딥러닝 기반 MRI 재구성 기법을 QSM과 수초 영상화에 적용하는 연구실입니다.
χ-separation insights into whole-brain characterization of age-related patterns of susceptibility in healthy aging
본 연구는 자기감수성 분리(χ-separation) 기법을 이용하여 131명의 건강한 성인(21-89세)을 대상으로 뇌 전역의 나이 관련 자기감수성 변화를 특성화했습니다. 상자성(χ-para) 성분은 선형, 이차, 또는 지수적으로 증가했으며, 반자성(χ-dia) 성분은 감소 추세를 보였습니다. 이 연구는 철 축적과 수초 감소에 대한 생물학적으로 특이적인 규범적 참고값을 제공하여 신경퇴행성 질환 연구에 함의를 갖습니다.
NeuroImage · 2025
<scp>MIMOSA</scp> : Multi‐Parametric Imaging Using Multiple‐Echoes With Optimized Simultaneous Acquisition for Highly‐Efficient Quantitative <scp>MRI</scp>
MIMOSA는 최적화된 동시 획득을 통해 높은 효율성과 반복성을 갖춘 다중 매개변수 매핑의 가능성을 입증합니다.
Magnetic Resonance in Medicine · 2025
Associations Between Cortical Iron Accumulation and Memory in Patients With Amnestic Mild Cognitive Impairment and in Cognitively Normal Individuals
본 연구는 뇌 위축이 발생하기 전 철이 축적되는 영역을 확인하여, 철이 부피 위축보다 신경퇴행성 질환의 더 초기 영상 표지자로 작용할 수 있음을 시사합니다. 인지 저하 중 뇌 부피와 철 축적 간의 종단 관계를 조사하기 위한 추가 연구가 필요합니다.
Brain and Behavior · 2025
<scp><i>χ</i></scp>‐sepnet: Deep Neural Network for Magnetic Susceptibility Source Separation
본 연구는 자기감수성 원천 분리(χ-separation)의 스트리킹 아티팩트 문제와 시간 소모적인 데이터 수집을 해결하기 위해 깊은 신경망 χ-sepnet을 개발합니다. 다중 방향 데이터로 훈련된 두 가지 파이프라인(χ-sepnet-R₂'와 χ-sepnet-R₂*)은 기존 정규화 기반 방법보다 뛰어난 성능을 보이며, 다발성 경화증 환자의 병변 분류에서 99.6%와 98.4%의 높은 일치율을 달성합니다.
Human Brain Mapping · 2025
Association of iron deposition in MS lesion with remyelination capacity using susceptibility source separation MRI
다발성경화증 환자의 병변에서 철 침착(HPS)의 존재는 재수초화 능력 저하 및 질병 개선 부족과 관련이 있습니다. HPS 식별은 수초 복구 치료에 더 적합한 병변을 구분하는 데 도움이 될 수 있습니다.
NeuroImage Clinical · 2025
연구실은 딥러닝 기반 MRI 재구성 및 정량화 기법을 QSM과 수초 영상화에 적용하는 연구를 지속적으로 발표하였으며, 신경퇴행성 질환 진단에서의 임상적 활용 가능성을 탐색하고 있다.