🧠 ADNI PET [ch] MONAI + Slicer 기반 QC Visualization 자동화 파이프라인

 앞서 완성한 MONAI + Slicer + PET SUVr + ADNI Composite + 100명 Batch Pipeline 위에 그대로 얹는:

👉 QC Visualization (품질관리 시각화 시스템)

을 동일한 형식(현장 SOP + 자동화 코드 + Batch 대응 구조)으로 정리합니다.

이 문서는:

• Registration QC

• Parcellation QC

• SUV 분포 QC

• Composite ROI QC

• Outlier detection

• 자동 PNG 저장

• 100명 Batch 대응

까지 포함하는 실전 연구·임상 QC 설계서입니다.

---

🧠 ADNI PET [ch]

MONAI + Slicer 기반

QC Visualization 자동화 파이프라인

---

---

=====================================================

0️⃣ QC Visualization 목적

=====================================================

PET SUVr 연구에서 가장 흔한 실패 원인:

• MRI–PET misregistration

• Parcellation drift

• ROI 누락

• Cerebellum segmentation 오류

• SUV outlier

따라서 QC는 “선택”이 아니라 필수 단계입니다.

본 시스템은:

👉 각 subject마다 QC PNG 자동 생성
👉 전체 cohort QC summary 자동 생성

을 목표로 합니다.

---

---

=====================================================

1️⃣ QC 폴더 구조

=====================================================

기존 구조에 추가:

Subjects/
Results/
QC/
 ├─ sub001/
 │   ├─ overlay.png
 │   ├─ segmentation.png
 │   ├─ suv_hist.png
 │   └─ composite.png
 ├─ sub002/
Master_QC.xlsx

---

---

=====================================================

2️⃣ QC 항목 정의

=====================================================

필수 QC 4종

QC	목적
Overlay	PET–MRI 정합 확인
Segmentation	Atlas 위치 확인
SUV Histogram	intensity 분포 확인
Composite ROI	ADNI 영역 확인

---

---

=====================================================

3️⃣ QC Visualization 생성 방식

=====================================================

3D Slicer Python 인터페이스 사용:

• Slice View capture

• Segment overlay

• ROI 강조

---

---

=====================================================

4️⃣ Registration QC (Overlay PNG)

=====================================================

생성 이미지:

MRI background + PET colormap

---

Python:

lm = slicer.app.layoutManager()
view = lm.sliceWidget('Red').sliceView()

view.grab().save(f"{qcDir}/overlay.png")

---

설정:

red = slicer.util.getNode('vtkMRMLSliceNodeRed')
red.SetBackgroundVolumeID(mriNode.GetID())
red.SetForegroundVolumeID(petNode.GetID())
red.SetForegroundOpacity(0.5)

---

---

=====================================================

5️⃣ Segmentation QC

=====================================================

Segment display:

segNode.SetDisplayVisibility(True)
view.grab().save(f"{qcDir}/segmentation.png")

---

---

=====================================================

6️⃣ SUV Histogram QC

=====================================================

PET intensity 분포:

import numpy as np
import matplotlib.pyplot as plt

arr = slicer.util.arrayFromVolume(petNode)
plt.hist(arr.flatten(),bins=200)
plt.savefig(f"{qcDir}/suv_hist.png")
plt.close()

---

---

=====================================================

7️⃣ Composite ROI QC

=====================================================

Composite ROI mask 생성 후 highlight:

logic = slicer.modules.segmentations.logic()
logic.ExportSegmentsToLabelmapNode(segNode, compLabel, compIDs)

Capture:

view.grab().save(f"{qcDir}/composite.png")

---

---

=====================================================

8️⃣ Outlier Detection 자동화

=====================================================

기준:

• Composite SUVr > 3

• Cerebellum SUV < 1

• ROI voxel < 100

---

if CompositeSUVr>3:
   qcFlag.append("HighSUVr")

---

---

=====================================================

9️⃣ QC Summary Excel

=====================================================

Master_QC.xlsx:

| Subject | SUVr | CereSUV | Flags |

---

qcRows.append([sub,CompositeSUVr,cereSUV,";".join(qcFlag)])

---

---

=====================================================

🔟 Batch 성능

PNG 생성:

+6초 / subject

100명:

+10분

---

---

=====================================================

1️⃣1️⃣ QC Dashboard 확장 (선택)

=====================================================

자동 HTML:

• overlay grid

• SUVr scatter

• clickable subject

(Plotly optional)

---

---

=====================================================

1️⃣2️⃣ 운영 SOP

연구자 실제 흐름:

1 QC 폴더 열기
2 overlay 먼저 확인
3 segmentation 확인
4 histogram 확인
5 composite 확인
6 flag subject 재처리

---

---

=====================================================

1️⃣3️⃣ QC 합격 기준

통과 조건:

• Overlay 정확

• ROI 정상

• Histogram 단봉

• SUVr < 2.5

---

---

=====================================================

참고문헌

=====================================================

1. Landau et al., NeuroImage 2012

2. ADNI PET QC Manual

3. 3D Slicer Visualization API
   https://slicer.readthedocs.io/en/latest/developer_guide/script_repository.html

4. MONAI Label
   https://github.com/Project-MONAI/MONAILabel

---

---

✅ 최종 요약

QC Visualization 시스템 완성 시:

• Registration 확인 PNG

• Segmentation 확인 PNG

• SUV histogram

• Composite ROI overlay

• Outlier 자동 flag

• Master QC Excel

👉 100명 PET도 “눈으로 검증 + 자동 필터링” 동시에 가능

---

이제 남은 고급 단계는:

✅ Centiloid QC
✅ Longitudinal drift QC
✅ Deep-learning QC
✅ Web viewer
✅ PACS 연동

원하시면 다음은
👉 Centiloid 자동 변환 + QC 연계