정지형 역기하 디지털 단층촬영(Stationary inverse-geometry digital tomosynthesis; s-IGDT)은 기하학적 특성으로 인해 재구성된 영상에서 절단(truncation) 인공물(artifact)을 유발한다. 본 연구는 s-IGDT 영상의 절단 인공물을 완화하기 위한 DCGAN(딥 컨볼루션 생성 적대 신경망) 기반 아웃페인팅(out-painting) 방법을 제안한다. 제안된 네트워크는 생성기(generator)에 인코더–디코더 구조를 사용하였고, 인코더와 디코더 사이에 확장(dilated) 컨볼루션 블록을 추가하였다. 또한 이중 판별기(dual-discriminator)를 사용하여 절단 영역과 비절단 영역의 생성 영상 인공성(artificiality)을 각각 구분하였다. 네트워크 학습 중 생성기는 이진 마스크(binary mask) 영상을 이용하여 절단 영역에 대한 목표 과제를 선택적으로 학습할 수 있었다. 제안 방법의 성능은 신호대잡음비(signal-to-noise ratio; SNR), 정규화 평균제곱근오차(normalized root-mean-square error; NRMSE), 피크 SNR(peak SNR; PSNR), 구조적 유사도(structural similarity; SSIM) 측면에서 기존 방법과 비교하였다. 그 결과, 제안 방법은 절단 인공물을 실질적으로 감소시키는 것으로 나타났다. 평균적으로 제안 방법은 기존 방법에 비해 SNR, PSNR, SSIM에서 각각 62.31%, 16.66%, 14.94%의 향상을 보였다. 한편 NRMSE 값은 평균 37.22% 감소하였다. 결론적으로, 제안된 아웃페인팅 방법은 s-IGDT 영상에서 절단 인공물을 완화하고 s-IGDT의 임상적 활용 가능성을 향상시키는 유망한 해결책을 제공할 수 있다.
*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.