다중가우시안혼합모델을 이용한 소동물 심근경색 PET 영상의 정량적 평가 기술

우상근,이용진,이원호,김민환,박지애,김진수,김종국,강주현,지영훈,최창운,임상무,김경민,Woo, Sang-Keun,Lee, Yong-Jin,Lee, Won-Ho,Kim, Min-Hwan,Park, Ji-Ae,Kim, Jin-Su,Kim, Jong-Guk,Kang, Joo-Hyun,Ji, Young-Hoon,Choi, Chang-Woon,Lim, Sang-Mo 한국의학물리학회 2011 의학물리 Vol.22 No.1

전통적으로 심근 생존능을 식별하고 심근 관류를 정확히 평가하기 위한 도구로 핵의학영상이 이용되고 있으나 경색영역을 정의하기에는 어려움이 있다. 이에 본 연구에서는 극성지도의 분포를 분석하여 특성에 맞는 적응적 임계값을 이용하여 심근경색 모델을 정량적으로 평가하고자 하였다. 쥐 심근경색 모델은 왼쪽 관상동맥을 결찰시켜 제작하였다. 소동물PET 영상은 37 MBq $^{18}F$-FDG를 쥐의 꼬리정맥에 주사한 후 60분 섭취 후 Siemens Inveon SPECT/PET 스캐너를 이용하여 20분 동안 ECG 신호와 함께 획득하였고, OSEM 2D 알고리즘을 이용하여 재구성하였다. PET 영상의 심근 극성지도는 Siemens QGS 소프트웨어에 적합한 형식으로 변환 후 자동으로 심근 벽을 설정하여 작성하였다. 심근경색영역의 기준데이터는 TTC 염색으로 설정하였으며 전체 좌심실대비 염색된 영역의 백분율로 획득하였다. 최적의 임계값 설정을 위해 절대치 설정 방법, Otsu 알고리즘, 다중가우시안혼합모델(Multi Gaussian mixture model, MGMM)을 이용하여 평가하였다. 절대치 설정 방법은 10~90%까지 10%단위로 미리 정의 된 임계값을 이용하였고, Otsu 알고리즘은 영상 내에서 두 군집의 분산을 최대로 하는 임계값으로 설정하였다. MGMM 방법은 영상의 화소 강도를 분석하여 여러 개의 가우시안 분포함수(MGMM2, $\cdots$ MGMM4)로 반복 수행하여 최적의 가우시안 분포를 구하여 적응적 임계값을 설정하였다. 극성지도 평가지표는 각각의 알고리즘에서 측정된 임계값을 이용하여 이진화하고 전체 극성지도와 경색영역의 백분율로 획득한 후, TTC 염색으로 획득된 기준데이터와의 차이를 비교하였다. 그 차이는 절대치 방법의 20%에서 $7.04{\pm}3.44%$, 30%에서 $3.87{\pm}2.09%$, 40%에서 $2.15{\pm}2.07%$이었다. Otsu 방법은 $3.56{\pm}4.16%$이었으며 MGMM 방법은 $2.29{\pm}1.94%$이었다. 소동물 PET 극성지도에서는 30% 임계값이 조직학적 데이터와 비교하여 가장 작은 차이를 보였다. 그러나 TTC 염색으로 측정한 크기가 10% 이하에서는 MGMM 방법이 절대치 방법보다 작은 차이를 보였다(MGMM: 0.006%, 절대치방법: 0.59%). 이 연구에서는 심근경색 모델 평가를 위하여 생체영상 극성지도에서 다중가우시안혼합모델을 이용하여 평가하고자 하였다. MGMM은 사용자의 선택 없이도 자동적으로 영상 특성을 고려하여 적응적 임계값을 찾아주는 방법으로 극성지도에서 심근경색을 평가하는데 도움이 될 것으로 기대된다. Nuclear medicine images (SPECT, PET) were widely used tool for assessment of myocardial viability and perfusion. However it had difficult to define accurate myocardial infarct region. The purpose of this study was to investigate methodological approach for automatic measurement of rat myocardial infarct size using polar map with adaptive threshold. Rat myocardial infarction model was induced by ligation of the left circumflex artery. PET images were obtained after intravenous injection of 37 MBq $^{18}F$-FDG. After 60 min uptake, each animal was scanned for 20 min with ECG gating. PET data were reconstructed using ordered subset expectation maximization (OSEM) 2D. To automatically make the myocardial contour and generate polar map, we used QGS software (Cedars-Sinai Medical Center). The reference infarct size was defined by infarction area percentage of the total left myocardium using TTC staining. We used three threshold methods (predefined threshold, Otsu and Multi Gaussian mixture model; MGMM). Predefined threshold method was commonly used in other studies. We applied threshold value form 10% to 90% in step of 10%. Otsu algorithm calculated threshold with the maximum between class variance. MGMM method estimated the distribution of image intensity using multiple Gaussian mixture models (MGMM2, ${\cdots}$ MGMM5) and calculated adaptive threshold. The infarct size in polar map was calculated as the percentage of lower threshold area in polar map from the total polar map area. The measured infarct size using different threshold methods was evaluated by comparison with reference infarct size. The mean difference between with polar map defect size by predefined thresholds (20%, 30%, and 40%) and reference infarct size were $7.04{\pm}3.44%$, $3.87{\pm}2.09%$ and $2.15{\pm}2.07%$, respectively. Otsu verse reference infarct size was $3.56{\pm}4.16%$. MGMM methods verse reference infarct size was $2.29{\pm}1.94%$. The predefined threshold (30%) showed the smallest mean difference with reference infarct size. However, MGMM was more accurate than predefined threshold in under 10% reference infarct size case (MGMM: 0.006%, predefined threshold: 0.59%). In this study, we was to evaluate myocardial infarct size in polar map using multiple Gaussian mixture model. MGMM method was provide adaptive threshold in each subject and will be a useful for automatic measurement of infarct size.

움직임 기반 진단 및 치료 평가를 위한 인공폐결절 개발

우상근,박노운,박승우,유정우,한수철,이승준,김경민,강주현,지영훈,엄기동,Woo, Sang-Keun,Park, Nohwon,Park, Seungwoo,Yu, Jung Woo,Han, Suchul,Lee, Seungjun,Kim, Kyeong Min,Kang, Joo Hyun,Ji, Young Hoon,Eom, Kidong 한국의학물리학회 2013 의학물리 Vol.24 No.1

진단 및 치료분야에서 호흡 움직임이 미치는 영향에 대한 연구는 외부 움직임을 관찰하여 실시되었으나, 이러한 외부 움직임은 내부 장기의 실제 움직임을 반영하지 못한다. 이에 본 연구에서는 개의 흉부 내 비침습적 이식이 가능한 인공 폐결절을 제작하여 동물실험에 대한 적용가능성을 확인하고 PET 영상 획득 및 방사선조사 시 움직임의 영향을 평가하고자하였다. 인공폐결절은 8 Fr 일회용 위장용 영양공급튜브를 개조하여 제작하였다. 제작된 결절모델은 마취된 개 4마리에 기관을 경유하여 기관지에 삽입한 뒤 방사선투시장치를 이용하여 위치를 확인하였다. PET 촬영용 인공폐결절은 내강에 $^{18}F$-FDG를 주입한 뒤 호흡운동 모사체에 장착하여 정지 상태, 10 rpm과 15 rpm의 종축 왕복운동간 PET 촬영을 실시하였다. 방사선조사용 인공폐결절은 유리선량계를 이식한 뒤 PET 촬영 시와 동일한 호흡운동 모사체에 장착하여 정지 상태, 10 rpm과 15 rpm의 종축 왕복운동간 1 Gy 선량을 조사하였다. 인공폐결절은 방사선투시장치 영상에서 실험동물의 후엽 근위부 세기관지에 이식되며 호흡에 따라 결절의 위치가 변화함을 확인하였다. PET 영상에서의 인공폐결절은 모사된 호흡 움직임에 따라 움직임에 의한 인공산물을 나타내었으며, 호흡동조게이트 시 SNR은 7.21로 기준영상의 SNR 10.15에 비해 감소하였으나 프로파일상 게이트영상의 영상계수는 정적영상에 비해 기준영상과 유사하여 PET 영상의 질을 개선함을 확인하였다. 방사선조사 실험간 인공폐결절 내 삽입된 유리선량계에 조사된 조사선량은 정지 상태와 10 rpm의 종축 왕복운동에서 0.91 Gy로 차이를 보이지 않았으나, 15 rpm의 종축 왕복운동에서 0.90 Gy로 오차범위 내 감소를 나타내었으며, 이온 전리함을 통한 조사선량 검출에서도 근소한 감소를 나타내었다. 본 실험에서 제작된 인공폐결절은 실험동물의 후엽 근위부 세기관지에 높은 재현성을 보이며 방사선투시 영상에서 폐의 내부 움직임을 반영하였다. PET 영상 내 움직임에 의한 인공산물이 관찰되며, 방사선 조사연구에서는 호흡운동이 미약한 영상 흐림을 일으킴을 확인하였다. 따라서 본 인공폐결절은 진단 및 치료분야에서 실험동물을 이용한 움직임 기반 진단 및 치료 평가에 유용한 도구로 사용될 것으로 기대된다. Previous studies about effect of respiratory motion on diagnostic imaging and radiation therapy have been performed by monitoring external motions but these can not reflect internal organ motion well. The aim of this study was to develope the artificial pulmonary nodule able to perform non-invasive implantation to dogs in the thorax and to evaluate applicability of the model to respiratory motion studies on PET image acquisition and radiation delivery by phantom studies. Artificial pulmonary nodule was developed on the basis of 8 Fr disposable gastric feeding tube. Four anesthetized dogs underwent implantation of the models via trachea and implanted locations of the models were confirmed by fluoroscopic images. Artificial pulmonary nodule models for PET injected $^{18}F$-FDG and mounted on the respiratory motion phantom. PET images of those acquired under static, 10-rpm- and 15-rpm-longitudinal round motion status. Artificial pulmonary nodule models for radiation delivery inserted glass dosemeter and mounted on the respiratory motion phantom. Radiation delivery was performed at 1 Gy under static, 10-rpm- and 15-rpm-longitudinal round motion status. Fluoroscpic images showed that all models implanted in the proximal caudal bronchiole and location of models changed as respiratory cycle. Artificial pulmonary nodule model showed motion artifact as respiratory motion on PET images. SNR of respiratory gated images was 7.21. which was decreased when compared with that of reference images 10.15. However, counts of respiratory images on profiles showed similar pattern with those of reference images when compared with those of static images, and it is assured that reconstruction of images using by respiratory gating improved image quality. Delivery dose to glass dosemeter inserted in the models were same under static and 10-rpm-longitudinal motion status with 0.91 Gy, but dose delivered under 15-rpm-longitudinal motion status was decreased with 0.90 Gy. Mild decrease of delivered radiation dose confirmed by electrometer. The model implanted in the proximal caudal bronchiole with high feasibility and reflected pulmonary internal motion on fluoroscopic images. Motion artifact could show on PET images and respiratory motion resulted in mild blurring during radiation delivery. So, the artificial pulmonary nodule model will be useful tools for study about evaluation of motion on diagnostic imaging and radiation therapy using laboratory animals.

특징 추출을 이용한 다중 영상 정합 및 융합 연구

우상근(Sang-Keun Woo),김지현(Jee Hyun Kim) 한국컴퓨터정보학회 2007 韓國컴퓨터情報學會論文誌 Vol.12 No.2

본 논문에서는 소동물 생체내 실험시 서로 다른 장비에서 획득된 영상의 융합 및 정합을 위한 방법을 제안한다. 마우스의 꼬리 정맥에 [[¹?F]FDG를 주사하여 60분 섭취후 서로 다른 장비에서 동일한 위치의 영상을 획득하기 위하여 아크릴 재질의 소동물 가이드에 기준마크를 설정하고 microPET과 CT 영상을 획득하였다. MicroPET으로 획득된 리스트모드(list-mode) 데이터는 Fourier Rebinning (FRB) 방법을 사용하여 사이노그램(Sinogram)으로 변환 후 4 번의 반복횟수를 가지는 Ordered Subset Expectation Maximization(OSEM) 알고리즘으로 재구성하였다. MicroPET 영상획득후 PET/CT의 CT를 이용하여 CT영상을 획득하였다. MicroPET 영상에서 폐영역을 정확히 찾아내는 어려움이 있어, 해부학적 정보를 제공하는 CT 영상을 이용하여 폐 영역을 구분하였다. 영상 융합을 위한 불일치 부분을 해결하기 위하여 기준마크의 정보와 폐 영역의 정보를 이용하여 회전과 이동정보를 가지는 어파인 (affine) 변환 행렬 구하여 영상 정합에 사용하였다. 이 방법은 정량적 정확성과 영상 해석의 정확성을 개선할 것으로 기대된다. The aim of this study was to propose a fusion and registration method with heterogeneous small animal acquisition system in small animal in-vivo study. After an intravenous injection of ¹?F-FDG through tail vain and 60 min delay for uptake, mouse was placed on an acryl plate with fiducial markers that were made for fusion between small animal PET (microPET R4, Concorde Microsystems, Knoxville TN) and Discovery LS CT images. The acquired emission list-mode data was sorted to temporally framed sinograms and reconstructed using FORE rebining and 2D-OSEM algorithms without correction of attenuation and scatter. After PET imaging, CT images were acquired by mean of a clinical PET/CT with high-resolution mode. The microPET and CT images were fusion and co-registered using the fiducial markers and segmented lung region in both data sets to perform a point-based rigid co-registration. This method improves the quantitative accuracy and interpretation of the tracer.

肝閉鎻症의 臨床的 考察

禹相根(Sang Keun Woo),孫基燮(Ki Sub Son) 대한외과학회 1976 Annals of Surgical Treatment and Research Vol.18 No.9

소동물 폐종양의 정량적 개선을 위한 내부 움직임 평가

유정우,우상근,이용진,김경민,김진수,이교철,박상준,유란지,강주현,지영훈,정용현,김병일,임상무,Yu, Jung-Woo,Woo, Sang-Keun,Lee, Yong-Jin,Kim, Kyeong-Min,Kim, Jin-Su,Lee, Kyo-Chul,Park, Sang-Jun,Yu, Ran-Ji,Kang, Joo-Hyun,Ji, Young-Hoon,Chung, Y 한국의학물리학회 2011 의학물리 Vol.22 No.3

이 연구에서는 폐종양의 정량적 개선을 위하여 분자체를 이용하여 내부 움직임을 측정하고 평가된 데이터를 기반으로 소동물 PET 영상내의 폐종양을 국소화하고자 하였다. 소동물 폐 영역의 내부 움직임은 방사성물질을 흡착한 분자체를 이용하여 소동물 폐 영역에 부착함으로써 구현하였다. 폐 영역의 내부 움직임 표적으로 사용된 분자체는 약 37 kBq의 Cu-64를 흡착시켜 폐종양을 모사하였다. 소동물 PET 영상은 Siemens Inveon 스캐너를 이용하여 획득하였으며 외부 움직임 데이터는 트리거 생성 장치인 BioVet을 이용하였다. SD-Rat PET 영상은 $^{18}F$-FDG 37 MBq/0.2 mL을 미정맥으로 주사하고 60분 후 20분간 데이터를 획득하였다. 리스트모드 데이터의 각 선응답은 외부 트리거 장치에 의해 획득된 트리거신호를 이용하여 2 bin에서 16 bin으로 사이노그램을 획득하였다. 획득된 사이노그램 데이터는 OSEM 2D 알고리즘을 이용하여 4회의 반복으로 재구성하였다. 종양의 정량적 분석을 위한 PET 영상은 종양을 묘사한 분자체 영역에 관심영역을 설정하고 계수와 SNR 그리고 FWHM을 이용하여 평가하였다. 움직임 표적으로 사용된 분자체의 크기는 $1.59{\times}2.50mm$이었으며, 기준 영상으로 획득한 체외 분자체 수직 및 수평 FWHM은 $2.91{\times}1.43mm$이었다. 정적영상과 4 bin 그리고 8 bin 영상에서의 수직 FWHM은 각각 3.90 mm, 3.74 mm, 3.16 mm이었으며 수평 FWHM은 각각 2.21 mm, 2.06 mm, 1.60 mm이었다. 정적영상, 4 bin, 8 bin, 12 bin 그리고 16 bin의 계수 값은 각각 4.10, 4.83, 5.59, 5.38, 5.31이었다. 정적영상, 4 bin, 8 bin, 12 bin 그리고 16 bin의 SNR은 4.18, 4.05, 4.22, 3.89, 3.58이었다. FWHM은 게이트 수의 증가에 따라 계속 향상됨을 확인하였다. 그러나 계수 값과 SNR은 게이트 수의 증가에 따라 계속 향상되지 않고 특정 bin 수에서 가장 높은 값을 보여 소동물 폐 영역에서의 종양 영상화시 SNR의 손실을 최소화하면서 향상된 계수 값을 얻을 수 있는 게이트 수를 획득하였다. 내부 움직임 측정은 최적화된 종양 국소화 영상을 획득할 수 있으며 외부 움직임 모니터링 시스템을 사용하지 않고 장기별 움직임 예측 모델링을 위한 유용한 방법이 될 것으로 기대된다. The purpose of this study was to estimate internal motion using molecular sieve for quantitative improvement of lung tumor and to localize lung tumor in the small animal PET image by evaluated data. Internal motion has been demonstrated in small animal lung region by molecular sieve contained radioactive substance. Molecular sieve for internal lung motion target was contained approximately 37 kBq Cu-64. The small animal PET images were obtained from Siemens Inveon scanner using external trigger system (BioVet). SD-Rat PET images were obtained at 60 min post injection of FDG 37 MBq/0.2 mL via tail vein for 20 min. Each line of response in the list-mode data was converted to sinogram gated frames (2~16 bin) by trigger signal obtained from BioVet. The sinogram data was reconstructed using OSEM 2D with 4 iterations. PET images were evaluated with count, SNR, FWHM from ROI drawn in the target region for quantitative tumor analysis. The size of molecular sieve motion target was $1.59{\times}2.50mm$. The reference motion target FWHM of vertical and horizontal was 2.91 mm and 1.43 mm, respectively. The vertical FWHM of static, 4 bin and 8 bin was 3.90 mm, 3.74 mm, and 3.16 mm, respectively. The horizontal FWHM of static, 4 bin and 8 bin was 2.21 mm, 2.06 mm, and 1.60 mm, respectively. Count of static, 4 bin, 8 bin, 12 bin and 16 bin was 4.10, 4.83, 5.59, 5.38, and 5.31, respectively. The SNR of static, 4 bin, 8 bin, 12 bin and 16 bin was 4.18, 4.05, 4.22, 3.89, and 3.58, respectively. The FWHM were improved in accordance with gate number increase. The count and SNR were not proportionately improve with gate number, but shown the highest value in specific bin number. We measured the optimal gate number what minimize the SNR loss and gain improved count when imaging lung tumor in small animal. The internal motion estimation provide localized tumor image and will be a useful method for organ motion prediction modeling without external motion monitoring system.

영상정보 시스템을 이용한 헬스케어

우상근(Sang-keun Woo),박용성(Yong Sung Park),임상무(Sang Moo Lim) 한국컴퓨터정보학회 2016 한국컴퓨터정보학회지 Vol.24 No.1

딥러닝 네트워크를 이용한 조영증강 CT 영상 생성

우상근(Sang-Keun Woo) 한국컴퓨터정보학회 2019 한국컴퓨터정보학회 학술발표논문집 Vol.27 No.1

PET/CT 영상 움직임 보정

우상근 ( Sang Keun Woo ),천기정 ( Gi Jeong Cheon ) 대한핵의학회 2008 핵의학 분자영상 Vol.42 No.2

종양 모델 연구를 위한 소동물 [18F]FDG PET 영상화

우상근 ( Sang Keun Woo ),김경민 ( Kyeong Min Kim ),천기정 ( Gi Jeong Cheon ) 대한핵의학회 2008 핵의학 분자영상 Vol.42 No.1

Generation of contrast enhanced computed tomography image using deep learning network

Sang-Keun Woo(우상근) 한국컴퓨터정보학회 2019 韓國컴퓨터情報學會論文誌 Vol.24 No.3

In this paper, we propose a application of conditional generative adversarial network (cGAN) for generation of contrast enhanced computed tomography (CT) image. Two types of CT data which were the enhanced and non-enhanced were used and applied by the histogram equalization for adjusting image intensities. In order to validate the generation of contrast enhanced CT data, the structural similarity index measurement (SSIM) was performed. Prepared generated contrast CT data were analyzed the statistical analysis using paired sample t-test. In order to apply the optimized algorithm for the lymph node cancer, they were calculated by short to long axis ratio (S/L) method. In the case of the model trained with CT data and their histogram equalized SSIM were 0.905±0.048 and 0.908±0.047. The tumor S/L of generated contrast enhanced CT data were validated similar to the ground truth when they were compared to scanned contrast enhanced CT data. It is expected that advantages of Generated contrast enhanced CT data based on deep learning are a cost-effective and less radiation exposure as well as further anatomical information with non-enhanced CT data.