Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
단일 에너지 CT(SECT) 데이터로부터 대조 단계별 특화된 가상 단색 영상을 합성하는 통합 딥러닝 프레임워크를 제안합니다. 대조 단계 정보를 사전 정보로 활용하는 새로운 아키텍처를 통해 하드웨어 비용 문제를 해결하고 영상의 대조도를 향상시킵니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기이중 에너지 CT (Dual-energy CT, DECT)는 가상 단색 영상 (Virtual monochromatic imaging, VMI) 및 향상된 대조도 분해능 (Contrast resolution)을 가능하게 하지만, 하드웨어의 복잡성과 비용으로 인해 임상 도입이 제한적입니다. 본 연구에서는 대조 단계 (Contrast phase) 정보를 사전 정보 (Prior)로 활용하여, 단일 에너지 CT (Single-energy CT, SECT) 데이터로부터 대조 단계별 특화된 50 keV 가상 단색 영상을 합성하는 통합 딥러닝 프레임워크를 제안합니다. 이 모델은 Angio, Arterial, Portal, Delayed의 네 가지 대조 단계를 아우르는 DECT 유래 70 keV 및 50 keV 이미지 쌍을 사용하여 학습되며, 대조 단계 사전 정보를 에너지 변환 과정에 통합하는 새로운 사전 조건부 아키텍처 (Prior conditioning architecture)를 사용합니다. 우리는 제안된 통합 모델이 대조도 향상을 달성하고 다양한 대조 단계에 대해 잘 일반화됨을 입증합니다. 또한, 이 모델이 SECT 입력으로부터 대조 단계별 역학 (Dynamics)을 보존하면서 50 keV와 유사한 영상을 생성할 수 있음을 보여줍니다.