Development of technology to predict and track the position and shape of luminal organs using artificial intelligence

2020 Fiscal Year Annual Research Report

• Project/Area Number: 18K15535
• Research Institution: Hokkaido University
• Principal Investigator: 西岡 健太郎 北海道大学, 医学研究院, 助教 (80463743)
• Project Period (FY): 2018-04-01 – 2021-03-31
• Keywords: 機械学習 / セグメンテーション / 膀胱癌 / 放射線治療

Outline of Annual Research Achievements

管腔臓器のように体内で位置や形状が日々変化する臓器に対して放射線治療を行う場合、当初計画した照射野と日々の治療時の体内臓器の位置・形状などが一致しない恐れがある。本研究は管腔臓器に対して放射線治療を行う際の精度を向上するため、MRI画像を教師データとして人工知能の学習を行ったうえで臓器の位置や形状の変化を予測・追跡する技術を開発することを目的としている。
2019年度は後方視的研究として過去に撮像された骨盤部MRI画像を100症例分収集し、U-netと呼ばれる二次元畳み込みニューラルネットワークを用いて機械学習を行った。人工知能が作成したラベル画像と研究者が作成したラベル画像の一致性はダイス係数と呼ばれる一致性の指標で評価した。ダイス係数は0～100％で表され、0％が完全不一致、100％が完全一致を意味する。機会学習および評価の結果、人工知能はダイス係数94.4％の精度で膀胱のラベル描出をすることに成功した。
2020年度は、2019年度に得られた成果を米国放射線腫瘍学会(ASTRO)の学術大会で発表した。2020年度は新型コロナウイルスの流行に伴い現地での学会発表が不可能であったため、オンラインでのポスター発表となった。本研究により、放射線治療中にMRI画像を取得することで膀胱の輪郭を高い精度で自動描出することが可能であることが示された。今後は画像上同定が困難な表在性の膀胱腫瘍に関しても自動描出する技術を開発し、より腫瘍に限局した放射線治療を実現することを目指している。今回の研究では臓器の辺縁部分での描出精度低下が課題として残され、今後の研究では三次元データによる機械学習技術の導入を検討している。

Research Products

• [Presentation] Automatic bladder delineation on MR images using a convolution neural network for online image-guided radiotherapy (2020)
  • Author(s): Kentaro Nishioka, Yusuke Nomura, Takayuki Hashimoto, Rumiko Kinoshita, Norio Katoh, Hiroshi Taguchi, Koichi Yasuda, Takashi Mori, Yusuke Uchinami, Manami Otsuka, Taeko Matsuura, Seishin Takao, Ryusuke Suzuki, Sodai Tanaka, Takaaki Yoshimura, Hidefumi Aoyama, Shinichi Shimizu
  • Organizer: 62nd ASTRO Annual meeting
  • Int'l Joint Research