Core Concepts
4D CBCT 영상에서 관찰되는 회전 스트리크 아티팩트의 특성을 분석하고, 이를 고려한 분리형 및 원형 컨볼루션 기반의 신경망 모델을 제안하여 효과적으로 아티팩트를 감소시킬 수 있다.
Abstract
4D CBCT 영상은 호흡 신호와 동기화된 데이터 획득을 통해 다상(multi-phase) 영상을 제공하여 호흡 운동을 시각화할 수 있다. 그러나 각 호흡 상에서 투영 데이터가 매우 희소하고 불균일하게 분포되어 있어, 심각한 스트리크 아티팩트가 나타난다.
저자들은 먼저 4D CBCT 영상에서 관찰되는 스트리크 아티팩트의 특성을 분석하였다. 투영 데이터의 상 별 분포 패턴이 호흡 운동의 준주기성에 따라 주기적으로 회전하는 양상을 보이며, 이에 따라 스트리크 아티팩트 또한 회전하는 패턴을 나타낸다. 이러한 관찰을 바탕으로 저자들은 해부학적 구조와 아티팩트를 시공간 영역에서 구분할 수 있다고 제안한다.
이를 바탕으로 저자들은 RSTAR-Net이라는 시공간 신경망 모델을 제안하였다. RSTAR-Net은 분리형 및 원형 컨볼루션 연산을 활용하여 4D CBCT 영상의 고유한 특성을 효과적으로 모델링한다. 구체적으로, 시간 차원의 컨볼루션 연산에 원형 패딩을 적용하여 호흡 운동의 준주기성을 반영하고, 공간-시간 컨볼루션 필터를 분리하여 파라미터 수를 줄이면서도 큰 수용 영역을 확보한다. 또한 채널 차원의 그룹 컨볼루션을 도입하여 모델 복잡도를 추가로 낮추었다.
실험 결과, RSTAR-Net은 기존 방법들에 비해 우수한 성능을 보였으며, 특히 작은 모델 크기에서도 효과적인 아티팩트 감소 능력을 입증하였다. 또한 실제 임상 데이터에 대한 정성적 평가에서도 RSTAR-Net이 해부학적 구조를 잘 보존하면서 아티팩트를 효과적으로 제거하는 것을 확인하였다.
Stats
4D CBCT 영상에서 관찰되는 스트리크 아티팩트는 호흡 운동에 따른 투영 데이터의 불균일한 분포로 인해 발생한다.
투영 데이터의 상 별 분포 패턴은 호흡 운동의 준주기성에 따라 주기적으로 회전하는 양상을 보인다.
Quotes
"4D CBCT 영상에서 관찰되는 스트리크 아티팩트는 호흡 운동에 따른 투영 데이터의 불균일한 분포로 인해 발생한다."
"투영 데이터의 상 별 분포 패턴은 호흡 운동의 준주기성에 따라 주기적으로 회전하는 양상을 보인다."