심장 확산 텐서 영상 가속을 위한 저계수와 희소성 동시 활용 방법

초록

본 논문은 심장 확산 텐서 영상(CDTI)의 촬영 시간을 단축하기 위해 저계수성(low‑rank)과 압축 센싱(sparsity) 제약을 동시에 적용한 재구성 알고리즘을 제안한다. 확산‑가중 영상은 변환 도메인에서 희소성을 보이며, 여러 확산 방향을 합치면 저계수 행렬 구조가 나타난다. 여기에 각 확산 방향 간 위상 불일치를 보정하는 위상 맵을 도입하면 저계수성이 더욱 강화된다. 제안 방법은 ex‑vivo와 in‑vivo 실험에서 기존의 저계수 전용, 희소성 전용 기법보다 높은 가속률에서도 헬릭스 각도, 횡단 연속성, 평균 확산도(MD) 등을 정확히 복원하고, 편향이 낮으며 ICC가 크게 향상됨을 보여준다.

상세 분석

본 연구는 심장 확산 텐서 영상(CDTI)의 고속 획득을 위해 두 가지 수학적 특성인 저계수성(low‑rank)과 희소성(sparsity)을 동시에 활용하는 새로운 재구성 프레임워크를 제시한다. 확산‑가중 이미지 집합은 각 확산 방향마다 서로 다른 위상 정보를 포함하는데, 이는 전통적인 저계수 모델에 잡음과 같은 비선형 왜곡을 유발한다. 저자들은 먼저 복소수 위상 맵을 추정하여 각 방향의 위상 차이를 보정함으로써, 복원된 데이터 행렬이 실제로는 더 낮은 랭크를 갖게 된다는 점을 확인하였다. 이 과정은 저계수 모델의 핵심 가정인 ‘공통 구조 + 작은 변동’ 형태를 강화한다.

그 다음, 변환 도메인(예: 파동렛)에서의 희소성을 이용해 압축 센싱 제약을 추가한다. 구체적으로, 전체 데이터 행렬을 저계수 행렬 (L)와 희소 행렬 (S)의 합으로 모델링하고, 최적화 문제를 다음과 같이 설정한다:
\