嚥下時X線サジタル透視動画（videofluorography; VF）における嚥下フェーズは，舌骨体の位置および運動方向によって同定される．本報告では，support vector machine（SVM）を用いて舌骨体を自動追跡する手法を提案する．まずVFの各フレームに，判別分析法とモルフォロジー演算，random sample consensusを適用し，舌骨体の可動予測領域を求める．その可動予測領域にパッチベースのSVMを適用し，舌骨体の候補領域を抽出する．一般に，舌骨体の候補領域は各フレームで複数抽出されるので，候補領域のフレーム間の連続性を考慮して偽陽性領域を削除し，舌骨体を限定する．本手法を20症例の実画像に適用した結果，抽出した舌骨体と正解座標との距離は平均2.9 mm，x座標とy座標の相関係数は0.906と0.958という結果を得た．

近年，急性期脳梗塞に対する血栓回収療法が行われるようになり，CT画像診断で早期虚血変化を捉えることがますます重要になってきた．しかし，CT画像では早期虚血変化を同定することが難しい．そこで，本研究では深層学習を用いた単純CTにおける急性期脳梗塞の早期虚血変化の自動検出法を提案する．脳CT画像をアトラスに変換した後，左右脳実質に関心領域を設定し対象領域のみを抽出する．最後に，抽出された左右領域を一対として切り出し，畳み込みニューラルネットワークへの入力画像とした．本研究ではレンズ核を対象領域とした．正常28 例と，脳梗塞発症から4.5 時間以内にレンズ核に早期虚血変化を認めた50 例を評価に用いた．その結果，レンズ核に対する検出感度は90.0％，特異度は100％，正診率は93.6％であった．

We have ever proposed pulmonary nodule clarity method in chest radiographs by controlling the pulmonary vessel (or its en face view) which is frequently extracted as false-positives. However, insufficient suppression of the clavicle, rib and peripheral pulmonary vessel shadows made difficult to detect true lung nodules. In this study, density alteration of the clavicle, rib and peripheral pulmonary vessel shadows was defined as back ground noise. We propose a new method to control back ground noise and further clarify pulmonary nodules by applying wavelet analysis and error diffusion method to our previous proposed pulmonary nodule clarity method. A radiologist evaluated the new images obtained by the proposed technique in a point of suppression of the back ground noise and visibility of the pulmonary nodules. In this evaluation of 117 images excluding "extremely subtle" and "obvious" from 154 images with nodules in the JSRT database, the back ground noise was sufficiently suppressed in 80.2％. The visibility of the pulmonary nodules was well improved in 88.0％, comparing with the previous pulmonary nodule clarity images. It became easy to find true lung nodules by suppression of the back ground noise. The proposed method is expected to be useful for detection of lung cancer nodules.

常染色体優性多発性嚢胞腎（ADPKD）ではおもに腎体積が疾患の進行度の指標として用いられている．しかし，腎体積の増大は進行した嚢胞腎にみられる所見であり，早期からの性状評価は困難である．本研究では，腎体積変化の一次的要因である嚢胞の発生頻度や腫大速度などの指標化に必要な嚢胞群の形態特徴抽出手法を提案する．T2* MR画像を用いて腎嚢胞の三次元形状を再構築し，それぞれの嚢胞の大きさや形態を複数の線（骨格線）として表現できる骨格線抽出アルゴリズムを構築した．骨格線長の分布が疾患の進行や性状を示すのか，10 症例の画像および臨床データを用いて比較検討を行った結果，3 voxel 以下の骨格線の累積相対頻度と腎機能指標（eGFR）の間に相関を得た．これより，提案手法によって得られる腎嚢胞の形態特徴は，嚢胞同士の癒合の状態や残存腎機能などとの関連が示され，ADPKD の病態評価に有用であることが示唆された．

本邦には約70万人の慢性関節リウマチ患者が存在し，また毎年数万人が発病する．リウマチは早期治療による予後の著しい改善がみられるが，リウマチの進行度に応じた適切な治療を行う必要がある．リウマチ進行度診断では，年に数回関節レントゲン画像を撮影し，関節破壊進行度mTSスコアを算出しているが，手動であるため膨大な作業時間を要し，また，スコアは主観的評価であるため自動化，定量化の需要が高まっている．本稿では，mTSスコアの自動推定を目的とした手X線画像からの手指関節自動検出法を提案する．また，サポートベクター回帰による手関節X線画像からのmTSスコア推定とその評価を行う．特徴量として関節周辺画素のHOG（histograms of oriented gradient）を用いた．90 名のリウマチ患者手X 線画像に提案法を適用した結果，81.4％の精度で手指関節を自動認識できた．また，mTSスコア推定結果から，サポートベクター回帰によるmTSスコアの推定が可能であることが示唆された．