• 한국컴퓨터그래픽스학회논문지
• /
• 제28권3호
• /
• pp.55-65
• /
• 2022

X-ray 두개골 영상에서 주요 해부학적 부위들 간의 거리를 계측하는 것은 진단과 치료 등 임상적 의미에서 매우 중요하다. 최근에는 딥러닝 기술의 발전을 바탕으로 랜드마크를 식별 및 검출하는 자동화 시스템들이 제시되고 있다. 이러한 딥러닝 기반 모델을 과적합 없이 학습 시키기 위해서는 대량의 영상과 라벨링 데이터가 필요하다. 기존에는 숙련된 판독의가 환자의 영상에서 랜드마크를 수동으로 식별하여 라벨링하는 방식으로 계측이 이루어져 왔다. 그러나 이러한 계측 방식은 많은 비용이 소요될 뿐만 아니라, 재현성이 떨어지기 때문에 자동화된 라벨링 방법에 대한 필요성이 제기되고 있다. 또한, X-ray 영상에는 광자가 통과하는 경로 상의 여러 인체조직들이 표시되기 때문에 랜드마크 식별이 일반 자연 이미지 또는 삼차원 모달리티 영상에 비해 어렵다. 본 연구에서는 X-ray 영상 내에 대량의 라벨링 데이터 생성을 가능하게 하는 기하학적 데이터 증강 기법을 제안하고 있다. 또한, 두개골 내 주요한 16개 랜드마크들의 검출 성능을 향상시키기 위해 다양한 어텐션 기법들의 구현 및 적용을 통해 랜드마크 검출을 위한 최적의 어텐션 메커니즘을 제시하였다. 마지막으로 주요 두개골 랜드마크들 중 안정적인 검출이 보장되는 마커들을 도출하였으며, 이러한 마커들은 임상적인 활용 가능성이 높을 것으로 기대된다.

• 한국방사선학회논문지
• /
• 제13권5호
• /
• pp.801-809
• /
• 2019

큰 병변에 대한 기존 감마나이프 방사선수술은 종종 체적 또는 선량 분할 단계들로 수행된다. 체적 분할의 경우, 병변은 처방된 선량 하에서 하루 또는 이틀, 3 ~ 6개월로 분할된 다중 세션에서 조사되는 하위 체적들로 분할되곤 한다. 치료의 전체 과정 동안, 이전 단계의 치료 정보는 세션 사이의 좌표 변환을 통해 새로 장착된 정위 프레임 상의 후속 세션에 반영될 필요가 있다. 그러나 동일한 정위 공간을 제외하고 기존 감마나이프 시스템으로는 이전 선량 분포를 구현하는 것은 실제로 어렵다. 최신 감마나이프 플랫폼을 사용하여 다단계 치료를 수행할 수 있기 때문에 치료 영역이 확장되고 있다. 이 연구의 목적은 정위적 공간에 기초한 영상 정합과 새로운 감마나이프 플랫폼을 사용하여 각 단계에서 처방 선량 결정과 같은 다단계 감마나이프 방사선수술 전략을 소개하는 것이다. 일반적으로 영상 정합에서 수술적으로 내장된 기준점 또는 내부 해부학적 랜드마크들이 변환 관계를 결정하는데 사용된다. 저자는 내부 해부학적 랜드마크들을 사용하는 예로서 4개 또는 6개의 해부학적 랜드마크를 사용하는 다중 세션 간의 좌표 변환 정확도를 비교하였다. 측정된 좌표들과 계산된 좌표들 사이의 불일치를 최소화하기 위해서 PseudoInverse 또는 Singular Value Decomposition을 사용하여 두 정위 공간 사이의 변환 행렬이 결정되었다. 변환 정확도를 평가하기 위해 측정된 좌표와 변환된 좌표들 사이의 차이, 즉 ${\Delta}r$이 10개의 랜드마크들을 사용하여 계산되었다. 10개의 랜드마크들 중 4개 또는 6개의 점들을 사용하여 좌표 변환을 결정하고 나머지는 접근 방법을 평가하는데 사용되었다. 두 가지 접근 방법에서 각각의 ${\Delta}r$ 값은 0.6 ~ 2.4 mm, 0.17 ~ 0.57 mm 범위이었다. 게다가 병변 분할의 경우 한 번에 전체 병변의 치료와 동일한 효과를 제공하는 처방 선량을 결정하는 방법이 제안되었다. 동일한 정위 공간에서의 다단계 치료 전략은 전체 병변에 대한 치료를 먼저 디자인하는 것이며, 전체 치료 디자인 샷들은 각 단계 치료의 샷들로 나누어 각 단계별 샷들을 구성하고 각 단계에서 적절한 처방 선량을 결정한다. 결론적으로 저자는 다단계 치료 전략으로서 처방 선량 결정의 정확성을 확인하였고, 다중 세션 간의 좌표 변환을 결정하기 위해 적은 랜드마크들을 사용하는 것보다 가능한 많은 내부 랜드마크들을 사용하는 것이 더 나은 결과를 산출함을 보았다. 향후 제안된 다단계 치료 전략은 여러 감마나이프 센터들의 틀 없는 분할 치료에 크게 기여할 것이라 사료된다.