Diffusion-weighted imaging (DWI) is a method that uses specific Magnetic Resonance Imaging sequences, which make signal decrease where diffusion occurs. Conventional diffusion signal model is mono-exponential model which assumes that there is the only one type of diffusion in a voxel. However, in human body, the diffusion of proton does not follow Gaussian distribution due to the complex structure of biological tissues, such as membrane, fiber, etc. In this reason, mono-exponential model is not sufficient to fully describe diffusion in human body.
Bi-exponential model has been proposed to explain the intra-cellular diffusion and extra-cellular diffusion. Fast diffusion coefficient, slow diffusion coefficient, and fraction are calculated by fitting diffusion weighted signals. Besides bi-exponential model, kurtosis imaging which is a measure of how deviates from Gaussian distribution is also used widely to examine diffusion in human body.
Proposed algorithm provides the information of kurtosis of slow diffusion. Fitting algorithm was validated by simulation.
확산 강조 자기 공명 영상 기법은 확산을 강조 시킬 수 있는 시퀀스를 사용하여 확산이 잘 일어나는 곳은 신호가 많이 감쇄되고 확산이 적게 일어나는 곳은 신호가 적게 감쇄하는 성질을 이용한 기법이다. 기존에 널리 사용되는 신호 감쇄 모델은 단일 지수 감쇠 모델이며 이는 한 복셀 내에 확산의 정도가 동일한 물질들로 이루어져 있다는 가정을 하고 있다. 하지만, 실제 우리 몸은 세포막, 섬유 조직과 같은 복잡한 구조로 되어 있어서 단일 지수 감쇄 모델로 우리 몸속에서 일어나는 확산을 설명하는 데에는 한계가 있다.
그래서 한 복셀 내에 빠른 확산과 느린 확산이 있다고 가정하는 이중 지수 모델이 제안되었다. 이는 확산 강조 자기 공명 영상 기법으로 얻은 영상 신호를 이용하여 근사를 통해 빠른 확산과 느린 확산을 구분하여 얻는다. 이중 지수 모델 외에도 몸속의 복잡한 구조를 분석하기 위해 단일 가우시안 분포에서 벗어난 정도를 가리키는 첨도를 이용하여 확산 영상을 분석하는 방법도 널리 쓰이고 있다.
제안하는 방법은 이중 지수 모델과 확산 첨도 영상화를 융합하여 세포 내의 느린 확산의 첨도를 근사 알고리즘을 통해 구했다.
