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.
초록·키워드
CT 영상, MRI 영상과 같은 의료영상에서 존재하는 잡음 (noise)은 환자의 정확한 병명 판단을 방해하는 원인이 된다. 따라서 효과적인 잡음제거는 의료영상의 활용가치를 높이는데 매우 중요하다. 본 논문에서는 딥러닝의 convolutional autoencoder (CAE) 모형의 변형인 convolutional dual-decoder autoencoder (CDDAE) 모형을 이용하여 잡음을 제거하고자 한다. 기존 CAE 모형은 싱글 인코더 (single-encoder)와 싱글 디코더 (single-decoder)로 구성된 AE (autoencoder) 구조인 반면에 CDDAE 모형은 싱글 인코더와 듀얼 디코더 (dual-decoder)로 구성된 AE 구조로 원본 영상과 유사한 영상 특징을 복원할 수 있도록 설계하였다. 본 논문에서 제안된 CDDAE 모형의 성능 평가를 위해 다양한 잡음, 즉, 가우시안 잡음 (Gaussian noise), 임펄스 잡음 (impulse noise) 그리고 스펙클 잡음 (speckle noise)에 의해 훼손된 CT 영상과 MRI 영상을 대상으로 실험하였으며, 성능 실험 결과, CDDAE 모형은 전통적인 필터 즉, Mean 필터, Median 필터 그리고 Lee 필터 뿐 만 아니라 기존의 딥러닝 모형인 DnCNN 모형, CAE 모형보다 정성적이고, 여러 정량적인 척도 즉, MAE (Mean Absolute Error), PSNR (Peak Signal-to-Noise Ratio) 그리고 SSIM (Structural Similarity Index Measure) 면에서 좋은 결과를 보였다.
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-ECN-0101-2023-041-000228956
