■医用画像処理（MRI脳画像）
・「教師なし学習のハイブリッド化による頭部MR画像の組織分類」
本研究では，教師なし学習のSOM（Self-Organizing Maps）とART（Adaptive Resonance Theory）をハイブリッド化し，頭部MR（Magnetic Resonance）画像における輝度特性や輝度分布のみから脳組織を分類する手法を提案します． 本手法では，脳萎縮を定量化するためにSOM で高粒度の組織分類を行い，組織分類した結合荷重を基にART を用いて細分化した組織の領域を統合します．実験から，灰白質は脳脊髄液と白質の境界に沿う連続した帯状の領域を形成し， 脳脊髄液は高輝度領域に沿って正しく抽出でき，解剖学的構造情報に沿った結果が得られました．これからはPSO(Particle Swarm Optimization)を用いてSOMのユニット数とARTのビジランスパラメータを最適化します．
・「進化的可変形状モデルを用いた脳領域抽出法」
本研究では，LSM（Level Set Method）とAAM（Active Appearance Model）を使い，頭部MR画像の脳領域を抽出する手法を提案します．本手法は，脳領域を抽出するためのLSMのパラメータを従来では手動で設定していたが，パラメータの組み合わせが膨大なために手動で最適なパラメータの組み合わせを見つけることは困難であるため，生物の進化における遺伝のメカニズムに似た操作を取り入れたアルゴリズムであるGA(Genetic
Algorithm)を使って最適なパラメータの組み合わせを探してきました．2013年度からは単数ではなく，複数の目的関数を使用するGAであるMOGA(Multi-Objective Genetic
Algoithm)を用いてパラメータ最適化を行っています．さらに，パラメータ最適化の際に交差検定を行うことにより，対象画像の正解画像を使用しない画像処理を行う実験に取り組んでいます．
Team MRIのホームページはこちら |
