간행물
Journal of the Korean Society of MR Technology KCI 등재 대한자기공명기술학회지
- 발행기관 대한자기공명기술학회
- 자료유형 학술지
- 간기 계간
- ISSN 2233-7202 (Print)2586-7261 (Online)
- 수록기간 1991 ~ 2024
- 주제분류 공학 > 의공학 공학 분류의 다른 간행물
- 십진분류KDC 512DDC 610
권호리스트/논문검색
제32권 제2호 (2022년 9월) 4건
1.
2022.09
구독 인증기관 무료, 개인회원 유료
컴퓨터 성능의 발전으로 빅데이터의 효율적인 사용이 가능해지면서, 심층 학습(deep learning)은 다양한 의료 분야에 활용할 수 있는 핵심적인 인공지능(artificial intelligence, AI) 기법으로 각광받고 있다. 이에 본 종설은 뇌종양 진단과 치료에 사용되는 자기공명영상(magnetic resonance imaging, MRI)의 심층 학습 기법을 소개하고자 하였다. 먼저 국내 AI의 의료 분야 도입의 동향을 분석하고, 이를 바탕으로 MRI를 활용한 뇌종양의 진단과 치료에 적용할 수 있는 심층 학습 기법과 그 결과들을 기술하였다. 뇌종양 진단과 치료 시, 심층 학습을 이용한 최근 사례는 영상 분류, 영상 품질 개선, 영상 분할로 나타났으며, 질병의 진단과 치료에 적용할 수 있는 객관적이고 높은 성능 수치를 나타내면서 그 유용성을 확인 할 수 있었다. 종합하자면, 심층 학습은 질병의 진단과 치료에 적용할 수 있는 유용한 지표이며, AI 역량을 지닌 의료진의 지도하에 점진적인 도입이 이뤄진다면 질병의 진단과 치료에 큰 도움을 주는 훌륭한 소프트웨어로 활용될 것으로 여겨진다. 본 종설이 심층 학습을 이해할 때 많은 도움이 되길 바라며, 향후 관련 연구를 수행할 때 가이드라인으로 활용될 것을 기대 한다.
4,800원
2.
2022.09
구독 인증기관 무료, 개인회원 유료
본 연구에서는 자장에 영향을 미치지 않는 금속성 메시 포화 밴드의 성능을 프로그램을 이용하여 모의실험 함으로써, 부분 촬영 MRI 검사 시 발생하는 둘러겹침허상의 제거 방법으로 적용 가능한지 알아보고자 하였다. 연구 방법은 xFDTD 프로그램을 이용하여 포화 밴드를 사용하지 않은 경우와 기존의 전자파 흡수재 포화 밴드를 사용한 경우, 그리고 전자파 차폐재인 새로운 금속성 메시 포화 밴드를 사용한 경우로 나누어 모의실험 한 후 각각의 결과를 비교평가 하였다. 연구 결과 고주파 필드 맵(RF field map)과 필드 강도(field strength) 모두 포화 밴드를 사용하지 않은 경우나 전자파 흡수재 포화 밴드를 사용한 경우에 비하여 새로운 금속성 메시 포화 밴드를 사용한 경우가 전자파 차폐 능력이 우수한 것으로 나타 났다. 결론적으로 성능을 모의실험 해 봤을 때 새로운 금속성 메시 포화 밴드는 기존 방법들의 문제점을 개선할 수 있어 둘러겹침허상의 제거 방법으로 적용 가능하리라 판단된다.
4,000원
3.
2022.09
구독 인증기관 무료, 개인회원 유료
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.
4,000원
4.
2022.09
구독 인증기관 무료, 개인회원 유료
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.
4,000원
