特許ウォッチ

公開番号2025126611
公報種別公開特許公報(A)
公開日2025-08-29
出願番号2024022931
出願日2024-02-19
発明の名称フルエンスマップの推定方法および推定モデルの生成方法、学習済モデル、フルエンスマップの推定システム、制御プログラムおよび記録媒体
出願人国立大学法人広島大学
代理人弁理士法人 HARAKENZO WORLD PATENT & TRADEMARK
主分類A61N 5/10 20060101AFI20250822BHJP(医学または獣医学;衛生学)
要約【課題】照射線量テストでの合格可能性が高いフルエンスマップを生成する。
【解決手段】放射線治療におけるフルエンスマップの推定方法であって、放射線治療の対象となる第1患者の第1線量分布マップを取得する取得ステップ(S3)と、過去に放射線治療の対象となった第2患者における、照射線量テスト結果が良好であった特定フルエンスマップおよび対応する特定線量分布マップとが対応付けられた学習用データを用いて機械学習された学習済モデルに第1線量分布マップを入力し、第1フルエンスマップの推定結果を出力する推定ステップ(S4、S5)と、を含む。
【選択図】図3
特許請求の範囲【請求項１】
コンピュータにより実行される、放射線治療におけるフルエンスマップの推定方法であって、
前記コンピュータに、
前記放射線治療の対象となる第１患者に対して作成された第１線量分布マップを取得する取得ステップと、
過去に前記放射線治療の対象となった第２患者に対して作成された第２フルエンスマップのうち、前記第２フルエンスマップに基づく照射線量テストの結果が所定の基準よりも良好であった特定フルエンスマップと、前記特定フルエンスマップの作成に用いられた特定線量分布マップとが対応付けられた第１学習用データを用いて機械学習された第１学習済モデルに、前記第１線量分布マップを入力し、前記第１線量分布マップに対応する第１フルエンスマップの推定結果を出力する推定ステップと、を実行させるフルエンスマップの推定方法。
続きを表示（約 1,600 文字）【請求項２】
前記第１学習済モデルは、
前記特定線量分布マップと前記特定フルエンスマップとの間の関係を学習した生成器を含み、
前記生成器は、前記第１線量分布マップから前記第１フルエンスマップを生成する機能を有する、請求項１に記載のフルエンスマップの推定方法。
【請求項３】
前記コンピュータに、さらに、
前記特定線量分布マップの作成に用いられた特定医用画像と、前記特定線量分布マップとの間の関係を学習した生成器を含む敵対的生成ネットワークおよびＶｉｓｉｏｎＴｒａｎｓｆｏｒｍｅｒを組み合わせた機械学習アルゴリズムにより機械学習された第２学習済モデルを用いて、前記第１患者の第１医用画像から、前記第１線量分布マップを生成させる、請求項１に記載のフルエンスマップの推定方法。
【請求項４】
コンピュータにより実行される、放射線治療におけるフルエンスマップを推定する推定モデルの生成方法であって、
前記コンピュータに、
過去に前記放射線治療の対象となった第２患者に対して作成された第２フルエンスマップのうち、前記第２フルエンスマップに基づく照射線量テストの結果が所定の基準よりも良好であった特定フルエンスマップと、前記特定フルエンスマップの作成に用いられた特定線量分布マップとが対応付けられた第１学習用データを用いて前記推定モデルの機械学習を実行させる、推定モデルの生成方法。
【請求項５】
放射線治療におけるフルエンスマップを推定する学習済モデルであって、
過去に前記放射線治療の対象となった第２患者に対して作成された第２フルエンスマップのうち、前記第２フルエンスマップに基づく照射線量テストの結果が所定の基準よりも良好であった特定フルエンスマップと、前記特定フルエンスマップの作成に用いられた特定線量分布マップとが対応付けられた第１学習用データを用いた機械学習によって得られ、
前記放射線治療の対象となる第１患者に対して作成された第１線量分布マップから、前記第１線量分布マップに対応する第１フルエンスマップの推定結果を出力するようコンピュータを機能させるための学習済モデル。
【請求項６】
放射線治療の対象となる第１患者に対して作成された第１線量分布マップを取得する取得部と、
過去に前記放射線治療の対象となった第２患者に対して作成された第２フルエンスマップのうち、前記第２フルエンスマップに基づく照射線量テストの結果が所定の基準よりも良好であった特定フルエンスマップと、前記特定フルエンスマップの作成に用いられた特定線量分布マップとが対応付けられた第１学習用データを用いて機械学習された第１学習済モデルに、前記第１線量分布マップを入力し、前記第１線量分布マップに対応する第１フルエンスマップの推定結果を出力する推定部を含む、放射線治療におけるフルエンスマップの推定システム。
【請求項７】
コンピュータを制御する制御プログラムであって、
前記コンピュータに、
放射線治療の対象となる第１患者に対して作成された第１線量分布マップを取得する取得ステップと、
過去に前記放射線治療の対象となった第２患者に対して作成された第２フルエンスマップのうち、前記第２フルエンスマップに基づく照射線量テストの結果が所定の基準よりも良好であった特定フルエンスマップと、前記特定フルエンスマップの作成に用いられた特定線量分布マップとが対応付けられた第１学習用データを用いて機械学習された第１学習済モデルに、前記第１線量分布マップを入力し、前記第１線量分布マップに対応する第１フルエンスマップの推定結果を出力する推定ステップと、を実行させるための、制御プログラム。
【請求項８】
請求項７に記載の制御プログラムを記録したコンピュータ読取り可能な記録媒体。

発明の詳細な説明【技術分野】
【０００１】
本発明は、フルエンスマップの推定方法、推定モデルの生成方法、学習済モデル、フルエンスマップの推定システム、制御プログラムおよび記録媒体に関する。
続きを表示（約 1,900 文字）【背景技術】
【０００２】
放射線治療では近年、強度変調放射線治療（ＩＭＲＴ：Intensity Modulated Radiation Therapy）等に代表される、治療対象部位に線量を集中させ周囲の正常部位の線量を低減可能な方法が注目されている。このような方法は複雑な照射技術であることから、高精度な照射計画の作成が重要となる。例えば非特許文献１には、照射計画作成の一ステップである線量分布マップの作成を、機械学習モデルを用いて実行する方法が提案されている。
【０００３】
放射線治療では通常、実際の患者への照射前に、作成された照射計画について照射線量テストが実施される。照射線量テストでは、作成した照射計画における目標線量と、当該照射計画に基づいて実際に照射したときの実測線量との誤差が許容値以内であるか否かが確認される。
【先行技術文献】
【非特許文献】
【０００４】
Kadoya et al., Journal of Radiation Research 2023; 64(5), 842-849
【発明の概要】
【発明が解決しようとする課題】
【０００５】
照射線量テストにおいて、線量誤差が許容値を超えていた場合、照射計画の再作成が必要となる。照射計画の作成には時間を要し、照射計画の作成を担当する担当者における負担が大きいため、照射線量テストでの合格可能性が高い照射計画の作成方法が求められている。
【０００６】
また、線量分布マップは、照射装置による照射条件の設定に直接用いることはできない。照射装置による照射条件を設定するためには、線量分布マップに基づくフルエンスマップを作成する必要がある。非特許文献１に記載のような従来法では、フルエンスマップの作成負担を低減することはできなかった。
【０００７】
本発明の一態様は、照射線量テストでの合格可能性が高いフルエンスマップの推定方法等を実現することを目的とする。
【課題を解決するための手段】
【０００８】
前記の課題を解決するために、本発明の一態様に係るフルエンスマップの推定方法は、コンピュータにより実行される、放射線治療におけるフルエンスマップの推定方法であって、前記コンピュータに、前記放射線治療の対象となる第１患者に対して作成された第１線量分布マップを取得する取得ステップと、過去に前記放射線治療の対象となった第２患者に対して作成された第２フルエンスマップのうち、前記第２フルエンスマップに基づく照射線量テストの結果が所定の基準よりも良好であった特定フルエンスマップと、前記特定フルエンスマップの作成に用いられた特定線量分布マップとが対応付けられた第１学習用データを用いて機械学習された第１学習済モデルに、前記第１線量分布マップを入力し、前記第１線量分布マップに対応する第１フルエンスマップの推定結果を出力する推定ステップと、を実行させる。
【０００９】
前記の課題を解決するために、本発明の一態様に係る推定モデルの生成方法は、コンピュータにより実行される、放射線治療におけるフルエンスマップを推定する推定モデルの生成方法であって、前記コンピュータに、過去に前記放射線治療の対象となった第２患者に対して作成された第２フルエンスマップのうち、前記第２フルエンスマップに基づく照射線量テストの結果が所定の基準よりも良好であった特定フルエンスマップと、前記特定フルエンスマップの作成に用いられた特定線量分布マップとが対応付けられた第１学習用データを用いて前記推定モデルの機械学習を実行させる。
【００１０】
前記の課題を解決するために、本発明の一態様に係る学習済モデルは、放射線治療におけるフルエンスマップを推定する学習済モデルであって、過去に前記放射線治療の対象となった第２患者に対して作成された第２フルエンスマップのうち、前記第２フルエンスマップに基づく照射線量テストの結果が所定の基準よりも良好であった特定フルエンスマップと、前記特定フルエンスマップの作成に用いられた特定線量分布マップとが対応付けられた第１学習用データを用いた機械学習によって得られ、前記放射線治療の対象となる第１患者に対して作成された第１線量分布マップから、前記第１線量分布マップに対応する第１フルエンスマップの推定結果を出力するようコンピュータを機能させるためのものである。
（【００１１】以降は省略されています）

関連特許