Core Concepts
RDSTN은 초음파 영상의 비지역적 특성과 장거리 의존성을 모델링하여 깊이 조절에 따른 화질 및 시야 저하 문제를 해결한다.
Abstract
본 연구는 초음파 영상의 깊이 조절에 따른 화질 및 시야 저하 문제를 해결하기 위해 Residual Dense Swin Transformer Network (RDSTN)을 제안한다. RDSTN은 선형 임베딩 모듈, Residual Dense Shifted-window Transformer (RDST) 인코더, 다층 퍼셉트론(MLP) 디코더로 구성된다.
선형 임베딩 모듈은 특징 추출을 강화하고, RDST 인코더는 비지역적 특성을 활용하여 필수적인 특징 재사용을 촉진한다. MLP 디코더는 각 대상 픽셀 좌표를 해당 잠재 코드에 매핑하여 세부 사항을 정교하게 재구성한다.
실험 결과, RDSTN은 기존 방법보다 우수한 성능을 보이면서도 더 적은 매개변수를 사용한다. 또한 다양한 조직에 대한 일반화 능력이 뛰어나, 깊이 조절에 따른 화질 및 시야 저하 문제를 효과적으로 해결할 수 있음을 입증한다.
Stats
초음파 영상의 깊이 조절은 프레임 레이트를 낮추어 시간 해상도를 저하시킨다.
깊이가 얕은 경우 인접 에코 신호의 간섭으로 인해 영상 품질이 저하된다.
보간법 기반의 줌인 기술은 세부 정보 손실과 왜곡 아티팩트를 초래한다.
Quotes
"초음파 영상은 장기 형태와 기능 평가에 필수적이지만, 깊이 조절은 영상 품질과 시야를 저하시키는 깊이 의존적 딜레마를 야기한다."
"기존 보간법 기반 줌인 기술은 세부 정보를 희생하고 아티팩트를 도입하는 단점이 있다."