By Geunu Jeong, Head of SwiftMR Research at AIRS Medical
SwiftMR은 MRI 영상의 품질을 향상시켜주는 딥러닝 기반 제품입니다. 그렇다면 이 알고리즘이 기존의 딥러닝 알고리즘과 어떻게 달라서 이렇게 탁월한 복원 성능을 보일 수 있을까요? 에어스메디컬이 arXiv에 출간한 논문 ‘All-in-One Deep Learning Framework for MR Image Reconstruction’에서 그 답을 찾을 수 있습니다. 기술적인 난이도가 높은 내용이지만, 차근차근 이해해봅시다!
MRI 스캐너에서 촬영을 하면 먼저 k-space data라고 불리는 raw data를 얻게 됩니다. 얻은 k-space data의 각 점을 sample이라고 부릅니다. 이 때, 설정한 스캔 파라미터에 따라 k-space data의 sample의 수와 각 sample의 노이즈 수준이 달라집니다. 촬영 시간을 더 길게 투자하는 쪽으로 스캔 파라미터를 설정하면 더 많은 sample들을 각각 더 낮은 노이즈 수준으로 얻을 수 있게 되고, 반대로 촬영 시간을 더 짧게 투자하는 쪽으로 스캔 파라미터를 설정하면 더 적은 sample들을 각각 더 높은 노이즈 수준으로 얻어야 합니다. 이 k-space data가 일련의 수학적 연산 과정을 거치고 나면 비로소 우리의 신체를 식별할 수 있는 MRI 영상이 만들어지는데, 이 때의 영상 품질은 앞서 말한 k-space data의 sample의 수와 각 sample의 노이즈 수준에 의해 좌우됩니다.