CT 영상에서 Inception 모형을 이용한 잡음제거

Abstract

CT 영상에서 영상의 중요한 특징을 잃지 않으면서 방사선량 (radiation dose) 부족으로 생기는 잡음문제를 해결하는 일은 도전적이다. 지금까지 주로 특정 잡음만을 제거하기 위해 공간 영역 (spatial domain)에서 설계된 공간필터 (spatial filter)들이 사용되어 왔다. 본 논문에서는 딥러닝의 Inception 모형을 이용하여 CT 영상에서 잡음을 제거하고자 한다. 제안된 Inception 모형은 기존의 CNN (convolutional neural network) 모형을 포함한 딥러닝의 성능과 처리속도를 개선한 Inception- ResNet 모형에 토대를 두고 있다. 본 논문에서 제안된 Inception 모형의 성능을 평가하기 위해 CT 영상에 흔히 존재하는 잡음 즉, 가우시안 잡음 (Gaussian noise), 임펄스 잡음 (Impulse noise) 그리고 포아송 잡음 (Poisson noise)에 의해 훼손된 영상을 고려하였다. 성능실험결과, 정성적인 관점에서 제안된 Inception 모형은 기존의 Inception 모형과 비슷한 잡음제거 영상을 얻었고, CNN 모형과는 비슷하거나 약간 좋은 결과를 보였고, Mean 필터와 Median 필터보다는 훨씬 좋은 결과를 보였다. 정량적인 관점에서 제안된 Inception 모형은 기존의 Inception 모형을 포함하여 CNN 모형과 그 밖의 방법들보다 좋은 PSNR (Peak signal-to-noise ratio)와 MAE (Mean Absolute Error) 수치를 보였다. 그리고 처리속도 관점에서 Inception 모형 들은 CNN 모형보다 현저히 개선된 결과를 보였다.