肝臓の動きをインターリーブされた2次元シネ磁気共鳴画像で予測するための非定常トランスフォーマーベースモデル
Suzune Shimizu1, Masato Tsuneda2, Kota Abe2
1Graduate School of Science and Engineering, Chiba University, Chiba, Japan.
Medical physics
|December 29, 2025
まとめ
新しい非定常トランスフォーマー（NsTransformers）モデルは、MRガイドオンライン適応放射線療法（MRgOART）用の磁気共鳴（MR）肝臓運動を正確に予測します。このモデルはシステム遅延を補償し、治療中のマルチリーフコリメータ（MLC）追跡の精度を向上させます。
科学分野:
- 医用物理学
- 放射線腫瘍学
- 医療における人工知能
背景:
- MRガイドオンライン適応放射線療法（MRgOART）は、毎日の計画適応とリアルタイム運動管理を可能にします。
- MRgOART中のマルチリーフコリメータ（MLC）追跡における約300ミリ秒の遅延は、治療精度を損なう可能性があります。
- 呼吸誘発性肝臓運動の予測モデルは、システム遅延を補償し、正確なMLC追跡を達成するために不可欠です。
研究 の 目的:
- 非定常トランスフォーマー（NsTransformers）とシネMR画像を使用した呼吸運動予測モデルを開発する。
- NsTransformersモデルの性能をiTransformers、biLSTM-ATT、LSTM、線形回帰モデルと比較評価する。
- MRgOARTにおけるリアルタイム臨床アプリケーションのためのNsTransformersの可能性を評価する。
主な方法:
- MRガイドオンライン適応放射線療法（MRgOART）を受けている17人の肝臓がん患者が対象となりました。
- 冠状および矢状のシネMR画像は、肝臓の動きを定義するために強度ベースの変形可能な画像レジストレーションを使用して分析されました。
- データ拡張技術が適用され、NsTransformersは200、400、および600ミリ秒の間隔で将来の肝臓の位置を予測するように訓練されました。
主要な成果:
- NsTransformersモデルは、すべての予測間隔（p < 0.05）で、比較モデルすべてを上回る予測精度を示しました。NsTransformersは、優れた二乗平均平方根誤差（RMSE）と高いマージンベースの精度を達成しました。モデルの計算時間は予測あたり約5ミリ秒であり、リアルタイムアプリケーションに適していますが、不規則な呼吸運動では精度が低下しました。
結論:
- 新しいNsTransformersベースのモデルは、インターリーブされたシネMR画像から呼吸誘発性肝臓運動を効果的に予測します。
- 開発されたモデルは、既存の方法と比較して優れた予測精度を示します。
- このNsTransformersモデルは、MRgOART MLC追跡における遅延問題の軽減に大きな可能性を秘めています。
