KCI등재후보
A Study on Image Quality and Dose Comparison of Abdominal CT with Deep Learning Iterative Reconstruction Method and Model-Based Iterative Reconstruction Method = 딥러닝 반복적 재구성법과 모델기반 반복적 재구성법이 적용된 복부 CT의 영상 화질과 선량 비교 연구
저자
심현보(Hyeon-Bo Shim)이광현(Kwang-Hyun Lee) ; 김령희(Ryeon-Hee Kim) ; 박순규(Soon-Kyoo Park) ; 심지나(Ji-Na Shim)
발행기관
학술지명
대한CT영상기술학회지(Journal of Korean society of cumputed tomographic technology)
권호사항
발행연도
2021
작성언어
-주제어
KDC
510
등재정보
KCI등재후보
자료형태
학술저널
발행기관 URL
수록면
57-65(9쪽)
제공처
기존 반복적 재구성법의 단점을 보안하고 보다 낮은 선량으로 좋은 질의 영상을 얻기 위해 인공 신경망(Artificial Neural Network)으로 학습시킨 딥러닝 반복적 재구성법(Deep Learning Iterative Reconstruction, DLIR)이 개발되었으며 복부 CT에서 GE사의 딥러닝 반복적 재구성법(True Fidelity, TF)과 Siemens사의 모델기반 반복적 재구성법(Advanced Modeled Iterative Reconstruction, ADMIRE)을 적용한 영상의 화질평가와 선량감소 효과를 비교해 보고자 하였다. Phantom study는 CTDIvol(mGy)을 9.5로 동일하게 설정한 TF(TF-L, TF-M, TH-H)와 ADMIRE(1,2,3,4,5)이 적용된 단면영상으로 복부(A), 뼈(B) ROI를 설정하였고, Patient study는 본원에서 검사를 시행한 환자 30명의 복부조영 CT 검사에서 TF(TF-M, TF-H), ADMIRE 2 적용된 단면영상으로 복부대동맥(A), 간실질(B), 근육(C), 백그라운드(D) ROI를 설정하여 HU 및 SD값을 측정하고 SNR, CNR을 비교 평가하였다. Phantom study에서 T F-M은 ADMIRE 1, 3, 5 보다 Noise는 ROI A에서 221%, 139%, 40%, B는 104%, 66%, 19% 낮았고,(p<0.05) SNR은 ROI A에서 70%, 59%, 33%, B는 53%, 42%, 19% 높았다.(p<0.05) Patient study에서 TF-M은 ADMIRE 2 보다 Noise는 ROI A에서 7% 낮았지만 통계적으로 유의하지 않았고,(p=0.28) B는 21%, C는 45% 낮았다.(p<0.05) SNR은 ROI A에서 동일하였지만 통계적으로 유의하지않았고,(p=0.70) B는 20%, C는 28% 높았다.(p<0.05) CNR은 ROI A에서 22%, B는 25%, C는 22% 높았다.(p<0.05) 선량평가에서 TF가 적용된 환자의 평균 CTDIvol(mGy)은 4.73 ± 1.28, DLP(mGy⋅cm)는 281.43 ± 79.22, ADMIRE가 적용된 환자의 평균 CTDIvol(mGy)은 6.06 ± 1.22, DLP(mGy⋅cm)는 343.3 ± 81.34 이였고,(p<0.05) TF가 ADMIRE가 적용된 환자보다 CTDIvol(mGy)은 28%, DLP(mGy⋅cm)는 21% 낮았음을 알 수 있다.(p<0.05) 복부 CT 검사에서 딥러닝 반복적 재구성법이 적용된 TF 영상이모델기반 반복적 재구성법이 적용된 ADMIRE 영상보다 HU값의 변화는 없지만, Noise가 감소하며 SNR과 CNR은 증가하는 것으로 나타났다. 또한 선량이 같다면 딥러닝 반복적 재구성법이 적용된 TF 영상이 모델기반 반복적 재구성법이 적용된 ADMIRE영상보다 화질이 향상되고 이는 다시 말해 환자의 피폭 선량을 저감하는데 큰 기여를 한다고 할 수 있다
더보기Deep Learning Iterative Reconstruction (DLIR), which was trained with an artificial neural network, was developed to secure the shortcomings of the traditional iterative reconstruction method and obtain a good quality image at a lower dose. The purpose of this study was to compare the effects of dose reduction and image quality evaluation using deep learning iterative reconstruction (True Fidelity; TF) and Siemens Advanced Modeled Iterative Reconstruction (ADMIRE). Phantom study is a axial image with TF (TF-L, TF-M, TH-H) a nd ADMIRE (1,2,3,4,5) with CTDIvol (mGy) set e qual to 9.5. Abdomen (A), Bone (B) ROI w as set, and the patient study was a axial image applied with TF (TF-M, TF-H) and ADMIRE 2 in the abdominal contrast CT scan of 30 patients who performed the examination in our hospital. Abdomen aorta (A), Hepatic parenchyma (B), muscle (C), background (D) ROI w as s et to measure HU, SD values, a nd SNR , CNR were compared. In t he P hantom study, TF-M w as c ompared with ADMIRE 1, 3, 5. Noise was 221%, 139%, 40% lower in ROI A, 104%, 66%, 19% lower in B.(p<0.05) SNR was 70%, 59%, 33% higher in ROI A, 53, 42%, 19% higher in B.(p<0.05) In patient study, TF-M was compared with ADMIRE 2. Noise was 7% lower in ROI A but it was not statistically significant.(p=0.28) B was 21%, C was 45% lower.(p<0.05) SNR was the same in ROI A but not statistically significant.(p=0.70) B was 20%, C was 28% higher.(p<0.05) CNR was ROI A 22%, B 25%, C 22% higher.(p<0.05) In dose assessment, the average CTDIvol (mGy) of patients with TF applied was 4.73 ± 1.28, DLP (mGy cm) was 281.43 ± 79.22, and the average CTDIvol (mGy) of patients with ADMIRE was 6.06 ± 1.22, DLP (mGy cm) was 343.3 ± 81.34.(p<0.05) It can be seen that TF was lower in CTDIvol (mGy) by 28% and DLP (mGy cm) by 21% than in patients with ADMIRE.(p<0.05) In conclusion, TF images on abdominal CT showed no change in HU values than ADMIRE images, but Noise decreased and SNR and CNR increased. If the dose is the same, the TF image is applied has better image quality than the ADMIRE image. It can be said that it contributes significantly to reducing the patient s exposure dose.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)