자기공명영상에서의 총변이 알고리즘의 Rician 노이즈 레벨에 따른 반복수 파라미터 최적화

Abstract

자기공명(magnetic resonance, MR)영상에서 주로 발생하는 Rician 노이즈는 영상의 화질을 저하하는 주요 요소 중의 하나이다. 본 연구에서는 노이즈 제거에 효율적이라고 잘 알려진 총변이(total variation, TV) 알고리즘을 모델링하여 Rician 노이즈 레벨에 따른 파라미터를 최적화하고자 한다. 시스템은 8채널 기반의 3.0 T 장치를 활용하였고 물 팬텀 영상을 획득하여 각각 Rician 노이즈를 0.05, 0.10, 0.15, 그리고 0.20 값을 부가하였다. TV 알고리즘은 Rudin-Osher-Fatemi 모델을 기반으로 모델링하였고 최적화를 수행하기 위하여 반복수 파라미터를 조정하여 획득된 영상에 적용하였다. 결과적으로 Rician 노이즈 레벨을 0.05, 0.10, 0.15, 그리고 0.20을 사용하였을 때 각각 30, 40, 80, 그리고 120 반복수를 기반으로 한 TV 노이즈 알고리즘에서 가장 우수한 신호 대 잡음비(signal to noise ratio, SNR)와 대조도 대 잡음비(contrast to noise ratio, CNR) 결괏값이 도출되었다. 또한, 최적화된 반복수를 적용한 TV 알고리즘을 사용한 MR 영상에서 기존의 위너 및 중간값 필터를 사용하였을 때 비하여 SNR과 CNR 모두 우수한 값을 획득할 수 있었다. 특히 기본적으로 획득된 MR 영상보다 최적화된 TV 알고리즘을 적용한 영상의 평균 SNR과 CNR은 각각 3.11 및 3.31배 향상됨이 증명되었다. 결론적으로, 노이즈 제거 효율이 우수한 TV 알고리즘의 최적화된 파라미터를 활용한다면 MR 영상에서의 활용 가능성이 클 것으로 기대한다.