| 研究課題/領域番号 |
19K08093
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分52040:放射線科学関連
|
|---|
| 研究機関 | 弘前大学 (2021-2022)
東京大学 (2019-2020) |
|---|
研究代表者 |
尾崎 翔 弘前大学, 理工学研究科, 助教 (60615326)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| キーワード | 画像再構成 / 深層学習 / CT / 画像誘導放射線治療 |
|---|
| 研究成果の概要 |
本研究課題では、逐次近似画像再構成法と深層学習を組み合わせた新しい画像再構成法を開発し、その手法を画像誘導放射線治療(IGRT)で用いられている位置照合用CTの画質改善に適用した。GeneratorとDiscriminatorを構成する深層ニューラルネットの事前学習のため、CycleGNAを使ったMega-voltage CT(MVCT)の画質改善を行なった。構造保存を課すための制約条件を導入し、変形を抑制した画質改善が可能となった。さらに、逐次近似画像再構成法にGeneratorを組み込んだハイブリッド画像再構成法を開発してMVCTの画質改善を行い、改善された画像の画質は既存手法を上回った。
|
| 自由記述の分野 |
医学物理学
|
| 研究成果の学術的意義や社会的意義 |
MVCTやCone-beam CTなどの位置照合用CTは、高精度の画像誘導放射線治療を行う上で必須の装置である。しかしながら一般にこれらのCTの画質は低くく、これは治療の精度に関わる問題である。本研究で開発した深層学習モデルやハイブリッド画像再構成法は、位置照合用CTの画質を大幅に改善した。この成果は、画像誘導放射線治療の際の位置照合の精度を高め、より高精度の放射線治療を実現できると期待される。
|
