寡分割高精度放射線治療に資するデータ駆動型アプローチの創出

创建有助于大分割高精度放射治疗的数据驱动方法

基本信息

批准号：
22H03021
负责人：
中村光宏
金额：
$ 10.9万
依托单位：
Kyoto University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (B)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2026-03-31
项目状态：
未结题

项目摘要

CBCT画像上のアーチファクトを除去する方法を開発した．膵臓癌23症例の治療計画用CT(pCT)を使用した．pCTのAxial画像中心に撮影角度が200°の回転撮影を想定した疑似投影画像(synthetic DRR：sDRR)を生成し，疑似CBCT(sCBCT)を再構成した．sCBCT画像のアーチファクトは，sDRR画像生成過程において蠕動運動の大きさや周期等を変動させることで再現した．14症例(910スライス組)のpCT-sCBCTデータのペアを学習データとして，CycleGANとpix2pixを用いてsCBCTのアーチファクト低減(AR)学習モデルを構築した．その後，学習データとは異なる9症例(585スライス組)から生成したpCT-sCBCTデータを用いて，AR処理後のsCBCT画像とpCT画像の画質評価指標(平均絶対誤差：MAE，構造的類似性：SSIM)を算出した．AR処理前のsCBCT画像のMAEおよびSSIMの中央値は60.0 HUおよび0.52であったが，CycleGANでは32.3 HUおよび0.60，pix2pixでは26.9 HUおよび0.62へと改善した．一方，非侵襲な動体追尾照射を実現する方法として，CBCT投影画像から抽出した横隔膜波形を活用した腫瘍位置予測モデル（PM）構築法を開発した．透視撮影の最初の60秒をPM構築時間とし，透視撮影から横隔膜の頭尾方向移動量を高時空間分解能で表すAmsterdam shroud(AS)信号を取得した．4D-CBCT波形の振幅と位相をAS信号により補正した後，外部呼吸信号と補正後波形からPMを構築した．撮影時間の残り10秒間においてPMの予測誤差を算出した．その結果，3次元予測誤差が3 mm以内であった割合は85.3%であった．

我们已经开发了一种删除CBCT图像的工件的方法。使用了23例胰腺癌的治疗计划CT（PCT）。使用200°的旋转图像生成伪投影图像（SDRR），成像角在200°处旋转，并重建了伪CBCT（SCBCT）。通过在SDRR图像生成过程中改变蠕动的大小和周期，可以再现SCBCT图像的伪影。使用来自14个情况（910片集）的PCT-SCBCT数据对，我们使用CycleGan和Pixel2Pix构建了SCBCT的工件还原（AR）学习模型。之后，使用从九种情况（585个切片集）中产生的PCT-SCBCT数据计算出AR处理后的SCBCT图像的图像质量评估指数（平均绝对误差：MAE，结构相似性：SSIM），这些数据与训练数据不同。 AR加工前SCBCT图像的中位数MAE和SSIM值为60.0 HU和0.52，但Cix2Pix的Cyclean Gane Cypergan和26.9 HU和0.62的中位数为32.3 HU和0.60。另一方面，我们开发了一种构建肿瘤位置预测模型（PM）的方法，该方法利用从CBCT投影图像中提取的隔膜波形作为实现非侵入性运动跟踪辐照的方法。透视的前60秒被用作PM的施工时间，阿姆斯特丹罩（AS）信号代表高时空分辨率中隔膜的尾动运动量。在用AS信号校正4D-CBCT波形的振幅和相位后，由外部呼吸信号和校正波形构建了PM。 PM预测错误是通过剩余10秒的拍摄时间计算的。结果，3D预测误差的百分比在3毫米内为85.3％。