2016 Fiscal Year Annual Research Report
マルチスケール解析に向けた病理画像生成法とMR画像との位置合わせ手法の開発
Publicly Offered Research
| Project Area | Multidisciplinary computational anatomy and its application to highly intelligent diagnosis and therapy |
|---|
| Project/Area Number |
15H01105
|
|---|
| Research Institution | Chiba University |
|---|
Principal Investigator |
大西 峻 千葉大学, フロンティア医工学センター, 助教 (30706833)
|
|---|
| Project Period (FY) |
2015-04-01 – 2017-03-31
|
| Keywords | 画像位置合わせ / 病理画像 / MR画像 |
|---|
| Outline of Annual Research Achievements |
マルチスケール解析を目的としたMR画像と病理画像の高精度位置合わせ手法の構築が本研究課題の目的である．前年度ではデータ収集や，位置合わせ用の基礎的な検討を行ってきた，平成28年度では病理画像中の特性をMR画像に近づけるための手法を開発し，位置合わせ精度の向上を行った．
病理画像はMR画像と比較して約1000倍優れた空間分解能を有している．このような場合，位置合わせの前処理として，空間分解能を同程度に揃えるためのダウンスケール処理を加える．しかし，簡易的な方法では病理画像上の特徴が抑制され，位置合わせには適さない画像になってしまう．特に組織の内部領域は画像特徴が不鮮明になり，誤差の要因となっていた．そこで，病理画像を小領域に分割し，各領域の特徴を解析した上で，ダウンスケール処理を行う技術の開発を行った．具体的には小領域内にテクスチャ解析を施し，線維走行に関連する特徴量を抽出する．この特徴量に基づいたパラメータ変換の結果を画像として出力する．
ブタ脳を対象に取得された画像データを用いて手法の有効性を検証した．その結果，脳の白質や灰白質など，組織ごとの違いを強調した上でダウンスケールされが画像を生成することに成功した．これによってMR画像との位置合わせ精度の向上も確認された．
また，位置合わせ手法の自動化を併せて行っており，組織形状が極端に歪である場合を除いては安定して結果が得られることを確認している．
|
| Research Progress Status |
28年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
28年度が最終年度であるため、記入しない。
|
Research Products
(4 results)
-
-
[Journal Article] Deformable image registration between pathological images and MR image via an optical macro image2016
Author(s)
Takashi Ohnishi, Yuka Nakamura, Toru Tanaka, Takuya Tanaka, Noriaki Hashimoto, Hideaki Haneishi, Tracy T. Batchelor, Elizabeth R. Gerstner, Jennie W. Taylor, Matija Snuderl, Yukako Yagi
-
Journal Title
Pathology - Research and Practice
Volume: 212
Pages: 927-936
DOI
Peer Reviewed / Open Access / Int'l Joint Research / Acknowledgement Compliant
-
-
