급성 허혈성 뇌졸중은 응급 영상에 크게 의존하는 신속한 치료 결정을 필요로 합니다. 입원 시 시행하는 컴퓨터 단층촬영 관류영상(CTP)은 비가역적으로 손상된 조직을 나타내는 허혈성 중심부(ischemic core)와, 관류는 저하되었으나 잠재적으로 회생 가능한 조직을 나타내는 반음영(penumbra)을 추정하는 데 흔히 사용됩니다. 이후 추적 확산강조 MRI(DWI)를 사용하여 최종 경색 부위를 정의합니다. 기존의 영상 기반 접근법은 주로 중심부-반음영 분할이나 최종 경색 예측에 초점을 맞추고 있어, 치료 후 이질적인 반음영 조직이 어떻게 진행하는지에 대한 통찰은 제한적으로만 제공합니다. 본 논문에서는 6개의 결과 인지 관심 영역(ROI) 클래스를 사용하여 입원 시 CTP 특징 신호와 추적 DWI로 정의된 조직 결과를 연결하는 이시점(bi-temporal) 조직 표현형 분석 프레임워크를 제안합니다. 입원 시 조직 특징 신호는 mJ-Net 및 nnU-Net 표현에서 추출한 통계적 특징, 라디오믹스(radiomic) 특징 및 딥러닝 특징을 사용하여 특성화됩니다. 내부 코호트(SUH)에서 회생된 반음영과 경색된 반음영은 일관된 특징 공간 분리를 보인 반면($\tildeΔ{\cos}=0.146$, $p<0.05$), 중심부 조직은 이후의 운명에 따른 분리가 미미하게 나타났습니다. 가장 큰 분리는 초기에 관류 저하가 없었으나 나중에 경색된 조직과 정상 대측 조직 사이에서 관찰되었습니다($\tildeΔ{\cos}=0.460$, $p<0.05$). 공개 데이터셋인 ISLES'24에 대한 교차 데이터셋 평가에서도 유사한 경향이 나타나 관찰된 특징 공간 패턴의 일관성을 뒷받침했습니다. 이러한 결과는 입원 시 CTP에 기존의 중심부-반음영 묘사를 넘어선 결과 관련 조직 정보가 포함되어 있음을 시사합니다. 코드는 https://github.com/yokko123/bi-temporal-ctp-dwi-code 에서 확인할 수 있습니다.
단일 샷 에코 플래너 전립선 확산 강조 이미징(DWI)은 기하학적 왜곡으로 인해 자주 복잡해지며, 이는 해당 이미지에서 신뢰할 수 있는 진단을 도출하는 능력에 영향을 미칩니다. 왜곡된 스캔과 비왜곡 스캔이 쌍으로 존재하는 임상 데이터가 부족하기 때문에 자동화된 보정 방법을 개발하는 것은 어려운 과제입니다. 본 논문에서 우리는 먼저 전이 과정을 지도하기 위해 이미지 품질 평가(IQA) 신호를 활용하는, 비왜곡 이미지에서 왜곡 이미지로의 새로운 약한 지도 이미지 품질 전이(IQT) 프레임워크를 제안합니다. 비용이 많이 드는 복셀 단위 쌍 데이터를 요구하거나 비쌍(unpaired) 알고리즘 개발에 의존하는 기존 방법과 달리, 우리의 접근 방식은 이미지 수준의 품질 라벨(여기서는 왜곡 대 비왜곡)을 활용하여 사전학습된 특징 공간 내에 잠재적 품질 프로토타입을 설정합니다. 현실적인 왜곡을 시뮬레이션하는 것이 직접적인 비쌍 보정보다 더 신뢰할 수 있다는 점을 인식하여, 우리는 생성 궤적을 왜곡된 프로토타입 쪽으로 명시적으로 정규화하여 임상적 열화를 모방하는 현실적인 자기 감도 아티팩트를 생성하는 약한 지도 프로토타입 플로우 매칭 알고리즘을 설명합니다. 이러한 현실적인 쌍을 합성함으로써, 우리는 왜곡 보정을 위해 순방향으로 두 번째 IQT 모델을 학습시킬 수 있게 합니다. 실험 결과, 우리가 생성한 이미지가 실제 아티팩트의 진단 방해를 성공적으로 모방함으로써, 더욱 유능한 왜곡 보정 IQT 모델로 이어진다는 것을 보여줍니다. 정성적 비교 외에도, 우리는 인분포(in-distribution) 및 외부 데이터셋을 사용하여 PI-RADS 및 글리슨 점수 분류에서의 임상 하류 작업 성능을 평가함으로써, 기존 비쌍 접근법(예: CycleGAN, UNIT-DDPM 및 OT-FM)과 우리의 접근법을 순방향 또는 역방향 대안으로서 비교하는 철저한 정량적 평가를 수행합니다.