본 연구는 CAT-PRSR(CAT-PRSR)로 명명된 신뢰도 인지(confidence-aware) 트랜스포머 기반 초해상도(super-resolution) 프레임워크를 개발하고 평가하여 파노라마 치과 방사선 사진에서 화질과 진단 신뢰성을 향상시키는 것을 목표로 하였다. 총 1078장의 익명화된 파노라마 방사선 영상을 후향적으로 수집하였으며(훈련 950장, 테스트 128장), 트랜스포머 기반 SR 백본과 신뢰도 인지 학습 전략을 통합한 CAT-PRSR 프레임워크를 개발하였다. 본 모델은 픽셀 단위 불확실성 추정(pixel-wise uncertainty estimation)을 통해 적응적 학습을 가능하게 하여 진단적으로 관련 있는 영역에 집중하되, 잡음에 민감한 영역에서의 과도한 선명화(over-enhancement)를 최소화하면서 고해상도 출력을 생성한다. 모델 성능은 6개의 정량 지표—피크 신호대잡음비(peak signal-to-noise ratio, PSNR), 구조적 유사도 지수(structural similarity index, SSIM), 공간 상관 계수(spatial correlation coefficient, SCC), 자연 영상 품질 평가(natural image quality evaluator, NIQE), 학습된 지각 이미지 패치 유사도(learned perceptual image patch similarity, LPIPS), 프레셋 이니셉션 거리(Fréchet inception distance, FID)—및 평균 의견 점수(mean opinion score, MOS) 평가를 통해 검증하였다. 정량 성능에 기반하여 4배, 6배, 8배 확대에서 비교를 위해 4개의 대표적인 최신(state-of-the-art) SR 모델을 선정하였다. CAT-PRSR은 모든 지표와 확대 수준에서 우수한 성능을 보였다. 가장 높은 PSNR(4×에서 36.41, 6×에서 36.19, 8×에서 33.73)을 달성했으며, 최저 FID(각각 1.77, 9.29, 2.09)도 나타내어 모든 비교 모델을 능가하였다. MOS 평가에서 CAT-PRSR은 P > .05 수준에서 진단 유용성 점수가 기준(ground truth) 영상과 통계적으로 유사하게 유지된 반면, 다른 모델들은 P < .001 수준에서 유의한 저하를 보였다. 제안된 CAT-PRSR 프레임워크는 픽셀 수준의 충실도와 향상된 진단 신뢰성을 통합함으로써 파노라마 방사선 영상의 해상도를 향상시킬 잠재력을 보여주었다. 또한 CAT-PRSR 모델은 저해상도 조건에서 획득된 파노라마 방사선 사진의 진단 신뢰성을 향상시킬 수 있으며, 보다 정확한 임상적 의사결정을 지원하고 AI 기반 치과 연구를 위한 신뢰할 수 있는 영상 자원으로 활용될 수 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.