胸部医用画像の自動疾患分析に基づく肺知能診断支援システムの開発

点击翻译按钮获取中文摘要

今年、我々は医用画像から肺の病変特徴を抽出し、それを基に治療計画を自動生成する手法の開発に注力しました。これは、医療分野におけるAIの応用を一歩進める試みです。初めに、我々はクラスタリングという手法を活用して、肺の病変部位の抽出を行いました。これは、画像上の類似性に基づいてピクセルをグループ化する方法で、特定の病変の形状や位置を明確に識別するのに役立ちます。この抽出結果に基づいて、ボクセル（3次元画像データの基本的な単位）の数を計算し、それにより疾患部位の体積と全肺に対する割合を算出しました。これは、病状の重篤さを評価し、治療の方向性を決定する上で重要な情報となります。次に、我々は病変部位の超解像についての研究を積極的に進めました。我々は、切除した肺の標本を用いて、臨床CTとmicro CTの両方で撮影を行い、肺の医用画像データセットを作成しました。これにより、約0.5mmの解像度を持つ臨床CT画像と、マイクロメートルスケールの解像度を持つmicro CT画像を得ることができました。これら2種類の画像を位置合わせ（レジストレーション）し、対応する臨床CT - micro CTデータセットを作成しました。このデータセットを基に、我々は新たな超解像手法を開発しました。この手法により、臨床CT画像が超解像技術によりmicro CTと同じ解像度を達成できるようになりました。この進展は、臨床CTの撮影だけでmicro CTと同等の解像度を達成することを可能にしました。これにより、撮影コストを大幅に削減し、医師と患者の負担を軽減することが可能となりました。