2022 Fiscal Year Annual Research Report
Development of markerless lung tumor detection based on the deep learing for real-time tumor-tracking radiotherapy.
| 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 / カスケードモデル / 深層学習 / ヒストグラム処理 |
|---|
| 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，非常に侵襲的である．
また，治療開始前に留置された金属マーカーが脱落し，治療精度が低下する問題もある．そのため，本研究の目的は，画像処理で腫瘍を認識する金属マーカーを留置しない肺腫瘍追跡アルゴリズムを開発することである．
治療計画時に撮影される4次元CTに対して，放射線治療医が輪郭抽出した肺腫瘍の画像情報をもとに，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アルゴリズムを開発し，その精度向上を行った．
さらに，追跡用の肺腫瘍が投影されているカラー透視画像の色成分を自動調整し，腫瘍認識率が最も高い条件を探索するアルゴリズムを開発した．
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．最後に，これらの各処理をカスケードモデルとして，一つのアルゴリズムに集約した．
実際に肺腫瘍において動体追跡放射線治療を行った患者の透視データを使用して，開発したアルゴリズムの精度評価を行った．開発したアルゴリズムを用いて学習した肺腫瘍認識モデルは，腫瘍形状および呼吸による移動する腫瘍の重心位置を従来のCNNを基盤にしたモデルよりも高精度に算出することが可能となった．さらなる症例での検証が必要である．
|
