2019 Fiscal Year Annual Research Report
Target position prediction system by machine learning corresponding to various irregular breathing patterns
| Project/Area Number |
17K10493
|
|---|
| Research Institution | Keio University |
|---|
Principal Investigator |
国枝 悦夫 慶應義塾大学, 医学部(信濃町), 客員教授 (70170008)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
株木 重人 東海大学, 医学部, 講師 (00402777)
藤田 幸男 東海大学, 医学部, 講師 (10515985) [Withdrawn]
松元 佳嗣 東海大学, 医学部, 助教 (20568969)
二上 菜津実 東海大学, 医学部, 助教 (20806195)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | 機械学習 / 胸部放射線治療 / 呼吸検出 |
|---|
| Outline of Annual Research Achievements |
体幹部定位放射線治療では、より照射精度をたかめ、周辺臓器の障害を最小限にするために標的臓器の呼吸移動に対する対応が重要となってきている。呼吸に対処するために、標的近傍に埋め込んだ金属マーカーを用い、照射中の動きを監視、追跡または同期する方法もあるが侵襲性がありまた現在の装置や医療環境では一般的でない。そこで、体表マーカーと呼吸モニターと同期した4D-CTで知ることができる標的位置から、両者の相関関係を求めて照射時の体表マーカーの動きを指標にして標的位置を予測することが広く行なわれている。しかし現行の方法は、規則的、整った呼吸状態でないと予測が困難であるなどの問題がある。
金属マーカーを用いずに、腹壁の広範な時間的な動きの変化を解析して、肝臓などの腫瘍標的位置を制度よく予測するシステムを開発することが本研究の目的である。Deep Neural Network(DNN)にて様々な呼吸パターンにおける、腹壁全体の動きと標的位置との関係を学習させた。これにより不規則な呼吸でもより正確に標的位置が予測できる。とくに今年度は新型動態ファントムとボランティアでシステムの評価を実施し実用化に繋げた。新型動態ファントムは空気駆動で、肺を模擬したセルの体積を増減させて呼吸移動を再現する。各臓器の形態のみならず、CT値も人体を模擬する全く新しいものであり世界に類をみない。さらに動きの再現性を確認するなど解析詳細な評価をおこない、論文化した。また、呼吸動態のより精密な解析に必要な胸部の機械学習による臓器輪郭描出も試み論文化した。その他呼吸に関連する、胸部の通常放射線治療、体幹部定位放射線治療に関しても数編の論文が発表できた。
|
