| Project/Area Number |
19K08116
|
|---|
| 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 | Tohoku University |
|---|
Principal Investigator |
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
市地 慶 (市地慶) 東北大学, 医学系研究科, 講師 (90743443)
神宮 啓一 東北大学, 医学系研究科, 教授 (00451592)
山本 貴也 東北大学, 医学系研究科, 助教 (30733159)
|
|---|
| Project Period (FY) |
2019-04-01 – 2023-03-31
|
| Project Status |
Completed (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2021: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2020: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2019: ¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000)
|
|---|
| Keywords | 放射線治療 / 機械学習 / 深層学習 / 肺癌 / 肺臓炎 / radiomics / 肺機能 / 肺換気画像 / 呼吸機能検査 / 肺機能画像 / スパイロメータ |
|---|
| Outline of Research at the Start |
高次元の画像特徴量を用いるradiomics技術を用いてCT画像のみから肺機能画像を作成ｓる手法の開発を行う。この技術を用いることで肺野内のCT値情報から膨大な高次元画像特徴量を抽出することができ、これまで不可能であったCT画像のみから局所的な換気能力の違いを捉えることができ、高精度な肺機能画像を簡便に作成することが可能ではないかと考えた。
|
| Outline of Final Research Achievements |
In this study, we developed and tested the feasibility of pulmonary function value prediction method that combines advanced medical image processing (radiomics analysis) and machine learning.
|
| Academic Significance and Societal Importance of the Research Achievements |
我々は肺癌の放射線治療において、患者毎に肺機能に応じた正常肺への線量低減により重篤な副作用を低減する目的で、肺機能画像を用いたオーダーメイド放射線治療法の開発を行ってきた。今までは肺機能画像を取得するために追加検査が必要であり、かつその検査も容易に行う事ができなかった。そこで、我々は放射線治療予後予測研究に既に用いているradiomics技術に注目し、この技術で肺野内のCT値情報から膨大な高次元画像特徴量を抽出することができ、これまで不可能であったCT画像のみから局所的な換気能力の違いを捉えることができ、高精度な肺機能画像を簡便に作成することが可能ではないかという着想で本研究を行った。
|
