[논문]경도인지장애와 알츠하이머병 환자의 18F-fludeoxyglucose PET 표준 섭취계수율에 대한 체적 및 피질 표면 기반 관심영역 분석

김선직; 윤의철

doi:10.9718/jber.2018.39.6.237

Abstract ▼ AI-Helper

$^{18}F$-fludeoxyglucose PET (FDG-PET) can help finding an abnormal metabolic activity in brain. In this study, we evaluated an efficiency of volume- and cortical surface-based analysis which were used to determine whether standardized uptake value ratio (SUVR) of FDG-PET was different am...

$^{18}F$-fludeoxyglucose PET (FDG-PET) can help finding an abnormal metabolic activity in brain. In this study, we evaluated an efficiency of volume- and cortical surface-based analysis which were used to determine whether standardized uptake value ratio (SUVR) of FDG-PET was different among Alzheimer's disease (AD), mild cognitive impairment (MCI), and healthy control (HC). Each PET image was rigidly co-registered to the corresponding magnetic resonance imaging (MRI) using mutual information. All voxels of the co-registered PET images were divided by the mean FDG uptake of the cerebellum cortex which was thresholded by partial volume effect (>0.9). Also, the SUVR value of each vertex was linearly interpolated from volumetric SUVR image which was thresholded by gray matter partial volume effect (>0.1). Lobar mean values were calculated from both volume- and cortical surface-based SUVRs. Statistical analysis was conducted to compare two measures for AD, MCI and HC groups. Even though the results of volume (SUVR_vol) and cortical surface-based SUVR (SUVR_surf) analysis were not significantly different from each other, the latter would be better for detecting group differences in SUVR of PET.

주제어

표/그림 (3)

그림 그림 1. SUVR_vol 및 SUVR_surf 방법 비교 알고리즘. Fig. 1. Comparison of SUVR_vol and SUVR_surf algorithm.
그림 그림 2. (a) FDG-PET 영상, (b) T1 강조 영상, (c) 정합 결과. Fig. 2. (a) FDG-PET image, (b) T1-weighted image, (c) registration result.
그림 그림 3. 전두엽, 두정엽, 후두엽, 측두엽의 SUVR_vol 값과 SUVR_surf 값 (*: p < 0.05; **: p < 0.01). Fig. 3. SUVR_vol and SUVR_surf of frontal, occipital, parietal and temporal lobes (*: p < 0.05; **: p < 0.01).

AI 본문요약
AI-Helper

문제 정의

본 논문에서는 AD 환자군과 MCI 환자군, 정상군을 대상으로 SUVR_vol과 SUVR_surf 중 더 나은 민감도를 가진 방법을 찾고자 하기 위해 세 그룹의 SUVR을 SUVR_vol 및 SUVR_surf 방법으로 정량화하여 뇌의 주요 부위인 전두엽(frontal lobe), 두정엽(parietal lobe), 후두엽(occipital lobe) 그리고 측두엽(temporal lobe)을 좌우 반구(hemisphere) 별로 평균과 표준편차를 나타낸 후 통계 분석을 이용하여 비교하였다.

제안 방법

본 연구에서는 질환에 따른 구조적인 뇌 변형을 고려하여각 개인의 FDG-PET 영상을 대응이 되는 T1 강조 영상에 선형 정합하고, 모든 복셀을 회백질 PVE 값이 0.9 이상인 소뇌 영역 복셀의 평균으로 정규화하여 SUVR을 계산하였다. 주요한 뇌 영역에서 질환군과 정상군의 대사 작용을 비교하기 위해 SUVR_vol과 SUVR_surf을 적용하였고 통계 분석을 통해 분석 방법을 비교하였다.
정상군, AD 환자군, MCI 환자군에서 질환에 영향을 받지 않거나 또는 매우 적게 받는 소뇌의 회백질 영역을 기준으로 PET 영상에 대해서 회백질의 PVE 값이 0.9 이상인 복셀들의 평균값으로 정규화하여 SUVR 영상을 획득하였다. 부분용적효과를 고려하여 PET 영상의 관심 영역 분석을 진행하기 위해 회백질의 PVE값이 0.
각 개인의 T1 강조 영상을 이용하여 구형의 메시(Mesh)로부터 백질 표면 모델을 만들고 변형 모델(deformable model)을 통해 회백질 표면 모델을 추출한 후 두 표면 모델의 기하학적 평균으로 반구상의 피질 표면 모델을 구현하였다[15]. 피질 표면 모델의 각 vertex에 대한 SUVR 값은 회백질의 PVE 값이 0.1 이상인 복셀들로 이루어진 SUVR 영상으로부터 선형보간(linear interpolation)을 통해 계산하였다. 피질 표면에 대한 관심 영역별 분석을 위해 반복적인 표면 정합방법(iterative surface registration)[16]을 통해 각 개인의 피질 표면 모델을 표준 대뇌 피질 모델로 정합함으로써 전두엽, 두정엽, 후두엽, 그리고 측두엽으로 피질 표면을 분할하고 평균 SUVR을 계산하였다[17,18]

대상 데이터

이 연구에서는 Alzheimer’s Disease neuroimaging Initiative (ADNI) 데이터베이스(http://adni.loni.usc. edu)에서 획득한 정상군 86명, MCI 환자군 173명, AD 환자군 78명의 T1 강조 영상과 FDG-PET 영상을 이용하였다. T1 강조 영상은 공간 해상도 0.

데이터처리

FDG-PET의 분석 방법 차이에 따른 민감도 비교를 알아보기 위해 정상군과 AD 환자군, MCI 환자군을 대상으로 SUVR_vol 방법과 SUVR_surf 방법을 주요 뇌 영역에 대한 평균 SUVR을 비교하였다. 두 그룹을 8개 영역 별로 평균 SUVR 차이를 분석하기 위해 SPSS 19.
FDG-PET의 분석 방법 차이에 따른 민감도 비교를 알아보기 위해 정상군과 AD 환자군, MCI 환자군을 대상으로 SUVR_vol 방법과 SUVR_surf 방법을 주요 뇌 영역에 대한 평균 SUVR을 비교하였다. 두 그룹을 8개 영역 별로 평균 SUVR 차이를 분석하기 위해 SPSS 19.0 (SPSS INC., Chicago. IL, USA)을 이용하여 각 영역 별로 평균과 표준편차를 계산하고 일원분산분석을 시행한 후, 사후 분석을 통해 그룹 간의 차이를 확인하기 위해 Bonferroni법을 사용하였다.

이론/모형

각 개인의 T1 강조 영상을 이용하여 구형의 메시(Mesh)로부터 백질 표면 모델을 만들고 변형 모델(deformable model)을 통해 회백질 표면 모델을 추출한 후 두 표면 모델의 기하학적 평균으로 반구상의 피질 표면 모델을 구현하였다[15]. 피질 표면 모델의 각 vertex에 대한 SUVR 값은 회백질의 PVE 값이 0.
ca/ServicesSoftware/CIVET)을 사용하였다[9,11-13]. 밝기 불균일성이 보정된 뇌 영상으로부터 두개골 영역을 제거하고[13], 인공 신경망(artificial neural network)을 이용하여 회백질, 백질 및 뇌척수액 등의 뇌 조직별로 분류한 후[12], 최소 공분산 결정요인 방법(trimmed minimum covariance determinant method)을 적용하여 해상도의 한계로 각 복셀 내에 서로 다른 뇌 조직의 포함 정도를 평가한 부분용적효과(Partial Volume Effect, PVE)를 계산하였다[9]. 각 개인 뇌 영상을 뇌의 주요 영역에 대한 확률값이 규정되어 있는 표준 뇌 지도에 정합하고, 뇌 조직별로 분류된 결과를 활용하여 전두엽, 두정엽, 후두엽, 그리고 측두엽으로 분할함으로써 개인 T1 영상에 정합된 PET 영상에 대해서 영역 분석을 진행할 수 있었다[14].
1 이상인 복셀들로 이루어진 SUVR 영상으로부터 선형보간(linear interpolation)을 통해 계산하였다. 피질 표면에 대한 관심 영역별 분석을 위해 반복적인 표면 정합방법(iterative surface registration)[16]을 통해 각 개인의 피질 표면 모델을 표준 대뇌 피질 모델로 정합함으로써 전두엽, 두정엽, 후두엽, 그리고 측두엽으로 피질 표면을 분할하고 평균 SUVR을 계산하였다[17,18]

성능/효과

전두엽, 후두엽, 측두엽, 두정엽 좌우 8개 영역을 기준으로 각각 SUVR_vol 방법과 SUVR_vol 방법의 관심 영역별 평균과 표준 편차를 비교하였을 때 AD 환자군의 경우 후두엽을 제외한 모든 영역에서 정상군과 유의미한 차이가 있었으나, MCI 환자군과는 두정엽, 측두엽에서 유의미한 차이가 있었다. 또한 MCI 환자군과 정상군 간에는 피질 표면 기반 분석에서 왼쪽 측두엽 부분만이 유의미한 차이를 보였다.
전두엽, 후두엽, 측두엽, 두정엽 좌우 8개 영역을 기준으로 각각 SUVR_vol 방법과 SUVR_vol 방법의 관심 영역별 평균과 표준 편차를 비교하였을 때 AD 환자군의 경우 후두엽을 제외한 모든 영역에서 정상군과 유의미한 차이가 있었으나, MCI 환자군과는 두정엽, 측두엽에서 유의미한 차이가 있었다. 또한 MCI 환자군과 정상군 간에는 피질 표면 기반 분석에서 왼쪽 측두엽 부분만이 유의미한 차이를 보였다.

질의응답

핵심어	질문	논문에서 추출한 답변
	방사성 의약품 추적자로 사용되는 것은 무엇이 있는가?	양전자방출단층촬영(Positron Emission Tomography, PET)은 의약품에 양전자를 방출하는 방사성 동위원소를 결합하여 체내에 주입한 후 PET 장비를 통해 추적하여 체내특정 대사 작용이 활발한 정도를 3차원 분포로 영상화하는 기능적이고 비침습적인 영상진단 기법이다. 방사성 의약품은 18F-Florbetaben, 18F-Fludeoxyglucose, 11C-Pittsburgh compound B, 11C-Methionine 등을 추적자로 사용한다. 그 중 18F-Fludeoxyglucose (FDG)를 이용한 PET은 포도당 대사가 항진된 영역을 선택적으로 보여주는 영상으로 신체 부위의 해부학적 특성에 영향을 받지 않는다.
	양전자방출단층촬영이란 무엇인가?	양전자방출단층촬영(Positron Emission Tomography, PET)은 의약품에 양전자를 방출하는 방사성 동위원소를 결합하여 체내에 주입한 후 PET 장비를 통해 추적하여 체내특정 대사 작용이 활발한 정도를 3차원 분포로 영상화하는 기능적이고 비침습적인 영상진단 기법이다. 방사성 의약품은 18F-Florbetaben, 18F-Fludeoxyglucose, 11C-Pittsburgh compound B, 11C-Methionine 등을 추적자로 사용한다.
	PET 영상의 밝기를 이용하여 정량화하여 분석 시의 장점은 무엇인가?	최근 연구에서 PET은 체적 기반(volume-based) 방법[4,5]과 피질 표면 기반(cortical surface-based) 방법[6] 등으로 분석되어 왔다. 임상의사의 주관적인 판단으로 정상군과 환자군을 구분할 경우 여러 가지 오류가 발생할 가능성이 있지만, 수학적으로 정량화되어 계산된 값은 충분한 일관성과 재현성을 가진다. 이러한 객관성을 가진 정량적 분석의 장점은 주관적인 오차의 감소와 반복적으로 연구를 하더라도 항상 같은 결과를 도출할 수 있다는 것이다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

Abstract ▼ AI-Helper

주제어

표/그림 (3)

표/그림 (3)

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

질의응답

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

Abstract ▼ AI-Helper

주제어

표/그림 (3)

표/그림 (3)

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

질의응답

이 논문을 인용한 문헌

저자의 다른 논문 :

윤의철 (4)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

AI 본문요약
AI-Helper