뇌 질환의 진단 기법 중 뇌 조직의 활성화 정도를 파악하기 위해 자기 공명 영상(MRI)을 사용하여 조직의 혈액 내에 산소추출률(OEF)을 계산하는 방법이 있다. 기존에 OEF를 계산하기 위한 클러스터 분석 등과 같은 다양한 알고리즘이 제시되었지만, 딥러닝 모델을 사용한 연구는 아직 활발히 진행되지 않고 있다. 본 논문에서는 QQ 모델을 이용하여 DNN 모델을 구성한 후에 뇌 MRI를 통해 수집한 신호 데이터를 사용하여 OEF에 대한 예측을 수행하는 방법을 제안하였다. DNN 모델은 1개의 입력 계층, 4개의 은닉 계층, 1개의 출력 계층으로 구성하였고 성능 향상을 위한 최적화를 수행하였다. 총 17명 환자의 MRI 신호 감쇄 및 자화율을 이용하여 DNN 모델의 학습과 검증을 진행하였고, 평균적으로 RMSE 6.0 정확도로 안정적으로 OEF를 예측함을 확인하였다.
Among brain disease diagnostic techniques, there is a method of calculating oxygen extraction fraction(OEF) in the blood of a tissue using a magnetic resonance imaging(MRI) in order to determine the degree of activation of brain tissue. Various algorithms such as cluster analysis for calculating OEF have been proposed in the past, but research using deep learning models has not yet been actively conducted. In this paper, we propose a method for calculating OEF using signal data collected through brain MRI after constructing a DNN model for QQ model. The DNN model consisted of 1 input layer, 4 hidden layers, and 1 output layer, and optimization was performed to improve performance. The DNN model was trained and verified using the MRI signal attenuation and susceptibility of a total of 17 patients, and it was confirmed that OEF was stably predicted with average RMSE 6.0 accuracy.