結合機械學習法應用於以正子斷層掃描影像為基礎的活體內質子射程驗證—軟體開發與假體驗證

質子治療由於其優越的布拉格峰特性，使得對病灶區周邊正常細胞具有較小的傷害。但是質子射程具有不確定性，若射程預測不如預期，其劑量高度集中的布拉格尖峰反而可能造成腫瘤周邊正常組織過多的傷害，削弱了質子本身物理上的優越性。因此建立起可信賴之質子射程驗證的方法，才能確切掌握照射後體內劑量的分布，監控及確認病人治療計畫的成效。質子射束與組織進行核作用的碰撞過程中，會造成體內元素的活化產生正子核種，藉由正子斷層造影(Positron Emission Tomography, PET)將可推估出三維質子射程分布。提供即時性或事後性的射程驗證方式。本研究目的旨在開發一套以PET 影像為基礎結合人工智慧深度學習方法的質子射程驗證軟體。計畫將採三階段實施: (1)使用GATE/GEANT4 軟體，建立一套質子治療影像的蒙地卡羅平台，並且利用該平台最佳化深度學習框架精確地描述質子劑量分布和正子活度的轉換關係。(2)開發新穎的質子劑量重建演算法並且與真實物理假體進行比較及驗證。(3)基於此一新穎的深度學習框架發展出一套可視覺化的質子射程驗證軟體，並且使用擬人假體模擬真實質子照射的情況和PET 取像的實驗，驗證該一開發軟體的可行性與確校性評估。總體而言，本計畫的成果將對粒子治療研究有相當大的影響，可望作為粒子射程驗證的新工具。

系統編號:PC10701-1157
原計畫編號:MOST106-2314-B182-062-MY2