【研究領域課題番号】21K07639 (KAKENデータベースで見る）

【研究キーワード】

深層学習 / 画質改善 / 放射線治療 / CBCT画像 / 積算線量分布 / DIR

【研究成果の概要】

放射線治療において，高精度な照射法である体幹部定位放射線治療(stereotactic body radiation therapy：SBRT)や強度変調放射線治療(intensity modulated radiotherapy：IMRT)が臨床応用されるにあたり，治療時の位置精度の担保が重要となった．治療時の位置合わせとして，放射線治療装置に付属されているCBCT(cone beam computed tomography)を利用する方法が主流となっている．一方，放射線治療において，実際に患者に投与された線量分布を求めることは正確な治療効果や副作用の予測という観点で重要である．治療直前や治療中に撮像するCBCT画像は標的や標的近傍の正常組織の位置を反映してはいるものの，放射線治療の計画用に撮像されるCT画像と比べ画質が悪く，線量計算に用いることができない．
本研究では，深層学習によって画質改善したCBCT画像を用いて，治療期間内に患者に投与された積算線量分布を構築するシステムを開発することを目的とする．研究期間内には，①深層学習を活用して撮像されたCBCT画像を画質改善し，生成された画像の定量評価や視覚評価を行う．深層学習の手法として敵対的生成ネットワーク(generative adversarial network：GAN)を採用する．②生成された画像に対して線量計算し投与線量分布を求める．③DIR(deformable image registration)を用いて各治療日の投与線量分布を治療計画用CT画像に合わせ込み，積算させる．④構築した線量分布から，標的や正常組織への投与線量を治療計画と比較し評価する．当該年度では前立腺癌を対象として，治療直前のCBCT画像を取得し，深層学習によって画質改善した．生成された画像に対して定量評価と視覚評価をおこなった．

【研究種目】基盤研究(C)

【研究期間】2021-04-01 - 2024-03-31

【配分額】3,250千円 (直接経費: 2,500千円、間接経費: 750千円)

【研究領域課題番号】20H04278 (KAKENデータベースで見る）

【研究キーワード】

放射線治療 / 深層学習 / 画像生成 / 画像解析 / 臨床適用 / 生成解析

【研究成果の概要】

現代の医療において医用画像は不可欠であり，放射線治療においても治療前や治療期間内，治療後の多くの場面で用いられている．近年の情報処理技術の発展に伴い，医用画像に対して深層学習を用いた画像生成や解析（以下，深層画像処理）が適用され始めている．本研究では，放射線治療に用いられる医用画像に対して深層画像処理を施した上で，生成画像や解析結果を放射線治療の様々な状況において安全かつ有効に利用する方法を確立することを目的とした．当該年度は以下のことを実施した．
(1) 深層学習用サーバーの環境セットアップを行った．このサーバーは高性能GPUを4枚搭載しており，複数の深層学習を同時に計算可能な環境を整えた．
(2) 深層学習を用いた医用画像の変換・ノイズ除去・病変セグメンテーションについてまとめたレヴュー論文が2021年度 Radiological Physics and TechnologyのMost Citation Award に選出された．
(3) 治療期間内に得られるメガボルトCT（megavoltage CT： MVCT）から画質が良好なキロボルトCT（kilovoltage CT： kVCT）の画像変換において，数百枚程度の従来よりも少ないデータ数で画像変換が可能である手法を提案，かつ，臨床的有用性を示した．得られた知見について論文投稿を行い，採択された．
(4) 治療期間内に得られるコーンビームCT（cone-beam CT： CBCT）画像から抽出した定量的特徴量を用いて放射線治療後の予後予測モデルを構築した．
(5) 深層画像処理を用いたセグメンテーションの開発を行った．対象は骨盤部とし，2次元から2.5次元，3次元へと拡張することに取り組んだ．

【研究種目】基盤研究(B)

【研究期間】2020-04-01 - 2023-03-31

【配分額】16,900千円 (直接経費: 13,000千円、間接経費: 3,900千円)