医用画像解析・三次元形状復元と診断支援

医用画像は，施設差，撮像条件，患者個体差，病変の多様性によって分布変動が大きく，少量データ・不均衡データでの学習が避けられません．

さらに，内視鏡では非剛体変形，鏡面反射，照明変動，視点移動が重なり，単眼画像からの形状復元や絶対スケール推定は本質的に難しい問題です．

実用化には，精度だけでなく，誤検出の許容度，計測の安定性，説明可能性，臨床ワークフローとの整合が求められます．

本研究室では，データ駆動型の深層学習と，光学・幾何・物理制約を導入したモデル化を接続し，病変検出から三次元形状復元までを一体として扱います．

1. 病変検出・分類・セグメンテーション

内視鏡，CT，細胞・病理画像を対象に，少量ラベル学習，転移学習，半教師あり学習，生成モデルを活用しながら，頑健な検出・分類・領域抽出を実現します．

2. 三次元形状復元と定量計測

血管構造，陰影，照明・投影モデルなどの手掛かりを用いて，単眼または少数視点画像から病変の相対深さ，三次元形状，絶対的な大きさを推定します．

3. ドメインシフトへの対応

施設差，装置差，撮像条件差に対して，ドメイン適応やデータ拡張を用い，現場で崩れにくい医用画像AIを設計します．

4. 臨床ワークフローへの統合

読影や内視鏡診断の流れに沿って，見落とし低減，計測の再現性向上，診断時間短縮につながる支援技術を評価します．

評価では，検出・分類・セグメンテーションの精度だけでなく，三次元形状復元における深さ誤差，表面誤差，サイズ推定誤差，再構成の安定性を分けて評価します．

さらに，読影支援としての有用性，診断時間の短縮，見落とし低減，計測の再現性など，臨床的観点からの検証を重視します．

• 1血管構造と光学的手掛かりを利用した内視鏡ポリープの三次元形状・絶対寸法推定
• 2少量ラベル・施設差・装置差をまたぐ頑健な病変検出・分類・セグメンテーション
• 3検出，形状復元，良悪性推定を統合したマルチタスク診断支援
• 4生成モデルと説明可能性を取り入れた学習・検証基盤の構築