머리 Cone-Beam CT에서 블라인드 강체 운동 보정을 위한 Geometry-bridge 흐름 매칭
요약
본 연구는 CBCT 스캔 중 발생하는 환자의 강체 운동으로 인한 이미지 품질 저하 문제를 해결하기 위해 3D 흐름 매칭 기반의 geometry-bridge 접근 방식을 제시합니다. 이 방식은 움직임에 의해 손상된 영상과 정상 영상을 연결하여 최첨단 수준의 재구성 품질 및 정확도를 달성했습니다.
핵심 포인트
- CBCT 스캔 중 발생하는 강체 운동으로 인한 이미지 왜곡을 보정하는 방법론입니다.
- 운동 변화를 학습하는 3D 흐름 매칭과 geometry-bridge 구조를 활용합니다.
- 평균 PSNR 37.1 dB, 평균 RPE 0.27 mm의 높은 재구성 성능을 입증했습니다.
- 기존 선형 학습 대비 PSNR을 1.6 dB 향상시키고 RPE를 33% 감소시켰습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.CL의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기