🧠 3D Slicer로 Brain PET SUVr 추출하기 — Atlas Parcellation → Registration → SUV → SUVr 자동 계산 절차서 —[ch]

 지금 구성하신 흐름은 임상 연구 수준의 정석 Brain PET SUVr 파이프라인입니다.

아래는 3D Slicer 5.x 기준, 실제 연구실에서 그대로 쓰는 방식으로 CT 기반 / MRI 기반 두 경로를 모두 포함하여, 처음부터 끝까지 재현 가능하도록 절차서 형태로 정리했습니다.

(가능한 한 메뉴 경로·버튼 이름·주의점까지 모두 명시.)

---

🧠 3D Slicer로 Brain PET SUVr 추출하기

— Atlas Parcellation → Registration → SUV → SUVr 자동 계산 절차서 —[ch]

---

전체 파이프라인 요약

CT 또는 MRI
 ↓
Brain Parcellation (Atlas)
 ↓
Segmentation 저장 (.seg.nrrd)
 ↓
PET 로딩
 ↓
CT/MRI ↔ PET Registration
 ↓
Segment + PET 정합
 ↓
SUV 계산
 ↓
Reference(Cerebellum)로 나누어 SUVr
 ↓
Excel 저장

---

0️⃣ 준비물

필수:

• Brain CT 또는 Brain MRI

• Brain PET (DICOM 권장)

• 3D Slicer 5.x

• Extensions Manager에서 설치:

✔ SlicerDMRI (o)
✔ PETStandardUptakeValueComputation (x)
✔ SegmentStatistics (x)
✔ Elastix (x)SlicerElastix(대신가능할까?)
✔ MONAIAuto3DSeg (선택) (o)

설치:

Edit → Application Settings → Extensions → Install

재시작.

---

1️⃣ Brain Parcellation 수행

두 가지 경로 설명합니다.

---

✅ 1-(1) CT 기반 Parcellation

CT는 연부조직 대비가 약하므로 Atlas 기반 registration 방식을 사용합니다.

---

Step 1. CT 로딩

File → Add Data

---

Step 2. CT Skull 제거 (권장)

Modules → Segment Editor

Threshold → 뼈 제거 → Apply.

---

Step 3. Atlas 불러오기

권장 Atlas:

• MNI Brain Atlas

• Neuromorphometrics

(예: Slicer Sample Data)

---

Step 4. Registration

Modules → Elastix

Fixed:

CT

Moving:

Atlas MRI

Preset:

Rigid + Affine

Apply.

---

Step 5. Atlas Label Warp

Modules → Transformix

Atlas Label → CT 공간으로 변환.

---

Step 6. Segmentation 생성

Segmentations → Import Labelmap

---

Step 7. Segment 저장

File → Save

형식:

brain_CT.seg.nrrd

---

✅ 1-(2) MRI 기반 Parcellation (권장)

MRI는 훨씬 정확합니다.

---

Step 1. MRI 로딩

---

Step 2. MONAI Auto Segmentation (MONAIAuto3DSeg extention함)

Modules → MONAI Auto3DSeg

Model:

BrainParcellation

Apply.

---

수 분 후 자동 ROI 생성.

---

Step 3. Segment 저장

File → Save → brain_MRI.seg.nrrd

---

2️⃣ PET Registration

---

✅ 2-(1) CT ↔ PET

---

Modules → Elastix

Fixed:

CT

Moving:

PET

Preset:

Rigid

Apply.

---

저장:

File → Save → PET_registered_to_CT.nii

---

✅ 2-(2) MRI ↔ PET

---

동일:

Fixed:

MRI

Moving:

PET

---

결과:

PET_registered_to_MRI.nii

---

3️⃣ Segment + PET 로딩 후 SUV 계산

---

Step 3-1 PET + Segment 로딩

File → Add Data

• PET_registered

• brain.seg.nrrd

---

Step 3-2 Geometry 맞추기

Segmentations → Specify geometry

Source:

PET

Apply.

---

---

4️⃣ PET Standard Uptake Value 계산

---

Module:

Modules → Quantification → PET Standard Uptake Value Computation

---

입력:

PET DICOM Path:

PET DICOM folder

PETVolume:

PET_registered

VOIVolume:

Segmentation Labelmap

OutputCSV:

suv.csv

Apply.

---

결과:

ROI별

• SUVmean

• SUVmax

• SUVmin

CSV 생성.

---

5️⃣ SUVr 계산 (소뇌 기준)

---

Reference:

Cerebellum

---

방법 A (엑셀)

SUVr 공식:

SUVr = ROI SUVmean ÷ Cerebellum SUVmean

엑셀:

=B2/$B$20

아래로 드래그.

---

방법 B (Slicer Python)

Python Console:

import pandas as pd
df=pd.read_csv("suv.csv")
ref=df[df["LabelName"]=="Cerebellum"]["SUVMean"].values[0]
df["SUVr"]=df["SUVMean"]/ref
df.to_excel("SUVr.xlsx")

---

---

최종 결과 파일

brain.seg.nrrd
PET_registered.nii
suv.csv
SUVr.xlsx

---

실행 체크리스트

━━━━━━━━━━

1. Atlas/MONAI Parcellation

2. Segment 저장

3. PET Registration

4. Geometry 일치

5. PET SUV 계산

6. Cerebellum 정규화

7. Excel 저장

━━━━━━━━━━

---

중요 용어 설명

• SUV (Standard Uptake Value)
  방사성 섭취 절대값

• SUVr (SUV ratio)
  Reference 대비 상대값

• Segmentation
  ROI 마스크

• Registration
  좌표계 정렬

---

마무리 요약

핵심 공식:

SUVr = ROI SUV ÷ Cerebellum SUV

핵심 파일:

.seg.nrrd + registered PET

핵심 모듈:

• MONAI / Atlas

• Elastix

• PET Standard Uptake

• SegmentStatistics

---

정리 가능 리스트:

✅ ADNI 스타일 SUVr 파이프라인
✅ Partial Volume Correction
✅ Python Batch 자동화
✅ 연구용 SOP 문서화