样式相关。相关处理单元38将从在移动的同时设定的关注区域306 (参照图3)的各位置获得的亮度样式307和密度增加数据308彼此相关，并且将彼此相关的亮度样式307和密度增加数据308按顺序地记录在相关表309中。
[0080]与图4中示出的具体例不同，在图6中示出的变型例中，高密度图像300被划分成多个图像区域，并且对于每个图像区域，亮度样式307和密度增加数据308彼此相关。
[0081]图6示出了高密度图像300被划分成4个图像区域(区域I至区域4)的具体例。具体地，依照关注区域306 (参照图3)的位置(例如，关注区域306的中心位置；S卩，密度增加数据308的位置)属于高密度图像300内的区域I至区域4中的哪个区域，使对于各图像区域，亮度样式307和密度增加数据308彼此相关。结果，例如，如图6所示，对于单个样式L，对应图像区域(区域I至区域4)中的每个图像区域的密度增加数据308都与样式L相关。
[0082]这使得不仅能够依照亮度样式307获得最佳密度增加数据308，还可以依照成像数据的位置(密度增加数据属于哪个图像区域)获得最佳密度增加数据308。高密度图像300可以被划分为更大数量(4个或4个以上)的图像区域，或者，还可以依照被包括在高密度图像300内的组织的结构等来确定各图像区域的形状以及所划分的图像区域的数量。
[0083]图7是示出涉及亮度样式和密度增加数据的提取的其他具体例的简图。图7示出了待被图像学习单元30处理的高密度图像310的具体例。
[0084]高密度图像310是在高密度下扫描超声波所获得的高密度图像的成像数据，并且，与图3中示出的高密度图像300相似，图7中的高密度图像310也是由以二维样式排列的多个数据单元构成。在图7所示的具体例中，图像学习单元30的关注区域设定单元32相对于高密度图像310设定二维关注区域316。
[0085]—旦设定了关注区域316，特征量提取单元34就从属于关注区域316的数据中提取特征信息。特征量提取单元34首先提取属于关注区域316的四个数据序列312至315。以低密度图像的束间隔提取4个数据序列312至315，这将在下文中说明。然后，特征量提取单元34提取例如形成4个数据序列312至315的20个数据单元的亮度样式317，作为属于关注区域316的数据的特征信息。
[0086]另一方面，一旦设定了关注区域316，数据提取单元34提取对应关注区域316的密度增加数据318。数据提取单元34从形成高密度图像310的多个数据单元中提取例如位于关注区域316的中心的数据，作为密度增加数据318。
[0087]如上所述，与图3中的具体例相似，在图7的具体例中，提取了关注区域316的亮度样式317和对应关注区域316的密度增加数据318。
[0088]图8是示出涉及亮度样式和密度增加数据之间的相关的另一个具体例的简图。图8示出了由图像学习单元30的特征量提取单元34和数据提取单元36提取的亮度样式317和密度增加数据318 (参照图7)。
[0089]与图4中的具体例相似，在图8的具体例中，图像学习单元30的相关处理单元38生成相关表319，在所述相关表中，亮度样式317和密度增加数据318彼此相关。例如，能够在相关表319中，使密度增加数据318与亮度样式317的全部样式相关，其中，相关处理单元38使得对于在移动的同时获得的关注区域316(参照图7)的各位置获得的亮度样式317和密度增加数据318彼此相关，并且按序地将彼此相关的亮度样式317和密度增加数据318记录在相关表319中。
[0090]当关于相同的亮度样式317而获得了彼此不同的多个密度增加数据单元318时，具有最高频率的密度增加数据318可以与亮度样式317相关，或者多个密度增加数据单元318的平均值、中值等可以与亮度样式317相关。尽管期望将对应亮度样式317的全部样式的密度增加数据单元318都记录在相关表319中，但是，例如，关于不能从确定为足够用于学习的高密度图像310(参照图3)的数量获得的亮度样式317，没有数据(NULL)可被记录。
[0091]图9是示出涉及高密度图像的学习结果的存储处理的其他的具体例的简图。图9示出了由图像学习单元30的相关处理单元38生成的相关表319 (参照图8)以及被包括在密度增加处理单元20中的学习结果存储器26 (参照图2)。相关处理单元38将与记录在相关表319中的多个亮度样式中的每个亮度样式相关的密度增加数据存储在学习结果存储器26中。
[0092]如果在相关表319中没有记录对应亮度样式的密度增加数据(NULL)，则亮度样式内的数据的平均值或中值作为对应亮度样式的密度增加数据被存储在学习结果存储器26中。进一步地，如果没有记录对应亮度样式的密度增加数据，则可以将相邻样式的密度增加数据的平均值或中值存储为亮度样式的密度增加数据。在图9中示出的具体例中，作为样式2的相邻样式的样式I和样式3的密度增加数据的平均值或中值可以作为样式2的密度增加数据被存储在学习结果存储器26中。
[0093]图10是示出在图像学习单元30中执行的全部处理的流程图。首先，当图像学习单元30获得了高密度图像时(S901)，关注区域设定单元32相对于高密度图像设定关注区域(S902:参照图3和图7)。
[0094]一旦设定了关注区域，特征量提取单元34就从属于关注区域的数据中提取亮度样式，作为特征信息(S903 ;参照图3和图7)，并且数据提取单元34提取对应关注区域的密度增加数据(S904 ;参照图3和图7)。此外，相关处理单元38生成亮度样式和密度增加数据彼此相关的相关表(S905:参照图4、图6以及图8)。
[0095]在设定在图像内的关注区域的各位置处都执行从步骤S902到S905的处理，并且通过在图像内移动且设定关注区域，重复从步骤S902到S905的处理。
[0096]例如，当在图像内的整个区域完成了处理时(S906)，作为关于高密度图像的学习结果，从高密度图像的数据获得的多个密度增加数据单元存储在学习结果存储器中(S907)，从而完成本流程。当从多个高密度图像获得学习结果时，对各高密度图像执行图10中示出的流程图。
[0097]通过上述处理，可以获得关于高密度图像的学习结果。例如，在由图1的超声波诊断装置所执行的诊断之前，对应多个亮度样式的多个密度增加数据单元被预先存储在学习结果存储器26中。
[0098]在由图1所示的超声波诊断装置所执行的诊断中，在低密度下扫描超声波束(发送束和接收束)，以在比较高的帧频下获得低密度图像，从而形成例如心脏等的动图像。通过诊断获得的低密度图像的成像数据被发送到密度增加处理单元20。密度增加处理单元20增加通过在低密度下扫描超声波束获得的低密度图像的成像数据的密度。
[0099]如图2所示，密度增加处理单元20包括关注区域设定单元22、特征量提取单元24、学习结果存储器26以及数据合成单元28，并且密度增加处理单元20用存储在学习结果存储器26中的多个密度增加数据单元来填充低密度图像的成像数据的间隙，从而使低密度图像的成像数据的密度增加。将描述由密度增加处理单元20执行的处理。在下文的说明中，图2中的附图标记将用于解释图2中示出的元素(方块)。
[0100]图11是示出涉及密度增加数据的选择的具体例的简图。图11示出了待由密度增加处理单元20处理的低密度图像200的具体例。
[0101]低密度图像200是通过在低密度下扫描超声波形成的低密度图像的成像数据。在图11中示出的示例中，低密度图像200由以二维样式排列的多个数据单元201构成。对于各接收束BM，多个数据单元201沿深度方向(r方向)排列，并且，关于多个接收束BM的多个数据单元201进一步沿束扫描方向(Θ方向)排列。各数据单元201的具体例是对于各接收束获得的行式数据，并且是例如16位的亮度值。
[0102]例如，当与图3的高密度图像300比较时，图11的低密度图像200在深度方向(r方向)具有相同数量的数据单元，并且具有较小数量的排列在束扫描方向(Θ方向)上的接收束BM。例如在图11中示出的低密度图像200中的接收束BM的数量是在图3中示出的高密度图像300中的一半。低密度图像200的接收束BM的数量可以是高密度图像300的1/3、2/3、1/4、3/4 等。
[0103]当获得了低密度图像200时，密度增加处理单元20的关注区域设定单元22相对于低密度图像200设定关注区域206。期望地是，关注区域206的形状和尺寸与用于高密度图像的学习的关注区域的形状和尺寸相同。例如，当图3中示出的一维关注区域306被用于获得高密度图像的学习结果时，如图11中的示例所示的，一维关注区域206设定在低密度图像200内。
[0104]一旦设定了关注区域206，特征量提取单元24就从属于关注区域206的数据中提取特征信息。特征量提取单元24使用在高密度图像的学习中使用的特征信息。例如，当图3中所示的亮度样式307被用于获得高密度图像的学习结果时，如图11所示，特征量提取单元24提取例如4个数据单元202至205的亮度样式207，作为属于关注区域206的数据的特征信息。此外，如图6的变型例中的，在使用对于每个图像区域而亮度样式307和密度增加数据308都相关的相关表309的情况下，除了亮度样式207之外，特征量提取单元24还获得关注区域206的位置(例如，关注区域206的中心位置)，作为属于图11中示出的关注区域206的数据的特征信息。
[0105]当在图3的示例中，基于例如由通过在关注区域306内进行光栅扫描获得的一维阵列亮度值形成的矢量数据、或关注区域306内的数据的平均值或方差值而获得特征信息时，在图11的示例中，基于由通过在关注区域206内进行光栅扫描获得的一维阵列亮度值形成的矢量数据、或关注区域206内的数据的平均值或方差值，以相似方式获得特征信息。
[0106]然后，特征量提取单元24从存储在学习结果存储器26中的多个密度增加数据单元中选择对应亮度样式207的密度增加数据308。具体地，特征量提取单元24选择与亮度样式207匹配的亮度样式307 (图3)的密度增加数据308。在从图6的变型例获得密度增加数据308的情况下，依照图11中的关注区域206的位置，选择对应关注区域206所属的区域(图6的区域I至区域4中的一个区域)并且与亮度样式207匹配的亮度样式307 (图6)的密度增加数据308。
[0107]此外，从学习结果存储器26选择的密度增加数据308被判定为是对应关注区域206的密度增加数据308，并且被用于增大形成低密度图像200的多个数据单元201的密度。所选择的密度增加数据308相对于在低密度图像200内的关注区域206的位置放在插入位置。具体地，插入位置被确定为使得关注区域206和插入位置之间的相对位置关系与图3中的关注区域306和密度增加数据308之间的相对位置关系匹配。当如在图3中所示的示例中，位于关注区域306的中心的数据单元301被提取作为密度增加数据308时，在图11中示出的示例中，密度增加数据308被插入关注区域206的中心并且被放在数据单元203和数据单元204之间。