Sptatiotemporal statistical model for predicting temporal changes in medical images

医用画像を対象とした多くのコンピュータ支援診断技術において「人体の統計モデル」，すなわち個体間での臓器形状やテクスチャの「空間的」ばらつきを説明する数理モデルが不可欠である．しかしながら，ヒト胚子や小児など，発生や成長を伴う対象を扱う場合，それらの時間的変化が無視できない．本研究では，特定の時点での「空間的」変動だけでなく，各個体が「時間的」にどのように変化するかを説明可能な「時空間統計モデル」の構築法の開発および診断支援への応用を目的とする．成果の概要は以下のとおりである。①時空間統計モデル構築手法の開発（2019年度）：3次元の肝臓形状とCT画像における肺野テクスチャそれぞれに対して，深層学習に基づいた生成モデルを提案し，従来の生成モデルよりも優れていることを明らかにした．また，ランドマークの発生に対応可能な，ヒト胚子の点群に対する時空間統計モデル構築法を提案した．②時空間統計モデルの応用（2020年度）：時空間統計モデルの画像セグメンテーションへの応用に取り組んだ．具体的には，臓器セグメンテーション用のニューラルネットワークの学習において，時空間統計形状モデル（日齢を条件とする条件付き統計形状モデル）を用いた正則化手法を提案し，その有用性を実証した．その他，時空間統計解析技術を応用し，ヒトの胎児期の顔面骨格に対する3次元形態解析にも貢献した．③評価用データセットの構築（2019～2020年度）：国際小児病院（米国）の協力のもとで，高解像度かつ縦断的に撮影された小児の時系列MR画像を収集し，肝臓領域の正解ラベルを作成した．時刻間での非線形画像位置合わせを用いた半自動セグメンテーションによる作業の効率化を図り，全被検者に対する肝臓の正解ラベルの作成を完了した．これにより，時空間統計モデルの「経時変化の予測モデル」としての性能を定量的に評価する準備が整った．

医用画像を対象とした多くのコンピュータ支援診断技術において「人体の統計モデル」，すなわち個体間での臓器形状やテクスチャの「空間的」ばらつきを説明する数理モデルが不可欠である．しかしながら，ヒト胚子や小児など，発生や成長を伴う対象を扱う場合，それらの時間的変化が無視できない．本研究では，特定の時点での「空間的」変動だけでなく，各個体が「時間的」にどのように変化するかを説明可能な「時空間統計モデル」の構築法の開発および診断支援への応用を目的とする．成果の概要は以下のとおりである。①時空間統計モデル構築手法の開発（2019年度）：3次元の肝臓形状とCT画像における肺野テクスチャそれぞれに対して，深層学習に基づいた生成モデルを提案し，従来の生成モデルよりも優れていることを明らかにした．また，ランドマークの発生に対応可能な，ヒト胚子の点群に対する時空間統計モデル構築法を提案した．②時空間統計モデルの応用（2020年度）：時空間統計モデルの画像セグメンテーションへの応用に取り組んだ．具体的には，臓器セグメンテーション用のニューラルネットワークの学習において，時空間統計形状モデル（日齢を条件とする条件付き統計形状モデル）を用いた正則化手法を提案し，その有用性を実証した．その他，時空間統計解析技術を応用し，ヒトの胎児期の顔面骨格に対する3次元形態解析にも貢献した．③評価用データセットの構築（2019～2020年度）：国際小児病院（米国）の協力のもとで，高解像度かつ縦断的に撮影された小児の時系列MR画像を収集し，肝臓領域の正解ラベルを作成した．時刻間での非線形画像位置合わせを用いた半自動セグメンテーションによる作業の効率化を図り，全被検者に対する肝臓の正解ラベルの作成を完了した．これにより，時空間統計モデルの「経時変化の予測モデル」としての性能を定量的に評価する準備が整った．