본 연구에서는 컴퓨터 단층촬영(CT) 영상에서 금속 인공물을 감소시키기 위해 웨이블릿(wavelet) 영역 기반의 딥 잔차 학습 전략을 제안하였다. 금속 인공물이 포함된 영상과 잔차 영상 간의 종단 간 비선형 매핑을 학습하기 위해 완전연결 신경망(FCN)을 구성하였다. 학습용 CT 영상은 2D 웨이블릿 변환을 통해 서브밴드(subband) 영상으로 변환하여 네트워크 학습 동안 고주파 특징을 제공하였다. 잔차 학습은 서브밴드 영상을 이용하여 구현하였다. 제안 기법의 성능은 O-MAR 알고리즘과 비교하였다. 그 결과, 제안 기법에 의해 금속 인공물이 충분히 억제되었으며, O-MAR 알고리즘에 비해 NRMSE는 12.34% 감소하고 SSIM은 0.84% 향상되었다. 결론적으로, 제안 모델은 CT 영상의 금속 인공물을 효율적으로 감소시킬 수 있으며 상용 알고리즘에 비해 우수한 성능을 보인다.

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