반복재구성 알고리즘 (Iterative Reconstruction Algorithm)

한 줄 정의: 측정된 원시 데이터와 예측 영상을 반복적으로 비교·수정해가며 오차를 줄여 최종 영상을 만들어내는 영상재구성 방식입니다.

쉽게 풀면

퍼즐을 맞출 때 처음부터 완벽한 그림을 그리기보다, 대략적인 밑그림을 그린 뒤 실제 조각과 비교해가며 조금씩 고쳐나가는 과정을 떠올리면 됩니다. 반복재구성 알고리즘은 컴퓨터가 처음에 대략적인 영상을 만든 뒤, 이를 실제 측정 데이터와 비교하고 차이를 줄이는 방향으로 수정하는 과정을 여러 번 반복합니다. 이렇게 하면 한 번에 계산하는 방식보다 잡음이 적고 정확한 영상을 얻을 수 있습니다. CT나 PET 영상에서 화질을 높이는 데 널리 쓰입니다.

왜 중요한가

반복재구성은 특히 저선량 CT처럼 데이터가 부족하거나 잡음이 많은 상황에서도 상대적으로 양질의 영상을 얻을 수 있게 해줘, 환자 피폭량을 줄이면서 진단 정확도를 유지하려는 의공학 연구에서 중요하게 다뤄집니다.

논문에서는 이렇게 쓰입니다

"Iterative reconstruction reduced image noise compared to filtered back-projection at the same dose level."

동일한 선량 조건에서 반복재구성이 여과역투영법보다 영상 잡음을 줄였다는 의미입니다.

"The algorithm alternates between forward projection and error correction until convergence is achieved."

알고리즘이 수렴할 때까지 순방향 투영과 오차 보정을 번갈아 반복한다는 뜻입니다.

조금 더 깊게 보면

대표적인 방식으로는 대수적 재구성법(ART)과 통계적 모델을 활용하는 통계기반 반복재구성(SIR)이 있습니다. 각 반복 단계는 순방향 투영(예측 영상에서 측정값 추정)과 역방향 보정(실제 측정값과의 차이를 영상에 반영)으로 구성됩니다. 전통적인 여과역투영법(filtered back-projection)에 비해 계산량이 많지만 잡음 모델링이 유연하다는 장점이 있습니다.

주의할 점

반복 횟수와 수렴 기준 설정에 따라 영상 결과가 달라질 수 있으며, 계산 비용이 크기 때문에 실시간 적용에는 제약이 있을 수 있습니다.