[논문]척추경 나사못 삽입술 CT검사의 영상평가 분석

황형석; 임인철

doi:10.7742/jksr.2022.16.2.131

척추경 나사못 삽입술 CT검사의 영상평가 분석
Image Evaluation Analysis of CT Examination for Pedicle Screw Insertion 원문보기

한국방사선학회 논문지 = Journal of the Korean Society of Radiology, v.16 no.2, 2022년, pp.131 - 139

황형석 (인제대학교 해운대백병원 영상의학과) , 임인철 (동의대학교 방사선학과)

초록
AI-Helper

본 연구는 척추경 나사못(Pedicle screw)을 돼지 흉추에 삽입하여 일반적인 CT검사(Non MAR)와 인공물을 줄이기 위한 금속성 인공물 감소기법(Metallic Artifact Reduction for Orthopedic Implants, O-MAR)으로 얻어진 흉추 Axial영상을 4개의 알고리즘(Standard, Soft, Bone, Detail)에 재구성하였다. 이에 얻은 영상을 image J 프로그램을 이용하여 신호대잡음비(Signal Noise Ratio, SNR)와 대조도대잡음비(Contrast to Noise Ratio, CNR)를 주어진 식에 의거하여 측정값을 구하고 흉추 척추경 나사못 삽입술 CT검사에 맞는 관전압과 알고리즘을 알아보고자 하였다. 결과적으로 Non MAR 사용한 경우에는 80, 100, 120, 140 kVp에서 soft 알고리즘이 SNR, CNR이 가장 높게 나타났다. 반면에 MAR를 사용한 경우 80 kVp에서는 Standard 알고리즘이 가장 높게 나타났고 100 kVp에서는 Standard, Soft 알고리즘이 비슷한 값으로 높게 나타났다. 120 kVp에서는 Soft, Standard 알고리즘이 비슷한 값으로 나타났고 140 kVp에서는 Soft 알고리즘에서 SNR, CNR이 가장 높게 나타났다. 따라서 Non MAR와 MAR를 비교했을 경우 MAR를 사용한다고 하더라도 관전압 변화에 따라 모든 알고리즘에서 SNR과 CNR이 증가하는 것은 아니었다. 본 연구는 이후 척추경 나사못 CT검사 영상 평가에 도움이 되는 기초자료로써 선택적인 관전압과 알고리즘 사용으로 영상의 질을 더 높일 수 있는 계기가 될 것으로 사료된다.

Abstract ▼ AI-Helper

The purpose of this study was to insert a pedicle screw into a pig thoracic vertebrae, a general CT scan(Non MAR), and a thoracic axial image obtained with the Metallic Artifact Reduction for Orthopedic Implants (O-MAR) to reduce artifacts. The image obtained by reconstructing the algorithm (Standard, Soft, Bone, Detail) was used using the image J program. Signal to noise ratio(SNR) and contrast to noise ratio(CNR) were compared and analyzed by obtaining measured values based on the given equation. And this study was to investigate tube voltage and algorithm suitable for CT scan for thoracic pedicle screw insertion. As a result, when non-MAR was used, the soft algorithm showed the highest SNR and CNR at 80, 100, 120, and 140 kVp, On the other hand, when MAR was used, the standard algorithm showed the highest at 80 kVp, and the standard and soft algorithms showed similar values at 100 kVp. At 120 kVp, the Soft and Standard algorithms showed similar values, and at 140 kVp, the Soft algorithm showed the highest SNR and CNR. Therefore, when comparing Non-MAR and MAR, even if MAR was used, SNR and CNR did not increase in all algorithms according to the change in tube voltage. In conclusion, it is judged that it is advantageous to use the Soft algorithm at 80, 100, 120, and 140 kVp in Non MAR, the Standard algorithm at 80 and 100 kVp in MAR, and the Soft algorithm at 120 and 140 kVp. This study is expected to serve as an opportunity to further improve the quality of images by using selective tube voltage and algorithms as basic data to help evaluate images of pedicle screw CT scans in the future.

주제어

표/그림 (7)

그림 Fig. 1. Pedicle Screw Insertion Process.
그림 Fig. 2. Image of the measurement site applied to Image J Program
표 Table 1. Thoracic Spine CT Scan Parameters
표 Table 2. 80 kVp SNR, CNR
표 Table 3. 100 kVp SNR, CNR
표 Table 4. 120 kVp SNR, CNR
표 Table 5. 140 kVp SNR, CNR

AI 본문요약
AI-Helper

문제 정의

따라서 본 연구에서는 척추경 나사못(Pedicle screw)을 돼지 흉추에 삽입하여 일반적인 CT검사 (Non MAR)와 인공물을 줄이기 위한 금속성 인공물 감소기법(Metallic Artifact Reduction for Orthopedic Implants, O-MAR)으로 얻어진 흉추 Axial영상을 4개의 알고리즘(Standard, Soft, Bone, Detail)에 재구성하여 얻은 영상을 image J 프로그램을 이용하여 신호대잡음비(Signal Noise Ratio, SNR)와 대조도대잡음비(Contrast to Noise Ratio, CNR)의 주어진 식에 의거하여 측정값을 얻어 비교분석하고 흉추 척추경 나사못 삽입술 CT검사에 맞는 관전압과 알고리즘을 알아보고자 하였다.

제안 방법

1) 흉추 6번에 정형외과적 수술 방법에 의해 투시 장비를 이용하여 척추경나사못을 삽입한 후 CT장비를 이용하여 검사를 하였다.
2) 80, 100, 120, 140 kV 각 관전압에 Non MAR와 MAR를 분리하여 Axial로 스캔하고 4개의 알고리즘(Standard, Soft, Bone, Detail)으로 영상을 재구성하였다.
정량적인 평가방법으로 신호대잡음비와 대 조 도대 잡음 비로 평가하였다.

대상 데이터

본 실험의 대상으로는 인체가 아닌 돼지의 흉추를 연구재료로 사용하였으며 척추경 나사못을 투시 장비를 이용하여 삽입하였다. 실험을 위해서는 주로 팬텀을 사용하지만 다른 논문과 비교 분석하기 위해 동물뼈를 사용하였다.
본 실험의 대상으로는 인체가 아닌 돼지의 흉추를 연구재료로 사용하였으며 척추경 나사못을 투시 장비를 이용하여 삽입하였다. 실험을 위해서는 주로 팬텀을 사용하지만 다른 논문과 비교 분석하기 위해 동물뼈를 사용하였다. 나사못 삽입은 Fig.

성능/효과

MAR를 사용한 경우 80 kVp에서는 Standard 알고리즘이 가장 높게 나타났고 100 kVp 에서는 Standard, Soft 알고리즘이 비슷한 값으로 높게 나타났다. 120 kVp에서는 Soft, Standard 알고리즘이 비슷한 값으로 나타났고 140 kVp에서는 Soft 알고리즘에서 SNR, CNR이 가장 높게 나타났다. 따라서 Non MAR와 MAR를 비교했을 경우 MAR를 사용한다고 하더라도 관전압 변화에 따라 모든 알고리즘에서 SNR과 CNR이 반드시 증가하는 것은 아니었다.
결론적으로 Non MAR 사용한 경우 80, 100, 120, 140 kVp에서 soft 알고리즘이 SNR, CNR이 가장 높게 나타났다. MAR를 사용한 경우 80 kVp에서는 Standard 알고리즘이 가장 높게 나타났고 100 kVp 에서는 Standard, Soft 알고리즘이 비슷한 값으로 높게 나타났다. 120 kVp에서는 Soft, Standard 알고리즘이 비슷한 값으로 나타났고 140 kVp에서는 Soft 알고리즘에서 SNR, CNR이 가장 높게 나타났다.
Table 2와 같이 80 kVp의 Standard 알고리즘에서는 Non MAR와 MAR의 SNR, CNR의 평균값으로 SNR 9.39, 15.98, CNR 8.91, 14.98로 나타났으며 Soft 알고리즘에서 SNR 12.05, 14.29, CNR 11.01, 13.18, Bone 알고리즘에서 SNR 6.49, 10.73, CNR 6.15, 10.11, Detail 알고리즘에서 SNR 11.05, 13.44, CNR 10.14, 12.43로 나타났다. 결과적으로 80 kVp에서는 SNR, CNR이 Non MAR에서 Soft 알고리즘, MAR에서는 standard 알고리즘이 가장 높게 나타났다.
Table 3과 같이 100 kVp의 Standard 알고리즘에서는 Non MAR와 MAR의 SNR, CNR의 평균값으로 SNR 13.26, 16.46, CNR 12.90, 15.36로 나타났으며 Soft 알고리즘에서 SNR 16.38, 16.04, CNR 15.68, 15.28, Bone 알고리즘에서 SNR 7.46, 11.12, CNR 7.23, 10.40, Detail 알고리즘에서 14.06, 15.28, CNR 13.48, 14.53로 나타났다. 결과적으로 100 kVp에서는 SNR, CNR이 Non MAR에서 Soft 알고리즘, MAR에서는 standard 알고리즘이 가장 높게 나타났다.
Table 4와 같이 120 kVp의 Standard 알고리즘에서는 Non MAR와 MAR의 SNR, CNR의 평균값으로 SNR 15.49, 15.10, CNR 15.39, 14.87로 나타났으며 Soft 알고리즘에서 SNR 16.54, 15.40, CNR 16.01, 14.93, Bone 알고리즘에서 SNR SNR 7.67, 9.53, CNR 7.51, 9.43, Detail 알고리즘에서 SNR 14.26, 14.21, CNR 13.85, 13.82로 나타났다. 결과적으로 120 kVp에서는 SNR, CNR이 Non MAR와 MAR에서 모두 Soft 알고리즘이 가장 높게 나타났다.
Table 5와 같이 140 kVp의 Standard 알고리즘에서는 Non MAR와 MAR의 SNR, CNR의 평균값으로 SNR 16.17, 13.82, CNR 15.88, 13.18로 나타났으며 Soft 알고리즘에서 SNR 17.23, 16.77, CNR 16.99, 16.22, Bone 알고리즘에서 SNR 7.96, 9.71, CNR 7.76, 9.09, Detail 알고리즘에서 SNR 14.48, 15.64, CNR 14.27, 15.17로 나타났다. 결과적으로 140 kVp 에서는 SNR, CNR이 Non MAR와 MAR에서 모두 Soft 알고리즘이 가장 높게 나타났다.
53로 나타났다. 결과적으로 100 kVp에서는 SNR, CNR이 Non MAR에서 Soft 알고리즘, MAR에서는 standard 알고리즘이 가장 높게 나타났다.
82로 나타났다. 결과적으로 120 kVp에서는 SNR, CNR이 Non MAR와 MAR에서 모두 Soft 알고리즘이 가장 높게 나타났다.
17로 나타났다. 결과적으로 140 kVp 에서는 SNR, CNR이 Non MAR와 MAR에서 모두 Soft 알고리즘이 가장 높게 나타났다.
43로 나타났다. 결과적으로 80 kVp에서는 SNR, CNR이 Non MAR에서 Soft 알고리즘, MAR에서는 standard 알고리즘이 가장 높게 나타났다.
결론적으로 Non MAR 사용한 경우 80, 100, 120, 140 kVp에서 soft 알고리즘이 SNR, CNR이 가장 높게 나타났다. MAR를 사용한 경우 80 kVp에서는 Standard 알고리즘이 가장 높게 나타났고 100 kVp 에서는 Standard, Soft 알고리즘이 비슷한 값으로 높게 나타났다.
120 kVp에서는 Soft, Standard 알고리즘이 비슷한 값으로 나타났고 140 kVp에서는 Soft 알고리즘에서 SNR, CNR이 가장 높게 나타났다. 따라서 Non MAR와 MAR를 비교했을 경우 MAR를 사용한다고 하더라도 관전압 변화에 따라 모든 알고리즘에서 SNR과 CNR이 반드시 증가하는 것은 아니었다.
그러나 Standard, Soft, Detail 알고리즘에서는 MAR를 사용했을 때 80 kVp를 제외하고 나머지 관전압에서 SNR과 CNR값이 반드시 높은 것은 아니었다. 따라서 모든 알고리즘에서 SNR과 CNR 값이 높게 나타나는 영상은 MAR를 사용한 80 kVp으로 나타났다.
또한 알고리즘의 변화에 따른 결과를 살펴보면 Bone 알고리즘에서는 모든 관전압에서 SNR과 CNR이 MAR에서 수치가 높았다. 그러나 Standard, Soft, Detail 알고리즘에서는 MAR를 사용했을 때 80 kVp를 제외하고 나머지 관전압에서 SNR과 CNR값이 반드시 높은 것은 아니었다.

후속연구

이 연구의 자료가 이후 척추경 나사못 CT 검사 영상 평가에 좋은 기초자료로 사용되기를 바라며 적절한 관전압과 알고리즘 변화로 영상의 질을 더 높일 수 있는 계기가 될 것으로 사료된다.

참고문헌 (12)

U. Linsenmaier, M. Krotz, H. Hauser, C. Rock, J. Rieger, K. Bohndorf, K. Pfeifer, M. Reiser, "Whole-body computed tomography in polytrauma: techniques and management", Europe Radiology, Vol. 12, No. 7, pp. 1728-1740, 2002. http://dx.doi.org/10.1007/s00330-001-1225-x

상세보기
M. L. Van Hise, S. L. Primack, R. S. Israel, N. L. Muller, "CT in blunt chest trauma: indications and limitations", Radiographics :a review publication of the Radiological Society of North America, Inc, Vol. 18, No. 5, pp. 1071-1084, 1998. http://dx.doi.org/10.1148/RADIOGRAPHICS.18.5.9747608

상세보기
Y. K. Kim, S. Yang, T. U. Wang, "Evaluation of Artifact and Noise in the Standard and MAR Algorithms with Variation of Examination Conditions of CT", Journal of radiological science and technology, Vol. 43, No. 2, pp. 79-85, 2020. https://doi.org/10.17946/JRST.2020.43.2.79

원문보기 상세보기
J. U. Yoo, A. Ghanauem, C. Petersilge, J. Lewin, "Accuracy of using computed tomography to identify pedicle screw placement in cadaveric human lumbar spine", Spine, Vol. 22, No. 22, pp. 2668-2671, 1997. http://dx.doi.org/10.1097/00007632-199711150-00016

상세보기
J. W. Jang, I. H. Jo, H. J. Kim, W. J. Jeong, B. G. Go, J. T. Lee, H. S. Yoo, B. H. Yoo, "The Usefulness of Applying The lterative MAR Algorithm for Improving of The Deterioration of CT Image Qulaity came from The High-Density Material", Journal of the Korean Society of Computed Tomographic Technology, Vol. 18, No. 2, p. 73, 2016.
H. J. Kim, H. C. Jang, J. H. Cho, "Evaluation on usefulness of three dimensional reconstructive computed tomography images after pedicle screws fixation", Journal of Digital Contents Society Vol. 11 No. 4, pp. 553-559, 2010.
H. S. Kim, H. J. Han, J. Y. Kim, C. P. Park, S. G. Jang, J. W. Choi, J. S. Kim, "O-MAR, SBI image comparison & analysis evaluation about patients who have metal artifical implants in the knee joint CT scan", Korean Society of Computed Tomographic Technology, Vol. 20, No. 1, pp. 33-50, 2018. http://dx.doi.org/10.31320/JKSCT.2018.20.1.33

상세보기
M. C. Kim, Latest CT image technology theory QC edition, Chun-Ku Publishing Co., pp. 3-9, 2007.
H. J. Kim, J. Yoon, "Analysis of the artifact reduction rate for the types of medical metals in CT with MAR algorithm", Journal of the Korea Academia-Industrial Cooperation Society, Vol. 17, No. 9, pp. 655-662, 2016. http://dx.doi.org/10.5762/KAIS.2016.17.9.655

원문보기 상세보기
M. S. kim, M. O. Jeong, J. S. Jeong, et al, "Clinical usefulness of MAR algoritm method for Beam-hardening artifact reduction in dual Energy Imaging via kVp Switching", Journal of Radiation Protection, Vol. 13, No. 2, pp. 21-23. 2011.
H. J. Kim, "Usefulness Evaluation of Application of Metallic Algorithm Reducing for Beam Hardening Artifact Occur in Typical Brain CT Image", "Journal of Korean Society Radiology, Vol. 12, No. 3, p. 393. 2018.
H. S. Keum, K. C. Jang, J. Choi, J. H. Lee, B. W. Lee, J. S. Seo, W. S. Kim, "The Experimental Study about Reduction Method of Metal Artifact by Using Single Source Dual Energy CT", Journal of Korean Society of Computed Tomographic Technology, Vol. 13, No. 1, p. 85, 2011.

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증