최근 딥러닝은 자기공명영상 검사에서의 화질 개선을 위해 다양하게 활용되고 있다. 하지만 다양한 자기공명영상 검사에서 딥러닝이 적용된 기법과 상황에 대한 평가는 부족한 편이다. 이에 본 연구에서는 모션 ACR(American College of Radiology) 팬텀을 활용하여 일반적인 상황과 움직이는 상황에서 T2-PROPELLER(periodically, rotated overlapping parallel lines with enhanced reconstruction, PROPELLER)와 T2-FSE(fast spin echo, FSE) 기법의 화질을 비교 평가해 보고자 하였다. 연구 결과 움직이지 않는 상황에서의 딥러닝 프로세스를 적용하였을 때 유의미한 신호대잡음비와 대조대잡음비의 상승을 보였다. 하지만 팬텀에 움직임을 주는 동적인 상황 에서 딥러닝 프로세스를 적용하였을 때 유의미한 화질 개선을 보이지 않았다. 이러한 결과는 딥러닝 프로세스를 절대 적으로 사용하기보다 다양한 상황에 맞게 선택적으로 적용하는 것이 필요할 것으로 사료된다.

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.

자기공명영상 장치의 정도관리를 위한 ACR 팬텀은 팬텀내의 여러 구조물을 통하여 자기공명영상 화질을 평가할 수 있다. 본 연구는 3.0T 장비에서 Head coil에서 ACR 팬텀을 이용하여 임플란트와 치아 교정용 철사를 부착하여 영상의 고스트 신호 백분율과 절편 두께 정확도를 분석할 수 있었다. T1강조영상 첫 번째 절편과 열한 번째 절편의 임플란트 보철에서 절편위치 정확도는 수신대역폭이 230에서 좋게 나타났으며, 교정용 철사가 부착했을 때는 수신대역폭이 130일 때가 좋았다. 고스트 신호 백분율은 SE T1강조영상 일곱번째 절편에서 임플란트 보철에 추가된 교정용 철사의 경우에는 수신대역폭 230이 좋게 나타났다. 자기공명영상 검사에서 임플란트 보철 환자의 경우에 적절한 수신대역폭을 선택하여 영상의 왜곡과 신소 소실이 감소된 영상을 획득할 수 있을 것으로 사료된다.