뇌 PET 영상 분석의 꽃이라 불리는 SUVr(Standardized Uptake Value Ratio, 표준섭취계수비) 추출 과정입니다.

연구실에서, 혹은 임상 현장에서 데이터와 씨름하며 막막해하던 분들을 위해 3D Slicer를 활용한 현대적이고 정확한 워크플로우를 정리했습니다. 

---

🧠뇌 PET 분석의 마침표: 3D Slicer와 MONAI로 완성하는 SUVr 추출 마스터 가이드[ge]

📌 목차

1. [준비 단계] 분석 환경 구축 및 버전 확인

2. [절차 1] AI를 활용한 뇌 영역 분할 (Parcellation)

3. [절차 2] 영상 정합 (Registration): MRI/CT와 PET의 만남

4. [절차 3] 정규화 (Normalization) 및 SUV 변환

5. [절차 4] SUVr 계산 및 데이터 추출 (Excel Export)

6. [정리] 요약 및 참고문헌

---

🛠️ 준비 단계: 분석 환경 및 버전 확인

정확한 분석을 위해 도구의 버전을 맞추는 것이 첫 번째 단추입니다. 메뉴 구성이 달라 길을 잃지 않도록 아래 버전을 기준으로 작성했습니다.

• 사용 소프트웨어: 3D Slicer 5.6.2 (Stable Release)

• 필수 확장 모듈: * MONAILabel 또는 TotalSegmentator

  • PETSUV

  • SlicerRT (필요 시)

---

1단계: 뇌 영역 분할 (Brain Parcellation)

뇌 영역을 나누는 과정입니다. 과거에는 수동으로 그렸지만, 이제는 **AI(MONAI)**를 이용해 순식간에 끝낼 수 있습니다.

(1) MRI를 이용한 경우 (가장 추천하는 방법)

MRI는 연부 조직 대조도가 높아 뇌 영역 분할에 최적입니다.

1. 메뉴 이동: Sample Data에서 MRI를 불러오거나 본인의 데이터를 로드합니다.

2. 모듈 선택: TotalSegmentator 또는 MONAILabel 모듈로 이동합니다.

3. 세부 설정: * Task: brain 혹은 full 선택.

   • Input Volume: 불러온 MRI 데이터 선택.

4. 실행: Apply 버튼 클릭. 몇 분 후 수십 개의 뇌 영역이 자동으로 나뉩니다.

5. 저장: Segmentation 노드를 .seg.nrrd 형식으로 저장합니다.

(2) CT를 이용한 경우

CT는 뼈 구조에는 강하나 뇌 실질 구분이 어렵습니다. 따라서 보통 'Atlas-based' 방식을 씁니다.

1. 모듈 선택: General Registration (BRAINS) 이동.

2. 방법: 표준 뇌 CT 템플릿(Atlas)을 본인의 CT 데이터에 정합(Registration)합니다.

3. 영역 전이: 정합 결과로 얻은 변환 행렬을 이용해 Atlas의 세그먼트를 본인의 CT 좌표계로 가져옵니다.

4. 저장: 동일하게 세그먼트 파일을 저장합니다.

---

2단계: 영상 정합 (Image Registration)

분할된 영역(MRI/CT 기반)과 실제 수치값이 들어있는 PET 영상을 겹치는 단계입니다.

(1) MRI-PET 또는 CT-PET 정합 절차

1. 모듈 선택: Registration > General Registration (BRAINS)

2. 데이터 지정: * Fixed Volume: MRI 또는 CT (구조 정보가 명확한 영상)

   • Moving Volume: PET 영상

3. 정합 유형: Rigid (6 degrees of freedom) 선택. 뇌는 형태가 변하지 않으므로 강체 정합이면 충분합니다.

4. 출력 설정: Slicer Linear Transform을 새로 생성하여 적용합니다.

5. 저장: 정합이 완료된 PET 영상을 Hardened 상태로 저장합니다.

---

3단계: 정규화 (Normalization) 및 SUV 추출

PET의 원시 데이터(Raw counts)를 표준 수치인 SUV로 변환해야 비교가 가능합니다.

[ 💡 3D Slicer에서 가능한 정규화 방법 ]

• 방법 A: PET SUV 모듈 활용 (추천)

  • DICOM 헤더에 포함된 환자 몸무게(Weight), 주입 방사능량(Injected Dose) 등을 읽어와 자동으로 SUV 맵을 생성합니다.

• 방법 B: Cast to SUV

  • 수동으로 수치를 입력하여 Voxel 값을 SUV 단위로 스케일링합니다.

• 방법 C: 전체 뇌 평균 정규화

  • 특정 영역이 아닌 전체 뇌 평균값을 기준으로 나누는 방식입니다.

---

4단계: 영역별 SUV 값 추출

정합된 PET 영상 위에 아까 만든 세그먼트(영역)를 올리고 값을 계산합니다.

1. 모듈 선택: Quantification > Segment Statistics

2. 데이터 로드: * Segmentation: 1단계에서 저장한 세그먼트 파일.

   • Scalar Volume: 3단계에서 정규화한 SUV PET 영상.

3. 계산: Apply 클릭. 각 영역(Frontal, Temporal 등)의 Mean, Max, SD 값이 계산됩니다.

---

5단계: SUVr 계산 및 엑셀 저장 (핵심)

드디어 최종 목적지인 SUVr입니다.

1. 소뇌(Cerebellum) 값 확인: Segment Statistics 결과 표에서 'Cerebellum' 영역의 Mean SUV 값을 확인합니다. 이것이 기준점(Reference)이 됩니다.

2. SUVr 계산: * 공식:

   $$SUVr = \frac{Target\,ROI\,Mean\,SUV}{Cerebellum\,Mean\,SUV}$$

   • 3D Slicer 내의 Python Interactor를 쓰거나, 결과표를 엑셀로 가져와 계산합니다.

3. 엑셀 저장: * 표 하단의 Export to Table 클릭.

   • Table 모듈에서 CSV 또는 엑셀 형식으로 저장합니다.

---

---

🏃 실행 가능한 실전 체크리스트 (Action Plan)

이 박스 안의 내용을 그대로 따라 하세요!

1. 버전 체크: 반드시 Slicer 5.6.2 버전을 설치하세요.

2. 모듈 설치: 'Extensions Manager'에서 'PETSUV'와 'TotalSegmentator'를 먼저 설치하세요.

3. 데이터 확인: PET DICOM 헤더에 'Injected Dose'와 'Patient Weight'가 있는지 확인하세요. (없으면 SUV 계산 불가)

4. 기준점 설정: 알츠하이머 연구라면 보통 **Cerebellum(소뇌)**을 Reference Tissue로 사용합니다. ¹

5. 자동화 팁: 데이터가 많다면 Python 스크립트를 이용한 'Batch Processing' 파이프라인 구축을 권장합니다.

---

📚 참고문헌

• 3D Slicer Documentation (v5.6): https://slicer.readthedocs.io/

• ADNI PET Analysis Protocol: https://adni.loni.usc.edu/

• MONAI Label Project: https://monai.io/label.html

• (추가) Fedorov et al., "3D Slicer as an image computing platform for the Quantitative Imaging Network", Magn Reson Imaging. 2012.

---

📝 3줄 요약 (Summary)

1. 분할(Parcellation): MONAI/TotalSegmentator AI를 활용해 MRI에서 뇌 영역을 자동으로 나눕니다.

2. 정합 및 정규화(Registration & SUV): MRI와 PET을 겹친 후, 환자 정보를 바탕으로 원시 데이터를 SUV 값으로 변환합니다.

3. 추출(SUVr): 각 영역의 수치를 소뇌(Cerebellum) 평균값으로 나누어 최종 SUVr를 구하고 엑셀로 출력합니다.

태그: #3DSlicer #뇌PET #SUVr #MONAI #의학영상분석 #뇌연구 #ADNI파이프라인 #의학AI #이미지정합 #데이터추출

---

[검색 설명 (SEO)]

복잡한 뇌 PET 분석, 아직도 수동으로 하세요? 3D Slicer와 AI를 활용한 7단계 SUVr 추출법으로 분석 시간을 5배 단축하고 연구의 정확도를 높이는 기쁨을 누려보세요!

---

¹ 소뇌를 기준점으로 잡는 이유: 뇌의 다른 부위에 비해 베타 아밀로이드 축적이 적어 안정적인 대조군 역할을 하기 때문입니다. (인용: ADNI 가이드라인)