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
마동효 (경상국립대학교) 박지완 (경상국립대학교) 임동훈 (경상국립대학교)
저널정보
한국데이터정보과학회 한국데이터정보과학회지 한국데이터정보과학회지 제36권 제2호
발행연도
2025.3
수록면
229 - 248 (20page)
DOI
10.7465/jkdi.2025.36.2.229

이용수

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

초록· 키워드

오류제보하기
CT 영상에서 잡음제거는 방사선으로부터 환자 보호와 고품질 영상복원을 위해 중요한 기술이다. 본 논문에서는 CT 영상에서 웨이블릿 변환 기반 U-Net GAN (wavelet transform-based U-Net GAN) 모델, 즉 WT-UNetGAN 모델을 제안하여 잡음 제거하고자 한다. 제안된 WT-UNetGAN 모델의 생성자 (generator)는 기존 U-Net 구조에 긴 스킵 연결 (long skip connection)을 추가한 구조이고, 판별자 (discriminator)는 변형 가능 컨벌루션 층 (deformable convolution layer)을 갖고 있는 patchGAN 구조이고, 손실함수는 기존의 GAN 학습의 불안정을 완화하기 위해 GAN 손실 (adversarial loss)와 L₁ 손실함수의 가중합 형태이다. 본 논문에서 제안된 WT-UNetGAN 모델의 성능 평가를 위해 여러 가지 잡음 즉, 가우시안 잡음 (gaussian noise), 포아송 잡음 (poisson noise), 그리고 스펙클 잡음 (speckle noise)에 의해 훼손된 CT 영상에서 기존의 전통적인 방법인 BM3D, CNN을 활용한 DnCNN, 표준 DCGAN, U-Net GAN 그리고 웨이블렛 기반 DCGAN과 성능 비교 하였다. 성능 실험 결과, 제안된 WT-UNetGAN 모델은 정성적 평가에서 높은 잡음제거 능력을 보였고, PSNR (peak signal-to-noise ratio)과 SSIM (structural similarity index measure) 척도에 의한 정량적 평가에서도 높은 수치를 보였다.

목차

요약
1. 서론
2. 관련 연구
3. 제안된 WT-UNetGAN 모델을 이용한 잡음제거
4. 성능 실험 및 결과
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) : I410-151-25-02-092494506