2019 Fiscal Year Research-status Report
適応粒子線治療に向けた患者体内の阻止能比推定法の確立
| Project/Area Number |
19K17192
|
|---|
| Research Institution | Yamagata University |
|---|
Principal Investigator |
金井 貴幸 山形大学, 医学部, 助教 (40764139)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | 放射線治療 / 粒子線治療 / 適応放射線治療 / MR画像誘導放射線治療 / 畳み込みニューラルネットワーク / Cone-beam CT |
|---|
| Outline of Annual Research Achievements |
粒子線治療は、現在の主流であるX線治療と比べ、腫瘍に限局した線量分布を作成することが可能である一方、治療期間中の患者の体型変化や腫瘍の縮小・増大、及び照射途中に生じる体内臓器の移動による影響を受けやすい。本研究は、治療期間中及び照射途中に生じるこれらの変化を考慮する「適応粒子線治療」の実現に向け、cone-beam CT (CBCT) 画像及びMRI画像から、粒子線の線量分布計算に不可欠である阻止能比の推定方法を確立することを目的とする。方策としては、①領域分割を用いた手法、②画素値変換に基づいた手法、③アトラスと非剛体レジストレーションを用いた手法、④畳み込みニューラルネットワークを用いた手法の4手法を用いてMRI画像またはCBCTから阻止能比分布を算出し、それぞれの精度を包括的に評価、比較する。中でも、近年注目されている畳み込みニューラルネットワークによる変換方法は、高速かつ高精度な変換が期待される。
2019年度は骨盤部のCT画像及びMRI画像を使用し、④の畳み込みニューラルネットワークを用いた手法でMRI画像から阻止能比分布への変換を行い、その精度を検証した。組織別の阻止能変換の誤差は、骨領域で0.10±0.08、筋肉領域で0.02±0.04、脂肪領域で0.06±0.13であった（単位は任意単位）。また、組織を分けずに算出した患者の骨盤部全体の変換誤差は0.03±0.07であった。骨領域ではやや誤差が大きくなる傾向がみられたものの、全体の誤差は一般的な粒子線の阻止能の不確かさと同程度であり、浅い領域への照射であれば現時点の精度で十分に利用可能であると考えられる。また、変換に要した時間は1症例あたり約1.3秒と十分に高速であり、本手法はオンラインでの線量分布計算にも応用可能であると考えられる。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本研究で最も難関だと考えられるMRI画像から阻止能比分布への変換を、畳み込みニューラルネットワークを活用することで実現した。今後の精度改善により、適応範囲は更に拡大可能であると考えられる。研究成果を国内の学会で発表するなど、本研究は当初の予定どおりに進展している。
|
| Strategy for Future Research Activity |
真に高精度な阻止能比分布の計算方法を検討するため、引き続き①領域分割を用いた手法、②画素値変換に基づいた手法、③アトラスと非剛体レジストレーションを用いた手法の開発を進める。これらのアルゴリズムは既存の技術の組み合わせで実現可能であるため、既に開発が終了している④畳み込みニューラルネットワークを用いた手法よりも容易に実装可能であると考えられる。
また、骨盤部を対象とした検証に引き続き、頭頸部などの他の部位についても検討を進める。
|
| Causes of Carryover |
今回、畳込みニューラルネットワークがGPU (グラフィックプロセシングユニット) のメモリを予想より多く使用することが判明したため、使用しているワークステーションのGPU追加を検討している。また、阻止能比を実際に測定するためのファントム購入、および研究成果を発信するための旅費に使用する予定である。
|
