적어도 프로세서(Processor)를 포함하는 컴퓨팅 장치에 의해 수행되는, CS-MRI(Compressed Sensing-Magnetic Resonance Imaging) 기반의 MRI 이미지 복원 방법에 있어서,수학식 1에 의해 정의되는 목적 선형방정식을 설정하는 단계;상기 목적 선형방정식을 풀이하기 위한 CNN(Convolutional Neural Network) 기반의 학습 모델을 생성하는 단계; 및학습 데이터를 이용하여 상기 학습 모델을 학습하여 이미지 복원 모델을 생성하는 단계를 포함하고,상기 수학식 1은 이고,상기 diag(・)은 대각 행렬(diagonal matrix)이고,상기 는 정규화된 트레이드-오프 파라미터(generalized trade-off parameter)이고,상기 는 원본 MRI 이미지이고,상기 는 희소변환이고,상기 Ks는 Ks=DHMSD를 만족하고,상기 는 퓨리에 변환행렬이고,상기 는 언더샘플링 연산자를 나타내는 행렬이고,상기 H는 이고,상기 는 이미지와 쌍대 벡터를 업데이트하는 방향을 나타내고,상기 w는 쌍대 변수이고,상기 f(w,u)와 상기 g(w,u)는 수학식 2에 의해 정의되고,상기 수학식 2는 이고,상기 y는 언더샘플링된 k-스페이스(k-space) 데이터를 나타내는,MRI 이미지 복원 방법.

제1항에 있어서,상기 학습 모델은 현재 상태의 w와 u를 입력받아 다음 상태의 w와 u를 출력하는 제1 신경망을 적어도 하나 포함하는,MRI 이미지 복원 방법.

제2항에 있어서,상기 학습 모델은 직렬로 연결된 복수의 제1 신경망을 포함하는,MRI 이미지 복원 방법.

제2항에 있어서,상기 제1 신경망은 현재 상태의 w와 현재 상태의 u를 입력받아 제1 출력()과 제2 출력()을 출력하는 μ 연산자, 현재 상태의 u를 입력받아 희소변환하는 연산자, 현재 상태의 u를 입력받아 α를 출력하는 α 연산자, 및f(w,u)의 결과와 g(w,u)의 결과를 병합한 값, 희소변환의 결과, α 연산의 결과를 입력으로 받고, 입력을 갱신하는 적어도 하나의 제2 신경망을 포함하고,상기 제1 신경망은 상기 제2 신경망의 출력과 μ 연산의 결과 사이의 요소별 곱셈의 결과와, 현재 상태의 w의 요소별 덧셈의 결과를 다음 상태의 w로 출력하고,상기 제1 신경망은 상기 제2 신경망의 출력과 μ 연산의 결과 사이의 요소별 곱셈의 결과와, 현재 상태의 u의 요소별 덧셈의 결과를 다음 상태의 u로 출력하는,MRI 이미지 복원 방법.

제4항에 있어서,μ 연산자, 연산자, 및 상기 α 연산자 각각은 CNN 모델로 구현되는,MRI 이미지 복원 방법.

제5항에 있어서,상기 제2 신경망은 각각이 CNN 모델로 구현되는 연산자, 연산자, 연산자를 포함하는,MRI 이미지 복원 방법.

삭제