|
本年度は，多様なパターンを表現可能な新しい統計モデルの改良と，統計モデルを用いた臓器認識アルゴリズムの改良を進めた．具体的な成果は以下の通りである．
１．新しい統計モデルに関する検討：2019年度までの検討結果を踏まえ，2020年度は多様体上に分布する形状をより正確に表現する方法について検討を進めた．特に，FlowベースのGLOW: Generative FlowにAutoEncoderを組み合わせる方法において，変数変換時の密度関数の制約を与える方法を導入し，精度向上に成功した．また，Admissible SDFの制約を用いることで，形状が分布する多様体上の任意の二つの形状間の距離を求めたり，複数の形状分布の平均を求める方法を提案した．さらに，トポロジーを考慮した統計モデルの構築も進め，肺の血管などのような線状の構造において，特定のトポロジー保存が可能な統計モデルの開発に成功した．その他，COVID-19による肺炎を含むCT像を生成する統計モデルの構築についても進めた．COVID-19による多様な肺炎のパターンを生成することにより，今後の深層生成モデルを用いたCOVID-19の診断支援システムの開発の加速化が期待される．
２．統計モデルを用いた医用画像解析についての検討：上で開発した新しい統計モデルを用いた医用画像解析の検討を進めた．具体的には，小児のCT像における臓器の認識を深層学習を用いて行う処理において，統計モデルを用いることで適切な形状制約を与える方法の開発にも取り組んだ，特に，平均から離れた形状を持つ場合についても精度が向上するなど，一定の成果を上げた．
|
