무료 호흡 하 저채널 심장 시네 MRI 효율적 재구성

초록

본 논문은 자유 호흡 상태에서 획득된 저채널(undersampled) 심장 시네 MRI 데이터를 압축 센싱(CS)과 움직임 보정(Motion Correction)을 결합한 두 단계 재구성 기법으로 처리한다. 첫 단계에서는 유사도 측정을 통해 데이터를 호흡 단계별로 정렬하고, 두 번째 단계에서는 재구성‑보정 반복 알고리즘을 적용해 고품질의 호흡 보정 영상을 얻는다. 시뮬레이션 및 임상 데이터를 이용한 실험에서 기존 CS 기반 재구성보다 블러 감소와 정량적 지표(RMSE, SSIM) 향상이 확인되었다.

상세 분석

이 연구는 자유 호흡 중에 발생하는 호흡 움직임이 심장 시네 MRI의 이미지 품질을 크게 저하시킨다는 문제점을 출발점으로 삼는다. 기존 압축 센싱(CS) 기법은 k‑space를 희소하게 샘플링함으로써 촬영 시간을 단축하지만, 호흡에 의한 비선형 변형이 존재하면 재구성 과정에서 심각한 블러와 아티팩트가 발생한다. 따라서 저채널 데이터에 CS를 적용하기 위해서는 먼저 움직임을 정확히 보정해야 한다는 전제가 필요하다.

논문에서 제안한 두 단계 접근법은 크게 ‘호흡 상태 분류(Respiratory Binning)’와 ‘반복적 CS‑Motion‑Correction’으로 구성된다. 첫 단계에서는 각 k‑space 라인에 대해 시간적 인접성 및 신호 강도 기반의 유사도 함수를 정의하고, 이를 통해 데이터를 여러 호흡 상태(예: 흡기, 호기, 중간 단계)로 클러스터링한다. 이 과정에서 사용된 유사도 측정은 단순한 에너지 차이가 아니라, 복소수 k‑space 데이터의 위상 정보를 포함한 복합 지표이므로, 미세한 호흡 변동도 효과적으로 구분할 수 있다.

두 번째 단계에서는 각 호흡 bin에 대해 독립적인 CS 재구성을 수행한 뒤, 얻어진 이미지 시퀀스 간의 변형장을 추정한다. 변형장은 비선형 옵티멀 전송(Non‑linear Optical Flow) 방식으로 계산되며, 여기서 중요한 점은 변형장 자체가 재구성 과정에 피드백으로 활용된다는 것이다. 구체적으로, 현재 추정된 변형장을 이용해 k‑space 데이터를 역변환하고, 이를 다시 CS 최적화 문제(ℓ1‑norm 기반 sparsity 제약 + 데이터 적합도)에 투입한다. 이 과정을 반복함으로써 이미지와 변형장이 동시에 수렴하도록 설계하였다.

알고리즘의 핵심 장점은 다음과 같다. 첫째, 호흡 binning을 통해 데이터의 시간적 일관성을 확보함으로써 CS가 가정하는 ‘희소성(sparsity)’가 실제 물리적 현상에 더 부합한다. 둘째, 반복적 재구성‑보정 루프는 변형장 추정의 오류를 점진적으로 감소시켜, 최종 이미지에서 호흡에 의한 블러를 거의 제거한다. 셋째, 기존 단일 단계 CS 재구성에 비해 연산 복잡도가 크게 증가하지 않는다. 이는 변형장 추정에 사용된 옵티멀 전송이 GPU 가속에 최적화될 수 있기 때문이다.

실험에서는 시뮬레이션 데이터와 실제 임상 데이터를 각각 2‑D 및 3‑D 시네 시퀀스로 평가하였다. 정량적 지표로는 RMSE와 SSIM을 사용했으며, 제안 방법은 기존 CS(단일 단계) 대비 평균 RMSE가 30 % 이상 감소하고 SSIM이 0.05~0.08 상승하였다. 시각적으로도 심장벽의 경계가 선명하게 복원되고, 호흡 주기에 따른 이미지 왜곡이 최소화된 것을 확인할 수 있었다.

한계점으로는 호흡 binning 단계에서 클러스터 수를 사전에 지정해야 하는 점과, 매우 빠른 호흡 변동(예: 급격한 심호흡)에서는 변형장 추정이 불안정해질 가능성이 있다는 점을 들 수 있다. 또한, 현재 구현은 2‑D 단일 슬라이스에 초점을 맞추고 있어, 다중 슬라이스 또는 3‑D 전체 볼륨에 적용하려면 메모리 관리와 연산 스케줄링에 추가적인 최적화가 필요하다.

향후 연구 방향은 (1) 자동 클러스터링 기법을 도입해 호흡 단계 수를 데이터에 따라 동적으로 결정하고, (2) 딥러닝 기반 변형장 초기화를 결합해 수렴 속도를 높이며, (3) 실시간 구현을 목표로 하드웨어 가속기(FPGA/ASIC)와의 연동을 검토하는 것이다. 이러한 확장은 자유 호흡 하에서 고해상도 심장 시네 MRI를 임상 현장에 적용하는 데 중요한 발판이 될 것으로 기대된다.