Image quality improvement of Cone-beam CT by use of deep learning and transfer learning

点击翻译按钮获取中文摘要

放射線治療におけるCone-beam CT（CBCT）は、画像誘導放射線治療において照射の位置照合に使用されているが、治療効果を向上させる様々な発展的利用が期待されている。CBCTはコーン状の線束を用いることから散乱線によるノイズが顕著であり、画質改善はその有効利用において必須の要素技術である。本研究は深層学習を用いてCBCTを画質改善し、その発展的利用法を検討するとともに、画質改善技術を他施設や他部位の画像にも汎化性をもって適用できる枠組みを構築することを目的とする。当該年度は以下を実施した。１）敵対的ネットワーク（Generative Adversarial Network: GAN）を用いたCBCT画質改善技術を、megavoltage CT（MVCT）に応用し、ロス関数の改良により、少ない症例数でMVCTを画質改善する新たな手法を構築した。２）発展的利用として、特徴量解析による放射線治療後の予後予測モデルの構築を行った。３）発展的利用として、深層学習を用いた臓器の自動輪郭抽出を検討した。特に２）については、CBCTの発展的利用のための探索研究の一つとして、救急医学分野の医用画像の特徴量解析を行い、画質が特徴量に与える影響を精査した。本研究については日本医学物理学会で発表を行った。