内堀 駿, 酒井 太郎, 高橋 累, 吉永 崇, 桝田 晃司

Shun UCHIBORI, Taro SAKAI, Rui TAKAHASHI, Takashi YOSHINAGA, Kohji MASUDA

東京農工大学大学院生物システム応用科学府

Graduate School of BASE, Tokyo University of A and T

キーワード :

【はじめに】
我々はこれまで，断層像中の心臓の運動パターンから疾患を分類し，その定量化のための手法として，交点領域検出アルゴリズム[1][2]を提案，開発してきた．このアルゴリズムはOptical Flowの手法を用いて心室壁の運動ベクトルを抽出し，その交点分布から心臓の運動を解析するものである．しかし，膨大な計算コストと，断層像中における心室壁領域以外のノイズ等による処理結果の精度低下という問題点があった．そこで本研究では交点領域検出のための計算負荷を低減させ，ノイズによる影響を軽減したアルゴリズムへと改良し，認識能の評価を行った．

【方法と結果】
これまで心臓の短軸断層像全体について詳細に求めていた心室壁の運動ベクトルの計算を，図の①に示すように粗いブロックに分割して計算量を低減した．次にそれから得られた交点の中心部を初期座標とし，②のように放射状に輝度分布を走査し，その輝度勾配変化から心室壁を認識するアルゴリズムを導入した．これにより，③のように心室壁領域のみを抽出することができ，④のように心室壁領域から発生するOptical Flowのみを用いるよう改良した．さらに，上記の一連の処理を自動化させることに成功した．
東京大学医学部付属病院にて取得された，正常・疾患併せて約100例の心臓の超音波動画像のサンプルを用いて，一心拍分の短軸像に対して一連の処理を行い，心室壁運動の重心座標の変化や運動量の変化から疾患の判定を行った．その結果，従来に比べて認識精度は向上した．
【まとめ】
本研究では，従来の心室壁運動を解析するアルゴリズムから，運動ベクトル計算のための計算コストを低減し，精度の高いアルゴリズムへと改良した．今後はより多くの疾患に対して解析を行い，正常心と心疾患の区別となる定量的指標の精度を向上させる．
【参考文献】
[1]高橋,桝田,吉永,松浦,内堀：第29回超音波シンポジウム講演論文集, pp.437-438, 2008
[2]桝田,松浦,高橋,内堀：日本超音波医学会第81回学術集会論文集, Vol.35, Suppl., p.S266, 2008