Compressed sensing은 기존의 Nyquist sampling 이론에 기반을 두었던 dynamic MRI에서의 시 공간 해상도의 제한을 획기적으로 향상시킴으로써, 최근 몇 년 사이, MR reconstruction 분야에서 가장 큰 이슈가 되고 있는 연구주제이다. Dynamic MRI 는 대부분 시간방향의 redundancy 가 매우 크므로, 쉽게 sparse 변환이 가능하다. 따라서 sparsity를 기본 조건으로 하는 compressed sensing은 거의 모든 dynamic MRI 에 대해 효과적으로 적용될 수 있다. 본 review 페이퍼에서는 최근 compressed sensing 에 기반을 두거나 영상의 sparsity를 이용하여 개발된 dynamic MR imaging algorithm 들을 간략히 소개하고, 비교 분석함으로써, compressed sensing과 같은 새로운 접근 방식의 dynamic MRI가 실제 임상에서 가져다 줄 발전 가능성을 제시한다.
The recently developed sampling theory, "compressed sensing" is gathering huge interest in MR reconstruction area because of its feasibility of high spatio-temporal resolution of dynamic MRI which has been limited in conventional methods based on Nyquist sampling theory. Since dynamic MRI usually has high redundant information along temporal direction, this can be very sparsely represented in most of cases. Therefore, compressed sensing that exploits the sparsity of unknown images can be effectively applied in most of dynamic MRI. This review article briefly introduces currently proposed compressed sensing based dynamic MR imaging algorithms and other methods exploiting sparsity. By comparing them with conventional methods, you may have insight how the compressed sensing based methods can impact nearly every area of clinical dynamic MRI.
