초록 ▼

비행시간법 자기공명혈관조영술(tme-of-flight magnetic resonance angiography; TOF-MRA)는 자기공명영상기법(MRI) 중 혈관을 조영제 없이 시각화하기 위한 대표적인 기술이다. 자기공명혈관 조영술의 경우, 3차원 영상을 획득하는 것이 필수적이므로, 영상 획득 시간을 줄이기 위한 가속화가 필요하다. 이는 MRI를 통해 획득되는 데이터인 k-공간(k-space)을 일부분만 얻는 다운샘플링(down sampling) 기법을 통해 가능하다. 이렇게 획득된 데이터를 재구성하기 위해 압축센싱,딥러닝 등 다양

비행시간법 자기공명혈관조영술(tme-of-flight magnetic resonance angiography; TOF-MRA)는 자기공명영상기법(MRI) 중 혈관을 조영제 없이 시각화하기 위한 대표적인 기술이다. 자기공명혈관 조영술의 경우, 3차원 영상을 획득하는 것이 필수적이므로, 영상 획득 시간을 줄이기 위한 가속화가 필요하다. 이는 MRI를 통해 획득되는 데이터인 k-공간(k-space)을 일부분만 얻는 다운샘플링(down sampling) 기법을 통해 가능하다. 이렇게 획득된 데이터를 재구성하기 위해 압축센싱,딥러닝 등 다양한 기술이 제안되었다. 하지만 현존하는 방법으로 재구성된 영상의 경우, 혈관이 정확히 복원되지 않거나 신호의 세기가 감소하는 등의 단점이 있다.
따라서 본 과제에서는, 연구팀에서 밝힌 최적 운송(optimal transport) 기반의 cycleGAN (OT-cycleGAN)을 두 단계에 걸쳐 이용하고, 투사 식별자(projection discriminator)를 이용해 3차원 비행시간법 자기공명혈관조영술 영상의 획기적인 가속화가 가능한 비지도 학습(unsupervised learning) 기반 알고리즘을 제안하였다. 제안한 알고리즘을 통해, 기존에 사용되던 알고리즘에 비해 현저하게 향상된 영상 해상도를 제공하였다.

(출처 : 보고서 초록 3p)

Abstract ▼

Time-of-flight magnetic resonance angiography (TOF-MRA) is one of the most widely used non-contrast MR imaging methods to visualize blood vessels, but due to the 3-D volume acquisition highly accelerated acquisition is mandatory.
Accordingly, in this research, we extend the recent theoretical und

Time-of-flight magnetic resonance angiography (TOF-MRA) is one of the most widely used non-contrast MR imaging methods to visualize blood vessels, but due to the 3-D volume acquisition highly accelerated acquisition is mandatory.
Accordingly, in this research, we extend the recent theoretical understanding of cycleGAN from the optimal transport theory, and propose a novel two-stage unsupervised deep learning approach which is composed of the multi-coil reconstruction network along the coronal plane followed by a multi-planar refinement network along the axial plane. Specifically, the first network is trained in the square-root of sum of squares (SSoS) domain to achieve high quality parallel image reconstruction, whereas the second refinement network is designed to efficiently learn the characteristics of highly-activated blood flow using double headed max-pool discriminator. Extensive experiments demonstrate that the proposed learning process without matched reference exceeds the performance of the state-of-the-art compressed sensing (CS)-based methods and provides comparable or even better results than the supervised learning approaches.

(출처 : SUMMARY 5p)

목차 Contents

• 표지 ... 1
• 제 출 문 ... 2
• 보고서 초록 ... 3
• 요 약 문 ... 4
• SUMMARY ... 5
• CONTENTS ... 6
• 목차 ... 7
• 1. 주요 추진계획 대비 수행 ... 8
• 1) 과제개발 달성도 ... 8
• 2. 과제수행 성과 ... 9
• 1) 정성적 성과내용 (Demo, Prototype, Product를 포함하여 기술) ... 9
• 2) 정량적 성과 ... 13
• 끝페이지 ... 15