LSTM-based Prediction of QQ Model Parameters and OEF Estimation via Brain MRI Signal Decay Modeling

뇌 질환의 조기 진단과 예후 관리를 위해 뇌에서 산소추출률(OEF)의 정밀한 추정은 중요하다. 기존 QQ 모델 기반 OEF 계산은 MRI 촬영 조건, 특히 에코 타임(TE)에 민감하다는 한계를 가진다. 본 연구에서는 mGRE 신호 감쇠를 지수 함수로 모델링하여 촬영 조건에 무관한 일반화 파라미터를 추정하고, 자화율 정보를 포함한 시퀀스를 구성하였다. 이를 LSTM 기반 딥러닝 모델에 입력함으로써 QQ 모델의 5개 입력 파라미터를 예측한 후 OEF를 산출하는 방법을 제안하였다. 18명의 환자 데이터를 이용한 실험에서 제안한 방법은 기존 클러스터링 기반의 CCM 방법에 비해 정맥 산소화를 포함한 일부 파라미터의 예측 오차를 감소시켰으며, OEF RMSE는 약 0.12 감소한 5.23±0.035로 나타났다. 이는 촬영 조건 변화에 대한 강건한 추정 가능성을 제시한다.