JP7389445B2 - 線量分布判定システム、深層学習装置、線量分布判定方法及びコンピュータプログラム - Google Patents

Description

特許法第３０条第２項適用 １．Ｗｅｂ（予稿集） ・アドレス：＜ＵＲＬ：ｔｔｐｓ：／／ｗ３．ａａｐｍ．ｏｒｇ／ｍｅｅｔｉｎｇｓ／２０１８ＡＭ／ｐｒｏｇｒａｍＩｎｆｏ／ｐｒｏｇｒａｍＡｂｓ．ｐｈｐ？ｓｉｄ＝７６６１＆ａｉｄ＝３９７５５＞ 刊行物：Ａｍｅｒｉｃａｎ Ａｓｓｏｃｉａｔｉｏｎ ｏｆ Ｐｈｙｓｉｃｉｓｔｓ ｉｎ Ｍｅｄｉｃｉｎｅ ２０１８ 予稿集 掲載日：平成３０年０５月０８日 ２．学会発表 ・集会名：Ａｍｅｒｉｃａｎ Ａｓｓｏｃｉａｔｉｏｎ ｏｆ Ｐｈｙｓｉｃｉｓｔｓ ｉｎ Ｍｅｄｉｃｉｎｅ ２０１８ 開催日：平成３０年７月３１日 ３．Ｗｅｂ（国立大学法人東北大学ウェブサイト） ・アドレス：＜ＵＲＬ：ｈｔｔｐ：／／ｗｗｗ．ｒａｄｉｏｌ．ｍｅｄ．ｔｏｈｏｋｕ．ａｃ．ｊｐ／ｍｅｄｉｃａｌ－ｐｈｙｓｉｃｓ／ｒｅｓｅａｒｃｈ．ｈｔｍｌ＞ 掲載内容：『人口知能を用いた放射線治療の自動化』 掲載日：平成３０年８月２７日 ４．Ｗｅｂ（国立大学法人東北大学ウェブサイト） ・アドレス：＜ＵＲＬ：ｈｔｔｐ：／／ｗｗｗ．ｒａｄｉｏｌ．ｍｅｄ．ｔｏｈｏｋｕ．ａｃ．ｊｐ／ｍｅｄｉｃａｌ－ｐｈｙｓｉｃｓ／ｎｅｗｓ／２０１８－０７２９．ｈｔｍｌ＞ 掲載内容：学会参加録 掲載日：平成３０年８月２７日 ５．Ｗｅｂ（予稿集） ・アドレス：＜ＵＲＬ：ｈｔｔｐｓ：／／ｄｏｃｓ．ｗｉｘｓｔａｔｉｃ．ｃｏｍ／ｕｇｄ／３１１０ｂｅ＿ｆ２７１ｆ１３２ｃ６２ｆ４ｂ７８８ｆ０７４２６４７６ａ３６９ｂ３．ｐｄｆ＞ 刊行物：Ｔｈｅ １８ｔｈ Ａｓｉａ－Ｏｃｅａｎｉａ Ｃｏｎｇｒｅｓｓ ｏｆ Ｍｅｄｉｃａｌ Ｐｈｙｓｉｃｓ（ＡＯＣＭＰ）ｉｎ ｃｏｎｊｕｎｃｔｉｏｎ ｗｉｔｈ ｔｈｅ １６ｔｈ Ｓｏｕｔｈ－Ｅａｓｔ Ａｓｉａ Ｃｏｎｇｒｅｓｓ ｏｆ Ｍｅｄｉｃａｌ Ｐｈｙｓｉｃｓ 予稿集（１３７頁） 掲載日：平成３０年１１月１１日 ６．学会発表 ・集会名：Ｔｈｅ １８ｔｈ Ａｓｉａ－Ｏｃｅａｎｉａ Ｃｏｎｇｒｅｓｓ ｏｆ Ｍｅｄｉｃａｌ Ｐｈｙｓｉｃｓ（ＡＯＣＭＰ）ｉｎ ｃｏｎｊｕｎｃｔｉｏｎ ｗｉｔｈ ｔｈｅ １６ｔｈ Ｓｏｕｔｈ－Ｅａｓｔ Ａｓｉａ Ｃｏｎｇｒｅｓｓ ｏｆ Ｍｅｄｉｃａｌ Ｐｈｙｓｉｃｓ 開催日：平成３０年１１月１２日

特許法第３０条第２項適用 ７．Ｗｅｂ（予稿集）・アドレス：＜ＵＲＬ：ｈｔｔｐｓ：／／ｗｗｗ．ｊｃｅｒｇ２０１９．ｊｐ／ｉｎｄｅｘ．ｈｔｍｌ＞ 刊行物：日本放射線腫虜学会第３２回高精度放射線外部照射部会学術大会抄録集（６３頁） 掲載日：平成３１年３月２日 ８．学会発表 ・集会名：日本放射線腫瘍学会第３２回高精度放射線外部照射部会学術大会 開催日：平成３１年３月２日

本発明は、線量分布判定システム、深層学習装置、線量分布判定方法及びコンピュータプログラムに関する。

放射線治療のひとつに、強度変調放射線治療（intensity-modulated radiation therapy:ＩＭＲＴ）がある（特許文献１参照）。ＩＭＲＴは、複数の方向から各方向に応じた強度の放射線を患部に照射する治療である。ＩＭＲＴは方向と強度とを変更可能な治療であるため、医者や放射線技師等の治療者は患部における放射線の線量分布を患部の位置や形状に応じてさまざまに決定可能である。そのため、患部の形が不整形で複雑な場合や患部の近くに正常組織が隣接している場合であっても、治療者は患部に適切な線量分布の放射線を照射することができる。

特開２０１８－１８７０８９号公報

しかしながら、これまで患部における放射線の線量分布は治療者が個々の知識や経験に基づいて決定していた。そのため、治療者に応じて線量分布が異なる場合があり、治療者によっては治療が適切でない場合があった。

上記事情に鑑み、本発明は、患部に照射される放射線の線量分布の、治療者に応じた違いを軽減する技術を提供することを目的としている。

本発明の一態様は、放射線の照射対象の患部である対象患部の位置と断面の輪郭とを示す情報である対象患部情報を取得する取得部と、患部の位置と断面の輪郭とを示す情報を説明変数とし前記患部に照射する放射線の線量分布を示す情報を目的変数とする深層学習の学習結果と、前記対象患部情報とに基づいて、前記対象患部に照射する放射線の線量分布を判定する制御部と、を備える線量分布判定システムである。

本発明の一態様は、上記の線量分布判定システムであって、前記深層学習を実行する深層学習部、をさらに備える。

本発明の一態様は、上記の線量分布判定システムであって、前記深層学習における目的変数の線量分布は、正規化された線量分布である。

本発明の一態様は、患部の位置と断面の輪郭とを示す情報を説明変数とし前記患部に照射する放射線の線量分布を示す情報を目的変数とする深層学習を実行する深層学習部、を備える深層学習装置である。

本発明の一態様は、放射線の照射対象の患部である対象患部の位置と断面の輪郭とを示す情報である対象患部情報を取得する取得ステップと、患部の位置と断面の輪郭とを示す情報を説明変数とし前記患部に照射する放射線の線量分布を示す情報を目的変数とする深層学習の学習結果と、前記対象患部情報とに基づいて、前記対象患部に照射する放射線の線量分布を判定する制御ステップと、を有する線量分布決定方法である。

本発明の一態様は、上記の線量分布判定システムとしてコンピュータを機能させるためのコンピュータプログラムである。

本発明の一態様は、上記の深層学習装置としてコンピュータを機能させるためのコンピュータプログラムである。

本発明により、患部に照射される放射線の線量分布の、治療者に応じた違いを軽減することが可能となる。

実施形態の線量分布判定システム１００のハードウェア構成の一例を示す図。 実施形態における出力部２４が表示する対象患部情報の一例を示す図。 実施形態における深層学習装置１が実行する処理の流れの一例を示すフローチャート。 実施形態における線量分布判定装置２が実行する処理の流れの一例を示すフローチャート。 図２に示す対象患部９０１、９０２、９０３及び９０４に照射する放射線の線量分布を線量分布判定装置２が判定した結果の一例を示す図。 図２に示す対象患部９０１、９０２、９０３及び９０４に照射する放射線の線量分布であって、複数の治療者によって決定された放射線の線量分布一例を示す図。 変形例における目的線量分布情報が示す規格化された線量分布である場合に実施形態における制御部２１が判定する線量分布の実験結果の一例を示す図。 変形例の実験において複数の治療者によって決定された放射線の線量分布を示す図。 変形例の実験における目的線量分布情報が平均値正規化線量分布である場合に線量分布候補情報が示す線量分布を示す図。 変形例の実験において目的線量分布情報が示す線量分布であって、対象患部に照射される線量の最大値によって正規化された線量分布を示す図。 変形例における第２分布の値から第１分布の値を引き算した値を示す図。 変形例における第３分布の値から第１分布の値を引き算した値を示す図。

（実施形態）
図１は、実施形態の線量分布判定システム１００のハードウェア構成の一例を示す図である。
線量分布判定システム１００は、放射線治療において対象患部に照射される放射線の対象患部における線量分布を、対象患部情報と所定の深層学習によって予め学習された学習結果とに基づいて判定する。対象患部は、放射線治療における治療の対象となる患部であって、放射線の照射対象の患部である。すなわち、対象患部は放射線治療における標的体積である。対象患部情報は、対象患部の位置と断面の輪郭とを示す情報である。より具体的には、対象患部情報は、同一の対象患部の複数の断面の位置及び輪郭を示す情報である。同一の対象患部の複数の断面は、例えば、所定の一軸上の異なる位置における対象患部の断面であってもよい。放射線治療はどのような放射線治療であってもよく、例えば、強度変調放射線治療（intensity-modulated radiation therapy:ＩＭＲＴ）であってもよい。所定の深層学習は、説明患部情報を説明変数とし、目的線量分布情報を目的変数（すなわち教師データ）とする深層学習である。説明患部情報は、所定の深層学習における学習の過程で用いられる情報であって患部の位置と断面の輪郭とを示す情報である。目的線量分布情報は、所定の深層学習における学習の過程で用いられる情報であり、予め説明患部情報に対応付けられた情報であり、対応先の説明患部情報が示す断面における線量分布を示す情報である。所定の深層学習におけるアルゴリズムは、患部の位置と断面の輪郭と、線量分布との関係を学習可能なアルゴリズムであればどのような深層学習のアルゴリズムであってもよい。所定の深層学習におけるアルゴリズムは、例えば、オートエンコーダのアルゴリズムであってもよい。所定の深層学習におけるアルゴリズムは、例えば、リカレントニューラルネットワークのアルゴリズムであってもよい。所定の深層学習におけるアルゴリズムは、例えば、畳み込みニューラルネットワークのアルゴリズムであってもよい。所定の深層学習におけるアルゴリズムは、例えば、Ｕ－Ｎｅｔであってもよい。以下、患部の位置と断面の輪郭と、線量分布と、の関係を学習する深層学習を線量分布学習という。以下、患部の位置と断面の輪郭と、線量分布との関係を示す情報であって線量分布学習による学習結果を示す情報を関係情報という。

線量分布判定システム１００は、深層学習装置１及び線量分布判定装置２を備える。深層学習装置１は、説明患部情報及び目的線量分布情報に基づき、線量分布学習によって関係情報を学習する。深層学習装置１は、バスで接続されたＣＰＵ（Central Processing Unit）等のプロセッサ９１とメモリ９２とを備える制御部１１を備え、プログラムを実行する。深層学習装置１は、プログラムの実行によって制御部１１、入力部１２、記憶部１３及び通信部１４を備える装置として機能する。なお、深層学習装置１の各機能の全て又は一部は、ＡＳＩＣ（Application Specific Integrated Circuit）やＰＬＤ（Programmable Logic Device）やＦＰＧＡ（Field Programmable Gate Array）等のハードウェアを用いて実現されてもよい。プログラムは、コンピュータ読み取り可能な記録媒体に記録されてもよい。コンピュータ読み取り可能な記録媒体とは、例えばフレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置である。プログラムは、電気通信回線を介して送信されてもよい。

制御部１１（深層学習部）は、深層学習装置１の各機能部の動作を制御する。制御部１１は、説明患部情報及び目的線量分布情報に基づき、線量分布学習によって関係情報を取得する。

入力部１２は、マウスやキーボード、タッチパネル等の入力装置を含んで構成される。入力部１２は、これらの入力装置を自装置に接続するインタフェースとして構成されてもよい。入力部１２は、自装置に対する各種情報の入力を受け付ける。各種情報は、説明患部情報及び目的線量分布情報を含む。

記憶部１３は、磁気ハードディスク装置や半導体記憶装置などの記憶装置を用いて構成される。記憶部１３は深層学習装置１に関する各種情報を記憶する。記憶部１３は、例えば、入力部１２に入力された説明患部情報及び目的線量分布情報を記憶する。記憶部１３は、例えば、線量分布学習の学習結果である関係情報を記憶する。

通信部１４は、自装置と線量分布判定装置２とが通信するための通信インタフェースを含んで構成される。通信部１４は、有線又は無線を介して、線量分布判定装置２と通信する。通信部１４は、ネットワーク９を介して関係情報を線量分布判定装置２に送信する。

線量分布判定装置２は、対象患部情報及び関係情報に基づき、対象患部情報が示す対象患部の各断面における線量分布の候補（以下「線量分布候補」という。）を判定する。線量分布判定装置２は、バスで接続されたＣＰＵ等のプロセッサ９３とメモリ９４とを備える制御部２１を備え、プログラムを実行する。線量分布判定装置２は、プログラムの実行によって通信部２０、制御部２１、入力部２２、記憶部２３及び出力部２４を備える装置として機能する。なお、線量分布判定装置２の各機能の全て又は一部は、ＡＳＩＣやＰＬＤやＦＰＧＡ等のハードウェアを用いて実現されてもよい。プログラムは、コンピュータ読み取り可能な記録媒体に記録されてもよい。コンピュータ読み取り可能な記録媒体とは、例えばフレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置である。プログラムは、電気通信回線を介して送信されてもよい。

通信部２０は、自装置と深層学習装置１とが通信するための通信インタフェースを含んで構成される。通信部２０は、有線又は無線を介して、深層学習装置１と通信する。通信部２０は、ネットワーク９を介して深層学習装置１が送信する関係情報を受信する。通信部２０は、ネットワーク９を介して外部装置から各種情報を受信する。各種情報は対象患部情報を含む。通信部２０には、１つの対象患部情報が入力されてもよいし、複数の対象患部情報が入力されてもよい。複数の対象患部情報の各対象患部情報は同一の面内に位置する異なる複数の対象患部の断面の輪郭を示す。なお、異なる対象患部は、必ずしも異なる臓器又は組織である必要は無い。１つの対象患部は、複数の臓器を含んでもよい。通信部２０は、ＵＳＢ（Universal Serial Bus）等の外部記憶装置と通信し、外部記憶装置から対象患部情報を含む各種情報を取得してもよい。また、通信部２０は、対象患部の各断面における線量分布候補を示す情報（以下「線量分布候補情報」という。）を、ネットワーク９を介して外部装置に送信する。通信部２０は、ＵＳＢ等の外部記憶装置に線量分布候補情報を送信してもよい。

制御部２１は、線量分布判定装置２の各機能部の動作を制御する。制御部２１は、対象患部情報及び関係情報に基づいて対象患部の各断面における線量分布候補を示す情報（以下「線量分布候補情報」という。）を取得する。すなわち、制御部２１は、対象患部情報及び関係情報に基づいて対象患部の各断面における線量分布候補を判定する。制御部２１は、通信部２０が複数の対象患部情報を受信した場合、対象患部情報ごとに線量分布候補情報を取得する。すなわち、線量分布判定装置２は複数の対象患部情報を受信した場合、対象患部情報ごとに対象患部情報が示す対象患部の各断面における放射線の線量分布を判定する。

入力部２２は、マウスやキーボード、タッチパネル等の入力装置を含んで構成される。入力部２２は、これらの入力装置を自装置に接続するインタフェースとして構成されてもよい。入力部２２は、自装置に対するユーザの操作を受け付ける。

線量分布判定装置２に複数の対象患部情報が入力される場合、制御部２１は合成処理を実行してもよい。制御部２１は、合成処理の実行によって、複数の線量分布候補情報が示す同一面内の線量分布に基づき、同一面内の各位置における線量の和を算出する。制御部２１は、合成処理の実行によって、算出した線量の和の分布を示す情報（以下「合成結果情報」という。）を取得する。合成結果情報は、対象患部に照射される放射線の線量分布を示す情報である。

記憶部２３は、磁気ハードディスク装置や半導体記憶装置などの記憶装置を用いて構成される。記憶部２３は線量分布判定装置２に関する各種情報を記憶する。記憶部２３は、例えば、入力部２２に入力された対象患部情報を記憶する。記憶部２３は、例えば、通信部２０を介して受信した関係情報を記憶する。記憶部２３は、例えば、線量分布候補情報を記憶する。

出力部２４は、各種情報を出力する。出力部２４は、例えば、対象患部情報を出力する。出力部２４は、例えば、線量分布候補情報を出力する。出力部２４は、例えば、合成結果情報を出力する。出力部２４は、例えば、ＣＲＴ（Cathode Ray Tube）ディスプレイや液晶ディスプレイ、有機ＥＬ（Electro-Luminescence）ディスプレイ等の表示装置を含んで構成される。出力部２４は、これらの表示装置を自装置に接続するインタフェースとして構成されてもよい。

図２は、実施形態における出力部２４が表示する対象患部情報の一例を示す図である。図２は、同一の面内に位置する異なる複数の対象患部の断面の輪郭を示す。すなわち、図２は、複数の対象患部情報が示す対象患部の断面の輪郭を１つの画像として表示した結果である。異なる対象患部の断面は異なる色又は模様によって示される。図２は、具体的には、対象患部９０１、９０２、９０３及び９０４の４つの対象患部の断面を示す。

図３は、実施形態における深層学習装置１が実行する処理の流れの一例を示すフローチャートである。通信部１４が、説明患部情報及び目的線量分布情報を受信する（ステップＳ１０１）。制御部１１は、説明患部情報及び目的線量分布情報に基づき、線量分布学習によって関係情報を取得する（ステップＳ１０２）。制御部１１は通信部１４を介して関係情報を線量分布判定装置２に送信する（ステップＳ１０３）。

図４は、実施形態における線量分布判定装置２が実行する処理の流れの一例を示すフローチャートである。制御部１１は、通信部２０を介して関係情報を取得する（ステップＳ２０１）。通信部２０が対象患部情報を受信する（ステップＳ２０２）。制御部１１が、対象患部情報及び関係情報に基づいて、対象患部情報が示す対象患部の各断面における線量分布を判定する（ステップＳ２０３）。通信部２０及び出力部２４がステップＳ２０３において判定された線量分布を示す情報を出力する（ステップＳ２０４）。通信部２０が線量分布を示す情報を出力するとは、通信部２０が線量分布を示す情報を、ネットワーク９を介して外部装置に送信することと、ＵＳＢ等の外部記憶装置に送信することとのいずれか一方又は両方である。

（実験結果）
図５及び図６を用いて、線量分布判定装置２が判定した線量分布と治療者が判定した線量分布との違いが小さいことを示す。
図５は、図２に示す対象患部９０１、９０２、９０３及び９０４に照射する放射線の線量分布を線量分布判定装置２が判定した結果の一例を示す図である。すなわち、図５は、線量分布判定装置２が判定した線量分布候補情報の実験結果の一例である。より具体的には、図５は合成結果情報の一例である。図５は、図２に示す対象患部９０１、９０２、９０３及び９０４に照射される放射線の線量分布を示す。

図６は、図２に示す対象患部９０１、９０２、９０３及び９０４に照射する放射線の線量分布であって、複数の治療者によって決定された結果の一例を示す図である。複数の治療者によって決定された結果とは、具体的には、放射線の線量分布が患者にとって望ましいか否かを複数の治療者が検討して決定した結果という意味である。このような複数の治療者が検討して決定する場合、治療者１人当たりが決定に要する時間は３時間や４時間等の数時間である。図６の結果は、図５の結果との違いが小さいことを示す。このことは、線量分布判定装置２が判定した線量分布に基づいた治療計画が患者にとって信頼に足る計画であることを意味する。

このように構成された実施形態の線量分布判定システム１００は、深層学習によって学習された患部の断面の輪郭と線量分布との関係と、対象患部の断面の輪郭とに基づいて、対象患部に照射する放射線の線量分布を判定する。線量分布判定システム１００の判定の結果は、図５及び図６に示すように、複数の治療者が判定した結果の平均値の一例との差が小さい結果である。そのため、線量分布判定システム１００は、患部に照射される放射線の線量分布の、医者や放射線技師等の治療者に応じた違いを軽減することができる。

また、線量分布判定システム１００が線量分布の判定に用いる学習結果は深層学習による学習結果であるため、機械学習による学習結果と異なり、人が特徴量を指定した学習結果ではない。このように、線量分布判定システム１００は人が特徴量を指定した学習結果に代えて人の主観の影響が少ない学習結果を用いて線量分布を判定する。そのため、線量分布判定システム１００が判定する線量分布は、機械学習による学習結果を用いて判定された線量分布よりも人の主観の影響が小さい線量分布である。人の主観の影響が小さいため、線量分布判定システム１００が判定する線量分布は、機械学習による学習結果を用いて判定された線量分布よりも精度の高い線量分布を判定することができる。

また、従来の強度変調放射線治療では、治療者が知識や経験に基づいて線量分布を判定していたため治療計画の作成に時間がかかっていた。例えば、治療計画の作成には数十時間かかる場合があった。そのため、治療計画の作成に要する治療者の負担が大きいという問題があった。一方、線量分布判定システム１００は、治療者の知識や経験に基づかずに線量分布を判定する。そのため、治療計画に要する治療者の負担を軽減することができる。実験結果によれば、従来は作成に１０時間を要した治療計画が、線量分布判定システム１００によって１時間で作成された。

（変形例）
深層学習装置１に入力される目的線量分布情報が示す線量分布は、対象患部における線量の平均値によって正規化された線量分布であってもよい。図７～図１３を用いて、目的線量分布情報が示す線量分布が平均値正規化線量分布である場合に制御部２１が判定する線量分布の実験（以下「変形例の実験」という。）の実験結果を説明する。より具体的には、目的線量分布情報が示す線量分布が最大値正規化線量分布である場合と比較して、説明する。平均値正規化線量分布は、対象患部における線量の平均値によって正規化された線量分布である。最大値正規化線量分布は、対象患部における線量の最大値によって正規化された線量分布である。

図７は、変形例の実験における対象患部情報を示す図である。変形例の実験において対象患部情報は、患部９０１ａ、９０２ａ、９０３ａ及び９０４ａの４つの患部の断面の輪郭を示す。９０１ａは、ＰＴＶを示す。９０２ａは、ＰＴＶと尿道の重複領域を示す。９０３ａは、ＰＴＶと直腸の重複領域を示す。９０４ａは、直腸を示す。図７において、ＰＴＶは、対象患部を示す。

図８は、変形例の実験において複数の治療者によって決定された結果の一例を示す図である。
図８が示す線量分布は、図７に示す患部９０１ａ、９０２ａ、９０３ａ及び９０４ａに照射する放射線の線量分布である。図８は、患部に照射される放射線の線量がＰＴＶと直腸の重複領域に照射される線量よりも多い線量であることを示す。図８は、患部に照射される放射線の線量が直腸に照射される線量よりも多い線量分布であることを示す。なお、図８における複数の治療者によって決定された結果とは、変形例の実験において、放射線の線量分布が患者にとって望ましいか否かを複数の治療者が検討して決定した結果という意味である。図６における複数の治療者によって決定された結果と同様に、このような複数の治療者が検討して決定する場合、治療者１人当たりが決定に要する時間は３時間や４時間等の数時間である。以下、変形例の実験において複数の治療者によって決定された線量分布を第１分布という。

図９は、変形例の実験における目的線量分布情報が平均値正規化線量分布である場合に線量分布候補情報が示す線量分布を示す図の一例である。図９が示す線量分布は、図７に示す患部９０１ａ、９０２ａ、９０３ａ及び９０４ａに照射される放射線の線量分布である。図９は、患部に照射される放射線の線量がＰＴＶと直腸の重複領域に照射される線量よりも多い線量であることを示す。図９は、患部に照射される放射線の線量が直腸に照射される線量よりも多いことを示す。以下、変形例の実験における目的線量分布情報が平均値正規化線量分布である場合に線量分布候補情報が示す線量分布を第２分布という。

図１０は、変形例の実験において目的線量分布情報が示す線量分布であって、対象患部に照射される線量の最大値によって正規化された線量分布の一例を示す図である。図１０に示す線量分布の正規化前の線量分布は、複数の治療者が判定した線量分布の結果の平均の線量分布である。図１０が示す線量分布は、図７に示す患部９０１ａ、９０２ａ、９０３ａ及び９０４ａに照射する放射線の線量分布である。以下、変形例の実験において目的線量分布情報が示す線量分布であって、対象患部に照射される線量の最大値によって正規化された線量分布を第３分布という。

図９及び図１０は、図９が示す線量分布の方が、図１０が示す線量分布よりも図８が示す線量分布に近いことを示す。このことは、制御部２１が判定する線量分布は、目的線量分布情報が示す線量分布が平均値正規化線量分布である場合の方が、目的線量分布情報が示す線量分布が最大値正規化線量分布である場合よりも精度が高いことを示す。精度が高いとは、複数の治療者によって決定された結果に近いことを意味する。次に図１１及び図１２を用い数値によって、制御部２１が判定する線量分布は、目的線量分布情報が示す線量分布が平均値正規化線量分布である場合の方が、目的線量分布情報が示す線量分布が最大値正規化線量分布である場合よりも精度が高いことを示す。図１１及び図１２の結果は、図９及び図１０に示す断面とは異なる位置に位置する断面に対する結果である。図１１及び図１２の結果は、患部９０１ａ、９０２ａ、９０３ａ及び９０４ａに代えて対象患部、直腸及び膀胱の断面に対する結果である。図１１及び図１２において、ＰＴＶは対象患部である。

図１１は、第２分布の値から第１分布の値を引き算した値を示す図である。図１１の１行目は、第２分布におけるＰＴＶのＤ２％の値から第１分布におけるＰＴＶのＤ２％の値を引き算した値の平均値が１．１０％であることを示す。図１１の１行目は、第２分布におけるＰＴＶのＤ２％の値から第１分布におけるＰＴＶのＤ２％の値を引き算した値の標準偏差が±０．６４％であることを示す。平均値と標準偏差とは、具体的には、被験者１５名の結果の平均値と標準偏差とを示す。図１１の２行目は、第２分布におけるＰＴＶのＤ９８％の値から第１分布におけるＰＴＶのＤ９８％の値を引き算した値の平均値が２．５０％であることを示す。図１１の２行目は、第２分布におけるＰＴＶのＤ９８％の値から第１分布におけるＰＴＶのＤ９８％の値を引き算した値の標準偏差が±１．１７％であることを示す。

図１１の３行目は、第２分布における直腸のＶ３５Ｇｙ領域の体積の全体積に対する比の値から第１分布における直腸のＶ３５Ｇｙ領域の体積の全体積に対する比の値を引き算した値の平均値が４．１１であることを示す。図１１の３行目は、第２分布における直腸のＶ３５Ｇｙ領域の体積の全体積に対する比の値から第１分布における直腸のＶ３５Ｇｙ領域の体積の全体積に対する比の値を引き算した値の標準偏差が±２．４３であることを示す。なお、Ｖ３５Ｇｙ領域とは、線量が３５Ｇｙ以上の部位である。図１１の４行目は、第２分布における直腸のＶ５０Ｇｙ領域の体積の全体積に対する比の値から第１分布における直腸のＶ３５Ｇｙ領域の体積の全体積に対する比の値を引き算した値の平均値が４．１１であることを示す。図１０の４行目は、第２分布における直腸のＶ５０Ｇｙ領域の体積の全体積に対する比の値から第１分布における直腸のＶ３５Ｇｙ領域の体積の全体積に対する比の値を引き算した値の標準偏差が±２．４３であることを示す。なお、Ｖ５０Ｇｙ領域とは、線量が５０Ｇｙ以上の部位である。図１１の５行目は、第２分布における直腸のＶ６５Ｇｙ領域の体積の全体積に対する比の値から第１分布における直腸のＶ６５Ｇｙ領域の体積の全体積に対する比の値を引き算した値の平均値が２．０４であることを示す。図１１の５行目は、第２分布における直腸のＶ６５Ｇｙ領域の体積の全体積に対する比の値から第１分布における直腸のＶ６５Ｇｙ領域の体積の全体積に対する比の値を引き算した値の標準偏差が±１．４０であることを示す。なお、Ｖ６５Ｇｙ領域とは、線量が６５Ｇｙ以上の部位である。

図１１の６行目は、第２分布における膀胱のＶ３５Ｇｙ領域の体積の全体積に対する比の値から第１分布における膀胱のＶ３５Ｇｙ領域の体積の全体積に対する比の値を引き算した値の平均値が４．１５であることを示す。図１０の６行目は、第２分布における膀胱のＶ３５Ｇｙ領域の体積の全体積に対する比の値から第１分布における膀胱のＶ３５Ｇｙ領域の体積の全体積に対する比の値を引き算した値の標準偏差が±３．２４であることを示す。図１１の７行目は、第２分布における膀胱のＶ５０Ｇｙ領域の体積の全体積に対する比の値から第１分布における膀胱のＶ５０Ｇｙ領域の体積の全体積に対する比の値を引き算した値の平均値が３．０５であることを示す。図１１の７行目は、第２分布における膀胱のＶ５０Ｇｙ領域の体積の全体積に対する比の値から第１分布における膀胱のＶ５０Ｇｙ領域の体積の全体積に対する比の値を引き算した値の標準偏差が±２．７５であることを示す。図１０の８行目は、第２分布における膀胱のＶ６５Ｇｙ領域の体積の全体積に対する比の値から第１分布における膀胱のＶ６５Ｇｙ領域の体積の全体積に対する比の値を引き算した値の平均値が２．０８であることを示す。図１０の８行目は、第２分布における膀胱のＶ６５Ｇｙ領域の体積の全体積に対する比の値から第１分布における膀胱のＶ６５Ｇｙ領域の体積の全体積に対する比の値を引き算した値の標準偏差が±１．９９であることを示す。

図１２は、第３分布の値から第１分布の値を引き算した値を示す図である。図１２の１行目は、第３分布におけるＰＴＶのＤ２％の値から第１分布におけるＰＴＶのＤ２％の値を引き算した値の平均値が３．１８％であることを示す。図１２の１行目は、第３分布におけるＰＴＶのＤ２％の値から第１分布におけるＰＴＶのＤ２％の値を引き算した値の標準偏差が±１．６４％であることを示す。平均値と標準偏差とは、具体的には、被験者１５名の結果の平均値と標準偏差とを示す。被験者１５名は図１１における被験者１５名と同一である。図１２の２行目は、第３分布におけるＰＴＶのＤ９８％の値から第１分布におけるＰＴＶのＤ９８％の値を引き算した値の平均値が２．２８％であることを示す。図１２の２行目は、第３分布におけるＰＴＶのＤ９８％の値から第１分布におけるＰＴＶのＤ９８％の値を引き算した値の標準偏差が±１．０２％であることを示す。

図１２の３行目は、第３分布における直腸のＶ３５Ｇｙ領域の体積の全体積に対する比の値から第１分布における直腸のＶ３５Ｇｙ領域の体積の全体積に対する比の値を引き算した値の平均値が７．４８であることを示す。図１２の３行目は、第３分布における直腸のＶ３５Ｇｙ領域の体積の全体積に対する比の値から第１分布における直腸のＶ３５Ｇｙ領域の体積の全体積に対する比の値を引き算した値の標準偏差が±４．２４であることを示す。なお、Ｖ３５Ｇｙ領域とは、線量が３５Ｇｙ以上の部位である。図１２の４行目は、第３分布における直腸のＶ５０Ｇｙ領域の体積の全体積に対する比の値から第１分布における直腸のＶ３５Ｇｙ領域の体積の全体積に対する比の値を引き算した値の平均値が５．２８であることを示す。図１２の４行目は、第３分布における直腸のＶ５０Ｇｙ領域の体積の全体積に対する比の値から第１分布における直腸のＶ３５Ｇｙ領域の体積の全体積に対する比の値を引き算した値の標準偏差が±３．７２であることを示す。なお、Ｖ５０Ｇｙ領域とは、線量が５０Ｇｙ以上の部位である。図１２の５行目は、第３分布における直腸のＶ６５Ｇｙ領域の体積の全体積に対する比の値から第１分布における直腸のＶ６５Ｇｙ領域の体積の全体積に対する比の値を引き算した値の平均値が２．７５であることを示す。図１２の５行目は、第３分布における直腸のＶ６５Ｇｙ領域の体積の全体積に対する比の値から第１分布における直腸のＶ６５Ｇｙ領域の体積の全体積に対する比の値を引き算した値の標準偏差が±２．６８であることを示す。なお、Ｖ６５Ｇｙ領域とは、線量が６５Ｇｙ以上の部位である。図１２の６行目は、第３分布における膀胱のＶ３５Ｇｙ領域の体積の全体積に対する比の値から第１分布における膀胱のＶ３５Ｇｙ領域の体積の全体積に対する比の値を引き算した値の平均値が４．４３であることを示す。

図１２の６行目は、第３分布における膀胱のＶ３５Ｇｙ領域の体積の全体積に対する比の値から第１分布における膀胱のＶ３５Ｇｙ領域の体積の全体積に対する比の値を引き算した値の標準偏差が±２．７４であることを示す。図１２の７行目は、第３分布における膀胱のＶ５０Ｇｙ領域の体積の全体積に対する比の値から第１分布における膀胱のＶ５０Ｇｙ領域の体積の全体積に対する比の値を引き算した値の平均値が３．１１であることを示す。図１２の７行目は、第３分布における膀胱のＶ５０Ｇｙ領域の体積の全体積に対する比の値から第１分布における膀胱のＶ５０Ｇｙ領域の体積の全体積に対する比の値を引き算した値の標準偏差が±２．５７であることを示す。図１２の８行目は、第３分布における膀胱のＶ６５Ｇｙ領域の体積の全体積に対する比の値から第１分布における膀胱のＶ６５Ｇｙ領域の体積の全体積に対する比の値を引き算した値の平均値が１．９７であることを示す。図１２の８行目は、第３分布における膀胱のＶ６５Ｇｙ領域の体積の全体積に対する比の値から第１分布における膀胱のＶ６５Ｇｙ領域の体積の全体積に対する比の値を引き算した値の標準偏差が±２．１９であることを示す。

図１１及び図１２は、図１１の各行が示す平均値の平均値は、図１２の各行が示す平均値の平均値よりも小さいことを示す。このことは、制御部２１が判定する線量分布は、目的線量分布情報が示す線量分布が平均値正規化線量分布である場合の方が、目的線量分布情報が示す線量分布が最大値正規化線量分布である場合よりも精度が高いことを示す。

説明患部情報及び対象患部情報が示す輪郭は、例えば、計画標的体積（planning target volume：ＰＴＶ）であってもよい。説明患部情報及び対象患部情報は、例えば、ＣＴ（Computed Tomography）画像であってもよい。線量分布候補情報は、判定線量分布候補を、放射線の本数の分布（放射線フルエンス）によって示してもよい。なお、通信部２０は取得部の一例である。

深層学習装置１及び線量分布判定装置２は、それぞれネットワークを介して通信可能に接続された複数台の情報処理装置を用いて実装されてもよい。この場合、深層学習装置１及び線量分布判定装置２のそれぞれが備える各機能部は、複数の情報処理装置に分散して実装されてもよい。例えば、入力部２２及び制御部２１と、出力部２４とはそれぞれ異なる情報処理装置に実装されてもよい。また、深層学習装置１及び線量分布判定装置２は、必ずしも異なる筐体で構成される必要は無く１つの筐体で構成されてもよい。

以上、この発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。

１００…線量分布判定システム、 １…深層学習装置、 ２…線量分布判定装置、 １１、２１…制御部、 １２、２２…入力部、 １３、２３…記憶部、 １４、２０…通信部、 ２４…出力部

Claims (6)

1. 放射線の照射対象の患部である対象患部の位置と断面の輪郭とを示す情報である対象患部情報を取得する取得部と、
   患部の位置と断面の輪郭とを示す情報を説明変数とし前記患部に照射する放射線の線量分布を示す情報を目的変数とする深層学習の学習結果と、前記対象患部情報とに基づいて、前記対象患部に照射する放射線の線量分布を決定する制御部と、
   を備え、
   前記深層学習における目的変数の線量分布は、前記対象患部における線量の平均値又は最大値によって正規化された線量分布であり、前記平均値又は最大値は前記正規化の対象である前記線量分布の正規化前の線量分布の平均値又は最大値である、
   線量分布判定システム。
2. 前記深層学習を実行する深層学習部、
   をさらに備える請求項１に記載の線量分布判定システム。
3. 患部の位置と断面の輪郭とを示す情報を説明変数とし前記患部に照射する放射線の線量分布を示す情報を目的変数とする深層学習を実行する深層学習部、
   を備え、
   前記深層学習における目的変数の線量分布は、前記対象患部における線量の平均値又は最大値によって正規化された線量分布であり、前記平均値又は最大値は前記正規化の対象である前記線量分布の正規化前の線量分布の平均値又は最大値である、
   深層学習装置。
4. 放射線の照射対象の患部である対象患部の位置と断面の輪郭とを示す情報である対象患部情報を取得する取得ステップと、
   患部の位置と断面の輪郭とを示す情報を説明変数とし前記患部に照射する放射線の線量分布を示す情報を目的変数とする深層学習の学習結果と、前記対象患部情報とに基づいて、前記対象患部に照射する放射線の線量分布を決定する制御ステップと、
   を有し、
   前記深層学習における目的変数の線量分布は、前記対象患部における線量の平均値又は最大値によって正規化された線量分布であり、前記平均値又は最大値は前記正規化の対象である前記線量分布の正規化前の線量分布の平均値又は最大値である、
   線量分布判定方法。
5. 請求項１又は２のいずれか一項に記載の線量分布判定システムとしてコンピュータを機能させるためのコンピュータプログラム。
6. 請求項３に記載の深層学習装置としてコンピュータを機能させるためのコンピュータプログラム。

Images