인공 고관절 치환술에 사용되는 금속 삽입물은 크기와 성분에 따라 주변 조직과 크고 작은 자화율의 차이를 일으켜 다양한 금속 인공물의 원인이 되며, 영상에 진단적 가치를 떨어뜨린다. 수신대역폭을 높이는 것은 인공물 감소에 효과가 있으나, 높은 수신대역폭은 획득 영상의 신호대잡음비를 감소시키는 단점이 있어 일정 수치 이상으로는 적용 하기에는 어려움이 있다. 딥러닝 알고리즘은 영상의 신호대잡음비를 높이고 전체 영상에서 균일하게 배경 잡음을 제거하는 데 매우 효과적이다. 이에 본 연구에서는 금속 인공물 감소를 위해 기존에 높은 수신대역폭을 이용하는 MARS(metal artifact reduction sequence) 프로토콜과 더욱 높은 수신대역폭을 설정한 프로토콜(Ultra MARS) 을 획득한 후 딥러닝을 이용하여 딥러닝 Ultra MARS로 변환한 후에 금속 인공물의 차이를 비교하였다. 딥러닝 적 용 후 Ultra MARS에서 적용 전 또는 기존의 MARS 기법보다 인공물의 크기가 작게 측정이 되었다. 또한, 인공물의 전체적인 SSIM(structural similarity index measure)에서도 기존의 MARS 기법보다 전체면적이 작게 측정되었 다. 더 나아가 SSIM의 결과 딥러닝 적용 전후의 구조적 유사성 역시 유사하게 나왔다. 딥러닝 알고리즘을 기존에 인공물을 줄이기 위해 사용하는 MARS와 같은 기법에서도 월등하게 높은 수치를 사용하는 강조영상을 획득 가능하 며 영상의 인공물도 줄이며, 영상의 대조도 또한 유지되는 영상을 제공할 수 있을 것으로 사료된다.

본 연구는 금속 인공물을 감소시키기 위한 VAT(view angle tilting)와 SEMAC(slice encoding for metal correction) 기법 적용에 따른 온도 변화 범위를 관찰하고자 하였다. 제작된 인체 모방 팬텀을 활용하였고, 검사방법으로는 임상에서 실제로 사용하고 있는 고속스핀에코(fast spin echo, FSE) 기법의 영상 파라미터들을 그대로 이용하였다. VAT 와 SEMAC 기법은 FSE와 같은 파라미터로 설정한 다음 VAT 파라미터는 100%와 SEMAC 파라미터는 25로 설정하였다. 온도 측정 방법으로는 수소원자 공명주파수전이법(proton resonance frequency shift, PRFS)기법을 활용하였으며, 광 섬유 온도계(fiber-optic sensor, FOS)로 절대 온도를 측정한 후 비교 분석하였다. 온도 변화는 SEMAC 기법에서 기존 FSE 기법 (0.28℃±0.10℃)에 비해 1.63℃±0.12℃로 약 6배 상승하였고(SEMAC-FOS = 1.59℃), VAT 기법은 약 2배 증가(VAT-FOS = 0.51℃)가 확인되었다. 특히, SEMAC 기법은 VAT 기법(VAT-FOS = 0.51℃, VAT-PRFS = 0.54℃ ±0.02℃)과 비교하여 약 3배가 증가하여 가장 높은 온도 상승이 관찰되었다. 이는 SEMAC 기법 적용 시 자기공명영상 전자파 인체 영양에 대한 안전기준을 충족하기 위해 영상 파라미터 최적화 작업의 필요성을 시사한다.

본 연구는 두부 인체모형 팬텀을 컴퓨터 단층촬영 장치를 이용하여 스캔 후 영상에서 발생한 선속경화현상을 고 관전압 적용 방법과 본 연구에서 적용한 금속인공물감소 알고리즘 적용 영상을 비교하여 금속인공물감소 알고리즘 적용의 유용성을 알아보고자 하였다. 그 결과 관전압을 140 kVp로 높여 스캔 시 CT value가 0.02～0.05 % 감소하여 선속경화현상 감소 효과가 상대적으로 낮았으며(P>0.05), 금속인공물감소 알고리즘 적용 시 CT value가 12.4～26.9 % 감소하여 선속경화현상 감소 효과에 상대적으로 의미가 있는 것으로 분석되었다(p<0.05). 또한 임상영상평가표에 의한 정성적 평가에서도 인공물의 경우 MAR알고리즘 적용 후 1.8점으로 평가 되었고, 해상도 및 대조도 평가에서 MAR알고리즘 후 7.2점으로 평가되어 선속경화현상 감소에 있어 금속인공물감소 알고리즘 적용이 의미가 있는 것으로 평가되었다. 따라서 불가항력적으로 발생하는 선속경화 현상에 의한 인공물의 경우 기존연구에서 도출한 다양한 방법과 더불어 본 실험을 통해 제시한 금속인공물 감소 알고리즘을 적용하여 스캔한다면 선속경화현상에 의해 발생한 인공물 감소에 유용할 것으로 사료된다.