• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2023 年度 研究成果報告書

即時適応放射線治療を目指した深層学習活用CBCT再構成法の開発

研究課題

  • PDF
研究課題/領域番号 22K15804
研究種目

若手研究

配分区分基金
審査区分 小区分52040:放射線科学関連
研究機関京都大学

研究代表者

平島 英明  京都大学, 医学研究科, 特定助教 (10848229)

研究期間 (年度) 2022-04-01 – 2024-03-31
キーワード放射線治療 / 医学物理 / AI / CBCT / 適応放射線治療
研究成果の概要

治療日毎の体内臓器変化に対応し治療計画を変更する即時適応放射線治療(即時ART)は,日々変化する腫瘍や危険臓器の状態を考慮した線量分布を投与可能である.しかし,汎用的な治療装置では腫瘍や危険臓器の画像取得時に体輪郭欠損や画質劣化といった大きな課題があり,即時ARTを実施する際の輪郭描出や治療計画の障壁となっている.そこで本研究では,汎用的な治療装置を用いて体輪郭欠損cone-beamCT(CBCT)の体輪郭拡張を目指した画像再構成技術を開発することを目的とする.深層学習技術の一つである生成AIを基盤技術に用い,画像を直接用いた手法やサイノグラムに変換した手法を検討し有用性を評価した.

自由記述の分野

放射線治療

研究成果の学術的意義や社会的意義

本研究では,pCTを用いた深層学習に基づくサイノグラム補完を行うことで,CBCTの有効視野(FOV)拡張を目指した.サイノグラムを補完するモデルが,画像自体を補完するモデルよりも最大値,中央値,最小値の全てにおいてMAEとRMSEの値が小さく,SSIMの値が大きかった.サイノグラムを補完するモデルが画像自体を補完するモデルよりもFOVを拡張できていた理由は,サイノグラムの情報の連続性が深層学習の学習や予測において有利に働いたからだと考えられる.本研究成果により,狭いFOVを有するCBCTを利用した正確な線量分布の計算が可能になることが期待される.

URL: 

公開日: 2025-01-30  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi