• 대한영상의학회지
• /
• 제84권1호
• /
• pp.240-252
• /
• 2023

목적 소아 환자에서 두부 컴퓨터단층촬영(이하 CT)에 대한 딥러닝 이미지 재구성(deep learning image reconstruction; 이하 DLIR; TrueFidelity; GE Healthcare, Milwaukee, WI, USA)의 효과를 평가하고자 한다. 대상과 방법 총 126개의 소아 두부 CT 이미지를 수집했으며, adaptive statistical iterative reconstruction (이하 ASiR)-V를 사용한 반복적 재구성 및 세 가지 수준의 DLIR을 사용한 재구성을 시행하였다. 각 이미지 세트 그룹은 환자의 연령에 따라 4개의 그룹으로 구분하였으며 각 연령군의 임상 및 방사선량 관련 데이터를 검토하였다. 양적 매개 변수에는 signal to noise ratio (이하 SNR) 및 contrast to noise ratio (이하 CNR)가 포함되었으며 질적 매개 변수로 영상의 잡음(noise), 회백질의 구분 정도, 선명도, 인공물 및 수용 가능성(acceptability), 영상의 질감이 포함되었고 이에 대한 평가와 비교를 시행하였다. 결과 모든 연령 그룹의 모든 수준의 SNR 및 CNR은 높은 수준의 DLIR 사용 시 증가하였다. ASiR-V와 비교했을 때 높은 수준의 DLIR은 SNR 및 CNR이 개선되었다(p < 0.05). 그리고 DLIR의 수준이 증가될수록 순차적인 잡음 감소, 회백질 구분 개선, 선명도 개선이 나타났다. 이러한 변수들에서 높은 수준의 DLIR 사용 시 ASiR-V와 유사한 정도의 수치가 측정되었다. 인공물과 수용 가능성의 경우에 적용된 DLIR 수준 간에 큰 차이를 보이지 않았다. 결론 소아 두부 CT에 고수준 DLIR을 적용하면 영상의 노이즈를 줄일 수 있으나 인공물 처리에 대한 개선이 필요하다.

• Korean Journal of Radiology
• /
• 제22권1호
• /
• pp.131-138
• /
• 2021

Objective: Iterative reconstruction degrades image quality. Thus, further advances in image reconstruction are necessary to overcome some limitations of this technique in low-dose computed tomography (LDCT) scan of the chest. Deep-learning image reconstruction (DLIR) is a new method used to reduce dose while maintaining image quality. The purposes of this study was to evaluate image quality and noise of LDCT scan images reconstructed with DLIR and compare with those of images reconstructed with the adaptive statistical iterative reconstruction-Veo at a level of 30% (ASiR-V 30%). Materials and Methods: This retrospective study included 58 patients who underwent LDCT scan for lung cancer screening. Datasets were reconstructed with ASiR-V 30% and DLIR at medium and high levels (DLIR-M and DLIR-H, respectively). The objective image signal and noise, which represented mean attenuation value and standard deviation in Hounsfield units for the lungs, mediastinum, liver, and background air, and subjective image contrast, image noise, and conspicuity of structures were evaluated. The differences between CT scan images subjected to ASiR-V 30%, DLIR-M, and DLIR-H were evaluated. Results: Based on the objective analysis, the image signals did not significantly differ among ASiR-V 30%, DLIR-M, and DLIR-H (p = 0.949, 0.737, 0.366, and 0.358 in the lungs, mediastinum, liver, and background air, respectively). However, the noise was significantly lower in DLIR-M and DLIR-H than in ASiR-V 30% (all p < 0.001). DLIR had higher signal-to-noise ratio (SNR) and contrast-to-noise ratio (CNR) than ASiR-V 30% (p = 0.027, < 0.001, and < 0.001 in the SNR of the lungs, mediastinum, and liver, respectively; all p < 0.001 in the CNR). According to the subjective analysis, DLIR had higher image contrast and lower image noise than ASiR-V 30% (all p < 0.001). DLIR was superior to ASiR-V 30% in identifying the pulmonary arteries and veins, trachea and bronchi, lymph nodes, and pleura and pericardium (all p < 0.001). Conclusion: DLIR significantly reduced the image noise in chest LDCT scan images compared with ASiR-V 30% while maintaining superior image quality.

• 한국방사선학회논문지
• /
• 제16권4호
• /
• pp.387-394
• /
• 2022

갑상샘이 포함된 인체모형 팬텀을 이용하여 임상에서 많이 적용하는 NECK CT 프로토콜 중 관전압을 변화 적용하여 스캔 후 Raw data를 이용하여 FBP, ASIR-V, DLIR 재구성기법 적용 영상 획득하여 120 kVp FBP 재구성 영상 기준 DLIR 재구성기법의 유용성을 알아보았다. 그 결과 DLIR 재구성기법 적용 시 CTDIvol 이 감소하였으며, 특히 동일 관전압에서 FBP 적용보다 ASIR-V, DLIR 재구성 시 낮은 선량에서도 기준 스캔 조건으로 획득한 화질에 도달하였다. 또한, SNR, CNR 분석결과 DLIR 재구성 영상이 SNR, CNR 값이 높게 분석되었고, SSIM분석결과 100 kVp, DLIR 재구성 영상이 SSIM 지수가 1에 근사하게 측정되어 원본 영상에 대한 재구성 영상의 유사도가 높은 것으로 분석되었다(p>0.05). 본 연구결과를 활용하여 임상 영상 평가를 시행하여 보완하고 다양한 해부학적 구조에 적용 가능한 알고리즘을 추가 개발한다면 검사 선량을 현재 보다 낮추면서 화질을 유지할 수 있어 임상 적용 시 유용할 것으로 생각된다.

• 한국방사선학회논문지
• /
• 제17권6호
• /
• pp.819-825
• /
• 2023

흉부 CT 검사 조건 중 관전압을 100, 80 kVp, 재구성 알고리즘을 FBP, ASIR-V, DLIR로 변화 적용하여 검사 선량과 화질 변화를 비교 분석해 보았다. 그 결과 기존 관전압 보다 낮은 관전압인 100 kVp 에서 ASIR-V, DLIR 적용 시 선량을 낮추면서 120 kVp, FBP 적용 시와 가장 유사한 화질로 구현. 특히, DLIR 재구성 영상은 모든 관전압에서 SNR, CNR이 우수하였다. 또한, SSIM 지수가 1에 가장 근사하게 분석되어 원본 영상과 가장 유사도가 높은 것을 알 수 있었다. 따라서 반복적으로 흉부 CT 검사를 시행하는 경우 DLIR 적용은 검사 선량을 약 29.7% 감소시킬 수 있어 CT 검사의 가장 큰 문제점인 검사로 인한 피폭을 일부 해결하는 데 도움을 줄 수 있을 것으로 사료된다.

• Korean Journal of Radiology
• /
• 제23권4호
• /
• pp.402-412
• /
• 2022

Objective: To evaluate the image quality and lesion detectability of lower-dose CT (LDCT) of the abdomen and pelvis obtained using a deep learning image reconstruction (DLIR) algorithm compared with those of standard-dose CT (SDCT) images. Materials and Methods: This retrospective study included 123 patients (mean age ± standard deviation, 63 ± 11 years; male:female, 70:53) who underwent contrast-enhanced abdominopelvic LDCT between May and August 2020 and had prior SDCT obtained using the same CT scanner within a year. LDCT images were reconstructed with hybrid iterative reconstruction (h-IR) and DLIR at medium and high strengths (DLIR-M and DLIR-H), while SDCT images were reconstructed with h-IR. For quantitative image quality analysis, image noise, signal-to-noise ratio, and contrast-to-noise ratio were measured in the liver, muscle, and aorta. Among the three different LDCT reconstruction algorithms, the one showing the smallest difference in quantitative parameters from those of SDCT images was selected for qualitative image quality analysis and lesion detectability evaluation. For qualitative analysis, overall image quality, image noise, image sharpness, image texture, and lesion conspicuity were graded using a 5-point scale by two radiologists. Observer performance in focal liver lesion detection was evaluated by comparing the jackknife free-response receiver operating characteristic figures-of-merit (FOM). Results: LDCT (35.1% dose reduction compared with SDCT) images obtained using DLIR-M showed similar quantitative measures to those of SDCT with h-IR images. All qualitative parameters of LDCT with DLIR-M images but image texture were similar to or significantly better than those of SDCT with h-IR images. The lesion detectability on LDCT with DLIR-M images was not significantly different from that of SDCT with h-IR images (reader-averaged FOM, 0.887 vs. 0.874, respectively; p = 0.581). Conclusion: Overall image quality and detectability of focal liver lesions is preserved in contrast-enhanced abdominopelvic LDCT obtained with DLIR-M relative to those in SDCT with h-IR.

• 한국방사선학회논문지
• /
• 제17권3호
• /
• pp.285-295
• /
• 2023

기술의 발전으로 CT 검사에 있어 환자가 받는 피폭선량을 줄이기 위한 노력은 새로운 재구성 기법 개발과 함께 계속 진행되고 있다. 최근에는 반복적 재구성 기법의 한계를 극복하기 위해 딥러닝 재구성 기법이 개발되었다. 본 연구는 소아 흉부 CT 영상에서 재구성 기법에 따른 영상의 유용성을 평가하였다. 환자 실험은 2021년 1월 2일부터 2022년 12월 31일까지 경상남도 P 병원에서 흉부 조영 CT 검사를 받은 소아 환자 중 85명을 대상으로 연구를 진행하였다. 팬텀 실험에 사용된 팬텀은 Pediatric Whole Body Phantom PBU-70이다. 검사 후 FBP, ASIR-V(50%), DLIR(TF-Medium,High)로 영상을 재구성했고, 동일한 크기의 ROI를 설정하여 HU값, SD값을 획득하여 SNR, CNR 값을 산출하여 영상을 평가하였다. 그 결과 DLIR의 TF-H가 모든 실험에서 ASIR-V(50%)와 TF-M에 비해 잡음 값이 가장 낮았으며, SNR과 CNR의 값이 가장 높았다. 소아 흉부 CT 검사에서 DLIR이 적용된 TF 영상이 ASiR-V 영상보다 잡음이 적었고, CNR과 SNR은 높은 것으로 나타났으며 DLIR이 적용되면 기존의 재구성법에 비해 영상의 질이 더 향상될 것으로 판단된다.

• 한국방사선학회논문지
• /
• 제17권3호
• /
• pp.297-303
• /
• 2023

소아 전산화단층촬영(Computed Tomography, CT) 검사 시 어린 환자들의 협조가 어려워 검사 실패나 재검사가 빈번히 발생할 수 있다. 딥러닝 이미지 재구성(Deep Learning Image Reconstruction, DLIR) 방법은 방사선 감수성이 높은 소아 환자들의 CT 검사에서 재검사율을 낮추면서 진단적 가치가 높은 영상을 획득할 수 있다. 본 연구에서는 DLIR을 적용하여 소아 흉부 CT 검사에서 호흡이나 움직임으로 인한 노이즈를 줄이고 임상적으로 유용한 영상을 얻기 위한 가능성을 조사하였다. 경상남도 소재의 P병원에서 7세 미만의 소아 43명의 흉부 CT 검사 데이터를 후향적으로 분석하였으며, 필터링 역 투영 재구성법(Filtered Back Projection, FBP), 반복적 재구성법(Adaptive Statistical Iterative Reconstruction, ASIR-50), 딥러닝 알고리즘인 True Fidelity-Middle(TF-M)의 영상을 비교하였다. 조영 증강된 흉부 영상 중 오른쪽 상행 대동맥(Ascending Aorta, AA)과 등 근육(Back Muscle, BM)에 동일한 ROI를 그리고 각 영상에서 HU값을 이용하여 노이즈(Standard deviation, SD)를 측정하였다. 통계분석은 SPSS(ver. 22.0)를 사용하여 세 측정치의 평균값을 일원 배치 분산분석(One-way ANOVA)으로 분석하였다. 연구의 결과로 AA의 SD값은 FBP=25.65±3.75, ASIR-50=19.08±3.93, TF-M=17.05±4.45 로 나타났으며(F=66.72, p=0.00), BM의 SD값은 FBP=26.64±3.81, ASIR-50=19.19±3.37, TF-M=19.87±4.25 로 나타났다(F=49.54, p=0.00). 사후검정의 결과는 세 그룹간 유의한 차이가 있었다. DLIR 재구성 방법은 기존의 재구성 방법과 비교하여 유의하게 낮은 노이즈 값을 보였다. 따라서 딥러닝 알고리즘인 TrueFidelity-Middle(TF-M)의 적용은 소아 흉부 CT 검사 시 호흡이나 움직임에 의한 영상 화질의 저하를 줄일 수 있어 임상적으로 매우 유용하게 활용될 것으로 기대된다.