CT 및 MRI 스캔을 위한 중간 손실을 갖는 합성곱 신경망을 이용한 3차원 슈퍼해상도

현재 병원에서 널리 사용되는 CT 스캐너는 최대 512픽셀까지의 낮은 해상도 이미지를 생성한다. 이미지의 한 픽셀은 조직의 1밀리미터 크기와 대응한다. 종양을 정확히 세그멘테이션하고 치료 계획을 수립하기 위해서는 더 높은 해상도의 CT 스캔이 필요하다. MRI에서도 동일한 문제가 발생한다. 본 논문에서는 3D CT 또는 MRI 스캔에 대한 단일 이미지 초해상도 재구성 기법을 제안한다. 본 방법은 10개의 합성곱 층과 첫 번째 6개의 합성곱 층 이후에 위치한 중간 확대 층을 포함하는 깊은 합성곱 신경망(CNN) 기반이다. 먼저 두 축(너비 및 높이)에 대해 해상도를 증가시키는 첫 번째 CNN을 거친 후, 세 번째 축(깊이)에 대한 해상도 증가를 위한 두 번째 CNN을 적용한다. 다른 기법들과 달리, 마지막 합성곱 층 이후뿐만 아니라 확대 층 이후에도 실제 고해상도 출력(ground-truth)에 대해 손실(loss)을 계산한다. 중간 손실을 통해 네트워크가 실제 값에 더 가까운 출력을 생성하도록 유도할 수 있다. 날카로운 결과를 얻기 위한 일반적인 접근법은 고정된 표준편차를 가진 가우시안 블러를 적용하는 것이다. 그러나 고정된 표준편차에 과적합되는 것을 방지하기 위해, 다른 접근법들과 달리 다양한 표준편차를 가진 가우시안 스무딩을 적용한다. 제안한 방법은 두 개의 데이터베이스에서 제공하는 CT 및 MRI 스캔에 대해 2D 및 3D 초해상도 재구성에 대해 평가하였으며, 다양한 보간 기반 기준선과 문헌상 관련 연구들과 비교하였다. 평가에서는 2배 및 4배 확대 비율을 사용하였다. 실험 결과, 본 방법은 모든 다른 기법보다 우수한 성능을 달성함을 보였다. 또한, 인간 평가 연구 결과, 의사와 일반 평가자 모두가 2배 확대 시 97.55%, 4배 확대 시 96.69%의 경우에서 Lanczos 보간법보다 본 방법을 선호하는 것으로 나타났다.