| 研究課題/領域番号 |
19K17192
|
|---|
| 研究機関 | 山形大学 |
|---|
研究代表者 |
金井 貴幸 山形大学, 医学部, 助教 (40764139)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| キーワード | 放射線治療 / 粒子線治療 / 適応放射線治療 / MR画像誘導放射線治療 / 畳み込みニューラルネットワーク / Cone-beam CT |
|---|
| 研究実績の概要 |
粒子線治療は、現在の主流であるX線治療と比べ、腫瘍に限局した線量分布を作成することが可能である一方、治療期間中の患者の体型変化や腫瘍の縮小・増大、及び照射途中に生じる体内臓器の移動による影響を受けやすい。本研究は、治療期間中及び照射途中に生じるこれらの変化を考慮する「適応粒子線治療」の実現に向け、cone-beam CT (CBCT) 画像及びMRI画像から、粒子線の線量分布計算に不可欠である阻止能比の推定方法を確立することを目的とする。方策としては、①領域分割を用いた手法、②画素値変換に基づいた手法、③アトラスと非剛体レジストレーションを用いた手法、④畳み込みニューラルネットワークを用いた手法の4手法を用いてMRI画像またはCBCTから阻止能比分布を算出し、それぞれの精度を包括的に評価、比較する。中でも、近年注目されている畳み込みニューラルネットワークによる変換方法は、高速かつ高精度な変換が期待される。
2020年度は昨年度に引き続き、④の畳み込みニューラルネットワークを用いた手法の更なる高精度化を目指した。昨年度はU-netと呼ばれるネットワークを使用したが、これに加えてcycleGANおよびpix2pixと呼ばれる2種類のネットワークを構築し、精度の検証を実施した。また、変換の堅牢性を向上させるために学習に用いる症例数の追加も実施した。
昨年度の時点で変換精度は良好であったため、大きな変換精度の改善は見られなかったが、より汎用的に使用可能な変換方法を開発することができた。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
2020年度は変換精度向上のための新たなネットワーク構造の実現およびそれらのパラメータ調整等に注力したため、頭頚部などの骨盤以外の部位への適用の検討およびファントム実験などを実施することができず、やや遅れが生じた。
|
| 今後の研究の推進方策 |
高精度かつ高速な阻止能比分布の計算方法を検討するため、引き続き畳み込みニューラルネットワークの改善および、それ以外の手法の検討を進める。また、頭頸部などの他の部位についても検討を進めるとともに、物理ファントムまたはデジタルファントムを用いた実験の実施も検討する。
|
| 次年度使用額が生じた理由 |
GPU (グラフィックプロセシングユニット) は畳込みニューラルネットワークに必須の計算機ユニットであるが、近年、より高速計算が可能で、大量の画像を同時に処理できるGPUが発売されたため、GPUの更新を検討している。また、研究成果を発信するための旅費や論文投稿費用に使用するため、次年度使用額が生じている。
|
