Following the implementation of the Act on the Prevention of Light Pollution Due to Artificial Lighting in 2013, local governments designated lighting environment management zones and conducted assessments of the impacts of light pollution on the environment to ensure compliance with acceptable light emission standards. In addition, according to the Act on the Prevention of Light Pollution Due to Artificial Lighting, local governments conduct and manage light pollution assessments every three years. However, measuring and analyzing during nighttime requires a significant amount of time and labor. Therefore, this research aims to improve the current light pollution environmental impact assessment method by utilizing aerial information from satellite data and establishing a database of light pollution assessment methods, thereby laying the foundation for light pollution management. In this study, a reference light source was installed on the ground, and the luminance measurements of the installed reference light source and the advertising light sources on-site were analyzed to derive brightness values for ground light sources using the optical band (R, G, B) values from aerial information derived from satellite images. The analysis produced predictive equations for light pollution from upward lighting and general advertising lighting. When these equations were applied to residential and commercial areas in the lighting environment management area, the results indicated that the predicted rooftop upward lighting prediction brightness exceeded the acceptable standard of light emission of 800 cd/m2 in residential areas, and the advertisement lighting prediction brightness exceeded the standard of 1,000 cd/m2 in commercial areas.

This study examined the spatiotemporal changes in Jilnal Wetland using satellite image-based time series data and field surveys. The analysis focused on changes in open water surface area and vegetation using the JRC Surface Water Monthly Water History dataset and Landsat imagery from 1984 to 2020. The impact of hydrological changes on vegetation was assessed through surveys conducted before and after the 2023 monsoon season. Results indicated a continuous decrease in open water surface area since the 1980s, with a sharp decline post-2003. NDVI analysis showed an inverse relationship between water area reduction and increased vegetation vigor and coverage. Field surveys revealed that hydrological changes directly affected vegetation structure, leading to new herbaceous communities and greater diversity post-monsoon. These findings highlight significant ecosystem changes driven by anthropogenic factors and natural succession, necessitating a comprehensive conservation strategy, including development control, hydrological management, terrestrialization prevention, and long-term monitoring.

보행 활동은 도시의 교통 및 환경 문제, 주민의 건강, 지역 커뮤니티 활성화 등에 중요한 역할을 하는 것으로 평가되고 있다. 보행의 중요성이 인지되면서 세계각국에서는 보행을 장려하는 도시건조환경을 만들기 위해 다양한 노력을 기울이고 있으 며, 이는 우리나라에서도 법제도적으로 나타나고 있다. 보행환경을 관리하고 개선하기 위해서는 물리적인 보행환경을 가로 단위 상세수준에서 평가하고, 시민들의 보행환경에 대한 인지가 어떤지를 아는 것이 필요하다. 기존에 이러한 연구들은 대부분 설문조사나 일부지역에 한 해 현장조사를 수행하는 방법이 주를 이루었다. 본 연구에서는 거리영상과 딥러닝 기술을 활용하여 가로단위 상세수준에서의 물리적 보행환경과 인지적 보행환경을 평가하고, 이를 비교하고자 한다. 물리적 보행환경 평가를 위해 평가지표를 선정하고, 평가지표별로 거리영상의 시멘틱 세그먼테이션 기법을 활용하거나 표고 자료, PoI자료를 크롤링한 후 관련 데이터를 구축하고 평가점수를 도출하였다. 인지적 보행환경 평가를 위해 거리영상에 대한 인지를 예측할 수 있도록 훈련데이타 셋을 구축하고, RSS-Swin모델을 훈련시켜 보행환경 인지점수를 예측할 수 있도록 하였다. 물리적 보행환경과 인지적 보행환경 지도를 구축하고, 각각의 특성과 차이를 분석하고, 이를 통해 보행환경 개선안을 도출할 수 있었다. 본 연구는 물리적 보행환경과 인지적 보행환경의 시각화하고 차이를 분석하여 개선안을 도출하였다는 점에 연구의 의의가 있으며, 기술적인 측면에서는 거리영상과 딥러닝 기술을 활용하여 도시의 가로단위에서 보행환경을 상세하게 평가할 수 있는 방법론을 체계화하였 다는 점에 의의가 있다

본 연구는 수수를 대상으로 수수 주산지에서 취득한 무인기 기반 RGB영상에 Seg-Net과 U-Net모델을 작성 후, 일반화 가능성을 검토하여 실시간 재배지 파악에 더 효율적인 기법을 제안하기 위해 수행되었다. 경상북도 안동시의 수수 재배지 영상 264장을 이용해 모델학습을 진행하고, 충청북도 제천시 수수 재배지 영상 14장을 이용하여 테스트를 진행하였다. U-Net의 학습은 14epoch, AccuracyC = 0.9426, LossC = 0.1593, Dice_coefC = 0.9223, AccuracyV = 0.6403, LossV = 1.9624, Dice_coefV = 0.6402에 4시간 37분이 소요되었으며, Seg-Net의 학습은 101epoch, AccuracyC = 0.6363, LossC = 0.6573, Dice_coefC = 0.5586, AccuracyV = 0.5711, LossV = 0.6785, Dice_coefV = 0.5586이며 1시간 55분이 소요되었다. Test결과 U-Net은 AccuracyT = 0.6806, LossT = 0.7180, Dice_coefT = 0.5558, Seg-Net은 AccuracyT = 0.7472, LossT = 0.5225, Dice_coefC = 0.6159로 나타났다. Seg-Net의 Calibration성능은 낮지만 일반화 성능이 뛰어나며, 모델의 빠른 학습 시간, 더 낮은 메모리 요구량으로 수수 재배지 분할에서 U-Net보다 효율적인 모델이라고 사료된다.

The purpose of this study is to develop a timely fall detection system aimed at improving elderly care, reducing injury risks, and promoting greater independence among older adults. Falls are a leading cause of severe complications, long-term disabilities, and even mortality in the aging population, making their detection and prevention a crucial area of public health focus. This research introduces an innovative fall detection approach by leveraging Mediapipe, a state-of-the-art computer vision tool designed for human posture tracking. By analyzing the velocity of keypoints derived from human movement data, the system is able to detect abrupt changes in motion patterns, which are indicative of potential falls. To enhance the accuracy and robustness of fall detection, this system integrates an LSTM (Long Short-Term Memory) model specifically optimized for time-series data analysis. LSTM's ability to capture critical temporal shifts in movement patterns ensures the system's reliability in distinguishing falls from other types of motion. The combination of Mediapipe and LSTM provides a highly accurate and robust monitoring system with a significantly reduced false-positive rate, making it suitable for real-world elderly care environments. Experimental results demonstrated the efficacy of the proposed system, achieving an F1 score of 0.934, with a precision of 0.935 and a recall of 0.932. These findings highlight the system's capability to handle complex motion data effectively while maintaining high accuracy and reliability. The proposed method represents a technological advancement in fall detection systems, with promising potential for implementation in elderly monitoring systems. By improving safety and quality of life for older adults, this research contributes meaningfully to advancements in elderly care technology.

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.

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.

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.

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 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.

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 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.

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.

This study aimed to investigate the difference that convolutional neural network(CNN) shows in the determining osteoporosis on panoramic radiograph by performing a paired test by inputting the original image and the limited image including the cortical bone of the posterior border of the mandible used by radiologists. On panoramic radiographs of a total of 661 subjects (mean age 66.3 years ± 11.42), the area including the cortical bone of the posterior part of the mandible was divided into the left and right sides, and the ROI was set, and the remaining area was masked in black to form the limited image. For training of VGG-16, panoramic radiographs of 243 osteoporosis subjects (mean age 72.67 years ± 7.97) and 222 normal subjects (mean age 53.21 years ± 2.46) were used, and testing 1 and testing 2 were performed on the original and limited images, respectively, using panoramic radiographs of 51 osteoporosis subjects (mean age 72.78 years ± 8.3) and 47 normal subjects (mean age 53.32 years ± 2.81). The accuracy of VGG-16 for determining osteoporosis was 97%, in the testing 1 and 100% in the testing 2. When determining osteoporosis on the original image, CNN showed sensitivity in a wide range of areas including not only the inferior cortical bone of the mandible but also the maxillary and mandibular cancellous bone, cervical spine, and zygomatic bone. When the same ROI including the lower inferior cortical border of the mandible of the osteoporosis group was applied and the sensitive region was compared between the original image and the limited image, the original image showed wider sensitive region in cancellous bone and cortical bone than on the limited image (p<.05). Since osteoporosis is a disease that affects throughout the skeletal system, this finding seems very valid.

포장상태 평가를 위한 노면영상 촬영은 라인스캔 방식이 주를 이루고 있다. 라인스캔 특성 상, 조사환경이나 장비특성이 달라질 경 우 밝기가 상이한 노면영상을 취득할 수 있고 이는 U-net과 같은 픽셀 단위 segmentation 딥러닝 모델의 균열 자동검출 성능에 영향을 미친다. 본 연구에서는 인공지능 검출 모델의 변경 없이 영상의 밝기 최적화와 morphology 연산기법을 노면영상 전·후처리 방법으로 제시하고 그 효과를 분석하였다. 영상 처리를 통해 과다 검출경향을 보인 이상치들이 제거되었으며 정답으로 간주할 수 있는 전문요 원 분석결과인 GT 균열률과의 상관성 또한 향상됨을 확인하였다.

This paper examines the language of comments on K-pop YouTube videos from the 1970s to the 1990s. Specifically, it analyzes the comments on compilation videos of songs by Cho Yong-pil and Hye-euni, the most popular of that era, focusing on the topics discussed and the titles used for the two singers. The analysis reveals that netizens frequently post comments in five main thematic categories. In ‘Sharing Memories’ and ‘Celebrating and Encouraging’ categories, netizens engage with one another, sharing their feelings as member of a temporary community. Regarding the use of address terms, netizens are found to treat Cho Yong-pil with more respect and reverance than Hye-euni, while also using they friendlier titles for him. This difference is interpreted as a result of factors such as the age and gender differences between the two singers, variations in name composition, career continuity, and levels of popularity. The study suggests that netizens who engage with YouTube music videos are not merely interested in the video content but also express their attitudes toward the featured artists and interact with other viewers.

방대한 빅데이터를 기반으로 발전한 인공지능 기술은 창작과 영상 예술, 인간의 고유 영역으로 여겨졌던 분야에 큰 영향을 미치기 시작했다. 전통적으로 선형적이었던 3D 애니메이션 제작 방식은 AI 이미지 생성 모델을 활용해 초기 기획, 컨셉 및 아이디어를 빠르게 비주얼화하고, 실시간 게임 엔진을 통해 실시간으로 수정 및 개선 작업을 반복하며 완성도를 높이는 비선형 적 방식으로 변화하고 있다. 본 논문에서는 Stable Diffusion의 노드 기반 비주얼 스크립트인 ComfyUI를 활용한 사전 제작 과정과 iClone 및 언리얼 엔진을 통해 디지털 휴먼을 제작하고 구체화하는 일련의 파이프라인을 분석한다. 이를 통해 전통적인 파이프라인을 넘어서는 새로운 예술적 표현의 가능성을 모색한다.

본 연구는 디지털 영상 제작 프로세스에서 점점 중요한 역할을 하고 있는 생성형 AI의 발전과 그 영향을 탐구한다. GPT, GAN 및 기타 생성 알고리즘과 같은 모델의 개발에서 AI 기술의 급속한 발전으로 영상 제작 환경이 큰 변화를 겪고 있다. ChatGPT, Runway, DALL·E, MidJourney, SunoAI 등 생성형 AI 모델의 발전으로 영상 제작 단계에서 적용 가능성이 크게 확장되었다. 생성형 AI는 아이디어 기획에서부터 최종 편집 프로세스에 이르기까지 다양한 제 작 단계를 간소화할 수 있는 잠재력이 있다. 예를 들어, AI는 플롯 아이디어나 대화를 생성하 여 대본 작성을 지원할 수 있으며, 후반 작업에서는 시각 효과를 향상시키고, 사실적인 환경을 만들거나, 반복적인 편집 작업을 자동화할 수 있다. 또한, AI 기반의 사운드 디자인 도구는 영 상 분위기에 맞춘 음악과 사운드 효과를 자동으로 생성할 수 있다. 본 연구는 현재 사용되고 있는 생성형 AI 기술을 조사하고, 특히 런웨이 AI 영화제에서 소개된 사례들을 통해 그 장점 과 한계를 분석한다. 연구 결과, 생성형 AI는 영상 제작에 드는 시간과 비용을 획기적으로 줄 일 수 있는 잠재력을 지닌 반면, 저작권 문제와 딥페이크와 같은 기술적, 윤리적 문제는 신중 한 고려가 필요함을 제시한다. 향후 연구 과제는 AI와 인간의 예술적 창의성 간의 균형을 유 지하는 방법에 관한 것이다.

이 연구의 목적은 척추 자기공명영상 검사 시, 검사시간을 단축할 수 있는 기법인 SENSE와 CS-SENSE를 경추, 흉추, 요추 검사 시 어떤 기법을 적용하는 것이 효과적인지 알아보기 위함이다. 본 연구는 2022년 10월부터 2023년 3월까지 척추질환 및 의심 환자 102명을 대상으로 분석하였다. 사용된 장비는 필립스 사의 3.0T Ingenia Elition X와 20채널 두경부 코일과 44 채널 척추 코일을 사용하였다. 본 연구는 축상 T2강조 고속스핀에코를 SENSE와 CS-SENSE factor 1.5, 2, 3으로 각각 영상을 획득하고, 정량평가는 신호대잡음비와 대조대잡음비를 각 factor 별로 대응 표본 t-test를 진행하였고, 정성평가는 2명의 평가자의 평가점수를 Kruskal-wallis test로 비교하였다. 정량평가 결과, SENSE보다 CS-SENSE가 신호대잡음비와 대조대잡음비가 높게 나왔다. 정성평가 결과, 경추, 요 추는 CS-SENSE 사용 시 평가점수가 높게 나왔고, 흉추는 SENSE 사용 시 평가점수가 높게 나왔다. 결론적으로 척추 MRI 검사 시, 경추, 요추는 CS-SENSE를, 흉추는 SENSE를 사용하는 것이 효과적이다.