인공신경망 기반 실시간 미엘린 물 영상 처리

초록

본 연구는 인공신경망(ANN)을 이용해 미엘린 물 영상(MWI)을 실시간으로 처리하는 방법을 제시한다. 18명의 정상인과 26명의 다발성 경화증 환자 데이터를 활용해 세 가지 ANN 모델(ANN‑IMWF, ANN‑IGMT2, ANN‑II)을 개발했으며, 기존 전통적 MWI와 비교했을 때 평균 정규화 RMSE가 3% 이하, 처리 시간은 0.68초로 1만 배 이상 가속화되었다.

상세 분석

이 논문은 MWI의 핵심 파라미터인 myelin water fraction(MWF)과 geometric mean T2(GMT2,IEW)를 빠르게 추정하기 위해 세 가지 맞춤형 인공신경망을 설계하였다. ANN‑IMWF는 MWF를, ANN‑IGMT2는 GMT2,IEW를 직접 출력하도록 구조화했으며, ANN‑II는 전체 T2 분포를 재구성한다는 점에서 차별화된다. 학습·검증·테스트 데이터는 동일한 스캔 파라미터를 가진 10명의 정상인과 12명의 MS 환자를 각각 6:1:3 비율로 나누어 사용했으며, 나머지 데이터는 파라미터 변동에 대한 일반화 성능을 평가하는 데 활용하였다. 네트워크는 3D gradient‑spin‑echo 신호를 입력으로 받아, 전통적인 비선형 최소제곱 피팅 과정을 대체한다. 결과는 화이트 매터 마스크 전체와 ROI 별로 평가했을 때, 평균 정규화 RMS 오차가 MWF 3% 미만, GMT2,IEW 0.4% 미만이며, R²가 0.97 이상으로 높은 상관성을 보였다. 파라미터가 다른 데이터셋에서는 오차가 증가했지만, 여전히 실용적인 수준을 유지했다. 처리 시간은 기존 파이프라인이 7,958초(≈2.2시간) 걸리는 반면, ANN 기반은 0.68초에 끝나며 11,702배의 속도 향상을 달성했다. 이와 같은 성능은 실시간 임상 적용 가능성을 크게 높인다. 다만, 학습 데이터가 제한적이고 스캔 파라미터 변동에 대한 견고성이 완전하지 않으며, 다발성 경화증 이외의 병변에 대한 검증이 부족하다는 점이 향후 과제로 남는다.