Computed tomography (CT) is one of the prevailing medical imaging modality since it was introduced. Due to cost-effectiveness and fast scanning time compared to magnetic resonance imaging (MRI), CT has been widely used in numerous medical practices such as detection of tumors, hemorrhage and diagnosis of abdominal diseases. Also, since CT directly provides the electron density information, CT is used to calculate dose for radiotherapy and to perform attenuation correction of SPECT and PET images. However, exposure to CT scans can increase the chance of getting cancer and, using radiocontrast agents to enhance the contrast between tissues may cause reactions such as mild, skin rashes and nephropathy. Along with CT, MRI is one of the widely used imaging tools in the medical field. Depending on the sequence, MRI can provide anatomical information and functional information without any radiation exposure. The tissue contrast of MR images is superior to CT images and, this sometimes makes MRI to be taken with a combination of other imaging methods, like CT, for accurate localization and segmentation. Besides, since MRI provides superior tissue contrasts to CT, additional MRI enables the detection of lesions that are difficult to distinguish. Yet, the acquisition of both imaging modalities can be a time-consuming process and might be a burden to patients.
Here, we proposed a convolutional neural network (CNN) that generates synthetic CT (sCT) images from MR images, on the pelvic area. Purpose of this network is to reduce the time and burden of patients, as well as radiation risk from CT imaging.
컴퓨터단층촬영은 촬영에 소요되는 시간이 짧고 비용적으로 효과적이라는 이유에서, 의료 영상분야에서 가장 많이 사용되는 촬영 방법 중 하나이다. 또한, 전자 밀도에 대한 정보를 제공하기 때문에 양전자단층촬영이나 단일광자 단층촬영에서의 감쇠 보정과 방사선 치료에서의 의료 계획을 위한 방사선량의 측정에 사용되기도 한다. 하지만, 컴퓨터단층촬영으로 인한 방사능 노출로 인해 암의 발생 가능성이 높아질 수 있으며, 대비를 높이기 위해 방사선 조영제를 사용할 경우 부작용이 발생할 수 있다. 자기공명영상은 사용되는 시퀀스에 따라 해부학적인 정보와 기능적인 정보를 제공하는 의료 영상기법이다. 방사능에 노출되지 않으면서도 높은 해상도의 이미지를 얻을 수 있기 때문에, 보다 정확한 segmentation과 localization을 위해 컴퓨터단층촬영과 같은 다른 촬영 기법과 같이 사용되기도 한다.
이 때, 두 기기에서의 영상 촬영은 시간이 많이 소요되는 작업이며 환자에게 부담이 되기도 한다. 이 논문에서는 골반 영역에서 자기공명영상로부터 컴퓨터단층촬영 영상을 합성해내는 컨볼루션 심층 신경망을 제안한다. 이 네트워크의 목적은 시간을 단축시키고 환자에게 주어질 수 있는 부담과 더불어 방사능 노출로 인한 위험도 줄이는 것이다.
