• Korean Journal of Radiology
• /
• 제24권4호
• /
• pp.294-304
• /
• 2023

Objective: We aimed to investigate whether image standardization using deep learning-based computed tomography (CT) image conversion would improve the performance of deep learning-based automated hepatic segmentation across various reconstruction methods. Materials and Methods: We collected contrast-enhanced dual-energy CT of the abdomen that was obtained using various reconstruction methods, including filtered back projection, iterative reconstruction, optimum contrast, and monoenergetic images with 40, 60, and 80 keV. A deep learning based image conversion algorithm was developed to standardize the CT images using 142 CT examinations (128 for training and 14 for tuning). A separate set of 43 CT examinations from 42 patients (mean age, 10.1 years) was used as the test data. A commercial software program (MEDIP PRO v2.0.0.0, MEDICALIP Co. Ltd.) based on 2D U-NET was used to create liver segmentation masks with liver volume. The original 80 keV images were used as the ground truth. We used the paired t-test to compare the segmentation performance in the Dice similarity coefficient (DSC) and difference ratio of the liver volume relative to the ground truth volume before and after image standardization. The concordance correlation coefficient (CCC) was used to assess the agreement between the segmented liver volume and ground-truth volume. Results: The original CT images showed variable and poor segmentation performances. The standardized images achieved significantly higher DSCs for liver segmentation than the original images (DSC [original, 5.40%-91.27%] vs. [standardized, 93.16%-96.74%], all P < 0.001). The difference ratio of liver volume also decreased significantly after image conversion (original, 9.84%-91.37% vs. standardized, 1.99%-4.41%). In all protocols, CCCs improved after image conversion (original, -0.006-0.964 vs. standardized, 0.990-0.998). Conclusion: Deep learning-based CT image standardization can improve the performance of automated hepatic segmentation using CT images reconstructed using various methods. Deep learning-based CT image conversion may have the potential to improve the generalizability of the segmentation network.

• 한국의학물리학회지:의학물리
• /
• 제9권3호
• /
• pp.163-173
• /
• 1998

핵의학 단층촬영기를 이용하여 몸 안에서 일어나는 신진대사, 혈류량 공급, 생화학적 변화, 또는 뇌에서의 도파민 운반체, 수용체 등의 영상을 획득한 후 정량화할 수 있다면 환자의 조기진단뿐만 아니라 치료계획을 세우고 치료경과 등을 객관적으로 측정하는데 매우 유용할 것이다. 그러나 물리적 요소들인 감쇠, 산란, 부분용적 효과, 노이즈, 그리고 재구성 알고리즘 등은 SPECT 의 디자인에 관계없이 영상의 정성적 또는 정량적 결과에 영향을 미친다. 본 논문에서는 뇌 촬영용 단일 결정 SPECT와 뇌 모형 팬텀을 이용하여 물리적 요소들 중 특히 감쇠와 산란의 영향을 정량화하고 보정 방법에 따른 결과를 정량 분석하였다. 산란 보정은 주 에너지 창 140keV$\pm$10% (126～154 keV)와 산란에너지 창 119keV$\pm$6% (112～126keV)를 이용하여 데이터를 획득한 후 산란 에너지 창의 100%를 빼주는 방법을 적용하였다. 영상 재구성은 차단주파수 0.95cycles/cm와 차수 10을 적용한 저역통과 Butterworth 여과기로 여과하여 여과후 역투사 방법으로 재구성하였다. 감쇠 상수는 산란 보정을 하지 않은 경우와 한 경우에 따라 각각 0.12cycles/cm 와 0.15cycles/cm 를 적용하여 뇌 내에서의 균일한 감쇠계수로 가정하고 Chang 방법에 의하여 감쇠에 대한 보정을 하였다. 정량분석을 위해 기저핵이 뚜렷이 보이는 3개의 단층면을 선택하여 기저핵과 그 외 뇌 영역에 관심영역을 구하였다. 산란보정을 하지 않았을 때 감쇠보정을 한 후의 ROI 값은 감쇠 보정전 ROI 값에 비해 기저핵 2.20배 배후 방사능 2.10배였다. 반면에 감쇠보정 후와 감쇠보정 전의 기저핵과 배후방사능의 비율은 매우 비슷했다. 산란보정을 한 후 감쇠보정을 한 ROI 값은 감쇠보정 전 ROI 값과 비교할 때 기저핵 2.69 배 배후 방사능 2.64 배로 뇌 영상의 절대적 정량적 분석을 위해서는 반드시 감쇠 보정이 필요한 것을 보여준다. 기저핵과 배후 방사능의 참값 비율이 6.58, 4.68, 1.86 일 때 산란 보정과 감쇠보정을 한 경우는 참값의 76%, 80%, 82%로 측정하였고 감쇠보정을 하지 않은 경우는 75%, 81%, 81%로 측정하였다. 참값의 비율이 낮을수록 참값에 가깝게 측정하였으나 산란과 감쇠보정을 한 경우에도 참값에 비해 약 20% 의 과소평가를 볼 수 있었다. 이는 본 논문에서 자세히 다루지 않은 부분용적 효과와 재구성 알고리즘 그리고 위에서 적용한 대략적인 감쇠와 산란보정 방법의 원인으로 사료되며 앞으로 더욱 연구되어야 할 분야이다.

• 핵의학기술
• /
• 제15권2호
• /
• pp.65-71
• /
• 2011

근래의 심근 관류 SPECT를 위한 검사 장비는 진단의 정확도가 높아졌을 뿐만 아니라 검사 시간을 단축함으로써 환자의 편의성을 높이고 움직임에 대한 artifact를 줄이는 방향으로 발전되고 있다. 본 연구에서는 기존의 심근 관류 SPECT와 비교하여 IQ SPECT에 맞는 protocol을 design 하고 IQ SPECT의 특성과 유용성에 대하여 알아 보고자 하였다. Simens사의 Symbia T6 SPECT/CT를 이용하여 LEHR collimator와 Multiple confocal collimator에 대하여 acrylic dish에 $^{99m}Tc$ 37MBq을 넣고 5 cm, 10 cm, 20 cm, 30 cm, 40 cm 거리에서 각각 sensitivity ($cpm/{\mu}Ci$)를 측정 하였다. 그리고 Sensitivity 측정 결과를 바탕으로 기존의 일반적인 심근관류 SPECT를 기준으로 IQ SPECT protocol을 design 후 Anthropomorphic torso phantom을 사용하여 심근 관류 SPECT를 시행하여 비교하고, LEHR collimator의 영상 재구성에 따른 FWHM 비교를 위해 $^{99m}Tc$ Line source를 이용하여 기존의 심근 관류 SPECT의 재구성법인 FBP법과 IQ SPECT의 3D OSEM법에 대하여 알고리즘만 변화시켜 FWHM을 측정 비교하였다. Collimator senstivity 측정 결과 IQ SPECT의 multiple confocal collimator의 sensitivity가 LEHR collimator와 비교하여 30 cm 거리에서 sensitivity가 약 4배 정도 더 많아짐을 알 수 있었다. Sensitivity 결과를 바탕으로 IQ SPECT의 기하학적 특성에 맞게 심근 관류 SPECT protocol을 design 하여 phantom 실험을 시행한 결과 기존에 비해 검사시간을 1/4로 단축할 수 있었으며, LEHR collimator를 사용하여 SPECT 검사 후 FBP법과 3D OSEM 법의 재구성 알고리즘에 따른 FWHM 비교에서는 3D OSEM법에서 FWHM이 2배 정도 향상된 결과를 얻었다. 본 연구를 통해 IQ SPECT는 심근관류 SPECT에서 Multiple confocal collimator를 사용하여 감도를 향상시키고 심장에 특화된 기하학적인 영상 획득 방식과 영상 재구성 방법을 통하여 검사 시간을 단축하고 영상의 화질 개선에 도움을 준다. 이로 인해 환자는 전보다 더욱 편안하고 정확한 검사를 수행 할 수 있을 것이며, 추가적으로 더 많은 임상 자료를 통한 연구가 필요할 것이다.

• 핵의학기술
• /
• 제19권1호
• /
• pp.3-11
• /
• 2015

기존 감마카메라에 장착된 핀홀 콜리메이터 4 mm 초점을 이용하여 24시간 지연검사에는 슬관절, 악관절 연조직 계수치가 작아 높은 질영상을 얻기에는 매우 어려운 부분이 있다. 대부분 고분해능 영상 획득시 4 mm 직경의 초점만을 이용한 검사를 시행해 왔다. 기존 감마카메라를 이용하여 Micro deluxe phantom의 고분해능 핀홀 콜리메이터 SPECT을 비교 평가해 보았다. 본 연구에서는 각 초점 직경의 비교 평가와 24시간 지연검사 유용성을 평가해 보았다. 선 선원을 이용하여 6 mm, 8 mm 직경 초점을 핀홀 콜리메이터에 장착하고 각 초점의 분해능을 평가해 보았으며 Micro deluxe phantom을 고선량 및 저선량으로 혼합하여 SPECT 영상을 획득하여 OSEM 알고리즘을 이용한 프로그램으로 영상을 재구성 및 분해능 평가를 하였다. 임상영상은 염증질환이 있는 슬관절과 악관절의 3시간, 24시간 지연영상을 획득하여 관심영역과 주변부를 150 mm로 설정하여 신호대 잡음비, 대조도, 균일도를 비교 및 분석하였다. 슬관절 24시간 지연영상에서 신호대 잡음비, 대조도, 균일도가 향상되었으나 악관절에서는 신호대 잡음비, 균일도는 저하 되었고 대조도는 현저히 감소됨을 알수 있었다. 6 mm, 8 mm 초점을 이용한 핀홀 콜리메이터는 24시간 지연영상에서 좀더 나은 정보를 얻을수 있으며 슬관절뿐만 아니라 연조직이 많이 포함된 고관절, 천장관절에서 충분히 질적인 임상영상을 얻을 수 있다고 사료된다.