2022 Fiscal Year Annual Research Report
Active clinical application of image generation and analysis using deep learning approach in radiation therapy
| Project/Area Number |
20H04278
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
中川 恵一 東京大学, 医学部附属病院, 特任教授 (80188896)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
名和 要武 東京大学, 医学部附属病院, 助教 (00456914)
鍛冶 静雄 九州大学, マス・フォア・インダストリ研究所, 教授 (00509656)
野沢 勇樹 東京大学, 医学部附属病院, 特任助教 (00836918)
仲本 宗泰 北海道大学, 保健科学研究院, 助教 (10808877)
太田 岳史 東京大学, 医学部附属病院, 特任助教 (20727408)
尾崎 翔 弘前大学, 理工学研究科, 助教 (60615326)
山下 英臣 東京大学, 医学部附属病院, 准教授 (70447407)
今江 禄一 東京大学, 医学部附属病院, 副診療放射線技師長 (80420222)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 放射線治療 / 深層学習 / 画像生成 / 画像解析 / 臨床適用 |
|---|
| Outline of Annual Research Achievements |
現代の医療において医用画像は不可欠であり，放射線治療においても治療前や治療期間内，治療後の多くの場面で用いられている．近年の情報処理技術の発展に伴い，医用画像に対して深層学習を用いた画像生成や解析（以下，深層画像処理）が適用され始めている．本研究では，放射線治療に用いられる医用画像に対して深層画像処理を施した上で，生成画像や解析結果を放射線治療の様々な状況において安全かつ有効に利用する方法を確立することを目的とした．当該年度は以下のことを実施した．
(1) 治療時に撮像したコーンビームCT（cone-beam CT： CBCT）画像から抽出した定量的特徴量に基づく予後予測モデルの精度をクロスバリデーションを用いて検証した．モデルの精度評価は生存解析に基づいて行い，いくつかの特徴量の組み合わせが予後予測に有用であることが分かった．本研究の成果は現在論文としてまとめており，英文誌に投稿する予定である．
(2) 原発性非小細胞肺癌に対する体幹部定位放射線治療後の患者において，レジオミクス解析を用いて全生存期間の予測するモデルを提案，かつ，特定の特徴量が全生存期間に有意差を示すといった臨床的有用性を示した．得られた知見について論文投稿を行い，採択された．
(3) 深層学習を用いて，CTの画質改善やアーカイブされた画像の再構成カーネルの変換を行い，定量評価に役立てる手法の開発に取り組んだ．成果について，国内学会にて報告した．
(4) 深層画像処理を用いた画像生成ならびにセグメンテーションにおいて，学習に用いるデータ数やハイパーパラメータなどの学習条件の適正化を試みた．
|
| Research Progress Status |
令和4年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和4年度が最終年度であるため、記入しない。
|
Research Products
(3 results)
