3次元医用画像処理システムに関する数理的処理

点击翻译按钮获取中文摘要

本研究は,医用画像中の臓器表面と臓器モデルとの高精度な位置合わせのための統計的枠組みに関するものである.医用画像中の解剖構造の自動認識は,診断や治療立案支援にとって必須の機能であり,臓器モデルを医用画像に対して位置合わせすることにより実現される.本研究では,臓器モデルとして,臓器表面を点群で記述するpoint distribution model(PDM)を採用し,その上で各臓器形状の多様性を表現するstatistical shape model(SSM)を新たに提案した.具体的に,該当年度に以下の2項目について考察し,それぞれの考察に基づき位置合わせの精度を向上させる手法を提案した.(1)SSMのグラフィカルモデル表現と推論法(2)隣接臓器や臓器表面上の腫瘍に対して頑健なSSM(1)はSSMの表現と推論に関する議論である.従来の線形なSSMの表現方法には,部分空間表現と測地距離に基づいたグラフィカルモデル表現の二つがある.本研究では,これら従来のモデルの問題点を指摘し,それを解決する統計的に正しいモデル構造の推定を行った.肝臓を対象として実験を行い,位置合わせの精度が向上することを確認した.(2)はSSMの外れ値に対する頑健化に関する議論である.一般に,医用画像を対象とした位置合わせでは,SSMを用いても隣接臓器や腫瘍などによる臓器表面の変化を適切に表現することは困難である.本研究では,このような領域を外れ値と置き,臓器表面を複数のクラスタに分割し,各クラスタの表面積における外れ値領域の疎性を仮定することで,外れ値を自動的に検知・無視した.その後,クラスタ間のグラフィカルモデルを構築することで,クラスタ間の関係も考慮しつつ各点の位置の推定を行った.当該年度では,本提案法を用いることで,精度が向上することを確認した.