Haga's Laboratory

CT画像からの情報抽出

CT画像上の病変を同定し、病変の領域の形・サイズ・濃淡やテクスチャ解析によってその素性を明らかにすることを目的とします。一般にCT画像と言っても、撮影の条件（管電圧、電流、曝射時間、撮影範囲など）や患者体型、機器メーカー、装置固有のばらつき等々によって、その濃淡もまたばらついてしまいます。そのため本研究は、CT画像の標準化に関する研究と切っても切れない関係にあります。

MRI画像からの情報抽出

CT画像と同じく、病変領域から多様な特徴量を抽出することを目的とします。MRIでは、異なる撮影シーケンスを用いて様々な生体機能を画像化することができるため、シーケンスごとに異なる特徴量が得られると考えられます。こうした特徴量と病変の表現や患者の予後にどのような相関があるのか、興味はつきません。

画像情報に基づく病理・予後予測

現在の画像解析では、症例当たり数百から数千の特徴量を得ることは当たり前となっています。こうした膨大な数の特徴量から、病理や患者予後と関係のある特徴量の組み合わせを網羅的に解析することが必要です。一方、少ない症例では、不確かさの影に真の答えが隠されてしまっている場合もあります。最新の機械学習モデルの応用や開発とともに、病変の数理モデルとの併用も本研究の枠組みの中の１つです。