2018 Fiscal Year Annual Research Report
Machine learning modeling of automatic detection of failure modes in IMRT patient-specific QA
| Project/Area Number |
16K19226
|
|---|
| Research Institution | Niigata University |
|---|
Principal Investigator |
宇都宮 悟 新潟大学, 医歯学系, 助教 (50570868)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 強度変調放射線治療 / 機械学習 / ラジオミクス |
|---|
| Outline of Annual Research Achievements |
本研究は、強度変調放射線治療（IMRT）の故障モードの特定に適した、新しい線量分布検証法を開発するとともに、機械学習の手法を応用してIMRT の線量分布検証結果のパターン解析から故障モードの特定を自動で行う事のできるシステムを開発する事を目的とする。
本研究の成果は主に下記の通りである。①ラジオミクスの手法を用いた新しい線量分布検証法の有用性が確認できた。②実際に治療が行われたIMRT治療計画データを基にした故障モードのデータベースの構築を行った。③サポートベクトルマシン、ロジスティック回帰を用いた機械学習モデルを構築しその有用性を示した。
①に関して、本研究では当初は計算された線量分布上の(x,y)の位置における線量と、測定された線量分布上の全く同じ位置(x,y)における線量をそれぞれ横軸と縦軸に対応させてプロットした「線量分布検証グラフ」を基に解析を行う予定であったが、ラジオミクス特徴量（線量分布ヒストグラムの歪度や尖度などの値）を基に解析を行う方が線量分布検証のパターンを捉える上で有効であることが分かったのでラジオミクスの手法を用いることとした。②に関して、施設の倫理委員会の承認を得た上で前立腺がんIMRT患者10名、頭頸部がんIMRT患者10名の治療計画データを取得し、その一部のビームを使用し線量分布のデータベースを構築できたが、全ビームのデータを使用したデータベースは未だ構築できていない。③に関して、②で構築したデータを学習データとしたIMRT故障モード特定を行う機械学習モデルを構築し、交差検定の結果から高い精度である事を確認した。教師データとして測定データを用いる事、未知のテストデータに対するモデルの精度を評価する事などが今後の課題である。
|
