2017 Fiscal Year Annual Research Report
development of bony lesion detection system for CT images and its clinical application
| Project/Area Number |
15K19775
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
花岡 昇平 東京大学, 医学部附属病院, 特任講師 (80631382)
|
|---|
| Project Period (FY) |
2015-04-01 – 2018-03-31
|
| Keywords | 医用画像処理 / X線CT / 転移性骨腫瘍 / セグメンテーション / 異常検知 |
|---|
| Outline of Annual Research Achievements |
本研究の目的は、これまでほとんど開発されてこなかった、CT画像における骨の病変検出、とくに汎用の異常検知システムを開発、評価することである。この目的のため、体幹部CT画像における、前回検査と今回検査の自動比較、新出病変の自動描出・強調表示アルゴリズムを作成、実装した。
これまでの研究成果を統合し、まず入力CT画像から骨を中心としたランドマーク点190点余を自動検出する。さらに、マルチアトラス法を用いて、脊柱骨および骨盤骨領域を自動抽出(セグメンテーション)する。これらのセグメンテーション処理を前回検査、今回検査でそれぞれ行う。
次に、これもこれまでの研究手法を用いて、前回画像と今回画像の位置合わせを行う。ランドマーク点の座標情報と、画像情報とを同時に用いるhybrid demons algorithmを用いて、ボクセル単位で位置合わせを行う。
最後に、前回検査と今回検査とで脊柱骨、骨盤骨のCT値をボクセル毎に比較、差分を取って変化の強かった部位を強調表示し、利用者に表示する。ここまでの研究成果は、読影実験を加えて、日本医学放射線学会で発表された。
さらに、deep learningの手法を用いて、各ボクセル毎に推定される画素値誤差を計算し、それで除することでz-scoreをボクセルごとに計算する手法を新たに付け加え、最大値投影画像としてよりわかりやすく表示する手法を実装した。これは国際学会のCARSで発表予定である(accept済)。
|
-
-
[Presentation] Residual network-based unsupervised temporal image subtraction for highlighting bone metastases2018
Author(s)
S. Hanaoka, T. Masumoto, S. Hoshiai, Y. Nomura, T. Takenaga, M. Murata, S. Miki, T. Yoshikawa, N. Hayashi, O. Abe
Organizer
CARS 2018 Computer Assisted Radiology and Surgery. June 20 - 23, 2018, Hotel NH Collection Friedrichstrasse, Berlin, Germany
Int'l Joint Research
