연구개요 본 연구는 딥러닝을 이용하여 방사선치료 시 정확한 전자밀도에 의한 선량계산에 영향을 줄 수 있는 금속영상왜곡 저감을 위한 기술을 개발하고 맞춤형 팬톰을 제작하여 적응형 방사선치료에 개발된 기술의 임상적용 가능성을 평가하고자 함. 결론적으로 기존 상용화된 알고리듬 대비하여 딥러닝 기술을 접목한 경우 선량학적 측면에서 더욱 정확한 결과를 확인할 수 있었으며, 추가적으로 영상왜곡에 의해 정상조직 및 종양의 컨투어링 정확성 향상을 기대할 수 있음. 연구 목표대비 연구결과 본 연구에서는 방사선치료 적용을 위한 인공지능 기반 금속 영상왜곡 저감 알고리듬 및 검증 기술을 개발하고, 이를 위해 방사선량 측정을 통한 검증을 위해 금속 영상왜곡을 발생 시킬 수 있는 인체모사 팬톰을 제작하여 개발된 알고리듬의 방사선치료 적용 시 우수성을 평가함. 인공지능 기반 금속 영상왜곡 저감기술을 이용한 방사선치료 적용기술은 다양한 연구에서 제시되었으나, 감소된 금속영상왜곡에 의한 선량계산의 정확도를 측정을 통해 검증한 연구는 전무한 실정임. 1차년도에서 딥러닝 알고리듬 중 가장 범용적으로 활용되는 fully convolutional network기반 알고리듬을 개선한 U-net 기반의 알고리듬을 구축하였고, 이러한 알고리듬을 이용하여 데이터 보간 및 재생에 따른 해부학적 구조의 왜곡 및 흐림 현상을 해결할 수 있었음. 딥러닝 기반 알고리듬을 이용한 영상 분석을 위해 normalized root mean square error (NRMSE)를 측정한 결과 금속영상왜곡을 적용하지 않은 영상 대비 58.29%, 기존 상용화된 금속영상왜곡기술저감 기술 대비 12.03%로 금속영상물에 의한 오차 감소를 확인함. 2차년도의 경우, 최근 임플란트 및 치아보형물에 의해 발생되는 환자 수 증가에 따라 두경부를 모사하는 팬톰 제작을 완료 하였으며, 금속 영상왜곡을 발생 시킬 수 있는 금속 치아 및 정상 치아를 따로 설계하여 원하는 위치에 금속영상왜곡이 발생시킬 수 있는 환경을 조성함. 더불어 실제 방사선량 측정이 가능하도록 필름과 유리선량계가 삽입 가능하도록 만들어져 실제 치료 계획된 선량을 측정을 통해 비교가 가능함. 재구성된 알고리듬의 평가를 위해 실제 측정된 선량평가를 위해, 선량분포에 대해 계산된 값과 측정된 값의 감마분석을 이용하여 비교하였음. 치료 계획은 현재 방사선종양학과에서 가장 주로 사용되는 volumetric modulated arc therapy (VMAT)을 이용하여 치료계획을 수립하였고, 감마 분석을 위해 2%, 2mm의 tolerance와 10% threshold를 적용하여 비교를 수행함. 제안한 방법과 MAR이 적용되지 않은 영상에서의 passing rate 값은 99.5%, 상용화된 O-MAR 방법과 MAR이 적용되지 않은 영상의 passing rate는 99.6%, 제안된 MAR 방법과 OMAR사이의 gamma passing rate는 99.9%로 거의 유사한 선량분포를 확인하였음. 그러나 금속으로 인해 planning target volume (PTV) 내 선량 차이가 있음을 확인하였고, Gamma image 내에서도 그 차이를 최대 7.9%까지 확인할 수 있었고, 제안된 방법을 사용한 경우 최대 약 3%의 차이를 확인하여 약 50%의 개선효과를 확인함. 연구발성과의 활용 계획 및 기대효과 (연구개발결과의 중요성) 제안된 금속영상왜곡 저감 기술은 영상에서의 개선뿐만 아니라 선량학적 관점에서도 상용화된 금속영상왜곡 방법과 비교하여 거의 유사하거나 우수한 성능을 보여주었으며, 추후 임상 적용에 충분한 가치가 있다고 판단됨. 특히 영상에서의 개선을 통해 정확한 PTV와 주변 정상조직의 컨투어를 이룰 수 있으며, 개선된 전자밀도 정확성을 통해 선량계산의 정확성 역시 향상되는 결과를 확인할 수 있었음. 더불어, 제안된 선량측정용 팬톰은 선량분포 및 절대선량 측정이 가능하도록 설계되어 직접적인 선량측정이 가능한 장점을 바탕으로 앞으로 제시될 금속영상왜곡 저감기술의 성능 검증을 위한 객관적인 지표를 제시할 수 있음. 결론적으로 방사선치료의 정확성과 안정성에 기여할 수 있어 환자에게 신뢰성 있고 질 높은 의료서비스 제공이 가능함. (출처 : 요약문 2p)
- 연구책임자 : 강성희
- 주관연구기관 : 서울대학교
- 발행년도 : 20230300
- Keyword : 1. 금속영상왜곡 저감;딥러닝;방사선치료;치료계획;방사선량 측정; 2. metal artifact reduction;Deep learning;radiation therapy;treatment planning;Dose measurement;