MRI(magnetic resonance imaging)는 방사능 없이 연조직의 다양한 대조도를 촬영할 수 있는 의료영상기기로서 다양한 해부학적인 구조 뿐만 아니라 기능적이거나 생리학적인 정보 또한 영상화 할 수 있어서 점점 더 각광받는 의료 영상 기기이다.

그럼에도 불구하고, MRI는 다른 의료영상기기에 비해 영상 획득시간이 오래 걸린다는 단점이 있었다. 이러한 이유로 MRI를 찍기 위해서 환자들은 길게 대기 해야 하고, 영상 찍는 동안에도 부동 자세를 유지해야하기 때문에 환자에게 불편함을 초래한다. 특히, MRI의 긴 영상획득시간은 MRI의 비싼 촬영 비용에 직접적인 연관이 있다.

기존 MRI의 영상획득시간을 감소시키기 위해 필요한 신호보다 적게 획득한 후 서브샘플링된 신호로부터 복원 하는 방법을 이용하였다. 대표적으로, 다른 민감도를 가지는 여러 수신 코일을 활용한 병렬 영상법과 신호의 희소성을 이용한 압축 센싱 기법이 주로 활용되었다. 그러나 병렬 영상법은 수신 코일들의 설계에 영향을 받아 영상획득시간을 크게 가속 시킬 수 없다. 또한, 압축 센싱 기법은 영상을 복원하는데 시간이 많이 걸려 실제 환경에서 이용되기 어려운 면이 있다.

이에 국내 연구진 KAIST(총장 신성철) 전기및전자공학부 박현욱 교수 연구팀이 머신러닝 기반의 영상복원법을 이용해 자기공명영상장치(이하 MRI)의 영상 획득시간을 6배 이상 단축시킬 수 있는 기술을 개발한 것이다. 이번 연구를 통해 MRI의 영상획득시간을 대폭 줄임으로써 환자의 편의성을 높일 뿐 아니라 의료비용 절감 효과를 기대할 수 있을 것으로 보인다.

박 교수팀은 MRI의 영상획득시간을 줄이기 위해 데이터를 적게 수집하고 대신 부족한 데이터를 기계학습(Machine Learning)을 이용해 복원하는 방법을 개발했다. 기존의 MRI는 주파수 영역에서 여러 위상 인코딩을 하면서 순차적으로 한 줄씩 얻기 때문에 영상획득시간이 오래 걸리지만 획득 시간을 단축시키기 위해 저주파 영역에서만 데이터를 얻으면 저해상도 영상을 얻게 되고 듬성듬성 데이터를 얻으면 영상에서 인공물이 생기는 에일리어싱 아티팩트 현상이 발생한다.

이러한 에일리어싱 아티팩트(Aliasing Artifacts)를 해결하기 위해 다른 민감도를 갖는 여러 수신 코일을 활용한 병렬 영상법과 신호의 희소성을 이용한 압축 센싱 기법이 주로 활용됐다. 그러나 병렬 영상법은 수신 코일들의 설계에 영향을 받기 때문에 시간을 많이 단축할 수 없고 영상 복원에도 시간이 많이 걸린다.

연구팀은 MRI의 가속화에 의해 발생하는 에일리어싱 아티팩트 현상을 없애기 위해 라인 전체를 고려한 '다층 퍼셉트론(Multilayer Perceptron & 심층 인공신경망, Deep Neural Networks)'을 개발한 것이다. 또 연구팀은 위 기술과 함께 기존 병렬 영상법에서 이용했던 복수 수신 코일의 정보를 활용했으며, 이 방식을 통해 직접적으로 영향을 주는 부분만을 연결해 네트워크의 효율성을 높였다. 기존 방법들의 경우 서브 샘플링 패턴에 많은 영향을 받았지만 박 교수 연구팀의 기술은 다양한 서브샘플링 패턴에 적용 가능하며 기존 방법대비 복원 영상의 우수함을 보였고 실시간 복원 또한 가능하다.

한편 박 교수는 “MRI는 환자 진단에 필요한 필수 장비가 됐지만 영상 획득 시간이 오래 걸려 비용이 비싸고 불편함이 많았다”며 “기계학습을 활용한 방법이 MRI의 영상 획득 시간을 크게 단축할 것으로 기대한다”고 말했으며, 이번 권기남 박사과정이 1저자로 참여한 연구는 국제 학술지 ‘메디컬 피직스(Medical Physics)’ 12월 13일자에 게재됐고 그 우수성을 인정받아 표지 논문에 선정됐다. (논문명 'MRI 영상 획득 시간 단축을 위한 인공신경망 기반의 복원 방법', A parallel MR imaging method using multilayer perceptron)