| 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 |
26108003
|
|---|
| 研究機関 | 名古屋工業大学 |
|---|
研究代表者 |
本谷 秀堅 名古屋工業大学, 工学(系)研究科(研究院), 教授 (60282688)
|
|---|
| 研究分担者 |
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, 情報理工学(系)研究科, 助教 (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, 情報理工学(系)研究科, 講師 (80353423)
松添 博 名古屋工業大学, 工学(系)研究科(研究院), 教授 (90315177)
|
|---|
| 研究期間 (年度) |
2014-07-10 – 2019-03-31
|
| キーワード | 医用画像 / 統計モデル / マルチモーダル / 逆問題 / 深層学習 |
|---|
| 研究実績の概要 |
本研究班の目的は多元計算解剖モデル群の構築と推論を支える基礎数理を構築・発展させることである。特に撮像から推論に至る各処理の間の整合性を保証することを研究に際して注意する。
撮像に関連する成果として、まず、体内の電気特性分布を計測する新たなMRI撮像原理を構築し、ファントムを対象として実機での撮影に成功した。これは従来に無い新たなモダリティを新たに創出する成果でもある。また拡散MRIのQ-空間における表現の基礎数理についても新たな知見を得た。すなわち、Q-空間における疎で不均一な計測点群を補間する手法としてRadial Basis Function (RBF)を利用する手法を開発し実験を行った。
統計モデルの構築に関する成果として、まず、空間分解能の大きく異なるマルチモーダルな画像間を対応付ける手法を開発し、実際にKPCマウスの膵癌腫瘍のMRI画像と病理顕微鏡画像の非剛体位置合わせをおこなった。この結果得られたデータを利用し、深層学習のGANの手法を活用することにより、非侵襲的に獲得可能なMRI画像中の各点に対応するであろう病理画像群を生成するモデルを構築した。またHE染色により得られた病理顕微鏡画像をMT染色へと自動変換するDeep Neural Networkも実現した。この手法を前年度までの成果と組み合わせることにより、HE染色とMT染色の2チャンネルの3次元病理顕微鏡画像を構築することが可能となった。
モデルの推論に関連して、学習データ数が極端に少ない場合についても研究を進めた。データ数が少ない場合に確率密度分布を推定する有効な手法として裾野の長い分布を利用する手法が広く採用されている。今年度は、そのようなLong-tailな分布として良く知られているq-正規分布を対象として、その期待値などに関する数理基礎を情報幾何の観点から深化させた。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
当初予定より病理顕微鏡画像の取得が遅れているが、その画像群を用いたモデル構築も進んでいる。電気特性を計測するMRIの研究も実機で動作するようになり、深層学習を活用する手法群も成果を挙げつつある。これらのことから順調と判断する。
|
| 今後の研究の推進方策 |
KPCマウスの膵癌多元計算解剖モデルについては、時間・空間分解能・モダリティを跨がるモデルを構築し、可能であればそのデータを一般公開したい。ただしデータの総容量が数十テラバイトであるため容易ではなさそうである。その他数理基礎面での研究を進めるとともにジャーナルで報告する。
|
