• Investigative Magnetic Resonance Imaging
• /
• 제26권1호
• /
• pp.1-9
• /
• 2022

Artificial intelligence (AI) powered by deep learning (DL) has shown remarkable progress in image recognition tasks. Over the past decade, AI has proven its feasibility for applications in medical imaging. Various aspects of clinical practice in neuroimaging can be improved with the help of AI. For example, AI can aid in detecting brain metastases, predicting treatment response of brain tumors, generating a parametric map of dynamic contrast-enhanced MRI, and enhancing radiomics research by extracting salient features from input images. In addition, image quality can be improved via AI-based image reconstruction or motion artifact reduction. In this review, we summarize recent clinical applications of DL in various aspects of neuroimaging.

• 한국정보통신학회논문지
• /
• 제14권7호
• /
• pp.1661-1666
• /
• 2010

영상 시퀀스는 획득과정에서 주변부의 밝기 변화와 그림자 등으로 인해 원치 않는 밝기 변화가 포함될 수 있다. 시각적으로 성가신 훼손 형태로 표현되는 이러한 플리커(flicker)는 움직임 벡터의 계산이나 물체의 추출과 같은 후 처리에 많은 영향을 미치므로 미리 제거하는 것이 바람직하다. 본 논문은 플리커를 발생시키는 모델을 분석하고 이를 제거하는 새로운 알고리즘을 제안한다. 제안하는 알고리즘은 플리커를 유발하는 게인과 오프셋 파라미터를 분리하여 추정하고 이를 훼손된 영상에 보정하여 영상 시퀀스를 안정화 시킨다. 제안하는 방법을 장면에서 움직임이 없는 인위적인 테스트 영상 시퀀스와 움직임이 있는 실제 영상 시퀀스에 적용하여 알고리즘의 성능을 보였다.

• Investigative Magnetic Resonance Imaging
• /
• 제12권2호
• /
• pp.123-130
• /
• 2008

목적 : 본 논문에서는 자기공명영상 데이터 획득 시 객체의 움직임이 병렬 자기공명영상에 미치는 영향에 대하여 연구하였다. 일반적으로 병렬 자기공명영상 방법의 경우 데이터 획득 시간이 일반 자기공명영상 방법보다 짧기 때문에 움직임에 강인하다고 알려져 있다. 그러나 생체내의 비자발적인 장기 운동 등과 같은 불가피한 움직임이 포함된 경우 병렬 영상의 움직임 아티펙트는 일반적인 영상에 비하여 더 심각할 수 있다. 따라서 본 논문에서는 실제 환경에서 나타날 수 있는 다양한 움직임 종류를 정의하고, 이러한 움직임이 발생하였을 때 병렬 자기공명영상에 나타나는 영향을 일반적인 영상방법과 비교하여 살펴보았다. 대상 및 방법 : 병렬 자기공명영상 데이터를 획득할 때 발생하는 움직임에 의한 영향을 확인하기 위하여 실제 환경에서 발생할 수 있는 5가지 움직임 종류를 정의하였다. 즉 움직임-1과 2는 서로 다른 크기와 주기를 갖는 주기적인 움직임이고, 움직임-3과 4는 일정 시간 (segment) 단위로 운동하는 선형적인 움직임이다. 마지막으로 움직임-5는 비 주기 랜덤 운동이다. 사용된 영상 방법은 직각 좌표 기반 영상과 나선 주사 (비 직각 좌표) 영상으로 각각에 대해 병렬 영상법과 일반적인 영상법을 적용하여 움직임 효과를 살펴 보았다. 결과 : 본 논문에서 정의한 움직임 종류에 대한 병렬 자기공명영상에서의 움직임 효과를 알아보았다. 움직임-3과 4와 같이 병렬 자기공명영상에 의하여 움직임이 감소하는 경우 움직임 아티팩트는 일반 자기공명영상에 비하여 줄어들었다. 그러나 움직임-1과 2와 같이 주기적으로 진동할 경우 병렬 영상의 왜곡이 일반 자기공명영상에 비하여 더 크게 나타났다. 움직임-5와 같이 랜덤 한 경우 일반 자기공명영상과 병렬 자기공명영상이 서로 유사하게 나타났다. 결론 : 본 논문에서는 자기공명영상 데이터 획득 시 객체의 움직임이 병렬 자기공명영상에 미치는 영향에 대하여 연구하였다. 그 결과 병렬 자기공명영상을 통해 움직임이 줄어드는 경우를 제외한 다른 움직임 종류에 대해서는 병렬 자기공명영상보다 일반 자기공명영상이 더 좋은 화질을 나타내었다.

• 대한방사선기술학회지:방사선기술과학
• /
• 제39권1호
• /
• pp.51-57
• /
• 2016

뇌 자기공명영상(Magnetic Resornance Imaging; MRI)에서 검사 중 발생되는 소음을 줄이기 위한 기법으로 경사 파형을 변경한 Quiet $T_2$-weighted Turbo Spin-Echo(이하 Q-$T_2$)와 일반적으로 사용되는 $T_2$-weighted Turbo Spin-Echo(이하 $T_2$) 영상의 소음수준 및 영상의 질을 비교하여 그 유용성을 알아보고자 하였다. 3.0T MR 기기로 뇌 MR 검사를 받은 60명(남자 29명, 여자 31명, 평균 연령 60.1세)의 환자를 대상으로 하였다. Q-$T_2$와 $T_2$ 각각의 영상에서 소음 및 심박동수를 측정하였다. 정량적 분석은 Q-$T_2$와 $T_2$의 SNR, CNR, SIR 값을 측정한 뒤 독립표본 T검정을 이용하여 통계적 분석을 하였다. 정성적 분석은 Q-$T_2$와 $T_2$의 전체적인 영상의 질에 대하여 육안으로 평가하였다. 평가는 5점 척도로서 우수(excellent) 5점, 양호(good) 4점, 보통(fair) 3점, 불량(poor) 2점, 평가불가(unacceptable) 1점으로 평가하였다. Q-$T_2$와 $T_2$ 검사 중 평균소음과 peak소음은 Q-$T_2$가 기존 $T_2$에 비해 각각 $15dB_A$, $10dB_A$ 감소하였다. 또한 각각의 검사 중 120초 동안 심박동수의 평균값은 Q-$T_2$에서 더 낮은 값으로 나타났지만 통계적인 유의성은 없었다. 정량적 분석의 결과 CNR과 SIR은 유의한 차이가 없었으며, SNR은 Q-$T_2$가 더 낮은 평균값을 보임으로서 유의한 차이를 보였다(p<0.05). 정성적 분석은 59개의 Q-$T_2$와 $T_2$ 영상의 질이 동일하게 우수(excellent) 5점으로 평가되었으며, 1개의 영상에서 모션 아티팩트로 인해 양호(good) 4점으로 평가되었다. Q-$T_2$는 기존의 $T_2$와 같이 검사시간 및 진단의 정확도는 동일하지만 소음을 효과적으로 감소시킬 수 있으며, 이로인하여 환자 편의를 향상시킬 수 있을 것으로 사료된다.