DDTracking 확산 MRI 트랙토그래피를 위한 딥 생성 프레임워크

초록

DDTracking은 스트림라인 전파를 조건부 디노이징 확산 과정으로 모델링한 새로운 딥러닝 기반 트랙토그래피 방법이다. 로컬 3×3×3 SH 피처를 추출해 CNN으로 공간 정보를, GRU 기반 RNN으로 시간적 연속성을 인코딩하고, 이를 조건으로 1D CNN 기반 확산 모델이 다음 전파 방향을 예측한다. ISMRM Challenge와 TractoInferno 벤치마크에서 기존 최첨단 방법들을 크게 능가했으며, 다양한 임상·합성 데이터에 대한 일반화 능력도 입증하였다.

상세 분석

DDTracking은 기존 트랙토그래피가 직면한 두 가지 핵심 문제, 즉 지역적인 방향 편향과 장거리 연속성 손실을 동시에 해결하기 위해 설계되었다. 입력으로는 각 스트림라인 포인트 주변 3×3×3 voxel에서 추출한 구면조화(SH) 계수를 4차원 텐서 형태로 사용한다. 이 텐서는 두 개의 3D CNN 브랜치를 통해 서로 다른 공간 임베딩(zₜ와 vₜ)으로 변환된다. zₜ는 순차적으로 RNN(GRU)으로 전달되어 시간적 컨텍스트 cₜ를 생성하고, vₜ는 로컬 조건으로 확산 모델에 직접 제공된다. 확산 모델은 연속적인 노이즈 스케줄(k∈