| 研究課題/領域番号 |
19K08116
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分52040:放射線科学関連
|
|---|
| 研究機関 | 東北大学 |
|---|
研究代表者 |
角谷 倫之 東北大学, 大学病院, 助教 (20604961)
|
|---|
| 研究分担者 |
市地 慶 (市地慶) 東北大学, 医学系研究科, 講師 (90743443)
神宮 啓一 東北大学, 医学系研究科, 教授 (00451592)
山本 貴也 東北大学, 医学系研究科, 助教 (30733159)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2021年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2020年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2019年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
|
|---|
| キーワード | 放射線治療 / 機械学習 / 深層学習 / 肺癌 / 肺臓炎 / radiomics / 肺機能 / 肺換気画像 / 呼吸機能検査 / 肺機能画像 / スパイロメータ |
|---|
| 研究開始時の研究の概要 |
高次元の画像特徴量を用いるradiomics技術を用いてCT画像のみから肺機能画像を作成ｓる手法の開発を行う。この技術を用いることで肺野内のCT値情報から膨大な高次元画像特徴量を抽出することができ、これまで不可能であったCT画像のみから局所的な換気能力の違いを捉えることができ、高精度な肺機能画像を簡便に作成することが可能ではないかと考えた。
|
| 研究成果の概要 |
我々は肺癌の放射線治療において、患者毎に肺機能に応じた正常肺への線量低減により重篤な副作用を低減する目的で、肺機能画像を用いたオーダーメイド放射線治療法の開発を行ってきた。今までは肺機能画像を取得するために追加検査が必要であり、かつその検査も容易に行う事ができなかった。そこで、我々は、高度な医用画像処理技術(radiomics)と機械学習を組み合わせた肺機能値予測手法を開発し、その有効性を評価した。
|
| 研究成果の学術的意義や社会的意義 |
我々は肺癌の放射線治療において、患者毎に肺機能に応じた正常肺への線量低減により重篤な副作用を低減する目的で、肺機能画像を用いたオーダーメイド放射線治療法の開発を行ってきた。今までは肺機能画像を取得するために追加検査が必要であり、かつその検査も容易に行う事ができなかった。そこで、我々は放射線治療予後予測研究に既に用いているradiomics技術に注目し、この技術で肺野内のCT値情報から膨大な高次元画像特徴量を抽出することができ、これまで不可能であったCT画像のみから局所的な換気能力の違いを捉えることができ、高精度な肺機能画像を簡便に作成することが可能ではないかという着想で本研究を行った。
|
