2018 Fiscal Year Research-status Report
Development of estimation system of dosimetric QA for volumetric modulated arc therapy
| Project/Area Number |
18K15545
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
小野 智博 京都大学, 医学研究科, 特定助教 (90782657)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | VMAT / 機械学習 / 回帰木 / 重回帰分析 / ニューラルネットワーク / QA結果予測 |
|---|
| Outline of Annual Research Achievements |
本研究課題のうち、①照射プラン情報の入力特徴量の解析としてA)機器制御情報の入力特徴量の算出を実施した。DICOM-RT planに記録されている情報のうち、利用可能なパラメータを入力特徴量として整理した。これにはMUやMLCの形状、ガントリー速度や線量率などの情報が含まれる。これらのデータをDICOMから抽出するin-house softwareを作成した。抽出したパラメータをプランの複雑さを表す定量的なパラメータとすることで入力特徴量を28 種類算出した。
算出した入力特徴量から②機械学習によるQA結果予測モデルの構築を行った。当院で実施した強度変調回転照射(Volumetric-Modulated Arc Therapy: VMAT)プラン600例に対し検証を行った。機械学習モデルには回帰木(Regression Tree Analysis :RTA)，重回帰分析(Multi Regression Analysis :MRA)、ニューラルネットワーク(Neural Network: NN)の3手法を用いた。出力に設定するQA結果は、線量分布全体の質を評価する相対線量評価(Dose Difference: DD5%,ガンマ解析：ガンマ3%/3m)を使用した。600例中500例をモデル作成用データセットとし、残りの100例を予測精度評価用データセットとした。
DD5%とガンマ3%/3mmのパス率の推定精度はそれぞれ、RTAで0.5±3.0%と0.6±2.4%、MRAで-0.0±2.9%と0.5±2.4%、NNで-0.2±2.7%と-0.2±2.1%であった。
以上より機器制御情報の入力特徴量よりVMATの治療計画精度を予測する方法を示した。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
研究計画調書のうち①照射プラン情報の入力特徴量をA)機器制御情報から抽出し定量化するソフトウェアを開発した。また、得られた入力特徴量を用いて②機械学習によるQA結果予測モデルの構築を行った。本研究内容は国内外の学術大会で報告を行い、現在学術論文誌へ投稿中である。
|
| Strategy for Future Research Activity |
研究計画調書に基づき、①照射プラン情報の入力特徴量のうちB)線量分布の特徴量解析を行う。解析データは研究実績の概要に記したVMAT600例を用いて行う。解析手段には畳み込みニューラルネットワーク(Convolutional Neural Network:CNN)や、放射線医学分野で近年注目を浴びているRadiomicsを用いて行う。算出した入力特徴量を用いて②機械学習によるQA結果予測モデルの構築を行う。現在までに得られたA)機器制御情報からの入力特徴量を組み合わせることで、より強固な予測モデルの構築を目指す。
|
| Causes of Carryover |
消費税の影響などで少額の差額が生じた。翌年度分の助成金と合わせ、少額の費用に補填する。
|
