[논문 리뷰] A Novel Analysis Method for Emission Tomography

Costas N. Papanicolas, Loizos Koutsantonis외 1명|arXiv (Cornell University)|2018. 04. 11.

Medical Imaging Techniques and Applications참고 문헌 41인용 수 9

한 줄 요약

이 논문은 통계역학과 몬테카를로 시뮬레이션을 활용하여 저통계량, 노이즈가 많은 투과 데이터로부터 고품질 영상을 생성하는 새로운 영상 재구성 방법인 RISE(Reconstructed Image from Simulations Ensemble)를 소개한다. RISE는 저선량 조건에서 MLEM, ART, FBP보다 영상 품질이 뛰어나며, SPECT 시뮬레이션에서 상관관계가 높고 오차가 낮으며 신호대노이즈비율이 향상되는 결과를 보였다.

ABSTRACT

We present a novel analysis method for image reconstruction in emission tomography. The method, named Reconstructed Image from Simulations Ensemble (RISE), utilizes statistical physics concepts and Monte Carlo techniques to extract the parameters of a physical model representing the imaged object from its planar projections. Its capabilities are demonstrated and evaluated by reconstructing tomographic images from sets of simulated SPECT projections. The RISE results compare favourably to those derived from the well - known Maximum Likelihood Expectation Maximization (MLEM) method, the Algebraic Reconstruction Technique (ART) and the Filtered Back Projection (FBP).

연구 동기 및 목표

• 저통계량 및 노이즈가 많은 조건에서 잘 작동하는 영상 재구성 방법을 개발한다.
• 적은 투과 수와 낮은 카운트로도 고품질 영상 재구성을 가능하게 하여 환자의 방사선 노출을 줄인다.
• 이미지 품질 및 정량적 지표 측면에서 기존 방법(MLEM, ART, FBP)과 RISE를 비교 평가한다.
• 소프트웨어 허브를 활용한 SPECT 영상에서의 방법의 타당성과 우수성을 입증한다.
• 3D 부피 영상 재구성 및 IRET와 같은 다른 영상 단층촬영 모odalities로의 프레임워크 확장 가능성을 탐색한다.

제안 방법

• RISE는 영상 단층촬영의 역문제에 대한 가능한 해를 표현하기 위해 몬테카를로 시뮬레이션된 영상의 앙상블을 사용한다.
• 관측된 투과 데이터와 가장 잘 일치하는 시뮬레이션을 선택하고 조합하기 위해 '적합도' 기준에 기반한 통계적 가중치를 적용한다.
• 이 방법은 통계역학의 개념을 활용하는 모델에 종속되지 않는 분석 체계(AMIAS)에 기반하며, 역문제 해결에 응용된다.
• 투과 행렬의 직접 역행을 피하고, 확률적 샘플링 및 가능성 있는 영상 해를 선택하는 가능도 기반 접근을 통해 재구성 과정을 수행한다.
• 이 방법은 노이즈 및 감쇠에 대해 본질적으로 강건하며, 감쇠 및 산산조각 나침을 포함하는 확장도 가능하다.
• 시뮬레이션된 영상 앙상블에 페르미 모델을 적용하고, 후처리 필터링을 적용한 MLEM, ART, FBP와의 비교를 통해 검증하였다.

실험 결과

연구 질문

• RQ1 저통계량 SPECT 환경에서 RISE가 MLEM, ART, FBP보다 뛰어난 영상 재구성 품질을 달성할 수 있는가?
• RQ2 점점 감소하는 광자 수에서 RISE의 상관관계, 노이즈 및 신호대노이즈비율 성능은 어떻게 되는가?
• RQ3 진단용 영상 품질을 유지하면서 RISE가 방사성약제 투여량을 얼마나 줄일 수 있는가?
• RQ4 RISE는 IRET나 PET와 같은 다른 영상 단층촬영 모달리티에 적용 가능하고 효과적인가?
• RQ5 RISE 프레임워크는 성능 향상을 위해 3D 부피 영상 재구성으로 확장 가능한가?

주요 결과

• 전량제제 조건(D1)에서는 RISE가 모든 방법 중에서 가장 높은 상관계수(CC) 0.98을 기록했으며, PSNR는 27.87 dB, NMSE는 0.013을 기록했다.
• 반량제제(D2) 조건에서는 RISE가 CC 0.97, PSNR 26.17 dB를 유지했으며, 후처리 필터링을 적용한 MLEM(_CC: 0.90, PSNR: 19.61 dB_)보다 뚜렷한 우월성을 보였다.
• 1/4량제제(D3) 조건에서는 RISE가 CC 0.92, PSNR 21.28 dB를 기록했고, FBP와 ART는 성능이 급격히 저하되었다 (PSNR: 15.47 dB 및 17.80 dB).
• 시각적으로 RISE 영상에서는 더 높은 대trast와 더 나은 핫스팟 탐지 가능성이 있었으며, MLEM, ART, FBP보다 노이즈 잡힌 아티팩트가 적었다.
• 이 방법은 저통계량에 대해 강건했으며, 모든 제제 수준에서 전통적 방법보다 일관된 성능 향상을 보였다.
• SPECT에서 하드웨어 허브 연구의 初기 결과, DAT 영상 및 99mTc 허브를 활용한 연구를 통해 RISE의 실제 임상 적용 가능성에 대한 검증이 이루어졌다.