放射線治療における幾何学的誤差に関する患者個別最適化を可能にするシステムの開発

开发一种系统，可以针对放射治疗中的几何误差对个体患者进行优化

• 批准号: 18J22705
• 负责人: 黒澤 知征
• 金额: $ 1.79万
• 依托单位: Tokyo Women's Medical University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2018
• 资助国家: 日本
• 起止时间: 2018-04-25 至 2021-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-18J22705/
• 关键词: 画像誘導放射線治療; セットアップエラー; ディープラーニング; 放射線治療; 線量計算; CBCT; IGRT

GPUで高速を図る前の段階でプログラムを見直し、CPUで臨床で使用できるレベルまで高速化を図る必要がある。その際、線量分布と計算速度と計算精度は反比例する可能性があるため、まず先んじてその影響を評価を進めている。また同時に実際の患者のセットアップエラー情報から確率密度分布を作成するにあたり、高速CBCT撮影に焦点を当てている。この高速CBCT画像は再構成に使用する投影データが減少するために、アーチファクトやノイズが生じ、画質が劣化するため正確なセットアップエラーの情報を得られない可能性がある。したがってdeep learningを使用した画質改善の実現可能性を調査した。15名の前立腺癌患者のCBCT画像を収集し、通常のスキャン速度、2倍および4倍のスキャン速度で取得されたCBCT画像をそれぞれCBCT100％、CBCT50％およびCBCT25％と定義した。CBCT50％の画質は、先行研究でIGRT精度に影響を与えないことが報告されているため、画質基準として使用した。 deep convolutinal neural network(DCNN)モデルには、アーチファクトの除去やセグメンテーションに用いられるU-netを使用した。CBCT25％を入力画像、対応するCBCT100％を教師画像としてトレーニングした。 DCNNによって生成されたCBCT画像（CBCT25％+ DCNN）の大腿骨頭および前立腺内のCT値をCBCT50％と比較した結果、有意な差が見られず同等であったことから、CBCT25％+ DCNNはIGRTに使用できるCT値の精度を有していることが示唆された。

在使用GPU来实现高速之前，有必要审查程序并将其加快速度达到可以在CPU上临床使用的水平。目前，剂量分布，计算速度和计算准确性可能是成反比的，因此我们首先开始评估效果。同时，在从实际的患者设置错误信息中创建概率密度分布时，重点是高速CBCT成像。这种高速CBCT图像可以减少用于重建的投影数据，从而导致伪影和噪声，图像质量恶化，从而使获得准确的设置错误信息成为可能。因此，我们研究了使用深度学习提高图像质量的可行性。收集了15例前列腺癌患者的CBCT图像，并以正常扫描率获得的CBCT图像，2倍和4倍扫描率分别定义为CBCT 100％，CBCT 50％和CBCT 25％。 50％CBCT的图像质量被用作图像质量标准，因为先前的研究报告说，它对IGRT准确性没有影响。深度综合神经网络（DCNN）模型使用U-NET，用于移除和分割。 CBCT被培训为输入图像，相应的CBCT 100％作为教师图像。比较DCNN与50％CBCT产生的CBCT图像（CBCT25％ + DCNN）中的CT值（CBCT25％ + DCNN），没有发现且可比较的显着差异，这表明CBCT25％ + DCNN具有可用于IGRT的CT值的准确性。

项目成果

An evaluation of the image quality for high-speed kV-CBCT imaging using deep convolutional neural network

使用深度卷积神经网络评估高速 kV-CBCT 成像的图像质量

• 发表时间: 2020
• 作者: Minoru Eto;Yu Hamada;Masafumi Kurachi;Muneto Nitta;濱田佑;濱田佑;Yu Hamada;Yu Hamada;Yu Hamada;Yu Hamada;Yu Hamada;Yu Hamada;Yu Hamada;濱田佑;濱田佑;濱田佑;Yu Hamada;Yu Hamada;Yu Hamada;Tomoyuki Kurosawa
• 通讯作者: Tomoyuki Kurosawa

高速CBCT撮影における画質改善に向けたニューラルネットワークの構築

构建神经网络以提高高速 CBCT 成像的图像质量

• 发表时间: 2019
• 作者: Minoru Eto;Yu Hamada;Masafumi Kurachi;Muneto Nitta;濱田佑;濱田佑;Yu Hamada;Yu Hamada;Yu Hamada;Yu Hamada;Yu Hamada;Yu Hamada;Yu Hamada;濱田佑;濱田佑;濱田佑;Yu Hamada;Yu Hamada;Yu Hamada;Tomoyuki Kurosawa;黒澤知征
• 通讯作者: 黒澤知征