| 研究課題/領域番号 |
18K15563
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分52040:放射線科学関連
|
|---|
| 研究機関 | 順天堂大学 |
|---|
研究代表者 |
臼井 桂介 順天堂大学, 保健医療学部, 講師 (20714132)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2019年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2018年度: 3,510千円 (直接経費: 2,700千円、間接経費: 810千円)
|
|---|
| キーワード | 放射線治療学 / 適応的放射線治療 / コーンビームCT / 人工知能 / 深層学習 / 放射線治療技術学 / シミュレーション / がん放射線療法 / 畳み込みニューラルネット / 放射線治療 / 前立腺癌 / 画像誘導放射線治療 / 畳み込みニューラルネットワーク |
|---|
| 研究成果の概要 |
本課題は放射線治療時に取得するコーンビームCT画像を利用し治療後の障害予測を付帯した適応放射線治療計画法の考案を目的とした。本研究では、①深層学習を用いたコーンビームCTの画質改善、②定量的指標を用いた画質評価、③コーンビームCT画像から障害予測するモデルの構築の３項目を検討した。①では、被検体から発生する散乱線による画質劣化を改善するための畳み込みニューラルネットワークを構築した。②では、画像類似度と最大信号雑音比を用いて画質評価を行い、従来法より約10％の改善効果が達成された。③では、前立腺がん20例のコーンビームCT画像と臨床情報を用いて障害予測のモデルを作成し、精度検証を実施した。
|
| 研究成果の学術的意義や社会的意義 |
本研究によって、深層学習が画質が劣化したCT画像の改善に効果的に寄与することを実証した。放射線治療時のコーンビームCT画像は世界中で使用されており、その画質は依然として課題である。本研究成果はこの問題に対し簡易的で実用性の高い手法を提案することができた。さらに、このコーンビームCT画像から放射線治療後の障害を予測するという新しい適応放射線治療計画法を考案した。本手法が実装できることで、放射線治療時の障害発生の頻度と程度を最小限に留めることができると考えている。本研究ではその初期検討を行い、実現可能性を示すことができた。
|
