KR20240018341A - Apparatus and method for enabling quantitative thyroid spect without ct using neural network - Google Patents
Apparatus and method for enabling quantitative thyroid spect without ct using neural network Download PDFInfo
- Publication number
- KR20240018341A KR20240018341A KR1020220171471A KR20220171471A KR20240018341A KR 20240018341 A KR20240018341 A KR 20240018341A KR 1020220171471 A KR1020220171471 A KR 1020220171471A KR 20220171471 A KR20220171471 A KR 20220171471A KR 20240018341 A KR20240018341 A KR 20240018341A
- Authority
- KR
- South Korea
- Prior art keywords
- spect
- thyroid
- image
- map
- neural network
- Prior art date
Links
- 210000001685 thyroid gland Anatomy 0.000 title claims abstract description 144
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000002603 single-photon emission computed tomography Methods 0.000 claims abstract description 196
- 229940121896 radiopharmaceutical Drugs 0.000 claims abstract description 35
- 239000012217 radiopharmaceutical Substances 0.000 claims abstract description 35
- 230000002799 radiopharmaceutical effect Effects 0.000 claims abstract description 35
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 230000011218 segmentation Effects 0.000 claims abstract description 13
- 238000000605 extraction Methods 0.000 claims abstract description 11
- 238000002591 computed tomography Methods 0.000 claims description 84
- 230000006870 function Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 6
- 201000005895 multinodular goiter Diseases 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 206010020850 Hyperthyroidism Diseases 0.000 description 3
- 208000024799 Thyroid disease Diseases 0.000 description 3
- 229940079593 drug Drugs 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 201000008494 nodular goiter Diseases 0.000 description 3
- 238000009206 nuclear medicine Methods 0.000 description 3
- 206010043778 thyroiditis Diseases 0.000 description 3
- 208000023328 Basedow disease Diseases 0.000 description 2
- 206010069503 Ectopic thyroid Diseases 0.000 description 2
- 208000015023 Graves' disease Diseases 0.000 description 2
- 208000003717 Lingual Thyroid Diseases 0.000 description 2
- 206010043784 Thyroiditis subacute Diseases 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 201000007497 subacute thyroiditis Diseases 0.000 description 2
- 208000021510 thyroid gland disease Diseases 0.000 description 2
- 238000010989 Bland-Altman Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/037—Emission tomography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10108—Single photon emission computed tomography [SPECT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Surgery (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Optics & Photonics (AREA)
- High Energy & Nuclear Physics (AREA)
- Animal Behavior & Ethology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Dentistry (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Physiology (AREA)
- Quality & Reliability (AREA)
- Nuclear Medicine (AREA)
Abstract
일 실시예에 따른 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 장치 및 방법이 개시된다. 일 실시예에 따른 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 장치는 갑상선에 대한 제1 SPECT(Single Photon Emission Computed Tomography; 단일광자방출전산화단층촬영) 이미지와 제2 SPECT 이미지를 제1 모델에 입력하여 감쇠 지도(attenuation map)를 생성하는 생성부; 상기 감쇠 지도와 상기 제1 SPECT 이미지를 제2 모델에 입력하여 상기 제1 SPECT 이미지 내의 갑상선 지도를 추출(segmentation)하는 추출부; 및 상기 제1 SPECT 이미지, 상기 감쇠 지도 및 상기 갑상선 지도를 이용하여 상기 갑상선의 방사선의약품 섭취량을 산출하는 산출부를 포함한다.An apparatus and method for enabling quantitative thyroid SPECT without CT using a neural network according to one embodiment are disclosed. According to one embodiment, a device that enables quantitative thyroid SPECT without CT using a neural network uses the first SPECT (Single Photon Emission Computed Tomography) image and the second SPECT image of the thyroid gland as a first model. A generation unit that generates an attenuation map by inputting: An extraction unit that inputs the attenuation map and the first SPECT image into a second model to extract (segmentation) a thyroid map in the first SPECT image; And a calculation unit that calculates the radiopharmaceutical intake of the thyroid gland using the first SPECT image, the attenuation map, and the thyroid map.
Description
개시되는 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 기술과 관련된다. It relates to a technology that enables quantitative thyroid SPECT without CT using a disclosed neural network.
갑상선 기능은 갑상선 환자에게 정맥 주사된 방사성의약품의 갑상선에 섭취된 양(%uptake)을 측정함으로써 평가된다. 대표적으로, 방사성의약품 섭취량 측정은 주로 갑상선 섭취 시스템(thyroid uptake system)에 의해 평가되나, 정확도가 낮다는 한계가 존재한다. Thyroid function is assessed by measuring the amount (%uptake) of radiopharmaceuticals administered intravenously to the thyroid gland in thyroid patients. Typically, the measurement of radiopharmaceutical intake is mainly evaluated by the thyroid uptake system, but it has the limitation of low accuracy.
이에, 갑상선 섭취 시스템 대비 섭취량 측정의 정확도가 보다 높은 것으로 보고된 SPECT/CT(단일광자방출전산화단층촬영/전산화단층촬영; Single-Photon Emission Computed Tomography/Computed Tomography)이 주목 받고 있다.Accordingly, SPECT/CT (Single-Photon Emission Computed Tomography/Computed Tomography), which has been reported to have higher accuracy in measuring intake compared to thyroid uptake systems, is attracting attention.
SPECT/CT는 핵의학 이미징 방식으로, 방사성의약품 예를 들어, Tc-99m 퍼테크네테이트(pertechnetate)를 이용하여 정량적 정보를 제공한다. SPECT/CT는 정량적 측정을 위해 CT를 이용한다. 여기서, CT는 갑상선의 섭취량을 정확하게 측정하기 위해 감쇠 보정(attenuation correction)을 수행하고, 갑상선 추출(segmentation)에 이용된다. SPECT/CT is a nuclear medicine imaging method that provides quantitative information using radiopharmaceuticals, such as Tc-99m pertechnetate. SPECT/CT uses CT for quantitative measurements. Here, CT performs attenuation correction to accurately measure thyroid uptake and is used for thyroid segmentation.
그러나, SPECT/CT를 이용한 갑상선 기능 평가 방법은 약 1.12mSv의 CT에 의한 방사선 피폭과 약 2.22mSv의 SPECT에 의한 방사선 피폭을 합하여 총 3.34mSv 정도의 방사선 피폭을 유발한다. 아울러, 갑상선 추출은 전문의에 의해 일일이 추출(segmentation) 해야 한다는 번거로운 단점이 존재한다.However, the method of evaluating thyroid function using SPECT/CT causes a total radiation exposure of about 3.34 mSv, including radiation exposure from CT of about 1.12 mSv and radiation exposure from SPECT of about 2.22 mSv. In addition, thyroid extraction has the cumbersome disadvantage of requiring individual segmentation by a specialist.
개시되는 실시예들은 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT를 가능하게 하기 위한 것이다.The disclosed embodiments are intended to enable quantitative thyroid SPECT without CT using a neural network.
일 실시예에 따른 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 장치는 갑상선에 대한 제1 SPECT(Single Photon Emission Computed Tomography; 단일광자방출전산화단층촬영) 이미지와 제2 SPECT 이미지를 제1 모델에 입력하여 감쇠 지도(attenuation map)를 생성하는 생성부; 상기 감쇠 지도와 상기 제1 SPECT 이미지를 제2 모델에 입력하여 상기 제1 SPECT 이미지 내의 갑상선 지도를 추출(segmentation)하는 추출부; 및 상기 제1 SPECT 이미지, 상기 감쇠 지도 및 상기 갑상선 지도를 이용하여 상기 갑상선의 방사선의약품 섭취량을 산출하는 산출부를 포함한다.According to one embodiment, a device that enables quantitative thyroid SPECT without CT using a neural network uses the first SPECT (Single Photon Emission Computed Tomography) image and the second SPECT image of the thyroid gland as a first model. A generation unit that generates an attenuation map by inputting: An extraction unit that inputs the attenuation map and the first SPECT image into a second model to extract (segmentation) a thyroid map in the first SPECT image; And a calculation unit that calculates the radiopharmaceutical intake of the thyroid gland using the first SPECT image, the attenuation map, and the thyroid map.
상기 제1 SPECT 이미지는, 1차 방출 SPECT(Primary Emission SPECT) 이미지일 수 있다.The first SPECT image may be a primary emission SPECT (SPECT) image.
상기 제2 SPECT 이미지는, 산란 SPECT(Scattering SPECT) 이미지일 수 있다.The second SPECT image may be a scattering SPECT (SPECT) image.
상기 생성부는, 상기 감쇠 지도를 이용하여 상기 제1 SPECT 이미지를 감쇠 보정(Attenuation Correction; AC)함으로써 제3 SPECT 이미지를 생성할 수 있다. The generator may generate a third SPECT image by performing attenuation correction (AC) on the first SPECT image using the attenuation map.
상기 제3 SPECT 이미지는, 정량적 ACSCRR SPECT 이미지일 수 있다. The third SPECT image may be a quantitative ACSCRR SPECT image.
상기 산출부는, 상기 제3 SPECT 이미지와 상기 갑상선 지도를 결합하여 상기 갑상선의 방사선의약품 섭취량을 산출할 수 있다. The calculation unit may calculate the radiopharmaceutical intake of the thyroid gland by combining the third SPECT image and the thyroid map.
상기 산출부는, 상기 제3 SPECT 이미지와 상기 갑상선 지도를 결합하여 일치하는 복셀(voxel)을 카운트함으로써 상기 갑상선의 방사선의약품 섭취량을 산출할 수 있다. The calculation unit may calculate the radiopharmaceutical intake of the thyroid gland by combining the third SPECT image and the thyroid map and counting matching voxels.
상기 제2 모델은, CT(Computed Tomography; 전산화단층촬영) 이미지 내 갑상선의 외곽선을 따라 그려 라벨링 된 복수의 갑상선 분할 지도에 기초하여, 입력된 이미지 내 갑상선 지도를 추출하도록 학습될 수 있다. The second model may be trained to extract a thyroid map in an input image based on a plurality of thyroid segmentation maps drawn and labeled along the outline of the thyroid gland in a CT (Computed Tomography) image.
일 실시예에 따른 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 방법은 하나 이상의 프로세서들; 및 상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램을 저장한 메모리를 구비한 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 장치로부터 수행되는 방법으로서, 갑상선에 대한 제1 SPECT(Single Photon Emission Computed Tomography; 단일광자방출전산화단층촬영) 이미지와 제2 SPECT 이미지를 제1 모델에 입력하여 감쇠 지도(attenuation map)를 생성하는 단계; 상기 감쇠 지도와 상기 제1 SPECT 이미지를 제2 모델에 입력하여 상기 제1 SPECT 이미지 내의 갑상선 지도를 추출(segmentation)하는 단계; 및 상기 제1 SPECT 이미지, 상기 감쇠 지도 및 상기 갑상선 지도를 이용하여 상기 갑상선의 방사선의약품 섭취량을 산출하는 단계를 포함한다.A method of enabling quantitative thyroid SPECT without CT using a neural network according to one embodiment includes one or more processors; And a method performed from a device that enables quantitative thyroid SPECT without CT using a neural network having a memory storing one or more programs executed by the one or more processors, wherein the first SPECT (Single Photon Emission) of the thyroid gland is performed. Generating an attenuation map by inputting a Computed Tomography (Single Photon Emission Computed Tomography) image and a second SPECT image into a first model; Inputting the attenuation map and the first SPECT image into a second model to extract (segmentation) a thyroid map in the first SPECT image; And calculating the radiopharmaceutical intake of the thyroid gland using the first SPECT image, the attenuation map, and the thyroid map.
상기 제1 SPECT 이미지는, 1차 방출 SPECT(Primary Emission SPECT) 이미지일 수 있다.The first SPECT image may be a primary emission SPECT (SPECT) image.
상기 제2 SPECT 이미지는, 산란 SPECT(Scattering SPECT) 이미지일 수 있다. The second SPECT image may be a scattering SPECT (SPECT) image.
상기 생성하는 단계는, 상기 감쇠 지도를 이용하여 상기 제1 SPECT 이미지를 감쇠 보정(Attenuation Correction; AC)함으로써 제3 SPECT 이미지를 생성하는 단계를 포함할 수 있다. The generating step may include generating a third SPECT image by performing attenuation correction (AC) on the first SPECT image using the attenuation map.
상기 제3 SPECT 이미지는, 정량적 ACSCRR SPECT 이미지일 수 있다. The third SPECT image may be a quantitative ACSCRR SPECT image.
상기 산출하는 단계는, 상기 제3 SPECT 이미지와 상기 갑상선 지도를 결합하여 상기 갑상선의 방사선의약품 섭취량을 산출하는 단계를 포함할 수 있다. The calculating step may include calculating the radiopharmaceutical intake of the thyroid gland by combining the third SPECT image and the thyroid map.
상기 산출하는 단계는, 상기 제3 SPECT 이미지와 상기 갑상선 지도를 결합하여 일치하는 복셀(voxel)을 카운트함으로써 상기 갑상선의 방사선의약품 섭취량을 산출하는 단계를 포함할 수 있다. The calculating step may include calculating the radiopharmaceutical intake of the thyroid gland by combining the third SPECT image and the thyroid map and counting matching voxels.
상기 제2 모델은, CT(Computed Tomography; 전산화단층촬영) 이미지 내 갑상선의 외곽선을 따라 그려 라벨링 된 복수의 갑상선 분할 지도에 기초하여, 입력된 이미지 내 갑상선 지도를 추출하도록 학습될 수 있다. The second model may be trained to extract a thyroid map in an input image based on a plurality of thyroid segmentation maps drawn and labeled along the outline of the thyroid gland in a CT (Computed Tomography) image.
개시되는 실시예들은 CT 대신 신경망을 이용하여 감쇠 보정을 수행함으로써, ALARA(As Low As Reasonably Achievable) 원칙에 바람직하게 CT에 의한 방사능 피폭을 감소시킬 수 있다. The disclosed embodiments perform attenuation correction using a neural network instead of CT, thereby reducing radiation exposure from CT according to the ALARA (As Low As Reasonably Achievable) principle.
개시되는 실시예들은 신경망을 이용하여 갑상선 지도를 추출하여 인간의 개입 없이 갑상선 지도를 제공할 수 있다. The disclosed embodiments can extract a thyroid map using a neural network and provide a thyroid map without human intervention.
도 1은 일 실시예에 따른 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 장치를 설명하기 위한 블록도
도 2는 일 실시예에 따른 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 장치의 학습 모델을 설명하기 위한 블록도
도 3a 내지 도 4c는 일 실시예에 따른 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 장치의 성능을 도시한 예시도
도 5는 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 방법을 설명하기 위한 흐름도1 is a block diagram illustrating a device that enables quantitative thyroid SPECT without CT using a neural network according to an embodiment.
Figure 2 is a block diagram illustrating a learning model of a device that enables quantitative thyroid SPECT without CT using a neural network according to an embodiment.
FIGS. 3A to 4C are exemplary views showing the performance of a device that enables quantitative thyroid SPECT without CT using a neural network according to an embodiment.
Figure 5 is a flow chart to explain a method of enabling quantitative thyroid SPECT without CT using a neural network
본 명세서에서 사용되는 용어는 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어를 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 관례 또는 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 명세서의 설명 부분에서 그 의미를 기재할 것이다. 따라서 본 명세서에서 사용되는 용어는, 단순한 용어의 명칭이 아닌 그 용어가 가지는 실질적인 의미와 본 명세서의 전반에 걸친 내용을 토대로 해석되어야 함을 밝혀두고자 한다.The terminology used in this specification is a general term that is currently widely used as much as possible while considering function, but this may vary depending on the intention or practice of a technician working in the art or the emergence of new technology. In addition, in certain cases, there are terms arbitrarily selected by the applicant, and in this case, the meaning will be described in the explanation part of the relevant specification. Therefore, we would like to clarify that the terms used in this specification should be interpreted based on the actual meaning of the term and the overall content of this specification, not just the name of the term.
본 출원에서 사용한 제1 또는 제2 등의 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만, 예컨대 본 발명의 개념에 따른 권리 범위로부터 이탈되지 않은 채, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.Terms such as first or second used in this application may be used to describe various components, but the components should not be limited by the terms. The above terms are used only for the purpose of distinguishing one component from another component, for example, without departing from the scope of rights according to the concept of the present invention, a first component may be named a second component, and similarly The second component may also be referred to as the first component.
본 출원에서 사용한 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "구비하다", "가지다" 등의 용어는 명세서에 기재된 구성요소 또는 이들의 조합이 존재하는 것을 표현하려는 것이지, 다른 구성요소 또는 특징이 존재 또는 부가될 가능성을 미리 배제하는 것은 아니다.As used in this application, singular expressions include plural expressions, unless the context clearly dictates otherwise. In this application, terms such as “comprise”, “provide”, “have”, etc. are intended to express the presence of the components described in the specification or a combination thereof, but do not indicate the possibility that other components or features may be present or added. It is not excluded in advance.
또한, 본 명세서에 기술된 실시예는 전적으로 하드웨어이거나, 부분적으로 하드웨어이고 부분적으로 소프트웨어이거나, 또는 전적으로 소프트웨어인 측면을 가질 수 있다. 본 명세서에서 "부(unit)", "모듈(module)", "장치(device)", "서버(server)" 또는 "시스템(system)" 등은 하드웨어, 하드웨어와 소프트웨어의 조합, 또는 소프트웨어 등 컴퓨터 관련 엔티티(entity)를 지칭한다. 예를 들어, 부, 모듈, 장치, 서버 또는 시스템은 플랫폼(platform)의 일부 또는 전부를 구성하는 하드웨어 및/또는 상기 하드웨어를 구동하기 위한 애플리케이션(application) 등의 소프트웨어를 지칭하는 것일 수 있다.Additionally, the embodiments described herein may have aspects that are entirely hardware, partly hardware and partly software, or entirely software. In this specification, “unit,” “module,” “device,” “server,” or “system” refers to hardware, a combination of hardware and software, or software, etc. Refers to a computer-related entity. For example, a unit, module, device, server, or system may refer to hardware constituting part or all of a platform and/or software such as an application for running the hardware.
이하 첨부 도면들 및 첨부 도면들에 기재된 내용들을 참조하여 실시예를 상세하게 설명하지만, 청구하고자 하는 범위는 실시예들에 의해 제한되거나 한정되지 아니한다.Hereinafter, embodiments will be described in detail with reference to the accompanying drawings and the contents described in the accompanying drawings, but the claimed scope is not limited or limited by the embodiments.
도 1은 일 실시예에 따른 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 장치(100)를 설명하기 위한 블록도1 is a block diagram illustrating a device 100 that enables quantitative thyroid SPECT without CT using a neural network according to an embodiment.
도 1을 참조하면, 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 장치(100)는 생성부(110), 추출부(120) 및 산출부(130)를 포함한다. Referring to FIG. 1, a device 100 that enables quantitative thyroid SPECT without CT using a neural network includes a generation unit 110, an extraction unit 120, and a calculation unit 130.
생성부(110), 추출부(120) 및 산출부(130)는 물리적으로 구분된 하나 이상의 장치를 이용하여 구현되거나, 하나 이상의 프로세서 또는 하나 이상의 프로세서 및 소프트웨어의 결합에 의해 구현될 수 있으며, 도시된 예와 달리 구체적 동작에 있어 명확히 구분되지 않을 수 있다.The generation unit 110, extraction unit 120, and calculation unit 130 may be implemented using one or more physically separate devices, or may be implemented by one or more processors or a combination of one or more processors and software. Unlike the examples given, specific actions may not be clearly distinguished.
생성부(110)는 갑상선에 대한 제1 SPECT(Single Photon Emission Computed Tomography; 단일광자방출전산화단층촬영) 이미지와 제2 SPECT 이미지를 제1 모델에 입력하여 감쇠 지도(attenuation map)를 생성한다.The generator 110 generates an attenuation map by inputting the first SPECT (Single Photon Emission Computed Tomography) image and the second SPECT image of the thyroid gland into the first model.
단일광자방출전산화단층촬영이란, 핵의학영상기술의 하나로 생체 내에 단일광자(감마선)를 방출하는 방사성의약품을 주입한 후에 생체 내에서 투과된 감마선을 측정하여 단일광자방출핵종의 체내 분포를 영상으로 재구성하는 기술이다. 특히, 단일광자방출전산화단층촬영은 생체의 생화학적 현상인 생체기능영상을 제공할 수 있다. Single photon emission computed tomography is a type of nuclear medicine imaging technology that measures the gamma rays transmitted within a living body after injecting a radiopharmaceutical that emits single photons (gamma rays) into a living body to reconstruct the distribution of single photon emitting nuclides in the body as an image. It is a technique that does. In particular, single photon emission computed tomography can provide biofunctional images, which are biochemical phenomena of living organisms.
제1 SPECT 이미지는 단일광자방출전산화단층촬영을 이용하여 생성된 1차 방출 SPECT(Primary Emission SPECT) 이미지일 수 있다. 1차 방출 SPECT 이미지란, 단일광자방출전산화단층촬영에서 가장 빈도가 높은 1차(primary) 감마선에 대한 SPECT 이미지일 수 있다. The first SPECT image may be a primary emission SPECT (SPECT) image generated using single photon emission computed tomography. The primary emission SPECT image may be a SPECT image of the primary gamma ray, which is the most frequent in single photon emission computed tomography.
제2 SPECT 이미지는 단일광자방출전산화단층촬영을 이용하여 생성된 산란 SPECT(Scattering SPECT) 이미지일 수 있다. 산란 SPECT 이미지란, 단일광자방출전산화단층촬영 시 산란된 감마선에 대한 SPECT 이미지일 수 있다. The second SPECT image may be a scattering SPECT image generated using single photon emission computed tomography. A scattering SPECT image may be a SPECT image of gamma rays scattered during single photon emission computed tomography.
제1 SPECT 이미지 및 제2 SPECT 이미지 중 적어도 하나는 정확도 향상을 위해 조준기-검출기 응답, 다시 말해, 해상도 복구에 대해 보정된 NCRR SPECT 이미지일수 있다. 구체적으로, 제1 SPECT 이미지와 제2 SPECT 이미지 중 적어도 하나는 통계적 노이즈 감소를 위해 버터워스 저역 통과 필터를 사용하여 해상도 복구에 대해 보정된 이미지일 수 있다. At least one of the first SPECT image and the second SPECT image may be an NCRR SPECT image corrected for collimator-detector response, that is, resolution recovery, to improve accuracy. Specifically, at least one of the first SPECT image and the second SPECT image may be an image corrected for resolution recovery using a Butterworth low-pass filter for statistical noise reduction.
제1 SPECT 이미지와 제2 SPECT 이미지 중 적어도 하나는 두 SPECT의 합성 이미지의 최대값으로 정규화된 이미지일 수 있다.At least one of the first SPECT image and the second SPECT image may be an image normalized to the maximum value of the composite image of the two SPECT images.
생성부(110)는 감쇠 지도를 이용하여 제1 SPECT 이미지를 감쇠 보정(Attenuation Correction; AC)함으로써 제3 SPECT 이미지를 생성할 수 있다.The generator 110 may generate a third SPECT image by performing attenuation correction (AC) on the first SPECT image using the attenuation map.
생성부(110)는 감쇠지도를 이용하여 감쇠 보정, 산란 보정(scatter correction; SC) 및 해상도 복구(Resolution Recovery; RR) 중 적어도 하나를 수행하여 제3 SPECT 이미지를 생성할 수 있다. The generator 110 may generate a third SPECT image by performing at least one of attenuation correction, scatter correction (SC), and resolution recovery (RR) using the attenuation map.
이때, 제3 SPECT 이미지는 정량적 ACSCRR SPECT 이미지일 수 있다. 정량적 ACSCRR SPECT 이미지란, 1차 감마선에 대한 SPECT 이미지에 보정이 적용된 SPECT 이미지일 수 있다. At this time, the third SPECT image may be a quantitative ACSCRR SPECT image. A quantitative ACSCRR SPECT image may be a SPECT image in which correction is applied to the SPECT image for primary gamma rays.
추출부(120)는 감쇠 지도와 제1 SPECT 이미지를 제2 모델에 입력하여 제1 SPECT 이미지 내의 갑상선 지도를 추출(segmentation)한다.The extraction unit 120 inputs the attenuation map and the first SPECT image into the second model to extract (segmentation) the thyroid map in the first SPECT image.
산출부(130)는 제1 SPECT 이미지, 감쇠 지도 및 갑상선 지도를 이용하여 갑상선의 방사선의약품 섭취량을 산출한다.The calculation unit 130 calculates the radiopharmaceutical intake of the thyroid gland using the first SPECT image, the attenuation map, and the thyroid map.
산출부(130)는 제3 SPECT 이미지와 갑상선 지도를 결합하여 갑상선의 방사선의약품 섭취량을 산출할 수 있다. The calculation unit 130 can calculate the radiopharmaceutical intake of the thyroid gland by combining the third SPECT image and the thyroid map.
산출부(130)는, 제3 SPECT 이미지와 갑상선 지도를 결합하여 일치하는 복셀(voxel)을 카운트함으로써 갑상선의 방사선의약품 섭취량을 산출할 수 있다.The calculation unit 130 may calculate the radiopharmaceutical intake of the thyroid gland by combining the third SPECT image and the thyroid map and counting matching voxels.
산출부(130)는 음의 복셀 값은 0으로 간주하여 제3 SPECT 이미지와 갑상선 지도 간 일치하는 복셀을 카운트함으로써 갑상선의 방사선의약품 섭취량을 산출할 수 있다.The calculation unit 130 may calculate the radiopharmaceutical intake of the thyroid gland by considering the negative voxel value as 0 and counting matching voxels between the third SPECT image and the thyroid map.
도 2는 일 실시예에 따른 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 장치(100)의 학습 모델을 설명하기 위한 블록도이다.Figure 2 is a block diagram for explaining a learning model of the device 100 that enables quantitative thyroid SPECT without CT using a neural network according to an embodiment.
도 2를 참조하면, 제1 SPECT 이미지(211)와 제1 SPECT 이미지(212)는 제1 모델(220)에 입력된다. 제2 모델(230)은 제1 SPECT 이미지(211)와 제1 모델(220)이 출력한 감쇠 지도가 입력된다. Referring to FIG. 2, the first SPECT image 211 and the first SPECT image 212 are input to the first model 220. The first SPECT image 211 and the attenuation map output by the first model 220 are input to the second model 230.
구체적으로, 제1 모델(220)은 하나 이상의 신경망을 이용하여 제1 SPECT 이미지(211)와 제1 SPECT 이미지(212)를 입력하면, 출력 값으로서, CT가 제공하는 감쇠 지도를 CT 없이도 출력할 수 있다. Specifically, when the first model 220 inputs the first SPECT image 211 and the first SPECT image 212 using one or more neural networks, the attenuation map provided by the CT can be output as an output value without the CT. You can.
제1 모델(220)은 하기 수학식 1에 기초한 손실함수를 포함할 수 있다.The first model 220 may include a loss function based on Equation 1 below.
[수학식 1][Equation 1]
여기서, 손실함수는 , 는 감쇠 지도의 정답 값, 는 입력되는 SPECT, 는 생성된 감쇠 지도, 는 기 정의된 제1 손실 함수 또는 제2 손실 함수일 수 있다. 은 생성된 감쇠 지도의 선명도를 위한 GDL(Gradient Difference Loss; 기울기 차이 손실)일 수 있다. Here, the loss function is , is the correct value of the attenuation map, is the input SPECT, is the generated attenuation map, may be a predefined first loss function or a second loss function. may be GDL (Gradient Difference Loss) for clarity of the generated attenuation map.
예를 들어, 제1 손실 함수는 감쇠 지도의 정답 값과 생성된 감쇠 지도 사이 절대 값의 차이의 합을 산출하는 함수일 수 있다. 다시 말해, 제1 손실 함수(L1)는 하기 수학식 2에 기초하여 설정될 수 있다. For example, the first loss function may be a function that calculates the sum of the difference in absolute values between the correct value of the attenuation map and the generated attenuation map. In other words, the first loss function (L1) can be set based on Equation 2 below.
[수학식 2][Equation 2]
예를 들어, 제2 손실 함수는 감쇠 지도의 정답 값과 생성된 감쇠 지도 사이 차이의 제곱 합을 산출하는 함수일 수 있다. 다시 말해, 제2 손실 함수(L2)는 하기 수학식 3에 기초하여 설정될 수 있다. For example, the second loss function may be a function that calculates the sum of squares of the difference between the correct value of the attenuation map and the generated attenuation map. In other words, the second loss function (L2) can be set based on Equation 3 below.
[수학식 3][Equation 3]
예를 들어, LGDL은 제2 손실함수의 손실 효과에 의한 이미징 블러를 보상하기 위해 사용될 수 있고, LGDL는 하기 수학식 4에 기초하여 설정될 수 있다.For example, LGDL can be used to compensate for imaging blur caused by the loss effect of the second loss function, and LGDL can be set based on Equation 4 below.
[수학식 4][Equation 4]
이때, 제1 모델(220)은 기능이 항진된 것으로 판단되는 갑상선을 CT로 촬영하여 획득할 수 있는 기능 항진 감쇠 지도, 기능이 저하된 것으로 판단되는 갑상선을 CT로 촬영하여 획득할 수 있는 기능 저하 감쇠 지도, 기능이 표준인 것으로 판단되는 갑상선을 CT로 촬영하여 획득할 수 있는 기능 표준 감쇠 지도에 기초하여 학습될 수 있다.At this time, the first model 220 is a hyperfunction attenuation map that can be obtained by CT scanning a thyroid gland that is judged to have hyperfunction, and a hypofunction map that can be obtained by CT scanning a thyroid gland that is judged to have a decreased function. Attenuation map can be learned based on a functional standard attenuation map that can be obtained by CT scanning a thyroid gland whose function is judged to be standard.
CT는 SPECT의 축 시야(axis Field Of View)를 모두 커버할 수 있도록 전부 촬영되거나, CT에 의한 불필요한 방사선 노출을 줄이고자 SPECT의 축 시야를 1/2에서 2/3만을 커버하도록 촬영될 수 있다. SPECT와 CT는 두개골 중앙(mid-skull)에서 종격동 상부(upper-mediastinum)까지 동일한 축 시야에서 촬영되는 것이 바람직하다. CT can be photographed entirely to cover the entire axis field of view of SPECT, or can be photographed to cover only 1/2 to 2/3 of the axis field of view of SPECT to reduce unnecessary radiation exposure from CT. . SPECT and CT are preferably taken in the same axial field of view from the mid-skull to the upper-mediastinum.
CT 이미지 또는 SPECT 이미지에는 핵의학 전문의에 의한 임상 진단으로, 예를 들어, 그레이브스병/갑상선기능항진증(Graves' disease/hyperthyroidism), 무통/아급성 갑상선염(Painless/subacute thyroiditis), SNG(Single Nodular Goiter; 단일 결절성 갑상선종)/MNG(Multi Nodular Goiter; 다결절성 갑상선종), 약물성 갑상선염 (drug-induced thyroiditis) 및 설 갑상선(lingual thyroid) 중 적어도 하나에 대한 진단 결과가 라벨링 될 수 있다.CT images or SPECT images may include clinical diagnoses by a nuclear medicine specialist, such as Graves' disease/hyperthyroidism, painless/subacute thyroiditis, and SNG (Single Nodular Goiter). The diagnosis result for at least one of the following: single nodular goiter)/MNG (Multi Nodular Goiter), drug-induced thyroiditis, and lingual thyroid can be labeled.
제2 모델(230)은 하나 이상의 신경망을 이용하여 제1 SPECT 이미지(211)와 제1 모델(220)이 출력한 감쇠 지도를 입력하면, 출력 값으로서, 갑상선 지도를 추출하도록 설계될 수 있다. The second model 230 may be designed to extract a thyroid map as an output value by inputting the first SPECT image 211 and the attenuation map output by the first model 220 using one or more neural networks.
제2 모델(230)은 범주형 교차 엔트로피(Categorical Cross Entropy; CCE) 기반의 손실함수를 포함할 수 있다.The second model 230 may include a loss function based on categorical cross entropy (CCE).
구체적으로, 제2 모델(230)은 수학식 5에 기초한 손실함수를 포함할 수 있다.Specifically, the second model 230 may include a loss function based on Equation 5.
[수학식 5][Equation 5]
이때, 는 정답 값, 는 예측 값, n은 제2 모델(230)의 클래스의 수일 수 있다.At this time, is the correct answer value, may be a predicted value, and n may be the number of classes of the second model 230.
예컨대, 는 0 또는 1로 표현되는 정답 값이고, 는 0 내지 1 사이의 확률 값이고, n은 배경, 좌측 갑상선, 우측 갑상선 등 3개로 설정될 수 있다.for example, is the correct answer value expressed as 0 or 1, is a probability value between 0 and 1, and n can be set to three, including background, left thyroid, and right thyroid.
이때, 제2 모델(230)은 CT 이미지 내 갑상선의 외곽선을 따라 그려 라벨링 된 복수의 갑상선 지도에 기초하여 입력된 이미지 내 갑상선 지도를 추출하도록 학습될 수 있다.At this time, the second model 230 may be trained to extract the thyroid map in the input image based on a plurality of thyroid maps labeled by drawing along the outline of the thyroid gland in the CT image.
제1 모델(220) 및 제2 모델(230) 중 적어도 하나는 U-net 구조, 바람직하게는, 3D U-net 기반의 구조일 수 있다. 다시 말해, 제1 모델(220)과 제2 모델(230)은 수축 경로와 추출 경로를 스킵 연결하는 구조로 설계될 수 있다. At least one of the first model 220 and the second model 230 may be a U-net structure, preferably a 3D U-net-based structure. In other words, the first model 220 and the second model 230 may be designed in a structure that skip-connects the contraction path and the extraction path.
구체적인 예로, 제1 모델(220)과 제2 모델(230) 중 적어도 하나는 64개의 초기 뉴런과 4개의 스킵 연결을 포함하도록 설계될 수 있다. 제1 모델(220)과 제2 모델(230) 중 적어도 하나는 3X3 컨볼루션 레이어(convolution layer), 배치 정규화(batch normalization), ReLU 함수를 포함하는 하나 이상의 컨볼루션 블록을 포함하는 수축 경로와 상기 컨볼루션 블록을 하나 이상 포함하는 추출 경로를 스킵 연결하는 U-net 구조 기반의 신경망일 수 있다. As a specific example, at least one of the first model 220 and the second model 230 may be designed to include 64 initial neurons and 4 skip connections. At least one of the first model 220 and the second model 230 is a shrinkage path including one or more convolution blocks including a 3X3 convolution layer, batch normalization, and a ReLU function, and It may be a neural network based on a U-net structure that skip-connects an extraction path containing one or more convolution blocks.
이때, 수축 경로에서의 컨볼루션 블록은 최대 풀링(Max pooling), 바람직하게는, 2x2x2 스트라이드 최대 풀링이 적용되고, 추출 경로에서의 컨볼루션 블록은 트랜스포즈드 컨볼루션(transposed convolution), 바람직하게는, 2x2x2 업컨볼루션(upconvolution)이 적용될 수 있다. At this time, the convolution block in the contraction path is applied to max pooling, preferably 2x2x2 stride max pooling, and the convolution block in the extraction path is transposed convolution, preferably. , 2x2x2 upconvolution may be applied.
제1 모델(220) 및 제2 모델(230) 중 적어도 하나는 마지막 출력층으로서, 1x1x1 컨볼루션 레이어를 더 포함할 수 있다.At least one of the first model 220 and the second model 230 may further include a 1x1x1 convolution layer as the last output layer.
제1 모델(220)과 제2 모델(230)은 엔드-투-엔드(end-to-end) 학습되도록 설계될 수 있다.The first model 220 and the second model 230 may be designed to be learned end-to-end.
한편, 제1 모델(220)과 제2 모델(230)은 의료 분야에서 자주 사용되는 U-net 구조인 것으로 설명하였으나, 이는 예시적인 것으로서, Seg-NET, MFU-net, Generative Adversarial Network (GAN; 적대적 신경 생성망) 등 다양한 기 공지된 구조에 기반하여 설계될 수 있으며, 반드시 U-net 구조에 한정되는 것은 아니다. Meanwhile, the first model 220 and the second model 230 were described as being a U-net structure frequently used in the medical field, but this is an example and includes Seg-NET, MFU-net, Generative Adversarial Network (GAN; It can be designed based on various known structures such as an adversarial neural generation network) and is not necessarily limited to the U-net structure.
도 3a 내지 도 4c는 일 실시예에 따른 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 장치(100)의 학습 모델의 성능을 도시한 예시도이다.FIGS. 3A to 4C are exemplary diagrams illustrating the performance of a learning model of the device 100 that enables quantitative thyroid SPECT without CT using a neural network according to an embodiment.
도 3a는 감쇠 지도에 대한 정답 값(Ground Truth)과 예측 값(Synthetic)을 비교하기 위해 도시한 예시도이다.Figure 3a is an example diagram for comparing the correct answer (ground truth) and the predicted value (synthetic) for the attenuation map.
좌측의 정답 값은 CT 촬영을 통해 생성된 감쇠 지도이고, 우측의 예측 값은 일 실시예에 따른 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 장치(100)가 생성한 감쇠 지도이다.The correct value on the left is an attenuation map generated through CT imaging, and the predicted value on the right is an attenuation map generated by the device 100 that enables quantitative thyroid SPECT without CT according to one embodiment.
도 3b는 도 3a의 감쇠 지도 정답 값과 감쇠지도 예측 값 사이의 감쇠 계수의 상관성을 나타낸다. 도 3b는 감쇠 지도의 정답 값과 감쇠지도의 예측 값 사이 높은 상관성을 나타낸다.Figure 3b shows the correlation of the attenuation coefficient between the attenuation map correct value and the attenuation map predicted value in Fig. 3a. Figure 3b shows high correlation between the correct value of the decay map and the predicted value of the decay map.
도 4a는 일 실시예에 따른 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 장치(100)와 기존의 SPECT/CT가 측정한 갑상선의 방사선의약품 섭취량을 도시한다.Figure 4a shows a device 100 that enables quantitative thyroid SPECT without CT according to one embodiment and the radiopharmaceutical intake of the thyroid gland measured by existing SPECT/CT.
도 4a의 가로축은 SPECT/CT가 측정한 갑상선의 방사선의약품 섭취량을 의미하고, 세로축은 일 실시예에 따른 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 장치(100)의 방사선의약품 섭취량을 의미한다. The horizontal axis of FIG. 4A represents the radiopharmaceutical intake of the thyroid gland measured by SPECT/CT, and the vertical axis represents the radiopharmaceutical intake of the device 100 that enables quantitative thyroid SPECT without CT according to one embodiment.
기존의 SPECT/CT가 측정한 갑상선의 방사선의약품 섭취량과 일 실시예에 따른 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 장치(100)가 출력한 갑상선의 방사선의약품 섭취량 간의 상관관계는 섭취량 0 내지 30 범위에서 r=0.9980, R^2=0.9959, p<0.0001으로 나타난다. 이때, r은 피어슨 상관관계에서의 상관계수를, p는 유의성을 의미한다.The correlation between the thyroid radiopharmaceutical intake measured by existing SPECT/CT and the thyroid radiopharmaceutical intake output by the device 100 that enables quantitative thyroid SPECT without CT according to one embodiment is in the intake range of 0 to 30. It appears as r=0.9980, R^2=0.9959, p<0.0001. At this time, r refers to the correlation coefficient in the Pearson correlation, and p refers to significance.
도 4b는 블랜드 앨트먼(Bland-altman plot) 차트로서, SPECT/CT가 측정한 갑상선의 방사선의약품 섭취량과 일 실시예에 따른 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 장치(100)가 출력한 갑상선 방사선 의약품 섭취량의 차이점을 도시한 차트이다. Figure 4b is a Bland-Altman plot, showing the radiopharmaceutical intake of the thyroid gland measured by SPECT/CT and the thyroid radiation output by the device 100 that enables quantitative thyroid SPECT without CT according to one embodiment. This is a chart showing the differences in drug intake.
도 4b의 가로축은 SPECT/CT가 측정한 갑상선의 방사선의약품 섭취량과 일 실시예에 따른 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 장치(100)가 출력한 갑상선의 방사선의약품 섭취량 사이의 평균 값을 의미한다. 세로축은 SPECT/CT가 측정한 갑상선의 방사선의약품 섭취량과 일 실시예에 따른 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 장치(100)가 출력한 섭취량의 차이를 의미한다.The horizontal axis of Figure 4b means the average value between the radiopharmaceutical intake of the thyroid gland measured by SPECT/CT and the radiopharmaceutical intake of the thyroid gland output by the device 100 that enables quantitative thyroid SPECT without CT according to one embodiment. do . The vertical axis means the difference between the radiopharmaceutical intake of the thyroid gland measured by SPECT/CT and the intake output by the device 100 that enables quantitative thyroid SPECT without CT according to one embodiment.
도 4b의 블랜드 앨트먼 차트는 바이어스 -0.99%로 유의미하지 않은 계통 편차를 도시하여 일 실시예에 따른 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 장치(100)의 높은 정확도를 도시한다. The Bland Altman chart in Figure 4b illustrates the high accuracy of the device 100 enabling quantitative thyroid SPECT without CT according to one embodiment by showing a non-significant systematic deviation with a bias of -0.99%.
도 4c는 갑상선 질환 별 SPECT/CT와 일 실시예에 따른 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 장치(100)의 갑상선의 방사선의약품 섭취량을 도시한 그래프이다. Figure 4c is a graph showing the radiopharmaceutical intake of the thyroid gland by SPECT/CT for each thyroid disease and the device 100 that enables quantitative thyroid SPECT without CT according to one embodiment.
이때, 갑상선 질환 별 SPECT/CT와 일 실시예에 따른 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 장치(100)의 갑상선의 방사선의약품 섭취량은 평균±표준편차 값으로 도시된다.At this time, the radiopharmaceutical intake of the thyroid gland of the device 100 that enables quantitative thyroid SPECT without CT according to SPECT/CT and one embodiment for each thyroid disease is shown as a mean ± standard deviation value.
갑상선 질환은 갑상선 흡수율에 따라 구별될 수 있다. 도 4b를 참조하면,SPECT/CT와 일 실시예에 따른 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 장치(100)의 갑상선의 방사선의약품 섭취량은 예를 들어, 그레이브스병/갑상선기능항진증(Graves' disease/hyperthyroidism)은 무통/아급성 갑상선염(Painless/subacute thyroiditis), SNG(Single Nodular Goiter; 단일 결절성 갑상선종)/MNG(Multi Nodular Goiter; 다결절성 갑상선) 및 기타(예를 들어, 약물성 갑상선염(drug-induced thyroiditis), 설갑상선(lingual thyroid))에 대한 방사선의약품 섭취량을 도시한다.Thyroid diseases can be distinguished according to the thyroid absorption rate. Referring to Figure 4b, the radiopharmaceutical intake of the thyroid gland of the device 100 that enables quantitative thyroid SPECT without CT according to one embodiment of SPECT/CT is, for example, Graves' disease/hyperthyroidism. Hyperthyroidism refers to painless/subacute thyroiditis, SNG (Single Nodular Goiter)/MNG (Multi Nodular Goiter), and others (e.g., drug-induced thyroiditis). It shows the intake of radiopharmaceuticals for thyroiditis and lingual thyroid.
도 5는 일 실시예에 따른 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 방법을 설명하기 위한 흐름도이다.Figure 5 is a flow chart to explain a method of enabling quantitative thyroid SPECT without CT using a neural network according to an embodiment.
도 5를 참조하면, 일 실시예에 따른 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 방법은 도 1의 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT 장치에 의해 수행될 수 있다. Referring to FIG. 5, a method of enabling quantitative thyroid SPECT without CT using a neural network according to an embodiment can be performed by a quantitative thyroid SPECT device without CT using the neural network of FIG. 1.
우선, 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT 장치는 갑상선에 대한 제1 SPECT(Single Photon Emission Computed Tomography; 단일광자방출전산화단층촬영) 이미지와 제2 SPECT 이미지를 제1 모델에 입력하여 감쇠 지도(attenuation map)를 생성(510)한다.First, the quantitative thyroid SPECT device without CT using a neural network inputs the first SPECT (Single Photon Emission Computed Tomography) image and the second SPECT image of the thyroid gland into the first model to create an attenuation map (attenuation map). map) is created (510).
이후, 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT 장치는 감쇠 지도와 제1 SPECT 이미지를 제2 모델에 입력하여 제1 SPECT 이미지 내의 갑상선 지도를 추출(segmentation)(520)한다.Thereafter, the quantitative thyroid SPECT device using a neural network without CT inputs the attenuation map and the first SPECT image into the second model to extract (segmentation) the thyroid map within the first SPECT image (520).
이후, 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT 장치는 제1 SPECT 이미지, 감쇠 지도 및 갑상선 지도를 이용하여 갑상선의 방사선의약품 섭취량을 산출(530)한다.Afterwards, the quantitative thyroid SPECT device without CT using a neural network calculates the radiopharmaceutical intake of the thyroid gland using the first SPECT image, the attenuation map, and the thyroid map (530).
도시된 도 5의 방법은 도면에 제시된 순서도를 참조로 하여 설명되었다. 설명을 위하여 상기 방법은 일련의 블록들로 도시되고 설명되었으나, 본 발명은 상기 블록들의 순서에 한정되지 않고, 몇몇 블록들은 다른 블록들과 본 명세서에서 도시되고 기술된 것과 상이한 순서로 또는 동시에 일어날 수도 있으며, 동일한 또는 유사한 결과를 달성하는 다양한 다른 분기, 흐름 경로, 및 블록의 순서들이 구현될 수 있다. 또한, 본 명세서에서 기술되는 방법의 구현을 위하여 도시된 모든 블록들이 요구되지 않을 수도 있다. The method shown in FIG. 5 has been described with reference to the flow chart presented in the drawing. For purposes of illustration, the method is shown and described as a series of blocks; however, the invention is not limited to the order of the blocks, and some blocks may occur simultaneously or in a different order than shown and described herein with other blocks. and various other branches, flow paths, and sequences of blocks may be implemented that achieve the same or similar results. Additionally, not all blocks shown may be required for implementation of the methods described herein.
나아가, 본 발명의 일 실시예에 따른 방법은 일련의 과정들을 수행하기 위한 컴퓨터 프로그램의 형태로 구현될 수도 있으며, 상기 컴퓨터 프로그램은 컴퓨터로 판독 가능한 기록 매체에 기록될 수도 있다. 컴퓨터로 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.Furthermore, the method according to an embodiment of the present invention may be implemented in the form of a computer program for performing a series of processes, and the computer program may be recorded on a computer-readable recording medium. Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks and magnetic tapes, optical recording media such as CD-ROMs and DVDs, and magneto-optical media such as floptical disks. optical media), and hardware devices specifically configured to store and execute program instructions, such as ROM, RAM, flash memory, etc.
이상에서는 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.Although the above has been described with reference to the embodiments, those skilled in the art can make various modifications and changes to the present invention without departing from the spirit and scope of the present invention as set forth in the claims below. You will understand.
100: 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 장치
110: 생성부
120: 추출부
130: 산출부
211: 제1 SPECT 이미지
212: 제2 SPECT 이미지
220: 제1 모델
230: 제2 모델100: A device that enables quantitative thyroid SPECT without CT using a neural network
110: Generation unit
120: extraction unit
130: Calculation unit
211: First SPECT image
212: Second SPECT image
220: first model
230: 2nd model
Claims (14)
상기 감쇠 지도와 상기 제1 SPECT 이미지를 제2 모델에 입력하여 상기 제1 SPECT 이미지 내의 갑상선 지도를 추출(segmentation)하는 추출부; 및
상기 제1 SPECT 이미지, 상기 감쇠 지도 및 상기 갑상선 지도를 이용하여 상기 갑상선의 방사선의약품 섭취량을 산출하는 산출부를 포함하는, 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 장치.
A generator that generates an attenuation map by inputting the first SPECT (Single Photon Emission Computed Tomography) image and the second SPECT image of the thyroid gland into the first model;
An extraction unit that inputs the attenuation map and the first SPECT image into a second model to extract (segmentation) a thyroid map in the first SPECT image; and
A device that enables quantitative thyroid SPECT without CT using a neural network, including a calculation unit that calculates the radiopharmaceutical intake of the thyroid gland using the first SPECT image, the attenuation map, and the thyroid map.
상기 제1 SPECT 이미지는, 1차 방출 SPECT(Primary Emission SPECT) 이미지이고, 상기 제2 SPECT 이미지는, 산란 SPECT(Scattering SPECT) 이미지인, 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 장치.
According to paragraph 1,
The first SPECT image is a primary emission SPECT image, and the second SPECT image is a scattering SPECT image. A device that enables quantitative thyroid SPECT without CT using a neural network.
상기 생성부는, 상기 감쇠 지도를 이용하여 상기 제1 SPECT 이미지를 감쇠 보정(Attenuation Correction; AC)함으로써 제3 SPECT 이미지를 생성하는, 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 장치.
According to paragraph 1,
The generator generates a third SPECT image by performing attenuation correction (AC) on the first SPECT image using the attenuation map. A device that enables quantitative thyroid SPECT without CT using a neural network.
상기 제3 SPECT 이미지는, 정량적 ACSCRR SPECT 이미지인, 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 장치.
According to paragraph 3,
The third SPECT image is a quantitative ACSCRR SPECT image, a device that enables quantitative thyroid SPECT without CT using a neural network.
상기 산출부는, 상기 제3 SPECT 이미지와 상기 갑상선 지도를 결합하여 상기 갑상선의 방사선의약품 섭취량을 산출하는, 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 장치.
According to paragraph 3,
The calculation unit combines the third SPECT image and the thyroid map to calculate the radiopharmaceutical intake of the thyroid gland. A device that enables quantitative thyroid SPECT without CT using a neural network.
상기 산출부는, 상기 제3 SPECT 이미지와 상기 갑상선 지도를 결합하여 일치하는 복셀(voxel)을 카운트함으로써 상기 갑상선의 방사선의약품 섭취량을 산출하는, 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 장치.
According to clause 5,
The calculation unit calculates radiopharmaceutical intake of the thyroid gland by combining the third SPECT image and the thyroid map and counting matching voxels. A device that enables quantitative thyroid SPECT without CT using a neural network.
상기 제2 모델은, CT(Computed Tomography; 전산화단층촬영) 이미지 내 갑상선의 외곽선을 따라 그려 라벨링 된 복수의 갑상선 분할 지도에 기초하여, 입력된 이미지 내 갑상선 지도를 추출하도록 학습되는, 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 장치.
According to paragraph 1,
The second model uses a neural network that is learned to extract the thyroid map in the input image based on a plurality of thyroid segmentation maps drawn and labeled along the outline of the thyroid gland in the CT (Computed Tomography) image. A device that enables quantitative thyroid SPECT without CT.
상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램을 저장한 메모리를 구비한 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 장치로부터 수행되는 방법으로서,
갑상선에 대한 제1 SPECT(Single Photon Emission Computed Tomography; 단일광자방출전산화단층촬영) 이미지와 제2 SPECT 이미지를 제1 모델에 입력하여 감쇠 지도(attenuation map)를 생성하는 단계;
상기 감쇠 지도와 상기 제1 SPECT 이미지를 제2 모델에 입력하여 상기 제1 SPECT 이미지 내의 갑상선 지도를 추출(segmentation)하는 단계; 및
상기 제1 SPECT 이미지, 상기 감쇠 지도 및 상기 갑상선 지도를 이용하여 상기 갑상선의 방사선의약품 섭취량을 산출하는 단계를 포함하는, 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 방법.
one or more processors; and
A method performed from a device that enables quantitative thyroid SPECT without CT using a neural network having a memory storing one or more programs executed by the one or more processors,
Generating an attenuation map by inputting a first SPECT (Single Photon Emission Computed Tomography) image and a second SPECT image of the thyroid gland into a first model;
Inputting the attenuation map and the first SPECT image into a second model to extract (segmentation) a thyroid map in the first SPECT image; and
A method of enabling quantitative thyroid SPECT without CT using a neural network, including calculating the radiopharmaceutical intake of the thyroid gland using the first SPECT image, the attenuation map, and the thyroid map.
상기 제1 SPECT 이미지는, 1차 방출 SPECT(Primary Emission SPECT) 이미지이고, 상기 제2 SPECT 이미지는, 산란 SPECT(Scattering SPECT) 이미지인, 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 방법.
According to clause 8,
The first SPECT image is a primary emission SPECT image, and the second SPECT image is a scattering SPECT image. A method of enabling quantitative thyroid SPECT without CT using a neural network.
상기 생성하는 단계는, 상기 감쇠 지도를 이용하여 상기 제1 SPECT 이미지를 감쇠 보정(Attenuation Correction; AC)함으로써 제3 SPECT 이미지를 생성하는 단계를 포함하는, 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 방법.
According to clause 8,
The generating step includes generating a third SPECT image by performing attenuation correction (AC) on the first SPECT image using the attenuation map. Quantitative thyroid SPECT is possible without CT using a neural network. How to do it.
상기 제3 SPECT 이미지는, 정량적 ACSCRR SPECT 이미지인, 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 방법.
According to clause 10,
The third SPECT image is a quantitative ACSCRR SPECT image. A method of enabling quantitative thyroid SPECT without CT using a neural network.
상기 산출하는 단계는, 상기 제3 SPECT 이미지와 상기 갑상선 지도를 결합하여 상기 갑상선의 방사선의약품 섭취량을 산출하는 단계를 포함하는, 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 방법.
According to clause 11,
The calculating step includes calculating the radiopharmaceutical intake of the thyroid gland by combining the third SPECT image and the thyroid map. A method of enabling quantitative thyroid SPECT without CT using a neural network.
상기 산출하는 단계는, 상기 제3 SPECT 이미지와 상기 갑상선 지도를 결합하여 일치하는 복셀(voxel)을 카운트함으로써 상기 갑상선의 방사선의약품 섭취량을 산출하는 단계를 포함하는, 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 방법.
According to clause 12,
The calculating step includes calculating the radiopharmaceutical intake of the thyroid gland by combining the third SPECT image and the thyroid map and counting matching voxels. Quantitative thyroid SPECT without CT using a neural network. How to make it possible.
상기 제2 모델은, CT(Computed Tomography; 전산화단층촬영) 이미지 내 갑상선의 외곽선을 따라 그려 라벨링 된 복수의 갑상선 분할 지도에 기초하여, 입력된 이미지 내 갑상선 지도를 추출하도록 학습되는, 신경망을 이용하여 CT 없이 정량적 갑상선 SPECT를 가능하게 하는 방법.According to clause 8,
The second model uses a neural network that is learned to extract the thyroid map in the input image based on a plurality of thyroid segmentation maps drawn and labeled along the outline of the thyroid gland in the CT (Computed Tomography) image. A method that enables quantitative thyroid SPECT without CT.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/KR2023/007541 WO2024029710A1 (en) | 2022-08-02 | 2023-06-01 | Device and method for enabling quantitative thyroid spect without ct by using neural network |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220096351 | 2022-08-02 | ||
KR20220096351 | 2022-08-02 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20240018341A true KR20240018341A (en) | 2024-02-13 |
Family
ID=89899660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020220171471A KR20240018341A (en) | 2022-08-02 | 2022-12-09 | Apparatus and method for enabling quantitative thyroid spect without ct using neural network |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR20240018341A (en) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220095342A (en) | 2020-12-29 | 2022-07-07 | 아주대학교산학협력단 | The diagnostic method and system of lymph node metastasis in thyroid cancer using ct image |
-
2022
- 2022-12-09 KR KR1020220171471A patent/KR20240018341A/en not_active Application Discontinuation
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220095342A (en) | 2020-12-29 | 2022-07-07 | 아주대학교산학협력단 | The diagnostic method and system of lymph node metastasis in thyroid cancer using ct image |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11576628B2 (en) | Full dose PET image estimation from low-dose PET imaging using deep learning | |
US10395353B2 (en) | Model-based scatter in multi-modality multi-energy SPECT reconstruction | |
US9619905B2 (en) | Apparatus and method for generation of attenuation map | |
NL2010492C2 (en) | Systems and methods for attenuation compensation in nuclear medicine imaging based on emission data. | |
JP4414410B2 (en) | Image reconstruction method | |
Wu et al. | Absolute quantitative total-body small-animal SPECT with focusing pinholes | |
JP7326160B2 (en) | Generation of Accurate Hybrid Datasets for Quantitative Molecular Imaging | |
WO2020214911A1 (en) | Method and system for generating attenuation map from spect emission data based upon deep learning | |
Ljungberg et al. | Hybrid imaging for patient-specific dosimetry in radionuclide therapy | |
CN106659452B (en) | Reconstruction using multiple photoelectric peaks in quantitative single photon emission computed tomography | |
Papadimitroulas et al. | Investigation of realistic PET simulations incorporating tumor patientˈs specificity using anthropomorphic models: Creation of an oncology database | |
US10772580B2 (en) | Multiple emission energies in single photon emission computed tomography | |
Bauschke et al. | An EM algorithm for dynamic SPECT | |
KR20240018341A (en) | Apparatus and method for enabling quantitative thyroid spect without ct using neural network | |
US11790526B2 (en) | Neural network-assisted dose assessment based on activity image | |
Moore et al. | Monte Carlo-based compensation for patient scatter, detector scatter, and crosstalk contamination in In-111 SPECT imaging | |
Tadesse et al. | Techniques for generating attenuation map using cardiac SPECT emission data only: a systematic review | |
WO2024029710A1 (en) | Device and method for enabling quantitative thyroid spect without ct by using neural network | |
US20180144514A1 (en) | Medical image processing apparatus and medical image diagnosis apparatus and medical image processing method | |
Romdhane et al. | New Attenuation Map for SPECT Images Quality Enhancement | |
Baum et al. | Design of a multiple component geometric breast phantom | |
Curkic | Evaluation of internal dosimetry for 225-Ac using one single measurement based on 111-In imaging | |
Humphries | Temporal regularization and artifact correction in single slow-rotation dynamic SPECT | |
SILVA | DEVELOPMENT OF DEEP-LEARNING-BASED DENOISING ALGORITHMS FOR FAST WHOLE-BODY [18 F] FDG PET/CT SCANS | |
Rahman | Development and Objective Task-Based Evaluation of Computational Methods for Clinical SPECT |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal |