Active clinical application of image generation and analysis using deep learning approach in radiation therapy

2022 Fiscal Year Final Research Report

• Project/Area Number: 20H04278
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Single-year Grants
• Section: 一般
• Review Section: Basic Section 62010:Life, health and medical informatics-related
• Research Institution: The University of Tokyo
• Principal Investigator: Nakagawa Keiichi 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 Final Research Achievements

The purpose of this study is to apply deep learning and machine learning to medical images obtained by radiation therapy, and to propose safe usage methods for generated images and analysis results. We created a grade prediction and prognosis prediction model for glioma and primary non-small cell lung cancer using a machine learning approach. In addition, we proposed an image quality improvement method, optimization of the number of learning data, and organ segmentation using a deep learning approach.

Free Research Field

放射線腫瘍学

Academic Significance and Societal Importance of the Research Achievements

本研究では，放射線治療で得られる医用画像に対する機械学習や深層学習の適用について，安定，かつ，安全な臨床利用を念頭に置いたデータ解析法や画質改善法，また，適切な学習データ数に関する提案を行った．医用画像に対する深層学習の適用範囲は広く，本研究の成果は放射線治療で得られる医用画像に対する深層学習の適用方法のいくつかを示したことであり，研究の実施によって得られた知見は学会発表や論文投稿を通して公表した．