인공 신경망을 이용한 MRI 이미지 결함 수정법 개발

박성홍 박사 연구팀은 인공신경망 기법은 MRI 데이터에 적용해 MRI 이미지 결함을 수정하는 기술을 개발했다. 그 연구 내용은 MRI 관련 된 여러 연구들을 소개하는 저널 ‘Magnetic Resonance Imaging’에 5월 출판될 예정이다.

의학계에 널리 쓰이고 있는 MRI

미국의 화학자, 폴 라우터버(Paul C. Lauterbur)와 영국의 물리학자 피터 맨스필드(Peter Mansfield)가 MRI의 이론적 기반을 마련해 노벨 생리학상을 받은 지 10년이 넘게 지난 지금, MRI 기술은 현재 의학계에서 널리 사용되고 있는 기술이다. 사람의 몸을 해부하지 않아도, 내부의 상태를 선명한 이미지로 확인할 수 있기 때문에 몸 속 장기에 생긴 병변의 성상을 파악하는데 MRI 기술이 많이 사용되고 있다.

MRI는 수소 원자핵의 공명을 이용한 기술이다. 수소 원자핵이 자기장 안으로 들어가면, 에너지 준위가 나누어지게 된다. 그 경우, 원자핵은 특정 주파수의 전자기파를 흡수할 수 있게 된다. MRI 기계에서는 수소 원자핵이 흡수할 수 있는 펄스를 쏘아주어, 해당 펄스를 원자핵이 흡수하도록 한다. 그리고 펄스를 끊어주면 원자핵은 다시 특정 주파수의 전자기파를 방출하는데, 이 방출하는 주파수를 통해 수소 원자핵의 위치를 파악할 수 있다. 이를 통해 우리는 우리 몸의 수소 원자의 위치를 파악할 수 있고 파악한 수소 원자의 위치를 통해 우리 몸을 이루는 장기의 이미지를 만들어낼 수 있는데, 이것이 MRI 기술의 원리이다.

[caption id="" align="aligncenter" width="501"] 2017_3_16_2_F1

Figure 1. MRI 장비[/caption]

MRI 데이터를 분석하는 데 방해가 되는 대표적인 요인, MRI artifact

하지만 이 원리만으로 깨끗한 이미지를 얻을 수 있는 것은 아니다. MRI 기술을 이용해 처음 얻게 되는 이미지에는 원래의 이미지에 비해 약간의 왜곡이 들어가 있게 된다. 이 왜곡을 보정해야만 우리는 깨끗한 이미지를 얻을 수 있다.

이미지를 얻기 위해서는 수소 원자핵이 내뿜는 전자기파 신호를 분석해 이미지 데이터로 변환시켜야 한다. 그러나 이 과정에서 신호 손실이 일어날 수 있어 그 부위가 원래 나와야 하는 신호보다 어둡게 표현될 수 있다. 이런 결함을 Banding artifact라 하며, 이를 해결하기 위한 여러가지 방법들이 나오고 있는 상태이다.

[caption id="" align="aligncenter" width="469"] 2017_3_16_2_F2

Figure 2. MRI artifact. 해당 지점에 신호 손실이 있어 주변 보다 어둡게 이미지가 표현된 것을 확인할 수 있다.[/caption]

인공 신경망을 MRI 데이터에 적용하다.

김기환 박사과정 학생(지도교수: 박성홍 교수)은 인공신경망 모델 중 하나인 MLP(Multilayer Perceptron) 모델을 MRI 데이터에 적용해, 이 banding artifact를 제거하는 방법을 개발했다.

이 기법을 통해 banding artifact가 효과적으로 제거되었고, 기존에 이 결함을 제거하기 위해 사용하던 MIP(Maximum-intensity Projection)란 기법보다 더 효과적으로 제거 될 수 있다는 것을 알 수 있었다. 그리고 이 방법의 큰 장점 중의 하나로는 기술에 대한 많은 지식이 없다고 해도 손 쉽게 이 기술을 데이터에 적용해서 결함을 제거할 수 있다는 것이다. 따라서 결함을 제거하는 방법이 더 쉽게 대중적으로 쓰일 수 있으리라 기대해본다.

[caption id="" align="aligncenter" width="987"] 2017_3_16_2_F3

Figure 3. 김기환 박사과정 학생이 개발한 MLP 이용 기술을 적용한 이미지와, 기존에 있던 MIP 기술을 적용한 이미지 비교. a는 수정 전 이미지. b~e 사진을 보면 MLP(새로 개발한 기술)와 MIP(기존에 있던 기술) 모두 banding artifact가 줄어든 것을 확인할 수 있다. f~i 사진은 노이즈 대비 신호 크기 비율(Signal to noise ratio: SNR)을 나타낸 그래프이다. 기존 MIP 기술보다 MLP를 적용했을 때 SNR 값이 더 큰 것을 확인할 수 있다. 이는 MLP를 적용한 이미지가 노이즈 대비해 더 높은 신호 값을 보여주고 있다는 것이므로, MLP 적용 기술이 더 선명한 이미지를 만들어낸다 할 수 있다.[/caption]

송영조 기자(syj1455@kaist.ac.kr)

Reference

Ki Hwan Kim, Sung-Hong Park. Artificial neuroal network for suppression of banding artifacts in balanced stead-state free precession MRI. Magnetic Resonance Imaging (2017)