Simultaneous MR-PET 영상 융합과 인공지능 기반 적합도 분석: 신경망 학습을 통한 차세대 의료영상 기술
doi:10.31916/sjmi2020-01-05
서론
현대 의학에서 의료영상(Medical Imaging) 은 질병 진단과 치료 전략 수립에 필수적인 도구이다.
19세기 말 X-선의 발견으로 시작된 의료영상 기술은 20세기 후반 CT(Computed Tomography), MRI(Magnetic Resonance Imaging), PET(Positron Emission Tomography) 등 고도화된 장비의 개발로 비약적인 발전을 이루었다.
특히 최근 각광받고 있는 Simultaneous MR-PET(동시 MR-PET) 은 하나의 장비에서 MRI와 PET 영상을 동시에 획득하는 차세대 융합형 분자영상 기술이다.
기존 PET-CT에 비해 방사선 피폭을 최대 70%까지 줄일 수 있으며, MRI가 제공하는 연조직(soft tissue) 대비능을 그대로 유지하면서 PET이 제공하는 분자·기능 정보를 동시에 제공할 수 있다는 점에서 큰 주목을 받고 있다.
본 칼럼에서는 첨부된 연구 논문을 기반으로, Simultaneous MR-PET 영상과 MRI·PET 개별 영상 간의 적합도(fitting degree)를 인공지능 신경망 학습을 통해 분석한 최신 연구 성과를 심층적으로 다루고자 한다.
본론
1. Simultaneous MR-PET의 의학적 의의
Simultaneous MR-PET은 단순히 두 장비의 물리적 결합이 아니라, 분자 수준의 초민감 영상(PET)과 고해상도 해부학·기능 영상(MRI) 을 하나의 데이터 세트로 융합하는 것이다.
이는 다음과 같은 의학적 장점을 가진다:
-
방사선 저감 효과: PET-CT 대비 70% 이상의 방사선 감소
-
연조직 대비능 강화: MRI의 높은 소프트 티슈 해상도를 그대로 보존
-
검사 시간 단축: 동시 획득으로 환자 검사 편의성 향상
-
정밀 진단 가능: 움직임 보정(Motion Compensation) 기능을 통한 영상 왜곡 최소화
예를 들어, 뇌종양, 치매, 심혈관 질환 등에서 해부학적 위치 정보와 분자 대사 정보를 동시에 제공하므로, 정밀의료(Precision Medicine) 구현에 최적화된 장비라 할 수 있다.
2. 연구 방법: 인공지능 기반 적합도 분석
연구에서는 Simultaneous MR-PET 영상과 독립적으로 획득된 MRI 및 PET 영상을 비교하여 영상 간의 적합도(Fitting Degree) 를 인공지능 신경망 학습(Neural Network Learning)으로 분석하였다.
(1) 특징 추출 (Feature Extraction) – DWT (Discrete Wavelet Transform)
-
각 의료영상을 이산 웨이블릿 변환(DWT) 으로 분해하여 저주파·고주파 영역별 특징값을 추출
-
6×16 매트릭스 형태의 특징 벡터 생성
-
저주파 성분은 영상의 구조적 패턴, 고주파 성분은 경계 및 잡음을 반영
(2) 신경망 학습 (Neural Networks)
-
Self-Organizing Map (SOM) 기반 피쳐 맵 적용
-
Levenberg-Marquardt 알고리즘을 활용한 최적화
-
입력: MRI/PET 개별 영상 특징값
-
목표: Simultaneous MR-PET 융합 영상 특징값
이를 통해 Simultaneous MR-PET 영상이 MRI·PET 영상 각각과 얼마나 잘 맞는지(Regression R-value) 를 검증하였다.
3. 연구 결과 및 해석
연구의 핵심 결과는 다음과 같다:
-
T1-가중 MRI와 Simultaneous MR-PET
-
Training R = 0.984, Validation R = 0.844, Testing R = 0.886
-
→ 높은 적합도, 특히 훈련 데이터에서 거의 완벽한 일치
-
-
치매 PET과 Simultaneous MR-PET
-
Training R = 0.970, Validation R = 0.803, Testing R = 0.828
-
→ PET 영상 특성이 MR-PET에서도 충분히 보존됨
-
-
T2-가중 MRI와 Simultaneous MR-PET
-
Training R = 0.999, Validation R = 0.908, Testing R = 0.766
-
→ 매우 높은 훈련 적합도, 다만 테스트에서 약간의 변동성 존재
-
-
뇌종양 PET과 Simultaneous MR-PET
-
Training R = 0.999, Validation R = 0.983, Testing R = 0.876
-
→ 뇌종양 PET은 MR-PET과 거의 완벽하게 적합
-
종합적으로 R값이 0.8~1.0 범위에 해당하여, MR-PET 융합 영상은 단일 영상 특성과 높은 유사성을 지님을 확인하였다.
4. 그림 분석
그림 1. Simultaneous MR-PET 장비 및 영상 구조→ MRI와 PET이 하나의 시스템으로 융합된 구조를 보여주며, 영상 융합 과정의 기술적 기반을 설명.
 |
그림 3. Self-Organizing Map(SOM) 구조→ 인공지능 신경망의 피처 매핑 방식 설명, 입력 패턴과 출력 뉴런의 관계를 도식화.
그림 4. 연구 절차 흐름도→ 데이터 획득, 전처리, 특징 추출, 신경망 학습, 결과 분석의 단계적 절차를 제시.
그림 5–6. T1/T2 MRI와 치매·뇌종양 PET 영상→ 실제 실험에 사용된 융합 영상과 개별 영상을 비교 제시, 영상 적합도 분석의 기반 데이터.
그림 7. DWT 기반 특징값 비교 그래프→ 각 영상에서 추출된 주파수 성분을 비교, MR-PET이 개별 영상의 주요 특징을 얼마나 반영하는지 시각화.
그림 8. 신경망 구조
5. 임상적 활용 및 미래 전망
Simultaneous MR-PET은 다음과 같은 임상적 가치를 지닌다:
-
치매 진단: PET의 아밀로이드 축적 영상과 MRI의 해부학 정보를 동시에 제공
-
종양학(Oncology): 종양의 대사활동(PET)과 형태학적 위치(MRI) 동시 분석
-
소아·임산부 검사: 방사선 저감 효과로 안전성 확보
또한 인공지능(AI) 기반 분석 기법은 다음과 같은 미래 가능성을 제시한다:
-
정밀 맞춤형 의료(Precision Medicine) 실현
-
영상 기반 조기 진단 및 예후 예측 가능
-
신약 개발에서 바이오마커 탐색 활용
결론
Simultaneous MR-PET은 단순한 영상 융합을 넘어, 방사선 저감·고해상도 연조직 대비능·정밀 기능 정보를 동시에 제공하는 최첨단 융합형 영상 기술이다.
본 연구에서 제시된 인공지능 기반 적합도 분석은 MR-PET 영상이 개별 MRI, PET 영상의 특징을 충실히 반영함을 입증하였다.
향후 더 다양한 MRI 시퀀스를 포함한 연구가 이어진다면, 임상 프로토콜 최적화와 인공지능 보조 진단 시스템 구축에 크게 기여할 것이다.
참고문헌
[1] P. K. Spiegel, “The First Clinical X-Ray Made in America-100 Years,” AJR, vol. 164, pp. 241–243, 1995.
[2] G. Choi and B. Lee, “Application and Prospects of Molecular Imaging,” J. Korean Soc. Radiol., vol. 8, no. 3, pp. 123–136, 2014.
[3] M. S. Judenhofer, H. F. Wehrl, D. F. Newport, et al., “Simultaneous PET-MRI: a new approach for functional and morphological imaging,” Nat. Med., vol. 14, pp. 459–465, 2008.
[4] H.-P. W. Schlemmer, B. J. Pichler, M. Schmand, et al., “Simultaneous MR/PET Imaging of the Human Brain,” Radiology, vol. 248, no. 3, pp. 725–733, 2008.
[5] S.-J. Yoon, G.-J. Kim, and C.-S. Jang, “Classification of ECG arrhythmia using Discrete Cosine Transform, Discrete Wavelet Transform and Neural Network,” J. Korea Inst. Electron. Commun. Sci., vol. 7, no. 4, pp. 727–732, 2012.
[6] H. Zaidi and M.-L. Montandon, “The New Challenges of Brain PET Imaging Technology,” Curr. Med. Imaging, vol. 2, no. 1, pp. 3–13, 2006.
[7] C. B. Brendle, H. Schmidt, S. Fleisher, et al., “Simultaneously Acquired MR/PET Images Compared with Sequential MR/PET and PET/CT: Alignment Quality,” Radiology, vol. 268, no. 1, pp. 190–199, 2013.
댓글
댓글 쓰기