深層学習による腫瘍構造を反映したホウ素濃度推定法の確立

利用深度学习建立反映肿瘤结构的硼浓度估计方法

• 批准号: 22K07675
• 负责人: 佐藤 英介
• 金额: $ 2.75万
• 依托单位: Juntendo University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K07675/
• 关键词: ホウ素中性子捕捉療法; 深層学習; 腫瘍構造; ホウ素濃度; 脳腫瘍

本研究では，ホウ素中性子捕捉療法（BNCT）における“ホウ素濃度の最適化”と“患者への投与線量の低減”を目指し，腫瘍構造を反映したホウ素濃度推定法の確立を目的とする．ホウ素濃度の推定に向け，深層学習における数理モデルを腫瘍画像解析に組み合わせる．開発プロセスのマイルストーンとして，[1：MR画像から腫瘍領域の特徴量を抽出] - [2：超解像でPET画像を高解像化] - [3：腫瘍領域の特徴量とPET画像（高解像）を入力してSUVを出力] - [4：出力されたSUVを従来手法のSUVと比較して臨床的妥当性を評価] を設定する．エンドポイントは，“MR画像から抽出した腫瘍領域の特徴量”と“超解像したPET画像（高解像）”を入力して“腫瘍構造が反映されたSUV”を出力する数理モデルの構築であり，腫瘍構造を反映したホウ素濃度推定法を確立することにより，BNCTの治療成績向上を目指す．令和4年度は，[1：MR画像から腫瘍領域の特徴量を抽出]をマイルストーンに設定した．はじめに，Pythonを用いてU-netを実装し，MR画像から腫瘍領域を抽出するネットワークの構築に取り組んだ．次に，95名分のMR画像（T1強調画像・造影T1強調画像・FLAIR画像）をトレーニングデータとして学習を行った後，15名分のMR画像（T1強調画像・造影T1強調画像・FLAIR画像）をテストデータとして腫瘍領域抽出画像を出力した．最後に，テストで得られた腫瘍領域抽出画像の一致率をJaccard係数で評価し，腫瘍領域抽出画像の視覚的評価を行った．その結果，テストデータ（15名分）の一致率は5.31～60.0%であった．本研究の結果から，本研究で構築した腫瘍領域の抽出精度は高くなく，より高い精度で腫瘍領域を抽出するために課題を解決する必要がある．

This study aims to optimize the concentration of biotin in BNCT and reduce the dosage of biotin in patients, and to establish a method for estimating biotin concentration based on tumor structure. The estimation direction of the concentration of the pigment, the deep learning, the mathematical model, the image analysis, the composition, etc. [1: Extraction of features of MR image from tumor area] - [2: High resolution of PET image] - [3: Entry force of features of tumor area and PET image (high resolution)] - [4: Entry force of SUV from SUV to SUV and comparison of SUV to clinical appropriateness] "MR image extraction features of tumor area""super resolution PET image (high resolution)""tumor structure reflection SUV""mathematical construction""tumor structure reflection""BNCT treatment results upward". In the fourth year of the order,[1: MR image selection field feature extraction] is set. Python is used to install U-net, MR image is used to extract the field, and the structure is used to construct it. Next, 95 sub-MR images (T1 emphasized image·contrast T1 emphasized image·FLAIR image) were extracted from 15 sub-MR images (T1 emphasized image·contrast T1 emphasized image·FLAIR image). Finally, we get the Jaccard coefficient of the consistency rate of the extracted images from the selected areas and the evaluation of the extracted images from the selected areas. The results showed that the agreement rate of test results (15 points) was 5.31~60.0%. The results of this study indicate that it is necessary to solve the problem of extracting tumor domain with high precision.