[논문]임플란트 시술환자에 대한 두경부 CT검사 영상 평가

황형석; 황형석; 임인철

doi:10.7742/jksr.2023.17.6.843

[국내논문] 임플란트 시술환자에 대한 두경부 CT검사 영상 평가
Head & Neck CT Scan Image Evaluation for Implant Surgery Patients 원문보기

한국방사선학회 논문지 = Journal of the Korean Society of Radiology, v.17 no.6, 2023년, pp.843 - 849

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

초록
AI-Helper

본 연구는 임플란트 시술한 환자에 대한 두경부 CT 영상을 4개의 알고리즘(Standard, Soft, Bone, Detail)을 재구성하여 Noise, SNR, CNR 측정값을 정량적으로 분석한 후 최적의 알고리즘을 알아보고자 하였다. 분석방법으로는 Image J 프로그램을 이용하여 재구성한 영상에 관심영역(Region of interest)을 통하여 픽셀값을 계산하였다. Noise, SNR, CNR은 측정부위를 영상에서 인두, 깨물근, 귀밑샘이 있는 지점에 관심영역을 측정하고 mean값과 SD값을 구하였다. SNR과 CNR의 값은 주어진 식에 의거하여 산출하였다. 결과적으로 Standard 알고리즘에서 노이즈는 가장 낮게 나타났으며 SNR 또한 가장 높게 나타났다. CNR은 Soft 알고리즘에서 가장 높게 나타났으나 Standard 알고리즘과는 별 차이가 없는 것으로 나타났다. 따라서 두경부 CT검사에서 구강내 임플란트 착용한 환자 검사에서 Standard 알고리즘이 최적의 알고리즘이라고 사료되며 이 연구의 자료가 두경부 CT검사에서 영상 평가하는데 기초자료로 사용되기를 바라며 다양한 알고리즘 변화로 영상의 질을 더 높일 수 있는 계기가 될 것으로 판단된다.

Abstract ▼ AI-Helper

This study attempted to determine the optimal algorithm after quantitatively analyzing noise, SNR, and CNR measurements by reconstructing four algorithms (Standard, Soft, Bone, and Detail) from head and neck CT images of patients who underwent implant surgery. As an analysis method, pixel values were calculated through the region of interest in the reconstructed image using the Image J program. For noise, SNR, and CNR, the region of interest was measured at the location of the pharynx, masseter muscle, and parotid gland in the image, and the mean and SD values were obtained. The values of SNR and CNR were calculated based on the given formula. As a result, the standard algorithm showed the lowest noise and the highest SNR. CNR was highest in the Soft algorithm, but showed no significant difference from the Standard algorithm. Therefore, it is believed that the Standard algorithm is the optimal algorithm for examining patients wearing intraoral implants in head and neck CT examinations. We hope that the data from this study will be used as basic data for image evaluation in head and neck CT examinations, and that the quality of images will be further improved through various algorithm changes. It is believed that this will be an opportunity to do so.

주제어

표/그림 (8)

그림 Fig. 1. Image measurement area by algorithm.
그림 Fig. 2. Noise histogram of pharynx according to algorithm changes.
표 Table 1. Pharynx Noise measures according to the algorithm
표 Table 2. Masseter muscle Noise, SNR, CNR measures according to the algorithm
그림 Fig. 3. Noise, SNR, CNR histogram of masseter muscle according to algorithm changes.
그림 Fig. 4. Noise, SNR, CNR histogram of parotid gland according to algorithm changes.
표 Table 3. Protid gland Noise, SNR, CNR measures according to the algorithm
표 Table 4. Correlation analysis between noise, SNR, and CNR of masseter muscle and parotid gland

AI 본문요약
AI-Helper

문제 정의

따라서 본 연구에서는 두경부 CT에서 영상을 4개의 알고리즘(Standard, Soft, Bone, Detail)에 적용시켜 재구성한 영상을 Image J 프로그램에 이용하여 인근 주위 장기(인두, 깨물근, 턱밑샘)의 Noise, SNR, CNR 측정값을 분석한 후 최적의 알고리즘을 알아보고자 하였다.

대상 데이터

Somatom Drive 128 channel Dual source CT (Siemens 2016, Germany) 장비로 사용하였으며 부산지역 P병원 치아 임플란트를 한 두경부 CT를 시행한 성인 10명을 대상으로 하였다.
관전압 120 kV, 관전류 140 mAs, 슬라이스 두께 3 mm, Pitch 0.8, 회전시간(Rotation time) 1.0 sec, 자동노출 제어장치(Automatic exposure control, AEC)로 조사되었으며 조영제는 2 cc/kg, total 100 cc를 사용하였다.

데이터처리

, Chicago, IL, USA)을 이용하여 통계 처리를 하였다. Noise, SNR, CNR은 일원배치 분산분석(one-way ANOVA)을 통해 비교분석하였으며, 피어슨 상관관계분석(Pearson`s correlation coefficient analysis)을 사용하여 변수들 간의 관계를 평가하였다. 통계적 유의성은 p<0.
셋째, 측정부위는 아티팩트가 존재하면서 인두, 깨물근, 귀밑샘이 잘 나타난 영상에 관심영역(Region Of Interest, ROI)의 평균(mean)값과 표준편차(standard deviation, SD)값을 구하였다. 넷째, 평가로는 인두는 Noise, 깨물근, 귀밑샘은 Noise, SNR, CNR로 평가하였다. 인두의 측정범위는 인두 바로 윗부분을 설정하였다.
첫째, 4개의 알고리즘을 이용하여 영상을 재구성하였다. 둘째, Image J 프로그램을 이용하여 재구성한 영상에 관심영역을 통하여 픽셀값을 계산하였다. 셋째, 측정부위는 아티팩트가 존재하면서 인두, 깨물근, 귀밑샘이 잘 나타난 영상에 관심영역(Region Of Interest, ROI)의 평균(mean)값과 표준편차(standard deviation, SD)값을 구하였다.
둘째, Image J 프로그램을 이용하여 재구성한 영상에 관심영역을 통하여 픽셀값을 계산하였다. 셋째, 측정부위는 아티팩트가 존재하면서 인두, 깨물근, 귀밑샘이 잘 나타난 영상에 관심영역(Region Of Interest, ROI)의 평균(mean)값과 표준편차(standard deviation, SD)값을 구하였다. 넷째, 평가로는 인두는 Noise, 깨물근, 귀밑샘은 Noise, SNR, CNR로 평가하였다.
첫째, 4개의 알고리즘을 이용하여 영상을 재구성하였다. 둘째, Image J 프로그램을 이용하여 재구성한 영상에 관심영역을 통하여 픽셀값을 계산하였다.

성능/효과

SNR은 Standard > Soft > Bone > Detail 순으로 Standard 알고리즘에서 가장 높게 나타났으며 CNR은 Soft > Standard > Bone > Detail 순으로 Soft 알고리즘에서 가장 높게 나타났다
SNR은 Standard > Soft > Bone > Detail 순으로 Standard 알고리즘에서 가장 높게 나타났으며 CNR은 Soft > Standard > Bone > Detail 순으로 Soft 알고리즘에서 가장 높게 나타났다
결과적으로 Mm의 CNR과 SNR이 매우 상관관계가 높게 나타났다(r=0.916, p<0.01)
결과적으로 Standard < Soft < Bone < Detail 순으로 Standard 알고리즘에서 Noise가 가장 적게 나타났다
결과적으로 노이즈는 Standard < Soft < Bone < Detail 순으로 Standard 알고리즘에서 가장 적게 나타났다
결과적으로 노이즈는 Standard < Soft < Bone < Detail 순으로 Standard 알고리즘에서 가장 적게 나타났다
본 연구의 제한점으로는 첫째, 임플란트의 재질에 따라 아티팩트 모양이나 크기가 달라져 Noise, SNR과 CNR의 값이 달라질 수 있다는 것이다. 둘째, 임플란트 삽입이 오른쪽과 왼쪽의 어느쪽에 삽입되어 있는가에 따라 달라질 수 있다는 점이다. 따라서 오른쪽과 왼쪽 삽입에 따라 평가가 이루어져야 할 것이다.
따라서 오른쪽과 왼쪽 삽입에 따라 평가가 이루어져야 할 것이다. 셋째, 구강 내 여러 장기가 있으나 심한 아티팩트로 인하여 다른 장기는 설정하기가 어려움이 있었다. 넷째, 정량적인 평가와 정성적인 평가를 동시에 하지 못하였다는 점과 아티팩트의 영향으로 관심영역 설정범위에 한계가 있었다.

후속연구

셋째, 구강 내 여러 장기가 있으나 심한 아티팩트로 인하여 다른 장기는 설정하기가 어려움이 있었다. 넷째, 정량적인 평가와 정성적인 평가를 동시에 하지 못하였다는 점과 아티팩트의 영향으로 관심영역 설정범위에 한계가 있었다. 추후 앞서 기술한 내용을 보완한다면 신뢰도 높은 데이터로 사용할 수 있을 것으로 사료된다.
결론적으로 CT장비의 발전으로 인해 Artifact와 Noise를 줄여주는 O-MAR 알고리즘을 사용하고 있으나 모든 인공물를 완벽하게 제거할 수 없는 실정이다. 따라서 구강내 임플란트를 착용한 환자검사에서 O-MAR 사용함과 동시에 적절한 알고리즘을 선택한다면 영상 판독에 있어서 질 좋은 영상을 얻을 수 있을 것으로 생각된다.
CNR은 Soft 알고리즘에서 가장 높게 나타났으나 Standard 알고리즘과는 별 차이가 없었다. 따라서 두경부 CT검사에서 구강내 임플란트 착용한 환자 검사에서 Standard 알고리즘이 최적의 알고리즘이라고 사료되며 이 연구의 자료가 두경부 CT검사에서 영상 평가하는데 기초자료로 사용되기를 바라면서 다양하게 개발되어 있는 알고리즘의 적절한 사용으로 더욱 질 좋은 영상을 얻을 수 있는 계기가 될 것으로 판단된다.
본 연구의 제한점으로는 첫째, 임플란트의 재질에 따라 아티팩트 모양이나 크기가 달라져 Noise, SNR과 CNR의 값이 달라질 수 있다는 것이다. 둘째, 임플란트 삽입이 오른쪽과 왼쪽의 어느쪽에 삽입되어 있는가에 따라 달라질 수 있다는 점이다.
넷째, 정량적인 평가와 정성적인 평가를 동시에 하지 못하였다는 점과 아티팩트의 영향으로 관심영역 설정범위에 한계가 있었다. 추후 앞서 기술한 내용을 보완한다면 신뢰도 높은 데이터로 사용할 수 있을 것으로 사료된다.

참고문헌 (21)

The Korean society of medical imaging technology, Textbook of Computed Tomography, Chung-Ku Publishing corporation, Sixth edition, p. 293, 2023.？
H. J. Kim, "Study for Improving Image Quality by Reducing High Contrast(Metallic) Artifact in Head& Neck CT Scan", Department of Medical engineering Graduate School of Soonchunhyang University, Master of Engineering, pp. 10, 2010.？
J. Hsieh, R. C. Molthen, C. A. Dawson, R. H. Johnson, "An iterative approach to the beam hardening correction in cone beam CT", Medical Physics, Vol. 27, No. 1, pp. 23-29, 2000. http://dx.doi.org/10.1118/1.598853？

상세보기
G. H. Glover, N. J. Pelc, "An algorithm for the reduction of metal clip artifacts in CT reconstructions", Medical Physics, Vol. 8, No. 6, pp. 799-807, 1981. http://dx.doi.org/10.1118/1.595032？

상세보기
G. T. Herman, "Correction for beam hardening in computed tomography", Physics in Medicine and Biology, Vol. 24, No. 1, 1979. http://dx.doi.org/10.1088/0031-9155/24/1/008？

상세보기
C. C. Ling, M. C. Schell, K. R. Working, K. Jentzsch, L. Harisiadis, S. Carabell, C. C. Rogers, "CT-Assisted assessment of bladder and rectum dose in gynecological implants", International Journal of Radiation Oncology, Biology, Physics, Vol. 13, No. 10, pp. 1577-1582, 1987. http://dx.doi.org/10.1016/0360-3016(87)90327-0？

상세보기
G. Wang, D. Snyder, J. A. O'Sullivan, M. W. Vannier, "Iterative deblurring for CT metal artifact reduction", IEEE Transact Medical Imaging Vol. 15, No. 5, pp. 657-664, 1996. http://dx.doi.org/10.1109/42.538943？

상세보기
A. C. Kak, M. Slaney, Principles of computerized tomographic imaging, New York, NY : IEEE Press, 1988.？
X. Zhang, J. Wang, L. Xing, "Metal artifact reduction in x-ray computed tomography (CT) by constrained optimization", Medical Physics, Vol. 38, No. 2, pp. 701-711, 2011. http://dx.doi.org/10.1118/1.3533711？

상세보기
S. J. Son, J. P. Park, M. J. Kim, S. H. Yoo, "Evaluating applicability of metal artifact reduction algorithm for head & neck radiation treatment planning CT", The Journal of the Korean Society for Radiotherapeutic Technology, Vol. 26, No 1, p. 107, 2014.？
H. S. Yoon, "Predict of Fracture Risk Rate According to Morphological Measuring of Proximal Femoral Part Using Dual Energy X-ray Absoptiometry", Journal of Korean Society of radiological technology, Vol. 25, No. 1, pp. 49-53, 2002.？
S. J. Kim, S. W. Yoo, J. C. Kim, S. M. Noh, J. W. Park, "The Evaluation of Image Quality According to the Change of Reconstruction Algorithm of CT Images", Korean Journal of Digital Imaging in Medicine, Vol. 12, No. 2, pp. 127-132, 2010. https://koreascience.kr/article/JAKO201023563641036？
M. D. Becker, Y. M. Berkmen, J. H. M. Austin, I. K. Mun, B. M. Romney, A. Rozenshtein, P. A. Jellen, C. K. Yip, B. Thomashow, M. E. Ginsburg, "Lung volumes before and after lung volume reduction surgery: quantitative CT analysis", American Journal of Respiratory and Critical Care Medicine, Vol. 157, No. 5, pp. 1593-1599, 1998. http://dx.doi.org/10.1164/ajrccm.157.5.9706066？

상세보기
G. W. Kim, J. H. Min, K. Y. Yoo, J. M. Kim, H. W. Joung, J. A. Lee, J. H. Jung, D. H. Sung, S. C. Park, "Comparison Study on CNR and SNR of Thoracic Spine Lateral Radiography", Journal of Radiological Science and technology, Vol. 36, No. 4, p. 273-280, 2013.？
Breathing Exposure Techniques in Radiography, From URL; http://www.wikiradiography.net/page/Breathing_Exposure_Techniques_in_Radiography？
The Korean society of medical imaging technology, Textbook of Computed Tomography, Chung-Ku Publishing corporation, Third edition, p. 430, 2017.？
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 Tomography Technology, Vol. 20, No 1, pp. 34-35, 2018. http://dx.doi.org/10.31320/JKSCT.2018.20.1.33？

상세보기
K. W. Kim, J. W. Min, K. Y. Lyu, J. M. Kim, H. W. Jeong, J. A. Lee, J. H. Jung, D. C. Sung, S. C. Park, "Comparison Study on CNR and SNR of Thoracic Spine Lateral Radiography", Journal of Radiological Science and Technology, Vol. 36, No. 4, pp. 228, 2013.？
Y. K. Kim, S. Yang, T. I. 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.？
I. J. Lee, "Experiment with Respect to Proper Grid Ratio According to Tube Voltage", Journal of Radiation Industry, Vol. 13, No. 4, pp. 363-368, 2019. http://dx.doi.org/10.23042/radin.2019.13.4.363？
J. Nosil, K. I. Pearce, R. A. Stein, "Linearity and contrast scale control in computed tomography", Medical Physics, Vol. 16, No. 1, pp. 110-113, 1989. http://dx.doi.org/10.1118/1.596396

상세보기

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