小橋 昌司

子宮は筋組織で構成され,子宮筋層の収縮が波のように伝播する子宮ぜん動が生じる.ぜん動は卵巣ホルモンで制御され,胚の着床を助けるなど妊娠,出産で重要な役割を担う.Cine MR画像で観察した子宮ぜん動頻度と妊娠率に相関があることが報告されており,適切なぜん動を促す治療で妊娠率向上が期待できる.しかし,現在のぜん動頻度評価は医師による目視評価で客観性に欠ける.本研究ではCine MR画像による子宮ぜん動の自動定量化法を提案する.提案手法ではまず子宮の動き・変形を補正するために各フレーム間において非剛体位置合わせを行い,次にフーリエ変換による周波数解析により子宮ぜん動の頻度を推定する.提案手法によりCine MR画像での子宮の動き・変形の補正が行え,周波数スペクトルのピークから推定した子宮ぜん動頻度が視覚評価と相関が高いことを明らかにした.(著者抄録)

© 2016 IEEE. In recent years, medical institutions have very big data including medical images. The big image data analysis using the collected medical images is effective to increase the accuracy and the reproducibility of the surgery. Anterior cruciate ligament (ACL) injury causes knee joint instability, and affects on sports performance. Therefore, ACL reconstruction surgery is essential to keep their performance high and to prevent osteoarthrosis. We have proposed a MR image based pre-operative planning system of ACL reconstruction. The system manually applies the Quadrant method to the synthesized pseudo radiograph. This paper proposes a fully automated pre-operative planning system based on the clinical big image data analysis. The experimental results showed that the proposed method successfully estimated the bone tunnel opening site to insert the ACL.

Resting state fMRI(rs-fMRI)画像を用いて、各脳部相互作用を解析する新しい方法を提案した。約5分間のecho planer imaging(EPI)連続測定を行い、脳機能画像を取得した。被験者は3名で、一つのデータセットは、150フレームで構成された。フレーム5から149に提案方を適用した。フレームt=5での元画像と前処理後の画像において、前処理により大きく画像が変化した。脳部位を島皮質右側にした場合の平均時系列信号を算出し、始めの信号のぶれが激しかった。線形推定パラメータ算出し、三つの推定パラメータが時間により変化した。フレームt=39での階層クラスタリング適用では、三つの推定パラメータを基に各脳部位が樹形図を形成し、関係性が判別できた。また、階層的クラスタリングの解析で、脳部位番号26(被殻左側)と71(中央帯状回右側)の関係性が近いことを示した。

新生児脳疾患の計算機診断支援を目的に，アトラスモデルによるMR画像からの脳領域抽出法が提案されている．しかし，新生児は成長に伴い脳形状が大きく変形するため，単一のモデルでは不十分であり，成長に合わせて変形するモデルが必要となる．成長の指標としては年齢があるが，新生児は成長速度に個人差が大きく，年齢を基準としたモデルでは，ばらつきが大きく，鮮鋭なモデルが得られないことが予想される．本論文では，脳領域の解剖学的特徴点を用いた多様体学習により推定された脳発達度をもとにファジィ物体成長モデル（fuzzy object growth model: FOGM）を構築する．そして，FOGMを用いたファジィ連結度領域抽出法を提案し，脳領域を抽出する．提案法による抽出結果を単一のモデルでの抽出結果，年齢を基準としたFOGMによる抽出結果と比較し，抽出精度が向上していることを示す．

頭部MRA画像からの脳血管領域抽出は,動脈瘤検出や,脳血管構造理解のため,必要不可欠の処理である.MRA画像はMRI装置での撮影であるため,装置間,画像間でコントラストの違いが大きく,全自動化処理の妨げとなっている.そこで,本研究では,ファジィ連結度を用いた脳血管領域の自動抽出法を提案し,同手法において解析パラメータの全自動設定法を示す.すなわち,本手法では,完全に脳血管領域処理を自動化,パイプライン化することができる.実験では,磁気強度の異なる複数装置で撮影された,様々な症状を有する被験者に本手法を適用した.本手法は,磁気強度の違い,動脈瘤の有無,糖尿病,高血圧,高脂血症などの他疾患の有無に関わらず,良好に脳血管領域を自動抽出できた.

Outcome of total hip arthroplasty (THA) is strongly correlated to the orientation of the acetabular cup. This paper proposes an assessment method of the acetabular cup using multidetector-row computed tomography (MDCT) images. The method measures angles between the cup implanting axis and the pelvic anatomical coordinate axis. The method was applied to phantoms. We acquired multiple set of MDCT image to evaluate the reliability. The standard deviations of measured angles in multiple acquisitions were 1.27 deg for the inclination angle and 1.83 deg for the anteversion angle.

新生児脳疾患の診断支援を目的に,アトラスモデルを用いたMR画像からの脳領域抽出法が検討されている.しかし新生児は成長に伴い脳形状が大きく変形するため,単一のモデルでは不十分で成長モデルが必要である.本文では,複数人の脳MR画像をその脳発達度で荷重平均するファジィ物体成長モデル生成(FOGM; fuzzy object growth model)法を2つ提案する.方法1では脳発達度として年齢を用いる.方法2では,新生児においては脳成長に個人差が大きいため,多様体学習を用いた脳MR画像からの発達度推定法を提案する.提案法を評価するため,FOGMを用いて単純しきい値法による脳領域抽出を行った.修正齢0から2歳の16名の被験者に対する実験より,従来の単一モデルより提案するFOGMが高精度に,さらに方法1より方法2が高精度に脳領域抽出を行えた.また多様体学習により推定した発達度は,脳体積,年齢との有意な相関が得られた(p<0.001).

脳機能解析やVBM (voxel-based-morphometry)などにおいてMR画像を用いた個人脳間の画像位置合わせが用いられている.従来法では主に画像位置合わせの尤度を,脳全体の信号値の一致度とし,脳溝の一致を評価していないため,異なる脳回に位置合わせされる危険性がある.また,新生児脳はMR信号特徴が異なり,脳溝が狭いため,成人を対象とする従来法の適用は困難である.本文では,脳表近傍のMR信号値から算出される脳溝特徴分布(SDI; sulcal-distribution index)を定義し,SDIを特徴量としたFlatteningにより,パラメトリック曲面上で画像間のSDI相互情報量を最大化する3次元非剛体変形を行うことで,脳溝の一致度を尤度とした脳形状位置合わせを可能とする.本手法は脳輪郭周囲のMR信号値を用いるため,脳抽出精度に対する影響が少なく,特に脳溝内の正確な脳輪郭抽出が困難な新生児脳MR画像には有効である.提案法を修正齢3から5週間の新生児3名のMR画像に適用した結果,特徴点間のずれが小さくなることが確認できた.

新生児脳疾患の診断には，長期的に観察可能なMR (magnetic resonance) 画像を用いた脳容積や脳表面積の計測が有効である．これらの測定には脳領域の抽出が必要だが，新生児を対象とした脳領域自動抽出法はまだ確立されていない． 本研究では，ファジィ形状モデルから得られる知識に基づいたファジィ動的輪郭モデルによる脳領域抽出法を提案する．提案法では複数の被験者データからファジィ形状モデルを作成する．ファジィ形状モデルから得られる知識とMR信号値に基づき，動的輪郭モデルが脳領域に属するファジィ所属を求め，これを最大化するように動的輪郭モデルを変形する．実験では，本手法を12名の新生児被験者に適用し，従来法と抽出精度を比較する．

現在,てんかん原性域の確定診断は硬膜内電極による侵襲的な手法で行われているため,脳外科手術適用が決定された患者にのみ適用されている.さらに同手法では,てんかん原性域の場所は特定できるが,範囲限定が困難である.そこで,本研究ではMR画像を用いた非侵襲的なてんかん原性域の場所特定,範囲限定を行うためのソフトコンピューティング画像処理法を提案する.同手法は,(1)粒子化法,(2)特徴抽出,(3)パターン識別で構成される.粒子化とは,特徴抽出,パターン識別を行うボクセル集合を求めることである.特徴抽出は,粒子よりこれを表現するいくつかの数値ベクトルを算出すること,パターン識別とは,数値ベクトルを基に,てんかん原性域である度合いを求めることである.

低酸素性虚血性脳症などの新生児脳疾患は脳形状を変形させ,脳機能を低下させる危険性がある.脳疾患の悪化は,早期発見と早期治療により防ぐことができる.定量的な診断として,脳容積や脳表面積の測定が注目されている.本研究では,脳容積や脳表面積の測定のための,新生児頭部MR画像を対象とした自動脳領域抽出法を提案する.提案法は,学習データから脳の特徴を取得し,ファジィ物体モデルを構築する.ファジィ物体モデルは脳の特徴をファジィメンバーシップ関数によって表現する.ファジィ物体モデルに基づいた動的輪郭モデルを適用することで,被験者の脳領域を推定する.提案法を12名の被験者に適用した結果,高精度に脳領域を抽出できた.

本研究では姫路市における来月の喘息発作数を予測する．喘息発作数の多い1～4歳，65歳以上の年代の2001～2005年のデータを用い て2006～2010年の各年代の喘息発作数を予測する．Fuzzy-ARモデルを用いて予測し，予測結果を相関係数と絶対平均誤差を用いてAR モデルと比較する．ここで，ARモデルの次数pは赤池の情報量基準 (AIC) に基づいて決定し，ARパラメータa(i)はYule-Walker方程式により決定する．Fuzzy-ARモデルはARモデルに喘息発作の要因である気温，気圧，湿度から構成されるファジィメンバーシップ関数の項を加えたものとなっている．実験結果として，65歳以上の年代では，両モデルとも正 確な予測ができていなかった．1～4の年代においてはFuzzy-ARモデルの方がARモデルよりも高精度な予測を行えた．

AR（自己回帰）モデルは統計学において時系列データに適用されるモデルで、過去のデータからその将来を予測するために用いられる。 本研究では姫路市における地域別の喘息発作数をARモデルを用いて予測し、その喘息発作原因と地域の関連性を調査すると共に、年代別喘息発作数予測システムの精度向上を目指した。予測には2001～2005年のデータを学習データとし、2006～2010年の喘息発作数を推算し真値との比較を行った。自己相関の低いと考えていた高齢者の予測が特定の地域においてはよく再現できるケースもみられ、時系列予測には年齢だけでなく地域性を含めることも必要であることを示唆する結果を得た。

日本における死亡原因として高い割合を占めている脳血栓（梗塞）は，発症からの時間経過とともに脳細胞の壊死が進むため，迅速な診断と治療が求められている．しかし，現在使用されている装置は高価でありその診断に時間がかかる．また，多大な電力を使用するため災害時に使用することが出来ない．そこで，安価で診断時間が短く，低電力で使用できる超音波装置を用いて，頭蓋骨下における脳血管の血流位置と血流方向の特定を行う超音波システムを提案する．本手法では，移動物体に超音波が当たると，移動物体の速度と移動方向に関係して，ドプラ効果による周波数遷移が発生する事を利用して，血流位置と血流方向の特定を行う．頭蓋骨と脳血管の代用として牛の肩甲骨とシリコンチューブを用いて実験を行ったところ，ドプラ効果によって血流位置と血流方向を確認できたため，頭蓋骨下におけるシステムの有用性を確認することができた．

新生児脳疾患の診断法には,MR(magnetic resonance)画像を用いた脳容積,脳表面の計測が有効であるが,新生児を対象とした計算機による脳領域自動抽出法は少ない.本文では,新生児脳MR画像を対象とした脳領域抽出法を提案する.提案法はファジィ動的モデルを用いて脳領域を抽出し,頭蓋形状を基に抽出結果を評価することで抽出パラメータを更新する.脳領域の抽出,評価,パラメータ更新を繰り返すことで,頑健性が高く,精度が高い脳領域抽出が可能となる.初期パラメータはベイジアン識別を用いて求める.本提案法を34名の新生児被験者(修正齢-2週1日から2年5カ月)に適用した結果,sensitivityが98.1%,false-positive rateが27.9%と,高精度に脳領域を抽出できた.

脳疾患を超早期に発見・治療を行うために，新生児を対象とした脳疾患診断法が求められている．成人脳 MR (magnetic resonance) 画像を用いた脳疾患の計算機診断支援システムの一つとして，VBM (voxel-based morphometry) が提案されている．VBM では診断対象者の脳形状を標準脳に正規化し，統計解析によって疾患部位領域を検出する．しかし従来の脳形状正規化法では成人脳由来の標準脳が用いられているため，新生児脳への適用が困難と考えられる．本研究では，新生児脳の正規化法を3種提案する．第 1 の提案法では新生児の単一個人脳を標準脳とする．第 2 の提案法では第 1 の手法に頭蓋除去を前処理として適用する．第 3 の提案法では複数の新生児脳から標準脳を作成する．これら 3 種の提案法と従来法を 14 例の新生児脳 (修正齢- 4 週から 4 週) に適用した．解剖学的ランドマークと相互情報量を用いて精度比較を行った結果，提案法は従来法に比べ有意に高精度な結果が得られた．In order to diagnose the cerebral diseases in early stage, a diagnosing method for neonates is required. As a diagnosis method using adult magnetic resonance (MR) images, voxel-based morphometry (VBM) has been proposed. VBM normalizes an evaluating brain into a template, and detects disease area using statistical analysis. However, because the conventional normalization method uses an adult template, it is difficult to analysis to the neonatal brain. This study proposes three new normalization approaches for the neonatal brain. The 1st approach defines an individual brain as a template. The 2nd approach introduces skull stripping into preprocessing of the 1st approach. The 3rd approach produces a neonatal template from some neonatal brains. Three approaches and conventional method were applied to 14 neonatal brains (revised age were between -4 and 4 weeks). The normalization accuracy evaluated by using anatomical landmarks and mutual information showed that the proposed methods were superior to the conventional method.

脳疾患を超早期に発見・治療を行うため,新生児に対する脳疾患診断法が求められている.従来,MRI(magnetic resonance imaging)を用いた脳疾患診断法の一つとして,VBM(voxel-based morphometry)が用いられる.VBMでは頭部解剖構造を標準脳に正規化することで,統計処理により異常部位を検出する.しかし,標準脳が成人脳由来であるため,正規化法の新生児脳への適用が困難となり,VBMを新生児脳に適用できない.本研究では,新生児脳の正規化法を3種提案する.第1の提案法では新生児の個人脳を標準脳とする.第2の提案法では第1の手法に頭蓋除去を前処理として適用する.第3の提案法では複数の新生児脳を基に標準脳を構築する.実験では,14例の新生児脳(修正齢4週から4週)に対して相互情報量と,前交連(AC)と後交連(PC)の位置と,ACとPCを結ぶ線(AC-PC line)の角度を用いて精度評価を行った.実験結果より,第3の提案法を用いることで,位置誤差が約1.7mm,角度誤差が約1.6°と,従来手法と比較し有意に高精度な結果が得られた.

Total knee arthroplasty (TKA) is an operation that substitutes artificial knee joint of injured knee joint. The 3D kinematics of the postoperative artificial knee joint is focused in the research area of orthopaedics. There are some studies based on 2-D/3-D image registration of 2-D fluoroscopy images and 3-D geometric model. However, these conventional studies are designed for still statics image analysis. This article proposes a method for analyzing 3D knee joint kinematics by using 2-D/3-D image registration with particle filter method. The method can analyze 3D knee joint kinematics with no outlier in inter-frame. By applying the method to computer-synthesized digital radiograph (DR) images, the estimation accuracy was evaluated. In addition, the effectiveness of the method was validated by applying it to DR video of TKA applied knee joint.

This paper proposes the human body weight prediction method using autoregressive (AR) model. We employ 474 volunteers&#039; body weight change data of 730 days. AR model predicts human body weight of a day from these time-series data. We calculate the order of AR model for each volunteer by Akaike&#039;s Information Criterion (AIC) and AR parameter by Yule-Walker equation. We use body weight change data from 1st to 365th day to fix AR model. In the experiment, we predicted body weight change of next day in those from 366th to 730th day. As the result, we obtained high correlation coefficients between predicted and truth values on all volunteers.

This paper describes a foot age estimation system using fuzzy logic. The method estimates the foot age from sole pressure distribution change data. The sole pressure data is acquired by a mat type load distribution sensor. The proposed method extracts step length, step center of sole pressure width, distance of single support period and time of double support period as gait features. The fuzzy degrees for young age, middle age and elderly groups are calculated from these gait features. The foot age of the walking person on the sensor is estimated by fuzzy MIN-MAX center of gravity method. In the experiment, the proposed method estimated foot ages with good correlation coefficient.

This paper describes a testicular tubules evaluation using ultrasonic array probe. In this system, we evaluate a diameter of testicular tubules for azoospermia patients. We employ an ultrasonic array probe. We employ cumulative relative frequency of amplitude values as the evaluation index. In the experiment, we employ large and small nylon lines as the good and bad testicular tubules. Amplitude of large nylon line echo is larger than that of small nylon line echo. For the evaluation, we calculate cumulative relative frequency amplitude of acquisition data. Fuzzy if-then rules are made by the cumulative relative frequency of large and small lines. We evaluate a rete of large lines among all lines by using the fuzzy MIN-MAX center-of-gravity method. In this experiment, the proposed method successfully evaluated the rate of the large lines.

X線電子分光法XPS(X-ray Photoelectron Spectroscopy)は物質の表面近傍の組成の評価などを行うために材料開発によく用いられる手法で，近年では有機物や生体分子の解析にも応用されている．本研究ではこの光電子スペクトルの詳細・高精度解析のための理論的手段として量子化学計算とファジィ推論を用いた新たな手法を提案し，よく知られた数十の有機分子の内殻電子スペクトルについて適用し，手法の有効性を検討した．有機分子や生体分子の解析に重要である含炭素分子15種のスペクトルに対して適用したところ，従来法に対して13種について精度よく記述ができた．

侵入者検知システムはこれまで重要視され，様々な場所で利用されてきた．しかし，夜間に野生動物などによる誤警報が相次いでおり，現在はセンサの感度を調節することによってこれに対処している．本研究では赤外線3D距離カメラを用いて人物，動物，他物体に識別し，侵入者検出を目的とした高精度な状態監視を行う手法を提案する．赤外線3D距離カメラを定点に設置し赤外線飛行時間に基づき距離分布画像を取得する．取得した距離画像から背景情報を除去し，複数の注目領域を検出する．検出した領域から，カメラ設置パラメータと距離値を基に高さ，縦横比，表面起伏等の特徴量を抽出する．ファジィ推論に基づき抽出した特徴量より，注目領域に対する幼年，少年，青年それぞれの所属度を算出し，それらを比較することによって識別を行う．センサ検出範囲内に対し，各種類の物体に対し提案手法を適用し識別を行う実験を行ったところ，良好な識別結果が得られた．

本論文ではAutoRegressive (AR) モデルおよびFuzzy-ARモデルを用いて，体重変動の予測を行う手法を提案する．まず，被験者842人の1年間の体重データに対し，ARモデルを用いて1日後の体重を予測する．このとき，ARモデルの次数pは赤池の情報量基準 (AIC) に基づいて決定する．この結果，予測値と実測値との相関係数の平均は0.842となった．次に，過去p日間の体重データから次のp日間における体重変動をARモデルおよびFuzzy-ARモデルにより予測する．また，各モデルの予測精度を相関係数により比較する．ここで，Fuzzy-ARモデルは，過去p日間の体重データから作成したファジィメンバーシップ関数の項を，ARモデルに加えたモデルとなっている．ARモデルとFuzzy-ARモデルを10人の被験者に対して用いた結果，ARモデルでは0.250，Fuzzy-ARモデルでは0.396の相関係数を得た．