最大事後確率法とアンサンブル学習に基づく三次元腹部CT像からの肝臓領域抽出

摘要

本論文では3時相の三次元腹部CT像を用いた肝臓領域抽出処理の改良について報告する・提案手法では，入力画像として従来の早期相と晩期相に加え，門脈相を用いる・最初に晩期相を参照画像として放射基底関数を用いて位置合わせを行う．次に，位置合わせした画像の濃度情報や位置情報を用いて肝臓の正常部位と病変を別々に抽出し，それらを統合することで最終的な肝臓領域を得る．本論文では周辺臓器の拾いすぎの削減を目的として，周辺臓器と肝臓の正常部位を同時に抽出する最大事後確率法に基づく手法を提案する・また，肝がんは濃度パターンが多岐にわたることから，代表的なアンサンブル学習アルゴリズムであるAdaBoostを用いた手法を提案する．本文では，提案手法を38症例のCT像に適用した結果について示し，有効性について考察をする．%This paper describes improvements of the liver region segmentation algorithm using three phase abdominal 3D CT images , namely, early, portal and late phase images. First, the segmentation algorithm performs registration of the three phase images using Radial Basis Function. Second it extracts normal liver region as well as abnormal regions such as cancer and necrosis. Finally the extracted regions are integrated into one to define a liver region. This paper proposes a maximum a posteriori based method that extracts not only normal liver regions but also surrounding organs so as to reduce the false positives caused by the surrounding organs. A novel cancer segmentation algorithm trained by an AdaBoost algorithm is also proposed to deal with wide variety of cancers. We present the experimental results of applying the proposed method to actual 3D images and discussion about its effectiveness.