https://link.springer.com/article/10.1007/s11604-023-01452-9
1. Introduction
- 파키슨병을 조기 진단을 위해 뉴로멜라닌 민감성 MRI 방법이 연구됨
- NM-MRI는 흑색질과 도파민성 뉴런과 청반의 작은 크기로 인해 높은 해상도를 필요로하며 이는 비교적 긴 스캔 시간을 요구함. 긴 측정시간으로 인해 떨림이나 불수의적 움직임이 있는 파킨슨병 환자의 경우 충분한 영상 품질을 얻는데 어려움이 있음
- 딥러닝 기반 재구성을 이용한 노이즈 제거 접근 방식이 최근 MRI에 적용되었으며, 임상 현장에서 딥러닝 신경망을 활용해 영상 노이즈를 제거하고 선명한 영상을 생성함
- 하지만 딥러닝 기반 재구성을 이용한 NM-MRI의 영상 품질이나 진단 정확도를 조사한 연구는 없어, 본 연구에서는 딥러닝 기반 재구성 유무에 따른 품질 비교와 진단 능력을 비교함
2. Method
- IRB 승인 받은 22명의 정상인, 파키슨병 환자 22명, 뇌경색 등 뇌지활자 22명을 대상으로 연구 진행함
- 2019.9~2021.3월까지 검사를 받았으며, 뇌간 병변이 커서 제외된 참가자는 없음
- 32-T 스캐너에서 MT 대비 준비를 갖춘 2차원 경사 에코 펄스 시퀀스를 사용해 NM-MRI 이미지를 획득함 (스캔 매개변수에 대한 조건도 논문에 나와있음)
- AdvancedintelligentClear-IQ Engine(AiCE)를 사용해 노이즈 제거를 적용함. AiCE는 복잡한 원시 데이터부터 최종 이미지 생성까지 전체 재구성 파이프라인임 (CNN 기반 모델)
- 모든 이미지는 2명의 방사선 전문의(9년차, 22년차)의 합의 결정으로 분석되었음
- 이미지 품질 평가를 위해 SNR_SCP, SNR_pons, CNR_SN, CNR_LC와 3명의 신경방사선 전문의가 영상 품질, 아티팩트, 구조적 명확성 및 노이즈를 시각적으로 5점 Likert척도를 사용해 합의에 통해 이뤄짐
- 명암비에 따른 진단 성능은 CR_SN, CR_LC를 계산해 사용함
- 3명의 신경방사선 전문의의 육안 평가를 통한 진단함
3. 결과
- 이미지 품질은 딥러닝 기반 재구성을 했을 때 유의미하게 더 높았음. (SNR과 CNR이 약 1.5배 향상됨)
- 명암비에 따른 진단 성능은 비슷했음. 육안 평가에 의한 진단에서는 소폭 향상됨
- 이는 이전 연구에서 딥러닝 기반 노이즈 제거 방법을 NM-MRI에 적용한 적이 없으며, 이미지 품질을 저하시키지 않고 검사 시간을 다축하는 유용성을 입증한 의의가 있음
- 하지만 참가자 수가 상대적으로 적었으며, NEX5의 긴 스캔시간으로 파키슨병 환자에게 너무 길고 불편해 이에 대한 진단 성능 평가가 이뤄지지 않았음. 또한 연령과 성별이 일치하는 정상 환자는 등록되지 않았으며 이전 연구와 같이 voxel-wise 분석은 수행되지 않음(3D NM-MRI). 마지막으로 다양한 MRI 스캐너를 이용한 다기관 연구가 필요함