研究課題/領域番号 |
19K17170
|
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 | 山口大学 |
研究代表者 |
湯淺 勇紀 山口大学, 医学部附属病院, 副診療放射・エックス線技師長 (20749840)
|
研究期間 (年度) |
2019-04-01 – 2024-03-31
|
研究課題ステータス |
交付 (2022年度)
|
配分額 *注記 |
4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2021年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2020年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2019年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
|
キーワード | DECT / 深層学習 / 仮想CT画像 / Deep learning / Dual energy CT / ヨードマップ / 仮想非造影CT画像 / Cone-beam CT / 放射線治療 / コーンビームCT / デュアルエナジー |
研究開始時の研究の概要 |
本研究では,深層学習による画像生成とデュアルエナジー技術を融合させた新たなデュアルエナジーコーンビームCT (DECBCT) システムの開発と臨床応用に向けた治療効果判定手法の確立を行う.本システムは,CBCT画像からコンピュータによる計算のみで撮像条件が異なる新たな画像を生成し,DECBCTを取得することで,被ばく線量を増加させることなく,解剖学的情報および機能画像の取得を行う.本研究は,システムの開発,評価,画像評価と治療計画への応用,臨床への応用について実施する.本システムにより,肝臓および膵臓に対する放射線治療において解剖学的情報と機能情報を考慮した新たな治療効果判定手法が確立される.
|
研究実績の概要 |
本年度は、前年度に構築した胸部および腹部の仮想DECT(Dual energy computed tomography)画像生成モデルおよび仮想非造影CT画像を生成するモデルの訓練症例数の増加に取り組んだ。 訓練対象は、胸部、腹部ともに前年度まで対象としていた10名から80名へと増加させた。これにより、前述のモデルの汎用性能の向上を図ることができた。また、対象症例の増加により、モデルが過学習を起こしていないか評価するための症例の取得も可能となり、モデルの汎用性能の評価が可能となった。 評価方法に関しては、前年までの手法と同様に、取得したCT画像と真のCT画像と比較することで精度評価した。評価項目は、MAE(mean absolute error)、CT値とした。また、それぞれの画像のヒストグラムを算出し、HI(histogram intersection)の値を算出することで画像の類似度評価を行った。また、訓練時の評価曲線についても過学習の評価項目とした。 取得したCT画像と真のCT画像のMAEは、胸部、腹部ともに10HU(hounsfield unit)以下の値となり、モデルにより取得したCT画像は真の画像と良く一致した値となった。ヒストグラムについては、取得したCT画像と真のCT画像とで良く一致しており、HI値も0.9以上となった。訓練時の評価曲線に関しては、評価症例において過学習を起こしていないことが示された。 以上から、前年度に構築されたモデルの精度を低下させることなく、汎用性能を向上することが可能であることが示された。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
本年度の計画として、放射線治療計画への応用を上げていたが、既存の画像生成モデルの汎用性能の強化を行った。本年度の成果により、今後の放射線治療への応用が可能となった。このため、放射線治療計画への応用に関しては次年度の計画として。また、同時に放射線治療患者の画像を使用し、患者の治療効果判定の検討も進めていく予定である。
|
今後の研究の推進方策 |
今後、本モデルを使用し、放射線治療計画への有用性を検討する。また、放射線治療患者の画像を使用し、患者の治療効果の判定などを実施し、DECBCT(Dual energy cone -beam computed tomography)システムを確立する。
|