연산자 기반 SMS MRI 복원을 위한 생성 경로 설계

초록

본 논문은 SMS(동시 다중 슬라이스) MRI에서 발생하는 슬라이스 간 간섭과 인플레인 언더샘플링을 결정론적 연산자 모델로 명시하고, 이를 역전파하는 연산자‑조건부 이중 스트림 네트워크(OCDI‑Net)를 도입한다. 두 단계(슬라이스 분리 → 인플레인 복원)로 구성된 체인 추론을 통해 기존 선형·확산 기반 방법보다 높은 재구성 정확도와 슬라이스 누수 감소를 달성한다.

상세 분석

SMS MRI는 다중 슬라이스를 동시에 흥분시켜 하나의 k‑space 측정에 겹쳐진 데이터를 생성한다. 이때 CAIPI 방식의 위상 변조가 슬라이스 간 간섭 패턴을 결정적으로 만든다. 기존의 선형 SENSE·GRAPPA 계열은 이러한 연산자를 명시적으로 모델링하지만, 고차원 다중 밴드와 인플레인 언더샘플링이 결합되면 고주파 세부 복원이 어려워 슬라이스 누수가 발생한다. 최근 확산 기반 복원은 Gaussian 잡음 모델에 기반해 데이터 일관성(projection) 단계로 물리적 연산자를 강제하지만, 잡음과 실제 연산자‑구조적 손상이 근본적으로 다르기 때문에 고가속 상황에서 잔류 아티팩트가 남는다.

저자들은 이러한 불일치를 해소하기 위해 “연산자‑가이드” 프레임워크를 제안한다. 핵심 아이디어는 SMS와 인플레인 언더샘플링을 각각 A_M, A_U 라는 알려진 연산자로 정의하고, 깨끗한 k‑space k와 물리적으로 일관된 손상 상태 y_Ω=A_Ω(k) 사이를 선형 보간 α_t 로 연결한 결정론적 전방 경로 x_t = k* + α_t d_Ω (d_Ω = A_Ω(k*)‑k*) 를 만든다. 여기서 α_t는 0→1 로 증가하는 스케줄이며, 전통적인 확산의 “노이즈 추가”와는 달리 실제 연산자‑유도 손상을 단계별로 점진적으로 적용한다.

역방향에서는 네트워크 F_θ가 현재 상태 x_t와 단계·연산자 정보를 입력받아 손상 d̂_t = F_θ(x_t, t; Ω)를 예측한다. 예측된 손상을 α_t 로 스케일링해 k̂ = x_t‑α_t d̂_t 로 깨끗한 k‑space를 복원하고, 다음 단계는 x_{t‑1}=k̂+α_{t‑1} d̂_t 로 업데이트한다. 이 과정은 “손상 예측 → 손상 제거”라는 형태로, 전통적인 “노이즈 제거”와는 근본적으로 다르다.

네트워크 구조인 OCDI‑Net은 두 개의 스트림(목표 슬라이스 내용 스트림, 간섭 스트림)을 유지하면서 U‑Net 형태의 인코더‑디코더 안에 교차 스트림 인터랙션 블록을 삽입한다. 각 블록은 diffusion step t와 연산자 지시자 Ω에 조건화되어, 단계별로 서로 다른 물리적 특성을 반영한다. 이렇게 이중 스트림을 사용하면 목표 슬라이스와 다른 슬라이스에서 유입된 구조적 간섭을 명시적으로 분리해 학습할 수 있다.

또한 저자들은 강하게 결합된 두 손상(슬라이스 간섭·인플레인 결손)을 한 번에 해결하려 하면 역문제가 매우 불안정해진다는 점을 인식하고, 두 단계로 체인 추론을 설계했다. 첫 단계(M‑Stage)는 CAIPI‑유도 간섭을 제거해 각 슬라이스별 k‑space를 복원하고, 두 번째 단계(U‑Stage)는 전통적인 Cartesian 마스크를 이용한 인플레인 복원을 수행한다. 각 단계마다 별도의 α_t 스케줄과 연산자 A_Ω가 적용되므로, 손상 모델링이 정확히 일치한다.

실험에서는 fastMRI 뇌 데이터와 실제 확산 MRI 데이터를 사용해 기존 SENSE, GRAPPA, RAKI, ROCK‑SPIRiT, 그리고 최신 확산 기반 SMS 복원(예: Diffusion‑SMS)과 비교했다. 정량 지표(NMSE, SSIM)와 정성적 이미지에서 OCDI‑Net 기반 방법이 특히 높은 multiband factor와 인플레인 가속률에서 슬라이스 누수를 크게 억제하고 고주파 세부를 보존함을 보였다.

핵심 기여는 (1) 결정론적 연산자‑가이드 생성 경로를 제안해 물리적 손상을 직접 모델링, (2) 이중 스트림 인터랙션 네트워크로 손상 예측을 수행, (3) 두 단계 체인 추론으로 강한 결합성을 해소해 안정적인 고가속 복원을 구현한 점이다. 이 접근법은 기존 확산‑기반 모델이 갖는 “노이즈‑가정” 한계를 넘어, MRI와 같은 물리‑제어 시스템에 보다 자연스럽게 적용될 수 있음을 시사한다.