메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
성언승 (경상국립대학교) 허지혜 (경상국립대학교) 한성현 (경상국립대학교) 임동훈 (경상국립대학교)
저널정보
한국데이터정보과학회 한국데이터정보과학회지 한국데이터정보과학회지 제33권 제6호
발행연도
2022.11
수록면
1,065 - 1,083 (19page)
DOI
10.7465/jkdi.2022.33.6.1065

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
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.

목차

요약
1. 서론
2. 관련연구
3. CDDAE 모형을 이용한 잡음 제거
4. 성능 실험 및 논의사항
5. 결론
References
Abstract

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2023-041-000228956