본 기술은 MRI 장비에서 얻어진 불완전한 영상 데이터(언더샘플링된 이미지)를 바탕으로, 딥러닝 기반 확산 모델을 활용하여 고품질 MRI 영상을 빠르고 정확하게 재구성하는 기술임

1) 신경망 기반 역확산 프로세스 수행: 다수의 초기 노이즈 이미지를 입력하여 추정 MRI 이미지 생성
2) 저주파수와 고주파수 성분 분리 및 믹싱: 병합 추정 이미지를 주파수 영역에서 분리, 선택적으로 합성
3) 반복 구조 설계: 반복 횟수가 증가할수록 노이즈 비율을 줄이며 최종 고품질 이미지 도출
4) 평균 또는 특정 샘플 기반 최종 영상 생성: 다수의 이미지 중 평균값 혹은 대표 하나 선택 가능

→ 기존 역확산 방식의 연산 비용과 속도 문제를 다수 이미지 병합 및 저주파 정보 합성 기법으로 보완한 고도화된 영상 복원 기술임

1) AI기반 의료 영상 진단 시장
글로벌 AI기반 의료 영상 진단 시장은 2023년 10억 110만 달러에서 2030년 72억 9,280만 달러까지 연평균 32.85% 성장할 것으로 전망됨

2) 주요 성장 요인
- 의료 현장에서의 빠른 진단 요구 증가
- 고품질 MRI 영상 확보의 필요성 증가
- 의료 AI 기술의 정밀도 향상 및 자동화 수요
- 디퓨전 모델의 고도화 및 연산속도 개선

1) 기존 기술의 한계
- 디퓨전 기반 MRI 복원 기술은 추론 시간이 오래 걸리고, 실제 해부학 구조와 다른 조직이 생성될 가능성이 존재함
- 단일 이미지 기반 추론으로 복원 성능 한계 존재

2) 본 발명의 특장점
- 다수의 노이즈 이미지를 병렬로 처리하여 추정 이미지 생성
- 저주파수 정보만 추출·합성하여 주요 구조를 보존
- 반복 횟수를 줄이고도 고품질 MRI 이미지 재구성 가능

3) 차별화 포인트
- 디퓨전 반복 횟수 감소 + 정밀도 유지라는 양립 어려운 목표를 동시 달성
- 이전 추정 이미지와의 적응적 병합으로 해부학적 정확성 강화
- 기존 기술보다 더 빠르고 정확한 MRI 복원 가능성 확보