딥러닝 기반 실시간 동적 MRI: 심장 기능 평가의 새로운 지평을 열다

Merve Gülle, Sebastian Weingärtner, Mehmet Akçakaya 연구팀이 딥러닝 기반 외곽 영역 제거(OVR) 방법을 활용하여 실시간 동적 MRI의 속도를 향상시키면서도 영상 품질을 유지하는 기술을 개발했습니다. 이는 심장 기능 평가의 정확성과 효율성을 높이는 데 크게 기여할 것으로 예상됩니다.

심장 기능 평가에 있어 실시간(RT) 동적 MRI는 빠르게 변화하는 생리적 과정을 포착하여 심장의 움직임과 기능에 대한 귀중한 통찰력을 제공합니다. 특히, 높은 시간 분해능으로 심장 기능을 평가하는 RT 시네 MRI는 매우 중요합니다. RT 영상은 자유 호흡, 비게이트 영상 획득을 가능하게 하여 기존의 숨 참기, ECG 게이트 획득이 어려운 환자들에게 중요한 대안을 제시합니다.

하지만, RT 시네 MRI에서 고속 획득을 달성하는 것은 심장 외 조직으로 인한 앨리어싱 아티팩트 때문에 어려움이 있습니다. 특히, 높은 언더샘플링 계수에서는 더욱 그렇습니다. Merve Gülle, Sebastian Weingärtner, Mehmet Akçakaya 연구팀은 이러한 과제를 해결하기 위해 혁신적인 외곽 영역 제거(OVR) 방법을 제안했습니다. 이 방법은 후처리 과정에서 심장 이외 영역의 앨리어싱 영향을 제거하는 데 중점을 둡니다.

연구팀의 접근 방식은 시간 간격이 다른 언더샘플링 패턴으로부터 얻은 복합 시간 영상을 사용하여 각 시간 프레임에 대한 외곽 영역 신호를 추정합니다. 이러한 영상에는 본질적으로 유사 주기적인 고스팅 아티팩트가 포함되어 있습니다. 이 아티팩트를 식별하고 제거하기 위해 딥러닝(DL) 모델을 훈련했습니다. 그 결과, 깨끗한 외곽 영역 추정치가 생성되고, 이는 해당 k-공간 데이터에서 빼집니다.

최종 재구성은 OVR 특정 손실 함수를 사용하여 훈련된 물리 기반 딥러닝(PD-DL) 방법으로 수행됩니다. 이를 통해 높은 공간-시간 해상도 이미지를 복원합니다. 실험 결과, 제안된 방법은 고속 획득에서도 기존 임상 이미지와 시각적으로 비교 가능한 영상 품질을 달성했으며, 정성적 및 정량적으로 기존의 재구성 기법보다 성능이 뛰어났습니다. 이 방법은 획득 방식을 변경할 필요 없이 RT 시네 MRI에서 아티팩트 감소를 위한 실용적이고 효과적인 해결책을 제공하며, 진단 품질을 유지하면서 더 높은 가속화율을 달성할 수 있는 길을 열어줍니다.

이 연구는 고속 실시간 동적 MRI를 통해 보다 정확하고 효율적인 심장 기능 평가를 가능하게 하는 중요한 진전을 보여줍니다. 향후 심혈관 질환 진단 및 치료에 획기적인 영향을 미칠 것으로 기대됩니다. 🙌