Core Concepts
제안된 SSDiffRecon 모델은 자기 지도 학습 기반 확산 모델을 활용하여 가속화된 MRI 데이터로부터 고품질의 재구성 영상을 생성한다.
Abstract
이 논문에서는 자기 지도 학습 기반 가속화된 MRI 재구성 모델인 SSDiffRecon을 제안한다. SSDiffRecon은 확산 모델을 기반으로 하며, 크로스 어텐션 변환기와 데이터 일관성 블록을 결합한 언롤드 구조를 사용한다. 이를 통해 물리적 제약을 고려하면서도 자기 지도 학습을 통해 완전히 샘플링된 데이터에 의존하지 않고 재구성을 수행할 수 있다. 실험 결과, SSDiffRecon은 기존 자기 지도 학습 기반 방법들에 비해 재구성 속도와 품질 면에서 우수한 성능을 보였으며, 감독 학습 기반 방법들과 유사한 수준의 성능을 달성했다.
Stats
가속률 4배에서 SSDiffRecon의 PSNR은 T1 42.3dB, T2 45.9dB, PD 38.4dB로 가장 높았다.
가속률 8배에서 SSDiffRecon의 PSNR은 T1 34.6dB, T2 39.3dB, PD 33.3dB로 가장 높았다.
Quotes
"SSDiffRecon은 자기 지도 학습 기반 기존 방법들에 비해 재구성 속도와 품질 면에서 우수한 성능을 보였으며, 감독 학습 기반 방법들과 유사한 수준의 성능을 달성했다."
"제안된 SSDiffRecon 모델은 물리적 제약을 고려하면서도 자기 지도 학습을 통해 완전히 샘플링된 데이터에 의존하지 않고 재구성을 수행할 수 있다."