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

摘要

This paper presents a segmentation method using unsupervised hybrid learning of SOM (Self-Organizing Maps) and ART (Adaptive Resonance Theory) for brain MR (Magnetic Resonance) images only used in brightness characteristics and its distribution. This method consists of two steps. The first step is fine segmentation of brain tissues using SOM. The second step is to integrate categories using ART. We evaluated the method comparing with our former method only using SOM. The proposed method can extract according to the brain structures especially in CSF regions. Moreover we applied the method to clinical MR images. Objective classification results are obtained for diagnosis support for quantification of atrophy of the brain.%本論文では，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する．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する．評価実験では，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た．更に，臨床現場で撮影されたMR画像に本手法を適用した結果，医師による脳萎縮の診断を支援するために，有効かつ客観性の高い分類結果が得られた．