2021 Fiscal Year Research-status Report
Image quality improvement of Cone-beam CT by use of deep learning and transfer learning
| Project/Area Number |
20K08073
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
名和 要武 東京大学, 医学部附属病院, 助教 (00456914)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 深層学習 / 画質改善 / 医学物理 |
|---|
| Outline of Annual Research Achievements |
放射線治療におけるCone-beam CT（CBCT）は、画像誘導放射線治療において照射の位置照合に使用されているが、治療効果を向上させるために様々な発展的利用が期待されている。CBCTはコーン状の線束を用いることから散乱線によるノイズが顕著であり、画質改善はその有効利用において必須の要素技術である。本研究は深層学習を用いてCBCTを画質改善し、その発展的利用法を検討するとともに、画質改善技術を他施設や他部位の画像にも汎化性をもって適用できる枠組みを構築することを目的とする。当該年度は以下を実施した。
１）前年度に誌上発表した、敵対的ネットワーク（Generative Adversarial Network: GAN）を用いたCBCT画質改善技術を、megavoltage CT（MVCT）に応用し、ロス関数の改良により、少ない症例数でMVCTを画質改善する新たな手法を構築した。
２）発展的利用として、特徴量解析による放射線治療後の予後予測モデルの構築を行った。
３）発展的利用として、深層学習を用いた臓器の自動輪郭抽出を検討した。
研究１）は海外誌Medical Physicsで誌上発表を行った。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
CycleGANを用いた医用画像の画質改善については学会発表および誌上発表を行っており、十分な成果が得られている。また画質改善後の医用画像の発展的応用として、特徴量解析や自動輪郭抽出についても具体的な解析を行っている。他施設や他部位への利用を目的とした転移学習の研究については引き続き解析を検討中であり、上記区分とした。
|
| Strategy for Future Research Activity |
１）CBCTの更なる画質改善にむけたロス関数の改良
２）少ない教師データでも安定的に学習できる正則化手法の構築
３）画像ドメイン変換における画質改善の臨床的評価法の構築
４）他施設や他部位の画質改善への転移学習の検討
５）医用画像の特徴量解析の検討
６）医用画像の自動輪郭抽出法の構築
|
| Causes of Carryover |
GPUマシンなどの計算機について、最新版を次年度に購入するため。
|
Research Products
(4 results)
