동적 MRI 재구성을 위한 Dynamic-Aware INR 기반 표현학습 연구

Dynamic-Aware Implicit Neural Representation for Dynamic MRI Reconstruction

연구 내용

동적 대비강조 MRI의 시간적 연속성과 공간적 구조를 Implicit Neural Representation에 내재화하고, 시간 중복성을 모델 구조에 명시적으로 반영하는 Dynamic-Aware INR 재구성 연구

동적 MRI 재구성은 역문제 성격을 가지며, 실제 임상에서는 ground truth 획득이 제한되어 비지도 접근의 필요가 큽니다. 본 연구는 Implicit Neural Representation을 좌표-신호 연속함수로 모델링하여 부분 측정만으로 누락 정보를 채우는 방식에 기반합니다. 기존 INR 기반 접근에서 발생하는 긴 최적화 시간과 과도한 하이퍼파라미터 튜닝 부담을 줄이기 위해, Dynamic-Aware INR은 시간 영역의 연속성과 공간-시간 표현을 함께 학습하되 데이터의 시간 중복성을 구조적으로 반영합니다. 이를 통해 극단적 under-sampling에서도 재구성 품질을 유지하는 방향을 목표로 합니다.

관련 프로젝트

4건

연구 흐름

초기 연구에서는 2025년 동적 MRI 재구성에서 표현학습이 역문제 해결에 미치는 영향을 정리하고, Dynamic contrast-enhanced MRI에 적용 가능한 학습 관점을 구축했습니다. 이후 같은 해 Dynamic-Aware INR을 제안하여 INR의 연속 좌표 기반 표현에 시간 중복성 반영을 명시적으로 결합하는 방식으로 모델 구조를 개선했습니다. 최근 흐름에서는 공간과 시간의 일관성을 동시에 다루면서도 최적화 부담을 낮추고, 하이퍼파라미터 튜닝 의존도를 줄이는 방향으로 재구성 절차를 발전시키는 연구를 수행했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

Dynamic MRI 재구성 가속
극단적 undersampling 대응 재구성
시간적 연속성을 보존한 의료영상 복원
비지도 또는 약지도 기반 재구성 파이프라인
재구성 최적화 시간 단축
하이퍼파라미터 튜닝 부담 감소
동적 조직 움직임 분석을 위한 입력 품질 향상
임상 프로토콜 설계 지원
의료영상 전처리의 표준화
재구성 기반 진단 보조 적용