[논문 리뷰] Proceedings of the 16th Virtual International Meeting on Fully 3D Image Reconstruction in Radiology and Nuclear Medicine

Schramm, Georg, Rezaei, Ahmadreza외 2명|e-Archivo (Carlos III University of Madrid)|2021. 10. 07.

Radiomics and Machine Learning in Medical Imaging인용 수 14

한 줄 요약

이 논문은 코로나19 패an드믹으로 인해 2021년에 개최된 제16회 가상 국제 회의인 '완전 3차원 영상 재구성에 관한 방사선학 및핵의학'의 회의록을 담고 있다. PET, SPECT 및 콘빔 CT를 위한 최신 3차원 영상 재구성 기술에 관한 광범위한 연구가 수록되어 있으며, 재구성 및 후처리 단계에서 잡음과 아티팩트를 감소시키기 위해 딥 러닝 기법이 점점 더 통합되고 있다.

ABSTRACT

These proceedings contain the presented papers at the 16th International Meeting on Fully Three-Dimensional Image Reconstruction in Radiology and Nuclear Medicine 2021, which was to be held in Leuven, Belgium, but had to be transformed in a virtual meeting because of the covid-19 pandemic. Fully3D is one of the major forums for presentation of new results in the field of 3D image reconstruction, primarily with applications in x-ray computer tomography, PET and SPECT. Over the life-time of the meeting the focus has shifted to reflect recent developments in the field. Many of the major developments in fully 3D PET and SPECT imaging were first presented at Fully3D, as were the key results for analytic reconstruction methods in cone beam x-ray CT. Similarly, in the 2021 meeting a broad range of topics has been presented. As expected, deep learning methods are being used increasingly: they are used as post-processing tools or incorporated in the reconstruction, often aiming at improved noise and/or artifact suppression.

연구 동기 및 목표

• 의료 영상 분야, 특히 PET, SPECT 및 X선 CT를 위한 완전 3차원 영상 재구성 분야에서의 최신 진전을 기록하고 널리 공유하기 위함.
• 코로나19 패닉으로 인한 가상 회의로의 전환 상황에서 연구자들이 3차원 영상 재구성 분야의 새로운 방법을 발표할 수 있는 플랫폼을 제공하기 위함.
• 이미지 품질 향상과 아티팩트 감소를 위한 딥 러닝 기법의 통합을 포함한 새로운 추세를 부각하기 위함.
• 콘빔 CT에서의 분석적 재구성 방법과 반복적 재구성 알고리즘의 핵심 발전 사항을 보존하고 공유하기 위함.
• 의료 물리학 및 영상 재구성 분야의 주요 국제 포럼에서 발표된 심사된 연구를 종합하여 과학 공동체를 지원하기 위함.

제안 방법

• 이 회의록은 2021년에 가상으로 개최된 제16회 Fully3D 회의에서 발표된 모든 논문을 종합한 것이다.
• 논문들은 심사 과정을 거쳐 선정되었으며, 3차원 영상 재구성 분야의 광범위한 주제를 다루고 있다.
• 주요 방법으로는 잡음과 아티팩트 억제를 위한 딥 러닝 기반 재구성 및 후처리 기법이 포함되어 있다.
• 회의록에는 콘빔 CT에서의 분석적 및 반복적 재구성 기법과 함께 PET 및 SPECT에서의 고급 재구성 방법에 관한 기여가 포함되어 있다.
• 통계적 영상 재구성, 정규화를 적용한 반복적 재구성, 딥 러닝 기반 노이즈 제거 등의 기법이 다뤄졌다.
• 가상 형식 덕분에 전 세계적 참여가 가능했으며, 패닉 기간 동안의 제한 조건 속에서도 과학적 교류의 연속성이 확보되었다.

실험 결과

연구 질문

• RQ1 딥 러닝 기법은 PET, SPECT 및 CT를 위한 3차원 영상 재구성에 어떻게 통합되고 있는가?
• RQ2 콘빔 CT에 대한 분석적 및 반복적 재구성 기법의 최신 진전은 무엇인가?
• RQ3 딥 러닝 기반 후처리 및 엔드 투 엔드 재구성 방법은 이미지 품질 향상과 아티팩트 감소에 어떻게 기여하는가?
• RQ4 새로운 재구성 알고리즘이 공간 해상도 향상과 방사선 선량 감소에 어떻게 기여하는가?
• RQ5 가상 회의로의 전환은 3차원 영상 재구성 분야의 최신 연구 발표 및 접근성에 어떤 영향을 미쳤는가?

주요 결과

• 딥 러닝 기법은 재구성 파이프라인 내부에 통합되거나 후처리 도구로 사용되며 점점 더 널리 사용되고 있다.
• 콘빔 CT에 대한 분석적 재구성 기법에서 정확도 향상과 아티팩트 감소를 위한 상당한 진전이 이루어졌다.
• 고도로 발전한 정규화 기법을 적용한 반복적 재구성 기법은 PET 및 SPECT에서 이미지 품질 향상과 노이즈 억제에 뛰어난 성능을 보였다.
• 2021년 회의의 가상 형식 덕분에 광범위한 국제적 참여가 가능했으며, 과학적 교류의 연속성이 확보되었다.
• 완전 3차원 PET 및 SPECT 영상 촬영 분야의 많은 핵심 발전 사항이 처음으로 Fully3D에서 발표되었으며, 이는 이 분야의 선도적 포럼임을 입증한다.
• 이 회의록은 2021년 기준 3차원 영상 재구성 분야의 최신 기술을 종합적으로 기록한 자료로 기능한다.