흉골 자기공명영상 검사 시 호흡 등 환자 움직임에 의한 인공물 발생을 최소화하는 것은 어렵다. 하지만 자기공명영 상 검사는 타 영상 검사와 비교해 흉골 병변을 발견하는 데 있어 진단적 가치가 높은 장점이 있다. 따라서 본 연구에 서는 환자의 검사 자세 및 딥러닝 기법을 통해 최적의 검사 방법을 도출하고자 한다. 자세 별 영상 변화를 확인하기 위해 바로 누운 자세, 엎드린 자세, 유방 코일을 사용한 엎드린 자세로 진행하였으며, 고식적 기법의 영상과 Deep Resolve Boost(DRB) 기법을 적용한 영상을 비교 관찰하였다. 모든 대상에게 같은 조건으로 각 영상을 2회씩 획득 한 후 전반적인 영상 품질을 기준으로 정성적으로 평가하였고, DRB의 적용 여부에 따른 신호 대 잡음비의 변화 정도를 정량적으로 평가하여 개선 정도를 산출하였다. 정성적 평가에서 DRB 적용 여부와 무관하게 엎드린 자세, 유방 코일을 사용한 엎드린 자세, 바로 누운 자세 순으로 높은 점수를 얻었으며, DRB를 적용한 영상이 고식적 기법 의 영상보다 높은 점수를 얻었다. 또한 정량적 평가를 통해 유방 코일을 사용한 엎드린 자세, 엎드린 자세, 바로 누운 자세 순으로 높은 개선 정도를 확인하였다. 본 연구를 통해 흉골 검사 시 DRB 기법을 적용하는 것은 영상의 질을 높이는 방법임을 확인하였다. DRB를 적용하지 못하는 환경에서는 될 수 있으면 엎드린 자세를 적용하는 것을 권고하며, DRB를 적용할 수 있는 환경에서는 환자 측 인자를 고려하여 엎드린 자세와 유방 코일을 사용한 엎드린 자세를 모두 적용할 수 있다.

인공지능에 대한 관심이 높아짐에 따라 의료분야에서도 활발하게 인공지능이 연구되고 있다. 현재 국내에서는 엑스선 촬영, 컴퓨터단층촬영(Computer Tomography), 자기공명영상(Magnetic Resonance Imaging) 등의 의료영상장치에 인공지능이 접목되고 있으며 향후 방사선사 없이 환자의 방사선 영상을 획득 할 수 있는 인공지능을 탑재한 의료기기가 발명 될 것으로 예상된다. 본 연구는 엑스선 촬영에 있어서 환자 위치잡이에 대한 자동화에 대해서 초기 연구를 했다. 위치잡이에 대한 평가를 위해 엑스선 장비와 인체 팬텀을 사용했다. 프로그램은 Visual Studio 2010 MFC로 구현했으며 영상은 1,450 × 1,814 크기로 했다. 픽셀 값을 눈으로 식별 가능한 0 ~ 255 값을 갖는 명암으로 변환하여 모니터에 출력했다. 출력한 영상에 세 픽셀 좌표 값을 통해 각도를 예측하고 각도에 따른 음성안내에 따라 환자가 바른 위치잡이를 하도록 유도하는 절차 알고리즘 프로그램을 개발 했다. 다음 연구에서는 사용자가 좌표의 기준을 인공지능에게 전달하는 것이 아닌 인공지능 스스로 구조물을 파악하여 각도를 계산하는 연구를 진행할 것이다. 향후 위치잡이의 자동화를 통해 촬영부터 위치잡이까지 인공지능이 실시하도록 하는 연구에 도움이 될 것으로 예상된다