3D Slicer를 활용한 PET 영상 뇌 분할(Brain Segmentation) 방법
3D Slicer를 활용한 PET 영상 뇌 분할(Brain Segmentation) 방법
3D Slicer를 활용한 **PET 영상 뇌 분할(Brain Segmentation)**은 주로 해부학적 MRI와 PET 영상을 정렬(Registration)한 후, MRI에서 정의된 구획을 PET 영상에 적용하거나 PET의 강도(Intensity)를 기반으로 직접 분할하는 방식으로 진행됩니다. 제공된 소스 자료를 바탕으로 단계별 절차서와 설치 및 사용법을 정리해 드립니다.
1. 프로그램 설치 과정
3D Slicer는 무료 오픈 소스 소프트웨어로 Windows, macOS, Linux 운영 체제에서 모두 사용 가능합니다.
- 다운로드: 3D Slicer 공식 다운로드 페이지(download.slicer.org)에 접속합니다.
- 버전 선택: 최신 안정화 버전(Stable Release, 예: 5.6.1 이상)을 다운로드하는 것이 권장됩니다.
- 설치: 다운로드한 설치 파일을 실행하여 안내에 따라 설치를 완료합니다.
- 추가 모듈(Extensions) 설치: PET 분석에 특화된 기능을 위해 Slicer 내부의 'Extension Manager'를 통해
dPetBrainQuantification또는SlicerRT,SwissSkullStripper등의 모듈을 추가로 설치할 수 있습니다.
2. PET 뇌 분할 단계별 절차 (Step-by-Step)
1단계: 데이터 로드 (Loading Data)
- Slicer를 실행한 후 'Add Data' 버튼을 클릭하거나
Volumes모듈을 통해 PET 영상과 해당 환자의 해부학적 MRI(T1) 영상을 각각 불러옵니다. - PET 데이터가 동적(Dynamic) 데이터인 경우 여러 프레임이 포함될 수 있습니다.
2단계: 영상 공동 등록 (Image Registration)
PET 영상은 해부학적 정보가 부족하므로 고해상도 MRI와 정렬해야 합니다.
General Registration (BRAINS)또는ELASTIX모듈을 사용합니다.- Fixed Volume에 MRI를, Moving Volume에 PET 영상을 설정하고 실행하여 두 영상을 동일한 좌표계로 맞춥니다.
3단계: 뇌 추출/두개골 제거 (Skull Stripping)
정확한 뇌 영역 분할을 위해 뇌 이외의 조직(두개골 등)을 제거합니다.
SwissSkullStripper모듈을 사용하여 MRI 영상에서 뇌 조직만 분리해냅니다.- 추출된 뇌 마스크는 나중에 PET 영상에서 뇌 영역만 분석하는 데 사용됩니다.
4단계: 영역 분할 (Segmentation)
Segment Editor 모듈을 사용하여 실제 분할을 수행합니다.
- Thresholding (임계값 설정): PET 영상에서 방사성 추적자의 섭취가 높은 특정 영역(예: 종양 또는 특정 핵)을 분할할 때 유용합니다.
- Simple Region Growing: 관심 영역에 시드(Seed) 점을 찍어 유사한 강도의 인접 영역을 자동으로 묶습니다.
- Atlas-guided Segmentation:
SPL-PNL Brain Atlas와 같은 표준 뇌 지도를 환자 영상에 등록하여 주요 뇌 구조를 자동으로 라벨링할 수 있습니다.
5단계: PET 정량 분석 (Quantification)
dPetBrainQuantification모듈을 사용하여 FDG 추적자 등을 활용한 동적 PET 스캔의 정량화를 수행할 수 있습니다.- 이 모듈을 통해 관심 영역(ROI)별로 SUV(Standardized Uptake Value)를 계산하거나 Patlak 분석을 수행할 수 있습니다.
6단계: 결과 저장 및 모델 생성
- 분할된 데이터는
Model Maker를 통해 3D 모델로 변환할 수 있습니다. - 마지막으로
File -> Save를 통해 작업 내용이 담긴 MRML Scene 파일을 저장합니다.
3. 참고 및 권장 논문
뇌 PET 분할 및 정량 분석과 관련하여 다음 문헌을 참고하십시오.
- Fedorov et al. (2012): "3D Slicer as an image computing platform for the Quantitative Imaging Network." (Slicer를 이용한 정량적 영상 분석의 기초).
- Greve et al. (2014): "Cortical surface-based analysis reduces bias and variance in kinetic modeling of brain PET data." (뇌 PET 데이터의 운동학적 모델링과 분석 방법).
- Greve et al. (2016): "Different partial volume correction methods lead to different conclusions: An 18F-FDG-PET study of aging." (PET 영상의 부분 부피 교정 및 분석).
4. 참고 사이트
- 3D Slicer 공식 사이트: https://www.slicer.org
- Slicer Wiki (dPetBrainQuantification): https://www.slicer.org/wiki/Documentation/4.10/Modules/dPetBrainQuantification
- FreeSurfer Wiki (PetSurfer): https://surfer.nmr.mgh.harvard.edu/fswiki/PetSurfer
- 3D Slicer 교육 자료 모음: https://www.slicer.org/wiki/Documentation/4.10/Training
댓글
댓글 쓰기