3D PET 영상 재구성을 위한 MLEM 알고리즘 혁신

초록

본 논문은 3차원 PET 데이터의 통계적 특성을 고려한 최대우도추정(MLEM) 기반 재구성 알고리즘을 제안한다. 다수의 검출기 쌍으로부터 얻어지는 방대한 라인‑오브‑레스폰스(LOR)와 포톤 카운트를 효율적으로 처리하기 위해 시스템 행렬의 희소성 및 GPU 가속을 활용한다. 실험 결과, 기존 2D OSEM 대비 해상도·노이즈 균형이 크게 개선되었으며, 3D 전역 재구성에서의 정량성도 향상됨을 확인한다.

상세 요약

본 연구는 PET 시스템이 직접 이미지를 측정하지 못하고, 검출기 쌍 사이의 라인‑오브‑레스폰스(LOR) 상에서 누적된 계수를 sinogram 형태로 수집한다는 기본 전제를 명확히 한다. 이러한 비선형·불완전 데이터에 대해 통계적 모델링을 적용하면, 관측된 카운트는 포아송 분포를 따른다고 가정할 수 있다. 저자들은 이 가정을 바탕으로 최대우도추정(Maximum Likelihood Estimation) 프레임워크를 도입하고, 특히 3차원 재구성에 적합한 MLEM(Iterative Expectation‑Maximization) 알고리즘을 구현한다. 핵심 기여는 (1) 시스템 행렬을 완전히 저장하지 않고, 기하학적 대칭성과 희소성을 이용해 동적으로 계산함으로써 메모리 요구량을 수십 배 절감한 점, (2) 각 반복 단계에서 기대값(E‑step)과 최대화(M‑step)를 GPU 기반 병렬 연산으로 가속화하여 실시간에 가까운 재구성 속도를 달성한 점이다. 또한, 3D 재구성 시 발생하는 ‘스팬’(span) 개념을 정교히 모델링하여, 인접 LOR 간의 상관관계를 반영함으로써 전통적인 2D OSEM 대비 교차 잡음(cross‑talk) 감소와 해상도 보존을 동시에 이끌어냈다. 실험에서는 물리적 시뮬레이션과 실제 임상 데이터를 이용해 재구성 품질을 평가했으며, PSNR·SSIM·CNR 등 정량적 지표와 시각적 평가 모두에서 기존 방법보다 우수함을 입증한다. 특히, 저선량( low‑dose ) 촬영 상황에서도 MLEM 기반 재구성이 노이즈를 효과적으로 억제하면서도 정량적 정확성을 유지한다는 점은 임상 적용 가능성을 크게 확대한다. 마지막으로, 알고리즘의 수렴 특성을 분석한 결과, 초기 추정값에 크게 의존하지 않으며 10~15회 반복만으로도 안정적인 해를 얻을 수 있음을 보여준다. 이러한 기술적 진보는 3D PET 영상의 정밀 진단 및 정량적 연구에 필수적인 기반을 제공한다.