본 논문은 물리 기반 심층 학습(PD-DL)을 이용한 고속 자기 공명 영상(MRI) 재구성의 일반화 문제를 해결하기 위해, 일반적인 임상 MRI 스캐너에서 추출된 재구성 이미지만을 사용하여 PD-DL을 학습하는 새로운 방법인 CUPID를 제안합니다. CUPID는 압축성 기반 접근 방식으로 출력 품질을 평가하고, 잘 설계된 섭동을 통해 임상 병렬 이미징 재구성과의 일관성을 유지합니다. k-공간 데이터를 필요로 하는 기존 PD-DL 학습과 유사한 품질을 달성하면서, 압축 센싱(CS) 및 확산 기반 생성 모델보다 우수한 성능을 보입니다. 또한, 소량의 학습 데이터로도 후향 및 전향 하위 샘플링 획득에 효과적임을 보여줍니다. 이는 의료 접근성이 낮은 지역에서 고속 MRI 기술의 접근성을 높이는 데 기여할 수 있습니다.
