본 연구에서는 DWI 적용 시 X축 거리에 따른 신호 손실과 인공물 발생 여부를 SS-EPI 기법과 비교 분석하여, MS-EPI 기법의 특성을 제시하고 임상 적용 관련 기초자료를 제시하고자 하였다. 3.0T 자기공명영상장치와 팬텀을 사용 하여 자기장 중심축과 좌우 끝 지점 ±3cm, 3번씩 움직여 표준 영상인 T2 강조영상과 SS-EPI DWI, MS-EPI DWI(RESOLVE) 축상면 영상을 획득하였다. 각 동일 부위에서의 SS-EPI DWI, MS-EPI DWI 영상을 T2 강조영상과 감산하여 신호 손실 직경을 측정하여 정량적 분석을 하였다. 정성적 평가는 나이퀴스트 허상과 기하학적 왜곡과 신호 손실, 인공물 발생 여부를 방사선사 3명이 비교평가 하였다. 두 기법 모두 오프 센터(off-center)로 이동할수록 신호 손실구간 또는 기하학적 왜곡이 나타나는데, 특히 MS-EPI 기법에서는 좌우 신호 손실 현상이 매우 증가해 –25, +25 cm 구간에서 는 약 50% 길이가 감소하였다. MS-EPI 기법은 근골격계 질환에서 기존에 매우 높은 영상 유용성을 인정받고 있다. 그러 나 k-공간을 분할 하여 채우는 MS-EPI 기법은 오프 센터의 낮은 공간 주파수 획득 시 위상변동 보정이 안 되어 신호 손실구간이 나타나며, 이에 관한 연구는 전혀 없는 실정이다. 이에 따라 본 연구는 기존의 선행 연구에서의 보여주지 못한 임상적 적용 시 MS-EPI 기법의 문제점을 파악하면서 이러한 정보를 공유하고 추가적인 연구에 토대가 될 수 있는 기초를 마련했다는 점에 의의가 있다.

확산강조 자기공명영상은 초급성기 뇌경색 진단과 뇌종양 진단 및 치료에 매우 유용하지만 뇌줄기 주변에 자화 감수성 인공물이 자주 발생하고 있어 이를 최소화하려는 노력이 필요하다. 확산강조영상은 에코평면영상(echo planar image)을 사용하고 서로 다른 자화 감수성을 가진 구조물들이 인접한 경계면에서 영상의 왜곡을 나타낸다. SENSE(sensitivity encoding) 기법은 자화 감수성 인공물을 감소시킬 수 있다. 본 연구는 뇌 줄기의 해부구조를 모방한 팬텀을 만들어서 확산 강조영상 시 자화 감수성 인공물을 감소시키는 최적의 SENSE 인자(factor)를 알아보았다. 산출된 최적의 SENSE 인자와 현재 임상 값으로 만든 영상을 비교 분석하고, 통계적 유의성을 검증하여 유용성을 알아보았다. 팬텀 실험 결과 SENSE 인자의 크기가 증가할수록 자화 감수성 인공물은 감소하였다. SENSE 인자 2.5, 3.0, 3.5, 4.0을 적용한 영상은 기준 영상 과 같은 크기의 왜곡이 발생하였다. 산출된 SENSE 인자 2.5의 실험군과 1.5을 적용한 대조군 각각 40명의 영상을 비교 분석하였다. SENSE 인자 1.5를 적용한 대조군은 SENSE 인자 2.5를 적용한 실험군에 비해서 자화 감수성 인공물이 더 크게 발생하였고, 통계적으로 유의하게 나타났다. 본 연구를 통해서 뇌 확산강조영상 획득 시 SENSE 인자 2.5를 적용한다 면 진단적으로 더욱 가치가 있는 영상을 얻을 수 있을 것으로 사료된다.

본 연구는 발가락 지방 소거 검사 시에 종종 저품질의 영상이 획득되는 경우에 주목하여 다양한 조절인자들을 조절하지 않아도 손쉽게 영상 품질을 향상하는 방법을 고안해보았다. 팬텀과 지원자를 대상으로 발 전용 코일만 사용한 경우와 추가 코일을 결합 사용한 경우의 영상을 획득 후 신호대 잡음비(SNR)를 측정하여 비교하였다. 시상면, 관상면, 축상면 모두 T2 Dixon을 시행하였고, 시상면의 경우 T2 지방 소거(FS)와 T1 지방 소거를 추가 시행하였다. 팬텀 검사에서 추가 코일을 결합 사용 시 SNR은 시상면의 경우 T2 Dixon water는 1.21배, T2 FS은 1.22배, T1 FS은 1.17배 향상되었다. 관상면 T2 Dixon water는 1.15배, 축상면 T2 Dixon water는 1.47배 향상되었다. 지원자 검사에서 추가 코일을 결합 사용 시 SNR은 시상면의 경우 T2 Dixon water는 2.07배, T2 FS은 5.17배, T1 FS은 3.20배 향상되었다. 관상면 T2 Dixon water는 1.20배, 축상면 T2 Dixon water는 1.37배 향상되었다. 추가 코일을 결합 사용하였을 때 모든 지방 소거 검사 및 모든 방향에서 SNR 향상의 결과를 얻을 수 있었다. 결론적으로 사용자의 고도 기술 및 추가 검사 시간이 필요하지 않고도 SNR을 향상할 수 있음을 의미한다.

MRI는 인체에 수소 밀도에 따른 재현성의 차이가 상대적으로 기존의 영상 장비들에 비교하여 큰 차이가 있으므로 임상 에서 이를 증명하고 문제 발견 시 이를 보완하는 것이 딥러닝 알고리즘은 매우 중요하다. 따라서 본 연구에서는 현재 특수 의료장비에서 권하는 미국 방사선 의학회(American College of Radiology, ACR)의 두부 전용 MRI 팬텀을 사용하여 영상 품질기준에 현재 임상 적용되고 있는 딥러닝 알고리즘 방법을 적용하여 딥러닝 알고리즘 적용 전후 변화를 평가해 보고자 하였다. 연구 결과 분해능을 측정하는 항목인 고대조도 공간 분해능과 같이 해상도와 관련된 영상 품질은 분해능은 개선되었음을 알 수 있었고, 그뿐만 아니라 위치의 정확도 역시도 기존에 딥러닝 알고리즘의 적용 전 영상과 통계적으로 차이가 있었다. 또한 딥러닝 알고리즘의 강도 차이에도 영상 간 차이는 없었다. 이러한 결과는 특수의료장비 영상품질관리 규정에 적용되고 있는 ACR 팬텀의 평가 기준에 부합 하나, 딥러닝 알고리즘 적용 전후 차이가 통계적으로 있었으며, 이러 한 차이가 재현성과 관련하여 추후에 조금 더 관련된 연구기 필요할 것으로 사료된다.

경추 MRI는 연부 조직에 대한 대조도와 분해능이 우수하여 경추 부위의 퇴행성 질환 및 추간공의 협착, 척수염, 추간판 탈출증 등의 신경 질환 검사에 특히 이용되고 있다. 그러나 경추 MRI 검사는 신경 질환에 의한 배경 신호 강도가 증가되어 SNR이 감소하고 이를 보상하기 위해 여기 횟수가 증가되어 검사 시간이 길어지는 단점이 있다. 교통사고나 낙상을 원인으 로 경추 MRI 검사를 진행할 시 검사 시간이 길어 호흡과 질환의 통증에 의한 움직임 등을 최소화해야 최적의 영상을 획득 할 수 있어 환자의 적극적인 협조가 요구되며 적정한 검사 시간의 단축을 통해 인공물이 없는 진단 가능한 영상을 만들어 낼 수 있다. 최근 개발된 SwiftMR 인공지능 소프트웨어는 경추 MRI 검사 시간을 획기적으로 줄일 수 있다. T2 시상면, T2 축상면, T1 시상면, T1 축상면 SwiftMR 영상의 SNR은 목뼈 몸통 223.82 ± 30.82, 척수 273.03 ± 32.38, 가시돌 기 및 가로돌기 378.61 ± 27.64로 측정되었다. 고속스핀 에코 기법의 SNR은 목뼈 몸통 116.51 ± 11.46, 척수 182.1 ± 22.24, 가시돌기 및 가로돌기 227.79 ± 35.55로 측정되었다. 고속스핀에코 기법의 CNR은 182.12 ± 13.24, SwiftMR 기법 CNR은 346.8 ± 41.84로 측정되었다. 고속스핀에코와 SwiftMR 인공지능 소프트웨어가 적용된 영상을 통해 화질 선명도, 신호 강도의 균일성, 목뼈 몸통 주변의 인공물의 관찰자 간 병변에 대한 일치성 평가는 K값이 0.87로 평가되었다. 연구 결과를 통해 경추 MRI 검사에 SwiftMR 인공지능 기법을 적용함으로써 검사 시간을 단축할 수 있으며, 환자의 불편을 최소화하고 진단 가능한 질 좋은 영상 정보를 제공할 수 있을 것으로 사료된다.

블록 매칭 및 3D 필터링(BM3D) 알고리즘은 단일 필터의 문제점을 보완하기 위하여 non-local means 기반으로 만들 어진 융합형 노이즈 제거 알고리즘이다. 하지만, 그 수식 인자의 조절에 관한 연구는 이루어지지 않고 있어 본 연구에서는 자기공명영상에서 발생하는 Rician 노이즈를 제거하기 위해 BM3D 알고리즘의 평활화 정도를 결정하는 노이즈 전력 스펙 트럼 밀도(noise power spectrum density,  )에 대한 최적화를 진행하고자 하였다. MRiLab 시뮬레이션 프로그램을 이 용하여 뇌 조직을 모사할 수 있는 뇌척수액(cerebrospinal fluid, CSF)/회색질(gray matter, GM)/백질(white matter, WM) 팬텀의 T1 강조영상을 획득하였고, 노이즈 레벨이 0.1, 0.15, 0.2, 0.25, 그리고 0.3인 Rician 노이즈를 각각 부가 한 후, BM3D 알고리즘의  값을 0.01부터 0.99까지 0.01씩 증가시키며 각각의 노이즈가 부가된 영상에 적용하였다. 정량 적 평가를 통해 최적화 값을 선정하기 위하여 CSF, GM, WM, 그리고 배경 영역에 관심 영역을 설정한 후 조직별 신호 대 잡음비(signal to noise ratio, SNR), 총 변동계수(coefficient of variation, COV), 그리고 평균 제곱근 오차(root mean square error, RMSE)를 측정하였다. 결과적으로, 조직별로 계산된 SNR, COV, 그리고 RMSE를 종합적으로 평가 했을 때 모든 조직에서 노이즈 레벨 0.1부터 0.3까지 증가함에 따라  값 또한 함께 증가하는 경향이 나타났으며 일정  값 이상에서는 노이즈뿐만 아니라 영상신호까지 함께 제거되어 개선 폭이 감소하는 것으로 관찰되었으며, 노이즈 레벨에 따라 각각 0.09, 0.13, 0.17, 0.21, 그리고 0.25의  값이 설정된 BM3D 알고리즘이 적용되었을 때 가장 합리적인 영상 특성을 보이는 것으로 나타났다. 결론적으로, 효과적인 노이즈 제거를 위해서 고정된 값이 아닌 노이즈 레벨에 따른 적합한 값을 적용해야 함을 증명할 수 있었다.

병렬영상기법인 SENSE 기법은 슬관절 자기공명영상의 검사 시간을 획기적으로 단축할 수 있다. 그러나 기법 적용 시 SENSE factor를 증가시키면 영상에 인공물의 발생이 증가하는 문제점이 있어 개선을 위해 본 연구에서는 최소의 시간이 소요되면서 인공물이 발생하지 않는 최적의 SENSE factor를 제시하고자 하였다. 연구 방법은 SENSE factor 1.0을 기준 으로 0.5 간격씩 5.0까지 변화시켜 팬텀 실험과 임상실험을 시행하였다. 3.0T 초전도 자기공명영상장치와 dS Knee 코일 을 사용하여 T1, T2 강조영상을 획득하였으며, 영상의 비교평가는 임상 경력 10년 이상의 방사선사 10명이 5점 척도로 평가한 후, 일원배치 분산분석과 사후분석을 통해 유의한 차이가 있는지 판단하였다. 연구 결과 팬텀 실험은 T1, T2 강조 영상 모두 SENSE factor를 1.5 이하로 하였을 때 기준 영상과 차이가 없었으며, 임상실험은 SENSE factor를 2.0 이하로 하였을 때 기준 영상과 차이가 없었다. 결론적으로 슬관절 자기공명영상 시 검사 시간을 단축하면서 인공물이 발생하지 않는 최적의 SENSE factor는 팬텀 실험의 경우 1.5, 임상실험의 경우 2.0이 적정하리라 사료된다.