인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
This study explores the efficacy of the U-Net architecture for denoising lung CT images that have undergone the introduction of artificially added Gaussian noise. Noise in medical imaging can significantly compromise diagnostic accuracy, prompting the utilization of U-Net to mitigate this challenge. We set the noise standard deviations of 0.03, 0.05, and 0.07, employing metrics such as Mean Squared Error (MSE), Peak Signal-to-Noise Ratio (PSNR), Structural Similarity Index Measure (SSIM), and skewness and kurtosis of patch-based statistics difference across a dataset of 100 CT DICOM files. The results exhibited substantial enhancements in evaluating metrics following denoising, underscoring the model's capability to effectively alleviate noise and enhance diagnostic reliability. Despite positive evaluation metric results, blurring effects led to the loss of anatomical information, demonstrating the necessity for further advancements in denoising techniques. This research provides a foundational framework for the development of robust methodologies aimed at improving the quality of medical imaging.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-092105997
