본 연구는 간 담도기 이미지에서 CAIPIRINHA, 압축 센싱(CS), 딥러닝(DL) 기법을 비교하여 주관적 영상의 질과 국소병변 을 평가하였다. 후향적 연구로 간 담도기 이미지를(획득 시간, CAIPIRINHA 16초, DL 11초, CS 15초; 절편두께, 3mm, 3mm, 1.5mm) 포함한 가도세틱산 조영증강 자기공명영상을 시행한 51명의 환자에서 3개의 이미지와 국소 간 병변은 주관적 이미지 질 평가를 분석하였다. 간 가장자리 선명도는 CAIPIRINHA(3.9±0.8), DL(4.5±0.6), CS(4.5±0.8), 호흡에 의한 운동 허상은 CAIPIRINHA(4.3±0.9), DL(4.7±0.6), CS(4.5±0.8)를 보였다. 21명 환자의 48개 병변에서, 가장자리 선예 도는 CAIPIRINHA(4.3±0.7), DL(4.5±0.6), CS(4.6±0.5), 선명도는 CAIPIRINHA(4.4±0.7), DL(4.7±0.5), CS (4.7±0.5)을 보였다. DL은 검사 시간을 줄이면서 CAIPIRINHA와 비슷한 질을 보이고 호흡 허상을 줄일 수 있다. CS는 얇은 절편 영상의 획득이 가능하여 비슷한 영상의 질을 보여 선택적으로 유용하게 사용할 수 있다.

본 연구는 MRCP 검사에서 대부분 시간이 소요되는 T2 3D 검사 시 CS 기법을 적용해 시간을 단축하고 동시에, CS 계수와 De-noising 계수를 변화시켜 그에 따른 영상 변화에 관하여 연구하고자 하였다. 본 연구는 환자 대신에 3D 프린터를 사용하였으며, 지름 0.55cm인 실리콘 bile duct를 제작하여 실험하였다. 실험 조건은 CS 계수를 1.1, 5, 10, 15, 20, 25로 변화시켰으며, 각각 변화된 CS 계수마다 De-noising 계수를 1, 100, 250, 500, 750, 1000으로 변화시켜 설정된 조건으로 5번씩 검사를 시행하고, 나머지 매개변수는 같게 하여 영상을 획득하였다. 계수 설정 별로 획득된 영상을 SNR, CNR, SSIM 값 순으로 측정하여 비교, 평가하였으며 검사 소요 시간의 변화도 측정하였다. 실험 결과 CS 계수를 기준으로 De-noising을 변화시킨 그룹과 De-noising 계수를 기준으로 CS 계수를 변화시킨 그룹에서 SNR과 CNR 전체적으로 유의하게 감소하였다(p<0.05). 또한, 검사 소요 시간은 CS 계수의 변화에 따라 많이 감소하였다. 특징적으로는 모든 계수 를 변화시킨 그룹에서 De-noising 계수 10, De-noising 계수 100의 그룹이 SNR과 CNR이 가장 높았으며, 구조적인 유사도를 측정하는 SSIM 값도 가장 높은 것으로 나타났다(p<0.05). 결론적으로, 환자의 호흡정지 기법이 가능한 CS 계수 15 이상에서 De-noising 10 또는 De-noising 100의 조합이 영상의 질과 검사 소요 시간에 있어 가장 최선의 계수 설정이며, 특히 CS 계수 20, De-noising 계수 100의 영상이 기준 영상 SNR의 90%, CNR의 97.2%, 구조적 유사성 98.7%로 가장 우수한 설정값으로 나타났다. 본 연구의 CS 계수와 De-noising 계수의 설정은 영상의 질적 수준을 일정 수준 유지하며, MRCP 검사에서 많은 시간이 소요되는 T2 3D sequence의 검사소요 시간을 단축시켜 진단적인 능력은 유지하며 검사 소요 시간을 줄이는 기초자료로 사용 될 것이라고 사료된다.

목적：간 역동적 검사 시 호흡이 불규칙하거나 호기 후 정지의 어려움을 갖는 환자의 경우 영상의 질이 저하된다. 이 문제점을 해결하기 위해서 GRAPPA, CAIPIRHINA, Compressed Sensing 기법을 사용하여 호흡 정지 시간을 단축하고 있다. 본 연구에서는 acceleration factor 8, 9, 10을 적용한 CS 기법과 초기 동맥기와 동맥기를 동시에 얻을 수 있는 Double arterial phase 기법을 사용하여 VIBE 영상을 얻어 비교함으로써 최적 acceleration factor 값과 phase를 평가해보고자 한다. 대상 및 방법：2019년 8월 19일부터 9월 20일까지 본원에서 간 MRI 검사를 시행한 환자 15명을 대상(남자 10명 여자 5명 64±12.6세)으로 단일 호흡 정지 동안 2번 측정되는 double phase image를 사용할 때, acceleration factor를 각각 8, 9, 10으로 변화를 주고 다른 변수들은 같게 하여 실험을 진행하였다. 획득한 acceleration factor 값과 phase가 다른 각 영상의 SNR, CNR을 측정하여 정량적 평가를 진행하고, 정성적 영상평가와 호흡 정지 시간의 변화를 비교하였다. 결과：같은 phase에서 acceleration factor의 값이 9, 10, 8 순으로 SNR이 높았으며, acceleration factor가 8, 10일 경우 SNR이 phase 1보다 phase 2가 높았고, acceleration factor가 9일 경우에는 phase 1가 더 높았다. phase 1의 CNR은 acceleration factor 9, 8, 10 순으로 높았고, phase 2에서의 CNR은 acceleration factor 9, 10, 8 순으로 높았다. acceleration factor가 8, 9인 경우는 phase 1의 CNR이 높았고, 10인 경우 phase 2의 CNR이 높았다. 결론：본 연구의 실험결과를 종합하였을 때 acceleration factor 9를 적용한 double phase image 중 Phase 1에서 가장 높은 SNR과 CNR을 확인할 수 있었다. 또한, 호흡 정지시간 역시 acceleration factor 8 대비 acceleration factor 9에서는 13% 감소하고, acceleration factor 10에서는 20% 감소한 효과를 얻었다. CS 기법을 사용한 간의 역동적 Double Phase 검사 시 영상의 질의 변화에 큰 유의함이 없는 상태로 acceleration factor를 조절하여 호흡 정지시간을 줄이고, 2개의 영상 중 선택하여 임상적으로 활용할 수 있다고 생각한다.

목 적 : 의료영상평가의 특성상 전문가의 정성적인 평가에 의존함에 따른 비용과 시간의 제약에 대한 문제점을 해소하고자 본 연구에서는 MR 확산 텐서 영상에 Compressed sensing 기법을 적용하여 복원한 영상과 원본 영상과의 정확도를 정량적으로 평가하기 위하여 fiber tract을 수치적으로 나타낼 수 있는 변수들의 상관관계를 분석하여 정량적 평가 방법의 기준을 제시하고자 한다. 대상 및 방법 : 2014년 3월부터 5월까지 본원에 내원한 환자 중 평균 나이 53.8 ± 15세(남성 3명, 여성 2명)의 뇌 질환이 의심되는 환자들에 대해 3.0T MRI(Archiva, Philips medical system, Netherlands)를 사용하여 뇌 MR 확산 텐서 영상을 얻었다. 획득한 원본 확산 텐서 영상들은 Compressed Sensing기법을 이용하여 under-sampling 후 영상복원의 정도(reduction factor)를 달리하여 재구성하였다. 각 신경 섬유 다발 영상들의 Fiber statics를 분석하여 신경 섬유의 총 개수, 한 단위 복셀 당 신경 섬유의 개수, 확산 텐서 영상에서 비등방성을 나타내는 고유의 값인 FA, RA, VR값과 평균 확산 계수(Mean Diffusivity), Radial Diffusivity, Eigen Value, Tensor Trace로 총 9개의 변수 값을 구하였다. 정성적 분석은 영상의학과 판독의 1명, 5년 이상 MRI 근무 경력이 있는 방사선사 4명에게 원본 영상과 비교하여 보았을 때 복원 영상이 진단적 가치가 있는지를 매우 양호하지 않다(1), 양호하지 않다(2), 보통(3), 양호하다(4), 매우 양호하다(5)의 항목으로 나누어 각각의 영상에 대하여 설문 조사를 하였다. 정성적 분석 결과와 변수들의 값을 회귀 분석을 통해 상관관계를 분석하여 식을 도출하였다. 결 과 : 25개의 training/test dataset에 대한 각 변수에 대한 가중치들을 회기 분석하여 구한 값을 통해 구한 test dataset의 정량적 분석과 전문가 집단의 정성적 분석과의 오차는 평균 19%를 보였으며 이 가중치 값들을 바탕으로 뇌 MR 확산 텐서 영상의 고속화에 다른 정확도를 정량적으로 평가하기 위한 방법의 식을 얻을 수 있었으며 평균 11%의 오차율을 보였다. 또한 sample data 수를 증가하여 결과를 예측해 보기 위하여 붓스트랩을 적용하여 15개의 복원된 뇌신경 섬유 영상의 원본과의 차이를 나타낸 변수 값들의 데이터를 training set으로 정하여 410개의 sample data를 바탕으로 구해진 가중치들의 값을 통해 얻은 식은 평균 7%의 오차율을 보였다. 결 론 : 전문가들의 정성적 평가에서 5명 모두 동일한 의견을 나타냈을 때는 8%에 지나지 않았으며 각 영상의 정성적 평가 평균값과 다른 의견을 보인 전문가들의 오차율은 평균 36%였다. 따라서 본 연구의 11%와 7% 오차율은 전문가들 중에서 이견을 보일 수 있는 오차율 보다 작아 허용 가능한 범위에 있는 것으로 보이며 이 두 식은 정확도를 평가하는 데 있어 정성적 평가방법을 충분히 대체할 수 있을 것으로 보인다. 하지만 정량적 평가의 정확도를 좀 더 높이기 위해서는 오차를 줄이기 위해 더 많은 training/test dataset의 실험을 추가하여 개선해 나아가면 될 것으로 보인다.