저선량 복부 CT검사에서 정량적인 지방 측정을 위한 딥러닝 알고리즘의 적용

• 영문명: Deep Learning Approach for Quantifying Abdominal Adipose Tissue in Low dose CT Examination
• 발행기관: 대한CT영상기술학회
• 저자명: 신효정(Hyo-Jung Shin) 김상욱(Sang-Ook Kim) 김영균(Yung-Kyoon Kim)
• 간행물 정보: 『대한CT영상기술학회지』제26권 제1호, 49~55쪽, 전체 7쪽
• 주제분류: 의약학 > 방사선과학
• 파일형태: PDF
• 발행일자: 2024.03.30

국문 초록

비만 인구가 증가함에 따라 복부 비만을 정량적으로 측정할 수 있는 컴퓨터 단층 촬영(Computed Tomography; CT) 검사는 다양한 연구에서 응용되어왔다. CT 검사의 방사선 피폭 부담을 감소하기 위하여 필터 보정 역투영법(Filtered Back Projection; FBP), 반복적 재구성법(Iterative Reconstruction; IR) 등 다양한 영상 재구성 방법이 개발되었고, 최근 인공지능과 접목한 딥러닝 영상재구성법(Deep Learning Image Reconstruction; DLIR)이 등장하였다. 표준 복부 검사 프토토콜의 20% 선량만 사용한 저선량 CT 영상에서 FBP, ASIR-V 30%, DLIR Low, Medium, High를 적용하고 각각 측정한 지방의 단면적과 총량, 근육량을 표준 프로토콜에 ASIR-V 30%를 적용한 영상을 기준으로 비교 평가하였다. 연구 결과 지방의 단면적과 검사 범위의 지방량은 FBP, ASIR-V 30%를 적용한 저 선량 프로토콜 영상에서 VFA와 VFV에서는 약 3~4%, SFA와 SFV에서는 최대 약 8% 감소하였다. 또한 근육량도 DLIR을 제외한 영상 재구성 영상에서 3~6%의 감소하였으며, DLIR의 경우 모든 항목에서 차이가 나타나지 않거나 2% 이하의 미미한 차이를 보였다. 잡음을 감소시키는 영상 재구성 방법은 추적 검사가 필요한 지방 측정 검사의 결과에 영향을 미칠 수 있다. 따라서 정확한 평가를 진행하기 위해 동일한 검사 프로토콜과 재구성 방법을 적용하여야 한다.

영문 초록

As the obese population increases, computed tomography (CT) tests that can quantitatively measure abdominal obesity have been applied in various studies. To reduce the burden of radiation exposure in CT examinations, various image reconstruction methods such as filtered back projection (FBP) and iterative reconstruction (IR) have been developed, and deep learning iterative reconstruction (DLIR) techniques combined with artificial intelligence have recently emerged. We applied FBP, Adaptive Statistical Iterative Reconstruction-V (ASIR-V) at 30%, DLIR Low, Medium, and High - to low-dose CT images using only 20% of the standard abdominal examination protocols. We compared the measured fat area, total amount, and muscle mass, and evaluated them based on the images applying ASIR-V at 30% to the standard protocols. As a result of the study, the fat area and the amount of fat in the test group decreased by approximately 3~4% in VFA and VFV, and up to about 8% decreased in SFA and SFV in low-dose protocol images applying FBP and ASIR-V 30%. In addition, muscle mass also decreased by 3~6% in image reconstruction images, excluding DLIR. In the case of DLIR, there was either no difference in all items or a slight difference of less than 2%. Image reconstruction methods aimed at reducing noise may impact the results of follow up fat measurement tests. Therefore, the same inspection protocol and reconstruction methods should be applied for accurate evaluation.

목차

Ⅰ. INTRODUCTION

Ⅱ. MATERIAL AND METHODS

Ⅲ. RESULT

Ⅳ. DISCUSSION

Ⅴ. CONCLUSION

REFERENCES

키워드

인공지능 복부 CT 방사선량 fat CT deep learning algorithm abdominal CT radiation dose