Investigation of Stability Requirements for Deep Learning-Based Image Processing of Sparse Medical Imaging in Radiation Therapy

2024 Fiscal Year Final Research Report

• Project/Area Number: 21K12121
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 62010:Life, health and medical informatics-related
• Research Institution: The University of Tokyo
• Principal Investigator: Imae Toshikazu 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 Final Research Achievements

This study aimed to stabilize and evaluate deep learning-based image processing techniques for the safe and effective application to sparse medical images in radiation therapy. We performed data acquisition, enhanced image quality for MVCT, proposed a deep learning-based iterative reconstruction method for CT, conducted organ segmentation and prognosis prediction, and extracted dose-related features associated with recurrence. These results demonstrate the clinical applicability and utility of deep image processing methods.

Free Research Field

放射線治療

Academic Significance and Societal Importance of the Research Achievements

本研究では，放射線治療で得られる疎な医用画像情報に対し，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．