「画像情報学で医療の未来をささえる」　

　医療や医学研究の現場で使用されている画像の情報量は年々増加の一途をたどり、もはや人間の視覚だけでは処理しきれない水準まで達しようとしています。たとえば、画像診断における一患者の検査あたりの画像の数は数百〜千程度まで及びます。 そこで、コンピュータを用いて膨大な量の画像データから重要な情報を抽出、整理してわかりやすく提示したり、複数の情報を組み合わせて新しい画像情報を創出したり、などの医用画像を対象とした情報処理技術に大きな期待が寄せられています。

　 医用画像の情報処理は、技術的には画像解析、パターン認識や可視化といった一般の画像処理やコンピュータグラフィクスなどの技術の応用である一方、対象とする画像データや対処すべき問題の特殊性によって独自の発展を遂げてきました。つまり、他の分野で使用されている技術を単に転用するのではなく、問題の本質を捉え、その解決に最も適した技術を選択して組み合わせたり、時には全く新しい技術を創りあげていく必要があります。

　当分野では、以上のような背景に対して、さまざまな医用画像のための情報処理技術を研究開発することにより、医療・医学への支援を通して社会貢献することを目指しています。具体的な研究テーマのカテゴリは、以下をご覧ください。

　拡散MRI（Diffusion MRI: dMRI）とは磁気共鳴イメージング法の一種であり、生体内の水分子の動きを画像として捉えることのできる拡散強調イメージングを用い手法の総称で、生体内の様々な情報を取得することができます。例えば、水分子が神経束などの線維構造に沿った方向によく移動し、その垂直方向にはあまり移動しないといった性質に基づき線維の走行方向が推定でき、その情報に基づいて神経の走行を可視化したものはTractography(線維束像)と呼ばれます。さらに、様々な方向の拡散計測に基づいて適切な信号値モデルを使用することで、神経線維の方位分散（NODDIモデル）や軸索のサイズ（AxCaliberモデル）も推定できるようになってきました。

　当分野では、拡散MRIにおける信号値モデルや神経束構造の推定方法に関する技術の研究を行っています。拡散MRIの様々な信号値モデルのパラメタを深層学習で頑健に推定する方法のほか、新しい信号値モデルの創成についても取り組んでいます。また、これらの研究成果に基づく拡散MRI解析のためのオリジナルソフトウェア「diMaRIA」を公開し、医学系、工学系の様々な研究に応用できるよう提供しています。

拡散MRIによるTractography

撮像した医用画像に基づいて人体内部の解剖構造をわかりやすく医師に提示したり、医用画像理解を行うコンピュータの機械学習に使用したりする場合、形状や構造などの形態を様々な形式で表現する必要があります。特に人体の構造物には個体差があり、統計的な表現を用いることが有効です。自動、あるいは対話的な処理による医用画像の認識結果に従って、適切な表現形式で解剖構造をモデリングし、そこで発生する生理現象をシミュレーションすることは、実際の医療に応用する上で重要となります。
　 当分野では、上記のような解剖構造のモデリングや生理現象のシミュレーションに関する研究を行います。

血管形状の様々な表現
左上：陰関数（多値ボクセル）表現
右上：ポリゴンによる境界表現
左下：テーパ付円筒の集合による表現
右下：左下図の部分拡大