강인한 딥 MRI 복원을 위한 확산 기반 적대적 정화

딥 러닝(DL) 방법은 자기 공명 영상(MRI) 복원에 광범위하게 사용되어 왔으며, 전통적인 비-DL 방법에 비해 놀라운 성능 향상을 보여주었습니다. 그러나 최근 연구에서는 이러한 모델이 정교하게 설계된 적대적 섭동에 취약하다는 사실이 밝혀졌습니다. 본 논문에서는 확산 모델을 활용하여 이 문제를 해결하고자 합니다. 구체적으로, 우리는 미리 학습된 확산 모델을 적대적 정화기로 활용하여 DL 기반 MRI 복원 방법의 강인성을 향상시키는 방어 전략을 소개합니다. 기존의 최첨단 적대적 방어 방법(예: 적대적 훈련)과 달리, 우리가 제안하는 접근법은 이미지 복원 모델을 처음부터 훈련하기 위해 minimax 최적화 문제를 해결할 필요가 없으며, 정화된 적대적 예제에 대한 미세 조정만 요구합니다. 우리의 실험 결과는 적대적 훈련 및 무작위 스무딩과 같은 MRI 복원을 위한 주요 방어 방법론과 비교했을 때 제안된 기술의 효과를 강조합니다.