• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2018 年度 実施状況報告書

腫瘍・骨の識別知能を獲得する高信頼性マーカーレス腫瘍追跡アルゴリズムの研究

研究課題

研究課題/領域番号 17K09054
研究機関筑波大学

研究代表者

照沼 利之  筑波大学, 医学医療系, 助手 (40361349)

研究分担者 榮 武二  筑波大学, 医学医療系, 教授 (60162278)
研究期間 (年度) 2017-04-01 – 2020-03-31
キーワードマーカーレス腫瘍追跡 / ディープラーニング / 画像認識 / データ拡張 / X線透視画像 / 画像誘導放射線治療 / 輪郭抽出
研究実績の概要

本研究の目的は、次世代の放射線治療に必要な低侵襲マーカーレス腫瘍追跡照射のための高信頼性を有する新たな追跡アルゴリズムの精度検証を進めることである。教師あり深層学習の特徴(訓練画像と教師画像間の共起確率の高い特徴を重要な特徴として抽出しやすい)を利用して、腫瘍を含む軟部組織を重要な特徴として認識し、骨構造を重要でない特徴と認識する効果を生成する訓練用画像生成方法を開発した。この提案方法は特定の1患者情報から多数の非線形関係にある訓練用画像を生成可能であり、患者特定のディープラーニングを実行できることが優れている。
今年度は呼吸性移動を再現する動体ファントムを使用した実証試験を実施した。標的の重心及び形状の追跡精度が要求性能を満たすことが確認された(成果を学会発表予定)。
ディープラーニングの効率的な学習のために、昨年に引き続き訓練用DRR(ディジタル再構成放射線画像)の画質向上プログラム作成に取り組んだ。DRRにX線散乱効果とビームハードニング効果を含めることが出来た。さらにDRRの画像分解能の改善にも取り組みその改善効果が認められた(成果を学会発表予定)。これらの研究結果により、訓練用DRRと試験用画像である臨床X線透視画像との画像類似性が格段に向上した。暫定的結果として、マーカーレス腫瘍形状追跡の精度が向上することが確認された。
次年度は研究期間最終年度であり、より多くの臨床X線透視画像を使用した精度検証を進め、本提案法の実現可能性実証をさらに進める予定である。

現在までの達成度 (区分)
現在までの達成度 (区分)

1: 当初の計画以上に進展している

理由

研究計画に沿って、ディープラーニングの効率的な学習のための訓練用DRR(ディジタル再構成放射線画像)の画質改善プログラム作成に取り組んだ。DRRにX線散乱効果とビームハードニング効果を含めることが出来た。
さらに研究を進めて、DRRの画像分解能の改善にも取り組みその改善効果が認められた。これらの研究結果により、訓練用DRRと試験用画像である臨床X線透視画像との画像類似性が格段に向上した。暫定的結果として、マーカーレス腫瘍形状追跡の精度が向上することが確認された。
上記は、本提案法が高精度かつ高信頼性を有する腫瘍追跡技術であることを示唆する良好な結果であり、臨床実現に向けた非臨床POCに繋がる成果であった。

今後の研究の推進方策

次年度は研究期間最終年度であり、より多くの臨床X線透視画像を使用した精度検証を進め、本提案法の実現可能性実証をさらに進める予定である。

次年度使用額が生じた理由

本研究を効率良く推進するために深層学習用の計算機環境が必要であった。深層学習は技術開発の激しい分野であり、どのメーカーのハードウェア・ミドルウェア・ソフトウェアが最適な開発環境であるかを研究開始年度のH29年度に見極める必要があった。その結果H29年度予算では適切な開発環境が整備できないことが判明し、該当年度に前倒し支払い請求を行った。このためH30、H31年度使用額に減額が生じることになったが、H29年度に整備された適切な計算機環境によって、当初の想定以上に効率的に研究目的の臨床X線透視動画での腫瘍形状追跡アルゴリズムの精度検証を進めることが可能となっている。

  • 研究成果

    (8件)

すべて 2018

すべて 雑誌論文 (2件) (うち査読あり 1件) 学会発表 (6件) (うち国際学会 1件、 招待講演 1件)

  • [雑誌論文] Response to “Comments on ‘Novel real-time tumor-contouring method using deep learning to prevent mistracking in X-ray fluoroscopy”’2018

    • 著者名/発表者名
      Terunuma Toshiyuki、Sakae Takeji
    • 雑誌名

      Radiological Physics and Technology

      巻: 11 ページ: 362~363

    • DOI

      10.1007/s12194-018-0471-4

    • 査読あり
  • [雑誌論文] [P266] Patient-optimized deep learning for robust tumor tracking2018

    • 著者名/発表者名
      Terunuma Toshiyuki、Tomoda Koichi、Sakae Takeji、Ohnishi Kayoko、Okumura Toshiyuki、Sakurai Hideyuki
    • 雑誌名

      Physica Medica

      巻: 52 ページ: 176~176

    • DOI

      10.1016/j.ejmp.2018.06.545

  • [学会発表] X線透視によるマーカーレス腫瘍追跡のために腫瘍と骨の重要性認識制御が可能な深層学習用非線形データ拡張法の理解と臨床X線透視画像を使用した試験結果2018

    • 著者名/発表者名
      照沼 利之, 友田 光一, 榮 武二, 大西 かよ子, 奥村 敏之, 櫻井英幸
    • 学会等名
      第181回医用画像情報学会大会
  • [学会発表] AIを用いた患者個別深層学習によるマーカーレス腫瘍輪郭追跡法2018

    • 著者名/発表者名
      照沼 利之, 友田 光一, 榮 武二, 大西 かよ子, 奥村 敏之, 櫻井英幸
    • 学会等名
      日本放射線腫瘍学会第31回学術大会
  • [学会発表] 患者個別深層学習によるマーカーレス腫瘍追跡(1)訓練用DRRの画質改善2018

    • 著者名/発表者名
      友田 光一, 照沼 利之, 榮 武二
    • 学会等名
      第116回日本医学物理学会学術大会
  • [学会発表] 患者個別深層学習によるマーカーレス腫瘍追跡(2)臨床X線透視画像を使用した追跡結果2018

    • 著者名/発表者名
      照沼 利之, 友田 光一, 榮 武二, 大西 かよ子, 奥村 敏之, 櫻井英幸
    • 学会等名
      第116回日本医学物理学会学術大会
  • [学会発表] 画像誘導放射線治療のリアルタイム腫瘍追跡における 患者個別深層学習を実現する非線形データ拡張方法2018

    • 著者名/発表者名
      照沼 利之, 友田 光一, 榮 武二, 大西 かよ子, 奥村 敏之, 櫻井英幸
    • 学会等名
      第37階日本医用画像工学会大会
  • [学会発表] Personalized deep learning - Real-time projected-CTV contouring in X-ray fluoroscopy2018

    • 著者名/発表者名
      Toshiyuki Terunuma
    • 学会等名
      4D Treatment Workshop for Particle Therapy 2018
    • 国際学会 / 招待講演

URL: 

公開日: 2019-12-27  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi