| 研究課題/領域番号 |
20H03612
|
|---|
| 研究機関 | 北海道大学 |
|---|
研究代表者 |
宮本 直樹 北海道大学, 工学研究院, 准教授 (00552879)
|
|---|
| 研究分担者 |
清水 伸一 北海道大学, 医学研究院, 教授 (50463724)
富岡 智 北海道大学, 工学研究院, 教授 (40237110)
松浦 妙子 北海道大学, 工学研究院, 准教授 (90590266)
高尾 聖心 北海道大学, 工学研究院, 准教授 (10614216)
田中 創大 北海道大学, 工学研究院, 助教 (00826092)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| キーワード | 機械学習 / ボリュームイメージング / マーカレス / リアルタイム / 医学物理 |
|---|
| 研究実績の概要 |
本研究では、放射線治療中に得られる2方向X線透視画像を利用し、体内マーカを利用することなく（マーカーレス）、リアルタイムに体内の3次元構造を取得するボリュームイメージング技術を開発することを目的とする。この提案技術の実現により、体内にマーカーを留置するという侵襲性のあるプロセスを無くすことができ、加えて、ボリュームイメージを得ることによる高精度な呼吸性移動対策をFLASH などの超高線量率照射を含むあらゆる照射において実施可能となる。本研究では、研究期間内に各要素技術の開発を進め、十分な質と量のデータにより精度検証を実施し、ボリュームイメージングを利用した治療ビーム照射制御の臨床的有用性を明らかにする。
初年度は、呼吸により体内で生じる変形をいくつかの主成分変形の和として表すモデルの開発、および2方向のX線透視画像から体内で生じている変形を推定し、ボリューム画像を合成する方法の開発に取り組み、基本的なアルゴリズムの開発を完了させた。任意の呼吸性移動を再現可能なデジタルファントムを利用し、実際の呼吸性移動を再現して画像合成精度を評価した結果、2方向のX線透視画像を利用することで、3次元的な呼吸変形が生じている場合においても十分な精度で画像を合成できることがわかった。また、1方向のみのX線透視画像を利用する方法と性能比較したところ、特に基準状態からの変形が大きい場合において、2方向X線透視画像を利用する方法では高い画像合成精度が得られ、提案手法の有効性を示すことができた。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
初年度は、呼吸により体内で生じる変形のモデル化、およびX線透視画像から体内変形を推定する方法の開発に取り組んだ。変形のモデル化については、変形画像レジストレーション（DIR: Deformable Image Registration）および主成分分析（PCA: Principal Component Analysis）を利用する。まず、治療計画時に得られる4DCT（例：呼吸1周期を10分割にしたCTデータセット）に対してDIRを適用し、呼吸により体内で生じる変形を求め、PCAにより固有変形ベクトルを求める。ここで、体内で呼吸により生じる任意の変形は、これら固有変形ベクトルに適当な重みをかけた変形の和として表すことができると考える。放射線治療中は、2方向X線透視画像から最適な重みを推定することで体内変形を評価し、基準データを変形させることでボリュームイメージを合成することができる。初年度は、最急降下法により最適な重みを評価する方法を検討した。初期検討として任意の呼吸性移動を再現可能なデジタルファントムを利用し、合成CT画像と正解CT画像とのCT値差分の95パーセンタイル値を画像合成精度として評価した。評価の結果、2方向のX線透視画像を利用した場合、画像合成精度は250 HU程度であり、ベンチマーク性能として評価したDIRの精度と同等であった。また、比較として評価した1方向X線透視画像のみを利用した場合は400 HU程度であり、2方向利用の有用性が示唆された。
基本的に申請時の実施計画に沿った研究開発を進めており、ほぼ想定通りの結果が得られていることから、現在までの研究開発の達成度は、おおむね順調に進んでいると自己評価した。
|
| 今後の研究の推進方策 |
現時点までに、2方向X線透視画像を用いたボリュームイメージング技術の基本アルゴリズムを開発済みであり、放射線治療への応用に十分な画像合成精度を確認できた。次年度は、計算時間の短縮化を図り、リアルタイムでの評価に応用できることを実証する。現時点で採用している最急降下法は、正解に近い初期値を利用したとしても、ボリュームイメージを得るまでに数10秒を要しており、放射線治療における患者位置決めや治療後の解析などに応用範囲が限定されてしまう。今後は、CNN (Convolution Neural Network) を利用した機械学習により固有変形ベクトルの重みを得る方法を検討し、1秒間に数回の頻度でボリュームイメージを合成することを目指す。CNNの学習には多くのデータ、特に様々な動きを含んだデータセットが必要となるが、治療前の患者4DCTは、呼吸1周期の10位相のCTデータセットが一般的である。そのため、変形画像レジストレーション（DIR: Deformable Image Registration）および主成分分析（PCA: Principal Component Analysis）を利用し、学習データを増やすことを考える。初年度と同様に画像合成精度を評価するとともに、画像合成に要する時間を評価し、リアルタイム性についても可能性を探る。また、年度後半からはボリュームイメージを利用した治療ビームのリアルタイム制御方法（例えばビームのON/OFF）についても検討を開始し、線量評価をおこなうためのツールを開発する予定である。
|
