[논문 리뷰] Gabor Primitives for Accelerated Cardiac Cine MRI Reconstruction

Wenqi Huang, Veronika Spieker외 7명|arXiv (Cornell University)|2026. 03. 05.

Advanced MRI Techniques and Applications인용 수 0

한 줄 요약

이 논문은 MRI 재구성을 위한 복소수 값의 Gabor 원시를 도입하여 고주파 콘텐츠를 효율적으로 표현하고, 두 구성요소의 저랭크 시간 모델로 스캔 특이적 모션 인식 심장 시네 재구성을 가능하게 한다.

ABSTRACT

Accelerated cardiac cine MRI requires reconstructing spatiotemporal images from highly undersampled k-space data. Implicit neural representations (INRs) enable scan-specific reconstruction without large training datasets, but encode content implicitly in network weights without physically interpretable parameters. Gaussian primitives provide an explicit and geometrically interpretable alternative, but their spectra are confined near the k-space origin, limiting high-frequency representation. We propose Gabor primitives for MRI reconstruction, modulating each Gaussian envelope with a complex exponential to place its spectral support at an arbitrary k-space location, enabling efficient representation of both smooth structures and sharp boundaries. To exploit spatiotemporal redundancy in cardiac cine, we decompose per-primitive temporal variation into a low-rank geometry basis capturing cardiac motion and a signal-intensity basis modeling contrast changes. Experiments on cardiac cine data with Cartesian and radial trajectories show that Gabor primitives consistently outperform compressed sensing, Gaussian primitives, and hash-grid INR baselines, while providing a compact, continuous-resolution representation with physically meaningful parameters.

연구 동기 및 목표

• 고속 undersampling 하에서 심장 시네 MRI를 가속화하려는 동기
• MRI 재구성을 위한 명시적이고 해석 가능한 원리 기반을 개발
• 저랭크 시간 모델을 활용한 시공간 중복성 활용
• Cartesian 및 radial 궤도에서 CS, Gaussian 원시 및 Hash-grid INR 대비 개선 점증

제안 방법

• 복소수 값을 갖는 Gabor 원시를 정의하여 복소 지수 변조를 통해 스펙트럴 지지 위치를 임의의 k-공간 위치에 배치
• 이미지를 각 프레임 기하학과 가중 매개변수를 가진 N개의 Gabor 원시의 합으로 모델링
• 심장 모션의 기하학적 요소를 위한 기하학 기반과 대비 변화의 강도를 위한 강도 기반의 두 구성요소 저랭크 시간 모델 도입
• 원시별 시간 계수를 통해 기하학 및 가중치 역학을 연결하고 저랭크 기반으로 모델화
• undersampled 궤도에 대한 순전파 연산자와 데이터 적합도, 가중치 희소성, 시간 규제화를 결합한 합성 손실로 다중 코일 전방 모델 구성

실험 결과

연구 질문

• RQ1 스펙트럼이 시프트된(Gabor) 원시가 Gaussian 원시와 비교했을 때 undersampled 심장 MRI에서 고주파 콘텐츠 표현을 개선하는가?
• RQ2 두 구성요소 저랭크 시간 모델이 심장 시네 MRI에서 기하학(모션)과 강도(대비) 변화을 효율적으로 포착하는가?
• RQ3 Gabor 원시가 Cartesian 및 radial undersampling 시나리오에서 전통적 CS, Gaussian 원시 및 Hash-INR 벤치마크를 능가하는가?
• RQ4 결과 표현이 간결하고 해석 가능하면서 재구성 품질을 유지하거나 향상시키는가?

주요 결과

방법	rho	PSNR (Cartesian R=12)	SSIM (Cartesian R=12)	FSIM (Cartesian R=12)	시간 (Cartesian R=12)	PSNR (Cartesian R=16)	SSIM (Cartesian R=16)	FSIM (Cartesian R=16)	시간 (Cartesian R=16)	PSNR (Radial)	SSIM (Radial)	FSIM (Radial)	시간 (Radial)
L+S	—	37.15	0.940	0.850	0.3	32.19	0.824	0.777	0.4	35.82	0.922	0.810	1.5
PICS	—	42.21	0.972	0.886	0.1	41.05	0.966	0.875	0.1	35.19	0.905	0.793	1.1
Hash-INR	2.60	39.63	0.921	0.841	4.6	37.77	0.893	0.815	4.6	34.00	0.849	0.767	8.0
Gaussian	0.42	41.50	0.972	0.874	1.2	40.67	0.967	0.864	1.2	36.67	0.942	0.810	3.4
Gabor (ours)	0.41	42.61	0.974	0.883	2.5	41.39	0.968	0.871	2.5	37.53	0.947	0.830	4.2

• Gabor 원시가 Cartesian 및 radial undersampling에서 제시된 데이터셋에서 가장 높은 PSNR 및 SSIM를 달성
• Gabor가 Gaussian 원시 및 CS 벤치마크를 능가하며, radial 데이터에서 뚜렷한 이점(≈2.34 dB PSNR over PICS)
• 표현은 컴팩트하며(rho < 0.5), k-공간에 걸친 물리적으로 해석 가능한 스펙트럴 분포를 갖춤
• Gabor 기반 재구성은 경계 선명도 향상 및 배경 잡음 감소 등 정성적 비교에서 우수한 성능 보임
• 추가 재학습 없이 연속적이고 초해상도 가능한 표현 제공
• Hash-INR은 더 많은 매개변수를 사용하지만 이 설정에서 Gabor 원시에 비해 성능이 떨어짐