Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Synthetic CT Generation from Time-of-Flight Non-Attenutaion-Corrected PET for Whole-Body PET Attenuation Correction

Created by
  • Haebom

저자

Weijie Chen, James Wang, Alan McMillan

개요

본 논문은 PET/MR 시스템에서 CT 없이 정확한 감쇠 보정(AC)을 수행하기 위해, TOF NAC PET 이미지로부터 합성 CT (sCT) 이미지를 생성하는 심층 학습 기반 방법을 제시합니다. 대규모 자연 이미지 데이터셋으로 사전 훈련된 모델을 의료 데이터셋으로만 훈련된 모델보다 우수함을 확인하고, 35쌍의 TOF NAC PET 및 CT 볼륨 데이터셋으로 미세 조정하여 MAE 74.49 HU, PSNR 28.66 dB의 성능을 달성했습니다. 뼈와 연조직 구조의 재구성 개선을 시각적으로 확인하였으며, 사전 훈련된 심층 학습 모델의 의료 이미지 변환 작업 효과를 강조합니다. 향후 연구는 sCT의 PET 감쇠 보정 영향 평가 및 추가적인 신경망 아키텍처와 데이터셋 탐색을 통해 성능 향상 및 실제 PET 영상 적용을 목표로 합니다.

시사점, 한계점

•
시사점:
◦
사전 훈련된 심층 학습 모델을 이용하여 TOF NAC PET 이미지로부터 sCT 이미지 생성의 효용성을 증명.
◦
PET/MR 시스템에서 CT 없이 정확한 감쇠 보정을 위한 새로운 가능성 제시.
◦
자연 이미지 데이터셋으로 사전 훈련된 모델의 우수성 확인.
◦
뼈와 연조직 구조의 개선된 재구성 결과 제시.
•
한계점:
◦
제한된 규모의 의료 데이터셋(35쌍)을 사용.
◦
sCT의 PET 감쇠 보정에 대한 영향 평가는 향후 연구 과제로 남음.
◦
추가적인 신경망 아키텍처 및 데이터셋 탐색 필요.
◦
실제 임상 환경에서의 성능 검증 필요.
👍
Made with Slashpage