이번에 제시할 화상 사례 보고는 환자와 검사를 시행하는 방사선사의 부주의로 인한 화상 안전사고가 아니라 환자 가운 의 치수 구별을 하기 위하여 사용한 녹색 염료가 착색된 파이핑 라인에서 발생한 복부 부위 화상 안전사고에 대한 MRI 인공물 영상과 사례를 보고하고자 함이다. 화학 착색염료는 다양한 금속을 사용하여 만들어지고 주로 금속 염화물로 이루 어져 있으며 이번에 화상 사례로 발생한 녹색 염료는 열 전도성이 높은 구리와 크롬, 철 성분이 많이 함유된 염화물이 주로 사용되고 있다. 이러한 화상 안전사고를 막기 위해서는 염료의 성분에 대해서 알아보고 열 전도성이 없는 스펀지나 면으로 된 포 등을 피부와 환자 가운 사이에 끼워 간격을 두어야 할 것이다. 이번 화상 사례는 철저한 검사 전 선별 절차에도 불구 하고 화상 안전사고가 발생할 수 있음을 보여 주고 있으며 MRI 인공물 영상을 확인하여 조치하면 화상 안전사고를 미리 예방할 수 있는 정보로 가치가 있을 것으로 생각된다.

안면 부 MRI 검사는 주변 조직에 대한 높은 대조도 와 해상력으로 해부학적 구조 파악과 질환 진단에 이용되고 있다. 최근 검사 시간을 줄이는 동시에 영상의 질을 향상하는 딥러닝이 주목받고 있다. 본 연구는 안면 부 MRI 검사에서 딥러닝 의 유용성을 알아보기 위해 34명의 환자를 대상으로 딥러닝 T2 강조 영상과 고식적인 T2 강조 영상의 축상면, 관상면 영상을 각각 획득하여, 무참조 영상 품질평가 기법인 NIQE와 NIMA를 통하여 정량적 평가하였고, 리커트 4점 척도를 통해 정성적 평가하였다. NIQE 결과에서 딥러닝 T2 강조 영상은 고식적인 T2 강조 영상보다 영상 품질이 우수하였고, NIMA 결과에서는 딥러닝 T2 강조 영상의 축상면은 통계적으로 유의한 차이가 없었고, 딥러닝 T2 강조 영상의 관상면에서는 통계 적으로 유의한 차이가 있었다. 정성적 평가지표에서는 입 인두, 후두 인두에서 질적인 이득이 있었다. 연구 결과를 통해 안면 부 영역 중 무의식적인 움직임이 많은 영역에서 딥러닝을 적용함으로써 고식적인 T2 강조 영상보다 높은 영상의 품질 을 제공하고, 상대적으로 움직임이 덜한 구조물에서도 품질을 유지하며 검사 시간을 2분 이상 단축하여 움직임에 의한 인공 물을 감소시킴으로써 응급 환자 및 비협조 환자의 진단에 유용하게 활용될 것으로 사료 된다.