| 研究課題/領域番号 |
20K08097
|
|---|
| 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 | 国立研究開発法人国立がん研究センター |
|---|
研究代表者 |
橘 英伸 国立研究開発法人国立がん研究センター, 東病院, 室長 (20450215)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2022年度: 260千円 (直接経費: 200千円、間接経費: 60千円)
2021年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2020年度: 3,380千円 (直接経費: 2,600千円、間接経費: 780千円)
|
|---|
| キーワード | ゲル線量計 / 深層学習 / 放射線治療 / MR / 雑音除去 / 高速撮影 / 三次元線量分布 |
|---|
| 研究開始時の研究の概要 |
呼吸性移動を伴う腫瘍への高精度放射線治療においてその治療の複雑性により投与線量の不確かさを増大させる。これを解決するため、本研究では実際の臨床および研究でゲル線量計を「三次元測定器」として利用することを実現することを目的とし、深層学習を応用して短時間撮像で低解像度およびノイズが多いMR画像からでも長時間で撮影したMR画像と同レベルの画像を生成する技術を開発・実装する。そして、本研究で開発した方法とゲル線量計で得た実測での三次元線量分布データを、生物モデルに考慮させ実際の治療への影響（腫瘍制御率、副作用発生率）を明らかにする。
|
| 研究成果の概要 |
深層学習における高解像度化やノイズ低減(Deep learning - High resolution and Noise reduction, DL-HRNR)の原理および実装は完了したが、優良なデータ収集が得られなかったこと、得ることが難しいことがわかった。今後は、MR撮影のシーケンスを高速シーケンスおよび低雑音シーケンスによって教師データを得ること、また様々な線量分布パターンのゲル線量計のMR撮像を実施 し、教師データをより多く取得する必要があると考える。
|
| 研究成果の学術的意義や社会的意義 |
深層学習が全てを解決できるわけではなく、よい教師データが必要であり、本研究におけるゲル線量計の教師データ取得が難しいことがわかった。
MRによるゲル線量計の画像化は歴史が古く、実績が多いため、デファクトスタンタードであり、信頼性も高いが、利便性の観点からすると、別のモダリティへのシフトが必要であると言える。
|
