MRCP (Magnetic Resonance Cholangiopancreatography) is a specialized T2-weighted MRI technique playing a crucial role in diagnosing CBD (Common Bile Duct) dilatation. In contrast, determining the exact dilatation in CT data poses considerable challenges. However, many patients prioritize the acquisition of CT images, and it is quite rare for MRCP to be taken in cases of abdominal pain. Therefore, evaluating CBD dilatation in CT data becomes essential to overcome the limitations of insufficient MRCP data in clinical settings. Previous studies have endeavored to employ deep learning algorithms for the detection and identification of CBD in MRCP images. But even when using MRCP, differentiating CBD dilatation without any segmentation label is a difficult task. In this study, we introduce a transformative solution for CBD dilatation diagnosis, enabling assessments of MRCP data without any segmented label and even with Only-CT data. The algorithm was capable of diagnosing CBD dilation without the segmented labels of MRCP. Furthermore, it could diagnose CBD dilation using only CT data by enhancing the performance through synthesis of MRCP data. This approach overcomes the limitation of insufficient data and has potential clinical applicability.
MRCP(Magnetic Resonance Cholangiopancreatography)는 CBD(Common Bile Duct) 확장을 진단하는 데 중요한 역할을 하는 T2-weighted image이다. 따라서 CBD 확장을 파악할 때는 MRCP를 촬영하는 것이 권장된다. 그러나, 많은 환자들은 CT이미지를 우선적으로 촬영하며, 복부통증에도 MRCP를 촬영하는 경우는 매우 드물다. 따라서 CT 데이터에서 CBD 확장을 평가하는 것은 임상 환경에서 부족한 MRCP 데이터의 한계를 극복하기 위해 필수적이다. 본 연구에서는 딥러닝을 이용하여 MRCP 데이터의 segmented label 없이 CBD 확장을 평가하고, CT 데이터만으로도 CBD dilatation을 파악할 수 있는 네트워크를 제안한다. 알고리즘은 MRCP의 segmented label 없이도 CBD의 확장을 진단하였고, 더 나아가 CT만으로도 MRCP 데이터를 합성하여 CBD 확장의 진단을 개선할 수 있었다. 이러한 딥러닝 접근법은 부족한 데이터를 극복하고 임상적으로 적용이 가능하다.