Deep learning approach for true dose distribution considering movement during beam on time

2023 Fiscal Year Research-status Report

• Project/Area Number: 23K07077
• Research Institution: Tohoku University
• Principal Investigator: 田中 祥平 東北大学, 大学病院, 助教 (90883330)
• Project Period (FY): 2023-04-01 – 2028-03-31
• Keywords: 放射線治療 / MR画像誘導放射線治療 / 人工知能 / 深層学習 / MR-Linac / Unity / 前立腺がん

Outline of Annual Research Achievements

今年度は、第一にリアルタイムのMRI画像である2次元CineMRI画像において、前立腺、直腸、膀胱を深層学習で自動的にコンツーリングするシステムの精度向上を目指した。オートコンツーリングしてくれることにより、前立腺の位置を自動的に判定してくれるため、照射中の位置を同定してくれる。2次元CineMRIは画像が粗いため、精度の向上は頭打ちになってしまったが、現状はこの精度を保ちつつ、次の段階に進むこととした。
第二に照射中のリアルタイムのCineMRI画像を基に3次元の照射前の画像から照射中の3次元画像を作成する深層学習システムの構築に現在取り掛かっている。まずは照射前のMRI画像と照射直前のCine画像と照射後のMRI画像と照射終わりのCine画像を基に、照射前のMRI画像から照射後のMRI画像を予測するシステムの構築を目指している。現状は照射後のMRIを予測する深層学習モデルを構築できたが、予測結果はいまだ不十分であり照射前とほぼ同じ画像を出力することが問題である。次の段階として、照射中のCine画像を基にうまく前立腺の位置を調整してくれるモデルの構築を目指す。また学習データの準備として前立腺、直腸、膀胱の描出を行わなければならないが、十分な学習データを確保するためにも前立腺、直腸、膀胱の描出を行った。

Current Status of Research Progress

3: Progress in research has been slightly delayed.

Reason

深層学習モデルの構築にかなりの時間がかかった。深層学習モデルの調整の作業が必要なため、予測結果が高くなるようにモデル構築の探索作業を行わないといけないが、そのモデル構築の探索作業に現状はかなりの時間がかかっている。

Strategy for Future Research Activity

今後も引き続き照射前の3次元MRI画像から照射後の3次元MRI画像を予測する深層学習モデルの構築を目指す。照射中のCine画像を深層学習モデルのどこから入力すると照射後のMRI画像が変形して出力できるかを引き続き探索を行う方針である。

Causes of Carryover

研究が少し遅れており、学会発表などの旅費にかかる費用がなくなりそうなためである。そのため次年度に学会発表などの旅費に金額を使用したい