• 정보처리학회논문지A
• /
• 제13A권5호
• /
• pp.465-472
• /
• 2006

최근 대용량 의료영상 데이터로부터 인체 기관 또는 질환 부위 추출을 위한 영상 분할 기법이 매우 다양하게 제안되고 있으나, 뇌와 같이 다중 구조를 가지면서 구조간 경계 구분이 어려운 영상의 구조적 분할에는 한계를 가진다. 이를 위해 주로 복셀을 유한 개의 군집으로 분류하는 군집화 (clustering) 기법이 이용되나 이는 개별 복셀 단위의 연산을 수행함으로 인해 잡음의 영향을 받는 제한점이 있다. 그러므로 잡음의 영상을 최소화하고 영상 경계를 강화시키는 향상기법을 적용함으로써 보다 견고한 구조적 분할을 수행할 수 있다. 본 연구에스는 뇌 자기공명영상에 대하여 백질(white matter), 회백질(gray matter), 뇌척수액(cerebrospinal fluid)의 내부 구조를 효율적으로 추출하기 위한 필터링 기반 군집화에 의한 구조적 분할 기법을 제안한다. 우선 구조간 경계를 강화하고 구조 내 잡음을 약화시키기 위해 응집성 향상 확산 필터링(coherence enhancing diffusiion filtering)을 적용한다. 또한 이 과정을 통해 강화된 영상에 퍼지 c-means 군집화 기법을 적용하여 각 복셀이 속하는 구조에 해당하는 군집의 인덱스를 할당함으로써 구조적 분할을 수행한다. 제안된 구조적 분할기법은 기존의 가우시안 또는 일반적인 비등방성 확산 필터링과 군집화 기법을 적용한 기법에 비해 전문가의 수동분할 결과와의 일치 비율에 의한 분할 정확도를 향상시킴을 보였다. 또한 경계 부분에 있어서의 세밀한 분할을 통해 재생산 가긍하고 사용자 수동후 처리를 최소화할 수 있는 결과를 제시함으로써 형태적 뇌 이상 진단을 위한 효율적인 보조 수단을 제공한다.

• 정보과학회 논문지
• /
• 제43권1호
• /
• pp.54-60
• /
• 2016

뇌의 유전자 발현 정보는 영역별 기능과 밀접한 관련이 있어 이를 분석하기 위해 다수의 유전자들 간의 발현 정도 및 발현 위치 정보와의 관계에 대한 연구가 이루어지고 있다. 본 논문에서는 컴퓨터 기술을 통해 알렌 뇌과학연구소에서 제공하는 약 2만여개의 쥐 뇌 유전자 발현 정보 중 뇌의 해마 영역을 중점적으로 분석하여 유전자들을 자동으로 분류해내고 발현 위치 정보를 기반으로 군집화하여 가시화하는 방법을 제안한다. 이를 통해 해마 내 전체적으로 발현되는 유전자들과 특정 영역에만 발현되는 유전자들을 분류할 수 있었고 그 중 특정 영역에 발현되는 유전자들의 위치정보 기반으로 군집화된 데이터를 뇌 지도와 함께 관찰 할 수 있었다. 본 연구는 뇌의 기능과 영역과의 관계성 관련 생물학적 연구를 위한 실험군 선정작업에 이용되어 실험설계시간을 줄일 수 있고 기존에 알려진 뇌의 해부학적 구조보다 더욱 세분화된 구조를 발견할 수 있는 가능성을 제시할 것으로 기대된다.

• Korean Journal of Radiology
• /
• 제24권3호
• /
• pp.235-246
• /
• 2023

Objective: It is difficult to predict the treatment response of tissue after stereotactic radiosurgery (SRS) because radiation necrosis (RN) and tumor recurrence can coexist. Our study aimed to predict tumor recurrence, including the recurrence site, after SRS of brain metastasis by performing a longitudinal tumor habitat analysis. Materials and Methods: Two consecutive multiparametric MRI examinations were performed for 83 adults (mean age, 59.0 years; range, 27-82 years; 44 male and 39 female) with 103 SRS-treated brain metastases. Tumor habitats based on contrast-enhanced T1- and T2-weighted images (structural habitats) and those based on the apparent diffusion coefficient (ADC) and cerebral blood volume (CBV) images (physiological habitats) were defined using k-means voxel-wise clustering. The reference standard was based on the pathology or Response Assessment in Neuro-Oncologycriteria for brain metastases (RANO-BM). The association between parameters of single-time or longitudinal tumor habitat and the time to recurrence and the site of recurrence were evaluated using the Cox proportional hazards regression analysis and Dice similarity coefficient, respectively. Results: The mean interval between the two MRI examinations was 99 days. The longitudinal analysis showed that an increase in the hypovascular cellular habitat (low ADC and low CBV) was associated with the risk of recurrence (hazard ratio [HR], 2.68; 95% confidence interval [CI], 1.46-4.91; P = 0.001). During the single-time analysis, a solid low-enhancing habitat (low T2 and low contrast-enhanced T1 signal) was associated with the risk of recurrence (HR, 1.54; 95% CI, 1.01-2.35; P = 0.045). A hypovascular cellular habitat was indicative of the future recurrence site (Dice similarity coefficient = 0.423). Conclusion: After SRS of brain metastases, an increased hypovascular cellular habitat observed using a longitudinal MRI analysis was associated with the risk of recurrence (i.e., treatment resistance) and was indicative of recurrence site. A tumor habitat analysis may help guide future treatments for patients with brain metastases.