Core Concepts
세그멘테이션 정보를 활용하여 조건부 확산 모델을 통해 실제와 유사한 무릎 방사선 영상을 생성할 수 있다.
Abstract
이 연구에서는 무릎 방사선 영상 생성을 위해 조건부 확산 모델을 활용하였다. 두 가지 접근법을 제안하였는데, 하나는 세그멘테이션 정보를 샘플링 과정에 반영하는 조건부 샘플링 방법(CSM)이고, 다른 하나는 세그멘테이션 정보를 학습 과정에 반영하는 조건부 학습 방법(CTM)이다.
실험 결과, CTM 방법이 U-Net 모델과 CSM 방법보다 우수한 성능을 보였다. CTM은 세그멘테이션 정보를 효과적으로 활용하여 실제와 유사한 무릎 방사선 영상을 생성할 수 있었다. 반면 CSM은 세그멘테이션 정보를 초기 단계에만 반영하여 품질이 떨어졌다.
이 연구는 의료 영상 처리 분야에서 데이터 부족 문제를 해결하기 위해 합성 데이터 생성 기술을 제안하였다. 향후 연구에서는 3D 확률 분포 모델링과 실제 임상 데이터 활용을 통해 더 발전된 방사선 영상 생성 기술을 개발할 계획이다.
Stats
무릎 방사선 영상 생성을 위해 55개의 다리 CT 볼륨을 사용하였다.
각 CT 볼륨에서 360도 회전하며 60장의 디지털 재구성 방사선 영상(DRR)을 생성하였다.
이에 더해 자동으로 생성된 두 가지 세그멘테이션 정보(다리 윤곽, 뼈)를 함께 제공하였다.
총 3,300장의 방사선 영상과 세그멘테이션 데이터를 9:1:1로 학습, 검증, 테스트 데이터로 나누어 사용하였다.