頭頸部がんに対する適応陽子線治療における計画MRIを用いたCBCTベースCT合成の強化：深層学習アプローチ

科学分野:

• 医用画像処理
• 放射線療法物理学
• 医療における人工知能

背景:

• 陽子線治療（PT）は、CTデータを使用して頭頸部がん（HC）を精密に治療します。
• 適応陽子線治療（APT）は解剖学的変化を補正しますが、品質の限られたCBCTに依存しています。
• CBCTにはアーチファクトがあり、解像度が低いため、線量精度に影響を与えます。

研究 の 目的:

• MRIとCBCTを統合することにより、APTのための合成CT（sCT）生成を改善すること。
• PT治療計画における軟部組織の描写と線量計算の精度を向上させること。
• MRIを用いたCBCTベースCT合成のための深層学習モデルを評価すること。

主な方法:

• CBCTおよびT1強調MRIからCTスキャンを合成するために、Pix2Pix条件付き敵対的生成ネットワーク（cGAN）を開発しました。
• ResUnetおよびSwinUnetアーキテクチャをcGANジェネレーターとしてテストしました。
• 比較のために、CBCTのみのCycleGANを使用しました。

主要な成果:

• MRIデータの統合は、特に眼や脳室などの軟部組織において、sCTの品質を大幅に向上させました。
• MRIを組み込んだPix2Pix-ResUnetモデルは、CBCTのみのモデルや他の深層学習アプローチよりも優れた性能を示しました。
• MRベースのsCTは、HU誤差を減らし、線量計算の精度を向上させました。

結論:

• MRIの統合は、APTにおけるsCT画像品質と線量精度の向上のために、CBCTベースのCT合成を強化します。
• このアプローチは、より精密な頭頸部がん治療計画に有望です。
• 今後の研究では、より大きなデータセットとAPTにおけるMRI統合の検証が必要です。