본 연구는 대퇴직근(RF) 근육과 임상 정보와 관련된 범주형/수치형 특성을 사용하여, 전단파 탄성영상(shear-wave elastography, SWE) 및 회색조 초음파검사(gray-scale ultrasonography, GSU)로부터 수치형 특징을 융합함으로써 근감소증(sarcopenia) 예측 모델을 개발하고 평가하고자 하였다. 두 코호트(개발, 건강한 대상 70명; 평가, 환자 81명)는 모두 초음파검사(SWE 및 GSU)와 전산화단층촬영(computed tomography)을 시행하였다. 근감소증은 전산화단층촬영으로부터 계산한 골격근 지수(skeletal muscle index)로 판정하였다. 임상 및 초음파 측정치는 최소 절대 수축 및 선택 연산자(least absolute shrinkage and selection operator, LASSO) 정규화를 사용한 선형 회귀 모형을 통해 근감소증을 예측하는 데 활용하였다. 또한 임상 및 초음파 특징을 특성 수준(feature level)과 점수 수준(score level)에서 결합하여 근감소증 예측 성능을 향상시키고자 하였다. LASSO의 정확도는 임상 70.57 ± 5.00-81.54 ± 4.83, 초음파 69.00 ± 4.52-69.73 ± 5.47이었다. 임상 및 초음파의 특성 수준 융합(정확도, 70.29 ± 6.63 및 83.55 ± 4.32)은 임상 특징과 유사한 성능을 보였다. AdaBoost에 의한 점수 수준 융합은 개발 및 평가 코호트 각각에서 최상의 성능(정확도, 73.43 ± 6.57-83.17 ± 5.51)을 나타냈다. 본 연구는 기계학습 융합 기법이 근감소증 예측 모델의 정확도를 향상시키고, 근감소증 환자에서의 임상적 의사결정을 개선할 잠재력이 있음을 시사할 수 있다.

본 연구는 대퇴직근(RF) 근육과 임상 정보와 관련된 범주형/수치형 특성을 사용하여, 전단파 탄성영상(shear-wave elastography, SWE) 및 회색조 초음파검사(gray-scale ultrasonography, GSU)로부터 수치형 특징을 융합함으로써 근감소증(sarcopenia) 예측 모델을 개발하고 평가하고자 하였다. 두 코호트(개발, 건강한 대상 70명; 평가, 환자 81명)는 모두 초음파검사(SWE 및 GSU)와 전산화단층촬영(computed tomography)을 시행하였다. 근감소증은 전산화단층촬영으로부터 계산한 골격근 지수(skeletal muscle index)로 판정하였다. 임상 및 초음파 측정치는 최소 절대 수축 및 선택 연산자(least absolute shrinkage and selection operator, LASSO) 정규화를 사용한 선형 회귀 모형을 통해 근감소증을 예측하는 데 활용하였다. 또한 임상 및 초음파 특징을 특성 수준(feature level)과 점수 수준(score level)에서 결합하여 근감소증 예측 성능을 향상시키고자 하였다. LASSO의 정확도는 임상 70.57 ± 5.00-81.54 ± 4.83, 초음파 69.00 ± 4.52-69.73 ± 5.47이었다. 임상 및 초음파의 특성 수준 융합(정확도, 70.29 ± 6.63 및 83.55 ± 4.32)은 임상 특징과 유사한 성능을 보였다. AdaBoost에 의한 점수 수준 융합은 개발 및 평가 코호트 각각에서 최상의 성능(정확도, 73.43 ± 6.57-83.17 ± 5.51)을 나타냈다. 본 연구는 기계학습 융합 기법이 근감소증 예측 모델의 정확도를 향상시키고, 근감소증 환자에서의 임상적 의사결정을 개선할 잠재력이 있음을 시사할 수 있다.

우리는 영상 바이오마커로서 사각근(rectus femoris) 근육의 전단파 탄성초음파(shear-wave elastography, SWE) 및 회색조 초음파(gray-scale ultrasonography, GSU)를 이용하여 근감소증(sarcopenia)의 유무를 예측하는 데 있어 딥 합성곱 신경망(deep convolutional neural network, DCNN)의 성능을 평가하고자 한다. 이 후향적 연구에는 2018년 12월과 2019년 7월 사이에 수집된 GSU 및 SWE 이미지 160쌍(n = 160)이 포함되었다. 두 명의 영상의학과 전문의가 GSU에서 근육의 반향성(echogenicity)을 4점 척도로 평가하였다. 그중 141명의 환자는 CT를 시행하였고, L3 골격근 지수(skeletal muscle index, SMI)를 측정하여 근감소증의 유무를 범주화하였다. DCNN의 경우 세 가지 CNN 아키텍처(VGG19, ResNet-50, DenseNet 121)를 사용하였다. 근감소증 분류에 대한 DCNN의 정확도는 SWE 기반에서 70.0–80.0%, GSU 기반에서 65.0–75.0%였다. SWE 이미지에 대한 DCNN의 적용은 근감소증 예측을 위한 딥러닝 기반 SWE의 유용성을 보여준다. SWE 이미지에 대한 DCNN 적용은 근감소증 상태를 예측하기 위한 잠재적으로 유용한 바이오마커가 될 수 있다.

본 연구의 목적은 CT를 기준 표준으로 하여 축성 척추관절염에서 골미란에 대한 ZTE 영상의 DLR(Direct Lens Reconstruction)의 진단 성능을 비교하는 것이었다. 천장관절염(sacroiliitis)이 의심되는 23명의 환자가 분석에 포함되도록 천장관절에 대해 CT와 MR 검사를 모두 시행받았다. DLR 유무에 관계없이 ZTE는 두 명의 판독자에서 T1WI보다 더 높은 상관계수(correlation coefficients)를 보였다. 판독자 간 일치도는 중등도에서 상당 수준의 일치를 나타냈다. 축성 척추관절염 환자에서 ZTE DLR은 T1WI 및 DLR이 없는 ZTE와 비교하여 SIJ 골미란의 검출에서 진단 성능을 향상시킨다.

배경: 강한 T2-가중 지방억제(HT2W-FS) 자기공명 척수조영술(MRM)은 두개내 저혈압의 원인을 진단하는 데 유용하다. 최근에는 딥러닝 기반 재구성(DLR)이 획득 시간을 늘리지 않으면서도 영상의 신호대잡음비와 선명도를 향상시키고 인공물을 감소시키는 데 활용되고 있다. 본 연구의 목적은 임상적으로 두개내 저혈압이 의심되는 환자에서 경막외 액체의 검출을 위해 적용한 3차원(3D) HT2W-FS MRM에 대해, 기존 재구성(CR)과 DLR의 진단 성능 및 영상 품질을 비교하는 것이다. 방법: 본 후향적 연구에는 2021년 4월부터 2022년 9월까지 기립성 두통(orthostatic headache)을 겪은 21명의 환자에서, CR과 DLR을 모두 적용한 21회의 자기공명 척수조영술 검사가 포함되었다. 정량적 영상 품질 평가는 하부 흉추 수준에서의 신호대잡음비를 비교하여 수행하였다. 영상 품질과 인공물은 세 명의 판독자가 등급을 매겼다. 경막외 액체의 존재 여부는 두 명의 판독자가 신뢰도 점수(confidence score)로 보고하였고, 수신자 조작 특성 곡선(receiver operating curve) 아래 면적(AUC), 판독자 간 일치도, 그리고 영상 세트 간 일치도를 평가하였다. 또한 경막외 액체가 검출된 부위에서 경막(dura mater)의 시각적 두드러짐(conspicuity)도 조사하였다. 결과: DLR은 정량적 및 주관적 영상 품질과 인공물을 유의하게 개선하였다(모두 P<0.001). DLR의 진단 성능은 두 판독자 모두에서 더 높았다[판독자 1: CR의 AUC=0.929; 95% 신뢰구간(CI): 0.902-0.950, DLR의 AUC=0.965(95% CI: 0.944-0.979), P=0.007; 판독자 2: CR의 AUC=0.834(95% CI: 0.798-0.866), DLR의 AUC=0.877(0.844-0.905), P=0.040]. CR과 DLR에서의 MRM 표준 진료와의 상관은 판독자 1에서는 모두 강하게 나타났다(rho=0.868-0.919, P<0.001). 다만 판독자 2에서는 각각 강한 상관(rho=0.734-0.805, P<0.001)과 중등도의 상관이 관찰되었다. 판독자 간 일치도는 실질적(substantial) 수준이었다(κ=0.708-0.762). 영상 세트 간 일치도는 판독자 1에서는 거의 완전(almost perfect)하였(κ=0.907), 판독자 2에서는 실질적(κ=0.750)이었다. 경막의 시각적 두드러짐은 DLR에서 유의하게 개선되었다(P<0.014, 판독자 1; P<0.001, 판독자 2와 3). 결론: DLR을 적용한 HT2W-FS 자기공명 척수조영술은 영상 품질에서 실질적인 개선을 보였으며, 경막외 액체의 검출에 대한 신뢰도를 향상시킬 수 있다.

목적: 본 연구는 건강한 성인과 만성콩팥병(CKD) 환자에서 오른쪽 중간대퇴직근(RF)의 전단파 탄성초음파(Shear-wave elastography, SWE) USG와 CT 조성 분석을 비교하고자 하였다. 방법: 건강한 성인 63명과 CKD 환자 22명이 포함되었다. 1명의 근골격 방사선의학과 전문의가 오른쪽 RF SWE USG를 시행하였고, 2명의 방사선의학과 전문의가 동일한 SWE 영상에서 전단파 속도(Shear-wave velocity, SWV)를 측정하였다. CT 촬영을 시행하였으며, 근육 조성은 imageJ를 사용하여 측정하고 HU 기반 4가지 조성으로 분류하였다. 두 판독자 간 SWV에 대한 관찰자 간 일치도를 평가하였다. SWV와 CT 조성 간의 상관관계는 Pearson 또는 Spearman 상관분석을 통해 분석하였다. 결과: 건강군의 SWV는 각 판독자에서 모두 CKD군보다 유의하게 높았다(p=0.030 및 0.038). 저밀도 근육의 비율은 CKD군에서 건강군보다 높았고(p<0.001), 정상 밀도 근육의 비율은 건강군에서 CKD군보다 높았다(p<0.001) (각 판독자 기준). 두 판독자 간 SWV의 관찰자 간 일치도는 두 군 모두에서 거의 완벽하였다(k=0.957-0.984, 0.959-0.993). 건강한 성인군과 CKD 환자군 모두에서 SWV와 CT에서의 정상 밀도 근육 비율 사이에 통계적으로 유의한 상관관계가 있었다(판독자 1: r=0.318-0.480, p=0.001 및 0.024; 판독자 2: r=0.511-0.518, p<0.001 및 p=0.013). 결론: SWV는 각 판독자에서 건강한 성인과 CKD 환자 모두에서 CT의 정상 밀도 근육 비율과 유의한 상관관계를 보였다. SWE는 방사선 노출이 없는 방법으로서 근육의 질을 평가하는 객관적 방법을 제공할 수 있으며, 근육 모니터링의 한 옵션이 될 수 있다.