2024 Fiscal Year Annual Research Report
放射線治療で得られる疎な医用画像情報に対する深層画像処理の安定要件の探索
| Project/Area Number |
21K12121
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
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)
|
|---|
| 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)
竹中 重治 東京大学, 医学部附属病院, 診療放射線技師 (10623564)
仲本 宗泰 北海道大学, 保健科学研究院, 助教 (10808877)
尾崎 翔 東京大学, 理学(系)研究科(研究院), 研究員 (60615326)
山下 英臣 東京大学, 医学部附属病院, 准教授 (70447407)
|
|---|
| Project Period (FY) |
2021-04-01 – 2025-03-31
|
| Keywords | 放射線治療 / 疎な / 医用画像情報 / 深層画像 / 安定要件 |
|---|
| Outline of Annual Research Achievements |
放射線治療において医用画像は治療前や治療期間内，治療後など多くの場面で用いられている．特に，治療期間内の位置照合時に得られる医用画像情報は情報量が少ない（以下，疎な）一方，治療の効果および副作用に関する生体情報を含有している可能性がある．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処理や解析（以下，深層画像処理）が適用され始めているものの，処理の自由度が高いために解析の安定条件に課題があり，汎用的に利用されていないのが現状である．本研究では，放射線治療で得られる疎な医用画像情報に着目し，安全かつ有効に利用可能な深層画像処理の要件を勘案した上で，深層画像処理の安定化を図ることを目的とする．当該年度は以下のことを実施した．
(1) 疎な測定からCT画像再構成を行う手法として，拡散モデルと逐次近似再構成法を融合したアルゴリズムを開発した．深層ニューラルネットワークや拡散モデルを用いたCT画像再構成に関する研究発表を行った．
（2）医用画像(CT)から得られる高次元の画像バイオマーカーと患者予後との関係を網羅的に解析することで予後予測に有用であるスパースなバイオマーカーの組み合わせおよびモデルを検討した．得られた研究成果は論文として国際学術誌に掲載された．
（3）局所前立腺癌に対するヨウ素125シードを用いた低線量率小線源治療後の再発に影響を及ぼす線量特徴量を抽出した．有意な線量特徴量は4つ特定され，そのうち3つについては，予後良好な患者とそれ以外の患者をより強く判別することが示された．得られた研究成果は論文として国際学術誌に掲載された．
|
