オートプシー・イメージングのための診断支援システムの開発

本年度は、オートプシー・イメージングにおける自動臓器認識について大きな進展がみられた。一般に、死後画像上の臓器認識は、大きな病変の存在や、死後変化などにより、生体の場合と比べて問題が格段に難しい。この問題に対して、これまでの成果である死体臓器用の統計形状モデルを生かし、臓器の位置と形状を推定しながら濃度値分布の推定を行うロバストなアルゴリズムを提案した。これにより、申請者らの予備研究よりも有意に優れた抽出精度を達成した。この成果を筆頭著者としてまとめて国際ジャーナルへ投稿した。また、死因推定についても進展があった。提案したアルゴリズムを用いて抽出した死体のCT画像上の臓器領域に対し、山口大学で開発したテクスチャ解析に基づく死因診断アルゴリズムを適用した。その結果、心不全と呼吸不全を高精度に識別することに成功した。さらに、ハンブルグ大学との共同研究も実施し、死後一定時間ごとに撮影したCT画像から脳室を認識するアルゴリズムを開発した。このアルゴリズムは、脳室の死後変化を定量化する研究において重要な役割を果たし、一連の成果をまとめた論文は、法医学の分野でもっとも権威のある国際ジャーナルに採択された。複数臓器用の形状モデル学習のために、正解臓器ラベルデータベースの作成も行った。死亡時3次元CT画像について、肝臓13例、心臓5例、右腎臓13例のラベル作成作業が完了した。特に、肝臓13例については、放射線科医のフィードバックを得たうえで、必要に応じて修正を行った。

本年度は、オートプシー・イメージングにおける自動臓器認識について大きな進展がみられた。一般に、死後画像上の臓器認識は、大きな病変の存在や、死後変化などにより、生体の場合と比べて問題が格段に難しい。この問題に対して、これまでの成果である死体臓器用の統計形状モデルを生かし、臓器の位置と形状を推定しながら濃度値分布の推定を行うロバストなアルゴリズムを提案した。これにより、申請者らの予備研究よりも有意に優れた抽出精度を達成した。この成果を筆頭著者としてまとめて国際ジャーナルへ投稿した。また、死因推定についても進展があった。提案したアルゴリズムを用いて抽出した死体のCT画像上の臓器領域に対し、山口大学で開発したテクスチャ解析に基づく死因診断アルゴリズムを適用した。その結果、心不全と呼吸不全を高精度に識別することに成功した。さらに、ハンブルグ大学との共同研究も実施し、死後一定時間ごとに撮影したCT画像から脳室を認識するアルゴリズムを開発した。このアルゴリズムは、脳室の死後変化を定量化する研究において重要な役割を果たし、一連の成果をまとめた論文は、法医学の分野でもっとも権威のある国際ジャーナルに採択された。複数臓器用の形状モデル学習のために、正解臓器ラベルデータベースの作成も行った。死亡時3次元CT画像について、肝臓13例、心臓5例、右腎臓13例のラベル作成作業が完了した。特に、肝臓13例については、放射線科医のフィードバックを得たうえで、必要に応じて修正を行った。