2021 Fiscal Year Research-status Report
放射線治療ワークフローに即した深層学習を用いた新たな肺機能画像取得システムの開発
| Project/Area Number |
20K16733
|
|---|
| Research Institution | Kyoto Prefectural University of Medicine |
|---|
Principal Investigator |
梶川 智博 京都府立医科大学, 医学(系)研究科(研究院), 助教 (30846522)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 肺機能画像 / 放射線治療 / 深層学習 / 画像処理 |
|---|
| Outline of Annual Research Achievements |
放射線治療において，治療期間中に肺機能が変化することがあり，さらに肺機能を考慮することで有害事象の発生リスクを低減できることが知られている．そのため，肺機能を正確に考慮するためには治療回毎に肺機能画像を取得することが理想的である．一方，現行手法(SPECT ventilation/perfusion, CT ventilation/perfusion など)は他機による追加の撮像が必要であり，臨床ワークフローに導入することは現実的ではない．本研究の目的は，深層学習および多様な画像処理を用い，治療回毎に取得される 3D CBCT画像のみに基づき肺換気画像を生成することである．本手法により，肺機能を考慮した適応放射線治療の足掛かりとなることを目指す．
昨年度に続き3D-CT画像に基づく肺機能画像生成深層学習モデルを構築/学習および精度検証の検討を行った．具体的には，一般的な深層学習画像生成モデル（U-Net）の構築/調整を行った．また，データの適応基準を見直し再度データ収集を行った．その後，計71例の画像データ（SPECT画像, 3D-CT画像）に対する深層学習モデルの学習・精度評価（定性評価・定量評価）を行った．データの前処理として，SPECT画像では肺野領域における中央値で，CT画像では[-1000, -250] で正規化を行い，深層学習モデルが学習を円滑に進めるようにした．結果として，定性評価では生成した肺機能画像とSPECT画像が比較的良く一致しており，定量評価（肺野領域におけるSpearmanの順位相関係数，低/中/高機能領域におけるダイス係数）においても中程度の相関を示していた．この結果から，深層学習を用いることで3D-CT画像から肺機能画像を生成できる可能性が示唆された．
この結果は"Medical Physics"へ投稿し，受理された．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
2021年度の目標は，2020年度に続き3D-CT画像に基づく肺機能画像生成深層学習モデルを構築/学習および精度検証の検討であった．昨年度では，適用基準の逸脱により十分な肺換気SPECT症例数が確保できない可能性が見受けられたため，当初予定していた肺換気SPECT症例の代わりに肺血流SPECT症例を使用した．そこで今年度では適用基準（疾患等）を見直し，肺換気SPECT症例でも十分な症例数（n=71）を確保し検討を進め，当初の予定通り目的していた肺機能推定精度（SPECT画像との相関係数 平均0.70以上）を得ることができた．以上を踏まえ，”おおむね順調に進展している” と評価した．
|
| Strategy for Future Research Activity |
本年度の研究で構築した肺機能画像生成深層学習システムを3D-CT画像からCBCT画像に拡張を目指す．また，この研究結果を学会発表予定である．
|
| Causes of Carryover |
新型コロナ感染拡大により参加予定の学会がオンラインとなった．そのため学会への旅費が不要となり，予算が余った．この次年度使用額は学会発表，論文投稿費に充てる予定である．
|
