저선량 복부 CT검사에서 정량적인 지방 측정을 위한 딥러닝 알고리즘의 적용 > 학술논문자료실 대한CT영상기술학회

신효정, 김상욱, 김영균
삼성서울병원 영상의학과

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.

중심단어: Fat CT, 인공지능, 복부 CT, 방사선량