DE19828947A1 - System und Verfahren zur dreidimensionalen (3-D) Ultraschallbildgabe und Bewegungsabschätzung - Google Patents

Description

Die vorliegende Erfindung bezieht sich auf ein System und ein Verfahren zum Erzeugen von dreidimensionalen (3-D) Bildern von Strukturen auf der Grundlage von zweidimensio­ nalen (2-D) Bildern, die durch einen Abtastvorgang erhalten worden sind, und insbesonde­ re auf der Grundlage von zweidimensionalen Bildern, die unter Verwendung einer Ul­ traschallabtastung gewonnen wurden.

Die Abbildung eines Abschnitts eines Patientenkörpers für medizinische Diagnosezwecke ist als solche bekannt. Im Zusammenhang mit der medizinischen Bildgabe werden Signale am stärksten von solchen Abschnitten der Region erhalten, bei denen die lokale Änderung der akustischen Impedanz am größten ist. Die relativen Stärken der zurückkehrenden Signale werden dann umgewandelt und verarbeitet sowie in einer gewissen Form beispiels­ weise auf einem Monitor dargestellt, der ein Bild der abgetasteten Region anzeigt. Existierende Bildgabesysteme, die beispielsweise unter Verwendung von Ultraschall­ methoden und von auf Positronen basierenden Techniken, wie etwa der Positronen-Emis­ sionstomographie (PET) und der computertomographischen Einzelpositronenemission (SPECT = single positron emission computerized tomography) arbeiten, erzeugen Bilder des Körpers, die die Abtastebenen, das heißt zweidimensionale "Scheiben" bzw. "Schnitte" der abgetasteten Region repräsentieren. Diese Systeme zeigen jede Scheibe so an, wie sie erzeugt worden ist, so daß der Benutzer das zweidimensionale Bild "sieht", das der aktuellen Position und der aktuellen Orientierung des Wandlers entspricht.

Ein Nachteil einer solchen rein zweidimensionalen Bildgabe besteht darin, daß der größte Teil der abgebildeten Strukturen lediglich in Form von Querschnitten auftritt: Der Benutzer erhält kein klares Bild von Strukturen, die nicht in der Ebene in der "Scheibe" liegen, die aktuell angezeigt wird. Falls beispielsweise eine Arterie rechtwinklig zu der Abtastebene verläuft, wird der Benutzer in diesem Fall nur eine kleine, kreisförmige Region sehen können. Selbst scharfe Biegungen der Arterie sind nicht erkennbar.

Ein Ansatz zur Lösung dieses Problems besteht darin, einfach eine große Anzahl von zweidimensionalen Bildern (Bildrahmen bzw. Einzelbildern) zusammenzutragen, diese in einer gewissen Weise auszurichten und dann die Bilder in jeder beliebigen Ebene der ausgerichteten Bildzusammenstellung anzuzeigen. Damit jedoch eine korrekte Ausrichtung (Registrierung) möglich wird, müssen exakte Informationen über den Abstand zwischen den benachbarten Einzelbildern bekannt sein. Solche Informationen stehen aber oftmals nicht zur Verfügung, da der Benutzer den Wandler normalerweise nicht mit konstanter Geschwindigkeit bewegt, und zwar selbst dann nicht, wenn angenommen wird, daß der Benutzer den Wandler in einer konstanten Richtung bewegt. Der Benutzer kann zum Beispiel mehr Zeit für die "Betrachtung" eines besonders interessierenden Abschnitts der abgetasteten Region aufwenden und sich über andere Abschnitte rasch hinwegbewegen. Weiterhin werden auch unterschiedliche Benutzer den Wandler normalerweise nicht mit der gleichen Geschwindigkeit bewegen.

Ein bekannter Weg zur Lösung dieses Problems besteht darin, den Wandler in einer motorisierten Halterungsstruktur anzubringen und ihn dann mit einer konstanten Geschwin­ digkeit unter Verwendung von Motoren zu bewegen. Eine solche Konstruktion ist jedoch teuer und sperrig, erfordert weiterhin eine Prozedur bzw. eine Vorgehensweise für die dreidimensionale Abtastung, die sich von der für die zweidimensionale Abtastung einge­ setzten Prozedur unterscheidet, und beschränkt die Möglichkeiten des Benutzers, die Abtastung direkt zu steuern, in starkem Ausmaß, insbesondere dann, wenn in der Hand gehaltene Wandler benutzt werden, die üblicherweise bei der Ultraschallbildgabe zum Einsatz kommen.

Ein weiterer Weg zur Lösung dieses Problems besteht darin, direkt an dem Wandler Positionssensoren zur Ermittlung von Abstands- bzw. Streckeninformationen zusätzlich zu den Abtastinformationen anzubringen, wobei die Positionssensoren mechanische Sensoren (zum Beispiel Räder), Trägheitssensoren (Beschleunigungsmesser), magnetische Sensoren (zum Beispiel Polhemus-Elemente) oder eine andere Art von Positionssensoren sein können. Der Nachteil dieses Lösungsansatzes besteht jedoch darin, daß solche Sensoren zusätzliches Gewicht und erhöhte Komplexität für die Wandler bedeuten, wodurch es schwierig ist, diese in kostengünstigen Maschinen vorzusehen. Ferner können metallische Objekte, die in dem Untersuchungsbereich vorhanden sind, Störungen hervorrufen, die magnetische Positionssensoren nachteilig beeinflussen, wohingegen bei nach dem Sicht­ linienprinzip arbeitenden Infrarotsensoren oder Ultraschallsensoren nahezu jedes Objekt, das zwischen dem Sensor und dem Wandler vorhanden ist, zu Störungen führt.

Eine andere bekannte Möglichkeit zur Erzeugung von dreidimensionalen Bildern besteht darin, eine Mehrzahl von Wandlern zu benutzen, die die gleiche Region aus zwei oder mehr Betrachtungsrichtungen gleichzeitig abbilden. Die "Stereo"-Bildgabedaten werden dann unter Verwendung von bekannten Algorithmen zu einem dreidimensionalen Datensatz verarbeitet. Diese Lösung weist jedoch einen offensichtlichen Nachteil auf: Eine Mehrzahl von Wandlern führt zu erhöhten Kosten und erhöhter Komplexität.

Ein weiteres Verfahren besteht darin, die Verteilung einer Reihe von sukzessiven Streuele­ menten in der abgetasteten Region sowie gewisse Korrelationsmethoden zu benutzen, um ein dreidimensionales Modell der Blutströmung aufzubauen. Bei dieser Methode wird jedoch vorab angenommen, daß die abgetastete Region ein strömendes Medium ist, das eine gegebene Geschwindigkeitsverteilung aufweist.

Schließlich kann die lokale Bewegung bei oder in einem dreidimensionalen Ultraschallbild auf der Grundlage der Korrelation von im B-Modus erhaltenen Bildern unter Verwendung von mathematischen Autokorrelations- und Kreuzkorrelationsfunktionen ermittelt werden. Derartige Methoden sind jedoch sehr rechenintensiv und sind häufig auf nicht in Echtzeit erfolgende Untersuchungen (Off-Line-Untersuchungen) beschränkt.

Demgemäß besteht ein Bedarf hinsichtlich eines Systems und eines zugehörigen Verfahrens zur Erzeugung von dreidimensionalen Bildern unter Verwendung eines einzelnen Wand­ lers. Ferner ist ein weiterer Bedarf hinsichtlich einer dreidimensionalen Bildgabe vorhan­ den, bei der selbst bei in der Hand gehaltenen Wandlern nur eine geringe oder überhaupt keine Änderung der flexiblen und vertrauten, vom Benutzer gesteuerten Abtastprozeduren erforderlich ist. Ein weiterer Wunsch besteht hinsichtlich der Erzeugung von dreidimensio­ nalen Darstellungen selbst eines sich nicht bewegenden Gewebes. Schließlich ist ein Bedarf hinsichtlich eines dreidimensionalen Ultraschallsystems vorhanden, das in Echtzeit arbeiten kann.

Mit der Erfindung wird ein Verfahren gemäß dem Patentanspruch 1 oder 17 sowie eine System (Vorrichtung) gemäß dem Patentanspruch 8 geschaffen.

Vorteilhafte Ausgestaltungen der Erfindung sind in den Unteransprüchen angegeben.

Mit der vorliegenden Erfindung werden die vorstehend genannten Probleme zumindest zum großen Teil gelöst. Ein Bewegungssignal für eine Bewegung in der Ebene (In-Ebenen- Bewegungssignal) und ein Bewegungssignal für eine Bewegung außerhalb der Ebene (Außer-Ebenen-Bewegungssignal) werden auf der Basis von Sätzen von aufeinanderfolgen­ den zweidimensionalen Bildern auf der Grundlage der Anpassung bzw. Zur-Überein­ stimmung-Bringung von gewissen Fleckeneigenschaften ("Speckle"-Qualitäten) ermittelt. Aus dem Bewegungssignal für die Bewegung in der Ebene und dem Bewegungssignal für die Bewegung außerhalb der Ebene lassen sich Abstände zwischen den zweidimensionalen Bildern ermitteln und diese dann zur Gewinnung eines globalen Bewegungssignals bzw. eines Signals für eine globale Bewegung sowie zum Aufbauen eines dreidimensionalen Bilds verwenden.

Gemäß einem Ausführungsbeispiel wird eine kalibrierte Fleckenfunktion ("Speckle"- Funktion) für den Wandler und für die abzutastende Geweberegion vorab festgelegt. Eine Folge von Bildern (Einzelbilder bzw. Bildrahmen) wird identifiziert und zu dreidimensio­ nalen großen und kleinen Blöcken gruppenweise zusammengefaßt. Es werden Blöcke, die einen Flecken (Speckle) repräsentieren, identifiziert und es wird dann eine Dekorrelations­ charakteristik über die Blöcke hinweg ermittelt. Die Blockdekorrelationscharakteristik wird dazu benutzt, eine Abschätzung bzw. einen Schätzwert für die Bewegung außerhalb der Ebene bzw. aus der Ebene heraus zu erhalten. Darüber hinaus wird eine Kreuzkorrela­ tionscharakteristik, die zwischen Bildpaaren vorhanden ist, dazu benutzt, die Bewegungs­ charakteristik der Bewegung in der Ebene zu ermitteln. Es kann auch eine auf den Bildpaa­ ren beruhende Dekorrelationscharakteristik in Verbindung mit einer Volumen-Dekorrela­ tionscharakteristik dazu benutzt werden, eine noch genauere Bewegungsabschätzung für die außerhalb der Ebene liegende bzw. aus der Ebene heraus gerichtete Bewegung zu ermit­ teln.

Gemäß einem Ausführungsbeispiel der Erfindung wird zunächst eine kalibrierte Flecken­ funktion vorab für den Wandler und für das abzutastende Gewebe festgelegt. Eine Serie von Bildern wird identifiziert und zu dreidimensionalen großen und kleinen Gruppen­ blöcken zusammengefaßt. Es werden Blöcke, die einen Flecken bzw. fleckförmige Störun­ gen ("Speckle") repräsentieren, identifiziert und es dann eine Blöcke vergleichende "volle Breite - halber maximaler Wert - Summe-der-Absolutdifferenz"-Optimierungsmethode (bzw. "volle Halbwertsbreite der Summe der Absolutdifferenz"-Optimierung FWHM SAD) dazu benutzt, einen Schätzwert für die außerhalb der Ebene liegende Bewegung auf der Grundlage einer Dekorrelationscharakteristik über das gesamte Volumen hinweg zu ermitteln. Bei der Bewegungsabschätzung der in der Ebene liegenden Bewegung wird die "minimale Summe absoluter Differenzen"-Methode dazu benutzt, einen Schätzwert für die in der Ebene liegende Bewegung unter Verwendung von Kreuzkorrelationseigen­ schaften zwischen Bildpaaren zu erhalten. Fuzzy-Logik-Methoden werden anschließend verwendet, um noch genauere Schätzwerte zu ermitteln. Schließlich wird der Schätzwert für die außerhalb der Ebene liegende bzw. aus der Ebene herausgerichtete Bewegung auf der Grundlage einer Dekorrelationseigenschaft der Fleckenbilder (Speckle-Bilder bzw. Bilder von fleckenförmigen Störungen), die bei der Bestimmung innerhalb der Ebene benutzt wurden, (unter Verwendung der Optimierung auf der Grundlage "volle Breite - halber maximaler Wert - Summe absoluter Differenzen") aktualisiert. Sobald die Schätz­ werte für die lokale Bewegung auf der Grundlage der kleinen Blöcke ermittelt worden sind, kann eine Abschätzung bzw. ein Schätzwert für eine globale Bewegung unter Verwendung des "Least Means Square"-Verfahrens (Methode kleinster mittlerer Quadrate bzw. mittlerer quadratischer Abweichungen) erhalten werden.

Die Erfindung wird nachstehend anhand von Ausführungsbeispielen unter Bezugnahme auf die Zeichnungen näher beschrieben.

Fig. 1 zeigt eine schematische Darstellung eines in Übereinstimmung mit einem Ausführungsbeispiel der vorliegenden Erfindung stehenden Systems (Vorrich­ tung),

Fig. 2 zeigt eine schematische Darstellung von dreidimensionalen großen und kleinen Blöcken gemäß einem Ausführungsbeispiel der vorliegenden Erfindung,

Fig. 3 zeigt ein Blockschaltbild, in dem die wesentlichen strukturellen Komponenten eines in Übereinstimmung mit der vorliegenden Erfindung stehenden Ultra­ schallbildgabesystems dargestellt sind,

Fig. 4 veranschaulicht die Art und Weise, gemäß der eine piezoelektrische Anordnung (Array) eine Untersuchungsregion in Form einer Folge von Einzelbildern abtastet,

Fig. 5 zeigt eine schematische Darstellung eines Abschnitts eines Abtastbilds, das in Übereinstimmung mit einem Ausführungsbeispiel der vorliegenden Erfindung steht,

Fig. 6 zeigt eine graphische Darstellung eines als Beispiel dienenden Referenz-Histo­ gramms für die Identifizierung von Flecken bei einem Ausführungsbeispiel der vorliegenden Erfindung,

Fig. 7 zeigt eine schematische Darstellung, in der eine in Übereinstimmung mit einem Ausführungsbeispiel der vorliegenden Erfindung stehende Kurve für die Sum­ me absoluter Differenzen bei voller Breite und halbem Maximum dargestellt ist,

Fig. 8A bis 8D zeigen graphische Darstellungen, in denen Fuzzy-Logik-Mitgliedsfunktio­ nen ("Membership"-Funktionen) für den Qualitätsfaktor und für den Abwei­ chungsfaktor gemäß der vorliegenden Erfindung dargestellt sind,

Fig. 9 zeigt eine graphische Darstellung zur Veranschaulichung der Gewinnung oder Ableitung eines Qualitätsfaktors für die Suche nach der minimalen Summe absoluter Differenzen gemäß einem Ausführungsbeispiel der vorliegenden Erfindung,

Fig. 10 zeigt eine schematische Darstellung, die eine in Übereinstimmung mit einer Ausführungsform der vorliegenden Erfindung stehende Suche nach minimaler Summe der Absolutdifferenzen veranschaulicht,

Fig. 11 zeigt eine schematische Darstellung zur Erläuterung einer in Übereinstimmung mit einer Ausführungsform der vorliegenden Erfindung stehenden Bewegungs­ abschätzung, wobei eine Korrektur hinsichtlich Anisotropien erfolgt,

Fig. 12A zeigt eine schematische Darstellung, die Fehler veranschaulicht, die auf Bild­ rauschen bzw. Bildstörungen und auf die Unabhängigkeit der statistischen Werte bei den Bildern, die auf die Abtastgeschwindigkeiten zurückzuführen ist, veranschaulicht sind,

Fig. 12B zeigt eine schematische Darstellung, die Korrekturparameter für einen Ge­ schwindigkeitsmesser gemäß einem Ausführungsbeispiel der vorliegenden Erfindung veranschaulicht, und

Fig. 13A bis 13C zeigen schematische Darstellungen, in denen Arten oder Methoden für eine Abtastung gemäß einer Ausführungsform der vorliegenden Erfindung dargestellt sind.

Die Erfindung wird nachstehend detaillierter erläutert. Wenn ein Objekt durch manche Arten von Strahlungen abgetastet wird, können bekanntlich in dem Objekt befindliche Gebilde, die für eine Auflösung zu klein sind (die, grob gesagt, kleiner sind als die Wellenlänge der abtastenden Strahlung), das Signal, das zu der Abtasteinrichtung zurück­ gegeben wird, streuen, reflektieren oder in sonstiger Weise störend mit diesem Signal in Wechselwirkung treten. Wenn das Gerät dann ein Bild auf der Grundlage des zurückge­ kehrten Abtastsignals erzeugt, führen diese Störungen, die ein Rauschen darstellen, oftmals dazu, daß die Klarheit des Bilds beeinträchtigt ist. Als Beispiel hierfür wird bei der medizinischen Ultraschallbildgabe ein Ultraschallstrahl, der in den Körper gesendet worden ist, durch die Mikrostruktur des Gewebes gestreut. Diese Störungen (Interferenzen) werden als "Flecken" bzw. "Speckle" (fleckenförmige Störungen) bezeichnet.

Flecken führen dazu, daß das Bild kornförmig erscheint, wodurch kleinere Strukturen verdeckt werden und das Vorhandensein von geringen Kontrast aufweisenden Läsionen bzw. Verletzungen maskiert wird. Dieses Problem ist analog wie ein "Schnee" auf einem Fernsehbildschirm, wodurch die "Schärfe" des Fernsehbilds beeinträchtigt wird. Das Problem von Flecken tritt ebenfalls - wenn auch üblicherweise nur in kleinerem Ausmaß - bei anderen Bildgabemethoden wie etwa bei der Positronen-Emissionstomographie (PET) und bei der computertomographischen Einzelpositronenemission (SPECT) auf.

Gemäß der vorliegenden Erfindung wird die Fleckeninformation dazu benutzt, eine Abstandsinformation hinsichtlich desjenigen Abstands zu vermitteln, der die verschiedenen abgetasteten Ebenen eines dreidimensionalen Untersuchungsvolumens trennt. Die Erfin­ dung kann zur Erzeugung von dreidimensionalen Bildern auf der Grundlage von zweidi­ mensional abgetasteten Bildern benutzt werden, die unter Heranziehung einer beliebigen Technologie, bei der "Flecken" bzw. fleckenförmige Störungen (Speckle) auftreten, erhalten worden sind. Die vorliegende Erfindung wird nachstehend im Zusammenhang mit einer medizinischen Ultraschallbildgabe beschrieben.

Genauer gesagt, werden die Abstände zwischen den zweidimensionalen, im B-Modus erhaltenen Bilder auf der Grundlage einer Abschätzung einer lokalen, in der Ebene vorhandenen Bewegung und einer Abschätzung einer lokalen, außerhalb der Ebene liegenden bzw. aus der Ebene herausgerichteten Bewegung auf der Basis von Flecken­ eigenschaften von Abschnitten jedes zweidimensionalen Rahmens (bzw. Einzelbilds) oder Bilds ermittelt. Die lokale Abschätzung innerhalb der Ebene und die lokale Abschätzung außerhalb der Ebene werden dann dazu benutzt, eine globale Abschätzung (Schätzwert) für die globale Bewegung zu erhalten. Gemäß einem Ausführungsbeispiel werden Fleckenre­ gionen in jedem Bild identifiziert. Anschließend wird die beste Übereinstimmung auf der Grundlage von gewissen Eigenschaften der Flecken (zum Beispiel von Dekorrelations­ eigenschaften) über eine vorbestimmte Anzahl von ein Blockvolumen definierenden, zweidimensionalen Bildern hinweg dazu benutzt, die Abschätzung außerhalb der Ebene bzw. den Schätzwert für die aus der Ebene herausgerichtete Bewegung zu ermitteln. Anschließend wird die besten Übereinstimmung von Eigenschaften (beispielsweise von Kreuzkorrelationseigenschaften) von Flecken bzw. fleckenförmigen Störungen, die zwi­ schen Bildpaaren vorhanden sind, dazu benutzt, einen Schätzwert für die in der Ebene liegende Bewegung zu erhalten. Zusätzlich wird die beste Übereinstimmung für die Dekorrelationseigenschaften, die zwischen den gleichen, für die Abschätzung der in der Ebene liegenden Bewegung benutzten Bilder vorhanden sind, in Verbindung mit den Volumendekorrelationseigenschaften dazu benutzt, eine noch genauere Abschätzung (Schätzwert) für die lokale, aus der Ebene herausgerichtete Bewegung zu erhalten. Es können Qualitätsfaktoren definiert werden und es können Fuzzy-Logik-Methoden dazu benutzt werden, die Schätzwerte für die lokale Bewegung noch weiter zu optimieren. Sobald die Schätzwerte für die lokale, in der Ebene liegende Bewegung und für die lokale aus der Ebene heraus gerichtete Bewegung ermittelt worden sind, kann eine globale, zwischen den Bildern vorhandene Bewegung ermittelt werden. Auf dieser Grundlage werden die zwischen den zweidimensionalen Bildern vorhandenen Abstände dazu benutzt, eine dreidimensionale Darstellung aufzubauen.

Bei einem Ausführungsbeispiel wird die Optimierungsmethode "full width half maximum (FWHM) sum-absolute-difference (SAD)" bzw. "volle Breite bei halbem Maximalwert (FWHM) der Summe der Absolutdifferenzen (SAD)" dazu benutzt, die Schätzwerte für die aus der Ebene heraus gerichtete Bewegung auf der Basis der Dekorrelationseigenschaften zu gewinnen. In ähnlicher Weise wird die Optimierungsmethode "minimum sum-absolute­ difference (MSAD)" bzw. "minimale Summe absoluter Differenzen (MSAD)" dazu benutzt, die Schätzwerte für die in der Ebene liegende Bewegung auf der Basis der Kreuzkorrelationseigenschaften zu gewinnen.

Ein hauptsächlicher Vorteil der Heranziehung der Optimierungsmethoden FWHM SAD (gesamte Breite bei halbem Maximalwert der ermittelten Summe absoluter Differenzen) und MSAD (minimale Summe absoluter Differenzen) bei der Ermittlung der besten, zwischen Blöcken oder Bildern vorhandenen Übereinstimmung besteht darin, daß sie keinerlei Multiplikation erfordern, sondern lediglich Additionen/Subtraktionen für die Berechnung der SAD-Ähnlichkeit (Ähnlichkeit der Summe absoluter Differenzen) von zwei Blöcken und anschließend lediglich Vergleiche zur Ermittlung des Minimalwerts und des Vollbreiten-Halbmaximum-Werts auf den SAD-Karten (zweidimensionale Darstellungen der Summe absoluter Differenzen) benötigen. Ein weiterer Vorteil besteht darin, daß relativ wenig Speicherpositionen zum Speichern der Zwischenwerte während der Berech­ nungen erforderlich sind. Folglich sind die Methoden FWHM SAD und MSAD schnell und effizient. Andererseits kann aber die SAD-Routine (Routine zur Ermittlung der Summe absoluter Differenzen) im Hinblick auf das Zurückweisen bzw. eine Unanfälligkeit gegen­ über dem Einfluß von gewissen Störungstypen bzw. Rauschtypen nicht immer am besten sein, und sie benutzt auch keinerlei (oder nur wenig) bereits vorab vorhandene Kenntnisse hinsichtlich der bekannten oder angenommenen Merkmale der Struktur, des Rauschens (Störungen) oder, im Fall einer Ultraschallabbildung des Körpers, der Flecken.

Es können daher statt dessen auch andere Optimierungsverfahren in Abhängigkeit von der jeweiligen Abbildungsumgebung und abhängig davon, ob der für die Berechnungen benutzte Prozessor ausreichend rasch ist und ob ausreichend Speicher vorhanden ist, verwendet werden. Als Beispiel kann die Optimierungsmethode "kleinste Quadrate" benutzt werden, bei der der Minimalwert der Summe der Quadrate der unterschiedlichen Pixelpaare in den Blöcken gesucht wird und dieser als die beste Übereinstimmung an­ genommen wird, sobald er ermittelt worden ist. Bei dem Verfahren "kleinste Quadrate" sind zusätzlich zu den Additionen/Subtraktionen Multiplikationen erforderlich, wobei es sich aber gezeigt hat, daß diese Methode für gewisse Arten von Störungen (Rauschen) zu einer statistisch optimalen Übereinstimmung führt.

Ferner können auch auf Statistik basierende Anpassungstechniken wie etwa eine ma­ thematische Dekorrelation und Kreuzkorrelation dazu benutzt werden, die in der Ebene liegende und aus der Ebene herausführende Bewegung zu ermitteln. Folglich können diese dazu benutzt werden, ein Maß für die beste Übereinstimmung zwischen den Bildern oder Blöcken bereitzustellen.

Es wird nun auf Fig. 1 Bezug genommen. Dort sind in Form eines Flußbilds Komponenten eines als Ausführungsbeispiel dienenden, in Übereinstimmung mit der vorliegenden Erfindung stehenden Systems 3000 dargestellt. Anfänglich werden Bildeingangsdaten bzw. Bilddaten 3002, wie etwa zweidimensionale B-Modus-Bilder erzeugt, wozu üblicherweise ein Wandler über die interessierende Region hinweg bewegt wird, was nachstehend in größeren Einzelheiten erläutert wird. Die eingegebenen Bilddaten (Bildeingangsdaten) werden dann dazu benutzt, sowohl die in der Ebene liegende Bewegung als auch die aus der Ebene herausweisende Bewegung zu ermitteln, was nachfolgend noch in größeren Einzelheiten erläutert wird.

In Fig. 2 ist ein als Beispiel dienender Satz aus acht (8) Bildern oder Rahmen (Einzel­ bildern) 300 dargestellt. Die Einzelbilder repräsentieren Bilddaten, die in einem Speicher gespeichert sind, und die je nach Bedarf abwärts abgetastet bzw. mit verringerter Ab­ tastrate (down-sampled) abgefragt werden können. Die Bilder 300 sind in mehrere Zeilen und Spalten von dreidimensionalen großen Blöcken 302 zum Zwecke einer lokalen Bewe­ gungsabschätzung unterteilt. Die Größe der großen Blöcke ist ausreichend groß bemessen, damit ausreichend statistische Informationen zur Abschätzung der lokalen Bewegung enthalten ist. Die statistische Ungewißheit für diese Abschätzung nimmt nämlich bei einem Mein bemessenen Block zu. Andererseits können die dreidimensionalen großen Blöcke nicht zu groß sein, da eine geringere Anzahl von großen Blöcken dazu führen kann daß die globale Bewegungsabschätzung instabil wird. Ferner kann ein groß bemessener Block zur Einführung von Bilddrehungsfehlern in die lokale Bewegungsabschätzung führen, bei der angenommen wird, daß die dreidimensionalen großen Blöcke keine Drehbewegung zeigen.

Jeder große Block 302 ist dann in kleine Blöcke 304 für die Fleckensuche (Speckle-Suche) unterteilt. Auch hier bestehen Kompromisse bezüglich der Größe der Meinen Blöcke. Die Meinen Blöcke müssen ausreichend groß sein, so daß sie in ausreichendem Umfang statistische Informationen für die Bewertung, ob sie Fleckeninformationen oder keine Fleckeninformationen enthalten, umfassen. Andererseits muß die Größe der kleinen Blöcke ausreichend klein sein, so daß die statistische Information innerhalb jedes kleinen Blocks die gleiche ist (dies bedeutet, daß jeder kleine Block insgesamt ein Flecken ist bzw. enthält oder insgesamt kein Flecken ist bzw. keinen Flecken enthält).

Es wird erneut Bezug auf Fig. 1 und insbesondere auf deren oberen Zweig genommen. In einer Stufe 3004 wird eine dreidimensionale Fleckensuche ausgeführt, um diejenigen Blöcke zu identifizieren, die Fleckendaten enthalten. Jede beliebige aus einer Vielzahl von bekannten Methoden kann zur Identifizierung der Fleckenregionen benutzt werden; im folgenden wird ein als Beispiel dienendes Ausführungsbeispiel beschrieben, bei dem die Mittelwert/Histogramm-Technik benutzt wird. Sobald die Fleckensuche ausgeführt worden ist, werden Fleckendekorrelationseigenschaften beispielsweise auf der Grundlage eines FWHM SAD-Werts über die dreidimensionalen Blöcke hinweg ermittelt, um hieraus einen Abstandswert oder Bewegungswert in der aus der Ebene herausweisenden Richtung zu bestimmen. Der aus der Ebene herausweisende Bewegungswert wird dann in einem Geschwindigkeitsmesser 3008 zur Überprüfung der Genauigkeit verglichen, was nachstehend in größeren Einzelheiten erläutert wird. Zusätzlich wird der Schätzwert für die aus der Ebene herausgerichtete Bewegung an eine Bewegungskorrektureinheit 3016 angelegt, deren Zweck in der weiteren Beschreibung in größeren Einzelheiten erläutert wird. Schließlich wird ein Schätzwert d_z für die aus der Ebene herausführende, lokale Bewegung für jeden kleinen Block ausgegeben.

Nachfolgend wird auf den unteren Zweig der Fig. 1 Bezug genommen. Damit die Kom­ ponenten x und y der in der Ebene liegenden Bewegung für jeden kleinen Block bestimmt werden, wird eine Fleckensuche (Speckle-Suche) 3010 über eine vorbestimmte inter­ essierende Region hinweg ausgeführt. Die Fleckensuche 3010 wird in gleichartiger Weise wie diejenige bei dem oberen Zweig ausgeführt, wobei hier aber die Suche lediglich über zwei Bilder hinweg durchgeführt wird. Sobald durch die Fleckensuche 3010 die Fleckenre­ gionen identifiziert worden sind, werden die Fleckendekorrelationseigenschaften 3012 beispielsweise auf der Basis eines FWHM SAD-Werts in einer ähnlich wie die vor­ stehend bereits erläuterte Weise erfolgenden Art ermittelt, um hierdurch außerhalb der Ebene liegende Informationen bzw. Informationen für die aus der Ebene herausführende Bewegung zu ermitteln. Die aus zwei Bildern erhaltene Fleckendekorrelationsinformation wird dann an die Bewegungskorrektureinheit 3016 angelegt, damit ein noch genauerer Schätzwert für die aus der Ebene herausführende Bewegung erhalten wird. Schließlich wird die Fleckensuchinformation an eine Fleckenverfolgungseinheit bzw. Fleckennachfüh­ rungseinheit 3018 angelegt, die eine Kreuzkorrelationscharakteristik beispielsweise auf der Grundlage der MSAD-Methode hinsichtlich der Fleckendaten ermittelt, um hierdurch die Komponenten d_x und d_y der in der Ebene liegenden lokalen Bewegung zu erhalten. Sobald die Schätzwerte für die lokale Bewegung in der Ebene und aus der Ebene heraus ermittelt worden sind, kann eine Optimierung ausgeführt werden, und es wird ein globaler Bewe­ gungsschätzwert bzw. ein Schätzwert für die globale Bewegung gebildet. Sobald der Schätzwert für die globale Bewegung erhalten worden ist, werden die Abstände zwischen den Einzelbildern dazu benutzt, das dreidimensionale Bild aufzubauen.

In Fig. 3 sind die hauptsächlichen Komponenten eines in Übereinstimmung mit der vor­ liegenden Erfindung stehenden, mit Ultraschall arbeitenden Bildgabesystems dargestellt. Der Benutzer gibt die verschiedenen herkömmlichen Abtastparameter in eine Eingabeein­ heit 100 ein, die üblicherweise Vorrichtungen wie etwa eine Tastatur, Knöpfe und Tasten enthält. Die Eingabeeinheit ist mit einem Verarbeitungssystem 102 verbunden, das übli­ cherweise durch eine Gruppe von elektrisch miteinander verbundenen und zusammen­ wirkenden Prozessoren, wie etwa Mikroprozessoren und digitalen Signalprozessoren gebildet ist. Das Verarbeitungssystem 102 kann aber auch durch einen einzelnen Prozessor verkörpert sein, sofern dieser ausreichend schnell ist, die nachstehend beschriebenen, verschiedenen Aufgaben (Tasks) auszuführen.

Wie bei bekannten Systemen bewirkt das Verarbeitungssystem 102 die Festlegung, Justie­ rung und Überwachung der Betriebsparameter einer herkömmlichen Sendesteuerschaltung 104, die elektrische Steuersignale und Antriebssignale erzeugt und diese an eine Ultra­ schallsonde 106 anlegt. Die Ultraschallsonde 106 enthält eine Anordnung (Array) 108 aus piezoelektrischen Elementen. Wie dem Fachmann bekannt ist, erzeugen die piezoelek­ trischen Elemente Ultraschallwellen, wenn elektrische Signale mit der geeigneten Frequenz an sie angelegt werden.

Wenn die Sonde 106 an dem Körper eines Patienten angeordnet wird, treten diese Ul­ traschallwellen in einen Abschnitt 110 des Patientenkörpers ein. Durch eine Veränderung der Phasenlage, der Amplitude und der zeitlichen Steuerung der Treibersignale werden die Ultraschallwellen fokussiert, so daß eine Reihe von Abtastlinien 112 gebildet wird, die üblicherweise fächerförmig von der Sonde ausgehen. In Fig. 3 sind mehrere solche Abtastlinien dargestellt, die in den Patientenkörper hineinlaufen. Eine interessierende Region, das heißt diejenige Region, die der Benutzer als Bild wiedergeben möchte, ist als eine Untersuchungsregion oder ein Untersuchungsvolumen 114 dargestellt. Die Art und Weise, wie die Ultraschallabtastsignale gesteuert, erzeugt und an den Patientenkörper angelegt werden, ist im Stand der Technik bekannt und wird daher nicht weiter beschrie­ ben. Das Untersuchungsvolumen 114 kann unter Verwendung einer Folge von im wesentli­ chen benachbarten Abtastebenen (diese weisen jeweils mehrere Abtastzeilen auf), die sich über eine bekannte Tiefe hinweg erstrecken, abgetastet werden.

Bei einem Ausführungsbeispiel sind die Freiheitsgrade der Bewegung des Wandlers beschränkt, so daß die Positionen der Bilder genauer abgeschätzt werden können. Wie in den Fig. 13A bis 13C dargestellt ist, werden bei einem derartigen Ausführungsbeispiel drei Arten der Abtastung benutzt: eine parallele Abtastung, eine Sektorabtastung und eine zweckmäßige Abtastung. Sowohl bei der parallelen Abtastung als auch bei der Sektor­ abtastung liegt lediglich ein Freiheitsgrad vor (entweder eine Parallelverschiebung oder eine Rotation auf der Basis des Schätzfaktors d₁ für die aus der Ebene herausführende Bewegung). Bei der zweckmäßigen Abtastung müssen zwei Freiheitsgrade bestimmt werden, und zwar beispielsweise einer, der mit der in der Ebene liegenden Bewegung zusammenhängt, und ein weiterer, der mit der aus der Ebene herausweisenden Bewegung verknüpft ist. Es ist hierbei aber anzumerken, daß die vorliegende Erfindung nicht auf die drei Abtastarten beschränkt ist, die in den Fig. 13A bis 13C gezeigt sind. Die Fig. 13A bis 13C sollen vielmehr lediglich als Beispiel dienen.

Es wird nun erneut auf Fig. 3 Bezug genommen. Ultraschallechos, die von den in den Körper gesendeten Wellen herrühren, kehren zu der Anordnung 108 zurück. Es ist bekannt, daß die in der Anordnung vorhandenen piezoelektrischen Elemente die kleinen mechanischen Vibrationen der Echosignale in entsprechende elektrische Signale umwan­ deln. Die rückkehrenden Signale werden dann durch eine Empfangssteuereinrichtung 116 einer Verstärkung und einer sonstigen herkömmlichen Signalkonditionierung unterzogen. Diese Verarbeitung schließt je nach Bedarf eine bekannte Signalkonditionierung wie etwa die zeitliche Torsteuerung, eine Verstärkungskompensation und eine Beugungskompensa­ tion ein, damit diejenigen Echosignale identifiziert werden können, die den jeweiligen Abtastebenen des Untersuchungsvolumens 114 entsprechen.

Die Empfangssteuereinrichtung 116, die normalerweise entweder insgesamt oder teilweise in dem Prozessorsystem 102 integriert ist, verwandelt die zurückkehrenden, hochfrequen­ ten (HF) Ultraschallsignale (üblicherweise in der Größenordnung von einigen wenigen bis mehreren zehn Megahertz) in tiefere Frequenzbereiche für die Verarbeitung um. Die Empfangssteuereinrichtung 116 kann auch eine Analog/Digital-Wandlerschaltung enthalten. Dies ist auf dem Gebiet der Ultraschallbildgabe bekannt. Die abwärtsgewandelten Lei­ stungswerte für die zweidimensionale Untersuchungsregion werden in einem Speicher 118 als zweidimensionale Bilddaten (Daten für zweidimensionale Bilder) 120 gespeichert, nachdem eine herkömmliche Strahlformung ausgeführt worden ist. Jeder Satz der Bilddaten entspricht einem Bilderrahmen bzw. einem Einzelbild, das heißt einem zweidimensionalen Querschnitt des Untersuchungsvolumens. Jeder Rahmen des Bilds bzw. jedes Einzelbild ist durch die arrayförmige Anordnung der akustischen Leistungswerte oder der Intensitäts­ werte der Bildelemente, die das Einzelbild bilden, repräsentiert und in dieser Form digital gespeichert. Wie nachstehend noch in größeren Einzelheiten erläutert wird, wird eine Folge (Serie) von zweidimensionalen Einzelbildern, die jeweils einer "Bildscheibe" entsprechen, in dem Speicher gespeichert.

Die Untersuchungsregion weist normalerweise nicht die gleiche Form wie derjenige Bereich auf, den der Benutzer angezeigt sehen möchte. Selbst wenn dies der Fall wäre, sind die digitalen akustischen Intensitätswerte, die zu Strahlen geformt sind, normalerweise nicht in einer Form vorhanden, die für die direkte Ansteuerung einer herkömmlichen Graustufenanzeige oder Farbanzeige (Display) geeignet ist. Die akustischen Intensitäts­ werte für ein Einzelbild werden daher an einen herkömmlichen Abtastwandler 122 ange­ legt, der die digitalen akustischen Werte in Anzeige- oder Helligkeitswerte für die Anzeige umwandelt, die zur Ansteuerung eines Anzeigegeräts 124 geeignet sind. Die Anzeige 124 ist üblicherweise in ein Muster aus Bildelementen oder "Pixeln" unterteilt, die ein der­ artiges Bild erzeugen, daß der Benutzer dieses betrachten und interpretieren kann. Die Abtastumwandlung und die Anzeige sind an sich bekannte Merkmale eines Ultraschall­ bildgabesystems und werden daher nicht weiter beschrieben.

In Fig. 4 ist ein orthogonales Koordinatensystem "Tiefe - laterale Richtung (bzw. Länge) - Elevation (bzw. Breite)" (X-Y-Z) gezeigt, wobei die Art und Weise dargestellt ist, mit der ein Ultraschallwandler 108 die Untersuchungsregion 114 abtastet. Wenn die Elemente 208 ₁, 208 ₂, . . . 208 _m in der lateralen Richtung (Richtung Y) angeordnet sind, erzeugen sie (bei korrekter, herkömmlicher Fokussierung) Ultraschallwellen, die einen Sendestrahl 209 bilden, damit Abschnitte des Körpers in der Ebene X-Y (Tiefenrichtung - laterale Richtung) abgebildet werden können. Jeder Abschnitt wird in der herkömmlichen Weise in ein entsprechendes Einzelbild umgewandelt. In Fig. 4 sind drei Rahmen bzw. Einzel­ bilder 210 ₁, 210 ₂ und 210 ₃ gezeigt, die in der Richtung Z (Elevationsrichtung) benachbart zueinander liegen. Fig. 4 ist zum Zwecke der Klarheit stark vereinfacht: Bei herkömm­ lichen Abtastungen sind viel mehr als drei benachbarte Bilder bzw. Scheiben vorhanden und es müssen die Bilder bzw. Scheiben auch nicht quadratisch sein. Weiterhin ist die vorliegende Erfindung auch imstande, beispielsweise nicht parallel liegende Bildebenen zu verkraften, wie sie beispielsweise dann erzeugt werden, wenn eine Abtastung durch Drehung oder Bewegung des Wandlers in einem Bogen anstatt geradlinig in der Richtung Z ausgeführt wird.

Bekanntlich wird jedes Einzelbild eines Ultraschallbilds üblicherweise durch die Empfangs­ steuereinrichtung 116 oder durch das Verarbeitungssystem in ein zweidimensionales Muster aus Bildelementen aufgelöst, von denen jedes durch einen entsprechenden Lei­ stungswert repräsentiert und in dem Speicher gespeichert wird. In dem einfachsten und üblichsten Fall werden Bilder unter Verwendung von digitalen Werten, die lediglich Graustufen entsprechen, erzeugt, gespeichert und angezeigt. (Die Erfindung kann aber auch in Verbindung mit Farbdarstellungen benutzt werden.)

Flecken (fleckenförmige Störungen) in den Bildern sind normalerweise in der Form von bekannten statistischen Eigenschaften definiert, wobei es verschiedene bekannte Methoden zum Identifizieren und, in vielen Fällen, zum Verringern von Flecken bzw. fleckenförmi­ gen Störungen, sowie zum Identifizieren von Bereichen gibt, die als fleckenfreie, homoge­ ne Geweberegionen eingestuft werden. Bei einigen Verfahren wird beispielsweise jedes Bildelement, dessen Wert sich um mehr als einen vorbestimmten funktionellen Wert von dem Mittelwert und der Standardabweichung der Werte der Elemente in einer das Element umgebenden Region unterscheidet, als ein Flecken (bzw. fleckenförmige Störung oder Tupfen) eingestuft. Gemäß der vorliegenden Erfindung kann jedes beliebige bekannte Verfahren zum Identifizieren von homogenen Geweberegionen und von Bildelementen, die innerhalb dieser Regionen Flecken darstellen, benutzt werden.

Bei der vorliegenden Erfindung wird eine zwischen den Bildern bzw. von Bild zu Bild vorhandene Bewegung auf der Basis der Anpassung bzw. zur-Übereinstimmung-Bringung von Fleckeneigenschaften bestimmt. Sobald zweidimensionale Einzelbilder abgetastet und gespeichert worden sind, kann jedes beliebige von verschiedenen bekannten Verfahren dazu benutzt werden, zu ermitteln, welche Abschnitte der Einzelbilder Fleckenregionen entsprechen. Damit die genaueste Abschätzung für die Beziehung zwischen der Flecken­ übereinstimmung und dem Abstand erhalten wird, sollten idealerweise lediglich Fleckenre­ gionen verglichen werden; Abweichungen von dieser idealen Situation zerstören aber nicht die Nützlichkeit der vorliegenden Erfindung, führen in den meisten Fällen jedoch zu einer Verringerung der Wiedergabetreue der dreidimensionalen Darstellung des Untersuchungs­ volumens.

Bei einer Ausführungsform wird eine Mittelwert/Histogramm - Technik zum Identifizieren der Flecken-Pixels eingesetzt. In Fig. 5 ist hierbei eine schematische Darstellung gezeigt, die die einen 20 × 20-Pixelabschnitt eines Abtastbilds (insbesondere rechteckförmige Matrix) veranschaulicht, wie es auf einem zweidimensionalen Display dargestellt sein kann. Die ungefähre Abtastfläche einer tatsächlichen Ultraschallabtastung, die durch typische vorhandene Geräte mit einer herkömmlichen Auflösung erzeugt wird, beträgt 1,3 mm². Die vorliegende Erfindung ist aber nicht auf irgendeine bestimmte maximale Anzahl von Pixeln begrenzt. Die minimale Anzahl von Pixeln, die zur Ausführung der vorliegen­ den Erfindung notwendig ist, erschließt sich aus den nachfolgenden Ausführungen. Jedes Bildelement ist zum Zwecke der Klarheit in quadratischer Form dargestellt. In vielen Anzeigen bestehen jedoch die Pixel beispielsweise aus einem oder mehreren Punkten. Die vorliegende Erfindung ist nicht auf eine bestimmte Pixelform beschränkt, auch wenn es zur Aufrechterhaltung einer zweckmäßigen Indexierung in rechenmäßiger Hinsicht vorteilhaft ist, wenn die Pixel gleichmäßig oder mindestens regelmäßig bezüglich mancher Koor­ dinatenachsensätze aufgeteilt sind.

Jedes Pixel weist einen Graustufen-Helligkeitswert auf, der sich von reinem Weiß (100% Luminanz) bis zu reinem Schwarz (0% Luminanz) ändern kann. Die Anzahl von ver­ schiedenen Grautönen, die ein Pixel annehmen kann, wird durch die Größe der Speicher­ datenwörter bestimmt, die den numerischen Helligkeitsparameter für den betreffenden Pixel enthalten. Als Beispiel sei angenommen, daß der Speicher 118 (siehe Fig. 1) den Helligkeitswert für jedes Bildelement in Form eines Datenworts mit 8 Bit speichert. Es ist dann möglich, 2⁸ = 256 unterschiedliche Graustufenpegel darzustellen, wobei der Wert "255" beispielsweise der maximal anzeigbaren Helligkeit entspricht und der Wert "0" die maximal darstellbare Schwärze repräsentiert. Der Wert "128" würde in diesem Fall grob dem "mittleren Grau" entsprechen.

In Fig. 5 ist der horizontale Index bzw. die horizontale Richtung mit "j" bezeichnet, wohingegen der vertikale Index bzw. die vertikale Richtung mit "k" angegeben ist: beide Indizes überdecken den Bereich von 1 bis 20. Der Helligkeitswert eines Pixels, das bei der horizontalen Position j und der vertikalen Position k angeordnet ist, ist gleich p(j, k). Der Ausdruck "Bildelement p(j, k)" ist hierbei entweder als "das Bildelement an der Position j, k" oder als "der Helligkeitswert des Bildelements an der Position j, k" zu verstehen, wobei sich die korrekte Interpretation jeweils aus dem Kontext erschließt. Lediglich als Beispiel sei angegeben, daß das in Fig. 5 gezeigte Bildelement (Pixel) p(1, 15) dunkler ist als das Bildelement p(10, 17).

Gemäß einer Ausführungsform der vorliegenden Erfindung wird eines der Bildelemente in einer "Fleckenregion" des angezeigten Bilds als ein Referenzbildelement auf der Grundlage von bekannten Verfahren ausgewählt. Gemäß Fig. 5 ist das Referenzbildelement p_ref das Bildelement p(13, 12) und ist zum Zwecke der Klarheit mit einem "x" markiert. Sobald ein Referenzbildelement ausgewählt worden ist, wird ein Referenzfenster um das Referenz­ bildelement herum gewählt. Das Referenzfenster entspricht einer Gruppe von benachbarten Bildelementen, die das Referenzbildelement einschließen. Die Größe des Referenzfensters kann entweder vorab bestimmt und festgelegt sein, oder kann auch automatisch oder manuell für jedes Bild oder jede Bildsequenz gewählt werden. Das Referenzfenster sollte ausreichend viel Bildelemente enthalten, damit das Helligkeitshistogramm statistisch aus­ sagefähig ist: Das Fenster sollte ausreichend groß sein, so daß es einige Flecken enthält, sollte jedoch idealerweise nicht so groß sein, daß es Regionen des Bilds einschließt, die eine Struktur angeben. Die beste Fenstergröße für einen jeweiligen Einsatz hängt von der Auflösung des Bilds ab. Je niedriger die Auflösung ist, desto größer muß das Fenster eventuell sein, damit es statistisch gesehen bedeutungsvoll wird. Die Fenstergröße hängt auch von der zur Verfügung stehenden Rechengeschwindigkeit ab (abhängig von der Geschwindigkeit des Prozessors kann eine Bildverarbeitung in Echtzeit nicht mehr möglich sein, wenn das Fenster zu groß gewählt ist), und läßt sich durch Berechnungen und Experimente ermitteln. Diese Konzepte und Kriterien erschließen sich aus der nachfolgen­ den Erläuterung noch deutlicher.

Im Zusammenhang mit der medizinischen Ultraschallbildgabe sollte das Fenster aus­ reichend groß sein, um eine Region mit einer hohen Dichte von Streuelementen zu überdecken, so daß zuverlässige Fleckenstatistiken bzw. statistische Fleckenangaben erzielt werden. Zum Zwecke der Veranschaulichung wird bei der vorliegenden Erläuterung von einer Fenstergröße von 7 × 7 ausgegangen. Es kann aber jedes beliebige Fenster mit einer Größe von m × n verwendet werden. In Abhängigkeit von dem Einsatzbereich und der Abbildungstechnologie kann der Fall vorliegen, daß kein Grund für die Annahme, daß die Informationen richtungsabhängig sind, gegeben ist. In diesen Fällen ist das Fenster quadratisch, und es ist die Anzahl von Bildelementen an jeder Seite des Fensters vorzugs­ weise ungeradzahlig, damit das Referenzfenster um das Referenzbildelement herum und zentriert bei diesem angeordnet werden kann. Falls jedoch die Abbildungsinformation richtungsabhängig (nicht isotrop) sein sollte, können dann nicht quadratische Fenster gewählt werden.

Sobald ein Referenzfenster gewählt worden ist, wird ein Referenzhistogramm für das Referenzfenster zusammengetragen, wobei das Referenzhistogramm angibt, wieviele Bildelementen in dem Referenzfenster Helligkeitswerte in vorbestimmten Intervallen bzw. Größenbereichen aufweisen. Typischerweise werden sehr viel mehr mögliche Helligkeits­ werte für ein gegebenes Bildelement vorhanden sein, als Bildelemente in einem gewählten Fenster vorhanden sind. Wenn beispielsweise jedes Bildelement durch ein 8 Bit umfassen­ des Datenwort repräsentiert wird und das Fenster eine Größe von 7 × 7 aufweist, können die 49 Bildelemente in dem Fenster theoretisch jeweils einen von 256 unterschiedlichen Graustufenwerten aufweisen. Falls die Anzahl von Bildelementwerten für jeden einzelnen Helligkeitswert akkumuliert bzw. aufsummiert würde, würden mindestens 256 - 49 = 207 (und wahrscheinlich sehr viel mehr) der Einträge "leer" sein (null Bildelemente mit den entsprechenden Helligkeitswerten), und es würde das Histogramm selbst in den meisten Fällen an allen anderen Stellen nahezu flach sein.

Bei einer Realisierung der vorliegenden Erfindung besteht eine Notwendigkeit, ein Histo­ gramm anzuzeigen; die tatsächlichen graphisch dargestellten Histogramme sind in den Zeichnungen lediglich zum Zwecke der Klarheit veranschaulicht. Bei der vorliegenden Beschreibung der Erfindung ist der Ausdruck "Histogramm" dahingehend zu verstehen, daß er die Akkumulierung der Anzahl von Bildelementen, deren Helligkeitswerte oder anderen Werte in einen Bereich fallen, der einer jeweiligen entsprechenden Speicherposi­ tion zugeordnet ist, bedeutet, wobei die Akkumulierung in einer Anzahl von entsprechen­ den Speicherpositionen erfolgt. Histogramme sind normalerweise Vektoren (verkoppelte Folgen von Speicherpositionen), deren Elemente die "Bins" bzw. Fächer sind. Das Referenzhistogramm kann jedoch auch auf dem Display während eines Test- oder Kalibrie­ rungsmodus angezeigt werden, damit der Benutzer eine Anzeige der generellen Eigen­ schaften des aktuellen Bilds erhält.

Zur Akkumulierung eines Histogramms mit einer Form, die eine statistisch signifikante Information (wird im weiteren Text erläutert) bezüglich des Referenzfensters bereitstellt, werden die möglichen Helligkeitswerte der Bildelemente folglich in Intervalle bzw. Abschnitte oder "Fächer" gruppenweise einsortiert. Die Anzahl von gewählten Fächern stellt einen Kompromiß zwischen der Störungstoleranz und der Empfindlichkeit dar. Die benutze Anzahl bestimmt die Glätte des Histogramms und kann durch Berechnungen und Experimente für jeden beliebigen Einsatz bestimmt werden. Im allgemeinen wird die Anzahl von Fächern jedoch von ungefähr einem Fünftel bis zu ungefähr der Hälfte der Anzahl von Bildelementen in einem Fächer liegen. Weiterhin ist es in berechnungsmäßiger Hinsicht vorteilhaft, wenn die Anzahl von Fächern einer Potenz von zwei entspricht, da die Anzahl von Fächern in diesem Fall üblicherweise gleichmäßig auf die Anzahl von möglichen Helligkeitswerten der Bildelemente aufgeteilt ist, die typischerweise ebenfalls einer Potenz von zwei entsprechen. Wenn zum Beispiel die Anzahl von Helligkeitsgruppen oder "Fächern" gleich 16 ist, wobei jedes Fach einen Intervallbereich von 256/16 = 16 Helligkeitswerten repräsentiert, werden die Bildelemente in die Fächer in folgender Weise eingeordnet:

Dies stellt selbstverständlich nur ein Beispiel für viele akzeptable Wahlmöglichkeiten dar, wie die Helligkeitswerte der Bildelemente gruppenweise zusammengefaßt und geordnet werden können. In Fig. 6 ist ein hypothetisches Referenzhistogramm dargestellt, das auf einem Referenzfenster mit der Größe 7 × 7 beruht. Bei diesem Beispiel wiesen 16 der 49 Bildelemente Helligkeitswerte in dem Bereich des Fachs 6 auf, während neun Helligkeits­ werte im Bereich des Fachs 5 lagen, und so weiter.

Damit eine gleichförmige Skala für den Vergleich von unterschiedlichen Histogrammen bereitgestellt wird, kann jeder Wert des Referenzhistogramms (und später jedes aktuelle Histogramm) derart normalisiert bzw. standardisiert werden, daß der Wert der "Spitze" gleich groß ist wie die Anzahl von Bildelementen in einem Fenster, das heißt in diesem Fall gleich 49. Gemäß Fig. 6 fallen die häufigsten Helligkeitswerte in das Fach 6 : 16 Pegel in dem Fenster wiesen Helligkeitswerte in dem entsprechenden Bereich auf. Das Spitzenfach bzw. das den Spitzenwert enthaltende Fach ist folglich das Fach mit der Nummer 6, das einen Wert B_peak = 16 besitzt. Die Werte aller Fächer werden dadurch standardisiert, daß sie mit 49/16 multipliziert werden. Die standardisierte Helligkeitsskala ist auf der rechten Seite der Fig. 6 gezeigt.

Bei aktuellen Realisierungen wird für jedes Bildelementfenster eine Anzahl von Speicher­ positionen in der Speichereinheit zugeordnet, die mindestens gleich groß ist wie die Anzahl von Fächern. Der Prozessor stuft dann jedes Fach inkrementweise für jedes Bildelement in dem aktuellen Fenster, dessen Helligkeitswert in den Bereich dieses Fachs fällt, hoch.

Wenn alle Bildelemente in dem Fenster in ihre jeweiligen Fenster eingeordnet worden sind, sind in den Fächern Zahlen gehalten, die dem Histogramm entsprechen. Der Prozes­ sor bestimmt dann den Spitzenwert des Histogramms, wobei hierzu durch die Fächer schrittweise schreitet und die Adresse des Fachs mit der höchsten Anzahl aufzeichnet. Diese Anzahl wird dann zur Standardisierung aller Facheinträge benutzt.

Anhand des Testhistogramms und des Referenzhistogramms kann ein Qualitätsfaktor

definiert werden, wobei N die gesamte Anzahl von Fächern für das Referenzhistogramm bezeichnet, x_ij das Testhistogramm für den i-ten kleinen Block repräsentiert und y_j das Referenzhistogramm bezeichnet, j einen Index bzw. eine Laufnummer eines Fachs re­ präsentiert und β einen einstellbaren Parameter bezeichnet. Bei einer Ausführungsform kann β in der nachstehend angegebenen Weise berechnet werden:

Hierbei ist -q dB (Breite) = rD_max mit 0 < r < 1. Mit D_max ist der maximal mögliche absolute Fehler zwischen den Werten eines Fachs des aktuellen Histogramms und eines Fachs des Referenzhistogramms bezeichnet. Es ist jedoch anzumerken, daß diese Dar­ stellung von β als Beispiel dient. Jeglicher empirisch gewonnener positiver Wert kann verwendet werden. Weitere Details hinsichtlich der Ermittlung des Qualitätsfaktors lassen sich aus der US-PS 5 594 807 erhalten, deren Offenbarungsgehalt hiermit im gesamten Umfang in den Offenbarungsgehalt vorliegender Anmeldung einbezogen wird.

Je mehr das aktuelle Histogramm dem Referenzhistogramm ähnelt, desto wahrscheinlicher ist es, daß das aktuelle Fenster auch ein Fleckenfenster repräsentiert. Falls der Qualitäts­ faktor innerhalb eines vorbestimmten Werts oder Bereichs liegt wird angenommen, daß sich der kleine Block auf eine Fleckenregion bezieht bzw. eine Fleckenregion betrifft.

Bei jedem einzelnen Meinen Block, der in der vorstehenden Weise als ein Fleckenvolumen identifiziert worden ist, wird eine Dekorrelationseigenschaft (Dekorrelationscharakteristik) über das Volumen hinweg zwischen den Bildern des Volumens ermittelt und es wird ein Schätzwert für die in der Ebene liegende Bewegung bestimmt. Bei einer Ausführungsform wird die Methode "volle Breite bei halbem Maximalwert der Summe absoluter Differen­ zen" bzw. "FWHM SAD" dazu benutzt, die beste Übereinstimmung zwischen den Volumi­ na zu ermitteln, auch wenn andere mathematische Methoden verwendet werden können. Speziell werden die Werte von SAD (Summe der Absolutdifferenzen) als eine Funktion der Stufen- bzw. Schrittnummer b_m,k unter Verwendung der folgenden Gleichung berechnet:

Hierbei bezeichnet m den Index eines kleinen Blocks, k die Stufen bzw. Schrittnummer, die von 1 bis 7 reicht, I den Graustufenwert des l-ten B-Modus-Bilds bei einem be­ stimmten Punkt (i, j) und I einen Bildindex. Falls zum Beispiel k = 1 ist, werden bei den Schritten das erste und das zweite Bild, das zweite und das dritte Bild und das dritte und das vierte Bild, usw. miteinander verglichen. Falls k = 2 ist, werden die Bilder 1 und 3, 2 und 4, 3 und 5, usw. miteinander verglichen.

Schließlich werden die Werte SAD für jeden großen Block B_ki auf der Basis der Auf­ summierung der SAD-Werte über alle Fleckenregionen innerhalb dieses großen Blocks, gewichtet mit den Qualitätsfaktoren QF(i) bestimmt:

Hierbei bezeichnet i den Index einen kleinen Blocks, während mit k eine Schritt- bzw. Stufennummer bezeichnet ist und M die gesamte Anzahl von kleinen Blöcken repräsentiert.

Wenn eine SAD-Kurve erhalten worden ist, die eine Dekorrelationscharakteristik zwischen den Blöcken bei den unterschiedlichen Schritten repräsentiert, tritt eine "beste Überein­ stimmung" zwischen Blöcken und nachfolgenden Rahmen bzw. Bildern bei dem Voll­ breiten-Halbmaximum-Wert (FWHM) d₁ der SAD-Kurve auf, wie es in Fig. 7 dargestellt ist. Der Wert d₁ repräsentiert die Dekorrelationsrate. Falls eine hohe Dekorrelation vorhanden ist, wird der Wert von d₁ klein sein, und es liegen die Bilder weiter ausein­ ander; falls demgegenüber eine hohe (bzw. geringe) Dekorrelation vorhanden ist, wird der Wert von d₁ größer sein und es liegen die Bilder näher beieinander. Der tatsächliche Abstand zwischen den Bildern bei einer bestimmten Schrittgröße läßt sich in folgender Weise ermitteln:

Hierbei bezeichnet x_distance die Strecke oder den Abstand der aus der Ebene herausführenden Bewegung, wohingegen mit d_ref ein Referenzwert, der unter Verwendung von Standard- Referenzphantomen erhalten worden ist, bezeichnet ist und mit R_step die Schrittgröße, die dem Referenzwert entspricht, bezeichnet ist. Im allgemeinen ist die Strecke der aus der Ebene heraus gerichteten Bewegung eine Funktion der Bildposition, ist jedoch dann unabhängig von der Bildposition, wenn eine parallele translatorische Verschiebung ohne eine Drehung vorhanden ist.

Die Methode SAD (Summe der Absolutdifferenzen) wird dazu benutzt, einen ersten Schätzwert für einen lokalen Bewegungsvektor d₁(i) zu erhalten, der eine Richtung und eine Größe besitzt, die anzeigen, wie der Block translatorisch verschoben wird. Aufgrund des Einflusses von Bildstörungen, einer Gewebebewegung und weiteren Bildartefakten ist der erste SAD-Schätzwert für die Bewegung nicht stets sehr zuverlässig. Demgemäß werden zwei Maße für die Qualität und die Zuverlässigkeit des ersten Schätzwerts d₁(i) für den lokalen Bewegungsvektor ermittelt, die mit S₁(i) und mit S₂(i) bezeichnet sind. Das Maß S₁(i) ist in folgender Weise gegeben:

wobei M die Anzahl von kleinen Blöcken in jedem großen Block bezeichnet und QF(j) den Flecken-Qualitätfaktor für jeden Meinen Block j repräsentiert. Folglich ist S₁(i) für die Gestalt der Fleckenregion repräsentativ, wobei ein größerer Wert von S₁(i) eine noch zuverlässigere Fleckenregion und einen besseren Schätzwert d₁(i) bedeutet. Das Maß S₂(i) ist folgendermaßen gegeben:

Hierbei bezeichnet dl_h den FWHM Wert der SAD Kurve bei der vorhergehenden Messung der gleichen Position. Folglich repräsentiert der Qualitätsfaktor S₂(i), wieviel der Schätz­ wert d₁(i) für die lokale Bewegung von seinem vorhergehenden Wert abweicht. Falls ein Wert von d₁(i) eine stark unterschiedliche Richtung und Größe, im Vergleich mit seiner Historie bzw. mit seinen früheren Werten, aufweist, ist es sehr wahrscheinlich, daß dieser Schätzwert unter dem Einfluß von Störungen oder einer lokalen Gewebebewegung steht und die wahre lokale Bildbewegung nicht exakt widerspiegelt. In diesem Fall ist der Schätzwert von d₁(i) nicht sehr zuverlässig. Ein großer Wert von S₂(i) bedeutet demzufol­ ge, daß der Schätzwert d₁(i) weniger zuverlässig ist.

Auch wenn das vorstehend erläuterte Konzept der Steuerung bzw. Beurteilung der Ab­ schätzungsqualität leicht zu verstehen ist, ist es in der Praxis schwierig zu realisieren, da Bildänderungen, die durch eine Wandlerbewegung hervorgerufen werden, recht komplex sein können. Demgemäß können die Qualität und die Zuverlässigkeit des Schätzwerts für die Bewegung effizient mit Hilfe der Fuzzy-Logik quantisiert werden. Der Prozessor implementiert eine Fuzzy-Logik-Funktion, die als Eingangsgrößen S₁(i) und S₂(i) erhält, diese unter Verwendung von (nachstehend näher erläuterten) Fuzzy-Regeln kombiniert und ein einziges numerisches Ausgangssignal w₁(i) erzeugt, das ein Maß für die Genauigkeit von d₁(i) repräsentiert. Das numerische Ausgangssignal (numerischer Ausgangswert) w₁(i) reicht von null bis eins, wobei die Schätzwertgenauigkeit von d₁(i) zunimmt, wenn sich w₁(i) eins annähert.

Die Eingangsgrößen S₁(i) und S₂(i) werden zunächst in die linguistischen Ausdrücke oder Etiketten "hoch", "mittel" und "niedrig" "fuzzy"-verarbeitet. Der Ausgangswert w₁(i) weist ebenfalls einen Fuzzy-Ausdruck im Sinne von "sehr hoch", "hoch", "mittel", "niedrig" und "sehr niedrig" auf. Die Mitgliedsfunktionen bzw. Zugehörigkeitsfunktionen von S₁(i), S₂(i) und von w₁(i) werden anhand einer großen Anzahl von experimentellen Ergebnissen definiert und sind jeweils in den Fig. 8A bis 8C dargestellt. Die Mitglieds­ funktion (Membership-Funktion) von S₁(i) ist in Fig. 8A graphisch derart dargestellt, daß sie drei Regionen besitzt, die mit L (niedrig), M (mittel) und H (hoch) bezeichnet sind. Die Regionen überlappen sich in einem gewissen Ausmaß; genauer gesagt, überlappen sich die Regionen L und M, und es überlappen sich die Regionen M und H. Die horizontale Achse der graphischen Darstellung der Mitgliedsfunktion definiert den gemessenen Wert von S₁(i), und es definiert die vertikale Achse den Grad der Mitgliedschaft bzw. der Membership des gemessenen Werts innerhalb des definierten Etiketts bzw. des definierten Bereichs.

Die Mitgliedsfunktion von S₂(i) ist in Fig. 8B graphisch dargestellt und ist in gleichartiger Weise wie die Mitgliedsfunktion von S₁(i) aufgebaut. In gleichartiger Weise ist die Mit­ gliedsfunktion von w₁(i) in Fig. 8C graphisch gezeigt und ist in ähnlicher Weise aufgebaut wie die Mitgliedsfunktionen von S₁(i) und S₂(i), auch wenn sie fünf überlappende Regionen enthält, die mit VL (sehr niedrig), L (niedrig), M (mittel), H (hoch) und VH (sehr hoch) bezeichnet sind. Sieben Fuzzy-Regeln werden dazu benutzt, die Beziehungen zwischen S₁(i), S₂(i) und w₁(i) zu definieren. Diese Fuzzy-Regeln umfassen:

• (1) Falls S₁(i) niedrig (L) ist UND S₂(i) ebenfalls niedrig (L) ist, ist w₁(i) mittelgroß (M);
• (2) wenn S₁(i) mittelgroß (M) ist UND S₂(i) niedrig (L) ist, hat w₁(i) hohen Wert (H);
• (3) wenn S₁(i) hohen Wert (H) aufweist UND S₂(i) niedrigen Wert (L) besitzt, weist w₁(i) sehr hohen Wert (VH) auf;
• (4) wenn S₁(i) niedrigen Wert (L) ist UND S₂(i) mittleren Wert (M) aufweist, besitzt w₁(i) niedrigen Wert (L);
• (5) wenn S₁(i) mittleren Wert (M) besitzt UND S₂(i) ebenfalls mittleren Wert (M) aufweist, weist auch w₁(i) mittleren Wert (M) auf;
• (6) wenn S₁(i) hohen Wert (H) besitzt UND S₂(i) mittleren Wert (M) aufweist, besitzt w₁(i) hohen Wert (H); und
• (7) wenn S₂(i) hohen Wert (H) besitzt, weist w₁(i) sehr niedrigen Wert (VL) auf.

Die Fuzzy-Regeln werden parallel angewendet, um die Wahrheit der Regeln zu bestim­ men. Als Beispiel sei angenommen, daß die gemessenen Werte von S₁(i) und S₂(i) gleich 0,3 bzw. 0,1 sind. Gemäß Fig. 8A bezieht sich ein gemessener Wert von 0,3 auf ein Ausmaß der Mitgliedschaft bzw. Zugehörigkeit von ungefähr 0,65 in dem Bereich L und auf ungefähr 0,25 in dem Bereich M. Gemäß Fig. 8B bezieht sich ein gemessener Wert von 0,1 auf ein Maß der Mitgliedschaft bzw. Zugehörigkeit von ungefähr 0,75 lediglich in dem Bereich L. Als Ergebnis dessen sind lediglich die beiden ersten Fuzzy-Regeln wahr, auch wenn sie zu nicht konsistenten Ergebnissen dahingehend führen, daß aus der ersten Fuzzy-Regel folgert, daß w₁(i) mittleren Wert aufweist und die zweite Fuzzy-Regel angibt, daß w₁(i) hohen Wert besitzt. Die Ausgangsgröße w₁(i) muß dann in einen numeri­ schen Wert rückumgewandelt werden und es müssen die nicht konsistenten Ergebnisse in Einklang gebracht werden.

Gemäß der ersten Fuzzy-Regel wird der niedrige Wert von S₁(i) unter Verwendung von einer logischen UND-Verknüpfung mit dem niedrigen Wert von S₂(i) kombiniert, um hierdurch den mittleren Wert von w₁(i) zu erzeugen. Bei der logischen UND-Verknüpfung wird der minimale Wert der Wahrheit der Ausdrücke als der Wahrheitspegel der Regel herangezogen. Anders ausgedrückt, ist das Maß bzw. der Wert von 0,65 für die Zu­ gehörigkeit (Mitgliedschaft) von S₁(i) kleiner als der Wert von 0,75 für die Zugehörigkeit von S₂(i), und wird demzufolge als der Wahrheitspegel für die erste Fuzzy-Regel her­ angezogen. In gleichartiger Weise wird bei der zweiten Fuzzy-Regel der mittlere Wert von S₁(i) unter Verwendung einer logischen UND-Verknüpfung mit dem niedrigen Wert von S₂(i) verknüpft, um hierdurch den hohen Wert von w₁(i) zu erzeugen. Das Ausmaß von 0,25 für die Zugehörigkeit (Mitgliedschaft) von S₁(i) ist kleiner als das Ausmaß bzw. der Wert von 0,75 für die Zugehörigkeit von S₂(i), und es wird folglich dieser Wert von 0,25 als der Wahrheitspegel für die zweite Fuzzy-Regel herangezogen. Die Labels bzw. Bereiche M und H der w₁(i) Mitgliedsfunktion bzw. Zugehörigkeitsfunktion werden dann bei dem durch die Fuzzy-Regeln definierten Wahrheitspegeln trunkiert (abgeschnitten), wie dies in Fig. 8D graphisch dargestellt ist.

Abschließend wird eine "Zentroid-Defuzzifikations"-Methode (Zentrums-De-Fuzzy- Verarbeitung) dazu benutzt, den Fuzzy-Ausgangswert in eine numerische Zahl w₁(i) rückumzuwandeln. Unter Einsatz dieser Methode wird ein Schätzwert für das Gravitations­ Zentrum bzw. den Schwerpunkt für die gesamte, als wahr eingestufte Region (diese ist in Fig. 8D als eine abgeschattete bzw. dunkler dargestellte Region gezeigt) bereitgestellt. Gemäß Fig. 8D liegt der Schwerpunkt der schattiert dargestellten Region bei ungefähr 0,6, wodurch ein numerischer Wert für w₁(i) bereitgestellt ist. Nachdem der Zuverlässigkeits­ parameter w₁(i) erhalten worden ist, besteht der nächste Schritt darin, den Wert w₁(i) zur Verbesserung des Schätzwerts d₁(i) für die lokale Bewegung heranzuziehen. Wenn w₁(i) groß ist, wird d₁(i) direkt als der abschließende lokale Bewegungsvektor d_fin(i) eingesetzt. Falls im Gegensatz hierzu w₁(i) sehr klein ist, wird die Bildbewegungshistorie d1_h bzw. der den bisherigen Verlauf der Bildbewegung angebende Wert d1_h als das geschätzte d_fin(i) herangezogen, da die Bewegungshistorie mit größerer Wahrscheinlichkeit einen besseren Schätzwert darstellt als der weniger zuverlässige Wert d₁(i). Falls w₁(i) weder sehr groß noch sehr klein ist, wird er als ein Gewichtsfaktor zur Mittelwertbildung von d₁(i) und d1_h benutzt. Falls beispielsweise w₁(i) = 0,6 ist, wie es bei dem vorstehend angegebenen Beispiel der Fall ist, wird d₁(i) zu d₁(i) = 0,6.d₁(i) + (1 - 0,6).d1_h. Der Bewegungs­ historienwert (Bewegungsverlaufwert) dl_h wird ebenfalls rekursiv unter Gewichtung von d₁(i) aktualisiert. Das Gewicht wird so gewählt, daß es zwischen null und eins liegt; ein größerer Gewichtswert führt dazu, daß der sehr junge Bewegungsschätzwert stärker zu dem Historienwert d1_h beiträgt. Falls das Gewicht beispielsweise gleich 0,5 ist, gilt: d1_h = 0,5.1 d₁(i) + (1 - 0,5).d1_h.

Sobald der Schätzwert für die aus der Ebene gerichtete Bewegung ermittelt worden ist (oder auch gleichzeitig mit dieser Ermittlung), wird nun ein Schätzwert d₂ für die in der Ebene liegende Bewegung auf der Basis der Kreuzkorrelationscharakteristik zwischen zwei Bildern ermittelt. Bei einer Ausführungsform wird das Verfahren MSAD (minimale Summe absoluter Differenzen) dazu benutzt, das Ausmaß der Korrelation zwischen den Fleckenbildern zu ermitteln. Darüber hinaus wird bei einer Ausführungsform auch eine Dekorrelationscharakteristik (auf der Grundlage einer FWHM SAD Optimierung) zwischen den beiden Bildern berechnet und in Verbindung mit dem vorstehend bestimmten Wert von d₁(i) verwendet, damit ein noch genauerer Schätzwert für die lokale, aus der Ebene herausweisende Bewegung erhalten wird.

Genauer gesagt wird, wie bereits vorstehend erläutert, der Qualitätsfaktor QF(i) dazu benutzt, zu ermitteln, welchen Regionen Fleckenregionen sind. Sobald die geeigneten Regionen als Fleckenregionen identifiziert worden sind, werden die Werte für die Summe absoluter Differenzen als eine Funktion der Schrittnummer bzw. Schrittanzahl unter Verwendung der nachfolgend angegebenen Gleichung berechnet:

wobei m den Index einen Meinen Blocks bezeichnet, k eine Schrittnummer angibt, und I_ij den Graustufenwert des I-ten B-Modus-Bilds bei einem bestimmten Punkt (i, j) repräsen­ tiert. Die lokale Bewegung jedes Blocks n(i) eines bestimmten Bilds n wird dadurch abgeschätzt, daß der Block n(i) um einen Vergleichsbildrahmen bzw. um ein Vergleichs­ bild n-1 herum bewegt wird, um hierbei die beste Übereinstimmung zu finden. Die "beste Übereinstimmung" wird unter Verwendung eines MSAD-Verfahrens (minimale Summe absoluter Differenzen) bestimmt, um hierdurch den n(i)-ten Block mit der Suchregion des Vergleichsbilds zur Übereinstimmung zu bringen. Die Summe absoluter Differenzen (SAD) ist die Summe der absoluten Differenzen zwischen den entsprechenden Bildwerten in jedem Block und der Suchregion. Die "beste Übereinstimmung" zwischen dem Block und der Suchregion tritt dann auf, wenn der Wert SAD die minimale Größe besitzt. Fig. 9 zeigt eine kartographische Darstellung des Werts SAD, wobei Werte vorhanden sind, die in den Richtungen X und Y verlaufen. Die allgemein gleichförmige kartenmäßige Dar­ stellung von SAD enthält ein Tal dort, wo die Werte von SAD unter den Mittelwert absinken, was die Position von SAD repräsentiert. Die MSAD-Methode wird dazu benutzt, einen ersten Schätzwert für den lokalen Bewegungsvektor d₂(i) zu erhalten, der eine Richtung und eine Größe aufweist, die angeben, wie sich der Block n(i) von dem n-1-ten Bild zu dem n-ten Bild verschiebt. Die Richtung des lokalen Bewegungsvektors d₂(i) ist in Fig. 10 durch einen Pfeil angegeben.

Wie auch im dreidimensionalen Fall werden Qualitätsfaktoren S_a(i) und S_b(i) ermittelt, um die in der Ebene liegende Bewegung noch genauer schätzen zu können. Es wird erneut auf Fig. 5 Bezug genommen. S_a(i) stellt einen Qualitätsfaktor für MSAD dar und mißt den Unterschied zwischen dem Wert von SAD und dem Mittelwert von SAD. Die Qualität von MSAD vergrößert sich mit einer Erhöhung des Werts von S_a(i), das heißt die Qualität von MSAD ist umso besser, je tiefer das Tal SAD ist. Wenn starke Bildstörungen (Bildrau­ schen) vorhanden ist, oder wenn es an Bildmerkmalen mangelt, wird die kartenförmige Darstellung von SAD flacher, so daß S_a(i) kleiner wird. In diesem Fall wird der Schätz­ wert von d₂(i) weniger zuverlässig.

Der zweite Parameter Sb(i) mißt, wie stark d₂(i) von seinem vorhergehenden Verlauf (Historie) abweicht. Die Bewegungshistorie d2_h des i-ten Blocks stellt den rekursiv gewichteten Mittelwert der vorhergehenden finalen Ausgangswerte des lokalen Bewegungs­ vektors des i-ten Blocks dar. S_b(i) bezeichnet die Vektordifferenz zwischen d₂(i) und d²h. Im allgemeinen ist die Bildbewegung relativ sanft und sowohl bei erfahrenen als auch bei unerfahrenen Ultraschallbenutzern zusammenhängend. Falls ein Wert von d₂(i) eine stark unterschiedliche Richtung und Größe, verglichen mit seinem bisherigen Verlauf (Historie), aufweist, ist es sehr wahrscheinlich, daß dieser Schätzwert durch Störungen oder lokale Gewebebewegung beeinflußt ist und die wahre lokale Bildbewegung nicht exakt wider­ spiegelt. In diesem Fall kann der Schätzwert d₂(i) nicht sehr zuverlässig sein. Ein großer Wert von S₂(i) zeigt folglich an, daß der geschätzte Wert d₂(i) weniger zuverlässig ist.

Auch hier wird, wie vorstehend bereits, eine Fuzzy-Logik-Technik zur Implementierung des vorstehend erläuterten Qualitätsmaßes eingesetzt, um hierbei einen einzigen numeri­ schen Ausgangswert w₂(i) zu erzeugen, der ein Maß für die Genauigkeit von d₂(i) re­ präsentiert. Der numerische Ausgangswert w₂(i) reicht von null bis eins, wobei sich die Schätzungsgenauigkeit von d₂(i) erhöht, wenn sich w₂(i) dem Wert eins annähert. Die Fuzzy-Regeln für die Abschätzung im Fall der in der Ebene befindlichen Größe sind gleichartig wie diejenigen für den vorstehend beschriebenen Fall der aus der Ebene herausführenden Größe, und müssen daher nicht nochmals näher erläutert werden. Zusätz­ liche Einzelheiten für die Abschätzung in der Ebene können aus der US-PS 5 575 286 erhalten werden, deren Offenbarungsgehalt hiermit in vollem Umfang in den Offenba­ rungsgehalt vorliegender Anmeldung einbezogen wird.

In allgemeinen Fällen kann die in der Ebene erfolgende Bewegung eine übermäßige Schätzung für die Elevationsbewegung bzw. die aus der Ebene heraus gerichtete Bewegung verursachen, da die in der Ebene erfolgende Bewegung des Objekts zu einer zusätzlichen Dekorrelation führt. Die Elevationsbewegung (aus der Ebene herausführende Bewegung) läßt sich noch genauer unter Verwendung sowohl einer Dekorrelationscharakteristik als auch einer Kreuzkorrelationscharakteristik der Fleckeninformation abschätzen. Demgemäß kann der FWHM SAD-Wert für die Daten für die Bewegung in der Ebene auch dazu benutzt werden, einen lokalen Bewegungskorrekturschätzwert d_z(i) zu gewinnen. Genauer gesagt, kann, wie in Fig. 11 gezeigt ist, die Elevationsbewegung unter Verwendung der folgenden Gleichung geschätzt werden:

wobei d₁ die Bewegungsstrecke in der Bewegungsrichtung (auf der Basis der Dekorrela­ tionscharakteristik des Fleckens in dieser Richtung) bezeichnet und d_x und d_y die in der Ebene liegende Bewegung in den Richtungen x bzw. y repräsentieren (auf der Basis der Kreuzkorrelationscharakteristik). Die Faktoren α₂ und β₂ sind Umskalierungs- bzw. Skalierungs-Konstanten unter Berücksichtigung der Anisotropien der dreidimensionalen Fleckengestalt und werden unter Verwendung der Werte der vollen Breite des halben Maximums bzw. bei dem halben Maximum der Fleckendekorrelationsraten in den Richtun­ gen X, Y und Z ermittelt. Generell werden die Faktoren α₂ und α₂ für eine Skalierung von anisotropen zu isotropen Verhältnissen benutzt. Bei einer Ausführungsform ist α₂ = [FWHM_z/FWHM_x]² und β₂ = [FWHM_z/FWHM_y]².

Es ist anzumerken, daß die Genauigkeit des Schätzwerts für die aus der Ebene herausge­ richtete Bewegung von dem Abstand zwischen den Bildern abhängt. Wie in Fig. 12A gezeigt ist tragen die Bildstörungen (Bildrauschen) in relativ starkem Maße zu der Berechnung des Werts SAD bei, wenn die Abstände zu klein sind, wodurch eine Schät­ zungsverfälschung (Schätzungs-BIAS-Wert) hervorgerufen wird. Falls jedoch der Raum zwischen den Bildern zu groß ist, sind die statistischen Eigenschaften unabhängig vonein­ ander. Bei einer Ausführungsform wird daher ein Geschwindigkeitsmesser vorgesehen, damit während der klinischen Abtastung eine Geschwindigkeitsrückkopplungsinformation bereitgestellt wird. Genauer gesagt wird, wie in Fig. 12B gezeigt ist, ein von der Dekorre­ lationscharakteristikberechnung (SAD-Berechnung) in der Bewegungsrichtung stammender oder erhaltener Parameter dazu benutzt, anzuzeigen, ob die Sonde zu rasch bewegt wird. Solange die SAD-Kurve und FWHM (volle Halbwertsbreite bzw. volle Breite bei halbem Maximalwert) beispielsweise zwischen den Kurven 1200 und 1202 gemäß Fig. 12A oder 12B begrenzt sind, führt die Wandlerabtastung zu relativ genauen Schätzwerten für die Bewegung. Die Parameterkurven 1200 und 1202 sind empirisch auf der Grundlage der einzelnen Wandlersonden gewählt. Sobald alle Ausgangswerte d_x(i), d_y(i) und d_z(I) für den lokalen Bewegungsvektor für das n-te Bild geschätzt worden sind, können schließlich alle Ausgangswerte miteinander kombiniert werden, um einen globalen Bewegungsvektor gmv(i) für das Bild bzw. die Scheibe zu schätzen. Gemäß der vorliegenden Erfindung wird die globale Bewegungsschätzung unter Verwendung der lokalen Bewegungsvektoren d_x, d_y, d_z bei einem gewichteten LMS-Verfahren (Verfahren kleinster mittlerer Quadrate) ausge­ führt. Ein solches Verfahren ist in Horn et al.: Closed-Form Solution of Absolute Orienta­ tion using Orthonormal Matrices", Journal of the Optical Society of America, Seiten 1127 bis 1135 (1988), beschrieben, wobei der Offenbarungsgehalt dieser Literaturstelle hiermit durch Bezugnahme in vollem Umfang in den Offenbarungsgehalt vorliegender Anmeldung einbezogen wird. Eine Lösung mit geschlossener Form für das zweidimensionale Problem findet sich in Umeyama, IEEE Transactions on Pattern Analysis and Machine Intelligence, Band 13, Nr. 4, April 1991, Seiten 376 ff. Auch der Offenbarungsgehalt dieser Litera­ turstelle wird in vollem Umfang in den Offenbarungsgehalt vorliegender Anmeldung einbezogen.

Es sind somit ein System und ein Verfahren für eine dreidimensionale Ultraschallbildaus­ richtung und eine dreidimensionale Bewegungsschätzung beschrieben, bei denen zunächst eine kalibrierte dreidimensionale Fleckenfunktion für den Wandler und das abzutastende Gewebe vorab festgelegt wird. Eine Serie von Bildern wird identifiziert und in dreidimen­ sionale, große und kleine Blöcke gruppiert. Es werden Blöcke, die Flecken repräsentieren, identifiziert und es wird anschließend eine Methode mit Ermittlung der vollen Halbwerts­ breite der Summe absoluter Differenzen dazu benutzt, eine Schätzung für die aus der Ebene heraus gerichtete Bewegung auf der Basis der Dekorrelationseigenschaften über das abzutastende Volumen hinweg zu ermitteln. Zur Abschätzung der in der Ebene liegenden Bewegung werden die zwischen Bildpaaren vorhandenen Kreuzkorrelationseigenschaften verglichen und ein Schätzwert für die in der Ebene liegende Bewegung unter Verwendung der Methode "minimale Summe absoluter Werte" ermittelt. Anschließend werden Fuzzy- Logik-Methoden zur Bildung noch genauerer Schätzwerte eingesetzt. Schließlich wird der Schätzwert für die aus der Ebene herausweisende Bewegung auf der Basis der Dekorrela­ tionseigenschaften der Fleckenbilder aktualisiert, die für die Ermittlung der in der Ebene liegenden Bewegung unter Verwendung der "volle Halbwertsbreite"-Methode eingesetzt wurden.

Claims (25)

1. Verfahren zum Erzeugen einer dreidimensionalen Darstellung einer durch einen Wandler abgetasteten Geweberegion, bei dem
eine Folge von Bildern erzeugt wird, die ein Volumen repräsentieren,
eine erste Dekorrelationscharakteristik der Bilder über das Volumen hinweg bestimmt wird,
eine Kreuzkorrelationscharakteristik anhand von Bildpaaren ermittelt wird, und
die Dekorrelationscharakteristik und die Kreuzkorrelationscharakteristik zur Bildung eines Bewegungsschätzwerts herangezogen werden.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß eine zweite Dekorrelationscharakteristik auf der Basis der Bildpaare ermittelt wird.

3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, daß eine Kreuzkorrelationscharakteristik zur Bildung eines Schätzwerts für eine in der Ebene liegende Bewegung herangezogen wird.

4. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekenn­ zeichnet, daß die Dekorrelationscharakteristik zur Ermittlung eines Schätzwerts für eine aus der Ebene herausführende Bewegung benutzt wird.

5. Verfahren nach Anspruch 2, dadurch gekennzeichnet, daß die erste und die zweite Dekorrelationscharakteristik zur Ermittlung eines Schätzwerts für eine aus der Ebene herausführende Bewegung verwendet werden.

6. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekenn­ zeichnet, daß die Ermittlung der ersten Dekorrelationscharakteristik die Ermittlung der Charakteristik für die volle Breite bei dem halben Maximalwert der Summe absoluter Differenzen umfaßt.

7. Verfahren nach Anspruch 2 oder 5, dadurch gekennzeichnet, daß die Ermittlung der zweiten Dekorrelationscharakteristik die Ermittlung der vollen Breite bei dem halben Maximalwert der Summe absoluter Differenzen umfaßt.

8. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekenn­ zeichnet, daß die Ermittlung der Kreuzkorrelationscharakteristik die Ermittlung der Charakteristik der minimalen Summe absoluter Differenzen umfaßt.

9. System zum Erzeugen einer dreidimensionalen Darstellung einer durch einen Wandler abgetasteten Geweberegion, mit
einer Einrichtung (108) zum Erzeugen einer Reihe von Bildern, die ein Volu­ men repräsentieren,
einer Einrichtung (102) zum Ermitteln einer ersten Dekorrelationscharakteristik der Bilder,
einer Einrichtung (102) zum Ermitteln einer Kreuzkorrelationscharakteristik der Bilder, und
einer Einrichtung (102) zur Bildung eines Bewegungsschätzwerts unter Her­ anziehung der Dekorrelationscharakteristik und der Kreuzkorrelationscharakteristik.

10. System nach Anspruch 9, gekennzeichnet durch eine Einrichtung zum Ermitteln einer zweiten Dekorrelationscharakteristik über bzw. für die Bilder.

11. System nach Anspruch 9 oder 10, gekennzeichnet durch eine Einrichtung zur Bildung eines Schätzwerts für eine in der Ebene liegende Bewegung unter Verwendung der Kreuzkorrelationscharakteristik.

12. System nach einem der Ansprüche 9 bis 11, gekennzeichnet durch eine Einrichtung zur Ermittlung eines Schätzwerts für eine aus der Ebene herausführende Bewegung unter Verwendung der Dekorrelationscharakteristik.

13. System nach Anspruch 10, gekennzeichnet durch eine Einrichtung zur Ermittlung eines Schätzwerts für eine aus der Ebene herausführende Bewegung unter Heranziehung der ersten und der zweiten Dekorrelationscharakteristik.

14. System nach einem der Ansprüche 9 bis 13, dadurch gekennzeichnet, daß die Einrichtung zur Ermittlung der ersten Dekorrelationscharakteristik eine Einrichtung zur Ermittlung der Charakteristik "volle Breite bei halbem Maximalwert der Summe absoluter Differenzen" umfaßt.

15. System nach Anspruch 10, dadurch gekennzeichnet, daß die Einrichtung zum Ermittlung einer zweiten Dekorrelationscharakteristik eine Einrichtung zur Ermittlung der Charakteristik "volle Breite bei halbem Maximalwert der Summe absoluter Differen­ zen" umfaßt.

16. System nach einem der Ansprüche 9 bis 15, dadurch gekennzeichnet, daß die Einrichtung zum Ermitteln der Kreuzkorrelationscharakteristik eine Einrichtung zur Ermittlung der Charakteristik "minimale Summe absoluter Differenzen" umfaßt.

17. Verfahren zum Erzeugen einer dreidimensionalen Darstellung einer durch einen Wandler abgetasteten Geweberegion, bei dem
eine Reihe von Bildern erzeugt wird,
eine erste Charakteristik der Bilder, die sich auf eine aus der Ebene heraus­ führende Bewegung bezieht, bestimmt wird,
eine zweite Charakteristik der Bilder, die mit einer in der Ebene liegenden Bewegung zusammenhängt, bestimmt wird, und
die erste und die zweite Charakteristik zur Bildung eines Bewegungsschätzwerts herangezogen werden.

18. Verfahren nach Anspruch 17, dadurch gekennzeichnet, daß eine dritte Charakteristik der Bilder bestimmt wird, die sich auf eine aus der Ebene herausführende Bewegung bezieht.

19. Verfahren nach Anspruch 18, dadurch gekennzeichnet, daß die dritte Charakteristik und die erste Charakteristik zur Ermittlung eines Schätzwerts für eine aus der Ebene herausführende Bewegung benutzt werden.

20. Verfahren nach einem der Ansprüche 17 bis 19, dadurch gekennzeichnet, daß die erste Charakteristik eine erste Dekorrelationscharakteristik ist.

21. Verfahren nach Anspruch 20, dadurch gekennzeichnet, daß die zweite Charakteristik eine Kreuzkorrelationscharakteristik ist.

22. Verfahren nach Anspruch 18, dadurch gekennzeichnet, daß die dritte Charakteristik eine zweite Dekorrelationscharakteristik ist.

23. Verfahren nach Anspruch 20, dadurch gekennzeichnet, daß die erste Charakteristik unter Verwendung einer "volle Breite bei halbem Maximalwert der Summe absoluter Differenzen"-Methode ermittelt wird.

24. Verfahren nach Anspruch 21, dadurch gekennzeichnet, daß die Kreuzkorre­ lationscharakteristik unter Verwendung einer "minimale Summe absoluter Differenzen"- Methode erhalten wird.

25. Verfahren nach Anspruch 18 oder 22, dadurch gekennzeichnet, daß die dritte Charakteristik unter Verwendung einer "volle Breite bei halbem Maximalwert der Summe absoluter Differenzen"-Methode ermittelt wird.