3D·4D 파라렐 MRI 재구성을 위한 시공간 웨이블릿 정규화

논문은 파라렐 MRI(pMRI)의 핵심 기술인 SENSE 재구성을 개선하기 위해 두 가지 새로운 알고리즘, 3D‑UWR‑SENSE와 4D‑UWR‑SENSE를 제안한다. 서론에서는 MRI 스캔 시간을 단축하면서 이미지 품질을 유지하는 것이 중요한 과제임을 강조하고, 기존의 k‑space 기반 GRAPPA, SMASH와 이미지 도메인 기반 SENSE의 차이를 설명한다. 특히 SENSE는 코일 민감도 행렬을 이용해 언더샘플링된 데이터를 복원하지만, 슬라이스별로 독립적으로 처리할 경우 인접 슬라이스 간 아티팩트가 발생한다는 한계가 있다. 또한 동적 MRI, 특히 fMRI에서는 시간적 상관성이 존재함에도 불구하고 기존의 kt‑FOCUSS, kt‑GRAPPA 등은 주기적 샘플링을 전제로 하여 비주기적 이벤트‑관련 설계에는 적용이 어려웠다. 본 연구는 이러한 문제점을 해결하기 위해 3D 웨이블릿 변환을 도입한다. 3D‑UWR‑SENSE는 전체 뇌 볼륨을 하나의 3D 데이터로 보고, 3차원 웨이블릿 계수를 이용해 스파스성을 강제한다. 이때 데이터 충실도 항은 3D 변환된 이미지와 실제 측정값 사이의 제곱 오차를 최소화하며, 정규화 항은 웨이블릿 계수의 ℓ1‑norm을 사용해 잡음을 억제한다. 4D‑UWR‑SENSE는 여기에 시간 차원까지 확장하여, 각 시간 프레임을 3D 볼륨으로 취급하고, 시간적 정규화 항을 자동 회귀(AR) 모델 기반의 평활화 항으로 추가한다. 이렇게 하면 연속된 스캔 간의 저주파 변동을 보존하면서 고주파 노이즈는 억제한다. 정규화 파라미터는 레퍼런스 스캔에서 코일 민감도와 잡음 공분산을 추정한 뒤, 최대우도(MLE) 원칙에 따라 자동으로 결정한다. 따라서 사용자는 파라미터 튜닝에 소요되는 시간을 절감할 수 있다. 최적화는 Parallel Proximal Algorithm(PPXA)을 사용해 데이터 충실도, 3D 웨이블릿 스파스성, 시간 평활화라는 세 개의 convex 함수 각각에 대한 proximal 연산을 동시에 수행한다. PPXA는 기존의 두 함수만 다루는 알고리즘보다 더 유연하고 수렴 속도가 빠르다. 실험은 두 부분으로 나뉜다. 첫 번째는 해부학적 T1 이미지에서 R=2와 R=4 가속률을 적용한 3D‑UWR‑SENSE와 기존 SENSE, GRAPPA를 비교한다. 결과는 3D‑UWR‑SENSE가 특히 R=4에서 슬라이스 간 경계가 부드럽고, 전반적인 SNR이 2~3 dB 향상됨을 보여준다. 두 번째는 2×2×3 mm³ EPI 데이터를 이용한 빠른 이벤트‑관련 fMRI 실험이다. 15명의 피험자를 대상으로 motor와 computation 과제를 수행하게 했으며, 각 과제에 대해 대비(con)와 비대비(non‑con) 조건을 비교한다. 4D‑UWR‑SENSE는 그룹 수준에서 평균 z‑score가 0.8~1.2 포인트 상승하고, 클러스터 크기가 15~25% 증가했으며, 특히 R=4에서 기존 SENSE가 놓치던 미세 활성 영역을 검출했다. 통계적 민감도 향상은 재구성 단계에서 잡음 억제가 효과적으로 이루어졌기 때문이며, 이는 후속 GLM 분석의 검정력 향상으로 이어진다. 논의에서는 3D‑UWR‑SENSE가 슬라이스 간 연속성을 보존함으로써 구조적 아티팩트를 감소시킨 점, 4D‑UWR‑SENSE가 시간적 상관성을 모델링해 fMRI 데이터의 통계적 민감도를 높인 점을 강조한다. 또한 PPXA 기반 최적화가 다중 정규화 항을 효율적으로 처리할 수 있음을 언급한다. 한계점으로는 AR 모델 파라미터가 고정되어 있어 복잡한 비선형 시간 변동을 완전히 포착하지 못한다는 점과, 계산 복잡도가 기존 SENSE보다 약 2~3배 높다는 점을 들었다. 향후 연구에서는 비선형 시간 모델과 GPU 가속을 통한 실시간 구현을 제안한다. 결론적으로, 3D‑UWR‑SENSE와 4D‑UWR‑SENSE는 파라렐 MRI 재구성에서 공간·시간 연속성을 동시에 고려한 최초의 웨이블릿 기반 정규화 방법으로, 해부학적 이미지와 빠른 이벤트‑관련 fMRI 모두에서 기존 SENSE 대비 현저한 품질 향상을 입증하였다.