급성 중뇌동맥영역의 뇌졸중에서 측부순환 관측을 위한 조영증강 후 TOF-MRA의 임상적 의의

손철호 전북대학교 대학원 2009 국내박사

Postcontrast TOF magnetic resonance angiography(MRA) can evaluate vascular status more accurately than pre-contrast TOF-MRA (precontrast-MRA) does that in acute stroke patients. If the patients had occlusion status of middle cerebral artery(MCA) without distal flow on precontrast-MRA and occlusion signal void segment with distal flow on postcontrast TOF-MRA, what makes this distal flow? We studied 46 patients (19 men and mean age 67years) with MCA infarction within first 8hours from onset of symptoms. We performed acute stroke protocol MRI. All patients had occlusion of MCA M1 segment on precontrast MRA and complete signal loss segment with complete filling of distal flow on contrast-enhanced MRA. After MR imaging, all patients performed DSA. Time interval of the two imaging was 47-102 minutes (median 59 minutes). We included two groups: A group 35 patients who did not receive IV-tPA between TOF-MRA and DSA; B group 11 patients who receive IV-tPA before TOF-MRA. We compared postcontrast TOF-MRA and DSA, and analyzed presence of occlusion of the lesion side MCA M1 segment and the collateral flows in two groups. In 44/46 (96%) patients, postcontrast TOF-MRA showed occlusion of MCA M1 (43) and M2 (1) that were confirmed by conventional angiography. Two patients (5%) visualized stenosis of MCA M1 in conventional angiography. 39/44 (89%) patients had only leptomeningeal collateral flow for arterial signal intensity distal to the occlusion. But five (11%) patients had leptomeningeal and parenchymal collateral flow for that. In most of cases, complete occlusion pattern of MCA M1of precontrast TOF-MRA and complete signal dropout in a portion of the MCA M1 with distal reconstruction in post-contrast TOF-MRA is complete occlusion status with leptomeningeal collateral distal flow. 중뇌동맥의 폐색으로 인한 급성 뇌졸중환자에서 조영증강전 TOF-MRA에서 완전한 폐색을 보이고 조영증강 후 TOF-MRA 상에서 중뇌동맥 M1동맥이 폐색이 있으며 폐색 부위의 원위부로 정상적인 중뇌동맥분지가 관찰되는 46예를 대상으로 고식적 혈관촬영술과 비교하여 조영증강 후 TOF-MRA 영상이 측부순환을 반영할 수 있는지를 조사하였다. 조영증강 후 TOF-MRA 영상에서 완전한 폐색 분절이 있는 경우는 46예 중 44예 96%에서 폐색으로 확인되었고, 폐색을 보인 44예에서 폐색원위부로 관찰되는 중뇌동맥혈관 가지는 모든 예에서 그 주요 혈류 공급원은 연수막 측부순환이었고, 5(11%) 예에서는 M1 분절에서 나오는 열공동맥들에 의한 실질측부순환 (parenchymal collateral circulation)양상이 함께 관찰되었다. 조영증강 후 TOF-MRA 영상에서 중뇌동맥 M1분절의 폐색을 보이며 조기 분지를 가진 혈관가지를 보이는 경우가 7예가 있었고, 고식적 혈관 촬영술에서는 이들 모두는 개통되어 있는 상태로 확인되었다. 연수막 측부순환을 침습적인 고식적 혈관 촬영술을 시행하지 않고 미리 예측할 수 있는 것과 폐색혈관분절의 원위부 혈관으로 혈전이 형성되지 않은 상태를 확인하는 것은 허혈성 뇌졸중의 치료방법의 선택에 중요한 역할을 할 수 있으며 특히 혈관내 수술을 시행할 수 있는 좋은 적응증의 소견으로 활용될 수 있을 것이다.

3D-T2 TSE를 이용한 TOF-MRA의 혈관 내 플라그의 과 측정문제 해결에 관한 연구

한용수 고려대학교 의용과학대학원 2013 국내석사

서구화된 식습관, 운동부족, 비만증가 등에 기인한 허혈성 뇌졸중의 급격한 증가로 뇌혈관 협착 또는 폐색의 신속하고 정확한 진단이 매우 중요하다. 뇌혈관을 관찰할 수 있는 기법 중 비조영 검사인 TOF-MRA 기법은 가장 대표적이고 안정적이지만 뇌 경색의 주요 원인인 플라그 형성에 의한 혈류 역학적인 난류 형성으로 협착 및 폐색의 실제 길이보다 과 측정되는 문제점이 있다. 본 연구의 목적은 유속신호 강조효과를 이용한 TOF-MRA 기법에서 발생하는 플라그 과 측정 오류를 해결하기 위하여 유속신호 감쇄효과를 이용한 SPACE 3D T2 시퀀스를 이용, 보다 정확한 협착 및 폐색의 혈관질환 진단을 위한 새로운 시퀀스를 제시하고 난류에 의한 과 측정 원인을 해결하여 임상 활용 가능성을 높이는데 있다. 실험 방법은 플라그 혈관 팬텀을 제작하여 40%, 50%, 60%, 70% 협착을 주고 flow control set 를 이용하여 가상혈류(생리식염수)에 0.9ml/sec, 1.5ml/sec, 2.1ml/sec, 2.6ml/sec 의 속도 차이를 주어 동일한 조건으로 TOF-MRA 16회, SPACE 3D T2 16회 총 32회를 교차실험 하였고 실제 플라그 길이의 정확도를 비교 측정 하였다. 실험 결과는 각각의 동일한 협착 정도와 혈류 속도의 조건에서 16회의 비교데이터 결과, 새롭게 제안된 SPACE 3D T2 에서 실제 플라그 길이와 유사한 정확도 우위를 보였고 혈류속도가 빠를수록, 협착 정도가 클수록 TOF-MRA 에서 과 측정 오류 차가 커짐을 알 수 있었다. 최근 TOF-MRA 기법에서 제안된 혈관영상기법은 큰 직경이 아닌 두개 내 혈관과 같은 작은 혈관의 협착 평가에서 유용하다는 평가를 받고 있다. 비조영 검사인 장점을 유지하고 플라그 측정의 정확도를 높인다면 신속하고 정확한 뇌혈관 진단에 큰 도움이 될 것으로 판단된다.

뇌동맥의 혈류 역학 비교: 자기공명영상은 전산유체역학을 대체 할 수 있는가?

민트리응고 전북대학교 일반대학원 2021 국내박사

CV-AttentionUNet: Attention based UNet for 3D Cerebrovascular Segmentation of Enhanced TOF-MRA Images

Syed Farhan Abbas 광주과학기술원 대학원 2021 국내석사

Cerebrovascular segmentation is quite a challenging task and has a crucial role in the diagnosis of cerebrovascular diseases. Due to lack of automated methods, the time of flight magnetic resonance angiography (TOF-MRA) is assessed visually, which is time consuming. For time-critical diagnosis using non-contrast TOF-MRA images, current methods are not end-to-end. Popularly used encoder-decoder architecture utilizes redundant features which eventually leads to extraction of low-level features multiple times while CNNs suffers from performance degradation when batch size is small with vanishing gradient problem occurring for deeper networks. In this paper we attempted to solve these limitations and proposed the 3D cerebrovascular attention UNet method, named as CV-AttentionUNet, for precise extraction of brain vessels. This approach first includes the vessel enhancement method for contrast adjustment of small vessels and uses 3D-UNet as a base architecture which extracts the features at multiple scales. Additionally, for combining low semantics to high semantics, we proposed the attention mechanism. This mechanism not only focuses on relevant associations and neglects irrelevant information, but also consider the small batch size problem by induction of Group Normalization (GN). Furthermore, inclusion of deep supervision incorporates different level of features proving beneficial for network convergence. Moreover, we provided a semi-automatic cerebrovascular segmentation labelling method dealing with the lack of dataset. We evaluated our framework on TubeTK TOF-MRA, where unlabeled images are labelled separately, using proposed method. The results indicate that our method performed better as compared to existing state-of-the-art methods on TubeTK dataset.

경동맥 MR 혈관조영 영상을 활용한 딥러닝 기반 뇌백질변성 예측

이지호 이화여자대학교 대학원 2025 국내석사

This study proposes a deep learning-based model that predicts white matter hyperintensity (WMH) using only three-dimensional(3D) carotid Time-of-Flight (TOF) magnetic resonance angiography (MRA) images as input. WMH is a representative imaging marker of cerebral small vessel disease(cSVD) and is known to be associated with cognitive impairment, gait disturbances, and increased risk of stroke and dementia. While previous studies have primarily focused on the statistical correlations between carotid morphological features and WMH, direct prediction of WMH from carotid MRA imaging has not been explored. To address this gap, this study adopts an end-to-end deep learning approach that directly utilizes raw TOF MRA images for WMH classification. This study investigates two classification tasks: binary classification to detect the presence of WMH, and three-class classification to assess its severity. Several convolutional neural network (CNN)-based models—SFCN, ResNet10, and MedicalNet—and a Transformer-based model, MST, were trained and evaluated. Among these, the SFCN model demonstrated the best performance, achieving 81.8% accuracy and an AUC of 0.882 in binary classification, and 66.4% accuracy with an AUC of 0.847 in WMH severity classification. To interpret the model’s predictions, saliency maps and occlusion sensitivity analyses were performed. The saliency visualization revealed that the trained models commonly focused on the anatomical structures of the carotid artery, particularly around the carotid bifurcation. Occlusion sensitivity analysis further confirmed that this region played a crucial role in the prediction process. These findings suggest that vascular information contained in carotid MRA images can be meaningfully utilized for predicting WMH. This study demonstrates the feasibility of predicting and classifying WMH using carotid TOF MRA as the sole imaging modality within a deep learning framework. Furthermore, it highlights the potential of carotid imaging as a non-invasive tool for the early assessment of cerebrovascular abnormalities, establishing a practical basis for WMH prediction without relying on brain MRI. 본 연구는 뇌백질변성(white matter hyperintensity, WMH)을 예측하기 위하여 3차원 경동맥 TOF(Time-of-Flight) 자기공명 혈관조영(magnetic resonance angiography, MRA) 영상을 단독으로 활용하는 딥러닝(deep learning) 모델을 제안하는 것을 목적으로 한다. 뇌백질변성은 뇌소혈관질환(cerebral small vessel disease)의 대표적인 영상 지표로, 다양한 신경 행동 증상 및 기능적 장애와 연관되며, 뇌졸중 및 치매의 주요 원인으로 알려져 있다. 기존의 경동맥과 뇌백질변성 간의 연관성에 대한 연구들은 주로 경동맥의 형태학적 지표와 뇌백질변성 간의 통계적 상관관계 분석에만 초점을 맞추어 왔으나, 본 연구에서는 경동맥 MRA 영상을 직접 입력으로 사용하는 end-to-end 방식의 딥러닝 모델을 통해 영상 기반의 직접적인 예측 접근을 시도하였다. 뇌백질변성의 유무를 예측하는 이진 분류(binary classification)와 중증도를 예측하는 다중 클래스 분류(multi-class classification) 문제를 다루었으며, CNN(Convolutional Neural Network) 기반의 SFCN, ResNet, MedicalNet 모델과 Transformer 구조의 MST 모델을 학습하여 성능을 비교하였다. 이 중 SFCN 모델이 가장 우수한 성능을 보였으며, 병변 유무 분류에서는 정확도 81.8%, AUC 0.882를, 중증도 분류에서는 정확도 66.4%, AUC 0.847을 기록하였다. 또한, 모델의 예측 결과를 해석하기 위하여 시각적 중요도 분석(saliency map)과 폐쇄성 민감도 분석(occlusion sensitivity analysis)을 수행하였다. 시각화 결과에서 학습된 모델들이 공통적으로 경동맥의 해부학적 구조, 특히 경동맥의 분기점 부위에 주목한다는 것을 알 수 있었으며, 폐쇄성 민감도 분석에서도 해당 부위가 예측에 중요하게 작용한다는 것을 확인할 수 있었다. 이러한 결과는 경동맥 MRA 영상에 나타나는 혈관의 정보가 뇌백질변성 예측에 유의미하게 활용될 수 있음을 시사한다. 본 연구는 경동맥 TOF MRA 영상을 단독으로 활용하여 딥러닝 기반으로 뇌백질변성을 예측하고 분류할 수 있음을 실증하였으며, 나아가 경동맥 영상이 뇌혈관 이상에 대한 비침습적 조기 평가 도구로 활용될 수 있는 가능성을 제시한다.

투영 영상화를 이용한 3차원 자기공명 혈관 영상법

김대홍 연세대학교 대학원 2002 국내박사

Conventional 3D PR(projection reconstruction) method consist of 2D PR and 1D Fourier encoding. This method screen the advantage of PR. In this research, TOF MR Angiography method using 3D PR and 3D gridding algorithm is developed. This method does not use fourier encoding. Imaging time is saved about 40% as compared with 3D FFT. In the region of high velocity blood flow, 3D FFT method generate severe artifact. This kind of artifact is related to the direction of gradient. As specific direction of gradient field isn't determined in PR, we can dramatically reduce the artifact related to direction of gradient. In the experiment of both phantom and volunteer, we confirm the reduction of distorted shape in blood vessel. 기존의 3차원 투영 영사법은 2차원 투영 영상법과 1차원 fourier 방법을 혼합한 것으로 투영 영상법의 장점을 최대한 살리지 못했다. fourier 방법이 없는 3차원 투영 영상법과 영상 재구성을 위해서 gridding 알고리즘을 이용한 자기 공명 혈관 영상법을 개발 하였다. 기존의 방법과 비교해서 영상 획득 시간이 60%로 단축되었다. 그리고, 영상으로 재구성 할 수 있는 3차원 gridding 방법도 개발하였고, 재구성된 영상의 화질과 관련된 변수 은 2로도 훌륭한 영상을 얻었다. 3차원 투영 영상법을 이용하여, TOF 방식의 자기 공명 혈관 영상법에 적용하였다. 3차원 투영 영상법은 gradient 자기장에 특별한 방향이 없어서 gradient 자기장의 방향과 관련된 영상의 왜곡이 사라지는 것을 관찰했다.