Realization of next-generation adaptive radiation therapy using virtual CT image constructed with convolution neural network

2018 Fiscal Year Research-status Report

• Project/Area Number: 18K15563
• Research Institution: Juntendo University
• Principal Investigator: 臼井 桂介 順天堂大学, 医学部, 助教 (20714132)
• Project Period (FY): 2018-04-01 – 2020-03-31
• Keywords: 深層学習 / 畳み込みニューラルネット / 放射線治療 / 前立腺癌

Outline of Annual Research Achievements

本研究では、放射線治療時に取得するCone-beam computed tomography(CBCT)から畳み込みニューラルネットワークを利用して、放射線治療による効果と放射線障害を予測することができる仮想CT画像を自動的に構築し、その画像情報を用いた次世代型の適応的放射線治療法を実現することを目的としている。
本研究課題の実現に向けて、当該年度は深層学習を実装することのできるプログラミング環境の整備と、深層学習の学習データとなる臨床情報を利用するため研究者の所属する機関の倫理審査の申請と研究実施許可を受けた。
深層学習のプログラミング環境の整備では、畳み込みニューラルネットワークを実装することのできるソフトウエア（MATLAB）を導入し、CBCT画像の領域分割（セマンティックセグメンテーション）を行った。これにより、CBCT画像を高精度で簡易的に領域化することが可能となり、正確な体内放射線量を計算することのできる画像情報へと変換することが可能となった。
臨床情報を利用するための倫理審査の申請では、順天堂大学医学部付属順天堂医院において前立腺癌への強度変調放射線治療を実施された患者の治療時のCBCT画像と治療計画時の線量分布および治療後の臨床情報を深層学習に使用するための申請と倫理委員会による審査を受け、研究実施の許可を得た。これにより、当該機関の泌尿器科との研究協力のもとで本研究課題の解決に向けた研究を実施することのできる体制を整えることができた。

Current Status of Research Progress

3: Progress in research has been slightly delayed.

Reason

深層学習を実装するための環境として、学習計算の高速化が必須となっている。しかしながら、Graphics Processing Unitの納入とこれを利用した実装に時間を要しているため、本格的な深層学習を動かすことができなかった。また、研究者の所属する機関での倫理審査の準備と申請に予想よりも多くの時間を要したため、臨床情報を利用することができておらず、研究が遅れている。

Strategy for Future Research Activity

Graphics Processing Unitを利用した深層学習の高速化を実現する。
臨床情報を利用したCBCT画像の画質改善処理の実装と、畳み込みニューラルネットワークによる治療効果、障害予測への利用方法の検討を行う。

Causes of Carryover

深層学習の高速化に利用するGraphics Processing Unitを購入できなかった。次年度には購入し研究を進める予定である。