野口 幸代¹, 神山 直久¹, 磯野 洋², 蜂屋 弘之³

Sachiyo NOGUCHI¹, Naohisa KAMIYAMA¹, Hiroshi ISONO², Hiroyuki HACHIYA³

¹GEヘルスケア・ジャパン株式会社超音波製品開発部, ²GEヘルスケア・ジャパン株式会社プローブ技術部, ³東京工業大学理工学研究科

¹Ultrasound Engineering, GE Healthcare Japan, ²Probe Engineering, GE Healthcare Japan, ³Graduate School of Science and Engineering, Tokyo Institute of Technology

キーワード :

【はじめに】
非侵襲的な手法による肝臓の組織性状診断が望まれている．我々は，超音波のエコー信号を利用した肝組織性状の定量化を検討してきた［1］．本稿では，エコー信号振幅の統計量，およびテクスチャ解析手法の一つであるグレーレベル同時生起行列（GLCM）の特徴量に対して，異なる装置設定条件が及ぼす影響について検討する．
【手法】
使用装置はLOGIQ E9，プローブはC1-6（凸型，4.0 MHz）．肝臓疑似ファントム（CIRS Inc., M-057）を用い，装置設定条件のうちGain, Dynamic Range（DR），周波数を変化させてRaw Dataを取得した．データをPCに転送し画像再構築後，2 x 2 cmのROIを実質部に目視で設置し，Log振幅統計値およびGLCM特徴量を解析した［2］．次に，同一装置/プローブにて臨床で取得された肝臓のRaw Data（線維化ステージF0-F4）に対して，上記同様の解析を行った．なお，今回はLog信号振幅に対して解析を試みる．この時，ランダムなスペックルノイズに対する確率密度関数（PDF）はRayleigh分布ではなく，二重指数型のFisher-Tippett分布を呈するが，Gainの変化に対する分散値の並進不変性の利点がある．
【結果】
ファントム実験結果で，GLCMのいくつかの特徴量（Contrast, Energy, Variance等）はGain, DRによる影響を受けず，これらのロバスト性は超音波臨床データを扱う上で有利になると思われる．一方，異なる周波数で変動する特徴量は，分解能に対する感度が高く，微小構造物の定量化に適していると期待できる．上記で選出した特徴量に着目し，肝臓のデータ解析に用いたところ，F0からF4まで漸次的変化を確認できた．これらはファントム実験でのGain, DR変化に比べて有意な変化量であった．
【まとめ】
我々の開発環境下での超音波振幅Raw Dataを使用して，臨床利用を考慮した時，有用となる特徴量を推定することができた．今後はこれらを使用した多変量解析を行う予定である．
謝辞：肝臓データの例は東京労災病院和久井紀貴先生のご厚意により使用できたことを感謝致します．
［1］Yamaguchi et al. JJAP, 40（5B），3900-3904（2001.5）.
［2］田中由紀他，J Med Ultrasonics 37（Suppl．）S325（2010）