컴퓨터단층촬영(CT)은 의학적 진단을 위해 널리 사용되는 비침습적 영상 촬영 양식 중 하나이다. 임상 현장에서는 메모리 저장 비용과 운영 시간의 부담으로 인해 CT 영상을 보통 큰 슬라이스 두께로 획득하며, 그 결과 횡방향(in-plane) 해상도에 비해 슬라이스 간(inter-slice) 해상도가 훨씬 낮은 비등방성 CT 볼륨이 생성된다. 이러한 해상도 불일치는 질병 진단에 어려움을 초래할 수 있으므로, 슬라이스 간 해상도를 향상시키기 위한 딥러닝 기반 3차원(volumetric) 초해상도 방법들이 개발되어 왔다. 기존의 대부분 방법은 종방향(through-plane)에서의 단일 이미지 초해상도를 수행하거나 인접 슬라이스로부터 중간 슬라이스를 합성한다. 그러나 3차원 CT 볼륨의 비등방성 특성은 충분히 탐구되지 않았다. 본 논문에서는 3차원 CT 볼륨의 비등방성 특성을 충분히 활용하여 CT 슬라이스 보간을 위한 새로운 크로스 뷰(texture transfer) 질감 전이 접근법을 제안한다. 구체적으로, 고해상도 횡방향 질감 정보를 기준으로 설계하고 이를 저해상도 종방향 영상에 전이하는 독자적 프레임워크를 구성한다. 이를 위해 다중 참조 비국소(non-local) 어텐션 모듈을 도입하여, 여러 횡방향 이미지로부터 종방향 고주파 상세를 재구성하는 데 의미 있는 특징을 추출한다. 광범위한 실험을 통해, 본 방법이 실제 짝지어진(real-paired) 벤치마크를 포함한 공개 CT 데이터셋에서 기존 경쟁 방법들보다 CT 슬라이스 보간 성능이 유의하게 우수함을 보이며, 제안한 프레임워크의 유효성을 검증한다. 본 연구의 소스 코드는 https://github.com/khuhm/ACVTT 에서 제공된다.

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