간세포암 환자의 자기공명영상에서 K-공간 기반 노이즈 제거 딥 러닝을 이용한 확산강조영상의 유용성 연구
본 연구는 K-공간 기반 노이즈 제거 딥러닝(DL)을 이용한 확산강조영상(DWI)의 유용성을 평가하고자 하였다. 연구 를 위해 간세포암으로 확진된 환자 30명을 대상으로 DL 기법 적용 전후의 DWI에 각각 확산경사자계(b-value) 50 과 800을 적용하여 영상화하였다. 획득한 영상에서 간세포암 조직과 정상 간 조직에 관심 영역을 설정하여 b50, b800에서의 신호대잡음비(SNR)와 대조대잡음비(CNR)를 측정하였고 두 명의 관찰자가 각 영상에서 간세포암 조직 을 측정하여 겉보기확산계수(ADC) 값을 계산하였다. 모든 측정값의 평가는 T-검정(T-test)을 사용하여 상관관계 를 평가하였으며 급내상관계수(ICC)를 이용하여 두 관찰자 간 ADC 측정값의 일치도와 신뢰도를 평가하였다. 연구 결과, DL 적용 후 영상에서 SNR과 CNR이 모두 높아졌으며 통계적으로 유의한 것으로(p<0.05) 나타났다. 또한, 간세포암의 ADC 값은 통계적으로 유의하지 않은 것으로(p<0.05) 나타났지만 두 관찰자 간 ADC 측정값의 일치에 대한 신뢰도는 상관계수가 0.75 이상으로 우수하였고, 간세포암의 고유한 성질로 인해 ADC 값의 변화가 적은 점을 고려한다면 충분히 유의한 결과라고 볼 수 있다. 결론적으로 DL DWI은 영상 획득 시간을 단축하면서도 기존 DWI 보다 질적으로 더 나은 영상을 획득했다. 향후 다양한 MRI 검사에 DL이 적용된다면 더욱 유용하게 사용될 것으로 사료 된다.
This study evaluated the usefulness of diffusion-weighted imaging (DWI) with denoising based on K-space deep learning (DL). DWI and DL was applied to DWI in 30 patients diagnosed with hepatocellular carcinoma (HCC), using diffusion gradient values (b-values) of 50 and 800 for imaging. In the acquired DWI, regions of interest were set in HCC tissue and normal liver tissue, and the signal-to-noise ratio (SNR) and contrast-to-noise ratio (CNR) were measured at b50 and b800. Two observers measured the apparent diffusion coefficient (ADC) values of the HCC tissue in each image. The correlation of all measurements was evaluated using a t-test, and the inter-observer agreement and reliability of ADC measurements were assessed using the intraclass correlation coefficient (ICC). The results indicated that both SNR and CNR increased significantly after DL application (p < 0.05). Although the ADC value of HCC was not statistically significant (p > 0.05), the reliability of ADC measurement agreement between the two observers was excellent, with a correlation coefficient of over 0.75. Given the unique properties of HCC and its minimal change in ADC values, these results can be considered acceptable. In conclusion, DWI with DL application resulted in better image quality while reducing acquisition time compared to conventional RESOLVE DWI. Thus, it is anticipated that DL will be more widely used in MRI examinations in the future.