본 논문은 자기공명영상(MRI) 획득 시간 단축을 위한 새로운 딥러닝 기반 재구성 프레임워크인 DMSM(Dual-domain Multi-path Self-supervised Diffusion Model)을 제안합니다. DMSM은 자기지도학습 기반의 이중 영역 확산 모델 훈련 방식, 경량화된 하이브리드 어텐션 네트워크, 다중 경로 추론 전략을 통합하여 재구성 정확도, 효율성 및 설명 가능성을 향상시킵니다. 기존 확산 모델과 달리 완전 샘플링된 데이터에 대한 의존성을 제거하여 실제 임상 환경에 적용 가능성을 높였으며, 두 개의 인체 MRI 데이터셋에서 기존 방법들보다 우수한 성능을 보였습니다. 특히 고가속 인자에서도 미세 해부학적 구조를 잘 보존하고 인공물을 억제하며, 재구성 오류와 상관관계가 높은 불확실성 맵을 생성하여 임상적 해석 가능성을 높였습니다.
