| 研究課題/領域番号 |
16K16407
|
|---|
| 研究種目 |
若手研究(B)
|
| 配分区分 | 基金 |
|---|
| 研究分野 |
医用システム
|
|---|
| 研究機関 | 京都大学 |
|---|
研究代表者 |
山本 詩子 京都大学, 情報学研究科, 特定助教 (70707405)
|
|---|
| 研究協力者 |
山田 惠 京都府立医科大学
廣安 知之 同志社大学
大関 真之 東北大学
松田 哲也 京都大学
中尾 恵 京都大学
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2019-03-31
|
| 研究課題ステータス |
完了 (2018年度)
|
| 配分額 *注記 |
3,380千円 (直接経費: 2,600千円、間接経費: 780千円)
2018年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2017年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2016年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
|
|---|
| キーワード | 領域ラベリング / MRI / 拡散テンソル画像法 / ボルツマン機械学習 / ベイズ推定 / スパースモデリング / ラベリング / 領域分割 / ニューラルネットワーク / 信念伝播法 / 拡散テンソル画像 / 脳MRI / 画像ラベリング / スパース推定 |
|---|
| 研究成果の概要 |
本研究では、ヒト脳のMRI画像が持つ統計的な性質と、医師の知見を統合して利用することにより医師をサポートすることを目的として進めた。拡散テンソル画像法により取得した複数のコントラストを持つ画像を特徴量ベクトルとし、医師により解剖学的領域ごとに分けられたラベルマップを教師とし、ボルツマン機械学習によるベイズ推定を用いて脳画像のラベリングを行う手法を開発した。また、MRI装置により取得した生体のスペクトルデータからスパースモデリングを用いて画像を再構成する手法開発を行った。
これらの結果を国内学会では磁気共鳴医学会、国際学会ではISMRMなどで発表し、関連分野の研究者とのディスカッションを行った。
|
| 研究成果の学術的意義や社会的意義 |
本研究では、放射線科医による読影を疾患の自動検出によりサポートする際に問題となる、画像の領域ラベリングについての研究を行った。MRI画像の輝度値についての情報と医師によりラベリングされた標準脳のラベルを学習し、新しく得た個人のMRI画像のラベルを推定する手法を開発した。脳や臓器など特定の領域の形状に特化した推定手法ではなく、本研究で開発したラベリング手法は、生体画像の様々な領域に適用することができる。また、スパースモデリングを用いて生体のスペクトルデータから生体内物質の空間分布を再構成する提案手法は、MRIの計測時間を大幅に減少させることが期待できる。
|
