2022 Fiscal Year Annual Research 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 換気/血流画像, CT 換気/血流画像 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．
研究期間中では足掛かりとして，3D-CT画像のみに基づく肺機能画像生成深層学習モデルの構築/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）のモデル構築/パラメータ調整を行った．当院データベースより適応基準を満たす71症例のデータを抽出した．その後，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-高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．なお，この結果は学術誌である"Medical Physics"に受理された．また，特許申請も行った．
|
