복합재료의 X선 톰ограф리 이미지 자동 세그멘테이션을 위한 모듈형 U-Net

X선 컴퓨터 단층 촬영(X-ray Computed Tomography, XCT) 기술은 고해상도 데이터를 매우 빠르게 획득할 수 있는 수준까지 발전하였으며, 이로 인해 전통적인 세그멘테이션 방법은 처리 부담이 크고 비효율적이 되어, 복잡한 3차원 이미지를 다룰 수 있는 자동화된 데이터 처리 파이프라인의 필요성이 증가하고 있다. 딥러닝은 이미지 처리 작업 전반에서 성공을 거두었으며, 재료 과학 분야에서도 그 적용 가능성을 입증하며 인간 개입 없이 작동하는 세그멘테이션 파이프라인의 유망한 대안으로 부상하고 있다. 본 논문에서는 3상 유리섬유 강화 폴리아미드 66의 3차원 단층 촬영 이미지를 세그멘테이션하기 위해 모듈형 UNet(Modular U-Net) 아키텍처를 제안하고 학습하였다. 제안된 모델의 2차원 및 3차원 버전을 비교한 결과, 2차원 버전이 다소 우수한 성능을 보였다. 또한, 단지 10개의 레이어에 대한 레이블링 데이터만으로도 인간 수준의 결과를 달성할 수 있음을 관찰하였으며, 깊이가 얕은 U-Net이 더 깊은 구조보다 더 우수한 성능을 보였다. 이러한 결과를 종합하면, 신경망(Neural Network, NN)은 인간의 사전 개입 없이도 XCT 데이터 처리 파이프라인을 자동화할 수 있는 매우 유망한 접근 방식임을 입증하였다.