BM4D‑PC: 확산 MRI 주성분의 비국소 4차원 잡음 억제

초록

본 논문은 확산‑가중 MRI(DWI) 데이터에 존재하는 공간적으로 상관된(컬러) 잡음을 완전히 모델링하고, BM4D 알고리즘을 이용해 전역 주성분 분석(PCA) 후 각 주성분 볼륨에 비국소 블록 매칭 4D 변환 필터링을 적용하는 BM4D‑PC 방법을 제안한다. 잡음 지도와 잡음 파워 스펙트럼 밀도(PSD)를 데이터 자체에서 자동 추정하며, 시뮬레이션 및 인간·마모셋 고해상도 데이터에서 기존 최첨단 방법들을 능가하는 PSNR, SSIM, RMSE 개선과 확산 지표의 품질 향상을 입증한다.

상세 분석

BM4D‑PC는 기존 dMRI 잡음 억제 기법이 주로 가정하는 i.i.d. 백색 잡음 모델을 탈피한다. 저자들은 k‑space 재구성 과정(부분 Fourier, 제로‑필링, 비정형 스파이럴 등)에서 발생하는 공간적 상관성을 잡음 PSD 형태로 명시하고, 이를 BM4D의 잡음 모델에 직접 통합한다. 핵심 아이디어는 전체 DWI 집합을 하나의 행렬로 벡터화한 뒤 전역 PCA를 수행해 데이터 차원을 압축하고, 각 주성분(PC) 이미지를 3‑D 볼륨으로 재구성한 후 BM4D를 적용하는 것이다. 전역 PCA는 잡음 통계가 보존되는 유니터리 변환이므로, 모든 PC에 동일한 PSD가 유지된다. 따라서 첫 번째 고 SNR PC에서 얻은 블록 매칭 좌표를 모든 후속 PC에 재사용함으로써 저 SNR PC에서도 안정적인 비국소 유사성 탐색이 가능해진다.

BM4D 자체는 4‑D(3‑D 공간 + 유사 블록 차원) 웨이블릿 변환 후 하드 임계값(1단계)과 위너 필터링(2단계)으로 잡음을 억제한다. 저자들은 BM4D가 원래 백색 잡음에 최적화돼 있었지만, PSD 정보를 입력받아 잡음이 공간적으로 상관된 경우에도 정확한 변환 영역 잡음 분산을 계산하도록 확장된 버전을 사용한다. 이 과정에서 잡음 지도와 PSD를 자동 추정한다. 잡음 지도는 마지막 몇 개의 PC(신호가 거의 없는 영역)에서 로컬 표준편차 추정기로 계산하고, PSD는 정규화된 PC를 이용해 슬라이스별 2‑D 푸리에 변환을 수행한 뒤 최소값을 취해 과대추정을 방지한다.

실험 설계는 두 축으로 나뉜다. 첫째, 공개된 잡음‑무료 시뮬레이션 데이터에 백색·컬러 잡음을 1 %, 5 %, 10 % 수준으로 합성해 정량적 지표(PSNR, SSIM, RMSE)를 측정했다. BM4D‑PC는 모든 잡음 유형·강도에서 기존 MPPCA, NORDIC, Tensor‑MPPCA, Patch2Self 등을 앞섰다. 둘째, 인간(고해상도 EPI) 및 마모셋(초고해상도) 실험에서 시각적 품질과 확산 텐서·커틀로시스 지표의 변동을 평가했다. BM4D‑PC는 잡음 억제와 세부 구조 보존 사이의 균형을 가장 잘 맞추어, 특히 고 b‑value 이미지에서 신호 손실을 최소화하면서 FA, MD 등 주요 확산 파라미터의 정확도를 크게 향상시켰다.

알고리즘 복잡도 측면에서는 전역 PCA와 다중 PC에 대한 BM4D 적용이 계산량을 증가시키지만, 다중 채널 BM4D와 블록 매칭 좌표 재사용 전략으로 메모리와 시간 효율성을 확보했다. 또한, BM4D‑PC는 사전 학습이 필요 없는 모델 기반 접근법이므로 다양한 스캔 프로토콜(다중 b‑value, 다중 방향, 다양한 코일 배열)에도 바로 적용 가능하다.

이 논문의 주요 기여는 (1) dMRI에서 흔히 발생하는 컬러 잡음의 PSD까지 고려한 완전 잡음 모델링, (2) 전역 PCA와 BM4D의 결합을 통한 4‑차원 비국소 잡음 억제 프레임워크, (3) 데이터 자체에서 잡음 지도·PSD를 자동 추정하는 실용적 파이프라인, (4) 광범위한 시뮬레이션·인‑비보 검증을 통한 성능 입증이다. 향후 연구에서는 BM4D‑PC를 다중‑TE, 다중‑밴드, 혹은 고차원 마이크로구조 모델링과 결합하거나, GPU 가속을 통한 실시간 처리 가능성을 탐색할 여지가 있다.