6편에서 스캐너가 측정하는 건 영상이 아니라 사이노그램이라고 했고, 7편에서는 그 사이노그램에 섞인 오차를 보정했습니다. 이번 편은 드디어 사이노그램에서 영상을 되찾는 단계입니다. 이 과정을 영상 재구성(image reconstruction) 이라고 합니다. 거꾸로 푸는 문제 영상에서 사이노그램을 만드는 방향은 쉽습니다. 각 직선을 따라 값을 더하...

6편까지 오면 스캐너가 측정한 사이노그램이 손에 들어옵니다. 하지만 이 사이노그램은 “방사능이 어디에 얼마나 있는가”를 그대로 담고 있지 않습니다. 앞에서 하나씩 나왔던 문제들이 모두 섞여 있기 때문입니다. 이번 편에서는 이것들을 정리하고, 각각을 어떻게 되돌리는지 살펴봅니다. 측정값에 무엇이 섞여 있나 LOR 하나에서 측정한 계수 \(y\)는 대...

5편에서 동시계수로 얻은 직선(LOR)이 한 번 검사에 수억 개씩 쌓인다고 했습니다. 이걸 그냥 쌓아두기만 하면 영상을 만들 수 없습니다. 이번 편에서는 LOR을 체계적으로 정리하는 방법인 사이노그램(sinogram)을 다룹니다. 이전 글 PET 영상재구성 학습 데이터 만들기에서 영상을 Radon 변환해 sinogram을 만드는 과정을 다뤘습니...

4편의 검출기는 감마선 하나가 맞을 때마다 언제, 얼마나 세게, 어디에 맞았는지를 기록합니다. 그런데 이 기록 하나만으로는 쓸모가 없습니다. 감마선 하나로는 어느 방향에서 왔는지 모르기 때문입니다. 이번 편에서는 이 기록들 중에서 짝을 찾아내는 방법을 다룹니다. PET 데이터가 실제로 “생겨나는” 단계입니다. 같은 순간에 맞은 두 검출기 3편에서 ...

3편까지 몸 안에서 일어나는 물리를 살펴봤습니다. 이제 511 keV 감마선 두 개가 몸을 빠져나왔습니다. 이번 편에서는 이것을 붙잡아서 숫자로 바꾸는 장치, 즉 PET 검출기를 다룹니다. 감마선은 그냥은 안 보인다 511 keV 감마선은 너무 강해서 보통 카메라 센서로는 잡을 수 없습니다. 대부분 그냥 통과해 버립니다. 그래서 PET 검출기는 두...

2편에서 ¹⁸F가 양전자를 내뿜고, 양전자가 1 mm 안팎을 날아간 뒤 사라진다고 했습니다. 이번 편은 그 “사라지는 순간”입니다. PET이라는 장비가 존재할 수 있는 이유가 전부 이 순간에 들어 있습니다. 물질과 반물질이 만나면 양전자는 전자의 반물질입니다. 질량은 같고 전하만 반대입니다. 이 둘이 만나면 서로를 없애버리고, 두 입자의 질량 전체...

1편에서 PET은 “몸이 속아서 가져가는 분자”에 방사성 원자를 붙여 그 위치를 추적한다고 했습니다. 이번 편은 그 방사성 원자 이야기입니다. 무엇을 내뿜는지, 왜 하필 양전자인지, 그리고 그게 PET 영상에 어떤 한계를 남기는지 살펴봅니다. 원자핵 복습: 양성자와 중성자 원자의 중심에는 원자핵이 있고, 원자핵은 양성자(proton) 와 중성자(n...

병원에서 “PET-CT를 찍어보자”는 말을 들으면 보통 암 검사를 떠올립니다. 그런데 PET이 CT나 MRI와 무엇이 근본적으로 다른지 설명하라고 하면 막히는 경우가 많습니다. 의료영상 AI를 하는 사람도 마찬가지입니다. 영상은 매일 다루지만 그 영상이 어떻게 만들어졌는지는 모르고 지나가기 쉽습니다. 이 시리즈는 PET이 영상을 만들어내는 과정을 물...

딥러닝으로 PET 영상을 복원하는 연구를 하려면 (sinogram, 영상) 쌍이 대량으로 필요합니다. 그런데 이 데이터를 구하는 게 생각보다 까다롭습니다. 이 글은 일반 사진으로 그 학습 데이터를 만들어내는 전처리 파이프라인을 정리한 것입니다. 딥러닝은 익숙하지만 의료영상은 처음인 분을 기준으로 썼습니다. PET은 영상을 직접 찍지 않는다 먼저 ...

RAG란? RAG(Retrieval-Augmented Generation)는 LLM이 답변을 생성하기 전에 외부 데이터베이스에서 관련 문서를 검색하여 참고하는 기법입니다. LLM은 학습 데이터에 없는 정보에 대해 잘못된 답변(Hallucination)을 생성할 수 있습니다. RAG는 이 문제를 해결하기 위해 검색(Retrieval)과 생성(Gene...