자기공명영상은 인체 내부 구조와 병변을 비침습적으로 시각화하는 핵심 의료 영상 기법으로 자리 잡고 있으며, 특히 신경계 및 심혈관계 질환과 같은 복잡한 질병의 진단에서 필수적인 도구로 활용되고 있다. 기존의 자기공명영상 시스 템은 영상의 해상도와 신호대잡음비에서 한계가 있었으나, 최근의 기술 발전은 이러한 한계를 극복하고 진단 정확성 을 높이는 방향으로 나아가고 있다. 고자기장 자기공명영상 시스템의 도입은 해상도와 신호대잡음비를 개선하는 데 기여하고 있으며, 병렬 영상 기법은 촬영 속도를 향상시키면서도 영상 품질의 손실을 최소화한다. 또한, 압축 센싱 (compressed sensing) 기술은 데이터 획득 시간을 줄여 촬영 효율성을 높이는 데 중요한 역할을 하고 있다. 최근 인공지능(AI)의 발전으로, 자기공명영상 데이터에서 초해상도 복원(super-resolution) 및 노이즈 제거와 같은 영상 후처리 기술이 획기적으로 향상되었다. 인공지능 기반의 영상 향상 기술은 저해상도 데이터를 고해상도로 변환하고, 촬영 과정에서 발생할 수 있는 왜곡과 노이즈를 효과적으로 제거하여, 더 정확하고 명확한 진단 영상을 제공한다. 이러한 발전은 단순히 영상의 품질을 높이는 것을 넘어, 임상 진단의 정확성과 효율성을 크게 향상시키고 있으며, 특히 제한된 촬영 시간을 요구하는 응급 상황에서 유용성이 두드러진다. 본 논문에서는 자기공명영상 촬영 기법의 최신 발전과 인공지능 기반 영상 향상 기술의 동향을 여러모로 분석하고, 이들의 임상적 유용성을 조명함으로써 고해 상도 자기공명영상이 의료 분야에서 가지는 의미와 향후 발전 방향을 제시하고자 한다.
본 연구는 금속성 물질로 인해 발생하는 자화율 인공물(susceptibility artifact)의 정확한 길이 측정을 위해 자체 제작한 팬텀을 이용하여 분석하였다. 치과용 임플란트 고정체를 자체 제작한 아크릴 팬텀에 위치시키고, T2 강조 영상을 통해 자화율 인공물을 검사하였다. 자화율 인공물의 길이를 팬텀 기반 측정법과 선 프로파일 기반 측정법을 사용하여 분석하였고 팬텀 기반 측정법을 기준값으로 선 프로파일 기반 측정법으로 도출된 결과와 비교하였다. 결과 적으로 선 프로파일 기반 측정법에서 배경 신호 기준 25% 허용 범위를 설정했을 때 팬텀 기반 측정법과 가장 유사한 데이터를 얻을 수 있었다. 이를 통해 선 프로파일 기반 측정법이 자화율 인공물 길이의 정량적 측정에 적합할 수 있는 가능성을 확인하였다. 추후 미흡한 부분을 보완한 추가 연구를 통해 자화율 인공물 연구에서 객관적인 데이터 제공이 가능할 수 있게 되기를 기대한다.
급성 뇌경색 진단에는 환자에 따라 관류강조영상과 조영증강 자기공명혈관영상이 동시에 촬영되는 경우가 있으며, 이 과정에서 MRI 조영제인 가돌리늄의 T1 단축 효과가 발생하여 동맥과 정맥의 신호 겹침이 빈번히 발생한다. 특 히, 3D T1 경사에코 기법을 사용한 CE-MRA에서 첫 번째 조영제 주입(PWI) 후 연속적으로 발생하는 T1 감소 효과로 인해 혈관의 정확한 묘사에 한계가 있었다. 본 연구에서는 이러한 문제를 해결하기 위해 마스크 영상의 획득 시점을 조정하여 새로운 방법(B)을 제안하였다. 기존 방법(A)에서는 관류강조영상 이전에 마스크 영상을 획득했지 만, 새로운 방법(B)에서는 관류강조영상 이후 마스크 영상을 획득하여 동맥과 정맥 신호 겹침을 효과적으로 줄였다. 연구 결과, S상 정맥동과 내경정맥에서 새로운 방법이 기존 방법보다 유의미하게 낮은 대조대잡음비를 보였으며, 신호 겹침이 줄어들어 정맥 신호의 억제 효과가 극대화되었다(p<0.05). 본 연구의 새로운 방법은 기술적으로 추가적 인 복잡성 없이 효율적으로 정맥 신호를 제거하여 CE-MRA 영상의 진단적 정확성을 향상하는 유용한 기법으로 평 가된다. 향후 연구에서는 더 다양한 환자군을 대상으로 본 방법의 유용성을 검증하고, 최적의 방안 모색을 할 필요가 있다.
본 연구는 뇌 DWI에서 딥러닝 적용 시 48채널과 8채널 헤드 코일 간 영상 품질의 차이를 분석하는 것을 목표로 하였다. 3.0T MRI를 사용하여 두 종류의 코일을 비교하였으며, 딥러닝 알고리즘의 효과를 확인하기 위해 SNR(신호 대 잡음비), ADC(겉보기 확산 계수), SSIM(구조적 유사성 지수)을 측정하였습니다. 연구 결과에 따르면, 딥러닝 적용 후 b-value에 따른 두 코일 간의 차이가 나타났다. 특히 b-value 0 및 1000에서는 딥러닝 적용 전후에 두 코일 간 통계적으로 유의미한 차이가 없었지만, b-value 3000에서는 적용 전후 모두에서 유의미한 차이가 있었다. SSIM 분석에서도 딥러닝 적용 전후 차이는 없었으나, b-value에 따른 차이가 측정되었습니다. 이러한 차이는 영상 판독에 영향을 미칠 수 있으며, 이를 개선하기 위해서는 딥러닝 알고리즘이 부위별, 코일별, 펄스 시퀀스별로 최적화 될 필요가 있다. 따라서 본 연구는 향후 딥러닝 기반 MRI 영상의 정확도와 일관성을 높이기 위한 기초 정보를 제공 하며, 임상적 적용에서 부위별, 수신 코일별, 펄스 시퀀스별로 세분된 딥러닝의 최적화가 필요하다.
본 연구에서는 실제 임상 조건에서 MRI 검사 시 금속성 섬유와 비금속성 섬유의 온도 변화를 정량적으로 평가하고 자 하였다. 11% 은사 섬유와 비금속성 섬유의 온도 변화 비교를 위해 척추, 허벅지, 무릎 프로토콜을 이용하였으며, 15% 구리사 마스크와 비금속성 마스크의 온도 변화 비교를 위해 구강 프로토콜을 이용하였다. 온도 변화 측정을 위해 돼지고기 팬텀을 사용하였으며, 동일한 실험 조건을 위해 팬텀의 온도는 MRI 영상 획득 전 20℃를 유지하였고, 온도 변화는 광섬유 온도 측정기를 사용하였다. 은사 섬유와 비금속성 섬유의 온도를 측정한 결과, 척추 MRI 검사 후 은사 섬유는 4.9℃ 온도가 상승하였으며, 비금속성 섬유는 1.9℃ 온도가 상승하였다. 허벅지 MRI 검사 후 은사 섬유는 3.7℃ 온도가 상승하였으며, 비금속성 섬유는 2.0℃ 온도가 상승하였다. 무릎 MRI 검사 후 은사 섬유는 1.7℃ 온도가 상승하였으며, 비금속성 섬유는 0.9℃ 온도가 상승하였다. 구리사 마스크와 비금속성 마스크의 온도를 측정한 결과 구강 MRI 검사 후 각각 0.2℃, 0.1℃ 상승하였다. 본 연구를 통해 MRI 검사 시 금속성 섬유는 일반적 으로 제공되는 환자 가운에 비해 높은 온도 상승을 보였으며 열 손상의 위험성이 있음을 확인하였다. 결론적으로 환자 안전을 위해 검사 전 환자 가운으로 갈아입는 것이 필요할 것으로 사료된다.
자기공명영상 평가 시 정확한 영상평가를 방해하는 요인에는 여러 가지가 있다. 그중 측정자로 인한 관심 영역의 크기 설정도 여러 요인 중 하나인데, 아직 다른 요인에 비해 관심 영역의 크기 설정은 연구가 부족한 실정이다. 이에 본 연구에서는 관심 영역의 크기 변화에 따른 SNR의 변화를 통계적으로 비교·분석하여 설정하는 방법을 제시하고 그 유용성을 증명하고자 하였다. 연구 방법은 팬텀의 T1, T2 강조영상을 획득한 다음 획득한 영상에 관심 영역의 크기를 변화시켜 신호강도를 측정한 후 관심 영역의 크기 변화에 따른 SNR 산출하여 비교평가 하였다. 연구 결과 T1 강조영상은 관심 영역의 크기 설정 시 20% 이하, T2 강조영상은 40% 이하로 설정할 때 기준 관심 영역 크기와 SNR이 통계적으로 차이가 없었다. 결론적으로 관심 영역의 크기 설정 시 본 연구의 통계를 이용한 설정 방법을 적절히 활용하여 측정을 시행한다면 관심 영역 크기 설정의 합리적 근거를 마련할 수 있어 유용하리라 판단된다.
본 연구는 간 자기공명영상 검사 시 프리모비스트(Gd-EOB-DTPA) 조영제를 사용한 동적 동맥기(dynamic arterial phase)에서 호흡기 운동인공물을 최소화하기 위한 최적의 방법을 연구하였다. 연구는 총 세 집단으로 나누 어 진행되었으며, 첫 번째 집단은 별도의 사전 교육(pre-scan preparation, PSPP) 없이 촬영한 집단, 두 번째 집단은 사전 교육만 시행하고 촬영한 집단, 세 번째 집단은 사전 교육과 검사 중 숨 참기 보조 신호(breath-holding assistance signal, BHAS)를 제공한 집단으로 구성되었다. 각 집단의 촬영 결과를 비교한 결과, 사전 교육과 검사 시 숨 참기 보조 신호를 함께 시행한 집단에서 동적 동맥기 영상의 호흡기 운동인공물이 가장 적었으며, 영상의 품질 도 더 높게 평가되었다. 이러한 결과는 간 MRI 촬영의 동적 동맥 단계 검사에서 사전 교육과 검사 중 숨 참기 보조 신호가 결합한 접근법이 환자의 숨 참기 협조를 강화하여 영상 품질을 개선하고, 정확한 진단에 기여할 수 있음을 시사한다.
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.
이 연구의 목적은 척추 자기공명영상 검사 시 기존의 포화 펄스와 함께 호흡 유도하(respiratory triggering, RTr) 기법을 적용하는 것이 영상화질 개선에 있어 효과적인지를 평가해 보기 위함이다. 이에 본 연구는 2024년 2월부터 2024년 10월까지 척추 MRI 검사를 받은 환자를 대상으로 분석하였다. 사용된 장비는 GE 사의 3.0T SIGNA Premier을 사용하였고, 축상 T2강조영상에서 동일한 부위를 RTr 기법을 적용하지 않은 영상과 RTr 기법을 적용한 영상 두 개를 획득해 평가하였다. 정성평가는 2명의 평가자의 평가점수를 Wilcoxon test로 비교하였다. 정성평가 결과, 경추와 요추에서는 RTr 기법 적용 시 영상화질 개선에 있어서 유의미한 차이를 보이지는 않았지만 흉추에서는 RTr 기법 적용 시 영상화질 개선에 있어서 유의미한 차이를 보였다. 결론적으로 경추와 요추보다는 포화펄스 사용에 있어 제한이 있고 호흡에 영향을 많이 받는 흉추 MRI 검사 시 RTr 기법을 적용하는 것이 더 효과적이다. 다만 RTr 기법 적용 시 검사 시간이 늘어나는 단점이 있어서 환자의 상태에 맞춰 검사하는 것이 요구되는 바이다.