Core Concepts
실시간 환자 표면 데이터를 활용하여 정적 CT 영상에서 가상의 호흡 CT 영상을 합성하는 방법을 제안한다.
Abstract
이 연구는 4차원 CT (4DCT) 영상 획득의 한계를 해결하기 위해 정적 CT 영상에서 가상의 호흡 CT 영상을 합성하는 방법을 제안한다.
주요 내용은 다음과 같다:
환자 표면 데이터를 활용하여 CT 영상의 변형 벡터 필드(DVF)를 생성하는 심층 합성 모델을 개발했다.
DVF 생성 시 감독 학습과 적대적 학습을 함께 활용하여 보다 사실적인 호흡 운동을 모사할 수 있도록 했다.
실제 4DCT 데이터를 활용해 모델을 광범위하게 검증했으며, 합성 영상의 종양 및 장기 운동이 실제 4DCT와 유사한 수준임을 확인했다.
반복 4DCT 스캔 간 변동성과 비교했을 때, 합성 영상의 오차가 유사한 수준임을 보였다.
이를 통해 방사선 치료 계획 시 4DCT 촬영을 대체할 수 있는 새로운 접근법을 제시했다.
Stats
4D-Lung 데이터셋의 경우 종양 체적 변화가 6.86% 수준이었으나, 합성 영상에서는 1.50%로 감소했다.
CHRU 데이터셋의 경우 초기 종양 체적 변화가 11.66%였으나, 합성 영상에서 3.05%로 감소했다.
Quotes
"이 연구는 정적 CT 영상에서 가상의 호흡 CT 영상을 합성하는 방법을 제안한다."
"감독 학습과 적대적 학습을 함께 활용하여 보다 사실적인 호흡 운동을 모사할 수 있도록 했다."
"합성 영상의 종양 및 장기 운동이 실제 4DCT와 유사한 수준임을 확인했다."