Evaluation of Noise Level and Blind Quality in CT Images using Advanced Modeled Iterative Reconstruction (ADMIRE)

고급 모델 반복 재구성법 (ADMIRE)을 사용한 CT 영상에서의 노이즈 레벨 및 블라인드 화질 평가

Abstract

One of the typical methods for lowering radiation dose while maintaining image quality of computed tomography (CT) is the use of model-based iterative reconstruction (MBIR). This study is to evaluate the image quality by adjusting the strength of the advanced modeled iterative reconstruction (ADMIRE), which is well known as a representative model of MBIR. The study was conducted using phantom, and CT images were obtained while adjusting the strength of ADMIRE in units of 1 to 5. Quantitative evaluation includes noise levels using coefficient of variation (COV) and contrast to noise ratio (CNR), as well as natural image quality evaluation (NIQE) and blind/referenceless image spatial quality evaluator (BRISQUE). As a result, in both noise level and blind quality evaluation results, the higher the strength of ADMIRE, the better the results were derived. In particular, it was confirmed that COV and CNR were improved 1.89 and 1.75 times at ADMIRE 5 compared to ADMIRE 1, respectively, and NIQE and BRISQUE were proved to be improved 1.35 and 1.22 times at ADMIRE 5 compared to ADMIRE 1, respectively. In conclusion, this study was proved that the reconstruction strength of ADMIRE had a great influence on the noise level and overall image quality evaluation of CT images.

전산화단층촬영장치 (Computed Tomography, CT)의 화질을 유지하면서 방사선량을 낮추기 위한 대표적인 방법 중에 하나는 모델기반 반복 재구성법 (Model-Based Iterative Reconstruction, MBIR)을 사용하는 것이다. 본 연구에서는 MBIR의 대표적인 모델로 잘 알려진 고급 모델 반복 재구성법 (Advanced Modeled Iterative Reconstruction, ADMIRE)의 강도를 조절하여 영상의 화질을 평가하고자 하였다. 연구는 팬텀을 사용하여 수행되었고, ADMIRE의 강도를 1에서부터 5까지 1 단위로 조절하면서 CT 영상을 획득하였다. 정량적 평가는 변동 계수 (coefficient of variation, COV)와 대조도 대 잡음비 (contrast to noise ratio, CNR)를 활용한 노이즈 레벨과 natural image quality evaluator (NIQE)와 blind/referenceless image spatial quality evaluator (BRISQUE)의 블라인드 품질 평가를 수행하였다. 결과적으로 노이즈 레벨 및 블라인드 품질 평가 결과에서 모두 ADMIRE의 강도가 높아질수록 우수한 결과가 도출되었다. 특히, COV와 CNR은 ADMIRE 1에 비하여 5에서 각각 1.89 및 1.75배 향상됨을 확인하였고, NIQE와 BRISQUE는 재구성 강도 1에 비하여 5에서 각각 1.35 및 1.22배 향상됨이 증명되었다. 결론적으로 ADMIRE의 재구성 강도는 CT 영상의 노이즈 레벨 및 전체적인 화질 평가에 큰 영향을 끼친다는 것을 증명하였다.

I. INTRODUCTION

전산화단층촬영 (Computed Tomography, CT) 장비는 발전을 거듭해오며 현재 의료 분야에서 핵심적인 영상의학 장치로 자리 잡고 있다. 이는 사용 빈도의 증가로 이어지고 있으며 보건복지부 통계에 따르면, 국내 CT 검사의 건수는 2015년 약 770 만 건에서 2019년 약 1, 152만 건으로 매년 그 수가 계속해서 증가하는 추세이다^[1]. 또한, 초고령화 시대를 눈앞에 두고 있는 이 시점에서 질병 예방 및 양질의 의료 서비스에 대한 수요가 더욱 증가할 것으로 예상할 수 있다. 그러나 CT는 다른 영상의학 장비 중에서도 방사선 피폭량이 많아 이를 저감화하기 위한 노력이 필요하다. 그 노력의 일환으로 영상 재구성 방법의 발전을 통해 영상의 질을 유지하며 방사선 피폭량을 감소하고 있다.

CT의 단면 영상 재구성을 위해 가장 많이 사용하는 방법은 필터 후 역투영 (Filtered Back-Projection, FBP) 기법이다. 이 기법은 다양한 각도에서 획득한 피사체의 2차원 평면 영상을 필터 보정을 통해 변환한 후 획득한 방향으로 다시 역투영하는 방법이다^[2]. 이 때 필터 보정을 통해 역투영 기법으로 재구성된 단면의 흐림 현상을 제거할 수 있으며, 사용되는 필터의 종류에 따라 단면 영상의 노이즈를 제거하고 공간해상도를 향상시킬 수 있다. 하지만, FBP의 경우 고화질 영상을 위해 수백 장의 투영 영상이 필요하고 이는 방사선 피폭량을 증가시키기 때문에 이러한 점들을 개선하기 위해 제안된 방법이 반복적 재구성법 (Iterative Reconstruction, IR)이다^{[3, 4]}. IR은 하이브리드 반복적 재구성법 (Hybrid Iterative Reconstruction, Hybrid IR)과 모델기반 반복 재구성법 (Model-Based Iterative Reconstruction, MBIR)으로 구분된다. 이 중에서도 MBIR은 측정된 raw projection data를 업데이트 하여 역투영시켜 이미지 데이터를 얻은 후 영상화 과정의 모델링을 거쳐 다시 투영시켜 시뮬레이션된 투영데이타를 얻고 이를 처음 raw projection data와의 차이를 비교하는 과정이 반복적으로 처리되는 알고리즘이다^[4]. 기존의 FBP와 hybrid IR과 다르게 더욱 정확하고 복잡한 과정을 거치는 특징을 가지며, 그 장점들이 다양한 연구를 통해 증명되었다^{[5, 6]}.

본 연구에서는 CT 영상 재구성 방법 중 MB IR에 속하는 고급 모델 반복 재구성법 (Advanced Modeled Iterative Reconstruction, ADMIRE)의 특성을 알아보기 위하여 다양한 강도에서의 노이즈 레벨과 블라인드 품질의 평가들을 수행하고자 한다.

Ⅱ. MATERIAL AND METHODS

1. 팬텀 및 장비

본 연구에서는 ATOM Adult Male 팬텀 (CIRS, Virginia, USA) 및 SOMATOM Force CT (Siemens Healthcare, Erlangen, Germany) 장비를 사용하였다.

2. 영상 획득

팬텀을 촬영한 조건은 관전압 100 kVp 및 CARE Dose 4D를 통해 Eff.mAs 237을 사용하였다. 또한, rotation time는 0.5 s, slice thickness는 3.0 mm, increment는 3.0 mm, pitch는 1, 그리고 volume (CTDI_vol)은 9.5 mGy로 설정하였다. 영상의 재구성을 위해 ADMIRE의 강도는 1부터 5까지 조절하였고, 이러한 조절을 통해 영상의 노이즈를 감소시켰으며 화질을 변화시켰다.

3. 영상의 정량적 평가

획득된 ADMIRE의 강도별 CT 영상에서의 노이즈 레벨과 블라인드 품질 평가를 수행하기 위하여 다양한 정량적 평가 인자를 사용하였다.

영상의 노이즈 레벨은 신호와 노이즈를 함께 분석할 수 있는 변동 계수 (Coefficient of Variation, COV)와 대조도를 복합적으로 관찰할 수 있는 대조도 대 잡음비 (Contrast to Noise Ratio, CNR)를 기본적으로 평가하였다. COV와 CNR의 계산 수식은 아래와 같다.

\(C O V=\frac{\sigma_{A}}{S_{A}}\)       (1)

\(C N R=\frac{\left|S_{A}-S_{B}\right|}{\sqrt{\sigma_{A}^{2}-\sigma_{B}^{2}}}\)       (2)

여기서 S_A와 \(\sigma_{A}\)는 target 영역에서의 신호강도의 평균값과 표준편차를, S_B와 \(\sigma_{B}\)는 background 영역에서의 신호강도의 평균값과 표준편차를 각각 나타낸다. Fig. 1은 샘플 영상에 본 연구에서 COV 및 CNR 평가를 위해 사용된 관심 영역 (region of interest, ROI)을 표시한 것이다. Fig. 1에서 ROI_1은 뼈 영역을, ROI_2는 조직 영역을 포함시켰다. COV 의 평가는 각각의 ROI별로 수행하였고, 2가지 조직에서의 ROI에서의 CNR 값을 계산하였다. CNR의 계산은 신호를 뼈로, background를 조직으로 설정하여 계산하였다. 블라인드 품질 평가 방법으로는 Mittal 등에 의해서 제안된 training 기반의 natural image quality evaluator (NIQE)와 blind/referenceless image spatial quality evaluator (BRISQUE)를 사용하였다^[7].

Fig. 1. Acquired sample image including ROIs for calculating coefficient of variation (COV) and contrast to noise ratio (CNR).

2가지 평가 인자는 비슷한 원리가 적용되지만 세부적으로는 NIQE는 원본 영상의 데이터 그룹을 기반으로 왜곡되어 있는 영상들과의 특징 거리를 계산하는 원리를 사용하고, BRISQUE는 왜곡되어 있는 데이터 그룹을 기반으로 비슷한 유형의 영상의 품질을 평가하는 원리를 적용한다는 점에서 차이가 있다.

Ⅲ. RESULTS

Fig. 2는 ADMIRE의 재구성 강도별 획득된 CT 팬텀 영상이다. ADMIRE 1부터 5까지 1 간격으로 강도를 조절하여 모두 동일한 위치에서의 영상을 획득하였다. 육안적으로 관찰하였을 때, ADMIRE 의 강도가 가장 높은 5 레벨에서 영상의 노이즈가 가장 줄어드는 것을 확인할 수 있었다.

Fig. 2. Acquired CT phantom images using various ADMIRE reconstruction methods.

Fig. 3은 ADMIRE의 재구성 강도별로 획득된 CT 팬텀 영상에서 노이즈 레벨을 측정한 결과이다. Fig. 3-(a)는 뼈와 조직 영역에서의 각각의 COV 결과로, 2개의 평균값은 ADMIRE 1에서부터 5까지 각각 0.016, 0.013, 0.013, 0.010, 그리고 0.008로 도출되었다. 또한, Fig. 3-(b)는 2개의 영역에서의 CNR을 계산한 결과로 ADMIRE 1에서부터 5까지 각각 54.89, 67.38, 66.01, 79.05, 그리고 96.25 값이 도출되었다.

Fig. 3. Results of the (a) COV and (b) CNR as function of ADMIRE reconstruction method.

Fig. 4는 ADMIRE의 재구성 강도별로 획득된 CT 팬텀 영상에서 블라인드 품질 평가를 수행한 결과이다. Fig. 4 (a)는 NIQE 결과로, ADMIRE 1에서부터 5까지 각각 7.10, 6.94, 6.11, 6.09, 그리고 5.26 값이 도출되었다. 또한, Fig. 4 (b)는 BRISQUE 결과로, ADMIRE 1에서부터 5까지 각각 39.57, 39.24, 38.00, 36.86, 그리고 32.46 값이 도출되었다.

Fig. 4. Results of the (a) NIQE and (b) BRISQUE as function of ADMIRE reconstruction method.

Ⅳ. DISCUSSION

CT 영상 재구성 방법 중 IR은 영상의 노이즈를 감소 시켜 적은 선량으로도 영상의 질을 유지할 수 있는 좋은 도구가 될 수 있다. 그러나 IR의 강도 높은 적용은 노이즈를 제거하는 데 최우선으로 작동함으로 영상의 정보를 손실 및 왜곡시킬 수 있어 이로 인한 이질적인 느낌을 줄 수 있다. 그러므로 IR의 세기에 따른 다양한 측면에서의 영상 화질 평가가 필수적이다.

본 연구에서의 COV 및 CNR 평가 인자를 통한 노이즈 레벨과 NIQE 및 BRISQUE의 블라인드 품질 평가에서 모두 ADMIRE의 재구성 강도가 높아질수록 향상된 값이 도출되었다. COV 및 CNR 결과에서는 ADMIRE 강도를 5로 사용하였을 때, 가장 약한 1에서보다 각각 약 1.89배 및 1.75배 향상되는 것을 확인할 수 있었다. 또한, NIQE와 BRISQUE 결과도 ADMIRE 5 강도를 적용하였을 때, 1에 비하여 각각 약 1.35배 및 1.22배 향상되었다. 결과적으로 노이즈 레벨과 블라인드 품질 평가와의 경향성은 거의 일치한다고 증명되었으며, 전체적인 CT 영상의 화질에 노이즈가 크게 기여한다는 사실이 증명되었다. 또한, Shim 등에 의한 사전연구 결과와는 다르게 NIQE와 BRISQUE의 공간 분해능 및 노이즈 레벨 측면에서의 관련성과는 다르게 본 연구에서는 전체적인 블라인드 품질 평가 결과가 COV와 CNR의 결과에 민감하다고 확인되어 재구성 알고리즘에 따른 정량적 분석 시에는 더욱 세밀한 연구가 필요할 것으로 사료된다^[8].

영상의 노이즈 레벨 평가 중 COV를 통해 뼈와 조직 간의 평가를 따로 진행하였고, 결과적으로 뼈 영역에서는 ADMIRE의 강도가 높아질수록 더 낮은 COV를 나타냈으며, ADMIRE 5의 COV가 월등하게 낮은 값을 나타냄이 증명되었다. 조직영역의 경우에도 마찬가지로 ADMIRE의 강도가 높아질수록 더 낮은 COV를 나타내었으며 뼈에서보다 ADMIRE 1 과 ADMIRE 5가 큰 차이를 나타냄이 확인되었다. 이는 복부 범위의 영상에서 평가된 ADMIRE 1과 ADMIRE 5의 노이즈 레벨 차이가 조직 영역으로 인한 영향이 더욱 크게 작용하였다고 해석할 수 있을 것이다. 또한, 조직에서 ADMIRE의 강도에 따른 노이즈 레벨 차이가 커지므로 복부 영상에서 ADMIRE의 강도가 높을수록 노이즈의 편차가 클 것으로 예상할 수 있다.

이전 논문에 의하면 FBP에 비해 ADMIRE 영상의 경우 선량을 50%까지 감소시키면서도 해부학적 구조물에서 노이즈가 감소함을 나타내었다. 또한 모든 대조도의 영역에서도 ADMIRE 3보다 ADMIRE 5 에서 노이즈 감소가 큰 것을 나타내며 본 논문의결과와 비슷한 경향성을 나타내었다^{[9, 10]}. 그러나 ADMIRE의 강도가 강할수록 영상 노이즈 감소의 효과가 강하지만 ADMIRE 5보다 ADMIRE 3을 사용하는 것이 더 추천되고 있다. 이는 영상 노이즈가 많이 감소할수록 생기는 영상의 질감 변화나 공간 분해능의 변화가 “plastic, ” “oil-paint, ” or “blotchy” 등 다양한 부정적인 질감을 느끼게 하고 ^[11] 또한 영상의학과 판독의마다 다르게 느껴지기 때문에 판독의 일관성을 저하시킬 수 있기 때문이다^[12-14]. 본 논문의 결과에서도 마찬가지로 ADMIRE 강도를 가장 높게 사용하였을 때 낮을 때에 비하여 NIQE와 BRISQUE 결과가 큰 차이를 보여주었고, 이는 크게 변화된 영상 화질로 인하여 사용자 측면에서 이질감을 발생시킬 우려가 있음이 증명되었다.

본 논문의 한계점으로, 첫 번째로는 표준 팬텀으로 평가 진행함으로써 실제로 노이즈가 많이 있을 비만 환자에 대한 ADMIRE의 강도에 따른 영상평가를 진행하지 못하였다. 두 번째로 kernel값에 따라 ADMIRE의 영향을 평가하지 못하였다.

ADMIRE는 선택된 kernel값에 따라 다른 목표를 가지고 수행된다. Body vascular kernel의 경우 고대 조도 혈관 구조에 대한 경계영역의 선예도를 증가시키기 위해 수행되며 이와 반대로 Quantitative regular kernel의 경우 최소한의 선예도 향상 효과를 기반으로 수행된다. 마지막으로, CARE Dose 4D를 통해 영상을 획득함으로써 발생할 수 있는 영상 화질의 차이를 무시하였다. 향후 연구에서는 kernel 값에 따른 ADMIRE의 영향을 확인함으로써 다양한 임상 분야로의 적용 가능성을 평가할 계획이다.

Ⅴ. CONCLUSION

본 연구에서는 모델링 반복적 재구성기법 중 ADMIRE의 강도에 따른 영상 화질의 변화를 평가하였다. CT 영상의 화질은 ADMIRE의 강도가 높아질수록 향상됨을 알 수 있었고 뼈보다 조직영역에서 ADMIRE의 강도에 따른 영상의 노이즈 감소 효과가 커지는 것을 알 수 있었다. 결론적으로 본 연구 결과들은 ADMIRE를 사용하는 CT 영상의 기초연구 자료로 활용될 수 있을 것으로 기대된다.