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 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 |
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 – 2024-03-31
|
| Project Status |
Granted (Fiscal Year 2022)
|
| Budget Amount *help |
¥3,770,000 (Direct Cost: ¥2,900,000、Indirect Cost: ¥870,000)
Fiscal Year 2023: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2022: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2021: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
|
|---|
| Keywords | 放射線治療 / 疎な / 医用画像情報 / 深層画像 / 安定要件 |
|---|
| Outline of Research at the Start |
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．研究期間内には，①深層画像処理法の構築，②深層画像処理法の安定化に必要な要件の探索，③探索結果の評価を実施することによって，疎な医用画像情報に対する深層学習処理の課題や臨床利用の可能性を明確にする．
|
| 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) 本研究では高精度放射線治療を実施する患者を対象とし，前年度に引き続き医用画像および基本情報の取得と蓄積を行った．対象疾患および治療法は，限局性前立腺癌に対する体幹部定位放射線治療および頭蓋内腫瘍に対する頭部定位放射線治療とした．
(2) 放射線治療を実施するためには，医用画像を用いて標的や正常組織を判別することが必要である．前年度に引き続き，深層画像処理を用いた臓器の判別（セグメンテーション）について，その具体的手法や学習数，適切なハイパーパラメータの探索を行った．探索結果の評価には治療計画時の臓器の判別結果と深層画像処理による結果から類似度を算出した．
(3) 深層学習を用いて，CT画像の画質改善や情報が少ないデータから再構成を行う手法を開発している．
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
前年度に引き続き，患者の基本情報の取得および蓄積を行った．収集した情報を適切に処理するため，解析前に匿名化や情報の整理，加工に時間を要している．また，深層画像処理を用いた臓器の判別（セグメンテーション）において，効率的，かつ，客観的な探索手法の構築に苦慮している．
|
| Strategy for Future Research Activity |
1. 患者の基本情報の取得および蓄積
2. 深層画像処理を用いたセグメンテーションにおける精度の評価，学習数および適切なハイパーパラメータの探索
3. 探索結果の評価と深層学習処理の課題の明確化
|
Report
(2 results)
Research Products
(8 results)
-
[Journal Article] Training of deep cross‐modality conversion models with a small dataset, and their application in megavoltage CT to kilovoltage CT conversion2022
Author(s)
Ozaki S, Kaji S, Nawa K, Imae T, Aoki A, Nakamoto T, Ohta T, Nozawa Y, Yamashita H, Haga A, Nakagawa K
-
Journal Title
Medical Physics
Volume: -
Issue: 6
Pages: 1-14
DOI
Related Report
Peer Reviewed / Open Access
-
-
-
[Presentation] Denoising and Contrast Enhancement of MVCT Using Deep Learning-based Methods2021
Author(s)
Ozaki S, Kaji S, Nawa K, Imae T, Aoki A, Nakamoto T, Ohta T, Nozawa Y, Haga A, Nakagawa K
Organizer
第121回日本医学物理学会学術大会, 神奈川, 2021.4.15-18
Related Report
-
-
-
-
