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

点击翻译按钮获取中文摘要

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。