JSover: 단일 에너지 CT로 다중 물질 분해의 새 지평을 열다

JSover는 단일 에너지 CT 영상에서 다중 물질 분해와 스펙트럼 추정을 동시에 수행하는 혁신적인 방법으로, 기존의 두 단계 분해 방식의 한계를 극복하고 물리 기반 스펙트럼 정보와 암묵적 신경 표현(INR)을 활용하여 정확도와 효율성을 크게 향상시켰습니다.

단일 에너지 CT 영상으로부터 다중 물질 분해의 혁신: JSover

의료 영상 분야에서 다중 물질 분해(MMD)는 인체 조직의 정량적 구성 분석을 가능하게 하여 다양한 임상 응용 분야에 활용될 수 있습니다. 하지만 기존의 MMD는 특수한 스펙트럼 CT 스캐너와 사전 측정된 X선 에너지 스펙트럼이 필요하여 임상 적용에 제약이 있었습니다. 이러한 한계를 극복하기 위해, 단일 에너지(SE) CT 시스템을 사용하는 SEMMD(Single-Energy Multi-Material Decomposition) 방법들이 개발되어 왔습니다.

그러나 기존 SEMMD 방법들은 대부분 두 단계의 이미지 분해 과정을 거칩니다. 먼저 FBP와 같은 알고리즘을 사용하여 단색 CT 이미지를 재구성한 후, 이 이미지들을 분해하는 방식입니다. 이 과정에서 에너지 의존적인 인체 조직의 감쇠 현상이 무시되어 심각한 비선형 빔 하드닝 아티팩트와 노이즈가 발생하여 정확도 저하의 원인이 되었습니다.

Qing Wu, Hongjiang Wei, Jingyi Yu, S. Kevin Zhou, Yuyao Zhang 연구팀은 이러한 문제를 해결하기 위해 JSover라는 혁신적인 방법을 제안했습니다. JSover는 단일 에너지 CT 투영으로부터 다중 물질 구성과 에너지 스펙트럼을 동시에 재구성하는 일체형 SEMMD 프레임워크입니다.

JSover의 핵심은 물리 기반 스펙트럼 사전 정보를 SEMMD 과정에 명시적으로 통합하여 SE 획득으로부터 가상 스펙트럼 CT 시스템을 정확하게 시뮬레이션하는 것입니다. 이를 통해 분해의 신뢰성과 정확성을 크게 향상시켰습니다. 또한, 연구팀은 연속적인 이미지 패턴에 대한 유도적 편향을 갖는 비지도 심층 학습 기법인 암묵적 신경 표현(INR) 을 도입하여 기저 물질 맵을 표현했습니다. INR은 해 공간을 제약하고 추정 품질을 더욱 향상시키는 역할을 합니다.

시뮬레이션 및 실제 CT 데이터 세트에 대한 광범위한 실험 결과, JSover는 기존 최첨단 SEMMD 방법들보다 정확도와 계산 효율성 면에서 우수한 성능을 보였습니다. 이는 단일 에너지 CT를 이용한 다중 물질 분해의 새로운 가능성을 제시하는 획기적인 연구 결과입니다. JSover는 향후 의료 영상 분석 분야에 혁신적인 변화를 가져올 것으로 기대됩니다. 특히, 비용 효율성과 접근성이 높은 단일 에너지 CT 시스템을 활용함으로써 보다 광범위한 임상 환경에서 정확한 조직 구성 분석이 가능해질 것으로 예상됩니다.