핵심 개념
제안된 JDAC 프레임워크는 반복적 학습을 통해 노이즈 제거와 움직임 인공물 보정을 동시에 수행하여 MRI 영상 품질을 점진적으로 향상시킨다.
초록
이 연구는 3차원 뇌 MRI 영상의 노이즈 제거와 움직임 인공물 보정을 동시에 수행하는 JDAC(Joint image Denoising and motion Artifact Correction) 프레임워크를 제안한다. JDAC는 적응형 노이즈 제거 모델과 움직임 인공물 제거 모델을 반복적으로 사용하여 영상 품질을 점진적으로 향상시킨다.
적응형 노이즈 제거 모델은 영상 기울기 맵의 분산을 이용하여 노이즈 수준을 추정하고, 이를 바탕으로 U-Net 기반의 모델로 노이즈를 적응적으로 제거한다. 움직임 인공물 제거 모델은 또 다른 U-Net 모델을 사용하여 인공물을 제거하며, 뇌 해부학적 구조를 보존하기 위한 새로운 기울기 기반 손실 함수를 도입한다.
실험 결과, JDAC는 노이즈와 움직임 인공물이 심각한 MRI 영상에서 기존 방법들에 비해 우수한 성능을 보였다. 또한 반복적 학습 전략을 통해 영상 품질을 점진적으로 향상시킬 수 있음을 확인하였다.
통계
노이즈가 추가된 MRI 영상의 표준편차는 0.321, 0.246, 0.257로 나타났다.
노이즈가 추가된 MRI 영상의 기울기 맵 표준편차는 0.037, 0.028, 0.050으로 나타났다.
수동으로 추가한 가우시안 노이즈의 표준편차는 0.000, 0.029, 0.058, 0.087, 0.115, 0.144, 0.173으로 증가하였다.
인용구
"이전 연구들은 대부분 2D 기반 방법을 사용하여 각 볼륨 MR 영상 슬라이스별로 처리하므로 중요한 3D 해부학적 정보를 잃게 된다."
"노이즈 제거와 인공물 보정을 별도의 작업으로 다루는 경우, 심각한 노이즈와 움직임 인공물이 동시에 발생하는 저품질 영상에서는 최적의 결과를 얻기 어렵다."