Automatic treatment planning based on patient-specific dose distribution using deep learning
| Project/Area Number |
20K16742
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 52040:Radiological sciences-related
|
|---|
| Research Institution | Kansai Medical University |
|---|
Principal Investigator |
KOIKE Yuhei 関西医科大学, 医学部, 助教 (90866154)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Project Status |
Completed (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000)
Fiscal Year 2022: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2021: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2020: ¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000)
|
|---|
| Keywords | 医学物理 / 高精度放射線治療 / 個別化治療 / 人工知能 / 深層学習 / 機械学習 / 適応放射線治療 / 線量分布予測 / 放射線治療 / 治療計画 |
|---|
| Outline of Research at the Start |
放射線治療における治療計画の質は生存率に影響を及ぼす。特に近年の強度変調放射線治療の治療計画は時間のかかるプロセスであり、立案する治療計画の質は計画者や費やした時間に大きく依存する。本研究では、治療計画の効率化・均質化を目指し、深層学習に基づく自動治療計画法を開発する。解剖学的情報から線量分布を推定する深層学習モデルを構築し、その線量分布に基づく自動治療計画法の基盤構築・精度検証を目的とする。学習・検証用患者データの収集、学習用データによるモデル構築ならびにパラメータの調整、検証用データを用いた線量分布の推定を行い、物理的・臨床的な評価を行う。
|
| Outline of Final Research Achievements |
By applying artificial intelligence, we have developed a method for estimating patient-specific dose distribution in radiotherapy based on CT images and individual patient anatomical information. In this study, a new loss function based on each input contour was introduced for prostate cancer cases, and a prediction model with higher accuracy than the conventional method was successfully constructed. We believe that the automatic treatment planning method based on deep learning developed in this work will contribute to a new technology for adaptive radiotherapy that can cope with daily changes in body shape and organ location during radiotherapy.
|
| Academic Significance and Societal Importance of the Research Achievements |
人工知能の回帰問題では損失関数として一般的に平均二乗誤差が用いられているが、本研究では、入力する臓器の輪郭内の誤差が最小となるような損失関数を新たに導入することで精度の高い線量分布を作成した。開発した方法は、従来の線量体積ヒストグラムに基づく最適化で考慮されていなかった空間情報を加味した最適化法である。本研究成果の応用が期待される適応放射線治療において、その時の体型や臓器の位置に応じた線量分布が短時間で推定可能となる。治療効果の向上、有害事象の低減が期待でき、社会的意義も大きい。
|
Report
(4 results)
Research Products
(6 results)
-
-
-
-
[Journal Article] Pseudo low-energy monochromatic imaging of head and neck cancers: Deep learning image reconstruction with dual-energy CT2022
Author(s)
Yuhei Koike, Shingo Ohira, Yuri Teraoka, Ayako Matsumi, Yasuhiro Imai, Yuichi Akino, Masayoshi Miyazaki, Satoaki Nakamura, Koji Konishi, Noboru Tanigawa, Kazuhiko Ogawa
-
Journal Title
International Journal of Computer Assisted Radiology and Surgery
Volume: －
Issue: 7
Pages: 1271-1279
DOI
Related Report
Peer Reviewed
-
-
