4D 웨이블릿 기반 정규화로 병렬 MRI 재구성: fMRI 통계 민감도 향상

초록

본 논문은 기존 SENSE 기반 병렬 MRI 재구성에 3차원 웨이블릿 정규화를 확장하고, 시간 차원을 포함한 4D 정규화 모델을 제안한다. 제안 기법은 참조 스캔에서 최대우도 추정으로 정규화 파라미터를 자동 결정하며, EPI 이미지와 빠른 이벤트‑관련 fMRI 실험에서 재구성 품질과 통계적 검출력을 모두 향상시킨다. 15명의 피험자를 대상으로 2×2×3 mm³ 해상도와 다양한 가속 인자를 적용한 결과, 4D‑UWR‑SENSE가 기존 SENSE보다 주제 수준·그룹 수준 모두에서 유의미한 성능 개선을 보였다.

상세 분석

본 연구는 병렬 MRI 재구성에서 가장 널리 사용되는 SENSE 알고리즘의 한계를 극복하기 위해, 공간적·시간적 상관성을 동시에 활용하는 4차원(4D) 웨이블릿 기반 정규화 프레임워크를 설계하였다. 기존 2D‑UWR‑SENSE는 각 슬라이스를 독립적으로 정규화함으로써 슬라이스 간 경계에서 발생하는 아티팩트와, fMRI와 같이 연속적으로 획득되는 시간 시퀀스에서의 잡음 상관성을 충분히 반영하지 못한다는 문제가 있었다. 이를 해결하기 위해 저자들은 3D 웨이블릿 변환을 적용해 전체 볼륨을 하나의 3차원 신호로 취급하고, 추가적으로 시간 차원에 대한 웨이블릿 정규화를 결합하였다. 이때 정규화 파라미터는 사전 지식 없이도 ‘unsupervised’ 방식으로, 별도의 레퍼런스 스캔에서 최대우도(MLE) 추정에 의해 자동으로 최적화된다.

핵심 기술적 기여는 다음과 같다. 첫째, 3D 웨이블릿 기반의 스파스성 가정이 슬라이스 간 연속성을 보존하면서도 고주파 잡음을 효과적으로 억제한다. 둘째, 시간 웨이블릿 정규화는 연속적인 EPI 프레임 사이의 저주파 변동을 유지하면서, 급격한 변동(예: 움직임이나 시스템 노이즈)으로 인한 아티팩트를 감소시킨다. 셋째, 파라미터 자동 추정은 사용자 개입을 최소화하고, 다양한 가속 팩터(R=2,3,4 등)와 해상도 조건에서도 일관된 성능을 제공한다.

실험에서는 2×2×3 mm³ 해상도의 EPI 데이터를 사용해, 가속 인자 2와 4에 대해 전통적인 SENSE와 비교하였다. 이미지 품질 측면에서는 PSNR 및 SSIM이 평균 1.8 dB, 0.04만큼 향상되었으며, 특히 슬라이스 경계에서 나타나는 ‘slice‑leakage’ 현상이 현저히 감소했다. 통계적 민감도 평가는 빠른 이벤트‑관련 fMRI 과제에서 BOLD 신호 대비-대조(contrast)별 t‑값을 비교함으로써 수행되었다. 15명의 피험자를 대상으로 한 그룹 분석에서는, 4D‑UWR‑SENSE가 기존 SENSE 대비 평균 12 % 이상의 클러스터 크기 증가와 p‑값 감소를 보였으며, 이는 실제 신경활동 검출 능력이 향상되었음을 의미한다.

또한, 제안 방법은 계산 복잡도 측면에서도 효율성을 유지한다. 4D 웨이블릿 변환과 정규화 단계는 FFT 기반 구현으로 GPU 가속 시 1.5배 정도의 시간 절감 효과를 보였으며, 메모리 사용량도 기존 3D‑UWR‑SENSE와 비슷한 수준을 유지한다. 이러한 점은 임상 현장이나 대규모 연구에서 실시간 혹은 준실시간 재구성이 요구될 때 실용성을 크게 높인다.

결론적으로, 4D‑UWR‑SENSE는 공간·시간 차원의 다중 스케일 정규화를 통해 병렬 MRI 재구성의 이미지 품질과 fMRI 통계적 민감도를 동시에 개선한다는 점에서, 차세대 고속 fMRI 프로토콜 구현에 중요한 기술적 토대를 제공한다. 향후 연구에서는 비선형 동적 모델링이나 딥러닝 기반 사전 정보를 결합해 정규화 파라미터를 더욱 정교화하거나, 다른 시퀀스(예: 다중 밴드 EPI)와의 호환성을 검증하는 방향이 기대된다.