2022 Fiscal Year Research-status Report
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
| Project/Area Number |
22K15804
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
平島 英明 京都大学, 医学研究科, 特定助教 (10848229)
|
|---|
| Project Period (FY) |
2022-04-01 – 2024-03-31
|
| Keywords | 放射線治療 / 医学物理 / AI / CBCT / 適応放射線治療 |
|---|
| Outline of Annual Research Achievements |
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害となっている．そこで本研究では，汎用的な治療装置を用いた即時ARTを実現するために，体輪郭欠損cone-beamCT（CBCT）の画質改善，及び，体輪郭補完のための画像再構成技術を開発することを目的とする．具体的には，①体輪郭欠損CBCT特有の画質を治療計画CTと同等に改善する深層学習を構築，②体輪郭欠損CBCTの体輪郭を補完する深層学習の構築，③妥当性評価として，治療計画CTと生成画像の電子密度の一致度や，解剖学的構造の変化を評価する．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
体輪郭欠損cone-beam CTの画質改善，及び，体輪郭補完に対応した深層学習画像再構成法を開発した．Generative Adversarial Networks(GAN)をベースにして，Cycle一貫性Lossを加えたCycleGAN，CycleGANを基にGenerator，DescriminatorをU-net構造に改編したU-netGAN，U-netのDiscriminatorで予測結果を画像化し，GeneratorへFeedbackする構造を組み込んだFeedGANの3種類を構築し膵臓患者に対し学習モデルを構築した．
体輪郭欠損cone-beam CTに対して，画質改善を目指した深層学習モデルでは，CycleGANで画質改善の有用性が示唆された．
体輪郭欠損cone-beam CTに対して，体輪郭補完を目指した深層学習モデルでは，CycleGANおよびFeedGANで体輪郭補完の有用性が示唆された．
|
| Strategy for Future Research Activity |
さらなる画質改善および体輪郭補完精度改善に向け，パラメータ調整を行うとともに，新規ネットワークの構築や，他部位での有用性を検討する．
|
| Causes of Carryover |
コロナ禍において学会参加がWeb参加に限定されており，学会参加費のみ支出した．そのため，旅費支出が削減された結果，予定使用額との差が生じた．
|
