研究課題
本研究は、レディオミクス解析の手法を用いて、診断と放射線治療における医療画像が含む画像特徴量から、治療の奏功や予後を高精度に推定する新たなパターン認識システムを構築することである。従来のレディオミクス研究は、診断CTやMRなどから画像特徴量を抽出し、患者の予後との相関をみる研究が多かった。しかし、患者の予後と直結するのは、その患者にどのような治療を施したかという治療情報そのものと考えられる。当該年度では、前年度に引き続き、治療に直結した画像情報として、放射線治療計画装置から算出される患者体内の線量分布を採用した。前年度に構築したプログラムに対して、CTと線量分布を正しく位置合わせした上で、グリッド幅の違いを適切に補間する前処理をDICOMデータに施す部分を新たに追記し、レディオミクス画像特徴量の変化を評価した。また治療中CBCTのレディオミクス解析については、散乱線等に起因するノイズとアーチファクトによって、重要な画像特徴量が消失している可能性があった。CBCTからレディオミクス画像特徴量を高精度に抽出するための前処理として、深層学習を用いたCBCTの画質改善研究を行った。具体的には、画像変換の分野で開発されたCycleGANというネットワーク構造を用い、またCBCTと高解像度の治療計画CTのデータセットを教師データとして採用した。結果として、新規に入力するCBCT画像に対して、解剖学的構造を保全しつつ、画質のみを治療計画CTと同程度の高画質な画像に変換することに成功した。本研究はarXivにて論文を公開し、また英文誌に投稿を行った。
2: おおむね順調に進展している
線量分布から画像特徴量を抽出するプログラムの改良については一定の成果が得られた。また、CBCTのレディオミクス解析の前処理として、深層学習を用いたCBCTの画質改善に関する研究を遂行し、大きな成果が得られた。一方で、得られた特徴量に対して教師あり学習を行い、予後との相関が強い特徴量を選択する解析は継続中である。従って上記区分とした。
今後の研究では、引き続き患者の臨床データを用いて、治療の奏功および予後と強相関な線量分布の特徴量を抽出を継続する予定である。治療の奏功に関連して、正常組織の放射線の影響と線量分布が持つ画像特徴量との相関も評価する予定である。また、深層学習を用いたCBCTの画質改善研究を継続し、さらなる画質の向上を図る。画質改善がレディオミクス画像特徴量に与える影響についても検討する。
当該年度にGPUマシンの購入を予定していたが、メーカに購入予定の機器の在庫がなく、次年度の入荷を待ってからの購入となったため。
すべて 2019 2018 その他
すべて 雑誌論文 (2件) (うち査読あり 2件、 オープンアクセス 2件) 学会発表 (12件) (うち国際学会 6件、 招待講演 1件) 備考 (1件)
Cureus
巻: 10 ページ: 1～15
10.7759/cureus.2548
Oncology Letters
巻: 16 ページ: 4498～4506
10.3892/ol.2018.9188
http://u-tokyo-rad.jp/index.html
