earticle

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.