• Investigative Magnetic Resonance Imaging
• /
• 제9권2호
• /
• pp.117-133
• /
• 2005

자기공명영상에서 병리구조물을 깨닫기 위해서는 먼저 자기공명영상에서 정상 해부구조물을 깨달아야 한다. 자기공명영상에서 해부구조물을 익히기 위해서는 다음과 같은 학습 자료가 필요하다. 첫째, 온몸의 자기공명영상, 둘째, 수평, 이마 그리고 마루 자기공명영상, 셋째, 자기공명영상에 들어맞는 구역화영상, 넷째, 자기공명영상에 있는 해부구조물의 3차원영상, 넷째, 자기공명영상, 구역화영상 그리고 3차원영상을 볼 수 있는 소프트웨어가 필요하다. 그러나 지금까지 이러한 학습 자료를 구하기 힘들었다. 따라서 이 연구에서는 의과대학 학생과 의사가 자기공명영상에서 정상 해부구조물을 익히는 데 도움을 주는 학습 자료를 다음처럼 만들었다. 표준 체형을 가진 건강한 한국인 남성을 골랐다. 온몸의 자기공명영상 613장을 찍고(slice thickness 3 mm, interslice gap 0 mm, field of view 480mm${\times}$480mm, resolution 512${\times}$512, T1 weighted) 개인용 컴퓨터에 옮겼다. 자기공명영상에 있는 60개의 해부구조물을 구역화해서 구역화영상을 만들었다. 이마, 마루 자기공명영상과 이마, 마루 구역화영상을 만들었다. 구역화영상을 바탕으로 47개 해부구조물의 3차원영상을 수동 표면재구성 방법으로 만들었다. 자기공명영상, 구역화영상, 3차원영상을 볼 수 있는 소프트웨어를 만들었다. 이 연구에서 만든 온몸의 수평, 이마, 마루 자기공명영상, 자기공명영상에 들어맞는 구역화영상, 3차원영상, 소프트웨어와 같은 학습 자료는 의과대학 학생과 의사가 자기공명영상에서 정상 해부구조물을 익히는 데 도움을 줄 것이다. 이 학습 자료는 인터넷이나 CD를 통해서 널리 퍼뜨릴 것이다.

• 대한자기공명의과학회:학술대회논문집
• /
• 대한자기공명의과학회 2002년도 제7차 학술대회 초록집
• /
• pp.75-75
• /
• 2002

목적： 고자장 자기공명영상 시스템 등으로 신호대잡음비가 향상됨에 따라 데이터 측정에서 analog-to-digital converter (ADC)의 quantization noise 가 중요한 시스템 사양으로 부각되고 있다. 특히 자기공명영상은 공간주파수 영역에서 데이터를 측정하기 때문에 dc와 ac간의 신호 차이가 매우 크며, 이러한 dynmic range는 3-D 영상에서 더욱 커진다. 본 연구에서는 다양한 자기총명 영상기법 및 실험 파라미터에 따른 신호의 dynamic range와 ADC의 bit 수에 따른 quantization noise를 살펴봄으로써, 주어진 시스템에 적합한 ADC의 bit 수를 분석하고자 한다. 대상 및 방법： 펄스 시퀀스의 종류, 파라미터, 2D/3D 등에 따른 각 신호의 크기를 수학적으로 모델링하여 신호의 크기를 예측하였다. 또한 whole body MRI 시스템에서 실험을 통하여 신호의 크기를 비교하였다. ADC의 quantization noise를 실험과 시뮬레이션을 통하여 살펴보았다. 시뮬레이션은 test 영상을 Inverse FFT 하여 spatial frequency domain data를 만든 후, 다양한 bit 수의 ADC로 quantization을 한 후 다시 영상을 재구성하였다. 재구성된 영상과 원영상 간의 error가 quantization noise가 된다. 또한 이러한 error가 주파수 영역에서의 error 값과 일치하는지를 확인하였다.

• Investigative Magnetic Resonance Imaging
• /
• 제13권2호
• /
• pp.183-189
• /
• 2009

목적 : 유방자기공명영상에서 3 차원 최대 강도 투사 (3D MIP) 재건 영상의 유용성을 알아보고자 하였다. 대상 및 방법 : 유방암으로 진단받고 유방자기공명영상을 시행한 27명의 환자의 54개의 유방을 대상으로 하였다. GE Signa Excite Twin speed (GE medical system, Wisconsin, USA) 1.5 T 기기를 이용하여 기본 영상으로 축면 T2 강조 T1 강조 영상과 시상면 T1 강조 지방 억제 영상, 역동적 조영 증강 영상과 감산 영상을 얻었다. 이후 초기 역동적 조영증강 영상의 감산영상으로 워크스테이견 (GE Medical system)을 이용하여 3D MIP 영상을 얻었다. 3D MIP 영상과 기본 유방자기공명영상에서 발견된 병변을 ACR BI-$RADS^{(R)}$ MRI lexicon에 따라 분석하였다. 각각의 영상에서 발견된 병변의 소견들을 비교하고 3D MIP에서 기본자기공명영상에서 보다 추가적인 정보를 얻을 수 있는지 알아보았다. 결과 : 종괴의 경우 기본 유방자기공명영상에서 보이는 56개 중 43개가 3D MIP 영상에서 발견되었다 (76.8%). 비종괴성 조영 증강의 경우 20개 중 17개가 발견되었다 (85%). 169개의 초점성 조영증강 병변이 3D MIP 영상에서, 109개가 기본 유방자기공명영상에서 확인되었다. 3D MIP 영상에서 60.9%의 category 3병변이 발견되었고(14/23), 68.87%의 category 4 병변 (11/16), 100%의 category 5병변 (28/28)이 발견되었다. 3D MIP 영상에서 분석된 조영증강 병변들의 category가 기본 유방 자기공명 영상의 결과들과 통계적으로 일치하였다(p-value < 0.0001). 기본 유방 자기공명 영상에서 초점으로 분석된 2개의 병변들이 3D MIP 영상에서는 다초점성의 악성 병변으로 발견되었고, 1개의 추가적 병변이 3D MIP 영상에서만 발견되었다. 결론 : 3D MIP 영상은 한계점들을 갖고 있으나, 기본 유방자기공명영상의 분석에 있어 추가적으로 이용 시 유용하다.

• Investigative Magnetic Resonance Imaging
• /
• 제18권4호
• /
• pp.290-302
• /
• 2014

목적: 자화율 강조 자기공명영상 (Susceptibility-weighted imaging)은 혈액분해산물, 석회화, 철 침착물을 발견하는데 있어 높은 민감도를 보이는 3D spoiled gradient-echo pulse sequence 이다. 본 임상화보는 자화율 강조 자기공명영상의 주된 임상적 적용에 대해 설명하고 논의하는 데에 그 목적이 있다. 대상과 방법: 자화율 강조 자기공명영상은 자기강도영상 (magnitude image)과 위상영상 (phase image)을 이용한 고해상도, 3D fully velocity-compensated gradient-echo sequence 에 기초를 두고 있다. 정맥 구조물의 가시성을 향상시키기 위해, 자기강도영상은 여과된 위상 데이터 (phase data) 로부터 발생된 위상 마스크 (phase mask)를 이용해 증폭되고, 이것은 최소강도투사 (Minimal intensive projection) 알고리즘을 이용한 3D dataset 후처리 과정을 거치게 된다. 3T 자기공명기기에서 SWI를 포함하는 자기공명영상 검사를 시행한 총 200명의 환자를 대상으로 연구하였다. 결과: 자화율 강조 자기공명영상은 다양한 뇌 질환의 발견에 매우 유용하였다. 200명의 환자 중 80명은 선천성 정맥 기형, 22명은 해면상 혈관종, 12명은 다양한 질환에서의 석회화, 21명은 혈관자화 징후 (susceptibility vessel sign) 또는 미세출혈을 동반하는 뇌혈관 질환, 52명은 뇌종양, 2명은 미만성 축삭 손상, 3명은 동정맥 기형, 5명은 뇌경막 동정맥루, 1명은 모야모야병, 그리고 2명은 파킨슨병이 관찰되었다. 결론: 자화율 강조 자기공명영상은 미세 저혈량 혈관성 병변, 석회화 그리고 미세출혈과 다양한 뇌병변의 진단에 유용하다.

• 대한의용생체공학회:의공학회지
• /
• 제21권2호
• /
• pp.145-156
• /
• 2000

본 논문에서는 중앙시상 두뇌 자기공명영상 분할결과를 이용한 3차원 시상 두뇌 자기공명영상의 자동분할기법을 제안한다. 제안된 알고리즘에서는 먼저 3차원 시상 두뇌 자기공명영상의 중앙영상을 분할하고, 분할된 중앙두뇌 자기공명영상을 인접하는 영상에 마스크로 적용한다. 이 때 마스크 적용으로 인하여 인접하는 영상이 절단되는 문제가 발생할 수 있다. 이러한 문제를 해결하기 위하여 절단 영역의 경계점을 검출한 후, 절단 영역에 대한 경로 재설정을 통해 절단 영역을 복원한다. 이러한 경로 재설정을 위해 connectivity-based threshold segmentation algorithm을 사용하였다. 실험결과 제안된 알고리즘의 유용성을 확인할 수 있었다.

• Investigative Magnetic Resonance Imaging
• /
• 제12권2호
• /
• pp.142-147
• /
• 2008

목적 : 본 연구는 핵자기공명 분광기를 개조한 미세영상 기법을 이용하여, 동물실험에 주류를 이루는 mouse를 대상으로, 0.1 mm 이내의 초고해상도 자기공명영상을 5분 정도 시간 안에 획득할 수 있는 방법을 개발하고자 하였다. 대상 및 방법 : 사용된 mouse는 C57BL/6로서 무게 50 그램 이내의 mouse를 사용하였다. 본 연구에 활용된 초전도 자석은 구경 89 mm, 4.7 T의 자기장 세기를 가진 수직형 자석이며, 사용된 샘플 코일의 직경은 30 mm 이고, 사용된 펄스시퀀스는 fast spin echo (FSE) 및 gradient echo (GE) 기법들이다. 결과 : 최적의 자기공명영상 파라미터를 확보하면서 2차원 영상으로서 수소밀도 및 T2 강조 영상을 획득하였다. 영상으로부터 mouse 뇌의 미세부분까지 상세히 해부학적 구조를 확인할 수 있었고, 또한 입체적인 정보를 획득하기 위하여 3D 영상도 부가적으로 획득하였다. 조영제를 이용한 dynamic contrast 연구에 3D 영상이 매우 유용하였다. 결론 : 본 연구를 통하여 mouse 뇌에 대한 고해상도 자기공명영상 획득을 위한 최적의 파라미터를 확보할 수 있었고, 또한 성공적인 자기공명영상도 획득하였다. 즉, 사람이나 다른 소동물뇌의 경우와 같이 mouse 뇌 조직의 다양한 부위의 미세부분을 확인할 수 있는 충분한 고해상도의 영상을 획득하였다. 최근 국내에서 mouse를 이용한 자기공명영상 연구가 시작되었으나 아직 초기단계라고 평가할 수 있고, mouse는 다른 동물에 비하여 취급/관리하기 쉬우므로 향후 mouse를 이용한 뇌 연구가 활성화 될 것으로 사료된다.

• 대한의용생체공학회:의공학회지
• /
• 제20권1호
• /
• pp.69-73
• /
• 1999

본 논문에서는 자기공명영상의 외부윤곽을 검출하기 위한 Snakes에 근거한 알고리즘을 제안하였다. 첫 번째 자기공명영상에서 물체의 외부윤곽을 수동으로 검출하고, 이를 다음 자기공명영상의 외부윤곽을 검출하기 위한 초기 제어점으로 사용하였다. 나머지 자기공명영상의 외부윤곽을 자동으로 검출하기 위하여 이웃한 영상간의 상관성을 이용한 에너지항을 Greedy Snakes알고리즘에 추가하였다. 제안한 알고리즘의 정확도를 평가하기 위해 BMD 측정방법을 사용하였으며, 제안된 알고리즘의 결과가 Greedy 알고리즘의 결과에 비해 높은 BMD 값을 얻음으로써 수동검출한 외부윤곽과 더욱 유사한 결과를 구할 수 있었다.

• 대한자기공명의과학회:학술대회논문집
• /
• 대한자기공명의과학회 2001년도 제6차 학술대회 초록집
• /
• pp.148-148
• /
• 2001

목적： 자기 공명 혈관 영상(MR Angiography)법으로 혈관 촬영시, 혈관 협착으로 인하여 난류 현상이 발생되는 곳에서는 영상 자체가 얻어지지 않는다. 기존에 TE를 줄이거나 또는 projection reconstruction 방법은 2차원 TOF(Time of Flight)에 적용이 되어서 좋은 결과를 얻었다. 그런데, 2차원 TOF보다는 3차원 TOF으로 보다 좋은 혈관 영상을 얻을 수가 있다. 하지만, 3차원 TOF 방법에 projection reconstruction 방법을 적용하는 데는 여러 가지 문제점이 있어서 개발되어 있는 것이 거의 없다. 본 연구에서는 3차원 TOF 방법에 projection reconstruction 방법을 적용하여서 혈관내의 난류 현상에 의한 영상의 왜곡을 극복하는 방법을 개발한다. 대상 및 방법： 3차원 projection reconstruction을 위한 pulse sequence를 실제 진단에 사용하는 GE사의 자기공명영상장치(1.5T)에 맞게 독자적으로 개발한다. GE사의 장비에서 자료를 얻어서 일반 컴퓨터에서 영상을 재구성하는 알고리즘을 자체 개발한다. 혈관에서와 비슷한 형태의 난류를 발생시킬 수 있는 기구를 만들어서 실제 혈관영상에 사용하는 방법과 개발한 방법으로 영상을 비교한다.

• 한국의학물리학회지:의학물리
• /
• 제10권1호
• /
• pp.33-40
• /
• 1999

목적 : 본 논문은 2차원과 3차원 신경계 자기공명영상에서 뼈 주위에 있는 여러 조직의 신호세기를 계산하고 측정값과 비교 분석하는 데 목적을 두었다. 대상 및 방법 : 신경계 양성자 강조영상은 뼈를 제외한 뇌척수액과 근육 및 지방 등 모든 조직을 보여준다. 또한 자기공명영상을 이용하면 2차원이나 3차원 영상을 얻을 수 있다. 본 연구에서는 2차원 영상기법으로 2차원 고속스핀반향 (Fast spin-echo) 영상법을 사용하였고 3 차원 영상기법으로는 3차원 경사자계반향(Gradient-echo) 영상법을 사용하였다. 2차원 스핀반향 (Spin-echo)과 3차원 경사자계반향 영상법에 나타난 뇌척수액과 근육 및 지방의 신호세기를 알아내기 위해 2차원 스핀 반향과 3차원 경사자계반향의 신호세기의 이론값을 계산하였다. 2차원 고속스핀반향 영상법에서는 양성자 강조영상을 얻기 위해 긴 반복시간 (4000 ms) 과 짧은 반향시간(TE$_{eff}$ =22 ms)을 적용하였다. 3차원 경사자계반향 영상법에서는 양성자 강조영상을 얻기 위해 작은 꺽임각 (8$^{\circ}$) 과 짧은 반복시간 (35 ms) 및 짧은 반향시간 (3 ms)을 적용하였다. 결과: 2차원 고속스핀반향 영상법에서는 뇌척수액과 근육 및 지방의 영상 대조도가 우수하였고 신호 대 잡음비(SNR) 값은 39-57 사이였다. 3차원 경사자계반향 영상법에 나타난 뇌척수액과 근육 및 지방의 영상 대조도는 2차원 고속스핀반향 영상법의 결과와 비슷하였지만 신호 대 잡음비(SNR) 값은 26-33 사이였다. 신호 대 잡음비는 2차원 고속스핀반향 영상법이 3차원 경사자계반향 영상 법보다 높았고 가장자리 향상효과 때문에 2차원 고속스핀반향 영상에서 머리뼈의 가장자리를 쉽게 구별할 수 있었다. 덧붙여 2차원 고속스핀반향 영상에 나타난 뇌척수액과 근육 및 지방 사이의 대조도는 강한 신호세기와 향상된 뇌척수액의 가장자리 때문에 상당히 우수하였다. 결론 : 2차원과 3차원 신경계 자기공명영상에서 머리뼈 주위에 있는 여러 조직의 신호세기를 계산하고 측정값과 비교 분석하였다. 뇌척수액과 근육 및 지방의 계산값과 측정값의 영상 대조도와 신호 대 잡음비 값이 2차원 고속스핀반향 영상법과 3차원 경사자계반향 영상법에서 대체로 일치하였다. 그렇지만 2차원 고속스핀반향 영상에서 뇌척수액과 근육 및 지방 사이의 대조도가 우수하였고 신호 대 잡음비는 상대적으로 높았으며 상대적으로 짧은 영상시간이 소요되었다.

• 대한자기공명의과학회:학술대회논문집
• /
• 대한자기공명의과학회 2001년도 제6차 학술대회 초록집
• /
• pp.141-141
• /
• 2001

목적： 최근 들어 컴퓨터 그래픽의 발전과 함께 가상 현실 등에 연구 및 응용이 급증하고 있다. 본 연구의 목적은 fMRI를 이용하여 이차원 및 삼차원 시각자극에 대한 뇌의 기능을 살펴보는 것이다. 같은 영상에 대한 2D와 3D영상을 보여 주면서, fMRI 영상 데이터를 얻었다. 사람에게 미치는 자극 중에 하나인 시각 자극에서 2D와 3D에 대해 반응하는 차이를 규명하고자 하였다. 대상 및 방법： Gradient echo를 기반으로 한 EPI 영상기법을 이용하여, 가톨릭 의대의 3.0 Tesla whole body MRI system에서 실험하였다. 해부학적 영상을 얻기 위해서는 spin echo를 이용하였다. 4명의 volunteer에 대해 같은 영상에 대한 2D와 3D영상을 보여주면서 실험을 수행하였다. 시각자극의 paradigm은 5단계 (rest, active, rest, active, rest)로 하였고, 3번의 rest와 2번의 active구간을 사이에 두었다. 각각의 구간은 10번의 iteration으로 이루어져 있고, 첫 번째 구간은 15번으로 하여 처음 5개의 결과를 버리고, 데이터를 얻었다. 결과는 spm99를 이용하여 분석하였다.