本发明专利技术提供超声波时间序列数据处理装置及非暂时性存储介质。通过针对在对象被检体内设定的相同的扫描面重复进行超声波的发送或接收，来在接收部(16)、图像生成部(18)、跟踪处理部(20)、弹性处理部(22)或多普勒处理部(24)中取得时间序列的对象时间序列数据。特征预测部(48)对学习成基于所输入的时间序列数据来预测并输出该时间序列数据所表示的特征的学习器输入对象时间序列数据，基于学习器对对象时间序列数据的输出数据，来预测对象时间序列数据表示的特征。显示控制部(26)将特征预测部(48)所得到的预测结果通知给用户。(48)所得到的预测结果通知给用户。(48)所得到的预测结果通知给用户。
【技术实现步骤摘要】
超声波时间序列数据处理装置及非暂时性存储介质
[0001]对有关申请的交叉参考
[0002]本申请主张日本专利申请第2022
‑
093657号(申请日期2022年6月9日)的优先权，通过参考将其包括说明书、权利要求书、说明书附图和摘要在内的全部内容并入到这里。
[0003]本说明书公开了超声波时间序列数据处理装置以及计算机可读非暂时性存储介质。
技术介绍
[0004]过去，通过超声波诊断装置向被检体发送或者接收超声波，基于由此得到的帧数据(相当于1张超声波图像的多个超声波波束数据)来生成超声波图像。过去，提出自动判定超声波图像中表征的疾患的技术。
[0005]在国际公开第2018/180386号中公开了一种超声波图像诊断支援方法，将映有作为疾患的肿瘤的超声波图像(静止图像)和这以外的超声波图像(静止图像)用作学习数据，使模型学习，以使其在输入超声波图像中识别肿瘤，将判定对象的超声波图像输入到学习完毕的模型，来在判定对象的超声波图像中识别肿瘤。特别在国际公开第2018/180386号公开的超声波图像诊断支援方法中，根据单发地产生散斑噪声等这样的见解，在与判定对象的超声波图像在时间序列上连续的超声波图像即连续帧中，将在相同位置产生的肿瘤候补区域作为最终的肿瘤区域处置。
[0006]例如如国际公开第2018/180386号那样，通过对学习完毕的模型(学习器)输入超声波图像，能预测该超声波图像所示的特征。但在利用了学习器的超声波图像的特征的预测中尚有改善的余地。例如，若学习器能还考虑时间序列的超声波图像列(即动态图像)所表征的被检体的活动等来预测超声波图像的特征，就期待其预测精度提升。
技术实现思路
[0007]本说明书中公开的超声波时间序列数据处理装置的目的在于，使超声波图像所显示的特征的预测精度提升。
[0008]本说明书中公开的超声波时间序列数据处理装置具备：特征预测部，其对特征预测学习器输入通过多次重复进行针对在对象被检体内设定的相同的扫描面的超声波的发送或接收而生成的作为表示信号的时间变化的时间序列数据的对象时间序列数据，基于对该输入的所述特征预测学习器的输出来预测与所述对象时间序列数据相关的特征，其中，所述特征预测学习器将通过多次重复进行针对在被检体内设定的相同的扫描面的超声波的发送或接收而生成的作为所述时间序列数据的学习用时间序列数据、和表征与该学习用时间序列数据相关的特征的信息的组合用作学习数据，学习成基于所输入的所述时间序列数据来预测并输出与该时间序列数据相关的特征；和通知部，其将所述特征预测部的预测结果通知给用户。
[0009]此外，所述特征是使用所述时间序列数据进行的检查的种类、所述时间序列数据所表示的组织切面的种类、要设定测量位置、所述时间序列数据所表示的疾患、或在所述时间序列数据中产生的伪影的种类的至少1者。
[0010]此外，所述时间序列数据是时间序列的超声波图像列、作为图像化前的数据的时间序列的帧数据列、表征散斑的轨迹的轨迹信息、表征被检部位的形变量的时间变化的时间序列弹性信息、或表征被检部位或血液的速度的时间变化的时间序列多普勒信号的至少1者。
[0011]根据该结构，特征预测学习器通过使用时间序列的学习用时间序列数据进行学习，能考虑时间序列数据中的信号的时间变化地输出时间序列数据的特征。通过对如此地进行了学习的特征预测学习器输入时间序列的对象时间序列数据，与通过至少对使用作为静止图像的超声波图像进行了学习的学习器输入超声波图像来预测该超声波图像的特征的情况相比，能更高精度地预测超声波图像的特征。
[0012]也可以所述特征预测部对从学习成预测并输出相互不同的所述特征的多个所述特征预测学习器中基于用户指示而选择的所述特征预测学习器输入所述对象时间序列数据。
[0013]根据该结构，用户能得到与对象时间序列数据相关的所期望的特征的预测结果。
[0014]也可以所述特征预测部对学习成预测并输出相互不同的所述特征的多个所述特征预测学习器分别输入所述对象时间序列数据，基于多个所述特征预测学习器的输出的组合来预测与所述对象时间序列数据相关的特征。
[0015]根据该结构，期待与对象时间序列数据相关的特征的预测的精度更加提升。例如，特征预测部基于对使用时间序列数据进行的检查的种类进行预测的特征预测学习器的输出来预测要使用对象时间序列数据进行的检查的种类，确定能从所预测的检查的种类判别的多个疾患。在此基础上，特征预测部通过对与时间序列数据所表示的疾患的特征预测学习器输入对象时间序列数据，来以从先前确定的多个疾患中进行选择的形式预测对象时间序列数据表示的疾患。由此，期待疾患预测的精度更加提升。
[0016]也可以所述对象时间序列数据以及所述学习用时间序列数据是与被检体的脉动周期中的相同期间对应的所述时间序列数据。
[0017]根据该结构，通过脉动周期中的学习用时间序列数据和对象时间序列数据的期间相同，特征预测学习器的输出精度提升，由此，能提升对象时间序列数据所表示的特征的预测精度。
[0018]也可以还具备：时间序列数据生成部，其生成所述对象时间序列数据。
[0019]根据该结构，在对被检体发送超声波或从被检体接收超声波来生成对象时间序列数据的超声波诊断装置中，能预测与对象时间序列数据相关的特征。
[0020]也可以所述特征预测部重复执行与以当前时间点为基准的所述对象时间序列数据相关的特征的预测。
[0021]根据该结构，用户能得到与最新的对象时间序列数据相关的特征的预测结果。
[0022]也可以所述特征预测部基于从所述对象被检体取得的心电波形执行与以所述对象被检体的心律间隔稳定的时间点为基准的所述对象时间序列数据相关的特征的预测。
[0023]根据该结构，能进行在心律间隔稳定的状态下取得的对象时间序列数据的特征的
预测。
[0024]也可以所述特征预测部执行与以用户对进行超声波的发送或接收的超声波探头进行操作的时间点为基准的所述对象时间序列数据相关的特征的预测。
[0025]根据该结构，用户每当操作超声波探头，就能得到对象时间序列数据的特征的预测。
[0026]此外，本说明书中公开的超声波时间序列数据处理程序使计算机作为如下部分发挥功能：特征预测部，其对特征预测学习器输入通过多次重复进行针对在对象被检体内设定的相同的扫描面的超声波的发送或接收而生成的作为表示信号的时间变化的时间序列数据的对象时间序列数据，基于对该输入的所述特征预测学习器的输出来预测与所述对象时间序列数据相关的特征，其中，所述特征预测学习器将通过多次重复进行针对在被检体内设定的相同的扫描面的超声波的发送或接收而生成的作为所述时间序列数据的学习用时间序列数据、和表征与该学习用时间序列数据相关的特征的信息的组合用作学习数据，学习成基于所输入的所述时间序列数据来预测并输出与该时间序列数据相关的特征；和通知部，其将所述特征预测部的预测结果通知给用户。
本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种超声波时间序列数据处理装置，其特征在于，具备：特征预测部，其对特征预测学习器输入通过多次重复进行针对在对象被检体内设定的相同的扫描面的超声波的发送或接收而生成的作为表示信号的时间变化的时间序列数据的对象时间序列数据，基于对该输入的所述特征预测学习器的输出来预测与所述对象时间序列数据相关的特征，其中，所述特征预测学习器将通过多次重复进行针对在被检体内设定的相同的扫描面的超声波的发送或接收而生成的作为所述时间序列数据的学习用时间序列数据、和表征与该学习用时间序列数据相关的特征的信息的组合用作学习数据，学习成基于所输入的所述时间序列数据来预测并输出与该时间序列数据相关的特征；和通知部，其将所述特征预测部的预测结果通知给用户。2.根据权利要求1所述的超声波时间序列数据处理装置，其特征在于，所述特征是使用所述时间序列数据进行的检查的种类、所述时间序列数据表示的组织切面的种类、要设定测量位置、所述时间序列数据表示的疾患、或在所述时间序列数据中产生的伪影的种类的至少1者。3.根据权利要求1所述的超声波时间序列数据处理装置，其特征在于，所述时间序列数据是时间序列的超声波图像列、作为图像化前的数据的时间序列的帧数据列、表征散斑的轨迹的轨迹信息、表征被检部位的形变量的时间变化的时间序列弹性信息、或表征被检部位或血液的速度的时间变化的时间序列多普勒信号的至少1者。4.根据权利要求1～3中任一项所述的超声波时间序列数据处理装置，其特征在于，所述特征预测部对从学习成预测并输出相互不同的所述特征的多个所述特征预测学习器中基于用户指示而选择的所述特征预测学习器输入所述对象时间序列数据。5.根据权利要求1～3中任一项所述的超声波时间序列数据处理装置，其特征在于，所述特征预测部对学习成预测并输出相互不同的所述特征的多个所述特征预测学习器分别输入所述对象时间序列数据，基于多个所述特征预测学习器的输出的组...
【专利技术属性】
技术研发人员：长野智章，笠原英司，浅房胜德，
申请(专利权)人：富士胶片医疗健康株式会社，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。