감마 카메라의 Flood Table에 대한 이해와 적절한 이용

김재일; 임정진; 김진의; 김현주

추천

검색

자료유형: 학술저널

저자정보: 김재일 (서울대학교병원 핵의학과) 임정진 (서울대학교병원 핵의학과) 김진의 (서울대학교병원 핵의학과) 김현주 (서울대학교병원 핵의학과)

저널정보: 대한핵의학기술학회 핵의학기술 핵의학기술 제15권 제1호

발행연도: 2011.1

수록면: 29 - 33 (5page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

감마 카메라 안에는 검출기의 감도를 균일하게 해주는 flood table이 내장되어있어 있는데, 우수한 균일성을 유지하기 위해서는 적합한 flood table을 사용하여야 한다. 왜냐면 flood table은 입사된 방사선의 종류와 에너지, 용량에 따라 차이가 나기 때문이다. 그래서 본 논문에서는 적절치 못한 flood table을 사용하였을 때, 영상의 균일성이 어떻게 변화하는지를 알아보겠다. 입사 방사선으로 $^{57}Co$, $^{99m}Tc$, $^{201}Tl$ 370 MBq를 사용하였다. Philips 사의 SkyLight, GE 사의 Infinia 감마 카메라를 사용하여. 각 선원 별로 각각 $^{57}Co$로 교정된 flood table, $^{99m}Tc$으로 교정된 flood table로 보정한 영상을 얻고, 균일성을 보정하지 않은 영상과 비교하였다. 추가적으로 콜리메이터를 장착한 상태에서 데이터를 얻고 내인성 flood table과 외인성 flood table로 보정 해보았다. 이렇게 나온 결과 영상을 가지고 균일도를 평가하였고, 그 값들을 서로 비교하였다. $^{57}Co$를 사용한 경우 보정을 하지 않았을 때 균일도는 9.34% 이고, $^{99m}Tc$ flood table로 보정하였을 때는 5.91%, $^{57}Co$ flood table일 경우 4.9%가 나왔다. $^{201}Tl$을 사용한 경우, 보정하지 않으면 9.81%, $^{99m}Tc$ flood table은 7.03%, $^{57}Co$ flood table은 7.49% 나왔다. $^{99m}Tc$을 사용한 경우, 무보정 시 9.67%, $^{99m}Tc$ flood table은 3.96%, $^{57}Co$ flood table은 5.69% 나왔다. 그리고 내인성 flood table로 보정을 한 경우 6.28% 나왔다. flood table이 입사된 방사선의 종류와 맞지 않는다면 균일도는 변화되는걸 알 수 있었고, 입사된 방사선과 flood table을 교정한 방사선원의 종류가 일치할 때, 감마 카메라의 균일도는 가장 좋음을 알 수 있다. 더불어 내인성, 외인성 시스템처럼 콜리메이터의 유무에 따라 다르게 교정한 flood table에 따라서도 균일도는 변화됨을 알 수 있다. 따라서 감마선을 받아 들이는 상황과 방사선원에 따라 일치한 flood table를 지정하여야 하고, 정기적으로 flood table을 개선시켜 주어야 높은 균일성을 유지 시킬 수 있을 것이다.

Background and Purpose: Uniformity is the one of the important quality control features with respect to gamma cameras. To maintain adequate uniformity, we must acquire suitable flood table (=flood map) data because the flood table effects energy, and the type or dose of input radiation. Therefore, in this study we evaluated the difference in uniformity when uniformity does not match between the type of input radiation and the flood table data or collimator type. Subjects and Methods: For input radiation, we prepared 370 MBq of $^{57}Co$, $^{99m}Tc$, and $^{201}Tl$. Using SKYLight (Philips) and Infinia gamma cameras (GE), we acquired nine uniformity data that were corrected by technetium, cobalt flood table and did not corrected image for the three sources. Additionally, we acquired two uniformity images with a collimator that were corrected by intrinsic and extrinsic flood tables. Using this data, we evaluated and compared the uniformity values. Results: In the case of the SKYLight gamma camera, the uniformities of the images that matched between the input radiation and flood table with respect to $^{99m}Tc$ and $^{57}Co$ were better than the unmatched uniformity (3.96% vs. 5.69% ; 4.9% vs. 5.91%). However, because there was no thallium flood table, the uniformities of images at Tl were significantly incorrect (7.49%, 7.03%). The uniformities of the Infinia gamma camera had the same pattern as the SKYLight gamma camera (3.7% vs. 4.5%). Moreover, the uniformity of the $^{99m}Tc$ image acquired with a collimator and corrected by an extrinsic flood table was better than the intrinsic flood table (3.96% vs. 6.28%). Conclusion: Correcting an image by a suitable flood table can help achieve better uniformity for a gamma camera. Therefore, we have to acquire images with suitable uniformity correction, and update the flood table periodically. Whenever we acquire a nuclear medicine image, we always have to check the appropriate flood table according to the acquired condition.

#uniformity #flood table #gamma camera

참고문헌 (0)

참고문헌 신청

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

이 논문의 저자 정보

김재일

소속기관 서울대학교병원 핵의학과

주요연구분야 의약학 > 임상의학 > 방사선과학

논문수 15 이용수 69

임정진

소속기관 서울대학교병원 핵의학과

주요연구분야 의약학 > 임상의학 > 방사선과학

논문수 12 이용수 71

김진의

소속기관 서울대학교병원 핵의학과

주요연구분야 의약학 > 임상의학 > 방사선과학

논문수 50 이용수 235

김현주

소속기관 서울대학교병원 핵의학과

주요연구분야 의약학 > 임상의학 > 방사선과학

논문수 28 이용수 76

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)

이 논문의 저자 정보

최근 본 자료

댓글(0)