| 研究課題/領域番号 |
18K15650
|
|---|
| 研究機関 | 関西医科大学 |
|---|
研究代表者 |
姉帯 優介 関西医科大学, 医学部, 助教 (70809376)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2022-03-31
|
| キーワード | 医学物理 / 医用工学 / 機械学習 |
|---|
| 研究実績の概要 |
本研究課題は強度変調放射線治療計画においてその品質を高めるため、治療計画を定量的に評価する手法を開発する。前年に強度変調像を球面上に展開し、球面調和関数展開することで係数化する手法を確立した。この手法を用いることにより、強度変調像についてより定量的・俯瞰的尺度で評価を行うことができる。本年度ではそれにとどまらず、三次元に展開する線量分布に対してこの手法を適用し、展開係数からなる係数行列を得ることができた。この係数行列は各症例ごとの線量分布から抽出可能である。各年度において個別症例ごとの適用を考えていたが、本年度にて必要数の症例を集めることができた。頭頸部癌・前立腺癌の臨床症例を対象とした後解析にて、本手法を適用したデータを機械学習による分類と組み合わせることによって、臨床上の経験に近い形で症例分類することが可能となった。これはある意味において、放射線治療計画を複雑にするような込み入った症例と放射線治療計画が比較的簡単な症例の選り分けができることになる。前立腺にしぼった本内容を「第118回日本医学物理学会」にて口演発表を行った。また同内容について頭頸部症例・前立腺症例を含めて論文を執筆中である。本手法を用いれば放射線治療計画の複雑性について症例による定量的な分類を行うことができるので、必然的に均てん化することが難しい、すなわち施設による特色が色濃くなるような症例を抽出可能である。このような症例への対策も本研究における検討課題である。また三次元線量分布を実質的に二次元の行列へ圧縮したことから深層学習を応用した手法などの応用可能性についても検討中である。
|
| 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
本解析手法によって実際に症例を分類することが可能となり、当初の想定と比較して、早い段階での論文執筆化が可能となり、また時流である深層学習への応用可能性も高まってきており、本研究の発展可能性がより強まったと確信したため。
|
| 今後の研究の推進方策 |
本手法をまとめた論文を年度途中成果として報告する予定である。また、深層学習への応用も検討中であり、それに伴う環境構築（ソフトウェア・プログラム）も考えている。
|
| 次年度使用額が生じた理由 |
使用額に端数程度の余剰が出たが、本研究について物品・旅費・その他資金合わせて本年度有効に使えたと解釈している。端数については翌年に簡単な消耗品等で妥当と思われる範囲で使用できると考えている。
|
