극도로 낮은 저 선량 심장 CT에서 wavelet-assisted noise disentanglement를 이용한 CycleGAN 잡음제거 이미지 품질 평가

Abstract

심장혈관 조영증강 CT(CCTA; Cardiac computed tomography angiography)는 다양한 심전도(ECG; electrocardiography) R-R Interval에서 여러 수준의 방사선량을 이용하여 연속적으로 촬영할 수 있다. R-R interval 중 일부를 선택하여 시행하는 검사 방식은 전체 방사선량은 감소하지만, 저 선량(Low dose) 구간에서 영상을 재구성하였을 때 노이즈가 발생해 이미지 품질(Quality)이 현저하게 저하된다. 이러한 이미지 품질의 저하를 해결하기 위해 저 선량 노이즈(Noise) 패턴(Pattern)을 효과적으로 학습할 수 있는 CycleGAN(Cycle Generative Adversarial Networks)기법이 개발되었는데, 이를 이용하여 얻은 극도로 낮은 저 선량 CT영상에서는 인공물 (Artificial feature)이 나타나는 단점이 있다. 최근에는 인공물을 해결하기 위해 노이즈 풀림(Noise disentanglement)을 이용한 고성능 비지도 딥 러닝 방법 (WAND; Wavelet-Assisted Noise Disentanglement)이 제안되었다. 본 연구에서는 CycleGAN만 시행한 영상과 WAND를 반영한 영상을 비교 평가하였다. 극도로 낮은 저 선량 CT 영상의 이미지 평가를 위해 개발 군(Develop Set) 48명과 시험 군(Test Set) 101명의 데이터를 선별 후 시각적 등급 분석(VGA; Visual Grading Analysis, noiseness, sharpness and structure visibility)과 신호 대 잡음 비(SNR; Signal to Noise Ratio)를 구하였다. CT영상의 대동맥(Aorta), 우 관상동맥(RCA; Right coronary artery), 좌심실 강(LV cavity; Left ventricle cavity), 그리고 좌심실 중격(LV septum)에서 VGA와 SNR을 측정하였다. 추가로 VGA에서는 3D volumetry와 우심실(RV; Right ventricle), 좌심실(LV; Left ventricle)의 Endocardial border를 평가하였다. 결과적으로, 제안된(Proposed) WAND 방법으로 생성된 영상의 VGA 점수가 기존의 저 선량과 CycleGAN의 영상에 비해 우수하게 평가되었다. SNR 또한 제안된 방법을 이용한 경우 기존 저 선량과 CycleGAN 영상에 비해 훨씬 개선되었다. 임상에서도 제안된 방법을 이용하면 더 적은 방사선량으로 영상의 품질을 향상시킬 수 있을 것으로 기대한다.