肺がん診断支援システムの高度化に関する研究

下記の通り研究実績を報告する.「1」肺血管の太さ,長さや配置などを,サンプルのX線CT画像(512×512×30画素,空間分解能0.625[mm])や人体断面画像(ボランティアの検体を凍結させ,スライス切断し,カラー撮影した画像.画像サイズ1024x1024x160画素,空間分解能1[mm],アメリカVisible Human Projectの成果)から計測し,アルゴリズムの構築に必要な基礎的なデータを収集した.「2」得られた数値データをもとに,肺血管の平均的な構造を計算し,それを幾何学モデルとして表現することで,血管構造を計算機の中に再現した.「3」登録したモデル情報と症例画像との関係分析を行い,がん陰影を認識する手法を開発した.ここでは,マルコフ確率場モデルの枠組みで,肺がんの候補となる陰影とその周辺との陰影との関係を確率的に定式化し,予め登録してあるモデル情報と,症例画像から計算したデータとを比較し,その差が真の病変性変動によるものなのか,それとも画像処理上の誤差変動によるものなのかを確率的に評価し,対象となる陰影が正常か異常かを判定するアルゴリズムを開発した.「4」さらに上記の認識手法をテンプレートマッチングの技術を使って高速化した.上記の手法は,高い肺がん検出精度をもつが,一被検者のCT画像を認識するのに約3時間を必要し,そのままでは実用的でないという欠点があった.高速化することによって,精度を保ったまま,計算時間を大幅に(約5分に)短縮することができた.

下記の通り研究実績を報告する.「1」肺血管の太さ,長さや配置などを,サンプルのX線CT画像(512×512×30画素,空間分解能0.625[mm])や人体断面画像(ボランティアの検体を凍結させ,スライス切断し,カラー撮影した画像.画像サイズ1024x1024x160画素,空間分解能1[mm],アメリカVisible Human Projectの成果)から計測し,アルゴリズムの構築に必要な基礎的なデータを収集した.「2」得られた数値データをもとに,肺血管の平均的な構造を計算し,それを幾何学モデルとして表現することで,血管構造を計算機の中に再現した.「3」登録したモデル情報と症例画像との関係分析を行い,がん陰影を認識する手法を開発した.ここでは,マルコフ確率場モデルの枠組みで,肺がんの候補となる陰影とその周辺との陰影との関係を確率的に定式化し,予め登録してあるモデル情報と,症例画像から計算したデータとを比較し,その差が真の病変性変動によるものなのか,それとも画像処理上の誤差変動によるものなのかを確率的に評価し,対象となる陰影が正常か異常かを判定するアルゴリズムを開発した.「4」さらに上記の認識手法をテンプレートマッチングの技術を使って高速化した.上記の手法は,高い肺がん検出精度をもつが,一被検者のCT画像を認識するのに約3時間を必要し,そのままでは実用的でないという欠点があった.高速化することによって,精度を保ったまま,計算時間を大幅に(約5分に)短縮することができた.