다중-쉘 확산 MRI를 이용한 섬유 해상도 미세구조 정량화: 탐지 트랜스포머 활용

섬유 방향 및 구획별 미세구조는 확산 MRI에서 백질 조직을 특성화하는 데 핵심적이지만, 기존 방법들은 미세구조를 정량화하면서 섬유 방향만 분리하거나, 또는 고정된 수의 구획과 단일 섬유 방향을 가정하며 미세구조를 정량화합니다. 이 두 가지를 모두 복구하는 비모수적 접근 방식은 텐서 값 확산 인코딩(tensor-valued diffusion encoding)과 역문제인 역 라플라스 변환(inverse Laplace transform)의 계산 비용이 많이 드는 몬테카를로 역변환을 필요로 합니다. 우리는 이 문제를 객체 탐지(object detection)-유사 작업으로 재구성하고, Detection Transformer (DETR) 아키텍처를 채택하여 선형 인코딩된 표준 다중-쉘 확산 MRI로부터 각 복셀당 가변적인 수의 구획에 대해 평균 확산도(MD), 분별 이방성(FA), 주 섬유 방향 및 신호 분율을 공동으로 예측하도록 합니다. 훈련 중 휴리스틱 매칭(Hungarian matching)은 구획 간 순열 불변성을 해결합니다. 우리는 재현 가능한 벤치마크 지표로서 평균 평균 정밀도(mean Average Precision)를 도입합니다. 복셀당 최대 다섯 개의 구획을 가진 합성 테스트 데이터로 평가했을 때, 우리의 모델은 MD에서 $R^2=0.95$, FA에서 $R^2=0.88$, 그리고 중앙 각도 오차 4.2°를 달성했으며, 성능이 구획별 신호 분율에 따라 자연스럽게 확장됨을 보여줍니다.