2. Dicom to Nifti, Skull Stripping
모야모야병 확진 진단을 내리는 데 DSA 영상이 Gold Standard 역할을 하지만 Invasiveness
문제가 늘 뒤따랐다. 이에 3D TOF MRA 영상 데이터를 활용하여 모야모야병 환자와 정상 환자를
분류하는 Task를 해결한다. 간단해 보였다.
7월 중순에 프로젝트를 받아 7월 말부터 본격적으로 진행했는데 그때는 단순한
Binary Classification Task니까 ~ 생각했었다. 결론부터 말하자면 이제서야 Input Data가
만들어져 모델 구축 단계로 넘어갈 예정이다. 쉽지 않았다.
단독 프로젝트였으며, 3D MRA TOF Data를 세브란스 병원 PACS 에서 추출하는 과정부터
시작한 end-to-end 프로젝트였다.
데이터 전처리가 가장 중요하며, 모델은 그 다음 이야기라는 누군가의 이야기가 귀를 맴돈다.
12월까지 Feasibility Test까지 마치고 인턴을 마무리하는 것이 목표인데
완전히 기억 속으로 잊혀지기 전에 부지런히 기록하려 한다.
# 신촌 세브란스 병원 PACS 데이터 추출
처음 시작하는 프로젝트가 아닌 기존에 다른 방식으로 진행하다가 원하는 성능이 나오지 않아
다시 시작하는 프로젝트였고, 환자번호, 성명, 나이, MR 영상 촬영 날짜 등 정보가 담긴 파일을
인수인계 받았다. 여기서 잘못 라벨링 되어있거나 오분류 되어있던 파일들을 찾을 바에 처음부터
다시 추출하는 게 정확하겠다 싶어 5일 가량은 데이터 추출만 진행했다.
그렇게 총 일반 51, 모야모야 51 케이스의 3D TOF MRA 원본 영상을 추출하였다.
TOF-MRA (Time-of-flight Magnetic Resonance Angiography), 이름에서부터 알 수 있듯이
혈관을 관찰할 수 있는 기법으로 뇌혈관을 관찰할 수 있는 기법 중 가장 대표적인 검사 방법이다.
특히 직경이 작은 혈관의 협착 평가에서 유용하다는 평가를 받고 있는 기법이기도 하다.
또한 혈관 형태에 의한 신호획득이 아닌 혈류 자체의 특성을 이용하여 영상 신호를 얻기에
비침습적이고, 조영제를 사용하지 않는다.
# DICOM -> NIfTI
늘 이미지나 행렬 형태로 되어있는 데이터만 다루다가 처음으로 의료데이터를 다루게 되어
파일 형식에 대한 이해부터 했어야 했다. 대표적인 의료 파일 형식인 DICOM에는 3d 이미지를
형성하는 여러 2d 이미지 조각들이 함께 있는 반면, NIfTI 형식은 파일 하나로 3d 데이터 정보를
가지고 있다는 특징이 있다. DICOM 파일을 다룰 때는 Pydicom을, NIfTI 파일을 다룰 때는
NiBabel을 사용하는데 추후 전처리 작업을 더 편리하게 할 수 있다는 연구원분들의 이야기를
참고하여 SimpleITK 모듈을 활용하였다. 단락의 주제인 DICOM -> NIfTI의 경우,
폴더 내 DICOM 파일들을 NIfTI 파일로 바꿔주는 라이브러리를 활용하였는데 링크를 참고하자.
# Skull Stripping
Brain Extraction이라고도 불리우는 Skull Stripping은 MR 데이터에서
뇌영역만을 추출하는 것을 말한다. FMRIB Software Library, FSL은 옥스퍼드대에서
개발된 툴로 설치 후 터미널을 통해 재생시키면 GUI를 통해 데이터 처리가 가능하다.
링크에서 다운로드 받을 수 있고, 널리 사용되는 툴이라 사용법이 담긴 영상들도 쉽게 찾을 수 있다.
Normalization 과정은 바로 진행하지 않았다. 일종의 cheating이 될 수 있다고 판단하여
RoI Crop 과정을 마친 뒤에 진행했고, 이는 다음 게시물에서 다룰 것이다.
역시 바로바로 기록했어야 했다. 기억이 드문드문,,