Development of precise radiotherapy treatment planning method using spatial imaging feature analysis

点击翻译按钮获取中文摘要

本研究の目的はⅢ期非小細胞肺癌における肺領域の画像特徴量を抽出し，機械学習を用いて解析することにより，放射線肺臓炎と有意な相関を持つ画像特徴量を解明することである．さらに，空間的画像特徴量解析により，放射線肺臓炎が発症しやすい高リスク肺領域を特定することで，放射線肺臓炎を低減する線量分布の作成を可能にする精密放射線治療計画の立案を支援する．これまでに，早期肺がんの定位放射線治療後の放射線肺臓炎に相関する画像特徴量を特定するためにGrade 2以上の放射線肺臓炎を発症した症例とGrade 1以下の症例に分けて，画像特徴量の解析を行なった．相関を持つ画像特徴量を機械学習により順位付けを行なった．選択された画像特徴量を用いて，トレーニング群で構築したモデルをテスト群で検証を行い，モデルのパフォーマンスを評価した．このモデルに用いられた画像特徴量は肺領域のCT画像から得られたものであり，CT値の不均一性などを表した特徴量であった．また，肺領域のパッチ画像を入力信号とした深層学習を用いた放射線肺臓炎予測モデルについても検討を行った．パッチ画像のサイズや画像を抽出する領域について検討した．その結果，Grade 2以上の放射線肺臓炎を分類する転移学習モデルを構築した．これらの結果については国際学会にて発表を行なった．今後は，III期肺癌症例への適用を行い，症例収集から最適な解析手法に関する検討を行い，放射線肺臓炎に有意な画像特徴量を解明する．