본 연구는 발가락 지방 소거 검사 시에 종종 저품질의 영상이 획득되는 경우에 주목하여 다양한 조절인자들을 조절하지 않아도 손쉽게 영상 품질을 향상하는 방법을 고안해보았다. 팬텀과 지원자를 대상으로 발 전용 코일만 사용한 경우와 추가 코일을 결합 사용한 경우의 영상을 획득 후 신호대 잡음비(SNR)를 측정하여 비교하였다. 시상면, 관상면, 축상면 모두 T2 Dixon을 시행하였고, 시상면의 경우 T2 지방 소거(FS)와 T1 지방 소거를 추가 시행하였다. 팬텀 검사에서 추가 코일을 결합 사용 시 SNR은 시상면의 경우 T2 Dixon water는 1.21배, T2 FS은 1.22배, T1 FS은 1.17배 향상되었다. 관상면 T2 Dixon water는 1.15배, 축상면 T2 Dixon water는 1.47배 향상되었다. 지원자 검사에서 추가 코일을 결합 사용 시 SNR은 시상면의 경우 T2 Dixon water는 2.07배, T2 FS은 5.17배, T1 FS은 3.20배 향상되었다. 관상면 T2 Dixon water는 1.20배, 축상면 T2 Dixon water는 1.37배 향상되었다. 추가 코일을 결합 사용하였을 때 모든 지방 소거 검사 및 모든 방향에서 SNR 향상의 결과를 얻을 수 있었다. 결론적으로 사용자의 고도 기술 및 추가 검사 시간이 필요하지 않고도 SNR을 향상할 수 있음을 의미한다.

MRI는 인체에 수소 밀도에 따른 재현성의 차이가 상대적으로 기존의 영상 장비들에 비교하여 큰 차이가 있으므로 임상 에서 이를 증명하고 문제 발견 시 이를 보완하는 것이 딥러닝 알고리즘은 매우 중요하다. 따라서 본 연구에서는 현재 특수 의료장비에서 권하는 미국 방사선 의학회(American College of Radiology, ACR)의 두부 전용 MRI 팬텀을 사용하여 영상 품질기준에 현재 임상 적용되고 있는 딥러닝 알고리즘 방법을 적용하여 딥러닝 알고리즘 적용 전후 변화를 평가해 보고자 하였다. 연구 결과 분해능을 측정하는 항목인 고대조도 공간 분해능과 같이 해상도와 관련된 영상 품질은 분해능은 개선되었음을 알 수 있었고, 그뿐만 아니라 위치의 정확도 역시도 기존에 딥러닝 알고리즘의 적용 전 영상과 통계적으로 차이가 있었다. 또한 딥러닝 알고리즘의 강도 차이에도 영상 간 차이는 없었다. 이러한 결과는 특수의료장비 영상품질관리 규정에 적용되고 있는 ACR 팬텀의 평가 기준에 부합 하나, 딥러닝 알고리즘 적용 전후 차이가 통계적으로 있었으며, 이러 한 차이가 재현성과 관련하여 추후에 조금 더 관련된 연구기 필요할 것으로 사료된다.

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.

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.

본 연구에서는 액체감쇠역전회복(FLAIR) 시퀀스를 대체하였던 방법 중에 비교적 간단하면서 높은 재현성을 나타내었던 고신호 강도제거 원리를 MAGiC에 적용하여 MAGiC-FLAIR와 기존의 고속스핀에코-FLAIR 영상과 비교하여 고신호 강 도제거영상의 유용성과 임상적으로 유의미한 기준을 제시하고자 하였다. 연구방법은 MAGiC 적용 후 MAGiC-FLAIR와 MAGiC-고신호 강도제거 영상을 재구성하여, 기존의 고속스핀에코-FLAIR 영상과 각각 정성적, 정량적 평가를 비교하였 다. 정성평가결과 MAGiC-고신호 강도제거는 MAGiC-FLAIR 보다는 월등히 우수하며, 고속스핀에코-FLAIR와 유사한 결과를 보였고, 정량평가결과 MAGiC-고신호강도제거는 MAGiC-FLAIR보다 백질과 회백질 대조도는 더 우수할 뿐만 아 니라, 뇌척수액의 신호 억제도 우수한 결과를 나타냈다. Synthetic 영상을 통하여 획득한 다양한 대조도 영상 중 FLAIR의 부정확도를 고신호 강도제거기법을 적용한다면 진단적 가치를 개선하여 제공할 수 있을 것이다.

본 연구는 무릎 MRI 검사 시 무릎의 위치가 보어 중심을 기준으로 거리가 멀어짐에 따라 무릎 연골 T2 값의 변화를 평가하고자 하였다. 이를 위해 무릎 질환이 없는 정상인 지원자 10명을 대상으로 하였고 보어 중심을 기준으로 무릎을 오른쪽으로 10 cm 그리고 20 cm 이동시키면서 영상을 획득하였다. 무릎 MRI 영상은 스핀에코기법을 활용하였고 무릎 연골의 T2 값을 계산하기 위해 TE 값은 13.8, 27.6, 41.4, 55.2, 그리고 69 ms로 적용하였다. 신호 측정은 무릎의 내, 외측 관절 융기가 가장 크게 나타난 영상의 대퇴 연골과 경골 연골에서 진행하였다. 연구의 결과, 재구성된 T2 값은 보어 중심에서 멀어질수록 감소하였다 (0 cm: 39.16 ms, 10 cm: 32.59 ms, 20 cm: 26 ms). 또한, 신호 값도 보어 중심에서 그 위치가 멀어질수록 감소하였다 (p<0.00). 특히, 보어 중심에서 20 cm까지 멀어짐에 따라 TE 69 ms의 영상에서 신호 값은 46.2%까지 감소하였다. 무릎 위치와 무릎 연골 T2 값의 상관관계분석 결과는 음의 상관관계 (r=-0.736)가 나타났다 (p<0.00). 결론적으로 MRI 검사에서 무릎 위치는 무릎 연골의 T2 값에 상당한 영향을 미치므로 T2 값의 정확도나 재현성 이 감소할 수 있다. 따라서 무릎 MRI 검사에서 무릎 연골의 정확한 T2 값을 획득하기 위해서는 최대한 보어 중심에서 검사가 이루어져야 한다.

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.

본 연구의 목적은 60대의 대뇌에서 T1, T2, PD 이완 시간 값을 측정하여 연령별 특정 해부학적 구조물들의 이완 시간 의 평균값과 연령에 따른 이완 시간 변화의 관련성이 있는지 분석하고자 하였다. 60에서 69세까지 총 50명의 정상 뇌자기 공명영상검사자의 데이터를 Synthetic MR의 MAGiC을 이용하여 후향적으로 분석하였다. 대상 부위는 해마, 대뇌 부챗살, 측두엽 회백질, 시상, 뇌척수액이었다. 실험결과 해마, 대뇌 부챗살, 측두엽 회백질은 연령 변화에 따른 T1, T2, PD 이완 시간의 차이가 없었다(p>0.05). 하지만 시상에서는 PD 이완시간이 연령과의 상관성이 있었고(R2=0.112, p<0.05), 뇌척 수액에서는 T1 이완시간(R2=0.063, p<0.05)과 T2 이완시간(R2=0.061, p<0.05)에서 연령과의 상관성을 확인하였다. 추후 다양한 연령대의 대뇌 이완 시간을 측정하여 평균값의 비교 연구가 필요하고, 시상과 뇌척수액에서는 대규모 모집단 연구가 필요할 것이라 판단되며 이에 본 연구가 기초자료를 제공할 것이라 사료된다.

본 연구는 MRI 검사 시 순간증모제의 산화철 성분에 의한 자화 감수성 인공물과 발열 정도에 대해 분석하였다. 인공물 정도 실험은 위상 부호화 방향을 다르게 SE, GRE 시퀀스를 사용하여 각각의 축상면 영상을 획득하였고, 3가지 종류의 순간증모제 부착 면으로부터 인공물 발생 지점까지의 길이를 10번 반복 측정하여 평가하였다. 발열 정도 실험은 GRE, FSE 시퀀스의 영상을 4번 반복 획득하여 PRF 기법을 통해 온도변화 영상을 재구성하였다. 인공물 측정 결과 스프레이형 의 GRE에서 최대 25.62 mm의 크기로 발생하였고, 시퀀스에 따라 GRE, SE 순서로 크게 나타났으며, 순간증모제 종류에 따라서도 인공물의 크기는 다양하게 나타났다. 또한, 분말형의 경우 강자장 구역에서 흩날림에 따라 장비 고장의 원인이 될 수 있음을 확인하였다. 발열 측정 결과 스프레이형은 최대 2°C, 분말형과 바르는 형에서 최대 1.2°C 이상의 온도 상승을 보였다. 결론적으로 MRI 검사 시 순간증모제에 의한 자화 감수성 인공물과 발열로 인해 진단적 가치 저하와 환자의 안전성에 적합하지 않다는 것을 확인하였다. 따라서 검사 전 순간증모제 사용 여부에 관한 확인이 필요하며, 정확한 진단과 환자 의 안전을 위해 순간증모제를 씻어내고 MRI 검사를 시행할 것을 권고한다.

본 연구에서는 자기공명 탄성도 검사에 병렬 영상 기법(Philips사의 SENSE)을 적용하여 호흡 정지 시간을 단축시키고, 진단적으로 유용한 영상을 획득하는데 적용 가능한 SENSE 인자의 범위를 알아보고자 하였다. 팬텀 실험과 자원자 실험을 진행하였고, 각 실험은 SENSE 인자를 증가시켜가며 촬영하였다. 영상 평가는 경직도 95% 신뢰도 지도(stiffness 95% confidence map)에서 경직도 수치를 측정하고, 파동 영상은 영상의학과 전문의 1명과 방사선사 4명이 블라인드 테스트 하였다. 통계학적 분석은 비모수 통계인 크러스칼-왈리스 검정을 이용하였고, 사후 분석은 본페로니 교정을 이용하였다. 연구 결과 경직도 수치는 SENSE 인자 2부터 3.5까지 통계적으로 유의미한 차이를 보이지 않았고, 파동 영상의 평가 결과 2부터 3.5까지 4점 이상의 높은 점수를 유지하였으며, 사후 분석 결과에서도 큰 차이를 보이지 않았다. 반면에, 호흡 정지 시간은 20.9초에서 12.1초로 약 8.8초 감소했다. 따라서 호흡 정지 시간이 짧은 환자 검사 시 SENSE 인자를 적절히 증가시켜 검사의 성공률을 높이고, 더불어 진단적 가치가 있는 영상을 획득할 수 있을 것으로 사료된다.

자기 감수성 인공물은 영상의 질에 영향을 미치며 환자의 안전 또한 영향을 준다. 대부분 자기공명영상 검사 시 화장을 지우지 않고 검사를 진행한다. 하지만 화장품에도 금속 성분이 있어 자기 감수성 인공물을 일으키게 된다. 본 논문은 자기 공명영상에서 화장품에 따른 인공물의 영향을 평가하고자 하였으며 화장품의 종류와 자장의 세기, 시퀀스에 따라 비교하였다. 대상 물질은 아이섀도 24종, 마스카라 4종, 아이라이너 4종으로 총 32개를 설정하였다. 실험은 스핀 에코, 터보 스핀 에코, 경사 에코, 에코 평면 영상 4가지 시퀀스를 사용하여 각 대상물질의 관상면과 축상면 영상을 획득하였고 관상면 영상 에서 대상 물질이 부착된 표면으로부터 인공물이 미치는 곳까지 수직으로 측정하였다. 실험에 사용한 전체 32개 화장품에서 자화 감수성 인공물이 모든 제품에서 발생하였다. 경사 에코와 에코 평면 영상에서 가장 큰 인공물이 보였으며 인공물이 가장 많이 생겼다. 1.5T보다 3.0T에서 자기 감수성 인공물이 크게 나타났으며, 최대 인공물의 크기는 9.05mm로 3.0T의 경사 에코에서 발생하였다. 따라서 본 논문에서 화장품이 자기 감수성 인공물로 인해 영상에 영향을 미치는 것을 확인하였으며 안구 검사와 같이 인공물에 의한 영향이 미칠 수 있는 검사는 화장을 지우고 검사해야 하겠다. 또한, 화장품이 자기 감수성 인공물을 생성하기 때문에 발열에 의한 화상의 위험성이 있을 수 있어, 되도록 자기공명영상 검사 시 화장을 지우도록 안내하거나 검사 중 이상 반응의 발생 여부 확인이 필요하다.

자기공명영상은 고해상도의 연부조직에 대한 영상정보를 제공하며, 뇌종양 등 연부조직 진단에 활용된다. 본 연구는 합성곱신경망 인공지능을 통해 뇌종양 자기공명영상 분류성능을 확인해 보고자 한다. 4개 종류로 구분된 3264 장의 MRI 데이터 세트(data set)를 이용하였으며, 인공지능 학습을 위해 훈련용 데이터와 시험용 데이터를 9 : 1, 훈련용 데이터의 10%를 검증용 데이터로 구분하였다. 합성곱신경망은 기본 CNN과 VGG16으로 구성하였으며, 학습 평가는 정확도와 손실율로 확인하였으며, 생성된 모델을 통해 분류성능 정확도를 확인하였다. 실험 결과 과적합은 없었으며, 분류성능은 기본 CNN과 VGG16 각각 67%와 80%의 분류성능을 보였다. 도출된 뇌종양 자기공명영상 분류 결과를 통해 자기공명영상과 인공지능 접목에 관한 기초 자료로 사용될 수 있을 것이라 사료된다.

MRI는 연부조직에 대한 고해상도의 영상을 제공하며 진단적 가치가 매우 높은 영상 검사이며, 디지털 데이터를 이용하여 딥러닝 기술을 통해 컴퓨터 보조 진단 역할을 수행할 수 있다. 본 연구는 딥러닝 기반 YOLOv3를 이용하여 뇌종양 분류 성능을 확인해 보고자 한다. 253장의 오픈 MRI 영상을 이용하여 딥러닝 학습을 진행하고 학습 평가지표는 평균손실(average loss)와 region 82와 region 94를 사용하였으며, 뇌종양 분류 모델 검증을 위해 학습에 사용되지 않은 영상을 이용하여 검출 성능을 평가하였다. 평균손실은 2248 epochs 시 0.1107, region 82와 region 94의 24079 반복학습 시 average IoU, class, .5R, .75R은 각각 0.89와 0.81, 1.00과 1.00, 1.00과 1.00, 1.00과 1.00의 결과값을 도출하였다. 뇌종양 분류 모델 검증 결과 정상 뇌와 뇌종양 각각 95.00%, 75.36%의 정확도로 분류할 수 있었다. 본 연구 결과를 통해 MRI 영상을 활용한 딥러닝 연구 및 임상에 기초자료로 사용될 것이라 사료된다.

본 연구는 고밀도폴리에틸렌 코편을 마스크에 적용 후 MRI 검사에 사용하여 SNR의 변화를 측정하고 만족도를 평가하였다. 연구 방법은 팬텀을 이용하여 HDPE 마스크 적용 전 후의 SNR 측정과 KF 94 마스크 적용 전 후의 SNR 측정을 하였고, 사용한 기법은 T1WI, T2WI, DWI였다. 또한 HDPE 마스크 착용군의 T2 mDixon, 3D T1영상 획득 후 안와와 교뇌의 SNR을 측정하였고, 설문을 통하여 MRI 검사 시 답답함 정도와 호흡의 용이성, HDPE 마스크의 선호도 평가를 하였다. 팬텀 실험 결과 HDPE 마스크 사용 전과 후의 SNR은 유의한 차이가 없었으며(p>0.05), KF 94 마스크는 적용 전 값과 유의한 차이가 있었다(p<0.05). HDPE 마스크 착용군의 SNR 측정 결과에서는 미착용군과 유의한 차이는 없었다(p>0.05). 마스크 착용 후 답답한 정도 측정 결과 착용군은 3.53 ± 0.73, 미착용군은 3.83 ± 0.75이었고, 호흡의 용이성 측정 결과 HDPE 마스크 착용군은 3.1 ± 0.89, 미착용군은 3.27 ± 0.91으로 나타났고, 두 조사 결과 모두 유의한 차이는 없었다(p>0.05). HDPE 마스크의 선호도는 4.48 ± 0.54으로 선호도가 높은 것으로 나타났다. 본 연구 결과 HDPE 마스크는 착용 후에도 MRI 영상의 신호 변화 없이 정확한 검사가 가능하고 환자의 만족도 또한 높게 평가되었기에 검사 중 호흡기 감염 예방을 위해 적극적으로 사용되어야 할 것으로 사료된다.

PURPOSES : In this paper, the measurement criteria was determined by assessing the factors influencing the measurement of bending resonance frequency which is not specified in KS F 2437. METHODS : The durability evaluation analysis of concrete beam specimens was performed immediately after freezing and thawing processes. It is primarily aiming at improving the repeatability and reproducibility of measurement results by providing measurement criteria for various measurement factors that can occur during the collection of resonance frequency data. An independent concrete durability test (KS F 2456) was executed with the proposed measurement protocol for evaluation. RESULTS : A measurement protocol was proposed to determine the transverse resonance frequency of concrete beam specimens. CONCLUSIONS : It was concluded that the proposed measurement protocol may be used for the concrete durability test; where the resonance frequency could be stably collected.