본 연구는 과소표본화된 자기공명영상(MRI) 재구성을 위한 새로운 제로샷 학습 방법을 제시한다. 제안된 방법은 플러그앤플레이(plug-and-play) 방식으로, 영상의 prior 역할을 수행하는 denoiser 신경망을 단 하나의 획득된 과소표본화 k-space 데이터만으로 학습한다. 구체적으로, denoiser의 학습은 Noise2Noise 및 Self2Self 프레임워크를 사용한다. 획득된 k-space는 상보적인 subsampling 마스크를 이용해 서로소인 두 부분집합으로 분할되며, 각각을 재구성하여 학습 데이터와 목표 레이블로 활용한다. 본 연구에서는 제안된 방법에 대한 이론적 근거를 제공하여, 추가 학습 데이터나 전부 샘플링된 ground truth가 필요 없이도 효과적인 denoiser를 학습하는 것이 가능함을 보인다. 이후 학습된 denoiser는 과소표본화 MRI 재구성을 위한 플러그앤플레이 denoiser로 사용된다. 우리는 본 방법의 성능을 여러 다른 재구성 기법과 비교·평가함으로써, 제안된 접근법의 장점을 입증하였다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.