2013 Fiscal Year Annual Research Report
コンテクスト推定に基づく医用画像からの臓器・病変検出
| Project/Area Number |
23300076
|
|---|
| Research Institution | Chukyo University |
|---|
Principal Investigator |
目加田 慶人 中京大学, 工学部, 教授 (00282377)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
北坂 孝幸 愛知工業大学, 情報科学部, 准教授 (00362294)
長谷川 純一 中京大学, 工学部, 教授 (30126891)
村瀬 洋 名古屋大学, 情報科学研究科, 教授 (90362293)
|
|---|
| Project Period (FY) |
2011-04-01 – 2015-03-31
|
| Keywords | 画像処理 / パターン認識 / コンテクスト / 医用画像 |
|---|
| Research Abstract |
本申請課題では，画像から稀な現象を検出するための【画像からのコンテクスト抽出とそれを利用した画像認識】という枠組みを検討する．医用画像からのがん病変の検出や手術中の映像からの出血やカメラ操作の検出など，稀な現象を対象とするためには頑健な画像処理手法が望まれる．そこで，過去の事例を事前分布とし，年齢や性別などの画像外の情報も利用して医用画像から対象画像を認識するのに利用可能なコンテクストを求め，それを領域(病変や臓器，特異な映像の部分) を検出するために最大限に利用する認識手法の開発を行目指すものである．今年度の成果は以下に要約される．
・実験データの整備 CT画像データについては，100例以上の正解ラベル付画像が利用可能となった．腹腔鏡下手術での胃摘出手術映像とその被験者のCT画像の同時整備を進めた．10例程度の映像について，数秒毎に手術中の状況に関するタグを付与とその精査をおこなった．
・画像からの基本的なコンテクスト情報の抽出 前項にも関連するが，画像からのコンテクスト情報として，手術映像における大まかなシーンの分類を行なった．これは，事例参照に基づく方法であり，内視鏡カメラの状態や，手術中の鉗子による脂肪剥離などの操作の確率を求めるものである．昨年度は各フレーム画像に対して固有空間法に基づく画像特徴を求めて利用したが，手術シーンの理解という点では位置不変性が必要な場合があるため，色ヒストグラムを特徴とした場合との比較をおこなった．結果，出血シーンなどでは色ヒストグラムが有効であることが分かった．
・一般のコンテクストベース画像パターン認識の開発 人間の認知行動や視覚特性が判断にどの様に影響するのかに付いての調査研究を進めた．今年度は画像中における位置が想定されかつ重要度が異なる二つの対象に関して，それらの視認性を決定するための画像特徴に関する基礎的な検討をおこなった．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初計画に加え，新たな研究の展開も進み，研究は順調に進んでいると判断している．CT画像などの医用画像のセグメンテーション結果をコンテクストとして利用するためのソフトウエアや環境は十分に整備出来た．腹腔鏡下手術の様に，高度な技術が必要とされかつ，それを狭い視野で行なわなければならない様な手術映像の実時間解析や事後解析に，医用画像のセグメンテーション結果，ならびに，手術映像におけるシーン分類結果をコンテクストとして利用することの検討をおこない．手術映像に対する自動アノテーションの実現に向けて，医師との検討会を実施している．
|
| Strategy for Future Research Activity |
腹腔鏡下手術支援のために，その被験者の医用画像(CT画像)のセグメンテーション結果をコンテクストとして利用する，手術映像のシーン構造解析を実現し，手術が順調に進んでいるか否かといった手術適切性の実時間認識と，手術の事後評価の2つの応用面から研究を進める．
手術映像の解析については，その手術映像の実時間解析だけでなく，同一手技の手術映像から，これらの統計的な画像特徴に関する情報を利用可能にする事に取り組む．手術時間の異なる複数の映像に対して，同じ処置をしているという観点で意味的に等しい部分の同期をとる手法について検討し，手術の時間経過に応じたコンテクストの利用方法を検討する．特に，シーン毎にそれを検出するのに有効な特徴が異なる事が示されたので，それらをMultiple Kernel Learningの枠組みで解決することを検討する．
また，引き続き医学との共同につとめ，情報交換やデータの整備を進めていく．
|
