Core Concepts
모션 아티팩트가 있는 CT 이미지의 우도를 계산하여 모션 보상을 수행할 수 있다. 이를 위해 모션이 없는 CT 이미지 데이터셋으로 점수 기반 모델을 학습하고, 이를 활용하여 모션 영향을 받은 CT 이미지의 우도를 계산한다. 이 우도 값을 최대화하는 방향으로 모션 파라미터를 최적화하여 모션 아티팩트를 효과적으로 감소시킬 수 있다.
Abstract
이 연구에서는 모션이 없는 CT 이미지만으로 학습한 점수 기반 모델을 활용하여 모션 보상을 수행하는 방법을 제안한다. 기존 방법들은 모션이 있는 이미지 데이터셋이 필요했지만, 제안 방법은 모션이 없는 이미지만으로 학습할 수 있어 실제 임상 환경에서 발생할 수 있는 다양한 모션 패턴에 대해 강건한 성능을 보인다.
점수 기반 모델을 통해 모션이 없는 CT 이미지의 분포를 학습한 후, 모션이 있는 CT 이미지의 우도를 계산한다. 이 우도 값을 최대화하는 방향으로 모션 파라미터를 최적화하여 모션 아티팩트를 감소시킨다. 이를 위해 신경망 기반 ODE 솔버를 활용하여 우도 함수의 미분을 효율적으로 계산한다.
실험 결과, 제안 방법은 모션이 있는 이미지로 학습한 기존 방법과 유사한 성능을 보였다. 이는 모션이 없는 이미지만으로도 효과적인 모션 보상이 가능함을 보여준다.
Stats
모션이 없는 CT 이미지 데이터셋으로 학습한 점수 기반 모델을 활용하여 모션이 있는 CT 이미지의 우도를 계산할 수 있다.
이 우도 값을 최대화하는 방향으로 모션 파라미터를 최적화하여 모션 아티팩트를 효과적으로 감소시킬 수 있다.
제안 방법은 모션이 있는 이미지로 학습한 기존 방법과 유사한 성능을 보였다.
Quotes
"모션 아티팩트가 있는 CT 이미지의 우도를 계산하여 모션 보상을 수행할 수 있다."
"모션이 없는 CT 이미지만으로 학습한 점수 기반 모델을 활용하여 실제 임상 환경에서 발생할 수 있는 다양한 모션 패턴에 대해 강건한 성능을 보인다."
"신경망 기반 ODE 솔버를 활용하여 우도 함수의 미분을 효율적으로 계산한다."