엔드투엔드 변분 네트워크를 이용한 가속화된 MRI 재구성

자기공명영상(MRI)의 느린 촬영 속도로 인해 두 가지 보완적인 방법이 개발되었다. 하나는 해부학적 구조를 동시에 여러 시점을 촬영하는 병렬 영상(parallel imaging)이고, 다른 하나는 전통적인 신호 처리 방법에 필요한 샘플 수보다 적은 수의 샘플을 촬영하는 압축 감지(compressed sensing)이다. 이러한 방법들을 결합하면 훨씬 빠른 촬영 시간을 가능하게 할 수 있으나, 미충분하게 샘플링된 다중 코일 데이터로부터의 재구성은 여전히 해결되지 않은 과제였다. 본 논문에서는 기존에 제안된 변분 방법을 보완하여 완전한 엔드투엔드(end-to-end) 학습 방식으로 확장한 새로운 접근법을 제시한다. 제안한 방법은 뇌 및 무릎 MRI에 대해 fastMRI 데이터셋에서 새로운 최고 성능을 달성하였다.