Johns Hopkins, 고가속 MRI 재구성에 이산 잠재 공간 자기회귀 모델 도입 — fastMRI에서 극도 희소 샘플링 성능 개선

Johns Hopkins 팀이 MRI 재구성을 이산 다중 스케일 잠재 공간에서 자기회귀적으로 수행하는 방법을 제안했습니다. 기존 연속 픽셀 예측 방식이 고가속 조건에서 고주파 해부학 구조를 평균화하는 문제를 해결하기 위해, 코드북 토큰 시퀀스로 해를 제한해 희소 측정에서도 선명한 재구성을 가능하게 했습니다. 또한 온-폴리시 특권 정보 증류(on-policy privileged information distillation) 기법을 도입해, 완전 샘플링 데이터를 추가로 제공받는 교사 모델이 학생 모델의 롤아웃을 지도하도록 설계했습니다. fastMRI 벤치마크 실험에서 다양한 샘플링 패턴 아래 극도 언더샘플링 조건에서 재구성 성능이 일관되게 향상되었습니다. 단, 이 방법은 학습 시 완전 샘플링 데이터가 필요해 실제 임상 환경에서의 적용 가능성은 추가 검증이 필요합니다.

• #mri
• #reconstruction
• #discrete
• #autoregressive
• #johns-hopkins