간 및 췌장담도 MRI에서 호흡 운동으로 인한 인공물(artifact)을 완화하는 일은 영상 획득에서 오랫동안 주요한 과제로 남아 있다. 호흡 조절(breathing control) 기법을 통한 운동 감소(motion reduction) 또는 k-공간(k-space) 언더샘플링을 통한 스캔 시간 가속(scan time acceleration)은 임상 영상에서 접근 가능한 두 가지 접근법이다. 병렬 영상(Parallel imaging)은 널리 알려진 특성을 지닌 필수적인 일상적 기법이지만, 가속 인자를 ≤4로 제한하는 한계가 있다. 압축 센싱(Compressed sensing)은 MR 영상의 데이터 희소성(sparsity)을 활용하며, k-공간 데이터를 의사난수적으로 언더샘플링한 뒤 고도로 가속된 스캔 시간 내에 정교한 복잡 연산을 통해 반복적으로 영상을 재구성한다. 다만 이는 긴 재구성 시간과 매개변수 최적화의 복잡성을 수반한다. 딥러닝 재구성(Deep learning reconstruction)은 사전학습되고 검증된 합성곱 신경망(convolutional neural networks)을 사용하여 언더샘플된 데이터를 재구성하며, 주요 과제는 영상 가속, 노이즈 제거(denoising), 초해상도(superresolution)이다. 그러나 딥러닝 재구성은 모델의 안정성, 일반화 가능성, 출력 영상 충실도(output image fidelity)와 관련하여 추가적인 시험과 실제적 경험이 더 필요하다.

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