人工知能を用いて管腔臓器の位置および形状を予測・追跡する技術の開発

2018 年度 実施状況報告書

• 研究課題/領域番号: 18K15535
• 研究機関: 北海道大学
• 研究代表者: 西岡 健太郎 北海道大学, 医学研究院, 特任助教 (80463743)
• 研究期間 (年度): 2018-04-01 – 2021-03-31
• キーワード: 放射線治療 / 画像認識 / 人工知能 / 深層学習

研究実績の概要

現在様々な悪性腫瘍に対して行われている放射線治療は、治療開始前の治療計画用画像に基づいて設定された照射野で繰り返し放射線照射を実施することが一般的である。しかしながら、特に管腔臓器のように体内で位置や形状が日々変化する臓器に対して放射線治療を行う場合には、当初計画した照射野と日々の治療時の体内臓器の位置・形状などが一致しない恐れがある。実際に我々は様々な臓器に純金製のマーカーを挿入して放射線治療中の臓器の位置・形状変化を評価し、肺や前立腺・膀胱などの臓器で日々の放射線治療時に臓器の位置や形状が大きく変化することを報告した。本研究は管腔臓器に対して放射線治療を行う際の精度を向上するため、MRI画像を教師データとして人工知能の学習を行ったうえで臓器の位置や形状の変化を予測・追跡する技術を開発することを目的としている。
平成30年度は、本学内の人工知能の研究者と打合せのうえ、トライアルとして教室内のパソコンに人工知能の開発環境(python3)を導入し、サンプルデータを用いた画像認識を実施した。深層学習のためのライブラリとしてはChainerを使用し、データセットは一般に公開されている心臓MRI短軸像を用いた。教師データとして機械学習に用いた画像数は233枚で、25枚の評価用画像で学習の結果を評価した。モデルは全結合型ニューラルネットワークおよび畳み込みネットワークを用いた。その他、書籍や講習受講により人工知能開発の技能習得を行った。

現在までの達成度 (区分)

3: やや遅れている

理由

トライアルとして行ったサンプルMRI画像の学習・評価は実施可能であった。しかしながら実画像データの収集・解析および人工知能の構築には至っておらず、研究課題の進捗状況としてはやや遅れていると判断した。

今後の研究の推進方策

サンプルでは無いMRI画像の収集・解析に先立ち、臨床研究のプロトコル作成および倫理委員会での承認手続きを進める。人工知能の構築に関して、学内の人工知能研究者との連携を図る。画像認識の精度をより向上させるために、二次元画像ではなく三次元画像を使用した画像認識方法の導入やコードの最適化を考慮する。新たなモデルや人工知能の技能習得のため、関連学会や講習に積極的に参加する。

次年度使用額が生じた理由

購入予定であった高性能ワークステーションが本年度実施したトライアルでは不要であったため。