4차원 흐름 자기공명영상(4D flow MRI)은 유체 흐름을 가시화하기 위한 강력한 도구로, 심혈관 질환의 진단과 공학적 유체역학 분석 모두에 핵심적이다. 의학 연구에서의 잠재력에도 불구하고, 4D flow MRI의 임상적 적용 가능성은 본질적인 잡음으로 인해 종종 어려움에 직면한다. 이를 완화하기 위해, 우리는 분할-그리고-중첩 특이값 분해(split-and-overlap singular value decomposition; SOSVD) 필터를 도입한다. 이는 독특한 잡음 감소 접근법이다. 전통적인 특이값 분해 기법과 달리, SOSVD 필터는 주 데이터 행렬을 중첩되는 하위 영역들로 분할한 뒤 각 하위 영역에 특이값 분해를 적용하며, 잡음 감쇠를 위해 지배적인 모드만 보존한다. 정사각형 덕트 내에서의 시뮬레이션 및 실험 유동 데이터에 대한 평가 결과, 제곱근 평균 제곱 오차(root mean square noise) 지표가 유의하게 감소함이 확인되었다. 또한 생체 내 대동맥(in vivo aortic) 데이터에 적용했을 때, SOSVD 필터는 발산(divergence), 속도 구배(velocity gradients), 스트림라인(streamlines), 속도 일관성(velocity coherence)을 포함하는 다양한 유동 지표들을 향상시켰다. 따라서 SOSVD 방법은 4D flow MRI에서 잡음 감소를 보강할 수 있는 유망한 방안으로, 잠재적으로 진단 정확도를 높이고 심혈관 질환 연구를 풍부하게 할 수 있다.

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