Earticle

초록

한국어

본 연구는 Cone-beam CT에서 발생하는 노이즈가 제거된 CT 이미지 생성을 위하여 텍스처를 보존하는 모델을 제안한다. Denoising Diffusion Probabilistic Model(DDPM)을 기반으로, 고주파 최적화 모듈, 이중 모드 특징 융합, 경계 인식 제약을 통합해 이미지 품질을 개선했다. 서울대학교병원에서 촬영된 84명 환자의 데이터(490개 CBCT/dCT 영상 쌍)에서 2D 슬라이스를 추출하여 학습(27,520 슬라이스), 검증(5,840 슬라이스), 테스트(5,840 슬라이스) 데이터셋으로 나누어 모델을 학습한다. 실험 결과 지표별로 각각 70.3%(MAE), 58.3%(SSIM), 및 118.4%(PSNR)의 성능 향상을 달성하였으며, 이는 제안한 모델이 의료 영상의 텍스처 및 조직의 우수한 복원 성능을 보였으며. 이를 통해 CBCT의 활용성을 더욱 높여줄 것으로 기대된다.

목차

요약
1. 서론
2. 관련연구
3. 실험방법
3.1 데이터셋
3.2 데이터 전처리
3.3 모델 및 학습과정
3.4 손실 함수
3.5 실험환경
4. 실험결과
5. 결론
Acknowledgement
참고문헌

저자

• 카사노브 마크사드베크 [ Khasanov Maksadbek | 국립금오공과대학교 컴퓨터공학부 ]
• 진형민 [ Hyeongmin Jin | 서울대학교병원 방사선종양학과 ]
• 김영우 [ Youngwoo Kim | 국립금오공과대학교 컴퓨터공학부 ] 교신저자

참고문헌