Core Concepts
종단적 인지 분할 네트워크를 이용하여 소아 호지킨 림프종 환자의 기저 및 중간 PET/CT 영상에서 종양을 자동으로 정량화할 수 있다.
Abstract
이 연구는 소아 호지킨 림프종 환자의 기저 및 중간 PET/CT 영상을 자동으로 정량화하기 위해 종단적 인지 분할 네트워크(LAS-Net)를 개발했다.
LAS-Net은 두 개의 분기로 구성되어 있다. 하나의 분기는 기저 PET 영상의 종양을 분할하고, 다른 하나는 중간 PET 영상의 잔류 종양을 탐지한다. 이 모델은 기저 PET 정보를 활용하여 중간 PET 분석을 개선하는 종단적 교차 주의 메커니즘을 포함한다.
LAS-Net은 기저 PET 영상에서 평균 Dice 계수 0.772로 종양을 정확하게 분할했다. 중간 PET 영상에서는 F1 점수 0.606으로 잔류 종양을 탐지했는데, 이는 다른 모델들보다 우수한 성능이다. 또한 LAS-Net은 PET 정량 지표(qPET, ΔSUVmax, MTV, TLG)에서 의사 측정값과 강한 상관관계를 보였다.
이 연구 결과는 종단적 인지가 다중 시점 영상 데이터 평가에 중요한 역할을 한다는 것을 보여준다. LAS-Net은 PET 기반 적응 치료를 위한 신속하고 일관된 종양 부담 평가를 가능하게 할 것으로 기대된다.
Stats
기저 PET 영상에서 LAS-Net의 MTV와 TLG 측정값은 의사 측정값과 각각 Spearman's ρ 0.93, 0.96의 강한 상관관계를 보였다.
중간 PET 영상에서 LAS-Net의 qPET와 ΔSUVmax 측정값은 의사 측정값과 각각 Spearman's ρ 0.78, 0.80의 강한 상관관계를 보였다.
Quotes
"LAS-Net achieved high performance in quantifying PET metrics across serial scans, highlighting the value of longitudinal awareness in evaluating multi-time-point imaging datasets."
"This technology opens opportunities to identify predictive imaging biomarkers that can lead to more effective PET-adaptive therapies."