동기: 위상 사전(phase priors)을 통합한 부분공간(subspace) 모델링을 결합함으로써 다중 파라미터 정량 MRI 재구성에서 고충실도를 제공하고자 한다. 목적: 본 연구는 다중 파라미터 매핑을 위한 자기지도(self-supervised) 기반의 모델 기반 접근인 Sub-MAPLE를 제안하며, T1, T*2, 주파수 및 양성자 밀도(proton density) 지도를 동시에 추정할 수 있도록 설계하였다. 방법: 제안된 프레임워크는 신호 모델을 위상 사전과 통합된 부분공간 모델링으로 대체하여 재구성 성능을 향상시키고, 그 결과 다중 파라미터 매핑의 성능을 개선한다. 결과: 제안된 방법은 최신 자기지도 AI 기반 및 기존 평행영상(parallel imaging) 기법과 비교하여 다중 대조(multi-contrast) 재구성과 다중 파라미터 매핑 모두에서 우수한 성능을 보인다. 영향: Sub-MAPLE은 높은 가속률에서 T1, T*2, 주파수 및 양성자 밀도를 추정하며, 최신 Joint MAPLE 및 기존 방법을 능가한다. 또한 부분공간 모델링과 위상 사전을 통합하여 15배 가속 획득으로부터 고정확도의 매핑을 가능하게 한다.

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