다수의 지도학습 기반 전략이 유망한 결과를 보고해 왔으나, 디지털 단층촬영(digital tomosynthesis, DT) 영상의 노이즈 제거에서의 적용은 성능이 충분하지 않고 학습 영상이 부족하다는 한계로 인해 제한적이다. 본 연구에서는 지도학습의 단점을 극복하고 DT 영상의 노이즈 제거 모델을 제공하기 위해 다중 에이전트 강화학습(multi-agent reinforcement learning, MARL) 네트워크를 제안하였다. 제안된 네트워크는 세 개의 하위 네트워크로 구성되었으며, 그중 공유 하위 네트워크는 출력 영상에서의 특징 추출 방법의 효과를 조사하기 위해 일반 합성곱(convolution) 층, 확장(dilated) 합성곱 층 및 잔차(residual) 블록을 사용하여 다양하게 구성하였다. 그 결과, 제안 모델은 입력 영상에 비해 출력 DT 영상의 신호대잡음비(signal-to-noise ratio, SNR)와 구조적 유사도(structural similarity, SSIM)를 현저히 향상시켰으며, 잔차 블록을 사용하는 모델들의 SNR은 다른 모델들에 비해 8.58~43.53% 더 높았다. 잔차 블록을 포함한 공유 하위 네트워크는 다른 모델들에 비해 10% 변조전달함수(modulation transfer function, MTF)에서 공간주파수를 11.26~19.49% 개선하였다. 결론적으로, 제안된 MARL 기반 노이즈 제거 모델은 DT 영상의 노이즈를 효율적으로 감소시킬 수 있으며, 공유 하위 네트워크의 수정은 MARL 기반 DT 노이즈 제거 모델의 성능을 향상시킬 수 있다.

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