주성분분석을 이용한 C[11]-PIB imaging 영상분석

김남범; 신귀순; 안성민

추천

검색

자료유형: 학술저널

저자정보: 김남범 (가천대학교 뇌과학연구원) 신귀순 (가천대학교 방사선학과) 안성민 (송호대학교 방사선과)

저널정보: 대한핵의학기술학회 핵의학기술 핵의학기술 제19권 제1호

발행연도: 2015.1

수록면: 12 - 16 (5page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

주성분분석(Principal component analysis, PCA)은 고차원 변수들 사이의 복잡한 상관성 구조를 더 낮은 차원으로 단순화하여 상관성의 구조를 쉽게 설명하기 위한 다변량분석기법으로 뇌영상 분석에서 자주 사용되는 방법이다. 주성분분석의 기본개념은 서로 직교하는 변수들의 선형결합을 통해서 원래의 뇌영상 자료가 가지고 있는 전체정보를 최대한 설명할 수 있는 서로 독립적인 새로운 변수들을 유도하는 것이다. 뇌영상분석에서 주성분분석의 효율성과 유용성을 알아보기 위해서 C[11]-PIB 영상을 이용하여 분석하였다. 대상 및 방법으로는 평균나이가 같은 9명의 정상인, 10명의 알츠하이머/경도인지장애환자들의 C[11]-PIB 영상을 이용하였다. PET-CT 장비로는 Biograph 6 Hi-Rez (Siemens-CTI, Knoxville, TN)를 영상을 획득하였고 9.6 MBq/kg C[11]-PIB를 정맥주사 한 후 40분 후에 20분 동안 3D acquisition mode로 방출영상을 얻었다. Attenuation map은 X-ray CT scan을 이용하여 재구성하였다(130 kVp, 240 mA). PIB template을 만들기 위해서 정상인에서 3T MRI T1-weighted 영상을 동시에 얻었다. 주성분분석을 위한전처리과정으로서 공간정규화 및 공간편평화를 SPM8을 이용하여 실시하였고 주성분분석은 Matlab2012b를 이용하여 분석하다. 결과는 주성분분석을 통해서 서로 독립적인 주성분영상들을 얻을 수 있었다. 주성분분석을 통해서 얻어진주성분영상은 C[11]-PIB brain PET 영상의 패턴을 몇 개의 주성분으로 단순화 할 수 있었으며 주로는 neocortex를 변동 나타내는 영상, white matter의 변동을 나타내는 영상 그리고 pons등 deep brain의 변동을 나타내는 영상 등으로 단순화되었다. 결론으로는 주성분분석은 C[11]-PIB brain 영상을 단순화하여 영상의 패턴을 해석하는데 매우 유용하였다. 이러한 주성분분석은C[11]-PIB영상 분석뿐만 아니라 뇌의 포도당 대사를 측정하는 FDG-PET 또는 뇌기능영상등의 다변량분석 방법으로서 그 적용범위가 클 것으로 기대된다.

Purpose Principal component analysis (PCA) is a method often used in the neuroimagre analysis as a multivariate analysis technique for describing the structure of high dimensional correlation as the structure of lower dimensional space. PCA is a statistical procedure that uses an orthogonal transformation to convert a set of observations of correlated variables into a set of values of linearly independent variables called principal components. In this study, in order to investigate the usefulness of PCA in the brain PET image analysis, we tried to analyze C[11]-PIB PET image as a representative case. Materials and Methods Nineteen subjects were included in this study (normal = 9, AD/MCI = 10). For C[11]-PIB, PET scan were acquired for 20 min starting 40 min after intravenous injection of 9.6 MBq/kg C[11]-PIB. All emission recordings were acquired with the Biograph 6 Hi-Rez (Siemens-CTI, Knoxville, TN) in three-dimensional acquisition mode. Transmission map for attenuation-correction was acquired using the CT emission scans (130 kVp, 240 mA). Standardized uptake values (SUVs) of C[11]-PIB calculated from PET/CT. In normal subjects, 3T MRI T1-weighted images were obtained to create a C[11]-PIB template. Spatial normalization and smoothing were conducted as a pre-processing for PCA using SPM8 and PCA was conducted using Matlab2012b. Results Through the PCA, we obtained linearly uncorrelated independent principal component images. Principal component images obtained through the PCA can simplify the variation of whole C[11]-PIB images into several principal components including the variation of neocortex and white matter and the variation of deep brain structure such as pons. Conclusion PCA is useful to analyze and extract the main pattern of C[11]-PIB image. PCA, as a method of multivariate analysis, might be useful for pattern recognition of neuroimages such as FDG-PET or fMRI as well as C[11]-PIB image.

#Principal component analysis #C[11]-PIB #Alzheimer's disease

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

김남범

소속기관 가천대학교 뇌과학연구원

주요연구분야 의약학 > 임상의학 > 방사선과학 의약학 > 임상의학 > 신경과학

논문수 3 이용수 7

신귀순

소속기관 가천대학교 방사선학과

주요연구분야 의약학 > 임상의학 > 방사선과학

논문수 1 이용수 5

안성민

소속기관 송호대학교 방사선과

주요연구분야 의약학 > 임상의학 > 방사선과학

논문수 1 이용수 5

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)