Portable Brain CT에서 Diffusion Model 기반 Motion Correction의 임상적 가치: 영상의학적 해석과 AI 영상 판독의 새로운 패러다임
https://doi.org/10.1016/j.acra.2025.12.028 Portable Brain CT, Motion Artifact Correction, Diffusion Model, AI Medical Imaging, Brain CT Image Quality 1. 서론: Portable Brain CT와 Motion Artifact의 근본적 한계 Portable Brain CT 는 중환자실(ICU), 응급실, 수술 직후 병상(bedside), 재난 현장 등에서 환자를 이동시키지 않고 뇌 영상을 획득할 수 있는 혁신적 영상 기술이다. 그러나 이러한 Portable CT 는 구조적·물리적 제약으로 인해 motion artifact 가 빈번하게 발생하며, 이는 영상 판독 정확도와 진단 신뢰도를 심각하게 저하시킨다. 특히 중증 환자, 의식 저하 환자, 인공호흡기 착용 환자는 자발적 두부 고정이 불가능 하며, 기존의 고정 장치 역시 임상적으로 적용이 어렵다. 이로 인해 brain CT motion artifact , streak artifact , double skull artifact 등이 빈번히 관찰된다. 최근 이러한 문제를 해결하기 위해 Diffusion Model 기반 AI motion correction 알고리즘 이 제안되었으며, 본 컬럼에서는 *Academic Radiology (2025)*에 게재된 최신 연구를 바탕으로 Portable Brain CT 영상 품질 개선과 영상 판독 관점에서의 임상적 의미 를 심층적으로 분석한다. 2. Diffusion Model 기반 Motion Correction의 원리 2.1 Diffusion Model이란 무엇인가? Diffusion model 은 노이즈가 포함된 영상으로부터 점진적으로 원본 이미지를 복원하는 확률 기반 생성 모델이다. 의료 영상 분야에서는 low-dose CT reconstruction , MRI denoising , motion correction 등에서 탁월한 ...