• 한국방사선학회논문지
• /
• 제17권4호
• /
• pp.541-549
• /
• 2023

본 연구는 CT 촬영 시 금속으로 인해 발생한 금속 인공물 감소를 위한 알고리즘 적용에 따른 영상 화질에 대한 정량적 비교를 하고자 한다. Spectral detected-based CT와 CT ACR 464 팬톰을 이용하여 일반적인 필터보정역투영 알고리즘을 적용한 기준 영상을 10장 획득하고, 동일 팬톰에 금속 인공물을 발생시켜 일반적인 필터보정역투영 알고리즘을 적용한 영상을 10장 획득하였다. 금속 인공물을 발생시켜 획득한 영상의 원시 데이터에 metal artifact reduction 알고리즘, 가상 단일 에너지 알고리즘, metal artifact reduction 알고리즘 적용 후 추가로 가상 단일 에너지 알고리즘을 적용한 영상을 각각 10장씩 획득하였다. 알고리즘 적용에 따른 hounsfield unit 비교를 위해 CT ACR 464 팬톰 module 1에 위치한 폴리에틸렌, 뼈, 아크릴, 공기, 물에 관심영역을 설정하고, 전체 영상 화질 평가를 위해 평균 제곱근 오차, 평균 절대 오차, 신호 대 잡음비, 최대 신호 대 잡음비, 구조적 유사도 지수 지표를 통해 알고리즘 별 비교하였다. 알고리즘 적용 영상 별 hounsfield unit 비교 결과 알고리즘 적용 영상 간 유의한 차이를 보였으며(p < .05), 아크릴을 제외한 관심영역에서 가상 단일 에너지 알고리즘 적용 영상에서 큰 변화를 나타냈다. 영상 화질 평가 지표 결과 metal artifact reduction 알고리즘 적용 영상 화질이 가장 높았으나, 구조적 유사도 지수는 metal artifact reduction 알고리즘 적용 후 추가로 가상 단일 에너지 알고리즘이 동시에 적용된 영상이 가장 높았다. CT 촬영 시 금속 인공물 감소에 metal artifact reduction 알고리즘이 가상 단일 에너지 알고리즘에 비해 효과적이었지만, 양질의 CT 영상 획득을 위해 알고리즘 적용에 따른 이점과 영상 화질 변화를 파악하고 효율적인 활용이 필요하다고 사료된다.

• 대한영상의학회지
• /
• 제83권6호
• /
• pp.1286-1297
• /
• 2022

목적 고관절 인공치환물을 가진 환자에서 여러 가지 금속인공물 감소 효과를 비교하였다. 대상과 방법 이 연구는 고관절 인공치환술과 이중에너지 전산화단층촬영을 시행한 47명 환자에서 시행하였다. 금속에서 발생한 인공물 감소효과는 서로 다른 3개의 영상(고식적 영상, 금속인공물 감소영상, 가상 단일에너지 영상)에서 비교하였다. 이를 위해 인공관절 주변 7곳에서 금속인공물에 대한 정량적 분석과 정성적 분석을 시행하였다. 결과 금속인공물 감소영상에서 가장 낮은 영상잡음과 인공물 지수를 보였고, 다음으로는 가상 단일에너지 영상이었다. 금속인공물 감소영상은 저음영 인공물이 매우 심한 영역에서만 높은 대조도를 보인 반면, 가상 단일에너지 영상은 인공물 주변 골조직과 그 외 영역에서 높은 대조도를 보였다. 연부조직 분석에서도 금속인공물 감소영상이 더 우수함을 보여 주었다. 정성적 분석에서도 금속인공물 감소영상이 가상 단일에너지 영상보다 인공물 감소 효과가 뛰어남을 밝혔지만, 이차적인 인공물 발생도 가장 흔히 발생하였다. 결론 금속인공물 감소영상이 심한 금속인공물감소에 가장 뛰어난 효과를 보였지만 새로운 이차적 인공물을 발생시켰다. 가상 단일에너지 영상은 인공물 주변 골조직 평가에서 우수함을 보였다.

• 대한영상의학회지
• /
• 제83권5호
• /
• pp.1032-1045
• /
• 2022

말초동맥질환은 고령의 환자들에게서 흔하게 발생하며, 하지 동맥 단층촬영 혈관조영술은 말초동맥질환을 발견하고 치료 계획을 세우는데 유용하다. 특히, 이중에너지 단층 촬영을 통해 낮은 kiloelectron volt (이하 KeV) 영상부터 높은 KeV 영상까지 단일 에너지 영상을 재구성하면, 말초동맥질환을 정확하게 평가하는데 도움이 된다. 일반적으로 낮은 KeV 영상은 높은 대조도를 제공해 주지만, 낮은 KeV 영상은 높은 KeV 영상보다 더 심한 잡음을 제공한다는 단점도 있다. 최근에 낮은 KeV 영상에서 잡음을 극복하기 위해 Mono+ 기술이 도입되었다. 따라서, 본 임상 화보에서는 Mono+ 기법으로 시행한 하지동맥 단층촬영 혈관조영술에서의 말초동맥질환의 영상 소견을 보여주며 낮은 KeV 영상과 높은 KeV 영상의 특성이 어떻게 다른지 비교하여 보여주고자 한다. 많은 사례에서, 전체적인 영상의 질과 말초동맥질환을 평가하고자 하는 구간에서의 영상의 질은 모두 높은 KeV에서 더 좋았고, 금속 인공물과 정맥 오염은 높은 KeV 영상에서 감소했다.

• Korean Journal of Radiology
• /
• 제24권4호
• /
• pp.294-304
• /
• 2023

Objective: We aimed to investigate whether image standardization using deep learning-based computed tomography (CT) image conversion would improve the performance of deep learning-based automated hepatic segmentation across various reconstruction methods. Materials and Methods: We collected contrast-enhanced dual-energy CT of the abdomen that was obtained using various reconstruction methods, including filtered back projection, iterative reconstruction, optimum contrast, and monoenergetic images with 40, 60, and 80 keV. A deep learning based image conversion algorithm was developed to standardize the CT images using 142 CT examinations (128 for training and 14 for tuning). A separate set of 43 CT examinations from 42 patients (mean age, 10.1 years) was used as the test data. A commercial software program (MEDIP PRO v2.0.0.0, MEDICALIP Co. Ltd.) based on 2D U-NET was used to create liver segmentation masks with liver volume. The original 80 keV images were used as the ground truth. We used the paired t-test to compare the segmentation performance in the Dice similarity coefficient (DSC) and difference ratio of the liver volume relative to the ground truth volume before and after image standardization. The concordance correlation coefficient (CCC) was used to assess the agreement between the segmented liver volume and ground-truth volume. Results: The original CT images showed variable and poor segmentation performances. The standardized images achieved significantly higher DSCs for liver segmentation than the original images (DSC [original, 5.40%-91.27%] vs. [standardized, 93.16%-96.74%], all P < 0.001). The difference ratio of liver volume also decreased significantly after image conversion (original, 9.84%-91.37% vs. standardized, 1.99%-4.41%). In all protocols, CCCs improved after image conversion (original, -0.006-0.964 vs. standardized, 0.990-0.998). Conclusion: Deep learning-based CT image standardization can improve the performance of automated hepatic segmentation using CT images reconstructed using various methods. Deep learning-based CT image conversion may have the potential to improve the generalizability of the segmentation network.

• 한국진공학회지
• /
• 제17권4호
• /
• pp.311-316
• /
• 2008

저에너지(수 eV) 양전자 빔을 이용하여 도체나 반도체의 표면/계면의 물리화학적 특성 분석에 독특한 유용성이 보고 되고 있다. 기존의 표면 분석법에 비해 표면의 선택도가 향상되어 반도체 소자의 박막 두께가 얇아지는 최신기술에 적합한 분석법으로 주목을 받고 있다. 물질표면에 조사된 저에너지 양전자는 표면 근처의 image potential에 포획이 되어 표면에 있는 전자들과 쌍소멸하며 Auger 전자를 방출한다. 표면으로부터 방출된 Auger 전자의 에너지를 측정함으로 원자의 화학적 구별이 가능하므로 검출기의 에너지 분해도가 중요하다. 기존의 ExB 형태의 에너지 측정기는 분해도가 $6{\sim}10\;eV$ 정도이고 특정한 에너지 영역만을 일정시간 스캔하여 스펙트럼을 측정하므로 측정시간이 길어진다는 단점이 있다. 반면에 Time-Of-Flight(TOF) 시스템은 방출되는 전자들의 에너지를 동시에 검출하므로 측정시간이 단축되어 측정 효율이 향상된다. 에너지 분해도를 높이기 위해서는 측정하고자 하는 전자의 진행거리를 길게 할수록 좋으나, 공간적 제약을 고려한 reflected TOF 시스템과 retarding tube을 이용한 linear TOF 시스템의 에너지 분해도를 이론적으로 시뮬레이션하였다.