다차원 MRI 데이터의 노이즈 제거를 위한 자기 감독 학습

초록 목적: 깔끔한 이미지의 정답이 필요 없는 자기 감독 학습 체계를 기반으로 한 고차원 MRI 데이터의 빠른 노이즈 제거 프레임워크를 개발하는 것. 이론 및 방법: 정량적 MRI는 SNR에서 제한을 받는데, 이는 대규모 이미지 집합에서 신호 진폭의 변동이 정량화의 주요 메커니즘이기 때문입니다. 또한, 복잡한 비선형 신호 모델이 적합 과정이 노이즈에 취약하게 만듭니다. 이러한 문제를 해결하기 위해, 우리는 다차원 MRI 데이터의 중복성을 효율적으로 활용하는 빠른 딥러닝 프레임워크를 제안합니다. 자기 감독 모델을 설계하여 훈련을 위해 오직 노이즈가 있는 이미지만 사용하며, 임상 실습에서의 깨끗한 데이터 부족 문제를 우회합니다. 검증을 위해, 우리는 시뮬레이션된 자화 전이 대비 MR 지문(MTC-MRF) 데이터셋과 생체내 DWI 이미지 데이터셋의 두 가지 다른 데이터셋을 사용하여 일반성을 보여주었습니다. 결과 제안된 방법은 BM3D, tMPPCA 및 Patch2self의 이전 방법들과 비교하여 경미한〜심각한 노이즈가 있는 경우에도 노이즈 제거 성능이 크게 향상되었습니다. 개선은 노이즈 제거된 이미지를 통한 이후의 정량화 결과에서도 두드러졌습니다. 결론: 제안한 MD-S2S(다차원-자가2자가) 노이즈 제거 기술은 다양한 다차원 MRI 데이터에 추가로 적용될 수 있으며, 조직 매개변수 맵의 정량화 정확성을 향상시킬 수 있습니다.