[논문 리뷰] Pseudo-CTs from T1-weighted MRI for planning of low-intensity transcranial focused ultrasound neuromodulation: an open-source tool

Siti N. Yaakub, Tristan A. White외 4명|arXiv (Cornell University)|2022. 09. 24.

Ultrasound and Hyperthermia Applications인용 수 6

한 줄 요약

이 논문은 이온화 방사선 노출과 영상 장치 접근성 제한으로 인해 TUS 뇌신경조절 계획 수립을 위한 CT 스캔 확보가 어려운 문제를 해결하기 위해 T1-강조 MRI 스캔에서 환자별 특화된 가상 CT 영상을 생성하는 오픈소스 딥러닝 도구를 제시한다. 개선된 3차원 컨volutional 신경망(CNN)을 사용하여 뇌 전체 평균 절대오차 109.8 HU, 두개골 영역에서 319.3 HU의 높은 정확도로 가상 CT 영상을 생성하였으며, 기준 CT 스캔을 사용한 것과 유사한 음향 시뮬레이션 결과를 도출하여 집중 압력 차이가 미미함(0.48 대 0.50 MPa)을 보였고, 이는 이진 두개골 마스크보다 우수한 성능을 보였다(0.28 MPa).

ABSTRACT

Background: Individual skull models of bone density and geometry are important when planning the expected transcranial ultrasound acoustic field and estimating mechanical and thermal safety in low-intensity transcranial ultrasound stimulation (TUS) studies. Computed tomography (CT) images have typically been used to estimate skull acoustic properties. However, obtaining CT images in research participants may be prohibitive due to exposure to ionising radiation and limited access to CT scanners within research groups. Objective: We present a validated open-source tool for researchers to obtain individual skull estimates from T1-weighted MR images, for use in acoustic simulations. Methods: We refined a previously trained and validated 3D convolutional neural network (CNN) to generate 100 keV pseudo-CTs. The network was pretrained on 110 individuals and refined and tested on a database of 37 healthy control individuals. We compared simulations based on reference CTs to simulations based on our pseudo-CTs and binary skull masks, a common alternative in the absence of CT. Results: Compared with reference CTs, our CNN produced pseudo-CTs with a mean absolute error of 109.8 +/- 13.0 HU across the whole head and 319.3 +/- 31.9 HU in the skull. In acoustic simulations, the focal pressure was statistically equivalent for simulations based on reference CT and pseudo-CT (0.48 +/- 0.04 MPa and 0.50 +/- 0.04 MPa respectively) but not for binary skull masks (0.28 +/- 0.05 MPa). Conclusions: We show that our network can produce pseudo-CT comparable to reference CTs in healthy individuals, and that these can be used in acoustic simulations.

연구 동기 및 목표

• 이온화 방사선 노출과 스캐너 접근성 제한으로 인해 TUS 뇌신경조절 계획 수립을 위한 CT 스캔 확보가 어려운 문제 해결.
• 연구 참가자에게 CT를 필요로 하지 않고 T1-강조 MRI에서 개인별 두개골 음향 특성을 추정하는 방법 개발.
• 이진 두개골 마스크를 환자별 특화된 가상 CT로 대체하여 저강도 TUS의 음향 시뮬레이션 정확도 향상.
• 연구자들이 표준 MRI 시퀀스에서 신뢰할 수 있는 가상 CT를 생성할 수 있도록 검증된 오픈소스 도구 제공.
• 두개골에 의한 초음파 왜곡을 정확히 모델링하여 더 안전하고 정밀한 TUS 뇌신경조절 계획 수립 지원.

제안 방법

• T1-강조 MRI 볼륨에서 100 keV 가상 CT 허운스필드 단위(HU)를 예측하기 위해 사전 학습된 3D U-Net 기반 컨volutional 신경망(CNN)을 미세조정.
• 110명의 개인에서 학습하고, 쌍방향 MRI 및 CT 스캔이 있는 37명의 건강한 대조군 테스트 코hort에서 추가로 보정.
• 일반화 능력 향상과 두개골 HU 추정 오차 감소를 위해 다단계 학습 전략 적용.
• 새로운 참가자의 T1-MRI 자료를 사용해 훈련된 모델을 적용하여 음향 시뮬레이션 입력용 가상 CT 생성.
• 유한차분시간영역(FDTD) 방법을 사용해 기준 CT, 가상 CT, 이진 두개골 마스크의 세 가지 입력 유형으로 음향 시뮬레이션 수행.
• 세 입력 유형 간 집중 압력 분포 및 최대 압력 비교를 통해 시뮬레이션 정확도 검증.

실험 결과

연구 질문

• RQ1 딥러닝 모델이 T1-강조 MRI에서 환자별 특화된 두개골 HU 값을 정확히 반영하는 가상 CT 영상을 생성할 수 있는가?
• RQ2 기준 CT 스캔을 기반으로 한 시뮬레이션과 비교해, 가상 CT를 기반으로 한 음향 시뮬레이션의 집중 압력 및 필드 분포 정확도는 어떠한가?
• RQ3 일반적으로 두개골 특성의 대체로 사용되는 이진 두개골 마스크는 TUS 시뮬레이션에서 집중 압력을 얼마나 과소평가하거나 왜곡하는가?
• RQ4 제안된 오픈소스 도구는 시뮬레이션 정확도를 저하시키지 않고 CT를 대체하여 TUS 뇌신경조절 계획 수립에 신뢰성 있게 활용될 수 있는가?
• RQ5 두개골 영역과 뇌 전체에서 예측된 가상 CT와 기준 CT 간의 정량적 오차는 얼마인가?

주요 결과

• CNN 기반 가상 CT는 뇌 전체 평균 절대오차 109.8 ± 13.0 HU, 두개골 영역에서 319.3 ± 31.9 HU의 정확도를 달성하였다.
• 가상 CT를 사용한 음향 시뮬레이션은 0.50 ± 0.04 MPa의 집중 압력을 생성하였으며, 기준 CT 기반 시뮬레이션(0.48 ± 0.04 MPa)과 통계적으로 유의미한 차이 없이 유사한 결과를 보였다.
• 이진 두개골 마스크를 사용한 시뮬레이션은 집중 압력이 유의미하게 낮은 0.28 ± 0.05 MPa를 기록하여 음향 집중 강도가 크게 과소평가됨을 시사했다.
• 가상 CT는 두개골의 기하학적 및 감쇠 특성을 정밀하게 재현하여 초음파 전파의 정확한 모델링이 가능함을 입증하였다.
• 이 도구는 공개된 오픈소스 솔루션으로 제공되어 CT 스캐너 접근이 어려운 연구 환경에서도 널리 활용 가능함.
• 최소한의 방사선 위험으로 환자별 특화된 음향 시뮬레이션을 가능하게 하여 종단적 및 임상적 TUS 연구에 적합함.