초고해상도 7T 물비억제 MRSI로 대사·자성·수초수 이미징 동시 획득

초록

**
본 연구는 7 Tesla 초고장 MRI에서 비카르티시안 ECCENTRIC 샘플링과 초단 echo time을 이용한 물비억제 MRSI(wu‑MRSI)를 개발하고, 물·지질·사이드밴드 제거를 위한 딥러닝 네트워크 WALINET+와 고속 재구성 네트워크 DeepER를 결합해 2 mm 등축 해상도로 12분 만에 대사, 정량적 자성(QSM), 수초수(MWF) 지도를 동시에 얻는 파이프라인을 제시한다. 시뮬레이션·인체 실험에서 WALINET+는 NRMSE < 2 %와 편향 < 20 %를 달성했으며, 기존 물억제 MRSI와 비교해 대사 SNR이 향상되고 QSM·MWF와 GRE 기준 영상 간 편차가 최소 수준에 머물렀다.

**

상세 분석

**
본 논문은 초고장 7 T에서 물비억제 MRSI(wu‑MRSI)를 실현하기 위해 세 가지 핵심 기술을 통합한다. 첫째, 비카르티시안 ECCENTRIC(k‑t) 샘플링은 전통적인 Cartesian 방식보다 gradient 진동을 크게 감소시켜 물 사이드밴드 발생을 억제한다. 저자들은 spoiler gradient의 진폭·지속시간·slew‑rate를 최적화하고, 연속 TR에서 극성을 교차시켜 기계적 진동을 상쇄함으로써 물 사이드밴드의 절대 강도를 1‑2 % 이하로 낮추었다. 둘째, 물·지질·사이드밴드 제거를 위한 WALINET+는 Y‑net 기반의 2‑encoder‑1‑decoder 구조를 채택하고, 입력 스펙트럼에서 nuisance 신호(물 메인 피크, 사이드밴드, 지질)를 예측해 차감한다. 훈련 데이터는 시뮬레이션 메타볼라이트, 실제 물 피험체에서 추출한 사이드밴드, 인‑비보 지방 스펙트럼 등 네 가지 유형을 3 백만 개 이상 생성해 다양성을 확보하였다. 손실 함수는 MSE이며, Adam 옵티마이저로 4000 epoch 학습한다. 결과적으로 WALINET+는 기존 HLSVD+L2, WALINET 등 대비 NRMSE를 2 % 이하로 낮추고, 편향을 20 % 미만으로 억제한다. 셋째, 재구성 단계에서는 DeepER이라는 물리‑인포드 딥러닝 네트워크가 k‑t 공간에서 압축센스 데이터를 복원한다. 이후 물 신호를 이용해 절대 농도 정규화와 정량적 자성 매핑(QSM), 다중 에코 GRE 기반 수초수 분획(MWF) 추출이 가능해진다. 특히, 물 신호가 0 ppm에 존재하므로 QSM의 phase unwrapping과 MWF의 T2* 피팅에 직접 활용될 수 있다. 실험에서는 2 mm 등축 해상도(2 × 2 × 2 mm³)와 12 분 스캔 시간으로 451 포인트(TE = 0.9 ms) 데이터를 획득했으며, CRE, GLU 등 주요 메타볼라이트의 SNR이 물억제 MRSI 대비 10‑20 % 향상되었다. QSM과 MWF는 GRE 기준 영상과 평균 편향 0 ppm/5.5 % 및 ±0.05 ppm/±12.75 % 한계 범위 내에서 일치하였다. 종합적으로, 물비억제 MRSI와 딥러닝 기반 전처리·재구성 파이프라인은 고해상도 대사 지도와 동시에 조직 자성·수초수 정보를 제공함으로써 다중 바이오마커를 한 번의 스캔으로 획득할 수 있는 효율적인 솔루션을 제시한다.

**