一定であり続けることを仮定して、狭窄における残存管腔直径を定量化するために、折点周波数が使用されることができる。

さらに、振動の振幅を直接測定する能力は、狭窄が等級分けされることを可能にする。渦におけるエネルギー（Ｅ）と、したがって、組織振動の振幅（ａ_vib）とは、以下のように、流量と直接的に比例する。

これまで、ブリュイを分析する（聴診、血管音検査法、および心音図検査法など）その他の技法は、狭窄に関連する壁振動の振幅を直接的に測定することができなかった。振動の振幅を直接的に測定する能力は、音響パワー、（例えば、冠動脈における）圧力降下、およびフローパワー散逸など、狭窄および対応する振動に関連するその他のパラメータの定量化を可能にする。そのような技法を使用して狭窄血管から集められた経験的データは、血行力学的に重大な狭窄を表す狭窄特徴を識別するために分析されることができる。３Ｄ超音波イメージングが狭窄の正確な位置特定を提供することを容易にすることも理解されたい。例えば、そのようなイメージングは、３つの主要な冠動脈のどれに狭窄が関連付けられるかを決定することを容易にする。

アーチファクト源
カラーフローデータ獲得では、各走査線に沿ったインタロゲーションは、短い期間だけ実行される。振動は、典型的には１０ｍｓ〜１００ｍｓの持続期間を有する一時的なものである。したがって、いくつかの振動がインタロゲートされない可能性が存在する。振動は一般に、相対的に大きな空間的広がりを有し、心臓周期毎に繰り返されるので、振動がまったく見落とされる可能性は低いが、イメージにおいて可視の振動の空間的広がりは、本当の空間的広がりの一部に過ぎないこともある。ＰＲＦおよび対象領域を適切に選択することによって、そのような不一致は最小化されることができる。

その他のアーチファクトが、振動として誤検出されることもある。トランスデューサ運動は、クラッタスペクトルに追加的な周波数ピークを導入することがあり、誤検出を引き起こすことがあるが、訓練された超音波検査士を使用して走査を実行することで、これらの誤検出を最小化することができる。超音波検査士の緊張した骨格筋の振動および周囲の振動も、振動イメージ内で検出されることがある。加えて、高解像度スペクトル推定法は、振動として誤検出され得るスプリアスピークを生み出すことがある。そのようなアーチファクトは、解剖学的構造と相互関連があり、心臓周期毎に周期的であることが予想される、病気に起因する振動から容易に区別されることができる。これらのアーチファクトは、追加的な時間サンプルが利用可能である場合にも、回避されることができる。したがって、振動イメージ内に表示される振動は、ピーク強度の位置にドプラサンプルボリュームを配置することによって、振動スペクトルを用いて確認されるべきである。

モデリングから導き出されたアルゴリズムの比較
振動を検出する提案されたアルゴリズムの能力は、シミュレーションモデルを使用して評価された。シミュレーションは、ＭＵＳＩＣおよびＥＳＰＲＩＴなどの部分空間ベースのアルゴリズムが、クラッタおよび血流の存在下で狭帯域振動を検出するための高い感度（９６％）および特定性（９８％）を有し、広帯域振動が存在するときでさえも堅牢であることを示している。狭帯域振動の場合、自己回帰モデルに基づいたアルゴリズムは、僅かに改善された特定性（９９％）、同程度の感度を有し、広帯域振動に対しても堅牢である。位相分解ベースのアルゴリズムは、僅かに低い感度（９３％）および特定性（９８％）を有するが、広帯域振動に対してより堅牢である。

提案されたアルゴリズムの計算必要量が、以下の表２に示されている。部分空間ベースのアルゴリズム（ＭＵＳＩＣ／ＥＳＰＲＩＴ）は、モデル次数（ｍｏｄｅｌ ｏｒｄｅｒ）の選択に大きく依存する計算必要量を有する。これらのアルゴリズムでは、固有分解が、最も計算集約的なタスクである。自己回帰ベースのアルゴリズムは、計算集約度がより低く、計算必要量は、モデル次数により小さく依存する。この場合、スペクトル推定のためのＦＦＴの計算が、最も計算集約的なタスクである。位相分解法は、実信号の演算を含むだけなので、最も計算集約度が低い。したがって、位相分解アルゴリズムは、リアルタイム実施用に最も適している。

改善された組織運動スペクトルのための２Ｄフーリエ変換処理
図５Ａは、エコーの原因である散乱体が２０ｍｍ／ｓの一定速度で動いている場合の、シミュレートされた受信超音波エコーの、２Ｄフーリエ（２Ｄ ＦＦＴ）スペクトルおよび従来のドプラスペクトルの両方をグラフによって示しており、ドプラスペクトルは、縦軸の左側に配置され、２Ｄ ＦＦＴスペクトルは、縦軸の右側に配置されている。ここに表された散乱体の運動は、超音波ビームの方向に軸が沿っている。受信パルスのスペクトルが、原点を通過する傾いた直線上にあることに留意されたい。

（縦軸の左側の）ドプラスペクトルのピークは、直線２１によって示されるように、

のドプラシフトに対応する。

図５Ｂは、エコーの原因である散乱体が２０ｍｍ／ｓの一定速度で動いており、３００Ｈｚの周波数、５μｍの振幅で振動もしている場合の、シミュレートされた受信超音波エコーの、２Ｄフーリエ（２Ｄ ＦＦＴ）スペクトルおよび従来のドプラスペクトルの両方をグラフによって示しており、ドプラスペクトルは、縦軸の左側に配置され、２Ｄ ＦＦＴスペクトルは、縦軸の右側に配置されている。式（８）から、振動の存在が、受信信号のベッセル変調（Ｂｅｓｓｅｌ ｍｏｄｕｌａｔｉｏｎ）を引き起こし、それが、図５Ａに示されたスペクトルの複数のコピーを、原点を通過する直線に平行であり、互いにｆ_vibだけずれた直線上に生成する。従来のドプラスペクトル（すなわち、図５Ｂに縦軸の左側）は、（直線２３によって示される）１２９＋３００＝４２９Ｈｚおよび（矢印２５によって示される）１２９−３００＝−１７１Ｈｚの周波数において、それぞれ対応するピークを示している。

シミュレートされた受信エコーのこの２Ｄスペクトル構成から、いくつかの洞察を得ることができる。第１の知見は、ドプラスペクトルのスペクトル拡散は、ドプラシフトに依存することである。この点は、図６Ａにグラフによって示された、２００ｍｍ／ｓの高い散乱体速度の場合の２Ｄ ＦＦＴからさらに理解されることができ、図６Ａは、エコーの原因である散乱体が２００ｍｍ／ｓの一定速度で動いており、３００Ｈｚの周波数、５μｍの振幅で振動もしている場合の、（送信超音波信号の中心周波数が５ＭＨｚである）受信超音波エコーの、２Ｄ ＦＦＴスペクトルおよび従来のドプラスペクトルの両方を含む。この場合、ドプラスペクトルは、縦軸の左側に配置され、２Ｄ ＦＦＴスペクトルは、縦軸の右側に配置されている。この例の場合、２Ｄ ＦＦＴスペクトルには平行な高調波帯が見えるが、ドプラスペクトルの大きな拡散は、振動パターンをほとんど完全に不鮮明にしている。図６Ｂは、２ＭＨｚのより低い超音波中心周波数がインタロゲーションのために（すなわち、受信超音波エコーの２Ｄ ＦＦＴスペクトルおよび従来のドプラスペクトルの両方のために）使用され、エコーの原因である散乱体が２００ｍｍ／ｓの一定速度で動いており、３００Ｈｚの周波数、５μｍの振幅で振動もしている場合の、同じ状況を示している。ドプラスペクトルは、縦軸の左側に配置され、２Ｄ ＦＦＴスペクトルは、縦軸の右側に配置されている。図６Ｂの２ＭＨｚ超音波周波数のドプラシフトはより低いので、図６Ｂのドプラスペクトルの拡散は、図６Ａのドプラスペクトルの拡散に比べて減じられ、対称的な振動シグニチャが部分的に見えることに留意されたい。したがって、心臓壁などの素早く動く組織の振動を分析する場合、インタロゲーション超音波の送信パルス用により低い周波数が選択されるべきである。

別の洞察は、組織加速が２Ｄ ＦＦＴスペクトルの広がりを引き起こすことの認識に関する。心臓組織では、加速は、０〜１０ｍ／ｓ²の範囲にわたることがあり得る。図７Ａは、インタロゲーション窓内で１０ｍｍ／ｓから３０ｍｍ／ｓに（すなわち、５ｍ／ｓ²の加速で）加速する散乱体のグループからの、シミュレートされた受信超音波エコーの、２Ｄフーリエ（２Ｄ ＦＦＴ）スペクトルおよび従来のドプラスペクトルの両方をグラフによって示しており、ドプラスペクトルは、縦軸の左側に配置され、２Ｄ ＦＦＴスペクトルは、縦軸の右側に配置されている。従来のドプラスペクトル（すなわち、縦軸の左側のスペクトル）は、２ＭＨｚの送信パルスを用いてさえも、著しいスペクトルの広がりを示している。さらに、図７Ｂは、散乱体が３００Ｈｚの周波数、５μｍの振幅で振動もしている場合の、インタロゲーション窓内で１０ｍｍ／ｓから３０ｍｍ／ｓに（すなわち、５ｍ／ｓ²の加速で）加速する散乱体のグループからの、シミュレートされた受信超音波エコーの、２Ｄ ＦＦＴスペクトルおよび従来のドプラスペクトルの両方をグラフによって示しており、ドプラスペクトルは、縦軸の左側に配置され、２Ｄ ＦＦＴスペクトルは、縦軸の右側に配置されている。図７Ｂは、加速している組織に振動が存在するとき、高い加速は振動スペクトルを著しく不鮮明にすることができることを示している。したがって、組織加速の影響を抑制するために、受信超音波データを前処理することが重要である。

式（５）で記述される受信超音波信号の位相は、主として変位の軸成分によって影響される。組織が完全に同質である場合、位相は、軸方向に直交する運動に対しては変化を受けずにいる。しかし、多くの組織の非同質性のため、運動の横成分および高さ成分に対しても、受信信号の位相および振幅に変化が存在する。したがって、軸をはずれた運動成分さえも、受信信号に影響を与える。横速度成分の存在は、横速度成分の大きさに比例するスペクトルの広がりを生じさせる。横振動成分は、同様のスペクトルの広がりを引き起こす。特に、この広がりは、振動がビーム軸に直交する方向で生じる場合であっても、振動を表す高調波ベッセル帯が依存としてドプラスペクトルに存在することを意味している。図８Ａは、エコーの原因である散乱体が２０ｍｍ／ｓの一定速度で動いており、散乱体運動が超音波ビームの軸に直交している場合の、シミュレートされた受信超音波エコーの、２Ｄ ＦＦＴスペクトルおよび従来のドプラスペクトルの両方をグラフによって示しており、ドプラスペクトルは、縦軸の左側に配置され、２Ｄ ＦＦＴスペクトルは、縦軸の右側に配置されている。ドプラスペクトルはドプラシフトを示しておらず、散乱体速度に比例する広がりを示していないことに留意されたい。図８Ｂは、エコーの原因である散乱体が２０ｍｍ／ｓの一定速度で動いており、散乱体運動が超音波ビームの軸に直交しており、散乱体が３００Ｈｚの周波数、５μｍの振幅で振動もしている場合の、シミュレートされた受信超音波エコーの、２Ｄ ＦＦＴスペクトルおよび従来のドプラスペクトルの両方をグラフによって示している。この図では、ドプラスペクトルは、縦軸の左側に配置され、２Ｄ ＦＦＴスペクトルは、縦軸の右側に配置されている。振動の高調波帯特性が、矢印２７によって示されるように、２９７Ｈｚの周波数において明瞭に見られることに留意されたい。したがって、ビーム軸に直交する振動を検出することが可能なばかりでなく、振動周波数を正確に推定することも可能である。振動のこの重要な特性は、移動血液の速度に関して、正確な速度推定が超音波ビームの向きに大きく依存する、従来のデュプレックス超音波にまさる著しい利点を提供する。

図５Ａ〜図７Ｂに示されたように、従来のドプラスペクトルは、ドプラシフトおよび組織加速に依存する大きなスペクトル分散を有することがあり得る。従来のドプラ処理における別のアーチファクトは、サンプルボリューム内の複数の散乱体からの散乱の強め合うおよび弱め合う干渉によって生み出されるランダム位相シフトが原因で生み出される粒状スペックルパターン（ｇｒａｎｕｌａｒ ｓｐｅｃｋｌｅ ｐａｔｔｅｒｎ）である。スペックルアーチファクトと大きな分散は、振動に関連する下に重なる高調波スペクトルシグニチャを覆い隠すことがあり得る。そのような影響は、心臓壁運動の場合など、組織運動と加速が大きい場合により顕著であり、それは、心臓壁の振動の分析に関する従来のドプラ処理の重要な限界である。

広帯域ドプラ推定技法は、従来のドプラスペクトル処理によって導入される特有のスペクトルの広がりを減じることができる。図７Ａおよび図７Ｂにおいて示されたように、スペクトル分散は、主として送信信号の帯域幅に起因する。広帯域推定技法は、送信信号の帯域幅を利用してドプラシフトを推定し、したがって、スペクトルの広がりを減じることができる。そのような帯域推定は、サンプルボリュームからの寄与が別個に分析されるので、スペックル雑音を減じることもできる。広帯域最尤推定法（ＷＭＬＥ：Ｗｉｄｅｂａｎｄ Ｍａｘｉｍｕｍ Ｌｉｋｅｌｉｈｏｏｄ Ｅｓｔｉｍａｔｏｒ）（例えば、非特許文献３参照）、広帯域相互相関推定法（ＷＣＣＥ：Ｗｉｄｅｂａｎｄ Ｃｒｏｓｓ−ｃｏｒｒｅｌａｔｉｏｎ Ｅｓｔｉｍａｔｏｒ）（例えば、非特許文献４参照）、および２Ｄ ＦＦＴ推定法（例えば、非特許文献５参照）など、いくつかの広帯域推定技法が提案されている。振動は２Ｄスペクトル内に固有のシグニチャを有するので、２Ｄフーリエ変換が特に興味深い。

血液速度を推定するため、ラドン変換が、２Ｄフーリエ変換領域における直線の傾きを推定するために提案された（例えば、非特許文献６参照）。速度拡散（ｖｅｌｏｃｉｔｙ ｓｐｒｅａｄ）は、ラドン変換におけるρ＝０軸（ρ−θ領域）を見ることによって得られることができる。現在の手法では、この方法は、狭窄血管周囲の組織における振動を識別するために適合される。図５Ａ〜図５Ｂに基づいて、ラドン変換領域は、正規化ドプラシフト

と周波数シフトｆ_vibの間のマッピングとして解釈されることができる。

図９Ａは、図５Ａの２Ｄ ＦＦＴスペクトルのラドン変換をグラフによって示している。正規化ドプラシフトの２．５９×１０^-5、周波数シフトの０において、ピークが見られる。図９Ｂは、図５Ｂの２Ｄ ＦＦＴスペクトルのラドン変換をグラフによって示している。２．５９×１０^-5におけるピークの複数のコピーを、異なる周波数シフトにおいて見ることができる。対応するドプラスペクトルは、ピークドプラシフトにおけるすべての周波数シフトに対応する強度をプロットすることによって、ラドン変換から引き出すことができる。図９Ｃおよび図９Ｄは、図９Ａおよび図９Ｂのラドン変換から計算された対応するドプラスペクトルをグラフによって示している。図５Ａおよび図５Ｂのドプラスペクトルと比べて、スペクトル拡散が著しく減じられている。振動ピークは、図９Ｄの矢印２９によって示されるように、±２７８Ｈｚの周波数（３００Ｈｚの実際値と比べて７．３％の誤差）において生じる。（矢印３１によって示される）組織運動ピークと第１の振動ピーク（矢印２９）の間の差は、４．９ｄＢであり、これは、推定された７．９μｍの振動振幅（５μｍの実際値と比べて５８％の誤差）に対応する。

代替の血液速度推定法は、送信帯域幅における周波数の全範囲に対応する適切にスケーリングされたドプラスペクトルを合成することによって、２Ｄ ＦＦＴスペクトルから導き出されることができる（例えば、非特許文献７参照）。この方法から推定された速度スペクトルは、

によって与えられる。ここで、ｆ₀は、中心周波数、ＢＷは、送信パルスの帯域幅、ｆ_RFおよびｆ_DOPは、それぞれ２Ｄ ＦＦＴ領域における空間周波数および時間周波数、Ｙ（ｆ_RF，ｆ_DOP）およびＹ₀（ｆ_RF）は、式（７）で定義されたフーリエ変換である。この推定は、「多周波推定（ｍｕｌｔｉｆｒｅｑｕｅｎｃｙ ｅｓｔｉｍａｔｅ）」と呼ばれる。多周波推定は、サンプルボリュームにわたる積分によって導入される大きな統計的変動が回避されるので、速度解像度を改善する。本発明の開示では、これらの技法は、狭窄血管周囲の組織における振動を識別するために適合される。１ＭＨｚの帯域幅を使用して図５Ａおよび図５Ｂから計算される多周波推定が、それぞれ図１０Ａおよび図１０Ｂに示されている。組織運動ピークは、（図１０Ａおよび図１０Ｂにおいて）矢印３３によって示されるように、１２５Ｈｚにあり、１２９Ｈｚの予想ドプラシフトとよく対応する。第１の振動ピークは、（図１０Ｂの矢印３５によって示されるように）それぞれ−１７２Ｈｚと４２２Ｈｚにあり、式（１３）によれば、２９７Ｈｚの推定振動周波数（３００Ｈｚの実際値と比べて１％の誤差）を生じさせる。低周波数ピークと第１の振動ピークの間の差は、６．５ｄＢであり、５．４８μｍの推定振動振幅（５μｍの実際値と比べて９．６％の誤差）に対応する。

上で示されたように、多周波推定は、ラドン変換と比べて、振動振幅および周波数のより正確な推定を提供する。ラドン変換推定は、平均組織運動によるドプラシフトについて自動的に補正を行うが、このドプラシフトは、多周波推定では保存される。多周波推定のスペクトル拡散は、ラドン変換推定のものと同じである。しかし、ラドン変換を計算する追加の計算負荷は、ラドン変換に基づいた推定を、多周波推定より望ましくないものにする。

シミュレーションモデルを使用した狭窄の超音波振動イメージングの妥当性検証
提案された狭窄振動検出アルゴリズムを評価するため、血管壁における振動のシミュレーションモデルが開発された。図１１Ａは、妥当性検証で使用されるシミュレーションモデル（すなわち、散乱体分布の３Ｄモデル）を概略的に示している。超音波シミュレータＦｉｅｌｄ ＩＩ（Ｊｅｎｓｅｎ、１９９６年）が、パルスエコー空間インパルス応答ｈ_pe（・）およびトランスデューサ時間応答ｘ₀（・）を計算するために使用された。散乱振幅α_sおよび平均位置ｒ→_sは、ガウス分布からランダムに割り当てられ、血管壁からの散乱強度は、血液からのものより４０ｄＢ高い。瞬間散乱体位置ν（ｒ→，ｔ）は、図１１Ｂにグラフによって示されているように、正常な人の大腿動脈の血管壁からのドプラ超音波信号の位相を使用して推定された。運動は、０．０８ｍｍのピーク変位をもち、血管壁に直交する方向に起こるものとして定義された。振動は、血管壁に直交する方向に運動し、０．５μｍのピーク振幅、１００Ｈｚの周波数をもつように、血管壁の１つの領域において発生させられた。振動を伴うクラッタ運動が、図１１Ｂのボックス１８０内にグラフによって示されている。振動ｄ_r ^vib（ｔ）は、異なる信号対雑音比（ＳＮＲ）において白色ガウス雑音を有するガウス加重シヌソイド（Ｇａｕｓｓｉａｎ−ｗｅｉｇｈｔｅｄ ｓｉｎｕｓｏｉｄ）として、以下のようにモデル化され、

ここで、ｔ_positionおよびｔ_durationは、心臓周期における振動の位置および持続時間、β_SNRは、白色ガウス雑音ｎ（ｔ）のＳＮＲである。ガウス雑音の追加は、血流の渦および乱流によって生み出されると予想される広帯域振動をシミュレートする。振動周波数は１００Ｈｚであり、β_SNRは０から２まで変化させられた。

血液からの信号は、主要なアルゴリズムの両方で雑音スペクトルの一部であると見なされた。血流からの信号が振動として誤検出されないことをさらに検証するため、血流も、図１１Ａの妥当性検証モデルでシミュレートされた。血液に対応する散乱体の運動は、Ｊｅｎｓｅｎによって提案された人の大腿動脈における血流モデル（１９９６年）を使用して生成された。モデルに導入された血流は、５０ｃｍ／ｓのピーク速度を有する放物線である。シミュレートされた血流の時間変化する速度特徴が、図１１Ｃのグラフによって示されている。

Ｆｉｅｌｄ ＩＩシミュレーションパラメータは、上で表１において言及された。得られたシミュレート無線周波（ＲＦ）ラインは、同相（Ｉ）および直交（Ｑ）データを得るために復調され、これらは、原カラーフローデータを得るためにデシメーションされた。感度および特定性を測定するため、振動検出性能が異なる閾値を用いて評価された。位相分解アルゴリズムの場合、Ｅ_thresholdは、信号が振動として見なされるための、優位成分におけるエネルギーの％を示す。ｒｏｏｔ−ＭＵＳＩＣベースのアルゴリズム（すなわち、雑音における複素指数の推定に基づいたアルゴリズム）の場合、Ｆ_thresholdは、複素指数のマッチングペアの周波数の最大差を表す。シミュレーションは、異なる閾値および異なるモデル次数を用いて実行され、検出器性能を評価するために、受信器動作特性（ＲＯＣ：ｒｅｃｅｉｖｅｒ−ｏｐｅｒａｔｉｎｇ ｃｈａｒａｃｔｅｒｉｓｔｉｃ）曲線が生成された。その後、ＲＯＣ曲線は、適切な閾値設定およびモデル次数を選択するためのガイドラインとして使用されることができる。位相分解アルゴリズムの場合、ｐ次モデルは、Ｅをアンサンブルサイズとして、２≦ｐ＜Ｅ／２である、２（ｐ＋１）×２（ｐ＋１）型の相関行列をもった。２つの優位成分が、振動検出のために考察された。ｒｏｏｔ−ＭＵＳＩＣアルゴリズムの場合、モデル次数ｐは、指数のマッチングペアの検出を可能にするため、３≦ｐ＜Ｅ／２であるように選択され、推定相関行列サイズは、２ｐ×２ｐであった（例えば、非特許文献２参照）。

図１２Ａは、黒緑カラーマップを使用してＢモードイメージ上にオーバーレイされた振動振幅イメージである。カラーマップは、推定振幅の値に従って較正されている。提案されたアルゴリズムを定量的に評価するため、（図１２Ｂにグラフによって示された）２つのマスクが生成され、Ｖは、振動がシミュレートされた領域に対応し、ＮＶは、振動が存在しない領域に対応する。散乱体は時間変化運動を有するので、振動する散乱体が領域ＮＶに存在しないことを保証するように、マスクは適切に空間的に生成される。領域Ｖにおいて振動として正しく検出されたピクセルのパーセンテージが、真陽性としてカウントされ、領域ＮＶにおいて振動として検出されたピクセルのパーセンテージが、偽陽性としてカウントされる。

異なるモデル次数を使用する、上で説明された２つの主要なアルゴリズム（位相分解アルゴリズムおよび雑音における複素指数の推定に基づいたアルゴリズム）に関する感度、特定性、およびＲＯＣ曲線が、図１３Ａ〜図１３Ｆにグラフによって示されている。図１３Ａは、図３Ａに示された位相分解アルゴリズムの場合、閾値がより大きくなると、より多くの真の振動が拒絶されるので、すべてのモデル次数について、閾値が大きくなるにつれて感度が低下することが示されている。相関行列がより小さいので、より低いモデル次数がより高い感度を有し、したがって、限られた数の時間サンプルを使用して、より良い推定が得られることができる。

図１３Ｂは、特定性は、すべてのモデル次数について、非常に類似しており、より大きな閾値はより良い雑音拒絶をもたらすので、閾値が大きくなるにつれて上昇することが示されている。より細かい調査の結果、大多数の誤検出は、血流速度が低く、クラッタ対血液信号比（ｃｌｕｔｔｅｒ−ｔｏ−ｂｌｏｏｄ ｓｉｇｎａｌ ｒａｔｉｏ）が高いときに生じることが決定された。そのような場合、血液からのＩ−Ｑドプラ信号は、振幅の小さい組織振動のものとほとんど区別がつかないことがあり得る。異なるモデル次数についてのＲＯＣ曲線が、図１３Ｃにグラフによって示されており、９６％の感度および９８％の特定性が２次のモデルを用いて達成され得ることが示されている。適切な閾値を選択するため、動作点がＲＯＣ曲線において選択される。その後、対応する閾値が、図１３Ａまたは図１３Ｂから見出されることができる。

図１３Ｄは、図３Ａに示されたｒｏｏｔ−ＭＵＳＩＣベースのアルゴリズムの場合、周波数閾値が大きくなると、より多くの真の振動が検出され得るので、すべてのモデル次数について、周波数閾値が大きくなるにつれて感度が上昇することが示されている。

図１３Ｅは、周波数閾値が大きくなると、より多くの誤検出が生じるので、閾値が大きくなるにつれて特定性が低下することが示されている。４次のモデルは、クラッタ空間のより良いモデリングのため、僅かにより良い感度および特定性を有する。

ｒｏｏｔ−ＭＵＳＩＣベースのアルゴリズムのＲＯＣ曲線が、図１３Ｆにグラフによって示されている。３次のアルゴリズムの場合、９７％の感度および９８％の特定性が達成可能であり、４次のアルゴリズムの場合、９９％の特定性で、感度は９８％に高められることができる。

振動帯域幅の増大に伴う感度の変化が、図１４にグラフによって示されており、（線２００によって示される）図３Ｃの位相分解アルゴリズムと（線２０２によって示される）図３Ａのｒｏｏｔ−ＭＵＳＩＣアルゴリズムの両方が、振動が狭帯域であるとき（β_SNR＝０）は、同じくらいの感度を達成し得ることを示している。振動の帯域幅が増大すると、ｒｏｏｔ−ＭＵＳＩＣアルゴリズム（線２０２）の場合、狭い帯域幅を有する複素指数として振動をモデル化することに基づいているので、感度が低下する。他方、位相分解アルゴリズム（線２００）は、振動の帯域幅特性について事前仮定を作らないので、振動の帯域幅に対してより堅牢である。

組織振動イメージングシステム
組織振動イメージングが臨床的に役に立つためには、振動のリアルタイム視覚化が非常に望ましい。Ｂ、Ｍ、カラーフロー、およびドプラなどすべての従来の処理モードをサポートするために高性能マルチメディアプロセッサを使用する、プログラム可能な超音波信号およびイメージ処理システムが、ソフトウェアで利用可能である。プログラム可能なシステムの主な強みは、新しいハードウェアを必要としない、または従来の超音波機械にハードウェア変更を施さない、新しいモードおよびアプリケーションの開発が容易なことである。そのようなプログラム可能な超音波機械は、内部の原カラーフローおよびパルス波（ＰＷ）ドプラ直交データへのアクセスおよび処理を可能にし、リアルタイムで組織振動イメージングのための上で述べた位相分解アルゴリズムの実施を容易にする。

位相分解アルゴリズムは、２Ｄ超音波走査中の振動のオンライン視覚化のための、ソフトウェアプログラム可能な超音波システムで、すでに経験的に試験されている。現在、組織振動イメージングは、アンサンブルサイズが走査線当たり１０および２５６サンプルで、３２走査線の場合、９．１フレーム／秒で達成されることができる。超音波機械の計算能力は、プロセッサ技術の進歩から恩恵を受けて、近年著しく増大しており、この傾向は、将来も続くと予想される。マルチメディアアプリケーションを対象に据えた多くの最新プロセッサは、計算オーバーヘッドが実数の乗算および加算と同じである複素数の乗算および加算を実行することができる専用命令を有する。そのようなプロセッサを使用して、本明細書で開示されたアルゴリズムをサポートするための計算負荷は、３分の１または４分の１に引き下げられることができる。したがって、本明細書で開示された組織振動イメージングアルゴリズムの追加計算負荷は、最新の超音波機械で無理なくサポートされることができる。

実験的妥当性検証
図１５は、上記で開示される振動イメージングアルゴリズムを確認するために使用される、身体ファントム（すなわち、振動プレート）を含む試験システムを概略的に示している。圧電プレート１８１が、壁１８３およびプラスチック基台１８１を含む試験用の管に組み込まれる。圧電プレートは、機能発生器１９４に論理的に結合される。試験用の管は、水１８４で満たされる。（超音波機械１９０に論理的に結合される）超音波プローブ１９０と、（発振器１９２に論理的に結合される）光ファイバマイクロメータ１８８が、機能発生器１９４からのシヌソイド信号を使用して１００Ｈｚと８００Ｈｚの間の周波数で振動させられる圧電プレートに近づけて、水槽（すなわち、水で満たされた試験用の管）内に配置された。振動プレートの振幅が、１から７μｍのピークプレート変位に対応する異なる駆動電圧について、光ファイバマイクロメータ１８８を使用して較正された。その後、圧電プレート１８１が、５ＭＨｚの線形トランスデューサおよび異なるＰＲＦでアンサンブルサイズ１０を有する、プログラム可能な超音波システムを使用して映像化された。プレートの位置も、光ファイバマイクロメータを使用して測定され、超音波を使用して得られたデータと行われる比較を可能にした。

図１６Ａは、プレートファントム（すなわち、図１８）の振動振幅イメージであり、図１６Ｂは、プレートファントムの振動周波数イメージであり、振動が圧電プレートの位置として正しく検出されたことを示している。プレートの縁は基台に取り付けられるので、最大振動振幅はプレートの中央で生じ、縁では変位が０であることが予想され、それはまさに、図１６Ａに示されることに対応する。プレートの中央における推定振動周波数は、４５０と５００Ｈｚの間である。ＭＵＳＩＣ擬似スペクトルが、図１６Ｃに示されており、ゼロ周波数ピークが、定常エコーに対応することを示している。顕著な両側ピークが±５００Ｈｚにおいて観察され、プレートの振動周波数に対応する。

図１７Ａは、圧電プレートを変位させるために使用される異なる駆動電圧について、超音波によって推定された振動振幅（ｙ軸）対図１５の光ファイバマイクロメータを使用して独立に測定された値（ｘ軸）をグラフによって示している。振幅および周波数は、式（８）および式（９）で定義された推定法を使用して推定された。光ファイバ振幅測定は、プレートの中央で行われた。図１７Ｂは、超音波によって推定された周波数（ｙ軸）対機能発生器周波数（ｘ軸）をグラフによって示している。両方のプロットに、１単位の傾きを有する実線２０４が示されている。推定値と測定値の間の差が、振幅については図１７Ｃに、周波数については図１７Ｄに、対応する測定値に対してプロットされている。図から理解されるように、検出値と測定値の間の最大差は、両方の推定法とも、振幅では１μｍ、周波数では５０Ｈｚより小さい。振幅における差のいくつかは、光ファイバ測定が行われたプレートの位置のばらつきに帰せられることができる。

狭窄によって引き起こされた壁振動を視覚化し、振動スペクトルを推定する能力を検証するため、脈動流ファントム（ｐｕｌｓａｔｉｌｅ ｆｌｏｗ ｐｈａｎｔｏｍ）を使用して研究が実行された。実験は、生体外の子ヒツジの動脈で実行された。図１８は、オシロスコープ１４２および光ファイバマイクロメータ１４８と論理的に結合されたコンピュータベースのコントローラ１４０と、ドプラ対応超音波イメージング機械１４２と、イメージングプローブ１４６とを含む、実験構成を概略的に示している。光ファイバマイクロメータ１４８およびイメージングプローブ１４６は、水槽内に配置された生体内動脈サンプル１５０の近くに位置付けられる。人の動脈流を模倣した脈動流が、脈動ポンプ１５４を使用して、動脈サンプルを通るように生み出される。脈動ポンプ１５４（フロリダ州プンタゴルダのＰｕｌｓａｆｅｅｄｅｒ Ｉｎｃから入手可能なＰｕｌｓａｔｒｏｎ（登録商標）ポンプ）の出力は、ダンピングカラム（ｄａｍｐｉｎｇ ｃｏｌｕｍｎ）１５６を通して、生体内動脈サンプルに接続される。ダンピングカラム内の液体の高さの調整が、全体的なフローインピーダンスを制御し、それによって、動脈内のドプラフロー特徴を、図１９に示されるように、人の動脈流のものと同様に視覚的に出現させることができる。

時間変化する壁変位が、超音波および光ファイバマイクロメータを使用して測定される。マイクロメータの出力は、オシロスコープを使用してデジタル化され、そのデータが、コンピュータベースのコントローラを使用して獲得される。原超音波データは、超音波機械の内部でデジタル的に獲得される。その後、両方の方法を使用して決定された壁変位のパワースペクトルが比較されることができる。動脈の一部分を部分的に結紮して有効管腔直径を小さくすることによって、狭窄がシミュレートされる。その後、パワースペクトル測定が、超音波および光ファイバ方法の両方を使用して繰り返される。

図２０Ａおよび図２０Ｂは、シミュレート狭窄をもつ２つの異なる生体外動脈からの振動振幅イメージである。図２０Ａでは、３０％の狭窄が、３．４ｍｍ直径の動脈でシミュレートされている。壁振動は、約４動脈直径だけ離れた下流で生じる。図２０Ｂでは、４２％の狭窄が、３．１ｍｍ直径の動脈でシミュレートされており、壁振動は、より近い約３直径だけ下流で生じる。図２０Ａおよび図２０Ｂは、上で説明された技法を使用して、動脈壁振動の位置（したがって、狭窄の位置）の明確な映像化が可能であることを示している。各イメージにおいて、狭窄部位は実線矢印１４１で示され、破線矢印１４３はフローの方向を示す。各イメージにおける対象領域は、ボックス１４５によって示される。

図２１は、ピークフロー加速中の、矢印１４７によって示される、超音波を使用して決定された平均振動スペクトルと、矢印１４９によって示される、光ファイバマイクロメータ（上で説明された図１８を参照）を使用して決定された平均振動スペクトルをグラフによって示している。垂直軸は標準偏差を表す。両方のスペクトルとも同様の形状を有し、それを超えるとエネルギーが急速に降下する折点周波数が観察されることができる。この結果は、超音波を使用して壁振動スペクトルを評価することが可能であることを示している。

人のバイパス静脈移植片における生体内振動
生体内の病的組織振動の特性を研究するため、大腿動脈に狭窄バイパス静脈移植片（ｂｙｐａｓｓ ｖｅｉｎ ｇｒａｆｔ）を有する患者からデータが収集された。プログラム可能な超音波機械が、リアルタイムイメージングおよびデータ収集のために使用され、５ＭＨｚの線形プローブが、カラーフローモードにおいては５００ＨｚのＰＲＦ、１０パルスのアンサンブルサイズで、ＰＷドプラモードにおいては４〜８ｋＨｚのＰＲＦで、イメージングおよびデータ収集のために使用された。

図３Ａに関して上で説明された（好ましくはＥＳＰＲＩＴ法を利用する）振動イメージングアルゴリズムが、オハイオ州ツインバーグのＨｉｔａｃｈｉ Ｍｅｄｉｃａｌ Ｓｙｓｔｅｍｓ Ａｍｅｒｉｃａによって製造されるプログラム可能な超音波機械Ｈｉｔａｃｈｉ ＨｉＶｉｓｉｏｎ ５５００（登録商標）で実施された。この機械上でのすべての信号およびイメージ処理は、ソフトウェアによって実行され、したがって、新しいアルゴリズムを容易に組み込むための柔軟性を提供する。上で開示されたアルゴリズムを使用するようにプログラムされたこのシステムは、振動がリアルタイムに視覚化されることを可能にし、生体内手続き中に上で説明された技法の評価を容易にする。

データは、可聴ブリュイを有する、狭窄バイパス静脈移植片を有する患者から収集された。静脈移植片は最初に、カラードプラ超音波を使用して視覚化された。ブリュイの血管周囲アーチファクトが見えるまで、ＰＲＦが調整された。その後、振動振幅イメージがリアルタイムに生成された。ブリュイが２Ｄ振動イメージ内に見えるようになると、ドプラサンプルボリュームが、最大振動振幅をもつ位置に配置された。その後、振動スペクトルが、上で説明された技法（図３Ａを参照）を使用して、パルス波ドプラデータから生成された。振動スペクトル内に「折点」周波数が認められた。

図２３Ａは、狭窄静脈移植片のカラーパワーイメージであり、図２３Ｂは、同じ狭窄静脈移植片の振動振幅イメージであり、図２３Ｃは、同じ狭窄静脈移植片の振動周波数イメージである。矢印２０６は、狭窄の位置を示している。周囲血管アーチファクトは、矢印２０８によって示されるように、カラーパワーイメージ内に見ることができ、一方、振動振幅イメージは、矢印２１０によって示されるように、狭窄の下流のブリュイの発生源をはっきり示している。振動振幅は、血管壁の近くが最も高く、血管壁から遠ざかるにつれて減少する。

血管壁変位をより詳細に評価するため、距離ゲートがピーク振動振幅の位置に配置され、（概括的に図５に関して上で説明されたように）変位がドプラ信号の位相から推定された。血管壁の瞬間位置および対応するスペクトルが、時間の関数として図２４Ａおよび図２４Ｂに示されている。図２４Ａは、狭窄大腿静脈移植片からのパルス波ドプラデータの位相を使用して推定される、ボックス２１２に示される振動をもつ瞬間血管壁位置をグラフによって示している。図２４Ｂは、図２４Ａからの信号の運動ピリオドグラム（ｍｏｔｉｏｎ ｐｅｒｉｏｄｏｇｒａｍ）である。図２４Ｂの変位スペクトルは、最大２００Ｈｚの著しいエネルギーを示し、各心臓サイクルで繰り返される。

１．２５秒の時間における図２４Ｂのスペクトルの交差セクションが、図２４Ｃにグラフによって示されている。矢印２１４によって示されるように、ピークが９０Ｈｚの折点周波数において観測され、それを超えると、周波数が増大するのに伴い、エネルギーが減退する。図２４Ｄは、概括的に図３Ａに関して説明されたＭＵＳＩＣアルゴリズムを使用して、同じ位置においてカラーフローデータの１０アンサンブルだけから推定された擬似スペクトルをグラフによって示している。顕著なスペクトルピークが、矢印２１６によって示されるように、折点周波数において観測される。ＭＵＳＩＣ擬似スペクトルは完全なスペクトル特性を反映していないが、スペクトルピークを推定するために使用され得ることに留意されたい。このケーススタディは、血流の渦によって引き起こされた生体内組織振動は、短い時間記録だけを使用して検出され得ることを示しており、リアルタイム振動イメージングの実現可能性を例証している。

図２５Ａは、パルス波ドプラデータから推定された変位を使用して計算された正常大腿動脈からの壁変位スペクトルをグラフによって示している。スペクトルエネルギーは、数１０Ｈｚ内で急速に減退し、１００Ｈｚを超えるスペクトルエネルギーは、雑音レベルに匹敵する。図２５Ｂは、狭窄バイパス静脈移植片からのスペクトルをグラフによって示している。スペクトルエネルギーは、より緩やかに減退し、数１００Ｈｚにおいてさえも、相当なエネルギーが存在する。矢印１６０は、それを超えるとエネルギーが周波数の増大とともに減退する折点周波数を示す。図２５Ｃは、同じ患者の第２の狭窄からのスペクトルをグラフによって示している。スペクトルのピークが、矢印１６２によって示されるように、折点周波数において観測されることができる。スペクトルの全体的形状は、図２５Ｂのものと同様である。

図２５Ｄは、異なる患者の静脈移植片狭窄からのスペクトルをグラフによって示している。やはり、顕著なスペクトルピークが、矢印１６４によって示されるように、折点周波数において観測されることができる。

振動スペクトルのリアルタイム定量評価のため、スクロール表示技法が実施されることができ、水平軸は時間を表し、垂直軸は対数目盛で周波数を表し、ピクセル輝度は振動強度を表す。図２６Ａ〜図２６Ｄは、そのような時間変化する壁振動スペクトルをグラフによって示している。図２６Ａによって表される正常な大腿動脈では、４５Ｈｚを超えるスペクトルエネルギーは、雑音レベルに匹敵する。狭窄の場合、図２６Ｂ〜図２６Ｄにグラフによって示されるように、より高い周波数に相当なスペクトルエネルギーが存在する。３つの狭窄のすべてで（すなわち、図２６Ｂ〜図２６Ｄに示されるように）、振動はピーク収縮期壁運動の直後に生じる。折点周波数は、矢印１６６、１６８、および１７０によって示されるように、この時間変化する振動スペクトル表示から視覚的に決定されることができる。これらの折点周波数の自動検出も、リアルタイムに実行されることができる。

人の冠動脈における生体内振動
図２７Ａは、左前下行（ＬＡＤ：ｌｅｆｔ ａｎｔｅｒｉｏｒ ｄｅｓｃｅｎｄｉｎｇ）動脈および右冠動脈（ＲＣＡ：ｒｉｇｈｔ ｃｏｒｏｎａｒｙ ａｒｔｅｒｙ）に血管造影的に確認された冠動脈疾患を有する患者の心筋壁上に位置付けられた範囲から、上で説明された時間２Ｄ ＦＦＴ法を使用して計算されたドプラスペクトルである。距離ゲートが、ＲＣＡ付近に配置された。等容収縮（ＩＶＣ：ｉｓｏｖｏｌｕｍｅｔｒｉｃ ｃｏｎｔｒａｃｔｉｏｎ）、心室駆出（ＶＥ：ｖｅｎｔｒｉｃｕｌａｒ ｅｊｅｃｔｉｏｎ）、等容弛緩（ＩＶＲ：ｉｓｏｖｏｌｕｍｅｔｒｉｃ ｒｅｌａｘａｔｉｏｎ）、および心室充満（ＶＦ：ｖｅｎｔｒｉｃｕｌａｒ ｆｉｌｌｉｎｇ）に対応する心筋壁運動の４つのフェーズが示されている。高周波数の狭帯域振動を示す明らかな高調波スペクトルが、心室駆出フェーズの後半の部分に観察されることができる。振動は、連続的に減少する周波数を有し、斜めの帯として現れ、２つの連続する心臓周期内で繰り返される。対称的な両側ピークが、心室駆出フェーズ末期において観測される振動を表す。

図２７Ｂは、上で詳細に説明された自己相関法を使用して推定された、心室駆出中の壁速度の詳細な時間経過をグラフによって示している。速度は、ボックスに囲われた領域内に示された、振動を表す振動成分を示している。振動の持続時間は約８５ｍｓであり、振動は調和成分をもつように見える。

図２８Ａは、コーダルアンギュレーション（ｃａｕｄａｌ ａｎｇｕｌａｔｉｏｎ）を用いて左前斜位投影（ｌｅｆｔ ａｎｔｅｒｉｏｒ ｏｂｌｉｑｕｅ ｐｒｏｊｅｃｔｉｏｎ）において獲得された、図２７Ａおよび図２７Ｂで映像化された患者の右冠動脈の血管造影イメージである。近位ＲＣＡにおける瀰漫性２０％狭窄（ｄｉｆｆｕｓｅ ２０％ ｓｔｅｎｏｓｉｓ）、中位ＲＣＡにおける管状２０％狭窄（ｔｕｂｕｌａｒ ２０％ ｓｔｅｎｏｓｉｓ）、および遠位ＲＣＡにおける４０％狭窄が識別されることができる。

図２８Ｂは、図２７Ａ、図２７Ｂ、および図２８Ａの患者からの拡張期における心尖部二腔像（ａｐｉｃａｌ ｔｗｏ−ｃｈａｍｂｅｒ ｖｉｅｗ）にオーバーレイされた振動振幅イメージである。後側左心室壁の振動が、ＲＣＡの中位および遠位部分の近くに見られることができる。振動は、遠位ＲＣＡにおける２つの異なる病変に対応し得る２つの領域に発生源があるように思える。

図２９Ａは、クラニアルアンギュレーション（ｃｒａｎｉａｌ ａｎｇｕｌａｔｉｏｎ）を用いて右前斜位投影において獲得された、図２７Ａ、図２７Ｂ、図２８Ａ、および図２８Ｂで映像化された患者の血管造影イメージである。近位ＬＡＤは中度に石灰化している。中位ＬＡＤに５０％管状病変が存在する。

図２９Ｂは、図２９Ａの患者からの心尖部二腔像にオーバーレイされた振動振幅イメージである。中位ＬＡＤセクションに心筋振動が観察されることができる。

狭窄から生じる組織振動とその他の源から生じる組織振動との区別
振動は、孔の両側の圧力差によって生み出される。狭窄は、そのような圧力差が存在する、孔を含む比較的一般的な生理学的特徴を表す。しかし、破裂血管などのその他の生理学的特徴も、振動を生み出すことができる圧力差を有する孔を含む。以下では、本明細書で開示された振動イメージング技法が、どのようにして狭窄と組織振動のその他の源とを区別することができるかについての説明を提供する。

狭窄では、圧力差は一般に、収縮期により著しいが、出血血管では、圧力差は、拡張期でも同様に著しいことがあり得る。したがって、心臓周期において振動が生じる時間に関する振動の分析は、狭窄に関連する振動を出血に関連する振動から区別するために使用され得るデータを提供する。

図１を参照すると、組織振動プロセッサ２８は、心電計信号を使用して、心臓周期における振動のタイミングを決定するように構成されることができる。別の実施形態では、組織振動プロセッサは、心拍動に起因する組織運動の周期性を使用して、心臓周期中の振動のタイミングを決定するように構成されることができる。

要約
経験的証拠は、狭窄血管に関連する血管壁および周囲組織における低強度の局所振動のリアルタイム超音波イメージングの実現可能性を例証している。パラメトリック信号分解およびスペクトル推定に基づいたいくつかのアルゴリズムが、わずか１０個程度の時間サンプルを使用して、振幅の小さな組織振動を映像化するために開発された。シミュレーションは、これらのアルゴリズムが、クラッタおよび血流の存在下で振動を検出することに関して、高い感度（９６％から９８％）および特定性（９８％から９９％）を有し、広帯域振動が存在するときでさえも堅牢であることを示す。振動振幅および周波数は、正確に推定されることができ、リアルタイム組織振動イメージングが、ソフトウェアプログラム可能なサブシステムを用いる超音波機械において実施された。振動は、狭窄バイパス静脈移植片において、および被験者の冠動脈から観測された。

組織振動イメージングは、従来のツールを使用した場合は今のところ臨床家が入手できない、追加的な診断情報を提供することができる。組織振動イメージング能力を有する超音波装置は、従来のデュプレックス超音波を使用する他の方法では診断が困難な、これまではブリュイに関連付けられた、狭窄およびその他の血管異常を評価するための有用なスクリーニングおよび診断ツールとなることができる。本明細書で開示された超音波振動イメージング技法は、振幅の小さな振動をその発生源において視覚化する可能性のために魅力的である。振動スペクトルは、狭窄における残存管腔直径に直接関係する折点周波数を計算するために使用されることができる。組織振動イメージングの重要な応用例は、おそらく冠動脈狭窄の非侵襲的診断であろう。従来のデュプレックス超音波は、冠動脈を視覚化する困難および冠動脈血流からの貧弱な散乱強度によって制限される。冠動脈狭窄を有する患者は、３００Ｈｚと８００Ｈｚの間の周波数をもつ拡張期心雑音を有する。したがって、臨床的に重要な冠動脈狭窄は、冠動脈流量および最小残存管腔直径に依存する振幅および周波数を有する振動を生み出すことが予想される。冠動脈疾患によって生み出される心臓壁振動の経胸腔的評価（ｔｒａｎｓｔｈｏｒａｃｉｃ ａｓｓｅｓｓｅｍｅｎｔ）は、臨床的に重要な冠動脈狭窄を診断するための低コストで有効な方法になることができる。

本発明がそれを実施する好ましい形態およびそれに対する変更に関して説明されたが、当業者であれば、添付の特許請求の範囲内で、その他の多くの変更が本発明に施され得ることを理解されよう。したがって、本発明の範囲は、上記の説明によって多少なりとも限定されることはなく、代わりに、もっぱら添付の特許請求の範囲を参照することによって決定されることが意図されている。

組織振動イメージングを実施するのに適した例示的な超音波システムの機能ブロック図である。 振動サンプルボリュームからの予想ドプラスペクトル（すなわち、周波数対パワー）のグラフである。 狭窄が明らかとなる振動組織イメージを生成するための例示的な部分空間ベースのアルゴリズムの論理ステップを示すフローチャートである。 狭窄が明らかとなる振動組織イメージを生成するために自己回帰を使用する例示的な代替アルゴリズムの論理ステップを示すフローチャートである。 狭窄が明らかとなる振動組織イメージを生成するために位相分解を使用する別の例示的な代替アルゴリズムの論理ステップを示すフローチャートである。 超音波を使用して生成された振動組織イメージを使用して動脈狭窄を位置的に特定し、等級分けするための方法の論理ステップを示すフローチャートである。 図５Ａは、エコーの原因である散乱体が２０ｍｍ／ｓの一定速度で動いており、散乱体運動が超音波ビームの軸に沿っている場合の、シミュレートされた受信超音波エコーの、２Ｄ高速フーリエ変換（ＦＦＴ）スペクトルおよび従来のドプラスペクトルの両方をグラフによって示した図であって、ドプラスペクトルが縦軸の左側に配置され、２Ｄ ＦＦＴスペクトルが縦軸の右側に配置された図である。図５Ｂは、エコーの原因である散乱体が超音波ビームの軸に沿って２０ｍｍ／ｓの一定速度で動いており、３００Ｈｚの周波数、５μｍの振幅で振動もしている場合の、シミュレートされた受信超音波エコーの、２Ｄ ＦＦＴスペクトルおよび従来のドプラスペクトルの両方をグラフによって示した図であって、ドプラスペクトルが縦軸の左側に配置され、２Ｄ ＦＦＴスペクトルが縦軸の右側に配置された図である。 図６Ａは、エコーの原因である散乱体が超音波ビームの軸に沿って２００ｍｍ／ｓの一定速度で動いており、３００Ｈｚの周波数、５μｍの振幅で振動もしている場合の、（送信超音波信号の中心周波数が５ＭＨｚである）受信超音波エコーの、２Ｄ ＦＦＴスペクトルおよび従来のドプラスペクトルの両方をグラフによって示した図であって、ドプラスペクトルが縦軸の左側に配置され、２Ｄ ＦＦＴスペクトルが縦軸の右側に配置された図である。図６Ｂは、エコーの原因である散乱体が２００ｍｍ／ｓの一定速度で動いており、３００Ｈｚの周波数、５μｍの振幅で振動もしている場合の、（送信超音波信号の中心周波数が２ＭＨｚである）受信超音波エコーの、２Ｄ ＦＦＴスペクトルおよび従来のドプラスペクトルの両方をグラフによって示した図であって、ドプラスペクトルが縦軸の左側に配置され、２Ｄ ＦＦＴスペクトルが縦軸の右側に配置された図である。 図７Ａは、５ｍ／ｓ²の加速で１０ｍｍ／ｓから３０ｍｍ／ｓに加速する散乱体のグループからの、シミュレートされた受信超音波エコーの、２Ｄ ＦＦＴスペクトルおよび従来のドプラスペクトルの両方をグラフによって示した図であって、ドプラスペクトルが縦軸の左側に配置され、２Ｄ ＦＦＴスペクトルが縦軸の右側に配置された図である。図７Ｂは、散乱体が３００Ｈｚの周波数、５μｍの振幅で振動もしている場合の、５ｍ／ｓ²の加速で１０ｍｍ／ｓから３０ｍｍ／ｓに加速する散乱体のグループからの、シミュレートされた受信超音波エコーの、２Ｄ ＦＦＴスペクトルおよび従来のドプラスペクトルの両方をグラフによって示した図であって、ドプラスペクトルが縦軸の左側に配置され、２Ｄ ＦＦＴスペクトルが縦軸の右側に配置された図である。 図８Ａは、エコーの原因である散乱体が２０ｍｍ／ｓの一定速度で動いており、散乱体運動が超音波ビームの軸に直交している場合の、シミュレートされた受信超音波エコーの、２Ｄ ＦＦＴスペクトルおよび従来のドプラスペクトルの両方をグラフによって示した図であって、ドプラスペクトルが縦軸の左側に配置され、２Ｄ ＦＦＴスペクトルが縦軸の右側に配置された図である。図８Ｂは、エコーの原因である散乱体が２０ｍｍ／ｓの一定速度で動いており、散乱体運動が超音波ビームの軸に直交しており、散乱体が３００Ｈｚの周波数、５μｍの振幅で振動もしている場合の、シミュレートされた受信超音波エコーの、２Ｄ ＦＦＴスペクトルおよび従来のドプラスペクトルの両方をグラフによって示した図であって、ドプラスペクトルが縦軸の左側に配置され、２Ｄ ＦＦＴスペクトルが縦軸の右側に配置された図である。 図５Ａの２Ｄ ＦＦＴスペクトルのラドン変換をグラフによって示した図である。 図５Ｂの２Ｄ ＦＦＴスペクトルのラドン変換をグラフによって示した図である。 図９Ａのラドン変換から計算されたスペクトル推定をグラフによって示した図である。 図９Ｂのラドン変換から計算されたドプラスペクトル推定をグラフによって示した図である。 図５Ａの２Ｄ ＦＦＴスペクトルから計算された多周波スペクトル推定をグラフによって示した図である。 図５Ｂの２Ｄ ＦＦＴスペクトルから計算された多周波スペクトル推定をグラフによって示した図である。 本明細書で説明される、狭窄に関連する振動を映像化するための超音波使用を検証するために使用される散乱体分布の３Ｄシミュレーションモデルを概略的に示した図である。 ボックスで囲われた領域によって示される振動を伴うモデル化されたクラッタ運動をグラフによって示した図である。 モデル化された血流特徴をグラフによって示した図である。 本明細書で開示される振動イメージング技法を検証するために使用されるシミュレーションモデルの振動振幅イメージの図である。 振動検出の感度および特定性を計算するために使用されるマスクを概略的に示した図である。 位相分解ベースの振動検出についての感度対閾値曲線をグラフによって示した図である。 位相分解ベースの振動検出についての特定性対閾値曲線をグラフによって示した図である。 位相分解ベースの振動検出についての受信器動作特性曲線をグラフによって示した図である。 ｒｏｏｔ−ＭＵＳＩＣベースの振動検出についての感度対閾値曲線をグラフによって示した図である。 ｒｏｏｔ−ＭＵＳＩＣベースの振動検出についての特定性対閾値曲線をグラフによって示した図である。 ｒｏｏｔ−ＭＵＳＩＣベースの振動検出についての例示的な受信器動作特性曲線をグラフによって示した図である。 本明細書で開示された位相分解アルゴリズムおよびｒｏｏｔ−ＭＵＳＩＣアルゴリズムについて、振動帯域幅の増大に対する感度の堅牢性をグラフによって示した図である。 プレートの振動を映像化するために超音波プローブが使用される実験構成であって、本明細書で開示された組織振動を映像化するための超音波の使用を支持する経験的証拠を生み出すために使用された構成を概略的に示した図である。 振動振幅でオーバーレイされた図１５の振動ファントムのＢモード超音波イメージの図である。 振動周波数でオーバーレイされた図１５の振動ファントムのＢモード超音波イメージの図である。 図１６Ｂの超音波イメージの一部から取り出されたＩ−ＱアンサンブルデータのＭＵＳＩＣ擬似スペクトルをグラフによって示した図である。 超音波および光ファイバマイクロメータの両方を使用して得られた、図１５の実験構成からのプレートの振動振幅をグラフによって示した図である。 超音波および光ファイバマイクロメータの両方を使用して得られた、図１５の実験構成からのプレートの振動周波数をグラフによって示した図である。 超音波および光ファイバマイクロメータの両方を使用して得られた、図１５の実験構成からのプレートの振動振幅の間の差をグラフによって示した図である。 超音波および光ファイバマイクロメータの両方を使用して得られた、図１５の実験構成からのプレートの振動周波数の間の差をグラフによって示した図である。 超音波プローブが生体外動脈の狭窄を映像化するために使用される実験構成であって、本明細書で開示された狭窄に関連する組織振動を映像化するための超音波の使用を支持する経験的証拠を生み出すために使用された構成を概略的に示した図である。 図１８の生体外動脈におけるフローのイメージの図である。 ３０％のシミュレート狭窄を表す、図１８の実験構成を使用して得られた生体外動脈の振動振幅イメージの図である。 ４２％のシミュレート狭窄を表す、図１８の実験構成を使用して得られた生体外動脈の振動振幅イメージの図である。 図１８の実験構成を使用してシミュレートされた狭窄からの振動スペクトルであって、パルス波ドプラ超音波および光ファイバマイクロメータの両方を使用して生成された振動スペクトルをグラフによって示した図である。 図２２Ａは被験者における狭窄静脈移植片からのカラードプライメージの図である。図２２Ｂは図９Ａの狭窄静脈移植片の振動振幅イメージの図である。 図２３Ａは周囲血管アーチファクトを含む狭窄大腿静脈移植片のカラーパワー超音波イメージの図である。図２３Ｂは図２３Ａの狭窄大腿静脈移植片の振動振幅イメージの図である。図２３Ｃは図２３Ａの狭窄大腿静脈移植片の振動周波数イメージの図である。 狭窄大腿静脈移植片からのパルス波ドプラデータの位相分解を使用して推定される瞬間血管壁位置をグラフによって示した図である。 図２４Ａを生成するために使用された信号の運動ピリオドグラムの図である。 特定の時点における図２４Ｂのスペクトルの交差セクション特徴をグラフによって示した図である。 同じ位置におけるカラーフロー超音波データの１０アンサンブルについてＭＵＳＩＣアルゴリズムを使用して計算された運動擬似スペクトルをグラフによって示した図である。 本明細書で開示された技法を使用して生体内で得られる正常な大腿動脈の動脈壁変位スペクトルをグラフによって示した図である。 本明細書で開示された技法を使用して生体内で得られる狭窄大腿バイパス静脈移植片の動脈壁変位スペクトルをグラフによって示した図である。 図２５Ｂに表された狭窄と同じ患者に存在する異なる狭窄の動脈壁変位スペクトルをグラフによって示した図である。 別の患者に存在する狭窄の動脈壁変位スペクトルをグラフによって示した図である。 図２６Ａは本明細書で開示された技法を使用して得られる正常な動脈の時間変化する壁変位スペクトルをグラフによって示した図である。図２６Ｂは本明細書で開示された技法を使用して得られる狭窄血管の時間変化する壁変位スペクトルをグラフによって示した図である。図２６Ｃは本明細書で開示された技法を使用して得られる狭窄血管の時間変化する壁変位スペクトルをグラフによって示した図である。図２６Ｄは本明細書で開示された技法を使用して得られる狭窄血管の時間変化する壁変位スペクトルをグラフによって示した図である。 図２７Ａは心室駆出フェーズ末期において観察される振動を対称的な両側ピークが表す、冠動脈疾患を有する患者の心筋の超音波イメージから２Ｄ ＦＦＴ法を使用して計算されたドプラスペクトルの図である。図２７Ｂは調和成分を含むように見える高周波数振動をボックスに囲われた領域が示す、心室駆出中の壁速度の時間経過をグラフによって示した図である。 図２８Ａはコーダルアンギュレーションを用いて左前斜位投影において獲得された、冠動脈疾患を有する患者の血管造影イメージの図である。図２８Ｂは図２８Ａの患者の心尖部二腔像にオーバーレイされた振動振幅イメージの図である。 図２９Ａはクラニアルアンギュレーションを用いて右前斜位投影において獲得された、冠動脈疾患を有する患者の血管造影イメージの図である。図２９Ｂは図２９Ａの患者の心尖部二腔像にオーバーレイされた振動振幅イメージの図である。

符号の説明

１２ 超音波トランスデューサ
１４ フロントエンドサブシステム
１６ ビームフォーマ
１８ 時間利得補償
２０ ＲＦ復調器＆デシメータ
２２ バックエンドサブシステム
２４ Ｂモード処理
２６ カラーフロー処理
２８ 組織振動処理
３０ ドプラ処理
３２ 走査変換
３４ 後処理
３６ ディスプレイ

Claims (34)

1. 超音波データを用いて狭窄を内部部位で検出するための制御方法を実装する装置であって、前記装置はプロセッサを具え、前記プロセッサが、
   （ａ）超音波トランスデューサを含む超音波機械を用いて前記内部部位から反射された超音波データを生成するステップと、
   （ｂ）振動プロセッサを用いて前記超音波データを処理して、前記内部部位における組織振動を識別するステップと、
   （ｉ）前記超音波データの位相の分解と、
   （ｉｉ）超音波モデルの雑音内の複素指数の推定と、
   （ｉｉｉ）自己回帰超音波データモデルと
   のうちの１つを使用することによって、
   前記内部部位における前記狭窄以外の源からの組織振動への寄与が減少された組織振動信号を生成するステップであって、前記組織振動信号は、前記狭窄以外の前記源からの組織振動の成分とは異なる前記内部部位内の特定の狭窄に関連付けられた組織振動の成分を検出することによって生成され、前記生成された組織振動信号を処理して前記内部部位内の前記特定の狭窄の位置の表示を提供する、ステップと、
   （ｃ）前記組織振動信号の表示をユーザに、該ユーザが知覚可能な形式で出力するステップであって、前記表示は前記内部部位における前記特定の狭窄の位置を前記ユーザに伝達する、ステップと
   を実行するように構成されたことを特徴とする装置。
2. 前記プロセッサは、狭窄に関連付けられた組織振動を出血に関連付けられた振動から識別するデータを提供するために、心臓周期において心臓の振動が生じる時間に関する前記組織振動を分析するステップを実行するようにさらに構成されたことを特徴とする請求項１記載の装置。
3. 前記プロセッサは、前記組織振動の測定された特性に基づいて前記狭窄の血行力学的特性を定量化するステップを実行するようにさらに構成されたことを特徴とする請求項１記載の装置。
4. 超音波データを用いて狭窄を内部部位で検出するための制御方法を実装する装置であって、前記装置はプロセッサを備え、前記プロセッサが、
   （ａ）超音波トランスデューサを含む超音波機械を用いて前記内部部位から反射された超音波データを生成するステップと、
   （ｂ）前記超音波データを処理して、
   （ｉ）前記超音波データの位相の分解と、
   （ｉｉ）超音波モデルの雑音内の複素指数の推定と、
   （ｉｉｉ）自己回帰超音波データモデルと
   のうちの１つを使用することによって、
   前記狭窄における軟部組織振動以外の源からの寄与が実質的に最小化された組織振動信号を生成するステップであって、前記組織振動信号は、前記狭窄における前記軟部組織振動以外の前記源からの組織振動の成分とは異なる前記内部部位内の特定の狭窄に関連付けられた組織振動の成分を検出することによって生成され、前記生成された組織振動信号を処理して前記内部部位内の前記特定の狭窄の位置の表示を提供する、ステップと、
   （ｃ）前記処理された組織振動信号の前記表示をユーザに、該ユーザが知覚可能な形式で出力するステップであって、前記表示は前記特定の狭窄が前記内部部位に存在することを前記ユーザに伝達する、ステップと
   を実行するように構成されたことを特徴とする装置。
5. 超音波データを用いて狭窄を内部部位で検出するための制御方法を実装する装置であって、前記検出装置はプロセッサを備え、前記プロセッサが、
   （ａ）超音波トランスデューサを含む超音波機械を用いて前記内部部位から反射された超音波データを生成するステップと、
   （ｂ）前記超音波データを処理して、
   （ｉ）前記超音波データの位相の分解と、
   （ｉｉ）超音波モデルの雑音内の複素指数の推定と、
   （ｉｉｉ）自己回帰超音波データモデルと
   のうちの１つを使用することによって、
   前記内部部位における前記狭窄以外の源からの組織運動への寄与が減少された組織運動信号を生成するステップであって、前記組織振動信号は、前記狭窄以外の前記源からの組織振動の成分とは異なる前記内部部位内の特定の狭窄に関連付けられた組織振動の成分を検出することによって生成され、前記生成された組織振動信号を処理して前記内部部位内の前記特定の狭窄の位置の表示を提供する、ステップと、
   （ｃ）前記組織運動の周波数スペクトルを得るために前記組織運動信号を処理するステップと、
   （ｄ）前記処理された組織運動信号の表示を出力するステップであって、前記表示は、前記特定の狭窄が前記内部部位において存在することを伝達する、ステップと
   を実行するように構成されることを特徴とする装置。
6. 超音波データを使用して狭窄を内部部位で検出するための制御方法を実装する装置であって、前記装置はプロセッサを備え、前記プロセッサが、
   （ａ）超音波トランスデューサを含む超音波機械を用いて前記内部部位から反射された超音波データを生成するステップと、
   （ｂ）リアルタイムで前記超音波データを処理して、
   （ｉ）前記超音波データの位相の分解と、
   （ｉｉ）超音波モデルの雑音内の複素指数の推定と、
   （ｉｉｉ）自己回帰超音波データモデルと
   のうちの１つを使用することによって、
   前記内部部位における前記狭窄以外の源からの組織振動への寄与が実質的に最小化された組織振動信号を生成することにより、前記内部部位のある部位における前記組織振動を識別するためにステップであって、前記組織振動信号は、前記狭窄以外の前記源からの組織振動の成分とは異なる前記内部部位内の特定の狭窄に関連付けられた組織振動の成分を検出することによって生成され、前記生成された組織振動信号を処理して前記内部部位内の前記特定の狭窄の位置の表示を提供する、ステップと、
   （ｃ）前記組織振動信号の表示を出力するステップであって、前記表示は、前記特定の狭窄が前記内部部位において存在することを伝達する、ステップと
   を実行するように構成されることを特徴とする装置。
7. 前記プロセッサは、前記組織振動信号を使用してリアルタイムで前記狭窄の位置を決定するステップをさらに実行するように構成されることを特徴とする請求項６記載の装置。
8. 前記プロセッサは、前記狭窄のイメージを生成するために前記組織振動信号を利用するステップをさらに実行するように構成されることを特徴とする請求項６記載の装置。
9. 前記超音波データは、前記超音波モデルの雑音内の複素指数の推定を使用することによって処理され、該処理は、
   （ａ）前記超音波データのアンサンブルから相関信号を推定するステップと、
   （ｂ）信号部分空間と雑音部分空間とを識別するために前記相関信号の固有分解を実行するステップと、
   （ｃ）前記信号部分空間および前記雑音部分空間を用いて優位振動成分の周波数を推定するステップと、
   （ｄ）前記優位振動成分の前記周波数の推定に基づいて、振動振幅および振動周波数を決定するステップであって、前記振動振幅および前記振動周波数の少なくとも一方は前記組織振動信号を含む、ステップと
   を含むことを特徴とする請求項６記載の装置。
10. 前記超音波データは、前記自己回帰超音波データモデルを使用することによって処理され、該処理は、
    （ａ）前記超音波データのアンサンブルから自己回帰プロセスの反射係数を計算するステップと、
    （ｂ）前記反射係数から線形予測フィルタ係数を計算するステップと、
    （ｃ）前記線形予測フィルタ係数からパワースペクトルを推定し、前記パワースペクトル内のピークを検出するステップと、
    （ｄ）前記パワースペクトルおよび前記ピークに基づいて、振動振幅および振動周波数を決定するステップであって、前記振動振幅および前記振動周波数の少なくとも一方は前記組織振動信号を含む、ステップと
    を含むことを特徴とする請求項６記載の装置。
11. 前記超音波データは、前記超音波データの位相の分解を使用することによって処理され、該処理は、
    （ａ）前記超音波データの残差位相を決定するステップと、
    （ｂ）前記残差位相から相関行列を推定するステップと、
    （ｃ）前記推定された相関行列を使用して固有値推定及び固有ベクトル推定を生成するようにＱＲ分解を実行するステップと、
    （ｄ）前記固有値推定のｐ個の優位成分に含まれる全エネルギーがエネルギー閾値より大きいかを判定するステップと、
    （ｅ）前記固有ベクトル推定の周波数が周波数閾値より大きいかを判定するステップと、
    （ｆ）前記固有値推定が前記エネルギー閾値より大きく、かつ前記固有ベクトル推定が前記周波数閾値より大きい場合、組織の推定振動振幅および振動周波数を返すステップと
    を含むことを特徴とする請求項６記載の装置。
12. 前記組織振動は、複数の深さ位置からの前記超音波データを処理することによって識別されることを特徴とする請求項６記載の装置。
13. 前記プロセッサは、前記狭窄に対応する組織振動の予想周波数範囲よりも著しく低い周波数においてクラッタおよび雑音をフィルタで除去するステップを実行するようにさらに構成されることを特徴とする請求項６記載の装置。
14. 前記プロセッサは、前記狭窄に対応する組織振動の予想周波数範囲よりも著しく高い周波数にある雑音をフィルタで除去するステップを実行するようにさらに構成されることを特徴とする請求項６記載の装置。
15. 前記プロセッサは、ドプラサンプルボリュームを前記組織振動の位置に配置し、組織振動スペクトルを生成することによって、前記組織振動が前記内部部位における前記狭窄に対応することを確認するステップを実行するようにさらに構成されることを特徴とする請求項６記載の装置。
16. 前記プロセッサは、前記組織振動信号を使用して振動イメージを表示するステップを実行するようにさらに構成され、前記振動イメージを表示するステップは、前記部位の振動振幅イメージおよび振動周波数イメージの少なくとも一方を表示するステップを含むことを特徴とする請求項６記載の装置。
17. 前記プロセッサは、前記内部部位のカラーフローイメージに関連する振動組織に対応するイメージを前記組織振動信号を使用して実質的にリアルタイムに表示するステップを実行するようにさらに構成されることを特徴とする請求項６に記載の装置。
18. 前記プロセッサは、前記組織振動の周波数および振幅を使用して狭窄を等級分けするステップを実行するようにさらに構成されることを特徴とする請求項６に記載の装置。
19. 超音波データを使用して内部部位における狭窄を検出するための装置であって、
    （ａ）内部部位から反射された超音波データを生成するように構成された超音波トランスデューサであって、前記超音波データは前記狭窄に関連する組織振動信号を含む、超音波トランスデューサと、
    （ｂ）前記超音波トランスデューサの動作を制御するように構成され、前記超音波トランスデューサに結合された制御システムと、
    （ｃ）前記超音波データを処理して、
    （ｉ）前記超音波データの位相の分解と、
    （ｉｉ）超音波モデルの雑音内の複素指数の推定と、
    （ｉｉｉ）自己回帰超音波データモデルと
    のうちの１つを使用することによって、
    前記内部部位における前記狭窄以外の源からの組織振動信号への寄与が減少されるように前記組織振動信号を識別するように構成された組織振動プロセッサであって、前記組織振動信号は、前記狭窄以外の前記源からの組織振動の成分とは異なる前記内部部位内の特定の狭窄に関連付けられた組織振動の成分を検出することによって生成され、前記生成された組織振動信号を処理して前記内部部位内の前記特定の狭窄の位置の表示を提供する、組織振動プロセッサと
    を具えたことを特徴とする装置。
20. 前記組織振動プロセッサによって生成された前記信号は、前記組織振動が前記狭窄の位置を表すイメージを生成するために使用可能であることを特徴とする請求項１９記載の装置。
21. 前記振動イメージが提示されるディスプレイをさらに含み、前記振動イメージは、前記狭窄の位置を表すことを特徴とする請求項２０記載の装置。
22. 前記組織振動プロセッサは、特定用途向け集積回路、および前記組織振動を識別し、前記信号を生成するためにソフトウェアを実行する汎用プロセッサの少なくとも一方を含むことを特徴とする請求項１９記載の装置。
23. 前記組織振動プロセッサは、前記狭窄における残存管腔直径を決定するように構成されることを特徴とする請求項１９記載の装置。
24. 前記組織振動プロセッサは、超音波モデルの雑音内の複素指数の推定を使用することによって前記内部部位における前記組織振動信号を識別するように構成され、識別する方法は、
    （ａ）カラーフロー信号から相関行列を推定し、
    （ｂ）信号部分空間と雑音部分空間とを識別するために前記相関行列の固有分解を実行し、
    （ｃ）前記信号部分空間および前記雑音部分空間を使用して優位振動成分の周波数を推定し、
    （ｄ）前記優位振動成分の前記周波数の推定に基づいて、振動振幅および振動周波数の少なくとも一方は前記組織振動信号を含む、前記振動振幅推定および前記振動周波数推定を決定する
    ことを含むことを特徴とする請求項１９記載の装置。
25. 前記組織振動プロセッサは、前記超音波データの位相の分解を使用することによって前記内部部位における前記組織振動信号を識別するように構成され、識別する方法は、
    （ａ）前記超音波データの残差位相を決定するステップと、
    （ｂ）前記残差位相から相関行列を推定するステップと、
    （ｃ）前記推定された相関行列を使用して固有値推定及び固有ベクトル推定を生成するようにＱＲ分解を実行するステップと、
    （ｄ）前記固有値推定のｐ個の優位成分に含まれる全エネルギーがエネルギー閾値より大きいかを判定するステップと、
    （ｅ）前記固有ベクトル推定の周波数が周波数閾値より大きいかを判定するステップと、
    （ｆ）前記固有値推定が前記エネルギー閾値より大きく、かつ前記固有ベクトル推定が前記周波数閾値より大きい場合、組織の推定振動振幅および振動周波数を返すステップと
    を含むことを特徴とする請求項１９記載の装置。
26. 前記組織振動プロセッサは、前記部位における前記狭窄に対応する前記組織振動の予想周波数範囲よりも著しく低い周波数においてクラッタおよび雑音をフィルタで除去することによって、前記組織振動信号をフィルタリングするように構成されることを特徴とする請求項１９記載の装置。
27. 前記組織振動プロセッサは、前記部位における前記狭窄に対応する前記組織振動の予想周波数範囲よりも著しく高い周波数においてクラッタおよび雑音をフィルタで除去することによって、前記組織振動信号をフィルタリングするように構成されることを特徴とする請求項１９記載の装置。
28. 前記組織振動プロセッサはさらに、距離ゲートを前記組織振動の位置に配置し、組織振動スペクトルを生成することによって、振動イメージに表示された振動が前記部位における前記狭窄に対応することを確認するように構成されることを特徴とする請求項１９記載の装置。
29. 前記組織振動プロセッサは、心電計信号を使用して心臓周期における振動のタイミングを決定するように構成されることを特徴とする請求項１９記載の装置。
30. 前記組織振動プロセッサは、心拍動による組織運動の周期性を使用して心臓周期における振動のタイミングを決定するように構成されることを特徴とする請求項１９記載の装置。
31. 前記ディスプレイは、前記内部部位の振動振幅イメージおよび振動周波数イメージの少なくとも一方を提示することを特徴とする請求項２１記載の装置。
32. 前記内部部位の下に重なる解剖学的構造を示すグレースケールイメージを生成するように構成されたＢモードプロセッサをさらに具え、それによって、前記ディスプレイは、前記内部部位のＢモードイメージおよび前記組織振動に応答して生成された前記内部部位の前記イメージの少なくとも一方を実質的にリアルタイムに選択的に提示することを特徴とする請求項２１記載の装置。
33. カラーフロープロセッサをさらに具え、前記ディスプレイは、前記内部部位のカラーフローイメージおよび前記振動イメージの少なくとも一方を選択的に提示するように構成されることを特徴とする請求項２１記載の装置。
34. 前記内部部位のドプライメージを生成するように構成されたドプラプロセッサをさらに具えたことを特徴とする請求項１９記載の装置。

Images