LINEAR: 명시적 물리적 사전 정보를 이용한 암묵적 신경 표현 학습 가속화된 정량적 T1rho 매핑을 위한

정량적 T1rho 파라미터 매핑은 임상 및 연구에서 유망성을 보였습니다. 그러나 긴 스캔 시간으로 인해 문제가 발생합니다. 딥러닝 기반 기술은 가속화된 정량적 MR 파라미터 매핑에 성공적으로 적용되었습니다. 그러나 대부분의 방법은 완전 샘플링된 훈련 데이터셋을 필요로 하는데, 이는 임상에서 비현실적입니다. 본 연구에서는 암묵적 신경 표현에 기반한 피학습자 특정 비지도 방법을 제안하여, 고도로 언샘플링된 k-공간 데이터로부터 이미지를 재구성하고 재구성에서 파라미터 맵을 추정합니다. 이 방법은 공간-시간 좌표만을 입력으로 사용합니다. 특히, 제안된 방법은 두 가지 명시적 사전 정보를 이용하여 MR 이미지의 암묵적 신경 표현을 학습했습니다. 이 사전 정보에는 행렬의 저랭크성과 k-공간 데이터의 자기 일관성이 포함됩니다. 제거 실험 결과는 제안된 방법이 MR 이미지의 물리적 사전을 잘 특성화할 수 있음을 보여줍니다. 또한, 회고적 및 전향적 데이터의 실험 결과는 제안된 방법이 아티팩트를 억제하고 가장 낮은 오류를 달성하는 데 있어 최신 기술을 능가함을 보여줍니다.