人体内部の電気特性の画像化が新たな診断モダリティーとして期待されている．本稿では通常のMRIスキャナーを用いて人体内部のRF磁場を計測し，導電率および誘電率の三次元分布を画像化する新しい計算解剖学手法について，数理的側面を中心に解説する．はじめにマックスウェル方程式に基づき問題を定式化する．続いて従来法として，電気特性の空間変化が緩やかであるという仮定に基づく標準法，電気特性の空間変化に制限を設けない有限要素法ベースの手法を紹介する．さらにこれらの二手法では，観測磁場の空間2階微分を計算することが必要であり，観測ノイズに影響を受けることを述べた後，空間1階微分の計算と積分計算のみで，人体内部の任意の点の電気特性を陽に再構成できる筆者の提案法について述べる．

本稿では，膵がん腫瘍のMRI画像と病理顕微鏡画像を統合し，多重解像度モデルを構築する試みを紹介する．MRI画像は，体内における腫瘍の位置や形状ならびに成長過程の観察に有用である．ただし，空間分解能は細胞レベルの構造を観察できるほどには高くない．一方，腫瘍の病理顕微鏡画像は，腫瘍内部の細胞レベルの微細な解剖構造の観察に有用であるが，侵襲的であり同一個体の経時変化の観察は困難であり，体内におけるマクロな三次元形態を観察するには不向きである．膵がん腫瘍の多重解像度モデルは，これらMRI画像と病理顕微鏡画像より構築されるモデルであり，MRIより取得できるマクロな量と，病理顕微鏡画像で取得できるミクロな量の相互の統計的な関係を表現するモデルである．ここではMRI画像と病理顕微鏡画像の位置合わせにより対応付けを行い，MRIの各ボクセルに対応しうる病理顕微鏡画像群を生成するモデルを構築する手法を主題に据えて紹介する．

多元計算解剖学の研究では，病理画像を扱うことでスケール軸および機能軸に拡張したモデル化を検討した．本検討では，MRIやCTと結びついた細胞レベルの組織構造・組織の機能（がんの有無・悪性度）との関係を明らかにするため，①病理画像による三次元組織構造の解析，②ハイパースペクトルを用いた病理画像の高精度解析の検討を行った．その結果，前者では形態を用いた10組織の三次元構造を可視化することができ，また後者では高精度にがんの有無をHE画像から得られる方式を確立することができた．加えて，フィルターアレイ型の多バンドスペクトルカメラの最適化に関する基礎検討も行った．

本稿では，A01-2班で行った多元計算解剖学における形態情報統合の基盤技術の成果の中から，ヒト胚子，小児，死後の多元計算解剖モデルに関する成果について述べる．胚子については，顎顔面上のランドマークの時空間統計モデルと脳形状の時空間統計モデル，小児では，肝臓の時空間統計モデルに関する成果について紹介する．死後の人体に関しては，成人の摘出肺を対象とした超解像技術について報告する．

新学術領域「多元計算解剖学」A01-3班：多元計算解剖学における機能情報統合の基盤技術においては，運動器機能解析を目指した筋骨格計算解剖モデルの開発を行った．本プロジェクトでは，医学・バイオメカニクス・スポーツ科学を含む，さまざまな運動器科学領域での応用を目的とし，医用画像に基づいた被験者個別の筋骨格解剖を忠実に再現したモデルを簡便かつ高精度に構築する手法を検討した．本稿では，プロジェクトの成果である 1）深層学習を用いた筋骨格セグメンテーション，2）CT-MRIモダリティー変換，3）X線画像とCT画像の位置合わせによる骨格運動・姿勢推定，4）高精細遺体凍結画像と臨床画像の統合による筋線維走行推定，について紹介する．

In this paper, a local feature extraction method based on fast image guided filtering for organ tracking in Water-filled Laparoendoscopic Surgery (WaFLES) is presented. Robust feature extraction and matching is important for feature based tracking and 3d-reconstruction techniques. We created a non-linear scale space and extracted Hessian determinant features, described with MLDB-descriptor that performed robustly in WaFLES images, outperforming Akaze in matching. We showed that non-linear scale space methods, especially our method, are most robust for WaFLES, over de facto SIFT, SURF and ORB methods. It was demonstrated that the scale space could be created more efficiently using fast guided filtering over non-explicit diffusion. We are bringing these techniques closer to real-time capability in simpler hardware, without sacrificing performance.

小児は肺炎への感染や重症化のリスクが高いため，正確な診断や治療が早急に求められる．そこで本論文では，小児肺炎などの胸部疾患を対象としたコンピューター支援診断システムの開発を目的に，解析領域である肺野の抽出手法を提案する．肺野の抽出には，ディープラーニングの一種で，物体検出処理と領域抽出処理を内包しているMask R-CNNを用いた．Mask R-CNNの学習には，ChestX-ray8データベースより選択した小児200枚，成人800枚の合計1000枚の胸部X線画像を用いた．肺炎と診断された小児の胸部X線画像を用いて検証したところ，Jaccard indexの平均値は93.3％，Dice indexの平均値は96.5％となり，高い肺野抽出精度が確認された．

本稿は3回のSPECT装置解説の2回目で，基礎から最新技術までを概説する．SPECTには多種多様な装置があり，検出器は素材としてシンチレーターと半導体がある．検出器の数による違い，また検査目的でも分類される．またCTと組み合わせたSPECT-CT装置も登場している．