딥러닝 기반 MRI 초해상화: 포괄적 조사
MRI Super-Resolution with Deep Learning: A Comprehensive Survey
November 20, 2025
저자: Mohammad Khateri, Serge Vasylechko, Morteza Ghahremani, Liam Timms, Deniz Kocanaogullari, Simon K. Warfield, Camilo Jaimes, Davood Karimi, Alejandra Sierra, Jussi Tohka, Sila Kurugol, Onur Afacan
cs.AI
초록
고해상도 자기공명영상(MRI)은 다양한 임상 및 연구 응용 분야에서 중요하게 활용됩니다. 그러나 고해상도 영상 획득은 여전히 비용이 많이 들며, 기술적 트레이드오프와 실험적 한계에 제약을 받고 있습니다. 초해상도 기술은 이러한 과제를 극복하기 위한 유망한 계산적 접근법으로, 보다 경제적인 저해상도 스캔으로부터 고해상도 영상을 생성하여 추가적인 하드웨어 없이도 진단 정확도와 효율성을 향상시킬 잠재력을 지닙니다. 본 종설 논문은 최근의 MRI 초해상도 기술 동향, 특히 딥러닝 접근법을 중심으로 검토합니다. 컴퓨터 비전, 계산적 영상, 역문제, 그리고 MR 물리학의 관점에서 딥러닝 기반 MRI 초해상도 방법을 살펴보며, 이론적 기반, 구조 설계, 학습 전략, 벤치마크 데이터셋 및 성능 지표를 다룹니다. 저자들은 이러한 방법들을 체계적으로 분류하는 체계를 제안하고, 임상 및 연구 현장의 고유한 과제를 고려하여 MRI에 적용 가능한 기존 및 신흥 초해상도 기술에 대한 심층 분석을 제시합니다. 또한 학계가 해결해야 할 공개된 과제와 발전 방향을 부각시키고, GitHub(https://github.com/mkhateri/Awesome-MRI-Super-Resolution)에서 제공되는 필수 공개 리소스, 도구 및 튜토리얼 모음을 제공합니다.
IEEE 키워드: MRI, 초해상도, 딥러닝, 계산적 영상, 역문제, 종설.
English
High-resolution (HR) magnetic resonance imaging (MRI) is crucial for many clinical and research applications. However, achieving it remains costly and constrained by technical trade-offs and experimental limitations. Super-resolution (SR) presents a promising computational approach to overcome these challenges by generating HR images from more affordable low-resolution (LR) scans, potentially improving diagnostic accuracy and efficiency without requiring additional hardware. This survey reviews recent advances in MRI SR techniques, with a focus on deep learning (DL) approaches. It examines DL-based MRI SR methods from the perspectives of computer vision, computational imaging, inverse problems, and MR physics, covering theoretical foundations, architectural designs, learning strategies, benchmark datasets, and performance metrics. We propose a systematic taxonomy to categorize these methods and present an in-depth study of both established and emerging SR techniques applicable to MRI, considering unique challenges in clinical and research contexts. We also highlight open challenges and directions that the community needs to address. Additionally, we provide a collection of essential open-access resources, tools, and tutorials, available on our GitHub: https://github.com/mkhateri/Awesome-MRI-Super-Resolution.
IEEE keywords: MRI, Super-Resolution, Deep Learning, Computational Imaging, Inverse Problem, Survey.