Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Simultaneous Image Quality Improvement and Artefacts Correction in Accelerated MRI

Created by
  • Haebom
Category
Empty

저자

Georgia Kanli, Daniele Perlo, Selma Boudissa, Radovan Jirik, Olivier Keunen

USArt: Under-Sampling and Artifact Correction Model for MRI

개요

본 논문은 MRI 영상 획득 시간 단축과 동시에 노이즈 및 움직임으로 인한 아티팩트를 보정하는 딥러닝 모델인 USArt (Under-Sampling and Artifact correction model)을 제안한다. 2D 뇌 해부학적 영상을 대상으로 하며, Cartesian 샘플링 방식을 사용한다. USArt는 두 개의 서브 모델을 활용하여 언더 샘플링된 데이터로부터 고품질 영상을 복원하고, 노이즈 및 움직임 아티팩트를 동시에 보정한다. 다양한 언더 샘플링 전략과 성능 평가를 통해 최대 5배 가속화와 아티팩트 보정 효과를 입증하였다.

시사점, 한계점

•
시사점:
◦
MRI 영상 획득 시간 단축과 영상 품질 개선을 동시에 달성하는 새로운 딥러닝 모델 제시.
◦
언더 샘플링 및 아티팩트 보정을 위한 통합적인 접근 방식 제시.
◦
실제 환경에서의 강건성을 보여주는 결과 제시 (최대 5배 가속화).
◦
2D 뇌 해부학적 영상에 대한 성능 검증.
•
한계점:
◦
2D 뇌 해부학적 영상에 국한된 적용.
◦
구체적인 아키텍처 및 훈련 세부 정보 (모델 구조, 손실 함수, 훈련 데이터 등)에 대한 정보 부족.
◦
다른 MRI 부위 및 영상 유형으로의 일반화 가능성 미검증.
◦
모델의 실제 임상 적용 가능성에 대한 추가 연구 필요.
👍
Made with Slashpage