2020 Fiscal Year Annual Research Report
Realization of next-generation adaptive radiation therapy using virtual CT image constructed with convolution neural network
Project/Area Number |
18K15563
|
Research Institution | Juntendo University |
Principal Investigator |
臼井 桂介 順天堂大学, 保健医療学部, 講師 (20714132)
|
Project Period (FY) |
2018-04-01 – 2021-03-31
|
Keywords | 放射線治療学 / 適応的放射線治療 / コーンビームCT / 人工知能 / 深層学習 / 人工知能 |
Outline of Annual Research Achievements |
本研究課題では、放射線治療時に取得されるコーンビームCT画像を利用した新しい適応的放射線治療計画法を考案することを目的とした。研究は、①コーンビームCT画像から高画質な仮想CT画像を構築する畳み込みニューラルネットワークの構築、②放射線治療時の障害予測を行う深層学習の構築、③仮想CT画像と予後予測情報を組み合わせた適応放射線治療計画の実施といった、大きく3項目を計画した。 ①では、前立腺がんの放射線治療時に取得されたコーンビームCT画像全50症例を用いて、主に被検体から発生する散乱線による画質劣化を改善させるための畳み込みニューラルネットワークのモデルを構築した。ここでは、コンピュータシミュレーションで発生させた仮想ノイズを用いることで、大規模な学習データを準備することができた。本深層学習モデルにより、コーンビームCT画像の画質が改善した仮想CT画像を構築することができた。なお、本モデルは低線量CT画像のノイズ除去にも応用することが可能であることが分かった。 ②では、放射線治療時のコーンビームCTと治療後の直腸障害のグレードを学習することで、放射線治療時の画像情報からの障害を予測した。解析には①と同様症例50例を対象として、モデルの構築を行った。その結果、高い正答率のモデルを構築することができた。 ③では、①による仮想CT画像を用いた放射線治療計画を作成し、同時に②による直腸障害の予測情報を放射線治療計画者に提供できる体制を構築した。本治療計画法については、その臨床的実用性について十分な検討ができていない段階である。しかしながら、治療時のコーンビームCTによる放射線治療計画と障害予測モデルは、適応放射線治療の精度を上げるための非常に重要な要素となるため、本検討を進める予定である。
|