딥러닝 MRI 재구성을 통한 근골격·신경계 병변 진단 성능 향상 연구

Improving diagnostic performance for musculoskeletal and neurologic lesions via deep learning MRI reconstruction

연구 내용

딥러닝 기반 MRI 재구성으로 신호대잡음과 선명도를 개선해 병변 검출 및 진단 성능을 평가하는 연구

근골격계와 신경계 영역에서 병변 가시성을 높이기 위해 deep learning reconstruction을 적용합니다. PROPELLER shoulder MRI, 3D heavily T2-weighted fat-saturated MR myelography, zero echo time MRI, thin-slice elbow MRI 등 서로 다른 촬영 맥락에서 재구성 방식에 따른 화질과 진단 성능을 비교합니다. 정량적 화질 지표와 판독자 평가를 함께 사용하여 아티팩트 및 병변 경계 인지를 분석하며, 기존 재구성 대비 진단 신뢰도를 높일 수 있는 조건을 도출하는 데 목적이 있습니다.

관련 프로젝트

0건

연구 흐름

2023년 PROPELLER shoulder MRI에서 deep learning 기반 재구성의 성능을 비교하며 근골격 MRI 화질 개선 가능성을 검증했습니다. 2024년에는 3D heavily T2-weighted fat-saturated MR myelography에 deep learning reconstruction을 적용해 epidural fluid 탐지에서 화질 및 판독 신뢰도를 평가했습니다. 같은 기간 thin-slice elbow MRI에서 딥러닝 재구성으로 ligament pathologies에 대한 진단 성능을 확인했습니다. 2025년에는 zero echo time MRI를 axial spondyloarthritis 진단에 적용하여 재구성 기반 진단 성능을 확장했습니다. 또한 2023년에는 MRI 기반 관절 병변의 판독 맥락을 다루는 연구를 수행해 실사용 판독 체계와의 정합성도 함께 고려했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

딥러닝 MRI 재구성 프로토콜
어깨 MRI 화질 개선
척수강 조영 기반 병변 탐지
epidural fluid 판독 보조
zero echo time 촬영 최적화
얇은 슬라이스 MRI 진단 지원
관절 인대 병변의 가시성 향상
판독자 간 일치도 평가 체계
아티팩트 저감 기반 영상 표준화
정량 화질 평가 기반 시스템 구축