K-공간 기반 디노이징 딥 러닝 기법을 이용한 요추 자기공명영상 검사의 유용성에 관한 연구
요통을 호소하는 환자에서의 자기공명영상 검사는 다른 영상 진단법에 비해 요추와 주변 조직에 대한 높은 대조도와 해상력, 다양한 영상면의 획득으로 해부학적 구조 파악과 다양한 척추 질환의 진단에 널리 활용되고 있다. 그러나 자기공명 영상 검사는 검사 시간이 길기 때문에 통증으로 협조가 되지 않는 환자들에게서 움직임에 의한 인공물을 유발하는 경우가 많아 검사 시간을 최소화하는 것이 중요하다. 이에 자기공명영상 검사 시간 단축을 위한 다양한 기법들이 개발되어 왔으며, 최근 높은 영상의 질을 유지하면서 검사 시간은 크게 줄이는 K-공간 기반 딥 러닝(K-space based Deep Learning, DL) 기법이 주목받고 있다. 본 연구는 요추 자기공명영상 검사에서 DL 기법의 유용성을 알아보기 위해 본원을 내원하여 척추 질환이 의심되는 환자를 대상으로 DL 기법 적용 전후 시상면 T2 강조 영상과 축상면 T2 강조 영상을 각각 획득하였으며, 신호대잡음비와 대조대잡음비, 영상 획득 시간, 전체적인 영상의 질 및 병변 진단 일치도를 비교 분석하였다. 연구 결과 영상의 질 향상과 검사 시간의 단축뿐만 아니라 빠른 영상 획득으로 움직임이나 호흡에 의한 인공물 또한 감소하는 것을 볼 수 있었다. 따라서 자기공명영상 검사에서 DL 기법 사용 시 진단적 가치가 보다 높은 영상을 제공하는 동시에 환자의 만족도를 높여 임상에서도 유용한 방법이 될 것으로 사료된다.
Magnetic resonance imaging (MRI) is one of the main diagnostic tools used to assess spinal pathologies as it helps diagnose the source of lower back pain by producing high contrast, high resolution, multiplanar, detailed images of the lower spine and surrounding tissues. However, MRI can cause motion artifacts in patients who are unable to cooperate due to long scan times; thus, various techniques have been developed to shorten MRI examination times. Deep learning (DL) techniques that significantly reduce scan times while maintaining high image quality are attracting the attention of researchers. In this study, to determine the usefulness of DL techniques for lumbar spine MRIs, sagittal and axial T2 emphasis images were obtained before and after a DL technique was applied, and signal-to-noise ratio, contrast-to-noise ratio, scan time, overall image quality, and consistency of lesion diagnosis were compared and analyzed. It was found that the quality of the image improved and the artifacts caused by movement or breathing were reduced owing to the shorter MRI examination time. Hence, it is expected that MRI examination using DL techniques will provide images with higher diagnostic value while increasing patient satisfaction, making it a useful method in clinical practice.