업무 변환자 네트워크를 통한 공동 MRI 재구성 및 슈퍼해상도

자기공명영상(MRI)의 핵심 과제는 가속화와 영상 품질 사이의 상충 관계이다. 영상 재구성과 초해상도 증강은 MRI에서 핵심적인 기술로, 기존의 방법들은 이 두 작업을 별도로 수행하도록 설계되어 있으며, 이들 간의 상관관계를 간과하고 있다. 본 연구에서는 고도로 미비한 샘플링 및 품질 저하된 MRI 데이터로부터 보다 고품질의 초해상도 영상과 운동 아티팩트가 없는 영상을 얻기 위해, 영상 재구성과 초해상도 증강을 동시에 수행하는 엔드투엔드 작업 변환기 네트워크(T²Net)를 제안한다. 이 프레임워크는 재구성과 초해상도 증강을 두 개의 하위 브랜치로 나누어 구현하며, 각각의 특징은 쿼리(query)와 키(key) 형태로 표현된다. 구체적으로, 두 작업 간의 공동 특징 학습을 유도함으로써 정확한 작업 정보를 전달할 수 있도록 설계하였다. 먼저, 두 개의 독립된 CNN 브랜치를 사용하여 각 작업에 특화된 특징을 추출한 후, 작업 변환기 모듈(task transformer module)을 도입하여 두 작업 간의 관련성을 임베딩하고 통합한다. 실험 결과, 제안한 다중 작업 모델이 정량적·정성적으로 고급 순차적 방법들을 크게 능가함을 확인하였다.