심층 동적 잔차 주의망을 활용한 의료 영상 노이즈 제거 학습

의료 영상 분석에서 영상 노이즈 제거는 중요한 역할을 한다. 많은 경우에 노이즈가 있는 영상 샘플의 시각적 품질을 향상시킴으로써 진단 과정을 크게 가속화할 수 있다. 그러나 의료 영상 노이즈 제거 기술은 다학제적 의료 영상에서 나타나는 다양한 노이즈 유형을 효과적으로 다루는 데 한계를 보이고 있다. 본 연구는 방대한 데이터 샘플로부터 잔여 노이즈를 학습함으로써 이러한 어려운 노이즈 제거 과제를 완화한다. 또한 제안하는 방법은 주목기법(attention mechanism)이라 불리는 특징 상관관계를 활용한 새로운 딥 네트워크 아키텍처를 도입함으로써 학습 과정을 가속화한다. 이 네트워크는 공간적으로 정교화된 잔여 특징과 결합하여 효과적인 특징 표현을 가능하게 한다. 실험 결과, 제안된 방법은 정량적 및 정성적 비교 모두에서 기존 기법들을 상당한 차이로 앞서는 성능을 보였다. 또한 실제 세계에서 발생하는 영상 노이즈 처리에 효과적이며, 다양한 의료 영상 분석 작업의 성능을 향상시키되, 시각적으로 불쾌한 아티팩트를 생성하지 않는다는 점에서 뛰어난 특성을 지닌다.