ULF-Synth: 소아 신경영상을 위한 물리 기반 초저자기장 MRI 개선
ULF-Synth: Physics-Guided Ultra-Low-Field MRI Enhancement for Pediatric Neuroimaging
초저자기장(ULF) MRI는 휴대 가능하고 접근성이 높은 신경영상을 제공하지만, 고자기장(HF) 시스템에 비해 신호 대 잡음비가 낮고 공간 해상도가 제한적이라는 단점이 있다. 지도 학습 기반 개선을 위한 ULF-HF 쌍 데이터 확보는 특히 자원이 제한된 환경에서 흔히 어렵다. 본 논문은 다음 두 가지를 결합한 프레임워크인 ULF-Synth를 제안한다: (i) HF 볼륨으로부터 현실적인 ULF 영상을 획득 기반으로 합성하여 대규모 쌍 학습 데이터를 생성하고, (ii) 고주파 해부학적 세부 정보의 복원을 우선시하는 공간-주파수 도메인 목적 함수를 사용한다. 이 정식화는 아키텍처에 구애받지 않으며, 인코더-디코더, 적대적(adversarial), 확산 기반(diffusion-based) 변환 모델 전반에서 구조적 유사도와 지각적 충실도를 일관되게 향상시킨다. 합성 데이터만으로 학습된 결과 모델은 실제 64mT ULF 획득 데이터에 효과적으로 일반화되며, 후속 다중 클래스 뇌 분할(segmentation) 성능을 개선하고, 블라인드 평가자 연구에서 더 높은 영상의학과 전문의 선호도와 진단적 수용성을 달성한다. 이러한 결과는 합성 쌍 지도(supervision)가 실제 쌍 데이터 획득 없이도 ULF MRI를 개선할 수 있는 실용적이고 확장 가능한 방법을 제공함을 보여준다. 코드, 모델, 데이터셋: https://github.com/toufiqmusah/ULF-Synth