• 한국방사선학회논문지
• /
• 제18권6호
• /
• pp.715-724
• /
• 2024

구조 제약형 주기 일관성 적대적 생성 신경망(Structure-constraints Cycle Genarative Adversarial Neural Networks, scCycleGANs)을 기반으로 MR-CT 간 상호 변환 모델을 구축하고자 하였다. 하드웨어 장비로 MDCT(Somatom Definition Flash CT, SIEMENS, Germany) 및 3.0T MRI(Ingenia 3.0T CX MRI, PHILIPS, Netherlands)와 소프트웨어로 Python(3.12.6), PyTorch(2.4.0)를 사용하였다. 연구 모델로는 scCycleGAN을 채택하였다. 87명의 환자의 두부 CT 및 MR(T2WI) 영상을 각각 2,871장, 2,436장 획득하였으며 총 5,307장의 의료 영상에 대해 동일 높이에서 촬영된 CT 및 MR 영상을 일차적 평가를 통해 분류해 각각 364쌍, 27쌍, 8쌍의 영상을 학습, 검증, 테스트 데이터로 라벨링 하였다. 이후 기본적인 APS frameworks 기반의 GAN 모델에 Hybrid objective function을 적용하여 모델을 구축하였으며 생성한 모델에 대한 평가를 정량적 평가와 정성적 평가로 나누어 진행하였다. 정성적 평가는 20년 이상의 경력을 가진 10인의 방사선사를 대상으로 진행하였으며 정량적 평가는 PSNR, IOU, SSIM, MAE 지표로 설정하였다. 정성평가 결과 '보통'이상의 응답으로 정의된 '긍정 응답' 비율은 합성 CT 및 MR 그룹에 대해 각 63%, 96%로 산출되었으며, 정량 평가 지표인 PSNR, SSIM, MAE에 대해 두 그룹 모두 초기의 목표 수치를 달성하였다. 우리의 연구는 의료 영상 간의 변환 및 합성 분야에 대한 기초 연구 자료로 사용될 수 있을 것이며 나아가 후속 연구 및 보완 연구를 통해 모델 경량화 등의 문제를 해결하여 임상 환경에 적용한다면 환자의 피폭 선량 부담 및 의료비 부담을 경감할 수 있을 것으로 기대된다.