치의신보는 대한치의학회와 국내 치의학의 위상을 제고하고 학술연구를 활성화하고자 각 분과 학회의 우수 논문을 공모했다. 접수된 우수 논문은 지면을 통해 소개될 예정이다. 선정은 연구자가 소속된 분과 학회의 추천으로 이뤄졌다. <편집자 주>
한국의 영상치의학자들이 기존 CBCT의 한계를 극복할 수 있는 새로운 대안을 제시해 눈길을 끈다.
서울대 치의학대학원 영상치의학교실 연구진(용태훈 석사과정, 이원진 교수, 허민석 교수)이 ‘Scientific Reports’ 온라인판(2021년 7월 23일자)에 이 같은 연구결과를 게재했다.
‘QCBCT-NET for direct measurement of bone mineral density from quantitative cone-beam CT: a human skull phantom study’라는 제목의 논문에서 연구진은 골밀도 측정에는 적용하기 어려운 현재 CBCT의 한계에 주목했다.
CBCT는 MDCT에 비해 낮은 방사선량과 짧은 획득 시간, 그리고 더 높은 해상도 등 다양한 장점을 포함해 많은 이점을 제공하기 때문에 치과 치료 및 계획에 널리 사용되고 있지만, CBCT 시스템의 복셀 값은 임의적이며 정확한 HU를 구할 수 없으므로 골밀도에 대한 평가를 허용하지 않는 단점이 있다.
특히 치과 치료 중 임플란트 치료 시 다양한 이유로 실패가 발생할 수 있는데, 그 중 임플란트 식립부의 골질이 불량한 경우 외과적 침습이나 조기 하중과 연관된 골 유착 실패에 따른 임플란트의 조기 실패 발생 확률이 더 높아진다.
골밀도는 골의 강도에 영향을 미치며, 정확한 골밀도 측정이 매우 중요하다. 임플란트 식립 부위의 정확한 골질 평가는 치료계획 수립 시 결과를 예측하기 위해 중요한 과정이며, 상부구조 제작 시기를 결정할 수 있는 가장 객관적 방법이다. 골질의 평가는 골밀도를 기초로 구분하고 있으며, 골질에 따라 임플란트 식립 후 상부구조 제작 시까지의 치유기간을 달리하도록 추천되므로, 식립 부위의 정확하고 객관적인 골밀도 평가는 상부구조의 제작 시기를 결정하는 데에 중요한 지침이 될 수 있다.
이 같은 상황에서 CBCT로부터 정확한 BMD를 측정하기 위해서는 균일하고 정확한, 높은 퀄리티의 CBCT 영상이 필요하다는 것이 연구진의 판단이었다.
CBCT의 단점을 보완하고 성능을 향상시키기 위해 여러 시도들이 있었고, 정량적 CBCT를 생성하기 위해 고품질로 CBCT 이미지를 보정하는 많은 방법이 제안됐다. 고전적인 방법으로, anti-scatter grids와 같은 하드웨어 보정과 CBCT 투영에 대한 산란을 모델링하기 위해 Monte Carlo 기술을 사용하는 모델 기반 방법으로 분류 할 수 있다.
연구진은 적대적 생성 신경망(Cycle-GAN)과 인코더 및 디코더 구조의 U-Net을 결합한 하이브리드 딥러닝 모델(QCBCT-NET)을 기반으로 골 영역의 선형성과 균일성을 향상시켜 Cone-beam CT(CBCT) 영상에서 BMD를 직접적 그리고 정량적으로 측정, QCBCT-NET에 의해 선형성과 균일성이 강화된 골 이미지와 기존의 영상 생성 분야에서 state-of-the-art를 기록한 Cycle-GAN 및 U-Net에 의해 강화된 골 영상을 비교했다.
특히 연구진은 QCT(quantitative CT)와 CBCT 이미지의 짝을 이룬 학습 데이터를 사용해 잔차(residual) 블록을 포함하는 Cycle-GAN과 다중 채널 U-Net으로 구성된 QCBCT-NET을 제안했다.
QCBCT-NET에 의해 생성된 BMD 이미지는 평균 절대차(MAD), 최대 신호 대 잡음비(PSNR), 정규화된 교차 상관 계수(NCC), 구조적 유사성(SSIM) 그리고 선형성(linearity)에서 Cycle-GAN 또는 U-Net에 의해 생성된 이미지보다 훨씬 우수한 성능을 보였다.
QCBCT-NET은 Cycle-GAN을 사용해 QCT 영상의 원래 BMD 분포를 국부적으로 반영, 골 영상의 대비도(contrast)를 향상시켰고, 다중채널 U-Net을 사용해 영상 잡음과 노이즈를 전역적으로 억제해 골 영상의 공간적 균일성(uniformity)을 향상시켰다.
QCBCT-NET은 골 영상의 해부학적 및 정량적 정확도 뿐 아니라 선형성, 균일성, 대비도를 크게 향상시켰으며 CBCT에서 BMD를 정량적으로 측정하는 Cycle-GAN 및 U-Net보다 더 높은 정확도를 보였다.
연구진은 “CBCT에서 골밀도 측정할 수 없는 기존의 한계를 넘어 CT만큼 구조적, 그리고 선형적으로 정확하고, CBCT의 결함이 보완하는 기술의 기반을 마련했다”며 “관련 기술들은 향후 실제 환자 데이터에서 평가해 임상적 유효성을 입증할 예정이며, 더 나아가 CBCT의 영상 품질 향상 기반 기술로도 활용될 것”이라고 전망했다.