Impact of dose uncertainty of tracking irradiation in three-dimensional measurements using a polymer-gel dosimetry with deep learning

2020 Fiscal Year Research-status Report

• Project/Area Number: 20K08097
• Research Institution: National Cancer Center Japan
• Principal Investigator: 橘 英伸 国立研究開発法人国立がん研究センター, 東病院, 室長 (20450215)
• Project Period (FY): 2020-04-01 – 2023-03-31
• Keywords: 深層学習 / ゲル線量計 / 雑音除去 / 高速撮影

Outline of Annual Research Achievements

研究ではゲル線量計に注目した。ゲル線量計は、Dead spaceは存在せず、すべての領域が測定可能領域である（図３）。一方、この測定可能域の線量値を可視化するにはMR（Magnetic Resonance）装置が現状必須である。また、取得する画像の要件としてゲル線量計の測定精度の面から高画質で高解像度である必要があることから、複数の二次元断面から構成される三次元の画像化をするためには数時間以上の撮像時間が必要である（図４上）。これは臨床や研究でも許容できるレベルではない。これは臨床利用されている検出器の測定結果取得時間と比較すると非常に長く、ゲル線量計を臨床で利用しない要因の一つとなっている。また、研究での実際のゲル線量計の利用方法は必要な二次元断面を１断面任意に選択しているのが実際である。この任意面の選択は長所であるが、ゲル線量計の潜在能力を最大限まで生かせていない上、様々な領域の線量分布の差を検証することができない。
本研究では呼吸移動を伴う腫瘍への強度変調放射線治療の患者毎の治療精度を治療前に明確化するため、実際の臨床および研究でゲル線量計を「三次元測定器」として利用する ことを実現することを目的とし、研究開発を行う。そのために深層学習を応用して、短時間撮像のMR画像から長時間で撮影したMR画像と同レベルの画像を生成する技術を開発・実装する。
2020年度は深層学習における高解像度化やノイズ低減(Deep learning - High resolution and Noise reduction, DL-HRNR)の開発と実装であり、DL-HRNRの開発および実装を行った。このアルゴリズムのベースはHanらの報告を参考に実施する。Hanらは診断で利用 するMR画像の高解像度化およびノイズ低減に成功している9。本研究の核となる深層学習のプログラムを外部委託し、意図通りに開発が完了したことを確認した。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

本研究の核となる深層学習のプログラムを外部委託し、意図通りに開発が完了したことを確認した。

Strategy for Future Research Activity

深層学習用のゲル線量計のデータを取得する。どのようなデータが教師データとして良いかを検討する。どの程度のデータ数、スライス数が必要かを検討する。

Causes of Carryover

計画通り利用した結果、20000円が余ったため、次年度に回すこととした。