Characterization of Deep Learning-Based and Hybrid Iterative Reconstruction for Image Quality Optimization at Computer Tomography Angiography

전산화단층촬영조영술에서 화질 최적화를 위한 딥러닝 기반 및 하이브리드 반복 재구성의 특성분석

Abstract

For optimal image quality of computer tomography angiography (CTA), different iodine concentrations and scan parameters were applied to quantitatively evaluate the image quality characteristics of filtered back projection (FBP), hybrid-iterative reconstruction (hybrid-IR), and deep learning reconstruction (DLR). A 320-row-detector CT scanner scanned a phantom with various iodine concentrations (1.2, 2.9, 4.9, 6.9, 10.4, 14.3, 18.4, and 25.9 mg/mL) located at the edge of a cylindrical water phantom with a diameter of 19 cm. Data obtained using each reconstruction technique was analyzed through noise, coefficient of variation (COV), and root mean square error (RMSE). As the iodine concentration increased, the CT number value increased, but the noise change did not show any special characteristics. COV decreased with increasing iodine concentration for FBP, adaptive iterative dose reduction (AIDR) 3D, and advanced intelligent clear-IQ engine (AiCE) at various tube voltages and tube currents. In addition, when the iodine concentration was low, there was a slight difference in COV between the reconstitution techniques, but there was little difference as the iodine concentration increased. AiCE showed the characteristic that RMSE decreased as the iodine concentration increased but rather increased after a specific concentration (4.9 mg/mL). Therefore, the user will have to consider the characteristics of scan parameters such as tube current and tube voltage as well as iodine concentration according to the reconstruction technique for optimal CTA image acquisition.

전산화단층촬영조영술(computer tomography angiography, CTA)의 최적 화질을 위한 서로 다른 요오드 농도와 스캔 매개변수를 적용하여 필터 보정 역투영 (filtered back projection, FBP), 혼합형 반복재구성 (hybrid-iterative reconstruction, hybrid-IR) 및 딥러닝 재구성 (deep learning reconstruction, DLR)의 화질적 특성을 정량적으로 평가하였다. 320행 검출기 CT 스캐너에서 지름 19 cm의 원통형 물 팬텀 가장자리에 있는 다양한 요오드 농도 (1.2, 2.9, 4.9, 6.9, 10.4, 14.3, 18.4 및 25.9 mg/mL)의 팬텀을 스캔하였다. 각각의 재구성 기술을 사용하여 획득한 데이터는 노이즈 (noise), 변동 계수 (coefficient of variation, COV) 및 평균 제곱근 오차 (root mean square error, RMSE)을 통해 영상을 분석하였다. 요오드의 농도가 증가할수록 CT number 값은 증가하였지만 노이즈 변화는 특별한 특성을 보이지 않았다. 다양한 관전류 및 관전압에서 FBP, adaptive iterative dose reduction (AIDR) 3D 및 advanced intelligent clear-IQ engine (AiCE)에 대해 요오드 농도를 증가할수록 COV는 감소하였고 요오드 농도가 낮을 때는 재구성 기술 간의 COV 차이가 다소 발생하였지만, 요오드 농도가 높아짐에 따라 그 차이는 미약한 결과를 보였다. 또한, AiCE에서는 요오드 농도가 높아질수록 RMSE는 감소하지만 특정한 농도 (4.9 mg/mL) 이후에는 RMSE가 오히려 증가 되는 특성을 보여주었다. 따라서 최적의 CTA 영상 획득을 위해 재구성 기술에 따른 요오드 농도의 변화 및 다양한 관전류 및 관전압의 스캔 매개변수의 특성을 고려하여 환자 스캔을 해야 할 것이다.

Ⅰ. INTRODUCTION

전산화단층촬영(computer tomography, CT) 시스템의 처리속도 및 저장 능력이 부족하게 되면 영상 재구성 처리속도가 제한하기 때문에 단시간에 영상을 확인해야 하는 임상에서는 사용의 한계가 있었다^[1,2]. 그러나 최근 몇 년 동안 그래픽 카드는 게임 산업 및 자율주행 자동차와 같은 다양한 영역에서 개발되었으며 전송 속도 및 저장 능력이 월등히 우수해졌다. 컴퓨터 성능이 향상됨에 따라 보다 정교한 신경망이 개발될 수 있으며 의료분야에도 최신 버전의 딥러닝 재구성(deep learning reconstruction, DLR)을 사용할 수 있게 되었다^[3].

필터 보정 역투영(filtered back projection, FBP) 기술의 특징 중 획득한 데이터는 잡음이 없다(noise-free)고 가정하기 때문에 영상 처리 속도가 다소 느려도 활용도가 높았다^[4]. 하지만 FBP에서 방사선량이 낮거나 과도한 비만 환자를 검사할 때 인공물(artifact) 영상을 생성한다^[5]. FBP 기술 이후 대표적인 CT 재구성 기술 중의 하나인 반복재구성 (iterative reconstruction, IR) 기술은 지난 10여 년 동안 활용도가 높으면서 여전히 새로운 기술이 개발되고 있다^[6,7]. 특히 혼합형 IR (hybrid-IR)의 새롭고 더 정교한 버전 {(adaptive iterative dose reduction 3D [3] (Canon Medical, Ottawa, Japan)}이 본 병원에 설치되어 운영 중이며, IR 영상은 FBP 영상보다 노이즈 및 인공물을 감소시키기 때문에 방사선 노출을 줄이고 진단 능력을 향상하는 데 널리 사용된다^[8,9].

최근 인공지능(artificial intelligence, AI)은 감지, 인식 및 분할에서 DLR을 기반으로 하는 새로운 유형의 재구성 기술에 이르기까지 여러 영상화 응용분야에서 상당한 관심을 불러일으키고 있고^[10,11], 새로운 재구성 방법으로 Canon과 GE사 모두 최근버전(Canon의 AiCE 및 GE의 True Fidelity)을 출시하였다. DLR은 저선량 화질을 유지할 뿐만 아니라 고화질 그리고 빠른 재구성 속도라는 강점이 있다^[12,13]. Advanced intelligent clear-IQ engine (AiCE) (Canon Medical, Otawara, Japan)는 최초로 상용화된 DLR 기술이며 깊은 합성 곱 신경망을 사용하여 이미지 내의 노이즈와 실제 신호를 구별한다.

전산화단층촬영조영술(computer tomography angiography, CTA)은 FBP 그리고 IR 등 다양한 재구성 기술과 함께 신경 혈관 형태학 및 질병 진단을 위해 여전히 활용도가 높다. CTA는 저선량 및 미세혈관의 해상도를 향상하기 위해 multi energy 기술 또는 DLR 기술은 다방면으로 임상에 적용하고 있다^[3,14,15]. 또한, CTA를 통한 조영제 양을 줄이거나 저농도 조영제를 사용하여 기존과 유사한 화질 및 조영제 부작용을 줄이려는 연구가 진행되고 있다^[16-18]. 따라서 본 논문에서는 최적화된 CTA 영상품질을 얻기 위한 다양한 재구성 기법(FBP, hybrid-IR 및 DLR), 스캔 매개변수(관전류 및 관전압) 및 조영제 농도에 따른 영상의 품질 및 특성을 정량적으로 평가하고자 한다.

Ⅱ. MATERIAL AND METHODS

1. 영상 획득

본 연구는 320행 검출기(320-row-detector) CT 시스템(Aquilion One PRISM Edition, Canon Medical Systems, Otawara, Japan)을 이용하여 수행되었다. 검출기 콜리메이션(detector collimation)은 0.5 × 80 mm, 시야(field of view)는 280 mm, 갠트리 회전 속도는 0.35초, 광역 스캐닝 피치 팩터(wide-volume scanning pitch factor)는 0.813이었다. 다양한 관전류 및 관전압 변화에 따른 화질 특성을 분석하기 위한 첫 번째, 관전류 변화는 80, 100, 150, 200, 250 및 350 mA이고 각각의 CTDI_vol은 4.2, 5.2, 7.8, 10.4, 13 및 18.2 mGy 이며 이때 관전압은 120 kVp로 고정하였다. 두 번째, 관전압 변화는 80, 100, 120 및 135 kVp에 각각의 관전류는 280, 140, 80 및 60 mA를 적용하였고 각 관전압에 대한 CTDI_vol은 4.2 mGy로 같았다. 관전류는 자동 노출 제어를 사용하지 않고 수동으로 선택되었다. 다양한 농도의 조영제 CT 영상을 평가하기 위해 지름 19 cm의 원통형 물 팬텀 가장자리에 3 cc 주사기 9개를 부착하였다. 부착된 주사기 내에 조영제 (Omnipaque 350 mg I/mL; GE Healthcare, Oslo, Norway)는 일정량의 증류수와 혼합하여 다양한 요오드 농도(1.2, 2.9, 4.9, 6.9, 10.4, 14.3, 18.4 및 25.9 mg/mL)를 제조하였다.

Fig. 1-(a)에서는 제작된 팬텀을 스캔하기 위해 CT 갠트리에 설치된 모습을 보여준다. CT 원시 (raw) 데이터는 커널 FC13을 적용한 FBP, 중간 샤프 커널(medium-sharp kernel) FC14 (AIDR 3D)를 적용한 hybrid-IR 및 body-sharp option (AiCE)을 적용한 DLR을 사용하여 재구성하였다. AIDR 3D와 AiCE는 mild, standard 및 strong 세 가지 강도의 레벨을 선택적으로 적용할 수 있다.

Fig. 1. (a) The setup and cross-sectional CT images of a water phantom (diameter: 19 cm) containing nine vials of 1 cm diameter filled with different iodine concentrations (1.2 ~ 25.9 mg/ml) WL/WW : 0/400. Representative images acquired at CTDI_vol (4.2 mGy), (b) FBP, (c) AIDR 3D (standard), (d) AiCE (standard).

2. 영상의 정량적 평가

물과 요오드 팬텀에서 관심 영역(region of interest, ROI) 내 평균 CT number (hounsfield unit, HU)의 표준편차(standard deviation, SD)로 정의되는 영상 노이즈를 측정하였다. CT number 및 노이즈 측정은 Image J(버전 1.45, NIH, Bethesda, MD, USA)를 사용하여 각 요오드 팬텀의 중심에 15.5 mm²의 원형 ROI를 그려서 수동으로 얻었다^[19]. 물 팬텀의 노이즈는 물이 채워진 영역에서 팬텀 지름이 50%인 중앙 ROI에서 측정되었다. CNR은 CNR = (HU_contrast – HU_water) / SD_water 수식을 사용하여 계산되었다. HU_contrast는 특정 지름의 요오드 조영제가 채워진 바이알의 평균 픽셀값을 나타내고 HU_water 및 SD_water는 물의 평균 픽셀값과 표준편차를 나타낸다.

다양한 요오드 농도, 관전류 및 관전압에 따른 영상의 노이즈를 정량적으로 나타내는 변동 계수 (coefficient of variation, COV)를 COV= μ / σ로 계산하였다. COV는 평균 HU값 (μ)에 대한 표준편차 SD (σ)의 비율로 정의되었다. FBP 대비 AIDR 3D와 AiCE의 CT number 값 변화율을 평가하기 위해 평균 제곱근 오차(root mean square error, RMSE)를 계산하였다^[20]. N은 인서트 수 즉, 평가에 사용된 조영제 농도의 개수이고, R_i는 기준값인 FBP의 값이며, C_i는 비교 값인 AIDR 3D와 AiCE 값이다.

\(\begin{aligned}\mathrm{RMSE}=\frac{1}{\mathrm{~N}} \sqrt{\sum_{\mathrm{i}=1}^{\mathrm{N}}\left(\mathrm{R}_{\mathrm{i}}-\mathrm{C}_{\mathrm{i}}\right)^{2}}\end{aligned}\)       (1)

Ⅲ. RESULT

Fig. 1-(a)은 물 팬텀 (지름: 19 cm)의 가장자리에 서로 다른 요오드 농도(1.2, 2.9, 4.9, 6.9, 10.4, 14.3, 18.4 및 25.9 mg/mL)로 채워진 지름 1 cm의 9개 바이알이 CT 스캐너 중앙에 위치하였고, CTDIvol (4.2 mGy)에서 획득된 재구성 기술에서 파생된 CT 영상; (b) FBP, (c) AIDR 3D (standard), (d) AiCE (standard)을 보여준다.

Table 1은 120 kVp, 80 mA의 조건으로 다양한 재구성 기술 (FBP, AIDR 3D 및 AiCE)에서 파생된 다양한 요오드 농도의 영상에서 측정된 대표적인 CT number 값 및 노이즈이다. 요오드의 농도가 증가할수록 CT number 값은 증가 되지만, 노이즈는 특별한 특성을 보이지 않았다.

Table 1. Representative CT numbers and image noise measured from images of different iodine concentrations derived from different reconstruction techniques (FBP, AIDR 3D and AiCE ) at 120 kVp, 80 mA. CT Number (HU) ± Noise (HU) were used to express the measured values

Fig. 2는 FBP 재구성 기술을 적용한 다양한 관전류 (80, 100, 150, 200, 250 및 350 mA) 및 관전압 (80, 100, 120 및 135 kVp)에 따른 CNR은 요오드 농도의 증가에 따라 CNR은 선형적으로 증가하였고, 관전류가 높을수록 그리고 관전압이 낮을수록 CNR은 증가하는 특성을 보였다.

Fig. 2. CNR for various (a) tube currents (80, 100, 150, 200, 250, and 350 mA) and (b) tube voltages (80, 100, 120, and 135 kVp) at different iodine concentrations with FBP.

Fig. 3-(a)는 물 팬텀에서 다양한 관전류와 관전압에 따른 다양한 재구성 기술로 도출된 노이즈를 보여주고 있다. 그 결과 관전류가 증가할수록 모든 재구성 기법의 노이즈는 감소 되었다. 그리고 Fig. 3-(b)는 관전압 증가에 따른 다양한 재구성 기술로 도출된 노이즈를 보여주고 있다. 관전압이 증가하여도 모든 재구성 기술로 도출된 노이즈는 변화하지 않고 유지되었다.

Fig. 3. Noise derived from different reconstruction techniques in a water phantom was measured for different (a) tube currents (80, 100, 150, 200, 250 and 350 mA) and (b) tube voltages (80, 100, 120 and 135 kVp).

Fig. 4는 서로 다른 요오드 농도 및 관전압(80, 100, 120 및 135 kVp) 에서 FBP, AIDR 3D 및 AiCE에 대한 COV이고, 요오드의 농도가 증가할수록 COV는 감소하는 결과를 보여주었다. FBP 대비 AIDR 3D와 AiCE의 HU값 변화율을 평가하기 위해 RMSE를 계산하였다.

Fig. 4. COV (%) for FBP, AIDR 3D and AiCE at different iodine concentrations and tube voltages (80, 100, 120, 135 kVp). The dose (CTDI_vol: 4.2 mGy) is the same for all.

Fig. 5는 서로 다른 요오드 농도에서 다양한 관전류 (80, 100, 150, 200, 250 및 350 mA)에서 FBP, AIDR 3D 및 AiCE에 대한 RMSE의 결과이다. AiCE에서 요오드 농도가 높아질수록 RMSE는 감소하지만 특정한 농도 이후에는 RMSE가 오히려 증가 되는 특성을 보여주었다.

Fig. 5. RMSE (HU) for FBP, AIDR 3D and AiCE at different iodine concentrations and tube currents (80, 100, 150, 200, 250 and 350 mA). Tube voltage is fixed at 120 kVp without change.​​​​​​​

또한, Fig. 6은 관전류 및 관전압 변화에 따른 물팬텀의 다양한 재구성 기술 영상의 RMSE의 결과, 각 재구성 기술에 관전류 변화에 따른 RMSE는 뚜렷한 변화는 없었지만 관전압이 증가할수록 RMSE는 감소하는 경향을 보였다.

Fig. 6. RMDS (HU) of water phantom images as a function of (a) tube currents (80, 100, 150, 200 and 250, and 350 mA) and (b) tube voltages (80, 100, 120, and 135 kVp) derived from different reconstruction techniques (FBP, AIDR 3D and AiCE).​​​​​​​

Ⅳ. DISCUSSION

멀티에너지 CT뿐만 아니라 IR 및 DLR 이 임상에 적용되면서 CTA 스캔 시 환자의 선량을 최소화하고 최적의 화질을 달성하기 위해 사용자는 다양한 CT 스캔 매개변수 및 조영제 농도에 따른 특성을 고려해야 한다. 본 연구에서는 다양한 조영제 농도와 스캔 매개변수(관전류 및 관전압)에 따른 FBP, IR (AIDR 3D) 및 DLR (AiCE)의 화질 특성을 정량적으로 평가하였다.

FBP 재구성 기술을 적용한 다양한 관전류 및 관전압 변화에서 요오드 농도의 증가에 따라 CNR은 선형적으로 증가 되었다. 관전류가 높을수록 CNR이 증가하는 이유는 CT number 값은 변화가 없지만 노이즈는 감소하기 때문이고, 반면 관전압이 낮을수록 CNR이 증가하는 이유는 관전압이 낮을수록 노이즈는 변화 없지만, CT number 값은 증가하기 때문에 이러한 특성을 보여준다. 물 팬텀에서 관전류가 증가할수록 모든 재구성 기술(FBP, AIDR 3D 및 AiCE)의 노이즈는 감소 되었고, 관전압이 증가하여도 모든 재구성 기술의 노이즈는 변화하지 않고 유지되었다. 결론적으로 요오드의 농도가 증가할수록 CT number 값은 증가 되지만, 노이즈는 특별한 특성을 보이지 않았다.

본 연구의 주요 분석 첫 번째로 영상의 노이즈를 정량적으로 나타내는 평가 요소인 COV를 분석하였다. 서로 다른 관전압에서 FBP, AIDR 3D 및 AiCE에 대해 요오드의 농도가 증가할수록 COV는 감소하는 결과를 보여주었다. 요오드 농도가 낮을 때는 재구성 기술 간의 COV 차이가 다소 발생하였지만, 요오드 농도가 높아짐에 따라 그 차이는 미약한 결과를 보여주었다. 일반적으로 화질이 우수한 영상은 COV가 낮다. 두 번째로 FBP 대비 AIDR 3D와 AiCE의 CT number 값 변화율을 평가하기 위해 RMSE를 분석하였다. 서로 다른 요오드 농도 (1.2, 2.9, 4.9, 6.9, 10.4, 14.3, 18.4 그리고 25.9 mg/mL)에서 다양한 관전류 변화에 따른 FBP, AIDR 3D 및 AiCE에 대한 RMSE의 결과 요오드 농도에 따라 FBP와 AIDR 3D의 CT number 값의 변화 즉, RMSE는 거의 같은 HU 변화율을 나타내었다. 하지만 AiCE는 요오드 농도가 낮은 농도에서 높은 농도로 이동할 때 일정 구간까지 감소하였지만 4.9 mg/mL 구간 이후에는 RMSE는 오히려 증가되는 특성을 보여주었다. AiCE는 요오드 농도가 낮을 때 FBP와 AIDR 3D보다 CT number 값이 낮지만, 요오드 농도가 높을수록 CT number 값이 역전되는 현상 때문이다.

추가로 물 팬텀에서 관전류 및 관전압 변화에 따른 다양한 재구성 기술 영상의 RMSE의 결과 전반적으로 AIDR 3D보다 AiCE가 높았고, 관전류 변화에 따른 RMSE는 뚜렷한 변화는 없었지만 관전압이 증가할수록 RMSE는 감소하는 경향을 보였다. 이러한 결과들은 관전류 변화에 따라 재구성 기술 영상의 CT number 값은 영향을 받지 않지만 관전압은 재구성 기술 및 강도 레벨에 따른 영향을 받는다는 것을 증명 해 주고 있다.

Ⅴ. CONCLUSION

CTA 영상에서 조영제 농도에 따른 재구성 기술의 선택은 밀접한 관계가 있고 뿐만 아니라 환자의 나이 및 체질량 지수에 따라 적절한 선량을 선택하는 것이 필요하다^[17,21]. 따라서 최적의 CTA 영상 획득을 위해 재구성 기술에 따른 요오드 농도의 특성 뿐만 아니라 다양한 관전류 및 관전압 등의 스캔 매개변수의 특성을 고려하여 환자 스캔 및 진단을 해야 할 것이다.