| 研究課題/領域番号 |
22K15891
|
|---|
| 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 | 茨城県立医療大学 |
|---|
研究代表者 |
宮川 真 茨城県立医療大学, 保健医療学部, 助教 (60912532)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2022年度)
|
| 配分額 *注記 |
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2024年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2023年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2022年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
|---|
| キーワード | 放射線治療 / Computered Tomography / Deformable Registration / Deep Learning / Functional Imaging / CT肺換気機能イメージング / DIR |
|---|
| 研究開始時の研究の概要 |
肺癌患者に対する放射線治療において、約30%の患者に放射線肺臓炎のような有害事象が生じる。そこで近年、肺内の高機能領域を避けて照射することで、有害事象を減らすことができる”肺換気機能イメージングを利用した放射線治療法”が期待されている。しかし、従来の肺換気機能イメージング手法において、実際の人の換気量との相関には大きな変動があることが近年の研究によって明らかになっているが、その変動に対する最適な手法はまだない。そこで本申請者は、このCT画像を用いた肺換気機能イメージングの問題点を改善し、さらに人体を模擬した肺換気機能を有する非剛体ファントムを用いて精度を担保した肺換気機能予測モデルを開発する。
|
| 研究実績の概要 |
2022年度は、機械学習による肺換気機能予測モデルの開発を中心に行なった。CTVI生成モデルには、Conditional Generative Adversarial Networkによるpix2pixモデルを利用した。この初期モデルでは呼気位相のみを用いて肺換気機能画像を作成し、従来手法である画像変形技術を利用したCTVIと比較した。画像データはThe Cancer Imaging Archiveがウェブ上で公開している20症例の胸部4DCT画像を使用した。訓練画像には19症例の正解画像と呼気相のCT画像のペア画像を利用して学習を行なった。残りの1症例の呼気相のCT画像を学習済みモデルに入力しCTVI（CTVIres）を推論した。生成したCTVIresの精度は、CTVIrefとの類似度を評価するためにStructural Similarity（SSIM）、Normalized Mutual Information（NMI）、normalized cross correlation（NCC）を計算した。SSIM、NMI、NCCによる3つの指標による類似度評価では全スライスの平均でそれぞれ0.47±0.12、0.99±0.01、0.95±0.02となりSSIM以外のNMIとNCCで高い類似度が得られた。開発したGANを用いたCTVI予測モデルにより2つの画像のDIRから生成される指標を用いることなく、計画CT画像などの１つのCT画像のみからCTVIを作成できる可能性を示した。本研究は第14回度呼吸機能イメージング研究会学術大会及び第36回高精度放射線外部照射部会学術大会にて報告した。
|
| 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
モデルの開発は予定通り順調に進んでいる。来年度予定しているファントムの改良について、部品不足での納期の遅れや物価の向上による研究費の割り当てに対しては、慎重に対応していく予定である。
|
| 今後の研究の推進方策 |
2022年度に開発した肺換気機能予測モデルの精度評価に関する報告及び更なる精度向上に向けて改良したモデルの開発を進めていく予定である。また、現在のモデルは20症例のみで実施しているため、症例数を増やして再度検討する。さらに、呼吸による肺の移動量に対しての最適化をしていく上で、ファントムの改良が必要となってくるため、開発企業と連携しながら改良点を検討していく予定である。
|
