TRACED: 인간 glioma 환자에서 세포외 내재 확산계수, 난이도, 세포 크기 분포 및 세포 밀도를 생체내 영상화하는 모델
요약
본 논문은 고형종양 조직 미세구조 내 세포외 확산계수, 난이도, 세포 크기 분포 및 세포 밀도를 생체내 영상화하기 위한 새로운 물리 기반 모델인 TRACED를 제안합니다. 이 모델은 세포 분포에 시간 의존성을 통합하여 확산 MRI 신호를 계산하며, 신경망을 사용하여 다양한 세포 크기를 가진 세포 군집의 시간에 따른 확산 특성을 빠르고 정확하게 예측할 수 있습니다. 연구진은 8명의 glioma 환자 데이터를 활용하여 TRACED를 검증했으며, 이 모델이 기존 단순 모델보다 개선된 파라미터 추정치를 제공하고 임상적으로 유용한 다중 물리적 정보를 동시에 정량화할 수 있음을 입증했습니다.
핵심 포인트
- TRACED는 세포 분포의 시간 의존성을 통합하여 고형종양의 확산 MRI 신호를 계산하는 생체물리학적 모델이다.
- 신경망 기반으로 구현되어 다양한 크기의 세포 군집에 대한 시간에 따른 확산 특성 분석이 가능하다.
- glioma 환자 데이터를 사용하여 TRACED를 검증했으며, 기존 단순 모델 대비 우수한 파라미터 추정 성능을 보였다.
- TRACED는 세포내 부피 분율, 세포외 내재 확산계수, 난이도 등 여러 물리적 특성을 동시에 생체내에서 정량화할 수 있다.
복잡한 조직 미세구조에서 중간 시간 척도에서의 확산 시간 의존성을 설명하는 해석적 모델의 부재는 세포외 확산계수와 조직 미세구조의 정확한 정량화를 제한합니다. 우리는 고형종양에서 병리적으로 관련 있는 속성을 정량화하기 위해, 세포 분포에 확산 시간 의존성을 통합한 생체물리학적 모델인 TRACED 를 소개합니다. 신경망은 구배 분포 기반 기하학을 사용하여 훈련되었으며, 이는 다양한 세포 크기를 가진 세포 군집의 시간 의존적 확산 MRI 신호를 신속하게 계산할 수 있도록 합니다. 모델 민감도와 적합 성능은 시뮬레이션을 통해 평가되었습니다. 8 명의 혼합 등급 glioma 환자에서 얻은 확산 데이터는 TRACED 모델을 사용하여 적합되었습니다. 데이터 적합은 새로운 물리 정보 전달 학습 파이프라인 Sim2PINN 을 사용하여 수행되었습니다. 두 환자에서 세포 크기 측정은 이미지 국부화된 조직학으로 직접 비교되었습니다. 시뮬레이션 결과는 단순 2 분획 모델에 비해 개선된 파라미터 추정치를 나타냅니다. TRACED 는 glioma 환자에서 세포내 부피 분율, 세포 크기 분포, 세포외 내재 확산계수 및 난이도를 동시에 생체내 정량화할 수 있었습니다. 확산 시간 의존성과 난이도의 신경망 구현은 각각 거친 격자화와 유효 매질 이론과 일관된 행동을 보였습니다. 향후 작업은 TRACED 파라미터의 임상적 유용성을 추가 환자에서 탐구할 것입니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.LG의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기