2021 Fiscal Year Research-status Report
深層学習を用いた肺腫瘍判別によるマーカーレス四次元動体追跡放射線治療の確立
| Project/Area Number |
18K07753
|
|---|
| Research Institution | Yamaguchi University |
|---|
Principal Investigator |
椎木 健裕 山口大学, 医学部附属病院, 講師 (30610456)
|
|---|
| 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
|
| Keywords | 肺腫瘍 / ニューラルネットワーク / 骨構造除去 |
|---|
| Outline of Annual Research Achievements |
動体追跡放射線治療は，呼吸性移動を伴う腫瘍に対して非常に有効な放射線治療の一つであるが，腫瘍近傍に金属マーカーを留置しなければならず，侵襲的である．また，治療開始前に留置された金属マーカーが脱落してしまう可能性があり，金属マーカーを留置しない腫瘍追跡アルゴリズムを開発することが本研究の目的である．
治療計画時に撮影される4次元CTに対して，治療計画時に放射線治療医が輪郭抽出した肺腫瘍のDicom-structure情報および放射線治療室の幾何学的条件を元に，Degital reconstruction radiography（DRR）画像を計算し，深層学習用の教師用データを作成するためのGraphic user interface（GUI）ベースのソフトウェアを開発した．これにより，効率よく教師学習用データを作成することが可能となった．
また，Convolution Neural Network（CNN）を基にした腫瘍追跡モデルの精度を向上させるため，動体追跡装置の画像上に投影される骨構造を抑制するためのアルゴリズムを開発した．
さらに，動体追跡放射線装置の受光部であるイメージインテンシファイア（I.I.）の画像を，フラットパネルディテクタ（FPD）で取得されるレベルの画像へ変換するアルゴリズムを開発した．
今後は，前処理を行った画像に対して，腫瘍追跡モデルを応用させ，肺腫瘍の追跡精度の向上を目指す．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
実際に放射線治療計画で使用されるCT画像やDicom-RT情報を使うことで，深層学習の教師画像を作成できるアルゴリズムをGraphic user interface（GUI）ベースのソフトウェアにすることができた．また，敵対的生成ネットワーク（Cycle GAN）を用いて，高精度にI.I.画像をFPD画像へ変換し，X線透視画像の画質向上を試みた．
|
| Strategy for Future Research Activity |
敵対的生成ネットワーク（Cycle GAN）を用いて，X線透視画像の画質を向上させようと試みたが，高精度に画質を向上させることができなかった．腫瘍の追跡精度を向上させるため，骨構造を抑制するアルゴリズムの開発とX線透視画像の画質を向上させるSuper-resolutionの手法を試みようと考えている．
また，2方向から得られる透視画像から腫瘍の三次元位置を計測可能なアルゴリズムの開発を行う予定である．
|
| Causes of Carryover |
コロナパンデミックにより，予定していた研究成果発表を行うことができなかったため，未使用額が生じた．また，深層学習用の高性能PCを購入予定であったが，これもコロナパンデミックの影響により納期に影響がでており，購入を見送ったため，未使用額が生じた．今後は，論文作成のための，英文校正や掲載費用として使用する予定である．
|
