放射線治療で得られる疎な医用画像情報に対する深層画像処理の安定要件の探索

放射治疗中获得的稀疏医学图像信息深度图像处理的稳定性要求探讨

• 批准号: 21K12121
• 负责人: 今江 禄一
• 金额: $ 2.41万
• 依托单位: The University of Tokyo
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-21K12121/
• 关键词: 放射線治療; 疎な; 医用画像情報; 深層画像; 安定要件

放射線治療において医用画像は治療前や治療期間内，治療後など多くの場面で用いられている．特に，治療期間内の位置照合時に得られる医用画像情報は情報量が少ない（以下，疎な）一方，治療の効果および副作用に関する生体情報を含有している可能性がある．近年の情報処理技術の発展に伴い，医用画像に対して深層学習を用いた画像処理や解析（以下，深層画像処理）が適用され始めているものの，処理の自由度が高いために解析の安定条件に課題があり，汎用的に利用されていないのが現状である．本研究では，放射線治療で得られる疎な医用画像情報に着目し，安全かつ有効に利用可能な深層画像処理の要件を勘案した上で，深層画像処理の安定化を図ることを目的とする．当該年度は以下のことを実施した．(1) 本研究では高精度放射線治療を実施する患者を対象とし，前年度に引き続き医用画像および基本情報の取得と蓄積を行った．対象疾患および治療法は，限局性前立腺癌に対する体幹部定位放射線治療および頭蓋内腫瘍に対する頭部定位放射線治療とした．(2) 放射線治療を実施するためには，医用画像を用いて標的や正常組織を判別することが必要である．前年度に引き続き，深層画像処理を用いた臓器の判別（セグメンテーション）について，その具体的手法や学習数，適切なハイパーパラメータの探索を行った．探索結果の評価には治療計画時の臓器の判別結果と深層画像処理による結果から類似度を算出した．(3) 深層学習を用いて，CT画像の画質改善や情報が少ないデータから再構成を行う手法を開発している．

Radiation therapy にお にお て medical imaging る before treatment や during treatment and after treatment な <s:1> multiple く <s:1> scenes で use られて られて る る る に, during the period of treatment の location according to timeliness に ら れ る medical portrait は intelligence fewer が な い (below, 疎 な), treatment の unseen fruit お よ び side-effects に masato す る raw intelligence を body contains し て い る possibility が あ る. Recent の intelligence 処 manage technology の 発 exhibition に companion い, medical portrait に し seaborne て deep learning を with い た portrait 処 Richard や parsing (below, deep portraits 処) が applicable さ れ beginning め て い る も の の, 処 Richard の high degrees of freedom が い た め に parsing の stability conditions に subject が あ り, universal に using さ れ て い な い の が status quo で あ る. This study で は, radiation therapy で ら れ る 疎 portraits な medical intelligence に mesh し, security か つ have sharper に may use な deeper portrait 処 Richard の elements を in shenzheng し た で, deeper portrait 処 Richard の stabilization を 図 る こ と を purpose と す る. In that year, た below とを とを とを actually carry out た. (1) this study で は high precision radiotherapy を be applied す を る patients like と seaborne し, before the annual に lead き 続 き medical portrait お よ び basic information stored を と row の っ た. For diseases および treatment methods た, localized anterior adenocarcinoma に vs. する body stem localization radiotherapy および capping abscess に vs. する head localization radiotherapy と た た. (2) radiotherapy を be applied す る た め に は, medical portrait を with い て mark や normal tissue を discriminant す る こ と が necessary で あ る. Before annual に lead き 続 き, deep portrait 処 Richard を with い た viscera の discriminant (セ グ メ ン テ ー シ ョ ン) に つ い て, そ の concrete technique や study number, appropriate な ハ イ パ ー パ ラ メ ー タ の exploration line を っ た. The results of exploration, <s:1> evaluation of the 価に treatment plan, <s:1> discrimination results of the abdominal organs, と deep image processing, による results, ら similarity, を calculation of <s:1> た. (3) deep learning を い て, CT picture の quality improve や intelligence が less な い デ ー タ か ら to constitute を line う gimmick を open 発 し て い る.

项目成果

Training modality conversion models with small data and its application to MVCT to kVCT conversion

小数据训练模态转换模型及其在MVCT到kVCT转换中的应用

• 发表时间: 2021
• 作者: Ozaki S;Kaji S;Nawa K;Imae T;Aoki A;Nakamoto T;Ohta T;Nozawa Y;Haga A;Nakagawa K
• 通讯作者: Nakagawa K

Denoising and Contrast Enhancement of MVCT Using Deep Learning-based Methods

使用基于深度学习的方法对 MVCT 进行去噪和对比度增强

• 发表时间: 2021
• 作者: Ozaki S;Kaji S;Nawa K;Imae T;Aoki A;Nakamoto T;Ohta T;Nozawa Y;Haga A;Nakagawa K
• 通讯作者: Nakagawa K

深層学習を用いて画質改善した位置合わせ用CBCT上における線量分布の再構築

使用深度学习重建 CBCT 的剂量分布，以提高图像质量

• 发表时间: 2021
• 作者: Kubo Norio;Yokobori Takehiko;Takahashi Ryo;Ogawa Hiroomi;Gombodorj Navchaa;Ohta Naoya;Ohno Tatsuya;Saeki Hiroshi;Shirabe Ken;Asao Takayuki;今江禄一，青木淳，竹中重治，松田佳奈子，三枝茂輝，鍛冶静雄，岩永秀幸，阿部修．
• 通讯作者: 今江禄一，青木淳，竹中重治，松田佳奈子，三枝茂輝，鍛冶静雄，岩永秀幸，阿部修．

Image quality enhancement of medical images by use of deep learning with a small amount of training data

利用深度学习和少量训练数据增强医学图像的图像质量

• 发表时间: 2023
• 作者: Kida S;Kaji S;Nawa K;Imae T;Nakamoto T;Ozaki S;Ohta T;Nozawa Y;Nakagawa K.;Sho Ozaki
• 通讯作者: Sho Ozaki

researchmap: 今江禄一

研究地图：今前六一