| 研究課題/領域番号 |
20K16733
|
|---|
| 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 | 京都府立医科大学 |
|---|
研究代表者 |
梶川 智博 京都府立医科大学, 医学(系)研究科(研究院), 助教 (30846522)
|
|---|
| 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 |
3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
2022年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2021年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2020年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
|
|---|
| キーワード | 肺機能画像 / 放射線治療 / 深層学習 / 画像処理 / CT画像 / 適応放射線治療 |
|---|
| 研究開始時の研究の概要 |
放射線治療において，治療期間中に肺機能が変化することがあり，さらに肺機能を考慮することで有害事象の発生リスクを低減できることが知られている．一方，現行手法は他機による追加の撮像が必要であるため，治療回毎に肺機能画像を取得することは臨床的に容易ではない．本研究の主たる目的は，臨床ワークフローに即した肺機能画像生成システムを構築することである．深層学習および多様な画像処理を用い，肺換気能に関与する新たな画像特徴量を抽出し利用することにより，従来の手法では不可能であった，治療回毎に取得される3次元CBCT画像のみに基づき肺換気画像の生成を目指す．
|
| 研究成果の概要 |
CT画像に基づく肺機能画像生成深層学習システムの構築および精度検証の検討を行った．具体的には，一般的な深層学習画像生成モデルの構築/調整を行い，適応基準を満たすデータ収集を行った．その後，得られた計71例の画像データ（肺機能画像, CT画像）に対する深層学習モデルの学習・精度評価を行った．データの前処理を行い，深層学習モデルが学習を円滑に進めるようにした．結果として，定性評価および定量評価のどちらも比較的良く一致していた．この結果から，深層学習を用いることでCT画像から肺機能画像を生成できる可能性が示唆された．
|
| 研究成果の学術的意義や社会的意義 |
放射線治療において，治療期間中に肺機能が変化することがあり，さらに肺機能を考慮することで有害事象の発生リスクを低減できることが知られている．そのため，肺機能を正確に考慮するためには治療回毎に肺機能画像を取得することが理想的である．一方，現行手法(SPECT ventilation/perfusion など)は他機による追加の撮像が必要であり，臨床ワークフローに導入することは現実的ではない．本研究の目的は，深層学習および画像処理を用い，治療回毎に取得される 3D CBCT画像のみに基づき肺換気画像を生成することである．本手法により，肺機能を考慮した適応放射線治療の足掛かりとなることを目指す．
|
