| 研究課題/領域番号 |
21K18088
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分90130:医用システム関連
|
|---|
| 研究機関 | 帝京大学 |
|---|
研究代表者 |
三本 拓也 帝京大学, 公私立大学の部局等, 助教 (90593038)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
2023年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2022年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2021年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
|
|---|
| キーワード | PET / CNN / PET/CT / メチオニン / 深層学習 / GTV / Deep Learning / DCNN / brain |
|---|
| 研究開始時の研究の概要 |
放射線治療計画にPET検査から得られた機能画像を利用する試みがされている。治療体積は、治療計画CT上で放射線治療専門医による手動で描出した肉眼的腫瘍体積 (GTV)をベースに計画されるが、GTVの描出は複雑な部位で時間を要し、かつ主観的手法であるため経験年数によって描出精度が異なる。
本研究では、放射線治療計画を支援するためPET/CT検査における２つのモダリティ画像を用いた深層学習によりGTVを自動描出するソフトウェアを開発する。放射線治療専門医の描出したGTVを教師データとして登録しソフトウェアを構築し、放射線治療計画における支援システムとして有効であるか評価する。
|
| 研究成果の概要 |
本研究では、放射線治療計画支援のため精度の高いGTVを自動描出するソフトウェアを開発し放射線治療医に提供することを目標とした。放射線腫瘍医が形態情報のCT画像と機能情報のPET画像のマルチモダリティから総合的に判断したGTVを正解画像（教師データ）として学習させソフトウェアを構築した。機能画像と形態画像を用いた他の腫瘍セグメンテーションの関連研究と比較して本研究で得られたモデルは再現性の高い自動描出性能を達成できた。
|
| 研究成果の学術的意義や社会的意義 |
放射線治療計画における治療体積はGTVをベースに計画されており放射線治療医が手動で描出することが一般的である。しかし複雑な部位ではGTV描出は時間を要し、経験年数によって描出精度が変動するため、簡便かつ客観的にGTVを測定および描出できる方法が必要とされている。本研究では、精度の高いGTVを放射線治療医に提供するため深層学習を用いることでGTVを自動描出するソフトウェアを開発した。より多くの学習データ、最適な学習方法およびネットワーク構造によってソフトウェアの精度をさらに向上することが期待でき放射線治療計画の効率化に繋がる可能性が示唆された。
|
