Generative AI for CT–MRI Synthesis and Deep Learning Image Reconstruction
연구 내용
CT로부터 MRI를 합성하거나 딥러닝 재구성으로 잡음을 감소시켜 영상 품질과 진단 활용도를 높이는 연구
CT와 MRI는 병변의 대조도와 활용 목적이 다르지만, 임상에서는 MRI 선택이 제한되는 경우가 있습니다. 연구실은 GAN 기반 생성 모델로 요추 CT 축상 영상에서 MRI를 합성하고, 시각적 튜링 테스트와 구조 유사도 지표로 합성 영상의 현실성을 정량적으로 검증합니다. 또한 저선량 조건에서 딥러닝 기반 이미지 재구성 엔진을 적용하여 노이즈 특성을 개선하고, 화질과 작업 기반 대역 전달 특성의 변화를 비교합니다. 두 접근은 동일한 목적, 즉 촬영 제약 하에서도 재현성 있는 영상 품질을 확보하는 방향으로 연결됩니다.
관련 연구 성과
관련 논문
2편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 영상 합성이 임상적 대안이 될 수 있는지에 대한 파일럿 검증을 목표로 2022년경 요추 CT-자기공명 합성 연구를 수행했습니다. 이후 합성 알고리즘을 비지도·준지도·지도 학습으로 분리해 학습 전략에 따른 영상 품질과 진단 유사성을 비교하는 방향으로 확장되었습니다. 같은 시기 2022년에는 저선량 CT에서 딥러닝 재구성 엔진이 노이즈 저감과 화질 지표에 미치는 영향을 팬텀 기반으로 분석했습니다. 현재는 합성(CT→MRI)과 재구성(저선량 CT→고품질 영상)을 함께 활용해 근골격 병변 평가의 연속성을 확보하는 연구 흐름으로 진행하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Lumbar Spine Computed Tomography to Magnetic Resonance Imaging Synthesis Using Generative Adversarial Network: Visual Turing Test
Evaluation of Abdominal CT Obtained Using a Deep Learning-Based Image Reconstruction Engine Compared with CT Using Adaptive Statistical Iterative Reconstruction