小橋 昌司

<p>現在の医療現場において、MRIやCT装置の利用は必要不可欠な診断手段である。それに伴い計算機による診断支援システムの構築が行われてきたが、画像診断は専門家である医師の知識に負う所が多いため、容積測定や立体表示の自動化は困難であった。そこで、本研究では医師の知識をファジィインフォメーショングラニュレーション(ファジィIG)の概念に基づいてファジィモデル化した医用画像処理法を示した。本論文は、第2章:頭部MR画像からの全脳領域抽出の為のファジィIGによる自動しきい値発見法、第3章および第4章:ニューラルネットワークおよびファジィIGを用いた頭部MR Angiography画像からの脳血管領域抽出法から構成される。さらに第5章で提案した医用画像処理法を核とした脳機能診断支援システムを構築し、実際の臨床例を用いてその有用性を検証した。本研究では、ファジィIGを医用画像処理に応用することで、個人差や症例差が激しい臨床例にも適用できた。</p>

Hemispheric dominance for language has been assessed by the Wada test which is an invasive technique with considerable risk of complications. Recently, optical topography system has been used as a non-invasive method which is applicable in detecting the language dominance. Our method can be divided into three steps. Firstly, preprocessing is applied to the data. Secondly, we estimate the degree of the speech area. Finally, we calculate laterality index based on the degree of the speech area. Our results demonstrate that our method is effective for decision of language dominance.

This paper proposes an automated discriminating method of material using ultrasonic imaging that can conform change of tissue elasticity. The proposed method employs fuzzy infernce. Firstly, three attributes are acquired from ultrasonic wave of the known material. Secondly, membership functions are constructed using three attributes automatically. Finally, we presume the material using the function from unknown ultrasonic wave. We apply this method to two situations with bone phantom and without bone phantom. The experimental results on six materials showed that each presumed rates under the two situations were 86.6% and 63.3%.

This article shows a SD-reconstruction method of dynamic MRA images of the liver. The method is based on fuzzy if-then rules that represent expert's knowledge. The membership functions used are determined using accumulative histogram of given images. Thus, each of steps runs automatically with robustness. In the experimental result, the method is applied to three dynamic MRA data sets of the liver. Qualitative evaluation by physicians were done for reconstructed 3D images. It shows that the method segments the hepatic veins precisely, and given images are essentially for surgery planning.

本文では, ファジィインフォメーショングラニュレーション(fuzzy Information Granulation; fuzzy IG)による, 頭部MR画像からの脳領域抽出の為の濃度しきい値発見法を提案する.Fuzzy IGとは, Zadehが提唱する新しい概念である.ファジィ情報(fuzzy information)は, 幾つかのファジィグラニュール(fuzzy granule)で構成され, fuzzy IGによってfuzzy informationからfuzzy granuleが引き出される.本手法では, fuzzy informationを濃度ヒストグラムとして, fuzzy granuleを脳を構成する白質部, 灰白質部, 脳脊髄液のヒストグラム上のピークとする.Fuzzy IGは, 医師の知識をモデル化したヒストグラムと, 画像の濃度ヒストグラムとのファジィマッチングによって行う.得られたしきい値を用いて自動抽出した脳体積と, 手動で得られた体積とを, 50例のMR画像に対して比較した結果, 平均誤差率は2.3%であった.

This paper shows an application of fuzzy information granulation to medical image segmentation for MR angiography image. The method treats medical image as information, and the granules are the anatomical parts such as blood vessel, fat, etc. Our granulation method consists of two stages : (1) Quantum generation and (2) Integration of them to produce granules. Quantum generation is performed with watershed segmentation. Integration process is achievedby estimating the degree for predefined models. By granulating MR angiography image, we obtain the bloodvessel region. In the experimental results, we show the target M IP and shaded surface display images of the segmented region. They are useful for evaluating the lesions such as the areury.

MR脳画像同士の位置あわせは, 同じ脳疾患を持つ複数の患者の脳画像を重ねあわせることによって, 濃度値などの情報から共通する部位の異常を視覚的に捉えることが目的である. しかし, MR脳画像は大局的に見ると一様に見える部分であっても, 局所的には個々により異なる部分が多く, このことがMR脳画像同士の位置あわせを困難としている. 従来, 画像同士の位置あわせの方法がいくつか紹介されている. それらは, 画像の濃度値による相関関係による方法, 輪郭の曲率や変極点の位置情報による方法などである. 相関関係による方法のような対象画像の濃度値をもとに行われる方法は, 濃度値情報を取得するというMR脳画像を位置あわせする目的から使用することができない. また, これらの方法は対象画像の局所的な一致度に基づいて全体の位置あわせを行うものであり, 局所的に多くの部分が異なる脳画像の位置あわせに適用するのは困難である. 本文では, ラバー (ゴム) をモデル化した物理モデルを提案し, このラバーモデルを用いてMR脳画像の位置あわせを行う. ラバーモデルとは, 平面状のゴムを想定し, このゴムに歪みが加わったときのゴム全体の力学的な振る舞いをモデル化したものである. ラバーモデルでは局所的な変位が画像全体に影響を及ぼす構造をしており, 全体として協調しながら画像全体が移動するため, 大局的な位置あわせが可能である.

近年, MRやCT装置などの医療機械の発展によって, 人体内部が簡単に撮影できるようになった. また, 最近のコンピュータの高速化, メモリの大容量化によって, それらの情報を解析・可視化し, 評価することが容易になってきた. 一般的には, 興味ある部位をその医療画像から抽出し, それを評価・可視化・解析することが必要である. その際, 抽出目的部位の濃度幅が異なるため単純なしきい値処理では抽出できないのが現状である. そこで, 本稿では, 複数存在する抽出目的部位毎にしきい値処理を行って得られた画像群を, クリーネ代数を用いて統合する方法を示す. 更に, クリーネ代数を用いても解が得られない場合に対して, Brzozowskiの演算を用いることで解が得られることを示す.

In this paper, we show a medical image segmentation for MR angiography images. In it, we introduce a cluster analysis technique aided by fuzzy logic. Our method classifies the clusters into the blood vessels and the others by comparing the intensity histogram with predefined models. In the experimental results, we show the target MIP and volume rendering images of the segmented region. They are useful for evaluating the lesions such as the areury.