JP5932184B1 - 超音波観測装置、超音波観測装置の作動方法および超音波観測装置の作動プログラム - Google Patents

Abstract

本発明にかかる超音波観測装置は、超音波信号の周波数を解析することによって超音波信号の受信深度および受信方向に応じた複数の周波数スペクトルを算出する周波数解析部と、周波数解析部が算出した各周波数スペクトルの特徴量の算出に使用する周波数帯域を、互いに異なる帯域幅を有する複数の候補帯域の各々における周波数スペクトルに関連したパラメータを用いて設定する周波数帯域設定部と、周波数帯域設定部が設定した周波数帯域をもとに各周波数スペクトルの特徴量を算出する特徴量算出部と、特徴量算出部が算出した特徴量に関する情報を表示する特徴量画像データを生成する特徴量画像データ生成部と、を備える。

Description

本発明は、超音波を用いて観測対象の組織を観測する超音波観測装置、超音波観測装置の作動方法および超音波観測装置の作動プログラムに関する。

従来、超音波を用いて観測対象の組織を観察する超音波観測装置において、組織性状に応じた特性を有する超音波信号の周波数スペクトルの特徴量を算出し、この特徴量に基づいて、組織性状を鑑別するための特徴量画像を生成する技術が知られている（例えば、特許文献１を参照）。この技術では、受信した超音波信号の周波数を解析することによって周波数スペクトルを取得した後、所定の周波数帯域における周波数スペクトルの近似式を算出し、この近似式から特徴量を抽出している。

国際公開第２０１２／０１１４１４号

上述した特許文献１に記載の技術では、周波数スペクトルの特徴量を算出する際に設定する周波数帯域が、超音波の受信深度や観測対象の組織によらず一定である。このため、超音波の受信深度や組織に応じて適切な周波数帯域を設定しているとは限らず、観測対象の組織性状を鑑別する際の精度に影響を及ぼすおそれがあった。

本発明は、上記に鑑みてなされたものであって、観測対象の組織性状を精度よく鑑別することを可能にする超音波観測装置、超音波観測装置の作動方法および超音波観測装置の作動プログラムを提供することを目的とする。

上述した課題を解決し、目的を達成するために、本発明に係る超音波観測装置は、観測対象へ超音波を送信し、該観測対象で反射された超音波を受信する超音波振動子を備えた超音波プローブが取得した超音波信号に基づいて超音波画像を生成する超音波観測装置であって、前記超音波信号の周波数を解析することによって前記超音波信号の受信深度および受信方向に応じた複数の周波数スペクトルを算出する周波数解析部と、前記周波数解析部が算出した各周波数スペクトルの特徴量の算出に使用する周波数帯域を、互いに異なる帯域幅を有する複数の候補帯域の各々における周波数スペクトルに関連するパラメータを用いて設定する周波数帯域設定部と、前記周波数帯域設定部が設定した周波数帯域をもとに各周波数スペクトルの特徴量を算出する特徴量算出部と、前記特徴量算出部が算出した特徴量に関する情報を表示する特徴量画像データを生成する特徴量画像データ生成部と、を備えたことを特徴とする。

本発明に係る超音波観測装置は、上記発明において、前記周波数帯域設定部は、前記周波数スペクトルの包絡線を検出する包絡線検出部と、前記複数の候補帯域において前記包絡線を近似する近似直線に関連するパラメータをそれぞれ抽出するパラメータ抽出部と、前記パラメータ抽出部が前記候補帯域ごとに抽出した複数のパラメータのうち所定の関係にある２つの前記候補帯域でそれぞれ抽出した２つのパラメータの変化量を算出する変化量算出部と、前記変化量算出部が算出した前記変化量に基づいて前記周波数帯域を決定する決定部と、を有することを特徴とする。

本発明に係る超音波観測装置は、上記発明において、前記パラメータ抽出部は、前記候補帯域の周波数の最小値を固定したまま最大値を順次大きくして前記複数の候補帯域を設定し、１つの前記候補帯域を設定するごとに前記包絡線を直線で近似してパラメータを抽出した後、前記変化量算出部へ前記パラメータを出力し、前記変化量算出部は、前記パラメータ抽出部が少なくとも２回のパラメータ抽出処理を実行済みである場合には、最新のパラメータとその１つ前のパラメータ抽出処理で抽出されたパラメータとの差を前記変化量として算出し、前記決定部は、前記変化量算出部が少なくとも２回の変化量算出処理を実行済みである場合には、最新の前記変化量とその１つ前の変化量算出処理で算出された前記変化量とを比較し、該比較の結果、前記変化量の符号が０または一方の符号から他方の符号に変化した場合、前記１つ前のパラメータ抽出処理で前記パラメータを抽出した際の前記候補帯域を前記周波数帯域に決定し、前記パラメータ抽出部、前記変化量算出部および前記決定部は、前記決定部が前記周波数帯域を決定するまで処理を繰り返し実行することを特徴とする。

本発明に係る超音波観測装置は、上記発明において、前記パラメータ抽出部は、前記包絡線を回帰分析することによって前記直線を算出し、該算出した前記直線の傾きを前記パラメータとすることを特徴とする。

本発明に係る超音波観測装置は、上記発明において、前記パラメータ抽出部は、前記候補帯域の周波数の最小値を固定したまま最大値を順次大きくして前記複数の候補帯域を設定し、各候補帯域において前記包絡線を直線で近似してパラメータを抽出し、前記変化量算出部は、帯域幅の値が隣接する２つの前記候補帯域においてそれぞれ抽出された２つの前記パラメータの差を前記変化量として算出し、前記決定部は、前記変化量の絶対値を２つの前記候補帯域のうち帯域幅が小さい方の候補帯域の最大周波数の関数として近似曲線を算出し、該近似曲線において前記絶対値が最小となるときの前記最大周波数をもとに前記周波数帯域を決定することを特徴とする。

本発明に係る超音波観測装置は、上記発明において、前記パラメータ抽出部は、前記候補帯域の周波数の最小値を固定したまま最大値を順次大きくして前記複数の候補帯域を設定し、各候補帯域において前記包絡線を直線で近似してパラメータを抽出し、前記変化量算出部は、帯域幅の値が隣接する２つの前記候補帯域においてそれぞれ抽出された２つの前記パラメータの差を前記変化量として算出し、前記決定部は、前記変化量を２つの前記候補帯域のうち帯域幅が小さい方の候補帯域の最大周波数の関数として近似曲線を算出し、該近似曲線において値がゼロとなるときの前記最大周波数をもとに前記周波数帯域を決定することを特徴とする。

本発明に係る超音波観測装置は、上記発明において、前記パラメータ抽出部は、前記候補帯域における前記包絡線上のサンプリング点を複数の投影直線にそれぞれ投影したときに各投影直線における度数分布を算出し、該度数分布の統計的なばらつきが最も小さい投影直線に基づいて前記直線の傾きを算出し、該算出した前記直線の傾きを前記パラメータとすることを特徴とする。

本発明に係る超音波観測装置は、上記発明において、前記パラメータ抽出部は、前記候補帯域における前記包絡線上のサンプリング点を複数の投影直線にそれぞれ投影したときに各投影直線における度数分布を算出し、該度数分布の最頻値および統計的なばらつきを用いて定義される指標であって前記最頻値が大きいほど大きい値をとるとともに前記統計的なばらつきが小さいほど大きい値をとる指標に基づいて前記直線の傾きを算出する際に用いる投影直線を選択し、該選択した投影直線に基づいて前記直線の傾きを算出し、該算出した前記直線の傾きを前記パラメータとすることを特徴とする。

本発明に係る超音波観測装置は、上記発明において、前記特徴量算出部は、前記周波数帯域における前記包絡線を回帰分析によって近似した後、超音波が伝搬する際に発生する減衰の寄与を削減する減衰補正を行うことによって前記周波数スペクトルの特徴量を算出することを特徴とする。

本発明に係る超音波観測装置の作動方法は、観測対象へ超音波を送信し、該観測対象で反射された超音波を受信する超音波振動子を備えた超音波プローブが取得した超音波信号に基づいて超音波画像を生成する超音波観測装置の作動方法であって、周波数解析部が、前記超音波信号の周波数を解析することによって前記超音波信号の受信深度および受信方向に応じた複数の周波数スペクトルを算出する周波数解析ステップと、周波数帯域設定部が、各周波数スペクトルの特徴量の算出に使用する周波数帯域を、互いに異なる帯域幅を有する複数の候補帯域の各々における周波数スペクトルに関連するパラメータを用いて設定する周波数帯域設定ステップと、特徴量算出部が、前記周波数帯域をもとに各周波数スペクトルの特徴量を算出する特徴量算出ステップと、特徴量画像データ生成部が、前記特徴量に基づいて特徴量画像データを生成する特徴量画像データ生成ステップと、を有することを特徴とする。

本発明に係る超音波観測装置の作動プログラムは、観測対象へ超音波を送信し、該観測対象で反射された超音波を受信する超音波振動子を備えた超音波プローブが取得した超音波信号に基づいて超音波画像を生成する超音波観測装置に、周波数解析部が、前記超音波信号の周波数を解析することによって前記超音波信号の受信深度および受信方向に応じた複数の周波数スペクトルを算出する周波数解析ステップと、周波数帯域設定部が、各周波数スペクトルの特徴量の算出に使用する周波数帯域を、互いに異なる帯域幅を有する複数の候補帯域の各々における周波数スペクトルに関連するパラメータを用いて設定する周波数帯域設定ステップと、特徴量算出部が、前記周波数帯域をもとに各周波数スペクトルの特徴量を算出する特徴量算出ステップと、特徴量画像データ生成部が、前記特徴量に基づいて特徴量画像データを生成する特徴量画像データ生成ステップと、を実行させることを特徴とする。

本発明によれば、周波数スペクトルの特徴量の算出に使用する周波数帯域を、互いに異なる帯域幅を有する複数の候補帯域の各々における周波数スペクトルに関連したパラメータを用いて設定し、設定した周波数帯域をもとに各周波数スペクトルの特徴量を算出するため、周波数スペクトルを近似する際、解析に最適な周波数帯域を適応的に決定することができる。したがって、観測対象の組織性状を精度よく鑑別することが可能となる。

図１は、本発明の実施の形態１に係る超音波観測装置を備えた超音波診断システムの機能構成を示すブロック図である。 図２は、本発明の実施の形態１に係る超音波観測装置の信号増幅部が行う増幅処理における受信深度と増幅率との関係を示す図である。 図３は、本発明の実施の形態１に係る超音波観測装置の増幅補正部が行う増幅補正処理における受信深度と増幅率との関係を示す図である。 図４は、超音波信号の１つの音線におけるデータ配列を模式的に示す図である。 図５は、本発明の実施の形態１に係る超音波観測装置の包絡線検出部が検出した周波数スペクトルの包絡線の例を示す図である。 図６は、本発明の実施の形態１に係る超音波観測装置のパラメータ抽出部が実行するパラメータ抽出処理の概要を模式的に示す図である。 図７は、本発明の実施の形態１に係る超音波観測装置の決定部が実行する周波数帯域決定処理の概要を示す図である。 図８は、本発明の実施の形態１に係る超音波観測装置の近似部が実行する近似処理の概要を示す図である。 図９は、本発明の実施の形態１に係る超音波観測装置が実行する処理の概要を示すフローチャートである。 図１０は、本発明の実施の形態１に係る超音波観測装置の周波数解析部が実行する処理の概要を示すフローチャートである。 図１１は、本発明の実施の形態１に係る超音波観測装置の周波数帯域設定部が実行する周波数帯域設定処理の概要を示すフローチャートである。 図１２は、本発明の実施の形態１の効果を説明する図である。 図１３は、従来技術の概要を説明する図である。 図１４は、本発明の実施の形態１の変形例１に係る超音波観測装置の周波数帯域設定部が実行する周波数帯域設定処理の概要を示す図である。 図１５は、本発明の実施の形態１の変形例２に係る超音波観測装置の周波数帯域設定部が実行する周波数帯域設定処理の概要を示す図である。 図１６は、本発明の実施の形態２に係る超音波観測装置のパラメータ抽出部が実行するパラメータ抽出処理の概要を示すフローチャートである。 図１７Ａは、本発明の実施の形態２に係る超音波観測装置のパラメータ抽出部が実行するパラメータ抽出処理の概要（第１例）を模式的に示す図である。 図１７Ｂは、本発明の実施の形態２に係る超音波観測装置のパラメータ抽出部が実行するパラメータ抽出処理の概要（第２例）を模式的に示す図である。 図１８は、本発明の実施の形態２の超音波観測装置のパラメータ抽出部が投影直線と直交する直線の傾きを算出する処理を模式的に示す図である。

以下、添付図面を参照して、本発明を実施するための形態（以下、「実施の形態」という）を説明する。

（実施の形態１）
図１は、本発明の実施の形態１に係る超音波観測装置を備えた超音波診断システムの機能構成を示すブロック図である。同図に示す超音波診断システム１は、観測対象である被検体へ超音波を送信し、該被検体で反射された超音波を受信する超音波内視鏡２と、超音波内視鏡２が取得した超音波信号に基づいて超音波画像を生成する超音波観測装置３と、超音波観測装置３が生成した超音波画像を表示する表示装置４と、を備える。

超音波内視鏡２は、その先端部に、超音波観測装置３から受信した電気的なパルス信号を超音波パルス（音響パルス）に変換して被検体へ照射するとともに、被検体で反射された超音波エコーを電圧変化で表現する電気的なエコー信号に変換して出力する超音波振動子２１を有する。超音波振動子２１は、コンベックス振動子、リニア振動子およびラジアル振動子のいずれでも構わない。超音波内視鏡２は、超音波振動子２１をメカ的に走査させるものであってもよいし、超音波振動子２１として複数の素子をアレイ状に設け、送受信にかかわる素子を電子的に切り替えたり、各素子の送受信に遅延をかけたりすることで、電子的に走査させるものであってもよい。

超音波内視鏡２は、通常は撮像光学系および撮像素子を有しており、被検体の消化管（食道、胃、十二指腸、大腸）または呼吸器（気管、気管支）へ挿入され、消化管、呼吸器やその周囲臓器（膵臓、胆嚢、胆管、胆道、リンパ節、縦隔臓器、血管等）を撮像することが可能である。また、超音波内視鏡２は、撮像時に被検体へ照射する照明光を導くライトガイドを有する。このライトガイドは、先端部が超音波内視鏡２の被検体への挿入部の先端まで達している一方、基端部が照明光を発生する光源装置に接続されている。

超音波観測装置３は、超音波内視鏡２と電気的に接続され、所定の波形および送信タイミングに基づいて高電圧パルスからなる送信信号（パルス信号）を超音波振動子２１へ送信するとともに、超音波振動子２１から電気的な受信信号であるエコー信号を受信してデジタルの高周波（ＲＦ：Radio Frequency）信号のデータ（以下、ＲＦデータという）を生成、出力する送受信部３１と、送受信部３１から受信したＲＦデータをもとにデジタルのＢモード用受信データを生成する信号処理部３２と、送受信部３１から受信したＲＦデータに対して所定の演算を施す演算部３３と、各種画像データを生成する画像処理部３４と、キーボード、マウス、タッチパネル等のユーザインタフェースを用いて実現され、各種情報の入力を受け付ける入力部３５と、超音波診断システム１全体を制御する制御部３６と、超音波観測装置３の動作に必要な各種情報を記憶する記憶部３７と、を備える。

送受信部３１は、エコー信号を増幅する信号増幅部３１１を有する。信号増幅部３１１は、受信深度が大きいエコー信号ほど高い増幅率で増幅するＳＴＣ（Sensitivity Time Control）補正を行う。図２は、信号増幅部３１１が行う増幅処理における受信深度と増幅率との関係を示す図である。図２に示す受信深度ｚは、超音波の受信開始時点からの経過時間に基づいて算出される量である。図２に示すように、増幅率β（ｄＢ）は、受信深度ｚが閾値ｚ_thより小さい場合、受信深度ｚの増加に伴ってβ_０からβ_th（＞β₀）へ線型に増加する。また、増幅率β（ｄＢ）は、受信深度ｚが閾値ｚ_th以上である場合、一定値β_thをとる。閾値ｚ_thの値は、観測対象から受信する超音波信号がほとんど減衰してしまい、ノイズが支配的になるような値である。より一般に、増幅率βは、受信深度ｚが閾値ｚ_thより小さい場合、受信深度ｚの増加に伴って単調増加すればよい。図２に示す関係は、予め記憶部３７に記憶されている。

送受信部３１は、信号増幅部３１１によって増幅されたエコー信号に対してフィルタリング等の処理を施した後、Ａ／Ｄ変換することによって時間ドメインのＲＦデータを生成し、信号処理部３２および演算部３３へ出力する。超音波内視鏡２が複数の素子をアレイ状に設けた超音波振動子２１を電子的に走査させる構成を有する場合、送受信部３１は、複数の素子に対応したビーム合成用の多チャンネル回路を有する。

送受信部３１が送信するパルス信号の周波数帯域は、超音波振動子２１におけるパルス信号の超音波パルスへの電気音響変換の線型応答周波数帯域をほぼカバーする広帯域にするとよい。また、信号増幅部３１１におけるエコー信号の各種処理周波数帯域は、超音波振動子２１による超音波エコーのエコー信号への音響電気変換の線型応答周波数帯域をほぼカバーする広帯域にするとよい。これらにより、後述する周波数スペクトルの近似処理を実行する際、精度のよい近似を行うことが可能となる。

送受信部３１は、制御部３６が出力する各種制御信号を超音波内視鏡２に対して送信するとともに、超音波内視鏡２から識別用のＩＤを含む各種情報を受信して制御部３６へ送信する機能も有する。

信号処理部３２は、ＲＦデータに対してバンドパスフィルタ、包絡線検波、対数変換など公知の処理を施し、デジタルのＢモード用受信データを生成する。対数変換では、ＲＦデータを基準電圧で除した量の常用対数をとってデシベル値で表現する。信号処理部３２は、生成したＢモード用受信データを、画像処理部３４へ出力する。信号処理部３２は、ＣＰＵ（Central Processing Unit）や各種演算回路等を用いて実現される。

演算部３３は、送受信部３１が出力したＲＦデータに対して受信深度によらず増幅率を一定とするよう増幅補正を行う増幅補正部３３１と、増幅補正を行ったＲＦデータに高速フーリエ変換（ＦＦＴ：Fast Fourier Transform）を施して周波数解析を行うことにより超音波信号の受信深度および受信方向に応じた複数の周波数スペクトルを算出する周波数解析部３３２と、周波数解析部３３２が算出した各周波数スペクトルの特徴量の算出に使用する周波数帯域を、互いに異なる帯域幅を有する複数の候補帯域の各々における周波数スペクトルに関連するパラメータを用いて設定する周波数帯域設定部３３３と、周波数帯域設定部３３３が設定した周波数帯域をもとに各周波数スペクトルの特徴量を算出する特徴量算出部３３４と、を有する。演算部３３は、ＣＰＵや各種演算回路等を用いて実現される。

図３は、増幅補正部３３１が行う増幅補正処理における受信深度と増幅率との関係を示す図である。図３に示すように、増幅補正部３３１が行う増幅処理における増幅率β（ｄＢ）は、受信深度ｚがゼロのとき最大値β_th−β₀をとり、受信深度ｚがゼロから閾値ｚ_thに達するまで線型に減少し、受信深度ｚが閾値ｚ_th以上のときゼロである。なお、図３に示す関係は、予め記憶部３７に記憶されている。増幅補正部３３１が図３に示す関係に基づいてデジタルＲＦ信号を増幅補正することにより、信号増幅部３１１におけるＳＴＣ補正の影響を相殺し、一定の増幅率β_thの信号を出力することができる。なお、増幅補正部３３１が行う受信深度ｚと増幅率βの関係は、信号増幅部３１１における受信深度と増幅率の関係に応じて異なることは勿論である。

このような増幅補正を行う理由を説明する。ＳＴＣ補正は、アナログ信号波形の振幅を全周波数帯域にわたって均一に、かつ、深度に対しては単調増加する増幅率で増幅させることで、アナログ信号波形の振幅から減衰の影響を排除する補正処理である。このため、エコー信号の振幅を輝度に変換して表示するＢモード画像を生成する場合、かつ、一様な組織を走査した場合には、ＳＴＣ補正を行うことによって深度によらず輝度値が一定になる。すなわち、Ｂモード画像の輝度値から減衰の影響を排除する効果を得ることができる。

一方、本実施の形態１のように超音波の周波数スペクトルを算出して解析した結果を利用する場合、ＳＴＣ補正でも超音波の伝播に伴う減衰の影響を正確に排除できるとは限らない、という問題がある。なぜなら、一般に減衰量は周波数によって異なるが（後述する式（１）を参照）、ＳＴＣ補正の増幅率は距離だけに応じて変化し、周波数依存性がないためである。

上述した問題を解決するには、Ｂモード画像を生成する際にＳＴＣ補正を施した受信信号を出力する一方、周波数スペクトルに基づいた画像を生成する際に、Ｂモード画像を生成するための送信とは異なる新たな送信を行い、ＳＴＣ補正を施していない受信信号を出力することが考えられる。ところがこの場合には、受信信号に基づいて生成される画像データのフレームレートが低下してしまうという問題がある。

そこで、本実施の形態１では、生成される画像データのフレームレートを維持しつつ、Ｂモード画像用にＳＴＣ補正を施した信号に対してＳＴＣ補正の影響を排除するために、増幅補正部３３１によって増幅率の補正を行う。

周波数解析部３３２は、増幅補正部３３１が増幅補正した各音線のＲＦデータ（ラインデータ）を所定の時間間隔でサンプリングし、サンプルデータを生成する。周波数解析部３３２は、サンプルデータ群にＦＦＴ処理を施すことにより、ＲＦデータ上の複数の箇所（データ位置）における周波数スペクトルを算出する。

図４は、超音波信号の１つの音線におけるデータ配列を模式的に示す図である。同図に示す音線ＳＲ_kにおいて、白または黒の長方形は、１つのサンプル点におけるデータを意味している。また、音線ＳＲ_kにおいて、右側に位置するデータほど、超音波振動子２１から音線ＳＲ_kに沿って計った場合の深い箇所からのサンプルデータである（図４の矢印を参照）。音線ＳＲ_kは、送受信部３１が行うＡ／Ｄ変換におけるサンプリング周波数（例えば５０ＭＨｚ）に対応した時間間隔で離散化されている。図４では、番号ｋの音線ＳＲ_kの８番目のデータ位置を受信深度ｚの方向の初期値Ｚ^(k) ₀として設定した場合を示しているが、初期値の位置は任意に設定することができる。周波数解析部３３２による算出結果は複素数で得られ、記憶部３７に格納される。

図４に示すデータ群Ｆ_j（ｊ＝１，２，・・・，Ｋ）は、ＦＦＴ処理の対象となるサンプルデータ群である。一般に、ＦＦＴ処理を行うためには、サンプルデータ群が２のべき乗のデータ数を有している必要がある。この意味で、サンプルデータ群Ｆ_j（ｊ＝１，２，・・・，Ｋ−１）はデータ数が１６（＝２⁴）で正常なデータ群である一方、サンプルデータ群Ｆ_Kは、データ数が１２であるため異常なデータ群である。異常なデータ群に対してＦＦＴ処理を行う際には、不足分だけゼロデータを挿入することにより、正常なサンプルデータ群を生成する処理を行う。この点については、周波数解析部３３２の処理を説明する際に詳述する（図１０を参照）。

周波数解析部３３２が算出する「周波数スペクトル」とは、サンプルデータ群にＦＦＴ処理を施すことによって得られた「ある受信深度ｚにおける強度の周波数分布」を意味する。また、ここでいう「強度」とは、例えばエコー信号の電圧、エコー信号の電力、超音波エコーの音圧、超音波エコーの音響エネルギー等のパラメータ、これらパラメータの振幅や時間積分値やその組み合わせのいずれかを指す。

一般に、周波数スペクトルは、観測対象が生体組織である場合、超音波が走査された生体組織の性状によって異なる傾向を示す。これは、周波数スペクトルが、超音波を散乱する散乱体の大きさ、数密度、音響インピーダンス等と相関を有しているためである。ここでいう「生体組織の性状」とは、例えば悪性腫瘍（癌）、良性腫瘍、内分泌腫瘍、粘液性腫瘍、正常組織、嚢胞、脈管などのことである。

周波数帯域設定部３３３は、周波数スペクトルの包絡線を検出する包絡線検出部３３３ａと、包絡線検出部３３３ａが検出した包絡線の最大値に対応する周波数を含む複数の候補帯域において包絡線を近似する近似曲線に関連するパラメータを候補帯域ごとに抽出するパラメータ抽出部３３３ｂと、パラメータ抽出部３３３ｂが候補帯域ごとに抽出した複数のパラメータのうち所定の関係にある２つの候補帯域でそれぞれ抽出した２つのパラメータの変化量を算出する変化量算出部３３３ｃと、変化量算出部３３３ｃが算出したパラメータの変化量に基づいて周波数帯域を決定する決定部３３３ｄと、を有する。

包絡線検出部３３３ａは、公知の包絡線検出処理を用いて周波数スペクトルの包絡線を検出する。図５は、包絡線検出部３３３ａが検出した周波数スペクトルの包絡線の例を示す図である。同図に示す包絡線Ｃは、強度Ｉ₀を基準強度Ｉ_c（定数）で除した量の常用対数（デシベル表現）Ｉ＝１０ｌｏｇ₁₀（Ｉ₀／Ｉ_c）の周波数ｆに対する分布を示している。なお、本実施の形態１において、曲線および直線は、離散的な点の集合からなる。

パラメータ抽出部３３３ｂは、包絡線検出部３３３ａが検出した包絡線を候補帯域で回帰分析することによって包絡線を直線近似し、近似した直線の傾きをパラメータとして抽出する。図６は、パラメータ抽出部３３３ｂが実行するパラメータ抽出処理の概要を模式的に示す図である。パラメータ抽出部３３３ｂは、包絡線Ｃに対して候補帯域Ｕ_n＝｛ｆ｜ｆ_s＜ｆ＜ｆ_n｝を近似する直線を回帰分析によって算出し、得られた近似直線（回帰直線）Ｌ_nの傾きをパラメータとする。候補帯域Ｕ_nの開始周波数ｆ_sは、包絡線Ｃの最大値をとるピーク周波数ｆ_pよりも所定値だけ小さい周波数（定数）として設定される。また、候補帯域Ｕ_nの最大周波数ｆ_n（ｎ＝０，１，２，・・・）はｆ_n＞ｆ_maxであり、かつｆ_n＝ｆ_n-1＋Δｆ（Δｆ＞０）である。ここで、Δｆは所定の定数であり、開始周波数ｆ_sよりも十分小さい値である。パラメータ抽出部３３３ｂは、決定部３３３ｄが周波数帯域を決定するまでｎの値を増加させながら直線の傾きを算出する。なお、開始周波数ｆ_sおよび候補帯域の変更に伴う最大周波数の増加量Δｆは任意に設定することが可能であり、ユーザが入力部３５を介して設定入力するようにしてもよい。

変化量算出部３３３ｃは、候補帯域Ｕ_n+1で算出したパラメータＰ_n+1から候補帯域Ｕ_nで算出したパラメータＰ_nを減算した値Ｐ_n+1−Ｐ_nをパラメータの変化量ΔＰ_nとして算出する。変化量算出部３３３ｃは、決定部３３３ｄが周波数帯域を決定するまでパラメータの変化量ΔＰ_nを算出する。

決定部３３３ｄは、変化量算出部３３３ｃが算出したパラメータの変化量の符号に基づいて周波数帯域を決定する。図７は、決定部３３３ｄが実行する周波数帯域決定処理の概要を示す図である。図７において、横軸はパラメータの変化量を算出する２つの候補帯域（Ｕ_n，Ｕ_n+1）（ｎ＝０，１，・・・）を示しており、縦軸は２つの候補帯域（Ｕ_n，Ｕ_n+1）におけるパラメータの変化量ΔＰ_n＝Ｐ_n+1−Ｐ_nを示している。図７に示す場合、２つの候補帯域（Ｕ_n，Ｕ_n+1）を示すｎの値がｎ＝０，１，・・・，Ｎ−１である場合にはΔＰ_n≦０である一方、ｎの値がｎ＝Ｎである場合にはΔＰ_n（＝ΔＰ_N）＞０となっている。決定部３３３ｄは、パラメータの変化量ΔＰ_ｎが「０以下」から「正」に変化したときの２つの候補帯域（Ｕ_N，Ｕ_N+1）のうち帯域幅が小さい方の候補帯域Ｕ_Nを周波数帯域とする。以下、周波数帯域となった候補帯域Ｕ_Nの最大周波数ｆ_Nを終了周波数ｆ_eという。

特徴量算出部３３４は、回帰分析により周波数スペクトルの包絡線を直線で近似することによって周波数スペクトルの補正前特徴量を算出する近似部３３４ａと、近似部３３４ａが算出した補正前特徴量に対して複数の減衰率候補値の各々に基づいた減衰補正を行うことによって補正特徴量を算出する減衰補正部３３４ｂと、を有する。

近似部３３４ａは、所定周波数帯域における周波数スペクトルの包絡線に対して回帰分析を行って一次式で近似することにより、この近似した一次式を特徴付ける補正前特徴量を算出する。例えば、図５に示す包絡線Ｃの場合、近似部３３４ａは、周波数帯域設定部３３３が設定した周波数帯域（候補帯域）で回帰分析を行うことによって包絡線Ｃの近似直線を得る。図８は、近似部３３４ａが実行する近似処理の概要を示す図である。図８に示す直線Ｌ_U0は、候補帯域Ｕで包絡線Ｃを一次式Ｉ＝ａ₀ｆ＋ｂ₀で近似することによって得られた近似直線である。近似部３３４ａは、直線Ｌ_U0に対応する補正前特徴量として、傾きａ₀、切片ｂ₀、および候補帯域Ｕの中心周波数ｆ_M＝（ｆ_s＋ｆ_e）／２における強度Ｉの値であるミッドバンドフィット（Mid-band fit）ｃ₀＝ａ₀ｆ_M＋ｂ₀を算出する。なお、近似部３３４ａは、回帰分析によって二次以上の多項式で周波数スペクトルを近似するようにしてもよい。

３つの補正前特徴量のうち、傾きａ₀は、超音波の散乱体の大きさと相関を有し、一般に散乱体が大きいほど傾きが小さな値を有すると考えられる。また、切片ｂ₀は、散乱体の大きさ、音響インピーダンスの差、散乱体の数密度（濃度）等と相関を有している。具体的には、切片ｂ₀は、散乱体が大きいほど大きな値を有し、音響インピーダンスの差が大きいほど大きな値を有し、散乱体の数密度が大きいほど大きな値を有すると考えられる。ミッドバンドフィットｃ₀は、傾きａ₀と切片ｂ₀から導出される間接的なパラメータであり、有効な周波数帯域内の中心におけるスペクトルの強度を与える。このため、ミッドバンドフィットｃ₀は、散乱体の大きさ、音響インピーダンスの差、散乱体の数密度に加えて、Ｂモード画像の輝度とある程度の相関を有していると考えられる。

減衰補正部３３４ｂは、単位長さおよび単位周波数あたりの超音波の減衰量を与える減衰率を用いて減衰補正を行う。一般に、超音波の減衰量Ａ（ｆ，ｚ）は、超音波が受信深度０と受信深度ｚとの間を往復する間に生じる減衰であり、往復する前後の強度変化（デシベル表現での差）として定義される。減衰量Ａ（ｆ，ｚ）は、一様な組織内では周波数に比例することが経験的に知られており、以下の式（１）で表現される。
Ａ（ｆ，ｚ）＝２αｚｆ ・・・（１）
ここで、比例定数αは減衰率と呼ばれる量であり、単位長さおよび単位周波数あたりの超音波の減衰量を与える。また、ｚは超音波の受信深度であり、ｆは周波数である。減衰率αの具体的な値は、観測対象が生体である場合、生体の部位に応じて定まる。減衰率αの単位は、例えばｄＢ／ｃｍ／ＭＨｚである。

減衰補正部３３４ｂは、近似部３３４ａが抽出した補正前特徴量（傾きａ₀、切片ｂ₀、ミッドバンドフィットｃ₀）に対し、以下に示す式（２）〜（４）にしたがって減衰補正を行うことにより、補正特徴量ａ、ｂ、ｃを算出する。
ａ＝ａ₀＋２αｚ ・・・（２）
ｂ＝ｂ₀ ・・・（３）
ｃ＝ｃ₀＋Ａ（ｆ_M，ｚ）＝ｃ₀＋２αｚｆ_M（＝ａｆ_M＋ｂ） ・・・（４）
式（２）、（４）からも明らかなように、減衰補正部３３４ｂは、超音波の受信深度ｚが大きいほど、補正量が大きい補正を行う。また、式（３）によれば、切片に関する補正は恒等変換である。これは、切片が周波数０（Ｈｚ）に対応する周波数成分であって減衰の影響を受けないためである。

図８に示す直線Ｌ_Uは、減衰補正部３３４ｂが補正した補正特徴量ａ、ｂ、ｃをパラメータとして有する直線を示す図である。直線Ｌ_Uの式は、
Ｉ＝ａｆ＋ｂ＝（ａ₀＋２αｚ）ｆ＋ｂ₀ ・・・（５）
で表される。この式（５）からも明らかなように、直線Ｌ_Uは、減衰補正前の直線Ｌ_U0と比較して、傾きが大きく（ａ＞ａ₀）、かつ切片が同じ（ｂ＝ｂ₀）である。

画像処理部３４は、エコー信号の振幅を輝度に変換して表示する超音波画像であるＢモード画像データを生成するＢモード画像データ生成部３４１と、特徴量算出部３３４が算出した特徴量に関する情報を表示する特徴量画像データを生成する特徴量画像データ生成部３４２と、を有する。

Ｂモード画像データ生成部３４１は、信号処理部３２から受信したＢモード用受信データに対してゲイン処理、コントラスト処理等の公知の技術を用いた信号処理を行うとともに、表示装置４における画像の表示レンジに応じて定まるデータステップ幅に応じたデータの間引き等を行うことによってＢモード画像データを生成する。Ｂモード画像は、色空間としてＲＧＢ表色系を採用した場合の変数であるＲ（赤）、Ｇ（緑）、Ｂ（青）の値を一致させたグレースケール画像である。

Ｂモード画像データ生成部３４１は、Ｂモード用受信データに走査範囲を空間的に正しく表現できるよう並べ直す座標変換を施した後、Ｂモード用受信データ間の補間処理を施すことによってＢモード用受信データ間の空隙を埋め、Ｂモード画像データを生成する。Ｂモード画像データ生成部３４１は、生成したＢモード画像データを特徴量画像データ生成部３４２へ出力する。

特徴量画像データ生成部３４２は、特徴量算出部３３４が算出した特徴量に関連する視覚情報をＢモード画像データにおける画像の各画素に対して重畳することによって特徴量画像データを生成する。特徴量画像データ生成部３４２は、例えば図４に示す１つのサンプルデータ群Ｆ_j（ｊ＝１、２、・・・、Ｋ）のデータ量に対応する画素領域に対し、その振幅データ群Ｆ_jから算出される周波数スペクトルの特徴量に対応する視覚情報を割り当てる。特徴量画像データ生成部３４２は、例えば上述した傾き、切片、ミッドバンドフィットのいずれか一つに視覚情報としての色相を対応付けることによって特徴量画像データを生成する。なお、特徴量画像データ生成部３４２が、傾き、切片、ミッドバンドフィットから選択される２つの特徴量の一方に色相を対応付けるとともに、他方に明暗を対応付けることによって特徴量画像データを生成するようにしてもよい。特徴量に関連する視覚情報としては、色相や明暗（明度）のほか、例えば彩度、輝度値、Ｒ（赤）、Ｇ（緑）、Ｂ（青）などの所定の表色系を構成する色空間の変数を挙げることができる。

制御部３６は、演算および制御機能を有するＣＰＵ（Central Processing Unit）や各種演算回路等を用いて実現される。制御部３６は、記憶部３７が記憶、格納する情報を記憶部３７から読み出し、超音波観測装置３の作動方法に関連した各種演算処理を実行することによって超音波観測装置３を統括して制御する。なお、制御部３６を信号処理部３２および演算部３３と共通のＣＰＵ等を用いて構成することも可能である。

記憶部３７は、周波数解析部３３２が算出した周波数スペクトルの情報を受信深度および受信方向とともに記憶するスペクトル情報記憶部３７１と、パラメータ抽出部３３３ｂが候補帯域ごとに抽出したパラメータの情報を記憶するパラメータ情報記憶部３７２と、周波数帯域設定部３３３が設定した周波数帯域の情報を記憶する周波数帯域情報記憶部３７３と、を有する。

記憶部３７は、上記以外にも、例えば増幅処理に必要な情報（図２に示す増幅率と受信深度との関係）、増幅補正処理に必要な情報（図３に示す増幅率と受信深度との関係）、減衰補正処理に必要な情報（式（１）参照）、周波数解析処理に必要な窓関数（Hamming、Hanning、Blackman等）の情報等を記憶する。

また、記憶部３７は、超音波観測装置３の作動方法を実行するための作動プログラムを含む各種プログラムを記憶する。作動プログラムは、ハードディスク、フラッシュメモリ、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、フレキシブルディスク等のコンピュータ読み取り可能な記録媒体に記録して広く流通させることも可能である。なお、上述した各種プログラムは、通信ネットワークを介してダウンロードすることによって取得することも可能である。ここでいう通信ネットワークは、例えば既存の公衆回線網、ＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）などによって実現されるものであり、有線、無線を問わない。

以上の構成を有する記憶部３７は、各種プログラム等が予めインストールされたＲＯＭ（Read Only Memory）、および各処理の演算パラメータやデータ等を記憶するＲＡＭ（Random Access Memory）等を用いて実現される。

図９は、以上の構成を有する超音波観測装置３が実行する処理の概要を示すフローチャートである。具体的には、超音波観測装置３が超音波内視鏡２からエコー信号を受信する以降の処理の概要を示すフローチャートである。以下、図９を参照して、超音波観測装置３が行う処理を説明する。まず、超音波観測装置３は、超音波内視鏡２から超音波振動子２１による観測対象の測定結果としてのエコー信号を受信する（ステップＳ１）。

超音波振動子２１からエコー信号を受信した信号増幅部３１１は、そのエコー信号の増幅を行う（ステップＳ２）。ここで、信号増幅部３１１は、例えば図２に示す増幅率と受信深度との関係に基づいてエコー信号の増幅（ＳＴＣ補正）を行う。

続いて、Ｂモード画像データ生成部３４１は、信号増幅部３１１が増幅したエコー信号を用いてＢモード画像データを生成して、表示装置４へ出力する（ステップＳ３）。Ｂモード画像データを受信した表示装置４は、そのＢモード画像データに対応するＢモード画像を表示する。

増幅補正部３３１は、送受信部３１から出力されたＲＦデータに対して受信深度によらず増幅率が一定となるように増幅補正を行う（ステップＳ４）。ここで、増幅補正部３３１は、例えば図３に示す増幅率と受信深度との関係に基づいて増幅補正を行う。

この後、周波数解析部３３２は、増幅補正後の各音線のＲＦデータに対してＦＦＴによる周波数解析を行うことによって全てのサンプルデータ群に対する周波数スペクトルを算出し、スペクトル情報記憶部３７１へ格納する（ステップＳ５）。図１０は、ステップＳ５において周波数解析部３３２が実行する処理の概要を示すフローチャートである。以下、図１０に示すフローチャートを参照して、周波数解析処理を詳細に説明する。

まず、周波数解析部３３２は、解析対象の音線を識別するカウンタｋをｋ₀とする（ステップＳ１１）。

続いて、周波数解析部３３２は、ＦＦＴ演算用に生成した一連のデータ群（サンプルデータ群）を代表するデータ位置（受信深度に相当）Ｚ^(k)の初期値Ｚ^(k) ₀を設定する（ステップＳ１２）。例えば、図４では、上述したように、音線ＳＲ_kの８番目のデータ位置を初期値Ｚ^(k) ₀として設定した場合を示している。

その後、周波数解析部３３２は、サンプルデータ群を取得し（ステップＳ１３）、取得したサンプルデータ群に対し、記憶部３７が記憶する窓関数を作用させる（ステップＳ１４）。このようにサンプルデータ群に対して窓関数を作用させることにより、サンプルデータ群が境界で不連続になることを回避し、アーチファクトが発生するのを防止することができる。

続いて、周波数解析部３３２は、データ位置Ｚ^(k)のサンプルデータ群が正常なデータ群であるか否かを判定する（ステップＳ１５）。図４を参照した際に説明したように、サンプルデータ群は、２のべき乗のデータ数を有している必要がある。以下、正常なサンプルデータ群のデータ数を２ⁿ（ｎは正の整数）とする。本実施の形態では、データ位置Ｚ^(k)が、できるだけＺ^(k)が属するサンプルデータ群の中心になるよう設定される。具体的には、サンプルデータ群のデータ数は２ⁿであるので、Ｚ^(k)はそのサンプルデータ群の中心に近い２ⁿ／２（＝２^n-1）番目の位置に設定される。この場合、サンプルデータ群が正常であるとは、データ位置Ｚ^(k)より浅部側に２^n-1−１（＝Ｎとする）個のデータがあり、データ位置Ｚ^(k)より深部側に２^n-1（＝Ｍとする）個のデータがあることを意味する。図４に示す場合、サンプルデータ群Ｆ_j（ｊ＝１、２、・・・、Ｋ−１）は正常である。なお、図４ではｎ＝４（Ｎ＝７，Ｍ＝８）の場合を例示している。

ステップＳ１５における判定の結果、データ位置Ｚ^(k)のサンプルデータ群が正常である場合（ステップＳ１５：Ｙｅｓ）、周波数解析部３３２は、後述するステップＳ１７へ移行する。

ステップＳ１５における判定の結果、データ位置Ｚ^(k)のサンプルデータ群が正常でない場合（ステップＳ１５：Ｎｏ）、周波数解析部３３２は、不足分だけゼロデータを挿入することによって正常なサンプルデータ群を生成する（ステップＳ１６）。ステップＳ１５において正常でないと判定されたサンプルデータ群（例えば図４のサンプルデータ群Ｆ_K）は、ゼロデータを追加する前に窓関数が作用されている。このため、サンプルデータ群にゼロデータを挿入してもデータの不連続は生じない。ステップＳ１６の後、周波数解析部３３２は、後述するステップＳ１７へ移行する。

ステップＳ１７において、周波数解析部３３２は、サンプルデータ群を用いてＦＦＴ演算を行うことにより、振幅の周波数分布である周波数スペクトルを得る（ステップＳ１７）。

続いて、周波数解析部３３２は、データ位置Ｚ^(k)をステップ幅Ｄで変化させる（ステップＳ１８）。ステップ幅Ｄは、記憶部３７が予め記憶しているものとする。図４では、Ｄ＝１５の場合を例示している。ステップ幅Ｄは、Ｂモード画像データ生成部３４１がＢモード画像データを生成する際に利用するデータステップ幅と一致させることが望ましいが、周波数解析部３３２における演算量を削減したい場合には、ステップ幅Ｄとしてデータステップ幅より大きい値を設定してもよい。

その後、周波数解析部３３２は、データ位置Ｚ^(k)が音線ＳＲ_kにおける最大値Ｚ^(k) _maxより大きいか否かを判定する（ステップＳ１９）。データ位置Ｚ^(k)が最大値Ｚ^(k) _maxより大きい場合（ステップＳ１９：Ｙｅｓ）、周波数解析部３３２はカウンタｋを１増加させる（ステップＳ２０）。これは、処理をとなりの音線へ移すことを意味する。一方、データ位置Ｚ^(k)が最大値Ｚ^(k) _max以下である場合（ステップＳ１９：Ｎｏ）、周波数解析部３３２はステップＳ１３へ戻る。

ステップＳ２０の後、周波数解析部３３２は、カウンタｋが最大値ｋ_maxより大きいか否かを判定する（ステップＳ２１）。カウンタｋが最大値ｋ_maxより大きい場合（ステップＳ２１：Ｙｅｓ）、周波数解析部３３２は一連の周波数解析処理を終了する。一方、カウンタｋが最大値ｋ_max以下である場合（ステップＳ２１：Ｎｏ）、周波数解析部３３２はステップＳ１２に戻る。この最大値ｋ_maxは、術者等のユーザが入力部３５を通じて任意に指示入力した値、もしくは、記憶部３７にあらかじめ設定された値とする。

このようにして、周波数解析部３３２は、解析対象領域内の（ｋ_max−ｋ₀＋１）本の音線の各々について複数回のＦＦＴ演算を行う。ＦＦＴ演算の結果として得られる周波数スペクトルは、受信深度、受信方向および識別情報とともにスペクトル情報記憶部３７１に格納される。ここで識別情報は、後述する周波数帯域設定処理の際に周波数スペクトルを識別するための情報であり、例えば各周波数スペクトルに対して順次付される識別番号ｉ＝０，１，２，・・・，ｉ_maxを含む情報である。本実施の形態１では、この識別番号ｉが、後述する周波数帯域設定処理におけるカウンタの機能を有している。

なお、以上の説明では、周波数解析部３３２が超音波信号を受信したすべての領域に対して周波数解析処理を行うものとしたが、入力部３５が特定の深度幅および音線幅で区切られる部分領域の設定入力を受け付け可能な構成とし、設定された部分領域内においてのみ周波数解析処理を行うようにすることも可能である。

以上説明したステップＳ５の周波数解析処理に続いて、周波数帯域設定部３３３は、周波数スペクトルごとに特徴量算出用の周波数帯域を設定する（ステップＳ６）。図１１は、このステップＳ６における周波数帯域設定処理の概要を示すフローチャートである。以下、図１１を参照して、周波数帯域設定処理を詳細に説明する。

まず、周波数帯域設定部３３３は、周波数スペクトルを識別するためのカウンタｉを０に設定する（ステップＳ３１）。

続いて、包絡線検出部３３３ａは、カウンタｉに対応する周波数スペクトルをスペクトル情報記憶部３７１から取得し、取得した周波数スペクトルの包絡線を検出する（ステップＳ３２）。この結果、例えば図５に示す包絡線Ｃが検出される。

この後、パラメータ抽出部３３３ｂは、開始周波数ｆ_sを設定する（ステップＳ３３）。具体的には、パラメータ抽出部３３３ｂは、処理対象の包絡線の強度のピーク値に対応するピーク周波数ｆ_pを抽出し、ピーク周波数ｆ_pよりも所定値だけ小さい周波数を開始周波数ｆ_sとする。なお、このステップＳ３３は、あらかじめユーザが入力部３５を介して設定入力した開始周波数ｆ_sの値を記憶部３７から読み出して設定する処理であってもよい。

パラメータ抽出部３３３ｂは、繰り返しのカウンタｎを０と設定する（ステップＳ３４）。続いて、パラメータ抽出部３３３ｂは、候補帯域Ｕ_n＝｛ｆ｜ｆ_s＜ｆ＜ｆ_n｝における包絡線の近似直線を回帰分析によって算出し、その近似直線の傾きをパラメータＰ_nとして抽出し、パラメータ情報記憶部３７２に書き込んで記憶させる（ステップＳ３５）。

その後、パラメータ抽出部３３３ｂは、カウンタｎが０であるか否かを判定する（ステップＳ３６）。カウンタｎが０である場合（ステップＳ３６：Ｙｅｓ）、パラメータ抽出部３３３ｂは、カウンタｎを１増加させ（ステップＳ３７）、ステップＳ３５の処理へ戻る。ここで、カウンタｎが１増加すると、候補帯域の最大周波数の値は、上述した通りΔｆだけ増加する。カウンタｎが０でない場合（ステップＳ３６：Ｎｏ）、パラメータ抽出部３３３ｂは、ステップＳ３８の処理へ移行する。

ステップＳ３８において、変化量算出部３３３ｃは、パラメータの変化量として、２つの候補帯域（Ｕ_n-1，Ｕ_n）における近似直線の傾きの差を算出する（ステップＳ３８）。具体的には、変化量算出部３３３ｃは、パラメータ抽出部３３３ｂが算出した候補帯域Ｕ_nにおける近似直線の傾き（パラメータＰ_n）から、その候補帯域Ｕ_n-1における近似直線の傾き（パラメータＰ_n-1）を減算してパラメータの変化量ΔＰ_n＝Ｐ_n+1−Ｐ_nを算出し、算出結果をパラメータ情報記憶部３７２に書き込んで記憶させる。

決定部３３３ｄは、変化量算出部３３３ｃが算出したパラメータの変化量の符号が「０以下」から「正」に変化したか否かを判定する（ステップＳ３９）。具体的には、決定部３３３ｄは、変化量算出部３３３ｃが算出した最新のパラメータの変化量ΔＰ_nの符号が「正」である場合、その一つ前に変化量算出部３３３ｃが算出したパラメータの変化量ΔＰ_n-1の符号が「０以下」であるか否かを確認することにより、パラメータの変化量の符号が「０以下」から「正」に変化したか否かを判定する。判定の結果、パラメータの変化量の符号が「０以下」から「正」に変化した場合（ステップＳ３９：Ｙｅｓ）、決定部３３３ｄは、候補帯域Ｕ_n-1を周波数帯域Ｕとする（ステップＳ４０）。例えば、図７では、候補帯域Ｕ_N（Ｎ＝ｎ−１）が周波数帯域Ｕとして設定される場合を示している。一方、判定の結果、パラメータの変化量の符号が「０以下」から「正」に変化していない場合（ステップＳ３９：Ｎｏ）、周波数帯域設定部３３３は、ステップＳ３７の処理へ移行する。

この後、周波数帯域設定部３３３は、カウンタｉが所定値ｉ_maxより大きいか否かを判定する（ステップＳ４１）。判定の結果、ｉ＞ｉ_maxである場合（ステップＳ４１：Ｙｅｓ）、周波数帯域設定部３３３は、周波数帯域設定処理を終了する。一方、判定の結果、ｉ≦ｉ_maxである場合（ステップＳ４１：Ｎｏ）、周波数帯域設定部３３３は、カウンタｉを１増加させ（ステップＳ４２）、ステップＳ３２の処理に戻る。

以上説明したステップＳ６の周波数帯域設定処理の後、近似部３３４ａは、周波数帯域Ｕ＝｛ｆ｜ｆ_s＜ｆ≦ｆ_e｝における近似直線をもとに補正前特徴量を算出する（ステップＳ７）。補正前特徴量としては、例えば上述した近似直線の傾き、切片、およびミッドバンドフィットの少なくともいずれか一つを挙げることができる。

続いて、減衰補正部３３４ｂは、補正前特徴量に対して減衰補正を行う（ステップＳ８）。これにより、超音波の伝播における減衰の影響を排除した特徴量が算出されることとなる。図８に示す場合には、この減衰補正処理の結果、直線Ｌ_Uが得られる。

この後、特徴量画像データ生成部３４２は、ステップＳ８で算出した特徴量とステップＳ３で生成したＢモード画像データを用いて特徴量画像データを生成する（ステップＳ９）。特徴量画像データ生成部３４２は、生成した特徴量画像データを表示装置４へ送信する。特徴量画像データを受信した表示装置４は、受信した特徴量画像データに対応する特徴量画像を表示する。

ステップＳ９の後、超音波観測装置３は一連の処理を終了する。なお、超音波観測装置３は、ステップＳ１〜Ｓ９の処理を周期的に繰り返し実行する。

図１２は、本実施の形態１の効果を説明する図である。図１２において、包絡線Ｃ’は、包絡線Ｃと同じ受信深度で異なる組織性状を有する組織の周波数スペクトルから検出されたものである。具体的には、包絡線Ｃの組織の粒径が包絡線Ｃ’の組織の粒径より大きい場合を示している。直線Ｌ_U0’は、包絡線Ｃ’に対して設定される周波数帯域Ｕ’＝｛ｆ｜ｆ_s＜ｆ≦ｆ_e’｝に対して近似部３３４ａが算出した近似直線である。本実施の形態１では、特徴量算出用の周波数帯域を適応的に決定するため、包絡線Ｃで設定される周波数帯域Ｕと包絡線Ｃ’で設定される周波数帯域Ｕ’は異なる。その結果、２つの近似直線Ｌ_U0、Ｌ_U0’の各周波数帯域Ｕ、Ｕ’における傾きは明らかに異なっている。

これに対して、従来技術では、同じ受信深度であれば同じ周波数帯域を用いる。図１３は、比較のために図１２と同じ包絡線Ｃ、Ｃ’に対して従来技術を適用した場合に得られる近似直線を例示した図である。図１３に示す場合、包絡線Ｃ、Ｃ’に対して同じ周波数帯域Ｕ（ｆｉｘ）＝｛ｆ｜ｆ_s＜ｆ≦ｆ_e（ｆｉｘ）｝で近似直線を求めている。その結果、包絡線Ｃの近似直線Ｌ_U0（ｆｉｘ）の傾きと、包絡線Ｃ’の近似直線Ｌ_U0（ｆｉｘ）’の傾きに大きな差が生じず、２つの組織を明確に峻別することが不可能である。

このように、本発明の実施の形態１によれば、周波数スペクトルを近似する際、解析に最適な周波数帯域を適応的に決定するため、周波数帯域を少なくとも受信深度ごとに固定している従来技術と比較して、同一の受信深度であっても組織性状が異なる場合を明確に峻別することができる。したがって、本実施の形態１によれば、観測対象の組織性状を精度よく鑑別することが可能となる。

また、本実施の形態１によれば、複数の候補帯域において包絡線を近似する近似直線に関連するパラメータとして近似直線の傾きをそれぞれ抽出し、候補帯域ごとに抽出した複数のパラメータのうち候補帯域の帯域幅の値が隣接する２つの候補帯域でそれぞれ抽出した２つのパラメータの変化量を算出し、この変化量の符号の変化に基づいて周波数帯域を決定することにより、組織性状に応じて周波数帯域をきめ細かく設定することができる。

なお、本実施の形態１において、パラメータ抽出部３３３ｂが、包絡線検出部３３３ａが検出した包絡線を候補帯域で回帰分析することによって包絡線を直線近似し、近似した直線の切片をパラメータとして抽出するようにしてもよい。

（実施の形態１の変形例１）
図１４は、本実施の形態１の変形例１における周波数帯域設定処理の概要を示す図である。本変形例１において、パラメータ抽出部３３３ｂは、複数の候補帯域Ｕ_n（ｎ＝１，２，・・・，ｎ_max）に対してパラメータＰ_nを抽出する。続いて、変化量算出部３３３ｃは、複数の候補帯域Ｕ_nに対して実施の形態１と同様に２つの候補領域（Ｕ_n，Ｕ_n+1）におけるパラメータの変化量ΔＰ_nを算出する。決定部３３３ｄは、パラメータの変化量ΔＰ_nの絶対値｜ΔＰ_n｜を２つの候補帯域のうち帯域幅が小さい方の候補帯域Ｕ_nの最大周波数ｆ_nの関数として近似曲線を求める。この近似曲線は、例えば回帰分析を行うことによって得られる。図１４に示す曲線Ｋ₁は、本変形例１における近似曲線の例である。決定部３３３ｄは、曲線Ｋ₁において、絶対値｜ΔＰ_n｜の最小値｜ΔＰ_n｜_minにおける周波数ｆ_minを終了周波数ｆ_eとすることによって周波数帯域を決定する。

本変形例１によれば、実施の形態１と同様の効果を得ることができる。また、本変形例１によれば、一段ときめ細かく周波数帯域を設定することができるため、組織性状の鑑別精度をさらに向上させることができる。

（実施の形態１の変形例２）
図１５は、本実施の形態１の変形例２における周波数帯域設定処理の概要を示す図である。本変形例２において、パラメータ抽出部３３３ｂは、複数の候補帯域Ｕ_n（ｎ＝１，２，・・・，ｎ_max）に対してパラメータＰ_nを抽出する。続いて、変化量算出部３３３ｃは、実施の形態１と同様に２つの候補領域（Ｕ_n，Ｕ_n+1）におけるパラメータの変化量ΔＰ_nを算出する。その後、決定部３３３ｄは、パラメータの変化量ΔＰ_nを２つの候補帯域のうち帯域幅が小さい方の候補帯域Ｕ_nの最大周波数ｆ_nの関数として近似曲線を求める。この近似曲線も、例えば回帰分析を行うことによって得られる。図１５に示す曲線Ｋ₂は本変形例２における近似曲線の例である。決定部３３３ｄは、曲線Ｋ₂において、ΔＰ_n＝０となる周波数ｆ_minを終了周波数ｆ_eとすることによって周波数帯域を設定する。

本変形例２によれば、実施の形態１と同様の効果を得ることができる。また、本変形例２によれば、変形例１と同様、一段ときめ細かく周波数帯域を設定することができるため、組織性状の鑑別精度をさらに向上させることができる。

（実施の形態２）
本発明の実施の形態２は、パラメータ抽出部３３３ｂが行うパラメータの算出方法が実施の形態１と異なる。具体的には、本実施の形態２において、パラメータ抽出部３３３ｂは、包絡線と同一平面内に設定される複数の投影直線へサンプリング点を投影した場合の度数分布を求め、求めた度数分布における統計的なばらつきが最小である投影直線を決定し、この投影直線と直交する直線の傾きを包絡線のパラメータとして抽出する。なお、本実施の形態２に係る超音波観測装置の構成は、実施の形態１で説明した超音波観測装置３の構成と同様である。

図１６は、本実施の形態２においてパラメータ抽出部３３３ｂが行う包絡線のパラメータ抽出処理（図１１のステップＳ３５）の概要を示すフローチャートである。図１７Ａおよび図１７Ｂは、パラメータ抽出部３３３ｂが行うパラメータ抽出処理の概要を模式的に示す図である。以下、図１６、１７Ａおよび１７Ｂを参照して包絡線のパラメータ抽出処理を説明する。

まず、パラメータ抽出部３３３ｂは、投影直線を識別するためのカウンタμを０と設定する（ステップＳ５１）。

パラメータ抽出部３３３ｂは、角度パラメータθ_μの投影直線を作成する（ステップＳ５２）。この角度パラメータθ_μは、包絡線を与える平面（横軸：周波数ｆ、縦軸：強度Ｉ）における投影直線の傾きに関連した角度である。換言すれば、投影直線の傾きはｔａｎθ_μで与えられる。図１７Ａには、カウンタμ＝μ１（角度パラメータθ_μ＝θ_μ1）である場合の投影直線ＦＬ_μ1が記載されている。また、図１７Ｂには、カウンタμ＝μ２（角度パラメータθ_μ＝θ_μ2）である場合の投影直線ＦＬ_μ2が記載されている。ここで、μ１≠μ２であり、カウンタμの最大値をμ_maxとすると、０≦μ１，μ２≦μ_maxを満たす。

続いて、パラメータ抽出部３３３ｂは、候補帯域Ｕ_nの包絡線Ｃのサンプリング点を投影直線に投影して投影直線上における度数分布を取得する（ステップＳ５３）。図１７Ａに示す曲線Ｈ_μ1は、パラメータ抽出部３３３ｂが投影直線ＦＬ_μ1に対して取得した度数分布に対応するヒストグラムである。また、図１７Ｂに示す曲線Ｈ_μ2は、パラメータ抽出部３３３ｂが投影直線ＦＬ_μ2に対して取得した度数分布に対応するヒストグラムである。

この後、パラメータ抽出部３３３ｂは、ステップＳ５３で取得した度数分布の分散を算出し、パラメータ情報記憶部３７２へ書き込んで記憶させる（ステップＳ５４）。

この後、パラメータ抽出部３３３ｂは、カウンタμが最大値μ_maxより大きいか否かを判定する（ステップＳ５５）。判定の結果、μ＞μ_maxである場合（ステップＳ５５：Ｙｅｓ）、パラメータ抽出部３３３ｂはステップＳ５６の処理へ移行する。一方、判定の結果、μ≦μ_maxである場合（ステップＳ５５：Ｎｏ）、パラメータ抽出部３３３ｂは、カウンタμを１増加させ（ステップＳ５７）、ステップＳ５２の処理に戻る。ここでパラメータ抽出部３３３ｂがカウンタμを１増加させたときの角度パラメータの増加量Δθはμによらず一定である。この増加量Δθは任意に設定することが可能であり、ユーザが入力部３５を介して設定入力するようにしてもよい。

ステップＳ５６において、パラメータ抽出部３３３ｂは、パラメータ情報記憶部３７２を参照して、サンプリング点を投影したときの度数分布の統計的ばらつきを与える分散が最小である投影直線を抽出する（ステップＳ５６）。続いて、パラメータ抽出部３３３ｂは、ステップＳ５６で抽出した投影直線と直交する直線の傾きを算出し、包絡線ＣのパラメータＰ_nとしてパラメータ情報記憶部３７２へ書き込んで記憶させる（ステップＳ５８）。

図１８は、このステップＳ５８の処理を模式的に示す図である。図１８では、度数分布の分散が最小である投影直線が投影直線ＦＬ_μ2である場合を例示している。この場合、パラメータ抽出部３３３ｂは、投影直線ＦＬ_μ2と直交する直線Ｌ_μ2の傾きをパラメータＰ_nとして抽出する。直線Ｌ_μ2の傾きは、角度パラメータθ_μ2を用いてｔａｎ（θ_μ2＋９０°）と表される。

以上説明した本発明の実施の形態２によれば、実施の形態１と同様、周波数スペクトルを近似する際、解析に最適な周波数帯域を適応的に決定するため、周波数帯域を少なくとも受信深度ごとに固定している従来技術と比較して、同一の受信深度であっても組織性状が異なる場合を明確に峻別することができる。したがって、本実施の形態２によれば、観測対象の組織性状を精度よく鑑別することが可能となる。

また、本実施の形態２においても、複数の候補帯域において包絡線を近似する近似直線のパラメータをそれぞれ抽出し、候補帯域ごとに抽出した複数のパラメータのうち候補帯域の帯域幅の値が隣接する２つの候補帯域でそれぞれ抽出した２つのパラメータの変化量を算出し、この変化量の符号の変化に基づいて周波数帯域を決定することにより、組織性状に応じて周波数帯域をきめ細かく設定することができる。

なお、本実施の形態２において、候補帯域内のサンプリング点を投影直線に投影したときの度数分布の統計的なばらつきを与える量として、例えば標準偏差、母集団における特徴量の最大値と最小値の差、特徴量の分布の半値幅のいずれかを適用することも可能である。また、統計的なばらつきを与える量として分散の逆数を適用する場合も考えられるが、この場合には、その値が最大となる投影直線を用いてパラメータが決定されることはいうまでもない。

また、本実施の形態２において、パラメータ抽出部３３３ｂが、包絡線と同一平面内に設定される複数の投影直線へサンプリング点を投影した場合の度数分布を求め、求めた度数分布における統計的なばらつきが最小である投影直線を決定し、この投影直線と直交するとともにその投影直線上で最も度数が高い点を通過する直線の切片を包絡線のパラメータとして抽出するようにしてもよい。図１８に示す直線Ｌ_μ2は、この２つの条件を満たす直線である。

また、本実施の形態２において、度数分布の統計的なばらつきに加えて該度数分布に対応するヒストグラムの最頻値を用いて定義される指標であって最頻値が大きいほど大きい値をとるとともに統計的なばらつきが小さいほど大きい値をとる指標に基づいてパラメータを算出する投影直線を設定するようにしてもよい。具体的には、統計的なばらつきを分散とする場合、（最頻値）／（分散）を指標として投影直線ごとに算出し、この指標の値が最大となる投影直線を用いて包絡線のパラメータを算出するようにしてもよい。

（その他の実施の形態）
ここまで、本発明を実施するための形態を説明してきたが、本発明は上述した実施の形態１、２によってのみ限定されるべきものではない。例えば、周波数スペクトルに対して減衰補正を先に行った後、周波数帯域設定処理および特徴量算出処理を行うようにしてもよい。この場合には、特徴量算出処理において減衰補正処理を行わなくてよい。

また、超音波内視鏡以外の超音波プローブに対しても適用することが可能である。超音波プローブとして、例えば光学系のない細径の超音波ミニチュアプローブを適用してもよい。超音波ミニチュアプローブは、通常、胆道、胆管、膵管、気管、気管支、尿道、尿管へ挿入され、その周囲臓器（膵臓、肺、前立腺、膀胱、リンパ節等）を観察する際に用いられる。また、超音波プローブとして、被検体の体表から超音波を照射する体外式超音波プローブを適用してもよい。体外式超音波プローブは、通常、腹部臓器（肝臓、胆嚢、膀胱）、乳房（特に乳腺）、甲状腺を観察する際に用いられる。

このように、本発明は、請求の範囲に記載した技術的思想を逸脱しない範囲内において、様々な実施の形態を含みうるものである。

以上のように、本発明にかかる超音波観測装置、超音波観測装置の作動方法および超音波観測装置の作動プログラムは、観測対象の組織性状を精度よく鑑別するのに有用である。

１ 超音波診断システム
２ 超音波内視鏡
３ 超音波観測装置
４ 表示装置
２１ 超音波振動子
３１ 送受信部
３２ 信号処理部
３３ 演算部
３４ 画像処理部
３５ 入力部
３６ 制御部
３７ 記憶部
３１１ 信号増幅部
３３１ 増幅補正部
３３２ 周波数解析部
３３３ 周波数帯域設定部
３３３ａ 包絡線検出部
３３３ｂ パラメータ抽出部
３３３ｃ 変化量算出部
３３３ｄ 決定部
３３４ 特徴量算出部
３３４ａ 近似部
３３４ｂ 減衰補正部
３４１ Ｂモード画像データ生成部
３４２ 特徴量画像データ生成部
３７１ スペクトル情報記憶部
３７２ パラメータ情報記憶部
３７３ 周波数帯域情報記憶部

Claims (10)

1. 観測対象へ超音波を送信し、該観測対象で反射された超音波を受信する超音波振動子を備えた超音波プローブが取得した超音波信号に基づいて超音波画像を生成する超音波観測装置であって、
   前記超音波信号の周波数を解析することによって前記超音波信号の受信深度および受信方向に応じた複数の周波数スペクトルを算出する周波数解析部と、
   前記周波数解析部が算出した各周波数スペクトルの特徴量の算出に使用する周波数帯域を、互いに異なる帯域幅を有する複数の候補帯域の各々における周波数スペクトルに関連するパラメータを用いて設定する周波数帯域設定部と、
   前記周波数帯域設定部が設定した周波数帯域をもとに各周波数スペクトルの特徴量を算出する特徴量算出部と、
   前記特徴量算出部が算出した特徴量に関する情報を表示する特徴量画像データを生成する特徴量画像データ生成部と、
   を備え、
   前記周波数帯域設定部は、
   前記周波数スペクトルの包絡線を検出する包絡線検出部と、
   前記複数の候補帯域において前記包絡線を近似する近似直線に関連するパラメータをそれぞれ抽出するパラメータ抽出部と、
   前記パラメータ抽出部が前記候補帯域ごとに抽出した複数のパラメータのうち所定の関係にある２つの前記候補帯域でそれぞれ抽出した２つのパラメータの変化量を算出する変化量算出部と、
   前記変化量算出部が算出した前記変化量に基づいて前記周波数帯域を決定する決定部と、
   を有することを特徴とする超音波観測装置。
2. 前記パラメータ抽出部は、前記候補帯域の周波数の最小値を固定したまま最大値を順次大きくして前記複数の候補帯域を設定し、１つの前記候補帯域を設定するごとに前記包絡線を直線で近似してパラメータを抽出した後、前記変化量算出部へ前記パラメータを出力し、
   前記変化量算出部は、前記パラメータ抽出部が少なくとも２回のパラメータ抽出処理を実行済みである場合には、最新のパラメータとその１つ前のパラメータ抽出処理で抽出されたパラメータとの差を前記変化量として算出し、
   前記決定部は、前記変化量算出部が少なくとも２回の変化量算出処理を実行済みである場合には、最新の前記変化量とその１つ前の変化量算出処理で算出された前記変化量とを比較し、該比較の結果、前記変化量の符号が０または一方の符号から他方の符号に変化した場合、前記１つ前のパラメータ抽出処理で前記パラメータを抽出した際の前記候補帯域を前記周波数帯域に決定し、
   前記パラメータ抽出部、前記変化量算出部および前記決定部は、前記決定部が前記周波数帯域を決定するまで処理を繰り返し実行することを特徴とする請求項１に記載の超音波観測装置。
3. 前記パラメータ抽出部は、
   前記包絡線を回帰分析することによって前記直線を算出し、該算出した前記直線の傾きを前記パラメータとすることを特徴とする請求項２に記載の超音波観測装置。
4. 前記パラメータ抽出部は、前記候補帯域の周波数の最小値を固定したまま最大値を順次大きくして前記複数の候補帯域を設定し、各候補帯域において前記包絡線を直線で近似してパラメータを抽出し、
   前記変化量算出部は、帯域幅の値が隣接する２つの前記候補帯域においてそれぞれ抽出された２つの前記パラメータの差を前記変化量として算出し、
   前記決定部は、前記変化量の絶対値を２つの前記候補帯域のうち帯域幅が小さい方の候補帯域の最大周波数の関数として近似曲線を算出し、該近似曲線において前記絶対値が最小となるときの前記最大周波数をもとに前記周波数帯域を決定することを特徴とする請求項１に記載の超音波観測装置。
5. 前記パラメータ抽出部は、前記候補帯域の周波数の最小値を固定したまま最大値を順次大きくして前記複数の候補帯域を設定し、各候補帯域において前記包絡線を直線で近似してパラメータを抽出し、
   前記変化量算出部は、帯域幅の値が隣接する２つの前記候補帯域においてそれぞれ抽出された２つの前記パラメータの差を前記変化量として算出し、
   前記決定部は、前記変化量を２つの前記候補帯域のうち帯域幅が小さい方の候補帯域の最大周波数の関数として近似曲線を算出し、該近似曲線において値がゼロとなるときの前記最大周波数をもとに前記周波数帯域を決定することを特徴とする請求項１に記載の超音波観測装置。
6. 前記パラメータ抽出部は、
   前記候補帯域における前記包絡線上のサンプリング点を複数の投影直線にそれぞれ投影したときに各投影直線における度数分布を算出し、該度数分布の統計的なばらつきが最も小さい投影直線に基づいて前記直線の傾きを算出し、該算出した前記直線の傾きを前記パラメータとすることを特徴とする請求項２に記載の超音波観測装置。
7. 前記パラメータ抽出部は、
   前記候補帯域における前記包絡線上のサンプリング点を複数の投影直線にそれぞれ投影したときに各投影直線における度数分布を算出し、該度数分布の最頻値および統計的なばらつきを用いて定義される指標であって前記最頻値が大きいほど大きい値をとるとともに前記統計的なばらつきが小さいほど大きい値をとる指標に基づいて前記直線の傾きを算出する際に用いる投影直線を選択し、該選択した投影直線に基づいて前記直線の傾きを算出し、該算出した前記直線の傾きを前記パラメータとすることを特徴とする請求項２に記載の超音波観測装置。
8. 前記特徴量算出部は、
   前記周波数帯域における前記包絡線を回帰分析によって近似した後、超音波が伝搬する際に発生する減衰の寄与を削減する減衰補正を行うことによって前記周波数スペクトルの特徴量を算出することを特徴とする請求項１に記載の超音波観測装置。
9. 観測対象へ超音波を送信し、該観測対象で反射された超音波を受信する超音波振動子を備えた超音波プローブが取得した超音波信号に基づいて超音波画像を生成する超音波観測装置の作動方法であって、
   周波数解析部が、前記超音波信号の周波数を解析することによって前記超音波信号の受信深度および受信方向に応じた複数の周波数スペクトルを算出する周波数解析ステップと、
   周波数帯域設定部が、各周波数スペクトルの特徴量の算出に使用する周波数帯域を、互いに異なる帯域幅を有する複数の候補帯域の各々における周波数スペクトルに関連するパラメータを用いて設定する周波数帯域設定ステップと、
   特徴量算出部が、前記周波数帯域をもとに各周波数スペクトルの特徴量を算出する特徴量算出ステップと、
   特徴量画像データ生成部が、前記特徴量に基づいて特徴量画像データを生成する特徴量画像データ生成ステップと、
   を含み、
   前記周波数帯域設定ステップは、
   包絡線検出部が、前記周波数スペクトルの包絡線を検出する包絡線検出ステップと、
   パラメータ抽出部が、前記複数の候補帯域において前記包絡線を近似する近似直線に関連するパラメータをそれぞれ抽出するパラメータ抽出ステップと、
   変化量算出部が、前記候補帯域ごとに抽出された複数のパラメータのうち所定の関係にある２つの前記候補帯域でそれぞれ抽出した２つのパラメータの変化量を算出する変化量算出ステップと、
   決定部が、前記変化量に基づいて前記周波数帯域を決定する決定ステップと、
   を有することを特徴とする超音波観測装置の作動方法。
10. 観測対象へ超音波を送信し、該観測対象で反射された超音波を受信する超音波振動子を備えた超音波プローブが取得した超音波信号に基づいて超音波画像を生成する超音波観測装置に、
    周波数解析部が、前記超音波信号の周波数を解析することによって前記超音波信号の受信深度および受信方向に応じた複数の周波数スペクトルを算出する周波数解析ステップと、
    周波数帯域設定部が、各周波数スペクトルの特徴量の算出に使用する周波数帯域を、互いに異なる帯域幅を有する複数の候補帯域の各々における周波数スペクトルに関連するパラメータを用いて設定する周波数帯域設定ステップと、
    特徴量算出部が、前記周波数帯域をもとに各周波数スペクトルの特徴量を算出する特徴量算出ステップと、
    特徴量画像データ生成部が、前記特徴量に基づいて特徴量画像データを生成する特徴量画像データ生成ステップと、
    を実行させ、
    前記周波数帯域設定ステップは、
    包絡線検出部が、前記周波数スペクトルの包絡線を検出する包絡線検出ステップと、
    パラメータ抽出部が、前記複数の候補帯域において前記包絡線を近似する近似直線に関連するパラメータをそれぞれ抽出するパラメータ抽出ステップと、
    変化量算出部が、前記候補帯域ごとに抽出された複数のパラメータのうち所定の関係にある２つの前記候補帯域でそれぞれ抽出した２つのパラメータの変化量を算出する変化量算出ステップと、
    決定部が、前記変化量に基づいて前記周波数帯域を決定する決定ステップと、
    を有することを特徴とする超音波観測装置の作動プログラム。

Images