뇌 PET에서 SUVr을 얻기 위한 전체 워크플로를 3D Slicer 기준으로 단계별로 정리[pe]

 뇌 PET에서 SUVr을 얻기 위한 전체 워크플로를 3D Slicer 기준으로 단계별로 정리[pe]

slicer.readthedocs+1

1. Brain parcellation 및 세그먼트 파일 저장

1-1. CT 기반 parcellation (atlas 이용)

전제: 같은 환자의 brain CT와 atlas (예: MNI 템플릿 기반 atlas, Slicer에 기본 포함된 atlas 또는 추가 설치한 brain atlas)를 사용합니다.

  1. 데이터 로딩

    • Slicer 실행 후 Add Data → brain CT DICOM 또는 NRRD 로드.slicer.readthedocs​

    • Add Data로 atlas T1 템플릿 이미지와 해당 label(파셀레이션) 볼륨도 함께 로드.

  2. CT와 atlas 템플릿 정합

    • Registration 또는 General Registration (BRAINS) 모듈 사용.machinemindscape+1

    • Fixed: atlas T1 템플릿, Moving: 환자 CT로 설정.

    • 변환 타입: 먼저 Rigid/Similarity, 필요시 Affine/B-spline 추가.

    • Apply 실행 후, 생성된 Transform을 CT에 적용해 정렬 상태를 확인.

  3. 변환을 atlas label에 적용 (atlas → 환자 CT 공간으로 워핑)

    • Data 모듈에서 atlas label 볼륨 선택 → Transforms 모듈에서 위에서 얻은 Transform을 label에 할당.

    • Resample 또는 Harden Transform을 사용해 label을 환자 CT 해상도에 맞게 resample.

    • 이렇게 하면 atlas 기반 brain 영역 parcellation이 CT 공간에 맞춰짐.

  4. 필요시 CT에서 추가 세분화/보정

    • Segment Editor 모듈에서

      • Threshold로 뇌와 두개골을 대략 분리.discourse.slicer​

      • Islands(Remove small islands), Margin(Shrink/Grow) 등으로 뇌 영역을 정리.

    • atlas label과 CT 기반 mask를 조합해 이상한 영역(두개골, 공기 등)을 제거.

  5. 세그먼트 파일 저장

    • Segmentations 모듈에서 각 segment가 atlas label에 대응하는지 확인 (ROI 이름을 region 이름으로 정리).

    • Segmentations → Export/Import Models and Labelmaps에서 Labelmap (또는 segmentation .seg.nrrd) 형식으로 저장.

    • 이 파일이 나중에 PET SUV 계산 시 VOI Volume(레이블 볼륨)으로 사용됩니다.slicer.readthedocs+1

1-2. MRI 기반 parcellation (atlas 이용)

MRI에서는 atlas 정합 + 자동 brain segmentation(예: HD-BET, Swiss Skull Stripper 등)을 병행할 수 있습니다.journals.tultech+1

  1. 데이터 로딩

    • Add Data로 brain MRI (T1-weighted) 로드.

    • atlas T1 템플릿 및 label 볼륨 로드.slicer.readthedocs​

  2. MRI skull stripping (선택적이지만 권장)

    • Extension에 따라 Swiss Skull Stripper 또는 HD Brain Extraction 모듈 사용.discourse.slicer+1

    • 입력: MRI, 출력: 두개골 제거된 brain mask.

    • 결과가 좋지 않으면 Segment Editor에서 수동으로 수정.

  3. MRI와 atlas 정합

    • Registration / General Registration (BRAINS) 사용.discourse.slicer+1

    • Fixed: 환자 MRI (또는 skull-stripped MRI), Moving: atlas T1 템플릿.

    • 또는 반대로 Fixed: atlas, Moving: 환자 MRI → 이후 atlas label을 환자 MRI로 변환.discourse.slicer​

    • 적어도 Rigid+Affine, 필요하면 비선형 변환까지 사용.

  4. atlas label을 MRI 공간으로 warp

    • Transform을 atlas label에 적용 (Transform 모듈) → Harder Transform / Resample로 MRI 해상도에 맞게 resample.

    • 각 레이블이 MRI에서 해부학적으로 잘 맞는지 슬라이스별로 확인.

  5. 세그먼트 구조화 및 저장

    • Segmentations 모듈로 atlas label을 segmentation으로 불러와 지역 이름을 정리.

    • 뇌 영역별 segment (예: frontal, temporal, parietal, cerebellum 등)를 SUVr 분석에 필요한 구조로 그룹화.

    • segmentation을 .seg.nrrd 또는 labelmap으로 저장 (PET VOI로 사용할 포맷).slicer.readthedocs+1

2. Brain PET과의 registration

2-1. Brain CT와 brain PET 정합 후 PET 저장

전제: 같은 장비에서 획득된 PET/CT라면 이미 잘 co-registered 되어 있는 경우가 많습니다.discourse.slicer​

  1. PET/CT 로딩

    • DICOM 브라우저에서 PET/CT 시리즈를 모두 Import 후 Load.

    • PET volume과 CT volume이 Scene에 로딩된 것을 확인.

  2. 정합 상태 확인

    • Volumes 및 Slice 뷰에서 PET와 CT를 서로 다른 색 LUT로 표시하고 overlay.YouTube​

    • 보통 PET-CT는 이미 rigid alignment가 되어 있지만, 어긋나 있으면 수동 또는 자동 registration 수행.

  3. 필요시 PET↔CT registration

    • Registration 모듈에서 Fixed: CT, Moving: PET 설정.machinemindscape​

    • Rigid/Similarity 변환으로 정합 후 Apply.

    • Transform이 PET에 적용된 상태에서 실제 alignment 확인.

  4. 변환된 PET를 새 볼륨으로 저장

    • Transformed 볼륨을 생성 (Transform 모듈에서 “Create new volume” 옵션 사용).

    • Save 버튼에서 변환된 PET volume을 NRRD 또는 NIFTI로 저장.

    • 이 PET volume이 이후 SUV 계산의 Input PET Volume이 됩니다.slicer.readthedocs+1

2-2. Brain MRI와 brain PET 정합 후 PET 저장

  1. PET와 MRI 로딩

    • PET (이미 CT와 정합된 PET 혹은 원본 PET)과 brain MRI 둘 다 Add Data 또는 DICOM에서 로딩.

  2. 고정/이동 설정

    • 통상 Fixed: MRI (고해상도 구조 이미지), Moving: PET.YouTube​discourse.slicer​

  3. Registration 수행

    • 옵션 1: Landmark Registration (예: SlicerIGT의 Fiducial Registration Wizard).YouTube​discourse.slicer​

      • 각 modality에서 공통으로 보이는 기준점(안와, 뇌간 주변, midline 구조 등)을 3점 이상 찍고 rigid 변환 계산.YouTube​

    • 옵션 2: General Registration (BRAINS)

      • Fixed: MRI, Moving: PET, Rigid/Similarity 모드 설정 후 Apply.machinemindscape​

  4. PET를 MRI 공간으로 resample

    • Transform이 PET에 적용된 상태에서 Transforms 모듈에서 “Create new volume from transformed” 실행.machinemindscape​

    • 새로 생성된 PET_in_MRI_space 볼륨을 확인 (MRI와 동일한 grid에서 잘 겹치는지 슬라이스별로 확인).

  5. 저장

    • Save → 변환된 PET_in_MRI_space 볼륨을 NRRD/NIFTI로 저장.

    • 이후 parcellation된 MRI 기반 segmentation과 같은 공간에 있으므로 SUVr 분석에 사용.slicer.readthedocs+1

3. 정합된 brain PET와 세그먼트 파일 로딩 후 SUV 추출

  1. PET DICOM 또는 NRRD 준비

    • SUV 계산 모듈은 DICOM header의 방사성의약품 정보(주입량, 시간 등)가 필요하므로,

    • registration 후 resample한 PET가 NRRD라면, PET DICOM path는 원본 DICOM, Input PET Volume은 정합된 PET NRRD를 사용 (동일 데이터라고 간주 가능한 경우).

  2. Slicer에서 PET와 segmentation 로딩

    • Add Data → 변환된 PET volume (CT or MRI space) 로드.

    • Add Data → 해당 공간에서 만든 atlas 기반 segmentation (labelmap 또는 .seg.nrrd) 로드.

    • 좌표계와 voxel grid가 잘 맞는지 Slice view에서 확인 (segment 경계가 PET 뇌 구조를 잘 따라가는지).

  3. Labelmap 형식으로 VOI Volume 준비

    • segmentation이 .seg.nrrd 형식이라면 Segmentations 모듈에서

      • Export → Labelmap volume으로 변환.

    • 이 labelmap이 PET Standard Uptake Value Computation 모듈의 Input VOI Volume이 됩니다.slicer.readthedocs+1

  4. PET Standard Uptake Value Computation 실행

    • 모듈: PET Standard Uptake Value Computation 열기.slicer.readthedocs+1

    • 설정:

      • PET DICOM volume path (PETDICOMPath): 해당 PET의 DICOM 폴더 경로.

      • Input PET Volume (PETVolume): 정합된 PET 볼륨 선택 (CT 또는 MRI 공간).

      • Input VOI Volume (VOIVolume): 위에서 준비한 labelmap (brain parcellation).

    • 출력 설정:

      • Output Table (OutputCSV): CSV 파일 경로 지정 (없으면 새 파일 지정, 이미 존재하면 append).

      • Output Label, Output Label Value, SUVMax, SUVMean, SUVMin 등을 필요에 따라 선택.slicer.readthedocs+1

    • Apply 실행 → 각 label별로 SUVbw 기준 SUVmin, SUVmax, SUVmean 값이 계산되어 CSV에 저장됩니다.mindyourdata+2

4. SUVr 계산 (소뇌 reference) 및 엑셀 저장

SUVr은 각 뇌 영역의 SUV를 reference tissue(소뇌) SUV로 나눈 값입니다.mindyourdata​

  1. reference tissue(소뇌) segment 지정

    • parcellation atlas에서 소뇌(Cerebellum) 레이블 ID 또는 이름을 확인.

    • PET SUV CSV 파일에서 해당 레이블의 SUVmean 값을 reference로 사용 (보통 mean 사용).slicer.readthedocs+1

  2. SUVr 계산

    • CSV 파일을 Excel 또는 Python/R로 불러옵니다.

    • 각 행(레이블)에 대해 예를 들어 SUVmean 기준이면

      • 𝑆𝑈𝑉𝑟=𝑆𝑈𝑉𝑚𝑒𝑎𝑛_𝑟𝑒𝑔𝑖𝑜𝑛/𝑆𝑈𝑉𝑚𝑒𝑎𝑛_𝑐𝑒𝑟𝑒𝑏𝑒𝑙𝑙𝑢𝑚 (소뇌 mean 값으로 전체를 나눔).

    • Excel 예:

      • 가정: SUVmean이 C열, 소뇌가 10행이라면 C10이 reference.

      • 다른 행의 SUVr 열 (예: F열)에 =C2/$C$10 형식으로 입력 후 아래로 채우기.

  3. SUVr 결과 정리

    • 엑셀에서 열 구성 예:

      • PatientID, StudyDate, LabelID, LabelName, SUVmin, SUVmax, SUVmean, SUVr(SUVmean-based).

    • 필요하다면 SUVmax 기반 SUVr도 추가 (SUVmax/SUVmax_cerebellum 등).

  4. 최종 SUVr 엑셀 파일 저장

    • Excel에서 파일 → 다른 이름으로 저장으로 .xlsx 또는 .csv 형식으로 저장.

    • 후속 통계/머신러닝 분석 시 이 SUVr 테이블을 바로 사용 가능합니다.

CT 기반 vs MRI 기반 워크플로 요약

항목CT 기반 워크플로MRI 기반 워크플로
파셀레이션 해석 해상도CT 대비 낮음, 미세 구조 분할은 제약discourse.slicer​높은 해부학적 분해능, atlas 정합에 유리journals.tultech​
skull stripping 용이성CT는 bone과 soft tissue 대비가 커 threshold 기반으로 가능discourse.slicer​전용 모듈(HD-BET, Swiss Skull Stripper 등) 사용journals.tultech+1
PET와의 registrationPET-CT는 대개 이미 정합, 추가 수정만 필요discourse.slicer​별도 rigid/affine registration 필요machinemindscape+1YouTube​
SUV 계산 모듈 입력PET DICOM + CT 공간 PET + CT 기반 labelmapslicer.readthedocs+1PET DICOM + MRI 공간 PET + MRI 기반 labelmapslicer.readthedocs+1
SUVr 계산후처리에서 동일 (소뇌 SUV로 정규화)mindyourdata​동일 (소뇌 segment ID만 다름)mindyourdata​

위 절차대로 진행하면, 3D Slicer에서 brain atlas 기반 parcellation → PET 정합 → SUV 추출 → 소뇌 기준 SUVr 계산 → 엑셀 저장까지 전체 파이프라인을 재현할 수 있습니다.slicer.readthedocs+1

관련된

댓글

댓글 쓰기

이 블로그의 인기 게시물

히브리인, 이스라엘인, 유대인 성경 속 이름에 숨겨진 소름 돋는 비밀

히브리인, 이스라엘인, 유대인 성경 속 이름에 숨겨진 소름 돋는 비밀  성경을 읽다 보면 가끔 길을 잃는 기분이 들곤 합니다. 똑같은 사람들을 말하는 것 같은데 어떤 때는 히브리인 , 어떤 때는 이스라엘인 , 또 어떤 때는 유대인 이라고 부르기 때문이죠. 이 이름들은 단순한 별명이 아닙니다. 그것은 한 인간이 하나님을 만나 어떻게 변화하고 완성되어 가는지를 보여주는 **'영적 신분 상승의 단계'**입니다. 오늘 여러분께 2,000년 성경 역사를 관통하는 이 세 이름의 비밀을 아주 쉽고, 재미있게, 그리고 실제 삶에 적용할 수 있는 지침서로 정리해 드립니다. 목차 첫 번째 이름: 히브리인 – "강을 건너, 기준을 바꾸다" 두 번째 이름: 이스라엘인 – "하나님과 씨름하며 정체성을 찾다" 세 번째 이름: 유대인 – "모든 것을 잃어도 약속을 붙든 남은 자" 이름의 완성: 예수 그리스도와 우리의 연결고리 실행 가이드: 당신의 진짜 이름을 찾는 5단계 절차 [특별 부록] 인생의 승리를 위해 투자해야 할 '가치 주식' 리스트 요약 및 태그 1. 첫 번째 이름: 히브리인 (Hebrew) "안전한 과거를 뒤로하고 믿음의 강을 건넌 자" 성경에서 아브라함을 처음으로 '히브리 사람'이라고 부릅니다. [주석 1] 이 단어의 어원적 의미는 **'강을 건너온 사람'**입니다. 의미: 당시 최첨단 도시였던 '우르'를 떠나 유프라테스 강을 건너온 아브라함을 보고 현지인들이 붙인 이름입니다. 교훈: 단순히 지리적 이동이 아니라, 세상의 가치관에서 하나님의 가치관으로 인생의 방향을 완전히 틀었다 는 뜻입니다. 어려운 단어 풀이: * 우르(Ur): 당시 가장 풍요롭고 우상을 많이 섬기던 대도시. 오늘날로 치면 최고의 연봉과 안정이 보장된 직장을 상징합니다. 2. 두 번째 이름: 이스라엘인 (Israelite) "내 힘을 빼고 하나님의...
Read more »

작은 틈이 무너뜨린다 왜 우리는 ‘사소한 분열’을 극도로 경계해야 하는가

  작은 틈이 무너뜨린다 왜 우리는 ‘사소한 분열’을 극도로 경계해야 하는가 목차 작은 틈이 큰 붕괴를 만든다 성경이 반복해서 경고하는 “작은 시작”의 위험 작은 여우의 비유 – 포도원을 무너뜨리는 보이지 않는 적 분열은 어떻게 시작되는가 틈을 방치하면 반드시 분열로 간다 신앙과 공동체에서 실제로 벌어지는 사례 작은 틈을 막는 실천 전략 오늘 우리가 점검해야 할 질문들 결론 요약 참고 성경 및 참고문헌 태그 검색 1. 작은 틈이 큰 붕괴를 만든다 대부분의 붕괴는 갑작스럽게 시작되지 않는다 . 성경이 말하는 실패와 타락의 공통점은 언제나 아주 작은 틈 에서 출발한다. 한 번의 방심 사소한 불순종 별것 아닌 말 한마디 그냥 넘겨버린 마음의 균열 이 작은 틈은 시간이 지나면서 분열 , 불신 , 완전한 붕괴 로 자란다. 성경은 이것을 결코 가볍게 보지 않는다. 2. 성경이 반복해서 경고하는 “작은 시작”의 위험 핵심 말씀 “적은 누룩이 온 덩이에 퍼지는 것을 알지 못하느냐” 갈라디아서 5:9 누룩은 작다. 그러나 방치하면 전부를 변화시킨다 . 성경에서 누룩은 종종 죄, 왜곡된 가르침, 분열의 씨앗 을 상징한다. 또 다른 경고 “죄의 삯은 사망이요” 로마서 6:23 죄의 시작은 작지만, 결과는 언제나 치명적 이다. 3. 작은 여우의 비유 – 포도원을 무너뜨리는 보이지 않는 적 많은 사람들이 이를 “전도서의 여우 이야기”로 기억하지만, 정확한 성경 구절은 아가서 에 등장한다. 핵심 말씀 “우리를 위하여 여우, 곧 포도원을 허는 작은 여우를 잡으라 우리의 포도원에 꽃이 피었음이라” 아가서 2:15 이 말씀이 주는 통찰 포도원은 이미 꽃이 핀 상태 큰 짐승이 아니라 작은 여우 가 문제 눈에 띄지 않기 때문에 더 위험 즉, 잘 되고 있을 때 무너진다 는 경고다. 4. 분열은 어떻게 시작되는가 성경에서 분...
Read more »

작은 틈이 무너뜨린다 왜 성경은 ‘분열의 시작’을 그렇게 경고하는가

  작은 틈이 무너뜨린다 왜 성경은 ‘분열의 시작’을 그렇게 경고하는가 목차 왜 성경은 ‘작은 틈’을 심각하게 다루는가 작은 틈의 성경적 정의 분열은 어떻게 시작되는가 성경이 말하는 분열의 파괴력 실제 삶에서 나타나는 작은 틈의 사례 작은 틈을 방치하면 벌어지는 일 작은 틈을 막는 성경적 실천 전략 오늘 점검해야 할 질문 결론 요약 참고 성경 및 참고문헌 태그 검색 1. 왜 성경은 ‘작은 틈’을 심각하게 다루는가 사람들은 보통 큰 죄 , 큰 갈등 , 큰 사건 을 문제 삼는다. 그러나 성경은 오히려 그 이전 단계, 즉 아주 작은 틈 을 가장 위험한 요소로 본다. 왜일까? 작은 틈은 눈에 띄지 않기 때문이다. 그래서 방치되기 쉽고 , 방치되면 반드시 분열로 자라기 때문이다. 2. 작은 틈의 성경적 정의 성경에서 말하는 작은 틈은 단순한 실수가 아니다. 다음과 같은 요소를 포함한다. 마음속에 스쳐 지나간 불평 말로 표현되지 않은 불신 “이 정도는 괜찮겠지”라는 자기합리화 순종을 미루는 태도 핵심 말씀 “모든 지킬 만한 것 중에 더욱 네 마음을 지키라 생명의 근원이 이에서 남이니라” 잠언 4:23 성경은 마음의 균열 을 가장 먼저 경고한다. 3. 분열은 어떻게 시작되는가 분열은 갑자기 터지지 않는다. 성경이 보여주는 분열의 흐름은 매우 일관적이다. 마음에 틈이 생긴다 말이 달라진다 해석이 갈라진다 판단이 편을 가른다 공동체가 약해진다 성경적 근거 “형제들아… 분쟁을 일으키고 거치게 하는 자들을 살피고 그들에게서 떠나라” 로마서 16:17 분열은 우연이 아니라 관리되지 않은 작은 틈의 결과 다. 4. 성경이 말하는 분열의 파괴력 작은 것이 전체를 무너뜨리는 원리 “적은 누룩이 온 덩이에 퍼지는 것을 알지 못하느냐” 갈라디아서 5:9 누룩은 작다. 그러나 퍼지면 전부를 변질시킨다 . 또 다른 강력한 경고 “죽은 파리들이 향기름을 썩게 하느니라” 전도서 10:1 아주 작은 요소가 전체를 부패 시킨다는 말이다. 5. 실제 삶에서 나타나는 작은 틈의 사례 현실 속 분...
Read more »