AI-based recognize supporting technologies for daily CT-image guidance on liver caner proton therapy

基于AI识别的肝癌质子治疗日常CT影像指导支撑技术

• 批准号: 22K07788
• 负责人: 前田 嘉一
• 金额: $ 2.66万
• 依托单位: 福井県立病院(陽子線がん治療センター(陽子線治療研究所))
• 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-22K07788/
• 关键词: 陽子線治療; CT画像誘導; 肝細胞がん; 自動輪郭生成; 疑似画像生成; 深層学習; 適合放射線治療; 陽子線がん治療; CT画像誘導治療; 肝臓がん; 適合治療

肝臓がんの陽子線治療はその有効性が認識され、2022年度より一般国民保険の対象となった．今後、治療患者数の増加が予想されるため、より安全な治療実践のための研究開発が必要である．特に、がん部の位置は柔らかな肝臓内部にあり、臓器変形によって変わるため日々の治療において画像誘導による位置確認が必要である．本研究は当院の肝細胞がん陽子線治療で取得したMRI画像とCT画像を利用して深層学習モデルを構築し、画像誘導用CT画像における病巣部の視覚認識を支援する技術開発を行う．2022年度は、219症例について治療計画用CT画像とMR画像（T12強調画像、Gd-EOB-DTPA造影画像）を収集し、肝臓及び視覚的腫瘍体積（GTV）を作成した．GTVはCT画像と造影MR画像を参照して医師が作成した．この造影MR画像は、患者にGd-EOB-DTPAを投与して撮像される．造影剤を取り込んだ正常な肝細胞領域は高信号、取り込む機能が低下した腫瘍領域は低信号となる．この造影MR画像が持つ信号特性を、画像誘導用CT画像から疑似的に生成することが可能となれば、GTVの自動生成機能と連携することによって、病巣部の視覚支援が可能になると考えた．始めに上記画像と輪郭情報の匿名化データを作成し、研究に利用するデータ環境を整備した．次に、深層学習モデルU-Netを利用して、1) CT画像上の肝臓輪郭、2)CT画像と造影MR画像上にGTV輪郭を自動生成するソフトを開発した．また、同じモデルとCT画像と造影MR画像の対データを利用して、3)CT画像から疑似的に造影MR画像を生成するモデルを開発した．それぞれのモデルについて、ダイス係数による教師データと予測輪郭の一致度の評価、疑似造影MR画像と教師データの信号一致度の評価をそれぞれ行い、CT画像によるがん病巣部認識の支援方法について検討を行った．

In 2022, the general national protection and the corresponding image were recognized. In the future, the number of patients treated will increase, and the development of safe treatment will be necessary. The position of the special part is soft and soft. The position of the special part is soft This study aims to develop techniques for obtaining MRI images and CT images of liver cells in our hospital for X-ray therapy, using deep learning techniques to construct CT images for image induction, and supporting visual recognition of disease sites. In 2022, 219 cases were treated with CT images for treatment planning.(T12 emphasized image, Gd-EOB-DTPA contrast image) collection, liver and vision tumor volume (GTV) to create.GTV CT image and contrast MR image to create reference. MR imaging of the patient and Gd-EOB-DTPA imaging. The contrast medium has high signal intensity in the normal liver cell area and low signal intensity in the tumor area. MR imaging features, CT imaging for image induction, suspect generation, possibility, GTV automatic generation function, connection, vision support for disease department, etc. The first is to record the anonymous information of the wheel and to prepare the environment for the study. Second, deep learning U-Net utilization, 1) liver rotation on CT images, 2) automatic generation of GTV rotation on CT images and MR images 3)CT images and MR images can be used to generate suspected MR images. The evaluation of consistency of predicted wheel profile, evaluation of signal consistency of suspected contrast MR image and teacher data, evaluation of CT image, evaluation of support method for disease recognition, etc.

项目成果

深層学習による CT 画像の骨盤腔内臓器の領域検出

利用深度学习对CT图像中盆腔内脏器官进行区域检测

• 发表时间: 2022
• 作者: Yusuke Yagai; Hiroyuki Mishima; Nobuhiro Furuyama;谷貝祐介・古山宣洋・三嶋博之;中山友瑛，片山正純;五十嵐匠，西川文崇，片山正純;牧野晴太，澤田桂舟，片山正純;東野航大，片山正純，前田嘉一
• 通讯作者: 東野航大，片山正純，前田嘉一

CT画像誘導陽子線がん放射線治療における日々の体内臓器変化による治療効果への影響評価と適合治療へ向けた研究開発

CT图像引导质子束癌症放疗中日常身体器官变化对治疗效果的影响评估及适应性治疗的研发

• 发表时间: 2022
• 作者: Bou Sayuri;Takamatsu Shigeyuki;Matsumoto Sae;Asahi Satoko;Tatebe Hitoshi;Sato Yoshitaka;Kawamura Mariko;Shibata Satoshi;Kondou Tamaki;Tameshige Yuji;Maeda Yoshikazu;Sasaki Makoto;Yamamoto Kazutaka;Sunagozaka Hajime;Aoyagi Hiroyuki;Tamamura Hiroyasu;Kobaya;前田 嘉一
• 通讯作者: 前田 嘉一