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
오류제보하기
X-선과 중성자와 같은 방사선은 물체를 파괴하지 않고 내부를 볼 수 있는 의료 및 비파괴 검사분야에서 널리 사용된다. 엑스선과 중성자를 이용한 흡수 영상 외에도, 격자 간섭계를 사용한 위상차 영상과 다크필드 영상이 있다. 위상차 영상은 방사선이 투과 시 발생하는 파동의 위상차를 이용해 대조비를 나타내고, 기본 흡수 영상보다 더 뛰어난 식별 능력을 가진다. 격자 간섭계 시스템에서 위상격자(G₁)가 중앙에 위치한 대칭 구조에서 가장 높은 민감도를 얻을 수 있으며, 위상격자(G₁)와 해석격자(G₂) 사이에서 샘플의 위치에 따라 결과 영상의 민감도와 영상 품질이 달라진다. 이 반비례하는 특성을 조정하기 위해 스윈 트랜스포머 기반 딥러닝 모델을 사용하여 각각의 좋은 특성을 합성하였으며 이 모델의 성능과 논문 [S. H. Lee et al., Sci. Rep. 10, 9891 (2020)]의 deep residual GAN 모델 결과와 비교 분석하였다. 이후 결과 분석에서 합성 문제를 일으킨 데이터의 유형과 GAN 및 스윈 트랜스포머의 네트워크 구조와 특성을 분석하여, 후속 연구를 위한 보완점을 제안한다.
목차
I. 연구 배경
II. 본론
III. 결과 및 토의
IV. 결론
REFERENCES
참고문헌 (0)
참고문헌 신청이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0