“ADNI 스타일 SUVr 파이프라인”**은 이미 여러 연구에서 표준처럼 굳어진 구조가 있습니다.

핵심은 단순합니다:

MRI 기반 정확한 parcellation → PET–MRI 정합 → 소뇌(reference) 정규화 → ROI별 SUVr 산출

아래는 3D Slicer만으로 ADNI 방식과 거의 동일한 결과를 재현하는 실전 파이프라인입니다.
(연구실 SOP로 바로 써도 될 정도로 절차형으로 정리합니다.)

---

🧠 ADNI 스타일 Brain PET SUVr 파이프라인 (3D Slicer 기반)[ch]

전체 구조 한눈에 보기

T1 MRI
 ↓
Brain Parcellation (FreeSurfer / MONAI)
 ↓
Segmentation (.seg.nrrd)

FDG 또는 Amyloid PET
 ↓
MRI ↔ PET Registration
 ↓
PET in MRI space

Segmentation + PET
 ↓
SUV 계산
 ↓
Cerebellum Reference
 ↓
SUVr
 ↓
Excel

ADNI의 본질은:

• MRI에서 ROI 정의

• PET을 MRI로 정합

• Cerebellum(또는 Whole Cerebellum) 기준 정규화

입니다.

---

0️⃣ ADNI 스타일 핵심 원칙 (먼저 이해)

ADNI는 다음을 강제합니다:

✅ ROI는 반드시 MRI에서 생성

✅ PET은 MRI 공간으로 변환

✅ Reference는 소뇌 (Cerebellar gray or whole cerebellum)

✅ SUV → SUVr

✅ ROI 평균값 사용

이 다섯 가지만 지키면 “ADNI 스타일”입니다.

---

1️⃣ MRI 기반 Brain Parcellation (ADNI의 출발점)

CT는 ADNI에서 사용하지 않습니다.
반드시 T1 MRI 입니다.

---

방법 A (빠른 방법 – 추천)

MONAI Auto3DSeg 사용

---

Step 1

Modules → MONAI Auto3DSeg

Model:

BrainParcellation

Input:

T1 MRI

Apply.

---

자동 생성:

• Frontal

• Temporal

• Parietal

• Occipital

• Hippocampus

• Amygdala

• Cerebellum

• Brainstem 등

---

Step 2 Segmentation 저장

File → Save

형식:

brain_ADNI.seg.nrrd

---

방법 B (정통 ADNI 방식)

FreeSurfer → aparc+aseg → Slicer import

하지만 Slicer 단독 파이프라인에서는 MONAI가 충분히 근접합니다.

---

2️⃣ PET → MRI Registration (가장 중요)

ADNI는 항상:

PET → MRI

입니다.

---

Step 1 PET 로딩

DICOM 그대로:

File → Add Data

---

Step 2 Registration

Modules → Elastix

설정

Fixed:

MRI

Moving:

PET

Preset:

Rigid + Affine

Apply.

---

결과:

PET_registered_to_MRI

---

저장

File → Save → PET_MRIspace.nii

---

3️⃣ Segmentation Geometry 맞추기

아주 중요.

---

Modules → Segmentations

→ Specify geometry

Source:

PET_MRIspace

Apply.

---

이 단계가 없으면 SUV가 틀어집니다.

---

4️⃣ SUV 계산 (ADNI 방식)

---

Module

Modules → Quantification → PET Standard Uptake Value Computation

---

입력

PET DICOM Path:

PET 원본 DICOM 폴더

PETVolume:

PET_MRIspace

VOIVolume:

Segmentation → Export Labelmap 후 선택

---

OutputCSV:

SUV.csv

Apply.

---

생성:

ROI별

• SUVMean

• SUVMax

• SUVMin

---

5️⃣ ADNI Reference 설정 (소뇌)

ADNI 기본:

Cerebellar Gray Matter

또는

Whole Cerebellum

---

MONAI segmentation 기준:

Cerebellum

사용.

---

6️⃣ SUVr 계산

공식:

SUVr = ROI SUVmean ÷ Cerebellum SUVmean

---

Python 자동 계산 (Slicer 내부)

Python Console:

import pandas as pd

df=pd.read_csv("SUV.csv")

ref=df[df["LabelName"].str.contains("Cerebell")]["SUVMean"].mean()

df["SUVr"]=df["SUVMean"]/ref

df.to_excel("SUVr_ADNI.xlsx",index=False)

---

결과:

SUVr_ADNI.xlsx

---

7️⃣ ADNI ROI 묶음 (선택, 연구용)

ADNI는 보통 composite ROI를 씁니다:

예:

• Frontal

• Temporal

• Parietal

• Precuneus

• Posterior Cingulate

엑셀에서 평균:

=(Temporal + Parietal + Precuneus)/3

---

최종 산출물

brain_ADNI.seg.nrrd
PET_MRIspace.nii
SUV.csv
SUVr_ADNI.xlsx

---

ADNI 스타일 품질 체크

반드시 확인:

---

✔ PET–MRI Overlay

PET이 MRI cortex에 정확히 올라가야 함.

---

✔ Cerebellum segmentation 확인

소뇌 ROI 깨지면 SUVr 전부 무효.

---

✔ PET smoothing (선택)

ADNI는 약 8mm Gaussian.

Modules → Simple Filters → Gaussian

---

정리 요약

---

ADNI SUVr 핵심 7단계:

1. MRI Parcellation

2. Segment 저장

3. PET → MRI Registration

4. Geometry 일치

5. SUV 계산

6. Cerebellum Reference

7. Excel SUVr

---

공식:

SUVr = ROI SUV / Cerebellum SUV

---

이 구조만 지키면 논문급 결과가 나옵니다.

추가 질문들

✅ ADNI Composite ROI 자동화
✅ Partial Volume Correction 포함
✅ Amyloid Centiloid 변환
✅ Batch 처리 (Python)
✅ SOP 문서화