2018 Fiscal Year Final Research Report

Mathematical Foundations of Multidisciplinary Computational Anatomy

Planned Research

PDF

Project Area	Multidisciplinary computational anatomy and its application to highly intelligent diagnosis and therapy
Project/Area Number	26108003
Research Category	Grant-in-Aid for Scientific Research on Innovative Areas (Research in a proposed research area)
Allocation Type	Single-year Grants
Review Section	Science and Engineering
Research Institution	Nagoya Institute of Technology
Principal Investigator	Hontani Hidekata 名古屋工業大学, 工学(系)研究科(研究院), 教授 (60282688)
Co-Investigator(Kenkyū-buntansha)	井宮淳千葉大学, 統合情報センター, 教授 (10176505) 増谷佳孝広島市立大学, 情報科学研究科, 教授 (20345193) 清智也東京大学, 大学院情報理工学系研究科, 准教授 (20401242) 石川博早稲田大学, 理工学術院, 教授 (60381901) 奈良高明東京大学, 大学院情報理工学系研究科, 教授 (80353423) 松添博名古屋工業大学, 工学(系)研究科(研究院), 教授 (90315177)
Project Period (FY)	2014-07-10 – 2019-03-31
Keywords	医用画像 / MRI / 病理画像 / 深層学習 / 情報幾何学 / 位置合わせ
Outline of Final Research Achievements	We would like to construct statistical models that help to understand human body by using medical images of many patients from variety of modalities. For this purpose, we studied the following topics and made results: (1) development of new imaging principle for the magnetic resonance(MR) and improvement of existing diffusion MR imaging methods, (2)mathematical foundation for measuring distances among images and registration methods of medical images that have variety of spatial resolutions and that are captured at different times, (3) methods that map organ regions based both on the shapes and the textures on the surfaces, (4) applications of high-order graph cut and deep neural networks for medical image analysis, and (5) information geometry for mathematical foundation, which helps to analyze the characteristics of statistical models constructed from small number of training data.
Free Research Field	計測工学
Academic Significance and Societal Importance of the Research Achievements	概要の項目(1)の成果により，脳内の電気特性分布を計測出来るようになる．このことにより脳内の腫瘍検出法が増える．また拡散MRIによる画像復元の高速化などが実現する．これらは数理工学的にも医学的にも有意義である．項目(2)により様々な画像群の統合が可能となる．例えば全身MRI画像中の膵癌腫瘍と抽出後の膵癌腫瘍の顕微鏡画像群の位置合わせが可能となった．これは膵癌の基礎研究に寄与するところが大きい．(3)(4)は医用画像より臓器などを抽出し，その結果に基づき臓器モデルを構築する際の精度を改善する．(5)は個人情報保護法などにより多量のデータを利用できないときの統計モデル解析の数理基礎を提供する．