[様式－学 5]
博士論文要旨
論文題名：三次元医用画像の超解像技術と 医用画像解析への応用
立命館大学大学院情報理工学研究科 情報理工学専攻博士課程後期課程
イワモト ユウタロウ 岩本 祐太郎
患者の診断にComputed Tomography(CT)やMagnetic Resonance Imaging(MRI)など の三次元医用画像を用いることが日常となり，医用画像の画質が診断に影響を及ぼす一因 となっている．しかし，放射線被ばくや撮像時間など患者の負担を考慮した撮像条件から 十分な精度の画像を得られるとは限らず，特に臨床現場では三次元医用画像のスライス厚 を厚くして撮像する場合が多い．そのため，三次元可視化システムや位置合わせ・領域分 割等の医用画像解析において問題となる. 本論文では，ソフトウェアの面から三次元医用 画像の解像度の高精細化を目的として，学習型超解像技術を基礎とした新たな手法を提案 した．また，超解像技術の医用画像解析への応用として，脳画像の領域分割に提案手法を 適用し，超解像技術の有用性を示した．主な成果を以下に示す．
(1) 学習型超解像技術を三次元医用画像に応用する上での課題は，(a)ハードウェアや撮像 時間の制限から学習用の高解像度画像を用意できない，(b)計算コストの面からデータベー スサイズを制限する必要がある，(c)ノイズが多い，という三点である．これらの問題に対 して，本研究では，スパース表現と自己相似性を用いた三次元医用画像の超解像技術を提 案した．提案手法では，(a) 自己相似性の着想を基に，三次元医用画像の高解像度で取得可 能なスライス面内画像(例えば体軸断面)を利用しデータベースを構築する，(b)スパース制 約に基づき効率のよいデータベースを構築する，(c)テクスチャを保存可能なノイズ除去法
であるNon-Local Means(NLM)フィルタを正則化項とした補正処理により解決を図った．
(2) 高精度な医用画像診断を行なうために同一患者の複数モダリティの医用画像を用いる ことがよくある．一方，ハードウェア上の制限等からモダリティ毎に画像の解像度が異な り課題となる．本研究では，同一患者の画像の相似性に基づき高解像度で取得可能な医用 画像(例えばMR T1強調画像)を参照し，低解像度のみ取得可能な医用画像(例えばMR T2 強調画像)の高精細化を図る超解像手法を提案した．また，画像の相似性計算には，従来の NLMフィルタの代わりに積分画像を用いて高速に演算可能な手法（Guidedフィルタ）を 用いることで，実用的な処理時間を可能とし，様々な医用画像解析への応用を可能とした．
(3) 超解像技術は様々な医用画像解析への応用が期待される．本論文では，医用画像解析へ の応用事例として，脳MR画像の領域分割に上記二つの提案手法を適用し，従来の補間手 法に比べ，高精度に領域分割が可能であることを示し，超解像技術の有用性を示した．
[様式－学 5]
Abstract of Doctoral Thesis
Title ： Super-Resolution of 3D Medical Volumetric Images and Its Application to Medical Image Analysis
Doctoral Program in Advanced Information Science and Engineering Graduate School of Information Science and Engineering Ritsumeikan University
イワモト ユウタロウ IWAMOTO Yutaro
Medical imaging such as computed tomography (CT) and magnetic resonance imaging (MRI) has become a major tool for medical diagnosis. The quality of 3D medical images is one of the most important factors for accurate diagnosis and quantitative assessment. However, the quality and resolution of medical images are usually limited by several factors such as X-ray exposure dose and time limitations due to burden of patients. Especially, in the case of 3D medical volumetric images, the resolution in the slice direction is lower than that in the in-plane direction. In this thesis, I proposed two new learning-based super-resolution (SR) methods with the aim to generate high resolution (HR) medical images. In addition, I also showed the effectiveness of SR for medical image analysis by applying the proposed methods to brain segmentation. The main contributions of this dissertation are summarized as below:
(1) There are three problems in learning-based SR for 3D medical images: (a) we cannot prepare HR images for training because of limitation of hardware and time limitation; (b) the database size is limited in terms of computational time; (c) medical images are noisy. To solve these problems, we proposed a SR technique for 3D medical volumetric images using sparse representation and self-similarity. We have three contributions as: (a) we use the in-plane slices of input data for dictionary construction resulting in that we do not need any high-resolution data, (b) we use the sparse representation to reduce the database size, (c) we use a new regularization term with non-local means (NLM) to reduce the noise.
(2) Multi-modality images are usually used for accurate medical diagnosis. Since different modality will have different resolution, the interpolation method is used to integrate the low-resolution image (ex. LR T2WI) with the high-resolution image (ex. HR T1WI). The interpolation will cause significant blurring resulting in low accuracy of diagnosis. In this thesis, I proposed a SR method for resolution enhancement of the LR images (ex. LR T2WI) by referring HR images (ex. HR T1WI) based on image similarity. In addition, we used a fast method (Guided filter), which uses an integral image, for computation of image similarity instead of conventional NLM filter. Thus the proposed method can by used for various medical image analysis.
(3) As an application of SR to medical image analysis, I applied the proposed methods to brain segmentation. The segmentation accuracy was significantly enhanced by the use of SR images. The super-resolution technique will be a powerful tool for medical imaging.
