| 研究課題/領域番号 |
20K08073
|
|---|
| 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 | 東京大学 |
|---|
研究代表者 |
名和 要武 東京大学, 医学部附属病院, 助教 (00456914)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| 研究課題ステータス |
交付 (2022年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2022年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2021年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2020年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | 深層学習 / 画質改善 / 医学物理 / 医用画像 / 情報理論 / 情報工学 |
|---|
| 研究開始時の研究の概要 |
放射線治療におけるCone-beam CT（CBCT）画像を、深層学習を用いて画質改善させる新たな技術を開発する。放射線治療の実臨床への普遍的な応用を目的として、特定の施設や特定の部位のCBCT画像を画質改善させる学習済みネットワークが、他施設や他部位の画質改善を効率的に行えるよう、学習済みネットワークを転移学習させる新たな枠組みを構築する。
|
| 研究実績の概要 |
放射線治療におけるCone-beam CT（CBCT）は、画像誘導放射線治療において照射の位置照合に使用されているが、治療効果を向上させる様々な発展的利用が期待されている。CBCTはコーン状の線束を用いることから散乱線によるノイズが顕著であり、画質改善はその有効利用において必須の要素技術である。本研究は深層学習を用いてCBCTを画質改善し、その発展的利用法を検討するとともに、画質改善技術を他施設や他部位の画像にも汎化性をもって適用できる枠組みを構築することを目的とする。当該年度は以下を実施した。
１）敵対的ネットワーク（Generative Adversarial Network: GAN）を用いたCBCT画質改善技術を、megavoltage CT（MVCT）に応用し、ロス関数の改良により、少ない症例数でMVCTを画質改善する新たな手法を構築した。
２）発展的利用として、特徴量解析による放射線治療後の予後予測モデルの構築を行った。
３）発展的利用として、深層学習を用いた臓器の自動輪郭抽出を検討した。
特に２）については、CBCTの発展的利用のための探索研究の一つとして、救急医学分野の医用画像の特徴量解析を行い、画質が特徴量に与える影響を精査した。本研究については日本医学物理学会で発表を行った。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
CycleGANを用いた医用画像の画質改善については学会発表および誌上発表を行っており、十分な成果が得られている。また画質改善後の医用画像の発展的応用として、特徴量解析や自動輪郭抽出についても具体的な解析を行っている。さらに、医用画像における画質と特徴量の関係を精査し、学会発表を行っている。他施設や他部位への利用を目的とした転移学習の研究については引き続き解析を検討中であり、上記区分とした。
|
| 今後の研究の推進方策 |
１）CBCTの更なる画質改善にむけたロス関数の改良
２）少ない教師データでも安定的に学習できる正則化手法の構築
３）画像ドメイン変換における画質改善の臨床的評価法の構築
４）他施設や他部位の画質改善への転移学習の検討
５）医用画像の特徴量解析の実施
６）医用画像の自動輪郭抽出法の構築
|
