[发明专利]超声波摄像装置以及图像处理装置

说明书

本发明提供一种超声波摄像装置以及图像处理装置，向用户提供成为判断由包含神经网络的处理生成的图像是否妥当的资料的信息。接受接收了来自被检体的超声波的超声波探头输出的接收信号，基于接收信号生成超声波图像。将接收信号或者超声波图像设为输入，通过学习完毕的神经网络输出推测接收信号或者推测超声波图像。妥当性信息生成部使用接收信号、超声波图像、推测接收信号、推测超声波图像以及神经网络的中间层的输出中的一个以上，生成表示推测接收信号或者推测超声波图像的妥当性的信息。

技术领域

本发明涉及使用超声波对被检体内的图像进行拍摄的超声波摄像技术，涉及在图像的重建时使用通过机器学习的方法被训练的算法的技术。

背景技术

超声波摄像技术是使用超声波(不希望听到的声波，通常为20kHz以上的高频率的声波)对以人体为代表的被检体的内部非介入性地进行图像化的技术。

近年来，根据以神经网络、深度学习等技术为中心的机器学习技术的进展，在基于超声波摄像技术的图像化中，公开有多个使用机器学习技术的重建处理、画质改善处理的例子。使用向神经网络的输入数据与设为神经网络的输出的目标的训练数据的集合，进行神经网络的训练，由此即使对于未知的输入数据，也能够以高精度获得所希望的输出。若将图像化前的信号设为输入数据，将图像化后的数据设为训练数据，则神经网络进行图像重建的处理，若在输入数据与训练数据双方中使用图像化后的数据，则也能够使神经网络进行画质改善。

例如，在专利文献1中公开了将超声波回波信号、基于回波信号被波束成形的信号或者其两方设为向神经网络的输入，从神经网络输出图像数据的超声波图像系统。神经网络通过机器学习的方法被训练，通过使用该神经网络，能够置换以往的超声波图像化处理，获得更高画质的图像，或者不提供明示的物理模型而获得组织性状的信息、血流信息等。

神经网络通常通过基于大量数据的学习，而决定各节点处的运算所使用的权重，能够输出成为目标的高精度的图像、信号等，若将基于数据的处理与预先决定的模型库的处理比较，则存在难以直观地理解其行为的情况。特别是难以预测神经网络对于未知的输入的行为。因此，看到神经网络输出的图像、信号等的人也难以仅根据其输出来判断其是否是妥当的输出。

专利文献1所记载的超声波摄像装置是由于在图像化过程中包含有通过机器学习而被训练的神经网络，所以神经网络根据作为未知的输入的接收信号生成图像的结构。因此，看到由神经网络生成并被显示的图像的用户难以判断该图像是否是妥当的图像。

专利文献1：国际公开第2018/127497号

发明内容

本发明的目的在于，向用户提供成为判断由包含神经网络的处理生成的图像是否妥当的资料的信息。

为了实现上述目的，本发明的超声波摄像装置具有：图像生成部，其接受接收了来自被检体的超声波的超声波探头输出的接收信号，基于接收信号生成超声波图像；学习完毕的神经网络，其将接收信号或者图像生成部生成的超声波图像设为输入，输出推测接收信号或者推测超声波图像；以及妥当性信息生成部，其使用接收信号、上述超声波图像、推测接收信号、推测超声波图像以及神经网络的中间层的输出中的一个以上，生成表示推测接收信号或者推测超声波图像的妥当性的信息。

根据本发明，能够通过超声波摄像装置显示表示使用神经网络生成的图像的妥当性的信息，因此用户能够进行图像的妥当性的判断。

附图说明

图1A是本实施方式的超声波摄像装置整体的立体图，图1B是表示本实施方式的超声波摄像装置的简要结构的框图。

图2是表示实施方式的超声波摄像装置整体的结构的框图。

图3的(a)～(c)是表示实施方式的超声波摄像装置主体中的从接收信号处理部至图像处理部的数据的流动的细节的框图。

图4的(a)以及(b)是表示预先决定的差分值的绝对值(特征量)与表示妥当性的值的关系的图表。