サイクルGANを用いた転移性脳腫瘍へのマルチモダリティ画像誘導放射線治療法の実現

使用循环GAN实现转移性脑肿瘤的多模态图像引导放疗

基本信息

批准号：
22K07778
负责人：
臼井桂介
金额：
$ 2.66万
依托单位：
Juntendo University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

项目摘要

本研究課題では、転移性脳腫瘍に対する高精度放射線治療法の照射精度を支援するための画像情報を人工知能を用いて構築することを目指しており、本研究ではCTおよびコーンビームCTとMRIを相互画像変換したマルチモダリティ画像誘導放射線治療法を実現することが目的である。当該年度の研究計画は、サイクル敵対生成ネットワークによる深層学習のための入力画像データベースの構築を構築することと、相互画像変換処理を実現する独自の深層学習モデルの整備することであった。当該年度は深層学習用の頭部画像データを収集するため、世界中の公開画像データベースを検索し、放射線治療用画像の学習に転用可能なCT、MRIおよびコーンビームCT画像を抽出した。その結果、CTおよびMRI画像は5000枚以上の画像データを確保可能であるが、コーンビームCT画像の公開データは非常に小数であることがわかった。本研究の深層学習に利用可能な頭部画像データ（CTおよびMRI）は、提供先の承認を得た後の自施設のデータサーバにダウンロードし、深層学習に利用可能な環境を構築した。次に相互画像変換処理のための深層学習モデルとして、先行してサイクル敵対生成ネットワークを構築し、その画像合成精度を検証した。検証には胸部CT画像および胸部コーンビームCT画像を利用し、低画質の胸部コーンビームCT画像を高画質な胸部CT画像へ合成する深層学習モデルを構築した。その結果、合成画像は原画像の画質の大きく近づき、画像を構成する画素値も原画像のCT値に近似した値を示すことができた。さらに本合成画像を用いた放射線治療の線量計算分布を計算したところ、合成した胸部コーンビームCT画像の線量計算値は通常の胸部CT画像のものと約5%以下の精度で一致することができた。本研究内容は論文化し、2編の英語論文を公開することができた。

该研究主题旨在使用人工智能构建图像信息，以支持转移性脑肿瘤的高精度放射治疗的准确性，这项研究的目的是实现一种多模式图像引导的放射治疗方法，该方法涉及CT，锥形束CT和MRI的相互图像转换。今年的研究计划是建立一个输入图像数据库，用于使用自行车对手网络进行深度学习，并开发出独特的深度学习模型，以实现相互的图像转换处理。在今年，为了收集头像数据以进行深度学习，我们搜索了世界各地的公共图像数据库，并提取了CT，MRI和Cone Beam CT图像，这些图像可重复用于学习放射治疗图像。结果，发现CT和MRI图像可以保护5,000多个图像数据，但是锥形束CT图像的已发布数据非常十进制。在提供商批准后，将本研究中可用于深度学习的Head图像数据（CT和MRI）下载到您的设施的数据服务器，创建了一个可用于深度学习的环境。接下来，作为用于相互图像转换处理的深度学习模型，预先构建了一个循环对手生成网络，并验证了图像合成精度。为了进行验证，我们使用胸部CT图像和胸锥CT图像来构建一个深度学习模型，该模型将低质量的胸部锥束CT图像结合到高质量的胸部CT图像中。结果，复合图像显着接近原始图像的图像质量，并且构成图像的像素值也能够显示近似于原始图像的CT值的值。此外，当使用本合成图像计算放射治疗的剂量计算分布时，将合成的胸部锥束CT图像的剂量计算值与正常胸部CT图像的精度相匹配。讨论了这项研究，并发表了两篇英文论文。

项目成果

期刊论文数量（0）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

サイクル敵対生成ネットワークを用いた胸部4次元コーンビームCTによる適応放射線治療法の実現

利用循环对抗生成网络实现胸部 4D 锥形束 CT 自适应放疗

DOI：
发表时间：
2022
期刊：
影响因子：
0
作者：
臼井桂介;礒邊哲;原直哉;尾川浩一
通讯作者：
尾川浩一

A cycle generative adversarial network for improving the quality of four-dimensional cone-beam computed tomography images.

DOI：
10.1186/s13014-022-02042-1
发表时间：
2022-04-07
期刊：
Radiation oncology (London, England)
影响因子：
0
作者：
Usui K;Ogawa K;Goto M;Sakano Y;Kyougoku S;Daida H
通讯作者：
Daida H

シミュレーションデータを用いた条件付き敵対生成ネットワークによるスパース投影CTの画質改善

使用模拟数据的条件生成对抗网络改善稀疏投影 CT 的图像质量

DOI：
发表时间：
2022
期刊：
影响因子：
0
作者：
神山彩絵;臼井桂介;室伊三男;有田晃大;後藤政実;坂野康昌;京極伸介;代田浩之
通讯作者：
代田浩之

Image Quality Improvement for Chest Four-Dimensional Cone-Beam Computed Tomography by Cycle-Generative Adversarial Network

通过循环生成对抗网络提高胸部四维锥形束计算机断层扫描的图像质量

DOI：
10.11409/mit.40.37
发表时间：
2022
期刊：
Medical Imaging Technology
影响因子：
0
作者：
Keisuke USUI;Koichi OGAWA;Masami GOTO;Yasuaki SAKANO;Shinsuke KYOGOKU;Hiroyuki DAIDA
通讯作者：
Hiroyuki DAIDA

条件付き敵対生成ネットワークによる頭部MRIのモーションアーチファクトの補正効果

使用条件生成对抗网络校正头部 MRI 运动伪影的效果