Development of markerless lung tumor detection based on the deep learing for real-time tumor-tracking radiotherapy.
| Project/Area Number |
18K07753
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 52040:Radiological sciences-related
|
|---|
| Research Institution | Yamaguchi University |
|---|
Principal Investigator |
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
藤井 文武 山口大学, 大学院創成科学研究科, 准教授 (30274179)
|
|---|
| Project Period (FY) |
2018-04-01 – 2023-03-31
|
| Project Status |
Completed (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,420,000 (Direct Cost: ¥3,400,000、Indirect Cost: ¥1,020,000)
Fiscal Year 2020: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2019: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2018: ¥2,860,000 (Direct Cost: ¥2,200,000、Indirect Cost: ¥660,000)
|
|---|
| Keywords | 深層学習 / 機械学習 / 肺腫瘍認識 / 医用画像処理 / X線透視画像 / 動体追跡放射線治療 / 肺腫瘍 / カスケードモデル / ヒストグラム処理 / ニューラルネットワーク / 骨構造除去 / 敵対的生成ネットワーク / 四次元放射線治療 / 人工知能 / 医学物理 |
|---|
| Outline of Final Research Achievements |
In radiotherapy, respiratory movement affects the radiation dose delivered. Therefore, we have performed the real-time tumor-tracking radiotherapy for these region, but it is needed to implant the fiducial markers near the tumor, which is highly invasive.
To address this, we developed an algorithm using deep learning to directly detect lung tumors from X-ray fluoroscopy images of real-time tumor monitoring system.
The proposed method can create the training data by applying four-dimensional computed tomography images, radiation treatment planning, and tumor contouring data in DICOM-RT acquired during the radiotherapy process, making it possible to create individual learning model for each patient.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究で開発したアルゴリズムは，医用画像処理や深層学習を用いることで，従来の手法では困難であった肺腫瘍認識を高精度に実施することを可能とした．放射線治療を行う過程で得られる情報（医用画像情報，治療計画情報，腫瘍輪郭情報）を用いることで，腫瘍認識モデルを構築することができるため，患者個別に対応した予測モデルを構築可能である．また，現在既存の放射線治療機器においても導入可能である．そのため，呼吸により動く腫瘍に対する放射線治療をより高精度に行うことが可能となり，局所制御の向上につながると考えられる．
|
Report
(6 results)
Research Products
(56 results)
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
[Presentation] Relationship between physical activity and quantitative inspiratory-to-expiratory CT imaging2019
Author(s)
Tsunahiko Hirano, Takehiro Shiinoki, Yoshiaki Harada, Kazuki Matsuda, Sho Uehara, Kazuki Hamada, Ryo Suetake, Keiji Oishi, Yoshikazu Yamaji, Maki Asami, Nobutaka Edakuni, Kazuto Matsunaga
Organizer
European Respiratroy Society 2019
Related Report
Int'l Joint Research
-
-
[Presentation] 身体活動性と定量的吸気呼気CTの関係性2019
Author(s)
平野 綱彦, 椎木 健裕, 原田 佳明, 築本愛祐美, 大輝 祐一, 村川 慶多, 松田 和樹, 濱田 和希, 末竹 諒, 村田 順之, 大石 景士,
Organizer
第93回閉塞性肺疾患研究会
Related Report
-
-
-
-
-
-
-
-
-
-
-
-
