파킨슨병에서 정확한 진단과 질병 진행 단계의 정밀한 추정은 환자를 위한 효과적인 치료 계획을 수립하는 데 중요합니다. 다양한 딥러닝 기반 컴퓨터 보조 진단 모델이 개발되었음에도 불구하고, 파킨슨병 분야에서는 적절한 바이오마커 필요, 데이터 부족과 외부 검증의 어려움으로 인해 상대적으로 덜 탐구되어 왔습니다. 

이 연구는 18F-FP-CIT PET를 활용하여 딥러닝을 이용한 두 종류의 감별 진단 과제와 한 개의 질병 진행 추정 과제를 진행하면서 18F-FP-CIT PET이 파킨슨병의 바이오마커로 활용되는 잠재력을 검증함과 동시에 외부 검증을 통해 일반성을 검증합니다.

이 연구는 생성형 모델인 Hierarchical Wavelet DiffusionAutoEncoder를 이용합니다. 이 생성형 모델은 1,934개의 18F-FP-CIT PET 이미지로 학습되었습니다. HWDAE는 생성 학습 과정에서 관련 질병 특성을 학습함과 동시에 파킨슨병의 다양한 질병 상태를 표현하는 이미지를 생성할 수 있는 특징을 보여주었습니다.

1.	Evaluation of 18F-FP-CIT PET as a potential biomarker for Parkinson’s disease
2.	Self-supervised learning using a diffusion model (HWDAE) on 18F-FP-CIT PET scans
3.	Assessment through differential diagnosis and disease progression estimation tasks