Core Concepts
제한된 광음향 측정값으로부터 고품질의 이미지를 재구성하기 위해 사전 학습된 확산 모델을 활용한다.
Abstract
이 연구는 광음향 단층 촬영(PAT) 이미지 재구성을 위해 스코어 기반 확산 모델을 사용하는 방법을 제안한다. PAT는 광학 흡수 대비와 초음파 영상 깊이를 결합한 의료 영상 기술이지만, 센서 커버리지 부족이나 트랜스듀서 배열 밀도 부족으로 인해 부적절한 음향 신호가 발생할 수 있다. 이러한 경우 ill-posed 역 재구성 문제를 해결해야 한다.
제안된 접근 방식은 시뮬레이션된 혈관 구조에 대해 학습된 확산 모델의 표현력 있는 사전 지식을 활용하면서도 다양한 트랜스듀서 희소성 조건에 강인할 수 있다. 실험 결과, 제안 방식은 공간 앨리어싱 문제에서 기존 방식보다 우수한 성능을 보였다. 반면 제한된 시야 문제에서는 과도한 hallucination이 발생할 수 있지만, 샘플의 평균 성능은 여전히 기준 방식을 능가했다. 또한 제안 방식은 트랜스듀서 패턴에 관계없이 유연하게 적용될 수 있다.
Stats
제안 방식은 공간 앨리어싱 문제에서 기존 방식 대비 2.4 ~ 23.3 dB의 PSNR 향상을 보였다.
제한된 시야 문제에서는 기존 방식과 유사한 성능을 보였다.
Quotes
"제안된 접근 방식은 시뮬레이션된 혈관 구조에 대해 학습된 확산 모델의 표현력 있는 사전 지식을 활용하면서도 다양한 트랜스듀서 희소성 조건에 강인할 수 있다."
"실험 결과, 제안 방식은 공간 앨리어싱 문제에서 기존 방식보다 우수한 성능을 보였다."