2021 Fiscal Year Annual Research Report
AI-based optimization of replanning frequency and timing for head and neck adaptive radiation therapy
| Project/Area Number |
18K15567
|
|---|
| Research Institution | Kansai Medical University |
|---|
Principal Investigator |
武川 英樹 関西医科大学, 医学部, 助教 (60526870)
|
|---|
| Project Period (FY) |
2018-04-01 – 2022-03-31
|
| Keywords | 適応放射線治療 / 人工知能 / 機械学習 / 最適化 / 頭頸部癌 / 医学物理学 |
|---|
| Outline of Annual Research Achievements |
本研究では、頭頚部癌に対する放射線治療において治療期間中の患者体形変化に対する予測モデルを人工知能により構築し、予測精度の検証を行う。研究実施計画に基づき、下記1-4を実施した。
1. データ収集：データ収集用の研究データベースの構築ならびに、臨床用の既存データベースとの接続を行えるようにし、効率的なデータ収集を可能とした。収集対象患者となる根治的放射線治療を行った咽頭癌、喉頭癌、原発不明頭頚部癌の新鮮症例120症例の収集を完了した。
2. 特徴量抽出：本研究で特徴量として用いる体形変化量は、画像誘導放射線治療として撮影した初回照射時のコーンビームCT画像を基準とし、以降の照射におけるコーンビームCT画像間との変形量と定義した。これら画像間の解剖学的対応点を示す変位ベクトル場を非線形レジストレーション（DIR）により計算するソフトウェアを開発した。CPUを用いたDIRは長時間の計算となるためGPUを用いた高速計算を開発し、1症例分の計算を約45%短縮させた。
3. 機械学習・予測モデル構築：収集症例に開発したDIRに基づく手法を適用し、特徴量としての体形変形量の計算を行った。この特徴量ならびに患者特性データをモデル構築に使用する入力パラメータとし、体形変化量の推移を学習させる結果として決定木やサポートベクターマシン、ニューラルネットワークを網羅的に適用して機械学習を行い、予測モデルの構築を行った。
4. モデルの予測精度検証：収集した予測精度検証用症例を用い、構築したモデルによる体形変化の予測精度の検証を行った。DIRによって計算した体形変形量を構築したモデルに入力し、予測モデルにより体形変化の推移と実際の患者により得られた変化の推移を比較し、予測精度の評価を行った。
|
-
[Journal Article] Effect of a lead block on alveolar bone protection in image-guided high-dose-rate interstitial brachytherapy for tongue cancer: Using model-based dose calculation algorithms to correct for inhomogeneity2022
Author(s)
H Akiyama, K Yoshida, T Takenaka, T Kotsuma, K Masui, H Monzen, I Sumida, Y Tsujimoto, M Miyao, H Okumura, T Shimbo, H Takegawa, N Murakami, K Inaba, T Kashihara, Z Takacsi-Nagy, N Tselis, H Yamazaki, E Tanaka, K Nihei, Y Ariji
-
Journal Title
Journal of Contemporary Brachytherapy
Volume: 14
Pages: 87～95
DOI
Peer Reviewed / Open Access / Int'l Joint Research
-
-
-
