1.本发明涉及从受检者的身体的超声波断层图像求出作为目标的身体组织的厚度的超声波厚度测量装置和超声波厚度测量方法。
背景技术:2.以往,已知使用超声波来测量身体的肌肉层厚度或脂肪层厚度的测量装置(专利文献1)。
3.现有技术文献
4.专利文献
5.专利文献1:日本特开昭61-220634号公报
6.在专利文献1中,以超声波信号的a模式图像为基础进行了肌肉层或脂肪层的厚度的推定,但精度不充分。作为提高精度的方法,可以想到增加超声波元件的数量,但在这种情况下会导致进行厚度推定的处理部所处理的信息量的增加,由于电路系统也被要求高处理能力,因此成为设备大型化的原因。另外,有探头尺寸也变大的问题。
技术实现要素:7.为了解决上述问题,本发明所涉及的超声波厚度测量装置的特征在于,具备:超声波探头,具备8个以下的超声波元件,所述超声波元件具有超声波的发送元件和接收元件;以及控制部,根据基于各所述超声波元件的各所述接收元件接收到的接收信号得到的受检者的身体的断层图像数据来求出作为目标的身体组织的厚度,所述控制部根据基于各所述超声波元件接收的各个接收信号的所述断层图像数据来求出所述厚度。
8.另外,本发明所涉及的超声波厚度测量方法的特征在于,是根据由各接收元件接收从具有超声波的发送元件和接收元件的8个以下的超声波元件向身体发送的超声波的反射波而得到的受检者的身体的断层图像数据来求出作为目标的身体组织的厚度的超声波厚度测量方法,在所述超声波厚度测量方法中,根据基于各所述超声波元件接收的各个接收信号的所述断层图像数据来求出所述厚度。
附图说明
9.图1是本发明所涉及的实施方式1的超声波厚度测量装置的整体简易构成图。
10.图2是该实施方式1的超声波探头的简易主视图。
11.图3是将该实施方式1的超声波探头穿戴于身体的状态的主视图。
12.图4是用该实施方式1的一个超声波元件得到的a模式图像和与其对应的1行b模式图像的图。
13.图5的(a)是由为了求出作为目标的厚度而对该实施方式1的控制部输入的8行b模式图像形成的输入图像数据的图,图5的(b)是从控制部输出的进行了作为目标的厚度的推定的输出图像数据的图。
14.图6的(a)是由该实施方式1的8行b模式图像形成的输入图像数据的图,图6的(b)是与其对应的示教数据的图。
15.图7的(a)是由通过具有64个以上的超声波元件的超声波探头得到的b模式图像形成的输入图像数据的图,图7的(b)是与其对应的示教数据的图。
16.图8是将超声波探头穿戴于身体的不同于图3的位置的状态的简易主视图。
17.图9是用穿戴于图8的位置的超声波探头得到的b模式图像的图。
18.图10是学习模型的更新体系图。
19.附图标记说明
20.1、2、3、4、5、6、7、8
…
超声波元件,9
…
布线,10
…
壳体部,11
…
发送元件,12
…
接收元件,13
…
带,14
…
基座部件,15
…
驱动脉冲产生电路,16
…
发送电路,17
…
信号处理电路,18
…
接收电路,19
…
复用器,20
…
微型计算机,21
…
发送元件,22
…
接收元件,23
…
通信部,24
…
a模式图像,25
…
平板电脑,26
…
b模式图像,27
…
学习模型,28
…
监视器,30
…
断层图像,31
…
发送元件,32
…
接收元件,33
…
控制部,34
…
肌肉层厚度,35
…
皮下脂肪厚度,36
…
皮肤表面,37
…
学习模型生成中心,38
…
内脏脂肪厚度,39
…
腹直肌,41
…
发送元件,42
…
接收元件,43
…
便携回波探头,44
…
笔记本电脑,45
…
通常的超声波探头,50
…
示教图像数据,51
…
发送元件,52
…
接收元件,60
…
超声波探头,61
…
发送元件,62
…
接收元件,71
…
发送元件,72
…
接收元件,81
…
发送元件,82
…
接收元件,100
…
超声波厚度测量装置。
具体实施方式
21.以下,首先对本发明进行简要说明。
22.为了解决上述问题,本发明的第一方式所涉及的超声波厚度测量装置的特征在于,具备:超声波探头,具备8个以下的超声波元件,所述超声波元件具有超声波的发送元件和接收元件;以及控制部,根据基于各所述超声波元件的各所述接收元件接收到的接收信号得到的受检者的身体的断层图像数据来求出作为目标的身体组织的厚度,所述控制部根据基于各所述超声波元件接收的各个接收信号的所述断层图像数据来求出所述厚度。
23.在此,“厚度”是指不限于身体的肌肉层厚度、脂肪层厚度,还包括用于判断具有层结构的脏器的厚度、用于判断异常部位的厚度等。
24.根据本方式,所述控制部根据基于8个以下的所述超声波元件接收的各个接收信号的所述断层图像数据来求出所述厚度。所述基于8个以下的所述超声波元件接收的各个接收信号的断层图像数据是将从皮肤表面沿着深度方向的8行以下的各断层图像数据排列后的状态的断层图像数据。
25.即,所述控制部为了求出所述厚度而处理的信息量是将所述8行以下的各断层图像数据排列而得到的信息量,因此该信息量变少。由此,构成所述控制部的电路部分不被要求高处理能力,能够实现装置的小型化。另外,超声波探头的尺寸也能够变小。
26.本发明的第二方式所涉及的超声波厚度测量装置的特征在于,所述超声波探头具备:基座部件,能够穿戴于身体;以及8个以下的所述超声波元件,配置于所述基座部件。
27.根据本方式,由于所述超声波探头所具备的超声波元件的个数是8个以下,因此能够将所述超声波探头的尺寸小型化。另外,所述超声波探头能够经由所述基座部件穿戴于身体,因此,使用便利性优良。
28.本发明的第三方式所涉及的超声波厚度测量装置的特征在于,在第一方式或第二方式中,所述控制部为了求出所述厚度而使用的被输入的断层图像数据是使根据各a模式图像生成的各b模式图像与8个以下的各所述超声波元件的配置对应地排列而得到的数据,所述各a模式图像是对8个以下的所述超声波元件接收的各个接收信号进行处理而生成的图像。
29.根据所述各a模式图像生成的各b模式图像是在远离皮肤的深度方向上亮度变化的图像,但在与所述深度方向交叉的方向亦即各行的宽度方向上,亮度成为恒定。换言之,将所述8行以下的各b模式图像排列后的状态的断层图像成为看上去亮度按各行相对于所述深度方向以块状变化的图像。
30.根据本方式,所述控制部为了求出所述厚度而使用的被输入的断层图像数据是将所述8行以下的各b模式图像排列后的状态的断层图像数据,并且是亮度按每一行相对于所述深度方向以块状变化的断层图像数据。由此,所述控制部为了求出所述厚度而处理的信息量是所述以块状变化的断层图像数据,因此该信息量变少。因而,构成所述控制部的电路部分不被要求高处理能力,能够实现装置的小型化。
31.本发明的第四方式所涉及的超声波厚度测量装置的特征在于,在第一方式至第三方式中的任意一个方式中,所述控制部能够访问具有用于根据被输入的断层图像数据得到与所述作为目标的身体组织的厚度对应的属性信息的参数的学习模型,所述控制部将所述受检者的身体的断层图像数据作为输入图像数据,使用所述学习模型进行求出与所述厚度对应的属性信息的处理,根据求出的所述属性信息求出所述厚度。
32.根据本方式,所述控制部将所述受检者的身体的断层图像数据作为输入图像数据,使用所述学习模型,进行求出与所述厚度对应的属性信息的处理,根据所述求出的属性信息求出所述厚度。由此,能够自动且精度优良地求出所述作为目标的身体组织的厚度。
33.本发明的第五方式所涉及的超声波厚度测量装置的特征在于,在第四方式中,所述学习模型将基于8个以下的所述超声波元件从所述作为目标的身体组织接收的各个接收信号的断层图像数据和与所述断层图像数据对应并求出所述厚度的状态的示教图像数据作为1组数据,进行针对多组数据的学习,设定用于根据被输入的断层图像数据得到与所述作为目标的身体组织的厚度对应的属性信息的参数。
34.根据本方式,为了从被输入的断层图像数据得到与所述作为目标的身体组织的厚度对应的属性信息而使用的学习模型的参数与所述被输入的断层图像数据相同地是学习将所述8行以下的各b模式图像排列后的状态的断层图像数据而设定的。因而,能够如上所述使用信息量少的断层图像数据来进行所述学习模型的所述参数的设定。
35.本发明的第六方式所涉及的超声波厚度测量装置的特征在于,在第四方式或第五方式中,所述控制部经由基于无线或有线的通信部与所述学习模型连接,所述学习模型能够通过新的断层图像数据和与所述新的断层图像数据对应的示教图像数据来更新所述参数。
36.根据本方式,所述学习模型能够通过新的断层图像数据和与所述新的断层图像数据对应的示教图像数据来更新所述参数。由此,能够从被输入的断层图像数据精度优良地得到与作为目标的身体组织的厚度对应的属性信息。
37.本发明的第七方式所涉及的超声波厚度测量方法,其特征在于,是根据由各接收
元件接收从具有超声波的发送元件和接收元件的8个以下的超声波元件向身体发送的超声波的反射波而得到的受检者的身体的断层图像数据来求出作为目标的身体组织的厚度的超声波厚度测量方法,在所述超声波厚度测量方法中,根据基于各所述超声波元件接收的各个接收信号的所述断层图像数据来求出所述厚度。
38.根据本方式,能够得到与第一方式同样的效果。
39.本发明的第八方式所涉及的超声波厚度测量装置的特征在于,在第七方式中,访问具有用于根据被输入的断层图像数据得到与所述作为目标的身体组织的厚度对应的属性信息的参数的学习模型,将所述受检者的身体的断层图像数据作为输入图像,使用所述学习模型,进行求出与所述厚度对应的属性信息的处理,根据求出的所述属性信息求出所述厚度。
40.根据本方式,能够得到与第四方式同样的效果。
41.实施方式1
42.以下,基于图1至图7对本发明所涉及的实施方式1的超声波厚度测量装置详细地进行说明。
43.如图1所示,该超声波厚度测量装置100具备:超声波探头60,具有发出和接收超声波的超声波元件;以及控制部33,进行超声波探头60的功能的控制和信号处理。控制部33收容于壳体部10(图3)。
44.超声波探头
45.如图1和图2所示,在本实施方式中,超声波探头60具备8个超声波元件1、2、3、4、5、6、7、8。在图1中,省略了超声波元件1和超声波元件8以外的6个超声波元件2、3、4、5、6、7的图示。如图1所示,超声波元件1具有超声波的发送元件11和接收元件12,超声波元件8具有超声波的发送元件81和接收元件82。如图2所示,其他6个超声波元件2、超声波元件3、超声波元件4、超声波元件5、超声波元件6、超声波元件7也同样地分别具有超声波的发送元件21、31、41、51、61、71和接收元件22、32、42、52、62、72。
46.在此,“具有超声波的发送元件和接收元件”是指在功能上说明的元件,在结构上,一个超声波元件具有作为“发送元件”的功能和作为“接收元件”的功能。在图2中,附图标记9表示布线。
47.如图2所示,超声波探头60具备能够穿戴于身体的平板状的基座部件14(图2)和在基座部件14上以相等间隔配置成1列的8个超声波元件1、2、3、4、5、6、7、8。
48.如图3所示,在本实施方式中,超声波厚度测量装置100的超声波探头60和收容控制部33的壳体部10安装于带13。即,超声波探头60和控制部33部分构成为卷绕于身体的腹部并用带13进行固定的类型。具体地说,构成为能够通过将带13如图3所示穿戴于身体的对象部位来测量作为目标的肌肉层等的厚度。
49.控制部
50.控制部33从基于各超声波元件1、2、3、4、5、6、7、8的各接收元件12、22、32、42、52、62、72、82依次接收到的接收信号而得到的受检者的身体的断层图像数据(图5)来求出作为目标的身体组织的厚度。
51.即,控制部33从基于8个超声波元件1、2、3、4、5、6、7、8依次接收的各个接收信号的后述的断层图像30的数据(图4、图5)来求出所述厚度。
52.如图1所示,控制部33具备驱动脉冲产生电路15、发送电路16、信号处理电路17、接收电路18、复用器19、微型计算机20以及通信部23。控制部33构成为能够经由通信部23访问平板电脑25。平板电脑25搭载有后述的学习模型27。
53.当发送超声波时,由驱动脉冲产生电路15生成规定的驱动频率和波数的图案,由发送电路16输出规定的驱动电压的发送波形,从各超声波元件1、2、3、4、5、6、7、8的各发送元件11、21、31、41、51、61、71、81发送超声波。
54.当接收超声波时,基于各超声波元件1、2、3、4、5、6、7、8的各接收元件12、22、32、42、52、62、72、82的接收信号被接收电路18放大,被信号处理电路17进行包络线处理、log压缩处理后生成8个各超声波元件1、2、3、4、5、6、7、8的断层图像30亦即a模式图像24。在图4中,示出了从1个超声波元件的接收信号生成的a模式图像24。
55.各电路15、16、17、18的各动作的控制是经由微型计算机20执行的。而且,微型计算机20构成为用复用器19依次切换8个各超声波元件1、2、3、4、5、6、7、8的发送和接收的各发送接收动作。即,8个超声波元件1、2、3、4、5、6、7、8构成为依次接收各接收信号。
56.在本实施方式中,通过微型计算机20的控制将8个各超声波元件1、2、3、4、5、6、7、8的8个a模式图像24的数据经由通信部23发送到搭载有学习模型27的平板电脑25。通信部23在本实施方式中由无线lan电路构成,但也可以由有线构成。
57.平板电脑25具备gpu,根据被发送的8个a模式图像24的数据生成8个b模式图像26的数据。在图4中,示出了与一个a模式图像24对应的一个b模式图像26。
58.控制部33为了求出所述厚度而使用的被输入的断层图像30的数据是使根据对8个各超声波元件1、2、3、4、5、6、7、8依次接收的各个接收信号进行处理后生成的各a模式图像24而生成的各b模式图像26与8个各超声波元件1、2、3、4、5、6、7、8的配置对应并排列而得到的数据。
59.图5的(a)是使8个b模式图像26与8个各超声波元件1、2、3、4、5、6、7、8的配置对应并排列的图。即,是将从皮肤表面36沿着深度方向(图的下方)的8行各断层图像数据排列后的状态的8行b模式图像26的数据。该8行b模式图像26的数据是为了求出所述厚度而被使用的输入图像数据。
60.如上所述,控制部33能够访问具有参数的学习模型27,所述参数用于从被输入的断层图像30的数据得到与所述作为目标的身体组织的厚度对应的属性信息。
61.控制部33构成为,将受检者的身体的断层图像30的数据亦即8行b模式图像26(图5的(a))的数据作为输入图像数据,使用搭载于平板电脑25的学习模型27,进行求出与所述厚度对应的属性信息的处理,从所述求出的属性信息求出所述厚度。该求出的厚度作为输出图像数据如后所述显示于平板电脑25的监视器28(图5的(b))。
62.需要说明的是,学习模型27也可以代替搭载于平板电脑25而搭载于笔记本电脑等计算机。
63.在此,“与厚度对应的属性信息”可列举例如利用在脂肪层与肌肉层的边界部分发送来的超声波被较多地反射且在肌肉层中或脂肪层中几乎不被反射而得到的所述边界部分的位置的信息。如果肌肉层的一个面与脂肪层相接,另一面与另一脂肪层相接,则能够通过超声波求出与肌肉层的一个面对应的“一个边界部分”和与肌肉层的另一面对应的“另一边界部分”的位置。该“一个边界部分”与“另一边界部分”之间的距离成为求出的肌肉层的
厚度。
64.或者,在求出皮下脂肪的厚度的情况下,如果用超声波求出皮下脂肪与位于其里面的肌肉层的边界部分的位置作为“属性信息”,则该求出的边界部分与皮肤表面之间的距离成为皮下脂肪的厚度。
65.图5的(b)是平板电脑25的监视器28中显示的输出图像数据。在本实施方式中,将肌肉层设为空白而显示有肌肉层厚度34和皮下脂肪厚度35所代表的图像数据。
66.学习模型的参数
67.在本实施方式中,学习模型27是如下方式构建的。
68.如图6所示,将基于8个超声波元件1、2、3、4、5、6、7、8从特定部位的身体组织依次接收的各个接收信号的断层图像30的数据亦即8行b模式图像26(图6的(a))、以及求出与该8行b模式图像26对应的所述厚度的状态的示教图像数据50(图6的(b))作为1组数据,将其准备多组例如100组以上。然后,进行针对该准备好的多组数据的机器学习,设定有用于从输入图像数据得到与所述作为目标的身体组织的厚度对应的属性信息的参数。
69.学习模型的生成方法将以医疗用图像的区域分割为目的的、u-net的卷积处理方法作为一个例子,具体地说,针对图6的(a)的8行b模式图像26进行机器学习的神经网络中的通常的卷积处理,还进行池化(pooling)处理。将基于该处理的输出图像数据与图6的(b)的示教图像数据50作比较,以误差变小的方式进行运算,即使用交叉熵误差函数、梯度下降法进行运算并设定参数。对100组以上进行该设定而使参数最优化。
70.在本实施方式中,如图1所示,平板电脑25与学习模型生成中心37经由通信线路相连。所述参数的设定构成为由学习模型生成中心37进行,每当推定精度提高时,其结果是被发送到平板电脑25来更新学习模型27。
71.学习模型27的构建也可以如下方式进行构建。
72.图7的(a)是由从使用具有64个以上的超声波元件的超声波探头并用全部超声波元件接收到的64以上的接收信号得到的b模式图像的断层图像30形成的输入图像数据,图7(b)是与所述输入图像数据对应的示教图像数据50。
73.也可以是,将从该图7的(a)的断层图像30的数据和图7的(b)的示教图像数据50分别按传感器配置间隔切出了8行的断层图像数据和示教数据作为1组数据,将其准备例如100组以上,进行与上述同样的机器学习,设定用于从输入图像数据得到与所述作为目标的身体组织的厚度对应的属性信息的参数。基于64个以上的超声波元件的b模式图像有易于进行肌肉层的判断且易于制作示教数据的优点。
74.另外,在本实施方式中,控制部33经由基于无线的通信部23与学习模型27连接,学习模型27能够通过相当于图6的(a)的新的断层图像30的数据和与所述新的断层图像30的数据对应的相当于图6的(b)的示教图像数据50来更新参数。
75.即,首先,通过超声波得到针对身体的特定部位的组织的新的断层图像30的数据,求出作为目标的身体组织的厚度。而且,该新的断层图像30的数据构成为:从平板电脑25发送到学习模型生成中心37,根据与该图像对应的示教图像数据50的组进行学习模型27的参数更新作业,如果推定精度提高,则其结果被发送到平板电脑25,更新学习模型27的参数。
76.实施方式1的作用的说明
77.接着,进行通过实施方式1的超声波厚度测量装置100求出作为目标的身体组织的
厚度的工序。
78.首先,将本实施方式的超声波厚度测量装置100的超声波探头60和控制部33部分如图3所示卷绕于受检者的身体的腹部并用带13进行固定。然后,通过8个超声波元件1、2、3、4、5、6、7、8依次发送接收超声波,基于8个接收信号生成8个a模式图像24,还用平板电脑25根据该8个a模式图像24生成8个b模式图像26,即生成8行b模式图像26(图5的(a))的数据。
79.接着,将8行b模式图像26(图5的(a))的数据作为输入图像数据并使用学习模型27进行求出与所述厚度对应的属性信息的处理,根据上述求出的属性信息求出所述厚度(图5的(b)),将其显示于监视器28。
80.需要说明的是,监视器28中显示的与所述厚度相关的信息不限于图5的(b)的形式,例如也可以是数值或能够比较的图的形式。
81.实施方式1的效果的说明
82.(1)根据本实施方式,控制部33根据基于8个超声波元件1、2、3、4、5、6、7、8依次接收的各个接收信号的断层图像求出作为目标的身体组织的厚度。基于8个超声波元件1、2、3、4、5、6、7、8依次接收的各个接收信号的断层图像数据是将从皮肤表面36沿着深度方向的8行各断层图像30的数据排列而得到的断层图像数据(图5的(a))。
83.即,控制部33为了求出所述厚度而处理的信息量是将8行各断层图像30的数据排列而得到的信息量(图5的(a)),因此该信息量变少。由此,构成控制部33的电路部分不被要求高处理能力,能够实现装置100的小型化。另外,超声波探头60的尺寸也能够变小。
84.(2)另外,在本实施方式中,超声波探头60所具备的超声波元件的个数是8个,因此能够使超声波探头60的尺寸比以往小型化。另外,超声波探头60能够基于基座部件14穿戴于身体,因此,使用便利性优良。
85.(3)另外,如图4所示,根据a模式图像24生成的b模式图像26在远离皮肤表面36的深度方向的1行上是亮度变化的图像,但在与所述深度方向交叉的方向亦即所述行的宽度方向上亮度成为恒定。换言之,在所述1行上亮度相对于所述深度方向以块状变化。如图5的(a)所示,将8行各b模式图像排列后的状态的断层图像30成为看上去亮度按每一行相对于所述深度方向以块状变化的图像。
86.根据本实施方式,控制部33为了求出所述厚度而使用的被输入的断层图像30的数据是将8行各b模式图像26排列后的状态的断层图像数据(图5的(a)),并且是亮度按每一行相对于所述深度方向以块状变化的断层图像数据。由此,控制部33为了求出所述厚度而处理的信息量是所述以块状变化的断层图像30的数据,因此该信息量变少。因而,构成控制部33的电路部分不被要求高处理能力,能够实现装置100的小型化。
87.(4)另外,在本实施方式中,控制部33将受检者的身体的断层图像30的数据作为输入图像数据,使用学习模型27进行求出与所述厚度对应的属性信息的处理,根据所述求出后的属性信息求出所述厚度。由此,能够自动且精度优良地求出所述作为目标的身体组织的厚度。
88.(5)另外,在本实施方式中,为了从被输入的断层图像30的数据得到与所述作为目标的身体组织的厚度对应的属性信息而使用的学习模型27的参数与所述被输入的断层图像30数据同样地是学习将8行各b模式图像排列后的状态的断层图像数据(图6的(a))而设
定的。因而,能够如上所述使用信息量少的断层图像30的数据来进行学习模型27的所述参数的设定。
89.(6)另外,在本实施方式中,学习模型27能够通过新的断层图像30(图6的(a))的数据和与该新的断层图像30数据对应的示教图像数据(图6的(b))来更新所述参数。由此,能够从被输入的断层图像30的数据精度优良地得到与作为目标的身体组织的厚度对应的属性信息。
90.实施方式2
91.接着,基于图8和图9对本发明的实施方式2所涉及的超声波厚度测量装置100进行说明。
92.本实施方式的超声波厚度测量装置100是用于求出内脏脂肪厚度的装置,如图8所示,在身体的胸腔部分穿戴超声波探头60和控制部33的部分来使用。在图8中省略了带13的图示。图9是身体的胸腔部分的断层图像30。图9的断层图像30是根据使用具有64个以上的超声波元件的超声波探头并用全部超声波元件接收到的64以上的接收信号得到的b模式图像的图。身体的胸腔部分没有腹直肌39,能够取得皮下脂肪厚度35用的图像和内脏脂肪厚度38用的图像。
93.因而,通过使用本实施方式的超声波厚度测量装置100来测量胸腔部分,能够与实施方式1同样地,与上述同样地制作具有用于求出内脏脂肪厚度的参数的学习模型27,能够使用该学习模型27与上述同样地求出受检者的内脏脂肪厚度。
94.实施方式3
95.接着,基于图10对本发明的实施方式3进行说明。
96.图10示出了4个超声波厚度测量装置由用户a、用户b、用户c以及用户d独立地使用,并以学习模型生成中心37为中心通过无线或有线相连的状态。
97.用户a和用户d均是个人用户,使用本实施方式的超声波厚度测量装置100。用户b是训练馆,使用便携回波探头43等和具有学习模型的笔记本电脑44并为了视觉识别腹肌或脂肪厚度而使用超声波厚度测量装置200。用户c是健康医疗机构,使用由通常的超声波探头45所连接的超声波诊断装置形成的超声波厚度测量装置300。
98.从用户a、用户b、用户c以及用户d通过各自的使用而取得的断层图像30的数据被发送到学习模型生成中心37。学习模型生成中心37确定汇集后的成为各断层图像30的数据的对象的身体组织即肌肉层或脂肪层,制作示教图像数据50(图6的(b)、图7的(b)),生成该确定后的身体组织用学习模型27和参数。将这些针对被发送的各断层图像30的数据进行,提高学习模型27和参数的精度。
99.可以说所汇集的断层图像30的数据越增加,学习模型27的精度越提高。每当学习模型27的参数被更新且精度提高时,从学习模型生成中心37对搭载学习模型27的平板电脑25或笔记本电脑发送最新的参数,使得学习模型27被更新。
100.其他实施方式
101.虽然本发明的实施方式所涉及的超声波厚度测量装置100基本上具有以上描述的构成,但是当然能够进行不脱离本技术发明的主旨的范围内的部分构成的变更或省略等。
102.(1)在上述实施方式中,虽然对超声波探头60具备8个超声波元件1、2、3、4、5、6、7、8的结构进行了说明,但不限于这8个。也可以是设为8个以下的4个并将4行断层图像数据排
列的结构。另外,超声波元件的个数也可以是比8个多的16个或32个,只要通过其中的8个以下的超声波元件接收且其接收信号的数量是8个以下即可。
103.(2)在上述实施方式中,虽然构成为超声波探头60和控制部33部分卷绕于身体的腹部并用带13进行固定的类型,但当然不限于此。作为超声波探头60,也可以是一般所使用的超声波回波的探头。
104.(3)在上述实施例中,虽然说明了控制部33与学习模型27分开的结构,但也可以是在控制部33内设置学习模型27和通信部23的构成。