디지털 유방 단층촬영에서의 지도학습 기반 산란 저감 방법 연구

Abstract

목적: 디지털 유방 단층촬영(DBT)에서 검출기가 고정되어 있는 경우, x-선 소스의 회전으로 인하여 이에 맞춰진 산란 방지 그리드의 제작이 어려우며 한 촬영 당 요구되는 선량은 FFDM에 비해 낮기에 검출기에 도달하는 전체적인 신호를 낮추는 산란 방지 그리드의 사용이 더욱 제약된다. 이로 인해 FFDM에 비하여 디지털 유방 단층촬영의 경우 X-선 산란에 취약하며 이를 소프트웨어 기반으로 저감해야 할 필요성이 생긴다. 이러한 X-선 산란을 지도학습 기반의 네트워크를 구성하여 효과적으로 저감하고자 한다.

대상 및 방법: 여성의 유방을 다양한 파라미터를 통해 모사할 수 있는 VICTRE Breast Phantom 프로그램을 이용하여 전산모사용 유방 팬텀을 생성시킨다. 이를 GPU기반의 몬테카를로 시뮬레이션 툴인 MC-GPU를 통해 디지털 유방 단층촬영에서의 시스템에 맞추어 학습용 프로젝션 데이터를 마련한 후, 지도학습 기반의 네트워크를 통해 학습시켜 X-선 산란이 포함된 영상으로부터 X-선 산란이 제거된 영상을 도출한다.

결과: 다양한 유방 영상에 대해서 일반적으로 사용되는 소프트웨어 기반의 커널 산란 보정 방식에 비해서 효과적으로 유방의 상대적인 위치에 관계없이 X-선 산란을 더 짧은 시간에 잘 저감하며 이를 통해 재구성한 영상에서도 영상 대조도를 증가시킬 수 있다.

결론: 지도학습 기반의 네트워크를 통하여 디지털 유방 단층촬영에서의 X-선 산란을 시뮬레이션 데이터상에서 효과적으로 저감할 수 있음을 확인함과 동시에 실제 임상 데이터를 추가하여 학습된 네트워크를 튜닝하는 형태로 임상에서의 적용까지 가능할 것이라 전망한다.