研究領域 | 医用画像に基づく計算解剖学の多元化と高度知能化診断・治療への展開 |
研究課題/領域番号 |
15H01130
|
研究種目 |
新学術領域研究(研究領域提案型)
|
配分区分 | 補助金 |
審査区分 |
理工系
|
研究機関 | 立命館大学 |
研究代表者 |
陳 延偉 立命館大学, 情報理工学部, 教授 (60236841)
|
研究期間 (年度) |
2015-04-01 – 2017-03-31
|
研究課題ステータス |
完了 (2016年度)
|
配分額 *注記 |
4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2016年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
2015年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
|
キーワード | スパースモデリング / 多重線型代数 / テンソル / 特徴抽出 / 多元医用データ / 超解像技術 / 医用画像検索 / 多位相CT / 医用画像 / スパースコーディング / 多重線形解析 / 超解像 / 多重線形代数 |
研究実績の概要 |
本研究では、多元医用データを一つのテンソルとして取り扱い、Tensor Sparse Coding法を基盤とする多重線形スパースモデリング(MSM: Multilinear Sparse Modeling)による多元医用データ解析の体系化を目的とする。平成28年度の研究実績が概要を以下に示す。 1多重線形代数の枠組で以下の2つの手法(MOPMとK-CPD)を開発し、多元データを一つのテンソルとして取り扱える多重線形スパースモデリング法の理論を開発した。 2.スパースモデリング(スパース表現)と多重線形スパースモデリングを用いた医用類似画像検索技術を開発した。本研究は、中国浙江大学付属病院及び浙江大学計算機学院との国際共同研究である。5種類の肝臓腫瘍(FNH, HCC, Cyst, HEM, METS)のmulti-phaseCTデータベースを構築した。 スパースモデリング等を用いて画像の時空間特徴を抽出し、類似画像検索による診断(識別)実験を行った。識別精度は約70%前後であった。本成果は、国際学術誌International Journal of Biomedical Imaging、 国際学会ICPR2016、 CARS2016、IFMIA2017などで発表した。 3.同じ患者から撮影されたCT画像(低解像度画像)とMicro CT画像(高解像度画像)を学習ペアとし、Micro CT画像をガイド(事例)としたCT画像の高解像度化フレームワークを提案した。元のCT画像と比較してよりMicro CT画像に近い高周波成分が推定された。 本成果は、2017年5月に開催される電子情報通信学会医用画像研究会にて発表する予定である。なお、本研究は企画班の佐藤先生のグループとの共同研究である。
|
現在までの達成度 (段落) |
28年度が最終年度であるため、記入しない。
|
今後の研究の推進方策 |
28年度が最終年度であるため、記入しない。
|